CN114926037A - 派车方法、装置及计算机可读存储介质 - Google Patents
派车方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114926037A CN114926037A CN202210578947.5A CN202210578947A CN114926037A CN 114926037 A CN114926037 A CN 114926037A CN 202210578947 A CN202210578947 A CN 202210578947A CN 114926037 A CN114926037 A CN 114926037A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- waybill
- target
- dispatching
- carrier
- 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.)
- Granted
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
- G06Q10/06—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
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种派车方法、装置及计算机可读存储介质,所述方法应用于派车设备,所述派车设备用于利用供应链系统为配送需求方的目标运单提供派车功能,所述方法包括:当检测到所述目标运单的运单状态是待派车状态时,获取所述目标运单的运单信息;基于所述运单信息,确定所述目标运单对应的承运商;获取所述承运商与所述供应链系统的对接类型;基于所述对接类型,为所述目标运单分配至少一个车辆,以得到所述目标运单对应的车辆信息;将所述目标运单的运单状态调整为已派车状态,并将所述目标运单对应的车辆信息发送至所述配送需求方对应的需求方设备。本申请无需物流公司的工作人员进行人工调度,派车效率高、管理成本较低。
Description
技术领域
本申请涉及物流管理、物联网、深度学习的技术领域,尤其涉及派车方法、装置及计算机可读存储介质。
背景技术
随着互联网的发展,日前快递物流交易量增长迅速,物流是指为了满足客户的需求,以最低的成本高效率的完成,通过运输、保管、配送等方式,实现原材料、半成品、成品或相关信息进行由商品的产地到商品的消费地的计划、实施和管理的全过程。
传统的运输分单由物流公司的工作人员操作,承运商的选择和车辆调度基本靠经验判断,利用供应链系统在全国各地调运,依靠人工为运单派车,效率低、成本高,容易出错。
专利CN101923666A公开了一种物流公司、货主、承运商三方共同协作的运输管理方法,其包括以下步骤:物流公司创建运输管理系统网络平台;货主方、承运商通过网络协议访问系统网络平台,物流公司与双方签约并据此给出委托运输协议书编号下的订单信息交付承运商、货主;承运商依据车辆排程计划及单票信息进行调整,并将信息反馈至系统网络平台;物流公司依据信息进行费用结算、并接受投诉及理赔;网络平台提供实时查询系统,可实时查看承运货物相关信息及帐单对帐。这种方式需要物流公司的工作人员登录门户管理页面、进入操作界面管理操作项,也就是说,仍然需要人工(物流公司的工作人员)进行调度,派车的效率低。
因此,亟需提供一种派车方法、装置及计算机可读存储介质,以解决现有技术的问题。
发明内容
本申请的目的在于提供一种派车方法、装置及计算机可读存储介质,无需物流公司的工作人员进行人工调度,派车效率高、管理成本较低。
本申请的目的采用以下技术方案实现:
第一方面,本申请提供了一种派车方法,应用于派车设备,所述派车设备用于利用供应链系统为配送需求方的目标运单提供派车功能,所述方法包括:
当检测到所述目标运单的运单状态是待派车状态时,获取所述目标运单的运单信息;
基于所述运单信息,确定所述目标运单对应的承运商;
获取所述承运商与所述供应链系统的对接类型;
基于所述对接类型,为所述目标运单分配至少一个车辆,以得到所述目标运单对应的车辆信息;
将所述目标运单的运单状态调整为已派车状态,并将所述目标运单对应的车辆信息发送至所述配送需求方对应的需求方设备。
该技术方案的有益效果在于:当检测到配送需求方(例如是有配送需求的货主)的目标运单的运单状态是待派车状态时,基于目标运单的运单信息,自动确定对应的承运商,根据该承运商与供应链系统的对接类型,从该承运商的所有车辆中为目标运单分配至少一个车辆,以得到目标运单对应的车辆信息,将目标运单的运单状态调整为已派车状态,并将车辆信息发送至需求方设备,使得配送需求方可以在第一时间得知目标运单已经完成派车。
本申请的派车方法无需物流公司的工作人员进行人工调度,派车效率高、管理成本较低;在确定承运商之后,根据承运商与供应链系统的对接类型,为目标运单进行派车,对接类型不同,分配的方式也不同,也就是说,支持不同对接类型的承运商接单,相比于只支持某种特定对接类型的承运商接单,运单配送业务实现更加灵活。
在一些可选的实施例中,所述基于所述对接类型,为所述目标运单分配至少一个车辆,包括:
当所述对接类型是内部对接时,获取所述承运商对应的所有车辆的标签信息,所述标签信息用于指示空闲状态、绑定司机的接单意愿、运输评分和推荐运输路径中的一种或多种;
基于所述承运商对应的所有车辆的标签信息,为所述目标运单分配至少一个车辆。
该技术方案的有益效果在于:当对接类型是内部对接(承运商是物流公司的内部承运商,承运商可以直接使用供应链系统进行接单)时,可以获取承运商对应的所有车辆的标签信息,根据标签信息,为目标运单分配与目标运单适配程度较高的车辆,或者是处于空闲状态(没有运输任务)且绑定司机有接单需求的车辆,从而最大程度地利用有限的运力为更多的运单服务。
在一些可选的实施例中,所述标签信息用于指示运输评分,所述基于所述承运商对应的所有车辆的标签信息,为所述目标运单分配至少一个车辆,包括:
基于所述承运商对应的所有车辆的标签信息,将运输评分最高的车辆分配给所述目标运单。
该技术方案的有益效果在于:运输评分可以是结合运输效率、车况、绑定司机的服务态度、客户投诉率等多方面因素综合评估得到的评分,运输评分的高低反映了该车辆的运输服务的好坏,选择运输评分最高的车辆优先进行分配,可以促进车辆管理方对车辆进行维护保养,还可以激励司机努力提升相应的服务态度。
在一些可选的实施例中,所述标签信息用于指示推荐运输路径,所述基于所述承运商对应的所有车辆的标签信息,为所述目标运单分配至少一个车辆,包括:
获取所述目标运单对应的参考运输路径;
获取所述参考运输路径与所述承运商对应的所有车辆的推荐运输路径的路径相似度,将路径相似度最高的车辆分配给所述目标运单。
该技术方案的有益效果在于:推荐运输路径可以是车辆的绑定司机较为熟悉的运输路径(例如是绑定司机以推荐运输路径运输货物达到一定次数),将路径相似度最高的车辆分配给目标运单,因为该车辆的推荐运输路径与参考运输路径的路径相似度很高,这样的话,该车辆的绑定司机对参考运输路径也会比较熟悉,可以减少走错路的情况发生,提高运输效率。
在一些可选的实施例中,所述获取所述参考运输路径与所述承运商对应的所有车辆的推荐运输路径的相似度,包括:
针对所述承运商对应的每个车辆,将所述车辆的推荐运输路径和所述参考运输路径分别输入路径相似度模型,得到所述车辆对应的路径相似度;
其中,所述路径相似度模型的训练过程包括:
获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括用于训练的第一运输路径、第二运输路径以及所述第一运输路径和所述第二运输路径的路径相似度的标注数据;
针对所述训练集中的每个训练数据,执行以下处理:
将所述训练数据中的第一运输路径和第二运输路径输入预设的深度学习模型,得到所述第一运输路径和所述第二运输路径的路径相似度的预测数据;
基于所述第一运输路径和所述第二运输路径的路径相似度的预测数据和标注数据,对所述深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件,如果是,则停止训练,并将训练得到的所述深度学习模型作为所述路径相似度模型,如果否,则利用下一个训练数据训练所述深度学习模型。
该技术方案的有益效果在于:利用多个训练数据对深度学习模型进行训练,得到路径相似度模型,路径相似度模型可以由大量的训练数据训练得到,能够针对多种运输路径得到运输路径之间的路径相似度,适用范围广,智能化水平高。通过设计,建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,就可以得到预设的深度学习模型,通过该预设的深度学习模型的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能地逼近现实的关联关系,由此训练得到的路径相似度模型,可以实现对运输路径的分析处理,且分析结果可靠性高。通过对推荐运输路径和参考运输路径进行相似度分析,将路径相似度最高的车辆分配给目标运单,这样的话,该车辆的绑定司机对参考运输路径会比较熟悉,可以减少走错路的情况发生,提高运输效率。
在一些可选的实施例中,所述基于所述对接类型,为所述目标运单分配至少一个车辆,还包括:
当所述对接类型不是内部对接时,将所述运单信息发送至所述承运商对应的订单分配设备;
利用所述订单分配设备为所述运单分配至少一个车辆,以得到所述目标运单对应的车辆信息并发送至所述派车设备。
该技术方案的有益效果在于:当对接类型不是内部对接时,可以将运单信息发送至承运商对应的订单分配设备,由承运商自行分配,将分配结果也就是目标运单对应的车辆信息发送至派车设备(派车设备例如是服务器),这样的话,对于非内部对接的承运商,可以自行安排车辆,服务器只需转发目标运单对应的车辆信息,一方面,在一定程度上减轻了服务器的在车辆分配上的运算压力,另一方面,可以给予非内部对接的承运商一定的自主选择权,提升承运商的用户体验。
在一些可选的实施例中,所述利用所述订单分配设备为所述运单分配至少一个车辆,包括:
确定所述目标运单对应的成交价格;
基于所述成交价格,利用所述订单分配设备为所述目标运单分配至少一个车辆。
该技术方案的有益效果在于:当承运商的对接类型不是内部对接时,收费标准可能不统一,先把成交价格确定下来,在成交价格确定下来的基础上,为目标运单分配车辆,避免接单后出现价格纠纷。
在一些可选的实施例中,所述确定所述目标运单的成交价格,包括:
当所述对接类型不是内部对接时,利用所述需求方设备接收询价操作,响应于所述询价操作,获取所述配送需求方对应的期望价格;
当所述期望价格低于所述目标运单对应的预设价格时,生成第一提示信息并发送至所述需求方设备,所述第一提示信息用于提示所述期望价格过低;
当所述期望价格不低于所述目标运单对应的预设价格时,利用所述订单分配设备显示所述目标运单对应的期望价格和预设价格,并且,利用所述订单分配设备接收确认操作或者拒绝操作,以确定所述目标运单对应的成交价格。
该技术方案的有益效果在于:针对配送需求方,允许讨价还价,特意不公开预设价格(对方底价),给承运商一定的利润空间,相对现在很多商业模式,反其道而行之,这样势必大大鼓励承运商接单的积极性。
当对接类型不是内部对接时,可以利用需求方设备获取配送需求方对应的期望价格,当期望价格比较低(低于预设价格)时,直接提示配送需求方,期望价格过低,甚至都不用将期望价格告知承运商(承运商一般不会接受),只有期望价格比较高(不低于预设价格)时,才会在订单分配设备显示目标运单对应的期望价格和预设价格,由承运商进行确认或者拒绝,这样的话,可以将定价的主动权交给承运商,并且,当配送需求方开出明显不合理的低价时,会对配送需求方进行提示,而不会打扰到承运商,承运商可以将精力放在其他(期望价格较为合理的)运单上,兼顾派车过程的效率和多方用户体验。
第二方面,本申请提供了一种派车装置,应用于派车设备,所述派车设备用于利用供应链系统为配送需求方的目标运单提供派车功能,所述装置包括:
运单获取模块,用于当检测到所述目标运单的运单状态是待派车状态时,获取所述目标运单的运单信息;
承运商确定模块,用于基于所述运单信息,确定所述目标运单对应的承运商;
对接类型模块,用于获取所述承运商与所述供应链系统的对接类型;
运单派车模块,用于基于所述对接类型,为所述目标运单分配至少一个车辆,以得到所述目标运单对应的车辆信息;
状态调整模块,用于将所述目标运单的运单状态调整为已派车状态,并将所述目标运单对应的车辆信息发送至所述配送需求方对应的需求方设备。
在一些可选的实施例中,所述运单派车模块包括:
标签获取单元,用于当所述对接类型是内部对接时,获取所述承运商对应的所有车辆的标签信息,所述标签信息用于指示空闲状态、绑定司机的接单意愿、运输评分和推荐运输路径中的一种或多种;
车辆分配单元,用于基于所述承运商对应的所有车辆的标签信息,为所述目标运单分配至少一个车辆。
在一些可选的实施例中,所述车辆分配单元用于:
基于所述承运商对应的所有车辆的标签信息,将运输评分最高的车辆分配给所述目标运单。
在一些可选的实施例中,所述车辆分配单元包括:
参考路径子单元,用于获取所述目标运单对应的参考运输路径;
相似度获取子单元,用于获取所述参考运输路径与所述承运商对应的所有车辆的推荐运输路径的路径相似度,将路径相似度最高的车辆分配给所述目标运单。
在一些可选的实施例中,所述相似度获取子单元用于:
针对所述承运商对应的每个车辆,将所述车辆的推荐运输路径和所述参考运输路径分别输入路径相似度模型,得到所述车辆对应的路径相似度;
其中,所述路径相似度模型的训练过程包括:
获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括用于训练的第一运输路径、第二运输路径以及所述第一运输路径和所述第二运输路径的路径相似度的标注数据;
针对所述训练集中的每个训练数据,执行以下处理:
将所述训练数据中的第一运输路径和第二运输路径输入预设的深度学习模型,得到所述第一运输路径和所述第二运输路径的路径相似度的预测数据;
基于所述第一运输路径和所述第二运输路径的路径相似度的预测数据和标注数据,对所述深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件,如果是,则停止训练,并将训练得到的所述深度学习模型作为所述路径相似度模型,如果否,则利用下一个训练数据训练所述深度学习模型。
在一些可选的实施例中,所述运单派车模块还包括:
订单发送子模块,用于当所述对接类型不是内部对接时,将所述运单信息发送至所述承运商对应的订单分配设备;
车辆信息子模块,用于利用所述订单分配设备为所述运单分配至少一个车辆,以得到所述目标运单对应的车辆信息并发送至所述派车设备。
在一些可选的实施例中,所述车辆信息子模块包括:
成交价格单元,用于确定所述目标运单对应的成交价格;
价格分配单元,用于基于所述成交价格,利用所述订单分配设备为所述目标运单分配至少一个车辆。
在一些可选的实施例中,所述成交价格单元包括:
需求方询价子单元,用于当所述对接类型不是内部对接时,利用所述需求方设备接收询价操作,响应于所述询价操作,获取所述配送需求方对应的期望价格;
第一提示子单元,用于当所述期望价格低于所述目标运单对应的预设价格时,生成第一提示信息并发送至所述需求方设备,所述第一提示信息用于提示所述期望价格过低;
价格确定子单元,用于当所述期望价格不低于所述目标运单对应的预设价格时,利用所述订单分配设备显示所述目标运单对应的期望价格和预设价格,并且,利用所述订单分配设备接收确认操作或者拒绝操作,以确定所述目标运单对应的成交价格。
第三方面,本申请提供了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项方法的步骤。
附图说明
下面结合附图和实施例对本申请进一步说明。
图1是本申请实施例提供的一种派车方法的流程示意图;
图2是本申请实施例提供的一种为目标运单分配车辆的流程示意图;
图3是本申请实施例提供的另一种为目标运单分配车辆的流程示意图;
图4是本申请实施例提供的又一种为目标运单分配车辆的流程示意图;
图5是本申请实施例提供的一种承运商派车的流程示意图;
图6是本申请实施例提供的再一种为目标运单分配车辆的流程示意图;
图7是本申请实施例提供的一种确定成交价格的流程示意图;
图8是本申请实施例提供的一种派车装置的结构示意图;
图9是本申请实施例提供的一种运单派车模块的结构示意图;
图10是本申请实施例提供的一种车辆分配单元的结构示意图;
图11是本申请实施例提供的一种运单派车模块的结构示意图;
图12是本申请实施例提供的一种车辆信息子模块的结构示意图;
图13是本申请实施例提供的一种成交价格单元的结构示意图;
图14是本申请实施例提供的一种电子设备的结构框图;
图15是本申请实施例提供的一种用于实现派车方法的程序产品的结构示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本申请做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
参见图1,图1是本申请实施例提供的一种派车方法的流程示意图。
本申请实施例提供了一种派车方法,应用于派车设备,所述派车设备用于利用供应链系统为配送需求方的目标运单提供派车功能,所述方法包括步骤S101~S105。
步骤S101:当检测到所述目标运单的运单状态是待派车状态时,获取所述目标运单的运单信息;
步骤S102:基于所述运单信息,确定所述目标运单对应的承运商;
步骤S103:获取所述承运商与所述供应链系统的对接类型;
步骤S104:基于所述对接类型,为所述目标运单分配至少一个车辆,以得到所述目标运单对应的车辆信息;
步骤S105:将所述目标运单的运单状态调整为已派车状态,并将所述目标运单对应的车辆信息发送至所述配送需求方对应的需求方设备。
由此,当检测到配送需求方(例如是有配送需求的货主)的目标运单的运单状态是待派车状态时,基于目标运单的运单信息,自动确定对应的承运商,根据该承运商与供应链系统的对接类型,从该承运商的所有车辆中为目标运单分配至少一个车辆,以得到目标运单对应的车辆信息,将目标运单的运单状态调整为已派车状态,并将车辆信息发送至需求方设备,使得配送需求方可以在第一时间得知目标运单已经完成派车。
本申请的派车方法无需物流公司的工作人员进行人工调度,派车效率高、管理成本较低;在确定承运商之后,根据承运商与供应链系统的对接类型,为目标运单进行派车,对接类型不同,分配的方式也不同,也就是说,支持不同对接类型的承运商接单,相比于只支持某种特定对接类型的承运商接单,运单配送业务实现更加灵活。
在一些可选的实施例中,可以分别将未完成派送任务的每个运单作为目标运单。
当配送需求方小张对应有3个运单,2个运单处于待派车状态,1个运单处于已派车状态(待运输)时,将这3个运单分别作为配送需求方小张对应的目标运单。
在一些可选的实施例中,运单信息可以包括货物标识、货物类型、货物重量、货物体积、保价类型、承运商标识、发件方标识、收件方标识、发件方电话、收件方电话、发货地址、收货地址中的一种或多种。
供应链系统即供应链管理系统(Supply Chain Management,SCM),是基于协同供应链管理的思想,配合供应链中各实体的业务需求,使操作流程和信息系统紧密配合,做到各环节无缝链接,形成物流、信息流、单证流、商流和资金流五流合一的领先模式,能够实现整体供应链可视化,管理信息化,整体利益最大化,管理成本最小化,从而提高总体水平。在本申请实施例中,供应链系统例如可以是韵达供应链系统。
在一些可选的实施例中,承运商与供应链系统的对接类型可以包括内部对接、外部接口对接和租户对接中的一种或多种。
其中,内部对接即:承运商是物流公司的内部承运商,承运商可以直接使用供应链系统进行接单。
外部接口对接即:承运商有自己的订单分配设备及相应的派车系统,承运商通过外部接口与供应链系统进行数据交互。
租户对接即:承运商使用一套TMS系统,Transportation Management Syst em,运输管理系统,该TMS系统与供应链系统通过后端转发实现数据交互。
当承运商与供应链系统的对接类型是内部对接时,可以利用供应链系统自动为目标运单指派承运商的对应车辆;
当承运商与供应链系统的对接类型不是内部对接(外部接口对接或者租户对接)时,由承运商自行安排车辆,对车辆进行调度。
承运商是指作为运输业务的实际承运人,并真正拥有运输工具的专业运输公司。承运商例如可以是货拉拉、快狗打车、德邦物流等。
在一些可选的实施例中,车辆信息可以包括车辆的标识和对应的绑定司机的标识,其中,车辆的标识可以用车牌号表示,绑定司机的标识可以用绑定司机的姓名和/或手机号表示。
在一些可选的实施例中,需求方设备可以是配送需求方所使用的手机、计算机、平板电脑、智能穿戴设备等,订单分配设备例如是承运商所使用的手机、计算机、平板电脑、智能穿戴设备等,派车设备例如可以是服务器。
参见图2,图2是本申请实施例提供的一种为目标运单分配车辆的流程示意图。
在一些可选的实施例中,所述步骤S104可以包括步骤S201~S202。
步骤S201:当所述对接类型是内部对接时,获取所述承运商对应的所有车辆的标签信息,所述标签信息用于指示空闲状态、绑定司机的接单意愿、运输评分和推荐运输路径中的一种或多种;
步骤S202:基于所述承运商对应的所有车辆的标签信息,为所述目标运单分配至少一个车辆。
由此,当对接类型是内部对接(承运商是物流公司的内部承运商,承运商可以直接使用供应链系统进行接单)时,可以获取承运商对应的所有车辆的标签信息,根据标签信息,为目标运单分配与目标运单适配程度较高的车辆,或者是处于空闲状态(没有运输任务)且绑定司机有接单需求的车辆,从而最大程度地利用有限的运力为更多的运单服务。
在一些可选的实施例中,空闲状态用于指示车辆是否正在执行运输任务,绑定司机的接单意愿用于指示绑定司机可接单或者不可接单。
在一些实施方式中,可以将没有运输任务(空闲)的车辆或者绑定司机可接单的车辆优先分配给目标运单。
在一些实施方式中,所述车辆信息还可以包括车辆的车型、运输体积、运输重量和里程数,所述步骤S202可以包括:
基于所述运单信息和所述车辆信息,获取目标运单对应的运输模式;
基于所述运输模式和所述承运商对应的所有车辆的标签信息,为所述目标运单分配至少一个车辆。
其中,运输模式例如可以包括零担运输和整车运输。
零担运输(Less-than-Truck-Load),是物流运输中使用的一个名词,指配送需求方(货主)需要运送的货不足一车,作为零星货物交运,期间会产生高额运输费用。
整车运输是指,凡一批货物的重量、性质、体积、形状需要以1辆或1辆以上货车装运的,均按整车条件运输。
在一具体应用中,车型可以包括厢式货车、高栏车、平板拖车、侧帘车、飞翼车、危险品厢车、冷藏车等。
在一些可选的实施例中,所述标签信息用于指示运输评分,所述步骤S202可以包括:
基于所述承运商对应的所有车辆的标签信息,将运输评分最高的车辆分配给所述目标运单。
由此,运输评分可以是结合运输效率、车况、绑定司机的服务态度、客户投诉率等多方面因素综合评估得到的评分,运输评分的高低反映了该车辆的运输服务的好坏,选择运输评分最高的车辆优先进行分配,可以促进车辆管理方对车辆进行维护保养,还可以激励司机努力提升相应的服务态度。
其中,运输评分可以采用数值或等级来表示。当采用数值来表示时,数值越高则运输评分越高。当采用等级来表示时,例如可以用1级到3级来表示,级别越高则运输评分越高。
参见图3,图3是本申请实施例提供的另一种为目标运单分配车辆的流程示意图。
在一些可选的实施例中,所述标签信息用于指示推荐运输路径,所述步骤S202可以包括步骤S301~S302。
步骤S301:获取所述目标运单对应的参考运输路径;
步骤S302:获取所述参考运输路径与所述承运商对应的所有车辆的推荐运输路径的路径相似度,将路径相似度最高的车辆分配给所述目标运单。
由此,推荐运输路径可以是车辆的绑定司机较为熟悉的运输路径(例如是绑定司机以推荐运输路径运输货物达到一定次数),将路径相似度最高的车辆分配给目标运单,因为该车辆的推荐运输路径与参考运输路径的路径相似度很高,这样的话,该车辆的绑定司机对参考运输路径也会比较熟悉,可以减少走错路的情况发生,提高运输效率。
车辆的运输路径,例如是北京西直门5号到上海盈港路9968号,或者是上海市浦东新区人民塘路1333号到上海市奉贤区青村镇人民北路918号。
在一些可选的实施例中,所述步骤S302可以包括:
针对所述承运商对应的每个车辆,将所述车辆的推荐运输路径和所述参考运输路径分别输入路径相似度模型,得到所述车辆对应的路径相似度;
其中,所述路径相似度模型的训练过程可以包括:
获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括用于训练的第一运输路径、第二运输路径以及所述第一运输路径和所述第二运输路径的路径相似度的标注数据;
针对所述训练集中的每个训练数据,执行以下处理:
将所述训练数据中的第一运输路径和第二运输路径输入预设的深度学习模型,得到所述第一运输路径和所述第二运输路径的路径相似度的预测数据;
基于所述第一运输路径和所述第二运输路径的路径相似度的预测数据和标注数据,对所述深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件,如果是,则停止训练,并将训练得到的所述深度学习模型作为所述路径相似度模型,如果否,则利用下一个训练数据训练所述深度学习模型。
由此,利用多个训练数据对深度学习模型进行训练,得到路径相似度模型,路径相似度模型可以由大量的训练数据训练得到,能够针对多种运输路径得到运输路径之间的路径相似度,适用范围广,智能化水平高。通过设计,建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,就可以得到预设的深度学习模型,通过该预设的深度学习模型的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能地逼近现实的关联关系,由此训练得到的路径相似度模型,可以实现对运输路径的分析处理,且分析结果可靠性高。通过对推荐运输路径和参考运输路径进行相似度分析,将路径相似度最高的车辆分配给目标运单,这样的话,该车辆的绑定司机对参考运输路径会比较熟悉,可以减少走错路的情况发生,提高运输效率。
本申请对路径相似度模型的训练过程不作限定,其例如可以采用上述监督学习的训练方式,或者可以采用半监督学习的训练方式,或者可以采用无监督学习的训练方式。
本申请对预设的训练结束条件不作限定,其例如可以是训练次数达到预设次数(预设次数例如是1次、3次、10次、100次、1000次、10000次等),或者可以是训练集中的训练数据都完成一次或多次训练,或者可以是本次训练得到的总损失值不大于预设损失值。
在一些实施方式中,本申请可以采用上述训练过程训练得到路径相似度模型,在另一些实施方式中,本申请可以采用预先训练好的路径相似度模型。
参见图4,图4是本申请实施例提供的又一种为目标运单分配车辆的流程示意图。
在一些可选的实施例中,所述步骤S104还可以包括步骤S203~S204。
步骤S203:当所述对接类型不是内部对接时,将所述运单信息发送至所述承运商对应的订单分配设备;
步骤S204:利用所述订单分配设备为所述运单分配至少一个车辆,以得到所述目标运单对应的车辆信息并发送至所述派车设备。
由此,当对接类型不是内部对接时,可以将运单信息发送至承运商对应的订单分配设备,由承运商自行分配,将分配结果也就是目标运单对应的车辆信息发送至派车设备(派车设备例如是服务器),这样的话,对于非内部对接的承运商,可以自行安排车辆,服务器只需转发目标运单对应的车辆信息,一方面,在一定程度上减轻了服务器的在车辆分配上的运算压力,另一方面,可以给予非内部对接的承运商一定的自主选择权,提升承运商的用户体验。
参见图5,图5是本申请实施例提供的一种承运商派车的流程示意图。
其中,承运商通过与供应链系统的对接方式(合作方式)分为3类:
1、(外部)接口对接;2、系统对接(内部对接);3、租户对接。
首先,调度员调度目标运单选择承运商;
承运商对接方式若为系统对接(内部对接),则承运商信息必填,运输模式必填,司机车辆选择,完成调度;如果承运商对接方式不为系统对接(接口对接或者租户对接),则承运商信息必填,运输模式必填,司机车辆不填,完成调度。
完成调度后,车辆司机都填或者都不填,不能只填其一。
接着,进入承运商派车环节,承运商可以查看已分配承运商未派车运单。
承运商对未派车运单进行处理,选择车辆司机派车。
运单状态更新,承运商视角下运单待提货状态包括待派车和已派车。派车后运单状态从待派车变更为已派车。
参见图6,图6是本申请实施例提供的再一种为目标运单分配车辆的流程示意图。
在一些可选的实施例中,所述步骤S204可以包括步骤S401~S402。
步骤S401:确定所述目标运单对应的成交价格;
步骤S402:基于所述成交价格,利用所述订单分配设备为所述目标运单分配至少一个车辆。
由此,当承运商的对接类型不是内部对接时,收费标准可能不统一,先把成交价格确定下来,在成交价格确定下来的基础上,为目标运单分配车辆,避免接单后出现价格纠纷。
参见图7,图7是本申请实施例提供的一种确定所述目标运单对应的成交价格的流程示意图。
在一些可选的实施例中,所述步骤S402可以包括步骤S501~S503。
步骤S501:当所述对接类型不是内部对接时,利用所述需求方设备接收询价操作,响应于所述询价操作,获取所述配送需求方对应的期望价格;
步骤S502:当所述期望价格低于所述目标运单对应的预设价格时,生成第一提示信息并发送至所述需求方设备,所述第一提示信息用于提示所述期望价格过低;
步骤S503:当所述期望价格不低于所述目标运单对应的预设价格时,利用所述订单分配设备显示所述目标运单对应的期望价格和预设价格,并且,利用所述订单分配设备接收确认操作或者拒绝操作,以确定所述目标运单对应的成交价格。
由此,针对配送需求方,允许讨价还价,特意不公开预设价格(对方底价),给承运商一定的利润空间,相对现在很多商业模式,反其道而行之,这样势必大大鼓励承运商接单的积极性。
当对接类型不是内部对接时,可以利用需求方设备获取配送需求方对应的期望价格,当期望价格比较低(低于预设价格)时,直接提示配送需求方,期望价格过低,甚至都不用将期望价格告知承运商(承运商一般不会接受),只有期望价格比较高(不低于预设价格)时,才会在订单分配设备显示目标运单对应的期望价格和预设价格,由承运商进行确认或者拒绝,这样的话,可以将定价的主动权交给承运商,并且,当配送需求方开出明显不合理的低价时,会对配送需求方进行提示,而不会打扰到承运商,承运商可以将精力放在其他(期望价格较为合理的)运单上,兼顾派车过程的效率和多方用户体验。
在一些实施方式中,所述步骤S503还可以包括:生成第二提示信息并发送至所述需求方设备,所述第二提示信息用于指示所述期望价格对应的反馈结果。
承运商确认期望价格时,对应的反馈结果例如是期望价格被接受,承运商拒绝期望价格时,对应的反馈结果例如是期望价格被拒绝。
当承运商拒绝期望价格时,可以利用需求方设备获取配送需求方重新设置的期望价格,再次进行讨价还价,直到配送需求方和承运商双方达成一致,确定目标运单对应的成交价格。
本申请对预设价格不作限定,其可以是10元、100元或者500元。
承运商可以采用智能化的运单分配方式,也可以采用上述人工加智能相结合的运单分配方式,当采用后者时,兼具了智能化分配的高效率和人工的客制化特点,能够有针对性地服务于实际应用中的需求。
在一具体应用中,供应链系统采用韵达供应链系统,德邦物流与韵达供应链系统的对接类型为内部对接,货拉拉与韵达供应链系统的对接类型为外部接口对接。
在一些可能的实现方式中,对接类型为外部接口对接时,外部接口例如可以是货拉拉等承运商自身的派车系统。
在一个具体应用场景中,海尔智家股份有限公司(以下简称海尔公司)作为配送需求方有一批货物需要运输,韵达供应链系统首先根据货物类型、货物重量和货物体积以及当前可接受派单的车辆的车辆信息,自动地将货物对应的运单拆分为30个子单(分配给30辆车,每个车辆对应一个子单),此时,30个子单的运单状态为“待派车”。韵达供应链系统优先将子单分配给内部对接的承运商(德邦物流),德邦物流提供20辆车来承接20个子单,韵达供应链系统将剩下的10个子单分配给货拉拉,由货拉拉使用自身派车系统对这10个子单进行派车分配。这时,韵达供应链系统中,30个子单的运单状态更新为“已派车”,等待装车。海尔公司根据运单对应的用车时间,在相应的装车地点进行装车,装车后,30个子单的运单状态更新为“已装车”,等待运输。
参见图8,图8是本申请实施例提供的一种派车装置的结构示意图。
本申请实施例还提供了一种派车装置,其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
所述装置应用于派车设备,所述派车设备用于利用供应链系统为配送需求方的目标运单提供派车功能,所述装置包括:
运单获取模块101,用于当检测到所述目标运单的运单状态是待派车状态时,获取所述目标运单的运单信息;
承运商确定模块102,用于基于所述运单信息,确定所述目标运单对应的承运商;
对接类型模块103,用于获取所述承运商与所述供应链系统的对接类型;
运单派车模块104,用于基于所述对接类型,为所述目标运单分配至少一个车辆,以得到所述目标运单对应的车辆信息;
状态调整模块105,用于将所述目标运单的运单状态调整为已派车状态,并将所述目标运单对应的车辆信息发送至所述配送需求方对应的需求方设备。
参见图9,图9是本申请实施例提供的一种运单派车模块104的结构示意图,在一些可选的实施例中,所述运单派车模块104可以包括:
标签获取单元201,用于当所述对接类型是内部对接时,获取所述承运商对应的所有车辆的标签信息,所述标签信息用于指示空闲状态、绑定司机的接单意愿、运输评分和推荐运输路径中的一种或多种;
车辆分配单元202,用于基于所述承运商对应的所有车辆的标签信息,为所述目标运单分配至少一个车辆。
在一些可选的实施例中,所述车辆分配单元202用于:
基于所述承运商对应的所有车辆的标签信息,将运输评分最高的车辆分配给所述目标运单。
参见图10,图10是本申请实施例提供的一种车辆分配单元202的结构示意图,在一些可选的实施例中,所述车辆分配单元202可以包括:
参考路径子单元301,用于获取所述目标运单对应的参考运输路径;
相似度获取子单元302,用于获取所述参考运输路径与所述承运商对应的所有车辆的推荐运输路径的路径相似度,将路径相似度最高的车辆分配给所述目标运单。
在一些可选的实施例中,所述相似度获取子单元302用于:
针对所述承运商对应的每个车辆,将所述车辆的推荐运输路径和所述参考运输路径分别输入路径相似度模型,得到所述车辆对应的路径相似度;
其中,所述路径相似度模型的训练过程包括:
获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括用于训练的第一运输路径、第二运输路径以及所述第一运输路径和所述第二运输路径的路径相似度的标注数据;
针对所述训练集中的每个训练数据,执行以下处理:
将所述训练数据中的第一运输路径和第二运输路径输入预设的深度学习模型,得到所述第一运输路径和所述第二运输路径的路径相似度的预测数据;
基于所述第一运输路径和所述第二运输路径的路径相似度的预测数据和标注数据,对所述深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件,如果是,则停止训练,并将训练得到的所述深度学习模型作为所述路径相似度模型,如果否,则利用下一个训练数据训练所述深度学习模型。
参见图11,图11是本申请实施例提供的一种运单派车模块104的结构示意图,在一些可选的实施例中,所述运单派车模块104还可以包括:
订单发送子模块203,用于当所述对接类型不是内部对接时,将所述运单信息发送至所述承运商对应的订单分配设备;
车辆信息子模块204,用于利用所述订单分配设备为所述运单分配至少一个车辆,以得到所述目标运单对应的车辆信息并发送至所述派车设备。
参见图12,图12是本申请实施例提供的一种车辆信息子模块204的结构示意图。
在一些可选的实施例中,所述车辆信息子模块204包括:
成交价格单元401,用于确定所述目标运单对应的成交价格;
价格分配单元402,用于基于所述成交价格,利用所述订单分配设备为所述目标运单分配至少一个车辆。
参见图13,图13是本申请实施例提供的一种成交价格单元401的结构示意图,在一些可选的实施例中,所述成交价格单元401还可以包括:
需求方询价子单元501,用于当所述对接类型不是内部对接时,利用所述需求方设备接收询价操作,响应于所述询价操作,获取所述配送需求方对应的期望价格;
第一提示子单元502,用于当所述期望价格低于所述目标运单对应的预设价格时,生成第一提示信息并发送至所述需求方设备,所述第一提示信息用于提示所述期望价格过低;
价格确定子单元503,用于当所述期望价格不低于所述目标运单对应的预设价格时,利用所述订单分配设备显示所述目标运单对应的期望价格和预设价格,并且,利用所述订单分配设备接收确认操作或者拒绝操作,以确定所述目标运单对应的成交价格。
参见图14,图14是本申请实施例提供的一种电子设备的结构框图。
本申请实施例还提供了一种电子设备200,电子设备200包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。
存储器210可以包括易失性存储器形式的可读介质,例如随机存取存储器(R AM)211和/或高速缓存存储器212,还可以进一步包括只读存储器(ROM)213。
其中,存储器210还存储有计算机程序,计算机程序可以被处理器220执行,使得处理器220执行本申请实施例中派车方法的步骤,其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
存储器210还可以包括具有至少一个程序模块215的实用工具214,这样的程序模块215包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
相应的,处理器220可以执行上述计算机程序,以及可以执行实用工具214。
总线230可以为表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信,还可与一个或者多个能够与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入输出接口250进行。并且,电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(L AN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质用于存储计算机程序,所述计算机程序被执行时实现本申请实施例中方法的步骤,其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
图15示出了本实施例提供的用于实现上述派车方法的程序产品300,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品300不限于此,在本申请中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品300可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等,或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言诸如Java、C++等,还包括常规的过程式程序设计语言诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本申请从使用目的上,效能上,进步及新颖性等观点进行阐述,已符合专利法所强调的功能增进及使用要件,本申请以上的说明书及说明书附图,仅为本申请的较佳实施例而已,并非以此局限本申请,因此,凡一切与本申请构造,装置,特征等近似、雷同的,即凡依本申请专利申请范围所作的等同替换或修饰等,皆应属本申请的专利申请保护的范围之内。
Claims (10)
1.一种派车方法,其特征在于,应用于派车设备,所述派车设备用于利用供应链系统为配送需求方的目标运单提供派车功能,所述方法包括:
当检测到所述目标运单的运单状态是待派车状态时,获取所述目标运单的运单信息;
基于所述运单信息,确定所述目标运单对应的承运商;
获取所述承运商与所述供应链系统的对接类型;
基于所述对接类型,为所述目标运单分配至少一个车辆,以得到所述目标运单对应的车辆信息;
将所述目标运单的运单状态调整为已派车状态,并将所述目标运单对应的车辆信息发送至所述配送需求方对应的需求方设备。
2.根据权利要求1所述的派车方法,其特征在于,所述基于所述对接类型,为所述目标运单分配至少一个车辆,包括:
当所述对接类型是内部对接时,获取所述承运商对应的所有车辆的标签信息,所述标签信息用于指示空闲状态、绑定司机的接单意愿、运输评分和推荐运输路径中的一种或多种;
基于所述承运商对应的所有车辆的标签信息,为所述目标运单分配至少一个车辆。
3.根据权利要求2所述的派车方法,其特征在于,所述标签信息用于指示运输评分,所述基于所述承运商对应的所有车辆的标签信息,为所述目标运单分配至少一个车辆,包括:
基于所述承运商对应的所有车辆的标签信息,将运输评分最高的车辆分配给所述目标运单。
4.根据权利要求2所述的派车方法,其特征在于,所述标签信息用于指示推荐运输路径,所述基于所述承运商对应的所有车辆的标签信息,为所述目标运单分配至少一个车辆,包括:
获取所述目标运单对应的参考运输路径;
获取所述参考运输路径与所述承运商对应的所有车辆的推荐运输路径的路径相似度,将路径相似度最高的车辆分配给所述目标运单。
5.根据权利要求4所述的派车方法,其特征在于,所述获取所述参考运输路径与所述承运商对应的所有车辆的推荐运输路径的相似度,包括:
针对所述承运商对应的每个车辆,将所述车辆的推荐运输路径和所述参考运输路径分别输入路径相似度模型,得到所述车辆对应的路径相似度;
其中,所述路径相似度模型的训练过程包括:
获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括用于训练的第一运输路径、第二运输路径以及所述第一运输路径和所述第二运输路径的路径相似度的标注数据;
针对所述训练集中的每个训练数据,执行以下处理:
将所述训练数据中的第一运输路径和第二运输路径输入预设的深度学习模型,得到所述第一运输路径和所述第二运输路径的路径相似度的预测数据;
基于所述第一运输路径和所述第二运输路径的路径相似度的预测数据和标注数据,对所述深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件,如果是,则停止训练,并将训练得到的所述深度学习模型作为所述路径相似度模型,如果否,则利用下一个训练数据训练所述深度学习模型。
6.根据权利要求2所述的派车方法,其特征在于,所述基于所述对接类型,为所述目标运单分配至少一个车辆,还包括:
当所述对接类型不是内部对接时,将所述运单信息发送至所述承运商对应的订单分配设备;
利用所述订单分配设备为所述运单分配至少一个车辆,以得到所述目标运单对应的车辆信息并发送至所述派车设备。
7.根据权利要求6所述的派车方法,其特征在于,所述利用所述订单分配设备为所述运单分配至少一个车辆,包括:
确定所述目标运单对应的成交价格;
基于所述成交价格,利用所述订单分配设备为所述目标运单分配至少一个车辆。
8.根据权利要求7所述的派车方法,其特征在于,所述确定所述目标运单的成交价格,包括:
当所述对接类型不是内部对接时,利用所述需求方设备接收询价操作,响应于所述询价操作,获取所述配送需求方对应的期望价格;
当所述期望价格低于所述目标运单对应的预设价格时,生成第一提示信息并发送至所述需求方设备,所述第一提示信息用于提示所述期望价格过低;
当所述期望价格不低于所述目标运单对应的预设价格时,利用所述订单分配设备显示所述目标运单对应的期望价格和预设价格,并且,利用所述订单分配设备接收确认操作或者拒绝操作,以确定所述目标运单对应的成交价格。
9.一种派车装置,其特征在于,应用于派车设备,所述派车设备用于利用供应链系统为配送需求方的目标运单提供派车功能,所述装置包括:
运单获取模块,用于当检测到所述目标运单的运单状态是待派车状态时,获取所述目标运单的运单信息;
承运商确定模块,用于基于所述运单信息,确定所述目标运单对应的承运商;
对接类型模块,用于获取所述承运商与所述供应链系统的对接类型;
运单派车模块,用于基于所述对接类型,为所述目标运单分配至少一个车辆,以得到所述目标运单对应的车辆信息;
状态调整模块,用于将所述目标运单的运单状态调整为已派车状态,并将所述目标运单对应的车辆信息发送至所述配送需求方对应的需求方设备。
10.一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210578947.5A CN114926037B (zh) | 2022-05-25 | 2022-05-25 | 派车方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210578947.5A CN114926037B (zh) | 2022-05-25 | 2022-05-25 | 派车方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114926037A true CN114926037A (zh) | 2022-08-19 |
CN114926037B CN114926037B (zh) | 2023-07-11 |
Family
ID=82811387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210578947.5A Active CN114926037B (zh) | 2022-05-25 | 2022-05-25 | 派车方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114926037B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030084125A1 (en) * | 2001-10-31 | 2003-05-01 | Nagda Paresh L. | Integrated information exchange system for matching shipping demands and carrier availability |
CN107392546A (zh) * | 2017-07-26 | 2017-11-24 | 孙强 | 一种基于手机调配共享车辆物流新方法 |
CN107679794A (zh) * | 2017-09-19 | 2018-02-09 | 前海云链科技(深圳)有限公司 | 一种基于区块链的物流管理方法及装置 |
CN112990777A (zh) * | 2021-04-26 | 2021-06-18 | 亿海蓝(北京)数据技术股份公司 | 派车方法、派车系统和可读存储介质 |
CN113393020A (zh) * | 2021-05-31 | 2021-09-14 | 上海东普信息科技有限公司 | 物流智能调度方法、装置、设备及存储介质 |
CN113743878A (zh) * | 2021-11-08 | 2021-12-03 | 氢山科技有限公司 | 氢能运输车辆的派单方法、装置和计算机设备 |
-
2022
- 2022-05-25 CN CN202210578947.5A patent/CN114926037B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030084125A1 (en) * | 2001-10-31 | 2003-05-01 | Nagda Paresh L. | Integrated information exchange system for matching shipping demands and carrier availability |
CN107392546A (zh) * | 2017-07-26 | 2017-11-24 | 孙强 | 一种基于手机调配共享车辆物流新方法 |
CN107679794A (zh) * | 2017-09-19 | 2018-02-09 | 前海云链科技(深圳)有限公司 | 一种基于区块链的物流管理方法及装置 |
CN112990777A (zh) * | 2021-04-26 | 2021-06-18 | 亿海蓝(北京)数据技术股份公司 | 派车方法、派车系统和可读存储介质 |
CN113393020A (zh) * | 2021-05-31 | 2021-09-14 | 上海东普信息科技有限公司 | 物流智能调度方法、装置、设备及存储介质 |
CN113743878A (zh) * | 2021-11-08 | 2021-12-03 | 氢山科技有限公司 | 氢能运输车辆的派单方法、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114926037B (zh) | 2023-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11941574B2 (en) | Trip scheduling system | |
US11961038B2 (en) | System and method for collaborative and dynamic coordination of transportation of shipping containers | |
CN107437144A (zh) | 一种订单调度方法、系统、计算机设备和存储介质 | |
US20230088950A1 (en) | Method and system for intelligent load optimization for vehicles | |
Islam et al. | Reengineering the seaport container truck hauling process: Reducing empty slot trips for transport capacity improvement | |
CN108985679A (zh) | 物流平台管理方法及系统 | |
CN110348613A (zh) | 分拨中心智能物流管理方法及系统 | |
CN107274019A (zh) | 智能调度货运管理系统 | |
US20140229399A1 (en) | System and method for managing cargo transfer operations at a cargo distribution terminal | |
CN107358383A (zh) | 物流货运系统 | |
Jacobsson et al. | Access management in intermodal freight transportation: An explorative study of information attributes, actors, resources and activities | |
KR20130082877A (ko) | 화물배차 시스템 | |
Luo et al. | Physical Internet-enabled customised furniture delivery in the metropolitan areas: digitalisation, optimisation and case study | |
CN111191989A (zh) | 一种物流管理系统 | |
CN111539676A (zh) | 一种适用于跨境电子商务的网络实体物流系统 | |
CN202904660U (zh) | 一种用于粮食进出仓的管理装置 | |
CN110414797A (zh) | 物流订单自动拆分与自动派车方法 | |
KR102524387B1 (ko) | 가상 물류 거점과 물리적 물류 거점을 연동한 물류 배송 관리 방법 | |
CN114386903B (zh) | 运单管控方法、装置、电子设备以及存储介质 | |
CN117436777B (zh) | 一种用于智能物流货运的多式联运方法及系统 | |
CN107274126A (zh) | 物流货运考核系统 | |
CN107274127A (zh) | 分级货运管理系统 | |
CN114926037A (zh) | 派车方法、装置及计算机可读存储介质 | |
CN113393086B (zh) | 配送任务信息处理方法及装置 | |
WO2003094065A1 (fr) | Dispositif de gestion de transport |
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 |