CN113743852A - 一种路由方法及装置、设备、存储介质 - Google Patents

一种路由方法及装置、设备、存储介质 Download PDF

Info

Publication number
CN113743852A
CN113743852A CN202011188451.4A CN202011188451A CN113743852A CN 113743852 A CN113743852 A CN 113743852A CN 202011188451 A CN202011188451 A CN 202011188451A CN 113743852 A CN113743852 A CN 113743852A
Authority
CN
China
Prior art keywords
node
routing
transit
determining
line
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011188451.4A
Other languages
English (en)
Inventor
宋佳慧
张峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Zhenshi Information Technology Co Ltd
Original Assignee
Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Zhenshi Information Technology Co Ltd filed Critical Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority to CN202011188451.4A priority Critical patent/CN113743852A/zh
Publication of CN113743852A publication Critical patent/CN113743852A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/08Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083Shipping
    • G06Q10/0835Relationships between shipper or supplier and carriers
    • G06Q10/08355Routing methods

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本申请实施例公开了一种路由方法,所述方法包括:根据出发节点和目的节点,确定至少两条路由线路;所述至少两条路由线路中每一路由线路包括至少一个中转节点;从所述至少两条路由线路中,查找至少一条可用路由线路;所述可用路由线路包括至少一个中转节点,每一所述中转节点不为失效中转节点;从所述至少一条可用路由线路中确定目标路由线路。另外,本申请实施例还公开了一种路由装置、设备及存储介质。

Description

一种路由方法及装置、设备、存储介质
技术领域
本申请实施例涉及计算机技术领域,涉及但不限于一种路由方法及装置、设备、存储介质。
背景技术
相关技术中,路由线路大部分都是静态的,如果已知订单的收货地址,服务器会根据货物所在的仓库以及收货地址生成一条路由线路。但在实际运营中可能会遇到分拣中心货量爆炸的情况,或者因为不可抗的自然因素导致的某些分拣中心和路由线路无法使用的情况,目前的解决方案是人工去标注哪些路由线路失效,并人工选择新的路由线路。但是,该解决方案的效率低,且容易出现失误。
发明内容
有鉴于此,本申请实施例为解决相关技术中存在的至少一个问题而提供一种路由方法及装置、设备、存储介质,能够在某些路由线路不可用的情况下,生成备选路由线路,提高生成备选路由线路的效率和准确率。
本申请实施例的技术方案是这样实现的:
第一方面,本申请实施例提供一种路由方法,所述方法包括:
根据出发节点和目的节点,确定至少两条路由线路;所述至少两条路由线路中每一路由线路包括至少一个中转节点;
从所述至少两条路由线路中,查找至少一条可用路由线路;所述可用路由线路包括至少一个中转节点,每一所述中转节点不为失效中转节点;
从所述至少一条可用路由线路中确定目标路由线路。
第二方面,本申请实施例提供一种路由装置,所述装置包括:第一确定模块、查找模块和第二确定模块;其中,
所述第一确定模块,用于根据出发节点和目的节点,确定至少两条路由线路;所述至少两条路由线路中每一路由线路包括至少一个中转节点;
所述查找模块,用于从所述至少两条路由线路中,查找至少一条可用路由线路;所述可用路由线路包括至少一个中转节点,每一所述中转节点不为失效中转节点;
所述第二确定模块,用于从所述至少一条可用路由线路中确定目标路由线路。
第三方面,本申请实施例提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述路由方法中的步骤。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述路由方法中的步骤。
本申请实施例中,提供了一种路由方法,根据出发节点和目的节点,确定至少两条路由线路;所述至少两条路由线路中每一路由线路包括至少一个中转节点;从所述至少两条路由线路中,查找至少一条可用路由线路;所述可用路由线路包括至少一个中转节点,每一所述中转节点不为失效中转节点;从所述至少一条可用路由线路中确定目标路由线路,能够在某些路由线路不可用的情况下,生成备选路由线路,提高生成备选路由线路的效率和准确率。
附图说明
图1为本申请实施例架构示意图;
图2A为本申请实施例提供的路由方法的实现流程示意图一;
图2B为本申请实施例提供的异构图的结构示意图一;
图3为本申请实施例提供的路由仿真系统的结构示意图;
图4为本申请实施例提供的路由网络的示意图;
图5为本申请实施例提供的路由网络对应的图网络的结构示意图;
图6为本申请实施例提供的异构图的结构示意图二;
图7为本申请实施例提供的不同时刻对应的异构图的结构示意图;
图8为本申请实施例提供的预测模型的结构示意图;
图9为本申请实施例提供的多条路由线路的示意图;
图10为本申请实施例提供的路由装置的组成结构示意图;
图11为本申请实施例计算机设备的一种硬件实体示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对申请的具体技术方案做进一步详细描述。以下实施例用于说明本申请,但不用来限制本申请的范围。
为了更好地理解本申请,对本申请实施例进行进一步详细说明之前,对本申请实施例中涉及的名词和术语进行说明,本申请实施例中涉及的名词和术语适用于如下的解释。
1)出发节点,是指出发的节点,节点可以为地点,比如:快递路由线路的站点。
2)目的节点,是指到达的节点,比如:快递路由线路的快递派件站点。
3)中转节点,是指出发节点与目的节点之间的节点,比如:快递路由线路的分拣中心。
4)异构图,是指由不同类型的节点构成的图,比如:由出发节点、目的节点和中转节点构成的图。
5)容量,表征中转节点能够容纳货物的数量;其中,预测容量为该中转节点的容量的预测值。
本申请实施例可提供为路由方法及装置、设备和存储介质。实际应用中,路由方法可由路由装置实现,路由装置中的各功能实体可以由计算机设备(如终端设备、服务器)的硬件资源,如处理器等计算资源、通信资源(如用于支持实现光缆、蜂窝等各种方式通信)协同实现。
本申请实施例的路由方法可应用于图1所示的路由系统,如图1所示,包括:服务器11和客户端12。
这里,服务器11根据出发节点和目的节点,确定至少两条路由线路;所述至少两条路由线路中每一路由线路包括至少一个中转节点;从所述至少两条路由线路中,查找至少一条可用路由线路;所述可用路由线路包括至少一个中转节点,每一所述中转节点不为失效中转节点;从所述可用路由线路中确定目标路由线路。
客户端12将服务器11确定的目标路由线路显示在显示器上。
下面,结合图1所示的路由系统的示意图,对本申请实施例提供的路由方法、装置、设备和存储介质的各实施例进行说明。
本实施例提供一种路由方法,该方法应用于服务器,其中,服务器可为计算机设备。该方法所实现的功能可以通过计算机设备中的处理器调用程序代码来实现,当然程序代码可以保存在计算机存储介质中,可见,该计算机设备至少包括处理器和存储介质。
图2A为本申请实施例的一种路由方法的实现流程示意图,如图2A所示,该方法可以包括如下步骤:
S201、根据出发节点和目的节点,确定至少两条路由线路;
其中,所述至少两条路由线路中每一路由线路包括至少一个中转节点。
这里,当服务器获得出发节点和目的节点后,服务器会根据出发节点和目的节点,生成多条路由线路,该多条路由线路中的每一条路由线路包括一个中转节点或多个中转节点。
在一示例中,在物流场景下,出发节点可以为仓库,目的节点可以为站点,中转节点可以为分拣中心。本申请实施例对节点的应用场景不进行任何限定。
比如:出发节点为A1,目的节点为E1,中转节点M1、M2,服务器根据出发节点A1、目的节点E1,生成路由线路L1、路由线路L2。其中,路由线路L1包括:出发节点A1、中转节点M1、目的节点E1,路由线路L2包括:出发节点A1、中转节点M1、中转节点M2、目的节点E1。
又比如:出发节点为A2,目的节点为E2,中转节点M3、M4、M5、M6,服务器根据出发节点A2、目的节点E2,生成路由线路L3、路由线路L4、路由线路L5和路由线路L6。其中,路由线路L3包括:出发节点A2、中转节点M3、目的节点E2,路由线路L4包括:出发节点A2、中转节点M3、中转节点M4、目的节点E2;路由线路L5包括:出发节点A2、中转节点M4、中转节点M5、目的节点E2;路由线路L6包括:出发节点A2、中转节点M6、目的节点E2。
需要说明的是,至少两条路由线路中每两条路由线路的中转节点可以都不相同,也可以部分相同。
S202、从所述至少两条路由线路中,查找至少一条可用路由线路;
其中,所述可用路由线路包括至少一个中转节点,每一所述中转节点不为失效中转节点。
这里,在确定了至少两条路由线路后,在从至少两条路由线路中查找可用路由线路时,确定每一路由线路中的至少一个中转节点中的失效中转节点。其中,失效中转节点表征该中转节点不可用。这里,当中转节点满足不可用条件是,则该中转节点为不可用节点,其中,不可用条件至少包括以下条件之一:容量达到最大值;中转节点对应的线路不通。
比如:同上例,对于路由线路L2,确定中转节点M2为失效中转节点;对于路由线路L4,确定中转节点M4为失效中转节点;对于路由线路L5,确定中转节点M4、中转节点M5为失效中转节点。
在对于每一路由线路,在确定失效中转节点时,可以采用预测模型对该中转节点进行预测,如果预测结果表征该中转节点不可用,则确定该中转节点为失效中转节点。
这里,当确定了失效中转节点后,将该失效中转节点连接的不可用路由线路删除后,得到至少一条可用路由线路。
比如:同上例,路由线路L1和路由线路L2的出发节点为A1,目的节点为E1,中转节点M2为失效中转节点,则将中转节点M2连接的路由线路删除,即将中转节点M2与中转节点M1之间的路由线路,中转节点M2与目的节点为E1之间的路由线路删除,得到的可用线路为路由线路L1。
又比如:同上例,路由线路L3、路由线路L4、路由线路L5和路由线路L6的出发节点为A2,目的节点为E2,中转节点M4、中转节点M5为失效中转节点,则将中转节点M4、中转节点M5连接的路由线路删除,即将中转节点M4与中转节点M5之间的路由线路,中转节点M4、中转节点M5与目的节点为E2之间的路由线路,中转节点M4、中转节点M5与出发节点为A2之间的路由线路删除,得到的可用线路为路由线路L3、路由线路L6。
S203、从所述至少一条可用路由线路中确定目标路由线路。
这里,当服务器获得可用路由线路后,服务器获得的可用路由线路的条数包括两种情况:一条路由线路和多条路由线路。
当可用路由线路只包含一条路由线路时,可以直接将该路由线路作为目标路由线路。比如:可用线路为路由线路L1,则将路由线路L1作为目标路由线路。
当可用路由线路包含多条路由线路时,需要在可用路由线路中确定目标路由线路,可以根据可用路由线路的特征来确定目标路由线路。其中,特征可以包括:该可用路由线路的时效、或者路况等,时效表征从出发节点至目的节点的时间。
这里,当可用路由线路的特征为时效时,根据该可用路由线路的时效确定目标路由线路。比如:可用线路为路由线路L3、路由线路L6,路由线路L3的时效为:2日,路由线路L6的时效为:1日9时,则将路由线路L6作为目标路由线路。
在本申请实施例中,根据出发节点和目的节点,确定至少两条路由线路;所述至少两条路由线路中每一路由线路包括至少一个中转节点;从所述至少两条路由线路中,查找至少一条可用路由线路;所述可用路由线路包括至少一个中转节点,每一所述中转节点不为失效中转节点;从所述至少一条可用路由线路中确定目标路由线路,能够在某些路由线路不可用的情况下,生成备选路由线路,提高生成备选路由线路的效率和准确率。
在一实施例中,在从所述至少两条路由线路中,查找至少一条可用路由线路之前,所述方法还包括:确定所述至少一个中转节点中每一中转节点的预测容量;如果所述中转节点的预测容量大于容量阈值,确定所述中转节点为失效中转节点。
这里,对于每一路由线路来说,服务器在确定至少一个中转节点中的失效中转节点之前,对至少一个中转节点中的每一中转节点的容量进行预测,得到预测容量。在对每一中转节点的容量进行预测时,可以采用容量预测模型,得到该中转节点的预测容量。
这里,获得每一中转节点的预测容量后,将每一中转节点的预测容量与对应的中转节点的容量阈值进行比较,如果该中转节点的预测容量大于容量阈值,则将该中转节点确定为失效中转节点。
比如:同上例,对于路由线路L2包括:中转节点M1、中转节点M2,中转节点M1的预测容量为Y1,容量阈值为Y2,中转节点M2的预测容量为Y3,容量阈值为Y4,如果Y1小于Y2,Y3大于Y4,这里,确定中转节点M2为失效中转节点。
又比如:同上例,对于路由线路L5包括:中转节点M4、中转节点M5,中转节点M4的预测容量为Y5,容量阈值为Y6,中转节点M5的预测容量为Y7,容量阈值为Y8,如果Y5大于Y6,Y7大于Y8,这里,确定中转节点M4、中转节点M5为失效中转节点。
需要说明的是,容量阈值可以根据中转节点的实际情况来取值,本申请实施例不做任何限定。
本申请实施例中,能够根据每一中转节点的预测容量和容量阈值,确定失效中转节点,将失效节点连接的路由线路删除,从而删除不可用的路由线路,得到可用路由线路。
在一实施例中,所述确定所述至少一个中转节点中每一中转节点的预测容量,包括:构造所述至少一个中转节点的异构图;根据图卷积模型和所述异构图,确定每一所述中转节点的特征向量;基于所述特征向量,确定对应的中转节点的预测容量。
这里,在对至少一个中转节点中每一中转节点的预测容量进行预测时,对该中转节点构造异构图。其中,中转节点可以与出发节点相连,中转节点也可以与相邻中转节点相连,中转节点还可以与目的节点相连,因此,对于某个中转节点能够构造该中转节点分别与出发节点、相邻中转节点和目的节点相连的异构图。如图2B所示,出发节点21与中转节点22相连,中转节点22与相邻中转节点相连,中转节点22与目的节点23相连,构成了中转节点22分别与出发节点21、相邻中转节点、目的节点23相连的异构图。在得到异构图后,还可以将不同时刻的异构图按照时间顺序排列,得到异构图时空网络。
这里,服务器得到异构图后,根据该异构图和图卷积模型,来确定每一中转节点的特征向量。其中,特征向量包括:出货量、到货量和分拣人员个数等。
这里,针对每一中转节点在确定该中转节点的特征向量时,该中转节点的特征向量与和该中转节点连接的出发节点的特征向量、相邻中转节点的特征向量、目的节点的特征向量有关。
在确定每一中转节点的特征向量时,将与该中转节点有连接关系的出发节点、相邻中转节点或目的节点的特征向量输入图卷积模型中,获得该中转节点的特征向量。在确定不同时刻的某个中转节点的特征向量时,可以针对一个时刻采用一个图卷积模型,从而分别获得不同时刻的该中转节点的特征向量。
这里,图卷积模型可以采用公式(1)表达:
Figure BDA0002752021630000081
其中,
Figure BDA0002752021630000082
表示中转节点i在第l+1层的特征,
Figure BDA0002752021630000083
代表A+I,其中A是邻接矩阵,I是单位矩阵;
Figure BDA0002752021630000091
表示
Figure BDA0002752021630000092
对应的度矩阵;Ni表示节点i所有的邻居节点,包括出发节点、目的节点或中转节点;W(l)、b(l)分别表示第l层的权重和截距;σ表示非线性变换是激活函数。
这里,在采用图卷积模型确定中转节点的特征向量时,可以先对该图卷积模型的参数进行训练。选取包括出发节点的特征向量、相邻中转节点的特征向量、目的节点的特征向量以及中转节点的特征向量的训练样本对图卷积模型进行训练,以更新图卷积模型的参数。
当服务器得到中转节点的特征向量后,将该特征向量输入容量预测模型,对该中转节点的容量进行预测。其中,容量预测模型可以采用门控循环单元(Gate RecurrentUnit,GRU)模型,GRU模型可以采用公式(2)表达:
Figure BDA0002752021630000093
其中rt、zt
Figure BDA0002752021630000094
ht、yt分别表示时刻t对应的重置门、时刻t对应的更新门、时刻t对应的本次GRU模型的待定输出、时刻t对应的本次GRU模型的实际输出、时刻t对应的最后输出。Wr、Wz
Figure BDA0002752021630000095
W0分别表示重置门的权重、更新门的权重、本次GRU模型的待定输出的权重、本次GRU模型的实际输出的权重、最后输出的权重。xt为时刻t对应的中转节点的特征向量,h(t-1)为上一时刻GRU模型的输出,σ(.)为激活函数。
这里,在采用GRU模型确定中转节点的预测容量时,可以对该GRU模型进行训练。选取包括中转节点的特征向量及中转节点的预测容量的训练样本对GRU模型进行训练,以更新GRU模型的参数。
本申请实施例中,能够根据不同时刻的异构图及图卷积模型确定中转节点的特征向量,从而进一步确定该中转节点的预测容量,从而获得不可用的中转节点。
在一实施例中,在根据图卷积模型和所述异构图,确定每一所述中转节点的特征向量之后,所述方法还包括:根据所述特征向量和所述特征向量对应的权重,确定目标特征向量;相应地,所述基于所述特征向量,确定对应的中转节点的预测容量,包括:将每一所述中转节点对应的目标特征向量输入容量预测模型,得到所述容量预测模型输出的对应的中转节点的预测容量。
这里,在确定每一中转节点的特征向量之后,还可以根据中转节点的特征向量和该特征向量对应的权重,确定目标特征向量。这里,在确定目标特征向量时,可以采用公式(3):
Figure BDA0002752021630000101
其中,at为t时刻的特征向量Xt的权重,inputt为t时刻的目标特征向量。这里,at可以通过注意力attention机制确定。
这里,在获得了中转节点的不同时刻的目标特征向量后,将该目标特征向量输入到容量预测模型中,从而获得该中转节点的预测容量。
在本申请实施例中,能够基于特征向量和特征向量对应的权重,确定目标特征向量,使得获得的该中转节点的预测容量更加准确。
在一实施例中,所述构造所述至少一个中转节点的异构图,包括:根据每一所述中转节点与所述出发节点,确定第一节点图;根据每一所述中转节点与所述中转节点连接的相邻中转节点,确定第二节点图;根据每一所述中转节点与所述目的节点,确定第三节点图;所述第一节点图、所述第二节点图和所述第三节点图,构成对应的中转节点的异构图。
这里,构造至少一个中转节点的异构图时,针对每一中转节点其可能与出发节点相连,也可能与相邻中转节点相连,还有可能与目的节点相连。当中转节点与出发节点有连接关系时,将中转节点与出发节点及其两者的连接关系,确定为第一节点图;当中转节点与相邻中转节点有连接关系时,将中转节点与相邻中转节点及其两者的连接关系,确定为第二节点图;当中转节点与目的节点有连接关系时,将中转节点与目的节点及其两者的连接关系,确定为第三节点图。上述第一节点图、第二节点图和第三节点图构成异构图。
这里,不同时刻对应的异构图构成了异构图网络。
本申请实施例中,能够根据中转节点、与中转节点有连接关系的出发节点、目标节点、相邻中转节点,构成异构图,从而为确定中转节点的特征向量作基础。
在一实施例中,在从所述至少一条可用路由线路中确定目标路由线路之前,所述方法还包括:对于每一可用路由线路,执行以下处理:获取所述可用路由线路中每一分段的时效;所述分段包括第一节点和第二节点之间的线路,所述第一节点与所述第二节点相邻;将所述可用路由线路中每一分段的时效进行累加,得到所述路由线路的时效;相应地,所述从所述至少一条可用路由线路中确定目标路由线路,包括:将时效最小的可用路由线路作为目标路由线路。
这里,在从至少一条可用路由线路中确定目标路由线路时,可以根据可用路由线路的时效来确定目标路由线路。其中,时效表征从一个节点到另一节点的时间,其中,节点可以为出发节点、中转节点或目的节点。
对于每一可用路由线路,在确定可用路由线路的时效时,首先获取可用路由线路中每一分段的时效,再将各个分段的时效进行累加,得到该可用路由线路的时效。
如果可用路由线路包括一个分段,则直接将该分段的时效确定为目标路由线路的时效;如果可用路由线路包括多个分段,该每个分段的两端分别为节点,该节点可以为出发节点、中转节点和目的节点,分别计算出发节点至第i个中转节点的线路的时效、第i个中转节点至第i+1个中转节点的线路的时效,及第i+1个中转节点至目的中转节点的线路的时效。其中,i=(1,max-1),将将上述时效进行叠加,获得可用路由线路的时效。
这里,在确定了可用路由线路的时效后,将时效最小的可用路由线路作为目标路由线路。
比如:至少一条可用路由线路包括:路由线路1、路由线路2、路由线路3,其中,路由线路1的时效为2天,路由线路2的时效为1天,路由线路3的时效为2.5天,则将路由线路2作为目标路由线路。
在本申请实施例中,能够将时效最小的路由线路作为目标路由线路,从而获得从出发节点到目的节点的最佳路由线路。
在一实施例中,所述获取所述可用路由线路中每一分段的时效,包括:获取从所述第一节点到所述第二节点的预测时效;如果所述第二节点的拣货完成时间不晚于所述第二节点的发车时间,将所述预测时效确定为所述分段的时效;如果所述拣货完成时间晚于所述发车时间,将所述预测时效加设定时间段,得到所述分段的时效。
这里,可用路由线路中每一分段包括:第一节点和第二节点,在确定可用路由线路中每一分段的时效时,获取从第一节点到第二节点的预测时效。第一节点到第二节点的预测时效采用下述方法获取:
将第二节点的拣货完成时间与第二节点的发车时间进行比较,如果第二节点的拣货完成时间不晚于第二节点的发车时间,则将预测时效确定为分段的时效,如果第二节点的拣货完成时间晚于第二节点的发车时间,则将预测时效加设定时间段得到的时间作为分段的时效。
比如:分段1的时效为6小时,如果分段1中包括的第二节点的拣货完成时间不晚于第二节点的发车时间,该预测时效为6小时;又比如:分段1的时效为6小时,设定时间段为1天,如果分段1中包括的第二节点的拣货完成时间晚于第二节点的发车时间,该预测时效为1天6小时。
其中,设定时间段可以根据实际情况进行设定,本申请实施例不做任何限定。
在本申请实施例中,能够根据第二节点的拣货完成时间与第二节点的发车时间的比较结果,确定可用路由线路的时效。
下面,以快递路由方法为例对本申请实施例提供的路由方法进行进一步说明。
相关技术中路由线路大部分都是静态的,一旦已知订单的收货地址,服务器就会根据货物所在的仓库以及收货地址生成一条路由线路。但在实际运营中可能会遇到分拣中心货量爆炸的情况,车辆根据原路由线路到达目的分拣中心只能等待,等待时间未知。或者像四川、武汉等地区因为不可抗的自然因素,比如:疫情、地震、洪水等也会导致某些分拣中心或者线路无法使用,目前的解决方案就是人工标注哪些线路失效,然后再手动进行修改,得到新的路由线路。可见,现有的解决方案只能依靠人工解决,效率不高,而且容易出现问题。
本申请实施例提供的路由方法主要解决上述问题,能够在某些分拣中心货量爆炸的情况下,提前动态的改变路由走法,以及在某些分拣中心不可用的情况下,快速生成备选路由线路。
本申请实施例提出了一种基于图时空网络的路由仿真系统,如图3所示,整个系统分为四个部分:基本数据存储模块31、基于图时空网络的分拣中心货量预测模块32、不可用的分拣中心的获取模块33和路由串联模块34。
这里,基本数据存储模块31,是用于存储基本数据的;基于图时空网络的分拣中心货量预测模块32,是用于对图时空网络中的分拣中心的货量进行预测,从而获得因为爆仓而不可用的分拣中心的;不可用的分拣中心的获取模块33,是用于获取因不可抗因素而导致的不可用的分拣中心的;路由串联模块34,是用于对可用的分拣中心进行串联而形成路由的。其中,基本数据存储模块31、基于图时空网络的分拣中心货量预测模块32和不可用的分拣中心的获取模块33作为路由串联模块34的输入部分。下面对每一模块进行说明。
基本数据存储模块31
这里,基本数据存储模块31可以包括的数据为:分拣中心信息、分拣中心班次信息、线路信息、站点信息、派件班次信息和揽件班次信息等。
其中,分拣中心信息可以包括:分拣中心的地址信息、分拣中心的经纬度信息等。
分拣中心班次信息可以包括:班次的开始时间、班次的最晚到达时间、班次的结束时间等。
线路信息可以包括:线路的发车时间、线路的到达时间、到港处理时间、线路的起点、线路的终点等。
站点信息可以包括:站点的地址、站点的经纬度信息等。
派件班次信息可以包括:派件的开始时间、派件的承诺约定时间、最晚到达时间等。
揽件班次信息可以包括:班次的开始时间、最晚到达时间等。
基于图时空网络的分拣中心货量预测模块32
本申请实施例提出一种基于异构图时空网络的分拣中心货量预测方法,能够根据历史分拣中心的货量信息和分拣中心之间的线路信息,对分拣中心的货量进行预测。
如图4所示,分拣中心41以及线路42可以组成一个路由网络,将这个路由网络抽象为图网络,如图5所示,圆51表征分拣中心,线52表征线路。同时,分拣中心和仓库之间存在复杂的覆盖关系,类似的分拣中心和站点之间也存在复杂的覆盖关系,将完整的图网络表示出来就形成了一个异构图网络,如图6所示,包括仓库61、分拣中心62和站点63。当将不同时刻的异构图网络按照时间顺序排列,就形成了不同时刻的异构图网络,如图7所示,其中,圆71表征分拣中心,线72表征线路。
如图6所示,整个异构图由三部分组成,第一部分是仓库61,第二部分是分拣中心62,第三部分是站点63。如果仓库61和分拣中心62之间有线路,则将仓库61和分拣中心62连接起来;如果货物会在分拣中心之间相互传递,则将分拣中心62和相邻的分拣中心连接;如果分拣中心62和站点63之间有线路,则将分拣中心62和站点63连接起来。
下面引入时间变量T,将图6变为一个异构图时空网络,并引入预测模型,如图8所示。
这里,对异构图时空网络中的至少一个分拣中心61输入至图卷积模型82中,得到分拣中心81的特征向量,将得到的分拣中心81的特征向量与注意力机制模块83得到的权重进行点乘,得到输入向量,并将该输入向量输入GRU模型84,得到预测值85。
这里,分拣中心的货量和下面的因素有关:第一,上下游分拣中心的进出货量、分拣中心关键岗位人数;第二,与分拣中心有线路的仓库的出库量、工作人员数据等;第三,与分拣中心有线路的站点的派件能力、人员数量等。因此,不能只考虑分拣中心本身的数据信息,还需要考虑仓库、站点对分拣中心货量的影响。
这里,对分拣中心的货量的预测包括以下步骤:
步骤901:构造不同时刻的异构图;
步骤902:将异构图筛分为仓库、分拣中心和站点三个部分;
步骤903:针对每个分拣中心使用图卷积模型得到分拣中心的特征向量;
步骤904:确定分拣中心的特征向量对应的权重;
步骤905:根据分拣中心的特征向量和对应的权重,确定GRU模型的输入特征;
步骤906:将输入特征输入GRU模型,得到分拣中心的货量的预测值。
这里,在对分拣中心的货量进行预测之前,可以构造测试样本,对图卷积模型和GRU模型进行训练,更新图卷积模型和GRU模型的参数。
这里,首先将异构图按照时间顺序进行排序,每个时刻的图需要进行编码。首先分拣中心和仓库之间形成第一张图记为A1,分拣中心和分拣中心之间形成第二张图记为A2,分拣中心到站点形成第三张图记为A3,三张图中各节点由自己的特征组成,例如仓库的特征可以是出货量、关键节点人员数量;分拣中心的特征可以是到货量、出货量、分拣人员个数;站点的特征可以是站点到货量、配送效率、配送员人数等。
每个图可以表示成
Figure BDA0002752021630000151
其中任意时刻的X∈Rv*P,其中V代表图中节点的个数,P代表节点上特征的个数,在本申请实施例中一共有三种X,分别来自异构图拆分得到的三张图。
每个分拣中心都出现在A1、A2、A3三张图上,所以针对每个分拣中心都会有来自三个图卷积计算得到的特征,假设对于任意的分拣中心i在时刻t,则这三个特征为
Figure BDA0002752021630000161
使用公式(4)表示分拣中心i的特征:
Figure BDA0002752021630000162
这样可以得到任意时刻每个分拣中心的特征,作为后面GRU模型的输入,输出为分拣中心的货量大小。
将不同时刻的图表示完成后,可以参考NLP处理中的注意力机制,引入注意力函数得到不同时刻的图对应的特征的权重,再与特征X进行点乘,将得到的结果作为GRU模型的输入。将所有X按到时间拼接,得到公式(5):
Figure BDA0002752021630000163
其中,W'和W是attention机制中的参数,其中a∈RT*1,通过attention机制得到X的权重,X是每一分拣中心的特征表示,进而得到输入特征{input1,input2,...,inputT}。
这里,图卷积模型的计算公式为公式(1):
Figure BDA0002752021630000164
其中,
Figure BDA0002752021630000165
表示节点i在第l+1层的特征,
Figure BDA0002752021630000166
代表A+I,其中A是邻接矩阵,I是单位矩阵;
Figure BDA0002752021630000167
表示
Figure BDA0002752021630000168
对应的度矩阵;Ni表示节点i所有的邻居节点,包括自身;W(l)、b(l)分别表示第l层的权重和截距;σ表示非线性变换是激活函数,这里可以选择sigmoid函数。
这里,GRU模型的公式为公式(2):
Figure BDA0002752021630000169
其中rt、zt
Figure BDA0002752021630000171
ht、yt分别表示时刻t的重置门、时刻t的更新门、本次GRU模型的待定输出、本次GRU模型的实际输出、最后输出。Wr、Wz
Figure BDA0002752021630000172
W0分别表示重置门的权重、更新门的权重、本次GRU模型的待定输出的权重、本次GRU模型的实际输出的权重、最后输出的权重。xt为时刻t的输入,h(t-1)为上一时刻GRU模型的输出,σ(.)为激活函数,例如Sigmoid函数。tanh表示双曲正切函数。
通过分拣中心的预测值可以得到因为货量太多而导致爆仓的分拣中心,同时还可以得到因为不可抗因素而不能使用的分拣中心,从而根据上述数据获得目标路由线路。如图9所示,仓库91、分拣中心92和站点93之间相互连接,形成多条路由线路,可以从上述多条路由线路中选取目标路由线路。
本申请实施例中获得目标路由线路包括:
步骤101:剔除不可用的分拣中心和对应的线路;
步骤102:构建分拣中心到分拣中心的网络,得到任意两个分拣中心之间的最短路由线路;
步骤103:给出调整后的路由线路配载,供用户对比。
这里,不可用的分拣中心包括两类,第一类是预测的爆仓的分拣中心,第二类是因为不可抗因素导致不能使用的分拣中心,将这两种分拣中心以及这些分拣中心对应的线路进行剔除。
这里,时效定义为:路由线路的总隔夜数+最后路由线路的到达时间。
举例说明如下:
路由线路A:发车时间11月14日23:00,到达时间11月16日10:00到达,路由线路时效为2D1000,以12点为半天的分界,时效可以记为2.5天。
路由线路B:发车时间11月15日01:00,到达时间11月16日23:00到达,路由线路时效为1D2300,以12点为半天的分界,时效可以记为2.0天。
在构建分拣中心到分拣中心的最快路由线路,即时效最快的路由线路时,可以采用动态规划求解,因为任意一对分拣中心之间的最快路由线路经过的分拣个数可以是多样的,但是对于分拣中心A和分拣中心B,经过m个分拣中心的最快线路为Fast(A,B),一定是分拣中心A到任意分拣中心C且经过分拣中心B的最快线路的子线路,下面利用反证法证明如下:
假设:将分拣中心A到分拣中心B最快线路记为Fast(A,B),任意一条路由线路记为Path(A,B)。
将经过该线路,再往后走一条线路,即一步到达分拣中心C的最快线路记为Fast(A,C)将分拣中心B到分拣中心C的线路记为L(B,C),需要证明Fast(A,C)=Fast(A,B)+L(B,C)。
如果Fast(A,C)中使用从分拣中心A到分拣中心B的线路是Path(A,B)不是最快的,即Fast(A,C)=Path(A,B)+L(B,C),因为L(B,C)是同一条线路,那么上面等式等价于Path(A,B)的时效<Fast(A,B)的时效,所以和Fast(A,B)的定义想违背,原命题得证。
根据上面的证明,可以得到如下算法,假设物品到达时间为arrive_time、每个班次的最晚到达时间为late_begin_time,班次开始时间为work_begin_time,时间记录到分钟。同时假设货物分拣处理完的时间为finish_time、线路的发车时间为depart_time:
Step1:给任意线路选择班次为:
min{([late_begin_time]i-arrive_time+24×60)%(24×60)},其中i代表第i个分拣班次;
Step2:计算线路分拣班次处理完成时间finish_time=取更晚(arrive_time,work_begin_time)+到港处理时间;
Step3:经过Step1和Step2给出任意经过2个分拣中心的所有走法,只保留时效最快的部分;
Step4:给出两条线路拼接时效计算公式:
如果finish_time大于等于下一条线路的depart_time,则货物可以赶上发车时间,相当于线路开通;
否则,货物赶不上线路发车时间,只能等明天的发车时间才可以,时效在原来计算基础上+1天;
Step5:在经过2个分拣中心的走法的基础上,找到再往后走一步可以到达分拣中心的所有路由线路,只保留时效最快部分;
Step6:重复操作,直到给出任意一对分拣中心经过2个分拣中心~max个分拣中心的最快路由线路;
Step7:针对任意一对分拣中心,从经过2~max分拣中心的路由线路中,找到时效最快的走法。
如此,得到新的路由线路,计算每条路由线路的配载,和原来路由线路配载进行对比,然后及时反馈给用户,供用户修改配置。
本申请实施例能够通过异构图时空图网络来实时的预测未来时间中可能无法使用的分拣中心;且使用动态规划的方法串联新的分拣中心之间路由线路,并得到路由线路配载的调整结果,供规划人员使用。
基于前述的实施例,本申请实施例提供一种路由装置,该装置包括所包括的各模块、各模块所包括的各单元,以及各单元所包括的各子单元,可以通过计算机设备中的处理器来实现;当然也可通过具体的逻辑电路实现;在实施的过程中,处理器可以为中央处理器(CPU)、微处理器(MPU)、数字信号处理器(DSP)或现场可编程门阵列(FPGA)等。
图10为本申请实施例的一种路由线路装置的组成结构示意图,如图10所示,所述装置100包括:第一确定模块1001、查找模块1002和第二确定模块1003;其中,
第一确定模块1001,用于根据出发节点和目的节点,确定至少两条路由线路;所述至少两条路由线路中每一路由线路包括至少一个中转节点;
查找模块1002,用于从所述至少两条路由线路中,查找至少一条可用路由线路;所述可用路由线路包括至少一个中转节点,每一所述中转节点不为失效中转节点;
第二确定模块1003,用于从所述至少一条可用路由线路中确定目标路由线路。
在一实施例中,装置100还包括:第三确定模块和第四确定模块;其中,
第三确定模块,用于确定所述至少一个中转节点中每一中转节点的预测容量;
第四确定模块,用于如果所述中转节点的预测容量大于容量阈值,确定所述中转节点为失效中转节点。
在一实施例中,所述第三确定模块包括:构造单元、第一确定单元和第二确定单元;其中,
所述构造单元,用于构造所述至少一个中转节点的异构图;
所述第一确定单元,用于根据图卷积模型和所述异构图,确定每一所述中转节点的特征向量;
所述第二确定单元,用于基于所述特征向量,确定对应的中转节点的预测容量。
在一实施例中,所述第三确定模块还包括:第三确定单元,用于根据所述特征向量和所述特征向量对应的权重,确定目标特征向量;
相应地,所述第二确定单元,用于将每一所述中转节点对应的目标特征向量输入容量预测模型,得到所述容量预测模型输出的对应的中转节点的预测容量。
在一实施例中,所述构造单元包括:第一确定子单元、第二确定子单元、第三确定子单元和构造子单元;其中,
所述第一确定子单元,用于根据每一所述中转节点与所述出发节点,确定第一节点图;
所述第二确定子单元,用于根据每一所述中转节点与所述中转节点连接的相邻中转节点,确定第二节点图;
所述第三确定子单元,用于根据每一所述中转节点与所述目的节点,确定第三节点图;
所述构造子单元,用于所述第一节点图、所述第二节点图和所述第三节点图,构成对应的中转节点的异构图。
在一实施例中,装置100还包括:第一获取模块和第四确定模块;其中,
第一获取模块,用于获取所述可用路由线路中每一分段的时效;所述分段包括第一节点和第二节点之间的线路,所述第一节点与所述第二节点相邻;
第四确定模块,用于将所述可用路由线路中每一分段的时效进行累加,得到所述路由线路的时效;
第二确定模块1003,用于将时效最小的可用路由线路作为目标路由线路。
在一实施例中,所述第一获取模块包括:第一获取单元、第四确定单元和第五确定单元;其中,
所述第一获取单元,用于获取从所述第一节点到所述第二节点的预测时效;
所述第四确定单元,用于如果所述第二节点的拣货完成时间不晚于所述第二节点的发车时间,将所述预测时效确定为所述分段的时效;
所述第五确定单元,用于如果所述拣货完成时间晚于所述发车时间,将所述预测时效加设定时间段,得到所述分段的时效。
以上装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
需要说明的是,本申请实施例中,如果以软件功能模块的形式实现上述的路由方法,并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read OnlyMemory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
对应地,本申请实施例提供一种设备,也就是计算机设备,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述实施例中提供的路由方法中的步骤。
对应地,本申请实施例提供一种存储介质,也就是计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中提供的路由方法中的步骤。
这里需要指出的是:以上存储介质和设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
需要说明的是,图11为本申请实施例计算机设备的一种硬件实体示意图,如图11所示,所述计算机设备1100包括:一个处理器1101、至少一个通信总线1102、至少一个外部通信接口1104和存储器1105。其中,通信总线1102配置为实现这些组件之间的连接通信。其中,计算机设备还可包括:用户接口1103,用户接口1103可以包括显示屏,外部通信接口1104可以包括标准的有线接口和无线接口。
存储器1105配置为存储由处理器1101可执行的指令和应用,还可以缓存待处理器1101以及计算机设备中各模块待处理或已经处理的数据(例如,图像数据、音频数据、语音通信数据和视频通信数据),可以通过闪存(FLASH)或随机访问存储器(Random AccessMemory,RAM)实现。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的切分,仅仅为一种逻辑功能切分,实际实现时可以有另外的切分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集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。
本领域普通技术人员可以理解:实现上述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计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种路由方法,其特征在于,所述方法包括:
根据出发节点和目的节点,确定至少两条路由线路;所述至少两条路由线路中每一路由线路包括至少一个中转节点;
从所述至少两条路由线路中,查找至少一条可用路由线路;所述可用路由线路包括至少一个中转节点,每一所述中转节点不为失效中转节点;
从所述至少一条可用路由线路中确定目标路由线路。
2.根据权利要求1所述的方法,其特征在于,在从所述至少两条路由线路中,查找至少一条可用路由线路之前,所述方法还包括:
确定所述至少一个中转节点中每一中转节点的预测容量;
如果所述中转节点的预测容量大于容量阈值,确定所述中转节点为失效中转节点。
3.根据权利要求2所述的方法,其特征在于,所述确定所述至少一个中转节点中每一中转节点的预测容量,包括:
构造所述至少一个中转节点的异构图;
根据图卷积模型和所述异构图,确定每一所述中转节点的特征向量;
基于所述特征向量,确定对应的中转节点的预测容量。
4.根据权利要求3所述的方法,其特征在于,在根据图卷积模型和所述异构图,确定每一所述中转节点的特征向量之后,所述方法还包括:
根据所述特征向量和所述特征向量对应的权重,确定目标特征向量;
相应地,所述基于所述特征向量,确定对应的中转节点的预测容量,包括:
将每一所述中转节点对应的目标特征向量输入容量预测模型,得到所述容量预测模型输出的对应的中转节点的预测容量。
5.根据权利要求3所述的方法,其特征在于,所述构造所述至少一个中转节点的异构图,包括:
根据每一所述中转节点与所述出发节点,确定第一节点图;
根据每一所述中转节点与所述中转节点连接的相邻中转节点,确定第二节点图;
根据每一所述中转节点与所述目的节点,确定第三节点图;
所述第一节点图、所述第二节点图和所述第三节点图,构成对应的中转节点的异构图。
6.根据权利要求1所述的方法,其特征在于,在从所述至少一条可用路由线路中确定目标路由线路之前,所述方法还包括:
对于每一可用路由线路,执行以下处理:
获取所述可用路由线路中每一分段的时效;所述分段包括第一节点和第二节点之间的线路,所述第一节点与所述第二节点相邻;
将所述可用路由线路中每一分段的时效进行累加,得到所述路由线路的时效;
相应地,所述从所述至少一条可用路由线路中确定目标路由线路,包括:
将时效最小的可用路由线路作为目标路由线路。
7.根据权利要求6所述的方法,其特征在于,所述获取所述可用路由线路中每一分段的时效,包括:
获取从所述第一节点到所述第二节点的预测时效;
如果所述第二节点的拣货完成时间不晚于所述第二节点的发车时间,将所述预测时效确定为所述分段的时效;
如果所述拣货完成时间晚于所述发车时间,将所述预测时效加设定时间段,得到所述分段的时效。
8.一种路由装置,其特征在于,所述装置包括:第一确定模块、查找模块和第二确定模块;其中,
所述第一确定模块,用于根据出发节点和目的节点,确定至少两条路由线路;所述至少两条路由线路中每一路由线路包括至少一个中转节点;
所述查找模块,用于从所述至少两条路由线路中,查找至少一条可用路由线路;所述可用路由线路包括至少一个中转节点,每一所述中转节点不为失效中转节点;
所述第二确定模块,用于从所述至少一条可用路由线路中确定目标路由线路。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述路由方法中的步骤。
10.一种存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时,实现权利要求1至7任一项所述的路由方法。
CN202011188451.4A 2020-10-30 2020-10-30 一种路由方法及装置、设备、存储介质 Pending CN113743852A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011188451.4A CN113743852A (zh) 2020-10-30 2020-10-30 一种路由方法及装置、设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011188451.4A CN113743852A (zh) 2020-10-30 2020-10-30 一种路由方法及装置、设备、存储介质

Publications (1)

Publication Number Publication Date
CN113743852A true CN113743852A (zh) 2021-12-03

Family

ID=78728127

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011188451.4A Pending CN113743852A (zh) 2020-10-30 2020-10-30 一种路由方法及装置、设备、存储介质

Country Status (1)

Country Link
CN (1) CN113743852A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106339831A (zh) * 2015-07-09 2017-01-18 阿里巴巴集团控股有限公司 用于为业务获取有效路径的方法及装置
US20180204171A1 (en) * 2017-01-17 2018-07-19 International Business Machines Corporation Estimation of node processing capacity for order fulfillment
CN111340431A (zh) * 2020-03-27 2020-06-26 上海东普信息科技有限公司 运输路由的规划方法、装置、设备及存储介质
CN111475898A (zh) * 2020-03-09 2020-07-31 西南交通大学 考虑枢纽节点失效的中欧班列运输网络构建方法
CN111612396A (zh) * 2020-05-19 2020-09-01 上海海事大学 一种物流网络流量实时监控方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106339831A (zh) * 2015-07-09 2017-01-18 阿里巴巴集团控股有限公司 用于为业务获取有效路径的方法及装置
US20180204171A1 (en) * 2017-01-17 2018-07-19 International Business Machines Corporation Estimation of node processing capacity for order fulfillment
CN111475898A (zh) * 2020-03-09 2020-07-31 西南交通大学 考虑枢纽节点失效的中欧班列运输网络构建方法
CN111340431A (zh) * 2020-03-27 2020-06-26 上海东普信息科技有限公司 运输路由的规划方法、装置、设备及存储介质
CN111612396A (zh) * 2020-05-19 2020-09-01 上海海事大学 一种物流网络流量实时监控方法

Similar Documents

Publication Publication Date Title
CN110473083B (zh) 树状风险账户识别方法、装置、服务器及存储介质
Liu et al. An oriented spanning tree based genetic algorithm for multi-criteria shortest path problems
CN112382099A (zh) 交通路况预测方法、装置、电子设备及存储介质
CN112785005B (zh) 多目标任务的辅助决策方法、装置、计算机设备及介质
CN113139052B (zh) 基于图神经网络特征聚合的谣言检测方法及装置
CN113643532B (zh) 一种区域交通的预测方法以及设备
CN113239198A (zh) 一种地铁客流预测方法、装置及计算机存储介质
CN110968692A (zh) 一种文本分类方法及系统
Zheng et al. Supply-demand-aware deep reinforcement learning for dynamic fleet management
CN113825165B (zh) 基于时间图网络的5g切片网络拥塞预警方法及装置
CN113743852A (zh) 一种路由方法及装置、设备、存储介质
CN116346863A (zh) 基于联邦学习的车载网数据处理方法、装置、设备及介质
CN115333957A (zh) 基于用户行为和企业业务特征的业务流量预测方法及系统
CN114757700A (zh) 物品销量预测模型训练方法、物品销量预测方法及装置
CN114971446A (zh) 遗失风险预测模型的构建方法、装置和计算机设备
CN114580692A (zh) 配送路径生成方法、装置、设备及存储介质
JP2021101286A (ja) 経路計画装置、経路計画方法、ならびに、プログラム
CN116541421B (zh) 地址查询信息生成方法、装置、电子设备与计算机介质
CN113450557B (zh) 针对车辆客流量的预测模型进行更新的方法及装置
Harliyuni et al. On the Spatial Temporal Graph Neural Network Analysis Together with Local Vertex Irregular Reflexive Coloring for Time Series Forecasting on Passenger Density at Bus Station
CN113077281B (zh) 一种地铁客流量分布预测方法以及设备
CN113052513B (zh) 构建地址分类模型的方法、地址分类方法及相关设备
CN113643564B (zh) 一种停车数据修复方法、装置、计算机设备以及存储介质
Schlote et al. The effect of feedback in the assignment problem in shared bicycle systems
CN116720895A (zh) 通信服务方案预测模型训练和推荐方法、装置和设备

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