CN112950119B - 即时物流订单拆分方法、装置、设备及存储介质 - Google Patents
即时物流订单拆分方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112950119B CN112950119B CN202110262276.7A CN202110262276A CN112950119B CN 112950119 B CN112950119 B CN 112950119B CN 202110262276 A CN202110262276 A CN 202110262276A CN 112950119 B CN112950119 B CN 112950119B
- Authority
- CN
- China
- Prior art keywords
- order
- target
- transfer station
- information
- geographic area
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种即时物流订单拆分方法、装置、设备及存储介质,所述方法包括:获取预设时间段内多个订单的订单信息,根据多个订单信息进行地理区域的划分,得到地理区域信息;根据各订单的订单信息与地理区域信息确定至少一个目标订单;从预选的多个中转站中确定每个目标订单对应的最优中转站,并根据每个目标订单对应的最优中转站的中转站信息,将各目标订单拆分为多个子订单。本发明实施例能够将长距离的目标订单拆分为多个短距离的子订单,以使可以由不同的订单执行用户执行各子订单的配送,提高了订单的配送效率。
Description
技术领域
本发明涉及即时物流技术领域,尤其涉及一种即时物流订单拆分方法、装置、设备及存储介质。
背景技术
随着移动互联网的发展和人们生活的需求,即时物流作为一种不需经过仓储而直接将配送货物送达到接收末端的物流模式应运而生。
即时物流配送范围通常局限于同城,其服务品类包括餐饮外卖、生鲜、鲜花、商超等。在现有技术中,通常由一个订单执行用户同时接收多个即时物流配送订单,并负责上述多个订单的配送,即通常由一个订单执行用户负责一个订单的全程配送。
然而,当订单数量较大时,长距离的订单由一个订单执行用户完成配送会花费较长时间,同时会对该订单执行用户的其他订单产生影响,降低了配送效率。
发明内容
本发明实施例提供一种即时物流订单拆分方法、装置、设备及存储介质,以解决订单数量较大时,长距离的订单由一个订单执行用户完成配送会花费较长时间,同时对该订单执行用户的其他订单产生影响,降低了配送效率的技术问题。
第一方面,本发明实施例提供一种即时物流订单拆分方法,所述方法包括:
获取预设时间段内多个订单的订单信息,根据所述多个订单信息进行地理区域的划分,得到地理区域信息;
根据各订单的订单信息与地理区域信息确定至少一个目标订单;
从预选的多个中转站中确定每个目标订单对应的最优中转站,并根据每个目标订单对应的最优中转站的中转站信息,将各目标订单拆分为多个子订单。
在一种可能的实施方式中,所述订单信息包括订单起点位置以及订单终点位置;
所述获取预设时间段内多个订单的订单信息,根据所述多个订单信息进行地理区域的划分,得到地理区域信息,包括:
获取预设时间段内多个订单的订单信息;
采用DBSCAN聚类算法,对所述多个订单的订单起点位置以及订单终点位置进行聚类处理,以根据聚类结果进行地理区域的划分,得到各地理区域的地理区域信息。
在一种可能的实施方式中,所述根据各订单的订单信息与地理区域信息确定至少一个目标订单,包括:
根据各订单的订单起点位置与订单终点位置以及地理区域信息判断所述订单是否跨越地理区域,并根据各订单的订单起点位置与订单终点位置计算所述订单对应的最小导航距离;
根据所述订单对应的最小导航距离以及所述订单是否跨越地理区域,确定目标订单。
在一种可能的实施方式中,所述根据所述订单对应的最小导航距离以及所述订单是否跨越地理区域,确定目标订单,包括:
对订单对应的最小导航距离进行分布统计,确定预设距离阈值;
若各订单对应的最小导航距离大于预设距离阈值且所述订单跨越地理区域,则确定所述订单为目标订单。
在一种可能的实施方式中,所述从预选的多个中转站中确定每个目标订单对应的最优中转站之前,还包括:
根据各目标订单的订单起点位置与订单终点位置以及地理区域信息,确定各目标订单所归属的地理区域范围;
采用第一算法以及第二算法分别对归属于同一地理区域范围的多个目标订单的订单起点位置与订单终点位置进行求解,获得所述地理区域范围对应的多个中转站的中转站信息。
在一种可能的实施方式中,所述从预选的多个中转站中确定每个目标订单对应的最优中转站,并根据每个目标订单对应的最优中转站的中转站信息,将各目标订单拆分为多个子订单,包括:
获取各地理区域范围的订单执行用户信息以及订单发起端用户信息;
根据归属于同一地理区域范围的订单执行用户信息、订单发起端用户信息、中转站信息以及订单信息,采用ALNS算法确定所述地理区域范围对应的最优中转站的中转站信息,并根据所述最优中转站的中转站信息,将各目标订单拆分为多个子订单。
在一种可能的实施方式中,所述即时物流订单拆分方法,还包括:
确定与各目标订单中多个子订单对应的最优订单分配与最优路径规划。
第二方面,本发明实施例提供一种即时物流订单拆分装置,包括:
获取模块,用于获取预设时间段内多个订单的订单信息,根据所述多个订单信息进行地理区域的划分,得到地理区域信息;
确定模块,用于根据各订单的订单信息与地理区域信息确定至少一个目标订单;
执行模块,用于从预选的多个中转站中确定每个目标订单对应的最优中转站,并根据每个目标订单对应的最优中转站的中转站信息,将各目标订单拆分为多个子订单。
第三方面,本发明实施例提供一种即时物流订单拆分设备,包括:存储器和至少一个处理器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如第一方面任一项所述的即时物流订单拆分方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如第一方面任一项所述的方法。
本发明实施例提供的即时物流订单拆分方法、装置、设备及存储介质,通过获取预设时间段内多个订单的订单信息,根据多个订单信息进行地理区域的划分,得到地理区域信息,并根据各订单的订单信息与地理区域信息确定至少一个目标订单,从预选的多个中转站中确定每个目标订单对应的最优中转站,并根据每个目标订单对应的最优中转站的中转站信息,将各目标订单拆分为多个子订单,能够将长距离的目标订单拆分为多个短距离的子订单,以使可以由不同的订单执行用户执行各子订单的配送,提高了订单的配送效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种应用场景示意图;
图2为本发明实施例提供的一种即时物流订单拆分方法的流程示意图;
图3为本发明实施例提供的另一种即时物流订单拆分方法的流程示意图;
图4为本发明实施例提供的一种即时物流订单拆分装置的结构示意图;
图5为本发明实施例提供的一种即时物流订单拆分设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合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作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。
即时物流是一种不需经过仓储而直接将配送货物送达到接收末端的物流模式,其配送范围通常局限于同城,服务品类包括餐饮外卖、生鲜、鲜花、商超等。在实际应用中,通常由一个订单执行用户同时接收多个即时物流配送订单,并负责上述多个订单的配送,即通常由一个订单执行用户负责一个订单的全程配送。
当订单数量较大时,长距离的订单由一个订单执行用户完成配送会花费较长时间,同时产生不必要的配送距离,会对该订单执行用户的其他订单产生影响,降低了配送效率,同时也提高了配送成本,增加了订单执行用户在配送过程中的风险。
为了解决上述问题,本发明实施例将长距离的目标订单根据最优中转站,拆分为多个短距离的子订单,使订单执行用户只负责一定配送范围内的一个短距离的子订单的配送,通过获取预设时间段内多个订单的订单信息,根据上述多个订单信息进行地理区域的划分并得到地理区域信息,根据各订单的订单信息与地理区域信息确定至少一个目标订单,从预选的多个中转站中确定每个目标订单对应的最优中转站,并根据每个目标订单对应的最优中转站的中转站信息,将各目标订单拆分为多个子订单,能够将长距离的目标订单拆分为多个短距离的子订单,从而可以分别由不同订单执行用户执行各子订单的配送,提高了订单的配送效率。
图1为本发明实施例提供的一种应用场景示意图。如图1所示,本发明实施例提供的方案可以应用于即时物流订单拆分设备,该设备获取电子设备或网站服务器发送的多个订单的订单信息,并对上述订单的订单信息进行计算处理,上述即时物流订单拆分设备可以为服务器等,电子设备可以为手机、平板电脑、个人计算机(Personal Computer,简称PC)等。
本发明实施例中提及的订单,均指代即时物流配送订单。
图2为本发明实施例提供的一种即时物流订单拆分方法的流程示意图。本发明实施例中方法的执行主体可以为即时物流订单拆分设备。如图2所示,本实施例中的方法,可以包括:
步骤201、获取预设时间段内多个订单的订单信息,根据所述多个订单信息进行地理区域的划分,得到地理区域信息。
本实施例中,在预设时间段内,获取电子设备或网站服务器发送的订单信息,上述电子设备可以为手机、平板电脑、个人计算机(Personal Computer,简称PC)等。订单信息可以包括商家信息与客户信息。地理区域信息可以包括该地理区域的中心点位置、覆盖半径等信息。根据不同时间段内获取到的不同订单的订单信息,可以实现对地理区域的动态划分,以使地理区域的划分更接近实时情况。
步骤202、根据各订单的订单信息与地理区域信息确定至少一个目标订单。
本实施例中,目标订单为长距离的订单,根据各订单的订单信息以及地理区域的中心点位置、覆盖半径等信息可以确定各订单是否为长距离的目标订单。例如,将订单的起点与订单的终点分别处于两个地理区域的订单确定为目标订单,或将订单的起点与订单的终点之间的直线距离大于一定预设阈值的订单确定为目标订单。
可选的,存在预设时间段内获取的多个订单中存在至少一个目标订单的情况,当然也存在预设时间段内获取的多个订单中不存在目标订单的情况,即不存在需要拆分的长距离的订单的情况,对于上述不存在需要拆分的长距离的订单的情况,则不需要进行最优中转站的确定。
步骤203、从预选的多个中转站中确定每个目标订单对应的最优中转站,并根据每个目标订单对应的最优中转站的中转站信息,将各目标订单拆分为多个子订单。
本实施例中,上述中转站可以根据目标订单的订单信息以及地理区域信息进行预选,例如,中转站可以处于两个相邻的地理区域的中间位置。最优中转站可以根据订单执行用户信息、目标订单的订单信息以及地理区域信息进行确定,其中,订单执行用户信息可以为配送人员信息,中转站信息可以包括中转站位置,例如中转站的经纬度。
进一步的,根据每个目标订单对应的最优中转站的中转站信息,将各目标订单拆分为多个子订单,可以为将长距离的目标订单拆分为从目标订单的起点到最优中转站的一个短距离的子订单,该子订单的终点为最优中转站,以及最优中转站到目标订单的终点的另一个短距离的子订单,该子订单的起点为最优中转站,从而可以由一个订单执行用户完成目标订单的起点到最优中转站的子订单的配送,由另一个订单执行用户完成最优中转站到该目标订单的终点的子订单的配送。
本实施例提供的即时物流订单拆分方法,通过获取预设时间段内多个订单的订单信息,根据多个订单信息进行地理区域的划分,得到地理区域信息,并根据各订单的订单信息与地理区域信息确定至少一个目标订单,从预选的多个中转站中确定每个目标订单对应的最优中转站,并根据每个目标订单对应的最优中转站的中转站信息,将各目标订单拆分为多个子订单,能够将长距离的目标订单拆分为多个短距离的子订单,以使可以由不同的订单执行用户执行各子订单的配送,减少了无效配送距离和时间,提高了订单的配送效率。
为了准确确定最优中转站以及最优中转站的中转站信息,本发明实施例还将采用多种算法准确求解获得多个中转站作为备选中转站,进而准确确定最优中转站。
图3为本发明实施例提供的另一种即时物流订单拆分方法的流程示意图。如图3所示,本实施例是在上述实施例提供的技术方案的基础上,对确定多个中转站以及最终中转站的详细描述。本实施例中的方法,可以包括:
步骤301、获取预设时间段内多个订单的订单信息。
步骤302、采用DBSCAN聚类算法,对所述多个订单的订单起点位置以及订单终点位置进行聚类处理,以根据聚类结果进行地理区域的划分,得到各地理区域的地理区域信息。
步骤301-302限定了对地理区域的划分的过程。
本实施例中,订单信息包括订单起点位置以及订单终点位置,订单起点位置可以为订单起点的经纬度,订单终点位置可以为订单终点的经纬度,具体的,订单信息包括商家信息以及用户信息,相应的,订单起点位置可以为商家位置,订单终点位置可以为用户位置或用户指定位置。
基于密度的空间聚类算法(Density-Based Spatial Clustering ofApplications with Noise,简称DBSCAN)是一种基于密度的空间聚类算法,该聚类算法可将密度紧密相连的对象区域划分为簇,簇的定义为密度相连的数据点的最大集合。将获取到的订单信息中的订单起点位置与订单终点位置作为数据点,采用DBSCAN聚类算法对多个数据点进行聚类处理,将各数据点划分标记为核心点、边界点、或噪声点,删除噪声点并将边界点划分归类于一个与之关联的核心点,进而得到至少一个簇,将每一簇确定为一个地理区域,实现地理区域的动态划分,同时得到该地理区域对应的地理区域信息。
步骤303、根据各订单的订单起点位置与订单终点位置以及地理区域信息判断所述订单是否跨越地理区域,并根据各订单的订单起点位置与订单终点位置计算所述订单对应的最小导航距离。
步骤304、对订单对应的最小导航距离进行分布统计,确定预设距离阈值。
步骤305、若各订单对应的最小导航距离大于预设距离阈值且所述订单跨越地理区域,则确定所述订单为目标订单。
步骤303-305限定了确定至少一个目标订单的过程。
本实施例中,订单对应的最小导航距离可以为该订单的订单起点位置与订单终点位置之间的最佳路径的距离,该最小导航距离的求解可采用现有技术实现,例如,可根据该订单的订单起点位置与订单终点位置,采用现有的导航算法进行计算得到最小导航距离,也可将该订单的订单起点位置与订单终点位置输入至第三方平台,并接收第三方平台返回的导航结果,以得到最小导航距离。对获取到的多个订单对应的最小导航距离进行统计,根据统计结果确定预设距离阈值,例如,将多个最小导航距离进行降序排序,选取排序靠前的最小导航距离作为预设距离阈值。
判断订单是否跨越多个地理区域具体可以为,若订单的订单起点位置与订单终点位置处于不同的地理区域,则确定该订单跨越了多个地理区域。将跨越多个地理区域且最小导航距离大于预设距离阈值的订单确定为目标订单,可以准确地确定需要进行订单拆分的长距离的订单。
示例性的,若预设距离阈值为2km,订单的最小导航距离为3km,且该订单的订单起点位置a处于A地理区域、订单终点位置b处于B地理区域,则确定该订单为目标订单。
步骤306、根据各目标订单的订单起点位置与订单终点位置以及地理区域信息,确定各目标订单所归属的地理区域范围。
步骤307、采用第一算法以及第二算法分别对归属于同一地理区域范围的多个目标订单的订单起点位置与订单终点位置进行求解,获得所述地理区域范围对应的多个中转站的中转站信息。
步骤306-307限定了获得地理区域范围对应的多个中转站的中转站信息的过程。
本实施例中,将相邻的两个地理区域确定为一个地理区域范围。将目标订单进行地理区域范围分类,具体可以为根据目标订单的订单起点位置处于的地理区域,以及该目标订单的订单终点位置处于的地理区域,确定该目标订单归属的地理区域范围,也就是说,归属于同一地理区域范围的目标订单为跨越同两个相邻地理区域的目标订单,以使可以根据归属于同一地理区域范围的多个目标订单进行中转站的确定。
示例性的,若目标订单的订单起点位置a处于地理区域A,订单终点位置b处于与地理区域A相邻的地理区域B,则该目标订单归属于地理区域范围AB。
进一步的,若目标订单的订单起点位置a1处于地理区域A1,订单终点位置an处于地理区域An,而地理区域A1与地理区域An不相邻,即地理区域A1与地理区域An之间还存在地理区域A2……地理区域An-1等地理区域,目标订单跨越地理区域A1、地理区域A2……地理区域An-1以及地理区域An,其中,n为大于或等于3的整数,则将该目标订单进行初步拆分为第一订单、第二订单……第n-1订单,以目标订单的订单起点位置a1作为第一订单的订单起点位置,以地理区域A2的中心点位置作为第一订单的订单终点位置,可以将该目标订单的第一订单归属于地理区域范围A1A2,同时以地理区域A2的中心点位置作为第二订单的订单起点位置,以地理区域A3的中心点位置作为第二订单的订单终点位置,可以将该目标订单的第二订单归属于地理区域范围A2A3,并以此进行类推,得到n-1个订单,即将原来的目标订单拆分为n-1个订单,进而分别确定该n-1个订单是否为目标订单,并将确定为目标订单的订单归属于该订单对应的地理区域范围。
上述情况适用于目标订单跨越两个以上地理区域的场景。
进一步的,采用两种算法分别对归属于同一地理区域范围的多个订单的订单起点位置与订单终点位置进行求解,以获得该地理区域范围对应的多个中转站的中转站信息,为清楚方便地对算法及公式进行描述,对算法及公式中的符号进行如下定义:
P表示包括归属于同一地理区域范围的目标订单的订单起点位置与订单终点位置的点集,其中各订单起点位置与订单终点位置标记为目标点i;
n表示目标点i个数;
xi表示目标点i的经度,i∈P;
yi表示目标点i的纬度,i∈P;
ti表示目标点i所在目标订单的预估配送时间,i∈P;
di表示目标点i到中转站的直线距离,i∈P;
d表示中转站到点集P中所有目标点i的直线距离之和;
d*表示中转站到点集P中所有目标点i的时间加权直线距离之和;
x表示中转站的经度;
y表示中转站的纬度;
R表示地球平均半径。
采用第一算法进行中转站确定的公式为:
di=R*arccos[cos(y)*cos(yi)*cos(x-xi)+sin(y)*sin(yi)] (1)
d=∑i∈Pdi (2)
d*=∑i∈Pti*di (3)
其中,ti可以根据目标点i所在目标订单的订单起点位置与订单终点位置、订单执行用户信息、订单创建时间等,采用长短期记忆神经网络(Long Short-Term Memory,简称LSTM)进行预估获得。根据上述公式分别计算d与d*的最小值,可以确定两个中转站,即获得两个中转站的中转站信息。
采用第二算法进行中转站确定的公式为:
公式(4)可以计算得到所有目标点i的经度的加权平均值,公式(5)可以计算得到所有目标点i的纬度的加权平均值,通过上述公式可以确定一个中转站,即获得一个中转站的中转站信息。
根据第一算法与第二算法分别对归属于同一地理区域范围的多个目标订单的订单起点位置与订单终点位置进行求解,可以确定该地理区域范围对应的三个中转站,即获得三个中转站的中转站信息。
进一步的,上述对多个中转站的确定可以为动态确定,即每个预设时间段内,均对该预设时间段内获取到的归属于同一地理区域范围的多个目标订单的订单信息进行求解,获得地理区域范围对应的多个中转站的中转站信息。
可选的,为了提高运算效率以及节约运算成本,还可以选取特定的预设时间段,根据在特定的预设时间段内获取到的归属于同一地理区域范围的多个目标订单的订单信息进行地理区域范围对应的中转站的确定,并以该特定的预设时间段内确定的中转站作为之后的预设时间段内的中转站,上述特定的预设时间段可以为订单高峰时间段,以使确定的中转站更具有代表性,例如,一天内各选取在早中晚高峰的特定的预设时间段进行中转站的确定。
示例性的,在中午的预设时间段内,例如11:20至11:30的时间段内,采用第一算法以及第二算法对获取到的归属于同一地理区域范围的目标订单进行求解,确定地理区域范围对应的多个中转站,即得到多个中转站的中转站信息,在11:30之后的多个预设时间段内,不再进行中转站的确定,而是以11:20至11:30的时间段内确定的中转站作为中转站。
步骤308、获取各地理区域范围的订单执行用户信息以及订单发起端用户信息。
步骤309、根据归属于同一地理区域范围的订单执行用户信息、订单发起端用户信息、中转站信息以及订单信息,采用ALNS算法确定所述地理区域范围对应的最优中转站的中转站信息,并根据所述最优中转站的中转站信息,将各目标订单拆分为多个子订单。
步骤308-309限定了确定地理区域范围对应的最优中转站的中转站信息的过程。
本实施例中,订单执行用户信息包括订单执行用户载货量、订单执行用户固定使用成本、订单执行用户的路径规划,具体的,订单执行用户可以为配送人员,相应的,订单执行用户信息可以为配送人员信息;订单发起端用户信息包括订单出单时间,具体的,订单发起端用户可以为商家,相应的,订单发起端用户信息可以为商家信息;中转站信息包括中转站位置、中转站建设成本;订单信息包括订单起点位置、订单终点位置、配送物品需求量、订单接受时间窗、订单理想时间窗,其中,订单接受时间窗可以为用户可接受的时间窗,超出订单接受时间窗则用户不能接受,订单理想时间窗可以为用户理想的时间窗,超出订单理想时间窗而不超过订单接受时间窗,会产生一定的惩罚成本,但用户可以接受。
具体的,采用自适应大邻域搜索算法(Adaptive Large Neighborhood Search,简称ALNS)确定地理区域范围对应的最优中转站具体可以为:根据获取到的归属于同一地理区域范围的各目标订单的订单起点位置与订单终点位置、中转站位置以及订单执行用户的路径规划构造多个初始解,分别对多个初始解进行邻域搜索迭代。对每个初始解进行邻域搜索迭代具体可以为:在本轮迭代中,通过轮盘赌的方式选择破坏算子和修复算子,并通过破坏算子对初始解进行破坏,通过修复算子对被破坏算子破坏的初始解进行修复,进而得到当前解,将当前解与初始解进行优劣性比较,若当前解优于初始解,则将当前解与最优解进行优劣性比较,若当前解优于最优解,则将当前解作为最优解;若当前解劣于初始解或劣于最优解,则保持最优解不变。本轮迭代中,若当前解优于初始解,则以当前解作为下一轮迭代中的初始解;若当前解劣于初始解,则以模拟退火准则的概率选择是否接受当前解,若接受,则将当前解作为下一轮迭代中的初始解,若不接受,则保持初始解不变作为下一轮迭代中的初始解进行下一轮迭代,直至达到迭代次数,则输出最优解。其中,在第一次迭代中,将初始解作为最优解。
其中可选的,构造初始解具体可以为:选择地理区域范围对应的任一中转站位置,并将归属于该地理区域范围的各目标订单的订单起点位置与订单终点位置、以及该中转站位置形成订单链随机插入到归属于该地理区域范围的订单执行用户的路径规划中,形成初始配送方案,并判断该初始配送方案是否满足以下约束条件:(1)对于每个目标订单,配送顺序为先订单起点位置后订单终点位置。(2)每个目标订单拆分后的子订单只配送给一个中转站。(3)每个目标订单拆分后的子订单只能由一个订单执行用户进行配送。(4)同一节点到达和出发的订单执行用户的数量相等,其中,节点可以为订单起点位置、订单终点位置、中转站位置。(5)订单执行用户在配送路径中任一节点的待配送的子订单的数量不超过该订单执行用户载货量。(6)从订单起点位置到订单终点位置的配送时间不超过该目标订单对应的订单接受时间窗。若该初始配送方案满足上述约束条件(1)-(6),则将该初始配送方案作为初始解。
可选的,优劣性比较具体可以为,根据成本约束条件,计算各个解对应的惩罚值,惩罚值低的解较优,而惩罚值高的解较劣。成本约束条件为配送成本最低,而配送成本可以根据中转站建设成本、订单执行用户固定使用成本、时间惩罚成本计算得到,其中,每个解中各个目标订单从订单起点位置到订单终点位置的配送时间超过该目标订单对应的订单理想时间窗后产生的惩罚成本之和,即为每个解对应的时间惩罚成本。配送成本越低,则根据成本约束条件得到的惩罚值越低,配送成本越高,则根据成本约束条件得到的惩罚值越高。
进一步的,对多个初始解分别进行邻域搜索迭代后可得到多个最优解,将上述多个最优解进行优劣性比较,选择惩罚值最低的最优解作为最终解,并根据生成最终解的初始解确定最优中转站,得到最优中转站的中转站信息,进而可以根据最优中转站的中转站信息,将各目标订单拆分为多个子订单,同时也可以根据最终解确定最优订单分配与最优路径规划。
步骤310、确定与各目标订单中多个子订单对应的最优订单分配与最优路径规划。
可选的,最优订单分配与最优路径规划可以结合前述实施例中的ALNS算法,与确定地理区域范围对应的最优中转站的中转站信息一并实现,或可以采用现有技术,即现有的一些常用的订单分配方式和路径规划方式实现。
本实施例提供的即时物流订单拆分方法,通过获取预设时间段内的多个订单的订单信息,采用DBSCAN聚类算法对订单信息进行聚类处理,确定地理区域,并将最小导航距离大于预设距离阈值且跨越地理区域的订单确定为目标订单,进而采用第一算法以及第二算法分别对归属于同一地理区域范围的多个目标订单进行求解,获得该地理区域范围对应的多个中转站的中转站信息,并获取各地理区域范围的订单执行用户信息以及订单发起端用户信息,采用ALNS算法根据上述信息进行最优中转站的确定,并根据最优中转站的中转站信息将各目标订单拆分为多个子订单,能够通过确定最优中转站,将长距离的目标订单拆分为多个短距离的子订单,以使可以由不同的订单执行用户执行各子订单的配送,减少了无效配送距离和时间,提高了订单的配送效率。
图4为本发明实施例提供的一种即时物流订单拆分装置的结构示意图。如图4所示,本实施例提供的即时物流订单拆分装置,可以包括:获取模块41、确定模块42和执行模块43。
判断模块41,用于获取预设时间段内多个订单的订单信息,根据所述多个订单信息进行地理区域的划分,得到地理区域信息;
确定模块42,用于根据各订单的订单信息与地理区域信息确定至少一个目标订单;
执行模块43,用于从预选的多个中转站中确定每个目标订单对应的最优中转站,并根据每个目标订单对应的最优中转站的中转站信息,将各目标订单拆分为多个子订单。
在一种可选的实现方式中,所述订单信息包括订单起点位置以及订单终点位置;
所述获取模块41具体用于:
获取预设时间段内多个订单的订单信息;
采用DBSCAN聚类算法,对所述多个订单的订单起点位置以及订单终点位置进行聚类处理,以根据聚类结果进行地理区域的划分,得到各地理区域的地理区域信息。
在一种可选的实现方式中,所述确定模块42具体用于:
根据各订单的订单起点位置与订单终点位置以及地理区域信息判断所述订单是否跨越地理区域,并根据各订单的订单起点位置与订单终点位置计算所述订单对应的最小导航距离;
根据所述订单对应的最小导航距离以及所述订单是否跨越地理区域,确定目标订单。
在一种可选的实现方式中,所述确定模块42在根据所述订单对应的最小导航距离以及所述订单是否跨越地理区域,确定目标订单时,还具体用于:
对订单对应的最小导航距离进行分布统计,确定预设距离阈值;
若各订单对应的最小导航距离大于预设距离阈值且所述订单跨越地理区域,则确定所述订单为目标订单。
在一种可选的实现方式中,所述执行模块43在从预选的多个中转站中确定每个目标订单对应的最优中转站之前,具体用于:
根据各目标订单的订单起点位置与订单终点位置以及地理区域信息,确定各目标订单所归属的地理区域范围;
采用第一算法以及第二算法分别对归属于同一地理区域范围的多个目标订单的订单起点位置与订单终点位置进行求解,获得所述地理区域范围对应的多个中转站的中转站信息。
在一种可选的实现方式中,所述执行模块43具体用于:
获取各地理区域范围的订单执行用户信息以及订单发起端用户信息;
根据归属于同一地理区域范围的订单执行用户信息、订单发起端用户信息、中转站信息以及订单信息,采用ALNS算法确定所述地理区域范围对应的最优中转站的中转站信息,并根据所述最优中转站的中转站信息,将各目标订单拆分为多个子订单。
在一种可选的实现方式中,所述执行模块43,还用于:
确定与各目标订单中多个子订单对应的最优订单分配与最优路径规划。
本实施例提供的即时物流订单拆分装置,可以执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图5为本发明实施例提供的一种即时物流订单拆分设备的结构示意图。如图5所示,本实施例提供的即时物流订单拆分设备,包括:存储器51和至少一个处理器52;
所述存储器51存储计算机执行指令;
所述至少一个处理器52执行所述存储器51存储的计算机执行指令,使得所述至少一个处理器52执行上述任一实施例所述的即时物流订单拆分方法。
其中,存储器51和处理器52可以通过总线53连接。
本实施例提供的即时物流订单拆分设备的具体实现原理和效果可以参见图1-图3所示实施例对应的相关描述和效果,此处不做过多赘述。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上述任一实施例所述的方法。
其中,计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块的划分,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,例如多个模块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接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块来实现本实施例方案。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块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)或处理器执行本申请各个实施例所述方法的部分步骤。
应理解,上述处理器可以是中央处理单元(Central Processing Unit,简称CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific Integrated 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。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,简称ISA)总线、外部设备互连(Peripheral Component Interconnect,简称PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,简称EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。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。
一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits,简称ASIC)中。当然,处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求书指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求书来限制。
Claims (7)
1.一种即时物流订单拆分方法,其特征在于,包括:
获取预设时间段内多个订单的订单信息,根据所述多个订单信息进行地理区域的划分,得到地理区域信息;
根据各订单的订单信息与地理区域信息确定至少一个目标订单;
从预选的多个中转站中确定每个目标订单对应的最优中转站,并根据每个目标订单对应的最优中转站的中转站信息,将各目标订单拆分为多个子订单;
所述根据各订单的订单信息与地理区域信息确定至少一个目标订单,包括:
根据各订单的订单起点位置与订单终点位置以及地理区域信息判断所述订单是否跨越地理区域,并根据各订单的订单起点位置与订单终点位置计算所述订单对应的最小导航距离;
根据所述订单对应的最小导航距离以及所述订单是否跨越地理区域,确定目标订单;
所述从预选的多个中转站中确定每个目标订单对应的最优中转站之前,还包括:
根据各目标订单的订单起点位置与订单终点位置以及地理区域信息,确定各目标订单所归属的地理区域范围;
采用第一算法以及第二算法分别对归属于同一地理区域范围的多个目标订单的订单起点位置与订单终点位置进行求解,获得所述地理区域范围对应的多个中转站的中转站信息;
所述从预选的多个中转站中确定每个目标订单对应的最优中转站,并根据每个目标订单对应的最优中转站的中转站信息,将各目标订单拆分为多个子订单,包括:
获取各地理区域范围的订单执行用户信息以及订单发起端用户信息;
根据归属于同一地理区域范围的订单执行用户信息、订单发起端用户信息、中转站信息以及订单信息,采用ALNS算法确定所述地理区域范围对应的最优中转站的中转站信息,并根据所述最优中转站的中转站信息,将各目标订单拆分为多个子订单;
其中,采用两种算法分别对归属于同一地理区域范围的多个订单的订单起点位置与订单终点位置进行求解,以获得该地理区域范围对应的多个中转站的中转站信息,对算法及公式中的符号进行如下定义:
P表示包括归属于同一地理区域范围的目标订单的订单起点位置与订单终点位置的点集,其中各订单起点位置与订单终点位置标记为目标点i;
n表示目标点i个数;
xi表示目标点i的经度,i∈P;
yi表示目标点i的纬度,i∈P;
ti表示目标点i所在目标订单的预估配送时间,i∈P;
di表示目标点i到中转站的直线距离,i∈P;
d表示中转站到点集P中所有目标点i的直线距离之和;
d*表示中转站到点集P中所有目标点i的时间加权直线距离之和;
x表示中转站的经度;
y表示中转站的纬度;
R表示地球平均半径;
采用第一算法进行中转站确定的公式为:
di=R*arccos[cos(y)*cos(yi)*cos(x-xi)+sin(y)*sin(yi)] (1)
d=∑i∈Pdi (2)
d*=∑i∈Pti*di (3)
其中,ti根据目标点i所在目标订单的订单起点位置与订单终点位置、订单执行用户信息、订单创建时间等,采用长短期记忆神经网络进行预估获得;根据上述公式分别计算d与d*的最小值,确定两个中转站,即获得两个中转站的中转站信息;
采用第二算法进行中转站确定的公式为:
公式(4)计算得到所有目标点i的经度的加权平均值,公式(5)计算得到所有目标点i的纬度的加权平均值,通过上述公式确定一个中转站,即获得一个中转站的中转站信息;
根据第一算法与第二算法分别对归属于同一地理区域范围的多个目标订单的订单起点位置与订单终点位置进行求解,确定该地理区域范围对应的三个中转站,即获得三个中转站的中转站信息。
2.根据权利要求1所述的方法,其特征在于,所述订单信息包括订单起点位置以及订单终点位置;
所述获取预设时间段内多个订单的订单信息,根据所述多个订单信息进行地理区域的划分,得到地理区域信息,包括:
获取预设时间段内多个订单的订单信息;
采用DBSCAN聚类算法,对所述多个订单的订单起点位置以及订单终点位置进行聚类处理,以根据聚类结果进行地理区域的划分,得到各地理区域的地理区域信息。
3.根据权利要求1所述的方法,其特征在于,所述根据所述订单对应的最小导航距离以及所述订单是否跨越地理区域,确定目标订单,包括:
对订单对应的最小导航距离进行分布统计,确定预设距离阈值;
若各订单对应的最小导航距离大于预设距离阈值且所述订单跨越地理区域,则确定所述订单为目标订单。
4.根据权利要求1所述的方法,其特征在于,还包括:
确定与各目标订单中多个子订单对应的最优订单分配与最优路径规划。
5.一种即时物流订单拆分装置,其特征在于,包括:
获取模块,用于获取预设时间段内多个订单的订单信息,根据所述多个订单信息进行地理区域的划分,得到地理区域信息;
确定模块,用于根据各订单的订单信息与地理区域信息确定至少一个目标订单;
执行模块,用于从预选的多个中转站中确定每个目标订单对应的最优中转站,并根据每个目标订单对应的最优中转站的中转站信息,将各目标订单拆分为多个子订单;
所述确定模块,具体用于根据各订单的订单起点位置与订单终点位置以及地理区域信息判断所述订单是否跨越地理区域,并根据各订单的订单起点位置与订单终点位置计算所述订单对应的最小导航距离;根据所述订单对应的最小导航距离以及所述订单是否跨越地理区域,确定目标订单;
所述执行模块在从预选的多个中转站中确定每个目标订单对应的最优中转站之前,具体用于根据各目标订单的订单起点位置与订单终点位置以及地理区域信息,确定各目标订单所归属的地理区域范围;
采用第一算法以及第二算法分别对归属于同一地理区域范围的多个目标订单的订单起点位置与订单终点位置进行求解,获得所述地理区域范围对应的多个中转站的中转站信息;
所述执行模块具体用于获取各地理区域范围的订单执行用户信息以及订单发起端用户信息;
根据归属于同一地理区域范围的订单执行用户信息、订单发起端用户信息、中转站信息以及订单信息,采用ALNS算法确定所述地理区域范围对应的最优中转站的中转站信息,并根据所述最优中转站的中转站信息,将各目标订单拆分为多个子订单;
其中,采用两种算法分别对归属于同一地理区域范围的多个订单的订单起点位置与订单终点位置进行求解,以获得该地理区域范围对应的多个中转站的中转站信息,对算法及公式中的符号进行如下定义:
P表示包括归属于同一地理区域范围的目标订单的订单起点位置与订单终点位置的点集,其中各订单起点位置与订单终点位置标记为目标点i;
n表示目标点i个数;
xi表示目标点i的经度,i∈P;
yi表示目标点i的纬度,i∈P;
ti表示目标点i所在目标订单的预估配送时间,i∈P;
di表示目标点i到中转站的直线距离,i∈P;
d表示中转站到点集P中所有目标点i的直线距离之和;
d*表示中转站到点集P中所有目标点i的时间加权直线距离之和;
x表示中转站的经度;
y表示中转站的纬度;
R表示地球平均半径;
采用第一算法进行中转站确定的公式为:
di=R*arccos[cos(y)*cos(yi)*cos(x-xi)+sin(y)*sin(yi)] (1)
d=∑i∈Pdi (2)
d*=∑i∈Pti*di (3)
其中,ti根据目标点i所在目标订单的订单起点位置与订单终点位置、订单执行用户信息、订单创建时间等,采用长短期记忆神经网络进行预估获得;根据上述公式分别计算d与d*的最小值,确定两个中转站,即获得两个中转站的中转站信息;
采用第二算法进行中转站确定的公式为:
公式(4)计算得到所有目标点i的经度的加权平均值,公式(5)计算得到所有目标点i的纬度的加权平均值,通过上述公式确定一个中转站,即获得一个中转站的中转站信息;
根据第一算法与第二算法分别对归属于同一地理区域范围的多个目标订单的订单起点位置与订单终点位置进行求解,确定该地理区域范围对应的三个中转站,即获得三个中转站的中转站信息。
6.一种即时物流订单拆分设备,其特征在于,包括:存储器和至少一个处理器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1-4任一项所述的即时物流订单拆分方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110262276.7A CN112950119B (zh) | 2021-03-10 | 2021-03-10 | 即时物流订单拆分方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110262276.7A CN112950119B (zh) | 2021-03-10 | 2021-03-10 | 即时物流订单拆分方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112950119A CN112950119A (zh) | 2021-06-11 |
CN112950119B true CN112950119B (zh) | 2022-09-30 |
Family
ID=76229227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110262276.7A Active CN112950119B (zh) | 2021-03-10 | 2021-03-10 | 即时物流订单拆分方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112950119B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113902382A (zh) * | 2021-11-22 | 2022-01-07 | 北京京东乾石科技有限公司 | 运单生成方法和装置 |
CN114186758B (zh) * | 2022-02-15 | 2022-08-05 | 杭州杰牌传动科技有限公司 | 一种面向成本最优的厂内物流配送方法 |
CN115099755B (zh) * | 2022-07-25 | 2022-11-11 | 深圳市中农网有限公司 | 一种即时物流订单拆分方法及装置 |
CN115994726B (zh) * | 2023-03-21 | 2023-06-13 | 北京德风新征程科技股份有限公司 | 派送路径调整方法、装置、电子设备和计算机可读介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006126996A1 (en) * | 2005-05-24 | 2006-11-30 | Michael Saigh | System, method and process for order and delivery of classified goods and services through an amalgamated drive-thru complex |
CN108921472A (zh) * | 2018-06-30 | 2018-11-30 | 华南理工大学 | 一种多车型的两阶段车货匹配方法 |
CN109003011A (zh) * | 2017-06-06 | 2018-12-14 | 北京三快在线科技有限公司 | 配送服务资源的分配方法及装置、电子设备 |
CN109872106A (zh) * | 2019-02-18 | 2019-06-11 | 上海拉扎斯信息科技有限公司 | 信息处理系统、中转装置、信息处理方法及服务器 |
CN111311138A (zh) * | 2018-12-11 | 2020-06-19 | 顺丰科技有限公司 | 同城快件配送方法、装置、设备及存储介质 |
-
2021
- 2021-03-10 CN CN202110262276.7A patent/CN112950119B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006126996A1 (en) * | 2005-05-24 | 2006-11-30 | Michael Saigh | System, method and process for order and delivery of classified goods and services through an amalgamated drive-thru complex |
CN109003011A (zh) * | 2017-06-06 | 2018-12-14 | 北京三快在线科技有限公司 | 配送服务资源的分配方法及装置、电子设备 |
CN108921472A (zh) * | 2018-06-30 | 2018-11-30 | 华南理工大学 | 一种多车型的两阶段车货匹配方法 |
CN111311138A (zh) * | 2018-12-11 | 2020-06-19 | 顺丰科技有限公司 | 同城快件配送方法、装置、设备及存储介质 |
CN109872106A (zh) * | 2019-02-18 | 2019-06-11 | 上海拉扎斯信息科技有限公司 | 信息处理系统、中转装置、信息处理方法及服务器 |
Non-Patent Citations (1)
Title |
---|
考虑订单发货区域的物流配送调度问题研究;王桢等;《计算机应用研究》;20150707;第33卷(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112950119A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112950119B (zh) | 即时物流订单拆分方法、装置、设备及存储介质 | |
CN107122369B (zh) | 一种业务数据处理方法、装置和系统 | |
US20170018038A1 (en) | Data analyzing system and method | |
CN106874356B (zh) | 地理位置信息管理方法和装置 | |
CN110322295B (zh) | 关系强度确定方法及系统、服务器、计算机可读介质 | |
CN111881243A (zh) | 一种出租车轨迹热点区域分析方法及系统 | |
Mu et al. | A spatial‐knowledge‐enhanced heuristic for solving the p‐median problem | |
CN107944697B (zh) | 基于供需关系的热地图计算方法和系统、服务器、介质 | |
CN107330709B (zh) | 确定目标对象的方法及装置 | |
Lu et al. | A sample average approximation approach for the stochastic dial-a-ride problem on a multigraph with user satisfaction | |
CN112287503B (zh) | 用于交通需求预测的动态空间网络构建方法 | |
CN110826943B (zh) | 判断是否需要进行配车及确定公交配车数的方法及相关设备 | |
CN110619090B (zh) | 一种区域吸引力评估方法及设备 | |
Cho et al. | Spatiotemporal multi‐objective optimization for competitive mobile vendors’ location and routing using de facto population demands | |
US11997508B2 (en) | Geospatial-based forecasting for access point deployments | |
CN115759660A (zh) | 一种无人驾驶车辆的调度方法、装置、设备和介质 | |
CN114448813A (zh) | 一种网络扩容比例的确定方法、装置、服务器及介质 | |
CN115511343A (zh) | 一种城市核心区域的确定方法、装置、设备以及存储介质 | |
CN112051843B (zh) | 基于订单预估的路径规划方法、装置、机器人和存储介质 | |
CN115099865A (zh) | 一种数据处理方法和装置 | |
CN113971247A (zh) | 数据处理方法及计算机程序产品 | |
CN111833595B (zh) | 共享汽车辅助车辆配置方法、电子设备及存储介质 | |
CN113689084A (zh) | 一种资源属性的确定方法及装置 | |
CN113379464A (zh) | 基于区块链的网点选址方法、装置、设备和存储介质 | |
CN113837677A (zh) | 物流线路生成策略的确定方法、装置以及设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |