CN112749899A - 派单方法、装置及存储介质 - Google Patents

派单方法、装置及存储介质 Download PDF

Info

Publication number
CN112749899A
CN112749899A CN202110040388.8A CN202110040388A CN112749899A CN 112749899 A CN112749899 A CN 112749899A CN 202110040388 A CN202110040388 A CN 202110040388A CN 112749899 A CN112749899 A CN 112749899A
Authority
CN
China
Prior art keywords
rider
orders
order
node
clustering
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
CN202110040388.8A
Other languages
English (en)
Inventor
李世伟
刘恬恬
宁忠忠
宋子龙
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.)
Dingdang Fast Medicine Technology Group Co ltd
Original Assignee
Dingdang Fast Medicine Technology 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 Dingdang Fast Medicine Technology Group Co ltd filed Critical Dingdang Fast Medicine Technology Group Co ltd
Priority to CN202110040388.8A priority Critical patent/CN112749899A/zh
Publication of CN112749899A publication Critical patent/CN112749899A/zh
Pending 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
    • 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
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • 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

Landscapes

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

Abstract

本发明提供一种派单方法、装置及存储介质，包括：获取当前各个未分配订单的剩余考核时间以及可用骑手；将所述未分配订单作为节点，对各个节点按照其自身类别进行聚类，过滤掉只有一个节点且剩余考核时间大于预设值的订单，得到订单的最终聚类；基于最终聚类与可用骑手得到成本矩阵，将最小成本对应的类别订单交付至成本矩阵选取的最佳骑手配送后，更新成本矩阵，直到遍历完所有的类别。本发明方案，利用基于地理信息的层次聚类算法进行订单合包，然后生成成本矩阵进而选取最佳骑手配送。派单结果更符合骑手行为习惯，提升骑手体验和骑手执行配送任务的效率。并且派单目标函数预估更准确，提升调度系统KPI指标及订单送达的准时率。

Description

派单方法、装置及存储介质
技术领域
本发明涉及派单技术，尤其涉及一种派单方法、装置及存储介质。
背景技术
外卖配送主要的特点是并发高、延时低。在骑手智能调度系统中，新订单需要实时指派给最合适的骑手。骑手身上一般背负多个订单，派新单之前需要对当前骑手身上的旧订单和可能的新订单进行计算，根据成本矩阵结果选择超时最少、路程最短的订单分给相应的骑手。所以成本矩阵的定义对调度系统派单的准确性有重要影响。
现有的订单分配方法使用贪婪启发式方法，以骑手执行路径中所有取送任务的总超时时长与总路程的加和作为目标函数，通过计算当前时刻未分配订单与可用骑手之间构成的成本矩阵，找出目标函数的最小值，并将该笔订单指派给最合适的骑手。然后，删除已分配订单，更新成本矩阵，直到遍历完所有未分配订单。
在实际配送场景中，因为订单的时效要求存在差异性，区域运力与时间存在相关关系，配送实际情况变得复杂。现有的基于贪婪的启发式算法无法准确评估配送的成本，从而无法为派单提供准确的依据，导致派单结果不准确。这将降低调度系统的运行效率，造成骑手运力浪费，降低用户体验。现有配送派单方法还存在运算时间长的问题，即运算时间随路径中任务点的增加呈现指数增长，若路径中任务点数量过多则运算时间会很长，进而导致派单时间较长。
发明内容
本发明实施例提供一种派单方法、装置及存储介质，可以提升调度派单的准确度、减少系统的派单时间、提升配送调度系统的配送效率，改善用户体验。
本提案提出一种基于两阶段快速启发式的药品配送派单方法，。
本发明实施例的第一方面，提供一种派单方法，包括：
获取当前各个未分配订单的剩余考核时间以及可用骑手；
将所述未分配订单作为节点，对各个节点按照其自身类别进行聚类，过滤掉只有一个节点且剩余考核时间大于预设值的订单，得到订单的最终聚类；
基于所述最终聚类与可用骑手得到成本矩阵，将最小成本对应的类别订单交付至成本矩阵选取的最佳骑手配送后，更新成本矩阵，直到遍历完所有的类别。
可选地，在第一方面的一种可能实现方式中，所述获取当前各个未分配订单的剩余考核时间包括：
获取订单的预计到达时间ETA以及当前时刻T，基于以下公式计算所述剩余考核时间auditTime，
auditTime＝ETA–T。
可选地，在第一方面的一种可能实现方式中，获取当前各个未分配订单的剩余考核时间以及可用骑手包括：
获取当前时刻每个骑手的背单量，将背单量小于预设量的骑手作为可用骑手。
可选地，在第一方面的一种可能实现方式中，所述将所述未分配订单作为节点，对各个节点按照其自身类别进行聚类，过滤掉只有一个节点且剩余考核时间大于预设值的订单，得到订单的最终聚类包括：
将当前未分配的订单作为节点，设节点的约束条件为范围与剩余考核时间的加权之和，公式如下，
D＝λ1dist+λ2auditTime
其中，dist为聚类范围，λ1、λ2分别为权重参数；
通过以下步骤对各个节点按照其自身类别进行聚类，包括：
选取任意一个节点i，如果节点i没有任何类别，则对节点i产生一个新类，并变成该类的中心点；
若节点j未被分组，且dij<D，则将j分到类i；
若节点j被分到类k，且j不是聚类中心，如果dij<dkj，则将j重新分到类i。
过滤掉类中只有一个节点且auditTime>60min的订单。
可选地，在第一方面的一种可能实现方式中，所述基于所述最终聚类与可用骑手得到成本矩阵，将最小成本对应的类别订单交付至成本矩阵选取的最佳骑手配送包括：
j个类别的集合为{C1，C2,…,Cj},当前可用骑手的集合为{C1，C2,…,Ri}，通过以下函数计算，
Figure BDA0002895122970000031
其中，ETR为路径规划模块给出的预估送达时间；Δdist为距离增量，即为聚类类别中距商家最远的订单距离；目标函数为距离增量与总超时风险之和；
选取目标函数值最小时所对应的骑手为最佳骑手配送。
本发明实施例的第二方面，提供一种派单装置，包括：
获取模块，用于获取当前各个未分配订单的剩余考核时间以及可用骑手；
聚类模块，用于将所述未分配订单作为节点，对各个节点按照其自身类别进行聚类，过滤掉只有一个节点且剩余考核时间大于预设值的订单，得到订单的最终聚类；
计算模块，用于基于所述最终聚类与可用骑手得到成本矩阵，将最小成本对应的类别订单交付至成本矩阵选取的最佳骑手配送后，更新成本矩阵，直到遍历完所有的类别。
可选地，在第二方面的一种可能实现方式中，所述获取模块包括：
计算单元，用于获取订单的预计到达时间ETA以及当前时刻T，基于以下公式计算所述剩余考核时间auditTime，
auditTime＝ETA–T。
可选地，在第二方面的一种可能实现方式中，所述获取模块包括：
筛选单元，用于获取当前时刻每个骑手的背单量，将背单量小于预设量的骑手作为可用骑手。
本发明实施例的第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述第一方面中任意一项所述的数据迁移的方法。
本发明实施例的第四方面，提供一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行上述第一方面中任意一项所述的数据迁移的方法。
本发明提供的一种派单方法、装置及存储介质。其派单结果更符合骑手行为习惯，提升骑手体验、提升骑手执行配送任务的效率。并且派单目标函数预估更准确，派单结果更准确、更优化，提升调度系统KPI指标，而且提升订单送达的准时率、降低严重超时的badcase比例。
附图说明
图1为派单方法的第一种实施方式的流程图；
图2为派单方法的第二种实施方式的流程图；
图3为派单装置的第一种实施方式的结构图。
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，都属于本发明保护的范围。
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”、“第三”“第四”等(如果存在)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。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“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。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
本发明提供一种派单方法的第一种实施方式，如图1所示，在算法执行之前，需要进行初始化操作：依据业务要求，过滤不符合约束条件的骑手。第一阶段是订单合包模块：输入当前未分配的订单，利用基于地理信息的层次聚类算法，获得订单的分类信息。第二阶段是派单模块：计算第一阶段订单的聚类分类结果与当前时刻骑手之间构成的成本矩阵，评估最小成本，并更新成本矩阵，直到遍历完所有的订单类别。
本方案与现有技术相比较在以下方面有提升：
1)骑手效率维度：派单结果更符合骑手行为习惯，提升骑手体验、提升骑手执行配送任务的效率；
2)调度系统维度：派单目标函数预估更准确，派单结果更准确、更优化，提升调度系统KPI指标；
3)用户体验维度：提升订单送达的准时率、降低严重超时的badcase比例。
本发明提供一种派单方法的第二种实施方式，如图2所示，包括：
步骤S110、获取当前各个未分配订单的剩余考核时间以及可用骑手。
在步骤S110中，还包括：
步骤S1101、获取订单的预计到达时间ETA以及当前时刻T，基于以下公式计算所述剩余考核时间auditTime，
auditTime＝ETA–T；
步骤S1102、获取当前时刻每个骑手的背单量，将背单量小于预设量的骑手作为可用骑手。
步骤S120、将所述未分配订单作为节点，对各个节点按照其自身类别进行聚类，过滤掉只有一个节点且剩余考核时间大于预设值的订单，得到订单的最终聚类。
在步骤S120中，还包括：
将当前未分配的订单作为节点，设节点的约束条件为范围与剩余考核时间的加权之和，公式如下，
D＝λ1dist+λ2auditTime
其中，dist为聚类范围，λ1、λ2分别为权重参数；
通过以下步骤对各个节点按照其自身类别进行聚类，包括：
选取任意一个节点i，如果节点i没有任何类别，则对节点i产生一个新类，并变成该类的中心点；
若节点j未被分组，且dij<D，则将j分到类i；
若节点j被分到类k，且j不是聚类中心，如果dij<dkj，则将j重新分到类i。
过滤掉类中只有一个节点且auditTime>60min的订单。
步骤S130、基于所述最终聚类与可用骑手得到成本矩阵，将最小成本对应的类别订单交付至成本矩阵选取的最佳骑手配送后，更新成本矩阵，直到遍历完所有的类别。
在步骤S130中，还包括：
所述基于所述最终聚类与可用骑手得到成本矩阵，将最小成本对应的类别订单交付至成本矩阵选取的最佳骑手配送包括：
j个类别的集合为{C1，C2,…,Cj},当前可用骑手的集合为{R1，R2,…,Ri}，通过以下函数计算，
Figure BDA0002895122970000071
其中，ETR为路径规划模块给出的预估送达时间；Δdist为距离增量，即为聚类类别中距商家最远的订单距离；目标函数为距离增量与总超时风险之和；
选取目标函数值最小时所对应的骑手为最佳骑手配送。
通过上述步骤的计算由聚类类别与可用骑手组成的成本矩阵，将最小成本对应的类别订单交付最佳骑手配送，然后更新成本矩阵，直到遍历完所有的类别。达到计算配送的同时更新、优化模型。
本发明提供的一种派单装置的第一种实施方式，如图3所示，包括：
获取模块，用于获取当前各个未分配订单的剩余考核时间以及可用骑手；
聚类模块，用于将所述未分配订单作为节点，对各个节点按照其自身类别进行聚类，过滤掉只有一个节点且剩余考核时间大于预设值的订单，得到订单的最终聚类；
计算模块，用于基于所述最终聚类与可用骑手得到成本矩阵，将最小成本对应的类别订单交付至成本矩阵选取的最佳骑手配送后，更新成本矩阵，直到遍历完所有的类别。
在一个实施例中，所述获取模块包括：
计算单元，用于获取订单的预计到达时间ETA以及当前时刻T，基于以下公式计算所述剩余考核时间auditTime，
auditTime＝ETA–T。
在一个实施例中，所述获取模块包括：
筛选单元，用于获取当前时刻每个骑手的背单量，将背单量小于预设量的骑手作为可用骑手。
本本发明提供的技术方案，引入、综合考量订单、骑手状态、商家等多维度特征，并用了基于地理信息的层次聚类算法。此方法可以充分利用聚类信息，识别不同场景的差异，从而提升派单的准确性和调度系统的KPI指标。本具有以下的优点，包括：
1)通过基于地理信息的层次聚类算法，将当前订单聚集为不同的类，按聚类结果处理订单，可以降低运算时间，提高派单效率；
2)引入多维度的特征以有效识别复杂场景；
3)每次调用模型前动态筛选出符合约束条件的任务点，以保证后续结果完全符合约束；
4)该提案充分利用了订单的地理信息分布和剩余考核时间等全局特征，更加符合实际场景，减少badcase的比例，更加逼近最优解。
其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述终端或者服务器的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种派单方法，其特征在于，包括：
获取当前各个未分配订单的剩余考核时间以及可用骑手；
将所述未分配订单作为节点，对各个节点按照其自身类别进行聚类，过滤掉只有一个节点且剩余考核时间大于预设值的订单，得到订单的最终聚类；
基于所述最终聚类与可用骑手得到成本矩阵，将最小成本对应的类别订单交付至成本矩阵选取的最佳骑手配送后，更新成本矩阵，直到遍历完所有的类别。
2.根据权利要求1所述的派单方法，其特征在于，
所述获取当前各个未分配订单的剩余考核时间包括：
获取订单的预计到达时间ETA以及当前时刻T，基于以下公式计算所述剩余考核时间auditTime，
auditTime＝ETA-T。
3.根据权利要求1所述的派单方法，其特征在于，
获取当前各个未分配订单的剩余考核时间以及可用骑手包括：
获取当前时刻每个骑手的背单量，将背单量小于预设量的骑手作为可用骑手。
4.根据权利要求1所述的派单方法，其特征在于，
所述将所述未分配订单作为节点，对各个节点按照其自身类别进行聚类，过滤掉只有一个节点且剩余考核时间大于预设值的订单，得到订单的最终聚类包括：
将当前未分配的订单作为节点，设节点的约束条件为范围与剩余考核时间的加权之和，公式如下，
D＝λ1dist+λ2auditTime
其中，dist为聚类范围，λ1、λ2分别为权重参数；
通过以下步骤对各个节点按照其自身类别进行聚类，包括：
选取任意一个节点i，如果节点i没有任何类别，则对节点i产生一个新类，并变成该类的中心点；
若节点j未被分组，且dij＜D，则将j分到类i；
若节点j被分到类k，且j不是聚类中心，如果dij＜dkj，则将j重新分到类i；
过滤掉类中只有一个节点且auditTime＞60min的订单。
5.根据权利要求4所述的派单方法，其特征在于，
所述基于所述最终聚类与可用骑手得到成本矩阵，将最小成本对应的类别订单交付至成本矩阵选取的最佳骑手配送包括：
j个类别的集合为{C1，C2，...，Cj}，当前可用骑手的集合为{R1，R2，...，Ri}，通过以下函数计算，
Figure FDA0002895122960000021
其中，ETR为路径规划模块给出的预估送达时间；Δdist为距离增量，即为聚类类别中距商家最远的订单距离；目标函数为距离增量与总超时风险之和；
选取目标函数值最小时所对应的骑手为最佳骑手配送。
6.一种派单装置，其特征在于，包括：
获取模块，用于获取当前各个未分配订单的剩余考核时间以及可用骑手；
聚类模块，用于将所述未分配订单作为节点，对各个节点按照其自身类别进行聚类，过滤掉只有一个节点且剩余考核时间大于预设值的订单，得到订单的最终聚类；
计算模块，用于基于所述最终聚类与可用骑手得到成本矩阵，将最小成本对应的类别订单交付至成本矩阵选取的最佳骑手配送后，更新成本矩阵，直到遍历完所有的类别。
7.根据权利要求6所述的派单装置，其特征在于，
所述获取模块包括：
计算单元，用于获取订单的预计到达时间ETA以及当前时刻T，基于以下公式计算所述剩余考核时间auditTime，
auditTime＝ETA-T。
8.根据权利要求6所述的派单装置，其特征在于，
所述获取模块包括：
筛选单元，用于获取当前时刻每个骑手的背单量，将背单量小于预设量的骑手作为可用骑手。
9.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现权利要求1至5任一所述的方法。
10.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-5任意一项所述方法。
CN202110040388.8A 2021-01-13 2021-01-13 派单方法、装置及存储介质 Pending CN112749899A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110040388.8A CN112749899A (zh) 2021-01-13 2021-01-13 派单方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110040388.8A CN112749899A (zh) 2021-01-13 2021-01-13 派单方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN112749899A true CN112749899A (zh) 2021-05-04

Family

ID=75651052

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110040388.8A Pending CN112749899A (zh) 2021-01-13 2021-01-13 派单方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN112749899A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116362844A (zh) * 2023-04-03 2023-06-30 大连理工大学 一种“先并单-再派单”的外卖订单配送方案生成方法
CN116843167A (zh) * 2023-09-04 2023-10-03 匠达(苏州)科技有限公司 一种智能门锁售后任务智能调度分配方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104599088A (zh) * 2015-02-13 2015-05-06 北京嘀嘀无限科技发展有限公司 基于订单的调度方法和调度系统
CN109002960A (zh) * 2018-06-12 2018-12-14 广东工业大学 一种基于评分机制和路径规划的在线订单分发及配送方法
CN110288232A (zh) * 2019-06-25 2019-09-27 北京三快在线科技有限公司 订单调度方法及装置
CN110400012A (zh) * 2019-07-17 2019-11-01 北京三快在线科技有限公司 一种确定配送路径的方法及装置
KR20200130194A (ko) * 2020-10-05 2020-11-18 주식회사 신나는세상 운송 빅데이터에 기반한 복화 퀵서비스 운용 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104599088A (zh) * 2015-02-13 2015-05-06 北京嘀嘀无限科技发展有限公司 基于订单的调度方法和调度系统
CN109002960A (zh) * 2018-06-12 2018-12-14 广东工业大学 一种基于评分机制和路径规划的在线订单分发及配送方法
CN110288232A (zh) * 2019-06-25 2019-09-27 北京三快在线科技有限公司 订单调度方法及装置
CN110400012A (zh) * 2019-07-17 2019-11-01 北京三快在线科技有限公司 一种确定配送路径的方法及装置
KR20200130194A (ko) * 2020-10-05 2020-11-18 주식회사 신나는세상 운송 빅데이터에 기반한 복화 퀵서비스 운용 시스템

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116362844A (zh) * 2023-04-03 2023-06-30 大连理工大学 一种“先并单-再派单”的外卖订单配送方案生成方法
CN116362844B (zh) * 2023-04-03 2023-11-03 大连理工大学 一种“先并单-再派单”的外卖订单配送方案生成方法
CN116843167A (zh) * 2023-09-04 2023-10-03 匠达(苏州)科技有限公司 一种智能门锁售后任务智能调度分配方法
CN116843167B (zh) * 2023-09-04 2023-12-05 匠达(苏州)科技有限公司 一种智能门锁售后任务智能调度分配方法

Similar Documents

Publication Publication Date Title
CN109191226B (zh) 风险控制方法和装置
US10348550B2 (en) Method and system for processing network media information
CN106372674B (zh) 在线叫车服务平台中的司机分类方法和装置
CN112749899A (zh) 派单方法、装置及存储介质
CN109902213B (zh) 实时公交服务线路推荐方法、装置与电子设备
CN110390584A (zh) 一种异常用户的识别方法、识别装置及可读存储介质
CN110880127B (zh) 消费水平的预测方法、装置、电子设备及存储介质
CN107633257B (zh) 数据质量评估方法及装置、计算机可读存储介质、终端
CN107622326A (zh) 用户分类、可用资源预测方法、装置及设备
CN111090822A (zh) 业务对象的推送方法及装置
CN111522968A (zh) 知识图谱融合方法及装置
CN109154938A (zh) 使用离散非踪迹定位数据将数字图中的实体分类
CN107886241A (zh) 资源分析方法、装置、介质和电子设备
CN111291936B (zh) 产品生命周期预估模型生成方法、装置及电子设备
CN103617146B (zh) 一种基于硬件资源消耗的机器学习方法及装置
CN109978575B (zh) 一种挖掘用户流量经营场景的方法及装置
CN107330709B (zh) 确定目标对象的方法及装置
CN108647714A (zh) 负面标签权重的获取方法、终端设备及介质
CN109993588A (zh) 一种用户年龄预测的方法及装置
CN110533502A (zh) 目标行为的识别方法及装置和电子设备
CN111784246A (zh) 物流路径的估测方法
CN107391728B (zh) 数据挖掘方法以及数据挖掘装置
CN107291722B (zh) 一种描述词的分类方法及设备
CN112258126B (zh) 位置数据的校验方法、装置及计算设备
CN112073454B (zh) 资源分发方法、装置、电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination