CN116362844B - 一种“先并单-再派单”的外卖订单配送方案生成方法 - Google Patents

Abstract

一种“先并单‑再派单”的外卖订单配送方案生成方法，针对高峰时期骑手严重不足导致的“爆单”现象，考虑订单合并的集约优势，提出“先并单：生成订单簇，再派单：订单簇匹配骑手”的外卖订单处理思路，首先对于一个时间段内接收到的批量顾客订单依据“最大距离节省”原则对餐单距离相似度高的订单进行合并处理形成订单簇，然后将生成的订单簇依据“最小配送延迟”原则分配给合适的骑手完成配送，在尽可能保证以最小配送延迟完成所有订单履约的同时，一定程度上也保证了用尽可能少的骑手完成尽可能多的订单，兼顾时效性的同时保障了订单的履约率和送达效率，有效缓解了高峰时期的“爆单”问题，为平台外卖订单配送的实际运营提供有效地决策支持。

Description

一种“先并单-再派单”的外卖订单配送方案生成方法

技术领域

本发明属于外卖领域，更具体地，涉及一种“先并单-再派单”的外卖订单配送方案生成方法。

背景技术

随着信息化技术的发展以及线上线下消费场景的融合，外卖即时配送行业迅猛发展。外卖不仅局限于传统意义上的餐饮外卖，商超、果蔬、医药等也可通过外卖即时配送的服务满足老百姓的生活需要，这也大大激增了外卖服务的需求。

一般情况下，外卖订单履行过程如下：首先，客户通过移动应用程序或互联网网站下单；然后，外卖平台线上实时处理订单并生成配送方案，每接收到一个订单，就根据商家、顾客和外卖员三方的地址远近将订单分配给合适的骑手；最后，骑手接到订单后，先去商家取餐然后送到相应的顾客手中，完成订单配送。但是随着订单量的激增，特别是高峰时期，骑手运力远远不足，很容易出现所谓的“爆单”情况，致使配送超时现象频发，带来糟糕的客户体验以及用户满意度的下降。

通常情况下，外卖订单主要是“一单一处理”的实时处理机制，鲜少有关外卖订单处理的文献或专利中涉及“多个订单合并处理”，且都是依据简单的相同地址合并原则：即将同一个餐厅出餐且顾客地址相近的外卖订单进行合并处理并分配给同一个骑手完成送餐。不同于已有的外卖订单处理方法，本发明提供了一种“先并单-再派单”的外卖订单批量处理的即时配送方案生成方法，采取两步走的订单处理思路：首先并单处理，即对于接收到的顾客订单依据“距离节省最大”原则对餐单距离相似度高的订单进行合并处理，合并后的大订单我们称为订单簇；然后派单处理，将生成的订单簇依据“配送延迟最小”原则分配给合适的骑手完成配送，在最小化订单配送延迟时间的同时尽可能将餐单距离相似度高的多个订单一起指派给同一个骑手完成配送，一定程度上用尽可能少的骑手完成尽可能多的订单，有效缓解了高峰时期的“爆单”问题，为实际平台的订单配送运营提供有效地决策支持。

发明内容

针对现有外卖订单处理方法存在的不足以及实际运营中遇到的问题，本发明提出了一种“先并单-再派单”外卖订单配送方案生成方法，旨在缓解高峰时期骑手运力远远不足的情况，即用有限的骑手以最小化总的延迟时间为目标来配送尽可能多的外卖订单。

本发明的技术方案：

一种“先并单-再派单”的外卖订单配送方案生成方法，步骤如下：

S1：采集数据：从外卖平台中获取订单信息和骑手信息，其中订单信息包括顾客地址、下单时间、预计送达时间、商家地址、出餐时间，骑手信息包括骑手位置、到达商家时间、等待出餐时间、配送时间、送达时间；

S2：距离相似度计算：对于外卖平台在一段决策时间n内接收到的批量外卖订单从配送距离维度出发，考虑取餐-送餐顺序，计算任意两两订单的距离相似度/>具体为：

对于批量外卖订单内任意两个订单o_i和o_j的距离相似度计算公式为：

其中，i≠j，l_i和c_i表示订单o_i所包含的商家位置和顾客位置，l_j和c_j表示订单o_j所包含的商家位置和顾客位置，v_i和v_j表示分别距离商家l_i和l_j最近的两个骑手当前所在的位置，d表示任意两个位置间的实际距离，d(l_i，l_j)表示两个商家的距离，d(c_i，c_j)表示两个顾客的距离，d(l_i，c_i)则表示商家l_i和其对应的顾客c_i之间的距离，d(v_i，l_i)则表示骑手v_i到商家l_i的距离，d(v)^*表示合并后由距离最近的骑手完成配送时骑手从初始位置到最近的商家的距离；公式中，分母表示两个骑手分别单独配送两个订单的距离之和，分子表示将两个订单合并一起分配给一个骑手配送的最小距离；

根据上述任意两个订单的距离相似度计算，构造距离相似度矩阵其中/>表示矩阵第i行第j列的元素，/>通过数据分析发现，当两两订单相似度小于定义的阈值/>时(如/>)，合并处理的订单会产生距离节省；

S3：并单处理：基于步骤S2的距离相似度计算和距离相似度矩阵，以最大化距离节省为目标，构建最大化距离节省的并单模型，通过求解对满足约束的顾客订单进行合并，合并后的订单称为订单簇；具体为：

(1)构建最大化距离节省的并单模型，目标函数为：

其中，d_p，q表示从节点p到节点q的距离，节点p属于集合L，L＝{1，2，...m}表示取货节点，也就是餐厅位置，q属于集合C，C＝{m+1，...2m}表示送货节点，也就是对应的顾客位置；x_pqk表示0/1决策变量，判断节点p到节点q的弧线(p，q)是否属于订单簇k，(p，q)属于集合A，(A＝{(p，q)|p，q∈(L∪C)，p≠q})表示任意两个节点连接的弧线集合，k属于集合K，K＝{1，2，...k_max}表示订单簇集合，k_max表示目标订单簇数量，小于等于骑手数，即k_max≤|V|，V表示可用骑手集合；

(2)以D为优化目标，进行订单合并，形成订单簇，具体为：

①初始化订单簇也就是将每一个原始顾客订单看作一个初始订单簇，即初始订单簇中只包含了一个顾客订单，但是经过合并处理后的订单簇中可能包含多个顾客订单，而一个订单簇只能分配给一个骑手完成配送，由于单个骑手配送容量限制，设每一个订单簇中的订单数量阈值约束为U；并对初始的订单簇按照S2计算的距离相似度/>进行降序排列，/>

②将距离最近的两个订单簇和/>进行合并；判断其是否满足如下关系：①距离相似度小于阈值，即/>②所包含的订单数之和小于等于阈值，即满足的话将这两个订单簇合并为一个新的大订单簇；重复这一步，直到所有满足这两个条件的订单簇被合并；

③更新输出最终的订单簇集合K^*＝{k₁，k₂，...，k_max}，基于此计算最大距离节省D^*；

S4：派单处理：基于步骤S3生成的最终的订单簇，以最小化总的配送延迟为目标，实时考虑骑手位置，构建最小化配送延迟的派单模型，将合适的订单簇分配给合适的骑手，生成最终的外卖订单配送方案，具体为：

(1)构建最小化配送延迟的派单模型，目标函数为：

上述目标函数的约束条件包括：

①每个订单簇只能分配给一个骑手，

②每个骑手一次最多只能被分配一个订单簇，

③决策变量取值约束，

其中，x_vk表示订单簇k是否分给骑手v，t_vk表示骑手从他当前位置到达订单簇中的第一个订单餐厅所在位置需要的时间，δ_vk表示骑手取订单簇中的第一个订单在餐厅等待的时间，β₁表示餐厅等待时间权重，β₂表示骑手距离远近的行走时间权重；

(2)将目标函数、约束条件及决策变量输入CPLEX优化求解器建模，对对最小化配送延迟的派单模型求解，得到模型函数的最优解，即最小化配送延迟的订单簇到骑手的分配方案。

与现有技术相比，本发明的有益效果：本发明提供的“先并单-再派单”外卖订单配送方案生成方法，针对高峰时期的“爆单”现象，考虑订单合并的集约优势，设计出“先并单：生成订单簇，再派单：订单簇匹配骑手”的外卖订单处理思路，提出基于餐单距离相似度的订单合并和指派方法，得到订单簇和骑手匹配的外卖订单配送最优方案，尽可能保证以最小延迟完成所有订单履约，一定程度上缓解了高峰期骑手运力严重不足的问题，兼顾时效性和可靠性，保障了订单的履约率和送达效率，为平台的餐饮外卖订单配送运营提供有效地决策支持。

附图说明

图1为本发明一种“先并单-再派单”的外卖订单配送方案生成方法流程图；

图2为两个骑手、餐厅以及订单所对应的顾客位置示意图；

图3为订单合并算法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更清楚，下文将结合本发明的实施例中的附图对本发明进行更清楚、完整地描述。显然，所描述的实施例是本发明部分实施例，而不是全部的实施例。

因此，对说明书附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而仅仅是表示本发明的选定实施例。基于本发明的实施例，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他实施例，都属于本发明保护的范围。

应当注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

实施例

参照图1，本发明实施例一提供的一种“先并单-再派单”的外卖订单配送方案生成方法，包括：

步骤S101，数据采集。外卖平台服务器后台，对于接收到的订单信息进行处理，识别订单信息，包括下单时间、顾客地址、对应的商家地址、出餐时间、预计送达时间等，同时后台读取可选的骑手信息，包括骑手目前的位置、预计到达商家时间、预计配送时间等。

步骤S102，相似度计算。根据订单信息和骑手信息，对一小段时间窗内接收到的所有顾客订单进行两两距离相似度计算作为后续判断订单是否合并的依据。

参照图2，图2为两个骑手、餐厅以及订单所对应的顾客位置示意图。具体地：d(l_i，l_j)表示两个商家的距离，d(c_i，c_j)表示两个顾客的距离，d(l_i，c_i)和d(l_i，c_j)分别表示商家l_i到对应的顾客c_i和顾客c_j之间的距离，d(l_j，c_j)和d(l_j，c_i)分别表示商家l_j到对应的顾客c_j和顾客c_i之间的距离，d(v_i，l_i)则表示骑手v_i到商家l_i的距离，d(v_j，l_j)则表示骑手v_j到商家l_j的距离，d(v)^*表示合并后由距离最近的骑手完成配送时骑手从初始位置到最近的商家的距离。两个订单o_i和o_j的距离相似度为：

公式中，分母表示两个骑手分别单独配送两个订单的距离之和(如图2中虚线距离相加之和)，分子表示合并后的订单簇由一个骑手配送的最小距离(如图2中实线距离相加之和)。

步骤S103，并单处理。根据计算好的距离相似度，以最大化配送距离节省为目标，对距离相似度高的订单进行合并，生成订单簇。

参照图3，图3为订单合并算法流程图。对距离相似度高的订单进行合并的具体步骤如下：

Step1：获取当前决策时间段n内，未处理的订单集合初始化订单簇/>即将每一个原始顾客订单看作一个初始订单簇；

Step2：针对每个订单簇k_j根据其值进行降序排列，/>

Step3：初始化当前订单簇编号b＝1，每一个订单簇中的订单数量阈值为U，最大距离节省D^*＝0；

Step4：i＝b，j＝b+1，将距离最近的两个订单簇和/>进行合并。判断其是否满足如下关系：①距离相似度小于阈值，即/>②所包含的订单数之和小于等于阈值，即/>满足的话，将这两个订单簇合并为一个新的大订单簇，转到Step 5；否则，不可合并，转到Step6；

Step5：根据公式D＝max∑_a∈Ld_p，m+q-∑_k∈K∑_(p，q)∈Ad_p，qx_pqk计算两个订单o_i和o_j合并后的距离节省D_b，更新D^*＝D^*+D_b， K^*＝Kⁿ∪k_b；

Step6：b＝b+1，如果b>|O_n|，输出最终的订单簇集合K^*＝{k₁，k₂，...，k_max}和最大距离节省D^*，结束；否则，转到Step4。

步骤S104，派单处理。针对生成好的订单簇，以最小化配送延迟时间为目标，基于构建的派单模型，采用CPLEX优化求解器建模求解，生成最终的订单簇派单方案。

以上所述仅为本发明较佳的实施方案而已，并不用以限制本发明，凡在本发明精神和原则之内所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种“先并单-再派单”的外卖订单配送方案生成方法，其特征在于，步骤如下：

S1：采集数据：从外卖平台中获取订单信息和骑手信息，其中订单信息包括顾客地址、下单时间、预计送达时间、商家地址、出餐时间，骑手信息包括骑手位置、到达商家时间、等待出餐时间、配送时间、送达时间；

S2：距离相似度计算：对于外卖平台在一段决策时间n内接收到的批量外卖订单从配送距离维度出发，考虑取餐-送餐顺序，计算任意两两订单的距离相似度/>具体为：

对于批量外卖订单内任意两个订单o_i和o_j的距离相似度计算公式为：

其中，i≠j，l_i和c_i表示订单o_i所包含的商家位置和顾客位置，l_j和c_j表示订单o_j所包含的商家位置和顾客位置，v_i和v_j表示分别距离商家l_i和l_j最近的两个骑手当前所在的位置，d表示任意两个位置间的实际距离，d(l_i,l_j)表示两个商家的距离，d(c_i,c_j)表示两个顾客的距离，d(l_i,c_i)则表示商家l_i和其对应的顾客c_i之间的距离，d(v_i,l_i)则表示骑手v_i到商家l_i的距离，d(v)^*表示合并后由距离最近的骑手完成配送时骑手从初始位置到最近的商家的距离；公式中，分母表示两个骑手分别单独配送两个订单的距离之和，分子表示将两个订单合并一起分配给一个骑手配送的最小距离；

根据上述任意两个订单的距离相似度计算，构造距离相似度矩阵其中/>表示矩阵第i行第j列的元素，/>通过数据分析发现，当两两订单相似度小于定义的阈值/>时，合并处理的订单产生距离节省；

S3：并单处理：基于步骤S2的距离相似度计算和距离相似度矩阵，以最大化距离节省为目标，构建最大化距离节省的并单模型，通过求解对满足约束的顾客订单进行合并，合并后的订单称为订单簇；具体为：

(1)构建最大化距离节省的并单模型，目标函数为：

其中，d_p，q表示从节点p到节点q的距离，节点p属于集合L，L＝{1，2，...m}表示取货节点，也就是餐厅位置，q属于集合C，C＝{m+1，...2m}表示送货节点，也就是对应的顾客位置；x_pqk表示0/1决策变量，判断节点p到节点q的弧线(p，q)是否属于订单簇k，(p，q)属于集合A，A＝{(p，q)|p，q∈(L∪C)，p≠q}表示任意两个节点连接的弧线集合，k属于集合K，K＝{1，2，...k_max}表示订单簇集合，k_max表示目标订单簇数量，小于等于骑手数，即k_max≤|V|，V表示可用骑手集合；

(2)以D为优化目标，进行订单合并形成订单簇，具体为：

①初始化订单簇也就是将每一个原始顾客订单看作一个初始订单簇，即初始订单簇中只包含了一个顾客订单，经过合并处理后的订单簇中可能包含多个顾客订单，而一个订单簇只能分配给一个骑手完成配送，由于单个骑手配送容量限制，设每一个订单簇中的订单数量阈值约束为U；并对初始的订单簇按照S2计算的距离相似度/>进行降序排列，/>

②将距离最近的两个订单簇和/>进行合并，其中，i^*＝i，j^*＝j；判断其是否满足如下关系：①距离相似度小于阈值，即/>②所包含的订单数之和小于等于阈值，即满足的话将这两个订单簇合并为一个新的大订单簇；重复这一步，直到所有满足这两个条件的订单簇被合并；

③更新输出最终的订单簇集合K^*＝{k₁，k₂，...，k_max}，基于此计算最大距离节省D^*；

S4：派单处理：基于步骤S3生成的最终的订单簇，以最小化总的配送延迟为目标，实时考虑骑手位置，构建最小化配送延迟的派单模型，将合适的订单簇分配给合适的骑手，生成最终的外卖订单配送方案，具体为：

(1)构建最小化配送延迟的派单模型，目标函数为：

上述目标函数的约束条件包括：

①每个订单簇只能分配给一个骑手，

②每个骑手一次最多只能被分配一个订单簇，

③决策变量取值约束，

其中，x_vk表示订单簇k是否分给骑手v，t_vk表示骑手从他当前位置到达订单簇中的第一个订单餐厅所在位置需要的时间，δ_vk表示骑手取订单簇中的第一个订单在餐厅等待的时间，β₁表示餐厅等待时间权重，β₂表示骑手距离远近的行走时间权重；

(2)将目标函数、约束条件及决策变量输入CPLEX优化求解器建模，对最小化配送延迟的派单模型求解，得到模型函数的最优解，即最小化配送延迟的订单簇到骑手的分配方案。