CN115759514A - 一种冷链配送车调度管理方法及装置 - Google Patents
一种冷链配送车调度管理方法及装置 Download PDFInfo
- Publication number
- CN115759514A CN115759514A CN202211446348.4A CN202211446348A CN115759514A CN 115759514 A CN115759514 A CN 115759514A CN 202211446348 A CN202211446348 A CN 202211446348A CN 115759514 A CN115759514 A CN 115759514A
- Authority
- CN
- China
- Prior art keywords
- cold chain
- distribution
- vehicle
- chain distribution
- vehicles
- 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
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种冷链配送车调度管理方法及装置,方法包括获取用户设备发送的用户订单,以及获取服务器预存的所有冷链配送车的配送订单,将用户订单与配送订单进行比对,匹配出配送路径相似的冷链配送车,获取所有配送路径相似的冷链配送车的车辆运载信息,依据车辆运载信息,筛选出运载货物数量最少的冷链配送车,向所述运载货物数量最少的冷链配送车发送用户订单,从而实现冷链配送车的调度管理,能够提高调度冷链配送车的准确性,不仅提高了冷链配送车的利用率,还能够降低运输成本。
Description
技术领域
本发明涉及冷链配送车调度技术领域,尤其涉及一种冷链配送车调度管理方法及装置。
背景技术
随着我国经济的快速发展,民众物质生活水平不断得到提高,快速消费品市场也在不断得到扩大,得益于日益发达的交通网络和冷藏/冷冻车辆技术的发展,各种不同类型的现代化冷链配送车系统在不同行业得到了广泛的应用,冷链配送车的调度作为冷链配送车系统的重要组成部分之一,因此,对于冷链配送车调度管理也成为重要的研究内容,现有的冷链配送车调度管理一般都是通过获取冷链配送车的位置信息,然后依据位置信息进行调度,从而实现冷链配送车的调度管理,然而,现有的冷链配送车调度管理仅仅依据位置信息进行调度并不能很准确地利用冷链配送车,有可能会导致部分冷链配送车过载,部分冷链配送车运载货物比较少的情况出现,并不能很好地利用冷链配送车。
发明内容
有鉴于此,本发明提出一种冷链配送车调度管理方法及装置,可以解决现有冷链配送车调度管理所存在的仅仅依据位置信息进行调度而导致调度不准确的缺陷。
本发明的技术方案是这样实现的:
一种冷链配送车调度管理方法,具体包括以下步骤:
获取用户设备发送的用户订单,以及获取服务器预存的所有冷链配送车的配送订单;
将用户订单与配送订单进行比对,匹配出配送路径相似的冷链配送车;
获取所有配送路径相似的冷链配送车的车辆运载信息;
依据车辆运载信息,筛选出运载货物数量最少的冷链配送车;
向所述运载货物数量最少的冷链配送车发送用户订单,从而实现冷链配送车的调度管理。
作为所述冷链配送车调度管理方法的进一步可选方案,所述将用户订单与配送订单进行比对,匹配出配送路径相似的冷链配送车,具体包括以下步骤:
依据用户订单获取用户的配送地址;
依据配送订单获取冷链配送车的配送地址;
对冷链配送车的配送地址进行聚类分析,得到冷链配送车的重点配送地址集合;
判断用户的配送地址是否属于冷链配送车的重点配送地址集合,若是,则为配送路径相似的冷链配送车,否则不是配送路径相似的冷链配送车。
作为所述冷链配送车调度管理方法的进一步可选方案,所述获取所有配送路径相似的冷链配送车的车辆运载信息,具体包括以下步骤:
获取所有配送路径相似的冷链配送车的货柜图像;
依据所述货柜图像,得到冷链配送车的剩余空间数据,从而得出冷链配送车的车辆运载信息。
作为所述冷链配送车调度管理方法的进一步可选方案,所述依据所述货柜图像,得到冷链配送车的剩余空间数据,具体包括以下步骤:
基于卷积神经网络构建货柜剩余空间识别模型;
将货柜图像输入至货柜剩余空间识别模型进行识别,得到冷链配送车的剩余空间数据。
作为所述冷链配送车调度管理方法的进一步可选方案,所述卷积神经网络采用CNN深度卷积神经网络。
一种冷链配送车调度管理装置,所述装置包括:
第一获取模块,用于获取用户设备发送的用户订单,以及获取服务器预存的所有冷链配送车的配送订单;
对比模块,用于将用户订单与配送订单进行比对,匹配出配送路径相似的冷链配送车;
第二获取模块,用于获取所有配送路径相似的冷链配送车的车辆运载信息;
筛选模块,用于依据车辆运载信息,筛选出运载货物数量最少的冷链配送车;
发送模块,用于向所述运载货物数量最少的冷链配送车发送用户订单。
作为所述冷链配送车调度管理装置的进一步可选方案,所述对比模块包括:
第三获取模块,用于依据用户订单获取用户的配送地址;
第四获取模块,用于依据配送订单获取冷链配送车的配送地址;
聚类分析模块,用于对冷链配送车的配送地址进行聚类分析,得到冷链配送车的重点配送地址集合;
判断模块,用于判断用户的配送地址是否属于冷链配送车的重点配送地址集合。
作为所述冷链配送车调度管理装置的进一步可选方案,所述第二获取模块包括:
货柜图像获取模块,用于获取所有配送路径相似的冷链配送车的货柜图像;
处理模块,用于依据所述货柜图像,得到冷链配送车的剩余空间数据。
作为所述冷链配送车调度管理装置的进一步可选方案,所述处理模块包括:
构建模块,用于基于卷积神经网络构建货柜剩余空间识别模型;
识别模块,用于将货柜图像输入至货柜剩余空间识别模型进行识别,得到冷链配送车的剩余空间数据。
作为所述冷链配送车调度管理装置的进一步可选方案,所述卷积神经网络采用CNN深度卷积神经网络。
本发明的有益效果是:通过将用户订单与所有冷链配送车的配送订单进行比对,匹配出配送路径相似的冷链配送车,并获取所有配送路径相似的冷链配送车的车辆运载信息,依据车辆运载信息筛选出运载货物数量最少的冷链配送车,对运载货物数量最少的冷链配送车进行调度,能够提高调度冷链配送车的准确性,不仅提高了冷链配送车的利用率,还能够降低运输成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种冷链配送车调度管理方法的流程示意图;
图2为本发明一种冷链配送车调度管理装置的组成示意图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
参考图1-2,一种冷链配送车调度管理方法,具体包括以下步骤:
获取用户设备发送的用户订单,以及获取服务器预存的所有冷链配送车的配送订单;
将用户订单与配送订单进行比对,匹配出配送路径相似的冷链配送车;
获取所有配送路径相似的冷链配送车的车辆运载信息;
依据车辆运载信息,筛选出运载货物数量最少的冷链配送车;
向所述运载货物数量最少的冷链配送车发送用户订单,从而实现冷链配送车的调度管理。
在本实施例中,通过将用户订单与所有冷链配送车的配送订单进行比对,匹配出配送路径相似的冷链配送车,并获取所有配送路径相似的冷链配送车的车辆运载信息,依据车辆运载信息筛选出运载货物数量最少的冷链配送车,对运载货物数量最少的冷链配送车进行调度,能够提高调度冷链配送车的准确性,不仅提高了冷链配送车的利用率,还能够降低运输成本。
优选的,所述将用户订单与配送订单进行比对,匹配出配送路径相似的冷链配送车,具体包括以下步骤:
依据用户订单获取用户的配送地址;
依据配送订单获取冷链配送车的配送地址;
对冷链配送车的配送地址进行聚类分析,得到冷链配送车的重点配送地址集合;
判断用户的配送地址是否属于冷链配送车的重点配送地址集合,若是,则为配送路径相似的冷链配送车,否则不是配送路径相似的冷链配送车。
在本实施例中,由于一台冷链配送车会配送很多个地址,因此,通过对冷链配送车的配送地址进行聚类分析,能够了解到冷链配送车的主要配送地址集中的位置,然后再通过判断用户的配送地址是否也在主要配送地址的位置范围,从而确定出配送路径是否相似,进而能够大大节省冷链配送车的运输距离,进一步节省运输成本。
优选的,所述获取所有配送路径相似的冷链配送车的车辆运载信息,具体包括以下步骤:
获取所有配送路径相似的冷链配送车的货柜图像;
依据所述货柜图像,得到冷链配送车的剩余空间数据,从而得出冷链配送车的车辆运载信息。
在本实施例中,通过在冷链配送车中安装摄像头,能够获取冷链配送车的货柜图像,然后通过货柜图像分析冷链配送车装载货物的情况,得到冷链配送车的剩余空间数据,从而能够准确了解每台配送路径相似的冷链配送车的装载空间情况,进而能够准确利用每台配送路径相似的冷链配送车,需要说明的是,所述冷链配送车的剩余空间数据即为冷链配送车的车辆运载信息。
优选的,所述依据所述货柜图像,得到冷链配送车的剩余空间数据,具体包括以下步骤:
基于卷积神经网络构建货柜剩余空间识别模型;
将货柜图像输入至货柜剩余空间识别模型进行识别,得到冷链配送车的剩余空间数据。
在本实施例中,通过利用卷积神经网络构建货柜剩余空间识别模型,并利用货柜剩余空间识别模型进行识别,能够提高得到冷链配送车的剩余空间数据的效率和准确性。
优选的,所述卷积神经网络采用CNN深度卷积神经网络。
一种冷链配送车调度管理装置,所述装置包括:
第一获取模块,用于获取用户设备发送的用户订单,以及获取服务器预存的所有冷链配送车的配送订单;
对比模块,用于将用户订单与配送订单进行比对,匹配出配送路径相似的冷链配送车;
第二获取模块,用于获取所有配送路径相似的冷链配送车的车辆运载信息;
筛选模块,用于依据车辆运载信息,筛选出运载货物数量最少的冷链配送车;
发送模块,用于向所述运载货物数量最少的冷链配送车发送用户订单。
在本实施例中,通过将用户订单与所有冷链配送车的配送订单进行比对,匹配出配送路径相似的冷链配送车,并获取所有配送路径相似的冷链配送车的车辆运载信息,依据车辆运载信息筛选出运载货物数量最少的冷链配送车,对运载货物数量最少的冷链配送车进行调度,能够提高调度冷链配送车的准确性,不仅提高了冷链配送车的利用率,还能够降低运输成本。
优选的,所述对比模块包括:
第三获取模块,用于依据用户订单获取用户的配送地址;
第四获取模块,用于依据配送订单获取冷链配送车的配送地址;
聚类分析模块,用于对冷链配送车的配送地址进行聚类分析,得到冷链配送车的重点配送地址集合;
判断模块,用于判断用户的配送地址是否属于冷链配送车的重点配送地址集合。
在本实施例中,由于一台冷链配送车会配送很多个地址,因此,通过对冷链配送车的配送地址进行聚类分析,能够了解到冷链配送车的主要配送地址集中的位置,然后再通过判断用户的配送地址是否也在主要配送地址的位置范围,从而确定出配送路径是否相似,进而能够大大节省冷链配送车的运输距离,进一步节省运输成本。
优选的,所述第二获取模块包括:
货柜图像获取模块,用于获取所有配送路径相似的冷链配送车的货柜图像;
处理模块,用于依据所述货柜图像,得到冷链配送车的剩余空间数据。
在本实施例中,通过在冷链配送车中安装摄像头,能够获取冷链配送车的货柜图像,然后通过货柜图像分析冷链配送车装载货物的情况,得到冷链配送车的剩余空间数据,从而能够准确了解每台配送路径相似的冷链配送车的装载空间情况,进而能够准确利用每台配送路径相似的冷链配送车,需要说明的是,所述冷链配送车的剩余空间数据即为冷链配送车的车辆运载信息。
优选的,所述处理模块包括:
构建模块,用于基于卷积神经网络构建货柜剩余空间识别模型;
识别模块,用于将货柜图像输入至货柜剩余空间识别模型进行识别,得到冷链配送车的剩余空间数据。
在本实施例中,通过利用卷积神经网络构建货柜剩余空间识别模型,并利用货柜剩余空间识别模型进行识别,能够提高得到冷链配送车的剩余空间数据的效率和准确性。
优选的,所述卷积神经网络采用CNN深度卷积神经网络。
以上所述仅为本发明的较佳实施方式而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种冷链配送车调度管理方法,其特征在于,具体包括以下步骤:
获取用户设备发送的用户订单,以及获取服务器预存的所有冷链配送车的配送订单;
将用户订单与配送订单进行比对,匹配出配送路径相似的冷链配送车;
获取所有配送路径相似的冷链配送车的车辆运载信息;
依据车辆运载信息,筛选出运载货物数量最少的冷链配送车;
向所述运载货物数量最少的冷链配送车发送用户订单,从而实现冷链配送车的调度管理。
2.根据权利要求1所述的一种冷链配送车调度管理方法,其特征在于,所述将用户订单与配送订单进行比对,匹配出配送路径相似的冷链配送车,具体包括以下步骤:
依据用户订单获取用户的配送地址;
依据配送订单获取冷链配送车的配送地址;
对冷链配送车的配送地址进行聚类分析,得到冷链配送车的重点配送地址集合;
判断用户的配送地址是否属于冷链配送车的重点配送地址集合,若是,则为配送路径相似的冷链配送车,否则不是配送路径相似的冷链配送车。
3.根据权利要求2所述的一种冷链配送车调度管理方法,其特征在于,所述获取所有配送路径相似的冷链配送车的车辆运载信息,具体包括以下步骤:
获取所有配送路径相似的冷链配送车的货柜图像;
依据所述货柜图像,得到冷链配送车的剩余空间数据,从而得出冷链配送车的车辆运载信息。
4.根据权利要求3所述的一种冷链配送车调度管理方法,其特征在于,所述依据所述货柜图像,得到冷链配送车的剩余空间数据,具体包括以下步骤:
基于卷积神经网络构建货柜剩余空间识别模型;
将货柜图像输入至货柜剩余空间识别模型进行识别,得到冷链配送车的剩余空间数据。
5.根据权利要求4所述的一种冷链配送车调度管理方法,其特征在于,所述卷积神经网络采用CNN深度卷积神经网络。
6.一种冷链配送车调度管理装置,其特征在于,所述装置包括:
第一获取模块,用于获取用户设备发送的用户订单,以及获取服务器预存的所有冷链配送车的配送订单;
对比模块,用于将用户订单与配送订单进行比对,匹配出配送路径相似的冷链配送车;
第二获取模块,用于获取所有配送路径相似的冷链配送车的车辆运载信息;
筛选模块,用于依据车辆运载信息,筛选出运载货物数量最少的冷链配送车;
发送模块,用于向所述运载货物数量最少的冷链配送车发送用户订单。
7.根据权利要求6所述的一种冷链配送车调度管理装置,其特征在于,所述对比模块包括:
第三获取模块,用于依据用户订单获取用户的配送地址;
第四获取模块,用于依据配送订单获取冷链配送车的配送地址;
聚类分析模块,用于对冷链配送车的配送地址进行聚类分析,得到冷链配送车的重点配送地址集合;
判断模块,用于判断用户的配送地址是否属于冷链配送车的重点配送地址集合。
8.根据权利要求7所述的一种冷链配送车调度管理装置,其特征在于,所述第二获取模块包括:
货柜图像获取模块,用于获取所有配送路径相似的冷链配送车的货柜图像;
处理模块,用于依据所述货柜图像,得到冷链配送车的剩余空间数据。
9.根据权利要求8所述的一种冷链配送车调度管理装置,其特征在于,所述处理模块包括:
构建模块,用于基于卷积神经网络构建货柜剩余空间识别模型;
识别模块,用于将货柜图像输入至货柜剩余空间识别模型进行识别,得到冷链配送车的剩余空间数据。
10.根据权利要求9所述的一种冷链配送车调度管理装置,其特征在于,所述卷积神经网络采用CNN深度卷积神经网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211446348.4A CN115759514A (zh) | 2022-11-18 | 2022-11-18 | 一种冷链配送车调度管理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211446348.4A CN115759514A (zh) | 2022-11-18 | 2022-11-18 | 一种冷链配送车调度管理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115759514A true CN115759514A (zh) | 2023-03-07 |
Family
ID=85373269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211446348.4A Pending CN115759514A (zh) | 2022-11-18 | 2022-11-18 | 一种冷链配送车调度管理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115759514A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116402430A (zh) * | 2023-06-07 | 2023-07-07 | 成都运荔枝科技有限公司 | 一种基于冷链物流场景的干线订单匹配方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003081437A (ja) * | 2001-09-17 | 2003-03-19 | Toyota Industries Corp | 配送システム |
CN107220796A (zh) * | 2017-06-28 | 2017-09-29 | 北京惠赢天下网络技术有限公司 | 一种配送商的货品运输方法及装置 |
CN108460046A (zh) * | 2017-02-21 | 2018-08-28 | 菜鸟智能物流控股有限公司 | 一种地址聚合的方法以及设备 |
CN108898349A (zh) * | 2018-07-09 | 2018-11-27 | 东莞市粤钢不锈钢制品有限公司 | 一种移动配送方法及系统 |
CN109631926A (zh) * | 2018-12-27 | 2019-04-16 | 拉扎斯网络科技(上海)有限公司 | 一种骑手路径的确定方法、确定装置和电子设备 |
CN112396368A (zh) * | 2020-10-28 | 2021-02-23 | 天津五八到家货运服务有限公司 | 配送路线的规划方法及系统、服务端设备 |
LU500507B1 (en) * | 2020-09-07 | 2022-03-07 | Univ Nanjing Information Science & Tech | Sustainable cold-chain logistics system for chilled fresh meat industry |
CN114463697A (zh) * | 2022-01-25 | 2022-05-10 | 润建股份有限公司 | 一种基于图像识别的装载率计算方法 |
CN115081992A (zh) * | 2022-07-22 | 2022-09-20 | 成都运荔枝科技有限公司 | 一种冷链商品运力调配方法 |
-
2022
- 2022-11-18 CN CN202211446348.4A patent/CN115759514A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003081437A (ja) * | 2001-09-17 | 2003-03-19 | Toyota Industries Corp | 配送システム |
CN108460046A (zh) * | 2017-02-21 | 2018-08-28 | 菜鸟智能物流控股有限公司 | 一种地址聚合的方法以及设备 |
CN107220796A (zh) * | 2017-06-28 | 2017-09-29 | 北京惠赢天下网络技术有限公司 | 一种配送商的货品运输方法及装置 |
CN108898349A (zh) * | 2018-07-09 | 2018-11-27 | 东莞市粤钢不锈钢制品有限公司 | 一种移动配送方法及系统 |
CN109631926A (zh) * | 2018-12-27 | 2019-04-16 | 拉扎斯网络科技(上海)有限公司 | 一种骑手路径的确定方法、确定装置和电子设备 |
LU500507B1 (en) * | 2020-09-07 | 2022-03-07 | Univ Nanjing Information Science & Tech | Sustainable cold-chain logistics system for chilled fresh meat industry |
CN112396368A (zh) * | 2020-10-28 | 2021-02-23 | 天津五八到家货运服务有限公司 | 配送路线的规划方法及系统、服务端设备 |
CN114463697A (zh) * | 2022-01-25 | 2022-05-10 | 润建股份有限公司 | 一种基于图像识别的装载率计算方法 |
CN115081992A (zh) * | 2022-07-22 | 2022-09-20 | 成都运荔枝科技有限公司 | 一种冷链商品运力调配方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116402430A (zh) * | 2023-06-07 | 2023-07-07 | 成都运荔枝科技有限公司 | 一种基于冷链物流场景的干线订单匹配方法 |
CN116402430B (zh) * | 2023-06-07 | 2023-09-19 | 成都运荔枝科技有限公司 | 一种基于冷链物流场景的干线订单匹配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109829667B (zh) | 物流节点包裹量的预测方法和装置 | |
CN112348428B (zh) | 集装箱的监控方法、装置、服务器及存储介质 | |
CN111047264B (zh) | 一种物流任务分配方法及装置 | |
CN109086929A (zh) | 一种货物共享运输系统及方法 | |
CN115759514A (zh) | 一种冷链配送车调度管理方法及装置 | |
CN102184480A (zh) | 物流信息综合效用分析运营系统及配置设备 | |
CN114331213A (zh) | 基于多维度数据分析的货物运输车辆调度管理方法及云管理系统 | |
CN112819263A (zh) | 一种调度客服的方法和装置 | |
CN108876270B (zh) | 自动货源审核系统及方法 | |
CN113592440A (zh) | 一种基于大数据的智慧物流取件分析系统及方法 | |
CN115879850A (zh) | 一种基于数据流约束的物流信息系统可靠性分析方法 | |
CN111967808A (zh) | 确定物流对象收货方式的方法、装置、电子设备及存储介质 | |
CN114444998A (zh) | 一种物流供应链管理系统 | |
CN115796732A (zh) | 基于电商平台商品的区域物流送货上门分配管理方法 | |
CN111105176A (zh) | 数据处理方法、装置、设备和存储介质 | |
CN114912815A (zh) | 基于大数据宽表的指标自动定义方法、系统及存储介质 | |
CN108681864A (zh) | 一种智能酒柜管理方法及系统 | |
CN114662998A (zh) | 一种跨境电商数字化的智能风控系统及方法 | |
CN110276580A (zh) | 分布式物流管控装置、方法及计算机可读存储介质 | |
CN111091331A (zh) | 基于物联网平台的海运拼装箱航运管理系统 | |
CN117495237B (zh) | 货运集散系统的管理方法、设备和可读存储介质 | |
CN112766839B (zh) | 用于铁路货运场站的便捷电子支付系统及方法 | |
CN112801567B (zh) | 快递派件模式选取方法、装置、计算机设备和存储介质 | |
CN113610503B (zh) | 简历信息处理方法、装置、设备及介质 | |
WO2024120273A1 (zh) | 保温箱管理方法、装置、存储介质及电子设备 |
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 |