CN113011814A - 派单方法、装置、电子设备及可读存储介质 - Google Patents
派单方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN113011814A CN113011814A CN202110250011.5A CN202110250011A CN113011814A CN 113011814 A CN113011814 A CN 113011814A CN 202110250011 A CN202110250011 A CN 202110250011A CN 113011814 A CN113011814 A CN 113011814A
- Authority
- CN
- China
- Prior art keywords
- order
- driver
- new
- time
- freight
- 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.)
- Withdrawn
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
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种派单方法、装置、电子设备及可读存储介质,涉及计算机技术领域。该方法通过考虑处于执行状态中的货运订单的卸货时间及卸货时长,以此可以更加准确地确定出司机的空车时间,从而能够基于空车时间判断是否将新货运订单派发给该司机,这样可以避免向司机派发其还不处于空车时间时就需要装货的订单,从而可有效减少司机拒单的概率,提高司机接单的概率,进而提高货运效率。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种派单方法、装置、电子设备及可读存储介质。
背景技术
在货运领域,一般为了提高货运效率,需要对司机提前进行预派单,而在派单时一般是仅考虑车辆是否能够承载货物、运输路线是否合适等,但对于司机完成一笔订单后是否能够很快承运另外一单货物没有充分考虑。采用预派单的模式,经常会因为上一票货物未卸完、上一票货物的运输影响下一票货物的承运等原因造成司机拒绝接单,从而影响货运效率。
发明内容
本申请实施例的目的在于提供一种派单方法、装置、电子设备及可读存储介质,用以提高司机接单概率,以进一步提高货运效率。
第一方面,本申请实施例提供了一种派单方法,所述方法包括:获取处于执行状态中的货运订单的卸货地;查找是否有满足预设条件的新货运订单,所述预设条件包括所述新货运订单的装货地在所述卸货地的预设范围内;若有,则获取所述货运订单的卸货时间及卸货时长,并根据所述卸货时间和所述卸货时长预测承接所述货运订单的司机的空车时间;基于所述空车时间判断是否将所述新货运订单推送给所述司机的终端设备。
在上述实现过程中,通过考虑处于执行状态中的货运订单的卸货时间及卸货时长,以此可以更加准确地确定出司机的空车时间,从而能够基于空车时间判断是否将新货运订单派发给该司机,这样可以避免向司机派发其还不处于空车时间时就需要装货的订单,从而可有效减少司机拒单的概率,提高司机接单的概率,进而提高货运效率。
可选地,获取所述货运订单的卸货时长,包括:
查找卸货位置包含所述卸货地的多个历史货运订单;
获取所述多个历史货运订单在所述卸货地的平均卸货时长;
根据所述平均卸货时长确定所述货运订单的卸货时长。
在上述实现过程中,通过依据历史货运订单的平均卸货时长,从而可以基于历史情况获得更加贴合实际的卸货情况,进而更加准确预测出货运订单的卸货时长。
可选地,获取所述货运订单的卸货时长,包括:
将所述卸货地的地址特征信息以及所述货运订单的货物信息输入人工智能模型中,通过所述人工智能模型预测所述货运订单的卸货时长。
在上述实现过程中,通过人工智能模型准确预测得出货运订单的卸货时长,相比于人为凭借经验设置卸货时长的方式,该方式更加准确,且自动预测,无需人工参与,可避免由于人工设置的卸货时长对于空车时间的预测不准确的问题。
可选地,所述基于所述空车时间判断是否将新货运订单推送给所述司机的终端设备,包括:
根据所述空车时间以及所述卸货地与所述新货运订单的装货地之间的距离预估所述司机到达所述新货运订单的装货地的到达时间;
从所述新货运订单的订单信息中获取所述新货运订单的货物的装货时间;
若所述到达时间早于所述装货时间,则向所述司机的终端设备推送所述新货运订单。
在上述实现过程中,这种方式中可以考虑司机的到达时间,可有效提高接单的成功率,以避免给路途较远的司机进行派单而导致司机拒绝接单的情况。
可选地,所述向所述司机的终端设备推送所述新货运订单,包括:
根据所述到达时间或所述装货时间确定所述新货运订单是否需要夜间装货或跨夜装货;
若需要,则向所述新货运订单的货主的终端设备发送加价提示信息;
若确定所述货主同意加价,则向所述司机的终端设备推送所述新货运订单。
在上述实现过程中,若需要夜间装货或跨夜装货的订单,则向货主发送加价提示信息,可使得司机更愿意接单,有效提高司机的接单概率。
可选地,所述向所述司机的终端设备推送所述新货运订单,包括:
获取所述新货运订单的货物信息;
获取所述货运订单的货物信息;
判断所述新货运订单的货物信息是否与所述货运订单的货物信息匹配;
若匹配,则向所述司机的终端设备推送所述新货运订单。
在上述实现过程中,将货物信息匹配的订单推送给司机,既可以考虑到货主的货物是否受影响的情况下,也考虑到货物匹配率对司机接单率的影响,从而可增加订单成交的成功率。
可选地,所述向所述司机的终端设备推送所述新货运订单,包括:
若确定所述到达时间早于所述装货时间的司机有多个时,则获取各个司机的接单概率;
向接单概率最高的司机的终端设备推送所述新货运订单。
在上述实现过程中,通过向接单概率最高的司机推送该新货运订单,这样即可增加该新货运订单的接单成功率。
可选地,所述向接单概率最高的司机的终端设备推送所述新货运订单之后,还包括:
若所述接单概率最高的司机拒绝接单,则按照接单概率由大到小的方式依次向其他司机的终端设备推送所述新货运订单,直至有司机接单或者推送给接单概率最小的一个司机的终端设备终止。
在上述实现过程中,通过依次向接单概率由大到小的司机推送订单,这样可以优先确保接单概率大的司机能够承接该订单,以提高订单成交的成功率。
可选地,所述方法还包括:
若多个所述司机中的任一司机拒绝接单的次数达到预设次数时,则不对该司机的终端设备继续推送新的订单。
可选地,若多个所述司机均拒绝接单,所述方法还包括:
获取与所述新货运订单匹配的多个其他司机;
向每个其他司机的终端设备推送所述新货运订单。这样可以将新的订单分配给其他更愿意接单的司机,以提高接单的成功率。
可选地,所述获取各个司机的接单概率,包括:
获取各个司机当前承接的货运订单的卸货地到所述新货运订单的装货地的距离、各个司机的空车时间、各个司机到达所述新货运订单的装货地的到达时间、以及各个司机到达所述新货运订单的装货地的路线情况;
根据所述距离、所述各个司机的空车时间、各个司机到达所述新货运订单的装货地的到达时间、以及各个司机到达所述新货运订单的装货地的路线情况,获取各个司机的接单概率。
在上述实现过程中,通过考虑各种信息来综合确定各个司机的接单概率,从而可以更加准确确定出各个司机的接单概率。
第二方面,本申请实施例提供了一种派单装置,所述装置包括:
卸货地获取模块,用于获取处于执行状态中的货运订单的卸货地;
订单查找模块,用于查找是否有满足预设条件的新货运订单,所述预设条件包括所述新货运订单的装货地在所述卸货地的预设范围内;
空车时间预测模块,用于若查找到有满足预设条件的新货运订单,则获取所述货运订单的卸货时间及卸货时长,并根据所述卸货时间和所述卸货时长预测承接所述货运订单的司机的空车时间;
派单模块,用于基于所述空车时间判断是否将所述新货运订单推送给所述司机的终端设备。
可选地,所述空车时间预测模块,用于查找卸货位置包含所述卸货地的多个历史货运订单;获取所述多个历史货运订单在所述卸货地的平均卸货时长;根据所述平均卸货时长确定所述货运订单的卸货时长。
可选地,所述空车时间预测模块,用于将所述卸货地的地址特征信息以及所述货运订单的货物信息输入人工智能模型中,通过所述人工智能模型预测所述货运订单的卸货时长。
可选地,所述派单模块,用于根据所述空车时间以及所述卸货地与所述新货运订单的装货地之间的距离预估所述司机到达所述新货运订单的装货地的到达时间;从所述新货运订单的订单信息中获取所述新货运订单的货物的装货时间;若所述到达时间早于所述装货时间,则向所述司机的终端设备推送所述新货运订单。
可选地,所述派单模块,用于根据所述到达时间或所述装货时间确定所述新货运订单是否需要夜间装货或跨夜装货;若需要,则向所述新货运订单的货主的终端设备发送加价提示信息;若确定所述货主同意加价,则向所述司机的终端设备推送所述新货运订单。
可选地,所述派单模块,用于获取所述新货运订单的货物信息;获取所述货运订单的货物信息;判断所述新货运订单的货物信息是否与所述货运订单的货物信息匹配;若匹配,则向所述司机的终端设备推送所述新货运订单。
可选地,所述派单模块,用于若确定所述到达时间早于所述装货时间的司机有多个时,则获取各个司机的接单概率;向接单概率最高的司机的终端设备推送所述新货运订单。
可选地,所述派单模块,用于若所述接单概率最高的司机拒绝接单,则按照接单概率由大到小的方式依次向其他司机的终端设备推送所述新货运订单,直至有司机接单或者推送给接单概率最小的一个司机的终端设备终止。
可选地,所述派单模块,用于若多个所述司机中的任一司机拒绝接单的次数达到预设次数时,则不对该司机的终端设备继续推送新的订单。
可选地,若多个所述司机均拒绝接单,所述派单模块,用于获取与所述新货运订单匹配的多个其他司机;向每个其他司机的终端设备推送所述新货运订单。
可选地,所述派单模块,用于获取各个司机当前承接的货运订单的卸货地到所述新货运订单的装货地的距离、各个司机的空车时间、各个司机到达所述新货运订单的装货地的到达时间、以及各个司机到达所述新货运订单的装货地的路线情况;根据所述距离、所述各个司机的空车时间、各个司机到达所述新货运订单的装货地的到达时间、以及各个司机到达所述新货运订单的装货地的路线情况,获取各个司机的接单概率。
第三方面,本申请实施例提供一种电子设备,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如上述第一方面提供的所述方法中的步骤。
第四方面,本申请实施例提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
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用于执行派单方法的电子设备的结构示意图;
图2为本申请实施例提供的一种派单方法的流程图;
图3为本申请实施例提供的一种订单推送给司机的示意图;
图4为本申请实施例提供的一种派单装置的结构框图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本申请实施例提供一种派单方法,通过考虑处于执行状态中的货运订单的卸货时间及卸货时长,以此可以更加准确地确定出司机的空车时间,从而能够基于空车时间判断是否将新货运订单派发给该司机,这样可以避免向司机派发其还不处于空车时间时就需要装货的订单,从而可有效减少司机拒单的概率,提高司机接单的概率,进而提高货运效率。
请参照图1,图1为本申请实施例提供的一种用于执行派单方法的电子设备的结构示意图,所述电子设备可以包括:至少一个处理器110,例如CPU,至少一个通信接口120,至少一个存储器130和至少一个通信总线140。其中,通信总线140用于实现这些组件直接的连接通信。其中,本申请实施例中设备的通信接口120用于与其他节点设备进行信令或数据的通信。存储器130可以是高速RAM存储器,也可以是非易失性的存储器(non-volatilememory),例如至少一个磁盘存储器。存储器130可选的还可以是至少一个位于远离前述处理器的存储装置。存储器130中存储有计算机可读取指令,当所述计算机可读取指令由所述处理器110执行时,电子设备执行下述图2所示方法过程,例如,存储器130可用于存储各个历史货运订单的相关信息,处理器110可用于确定出处于执行状态中的货运订单,并针对承接该货运订单的司机筛选出合适的货运订单,然后对该司机进行派单。
可以理解,图1所示的结构仅为示意,所述电子设备还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参照图2,图2为本申请实施例提供的一种派单方法的流程图,该方法包括如下步骤:
步骤S110:获取处于执行状态中的货运订单的卸货地。
上述的电子设备可以是指服务器,司机或货主的终端设备中可安装有货运APP,货运APP可以与电子设备进行数据交互,货主可在货运APP上发布货运订单,司机可通过货运APP来查找货运订单以及进行接单等查找,货运APP可将货主发布的货运订单的相关信息存储在电子设备中,司机接单后,货运APP可将货运订单的更新信息发送给电子设备,以便于电子设备可以对该货运订单的相关信息进行同步更新。货运APP可针对司机接单的订单进行状态跟踪,如对司机的位置、是否卸货等信息进行跟踪,以便于可以及时将这些信息同步给货主,货运APP也可以将这些信息同步给电子设备,进而电子设备可以对各个货运订单的订单状态进行监控,以便于对司机进行预派单。
电子设备可以实时对各个货运订单的状态进行监控,如各个货运订单的状态可以包括:已完成、正在执行、即将执行、等待司机接单等各种状态。
为了提高货运效率,可以提前给正在执行货运订单的司机进行派单,所以,电子设备可以从已存储的各个货运订单中查找处于执行状态中的货运订单,处于执行状态中的订单包括还没完成的订单,一个订单是否完成可以根据货主是否确认收货来确定,若货主确认收货,则认为该订单已结束,在货主确认收货之前,司机接单之后,都认为该订单处于执行状态。
为了避免在司机执行完订单后再为司机派发下一订单使得司机中间的空闲时间较多,导致一方面会大大降低司机的收益,另一方面也会降低货运效率的问题,所以,提取为承接处于执行状态中的货运订单的司机进行派单。其派单的依据是为司机分配其执行的订单的卸货地的预设范围内的订单,这样司机可以尽快赶到下一订单的装货地,提高司机的接单概率,所以,还需要获取处于执行状态中的货运订单的卸货地。
一般来说,其货运订单的订单信息中包含有该司机执行该货运订单的详细信息,如装货地、装货时间、货主信息、货物类型、货物体积和重量、卸货地、卸货时间、卸货时长、运输价格等信息,这些信息可以是货主在发布订单时所填写的信息,也或者是司机在接单后与货主协商沟通后将这些信息上传至货运APP,并且若这些信息变动后,货主或司机将变更后的信息上传至货运APP,由货运APP同步给电子设备中的。所以,电子设备可从处于执行状态中的货运订单的订单信息中获取卸货地。
在一些实施方式中,为了避免为司机太早进行派单而导致司机拒单的概率较高的问题,上述获取的处于执行状态的货运订单可以是指快执行完的货运订单。例如,若满足以下条件则认为该货运订单为快执行完的订单:当前时间距离该货运订单中规定的卸货时间小于预设值、承接该货运订单的司机的当前位置与该货运订单中规定的卸货地之间的距离小于预设距离、接收到承接该货运订单的司机的预派单请求中的至少一种。
在满足上述至少一种条件时,该承接该货运订单的司机即可为预派单的司机,此时电子设备则可从该司机承接的货运订单的订单信息中获取对应的卸货地。
步骤S120:查找是否有满足预设条件的新货运订单,所述预设条件包括所述新货运订单的装货地在所述卸货地的预设范围内。
为了便于司机能够在卸货之后尽快执行下一订单,所以,可以查找是否有在卸货地的预设范围内的订单,如电子设备中可存储有所有的货运订单的相关信息,从而可从存储的货运订单中找出还未接单的新货运订单,然后获取每个新货运订单中的装货地,判断这些装货地是否在卸货地的预设范围内,若是,表明这个新货运订单满足预设条件。在查找到满足预设条件的新货运订单后,执行步骤S130。
步骤S130:获取所述货运订单的卸货时间及卸货时长,并根据所述卸货时间和所述卸货时长预测承接所述货运订单的司机的空车时间。
考虑到司机在达到卸货地后还因为要卸货需要耽搁一定的时长,所以司机可能并不能马上前往新货运订单的装货地,如果不考虑卸货时长,而是直接将装货时间在其空车时间之前的新货运订单派发给该司机,可能会造成司机还未卸完货就得前往装货地了,这样显然司机不会接单,所以,为了避免这种情况,本申请实施例中还考虑司机的空车时间。
司机的空车时间是由卸货时间和卸货时长决定的,在一些实施方式中,卸货时间和卸货时长可以直接从订单信息中获得,也可以基于司机当前的一些信息获得,如卸货时间可以是根据司机的当前位置与卸货地之间的距离和速度来预估的,例如,当前时间为下午17:00,司机距离卸货地还有15公里,而司机的平均速度为30公里/小时,则达到卸货地的时间为17:30,所以,卸货时间可以预计为17:30,如此可根据司机的实际驾驶情况来获取卸货时间,即卸货时间可以理解为是司机到达卸货地的时间,在一些情况下,司机到达卸货地的时间与实际的卸货时间之间可能间隔有一定的时长,但是为了尽快卸货,一般这个时长很短,所以可以忽略不计,可直接将司机到达卸货地的时间作为卸货时间。当然,若将司机到达卸货地的时间作为卸货时间,其与真正的卸货时间之间的间隔时长可以纳入到卸货时长中。
假如货运订单的订单信息中规定的卸货时长为30分钟,所以司机的空车时间即为18:00,这样既可判断司机在下午六点以后是空车的,可以前往新货运订单的装货地进行装货。
步骤S140:基于所述空车时间判断是否将所述新货运订单推送给所述司机的终端设备。
在获得司机的空车时间后,为了避免在司机在空车时间以前就需要执行新货运订单,则还需要判断新货运订单的装货时间,若装货时间晚于司机的空车时间一定时长,则认为该司机可以接单,例如,若空车时间为18:00,装货时间为19:00,中间有1小时的空闲时间,一定时长可以根据实际需求设定,如设定为30分钟,这样使得司机可以有足够的时间到达新货运订单的装货地,或者预留一定时长,若司机无法在装货时间到达装货地时,可以与货主沟通商量约定晚一点的装货时间,若货主不同意,则司机可以拒绝接单。
例如,司机A承运一票货物,预计到达卸货地的卸货时间是上午10:00,卸货时长为1个小时,则其预估空车时间为上午11:00,而另有一个新货运订单,需要在下午14:00以前承运,而司机A在11:00卸完货后,预估能够在14:00以前行驶到新货运订单的装货地,则可将该新货运订单在上午11:00以前就推送给司机A的终端设备,司机A可根据实际需求选择是否接单。
可以理解地,将新货运订单推送给司机的终端设备可以理解为是将新货运订单通过货运APP分配给司机,或者将新货运订单通过短信或电话等其他方式通知司机,使得司机可以通过短信或电话的提示信息知晓已分配的货运订单。
在上述实现过程中,通过考虑处于执行状态中的货运订单的卸货时间及卸货时长,以此可以更加准确地确定出司机的空车时间,从而能够基于空车时间判断是否将新货运订单派发给该司机,这样可以避免向司机派发其还不处于空车时间时就需要装货的订单,从而可有效减少司机拒单的概率,提高司机接单的概率,进而提高货运效率。
在现有技术中,卸货时长一般是根据单位货物的卸货速度乘以货物数量来计算获得的,但是这适用于港口集装箱装卸等标准化程度很高的场景,对于货车运输来说,另外一种场景是预先设置一个卸货时长,货物到达后只要在卸货时长内完成卸货即可,但是长途货运由于路上影响因素多,一般卸货时长会设置得特别长,这就使得利用这卸货时长来计算空车时间也不是很准确。因此,在本申请提供的一种实施方式中,可以基于历史订单的运输情况来确定卸货时长。
具体实现过程可以为:查找卸货位置包含所述卸货地的多个历史货运订单,获取多个历史货运订单在所述卸货地的平均卸货时长,根据平均卸货时长确定该货运订单的卸货时长。
可以理解地,为了便于描述,本申请实施例中以处于执行状态的货运订单1来举例说明,其承接货运订单1的司机为司机A,为了给司机A进行预派单,需先确定司机A的空车时间。而对于其他货运订单对应的司机进行派单的方式也如此。
在具体实现过程中,电子设备可从多个历史货运订单中查找卸货位置为货运订单1的卸货地的历史货运订单,例如,若查找到有5个历史货运订单中的卸货位置均为该卸货地,则统计这5个历史货运订单中各个货物的平均卸货时长。其中,在每次卸完货物后,可将卸货时长上传至电子设备进行存储,这样可以直接从这5个历史货运订单的订单信息中获得每个货物的历史卸货时长,然后求平均运算,从而可获得平均卸货时长。例如,司机A当前执行订单是到达某地某菜市场,则电子设备可计算历史货运订单中在该菜市场卸货的平均卸货时长,一种方式是可以直接将平均卸货时长作为该货运订单1的卸货时长,另一种方式是可以将平均卸货时长乘以一预设值,如1.2,获得的值作为该货运订单1的卸货时长。
在上述实现过程中,通过依据历史货运订单的平均卸货时长,从而可以基于历史情况获得更加贴合实际的卸货情况,进而更加准确预测出货运订单的卸货时长。
而平均卸货时长的计算方式对于卸货时间离散程度较大的卸货地,其随机偏差较大,这样采用平均卸货时长的方式来确定当前的卸货时长可能不是很准确。因此在另一些实施方式中,获取卸货时长的方式还可以为:将卸货地的地址特征信息以及货运订单的货物信息输入人工智能模型中,通过人工智能模型预测货运订单的卸货时长。
这种方式中,人工智能模型可以是如神经网络模型,或者是一些规则所形成的模型,其神经网络模型可以是经过预先训练的,在训练阶段,可以将大量的历史货运订单中卸货地的地址特征信息以及所卸货物的货物信息以及对应的卸货时长输入神经网络模型,使得神经网络模型可以学习出不同的卸货地的地址特征信息以及所卸货物的卸货信息所对应的卸货时长的规律,从而可以有效提高后续的预测精度,具体的训练过程在此不再详细描述。神经网络模型可以是生成式对抗网络模型、长短期记忆网络模型等,在此不一一举例说明。
其中,卸货地的地址特征信息可以包括卸货地对应的兴趣点(Point OfInterest,POI),可以简单理解为一家具体的工厂、商家或者一个片区。或者地址特征信息还可以包括具体的街道、路、门牌号、地形、地貌、历史交通状况、该卸货地的卸货时间等详细信息,地址特征信息还可以包括卸货地是否为禁区、卸货车辆的排队顺序、是否有卸货工人、卸货方式等特征信息。例如,A工厂在限时禁区6:00-21:00内,有通行证的司机到了就可以直接进去卸货、没有通行证的司机需要等到21点后才可进去卸货,没有通行证的司机卸货时长就需要加上禁区等待时间。卸货时间信息可以包括节假日日期、上下班时间等,例如工厂8:00上班18:00下班,8点前早到的车辆排在前面卸货,卸货较快。晚到如10点到的车辆,因为排队,且临近中午吃饭,卸货较慢。下午18点之后到达的车辆,因为如行吊叉车等工人下班,无法卸货,只能等到第二天早上卸货。
货物信息可以包括货物的名称、类型、重量、体积、包装方式、卸货方式等信息,例如同样是箱装矿泉水,A工厂的卸货方式是叉车卸货、B工厂的卸货方式为人工搬运,叉车卸货的卸货时长较短、人工搬运的卸货时长较长。
将上述的地址特征信息和货物信息输入人工智能模型中,人工智能模型可以学习到不同类型、不同重量、不同体积等不同信息的货物在不同地址特征信息的卸货地的卸货时长的规律,从而在预测货运订单1的卸货时长时,可以将货运订单1的卸货地的地址特征信息以及货物信息输入人工智能模型中,即可通过人工智能模型准确预测得出货运订单1的卸货时长,相比于人为凭借经验设置卸货时长的方式,该方式更加准确,且自动预测,无需人工参与,可避免由于人工设置的卸货时长对于空车时间的预测不准确的问题。
另外,在确定卸货时长时,可以将上述方式中确定出的卸货时长来综合考虑,如依据历史货运订单确定出的卸货时长以及通过人工智能模型预测出的卸货时长对应的准确性来确定,如订单数据较少或者卸货时间分布离散,则以人工智能模型计算的卸货时长为准,其他情况则可采用历史货运订单计算的平均时长。或者,也可以取这两个卸货时长中最长或最短或平均的卸货时长作为货运订单的最终的卸货时长,也就是说,货运订单的最终的卸货时长还可以基于各个方式确定出的卸货时长来综合确定。
在一些实施方式中,在判断是否将新货运订单推送给承接上述货运订单1的司机A的终端设备的方式中,还可以根据空车时间以及卸货地与新货运订单的装货地之间的距离预估司机到达新货运订单的装货地的到达时间,从新货运订单的订单信息中获取新货运订单的货物的装货时间,若到达时间早于装货时间,则向该司机A的终端设备推送该新货运订单。
例如,司机A在上午11:00为空车时间,根据司机A从卸货地到达新货运订单的装货地之间的距离预估司机A的行驶时间,假如为一个小时,则司机A可在中午12:00到达新货运订单的装货地,此时,若新货运订单的装货时间为下午13:00,则司机A的到达时间早于装货时间,则可将新货运订单派发给司机A,若装货时间为上午11:35,则司机A的到达时间晚于装货时间,此时,则不将新货运订单派发给司机A,而是为司机A寻找其他更合适的新货运订单。
在这里,若满足预设条件的新货运订单为多个时,则可以为司机A分配最合适的新货运订单,比如,此时有两个新货运订单,若司机到达其中一个新货运订单的到达时间早于其装货时间,则将该新货运订单分配给该司机,若司机到达两个新货运订单的到达时间均早于其装货时间,则可将其装货时间与到达时间之间的间隔时长最短的新货运订单分配给司机,如司机到达新货运订单2的到达时间为11:00,其装货时间为12:00,司机到达新货运订单3的到达时间为10:30,其装货时间为13:00,则可将新货运订单2推送给该司机的终端设备,这样可以减少司机的等待时间。或者,在其他实施方式中,也可以将与司机的当前位置距离最近的装货地对应的新货运订单派发给司机,如即使司机到达新货运订单3的到达时间与装货时间的间隔时长较长,但是新货运订单3的装货地比新货运订单2的装货地距离司机当前所处的卸货地更近,则将新货运订单3分配给该司机,这种方式可以减少司机承接该新货运订单的成本,如距离短油耗更低。
或者,也可以将两个新货运订单都推送给司机的终端设备,由司机自己选择承接哪个新货运订单。
在上述实现过程中,这种方式中可以考虑司机的到达时间,可有效提高接单的成功率,以避免给路途较远的司机进行派单而导致司机拒绝接单的情况。
在一些实施方式中,为了确保司机更愿意接单,如果司机到达新的装货地后,需要过夜装货时,则可以向货主发送加价提示信息,具体实现方式为:根据到达时间或装货时间确定新货运订单是否需要夜间装货或跨夜装货,若需要,则向新货运订单的货主的终端设备发送加价提示信息,若确定货主同意加价,则向司机的终端设备推送该新货运订单。
例如,司机A在卸货完上一票货物后,预估空车时间为下午17:00,而A到达新货运订单的装货地的时间为下午19:00,或者装货时间为第二天上午7:00,这两种情况都确定新货运订单需要夜间装货或跨夜装货,因为对于长途货车司机而言,当天装货、夜间行车是最经济、最省成本的(因为夜间路上车辆少,能够少踩刹车从而省油)。因此如果夜间装货或跨夜装货的话,司机可能需要更高的价格才更愿意接单。
所以,对于判断是否需要夜间装货或跨夜装货的方式中,可以设置需要夜间装货或跨夜装货的到达时间和装货时间的时间范围,如到达时间对应的时间范围为18:00-第二天7:00,装货时间为12:00-第二天7:00,如果司机的到达时间在这个时间范围内,或者装货时间在这个时间范围内,则均可以认为新货运订单需要在夜间装货或跨夜装货,否则,不需要夜间装货或跨夜装货,可以根据到达时间或装货时间来确定是否需要夜间装货或跨夜装货。
在确定需要夜间装货或跨夜装货时,电子设备可通过货运APP向货主发送加价提示信息,以提示货主适当加价可提高接单成功率,货主可以通过货运APP将运输价格进行修改,货运APP收到更新后的价格后同步给电子设备,若电子设备确定货主修改后的价格相比于之前的价格是加价了,则可向该司机的终端设备推送新货运订单。或者,或者也可以通过货运APP向电子设备反馈加价意愿,如货主在货运APP中点击“愿意加价”的相关按钮,则电子设备在确定货主出发该按钮后,则可确定货主同意加价,可将新货运订单推送给该司机的终端设备,司机在接受到该新货运订单后,可自行联系货主商量其加价的价格。
在上述实现过程中,若需要夜间装货或者跨夜装货的订单,则向货主发送加价提示信息,可使得司机更愿意接单,有效提高司机的接单概率。
在一些实施方式中,为了提高司机的接单概率,在向司机推送新货运订单时,还可以先获取新货运订单的货物信息以及获取货运订单的货物信息,然后判断新货运订单的货物信息是否与货运订单的货物信息匹配,若匹配,则向司机的终端设备推送新货运订单。
例如,若司机A当前承运的货运订单的货物是煤炭,而新货运订单的货物是面粉,此时显然两个货物不匹配(因为拉过煤炭的车辆会脏车,无法拉面粉等食品),则不将该新货运订单分配给司机A,而若新货运订单是木材,两个货物可以匹配,则可将新货运订单分配给司机A。
在一些实施方式中,电子设备中可以预先存储有不匹配或匹配的两者货物的货物信息,这样可以通过查找存储的信息来判断新货运订单的货物信息是否与货运订单的货物信息匹配,如查找到电子设备中匹配的货物信息里面有这两个货物信息或者查找到电子设备中不匹配的货物信息中没有这两个货物信息,则认为这两个货物信息匹配,如果查找到电子设备中匹配的货物信息中没有这两个货物信息或者查找到不匹配的货物信息中有这两个货物信息,则认为这两个货物信息不匹配。
另外,在确定两个货物是否匹配的过程中,还可以参考司机当前承运货物后车辆的情况,如可以先获取司机的车辆的清洁度或者平整度,然后再根据该信息进行判断。例如,司机通过拍照上传车辆的照片,或者司机在找货信息中填写“平整/不平整”、“清洁/不清洁”的信息,然后电子设备可通过图像识别或者文字识别这些信息后,进行车辆信息存储。如果有货主在发货信息中将货物填写为“白面”或者“卷筒纸”,则“白面”货物的订单不会被派送给不清洁车辆的司机,也不会向不清洁车辆发送订单信息(此时认为新货运订单如果是“白面”,则与不清洁的车辆的司机不匹配,不向该司机推送该订单),同理,“卷筒纸”货物也不会派送给不平整车辆,也不会向不平整车辆发送订单信息(此时认为新货运订单如果是卷筒纸”,则与不平整的车辆的司机不匹配,不向该司机推送该订单)。
或者,司机也可不拍照或者填写相关平整度和清洁度的车辆信息,而是由电子设备直接进行判断。例如,在货主发出“卷筒纸”的货运订单时,电子设备只向新车(车龄一年以内)的司机派单或者推送订单信息,因为对于货运车辆来说,旧车的车厢底板大概率是不平整的。或者,在货主发出“白面”的货运订单时,电子设备将刚刚完成或者正在运输煤炭的订单的司机筛除,不会向这些司机推送该订单。
或者,司机可直接在找货时填写“不承运”的货物,比如司机常运货物为渣土、煤炭等,则其可在“不承运”一栏填写“食品”,则电子设备在接到货主的货运订单时,识别出“米、面、粮、菜”等关键词时,则不会给该司机推送该订单。
上述实现过程中,将货物信息匹配的订单推送给司机,既可以考虑到货主的货物是否受影响的情况下,也考虑到货物匹配率对司机接单率的影响,从而可增加订单成交的成功率。
在一些实施方式中,为了提高货主发布的货运订单被接单的概率,还可以针对新货运订单,寻找合适的司机,如上述确定满足预设条件的货运订单后,若确定到达时间早于其装货时间的司机有多个时,则获取各个司机的接单概率,然后向接单概率最高的司机的终端设备推荐该新货运订单。
可以理解地,针对每个处于执行状态中的货运订单的司机,均可以对其进行预派单,若此时预派单的司机有5个,而在同一个卸货地的司机有3个,这3个司机均可以承接新货运订单,即这3个司机到达新货运订单的到达时间均早于新货运订单的装货时间,此时,为了提高新货运订单被接单的概率,可以先向接单概率最高的司机的终端设备推送该新货运订单。
在一些实施方式中,司机的接单概率可以根据司机到达新货运订单的装货地的到达时间和装货时间来确定,如其到达时间越接近装货时间,则认为该司机的接单概率越高,如此可获得各个司机的接单概率。
在另一些实施方式中,司机的接单概率还可以根据司机与新货运订单的装货地之间的距离来确定,距离越短则接单概率越高。
在另一些实施方式中,获取各个司机的接单概率的方式还可以为:获取各个司机承接的货运订单的卸货地到新货运订单的装货地的距离、各个司机的空车时间,各个司机到达新货运订单的装货地的到达时间以及各个司机到达新货运订单的装货地的路线情况,然后可根据这些信息来确定各个司机的接单概率。
在具体实现过程中,可以将这些信息输入神经网络模型,由神经网络模型来预测各个司机的接单概率。如可以预先针对神经网络模型进行训练,从而可以利用训练后的神经网络模型来预测各个司机的接单概率。
或者也可以根据这些信息来综合计算出一个接单概率,将这些信息进行量化,然后对其进行加权求和获得接单概率,如距离越短,表示接单概率越高,其权值则越大,而空车时间与到达时间之间的时长越小,接单概率越高,则到达时间减去空车时间的时长的权值则越大,路线情况越复杂,则接单概率越小,其对应的权值则越小,按照该方式,其接单概率的计算方式可以如下公式来计算:
距离*a+(到达时间-空车时间的时长)*b+路线情况*c=接单概率,a+b+c=1。
若计算出的接单概率不是在0到1之间的值时,可以对接单概率进行归一化,从而可再比较各个司机的接单概率的高低。
其中,对于路线情况的量化可以根据行驶距离、弯道数量、红绿灯数量来进行量化,如根据这些数据来量化出一个表征路线情况的数值,方式可以简化为:行驶距离+弯道数量+红绿灯数量,其数值越大,表明路线越复杂,司机的接单概率越低。
可以理解地,上述对路线情况进行量化的方式还可以有其他方式,并且还可以考虑更多的数据,如司机对路线的熟悉程度、司机是否走过该路线等。并且,上述计算接单概率的方式在实际应用中也可以采用其他方式,并且还可以考虑更多的数据,如司机的历史承接货物情况等。
在获得各个司机的接单概率后,可先向接单概率最高的司机推送该新货运订单,这样即可增加该新货运订单的接单成功率。
在一些实施方式中,若接单概率最高的司机拒绝接单后,还可以按照接单概率由大到小的方式依次向其他司机的终端设备推送新货运订单,直至有司机接单或者推送给接单概率最小的一个司机的终端设备终止。
例如,目前有3个司机可分配新货运订单,其中,先向接单概率最高的司机1的终端设备推送新货运订单后,若司机1拒绝接单,则向接单概率次之的司机2的终端设备推送新货运订单,若司机2也拒绝接单,则向接单概率最小的司机3的终端设备继续推送新货运订单,若司机3再拒绝接单,则采用其他方式进行订单派发。
这种订单派发方式可称为派单模式,即每次只将新货运订单推送给一个司机,在司机拒绝接单后,再推送给下一个司机,直至有司机接单或者达到预设次数的推送后终止该派单模式,如若能分配的司机有10个,此时可以在推送到第3个司机后,若第3个司机还是拒绝接单,则也不向第四个司机继续推送了,而是可以采用其他方式进行订单派发。
或者,也可以在需分配的司机的数量较多时,先对司机进行筛选,以减少订单的推送次数,如司机的数量为10时,可从中筛选出3个司机来进行订单推送,其筛选的方式可以是从中筛选出接单概率排前三的三个司机,然后再依次向这三个司机的终端设备推送新货运订单,这样可以有效将新货运订单分配给接单概率较高的司机,提高订单的接单成功率。
在一些实施方式中,若多个司机中的任一司机拒绝接单的次数达到预设次数时,则不对该司机的终端设备继续推送新的订单。
例如,若上述的司机1在一天内拒绝接单的次数达到三次,表明该司机可能不想接单了,后续可以将司机1从派单模式的司机中删除,使得可以不对其进行继续派单了,这样可以将新的订单分配给其他更愿意接单的司机,以提高接单的成功率。
在一些实施方式中,若上述的多个司机均拒绝接单后,还可以获取与新货运订单匹配的多个其他司机,然后向每个其他司机的终端设备推送新货运订单,也就是上述所说的采用其他方式进行订单派发。
其中,确定其他司机的方式可以是在新货运订单的装货地的预设范围内的司机,或者是在新货运订单的装货地的预设范围内且当前处于空车时间的司机等,其确定其他司机的方式还可以有其他方式,如其他司机还可以是上述多个司机中除了参与派单模式外的其他司机(如10个司机中选出接单概率排前3的3个司机参与派单,而后7个司机则参与抢单,作为其他司机),对于其他确定方式在此不一一列举。
这种派单方式可称为抢单模式,在抢单模式中,是将新货运订单分别发送给各个司机,这样每个司机都有接单的权利,以此提高订单的接单概率。
例如,司机A当前正在承运A地运往B地某菜市场的货物,货物为车厘子,司机预估到达卸货地的卸货时间为2月1日上午10:00,卸货时长为1小时,则预估司机A在上午11:00卸完货,即2月1日上午11:00为司机A的空车时间。电子设备在2月1日11:00以前,接到一个新货运订单,所运货物为青稞酒,装货地距离该菜市场50公里,电子设备计算司机A从该菜市场到达货主的装货地的时间为中午12:00,能够当天装货当天走,而且所装货物青稞酒与车厘子并不冲突,因此可以将该订单派给司机A,不用提示加价信息。但是,当前满足到达时间早于装货时间的司机还有司机B和司机C,但是按照上述的方式计算出司机A的接单概率最高,司机B和司机C次之,所以,可以先将该订单推送给司机A,如果司机A拒绝接单,再派给B,B拒绝后再派给C,如果C拒绝,则将青稞酒订单在装货地附近50公里范围内进行广播,除司机A、B、C外的其他司机(如司机D、E、F等)都可以抢单,其订单推送示意图可如图3所示。这样既考虑了匹配率高的承运人的接单概率,又保证了无人愿意接单的订单的成单概率。
请参照图4,图4为本申请实施例提供的一种派单装置200的结构框图,该装置200可以是电子设备上的模块、程序段或代码。应理解,该装置200与上述图2方法实施例对应,能够执行图2方法实施例涉及的各个步骤,该装置200具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。
可选地,所述装置200包括:
卸货地获取模块210,用于获取处于执行状态中的货运订单的卸货地;
订单查找模块220,用于查找是否有满足预设条件的新货运订单,所述预设条件包括所述新货运订单的装货地在所述卸货地的预设范围内;
空车时间预测模块230,用于若查找到有满足预设条件的新货运订单,则获取所述货运订单的卸货时间及卸货时长,并根据所述卸货时间和所述卸货时长预测承接所述货运订单的司机的空车时间;
派单模块240,用于基于所述空车时间判断是否将所述新货运订单推送给所述司机的终端设备。
可选地,所述空车时间预测模块230,用于查找卸货位置包含所述卸货地的多个历史货运订单;获取所述多个历史货运订单在所述卸货地的平均卸货时长;根据所述平均卸货时长确定所述货运订单的卸货时长。
可选地,所述空车时间预测模块230,用于将所述卸货地的地址特征信息以及所述货运订单的货物信息输入人工智能模型中,通过所述人工智能模型预测所述货运订单的卸货时长。
可选地,所述派单模块240,用于根据所述空车时间以及所述卸货地与所述新货运订单的装货地之间的距离预估所述司机到达所述新货运订单的装货地的到达时间;从所述新货运订单的订单信息中获取所述新货运订单的货物的装货时间;若所述到达时间早于所述装货时间,则向所述司机的终端设备推送所述新货运订单。
可选地,所述派单模块240,用于根据所述到达时间或所述装货时间确定所述新货运订单是否需要夜间装货或跨夜装货;若需要,则向所述新货运订单的货主的终端设备发送加价提示信息;若确定所述货主同意加价,则向所述司机的终端设备推送所述新货运订单。
可选地,所述派单模块240,用于获取所述新货运订单的货物信息;获取所述货运订单的货物信息;判断所述新货运订单的货物信息是否与所述货运订单的货物信息匹配;若匹配,则向所述司机的终端设备推送所述新货运订单。
可选地,所述派单模块240,用于若确定所述到达时间早于所述装货时间的司机有多个时,则获取各个司机的接单概率;向接单概率最高的司机的终端设备推送所述新货运订单。
可选地,所述派单模块240,用于若所述接单概率最高的司机拒绝接单,则按照接单概率由大到小的方式依次向其他司机的终端设备推送所述新货运订单,直至有司机接单或者推送给接单概率最小的一个司机的终端设备终止。
可选地,所述派单模块240,用于若多个所述司机中的任一司机拒绝接单的次数达到预设次数时,则不对该司机的终端设备继续推送新的订单。
可选地,若多个所述司机均拒绝接单,所述派单模块240,用于获取与所述新货运订单匹配的多个其他司机;向每个其他司机的终端设备推送所述新货运订单。
可选地,所述派单模块240,用于获取各个司机当前承接的货运订单的卸货地到所述新货运订单的装货地的距离、各个司机的空车时间、各个司机到达所述新货运订单的装货地的到达时间、以及各个司机到达所述新货运订单的装货地的路线情况;根据所述距离、所述各个司机的空车时间、各个司机到达所述新货运订单的装货地的到达时间、以及各个司机到达所述新货运订单的装货地的路线情况,获取各个司机的接单概率。
需要说明的是,本领域技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再重复描述。
本申请实施例提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,执行如图2所示方法实施例中电子设备所执行的方法过程。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如,包括:获取处于执行状态中的货运订单的卸货地;查找是否有满足预设条件的新货运订单,所述预设条件包括所述新货运订单的装货地在所述卸货地的预设范围内;若有,则获取所述货运订单的卸货时间及卸货时长,并根据所述卸货时间和所述卸货时长预测承接所述货运订单的司机的空车时间;基于所述空车时间判断是否将所述新货运订单推送给所述司机的终端设备。
综上所述,本申请实施例提供一种派单方法、装置、电子设备及可读存储介质,该方法通过考虑处于执行状态中的货运订单的卸货时间及卸货时长,以此可以更加准确地确定出司机的空车时间,从而能够基于空车时间判断是否将新货运订单派发给该司机,这样可以避免向司机派发其还不处于空车时间时就需要装货的订单,从而可有效减少司机拒单的概率,提高司机接单的概率,进而提高货运效率。
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。
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 (12)
1.一种派单方法,其特征在于,所述方法包括:
获取处于执行状态中的货运订单的卸货地;
查找是否有满足预设条件的新货运订单,所述预设条件包括所述新货运订单的装货地在所述卸货地的预设范围内;
若有,则获取所述货运订单的卸货时间及卸货时长,并根据所述卸货时间和所述卸货时长预测承接所述货运订单的司机的空车时间;
基于所述空车时间判断是否将所述新货运订单推送给所述司机的终端设备。
2.根据权利要求1所述的方法,其特征在于,获取所述货运订单的卸货时长,包括:
查找卸货位置包含所述卸货地的多个历史货运订单;
获取所述多个历史货运订单在所述卸货地的平均卸货时长;
根据所述平均卸货时长确定所述货运订单的卸货时长。
3.根据权利要求1所述的方法,其特征在于,获取所述货运订单的卸货时长,包括:
将所述卸货地的地址特征信息以及所述货运订单的货物信息输入人工智能模型中,通过所述人工智能模型预测所述货运订单的卸货时长。
4.根据权利要求1所述的方法,其特征在于,所述基于所述空车时间判断是否将新货运订单推送给所述司机的终端设备,包括:
根据所述空车时间以及所述卸货地与所述新货运订单的装货地之间的距离预估所述司机到达所述新货运订单的装货地的到达时间;
从所述新货运订单的订单信息中获取所述新货运订单的货物的装货时间;
若所述到达时间早于所述装货时间,则向所述司机的终端设备推送所述新货运订单。
5.根据权利要求4所述的方法,其特征在于,所述向所述司机的终端设备推送所述新货运订单,包括:
根据所述到达时间或所述装货时间确定所述新货运订单是否需要夜间装货或跨夜装货;
若需要,则向所述新货运订单的货主的终端设备发送加价提示信息;
若确定所述货主同意加价,则向所述司机的终端设备推送所述新货运订单。
6.根据权利要求4所述的方法,其特征在于,所述向所述司机的终端设备推送所述新货运订单,包括:
获取所述新货运订单的货物信息;
获取所述货运订单的货物信息;
判断所述新货运订单的货物信息是否与所述货运订单的货物信息匹配;
若匹配,则向所述司机的终端设备推送所述新货运订单。
7.根据权利要求4所述的方法,其特征在于,所述向所述司机的终端设备推送所述新货运订单,包括:
若确定所述到达时间早于所述装货时间的司机有多个时,则获取各个司机的接单概率;
向接单概率最高的司机的终端设备推送所述新货运订单。
8.根据权利要求7所述的方法,其特征在于,所述向接单概率最高的司机的终端设备推送所述新货运订单之后,还包括:
若所述接单概率最高的司机拒绝接单,则按照接单概率由大到小的方式依次向其他司机的终端设备推送所述新货运订单,直至有司机接单或者推送给接单概率最小的一个司机的终端设备终止。
9.根据权利要求7所述的方法,其特征在于,所述获取各个司机的接单概率,包括:
获取各个司机当前承接的货运订单的卸货地到所述新货运订单的装货地的距离、各个司机的空车时间、各个司机到达所述新货运订单的装货地的到达时间、以及各个司机到达所述新货运订单的装货地的路线情况;
根据所述距离、所述各个司机的空车时间、各个司机到达所述新货运订单的装货地的到达时间、以及各个司机到达所述新货运订单的装货地的路线情况,获取各个司机的接单概率。
10.一种派单装置,其特征在于,所述装置包括:
卸货地获取模块,用于获取处于执行状态中的货运订单的卸货地;
订单查找模块,用于查找是否有满足预设条件的新货运订单,所述预设条件包括所述新货运订单的装货地在所述卸货地的预设范围内;
空车时间预测模块,用于若查找到有满足预设条件的新货运订单,则获取所述货运订单的卸货时间及卸货时长,并根据所述卸货时间和所述卸货时长预测承接所述货运订单的司机的空车时间;
派单模块,用于基于所述空车时间判断是否将所述新货运订单推送给所述司机的终端设备。
11.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1-9任一所述的方法。
12.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时运行如权利要求1-9任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110250011.5A CN113011814A (zh) | 2021-03-05 | 2021-03-05 | 派单方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110250011.5A CN113011814A (zh) | 2021-03-05 | 2021-03-05 | 派单方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113011814A true CN113011814A (zh) | 2021-06-22 |
Family
ID=76408085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110250011.5A Withdrawn CN113011814A (zh) | 2021-03-05 | 2021-03-05 | 派单方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113011814A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113505991A (zh) * | 2021-07-09 | 2021-10-15 | 上海技信工业智能科技有限公司 | 一种混凝土运输载具自动排队方法、系统、装置及计算机可读存储介质 |
CN114331297A (zh) * | 2022-03-10 | 2022-04-12 | 天津期计划物流科技有限公司 | 一种向驾驶者推荐货源的方法及装置 |
CN117575124A (zh) * | 2024-01-16 | 2024-02-20 | 北京全路通信信号研究设计院集团有限公司 | 一种轨道交通货运配空方法、装置、设备及存储介质 |
-
2021
- 2021-03-05 CN CN202110250011.5A patent/CN113011814A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113505991A (zh) * | 2021-07-09 | 2021-10-15 | 上海技信工业智能科技有限公司 | 一种混凝土运输载具自动排队方法、系统、装置及计算机可读存储介质 |
CN113505991B (zh) * | 2021-07-09 | 2024-03-12 | 上海技信工业智能科技有限公司 | 一种混凝土运输载具自动排队方法、系统、装置及介质 |
CN114331297A (zh) * | 2022-03-10 | 2022-04-12 | 天津期计划物流科技有限公司 | 一种向驾驶者推荐货源的方法及装置 |
CN114331297B (zh) * | 2022-03-10 | 2022-05-20 | 天津期计划物流科技有限公司 | 一种向驾驶者推荐货源的方法及装置 |
CN117575124A (zh) * | 2024-01-16 | 2024-02-20 | 北京全路通信信号研究设计院集团有限公司 | 一种轨道交通货运配空方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113011814A (zh) | 派单方法、装置、电子设备及可读存储介质 | |
CN101160601B (zh) | 动态地更新调度计划的系统和方法 | |
CN109564647A (zh) | 评价装置、评价方法和评价程序 | |
CN110782208A (zh) | 配送任务的推送方法及装置、电子设备、存储介质 | |
CN110414895A (zh) | 车辆调度系统及方法 | |
WO2021015663A1 (en) | Delivery route planning apparatus and methods of generating delivery route plans | |
JP6929463B2 (ja) | 輸送管理システム、輸送管理装置、輸送管理方法およびプログラム | |
US11551179B1 (en) | Assigning uncovered shipments to vehicle freight capacity for vehicles based on vehicle score and distance | |
CA2490540A1 (en) | Computer-based dispatching system and method | |
CN110322188A (zh) | 利用未来交通信息的物流配送用路径提供方法及其服务器 | |
CN109685411A (zh) | 一种物流货运平台的拼车匹配方法 | |
CN114757623A (zh) | 一种货运派单方法、装置、电子设备及存储介质 | |
US20150248638A1 (en) | Methods and arrangement for freight transportation management | |
CN113988615A (zh) | 基于城际物流接续的配送方法、系统、设备及存储介质 | |
CN113610453A (zh) | 一种多运输方式联合的集装箱运输路径选择方法 | |
CN112418550A (zh) | 一种物流行业中多种司机工作状态下的车货匹配方法 | |
CN113988770B (zh) | 运输车辆在途排队控制方法、装置以及电子设备 | |
CA2531265A1 (en) | Computer-based dispatching system and method | |
CN115049148A (zh) | 一种车辆调度方法、装置及服务器 | |
CN112364262A (zh) | 一种找货路线推荐方法、装置、电子设备及存储介质 | |
CN111582574B (zh) | 订单解绑的方法及装置 | |
CN117495237B (zh) | 货运集散系统的管理方法、设备和可读存储介质 | |
CN108470230B (zh) | 货柜派遣作业分配系统与方法 | |
CN115222317A (zh) | 自动成单的方法及装置 | |
WO2023233796A1 (ja) | 生産管理システム、生産管理方法及びプログラム |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210622 |
|
WW01 | Invention patent application withdrawn after publication |