CN116703263B - 电力设备配送方法、装置、电子设备和计算机可读介质 - Google Patents
电力设备配送方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN116703263B CN116703263B CN202310575736.0A CN202310575736A CN116703263B CN 116703263 B CN116703263 B CN 116703263B CN 202310575736 A CN202310575736 A CN 202310575736A CN 116703263 B CN116703263 B CN 116703263B
- Authority
- CN
- China
- Prior art keywords
- transport
- transport end
- characteristic information
- classification
- transportation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000013145 classification model Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims description 23
- 230000004927 fusion Effects 0.000 claims description 13
- 230000010365 information processing Effects 0.000 claims description 13
- 230000005856 abnormality Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 4
- 230000032258 transport Effects 0.000 description 179
- 230000002159 abnormal effect Effects 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
Abstract
本公开的实施例公开了电力设备配送方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:将运输端特征信息组输入至预先训练的运输端分类模型中,得到第一运输端分类信息组,其中,第一运输端分类信息组中的第一运输端分类信息对应运输端特征信息组中的运输端特征信息;根据运输端特征信息组,生成第二运输端分类信息组,其中,运输端特征信息组中的运输端特征信息对应第二运输端分类信息组中的第二运输端分类信息;基于第一运输端分类信息组和第二运输端分类信息组,从运输端组中选择出目标运输端;控制目标运输端的运输车辆对相关联的电力设备运输信息对应的电力设备进行配送。该实施方式可以使得电力设备得到及时配送。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及电力设备配送方法、装置、电子设备和计算机可读介质。
背景技术
在对电力设备运输的过程中,往往会因为供应端的配送资源不足,而导致配送延时。目前,为了选择合适的运输端运输电力设备,通常采用的方式为:由业务人员对每个运输端进行考核,以选择出合适的运输端运输电力设备。
然而,当采用上述方式通常会存在以下技术问题:
第一,由业务人员对每个运输端进行考核,存在一定的主观性,当选择的运输端运力不足时,容易造成电力设备无法及时配送;
第二,运输端数据较多,且检测时间较长,难以检测出篡改的运输端数据,存在检测偏差。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了电力设备配送方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种电力设备配送方法,该方法包括:获取运输端组中每个运输端的运输端特征信息,得到运输端特征信息组,其中,上述运输端特征信息组的运输端特征信息包括实时运输端特征信息与离线运输端特征信息;将上述运输端特征信息组输入至预先训练的运输端分类模型中,得到第一运输端分类信息组,其中,上述第一运输端分类信息组中的第一运输端分类信息对应上述运输端特征信息组中的运输端特征信息;根据上述运输端特征信息组,生成第二运输端分类信息组,其中,上述运输端特征信息组中的运输端特征信息对应上述第二运输端分类信息组中的第二运输端分类信息;基于上述第一运输端分类信息组和上述第二运输端分类信息组,从上述运输端组中选择出目标运输端;控制上述目标运输端的运输车辆对相关联的电力设备运输信息对应的电力设备进行配送。
第二方面,本公开的一些实施例提供了一种电力设备配送装置,该装置包括:获取单元,被配置成获取运输端组中每个运输端的运输端特征信息,得到运输端特征信息组,其中,上述运输端特征信息组的运输端特征信息包括实时运输端特征信息与离线运输端特征信息;输入单元,被配置成将上述运输端特征信息组输入至预先训练的运输端分类模型中,得到第一运输端分类信息组,其中,上述第一运输端分类信息组中的第一运输端分类信息对应上述运输端特征信息组中的运输端特征信息;生成单元,被配置成根据上述运输端特征信息组,生成第二运输端分类信息组,其中,上述运输端特征信息组中的运输端特征信息对应上述第二运输端分类信息组中的第二运输端分类信息;选择单元,被配置成基于上述第一运输端分类信息组和上述第二运输端分类信息组,从上述运输端组中选择出目标运输端;控制单元,被配置成控制上述目标运输端的运输车辆对相关联的电力设备运输信息对应的电力设备进行配送。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,计算机程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的电力设备配送方法,使得电力设备得到及时配送。具体来说,容易造成电力设备无法及时配送的原因在于:由业务人员对每个运输端进行考核,存在一定的主观性,当选择的运输端运力不足时,容易造成电力设备无法及时配送。基于此,本公开的一些实施例的电力设备配送方法,首先,获取运输端组中每个运输端的运输端特征信息,得到运输端特征信息组。其中,上述运输端特征信息组的运输端特征信息包括实时运输端特征信息与离线运输端特征信息。由此,为选择出合适的运输端,提供了数据支持。其次,将上述运输端特征信息组输入至预先训练的运输端分类模型中,得到第一运输端分类信息组。其中,上述第一运输端分类信息组中的第一运输端分类信息对应上述运输端特征信息组中的运输端特征信息。由此,可以初步确定运输端是否异常。接着,根据上述运输端特征信息组,生成第二运输端分类信息组。其中,上述运输端特征信息组中的运输端特征信息对应上述第二运输端分类信息组中的第二运输端分类信息。由此,可以进一步确定运输端是否异常。然后,基于上述第一运输端分类信息组和上述第二运输端分类信息组,从上述运输端组中选择出目标运输端。由此,可以根据供应端的特征信息,选择出合适的运输端。最后,控制上述目标运输端的运输车辆对相关联的电力设备运输信息对应的电力设备进行配送。由此,使得电力设备得到及时配送。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的电力设备配送方法的一些实施例的流程图;
图2是根据本公开的电力设备配送装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的电力设备配送方法的一些实施例的流程图。示出了根据本公开的电力设备配送方法的一些实施例的流程100。该电力设备配送方法,包括以下步骤:
步骤101,获取运输端组中每个运输端的运输端特征信息,得到运输端特征信息组。
在一些实施例中,电力设备配送方法的执行主体(例如计算设备)可以通过有线连接或无线连接的方式从终端中获取运输端组中每个运输端的运输端特征信息,得到运输端特征信息组。其中,上述运输端特征信息组的运输端特征信息包括实时运输端特征信息与离线运输端特征信息。这里,运输端可以是指运输电力设备的终端。例如,运输端可以表示运输公司。实时运输端特征信息可以是指随着时间不断改变的特征信息。例如,实时运输端特征信息可以是指截止到请求时间一周内运输电力设备的次数。离线运输端特征信息可以是不会改变的特征信息。例如,离线运输端特征信息可以是截止到请求时间的前一周的特征信息。实时运输端特征信息与离线运输端特征信息均可以包括:至少一个电力设备名称、运输次数、单次运输最大重量、单次运输最大数量。
实践中,上述执行主体可以通过以下步骤获取运输端组中每个运输端的运输端特征信息:
第一步,对于预设时间段中的每个时间节点,根据上述运输端在上述时间节点产生的子实时运输端特征信息,生成子实时特征信息处理结果。这里,时间节点可以表示预设时间段的时间粒度。例如,时间粒度可以为1小时。子实时运输端特征信息可以表示运输端在上述时间节点对应的时间内产生的业务信息。例如,业务信息可以是运输的各个电力设备的统计信息。
实践中,上述第一步可以包括以下子步骤:
第一子步骤,获取预设的特征字段解析文件。其中,上述特征字段解析文件包括:字段解析变量集和时间窗口变量。特征字段解析文件可以是从子实时运输端特征信息中解析出所需的特征字段的文件。其中,特征字段可以是数据中表征某些数据特征的数值字段。例如,实时业务信息可以是“在6月5日12点,配送了15台电力设备(变压器)”。特征字段可以是“15台电力设备”。字段解析变量集可以包括:属性字段变量组和业务字段变量组。其中,属性字段变量可以是属性特征对应的变量。上述属性特征可以是直观体现出子实时运输端特征信息特征值的特征。例如,属性特征可以包括:时间、地点、设备名称、设备数量。业务字段变量为基于多个属性特征所聚合得到的。例如,业务字段变量包括:设备的总重量。时间窗口变量可以是实时业务信息对应的时间选择窗口。例如,每个子实时运输端特征信息存在对应的时间信息。时间窗口变量对应的变量值是以时间信息为基本单位的值。例如,时间信息为10分钟。时间窗口变量对应的时间窗口时长可以是50分钟。
第二子步骤,将上述时间窗口变量对应的窗口变量值确定为时间窗口信息。时间窗口信息可以是时间窗口变量的预设变量值。上述预设变量值可以是预设时间段对应的时间窗口。
第三子步骤,根据上述时间窗口信息,从上述子实时运输端特征信息中流式解析出针对上述字段解析变量集的特征信息解析字段集,作为实时特征信息解析字段组。可以通过流式计算从上述子实时运输端特征信息中流式解析出针对上述字段解析变量集的特征信息解析字段集。
第四子步骤,对上述实时特征信息解析字段组进行流式处理,生成子实时特征信息处理结果。可以通过Flink流处理框架对上述实时特征信息解析字段组进行流式处理,生成子实时特征信息处理结果。
第二步,获取上述供应端在预设时间段内的子实时运输端特征信息序列,作为候选离线运输端特征信息。
第三步,根据上述候选离线运输端特征信息,生成离线运输端特征检测结果。
实践中,可以通过业务字段解析文件,对上述候选离线运输端特征信息包括的各个子离线运输端特征信息进行批量解析,得到子离线运输端特征信息序列作为离线运输端特征检测结果。上述各个子离线运输端特征信息中的子离线运输端特征信息对应上述子离线运输端特征信息序列中的子离线运输端特征信息。例如,可以利用业务字段解析文件对应的解析逻辑,对每个子离线运输端特征信息进行流式计算,以生成离线业务信息解析字段集。之后,可以利用Flink流处理框架,对生成的每个离线业务信息解析字段集进行批量计算,生成子离线运输端特征信息,得到子离线运输端特征信息序列。
第四步,根据上述离线运输端特征检测结果和所生成的各个子实时特征信息处理结果,生成运输端特征信息检测结果。
实践中,上述第四步,可以包括以下子步骤:
第一子步骤,将上述各个子实时特征信息处理结果合并为实时特征信息处理结果。
第二子步骤,确定上述离线运输端特征检测结果与上述实时特征信息处理结果是否一致。即,确定上述离线运输端特征检测结果与上述实时特征信息处理结果是否相同。
第三子步骤,响应于确定上述离线运输端特征检测结果与上述实时特征信息处理结果一致,生成表征无异常的运输端特征信息检测结果。
第五步,响应于确定上述运输端特征信息检测结果表征无异常,将所生成的子实时运输端特征信息合并为实时运输端特征信息,将上述候选离线运输端特征信息确定为离线运输端特征信息。
第六步,将上述实时运输端特征信息与上述离线运输端特征信息组合为运输端特征信息。
上述第一步-第六步中的相关内容作为本公开的一个发明点,解决了背景技术提及的技术问题二“存在检测偏差”。存在检测偏差的因素往往如下:运输端数据较多,且检测时间较长,难以检测出篡改的运输端数据。如果解决了上述因素,就能达到降低检测偏差的效果。为了达到这一效果,首先,对于预设时间段中的每个时间节点,根据上述运输端在上述时间节点产生的子实时运输端特征信息,生成子实时特征信息处理结果。其次,获取上述供应端在预设时间段内的子实时运输端特征信息序列,作为候选离线运输端特征信息。接着,根据上述候选离线运输端特征信息,生成离线运输端特征检测结果。再接着,根据上述离线运输端特征检测结果和所生成的各个子实时特征信息处理结果,生成运输端特征信息检测结果。由此,可以利用离线数据与实时数据的检测对比,确定运输端数据是否被篡改或异常。然后,响应于确定上述运输端特征信息检测结果表征无异常,将所生成的子实时运输端特征信息合并为实时运输端特征信息,将上述候选离线运输端特征信息确定为离线运输端特征信息。最后,将上述实时运输端特征信息与上述离线运输端特征信息组合为运输端特征信息。由此,可以利用无异常的运输端特征信息对供应端进行检测。从而,可以降低检测偏差。
步骤102,将上述运输端特征信息组输入至预先训练的运输端分类模型中,得到第一运输端分类信息组。
实践中,上述执行主体可以将上述运输端特征信息组输入至预先训练的运输端分类模型中,得到第一运输端分类信息组。其中,上述第一运输端分类信息组中的第一运输端分类信息对应上述运输端特征信息组中的运输端特征信息。上述运输端分类模型包括:实时特征分类网络、离线特征分类网络与融合特征分类网络。运输端分类模型可以是预先训练的用于识别并分类运输端特征信息的神经网络模型。例如,运输端分类模型可以是循环神经网络模型或卷积神经网络模型。实时特征分类网络可以是预先训练的用于识别并分类实时运输端特征信息的神经网络。例如,实时特征分类网络可以是多层卷积神经网络或循环神经网络。离线特征分类网络可以是预先训练的用于识别并分类离线运输端特征信息的神经网络。例如,离线特征分类网络可以是多层卷积神经网络或循环神经网络。融合特征分类网络可以是预先训练的用于识别并分类实时运输端特征信息与离线运输端特征信息的神经网络。例如,融合特征分类网络可以是多层卷积神经网络或循环神经网络。即,第一运输端分类信息可以是指运输端异常或不异常。这里的异常包括:信息缺失、乱码、数据异常。
实践中,对于上述运输端特征信息组中的每个运输端特征信息,上述执行主体可以执行如下处理步骤:
第一步,将上述运输端特征信息包括的实时运输端特征信息输入至上述实时特征分类网络中,得到第一实时运输端特征分类结果。第一实时运输端特征分类结果可以表示实时运输端特征信息异常或者不异常。这里的异常包括:信息缺失、乱码、数据异常。
第二步,将上述运输端特征信息包括的离线运输端特征信息输入至上述离线特征分类网络中,得到第一离线运输端特征分类结果。第一离线运输端特征分类结果可以表示离线运输端特征信息异常或者不异常。这里的异常包括:信息缺失、乱码、数据异常。
第三步,将上述运输端特征信息包括的实时运输端特征信息与离线运输端特征信息输入至上述融合特征分类网络中,得到第一融合特征分类结果。第一融合特征分类结果可以表示离线运输端特征信息与实时运输端特征信息是否一致(相同)。
第四步,将上述第一实时运输端特征分类结果、上述第一离线运输端特征分类结果与上述第一融合特征分类结果合并为第一运输端分类信息。合并是指拼接。
步骤103,根据上述运输端特征信息组,生成第二运输端分类信息组。
在一些实施例中,上述执行主体可以根据上述运输端特征信息组,生成第二运输端分类信息组。其中,上述运输端特征信息组中的运输端特征信息对应上述第二运输端分类信息组中的第二运输端分类信息。
实践中,对于上述运输端特征信息组中的每个运输端特征信息,上述执行主体可以执行如下处理步骤:
第一步,获取上述运输端特征信息包括的实时运输端特征信息对应的备选实时运输端特征信息。这里,备选实时运输端特征信息可以是指备份终端备份采集的与实时运输端特征信息处于同一时间段的实时运输端特征信息。
第二步,获取上述运输端特征信息包括的离线运输端特征信息对应的备选离线运输端特征信息。备选离线运输端特征信息可以是指备份终端备份采集的与离线运输端特征信息处于同一时间段的离线运输端特征信息。
第三步,将上述备选实时运输端特征信息输入至上述实时特征分类网络中,得到第二实时运输端特征分类结果。第二实时运输端特征分类结果可以表示实时运输端特征信息异常或者不异常。这里的异常包括:信息缺失、乱码、数据异常。
第四步,将上述备选离线运输端特征信息输入至上述离线特征分类网络中,得到第二离线运输端特征分类结果。第二离线运输端特征分类结果可以表示离线运输端特征信息异常或者不异常。这里的异常包括:信息缺失、乱码、数据异常。
第五步,将上述备选实时运输端特征信息与上述备选离线运输端特征信息输入至上述融合特征分类网络中,得到融合特征分类结果。融合特征分类结果可以表示第二离线运输端特征信息与第二实时运输端特征信息是否一致(相同)。
第六步,将上述第二实时运输端特征分类结果、上述第二离线运输端特征分类结果与上述融合特征分类结果合并为第二运输端分类信息。
步骤104,基于上述第一运输端分类信息组和上述第二运输端分类信息组,从上述运输端组中选择出目标运输端。
在一些实施例中,上述执行主体可以基于上述第一运输端分类信息组和上述第二运输端分类信息组,从上述运输端组中选择出目标运输端。首先,可以选择出第一运输端分类信息组中表征无异常的第一运输端分类信息作为第一备选运输端分类信息,得到第一备选运输端分类信息组。之后,将第一备选运输端分类信息组中每个第一备选运输端分类信息对应的第二运输端分类信息确定为第二备选运输端分类信息,得到第二备选运输端分类信息组。然后,将上述第二备选运输端分类信息组中表征无异常、且对应的单次运输最大数量最大的第二备选运输端分类信息确定为目标运输端分类信息。最后,可以将目标运输端分类信息对应的运输端确定为目标运输端。
步骤105,控制上述目标运输端的运输车辆对相关联的电力设备运输信息对应的电力设备进行配送。
在一些实施例中,上述执行主体可以控制上述目标运输端的运输车辆对相关联的电力设备运输信息对应的电力设备进行配送。这里,电力设备运输信息可以是指当前待运输的电力设备的信息,可以包括:目的地、当前位置、设备名称、设备数量、单个设备重量。实践中,上述执行主体可以通过有线连接或无线连接的方式控制上述目标运输端的运输车辆对电力设备运输信息对应的电力设备进行配送。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种电力设备配送装置的一些实施例,这些电力设备配送装置实施例与图1所示的那些方法实施例相对应,该电力设备配送装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的电力设备配送装置200包括:获取单元201、输入单元202、生成单元203、选择单元204和控制单元205。其中,获取单元201,被配置成获取运输端组中每个运输端的运输端特征信息,得到运输端特征信息组,其中,上述运输端特征信息组的运输端特征信息包括实时运输端特征信息与离线运输端特征信息;输入单元202,被配置成将上述运输端特征信息组输入至预先训练的运输端分类模型中,得到第一运输端分类信息组,其中,上述第一运输端分类信息组中的第一运输端分类信息对应上述运输端特征信息组中的运输端特征信息;生成单元203,被配置成根据上述运输端特征信息组,生成第二运输端分类信息组,其中,上述运输端特征信息组中的运输端特征信息对应上述第二运输端分类信息组中的第二运输端分类信息;选择单元204,被配置成基于上述第一运输端分类信息组和上述第二运输端分类信息组,从上述运输端组中选择出目标运输端;控制单元205,被配置成控制上述目标运输端的运输车辆对相关联的电力设备运输信息对应的电力设备进行配送。
可以理解的是,该电力设备配送装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于电力设备配送装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备(例如,计算设备)300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机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。而在本公开的一些实施例中,计算机可读信号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,其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、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。计算机可读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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取运输端组中每个运输端的运输端特征信息,得到运输端特征信息组,其中,上述运输端特征信息组的运输端特征信息包括实时运输端特征信息与离线运输端特征信息;将上述运输端特征信息组输入至预先训练的运输端分类模型中,得到第一运输端分类信息组,其中,上述第一运输端分类信息组中的第一运输端分类信息对应上述运输端特征信息组中的运输端特征信息;根据上述运输端特征信息组,生成第二运输端分类信息组,其中,上述运输端特征信息组中的运输端特征信息对应上述第二运输端分类信息组中的第二运输端分类信息;基于上述第一运输端分类信息组和上述第二运输端分类信息组,从上述运输端组中选择出目标运输端;控制上述目标运输端的运输车辆对相关联的电力设备运输信息对应的电力设备进行配送。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括:获取单元、输入单元、生成单元、选择单元和控制单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,选择单元还可以被描述为“基于上述第一运输端分类信息组和上述第二运输端分类信息组,从上述运输端组中选择出目标运输端的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些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,本公开的实施例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的实施例中公开的(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)
1.一种电力设备配送方法,包括:
获取运输端组中每个运输端的运输端特征信息,得到运输端特征信息组,其中,所述运输端特征信息组的运输端特征信息包括实时运输端特征信息与离线运输端特征信息;
将所述运输端特征信息组输入至预先训练的运输端分类模型中,得到第一运输端分类信息组,其中,所述第一运输端分类信息组中的第一运输端分类信息对应所述运输端特征信息组中的运输端特征信息,所述运输端分类模型包括:实时特征分类网络、离线特征分类网络与融合特征分类网络;
根据所述运输端特征信息组,生成第二运输端分类信息组,其中,所述运输端特征信息组中的运输端特征信息对应所述第二运输端分类信息组中的第二运输端分类信息;
基于所述第一运输端分类信息组和所述第二运输端分类信息组,从所述运输端组中选择出目标运输端;
控制所述目标运输端的运输车辆对相关联的电力设备运输信息对应的电力设备进行配送;
其中,所述根据所述运输端特征信息组,生成第二运输端分类信息组,包括:
对于所述运输端特征信息组中的每个运输端特征信息,执行如下处理步骤:
获取所述运输端特征信息包括的实时运输端特征信息对应的备份实时运输端特征信息;
获取所述运输端特征信息包括的离线运输端特征信息对应的备份离线运输端特征信息;
将所述备份实时运输端特征信息输入至所述实时特征分类网络中,得到第二实时运输端特征分类结果;
将所述备份离线运输端特征信息输入至所述离线特征分类网络中,得到第二离线运输端特征分类结果;
将所述备份实时运输端特征信息与所述备份离线运输端特征信息输入至所述融合特征分类网络中,得到融合特征分类结果;
将所述第二实时运输端特征分类结果、所述第二离线运输端特征分类结果与所述融合特征分类结果合并为第二运输端分类信息;
其中,基于所述第一运输端分类信息组和所述第二运输端分类信息组,从所述运输端组中选择出目标运输端,包括:
选择出第一运输端分类信息组中表征无异常的第一运输端分类信息作为第一备选运输端分类信息,得到第一备选运输端分类信息组;
将第一备选运输端分类信息组中每个第一备选运输端分类信息对应的第二运输端分类信息确定为第二备选运输端分类信息,得到第二备选运输端分类信息组;
将所述第二备选运输端分类信息组中表征无异常、且对应的单次运输最大数量最大的第二备选运输端分类信息确定为目标运输端分类信息;
将目标运输端分类信息对应的运输端确定为目标运输端。
2.根据权利要求1所述的方法,其中,所述获取运输端组中每个运输端的运输端特征信息,包括:
对于预设时间段中的每个时间节点,根据所述运输端在所述时间节点产生的子实时运输端特征信息,生成子实时特征信息处理结果;
获取所述运输端在预设时间段内的子实时运输端特征信息序列,作为候选离线运输端特征信息;
根据所述候选离线运输端特征信息,生成离线运输端特征检测结果;
根据所述离线运输端特征检测结果和所生成的各个子实时特征信息处理结果,生成运输端特征信息检测结果;
响应于确定所述运输端特征信息检测结果表征无异常,将所生成的子实时运输端特征信息合并为实时运输端特征信息,将所述候选离线运输端特征信息确定为离线运输端特征信息;
将所述实时运输端特征信息与所述离线运输端特征信息组合为运输端特征信息。
3.一种电力设备配送装置,包括:
获取单元,被配置成获取运输端组中每个运输端的运输端特征信息,得到运输端特征信息组,其中,所述运输端特征信息组的运输端特征信息包括实时运输端特征信息与离线运输端特征信息;
输入单元,被配置成将所述运输端特征信息组输入至预先训练的运输端分类模型中,得到第一运输端分类信息组,其中,所述第一运输端分类信息组中的第一运输端分类信息对应所述运输端特征信息组中的运输端特征信息,所述运输端分类模型包括:实时特征分类网络、离线特征分类网络与融合特征分类网络;
生成单元,被配置成根据所述运输端特征信息组,生成第二运输端分类信息组,其中,所述运输端特征信息组中的运输端特征信息对应所述第二运输端分类信息组中的第二运输端分类信息;生成单元,被进一步配置成:
对于所述运输端特征信息组中的每个运输端特征信息,执行如下处理步骤:
获取所述运输端特征信息包括的实时运输端特征信息对应的备份实时运输端特征信息;
获取所述运输端特征信息包括的离线运输端特征信息对应的备份离线运输端特征信息;
将所述备份实时运输端特征信息输入至所述实时特征分类网络中,得到第二实时运输端特征分类结果;
将所述备份离线运输端特征信息输入至所述离线特征分类网络中,得到第二离线运输端特征分类结果;
将所述备份实时运输端特征信息与所述备份离线运输端特征信息输入至所述融合特征分类网络中,得到融合特征分类结果;
将所述第二实时运输端特征分类结果、所述第二离线运输端特征分类结果与所述融合特征分类结果合并为第二运输端分类信息;
选择单元,被配置成基于所述第一运输端分类信息组和所述第二运输端分类信息组,从所述运输端组中选择出目标运输端;选择单元,被进一步配置成:
选择出第一运输端分类信息组中表征无异常的第一运输端分类信息作为第一备选运输端分类信息,得到第一备选运输端分类信息组;
将第一备选运输端分类信息组中每个第一备选运输端分类信息对应的第二运输端分类信息确定为第二备选运输端分类信息,得到第二备选运输端分类信息组;
将所述第二备选运输端分类信息组中表征无异常、且对应的单次运输最大数量最大的第二备选运输端分类信息确定为目标运输端分类信息;
将目标运输端分类信息对应的运输端确定为目标运输端;
控制单元,被配置成控制所述目标运输端的运输车辆对相关联的电力设备运输信息对应的电力设备进行配送。
4.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-2中任一所述的方法。
5.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-2中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310575736.0A CN116703263B (zh) | 2023-05-19 | 2023-05-19 | 电力设备配送方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310575736.0A CN116703263B (zh) | 2023-05-19 | 2023-05-19 | 电力设备配送方法、装置、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116703263A CN116703263A (zh) | 2023-09-05 |
CN116703263B true CN116703263B (zh) | 2024-01-16 |
Family
ID=87844294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310575736.0A Active CN116703263B (zh) | 2023-05-19 | 2023-05-19 | 电力设备配送方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116703263B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101802326B1 (ko) * | 2016-08-30 | 2017-11-28 | 주식회사 에스이지 | 복합센서에 의한 물류 모니터링 시스템 및 그 방법 |
WO2018155817A1 (ko) * | 2017-02-24 | 2018-08-30 | (주)위세아이텍 | 이상탐지시스템 내의 데이터에 대한 이상을 탐지하는 장치 및 그 방법 |
CN108470262A (zh) * | 2018-03-09 | 2018-08-31 | 汪小京 | 一种物流车辆管理系统和方法 |
CN113205300A (zh) * | 2021-07-05 | 2021-08-03 | 北京每日优鲜电子商务有限公司 | 配送车辆调度方法、装置、电子设备和计算机可读介质 |
CN115310893A (zh) * | 2022-06-30 | 2022-11-08 | 珠海格力电器股份有限公司 | 配送信息获取方法、装置及系统 |
-
2023
- 2023-05-19 CN CN202310575736.0A patent/CN116703263B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101802326B1 (ko) * | 2016-08-30 | 2017-11-28 | 주식회사 에스이지 | 복합센서에 의한 물류 모니터링 시스템 및 그 방법 |
WO2018155817A1 (ko) * | 2017-02-24 | 2018-08-30 | (주)위세아이텍 | 이상탐지시스템 내의 데이터에 대한 이상을 탐지하는 장치 및 그 방법 |
CN108470262A (zh) * | 2018-03-09 | 2018-08-31 | 汪小京 | 一种物流车辆管理系统和方法 |
CN113205300A (zh) * | 2021-07-05 | 2021-08-03 | 北京每日优鲜电子商务有限公司 | 配送车辆调度方法、装置、电子设备和计算机可读介质 |
CN115310893A (zh) * | 2022-06-30 | 2022-11-08 | 珠海格力电器股份有限公司 | 配送信息获取方法、装置及系统 |
Non-Patent Citations (2)
Title |
---|
基于Isolation Forest和Random Forest相结合的智能电网时间序列数据异常检测算法;杨永娇;肖建毅;赵创业;周开东;;计算机与现代化(第03期);第99-102页 * |
考虑突发公共事件的电力物流管理体系研究;孙扬等;《中国储运》(第9期);第119-120页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116703263A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110390493B (zh) | 任务管理方法、装置、存储介质及电子设备 | |
CN113988720B (zh) | 分流路径生成方法、装置、电子设备和计算机可读介质 | |
CN115640285B (zh) | 电力异常信息发送方法、装置、电子设备和介质 | |
CN115293657B (zh) | 碳排放指标信息生成方法、装置、电子设备和介质 | |
CN116433388B (zh) | 数据存储资源划分方法、装置、电子设备和计算机介质 | |
CN113793128A (zh) | 业务故障原因信息生成方法、装置、设备和计算机可读介质 | |
CN111628938B (zh) | 分支合并的方法、装置、电子设备及计算机存储介质 | |
CN116388112B (zh) | 异常供应端断电方法、装置、电子设备和计算机可读介质 | |
CN116703263B (zh) | 电力设备配送方法、装置、电子设备和计算机可读介质 | |
CN112507676B (zh) | 能源报表生成方法、装置、电子设备和计算机可读介质 | |
CN112115154A (zh) | 数据处理和数据查询方法、装置、设备和计算机可读介质 | |
CN116881097B (zh) | 用户终端告警方法、装置、电子设备和计算机可读介质 | |
CN117132245B (zh) | 线上物品获取业务流程重组方法、装置、设备和可读介质 | |
CN116702168B (zh) | 供应端信息检测方法、装置、电子设备和计算机可读介质 | |
CN116703262B (zh) | 配送资源调整方法、装置、电子设备和计算机可读介质 | |
CN117235535B (zh) | 异常供应端断电方法、装置、电子设备和介质 | |
CN116800834B (zh) | 虚拟礼物合并方法、装置、电子设备和计算机可读介质 | |
CN115774986B (zh) | 公路质量评定表生成方法、电子设备和计算机可读介质 | |
CN116187716B (zh) | 农业设备调度方法、装置、电子设备和计算机可读介质 | |
CN116467178B (zh) | 数据库检测方法、装置、电子设备和计算机可读介质 | |
CN112036821B (zh) | 基于网格图规划专线的量化方法、装置、介质和电子设备 | |
CN111581305B (zh) | 特征处理方法、装置、电子设备和介质 | |
CN113986959A (zh) | 物流信息采集方法、装置、电子设备和计算机可读介质 | |
CN116720202A (zh) | 业务信息检测方法、装置、电子设备和计算机可读介质 | |
CN116775568A (zh) | 基于业务域的数据服务发布方法、装置、设备和介质 |
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 |