CN112819394A - 运单处理方法、装置、计算机可读存储介质及电子设备 - Google Patents

运单处理方法、装置、计算机可读存储介质及电子设备 Download PDF

Info

Publication number
CN112819394A
CN112819394A CN201911121448.8A CN201911121448A CN112819394A CN 112819394 A CN112819394 A CN 112819394A CN 201911121448 A CN201911121448 A CN 201911121448A CN 112819394 A CN112819394 A CN 112819394A
Authority
CN
China
Prior art keywords
waybill
information
target
candidate
assigned
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.)
Granted
Application number
CN201911121448.8A
Other languages
English (en)
Other versions
CN112819394B (zh
Inventor
田雨晴
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.)
Beijing Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN201911121448.8A priority Critical patent/CN112819394B/zh
Publication of CN112819394A publication Critical patent/CN112819394A/zh
Application granted granted Critical
Publication of CN112819394B publication Critical patent/CN112819394B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (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)

Abstract

本公开涉及一种运单处理方法、装置、计算机可读存储介质及电子设备。方法包括：获取待指派运单的第一信息和待指派运单对应的候选配送员的第二信息；根据第一信息，获取待指派运单运力占用度的第一预测值；针对每个候选配送员，根据第一信息和该候选配送员的第二信息，预估该候选配送员配送所述待指派运单的第一代价值；根据第一预测值和多个第一代价值，确定目标配送员；将待指派运单指派给目标配送员。在确定目标配送员时，通过运单在未来运力占用度的第一预测值对现有的调度决策(即，第一代价值)进行优化，充分利用运力，使得运力分布与运单结构更加匹配，降低了超时风险，避免了零单运力的浪费，从而提升了运单调度系统的整体配送效率。

Description

运单处理方法、装置、计算机可读存储介质及电子设备
技术领域
本公开涉及配送技术领域，具体地，涉及一种运单处理方法、装置、计算机可读存储介质及电子设备。
背景技术
现有的运单调度系统中，当产生待指派运单时，首先预估该待指派运单对应的候选配送员派送该待指派运单的路程成本和时间成本，并将上述待指派运单指派给路程成本和时间成本之和最小的候选配送员。由于上述调度流程只考虑每个时刻的静态决策，而当前的决策影响了未来一段时间内的运力(其中，运力是从事运输的机械设备和人员调配，比如在订单派送过程中，可以将配送员称为运力)分布，若运力分布与运单结构不匹配，则会导致配送效率受损。例如，如果上述待指派运单的派送路径上在未来产生较多的运单，将待指派运单派给有单派送员时，将会增加运单的超时风险，也可能会导致零单运力(即零单配送员)的浪费。
发明内容
为了克服相关技术中存在的问题，本公开提供一种运单处理方法、装置、计算机可读存储介质及电子设备。
为了实现上述目的，根据本公开实施例的第一方面，提供一种运单处理方法，包括：
获取待指派运单的第一信息和所述待指派运单对应的候选配送员的第二信息；
根据所述第一信息，获取所述待指派运单运力占用度的第一预测值，其中，所述第一预测值用于表征在配送所述待指派运单的过程消耗的总运力中，所述待指派订单消耗的运力所占的比例；
针对每个所述候选配送员，根据所述第一信息和该候选配送员的第二信息，预估该候选配送员配送所述待指派运单的第一代价值；
根据所述第一预测值和多个所述第一代价值，确定目标配送员；
将所述待指派运单指派给所述目标配送员。
根据本公开实施例的第二方面，提供一种运单处理装置，包括：
获取模块，用于获取待指派运单的第一信息和所述待指派运单对应的候选配送员的第二信息；
运力占用度预测模块，用于根据所述获取模块获取到的所述第一信息，获取所述待指派运单运力占用度的第一预测值，其中，所述第一预测值用于表征在配送所述待指派运单的过程消耗的总运力中，所述待指派订单消耗的运力所占的比例；
预估模块，用于针对每个所述候选配送员，根据所述第一信息和该候选配送员的第二信息，预估该候选配送员配送所述待指派运单的第一代价值；
确定模块，用于根据所述运力占用度预测模块得到的所述第一预测值和所示预估模块得到的多个所述第一代价值，确定目标配送员；
指派模块，用于将所述待指派运单指派给所述确定模块确定出的所述目标配送员。
根据本公开实施例的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面提供的所述方法的步骤。
根据本公开实施例的第四方面，提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面提供的所述方法的步骤。
在上述技术方案中，首先获取待指派运单的第一信息和该待指派运单对应的候选配送员的第二信息；然后，根据第一信息，获取上述待指派运单运力占用度的第一预测值；同时，可以针对每个候选配送员，根据第一信息和该候选配送员的第二信息，预估该候选配送员配送待指派运单的第一代价值；最后，根据上述第一预测值和上述多个第一代价值，确定目标配送员，并将待指派运单指派给该目标配送员。在确定目标配送员时，通过运单在未来运力占用度的第一预测值对现有的调度决策(即，第一代价值)进行优化，充分利用运力，使得运力分布与运单结构更加匹配，降低了超时风险，避免了零单运力的浪费，从而提升了运单调度系统的整体配送效率。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据一示例性实施例示出的一种运单处理方法的流程图。
图2是根据一示例性实施例示出的一种获取运力占用度的第一预测值的方法的流程图。
图3是根据一示例性实施例示出的一种预设的极端梯度提升模型的构建方法的流程图。
图4是根据一示例性实施例示出的一种确定运力占用度的实际值的方法的流程图。
图5A是根据一示例性实施例示出的一种确定任务段和各任务段内的任务运单量的示意图。
图5B是根据另一示例性实施例示出的一种确定任务段和各任务段内的任务运单量的示意图。
图5C是根据另一示例性实施例示出的一种确定任务段和各任务段内的任务运单量的示意图。
图6是根据另一示例性实施例示出的一种确定运力占用度的实际值的方法的流程图。
图7是根据一示例性实施例示出的一种确定根据第一预测值和第一代价值确定目标配送员的方法的流程图。
图8是根据另一示例性实施例示出的一种运单处理方法的流程图。
图9是根据一示例性实施例示出的一种运单处理装置的框图。
图10是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
图1是根据一示例性实施例示出的一种运单处理方法的流程图。如图1所示，该方法可以包括以下步骤101～步骤105。
在步骤101中，获取待指派运单的第一信息和该待指派运单对应的候选配送员的第二信息。
在本公开中，上述第一信息可以包括目标商家位置、目标配送位置、商家联系方式、配送物品信息等，第二信息可以包括待指派运单对应的候选配送员的当前位置和该候选配送员拥有的第一待配送运单信息，其中，该第一待配送运单信息可以包括第一商家位置和第一配送位置，并且，上述第一待配送运单信息可以包括已取件、但未配送的运单信息和未取件的运单信息。
另外，可以将当前位置与上述目标商家位置之间的距离小于第一预设距离阈值(例如，3km)的配送员确定为与上述待指派运单对应的候选配送员，也可以将与上述目标商家位置属于同一个第一预设区域(预先划分好的区域)的配送员确定为与上述待指派运单对应的候选配送员，对此，在本公开中不作具体限定。并且，上述候选配送员可以包括有单配送员和零单配送员。
在步骤102中，根据第一信息，获取待指派运单运力占用度的第一预测值。
在本公开中，上述第一预测值可以用于表征在配送上述待指派运单的过程消耗的总运力中，所述待指派订单消耗的运力所占的比例。具体来说，可以通过图2中所示的步骤1021和步骤1022来获取上述待指派运单运力占用度的第一预测值。
在步骤1021中，根据第一信息，生成目标特征。
在本公开中，上述目标特征包括以下中的至少一者：(1)用于表征目标商家位置所属区域内的运单历史表现的第三信息和用于表征目标配送位置所属区域内的运单历史表现的第四信息；(2)用于表征目标商家位置所属区域内的运单在不同时段的历史表现的第五信息和用于表征目标配送位置所属区域内的运单在不同时段的历史表现的第六信息；(3)用于表征目标商家位置所属区域内的运单在当前时刻的表现的第七信息和用于表征目标配送位置所属区域内的运单在当前时刻的表现的第八信息；(4)用于表征目标商家位置所属区域配送方向的目标夹角。
其中，上述目标商家位置所属区域可以是该目标商家位置方圆第二预设距离阈值的区域，也可以是该目标商家位置所属的第二预设区域(预先划分好的)，还可以是根据geohash编码(geohash编码本质上是空间索引的一种方式，其基本原理是将地球理解为一个二维平面，将平面递归分解成更小的子块，每个子块在一定经纬度范围内拥有相同的编码)确定出的。相应地，上述目标配送位置所属区域可以是该目标配送位置方圆第三预设距离阈值的区域，也可以是该目标配送位置所属的第三预设区域(预先划分好的)，还可以是根据geohash编码确定出的。
上述第一预设距离阈值、第二预设距离阈值、第三预设距离阈值均可以是用户设定的值，也可以是默认的经验值，并且，二者可以相等，也可以不等，在本公开中均不作具体限定。
下面以上述目标商家位置所属区域、目标配送位置所属区均由geohash编码确定出的这一实施方式为例，具体说明上述目标商家位置所属区域、目标位置所属区域的具体确定方式。
首先，确定目标商家位置的第一geohash编码和目标配送位置的第二geohash编码；将第一geohash编码对应的第一区域作为目标商家位置所属区域，并将第二geohash编码对应的第二区域作为目标配送位置所属区域。由于上述确定第一geohash编码和第二geohash编码的具体方式，属于本领域技术人员公知的，在本公开中不再详细描述。
接下来，以上述目标商家位置所属区域由geohash编码确定出的这一实施方式为例，来具体说明上述目标特征的具体确定方式。
(1)上述第三信息和第四信息，可以通过以下方式来确定：
首先，确定目标商家位置的第一geohash编码和目标配送位置的第二geohash编码；然后，获取第一预设历史时段内、商家位置位于第一geohash编码对应的第一区域内的第一历史运单的第三信息，其中，该第三信息可以包括第一历史运单的数量、第一平均配送时长以及第一平均运力占用度；同时，获取上述第一预设历史时段内、配送位置位于第二geohash编码对应的第二区域内的第二历史运单的第四信息，其中，该第四信息可以包括第二历史运单的数量、第二平均配送时长以及第二平均运力占用度。
(2)上述第五信息和第六信息，可以通过以下方式来确定：
首先，确定目标商家位置的第一geohash编码和目标配送位置的第二geohash编码；然后，分别获取多个第二预设历史时段中每个第二预设历史时段内、商家位置位于第一geohash编码对应的第一区域内的第三历史运单的第五信息，其中，第五信息可以包括第三历史运单的数量、第三平均配送时长以及第三平均运力占用度；同时，分别获取每个第二预设历史时段内、配送位置位于第二geohash编码对应的第二区域内的第四历史运单的第六信息，其中，第六信息可以包括第四历史运单的数量、第四平均配送时长以及第四平均运力占用度。并且，上述多个第二预设历史时段属于上述第三信息对应的历史时段，即，上述多个第二预设历史时段属于上述第一预设历史时段。例如，上述第一预设历史时段为最近一周，上述多个第二预设历史时段分别为最近一周的第一天、最近一周的第二天、…...、最近一周的第七天。
(3)上述第七信息和第八信息，可以通过以下方式来确定：
首先，确定目标商家位置的第一geohash编码和目标配送位置的第二geohash编码；然后，获取当前时刻、商家位置位于第一geohash编码对应的第一区域内的第一未完成运单(包括未指派运单、已取件但未送达的运单和未取件订单)的第七信息；同时，获取当前时刻、配送位置位于第二geohash编码对应的第二区域内的第二未完成运单的第八信息。
其中，上述第七信息可以包括第一未完成运单的数量、第一未取件运单量、第一未送达运单量、第一距离、第二距离、第一时间差以及当前位于上述第一区域内的第一配送员数。上述第一距离可以为上述第一未完成运单中每两个商家位置之间的距离的最小值，第二距离可以为上述第一未完成运单中每两个配送位置之间的距离的最小值，第一时间差为每两个第一未完成运单的预计送达时间差(由运单调度系统来确定)的最小值。
上述第八信息可以包括第二未完成运单的数量、第二未取件运单量、第二未送达运单量、第三距离、第四距离、第二时间差以及当前位于上述第二区域内的第二配送员数。上述第三距离为上述第二未完成运单中每两个商家位置之间的距离的最小值，第四距离为上述第二未完成运单中每两个配送位置之间的距离的最小值，第二时间差为每两个第二未完成运单的预计送达时间差的最小值。
(4)上述目标夹角可以通过以下方式来确定：
分别确定待指派运单的目标配送方向与预设的多个第一参考配送方向之间的夹角，并将多个夹角中的最小值确定为目标夹角，其中，上述目标配送方向为目标商家位置到目标配送位置的方向向量。
其中，上述多个第一参考配送方向可以通过以下方式来确定：首先，获取第三预设历史时段内、商家位置位于目标商家位置所属区域内的参考运单信息，该参考运单信息包括参考商家位置和参考配送位置；然后，对多个第二参考配送方向进行聚类，得到多个(例如，3个)第一参考配送方向，其中，上述第二参考配送方向为参考商家位置到参考配送位置的方向向量。具体来说，可以通过以下方式对多个第二参考配送方向进行聚类，得到多个第一参考配送方向：首先，上述多个第二参考配送方向各为一类；然后，分别计算上述多个类的第二参考配送方向中每两个第二参考配送方向之间的夹角；接下来，将多个夹角中的最小值对应的两个第二参考配送方向合并为一类，并将该类中各第二参考配送方向对应的方向角的平均值作为该类的第二参考配送方向；返回上述分别计算上述多个类的第二参考配送方向中每两个第二参考配送方向之间的夹角的步骤，直到当前类的数量等于上述第一参考配送方向的数量时为止。
返回图2，在步骤1022中，将目标特征输入至预设模型中，得到运力占用度的第一预测值。
在本公开中，上述预设模型可以为的预设的TensorFlow模型、预设的极端梯度提升(extreme gradient boosting，xgboost)模型等。下面以上述预设模型为xgboost模型为例，具体说明根据该xgboost模型获取上述第一预测值的具体方式。
在通过上述步骤1021根据第一信息获取到目标特征后，可以将该目标特征输入到预设的xgboost模型中，以得到运力占用度的第一预测值。其中，上述xgboost模型可以通过图3中所示的步骤301～步骤304来构建。
在步骤301中，获取第四预设历史时刻内的第五历史运单的第九信息。
在步骤302中，根据第九信息，生成训练特征。
在本公开中，上述第九信息可以包括第二商家位置和第二配送位置。在通过上述步骤301获取到第九信息后，可以针对每个第五历史运单，分别根据该第五历史运单的第九信息，生成训练特征。其中，根据第九信息生成训练特征的具体实施方式与上述根据第一信息生成目标特征的具体方式类似，这里不再赘述。
另外，需要说明的是，上述第一预设历史时段、第二预设历史时段、第三预设历史时段、第四预设历史时段、第一参考配送方向的数量均可以是用户设定的，也可以是默认的，在本公开中均不作具体限定。
在步骤303中，将训练特征作为训练样本输入至初始极端梯度提升模型中，得到运力占用度的第二预测值。
在步骤304中，根据第二预测值和第五历史运单的运力占用度的实际值，对初始极端梯度提升模型进行训练，得到预设的极端梯度提升模型。
在本公开中，在通过上述步骤302获取到训练特征后，可以将其作为训练样本输入到初始xgboost模型中，以得到上述训练特征对应的运力占用度的第二预测值；之后，根据该第二预测值和第五历史运单的运力占用度的实际值，调整上述初始xgboost模型的各参数，从而得到上述预设的xgboost模型。
其中，上述第五历史运单的运力占用度的实际值可以通过图4中所示的步骤3041～步骤3045来实现。
在步骤3041中，获取第五历史运单实际指派的配送员在该第五历史运单产生时拥有的第二待配送运单信息。
在本公开中，上述第二待配送运单信息可以包括第三商家位置和第三配送位置，并且，上述该第二待配送运单信息可以包括已取件、但未配送的运单信息和未取件的运单信息。
在步骤3042中，根据第九信息和第二待配送运单信息，生成导航路径。
在本公开中，在通过上述步骤3041获取到第二待配送运单信息后，可根据该第二待配送运单信息后，可以根据该第二待配送运单信息和通过上述步骤301获取到第九信息来生成导航路径。即，根据各第三商家位置、各第三配送位置以及第二商家位置、第二配送位置进行路径规划，即生成导航路径。由于上述生成导航路径的具体实施方式属于本领域技术人员公知的，在本公开中不再详细描述。
在步骤3043中，根据第二商家位置、第二配送位置和导航路径上目标路段之间的第三商家位置或第三配送位置之间的位置关系，将目标路段分成至少一个任务段。
在本公开中，上述目标路段可以为第二商家位置至第二配送位置的路段。首先，可以先确定导航路径上、位于上述目标路段上的第三商家位置和第三配送位置，作为中间点；然后，根据中间点与第二商家位置、第二配送位置之间的位置关系，对上述目标路段进行分段。
示例地，上述第九信息包括第二商家位置A1和相应的第二配送位置A2，通过上述步骤3041获取的第二待配送运单信息包括第三商家位置B11和相应的第三配送位置B12、第三商家位置B21和相应的第三配送位置B22。通过上述步骤3042生成的导航路线如图5A中所示。如图5A中所示，目标路段为A1A2，其中，第三商家位置B21、第三配送位置B12位于目标路段A1A2之间，即中间点为第三商家位置B21、第三配送位置B12。由图5A可知，中间点(第三商家位置B21、第三配送位置B12)将目标路段A1A2分成A1B21、B21B12、B12A2这三个任务段。
又示例地，上述第九信息包括第二商家位置A1和相应的第二配送位置A2，通过上述步骤3041获取的第二待配送运单信息包括第三商家位置B11和相应的第三配送位置B12、第三商家位置B21和相应的第三配送位置B22。通过上述步骤3042生成的导航路线如图5B中所示。如图5B中所示，目标路段为A1A2，其中，第三商家位置B21位于目标路段A1A2之间，即中间点为第三商家位置B21。由图5B可知，中间点(第三商家位置B21)将目标路段A1A2分成A1B21、B21A2这两个任务段。
又示例地，上述第九信息包括第二商家位置A1和相应的第二配送位置A2，通过上述步骤3041获取的第二待配送运单信息包括第三商家位置B11和相应的第三配送位置B12、第三商家位置B21和相应的第三配送位置B22。通过上述步骤3042生成的导航路线如图5C中所示。如图5C中所示，目标路段为A1A2，其中，目标路段A1A2之间无第三商家位置或第三配送位置，即不存在中间点。由图5C可知，目标路段A1A2包括A1A2这一个任务段。
在步骤3044中，确定每个任务段内的任务运单量。
在本公开中，在通过上述步骤3043将目标路段分成至少一个任务段后，可以将导航路径上的各第三商家位置、各第三配送位置、第二商家位置以及第二配送位置按照相应的取件完成时间或配送完成时间进行排序；然后，根据该排序，确定每个任务段内的任务运单量。具体来说，可以针对每个任务段，将排序中位于任务段的终点之前的第二商家位置或第三商家位置的总数、与排序中位于上述终点之前的第三配送位置的总数之间的差值确定为该任务段的任务运单量。
示例地，如图5A中所示，目标路段A1A2包括A1B21、B21B12、B12A2这三个任务段，其中，各第三商家位置、各第三配送位置、第二商家位置以及第二配送位置按照相应的取件完成时间或配送完成时间进行排序后为B11、A1、B21、B12、A2、B22。针对任务段A1B21，在上述排序B11、A1、B21、B12、A2、B22中，位于该任务段的终点B21之前的第二商家位置或第三商家位置的总数为2(即，第三商家位置B11和第二商家位置A1)、位于该任务段的终点B21之前的第三配送位置的总数为0，因此，任务段A1B21的任务运单量为2；针对任务段B21B12，在上述排序B11、A1、B21、B12、A2、B22中，位于该任务段的终点B12之前的第二商家位置或第三商家位置的总数为3(即，第三商家位置B11、第三商家位置B21和第二商家位置A1)、位于该任务段的终点B12之前的第三配送位置的总数为0，因此，任务段A1B21的任务运单量为3；针对任务段B12A2，在上述排序B11、A1、B21、B12、A2、B22中，位于该任务段的终点A2之前的第二商家位置或第三商家位置的总数为3(即，第三商家位置B11、第三商家位置B21和第二商家位置A1)、位于该任务段的终点A2之前的第三配送位置的总数为1(即，第三配送位置B12)，因此，任务段A1B21的任务运单量为2。
又示例地，如图5B中所示，目标路段A1A2包括A1B21、B21A2这两个任务段，其中，各第三商家位置、各第三配送位置、第二商家位置以及第二配送位置按照相应的取件完成时间或配送完成时间进行排序后为A1、B21、A2、B11、B12、B22。针对任务段A1B21，在上述排序A1、B21、A2、B11、B12、B22中，位于该任务段的终点B21之前的第二商家位置或第三商家位置的总数为1(即，第二商家位置A1)、位于该任务段的终点B21之前的第三配送位置的总数为0，因此，任务段A1B21的任务运单量为1；针对任务段B21A2，在上述排序A1、B21、A2、B11、B12、B22中，位于该任务段的终点A2之前的第二商家位置或第三商家位置的总数为2(即，第三商家位置B21和第二商家位置A1)、位于该任务段的终点A2之前的第三配送位置的总数为0，因此，任务段A1B21的任务运单量为2。
又示例地，如图5C所示，目标路段A1A2包括A1A2这一个任务段。其中，各第三商家位置、各第三配送位置、第二商家位置以及第二配送位置按照相应的取件完成时间或配送完成时间进行排序后为A1、A2、B11、B21、B12、B22。针对任务段A1A2，在上述排序A1、A2、B11、B21、B12、B22中，位于该任务段的终点A2之前的第二商家位置或第三商家位置的总数为1(即，第二商家位置A1)、位于该任务段的终点A2之前的第三配送位置的总数为0，因此，任务段A1B21的任务运单量为1。
在步骤3045中，根据任务运单量和每个任务段的距离，确定第五历史运单的运力占用度的实际值。
示例地，在通过上述步骤3044获取到各任务段的任务运单量后，可以先获取各任务段的距离；之后，针对每个任务段，分别根据任务段的任务运单量和该任务段的距离，来确定第五历史运单的运力占用度的实际值。示例地，可以通过以下等式来确定第五历史运单的运力占用度的实际值：
Figure BDA0002275572510000131
其中，ρ为第五历史运单的运力占用度的实际值；si为第i个任务段内的任务运单量；di为第i个任务段的距离，n为导航路径上、目标路段包含的任务段的数量。
示例地，如图5A中所示，任务段A1B21、B21B12、B12A2的距离分别为6km、4km、3km，任务段A1B21、B21B12、B12A2的任务运单量分别为2、3、2，且n＝3，则第五历史运单的运力占用度的实际值
Figure BDA0002275572510000141
即，从第二商家位置A1至第二配送位置A2，消耗在上述第五历史运单的配送距离比例为
Figure BDA0002275572510000142
又示例地，如图5B中所示，任务段A1B21、B21A2的距离分别为3km、8km，任务段A1B21、B21A2的任务运单量分别为1、2，且n＝2，则第五历史运单的运力占用度的实际值
Figure BDA0002275572510000143
即，从第二商家位置A1至第二配送位置A2，消耗在上述第五历史运单的配送距离比例为
Figure BDA0002275572510000144
又示例地，如图5C中所示，任务段A1A2的距离分别为3km，任务段A1A2的任务运单量分别为1，且n＝1，则第五历史运单的运力占用度的实际值
Figure BDA0002275572510000145
即，从第二商家位置A1至第二配送位置A2，消耗在上述第五历史运单的配送距离比例为1。
另外，在通过上述步骤3041获取到第二待配送运单信息后，为了提升第五历史运单的运力占用度的实际值的计算精度，需要保证上述第二待配送运单信息的有效性。为此，在根据第九信息和第二待配送运单信息，生成导航路径之前(即，在上述步骤3042之前)，可以先从上述第二待配送运单信息中滤除掉异常运单信息，之后，根据滤除异常运单信息后的第二待配送运单信息，生成导航路径。具体来说，如图6所示，上述方法还可以包括以下步骤3046。
在步骤3046中，从第二待配送运单信息中剔除异常运单信息。
其中，上述异常运单信息可以为第三商家位置与实际取件位置不一致、或者第三配送位置与实际配送位置不一致的运单信息。
返回图1，在步骤103中，针对每个候选配送员，根据第一信息和该候选配送员的第二信息，预估该候选配送员配送待指派运单的第一代价值。
在本公开中，上述第一代价值可以包括路程代价值和/或时间代价值。
在一种实施方式中，上述第一代价值可以包括时间代价值。首先，可以根据第一信息和该候选配送员的第二信息，规划导航路径值；根据上述导航路径，预估该候选配送员配送完成其拥有的所有第一待配送运单的第一时间；之后，获取运单调度系统根据上述导航路径、预估的候选配送员配送完成第一待配送运单中的最后一单的第二时间；接下来，将上述第一时间与第二时间的差值的绝对值作为时间代价值，即，上述该候选配送员配送待指派运单的第一代价值为上述第一时间与第二时间的差值的绝对值。
在另一种实施方式中，上述第一代价值可以包括路程代价值。这样，可以根据第一信息和该候选配送员的第二信息，规划导航路径，并将该导航路径的长度确定为路程代价值。即，上述该候选配送员配送待指派运单的第一代价值为上述导航路径的长度。
在另一种实施方式中，上述第一代价值可以包括路程代价值和时间代价值。首先，可以根据第一信息和该候选配送员的第二信息，规划导航路径，并将该导航路径的长度确定为路程代价值；根据上述导航路径，预估该候选配送员配送完成其拥有的所有第一待配送运单的第一时间；之后，获取运单调度系统根据上述导航路径、预估的候选配送员配送完成第一待配送运单中的最后一单的第二时间；接下来，将上述第一时间与第二时间的差值的绝对值作为时间代价值；最后，将路程代价值和时间代价值的和作为该候选配送员配送待指派运单的第一代价值。
在步骤104中，根据第一预测值和多个第一代价值，确定目标配送员。
在步骤105中，将待指派运单指派给目标配送员。
在本公开中，在通过上述步骤103获取到第一代价值后，可以根据该第一代价值和上述步骤102得到的第一预测值，共同确定目标配送员。具体来说可以通过图7中所示的步骤1041和步骤1042来实现。
在步骤1041中，针对每个候选配送员，根据第一预测值对该候选配送员对应的第一代价值进行修正，得到该候选配送员配送该待指派运单的第二代价值。
在步骤1042中，将多个第二代价值中的最小值对应的候选配送员确定为目标配送员。
在本公开中，上述第一代价值包括路程代价值。在通过上述步骤102得到待指派运单运力占用度的第一预测值后以及上述步骤103获取到第一代价值后，可以针对每个候选配送员，根据上述第一预测值对该候选配送员对应的第一代价值进行修正，以得到该候选配送员配送该待指派运单的第二代价值。
具体来说，可以通过以下方式来得到上述第二代价值：
首先，针对每个候选配送员，根据上述第一预测值对该候选配送员对应的路程代价值进行修正。
示例地，可以将上述第一预测值与上述路程代价值相乘，以完成路程代价值的修正操作，即得到修正后的路程代价值。
然后，可以根据修正后的路程代价值，确定该候选配送员配送待指派运单的第二代价值。
其中，在获取到修正后的路程代价值后，可以通过多种方式来确定上述第二代价值。在一种实施方式中，可以直接将上述修正后的路程代价值确定为第二代价值。
在另一种实施方式中，可以将第一预测值与路程代价值的乘积、与时间代价值的和确定为第二代价值。
这样，可以得到每个候选配送员对应的第二代价值，之后，可以将多个第二代价值中的最小值对应的候选配送员确定为目标配送员；最后，可以将待指派运单指派给该目标配送员进行配送。由于在确定目标配送员时综合考虑了时间成本和路程成本(即，将第一预测值与路程代价值的乘积、与时间代价值的和确定为第二代价值)，平衡了距离和时间之间的关系，在指派待指派运单时能够充分利用运力，从而提升整个运单调度系统的配送效率。
在上述技术方案中，首先获取待指派运单的第一信息和该待指派运单对应的候选配送员的第二信息；然后，根据第一信息，获取上述待指派运单运力占用度的第一预测值；同时，可以针对每个候选配送员，根据第一信息和该候选配送员的第二信息，预估该候选配送员配送待指派运单的第一代价值；最后，根据上述第一预测值和上述多个第一代价值，确定目标配送员，并将待指派运单指派给该目标配送员。在确定目标配送员时，通过运单在未来运力占用度的第一预测值对现有的调度决策(即，第一代价值)进行优化，充分利用运力，使得运力分布与运单结构更加匹配，降低了超时风险，避免了零单运力的浪费，从而提升了运单调度系统的整体配送效率。
为了进一步提升配送效率，在通过上述步骤105确定出目标配送员后，并不立即将上述待指派运单指派给该目标配送员，而是进行相应时长的压单，以优化运力分布。具体来说，如图8所示，在将上述待指派运单指派给上述步骤104确定出的目标配送员之前，即在上述步骤105之前，上述方法还可以包括以下步骤106～步骤112。
在步骤106中，根据第一预测值，确定压单时长。
在本公开中，上述压单时长可以与第一预测值呈反比例关系。示例地，上述压单时长等于第一预测值的倒数与预设常数的和，其中，上述预设常数可以是用户设定的，也可以是默认的，在本公开中不作具体限定。
在步骤107中，选取新的候选配送员。
在步骤108中，判定新的候选配送员中是否存在第二代价值小于目标配送员的可替换候选配送员。
在本公开中，在通过上述步骤106获取到压单时长后，可以选取待指派运单对应的新的候选配送员，即执行上述步骤107；之后，可以针对每个新的候选配送员，确定其配送待指派运单的第二代价值。然后，判定新的判定新的候选配送员中是否存在第二代价值小于目标配送员的可替换候选配送员，即执行上述步骤108。若新的判定新的候选配送员中不存在第二代价值小于目标配送员的可替换候选配送员，则说明新的候选配送员中不存在优于上述目标配送员的可替换候选配送员，此时，可以判定压单时长是否结束，即执行以下步骤109。若压单时长未结束，则重新选取新的候选配送员，即返回上述步骤107继续执行，直到压单结束。在压单结束时，可以将待指派运单指派给目标配送员。
若新的判定新的候选配送员中存在第二代价值小于目标配送员的可替换候选配送员，则说明新的候选配送员中存在优于上述目标配送员的可替换候选配送员，可以直接将待指派运单指派该可替换候选配送员，即执行以下步骤110，此时，运单指派结束。
在步骤109中，判定压单时长是否结束。
在步骤110中，将待指派运单指派给可替换候选配送员。
由于上述压单时长时根据运力占用度的第一预测值确定的，即，压单时长随第一预测值变化而动态变化，由此，可以减少无效压单，从而提升整体配送效率。
另外，需要说明的是，上述步骤102可以在上述步骤103之前执行，也可以在上述步骤103之后执行，还可以与上述步骤103同时执行，在本公开中不作具体限定。
图9是根据一示例性实施例示出的一种运单处理装置的框图。参照图9，该装置900可以包括：获取模块901，用于获取待指派运单的第一信息和所述待指派运单对应的候选配送员的第二信息；运力占用度预测模块902，用于根据所述获取模块902获取到的所述第一信息，获取所述待指派运单运力占用度的第一预测值，其中，所述第一预测值用于表征在配送所述待指派运单的过程消耗的总运力中，所述待指派订单消耗的运力所占的比例；预估模块903，用于针对每个所述候选配送员，根据所述第一信息和该候选配送员的第二信息，预估该候选配送员配送所述待指派运单的第一代价值；确定模块904，用于根据所述运力占用度预测模块902得到的所述第一预测值和所示预估模块903得到的多个所述第一代价值，确定目标配送员；指派模块905，用于将所述待指派运单指派给所述确定模块904确定出的所述目标配送员。
可选地，所述确定模块904包括：第一确定子模块，针对每个所述候选配送员，根据所述运力占用度预测模块902获取到的所述第一预测值对该候选配送员对应的所述第一代价值进行修正，得到该候选配送员配送所述待指派运单的第二代价值；第二确定子模块，用于将所述第一确定子模块确定出的多个所述第二代价值中的最小值对应的候选配送员确定为目标配送员。
可选地，所述第一代价值包括路程代价值；相应地，所述第一确定子模块，包括：修正子模块，用于针对每个所述候选配送员，根据所述第一预测值对该候选配送员对应的所述路程代价值进行修正；第二代价值确定子模块，用于根据修正后的路程代价值，确定该候选配送员配送所述待指派运单的第二代价值。
可选地，所述获取模块901包括：生成子模块，用于根据所述获取模块获取到的所述第一信息，生成目标特征；输入子模块，用于将所述生成子模块生成的所述目标特征输入至预设的极端梯度升模型中，得到运力占用度的第一预测值。
可选地，所述目标特征包括以下中的至少一者：用于表征所述目标商家位置所属区域内的运单历史表现的第三信息和用于表征所述目标配送位置所属区域内的运单历史表现的第四信息；用于表征所述目标商家位置所属区域内的运单在不同时段的历史表现的第五信息和用于表征所述目标配送位置所属区域内的运单在不同时段的历史表现的第六信息；用于表征所述目标商家位置所属区域内的运单在当前时刻的表现的第七信息和用于表征所述目标配送位置所属区域内的运单在当前时刻的表现的第八信息；用于表征所述目标商家位置所属区域配送方向的目标夹角。
可选地，所述预设模型为预设的极端梯度提升模型，其中，所述预设的极端梯度提升模型通过模型构建装置来构建，其中，该模型构建装置可以包括：第九信息获取模块，用于获取第四预设历史时刻内的第五历史运单的第九信息，其中，所述第九信息包括第二商家位置和第二配送位置；训练特征生成模块，用于根据所述第九信息，生成训练特征；模型输入模块，用于将所述训练特征作为训练样本输入至初始极端梯度提升模型中，得到运力占用度的第二预测值；训练模块，用于根据所述第二预测值和所述第五历史运单的运力占用度的实际值，对所述初始极端梯度提升模型进行训练，得到所述预设的极端梯度提升模型。
可选地，所述模型构建装置还包括实际值确定模块，其中，所述实际值确定模块，用于确定所述第五历史运单的所述运力占用度的实际值，包括：第五获取子模块，用于获取所述第五历史运单实际指派的配送员在该第五历史运单产生时拥有的第二待配送运单信息，其中，所述第二待配送运单信息包括第三商家位置和第三配送位置；导航路径生成子模块，用于根据所述第九信息和所述第二待配送运单信息，生成导航路径；分段子模块，用于根据所述第二商家位置、所述第二配送位置和所述导航路径上目标路段之间的第三商家位置或第三配送位置之间的位置关系，将所述目标路段分成至少一个任务段，其中，所述目标路段为所述第二商家位置至所述第二配送位置的路段；第三确定子模块，用于确定每个所述任务段内的任务运单量；第四确定子模块，用于根据所述任务运单量和每个任务段的距离，确定所述第五历史运单的所述运力占用度的实际值。
可选地，所述第三确定子模块包括：排序子模块，用于将所述导航路径上的各所述第三商家位置、各所述第三配送位置、所述第二商家位置以及所述第二配送位置按照相应的取件完成时间或配送完成时间进行排序；运单量确定子模块，用于根据所述排序，确定每个所述任务段内的任务运单量。
可选地，所述运单量确定子模块用于针对每个所述任务段，将所述排序中位于所述任务段的终点之前的第二商家位置或第三商家位置的总数、与所述排序中位于所述终点之前的第三配送位置的总数之间的差值确定为所述任务段的任务运单量。
可选地，所述模型构建装置还包括：剔除模块，用于在所述导航路径生成模块根据所述第九信息和所述第二待配送运单信息，生成导航路径之前，从所述第二待配送运单信息中剔除异常运单信息，其中，所述异常运单信息为第三商家位置与实际取件位置不一致、或者所述第三配送位置与所述实际配送位置不一致的运单信息。
需要说明的是，该模型构建装置可以与上述运单处理装置900相互独立，也可以集成于该运单处理装置900内，在本公开中不作具体限定。
可选地，所述运单处理装置还包括：压单时长确定模块，用于在所述指派模块905将所述待指派运单指派给所述目标配送员之前，根据所述第一预测值，确定压单时长，其中，所述压单时长与所述第一预测值呈反比例关系；选取模块，用于在压单时长结束之前，循环选取新的候选配送员，并确定所述新的候选配送员中是否存在所述第二代价值小于所述目标配送员的可替换候选配送员；所述指派模块905，还用于在所述压单时长结束时，若所述新的候选配送员中不存在所述可替换候选配送员，则将所述待指派运单指派给所述目标配送员；所述指派模块905，还用于若所述新的候选配送员中存在所述可替换候选配送员，则将所述待指派运单指派给所述可替换候选配送员。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开提供的上述运单处理方法的步骤。
图10是根据一示例性实施例示出的一种电子设备1000的框图。例如，电子设备1000可以被提供为一服务器。参照图10，电子设备1000包括处理器1022，其数量可以为一个或多个，以及存储器1032，用于存储可由处理器1022执行的计算机程序。存储器1032中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器1022可以被配置为执行该计算机程序，以执行上述的运单处理方法。
另外，电子设备1000还可以包括电源组件1026和通信组件1050，该电源组件1026可以被配置为执行电子设备1000的电源管理，该通信组件1050可以被配置为实现电子设备1000的通信，例如，有线或无线通信。此外，该电子设备1000还可以包括输入/输出(I/O)接口1058。电子设备1000可以操作基于存储在存储器1032的操作系统，例如WindowsServerTM，Mac OS XTM，UnixTM，LinuxTM等等。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的运单处理方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器1032，上述程序指令可由电子设备1000的处理器1022执行以完成上述运单处理方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的运单处理方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (14)

1.一种运单处理方法，其特征在于，包括：
获取待指派运单的第一信息和所述待指派运单对应的候选配送员的第二信息；
根据所述第一信息，获取所述待指派运单运力占用度的第一预测值，其中，所述第一预测值用于表征在配送所述待指派运单的过程消耗的总运力中，所述待指派订单消耗的运力所占的比例；
针对每个所述候选配送员，根据所述第一信息和该候选配送员的第二信息，预估该候选配送员配送所述待指派运单的第一代价值；
根据所述第一预测值和多个所述第一代价值，确定目标配送员；
将所述待指派运单指派给所述目标配送员。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一预测值和多个所述第一代价值，确定目标配送员，包括：
针对每个所述候选配送员，根据所述第一预测值对该候选配送员对应的所述第一代价值进行修正，得到该候选配送员配送所述待指派运单的第二代价值；
将多个所述第二代价值中的最小值对应的候选配送员确定为目标配送员。
3.根据权利要求2所述的方法，其特征在于，所述第一代价值包括路程代价值；相应地，
所述针对每个所述候选配送员，根据所述第一预测值对该候选配送员对应的所述第一代价值进行修正，得到该候选配送员配送所述待指派运单的第二代价值，包括：
针对每个所述候选配送员，根据所述第一预测值对该候选配送员对应的所述路程代价值进行修正；
根据修正后的路程代价值，确定该候选配送员配送所述待指派运单的第二代价值。
4.根据权利要求1所述的方法，其特征在于，所述根据所述第一信息，获取运力占用度的第一预测值，包括：
根据所述第一信息，生成目标特征；
将所述目标特征输入至预设模型中，得到运力占用度的第一预测值。
5.根据权利要求4所述的方法，其特征在于，所述目标特征包括以下中的至少一者：
用于表征所述目标商家位置所属区域内的运单历史表现的第三信息和用于表征所述目标配送位置所属区域内的运单历史表现的第四信息；
用于表征所述目标商家位置所属区域内的运单在不同时段的历史表现的第五信息和用于表征所述目标配送位置所属区域内的运单在不同时段的历史表现的第六信息；
用于表征所述目标商家位置所属区域内的运单在当前时刻的表现的第七信息和用于表征所述目标配送位置所属区域内的运单在当前时刻的表现的第八信息；
用于表征所述目标商家位置所属区域配送方向的目标夹角。
6.根据权利要求4所述的方法，其特征在于，所述预设模型为预设的极端梯度提升模型，其中，所述预设的极端梯度提升模型通过以下方式来构建：
获取第四预设历史时刻内的第五历史运单的第九信息，其中，所述第九信息包括第二商家位置和第二配送位置；
根据所述第九信息，生成训练特征；
将所述训练特征作为训练样本输入至初始极端梯度提升模型中，得到运力占用度的第二预测值；
根据所述第二预测值和所述第五历史运单的运力占用度的实际值，对所述初始极端梯度提升模型进行训练，得到所述预设的极端梯度提升模型。
7.根据权利要求6所述的方法，其特征在于，所述第五历史运单的所述运力占用度的实际值通过以下方式来确定：
获取所述第五历史运单实际指派的配送员在该第五历史运单产生时拥有的第二待配送运单信息，其中，所述第二待配送运单信息包括第三商家位置和第三配送位置；
根据所述第九信息和所述第二待配送运单信息，生成导航路径；
根据所述第二商家位置、所述第二配送位置和所述导航路径上目标路段之间的第三商家位置或第三配送位置之间的位置关系，将所述目标路段分成至少一个任务段，其中，所述目标路段为所述第二商家位置至所述第二配送位置的路段；
确定每个所述任务段内的任务运单量；
根据所述任务运单量和每个任务段的距离，确定所述第五历史运单的所述运力占用度的实际值。
8.根据权利要7所述的方法，其特征在于，所述确定每个所述任务段内的任务运单量，包括：
将所述导航路径上的各所述第三商家位置、各所述第三配送位置、所述第二商家位置以及所述第二配送位置按照相应的取件完成时间或配送完成时间进行排序；
根据所述排序，确定每个所述任务段内的任务运单量。
9.根据权利要求8所述的方法，其特征在于，所述根据所述排序，确定每个所述任务段内的任务运单量，包括：
针对每个所述任务段，将所述排序中位于所述任务段的终点之前的第二商家位置或第三商家位置的总数、与所述排序中位于所述终点之前的第三配送位置的总数之间的差值确定为所述任务段的任务运单量。
10.根据权利要求7-9中任一项所述的方法，其特征在于，在所述根据所述第九信息和所述第二待配送运单信息，生成导航路径的步骤之前，所述方法还包括：
从所述第二待配送运单信息中剔除异常运单信息，其中，所述异常运单信息为第三商家位置与实际取件位置不一致、或者所述第三配送位置与所述实际配送位置不一致的运单信息。
11.根据权利要求2所述的方法，其特征在于，在所述将所述待指派运单指派给所述目标配送员的步骤之前，所述方法还包括：
根据所述第一预测值，确定压单时长，其中，所述压单时长与所述第一预测值呈反比例关系；
在压单时长结束之前，循环选取新的候选配送员，并确定所述新的候选配送员中是否存在所述第二代价值小于所述目标配送员的可替换候选配送员；
所述将所述待指派运单指派给所述目标配送员，包括：
在所述压单时长结束时，若所述新的候选配送员中不存在所述可替换候选配送员，则将所述待指派运单指派给所述目标配送员；
所述方法还包括：
若所述新的候选配送员中存在所述可替换候选配送员，则将所述待指派运单指派给所述可替换候选配送员。
12.一种运单处理装置，其特征在于，包括：
获取模块，用于获取待指派运单的第一信息和所述待指派运单对应的候选配送员的第二信息；
运力占用度预测模块，用于根据所述获取模块获取到的所述第一信息，获取所述待指派运单运力占用度的第一预测值，其中，所述第一预测值用于表征在配送所述待指派运单的过程消耗的总运力中，所述待指派订单消耗的运力所占的比例；
预估模块，用于针对每个所述候选配送员，根据所述第一信息和该候选配送员的第二信息，预估该候选配送员配送所述待指派运单的第一代价值；
确定模块，用于根据所述运力占用度预测模块得到的所述第一预测值和所示预估模块得到的多个所述第一代价值，确定目标配送员；
指派模块，用于将所述待指派运单指派给所述确定模块确定出的所述目标配送员。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-11中任一项所述方法的步骤。
14.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-11中任一项所述方法的步骤。
CN201911121448.8A 2019-11-15 2019-11-15 运单处理方法、装置、计算机可读存储介质及电子设备 Active CN112819394B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911121448.8A CN112819394B (zh) 2019-11-15 2019-11-15 运单处理方法、装置、计算机可读存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911121448.8A CN112819394B (zh) 2019-11-15 2019-11-15 运单处理方法、装置、计算机可读存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN112819394A true CN112819394A (zh) 2021-05-18
CN112819394B CN112819394B (zh) 2023-03-24

Family

ID=75851874

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911121448.8A Active CN112819394B (zh) 2019-11-15 2019-11-15 运单处理方法、装置、计算机可读存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN112819394B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113469462A (zh) * 2021-07-27 2021-10-01 拉扎斯网络科技（上海）有限公司 订单热度预测及订单分配方法及设备
CN115936331A (zh) * 2022-11-01 2023-04-07 中科雨辰科技有限公司 一种基于距离获取目标任务对象的数据处理系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108647927A (zh) * 2018-05-17 2018-10-12 北京顺丰同城科技有限公司 一种订单分配方法以及装置
CN108681857A (zh) * 2018-05-18 2018-10-19 北京顺丰同城科技有限公司 一种配送订单分配方法及装置、计算机可读存储介质
WO2018214411A1 (zh) * 2017-05-25 2018-11-29 北京小度信息科技有限公司 订单分配方法、装置、电子设备及计算机可读存储介质
CN109508842A (zh) * 2017-09-14 2019-03-22 北京小度信息科技有限公司 配送运力调控方法和装置
CN110378522A (zh) * 2019-07-02 2019-10-25 北京三快在线科技有限公司 预测配送状态信息的方法、装置、存储介质及电子设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018214411A1 (zh) * 2017-05-25 2018-11-29 北京小度信息科技有限公司 订单分配方法、装置、电子设备及计算机可读存储介质
CN109508842A (zh) * 2017-09-14 2019-03-22 北京小度信息科技有限公司 配送运力调控方法和装置
CN108647927A (zh) * 2018-05-17 2018-10-12 北京顺丰同城科技有限公司 一种订单分配方法以及装置
CN108681857A (zh) * 2018-05-18 2018-10-19 北京顺丰同城科技有限公司 一种配送订单分配方法及装置、计算机可读存储介质
CN110378522A (zh) * 2019-07-02 2019-10-25 北京三快在线科技有限公司 预测配送状态信息的方法、装置、存储介质及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马宗泽 等: "基于订单分析的烟草多点储运协同策略研究", 《物流技术》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113469462A (zh) * 2021-07-27 2021-10-01 拉扎斯网络科技（上海）有限公司 订单热度预测及订单分配方法及设备
CN115936331A (zh) * 2022-11-01 2023-04-07 中科雨辰科技有限公司 一种基于距离获取目标任务对象的数据处理系统
CN115936331B (zh) * 2022-11-01 2023-10-27 中科雨辰科技有限公司 一种基于距离获取目标任务对象的数据处理系统

Also Published As

Publication number Publication date
CN112819394B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
US8046319B2 (en) Methods suitable for optimizing linehaul operations
JP7166222B2 (ja) 乗客に通勤用車両を割り当てるシステム
JP6790103B2 (ja) 評価装置、評価方法、および評価プログラム
Poot et al. A savings based method for real-life vehicle routing problems
CN109598368B (zh) 路径决策评估、订单分配方法及装置、电子设备及介质
US20180225796A1 (en) Resource Allocation in a Network System
CN111950803A (zh) 物流对象送达时间预测方法、装置、电子设备及存储介质
CN110288232B (zh) 订单调度方法及装置
CN111260172B (zh) 信息处理方法及系统、计算机设备
US20200057967A1 (en) System for real-time optimal matching of ride sharing requests
US20210117874A1 (en) System for dispatching a driver
CN112819403A (zh) 订单处理方法及装置
CN112819394B (zh) 运单处理方法、装置、计算机可读存储介质及电子设备
CN111695842B (zh) 配送方案确定方法、装置、电子设备及计算机存储介质
CN114386720B (zh) 物流系统调度管理方法、系统、终端设备及存储介质
CN111192090A (zh) 航班的座位分配方法、装置、存储介质和电子设备
CN110751433B (zh) 订单的分配方法和装置，电子设备及存储介质
CN114154745A (zh) 一种物资智能调配方法及装置
CN113780956B (zh) 物流运费生成方法、装置、设备及存储介质
CN107704942B (zh) 配送路径确定方法、装置和设备
Bender et al. Districting for parcel delivery services–A two-Stage solution approach and a real-World case study
CN113554387A (zh) 基于司机偏好的电商物流订单分配方法、装置、设备及存储介质
Yu et al. Coordinating matching, rebalancing and charging of electric ride-hailing fleet under hybrid requests
CN112801354A (zh) 一种路线规划方法及装置
CN114493236A (zh) 服务车辆分派方法、装置、设备、介质及程序产品

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