CN117314132B - 一种基于大数据的调度方法及系统 - Google Patents
一种基于大数据的调度方法及系统 Download PDFInfo
- Publication number
- CN117314132B CN117314132B CN202311615558.6A CN202311615558A CN117314132B CN 117314132 B CN117314132 B CN 117314132B CN 202311615558 A CN202311615558 A CN 202311615558A CN 117314132 B CN117314132 B CN 117314132B
- Authority
- CN
- China
- Prior art keywords
- delivery
- replenishment
- delivery point
- points
- delivery points
- 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 34
- 230000004048 modification Effects 0.000 claims description 63
- 238000012986 modification Methods 0.000 claims description 63
- 238000012216 screening Methods 0.000 claims description 7
- 230000010365 information processing Effects 0.000 claims description 4
- 230000015654 memory Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000008569 process Effects 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
- G06Q10/06—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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于计算机领域,提供了一种基于大数据的调度方法及系统,所述方法包括:定位至少两个送货点,获取对至少两个送货点的计划总补货信息,所述计划总补货信息包括补货总量、补货时间和补货路线,所述至少两个送货点包括第一送货点和第二送货点;获取基于至少两个送货点的用户预约数据,所述用户预约数据包括预约订购量;根据用户预约数据生成第一送货点和第二送货点的卸货数据,所述卸货数据与预约订购量对应,所述卸货数据包括第一送货点和第二送货点的调度卸货量,所述补货总量包括调度卸货量;本申请实施例,能够尽量满足用户的实际需求,实现对至少两个送货点的货物的灵活调度,且不会影响补货时间。
Description
技术领域
本发明属于计算机领域,尤其涉及一种基于大数据的调度方法及系统。
背景技术
配货作业是指把拣取分类完成的货品经过配货检验过程后,装入容器和做好标示,再运到配货准备区,等待装车后发运到目的地。
当前对于目的地的配货,一般是基于配货预估量来进行的,且可以基于两个乃至以上的目的地进行配货,但是两个乃至以上的目的地的配货预估量是固定的,不能根据用户的实际需求进行灵活的调度。
发明内容
本发明实施例的目的在于提供一种基于大数据的调度方法及系统,旨在解决上述背景技术中提出的问题。
本发明实施例是这样实现的,一方面,一种基于大数据的调度方法,所述方法包括以下步骤:
定位至少两个送货点,获取对至少两个送货点的计划总补货信息,所述计划总补货信息包括补货总量、补货时间和补货路线,所述至少两个送货点包括第一送货点和第二送货点;
获取基于至少两个送货点的用户预约数据,所述用户预约数据包括预约订购量;
根据用户预约数据生成第一送货点和第二送货点的卸货数据,所述卸货数据与预约订购量对应,所述卸货数据包括第一送货点和第二送货点的调度卸货量,所述补货总量包括调度卸货量;
识别卸货数据中基于至少两个送货点进行分批订购的所有同一用户,将所有同一用户标记为第一用户;
识别至少两个送货点之间的补货时长,根据补货时长和第一用时计算从第一送货点到第二送货点的出发时刻,基于出发时刻,获取第一用户的行程修改信息,根据行程修改信息对用户预约数据中预约订购量进行修改,以实现对卸货数据中调度卸货量的调度更新。
作为本发明的进一步方案,所述定位至少两个送货点,获取对至少两个送货点的计划总补货信息包括:
确定若干送货点,获取若干送货点的历史访问成交用户,筛选所述历史访问成交用户中相同的用户标识,确定相同的用户标识大于预设数量对应的目标送货点;
定位预设范围,确定处于预设范围内的目标送货点,得到至少两个送货点;
获取至少两个送货点在历史同时期下的货物需求量;
根据所述货物需求量确定补货总量;
获取至少两个送货点的补货时间,根据至少两个送货点确定补货路线。
作为本发明的再进一步方案,所述获取基于至少两个送货点的用户预约数据包括:
将至少两个送货点作为绑定送货点;
当检测到基于绑定送货点中任一送货点的用户预约数据时,提示绑定送货点中其他送货点的用户预约数据的协同输入;
对绑定送货点的用户预约数据进行集成,生成基于至少两个送货点的用户预约数据。
作为本发明的又进一步方案,所述根据用户预约数据生成第一送货点和第二送货点的卸货数据包括:
分别统计第一送货点和第二送货点的预约订购量,得到统计结果;
根据统计结果生成第一送货点和第二送货点的卸货数据。
作为本发明的进一步方案,所述识别至少两个送货点之间的补货时长,根据补货时长和第一用时计算从第一送货点到第二送货点的出发时刻包括:
获取补货时长中第二送货点的最晚送达时刻,所述最晚送达时刻与补货时间相关;
获取第一送货点和第二送货点之间的实际配送距离和允许配送速度,所述实际配送距离不大于预设范围;
根据实际配送距离和允许配送速度计算补货时长;
将最晚送达时刻提前补货时长,得到第一时刻,从第一送货点到第二送货点的出发时刻不晚于第一时刻。
作为本发明的进一步方案,所述基于出发时刻,获取第一用户的行程修改信息,根据行程修改信息对用户预约数据中预约订购量进行修改,以实现对卸货数据中调度卸货量的调度更新包括:
获取第一用户在出发时刻之前的行程修改记录,当所述行程修改记录表征取消至少两个送货点中第二送货点的行程信息,或者,当所述行程修改记录表征修改行进方式后无法在预设时段前到达第二送货点时,判定行程修改记录合格,所述行程修改信息包括行程修改记录;
将行程修改记录合格的第一用户在第二送货点的预约订购量分配到第一送货点,得到分配结果;
按照分配结果对调度卸货量进行调度更新。
另一方面,一种基于大数据的调度系统,所述系统包括:
定位和补货信息获取模块,用于定位至少两个送货点,获取对至少两个送货点的计划总补货信息,所述计划总补货信息包括补货总量、补货时间和补货路线,所述至少两个送货点包括第一送货点和第二送货点;
预约数据获取模块,用于获取基于至少两个送货点的用户预约数据,所述用户预约数据包括预约订购量;
生成模块,用于根据用户预约数据生成第一送货点和第二送货点的卸货数据,所述卸货数据与预约订购量对应,所述卸货数据包括第一送货点和第二送货点的调度卸货量,所述补货总量包括调度卸货量;
识别模块,用于识别卸货数据中基于至少两个送货点进行分批订购的所有同一用户,将所有同一用户标记为第一用户;
调度更新模块,用于识别至少两个送货点之间的补货时长,根据补货时长和第一用时计算从第一送货点到第二送货点的出发时刻,基于出发时刻,获取第一用户的行程修改信息,根据行程修改信息对用户预约数据中预约订购量进行修改,以实现对卸货数据中调度卸货量的调度更新。
可选的,所述定位和补货信息获取模块包括:
确定和获取单元,用于确定若干送货点,获取若干送货点的历史访问成交用户,筛选所述历史访问成交用户中相同的用户标识,确定相同的用户标识大于预设数量对应的目标送货点;
定位单元,用于定位预设范围,确定处于预设范围内的目标送货点,得到至少两个送货点;
需求量获取单元,用于获取至少两个送货点在历史同时期下的货物需求量;
补货和路线确定单元,用于根据所述货物需求量确定补货总量,获取至少两个送货点的补货时间,根据至少两个送货点确定补货路线。
本发明实施例提供的一种基于大数据的调度方法及系统,通过定位至少两个送货点,获取对至少两个送货点的计划总补货信息;获取基于至少两个送货点的用户预约数据,所述用户预约数据包括预约订购量;根据用户预约数据生成第一送货点和第二送货点的卸货数据,识别卸货数据中基于至少两个送货点进行分批订购的所有同一用户,将所有同一用户标记为第一用户;识别至少两个送货点之间的补货时长,根据补货时长和第一用时计算从第一送货点到第二送货点的出发时刻,基于出发时刻,获取第一用户的行程修改信息,根据行程修改信息对用户预约数据中预约订购量进行修改,以实现对卸货数据中调度卸货量的调度更新,能够结合至少两个送货点以及用户的实际行程,对原有的预约订购量进行修改,以尽量满足用户的实际需求,实现对至少两个送货点的货物的灵活调度,且不会影响补货时间。
附图说明
图1是一种基于大数据的调度方法的主流程图。
图2是一种基于大数据的调度方法中定位至少两个送货点,获取对至少两个送货点的计划总补货信息的流程图。
图3是一种基于大数据的调度方法中获取基于至少两个送货点的用户预约数据的流程图。
图4是一种基于大数据的调度方法中计算从第一送货点到第二送货点的出发时刻的流程图。
图5是一种基于大数据的调度方法中对卸货数据中调度卸货量的调度更新的流程图。
图6是一种基于大数据的调度系统的主结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述。
本发明提供的一种基于大数据的调度方法及系统,解决了背景技术中的技术问题。
如图1所示,为本发明的一个实施例提供的一种基于大数据的调度方法的主流程图,所述一种基于大数据的调度方法包括:
步骤S10:定位至少两个送货点,获取对至少两个送货点的计划总补货信息,所述计划总补货信息包括补货总量、补货时间和补货路线,所述至少两个送货点包括第一送货点和第二送货点;
在一些旅游路线的景点之间,或者存在明显路线联系的送货点之间,可以进行统一送货,也即送货的接收点(送货点)至少包括两个;补货总量也即送货的总货物数量,补货时间为分别到达送货点的先后规定时间(或者时段);补货路线为补货时补货工具(如补货车辆)所经过的路线;
第二送货点的选取可以基于以下算法来计算:将每个送货点均视为一个节点,则基于以下算法计算基于第一送货点和若干下一个送货点,若干下一个送货点可以供第二送货点选择;;
其中,f(n)是送货点n的综合优先级;当我们选择下一个要遍历的送货点时,我们总会选取综合优先级最高(代价值最小)的送货点;
g(n)是送货点n距离起点的代价;
h(n)是送货点n距离终点的预计代价,即该算法的启发函数;其中,h(n)采取Manhattan计算方式,即;当然也可以采用欧式距离来计算,可以根据实际需求来选用;
例如,首先考察g(n),如从第一送货点到第二送货点是斜向移动,单步移动距离为12,故g(n)=12;再考察估计代价h(n);估计的含义是指忽略剩下的路径是否包含有障碍物(不可走),完全按照Manhattan计算方式,计算只做横向或纵向移动的累积代价为h(n)=30;因此从第一送货点到第二送货点的总移动代价为:f(n)=42;以此类推,分别计算当前若干下一个送货点中余下的所有第二子送货点的移动代价f(n),从中挑选最小代价送货点f(n),并作为第二送货点;
此外,补货路线可以基于LPA*等现有技术中成熟算法来规划,当然也可以人为界定路线,在此不做限定;
步骤S11:获取基于至少两个送货点的用户预约数据,所述用户预约数据包括预约订购量;
每个用户对第一送货点和第二送货点的预约订购量是用户自身选择的,并且每个用户的预约订购量具有一定量的限制(如数量限制);预约订购量是相对于至少一种货物而言的,并且这种货物包括“紧俏商品”;
步骤S12:根据用户预约数据生成第一送货点和第二送货点的卸货数据,所述卸货数据与预约订购量对应,所述卸货数据包括第一送货点和第二送货点的调度卸货量,所述补货总量包括调度卸货量;
分别将第一送货点的所有用户的预约订购量相加,得到第一送货点的卸货数据的组成部分,第二送货点同样如此;卸货数据大于等于统计结果,因为卸货数据中可能还包括送货点用于紧急预备的货物;如补货总量为530件,第一送货点和第二送货点的调度卸货量为520件,调度卸货量大于等于所有用户的预约订购量之和;卸货数据为第一送货点300件(也即第一送货点的调度卸货量为300件),第二送货点200件(也即第二送货点的调度卸货量为200件),第一送货点的预约订购量为280件,第二送货点的预约订购量为175件;
步骤S13:识别卸货数据中基于至少两个送货点进行分批订购的所有同一用户,将所有同一用户标记为第一用户;
第一用户为均对至少两个送货点进行分批订购的用户;
步骤S14:识别至少两个送货点之间的补货时长,根据补货时长和第一用时计算从第一送货点到第二送货点的出发时刻,基于出发时刻,获取第一用户的行程修改信息,根据行程修改信息对用户预约数据中预约订购量进行修改,以实现对卸货数据中调度卸货量的调度更新。
结合至少两个送货点的实际配送距离和允许配送速度,最终补货时长,结合补货时间可以计算出最晚的出发时刻,可以满足从第一送货点到第二送货点的出发时间的参考要求;第一用户的行程修改信息,也即在截止到出发时刻之前的某个节点(需要考虑计算调度卸货量的用时),应当识别第一用户的行程修改信息,如果第一用户的行程修改信息满足了一些条件,表明第一用户是否可以及时到达第二送货点,如果不能,且一些条件满足(如其事先取消了到第二送货点取货的需求),则可以考虑对其在第二送货点的预约订购量进行修改,如这部分的预约订购量不再往第二送货点配送,将其直接在第一送货点位置卸下,既可以满足客户需求,也可以实现对运力的节约。
本实施例在应用时,通过定位至少两个送货点,获取对至少两个送货点的计划总补货信息;获取基于至少两个送货点的用户预约数据,所述用户预约数据包括预约订购量;根据用户预约数据生成第一送货点和第二送货点的卸货数据,识别卸货数据中基于至少两个送货点进行分批订购的所有同一用户,将所有同一用户标记为第一用户;识别至少两个送货点之间的补货时长,根据补货时长和第一用时计算从第一送货点到第二送货点的出发时刻,基于出发时刻,获取第一用户的行程修改信息,根据行程修改信息对用户预约数据中预约订购量进行修改,以实现对卸货数据中调度卸货量的调度更新,能够结合至少两个送货点以及用户的实际行程,对原有的预约订购量进行修改,以尽量满足用户的实际需求,实现对至少两个送货点的货物的灵活调度,且不会影响补货时间。
如图2所示,作为本发明的一种优选实施例,所述定位至少两个送货点,获取对至少两个送货点的计划总补货信息包括:
步骤S101:确定若干送货点,获取若干送货点的历史访问成交用户,筛选所述历史访问成交用户中相同的用户标识,确定相同的用户标识大于预设数量对应的目标送货点;
若干送货点是经过随机选择的,历史访问成交用户为通过在线订购平台所访问并且交易成功的用户;相同的用户标识,指的某些送货点存在某些用户均访问了并且成功交易了;相同的用户标识大于预设数量,则筛选某些送货点存在一定量(大于预设数量)的用户均访问且交易成功了,进而获得这些目标送货点;预设数量是根据实际经验所设定的,比如100个;
步骤S102:定位预设范围,确定处于预设范围内的目标送货点,得到至少两个送货点;
预设范围优先从送货点所覆盖的范围中选取;当识别到至少两个送货点均处于预设范围内时,这两个目标送货点是符合要求的;
步骤S103:获取至少两个送货点在历史同时期下的货物需求量;
历史同时期,是指与目前相同的季节时期,如夏季,如第三季度等;历史同时期下的货物需求量是通过历史售卖量和需求未满足的登记量所共同决定的;
步骤S104:根据所述货物需求量确定补货总量;补货总量为货物需求量和现有的存货量的差值;
步骤S105:获取至少两个送货点的补货时间,根据至少两个送货点确定补货路线。
每个送货点的补货时间是每个送货点所规定和要求的,或者说统一要求的;例如补货时间为9:00am-9:30am;一般以时段的形式要求;至少两个送货点的位置是确定的,因此按照从发点到送货点,然后再到至少另一个出发点,可以确定补货路线,补货路线包括按照地图上成熟的通行路线;
可以理解的是,本实施例通过结合历史大数据,筛选出至少两个送货点,作为统一送货的对象,进而得出的计划总补货信息,能够满足同一次送货下的补货需求。
如图3所示,作为本发明的一种优选实施例,所述获取基于至少两个送货点的用户预约数据包括:
步骤S111:将至少两个送货点作为绑定送货点;
步骤S112:当检测到基于绑定送货点中任一送货点的用户预约数据时,提示绑定送货点中其他送货点的用户预约数据的协同输入;
步骤S113:对绑定送货点的用户预约数据进行集成,生成基于至少两个送货点的用户预约数据。
绑定送货点也即对至少两个送货点进行同一批送货;由于绑定送货点中送货点之间满足了预设范围内的条件,他们可以作为同一次行程下的前后取货点;例如作为游玩路线中的先后取货点,以满足先后的游玩的使用等;当检测到基于绑定送货点中任一送货点的用户预约数据时,提示其可以基于绑定送货点中其他送货点输入用户预约数据,例如提示这两个送货点之间配货时间相差不大(作为同一次配货而言),并且可以满足某些条件下(如行程修改信息合格后)基于第一送货点全部进行取货的需求,用户的选择更加灵活。
作为本发明的一种优选实施例,所述根据用户预约数据生成第一送货点和第二送货点的卸货数据包括:
步骤:分别统计第一送货点和第二送货点的预约订购量,得到统计结果;
步骤:根据统计结果生成第一送货点和第二送货点的卸货数据。
应当理解的是,每个用户对第一送货点和第二送货点的预约订购量是用户自身选择的,并且每个用户的预约订购量具有一定量的限制;分别将第一送货点的所有用户的预约订购量相加,得到第一送货点的卸货数据的组成部分,第二送货点的同样如此;卸货数据大于等于统计结果,因为卸货数据中可能还包括送货点用于紧急预备的货物。
如图4所示,作为本发明的一种优选实施例,所述识别至少两个送货点之间的补货时长,根据补货时长和第一用时计算从第一送货点到第二送货点的出发时刻包括:
步骤S1411:获取补货时长中第二送货点的最晚送达时刻,所述最晚送达时刻与补货时间相关;
第一送货点和第二送货点的最晚送达时刻都是基于第一送货点和第二送货的补货时间确定的,补货时间为时段的形式时,最晚送达时刻为补货时间的末尾时刻,否则,补货时间为时刻的形式,其直接等于补货时间;
最晚送达时刻也即应当最晚在某时刻之前将货物送到;
步骤S1412:获取第一送货点和第二送货点之间的实际配送距离和允许配送速度,所述实际配送距离不大于预设范围;
实际配送距离根据二者在地图上的路线长度可得,允许配送速度包括配送车辆的平均行进速度,这也是已知的;由于第一送货点和第二送货点是经过成对筛选的且处于预设范围内,因此,实际配送距离不大于预设范围是成立的;
步骤S1413:根据实际配送距离和允许配送速度计算补货时长;
实际配送距离和与允许配送速度的比值为(从第一送货点到第二送货点继进行)补货所花费的理论时长,也即补货时长,例如实际配送距离为2km,允许的配送速度为40km/h,因此补货时长为0.05h,也即3min;
步骤S1414:将最晚送达时刻提前补货时长,得到第一时刻,从第一送货点到第二送货点的出发时刻不晚于第一时刻。
将最晚送达时刻提前补货时长,得到第一时刻,第一时刻也是从第一送货点到第二送货点的出发最晚时刻;例如最晚送达时刻为13:00,那么结合前述举例,第一时刻为12:57pm,也即从第一送货点到第二送货点的出发时刻不晚于12:57pm。
本实施例在应用时,通过结合实际配送距离和允许配送速度,最终计算出最晚的出发时刻,可以满足从第一送货点到第二送货点的出发时间的参考要求。
如图5所示,作为本发明的一种优选实施例,所述基于出发时刻,获取第一用户的行程修改信息,根据行程修改信息对用户预约数据中预约订购量进行修改,以实现对卸货数据中调度卸货量的调度更新包括:
步骤S1421:获取第一用户在出发时刻之前的行程修改记录,当所述行程修改记录表征取消至少两个送货点中第二送货点的行程信息,或者,当所述行程修改记录表征修改行进方式后无法在预设时段前到达第二送货点时,判定行程修改记录合格;
获取出发时刻之前的行程修改记录,可以防止临时修改的人数过多导致调度卸货量变更涉及的货物量过大;在两种情况下判定行程修改记录合格,一种是在出发时刻之前取消至少两个送货点中第二送货点的行程信息,表明其在从第一送货点到第二送货点之前已经准备不前往第二送货点;另一种是其修改行进方式且修改行进方式后无法在预设时段前到达第二送货点,例如通过记录其行进方式前后的改变,如从驾车变为骑行或者步行等,速度差距很明显,其明显变慢;此时也认为行程修改记录合格;预设时段指的是用户预约的取货时段,这个取货时段一般略晚于送货点的补货时间;如补货时间为9:00am,取货时段为9:10am-9:20am;所述行程修改信息包括行程修改记录;
步骤S1422:将行程修改记录合格的第一用户在第二送货点的预约订购量分配到第一送货点,得到分配结果;
行程修改记录合格的第一用户可以进行统计,其在第二送货点的预约订购量也是可以从先前的订购量中查询的,因此这部分的预约订购量经过统计后直接变更到第一送货点,也即这部分的预约订购量不再往第二送货点配送,直接在第一送货点位置卸下,并且这个分配结果应该通知给行程修改记录合格的第一用户(的客户端);
步骤S1423:按照分配结果对调度卸货量进行调度更新。
调度更新对应的调度卸货量,也即原本准备送往第二送货点的货物,直接停留在第一送货点。
可以理解的是,以上通过行程修改记录合格的第一用户的调度卸货量的更新,不仅可以满足行程修改记录合格的第一用户直接在第一送货点取完所有货物的需求,这部分的货物不必再从第一送货点送往第二送货点,从而节约了运力。
如图6所示,作为本发明的另一种优选实施例,另一方面,一种基于大数据的调度系统,所述系统包括:
定位和补货信息获取模块100,用于定位至少两个送货点,获取对至少两个送货点的计划总补货信息,所述计划总补货信息包括补货总量、补货时间和补货路线,所述至少两个送货点包括第一送货点和第二送货点;
预约数据获取模块200,用于获取基于至少两个送货点的用户预约数据,所述用户预约数据包括预约订购量;
生成模块300,用于根据用户预约数据生成第一送货点和第二送货点的卸货数据,所述卸货数据与预约订购量对应,所述卸货数据包括第一送货点和第二送货点的调度卸货量,所述补货总量包括调度卸货量;
识别模块400,用于识别卸货数据中基于至少两个送货点进行分批订购的所有同一用户,将所有同一用户标记为第一用户;
调度更新模块500,用于识别至少两个送货点之间的补货时长,根据补货时长和第一用时计算从第一送货点到第二送货点的出发时刻,基于出发时刻,获取第一用户的行程修改信息,根据行程修改信息对用户预约数据中预约订购量进行修改,以实现对卸货数据中调度卸货量的调度更新。
可选的,所述定位和补货信息获取模块100包括:
确定和获取单元,用于确定若干送货点,获取若干送货点的历史访问成交用户,筛选所述历史访问成交用户中相同的用户标识,确定相同的用户标识大于预设数量对应的目标送货点;
定位单元,用于定位预设范围,确定处于预设范围内的目标送货点,得到至少两个送货点;
需求量获取单元,用于获取至少两个送货点在历史同时期下的货物需求量;
补货和路线确定单元,用于根据所述货物需求量确定补货总量,获取至少两个送货点的补货时间,根据至少两个送货点确定补货路线。
需要说明的是,参照前述实施例中对一种基于大数据的调度方法的具体实施描述,本系统与该方法的实施方法完全对应,在此不再叙述。
本发明上述实施例中提供了一种基于大数据的调度方法,并基于该基于大数据的调度方法提供了一种基于大数据的调度系统,通过定位至少两个送货点,获取对至少两个送货点的计划总补货信息;获取基于至少两个送货点的用户预约数据,所述用户预约数据包括预约订购量;根据用户预约数据生成第一送货点和第二送货点的卸货数据,识别卸货数据中基于至少两个送货点进行分批订购的所有同一用户,将所有同一用户标记为第一用户;识别至少两个送货点之间的补货时长,根据补货时长和第一用时计算从第一送货点到第二送货点的出发时刻,基于出发时刻,获取第一用户的行程修改信息,根据行程修改信息对用户预约数据中预约订购量进行修改,以实现对卸货数据中调度卸货量的调度更新,能够结合至少两个送货点以及用户的实际行程,对原有的预约订购量进行修改,以尽量满足用户的实际需求,实现对至少两个送货点的货物的灵活调度,且不会影响补货时间。
为了能够加载上述方法和系统能够顺利运行,该系统除了包括上述各种模块之外,还可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线、处理器和存储器等。
所称处理器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,上述处理器是上述系统的控制中心,利用各种接口和线路连接各个部分。
上述存储器可用于存储计算机以及系统程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述各种功能。存储器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(比如信息采集模板展示功能、产品信息发布功能等)等。存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)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。
本应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于大数据的调度方法,其特征在于,所述方法包括:
定位至少两个送货点,获取对至少两个送货点的计划总补货信息,所述计划总补货信息包括补货总量、补货时间和补货路线,所述至少两个送货点包括第一送货点和第二送货点;
获取基于至少两个送货点的用户预约数据,所述用户预约数据包括预约订购量;
根据用户预约数据生成第一送货点和第二送货点的卸货数据,所述卸货数据与预约订购量对应,所述卸货数据包括第一送货点和第二送货点的调度卸货量,所述补货总量包括调度卸货量;
识别卸货数据中基于至少两个送货点进行分批订购的所有同一用户,将所有同一用户标记为第一用户;
识别至少两个送货点之间的补货时长,根据补货时长和第一用时计算从第一送货点到第二送货点的出发时刻,基于出发时刻,获取第一用户的行程修改信息,根据行程修改信息对用户预约数据中预约订购量进行修改,以实现对卸货数据中调度卸货量的调度更新;
所述识别至少两个送货点之间的补货时长,根据补货时长和第一用时计算从第一送货点到第二送货点的出发时刻包括:获取补货时长中第二送货点的最晚送达时刻,所述最晚送达时刻与补货时间相关;获取第一送货点和第二送货点之间的实际配送距离和允许配送速度,所述实际配送距离不大于预设范围;根据实际配送距离和允许配送速度计算补货时长;将最晚送达时刻提前补货时长,得到第一时刻,从第一送货点到第二送货点的出发时刻不晚于第一时刻;
所述基于出发时刻,获取第一用户的行程修改信息,根据行程修改信息对用户预约数据中预约订购量进行修改,以实现对卸货数据中调度卸货量的调度更新包括:获取第一用户在出发时刻之前的行程修改记录,当所述行程修改记录表征取消至少两个送货点中第二送货点的行程信息,或者,当所述行程修改记录表征修改行进方式后无法在预设时段前到达第二送货点时,判定行程修改记录合格,所述行程修改信息包括行程修改记录;将行程修改记录合格的第一用户在第二送货点的预约订购量分配到第一送货点,得到分配结果;按照分配结果对调度卸货量进行调度更新;
所述定位至少两个送货点,获取对至少两个送货点的计划总补货信息包括:
确定若干送货点,获取若干送货点的历史访问成交用户,筛选所述历史访问成交用户中相同的用户标识,确定相同的用户标识大于预设数量对应的目标送货点;
定位预设范围,确定处于预设范围内的目标送货点,得到至少两个送货点;
获取至少两个送货点在历史同时期下的货物需求量;
根据所述货物需求量确定补货总量; 补货总量为货物需求量和现有的货存量的差值;
获取至少两个送货点的补货时间,根据至少两个送货点确定补货路线。
2.根据权利要求1所述的基于大数据的调度方法,其特征在于,所述获取基于至少两个送货点的用户预约数据包括:
将至少两个送货点作为绑定送货点;
当检测到基于绑定送货点中任一送货点的用户预约数据时,提示绑定送货点中其他送货点的用户预约数据的协同输入;
对绑定送货点的用户预约数据进行集成,生成基于至少两个送货点的用户预约数据。
3.根据权利要求1所述的基于大数据的调度方法,其特征在于,所述根据用户预约数据生成第一送货点和第二送货点的卸货数据包括:
分别统计第一送货点和第二送货点的预约订购量,得到统计结果;
根据统计结果生成第一送货点和第二送货点的卸货数据。
4.一种基于大数据的调度系统,应用如权利要求1-3中任一项基于大数据的调度方法,其特征在于,所述系统包括:
定位和补货信息获取模块,用于定位至少两个送货点,获取对至少两个送货点的计划总补货信息,所述计划总补货信息包括补货总量、补货时间和补货路线,所述至少两个送货点包括第一送货点和第二送货点;
预约数据获取模块,用于获取基于至少两个送货点的用户预约数据,所述用户预约数据包括预约订购量;
生成模块,用于根据用户预约数据生成第一送货点和第二送货点的卸货数据,所述卸货数据与预约订购量对应,所述卸货数据包括第一送货点和第二送货点的调度卸货量,所述补货总量包括调度卸货量;
识别模块,用于识别卸货数据中基于至少两个送货点进行分批订购的所有同一用户,将所有同一用户标记为第一用户;
调度更新模块,用于识别至少两个送货点之间的补货时长,根据补货时长和第一用时计算从第一送货点到第二送货点的出发时刻,基于出发时刻,获取第一用户的行程修改信息,根据行程修改信息对用户预约数据中预约订购量进行修改,以实现对卸货数据中调度卸货量的调度更新;
所述定位和补货信息获取模块包括:
确定和获取单元,用于确定若干送货点,获取若干送货点的历史访问成交用户,筛选所述历史访问成交用户中相同的用户标识,确定相同的用户标识大于预设数量对应的目标送货点;
定位单元,用于定位预设范围,确定处于预设范围内的目标送货点,得到至少两个送货点;
需求量获取单元,用于获取至少两个送货点在历史同时期下的货物需求量;
补货和路线确定单元,用于根据所述货物需求量确定补货总量,获取至少两个送货点的补货时间,根据至少两个送货点确定补货路线;补货总量为货物需求量和现有的货存量的差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311615558.6A CN117314132B (zh) | 2023-11-30 | 2023-11-30 | 一种基于大数据的调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311615558.6A CN117314132B (zh) | 2023-11-30 | 2023-11-30 | 一种基于大数据的调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117314132A CN117314132A (zh) | 2023-12-29 |
CN117314132B true CN117314132B (zh) | 2024-03-15 |
Family
ID=89255734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311615558.6A Active CN117314132B (zh) | 2023-11-30 | 2023-11-30 | 一种基于大数据的调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117314132B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009196760A (ja) * | 2008-02-21 | 2009-09-03 | Hitachi Software Eng Co Ltd | 輸送スケジュール作成システム |
CN108764754A (zh) * | 2018-06-08 | 2018-11-06 | 浪潮软件股份有限公司 | 一种基于地理区域分组的烟草配送车辆调度系统 |
CN109345161A (zh) * | 2018-08-29 | 2019-02-15 | 广西大学 | 一种面向价值流的配送派单方法 |
CN110210813A (zh) * | 2019-06-12 | 2019-09-06 | 拉扎斯网络科技(上海)有限公司 | 一种确定配送范围的方法、装置、电子设备及存储介质 |
CN111667105A (zh) * | 2020-05-29 | 2020-09-15 | 南京沃普特科技有限公司 | 一种带时间窗的智能优化配送云系统 |
CN111882257A (zh) * | 2019-09-30 | 2020-11-03 | 北京京东尚科信息技术有限公司 | 收货地址修改方法及装置 |
CN112581058A (zh) * | 2020-12-15 | 2021-03-30 | 昆山华东资讯科技有限公司 | 物流控制管理方法 |
US10997550B1 (en) * | 2020-01-03 | 2021-05-04 | Coupang, Corp. | Item tracking systems and methods for fine tuned delivery scheduling |
CN114169836A (zh) * | 2021-12-24 | 2022-03-11 | 广州品唯软件有限公司 | 物流运输的管理调度方法、装置、设备及可读存储介质 |
JP2023006316A (ja) * | 2021-06-30 | 2023-01-18 | 株式会社アイシン | マッチングシステム |
CN116307306A (zh) * | 2023-05-25 | 2023-06-23 | 广钢气体(广州)有限公司 | 基于大数据的智能调度方法、装置、设备以及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7801753B2 (en) * | 2003-03-01 | 2010-09-21 | Chandrasekar Vemula | Purchase planning and optimization |
US20220343248A1 (en) * | 2021-04-26 | 2022-10-27 | GoBrands, Inc. | Systems and methods of predicting estimated times of arrival based on historical information |
US20220391785A1 (en) * | 2021-06-03 | 2022-12-08 | At&T Intellectual Property I, L.P. | Continuous delivery systems |
JP2023011248A (ja) * | 2021-07-12 | 2023-01-24 | トヨタ自動車株式会社 | 配送システム、配送方法、及びプログラム |
-
2023
- 2023-11-30 CN CN202311615558.6A patent/CN117314132B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009196760A (ja) * | 2008-02-21 | 2009-09-03 | Hitachi Software Eng Co Ltd | 輸送スケジュール作成システム |
CN108764754A (zh) * | 2018-06-08 | 2018-11-06 | 浪潮软件股份有限公司 | 一种基于地理区域分组的烟草配送车辆调度系统 |
CN109345161A (zh) * | 2018-08-29 | 2019-02-15 | 广西大学 | 一种面向价值流的配送派单方法 |
CN110210813A (zh) * | 2019-06-12 | 2019-09-06 | 拉扎斯网络科技(上海)有限公司 | 一种确定配送范围的方法、装置、电子设备及存储介质 |
CN111882257A (zh) * | 2019-09-30 | 2020-11-03 | 北京京东尚科信息技术有限公司 | 收货地址修改方法及装置 |
US10997550B1 (en) * | 2020-01-03 | 2021-05-04 | Coupang, Corp. | Item tracking systems and methods for fine tuned delivery scheduling |
CN111667105A (zh) * | 2020-05-29 | 2020-09-15 | 南京沃普特科技有限公司 | 一种带时间窗的智能优化配送云系统 |
CN112581058A (zh) * | 2020-12-15 | 2021-03-30 | 昆山华东资讯科技有限公司 | 物流控制管理方法 |
JP2023006316A (ja) * | 2021-06-30 | 2023-01-18 | 株式会社アイシン | マッチングシステム |
CN114169836A (zh) * | 2021-12-24 | 2022-03-11 | 广州品唯软件有限公司 | 物流运输的管理调度方法、装置、设备及可读存储介质 |
CN116307306A (zh) * | 2023-05-25 | 2023-06-23 | 广钢气体(广州)有限公司 | 基于大数据的智能调度方法、装置、设备以及存储介质 |
Non-Patent Citations (5)
Title |
---|
MIP models and a hybrid method for the capacitated air-cargo network planning and scheduling problems;Canrong Zhang等;Transportation Research Part E;第103卷;158-173 * |
基于实时信息的动态取送货问题研究;史俊妍;中国优秀硕士学位论文全文数据库 经济与管理科学辑(第12期);J145-48 * |
基于沿途补货的多配送中心动态需求VRP建模及优化;张景玲;王万良;赵燕伟;;计算机集成制造系统(第04期);全文 * |
用SuperMap Object开发基于GIS的连锁店配送信息系统;尹涛;;计算机工程与设计(第17期);全文 * |
考虑真实场景动态事件的动态取送货问题;孙宝凤;杨悦;史俊妍;郑黎黎;;浙江大学学报(工学版)(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117314132A (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107977739B (zh) | 物流配送路径的优化方法、装置及设备 | |
US8626540B2 (en) | Method and apparatus for transportation planning based on mission-specific vehicle capacity constraints | |
US8046319B2 (en) | Methods suitable for optimizing linehaul operations | |
US20060041481A1 (en) | Multi-package delivery methods | |
US20080046302A1 (en) | Vehicle transport load optimization | |
CN111815213A (zh) | 配送计划生成装置、系统、方法及计算机可读存储介质 | |
CN116757584B (zh) | 一种基于大数据的配货系统 | |
CN116307306A (zh) | 基于大数据的智能调度方法、装置、设备以及存储介质 | |
CN117314132B (zh) | 一种基于大数据的调度方法及系统 | |
JPH09305669A (ja) | 配車計画方法と装置 | |
CN111126643B (zh) | 一种月台的预约方法、预约装置及可读存储介质 | |
CN108921353B (zh) | 一种车场配送的优化方法、装置及电子设备 | |
JP2006240794A (ja) | 輸送スケジュール作成システム | |
JP2004217340A (ja) | 輸送計画作成システム及び方法 | |
CN113988770B (zh) | 运输车辆在途排队控制方法、装置以及电子设备 | |
WO2021228198A1 (zh) | 一种运单分配方法、装置、存储介质和电子设备 | |
JP2007119099A (ja) | 輸送計画作成システム | |
CN115049148A (zh) | 一种车辆调度方法、装置及服务器 | |
JP2009129262A (ja) | 排出量按分装置および排出量按分プログラム | |
JP2003285930A (ja) | 輸送計画作成方法およびシステム | |
CN113888083A (zh) | 一种货物的处理方法、装置、设备以及存储介质 | |
JP7496057B2 (ja) | 配達支援システム | |
JP2003104559A (ja) | 物流計画調整方法およびシステム | |
CN114493056B (zh) | 货物运输方法、系统、计算机设备和存储介质 | |
CN113723680B (zh) | 一种零担揽件自动调度方法和计算机设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |