CN116432886B - 一种智能路线规划方法 - Google Patents

一种智能路线规划方法 Download PDF

Info

Publication number
CN116432886B
CN116432886B CN202310695178.1A CN202310695178A CN116432886B CN 116432886 B CN116432886 B CN 116432886B CN 202310695178 A CN202310695178 A CN 202310695178A CN 116432886 B CN116432886 B CN 116432886B
Authority
CN
China
Prior art keywords
store
alternative
stores
specific gravity
longitude
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.)
Active
Application number
CN202310695178.1A
Other languages
English (en)
Other versions
CN116432886A (zh
Inventor
张晓攀
贺政忠
张世民
周旭丽
王凌龙
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 Fenyang Technology Co ltd
Original Assignee
Beijing Fenyang 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 Fenyang Technology Co ltd filed Critical Beijing Fenyang Technology Co ltd
Priority to CN202310695178.1A priority Critical patent/CN116432886B/zh
Publication of CN116432886A publication Critical patent/CN116432886A/zh
Application granted granted Critical
Publication of CN116432886B publication Critical patent/CN116432886B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
    • G06Q10/1093—Calendar-based scheduling for persons or groups
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种智能路线规划方法，包括：选取排线日期当天必须拜访门店；计算所有门店的拜访频率比重值；根据所有门店的拜访频率比重值，选取基准门店；选取备选门店，并根据实际需要选择具体方案计算各备选门店的门店位置比重值；根据拜访频率比重值和门店位置比重值计算备选门店的排线权重；根据排线权重完成智能路线规划。本发明针对业务人员需要拜访客户众多且拜访要求不同，综合考虑门店的固有属性信息和门店拜访数据等信息，并根据目标城市或区域的地理环境不同和成本控制的需要而选择不同的方案进行的门店位置比重值计算，最终生成最佳拜访路线，使得路线规划更加合理，且最大程度节约成本。

Description

一种智能路线规划方法
技术领域
本发明属于路线编排技术领域，特别涉及一种动态智能路线编排方法、系统及设备。
背景技术
不同门店销售产品的能力参差不齐，门店在地理位置上的分布也远近不一，因此仅按固定周期对固定门店进行路线规划，存在和门店当天是否需要拜访的实际情况不匹配的问题。例如：场景一：有些门店虽然不在当天的路线计划上，但是该门店距离路线上的某些其他门店距离很近，如果业务员完全按照路线计划执行，就错过了拜访该门店的机会。场景二：有些门店虽然在路线上，但是由于该门店的销售能力差，当天可以不拜访，如果业务员继续拜访就是时间和资源的浪费。场景三：拜访周期长客户数量比较多时，人工做路线规划就会变得困难，即使编排好了，也容易产生不合理的编排，再加上门店有撤店和新增门店的情况，已经规划好的路线就需要不断地动态调整，既浪费精力，也不容易实现门店细致化管理。由于以上种种因素，导致业务人员根据经验来设定拜访路线计划时，存在制定计划复杂且工作量大，拜访计划不清晰没有长期的安排等问题，导致拜访效果不好。
另外，不同的城市或区域，地理环境的复杂度不同，加之不同客户对于路线规划的成本预算的需求不同，现有技术单一的仅根据门店位置的远近或仅根据导航路径进行路线规划的方法无法满足以上不同需求。
因此，提出一种可以满足不同需求的智能路线规划方法是非常必要的。
发明内容
针对现有技术的不足，本发明提供一种智能路线规划方法，其特征在于，包括以下步骤：
S1、选取排线日期当天必须拜访门店；
S2、计算所有门店的拜访频率比重值，具体包括：
对于排线日期当天必须拜访的门店，拜访频率比重值=1×拜访频率的拜访度权重；
对于排线日期当天非必须拜访的门店，包括如下步骤：
S21、根据门店的自身属性，设定门店的拜访频率；
S22、根据门店的拜访频率，计算门店的应拜访度；
S23、对门店的应拜访度进行归一化处理，由下式计算门店的拜访频率比重值：
；
S3、根据所有门店的拜访频率比重值，选取基准门店，具体包括：
S31、将所有门店的拜访频率比重值从大到小排列；
S32、取排名前a名的门店作为基准门店，a≥1；
S4、选取备选门店，并计算各备选门店的门店位置比重值，具体为根据目标城市或区域的地理环境不同和成本控制的需要选择下述方案之一：
方案一、通过各备选门店与基准门店中心的经纬度亲和度计算各备选门店的门店位置比重值；
方案二、通过各备选门店与各基准门店的经纬度亲和度计算各备选门店的门店位置比重值；
方案三、通过各备选门店与各基准门店的最短路径规划距离计算各备选门店的门店位置比重值；
方案四、先基于各备选门店与基准门店中心的经纬度亲和度或者各备选门店与各基准门店的经纬度亲和度，筛选出初级备选门店，再基于初级备选门店与各基准门店的最短路径规划距离计算各备选门店的门店位置比重值；
经纬度亲和度表示两个位置的经度差和纬度差的平方和的二次方根；
S5、计算备选门店的排线权重：
排线权重 = 拜访频率比重值 + 门店位置比重值；
S6、根据排线权重进行拜访路线编排，完成智能路线规划。
其中，方案一、通过各备选门店与基准门店中心的经纬度亲和度计算各备选门店的门店位置比重值，具体包括：
S411、将S31中排名前c名门店作为备选门店，并获取备选门店和S32中基准门店的经纬度，其中，c≥a；
S412、计算基准门店的经纬度平均值，作为基准门店中心的经纬度；
S413、计算各备选门店与基准门店中心的经纬度亲和度；
S414、计算各备选门店的门店位置比重值，具体包括：
当备选门店与基准门店中心的经纬度亲和度为0时，
门店位置比重值=1×门店位置的拜访度权重；
当备选门店与基准门店中心的经纬度亲和度不为0时，对各备选门店与基准门店中心的经纬度亲和度进行归一化处理，之后通过下式计算门店位置比重值：
。
其中，方案二、通过各备选门店与各基准门店的经纬度亲和度计算各备选门店的门店位置比重值，具体包括：
S421、将S31中排名前c名门店作为备选门店，并获取备选门店和S32中各基准门店的经纬度，其中，c≥a；
S422、计算各备选门店与基准门店的经纬度亲和度；
S423、计算各备选门店的门店位置比重值，具体包括：
当备选门店与基准门店的经纬度亲和度为0时，
门店位置比重值=1×门店位置的拜访度权重；
当备选门店与基准门店的经纬度亲和度不为0时，对各备选门店与基准门店的经纬度亲和度进行归一化处理，之后通过下式计算门店位置比重值：
。
其中，方案三、通过各备选门店与各基准门店的最短路径规划距离计算各备选门店的门店位置比重值，具体包括：
S431、将S31中排名前c名门店作为备选门店，并获取备选门店和S32中各基准门店的位置，其中，c≥a；
S432、计算各备选门店与基准门店的最短路径规划距离；
S433、计算各备选门店的门店位置比重值，具体包括：
当备选门店与基准门店的最短路径规划距离为0时，
门店位置比重值=1×门店位置的拜访度权重；
当备选门店与基准门店的最短路径规划距离不为0时，通过下式计算各备选门店的门店位置比重值：
。
其中，方案四、先基于各备选门店与基准门店中心的经纬度亲和度或者各备选门店与各基准门店的经纬度亲和度，筛选出初级备选门店，再基于初级备选门店与各基准门店的最短路径规划距离计算各备选门店的门店位置比重值，具体包括：
S441、通过方案一或方案二的方法获取c家门店的门店位置比重值，作为c家门店初步的门店位置比重值，该c家门店为方案四中的初级备选门店；
S442、将S441中c家门店初步的门店位置比重值按照从大到小进行排序；
S443、将排名前e名（c≥e）的门店作为备选门店，并将备选门店作为方案三S431中备选门店，按照方案三的方法计算各备选门店的门店位置比重值，作为方案四各备选门店的门店位置比重值。
步骤S6包括如下步骤：将排线权重从大到小排列，逐个选取排线门店并计算各个门店拜访时长和在途时长的和作为总时长，当总时长接近或等于预设的拜访总时长时单次排线完成。
上述计算各备选门店的门店位置比重值的方案中，方案一和方案二仅基于门店的经纬度位置来进行排线，可在无需调用外部路径规划接口的情况下实现路径规划，也不需要利用大数据/AI等进行路径规划，减少了网络开销，降低了运营成本。方案三仅考虑实际的通行路径，避免了因为地理环境复杂导致路线分配的不合理。方案四首先基于门店的经纬度，筛选出排线当天可能拜访的备选门店，针对这些备选门店专门计算其与各个基准门店的最短路径规划距离来确认最终的门店位置比重值，既考虑门店的经纬度位置，又考虑实际的路径；相对于方案一和方案二，能够避免因为地理环境复杂导致路线分配的不合理，比如虽然地图上门店的直线距离很近，但是中间被一条河流隔开了，拜访时两家门店的实际路径距离很远；相比于方案三，能够有效减小调用路径规划接口的次数，节约成本。
上述四个方案为并列方案，用户可以根据实际需求择一使用。例如，目标城市或区域地理环境较简单，如城市里没有河流湖泊等特殊环境，仅考虑门店位置进行路线规划即可，可选择方案一或方案二；如果目标城市或区域地理环境很复杂，或者，用户无需考虑路线规划成本，可选择方案三；如果目标城市或区域地理环境较复杂且想兼顾成本和路线规划的准确度，则可选择方案四。
与现有技术相比，本发明具有以下优点：
本发明针对业务人员需要拜访客户众多且拜访要求不同，综合考虑门店的固有属性信息、门店拜访数据等信息，并结合成本等考虑，确定是否需要调用路径规划接口、调用路径规划接口的程度选择不同的方案，进行的门店位置比重值的计算，生成最佳拜访路线，使得路线规划更加合理，且最大程度节约成本。
附图说明
图1是一种智能路线规划方法的步骤图。
图2是一种调和函数的图像。
具体实施方式
下面结合附图与具体实施方案来对本发明做进一步的描述，本发明的保护内容不局限于以下实施例。在不背离本发明的精神和范围下，本领域技术人员能够想到的变化和优点都包括在本发明中，并且以所附的权利要求书为保护范围。
本发明的动态智能路线编排方法主要基于门店的固有属性信息和门店拜访数据等信息，通过算法计算门店各个属性权重值，再对权重数据进行归一化处理，把权重数据控制在[0,1]的区间内，最后根据综合属性权重值选取路线门店。其中，门店的固有属性包括门店类别、门店地理位置等多种属性，门店拜访数据包括拜访频率、拜访时长、上次拜访日期等多种拜访相关数据。
如图1所示，具体为：
S1、选取排线日期当天必须拜访门店；
S2、计算所有门店的拜访频率比重值；
S3、根据所有门店的拜访频率比重值，选取基准门店；
S4、选取备选门店，并计算各备选门店的门店位置比重值；
S5、计算备选门店的排线权重；
S6、根据排线权重进行拜访路线编排，完成智能排线。
具体方法如下：
S1、选取排线日期当天必须拜访门店。
用户可以根据实际情况，自行设定排线日期当天必须拜访的门店，也可以设置当天无必须拜访的门店。
S2、计算所有门店的拜访频率比重值。下述方法为计算拜访频率比重值的一个具体实施例，主要根据所有门店的拜访频率来计算：
对于排线日期当天非必须拜访的门店：
S21，首先确定业务员负责的所有门店或者片区内的所有门店，和排线日期当天非必须拜访的门店，根据门店的自身属性，设定门店的拜访频率，
；
例如某门店应该3天1访，该门店的拜访频率就是1/3。
S22，根据排线日期和上次拜访日期的间隔时间天数，计算门店的应拜访度，
；
S23，对应拜访度进行归一化处理，并设定拜访频率的拜访度权重，计算门店的拜访频率比重值，
；
其中，拜访频率的拜访度权重由用户自行设定，且其数值大小应在[0,1]这一区间内。
本文中归一化处理是将输入数据映射到[0,1]这一区间范围内并去除量纲的方法，且归一化处理后，输入数据较大的，输出数据仍较大。现有技术中符合以上条件的归一化方法较多，用户可以任意选取相应的方法，例如，归一化处理可以是单调递增函数。
例如，归一化处理可以为下述调和函数
；
其中，m是该调和函数的系数，m的取值范围是（0,+∞），m=2时上述调和函数的图像如图2所示。m越大曲线越陡，m越小曲线越平缓，用户可以根据实际情况自行设定m的值，为应拜访度。
例如，当归一化处理选择m=2的调和函数，拜访频率的拜访度权重设定为70%时，拜访频率比重值计算方法如下：
；
而对于排线日期当天必须拜访的门店，其拜访频率比重值计算方法如下：
；
根据上述方法，可以计算得到业务员负责的所有门店或者片区内的所有门店拜访频率比重值，并且由于进行了归一化计算，当天必须拜访门店的拜访频率比重值必然大于非必须拜访门店的拜访频率比重值。
S3、根据所有门店的拜访频率比重值，选取基准门店。具体包括：
S31、将S2中获得的门店拜访频率比重值按照从大到小的倒序排列。
S32、取排名前a名的门店作为基准门店。
其中，基准门店数量a可以是用户自行设置的，例如a=5；基准门店数量a也可以是排线前b天内每天拜访门店数量平均数的一半（四舍五入取整），b也可以由用户自行设置，例如b=30，例如排线前30天每天拜访门店平均数是18家，则a=9；如排线前30天每天拜访门店平均数是21家，则a=11。
S4、选取备选门店，计算各备选门店的门店位置比重值，下述方法为计算门店位置比重值的一些具体实施例：
S40、用户设定门店位置的拜访度权重，且其数值大小应在[0,1]这一区间内，同时还应满足如下要求：
；
为了便于用户有更大的权重设置自由，并不要求两者之和一定为1，同时也便于用户后期再引入其他维度的参数进一步进行更为智能的动态排线。
进一步的方案包括：
方案一：S41、通过各备选门店与基准门店中心的经纬度亲和度来计算各备选门店的门店位置比重值，具体如下：
S411、将S31中排名前c名门店作为备选门店，并获取备选门店和S32中基准门店的经纬度。
其中c可以是用户自行设置的数值，但c≥a，例如c可以是排线前b天内每天拜访门店数量平均数的两倍，c也可以是所有门店的总数量。
S412、计算基准门店的经纬度平均值，作为基准门店中心的经纬度；
例如基准门店共有5家，分别是A1、A2、A3、A4、A5，经纬度分别是（a1经、a1纬）、（a2经、a2纬）、（a3经、a3纬）、（a4经、a4纬）、（a4经、a4纬），则基准门店的经度平均值为：
；
基准门店的纬度平均值为：
；
基准门店中心的经度和纬度分别是AVG 经 （基准门店）和AVG 纬 （基准门店）。
S413、计算备选门店与基准门店中心的经纬度亲和度；计算各个备选门店与基准门店中心的经纬度亲和度的计算方法如下：
；
S414、计算各备选门店的门店位置比重值，具体方法如下：
当备选门店与基准门店中心的经纬度亲和度为0时，
；
当备选门店与基准门店中心的经纬度亲和度不为0时，对门店与基准门店中心的经纬度亲和度进行归一化处理，计算门店位置比重值，且归一化的方法与S23中可以相同、也可以不同，归一化的方法属于现有技术，不再赘述。具体方法如下：
首先计算各备选门店与基准门店中心的经纬度亲和度平均值：AVG（各备选门店与基准门店中心的经纬度亲和度），然后再计算门店位置比重值，即，
；
例如当20家备选门店C1、C2、C3、……、C20（这里20家门店中包含基准门店）的门店与基准门店中心的经纬度亲和度分别为c1a、c2a、c3a、……、c20a时，各备选门店与基准门店中心的经纬度亲和度平均值计算方法如下：
；
当归一化处理方法选择m=2的调和函数，门店位置的拜访度权重设定为30%时，门店C1的门店位置比重值计算方法如下：
；
方案二：S42、通过各备选门店与各基准门店的经纬度亲和度来计算门店位置比重值，具体如下：
S421、将S31中拜访频率比重值排名前c名门店作为备选门店，并获取备选门店和S32中基准门店的经纬度。
其中c可以是用户自行设置的数值，但c≥a，例如c可以是排线前b天内每天拜访门店数量平均数的两倍，c也可以是所有门店的总数量。
S422、计算各备选门店与基准门店的经纬度亲和度；
首先计算某个备选门店与各个基准门店的经纬度亲和度，然后对上述经纬度亲和度按照从小到大排序，并且选取排名前d名的经纬度亲和度计算其平均值，此处d由用户自行设定，且应满足如下条件：
；
该平均值即为该备选门店与基准门店的经纬度亲和度。重复上述过程，可以获得所有备选门店与基准门店的经纬度亲和度。
例如，基准门店共有5家，分别是A1、A2、A3、A4、A5，经纬度分别是（a1经、a1纬）、（a2经、a2纬）、（a3经、a3纬）、（a4经、a4纬）、（a4经、a4纬），则经纬度为（c1经、c1纬）的门店C1，其与基准门店A1的经纬度亲和度为：
；
同理，求得门店C1与其他基准门店的经纬度亲和度分别为、/>、/>和/>。对上述经纬度亲和度按照数字大小进行从小到大排序，选取排名前d名的经纬度亲和度计算其平均值，假设这里从小到大排序结果为C1A1、C1A3、C1A4、C1A2和C1A5，
当d=1时，门店C1与基准门店的经纬度亲和度计算方法如下：
；
当d=3时，门店C1与基准门店的经纬度亲和度计算方法如下：
；
S423、计算各备选门店的门店位置比重值，具体方法如下：
当门店与基准门店的经纬度亲和度为0时，
；
当门店与基准门店的经纬度亲和度不为0时，对该门店与基准门店的经纬度亲和度进行归一化处理，且归一化的方法与S23、S414中可以相同、也可以不同，计算门店的位置比重值，具体方法如下：
首先计算各备选门店与基准门店经纬度的亲和度平均值：AVG（各备选门店与基准门店的经纬度亲和度），然后再计算门店位置比重值，即
；
例如当20家备选门店C1、C2、C3、……、C20（这里20家门店中包含基准门店）的门店与基准门店的经纬度亲和度分别为c1b、c2b、c3b、……、c20b时，20家备选门店与基准门店的经纬度亲和度平均值计算方法如下：
；
当归一化处理方法选择m=2的调和函数，门店位置的拜访度权重设定为30%时，门店C1的门店位置比重值计算方法如下：
；
方案一和方案二仅基于门店的经纬度位置来进行排线，可在无需调用外部路径规划接口的情况下实现路径规划，也不需要利用大数据/AI等进行路径规划，减少了网络开销，降低了运营成本。
方案三：S43、通过各备选门店与各基准门店的最短路径规划距离来计算门店位置比重值，具体如下：
S431、将S31中排名前c名门店作为备选门店，并获取备选门店和S32中基准门店的位置；
其中c可以是用户自行设置的数值，但c≥a，例如c可以是排线前b天内每天拜访门店数量平均数的两倍，c也可以是所有门店的总数量。
S432、计算各备选门店与基准门店的最短路径规划距离；
首先计算某个门店与各个基准门店的最短路径规划距离，然后对上述最短路径规划距离按照从小到大排序，并且选取排名前d名的最短路径规划距离计算其平均值，此处d由用户自行设定，且应满足如下条件：
；
该平均值即为该门店与基准门店的最短路径规划距离。重复上述过程，可以获得所有备选门店与基准门店的最短路径规划距离。其中最短路径规划距离可通过导航软件获取，属于现有技术，在此不再赘述。
例如基准门店共有5家，分别是A1、A2、A3、A4、A5，借助导航软件的路径规划，可以知晓备选门店C1与各基准门店的最短路径规划距离分别是、/>、/>、/>和/>。对上述最短路径规划距离按照数字大小进行从小到大排序，选取排名前d名的最短路径规划距离计算其平均值，假设这里从小到大排序结果为/>、/>、/>、/>和/>，
当d=1时，门店C1与基准门店的最短路径规划距离计算方法如下：
；
当d=3时，门店C1与基准门店的最短路径规划距离计算方法如下：
；
S433、计算各备选门店的门店位置比重值，具体方法如下：
当备选门店与基准门店的最短路径规划距离为0时，
；
当备选门店与基准门店的最短路径规划距离不为0时，对该门店与基准门店的最短路径规划距离进行归一化处理，且归一化的方法与S23、S415、S424中可以相同、也可以不同，计算门店的位置比重值，具体方法如下：
首先计算各备选门店与基准门店的最短路径规划距离平均值：AVG（各备选门店与基准门店的最短路径规划距离），然后再计算门店位置比重值，即，
；
例如当20家门店C1、C2、C3、……、C20（这里20家门店中包含基准门店）的门店与基准门店的最短路径规划距离分别为c1c、c2c、c3c、……、c20c时，各备选门店与基准门店的最短路径规划距离平均值计算方法如下：
；
当归一化处理方法选择m=2的调和函数，门店位置拜访度权重设定为30%时，门店C1的门店位置比重值计算方法如下：
；
方案三仅考虑实际的通行路径，避免了因为地理环境复杂导致路线分配的不合理。比如虽然地图上门店的直线距离很近，但是中间被一条河流隔开了，拜访时两家门店的实际路径距离很远，但是方案三需要全程调用路径规划接口，相对于方案一或方案二而言成本更高。
方案四：S44、先基于门店与基准门店中心的经纬度亲和度或者门店与各基准门店的经纬度亲和度，筛选出初级备选门店，再基于初级备选门店与各基准门店的最短路径规划距离来计算门店位置比重值，具体如下：
S441、通过方案一或方案二的方法获取c家门店的门店位置比重值，作为c家门店初步的门店位置比重值，该c家门店为方案四中的初级备选门店；
S442、将S441中c家门店初步的门店位置比重值按照从大到小进行排序。
S443、将排名前e名的门店作为备选门店，c≥e，并将备选门店作为方案三S431中的备选门店，按照方案三的方法计算各备选门店的门店位置比重值，作为方案四各各备选门店的门店位置比重值。
其中e可以是用户自行设置的数值，但a≤e≤c，例如c可以是排线前b天内每天拜访门店数量平均数的1.5倍。
例如在某一实施例中，a=5，e=15，c=20。其中基准门店分别是A1、A2、A3、A4、A5，首先通过方案一或方案二计算20家门店C1、C2、C3、……、C20（这里20家门店中包含基准门店）初步的门店位置比重值为c1d、c2d、c3d、……、c20d时，再将这列值按照从大到小排列，假设这20家门店初步的门店位置比重值排列顺序刚好也是c1d、c2d、c3d、……、c20d，则以15家门店C1、C2、C3、……、C15作为S431中的备选门店，并依照方案三S431、S432和S433的方法求得15家备选门店最终各自的门店位置比重值。由此可以看出，方案四相比与方案三可以少进行5家门店的路径规划，减少路径规划接口的调用次数。
方案四首先基于门店的经纬度，筛选出今天可能拜访的备选门店，针对这些备选门店专门计算其与各个基准门店的最短路径规划距离来确认最终的门店位置比重值，相比于方案三而言，在合理设置a、e、c的值时，可以有效减小调用路径规划接口的次数，节约成本。
上述四个方案为并列方案，用户可以根据自己的需求择一使用或者选择其他合适的方案。
S5、计算备选门店的排线权重，方法如下：
排线权重=拜访频率比重值+门店位置比重值
由于S4中已选取备选门店，因此此处仅计算各备选门店的排线权重即可。
S6、根据排线权重进行拜访路线编排，完成智能排线。
具体为，将S5中排线权重按照从大到小的方式倒序排列，逐个选取排线门店并计算各个门店拜访时长和在途时长的累加总时长，当总时长接近拜访总时长的时候当前日期排线完成。其中各个门店拜访时长和拜访总时长可以由用户直接输入，也可以采用系统已保存的默认设置，此处拜访总时长指当天用户计划在拜访客户上花费的时间；各个门店之间的在途时长可以基于门店位置由导航软件给出，或者基于其他现有技术获得，在此不再赘述。
通过以上过程，可以完成某一天的门店拜访排线。如果要智能生成未来一段时间内的排线计划，首先根据最新的实际拜访数据编排这段时间第一天的排线计划，然后第二天的排线计划再基于第一天的排线计划进行编排，逐日类推，直至完成全部时间的排线计算。
本发明还包括一种计算设备，包括：一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行前文所述的动态智能路线编排方法的指令。
本发明还包括一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行前文所述的动态智能路线编排方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (5)

1.一种智能路线规划方法，其特征在于，包括以下步骤：
S1、选取排线日期当天必须拜访门店；
S2、计算所有门店的拜访频率比重值，具体包括：
对于排线日期当天必须拜访的门店，拜访频率比重值=1×拜访频率的拜访度权重；
对于排线日期当天非必须拜访的门店，包括如下步骤：
S21、根据门店的自身属性，设定门店的拜访频率；
S22、根据门店的拜访频率，计算门店的应拜访度；
S23、对门店的应拜访度进行归一化处理，由下式计算门店的拜访频率比重值：
；
S3、根据所有门店的拜访频率比重值，选取基准门店，具体包括：
S31、将所有门店的拜访频率比重值从大到小排列；
S32、取排名前a名的门店作为基准门店，a≥1；
S4、选取备选门店，并计算各备选门店的门店位置比重值，具体为根据目标城市或区域的地理环境不同和成本控制的需要选择下述方案之一：
方案一、通过各备选门店与基准门店中心的经纬度亲和度计算各备选门店的门店位置比重值；
方案二、通过各备选门店与各基准门店的经纬度亲和度计算各备选门店的门店位置比重值；
方案三、通过各备选门店与各基准门店的最短路径规划距离计算各备选门店的门店位置比重值；
方案四、先基于各备选门店与基准门店中心的经纬度亲和度或者各备选门店与各基准门店的经纬度亲和度，筛选出初级备选门店，再基于初级备选门店与各基准门店的最短路径规划距离计算各备选门店的门店位置比重值；
经纬度亲和度表示两个位置的经度差和纬度差的平方和的二次方根；
S5、计算备选门店的排线权重：
排线权重 = 拜访频率比重值 + 门店位置比重值；
S6、根据排线权重进行拜访路线编排，完成智能路线规划；
所述方案一、通过各备选门店与基准门店中心的经纬度亲和度计算各备选门店的门店位置比重值，具体包括：
S411、将S31中排名前c名门店作为备选门店，并获取备选门店和S32中基准门店的经纬度，其中，c≥a；
S412、计算基准门店的经纬度平均值，作为基准门店中心的经纬度；
S413、计算各备选门店与基准门店中心的经纬度亲和度；
S414、计算各备选门店的门店位置比重值，具体包括：
当备选门店与基准门店中心的经纬度亲和度为0时，
门店位置比重值=1×门店位置的拜访度权重；
当备选门店与基准门店中心的经纬度亲和度不为0时，对各备选门店与基准门店中心的经纬度亲和度进行归一化处理，之后通过下式计算门店位置比重值：
；
所述方案二、通过各备选门店与各基准门店的经纬度亲和度计算各备选门店的门店位置比重值，具体包括：
S421、将S31中排名前c名门店作为备选门店，并获取备选门店和S32中各基准门店的经纬度，其中，c≥a；
S422、计算各备选门店与基准门店的经纬度亲和度；
S423、计算各备选门店的门店位置比重值，具体包括：
当备选门店与基准门店的经纬度亲和度为0时，
门店位置比重值=1×门店位置的拜访度权重；
当备选门店与基准门店的经纬度亲和度不为0时，对各备选门店与基准门店的经纬度亲和度进行归一化处理，之后通过下式计算门店位置比重值：
；
所述方案三、通过各备选门店与各基准门店的最短路径规划距离计算各备选门店的门店位置比重值，具体包括：
S431、将S31中排名前c名门店作为备选门店，并获取备选门店和S32中各基准门店的位置，其中，c≥a；
S432、计算各备选门店与基准门店的最短路径规划距离；
S433、计算各备选门店的门店位置比重值，具体包括：
当备选门店与基准门店的最短路径规划距离为0时，
门店位置比重值=1×门店位置的拜访度权重；
当备选门店与基准门店的最短路径规划距离不为0时，通过下式计算各备选门店的门店位置比重值：
；
所述方案四、先基于各备选门店与基准门店中心的经纬度亲和度或者各备选门店与各基准门店的经纬度亲和度，筛选出初级备选门店，再基于初级备选门店与各基准门店的最短路径规划距离计算各备选门店的门店位置比重值，具体包括：
S441、通过所述方案一或所述方案二的方法获取c家门店的门店位置比重值，作为c家门店初步的门店位置比重值，该c家门店为方案四中的初级备选门店；
S442、将S441中c家门店初步的门店位置比重值按照从大到小进行排序；
S443、将排名前e名的门店作为备选门店，c≥e，并将备选门店作为方案三S431中的备选门店，按照方案三的方法计算各备选门店的门店位置比重值，作为方案四各备选门店的门店位置比重值。
2.如权利要求1所述的智能路线规划方法，其特征在于，步骤S6包括如下步骤：将排线权重从大到小排列，逐个选取排线门店并计算各个门店拜访时长和在途时长的和作为总时长，当总时长接近或等于预设的拜访总时长时单次排线完成。
3.如权利要求2所述的智能路线规划方法，其特征在于，拜访频率的拜访度权重、门店位置的拜访度权重均由用户自行设定，且设定满足：
0<门店位置的拜访度权重+拜访频率的拜访度权重≤1。
4.一种计算设备，其特征在于，包括：一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至3所述的方法中的任一方法的指令。
5.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至3所述的方法中的任一方法。
CN202310695178.1A 2023-06-13 2023-06-13 一种智能路线规划方法 Active CN116432886B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310695178.1A CN116432886B (zh) 2023-06-13 2023-06-13 一种智能路线规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310695178.1A CN116432886B (zh) 2023-06-13 2023-06-13 一种智能路线规划方法

Publications (2)

Publication Number Publication Date
CN116432886A CN116432886A (zh) 2023-07-14
CN116432886B true CN116432886B (zh) 2023-08-29

Family

ID=87081905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310695178.1A Active CN116432886B (zh) 2023-06-13 2023-06-13 一种智能路线规划方法

Country Status (1)

Country Link
CN (1) CN116432886B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109978292A (zh) * 2017-12-27 2019-07-05 阿里巴巴集团控股有限公司 门店的智能管理方法及装置
CN110941687A (zh) * 2019-10-16 2020-03-31 浙江口碑网络技术有限公司 一种生成拜访报告的方法和装置
CN112348601A (zh) * 2020-12-04 2021-02-09 上海晶确科技有限公司 业务开发路线规划方法
CN113203427A (zh) * 2021-05-14 2021-08-03 杉数科技(北京)有限公司 一种路径规划方法、装置及服务器
CN115496524A (zh) * 2022-09-02 2022-12-20 海尔优家智能科技（北京）有限公司 门店拜访方法、装置、存储介质及电子装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180060907A1 (en) * 2015-03-20 2018-03-01 Nec Corporation Sales promotion apparatus, sales promotion system, store system, sales promotion method, and program

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109978292A (zh) * 2017-12-27 2019-07-05 阿里巴巴集团控股有限公司 门店的智能管理方法及装置
CN110941687A (zh) * 2019-10-16 2020-03-31 浙江口碑网络技术有限公司 一种生成拜访报告的方法和装置
CN112348601A (zh) * 2020-12-04 2021-02-09 上海晶确科技有限公司 业务开发路线规划方法
CN113203427A (zh) * 2021-05-14 2021-08-03 杉数科技(北京)有限公司 一种路径规划方法、装置及服务器
CN115496524A (zh) * 2022-09-02 2022-12-20 海尔优家智能科技（北京）有限公司 门店拜访方法、装置、存储介质及电子装置

Also Published As

Publication number Publication date
CN116432886A (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
JP4247773B2 (ja) 負荷平衡マルチサイト呼処理システムの分析の方法および装置
CN104243598B (zh) 一种信息推荐方法及装置
CN108494835A (zh) 基于Raft算法的分布式动态路由的实现方法及系统
Ullah et al. Enhancing the dynamic load balancing technique for cloud computing using HBATAABC algorithm
CN108141469A (zh) 负载均衡器中的数据平面操纵
CN109002452A (zh) 地图瓦片更新方法、装置及计算机可读存储介质
CN107063277A (zh) 一种多成员出行的导航方法及服务器
CN115134371A (zh) 包含边缘网络算力资源的调度方法、系统、设备及介质
CN116432886B (zh) 一种智能路线规划方法
Wang et al. Infrastructure-efficient virtual-machine placement and workload assignment in cooperative edge-cloud computing over backhaul networks
Uyeno et al. A practical methodology for ambulance location
CN111447646A (zh) 一种用户设备ue接入amf的方法及其网络设备
CN110059921B (zh) 一种基于边缘计算的游客信息分析方法和系统
Nisha et al. A bilevel programming framework for joint edge resource management and pricing
CN109508971A (zh) 一种电量电费结算方法、装置、设备和存储介质
CN109144690A (zh) 任务处理方法和装置
CN110113217A (zh) 微服务管理方法、装置、管理平台及存储介质
CN114336769B (zh) 一种电网日内紧急削峰方法、装置、系统及存储介质
CN109446439A (zh) 一种资源目录的选择方法、装置、系统及存储介质
JP2019045970A (ja) 分散システム、バックエンドサービス、エッジサーバ、及びその方法
CN111836274B (zh) 一种业务处理的方法及装置
CN103595783B (zh) 云计算调度系统及云计算调度方法
WO2021167525A1 (en) System and method for partitioning geographical areas into logistical areas for dynamic pricing
CN109241215A (zh) 对象搜索方法、装置、设备及计算机可读存储介质
CN106056231B (zh) 基于多方位置和时间可用性的自动匹配推荐方法和装置

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