CN109978213A - 一种任务路径规划方法和装置 - Google Patents

一种任务路径规划方法和装置 Download PDF

Info

Publication number
CN109978213A
CN109978213A CN201711465842.4A CN201711465842A CN109978213A CN 109978213 A CN109978213 A CN 109978213A CN 201711465842 A CN201711465842 A CN 201711465842A CN 109978213 A CN109978213 A CN 109978213A
Authority
CN
China
Prior art keywords
task
path
pending
timeliness
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
Application number
CN201711465842.4A
Other languages
English (en)
Other versions
CN109978213B (zh
Inventor
赵洪野
苗延超
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.)
Beijing Jingdong Zhenshi Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
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 Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201711465842.4A priority Critical patent/CN109978213B/zh
Publication of CN109978213A publication Critical patent/CN109978213A/zh
Application granted granted Critical
Publication of CN109978213B publication Critical patent/CN109978213B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种任务路径规划方法和装置，涉及计算机技术领域。该方法的一个具体实施方式包括：对待执行任务进行分类，得到第一任务集和第二任务集，其中，所述待执行任务包括位置和/或时效属性；根据所述待执行任务的位置和/或时效，对所述第一任务集中每个待执行任务进行聚类，得到聚类中心任务；根据所述第二任务集中的每个待执行任务和每个所述聚类中心任务规划任务路径。该实施方式对任务路径进行规划，提高计算效率和合理性，使得规划出的任务路径可以以最优的任务路径完成所有待执行任务，降低成本，提高用户体验。

