CN117670257B - 一种订单分配方法、装置、电子设备及介质 - Google Patents
一种订单分配方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN117670257B CN117670257B CN202410130214.4A CN202410130214A CN117670257B CN 117670257 B CN117670257 B CN 117670257B CN 202410130214 A CN202410130214 A CN 202410130214A CN 117670257 B CN117670257 B CN 117670257B
- Authority
- CN
- China
- Prior art keywords
- cargo
- transport vehicle
- determining
- goods
- target
- 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 73
- 238000013507 mapping Methods 0.000 claims description 53
- 238000009825 accumulation Methods 0.000 claims description 15
- 238000004088 simulation Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012797 qualification Methods 0.000 abstract 1
- 239000000178 monomer Substances 0.000 description 12
- 230000006978 adaptation Effects 0.000 description 7
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 241000531116 Blitum bonus-henricus Species 0.000 description 2
- 235000008645 Chenopodium bonus henricus Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 235000012055 fruits and vegetables Nutrition 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及验收管理技术领域,尤其是涉及一种订单分配方法、装置、电子设备及介质,方法包括根据货物订单和运输车辆信息确定至少一个目标运输车辆和对应的货物运载量;确定每个目标运输车辆的模拟剩余运载空间模型,并根据货物订单和每个货物运载量,确定每个单体货物的模拟摆放位置;按照模拟摆放位置进行货物装载,得到每个目标运输车辆对应的摆放形态数据;当接收到验收指令时,确定每个目标运输车辆对应的AR堆积块;将每个目标运输车辆的AR堆积块进行合并,得到最终AR堆积块,当终AR堆积块和货物订单对应的待运输货物AR堆积块的匹配值高于预设匹配值时确定验收合格。本申请能够提升清点验收数据的准确性。
Description
技术领域
本申请涉及验收管理技术领域,尤其是涉及一种订单分配方法、装置、电子设备及介质。
背景技术
货物运输包含多种方式,如公路运输、铁路运输、水路运输以及航空运输等,其中,公路运输以其机动灵活、迅速方便以及能够提供门到门物流服务的优势,成为了货物运输的重要手段之一。在公路货物运输过程中可以根据运送货物的需求,选择对应的运输车辆进行运输,但是由于运输车辆的承载力有限,因此在利用运输车辆对订单中的货物进行运输时,可能会发生货物与车辆运载空间不匹配的情况,即,待运送货物可能无法装满运输车辆,或,运输车辆可能无法将全部待运送货物一次性运输,产生剩余待运送货物。
相关技术中,一般采用拼车的方式解决不匹配的问题,即,当不同的待运送货物均在同一运输路线或相近运输路线时,可采用拼车装载的方式在运输车辆中的剩余运载空间中装载其他货物,或将剩余待运送货物装载到其他运输车辆中的剩余运载空间中,利用较少的行程实现多个货物的运输,能够有效减少运输车辆的往返次数。但是,由于不同运输车辆的运输路线和行驶速度可能不同,当采用不同的运输车辆对同一货物进行运输时,不同运输车辆抵达同一地点的时间可能不同,因此可能会增加相关验收人员在对货物进行清点验收时的工作负担,从而可能会影响清点验收数据的准确性。
发明内容
为了降低相关验收人员在对货物进行清点验收时的工作负担,从而提升清点验收时的准确性,本申请提供了一种订单分配方法、装置、电子设备及介质,本申请提供一种订单分配方法、装置、电子设备及介质。
第一方面,本申请提供一种订单分配方法,采用如下的技术方案:
一种订单分配方法,包括:
获取货物订单,根据所述货物订单和运输车辆信息确定至少一个目标运输车辆和每个目标运输车辆对应的货物运载量,所述运输车辆信息包含每个运输车辆的运输路线、剩余运载空间以及运输货物类型;
基于每个目标运输车辆的剩余运载空间确定对应的模拟剩余运载空间模型,并根据所述货物订单和每个目标运输车辆对应的货物运载量,确定每个单体货物在对应模拟剩余运载空间模型中的模拟摆放位置,每个目标运输车辆对应的货物运载量由至少一个单体货物组成;
按照每个单体货物对应的模拟摆放位置,在每个目标运输车辆中进行货物装载,并得到每个目标运输车辆对应的摆放形态数据,每个目标运输车辆的摆放形态数据包含每个单体货物在对应目标运输车辆中的三维摆放坐标;
当接收到验收指令时,获取每个目标运输车辆的货物摆放图像,并基于每个目标运输车辆对应的货物摆放图像、摆放形态数据以及预设堆积规则,确定每个目标运输车辆对应的AR堆积块;
将每个目标运输车辆的AR堆积块进行合并,得到最终AR堆积块,并将所述最终AR堆积块和所述货物订单对应的待运输货物AR堆积块相匹配得到堆积块匹配值,当所述堆积块匹配值高于预设匹配值时,确定所述货物订单验收合格。
通过采用上述技术方案,通过分析运输车辆信息确定货物订单对应的目标运输车辆,以将货物订单对应的所有货物进行运输,通过在对货物装载前模拟出每个单体货物的模拟摆放位置,以便于在提升物品摆放规范性的同时减少货物之间的摆放空隙,从而可以提升运输速率,另外,在清点验收阶段通过单体货物在目标运输车辆中的摆放形态数据,生成对应的AR堆积块,再通过将合并后AR堆积块与货物订单对应待运输货物AR堆积块之间的匹配值,以验证货物运输前后是否存在差异,从而实现对货物进行清点验收,而不需要对每个目标运输车辆中运输的单体货物进行一一清点,从而可以减轻相关验收人员的工作负担,根据每个目标运输车辆的AR数据对货物进行清点验收,便于降低因人工清点导致的数据误差,从而可以提升清点验收数据的准确性。
在一种可能实现的方式中,该方法还包括:
根据所述每个目标运输车辆对应的货物运载量确定每个目标运输车辆之间的货物运载量比例,并根据预设映射关系确定对应的预设堆积规则,所述预设映射关系为货物运载量比例与预设堆积规则之间的对应关系;
根据所述预设堆积规则和所述货物订单生成待运输货物AR堆积块;
根据每个目标运输车辆对应的货物运载量生成对应的AR标识,并将每个AR标识叠加至所述待运输货物AR堆积块中,形成叠加AR堆积块;
将所述叠加AR堆积块进行反馈。
通过采用上述技术方案,通过每个目标运输车辆之间的货物运载量比例确定对应的预设堆积规则,并基于此生成对应的待运输货物AR堆积块,并不是按照同一堆积规则生成,便于提升生成的待运输货物AR堆积块与实际运输情况之间的适配度,再通过向生成的待运输货物AR堆积块中叠加AR标识,便于相关工作人员更直观清晰地查看生成的待运输货物AR堆积块。
在一种可能实现的方式中,所述根据所述货物订单和运输车辆信息确定至少一个目标运输车辆,包括:
识别所述货物订单中的订单运输路线、订单货物运输量以及订单货物类型;
将每个运输车辆的运输车辆信息与所述货物订单相匹配,得到每个运输车辆的运输匹配值,并将所述运输匹配值最高的运输车辆确定为首选运输车辆;
根据所述首选运输车辆对应的剩余运载空间、所述订单货物运输量和其他运输车辆的运输匹配值确定组合运输车辆,所述其他运输车辆为除所述首选运输车辆之外的运输车辆;
根据所述首选运输车辆和所述组合运输车辆确定至少一个目标运输车辆。
通过采用上述技术方案,通过将货物订单与运输车辆信息相匹配,便于确定出首选运输车辆,通过确定出首选运输车辆便于降低货物在运输过程中进行拼装的概率,由于货物拼装运输可能会影响货物运输速率,因此通过信息匹配的方式尽可能降低货物拼装运输的概率,当确定出首选运输车辆之后,仍需要进行拼装运输时,可再次通过匹配值进行二次选择,便于提升目标运输车辆与运输货物之间的适配度。
在一种可能实现的方式中,所述根据所述货物订单和每个目标运输车辆对应的货物运载量,确定每个单体货物在对应模拟剩余运载空间模型中的模拟摆放位置,包括:
将每个模拟剩余运载空间模型导入预设坐标系中,确定每个模拟剩余运载空间模型对应的剩余空间坐标信息;
根据所述货物订单确定每个单体货物的边长信息,并根据每个目标运输车辆对应的货物运载量、所述每个单体货物的边长信息以及每个剩余空间坐标信息,确定每个单体货物在对应模拟剩余运载空间模型中的三维摆放坐标;
根据每个单体货物的三维摆放坐标,确定每个单体货物在对应模拟剩余运载空间模型中的模拟摆放位置。
通过采用上述技术方案,通过在装载货物前确定每个单体货物的模拟摆放位置,便于提升货物摆放的规范性,并且,通过确定每个单体货物的摆放位置进行提前模拟,便于降低货物摆放时目标运输车辆中出现缝隙的概率,从而便于提升运输效率。
在一种可能实现的方式中,所述基于每个目标运输车辆对应的货物摆放图像、摆放形态数据以及预设堆积规则,确定每个目标运输车辆对应的AR堆积块,包括:
根据每个目标运输车辆对应的货物摆放图像和摆放形态数据,确定每个货物摆放图像中包含的单体货物信息,所述单体货物信息包括单体货物边长信息和数量;
根据所述预设堆积规则和每个货物摆放图像对应的单体货物信息,确定每个目标运输车辆对应的AR堆积块。
通过采用上述技术方案,通过根据清单验收阶段拍摄的货物摆放图像生成AR堆积块,再通过AR堆积块进行还原,最后根据还原结果对运输货物进行验收,而不是采用人工清点的方式对运输货物进行验收,通过AR还原比对便于降低人工清点过程中出现的数据误差,从而便于提升清点验收结果的准确性。
在一种可能实现的方式中,该方法还包括:
当接收到卸载指令时,根据所述卸载指令确定目标卸载车辆的车厢图像,并根据所述卸载指令,从所述车厢图像中识别待卸载单体货物;
获取所述目标卸载车辆对应的空间摆放模型,所述空间摆放模型是将所述目标卸载车辆对应的摆放形态数据叠加至对应的模拟剩余运载空间模型后生成的;
根据所述空间摆放模型生成物体卸载策略,并将所述物体卸载策略进行反馈。
通过采用上述技术方案,当需要对货物进行卸载时,不是对待卸载单体货物进行随意卸载,而是通过待卸载单体货物的三维摆放位置,为待卸载单体货物设定个性化卸载策略,便于提升卸载过程中的规范性。
在一种可能实现的方式中,当物体卸载策略有多个时,该方法还包括:
按照每个物体卸载策略驱动所述空间摆放模型进行卸载演示,并记录每个物体卸载策略对应的演示时长,根据每个演示时长和第一映射关系,确定每个物体卸载策略对应的演示分值,所述第一映射关系为演示时长和演示分值之间的对应关系;
识别每个物体卸载策略对应的卸载步骤,根据每个卸载步骤和第二映射关系,确定每个物体卸载策略对应的步骤分值,所述第二映射关系为卸载步骤和步骤分值之间的对应关系;
记录每个物体卸载策略对应的演示过程,并识别每个演示过程中隐患物体的出现次数,根据每个出现次数和第三映射关系,确定每个物体卸载策略对应的隐患分值,隐患物体为演示过程中出现预设特征的物体,所述第三映射关系为隐患物体的出现次数和隐患分值之间的对应关系;
根据每个物体卸载策略对应的演示分值、步骤分值以及隐患分值,确定目标物体卸载策略,并将所述目标物体卸载策略进行反馈。
通过采用上述技术方案,当存在多个物体卸载策略时,通过对每个物体卸载策略进行模拟演示,并根据模拟过程中记录的演示分值、步骤分值以及隐患分值,从多个物体卸载策略中进行筛选以确定目标物体卸载策略,通过使用确定出的目标物体卸载策略对货物进行卸载,便于提升卸载速率,并且便于降低卸载过程对其他货物造成的影响。
第二方面,本申请提供一种订单分配装置,采用如下的技术方案:
一种订单分配装置,包括:
确定目标运输车辆模块,用于获取货物订单,根据所述货物订单和运输车辆信息确定至少一个目标运输车辆和每个目标运输车辆对应的货物运载量,所述运输车辆信息包含每个运输车辆的运输路线、剩余运载空间以及运输货物类型;
确定模拟摆放位置模块,用于基于每个目标运输车辆的剩余运载空间确定对应的模拟剩余运载空间模型,并根据所述货物订单和每个目标运输车辆对应的货物运载量,确定每个单体货物在对应模拟剩余运载空间模型中的模拟摆放位置,每个目标运输车辆对应的货物运载量由至少一个单体货物组成;
确定摆放形态数据模块,用于按照每个单体货物对应的模拟摆放位置,在每个目标运输车辆中进行货物装载,并得到每个目标运输车辆对应的摆放形态数据,每个目标运输车辆的摆放形态数据包含每个单体货物在对应目标运输车辆中的三维摆放坐标;
确定AR堆积块模块,用于当接收到验收指令时,获取每个目标运输车辆的货物摆放图像,并基于每个目标运输车辆对应的货物摆放图像、摆放形态数据以及预设堆积规则,确定每个目标运输车辆对应的AR堆积块;
验收模块,用于将每个目标运输车辆的AR堆积块进行合并,得到最终AR堆积块,并将所述最终AR堆积块和所述货物订单对应的待运输货物AR堆积块相匹配得到堆积块匹配值,当所述堆积块匹配值高于预设匹配值时,确定所述货物订单验收合格。
通过采用上述技术方案,通过分析运输车辆信息确定货物订单对应的目标运输车辆,以将货物订单对应的所有货物进行运输,通过在对货物装载前模拟出每个单体货物的模拟摆放位置,以便于在提升物品摆放规范性的同时减少货物之间的摆放空隙,从而可以提升运输速率,另外,在清点验收阶段通过单体货物在目标运输车辆中的摆放形态数据,生成对应的AR堆积块,再通过将合并后AR堆积块与货物订单对应待运输货物AR堆积块之间的匹配值,以验证货物运输前后是否存在差异,从而实现对货物进行清点验收,而不需要对每个目标运输车辆中运输的单体货物进行一一清点,从而可以减轻相关验收人员的工作负担,根据每个目标运输车辆的AR数据对货物进行清点验收,便于降低因人工清点导致的数据误差,从而可以提升清点验收数据的准确性。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行上述订单分配方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,包括:存储有能够被处理器加载并执行上述订单分配方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:
通过分析运输车辆信息确定货物订单对应的目标运输车辆,以将货物订单对应的所有货物进行运输,通过在对货物装载前模拟出每个单体货物的模拟摆放位置,以便于在提升物品摆放规范性的同时减少货物之间的摆放空隙,从而可以提升运输速率,另外,在清点验收阶段通过单体货物在目标运输车辆中的摆放形态数据,生成对应的AR堆积块,再通过将合并后AR堆积块与货物订单对应待运输货物AR堆积块之间的匹配值,以验证货物运输前后是否存在差异,从而实现对货物进行清点验收,而不需要对每个目标运输车辆中运输的单体货物进行一一清点,从而可以减轻相关验收人员的工作负担,根据每个目标运输车辆的AR数据对货物进行清点验收,便于降低因人工清点导致的数据误差,从而可以提升清点验收数据的准确性。
通过每个目标运输车辆之间的货物运载量比例确定对应的预设堆积规则,并基于此生成对应的待运输货物AR堆积块,并不是按照同一堆积规则生成,便于提升生成的待运输货物AR堆积块与实际运输情况之间的适配度,再通过向生成的待运输货物AR堆积块中叠加AR标识,便于相关工作人员更直观清晰地查看生成的待运输货物AR堆积块。
附图说明
图1是本申请实施例中一种订单分配方法的流程示意图;
图2是本申请实施例中一种待运输货物AR堆积块示意图;
图3是本申请实施例中一种确定目标物体卸载策略方法的流程示意图;
图4是本申请实施例中一种订单分配装置的结构示意图;
图5是本申请实施例中一种电子设备的结构示意图。
