CN111325611A - 订单分配方法和装置 - Google Patents

订单分配方法和装置 Download PDF

Info

Publication number
CN111325611A
CN111325611A CN202010148179.0A CN202010148179A CN111325611A CN 111325611 A CN111325611 A CN 111325611A CN 202010148179 A CN202010148179 A CN 202010148179A CN 111325611 A CN111325611 A CN 111325611A
Authority
CN
China
Prior art keywords
target
transport vehicle
order
knowledge graph
vehicle
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.)
Withdrawn
Application number
CN202010148179.0A
Other languages
English (en)
Inventor
李青
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.)
Shanghai Minglue Artificial Intelligence Group Co Ltd
Original Assignee
Shanghai Minglue Artificial Intelligence Group 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 Shanghai Minglue Artificial Intelligence Group Co Ltd filed Critical Shanghai Minglue Artificial Intelligence Group Co Ltd
Priority to CN202010148179.0A priority Critical patent/CN111325611A/zh
Publication of CN111325611A publication Critical patent/CN111325611A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/288—Entity relationship models
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种订单分配方法和装置。其中，该方法包括：获取待分配的目标订单对应的第一知识图谱与多辆运输车中每一辆运输车分别对应的第二知识图谱；将所述第一知识图谱与所述第二知识图谱输入到目标识别模型中；获取所述目标识别模型输出的识别结果，其中，所述识别结果用于指示将所述目标订单分配给所述目标运输车；将所述目标订单分配给所述目标运输车。本发明解决了订单分配效率低的技术问题。

Description

订单分配方法和装置
技术领域
本发明涉及计算机领域，具体而言，涉及一种订单分配方法和装置。
背景技术
相关技术中，在产生订单之后，需要及时的对订单进行分配，以便分配后运输车能够快速将订单对应的货物发送到买主手中。
然而，现有技术中，在分配订单的过程中，通常是由电脑进行固定的分配，或者由人工进行订单的分配。然而，若是电脑固定分配，则分配的订单与运输车并不一定合适。若是人工进行订单分配，则需要消耗大量人力。因此，现有的订单分配方法的效率低。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种订单分配方法和装置，以至少解决订单分配效率低的技术问题。
根据本发明实施例的一个方面，提供了一种订单分配方法，包括：获取待分配的目标订单对应的第一知识图谱与多辆运输车中每一辆运输车分别对应的第二知识图谱；将上述第一知识图谱与上述第二知识图谱输入到目标识别模型中，其中，上述目标识别模型为使用样本数据预先训练的用于将上述目标订单分配给上述多辆运输车中的目标运输车的神经网络模型，上述样本数据中包括样本订单的知识图谱与样本运输车的知识图谱，上述样本订单被标注有被分配给上述样本运输车中的第一运输车；获取上述目标识别模型输出的识别结果，其中，上述识别结果用于指示将上述目标订单分配给上述目标运输车；将上述目标订单分配给上述目标运输车。
作为一种可选的示例，获取上述多辆运输车中上述每一辆运输车的第二知识图谱包括：从数据库中查找上述每一辆运输车的上述第二知识图谱；在查找到上述每一辆运输车的上述第二知识图谱的情况下，调用上述每一辆运输车的上述第二知识图谱；在未查找到上述多辆运输车中的第二运输车的第二知识图谱的情况下，获取上述第二运输车的参数信息，根据上述参数信息生成上述第二运输车的上述第二知识图谱，并将上述第二运输车的上述第二知识图谱存储到上述数据库中。
作为一种可选的示例，在将上述第二运输车的上述第二知识图谱存储到上述数据库中之后，上述方法还包括：在上述多辆运输车中的第三运输车的参数信息发生变化的情况下，获取发生变化的上述参数信息；按照发生变化的上述参数信息更新上述第三运输车的上述第二知识图谱；保存更新后的上述第二知识图谱。
作为一种可选的示例，在将上述目标订单分配给上述目标运输车之后，上述方法还包括：获取待分配的第二订单；比对上述第二订单与上述目标订单的相似度；在上述相似度大于预定阈值的情况下，将上述第二订单分配给上述目标运输车。
作为一种可选的示例，在将上述目标订单分配给上述目标运输车之后，上述方法还包括：向上述目标运输车发送通知消息，其中，上述通知消息中携带有装载上述目标订单中的货物的装货时间、装货位置。
根据本发明实施例的另一方面，还提供了一种订单分配装置，包括：一获取单元，用于获取待分配的目标订单对应的第一知识图谱与多辆运输车中每一辆运输车分别对应的第二知识图谱；输入单元，用于将上述第一知识图谱与上述第二知识图谱输入到目标识别模型中，其中，上述目标识别模型为使用样本数据预先训练的用于将上述目标订单分配给上述多辆运输车中的目标运输车的神经网络模型，上述样本数据中包括样本订单的知识图谱与样本运输车的知识图谱，上述样本订单被标注有被分配给上述样本运输车中的第一运输车；第二获取单元，用于获取上述目标识别模型输出的识别结果，其中，上述识别结果用于指示将上述目标订单分配给上述目标运输车；第一分配单元，用于将上述目标订单分配给上述目标运输车。
作为一种可选的示例，上述第一获取单元包括：查找模块，用于从数据库中查找上述每一辆运输车的上述第二知识图谱；调用模块，用于在查找到上述每一辆运输车的上述第二知识图谱的情况下，调用上述每一辆运输车的上述第二知识图谱；处理模块，用于在未查找到上述多辆运输车中的第二运输车的第二知识图谱的情况下，获取上述第二运输车的参数信息，根据上述参数信息生成上述第二运输车的上述第二知识图谱，并将上述第二运输车的上述第二知识图谱存储到上述数据库中。
作为一种可选的示例，上述第一获取单元还包括：获取模块，用于在将上述第二运输车的上述第二知识图谱存储到上述数据库中之后，在上述多辆运输车中的第三运输车的参数信息发生变化的情况下，获取发生变化的上述参数信息；更新模块，用于按照发生变化的上述参数信息更新上述第三运输车的上述第二知识图谱；保存模块，用于保存更新后的上述第二知识图谱。
作为一种可选的示例，上述装置还包括：第三获取单元，用于在将上述目标订单分配给上述目标运输车之后，获取待分配的第二订单；比对单元，用于比对上述第二订单与上述目标订单的相似度；第二分配单元，用于在上述相似度大于预定阈值的情况下，将上述第二订单分配给上述目标运输车。
作为一种可选的示例，上述装置还包括：发送单元，用于在将上述目标订单分配给上述目标运输车之后，向上述目标运输车发送通知消息，其中，上述通知消息中携带有装载上述目标订单中的货物的装货时间、装货位置。
在本发明实施例中，采用获取待分配的目标订单对应的第一知识图谱与多辆运输车中每一辆运输车分别对应的第二知识图谱；将上述第一知识图谱与上述第二知识图谱输入到目标识别模型中，其中，上述目标识别模型为使用样本数据预先训练的用于将上述目标订单分配给上述多辆运输车中的目标运输车的神经网络模型，上述样本数据中包括样本订单的知识图谱与样本运输车的知识图谱，上述样本订单被标注有被分配给上述样本运输车中的第一运输车；获取上述目标识别模型输出的识别结果，其中，上述识别结果用于指示将上述目标订单分配给上述目标运输车；将上述目标订单分配给上述目标运输车的方式，通过获取到待分配的目标订单之后，生成目标订单的知识图谱，并获取运输车的知识图谱，以及通过预训练的神经网络模型对知识图谱进行识别，从而实现了自动且准确将目标订单分配给最适合的运输车的效果，进而解决了订单分配效率低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种可选的订单分配方法的流程示意图；
图2是根据本发明实施例的一种可选的订单分配装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例的一个方面，提供了一种订单分配方法，可选地，作为一种可选的实施方式，上述订单分配方法包括：
S102，获取待分配的目标订单对应的第一知识图谱与多辆运输车中每一辆运输车分别对应的第二知识图谱；
S104，将第一知识图谱与第二知识图谱输入到目标识别模型中，其中，目标识别模型为使用样本数据预先训练的用于将目标订单分配给多辆运输车中的目标运输车的神经网络模型，样本数据中包括样本订单的知识图谱与样本运输车的知识图谱，样本订单被标注有被分配给样本运输车中的第一运输车；
S106，获取目标识别模型输出的识别结果，其中，识别结果用于指示将目标订单分配给目标运输车；
S108，将目标订单分配给目标运输车。
可选地，上述订单分配方法可以但不限于应用于可以计算数据的终端上，例如手机、平板电脑、笔记本电脑、PC机等终端上，终端可以通过网络与服务器进行交互，上述网络可以包括但不限于无线网络或有线网络。其中，该无线网络包括：WIFI及其他实现无线通信的网络。上述有线网络可以包括但不限于：广域网、城域网、局域网。上述服务器可以包括但不限于任何可以进行计算的硬件设备。
可选地，上述订单分配方法可以但不限于应用于物流过程中订单分配的过程中。或者应用与网络购物，物品分配的过程中。以物流订单分配为例，在产生目标订单后，首先获取目标订单的第一知识图谱与多辆运输车中每一辆运输车对应的第二知识图谱，然后将第一知识图谱与第二知识图谱输入到预先使用样本数据训练的神经网络模型中，由神经网络模型识别得到识别结果，识别结果用于指示将目标订单分配给多辆运输车中的目标运输车。按照识别结果分配目标订单。
可选地，本方案中在获取待分配的目标订单时，可以获取目标订单的各项属性信息，例如发货点，送达点，要求发货时间，要求送达时间，货物重量，货物体积、货物品类、温控要求等。在获取到上述信息后，可以根据上述信息生成第一知识图谱。
本方案中的多辆运输车可以为处于待命状态或者处于使用状态的运输车，运输车包括多项运输车参数。例如司机信息、车辆参数、运行信息、路况信息等。司机信息包括年龄、性别、身份证信息、身高、体重、健康状况、好评度、履约及时性等，车辆信息包括车牌号、载重、车厢内长、车辆内高、车厢内宽、车体外宽、车体高度、车辆温控等，运行信息包括运行轨迹信息、运行时间段、载货状态等，路况信息包括第三方导航承运商数据，包括但不限于：路段、拥堵情况，限行情况等。路况信息为每一辆运输车的固定线路或者将要形式的线路的路况信息。
可选地，本方案中可以预先根据每一辆运输车的各项参数信息生成每一辆运输车对应的第二知识图谱，然后将第二知识图谱存储到数据库中。可以通过数据库维护第二知识图谱。若是接收到目标订单并生成第一知识图谱之后，可以从数据库中获取第二知识图谱。若是数据库中不包括任意一辆运输车的第二知识图谱，则需要获取没有第二知识图谱的运输车，并生成该运输车的第二知识图谱，以及将生成的第二知识图谱保存到数据库中。
例如，新增的运输车数据库中没有存储对应的第二知识图谱，此时，需要获取新增运输车的各项参数信息，以及生成新增运输车的第二知识图谱，将新增运输车的第二知识图谱保存到数据库中。
可选地，本方案中在多辆运输车中任意一辆运输车如第三运输车的参数信息发生变化的情况下，应及时的获取变化的信息，以及根据变化的信息更新第三运输车的第二知识图谱。然后将更新后的第二知识图谱保存到数据库中。
可选地，在获取到目标订单的第一知识图谱与多辆运输车中每一辆运输车对应的第二知识图谱后，将第一知识图谱与第二知识图谱输入到目标识别模型中。目标识别模型为使用样本数据对原始识别模型进行训练得到的神经网络模型。样本数据包括了样本订单与样本运输车，生成样本订单与样本运输车的知识图谱，样本订单已经被标注了被分配给样本运输车中的第一运输车。通过该样本数据训练原始识别模型，得到目标识别模型。目标识别模型识别目标订单的第一知识图谱与多辆运输车中每一辆运输车对应的第二知识图谱得到识别结果，识别结果可以指示将目标订单分配给多辆运输车中的目标运输车。例如，识别结果中可以包括目标订单被分配给每一辆运输车的概率，将概率最大的运输车确定为目标运输车。
可选地，将目标订单按照识别结果分配给目标运输车，由目标运输车对目标订单进行装运。可以向目标运输车发送通知消息，通知消息告知目标运输车的装货时间与装货位置。
可选地，在分配目标订单之后，可以获取待分配的第二订单，若是第二订单与目标订单的相似度大于了预定阈值，则直接将第二订单分配给目标运输车。
可选地，上述比对第二订单与目标订单的相似度可以但不限于比对两者的知识图谱的相似度，或者比对两者的各项参数信息的相似度。
可选地，本方案中还可以根据每一辆运输车的历史数据确定出每一辆运输车的运货倾向。如某一辆运输车不运送A类型的订单。若是目标订单为A类型，且按照识别结果应该分配给该运输车，则此时可以不将目标订单分配给该运输车，而是分配给其他运输车。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
根据本发明实施例的另一个方面，还提供了一种用于实施上述订单分配方法的订单分配装置。如图2所示，该装置包括：
(1)第一获取单元202，用于获取待分配的目标订单对应的第一知识图谱与多辆运输车中每一辆运输车分别对应的第二知识图谱；
(2)输入单元204，用于将第一知识图谱与第二知识图谱输入到目标识别模型中，其中，目标识别模型为使用样本数据预先训练的用于将目标订单分配给多辆运输车中的目标运输车的神经网络模型，样本数据中包括样本订单的知识图谱与样本运输车的知识图谱，样本订单被标注有被分配给样本运输车中的第一运输车；
(3)第二获取单元206，用于获取目标识别模型输出的识别结果，其中，识别结果用于指示将目标订单分配给目标运输车；
(4)第一分配单元208，用于将目标订单分配给目标运输车。
可选地，上述订单分配装置可以但不限于应用于物流过程中订单分配的过程中。或者应用与网络购物，物品分配的过程中。以物流订单分配为例，在产生目标订单后，首先获取目标订单的第一知识图谱与多辆运输车中每一辆运输车对应的第二知识图谱，然后将第一知识图谱与第二知识图谱输入到预先使用样本数据训练的神经网络模型中，由神经网络模型识别得到识别结果，识别结果用于指示将目标订单分配给多辆运输车中的目标运输车。按照识别结果分配目标订单。
可选地，本方案中在获取待分配的目标订单时，可以获取目标订单的各项属性信息，例如发货点，送达点，要求发货时间，要求送达时间，货物重量，货物体积、货物品类、温控要求等。在获取到上述信息后，可以根据上述信息生成第一知识图谱。
本方案中的多辆运输车可以为处于待命状态或者处于使用状态的运输车，运输车包括多项运输车参数。例如司机信息、车辆参数、运行信息、路况信息等。司机信息包括年龄、性别、身份证信息、身高、体重、健康状况、好评度、履约及时性等，车辆信息包括车牌号、载重、车厢内长、车辆内高、车厢内宽、车体外宽、车体高度、车辆温控等，运行信息包括运行轨迹信息、运行时间段、载货状态等，路况信息包括第三方导航承运商数据，包括但不限于：路段、拥堵情况，限行情况等。路况信息为每一辆运输车的固定线路或者将要形式的线路的路况信息。
可选地，本方案中可以预先根据每一辆运输车的各项参数信息生成每一辆运输车对应的第二知识图谱，然后将第二知识图谱存储到数据库中。可以通过数据库维护第二知识图谱。若是接收到目标订单并生成第一知识图谱之后，可以从数据库中获取第二知识图谱。若是数据库中不包括任意一辆运输车的第二知识图谱，则需要获取没有第二知识图谱的运输车，并生成该运输车的第二知识图谱，以及将生成的第二知识图谱保存到数据库中。
例如，新增的运输车数据库中没有存储对应的第二知识图谱，此时，需要获取新增运输车的各项参数信息，以及生成新增运输车的第二知识图谱，将新增运输车的第二知识图谱保存到数据库中。
可选地，本方案中在多辆运输车中任意一辆运输车如第三运输车的参数信息发生变化的情况下，应及时的获取变化的信息，以及根据变化的信息更新第三运输车的第二知识图谱。然后将更新后的第二知识图谱保存到数据库中。
可选地，在获取到目标订单的第一知识图谱与多辆运输车中每一辆运输车对应的第二知识图谱后，将第一知识图谱与第二知识图谱输入到目标识别模型中。目标识别模型为使用样本数据对原始识别模型进行训练得到的神经网络模型。样本数据包括了样本订单与样本运输车，生成样本订单与样本运输车的知识图谱，样本订单已经被标注了被分配给样本运输车中的第一运输车。通过该样本数据训练原始识别模型，得到目标识别模型。目标识别模型识别目标订单的第一知识图谱与多辆运输车中每一辆运输车对应的第二知识图谱得到识别结果，识别结果可以指示将目标订单分配给多辆运输车中的目标运输车。例如，识别结果中可以包括目标订单被分配给每一辆运输车的概率，将概率最大的运输车确定为目标运输车。
可选地，将目标订单按照识别结果分配给目标运输车，由目标运输车对目标订单进行装运。可以向目标运输车发送通知消息，通知消息告知目标运输车的装货时间与装货位置。
可选地，在分配目标订单之后，可以获取待分配的第二订单，若是第二订单与目标订单的相似度大于了预定阈值，则直接将第二订单分配给目标运输车。
可选地，上述比对第二订单与目标订单的相似度可以但不限于比对两者的知识图谱的相似度，或者比对两者的各项参数信息的相似度。
可选地，本方案中还可以根据每一辆运输车的历史数据确定出每一辆运输车的运货倾向。如某一辆运输车不运送A类型的订单。若是目标订单为A类型，且按照识别结果应该分配给该运输车，则此时可以不将目标订单分配给该运输车，而是分配给其他运输车。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种订单分配方法，其特征在于，包括：
获取待分配的目标订单对应的第一知识图谱与多辆运输车中每一辆运输车分别对应的第二知识图谱；
将所述第一知识图谱与所述第二知识图谱输入到目标识别模型中，其中，所述目标识别模型为使用样本数据预先训练的用于将所述目标订单分配给所述多辆运输车中的目标运输车的神经网络模型，所述样本数据中包括样本订单的知识图谱与样本运输车的知识图谱，所述样本订单被标注有被分配给所述样本运输车中的第一运输车；
获取所述目标识别模型输出的识别结果，其中，所述识别结果用于指示将所述目标订单分配给所述目标运输车；
将所述目标订单分配给所述目标运输车。
2.根据权利要求1所述的方法，其特征在于，获取所述多辆运输车中所述每一辆运输车的第二知识图谱包括：
从数据库中查找所述每一辆运输车的所述第二知识图谱；
在查找到所述每一辆运输车的所述第二知识图谱的情况下，调用所述每一辆运输车的所述第二知识图谱；
在未查找到所述多辆运输车中的第二运输车的第二知识图谱的情况下，获取所述第二运输车的参数信息，根据所述参数信息生成所述第二运输车的所述第二知识图谱，并将所述第二运输车的所述第二知识图谱存储到所述数据库中。
3.根据权利要求2所述的方法，其特征在于，在将所述第二运输车的所述第二知识图谱存储到所述数据库中之后，所述方法还包括：
在所述多辆运输车中的第三运输车的参数信息发生变化的情况下，获取发生变化的所述参数信息；
按照发生变化的所述参数信息更新所述第三运输车的所述第二知识图谱；
保存更新后的所述第二知识图谱。
4.根据权利要求1所述的方法，其特征在于，在将所述目标订单分配给所述目标运输车之后，所述方法还包括：
获取待分配的第二订单；
比对所述第二订单与所述目标订单的相似度；
在所述相似度大于预定阈值的情况下，将所述第二订单分配给所述目标运输车。
5.根据权利要求1至4任意一项所述的方法，其特征在于，在将所述目标订单分配给所述目标运输车之后，所述方法还包括：
向所述目标运输车发送通知消息，其中，所述通知消息中携带有装载所述目标订单中的货物的装货时间、装货位置。
6.一种订单分配装置，其特征在于，包括：
第一获取单元，用于获取待分配的目标订单对应的第一知识图谱与多辆运输车中每一辆运输车分别对应的第二知识图谱；
输入单元，用于将所述第一知识图谱与所述第二知识图谱输入到目标识别模型中，其中，所述目标识别模型为使用样本数据预先训练的用于将所述目标订单分配给所述多辆运输车中的目标运输车的神经网络模型，所述样本数据中包括样本订单的知识图谱与样本运输车的知识图谱，所述样本订单被标注有被分配给所述样本运输车中的第一运输车；
第二获取单元，用于获取所述目标识别模型输出的识别结果，其中，所述识别结果用于指示将所述目标订单分配给所述目标运输车；
第一分配单元，用于将所述目标订单分配给所述目标运输车。
7.根据权利要求6所述的装置，其特征在于，所述第一获取单元包括：
查找模块，用于从数据库中查找所述每一辆运输车的所述第二知识图谱；
调用模块，用于在查找到所述每一辆运输车的所述第二知识图谱的情况下，调用所述每一辆运输车的所述第二知识图谱；
处理模块，用于在未查找到所述多辆运输车中的第二运输车的第二知识图谱的情况下，获取所述第二运输车的参数信息，根据所述参数信息生成所述第二运输车的所述第二知识图谱，并将所述第二运输车的所述第二知识图谱存储到所述数据库中。
8.根据权利要求7所述的装置，其特征在于，所述第一获取单元还包括：
获取模块，用于在将所述第二运输车的所述第二知识图谱存储到所述数据库中之后，在所述多辆运输车中的第三运输车的参数信息发生变化的情况下，获取发生变化的所述参数信息；
更新模块，用于按照发生变化的所述参数信息更新所述第三运输车的所述第二知识图谱；
保存模块，用于保存更新后的所述第二知识图谱。
9.根据权利要求6所述的装置，其特征在于，所述装置还包括：
第三获取单元，用于在将所述目标订单分配给所述目标运输车之后，获取待分配的第二订单；
比对单元，用于比对所述第二订单与所述目标订单的相似度；
第二分配单元，用于在所述相似度大于预定阈值的情况下，将所述第二订单分配给所述目标运输车。
10.根据权利要求6至9任意一项所述的装置，其特征在于，所述装置还包括：
发送单元，用于在将所述目标订单分配给所述目标运输车之后，向所述目标运输车发送通知消息，其中，所述通知消息中携带有装载所述目标订单中的货物的装货时间、装货位置。
CN202010148179.0A 2020-03-05 2020-03-05 订单分配方法和装置 Withdrawn CN111325611A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010148179.0A CN111325611A (zh) 2020-03-05 2020-03-05 订单分配方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010148179.0A CN111325611A (zh) 2020-03-05 2020-03-05 订单分配方法和装置

Publications (1)

Publication Number Publication Date
CN111325611A true CN111325611A (zh) 2020-06-23

Family

ID=71173102

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010148179.0A Withdrawn CN111325611A (zh) 2020-03-05 2020-03-05 订单分配方法和装置

Country Status (1)

Country Link
CN (1) CN111325611A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554386A (zh) * 2021-06-25 2021-10-26 杭州拼便宜网络科技有限公司 适用于电商订单的物流分配方法、装置、设备及存储介质
CN114493408A (zh) * 2021-12-21 2022-05-13 重庆特斯联智慧科技股份有限公司 一种基于知识图谱的货物优化装载方法和装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554386A (zh) * 2021-06-25 2021-10-26 杭州拼便宜网络科技有限公司 适用于电商订单的物流分配方法、装置、设备及存储介质
CN114493408A (zh) * 2021-12-21 2022-05-13 重庆特斯联智慧科技股份有限公司 一种基于知识图谱的货物优化装载方法和装置
CN114493408B (zh) * 2021-12-21 2024-04-09 重庆特斯联智慧科技股份有限公司 一种基于知识图谱的货物优化装载方法和装置

Similar Documents

Publication Publication Date Title
CN109564647A (zh) 评价装置、评价方法和评价程序
CN110880084A (zh) 一种仓库补货的方法和装置
US20150294265A1 (en) Systems and methods for delivering packages
CN110232551B (zh) 货物分类方法及装置、存储介质、电子装置
CN111325611A (zh) 订单分配方法和装置
US20200051020A1 (en) Method and system to predict cost of transportation of goods
KR20210008581A (ko) 멀티 인수 및 멀티 배송을 위한 물류 운송 서비스 제공 시스템
CN114140040A (zh) 一种基于大数据的智能物流系统平台
CN111401690A (zh) 车队风险识别方法、电子装置及可读存储介质
CN113177766B (zh) 储藏物料的方法、装置及终端设备
CN113330471A (zh) 通信服务器装置及其操作方法
CN114444998A (zh) 一种物流供应链管理系统
CN108960736A (zh) 用于发送信息的方法及装置
CN115705593A (zh) 物流运输方法、装置、计算机设备和存储介质
CN108399524A (zh) 信息处理方法及系统
JP7106218B2 (ja) 荷役情報推定システム及び荷役情報推定方法
CN112364262A (zh) 一种找货路线推荐方法、装置、电子设备及存储介质
CN114493386A (zh) 一种物流配送管理方法及其系统
CN113888098A (zh) 车辆信息推荐方法、装置和电子设备
CN109767115B (zh) 业务管理方法、装置、计算机设备和可读存储介质
CN112801567B (zh) 快递派件模式选取方法、装置、计算机设备和存储介质
CN112131793A (zh) 一种线路货量仿真方法及装置
CN111209473A (zh) 一种基于大数据的车货匹配方法及系统
CN111178906A (zh) 车辆客户智能管理方法、装置、计算机设备和存储介质
CN109886616A (zh) 多系统间的数据处理方法、装置、设备及存储介质

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20200623