CN110231044A - 一种路径规划方法及装置 - Google Patents
一种路径规划方法及装置 Download PDFInfo
- Publication number
- CN110231044A CN110231044A CN201910498034.0A CN201910498034A CN110231044A CN 110231044 A CN110231044 A CN 110231044A CN 201910498034 A CN201910498034 A CN 201910498034A CN 110231044 A CN110231044 A CN 110231044A
- Authority
- CN
- China
- Prior art keywords
- task point
- path
- task
- user
- point
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
Abstract
本申请公开了一种路径规划方法及装置，基于至少一个待配送订单对应的各任务点之间的距离，对各任务点进行聚类，根据聚类得到的多个任务点集合设定约束条件，根据贪婪算法和设定的约束条件，以最大化订单配送效率为目标，向用户对应的路径中插入各任务点，得到该用户对应的试规划路径，其中，约束条件可排除插入各任务点的一部分可选插入方案，从而无需将所有的可选插入方案全部尝试，然后，再根据各任务点对应的计划到达时间，以及基于试规划路径确定的各任务点对应的预估到达时间，对试规划路径进行调整，得到该用户对应的规划结果路径，可见，本说明书提供的方案有助于减少路径规划计算量，提高路径规划速度。
Description
技术领域
本申请涉及互联网技术领域，尤其涉及一种路径规划方法及装置。
背景技术
随着互联网技术的迅速发展，很多业务都可以线上进行，给消费者带来了便利。一些原本线下进行的业务得到了线上业务的充分支持，从而提高了效率和消费者体验，比如，外卖派送、小物品闪送等，消费者在使用这类实物配送业务时，一般是在相应的手机应用上下订单，指定所要配送的物品及其取货位置和送货位置，下单后，线上系统会通过调度处理，将订单分配给某个配送员，消费者等待配送员送货上门或者上门取货即可。
在实际应用中，单个配送员可能被分配了多个待配送订单，每个待配送订单分别对应至少一个取货位置和至少一个送货位置，因此，该配送员为了配送这多个待配送订单，需要以一定顺序的路径依次经过这些取货位置和送货位置，进行取货和送货，为了便于描述，取货位置、送货位置可以称为任务点。
在现有技术中，由线上系统为配送员规划路径，以指示配送员应当按照怎样的顺序经过这些任务点，在进行路径规划时，这些任务点在路径上的排列顺序有多种可选方案，现有的路径规划方案会以暴力搜索的方式遍历全部的可选方案，以尝试在其中找到最优方案，从而得到规划结果路径。
但是，可选方案的数量往往很庞大，导致现有的路径规划方案计算量很大，从而会对路径规划速度带来不利影响。
发明内容
本说明书实施例提供一种路径规划方法及装置，用于解决现有的路径规划方案往往计算量很大，从而会对路径规划速度带来不利影响的问题。
本说明书实施例采用下述技术方案：
本说明书提供的一种路径规划方法，包括：
确定至少一个待配送订单对应的任务点；
基于各任务点之间的距离，对各任务点进行聚类，得到多个任务点集合；
针对至少一个用户，根据贪婪算法和设定的约束条件，以最大化订单配送效率为目标，向该用户对应的路径中插入各任务点，得到该用户对应的试规划路径，其中，所述约束条件与所述多个任务点集合相关；
根据各任务点对应的计划到达时间，以及基于所述试规划路径确定的各任务点对应的预估到达时间，对所述试规划路径进行调整，得到该用户对应的规划结果路径。
可选地，基于各任务点之间的距离，对各任务点进行聚类，得到多个任务点集合，包括：
一次或者多次遍历各任务点，针对遍历到的任务点，执行：
若该任务点不属于任何已得到的任务点集合，针对每个已得到的任务点集合，判断该任务点与已得到的任务点集合的聚类中心之间的距离是否小于预设阈值，若是，则将该任务点划分至该任务点集合，否则，以该任务点为聚类中心，增加一个任务点集合；
若该任务点属于已得到的任务点集合，针对除该任务点所属的任务点集合以外的其他任务点集合，判断该任务点与其所属的任务点集合的聚类中心之间的距离是否大于该任务点与该其他任务点集合的聚类中心之间的距离，若是，则将该任务点划分至该其他任务点集合。
可选地，根据贪婪算法和设定的约束条件，以最大化订单配送效率为目标，向该用户对应的路径中插入各任务点，得到该用户对应的试规划路径，包括：
将所述至少一个待配送订单按照计划到达时间的先后顺序进行排序；
根据贪婪算法和设定的约束条件，以最大化订单配送效率为目标，按照所述排序的顺序，依次将所述至少一个待配送订单分别对应的任务点插入至该用户对应的路径中，得到试规划路径。
可选地，根据贪婪算法和设定的约束条件，以最大化订单配送效率为目标，按照所述排序的顺序，依次将所述至少一个待配送订单分别对应的任务点插入至该用户对应的路径中，包括：
按照所述排序的顺序，依次针对每个所述待配送订单，执行：
确定该待配送订单对应的可选插入方案，所述可选插入方案能够用于将该待配送订单对应的任务点插入至该用户对应的路径中；
在确定的各可选插入方案中，排除不符合所述约束条件的可选插入方案；
根据贪婪算法，针对排除后剩余的各可选插入方案，分别确定其对应的订单配送效率，按照订单配送效率最高的可选插入方案，将该待配送订单对应的任务点插入至该用户对应的路径中。
可选地，所述约束条件包括：
针对每个任务点，若该任务点能够被插入至该用户对应的路径中的第一指定位置，则不将该任务点插入至该用户对应的路径中的第二指定位置；该任务点所属的任务点集合为所属集合；所述第一指定位置为：与所述所属集合中的任一任务点相邻的位置；所述第二指定位置为：位于所述所属集合中的所有任务点之前、且不与所述所属集合中的任一任务点相邻的位置；和/或
针对每个任务点，若该任务点能够被插入至该用户对应的路径中的第三指定位置，则不将该任务点插入至该用户对应的路径中的第四指定位置；该任务点所属的任务点集合为所属集合；所述第三指定位置为：位于所述所属集合中的所有任务点之后、且相邻两个任务点所属的任务点集合不同的位置；所述第四指定位置为：位于所述所属集合中的所有任务点之后、且相邻的两个任务点所属的任务点集合相同的位置。
可选地，对所述试规划路径进行调整，得到该用户对应的规划结果路径，包括：
选取基于所述试规划路径确定的预估超时时间最多的任务点，将该任务点在所述试规划路径中向前移动，若确定移动后所述订单配送效率提高，则保留对所述试规划路径的调整，否则，不保留对所述试规划路径的调整；
通过迭代执行上一步骤，得到规划结果路径；
其中，所述预估超时时间为任务点对应的预估到达时间与计划到达时间之差。
可选地，对所述试规划路径进行调整，得到该用户对应的规划结果路径，包括：
选取基于所述试规划路径确定的预估提前到达时间最多的任务点，将该任务点在所述试规划路径中向后移动，若确定移动后所述订单配送效率提高，则保留对所述试规划路径的调整，否则，不保留对所述试规划路径的调整；
通过迭代执行上一步骤，得到规划结果路径；
其中，所述预估提前到达时间为任务点对应的计划到达时间与预估到达时间之差。
本说明书提供的一种路径规划装置，包括：
确定模块，确定至少一个待配送订单对应的任务点；
聚类模块，基于各任务点之间的距离，对各任务点进行聚类，得到多个任务点集合；
试规划模块，针对至少一个用户，根据贪婪算法和设定的约束条件，以最大化订单配送效率为目标，向该用户对应的路径中插入各任务点，得到该用户对应的试规划路径，其中，所述约束条件与所述多个任务点集合相关；
调整模块，根据各任务点对应的计划到达时间，以及基于所述试规划路径确定的各任务点对应的预估到达时间，对所述试规划路径进行调整，得到该用户对应的规划结果路径。
本说明书提供的一种计算机可读存储介质，所述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上述一种路径规划方法。
本说明书提供的一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述一种路径规划方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
由于会基于至少一个待配送订单对应的各任务点之间的距离，对各任务点进行聚类，根据聚类得到的多个任务点集合设定约束条件，根据贪婪算法和设定的约束条件，以最大化订单配送效率为目标，向用户对应的路径中插入各任务点，得到该用户对应的试规划路径，其中，约束条件与多个任务点集合相关，用于预先排除插入各任务点的一部分可选插入方案，从而无需将所有的可选插入方案全部尝试，然后，再根据各任务点对应的计划到达时间，以及基于试规划路径确定的各任务点对应的预估到达时间，对试规划路径进行调整，得到该用户对应的规划结果路径，可见，本说明书提供的方案有助于减少路径规划计算量，提高路径规划速度。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书实施例提供的一种路径规划方法的流程示意图；
图2为本说明书实施例提供的一种订单配送效率涉及的参数示意图；
图3为本说明书实施例提供的路径规划时任务点在路径上的排列顺序的多种可选方案示意图；
图4为本说明书实施例提供的路径规划时一种可设定的约束条件的原理示意图；
图5为本说明书实施例提供的路径规划时另一种可设定的约束条件的原理示意图；
图6a、6b为本说明书实施例提供的试规划路径调整流程示意图；
图7为本说明书实施例提供的一种路径规划装置的结构示意图；
图8为本说明书实施例提供的对应于图1的电子设备的结构示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本说明书实施例提到的用户指所规划的路径的使用者，主要包括待配送订单的配送员，还可能包括规划路径算法的开发测试人员等，以下实施例主要以用户是配送员为例进行说明。为了更容易理解本申请的方案相比于现有技术的优势，这里先对现有技术的缺陷具体分析。配送员对于接收到的每个待配送订单，一般需要去该待配送订单对应的取货位置去取货(称为一个取货任务)，然后，将取到的货送到该待配送订单对应的送货位置(称为一个送货任务)，从而完成该待配送订单，现有技术在规划路线时会遍历全部的可选方案，假定某配送员共有n个取货任务和n个送货任务，则为该配送员规划路线时全部的可选方案约有(2n)！/2n种，若n＝10，则可选方案约有2.38×1015种，遍历全部的这些可选方案计算量很大，会对路径规划速度带来不利影响，而在实际应用中，对路线规划的实时性要求又很高，往往是毫秒级，这对线上系统要求很高，线上系统的负担很大。
但是，实际上从地理位置方面来看，在全部可选方案中有会导致配送员迂回往返的很多不合理方案，通过现有的路径规划方案计算代价后，并不会将这些不合理方案确定为最终方案，浪费了计算资源。基于此，本申请提供了基于定向搜索机制的路径规划方案，会基于地理位置(比如可以反映为诸如各取货位置以及送货位置等任务点之间的距离，排除这些不合理方案，定向地在一个缩小的范围内贪婪搜索较优方案，再通过局部进行调整，得到最终方案，可以避免对这些不合理方案进一步分析浪费计算资源，提高路径规划效率。
除了背景技术中提到的现有技术以外，目前还可能采用多领域搜索(VariableDepth Search，VDS)算法或者模拟退火(Simulate Anneal，SA)算法规划路径，但是，这两种现有方案也存在效率低下，难以搜索到最优解的问题，而本申请的方案也可以至少部分解决这些问题。
下面继续对本申请的方案进行详细说明。
图1为本说明书实施例提供的一种路径规划方法的流程示意图，该流程比如由线上系统执行，具体可以包括以下步骤：
S100：确定至少一个待配送订单对应的任务点。
在本说明书实施例中，任务点一般包括取货位置及其对应的送货位置中的至少一种，一个待配送订单对应至少一个取货位置和至少一个送货位置，下面一些实施例主要以这种情况为例进行说明。以外卖配送为例，待配送订单的取货位置即为负责制作外卖的商家所在位置，送货位置即为该用户期望该外卖的送达位置，一般为该用户的所在位置，比如，用户家或者用户公司等。适应于配送业务的不同需求，任务点也可能包括取货位置和送货位置之外的其他一些位置，比如，配送员的住址、提供线上系统的公司所在地等。任务点可以表示为电子地图中的点，该点具体可以用诸如坐标值、具体地址、所属商圈名称、所属小区名称等形式描述。
S102：基于各任务点之间的距离，对各任务点进行聚类，得到多个任务点集合。
仍以外卖配送为例，大部分商家都聚集在一些商圈，同一个商圈内的各商家的距离比较近，大部分用户也都聚集在一些小区或者办公楼，同一个小区或者同一个办公楼内的各用户的距离比较近。也即，很多任务点都是比较集中的。在规划路线时可以考虑这种集中性，尽量让配送员能够顺路地依次在各较小区域范围内集中地取货和送货，以避免配送员迂回往返以不合理路径进行配送。
基于此，可以基于各任务点之间的距离，对各任务点进行聚类，得到多个任务点集合，任务点集合反映出哪些任务点是聚集在一起的。在聚类时，可以对取货位置和送货位置一起进行聚类，也可以分别聚类。当然，也可以分类来替代聚类，比如根据各任务点的描述信息，对各任务点进行分类，将描述信息反映出相互之间的距离相近的任务点分在同一类，得到多个位置分类集合，具体分为多少类可以根据实际情况设定，比如，任务点的数量越多，设定的类的数量越多。
S104：针对至少一个用户，根据贪婪算法和设定的约束条件，以最大化订单配送效率为目标，向该用户对应的路径中插入各任务点，得到该用户对应的试规划路径，其中，所述约束条件与所述多个任务点集合相关，用于预先排除所述插入各任务点的一部分可选插入方案。
在本说明书实施例中，可以分别针对每个配送员，为该配送员规划路径。
在本说明书实施例中，订单配送效率与订单配送代价是负相关的，订单配送效率比如可以表示为订单配送代价的倒数，在这里，最大化订单配送效率也即最小化订单配送代价，订单配送代价的度量方式可以是多样的，这里不做具体限定，超时情况、路径长度、交通状况、时间段等因素都可以用于度量订单配送代价。
以综合超时情况和路径长度度量订单配送代价为例。图2为本说明书实施例提供的一种订单配送效率涉及的参数示意图。
在图2中，配送员的待配送订单有3个，每个分别对应一个取货位置和一个送货位置，两轮车图标表示配送员的出发位置，房子图标表示取货位置，人型图标表示送货位置，圆圈数字标号表示该取货位置或者送货位置对应于第几个待配送订单。涉及的参数包括：di，表示路径上第i个取送位置的前一个位置到第i个取送位置之间的距离；ti，表示路径上第i个取送位置对应的计划到达时间(通常是向用户承诺的到达时间)；Ti，表示基于该路径确定的第i个取送位置对应的预估到达时间(若按照该路径配送所预估的到达时间)。需要说明的是，在实际应用中，用户通常不太关心配送员何时到达取货位置，而只关心配送员何时到达送货位置，也即，只关心配送员何时把货送来，因此，有可能只有送货位置有对应的计划到达时间和预估到达时间，而取货位置没有对应的计划到达时间和预估到达时间，图2中即是按照这种情况标示的，对于这种情况，可以执行一些适应性的措施，以使方案中的算法仍然能够正常执行。比如，在需要使用计划到达时间和预估到达时间这两个参数时，可以忽略取货位置只考虑送货位置，或者为取货位置设置默认的计划到达时间和预估到达时间(比如，默认取货位置这两个参数相等)，等等。
基于上述参数，计算订单配送代价的具体公式也可以是多样的。比如，可以采用以下公式计算订单配送代价：
在公式一中，max(Ti-ti,0)这项反映了超时情况，(Ti-ti具体为预估超时时间)，预估超时时间与订单配送代价基本是正相关的，di这项反映了订单配送路径长度，订单配送路径长度与订单配送代价基本是正相关的。公式一是示例性的，可以对公式一进行改造，得到也可以用于计算订单配送代价的其他一些公式。比如，对公式一中的两项分别进行归一化处理，或者，也可以将对公式一中的两项用乘法合成一项，等等。
在本说明书实施例中，会根据贪婪算法，以最大化订单配送效率为目标，在可选插入方案中进行贪婪搜索，以得到试规划路径。但是，并不是在全部的可选插入方案中进行贪婪搜索，而是利用根据步骤S104的任务点集合设定的约束条件，预先排除了一部分可选插入方案，在剩余的可选插入方案中进行贪婪搜索。下面先结合图3对贪婪搜索进行说明，再进一步地说明所设定的约束条件。
图3为本说明书实施例提供的路径规划时取货位置和送货位置在路径上的排列顺序的多种可选方案示意图。假定按照至少一个待配送订单的顺序，依次插入待配送订单的各任务点，待配送订单的排序方式可以是多样的，比如，按照计划到达时间的先后顺序进行排序，或者，按照下单时间的先后顺序进行排序，等等。
具体地，按照对各待配送订单排序的顺序，依次针对每个待配送订单，执行：
确定该待配送订单对应的可选插入方案，可选插入方案用于将该待配送订单对应的任务点插入至该用户对应的路径中；在确定的各可选插入方案中，排除不符合所设定的约束条件的可选插入方案；根据贪婪算法，针对排除后剩余的各可选插入方案，分别确定其对应的订单配送效率，按照订单配送效率最高的可选插入方案，将该待配送订单对应的任务点插入至该用户对应的路径中。
具体到图3，子图(A)表示以最大化当前的订单配送效率为目标，向某用户对应的路径中插入第一个待配送订单的取货位置和送货位置，该步骤只有1种可选插入方案，即第一个待配送订单的取货位置在前，送货位置在后的可选插入方案。
进一步地，在子图(A)的基础上，再以最大化当前的订单配送效率为目标，向该用户对应的路径中插入第二个待配送订单的取送位置，该步骤共有6种可选插入方案，分别如子图(B)～(G)所示，若在这6种可选插入方案中，存在不符合约束条件的可选插入方案，则预先将其排除，再通过计算排除后剩余的各可选插入方案的订单配送效率，选择其中订单配送效率最高的方案，以此类似，再继续插入下一个待配送订单的取送位置，直至插入全部待配送订单的取送位置。这即是一种结合了约束条件的贪婪搜索过程，在执行每一步骤时，选择当前的最优方案，该场景下最优方案指当前的订单配送效率最高的方案。其中，在路径中顺序越靠前的位置表示将会越早到达的位置。
在本说明书实施例中，根据任务点集合设定的约束条件可以是多样的。约束条件比如包括：
第一种约束条件：针对每个任务点，若该任务点能够被插入至该用户对应的路径中的第一指定位置，则不将该任务点插入至该用户对应的路径中的第二指定位置；该任务点所属的任务点集合为所属集合；所述第一指定位置为：与所述所属集合中的任一任务点相邻的位置；所述第二指定位置为：位于所述所属集合中的所有任务点之前、且不与所述所属集合中的任一任务点相邻的位置；和/或
第二种约束条件：针对每个任务点，若该任务点能够被插入至该用户对应的路径中的第三指定位置，则不将该任务点插入至该用户对应的路径中的第四指定位置；该任务点所属的任务点集合为所属集合；所述第三指定位置为：位于所述所属集合中的所有任务点之后、且相邻两个任务点所属的任务点集合不同的位置；所述第四指定位置为：位于所述所属集合中的所有任务点之后、且相邻的两个任务点所属的任务点集合相同的位置。
上面列举的两种约束条件，在每种约束条件中，分别比较了两类可选插入方案，前一类可选插入方案可能被尝试，而后一类可选插入方案会被预先排除在贪婪搜索的过程中不会被尝试。原因在于后一类可选插入方案相对于前一类可选插入方案往往是劣化方案，订单配送效率更低。
更直观地，结合图4、图5分别对上面列举的两种约束条件进行示例性的说明，在图4和图5中，每个虚线圆圈分别表示一个任务点集合，虚线圆圈下的数字表示是第几个任务点集合。
图4为本说明书实施例提供的上述的第一种约束条件的原理示意图。
在图4中，子图(A)表示第一种约束条件中比较的前一类可选插入方案，子图(B)表示第一种约束条件中所比较的后一类可选插入方案。假定当前插入的是第3个待配送订单对应的取货位置，该取货位置属于任务点集合2，在子图(A)中，该取货位置被插入至任务点集合2中的另一个送货位置(第1个待配送订单对应的送货位置)相邻的位置(具体是后方的邻居)，而在子图(B)中，该取货位置被插入至出发位置与第1个待配送订单对应的取货位置之间，被插入的取货位置是属于任务点集合2的，任务点集合2中的任务点相比于任务点集合1中的任务点，距离出发位置更远，若配送员按照子图(B)中的路径进行配送，需要先去较远的任务点集合2所在区域，取第3个待配送订单的货，再折返至较近的任务点集合1所在区域，取第1、2个待配送订单的货，然后再次去较远的任务点集合2所在区域，送第1个待配送订单的货，如此，相比于子图(A)，无谓地增加了路径长度，而其他订单也不会因此更早送到，由此可以归纳出这样的结论：如果任务点j属于任务点集合i，则将任务点j插入任务点集合i之前的其他任务点集合不如插入任务点集合i，根据该结论得到上述的第一种约束条件。
图5为本说明书实施例提供的上述的第二种约束条件的原理示意图。
在图5中，子图(A)表示第二种约束条件中比较的前一类可选插入方案，子图(B)表示第二种约束条件中比较的后一类可选插入方案。假定当前插入的是第1个待配送订单对应的送货位置，该送货位置属于任务点集合2，在子图(A)中，该送货位置被插入至任务点集合3中的一个送货位置(第3个待配送订单对应的送货位置)之后的任务点集合(任务点集合3和4)之间，而在子图(B)中，该送货位置被插入至任务点集合3中的两个的送货位置之间，这会导致路径长度增加，而其他订单也不会因此更早送到，由此可以归纳出这样的结论：如果任务点j属于任务点集合i，则将任务点j插入任务点集合i之后的其他任务点集合内不如插入任务点集合之间，根据该结论得到上述的第二种约束条件。
除了上面列举的两种约束条件以外，还可以根据任务点集合设置一些其他的约束条件，其他的约束条件所排除的多个可选插入方案可以与上面列举的两种约束条件所排除的多个可选插入方案至少部分重叠。比如，还可以设置约束条件：距离配送员的出发位置相对近的任务点集合内的全部任务点插入后的顺序，均比距离出发位置相对远的任务点集合内的全部任务点插入后的顺序靠前。
需要说明的是，一般地，在进行路径规划时，有至少一个客观的前提条件需要满足，该前提条件是每个待配送订单对应的取货位置的到达顺序在其对应的送货位置之前而不是之后(先取货再送货)，不满足该前提条件的方案本申请会作为不可选插入方案，而非可选插入方案。
S106：根据各任务点对应的计划到达时间，以及基于所述试规划路径配送确定的各任务点对应的预估到达时间，对所述试规划路径进行调整，得到该用户对应的规划结果路径。
在本说明书实施例中，通过步骤S104中基于约束条件进行贪婪搜索得到试规划路径后，还可以对试规划路径进行调整，原因在于，贪婪搜索是在每一步骤执行后的基础上追求最优，贪婪搜索完毕时得到的方案确未必是全局最优的，有可能陷入局部最优的情况。
在调整时，具体可以根据计划到达时间和预估到达时间进一步地进行局部搜索，以较小的实施成本尝试搜索全局更优(整体的订单配送效率更高)的方案。比如，根据计划到达时间和预估到达时间，可以预估出按照试规划路径配送时，待配送订单的超时情况(反映为预估到达时间减去计划到达时间等于预估超时时间)和提前到达情况(反映为计划到达时间减去预估到达时间等于预估提前到达时间)，对于超时的待配送订单，可以尝试将其配送顺序向前调整，对于提前到达的待配送订单，可以尝试将其配送顺序向后调整。
本申请对于何时结束调整并不做具体限定，可以根据实际需求设定相应的结束判断条件。比如，可以当订单配送效率大于设定阈值时，结束调整；再比如，可以当调整设定次数时，结束调整；再比如，可以当预估各待配送订单均超时情况和/或提前到达情况均到期望，结束调整；等等。
通过图1的方法，由于会基于至少一个待配送订单对应的各任务点之间的距离，对各任务点进行聚类，根据聚类得到的多个任务点集合设定约束条件，根据贪婪算法和设定的约束条件，以最大化订单配送效率为目标，向用户对应的路径中插入各任务点，得到该用户对应的试规划路径，其中，约束条件与多个任务点集合相关，用于预先排除插入各任务点的一部分可选插入方案，从而无需将所有的可选插入方案全部尝试，也即无需将取货位置和送货位置在路径上的排列顺序的可选方案全部尝试，然后，再根据各任务点对应的计划到达时间，以及基于试规划路径确定的各任务点对应的预估到达时间，对试规划路径进行调整，得到该用户对应的规划结果路径，可见，本说明书提供的方案有助于减少路径规划计算量，提高路径规划速度。
基于图1的方法，本说明书实施例还提供了该方法的另一些具体实施方法和扩展方案，下面继续说明。
在本说明书实施例中，假定基于距离对各任务点进行聚类，而不是分类，可以采用以下具体实施方案：
一次或者多次遍历各任务点，针对遍历到的任务点，执行：
若该任务点不属于任何已得到的任务点集合，针对每个已得到的任务点集合，判断该任务点与已得到的任务点集合的聚类中心之间的距离是否小于预设阈值，若是，则将该任务点划分至该任务点集合，否则，以该任务点为聚类中心，增加一个任务点集合；
若该任务点属于已得到的任务点集合，针对除该任务点所属的聚类集合以外的其他任务点集合，判断该任务点与其所属的任务点集合的聚类中心之间的距离是否大于该任务点与该其他任务点集合的聚类中心之间的距离，若是，则将该任务点划分至该其他任务点集合。
其中，遍历顺序不做具体限定，比如，可以从当前距离配送员最近的相对位置开始，依次遍历各任务点。
为了加快聚类速度，也可以在电子地图上先粗略地划分出多块区域，分别对每块区域中的任务点进行聚类，再合并各块区域的聚类结果。
在本说明书实施例中，前面提到，可以根据预估待配送订单的超时情况和提前到达情况，并据此调整试规划路径。这里分别提供了两种具体实施方案。
第一种调整方案是基于超时情况的，具体包括：选取基于试规划路径确定的预估超时时间最多的任务点(可以只考虑送货位置)，将该任务点在试规划路径中向前移动(可以移动一个或者多个身位，一个任务点表示一个身位)，若确定移动后订单配送效率提高，则保留对试规划路径的调整，否则，不保留对试规划路径的调整；通过迭代执行上一步骤(可以预先设置结束迭代的判断条件)，得到规划结果路径；其中，预估超时时间为任务点对应的预估到达时间与任务点对应的计划到达时间之差。
第一种调整方案在具体实施时还可以增加更多的判断条件，比如，参见图6a，图6a为本说明书实施例提供的基于超时情况进行试规划路径调整的流程示意图。在图6a中，在选取预估超时时间最多的任务点后，还进一步地判断了该任务点的预估超时时间是否超过预设时长(以5分钟为例)，若是，则将该任务点向前移动并执行后续动作，否则可以结束流程。
第二种调整方案是基于提前到达情况的，具体包括：选取基于试规划路径确定的预估提前到达时间最多的任务点(可以只考虑送货位置)，将该任务点在试规划路径中向后移动(可以移动一个或者多个身位，一个任务点表示一个身位)，若确定移动后订单配送效率提高，则保留对试规划路径的调整，否则，不保留对试规划路径的调整；通过迭代执行上一步骤(可以预先设置结束迭代的判断条件)，得到规划结果路径；其中，预估提前到达时间为任务点对应的计划到达时间与任务点对应的预估到达时间之差。
第二种调整方案在具体实施时也可以增加更多的判断条件，比如，参见图6b，图6b为本说明书实施例提供的基于提前到达情况进行试规划路径调整的流程示意图。在图6b中，在确定预估提前到达时间最多的任务点后，还进一步地判断了该任务点的预估提前到达时间是否超过预设时长(以5分钟为例)，若是，则将该任务点向后移动并执行后续动作，否则可以结束流程。
本说明书实施例还提供了一些实验数据来说明本申请的方案的效果。
根据前面说明可知，本申请的方案是先基于设定的约束条件进行贪婪搜索，得到试规划路径，再针对试规划路径进一步地局部搜索，得到规划结果路径，这里可以将得到试规划路径的过程称为初始化过程，现有技术有采用随机初始化算法来得到试规划路径，而本申请的初始化算法相比于随机初始化算法更为快速，可以称其为快速初始化算法，两种初始化算法的具体效果对比如下表1所示。
表1
进一步地对比本申请的方案与现有技术遍历全部可选方案的暴力搜索方案的效果，如下表2所示，本申请的方案的算法执行时间要远小于暴力搜索方案。
表2
进一步地对比本申请的方案与现有技术VDS方案和SA方案效果，如下表3所示，本申请的方案的算法执行时间要小于VDS方案和SA方案。
表3
基于同样的思路，本说明书实施例还提供了对应于图1的一种路径规划装置。
图7为该装置的结构示意图，图7中的装置包括：
确定模块700，确定至少一个待配送订单对应的任务点；
聚类模块702，基于各任务点之间的距离，对各任务点进行聚类，得到多个任务点集合；
试规划模块704，针对至少一个用户，根据贪婪算法和设定的约束条件，以最大化订单配送效率为目标，向该用户对应的路径中插入各任务点，得到该用户对应的试规划路径，其中，所述约束条件与所述多个任务点集合相关；
调整模块706，根据各任务点对应的计划到达时间，以及基于所述试规划路径确定的各任务点对应的预估到达时间，对所述试规划路径进行调整，得到该用户对应的规划结果路径。
本说明书实施例还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行图1的一种路径规划方法。
本说明书实施例还提出了图8所示的对应于图1的电子设备的结构示意图。如图8，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现图1的一种路径规划方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种路径规划方法，其特征在于，所述方法包括：
确定至少一个待配送订单对应的任务点；
基于各任务点之间的距离，对各任务点进行聚类，得到多个任务点集合；
针对至少一个用户，根据贪婪算法和设定的约束条件，以最大化订单配送效率为目标，向该用户对应的路径中插入各任务点，得到该用户对应的试规划路径，其中，所述约束条件与所述多个任务点集合相关；
根据各任务点对应的计划到达时间，以及基于所述试规划路径确定的各任务点对应的预估到达时间，对所述试规划路径进行调整，得到该用户对应的规划结果路径。
2.如权利要求1所述的方法，其特征在于，基于各任务点之间的距离，对各任务点进行聚类，得到多个任务点集合，包括：
一次或者多次遍历各任务点，针对遍历到的任务点，执行：
若该任务点不属于任何已得到的任务点集合，针对每个已得到的任务点集合，判断该任务点与已得到的任务点集合的聚类中心之间的距离是否小于预设阈值，若是，则将该任务点划分至该任务点集合，否则，以该任务点为聚类中心，增加一个任务点集合；
若该任务点属于已得到的任务点集合，针对除该任务点所属的任务点集合以外的其他任务点集合，判断该任务点与其所属的任务点集合的聚类中心之间的距离是否大于该任务点与该其他任务点集合的聚类中心之间的距离，若是，则将该任务点划分至该其他任务点集合。
3.如权利要求1所述的方法，其特征在于，根据贪婪算法和设定的约束条件，以最大化订单配送效率为目标，向该用户对应的路径中插入各任务点，得到该用户对应的试规划路径，包括：
将所述至少一个待配送订单按照计划到达时间的先后顺序进行排序；
根据贪婪算法和设定的约束条件，以最大化订单配送效率为目标，按照所述排序的顺序，依次将所述至少一个待配送订单分别对应的任务点插入至该用户对应的路径中，得到试规划路径。
4.如权利要求3所述的方法，其特征在于，根据贪婪算法和设定的约束条件，以最大化订单配送效率为目标，按照所述排序的顺序，依次将所述至少一个待配送订单分别对应的任务点插入至该用户对应的路径中，包括：
按照所述排序的顺序，依次针对每个所述待配送订单，执行：
确定该待配送订单对应的可选插入方案，所述可选插入方案用于将该待配送订单对应的任务点插入至该用户对应的路径中；
在确定的各可选插入方案中，选择符合所述约束条件的可选插入方案；
根据贪婪算法，针对选择的各可选插入方案，分别确定该可选插入方案对应的订单配送效率，根据订单配送效率最高的可选插入方案，将该待配送订单对应的任务点插入至该用户对应的路径中。
5.如权利要求1所述的方法，其特征在于，所述约束条件包括：
针对每个任务点，若该任务点能够被插入至该用户对应的路径中的第一指定位置，则不将该任务点插入至该用户对应的路径中的第二指定位置；该任务点所属的任务点集合为所属集合；所述第一指定位置为：与所述所属集合中的任一任务点相邻的位置；所述第二指定位置为：位于所述所属集合中的所有任务点之前、且不与所述所属集合中的任一任务点相邻的位置；和/或
针对每个任务点，若该任务点能够被插入至该用户对应的路径中的第三指定位置，则不将该任务点插入至该用户对应的路径中的第四指定位置；该任务点所属的任务点集合为所属集合；所述第三指定位置为：位于所述所属集合中的所有任务点之后、且相邻两个任务点所属的任务点集合不同的位置；所述第四指定位置为：位于所述所属集合中的所有任务点之后、且相邻的两个任务点所属的任务点集合相同的位置。
6.如权利要求1所述的方法，其特征在于，对所述试规划路径进行调整，得到该用户对应的规划结果路径，包括：
选取基于所述试规划路径确定的预估超时时间最多的任务点，将该任务点在所述试规划路径中向前移动，若确定移动后所述订单配送效率提高，则保留对所述试规划路径的调整，否则，不保留对所述试规划路径的调整；
通过迭代执行上一步骤，得到规划结果路径；
其中，所述预估超时时间为任务点对应的预估到达时间与计划到达时间之差。
7.如权利要求1所述的方法，其特征在于，对所述试规划路径进行调整，得到该用户对应的规划结果路径，包括：
选取基于所述试规划路径确定的预估提前到达时间最多的任务点，将该任务点在所述试规划路径中向后移动，若确定移动后所述订单配送效率提高，则保留对所述试规划路径的调整，否则，不保留对所述试规划路径的调整；
通过迭代执行上一步骤，得到规划结果路径；
其中，所述预估提前到达时间为任务点对应的计划到达时间与预估到达时间之差。
8.一种路径规划装置，其特征在于，包括：
确定模块，确定至少一个待配送订单对应的任务点；
聚类模块，基于各任务点之间的距离，对各任务点进行聚类，得到多个任务点集合；
试规划模块，针对至少一个用户，根据贪婪算法和设定的约束条件，以最大化订单配送效率为目标，向该用户对应的路径中插入各任务点，得到该用户对应的试规划路径，其中，所述约束条件与所述多个任务点集合相关；
调整模块，根据各任务点对应的计划到达时间，以及基于所述试规划路径确定的各任务点对应的预估到达时间，对所述试规划路径进行调整，得到该用户对应的规划结果路径。
9.一种计算机可读存储介质，其特征在于，所述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上述权利要求1-7任一所述的方法。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现上述权利要求1-7任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910498034.0A CN110231044B (zh) | 2019-06-10 | 2019-06-10 | 一种路径规划方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910498034.0A CN110231044B (zh) | 2019-06-10 | 2019-06-10 | 一种路径规划方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110231044A true CN110231044A (zh) | 2019-09-13 |
| CN110231044B CN110231044B (zh) | 2020-09-04 |
Family
ID=67859375
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910498034.0A Active CN110231044B (zh) | 2019-06-10 | 2019-06-10 | 一种路径规划方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110231044B (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110956384A (zh) * | 2019-11-26 | 2020-04-03 | 拉扎斯网络科技（上海）有限公司 | 配送任务的处理方法、装置、电子设备及可读存储介质 |
| CN111428925A (zh) * | 2020-03-20 | 2020-07-17 | 北京百度网讯科技有限公司 | 用于确定配送路径的方法和装置 |
| CN111553626A (zh) * | 2020-04-09 | 2020-08-18 | 北京顺达同行科技有限公司 | 一种路径规划方法、装置、电子设备及其存储介质 |
| CN111652552A (zh) * | 2020-05-29 | 2020-09-11 | 优信数享（北京）信息技术有限公司 | 一种用于物流订单运输规划方法、系统及装置 |
| CN111800739A (zh) * | 2020-06-22 | 2020-10-20 | 河南理工大学 | 骑手送餐导航自动拨号系统及工作流程 |
| CN112051843A (zh) * | 2020-08-07 | 2020-12-08 | 深圳优地科技有限公司 | 基于订单预估的路径规划方法、装置、机器人和存储介质 |
| CN112949887A (zh) * | 2019-12-11 | 2021-06-11 | 顺丰科技有限公司 | 派件路径的规划方法、装置、设备及计算机可读存储介质 |
| CN113128743A (zh) * | 2020-01-15 | 2021-07-16 | 北京京东振世信息技术有限公司 | 一种拣货路径规划方法和装置 |
| CN113283834A (zh) * | 2021-05-21 | 2021-08-20 | 坐标系未来科技(杭州)有限公司 | 运输路径规划方法和系统 |
| CN113326959A (zh) * | 2020-02-28 | 2021-08-31 | 北京京东振世信息技术有限公司 | 一种优化路径的方法和装置 |
| CN113807753A (zh) * | 2020-06-12 | 2021-12-17 | 北京物联顺通科技有限公司 | 配送线路规划方法、装置、服务器及存储介质 |
| CN113819922A (zh) * | 2021-10-29 | 2021-12-21 | 成都清渟科技有限公司 | 一种智能路线规划方法 |
| CN113865607A (zh) * | 2021-09-26 | 2021-12-31 | 上海擎朗智能科技有限公司 | 路径规划方法、装置、设备及存储介质 |
| CN114063612A (zh) * | 2021-10-20 | 2022-02-18 | 深圳市优必选科技股份有限公司 | 一种路径规划方法、路径规划装置及电子设备 |
| CN116400706A (zh) * | 2023-04-26 | 2023-07-07 | 巴斯夫一体化基地(广东)有限公司 | 用于转运测试样本、优化规划路径的方法和装置 |
| CN116882691A (zh) * | 2023-07-19 | 2023-10-13 | 特维沃(上海)智能科技有限责任公司 | 实验计划的自动排程处理方法、装置、设备及可读介质 |
| WO2024067815A1 (zh) * | 2022-09-30 | 2024-04-04 | 深圳顺丰泰森控股(集团)有限公司 | 快递配送方法、装置、电子设备及计算机可读存储介质 |
| CN113819922B (zh) * | 2021-10-29 | 2024-05-03 | 成都清渟科技有限公司 | 一种智能路线规划方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016095752A (ja) * | 2014-11-17 | 2016-05-26 | 富士通株式会社 | 配送計画プログラム、配送計画方法、および配送計画装置 |
| CN105719221A (zh) * | 2015-06-30 | 2016-06-29 | 北京小度信息科技有限公司 | 针对多任务的路径协同规划方法和装置 |
| CN107038504A (zh) * | 2017-04-19 | 2017-08-11 | 上海卓易电子科技有限公司 | 一种路线优化方法以及系统 |
| CN107392513A (zh) * | 2017-01-26 | 2017-11-24 | 北京小度信息科技有限公司 | 订单处理方法和装置 |
| CN107464018A (zh) * | 2017-08-01 | 2017-12-12 | 北京同城必应科技有限公司 | 一种配送路径优化方法和装置、计算机设备、存储介质 |
| CN107704942A (zh) * | 2016-08-08 | 2018-02-16 | 阿里巴巴集团控股有限公司 | 配送路径确定方法、装置和设备 |
| CN108985597A (zh) * | 2018-06-29 | 2018-12-11 | 华南理工大学 | 一种动态物流调度方法 |
| CN109214551A (zh) * | 2018-08-08 | 2019-01-15 | 北京三快在线科技有限公司 | 一种配送调度方法及装置 |
| CN109816132A (zh) * | 2017-11-20 | 2019-05-28 | 北京京东尚科信息技术有限公司 | 信息生成方法和装置 |
-
2019
- 2019-06-10 CN CN201910498034.0A patent/CN110231044B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016095752A (ja) * | 2014-11-17 | 2016-05-26 | 富士通株式会社 | 配送計画プログラム、配送計画方法、および配送計画装置 |
| CN105719221A (zh) * | 2015-06-30 | 2016-06-29 | 北京小度信息科技有限公司 | 针对多任务的路径协同规划方法和装置 |
| CN107704942A (zh) * | 2016-08-08 | 2018-02-16 | 阿里巴巴集团控股有限公司 | 配送路径确定方法、装置和设备 |
| CN107392513A (zh) * | 2017-01-26 | 2017-11-24 | 北京小度信息科技有限公司 | 订单处理方法和装置 |
| CN107038504A (zh) * | 2017-04-19 | 2017-08-11 | 上海卓易电子科技有限公司 | 一种路线优化方法以及系统 |
| CN107464018A (zh) * | 2017-08-01 | 2017-12-12 | 北京同城必应科技有限公司 | 一种配送路径优化方法和装置、计算机设备、存储介质 |
| CN109816132A (zh) * | 2017-11-20 | 2019-05-28 | 北京京东尚科信息技术有限公司 | 信息生成方法和装置 |
| CN108985597A (zh) * | 2018-06-29 | 2018-12-11 | 华南理工大学 | 一种动态物流调度方法 |
| CN109214551A (zh) * | 2018-08-08 | 2019-01-15 | 北京三快在线科技有限公司 | 一种配送调度方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 富佳 等，: ""城市冷链物流配送路径优化研究"", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 * |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110956384A (zh) * | 2019-11-26 | 2020-04-03 | 拉扎斯网络科技（上海）有限公司 | 配送任务的处理方法、装置、电子设备及可读存储介质 |
| CN112949887A (zh) * | 2019-12-11 | 2021-06-11 | 顺丰科技有限公司 | 派件路径的规划方法、装置、设备及计算机可读存储介质 |
| CN112949887B (zh) * | 2019-12-11 | 2023-11-28 | 顺丰科技有限公司 | 派件路径的规划方法、装置、设备及计算机可读存储介质 |
| CN113128743A (zh) * | 2020-01-15 | 2021-07-16 | 北京京东振世信息技术有限公司 | 一种拣货路径规划方法和装置 |
| CN113326959A (zh) * | 2020-02-28 | 2021-08-31 | 北京京东振世信息技术有限公司 | 一种优化路径的方法和装置 |
| CN113326959B (zh) * | 2020-02-28 | 2023-11-03 | 北京京东振世信息技术有限公司 | 一种优化路径的方法和装置 |
| CN111428925B (zh) * | 2020-03-20 | 2022-07-19 | 北京百度网讯科技有限公司 | 用于确定配送路径的方法和装置 |
| CN111428925A (zh) * | 2020-03-20 | 2020-07-17 | 北京百度网讯科技有限公司 | 用于确定配送路径的方法和装置 |
| CN111553626A (zh) * | 2020-04-09 | 2020-08-18 | 北京顺达同行科技有限公司 | 一种路径规划方法、装置、电子设备及其存储介质 |
| CN111652552A (zh) * | 2020-05-29 | 2020-09-11 | 优信数享（北京）信息技术有限公司 | 一种用于物流订单运输规划方法、系统及装置 |
| CN113807753A (zh) * | 2020-06-12 | 2021-12-17 | 北京物联顺通科技有限公司 | 配送线路规划方法、装置、服务器及存储介质 |
| CN111800739A (zh) * | 2020-06-22 | 2020-10-20 | 河南理工大学 | 骑手送餐导航自动拨号系统及工作流程 |
| CN112051843A (zh) * | 2020-08-07 | 2020-12-08 | 深圳优地科技有限公司 | 基于订单预估的路径规划方法、装置、机器人和存储介质 |
| CN113283834A (zh) * | 2021-05-21 | 2021-08-20 | 坐标系未来科技(杭州)有限公司 | 运输路径规划方法和系统 |
| CN113865607A (zh) * | 2021-09-26 | 2021-12-31 | 上海擎朗智能科技有限公司 | 路径规划方法、装置、设备及存储介质 |
| CN114063612A (zh) * | 2021-10-20 | 2022-02-18 | 深圳市优必选科技股份有限公司 | 一种路径规划方法、路径规划装置及电子设备 |
| CN113819922A (zh) * | 2021-10-29 | 2021-12-21 | 成都清渟科技有限公司 | 一种智能路线规划方法 |
| CN113819922B (zh) * | 2021-10-29 | 2024-05-03 | 成都清渟科技有限公司 | 一种智能路线规划方法 |
| WO2024067815A1 (zh) * | 2022-09-30 | 2024-04-04 | 深圳顺丰泰森控股(集团)有限公司 | 快递配送方法、装置、电子设备及计算机可读存储介质 |
| CN116400706A (zh) * | 2023-04-26 | 2023-07-07 | 巴斯夫一体化基地(广东)有限公司 | 用于转运测试样本、优化规划路径的方法和装置 |
| CN116882691A (zh) * | 2023-07-19 | 2023-10-13 | 特维沃(上海)智能科技有限责任公司 | 实验计划的自动排程处理方法、装置、设备及可读介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110231044B (zh) | 2020-09-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110231044A (zh) | 一种路径规划方法及装置 | |
| CN106529883B (zh) | 分配数据对象的方法及装置 | |
| CN110414731B (zh) | 订单分配的方法、装置、计算机可读存储介质及电子设备 | |
| CN107368510B (zh) | 一种店铺搜索排序方法及装置 | |
| CN105135782B (zh) | 一种基于物联网的智能冰箱管理系统 | |
| CN110163417A (zh) | 一种业务量的预测方法、装置及设备 | |
| CN110400012A (zh) | 一种确定配送路径的方法及装置 | |
| CN109887272A (zh) | 一种交通人流量的预测方法及装置 | |
| CN102446192A (zh) | 在虚拟世界中评估关注度的方法和装置 | |
| CN110443541A (zh) | 一种压单处理方法及装置 | |
| CN109034183A (zh) | 一种目标检测方法、装置及设备 | |
| CN109840111A (zh) | 一种图形化的业务处理系统和方法 | |
| CN110378617A (zh) | 一种样本标注方法、装置、存储介质及设备 | |
| CN109391680A (zh) | 一种定时任务数据处理方法、装置及系统 | |
| CN110378400A (zh) | 一种用于图像识别的模型训练方法及装置 | |
| CN110532295A (zh) | 一种计算机实施的信息处理、信息查询的方法及装置 | |
| CN108665158A (zh) | 一种训练风控模型的方法、装置及设备 | |
| CN109428929A (zh) | 目标对象的位置信息的确定方法、服务器及用户客户端 | |
| CN110059023A (zh) | 一种刷新级联缓存的方法、系统及设备 | |
| CN110046788A (zh) | 车辆需求量预测方法及装置、车辆供给量预测方法及装置 | |
| CN110020775A (zh) | 一种风险交易管控方法及装置 | |
| CN109003071A (zh) | 支付方法、装置及设备 | |
| CN109919357A (zh) | 一种数据确定方法、装置、设备及介质 | |
| CN110148013A (zh) | 一种用户标签分布预测方法、装置及系统 | |
| CN107704942A (zh) | 配送路径确定方法、装置和设备 |
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 |