Description

一种任务路径规划方法和装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种任务路径规划方法、装置、电子设备和计算机可读介质。
背景技术
“旅行商”问题是运筹学中的经典问题，在解决实际问题的应用中具有很实用的指导意义。如在物流领域的应用中，快递员能否及时将货物送到客户手中是评价物流公司服务质量的重要标准之一，物流配送行业相继推出了具有时效的配送服务，这里的配送服务就可以看作是具有时效的旅行商问题，如何以最低的配送成本达到利益最大化，就需要合理规划配送路线。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
由于具有时效的“旅行商”问题是一个复杂的优化组合问题，计算量的增加可能会降低结果的准确度。如在进行物流配送时，配送员面对多个配送任务，为了满足客户要求，会将具有时效的配送任务单独挑出来优先配送，此时哪些没有时效要求的配送任务往往是被随机配送的，并没有合理规划配送顺序和路线，容易造成配送时间和成本的增加。
发明内容
有鉴于此，本发明实施例提供一种路径规划方法和装置，能够通过聚类减少计算量，根据任务的时效和/或位置属性，对任务路径进行规划，提高计算效率和合理性，使得规划出的任务路径可以以最优的任务路径完成所有待执行任务，降低成本，提高用户体验。
为实现上述目的，根据本发明实施例的一个方面，提供了一种任务路径规划方法，包括：对待执行任务进行分类，得到第一任务集和第二任务集，其中，所述待执行任务包括位置和/或时效属性；根据所述待执行任务的位置和/或时效，对所述第一任务集中每个待执行任务进行聚类，得到聚类中心任务；根据所述第二任务集中的每个待执行任务和每个所述聚类中心任务规划任务路径。
可选地，在根据所述待执行任务的位置和/或时效，对所述第一任务集中每个待执行任务进行聚类，得到聚类中心任务后，所述方法还包括：每完成预设数量的所述第一任务集中的所述待执行任务后，对其中剩余的待执行任务重新进行聚类；当所得到的聚类中心任务中存在任一不同于上次聚类所得到的聚类中心任务时，根据本次聚类中心任务重新规划任务路径。
可选地，在根据所述第二任务集中的每个待执行任务和每个所述聚类中心任务规划任务路径后，所述方法还包括：监控实际任务路径与所述任务规划路径之间的偏离度；当所述偏离度大于阈值时，根据实际任务路径重新规划任务路径。
可选地，所述方法还包括：监控所述待执行任务的实际执行时间，当所述实际执行时间不符合所述待执行任务的时效时，重新规划任务路径。
可选地，根据所述第二任务集中的每个待执行任务和每个所述聚类中心任务规划任务路径P(i,j)的方法包括：P(i,j)＝TSPTW(Tfi,Tsj,Dfi,Dsj,v,t0)；其中，TSPTW为预设的带有时间窗的旅行商函数，i为所述聚类中心的个数，j为所述第二任务集中的待执行任务的个数，Tfi为所述第一任务集中的第i类任务的执行时间之和，Tsj为第j个待执行任务的时效，Dfi为当前位置与第i个聚类中心的位置之间的距离，Dsj为当前位置与第j个待执行任务的位置之间的距离，v为任务路径的行进速度，t0为初始时间。
为实现上述目的，根据本发明实施例的另一个方面，提供了一种任务路径规划装置，包括：分类模块，用于对待执行任务进行分类，得到第一任务集和第二任务集，其中，所述待执行任务包括位置和/或时效属性；聚类模块，用于根据所述待执行任务的位置和/或时效，对所述第一任务集中每个待执行任务进行聚类，得到聚类中心任务；规划模块，用于根据所述第二任务集中的每个待执行任务和每个所述聚类中心任务规划任务路径。
可选地，所述聚类模块还用于，在每完成预设数量的所述第一任务集中的所述待执行任务后，对其中剩余的待执行任务重新进行聚类；所述规划模块还用于，当所述聚类模块所得到的聚类中心任务中存在任一不同于上次聚类所得到的聚类中心任务时，根据本次聚类中心任务重新规划任务路径。
可选地，所述装置还包括：路径监控模块，用于监控实际任务路径与所述任务规划路径之间的偏离度；所述规划模块还用于，当所述偏离度大于阈值时，根据实际任务路径重新规划任务路径。
可选地，所述装置还包括：时效监控模块，用于监控所述待执行任务的实际执行时间；所述规划模块还用于当所述实际执行时间不符合所述待执行任务的时效时，重新规划任务路径。
可选地，所述规划模块还用于，根据所述第二任务集中的每个待执行任务和每个所述聚类中心任务规划任务路径P(i,j)：P(i,j)＝TSPTW(Tfi,Tsj,Dfi,Dsj,v,t0)；其中，TSPTW为预设的带有时间窗的旅行商函数，i为所述聚类中心的个数，j为所述第二任务集中的待执行任务的个数，Tfi为所述第一任务集中的第i类任务的执行时间之和，Tsj为第j个待执行任务的时效，Dfi为当前位置与第i个聚类中心的位置之间的距离，Dsj为当前位置与第j个待执行任务的位置之间的距离，v为任务路径的行进速度，t0为初始时间。
为实现上述目的，根据本发明实施例的再一个方面，提供了一种任务路径规划的电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现一种任务路径规划方法中任一所述的方法。
为实现上述目的，根据本发明实施例的再一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现一种任务路径规划方法中任一所述的方法。
上述发明中的一个实施例具有如下优点或有益效果：能够通过聚类减少计算量，根据任务的时效和/或位置属性，对任务路径进行规划，提高计算效率和合理性，使得规划出的任务路径可以以最优的任务路径完成所有待执行任务，降低成本，提高用户体验。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的一种任务路径规划方法的主要步骤的示意图；
图2是根据本发明实施例的一种任务路径规划装置的主要部分的示意图；
图3是本发明实施例可以应用于其中的示例性系统架构图；
图4是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的一种任务路径规划方法的主要步骤的示意图，如图1所示：
步骤S101表示对待执行任务进行分类，得到第一任务集和第二任务集。此步骤的目的是将待执行的任务按照需求分类，为后序步骤的聚类做准备。
其中，所述待执行任务包括位置和/或时效属性，即待执行的任务可以包括位置属性，或者包括时效属性，或者两种属性都包括。例如在物流配送服务中，普通的配送任务(或称订单)一般只包括位置属性(如收货地址)；具有时效要求的配送任务既包括位置属性又包括时效属性，既有收货地址，又有收货时间要求(要求只能在某一时间段内，或某一时间前或后收货)。可以根据配送任务是否有收货时间要求，将配送任务分为两类，一类为具有时效要求的配送任务，另一类为普通配送任务。应该注意的是，此步骤中的分类标准并没有严格要求，比如可以按照待执行任务的重要程度对配送任务进行分类；另外，所分类的数量也没有严格的要求，这里分类所起到的作用是通过分类后的聚类减少任务路径规划时参与计算的待执行任务的数量。如果待执行任务本身可能是同时具有位置和时效属性的，但是该方法的后续步骤中并不考虑该任务的位置或时效属性，则该任务应被看作是只具有一种属性(该属性在后续步骤中被使用)的待执行任务。
步骤S102表示根据所述待执行任务的位置和/或时效，对所述第一任务集中每个待执行任务进行聚类，得到聚类中心任务。此步骤的作用是根据分类结果选取出具有代表性属性的待执行任务，以减少任务路径规划的计算量。
例如，步骤S101得到两个任务集，则根据待执行任务的时间和/位置属性对其中一个任务集进行聚类，得到聚类中心。进行聚类的任务集的选取可以是根据哪个类里面的待执行任务是可以选取出具有代表性的任务(如聚类中心任务)和执行任务的优先顺序而定。例如将物流配送任务分为两类，一类是具有时效的配送任务，另一类是不具有时效的配送任务，其中不具有时效的配送任务可以按照收货地址之间的距离(即位置属性)进行聚类，从而得到聚类中心任务，而另一类具有时效的配送任务具有优先性，在配送过程中要优先保证具有时效的配送任务完成。
在根据所述待执行任务的位置和/或时效，对所述第一任务集中每个待执行任务进行聚类，得到聚类中心任务后，所述方法还包括：每完成预设数量的所述第一任务集中的所述待执行任务后，对其中剩余的待执行任务重新进行聚类；当所得到的聚类中心任务中存在任一不同于上次聚类所得到的聚类中心任务时，根据本次聚类中心任务重新规划任务路径。此步骤的目的是根据待执行任务的完成情况及时更新任务路径。因为后续步骤是以聚类中心任务和第二任务集中的待执行任务为基础进行任务路径规划的，所以如果当聚类中心任务的个数、位置或时效发生变化时，就要以新的聚类中心任务和第二任务集中的待执行任务为基础进行任务路径规划，进一步提高路径规划的准确性和合理性。
步骤S103表示根据所述第二任务集中的每个待执行任务和每个所述聚类中心任务规划任务路径。此步骤的目的是以少数待执行任务来规划任务路径，降低了计算量，提高计算效率和合理性，使得规划出的任务路径可以以最优的任务路径完成所有待执行任务，降低成本，提高用户体验。
当选取出了合适的聚类中心任务与第二任务集中的待执行任务时，就可以对每个所选取出的待执行任务进行路径规划。本发明的路径规划步骤可以看作是附带时间窗口的旅行商问题，以将待执行任务分为时效任务(附带时效的待执行任务)和非时效任务(未附带时效的待执行任务)两类为例，对非时效任务进行聚类，得到i个聚类中心任务，j为时效任务的个数，则路径规划的基础为此i个聚类中心任务和j个时效任务。其他参与计算的参数还包括：第i类中的非时效任务的执行时间之和Tfi(每个非时效任务需要一定的执行时间)，第j个时效任务的时效Tsj(默认为一个时间窗口)，(执行者的)当前位置与第i个聚类中心任务的位置之间的距离Dfi和与第j个时效任务的位置之间的距离Dsj，当前路径的(或执行者的)行进速度v(v还可以取行进速度的平均值)，以及初始时间t0(默认为第一次任务路径规划)，则可得到规划的任务路径P(i,j)为：P(i,j)＝TSPTW(Tfi,Tsj,Dfi,Dsj,v,t0)；其中TSPTW为预设的带有时间窗的旅行商函数，可以采用蚁群算法来构造TSPTW函数并求解规划路径，蚁群算法是一种用来寻找优化路径的概率型算法，它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。并且可通过多次迭代寻求最优解，最终得到的任务路径可以是待执行任务的列表，列表中包括每个聚类中心任务与时效任务的执行顺序。
在根据所述第二任务集中的每个待执行任务和每个所述聚类中心任务规划任务路径后，所述方法还包括：监控实际任务路径与所述任务规划路径之间的偏离度；当所述偏离度大于阈值时，根据实际任务路径重新规划任务路径规划。此步骤的目的是为了根据实际情况及时调整任务路径。在实际操作过程中，实际的任务路径(如执行者的位置)有时会偏离所规划的任务路径，或待执行任务的位置时效属性发生改变，当偏离度达到一定程度(预设阈值)以后，原来的规划路径可能已不适用，所以以当前路径(如执行者当前的位置)与待执行任务之间的距离重新进行任务路径规划，进一步提高路径规划的准确性和合理性。
监控所述待执行任务的实际执行时间，当所述实际执行时间不符合所述待执行任务的时效时，重新规划任务路径。此步骤的目的是为了根据实际情况及时调整任务路径规划。例如任务路径规划中包括时效任务时，实际执行某时效任务的时间不符合该任务的时效，则说明上次的任务路径规划与实际情况不符，所以可以当前时间作为初始时间重新进行任务路径规划，以尽量满足后续的时效任务的时效，进一步提高路径规划的准确性和合理性。
本发明的一个优选的实施例为，在物流配送领域中，配送员在完成订单配送时，按照订单类型通过计算配送员的实时位置与订单的收货地址之间的关系，为配送员提供一条最优的配送路径，保证配送员在配送时效范围内将订单配送到客户手中。
表1
订单号 地址经纬度 配送时效
50493968787 A(39.886850，116.423500) 09:00.11:00
50493968790 B(39.888950.116.523500) 09：00.11：00
.... ... ...
50493968798 C(39.986850.116.443500) 无
配送员收到的订单信息如表1所示，订单一般分类两大类，一类为有严格的时效要求(如表1中的订单A和B)，必须在规定时间段内送达；另一类无时效要求(如表1中的订单C)。无时效要求的订单采用K-Means算法(典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大)进行聚类，将无时效的订单的按照距离聚成多个类，并计算每个类所需的配送时间，如配送员收到100个订单，有时效要求的订单有4个，无时效要求的订单有96个，将96个订单进行聚类，每个类中订单数不大于5个，设定订单收货地址之间距离小于30米才可聚为一类，可使用随机选取聚类中心多次迭代的方法防止聚类算法陷入局部最优，然后选取作为聚类中心次数最多的订单作为聚类中心订单，获取聚类中心订单地址位置坐标；每类订单配送时间等于该类的订单总数乘以单个订单的配送时间，如X类有5个订单，每个订单的配送时间是3分钟，则总的配送时间为15分钟。假设96个无时效要求的订单通过聚类得到30个聚类中心订单，则只需要根据4个有时效要求的订单的位置和时效对这30个无时效要求的订单进行路径规划，所以总的路径规划的计算量为34个，比直接对100个订单进行路径规划计算量小。
图2是根据本发明实施例的一种任务路径规划装置200的主要部分的示意图，如图2所示：
分类模块201用于对待执行任务进行分类，得到第一任务集和第二任务集，此模块的目的是将待执行的任务按照需求分类，为后序聚类做准备。
其中，所述待执行任务包括位置和/或时效属性，即待执行的任务可以包括位置属性，或者包括时效属性，或者两种属性都包括。例如在物流配送服务中，普通的配送任务(或称订单)一般只包括位置属性(如收货地址)；具有时效要求的配送任务既包括位置属性又包括时效属性，既有收货地址，又有收货时间要求(要求只能在某一时间段内，或某一时间前或后收货)。可以根据配送任务是否有收货时间要求，将配送任务分为两类，一类为具有时效要求的配送任务，另一类为普通配送任务。应该注意的是，分类标准并没有严格要求，比如可以按照待执行任务的重要程度对配送任务进行分类；另外，所分类的数量也没有严格的要求，这里分类所起到的作用是通过分类后的聚类减少任务路径规划时参与计算的待执行任务的数量。如果待执行任务本身可能是同时具有位置和时效属性的，但是后续处理中并不考虑该任务的位置或时效属性，则该任务应被看作是只具有一种属性(该属性在后续处理中被使用)的待执行任务。
聚类模块202用于根据所述待执行任务的位置和/或时效，对所述第一任务集中每个待执行任务进行聚类，得到聚类中心任务，此模块的作用是根据分类结果选取出具有代表性属性的待执行任务，以减少任务路径规划的计算量。
例如，分类模块201得到两个任务集，则根据待执行任务的时间和/位置属性对其中一个任务集进行聚类，得到聚类中心。进行聚类的任务集的选取可以是根据哪个类里面的待执行任务是可以选取出具有代表性的任务(如聚类中心任务)和执行任务的优先顺序而定。例如将物流配送任务分为两类，一类是具有时效的配送任务，另一类是不具有时效的配送任务，其中不具有时效的配送任务可以按照收货地址之间的距离(即位置属性)进行聚类，从而得到聚类中心任务，而另一类具有时效的配送任务具有优先性，在配送过程中要优先保证具有时效的配送任务完成。
规划模块203用于根据所述第二任务集中的每个待执行任务和每个所述聚类中心任务规划任务路径。此模块的目的是以少数待执行任务来规划任务路径，降低了计算量，提高计算效率和合理性，使得规划出的任务路径可以以最优的任务路径完成所有待执行任务，降低成本，提高用户体验。
当选取出了合适的聚类中心任务与第二任务集中的待执行任务时，就可以对每个所选取出的待执行任务进行路径规划。本发明的任务路径规划可以看作是附带时间窗口的旅行商问题，以将待执行任务分为时效任务(附带时效的待执行任务)和非时效任务(未附带时效的待执行任务)两类为例，对非时效任务进行聚类，得到i个聚类中心任务，j为时效任务的个数，则路径规划的基础为此i个聚类中心任务和j个时效任务。其他参与计算的参数还包括：第i类中的非时效任务的执行时间之和Tfi(每个非时效任务需要一定的执行时间)，第j个时效任务的时效Tsj(默认为一个时间窗口)，(执行者的)当前位置与第i个聚类中心任务的位置之间的距离Dfi和与第j个时效任务的位置之间的距离Dsj，当前路径的(或执行者的)行进速度v，以及初始时间t0(默认为第一次任务路径规划)，则可得到规划的任务路径P(i,j)为：P(i,j)＝TSPTW(Tfi,Tsj,Dfi,Dsj,v,t0)；其中TSPTW为构造的带有时间窗的旅行商函数，可以采用蚁群算法来求解规划路径，蚁群算法是一种用来寻找优化路径的概率型算法，它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。并且可通过多次迭代寻求最优解，最终得到的任务路径可以是待执行任务的列表，列表中包括每个聚类中心任务与时效任务的执行顺序。
聚类模块202还用于，在每完成预设数量的所述第一任务集中的所述待执行任务后，对其中剩余的待执行任务重新进行聚类；规划模块203还用于，当所述聚类模块所得到的聚类中心任务中存在任一不同于上次聚类所得到的聚类中心任务时，根据本次聚类中心任务重新规划任务路径。目的是根据待执行任务的完成情况及时更新任务路径。因为后续处理是以聚类中心任务和第二任务集中的待执行任务为基础进行任务路径规划的，所以如果当聚类中心任务的个数、位置或时效发生变化时，就要以新的聚类中心任务和第二任务集中的待执行任务为基础进行任务路径规划，进一步提高路径规划的准确性和合理性。
装置200还可包括路径监控模块，用于监控实际任务路径与所述任务规划路径之间的偏离度；所述规划模块还用于，当所述偏离度大于阈值时，根据实际任务路径重新规划任务路径。此模块的目的是为了根据实际情况及时调整任务路径。在实际操作过程中，实际的任务路径(如执行者的位置)有时会偏离所规划的任务路径，或待执行任务的位置时效属性发生改变，当偏离度达到一定程度(预设阈值)以后，原来的规划路径可能已不适用，所以以当前路径(如执行者当前的位置)与待执行任务之间的距离重新进行任务路径规划，进一步提高路径规划的准确性和合理性。
装置200还可包括时效监控模块，用于监控所述待执行任务的实际执行时间；所述规划模块还用于当所述实际执行时间不符合所述待执行任务的时效时，重新规划任务路径。此模块的目的是为了根据实际情况及时调整任务路径规划。例如任务路径规划中包括时效任务时，实际执行某时效任务的时间不符合该任务的时效，则说明上次的任务路径规划与实际情况不符，所以可以当前时间作为初始时间重新进行任务路径规划，以尽量满足后续的时效任务的时效，进一步提高路径规划的准确性和合理性。
图3示出了可以应用本发明实施例的一种任务路径规划方法或一种任务路径规划装置的示例性系统架构300。
如图3所示，系统架构300可以包括终端设备301、302、303，网络304和服务器305。网络304用以在终端设备301、302、303和服务器305之间提供通信链路的介质。网络304可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备301、302、303通过网络304与服务器305交互，以接收或发送消息等。终端设备301、302、303上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备301、302、303可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器305可以是提供各种服务的服务器，例如对用户利用终端设备301、302、303所浏览的购物类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息)反馈给终端设备。
需要说明的是，本发明实施例所提供的一种任务路径规划方法一般由服务器305执行，相应地，一种任务路径规划装置一般设置于服务器305中。
应该理解，图3中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
图4所示为适于用来实现本发明实施例的终端设备的计算机系统400的结构示意图。图4所示的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，计算机系统400包括中央处理单元(CPU)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有系统400操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地，根据本发明公开的实施例，上文参考步骤图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行步骤图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质包括计算机可读信号介质或计算机可读存储介质，或者是上述两者的任意组合。计算机可读存储介质包括但不限于电、磁、光、电磁、红外线、半导体的系统、装置或器件，或者上述内容的任意组合。计算机可读存储介质具体包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述内容的任意组合。在本发明中，计算机可读存储介质包括任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用；计算机可读的信号介质包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码，这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述信号的任意组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF(射频)等，或者上述介质的任意组合。
附图中的步骤图或框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作，步骤图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以并行地执行，有时也可以按相反的顺序执行，其执行顺序依所涉及的功能而定。也要注意的是，框图或步骤图中的每个方框以及其组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括分类模块、聚类模块和规划模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，分类模块还可以被描述为“用于对待执行任务进行分类，得到第一任务集和第二任务集的模块”。
另一方面，本发明实施例还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：对待执行任务进行分类，得到第一任务集和第二任务集，其中，所述待执行任务包括位置和/或时效属性；根据所述待执行任务的位置和/或时效，对所述第一任务集中每个待执行任务进行聚类，得到聚类中心任务；根据所述第二任务集中的每个待执行任务和每个所述聚类中心任务规划任务路径。
根据本发明实施例的技术方案，能够通过聚类减少计算量，根据任务的时效和/或位置属性，对任务路径进行规划，提高计算效率和合理性，使得规划出的任务路径可以以最优的任务路径完成所有待执行任务，降低成本，提高用户体验。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (12)

1.一种任务路径规划方法，其特征在于，包括：
对待执行任务进行分类，得到第一任务集和第二任务集，其中，所述待执行任务包括位置和/或时效属性；
根据所述待执行任务的位置和/或时效，对所述第一任务集中每个待执行任务进行聚类，得到聚类中心任务；
根据所述第二任务集中的每个待执行任务和每个所述聚类中心任务的位置和/或时效属性规划任务路径。
2.根据权利要求1所述的方法，其特征在于，在根据所述待执行任务的位置和/或时效，对所述第一任务集中每个待执行任务进行聚类，得到聚类中心任务后，所述方法还包括：
每完成预设数量的所述第一任务集中的所述待执行任务后，对其中剩余的待执行任务重新进行聚类；
当所得到的聚类中心任务中存在任一不同于上次聚类所得到的聚类中心任务时，根据本次聚类中心任务重新规划任务路径。
3.根据权利要求1所述的方法，其特征在于，在根据所述第二任务集中的每个待执行任务和每个所述聚类中心任务规划任务路径后，所述方法还包括：
监控实际任务路径与所述任务规划路径之间的偏离度；
当所述偏离度大于阈值时，根据实际任务路径重新规划任务路径。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
监控所述待执行任务的实际执行时间，当所述实际执行时间不符合所述待执行任务的时效时，重新规划任务路径。
5.根据权利要求1所述的方法，其特征在于，根据所述第二任务集中的每个待执行任务和每个所述聚类中心任务规划任务路径P(i,j)的方法包括：
P(i,j)＝TSPTW(Tfi,Tsj,Dfi,Dsj,v,t0)；其中，TSPTW为预设的带有时间窗的旅行商函数，i为所述聚类中心的个数，j为所述第二任务集中的待执行任务的个数，Tfi为所述第一任务集中的第i类任务的执行时间之和，Tsj为第j个待执行任务的时效，Dfi为当前位置与第i个聚类中心的位置之间的距离，Dsj为当前位置与第j个待执行任务的位置之间的距离，v为任务路径的行进速度，t0为初始时间。
6.一种任务路径规划装置，其特征在于，包括：
分类模块，用于对待执行任务进行分类，得到第一任务集和第二任务集，其中，所述待执行任务包括位置和/或时效属性；
聚类模块，用于根据所述待执行任务的位置和/或时效，对所述第一任务集中每个待执行任务进行聚类，得到聚类中心任务；
规划模块，用于根据所述第二任务集中的每个待执行任务和每个所述聚类中心任务规划任务路径。
7.根据权利要求5所述的装置，其特征在于，所述聚类模块还用于，在每完成预设数量的所述第一任务集中的所述待执行任务后，对其中剩余的待执行任务重新进行聚类；
所述规划模块还用于，当所述聚类模块所得到的聚类中心任务中存在任一不同于上次聚类所得到的聚类中心任务时，根据本次聚类中心任务重新规划任务路径。
8.根据权利要求5所述的装置，其特征在于，所述装置还包括：
路径监控模块，用于监控实际任务路径与所述任务规划路径之间的偏离度；
所述规划模块还用于，当所述偏离度大于阈值时，根据实际任务路径重新规划任务路径。
9.根据权利要求5所述的装置，其特征在于，所述装置还包括：
时效监控模块，用于监控所述待执行任务的实际执行时间；
所述规划模块还用于当所述实际执行时间不符合所述待执行任务的时效时，重新规划任务路径。
10.根据权利要求6所述的装置，其特征在于，所述规划模块还用于，根据所述第二任务集中的每个待执行任务和每个所述聚类中心任务规划任务路径P(i,j)：
P(i,j)＝TSPTW(Tfi,Tsj,Dfi,Dsj,v,t0)；其中，TSPTW为预设的带有时间窗的旅行商函数，i为所述聚类中心的个数，j为所述第二任务集中的待执行任务的个数，Tfi为所述第一任务集中的第i类任务的执行时间之和，Tsj为第j个待执行任务的时效，Dfi为当前位置与第i个聚类中心的位置之间的距离，Dsj为当前位置与第j个待执行任务的位置之间的距离，v为任务路径的行进速度，t0为初始时间。
11.一种任务路径规划的电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN201711465842.4A 2017-12-28 2017-12-28 一种任务路径规划方法和装置 Active CN109978213B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711465842.4A CN109978213B (zh) 2017-12-28 2017-12-28 一种任务路径规划方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711465842.4A CN109978213B (zh) 2017-12-28 2017-12-28 一种任务路径规划方法和装置

Publications (2)

Publication Number Publication Date
CN109978213A true CN109978213A (zh) 2019-07-05
CN109978213B CN109978213B (zh) 2021-11-12

Family

ID=67075353

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711465842.4A Active CN109978213B (zh) 2017-12-28 2017-12-28 一种任务路径规划方法和装置

Country Status (1)

Country Link
CN (1) CN109978213B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062659A (zh) * 2019-12-05 2020-04-24 江苏苏宁物流有限公司 一种任务执行的规划方法、装置及计算机系统
CN112556707A (zh) * 2019-09-25 2021-03-26 北京京东振世信息技术有限公司 路径规划方法和装置
CN113065835A (zh) * 2021-05-08 2021-07-02 北京京东振世信息技术有限公司 物流引导信息生成方法、装置、电子设备及存储介质
CN116703016A (zh) * 2023-04-28 2023-09-05 北京大数据先进技术研究院 一种运输任务路径的存储、使用方法及装置

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103473659A (zh) * 2013-08-27 2013-12-25 西北工业大学 配送车辆端实时状态信息驱动的物流任务动态优化分配方法
CN103761639A (zh) * 2014-02-17 2014-04-30 江苏亲民网络股份有限公司 互联网电子商务物流管理系统中订单分配的处理方法
CN103927643A (zh) * 2014-04-30 2014-07-16 洪剑 一种大规模订单处理与配送路径优化的方法
CN104751250A (zh) * 2015-04-16 2015-07-01 南通理工学院 一种基于蚁群方法的最优路径寻找方法
CN106651231A (zh) * 2015-10-29 2017-05-10 株式会社日立制作所 路径规划方法和路径规划装置
US20170139412A1 (en) * 2015-11-12 2017-05-18 Internatonal Business Machines Corporation Autonomously Servicing Self-Driving Vehicles
CN106779570A (zh) * 2017-03-10 2017-05-31 镇江康飞汽车制造股份有限公司 一种智能冷链物流路径多目标优化算法
CN106997494A (zh) * 2017-03-22 2017-08-01 北京京东尚科信息技术有限公司 物流配送规划方法、物流配送方法及其装置
CN107094165A (zh) * 2016-08-31 2017-08-25 阿里巴巴集团控股有限公司 配送能力确定、配送任务获取、配送资源调度方法和设备
CN107133752A (zh) * 2016-02-29 2017-09-05 阿里巴巴集团控股有限公司 用于物流配送的数据处理、基于配送方的移动终端进行物流配送的方法和装置
CN107230014A (zh) * 2017-05-15 2017-10-03 浙江仟和网络科技有限公司 一种末端即时物流的智能调度系统
CN107292547A (zh) * 2016-03-31 2017-10-24 阿里巴巴集团控股有限公司 用于确定物流配送的方法、装置及物流配送的系统

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103473659A (zh) * 2013-08-27 2013-12-25 西北工业大学 配送车辆端实时状态信息驱动的物流任务动态优化分配方法
CN103761639A (zh) * 2014-02-17 2014-04-30 江苏亲民网络股份有限公司 互联网电子商务物流管理系统中订单分配的处理方法
CN103927643A (zh) * 2014-04-30 2014-07-16 洪剑 一种大规模订单处理与配送路径优化的方法
CN104751250A (zh) * 2015-04-16 2015-07-01 南通理工学院 一种基于蚁群方法的最优路径寻找方法
CN106651231A (zh) * 2015-10-29 2017-05-10 株式会社日立制作所 路径规划方法和路径规划装置
US20170139412A1 (en) * 2015-11-12 2017-05-18 Internatonal Business Machines Corporation Autonomously Servicing Self-Driving Vehicles
CN107133752A (zh) * 2016-02-29 2017-09-05 阿里巴巴集团控股有限公司 用于物流配送的数据处理、基于配送方的移动终端进行物流配送的方法和装置
CN107292547A (zh) * 2016-03-31 2017-10-24 阿里巴巴集团控股有限公司 用于确定物流配送的方法、装置及物流配送的系统
CN107094165A (zh) * 2016-08-31 2017-08-25 阿里巴巴集团控股有限公司 配送能力确定、配送任务获取、配送资源调度方法和设备
CN106779570A (zh) * 2017-03-10 2017-05-31 镇江康飞汽车制造股份有限公司 一种智能冷链物流路径多目标优化算法
CN106997494A (zh) * 2017-03-22 2017-08-01 北京京东尚科信息技术有限公司 物流配送规划方法、物流配送方法及其装置
CN107230014A (zh) * 2017-05-15 2017-10-03 浙江仟和网络科技有限公司 一种末端即时物流的智能调度系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
玉坤: "蚁群算法在路径规划问题中的应用研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112556707A (zh) * 2019-09-25 2021-03-26 北京京东振世信息技术有限公司 路径规划方法和装置
CN111062659A (zh) * 2019-12-05 2020-04-24 江苏苏宁物流有限公司 一种任务执行的规划方法、装置及计算机系统
CN111062659B (zh) * 2019-12-05 2022-08-19 江苏苏宁物流有限公司 一种任务执行的规划方法、装置及计算机系统
CN113065835A (zh) * 2021-05-08 2021-07-02 北京京东振世信息技术有限公司 物流引导信息生成方法、装置、电子设备及存储介质
CN113065835B (zh) * 2021-05-08 2024-06-18 北京京东振世信息技术有限公司 物流引导信息生成方法、装置、电子设备及存储介质
CN116703016A (zh) * 2023-04-28 2023-09-05 北京大数据先进技术研究院 一种运输任务路径的存储、使用方法及装置
CN116703016B (zh) * 2023-04-28 2023-12-26 北京大数据先进技术研究院 一种运输任务路径的存储、使用方法及装置

Also Published As

Publication number Publication date
CN109978213B (zh) 2021-11-12

Similar Documents

Publication Publication Date Title
CN109003028A (zh) 用于划分物流区域的方法和装置
CN109647719A (zh) 用于分拣货物的方法和装置
WO2022237667A1 (zh) 确定订单履约仓库的方法和装置
CN109978213A (zh) 一种任务路径规划方法和装置
CN106682878A (zh) 一种设计师匹配平台及方法
CN110348771A (zh) 一种对订单进行组单的方法和装置
CN108734559A (zh) 一种订单处理方法和装置
CN109033408A (zh) 信息推送方法及装置、计算机可读存储介质、电子设备
CN110019258A (zh) 处理订单数据的方法和装置
CN110371548A (zh) 一种货物入库方法和装置
WO2020164319A1 (zh) 一种拣货方法和装置
CN110209677A (zh) 更新数据的方法和装置
CN109740873A (zh) 保单的分配方法、装置、介质及电子设备
CN110059993A (zh) 一种仓储管理的方法和装置
CN109684624A (zh) 一种自动识别订单地址路区的方法和装置
CN108776692A (zh) 用于处理信息的方法和装置
CN109345166A (zh) 用于生成信息的方法和装置
CN110232487A (zh) 一种任务分派方法和装置
CN109961299A (zh) 数据分析的方法和装置
CN109597810A (zh) 一种任务切分方法、装置、介质及电子设备
CN110222860A (zh) 一种生成订单的配送库房列表的方法和装置
CN112418258A (zh) 一种特征离散化方法和装置
CN109977139A (zh) 基于类结构化查询语句的数据处理方法和装置
CN110276566A (zh) 信息输出方法和装置
CN110362583A (zh) 一种用于多数据源的数据处理方法和装置

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
TA01 Transfer of patent application right

Effective date of registration: 20210224

Address after: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Applicant after: Beijing Jingbangda Trading Co.,Ltd.

Address before: 100195 Beijing Haidian Xingshikou Road 65 West Cedar Creative Garden 4 District 11 Building East 1-4 Floor West 1-4 Floor

Applicant before: BEIJING JINGDONG SHANGKE INFORMATION TECHNOLOGY Co.,Ltd.

Applicant before: BEIJING JINGDONG CENTURY TRADING Co.,Ltd.

Effective date of registration: 20210224

Address after: 6 / F, 76 Zhichun Road, Haidian District, Beijing 100086

Applicant after: Beijing Jingdong Zhenshi Information Technology Co.,Ltd.

Address before: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Applicant before: Beijing Jingbangda Trading Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant