CN117709816A - 基于物品需求量的物品运输方法、装置、电子设备与介质 - Google Patents
基于物品需求量的物品运输方法、装置、电子设备与介质 Download PDFInfo
- Publication number
- CN117709816A CN117709816A CN202311695010.7A CN202311695010A CN117709816A CN 117709816 A CN117709816 A CN 117709816A CN 202311695010 A CN202311695010 A CN 202311695010A CN 117709816 A CN117709816 A CN 117709816A
- Authority
- CN
- China
- Prior art keywords
- article
- moving average
- circulation
- item
- historical
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000000605 extraction Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 11
- 239000002699 waste material Substances 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 19
- 230000009467 reduction Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000004907 flux Effects 0.000 description 6
- 230000015654 memory Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 240000005561 Musa balbisiana Species 0.000 description 1
- 235000018290 Musa x paradisiaca Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 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
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了基于物品需求量的物品运输方法、装置、电子设备与介质。该方法的一具体实施方式包括:对待补充物品对应的历史物品流通时序信息进行特征提取处理,以生成历史物品流通时序特征信息;根据历史物品流通时序特征信息和预先训练的物品流通移动平均系数生成模型,生成物品流通移动平均系数集,其中,物品流通移动平均系数生成模型对应预设移动平均系数模型集;根据物品流通移动平均系数集和预设移动平均系数模型集,对历史物品流通量序列进行移动平均处理,得到移动平均物品流通量序列;根据移动平均物品流通量序列和物品需求量预测模型,生成对应待补充物品的物品需求量。该实施方式可以减少运输资源的浪费。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及基于物品需求量的物品运输方法、装置、电子设备与介质。
背景技术
目前,在对物品流通量进行预测时,通常采用的方式为:采用人工定义的规则方法,根据历史物品流通量序列进行平滑预测处理,得到物品流通量。
然而,当采用上述方式对物品流通量进行预测时,经常会存在如下技术问题:预测的物品流通量的准确性较低,当预测的物品流通量较低时,为了满足用户需求,需要反复调度车辆运输物品,容易造成运输资源的浪费。
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基于物品需求量的物品运输方法、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基于物品需求量的物品运输方法,该方法包括:对待补充物品对应的历史物品流通时序信息进行特征提取处理,以生成历史物品流通时序特征信息,其中,上述历史物品流通时序信息包括历史物品流通量序列与历史物品流通相关信息;根据上述历史物品流通时序特征信息和预先训练的物品流通移动平均系数生成模型,生成物品流通移动平均系数集,其中,上述物品流通移动平均系数生成模型对应预设移动平均系数模型集,上述物品流通移动平均系数集对应上述预设移动平均系数模型集;根据上述物品流通移动平均系数集和上述预设移动平均系数模型集,对上述历史物品流通量序列进行移动平均处理,得到移动平均物品流通量序列;根据上述移动平均物品流通量序列和预先训练的物品需求量预测模型,生成对应上述待补充物品的物品需求量;根据上述物品需求量与上述待补充物品对应的物品属性信息,控制相关的车辆调度设备进行车辆调度,以进行物品运输。
第二方面,本公开的一些实施例提供了一种基于物品需求量的物品运输装置,该装置包括:提取单元,被配置成对待补充物品对应的历史物品流通时序信息进行特征提取处理,以生成历史物品流通时序特征信息,其中,上述历史物品流通时序信息包括历史物品流通量序列与历史物品流通相关信息;生成单元,被配置成根据上述历史物品流通时序特征信息和预先训练的物品流通移动平均系数生成模型,生成物品流通移动平均系数集,其中,上述物品流通移动平均系数生成模型对应预设移动平均系数模型集,上述物品流通移动平均系数集对应上述预设移动平均系数模型集;平均单元,被配置成根据上述物品流通移动平均系数集和上述预设移动平均系数模型集,对上述历史物品流通量序列进行移动平均处理,得到移动平均物品流通量序列;生成单元,被配置成根据上述移动平均物品流通量序列和预先训练的物品需求量预测模型,生成对应上述待补充物品的物品需求量;调度单元,被配置成根据上述物品需求量与上述待补充物品对应的物品属性信息,控制相关的车辆调度设备进行车辆调度,以进行物品运输。
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基于物品需求量的物品运输方法,可以减少运输资源的浪费。具体来说,容易造成运输资源的浪费的原因在于:预测的物品流通量的准确性较低,当预测的物品流通量较低时,为了满足用户需求,需要反复调度车辆运输物品。基于此,本公开的一些实施例的基于物品需求量的物品运输方法,首先,对待补充物品对应的历史物品流通时序信息进行特征提取处理,以生成历史物品流通时序特征信息。其中,上述历史物品流通物品流转时序信息包括历史物品流通量序列与历史物品流通相关信息。由此,可以得到表征历史物品流通量序列的特征的信息,从而可以用于预测未来时间段的物品需求量。其次,根据上述历史物品流通时序特征信息和预先训练的物品流通移动平均系数生成模型,生成物品流通移动平均系数集。其中,上述物品流通移动平均系数生成模型对应预设移动平均系数模型集,上述物品流通移动平均系数集对应上述预设移动平均系数模型集。接着,根据上述物品流通移动平均系数集和上述预设移动平均系数模型集,对上述历史物品流通量序列进行移动平均处理,得到移动平均物品流通量序列。由此,可以得到根据各个预设移动平均系数模型所生成的移动平均物品流通量序列。从而可以提高移动平均物品流通量序列的准确性。然后,根据上述移动平均物品流通量序列和预先训练的物品需求量预测模型,生成对应上述待补充物品的物品需求量。最后,根据上述物品需求量与上述待补充物品对应的物品属性信息,控制相关的车辆调度设备进行车辆调度,以进行物品运输。由此,可以得到未来一段时间较为准确的物品需求量。从而,可以准确调度运输车辆进行物品运输,以避免造成运输资源的浪费。
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是根据本公开的基于物品需求量的物品运输方法的一些实施例的流程图;
图2是根据本公开的基于物品需求量的物品运输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是根据本公开的基于物品需求量的物品运输方法的一些实施例的流程图。示出了根据本公开的基于物品需求量的物品运输方法的一些实施例的流程100。该基于物品需求量的物品运输方法,包括以下步骤:
步骤101,对待补充物品对应的历史物品流通时序信息进行特征提取处理,以生成历史物品流通时序特征信息。
在一些实施例中,基于物品需求量的物品运输方法的执行主体(例如计算设备)可以对待补充物品对应的历史物品流通时序信息进行特征提取处理,以生成历史物品流通时序特征信息。其中,上述历史物品流通时序信息包括历史物品流通量序列与历史物品流通相关信息。其中,上述待补充物品可以为需要预测流通量(例如,销量)的物品。上述待补充物品可以为生鲜物品。例如,上述待补充物品可以为“香蕉”。上述历史物品流通时序信息可以为历史时间段对应的待补充物品实际流通的信息。上述历史物品流通时序信息可以包括但不限于历史物品流通量序列。上述历史物品流通量序列可以为各个历史物品流通量按照时间升序的顺序进行排列的序列。上述历史物品流通量序列中的历史物品流通量可以为历史时间段内某一单位时段内上述待补充物品的流通数量(例如,销量)。上述历史物品流通时序特征信息可以表征历史物品流通量序列的特征。实践中,上述执行主体可以通过预设特征提取算法对待补充物品对应的历史物品流通量序列进行特征提取处理,得到历史物品流通时序特征信息。例如,上述预设特征提取算法可以为均值算法、也可以为方差算法。上述历史物品流通相关信息可以为与历史物品流通量序列相关联的信息。上述历史物品流通相关信息可以包括:物品促销信息、物品营销信息。上述物品促销信息可以为物品价值消减的信息。上述物品促销信息可以包括:价值消减类型、价值消减时长、价值消减力度。上述价值消减类型可以表征价值消减的形式。例如,上述价值消减类型可以为满额减,也可以为买一送一。上述价值消减时长可以为预先设定的价值消减的开始时间至结束时间对应的时长。上述物品营销信息可以为流通规划的信息。上述物品营销信息可以包括流通规划类型、流通规划时长、流通规划力度。上述流通规划类型可以表征流通规划的形式。例如,上述流通规划类型可以为广告投放。上述流通规划时长可以为预先设定的流通规划的开始时间至结束时间对应的时长。
继续的,在采用本申请的基于物品需求量的物品运输方法预测的物品流通量时,进一步存在如下技术问题二:未考虑到物品流通时序特征的变化,导致所预测的物品流通量不准确,为了满足用户需求,需要反复调度车辆运输物品,容易造成运输资源的浪费。
实践中,上述执行主体可以对上述历史物品流通量序列与历史物品流通相关信息进行特征提取处理,以生成历史物品流通时序特征信息。
可选地,获取物品流通样本集。
在一些实施例中,上述执行主体可以获取物品流通样本集。其中,上述物品流通样本集中的物品流通样本包括样本物品流通时序信息和样本物品流通量序列,上述样本物品流通时序信息包括样本历史物品流通量序列。上述样本物品流通量序列可以为对应样本物品流通时序信息的未来时间段的实际的物品流通量序列。样本物品流通时序信息的未来时间段可以为:可以根据样本物品流通时序信息预测得到的物品流通量序列对应的时间段。
可选地,对上述物品流通样本集中的每个物品流通样本,执行以下训练步骤:
第一训练步骤,对上述预设移动平均系数模型集包括的每个预设移动平均系数模型,执行以下处理步骤:
1、将上述物品流通样本包括的样本历史物品流通量序列输入至上述预设移动平均系数模型中,得到样本移动平均物品流通量序列。
2、将上述样本移动平均物品流通量序列输入至上述物品需求量预测模型中,得到样本预测物品需求量。其中,上述样本预测物品需求量包括样本预测物品流通量序列以及样本预测物品流通量序列对应的总和。上述样本预测物品流通量序列与上述样本物品流通量序列对应的时间段相同。
3、根据上述物品流通样本包括的样本物品流通量序列和上述样本预测物品需求量,确定物品流通损失值。即,可以通过预设的损失函数确定上述样本预测物品需求量包括的每个样本预测物品流通量与对应的样本物品流通量的损失值,得到损失值组。可以将损失值组中的各个损失值的平均值确定物品流通损失值。例如,预设的损失函数可以是合页损失函数或余弦损失函数。
第二训练步骤,对上述物品流通样本包括的样本物品流通时序信息进行特征提取处理,得到样本物品流通时序特征信息。上述执行主体可以通过上述预设特征提取算法对上述物品流通样本包括的样本物品流通时序信息进行特征提取处理,得到样本物品流通时序特征信息。
可选地,根据所确定的各个物品流通损失值和上述各个样本物品流通时序特征信息,生成物品流通移动平均系数生成模型。
在一些实施例中,上述执行主体可以根据所确定的各个物品流通损失值和上述各个样本物品流通时序特征信息,生成物品流通移动平均系数生成模型。
首先,上述执行主体可以将所确定的各个物品流通损失值输入预设的损失函数中,得到待求解损失函数。
然后,对上述待求解损失函数进行求解处理,得到各个移动平均系数。实践中,上述执行主体可以通过预设目标函数求解算法,对上述待求解损失函数进行求解处理,得到对应各个物品流通样本和预设移动平均系数模型集的各个权重作为各个移动平均系数。其中,上述预设目标函数求解算法可以为用于对无约束条件的目标函数进行求解的算法。例如,上述预设目标函数求解算法可以为梯度下降法。之后,对于每个样本物品流通时序特征信息,执行以下子步骤:
1、将上述各个移动平均系数中对应上述样本物品流通时序特征信息的各个物品流通移动平均系数确定为物品流通移动平均系数集合。
2、将上述样本物品流通时序特征信息和上述物品流通移动平均系数集合确定为对应信息对。
接着,将所确定的各个对应信息对输入初始物品流通移动平均系数生成模型,得到物品流通移动平均系数生成模型。
上述相关内容作为本公开的一个发明点,解决了技术问题二“容易造成运输资源的浪费。”。容易造成运输资源的浪费的因素往往如下:未考虑到物品流通时序特征的变化,导致所预测的物品流通量不准确,为了满足用户需求,需要反复调度车辆运输物品。如果解决了上述因素,就能达到减少运输资源的浪费的效果。为了达到这一效果,首先,获取物品流通样本集。其中,上述物品流通样本集中的物品流通样本包括样本物品流通时序信息和样本物品流通量序列,上述样本物品流通时序信息包括样本历史物品流通量序列。其次,对上述物品流通样本集中的每个物品流通样本,执行以下训练步骤:对上述预设移动平均系数模型集包括的每个预设移动平均系数模型,执行以下处理步骤:将上述物品流通样本包括的样本历史物品流通量序列输入至上述预设移动平均系数模型中,得到样本移动平均物品流通量序列。将上述样本移动平均物品流通量序列输入至上述物品需求量预测模型中,得到样本预测物品需求量。根据上述物品流通样本包括的样本物品流通量序列和上述样本预测物品需求量,确定物品流通损失值。对上述物品流通样本包括的样本物品流通时序信息进行特征提取处理,得到样本物品流通时序特征信息。之后,根据所确定的各个物品流通损失值和上述各个样本物品流通时序特征信息,生成物品流通移动平均系数生成模型。由此,可以通过物品流通移动平均系数生成模型准确预测出物品流通移动平均系数。从而,可以提高所预测的物品流通量的准确率,以避免反复调度车辆,减少运输资源的浪费。
步骤102,根据上述历史物品流通时序特征信息和预先训练的物品流通移动平均系数生成模型,生成物品流通移动平均系数集。
在一些实施例中,上述执行主体可以根据上述历史物品流通时序特征信息和预先训练的物品流通移动平均系数生成模型,生成物品流通移动平均系数集。其中,上述物品流通移动平均系数生成模型对应预设移动平均系数模型集,上述物品流通移动平均系数集对应上述预设移动平均系数模型集。其中,物品流通移动平均系数生成模型可以为以历史物品流通时序特征信息为输入,以物品流通移动平均系数集为输出的分类模型。上述分类模型可以为决策树。上述物品流通移动平均系数生成模型对应预设移动平均系数模型集。上述预设移动平均系数模型集中的预设移动平均系数模型可以为预先设定的用于对时序数据进行平滑处理,保留趋势和季节性信息的模型。上述预设移动平均系数模型可以为:移动平均法模型、加权移动平均模型、指数平滑模型、分段加权平均模型、多项式拟合模型、局部平滑模型。上述物品流通移动平均系数集中的物品流通移动平均系数可以表征对应的预设移动平均系数模型的系数。上述物品流通移动平均系数集中的物品流通移动平均系数可以包括平滑模型占比。上述平滑模型占比可以为对应的预设移动平均系数模型在各个预设移动平均系数模型中所占的比例。实践中,首先,上述执行主体可以将上述历史物品流通时序特征信息发送至上述其他设备以生成物品流通移动平均系数集。然后,接收上述其他设备发送的物品流通移动平均系数集。
步骤103,根据上述物品流通移动平均系数集和上述预设移动平均系数模型集,对上述历史物品流通量序列进行移动平均处理,得到移动平均物品流通量序列。
在一些实施例中,上述执行主体可以根据上述物品流通移动平均系数集和上述预设移动平均系数模型集,对上述历史物品流通量序列进行移动平均处理,得到移动平均物品流通量序列。
实践中,上述执行主体可以通过以下步骤对上述历史物品流通量序列进行移动平均处理,得到移动平均物品流通量序列:
第一步,将上述物品流通移动平均系数集中满足预设系数条件的物品流通移动平均系数确定为待补充物品流通移动平均系数。
第二步,将上述预设移动平均系数模型集中对应上述待补充物品流通移动平均系数的预设移动平均系数模型确定为目标移动平均系数模型。
第三步,将上述历史物品流通量序列输入上述目标移动平均系数模型中,得到移动平均物品流通量序列。
步骤104,根据上述移动平均物品流通量序列和预先训练的物品需求量预测模型,生成对应上述待补充物品的物品需求量。
在一些实施例中,上述执行主体可以根据上述移动平均物品流通量序列和预先训练的物品需求量预测模型,生成对应上述待补充物品的物品需求量。其中,物品需求量预测模型可以为以移动平均物品流通量序列为输入,以物品需求量为输出的时间序列预测模型。上述物品需求量可以为预测的物品流通量。上述物品需求量可以是指预测物品流通量序列的总和。上述预估物品流转量序列可以为各个预估物品流转量按照时间升序的顺序进行排列的序列。上述预测物品流通量序列中的预测物品流通量可以为预估得到的对应未来时间段内某一单位时段的待补充物品的流通数量。上述时间序列预测模型可以为LSTM(Long Short Term Memory Network,长短时记忆网络),也可以为移动平均模型。
步骤105,根据上述物品需求量与上述待补充物品对应的物品属性信息,控制相关的车辆调度设备进行车辆调度,以进行物品运输。
在一些实施例中,上述执行主体可以根据上述物品需求量与上述待补充物品对应的物品属性信息,控制相关的车辆调度设备进行车辆调度,以进行物品运输。上述物品属性信息包括:物品名称、单位物品重量与单位物品体积。即,单位物品重量可以指单个物品的重量。单位物品体积可以指单个物品的体积。车辆调度设备可以是指用于调度各个运输车辆的计算设备。
实践中,上述执行主体可以通过以下步骤控制相关的车辆调度设备进行车辆调度:
第一步,将上述物品需求量与上述位物品重量的乘积确定为物品总运输重量。
第二步,将上述物品需求量与上述单位物品体积的乘积确定为物品总体积。
第三步,从空闲的各个运输车辆中选择目标数量个运输车辆作为目标运输车辆组。其中,上述目标运输车辆组对应的车辆总运输重量大于上述物品总运输重量、且对应的车辆总运输体积大于上述物品总体积。
可选地,根据上述物品需求量,控制上述目标运输车辆组中的各个目标运输车辆进行物品运输。
在一些实施例中,上述执行主体可以根据上述物品需求量,控制上述目标运输车辆组中的各个目标运输车辆进行物品运输。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种基于物品需求量的物品运输装置的一些实施例,这些基于物品需求量的物品运输装置实施例与图1所示的那些方法实施例相对应,该基于物品需求量的物品运输装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的基于物品需求量的物品运输装置200包括:提取单元201、生成单元202、平均单元203、生成单元204和调度单元205。其中,提取单元201,被配置成对待补充物品对应的历史物品流通时序信息进行特征提取处理,以生成历史物品流通时序特征信息,其中,上述历史物品流通物品流转时序信息包括历史物品流通量序列与历史物品流通相关信息;生成单元202,被配置成根据上述历史物品流通时序特征信息和预先训练的物品流通移动平均系数生成模型,生成物品流通移动平均系数集,其中,上述物品流通移动平均系数生成模型对应预设移动平均系数模型集,上述物品流通移动平均系数集对应上述预设移动平均系数模型集;平均单元203,被配置成根据上述物品流通移动平均系数集和上述预设移动平均系数模型集,对上述历史物品流通量序列进行移动平均处理,得到移动平均物品流通量序列;生成单元204,被配置成根据上述移动平均物品流通量序列和预先训练的物品需求量预测模型,生成对应上述待补充物品的物品需求量;调度单元205,被配置成根据上述物品需求量与上述待补充物品对应的物品属性信息,控制相关的车辆调度设备进行车辆调度,以进行物品运输。
可以理解的是,该基于物品需求量的物品运输装置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基于物品需求量的物品运输装置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任务数据。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任务数据。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任务数据信号,其中承载了计算机可读的程序代码。这种传播的任务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任务数据通信(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:对待补充物品对应的历史物品流通时序信息进行特征提取处理,以生成历史物品流通时序特征信息,其中,上述历史物品流通物品流转时序信息包括历史物品流通量序列与历史物品流通相关信息;根据上述历史物品流通时序特征信息和预先训练的物品流通移动平均系数生成模型,生成物品流通移动平均系数集,其中,上述物品流通移动平均系数生成模型对应预设移动平均系数模型集,上述物品流通移动平均系数集对应上述预设移动平均系数模型集;根据上述物品流通移动平均系数集和上述预设移动平均系数模型集,对上述历史物品流通量序列进行移动平均处理,得到移动平均物品流通量序列;根据上述移动平均物品流通量序列和预先训练的物品需求量预测模型,生成对应上述待补充物品的物品需求量;根据上述物品需求量与上述待补充物品对应的物品属性信息,控制相关的车辆调度设备进行车辆调度,以进行物品运输。
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产品的程序设计语言—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:提取单元、生成单元、平均单元、生成单元和调度单元。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,调度单元还可以被描述为“根据上述物品需求量与上述待补充物品对应的物品属性信息,控制相关的车辆调度设备进行车辆调度,以进行物品运输的单元”。
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 (7)
1.一种基于物品需求量的物品运输方法,包括:
对待补充物品对应的历史物品流通时序信息进行特征提取处理,以生成历史物品流通时序特征信息,其中,所述历史物品流通时序信息包括历史物品流通量序列与历史物品流通相关信息;
根据所述历史物品流通时序特征信息和预先训练的物品流通移动平均系数生成模型,生成物品流通移动平均系数集,其中,所述物品流通移动平均系数生成模型对应预设移动平均系数模型集,所述物品流通移动平均系数集对应所述预设移动平均系数模型集;
根据所述物品流通移动平均系数集和所述预设移动平均系数模型集,对所述历史物品流通量序列进行移动平均处理,得到移动平均物品流通量序列;
根据所述移动平均物品流通量序列和预先训练的物品需求量预测模型,生成对应所述待补充物品的物品需求量;
根据所述物品需求量与所述待补充物品对应的物品属性信息,控制相关的车辆调度设备进行车辆调度,以进行物品运输。
2.根据权利要求1所述的方法,其中,所述对待补充物品对应的历史物品流通时序信息进行特征提取处理,以生成历史物品流通时序特征信息,包括:
对所述历史物品流通量序列与历史物品流通相关信息进行特征提取处理,以生成历史物品流通时序特征信息。
3.根据权利要求1所述的方法,其中,所述物品属性信息包括:物品名称、单位物品重量与单位物品体积;以及
所述根据所述物品需求量与所述待补充物品对应的物品属性信息,控制相关的车辆调度设备进行车辆调度,包括:
将所述物品需求量与所述位物品重量的乘积确定为物品总运输重量;
将所述物品需求量与所述单位物品体积的乘积确定为物品总体积;
从空闲的各个运输车辆中选择目标数量个运输车辆作为目标运输车辆组,其中,所述目标运输车辆组对应的车辆总运输重量大于所述物品总运输重量、且对应的车辆总运输体积大于所述物品总体积。
4.根据权利要求3所述的方法,其中,所述方法还包括:
根据所述物品需求量,控制所述目标运输车辆组中的各个目标运输车辆进行物品运输。
5.一种基于物品需求量的物品运输装置,包括:
提取单元,被配置成对待补充物品对应的历史物品流通时序信息进行特征提取处理,以生成历史物品流通时序特征信息,其中,所述历史物品流通时序信息包括历史物品流通量序列与历史物品流通相关信息;
生成单元,被配置成根据所述历史物品流通时序特征信息和预先训练的物品流通移动平均系数生成模型,生成物品流通移动平均系数集,其中,所述物品流通移动平均系数生成模型对应预设移动平均系数模型集,所述物品流通移动平均系数集对应所述预设移动平均系数模型集;
平均单元,被配置成根据所述物品流通移动平均系数集和所述预设移动平均系数模型集,对所述历史物品流通量序列进行移动平均处理,得到移动平均物品流通量序列;
生成单元,被配置成根据所述移动平均物品流通量序列和预先训练的物品需求量预测模型,生成对应所述待补充物品的物品需求量;
调度单元,被配置成根据所述物品需求量与所述待补充物品对应的物品属性信息,控制相关的车辆调度设备进行车辆调度,以进行物品运输。
6.一种电子设备,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1-4中任一所述的方法。
7.一种计算机可读介质,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1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311695010.7A CN117709816A (zh) | 2023-12-11 | 2023-12-11 | 基于物品需求量的物品运输方法、装置、电子设备与介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311695010.7A CN117709816A (zh) | 2023-12-11 | 2023-12-11 | 基于物品需求量的物品运输方法、装置、电子设备与介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117709816A true CN117709816A (zh) | 2024-03-15 |
Family
ID=90163248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311695010.7A Pending CN117709816A (zh) | 2023-12-11 | 2023-12-11 | 基于物品需求量的物品运输方法、装置、电子设备与介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117709816A (zh) |
-
2023
- 2023-12-11 CN CN202311695010.7A patent/CN117709816A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113034090B (zh) | 运输设备调度方法、装置、电子设备和计算机可读介质 | |
CN113408797A (zh) | 流转量预测多时序模型生成方法、信息发送方法和装置 | |
CN112184100A (zh) | 物品库存监控方法、装置、电子设备和计算机可读介质 | |
CN109961328B (zh) | 确定订单冷静期的方法和装置 | |
CN114202130A (zh) | 流转量预测多任务模型生成方法、调度方法、装置和设备 | |
CN112435101A (zh) | 订单信息处理方法、装置、电子设备和计算机可读介质 | |
CN114429365A (zh) | 物品销量信息生成方法、装置、电子设备和计算机介质 | |
CN114049072B (zh) | 指标确定方法、装置、电子设备和计算机可读介质 | |
CN114048931B (zh) | 补货信息生成方法、装置、电子设备和计算机可读介质 | |
CN114663015A (zh) | 补货方法和装置 | |
CN112734309B (zh) | 用于物品的车辆调度方法、装置、设备和计算机可读介质 | |
CN112149863A (zh) | 确定资源消耗量的方法、设备和计算机存储介质 | |
CN112308378A (zh) | 调度设备控制方法、装置、电子设备和计算机可读介质 | |
CN117236653A (zh) | 基于业务量预测的车辆调度方法、装置、电子设备 | |
CN113435632A (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
CN113159453A (zh) | 资源数据预测方法、装置、设备及存储介质 | |
CN115907136B (zh) | 电动汽车调度方法、装置、设备和计算机可读介质 | |
CN117035842A (zh) | 模型训练方法、业务量预测方法、装置、设备和介质 | |
CN116562772A (zh) | 物品补货信息生成方法、装置、设备、介质和程序产品 | |
CN112102043B (zh) | 物品推荐页面生成方法、装置、电子设备和可读介质 | |
CN117709816A (zh) | 基于物品需求量的物品运输方法、装置、电子设备与介质 | |
CN111985967A (zh) | 物品信息生成方法、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 | |
CN116703262B (zh) | 配送资源调整方法、装置、电子设备和计算机可读介质 | |
CN116307998B (zh) | 电力设备材料运输方法、装置、电子设备和计算机介质 |
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 |