CN113592122B - 路线规划的方法和装置 - Google Patents
路线规划的方法和装置 Download PDFInfo
- Publication number
- CN113592122B CN113592122B CN202010360408.5A CN202010360408A CN113592122B CN 113592122 B CN113592122 B CN 113592122B CN 202010360408 A CN202010360408 A CN 202010360408A CN 113592122 B CN113592122 B CN 113592122B
- Authority
- CN
- China
- Prior art keywords
- category
- target
- classified
- position coordinates
- categories
- 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
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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本申请公开了路线规划的方法和装置,涉及大数据领域,具体实现方案为:初始化待分类的目标地点中每个类别的中心点位置坐标;基于每个类别的中心点位置坐标和类别均衡约束条件,对待分类的目标地点进行聚类,确定与每个类别的中心点位置坐标对应的每个类别的目标地点集,其中,类别均衡约束条件为每个类别的目标地点集中的目标地点数量相差不大于1;对每个类别的目标地点集求解旅行商问题,确定与每个类别的目标地点集对应的每个类别的行走路线。该方案能够合理安排地勤人员每条行走路线的目标地点数量,保证地勤人员每天的工作量合理均衡,从而提升了地勤人员的工作效率。
Description
技术领域
本申请的实施例涉及计算机技术领域,具体涉及大数据领域,尤其涉及路线规划的方法和装置。
背景技术
随着互联网和大数据技术的不断发展,对各种场景路线进行规划十分必要,例如对快递配送人员的配送路线进行规划、对上门收快递人员的收取路线进行规划以及对地勤人员的行走路线进行规划等。在许多地勤拜访场景中,地勤人员需要安排自己每天拜访的地点以及拜访顺序。目前地勤人员进行地勤拜访采用的主要方式是从地勤人员家出发往拜访地点密集区域进行由近至远的推进式拜访,拜访每次只从当前局部出发,考虑附近一定区域范围内的拜访地点进行拜访,最后可能剩余一些偏远区域的拜访地点再进行统一集中拜访。
发明内容
本申请提出了一种路线规划的方法、装置、设备以及存储介质。
根据第一方面,本申请提供了一种路线规划的方法,该方法包括:初始化待分类的目标地点中每个类别的中心点位置坐标,其中,类别基于对待分类的目标地点进行区域划分得到;基于每个类别的中心点位置坐标和类别均衡约束条件,对待分类的目标地点进行聚类,确定与每个类别的中心点位置坐标对应的每个类别的目标地点集,其中,类别均衡约束条件为每个类别的目标地点集中的目标地点数量相差不大于1;对每个类别的目标地点集求解旅行商问题,确定与每个类别的目标地点集对应的每个类别的行走路线。
在一些实施例中,初始化待分类的目标地点中每个类别的中心点位置坐标,包括:根据待分类的目标地点和与待分类的目标地点对应的每个类别的地点数量,确定待分类的目标地点的类别个数,其中,与待分类的目标地点对应的所有类别的地点数量相同;基于类别个数,利用中心点确定方法,依次确定待分类的目标地点中每个类别的中心点位置坐标;其中,中心点确定方法为选择待分类的目标地点中与已确定为类别的中心点最短距离的最远的目标地点作为新确定的类别的中心点的方法。
在一些实施例中,对待分类的目标地点进行聚类,确定与每个类别的中心点位置坐标对应的每个类别的目标地点集,包括:根据每个类别的地点数量,对每个类别的中心点进行扩展,得到与每个类别的地点数量对应的每个类别的多个中心点的位置坐标;利用平衡指派函数,对每个类别的多个中心点进行分派,得到与每个类别的多个中心点位置坐标对应的每个类别的目标地点集,其中,平衡指派函数用于表征将每个类别的多个中心点位置坐标与待分类的目标地点之间的距离作为权重对每个类别的多个中心点进行分派。
在一些实施例中,方法还包括:基于确定的每个类别的目标地点集中每个目标地点与该类别的中心点之间距离的均值,更新每个类别的中心点位置坐标;判断所有类别的中心点位置坐标是否保持不变,若否,对每个类别的目标地点集进行迭代优化,得到优化后的每个类别的目标地点集,并跳转至判断所有类别的中心点位置坐标是否保持不变,若是,则停止分类并得到与每个类别的中心点位置坐标对应的每个类别的最优的目标地点集,其中,迭代优化的目标为使待分类的目标地点之间行走路线的总距离最小。
在一些实施例中,方法还包括:判断迭代次数是否满足最大迭代次数,若否,跳至判断所有类别的中心点位置坐标是否保持不变,若是,跳过判断所有类别的中心点位置坐标是否保持不变并向下执行。
在一些实施例中,方法还包括:基于得到的每个类别的行走路线,优化产品的服务内容。
第二方面,本申请提供了一种路线规划的装置,装置包括:初始化单元,被配置成初始化待分类的目标地点中每个类别的中心点位置坐标,其中,类别基于对待分类的目标地点进行区域划分得到;聚类单元,被配置成基于每个类别的中心点位置坐标和类别均衡约束条件,对待分类的目标地点进行聚类,确定与每个类别的中心点位置坐标对应的每个类别的目标地点集,其中,类别均衡约束条件为每个类别的目标地点集中的目标地点数量相差不大于1;路线确定单元,被配置成对每个类别的目标地点集求解旅行商问题,确定与每个类别的目标地点集对应的每个类别的行走路线。
在一些实施例中,初始化单元,包括:类别个数确定模块,被配置成根据待分类的目标地点和与待分类的目标地点对应的每个类别的地点数量,确定待分类的目标地点的类别个数,其中,与待分类的目标地点对应的所有类别的地点数量相同;类别中心点确定模块,被配置成基于类别个数,利用中心点确定方法,依次确定待分类的目标地点中每个类别的中心点位置坐标;其中,中心点确定方法为选择待分类的目标地点中与已确定为类别的中心点最短距离的最远的目标地点作为新确定的类别的中心点的方法。
在一些实施例中,聚类单元,包括:中心点扩展模块,被配置成根据每个类别的地点数量,对每个类别的中心点进行扩展,得到与每个类别的地点数量对应的每个类别的多个中心点的位置坐标;类别求解模块,被配置成利用平衡指派函数,对每个类别的多个中心点进行分派,得到与每个类别的多个中心点位置坐标对应的每个类别的目标地点集,其中,平衡指派函数用于表征将每个类别的多个中心点位置坐标与待分类的目标地点之间的距离作为权重对每个类别的多个中心点进行分派。
在一些实施例中,装置还包括:更新单元,被配置成基于确定的每个类别的目标地点集中每个目标地点与该类别的中心点之间距离的均值,更新每个类别的中心点位置坐标;收敛判断单元,被配置成判断所有类别的中心点位置坐标是否保持不变,若否,对每个类别的目标地点集进行迭代优化,得到优化后的每个类别的目标地点集,并跳转至判断所有类别的中心点位置坐标是否保持不变,若是,则停止分类并得到与每个类别的中心点位置坐标对应的每个类别的最优的目标地点集,其中,迭代优化的目标为使待分类的目标地点之间行走路线的总距离最小。
在一些实施例中,装置还包括:迭代判断单元,被配置成判断迭代次数是否满足最大迭代次数,若否,跳至判断所有类别的中心点位置坐标是否保持不变,若是,跳过判断所有类别的中心点位置坐标是否保持不变并向下执行。
在一些实施例中,装置还包括:优化单元,被配置成基于得到的每个类别的行走路线,优化产品的服务内容。
第三方面,本申请提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
第四方面,本申请提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
根据本申请的技术通过基于待分类的目标地点和每个类别的地点数量所确定的类别个数,初始化待分类的目标地点中多个类别的中心点位置坐标,基于每个类别的中心点位置坐标和类别均衡约束条件,对待分类的目标地点进行聚类,确定与每个类别的中心点位置坐标对应的每个类别的目标地点集,对每个类别的目标地点集求解旅行商问题,确定与每个类别的目标地点集对应的每个类别的行走路线,从全局角度对目标地点进行按类规划,即对地勤人员每天的行走路线进行规划,解决了现有技术中由近至远的推进式地勤目标方式导致地勤人员工作量不均衡的问题,能够合理安排地勤人员每条行走路线的目标地点数量,保证地勤人员每天的工作量合理均衡,从而提升了地勤人员的工作效率。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。
图1是根据本申请的路线规划的方法的第一实施例的示意图;
图2是可以实现本申请实施例的路线规划的方法的场景图;
图3是与执行本申请的路线规划的方法的后台所对应的前台界面示意图;
图4是根据本申请的路线规划的方法的第二实施例的示意图;
图5是根据本申请的路线规划的装置的一个实施例的结构示意图;
图6是用来实现本申请实施例的路线规划的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了根据本申请的路线规划的方法的第一实施例的示意图100。该路线规划的方法,包括以下步骤:
步骤101,初始化待分类的目标地点中每个类别的中心点位置坐标。
在本实施例中,在不同的应用场景中,执行主体基于将目标地点进行区域划分得到的多个类别,对待分类的目标地点中每个类别的中心点位置坐标进行初始化。应用场景可以包括快递配送、快递收取以及地勤目标。
步骤102,基于每个类别的中心点位置坐标和类别均衡约束条件,对待分类的目标地点进行聚类,确定与每个类别的中心点位置坐标对应的每个类别的目标地点集。
在本实施例中,执行主体根据每个类别的中心点位置坐标按照类别均衡约束条件,对待分类的目标地点进行聚类,确定与每个类别的中心点位置坐标对应的每个类别的目标地点集。其中,类别均衡约束条件为每个类别的目标地点集中的目标地点数量相差不大于1。
步骤103,对每个类别的目标地点集求解旅行商问题,确定与每个类别的目标地点集对应的每个类别的行走路线。
在本实施例中,执行主体聚类得到的每个类别的目标地点集分别求解旅行商问题,得到与每个类别的目标地点集对应的每个类别的行走路线。求解旅行商问题的方法至少包括:邻域搜索算法、禁忌搜索算法、模拟退火算法、蚁群算法和遗传算法。
需要说明的是,上述求解旅行商问题是目前广泛研究和应用的公知技术,在此不再赘述。
继续参见图2,本实施例的路线规划的方法200运行于电子设备201中。当接收到行走路线确定的需求,电子设备201初始化待分类的目标地点中每个类别的中心点位置坐标202,基于每个类别的中心点位置坐标和类别均衡约束条件,对待分类的目标地点进行聚类,确定与每个类别的中心点位置坐标对应的每个类别的目标地点集203,对每个类别的目标地点集求解旅行商问题,确定与每个类别的目标地点集对应的每个类别的行走路线204,并将行走路线展示给相关人员205,展示界面如图3所示。
本申请的上述实施例提供的路线规划的方法采用基于待分类的目标地点和每个类别的地点数量所确定的类别个数,初始化待分类的目标地点中多个类别的中心点位置坐标,基于每个类别的中心点位置坐标和类别均衡约束条件,对待分类的目标地点进行聚类,确定与每个类别的中心点位置坐标对应的每个类别的目标地点集,对每个类别的目标地点集求解旅行商问题,确定与每个类别的目标地点集对应的每个类别的行走路线,从全局角度对目标地点进行按类规划,即对地勤人员每天的行走路线进行规划,解决了现有技术中由近至远的推进式地勤目标方式导致地勤人员工作量不均衡的问题,能够合理安排地勤人员每条行走路线的目标地点数量,保证地勤人员每天的工作量合理均衡,从而提升了地勤人员的工作效率。
进一步参考图4,其示出了路线规划的方法的第二实施例的示意图400。该方法的流程包括以下步骤:
步骤401,初始化待分类的目标地点中每个类别的中心点位置坐标。
在本实施例的一些可选的实现方式中,初始化待分类的目标地点中每个类别的中心点位置坐标,包括:根据待分类的目标地点和与待分类的目标地点对应的每个类别的地点数量,确定待分类的目标地点的类别个数,其中,与待分类的目标地点对应的所有类别的地点数量相同;基于类别个数,利用中心点确定方法,依次确定待分类的目标地点中每个类别的中心点位置坐标;其中,中心点确定方法为选择待分类的目标地点中与已确定为类别的中心点最短距离的最远的目标地点作为新确定的类别的中心点的方法。通过选择待分类的目标地点中与已确定为类别的中心点最短距离的最远的目标地点作为新确定的类别的中心点,使初始化类中心更加分散,有利于聚类迭代过程的快速收敛,提高路线规划效率。
步骤402,根据每个类别的地点数量,对每个类别的中心点进行扩展,得到与每个类别的地点数量对应的每个类别的多个中心点的位置坐标。
在本实施例中,执行主体根据每个类别的地点数量,对每个类别的中心点进行扩展,得到与每个类别的地点数量对应的每个类别的多个中心点的位置坐标。例如,10个目标地点划分成2个类别,将2个类中心扩展成10个类中心,即将每个类别的类中心均扩展成5个相同的类中心点,以便使后续变成一个求解平衡指派问题。
步骤403,利用平衡指派函数,对每个类别的多个中心点进行分派,得到与每个类别的多个中心点位置坐标对应的每个类别的目标地点集。
在一些实施例中,执行主体利用平衡指派函数,对每个类别的多个中心点进行分派,得到与每个类别的多个中心点位置坐标对应的每个类别的目标地点集。平衡指派函数用于表征将每个类别的多个相同的中心点位置坐标与待分类的目标地点之间的距离作为权重对每个类别的多个中心点进行平衡指派。利用平衡指派函数考虑中心点位置坐标与待分类的目标地点之间的距离,能够将所有的目标地点尽量均衡的分配到各个类别,使每个类别的目标地点安排的更加合理。
步骤404,基于确定的每个类别的目标地点集中每个目标地点与该类别的中心点之间距离的均值,更新每个类别的中心点位置坐标。
在本实施例中,执行主体基于确定的每个类别的目标地点集中每个目标地点与该类别的中心点之间距离的均值,对每个类别的中心点位置坐标进行更新,极小化每个类的类内距离,使分类计算更加合理。
步骤405,判断所有类别的中心点位置坐标是否保持不变,若否,对每个类别的目标地点集进行迭代优化,得到优化后的每个类别的目标地点集,并跳转至判断所有类别的中心点位置坐标是否保持不变,若是,则停止分类并得到与每个类别的中心点位置坐标对应的每个类别的最优的目标地点集。
在本实施例中,执行主体判断所有类别的中心点位置坐标是否保持不变,若否,对每个类别的目标地点集进行迭代优化,得到优化后的每个类别的目标地点集,并跳转至判断所有类别的中心点位置坐标是否保持不变,若是,则停止分类并得到与每个类别的中心点位置坐标对应的每个类别的最优的目标地点集。迭代优化的目标为使待分类的目标地点之间行走路线的总距离最小。迭代优化基于使待分类的目标地点之间行走路线的总距离最小,在保证地勤人员每天工作量合理均衡的条件下,提升了地勤人员的工作效率。
在一个具体例子中,迭代优化的目标函数可以用一个数学模型来描述,即最小化待分类的目标地点之间行走路线的总距离,内容如下:
s.t.
xijk∈{0,1},i=1,2,…,N;j=1,2,…,N;k=1,2,…,K (6)
其中,N是待分类的目标地点总数量;K是计划行走路线总数量;dij是第i个目标地点和第j个目标地点之间的距离;xijk是在第k条路线上第i个目标地点的下一个目标地点是否为第j个目标地点的指示变量。(2)~(6)式均为模型约束:(2)式表示每一个目标地点的下一个目标地点有且仅有一个;(3)式表示每一个目标地点的上一个目标地点有且仅有一个;(4)式表示每条行走路线中均不存在子回路的情况;(5)式表示每条行走路线包含的目标地点数量均控制在区间范围内,即每条行走路线包含的目标地点数量最多相差1个,基本保持均衡。(6)式表示xijk是0或1的变量,取值非0即1。xijk=0表示第k条路线上第i个目标地点的下一个目标地点不是第j个目标地点;xijk=1表示第k条路线上第i个目标地点的下一个目标地点是第j个目标地点。
在本实施例的一些可选的实现方式中,方法还包括:判断迭代次数是否满足最大迭代次数,若否,跳至判断所有类别的中心点位置坐标是否保持不变,若是,跳过判断所有类别的中心点位置坐标是否保持不变并向下执行。通过设定最大迭代次数来控制分类过程的计算时间,避免仅根据每个类的中心点是否收敛作为迭代终止条件,在遇到极端情况时会造成迭代时间过长的问题,提高用户体验感。
步骤406,对每个类别的目标地点集求解旅行商问题,确定与每个类别的目标地点集对应的每个类别的行走路线。
在本实施例的一些可选的实现方式中,方法还包括:基于得到的每个类别的行走路线,优化产品的服务内容。利用将目标地点划分后得到的每个类别的行走路线,对产品的服务内容进行不同维度的改进与优化,为用户提供更加精准而丰富服务,比如以天为周期为某个用户提供行走路线的规划或针对不同位置的用户提供行走路线的规划等。
在本实施例中,步骤401和406的具体操作与图1所示的实施例中的步骤101和103的操作基本相同,在此不再赘述。
从图4中可以看出,与图1对应的实施例相比,本实施例中的路线规划的方法的示意图400采用根据每个类别的地点数量,对每个类别的中心点进行扩展,得到与每个类别的地点数量对应的每个类别的多个中心点的位置坐标,利用平衡指派函数,对每个类别的多个中心点进行分派,得到与每个类别的多个中心点位置坐标对应的每个类别的目标地点集,利用平衡指派函数考虑中心点位置坐标与待分类的目标地点之间的距离,能够将所有的目标地点尽量均衡的分配到各个类别,使每个类别的目标地点安排的更加合理;通过基于确定的每个类别的目标地点集中每个目标地点与该类别的中心点之间距离的均值,更新每个类别的中心点位置坐标,极小化每个类的类内距离,使分类计算更加合理。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种路线规划的装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的路线规划的装置500包括:初始化单元501、聚类单元502和路线确定单元503。其中,初始化单元,被配置成初始化待分类的目标地点中每个类别的中心点位置坐标,其中,类别基于对待分类的目标地点进行区域划分得到;聚类单元,被配置成基于每个类别的中心点位置坐标和类别均衡约束条件,对待分类的目标地点进行聚类,确定与每个类别的中心点位置坐标对应的每个类别的目标地点集,其中,类别均衡约束条件为每个类别的目标地点集中的目标地点数量相差不大于1;路线确定单元,被配置成对每个类别的目标地点集求解旅行商问题,确定与每个类别的目标地点集对应的每个类别的行走路线。
在本实施例中,路线规划的装置500的初始化单元501、聚类单元502和路线确定单元503的具体处理及其所带来的技术效果可分别参考图1对应的实施例中的步骤101到步骤103的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,初始化单元,包括:类别个数确定模块,被配置成根据待分类的目标地点和与待分类的目标地点对应的每个类别的地点数量,确定待分类的目标地点的类别个数,其中,与待分类的目标地点对应的所有类别的地点数量相同;类别中心点确定模块,被配置成基于类别个数,利用中心点确定方法,依次确定待分类的目标地点中每个类别的中心点位置坐标;其中,中心点确定方法为选择待分类的目标地点中与已确定为类别的中心点最短距离的最远的目标地点作为新确定的类别的中心点的方法。
在本实施例的一些可选的实现方式中,聚类单元,包括:中心点扩展模块,被配置成根据每个类别的地点数量,对每个类别的中心点进行扩展,得到与每个类别的地点数量对应的每个类别的多个中心点的位置坐标;类别求解模块,被配置成利用平衡指派函数,对每个类别的多个中心点进行分派,得到与每个类别的多个中心点位置坐标对应的每个类别的目标地点集,其中,平衡指派函数用于表征将每个类别的多个中心点位置坐标与待分类的目标地点之间的距离作为权重对每个类别的多个中心点进行分派。
在本实施例的一些可选的实现方式中,装置还包括:更新单元,被配置成基于确定的每个类别的目标地点集中每个目标地点与该类别的中心点之间距离的均值,更新每个类别的中心点位置坐标;收敛判断单元,被配置成判断所有类别的中心点位置坐标是否保持不变,若否,对每个类别的目标地点集进行迭代优化,得到优化后的每个类别的目标地点集,并跳转至判断所有类别的中心点位置坐标是否保持不变,若是,则停止分类并得到与每个类别的中心点位置坐标对应的每个类别的最优的目标地点集,其中,迭代优化的目标为使待分类的目标地点之间行走路线的总距离最小。
在本实施例的一些可选的实现方式中,装置还包括:迭代判断单元,被配置成判断迭代次数是否满足最大迭代次数,若否,跳至判断所有类别的中心点位置坐标是否保持不变,若是,跳过判断所有类别的中心点位置坐标是否保持不变并向下执行。
在本实施例的一些可选的实现方式中,装置还包括:优化单元,被配置成基于得到的每个类别的行走路线,优化产品的服务内容。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的路线规划的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的路线规划的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的路线规划的方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的路线规划的方法对应的程序指令/模块(例如,附图5所示的初始化单元501、聚类单元502和路线确定单元503)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的路线规划的方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据路线规划的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至路线规划的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
路线规划的方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与路线规划的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,采用基于待分类的目标地点和每个类别的地点数量所确定的类别个数,初始化待分类的目标地点中多个类别的中心点位置坐标,基于每个类别的中心点位置坐标和类别均衡约束条件,对待分类的目标地点进行聚类,确定与每个类别的中心点位置坐标对应的每个类别的目标地点集,对每个类别的目标地点集求解旅行商问题,确定与每个类别的目标地点集对应的每个类别的行走路线,从全局角度对目标地点进行按类规划,即对地勤人员每天的行走路线进行规划,解决了现有技术中由近至远的推进式地勤目标方式导致地勤人员工作量不均衡的问题,能够合理安排地勤人员每条行走路线的目标地点数量,保证地勤人员每天的工作量合理均衡,从而提升了地勤人员的工作效率;采用根据每个类别的地点数量,对每个类别的中心点进行扩展,得到与每个类别的地点数量对应的每个类别的多个中心点的位置坐标,利用平衡指派函数,对每个类别的多个中心点进行分派,得到与每个类别的多个中心点位置坐标对应的每个类别的目标地点集,利用平衡指派函数考虑中心点位置坐标与待分类的目标地点之间的距离,能够将所有的目标地点尽量均衡的分配到各个类别,使每个类别的目标地点安排的更加合理;通过基于确定的每个类别的目标地点集中每个目标地点与该类别的中心点之间距离的均值,更新每个类别的中心点位置坐标,极小化每个类的类内距离,使分类计算更加合理。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种路线规划的方法,所述方法包括:
初始化待分类的目标地点中每个类别的中心点位置坐标,其中,所述类别基于对待分类的目标地点进行区域划分得到;
基于每个类别的中心点位置坐标和类别均衡约束条件,对待分类的目标地点进行聚类,确定与每个类别的中心点位置坐标对应的每个类别的目标地点集,其中,所述类别均衡约束条件为每个类别的目标地点集中的目标地点数量相差不大于1;
对每个类别的目标地点集求解旅行商问题,确定与每个类别的目标地点集对应的每个类别的行走路线;
所述对待分类的目标地点进行聚类,确定与每个类别的中心点位置坐标对应的每个类别的目标地点集,包括:
根据每个类别的地点数量,对每个类别的中心点进行扩展,得到与每个类别的地点数量对应的每个类别的多个中心点的位置坐标,其中,每个类别中扩展的多个中心点的数量与每个类别中地点数量相同;
利用平衡指派函数,对每个类别的多个中心点进行分派,得到与每个类别的多个中心点位置坐标对应的每个类别的目标地点集,其中,平衡指派函数用于表征将每个类别的多个中心点位置坐标与待分类的目标地点之间的距离作为权重对每个类别的多个中心点进行分派。
2.根据权利要求1所述的方法,其中,所述初始化待分类的目标地点中每个类别的中心点位置坐标,包括:
根据待分类的目标地点和与待分类的目标地点对应的每个类别的地点数量,确定待分类的目标地点的类别个数,其中,与待分类的目标地点对应的所有类别的地点数量相同;
基于所述类别个数,利用中心点确定方法,依次确定待分类的目标地点中每个类别的中心点位置坐标;其中,所述中心点确定方法为选择待分类的目标地点中与已确定为类别的中心点最短距离的最远的目标地点作为新确定的类别的中心点的方法。
3.根据权利要求1所述的方法,其中,所述方法还包括:
基于确定的每个类别的目标地点集中每个目标地点与该类别的中心点之间距离的均值,更新每个类别的中心点位置坐标;
判断所有类别的中心点位置坐标是否保持不变,若否,对每个类别的目标地点集进行迭代优化,得到优化后的每个类别的目标地点集,并跳转至判断所有类别的中心点位置坐标是否保持不变,若是,则停止分类并得到与每个类别的中心点位置坐标对应的每个类别的最优的目标地点集,其中,所述迭代优化的目标为使待分类的目标地点之间行走路线的总距离最小。
4.根据权利要求3所述的方法,所述方法还包括:
判断迭代次数是否满足最大迭代次数,若否,跳至判断所有类别的中心点位置坐标是否保持不变,若是,跳过判断所有类别的中心点位置坐标是否保持不变并向下执行。
5.根据权利要求1所述的方法,所述方法还包括:
基于得到的所述每个类别的行走路线,优化产品的服务内容。
6.一种路线规划的装置,所述装置包括:
初始化单元,被配置成初始化待分类的目标地点中每个类别的中心点位置坐标,其中,所述类别基于对待分类的目标地点进行区域划分得到;
聚类单元,被配置成基于每个类别的中心点位置坐标和类别均衡约束条件,对待分类的目标地点进行聚类,确定与每个类别的中心点位置坐标对应的每个类别的目标地点集,其中,所述类别均衡约束条件为每个类别的目标地点集中的目标地点数量相差不大于1;
路线确定单元,被配置成对每个类别的目标地点集求解旅行商问题,确定与每个类别的目标地点集对应的每个类别的行走路线;
所述聚类单元,包括:中心点扩展模块,被配置成根据每个类别的地点数量,对每个类别的中心点进行扩展,得到与每个类别的地点数量对应的每个类别的多个中心点的位置坐标,其中,每个类别中扩展的多个中心点的数量与每个类别中地点数量相同;类别求解模块,被配置成利用平衡指派函数,对每个类别的多个中心点进行分派,得到与每个类别的多个中心点位置坐标对应的每个类别的目标地点集,其中,平衡指派函数用于表征将每个类别的多个中心点位置坐标与待分类的目标地点之间的距离作为权重对每个类别的多个中心点进行分派。
7.根据权利要求6所述的装置,其中,所述初始化单元,包括:
类别个数确定模块,被配置成根据待分类的目标地点和与待分类的目标地点对应的每个类别的地点数量,确定待分类的目标地点的类别个数,其中,与待分类的目标地点对应的所有类别的地点数量相同;
类别中心点确定模块,被配置成基于所述类别个数,利用中心点确定方法,依次确定待分类的目标地点中每个类别的中心点位置坐标;其中,所述中心点确定方法为选择待分类的目标地点中与已确定为类别的中心点最短距离的最远的目标地点作为新确定的类别的中心点的方法。
8.根据权利要求6所述的装置,其中,所述装置还包括:
更新单元,被配置成基于确定的每个类别的目标地点集中每个目标地点与该类别的中心点之间距离的均值,更新每个类别的中心点位置坐标;
收敛判断单元,被配置成判断所有类别的中心点位置坐标是否保持不变,若否,对每个类别的目标地点集进行迭代优化,得到优化后的每个类别的目标地点集,并跳转至判断所有类别的中心点位置坐标是否保持不变,若是,则停止分类并得到与每个类别的中心点位置坐标对应的每个类别的最优的目标地点集,其中,所述迭代优化的目标为使待分类的目标地点之间行走路线的总距离最小。
9.根据权利要求8所述的装置,所述装置还包括:
迭代判断单元,被配置成判断迭代次数是否满足最大迭代次数,若否,跳至判断所有类别的中心点位置坐标是否保持不变,若是,跳过判断所有类别的中心点位置坐标是否保持不变并向下执行。
10.根据权利要求6所述的装置,所述装置还包括:
优化单元,被配置成基于得到的所述每个类别的行走路线,优化产品的服务内容。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使计算机执行权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010360408.5A CN113592122B (zh) | 2020-04-30 | 2020-04-30 | 路线规划的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010360408.5A CN113592122B (zh) | 2020-04-30 | 2020-04-30 | 路线规划的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113592122A CN113592122A (zh) | 2021-11-02 |
CN113592122B true CN113592122B (zh) | 2023-09-05 |
Family
ID=78236856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010360408.5A Active CN113592122B (zh) | 2020-04-30 | 2020-04-30 | 路线规划的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113592122B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104089620A (zh) * | 2014-04-04 | 2014-10-08 | 北京乐投信息技术有限公司 | 一种基于数据分析的自动路线规划方法及其系统 |
CN105868843A (zh) * | 2016-03-22 | 2016-08-17 | 南京邮电大学 | 一种面向货品配送的路线规划方法 |
CN107341178A (zh) * | 2017-05-24 | 2017-11-10 | 北京航空航天大学 | 一种自适应的二进制量化哈希编码方法及装置 |
CN107423769A (zh) * | 2017-08-03 | 2017-12-01 | 四川大学 | 基于形态特征的电力负荷曲线自适应聚类方法 |
CN109003028A (zh) * | 2018-07-17 | 2018-12-14 | 北京百度网讯科技有限公司 | 用于划分物流区域的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090055382A1 (en) * | 2007-08-23 | 2009-02-26 | Sap Ag | Automatic Peer Group Formation for Benchmarking |
-
2020
- 2020-04-30 CN CN202010360408.5A patent/CN113592122B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104089620A (zh) * | 2014-04-04 | 2014-10-08 | 北京乐投信息技术有限公司 | 一种基于数据分析的自动路线规划方法及其系统 |
CN105868843A (zh) * | 2016-03-22 | 2016-08-17 | 南京邮电大学 | 一种面向货品配送的路线规划方法 |
CN107341178A (zh) * | 2017-05-24 | 2017-11-10 | 北京航空航天大学 | 一种自适应的二进制量化哈希编码方法及装置 |
CN107423769A (zh) * | 2017-08-03 | 2017-12-01 | 四川大学 | 基于形态特征的电力负荷曲线自适应聚类方法 |
CN109003028A (zh) * | 2018-07-17 | 2018-12-14 | 北京百度网讯科技有限公司 | 用于划分物流区域的方法和装置 |
Non-Patent Citations (1)
Title |
---|
武小红等."基于聚类中心分离的模糊聚类模型".1-14.2008,第110-136页. * |
Also Published As
Publication number | Publication date |
---|---|
CN113592122A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10693739B1 (en) | Network design platform | |
WO2021036936A1 (zh) | 在分布式系统中资源及任务的分配方法、装置及系统 | |
CN105988878A (zh) | 用于动态地管理虚拟化环境中的工作负荷放置的方法及系统 | |
US10812988B1 (en) | Method and device for mapping ports of a network device | |
CN103970604A (zh) | 基于MapReduce架构实现图处理的方法和装置 | |
CN111553844B (zh) | 用于更新点云的方法及装置 | |
CN111858796B (zh) | 地理信息系统引擎系统及实现方法、装置及存储介质 | |
US9184982B2 (en) | Balancing the allocation of virtual machines in cloud systems | |
CN112987064B (zh) | 建筑物定位方法、装置、设备、存储介质和终端设备 | |
CN111639753B (zh) | 用于训练图像处理超网络的方法、装置、设备以及存储介质 | |
US20190384634A1 (en) | Cloud and datacenter migration wave planning using analytics and flow modeling | |
CN111652354A (zh) | 用于训练超网络的方法、装置、设备以及存储介质 | |
CN114254950A (zh) | 电信资源数据处理方法、装置、电子设备及存储介质 | |
CN112100466A (zh) | 生成搜索空间的方法、装置、设备及存储介质 | |
CN113592122B (zh) | 路线规划的方法和装置 | |
CN111966767B (zh) | 轨迹热力图生成方法、装置、电子设备和存储介质 | |
CN111461306B (zh) | 特征评估的方法及装置 | |
CN111625612B (zh) | 高精地图的纠偏方法和装置、电子设备和存储介质 | |
US10838958B2 (en) | Static hierarchy based query execution | |
CN111698326A (zh) | 用于确定云服务资源的成本归属的方法和装置 | |
CN111767946A (zh) | 医学影像分级模型训练及预测方法、装置、设备及介质 | |
CN111783951A (zh) | 基于超网络的模型获取方法、装置、设备及存储介质 | |
US20190303474A1 (en) | Efficient parallelized computation of multiple target data-elements | |
CN111738539B (zh) | 一种拣货任务分配方法、装置、设备及介质 | |
CN112270412B (zh) | 网络算子处理方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |