CN116720670A - 货物调度规划方法、装置、电子设备及可读存储介质 - Google Patents

货物调度规划方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN116720670A
CN116720670A CN202210190177.7A CN202210190177A CN116720670A CN 116720670 A CN116720670 A CN 116720670A CN 202210190177 A CN202210190177 A CN 202210190177A CN 116720670 A CN116720670 A CN 116720670A
Authority
CN
China
Prior art keywords
target
cargo
hub
center
strategy
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
Application number
CN202210190177.7A
Other languages
English (en)
Inventor
张颖芳
刘子恒
林梦婷
王振蒙
戴伟斌
侯璇
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.)
SF Technology Co Ltd
Original Assignee
SF 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 SF Technology Co Ltd filed Critical SF Technology Co Ltd
Priority to CN202210190177.7A priority Critical patent/CN116720670A/zh
Publication of CN116720670A publication Critical patent/CN116720670A/zh
Pending legal-status Critical Current

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
    • G06Q10/06—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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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"
    • 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
    • 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
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

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

Abstract

本申请公开了一种货物调度规划方法、装置、电子设备及可读存储介质，本申请提供的货物调度规划方法在获取目标货物调度策略时，与传统的方法不同，不是直接预测目标集散中心的目标调度货物数量，而是从高维度的目标业务区出发，首先预测目标业务区的预测货物数量，然后将预测货物数量拆分，得到目标集散中心的目标调度货物数量。相比对目标集散中心的目标调度货物数量直接进行预测，对目标业务区的货物数量进行预测时的样本数量更多，因此拆分后得到的目标调度货物数量更加准确，避免了目标集散中心的样本稀疏，目标调度货物数量预测不准确，进而导致目标货物调度策略与实际情况相差较远的问题。

Description

货物调度规划方法、装置、电子设备及可读存储介质
技术领域
本申请涉及物流技术领域，具体涉及一种货物调度规划方法、装置、电子设备及可读存储介质。
背景技术
在物流的高峰时期，为提前优化配置中转场的人力物力等资源，快递企业需要提前对各中转场的件量(收件量和派件量)进行调度规划，所以中转场件量的预测效果对资源配置起着重要作用。
通常，目前采用的方法采用中转场的各类数据进行预测，以实现货物调度的规划。
然而，目前在高峰期间中转场维度的件量预测存在预测不准确的问题，导致货物调度的规划不贴合实际需求。
发明内容
本申请提供一种货物调度规划方法、装置、电子设备及可读存储介质，旨在解决目前的货物调度的规划不贴合实际需求的问题。
第一方面，本申请提供一种货物调度规划方法，包括：
获取目标业务区内待调度的预测货物数量；
根据所述预测货物数量，确定所述目标业务区内目标集散中心的目标调度货物数量；
根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的目标货物调度策略。
在本申请一种可能的实现方式中，所述根据所述预测货物数量，确定所述目标业务区内目标集散中心的目标调度货物数量，包括：
获取所述目标业务区的历史订单信息；
根据各所述历史订单信息中的集散地点信息，统计所述目标集散中心对应的货物数量占比；
根据所述货物数量占比和所述预测货物数量，确定所述目标集散中心的目标调度货物数量。
在本申请一种可能的实现方式中，所述根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的目标货物调度策略，包括：
根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的模拟货物调度策略；
对所述模拟货物调度策略进行调整，得到所述目标集散中心的目标货物调度策略。
在本申请一种可能的实现方式中，所述对所述模拟货物调度策略进行调整，得到所述目标集散中心的目标货物调度策略，包括：
若所述目标调度货物数量大于或者等于预设的货物处理阈值，则获取所述目标调度货物数量和所述货物处理阈值之间的货物量差值；
提取所述模拟货物调度策略中所述目标集散中心与所述各待调度集散中心之间的货物运输数量；
根据所述货物量差值和所述运输货物占比，对各所述货物运输数量进行调整，得到所述目标集散中心的目标货物调度策略。
在本申请一种可能的实现方式中，所述根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的目标货物调度策略，包括：
根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的初始货物调度策略；
提取所述目标业务区的各历史订单信息中，所述目标集散中心对应的高峰订单信息；
根据各所述高峰订单信息，对所述初始货物调度策略进行细分，得到所述目标集散中心的目标货物调度策略。
在本申请一种可能的实现方式中，所述根据各所述高峰订单信息，对所述初始货物调度策略进行细分，得到所述目标集散中心的目标货物调度策略，包括：
提取各所述高峰订单信息对应的运输类型和运输时间；
分别统计各所述运输类型和各所述运输时间，确定货物运输类型占比和货物运输时间占比；
根据所述运输类型占比和所述运输时间占比，对所述初始货物调度策略进行细分，得到所述目标集散中心的目标货物调度策略。
在本申请一种可能的实现方式中，所述根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的目标货物调度策略之后，所述方法还包括：
提取所述目标货物调度策略中所述各待调度集散中心对应的货物运输数量；
根据所述预测货物数量的目标预测时间和各所述货物运输数量对应的运输时间，确定到件时间；
将各所述货物运输数量和各所述到件时间分别显示在各所述待调度集散中心对应的预设终端上。
第二方面，本申请提供一种货物调度规划装置，包括：
获取模块，用于获取目标业务区内待调度的预测货物数量；
数量确定模块，用于根据所述预测货物数量，确定所述目标业务区内目标集散中心的目标调度货物数量；
策略确定模块，用于根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的目标货物调度策略。
在本申请一种可能的实现方式中，数量确定模块还用于：
获取所述目标业务区的历史订单信息；
根据各所述历史订单信息中的集散地点信息，统计所述目标集散中心对应的货物数量占比；
根据所述货物数量占比和所述预测货物数量，确定所述目标集散中心的目标调度货物数量。
在本申请一种可能的实现方式中，策略确定模块还用于：
根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的模拟货物调度策略；
对所述模拟货物调度策略进行调整，得到所述目标集散中心的目标货物调度策略。
在本申请一种可能的实现方式中，策略确定模块还用于：
若所述目标调度货物数量大于或者等于预设的货物处理阈值，则获取所述目标调度货物数量和所述货物处理阈值之间的货物量差值；
提取所述模拟货物调度策略中所述目标集散中心与所述各待调度集散中心之间的货物运输数量；
根据所述货物量差值和所述运输货物占比，对各所述货物运输数量进行调整，得到所述目标集散中心的目标货物调度策略。
在本申请一种可能的实现方式中，策略确定模块还用于：
根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的初始货物调度策略；
提取所述目标业务区的各历史订单信息中，所述目标集散中心对应的高峰订单信息；
根据各所述高峰订单信息，对所述初始货物调度策略进行细分，得到所述目标集散中心的目标货物调度策略。
在本申请一种可能的实现方式中，策略确定模块还用于：
提取各所述高峰订单信息对应的运输类型和运输时间；
分别统计各所述运输类型和各所述运输时间，确定货物运输类型占比和货物运输时间占比；
根据所述运输类型占比和所述运输时间占比，对所述初始货物调度策略进行细分，得到所述目标集散中心的目标货物调度策略。
在本申请一种可能的实现方式中，货物调度规划装置还包括显示模块，显示模块用于：
提取所述目标货物调度策略中所述各待调度集散中心对应的货物运输数量；
根据所述预测货物数量的目标预测时间和各所述货物运输数量对应的运输时间，确定到件时间；
将各所述货物运输数量和各所述到件时间分别显示在各所述待调度集散中心对应的预设终端上。
第三方面，本申请还提供一种电子设备，电子设备包括处理器、存储器以及存储于存储器中并可在处理器上运行的计算机程序，处理器调用存储器中的计算机程序时执行本申请提供的任一种货物调度规划方法中的步骤。
第四方面，本申请还提供一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现本申请提供的任一种货物调度规划方法中的步骤。
综上所述，本申请实施例提供的货物调度规划方法，包括：获取目标业务区内待调度的预测货物数量；根据所述预测货物数量，确定所述目标业务区内目标集散中心的目标调度货物数量；根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的目标货物调度策略。可见，本申请实施例提供的货物调度规划方法在获取目标货物调度策略时，与传统的方法不同，不是直接预测目标集散中心的目标调度货物数量，而是从高维度的目标业务区出发，首先预测目标业务区的预测货物数量，然后将预测货物数量拆分，得到目标集散中心的目标调度货物数量。相比对目标集散中心的目标调度货物数量直接进行预测，对目标业务区的货物数量进行预测时的样本数量更多，因此拆分后得到的目标调度货物数量更加准确，避免了目标集散中心的样本稀疏，目标调度货物数量预测不准确，进而导致目标货物调度策略与实际情况相差较远的问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域技术人员来讲，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是本申请实施例提供的货物调度规划方法的应用场景示意图；
图2是本申请实施例中提供的货物调度规划方法的一种流程示意图；
图3是本申请实施例中提供的对模拟货物调度策略进行调整的一种流程示意图；
图4是本申请实施例中提供的根据高峰订单信息得到模拟货物调度策略的一种流程示意图；
图5是本申请实施例中提供的对到件时间进行显示的一种流程示意图；
图6是本申请实施例中提供的对到件时间进行显示的一种示意图；
图7是本申请实施例中提供的货物调度规划装置的一个实施例结构示意图；
图8是本申请实施例中提供的电子设备的一个实施例结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本申请实施例的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
为了使本领域任何技术人员能够实现和使用本申请，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本申请。在其它实例中，不会对公知的过程进行详细阐述，以避免不必要的细节使本申请实施例的描述变得晦涩。因此，本申请并非旨在限于所示的实施例，而是与符合本申请实施例所公开的原理和特征的最广范围相一致。
本申请实施例提供一种货物调度规划方法、装置、电子设备和可读存储介质。其中，该货物调度规划装置可以集成在电子设备中，该电子设备可以是服务器，也可以是终端等设备。
本申请实施例货物调度规划方法的执行主体可以为本申请实施例提供的货物调度规划装置，或者集成了该货物调度规划装置的服务器设备、物理主机或者用户设备(UserEquipment，UE)等不同类型的电子设备，其中，货物调度规划装置可以采用硬件或者软件的方式实现，UE具体可以为智能手机、平板电脑、笔记本电脑、掌上电脑、台式电脑或者个人数字助理(Personal Digital Assistant，PDA)等终端设备。
该电子设备可以采用单独运行的工作方式，或者也可以采用设备集群的工作方式。
参见图1，图1是本申请实施例所提供的货物调度规划系统的场景示意图。其中，该货物调度规划系统可以包括电子设备100，电子设备100中集成有货物调度规划装置。
另外，如图1所示，该货物调度规划系统还可以包括存储器200，用于存储数据，如存储文本数据。
需要说明的是，图1所示的货物调度规划系统的场景示意图仅仅是一个示例，本申请实施例描述的货物调度规划系统以及场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着货物调度规划系统的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。
下面，开始介绍本申请实施例提供的货物调度规划方法，本申请实施例中以电子设备作为执行主体，为了简化与便于描述，后续方法实施例中将省略该执行主体，该货物调度规划方法包括：获取目标业务区的预测货物数量；根据所述预测货物数量，确定所述目标业务区内目标集散中心的目标调度货物数量；根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的模拟货物调度策略；对所述模拟货物调度策略进行调整，得到所述目标集散中心的目标货物调度策略。
参照图2，图2是本申请实施例提供的货物调度规划方法的一种流程示意图。需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。该货物调度规划方法具体可以包括以下步骤201-步骤204，其中：
201、获取目标业务区内待调度的预测货物数量。
业务区是指预先划分好的业务大区。在本申请实施例中，对业务区的划分方法不进行限制。例如，可以根据省份的不同将全国分为34个业务区，或者，也可以根据地域将全国划分为东北、东南、西北、西南、华东、华北、华南、华西共8个业务区。
其中，目标业务区是待进行货物调度规划的目标集散中心所处的业务区。集散中心是指对货物进行集散的物流网点，用于将从其他物流网点汇集来的货物进行集中、交换和转运，实现货物在全网中从分散到集中再到分散的流动。实际运作中是将与集散中心相连的其他物流网点的货物在某一时段统一集中到该集散中心，然后与各货物对应的目的地进行货物交换。示例性地，集散中心可以是中转场、分拨场等等。
预测货物数量是指目标业务区中的所有集散中心在目标预测时间需要调度的货物数量和，在本申请实施例中，调度是指设定集散中心之间的货物运输数量，调度包括派件和收件中的至少一种。示例性地，预测货物数量中可以包括目标业务区中的所有集散中心在目标预测时间需要调度的派件货物和，以及目标业务区中的所有集散中心在目标预测时间需要调度的收件货物和中的至少一者。以下举一例进行示例性说明：例如根据省份的不同将全国分为34个业务区，并且目标业务区是“广东省”时，如果广东省内所有的集散中心在目标预测时间一共需要派件10000件，并且一共需要收件20000件，则预测货物数量可以是指派件货物和10000，也可以是指收件货物和20000，还可以同时指派件货物和10000，以及收件货物和20000。预测货物数量中具体包含的信息根据本申请实施例的实际应用场景确定，当本申请实施例应用于对集散中心的派件情况进行规划时，预测货物数量可以仅包括目标业务区中的所有集散中心在目标预测时间需要调度的派件货物和，当本申请实施例应用于对集散中心的收件情况进行规划时，预测货物数量可以仅包括目标业务区中的所有集散中心在目标预测时间需要调度的收件货物和，在下文中将不再说明。
在一些实施例中，可以通过深度学习等方法得到预测货物数量。例如，可以通过以下方法实现：
(1)获取目标业务区的历史订单信息。
历史订单信息是指目标业务区内集散中心派发的历史订单的信息。示例性地，可以从存储有历史订单的数据库中读取得到历史订单信息，例如，可以从购物APP的后台管理数据库中读取历史订单信息，或者，也可以从集散中心管理平台的后台数据库中读取历史订单信息。获取历史订单信息时，历史订单信息对应的订单生成时间可以有多种情况。例如，可以读取目标预测时间与n年前的历史同期之间的所有历史订单，以得到历史订单信息，比如n为1，目标预测时间为2021年12月20日时，可以获取2020年12月20日-2021年12月20日之间的历史订单，以得到历史订单信息。或者，也可以读取目标预测时间的多个历史同期的历史订单，以得到历史订单信息，比如目标预测时间为2021年12月20日时，可以获取2020年12月20日的多个历史订单和2019年12月20日的多个历史订单，以得到历史订单信息。在下文中，若未作出特别说明，则将历史订单信息认为是目标预测时间的多个历史同期订单的信息，但不能理解为对本申请实施例的限制。
(2)将各历史订单信息输入初始的业务变化预测模型，根据各历史订单信息中的各订单生成时间，对初始的业务变化预测模型进行训练，得到预设的业务变化预测模型。
业务变化预测模型是用于预测订单数量的模型，其中，业务变化预测模型可以是逻辑回归(Logistic Regression，LR)模型、循环神经网络(Recurrent Neural Network,RNN)等等。业务变化预测模型可以根据各订单生成时间，得到不同时间的订单数量情况，并在时间和订单数量之间建立对应的关系。
(3)将目标预测时间输入预设的业务变化预测模型中，得到目标业务区内待调度的预测货物数量。
目标预测时间是指预测货物数量对应的时间。在一些实施例中，目标预测时间可以是当前时间，例如在2021年12月20日对目标集散中心进行货物调度规划时，目标预测时间可以是2021年12月20日。在另一些实施例中，也可以将未来时间作为目标预测时间，以对目标集散中心未来的货物调动情况进行规划。示例性地，可以将未来的物流高峰时间作为目标预测时间。例如，可以将未来的双十一、双十二、元旦节等日期作为目标预测时间，以对目标集散中心在这些物流高峰时间的货物调度情况进行规划，避免物流高峰时目标集散中心出现作业能力不满足需求的情况出现。
需要说明的是，上述获取预测货物数量的方法仅为说明，不能理解为对本申请实施例的限制，例如，在本申请实施例中也可以不通过模型，仅仅读取目标业务区在目标预测时间历史同期的历史订单数量，以得到预测货物数量。
202、根据所述预测货物数量，确定所述目标业务区内目标集散中心的目标调度货物数量。
目标调度货物数量是指目标集散中心在目标预测时间需要调度的货物数量。示例性地，目标调度货物数量可以包括目标集散中心在目标预测时间需要调度的派件数量，以及目标集散中心在目标预测时间需要调度的收件数量中的至少一者。以下举一例进行示例性说明：例如目标集散中心是指目标业务区“广东省”内的A集散中心时，如果A集散中心在目标预测时间一共需要派件1000件，一共需要收件2000件，则目标调度货物数量可以是指派件数量1000件和收件数量2000件中的至少一者。目标调度货物数量中具体包含的信息种类与预测货物数量中具体包含的信息种类相同，即当本申请实施例应用于对集散中心的派件情况进行规划时，预测货物数量可以仅包括目标业务区中的所有集散中心在目标预测时间需要调度的派件数量，目标调度货物数量仅包括目标集散中心在目标预测时间需要调度的派件数量。当本申请实施例应用于对集散中心的收件情况进行规划时，预测货物数量可以仅包括目标业务区中的所有集散中心在目标预测时间需要调度的收件数量，目标调度货物数量仅包括目标集散中心在目标预测时间需要调度的收件数量。
在一些实施例中，同样可以通过历史订单信息确定目标调度货物数量。此时，步骤“根据所述预测货物数量，确定所述目标业务区内目标集散中心的目标调度货物数量”可以通过以下步骤实现：
(1)获取所述目标业务区的历史订单信息。
历史订单信息的说明可以参考上文，具体在此不进行赘述。
(2)根据各所述历史订单信息中的集散地点信息，统计所述目标集散中心对应的货物数量占比。
在一些实施例中，集散地点信息中可以包括作为货物始发地的集散中心的地点信息，也可以包括作为货物目的地的集散中心的地点信息。集散地点信息具体包含的信息种类可以根据本申请实施例的实际应用场景确定。例如，当本申请实施例应用于对集散中心的派件情况进行规划时，集散地点信息中可以包括作为货物始发地的集散中心的地点信息，进而可以统计从目标集散中心发出的货物量，以确定目标集散中心的派件数量。或者，当本申请实施例应用于对集散中心的收件情况进行规划时，集散地点信息中可以包括作为货物目的地的集散中心的地点信息，进而可以统计目标集散中心收到的货物量，以确定目标集散中心的收件数量。
货物数量占比是指目标调度货物数量与预测货物数量之间的比值。当本申请实施例应用于对集散中心的派件情况进行规划时，可以将历史订单中，货物始发地是目标集散中心的参考订单的数量与所有历史订单的数量的比值作为货物数量占比，参考订单是指对应集散地点信息中包括目标集散中心的地点信息的历史订单。例如当本申请实施例应用于对集散中心的收件情况进行规划时，参考订单是指历史订单中货物目的地为目标集散中心的订单，计算参考订单的数量与所有历史订单的数量的比值即可得到货物数量占比。又例如当本申请实施例应用于对集散中心的派件情况进行规划时，参考订单是指历史订单中货物始发地为目标集散中心的订单，计算参考订单的数量与所有历史订单的数量的比值即可得到货物数量占比。
在本申请实施例中，如果历史订单信息是指目标预测时间多个历史同期的历史订单的信息，则可以直接根据历史订单信息中的集散地点信息，确定目标业务区内目标集散中心对应的货物数量占比。如果历史订单信息是指目标预测时间与n年前历史同期之间的所有历史订单的信息时，为了保证货物数量占比的精确性，可以从历史订单信息中提取订单生成时间与目标预测时间同期的第一历史订单信息，然后根据第一历史订单信息中的集散地点信息，确定目标业务区内目标集散中心对应的货物数量占比。
(3)根据所述货物数量占比和所述预测货物数量，确定所述目标集散中心的目标调度货物数量。
将货物数量占比和预测货物数量相乘，即可得到目标集散中心的目标调度货物数量。
以下具体举一个实例说明得到目标调度货物数量的流程：
首先从购物APP的后台管理数据库、集散中心管理平台的后台数据库等数据库中读取得到目标预测时间(假设为2021年12月20日)的1年前同期、2年前同期和3前期同期，即2020年12月20日、2019年12月20日、2018年12月20日，共3天中目标业务区的多个历史订单信息。
如果本申请实施例应用于对集散中心的派件情况进行规划，则获取各历史订单信息中作为货物始发地的集散中心的信息，并统计各历史订单中目标集散中心作为货物始发地的参考订单数量，以及历史订单的总数。
计算参考订单数量和历史订单的总数之间的比值，得到货物数量占比。
根据货物数量占比和预测货物数量，计算得到目标调度货物数量。
在一些实施例中，集散地点信息还可以包括对应集散中心所处城市的信息，例如对于货物始发集散中心为目标集散中心的订单，该订单的信息中还包括目标集散中心所处城市的信息，因此可以理解的，集散地点信息中还包括货物始发城市信息和货物目的城市信息中的至少一者。
当本申请实施例应用于对集散中心的派件情况进行规划时，可以根据历史订单信息中的货物始发城市信息，确定货物数量占比，然后计算得到目标调度货物数量。例如，可以获取历史订单中，目标集散中心所处的目标城市作为货物始发城市的参考订单数量，然后根据参考订单数量和历史订单的数量计算得到货物数量占比。当本申请实施例应用于对集散中心的收件情况进行规划时，可以根据历史订单信息中的货物目的城市信息，确定货物数量占比，然后计算得到目标调度货物数量。
进一步地，在一些实施例中工作人员仅需要对数个特定城市之间的货物调度情况进行规划。例如在双十一、双十二、元旦等网购订单数量较多，物流调度压力较大时，可以仅对义乌、乌镇等电商聚集较密集的城市，与上海、深圳等购买力较大的城市之间的货物协调情况进行规划。此时，集散地点信息可以包括集散中心所处城市的信息，参考订单是指集散地点信息中包括目标集散中心所处城市信息的历史订单，步骤“根据所述预测货物数量，确定所述目标业务区内目标集散中心的目标调度货物数量”可以通过以下的方式实现：
首先获取各历史订单信息中的货物始发城市信息，并统计各历史订单中目标集散中心所处的目标城市作为货物始发城市的待筛选订单的待筛选订单数量，在本申请实施例中，目标城市可以是指义乌、乌镇等电商聚集较密集的城市。
然后，从待筛选订单中筛选出货物目的地为上海、深圳等购买力较大的城市的参考订单，此时，货物数量占比可以通过式子(1)表示：
式子(1)
其中，P为货物数量占比，N为历史订单的总数，n为待筛选订单数量，m为参考订单的参考订单数量。
进一步地，基于式子(1)，目标调度货物数量可以通过式子(2)表示：
式子(2)
其中，X为目标调度货物数量，Y为预测货物数量，P为货物数量占比，N为历史订单的总数，n为待筛选订单数量，m为参考订单的参考订单数量。
203、根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的目标货物调度策略。
运输货物占比是指目标集散中心与各待调度集散中心之间运输的货物数量占目标集散中心调度的货物总量的比例，即目标集散中心与各待调度集散中心之间运输的货物数量占目标调度货物数量的比例，运输可以是指目标集散中心派件时的运输，也可以是指目标集散中心收件时的运输。例如当仅考虑目标集散中心的派件时，如果目标集散中心的目标调度货物数量为1000件，目标集散中心与A集散中心之间运输的货物数量为200件，则目标集散中心与A集散中心之间的运输货物占比为20％。
在本申请实施例中，待调度集散中心是指除目标集散中心之外的集散中心，待调度集散中心既可以在目标业务区，也可以在其他业务区内。
货物调度策略包含了目标集散中心与所述各待调度集散中心之间运输的货物数量，参考表1，表1中示出了一种仅考虑目标集散中心的派件时的货物调度策略：
表1
其中，表1中的派件数量是指从目标集散中心派向各待调度集散中心的货物数量，即200是指从目标集散中心A派向B的货物数量，500是指从目标集散中心A派向C的货物数量。
参考表2，表2中示出了一种仅考虑目标集散中心的收件时的货物调度策略：
表2
其中，表2中的收件数量是指从各待调度集散中心派向目标集散中心的货物数量，即目标集散中心从各待调度集散中心收到的货物数量，其中200是指从B派向目标集散中心A的货物数量，500是指从C派向目标集散中心A的货物数量。
可见，确定目标货物调度策略的过程相当于确定目标集散中心与各待调度集散中心之间运输的货物数量的过程。
获取运输货物占比的方法与获取货物数量占比的方法类似，也可以根据目标业务区的历史订单信息得到运输货物占比。示例性地，当仅考虑目标集散中心的派件时，可以通过以下方法得到运输货物占比：
(1)首先获取目标业务区的历史订单信息。
(2)根据历史订单信息中的集散地点信息，确定历史订单中的参考订单，参考订单的说明可以参考上文。例如，可以查询所有的历史订单，选出货物始发地为目标集散中心的参考订单。
(3)将各参考订单的目的地与各待调度集散中心匹配，确定各待调度集散中心对应的订单数量，并根据各待调度集散中心对应的订单数量和参考订单之间的比值，得到目标集散中心与各待调度集散中心之间的运输货物占比。
在另一些实施例中，为了提高待调度集散中心的覆盖率，可以根据目标预测时间的相邻时间段内的订单信息确定运输货物占比，此时，步骤“根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的模拟货物调度策略之前”，可以通过以下方式得到运输货物占比：
(1)根据目标业务区的预测货物数量所对应的目标预测时间，提取目标业务区的所有订单信息中，目标预测时间的相邻时间段内的订单信息。
相邻时间段的定义可以随实际场景需求调整，例如，可以提取目标预测时间之前3个月的订单信息，作为相邻时间段内的订单信息，或者，也可以提取目标预测时间之前1个月的订单信息，作为相邻时间段内的订单信息。当本申请实施例应用于对高峰时期目标集散中心的货物调度进行规划时，由于高峰时期通常与平峰时期相邻，因此相邻时间段内的订单信息也可以理解为相邻时间段内的平峰订单信息。
(2)根据各相邻时间段内的订单信息，确定目标集散中心与各待调度集散中心之间的运输货物占比。
示例性地，可以从相邻时间段内的订单信息中，确定对应集散地点信息中包含目标集散中心的信息的参考订单。例如仅考虑目标集散中心的派件时，可以查询所有的相邻时间段内的订单，选出货物始发地为目标集散中心的参考订单。然后将各参考订单的目的地与各待调度集散中心匹配，得到各待调度集散中心对应的订单数量，并根据各待调度集散中心对应的订单数量和参考订单之间的比值，得到目标集散中心与各待调度集散中心之间的运输货物占比。
通过相邻时间段内的订单信息确定运输货物占比的原因如下：如果获取参考订单时采用的历史订单的订单时间与目标预测时间相距过远，则根据参考订单的订单信息所得到的运输货物占比可能与当前目标集散中心与各待调度集散中心之间的运输货物占比相差过大，例如采用的历史订单时目标预测时间1年前同期的订单时，参考订单的订单时间同样是目标预测时间1年前同期的订单，而所述各待调度集散中心中的部分集散中心可能在1年间经历了新增、更改、删除等事项，因此如果以一年前的信息估算当前的运输货物占比，将无法将新增、更改、删除等事项考虑在其中，而通过相邻时间段内的订单信息确定的运输货物占比不会存在此问题。
综上所述，本申请实施例提供的货物调度规划方法，包括：获取目标业务区内待调度的预测货物数量；根据所述预测货物数量，确定所述目标业务区内目标集散中心的目标调度货物数量；根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的目标货物调度策略。可见，本申请实施例提供的货物调度规划方法在获取目标货物调度策略时，与传统的方法不同，不是直接预测目标集散中心的目标调度货物数量，而是从高维度的目标业务区出发，首先预测目标业务区的预测货物数量，然后将预测货物数量拆分，得到目标集散中心的目标调度货物数量。相比对目标集散中心的目标调度货物数量直接进行预测，对目标业务区的货物数量进行预测时的样本数量更多，因此拆分后得到的目标调度货物数量更加准确，避免了目标集散中心的样本稀疏，目标调度货物数量预测不准确，进而导致目标货物调度策略与实际情况相差较远的问题。
在一些实施例中，可以对根据运输货物占比和目标调度货物数量得到的货物调度策略进行调整，以得到优化后的目标货物调度测量。参考图3，此时，步骤“根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的目标货物调度策略”，包括：
301、根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的模拟货物调度策略。
模拟货物调度策略是指根据运输货物占比和目标调度货物数量得到的货物调度策略，由于在根据运输货物占比和目标调度货物数量确定货物调度策略时，仅仅基于历史订单信息，相当于得到的货物调度策略是根据历史数据预测得到的理想策略，因此模拟货物调度策略与实际的工作情况可能不符。例如本申请实施例应用于对集散中心的派件情况进行规划，即目标调度货物数量是指派件数量时，目标调度货物数量可能会超出目标集散中心的作业能力极限。比如对于目标集散中心，受限于持有的人工资源、车辆资源等等，其在一定时间内所能派件的数量有限，如果目标调度货物数量超出了目标集散中心的作业能力极限，则说明对应的模拟货物调度策略不符合实际，无法实现。
302、对所述模拟货物调度策略进行调整，得到所述目标集散中心的目标货物调度策略。
目标货物调度策略是指对模拟货物调度策略进行调整后，得到的货物调度策略。可以理解为目标货物调度策略是符合目标集散中心的作业能力，可以实现的货物调度策略。
在一些实施例中，可以根据目标集散中心的作业能力极限和目标调度货物数量，对模拟货物调度测量进行调整。此时步骤“对所述模拟货物调度策略进行调整，得到所述目标集散中心的目标货物调度策略”可以由以下方法实现：
(1)若所述目标调度货物数量大于或者等于预设的货物处理阈值，则获取所述目标调度货物数量和所述货物处理阈值之间的货物量差值。
货物处理阈值是指目标集散中心所能处理的最大货物数量，即目标集散中心的作业能力极限。货物处理阈值既可以指目标集散中心所能接收的最大货物数量，也可以指目标集散中心所能派发的最大货物数量，还可以同时指目标集散中心所能接收的最大货物数量，以及目标集散中心所能派发的最大货物数量。
在一些实施例中，货物处理阈值可以根据目标集散中心持有的人力资源和/或车辆资源情况确定。例如，如果在目标集散中心工作的工作人员共有100人，能够进行派件的车辆共有100辆，则可以根据在目标集散中心工作的工作人员数量确定目标集散中心所能接收的最大货物数量，和/或，可以根据目标集散中心能够进行派件的车辆数量确定目标集散中心所能派发的最大货物数量。
目标调度货物数量和货物处理阈值之间的货物量差值可表征在目标预测时间，目标集散中心中需要调度的货物数量与其能够处理的最大货物数量之间的差异，如果货物量差值大于0，则说明目标集散中心中，需要调度的货物数量大于其能够处理的最大货物数量，需要对模拟货物调度策略进行调整。
(2)提取所述模拟货物调度策略中所述目标集散中心与所述各待调度集散中心之间的货物运输数量。
货物运输数量是指目标集散中心与其他集散中心之间运输的货物数量。货物运输数量既可以指目标集散中心从其他集散中心接收到的货物数量，也可以是指目标集散中心派发至其他集散中心的货物数量。以下以表1和表2的情况进行说明，参考表1和表2，表1和表2中的“派件数量”与“收件数量”即为货物运输数量。例如在表1中，目标集散中心A与B之间的货物运输数量为200，又例如在表2中，目标集散中心A与C之间的货物运输数量为500。
(3)根据所述货物量差值和所述运输货物占比，对各所述货物运输数量进行调整，得到所述目标集散中心的目标货物调度策略。
以下以表1的情况为例，具体说明一种调整方法，在表1的基础上构造用于说明调整方法的表3：
表3
其中，表3中的货物处理阈值是指目标集散中心A的货物处理阈值，货物量差值是指目标调度货物数量与目标集散中心的货物处理阈值之间的差值，货物调整数量是指B、C、D中对应集散中心的派件数量，即B、C、D中对应集散中心的货物运输数量的调整数量，对于表3中的B，其对应的货物调整数量为80，说明目标集散中心向B的派件量减少80，对于表3中的C，其对应的货物调整数量为200，说明目标集散中心向C的派件量减少200。
根据表3，可以得到用于说明目标货物调度策略的表4：
表4
目标集散中心A向B、C、D派件的减少量可以分配至A、B、C、D之外其他的集散中心，例如可以通过与目标集散中心A距离相近的集散中心E，将减少量分配至B、C、D，参考表5，表5中为分配后的派件情况：
表5
在一些实施例中，可以重新指定货物调整数量的流向。例如对于表5中的情况，如果B在目标预测时间点无法再处理更多的货物，则E-B之间的80件派件量可以重新指定派向C，而E-C之间的200件和E-D之间的120件不变，即分配后的派件情况为表6中的情况：
表6
可见，通过重新指定货物调整数量的流向，可以根据各待调度集散中心在目标预测时间点的货物处理能力对货物调整数量的流向进行重新分配，避免出现爆仓的情况。
在一些实施例中，本方法可以用于对高峰时期的货物调度进行规划，在高峰时期除了目标集散中心与各待调度集散中心之间的货物运输数量之外，各货物的运输方式、运输时间等等信息的规划也至关重要，因此可以对根据运输货物占比和目标调度货物数量得到的货物调度策略进行细分，得到细分后的目标货物调度策略，这样得到的目标货物调度策略中包含更多的信息。参考图4，此时，步骤“根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的目标货物调度策略”，包括：
401、根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的初始货物调度策略。
初始货物调度策略是指根据运输货物占比和目标调度货物数量得到的货物调度策略，其中包含的信息可以参考表1或表2，仅包含了收派件数量的信息。
402、提取所述目标业务区的各历史订单信息中，所述目标集散中心对应的高峰订单信息。
高峰订单信息是指高峰时期的订单信息。示例性的，高峰订单信息可以是指节假日的订单信息，例如可以将双十一、双十二、元旦时期的订单信息作为高峰订单信息。当本申请实施例提供的货物调度规划方法用于对高峰期的货物调度进行规划时，可以获取目标预测时间历史同期的订单信息，以得到高峰订单信息。例如本申请实施例提供的货物调度规划方法用于对2021年双十二时期的货物调度进行规划时，可以获取过去数年双十二时期的订单信息，以得到高峰订单信息。
403、根据各所述高峰订单信息，对所述初始货物调度策略进行细分，得到所述目标集散中心的目标货物调度策略。
在一些实施例中，可以根据高峰订单信息中的货物运输类型和货物运输时间对初始货物调度策略进行细分。此时，步骤“根据各所述高峰订单信息，对所述初始货物调度策略进行细分，得到所述目标集散中心的目标货物调度策略”可以通过以下方式实现：
(1)提取各所述高峰订单信息对应的运输类型和运输时间。
运输类型是指对应高峰订单的货物运输类型。运输类型可以包括陆运、航运、海运等等，本申请实施例对此不进行限制。
运输时间是指对应高峰订单的货物运输时间。以下举一例进行示例性说明：如果对应高峰订单需要3天才能到达目的地，则运输时间是3天。
(2)分别统计各所述运输类型和各所述运输时间，确定货物运输类型占比和货物运输时间占比。
货物运输类型占比是指不同运输类型的占比，可以通过统计各运输类型得到。在货物运输类型占比中，包含了不同运输类型的信息，以及不同运输类型对应的占比信息，以下举一例进行示例性说明：如果共有高峰订单100个，其中对应运输类型为陆运的有80个，对应航运的有10个，对应海运的有10个，则货物运输类型占比可以通过表7表示：
表7
货物运输时间占比是指不同运输时间的占比，可以通过统计各运输时间得到。在货物运输时间占比中，包含了不同运输时间的信息，以及不同运输时间对应的占比信息，以下举一例进行示例性说明：如果共有高峰订单100个，其中对应运输时间为1天的有80个，对应运输时间为2天的有10个，对应运输时间为3天的有10个，则货物运输时间占比可以通过表8表示：
表8
(3)根据所述运输类型占比和所述运输时间占比，对所述初始货物调度策略进行细分，得到所述目标集散中心的目标货物调度策略。
以表1的情况为例进行细分的示例性说明：在表1的基础上，根据运输类型占比和运输时间占比，对A-B、A-C、A-D的派件数量进行细分，得到的目标货物调度策略可以通过表9表示：
表9
采用高峰订单信息的原因是：高峰时期的订单和平峰时期订单之间，运输类型和运输时间的差异较大，例如在高峰时期，由于订单数量较多，运输类型为“陆运”的订单数量会远大于运输类型为“航运”的订单数量，并且运输时间也会相应改变，因此如果本申请实施例提供的方法用于对高峰时期的货物调度进行规划，若采用平峰订单信息，得到的目标货物调度策略会与实际情况不符。
在一些实施例中，还可以将派发货物的到件时间和货物信息显示在终端上，以方便相应工作人员对货物进行管理。参考图5，此时，步骤“根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的目标货物调度策略”之后，所述方法还包括：
501、提取所述目标货物调度策略中所述各待调度集散中心对应的货物运输数量。
货物运输数量的说明可以参考上文，具体不进行赘述。
502、根据所述预测货物数量的目标预测时间和各所述货物运输数量对应的运输时间，确定到件时间。
到件时间是指货物的到达时间。以表9为例对到件时间进行示例性说明，假设目标预测时间为2021年12月21日：对于A-B之间以陆运形式进行运输，并且运输时间为1天的60件，到件时间为2021年12月22日；对于A-D之间以陆运形式进行运输，并且运输时间为2天的90件，到件时间为2021年12月23日。
503、将各所述货物运输数量和各所述到件时间分别显示在各所述待调度集散中心对应的预设终端上。
本申请实施例对预设终端的类型不进行限制，预设终端可以是智能手机、平板电脑、视频矩阵、监控平台、车载设备等等。
继续以步骤502中的例子进行说明，对于A-B之间以陆运形式进行运输，并且运输时间为1天的60件，可以在B的预设终端上显示“将有60件在2021年12月22日到达”；对于A-D之间以陆运形式进行运输，并且运输时间为2天的90件，可以在D的预设终端上显示“将有90件在2021年12月23日到达”，进一步地，还可以将对应的运输类型也显示在预设终端上，参考图6，图6中示出了一种D的预设终端上显示的情况。
为了更好实施本申请实施例中货物调度规划方法，在货物调度规划方法基础之上，本申请实施例中还提供一种货物调度规划装置，如图7所示，为本申请实施例中货物调度规划装置的一个实施例结构示意图，该货物调度规划装置600包括：
获取模块601，用于获取目标业务区内待调度的预测货物数量；
数量确定模块602，用于根据所述预测货物数量，确定所述目标业务区内目标集散中心的目标调度货物数量；
策略确定模块603，用于根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的目标货物调度策略。
在本申请一种可能的实现方式中，数量确定模块602还用于：
获取所述目标业务区的历史订单信息；
根据各所述历史订单信息中的集散地点信息，统计所述目标集散中心对应的货物数量占比；
根据所述货物数量占比和所述预测货物数量，确定所述目标集散中心的目标调度货物数量。
在本申请一种可能的实现方式中，策略确定模块603还用于：
根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的模拟货物调度策略；
对所述模拟货物调度策略进行调整，得到所述目标集散中心的目标货物调度策略。
在本申请一种可能的实现方式中，策略确定模块603还用于：
若所述目标调度货物数量大于或者等于预设的货物处理阈值，则获取所述目标调度货物数量和所述货物处理阈值之间的货物量差值；
提取所述模拟货物调度策略中所述目标集散中心与所述各待调度集散中心之间的货物运输数量；
根据所述货物量差值和所述运输货物占比，对各所述货物运输数量进行调整，得到所述目标集散中心的目标货物调度策略。
在本申请一种可能的实现方式中，策略确定模块603还用于：
根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的初始货物调度策略；
提取所述目标业务区的各历史订单信息中，所述目标集散中心对应的高峰订单信息；
根据各所述高峰订单信息，对所述初始货物调度策略进行细分，得到所述目标集散中心的目标货物调度策略。
在本申请一种可能的实现方式中，策略确定模块603还用于：
提取各所述高峰订单信息对应的运输类型和运输时间；
分别统计各所述运输类型和各所述运输时间，确定货物运输类型占比和货物运输时间占比；
根据所述运输类型占比和所述运输时间占比，对所述初始货物调度策略进行细分，得到所述目标集散中心的目标货物调度策略。
在本申请一种可能的实现方式中，货物调度规划装置600还包括显示模块604，显示模块604用于：
提取所述目标货物调度策略中所述各待调度集散中心对应的货物运输数量；
根据所述预测货物数量的目标预测时间和各所述货物运输数量对应的运输时间，确定到件时间；
将各所述货物运输数量和各所述到件时间分别显示在各所述待调度集散中心对应的预设终端上。
具体实施时，以上各个模块可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个模块的具体实施可参见前面的方法实施例，在此不再赘述。
由于该货物调度规划装置可以执行任意实施例中货物调度规划方法中的步骤，因此，可以实现本申请任意实施例中货物调度规划方法所能实现的有益效果，详见前面的说明，在此不再赘述。
此外，为了更好实施本申请实施例中货物调度规划方法，在货物调度规划方法基础之上，本申请实施例还提供一种电子设备，参阅图8，图8示出了本申请实施例电子设备的一种结构示意图，具体的，本申请实施例提供的电子设备包括处理器701，处理器701用于执行存储器702中存储的计算机程序时实现任意实施例中货物调度规划方法的各步骤；或者，处理器701用于执行存储器702中存储的计算机程序时实现如图7对应实施例中各模块的功能。
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器702中，并由处理器701执行，以完成本申请实施例。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机装置中的执行过程。
电子设备可包括，但不仅限于处理器701、存储器702。本领域技术人员可以理解，示意仅仅是电子设备的示例，并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。
处理器701可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分。
存储器702可用于存储计算机程序和/或模块，处理器701通过运行或执行存储在存储器702内的计算机程序和/或模块，以及调用存储在存储器702内的数据，实现计算机装置的各种功能。存储器702可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据(比如音频数据、视频数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的货物调度规划装置、电子设备及其相应模块的具体工作过程，可以参考任意实施例中货物调度规划方法的说明，具体在此不再赘述。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种可读存储介质，可读存储介质上存储有计算机程序，该计算机程序被处理器执行时执行本申请任意实施例中货物调度规划方法中的步骤，具体操作可参考任意实施例中货物调度规划方法的说明，在此不再赘述。
其中，该可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。
由于该可读存储介质中所存储的指令，可以执行本申请任意实施例中货物调度规划方法中的步骤，因此，可以实现本申请任意实施例中货物调度规划方法所能实现的有益效果，详见前面的说明，在此不再赘述。
以上对本申请实施例所提供的一种货物调度规划方法、装置、存储介质及电子设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种集散中心的货物调度规划方法，其特征在于，包括：
获取目标业务区内待调度的预测货物数量；
根据所述预测货物数量，确定所述目标业务区内目标集散中心的目标调度货物数量；
根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的目标货物调度策略。
2.根据权利要求1所述的货物调度规划方法，其特征在于，所述根据所述预测货物数量，确定所述目标业务区内目标集散中心的目标调度货物数量，包括：
获取所述目标业务区的历史订单信息；
根据各所述历史订单信息中的集散地点信息，统计所述目标集散中心对应的货物数量占比；
根据所述货物数量占比和所述预测货物数量，确定所述目标集散中心的目标调度货物数量。
3.根据权利要求1所述的货物调度规划方法，其特征在于，所述根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的目标货物调度策略，包括：
根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的模拟货物调度策略；
对所述模拟货物调度策略进行调整，得到所述目标集散中心的目标货物调度策略。
4.根据权利要求3所述的货物调度规划方法，其特征在于，所述对所述模拟货物调度策略进行调整，得到所述目标集散中心的目标货物调度策略，包括：
若所述目标调度货物数量大于或者等于预设的货物处理阈值，则获取所述目标调度货物数量和所述货物处理阈值之间的货物量差值；
提取所述模拟货物调度策略中所述目标集散中心与所述各待调度集散中心之间的货物运输数量；
根据所述货物量差值和所述运输货物占比，对各所述货物运输数量进行调整，得到所述目标集散中心的目标货物调度策略。
5.根据权利要求1所述的货物调度规划方法，其特征在于，根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的目标货物调度策略，包括：
根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的初始货物调度策略；
提取所述目标业务区的各历史订单信息中，所述目标集散中心对应的高峰订单信息；
根据各所述高峰订单信息，对所述初始货物调度策略进行细分，得到所述目标集散中心的目标货物调度策略。
6.根据权利要求5所述的货物调度规划方法，其特征在于，所述根据各所述高峰订单信息，对所述初始货物调度策略进行细分，得到所述目标集散中心的目标货物调度策略，包括：
提取各所述高峰订单信息对应的运输类型和运输时间；
分别统计各所述运输类型和各所述运输时间，确定货物运输类型占比和货物运输时间占比；
根据所述运输类型占比和所述运输时间占比，对所述初始货物调度策略进行细分，得到所述目标集散中心的目标货物调度策略。
7.根据权利要求1-6任一项所述的货物调度规划方法，其特征在于，所述根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的目标货物调度策略之后，所述方法还包括：
提取所述目标货物调度策略中所述各待调度集散中心对应的货物运输数量；
根据所述预测货物数量的目标预测时间和各所述货物运输数量对应的运输时间，确定到件时间；
将各所述货物运输数量和各所述到件时间分别显示在各所述待调度集散中心对应的预设终端上。
8.一种货物调度规划装置，其特征在于，包括：
获取模块，用于获取目标业务区内待调度的预测货物数量；
数量确定模块，用于根据所述预测货物数量，确定所述目标业务区内目标集散中心的目标调度货物数量；
策略确定模块，用于根据所述目标集散中心与各待调度集散中心之间的运输货物占比，以及所述目标调度货物数量，确定所述目标集散中心的目标货物调度策略。
9.一种电子设备，其特征在于，所述电子设备包括处理器、存储器以及存储于所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的货物调度规划方法中的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的货物调度规划方法中的步骤。
CN202210190177.7A 2022-02-28 2022-02-28 货物调度规划方法、装置、电子设备及可读存储介质 Pending CN116720670A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210190177.7A CN116720670A (zh) 2022-02-28 2022-02-28 货物调度规划方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210190177.7A CN116720670A (zh) 2022-02-28 2022-02-28 货物调度规划方法、装置、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN116720670A true CN116720670A (zh) 2023-09-08

Family

ID=87868496

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210190177.7A Pending CN116720670A (zh) 2022-02-28 2022-02-28 货物调度规划方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN116720670A (zh)

Similar Documents

Publication Publication Date Title
Azab et al. A simulation-based optimization approach for external trucks appointment scheduling in container terminals
Harish et al. Log-flock: A blockchain-enabled platform for digital asset valuation and risk assessment in E-commerce logistics financing
CN102542395B (zh) 一种应急物资调度系统及计算方法
Mesa-Arango et al. Benefits of in-vehicle consolidation in less than truckload freight transportation operations
US20140156327A1 (en) Collaborative job dispatching systems and methods
Romano Alho et al. A simulation-based evaluation of a Cargo-Hitching service for E-commerce using mobility-on-demand vehicles
Bräysy et al. Chapter 12: Software tools and emerging technologies for vehicle routing and intermodal transportation
Leachman et al. Congestion analysis of waterborne, containerized imports from Asia to the United States
CN115239223A (zh) 分拨中心任务调度方法、装置、设备及存储介质
Munisamy Timber terminal capacity planning through queuing theory
CN111325370A (zh) 派件任务分配方法、装置、设备及存储介质
CN111047264A (zh) 一种物流任务分配方法及装置
Özcan et al. 3PL service provider selection with a goal programming model supported with multicriteria decision making approaches
Azab et al. Impact of collaborative external truck scheduling on yard efficiency in container terminals
Kozan Optimum capacity for intermodal container terminals
CN113538028B (zh) 一种广告投放的方法和装置
Van Hui et al. Airfreight forwarder’s shipment planning under uncertainty: A two-stage stochastic programming approach
Du et al. CrowDNet: Enabling a crowdsourced object delivery network based on modern portfolio theory
CN111275229B (zh) 资源模型训练方法、资源缺口预测方法、装置及电子设备
Basso et al. An optimization approach and a heuristic procedure to schedule battery charging processes for stackers of palletized cargo
CN114742507A (zh) 车辆货物配载方法、装置、计算机设备及存储介质
CN112418475A (zh) 物流路径规划方法、装置、电子设备及存储介质
Hua et al. Large-scale dockless bike sharing repositioning considering future usage and workload balance
CN116384853B (zh) 一种数字孪生智慧物流的管理方法及装置
CN114444751A (zh) 物资需求预测方法、装置、计算机设备以及存储介质

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