CN113705850A - 订单分配方法、装置、可读存储介质和电子设备 - Google Patents

Abstract

本公开涉及一种订单分配方法、装置、可读存储介质和电子设备。方法包括：确定与待分配订单相关联的多个配送运力；根据待分配订单和每一配送运力的当前规划路径，分别对每一配送运力进行任务点路径规划，以得到每一配送运力各自的目标规划路径；获取每一目标规划路径的配送效率参数，其中，目标规划路径的配送效率参数是基于目标规划路径对应的随机配送特征信息的模糊数确定的；根据同一配送运力的目标规划路径的配送效率参数和当前规划路径的配送效率参数，确定配送运力的配送效率变化参数；根据配送效率变化参数确定最优配送运力，并将待分配订单分配给最优配送运力。如此，提高了订单分配的准确性和配送运力的配送效率。

Description

订单分配方法、装置、可读存储介质和电子设备

技术领域

本公开涉及网络技术领域，具体地，涉及一种订单分配方法、装置、可读存储介质和电子设备。

背景技术

随着网络技术的高速发展，快递、外卖配送以及共享充电宝配送等网络应用得到了广泛普及，用户可通过网络下单，由配送运力完成配送服务。为了提高配送效率，订单调度系统通常根据待分配订单与配送运力的匹配度，做出派单决策。

通常情况下，在分析待分配订单与配送运力的匹配度时，需要考虑到与配送有关的确定性信息和随机性信息。确定性信息可以包含商家位置，用户位置，订单价格，预计送达时间等，随机性信息可以包括商家出餐时间，行驶时间，取餐完成时间，以及交付完成时间。其中，影响交付完成时间的可以是配送运力，也可以是用户，因此，交付时间可以是与配送运力行为相关的交付时间，也可以是与用户行为相关的交付时间。由于随机性信息的影响因素众多，难以获取到真实的数据，即使利用机器学习的手段也是很难精准预估。因此，在现有的订单调度系统中，为了简化问题，通常将随机性信息假设成确定性数据进行处理，以分析待分配订单与配送运力的匹配度，导致无法准确地确定出待分配订单与配送运力的匹配度，从而无法做出准确的派单决策，影响配送运力的配送效率。

发明内容

本公开的目的是提供一种订单分配方法、装置、可读存储介质和电子设备，以提高配送运力的配送效率。

为了实现上述目的，本公开第一方面提供一种订单分配方法，包括：确定与待分配订单相关联的多个配送运力；根据所述待分配订单和每一所述配送运力的当前规划路径，分别对每一所述配送运力进行任务点路径规划，以得到每一所述配送运力各自的目标规划路径；获取每一所述目标规划路径的配送效率参数，其中，所述目标规划路径的配送效率参数是基于所述目标规划路径对应的随机配送特征信息的模糊数确定的；根据同一配送运力的所述目标规划路径的配送效率参数和所述当前规划路径的配送效率参数，确定所述配送运力的所述目标规划路径相对于所述当前规划路径的配送效率变化参数；根据所述配送效率变化参数确定最优配送运力，并将所述待分配订单分配给所述最优配送运力。

可选地，所述随机配送特征信息包括以下中的至少一种：物品准备完成时间；取物完成时间；配送运力的移动时间；物品交付时间。

可选地，所述配送效率参数包括：超时时长参数和/或配送路程参数，所述配送效率变化参数包括：超时时长参数的变化量和/或配送路程参数的变化量。

可选地，所述超时时长参数通过以下步骤确定：针对规划路径涉及的每一订单，确定所述订单的预估交付时间的模糊数，并根据所述预估交付时间的模糊数和所述订单的承诺交付时间，确定所述订单的超时时长的模糊数；根据所述规划路径涉及的每一所述订单的超时时长的模糊数，确定所述规划路径的超时时长参数。

可选地，所述根据所述待分配订单和每一所述配送运力的当前规划路径，分别对每一所述配送运力进行任务点路径规划，以得到每一所述配送运力各自的目标规划路径，包括：针对每一所述配送运力，确定所述当前规划路径涉及的每一当前配送订单和所述待分配订单的配送优先级；按照所述配送优先级依次将订单作为目标订单，并针对所述目标订单执行以下步骤：根据将所述目标订单插入每一可行位置后的路径对应的随机配送特征信息的模糊数，确定所述路径的配送参数，其中，所述可行位置为满足目标订单的取物任务点位于物品交付任务点之前，且该位置上的所述配送运力的运单量小于或等于运单阈值的位置，所述配送参数包括配送时长参数和/或配送路程参数；将所述配送参数最小时对应的所述目标订单的位置确定为所述目标订单的当前目标位置；根据所述当前配送订单和所述待分配订单各自的当前目标位置，对所述配送运力进行任务点路径规划，以得到每一所述配送运力各自的目标规划路径。

可选地，所述根据所述当前配送订单和所述待分配订单各自的当前目标位置，对所述配送运力进行任务点路径规划，以得到每一所述配送运力各自的目标规划路径，包括：按照所述当前配送订单和所述待分配订单各自的当前目标位置排序，以得到所述配送运力的规划路径和所述规划路径的第一路径相关参数；通过预设的邻域算子对所述规划路径进行搜索，以得到每种邻域算子下的每次搜索后的路径的第二路径相关参数；针对每种邻域算子，从所述邻域算子下的所述第二路径相关参数中确定所述邻域算子下的最优路径相关参数，并在所述最优路径相关参数优于所述第一路径相关参数的情况下，确定所述最优路径相关参数为所述邻域算子下的路径的第三路径相关参数，以得到每种所述邻域算子下的路径的第三路径相关参数；从每种所述邻域算子下的路径的第三路径相关参数中确定出最优路径相关参数，并将该最优路径相关参数作为目标路径相关参数；根据所述目标路径相关参数，确定所述配送运力的目标规划路径。

可选地，所述根据所述目标路径相关参数，确定所述配送运力的目标规划路径，包括：在根据所述目标路径相关参数对应的路径涉及的每一订单的预估交付时间的模糊数，确定在所述路径涉及的订单中存在超时订单的情况下，计算将超时最大的订单的物品交付任务点插入其当前所在位置之后的每一可行位置后的路径的路径相关参数，以得到后向搜索下的最优路径相关参数，并在所述最优路径相关参数优于所述目标路径相关参数的情况下，将所述目标路径相关参数更新为所述最优路径相关参数；和/或根据所述目标路径相关参数对应的路径涉及的每一订单的预估交付时间的模糊数，计算将所述路径涉及的订单中配送裕量最大的订单的取物任务点和/或物品交付任务点插入所述取物任务点和/或所述物品交付任务点各自的当前所在位置之前的每一可行位置后的路径的路径相关参数，以得到前向搜索下的最优路径相关参数，并在所述最优路径相关参数优于所述目标路径相关参数的情况下，将所述目标路径相关参数更新为所述最优路径相关参数；判断是否满足更新终止条件，其中，所述更新终止条件包括执行任务点路径规划的时间小于或等于预设时间；在不满足所述更新终止条件的情况下，返回所述按照所述当前配送订单和所述待分配订单各自的当前目标位置排序，以得到所述配送运力的规划路径和所述规划路径的第一路径相关参数的步骤，直至满足所述更新终止条件；在满足所述更新终止条件的情况下，将所述目标路径相关参数对应的路径确定为所述配送运力的目标规划路径。

可选地，所述路径的路径相关参数包括所述路径相对于所述当前规划路径的配送效率变化参数；相应地，所述最优路径相关参数通过以下步骤确定：比较所述路径相关参数中的所述配送效率变化参数，将所述配送效率变化参数最小的路径相关参数确定为最优路径相关参数；或者在所述配送效率变化参数相同的情况下，比较所述路径相关参数中包括的鲁棒性特征参数，并将鲁棒性特征参数最大的路径相关参数确定为所述最优路径相关参数。

可选地，所述路径的鲁棒性特征参数通过以下步骤确定：根据所述路径涉及的每一订单的预估交付时间的模糊数，确定超时最大的目标订单；根据所述目标订单的预估交付时间的模糊数的隶属函数和所述目标订单的承诺交付时间，通过以下公式，确定所述路径的鲁棒性特征参数：

AI＝[area(D(x)∩A(x))]/areaA(x)

其中，x为时间，d为所述目标订单的承诺交付时间，D(x)为所述目标订单的关于所述承诺时间的阶梯函数，A(x)为所述目标订单的预估交付时间的模糊数的隶属函数，AI为所述路径的鲁棒性特征参数。

可选地，所述待分配订单为一个，所述根据所述配送效率变化参数确定最优配送运力，并将所述待分配订单分配给所述最优配送运力，包括：比较每一所述配送运力的所述配送效率变化参数，将所述配送效率变化参数最小的配送运力确定为最优配送运力，并将所述待分配订单分配给所述最优配送运力；或者在所述配送效率变化参数相同的情况下，比较每一所述配送运力的目标规划路径的鲁棒性特征参数，将鲁棒性特征参数最大的目标规划路径对应的配送运力确定为最优配送运力，并将所述待分配订单分配给所述最优配送运力。

可选地，所述待分配订单为多个，每一所述配送运力针对每一所述待分配订单均有一所述目标规划路径；相应地，所述根据所述配送效率变化参数确定最优配送运力，并将所述待分配订单分配给所述最优配送运力，包括：在多个所述配送运力的多个所述目标规划路径中，将所述配送效率变化参数最小的配送运力确定为最优配送运力；在所述最优配送运力的多个所述目标规划路径中，将与所述最小的配送效率变化参数的差值小于或等于预设差值的配送效率变化参数的目标规划路径，确定为候选规划路径；比较所述候选规划路径各自的鲁棒性特征参数，将鲁棒性特征参数最大的候选规划路径对应的待分配订单分配给所述最优配送运力。

本公开第二方面还提供一种订单分配装置，包括：第一确定模块，被配置成用于确定与待分配订单相关联的多个配送运力；路径规划模块，被配置成用于根据所述待分配订单和每一所述配送运力的当前规划路径，分别对每一所述配送运力进行任务点路径规划，以得到每一所述配送运力各自的目标规划路径；获取模块，被配置成用于获取每一所述目标规划路径的配送效率参数，其中，所述目标规划路径的配送效率参数是基于所述目标规划路径对应的随机配送特征信息的模糊数确定的；第二确定模块，被配置成用于根据同一配送运力的所述目标规划路径的配送效率参数和所述当前规划路径的配送效率参数，确定所述配送运力的所述目标规划路径相对于所述当前规划路径的配送效率变化参数；订单分配模块，被配置成用于根据所述配送效率变化参数确定最优配送运力，并将所述待分配订单分配给所述最优配送运力。

可选地，所述装置还包括：第三确定模块，被配置成用于针对规划路径涉及的每一订单，确定所述订单的预估交付时间的模糊数，并根据所述预估交付时间的模糊数和所述订单的承诺交付时间，确定所述订单的超时时长的模糊数；第四确定模块，被配置成用于根据所述规划路径涉及的每一所述订单的超时时长的模糊数，确定所述规划路径的超时时长参数。

可选地，所述路径规划模块包括：第一确定子模块，被配置成用于针对每一所述配送运力，确定所述当前规划路径涉及的每一当前配送订单和所述待分配订单的配送优先级；执行子模块，被配置成用于按照所述配送优先级依次将订单作为目标订单，并针对所述目标订单执行以下步骤：根据将所述目标订单插入每一可行位置后的路径对应的随机配送特征信息的模糊数，确定所述路径的配送参数，其中，所述可行位置为满足目标订单的取物任务点位于物品交付任务点之前，且该位置上的所述配送运力的运单量小于或等于运单阈值的位置，所述配送参数包括配送时长参数和/或配送路程参数；将所述配送参数最小时对应的所述目标订单的位置确定为所述目标订单的当前目标位置；路径规划子模块，被配置成用于根据所述当前配送订单和所述待分配订单各自的当前目标位置，对所述配送运力进行任务点路径规划，以得到每一所述配送运力各自的目标规划路径。

可选地，所述路径规划子模块包括：排序子模块，被配置成用于按照所述当前配送订单和所述待分配订单各自的当前目标位置排序，以得到所述配送运力的规划路径和所述规划路径的第一路径相关参数；搜索子模块，被配置成用于通过预设的邻域算子对所述规划路径进行搜索，以得到每种邻域算子下的每次搜索后的路径的第二路径相关参数；第二确定子模块，被配置成用于针对每种邻域算子，从所述邻域算子下的所述第二路径相关参数中确定所述邻域算子下的最优路径相关参数，并在所述最优路径相关参数优于所述第一路径相关参数的情况下，确定所述最优路径相关参数为所述邻域算子下的路径的第三路径相关参数，以得到每种所述邻域算子下的路径的第三路径相关参数；第三确定子模块，被配置成用于从每种所述邻域算子下的路径的第三路径相关参数中确定出最优路径相关参数，并将该最优路径相关参数作为目标路径相关参数；第四确定子模块，被配置成用于根据所述目标路径相关参数，确定所述配送运力的目标规划路径。

可选地，所述第四确定子模块包括：更新子模块，被配置成用于在根据所述目标路径相关参数对应的路径涉及的每一订单的预估交付时间的模糊数，确定在所述路径涉及的订单中存在超时订单的情况下，计算将超时最大的订单的物品交付任务点插入其当前所在位置之后的每一可行位置后的路径的路径相关参数，以得到后向搜索下的最优路径相关参数，并在所述最优路径相关参数优于所述目标路径相关参数的情况下，将所述目标路径相关参数更新为所述最优路径相关参数；和/或，根据所述目标路径相关参数对应的路径涉及的每一订单的预估交付时间的模糊数，计算将所述路径涉及的订单中配送裕量最大的订单的取物任务点和/或物品交付任务点插入所述取物任务点和/或所述物品交付任务点各自的当前所在位置之前的每一可行位置后的路径的路径相关参数，以得到前向搜索下的最优路径相关参数，并在所述最优路径相关参数优于所述目标路径相关参数的情况下，将所述目标路径相关参数更新为所述最优路径相关参数；判断子模块，被配置成用于判断是否满足更新终止条件，其中，所述更新终止条件包括执行任务点路径规划的时间小于或等于预设时间；返回子模块，被配置成用于在不满足所述更新终止条件的情况下，返回所述排序子模块执行所述按照所述当前配送订单和所述待分配订单各自的当前目标位置排序，以得到所述配送运力的规划路径和所述规划路径的第一路径相关参数的步骤，直至满足所述更新终止条件；第五确定子模块，被配置成用于在满足所述更新终止条件的情况下，将所述目标路径相关参数对应的路径确定为所述配送运力的目标规划路径。

可选地，所述路径的路径相关参数包括所述路径相对于所述当前规划路径的配送效率变化参数；相应地，所述装置还包括：第五确定模块，被配置成用于比较所述路径相关参数中的所述配送效率变化参数，将所述配送效率变化参数最小的路径相关参数确定为最优路径相关参数；或者在所述配送效率变化参数相同的情况下，比较所述路径相关参数中包括的鲁棒性特征参数，并将鲁棒性特征参数最大的路径相关参数确定为所述最优路径相关参数。

可选地，所述装置还包括：第六确定模块，被配置成用于根据所述路径涉及的每一订单的预估交付时间的模糊数，确定超时最大的目标订单；第七确定模块，被配置成用于根据所述目标订单的预估交付时间的模糊数的隶属函数和所述目标订单的承诺交付时间，通过以下公式，确定所述路径的鲁棒性特征参数：

AI＝[area(D(x)∩A(x))]/areaA(x)

其中，x为时间，d为所述目标订单的承诺交付时间，D(x)为所述目标订单的关于所述承诺时间的阶梯函数，A(x)为所述目标订单的预估交付时间的模糊数的隶属函数，AI为所述路径的鲁棒性特征参数。

可选地，所述待分配订单为一个，所述订单分配模块，被配置成用于比较每一所述配送运力的所述配送效率变化参数，将所述配送效率变化参数最小的配送运力确定为最优配送运力，并将所述待分配订单分配给所述最优配送运力；或者在所述配送效率变化参数相同的情况下，比较每一所述配送运力的目标规划路径的鲁棒性特征参数，将鲁棒性特征参数最大的目标规划路径对应的配送运力确定为最优配送运力，并将所述待分配订单分配给所述最优配送运力。

可选地，所述待分配订单为多个，每一所述配送运力针对每一所述待分配订单均有一所述目标规划路径；相应地，所述订单分配模块包括：第六确定子模块，被配置成用于在多个所述配送运力的多个所述目标规划路径中，将所述配送效率变化参数最小的配送运力确定为最优配送运力；

第七确定子模块，被配置成用于在所述最优配送运力的多个所述目标规划路径中，将与所述最小的配送效率变化参数的差值小于或等于预设差值的配送效率变化参数的目标规划路径，确定为候选规划路径；订单分配子模块，被配置成用于比较所述候选规划路径各自的鲁棒性特征参数，将鲁棒性特征参数最大的候选规划路径对应的待分配订单分配给所述最优配送运力。

本公开第三方面还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面所提供的所述方法的步骤。

本公开第四方面还提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面所提供的所述方法的步骤。

通过上述技术方案，根据目标规划路径对应的随机配送特征信息的模糊数确定目标规划路径的配送效率参数，以及确定目标规划路径相对于当前规划路径的配送效率变化参数，并根据该配送效率变化参数确定最优配送运力。由于在分配订单时考虑了规划路径对应的随机配送特征信息的模糊数，因此，可以准确地确定出同一配送运力的目标规划路径相对于当前规划路径的配送效率变化参数，提高了根据该配送效率变化参数确定最优配送运力的准确性，进而提高了订单分配的准确性。并且，将待分配订单分配给最优配送运力，提高了配送运力的配送效率。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：

图1是根据一示例性实施例示出的一种订单分配方法的流程图。

图2A是根据一示例性实施例示出的配送运力A的目标规划路径的示意图。

图2B是根据一示例性实施例示出的配送运力A的当前规划路径的示意图。

图3是根据一示例性实施例示出的一种确定目标规划路径的方法的流程图。

图4是根据另一示例性实施例示出的一种确定目标规划路径的方法的流程图。

图5是根据一示例性实施例示出的一种估交付时间的三角模糊数的隶属函数和关于承诺时间的阶梯函数的示意图。

图6是根据一示例性实施例示出的一种将待分配订单分配给最优配送运力的方法的流程图。

图7是根据一示例性实施例示出的一种订单分配装置的框图。

图8是根据一示例性实施例示出的一种电子设备的框图。

图9是根据另一示例性实施例示出的一种电子设备的框图。

具体实施方式

本公开主要应用于外卖配送、超市配送、同城配送以及快递配送等业务场景中。在这些业务场景中，通常需要综合诸多因素对待分配订单进行分配调度，以将待分配订单分配给合适的配送运力。在相关技术中，在对待分配订单进行分配时，通常将随机性信息假设成确定性信息进行处理，以分析待分配订单与配送运力的匹配度，这种处理方式较为简单。然而根据该方式无法准确地确定出该待分配订单对配送运力的配送效率影响，进而也就无法准确地将该待分配订单分配至配送效率影响最小的配送运力。示例地，在真实场景中，随机性信息的影响因素多，突发状况多，是不可能用一种确定的场景代替的。例如，把出餐时间当作一个确定的值，如果商家卡餐则会导致配送员在商家等餐。在配送订单较少的情况下，商家卡餐并不会产生比较恶劣的影响。但是在午高峰这种配送运力紧张的场景下，商家卡餐可能导致以下几方面问题：1、商家卡餐导致配送运力的订单超时，降低配送准时率，影响用户体验。2、商家卡餐是对配送运力的浪费。配送运力的在午高峰时段(例如10:00至14:00)的送餐时间一定，配送运力在商家等餐的时间越长，则有效的送餐的时间越短，从而配送运力在单位时间内完成单量降低，严重影响配送效率。3、激化配送运力与商家之间的矛盾。

鉴于此，本公开提供一种订单分配方法、装置、可读存储介质和电子设备，以提高配送运力的配送效率。

以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

请参考图1，图1是根据一示例性实施例示出的一种订单分配方法的流程图。如图1所示，该方法可以包括步骤101至步骤105。

在步骤101中，确定与待分配订单相关联的多个配送运力。

在本公开中，可由订单调度系统或配送平台的服务器或电子设备执行该订单分配方法，由于需要从多个配送运力中确定将待分配订单分配给哪一个配送运力，因此，首先需要确定与该待分配订单相关联的多个配送运力。其中，该配送运力可以是配送员或配送设备(如配送机器人、无人配送车、无人机等)。与待分配订单相关联的多个配送运力可以是与待分配订单的物品交付地点或者取物地点对应的配送运力。示例地，假设待分配订单的物品交付地点为北京市海淀区，则上述多个配送运力可以是归属于海淀区的配送运力。进一步地，与该待分配订单相关联的多个配送运力还可以是服务器或电子设备初步确定的候选配送运力。示例地，可以利用相关技术确定待分配订单与配送运力的匹配度，将匹配度大于预设匹配度的配送运力，确定为候选配送运力，并将该候选配送运力确定为与该待分配订单相关联的多个配送运力，本公开对此不作详细解释和限制。

在步骤102中，根据待分配订单和每一配送运力的当前规划路径，分别对每一配送运力进行任务点路径规划，以得到每一配送运力各自的目标规划路径。

在确定出与待分配订单相关联的多个配送运力之后，进一步获取该配送运力的当前规划路径，其中，配送运力的当前规划路径为仅包括该配送运力的当前配送订单的规划路径，且该当前配送订单是指已经分配给该配送运力但是尚未执行完成的订单(包括订单的取物任务、物品交付任务均未完成，和订单的取物任务已完成但配送任务还未完成)。由于配送运力的当前配送任务是配送运力需要配送完成的订单，因此，在确定将待分配订单拟分配给该配送运力后的规划路径时必须要考虑该当前配送订单。其中，在本公开中，任务点可以表征取物任务点和物品交付任务点。

在步骤103中，获取每一目标规划路径的配送效率参数，其中，目标规划路径的配送效率参数是基于目标规划路径对应的随机配送特征信息的模糊数确定的。

为了保证在将待分配订单分配给某一配送运力时，该待分配订单对该配送运力完成当前配送任务的配送效率的影响最小，因此，在本公开中，需获取每一目标规划路径的配送效率参数。其中，该配送效率参数可以表征该目标规划路径对应的配送运力的配送效率。

示例地，该配送效率参数可以包括：超时时长参数和/或配送路程参数。在一种实施例中，可以直接用配送路程参数或超时时长参数表征配送效率参数，也可以用配送路程参数和超时时长参数的加权求和所的参数表征配送效率参数，本公开对此不作具体限定。

需要说明的是，配送效率参数可以是在确定目标规划路径的过程中确定出的，也可以是在确定出配送运力的目标规划路径之后再确定出的，但是无论是在那种时机确定目标规划路径的配送效率参数，均是基于该目标规划路径对应的随机配送特征信息的模糊数确定的。

此外，为了解决相关技术中，由于将随机性信息假设成确定性信息处理，导致的无法准确地确定待分配订单对配送运力的配送影响程度，因此，在公开中，根据目标规划路径对应的随机配送特征信息的模糊数，确定目标规划路径的配送效率参数。其中，本公开对随机配送特征信息的模糊数的确定方式不作具体限定。并且，在本公开中，模糊数可以是三角模糊数、梯形模糊数等，为了便于说明，在本公开中，以模糊数为三角模糊数为例进行说明。

在本公开中，随机配送特征信息可以包括以下中的至少一种：物品准备完成时间；取物完成时间；配送运力的移动时间；物品交付时间。其中，物品准备完成时间是指商家从接到订单至准备好物品的时长；取物完成时间是指配送运力从到达商家至取到货物的时长；配送运力的移动时间是指配送运力从一个任务点到达另一个任务点的时长；物品交付时间是指配送运力从到达约定的交付地点至将物品交给用户的时长。示例地，假设订单为外卖订单，物品准备完成时间的三角模糊数可以为商家出餐时间的三角模糊数，其中，该三角模糊数可以是基于该商家的历史出餐时间确定的。

需要说明的是，在随机配送特征信息包括物品准备完成时间的情况下，目标规划路径对应的随机配送特征信息的三角模糊数可以是该目标规划路径中涉及的每一商家的商家出餐时间的三角模糊数，也可以是该目标规划路径中包括的多个商家中的一个或某几个商家的商家出餐时间的三角模糊数，本公开对此不作具体限定。

在步骤104中，根据同一配送运力的目标规划路径的配送效率参数和当前规划路径的配送效率参数，确定配送运力的目标规划路径相对于当前规划路径的配送效率变化参数。

示例地，该配送效率变化参数可以包括：超时时长参数的变化量和/或配送路程参数的变化量。在一种实施例中，可以直接用配送路程参数的变化量数或超时时长参数的变化量直接表征配送效率变化参数，也可以用配送路程参数的变化量数和超时时长参数的变化量的加权求和所的参数表征配送效率变化参数，本公开对此不作具体限定。

在本公开中，为了确定待分配订单对配送运力的配送效率的影响程度，需要获取未将该待分配订单分配给配送运力之前的该配送运力的当前规划路径，以及将该待分配订单分配给配送运力后的该配送运力的目标规划路径，并基于该目标规划路径的配送效率参数和当前规划路径的配送效率参数，确定目标规划路径相对于当前规划路径的配送效率变化参数。其中，该配送效率变化参数可以表征待分配订单对配送运力的配送效率的影响程度，配送效率变化参数越大则表明待分配订单对配送运力的配送效率的影响越大。

在步骤105中，根据配送效率变化参数确定最优配送运力，并将待分配订单分配给最优配送运力。

如上所示，配送效率变化参数可以表征待分配订单对配送运力的配送效率的影响程度，因此，根据配送效率变化参数可以确定出待分配订单对配送运力的配送效率影响最小的目标规划路径，即，待分配订单对配送运力的准时交付和/或配送运力行驶路程影响最小的目标规划路径，并将该目标规划路径对应的配送运力确定为最优配送运力，进而将该待分配订单分配给该最优配送运力。

通过上述技术方案，根据目标规划路径对应的随机配送特征信息的三角模糊数确定目标规划路径的配送效率参数，以及确定目标规划路径相对于当前规划路径的配送效率变化参数，并根据该配送效率变化参数确定最优配送运力。由于在分配订单时考虑了规划路径对应的随机配送特征信息的三角模糊数，因此，可以准确地确定出同一配送运力的目标规划路径相对于当前规划路径的配送效率变化参数，提高了根据该配送效率变化参数确定最优配送运力的准确性，进而提高了订单分配的准确性。并且，将待分配订单分配给最优配送运力，提高了配送运力的配送效率。

为了使本领域技术人员更好的理解本公开提供的订单分配方法，下面对上述各个步骤进行详细说明和解释。

首先，对配送效率参数包括的超时时长参数、配送路径参数的确定方法进行说明。

示例地，超时时长参数的确定方法可以包括：

针对规划路径涉及的每一订单，确定订单的预估交付时间的三角模糊数，并根据预估交付时间的三角模糊数和订单的承诺交付时间，确定订单的超时时长的三角模糊数；

根据规划路径涉及的每一订单的超时时长的三角模糊数，确定规划路径的超时时长参数。

首先，对三角模糊数的运算规则进行说明。对于两个三角模糊数A＝[a1，a2，a3]和B＝[b1，b2，b3]和一个确定数c，加法运算为：A+B＝[a1+b1，a2+b2，a3+b3]，A+c＝[a1+c，a2+c，a3+c]。减法运算：A-c＝[a1-c，a2-c，a3-c]。取大运算为：max(A，B)＝(max(a1，b1)，max(a2，b2)，max(a3，b3))，max(A，c)＝(max(a1，c)，max(a2，c)，max(a3，c))。三角模糊数的期望的表达式为：E(A)＝(a1+2*a2+a3)/4。

在一种实施例中，假设配送运力A的目标规划路径如图2A所示。其中，目标规划路径中的0表征配送运力的当前位置点，1⁺表征订单W1的取物位置点，2⁺表征订单W2的取物位置点，1^-表征订单W1的物品交付位置点，2^-表征订单W2的物品交付位置点，且假设配送运力从当前位置点离开时间的三角模糊数为[0，0，0]，从0到1⁺的行驶时间为2路程为10，则到达1⁺时间的三角模糊数为[2，2，2]，订单W1对应的物品的准备完成时间的三角模糊数为[3，5，10]，则配送运力从1⁺离开的时间的三角模糊数为[3，5，10]；从1⁺到2⁺的行驶时间为5路程为18，则到达2⁺时间的三角模糊数为[8，10，15]，订单W2对应的物品的准备完成时间的三角模糊数为[7，10，15]，则配送运力从2⁺离开的时间的三角模糊数为[8，10，15]；从2⁺到1^-的行驶时间为3路程为20，则到达和离开1^-时间的三角模糊数(订单W1的预估交付时间的三角模糊数)为[11，13，18]；从1^-到2^-的行驶时间为2路程为15，则到达和离开2^-时间的三角模糊数(订单W2的预估交付时间的三角模糊数)为[13，15，20]，其中，订单W1和订单W2的承诺交付时间均为15。

可计算出图2A所示的目标路径的配送路程参数DC_目标＝10+18+20+15＝63；订单W1的超时时长的三角模糊数为OT1＝max(0，[11，13，18]-15)＝[0，0，3]，订单W2的超时时长的三角模糊数为OT2＝max(0，[[13，15，20]-15)＝[0，0，5]，即，该图2A所示的目标路径的超时时长参数TC_目标＝E([0，0，3])+E([0，0，5])＝2。其中，E表征期望。

假设配送运力A的当前规划路径如图2B所示。其中，在当前规划路径中，从0到1⁺的行驶时间为2路程为10，则到达1⁺时间的三角模糊数为[2，2，2]，订单W1对应的物品的准备完成时间的三角模糊数为[3，5，10]，则配送运力从1⁺离开的时间的三角模糊数为[3，5，10]；从1⁺到1^-的行驶时间为6路程为32，则到达和离开1^-时间的三角模糊数(订单W1的预估交付时间的三角模糊数)均为[9，11，16]，订单W1的承诺交付时间为15。可计算出图2B所示的当前规划路径的配送路程参数DC_当前＝10+32＝42；图2B所示的当前规划路径的超时时长参数TC_当前＝E([0，0，1])＝0.25。

此外，还可以进一步确定出配送运力A的目标规划路径相对于当前规划路径的超时时长参数的变化量和/或配送路程参数的变化量。示例地，超时时长参数的变化量TC＝TC_目标-TC_当前＝1.75。配送路程参数的变化量＝DC_目标-DC_当前＝21。

下面对步骤102根据待分配订单和每一配送运力的当前规划路径，分别对每一配送运力进行任务点路径规划，以得到每一配送运力各自的目标规划路径的具体实施方式进行说明。

在一个实施例中，可以采用相关的路径规划技术，根据待分配订单和每一配送运力的当前规划路径，分别为每一配送运力进行路径规划，以得到每一配送运力各自分目标规划路径。

在另一个实施例中，可以基于模糊路径规划问题的性质，采用果蝇优化算法为每一配送运力进行任务点路径规划。

示例地，图3是根据一示例性实施例示出的一种确定目标规划路径的方法的流程图。如图3所示，上述步骤102可以包括以下步骤。

在步骤1021中，针对每一配送运力，确定当前规划路径涉及的每一当前配送订单和待分配订单的配送优先级。

值得说明的是，将待分配订单分配给该配送运力之后，配送运力可以有多条规划路径，但是，在本公开中，为了进一步提高订单分配的准确性，配送运力的目标规划路径是指将待分配订单分配给该配送运力之后，该配送运力的最优规划路径。

在确定配送运力的目标规划路径时，需获取到该配送运力的当前规划路径涉及的每一当前配送订单，对于当前配送订单和待指派订单，按照承诺时间的紧迫程度确定各订单的配送优先级。示例地，承诺时间越小的订单越紧迫，相应的配送优先级就越高。因此，在本公开中，可以根据各订单的承诺时间的大小确定个订单的配送优先级。

在步骤1022中，按照配送优先级依次将订单作为目标订单，并针对目标订单，根据将目标订单插入每一可行位置后的路径对应的随机配送特征信息的模糊数，确定路径的配送参数。

在步骤1023中，将配送参数最小时对应的目标订单的位置确定为目标订单的当前目标位置。

在实际应用中，针对任一订单，其取物任务点应位于物品交付任务点之前，并且，通常情况下，配送运力的运单能力有限，例如，外卖配送员的外卖箱最多只能盛放10份食物，则第十一个订单的取餐任务点之前至少有一个物品交付任务点，以保证外卖箱可以盛放第十一个订单对应的食物。基于上述考虑，在插入目标订单时，需要控制将其插入可行位置，其中，该可行位置为满足目标订单的取物任务点位于物品交付任务点之前，且该位置上的配送运力的运单量小于或等于运单阈值的位置。

示例地，以当前配送订单为订单W1，待指派订单为订单W2为例进行说明。假设订单W1的优先级高于订单W2，则首先将订单W1作为目标订单将其插入每一可行位置。由于当前路径中还未规划任何任务点，此时，订单W1的取物任务点1⁺、物品交付任务点1^-的位置仅有一种情况，如图2B所示，并计算图2B所示的路径的配送参数，该配送参数可以包括配送时长参数和/或配送路程参数。其中，该路径的配送时长参数为E([9，11，16])＝11.75，配送路程参数为42。

之后，将订单W2作为目标订单，对于订单W2的取物任务点2⁺而言，可行位置包括0和1⁺之间的位置、1⁺和1^-之间的位置、1^-之后的位置。如此，在将取物任务点2⁺分别插入0和1⁺之间的位置时、1⁺和1^-之间的位置时、以及1^-之后的位置时，分别计算当前路径的配送参数，将配送参数最小时对应的路径的取物任务点2⁺的位置作为取物任务点2⁺的目标位置。例如，在将取物任务点2⁺插入1⁺和1^-之间的位置时计算的路径的配送参数最小，则1⁺和1^-之间的位置即为取物任务点2⁺的当前目标位置。之后，按照上述方式插入物品交付任务点2^-，并确定出物品交付任务点2^-的当前目标位置。如此，按照上述方式可以确定出各个订单的目标位置。

在步骤1024中，根据当前配送订单和待分配订单各自的当前目标位置，对配送运力进行任务点路径规划，以得到每一配送运力各自的目标规划路径。

在一种实施例中，按照当前配送订单和待分配订单各自的当前目标位置排序得到的路径，即为配送运力的目标规划路径。

由于上述在确定某一订单的当前目标位置时是在优先级高于该订单的其他订单的位置已确定的基础上确定该订单的当前目标位置的，因此，所确定的当前目标位置可能不准确，进而按照当前配送订单和待分配订单各自的当前目标位置排序得到的路径并不一定是最优路径，即，不一定是配送运力的目标规划路径。因此，在另一种实施例中，还可以基于多操作协同的嗅觉搜索确定出最优路径。

示例地，如图4所示，上述步骤1024可以进一步包括以下步骤。

在步骤401中，按照当前配送订单和待分配订单各自的当前目标位置排序，以得到配送运力的规划路径和规划路径的第一路径相关参数。

其中，第一路径相关参数可以包括该规划路径相对于当前规划路径的配送效率变化参数。示例地，上述确定的1⁺和1^-之间的位置为取物任务点2⁺的当前目标位置，1^-之后的位置为物品交付任务点2^-的当前目标位置，则此时的配送运力的规划路径即为图2A所示的规划路径。其中，2B所示的规划路径为该配送运力的当前规划路径，则第一路径相关参数可以包括图2A所示的规划路径相对于图2B所示的当前规划路径的配送效率变化参数。

在步骤402中，通过预设的邻域算子对规划路径进行搜索，以得到每种邻域算子下的每次搜索后的路径的第二路径相关参数。

其中，预设的邻域算子可以包括但不限于Insert算子、SwapN算子、SwapC算子。下文以预设的邻域算子包括Insert算子、SwapN算子、SwapC算子为例进行说明。

在利用Insert算子进行搜索时，在步骤401确定的规划路径中随机选取一任务点(该任务点可以是取物任务点，也可以是物品交付任务点)，将所选取的该任务点从其当前位置移出，并插入到该规划路径中的每一可行位置。例如，可以将图2A中的取物任务点1⁺从当前位置移出，插入每一可行位置(例如，2⁺和1^-之间的位置、1^-和2^-之间的位置、2^-之后的位置)。其中，将取物任务点1⁺每插入一可行位置，记为一次搜索，并计算每次搜索后路径的第二路径相关参数，如此，可以得到三个第二路径相关参数。

在利用SwapN算子进行搜索时，在步骤401确定的规划路径中随机选取一任务点(该任务点可以是取物任务点，也可以是物品交付任务点)，与其最近的可行任务点进行交换。例如，将图2A中的取物任务点1⁺与取物任务点2⁺进行交换，则可以得到一个该种邻域算子下的第二路径相关参数。

在利用SwapC算子进行搜索时，在步骤401确定的规划路径中将连续的取物任务点或物品交付任务点绑定，随机选择一组绑点，与其相邻的绑定点交换位置，以得到该该种邻域算子下的第二路径相关参数。

需要说明的是，在规划路径涉及到的订单的数量较多时，可以采用SwapC算子进行搜索，而在规划路径涉及到的订单的数量较少时，例如，涉及到的订单只有两个，则无法通过该SwapC算子进行搜索。

在步骤403中，针对每种邻域算子，从该邻域算子下的第二路径相关参数中确定该邻域算子下的最优路径相关参数，并在该最优路径相关参数优于第一路径相关参数的情况下，确定最优路径相关参数为该邻域算子下的路径的第三路径相关参数，以得到每种邻域算子下的路径的第三路径相关参数。

针对每种邻域算子，从中选择最优路径相关参数，如果该最优路径相关参数不优于第一路径相关参数，则将该第一路径相关参数确定为邻域算子下的路径的第三路径相关参数，如果该最优路径相关参数优于第一路径相关参数，则将该最优路径相关参数确定为邻域算子下的路径的第三路径相关参数。

示例地，确定最优路径相关参数的具体实施方式可以包括：比较路径相关参数中的配送效率变化参数，将配送效率变化参数最小的路径相关参数确定为最优路径相关参数；或者在配送效率变化参数相同的情况下，比较路径相关参数中包括的鲁棒性特征参数，并将鲁棒性特征参数最大的路径相关参数确定为最优路径相关参数。

其中，路径的鲁棒性特征参数可以通过以下步骤确定：

根据路径涉及到的每一订单的预估交付时间的模糊数，确定超时最大的目标订单；

根据目标订单的预估交付时间的模糊数的隶属函数和目标订单的承诺交付时间，通过以下公式，确定所述路径的鲁棒性特征参数：

AI＝[area(D(x)∩A(x))]/areaA(x)

其中，x为时间，d为目标订单的承诺交付时间，D(x)为目标订单的关于承诺时间的阶梯函数，A(x)为目标订单的预估交付时间的模糊数的隶属函数，AI为路径的鲁棒性特征参数。

示例地，继续以图2A所示的规划路径为例，订单W1的超时时长参数为E([0，0，3])＝0.75，订单W2的超时时长参数为E([0，0，5])＝1.25，则确定订单W2为超时最大的目标订单，且目标订单的预估交付时间的三角模糊数为[13，15，20]，则隶属函数如图5中的A(x)所示，目标订单的承诺交付时间为15，则AI即为图5中的区域a1的面积与A(x)和x轴围成的面积的比值，例如AI＝2/7。

在步骤404中，从每种邻域算子下的路径的第三路径相关参数中确定出最优路径相关参数，并将该最优路径相关参数作为目标路径相关参数。

在步骤405中，根据目标路径相关参数，确定配送运力的目标规划路径。

在一种实施例中，在确定出目标路径相关参数之后，可直接将该目标路径相关参数对应的路径确定为配送运力的目标规划路径。

在又一种实施例中，还可以通过局部增强搜索对该目标路径相关参数进行循环更新，直至满足循环终止条件后，再将最后一次更新的目标路径相关参数对应的路径确定为配送运力的目标规划路径。

示例地，上述步骤405可以进一步包括：

在根据目标路径相关参数对应的路径涉及的每一订单的预估交付时间的模糊数，确定在路径涉及的订单中存在超时订单的情况下，计算将超时最大的订单的物品交付任务点插入其当前所在位置之后的每一可行位置后的路径的路径相关参数，以得到后向搜索下的最优路径相关参数，并在最优路径相关参数优于目标路径相关参数的情况下，将目标路径相关参数更新为最优路径相关参数；和/或

根据目标路径相关参数对应的路径涉及的每一订单的预估交付时间的模糊数，计算将路径涉及的订单中配送裕量最大的订单的取物任务点和/或物品交付任务点插入取物任务点和/或物品交付任务点各自的当前所在位置之前的每一可行位置后的路径的路径相关参数，以得到前向搜索下的最优路径相关参数，并在最优路径相关参数优于目标路径相关参数的情况下，将目标路径相关参数更新为最优路径相关参数；在本公开中，配送裕量为针对提前完成物品交付的订单，承诺交付时间与预估交付时间的差值，例如承诺时间是15，预估交付时间参数为10，则配送裕量为15-10＝5。

判断是否满足更新终止条件，其中，更新终止条件包括执行任务点路径规划的时间小于或等于预设时间；其中，预设时间可以根据待分配订单的数量进行确定，单位为秒。例如，预设时间可以为0.1×待分配订单的数量。

在不满足更新终止条件的情况下，返回所述按照所述当前配送订单和所述待分配订单各自的当前目标位置排序，以得到所述配送运力的规划路径和所述规划路径的第一路径相关参数的步骤，直至满足更新终止条件；

值得说明的是，在每次返回按照所述当前配送订单和所述待分配订单各自的当前目标位置排序，以得到所述配送运力的规划路径和所述规划路径的第一路径相关参数的步骤的步骤时，是根据本次循环中确定的最优路径相关参数对应的当前配送订单和待分配订单各自的当前目标位置，得到配送运力的规划路径和该规划路径的第一路径相关参数的。即，在本次循环中所涉及的配送运力的规划路径是上一次循环确定的最优路径相关参数对应的路径。

在满足更新终止条件的情况下，将目标路径相关参数对应的路径确定为配送运力的目标规划路径。

采用上述技术方案，可以循环对目标路径相关参数进行更新，在每次循环中，均是基于前一次循环过程中得到的目标路径相关参数进一步确定出最优路径相关参数的，即，每次循环后所得到的目标路径相关参数均优于或等于上一次循环得到的目标路径相关参数，因此，通过循环对目标路径相关参数进行更新，可以更为准确地确定出配送运力的目标规划路径，进而提高了订单分配的准确性。

在一种实施例中，待分配订单为一个，则图1中的步骤105可以进一步包括：比较每一配送运力的配送效率变化参数，将配送效率变化参数最小的配送运力确定为最优配送运力，并将待分配订单分配给所述最优配送运力；或者在配送效率变化参数相同的情况下，比较每一配送运力的目标规划路径的鲁棒性特征参数，将鲁棒性特征参数最大的目标规划路径对应的配送运力确定为最优配送运力，并将待分配订单分配给最优配送运力。

如上所示，配送效率变化参数可以表征待分配订单对配送运力的配送效率的影响程度，具体地，可以表征该待分配订单对配送运力的超时时长的影响程度或者配送运力配送路程的影响程度，即，配送效率变化参数越小，表征该待分配订单对配送运力的超时时长影响越小或配送路程的影响越小，因此，在本公开中，将配送效率变化参数最小的配送运力确定为最优配送运力，并将待分配订单分配给最优配送运力。

在本公开中，该鲁棒性特征参数可以表征配送运力按照该路径配送时超时的可能性，鲁棒性特征参数越大表征超时的可能性越小，因此，在配送效率变化参数相同的情况下，将鲁棒性特征参数最大的目标规划路径对应的配送运力确定为最优配送运力，并将待分配订单分配给最优配送运力。

在一种实施例中，待分配订单为多个，每一配送运力针对每一待分配订单均有一目标规划路径，即每一配送运力具有多个目标规划路径，相应地，如图6所示，上述图1中的步骤105还可以进一步包括以下步骤。

在步骤1051中，在多个配送运力的多个目标规划路径中，将配送效率变化参数最小的配送运力确定为最优配送运力。

在步骤1052中，在最优配送运力的多个目标规划路径中，将与最小的配送效率变化参数的差值小于或等于预设差值的配送效率变化参数的目标规划路径，确定为候选规划路径；

在步骤1053中，比较候选规划路径各自的鲁棒性特征参数，将鲁棒性特征参数最大的候选规划路径对应的待分配订单分配给最优配送运力。

在该实施例中，每一配送运力具有多个目标规划路径，且针对每一目标规划路径，均可计算出该目标规划路径的配送效率变化参数和鲁棒性特征参数。示例地，假设待分配订单为订单W1、订单W2、订单W3，与这些待分配订单相关联的多个配送运力包括配送运力V1、配送运力V2、配送运力V3。相应地，每一配送运力具有三个目标规划路径。例如，配送运力v1具有的三个目标规划路径，分别为：W1-V1(将订单W1分配给配送运力V1的目标规划路径)、W2-V1(将订单W2分配给配送运力V1的目标规划路径)、W3-V1(将订单W3分配给配送运力V1的目标规划路径)，并且，针对每一目标规划路径，均可按照上述方式确定出该目标规划路径的配送效率变化参数和鲁棒性特征参数。例如，C_Wi，Vi表征将订单Wi分配给配送运力Vi的目标规划路径的配送效率变化参数，AI_Wi，Vi表征将订单Wi分配给配送运力Vi的目标规划路径的鲁棒性特征参数。表1示出了将每一订单分配给每一配送运力的目标规划路径的配送效率变化参数和鲁棒性特征参数。

表1

(C<sub>Wi，Vi</sub>，AI<sub>Wi，Vi</sub>)	配送运力V1	配送运力V2	配送运力V3
				订单W1	(4.0，0.1)	(3.0，0.5)	(2.0，0.7)
订单W2	(2.6，0.8)	(1.5，0.6)	(5.0，1.0)
				订单W3	(3.0，0.7)	(4.0，1.0)	(8.0，0.5)

以表1为例，对上述步骤1051至步骤1053进行说明。示例地，根据表1所示的每个目标规划路径的配送效率变化参数，将配送运力V2确定为最优配送运力。假设预设差值为3，则配送运力V2的三个目标规划路径均为候选规划路径。之后，比较每个候选规划路径各自的鲁棒性特征参数，将鲁棒性特征参数最大的候选规划路径对应的待分配订单分配给所述最优配送运力，即，将订单W3分配给该配送运力V2。如此，即可实现将订单W3分配给该订单W3对应的最优配送运力。

值得说明的是，在按照上述方式将订单W3分配给配送运力V2之后，该订单W3即为配送运力V2的当前配送订单，此时的W3-V2(将订单W3分配给配送运力V2的目标规划路径)更新为配送运力V2的当前规划路径，且待分配订单仅包括订单W1和订单W2。之后，再次执行上述订单分配方法，直到将订单W1、订单W2均分配给最优配送运力为止。

采用上述技术方案，在订单分配过程中，综合考虑配送运力的目标规划路径的配送效率变化参数和鲁棒性特征参数，确定出针对每一待分配订单的最优配送运力，并将各待分配订单分配给相应的最优配送运力，进一步提高了订单分配的准确性。并且，将待分配订单分配给最优配送运力，提高了配送路径的鲁棒性，进而提高了配送运力的配送效率。

基于同一发明构思，本公开还提供一种订单分配装置。图7是根据一示例性实施例示出的一种订单分配装置的框图。如图7所示，该装置700可以包括：

第一确定模块701，被配置成用于确定与待分配订单相关联的多个配送运力；

路径规划模块702，被配置成用于根据所述待分配订单和每一所述配送运力的当前规划路径，分别对每一所述配送运力进行任务点路径规划，以得到每一所述配送运力各自的目标规划路径；

获取模块703，被配置成用于获取每一所述目标规划路径的配送效率参数，其中，所述目标规划路径的配送效率参数是基于所述目标规划路径对应的随机配送特征信息的模糊数确定的；

第二确定模块704，被配置成用于根据同一配送运力的所述目标规划路径的配送效率参数和所述当前规划路径的配送效率参数，确定所述配送运力的所述目标规划路径相对于所述当前规划路径的配送效率变化参数；

订单分配模块705，被配置成用于根据所述配送效率变化参数确定最优配送运力，并将所述待分配订单分配给所述最优配送运力。

可选地，所述装置还可以包括：

第三确定模块，被配置成用于针对规划路径涉及的每一订单，确定所述订单的预估交付时间的模糊数，并根据所述预估交付时间的模糊数和所述订单的承诺交付时间，确定所述订单的超时时长的模糊数；

第四确定模块，被配置成用于根据所述规划路径涉及的每一所述订单的超时时长的模糊数，确定所述规划路径的超时时长参数。

可选地，所述路径规划模块702可以包括：

第一确定子模块，被配置成用于针对每一所述配送运力，确定所述当前规划路径涉及的每一当前配送订单和所述待分配订单的配送优先级；

执行子模块，被配置成用于按照所述配送优先级依次将订单作为目标订单，并针对所述目标订单执行以下步骤：根据将所述目标订单插入每一可行位置后的路径对应的随机配送特征信息的模糊数，确定所述路径的配送参数，其中，所述可行位置为满足目标订单的取物任务点位于物品交付任务点之前，且该位置上的所述配送运力的运单量小于或等于运单阈值的位置，所述配送参数包括配送时长参数和/或配送路程参数；将所述配送参数最小时对应的所述目标订单的位置确定为所述目标订单的当前目标位置；

路径规划子模块，被配置成用于根据所述当前配送订单和所述待分配订单各自的当前目标位置，对所述配送运力进行任务点路径规划，以得到每一所述配送运力各自的目标规划路径。

可选地，所述路径规划子模块包括：

排序子模块，被配置成用于按照所述当前配送订单和所述待分配订单各自的当前目标位置排序，以得到所述配送运力的规划路径和所述规划路径的第一路径相关参数；

搜索子模块，被配置成用于通过预设的邻域算子对所述规划路径进行搜索，以得到每种邻域算子下的每次搜索后的路径的第二路径相关参数；

第二确定子模块，被配置成用于针对每种邻域算子，从所述邻域算子下的所述第二路径相关参数中确定所述邻域算子下的最优路径相关参数，并在所述最优路径相关参数优于所述第一路径相关参数的情况下，确定所述最优路径相关参数为所述邻域算子下的路径的第三路径相关参数，以得到每种所述邻域算子下的路径的第三路径相关参数；

第三确定子模块，被配置成用于从每种所述邻域算子下的路径的第三路径相关参数中确定出最优路径相关参数，并将该最优路径相关参数作为目标路径相关参数；

第四确定子模块，被配置成用于根据所述目标路径相关参数，确定所述配送运力的目标规划路径。

可选地，所述第四确定子模块包括：

更新子模块，被配置成用于在根据所述目标路径相关参数对应的路径涉及的每一订单的预估交付时间的模糊数，确定在所述路径涉及的订单中存在超时订单的情况下，计算将超时最大的订单的物品交付任务点插入其当前所在位置之后的每一可行位置后的路径的路径相关参数，以得到后向搜索下的最优路径相关参数，并在所述最优路径相关参数优于所述目标路径相关参数的情况下，将所述目标路径相关参数更新为所述最优路径相关参数；和/或，根据所述目标路径相关参数对应的路径涉及的每一订单的预估交付时间的模糊数，计算将所述路径涉及的订单中配送裕量最大的订单的取物任务点和/或物品交付任务点插入所述取物任务点和/或所述物品交付任务点各自的当前所在位置之前的每一可行位置后的路径的路径相关参数，以得到前向搜索下的最优路径相关参数，并在所述最优路径相关参数优于所述目标路径相关参数的情况下，将所述目标路径相关参数更新为所述最优路径相关参数；

判断子模块，被配置成用于判断是否满足更新终止条件，其中，所述更新终止条件包括执行任务点路径规划的时间小于或等于预设时间；

返回子模块，被配置成用于在不满足所述更新终止条件的情况下，返回所述排序子模块执行所述按照所述当前配送订单和所述待分配订单各自的当前目标位置排序，以得到所述配送运力的规划路径和所述规划路径的第一路径相关参数的步骤，直至满足所述更新终止条件；

第五确定子模块，被配置成用于在满足所述更新终止条件的情况下，将所述目标路径相关参数对应的路径确定为所述配送运力的目标规划路径。

可选地，所述路径的路径相关参数包括所述路径相对于所述当前规划路径的配送效率变化参数；相应地，所述装置还可以包括：

第五确定模块，被配置成用于比较所述路径相关参数中的所述配送效率变化参数，将所述配送效率变化参数最小的路径相关参数确定为最优路径相关参数；或者在所述配送效率变化参数相同的情况下，比较所述路径相关参数中包括的鲁棒性特征参数，并将鲁棒性特征参数最大的路径相关参数确定为所述最优路径相关参数。

可选地，所述装置还可以包括：

第六确定模块，被配置成用于根据所述路径涉及的每一订单的预估交付时间的模糊数，确定超时最大的目标订单；

第七确定模块，被配置成用于根据所述目标订单的预估交付时间的模糊数的隶属函数和所述目标订单的承诺交付时间，通过以下公式，确定所述路径的鲁棒性特征参数：

AI＝[area(D(x)∩A(x))]/areaA(x)

其中，x为时间，d为所述目标订单的承诺交付时间，D(x)为所述目标订单的关于所述承诺时间的阶梯函数，A(x)为所述目标订单的预估交付时间的模糊数的隶属函数，AI为所述路径的鲁棒性特征参数。

可选地，所述待分配订单为一个，所述订单分配模块705，被配置成用于比较每一所述配送运力的所述配送效率变化参数，将所述配送效率变化参数最小的配送运力确定为最优配送运力，并将所述待分配订单分配给所述最优配送运力；或者在所述配送效率变化参数相同的情况下，比较每一所述配送运力的目标规划路径的鲁棒性特征参数，将鲁棒性特征参数最大的目标规划路径对应的配送运力确定为最优配送运力，并将所述待分配订单分配给所述最优配送运力。

可选地，所述待分配订单为多个，每一所述配送运力针对每一所述待分配订单均有一所述目标规划路径；相应地，所述订单分配模块705可以包括：

第六确定子模块，被配置成用于在多个所述配送运力的多个所述目标规划路径中，将所述配送效率变化参数最小的配送运力确定为最优配送运力；

第七确定子模块，被配置成用于在所述最优配送运力的多个所述目标规划路径中，将与所述最小的配送效率变化参数的差值小于或等于预设差值的配送效率变化参数的目标规划路径，确定为候选规划路径；

订单分配子模块，被配置成用于比较所述候选规划路径各自的鲁棒性特征参数，将鲁棒性特征参数最大的候选规划路径对应的待分配订单分配给所述最优配送运力。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图8是根据一示例性实施例示出的一种电子设备的框图。如图8所示，该电子设备800可以包括：处理器801，存储器802。该电子设备800还可以包括多媒体组件803，输入/输出(I/O)接口804，以及通信组件805中的一者或多者。

其中，处理器801用于控制该电子设备800的整体操作，以完成上述的订单分配方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该电子设备800的操作，这些数据例如可以包括用于在该电子设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以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，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该电子设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G、4G、NB-IOT、eMTC、或其他5G等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块等等。

在一示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的订单分配方法。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的订单分配方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由电子设备800的处理器801执行以完成上述的订单分配方法。

图9是根据一示例性实施例示出的一种电子设备的框图。例如，电子设备900可以被提供为一服务器。参照图9，电子设备900包括处理器922，其数量可以为一个或多个，以及存储器932，用于存储可由处理器922执行的计算机程序。存储器932中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器922可以被配置为执行该计算机程序，以执行上述的订单分配方法。

另外，电子设备900还可以包括电源组件926和通信组件950，该电源组件926可以被配置为执行电子设备900的电源管理，该通信组件950可以被配置为实现电子设备900的通信，例如，有线或无线通信。此外，该电子设备900还可以包括输入/输出(I/O)接口958。电子设备900可以操作基于存储在存储器932的操作系统，例如Windows Server^TM，Mac OSX^TM，Unix^TM，Linux^TM等等。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的订单分配方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器932，上述程序指令可由电子设备900的处理器922执行以完成上述的订单分配方法。

在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的订单分配方法的代码部分。

以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。

此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (14)

1.一种订单分配方法，其特征在于，包括：

确定与待分配订单相关联的多个配送运力；

根据所述待分配订单和每一所述配送运力的当前规划路径，分别对每一所述配送运力进行任务点路径规划，以得到每一所述配送运力各自的目标规划路径；

获取每一所述目标规划路径的配送效率参数，其中，所述目标规划路径的配送效率参数是基于所述目标规划路径对应的随机配送特征信息的模糊数确定的；

根据同一配送运力的所述目标规划路径的配送效率参数和所述当前规划路径的配送效率参数，确定所述配送运力的所述目标规划路径相对于所述当前规划路径的配送效率变化参数；

根据所述配送效率变化参数确定最优配送运力，并将所述待分配订单分配给所述最优配送运力。

2.根据权利要求1所述的方法，其特征在于，所述随机配送特征信息包括以下中的至少一种：物品准备完成时间；取物完成时间；配送运力的移动时间；物品交付时间。

3.根据权利要求1所述的方法，其特征在于，所述配送效率参数包括：超时时长参数和/或配送路程参数，所述配送效率变化参数包括：超时时长参数的变化量和/或配送路程参数的变化量。

4.根据权利要求3所述的方法，其特征在于，所述超时时长参数通过以下步骤确定：

针对规划路径涉及的每一订单，确定所述订单的预估交付时间的模糊数，并根据所述预估交付时间的模糊数和所述订单的承诺交付时间，确定所述订单的超时时长的模糊数；

根据所述规划路径涉及的每一所述订单的超时时长的模糊数，确定所述规划路径的超时时长参数。

5.根据权利要求1所述的方法，其特征在于，所述根据所述待分配订单和每一所述配送运力的当前规划路径，分别对每一所述配送运力进行任务点路径规划，以得到每一所述配送运力各自的目标规划路径，包括：

针对每一所述配送运力，确定所述当前规划路径涉及的每一当前配送订单和所述待分配订单的配送优先级；

按照所述配送优先级依次将订单作为目标订单，并针对所述目标订单执行以下步骤：

根据将所述目标订单插入每一可行位置后的路径对应的随机配送特征信息的模糊数，确定所述路径的配送参数，其中，所述可行位置为满足目标订单的取物任务点位于物品交付任务点之前，且该位置上的所述配送运力的运单量小于或等于运单阈值的位置，所述配送参数包括配送时长参数和/或配送路程参数；

将所述配送参数最小时对应的所述目标订单的位置确定为所述目标订单的当前目标位置；

根据所述当前配送订单和所述待分配订单各自的当前目标位置，对所述配送运力进行任务点路径规划，以得到每一所述配送运力各自的目标规划路径。

6.根据权利要求5所述的方法，其特征在于，所述根据所述当前配送订单和所述待分配订单各自的当前目标位置，对所述配送运力进行任务点路径规划，以得到每一所述配送运力各自的目标规划路径，包括：

按照所述当前配送订单和所述待分配订单各自的当前目标位置排序，以得到所述配送运力的规划路径和所述规划路径的第一路径相关参数；

通过预设的邻域算子对所述规划路径进行搜索，以得到每种邻域算子下的每次搜索后的路径的第二路径相关参数；

针对每种邻域算子，从所述邻域算子下的所述第二路径相关参数中确定所述邻域算子下的最优路径相关参数，并在所述最优路径相关参数优于所述第一路径相关参数的情况下，确定所述最优路径相关参数为所述邻域算子下的路径的第三路径相关参数，以得到每种所述邻域算子下的路径的第三路径相关参数；

从每种所述邻域算子下的路径的第三路径相关参数中确定出最优路径相关参数，并将该最优路径相关参数作为目标路径相关参数；

根据所述目标路径相关参数，确定所述配送运力的目标规划路径。

7.根据权利要求6所述的方法，其特征在于，所述根据所述目标路径相关参数，确定所述配送运力的目标规划路径，包括：

在根据所述目标路径相关参数对应的路径涉及的每一订单的预估交付时间的模糊数，确定在所述路径涉及的订单中存在超时订单的情况下，计算将超时最大的订单的物品交付任务点插入其当前所在位置之后的每一可行位置后的路径的路径相关参数，以得到后向搜索下的最优路径相关参数，并在所述最优路径相关参数优于所述目标路径相关参数的情况下，将所述目标路径相关参数更新为所述最优路径相关参数；和/或

根据所述目标路径相关参数对应的路径涉及的每一订单的预估交付时间的模糊数，计算将所述路径涉及的订单中配送裕量最大的订单的取物任务点和/或物品交付任务点插入所述取物任务点和/或所述物品交付任务点各自的当前所在位置之前的每一可行位置后的路径的路径相关参数，以得到前向搜索下的最优路径相关参数，并在所述最优路径相关参数优于所述目标路径相关参数的情况下，将所述目标路径相关参数更新为所述最优路径相关参数；

判断是否满足更新终止条件，其中，所述更新终止条件包括执行任务点路径规划的时间小于或等于预设时间；

在不满足所述更新终止条件的情况下，返回所述按照所述当前配送订单和所述待分配订单各自的当前目标位置排序，以得到所述配送运力的规划路径和所述规划路径的第一路径相关参数的步骤，直至满足所述更新终止条件；

在满足所述更新终止条件的情况下，将所述目标路径相关参数对应的路径确定为所述配送运力的目标规划路径。

8.根据权利要求6或7所述的方法，其特征在于，所述路径的路径相关参数包括所述路径相对于所述当前规划路径的配送效率变化参数；相应地，所述最优路径相关参数通过以下步骤确定：

比较所述路径相关参数中的所述配送效率变化参数，将所述配送效率变化参数最小的路径相关参数确定为最优路径相关参数；或者

在所述配送效率变化参数相同的情况下，比较所述路径相关参数中包括的鲁棒性特征参数，并将鲁棒性特征参数最大的路径相关参数确定为所述最优路径相关参数。

9.根据权利要求8所述的方法，其特征在于，所述路径的鲁棒性特征参数通过以下步骤确定：

根据所述路径涉及的每一订单的预估交付时间的模糊数，确定超时最大的目标订单；

根据所述目标订单的预估交付时间的模糊数的隶属函数和所述目标订单的承诺交付时间，通过以下公式，确定所述路径的鲁棒性特征参数：

AI＝[area(D(x)∩A(x))]/areaA(x)

其中，x为时间，d为所述目标订单的承诺交付时间，D(x)为所述目标订单的关于所述承诺时间的阶梯函数，A(x)为所述目标订单的预估交付时间的模糊数的隶属函数，AI为所述路径的鲁棒性特征参数。

10.根据权利要求1所述的方法，其特征在于，所述待分配订单为一个，所述根据所述配送效率变化参数确定最优配送运力，并将所述待分配订单分配给所述最优配送运力，包括：

比较每一所述配送运力的所述配送效率变化参数，将所述配送效率变化参数最小的配送运力确定为最优配送运力，并将所述待分配订单分配给所述最优配送运力；或者

在所述配送效率变化参数相同的情况下，比较每一所述配送运力的目标规划路径的鲁棒性特征参数，将鲁棒性特征参数最大的目标规划路径对应的配送运力确定为最优配送运力，并将所述待分配订单分配给所述最优配送运力。

11.根据权利要求1所述的方法，其特征在于，所述待分配订单为多个，每一所述配送运力针对每一所述待分配订单均有一所述目标规划路径；

相应地，所述根据所述配送效率变化参数确定最优配送运力，并将所述待分配订单分配给所述最优配送运力，包括：

在多个所述配送运力的多个所述目标规划路径中，将所述配送效率变化参数最小的配送运力确定为最优配送运力；

在所述最优配送运力的多个所述目标规划路径中，将与所述最小的配送效率变化参数的差值小于或等于预设差值的配送效率变化参数的目标规划路径，确定为候选规划路径；

比较所述候选规划路径各自的鲁棒性特征参数，将鲁棒性特征参数最大的候选规划路径对应的待分配订单分配给所述最优配送运力。

12.一种订单分配装置，其特征在于，包括：

第一确定模块，被配置成用于确定与待分配订单相关联的多个配送运力；

路径规划模块，被配置成用于根据所述待分配订单和每一所述配送运力的当前规划路径，分别对每一所述配送运力进行任务点路径规划，以得到每一所述配送运力各自的目标规划路径；

获取模块，被配置成用于获取每一所述目标规划路径的配送效率参数，其中，所述目标规划路径的配送效率参数是基于所述目标规划路径对应的随机配送特征信息的模糊数确定的；

第二确定模块，被配置成用于根据同一配送运力的所述目标规划路径的配送效率参数和所述当前规划路径的配送效率参数，确定所述配送运力的所述目标规划路径相对于所述当前规划路径的配送效率变化参数；

订单分配模块，被配置成用于根据所述配送效率变化参数确定最优配送运力，并将所述待分配订单分配给所述最优配送运力。

13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-11中任一项所述方法的步骤。

14.一种电子设备，其特征在于，包括：

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-11中任一项所述方法的步骤。

Images