CN109598368A - 路径决策评估、订单分配方法及装置、电子设备及介质 - Google Patents
路径决策评估、订单分配方法及装置、电子设备及介质 Download PDFInfo
- Publication number
- CN109598368A CN109598368A CN201811355413.6A CN201811355413A CN109598368A CN 109598368 A CN109598368 A CN 109598368A CN 201811355413 A CN201811355413 A CN 201811355413A CN 109598368 A CN109598368 A CN 109598368A
- Authority
- CN
- China
- Prior art keywords
- dispatching
- planning
- path
- task
- path planning
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (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)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例涉及外卖智能调度技术领域,公开了一种路径决策评估方法及装置、订单分配方法及装置、电子设备及存储介质。路径决策评估方法包括:获取预设时间内配送运力对应的多个配送任务以及所述多个配送任务的真实配送信息;基于至少两种路径规划算法分别为所述多个配送任务预估得到规划配送信息;根据所述多个配送任务的真实配送信息以及规划配送信息得到所述路径规划算法的多个维度的规划评价指标。通过采用本发明实施方式可以有效评估路径规划算法的实际应用效果,从而便于改进以及选择合适的路径规划算法,提高智能调度的效率。
Description
技术领域
本发明涉及外卖智能调度技术领域,特别涉及一种路径决策评估方法及装置、订单分配方法及装置、电子设备及存储介质。
背景技术
近年来,在线叫餐业务发展迅速,目前平台日均处理订单量已经十分庞大,高峰期的订单处理压力也很大,因而迫切需要提高智能调度效率。其中,路径规划主要用于决定骑手在拿到给定订单之后的取送顺序,当前的路径规划主要分为两种类型:整体路径规划(plan)和目标点预估(decision)。其中,整体路径规划会根据某个特定的优化目标和限定(如整体路程最短、整体时间最少等)为骑手身上所有的订单安排取送顺序。目标点预估则是每次挑选出最满足骑手要求的下一个最优取送点。
发明人发现相关技术至少存在以下技术问题:由于路径规划算法有很多,且不同的路径规划算法具有不同的特点,对骑手决策进行预估的结果准确率不高。并且现有技术也无法根据实际配送场景选择合适的路径规划算法,不利于配送效率的进一步提高。
发明内容
本发明实施方式的目的在于提供一种路径决策评估方法及装置、订单分配方法及装置、电子设备和存储介质,可以有效评估路径规划算法的实际应用效果,从而便于改进以及选择合适的路径规划算法,提高智能调度的效率。
为解决上述技术问题,本发明的实施方式提供了一种路径决策评估方法,包括:
获取预设时间内配送运力对应的多个配送任务以及所述多个配送任务的真实配送信息;
基于至少两种路径规划算法分别为所述多个配送任务预估得到规划配送信息;
根据所述多个配送任务的真实配送信息以及规划配送信息得到所述路径规划算法的多个维度的规划评价指标。
本发明的实施方式还提供了一种订单分配方法,包括:
获取多个路径规划影响因子以及至少两种候选路径规划算法的多个维度的规划评价指标;
根据所述多个路径规划影响因子以及所述候选路径规划算法的多个维度的规划评价指标确定目标路径规划算法;
基于所述目标路径规划算法对配送运力对应的多个配送任务进行路径规划。
本发明的实施方式还提供了一种路径决策评估装置,包括:
获取模块,用于获取预设时间内配送运力对应的多个配送任务以及所述多个配送任务的真实配送信息;
规划模块,用于基于至少两种路径规划算法分别为所述多个配送任务预估得到规划配送信息;以及
计算模块,用于根据所述多个配送任务的真实配送信息以及规划配送信息得到所述路径规划算法的多个维度的规划评价指标。
本发明的实施方式还提供了一种路径决策评估装置,包括:
获取模块,用于获取预设时间内配送运力对应的多个配送任务以及所述多个配送任务的真实配送信息;
规划模块,用于基于至少两种路径规划算法分别为所述多个配送任务预估得到规划配送信息;以及
计算模块,用于根据所述多个配送任务的真实配送信息以及规划配送信息得到所述路径规划算法的多个维度的规划评价指标。
本发明的实施方式还提供了一种订单分配装置,包括:
获取模块,用于获取多个路径规划影响因子以及至少两种候选路径规划算法的多个维度的规划评价指标;
确定模块,用于根据所述多个路径规划影响因子以及所述候选路径规划算法的多个维度的规划评价指标确定目标路径规划算法;以及
规划模块,用于基于所述目标路径规划算法对配送运力对应的多个配送任务进行路径规划。
本发明的实施方式还提供了一种电子设备,包括:存储器和处理器,存储器存储计算机程序,处理器运行所述计算机程序以实现:
获取预设时间内配送运力对应的多个配送任务以及所述多个配送任务的真实配送信息;
基于至少两种路径规划算法分别为所述多个配送任务预估得到规划配送信息;
根据所述多个配送任务的真实配送信息以及规划配送信息得到所述路径规划算法的多个维度的规划评价指标。
本发明的实施方式还提供了一种电子设备,包括:存储器和处理器,存储器存储计算机程序,处理器运行所述计算机程序以实现:
获取多个路径规划影响因子以及至少两种候选路径规划算法的多个维度的规划评价指标;
根据所述多个路径规划影响因子以及所述候选路径规划算法的多个维度的规划评价指标确定目标路径规划算法;
基于所述目标路径规划算法对配送运力对应的多个配送任务进行路径规划。
本发明的实施方式还提供了一种非易失性存储介质,用于存储计算机可读程序,所述计算机可读程序用于供计算机执行如上所述的路径决策评估方法。
本发明实施方式相对于现有技术而言,基于多个路径规划算法对预设时间内的配送运力对应的多个配送任务进行预估得到规划配送信息,并获取多个配送任务的真实配送信息,然后根据多个配送任务的真实配送信息以及规划配送信息得到各路径规划算法的多个维度的规划评价指标,从而便于对各个路径规划算法的服务性能进行评估。同时,还可以根据各个候选路径规划算法的规划评价指标以及多个路径规划影响因子确定目标路径规划算法,从而提高配送效率。
作为一个实施例,所述规划评价指标包括:真实行程重合度,所述真实配送信息包括各所述配送任务的真实配送行程,所述规划配送信息包括各所述配送任务的规划配送行程;所述根据所述多个配送任务的真实配送信息以及规划配送信息得到所述路径规划算法的多个维度的规划评价指标,具体包括:计算所述多个配送任务的真实配送行程与规划配送行程的重合度作为各所述路径规划算法的真实行程重合度。由于在配送过程中,存在路径规划算法与骑手自主决策的取送顺序或者路径不一致的情况,且一部分情况下骑手自主决策的取送方式与路径规划算法的规划路径的实际取送效率很接近,此时,在需要骑手采用路径规划算法代替自主决策时,容易降低派送效率,因此,本发明实施方式对各路径规划算法的真实行程重合度进行评估,从而有利于改进路径规划算法,使其能够模拟骑手自主决策方式,使得骑手更易于接受路径规划算法的引导,从而提高配送效率。
作为一个实施例,所述真实配送信息包括:所述配送运力的配送任务的任务状态;所述任务状态包括:所述配送运力的每个配送任务真实取送前的真实位置以及剩余配送任务;所述基于至少两种路径规划算法分别为所述多个配送任务预估得到规划配送信息,具体包括:根据所述配送运力的配送任务的任务状态分别基于所述至少两种路径规划算法预估得到所述多个配送任务的规划配送信息。
作为一个实施例,所述根据所述配送运力的配送任务的任务状态分别基于所述至少两种路径规划算法预估得到所述多个配送任务的规划配送信息,具体为:为所述配送运力的剩余配送任务分别进行路径规划,得到所述剩余配送任务的配送顺序;依照所述配送顺序得到排在首位的配送任务的配送行程,所述规划配送信息包括所述排在首位的配送任务的配送行程。
作为一个实施例,所述根据所述配送运力的配送任务的任务状态分别基于所述至少两种路径规划算法预估得到所述多个配送任务的规划配送信息,具体为:计算得到所述配送运力的剩余配送任务中的下一个配送任务的配送行程,所述规划配送信息包括所述下一个配送任务的配送行程。
作为一个实施例,所述真实行程重合度基于同一感兴趣区域的配送任务进行统计。
作为一个实施例,所述多个维度包括以下之一或其任意组合:平均配送时长、单均跑动距离、平均超时单数、平均同送数、平均同取数。
作为一个实施例,所述根据所述多个路径规划影响因子以及所述候选路径规划算法的多个维度的规划评价指标确定目标路径规划算法,具体包括:根据所述多个路径规划影响因子在所述多个维度中确定目标维度以及所述目标维度对应的权重;计算得到各所述候选路径规划算法的整体服务指数;其中,所述整体服务指数为所述候选路径规划算法的目标维度与所述目标维度对应的权重的乘积之和;根据所述整体服务指数确定所述目标路径规划算法。
作为一个实施例,所述多个路径规划影响因子包括以下影响因子中的至少两者:配送时段、配送压力、天气信息。
附图说明
图1是根据本发明第一实施方式的路径决策评估方法的流程图;
图2是根据本发明第二实施方式的订单分配方法的流程图;
图3是根据本发明第三实施方式的订单分配方法的流程图;
图4是根据本发明第四实施方式的路径决策评估装置的示意图;
图5是根据本发明第五实施方式的订单分配装置的示意图;
图6是根据本发明第六实施方式的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
本发明的第一实施方式涉及一种路径决策评估方法,本实施方式应用于网络侧服务器中。本实施方式的路径决策评估方法如图1所示,该方法包括步骤101至步骤103。
步骤101:获取预设时间内配送运力对应的多个配送任务以及多个配送任务的真实配送信息。
步骤101中的配送运力、多个配送任务以及多个配送任务的真实配送信息可以从历史数据中获取。例如获取某个时间段内的多个配送任务及其对应的真实配送信息。其中,配送运力可以为多个,每个配送运力可以分配一个或者多个配送任务。配送运力可以包括但不限于骑手、快递员或者机器人,以下实施例均以配送运力为多个骑手为例进行说明。其中,预设时间例如是午餐时间等的繁忙配送时段,不然限于此。通过繁忙时段的数据对路径规划算法进行模拟测试,有利于得到路径规划算法的最优指标。
其中,真实配送信息包括但不限于真实配送行程、真实配送时长等,其中,真实配送行程包括配送运力在对多个配送任务进行配送过程中的真实配送顺序以及真实配送路线。在实际应用中,步骤103中真实行程重合度可以基于同一感兴趣区域AOI(Area OfInterest)的配送任务进行统计。
步骤102:基于至少两种路径规划算法分别为多个配送任务预估得到规划配送信息。
本实施例方式中,路径规划算法可以是整体路径规划算法(亦称Plan),也可以是目标点预估算法(亦称Decision)。整体路径规划算法例如是基于最优时间的路径规划,目标点预估算法例如是基于最近点贪心的路径规划等。本实施方式对于路径规划算法不做具体限制。本实施方式可以采用一套历史数据对多个路径规划算法进行评估,也可以对一种路径规划算法进行评估。当对多个路径规划算法进行评估时,步骤102中,需要基于各个路径规划算法分别为多个配送任务预估得到对应的规划配送信息。这样,既可以对一种路径规划算法改进前后的实际应用效果进行纵向评估,也可以对多种路径规划算法进行横向对比。
其中,规划配送信息包括但不限于:规划配送行程以及规划配送时长等。其中,规划配送行程包括规划配送顺序以及规划配送路线。
步骤103:根据多个配送任务的真实配送信息以及规划配送信息得到路径规划算法的多个维度的规划评价指标。
本实施方式中,规划评价指标包括但不限于:真实行程重合度、平均配送时长、单均跑动距离、平均超时单数、平均同送数、平均同取数等的多个不同维度的指标。其中,真实行程重合度对于路径规划算法的评估具有很大的积极进步意义。在步骤103根据多个配送任务的真实配送信息以及规划配送信息得到路径规划算法的多个维度的规划评价指标中,具体包括:计算多个配送任务的真实配送行程与规划配送行程的重合度作为各路径规划算法的真实行程重合度。真实行程重合度可以是真实配送顺序与规划配送顺序一致,或者真实配送顺序以及真实配送路线与规划配送顺序以及规划配送路线均一致。举例而言,若预设时间内的配送运力为483个骑手,每波次平均订单数为2.9427个,波次总数为3263次,共计9602个配送任务,每波次每个骑手分配的配送任务可以相同,也可以不同,例如一些骑手分配3个配送任务,一些骑手分配有5个配送任务。分别基于各路径规划算法得到每个骑手的每波次配送任务的规划配送信息。因此,若9602个配送任务中,若某一路径规划算法的6722个配送任务的骑手的真实配送行程与规划配送行程一致,则该路径规划算法的真实行程重合度约为70%。
本实施方式中,真实配送信息包括:配送运力的配送任务的任务状态,任务状态包括:配送运力的每个配送任务真实取送前的真实位置以及剩余配送任务。步骤102基于至少两种路径规划算法分别为多个配送任务预估得到规划配送信息,具体包括:根据配送运力的配送任务的任务状态分别基于至少两种路径规划算法预估得到多个配送任务的规划配送信息。其中,各个骑手对应的配送任务的任务状态均可以从历史数据中提取。
下面分别对采用整体路径规划算法以及目标点路径规划算法进行路径规划得到规划配送信息的过程进行说明。
对于整体路径规划算法,根据配送运力的配送任务的任务状态分别基于至少两种路径规划算法预估得到多个配送任务的规划配送信息具体为:为配送运力的剩余配送任务分别进行路径规划,得到剩余配送任务的配送顺序,依照配送顺序得到排在首位的配送任务的配送行程,规划配送信息包括排在首位的配送任务的配送行程。即为各骑手的剩余配送任务分别进行路径规划,并得到剩余配送任务中配送顺序为第一的配送任务的配送行程作为规划配送信息。
对应目标点规划算法,根据配送运力的配送任务的任务状态分别基于至少两种路径规划算法预估得到多个配送任务的规划配送信息具体为:计算得到配送运力的剩余配送任务中的下一个配送任务的的配送行程,规划配送信息包括所述下一个配送任务的配送行程。
需要说明的是,本实施方式的路径规划算法可以采用机器学习方法构建。具体地,可以采用XGBOOST算法和二分类模型来对配送行程进行预估。举例说明,当骑手拥有5个订单(即5个配送任务)时,需要决定5个订单的配送顺序:首先对比订单1和订单2,得出更优订单1,继续对比更优订单1和订单3,得出更优订单3,……如此两两对比,直到挑选出5个订单中的最优订单。其中,可以根据订单详细信息对比得到更优订单配送行程,订单详细信息例如包括预计送达时间、取餐地址、送餐地址等,可以将这些订单详细信息收入路径规划算法模型里,并分配不同的权重,从而得到最优订单配送信息。
如下通过表一、表二示例性地给出了基于特定历史数据得到的不同的路径规划算法的多个规划评价指标。
表一
其中,由于骑手在同一位置的配送顺序差别影响不大,所以还可以标记不同配送任务所属的AOI,并可同步统计同一AOI内真实行程重合度均预估正确的准确率,从而使得真实行程重合度这一指标更贴合实际需求。
表二
从上表可以看出,不同的路径规划算法在不能指标上的表现各有特点。
本实施方式相对于现有技术而言,发明人通过对路径规划算法及其应用效果的深入研究,引入骑手真实行程重合度、平均配送时长、单均跑动距离、平均超时单数、平均同送数、平均同取数等多个维度的指标对路径规划算法进行评估。尤其是真实行程重合度这一指标对于路径规划算法的评估具有较强的实际意义。由于在派送过程中,存在路径规划算法与骑手自主决策的配送顺序或者配送路线不一致的情况,且一部分情况下骑手自主决策的配送行程与路径规划算法规划的配送行程的实际配送效率很接近,此时,在需要骑手采用路径规划算法代替自主决策时,反倒可能会降低配送效率。因此,当路径规划算法的真实行程重合度较高时,则该路径规划算法更易于为骑手接受,从而更好地发挥出路径规划算法的实际效用,而当路径规划算法的真实行程重合度较低时,反映出该路径规划算法不易被骑手接受,因此骑手更可能不按照平台规划出的配送行程进行配送,造成配送效率降低。故而,本发明实施方式通过得到各路径规划算法的骑手真实行程重合度以及其他多个规划评价指标,从而有助于据此筛选出最有利于提高实际配送效率的路径规划算法。并且,还有利于改进路径规划算法,使其能够模拟骑手自主决策方式,使得骑手更易于接受路径规划算法,从而提高配送效率。
本发明的第二实施方式涉及一种订单分配方法,应用于服务器。请参阅图2,本实施方式的订单分配方法包括步骤201至步骤203。
步骤201:获取多个路径规划影响因子以及至少两种候选路径规划算法的多个维度的规划评价指标。
现有技术中的路径规划算法有很多种,一般分为整体路径规划算法以及目标点预估算法等两大类。本实施方式对于路径规划算法不做具体限制。通过第一实施方式的路径决策评估方法可以分别得到各路径规划算法的多个维度的规划评价指标。其中,规划评价指标例如包括:真实行程重合度、平均配送时长、单均跑动距离、平均超时单数、平均同送数、平均同取数等多个维度的指标。本实施方式对于规划评价指标亦不做具体限制。每种指标单独反映路径规划算法的某种特性。其中,真实行程重合度反映路径规划算法易于被骑手采纳的程度,即真实行程重合度越高,该路径规划算法愈易于为骑手采纳。平均配送时长、单均跑动距离、平均超时单数、平均同送数以及平均同取数等也分别从不同的维度反映了路径规划算法的配送效率、配送难易程度。
由于每种路径规划算法的特点各异,因此需要根据实际应用场景配置合理的路径规划算法以便提高配送效率、用户以及骑手体验。为了客观、准确地配置路径规划算法,本实施方式引入了路径规划影响因子,并通过路径规划影响因子确定实际应用场景对各路径规划算法的各个维度的规划评价指标的需求程度。以外卖订单配送为例,不同的配送时段、配送运力情况、订单数量、天气状况等都可能会影响路径规划算法的不同维度的指标。例如,在配送运力充裕的情况下,可能就要求平均配送时长最小、单均跑动距离较小;在天气恶劣的情况下,可能就要求真实行程重合度较高、单均跑动距离最小。
步骤202:根据多个路径规划影响因子以及候选路径规划算法的多个维度的规划评价指标确定目标路径规划算法。
具体而言,可以采用指标优先的方式确定目标路径规划算法。例如,在配送高峰时段,可以预设平均配送时长最小优先,即在路径规划算法的平均配送时长最小的情况下,选择其他指标较佳的路径规划算法作为目标路径规划算法。在订单较少的时段,可以预设平均同送数最大优先。因此,在实际应用中,可以预先设置路径规划影响因子与路径规划算法的不同维度的指标的关系,并获取各候选路径规划算法的不同维度的规划评价指标以及多个路径规划影响因子,从而确定最优的路径规划算法作为目标路径规划算法。
其中,路径规划影响因子可能随着配送时段的变化而变化,因而在不同的配送时段,可以得到更优的路径规划算法。
并且,针对不同的配送任务,目标路径规划算法可以相同,也可以不同,即后台可以同时运行多种路径规划算法分别对不同的配送任务进行路径规划。
步骤203:基于目标路径规划算法对配送运力对应的多个配送任务进行路径规划。
例如,在步骤202中为若干个骑手的配送任务选择了某一真实行程重合度优的整体路径规划算法,则在步骤203中,即可采用该整体路径规划算法为该些骑手的配送任务进行路径规划。
本实施方式与现有技术相比,在实际配送场景发生变化时,通过获取实际配送场景中的多个路径规划影响因子,并根据路径规划影响因子以及各候选路径规划算法的多个维度的规划评价指标确定出最优的路径规划算法,从而使得实际使用的路径规划算法与实际配送场景更契合,进而达到更优的配送效果。
本发明的第三实施方式涉及一种订单分配方法,请参阅图3,本实施方式的订单分配方法包括步骤301至步骤305。
步骤301:获取多个路径规划影响因子以及至少两种候选路径规划算法的多个维度的规划评价指标。
其中,各候选路径规划算法的多个不同维度的规划评价指标例如是真实行程重合度、平均配送时长、单均跑动距离、平均超时单数、平均同送数、平均同取数等。多个路径规划影响因子包括但不限于以下影响因子中的至少两者:配送时段、配送压力、天气信息。其中,配送时段例如包括:午餐时间对应的繁忙时段,晚餐时间对应的时段以及非繁忙时段等。配送压力可以采用配送压力等级表示,例如,同一配送区域的配送运力一定的情况下,配送压力等级可以根据订单数量分级确定,例如订单数量大于或者等于1000单对应的压力等级为A级,订单数量小于1000且大于或者等于800单对应的压力等级为B级,以此类推,订单数量小于200单对应的压力等级为E级。天气状况也可以根据实时天气进行分级,此处不再赘述。
步骤302:根据多个路径规划影响因子在多个维度中确定目标维度以及目标维度对应的权重。
其中,目标维度可以根据路径规划影响因子确定,目标维度可以是候选路径规划算法的全部维度,也可以是部分维度,例如与路径规划影响因子关系较为密切的部分维度。不同的路径规划影响因子与不同目标维度之间的权重对应关系可以预先设定。举例而言,若配送压力大,则真实行程重合度的权重高,若为繁忙时段,则单均跑动距离、平均同送数、平均同取数等的权重高。本实施方式对于不同的路径规划影响因子与不同目标维度之间的权重的对应关系的确定方式不做具体限制。
值得一提的是,在实际应用中,路径规划影响因子还可以包括预设时间内人均完成配送任务数或者人均跑动距离。假设午餐配送的繁忙时段时长为1小时,预设时间例如为0.5小时,即统计0.5小时内的人均完成配送任务数或者人均跑动距离,并据此调整候选路径规划算法的多个维度对应的权重,例如,若人均跑动距离较大,则调低平均配送时长的权重,从而可以避免骑手过度疲劳。
步骤303:计算得到各候选路径规划算法的整体服务指数。
其中,整体服务指数为候选路径规划算法的目标维度与目标维度对应的权重的乘积之和。
通过基于多个路径规划影响因子为候选路径规划算法的不同目标维度配置不同的权重,并计算得到整体服务指数,从而可以结合实际配送场景对路径规划算法的不同指标进行融合,进而得到更优的路径规划算法。
步骤304:根据整体服务指数确定目标路径规划算法。
具体地,可以将整体服务指数最大的候选路径规划算法作为目标路径规划算法。
步骤305:基于目标路径规划算法对配送运力对应的多个配送任务进行路径规划。
本实施方式与前述实施方式相比,通过融合候选路径规划算法的多个维度的指标以得到候选路径规划算法的整体服务指数,并根据整体服务指数确定目标路径规划算法,从而使得获得的目标路径规划算法的整体性能更优,有利于提高配送效率、用户以及骑手体验。
本发明的第四实施方式涉及一种路径决策评估装置400,如图4所示,该装置包括:
获取模块401,用于获取预设时间内配送运力对应的多个配送任务以及多个配送任务的真实配送信息。
其中,配送运力可以为多个,每个配送运力可以分配一个或者多个配送任务。配送运力可以包括但不限于骑手、快递员或者机器人,以下实施例均以配送运力为多个骑手为例进行说明。其中,预设时间例如是午餐时间等的繁忙配送时段,不然限于此。通过繁忙时段的数据对路径规划算法进行模拟测试,有利于得到路径规划算法的最优指标。
规划模块402,用于基于至少两种路径规划算法分别为多个配送任务预估得到规划配送信息;以及
计算模块403,用于根据多个配送任务的真实配送信息以及规划配送信息得到路径规划算法的多个维度的规划评价指标。
其中,规划评价指标包括但不限于:真实行程重合度、平均配送时长、单均跑动距离、平均超时单数、平均同送数、平均同取数。真实配送信息包括各配送任务的真实配送行程,规划配送信息包括各配送任务的规划配送行程。
所述计算模块403具体用于:
计算多个配送任务的真实配送行程与规划配送行程的重合度作为各路径规划算法的真实行程重合度。
本实施方式中,真实配送信息包括:配送运力的配送任务的任务状态,任务状态包括:配送运力的每个配送任务真实取送前的真实位置以及剩余配送任务。进一步地,规划模块402具体用于:
根据配送运力的配送任务的任务状态分别基于至少两种路径规划算法预估得到多个配送任务的规划配送信息。其中,各个骑手对应的配送任务的任务状态均可以从历史数据中提取。
更具体地,规划模块402具体用于为配送运力的剩余配送任务分别进行路径规划,得到剩余配送任务的配送顺序,依照配送顺序得到排在首位的配送任务的配送行程,规划配送信息包括排在首位的配送任务的配送行程,或者计算得到配送运力的剩余配送任务中的下一个配送任务的的配送行程,规划配送信息包括下一个配送任务的配送行程。
在一个例子中,真实行程重合度基于同一感兴趣区域的配送任务进行统计。
本实施方式相对于现有技术而言,发明人通过对路径规划算法及其应用效果的深入研究,引入骑手真实行程重合度、平均配送时长、单均跑动距离、平均超时单数、平均同送数、平均同取数等多个维度的指标对路径规划算法进行评估。尤其是真实行程重合度这一指标对于路径规划算法的评估具有较强的实际意义。由于在派送过程中,存在路径规划算法与骑手自主决策的配送顺序或者配送路线不一致的情况,且一部分情况下骑手自主决策的配送行程与路径规划算法规划的配送行程的实际配送效率很接近,此时,在需要骑手采用路径规划算法代替自主决策时,反倒可能会降低配送效率。因此,当路径规划算法的真实行程重合度较高时,则该路径规划算法更易于为骑手接受,从而更好地发挥出路径规划算法的实际效用,而当路径规划算法的真实行程重合度较低时,反映出该路径规划算法不易被骑手接受,因此骑手更可能不按照平台规划出的配送行程进行配送,造成配送效率降低。故而,本发明实施方式通过得到各路径规划算法的骑手真实行程重合度以及其他多个规划评价指标,从而有助于据此筛选出最有利于提高实际配送效率的路径规划算法。并且,还有利于改进路径规划算法,使其能够模拟骑手自主决策方式,使得骑手更易于接受路径规划算法,从而提高配送效率。
本发明的第五实施方式涉及一种订单分配装置。请参阅图5,本实施方式的订单分配装置包括:
获取模块501,用于获取多个路径规划影响因子以及至少两种候选路径规划算法的多个维度的规划评价指标。
其中,多个路径规划影响因子包括但不限于以下影响因子中的至少两者:配送时段、配送压力、天气信息。
确定模块502,用于根据多个路径规划影响因子以及所述候选路径规划算法的多个维度的规划评价指标确定目标路径规划算法;以及
规划模块503,用于基于所述目标路径规划算法对配送运力对应的多个配送任务进行路径规划。
确定模块502具体用于:根据多个路径规划影响因子在多个维度中确定目标维度以及目标维度对应的权重;计算得到各候选路径规划算法的整体服务指数;其中,整体服务指数为候选路径规划算法的目标维度与目标维度对应的权重的乘积之和。根据所述整体服务指数确定所述目标路径规划算法。
本实施方式与现有技术相比,在实际配送场景发生变化时,通过获取实际配送场景中的多个路径规划影响因子,并根据路径规划影响因子以及各候选路径规划算法的多个维度的规划评价指标确定出最优的路径规划算法,从而使得实际使用的路径规划算法与实际配送场景更契合,进而达到更优的配送效果。
本发明的第六实施方式涉及一种电子设备。本实施方式的电子设备是网络侧的服务器。
如图6所示,该电子设备包括:存储器602和处理器601,存储器602存储计算机程序,处理器601运行所述计算机程序以实现:
获取预设时间内配送运力对应的多个配送任务以及所述多个配送任务的真实配送信息,
基于至少两种路径规划算法分别为所述多个配送任务预估得到规划配送信息,
根据所述多个配送任务的真实配送信息以及规划配送信息得到所述路径规划算法的多个维度的规划评价指标。
具体地,该电子设备包括:一个或多个处理器601以及存储器602,图6中以一个处理器601为例。处理器601、存储器602可以通过总线或者其他方式连接,图6中以通过总线连接为例。存储器602作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器601通过运行存储在存储器602中的非易失性软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述路径决策评估方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储选项列表等。此外,存储器602可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施方式中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器602中,当被一个或者多个处理器601执行时,执行上述任意方法实施方式中的路径决策评估方法。
本发明的第七实施方式涉及一种电子设备。本实施方式的电子设备是网络侧的服务器。
继续如图6所示,该电子设备包括:存储器602和处理器601,存储器602存储计算机程序,处理器601运行所述计算机程序以实现:
获取多个路径规划影响因子以及至少两种候选路径规划算法的多个维度的规划评价指标;
根据所述多个路径规划影响因子以及所述候选路径规划算法的多个维度的规划评价指标确定目标路径规划算法;
基于所述目标路径规划算法对配送运力对应的多个配送任务进行路径规划。
具体地,该电子设备包括:一个或多个处理器601以及存储器602,图6中以一个处理器601为例。处理器601、存储器602可以通过总线或者其他方式连接,图6中以通过总线连接为例。存储器602作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器601通过运行存储在存储器602中的非易失性软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述订单分配方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储选项列表等。此外,存储器602可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施方式中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器602中,当被一个或者多个处理器601执行时,执行上述任意方法实施方式中的订单分配方法。
上述产品可执行本申请实施方式所提供的方法,具备执行方法相应的功能模块和有益效果,未在本实施方式中详尽描述的技术细节,可参见本申请实施方式所提供的方法。
本发明的第七实施方式涉及一种非易失性存储介质,用于存储计算机可读程序,所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
本申请实施例公开了A1.一种路径决策评估方法,包括:
获取预设时间内配送运力对应的多个配送任务以及所述多个配送任务的真实配送信息;
基于至少两种路径规划算法分别为所述多个配送任务预估得到规划配送信息;
根据所述多个配送任务的真实配送信息以及规划配送信息得到所述路径规划算法的多个维度的规划评价指标。
A2.如A1所述的路径决策评估方法,所述规划评价指标包括:真实行程重合度,所述真实配送信息包括各所述配送任务的真实配送行程,所述规划配送信息包括各所述配送任务的规划配送行程;
所述根据所述多个配送任务的真实配送信息以及规划配送信息得到所述路径规划算法的多个维度的规划评价指标,具体包括:
计算所述多个配送任务的真实配送行程与规划配送行程的重合度作为各所述路径规划算法的真实行程重合度。
A3.如A2所述的路径决策评估方法,所述真实配送信息包括:所述配送运力的配送任务的任务状态;所述任务状态包括:所述配送运力的每个配送任务真实取送前的真实位置以及剩余配送任务;
所述基于至少两种路径规划算法分别为所述多个配送任务预估得到规划配送信息,具体包括:
根据所述配送运力的配送任务的任务状态分别基于所述至少两种路径规划算法预估得到所述多个配送任务的规划配送信息。
A4.如A3所述的路径决策评估方法,所述根据所述配送运力的配送任务的任务状态分别基于所述至少两种路径规划算法预估得到所述多个配送任务的规划配送信息,具体为:
为所述配送运力的剩余配送任务分别进行路径规划,得到所述剩余配送任务的配送顺序;
依照所述配送顺序得到排在首位的配送任务的配送行程,所述规划配送信息包括所述排在首位的配送任务的配送行程。
A5.如A3所述的路径决策评估方法,所述根据所述配送运力的配送任务的任务状态分别基于所述至少两种路径规划算法预估得到所述多个配送任务的规划配送信息,具体为:
计算得到所述配送运力的剩余配送任务中的下一个配送任务的配送行程,所述规划配送信息包括所述下一个配送任务的配送行程。
A6.如A2所述的路径决策评估方法,所述真实行程重合度基于同一感兴趣区域的配送任务进行统计。
A7.如A1至A6中任一项所述的路径决策评估方法,所述多个维度包括以下之一或其任意组合:
平均配送时长、单均跑动距离、平均超时单数、平均同送数、平均同取数。
本申请实施例还公开了B1.一种订单分配方法,包括:
获取多个路径规划影响因子以及至少两种候选路径规划算法的多个维度的规划评价指标;
根据所述多个路径规划影响因子以及所述候选路径规划算法的多个维度的规划评价指标确定目标路径规划算法;
基于所述目标路径规划算法对配送运力对应的多个配送任务进行路径规划。
B2.如B1所述的订单分配方法,所述根据所述多个路径规划影响因子以及所述候选路径规划算法的多个维度的规划评价指标确定目标路径规划算法,具体包括:
根据所述多个路径规划影响因子在所述多个维度中确定目标维度以及所述目标维度对应的权重;
计算得到各所述候选路径规划算法的整体服务指数;其中,所述整体服务指数为所述候选路径规划算法的目标维度与所述目标维度对应的权重的乘积之和;
根据所述整体服务指数确定所述目标路径规划算法。
B3.如B2所述的订单分配方法,所述多个路径规划影响因子包括以下影响因子中的至少两者:配送时段、配送压力、天气信息。
本申请实施例还公开了C1.一种路径决策评估装置,包括:
获取模块,用于获取预设时间内配送运力对应的多个配送任务以及所述多个配送任务的真实配送信息;
规划模块,用于基于至少两种路径规划算法分别为所述多个配送任务预估得到规划配送信息;以及
计算模块,用于根据所述多个配送任务的真实配送信息以及规划配送信息得到所述路径规划算法的多个维度的规划评价指标。
本申请实施例还公开了D1.一种订单分配装置,包括:
获取模块,用于获取多个路径规划影响因子以及至少两种候选路径规划算法的多个维度的规划评价指标;
确定模块,用于根据所述多个路径规划影响因子以及所述候选路径规划算法的多个维度的规划评价指标确定目标路径规划算法;以及
规划模块,用于基于所述目标路径规划算法对配送运力对应的多个配送任务进行路径规划。
本申请实施例还公开了E1.一种电子设备,包括:存储器和处理器,存储器存储计算机程序,处理器运行所述计算机程序以实现:
获取预设时间内配送运力对应的多个配送任务以及所述多个配送任务的真实配送信息;
基于至少两种路径规划算法分别为所述多个配送任务预估得到规划配送信息;
根据所述多个配送任务的真实配送信息以及规划配送信息得到所述路径规划算法的多个维度的规划评价指标。
E2.如E1所述的电子设备,所述规划评价指标包括:真实行程重合度,所述真实配送信息包括各所述配送任务的真实配送行程,所述规划配送信息包括各所述配送任务的规划配送行程;
所述处理器具体用于:
计算所述多个配送任务的真实配送行程与规划配送行程的重合度作为各所述路径规划算法的真实行程重合度。
E3.如E2所述的电子设备,所述真实配送信息包括:所述配送运力的配送任务的任务状态;所述任务状态包括:所述配送运力的每个配送任务真实取送前的真实位置以及剩余配送任务;
所述处理器具体用于:
根据所述配送运力的配送任务的任务状态分别基于所述至少两种路径规划算法预估得到所述多个配送任务的规划配送信息。
E4.如E3所述的电子设备,所述处理器具体用于:
为所述配送运力的剩余配送任务分别进行路径规划,得到所述剩余配送任务的配送顺序;
依照所述配送顺序得到排在首位的配送任务的配送行程,所述规划配送信息包括所述排在首位的配送任务的配送行程。
E5.如E3所述的电子设备,所述处理器具体用于:计算得到所述配送运力的剩余配送任务中的下一个配送任务的配送行程,所述规划配送信息包括所述下一个配送任务的配送行程。
E6.如E2所述的电子设备,所述真实行程重合度基于同一感兴趣区域的配送任务进行统计。
E7.如E1至E6中任一项所述的电子设备,所述多个维度包括以下之一或其任意组合:
平均配送时长、单均跑动距离、平均超时单数、平均同送数、平均同取数。
本申请实施例还公开了F1.一种电子设备,包括:存储器和处理器,存储器存储计算机程序,处理器运行所述计算机程序以实现:
获取多个路径规划影响因子以及至少两种候选路径规划算法的多个维度的规划评价指标;
根据所述多个路径规划影响因子以及所述候选路径规划算法的多个维度的规划评价指标确定目标路径规划算法;
基于所述目标路径规划算法对配送运力对应的多个配送任务进行路径规划。
F2.如F1所述的电子设备,所述处理器具体用于:根据所述多个路径规划影响因子在所述多个维度中确定目标维度以及所述目标维度对应的权重;
计算得到各所述候选路径规划算法的整体服务指数;其中,所述整体服务指数为所述候选路径规划算法的目标维度与所述目标维度对应的权重的乘积之和;
根据所述整体服务指数确定所述目标路径规划算法。
F3.如F2所述的电子设备,所述多个路径规划影响因子包括以下影响因子中的至少两者:配送时段、配送压力、天气信息。
本申请实施例还公开了G1.一种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如A1至A7中任一项所述的路径决策评估方法。
Claims (10)
1.一种路径决策评估方法,其特征在于,包括:
获取预设时间内配送运力对应的多个配送任务以及所述多个配送任务的真实配送信息;
基于至少两种路径规划算法分别为所述多个配送任务预估得到规划配送信息;
根据所述多个配送任务的真实配送信息以及规划配送信息得到所述路径规划算法的多个维度的规划评价指标。
2.根据权利要求1所述的路径决策评估方法,其特征在于,所述规划评价指标包括:真实行程重合度,所述真实配送信息包括各所述配送任务的真实配送行程,所述规划配送信息包括各所述配送任务的规划配送行程;
所述根据所述多个配送任务的真实配送信息以及规划配送信息得到所述路径规划算法的多个维度的规划评价指标,具体包括:
计算所述多个配送任务的真实配送行程与规划配送行程的重合度作为各所述路径规划算法的真实行程重合度。
3.根据权利要求2所述的路径决策评估方法,其特征在于,
所述真实配送信息包括:所述配送运力的配送任务的任务状态;所述任务状态包括:所述配送运力的每个配送任务真实取送前的真实位置以及剩余配送任务;
所述基于至少两种路径规划算法分别为所述多个配送任务预估得到规划配送信息,具体包括:
根据所述配送运力的配送任务的任务状态分别基于所述至少两种路径规划算法预估得到所述多个配送任务的规划配送信息。
4.根据权利要求3所述的路径决策评估方法,其特征在于,所述根据所述配送运力的配送任务的任务状态分别基于所述至少两种路径规划算法预估得到所述多个配送任务的规划配送信息,具体为:
为所述配送运力的剩余配送任务分别进行路径规划,得到所述剩余配送任务的配送顺序;
依照所述配送顺序得到排在首位的配送任务的配送行程,所述规划配送信息包括所述排在首位的配送任务的配送行程。
5.一种订单分配方法,其特征在于,包括:
获取多个路径规划影响因子以及至少两种候选路径规划算法的多个维度的规划评价指标;
根据所述多个路径规划影响因子以及所述候选路径规划算法的多个维度的规划评价指标确定目标路径规划算法;
基于所述目标路径规划算法对配送运力对应的多个配送任务进行路径规划。
6.一种路径决策评估装置,其特征在于,包括:
获取模块,用于获取预设时间内配送运力对应的多个配送任务以及所述多个配送任务的真实配送信息;
规划模块,用于基于至少两种路径规划算法分别为所述多个配送任务预估得到规划配送信息;以及
计算模块,用于根据所述多个配送任务的真实配送信息以及规划配送信息得到所述路径规划算法的多个维度的规划评价指标。
7.一种订单分配装置,其特征在于,包括:
获取模块,用于获取多个路径规划影响因子以及至少两种候选路径规划算法的多个维度的规划评价指标;
确定模块,用于根据所述多个路径规划影响因子以及所述候选路径规划算法的多个维度的规划评价指标确定目标路径规划算法;以及
规划模块,用于基于所述目标路径规划算法对配送运力对应的多个配送任务进行路径规划。
8.一种电子设备,其特征在于,包括:存储器和处理器,存储器存储计算机程序,处理器运行所述计算机程序以实现:
获取预设时间内配送运力对应的多个配送任务以及所述多个配送任务的真实配送信息;
基于至少两种路径规划算法分别为所述多个配送任务预估得到规划配送信息;
根据所述多个配送任务的真实配送信息以及规划配送信息得到所述路径规划算法的多个维度的规划评价指标。
9.一种电子设备,其特征在于,包括:存储器和处理器,存储器存储计算机程序,处理器运行所述计算机程序以实现:获取多个路径规划影响因子以及至少两种候选路径规划算法的多个维度的规划评价指标;
根据所述多个路径规划影响因子以及所述候选路径规划算法的多个维度的规划评价指标确定目标路径规划算法;
基于所述目标路径规划算法对配送运力对应的多个配送任务进行路径规划。
10.一种存储介质,用于存储计算机可读程序,所述计算机可读程序用于供计算机执行如权利要求1至4中任一项所述的路径决策评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811355413.6A CN109598368B (zh) | 2018-11-14 | 2018-11-14 | 路径决策评估、订单分配方法及装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811355413.6A CN109598368B (zh) | 2018-11-14 | 2018-11-14 | 路径决策评估、订单分配方法及装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109598368A true CN109598368A (zh) | 2019-04-09 |
CN109598368B CN109598368B (zh) | 2021-09-10 |
Family
ID=65957325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811355413.6A Active CN109598368B (zh) | 2018-11-14 | 2018-11-14 | 路径决策评估、订单分配方法及装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109598368B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110070320A (zh) * | 2019-04-19 | 2019-07-30 | 拉扎斯网络科技(上海)有限公司 | 互助信息的获取方法、装置、可读存储介质和电子设备 |
CN110472910A (zh) * | 2019-07-22 | 2019-11-19 | 北京三快在线科技有限公司 | 确定目标配送任务节点的方法、装置及存储介质、电子设备 |
CN110689202A (zh) * | 2019-09-30 | 2020-01-14 | 哈尔滨工程大学 | 一种基于混合智能算法的物资托盘配送车辆调度方法 |
CN111291982A (zh) * | 2020-01-21 | 2020-06-16 | 青梧桐有限责任公司 | 租务工单推荐顺序评估方法、系统、电子设备及存储介质 |
CN111325502A (zh) * | 2020-02-07 | 2020-06-23 | 北京三快在线科技有限公司 | 线路计算方法、装置、电子设备及可读存储介质 |
CN111815212A (zh) * | 2019-04-11 | 2020-10-23 | 北京三快在线科技有限公司 | 路径规划方法、装置及存储介质 |
CN111815229A (zh) * | 2020-06-12 | 2020-10-23 | 北京顺达同行科技有限公司 | 订单信息的处理方法、装置、电子设备及存储介质 |
CN111950950A (zh) * | 2019-05-17 | 2020-11-17 | 北京京东尚科信息技术有限公司 | 订单配送路径的规划方法、装置、计算机介质及电子设备 |
CN113191028A (zh) * | 2021-06-30 | 2021-07-30 | 深圳坤湛科技有限公司 | 交通仿真方法、系统、程序及介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070198174A1 (en) * | 2006-02-21 | 2007-08-23 | Williams David E | Systems and methods for creating on-demand routes for powered industrial vehicles |
CN103383756A (zh) * | 2013-07-22 | 2013-11-06 | 浙江省烟草公司绍兴市公司 | 一种烟草物流配送路径规划方法 |
CN104766188A (zh) * | 2014-01-02 | 2015-07-08 | 中国移动通信集团江苏有限公司 | 一种物流配送的方法及系统 |
CN105719008A (zh) * | 2015-05-22 | 2016-06-29 | 北京小度信息科技有限公司 | 对配送系统进行优化的方法及装置 |
CN106156898A (zh) * | 2016-08-23 | 2016-11-23 | 吕建正 | 一种基于MoCD算法的商品配送路径规划方法 |
CN106355291A (zh) * | 2016-09-23 | 2017-01-25 | 湖南科技大学 | 基于门店点群平分线的物流路径规划方法 |
US20170098191A1 (en) * | 2012-08-18 | 2017-04-06 | Chang Shin Lee | Mobilized laundry service system |
US20170116566A1 (en) * | 2015-10-23 | 2017-04-27 | Prahfit, Inc. | Apparatus and method for predictive dispatch for geographically distributed, on-demand services |
CN106779183A (zh) * | 2016-11-29 | 2017-05-31 | 北京小度信息科技有限公司 | 订单组配送顺序规划方法、路线规划方法及装置 |
CN107194656A (zh) * | 2017-07-04 | 2017-09-22 | 北京惠赢天下网络技术有限公司 | 一种基于标准箱订单的配送路径的规划方法及装置 |
CN107274125A (zh) * | 2017-06-08 | 2017-10-20 | 北京惠赢天下网络技术有限公司 | 配送商订单的处理方法、装置、服务器及订单分配系统 |
-
2018
- 2018-11-14 CN CN201811355413.6A patent/CN109598368B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070198174A1 (en) * | 2006-02-21 | 2007-08-23 | Williams David E | Systems and methods for creating on-demand routes for powered industrial vehicles |
US20170098191A1 (en) * | 2012-08-18 | 2017-04-06 | Chang Shin Lee | Mobilized laundry service system |
CN103383756A (zh) * | 2013-07-22 | 2013-11-06 | 浙江省烟草公司绍兴市公司 | 一种烟草物流配送路径规划方法 |
CN104766188A (zh) * | 2014-01-02 | 2015-07-08 | 中国移动通信集团江苏有限公司 | 一种物流配送的方法及系统 |
CN105719008A (zh) * | 2015-05-22 | 2016-06-29 | 北京小度信息科技有限公司 | 对配送系统进行优化的方法及装置 |
US20170116566A1 (en) * | 2015-10-23 | 2017-04-27 | Prahfit, Inc. | Apparatus and method for predictive dispatch for geographically distributed, on-demand services |
CN106156898A (zh) * | 2016-08-23 | 2016-11-23 | 吕建正 | 一种基于MoCD算法的商品配送路径规划方法 |
CN106355291A (zh) * | 2016-09-23 | 2017-01-25 | 湖南科技大学 | 基于门店点群平分线的物流路径规划方法 |
CN106779183A (zh) * | 2016-11-29 | 2017-05-31 | 北京小度信息科技有限公司 | 订单组配送顺序规划方法、路线规划方法及装置 |
CN107274125A (zh) * | 2017-06-08 | 2017-10-20 | 北京惠赢天下网络技术有限公司 | 配送商订单的处理方法、装置、服务器及订单分配系统 |
CN107194656A (zh) * | 2017-07-04 | 2017-09-22 | 北京惠赢天下网络技术有限公司 | 一种基于标准箱订单的配送路径的规划方法及装置 |
Non-Patent Citations (4)
Title |
---|
PEIGUANG LIN: "GROP New lgorithm of Optimal Path for GIS-Based Logistics", 《2008 INTERNATIONAL SYMPOSIUMS ON INFORMATION PROCESSING》 * |
刘霞: "基于最大最小蚂蚁系统的动态车辆路径问题研究", 《计算机工程与科学》 * |
贾现召 等: "实时路况下同城生鲜农产品配送路径优化", 《江苏农业科学》 * |
邓娜 等: "O2O外卖订单配送任务分配模式研究", 《上海管理科学》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111815212A (zh) * | 2019-04-11 | 2020-10-23 | 北京三快在线科技有限公司 | 路径规划方法、装置及存储介质 |
CN110070320A (zh) * | 2019-04-19 | 2019-07-30 | 拉扎斯网络科技(上海)有限公司 | 互助信息的获取方法、装置、可读存储介质和电子设备 |
CN111950950A (zh) * | 2019-05-17 | 2020-11-17 | 北京京东尚科信息技术有限公司 | 订单配送路径的规划方法、装置、计算机介质及电子设备 |
CN110472910A (zh) * | 2019-07-22 | 2019-11-19 | 北京三快在线科技有限公司 | 确定目标配送任务节点的方法、装置及存储介质、电子设备 |
CN110689202A (zh) * | 2019-09-30 | 2020-01-14 | 哈尔滨工程大学 | 一种基于混合智能算法的物资托盘配送车辆调度方法 |
CN111291982A (zh) * | 2020-01-21 | 2020-06-16 | 青梧桐有限责任公司 | 租务工单推荐顺序评估方法、系统、电子设备及存储介质 |
CN111325502A (zh) * | 2020-02-07 | 2020-06-23 | 北京三快在线科技有限公司 | 线路计算方法、装置、电子设备及可读存储介质 |
CN111815229A (zh) * | 2020-06-12 | 2020-10-23 | 北京顺达同行科技有限公司 | 订单信息的处理方法、装置、电子设备及存储介质 |
CN111815229B (zh) * | 2020-06-12 | 2024-01-23 | 北京顺达同行科技有限公司 | 订单信息的处理方法、装置、电子设备及存储介质 |
CN113191028A (zh) * | 2021-06-30 | 2021-07-30 | 深圳坤湛科技有限公司 | 交通仿真方法、系统、程序及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109598368B (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109598368A (zh) | 路径决策评估、订单分配方法及装置、电子设备及介质 | |
CN110543968B (zh) | 预计送达时间确定方法、装置、电子设备及存储介质 | |
CN109636121A (zh) | 配送运力调度方法、订单分配方法及装置、电子设备 | |
CN107451878B (zh) | 订单处理方法及装置 | |
US20210312347A1 (en) | Dispatching distribution | |
CN110119847A (zh) | 一种配送时长的预测方法、装置、存储介质和电子设备 | |
CN103984998A (zh) | 基于云服务平台大数据挖掘的销售预测方法 | |
CN109377145B (zh) | 一种商品智能配送管理系统 | |
CN109636213A (zh) | 订单分配、评价方法及装置、电子设备及存储介质 | |
CN109800997A (zh) | 一种订单分配方法、装置、存储介质和电子设备 | |
CN109726843A (zh) | 配送数据预测的方法、装置和终端 | |
CN108734432A (zh) | 订单分配方法和装置 | |
CN105677881A (zh) | 一种信息推荐方法、装置及服务器 | |
CN109993367A (zh) | 配送时长的估计方法、估计装置、存储介质和电子设备 | |
CN107316167A (zh) | 一种配送商的基于门店位置的配送方法及装置 | |
CN109697636A (zh) | 一种商户推荐方法、商户推荐装置、电子设备和介质 | |
CN110110936A (zh) | 订单时长的估计方法、估计装置、存储介质和电子设备 | |
CN109117824A (zh) | 商品的管理方法、装置、电子设备及储存介质 | |
CN109657868A (zh) | 一种任务时序逻辑约束的概率规划识别方法 | |
CN109165895A (zh) | 一种基于配送业务的定价方法及装置 | |
CN112036696A (zh) | 任务分配方法、任务分配装置、存储介质和电子设备 | |
CN109583819A (zh) | 订单调度方法、订单调度装置、存储介质和电子设备 | |
CN109784817A (zh) | 一种同城配送运费计算方法、系统及电子设备 | |
CN108734361A (zh) | 拼车订单处理方法和装置 | |
CN108108933A (zh) | 仓储位置分配方法及装置 |
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 |