CN109948990A - 云物流环境下的路径优化方法、系统及存储介质 - Google Patents

云物流环境下的路径优化方法、系统及存储介质 Download PDF

Info

Publication number
CN109948990A
CN109948990A CN201910248839.XA CN201910248839A CN109948990A CN 109948990 A CN109948990 A CN 109948990A CN 201910248839 A CN201910248839 A CN 201910248839A CN 109948990 A CN109948990 A CN 109948990A
Authority
CN
China
Prior art keywords
sequence
candidate sequence
candidate
support
work
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.)
Pending
Application number
CN201910248839.XA
Other languages
English (en)
Inventor
胡小建
张力
李晓征
彭磊
李伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Intelligent Manufacturing Institute of Hefei University Technology
Original Assignee
Intelligent Manufacturing Institute of Hefei University Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Intelligent Manufacturing Institute of Hefei University Technology filed Critical Intelligent Manufacturing Institute of Hefei University Technology
Priority to CN201910248839.XA priority Critical patent/CN109948990A/zh
Publication of CN109948990A publication Critical patent/CN109948990A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施方式公开了一种云物流环境下的路径优化方法、系统及存储介质,涉及数据统计算法技术领域。该路径优化方法包括:将包含货物的物流路径的数据包划分成多个数据块;采用多个第一工作结点分别对多个数据块进行处理以生成候选序列,其中,每个第一工作结点用于处理至少一个数据块;对多个候选序列进行整合,采用哈希函数将整合后的多个候选序列分配至多个第二工作结点;多个第二工作结点分别对多个候选序列的序列内容进行相互比对,将序列内容相同的候选序列的支持度累加,从而计算出每个候选序列的实际支持度;将实际支持度大于预设的支持度阈值的候选序列整合为频繁序列集合;根据频繁序列集合输出优化后的路径。

