CN110348678A - 配送资源的调度及针对菜品配送的资源调度方法及装置 - Google Patents

配送资源的调度及针对菜品配送的资源调度方法及装置 Download PDF

Info

Publication number
CN110348678A
CN110348678A CN201910472165.1A CN201910472165A CN110348678A CN 110348678 A CN110348678 A CN 110348678A CN 201910472165 A CN201910472165 A CN 201910472165A CN 110348678 A CN110348678 A CN 110348678A
Authority
CN
China
Prior art keywords
dispatching
address
cluster
resource
data
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
CN201910472165.1A
Other languages
English (en)
Inventor
李爽
苏昆辉
赵国旗
罗振环
李智锋
汤恩清
阳朝霞
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.)
Koubei Shanghai Information Technology Co Ltd
Original Assignee
Koubei Shanghai 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 Koubei Shanghai Information Technology Co Ltd filed Critical Koubei Shanghai Information Technology Co Ltd
Priority to CN201910472165.1A priority Critical patent/CN110348678A/zh
Publication of CN110348678A publication Critical patent/CN110348678A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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

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)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种配送资源的调度方法，包括：获得服务配送计划数据；根据所述服务配送计划数据，获得配送地址；对所述配送地址进行聚类处理，获得配送地址聚类；调整所述配送地址聚类，直到根据所述服务配送计划数据进行配送所需要的配送资源数量最少；根据调整后的配送地址聚类，生成配送资源的调度数据，所述配送资源为用于根据所述服务配送计划数据提供配送服务的资源；将所述调度数据输出给配送提供方的计算设备。采用所述方法，能够提高配送资源的利用率。

Description

配送资源的调度及针对菜品配送的资源调度方法及装置
技术领域
本申请涉及数据处理技术领域，具体涉及一种配送资源的调度方法及装置。本申请同时涉及一种针对菜品配送的资源调度方法及装置，本申请还涉及一种服务配送调度系统。
背景技术
随着互联网技术的发展，需要采用配送方式提供的服务也日益增多，给配送业务带来很大压力。
目前服务预约多为用户主动下单，服务提供方获得服务订单后分派配送资源进行配送。尤其是针对菜品配送的场景，服务订单的实时性较高，难以提前获得需要配送的服务订单的信息。但是随着服务预约模式的不断变化，逐渐出现了能提前收集到配送计划数据的情况。已知配送计划数据的场景下，如果针对所述配送计划数据分配的配送资源的配送路线进行优化，使得所需要的配送资源数量最小，则能够提升配送资源的利用率。
因此，如何对配送资源进行调度，是需要解决的问题。
发明内容
本申请提供一种配送资源的调度方法，以提高配送资源的利用率。
本申请提供一种配送资源的调度方法，包括：
获得服务配送计划数据；
根据所述服务配送计划数据，获得配送地址；所述配送地址为配送出发地址和配送目的地址中的至少一种地址；
对所述配送地址进行聚类处理，获得配送地址聚类；
调整所述配送地址聚类，直到根据所述服务配送计划数据进行配送所需要的配送资源数量最少；
根据调整后的配送地址聚类，生成配送资源的调度数据，所述配送资源为用于根据所述服务配送计划数据提供配送服务的资源；
将所述调度数据输出给配送提供方的计算设备。
可选的，所述对所述配送地址进行聚类，获得配送地址聚类，包括：
获得所述配送地址的聚类数量；
设置初始聚类质点信息；
计算所述配送地址与所述初始聚类质点信息中的第一质点之间的第一距离，以及，所述配送地址与所述初始聚类质点信息中的第二质点之间的第二距离；
如果所述第一距离小于所述第二距离，则将所述配送地址归类到所述第一质点对应的配送地址聚类中；
获得所述第一质点对应的配送地址聚类的第一聚类中心，计算所述配送地址聚类中每个配送地址到所述第一聚类中心的距离，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数。
可选的，所述初始聚类质点信息中包含的聚类质点的数量与所述配送地址聚类的数量相同。
可选的，还包括：获得电子地图数据；从所述电子地图数据中选择位置点信息作为所述初始聚类质点信息。
可选的，所述获得所述第一质点对应的配送地址聚类的第一聚类中心，计算所述配送地址聚类中每个配送地址到所述第一聚类中心的距离，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数，包括：采用梯度下降算法或最大期望算法迭代调整配送地址聚类，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数；其中，所述聚类中心为与所述配送地址聚类中的每个配送地址之间的距离之和最小的质点。
可选的，所述调整所述配送地址聚类，直到根据所述服务配送计划数据进行配送需要的配送资源数量最少，包括：
针对每个配送地址聚类，确定遍历所述配送地址聚类中的每个配送地址所需要的总运力；其中，所述总运力为按照目标路线遍历所述配送地址经历的总距离；
根据所述总运力，确定每个配送地址聚类需要的配送资源的第一数量；
将每个配送地址聚类需要的配送资源数量进行加和，得到按照当前聚类结果根据所述服务配送计划数据进行配送需要的配送资源的第二数量；
针对所述配送地址聚类的数量进行迭代调整处理，直到所述第二数量最少，将得到的聚类结果作为所述调整后的配送地址聚类。
可选的，还包括：获得配送资源的运力，所述配送资源的运力为所述配送资源在预设时间内能够配送的距离；
所述根据所述总运力，确定每个配送地址聚类需要的配送资源的第一数量，包括：根据所述总运力以及所述配送资源的运力，确定所述第一数量。
可选的，所述根据调整后的配送地址聚类，生成配送资源的调度数据，包括：将所述调整后的配送地址聚类、调整后的每个配送地址聚类的配送资源数量以及遍历所述每个配送地址聚类的配送地址的遍历路径，作为所述配送资源的调度数据。
可选的，所述针对每个配送地址聚类，确定遍历所述配送地址聚类中的每个配送地址所需要的总运力，包括：
获得每个配送地址聚类的聚类质点；
从所述聚类质点出发，使用距离贪婪算法确定下一个配送地址，直至遍历完所述配送地址聚类中的所有配送地址；
将遍历路径的总长度，作为所述配送地址聚类需要的总运力。
可选的，所述针对所述配送地址聚类的数量进行迭代调整处理，直到所述第二数量最少，将得到的聚类结果作为所述调整后的配送地址聚类，包括：针对每次迭代过程，获得对应的第二数量结果；
如果迭代次数达到预设迭代次数阈值，或者，如果通过当前一次迭代过程得到的第二数量结果与通过上一次迭代过程得到的第二数量结果的差值小于预设阈值，则结束迭代处理。
可选的，还包括：获得配送提供方的计算设备提供的反馈数据；根据所述反馈数据，生成针对所述服务配送计划数据的补充调度数据；其中，所述补充调度数据用于作为针对所述配送资源的调度数据的补充调度数据。
可选的，还包括：如果所述反馈数据表示所述配送资源对应的服务配送不能准时送达，则获得空闲配送资源，将所述空闲配送资源分配给所述反馈数据包含的未完成配送订单。
本申请还提供一种针对菜品配送的资源调度方法，包括：
获得外卖配送计划数据；
根据所述外卖配送计划数据，获得配送地址；所述配送地址为配送出发地址和配送目的地址中的至少一种地址；
对所述配送地址进行聚类处理，获得配送地址聚类；
调整所述配送地址聚类，直到根据所述外卖配送计划数据进行配送需要的配送资源数量最少；
根据调整后的配送地址聚类，生成配送资源的调度数据，所述配送资源为用于根据所述外卖配送计划数据进行配送的资源；
将所述调度数据输出给外卖配送提供方的计算设备。
可选的，所述获得外卖配送计划数据，包括：获得用户的外卖订阅信息；所述外卖订阅信息，为用户订阅的外卖预约计划信息；根据所述外卖预约计划信息的送达时间信息，确定所述外卖配送计划数据。
可选的，还包括：
获得用于针对当餐的外卖配送计划数据进行配送的预设准备时长；
根据所述预设准备时长，以及所述送达时间信息，确定收集当餐的外卖配送计划数据的时间点；
所述获得外卖配送计划数据，包括：在所述时间点收集所述外卖配送计划数据。
本申请还提供一种服务配送调度系统，包括：配送资源调度计算设备、服务提供方的计算设备、配送提供方的计算设备；
所述配送资源调度计算设备，用于获得服务配送计划数据，根据所述服务配送计划数据获得配送地址；对所述配送地址进行聚类处理，获得配送地址聚类；调整所述配送地址聚类，直到根据所述服务配送计划数据进行配送需要的配送资源数量最少；根据调整后的配送地址聚类，生成配送资源的调度数据，其中，所述配送地址为配送出发地址和配送目的地址中的至少一种地址；所述配送资源为用于根据所述服务配送计划数据进行配送的资源；将所述调度数据发送给所述配送提供方的计算设备；
所述服务提供方的计算设备，用于提供所述配送地址中的配送出发地址；
所述配送提供方的计算设备，用于接收所述调度数据，根据所述调度数据提供配送服务。
本申请还提供一种配送资源的调度装置，包括：
配送计划收集单元，用于获得服务配送计划数据；
配送地址获得单元，用于根据所述服务配送计划数据，获得配送地址；所述配送地址为配送出发地址和配送目的地址中的至少一种地址；
聚类单元，用于对所述配送地址进行聚类处理，获得配送地址聚类；
迭代单元，用于调整所述配送地址聚类，直到根据所述服务配送计划数据进行配送所需要的配送资源数量最少；
调度数据生成单元，用于根据调整后的配送地址聚类，生成配送资源的调度数据，所述配送资源为用于根据所述服务配送计划数据提供配送服务的资源；
调度数据输出单元，用于将所述调度数据输出给配送提供方的计算设备。
本申请还提供一种针对菜品配送的资源调度装置，包括：
外卖配送计划收集单元，用于获得外卖配送计划数据；
配送地址获得单元，用于根据所述外卖配送计划数据，获得配送地址；所述配送地址为配送出发地址和配送目的地址中的至少一种地址；
聚类单元，用于对所述配送地址进行聚类处理，获得配送地址聚类；
迭代单元，用于调整所述配送地址聚类，直到根据所述外卖配送计划数据进行配送需要的配送资源数量最少；
调度数据生成单元，用于根据调整后的配送地址聚类，生成配送资源的调度数据，所述配送资源为用于根据所述外卖配送计划数据进行配送的资源；
调度数据输出单元，用于将所述调度数据输出给外卖配送提供方的计算设备。与现有技术相比，本申请具有以下优点：
本申请提供的一种配送资源的调度方法及装置，通过针对配送计划数据包含的配送地址进行聚类处理，获得配送地址聚类；调整所述配送地址聚类，直到根据所述服务配送计划数据进行配送所需要的配送资源数量最少；根据调整后的配送地址聚类，生成配送资源的调度数据；对配送地址进行聚类能够将差异较小的地址信息归为相同聚类，因而能以较少运力生成调度数据，提升配送资源的利用效率，从而解决了已知配送计划数据场景下的配送资源的调度问题。
本申请提供的一种针对菜品配送的资源调度方法及装置，通过针对外卖配送计划数据包含的配送地址进行聚类处理，获得配送地址聚类；调整所述配送地址聚类，直到根据所述外卖配送计划数据进行配送需要的配送资源数量最少；根据调整后的配送地址聚类，生成配送资源的调度数据；对配送地址进行聚类能够将差异较小的地址信息归为相同聚类，因而能以较少运力生成调度数据，提升配送资源的利用效率，从而解决了已知外卖配送计划数据场景下的配送资源的调度问题。
本申请提供的一种服务配送调度系统，包括：配送资源调度计算设备、服务提供方的计算设备、配送提供方的计算设备；通过配送资源调度计算设备针对配送计划数据包含的配送地址进行聚类处理，获得配送地址聚类；调整所述配送地址聚类，直到根据所述服务配送计划数据进行配送需要的配送资源数量最少；根据调整后的配送地址聚类，生成配送资源的调度数据；将所述调度数据发送给所述配送提供方的计算设备；通过配送提供方的计算设备接收所述调度数据，根据所述调度数据提供配送服务。对配送地址进行聚类能够将差异较小的地址信息归为相同聚类，因而能以较少运力生成调度数据，提升配送资源的利用效率，从而提供了已知外卖配送计划数据场景下更高效的配送资源调度系统。
附图说明
图1是本申请第一实施例提供的配送资源的调度方法的系统环境示意图；
图2是是本申请第一实施例提供的配送资源的调度方法的处理流程图；
图3是本申请第一实施例提供的一种配送资源调度流程图；
图4是本申请第二实施例提供的一种针对菜品配送的资源调度方法的处理流程图；
图5是本申请第四实施例提供的配送资源的调度装置示意图；
图6是本申请第五实施例提供的针对菜品配送的资源调度装置示意图；
图7是本申请提供的电子设备示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。
本申请提供一种配送资源的调度方法、装置及电子设备。本申请同时涉及一种针对菜品配送的资源调度方法、装置及电子设备。本申请还涉及一种服务配送调度系统。在下面的实施例中逐一进行详细说明。
为便于理解，首先给出配送资源的调度方法的系统环境。针对菜品配送的资源调度作为配送资源调度的一个特例，其系统环境类似所述配送资源的调度方法的系统环境。
请参考图1，图中包括：配送资源调度计算设备101、服务提供方的计算设备102、配送提供方的计算设备103。
图中，配送资源调度计算设备用于获得服务配送计划数据，根据所述服务配送计划数据获得配送地址；对所述配送地址进行聚类处理，获得配送地址聚类；调整所述配送地址聚类，直到根据所述服务配送计划数据进行配送需要的配送资源数量最少；根据调整后的配送地址聚类，生成配送资源的调度数据，其中，所述配送地址为配送出发地址和配送目的地址中的至少一种地址；所述配送资源为用于根据所述服务配送计划数据进行配送的资源；将所述调度数据发送给所述配送提供方的计算设备。
图中，服务提供方的计算设备用于提供所述配送地址中的配送出发地址。
图中，配送提供方的计算设备用于接收所述调度数据，根据所述调度数据提供配送服务。例如，将所述调度数据中包含的订单信息提示给配送员。再如，根据所述调度数据为配送员提供前往服务提供方的配送出发地址的导航服务。再如，根据所述调度数据为配送员提供前往配送目的地址的导航服务。
以下结合图2和图3对第一实施例提供的一种配送资源的调度方法进行说明。
图2所示的配送资源的调度方法，包括：步骤S201至步骤S206。
步骤S201，获得服务配送计划数据。
所述服务配送计划数据，为用于指示在服务时间点将目标服务送达目标用户信息指示的目标用户的计划数据。例如，可以是针对菜品配送的外卖配送计划数据，具体包含外卖送餐的日期、时间、配送目的地址、付款方式以及套餐信息等计划。所谓外卖，是指以外服务或者外送商品的方式提供服务，例如，送餐服务。
所述获得服务配送计划数据，可以由配送资源调度计算设备获得服务预约计算设备提供的目标服务订单，根据所述目标服务订单获得服务配送计划数据。其中，所述服务预约计算设备根据对应目标用户信息的服务预约数据生成目标服务订单。实际应用中，在预约的服务时间点之前能够收集到一条或多条服务配送计划数据。例如，针对菜品配送的场景中，每天的送餐情况在当餐时间之前预设时间内能够收集到。
本实施例的一个实施方式中，服务配送计划数据为外卖配送计划数据，具体包括下述处理：获得用户的外卖订阅信息；所述外卖订阅信息，为用户订阅的外卖预约计划信息；根据所述外卖预约计划信息的送达时间信息，确定所述外卖配送计划数据。进一步，还包括：获得用于针对当餐的外卖配送计划数据进行配送的预设准备时长；根据所述预设准备时长，以及所述送达时间信息，确定收集当餐的外卖配送计划数据的时间点；在所述时间点收集所述外卖配送计划数据。即，在当餐送餐时间点之前一定时间内收集外卖配送计划数据，以便为后续调度配送资源提供数据基础，收集的外卖配送计划数据越完备，生成的调度数据更合理。
步骤S202，根据所述服务配送计划数据，获得配送地址；所述配送地址为配送出发地址和配送目的地址中的至少一种地址。
本实施例中，从收集到的服务配送计划数据中提取配送地址。针对菜品配送，配送出发地址为外卖订单中的取餐点信息，配送目的地址为外卖订单中的送餐点信息。后续步骤中根据配送地址，确定配送路线，从而使得所需要的配送资源数量尽可能小。
步骤S203，对所述配送地址进行聚类处理，获得配送地址聚类。
所述聚类，是指按照某个特定标准(如距离)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。即，聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离。
本实施例中，采用K-Means聚类算法对所述配送地址进行聚类处理。优选的，配送出发地址为固定地址信息，因此针对配送目的地址进行聚类。例如，针对菜品配送，配送的取餐点为固定点，送餐点为多个不同地址信息，因此针对送餐点信息进行聚类。
所谓K-Means聚类算法，指K均值聚类算法(k-means clustering algorithm)，是一种迭代求解的聚类算法，处理步骤包括：随机选取K个质点作为初始的聚类中心(即种子聚类中心)，然后计算待聚类数据集中的每个数据对象与各个种子聚类中心之间的距离，将每个对象归为距离它最近的聚类中心。聚类中心以及分配给所述聚类中心的对象就代表一个聚类。每分配一个数据对象，聚类的聚类中心会根据聚类中现有的数据对象被重新计算。该过程将不断重复直到满足终止条件。终止条件可以是没有(或最小数目)对象被重新分配给不同的聚类，或者，没有(或最小数目)聚类中心再发生变化，或者，误差平方和局部最小。当然，也可以规定最大迭代次数，达到迭代次数后聚类中心仍未收敛也会终止迭代计算。
本实施例中，通过下述处理获得配送地址聚类：
获得所述配送地址的聚类数量；
设置初始聚类质点信息；
计算所述配送地址与所述初始聚类质点信息中的第一质点之间的第一距离，以及，所述配送地址与所述初始聚类质点信息中的第二质点之间的第二距离；
如果所述第一距离小于所述第二距离，则将所述配送地址归类到所述第一质点对应的配送地址聚类中；
获得所述第一质点对应的配送地址聚类的第一聚类中心，计算所述配送地址聚类中每个配送地址到所述第一聚类中心的距离，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数。
其中，所述初始聚类质点信息中包含的聚类质点的数量与所述配送地址聚类的数量相同。
本实施例的一个实施方式中，还包括：获得电子地图数据；从所述电子地图数据中选择位置点信息作为所述初始聚类质点信息。
本实施例中，可以采用最大期望算法(Expectation-Maximization algorithm，或EM算法)或者梯度下降算法迭代调整配送地址聚类，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数；其中，所述聚类中心为与所述配送地址聚类中的每个配送地址之间的距离之和最小的质点。具体的，所述获得所述第一质点对应的配送地址聚类的第一聚类中心，计算所述配送地址聚类中每个配送地址到所述第一聚类中心的距离，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数，包括：采用梯度下降算法或EM算法迭代调整配送地址聚类，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数；其中，所述聚类中心为与所述配送地址聚类中的每个配送地址之间的距离之和最小的质点。
例如，针对菜品配送，将送餐点划分为k个聚类，最初选择的k个质点是地图上随机的点(不需要是送餐点)，通过分析送餐点和所述质点的距离，逐步调整质点，从而将送餐点形成聚类。可以采用梯度下降算法获得每个配送地址聚类的聚类中心。当每个配送地址距离所述配送地址聚类的聚类中心(即质点)距离最近(而不是其他聚类中的质点)，则聚类过程就完成了。
步骤S204，调整所述配送地址聚类，直到根据所述服务配送计划数据进行配送所需要的配送资源数量最少。
本实施例中，为了使得针对所述服务配送计划数据的配送资源数量尽可能少，采用贪婪算法针对每个配送地址聚类计算总运力需求。所谓贪婪算法，是指：在对问题求解时，总是做出在当前看来是最好的选择。即，不从整体最优上加以考虑，而是采用局部最优解。具体的，可以采用最短路径算法：Dijkstra算法，Bellman-Ford算法或者Floyd算法。
本实施例的一个实施方式中，包括下述处理：
针对每个配送地址聚类，确定遍历所述配送地址聚类中的每个配送地址所需要的总运力；其中，所述总运力为按照目标路线遍历所述配送地址经历的总距离；
根据所述总运力，确定每个配送地址聚类需要的配送资源的第一数量；
将每个配送地址聚类需要的配送资源数量进行加和，得到按照当前聚类结果根据所述服务配送计划数据进行配送需要的配送资源的第二数量；
针对所述配送地址聚类的数量进行迭代调整处理，直到所述第二数量最少，将得到的聚类结果作为所述调整后的配送地址聚类。
本实施例的一个实施方式中，还包括：获得配送资源的运力，所述配送资源的运力为所述配送资源在预设时间内能够配送的距离；相应的，所述根据所述总运力，确定每个配送地址聚类需要的配送资源的第一数量，包括：根据所述总运力以及所述配送资源的运力，确定所述第一数量。例如，针对每个配送地址聚类中的送餐点，按照给定路线配送全部送餐点需经历的总距离可以作为所述总运力。在一段时间内能够配送的距离可以作为所述运力。
具体的，所述针对每个配送地址聚类，确定遍历所述配送地址聚类中的每个配送地址所需要的总运力，包括：
获得每个配送地址聚类的聚类质点；
从所述聚类质点出发，使用距离贪婪算法确定下一个配送地址，直至遍历完所述配送地址聚类中的所有配送地址；
将遍历路径的总长度，作为所述配送地址聚类需要的总运力。
所述针对所述配送地址聚类的数量进行迭代调整处理，直到所述第二数量最少，将得到的聚类结果作为所述调整后的配送地址聚类，包括：针对每次迭代过程，获得对应的第二数量结果；
如果迭代次数达到预设迭代次数阈值，或者，如果通过当前一次迭代过程得到的第二数量结果与通过上一次迭代过程得到的第二数量结果的差值小于预设阈值，则结束迭代处理。
请参考图3，图中示出了一种配送资源的调度数据生成流程。以针对菜品配送的配送资源的调度数据的生成为例。其中，针对送餐点进行聚类，总送餐点数量为N；配送地址聚类数量为Kn；单个配送资源运力以Sr表示；一个配送地址聚类中所需的总运力以Sk表示；个配送地址聚类中所需的配送资源数量以Rn表示。所述流程包括下述步骤：
S301，预估聚类数量Kn1，随机选择Kn1个点作为质点。
S302，采用K-Means算法对送餐点进行聚类。
S303，从质点出发使用距离贪婪算法确定下一个送餐点，以此计算每个聚类所需总运力Ski。直到遍历了聚类中的所有送餐点。
S304，计算每个聚类所需配送资源数量Rni。可以采用公式：
Rni＝Ski/Sr(d)。
S305，计算所需配送资源总数量∑Rn，记录迭代过程中的最小值。
S306，判断是否达到迭代结束条件。如果未达到迭代结束条件，重新选定聚类数量Kn2。重复执行S301至S306，直到得到(∑Rn)min。
步骤S205，根据调整后的配送地址聚类，生成配送资源的调度数据，所述配送资源为用于根据所述服务配送计划数据提供配送服务的资源。
本实施例中，通过下述处理生成配送资源的调度数据：将所述调整后的配送地址聚类、调整后的每个配送地址聚类的配送资源数量以及遍历所述每个配送地址聚类的配送地址的遍历路径，作为所述配送资源的调度数据。
步骤S206，将所述调度数据输出给配送提供方的计算设备。
本实施例中，配送提供方的计算设备获得所述调度数据，根据所述调度数据提供配送服务。例如，将所述调度数据中包含的订单信息提示给配送员。再如，根据所述调度数据为配送员提供前往服务提供方的配送出发地址的导航服务。再如，根据所述调度数据为配送员提供前往配送目的地址的导航服务。
本实施例的一个实施方式中，还包括：获得配送提供方的计算设备提供的反馈数据；根据所述反馈数据，生成针对所述服务配送计划数据的补充调度数据；其中，所述补充调度数据用于作为针对所述配送资源的调度数据的补充调度数据。
进一步，如果所述反馈数据表示所述配送资源对应的服务配送不能准时送达，则获得空闲配送资源，将所述空闲配送资源分配给所述反馈数据包含的未完成配送订单。
至此，对本实施例提供的配送资源调度方法进行了详细说明，所述方法基于聚类贪婪算法获得调度数据，在已知配送计划数据时能提供更合理的配送路线，提升配送资源的利用率，解决了配送资源的调度问题。
以上述实施例为基础，本申请第二实施例提供一种针对菜品配送的资源调度方法。
以下结合图4对第二实施例提供的针对菜品配送的资源调度方法进行说明，相关部分请参见第一实施例对应部分的说明。
图4所示的针对菜品配送的资源调度方法，包括：步骤S401至步骤S406。
步骤S401，获得外卖配送计划数据。
所述外卖配送计划数据，为用于指示在服务时间点将外卖订单包含的目标套餐送达外卖订单对应的送餐点的计划数据。例如，可以包含外卖送餐的日期、时间、配送目的地址、付款方式以及套餐信息等计划。
所述获得外卖配送计划数据，可以由配送资源调度计算设备获得服务预约计算设备提供的外卖订单，根据所述外卖订单获得外卖配送计划数据。其中，所述服务预约计算设备根据对应目标用户信息的外卖预约数据生成外卖订单。实际应用中，在预约的服务时间点之前能够收集到一条或多条外卖配送计划数据。例如，每天的送餐情况在当餐时间之前预设时间内能够收集到。
本实施例中通过下述处理获得外卖配送计划数据：获得用户的外卖订阅信息；所述外卖订阅信息，为用户订阅的外卖预约计划信息；根据所述外卖预约计划信息的送达时间信息，确定所述外卖配送计划数据。进一步，还包括：获得用于针对当餐的外卖配送计划数据进行配送的预设准备时长；根据所述预设准备时长，以及所述送达时间信息，确定收集当餐的外卖配送计划数据的时间点；在所述时间点收集所述外卖配送计划数据。即，在当餐送餐时间点之前一定时间内收集外卖配送计划数据，以便为后续调度配送资源提供数据基础，收集的外卖配送计划数据越完备，生成的调度数据更合理。
步骤S402，根据所述外卖配送计划数据，获得配送地址；所述配送地址为配送出发地址和配送目的地址中的至少一种地址。
本实施例中，从收集到的外卖配送计划数据中提取配送地址。其中，配送出发地址为外卖订单中的取餐点信息，配送目的地址为外卖订单中的送餐点信息。后续步骤中根据配送地址，确定配送路线，从而使得所需要的配送资源数量尽可能小。
步骤S403，对所述配送地址进行聚类处理，获得配送地址聚类。
本实施例中，采用K-Means聚类算法对所述配送地址进行聚类处理。优选的，配送出发地址为固定地址信息，因此针对配送目的地址进行聚类。例如，针对菜品配送，配送的取餐点为固定点，送餐点为多个不同地址信息，因此针对送餐点信息进行聚类。具体包括下述处理：
获得所述配送地址的聚类数量；
设置初始聚类质点信息；
计算所述配送地址与所述初始聚类质点信息中的第一质点之间的第一距离，以及，所述配送地址与所述初始聚类质点信息中的第二质点之间的第二距离；
如果所述第一距离小于所述第二距离，则将所述配送地址归类到所述第一质点对应的配送地址聚类中；
获得所述第一质点对应的配送地址聚类的第一聚类中心，计算所述配送地址聚类中每个配送地址到所述第一聚类中心的距离，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数。
其中，所述初始聚类质点信息中包含的聚类质点的数量与所述配送地址聚类的数量相同。
本实施例的一个实施方式中，还包括：获得电子地图数据；从所述电子地图数据中选择位置点信息作为所述初始聚类质点信息。
本实施例中，可以采用最大期望算法(Expectation-Maximization algorithm，或EM算法)或者梯度下降算法迭代调整配送地址聚类，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数；其中，所述聚类中心为与所述配送地址聚类中的每个配送地址之间的距离之和最小的质点。具体的，所述获得所述第一质点对应的配送地址聚类的第一聚类中心，计算所述配送地址聚类中每个配送地址到所述第一聚类中心的距离，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数，包括：采用梯度下降算法或EM算法迭代调整配送地址聚类，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数；其中，所述聚类中心为与所述配送地址聚类中的每个配送地址之间的距离之和最小的质点。
例如，将送餐点划分为k个聚类，最初选择的k个质点是地图上随机的点(不需要是送餐点)，通过分析送餐点和所述质点的距离，逐步调整质点，从而将送餐点形成聚类。可以采用梯度下降算法获得每个配送地址聚类的聚类中心。当每个配送地址距离所述配送地址聚类的聚类中心(即质点)距离最近(而不是其他聚类中的质点)，则聚类过程就完成了。
步骤S404，调整所述配送地址聚类，直到根据所述外卖配送计划数据进行配送需要的配送资源数量最少。
本实施例中，为了使得针对所述外卖配送计划数据的配送资源数量尽可能少，采用贪婪算法针对每个配送地址聚类计算总运力需求。所谓贪婪算法，是指：在对问题求解时，总是做出在当前看来是最好的选择。即，不从整体最优上加以考虑，而是采用局部最优解。具体的，可以采用最短路径算法：Dijkstra算法，Bellman-Ford算法或者Floyd算法。
本实施例的一个实施方式中，包括下述处理：
针对每个配送地址聚类，确定遍历所述配送地址聚类中的每个配送地址所需要的总运力；其中，所述总运力为按照目标路线遍历所述配送地址经历的总距离；
根据所述总运力，确定每个配送地址聚类需要的配送资源的第一数量；
将每个配送地址聚类需要的配送资源数量进行加和，得到按照当前聚类结果根据所述外卖配送计划数据进行配送需要的配送资源的第二数量；
针对所述配送地址聚类的数量进行迭代调整处理，直到所述第二数量最少，将得到的聚类结果作为所述调整后的配送地址聚类。
本实施例的一个实施方式中，还包括：获得配送资源的运力，所述配送资源的运力为所述配送资源在预设时间内能够配送的距离；相应的，所述根据所述总运力，确定每个配送地址聚类需要的配送资源的第一数量，包括：根据所述总运力以及所述配送资源的运力，确定所述第一数量。例如，针对每个配送地址聚类中的送餐点，按照给定路线配送全部送餐点需经历的总距离可以作为所述总运力。在一段时间内能够配送的距离可以作为所述运力。
具体的，所述针对每个配送地址聚类，确定遍历所述配送地址聚类中的每个配送地址所需要的总运力，包括：
获得每个配送地址聚类的聚类质点；
从所述聚类质点出发，使用距离贪婪算法确定下一个配送地址，直至遍历完所述配送地址聚类中的所有配送地址；
将遍历路径的总长度，作为所述配送地址聚类需要的总运力。
所述针对所述配送地址聚类的数量进行迭代调整处理，直到所述第二数量最少，将得到的聚类结果作为所述调整后的配送地址聚类，包括：针对每次迭代过程，获得对应的第二数量结果；
如果迭代次数达到预设迭代次数阈值，或者，如果通过当前一次迭代过程得到的第二数量结果与通过上一次迭代过程得到的第二数量结果的差值小于预设阈值，则结束迭代处理。
请参考图3，图中将针对菜品配送的资源作为配送资源的一个特例，示出了配送资源的调度数据的生成流程。调度数据的生成流程可以参考第一实施例对应部分的描述。
步骤S405，根据调整后的配送地址聚类，生成配送资源的调度数据，所述配送资源为用于根据所述外卖配送计划数据进行配送的资源。
本实施例中，通过下述处理生成配送资源的调度数据：将所述调整后的配送地址聚类、调整后的每个配送地址聚类的配送资源数量以及遍历所述每个配送地址聚类的配送地址的遍历路径，作为所述配送资源的调度数据。
步骤S406，将所述调度数据输出给外卖配送提供方的计算设备。
本实施例中，配送提供方的计算设备获得所述调度数据，根据所述调度数据提供配送服务。例如，将所述调度数据中包含的订单信息提示给配送员。再如，根据所述调度数据为配送员提供前往服务提供方的配送出发地址的导航服务。再如，根据所述调度数据为配送员提供前往配送目的地址的导航服务。
本实施例的一个实施方式中，还包括：获得配送提供方的计算设备提供的反馈数据；根据所述反馈数据，生成针对所述外卖配送计划数据的补充调度数据；其中，所述补充调度数据用于作为针对所述配送资源的调度数据的补充调度数据。
进一步，如果所述反馈数据表示所述配送资源对应的外卖配送不能准时送达，则获得空闲配送资源，将所述空闲配送资源分配给所述反馈数据包含的未完成配送的外卖订单。
至此，对本实施例提供的针对菜品配送的调度方法进行了详细说明，所述方法基于聚类贪婪算法获得调度数据，在已知外卖配送计划数据时能提供更合理的配送路线，提升配送资源的利用率，解决了外卖配送资源的调度问题。
以上述实施例为基础，本申请第三实施例提供一种服务配送资源调度系统，其示意图类似图1。以下对第三实施例提供的系统进行说明，相关部分请参见上述实施例对应部分的说明。
第三实施例提供的服务配送资源调度系统，包括：配送资源调度计算设备、服务提供方的计算设备、配送提供方的计算设备。
所述配送资源调度计算设备，用于获得服务配送计划数据，根据所述服务配送计划数据获得配送地址；对所述配送地址进行聚类处理，获得配送地址聚类；调整所述配送地址聚类，直到根据所述服务配送计划数据进行配送需要的配送资源数量最少；根据调整后的配送地址聚类，生成配送资源的调度数据，其中，所述配送地址为配送出发地址和配送目的地址中的至少一种地址；所述配送资源为用于根据所述服务配送计划数据进行配送的资源；将所述调度数据发送给所述配送提供方的计算设备。
所述服务提供方的计算设备，用于提供所述配送地址中的配送出发地址。
所述配送提供方的计算设备，用于接收所述调度数据，根据所述调度数据提供配送服务。例如，将所述调度数据中包含的订单信息提示给配送员。再如，根据所述调度数据为配送员提供前往服务提供方的配送出发地址的导航服务。再如，根据所述调度数据为配送员提供前往配送目的地址的导航服务。
与第一实施例对应，本申请第四实施例提供一种配送资源的调度装置。以下结合图5对第四实施例提供的装置进行说明。
图5所示的配送资源的调度装置，包括：
配送计划收集单元501，用于获得服务配送计划数据；
配送地址获得单元502，用于根据所述服务配送计划数据，获得配送地址；所述配送地址为配送出发地址和配送目的地址中的至少一种地址；
聚类单元503，用于对所述配送地址进行聚类处理，获得配送地址聚类；
迭代单元504，用于调整所述配送地址聚类，直到根据所述服务配送计划数据进行配送所需要的配送资源数量最少；
调度数据生成单元505，用于根据调整后的配送地址聚类，生成配送资源的调度数据，所述配送资源为用于根据所述服务配送计划数据提供配送服务的资源；
调度数据输出单元506，用于将所述调度数据输出给配送提供方的计算设备。
其中，所述聚类单元503具体用于：
获得所述配送地址的聚类数量；
设置初始聚类质点信息；
计算所述配送地址与所述初始聚类质点信息中的第一质点之间的第一距离，以及，所述配送地址与所述初始聚类质点信息中的第二质点之间的第二距离；
如果所述第一距离小于所述第二距离，则将所述配送地址归类到所述第一质点对应的配送地址聚类中；
获得所述第一质点对应的配送地址聚类的第一聚类中心，计算所述配送地址聚类中每个配送地址到所述第一聚类中心的距离，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数。
其中，所述初始聚类质点信息中包含的聚类质点的数量与所述配送地址聚类的数量相同。
其中，所述聚类单元503，还用于：获得电子地图数据；从所述电子地图数据中选择位置点信息作为所述初始聚类质点信息。
其中，所述聚类单元503具体用于：采用梯度下降算法或最大期望算法迭代调整配送地址聚类，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数；其中，所述聚类中心为与所述配送地址聚类中的每个配送地址之间的距离之和最小的质点。
其中，所述迭代单元504，具体用于：
针对每个配送地址聚类，确定遍历所述配送地址聚类中的每个配送地址所需要的总运力；其中，所述总运力为按照目标路线遍历所述配送地址经历的总距离；
根据所述总运力，确定每个配送地址聚类需要的配送资源的第一数量；
将每个配送地址聚类需要的配送资源数量进行加和，得到按照当前聚类结果根据所述服务配送计划数据进行配送需要的配送资源的第二数量；
针对所述配送地址聚类的数量进行迭代调整处理，直到所述第二数量最少，将得到的聚类结果作为所述调整后的配送地址聚类。
其中，所述迭代单元504还用于：获得配送资源的运力，所述配送资源的运力为所述配送资源在预设时间内能够配送的距离；根据所述总运力以及所述配送资源的运力，确定所述第一数量。
其中，所述调度数据生成单元505具体用于：将所述调整后的配送地址聚类、调整后的每个配送地址聚类的配送资源数量以及遍历所述每个配送地址聚类的配送地址的遍历路径，作为所述配送资源的调度数据。
其中，所述迭代单元504具体用于：获得每个配送地址聚类的聚类质点；从所述聚类质点出发，使用距离贪婪算法确定下一个配送地址，直至遍历完所述配送地址聚类中的所有配送地址；将遍历路径的总长度，作为所述配送地址聚类需要的总运力。
其中，所述迭代单元504具体用于：针对每次迭代过程，获得对应的第二数量结果；如果迭代次数达到预设迭代次数阈值，或者，如果通过当前一次迭代过程得到的第二数量结果与通过上一次迭代过程得到的第二数量结果的差值小于预设阈值，则结束迭代处理。
其中，所述装置还包括补充调度单元，所述补充调度单元用于：获得配送提供方的计算设备提供的反馈数据；根据所述反馈数据，生成针对所述服务配送计划数据的补充调度数据；其中，所述补充调度数据用于作为针对所述配送资源的调度数据的补充调度数据。
其中，所述补充调度单元还用于：如果所述反馈数据表示所述配送资源对应的服务配送不能准时送达，则获得空闲配送资源，将所述空闲配送资源分配给所述反馈数据包含的未完成配送订单。
与第二实施例对应，本申请第五实施例提供一种针对菜品配送的资源调度装置。以下结合图6对第五实施例提供的装置进行说明。
图6所示的针对菜品配送的资源调度装置，包括：
外卖配送计划收集单元601，用于获得外卖配送计划数据；
配送地址获得单元602，用于根据所述外卖配送计划数据，获得配送地址；所述配送地址为配送出发地址和配送目的地址中的至少一种地址；
聚类单元603，用于对所述配送地址进行聚类处理，获得配送地址聚类；
迭代单元604，用于调整所述配送地址聚类，直到根据所述外卖配送计划数据进行配送需要的配送资源数量最少；
调度数据生成单元605，用于根据调整后的配送地址聚类，生成配送资源的调度数据，所述配送资源为用于根据所述外卖配送计划数据进行配送的资源；
调度数据输出单元606，用于将所述调度数据输出给外卖配送提供方的计算设备。其中，所述外卖配送计划收集单元601具体用于：获得用户的外卖订阅信息；所述外卖订阅信息，为用户订阅的外卖预约计划信息；根据所述外卖预约计划信息的送达时间信息，确定所述外卖配送计划数据。
其中，所述外卖配送计划收集单元601还用于：
获得用于针对当餐的外卖配送计划数据进行配送的预设准备时长；
根据所述预设准备时长，以及所述送达时间信息，确定收集当餐的外卖配送计划数据的时间点；
在所述时间点收集所述外卖配送计划数据。
与第一实施例相对应，本申请第六实施例提供一种用于配送资源的调度方法的电子设备。图7为所述电子设备的示意图。
图7所示的电子设备，包括：
存储器701，以及处理器702；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：
获得服务配送计划数据；
根据所述服务配送计划数据，获得配送地址；所述配送地址为配送出发地址和配送目的地址中的至少一种地址；
对所述配送地址进行聚类处理，获得配送地址聚类；
调整所述配送地址聚类，直到根据所述服务配送计划数据进行配送所需要的配送资源数量最少；
根据调整后的配送地址聚类，生成配送资源的调度数据，所述配送资源为用于根据所述服务配送计划数据提供配送服务的资源；
将所述调度数据输出给配送提供方的计算设备。
可选的，所述处理器还用于执行下述计算机可执行指令：获得所述配送地址的聚类数量；设置初始聚类质点信息；
计算所述配送地址与所述初始聚类质点信息中的第一质点之间的第一距离，以及，所述配送地址与所述初始聚类质点信息中的第二质点之间的第二距离；
如果所述第一距离小于所述第二距离，则将所述配送地址归类到所述第一质点对应的配送地址聚类中；
获得所述第一质点对应的配送地址聚类的第一聚类中心，计算所述配送地址聚类中每个配送地址到所述第一聚类中心的距离，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数。
可选的，所述初始聚类质点信息中包含的聚类质点的数量与所述配送地址聚类的数量相同。
可选的，所述处理器还用于执行下述计算机可执行指令：获得电子地图数据；从所述电子地图数据中选择位置点信息作为所述初始聚类质点信息。
可选的，所述处理器还用于执行下述计算机可执行指令：采用梯度下降算法或最大期望算法迭代调整配送地址聚类，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数；其中，所述聚类中心为与所述配送地址聚类中的每个配送地址之间的距离之和最小的质点。
可选的，所述处理器还用于执行下述计算机可执行指令：针对每个配送地址聚类，确定遍历所述配送地址聚类中的每个配送地址所需要的总运力；其中，所述总运力为按照目标路线遍历所述配送地址经历的总距离；
根据所述总运力，确定每个配送地址聚类需要的配送资源的第一数量；
将每个配送地址聚类需要的配送资源数量进行加和，得到按照当前聚类结果根据所述服务配送计划数据进行配送需要的配送资源的第二数量；
针对所述配送地址聚类的数量进行迭代调整处理，直到所述第二数量最少，将得到的聚类结果作为所述调整后的配送地址聚类。
可选的，所述处理器还用于执行下述计算机可执行指令：获得配送资源的运力，所述配送资源的运力为所述配送资源在预设时间内能够配送的距离；
根据所述总运力以及所述配送资源的运力，确定所述第一数量。
可选的，所述处理器还用于执行下述计算机可执行指令：将所述调整后的配送地址聚类、调整后的每个配送地址聚类的配送资源数量以及遍历所述每个配送地址聚类的配送地址的遍历路径，作为所述配送资源的调度数据。
可选的，所述处理器还用于执行下述计算机可执行指令：获得每个配送地址聚类的聚类质点；
从所述聚类质点出发，使用距离贪婪算法确定下一个配送地址，直至遍历完所述配送地址聚类中的所有配送地址；
将遍历路径的总长度，作为所述配送地址聚类需要的总运力。
可选的，所述处理器还用于执行下述计算机可执行指令：针对每次迭代过程，获得对应的第二数量结果；
如果迭代次数达到预设迭代次数阈值，或者，如果通过当前一次迭代过程得到的第二数量结果与通过上一次迭代过程得到的第二数量结果的差值小于预设阈值，则结束迭代处理。
可选的，所述处理器还用于执行下述计算机可执行指令：获得配送提供方的计算设备提供的反馈数据；根据所述反馈数据，生成针对所述服务配送计划数据的补充调度数据；其中，所述补充调度数据用于作为针对所述配送资源的调度数据的补充调度数据。
可选的，所述处理器还用于执行下述计算机可执行指令：如果所述反馈数据表示所述配送资源对应的服务配送不能准时送达，则获得空闲配送资源，将所述空闲配送资源分配给所述反馈数据包含的未完成配送订单。
与第二实施例相对应，本申请第七实施例提供一种用于针对菜品配送的资源调度方法的电子设备。其示意图类似图7。
第七实施例提供的电子设备，包括：
存储器，以及处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：
获得外卖配送计划数据；
根据所述外卖配送计划数据，获得配送地址；所述配送地址为配送出发地址和配送目的地址中的至少一种地址；
对所述配送地址进行聚类处理，获得配送地址聚类；
调整所述配送地址聚类，直到根据所述外卖配送计划数据进行配送需要的配送资源数量最少；
根据调整后的配送地址聚类，生成配送资源的调度数据，所述配送资源为用于根据所述外卖配送计划数据进行配送的资源；
将所述调度数据输出给外卖配送提供方的计算设备。
可选的，所述处理器还用于执行下述计算机可执行指令：获得用户的外卖订阅信息；所述外卖订阅信息，为用户订阅的外卖预约计划信息；根据所述外卖预约计划信息的送达时间信息，确定所述外卖配送计划数据。
可选的，所述处理器还用于执行下述计算机可执行指令：获得用于针对当餐的外卖配送计划数据进行配送的预设准备时长；
根据所述预设准备时长，以及所述送达时间信息，确定收集当餐的外卖配送计划数据的时间点；
在所述时间点收集所述外卖配送计划数据。
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。
1、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非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
2、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。
本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。

Claims (10)

1.一种配送资源的调度方法，其特征在于，包括：
获得服务配送计划数据；
根据所述服务配送计划数据，获得配送地址；所述配送地址为配送出发地址和配送目的地址中的至少一种地址；
对所述配送地址进行聚类处理，获得配送地址聚类；
调整所述配送地址聚类，直到根据所述服务配送计划数据进行配送所需要的配送资源数量最少；
根据调整后的配送地址聚类，生成配送资源的调度数据，所述配送资源为用于根据所述服务配送计划数据提供配送服务的资源；
将所述调度数据输出给配送提供方的计算设备。
2.根据权利要求1所述的方法，其特征在于，所述对所述配送地址进行聚类，获得配送地址聚类，包括：
获得所述配送地址的聚类数量；
设置初始聚类质点信息；
计算所述配送地址与所述初始聚类质点信息中的第一质点之间的第一距离，以及，所述配送地址与所述初始聚类质点信息中的第二质点之间的第二距离；
如果所述第一距离小于所述第二距离，则将所述配送地址归类到所述第一质点对应的配送地址聚类中；
获得所述第一质点对应的配送地址聚类的第一聚类中心，计算所述配送地址聚类中每个配送地址到所述第一聚类中心的距离，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数。
3.根据权利要求2所述的方法，其特征在于，所述初始聚类质点信息中包含的聚类质点的数量与所述配送地址聚类的数量相同。
4.根据权利要求3所述的方法，其特征在于，还包括：获得电子地图数据；从所述电子地图数据中选择位置点信息作为所述初始聚类质点信息。
5.根据权利要求2所述的方法，其特征在于，所述获得所述第一质点对应的配送地址聚类的第一聚类中心，计算所述配送地址聚类中每个配送地址到所述第一聚类中心的距离，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数，包括：采用梯度下降算法或最大期望算法迭代调整配送地址聚类，直到得到的聚类中心与上一次迭代得到的聚类中心相同或者达到最大迭代次数；其中，所述聚类中心为与所述配送地址聚类中的每个配送地址之间的距离之和最小的质点。
6.根据权利要求1所述的方法，其特征在于，所述调整所述配送地址聚类，直到根据所述服务配送计划数据进行配送需要的配送资源数量最少，包括：
针对每个配送地址聚类，确定遍历所述配送地址聚类中的每个配送地址所需要的总运力；其中，所述总运力为按照目标路线遍历所述配送地址经历的总距离；
根据所述总运力，确定每个配送地址聚类需要的配送资源的第一数量；
将每个配送地址聚类需要的配送资源数量进行加和，得到按照当前聚类结果根据所述服务配送计划数据进行配送需要的配送资源的第二数量；
针对所述配送地址聚类的数量进行迭代调整处理，直到所述第二数量最少，将得到的聚类结果作为所述调整后的配送地址聚类。
7.根据权利要求6所述的方法，其特征在于，还包括：获得配送资源的运力，所述配送资源的运力为所述配送资源在预设时间内能够配送的距离；
所述根据所述总运力，确定每个配送地址聚类需要的配送资源的第一数量，包括：根据所述总运力以及所述配送资源的运力，确定所述第一数量。
8.根据权利要求6所述的方法，其特征在于，所述根据调整后的配送地址聚类，生成配送资源的调度数据，包括：将所述调整后的配送地址聚类、调整后的每个配送地址聚类的配送资源数量以及遍历所述每个配送地址聚类的配送地址的遍历路径，作为所述配送资源的调度数据。
9.根据权利要求6所述的方法，其特征在于，所述针对每个配送地址聚类，确定遍历所述配送地址聚类中的每个配送地址所需要的总运力，包括：
获得每个配送地址聚类的聚类质点；
从所述聚类质点出发，使用距离贪婪算法确定下一个配送地址，直至遍历完所述配送地址聚类中的所有配送地址；
将遍历路径的总长度，作为所述配送地址聚类需要的总运力。
10.一种针对菜品配送的资源调度方法，其特征在于，包括：
获得外卖配送计划数据；
根据所述外卖配送计划数据，获得配送地址；所述配送地址为配送出发地址和配送目的地址中的至少一种地址；
对所述配送地址进行聚类处理，获得配送地址聚类；
调整所述配送地址聚类，直到根据所述外卖配送计划数据进行配送需要的配送资源数量最少；
根据调整后的配送地址聚类，生成配送资源的调度数据，所述配送资源为用于根据所述外卖配送计划数据进行配送的资源；
将所述调度数据输出给外卖配送提供方的计算设备。
CN201910472165.1A 2019-05-31 2019-05-31 配送资源的调度及针对菜品配送的资源调度方法及装置 Pending CN110348678A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910472165.1A CN110348678A (zh) 2019-05-31 2019-05-31 配送资源的调度及针对菜品配送的资源调度方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910472165.1A CN110348678A (zh) 2019-05-31 2019-05-31 配送资源的调度及针对菜品配送的资源调度方法及装置

Publications (1)

Publication Number Publication Date
CN110348678A true CN110348678A (zh) 2019-10-18

Family

ID=68174144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910472165.1A Pending CN110348678A (zh) 2019-05-31 2019-05-31 配送资源的调度及针对菜品配送的资源调度方法及装置

Country Status (1)

Country Link
CN (1) CN110348678A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109741142A (zh) * 2019-01-03 2019-05-10 上海拉扎斯信息科技有限公司 订单分配方法、订单分配装置、可读存储介质和电子设备
CN111126688A (zh) * 2019-12-19 2020-05-08 北京顺丰同城科技有限公司 配送路线确定方法、装置、电子设备及可读存储介质
CN111507577A (zh) * 2020-03-25 2020-08-07 哈尔滨工业大学（威海） 一种基于K-means聚类算法的众包任务分配方法
CN111738539A (zh) * 2020-02-28 2020-10-02 北京京东乾石科技有限公司 一种拣货任务分配方法、装置、设备及介质
CN112818192A (zh) * 2019-11-15 2021-05-18 北京三快在线科技有限公司 服务对象聚类方法、装置、存储介质和电子设备
CN112862319A (zh) * 2021-02-08 2021-05-28 北京顺达同行科技有限公司 订单调度的方法、装置、设备及存储介质
CN116233236A (zh) * 2023-05-10 2023-06-06 深圳市东信时代信息技术有限公司 基于消息队列的信息推送方法、装置、设备及介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120284083A1 (en) * 2011-05-04 2012-11-08 LaShou Group INC. System and method for merchandise distribution
CN103489082A (zh) * 2013-05-27 2014-01-01 浙江工业大学 一种基于gis富网络属性路网的大规模分类配送方法
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
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
CN107220794A (zh) * 2017-06-28 2017-09-29 北京惠赢天下网络技术有限公司 一种订单重建方法、装置及服务器
CN107578202A (zh) * 2017-09-01 2018-01-12 国网天津节能服务有限公司 一种基于现有外卖服务的商品调度配送方法
CN108446923A (zh) * 2018-01-31 2018-08-24 安庆师范大学 一种基于自助式劳务众包平台的任务定价方法
CN108876008A (zh) * 2018-05-11 2018-11-23 中国联合网络通信集团有限公司 快递配送方法、装置和快递车
CN108985694A (zh) * 2018-07-17 2018-12-11 北京百度网讯科技有限公司 用于确定配送中心地址的方法和装置
CN109003028A (zh) * 2018-07-17 2018-12-14 北京百度网讯科技有限公司 用于划分物流区域的方法和装置
CN109299810A (zh) * 2018-08-08 2019-02-01 西南交通大学 一种货运车辆配载方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120284083A1 (en) * 2011-05-04 2012-11-08 LaShou Group INC. System and method for merchandise distribution
CN103489082A (zh) * 2013-05-27 2014-01-01 浙江工业大学 一种基于gis富网络属性路网的大规模分类配送方法
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
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
CN107220794A (zh) * 2017-06-28 2017-09-29 北京惠赢天下网络技术有限公司 一种订单重建方法、装置及服务器
CN107578202A (zh) * 2017-09-01 2018-01-12 国网天津节能服务有限公司 一种基于现有外卖服务的商品调度配送方法
CN108446923A (zh) * 2018-01-31 2018-08-24 安庆师范大学 一种基于自助式劳务众包平台的任务定价方法
CN108876008A (zh) * 2018-05-11 2018-11-23 中国联合网络通信集团有限公司 快递配送方法、装置和快递车
CN108985694A (zh) * 2018-07-17 2018-12-11 北京百度网讯科技有限公司 用于确定配送中心地址的方法和装置
CN109003028A (zh) * 2018-07-17 2018-12-14 北京百度网讯科技有限公司 用于划分物流区域的方法和装置
CN109299810A (zh) * 2018-08-08 2019-02-01 西南交通大学 一种货运车辆配载方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马大奎等: "基于K_Means聚类算法的配送中心物流成本分析", 《物流科技》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109741142A (zh) * 2019-01-03 2019-05-10 上海拉扎斯信息科技有限公司 订单分配方法、订单分配装置、可读存储介质和电子设备
CN112818192A (zh) * 2019-11-15 2021-05-18 北京三快在线科技有限公司 服务对象聚类方法、装置、存储介质和电子设备
CN112818192B (zh) * 2019-11-15 2023-04-07 北京三快在线科技有限公司 服务对象聚类方法、装置、存储介质和电子设备
CN111126688A (zh) * 2019-12-19 2020-05-08 北京顺丰同城科技有限公司 配送路线确定方法、装置、电子设备及可读存储介质
CN111126688B (zh) * 2019-12-19 2023-05-26 北京顺丰同城科技有限公司 配送路线确定方法、装置、电子设备及可读存储介质
CN111738539A (zh) * 2020-02-28 2020-10-02 北京京东乾石科技有限公司 一种拣货任务分配方法、装置、设备及介质
CN111738539B (zh) * 2020-02-28 2024-04-19 北京京东乾石科技有限公司 一种拣货任务分配方法、装置、设备及介质
CN111507577A (zh) * 2020-03-25 2020-08-07 哈尔滨工业大学（威海） 一种基于K-means聚类算法的众包任务分配方法
CN112862319A (zh) * 2021-02-08 2021-05-28 北京顺达同行科技有限公司 订单调度的方法、装置、设备及存储介质
CN112862319B (zh) * 2021-02-08 2023-10-03 北京顺达同行科技有限公司 订单调度的方法、装置、设备及存储介质
CN116233236A (zh) * 2023-05-10 2023-06-06 深圳市东信时代信息技术有限公司 基于消息队列的信息推送方法、装置、设备及介质
CN116233236B (zh) * 2023-05-10 2023-10-03 深圳市东信时代信息技术有限公司 基于消息队列的信息推送方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN110348678A (zh) 配送资源的调度及针对菜品配送的资源调度方法及装置
WO2017167128A1 (zh) 一种物流资源的调度方法、设备及系统
Duan et al. Motivating smartphone collaboration in data acquisition and distributed computing
CN106529883B (zh) 分配数据对象的方法及装置
CN113222305B (zh) 订单调度方法、装置、存储介质和电子设备
US10664931B2 (en) Data analyzing system and method
WO2018095066A1 (zh) 任务分组方法、装置、电子设备及计算机存储介质
CN108364085A (zh) 一种外卖配送时间预测方法和装置
WO2018137330A1 (zh) 订单处理方法、装置、服务器及计算机存储介质
CN107395733A (zh) 地理分布交互服务云资源协同优化方法
CN107967179A (zh) 一种支持突发应急的云计算资源分配方法
CN109697637B (zh) 对象类别确定方法、装置、电子设备及计算机存储介质
US11656906B2 (en) Method and system for coordinated service placement in multiple clouds
CN105992020A (zh) 一种分配视频转换资源的方法及系统
CN108985694A (zh) 用于确定配送中心地址的方法和装置
CN109254726A (zh) 分布式存储系统中服务质量保障方法、控制节点及系统
CN103699443B (zh) 任务分发方法及扫描器
CN108279974A (zh) 一种云资源分配方法及装置
CN109976901A (zh) 一种资源调度方法、装置、服务器及可读存储介质
CN110490380A (zh) 自动化动态最小运力的即时派单方法及装置
CN108281989A (zh) 一种风电电力系统经济调度方法及装置
CN110288115A (zh) 配送方案预测方法、装置、服务器及存储介质
CN110022378A (zh) 基于状态的vpn服务器智能分配方法
CN110288276B (zh) 用于生成信息的方法和装置
CN109889370A (zh) 一种网络设备位置确定方法、装置及计算机可读存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191018