CN109242161A - 基于大数据的配送路线的生成方法及终端设备 - Google Patents
基于大数据的配送路线的生成方法及终端设备 Download PDFInfo
- Publication number
- CN109242161A CN109242161A CN201810946660.7A CN201810946660A CN109242161A CN 109242161 A CN109242161 A CN 109242161A CN 201810946660 A CN201810946660 A CN 201810946660A CN 109242161 A CN109242161 A CN 109242161A
- Authority
- CN
- China
- Prior art keywords
- logistics
- dispatching
- route
- unit
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于大数据技术领域,提供了一种基于大数据的配送路线的生成的方法及终端设备,通过各个物流单位到各个物流网点的路线距离的海量数据,将所述物流单位分配至各个所述物流网点,生成各个所述物流网点对应的物流单位集合,基于各个物流单位的优先级以及物流单位集合生成配送矩阵,根据配送矩阵包含的两物流单位的路线距离以及路线重合率,生成一个以上的配送列表;根据预设的物流网点与网间配送方式的对应关系,生成第二配送列表,最后结合第一配送列表以及第二配送列表,各个物流单位之间的配送路线,以更合理的对海量的物流单位以及物流网点进行分析,确定配送路线,从而减少配送时间。
Description
技术领域
本发明属于大数据技术领域,尤其涉及一种基于大数据的配送路线的生成方法及终端设备。
背景技术
在现代社会中,物流运输是实现商业交易的重要组成部分,当前,每个物流商负责多个物流网点,物流网点可以下挂多个物流单位。当一个物流单位需要给另一个物流单位寄送商品时,若这两个物流单位分属于不同的物流网点,则需要运送人员从物流网点出发,到寄送货物的物流单位进行拣货并运回物流网点,再将货物运至收货的物流单位所属的物流网点,最后由运送人员将货物配送到收货的物流单位。
在这之间涉及到很多实际问题,例如,一个物流网点所属物流商的类型(顺丰/中国邮政等)和运送方式(海运/空运/铁路等)可能影响物流网点之间的配送路线;同属于同一个物流网点的多个物流单位的优先级以及重复路线的情况,都会影响到配送路线的设定。
然而,当前的物流系统缺少合理的统筹管理机制,由于配送路线设定不合理,配送人员经常在配送工程中走很多重复的路线,此外还由于运送方式的选择不合理,导致了配送时间过长的问题。
发明内容
有鉴于此,本发明实施例提供了一种基于大数据的配送路线的生成方法及终端设备,以解决现有技术在配送路线的生成过程中存在的路线设定不合理问题。
本发明实施例的第一方面提供了一种基于大数据的配送路线的生成方法,包括:
基于各个物流单位到各个物流网点的路线距离,将所述物流单位分配至各个所述物流网点,生成各个所述物流网点对应的物流单位集合;
根据所述物流网点对应的物流单位集合以及所述物流单位集合中各个物流单位的优先级,生成所述物流网点对应的配送矩阵,所述配送矩阵用于表示所述物流网点对应的所述物流单位集合中,每两个所述物流单位的路线距离以及每两个所述物流单位至所述物流网点的路线重合率;
根据所述路线距离以及所述路线重合率,基于所述配送矩阵生成一个以上的第一配送列表,所述第一配送列表用于表示所述物流网点与其对应的各个所述物流单位的配送路线;
根据预设的物流网点与网间配送方式的对应关系,生成第二配送列表,所述第二配送列表用于表示每两个物流网点之间的配送路线;
根据所述第一配送列表以及所述第二配送列表,确定各个物流单位之间的配送路线。
本发明实施例的第二方面提供了一种终端设备,包括存储器以及处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如下步骤:
基于各个物流单位到各个物流网点的路线距离,将所述物流单位分配至各个所述物流网点,生成各个所述物流网点对应的物流单位集合;
根据所述物流网点对应的物流单位集合以及所述物流单位集合中各个物流单位的优先级,生成所述物流网点对应的配送矩阵,所述配送矩阵用于表示所述物流网点对应的所述物流单位集合中,每两个所述物流单位的路线距离以及每两个所述物流单位至所述物流网点的路线重合率;
根据所述路线距离以及所述路线重合率,基于所述配送矩阵生成一个以上的第一配送列表,所述第一配送列表用于表示所述物流网点与其对应的各个所述物流单位的配送路线;
根据预设的物流网点与网间配送方式的对应关系,生成第二配送列表,所述第二配送列表用于表示每两个物流网点之间的配送路线;
根据所述第一配送列表以及所述第二配送列表,确定各个物流单位之间的配送路线。
本发明实施例的第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如下步骤:
基于各个物流单位到各个物流网点的路线距离,将所述物流单位分配至各个所述物流网点,生成各个所述物流网点对应的物流单位集合;根据所述物流网点对应的物流单位集合以及所述物流单位集合中各个物流单位的优先级,生成所述物流网点对应的配送矩阵,所述配送矩阵用于表示所述物流网点对应的所述物流单位集合中,每两个所述物流单位的路线距离以及每两个所述物流单位至所述物流网点的路线重合率;根据所述路线距离以及所述路线重合率,基于所述配送矩阵生成一个以上的第一配送列表,所述第一配送列表用于表示所述物流网点与其对应的各个所述物流单位的配送路线;根据预设的物流网点与网间配送方式的对应关系,生成第二配送列表,所述第二配送列表用于表示每两个物流网点之间的配送路线;根据所述第一配送列表以及所述第二配送列表,确定各个物流单位之间的配送路线。
可选地,所述基于各个物流单位到各个物流网点的路线距离,将所述物流单位分配至各个所述物流网点,包括:
获取所述物流网点在预设单位时间内的最大可处理量;接收用户输入的所述物流单位的实时处理量;判断以所述物流网点为中心的圆形区域内全部的所述物流单位的实时处理量之和是否大于所述最大可处理量,所述圆形区域的覆盖半径为第一预设长度;若所述实时处理量之和大于所述最大可处理量,则将所述覆盖半径减小第二预设长度,并返回判断以所述物流网点为中心的圆形区域内全部的所述物流单位的实时处理量之和是否大于所述最大可处理量;若所述实时处理量之和不大于所述最大可处理量,则将所述圆形区域内全部的所述物流单位分配至该物流网点。
可选地,所述根据所述物流网点对应的物流单位集合以及所述物流单位集合中各个物流单位的优先级,生成所述物流网点对应的配送矩阵,包括:
将所述物流单位集合中两物流单位的路线距离,作为两物流单位对应的第一子元素;计算自所述物流网点出发到所述物流单位集合中两个所述物流单位的路线重合长度;通过公式:计算出所述两物流单位的路线重合率,作为两物流单位对应的第二子元素,所述repij为物流单位i到物流单位j的路线重合率,所述ralenij为物流单位i到物流单位j的路线重合长度,所述leni为物流单位i到所述物流网点的路线距离,所述lenj为物流单位j到所述物流网点的路线距离,所述max为最大值取值符;将所述物流单位集合中的物流单位按照其对应的优先级由大到小排列,作为矩阵的行和列,并将所述第一子元素以及所述第二子元素添加进该矩阵中的对应的元素中,以生成所述物流网点对应的配送矩阵。
可选地,所述根据所述路线距离以及所述路线重合率,基于所述配送矩阵生成一个以上的第一配送列表,包括:
从所述配送矩阵的首行中,根据各个元素对应的所述路线重合率由大到小依次选取元素,直至已选元素中所述两物流单位的路线距离之和大于预设的路线距离阈值时停止,将所述第一行中全部已选元素作为一个第一配送列表;在所述配送矩阵中剔除所有已被选取元素所在的行和列,以及剔除所有与所述被选取元素所在的列对应的行,所述与所述被选取元素所在的列对应的行的行数与所述被选元素所在的列的列数相同;在剩余的配送矩阵中重复执行从所述剩余的配送矩阵的第一行中,根据各个元素的所述路线重合率由大到小依次选取元素,直至已选元素中所述两物流单位的路线距离之和大于预设的路线距离阈值时停止,将所述第一行中全部已选元素作为一个第一配送列表;在所述配送矩阵中剔除所有已被选取元素所在的行和列的操作,直至全部所述配送矩阵中的元素均被选取。
可选地,所述根根据预设的物流网点与网间配送方式的对应关系,生成第二配送列表,包括:
根据预设的物流网点与网间配送方式的对应关系,生成两个物流网点对应的共同配送方式集合,所述共同配送方式集合包括两个物流网点共同对应的一个以上的网间配送方式;根据所述共同配送方式集合中各个网间配送方式对应的预设配送时长,选取最短的所述预设配送时长对应的网间配送方式作为两物流网点对应的被选配送方式;根据两物流网点的坐标位置以及所述被选配送方式,确定两物流网点之间的配送路线,并填入所述第二配送列表。
在本发明实施例中,通过各个物流单位到各个物流网点的路线距离,将所述物流单位分配至各个所述物流网点,生成各个所述物流网点对应的物流单位集合,基于各个物流单位的优先级以及物流单位集合生成配送矩阵,根据配送矩阵包含的两物流单位的路线距离以及路线重合率,生成一个以上的配送列表;根据预设的物流网点与网间配送方式的对应关系,生成第二配送列表,最后结合第一配送列表以及第二配送列表,各个物流单位之间的配送路线,以更合理的确定配送路线,从而减少配送时间。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于大数据的配送路线的生成方法的实现流程图;
图2是本发明实施例提供的基于大数据的配送路线的生成方法S101的具体实现流程图;
图3是本发明实施例提供的基于大数据的配送路线的生成方法S102的具体实现流程图;
图4是本发明实施例提供的基于大数据的配送路线的生成方法S103的具体实现流程图;
图5是本发明实施例提供的基于大数据的配送路线的生成方法S104的具体实现流程图;
图6是本发明实施例提供的基于大数据的配送路线的生成装置的结构框图;
图7是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
图1示出了本发明实施例提供的基于大数据的配送路线的生成方法的实现流程,该方法流程包括步骤S101至S105。各步骤的具体实现原理如下。
S101:基于各个物流单位到各个物流网点的路线距离,将所述物流单位分配至各个所述物流网点,生成各个所述物流网点对应的物流单位集合。
在本发明实施例中,每个物流商在各地设有多个物流网点,每一个物流网点还挂靠了多个物流单位。其中,物流单位是接收用户货物以及为用户配送货物时与用户直接接触的前端机构,而物流网点为中转机构,用于对各个物流单位的货物进行中转。在具体的应用场景中,物流网点驻扎有多个配送员,一个配送员从物流网点出发依次到一个以上的物流单位进行收货后运回物流网点,在由物流网点确定接收方的物流单位对应的物流网点,在将货物进行物流网点之间的传输,最后通过接收方的物流单位对应的物流网点驻扎的配送员从物流网点出发将货物转发给接收方的物流单位。
可以理解地,如果接收方的物流单位和发送方的物流单位同时附属于同一个物流网点,则只需要该物流网点进行转发即可,无需其他物流网点进行参与,节省了物流网点和物流网点之间进行货物传输的步骤。
可以理解地,通过上述介绍可知,本发送实施例所涉及的基于大数据的配送路线的生成方法首先需要确定各个物流网点对应哪些物流单位。
作为本发明的一个实施例,如图2所示,上述S101包括:
S1011:获取所述物流网点在预设单位时间内的最大可处理量。
在本发明实施例中,每一个物流网点都有其对应的预设单位时间内的最大可处理量,例如在6个小时内最大可处理量为100000件货物。
S1012:接收用户输入的所述物流单位的实时处理量。
值得注意地,物流单位的实时处理量表示该物流单位当前接收到的但并未发送至物流网点的货物数量。例如,物流单位当前存放有100件从用户处获取的货物但未发送至物流网点,以及50件从物流网点处获取的货物但未发送至用户,则该物流单位的实时处理量为100,因为根据本发明实施例对于实时处理量的定义,实施处理量表示该物流单位当前接收到的但并未发送至物流网点的货物数量,而不包括物流单位当前接收到的但未发送给用户的货物数量。可以理解地,由于本发明实施例所涉及的方法是为了计算物流单位至物流单位的配送路线,而并不考虑物流单位如何向具体用户配送货物,所以对于本发明实施例而言,物流单位当前接收到的但并未发送至物流网点的货物数量才是需要考虑的变量因素。
S1013:判断以所述物流网点为中心的圆形区域内全部的所述物流单位的实时处理量之和是否大于所述最大可处理量。
可选地,所述圆形区域的覆盖半径为第一预设长度。
S1014:若所述实时处理量之和大于所述最大可处理量,则将所述覆盖半径减小第二预设长度,并返回判断以所述物流网点为中心的圆形区域内全部的所述物流单位的实时处理量之和是否大于所述最大可处理量。
S1015,若所述实时处理量之和不大于所述最大可处理量,则将所述圆形区域内全部的所述物流单位分配至该物流网点。
可以理解地,通过上述的方法可以更加合理地将物流单位分配至物流网点,减少货物在物流网点或物流单位的停留时间,从而缩短配送时长。
S102:根据所述物流网点对应的物流单位集合以及所述物流单位集合中各个物流单位的优先级,生成所述物流网点对应的配送矩阵,所述配送矩阵用于表示所述物流网点对应的所述物流单位集合中,每两个所述物流单位的路线距离以及每两个所述物流单位至所述物流网点的路线重合率。
可以理解地,一个物流网点对应的物流单位集合确定后,可以计算出该物流单位集合中两物流单位的路线距离,以及每两个物流单位至物流网点的路线重合率。同时,物流单位集合中的各个物流单位都有其对应的优先级,在本发明实施例中就适当地优先到优先级较高的物流单位进行收货和送货。
值得注意地,由于本发明实施例所涉及的方法是可以通过计算机自动实现,所以为了便于后续的自动计算,需要首先根据所述物流网点对应的物流单位集合以及所述物流单位集合中各个物流单位的优先级,生成所述物流网点对应的配送矩阵,其中一种具体的配送矩阵的构建方式在下文详述。
作为本发明的一个实施例,如图3所示,上述S102包括:
S1021,将所述物流单位集合中两物流单位的路线距离,作为两物流单位对应的第一子元素。
示例性地,假设存在一个物流网点n,所述物流网点n对应的物流单位集合中含有10个物流单位,假设10个物流单位分别为:m1、m2、m3、m4、m5、m6、m7、m8、m9以及m10。如果根据m1到m2的坐标,计算出m1和m2对应的两物流单位间的距离为10公里,则在配送矩阵中m1m2对应的元素的第一子元素为10;如果根据m1到m3的坐标,计算出m1和m3对应的两物流单位间的距离为8公里,则在配送矩阵中m1m3对应的元素的第一子元素为8。
在本发明实施例中,通过上述方法依次计算出配送矩阵中各个元素的第一子元素。
S1022,计算自所述物流网点出发到所述物流单位集合中两个所述物流单位的路线重合长度。
如上文所述,从物流网点出发到两个不同的物流单位可能存在一段重合路线。示例性地,如上文示例所述存在一个物流网点n以及m1、m2、m3、m4、m5、m6、m7、m8、m9以及m10这10个物流单位,假设物流网点n到物流单位m1需要经过路线a,b以及c,而物流网点n到物流单位m2需要经过路线a,d以及e,那么两个物流单位(m1和m2)的路线重合长度就是路线a的长度。
S1023,通过第一公式计算出所述两物流单位的路线重合率,作为两物流单位对应的第二子元素。
可选地,所述第一公式为:其中,所述repij为物流单位i到物流单位j的路线重合率,所述ralenij为物流单位i到物流单位j的路线重合长度,所述leni为物流单位i到所述物流网点的路线距离,所述lenj为物流单位j到所述物流网点的路线距离,所述max为最大值取值符。
示例性地,如上文示例所述,两个物流单位(m1和m2)的路线重合长度就是路线a的长度,如果在m1和m2中,m2距离物流网点n较远,即路线a、d、e的长度大于路线a、b、c的长度,则将路线a的长度除以路线a、d、e的长度之和,作为两物流单位的路线重合率(m1和m2的路线重合率),假设m1和m2的路线重合率为30%,则配送矩阵中m1m2对应的元素的第二子元素为30%。
S1024,将所述物流单位集合中的物流单位按照其对应的优先级由大到小排列,作为矩阵的行和列,并将所述第一子元素以及所述第二子元素添加进该矩阵中的对应的元素中,以生成所述物流网点对应的配送矩阵。
示例性地,如上文示例所述存在一个物流网点n以及m1、m2、m3、m4、m5、m6、m7、m8、m9以及m10这10个物流单位,假设m1的优先级为5、m2的优先级为4、m3的优先级为6、m4的优先级为7、m5的优先级为3、m6的优先级为5、m7的优先级为2、m8的优先级为1、m9的优先级为2、m10的优先级为4,则将物流单位按照其对应的优先级的大小排列为:m4、m3、m1、m6、m2、m10、m5、m7、m9、m8,并作为配送矩阵的行和列,配送矩阵的形式如表1所示:
表1
m4 | m3 | m1 | m6 | m2 | m10 | m5 | m7 | m9 | m8 | |
m4 | ||||||||||
m3 | ||||||||||
m1 | ||||||||||
m6 | ||||||||||
m2 | ||||||||||
m10 | ||||||||||
m5 | ||||||||||
m7 | ||||||||||
m9 | ||||||||||
m8 |
进一步地,将各个两物流单位对应的第一子元素以及所述第二子元素放入所述配送矩阵中的对应元素中,生成配送矩阵,假设配送矩阵中各个元素可以表示为(x、y),其中x表示第一子元素,y表示第二子元素,假设最后生成的配送矩阵如表2所示:
表2
m4 | m3 | m1 | m6 | m2 | m10 | m5 | m7 | m9 | m8 | |
m4 | 0、100 | 5、80 | 10、30 | 12、50 | 9、60 | 10、20 | 15、70 | 5、65 | 8、90 | 5、45 |
m3 | 5、80 | 0、100 | 5、40 | 20、80 | 8、60 | 5、80 | 4、30 | 8、70 | 10、60 | 5、65 |
m1 | 10、30 | 5、40 | 0、100 | 5、65 | 10、30 | 4、30 | 5、80 | 20、80 | 5、45 | 20、50 |
m6 | 12、50 | 20、80 | 5、65 | 0、100 | 5、40 | 10、30 | 20、80 | 9、60 | 5、80 | 8、70 |
m2 | 9、60 | 8、60 | 10、30 | 5、40 | 0、100 | 12、50 | 10、20 | 20、80 | 5、80 | 10、90 |
m10 | 10、20 | 5、80 | 4、30 | 10、30 | 12、50 | 0、100 | 10、80 | 10、70 | 15、50 | 3、10 |
m5 | 15、70 | 4、30 | 5、80 | 20、80 | 10、20 | 10、80 | 0、100 | 5、85 | 5、40 | 10、90 |
m7 | 5、65 | 8、70 | 20、80 | 9、60 | 20、80 | 10、70 | 5、85 | 0、100 | 9、60 | 5、65 |
m9 | 8、90 | 10、60 | 5、45 | 5、80 | 5、80 | 15、50 | 5、40 | 9、60 | 0、100 | 12、50 |
m8 | 5、45 | 5、65 | 20、50 | 8、70 | 10、90 | 3、10 | 10、90 | 5、65 | 12、50 | 0、100 |
本发明实施例中,通过综合考虑优先级、两物流单位间的路线距离以及两物流单位的路线重合率三个参数构建配送矩阵,为后续的路线规划提供参考,有助于动态规划配送路线。
S103,根据所述路线距离以及所述路线重合率,基于所述配送矩阵生成一个以上的第一配送列表,所述第一配送列表用于表示所述物流网点与其对应的各个所述物流单位的配送路线。
如上文所述,在实际生活中,每一个物流网点驻扎有多个配送员,因此在技术层面,本发明根据配送矩阵生成一个以上的第一配送列表,用于指导各个配送员按照第一配送列表从物流网点出发依次经由一个以上的物流单位进行收货和送货。
作为本发明的一个实施例,如图4所示,上述S103包括:
S1031:从所述配送矩阵的首行中,根据各个元素对应的所述路线重合率由大到小依次选取元素,直至已选元素中所述两物流单位的路线距离之和大于预设的路线距离阈值时停止,将所述第一行中全部已选元素作为一个第一配送列表。
示例性地,假设配送矩阵如表2所示,如果预设的路线距离阈值为35,则从配送矩阵中选取第一配送列表的过程如下:首先从配送矩阵的首行中,选取路线重合率(第二子元素)最大的一个元素即m4m4(m4m4的第二子元素为100),此时已选元素中所述两物流单位间的距离之和为0,由于0小于35,所以继续从配送矩阵的首行中选取路线重合率(第二子元素)第二大的一个元素即m4m9(m4m9的第二子元素为90),此时已选元素中所述两物流单位间的距离之和为0+8=8,由于8小于35,所以继续从配送矩阵的首行中,选取路线重合率(第二子元素)第三大的一个元素即m4m3(m4m9的第二子元素为80),此时已选元素中所述两物流单位间的距离之和为0+8+5=13,由于13小于35,则继续根据上述方法从配送矩阵中选取元素。在本示例中,当依照各个元素的所述路线重合率由大到小依次选取出m4m4、m4m9、m4m3、m4m5以及m4m2后,由于元素中所述两物流单位间的距离之和为0+8+5+15+9=37,由于37大于35,所以停止选取并将m4m4、m4m9、m4m3、m4m5以及m4m2作为一个第一配送列表。
S1032:在所述配送矩阵中剔除所有已被选取元素所在的行和列,以及剔除所有与所述被选取元素所在的列对应的行,所述与所述被选取元素所在的列对应的行的行数与所述被选元素所在的列的列数相同。
示例性地,如上文示例所述,由于选取了m4m4、m4m9、m4m3、m4m5以及m4m2作为一个第一配送列表,则在本步骤中,从配送矩阵中剔除m4m4、m4m9、m4m3、m4m5以及m4m2所在的行和列。并且根据剔除所有与所述被选取元素所在的列对应的行的原则,由于m4m4位于第1列,m4m9位于第9列,m4m3位于第2列,m4m5位于第7列,m4m2位于第5列,所以还需要剔除配送矩阵中的第1行、第9行、第2行、第7行以及第5行。因此通过本步骤将配送矩阵变为了如表3所示:
表3
m1 | m6 | m10 | m7 | m8 | |
m1 | 0、100 | 5、65 | 4、30 | 20、80 | 20、50 |
m6 | 5、65 | 0、100 | 10、30 | 9、60 | 8、70 |
m10 | 4、30 | 10、30 | 0、100 | 10、70 | 3、10 |
m7 | 20、80 | 9、60 | 10、70 | 0、100 | 5、65 |
m8 | 20、50 | 8、70 | 3、10 | 5、65 | 0、100 |
S1033:在剩余的配送矩阵中重复执行从所述剩余的配送矩阵的第一行中,根据各个元素的所述路线重合率由大到小依次选取元素,直至已选元素中所述两物流单位的路线距离之和大于预设的路线距离阈值时停止,将所述第一行中全部已选元素作为一个第一配送列表;在所述配送矩阵中剔除所有已被选取元素所在的行和列的操作,直至全部所述配送矩阵中的元素均被选取。
可以理解地,在经过剔除行和列产生的剩余的配送矩阵中,重复执行步骤S1031和步骤S1032,直至全部所述配送矩阵中的元素均被选取,可以生成多个第一配送列表。
可选地,在本发明实施例中,一个第一配送列表就可以表示一条配送的路线,在此路线上,可以根据第一配送列表中各个物流单位离物流网点的距离的远近,依次从物流网点开始到各个物流单位进行收货和送货。
S104,根据预设的物流网点与网间配送方式的对应关系,生成第二配送列表,所述第二配送列表用于表示每两个物流网点之间的配送路线。
可以理解地,通过步骤S102和S103,可以生成一个物流网点与其对应的物流单位的配送路线,但是如上文所述,如果两个物流单位对应的不是同一个物流网点,则为了实现这两个物流单位的货物配送,还需要设计这两个物流单位分别对应的物流网点之间的配送路线。
作为本发明的一个实施例,如图5所示,上述S104包括:
S1041,根据预设的物流网点与网间配送方式的对应关系,生成两个物流网点对应的共同配送方式集合,所述共同配送方式集合包括两个物流网点共同对应的一个以上的网间配送方式。
在本发明实施例中,预设的物流网点与网间配送方式的对应关系用于表示各个物流网点支持哪些网间配送方式,其中,网间配送方式即物流网点到物流网点之间的配送方式,包括汽车配送,火车配送、轮船配送以及航空配送等。
然而不同的物流网点对应的网间配送方式可能是不同的,所以本发明实施例需要生成两两物流网点对应的共同配送方式集合。
S1042,根据所述共同配送方式集合中各个网间配送方式对应的预设配送时长,选取最短的所述预设配送时长对应的网间配送方式作为两物流网点对应的被选配送方式。
可以理解地,不同的网间配送方式对应的预设配送时长不同,例如同等距离下,航空配送的预设配送时长要低于火车配送的预设配送时长。
S1043,根据两物流网点的坐标位置以及所述被选配送方式,确定两物流网点之间的配送路线,并填入所述第二配送列表。
可以理解地,在选定了两物流网点的配送方式和坐标位置后,可以通过预设的现有交通路线图,确定两物流网点之间的配送路线。
可以理解地,所述第二配送列表包括两物流网点与配送路线的对应关系。例如:物流网点1到物流网点2与配送路线的对应关系。
S105,根据所述第一配送列表以及所述第二配送列表,确定各个物流单位之间的配送路线。
可以理解地,由于第一配送列表确定了一个物流网点与其对应的物流单位的配送路线,而第二配送列表确定了两两物流网点之间的配送路线,所以通过第一配送列表以及所述第二配送列表,可以确定各个物流单位之间的配送路线。
可以理解地,通过各个物流单位到各个物流网点的路线距离,将所述物流单位分配至各个所述物流网点,生成各个所述物流网点对应的物流单位集合,基于各个物流单位的优先级以及物流单位集合生成配送矩阵,根据配送矩阵包含的两物流单位的路线距离以及路线重合率,生成一个以上的配送列表;根据预设的物流网点与网间配送方式的对应关系,生成第二配送列表,最后结合第一配送列表以及第二配送列表,各个物流单位之间的配送路线,以更合理的确定配送路线,从而减少配送时间。
对应于上文实施例所述的基于大数据的配送路线的生成方法,图5示出了本发明实施例提供的基于大数据的配送路线的生成装置的结构框图,为了便于说明,仅示出了与本发明实施例相关的部分。
参照图6,该装置包括:
分配模块601,用于基于各个物流单位到各个物流网点的路线距离,将所述物流单位分配至各个所述物流网点,生成各个所述物流网点对应的物流单位集合;
计算模块602,用于根据所述物流网点对应的物流单位集合以及所述物流单位集合中各个物流单位的优先级,生成所述物流网点对应的配送矩阵,所述配送矩阵用于表示所述物流网点对应的所述物流单位集合中,每两个所述物流单位的路线距离以及每两个所述物流单位至所述物流网点的路线重合率;
第一生成模块603,用于根据所述路线距离以及所述路线重合率,基于所述配送矩阵生成一个以上的第一配送列表,所述第一配送列表用于表示所述物流网点与其对应的各个所述物流单位的配送路线;
第二生成模块604,用于根据预设的物流网点与网间配送方式的对应关系,生成第二配送列表,所述第二配送列表用于表示每两个物流网点之间的配送路线;
路线确定模块605,用于根据所述第一配送列表以及所述第二配送列表,确定各个物流单位之间的配送路线。
可选地,所述基于各个物流单位到各个物流网点的路线距离,将所述物流单位分配至各个所述物流网点,包括:
获取所述物流网点在预设单位时间内的最大可处理量;
接收用户输入的所述物流单位的实时处理量;
判断以所述物流网点为中心的圆形区域内全部的所述物流单位的实时处理量之和是否大于所述最大可处理量,所述圆形区域的覆盖半径为第一预设长度;
若所述实时处理量之和大于所述最大可处理量,则将所述覆盖半径减小第二预设长度,并返回判断以所述物流网点为中心的圆形区域内全部的所述物流单位的实时处理量之和是否大于所述最大可处理量;
若所述实时处理量之和不大于所述最大可处理量,则将所述圆形区域内全部的所述物流单位分配至该物流网点。
可选地,所述根据所述物流网点对应的物流单位集合以及所述物流单位集合中各个物流单位的优先级,生成所述物流网点对应的配送矩阵,包括:
将所述物流单位集合中两物流单位的路线距离,作为两物流单位对应的第一子元素;
计算自所述物流网点出发到所述物流单位集合中两个所述物流单位的路线重合长度;
通过公式:计算出所述两物流单位的路线重合率,作为两物流单位对应的第二子元素,所述repij为物流单位i到物流单位j的路线重合率,所述ralenij为物流单位i到物流单位j的路线重合长度,所述leni为物流单位i到所述物流网点的路线距离,所述lenj为物流单位j到所述物流网点的路线距离,所述max为最大值取值符;
将所述物流单位集合中的物流单位按照其对应的优先级由大到小排列,作为矩阵的行和列,并将所述第一子元素以及所述第二子元素添加进该矩阵中的对应的元素中,以生成所述物流网点对应的配送矩阵。
可选地,所述根据所述路线距离以及所述路线重合率,基于所述配送矩阵生成一个以上的第一配送列表,包括:
从所述配送矩阵的首行中,根据各个元素对应的所述路线重合率由大到小依次选取元素,直至已选元素中所述两物流单位的路线距离之和大于预设的路线距离阈值时停止,将所述第一行中全部已选元素作为一个第一配送列表;
在所述配送矩阵中剔除所有已被选取元素所在的行和列,以及剔除所有与所述被选取元素所在的列对应的行,所述与所述被选取元素所在的列对应的行的行数与所述被选元素所在的列的列数相同;
在剩余的配送矩阵中重复执行从所述剩余的配送矩阵的第一行中,根据各个元素的所述路线重合率由大到小依次选取元素,直至已选元素中所述两物流单位的路线距离之和大于预设的路线距离阈值时停止,将所述第一行中全部已选元素作为一个第一配送列表;在所述配送矩阵中剔除所有已被选取元素所在的行和列的操作,直至全部所述配送矩阵中的元素均被选取。
可选地,所述根根据预设的物流网点与网间配送方式的对应关系,生成第二配送列表,包括:
根据预设的物流网点与网间配送方式的对应关系,生成两个物流网点对应的共同配送方式集合,所述共同配送方式集合包括两个物流网点共同对应的一个以上的网间配送方式;
根据所述共同配送方式集合中各个网间配送方式对应的预设配送时长,选取最短的所述预设配送时长对应的网间配送方式作为两物流网点对应的被选配送方式;
根据两物流网点的坐标位置以及所述被选配送方式,确定两物流网点之间的配送路线,并填入所述第二配送列表。
在本发明实施例中,通过各个物流单位到各个物流网点的路线距离,将所述物流单位分配至各个所述物流网点,生成各个所述物流网点对应的物流单位集合,基于各个物流单位的优先级以及物流单位集合生成配送矩阵,根据配送矩阵包含的两物流单位的路线距离以及路线重合率,生成一个以上的配送列表;根据预设的物流网点与网间配送方式的对应关系,生成第二配送列表,最后结合第一配送列表以及第二配送列表,各个物流单位之间的配送路线,以更合理的确定配送路线,从而减少配送时间。
图7是本发明一实施例提供的终端设备的示意图。如图7所示,该实施例的终端设备7包括:处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72,例如基于大数据的配送路线的生成程序。所述处理器70执行所述计算机程序72时实现上述各个基于大数据的配送路线的生成方法实施例中的步骤,例如图1所示的步骤101至105。或者,所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块/单元的功能,例如图6所示单元601至605的功能。
示例性的,所述计算机程序72可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器71中,并由所述处理器70执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序72在所述终端设备7中的执行过程。
所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是终端设备7的示例,并不构成对终端设备7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器70可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述终端设备7的内部存储单元,例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备,例如所述终端设备7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的配送路线的生成方法,其特征在于,包括:
基于各个物流单位到各个物流网点的路线距离,将所述物流单位分配至各个所述物流网点,生成各个所述物流网点对应的物流单位集合;
根据所述物流网点对应的物流单位集合以及所述物流单位集合中各个物流单位的优先级,生成所述物流网点对应的配送矩阵,所述配送矩阵用于表示所述物流网点对应的所述物流单位集合中,每两个所述物流单位的路线距离以及每两个所述物流单位至所述物流网点的路线重合率;
根据所述路线距离以及所述路线重合率,基于所述配送矩阵生成一个以上的第一配送列表,所述第一配送列表用于表示所述物流网点与其对应的各个所述物流单位的配送路线;
根据预设的物流网点与网间配送方式的对应关系,生成第二配送列表,所述第二配送列表用于表示每两个物流网点之间的配送路线;
根据所述第一配送列表以及所述第二配送列表,确定各个物流单位之间的配送路线。
2.如权利要求1所述的基于大数据的配送路线的生成方法,其特征在于,所述基于各个物流单位到各个物流网点的路线距离,将所述物流单位分配至各个所述物流网点,包括:
获取所述物流网点在预设单位时间内的最大可处理量;
接收用户输入的所述物流单位的实时处理量;
判断以所述物流网点为中心的圆形区域内全部的所述物流单位的实时处理量之和是否大于所述最大可处理量,所述圆形区域的覆盖半径为第一预设长度;
若所述实时处理量之和大于所述最大可处理量,则将所述覆盖半径减小第二预设长度,并返回判断以所述物流网点为中心的圆形区域内全部的所述物流单位的实时处理量之和是否大于所述最大可处理量;
若所述实时处理量之和不大于所述最大可处理量,则将所述圆形区域内全部的所述物流单位分配至该物流网点。
3.如权利要求1所述的基于大数据的配送路线的生成方法,其特征在于,所述根据所述物流网点对应的物流单位集合以及所述物流单位集合中各个物流单位的优先级,生成所述物流网点对应的配送矩阵,包括:
将所述物流单位集合中两物流单位的路线距离,作为两物流单位对应的第一子元素;
计算自所述物流网点出发到所述物流单位集合中两个所述物流单位的路线重合长度;
通过公式:计算出所述两物流单位的路线重合率,作为两物流单位对应的第二子元素,所述repij为物流单位i到物流单位j的路线重合率,所述ralenij为物流单位i到物流单位j的路线重合长度,所述leni为物流单位i到所述物流网点的路线距离,所述lenj为物流单位j到所述物流网点的路线距离,所述max为最大值取值符;
将所述物流单位集合中的物流单位按照其对应的优先级由大到小排列,作为矩阵的行和列,并将所述第一子元素以及所述第二子元素添加进该矩阵中的对应的元素中,以生成所述物流网点对应的配送矩阵。
4.如权利要求1所述的基于大数据的配送路线的生成方法,其特征在于,所述根据所述路线距离以及所述路线重合率,基于所述配送矩阵生成一个以上的第一配送列表,包括:
从所述配送矩阵的首行中,根据各个元素对应的所述路线重合率由大到小依次选取元素,直至已选元素中所述两物流单位的路线距离之和大于预设的路线距离阈值时停止,将所述第一行中全部已选元素作为一个第一配送列表;
在所述配送矩阵中剔除所有已被选取元素所在的行和列,以及剔除所有与所述被选取元素所在的列对应的行,所述与所述被选取元素所在的列对应的行的行数与所述被选元素所在的列的列数相同;
在剩余的配送矩阵中重复执行从所述剩余的配送矩阵的第一行中,根据各个元素的所述路线重合率由大到小依次选取元素,直至已选元素中所述两物流单位的路线距离之和大于预设的路线距离阈值时停止,将所述第一行中全部已选元素作为一个第一配送列表;在所述配送矩阵中剔除所有已被选取元素所在的行和列的操作,直至全部所述配送矩阵中的元素均被选取。
5.如权利要求1所述的基于大数据的配送路线的生成方法,其特征在于,所述根根据预设的物流网点与网间配送方式的对应关系,生成第二配送列表,包括:
根据预设的物流网点与网间配送方式的对应关系,生成两个物流网点对应的共同配送方式集合,所述共同配送方式集合包括两个物流网点共同对应的一个以上的网间配送方式;
根据所述共同配送方式集合中各个网间配送方式对应的预设配送时长,选取最短的所述预设配送时长对应的网间配送方式作为两物流网点对应的被选配送方式;
根据两物流网点的坐标位置以及所述被选配送方式,确定两物流网点之间的配送路线,并填入所述第二配送列表。
6.一种终端设备,包括存储器以及处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现如下步骤:
基于各个物流单位到各个物流网点的路线距离,将所述物流单位分配至各个所述物流网点,生成各个所述物流网点对应的物流单位集合;
根据所述物流网点对应的物流单位集合以及所述物流单位集合中各个物流单位的优先级,生成所述物流网点对应的配送矩阵,所述配送矩阵用于表示所述物流网点对应的所述物流单位集合中,每两个所述物流单位的路线距离以及每两个所述物流单位至所述物流网点的路线重合率;
根据所述路线距离以及所述路线重合率,基于所述配送矩阵生成一个以上的第一配送列表,所述第一配送列表用于表示所述物流网点与其对应的各个所述物流单位的配送路线;
根据预设的物流网点与网间配送方式的对应关系,生成第二配送列表,所述第二配送列表用于表示每两个物流网点之间的配送路线;
根据所述第一配送列表以及所述第二配送列表,确定各个物流单位之间的配送路线。
7.如权利要求6所述的终端设备,其特征在于,所述基于各个物流单位到各个物流网点的路线距离,将所述物流单位分配至各个所述物流网点,包括:
获取所述物流网点在预设单位时间内的最大可处理量;
接收用户输入的所述物流单位的实时处理量;
判断以所述物流网点为中心的圆形区域内全部的所述物流单位的实时处理量之和是否大于所述最大可处理量,所述圆形区域的覆盖半径为第一预设长度;
若所述实时处理量之和大于所述最大可处理量,则将所述覆盖半径减小第二预设长度,并返回判断以所述物流网点为中心的圆形区域内全部的所述物流单位的实时处理量之和是否大于所述最大可处理量;
若所述实时处理量之和不大于所述最大可处理量,则将所述圆形区域内全部的所述物流单位分配至该物流网点。
8.如权利要求6所述的终端设备,其特征在于,所述根据所述物流网点对应的物流单位集合以及所述物流单位集合中各个物流单位的优先级,生成所述物流网点对应的配送矩阵,包括:
将所述物流单位集合中两物流单位的路线距离,作为两物流单位对应的第一子元素;
计算自所述物流网点出发到所述物流单位集合中两个所述物流单位的路线重合长度;
通过公式:计算出所述两物流单位的路线重合率,作为两物流单位对应的第二子元素,所述repij为物流单位i到物流单位j的路线重合率,所述ralenij为物流单位i到物流单位j的路线重合长度,所述leni为物流单位i到所述物流网点的路线距离,所述lenj为物流单位j到所述物流网点的路线距离,所述max为最大值取值符;
将所述物流单位集合中的物流单位按照其对应的优先级由大到小排列,作为矩阵的行和列,并将所述第一子元素以及所述第二子元素添加进该矩阵中的对应的元素中,以生成所述物流网点对应的配送矩阵。
9.如权利要求6所述的终端设备,其特征在于,所述根据所述路线距离以及所述路线重合率,基于所述配送矩阵生成一个以上的第一配送列表,包括:
从所述配送矩阵的首行中,根据各个元素对应的所述路线重合率由大到小依次选取元素,直至已选元素中所述两物流单位的路线距离之和大于预设的路线距离阈值时停止,将所述第一行中全部已选元素作为一个第一配送列表;
在所述配送矩阵中剔除所有已被选取元素所在的行和列,以及剔除所有与所述被选取元素所在的列对应的行,所述与所述被选取元素所在的列对应的行的行数与所述被选元素所在的列的列数相同;
在剩余的配送矩阵中重复执行从所述剩余的配送矩阵的第一行中,根据各个元素的所述路线重合率由大到小依次选取元素,直至已选元素中所述两物流单位的路线距离之和大于预设的路线距离阈值时停止,将所述第一行中全部已选元素作为一个第一配送列表;在所述配送矩阵中剔除所有已被选取元素所在的行和列的操作,直至全部所述配送矩阵中的元素均被选取。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810946660.7A CN109242161B (zh) | 2018-08-20 | 2018-08-20 | 基于大数据的配送路线的生成方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810946660.7A CN109242161B (zh) | 2018-08-20 | 2018-08-20 | 基于大数据的配送路线的生成方法及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109242161A true CN109242161A (zh) | 2019-01-18 |
CN109242161B CN109242161B (zh) | 2023-06-27 |
Family
ID=65069844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810946660.7A Active CN109242161B (zh) | 2018-08-20 | 2018-08-20 | 基于大数据的配送路线的生成方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242161B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490695A (zh) * | 2019-07-31 | 2019-11-22 | 佛山市百斯特电器科技有限公司 | 一种消耗品余量的监控方法及设备 |
CN111507654A (zh) * | 2019-01-31 | 2020-08-07 | 上海拉扎斯信息科技有限公司 | 信息处理方法、装置、系统、存储介质和电子设备 |
CN111612199A (zh) * | 2019-02-26 | 2020-09-01 | 北京京东尚科信息技术有限公司 | 一种物流网络优化方法、装置、计算机设备及存储介质 |
CN113033926A (zh) * | 2021-05-26 | 2021-06-25 | 江苏荣泽信息科技股份有限公司 | 基于区块链的供应链物流数据安全共享系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101782986A (zh) * | 2009-07-21 | 2010-07-21 | 上海海事大学 | 一种基于免疫算法的物流配送分区均衡优化方法 |
CN104950895A (zh) * | 2015-07-08 | 2015-09-30 | 上海德马物流技术有限公司 | 仓储物流用rfid及视觉识别导航车的导航控制方法 |
WO2017167040A1 (zh) * | 2016-04-01 | 2017-10-05 | 阿里巴巴集团控股有限公司 | 一种物流配送网络生成方法及装置 |
-
2018
- 2018-08-20 CN CN201810946660.7A patent/CN109242161B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101782986A (zh) * | 2009-07-21 | 2010-07-21 | 上海海事大学 | 一种基于免疫算法的物流配送分区均衡优化方法 |
CN104950895A (zh) * | 2015-07-08 | 2015-09-30 | 上海德马物流技术有限公司 | 仓储物流用rfid及视觉识别导航车的导航控制方法 |
WO2017167040A1 (zh) * | 2016-04-01 | 2017-10-05 | 阿里巴巴集团控股有限公司 | 一种物流配送网络生成方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507654A (zh) * | 2019-01-31 | 2020-08-07 | 上海拉扎斯信息科技有限公司 | 信息处理方法、装置、系统、存储介质和电子设备 |
CN111507654B (zh) * | 2019-01-31 | 2023-06-20 | 上海拉扎斯信息科技有限公司 | 信息处理方法、装置、系统、存储介质和电子设备 |
CN111612199A (zh) * | 2019-02-26 | 2020-09-01 | 北京京东尚科信息技术有限公司 | 一种物流网络优化方法、装置、计算机设备及存储介质 |
CN110490695A (zh) * | 2019-07-31 | 2019-11-22 | 佛山市百斯特电器科技有限公司 | 一种消耗品余量的监控方法及设备 |
CN110490695B (zh) * | 2019-07-31 | 2022-05-10 | 佛山市百斯特电器科技有限公司 | 一种消耗品余量的监控方法及设备 |
CN113033926A (zh) * | 2021-05-26 | 2021-06-25 | 江苏荣泽信息科技股份有限公司 | 基于区块链的供应链物流数据安全共享系统及方法 |
CN113033926B (zh) * | 2021-05-26 | 2021-10-22 | 万汇链智能科技(苏州)有限公司 | 基于区块链的供应链物流数据安全共享系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109242161B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242161A (zh) | 基于大数据的配送路线的生成方法及终端设备 | |
CN105900064B (zh) | 调度数据流任务的方法和装置 | |
CN104156267B (zh) | 任务分配方法、任务分配装置及片上网络 | |
CN110163474A (zh) | 一种任务分配的方法及设备 | |
CN109647719A (zh) | 用于分拣货物的方法和装置 | |
CN110162388A (zh) | 一种任务调度方法、系统及终端设备 | |
CN109523202B (zh) | 订单处理方法、装置、设备及计算机可读存储介质 | |
CN108734559A (zh) | 一种订单处理方法和装置 | |
Van Der Gaast et al. | Capacity analysis of sequential zone picking systems | |
CN108848146A (zh) | 一种基于时间触发通信业务的调度优化方法 | |
CN110182530A (zh) | 一种仓库管理方法和装置 | |
CN107491836B (zh) | 一种订单的分配方法、装置及电子设备 | |
CN110231986A (zh) | 基于多fpga的动态可重配置的多任务调度和放置方法 | |
CN109919167A (zh) | 分拣中心的货物分拣方法和装置、货物分拣系统 | |
CN106934577A (zh) | 货物布局方法和装置 | |
Shi et al. | An integrated framework for deterministic and stochastic optimization | |
Ninikas et al. | Reoptimization strategies for a dynamic vehicle routing problem with mixed backhauls | |
CN110134507A (zh) | 一种边缘计算系统下的合作计算方法 | |
CN109829633A (zh) | 一种能源调度管理方法、装置、可读介质及电子设备 | |
CN111222810B (zh) | 一种实时分配格口的方法和装置 | |
CN112418475A (zh) | 物流路径规划方法、装置、电子设备及存储介质 | |
CN109934427A (zh) | 生成物品分配方案的方法和装置 | |
CN107704322A (zh) | 请求分配方法及装置 | |
CN106407007A (zh) | 面向弹性分析流程的云资源配置优化方法 | |
CN109191135A (zh) | 基于区块链的交易重试方法、装置、设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |