CN111353712B - 配送任务调度方法及装置、服务器及存储介质 - Google Patents
配送任务调度方法及装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN111353712B CN111353712B CN202010138629.8A CN202010138629A CN111353712B CN 111353712 B CN111353712 B CN 111353712B CN 202010138629 A CN202010138629 A CN 202010138629A CN 111353712 B CN111353712 B CN 111353712B
- Authority
- CN
- China
- Prior art keywords
- distribution
- delivery
- resources
- distributing
- task
- 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.)
- Active
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
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例涉及信息处理技术领域,公开了一种配送任务调度方法及装置、服务器及存储介质。通过至少一个处理器实时根据配送资源平均揽收配送任务数量、配送资源揽收配送任务的平均时间、待配送仓的配送资源最大数量以及单位时间的出仓流量确定拥堵系数值;若至少一个处理器检测到拥堵系数值大于预设阈值,调整配送资源平均揽收配送任务数量和/或调整配送资源揽收配送任务的平均时间,直至拥堵系数小于预设阈值,能够缓解配送任务调度过程中的拥堵问题。
Description
技术领域
本发明涉及信息处理技术领域,特别涉及一种配送任务调度方法及装置、服务器及存储介质。
背景技术
随着物联网技术的蓬勃发展,很多的传统零售行业开始进行线上配送服务,用户足不出户就可以获取到自己想买的商品。当用户通过应用软件在线上下单后,会生成一个配送任务,配送平台将该配送任务分配给配送资源,由配送资源去货仓获取打包好的配送对象并进行配送。
发明人发现相关技术中至少存在如下问题:由于配送对象的分配是需要花时间的,在这个过程中可能有多个用户下单,那么就会生成多个配送任务,有多个配送资源被派到同一待配送仓,即配送对象分配地点,从而造成配送对象分配地点拥堵。
发明内容
本发明实施方式的目的在于提供一种配送任务调度方法及装置、服务器及存储介质,可以缓解配送任务调度过程中的货仓拥堵问题。
为解决上述技术问题,本发明的实施方式提供了一种配送任务调度方法,包括:通过至少一个处理器实时根据配送资源平均揽收配送任务数量、配送资源揽收配送任务的平均时间、待配送仓的配送资源最大数量以及单位时间的出仓流量确定拥堵系数值;若至少一个处理器检测到拥堵系数值大于预设阈值,调整配送资源平均揽收配送任务数量和/或调整配送资源揽收配送任务的平均时间,直至拥堵系数小于预设阈值。
本发明的实施方式还提供了一种配送任务调度装置,包括:确定模块,用于实时根据配送资源平均揽收配送任务数量、配送资源揽收配送任务的平均时间、待配送仓的配送资源最大数量以及单位时间的出仓流量确定拥堵系数值;调整模块,用于若检测到拥堵系数值大于预设阈值,调整配送资源平均揽收配送任务数量和/或调整配送资源揽收配送任务的平均时间,直至拥堵系数小于预设阈值。
本发明的实施方式还提供了一种服务器,包括存储器和处理器,存储器存储计算机程序,处理器运行程序时执行:通过处理器实时根据配送资源平均揽收配送任务数量、配送资源揽收配送任务的平均时间、待配送仓的配送资源最大数量以及单位时间的出仓流量确定拥堵系数值;若处理器检测到拥堵系数值大于预设阈值,调整配送资源平均揽收配送任务数量和/或调整配送资源揽收配送任务的平均时间,直至拥堵系数小于预设阈值。
本发明的实施方式还提供了一种非易失性存储介质,用于存储计算机可读程序,计算机可读程序用于供计算机执行如上的配送任务调度方法。
本发明实施方式相对于现有技术而言,通过设定一个拥堵系数来衡量当前配送任务调度过程中的拥堵情况,这个拥堵系数的值由配送资源平均揽收配送任务数量、配送资源揽收配送任务的平均时间、待配送仓的配送资源最大数量以及单位时间的出仓流量来确定,这样确定出来的拥堵系数能够真实反映配送对象分配地点(即待配送仓)的拥堵情况,若检测到当前拥堵系数大于预设阈值,表明配送对象分配地点较拥堵,配送任务分配压力较大,通过对配送资源平均揽收配送任务数量和/或送资源揽收配送任务的平均时间进行调整,直至拥堵系数值小于预设阈值,使得配送任务得到更合理的调度,拥堵压力得到缓解。
另外,调整配送资源平均揽收配送任务数量,具体包括:通过至少一个处理器确定各个配送资源已揽收的配送任务分别与各个尚未指派的配送任务之间的两两配送路径的相似度;若存在尚未指派配送资源的配送任务与配送资源已揽收的配送任务之间的配送路径相似度在预设范围内,将尚未指派的配送任务指派给配送资源。将配送路径相似的配送任务分配给同一个配送资源,使得各个配送资源平均揽收的配送任务数量增加,从而可以减少同时在配送对象分配地点的配送资源数量,从而使得拥堵状况得到缓解。
另外,两两配送路径的相似度,具体通过以下方式得到:通过至少一个处理器确定配送资源单独配送第一配送任务的单独配送路程以及配送资源同时配送第一配送任务和第二配送任务的总路程;根据总路程与单独配送路程的差值,确定相似度。提供一种具体的确定相似的的方法,直接通过总路程与单独配送路程的差值来确定两个配送路径间的相似度,容易实施且结果可靠。
另外,在将尚未指派的配送任务指派给配送资源之前,还包括:预估将尚未指派的配送任务指派给配送资源后,尚未指派的配送任务的配送超时概率;若配送超时概率大于预设阈值,则禁止将尚未指派的配送任务指派给配送资源。在配送超时概率较高时不再将配送路径相似的配送任务指派给对应的配送资源,降低了调度失误风险,保障了用户体验。
另外,调整配送资源揽收配送任务的平均时间,具体包括:预估当前各个配送任务的初始可配送时间;根据当前各个配送任务的初始可配送时间为各个配送资源确定开始获取配送对象时间点,开始获取配送对象时间点为配送资源开始前往配送对象分配地点的时间点。先对各个配送任务的初始可配送时间进行预测,再根据预测结果确定各个配送资源开始获取配送对象时间点,避免配送资源提早到达配送对象分配地点造成拥堵或者延后到达配送对象分配地点导致降低配送任务的配送效率。
另外,预估当前各个配送任务的初始可配送时间,具体包括:通过至少一个处理器将各个配送任务的配送对象的特征数据、配送对象分配地点的特征数据以及各个配送对象当前分配压力特征数据作为预先训练的预测模型的输入,通过预测模型分别预测各个配送任务的配送对象的分配需耗时间;根据各个分配需耗时间预估当前各个配送任务的初始可配送时间。根据各个配送任务的配送对象的特征数据、配送对象分配地点的特征数据以及各个配送对象当前分配压力特征数据来预测各个配送任务的配送对象的分配需耗时间,充分考虑各个方面因素对预测结果的影响,使得模型的预测结果可靠。
另外,拥堵系数具体通过以下公式得到:拥堵系数=(配送资源揽收配送任务的平均时间×单位时间的出仓流量)/(配送资源平均揽收配送任务数量×待配送仓的配送资源最大数量)。
附图说明
图1是根据本发明第一实施方式中配送任务调度方法流程图;
图2是根据本发明第二实施方式中的调整配送资源平均揽收配送任务数量的方法流程图;
图3是根据本发明第三实施方式中的调整配送资源揽收配送任务的平均时间的方法流程图;
图4是根据本发明第四实施方式中的配送任务调度装置结构示意图;
图5是根据本发明第五实施方式提供的服务器结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便,不应对本发明的具体实现方式构成任何限定,各个实施例在不矛盾的前提下可以相互结合相互引用。
本发明的第一实施方式涉及一种配送任务调度方法,在本实施方式中,通过至少一个处理器实时根据配送资源平均揽收配送任务数量、配送资源揽收配送任务的平均时间、待配送仓的配送资源最大数量以及单位时间的出仓流量确定拥堵系数值;若至少一个处理器检测到拥堵系数值大于预设阈值,调整配送资源平均揽收配送任务数量和/或调整配送资源揽收配送任务的平均时间,直至拥堵系数小于预设阈值。下面对本实施方式的配送任务调度方法的实现细节进行具体的说明,以下内容仅为方便理解提供的实现细节,并非实施本方案的必须。
具体流程如图1所示,步骤S101,通过至少一个处理器实时根据配送资源平均揽收配送任务数量、配送资源揽收配送任务的平均时间、待配送仓的配送资源最大数量以及单位时间的出仓流量确定拥堵系数值。
具体地说,本申请的实施例中确定了一个拥堵系数公式,用于确定某个待配送仓的拥堵情况,拥堵系数=(配送资源揽收配送任务的平均时间×单位时间的出仓流量)/(配送资源平均揽收配送任务数量×待配送仓的配送资源最大数量)。其中,配送资源揽收配送任务的平均时间可以实时根据各个配送资源揽收该配送对象分配地点的配送任务的情况统计得到,也可根据历史数据中相同时间段配送资源揽收该配送对象分配地点所花时间的情况对当下配送资源揽收配送任务的平均时间进行预估得到;单位时间的出仓流量可以根据某个时间段内用户在该配送对象分配地点的下单数量实时计算得到,单位时间的出仓流量也可以理解为单位时间产生的配送任务数量;配送资源平均揽收配送任务数量可根据各个配送资源当下已揽收的配送任务的数量以及配送资源数据计算得到;待配送仓的配送资源最大数量即配送对象分配地点最多能容纳的配送资源数量,这个值是固定的,可通过获取线下采集的数据得到。服务器在获取到这几个参数值后,便可通过内置的处理器计算得到拥堵系数值。
在一个例子中,配送资源揽收配送任务的平均时间为X,单位时间的出仓流量为A,配送资源平均揽收配送任务数量Z,待配送仓的配送资源最大数量为Y,在配送资源已经达到最大数量Y的情况下,X分钟内,配送资源所揽收的总的单量为Y*Z,而提供给配送资源进行配送的配送任务总量为A*X,当A*X的值大于Y*Z时,表示配送任务的总数量已经超过现有配送资源能揽收的配送任务的总数量,需要增派新的配送资源,而如果增派新的配送资源,必然会造成配送对象分配地点的拥堵,因此,将拥堵系数定义为C=(A*X)/(Y*Z),当检测到C的值大于1的时候,即表明配送对象分配地点将发生拥堵。
步骤S102,若至少一个处理器检测到拥堵系数值大于预设阈值,调整配送资源平均揽收配送任务数量和/或调整配送资源揽收配送任务的平均时间,直至拥堵系数小于预设阈值。
具体地说,服务器在计算出拥堵系数后,若发现拥堵系数值大于预设阈值(预设阈值通常为1,也可根据实际情况调整),则可以通过调整配送资源平均揽收配送任务数量和/或调整配送资源揽收配送任务的平均时间来改变拥堵系数值,直至拥堵系数小于预设阈值。在具体实施中,可通过增大配送资源平均揽收配送任务数量或者降低配送资源揽收配送任务的平均时间来减小拥堵系数,也可以同时对这两个参数进行调整以减小拥堵系数。
以为大型超市的实时配送服务为例,配送任务即用户的订单,配送资源即骑手,服务器可根据采集的数据得到骑手开始前往仓库揽收订单的平均时间,例如这个时间为10分钟;这段时间内该超市产生的订单的数量,例如为50个(即每10分钟产生的订单的数量为50个);该超市仓库所能容纳的骑手的最大数量,例如为10个;每个骑手平均揽收该超市的订单的数量,例如为3个,那么,拥堵系数为C=50/(10*3),这个拥堵系数的值大于1,服务器可通过增加每个骑手平均揽收的订单数量或者改变骑手开始去仓库揽收订单的时间来使得拥堵系数的值变小。
本实施方式相对现有技术而言,通过设定一个拥堵系数来衡量当前配送任务调度过程中的拥堵情况,这个拥堵系数的值由配送资源平均揽收配送任务数量、配送资源揽收配送任务的平均时间、待配送仓的配送资源最大数量以及单位时间的出仓流量来确定,这样确定出来的拥堵系数能够真实反映配送对象分配地点的拥堵情况,若检测到当前拥堵系数大于预设阈值,表明配送对象分配地点较拥堵,配送任务分配压力较大,通过对配送资源平均揽收配送任务数量和/或送资源揽收配送任务的平均时间进行调整,直至拥堵系数值小于预设阈值,使得配送任务得到更合理的调度,拥堵压力得到缓解。
本发明的第二实施方式在第一实施方式的基础上,提供了一种调整配送资源平均揽收配送任务数量的方法,如图2所示,本实施方式中包括以下步骤:
步骤S201,通过至少一个处理器确定各个配送资源已揽收的配送任务分别与各个尚未指派的配送任务之间的两两配送路径的相似度。
步骤S202,若存在尚未指派配送资源的配送任务与配送资源已揽收的配送任务之间的配送路径相似度在预设范围内,将尚未指派的配送任务指派给配送资源。
本实施方式中,在调整各个配送资源的平均揽收配送任务数量时,主要是通过将配送路径相似的配送任务分配给同一个配送资源的方法来增加各个配送资源的平均揽收配送任务数量。服务器会通过处理器确定各个配送资源已揽收的配送任务分别与各个尚未指派的配送任务之间的两两配送路径的相似度,若检测到某个尚未指派配送资源的配送任务与某个配送资源已揽收的配送任务之间的配送路径相似度在预设范围内,将这个尚未指派配送资源的配送任务指派给该配送资源,这样,既不需要增派新的配送资源,也不会给现有的配送资源增加太多的配送障碍。
需要说明的是,这里的两两配送路径的相似度,具体通过以下方式得到:服务器通过内置的至少一个处理器确定配送资源单独配送第一配送任务的单独配送路程以及配送资源同时配送第一配送任务和第二配送任务的总路程;根据总路程与单独配送路程的差值,确定相似度。其中差值越小,表明这两个配送路径越相似。直接通过总路程与单独配送路程的差值来确定两个配送路径间的相似度,容易实施且结果可靠。
另外,在将尚未指派的配送任务指派给配送资源之前,服务器还会预估将尚未指派的配送任务指派给配送资源后,尚未指派的配送任务的配送超时概率;若配送超时概率大于预设阈值,则禁止将尚未指派的配送任务指派给配送资源。在配送超时概率较高时不再将配送路径相似的配送任务指派给对应的配送资源,降低了调度失误风险,保障了用户体验。
同样以第一实施方式中提到的大型超市的实时配送服务为例,假设现在有两个骑手,骑手甲已揽收的订单为订单A和订单B,骑手乙已揽收的订单为订单C和订单D,未指派骑手的的订单为订单F;服务器会通过内置的至少一个处理器分别计算AF、BF、CF、DF这四个两两订单间的配送路径的相似度,并将订单F分配给与其配送路径最相似的订单对应的骑手,假设订单D与订单F的配送路径最相似,则将订单F分配给骑手乙;另外,在将订单F分配给骑手乙之前,还会先预估一下将订单F分配给骑手乙,订单F的超时概率,如果超时概率超过某个预设阈值(例如超过30%),则禁止将订单F分配给骑手乙,这样可以降低超时风险,尽量保证用户体验。
本实施方式相对现有技术而言,将配送路径相似的配送任务分配给同一个配送资源,使得各个配送资源平均揽收的配送任务数量增加,从而可以减少同时在配送对象分配地点的配送资源数量,从而使得拥堵状况得到缓解。
本发明的第三实施方式在第一实施方式的基础上,提供了一种具体的调整配送资源揽收配送任务的平均时间的方法,如图3所示,下面进行具体说明。
步骤S301,预估当前各个配送任务的初始可配送时间。
步骤S302,根据当前各个配送任务的初始可配送时间为各个配送资源确定开始获取配送对象时间点,开始获取配送对象时间点为配送资源开始前往配送对象分配地点的时间点。
具体地说,在预估前各个配送任务的初始可配送时间时,可预先训练一个预测模型,通过至少一个处理器将各个配送任务的配送对象的特征数据、配送对象分配地点的特征数据以及各个配送对象当前分配压力特征数据作为预先训练的预测模型的输入,利用该预测模型分别预测各个配送任务的配送对象的分配需耗时间;再根据各个分配需耗时间即可预估出当前各个配送任务的初始可配送时间。先对各个配送任务的初始可配送时间进行预测,再根据预测结果确定各个配送资源开始获取配送对象时间点,避免配送资源提早到达配送对象分配地点造成拥堵或者延后到达配送对象分配地点导致降低配送任务的配送效率。
在预估到当前各个配送任务的初始可配送时间后,服务器便可为各个配送资源确定开始获取配送对象时间点,这里所说的开始获取配送对象时间点为配送资源开始前往配送对象分配地点的时间点。
同样以第一实施方式中提到的大型超市的实时配送服务为例,当前各个配送任务的初始可配送时间即订单打包完成时间,服务器首先会通过内置的至少一个处理器调用订单打包时间预估模型来预估出各个订单打包所需要耗费的时间,订单打包时间预估模型的输入包括订单的特征数据(例如该订单中的商品的冷热链情况等)、仓库的特征数据(例如仓库机器的平均打包速度等)以及各个订单的当前打包压力数据(例如仓库目前需打包的订单总数量等),在预估出各个订单打包所需要耗费的时间后,服务器便可对骑手进行调度,改变骑手开始去仓库获取订单的时间,从而减少骑手在仓库的等待时间,同样也使得仓库变得不再拥堵。
本实施方式相对现有技术而言,先对各个配送任务的初始可配送时间进行预测,再根据预测结果确定各个配送资源开始获取配送对象时间点,避免配送资源提早到达配送对象分配地点造成拥堵或者延后到达配送对象分配地点导致降低配送任务的配送效率。
本发明的第四实施方式涉及一种配送任务调度装置,如图4所示,该装置包括:确定模块401,用于实时根据配送资源平均揽收配送任务数量、配送资源揽收配送任务的平均时间、待配送仓的配送资源最大数量以及单位时间的出仓流量确定拥堵系数值;调整模块402,用于若检测到拥堵系数值大于预设阈值,调整配送资源平均揽收配送任务数量和/或调整配送资源揽收配送任务的平均时间,直至拥堵系数小于预设阈值。
在一个例子中,调整配送资源平均揽收配送任务数量,上述调整模块402具体包括:相似度确定子模块,用于确定各个配送资源已揽收的配送任务分别与各个尚未指派的配送任务之间的两两配送路径的相似度;指派子模块,用于在尚未指派配送资源的配送任务与配送资源已揽收的配送任务之间的配送路径相似度在预设范围内时,将尚未指派的配送任务指派给配送资源。
在一个例子中,上述相似度确定子模块具体用于确定配送资源单独配送第一配送任务的单独配送路程以及配送资源同时配送第一配送任务和第二配送任务的总路程;根据总路程与单独配送路程的差值,确定相似度。
在一个例子中,上述指派子模块还用于在将尚未指派的配送任务指派给配送资源之前,预估将尚未指派的配送任务指派给配送资源后,尚未指派的配送任务的配送超时概率;若配送超时概率大于预设阈值,则禁止将尚未指派的配送任务指派给配送资源。
在一个例子中,上述调整模块402包括:预估子模块,用于预估当前各个配送任务的初始可配送时间;时间点获取子模块,用于根据当前各个配送任务的初始可配送时间为各个配送资源确定开始获取配送对象时间点,开始获取配送对象时间点为配送资源开始前往配送对象分配地点的时间点。
在一个例子中,上述预估子模块具体用于:将各个配送任务的配送对象的特征数据、配送对象分配地点的特征数据以及各个配送对象当前分配压力特征数据作为预先训练的预测模型的输入,通过预测模型分别预测各个配送任务的配送对象的分配需耗时间;根据各个分配需耗时间预估当前各个配送任务的初始可配送时间。
在一个例子中,拥堵系数具体通过以下公式得到:拥堵系数=(配送资源揽收配送任务的平均时间×单位时间的出仓流量)/(配送资源平均揽收配送任务数量×待配送仓的配送资源最大数量)。
不难发现,本实施方式为与第一至第三实施方式中任一实施方式相对应的系统实施例,本实施方式可与第一至第三实施方式中任一实施方式互相配合实施。第一至第三实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应的,本实施方式中提到的相关技术细节也可应用在第一实施方式至第三实施方式中。
值得一提的是,本实施方式中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本发明的创新部分,本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,但这并不表明本实施方式中不存在其它的单元。
本发明的第五实施方式涉及一种电子设备,如图5所示,该电子设备500包括:至少一个处理器501;以及,与至少一个处理器501通信连接的存储器502;以及,与扫描装置通信连接的通信组件503,通信组件503在处理器501的控制下接收和发送数据;其中,存储器502存储有可被至少一个处理器501执行的指令,指令被至少一个处理器501执行以实现:
通过处理器实时根据配送资源平均揽收配送任务数量、配送资源揽收配送任务的平均时间、待配送仓的配送资源最大数量以及单位时间的出仓流量确定拥堵系数值;若处理器检测到拥堵系数值大于预设阈值,调整配送资源平均揽收配送任务数量和/或调整配送资源揽收配送任务的平均时间,直至拥堵系数小于预设阈值。
具体地,该电子设备500包括:一个或多个处理器501以及存储器502,图5中以一个处理器501为例。处理器501、存储器502可以通过总线或者其他方式连接,图5中以通过总线连接为例。存储器502作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器501通过运行存储在存储器502中的非易失性软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述配送任务调度方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储选项列表等。此外,存储器502可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施方式中,存储器502可选包括相对于处理器501远程设置的存储器502,这些远程存储器502可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器502中,当被一个或者多个处理器501执行时,执行上述任意方法实施方式中的配送任务调度方法。
上述产品可执行本申请实施方式所提供的方法,具备执行方法相应的功能模块和有益效果,未在本实施方式中详尽描述的技术细节,可参见本申请实施方式所提供的方法。
本发明的第六实施方式涉及一种非易失性存储介质,用于存储计算机可读程序,计算机可读程序用于供计算机执行上述部分或全部的方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
本申请实施方式提供A1.一种配送任务调度方法,包括:
通过至少一个处理器实时根据配送资源平均揽收配送任务数量、配送资源揽收配送任务的平均时间、待配送仓的配送资源最大数量以及单位时间的出仓流量确定拥堵系数值;
若所述至少一个处理器检测到所述拥堵系数值大于预设阈值,调整所述配送资源平均揽收配送任务数量和/或调整所述配送资源揽收配送任务的平均时间,直至所述拥堵系数小于所述预设阈值。
A2.根据A1所述的配送任务调度方法,所述调整所述配送资源平均揽收配送任务数量,具体包括:
通过所述至少一个处理器确定各个配送资源已揽收的配送任务分别与各个尚未指派的配送任务之间的两两配送路径的相似度;
若存在尚未指派配送资源的配送任务与配送资源已揽收的配送任务之间的配送路径相似度在预设范围内,将所述尚未指派的配送任务指派给所述配送资源。
A3.根据A2所述的配送任务调度方法,所述两两配送路径的相似度,具体通过以下方式得到:
通过所述至少一个处理器确定配送资源单独配送第一配送任务的单独配送路程以及所述配送资源同时配送所述第一配送任务和第二配送任务的总路程;
根据所述总路程与所述单独配送路程的差值,确定所述相似度。
A4.根据A2所述的配送任务调度方法,
在所述将所述尚未指派的配送任务指派给所述配送资源之前,还包括:
预估将所述尚未指派的配送任务指派给所述配送资源后,所述尚未指派的配送任务的配送超时概率;
若所述配送超时概率大于预设阈值,则禁止所述将所述尚未指派的配送任务指派给所述配送资源。
A5.根据A1所述的配送任务调度方法,所述调整所述配送资源揽收配送任务的平均时间,具体包括:
预估当前各个配送任务的初始可配送时间;
根据所述当前各个配送任务的初始可配送时间为各个配送资源确定开始获取配送对象时间点,所述开始获取配送对象时间点为配送资源开始前往配送对象分配地点的时间点。
A6.根据A5所述的配送任务调度方法,所述预估当前各个配送任务的初始可配送时间,具体包括:
通过所述至少一个处理器将所述各个配送任务的配送对象的特征数据、所述配送对象分配地点的特征数据以及各个所述配送对象当前分配压力特征数据作为预先训练的预测模型的输入,通过所述预测模型分别预测所述各个配送任务的配送对象的分配需耗时间;
根据所述各个所述分配需耗时间预估所述当前各个配送任务的初始可配送时间。
A7.根据A1所述的配送任务调度方法,所述拥堵系数具体通过以下公式得到:
拥堵系数=(配送资源揽收配送任务的平均时间×单位时间的出仓流量)/(配送资源平均揽收配送任务数量×待配送仓的配送资源最大数量)。
本申请实施方式提供B1.一种配送任务调度装置,包括:
确定模块,用于实时根据配送资源平均揽收配送任务数量、配送资源揽收配送任务的平均时间、待配送仓的配送资源最大数量以及单位时间的出仓流量确定拥堵系数值;
调整模块,用于若检测到所述拥堵系数值大于预设阈值,调整所述配送资源平均揽收配送任务数量和/或调整所述配送资源揽收配送任务的平均时间,直至所述拥堵系数小于所述预设阈值。
B2.根据B1所述的配送任务调度装置,所述调整模块具体包括:
相似度确定子模块,用于确定各个配送资源已揽收的配送任务分别与各个尚未指派的配送任务之间的两两配送路径的相似度;
指派子模块,用于在尚未指派配送资源的配送任务与配送资源已揽收的配送任务之间的配送路径相似度在预设范围内时,将所述尚未指派的配送任务指派给所述配送资源。
B3.根据B2所述的配送任务调度装置,所述相似度确定子模块具体用于确定配送资源单独配送第一配送任务的单独配送路程以及所述配送资源同时配送所述第一配送任务和第二配送任务的总路程;根据所述总路程与所述单独配送路程的差值,确定所述相似度。
B4.根据B2所述的配送任务调度装置,
所述指派子模块还用于在所述将所述尚未指派的配送任务指派给所述配送资源之前,预估将所述尚未指派的配送任务指派给所述配送资源后,所述尚未指派的配送任务的配送超时概率;若所述配送超时概率大于预设阈值,则禁止所述将所述尚未指派的配送任务指派给所述配送资源。
B5.根据B1所述的配送任务调度装置,所述调整模块包括:
预估子模块,用于预估当前各个配送任务的初始可配送时间;
时间点获取子模块,用于根据所述当前各个配送任务的初始可配送时间为各个配送资源确定开始获取配送对象时间点,所述开始获取配送对象时间点为配送资源开始前往配送对象分配地点的时间点。
B6.根据B5所述的配送任务调度装置,所述预估子模块具体用于:
将所述各个配送任务的配送对象的特征数据、所述配送对象分配地点的特征数据以及各个所述配送对象当前分配压力特征数据作为预先训练的预测模型的输入,通过所述预测模型分别预测所述各个配送任务的配送对象的分配需耗时间;
根据所述各个所述分配需耗时间预估所述当前各个配送任务的初始可配送时间。
B7.根据B1所述的配送任务调度装置,所述拥堵系数具体通过以下公式得到:
拥堵系数=(配送资源揽收配送任务的平均时间×单位时间的出仓流量)/(配送资源平均揽收配送任务数量×待配送仓的配送资源最大数量)。
本申请实施方式提供C1.一种服务器,包括存储器和处理器,所述存储器存储计算机程序,所述处理器运行程序时执行:
通过所述处理器实时根据配送资源平均揽收配送任务数量、配送资源揽收配送任务的平均时间、待配送仓的配送资源最大数量以及单位时间的出仓流量确定拥堵系数值;
若所述处理器检测到所述拥堵系数值大于预设阈值,调整所述配送资源平均揽收配送任务数量和/或调整所述配送资源揽收配送任务的平均时间,直至所述拥堵系数小于所述预设阈值。
C2.根据C1所述的服务器,所述处理器运行程序时执行如A2至A7中任一项所述的配送任务调度方法。
本申请实施方式提供D1.一种非易失性存储介质,用于存储计算机可读程序,所述计算机可读程序用于供计算机执行如A1至A7中任一项所述的配送任务调度方法。
Claims (17)
1.一种配送任务调度方法,其特征在于,所述方法应用于服务端,所述方法包括:
针对每个用户在客户端的每一次下单操作,生成配送任务,所述配送任务对应有待配送仓;
根据多个配送任务和多个配送资源,为每个所述配送任务分配配送资源,所述配送资源用于从所述待配送仓获取打包好的配送对象并进行配送;
其中,所述根据多个配送任务和多个配送资源,为每个所述配送任务分配配送资源,包括:
通过至少一个处理器实时根据配送资源平均揽收配送任务数量、配送资源揽收配送任务的平均时间、待配送仓的配送资源最大数量以及单位时间的出仓流量确定表征所述待配送仓当前是否拥堵的拥堵系数值;
若所述至少一个处理器检测到所述拥堵系数值大于预设阈值,调整所述配送资源平均揽收配送任务数量和/或调整所述配送资源揽收配送任务的平均时间,直至所述拥堵系数小于所述预设阈值。
2.根据权利要求1所述的配送任务调度方法,其特征在于,所述调整所述配送资源平均揽收配送任务数量,具体包括:
通过所述至少一个处理器确定各个配送资源已揽收的配送任务分别与各个尚未指派的配送任务之间的两两配送路径的相似度;
若存在尚未指派配送资源的配送任务与配送资源已揽收的配送任务之间的配送路径相似度在预设范围内,将所述尚未指派的配送任务指派给所述配送资源。
3.根据权利要求2所述的配送任务调度方法,其特征在于,所述两两配送路径的相似度,具体通过以下方式得到:
通过所述至少一个处理器确定配送资源单独配送第一配送任务的单独配送路程以及所述配送资源同时配送所述第一配送任务和第二配送任务的总路程;
根据所述总路程与所述单独配送路程的差值,确定所述相似度。
4.根据权利要求2所述的配送任务调度方法,其特征在于,
在所述将所述尚未指派的配送任务指派给所述配送资源之前,还包括:
预估将所述尚未指派的配送任务指派给所述配送资源后,所述尚未指派的配送任务的配送超时概率;
若所述配送超时概率大于预设阈值,则禁止所述将所述尚未指派的配送任务指派给所述配送资源。
5.根据权利要求1所述的配送任务调度方法,其特征在于,所述调整所述配送资源揽收配送任务的平均时间,具体包括:
预估当前各个配送任务的初始可配送时间;
根据所述当前各个配送任务的初始可配送时间为各个配送资源确定开始获取配送对象时间点,所述开始获取配送对象时间点为配送资源开始前往配送对象分配地点的时间点。
6.根据权利要求5所述的配送任务调度方法,其特征在于,所述预估当前各个配送任务的初始可配送时间,具体包括:
通过所述至少一个处理器将所述各个配送任务的配送对象的特征数据、所述配送对象分配地点的特征数据以及各个所述配送对象当前分配压力特征数据作为预先训练的预测模型的输入,通过所述预测模型分别预测所述各个配送任务的配送对象的分配需耗时间;
根据所述各个所述分配需耗时间预估所述当前各个配送任务的初始可配送时间。
7.根据权利要求1所述的配送任务调度方法,其特征在于,所述拥堵系数具体通过以下公式得到:
拥堵系数=(配送资源揽收配送任务的平均时间×单位时间的出仓流量)/(配送资源平均揽收配送任务数量×待配送仓的配送资源最大数量)。
8.一种配送任务调度装置,其特征在于,所述装置应用于服务端,所述装置包括:
调度模块,用于:针对每个用户在客户端的每一次下单操作,生成配送任务,所述配送任务对应有待配送仓;根据多个配送任务和多个配送资源,为每个所述配送任务分配配送资源,所述配送资源用于从所述待配送仓获取打包好的配送对象并进行配送;
其中,所述调度模块,包括:
确定模块,用于实时根据配送资源平均揽收配送任务数量、配送资源揽收配送任务的平均时间、待配送仓的配送资源最大数量以及单位时间的出仓流量确定拥堵系数值;
调整模块,用于若检测到所述拥堵系数值大于预设阈值,调整所述配送资源平均揽收配送任务数量和/或调整所述配送资源揽收配送任务的平均时间,直至所述拥堵系数小于所述预设阈值。
9.根据权利要求8所述的配送任务调度装置,其特征在于,所述调整模块具体包括:
相似度确定子模块,用于确定各个配送资源已揽收的配送任务分别与各个尚未指派的配送任务之间的两两配送路径的相似度;
指派子模块,用于在尚未指派配送资源的配送任务与配送资源已揽收的配送任务之间的配送路径相似度在预设范围内时,将所述尚未指派的配送任务指派给所述配送资源。
10.根据权利要求9所述的配送任务调度装置,其特征在于,所述相似度确定子模块具体用于确定配送资源单独配送第一配送任务的单独配送路程以及所述配送资源同时配送所述第一配送任务和第二配送任务的总路程;根据所述总路程与所述单独配送路程的差值,确定所述相似度。
11.根据权利要求9所述的配送任务调度装置,其特征在于,
所述指派子模块还用于在所述将所述尚未指派的配送任务指派给所述配送资源之前,预估将所述尚未指派的配送任务指派给所述配送资源后,所述尚未指派的配送任务的配送超时概率;若所述配送超时概率大于预设阈值,则禁止所述将所述尚未指派的配送任务指派给所述配送资源。
12.根据权利要求8所述的配送任务调度装置,其特征在于,所述调整模块包括:
预估子模块,用于预估当前各个配送任务的初始可配送时间;
时间点获取子模块,用于根据所述当前各个配送任务的初始可配送时间为各个配送资源确定开始获取配送对象时间点,所述开始获取配送对象时间点为配送资源开始前往配送对象分配地点的时间点。
13.根据权利要求12所述的配送任务调度装置,其特征在于,所述预估子模块具体用于:
将所述各个配送任务的配送对象的特征数据、所述配送对象分配地点的特征数据以及各个所述配送对象当前分配压力特征数据作为预先训练的预测模型的输入,通过所述预测模型分别预测所述各个配送任务的配送对象的分配需耗时间;
根据所述各个所述分配需耗时间预估所述当前各个配送任务的初始可配送时间。
14.根据权利要求8所述的配送任务调度装置,其特征在于,所述拥堵系数具体通过以下公式得到:
拥堵系数=(配送资源揽收配送任务的平均时间×单位时间的出仓流量)/(配送资源平均揽收配送任务数量×待配送仓的配送资源最大数量)。
15.一种服务器,包括存储器和处理器,所述存储器存储计算机程序,其特征在于,所述处理器运行程序时执行:
针对每个用户在客户端的每一次下单操作,生成配送任务,所述配送任务对应有待配送仓;
根据多个配送任务和多个配送资源,为每个所述配送任务分配配送资源,所述配送资源用于从所述待配送仓获取打包好的配送对象并进行配送;
其中,所述根据多个配送任务和多个配送资源,为每个所述配送任务分配配送资源,包括:
通过所述处理器实时根据配送资源平均揽收配送任务数量、配送资源揽收配送任务的平均时间、待配送仓的配送资源最大数量以及单位时间的出仓流量确定拥堵系数值;
若所述处理器检测到所述拥堵系数值大于预设阈值,调整所述配送资源平均揽收配送任务数量和/或调整所述配送资源揽收配送任务的平均时间,直至所述拥堵系数小于所述预设阈值。
16.根据权利要求15所述的服务器,其特征在于,所述处理器运行程序时执行如权利要求2至7中任一项所述的配送任务调度方法。
17.一种非易失性存储介质,用于存储计算机可读程序,其特征在于,所述计算机可读程序用于供计算机执行如权利要求1至7中任一项所述的配送任务调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010138629.8A CN111353712B (zh) | 2020-03-03 | 2020-03-03 | 配送任务调度方法及装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010138629.8A CN111353712B (zh) | 2020-03-03 | 2020-03-03 | 配送任务调度方法及装置、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111353712A CN111353712A (zh) | 2020-06-30 |
CN111353712B true CN111353712B (zh) | 2022-07-22 |
Family
ID=71197259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010138629.8A Active CN111353712B (zh) | 2020-03-03 | 2020-03-03 | 配送任务调度方法及装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111353712B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529281B (zh) * | 2020-12-03 | 2024-02-23 | 中邮信息科技(北京)有限公司 | 一种揽投区域确定方法、装置、电子设备和介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103995850A (zh) * | 2014-05-07 | 2014-08-20 | 四川长虹电器股份有限公司 | 快递分发的推送方法 |
CN104902240A (zh) * | 2015-06-05 | 2015-09-09 | 北京京东尚科信息技术有限公司 | 一种封闭空间拥堵监测方法和系统 |
CN106681334A (zh) * | 2017-03-13 | 2017-05-17 | 东莞市迪文数字技术有限公司 | 基于遗传算法的自动搬运小车调度控制方法 |
CN107067218A (zh) * | 2017-06-08 | 2017-08-18 | 北京惠赢天下网络技术有限公司 | 一种配送商的货物配送方法、系统及终端 |
CN107194656A (zh) * | 2017-07-04 | 2017-09-22 | 北京惠赢天下网络技术有限公司 | 一种基于标准箱订单的配送路径的规划方法及装置 |
CN107844882A (zh) * | 2017-08-24 | 2018-03-27 | 北京小度信息科技有限公司 | 配送任务处理方法、装置及电子设备 |
CN109377144A (zh) * | 2018-12-14 | 2019-02-22 | 北京顺丰同城科技有限公司 | 物流订单处理方法及装置 |
WO2019071347A1 (en) * | 2017-10-10 | 2019-04-18 | Anil Tukaram Dhonde | SYSTEM, METHOD, AND COMPUTER PROGRAM FOR ONLINE MANAGEMENT OF TRANSPORT LOGISTIC SERVICES |
CN109685276A (zh) * | 2018-12-27 | 2019-04-26 | 拉扎斯网络科技(上海)有限公司 | 订单处理方法、装置、电子设备及计算机可读存储介质 |
CN110322167A (zh) * | 2019-07-11 | 2019-10-11 | 拉扎斯网络科技(上海)有限公司 | 一种信息处理方法、装置、存储介质和电子设备 |
CN110751350A (zh) * | 2018-07-23 | 2020-02-04 | 阿里巴巴集团控股有限公司 | 配送调度系统、方法、装置及电子设备 |
-
2020
- 2020-03-03 CN CN202010138629.8A patent/CN111353712B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103995850A (zh) * | 2014-05-07 | 2014-08-20 | 四川长虹电器股份有限公司 | 快递分发的推送方法 |
CN104902240A (zh) * | 2015-06-05 | 2015-09-09 | 北京京东尚科信息技术有限公司 | 一种封闭空间拥堵监测方法和系统 |
CN106681334A (zh) * | 2017-03-13 | 2017-05-17 | 东莞市迪文数字技术有限公司 | 基于遗传算法的自动搬运小车调度控制方法 |
CN107067218A (zh) * | 2017-06-08 | 2017-08-18 | 北京惠赢天下网络技术有限公司 | 一种配送商的货物配送方法、系统及终端 |
CN107194656A (zh) * | 2017-07-04 | 2017-09-22 | 北京惠赢天下网络技术有限公司 | 一种基于标准箱订单的配送路径的规划方法及装置 |
CN107844882A (zh) * | 2017-08-24 | 2018-03-27 | 北京小度信息科技有限公司 | 配送任务处理方法、装置及电子设备 |
WO2019071347A1 (en) * | 2017-10-10 | 2019-04-18 | Anil Tukaram Dhonde | SYSTEM, METHOD, AND COMPUTER PROGRAM FOR ONLINE MANAGEMENT OF TRANSPORT LOGISTIC SERVICES |
CN110751350A (zh) * | 2018-07-23 | 2020-02-04 | 阿里巴巴集团控股有限公司 | 配送调度系统、方法、装置及电子设备 |
CN109377144A (zh) * | 2018-12-14 | 2019-02-22 | 北京顺丰同城科技有限公司 | 物流订单处理方法及装置 |
CN109685276A (zh) * | 2018-12-27 | 2019-04-26 | 拉扎斯网络科技(上海)有限公司 | 订单处理方法、装置、电子设备及计算机可读存储介质 |
CN110322167A (zh) * | 2019-07-11 | 2019-10-11 | 拉扎斯网络科技(上海)有限公司 | 一种信息处理方法、装置、存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111353712A (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3669494B1 (en) | Dynamic allocation of edge computing resources in edge computing centers | |
EP3015981B1 (en) | Networked resource provisioning system | |
CN111061560B (zh) | 云渲染资源调度方法、装置、电子设备及存储介质 | |
US20120054768A1 (en) | Workflow monitoring and control system, monitoring and control method, and monitoring and control program | |
CN111210136B (zh) | 一种机器人任务调度的方法及服务器 | |
CN110858161A (zh) | 资源分配方法、装置、系统、设备和介质 | |
CN111176840B (zh) | 分布式任务的分配优化方法和装置、存储介质及电子装置 | |
CN106209682A (zh) | 业务调度方法、装置和系统 | |
US11030003B2 (en) | Method and cloud management node for managing a data processing task | |
CN105703927A (zh) | 一种资源分配方法、网络设备和网络系统 | |
CN107370799A (zh) | 一种混合移动云环境中高能效的多用户在线计算迁移方法 | |
CN111353712B (zh) | 配送任务调度方法及装置、服务器及存储介质 | |
CN112219191A (zh) | 数据中心中的服务和服务器的自配置 | |
CN114500661A (zh) | 一种限流设备、方法、装置及存储介质 | |
CN109670932A (zh) | 信贷数据核算方法、装置、系统和计算机存储介质 | |
EP3935502A1 (en) | Virtual machines scheduling | |
CN100461758C (zh) | 多接口流量平衡控制方法 | |
CN115334010A (zh) | 查询信息的处理方法和装置、存储介质及电子装置 | |
CN114138453B (zh) | 一种适合边缘计算环境的资源优化分配方法与系统 | |
CN106201847B (zh) | 考虑云平台主机性能衰减的任务分配方法、装置和系统 | |
CN114936089A (zh) | 资源调度方法、系统、设备及存储介质 | |
CN111062553B (zh) | 订单分配方法、装置、服务器和非易失性存储介质 | |
CN112132395A (zh) | 派单方法、装置、存储介质及电子设备 | |
CN116151711A (zh) | 订单分配方法、装置、存储介质及电子设备 | |
CN108737289B (zh) | 一种存储多路径负载均衡方法及系统 |
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 |