Description

云物流环境下的路径优化方法、系统及存储介质
技术领域
本发明涉及数据统计算法技术领域,具体地,涉及一种云物流环境下的路径优化方法、系统及存储介质。
背景技术
在云物流环境下,通过数据统计算法对物流的路径进行优化是提高物流配送调度效率的有效方式之一。现有技术中主要采用AprioriAll算法对物流的序列数据进行挖掘和计算。但是,由于AprioriAll算法本身的缺陷,在数据挖掘和计算的过程中,会产生大量的无效数据,提高了设备的负担,从而降低了整体的计算效率。
发明内容
本发明的目的是提供一种云物流环境下的路径优化方法、系统及存储介质,该路径优化方法、系统及存储介质能够提高物流环境下的路径优化的效率。
为了实现上述目的,本发明提供一种云物流环境下的路径优化方法,所述路径优化方法包括:
将包含货物的物流路径的数据包划分成多个数据块;
采用多个第一工作结点分别对多个所述数据块进行处理以生成候选序列,其中,每个所述第一工作结点用于处理至少一个所述数据块;
对多个所述候选序列进行整合,采用哈希函数将整合后的多个所述候选序列分配至多个第二工作结点;
多个所述第二工作结点分别对多个所述候选序列的序列内容进行相互比对,将所述序列内容相同的所述候选序列的支持度累加,从而计算出每个所述候选序列的实际支持度;
将所述实际支持度大于预设的支持度阈值的所述候选序列整合为频繁序列集合;
根据所述频繁序列集合输出优化后的路径。
可选地,所述采用多个第一工作结点分别对多个所述数据块进行处理以生成候选序列包括:
将所述候选序列的初始的支持度设置为1。
可选地,所述采用多个第一工作结点分别对多个所述数据块进行处理以生成候选序列包括:
分别对每个所述数据块进行Map计算以生成所述候选序列。
可选地,所述数据包包括:货物的标签、货物的时间字段以及在每次货物被运输经过的地点字段。
另一方面,本发明还提供一种云物流环境下的路径优化系统,所述路径优化系统包括处理器、多个第一工作结点和多个第二工作结点;
所述处理器用于将包含货物的物流路径的数据包划分成多个数据块;
多个所述第一工作结点分别对多个所述数据块进行处理以生成候选序列,其中,每个所述第一工作结点用于处理至少一个所述数据块;
所述处理器对多个所述候选序列进行整合,采用哈希函数将整合后的多个所述候选序列分配至多个所述第二工作结点;
多个所述第二工作结点分别对多个所述候选序列的序列内容进行相互比对,将所述序列内容相同的所述候选序列的支持度累加,从而计算出每个所述候选序列的实际支持度;
所述处理器将所述实际支持度大于预设的支持度阈值的所述候选序列整合为频繁序列集合,并根据所述频繁序列集合输出优化后的路径。
可选地,所述处理器进一步用于:
将所述候选序列的初始的支持度设置为1。
可选地,所述处理器进一步用于:
分别对每个所述数据块进行Map计算以生成所述候选序列。
可选地,所述数据包包括:货物的标签、货物的时间字段以及在每次货物被运输经过的地点字段。
再一方面,本发明还提供一种存储介质,所述存储介质存储有指令,所述指令用于被机器读取以使得所述机器执行上述任一所述的路径优化方法。
通过上述技术方案,本发明提供的云物流环境下的路径优化方法、系统及存储介质通过对路径的数据包进行划分,并采用多个工作结点对划分后的数据块进行处理,提高了路径优化的效率。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1是根据本发明的一个实施方式的云物流环境下的路径优化方法的流程图;
图2是根据本发明的一个实施方式的与物流环境下的路径优化系统的结构框图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
在本申请实施方式中,在未作相反说明的情况下,使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的或者是针对竖直、垂直或重力方向上而言的各部件相互位置关系描述用词。
另外,若本申请实施方式中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施方式之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
如图1所示是根据本发明的一个实施方式的云物流环境下的路径优化方法的流程图。在图1中,该路径优化方法可以包括:
在步骤S10中,将包含货物的物流路径的数据包划分成多个数据块。对于该数据包的内容,在该实施方式中,可以是例如货物的标签、货物的时间字段以及在每次货物被运输经过的地点字段(路径数据)。由于货物的路径数据本质上是一种序列数据,以某快递为例,从大连出发,依次经过北京、天津、上海、深圳,最终达到目的地广州。那么,该快递的物流路径可以为大连、北京、天津、上海、深圳、广州。进一步地,可以采用预定的字符表示每个城市,从而生成机器可读的物流路径的代码。
对于数据包的划分,以该快递的物流路径为例,相应地,分割的数据包可以为例如大连、北京、天津和上海、深圳、广州两个数据块。
在步骤S20中,采用多个第一工作结点分别对多个数据块进行处理以生成候选序列。其中,每个第一工作结点用于处理至少一个数据块。
对于该多个第一工作结点,可以是例如由多个处理器构成的处理模块。每个第一工作结点接收到至少一个数据块,并基于上述划分的多个数据块的序列数据,进一步生成多个候选序列。以上述示例为例,针对大连、北京、天津的数据块,至少一个第一工作结点可以生成例如大连、北京和北京、天津两个候选序列。另一方面,针对上海、深圳、广州的数据块,至少一个工作结点可以生成例如上海、深圳和深圳、广州两个候选序列。进一步地,第一工作结点可以进一步采用MAP计算的方式来生成候选序列。另外,考虑到该步骤S20中所生成的候选序列均是从数据块中直接选出,因此可以将每个候选序列的支持度(候选序列出现的频率)标记为1。
在步骤S30中,对多个候选序列进行整合,采用哈希函数将整合后的多个候选序列分配至多个第二工作结点。对于该多个第二工作结点,与第一工作结点类似,可以是例如由多个处理器构成的处理模块。由于每个第一工作结点所生成的候选序列数量庞大,采用单个处理器同时对所有的候选序列进行处理会造成系统资源的严重不足。因此,在该步骤30中,可以将所有的候选序列重新整合为新的数据包,再进一步基于哈希函数将该数据包重新划分分配为多个工作任务,最后采用第二工作结点分别对该多个工作任务进行处理。
在步骤S40中,多个第二工作结点分别对多个候选序列的序列内容进行相互比对,将序列内容相同的候选序列的支持度累加,从而计算出每个候选序列的实际支持度。
在步骤S50中,将实际支持度大于预设的支持度阈值的候选序列整合为频繁序列集合。
在步骤S60中,根据频繁序列集合输出优化后的路径。在该实施方式中,最终输出的频繁序列集合表示重复的频率最高的路径,这样,在路径优化的过程中,可以针对这样重复频率高的路径进行集中运输,从而提高了路径优化的准确性。
另一方面,本发明还提供一种云物流环境下的路径优化系统,如图2所示,该路径优化系统可以包括处理器01、多个第一工作结点02和多个第二工作结点03。
处理器01可以用于将包含货物的物流路径的数据包划分成多个数据块。对于该数据包,可以是例如包括货物的标签、货物的时间字段以及在每次货物被运输经过的地点字段。
多个第一工作结点02可以分别对多个数据块进行处理以生成候选序列,其中,每个第一工作结点02用于处理至少一个数据块。具体地,该第一工作结点02可以是采用Map计算生成候选序列。对于该候选序列,其初始的支出度可以设置为1。
处理器01对多个候选序列进行整合,再采用哈希函数将整合后的多个候选序列分配至多个第二工作结点03。对于该处理器01,可以是例如通用处理器、专用处理器、常规处理器、数字信号处理器(DSP)、多个微处理器、与DSP核心相关联的一个或多个微处理器、控制器、微控制器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)电路、任何其它类型的集成电路(IC)、状态机、系统级芯片(SOC)等。
多个第二工作结点03分别对多个候选序列的序列内容进行相互比对,将序列内容相同的候选序列的支持度累加,从而计算出每个候选序列的实际支持度;
处理器01将实际支持度大于预设的支持度阈值的候选序列整合为频繁序列集合,并根据频繁序列集合输出优化后的路径。
再一方面,本发明还提供一种存储介质,存储介质存储有指令,指令用于被机器读取以使得机器执行上述任一的路径优化方法。
通过上述技术方案,本发明提供的云物流环境下的路径优化方法、系统及存储介质通过对路径的数据包进行划分,并采用多个工作结点对划分后的数据块进行处理,提高了路径优化的效率。
以上结合附图详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,这些简单变型均属于本发明的保护范围
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。

Claims (9)

1.一种云物流环境下的路径优化方法,其特征在于,所述路径优化方法包括:
将包含货物的物流路径的数据包划分成多个数据块;
采用多个第一工作结点分别对多个所述数据块进行处理以生成候选序列,其中,每个所述第一工作结点用于处理至少一个所述数据块;
对多个所述候选序列进行整合,采用哈希函数将整合后的多个所述候选序列分配至多个第二工作结点;
多个所述第二工作结点分别对多个所述候选序列的序列内容进行相互比对,将所述序列内容相同的所述候选序列的支持度累加,从而计算出每个所述候选序列的实际支持度;
将所述实际支持度大于预设的支持度阈值的所述候选序列整合为频繁序列集合;
根据所述频繁序列集合输出优化后的路径。
2.根据权利要求1所述的路径优化方法,其特征在于,所述采用多个第一工作结点分别对多个所述数据块进行处理以生成候选序列包括:
将所述候选序列的初始的支持度设置为1。
3.根据权利要求1所述的路径优化方法,其特征在于,所述采用多个第一工作结点分别对多个所述数据块进行处理以生成候选序列包括:
分别对每个所述数据块进行Map计算以生成所述候选序列。
4.根据权利要求1所述的路径优化方法,其特征在于,所述数据包包括:货物的标签、货物的时间字段以及在每次货物被运输经过的地点字段。
5.一种云物流环境下的路径优化系统,其特征在于,所述路径优化系统包括处理器、多个第一工作结点和多个第二工作结点;
所述处理器用于将包含货物的物流路径的数据包划分成多个数据块;
多个所述第一工作结点分别对多个所述数据块进行处理以生成候选序列,其中,每个所述第一工作结点用于处理至少一个所述数据块;
所述处理器对多个所述候选序列进行整合,采用哈希函数将整合后的多个所述候选序列分配至多个所述第二工作结点;
多个所述第二工作结点分别对多个所述候选序列的序列内容进行相互比对,将所述序列内容相同的所述候选序列的支持度累加,从而计算出每个所述候选序列的实际支持度;
所述处理器将所述实际支持度大于预设的支持度阈值的所述候选序列整合为频繁序列集合,并根据所述频繁序列集合输出优化后的路径。
6.根据权利要求5所述的路径优化系统,其特征在于,所述处理器进一步用于:
将所述候选序列的初始的支持度设置为1。
7.根据权利要求5所述的路径优化系统,其特征在于,所述处理器进一步用于:
分别对每个所述数据块进行Map计算以生成所述候选序列。
8.根据权利要求5所述的路径优化系统,其特征在于,所述数据包包括:货物的标签、货物的时间字段以及在每次货物被运输经过的地点字段。
9.一种存储介质,其特征在于,所述存储介质存储有指令,所述指令用于被机器读取以使得所述机器执行如权利要求1至4任一所述的路径优化方法。
CN201910248839.XA 2019-03-29 2019-03-29 云物流环境下的路径优化方法、系统及存储介质 Pending CN109948990A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910248839.XA CN109948990A (zh) 2019-03-29 2019-03-29 云物流环境下的路径优化方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910248839.XA CN109948990A (zh) 2019-03-29 2019-03-29 云物流环境下的路径优化方法、系统及存储介质

Publications (1)

Publication Number Publication Date
CN109948990A true CN109948990A (zh) 2019-06-28

Family

ID=67012922

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910248839.XA Pending CN109948990A (zh) 2019-03-29 2019-03-29 云物流环境下的路径优化方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN109948990A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884614A (zh) * 2019-11-29 2021-06-01 北京金山云网络技术有限公司 基于频繁序列的路线推荐方法、装置和电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102638821A (zh) * 2012-03-23 2012-08-15 天津大学 基于手机基站数据挖掘人的移动模式的方法
US8744734B2 (en) * 2011-03-04 2014-06-03 Board of Regents, University of Arizona Active traffic and demand management system
CN104598992A (zh) * 2015-01-12 2015-05-06 北京中交兴路车联网科技有限公司 一种车辆常跑路线分析方法
CN105956681A (zh) * 2016-04-15 2016-09-21 合肥工业大学 一种基于滚动时域优化的甩挂运输动态路径规划方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8744734B2 (en) * 2011-03-04 2014-06-03 Board of Regents, University of Arizona Active traffic and demand management system
CN102638821A (zh) * 2012-03-23 2012-08-15 天津大学 基于手机基站数据挖掘人的移动模式的方法
CN104598992A (zh) * 2015-01-12 2015-05-06 北京中交兴路车联网科技有限公司 一种车辆常跑路线分析方法
CN105956681A (zh) * 2016-04-15 2016-09-21 合肥工业大学 一种基于滚动时域优化的甩挂运输动态路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
何柏英: "云计算环境下物流路径数据挖掘研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884614A (zh) * 2019-11-29 2021-06-01 北京金山云网络技术有限公司 基于频繁序列的路线推荐方法、装置和电子设备
CN112884614B (zh) * 2019-11-29 2024-05-14 北京金山云网络技术有限公司 基于频繁序列的路线推荐方法、装置和电子设备

Similar Documents

Publication Publication Date Title
Dellaert et al. Branch-and-price–based algorithms for the two-echelon vehicle routing problem with time windows
CN108829610B (zh) 一种神经网络前向计算过程中的内存管理方法及设备
CN106156961B (zh) 一种车辆调度方法和装置
Drexl Branch‐and‐cut algorithms for the vehicle routing problem with trailers and transshipments
CN111044060B (zh) 多车辆路径规划方法及多车辆路径规划系统
JP6345873B2 (ja) 高速電車の需要メタモデルの構築方法及び装置
CN106647734A (zh) 自动导引车、路径规划方法与装置
KR102184280B1 (ko) 동적 파티셔닝을 이용한 데이터 프로세싱
Coltin et al. Scheduling for transfers in pickup and delivery problems with very large neighborhood search
CN102818571A (zh) 一种快速进行路况显示的数据分层与组织方法和装置
Dikas et al. Solving the bus evacuation problem and its variants
CN104266657B (zh) 基于cpu和mic协同计算的最短路径规划并行化方法
CN102645227A (zh) 路径搜索系统
CN106126326A (zh) 定时任务管理方法和装置
CN113177752A (zh) 一种路线规划方法、装置及服务器
CN109948990A (zh) 云物流环境下的路径优化方法、系统及存储介质
CN112465180A (zh) 车辆路径规划方法和装置
Giménez-Palacios et al. First-mile logistics parcel pickup: Vehicle routing with packing constraints under disruption
CN109410063B (zh) 基于区块链的交易处理方法、装置和存储介质
CN109118361A (zh) 额度管理方法、装置及系统
CN111369189A (zh) 生成拣货任务的方法、装置、存储介质及电子设备
Verbas et al. Finding least cost hyperpaths in multimodal transit networks: Methodology, algorithm, and large-scale application
AU2002358737A8 (en) Method and system for determining the itinerary travelled by a vehicle
JP2008230816A (ja) 調達物流スケジュール作成システム
CN108021448A (zh) 一种内核空间的优化方法及装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190628

RJ01 Rejection of invention patent application after publication