CN112862161A - 货物分拣管理方法、装置、电子设备和存储介质 - Google Patents

货物分拣管理方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112862161A
CN112862161A CN202110067059.2A CN202110067059A CN112862161A CN 112862161 A CN112862161 A CN 112862161A CN 202110067059 A CN202110067059 A CN 202110067059A CN 112862161 A CN112862161 A CN 112862161A
Authority
CN
China
Prior art keywords
congestion
determining
sorted goods
sorted
real
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
CN202110067059.2A
Other languages
English (en)
Inventor
万志毅
陈欢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Yanxi Software Information Technology Co ltd
Original Assignee
Shanghai Yanxi Software Information 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 Shanghai Yanxi Software Information Technology Co ltd filed Critical Shanghai Yanxi Software Information Technology Co ltd
Priority to CN202110067059.2A priority Critical patent/CN112862161A/zh
Publication of CN112862161A publication Critical patent/CN112862161A/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
    • G06Q10/04—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06T3/08—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras

Abstract

本申请提供一种货物分拣管理方法、装置、电子设备和存储介质，所述方法包括：基于预设分拣信息确定分拣货物的预测位置；基于实时分拣信息确定所述分拣货物的观测位置；根据所述预测位置和所述观测位置采用卡尔曼滤波法确定所述分拣货物的实时位置；根据多个分拣货物的实时位置确定拥堵区域。通过根据预测位置和观测位置采用卡尔曼滤波法确定分拣货物的实时位置，进而根据多个分拣货物的实时位置确定拥堵区域，相较于现有的依靠人工驻点巡检查看或是通过安装视频监控设备进行监控的方式，本申请实施例无需安排大量工作人员或安装大量视频监控设备，节约了人工成本和设备成本。

Description

货物分拣管理方法、装置、电子设备和存储介质
技术领域
本申请涉及物流技术领域，具体而言，涉及一种货物分拣管理方法、装置、电子设备和非暂态计算机可读存储介质。
背景技术
物流转运中心通常采用分拣矩阵进行货物分拣，从而提升作业空间，提高分拣效率。在分拣矩阵运行过程中，难免会出现线路拥堵问题。目前，针对分拣矩阵的线路拥堵情况主要依靠人工驻点巡检查看或是通过安装视频监控设备进行监控。然而，物流转运中心的分拣矩阵会分为3至4层，若通过人工驻点巡检查看，需要安排大量人员；若通过安装视频监控设备进行监控，单个摄像头的视场角度有限，对于庞大的分拣矩阵，需要安装较多的摄像头才能覆盖整个分拣矩阵，大大增加成本。
发明内容
本申请实施例的目的在于提供一种货物分拣管理方法、装置、电子设备和非暂态计算机可读存储介质，用以解决上述问题。
第一方面，本发明提供一种货物分拣管理方法，包括：基于预设分拣信息确定分拣货物的预测位置；基于实时分拣信息确定所述分拣货物的观测位置；根据所述预测位置和所述观测位置采用卡尔曼滤波法确定所述分拣货物的实时位置；根据多个分拣货物的实时位置确定拥堵区域。
通过根据预测位置和观测位置采用卡尔曼滤波法确定分拣货物的实时位置，进而根据多个分拣货物的实时位置确定拥堵区域，相较于现有的依靠人工驻点巡检查看或是通过安装视频监控设备进行监控的方式，本申请所提供的货物分拣管理方法无需安排大量工作人员或安装大量视频监控设备，节约了人工成本和设备成本。
在可选的实施方式中，所述根据多个分拣货物的实时位置确定拥堵区域，包括：选取N个分拣货物，根据所述N个分拣货物的实时位置确定所述N个分拣货物中每两个相邻分拣货物的间距；若所述N个分拣货物中超过预设数量的相邻分拣货物的间距小于预设距离，则确定所述N个分拣货物所在的区域为拥堵区域。
在可选的实施方式中，在所述确定所述N个分拣货物所在的区域为拥堵区域之后，所述方法还包括：确定所述拥堵区域的拥堵情况。
在可选的实施方式中，所述确定所述拥堵区域的拥堵情况，包括：判断所述拥堵区域中相邻分拣货物间距小于预设距离的分拣货物的数量是否大于预设阈值；若小于预设阈值，则所述拥堵情况为轻度拥堵；若大于预设阈值，则所述拥堵情况为重度拥堵。
在可选的实施方式中，所述方法还包括：当所述拥堵情况为轻度拥堵时，调整所述拥堵区域的传送带速度；当所述拥堵情况为重度拥堵时，发出拥堵预警。
在发生轻度拥堵时，调整拥堵区域的传送带速度；在发生重度拥堵时，发出拥堵预警，提示工作人员进行人工干预，可以及时有效地缓解拥堵区域的拥堵情况，进而保证分拣矩阵正常运行。
第二方面，本发明提供一种货物分拣管理装置，包括：预测位置确定模块，用于基于预设分拣信息确定分拣货物的预测位置；观测位置确定模块，用于基于实时分拣信息确定所述分拣货物的观测位置；实时位置确定模块，用于根据所述预测位置和所述观测位置采用卡尔曼滤波法确定所述货物的实时位置；拥堵区域确定模块，用于根据多个分拣货物的实时位置确定拥堵区域。
在可选的实施方式中，所述拥堵区域确定模块，还用于选取N个分拣货物，根据所述N个分拣货物的实时位置确定所述N个分拣货物中每两个相邻分拣货物的间距；若所述N个分拣货物中超过预设数量的相邻分拣货物的间距小于预设距离，则确定所述N个分拣货物所在的区域为拥堵区域。
在可选的实施方式中，所述货物分拣管理装置还包括拥堵情况确定模块，用于确定所述拥堵区域的拥堵情况。
在可选的实施方式中，所述拥堵情况确定模块，还用于判断所述拥堵区域中相邻分拣货物间距小于预设距离的分拣货物的数量是否大于预设阈值；若小于预设阈值，则所述拥堵情况为轻度拥堵；若大于预设阈值，则所述拥堵情况为重度拥堵。
在可选的实施方式中，所述拥堵情况确定模块，还用于当所述拥堵情况为轻度拥堵时，调整所述拥堵区域的传送带速度；当所述拥堵情况为重度拥堵时，发出拥堵预警。
第三方面，本发明提供一种电子设备，包括：处理器、存储器和总线；
所述处理器和所述存储器通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如前述实施方式任一项所述的货物分拣管理方法。
第四方面，本发明提供一种计算机存储介质，所述计算机存储介质设有计算机指令，所述计算机指令被计算机运行时，使所述计算机执行如前述实施方式任一项所述的货物分拣管理方法。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种货物分拣管理方法的流程图；
图2为本申请实施例提供的一种货物分拣管理装置的结构框图；
图3为本申请实施例提供的一种电子设备的结构框图。
图标：200-货物分拣管理装置；201-预测位置确定模块；202-观测位置确定模块；203-实时位置确定模块；204-拥堵区域确定模块；205-拥堵情况确定模块；300-电子设备；301-处理器；302-通信接口；303-存储器；304-总线。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
分拣矩阵是一种应用于流向分拣场景且存在进出线关系的输送线空间立体排布阵列，其主要作用在于通过空间排布的传送带，将发往不同地理位置的货物进行分类归集，以便于后续的集中运输。
物流转运中心通常采用分拣矩阵进行货物分拣，从而提升作业空间，提高分拣效率。在分拣矩阵运行过程中，难免会出现线路拥堵问题。目前，针对分拣矩阵的线路拥堵情况主要依靠人工驻点巡检查看或是通过安装视频监控设备进行监控。然而，物流转运中心的分拣矩阵会分为3至4层，若通过人工驻点巡检查看，需要安排大量人员；若通过安装视频监控设备进行监控，单个摄像头的视场角度有限，对于庞大的分拣矩阵，需要安装较多的摄像头才能覆盖整个分拣矩阵，大大增加成本。
综上所述，采用人工驻点巡检查看方式确定线路拥堵情况需要安排大量人员，增加了人工成本；采用视频监控设备进行监控需要安装大量摄像头，增加了设备成本。
基于此，本申请实施例提供一种货物分拣管理方法，用以解决上述问题。
请参阅图1，图1为本申请实施例提供的一种货物分拣管理方法的流程图，该货物分拣管理方法可以包括如下步骤：
步骤S101：基于预设分拣信息确定分拣货物的预测位置。
步骤S102：基于实时分拣信息确定分拣货物的观测位置。
步骤S103：根据预测位置和观测位置采用卡尔曼滤波法确定分拣货物的实时位置。
步骤S104：根据多个分拣货物的实时位置确定拥堵区域。
本申请实施例提供的货物分拣管理方法可以由一电子设备执行，该电子设备可以是，但不限于台式机、笔记本电脑、智能手机、智能穿戴设备、车载设备等实体设备，还可以是虚拟机等虚拟设备。另外，电子设备300也不一定是单台设备，还可以是多台设备的组合，例如服务器集群，等等。
下面将对上述流程进行详细说明。
步骤S101：基于预设分拣信息确定分拣货物的预测位置。
本申请实施例的应用场景为：物流转运中心的分拣矩阵对货物进行分拣。在执行步骤S101之前，先建立空间三维坐标系，分拣矩阵的各个分拣入口均可以用三维坐标进行表示。
可以理解，在其他实施例中，空间三维坐标系可以为预先已经建立的，电子设备直接获取分拣矩阵的各个分拣入口的三维坐标。
可选的，空间三维坐标系的原点可以选在分拣矩阵的一个分拣入口处，从而使得在后续拟合分拣线路时，拟合出的分拣线路的函数表达式较简单。
确定三维空间坐标系后，根据分拣矩阵的结构、货物的分拣线路和历史分拣信息，模拟出包含各个分拣线路的函数模型，即分拣线路模型。需要说明的是，分拣矩阵的结构、货物的分拣线路是物流转运中心在建立分拣矩阵时已经确定的，历史分拣信息包含分拣矩阵在预设时间内完成分拣货物的数量。本申请实施例将已有的分拣矩阵的结构、货物的分拣线路以及历史分拣信息和建立的空间三维坐标系进行对应，构建出表达货物在分拣矩阵中单位时间内的位置变量的分拣线路模型，分拣线路模型主要通过三维函数拟合空间中的运输线路的走向，从而将分拣矩阵的线路用数学函数进行表达，为后续货物的位置坐标表示提供计算基础。通过该分拣线路模型，输入某一货物的分拣入口以及到达该分拣入口的时间，便可以确定后续任意时刻该分拣货物在分拣矩阵中的位置，该位置即为预测位置。预设分拣信息可以包括分拣货物的分拣入口和到达该分拣入口的时间。
步骤S102：基于实时分拣信息确定分拣货物的观测位置。
本申请实施例中，针对每一个分拣货物，根据分拣货物的分拣入口以及分拣矩阵中传送带的速度以及观测噪声，可以确定分拣货物在分拣矩阵中的观测位置。
举例来说，分拣货物的观测位置可以表示为：
C＝A+(V*Δt)*H+Q
V＝(Vx,Vy,Vz)，
Figure BDA0002903868620000071
Q＝(Qx,Qy,Qz)。
其中，C为观测位置。V为速度矩阵，Vx表示传送带在X方向的速度分量，Vy表示传送带在Y方向的速度分量，Vz表示传送带在Z方向的速度分量。H为转化矩阵。Q为观测噪声，Qx表示传送带在X方向的观测噪声分量，Qy表示传送带在Y方向的观测噪声分量，Qz表示传送带在Z方向的观测噪声分量。
需要说明的是，转化矩阵H和观测噪声Q与分拣货物的分拣线路模型有关，即不同的分拣线路模型，对应的转化矩阵H与观测噪声Q不同。此外，由于分拣矩阵在不同位置传送带的速度也存在差异，所以不同坐标位置的转化矩阵H和观测噪声Q也存在差异，不同坐标位置的转化矩阵H和观测噪声Q的矩阵的特征向量与分拣线路模型有关。
假设某一段的分拣线路对应的拟合函数模型为：
Figure BDA0002903868620000072
我们可以认为转换矩阵H为货物在传送带上的行驶距离在X，Y，Z三维坐标系下的投影。根据上述拟合函数模型以及勾股定理我们可以得到该拟合函数映射到三维坐标轴上的单位向量为
Figure BDA0002903868620000081
转换成空间矩阵可以表示为：
Figure BDA0002903868620000082
步骤S103：根据预测位置和观测位置采用卡尔曼滤波法确定分拣货物的实时位置。
本申请实施例中，根据前述步骤S101和步骤S102，确定了分拣货物在某一时刻的预测位置和观测位置，根据预测位置和观测位置采用卡尔曼滤波法确定分拣货物的实时位置。
具体的，根据预测位置和观测位置采用卡尔曼滤波法确定分拣货物的实时位置可以包括如下解算过程：
Bk/k-1＝Bk-1/k-1+Wk
Pk/k-1＝Pk-1/k-1+Φk-1/k-1
Ck＝A+(Vk*Δt)*Hk/k-1+Qk
Kk＝Pk/k-1*Hk/k-1/(Hk/k-1 T*Pk/k-1*Hk/k-1+Rk/k-1)
Bk/k＝Bk/k-1+Kk*(Ck-Bk/k-1*Hk/k-1)
Pk/k＝(I-KkHk/k-1 T)Pk/k-1
其中，Bk/k-1为利用k-1时刻分拣货物的实时位置预测的位置，Wk为k时刻的观测噪声，Pk/k-1为k-1时刻的实时位置的噪声方差与k-1时刻的预测方差的均方差，Φk-1/k-1为k-1时刻的预测方差，Ck为k时刻分拣货物的观测位置，Vk为k时刻的速度矩阵，Hk/k-1为k时刻的转换矩阵，Kk为Kalman增益系数，Bk/k为k时刻分拣货物的实时位置，Pk/k为k时刻的实时位置的噪声方差。
通过上述解算过程，本申请实施例可以基于预测位置和观测位置确定分拣货物的实时位置。
步骤S104：根据多个分拣货物的实时位置确定拥堵区域。
本申请实施例中，确定分拣货物的实时位置即确定了分拣货物在空间三维坐标系中的坐标，根据多个分拣货物坐标，通过坐标差的方式，可以确定各个分拣货物之间的距离，进而根据距离可以确定拥堵区域。
作为一种可选的实施方式，步骤S104可以包括如下步骤：
第一步，选取N个分拣货物，根据N个分拣货物的实时位置确定N个分拣货物中每两个相邻分拣货物的间距；
第二步，若N个分拣货物中超过预设数量的相邻分拣货物的间距小于预设距离，则确定N个分拣货物所在的区域为拥堵区域。
本申请实施例中，将相邻分拣货物的实时位置对应的坐标作差，便可以确定相邻分拣货物的间距。若N个分拣货物中超过预设数量的相邻分拣货物的间距小于预设距离，则确定多个分拣货物所在的区域为拥堵区域。
举例来说，假设N为10，预设数量为6，预设距离为0.6m。选取10个分拣货物，根据每个分拣货物的实时位置，可以计算出9个相邻分拣货物的间距。若该9个间距中有6个间距小于0.6m，则认为选取的10个分拣货物所在的区域为拥堵区域。可以理解，上述N、预设数量以及预设距离仅为本申请实施例提供的一种实施方式，N还可以为15、20等，预设数量还可以根据N的大小进行调整，当N为15时，预设数量可以为10、12等；当N为20时，预设数量可以为15、18等，预设距离还可以为0.5m、0.8m等，本申请对此不作限定。
相较于现有的依靠人工驻点巡检查看或是通过安装视频监控设备进行监控的方式，本申请通过分拣货物间的距离判定分拣货物是否存在拥堵的风险，无需安排大量工作人员或安装大量视频监控设备，节约了人工成本和设备成本。
进一步的，在确定拥堵区域后，本申请实施例提供的货物分拣管理方法还包括：确定拥堵区域的拥堵情况。
本申请实施例中，确定拥堵区域后，可以对该拥堵区域的拥堵情况进行判断。具体的，确定拥堵区域的拥堵情况可以包括：
判断拥堵区域中相邻分拣货物间距小于预设距离的分拣货物的数量是否大于预设阈值；若小于预设阈值，则拥堵情况为轻度拥堵；若大于预设阈值，则拥堵情况为重度拥堵。
本申请实施例中，拥堵区域中相邻货物的间距均小于预设距离，若拥堵区域中的分拣货物的数量小于预设阈值，则说明该区域的拥堵情况不严重，视为轻度拥堵；若拥堵区域中的分拣货物的数量大于预设阈值，则说明该区域的拥堵情况较严重，视为重度拥堵。
进一步的，在确定拥堵区域的拥堵情况后，本申请实施例提供的货物分拣管理方法还包括：
当拥堵情况为轻度拥堵时，调整拥堵区域的传送带速度；
当拥堵情况为重度拥堵时，发出拥堵预警。
本申请实施例中，当拥堵情况为轻度拥堵时，调整拥堵区域的传送带速度，从而缓解拥堵情况，具体的，分拣矩阵由若干传送带组成，确定一个区域为拥堵区域时，可以通过减慢该拥堵区域分拣货物前进方向的反方向上传送带速度，减慢后续分拣货物达到该拥堵区域的时间，从而达到缓解拥堵的目的。此外，还可以通过加快该拥堵区域分拣货物前进方向上传送带速度，加快前方分拣货物离开该拥堵区域的时间，从而达到缓解拥堵的目的。
然而，如果该区域为重度拥堵时，仅通过调节传送带速度可能无法及时缓解拥堵情况。此时，可以发出拥堵预警，将该拥堵区域的位置发送给物流分拣中心的控制平台，提示工作人员进行人工干预，及时缓解拥堵，进而保证分拣矩阵正常运行。
在发生轻度拥堵时，调整拥堵区域的传送带速度；在发生重度拥堵时，发出拥堵预警，提示工作人员进行人工干预，可以及时有效缓解拥堵区域的拥堵情况，进而保证分拣矩阵正常运行。
综上所述，通过根据预测位置和观测位置采用卡尔曼滤波法确定分拣货物的实时位置，进而根据多个分拣货物的实时位置确定拥堵区域，相较于现有的依靠人工驻点巡检查看或是通过安装视频监控设备进行监控的方式，本申请实施例无需安排大量工作人员或安装大量视频监控设备，节约了人工成本和设备成本。此外，通过实时获取分拣货物的位置信息，通过预设距离确定分拣货物的拥堵区域，可以第一时间对拥堵情况作出应对，保证分拣矩阵的分拣效率。
基于同一发明构思，本申请实施例中还提供一种货物分拣管理装置。请参阅图2，图2为本申请实施例提供的一种货物分拣管理装置的结构框图，该货物分拣管理装置200包括：
预测位置确定模块201，用于基于预设分拣信息确定分拣货物的预测位置；
观测位置确定模块202，用于基于实时分拣信息确定所述分拣货物的观测位置；
实时位置确定模块203，用于根据所述预测位置和所述观测位置采用卡尔曼滤波法确定所述货物的实时位置；
拥堵区域确定模块204，用于根据多个分拣货物的实时位置确定拥堵区域。
在可选的实施方式中，所述拥堵区域确定模块204，还用于选取N个分拣货物，根据所述N个分拣货物的实时位置确定所述N个分拣货物中每两个相邻分拣货物的间距；若所述N个分拣货物中超过预设数量的相邻分拣货物的间距小于预设距离，则确定所述N个分拣货物所在的区域为拥堵区域。
在可选的实施方式中，所述装置还包括拥堵情况确定模块205，用于确定所述拥堵区域的拥堵情况。
在可选的实施方式中，所述拥堵情况确定模块205，还用于判断所述拥堵区域中相邻分拣货物间距小于预设距离的分拣货物的数量是否大于预设阈值；若小于预设阈值，则所述拥堵情况为轻度拥堵；若大于预设阈值，则所述拥堵情况为重度拥堵。
在可选的实施方式中，所述拥堵情况确定模块205，还用于当所述拥堵情况为轻度拥堵时，调整所述拥堵区域的传送带速度；当所述拥堵情况为重度拥堵时，发出拥堵预警。
请参照图3，图3为本申请实施例提供的一种电子设备的结构框图，该电子设备300包括：至少一个处理器301，至少一个通信接口302，至少一个存储器303和至少一个总线304。其中，总线304用于实现这些组件直接的连接通信，通信接口302用于与其他节点设备进行信令或数据的通信，存储器303存储有处理器301可执行的机器可读指令。当电子设备300运行时，处理器301与存储器303之间通过总线304通信，机器可读指令被处理器301调用时执行上述货物分拣管理方法。
处理器301可以是一种集成电路芯片，具有信号处理能力。上述处理器301可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。其可以实现或者执行本申请实施例中公开的各种方法、步骤及逻辑框图。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。
存储器303可以包括但不限于随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
可以理解，图3所示的结构仅为示意，电子设备300还可包括比图3中所示更多或者更少的组件，或者具有与图3所示不同的配置。图3中所示的各组件可以采用硬件、软件或其组合实现。于本申请实施例中，电子设备300可以是，但不限于台式机、笔记本电脑、智能手机、智能穿戴设备、车载设备等实体设备，还可以是虚拟机等虚拟设备。另外，电子设备300也不一定是单台设备，还可以是多台设备的组合，例如服务器集群，等等。
此外，本申请实施例还提供一种计算机存储介质，该计算机存储介质上存储有计算机程序，该计算机程序被计算机运行时，执行如上述实施例中货物分拣管理方法的步骤。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
需要说明的是，功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述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(Read-Only Memory，ROM)随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种货物分拣管理方法，其特征在于，包括：
基于预设分拣信息确定分拣货物的预测位置；
基于实时分拣信息确定所述分拣货物的观测位置；
根据所述预测位置和所述观测位置采用卡尔曼滤波法确定所述分拣货物的实时位置；
根据多个分拣货物的实时位置确定拥堵区域。
2.根据权利要求1所述的货物分拣管理方法，其特征在于，所述根据多个分拣货物的实时位置确定拥堵区域，包括：
选取N个分拣货物，根据所述N个分拣货物的实时位置确定所述N个分拣货物中每两个相邻分拣货物的间距；
若所述N个分拣货物中超过预设数量的相邻分拣货物的间距小于预设距离，则确定所述N个分拣货物所在的区域为拥堵区域。
3.根据权利要求2所述的货物分拣管理方法，其特征在于，在所述确定所述N个分拣货物所在的区域为拥堵区域之后，所述方法还包括：
确定所述拥堵区域的拥堵情况。
4.根据权利要求3所述的货物分拣管理方法，其特征在于，所述确定所述拥堵区域的拥堵情况，包括：
判断所述拥堵区域中相邻分拣货物间距小于预设距离的分拣货物的数量是否大于预设阈值；
若小于预设阈值，则所述拥堵情况为轻度拥堵；
若大于预设阈值，则所述拥堵情况为重度拥堵。
5.根据权利要求4所述的货物分拣管理方法，其特征在于，所述方法还包括：
当所述拥堵情况为轻度拥堵时，调整所述拥堵区域的传送带速度；
当所述拥堵情况为重度拥堵时，发出拥堵预警。
6.一种货物分拣管理装置，其特征在于，包括：
预测位置确定模块，用于基于预设分拣信息确定分拣货物的预测位置；
观测位置确定模块，用于基于实时分拣信息确定所述分拣货物的观测位置；
实时位置确定模块，用于根据所述预测位置和所述观测位置采用卡尔曼滤波法确定所述货物的实时位置；
拥堵区域确定模块，用于根据多个分拣货物的实时位置确定拥堵区域。
7.根据权利要求6所述的货物分拣管理装置，其特征在于，所述拥堵区域确定模块，还用于选取N个分拣货物，根据所述N个分拣货物的实时位置确定所述N个分拣货物中每两个相邻分拣货物的间距；若所述N个分拣货物中超过预设数量的相邻分拣货物的间距小于预设距离，则确定所述N个分拣货物所在的区域为拥堵区域。
8.根据权利要求7所述的货物分拣管理装置，其特征在于，所述货物分拣管理装置还包括拥堵情况确定模块，用于确定所述拥堵区域的拥堵情况。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线；
所述处理器和所述存储器通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1-5任一项所述的货物分拣管理方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质设有计算机指令，所述计算机指令被计算机运行时，所述计算机执行如权利要求1-5中任一项所述的方法。
CN202110067059.2A 2021-01-18 2021-01-18 货物分拣管理方法、装置、电子设备和存储介质 Pending CN112862161A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110067059.2A CN112862161A (zh) 2021-01-18 2021-01-18 货物分拣管理方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110067059.2A CN112862161A (zh) 2021-01-18 2021-01-18 货物分拣管理方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN112862161A true CN112862161A (zh) 2021-05-28

Family

ID=76007013

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110067059.2A Pending CN112862161A (zh) 2021-01-18 2021-01-18 货物分拣管理方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN112862161A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610304A (zh) * 2021-08-11 2021-11-05 北京京东乾石科技有限公司 一种拥堵预测方法、装置、设备和存储介质
CN113651061A (zh) * 2021-08-18 2021-11-16 上海德启信息科技有限公司 一种物流流转状态的监测方法及监测系统

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020177950A1 (en) * 2001-05-24 2002-11-28 Davies F. Bryan Satellite based on-board vehicle navigation system including predictive filtering and map-matching to reduce errors in a vehicular position
US20180025460A1 (en) * 2015-02-20 2018-01-25 Hitachi Transport System, Ltd. Warehouse Management System, Warehouse, and Warehouse Management Method
CN109420617A (zh) * 2017-08-30 2019-03-05 杭州海康机器人技术有限公司 包裹分拣平台、包裹分拣系统、机器人调度方法及装置
US20190195631A1 (en) * 2017-12-22 2019-06-27 Ubtech Robotics Corp Positioning method, positioning device, and robot
CN110163550A (zh) * 2019-05-29 2019-08-23 河南科技大学 一种农产品全程供应链物流平台及配送方法
US20200126252A1 (en) * 2018-10-23 2020-04-23 Dell Products, Lp Predictive simultaneous localization and mapping system using prior user session positional information
CN111142515A (zh) * 2019-12-11 2020-05-12 无锡太湖学院 一种基于视觉引导的agv小车定位与导航方法
US20200242544A1 (en) * 2013-07-25 2020-07-30 IAM Robotics, LLC System and method for piece picking or put-away with a mobile manipulation robot
US20200246972A1 (en) * 2019-02-01 2020-08-06 Locus Robotics Corp. Robot congestion management
WO2020157844A1 (ja) * 2019-01-30 2020-08-06 三菱電機株式会社 計測装置、計測方法及び計測プログラム
CN111536967A (zh) * 2020-04-09 2020-08-14 江苏大学 一种基于ekf的多传感器融合温室巡检机器人跟踪方法
CN111578928A (zh) * 2020-05-07 2020-08-25 北京邮电大学 一种基于多源融合定位系统的定位方法及装置
GB202011050D0 (en) * 2020-07-17 2020-09-02 Continental Automotive Systems Srl Method of prediction of the trajectory, computing unit, computer program, computer readable medium, and data stream
CN111717618A (zh) * 2020-06-04 2020-09-29 上海燕汐软件信息科技有限公司 一种快递计泡方法、装置、计算机设备及存储介质
CN111832678A (zh) * 2020-07-17 2020-10-27 中国科学技术大学 分拣机器人调度方法、装置、分拣机器人及存储介质
CN112101690A (zh) * 2019-06-18 2020-12-18 北京京东乾石科技有限公司 一种物品拣选方法和装置
CN112163819A (zh) * 2020-10-22 2021-01-01 上海燕汐软件信息科技有限公司 一种物流外场仿真模型的构建方法及其应用方法
CN112179332A (zh) * 2020-09-30 2021-01-05 劢微机器人科技(深圳)有限公司 无人叉车混合定位方法及系统

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020177950A1 (en) * 2001-05-24 2002-11-28 Davies F. Bryan Satellite based on-board vehicle navigation system including predictive filtering and map-matching to reduce errors in a vehicular position
US20200242544A1 (en) * 2013-07-25 2020-07-30 IAM Robotics, LLC System and method for piece picking or put-away with a mobile manipulation robot
US20180025460A1 (en) * 2015-02-20 2018-01-25 Hitachi Transport System, Ltd. Warehouse Management System, Warehouse, and Warehouse Management Method
CN109420617A (zh) * 2017-08-30 2019-03-05 杭州海康机器人技术有限公司 包裹分拣平台、包裹分拣系统、机器人调度方法及装置
US20190195631A1 (en) * 2017-12-22 2019-06-27 Ubtech Robotics Corp Positioning method, positioning device, and robot
US20200126252A1 (en) * 2018-10-23 2020-04-23 Dell Products, Lp Predictive simultaneous localization and mapping system using prior user session positional information
WO2020157844A1 (ja) * 2019-01-30 2020-08-06 三菱電機株式会社 計測装置、計測方法及び計測プログラム
US20200246972A1 (en) * 2019-02-01 2020-08-06 Locus Robotics Corp. Robot congestion management
CN110163550A (zh) * 2019-05-29 2019-08-23 河南科技大学 一种农产品全程供应链物流平台及配送方法
CN112101690A (zh) * 2019-06-18 2020-12-18 北京京东乾石科技有限公司 一种物品拣选方法和装置
CN111142515A (zh) * 2019-12-11 2020-05-12 无锡太湖学院 一种基于视觉引导的agv小车定位与导航方法
CN111536967A (zh) * 2020-04-09 2020-08-14 江苏大学 一种基于ekf的多传感器融合温室巡检机器人跟踪方法
CN111578928A (zh) * 2020-05-07 2020-08-25 北京邮电大学 一种基于多源融合定位系统的定位方法及装置
CN111717618A (zh) * 2020-06-04 2020-09-29 上海燕汐软件信息科技有限公司 一种快递计泡方法、装置、计算机设备及存储介质
GB202011050D0 (en) * 2020-07-17 2020-09-02 Continental Automotive Systems Srl Method of prediction of the trajectory, computing unit, computer program, computer readable medium, and data stream
CN111832678A (zh) * 2020-07-17 2020-10-27 中国科学技术大学 分拣机器人调度方法、装置、分拣机器人及存储介质
CN112179332A (zh) * 2020-09-30 2021-01-05 劢微机器人科技(深圳)有限公司 无人叉车混合定位方法及系统
CN112163819A (zh) * 2020-10-22 2021-01-01 上海燕汐软件信息科技有限公司 一种物流外场仿真模型的构建方法及其应用方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
RONGBAO CHEN: "Self-localization of mobile robot based on monocular and extended kalman filter", 《2009 9TH INTERNATIONAL CONFERENCE ON ELECTRONIC MEASUREMENT & INSTRUMENTS》, pages 2 - 450 *
张崇阳: "基于MEMS的快递包裹状态分析", 物流工程与管理, vol. 42, no. 06, pages 74 - 76 *
王瑞: "基于DBN的卡尔曼滤波算法研究及在AGV定位中的应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》, vol. 2017, no. 09, pages 140 - 57 *
蔡杨华: "基于激光EKF-SLAM的车厢内定位方法", 工业控制计算机, vol. 32, no. 12, pages 12 - 14 *
赵云波: "大批量订单整体分拣问题建模及其分布式并行方法", 高技术通讯, vol. 30, no. 06, pages 626 - 636 *
邬兴: "基于卡尔曼滤波的无人采矿设备状态预测研究", 河池学院学报, vol. 36, no. 02, pages 88 - 93 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610304A (zh) * 2021-08-11 2021-11-05 北京京东乾石科技有限公司 一种拥堵预测方法、装置、设备和存储介质
CN113651061A (zh) * 2021-08-18 2021-11-16 上海德启信息科技有限公司 一种物流流转状态的监测方法及监测系统

Similar Documents

Publication Publication Date Title
WO2020259421A1 (zh) 一种业务系统的监控方法及装置
WO2020087829A1 (zh) 数据趋势分析方法、系统、计算机装置及可读存储介质
CN107766533B (zh) 话务量异常的自动检测方法及系统、存储介质、电子设备
CN112862161A (zh) 货物分拣管理方法、装置、电子设备和存储介质
CN110740061B (zh) 故障预警方法、装置及计算机存储介质
WO2020062702A9 (zh) 短信发送的方法、装置、计算机设备和存储介质
CN111047264B (zh) 一种物流任务分配方法及装置
US20160364467A1 (en) Event notification system with cluster classification
US11955001B2 (en) Traffic near miss collision detection
CN113538963A (zh) 用于输出信息的方法、装置、设备以及存储介质
CN113778776A (zh) 对任务异常进行预警的方法和装置以及存储介质
CN113807228A (zh) 停车事件提示方法、装置、电子设备以及存储介质
CN113469025A (zh) 应用于车路协同的目标检测方法、装置、路侧设备和车辆
CN109784634A (zh) 服务区域划分方法、电子装置及可读存储介质
CN113495825A (zh) 线路告警的处理方法、装置、电子设备及可读存储介质
CN116595756A (zh) 基于数字孪生的数据中心智能化运维方法及装置
CN109194703B (zh) 云平台主机间通信负载的处理方法、电子装置及介质
WO2020000768A1 (zh) 房产估价方法、装置、计算机设备及计算机可读存储介质
CN110766367A (zh) 一种物流显示方法、装置、电子设备及存储介质
CN111612259B (zh) 仓库调拨量确定方法、装置、电子设备及可读存储介质
CN109598925A (zh) 出租车车辆聚集报警方法、终端设备及存储介质
CN117336210B (zh) 物联网卡流量异常检测方法、装置、设备及存储介质
CN113344355A (zh) 业务的机器人流程自动化需求评估方法及相关装置
CN113158922A (zh) 基于yolo神经网络的车流量统计方法、装置及设备
CN113094241A (zh) 一种实时程序准确性的确定方法、装置、设备及存储介质

Legal Events

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