CN111428991B - 用于确定配送车辆的方法和装置 - Google Patents
用于确定配送车辆的方法和装置 Download PDFInfo
- Publication number
- CN111428991B CN111428991B CN202010202888.2A CN202010202888A CN111428991B CN 111428991 B CN111428991 B CN 111428991B CN 202010202888 A CN202010202888 A CN 202010202888A CN 111428991 B CN111428991 B CN 111428991B
- Authority
- CN
- China
- Prior art keywords
- cluster
- clusters
- distribution
- determining
- small
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了用于确定配送车辆的方法和装置。上述方法的一具体实施方式包括:获取待配送货物的订单信息集合、配送车辆的信息、配送区域的物流网点的位置信息以及路网数据;根据订单信息集合、物流网点的位置信息以及路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系;根据多个小簇、邻域关系、配送车辆的信息以及预设的至少一个目标函数,确定多个小簇与配送车辆的对应关系;根据对应关系,确定各物流网点对应的配送车辆。该实施方式可以确定物流网点与配送车辆的对应关系,从而实现物流网点的分区。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于确定配送车辆的方法和装置。
背景技术
随着电子商务的发展,越来越多的人们通过网络购物。这些货物通过物流配送到用户手中。一个城市每天可以产生大量的货物订单,每个货物订单对应一个送货地址。这些订单需要分配到多辆车上,并让每辆车按一定的顺序配送订单。
现有的方案在面对订单分配问题时,一般是按行政区划分,或者以人工划分为标准。
发明内容
本申请实施例提出了确定配送车辆的方法和装置。
第一方面,本申请实施例提供了一种确定配送车辆的方法,包括:获取待配送货物的订单信息集合、配送车辆的信息、配送区域的物流网点的位置信息以及路网数据;根据上述订单信息集合、上述物流网点的位置信息以及上述路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系;根据上述多个小簇、上述邻域关系、上述配送车辆的信息以及预设的至少一个目标函数,确定上述多个小簇与上述配送车辆的对应关系;根据上述对应关系,确定各物流网点对应的配送车辆。
在一些实施例中,上述方法还包括:确定每个配送车辆对应的各物流网点之间的配送路径;根据上述配送路径、上述配送车辆的信息、预设的最大配送时间、上述邻域关系,确定上述至少一个目标函数。
在一些实施例中,上述方法还包括:根据上述订单信息集合,确定每个物流网点对应的订单数量;根据各物流网点的位置信息以及上述路网数据,确定上述配送车辆在各物流网点之间行驶所需的配送时间。
在一些实施例中,上述根据上述订单信息集合、上述物流网点的位置信息以及上述路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系,包括:根据上述订单信息集合、上述物流网点的位置信息以及上述路网数据,对各物流网点进行聚类;在每次聚类后,确定得到的每个簇中物流网点之间的配送路径;在确定得到的每个簇满足以下条件后,迭代终止:对应的订单数量小于第一预设数量阈值、按照上述配送路径向该小簇中的各物流网点进行配送所需的配送时间小于第一预设时间阈值。
在一些实施例中,上述根据上述订单信息集合、上述物流网点的位置信息以及上述路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系,包括:在对每个簇进行聚类后,生成本次聚类得到的多个簇的最小生成树;根据上述最小生成树,生成本次聚类得到的多个簇之间的邻域关系。
在一些实施例中,上述根据上述订单信息集合、上述物流网点的位置信息以及上述路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系,包括:根据该簇在上次聚类得到的邻域关系,生成本次聚类得到的至少一个簇与上次聚类得到的簇之间的邻域关系。
在一些实施例中,上述根据上述订单信息集合、上述物流网点的位置信息以及上述路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系,包括:根据生成的邻域关系,确定每个簇的邻近簇;对于得到的每个簇,根据邻近簇的数量、该簇与其它簇的距离、第二预设数量阈值以及第一预设距离阈值,修正该簇的邻域关系。
在一些实施例中,上述根据邻近簇的数量、该簇与其它簇的距离、第二预设数量阈值以及第一预设距离阈值,修正该簇的邻域关系,包括:响应于该簇的邻近簇的数量小于上述第二预设数量阈值,计算其它簇与该簇之间的距离;将与该簇之间的距离小于上述第一预设距离阈值的簇作为候选邻近簇;根据上述候选邻近簇的数量、该簇的邻近簇的数量以及上述第二数量阈值,选取候选邻近簇作为邻近簇;根据确定的邻近簇,修正该簇的邻域关系。
在一些实施例中,上述根据上述订单信息集合、上述物流网点的位置信息以及上述路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系,包括:对于每个簇,根据该簇的修正的邻域关系,修正该簇的邻近簇的邻域关系。
在一些实施例中,上述根据上述多个小簇、上述邻域关系、上述配送车辆的信息以及预设的至少一个目标函数,确定上述多个小簇与上述配送车辆的对应关系,包括:从上述多个小簇中,选取预设数量个小簇作为中心簇;生成第一数组集合,其中,第一数组用于表示各个中心簇与配送车辆的对应关系;根据上述第一数组集合、各个中心簇、上述邻域关系以及上述至少一个目标函数,确定第一数组子集合;根据上述第一数组子集合,确定上述多个小簇与上述配送车辆的对应关系。
在一些实施例中,上述从上述多个小簇中,选取预设数量个小簇作为中心簇,包括:根据每个小簇中包括的物流网点、每个物流网点对应的订单信息、每个小簇所属的父簇,确定每个父簇对应的货物配送量;计算每个父簇的货物配送量与待配送货物的总配送量的比值;根据各上述比值以及配送车辆的数量,向各父簇分配配送车辆;根据各父簇的配送车辆分配信息,从各父簇中选取中心簇。
在一些实施例中,上述根据各父簇的配送车辆分配信息,从各父簇中选取中心簇,包括:对于分配了配送车辆的父簇,从该父簇中选取中心簇,其中,选取的中心簇的数量与该父簇分配的配送车辆的数量相等;从各父簇中随机选取父簇以及从随机选取的父簇中随机选取小簇作为中心簇,其中,选取的父簇的数量与未分配的配送车辆的数量相等。
在一些实施例中,上述根据上述第一数组集合、各个中心簇、上述邻域关系以及上述至少一个目标函数,确定第一数组子集合,包括:针对每个第一数组,根据各个中心簇以及上述邻域关系,将各个小簇向各个中心簇合并;根据合并后的簇,确定各小簇与配送车辆的对应关系;根据上述对应关系以及上述至少一个目标函数,确定第一数组子集合。
在一些实施例中,上述针对每个第一数组,根据各个中心簇以及上述邻域关系,将各个小簇向各个中心簇合并,包括:对于每个中心簇,将该中心簇的邻近簇作为该中心簇的搜索范围;基于上述搜索范围,执行以下第一合并步骤:在上述搜索范围内选取距离该中心簇最近的小簇为合并簇,将上述合并簇与该中心簇合并;确定合并后的簇包括的物流网点之间的配送路径;确定合并后的簇是否满足:包括的物流网点对应的货物配送量小于该中心簇对应的配送车辆的装载量、按照所确定的配送路径向所包括的物流网点进行配送所需的配送时间小于第一预设时间阈值;如果满足,确定是否还存在未合并的小簇;如果存在,则将上述合并簇的邻近簇加入上述搜索范围,继续执行上述第一合并步骤。
在一些实施例中,上述针对每个第一数组,根据各个中心簇以及上述邻域关系,将各个小簇向各个中心簇合并,包括:响应于合并后的簇满足以下条件:按照所确定的配送路径向所包括的物流网点进行配送所需的配送时间大于或等于第一预设时间阈值、包括的物流网点的货物配送量小于配送车辆的装载量,检测是否存在未合并的小簇;响应于存在未合并的小簇,执行以下第二合并步骤:在合并后的簇的搜索范围内选取与该中心簇距离最近的小簇作为合并簇;将上述合并簇合并至该中心簇所属的簇内,并将上述合并簇的邻近簇加入上述搜索范围;如果合并后的簇对应的货物配送量小于配送车辆的装载量,并且存在未合并的小簇,继续执行上述第二合并步骤。
在一些实施例中,上述针对每个第一数组,根据各个中心簇以及上述邻域关系,将各个小簇向各个中心簇合并,包括:响应于合并后的簇对应的货物配送量大于配送车辆的装载量,并且存在未合并的小簇,对于每个未合并的小簇,将该小簇加入距离最近的合并后的簇中。
在一些实施例中,上述根据上述多个小簇、上述邻域关系、上述配送车辆的信息以及预设的至少一个目标函数,确定上述多个小簇与上述配送车辆的对应关系,包括:根据上述第一数组子集合,确定第二数组集合,其中,第二数组表示小簇与配送车辆的对应关系;根据上述第二数组集合以及上述至少一个目标函数,确定目标第二数组;根据上述目标第二数组,确定上述多个小簇与上述配送车辆的对应关系。
在一些实施例中,上述根据上述第一数组子集合,确定第二数组集合,包括:对于上述第一数组子集合中的每个第一数组,根据该第一数组,确定小簇与配送车辆的对应关系;根据上述对应关系,确定该第一数组对应的第二数组。
第二方面,本申请实施例提供了一种确定配送车辆的装置,包括:获取单元,被配置成获取待配送货物的订单信息集合、配送车辆的信息、配送区域的物流网点的位置信息以及路网数据;聚类单元,被配置成根据上述订单信息集合、上述物流网点的位置信息以及上述路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系;对应单元,被配置成根据上述多个小簇、上述邻域关系、上述配送车辆的信息以及预设的至少一个目标函数,确定上述多个小簇与上述配送车辆的对应关系;确定单元,被配置成根据上述对应关系,确定各物流网点对应的配送车辆。
在一些实施例中,上述装置还包括目标函数确定单元,被配置成:确定每个配送车辆对应的各物流网点之间的配送路径;根据上述配送路径、上述配送车辆的信息、预设的最大配送时间、上述邻域关系,确定上述至少一个目标函数。
在一些实施例中,上述装置还包括:订单数量确定单元,被配置成根据上述订单信息集合,确定每个物流网点对应的订单数量;配送时间确定单元,被配置成根据各物流网点的位置信息以及上述路网数据,确定上述配送车辆在各物流网点之间行驶所需的配送时间。
在一些实施例中,上述聚类单元进一步被配置成:根据上述订单信息集合、上述物流网点的位置信息以及上述路网数据,对各物流网点进行聚类;在每次聚类后,确定得到的每个簇中物流网点之间的配送路径;在确定得到的每个簇满足以下条件后,迭代终止:对应的订单数量小于第一预设数量阈值、按照上述配送路径向该小簇中的各物流网点进行配送所需的配送时间小于第一预设时间阈值。
在一些实施例中,上述聚类单元包括:最小生成树生成模块,被配置成在对每个簇进行聚类后,生成本次聚类得到的多个簇的最小生成树;邻域关系确定模块,被配置成根据上述最小生成树,生成本次聚类得到的多个簇之间的邻域关系。
在一些实施例中,上述聚类单元还包括:邻域关系修正模块,被配置成根据该簇在上次聚类得到的邻域关系,生成本次聚类得到的至少一个簇与上次聚类得到的簇之间的邻域关系。
在一些实施例中,上述邻域关系修正模块进一步被配置成:根据生成的邻域关系,确定每个簇的邻近簇;对于得到的每个簇,根据邻近簇的数量、该簇与其它簇的距离、第二预设数量阈值以及第一预设距离阈值,修正该簇的邻域关系。
在一些实施例中,上述邻域关系修正模块进一步被配置成:响应于该簇的邻近簇的数量小于上述第二预设数量阈值,计算其它簇与该簇之间的距离;将与该簇之间的距离小于上述第一预设距离阈值的簇作为候选邻近簇;根据上述候选邻近簇的数量、该簇的邻近簇的数量以及上述第二数量阈值,选取候选邻近簇作为邻近簇;根据确定的邻近簇,修正该簇的邻域关系。
在一些实施例中,上述邻域关系修正模块进一步被配置成:对于每个簇,根据该簇的修正的邻域关系,修正该簇的邻近簇的邻域关系。
在一些实施例中,上述对应单元包括:中心簇选取模块,被配置成从上述多个小簇中,选取预设数量个小簇作为中心簇;第一数组集合生成模块,被配置成生成第一数组集合,其中,第一数组用于表示各个中心簇与配送车辆的对应关系;第一数组子集合确定模块,被配置成确定模块,被配置成根据上述第一数组集合、各个中心簇、上述邻域关系以及上述至少一个目标函数,确定第一数组子集合;第一对应关系确定模块,被配置成根据上述第一数组子集合,确定上述多个小簇与上述配送车辆的对应关系。
在一些实施例中,上述中心簇选取模块进一步被配置成:根据每个小簇中包括的物流网点、每个物流网点对应的订单信息、每个小簇所属的父簇,确定每个父簇对应的货物配送量;计算每个父簇的货物配送量与待配送货物的总配送量的比值;根据各上述比值以及配送车辆的数量,向各父簇分配配送车辆;根据各父簇的配送车辆分配信息,从各父簇中选取中心簇。
在一些实施例中,上述中心簇选取模块进一步被配置成:对于分配了配送车辆的父簇,从该父簇中选取中心簇,其中,选取的中心簇的数量与该父簇分配的配送车辆的数量相等;从各父簇中随机选取父簇以及从随机选取的父簇中随机选取小簇作为中心簇,其中,选取的父簇的数量与未分配的配送车辆的数量相等。
在一些实施例中,上述第一数组子集合确定模块进一步被配置成:针对每个第一数组,根据各个中心簇以及上述邻域关系,将各个小簇向各个中心簇合并;根据合并后的簇,确定各小簇与配送车辆的对应关系;根据上述对应关系以及上述至少一个目标函数,确定第一数组子集合。
在一些实施例中,上述第一数组子集合确定模块进一步被配置成:对于每个中心簇,将该中心簇的邻近簇作为该中心簇的搜索范围;基于上述搜索范围,执行以下第一合并步骤:在上述搜索范围内选取距离该中心簇最近的小簇为合并簇,将上述合并簇与该中心簇合并;确定合并后的簇包括的物流网点之间的配送路径;确定合并后的簇是否满足:包括的物流网点对应的货物配送量小于该中心簇对应的配送车辆的装载量、按照所确定的配送路径向所包括的物流网点进行配送所需的配送时间小于第一预设时间阈值;如果满足,确定是否还存在未合并的小簇;如果存在,则将上述合并簇的邻近簇加入上述搜索范围,继续执行上述第一合并步骤。
在一些实施例中,上述第一数组子集合确定模块进一步被配置成:响应于合并后的簇满足以下条件:按照所确定的配送路径向所包括的物流网点进行配送所需的配送时间大于或等于第一预设时间阈值、包括的物流网点的货物配送量小于配送车辆的装载量,检测是否存在未合并的小簇;响应于存在未合并的小簇,执行以下第二合并步骤:在合并后的簇的搜索范围内选取与该中心簇距离最近的小簇作为合并簇;将上述合并簇合并至该中心簇所属的簇内,并将上述合并簇的邻近簇加入上述搜索范围;如果合并后的簇对应的货物配送量小于配送车辆的装载量,并且存在未合并的小簇,继续执行上述第二合并步骤。
在一些实施例中,上述第一数组子集合确定模块进一步被配置成:响应于合并后的簇对应的货物配送量大于配送车辆的装载量,并且存在未合并的小簇,对于每个未合并的小簇,将该小簇加入距离最近的合并后的簇中。
在一些实施例中,上述对应单元还包括:第二数组集合确定模块,被配置成根据上述第一数组子集合,确定第二数组集合,其中,第二数组表示小簇与配送车辆的对应关系;目标第二数组确定模块,被配置成根据上述第二数组集合以及上述至少一个目标函数,确定目标第二数组;第二对应关系确定模块,被配置成根据上述目标第二数组,确定上述多个小簇与上述配送车辆的对应关系。
在一些实施例中,上述第二数组集合确定模块进一步被配置成:对于上述第一数组子集合中的每个第一数组,根据该第一数组,确定小簇与配送车辆的对应关系;根据上述对应关系,确定该第一数组对应的第二数组。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现如第一方面任一实施例所描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面任一实施例所描述的方法。
本申请的上述实施例提供的确定配送车辆的方法和装置,首先可以获取待配送货物的订单信息、配送车辆的信息、配送区域的物流网点信息以及路网数据。然后,根据订单信息集合、物流网点的位置信息以及路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系。然后,根据多个小簇、邻域关系、配送车辆的信息以及预设的至少一个目标函数,确定多个小簇与配送车辆的对应关系。最后,根据上述对应关系,确定各物流网点对应的配送车辆。本实施例的方法,可以确定物流网点与配送车辆的对应关系,从而实现物流网点的分区。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的用于确定配送车辆的方法的一个实施例的流程图;
图3是根据本申请的用于确定配送车辆的方法的一个应用场景的示意图;
图4是根据本申请的用于确定配送车辆的方法的另一个实施例的流程图;
图5是图4所示实施例中第一次聚类和第二次聚类的过程示意图;
图6是根据本申请的用于确定配送车辆的方法的又一个实施例的流程图;
图7是图6所示实施例中中心簇选取的流程示意图;
图8是根据本申请的用于确定配送车辆的方法的又一个实施例的流程图;
图9是图8所示实施例中按中心簇合并的流程示意图;
图10是根据本申请的用于确定配送车辆的装置的一个实施例的结构示意图;
图11是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于确定配送车辆的方法或用于确定配送车辆的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、服务器102、数据库103、网络104和配送车辆105。网络104用以在终端设备101、服务器102、数据库103和配送车辆105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
终端设备101和服务器102可以通过网络104与数据库103、配送车辆105交互,以接收或发送消息等。终端设备101或服务器102 可以对从数据库103获取的信息进行处理,得到处理结果。
终端设备101、服务器102可以是硬件,也可以是软件。当终端设备101为硬件时,可以是具有数据处理能力的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。当服务器102为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器102为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
数据库103可以是存储各种信息的数据库,例如存储订单信息、配送车辆信息、物流网点信息等的数据库。数据库103可以是硬件,也可以是软件。当其为硬件时,可以是各种分布式数据库。当其为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
配送车辆105可以是各种能够装载货物并且行驶的车辆,其可以将货物配送至物流网点。
需要说明的是,本申请实施例所提供的用于确定配送车辆的方法可以由终端设备101执行,也可以由服务器102执行。相应地,用于确定配送车辆的装置可以设置于终端设备101中,也可以设置于服务器102中。
应该理解,图1中的终端设备、服务器、数据库、网络和配送车辆的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、服务器、数据库、网络和配送车辆。
继续参考图2,示出了根据本申请的用于确定配送车辆的方法的一个实施例的流程200。本实施例的用于确定配送车辆的方法,包括以下步骤:
步骤201,获取待配送货物的订单信息集合、配送车辆的信息、配送区域的物流网点的位置信息以及路网数据。
在本实施例中,用于确定配送车辆的方法的执行主体(例如图1 所示的终端设备101或服务器102)可以通过有线连接方式或者无线连接方式获取待配送货物的订单信息、配送车辆的信息、配送区域的物流网点信息以及路网数据。执行主体可以从同一位置获取上述信息,也可以从不同位置获取上述信息。例如,可以从电子商务的数据库处获取待配送货物的订单信息,从物流公司的网站获取配送车辆的信息等等。
待配送货物可以是用户通过网络购买的各种物品,如化妆品、食物、衣服、烟草等等。上述订单信息集合包括多个订单信息,订单信息可以包括购买时间、购买货物的类型、购买货物的数量、收货地址等信息。配送车辆的信息可以包括配送车辆的数量、配送车辆的型号以及配送车辆的装载量等信息。配送区域可以指一个城市,也可以指一个城市的特定区域。配送区域中可以设置有多个物流网点,物流网点是物流网络的节点,主要指储运仓库、流通仓库、中转仓库等。路网数据可以指道路连接成的网络的信息,其中可以包括每条道路的标识、位置、速度等等。
步骤202,根据订单信息集合、物流网点的位置信息以及路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系。
执行主体在获取上述数据后,可以对各物流网点进行迭代聚类,将各物流网点划分为多个小簇,每个小簇包括多个物流网点。各小簇之间可以具有邻域关系,具有邻域关系的两个小簇互为邻近簇。执行主体可以通过最小生成树的算法来得到各小簇之间的邻域关系。
步骤203,根据多个小簇、邻域关系、配送车辆的信息以及预设的至少一个目标函数,确定多个小簇与配送车辆的对应关系。
在得到各小簇以及确定各小簇的邻域关系后,执行主体可以根据各小簇、各小簇间的邻域关系、配送车辆的信息以及预设的至少一个目标函数,确定多个小簇与配送车辆的对应关系。可以理解的是,单个配送车辆可以对应多个小簇,此处可以将单个车辆对应的多个小簇称为分区。执行主体可以为每个分区确定各物流网点间的配送路径,配送车辆可以按照上述配送路径来确定配送完成各物流网点所需的配送时间。
在本实施例的一些可选的实现方式中,执行主体可以通过图2中未示出的以下步骤来确定目标函数:确定每个配送车辆对应的各物流网点之间的配送路径;根据配送路径、配送车辆的信息、预设的最大配送时间、邻域关系,确定至少一个目标函数。
本实现方式中,执行主体可以将单个配送车辆对应的多个小簇中的物流网点作为一个分区。计算每个分区中,各物流网点之间的配送路径。具体的,执行主体可以根据贪心算法或蚁群算法来确定上述配送路径。然后,执行主体可以根据配送路径、配送车辆的信息、预设的最大配送时间、邻域关系,确定至少一个目标函数。
在具体应用中,上述目标函数可以包括:总超时、总超载物流网点的数量、最大配送时间与最小配送时间之差以及交叉物流网点的数量。
具体的,总超时的定义为:如果每个分区对应的配送车辆的配送时间大于预设的最大配送时间,则计算配送时间与最大配送时间的差值。可以理解的是,此差值表示分区对应的配送车辆的超时时间。将各个分区对应的配送车辆的超时时间加和,就可以得到总超时。
总超载物流网点的数量的定义为:按照上述配送路径,逐个累加各物流网点的货物配送量。当货物配送量之和大于配送车辆的装载量时,将当前物流网点之后的物流网点作为超载的物流网点。将各个分区的超载的物流网点数量求和,得到总超载物流网点的数量。
最大配送时间与最小配送时间之差的定义为:确定各分区的配送时间。将配送时间的最大值与最小值相减,得到的差值即为最大配送时间与最小配送时间之差。
交叉物流网点的数量的定义为:根据配送路径,从第一个小簇开始,依次判断当前小簇的下一个小簇是否为当前小簇的邻近簇。如果不是,则将该分区的交叉物流网点数量加1。每计算一个小簇,将该小簇的邻近簇加入当前分区的邻近簇候选集中。可以理解的是,如果下一个小簇不是当前小簇的临近簇,则当前小簇与下一个小簇间可能被其它分区的小簇交叉的情况。导致分区中小簇的聚集性降低。
步骤204,根据对应关系,确定各物流网点对应的配送车辆。
在确定对应关系后,执行主体可以确定各物流网点对应的配送车辆。具体的,对于每个配送车辆,执行主体可以首先确定该车辆对应的小簇,然后确定对应的小簇中包括的物流网点。这样,就可以得到配送车辆与物流网点的对应关系了,实现了对物流网点的分区。
继续参见图3,图3是根据本实施例的用于确定配送车辆的方法的一个应用场景的示意图。在图3的应用场景中,服务器301从数据库302中获取到待配送货物的订单信息集合、配送车辆的信息、配送区域的物流网点信息以及路网数据。然后,执行步骤202~204的处理后,得到物流网点与配送车辆的对应关系。最后,服务器301可以将得到的对应关系发送给各配送车辆303,以供各配送车辆303向各物流网点配送订单。
本申请的上述实施例提供的用于确定配送车辆的方法,首先可以获取待配送货物的订单信息、配送车辆的信息、配送区域的物流网点信息以及路网数据。然后,根据订单信息集合、物流网点的位置信息以及路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系。然后,根据多个小簇、邻域关系、配送车辆的信息以及预设的至少一个目标函数,确定多个小簇与配送车辆的对应关系。最后,根据上述对应关系,确定各物流网点对应的配送车辆。本实施例的方法,可以确定物流网点与配送车辆的对应关系,从而实现物流网点的分区。
继续参见图4,其示出了根据本申请的用于确定配送车辆的方法的另一个实施例的流程400。如图4所示,本实施例的用于确定配送车辆的方法,可以包括以下步骤:
步骤401,获取待配送货物的订单信息集合、配送车辆的信息、配送区域的物流网点信息以及路网数据。
步骤402,根据订单信息集合,确定每个物流网点对应的订单数量。
本实施例中,执行主体在获取到订单信息集合后,可以根据每个订单信息中的收货地址,确定收货地址对应的物流网点。对每个物流网点进行统计,就可以确定每个物流网点对应的订单数量。
步骤403,根据各物流网点的位置信息以及路网数据,确定配送车辆在各物流网点之间行驶所需的配送时间。
执行主体还可以根据各物流网点的位置信息以及路网数据,确定配送车辆在各物流网点之间行驶所需的配送时间。具体的,执行主体可以根据各物流网点的位置信息,结合路网数据,确定各物流网点间的路网距离。然后,结合在物流网点间的道路行驶的平均速度,确定配送时间。可以理解的是,当各物流网点间的配送时间确定后,执行主体还可以确定在多个物流网点间配送时所需的总配送时间。
步骤404,根据订单信息集合、物流网点的位置信息以及路网数据,对各物流网点进行聚类。
执行主体可以根据获取的订单信息集合、物流网点的位置信息以及路网数据,对各物流网点进行聚类。
步骤405,在每次聚类后,确定得到的每个簇中物流网点之间的配送路径。
执行主体在每次聚类后可以确定得到的每个簇中包括的物流网点。然后,利用各种算法,结合各物流网点的位置,来确定每个簇中各物流网点间的配送路径。例如,执行主体可以利用贪心算法来确定各物流网点间的配送路径。
步骤406,在确定得到的每个簇满足以下条件后,迭代终止:对应的订单量小于第一预设数量阈值、按照所述配送路径向该小簇中的各物流网点进行配送所需的配送时间小于第一预设时间阈值。
执行主体在每次聚类后,都要判断得到的每个簇是否满足上述两项条件。上述两项条件分别为:该簇对应的订单数量小于第一数量阈值、按照配送路径向该小簇中的各物流网点进行配送所需的配送时间小于第一预设时间阈值。
由步骤402可知,执行主体可以计算出每个物流网点对应的订单数量。执行主体可以判断上述订单数量是否小于第一数量阈值。如果大于,则认为该簇中对应的订单量过多,配送完成这些订单需要更多的时间,这样可能导致配送人员的工作时间超标。在实际应用中,上述第一数量阈值可以设置为总订单数量的1%。
根据步骤403可知计算出在任意两个物流网点之间的配送时间。那么在配送路径确定后,执行主体也可以计算出按照配送路径在各物流网点间配送所需的配送时间。如果上述配送时间大于第一预设时间阈值,则认为配送人员配送订单所需的时间过长。
如果执行主体确定得到的每个小簇都满足上述两个条件,就停止迭代聚类。如果执行主体确定某一个簇仍然不满足上述两个条件,则继续对不满足的簇进行聚类。
步骤407,在对每个簇进行聚类后,生成本次聚类得到的多个簇的最小生成树。
在对各个簇进行聚类后,执行主体可以生成本次聚类得到的多个簇的最小生成树。执行主体可以利用各种算法(例如Prim算法)来生成最小生成树。最小生成树是指可以将得到的簇连接起来,且连接路径之和最小的图。
步骤408,根据最小生成树,生成本次聚类得到的多个簇之间的邻域关系。
执行主体可以根据最小生成树,生成本次聚类得到的多个簇之间的邻域关系。具体的,最小生成树的边连接的两个簇互为邻近簇。如果两个簇之间没有最小生成树的边连接,则认为两个簇不是邻近簇关系。
步骤409,根据生成的邻域关系,确定每个簇的邻近簇。
最小生成树的边连接的两个簇互为邻近簇。在对每个最小生成树分析后,可以得到各簇的邻近簇。
步骤410,根据该簇在上次聚类得到的邻域关系,生成本次聚类得到的至少一个簇与上次聚类得到的簇之间的邻域关系。
可以理解的是,执行主体在每次聚类后,都会生成最小生成树。上次聚类后得到的最小生成树用于表示上次聚类后得到的各个簇之间的邻域关系。由于本次聚类,是对上次聚类得到的簇的进一步聚类。也就是说,上次得到的簇在本次聚类后,可能不存在了,被划分为多个更小的簇了。这样,执行主体可以将上次聚类得到的邻域关系,继承到本次聚类得到的多个簇。
具体的,执行主体可以将上次聚类得到的各簇作为父簇,在对各父簇进行聚类后可以得到多个子簇。执行主体可以分别计算互为邻近簇的两个父簇包括的各个子簇之间的距离,将距离最短的两个子簇作为邻近簇。
步骤411,对于得到的每个簇,根据邻近簇的数量、该簇与其它簇的距离、第二预设数量阈值以及第一预设距离阈值,修正该簇的邻域关系。
本实施例中,对于得到的每个簇,执行主体可以统计该簇的邻近簇的数量X。并根据该簇的邻近簇的数量X、第二预设数量阈值K以及第一预设距离阈值L,对该簇的邻域关系进行修正。具体的,执行主体在判定该簇的邻近簇的数量X小于第二预设数量阈值K后,可以从其它簇中选取K-X个簇,所选取的K-X个簇与该簇之间的距离可以小于第一预设距离阈值L。执行主体可以将所选取的K-X个簇作为该簇的邻近簇,从而根据新得到的邻近簇来修正该簇的邻域关系。需要说明的是,在计算两个簇A和B之间的距离时,可以计算簇A中的各物流网点与簇B中包括的各物流网点之间的距离,并将得到的距离中的最小值作为簇A和簇B之间的距离。
在本实施例的一些可选的实现方式中,执行主体可以通过图4中未示出的以下步骤来实现步骤410:响应于该簇的邻近簇的数量小于第二数量阈值,计算其它簇与该簇之间的距离;将与该簇之间的距离小于第一预设距离阈值的簇作为候选邻近簇;根据候选邻近簇的数量、该簇的邻近簇的数量以及第二数量阈值,选取候选邻近簇作为邻近簇;根据确定的邻近簇,修正该簇的邻域关系。
本实现方式中,执行主体在判断该簇的邻近簇的数量X小于第二数量阈值K时,计算其它簇与该簇之间的距离。并将得到的各距离与第一预设距离阈值进行比较。将距离值小于第一预设距离阈值的簇作为候选邻近簇。并根据候选的数量、该簇的邻近簇的数量以及第二数量阈值,选取部分或全部候选邻近簇作为邻近簇。并根据新确定的邻近簇,修正该簇的邻域关系。具体的,如果候选邻近簇的数量大于或等于K-X,则选取K-X个候选邻近簇作为邻近簇。如果候选邻近簇的数量小于K-X,则将所有的候选邻近簇都作为邻近簇。如果候选邻近簇的数量为0,则不再选定新的邻近簇。
步骤412,对于每个簇,根据该簇的修正的邻域关系,修正该簇的邻近簇的邻域关系。
经过步骤410的修正后,可能存在一种情况,簇A的邻近簇数量较少,因此,其将簇B增加为其邻近簇。而簇B由于本身邻近簇的数量大于第二预设数量阈值,没有增加额外的邻近簇。这样就导致了簇 A的邻近簇包括B,但簇B的邻近簇中不包括簇A的情况。此时,可以将簇A设置为簇B的邻近簇。这样可以使得在构建邻近簇关系图是一个无向图。
上述聚类过程可以结合图5来理解,如图5所示,其示出了第一次聚类和第二次聚类的过程示意图。在第一次聚类之前,所有的物流网点可以被认为成一个大簇,标识为1(如a部分所示)。在对该大簇 1进行聚类后,得到4个簇,分别为11、12、13、14(如b部分所示)。针对得到的4个簇,生成最小生成树(如c部分所示)。根据得到的最小生成树,可以确定簇11的邻近簇包括簇12、簇14。簇12的邻近簇包括簇11。簇13的邻近簇包括簇14。簇14的邻近簇包括簇11、簇 13。在增加邻近簇并修正邻域关系后,得到如d部分所示的图。执行主体可以对簇14进行第二次聚类,得到6个小簇,分别为141、142、 143、144、145、146(如e部分所示)。执行主体可以修正本次聚类得到的6个簇与上次聚类得到的簇之间的邻域关系。具体的,执行主体分别计算簇141、142、143、144、145、146与簇11和簇13之间的距离。经计算可知,簇141与簇11的距离最短,簇146与簇13的距离最短。这样,执行主体可以将簇141作为簇11的邻近簇,将簇146作为簇13的邻近簇。然后,生成簇141、142、143、144、145、146之间的最小生成树。得到了簇141、142、143、144、145、146的邻近簇。最后,对簇141、142、143、144、145、146的邻域关系进行修正。
步骤413,根据多个小簇、邻域关系、配送车辆的信息以及预设的至少一个目标函数,确定多个小簇与所述配送车辆的对应关系。
步骤414,根据对应关系,确定各物流网点对应的配送车辆。
本申请的上述实施例提供的用于确定配送车辆的方法,可以对各个物流网点进行聚类,使得得到的各小簇中包括的订单数量不会过大,并且各个小簇对应的配送时间不会过长。
继续参见图6,其示出了根据本申请的用于确定配送车辆的方法的一个实施例的流程600。如图6所示,本实施例的用于确定配送车辆的方法可以包括以下步骤:
步骤601,获取待配送货物的订单信息集合、配送车辆的信息、配送区域的物流网点的位置信息以及路网数据。
步骤602,根据订单信息集合、物流网点的位置信息以及路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系。
本实施例中,对各物流网点的距离,可以采用图4所示实施例中的聚类方案。
步骤603,从多个小簇中,选取预设数量个小簇作为中心簇。
执行主体在得到多个小簇后,可以从中选取预设数量个小簇作为中心簇。此处,上述预设数量可以与配送车辆的数量相同。执行主体可以通过各种算法选取中心簇,例如利用随机算法来选取。
本实施例中,中心簇的选取流程可以如图7所示。在图7中的流程700中,可以包括以下步骤:
步骤701,根据每个小簇中包括的物流网点、每个物流网点对应的订单信息、每个小簇所属的父簇,确定每个父簇对应的货物配送量。
执行主体可以确定每个小簇中包括的物流网点以及每个小簇所属的父簇。同时还可以确定每个物流网点对应的订单信息,根据订单信息确定每个订单的货物配送量。对每个物流网点进行统计,就可以得到每个网点对应的货物配送量。对每个小簇进行统计,就可以得到每个小簇对应的货物配送量。然后根据每个小簇所属的父簇,就可以得到每个父簇对应的货物配送量。
步骤702,计算每个父簇的货物配送量与待配送货物的总配送量的比值。
执行主体在确定每个父簇的货物配送量后,可以将各父簇的货物配送量相加,得到总配送量。然后,计算每个父簇的货物配送量与总配送量的比值,该比值可记为p。
步骤703,根据各比值以及配送车辆的数量,向各父簇分配配送车辆。
本实施例中,执行主体可以根据各父簇对应的比值以及配送车辆的数量,向各父簇分配配送车辆。具体的,执行主体可以通过以下公式来确定分配给各父簇的配送车辆的数量:数量=Math.floor(v*p)。
其中,Math.floor表示向下取整,v为配送车辆的数量。如果v与 p的乘积为3.2,则对应的配送车辆的数量为3。这样,分配出去的配送车辆的数量一定是小于总车辆数的。
步骤704,根据各父簇的配送车辆分配信息,从各父簇中选取中心簇。
执行主体可以根据分配给各父簇的配送车辆的数量,从各父簇中选取中心簇。
在本实施例的一些可选的实现方式中,执行主体可以通过图7中未示出的以下步骤来选取中心簇:对于分配了配送车辆的父簇,从该父簇中选取中心簇,其中,选取的中心簇的数量与该父簇分配的配送车辆的数量相等;从各父簇中随机选取父簇以及从随机选取的父簇中随机选取小簇作为中心簇,其中,选取的父簇的数量与未分配的配送车辆的数量相等。
在本实现方式中,对于每个分配了配送车辆的父簇,执行主体可以从这些父簇中选取中心簇,并且选取的中心簇的数量与该父簇分配的配送车辆的数量相等。然后,执行主体还可以从各父簇中随机选取父簇,随机选取父簇的数量与未分配的配送车辆的数量相等。然后,从选取出的父簇中,随机选取小簇作为中心簇。这样,选取出来的中心簇的数量与配送车辆的数量相等。同时,也可以尽可能的保证中心簇分散到不同的父簇中,即分散到不同的方位。
可以理解的是,如果任何父簇都没有分配到车辆,执行主体可以从所有父簇中随机选取父簇,然后从各父簇中随机选取小簇作为中心簇。
步骤604,生成第一数组集合。
本实施例中,执行主体可以随机生成第一数组集合。第一数组用于表示各个中心簇与配送车辆的对应关系。第一数组中元素的数量与配送车辆的数量相同,数组的下标用于表示车辆的标识。该第一数组中的每个元素表示中心簇的标识。
步骤605,根据第一数组集合、各个中心簇、邻域关系以及至少一个目标函数,确定第一数组子集合。
本实施例中,执行主体在选取中心簇并且得到第一数组集合后,可以结合各小簇间的邻域关系以及至少一个目标函数,确定第一数组子集合。此处,第一数组子集合中的每个数组是经过多次迭代后的优选数组。具体的,执行主体可以采用遗传算法对第一数组集合中的各第一数组进行多次迭代,得到各第一数组在各目标函数下的值,根据得到的值进行排序。并将上述排序中的前N个形成第一数组子集合。
在具体应用中,在利用遗传算法对第一数组集合中的各第一数组进行迭代之前,还可以对第一数组集合中的各第一数组进行交叉和变异处理。此处的交叉具体为将第一数组A和第一数组B中的中段的两个元素进行交换,得到新的第一数组A和第一数组B。如果交换后,第一数组A中存在两个值相同的元素,则将其中一个元素的值加1或减1。如果加1或减1后仍然存在两个值相同的元素,则可以随机选择一个与新的第一数组A中的各元素值都不相同的值进行替换。变异是指将第一数组A中的任一值进行改变。
在本实施例的一些可选的实现方式中,在利用遗传算法进行迭代计算的过程中,每次迭代的结果都是一个第一数组的集合。执行主体可以预先设定各个目标函数的顺序,依次对得到的集合中的各第一数组进行排序,取排序中的前N个作为精英种群。并将该精英种群用于下一次的迭代计算。
本实现方式中,在每次迭代时,可以首先计算各个第一数组在目标函数“总超时”下的值,进行排序。然后计算排序中的各第一数组在目标函数“超载物流网点的数量”下的值,进行再次排序。最后,计算再次排序后的个第一数组在目标函数“最大配送时间与最小配送时间之差”下的值,得到最终排序。将最终排序中的前N个第一数组用于下一次的迭代计算。将最后一次迭代计算时最后一次排序的前10 个第一数组作为第一数组子集合。
在本实施例的一些可选的实现方式中,执行主体可以将第一数组子集合中位于第一位的第一数组作为目标第一数组。然后,根据第一目标数组确定出各个小簇与配送车辆的对应关系。各个小簇向中心簇的合并可以保证配送车辆配送的分区中的各个物流网点是聚集的,也可以保证各配送车辆的配送时间是均衡的。但考虑到目标第一数组的仍然是局部最优解,因此可以基于第一数组子集合,进行进一步的优化计算,即执行步骤606。
步骤606,根据第一数组子集合,确定第二数组集合。
执行主体可以将得到的第一数组子集合后,可以生成第二数组集合。由于第一数组表示的是中心簇与配送车辆的对应关系,在将各小簇与中心簇合并后,那么第一数组也可以表示各小簇与配送车辆的对应关系。执行主体可以设置第二数组中元素的数量与小簇的数量相等,数组的下标用于表示小簇的标识。第二数组中的值用于表示该小簇对应的车辆的标识。那么每个第一数组都可以得到对应的第二数组,则第一数组子集合对应第二数组集合。
步骤607,根据第二数组集合以及至少一个目标函数,确定目标第二数组。
执行主体可以根据第二数组集合以及至少一个目标函数,确定目标第二数组。具体的,执行主体可以利用遗传算法对第二数组集合中的各第二数组进行迭代计算,得到各第二数组在各目标函数下的排序。将上述排序中的第一位作为目标第二数组。
与步骤605中的迭代计算类似的是,本步骤中,在利用遗传算法对第二数组集合中的各第二数组进行迭代之前,还可以对第二数组集合中的各第二数组进行交叉和变异处理。此处的交叉具体为将第二数组C和第二数组D中的邻域关系进行交换,得到新的第二数组C和第二数组D。举例来说,从第二数组C中选取一个元素,对应的小簇作为当前簇,当前簇对应的配送车辆为车辆1。当前簇包括3个邻近簇, 3个邻近簇对应的车辆分别为1、2、3。从第二数组D中选取一个元素,对应的小簇作为当前簇,当前簇对应的配送车辆为4。当前簇包括3个邻近簇,3个邻近簇对应的车辆分别为1、4、4。则执行主体可以确定第二数组D中当前簇与第2个邻近簇的邻域关系为对应的配送车辆相同。则将第二数组C中当前簇的配送车辆更换为其邻近簇2对应的配送车辆,即将当前簇对应的配送车辆由1修改为2。变异是指将第二数组C中的当前簇对应的配送车辆更改为其任一邻近簇对应的配送车辆。经过这样的交叉和变异处理后,同一配送车辆对应的多个小簇更大几率是互为邻近簇的关系,增加了聚集性。
在本实施例的一些可选的实现方式中,在利用遗传算法进行迭代计算的过程中,每次迭代的结果都是一个第二数组的集合。执行主体可以预先设定各个目标函数的顺序,依次对得到的集合中的各第二数组进行排序,取排序中的前N个作为精英种群。并将该精英种群用于下一次的迭代计算。
本实现方式中,在每次迭代时,可以首先计算各个第二数组在目标函数“总超时”下的值,进行排序。然后计算排序中的各第二数组在目标函数“超载物流网点的数量”下的值,进行再次排序。然后,计算再次排序后的各第二数组在目标函数“最大配送时间与最小配送时间之差”下的值,得到三次排序。最后,计算三次排序后的各第二数组在目标函数“交叉物流网点的数量”下的值,得到最终排序。将最终排序中的前N个第一数组用于下一次的迭代计算。将最后一次迭代计算时最后一次排序的第一个第二数组作为目标第二数组。
步骤608,根据目标第二数组,确定多个小簇与配送车辆的对应关系。
执行主体在得到第二目标数组后,可以以此为准,确定出各个小簇与各个配送车辆的对应关系。可以理解的是,对应同一配送车辆的各个小簇,可以作为一个分区。这样,实现了对各物流网点的分区
本申请的上述实施例提供的用于确定配送车辆的方法,可以尽可能分散的选取中心簇,并且使中心簇对应一辆配送车辆,使得各配送车辆负责配送的区域尽量分散,避免产生交叉。
继续参见图8,其示出了根据本申请的用于确定配送车辆的方法的又一个实施例的流程800。如图8所示,本实施例的方法,可以包括以下步骤:
步骤801,获取待配送货物的订单信息集合、配送车辆的信息、配送区域的物流网点的位置信息以及路网数据。
步骤802,根据订单信息集合、物流网点的位置信息以及路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系。
步骤803,从多个小簇中,选取预设数量个小簇作为中心簇。
步骤804,生成第一数组集合。
步骤805,针对每个第一数组,根据各个中心簇以及邻域关系,将各个小簇向各个中心簇合并。
本实施例中,在针对每个第一数组计算其在各目标函数下的值之前,需要将各个小簇向各个中心簇进行合并。具体的,可以通过图9 所示的流程900实现各个小簇向中心簇的合并:
步骤901,对于每个中心簇,将该中心簇的邻近簇作为该中心簇的搜索范围。
在确定中心簇后,执行主体可以将中心簇的邻近簇作为该中心簇的搜索范围。然后从搜索范围中确定出小簇,来与中心簇合并。本实施例中,中心簇的合并可以分为三个阶段。在第一阶段中,执行主体可以通过步骤902来实现合并。
步骤902,基于搜索范围,执行以下第一合并步骤:
步骤9021,在搜索范围内选取距离该中心簇最近的小簇为合并簇,将合并簇与该中心簇合并。
在确定中心簇的搜索范围后,执行主体可以从搜索范围内确定距离中心簇最近的小簇,并将该小簇作为合并簇。将合并簇与该中心簇进行合并。如前所述,在确定各个簇之间的距离时,以两个簇内距离最近的物流网点之间的距离为准。
步骤9022,确定合并后的簇包括的物流网点之间的配送路径。
执行主体在将合并簇与中心簇合并后,可以首先确定合并后的簇中包括的物流网点。然后,执行主体可以利用各种算法来确定各物流网点之间的配送路径。例如,执行主体可以利用贪心算法或蚁群算法来确定配送路径。
步骤9023,确定合并后的簇是否满足:包括的物流网点的货物配送量小于配送车辆的装载量、按照所确定的配送路径向所包括的物流网点进行配送所需的配送时间小于第一预设时间阈值。
然后,执行主体可以判断合并后的簇是否满足以下两个条件:包括的物流网点对应的货物配送量小于配送车辆的装载量、按照所确定的配送路径向所包括的物流网点进行配送所需的配送时间小于第一预设时间阈值。执行主体可以判断合并后的簇中包括的物流网点对应的货物配送量是否小于配送车辆的装载量。同时,执行主体还可以确定配送车辆按照所确定的配送路径向所包括的物流网点进行配送所需的配送时间是否小于第一预设时间阈值。此处,第一预设时间阈值可以由预设的最大配送时间来确定。如果两个条件都满足,则可以执行步骤9024。
步骤9024,如果满足,确定是否还存在未合并的小簇。
如果满足,则执行主体可以判断是否还存在未合并的小簇。如果存在,则继续执行步骤9025。
步骤9025,如果存在,则将合并簇的邻近簇加入搜索范围,继续执行第一合并步骤。
如果存在未合并的小簇,则执行主体可以把合并簇的邻近簇加入搜索范围,然后继续执行第一合并步骤。即在搜索范围内搜索与中心簇距离最近的小簇,将该小簇作为合并簇,并将其余合并簇合并。
也就是说,在合并的第一阶段,每一次合并得到的合并后的簇都需要满足两个条件:包括的物流网点对应的货物配送量小于配送车辆的装载量、按照所确定的配送路径向所包括的物流网点进行配送所需的配送时间小于第一预设时间阈值。
步骤903,响应于合并后的簇满足以下条件:按照所确定的配送路径向所包括的物流网点进行配送所需的配送时间大于或等于第一预设时间阈值、包括的物流网点的货物配送量小于配送车辆的装载量,检测是否存在未合并的小簇。
如果在合并后,合并后的簇不满足:按照所确定的配送路径向所包括的物流网点进行配送所需的配送时间小于第一预设时间阈值,但仍然满足包括的物流网点对应的货物配送量小于配送车辆的装载量。则认为完成了第一阶段的合并。如果此时仍然存在未合并的小簇,则执行第二阶段的合并。
步骤904,响应于存在未合并的小簇,执行以下第二合并步骤:
步骤9041,在合并后的簇的搜索范围内选取与该中心簇距离最近的小簇作为合并簇。
在第二阶段的合并中,仍然从合并后的簇的搜索范围内选取与中心簇距离最近的小簇作为合并簇。可以理解的是,已合并的簇不在搜索范围内。
步骤9042,将合并簇合并至该中心簇所属的簇内,并将合并簇的邻近簇加入搜索范围。
然后将合并簇合并至中心簇所属的簇内。同时,将合并簇的邻近簇也加入搜索范围。
步骤9043,如果合并后的簇对应的货物配送量小于配送车辆的装载量,并且存在未合并的小簇,继续执行第二合并步骤。
合并后,需要判断条件“合并后的簇对应的货物配送量小于配送车辆的装载量”是否还满足。如果满足,则判断是否还存在未合并的小簇。如果存在,则继续执行上述第二合并步骤。
如果条件“合并后的簇对应的货物配送量小于配送车辆的装载量”不满足,则认为第二阶段的合并结束,进入第三阶段合并,执行步骤 905。
步骤905,响应于合并后的簇对应的货物配送量大于配送车辆的装载量,并且存在未合并的小簇,对于每个未合并的小簇,将该小簇加入距离最近的合并后的簇中。
此时,如果还有未合并的小簇,执行主体可以计算各小簇与各合并后的簇之间的距离,将各小簇加入距离最近的合并后的簇中。
步骤806,根据合并后的簇,确定各小簇与配送车辆的对应关系。
经过上述三个阶段的合并后,得到多个大簇。可以理解的是,大簇的数量与配送车辆的数量相同,与中心簇的数量也相同。由于第一数组包括了中心簇与配送车辆的对应关系,结合大簇中包括的各小簇,执行主体也可以得到各小簇与配送车辆的对应关系。
步骤807,根据对应关系以及至少一个目标函数,确定第一数组子集合。
执行主体在得到上述对应关系后,可以结合上述至少一个目标函数,来确定第一数组子集合。
步骤808,根据第一数组子集合,确定第二数组集合。
步骤809,根据第二数组集合以及至少一个目标函数,确定目标第二数组。
步骤810,根据目标第二数组,确定多个小簇与配送车辆的对应关系。
本申请的上述实施例提供的用于确定配送车辆的方法,可以将各小簇按中心簇合并,在合并时根据中心簇的邻域关系进行合并,这样可以使得合并后的簇中包括的物流网点具有聚集性的特点,各大簇之间又相对分散。
可以理解的是,上述图4所示实施例、图6所示实施例、图8所实施例可以相互结合,以得到最优的分区方案。
进一步参考图10,作为对上述各图所示方法的实现,本申请提供了一种用于确定配送车辆的装置的一个实施例,该装置实施例与图2 所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图10所示,本实施例的用于确定配送车辆的装置1000包括:获取单元1001、聚类单元1002、对应单元1003以及确定单元1004。
获取单元1001,被配置成获取待配送货物的订单信息集合、配送车辆的信息、配送区域的物流网点的位置信息以及路网数据。
聚类单元1002,被配置成根据订单信息集合、物流网点的位置信息以及路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系。
对应单元1003,被配置成根据多个小簇、邻域关系、配送车辆的信息以及预设的至少一个目标函数,确定多个小簇与所述配送车辆的对应关系。
确定单元1004,被配置成根据对应关系,确定各物流网点对应的配送车辆。
在本实施例的一些可选的实现方式中,装置1000还可以进一步包括图10中未示出的目标函数确定单元,被配置成:确定每个配送车辆对应的各物流网点之间的配送路径;根据配送路径、配送车辆的信息、预设的最大配送时间、邻域关系,确定至少一个目标函数。
在本实施例的一些可选的实现方式中,装置1000还可以进一步包括图10中未示出的订单数量确定单元和配送时间确定单元。
订单数量确定单元,被配置成根据订单信息集合,确定每个物流网点对应的订单数量。
配送时间确定单元,被配置成根据各物流网点的位置信息以及路网数据,确定配送车辆在各物流网点之间行驶所需的配送时间。
在本实施例的一些可选的实现方式中,聚类单元1002可以进一步被配置成:根据订单信息集合、物流网点的位置信息以及路网数据,对各物流网点进行聚类;在每次聚类后,确定得到的每个簇中物流网点之间的配送路径;在确定得到的每个簇满足以下条件后,迭代终止:对应的订单数量小于第一预设数量阈值、按照配送路径向该小簇中的各物流网点进行配送所需的配送时间小于第一预设时间阈值。
在本实施例的一些可选的实现方式中,聚类单元1002可以进一步包括:最小生成树生成模块和邻域关系确定模块。
最小生成树生成模块,被配置成在对每个簇进行聚类后,生成本次聚类得到的多个簇的最小生成树。
邻域关系确定模块,被配置成根据最小生成树,生成本次聚类得到的多个簇之间的邻域关系。
在本实施例的一些可选的实现方式中,聚类单元1002可以进一步包括:邻域关系修正模块,被配置成根据该簇在上次聚类得到的邻域关系,生成本次聚类得到的至少一个簇与上次聚类得到的簇之间的邻域关系。
在本实施例的一些可选的实现方式中,邻域关系修正模块可以进一步被配置成:根据生成的邻域关系,确定每个簇的邻近簇;对于得到的每个簇,根据邻近簇的数量、该簇与其它簇的距离、第二预设数量阈值以及第一预设距离阈值,修正该簇的邻域关系。
在本实施例的一些可选的实现方式中,邻域关系修正模块可以进一步被配置成:响应于该簇的邻近簇的数量小于所述第二预设数量阈值,计算其它簇与该簇之间的距离;将与该簇之间的距离小于所述第一预设距离阈值的簇作为候选邻近簇;根据所述候选邻近簇的数量、该簇的邻近簇的数量以及所述第二数量阈值,选取候选邻近簇作为邻近簇;根据确定的邻近簇,修正该簇的邻域关系。
在本实施例的一些可选的实现方式中,邻域关系修正模块可以进一步被配置成:对于每个簇,根据该簇的修正的邻域关系,修正该簇的邻近簇的邻域关系。
在本实施例的一些可选的实现方式中,对应单元1003可以进一步包括:中心簇选取模块、第一数组集合生成模块、第一数组子集合确定模块和第一对应关系确定模块。
中心簇选取模块,被配置成从多个小簇中,选取预设数量个小簇作为中心簇。
第一数组集合生成模块,被配置成生成第一数组集合,其中,第一数组用于表示各个中心簇与配送车辆的对应关系。
第一数组子集合确定模块,被配置成确定模块,被配置成根据第一数组集合、各个中心簇、邻域关系以及所述至少一个目标函数,确定第一数组子集合。
第一对应关系确定模块,被配置成根据第一数组子集合,确定多个小簇与所述配送车辆的对应关系。
在本实施例的一些可选的实现方式中,中心簇选取模块进一步被配置成:根据每个小簇中包括的物流网点、每个物流网点对应的订单信息、每个小簇所属的父簇,确定每个父簇对应的货物配送量;计算每个父簇的货物配送量与待配送货物的总配送量的比值;根据各比值以及配送车辆的数量,向各父簇分配配送车辆;根据各父簇的配送车辆分配信息,从各父簇中选取中心簇。
在本实施例的一些可选的实现方式中,中心簇选取模块进一步被配置成:对于分配了配送车辆的父簇,从该父簇中选取中心簇,其中,选取的中心簇的数量与该父簇分配的配送车辆的数量相等;从各父簇中随机选取父簇以及从随机选取的父簇中随机选取小簇作为中心簇,其中,选取的父簇的数量与未分配的配送车辆的数量相等。
在本实施例的一些可选的实现方式中,第一数组子集合确定模块进一步被配置成:针对每个第一数组,根据各个中心簇以及所述邻域关系,将各个小簇向各个中心簇合并;根据合并后的簇,确定各小簇与配送车辆的对应关系;根据对应关系以及所述至少一个目标函数,确定第一数组子集合。
在本实施例的一些可选的实现方式中,第一数组子集合确定模块进一步被配置成:对于每个中心簇,将该中心簇的邻近簇作为该中心簇的搜索范围;基于搜索范围,执行以下第一合并步骤:在所述搜索范围内选取距离该中心簇最近的小簇为合并簇,将合并簇与该中心簇合并;确定合并后的簇包括的物流网点之间的配送路径;确定合并后的簇是否满足:包括的物流网点对应的货物配送量小于该中心簇对应的配送车辆的装载量、按照所确定的配送路径向所包括的物流网点进行配送所需的配送时间小于第一预设时间阈值;如果满足,确定是否还存在未合并的小簇;如果存在,则将合并簇的邻近簇加入搜索范围,继续执行第一合并步骤。
在本实施例的一些可选的实现方式中,第一数组子集合确定模块进一步被配置成:响应于合并后的簇满足以下条件:按照所确定的配送路径向所包括的物流网点进行配送所需的配送时间大于或等于第一预设时间阈值、包括的物流网点的货物配送量小于配送车辆的装载量,检测是否存在未合并的小簇;响应于存在未合并的小簇,执行以下第二合并步骤:在合并后的簇的搜索范围内选取与该中心簇距离最近的小簇作为合并簇;将合并簇合并至该中心簇所属的簇内,并将合并簇的邻近簇加入搜索范围;如果合并后的簇对应的货物配送量小于配送车辆的装载量,并且存在未合并的小簇,继续执行第二合并步骤。
在本实施例的一些可选的实现方式中,第一数组子集合确定模块进一步被配置成:响应于合并后的簇对应的货物配送量大于配送车辆的装载量,并且存在未合并的小簇,对于每个未合并的小簇,将该小簇加入距离最近的合并后的簇中。
在本实施例的一些可选的实现方式中,对应单元1003还可以进一步包括:第二数组集合确定模块、目标第二数组确定模块和第二对应关系确定模块。
第二数组集合确定模块,被配置成根据第一数组子集合,确定第二数组集合,其中,第二数组表示小簇与配送车辆的对应关系。
目标第二数组确定模块,被配置成根据第二数组集合以及至少一个目标函数,确定目标第二数组。
第二对应关系确定模块,被配置成根据目标第二数组,确定多个小簇与配送车辆的对应关系。
在本实施例的一些可选的实现方式中,第二数组集合确定模块进一步被配置成:对于第一数组子集合中的每个第一数组,根据该第一数组,确定小簇与配送车辆的对应关系;根据对应关系,确定该第一数组对应的第二数组。
应当理解,用于确定配送车辆的装置1000中记载的单元1001至单元1004分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对用于确定配送车辆的方法描述的操作和特征同样适用于装置 500及其中包含的单元,在此不再赘述。
下面参考图11,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)1100的结构示意图。图11示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图11所示,电子设备1100可以包括处理装置(例如中央处理器、图形处理器等)1101,其可以根据存储在只读存储器(ROM)1102 中的程序或者从存储装置1108加载到随机访问存储器(RAM)1103 中的程序而执行各种适当的动作和处理。在RAM 1103中,还存储有电子设备1100操作所需的各种程序和数据。处理装置1101、ROM 1102 以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105 也连接至总线1104。
通常,以下装置可以连接至I/O接口1105:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置1106;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置1107;包括例如磁带、硬盘等的存储装置1108;以及通信装置1109。通信装置1109可以允许电子设备1100与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备1100,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置1109从网络上被下载和安装,或者从存储装置1108被安装,或者从ROM 1102被安装。在该计算机程序被处理装置1101执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器 (RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM 或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取待配送货物的订单信息集合、配送车辆的信息、配送区域的物流网点的位置信息以及路网数据;根据订单信息集合、物流网点的位置信息以及路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系;根据多个小簇、邻域关系、配送车辆的信息以及预设的至少一个目标函数,确定多个小簇与配送车辆的对应关系;根据对应关系,确定各物流网点对应的配送车辆。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网 (WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、聚类单元、对应单元和确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,确定单元还可以被描述为“确定各物流网点对应的配送车辆的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (36)
1.一种用于确定配送车辆的方法,包括:
获取待配送货物的订单信息集合、配送车辆的信息、配送区域的物流网点的位置信息以及路网数据;
根据所述订单信息集合、所述物流网点的位置信息以及所述路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系;
从所述多个小簇中,选取预设数量个小簇作为中心簇;生成第一数组集合,其中,第一数组用于表示各个中心簇与配送车辆的对应关系;根据所述第一数组集合、各个中心簇、所述邻域关系以及预设的至少一个目标函数,确定第一数组子集合;根据所述第一数组子集合,确定所述多个小簇与所述配送车辆的对应关系;
根据所述对应关系,确定各物流网点对应的配送车辆。
2.根据权利要求1所述的方法,其中,所述方法还包括:
确定每个配送车辆对应的各物流网点之间的配送路径;
根据所述配送路径、所述配送车辆的信息、预设的最大配送时间、所述邻域关系,确定所述至少一个目标函数。
3.根据权利要求1所述的方法,其中,所述方法还包括:
根据所述订单信息集合,确定每个物流网点对应的订单数量;
根据各物流网点的位置信息以及所述路网数据,确定所述配送车辆在各物流网点之间行驶所需的配送时间。
4.根据权利要求3所述的方法,其中,所述根据所述订单信息集合、所述物流网点的位置信息以及所述路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系,包括:
根据所述订单信息集合、所述物流网点的位置信息以及所述路网数据,对各物流网点进行聚类;
在每次聚类后,确定得到的每个簇中物流网点之间的配送路径;
在确定得到的每个簇满足以下条件后,迭代终止:对应的订单数量小于第一预设数量阈值、按照所述配送路径向该小簇中的各物流网点进行配送所需的配送时间小于第一预设时间阈值。
5.根据权利要求3所述的方法,其中,所述根据所述订单信息集合、所述物流网点的位置信息以及所述路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系,包括:
在对每个簇进行聚类后,生成本次聚类得到的多个簇的最小生成树;
根据所述最小生成树,生成本次聚类得到的多个簇之间的邻域关系。
6.根据权利要求5所述的方法,其中,所述根据所述订单信息集合、所述物流网点的位置信息以及所述路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系,包括:
根据该簇在上次聚类得到的邻域关系,生成本次聚类得到的至少一个簇与上次聚类得到的簇之间的邻域关系。
7.根据权利要求6所述的方法,其中,所述根据所述订单信息集合、所述物流网点的位置信息以及所述路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系,包括:
根据生成的邻域关系,确定每个簇的邻近簇;
对于得到的每个簇,根据邻近簇的数量、该簇与其它簇的距离、第二预设数量阈值以及第一预设距离阈值,修正该簇的邻域关系。
8.根据权利要求7所述的方法,其中,所述根据邻近簇的数量、该簇与其它簇的距离、第二预设数量阈值以及第一预设距离阈值,修正该簇的邻域关系,包括:
响应于该簇的邻近簇的数量小于所述第二预设数量阈值,计算其它簇与该簇之间的距离;
将与该簇之间的距离小于所述第一预设距离阈值的簇作为候选邻近簇;
根据所述候选邻近簇的数量、该簇的邻近簇的数量以及所述第二预设数量阈值,选取候选邻近簇作为邻近簇;
根据确定的邻近簇,修正该簇的邻域关系。
9.根据权利要求8所述的方法,其中,所述根据所述订单信息集合、所述物流网点的位置信息以及所述路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系,包括:
对于每个簇,根据该簇的修正的邻域关系,修正该簇的邻近簇的邻域关系。
10.根据权利要求1所述的方法,其中,所述从所述多个小簇中,选取预设数量个小簇作为中心簇,包括:
根据每个小簇中包括的物流网点、每个物流网点对应的订单信息、每个小簇所属的父簇,确定每个父簇对应的货物配送量;
计算每个父簇的货物配送量与待配送货物的总配送量的比值;
根据各所述比值以及配送车辆的数量,向各父簇分配配送车辆;
根据各父簇的配送车辆分配信息,从各父簇中选取中心簇。
11.根据权利要求10所述的方法,其中,所述根据各父簇的配送车辆分配信息,从各父簇中选取中心簇,包括:
对于分配了配送车辆的父簇,从该父簇中选取中心簇,其中,选取的中心簇的数量与该父簇分配的配送车辆的数量相等;
从各父簇中随机选取父簇以及从随机选取的父簇中随机选取小簇作为中心簇,其中,选取的父簇的数量与未分配的配送车辆的数量相等。
12.根据权利要求1所述的方法,其中,所述根据所述第一数组集合、各个中心簇、所述邻域关系以及预设的至少一个目标函数,确定第一数组子集合,包括:
针对每个第一数组,根据各个中心簇以及所述邻域关系,将各个小簇向各个中心簇合并;
根据合并后的簇,确定各小簇与配送车辆的对应关系;
根据所述对应关系以及所述至少一个目标函数,确定第一数组子集合。
13.根据权利要求12所述的方法,其中,所述针对每个第一数组,根据各个中心簇以及所述邻域关系,将各个小簇向各个中心簇合并,包括:
对于每个中心簇,将该中心簇的邻近簇作为该中心簇的搜索范围;
基于所述搜索范围,执行以下第一合并步骤:在所述搜索范围内选取距离该中心簇最近的小簇为合并簇,将所述合并簇与该中心簇合并;确定合并后的簇包括的物流网点之间的配送路径;确定合并后的簇是否满足:包括的物流网点对应的货物配送量小于该中心簇对应的配送车辆的装载量、按照所确定的配送路径向所包括的物流网点进行配送所需的配送时间小于第一预设时间阈值;如果满足,确定是否还存在未合并的小簇;如果存在,则将所述合并簇的邻近簇加入所述搜索范围,继续执行所述第一合并步骤。
14.根据权利要求13所述的方法,其中,所述针对每个第一数组,根据各个中心簇以及所述邻域关系,将各个小簇向各个中心簇合并,包括:
响应于合并后的簇满足以下条件:按照所确定的配送路径向所包括的物流网点进行配送所需的配送时间大于或等于第一预设时间阈值、包括的物流网点的货物配送量小于配送车辆的装载量,检测是否存在未合并的小簇;
响应于存在未合并的小簇,执行以下第二合并步骤:在合并后的簇的搜索范围内选取与该中心簇距离最近的小簇作为合并簇;将所述合并簇合并至该中心簇所属的簇内,并将所述合并簇的邻近簇加入所述搜索范围;如果合并后的簇对应的货物配送量小于配送车辆的装载量,并且存在未合并的小簇,继续执行所述第二合并步骤。
15.根据权利要求14所述的方法,其中,所述针对每个第一数组,根据各个中心簇以及所述邻域关系,将各个小簇向各个中心簇合并,包括:
响应于合并后的簇对应的货物配送量大于配送车辆的装载量,并且存在未合并的小簇,对于每个未合并的小簇,将该小簇加入距离最近的合并后的簇中。
16.根据权利要求1所述的方法,其中,所述根据所述第一数组子集合,确定所述多个小簇与所述配送车辆的对应关系,包括:
根据所述第一数组子集合,确定第二数组集合,其中,第二数组表示小簇与配送车辆的对应关系;
根据所述第二数组集合以及所述至少一个目标函数,确定目标第二数组;
根据所述目标第二数组,确定所述多个小簇与所述配送车辆的对应关系。
17.根据权利要求16所述的方法,其中,所述根据所述第一数组子集合,确定第二数组集合,包括:
对于所述第一数组子集合中的每个第一数组,根据该第一数组,确定小簇与配送车辆的对应关系;
根据所述对应关系,确定该第一数组对应的第二数组。
18.一种用于确定配送车辆的装置,包括:
获取单元,被配置成获取待配送货物的订单信息集合、配送车辆的信息、配送区域的物流网点的位置信息以及路网数据;
聚类单元,被配置成根据所述订单信息集合、所述物流网点的位置信息以及所述路网数据,对各物流网点进行迭代聚类,得到多个小簇以及各小簇之间的邻域关系;
对应单元,被配置成从所述多个小簇中,选取预设数量个小簇作为中心簇;生成第一数组集合,其中,第一数组用于表示各个中心簇与配送车辆的对应关系;根据所述第一数组集合、各个中心簇、所述邻域关系以及预设的至少一个目标函数,确定第一数组子集合;根据所述第一数组子集合,确定所述多个小簇与所述配送车辆的对应关系;
确定单元,被配置成根据所述对应关系,确定各物流网点对应的配送车辆。
19.根据权利要求18所述的装置,其中,所述装置还包括目标函数确定单元,被配置成:
确定每个配送车辆对应的各物流网点之间的配送路径;
根据所述配送路径、所述配送车辆的信息、预设的最大配送时间、所述邻域关系,确定所述至少一个目标函数。
20.根据权利要求18所述的装置,其中,所述装置还包括:
订单数量确定单元,被配置成根据所述订单信息集合,确定每个物流网点对应的订单数量;
配送时间确定单元,被配置成根据各物流网点的位置信息以及所述路网数据,确定所述配送车辆在各物流网点之间行驶所需的配送时间。
21.根据权利要求20所述的装置,其中,所述聚类单元进一步被配置成:
根据所述订单信息集合、所述物流网点的位置信息以及所述路网数据,对各物流网点进行聚类;
在每次聚类后,确定得到的每个簇中物流网点之间的配送路径;
在确定得到的每个簇满足以下条件后,迭代终止:对应的订单数量小于第一预设数量阈值、按照所述配送路径向该小簇中的各物流网点进行配送所需的配送时间小于第一预设时间阈值。
22.根据权利要求20所述的装置,其中,所述聚类单元包括:
最小生成树生成模块,被配置成在对每个簇进行聚类后,生成本次聚类得到的多个簇的最小生成树;
邻域关系确定模块,被配置成根据所述最小生成树,生成本次聚类得到的多个簇之间的邻域关系。
23.根据权利要求22所述的装置,其中,所述聚类单元还包括:
邻域关系修正模块,被配置成根据该簇在上次聚类得到的邻域关系,生成本次聚类得到的至少一个簇与上次聚类得到的簇之间的邻域关系。
24.根据权利要求23所述的装置,其中,所述邻域关系修正模块进一步被配置成:
根据生成的邻域关系,确定每个簇的邻近簇;
对于得到的每个簇,根据邻近簇的数量、该簇与其它簇的距离、第二预设数量阈值以及第一预设距离阈值,修正该簇的邻域关系。
25.根据权利要求24所述的装置,其中,所述邻域关系修正模块进一步被配置成:
响应于该簇的邻近簇的数量小于所述第二预设数量阈值,计算其它簇与该簇之间的距离;
将与该簇之间的距离小于所述第一预设距离阈值的簇作为候选邻近簇;
根据所述候选邻近簇的数量、该簇的邻近簇的数量以及所述第二预设数量阈值,选取候选邻近簇作为邻近簇;
根据确定的邻近簇,修正该簇的邻域关系。
26.根据权利要求25所述的装置,其中,所述邻域关系修正模块进一步被配置成:
对于每个簇,根据该簇的修正的邻域关系,修正该簇的邻近簇的邻域关系。
27.根据权利要求26所述的装置,其中,所述对应单元进一步被配置成:
根据每个小簇中包括的物流网点、每个物流网点对应的订单信息、每个小簇所属的父簇,确定每个父簇对应的货物配送量;
计算每个父簇的货物配送量与待配送货物的总配送量的比值;
根据各所述比值以及配送车辆的数量,向各父簇分配配送车辆;
根据各父簇的配送车辆分配信息,从各父簇中选取中心簇。
28.根据权利要求26所述的装置,其中,所述对应单元进一步被配置成:
对于分配了配送车辆的父簇,从该父簇中选取中心簇,其中,选取的中心簇的数量与该父簇分配的配送车辆的数量相等;
从各父簇中随机选取父簇以及从随机选取的父簇中随机选取小簇作为中心簇,其中,选取的父簇的数量与未分配的配送车辆的数量相等。
29.根据权利要求26所述的装置,其中,所述对应单元进一步被配置成:
针对每个第一数组,根据各个中心簇以及所述邻域关系,将各个小簇向各个中心簇合并;
根据合并后的簇,确定各小簇与配送车辆的对应关系;
根据所述对应关系以及所述至少一个目标函数,确定第一数组子集合。
30.根据权利要求29所述的装置,其中,所述对应单元进一步被配置成:
对于每个中心簇,将该中心簇的邻近簇作为该中心簇的搜索范围;
基于所述搜索范围,执行以下第一合并步骤:在所述搜索范围内选取距离该中心簇最近的小簇为合并簇,将所述合并簇与该中心簇合并;确定合并后的簇包括的物流网点之间的配送路径;确定合并后的簇是否满足:包括的物流网点对应的货物配送量小于该中心簇对应的配送车辆的装载量、按照所确定的配送路径向所包括的物流网点进行配送所需的配送时间小于第一预设时间阈值;如果满足,确定是否还存在未合并的小簇;如果存在,则将所述合并簇的邻近簇加入所述搜索范围,继续执行所述第一合并步骤。
31.根据权利要求30所述的装置,其中,所述对应单元进一步被配置成:
响应于合并后的簇满足以下条件:按照所确定的配送路径向所包括的物流网点进行配送所需的配送时间大于或等于第一预设时间阈值、包括的物流网点的货物配送量小于配送车辆的装载量,检测是否存在未合并的小簇;
响应于存在未合并的小簇,执行以下第二合并步骤:在合并后的簇的搜索范围内选取与该中心簇距离最近的小簇作为合并簇;将所述合并簇合并至该中心簇所属的簇内,并将所述合并簇的邻近簇加入所述搜索范围;如果合并后的簇对应的货物配送量小于配送车辆的装载量,并且存在未合并的小簇,继续执行所述第二合并步骤。
32.根据权利要求31所述的装置,其中,所述对应单元进一步被配置成:
响应于合并后的簇对应的货物配送量大于配送车辆的装载量,并且存在未合并的小簇,对于每个未合并的小簇,将该小簇加入距离最近的合并后的簇中。
33.根据权利要求26所述的装置,其中,所述对应单元还包括:
第二数组集合确定模块,被配置成根据所述第一数组子集合,确定第二数组集合,其中,第二数组表示小簇与配送车辆的对应关系;
目标第二数组确定模块,被配置成根据所述第二数组集合以及所述至少一个目标函数,确定目标第二数组;
第二对应关系确定模块,被配置成根据所述目标第二数组,确定所述多个小簇与所述配送车辆的对应关系。
34.根据权利要求33所述的装置,其中,所述第二数组集合确定模块进一步被配置成:
对于所述第一数组子集合中的每个第一数组,根据该第一数组,确定小簇与配送车辆的对应关系;
根据所述对应关系,确定该第一数组对应的第二数组。
35.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-17中任一所述的方法。
36.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-17中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010202888.2A CN111428991B (zh) | 2020-03-20 | 2020-03-20 | 用于确定配送车辆的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010202888.2A CN111428991B (zh) | 2020-03-20 | 2020-03-20 | 用于确定配送车辆的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111428991A CN111428991A (zh) | 2020-07-17 |
CN111428991B true CN111428991B (zh) | 2022-08-02 |
Family
ID=71548302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010202888.2A Active CN111428991B (zh) | 2020-03-20 | 2020-03-20 | 用于确定配送车辆的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111428991B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112861024B (zh) * | 2021-02-03 | 2023-08-01 | 北京百度网讯科技有限公司 | 确定路网矩阵的方法、装置、电子设备及存储介质 |
CN112990813A (zh) * | 2021-02-09 | 2021-06-18 | 北京橙心无限科技发展有限公司 | 确定导航时间的方法和装置 |
CN113065743A (zh) * | 2021-03-03 | 2021-07-02 | 杭州翔毅科技有限公司 | 一种智能化物流装载方法 |
CN113240175B (zh) * | 2021-05-11 | 2024-02-02 | 北京百度网讯科技有限公司 | 配送路线的生成方法、设备、存储介质和程序产品 |
CN113222509A (zh) * | 2021-05-14 | 2021-08-06 | 海盐顺顺运输有限公司 | 一种基于物联网的冷链物流配送系统 |
CN113807608B (zh) * | 2021-10-09 | 2022-07-01 | 哈尔滨学院 | 基于物流优化的冷链供应管理系统、存储介质及设备 |
CN115271354B (zh) * | 2022-06-24 | 2023-08-25 | 湖南湘邮科技股份有限公司 | 一种基于投递单元的业务电子围栏动态规划方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130062468A (ko) * | 2011-11-25 | 2013-06-13 | 주식회사지니 | 이동통신망을 이용한 물류 유통 시스템 |
JP2013133198A (ja) * | 2011-12-26 | 2013-07-08 | Jfe Steel Corp | 車両運行計画作成装置及び方法並びに車両運行計画作成用プログラム |
CN107194513A (zh) * | 2017-05-26 | 2017-09-22 | 中南大学 | 一种解决全渠道物流配送问题的优化方法 |
CN110490510A (zh) * | 2019-07-08 | 2019-11-22 | 北京三快在线科技有限公司 | 一种物流配送线路生成方法和装置 |
-
2020
- 2020-03-20 CN CN202010202888.2A patent/CN111428991B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130062468A (ko) * | 2011-11-25 | 2013-06-13 | 주식회사지니 | 이동통신망을 이용한 물류 유통 시스템 |
JP2013133198A (ja) * | 2011-12-26 | 2013-07-08 | Jfe Steel Corp | 車両運行計画作成装置及び方法並びに車両運行計画作成用プログラム |
CN107194513A (zh) * | 2017-05-26 | 2017-09-22 | 中南大学 | 一种解决全渠道物流配送问题的优化方法 |
CN110490510A (zh) * | 2019-07-08 | 2019-11-22 | 北京三快在线科技有限公司 | 一种物流配送线路生成方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111428991A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111428991B (zh) | 用于确定配送车辆的方法和装置 | |
JP7072054B2 (ja) | 貨物を仕分けるための方法および装置 | |
Forma et al. | A 3-step math heuristic for the static repositioning problem in bike-sharing systems | |
Guimarães et al. | The two-echelon multi-depot inventory-routing problem | |
CN108492068B (zh) | 用于路径规划的方法和装置 | |
Wang et al. | A genetic-algorithm-based approach to the two-echelon capacitated vehicle routing problem with stochastic demands in logistics service | |
Moshref-Javadi et al. | The latency location-routing problem | |
Ray et al. | The multi-depot split-delivery vehicle routing problem: Model and solution algorithm | |
Calvet et al. | Solving the multidepot vehicle routing problem with limited depot capacity and stochastic demands | |
CN111178810B (zh) | 用于生成信息的方法和装置 | |
Majumder et al. | Uncertain programming models for multi-objective shortest path problem with uncertain parameters | |
CN113128744A (zh) | 配送规划方法和装置 | |
CN109345166B (zh) | 用于生成信息的方法和装置 | |
Teck et al. | A bi-level memetic algorithm for the integrated order and vehicle scheduling in a RMFS | |
Shang et al. | Spatial scheduling optimization algorithm for block assembly in shipbuilding | |
CN113222275A (zh) | 一种时变路网下考虑时空距离的车辆路径优化方法 | |
Ezugwu et al. | Enhanced intelligent water drops algorithm for multi-depot vehicle routing problem | |
Solano-Charris et al. | Solving the bi-objective robust vehicle routing problem with uncertain costs and demands | |
Ouyang et al. | Community logistics and dynamic community partitioning: A new approach for solving e-commerce last mile delivery | |
Ibarra-Rojas et al. | Vehicle routing problem considering equity of demand satisfaction | |
Ouyang et al. | Community logistics for dynamic vehicle dispatching: The effects of community departure “time” and “space” | |
Kim et al. | Ant colony optimisation with random selection for block transportation scheduling with heterogeneous transporters in a shipyard | |
Trigui et al. | An analytical hierarchy process-based approach to solve the multi-objective multiple traveling salesman problem | |
CN111428925B (zh) | 用于确定配送路径的方法和装置 | |
Wang et al. | Optimization of an established multi-objective delivering problem by an improved hybrid algorithm |
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 |