具体实施方式
以下结合附图1-5对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,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,本领域普通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。
具体的,本申请实施例提供了一种订单分配方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制。
参考图1,图1是本申请实施例中一种订单分配方法的流程示意图,该方法包括步骤S110-步骤S150,其中:
步骤S110:获取货物订单,根据货物订单和运输车辆信息确定至少一个目标运输车辆和每个目标运输车辆对应的货物运载量,运输车辆信息包含每个运输车辆的运输路线、剩余运载空间以及运输货物类型。
具体的,货物订单可在相关用户下单货物后,自动上传至电子设备,还可以由相关工作人员手动录入至电子设备,具体的方式在本申请实施例中不做具体限定。
运输车辆信息可由相关路线规划人员完成路线分配后,上传至电子设备,不同的运输车辆对应的车辆类型可能不同,可以通过剩余运载空间确定每个运输车辆的车辆类型,当运输车辆的剩余运载空间与实际标准运载空间一致时,确定该运输车辆的车辆类型为整体类型,即该运输车辆中未运载其他货物;当运输车辆的剩余运载空间小于实际标准运载空间时,确定该运输车辆的车辆类型为拼装类型,即该运输车辆中可能运载有其他货物。每个运输车辆的运输路线为该运输车辆需要行驶的路线,由于不同的运输车辆运载的货物可能不同,并且,不同的运输车辆中运载的货物种类可能不同,例如,整体类型的运输车辆所运载的货物种类只有一种,而拼装类型的运输车辆所运载的货物种类可能有多种,当运载的货物在种类不一致时,对应的运载目的地也可能不同,因此,不同的运输车辆对应的运输路线不同,具体的运输路线可由相关路线规划人员根据实际情况进行分配后上传至电子设备。其中,运输车辆的实际标准运载空间与运输车辆型号相关。
货物订单中包含有待运输货物的货物类型和货物数量,根据货物订单确定的至少一个目标运输车辆能够将货物订单对应的货物运载完毕,至少一个目标运输车辆中可能包含整体类型的运输车辆和拼装类型的运输车辆,为了提升目标运输车辆与运输货物之间的适配度,根据货物订单和运输车辆信息确定至少一个目标运输车辆,具体包括:
识别货物订单中的订单运输路线、订单货物运输量以及订单货物类型;将每个运输车辆的运输车辆信息与货物订单相匹配,得到每个运输车辆的运输匹配值,并将运输匹配值最高的运输车辆确定为首选运输车辆;根据首选运输车辆对应的剩余运载空间、订单货物运输量和其他运输车辆的运输匹配值确定组合运输车辆,其他运输车辆为除首选运输车辆之外的运输车辆;根据首选运输车辆和组合运输车辆确定至少一个目标运输车辆。
具体的,货物订单中包含的订单运输路线为待运载货物对应的运载目的地,订单货物运输量为需要运载的货物数量,订单货物类型为需要运载的货物类型,例如,订单货物类型可以为生鲜、日用品以及果蔬等,由于在确定目标运输车辆时可能需要采用拼装的方式对需要运载的货物进行运载,并且不同的货物类型对应的运载条件可能不同,因此在确定目标运输车辆时需要基于货物订单中的订单货物类型进行选择。
将每个运输车辆的运输车辆信息与货物订单相匹配,即,将货物订单中的订单运输路线与每个运输车辆的运输路线进行匹配,得到路线匹配值;将货物订单中的订单货物运输量与每个运输车辆的剩余运载空间进行匹配,得到运输量匹配值;将货物订单中的订单货物类型与每个运输车辆的运输货物类型进行匹配,得到类型匹配值,将每个运输车辆的路线匹配值、运输量匹配值和类型匹配值进行求和计算,得到每个运输车辆的运输匹配值,按照从小到大或从大到小的顺序将每个运输车辆进行排序,得到运输车辆序列,并将运输匹配值最高的运输车辆确定为首选运输车辆。其中,当运输车辆的运输路线为空或剩余运载空间与运输车辆对应的实际标准运载空间一致时,表征该运输车辆为整体类型,也即该运输车辆未装载其他货物,此时可将该运输车辆的路线匹配值确定为100%。由于不同的运输车辆对应的实际标准运载空间不同,因此,即使运输车辆对应的剩余运载空间与对应的实际标准运载空间一致,当货物订单对应的订单货物运输量高于该运输车辆的实际标准运载空间时,该运输车辆对应的运输量匹配值并不是100%,而是需要进行具体匹配后才能确定。
其中,确定类型匹配值时,可根据订单货物类型、运输货物类型以及类型映射关系进行确定,其中类型映射关系中包含不同的类型匹配对所对应的类型匹配值,例如,类型匹配对可以为生鲜与日用品的类型匹配对,对应的类型匹配值为20%;类型匹配对还可以为生鲜与果蔬的类型匹配对,对应的类型匹配值为80%,类型映射关系的具体内容在本申请实施例中不做具体限定,可由相关技术人员进行设定。
首选运输车辆的剩余运载空间可能高于订单货物运输量,也可能低于订单货物运输量,当首选运输车辆的剩余运载空间低于订单货物运输量时,表征对货物订单中的货物进行运载时,除了首选运输车之外还需要其他运输车辆。可以从运输车辆序列中确定其他运输车辆,具体的确定方式可参考上述实施例中确定目标运输车辆的方式,在此不做赘述。组合运输车辆中可以包含一个运输车辆,也可以包含多个运输车辆,运输车辆的具体数量在本申请实施例中不做具体限定,可由相关技术人员进行设定。首选运输车辆和组合运输车辆中包含的运输车辆构成目标车辆,由于当首选运输车辆的剩余运载空间高于订单货物运输量时,不需要再基于运输序列确定组合运输车辆,因此最终确定出的目标运输车辆至少包含一个运输车辆。
目标运输车辆的货物运载量与每个目标运输车辆的剩余运载空间相对应,但并不是每个目标运输车辆的剩余运载空间均用于运载货物订单中的货物,例如,现有2个目标运输车辆a和目标运输车辆b,目标运输车辆a为整体类型,即目标车辆a的剩余运载空间与目标运输车辆a对应的实际标准运载空间一致,目标运输车辆a可将货物订单中的80%进行运载,剩余的20%货物可装载至目标运输车辆b中,但运输车辆b对应的剩余运载空间可以运载40%的货物,此时,确定目标运输车辆b对应的货物运载量为20%,并不是剩余运载空间对应的40%。
由于运输车辆的数量可能较多,若在每次根据货物订单确定目标运输车辆时,均将所有的运输车辆与货物订单进行匹配后再确定货物订单对应的目标运输车辆,则可能会产生较大的数据运算量,因此,在根据货物订单确定目标运输车辆时,可先根据运输车辆的运输路线与订单运输路线对应的路线匹配值,或运输车辆的剩余运载空间与订单货物运输量的运输量匹配值,或运输车辆的运输货物类型与订单货物类型的类型匹配值,对多个运输车辆进行筛选,例如,现有运输车辆1、运输车辆2、运输车辆3以及运输车辆4,从4个运输车辆中确定目标运输车辆时,需要将每个运输车辆的运输车辆信息与货物订单相匹配,得到每个运输车辆的路线匹配值、运输量匹配值以及类型匹配值,再基于此确定目标运输车辆,但是要对多个运输车辆对应的多个匹配值进行计算时,可能会导致计算机的运算压力增大,本申请中可通过在确定目标运输车辆时,对候选运输车辆进行筛选,即对运输车辆1、运输车辆2、运输车辆3以及运输车辆4进行筛选,若运输车辆1和运输车辆2对应的路线匹配值低于预设最低匹配值,则不需要再对运输车辆1和运输车辆2进行进一步匹配,而是将运输车辆1和运输车辆2从候选运输车辆中剔除,直接对运输车辆3和运输车辆4进行进一步匹配,以减少计算机的运算压力,其中,具体的预设最低匹配值在本申请实施例中不做具体限定,可由相关技术人员进行设定。
通过将货物订单与运输车辆信息相匹配,便于确定出首选运输车辆,通过确定出首选运输车辆便于降低货物在运输过程中进行拼装的概率,由于货物拼装运输可能会影响货物运输速率,因此通过信息匹配的方式尽可能降低货物拼装运输的概率,当确定出首选运输车辆之后,仍需要进行拼装运输时,可再次通过匹配值进行二次选择,便于提升目标运输车辆与运输货物之间的适配度。
步骤S120:基于每个目标运输车辆的剩余运载空间确定对应的模拟剩余运载空间模型,并根据货物订单和每个目标运输车辆对应的货物运载量,确定每个单体货物在对应模拟剩余运载空间模型中的模拟摆放位置,每个目标运输车辆对应的货物运载量由至少一个单体货物组成。
具体的,确定每个目标运输车辆对应的模拟剩余运载空间模型时,可先获取每个运输车辆的内部图像,运输车辆的内部图像可由设置于车厢内的图像采集设备进行采集后,上传至电子设备,通过识别每个目标运输车辆对应的内部图像,识别出每个运输车辆的剩余运载空间,并根据每个运输车辆对应的车厢尺寸信息和每个运输车辆的剩余运载空间确定对应的模拟剩余运载空间模型,确定模拟剩余运载空间模型时,可以根据车厢尺寸信息和对应的剩余运载空间,从多个预设空间模型中筛选,还可以根据车厢尺寸信息和对应的剩余运载空间直接构建,确定模拟剩余运载空间模型的方式在本申请实施例中不做具体限定,可由相关技术人员进行设定。单体货物为货物订单对应的最小装载单位对应的货物,例如,一箱货物。
根据货物订单可确定出每个单体货物的尺寸信息,根据模拟剩余运载空间模型和每个单体货物的尺寸信息,确定每个单体货物在模拟剩余运载空间模型的摆放位置,以对实际装载过程对应的装载策略进行模拟,以降低装载过程中出现摆放缝隙过大等情况,具体的,根据货物订单和每个目标运输车辆对应的货物运载量,确定每个单体货物在对应模拟剩余运载空间模型中的模拟摆放位置,包括:
将每个模拟剩余运载空间模型导入预设坐标系中,确定每个模拟剩余运载空间模型对应的剩余空间坐标信息;根据货物订单确定每个单体货物的边长信息,并根据每个目标运输车辆对应的货物运载量、每个单体货物的边长信息以及每个剩余空间坐标信息,确定每个单体货物在对应模拟剩余运载空间模型中的三维摆放坐标;根据每个单体货物的三维摆放坐标,确定每个单体货物在对应模拟剩余运载空间模型中的模拟摆放位置。
具体的,模拟剩余运载空间模型对应的剩余空间坐标信息,包含有模拟剩余运载空间中的每个立体点位的三维坐标信息,根据每个单体货物的边长信息可确定出每个单体货物对应的单体三维空间,按照剩余空间坐标信息和每个目标运输车辆对应的货物运载量,将每个单体三维空间在模拟剩余运载空间模型中进行堆积,能够得到每个单体货物的堆积位置,根据每个堆积位置对应的三维坐标信息,确定堆积位置对应单体货物的中心点坐标,并将中心坐标确定为每个单体货物的三维摆放坐标。其中,由于不同的目标运输车辆对应车厢的尺寸信息不同,因此不同的目标运输车辆对应模拟剩余运载空间模型的预设坐标系可能不同,可根据坐标系映射关系和模拟剩余运载空间模型,确定每个模拟剩余运载空间模型对应的预设坐标系,其坐标系映射关系中包含有不同的模拟剩余空间模型对应的坐标系,坐标系映射关系的具体内容在本申请实施例中不做具体限定,可由相关技术人员进行设定。通过在实际摆放货物前对货物在对应目标运输车辆中的摆放位置进行模拟,便于提升每个目标运输车辆的压箱率。
步骤S130:按照每个单体货物对应的模拟摆放位置,在每个目标运输车辆中进行货物装载,并得到每个目标运输车辆对应的摆放形态数据,每个目标运输车辆的摆放形态数据包含每个单体货物在对应目标运输车辆中的三维摆放坐标。
具体的,每个单体货物的模拟摆放位置为每个单体货物在对应模拟剩余运载空间模型中的模拟位置,确定每个模拟位置的中心点坐标,并将每个中心点坐标确定为每个单体货物的三维摆放坐标,按照每个单体货物的模拟摆放位置对其进行装载时,可将每个单体货物进行编号,并根据每个三维摆放坐标将每个编号对应的单体货物进行装载。
步骤S140:当接收到验收指令时,获取每个目标运输车辆的货物摆放图像,并基于每个目标运输车辆对应的货物摆放图像、摆放形态数据以及预设堆积规则,确定每个目标运输车辆对应的AR堆积块。
具体的,验收指令可由相关验收人员在需要对目标运输车辆中运载的货物进行验收时发出,预设堆积规则为货物订单对应的货物摆放形态,即,在将货物订单对应的单体货物进行运载之前,货物订单中所有单体货物的摆放形态。例如,预设堆积规则可以为3*4,即,横向摆放3件单体货物,纵向摆放4件单体货物,向上堆积、也可以为4*5,即,横向摆放4件单体货物,纵向摆放5件单体货物,向上堆积,具体的预设堆积规则在本申请实施例中不做具体限定,可由相关技术人员进行设定。
在接收到验收指令后,并不是直接对目标运输车辆中运载的货物数量进行一一清点,而是根据目标运输车辆对应的货物摆放图像以及摆放形态数据,按照预设堆积规则进行堆积还原。每个AR堆积块为对应目标运输车辆中所有货物在运载前的货物堆积块中的堆积摆放形态。
为了对货物订单中的每个单体货物进行定向追踪,在将货物订单中的每个单体货物装载至对应目标运输车辆之前,会将货物订单对应的货物堆积堆积块进行划分,具体还包括:
根据每个目标运输车辆对应的货物运载量确定每个目标运输车辆之间的货物运载量比例,并根据预设映射关系确定对应的预设堆积规则,预设映射关系为货物运载量比例与预设堆积规则之间的对应关系;根据预设堆积规则和货物订单生成待运输货物AR堆积块;根据每个目标运输车辆对应的货物运载量生成对应的AR标识,并将每个AR标识叠加至待运输货物AR堆积块中,形成叠加AR堆积块;将叠加AR堆积块进行反馈。
具体的,将每个目标运输车对应的货物运载量进行对比,可直接确定出目标运输车辆之间的货物运载量比例,由于目标运输车辆中包含整体类型和拼装类型,因此,不同的目标运输车辆对应的货物运载量可能不同。由于预设堆积规则用于表征待运输货物的堆积状态,为了便于对货物订单中的货物进行定向追踪,在本申请实施例中会按照预设堆积规则对应的待运输货物AR堆积块进行装货,为了便于验证,可能会将待运输货物AR堆积块进行划分后再进行装载,不同的划分堆积块可能装载至同一目标运输车辆中,也可能装载至不同的目标运输车辆中,如图2所示,划分堆积块A和划分堆积块B装载至目标运输车1中,划分堆积块C装载至目标运输车辆2中。
为了便于后续划分和装载,可在确定货物订单对应的预设堆积规则时,基于每个目标运输车辆之间的货物运载量比例进行确定,如图2中,例如,目标运输车辆的货物运载量比例为2:1:1,当单体货物的长度与宽度一致时,可确定预设堆积规则对应的单体货物摆放形态为12*6,即按照横向摆放12个单体货物,纵向摆放6个单体货物,向上堆积,待运输货物AR堆积块可以平均分为4部分,每个划分堆积块中对应的单体货物摆放形态为6*6,即按照横向摆放6个单体货物,纵向摆放6个单体货物,向上堆积,其中,可将划分堆积块A和划分堆积块B装载至目标运输车辆1中,划分堆积块C装载至目标运输车辆2中,划分堆积块D装载至目标运输车辆3中。例如,当目标运输车辆的货物运载量比例为3:2:1时,需要将待运输货物AR堆积块平均划分为6部分,每部分对应的货物摆放形态为4*6,即按照横向摆放4个单体货物,纵向摆放6个单体货物,向上堆积。
由于预设堆积规则为单体货物的摆放规则,并且单体货物的尺寸可能并非正方体,若按照随机堆积规则进行单体货物摆放,则可能会导致货物堆积块无法随意分割,从而可能会导致装载过程中无法按照划分堆积块进行装载。预设映射关系中包含有不同的货物运载比例对应的预设堆积规则,具体内容在本申请实施例中不做具体限定,可由相关技术人员进行设定。
进一步地,基于每个目标运输车辆对应的货物摆放图像和摆放形态数据,确定每个目标运输车辆对应的AR堆积块,包括:根据每个目标运输车辆对应的货物摆放图像和摆放形态数据,确定每个货物摆放图像中包含的单体货物信息,单体货物信息包括单体货物边长信息和数量;根据预设堆积规则和每个货物摆放图像对应的单体货物信息,确定每个目标运输车辆对应的AR堆积块。
具体的,根据货物摆放图像能够定位出位于表面的单体货物信息,但由于单体货物在目标运输车辆中为堆积状态,因此,可能会有一些非表面位置不能直接由货物摆放图像进行确认,此时依据目标运输车辆对应的摆放形态数据对非表面的单体货物信息进行确定,通过货物摆放图像和摆放形态数据结合的方式确定目标运输车辆对应的单体货物信息,再基于单体货物信息确定AR堆积块,能够降低验收过程中出现验收失误的情况出现的概率,从而能够提升验收结果的准确性。
确定出目标运输车对应的单体货物信息后,可根据预设堆积规则进行还原,得到每个目标运输车辆对应的AR堆积块,其中,预设堆积规则中除了包含有单体货物在待运输货物AR堆积块中的摆放形态,还包括划分规则,即,按照预设堆积规则进行还原后,可以得到每个目标运输车辆对应的划分AR堆积块,若还原后的AR堆积块与划分AR堆积块一致,则表征该目标运输车辆在运输过程中未发生货物丢失。
生成AR标识前,先根据每个目标运输车辆的货物运载量将货物堆积块对应的待运输货物AR堆积块进行均等划分,再确定每个目标运输车辆的划分AR堆积块,由于不同的目标运输车辆对应的货物运载量不同,因此不同的目标运输车辆对应的划分AR堆积块数量可能不同。
AR标识可以为每个目标运输车辆的车辆编号,可为同一目标运输车辆对应的划分AR堆积块叠加同一AR标识,也可以为每个划分AR堆积块均叠加一个AR标识,具体的叠加方式在本申请实施例中不做具体限定,可由相关技术人员进行设定。叠加AR堆积块中包含有每个划分AR堆积块,以及每个AR堆积块对应的AR标识,通过每个目标运输车辆之间的货物运载量比例确定对应的预设堆积规则,并基于此生成对应的待运输货物AR堆积块,并不是按照同一堆积规则生成,便于提升生成的待运输货物AR堆积块与实际运输情况之间的适配度,再通过向生成的待运输货物AR堆积块中叠加AR标识,便于相关工作人员更直观清晰地查看生成的待运输货物AR堆积块。
步骤S150:将每个目标运输车辆的AR堆积块进行合并,得到最终AR堆积块,并将最终AR堆积块和货物订单对应的待运输货物AR堆积块相匹配得到堆积块匹配值,当堆积块匹配值高于预设匹配值时,确定货物订单验收合格。
具体的,步骤S140中确定出的AR堆积块,为根据目标运输车辆的货物摆放图像还原成的AR堆积块。当还原成的AR堆积块与目标运输车辆对应的划分AR堆积块一致,则表征该目标运输车辆的运输过程中未发生货物丢失。为了验证货物订单对应的所有货物是否均未丢失,本申请实施例中通过将每个目标运输车中所运载的货物进行还原后,得到每个目标运输车辆的AR堆积块,再将每个目标运输车辆对应的AR堆积块进行合并,得到最终堆积块,若最终堆积块与货物订单对应的待运输货物AR堆积块一致,则表征货物订单对应的所有目标运输车辆在运输过程中均未发生货物丢失的情况,即,可证明货物订单验收合格。
通过分析运输车辆信息确定货物订单对应的目标运输车辆,以将货物订单对应的所有货物进行运输,通过在对货物装载前模拟出每个单体货物的模拟摆放位置,以便于在提升物品摆放规范性的同时减少货物之间的摆放空隙,从而可以提升运输速率,另外,在清点验收阶段通过单体货物在目标运输车辆中的摆放形态数据,生成对应的AR堆积块,再通过将合并后AR堆积块与货物订单对应待运输货物AR堆积块之间的匹配值,以验证货物运输前后是否存在差异,从而实现对货物进行清点验收,而不需要对每个目标运输车辆中运输的单体货物进行一一清点,从而可以减轻相关验收人员的工作负担,根据每个目标运输车辆的AR数据对货物进行清点验收,便于降低因人工清点导致的数据误差,从而可以提升清点验收数据的准确性。
进一步地,为了提升卸载过程中的规范性,该方法还包括:
当接收到卸载指令时,根据卸载指令确定目标卸载车辆的车厢图像,并根据卸载指令,从车厢图像中识别待卸载单体货物;获取目标卸载车辆对应的空间摆放模型,空间摆放模型是将目标卸载车辆对应的摆放形态数据叠加至对应的模拟剩余运载空间模型后生成的;根据空间摆放模型生成物体卸载策略,并将物体卸载策略进行反馈。
具体的,卸载指令可由相关卸载人员需要将目标运输车辆中的货物进行卸载时,发送至电子设备,卸载指令中包含有待卸载货物标识,通过待卸载货物标识从车辆图像中能够识别出待卸载货物在目标运输车辆中的摆放区域,由于目标运输车辆的车辆类型可能为整体类型,也可以为拼装类型,当车辆类型为拼装类型时,目标运输车辆中包含的货物可能有多种,因此需要在生成物体卸载策略前,根据卸载指令确定出待卸载货物在目标运输车辆中的摆放区域,从而避免出现货物卸载失误的情况。
目标卸载车辆为卸载指令对应的目标运输车辆,将目标卸载车辆对应的摆放形态数据,即待卸载货物在目标卸载车辆中的摆放形态数据叠加至对应的模拟剩余运载空间模型中即可得到目标卸载车辆对应的空间摆放模型,目标卸载车辆对应的空间摆放模型可用于对货物卸载过程进行模拟和演示,根据模拟结果确定出卸载策略,通过待卸载单体货物的三维摆放位置,为待卸载单体货物设定个性化卸载策略,便于提升卸载过程中的规范性。
进一步地,当物体卸载策略有多个时,该方法还包括:步骤S1-步骤S4,如图3所示,其中:
步骤S1:按照每个物体卸载策略驱动空间摆放模型进行卸载演示,并记录每个物体卸载策略对应的演示时长,根据每个演示时长和第一映射关系,确定每个物体卸载策略对应的演示分值,第一映射关系为演示时长和演示分值之间的对应关系。
具体的,根据物体卸载策略驱动空间摆放模型进行卸载演示,即按照物体卸载策略移动空间摆放模型中每个单体货物,并记录卸载演示过程,直至目标卸载车辆的空间摆放模型中所有单体货物均进行了移动,演示时长越长对应的演示分值越低,第一映射关系中包含有不同的演示时长对应的演示分值,第一映射关系的具体内容在本申请实施例中不做限定,可由相关技术人员进行设定。
步骤S2:识别每个物体卸载策略对应的卸载步骤,根据每个卸载步骤和第二映射关系,确定每个物体卸载策略对应的步骤分值,第二映射关系为卸载步骤和步骤分值之间的对应关系。
具体的,由于在卸载过程中,可能单次卸载一个单体货物,也可能单次卸载多个单体货物,因此卸载步骤与单体货物的数量可能不同,具体的卸载数量可由相关技术人员根据单体货物的边长信息进行设定,在本申请实施例中不做限定。根据卸载演示过程确定对应的卸载步骤,卸载步骤越多对应的步骤分值越低,第二映射关系中包含有不同数量的卸载步骤对应的步骤分值,具体内容在本申请实施例中不进行限定,可由相关技术人员进行设定。为了便于识别卸载步骤,在基于卸载策略进行演示过程中,可在每个卸载步骤完成之后叠加步骤标识,最终可通过查看步骤标识的数量确定卸载步骤的数量。
步骤S3:记录每个物体卸载策略对应的演示过程,并识别每个演示过程中隐患物体的出现次数,根据每个出现次数和第三映射关系,确定每个物体卸载策略对应的隐患分值,隐患物体为演示过程中出现预设特征的物体,第三映射关系为隐患物体的出现次数和隐患分值之间的对应关系。
具体的,预设特征可以为底部悬空,具体的预设特征在本申请实施例中不做限定,可由相关技术人员进行限定,当卸载过程中,某单体货物出现了预设特征对应的现象,则表征该单体货物可能会在卸载过程出现摇晃、坍塌等情况,出现次数越多表征对应卸载策略的隐患分值分值越低,第三映射关系中包含有隐患物体不同的出现次数对应的隐患分值,其中隐患物体为出现预设特征的所有物体,第三映射关系的具体内容在本申请实施例中不做具体限定,可由相关技术人员进行设定。
步骤S4:根据每个物体卸载策略对应的演示分值、步骤分值以及隐患分值,确定目标物体卸载策略,并将目标物体卸载策略进行反馈。
具体的,计算每个物体卸载策略对应演示分值、步骤分值以及隐患分值之和,将总分值最高的物体卸载策略确定为目标物体卸载策略。通过使用确定出的目标物体卸载策略对货物进行卸载,便于提升卸载速率,并且便于降低卸载过程对其他货物造成的影响。
上述实施例从方法流程的角度介绍一种订单分配方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种订单分配装置,具体详见下述实施例。
本申请实施例提供一种订单分配装置,如图4所示,该装置具体可以包括:
确定目标运输车辆模块410,用于获取货物订单,根据货物订单和运输车辆信息确定至少一个目标运输车辆和每个目标运输车辆对应的货物运载量,运输车辆信息包含每个运输车辆的运输路线、剩余运载空间以及运输货物类型;
确定模拟摆放位置模块420,用于基于每个目标运输车辆的剩余运载空间确定对应的模拟剩余运载空间模型,并根据货物订单和每个目标运输车辆对应的货物运载量,确定每个单体货物在对应模拟剩余运载空间模型中的模拟摆放位置,每个目标运输车辆对应的货物运载量由至少一个单体货物组成;
确定摆放形态数据模块430,用于按照每个单体货物对应的模拟摆放位置,在每个目标运输车辆中进行货物装载,并得到每个目标运输车辆对应的摆放形态数据,每个目标运输车辆的摆放形态数据包含每个单体货物在对应目标运输车辆中的三维摆放坐标;
确定AR堆积块模块440,用于当接收到验收指令时,获取每个目标运输车辆的货物摆放图像,并基于每个目标运输车辆对应的货物摆放图像、摆放形态数据以及预设堆积规则,确定每个目标运输车辆对应的AR堆积块;
验收模块450,用于将每个目标运输车辆的AR堆积块进行合并,得到最终AR堆积块,并将最终AR堆积块和货物订单对应的待运输货物AR堆积块相匹配得到堆积块匹配值,当堆积块匹配值高于预设匹配值时,确定货物订单验收合格。
在一种可能实现的方式中,该装置还包括:
确定堆积规则模块,用于根据每个目标运输车辆对应的货物运载量确定每个目标运输车辆之间的货物运载量比例,并根据预设映射关系确定对应的预设堆积规则,预设映射关系为货物运载量比例与预设堆积规则之间的对应关系;
生成待运输货物AR堆积块模块,用于根据预设堆积规则和货物订单生成待运输货物AR堆积块;
形成叠加AR堆积块模块,用于根据每个目标运输车辆对应的货物运载量生成对应的AR标识,并将每个AR标识叠加至待运输货物AR堆积块中,形成叠加AR堆积块;
反馈模块,用于将叠加AR堆积块进行反馈。
在一种可能实现的方式中,确定目标运输车辆模块在根据货物订单和运输车辆信息确定至少一个目标运输车辆时,具体用于:
识别货物订单中的订单运输路线、订单货物运输量以及订单货物类型;
将每个运输车辆的运输车辆信息与货物订单相匹配,得到每个运输车辆的运输匹配值,并将运输匹配值最高的运输车辆确定为首选运输车辆;
根据首选运输车辆对应的剩余运载空间、订单货物运输量和其他运输车辆的运输匹配值确定组合运输车辆,其他运输车辆为除首选运输车辆之外的运输车辆;
根据首选运输车辆和组合运输车辆确定至少一个目标运输车辆。
在一种可能实现的方式中,确定模拟摆放位置模块在根据货物订单和每个目标运输车辆对应的货物运载量,确定每个单体货物在对应模拟剩余运载空间模型中的模拟摆放位置时,具体用于:
将每个模拟剩余运载空间模型导入预设坐标系中,确定每个模拟剩余运载空间模型对应的剩余空间坐标信息;
根据货物订单确定每个单体货物的边长信息,并根据每个目标运输车辆对应的货物运载量、每个单体货物的边长信息以及每个剩余空间坐标信息,确定每个单体货物在对应模拟剩余运载空间模型中的三维摆放坐标;
根据每个单体货物的三维摆放坐标,确定每个单体货物在对应模拟剩余运载空间模型中的模拟摆放位置。
在一种可能实现的方式中,确定AR堆积块模块在基于每个目标运输车辆对应的货物摆放图像、摆放形态数据以及预设堆积规则,确定每个目标运输车辆对应的AR堆积块时,具体用于:
根据每个目标运输车辆对应的货物摆放图像和摆放形态数据,确定每个货物摆放图像中包含的单体货物信息,单体货物信息包括单体货物边长信息和数量;
根据预设堆积规则和每个货物摆放图像对应的单体货物信息,确定每个目标运输车辆对应的AR堆积块。
在一种可能实现的方式中,该装置还包括:
识别卸载物体模块,用于当接收到卸载指令时,根据卸载指令确定目标卸载车辆的车厢图像,并根据卸载指令,从车厢图像中识别待卸载单体货物;
确定空间摆放模型模块,用于获取目标卸载车辆对应的空间摆放模型,空间摆放模型是将目标卸载车辆对应的摆放形态数据叠加至对应的模拟剩余运载空间模型后生成的;
生成卸载策略模块,用于根据空间摆放模型生成物体卸载策略,并将物体卸载策略进行反馈。
在一种可能实现的方式中,当物体卸载策略有多个时,该装置还包括:
确定演示分值模块,用于按照每个物体卸载策略驱动空间摆放模型进行卸载演示,并记录每个物体卸载策略对应的演示时长,根据每个演示时长和第一映射关系,确定每个物体卸载策略对应的演示分值,第一映射关系为演示时长和演示分值之间的对应关系;
确定步骤分值模块,用于识别每个物体卸载策略对应的卸载步骤,根据每个卸载步骤和第二映射关系,确定每个物体卸载策略对应的步骤分值,第二映射关系为卸载步骤和步骤分值之间的对应关系;
确定隐患分值模块,用于记录每个物体卸载策略对应的演示过程,并识别每个演示过程中隐患物体的出现次数,根据每个出现次数和第三映射关系,确定每个物体卸载策略对应的隐患分值,隐患物体为演示过程中出现预设特征的物体,第三映射关系为隐患物体的出现次数和隐患分值之间的对应关系;
确定目标物体卸载策略模块,用于根据每个物体卸载策略对应的演示分值、步骤分值以及隐患分值,确定目标物体卸载策略,并将目标物体卸载策略进行反馈。
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,上述描述的订单分配装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例中提供了一种电子设备,如图5所示,图5所示的电子设备500包括:处理器501和存储器503。其中,处理器501和存储器503相连,如通过总线502相连。可选地,电子设备500还可以包括收发器504。需要说明的是,实际应用中收发器504不限于一个,该电子设备500的结构并不构成对本申请实施例的限定。
处理器501可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器501也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线502可包括一通路,在上述组件之间传送信息。总线502可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线502可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器503可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器503用于存储执行本申请方案的应用程序代码,并由处理器501来控制执行。处理器501用于执行存储器503中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于: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。还可以为服务器等。图5示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。
应该理解的是,虽然附图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,其可以以其他的顺序执行。而且,附图的流程图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,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他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。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (5)
1.一种订单分配方法,其特征在于,包括:
获取货物订单,根据所述货物订单和运输车辆信息确定至少一个目标运输车辆和每个目标运输车辆对应的货物运载量,所述运输车辆信息包含每个运输车辆的运输路线、剩余运载空间以及运输货物类型;
基于每个目标运输车辆的剩余运载空间确定对应的模拟剩余运载空间模型,并根据所述货物订单和每个目标运输车辆对应的货物运载量,确定每个单体货物在对应模拟剩余运载空间模型中的模拟摆放位置,每个目标运输车辆对应的货物运载量由至少一个单体货物组成;
按照每个单体货物对应的模拟摆放位置,在每个目标运输车辆中进行货物装载,并得到每个目标运输车辆对应的摆放形态数据,每个目标运输车辆的摆放形态数据包含每个单体货物在对应目标运输车辆中的三维摆放坐标;
当接收到验收指令时,获取每个目标运输车辆的货物摆放图像,并基于每个目标运输车辆对应的货物摆放图像、摆放形态数据以及预设堆积规则,确定每个目标运输车辆对应的AR堆积块,货物订单对应的预设堆积规则是基于每个目标运输车辆之间的货物运载量比例确定的;
将每个目标运输车辆的AR堆积块进行合并,得到最终AR堆积块,并将所述最终AR堆积块和所述货物订单对应的待运输货物AR堆积块相匹配得到堆积块匹配值,当所述堆积块匹配值高于预设匹配值时,确定所述货物订单验收合格;
其中,根据所述货物订单和运输车辆信息确定至少一个目标运输车辆和每个目标运输车辆对应的货物运载量,包括:
识别所述货物订单中的订单运输路线、订单货物运输量以及订单货物类型;将每个运输车辆的运输车辆信息与所述货物订单相匹配,得到每个运输车辆的运输匹配值,并将所述运输匹配值最高的运输车辆确定为首选运输车辆;根据所述首选运输车辆对应的剩余运载空间、所述订单货物运输量和其他运输车辆的运输匹配值确定组合运输车辆,所述其他运输车辆为除所述首选运输车辆之外的运输车辆;根据所述首选运输车辆和所述组合运输车辆确定至少一个目标运输车辆;
将货物订单中的每个单体货物装载至对应目标运输车辆之前,将货物订单对应的货物堆积堆积块进行划分,货物订单对应的货物堆积块的划分过程,包括:根据所述每个目标运输车辆对应的货物运载量确定每个目标运输车辆之间的货物运载量比例,并根据预设映射关系确定对应的预设堆积规则,所述预设映射关系为货物运载量比例与预设堆积规则之间的对应关系;根据所述预设堆积规则和所述货物订单生成待运输货物AR堆积块;根据每个目标运输车辆对应的货物运载量生成对应的AR标识,并将每个AR标识叠加至所述待运输货物AR堆积块中,形成叠加AR堆积块;将所述叠加AR堆积块进行反馈;
其中,所述基于每个目标运输车辆对应的货物摆放图像、摆放形态数据以及预设堆积规则,确定每个目标运输车辆对应的AR堆积块,包括:
根据每个目标运输车辆对应的货物摆放图像和摆放形态数据,确定每个货物摆放图像中包含的单体货物信息,所述单体货物信息包括单体货物边长信息和数量;根据所述预设堆积规则和每个货物摆放图像对应的单体货物信息,还原每个目标运输车辆对应的AR堆积块;
其中,还包括:当接收到卸载指令时,根据所述卸载指令确定目标卸载车辆的车厢图像,并根据所述卸载指令,从所述车厢图像中识别待卸载单体货物;获取所述目标卸载车辆对应的空间摆放模型,所述空间摆放模型是将所述目标卸载车辆对应的摆放形态数据叠加至对应的模拟剩余运载空间模型后生成的;根据所述空间摆放模型生成物体卸载策略,并将所述物体卸载策略进行反馈;
当物体卸载策略有多个时,还包括:按照每个物体卸载策略驱动所述空间摆放模型进行卸载演示,并记录每个物体卸载策略对应的演示时长,根据每个演示时长和第一映射关系,确定每个物体卸载策略对应的演示分值,所述第一映射关系为演示时长和演示分值之间的对应关系;识别每个物体卸载策略对应的卸载步骤,根据每个卸载步骤和第二映射关系,确定每个物体卸载策略对应的步骤分值,所述第二映射关系为卸载步骤和步骤分值之间的对应关系;记录每个物体卸载策略对应的演示过程,并识别每个演示过程中隐患物体的出现次数,根据每个出现次数和第三映射关系,确定每个物体卸载策略对应的隐患分值,隐患物体为演示过程中出现预设特征的物体,所述第三映射关系为隐患物体的出现次数和隐患分值之间的对应关系;根据每个物体卸载策略对应的演示分值、步骤分值以及隐患分值,确定目标物体卸载策略,并将所述目标物体卸载策略进行反馈。
2.根据权利要求1所述的一种订单分配方法,其特征在于,所述根据所述货物订单和每个目标运输车辆对应的货物运载量,确定每个单体货物在对应模拟剩余运载空间模型中的模拟摆放位置,包括:
将每个模拟剩余运载空间模型导入预设坐标系中,确定每个模拟剩余运载空间模型对应的剩余空间坐标信息;
根据所述货物订单确定每个单体货物的边长信息,并根据每个目标运输车辆对应的货物运载量、所述每个单体货物的边长信息以及每个剩余空间坐标信息,确定每个单体货物在对应模拟剩余运载空间模型中的三维摆放坐标;
根据每个单体货物的三维摆放坐标,确定每个单体货物在对应模拟剩余运载空间模型中的模拟摆放位置。
3.一种订单分配装置,其特征在于,包括:
确定目标运输车辆模块,用于获取货物订单,根据所述货物订单和运输车辆信息确定至少一个目标运输车辆和每个目标运输车辆对应的货物运载量,所述运输车辆信息包含每个运输车辆的运输路线、剩余运载空间以及运输货物类型;
确定模拟摆放位置模块,用于基于每个目标运输车辆的剩余运载空间确定对应的模拟剩余运载空间模型,并根据所述货物订单和每个目标运输车辆对应的货物运载量,确定每个单体货物在对应模拟剩余运载空间模型中的模拟摆放位置,每个目标运输车辆对应的货物运载量由至少一个单体货物组成;
确定摆放形态数据模块,用于按照每个单体货物对应的模拟摆放位置,在每个目标运输车辆中进行货物装载,并得到每个目标运输车辆对应的摆放形态数据,每个目标运输车辆的摆放形态数据包含每个单体货物在对应目标运输车辆中的三维摆放坐标;
确定AR堆积块模块,用于当接收到验收指令时,获取每个目标运输车辆的货物摆放图像,并基于每个目标运输车辆对应的货物摆放图像、摆放形态数据以及预设堆积规则,确定每个目标运输车辆对应的AR堆积块,货物订单对应的预设堆积规则是基于每个目标运输车辆之间的货物运载量比例确定的;
验收模块,用于将每个目标运输车辆的AR堆积块进行合并,得到最终AR堆积块,并将所述最终AR堆积块和所述货物订单对应的待运输货物AR堆积块相匹配得到堆积块匹配值,当所述堆积块匹配值高于预设匹配值时,确定所述货物订单验收合格;
其中,确定目标运输车辆模块在根据所述货物订单和运输车辆信息确定至少一个目标运输车辆和每个目标运输车辆对应的货物运载量时,具体用于:
识别所述货物订单中的订单运输路线、订单货物运输量以及订单货物类型;将每个运输车辆的运输车辆信息与所述货物订单相匹配,得到每个运输车辆的运输匹配值,并将所述运输匹配值最高的运输车辆确定为首选运输车辆;根据所述首选运输车辆对应的剩余运载空间、所述订单货物运输量和其他运输车辆的运输匹配值确定组合运输车辆,所述其他运输车辆为除所述首选运输车辆之外的运输车辆;根据所述首选运输车辆和所述组合运输车辆确定至少一个目标运输车辆;
将货物订单中的每个单体货物装载至对应目标运输车辆之前,将货物订单对应的货物堆积堆积块进行划分,该装置还包括:
确定堆积规则模块,用于根据所述每个目标运输车辆对应的货物运载量确定每个目标运输车辆之间的货物运载量比例,并根据预设映射关系确定对应的预设堆积规则,所述预设映射关系为货物运载量比例与预设堆积规则之间的对应关系;
生成待运输货物AR堆积块模块,用于根据所述预设堆积规则和所述货物订单生成待运输货物AR堆积块;
形成叠加AR堆积块模块,用于根据每个目标运输车辆对应的货物运载量生成对应的AR标识,并将每个AR标识叠加至所述待运输货物AR堆积块中,形成叠加AR堆积块;
反馈模块,用于将所述叠加AR堆积块进行反馈;
确定AR堆积块模块在基于每个目标运输车辆对应的货物摆放图像、摆放形态数据以及预设堆积规则,确定每个目标运输车辆对应的AR堆积块时,具体用于:
根据每个目标运输车辆对应的货物摆放图像和摆放形态数据,确定每个货物摆放图像中包含的单体货物信息,所述单体货物信息包括单体货物边长信息和数量;根据所述预设堆积规则和每个货物摆放图像对应的单体货物信息,还原每个目标运输车辆对应的AR堆积块;
其中,该装置还包括:
识别卸载物体模块,用于当接收到卸载指令时,根据所述卸载指令确定目标卸载车辆的车厢图像,并根据所述卸载指令,从所述车厢图像中识别待卸载单体货物;
确定空间摆放模型模块,用于获取所述目标卸载车辆对应的空间摆放模型,所述空间摆放模型是将所述目标卸载车辆对应的摆放形态数据叠加至对应的模拟剩余运载空间模型后生成的;
生成卸载策略模块,用于根据所述空间摆放模型生成物体卸载策略,并将所述物体卸载策略进行反馈;
当物体卸载策略有多个时,该装置还包括:
确定演示分值模块,用于按照每个物体卸载策略驱动所述空间摆放模型进行卸载演示,并记录每个物体卸载策略对应的演示时长,根据每个演示时长和第一映射关系,确定每个物体卸载策略对应的演示分值,所述第一映射关系为演示时长和演示分值之间的对应关系;
确定步骤分值模块,用于识别每个物体卸载策略对应的卸载步骤,根据每个卸载步骤和第二映射关系,确定每个物体卸载策略对应的步骤分值,所述第二映射关系为卸载步骤和步骤分值之间的对应关系;
确定隐患分值模块,用于记录每个物体卸载策略对应的演示过程,并识别每个演示过程中隐患物体的出现次数,根据每个出现次数和第三映射关系,确定每个物体卸载策略对应的隐患分值,隐患物体为演示过程中出现预设特征的物体,所述第三映射关系为隐患物体的出现次数和隐患分值之间的对应关系;
确定目标物体卸载策略模块,用于根据每个物体卸载策略对应的演示分值、步骤分值以及隐患分值,确定目标物体卸载策略,并将所述目标物体卸载策略进行反馈。
4.一种电子设备,其特征在于,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1-2中任一项所述的一种订单分配方法。
5.一种计算机可读存储介质,其特征在于,包括:存储有能够被处理器加载并执行如权利要求1-2中任一项所述的一种订单分配方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410130214.4A CN117670257B (zh) | 2024-01-31 | 2024-01-31 | 一种订单分配方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410130214.4A CN117670257B (zh) | 2024-01-31 | 2024-01-31 | 一种订单分配方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117670257A CN117670257A (zh) | 2024-03-08 |
CN117670257B true CN117670257B (zh) | 2024-04-26 |
Family
ID=90079217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410130214.4A Active CN117670257B (zh) | 2024-01-31 | 2024-01-31 | 一种订单分配方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117670257B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107464081A (zh) * | 2017-08-23 | 2017-12-12 | 北京惠赢天下网络技术有限公司 | 一种免开箱式货物配送方法、系统及终端 |
CN109118580A (zh) * | 2018-08-15 | 2019-01-01 | 深圳市烽焌信息科技有限公司 | 目标货物堆监控方法及相关装置 |
CN110310066A (zh) * | 2019-07-05 | 2019-10-08 | 上海中通吉网络技术有限公司 | 货物码放位置确定方法、装置、设备和存储介质 |
CN110807236A (zh) * | 2018-08-03 | 2020-02-18 | 深圳先进技术研究院 | 一种基于多机器人的仓储物流仿真系统 |
CN111768151A (zh) * | 2020-06-28 | 2020-10-13 | 战马物流(苏州)有限公司 | 一种货物装车用车辆装载方法及系统 |
CN114399246A (zh) * | 2021-12-17 | 2022-04-26 | 杭州但丁云科技有限公司 | 一种智能配送调度系统 |
CN116415862A (zh) * | 2023-03-09 | 2023-07-11 | 天津五八到家科技有限公司 | 货运信息处理方法及系统 |
CN117371737A (zh) * | 2023-10-26 | 2024-01-09 | 河南科技大学 | 一种基于数字孪生的物流配送车辆三维装载方法及系统 |
-
2024
- 2024-01-31 CN CN202410130214.4A patent/CN117670257B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107464081A (zh) * | 2017-08-23 | 2017-12-12 | 北京惠赢天下网络技术有限公司 | 一种免开箱式货物配送方法、系统及终端 |
CN110807236A (zh) * | 2018-08-03 | 2020-02-18 | 深圳先进技术研究院 | 一种基于多机器人的仓储物流仿真系统 |
CN109118580A (zh) * | 2018-08-15 | 2019-01-01 | 深圳市烽焌信息科技有限公司 | 目标货物堆监控方法及相关装置 |
CN110310066A (zh) * | 2019-07-05 | 2019-10-08 | 上海中通吉网络技术有限公司 | 货物码放位置确定方法、装置、设备和存储介质 |
CN111768151A (zh) * | 2020-06-28 | 2020-10-13 | 战马物流(苏州)有限公司 | 一种货物装车用车辆装载方法及系统 |
CN114399246A (zh) * | 2021-12-17 | 2022-04-26 | 杭州但丁云科技有限公司 | 一种智能配送调度系统 |
CN116415862A (zh) * | 2023-03-09 | 2023-07-11 | 天津五八到家科技有限公司 | 货运信息处理方法及系统 |
CN117371737A (zh) * | 2023-10-26 | 2024-01-09 | 河南科技大学 | 一种基于数字孪生的物流配送车辆三维装载方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117670257A (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107977739B (zh) | 物流配送路径的优化方法、装置及设备 | |
US11820611B2 (en) | Load planning optimization using automated 3D packing | |
CN111598341B (zh) | 一种基于物资配载和路径优化电力物资配送方法及系统 | |
JP6993449B2 (ja) | 配送計画生成装置、システム、方法及びコンピュータ読み取り可能な記憶媒体 | |
US20130138330A1 (en) | System and method to optimize mass transport vehicle routing based on ton-mile cost information | |
CN107085777A (zh) | 一种物流货物实况跟踪方法及装置 | |
JP2007191296A (ja) | 幹線物流網スケジュール作成システム | |
CN112396368A (zh) | 配送路线的规划方法及系统、服务端设备 | |
CN113673901A (zh) | 一种基于大数据的ai智能物流车货匹配方法及系统 | |
CN111126857A (zh) | 密集仓储的任务管理方法、装置及电子设备 | |
CN112288376A (zh) | 货物装载方案生成方法、装置、设备及可读存储介质 | |
CN114757623A (zh) | 一种货运派单方法、装置、电子设备及存储介质 | |
CN113252046B (zh) | 港口信息的处理方法、装置及相关设备 | |
CN114074817B (zh) | 信息处理装置、优化方法和非暂态计算机可读存储介质 | |
CN116415862A (zh) | 货运信息处理方法及系统 | |
CN117670257B (zh) | 一种订单分配方法、装置、电子设备及介质 | |
CN113743863A (zh) | 一种基于智能合约的车货匹配方法 | |
CN111126643B (zh) | 一种月台的预约方法、预约装置及可读存储介质 | |
CN114742503B (zh) | 一种基于深度学习的智慧物流拼车方法和装置 | |
JP7468337B2 (ja) | 情報処理装置、最適化方法および最適化プログラム | |
US20210319528A1 (en) | Information processing device, optimization method, and non-transitory computer-readable storage medium for storing optimization program | |
CN108805491B (zh) | 一种多单拼车运单生成方法、装置及服务器 | |
CN113361837A (zh) | 物资装配策略确定方法、装置及电子设备 | |
CN111461586A (zh) | 运输成本与运输时间的双目标优化方法、装置以及介质 | |
JP7468883B2 (ja) | 輸送計画作成装置、輸送計画作成方法、プログラム |
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 |