KR20220059531A

KR20220059531A - 콜드 체인 배송 노선 확정 방법, 장치, 서버 및 저장매체

Info

Publication number: KR20220059531A
Application number: KR1020227011707A
Authority: KR
Inventors: 샤오즈 추이; 홍위 동; 쩐 구어
Original assignee: 베이징 징동 젼스 인포메이션 테크놀로지 씨오., 엘티디.
Priority date: 2020-02-21
Filing date: 2020-12-11
Publication date: 2022-05-10
Also published as: CN112288347A; WO2021164390A1; EP4030368A1; US20230084312A1; JP7417724B2; JP2023500883A; KR102655411B1; EP4030368A4

Abstract

콜드 체인 배송 노선 확정 방법, 장치, 서버 및 저장매체에 있어서, 여기서, 해당 방법은, 단말기에서 발송한 노선 확정 요청을 수신하되, 해당 노선 확정 요청은 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 포함하는 단계(21), 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보, 시나리오 제약 조건과 운송 원가 제약 조건을 기초로, 적어도 하나의 목표 배송 노선을 확정하는 단계(22), 단말기에 상기 적어도 하나의 목표 배송 노선을 푸시하는 단계(23)를 포함한다. 상기 방법은, 시나리오 제약 조건과 운송 원가 제약 조건 하에서 확정한 목표 배송 노선이 배송 시효와 운송 원가 제약을 동시에 만족할 수 있기에, 사용자의 만족도를 향상시킴과 동시에 운송 원가를 저감한다.

Description

콜드 체인 배송 노선 확정 방법, 장치, 서버 및 저장매체

본 출원은 물류 기술 분야에 관한 것으로, 특히 콜드 체인 배송 노선 확정 방법, 장치, 서버 및 저장매체에 관한 것이다.

본 출원은 2020년 02월 21일 중국 특허국에 출원한 출원 번호가 202010108742.1이고, 발명의 명칭이 "콜드 체인 배송 노선 확정 방법, 장치, 서버 및 저장매체”인 중국 특허 출원의 우선권을 주장하며, 그 모든 내용은 인용을 통해 본 출원에 결합된다.

콜드 체인 물류는 일반적으로 냉장 냉동류 물품을 생산, 저장 운송 및 판매에서 소비하기 전의 각 과정에서 항상 규정된 저온 환경을 유지하여 물품의 품질과 성능을 확보하기 위한 체계적인 공정을 말하는 것으로서, 이의 운송 시효성에 대한 요구는 일반 물류보다 높다. 따라서, 경제적이면서 상가 또는 고객의 타임 윈도우 요구를 만족시키는 배송 노선을 설계하는 것은 매우 관건적이다.

종래기술에서, 콜드 체인 배송 시나리오는 주로 배송 시나리오가 타임 윈도우 초과 패널티 제약 및 퍼지 주행 시간이 추가되어 배송 센터에 반환되는 시나리오에 적용되며, 운송 시간 제약을 고려하지 않아, 일부 실제 배송 시나리오에 완전히 적용하기 위한, 예컨대 타임 윈도우 제약이 있는 콜드 체인 도시 배송 시나리오에 완전히 적용할 수 없고, 고객의 포인트가 보다 크고(500 이상), 단일 차종 배송, 엄격한 타임 윈도우 제약이 있고, 차량 운송 시간 제약이 있으며, 배송 완료 후 배송 센터에 복귀하지 않는 등에 관한 것으로, 목표는 총 운송 거리를 최소화하는 것이다.

종합하면, 종래의 콜드 체인 배송 방안은 일부 실제 응용 시나리오와 타임 윈도우가 있는 콜드 체인 도시 배송 시나리오에 적용할 수 없기에, 배송 시효와 성능을 향상시키기 위한 콜드 체인 배송 노선 확정 방법이 시급히 필요하다.

본 출원은 콜드 체인 배송 시나리오 제약 조건에서 목표 노선을 확정하기 위한 콜드 체인 배송 노선 확정 방법, 장치, 서버 및 저장매체를 제공함으로써, 배송 시효와 성능을 향상시킨다.

제1 측면에서, 본 출원의 실시예는 콜드 체인 배송 노선 확정 방법을 제공하는 바,

단말기에서 발송한 노선 확정 요청을 수신하되, 상기 노선 확정 요청은 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 포함하는 단계;

배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보, 시나리오 제약 조건과 운송 원가 제약 조건을 기초로, 적어도 하나의 목표 배송 노선을 확정하는 단계;

상기 단말기에 상기 적어도 하나의 목표 배송 노선을 푸시하는 단계를 포함한다.

제1 측면의 가능한 설계에서, 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보, 시나리오 제약 조건과 운송 원가 제약 조건을 기초로, 적어도 하나의 목표 배송 노선을 확정하는 상기 단계는,

상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보와 시나리오 제약 조건을 기초로, 적어도 하나의 초기 설계 노선을 확정하되, 상기 시나리오 제약 조건은 고객 포인트의 타임 윈도우 제약, 운송 시간 제약, 단일 차종 배송, 배송 센터 비복귀를 포함하는 단계;

총 운송 원가가 가장 낮은 것을 솔루션 목표로 하고, 각 초기 설계 노선에 대해 반복 업데이트하여, 적어도 하나의 목표 배송 노선을 확정하는 단계를 포함한다.

선택적으로, 상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보와 시나리오 제약 조건을 기초로, 적어도 하나의 초기 설계 노선을 확정하는 상기 단계는,

상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 제1 초기 설계 노선을 구축하되, 상기 제1 초기 설계 노선의 주요 고객 포인트는 상기 시나리오 제약 조건을 만족하고 배송 센터와의 거리가 가장 먼 고객 포인트인 단계;

기설정 알고리즘에 기반하여, 삽입될 고객 포인트가 상기 시나리오 제약 조건을 만족하지 않을때 까지, 순차적으로 상기 제1 초기 설계 노선에 상기 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입하는 단계;

삽입될 고객 포인트가 상기 시나리오 제약 조건을 만족하지 않으면, 상기 배송 대상 고객 포인트 집합 중의 나머지 고객 포인트를 기초로, 제2 초기 설계 노선을 구축하는 단계를 포함한다.

선택적으로, 상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 제1 초기 설계 노선을 구축하는 상기 단계 전에, 상기 방법은,

상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 임의의 두 고객 포인트 사이의 네비게이션 거리, 및 각 고객 포인트와 상기 배송 센터의 네비게이션 거리를 확정하는 단계;

임의의 두 고객 포인트 사이의 네비게이션 거리, 및 각 고객 포인트와 상기 배송 센터의 네비게이션 거리를 기초로, 거리 매트릭스를 구축하는 단계를 더 포함하고;

기설정 알고리즘에 기반하여, 순차적으로 상기 제1 초기 설계 노선에 상기 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입하는 단계는,

최근린 차이값기법, 상기 거리 매트릭스와 절약 알고리즘을 기초로, 순차적으로 상기 제1 초기 설계 노선에 상기 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입하는 단계를 포함한다.

나아가, 총 운송 원가가 가장 낮은 것을 솔루션 목표로 하고, 각 초기 설계 노선에 대해 반복 업데이트하여, 적어도 하나의 목표 배송 노선을 확정하는 상기 단계는,

각 초기 설계 노선의 총 운송 원가를 계산하는 단계;

각 초기 설계 노선에 대해, 상기 초기 설계 노선 상의 고객 포인트의 배송 순서를 기초로, 상기 초기 설계 노선을 파괴-재건하는 방식을 사용하여, 복수의 업데이트한 후의 초기 설계 노선을 확정하고, 각각의 업데이트한 후의 초기 설계 노선의 총 운송 원가를 각각 계산하는 단계;

업데이트한 후의 모든 초기 설계 노선의 총 운송 원가를 기초로, 목표 배송 노선을 확정하되, 상기 목표 배송 노선은 업데이트한 후의 모든 초기 설계 노선 중에서 총 운송 원가가 가장 낮은 노선인 단계를 포함한다.

제1 측면의 다른 가능한 설계에서, 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보, 시나리오 제약 조건과 운송 원가 제약 조건을 기초로, 적어도 하나의 목표 배송 노선을 확정하는 상기 단계는,

상기 배송 대상 고객 포인트 집합 중의 모든 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 라우팅 모델에 입력하여, 적어도 하나의 목표 배송 노선을 출력하되, 각각의 목표 배송 노선 중의 고객 포인트는 시나리오 제약 조건을 만족하고, 각각의 목표 배송 노선의 운송 원가는 운송 원가 제약 조건에 부합하는 단계를 포함한다.

선택적으로, 상기 방법은,

기설정 순환 횟수로, 파라미터 값이 다른 상기 라우팅 모델을 각각 실행하여, 상기 라우팅 모델의 매번 실행 파라미터 값과 매번 실행 결과를 획득하는 단계;

상기 라우팅 모델의 모든 실행 파라미터 값과 모든 실행 결과를 기초로, 데이터 집합을 획득하되, 상기 데이터 집합은 훈련 데이터와 테스트 데이터를 포함하는 단계;

기설정 알고리즘으로 상기 훈련 데이터에 대해 처리하여, 상기 라우팅 모델의 중요 파라미터 집합을 확정하는 단계;

상기 중요 파라미터 집합과 상기 테스트 데이터를 결합하여, 상기 중요 파라미터 집합 중의 각각의 중요 파라미터의 값 범위를 확정하는 단계를 더 포함한다.

선택적으로, 상기 방법은,

상기 중요 파라미터 집합 중의 각각의 중요 파라미터의 값 범위에 대해, 그리드 검색 알고리즘을 기초로, 상기 중요 파라미터 집합에 대응되는 파라미터 그리드를 확정하는 단계;

상기 파라미터 네트워크와 상기 훈련 데이터에 대해 교차 검증을 수행하여, 최적 파라미터 조합을 확정하되, 상기 최적 파라미터 조합은 복수의 중요 파라미터와 각각의 중요 파라미터의 값을 포함하는 단계;

상기 최적 파라미터 조합과 상기 훈련 데이터를 사용하여, 상기 라우팅 모델을 업데이트하는 단계를 더 포함한다.

선택적으로, 상기 방법은,

상기 테스트 데이터를 사용하여 업데이트한 후의 라우팅 모델에 대해 성능 평가를 수행하여, 업데이트한 후의 라우팅 모델의 라우팅 성능을 확정하는 단계를 더 포함한다.

제2 측면에서, 본 출원은 콜드 체인 배송 노선 확정 장치를 제공하는 바, 수신 모듈, 처리 모듈과 푸시 모듈을 포함하고;

상기 수신 모듈은, 단말기에서 발송한 노선 확정 요청을 수신하되, 상기 노선 확정 요청은 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 포함하고;

상기 처리 모듈은, 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보, 시나리오 제약 조건과 운송 원가 제약 조건을 기초로, 적어도 하나의 목표 배송 노선을 확정하고;

상기 푸시 모듈은, 상기 단말기에 상기 적어도 하나의 목표 배송 노선을 푸시한다.

제2 측면의 가능한 설계에서, 상기 처리 모듈은 제1 처리 유닛과 제2 처리 유닛을 포함하고;

상기 제1 처리 유닛은, 상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보와 시나리오 제약 조건을 기초로, 적어도 하나의 초기 설계 노선을 확정하되, 상기 시나리오 제약 조건은 고객 포인트의 타임 윈도우 제약, 운송 시간 제약, 단일 차종 배송, 배송 센터 비복귀를 포함하고;

상기 제2 처리 유닛은, 총 운송 원가가 가장 낮은 것을 솔루션 목표로 하여, 각 초기 설계 노선에 대해 반복 업데이트하여, 적어도 하나의 목표 배송 노선을 확정한다.

선택적으로, 상기 제1 처리 유닛은 구체적으로,

상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 제1 초기 설계 노선을 구축하되, 상기 제1 초기 설계 노선의 주요 고객 포인트는 상기 시나리오 제약 조건을 만족하고 배송 센터와의 거리가 가장 먼 고객 포인트이며;

기설정 알고리즘에 기반하여, 삽입될 고객 포인트가 상기 시나리오 제약 조건을 만족하지 않을 때까지, 순차적으로 상기 제1 초기 설계 노선에 상기 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입하고;

삽입될 고객 포인트가 상기 시나리오 제약 조건을 만족하지 않으면, 상기 배송 대상 고객 포인트 집합 중의 나머지 고객 포인트를 기초로, 제2 초기 설계 노선을 구축한다.

선택적으로, 상기 제1 처리 유닛은 또한, 상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 제1 초기 설계 노선을 구축하기 전에, 상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 임의의 두 고객 포인트 사이의 네비게이션 거리, 및 각 고객 포인트와 상기 배송 센터의 네비게이션 거리를 확정하고, 임의의 두 고객 포인트 사이의 네비게이션 거리, 및 각 고객 포인트와 상기 배송 센터의 네비게이션 거리를 기초로, 거리 매트릭스를 구축하고;

이때 상기 제1 처리 유닛은, 기설정 알고리즘에 기반하여, 순차적으로 상기 제1 초기 설계 노선에 상기 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입하되, 구체적으로,

상기 제1 처리 유닛은 구체적으로, 최근린 차이값 기법, 상기 거리 매트릭스와 절약 알고리즘을 기초로, 순차적으로 상기 제1 초기 설계 노선에 상기 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입한다.

나아가, 상기 제2 처리 유닛은 구체적으로,

각 초기 설계 노선의 총 운송 원가를 계산하고;

각 초기 설계 노선에 대해, 상기 초기 설계 노선 상의 고객 포인트의 배송 순서를 기초로, 상기 초기 설계 노선을 파괴-재건하는 방식을 사용하여, 복수의 업데이트한 후의 초기 설계 노선을 확정하고, 각각의 업데이트한 후의 초기 설계 노선의 총 운송 원가를 각각 계산하며;

업데이트한 후의 모든 초기 설계 노선의 총 운송 원가를 기초로, 목표 배송 노선을 확정하되, 상기 목표 배송 노선은 업데이트한 후의 모든 초기 설계 노선 중에서 총 운송 원가가 가장 낮은 노선이다.

제2 측면의 다른 가능한 설계에서, 상기 처리 모듈은 구체적으로, 상기 배송 대상 고객 포인트 집합 중의 모든 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 라우팅 모델에 입력하여, 적어도 하나의 목표 배송 노선을 출력하되, 각각의 목표 배송 노선 중의 고객 포인트는 시나리오 제약 조건을 만족하고, 각각의 목표 배송 노선의 운송 원가는 운송 원가 제약 조건에 부합한다.

선택적으로, 상기 처리 모듈은 또한,

기설정 순환 횟수로, 파라미터 값이 다른 상기 라우팅 모델을 각각 실행하여, 상기 라우팅 모델의 매번 실행 파라미터 값과 매번 실행 결과를 획득하고;

상기 라우팅 모델의 모든 실행 파라미터 값과 모든 실행 결과를 기초로, 데이터 집합을 획득하되, 상기 데이터 집합은 훈련 데이터와 테스트 데이터를 포함하고;

기설정 알고리즘으로 상기 훈련 데이터에 대해 처리하여, 상기 라우팅 모델의 중요 파라미터 집합을 확정하고;

상기 중요 파라미터 집합과 상기 테스트 데이터를 결합하여, 상기 중요 파라미터 집합 중의 각각의 중요 파라미터의 값 범위를 확정한다.

선택적으로, 상기 처리 모듈은 또한,

상기 중요 파라미터 집합 중의 각각의 중요 파라미터의 값 범위에 대해, 그리드 검색 알고리즘을 기초로, 상기 중요 파라미터 집합에 대응되는 파라미터 그리드를 확정하고;

상기 파라미터 네트워크와 상기 훈련 데이터에 대해 교차 검증을 수행하여, 최적 파라미터 조합을 확정하되, 상기 최적 파라미터 조합은 복수의 중요 파라미터와 각각의 중요 파라미터의 값을 포함하고;

상기 최적 파라미터 조합과 상기 훈련 데이터를 사용하여, 상기 라우팅 모델을 업데이트한다.

선택적으로, 상기 처리 모듈은 또한, 상기 테스트 데이터를 사용하여 업데이트한 후의 라우팅 모델에 대해 성능 평가를 수행하여, 업데이트한 후의 라우팅 모델의 라우팅 성능을 확정한다.

제3 측면에서, 본 출원의 실시예는 서버를 제공하는 바,

프로세서, 메모리 및 상기 메모리에 저장되고 프로세서에서 실행 가능한 컴퓨터 프로그램 명령을 포함하고, 상기 프로세서가 상기 컴퓨터 프로그램 명령을 실행할 때 상술한 제1 측면에 따른 방법을 구현한다.

선택적으로, 상술한 프로세서는 칩일 수 있다.

제4 측면에서, 본 출원의 실시예는 컴퓨터 판독 가능 저장매체를 제공하는 바, 상기 컴퓨터 판독 가능 저장매체에는 컴퓨터 프로그램 명령이 저장되어 있고, 상기 컴퓨터 프로그램 명령은 프로세서에 의해 실행될 때 제1 측면에 따른 방법을 구현하기 위한 것이다.

제5 측면에서, 본 출원의 실시예는 컴퓨터 프로그램을 제공하는 바, 해당 컴퓨터 프로그램은 프로세서에 의해 실행될 때, 제1 측면에 따른 방법을 실행하기 위한 것이다.

제6 측면에서, 본 출원의 실시예는 컴퓨터 프로그램 제품을 제공하는 바, 컴퓨터 프로그램을 포함하고, 컴퓨터 프로그램이 컴퓨터에서 실행될 때, 상기 컴퓨터가 상술한 제1 측면에 따른 방법을 실행하도록 한다.

제7 측면에서, 본 출원의 실시예는 칩을 제공하는 바, 처리 모듈과 통신 인터페이스를 포함하고, 해당 처리 모듈은 제1 측면에 따른 방법을 실행할 수 있다.

나아가, 해당 칩은 저장 모듈(예컨대, 메모리)을 더 포함하고, 저장 모듈은 명령을 저장하기 위한 것이고, 처리 모듈은 저장 모듈에 저장된 명령을 실행하기 위한 것으로, 저장 모듈에 저장된 명령이 실행되어 처리 모듈이 상술한 제1 측면에 따른 방법을 실행하도록 한다.

제8 측면에서, 본 출원의 실시예는 명령을 실행하는 칩을 제공하는 바, 상기 칩은 메모리, 프로세서를 포함하고, 상기 메모리에는 코드와 데이터가 저장되고, 상기 메모리는 상기 프로세서와 커플링되고, 상기 프로세서가 상기 메모리 중의 코드를 실행하여 상기 칩이 상술한 제1 측면에 따른 방법을 실행하도록 한다.

본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법, 장치, 서버 및 저장매체는, 단말기에서 발송한 노선 확정 요청을 수신하되, 해당 노선 확정 요청은 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 포함하고, 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보, 시나리오 제약 조건과 운송 원가 제약 조건을 기초로, 적어도 하나의 목표 배송 노선을 확정하고, 마지막으로 단말기에 상술한 적어도 하나의 목표 배송 노선을 푸시한다. 해당 기술방안에 따르면, 시나리오 제약 조건과 운송 원가 제약 조건 하에서 확정한 목표 배송 노선이 배송 시효와 운송 원가 제약을 동시에 만족할 수 있기에, 사용자의 만족도를 향상시킴과 동시에 운송 원가를 저감한다.

도 1은 본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법의 응용 시나리오의 도면이다.
도 2는 본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법의 실시예 1의 흐름도이다.
도 3은 본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법의 실시예 2의 흐름도이다.
도 4는 본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법의 실시예 3의 흐름도이다.
도 5는 본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법의 실시예 4의 흐름도이다.
도 6은 본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법의 실시예 5의 흐름도이다.
도 7은 도 6에 도시된 실시예 중의 데이터 집합을 확정하는 블록도이다.
도 8은 도 6에 도시된 실시예 중의 중요 파라미터 집합을 확정하는 블록도이다.
도 9는 모델 파라미터의 일부 파라미터의 중요성을 표시하는 도면이다.
도 10은 본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법의 실시예 6의 흐름도이다.
도 11은 라우팅 모델 파라미터를 업데이트 하는 블록도이다.
도 12는 본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 장치의 구조도이다.
도 13은 본 출원의 실시예에 따른 서버 실시예의 구조도이다.

본 출원의 실시예의 목적, 기술방안과 장점을 더욱 명확하도록 하기 위하여, 아래에는 본 출원의 실시예 중의 첨부 도면을 결합하여 본 출원의 실시예 중의 기술방안에 대하여 명확하고 완전하게 설명하며, 설명된 실시예는 본 출원의 일부분 실시예일 뿐 전부 실시예가 아닌 것이 분명하다. 본 출원 중의 실시예를 바탕으로, 본 기술분야에서 통상적인 지식을 가진 자가 창조적 노력없이 얻은 모든 기타 실시예는 모두 본 출원의 보호범위에 속할 것이다.

현 단계에서 콜드 체인 시장은 활발하게 발전하고 있고, 전체 물류 시장에서 점점 더 많은 비중을 차지하며, 점점 더 많은 사람들의 관심을 받고 있다. 동시에 사람들의 콜드 체인 배송에 대한 요구는 항상 높게 유지하고 있는 바, 전과정 콜드 체인, 빠른 순환 및 시효성 요구가 높다. 이에 대하여, 운송 물품의 품질 또는 효율성을 극대화하고 고객 만족도를 향상시키며 운송 원가를 줄이기 위해서는 운송 거리가 짧고 고객의 타임 윈도우를 만족하는 콜드 체인 유통을 위한 라우팅 결과를 설계하는 것은 특히 중요하다.

현재 복잡한 제약 조건이 있는 대규모 개방형 시나리오에 대한 경로 설계 방안은 주로 타임 윈도우 초과 페널티, 퍼지 주행 시간 추가 및 물류 센터로의 복귀와 같은 제약 조건을 고려하고, 유전 알고리즘을 사용하여 해를 구하는 등이 있다. 콜드 체인 물류 배송 경로 최적화 연구에서는 고객의 타임 윈도우를 초과했을 때 페널티가 추가되지만 운송 시간 제약은 고려하지 않고, 배송 후 물류 센터로 복귀하지 않는 상황은 고려하지 않으며, 절약 알고리즘, 유전 알고리즘 및 입자군 알고리즘 등이 사용된다.

예시적으로, 도 1은 은 본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법의 응용 시나리오의 도면이다. 도 1에 도시된 것을 참조하면, 해당 응용 시나리오는 배송 센터, 복수의 고객 포인트와 서버(미도시)를 포함할 수 있고, 서버는 사용자가 단말기를 통해 발송한 모든 배송 대상 고객 포인트를 포함하는 위치 정보와 배송 센터의 위치 정보를 수신할 경우, 배송 센터와 복수의 고객 포인트 간의 위치 관계를 기초로, 적어도 하나의 목표 배송 노선을 확정하고, 단말기에 푸시하며, 이때 사용자는 상술한 적어도 하나의 목표 배송 노선에 기반하여, 적어도 하나의 차량을 사용하여 상술한 복수의 고객 포인트에 물품을 각각 배송할 수 있다. 선택적으로, 두 대 또는 두 대 이상의 차량을 필요로 할 때 상술한 차량은 동일 차종의 차량(단일 차종)일 수 있다.

구체적으로, 도 1에 도시된 응용 시나리오에 대하여, 본 출원에 따른 콜드 체인 배송 노선 확정 방법의 전반적인 발상은, 오픈 시나리오의 대규모 콜드 체인 도시 배송 지능형 라우팅 문제를 해결하기 위하여 최적의 해결방안을 찾아내는 것으로, 기설정된 시나리오 제약 조건을 만족할 경우, 배송 센터와 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보를 기초로, 운송 원가 제약 조건을 목표로 하여, 적어도 하나의 목표 배송 노선을 확정할 수 있다.

예시적으로, 도 1에 도시된 응용 시나리오에는 하나의 배송 센터와 8개의 고객 포인트가 포함되고, 여기서, 삼각형은 배송 센터를 표시하고, 원형점은 고객 포인트를 표시하고, 횡좌표는 경도값이고, 종좌표는 위도값이다. 서버는 본 출원의 기술방안에 따라, 단말기로부터 상술한 하나의 배송 센터와 8개의 고객 포인트의 위치 정보를 수신한 후, 8개의 고객 포인트에 대해 두 개의 목표 배송 노선(실선과 점선)을 설계할 수 있으며, 여기서, 하나의 목표 배송 노선(실선)은 총 6개 고객 포인트를 경유하고, 다른 하나의 목표 배송 노선(점선)은 2개의 고객 포인트를 경유하며, 검증을 통해, 이 두 목표 배송 노선에 따라 배송 센터로부터 고객 포인트로 물품을 배송할 경우, 모든 시나리오 제약 조건을 만족할 수 있으면서, 운송 원가도 보다 낮다.

이해할 수 있는 것은, 상술한 도 1에 도시된 응용 시나리오 중의 서버는 백그라운드 처리 플랫폼 등일 수 있다. 본 실시예는 콜드 체인 배송 노선 확정 방법의 실행 주체가 서버인 것으로 해석 설명한다.

아래, 구체적인 실시예를 통해 본 출원의 기술방안에 대해 상세하게 설명한다. 설명해야 할 바로는, 아래 몇개 구체적인 실시예는 서로 결합할 수 있으며, 동일하거나 유사한 개념 또는 과정에 대해 일부 실시예에서는 중복 설명하지 않을 수 있다.

도 2는 본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법의 실시예 1의 흐름도이다. 도 2에 도시된 바와 같이, 해당 방법은 아래의 단계를 포함할 수 있다.

단계(21), 단말기에서 발송한 노선 확정 요청을 수신하되, 해당 노선 확정 요청은 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 포함한다.

콜드 체인 배송의 시나리오에서, 배송 센터로부터 배송 대상 고객 포인트 집합 중의 각 고객 포인트에 화물을 배송해야 할 때, 관리자는 서버를 사용하여 목표 배송 노선을 확정한다.

선택적으로, 관리자는 단말기를 통해 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 서버에 입력하여, 서버가 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 획득한 후, 이를 기초로 배송 노선을 확정할 수 있다.

예시적으로, 가령 배송 대상 고객 포인트 집합에 총 4개 고객 포인트가 포함되면, 배송 센터와 고객 포인트의 정보는 표 1에 표시된 바와 같다. 표 1은 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 정보와 배송 센터의 정보이다.

표 1은 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 정보와 배송 센터의 정보이다.

여기서, ID는 번호를 표시하고; type은 유형을 표시하고, 1은 배송 센터를 표시하고, 2는 고객 포인트를 표시하고; 주소 즉, 본 출원의 실시예 중의 명문 주소는 계산 과정에서 경위도로 전환하여 사용할 수 있고; 가장 이른 도착 시간과 가장 늦은 도착 시간으로 구성된 시간대는 고객 포인트에서 요구하는 도착 시간대이다.

이해할 수 있는 것은, 표1 중의 위치 정보, 가장 이른 도착 시간과 가장 늦은 도착 시간의 구체적인 값은 실제 상황에 따라 확정할 수 있으며, 여기서 중복 설명하지 않는다.

단계(22), 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보, 시나리오 제약 조건과 운송 원가 제약 조건을 기초로, 적어도 하나의 목표 배송 노선을 확정한다.

본 실시예에서, 콜드 체인 배송은 전 과정 콜드 체인, 쾌속 유통, 시효성 요구가 높은 특점을 가지므로, 최적의 목표 배송 노선을 확정하기 위하여, 서버는 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 시나리오 제약 조건 하에서, 운송 원가 제약 조건을 목표로 하여, 배송 노선을 확정해야 하며, 이때 운송 원가를 감소할 수 있을 뿐만 아니라, 운송 물품의 품질과 효능을 확보할 수 있다.

이해할 수 있는 것은, 배송 대상 고객 포인트 집합 중의 고객 포인트가 보다 많을 때, 시나리오 제약 조건과 운송 원가 제약 조건을 만족하기 위하여, 확정된 목표 배송 노선은 하나보다 많을 수 있다. 확정된 배송 노선의 수량은 실제 상황에 따라 확정할 수 있으며, 여기서 중복 설명하지 않는다.

단계(23), 단말기에 상술한 적어도 하나의 목표 배송 노선을 푸시한다.

본 실시예에서, 서버는 상술한 노선 확정 요청에 대해 대응되는 적어도 하나의 목표 배송 노선을 확정한 후, 단말기를 통해 관리자에게 푸시하며, 이때 관리자는 상술한 적어도 하나의 목표 배송 노선을 기초로 배송 대상 고객 집합 중의 고객에게 화물을 배송할 수 있다.

본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법은, 단말기에서 발송한 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 포함한 노선 확정 요청을 수신하고, 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보, 시나리오 제약 조건과 운송 원가 제약 조건을 기초로, 적어도 하나의 목표 배송 노선을 확정하여, 단말기에 푸시한다. 해당 기술방안은, 시나리오 제약 조건과 운송 원가 제약 조건 하에서 확정한 목표 배송 노선이 배송 시효와 운송 원가 제약을 동시에 만족할 수 있기에, 사용자의 만족도를 향상시킴과 동시에 운송 원가를 줄인다.

예시적으로, 본 출원의 한가지 가능한 설계에서, 해당 콜드 체인 배송 노선 확정 방법의 전반적인 발상은 오픈 시나리오 대규모 콜드 체인 도시 배송 지능형 라우팅 문제를 해결하기 위해 제기된 최적화 해결방안을 찾는 것으로, 만족해야 하는 시나리오 제약 조건은, 엄격한 타임 윈도우 제약, 운송 시간 제약, 단일 차종(적재 용량과 적재 중량 제약), 배송 센터 비복귀 등을 포함하고, 줄 사용하는 기술 노선은, 우선, 삽입 알고리즘을 사용하여 초기 설계 노선을 구축하되, 해당 알고리즘은 최근린 기법과 절약 기법을 결합하여, 고객 포인트를 초기 설계 노선에 삽입하며, 삽입 과정에 매번의 삽입이 상기 모든 제약 조건을 만족해야 하고, 그 다음, 맞춤형 이웃 검색 알고리즘을 통해 반복하여 더욱 좋은 해를 찾아내는 것으로, 이중, 반복의 종료 조건은 주로 반복 횟수, 알고리즘의 해를 구하는 시간, 연속적으로 더욱 좋은 해를 찾지 못할 경우 종료하는 반복 간격 등을 포함하고, 이상 임의의 하나를 만족하기만 하면 알고리즘은 종료되어, 반복하여 검색된 최적의 해를 리턴한다. 구체적인 방안은 아래와 같다.

예시적으로, 도 3은 본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법의 실시예 2의 흐름도이다. 도 3에 도시된 것을 참조하면, 본 실시예에서, 상술한 단계(22)는 아래와 같은 단계를 통해 구현될 수 있다.

단계(31), 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보와 시나리오 제약 조건을 기초로, 적어도 하나의 초기 설계 노선을 확정한다.

여기서, 해당 시나리오 제약 조건은 고객 포인트의 타임 윈도우 제약, 운송 시간 제약, 단일 차종 배송, 배송 센터 비복귀를 포함한다.

본 출원의 실시예에서, 서버가 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보와 시나리오 제약 조건을 기초로 적어도 하나의 초기 설계 노선을 확정하는 과정은 바로 초기 해를 구축하는 과정이며, 구체적으로 기설정 알고리즘을 통해 적어도 가능한 해를 획득하는 과정이다.

본 실시예에서, 서버는 초기 설계 노선을 확정하는 과정에, 매번 초기 설계 노선에 하나의 고객 포인트를 추가할 때 모두 시나리오 제약 조건을 만족하는지 여부를 판단함으로써, 확정된 초기 설계 노선은 꼭 가능성 있는 노선이다.

단계(32), 총 운송 원가가 가장 낮은 것을 솔루션 목표로 하여, 각 초기 설계 노선에 대해 반복 업데이트하여, 적어도 하나의 목표 배송 노선을 확정한다.

예시적으로, 본 실시예는 각 초기 설계 노선의 총 운송 원가를 솔루션 목표로 하고, 반복 검색을 사용하여 최적화 조건(즉 최소 운송 원가)을 만족하는 더욱 좋은 설계 노선을 찾는 것으로, 해당 더욱 좋은 설계 노선은 초기 설계 노선과 비교한 개념이다.

하나의 예시로서, 본 출원의 해를 구하는 목표 함수는 총 운송 거리(Min)를 극소화하고, 구체적인 공식은 아래와 같다.

여기서, 공식(1)은 목표 함수로서 총 운송 거리를 극소화하고, 공식(2)은 고객 포인트의 타임 윈도우 제약을 표시하고, 공식(3)은 운송 시간 제약을 표시한다.

구체적으로, n은 지능형 라우팅의 총 수량이고; lr은 i 번째 노선 중의 고객 포인트의 총 수량이고; d _ijk 는 i 번째 노선 상의 j 번째 고객 포인트와 k 번째 고객 포인트의 거리이고, j가 0일 때 배송 센터를 말하고;t _ij = [t _ij0 ,t _ij1 ] 는 i 번째 노선 상의 j 번째 고객 포인트의 타임 윈도우를 표시하고, t _ij0 는 t _ij 의 시작 시간이고, t _ij1 은 t _ij 의 종료 시간이고; eat _ij 는 i번째 노선 상의 j 번째 고객 포인트로의 예측 도착 시간을 표시하고; st _i 는 i 번째 노선에서의 운송 시간이고,

, k=j+1, t _jk 는 j 번째 고객 포인트에서 k 번째 고객 포인트까지 필요한 시간이고; tr은 기설정 운송 시간으로, 지정된 상수값이다.

선택적으로, 본 출원은 적응형 이웃 검색 알고리즘 프레임워크를 기반으로 반복하여 더 좋은 해를 찾을 수 있다. 구체적인 구현 원리는 아래 도 4의 실시예의 기재를 참조할 수 있으며, 여기서 중복 설명하지 않는다.

예시적으로, 상술한 실시예의 기초 상에서, 도 4는 본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법의 실시예 3의 흐름도이다. 도 4에 도시된 것을 참조하면, 본 실시예에서, 상술한 단계(31)는 아래의 단계를 통해 구현될 수 있다.

단계(41), 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 제1 초기 설계 노선을 구축한다.

여기서, 제1 초기 설계 노선의 주요 고객 포인트는 시나리오 제약 조건을 만족하고 배송 센터와의 거리가 가장 먼 고객 포인트이다.

본 실시예에서, 서버는 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 수신한 후, 먼저 하나의 초기 설계 노선을 구축하고, 배송 센터와의 거리가 가장 먼 정점을 초기 설계 노선의 주요 고객 포인트로 할 수 있다.

이해할 수 있는 것은, 본 출원의 실시예에서, 초기 설계 노선 중의 각 고객 포인트의 위치와 순서를 확정할 때, 시나리오 제약 조건 중의 모든 제약을 모두 만족하는지 여부를 판단해야 한다.

단계(42), 기설정 알고리즘에 기반하여, 삽입될 고객 포인트가 상술한 시나리오 제약 조건을 만족하지 않을 때까지 제1 초기 설계 노선에 순차적으로 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입한다.

본 실시예에서, 제1 초기 설계 노선을 확정한 후, 고객 포인트가 시나리오 제약 조건 중의 모든 제약을 만족할 때, 고객 포인트를 하나씩 제1 초기 설계 노선에 삽입해야 하며, 이로부터 하나의 운송 차량이 하나의 설계 노선에서 동시에 복수의 고객 포인트에 화물을 배송할 수 있도록 한다.

예시적으로, 본 실시예의 기설정 알고리즘은 삽입 기법일 수 있으며, 즉, 삽입 기법을 사용하여 하나의 가능한 해를 얻는 과정이다. 삽입 기법은 최장 거리 삽입 기법으로도 불리우는 바, 우선, 배송 센터로부터 가장 먼 고객 포인트를 선택하여 주요 고객 포인트(시작점)로 하고, 시나리오 제약 조건 중의 모든 제약을 만족하는지 여부를 판단하며, 만족할 경우, 최근린 기법을 기초로 배송 대상 고객 포인트 집합 중에서 순차적으로 삽입될 고객 포인트를 선택하고, 삽입되는 모든 고객 포인트가 모두 시나리오 제약 조건 중의 모든 제약을 만족도록 확보함으로써, 초기 해를 구축하기만 하면 초기 해가 꼭 사용 가능한 해임을 확보한다.

나아가, 본 출원의 실시예에서, 해당 단계(41) 전에, 해당 방법은 아래의 단계를 더 포함할 수 있다.

A1, 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 임의의 두 고객 포인트 사이의 네비게이션 거리를 확정한다.

A2, 임의의 두 고객 포인트 사이의 네비게이션 거리, 및 각 고객 포인트와 배송 센터의 네비게이션 거리를 기초로, 거리 매트릭스를 구축한다.

본 실시예에서, 서버는 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 임의의 두 고객 포인트 사이의 네비게이션 거리 및 각 고객 포인트와 배송 센터의 네비게이션 거리를 확정하여, 임의의 두 고객 포인트 사이의 네비게이션 거리, 및 각 고객 포인트와 배송 센터의 네비게이션 거리를 기초로, 거리 매트릭스를 구축함으로써, 추후에 실제 수요에 더욱 부합하는 배송 노선을 확정하는데 조건을 마련할 수 있다.

예시적으로, 하나의 배송 센터와 3개 고객 포인트의 응용 시나리오의 경우, 해당 4개 포인트는 4*4의 거리 매트릭스를 형성할 수 있다.

상응하게, 해당 단계(42)는 아래의 방식을 통해 구현될 수 있다.

최근린 차이값 기법, 상술한 거리 매트릭스와 절약 알고리즘에 기반하여, 제1 초기 설계 노선에 순차적으로 상기 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입한다.

예시적으로, 본 실시예는 최근린 차이값 기법, 상술한 거리 매트릭스와 절약 알고리즘에 기반하여 하나의 사용 가능한 해를 획득할 수 있다. 최근린 차이값 기법을 기초로 현재 고객 포인트와의 네비게이션 거리가 가장 가까운 고객 포인트를 다음 삽입 포인트로 한 후, 절약 알고리즘을 사용하여, 절약값이 가장 큰 고객 포인트로 초기 설계 노선에서의 고객 포인트의 위치를 결정하고, 즉 초기 설계 노선 상에서 삽입되는 고객 포인트의 선후 순서를 확정하며, 상술한 방법에 따라 선택 및 삽입하는 단계를 중복으로 실행하고, 매번 삽입하는 과정이 모두 시나리오 제약 조건을 만족한다.

단계(43), 삽입될 고객 포인트가 상술한 시나리오 제약 조건을 만족하지 않을 경우, 배송 대상 고객 포인트 집합 중의 나머지 고객 포인트를 기초로, 제2 초기 설계 노선을 구축한다.

본 실시예에서, 제1 초기 설계 노선에 삽입된 고객 포인트가 시나리오 제약 조건을 만족하지 않으면, 예를 들어, 고객의 타임 윈도우를 초과하거나 또는 운송 시간 요구를 초과하면, 삽입될 고객 포인트와 나머지 고객 포인트가 모두 제1 초기 설계 노선에 설계할 수 없다는 것을 말하며, 이때 배송 대상 고객 포인트 집합 중의 나머지 고객 포인트를 기초로, 단계(41)와 단계(42)의 노선 설계 방법에 따라 제2 초기 설계 노선을 구축하고, 삽입될 고객 포인트가 상술한 시나리오 제약 조건을 만족하지 않거나 삽입 완료될 때까지 제2 초기 설계 노선에 순차적으로 배송 대상의 고객 포인트를 삽입할 수 있다.

이해할 수 있는 것은, 만약 제2 초기 설계 노선에도 나머지 고객 포인트를 모두 설계할 수 없을 경우, 모든 고객 포인트가 시나리오 제약 조건을 만족하는 전제하에서 모두 설계에 넣어질 때가지 기타 새로운 초기 설계 노선을 더 구축한다.

본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법은, 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 제1 초기 설계 노선을 구축하되, 기설정 알고리즘에 기반하여, 삽입될 고객 포인트가 시나리오 제약 조건을 만족하지 않을 때까지, 제1 초기 설계 노선에 순차적으로 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입하고, 삽입될 고객 포인트가 시나리오 제약 조건을 만족하지 않을 때, 배송 대상 고객 포인트 집합 중의 나머지 고객 포인트를 기초로, 제2 초기 설계 노선을 구축한다. 해당 기술방안은, 먼저 시나리오 제약 조건을 만족하는 적어도 하나의 초기 설계 노선을 확정할 수 있으므로, 추후에 적어도 하나의 목표 배송 노선을 획득하는데 가능성을 제공한다.

나아가, 상술한 실시예의 기초 상에서, 도 5는 본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법의 실시예 4의 흐름도이다. 도 5에 도시된 것을 참조하면, 본 실시예에서, 상술한 단계(32)는 아래의 단계를 통해 구현될 수 있다.

단계(51), 각 초기 설계 노선의 총 운송 원가를 계산한다.

본 출원의 실시예에서, 각 초기 설계 노선 고객 포인트의 위치, 각 고객 포인트의 위치 원가를 기초로, 각 초기 설계 노선의 총 운송 원가를 계산하여, 추후 초기 설계 노선의 업데이트에 조건을 제공할 수 있다.

예시적으로, 해당 총 운송 원가는 총 운송 거리를 나타낼 수 있으며, 따라서 도 3에 도시된 실시예 중의 공식(1)을 사용하여 해를 구할 수 있다.

단계(52), 각 초기 설계 노선에 대해, 초기 설계 노선 상의 고객 포인트의 배송 순서를 기초로, 초기 설계 노선을 파괴-재건하는 방식으로, 복수의 업데이트한 후의 초기 설계 노선을 확정하고, 각각의 업데이트한 후의 초기 설계 노선의 총 운송 원가를 각각 계산한다.

선택적으로, 각 초기 설계 노선에 대해, 각 초기 설계 노선 상의 고객 포인트의 배송 순서는 초기 설계 노선을 파괴-재건(즉, destroy와 repair 방법)하는 방식으로 새로운 초기 설계 노선을 구성할 수 있으며, 초기 설계 노선을 파괴-재건하는 방식은 바로 여러가지 절단, 재연결하는 방식으로 새로운 초기 설계 노선을 구성하는 것이다.

본 실시예에서, 업데이트한 후의 초기 설계 노선을 획득한 후, 각 업데이트한 후의 초기 설계 노선 고객 포인트의 위치, 각 고객 포인트의 위치 원가를 기초로, 각 업데이트한 후의 초기 설계 노선의 총 운송 원가를 계산할 수 있다. 해당 방법이 종료 조건을 만족할 때까지 해당 단계를 중복하며, 예컨대, 종료 조건은 주로 반복 횟수, 알고리즘의 해를 구하는 시간, 연속적으로 더욱 좋은 해를 찾지 못하여 종료하는 반복 간격 등을 포함한다.

단계(53), 업데이트한 후의 모든 초기 설계 노선의 총 운송 원가를 기초로, 목표 배송 노선을 확정하되, 해당 목표 배송 노선은 모든 업데이트한 후의 초기 설계 노선 중에서 총 운송 원가가 가장 낮은 노선이다.

본 실시예에서, 매번 초기 설계 노선을 업데이트 할 때, 업데이트한 후의 초기 설계 노선의 총 운송 원가를 각각 계산하고, 업데이트한 후의 각 초기 설계 노선에 하나의 계수를 할당할 수 있으며, 해당 계수는 업데이트한 후의 각 초기 설계 노선의 우열을 표시하기 위한 것이다. 마지막으로, 업데이트한 후의 모든 초기 설계 노선 중의 총 운송 원가를 기초로, 총 운송 원가가 가장 낮은 노선을 목표 배송 노선으로 확정한다.

본 출원의 실시예에 따른 방법은, 반복 검색하는 방식으로 목표 배송 노선을 확정함으로써, 모든 제약 조건을 만족할 수 있을 뿐만 아니라, 운송 원가가 보다 낮고, 보다 높은 실용성을 구비한다.

상기한 바를 종합하면, 도 3 내지 도 5의 실시예에 따른 콜드 체인 배송 노선 확정 방법이 적용된 콜드 체인 배송 시나리오는 보다 신규한 것으로, 실제 응용 시나리오를 가지는 타임 윈도우를 구비한 콜드 체인 도시 배송 시나리오이며, 시나리오에 관련된 고객 포인트 수가 보다 크고(예컨대, 500 이상), 단일 차종 배송 및 차량 자원이 충족하고, 모든 차량이 동일한 배송 센터에서 출발하지만 배송 완료 후 배송 센터에 복귀하지 않는 등이며, 고려되는 제약은 고객 타임 윈도우(배송 시효 요구)를 엄격하게 만족하는 제약, 차량 운송 시간 제약(각 차량의 운송 시간이 지정값 미만)을 포함하고, 총 운송 원가 또는 총 운송 거리를 최소화하는 것을 목표로 한다. 본 방안은 삽입 알고리즘을 사용하여 초기 해를 구축하고, 적응형 이웃 검색 알고리즘 프레임워크에 기반하여 반복하여 더욱 좋은 해를 찾아 목표 배송 노선을 확정하여, 실용성이 높다.

예시적으로, 본 출원의 다른 한가지 가능한 설계에서, 본 실시예의 상술한 단계(22)는 아래의 방식을 통해 구현될 수 있다.

배송 대상 고객 포인트 집합 중의 모든 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 라우팅 모델에 입력하고, 적어도 하나의 목표 배송 노선을 출력하되, 각각의 목표 배송 노선 중의 고객 포인트는 시나리오 제약 조건을 만족하고, 각각의 목표 배송 노선의 운송 원가는 운송 원가 제약 조건에 부합한다.

선택적으로, 본 실시예에서, 서버에서는 라우팅 모델이 실행될 수 있고, 해당 라우팅 모델은 과거 라우팅 방안을 기초로 확정될 수 있고, 배송 대상 고객 포인트 집합 중의 모든 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로 자동으로 적어도 하나의 목표 배송 노선을 출력할 수 있다.

설명해야 할 바로는, 본 실시예에서, 해당 라우팅 모델은 과거 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 시나리오 제약 조건과 운송 원가 제약 조건의 전제 하에서 훈련하여 획득된 것으로써, 해당 라우팅 모델이 출력한 각각의 목표 배송 노선 중의 고객 포인트는 시나리오 제약 조건을 만족하고, 각각의 목표 배송 노선의 운송 원가는 운송 원가 제약 조건에 부합한다.

본 출원의 실시예에서, 라우팅 모델은 목표 배송 노선의 방안을 구하기 위한 것으로서, 설계의 과정에서, 종종 많은 알고리즘 파라미터가 관련되는 바, 많게는 수백 개, 적게는 십여 개이다. 어떻게 라우팅 모델의 파라미터를 업데이트하여 라우팅 모델의 성능을 향상시키는가 하는 것은 콜드 체인 배송의 지능형 라우팅에서 매우 중요하다.

현재, 라우팅 모델의 파라미터를 조정하기 위한 방안은 보다 적으며, 일반적으로는 인위적으로 수정하여 파라미터를 튜닝하는 바, 즉 테스터가 경험 및 개인 선호에 따라 그 중의 몇개의 업데이트할 파라미터를 선택하고, 가능한 여러 값을 열거하여, 알고리즘을 반복하여 실행하면서, 이러한 파라미터 조합의 알고리즘 스코어를 관찰한다. 이러한 방법은 시간이 많이 소요될 뿐만 아니라 튜닝 효과도 좋지 않으므로, 이 문제에 대하여, 본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법은, 목표 배송 노선을 확정하는 전제 하에서, 또한 운영 연구 및 머신 러닝 알고리즘을 결합하는 방법을 사용하여, 라우팅 모델 파라미터에 대해 튜닝 및 업데이트를 구현함으로써, 라우팅 모델의 응용 범위를 확대하도록 할 수 있다.

이해할 수 있는 것은, 라우팅 모델의 파라미터 튜닝에서, 아래와 같은 문제를 해결해야 한다. 즉, 대량의 모델 파라미터에 직면하게 되는데, 모든 파라미터를 반복하여 업데이트하지 못할 경우, 이 중의 어느 파라미터들을 선택하여 업데이트할지, 그리고 업데이트된 파라미터 리스트를 확정한 후, 어떻게 이러한 파라미터의 값을 검색하고 변경할지 등이다. 본 출원의 실시예에 따른 기술방안은 운영 연구 알고리즘 + 머신 러닝 알고리즘의 모델을 제정하여, 과학적으로 정확하게 각각의 모델 파라미터의 중요 정도를 평가하고, 모델 파라미터의 중요 정도에 따라, 기설정 수량의 파라미터를 선택하며, 예를 들어, 파라미터 계산 테이블에 저장하고, 파라미터 계산 테이블에 들어가는 요소의 수량을 점차적으로 증가할 수 있으며; 업데이트하고자 하는 파라미터를 선택한 후에, 주로 그리드 검색과 푸어 검증 방식을 사용하여 라우팅 모델에 대한 업데이트를 수행한다. 아래 구체적인 예시를 통해 해석 설명한다.

예시적으로, 도 6은 본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법의 실시예 5의 흐름도이다. 도 6에 도시된 것을 참조하면, 해당 방법은 아래의 단계를 더 포함한다.

단계(61), 기설정 순환 횟수로, 실행 파라미터 값이 다른 라우팅 모델을 각각 실행하여, 해당 라우팅 모델의 매번 실행 파라미터 값과 매번 실행 결과를 획득한다.

단계(62), 라우팅 모델의 모든 실행 파라미터 값과 모든 실행 결과를 기초로, 데이터 집합을 획득한다.

여기서, 해당 데이터 집합은 훈련 데이터와 테스트 데이터를 포함한다.

본 실시예에서, 라우팅 모델의 성능은 각 노선의 총 운송 원가를 사용하여 평가할 수 있으며, 노선의 총 운송 원가를 목표 함수로서 표시한다. 이해할 수 있는 것은, 총 운송 원가는 형성된 노선의 수량 및 각 고객 포인트 수의 원가와 관련되며, 구체적인 공식은 아래와 같다.

여기서, n은 라우팅 모델이 출력한 목표 배송 노선의 총 수량이고; m은 배송 대상 고객 포인트 집합 중의 각 고객의 총 수량이고; lr은 노선 중의 고객 포인트의 총 수량이고; ind _ij 는 i번째 노선에 j번째 고객 포인트가 나타나는지 여부로서, i번째 노선에 j번째 고객 포인트가 나타나면, ind _ij =1이고, i번째 노선에 j번째 고객 포인트가 나타나지 않으면, ind _ij =0이고; c는 고객 포인트의 위치 원가로서, 상수이고; l은 설계되지 않은 고객 포인트의 수량이고; p는 설계되지 않은 포인트의 페널티 계수이고; g(d,c,n,m)는 설계되지 않은 고객 포인트의 페널티 함수이고; d는 모든 노선 중에서 최장 경로의 길이이고, d _ijk 는 i번째 노선 상의 j번째 고객 포인트와 k번째 고객 포인트의 거리이고; fc는 i번째 노선에 설계된 가장 많은 고객 포인트 수량이다.

본 실시예에서, 라우팅 모델의 모든 모델 파라미터 중에서 중요 파라미터를 확정하기 위하여, 먼저 분석할 데이터 집합을 획득해야 한다. 도 7은 도 6에 도시된 실시예 중의 데이터 집합을 확정하는 블록도이다. 도 7에 도시된 것을 참조하면, 우선 랜덤으로 모델 파라미터를 선택하되 모델 파라미터는 서로 다른 값을 가지며, 다음으로 파라미터 값이 다른 라우팅 모델을 실행하여, 해당 라우팅 모델의 매번 실행 파라미터 값과 매번 실행 결과를 획득하고, 예시적으로, 매번 실행 파라미터 값과 매번 실행 결과를 데이터 파일에 저장하고, 기설정 순환 횟수(예를 들어, 1000회 또는 기타 횟수, 본 실시예는 이에 대해 한정하지 않음)로, 상술한 프로세스를 반복으로 실행하고, 모든 데이터 파일을 수집하여, 데이터 집합을 획득할 수 있다.

예시적으로, 본 실시예에서, 도 8은 도 6에 도시된 실시예 중의 중요 파라미터 집합을 확정하는 블록도이다. 도 8에 도시된 것을 참조하면, 추후에 확정된 중요 파라미터에 대해 검증할 수 있도록 하기 위하여, 획득된 데이터 집합을 훈련 데이터와 테스트 데이터로 나누어, 훈련 데이터를 사용하여 중요 파라미터 집합을 확정하고, 테스트 데이터를 사용하여 획득한 중요 파라미터 집합에 대해 검증할 수 있다.

단계(63), 기설정 알고리즘을 통해 훈련 데이터에 대해 처리하여, 라우팅 모델의 중요 파라미터 집합을 확정한다.

본 실시예에서, 도 8에 도시된 것을 참조하면, 본 실시예는 훈련 데이터를 사용하여 라우팅 모델의 중요 파라미터 집합을 확정한다. 구체적으로, 처리 효율을 향상시키기 위하여, 먼저 데이터 집합 중의 훈련 데이터에 대해 전처리를 수행하고, 예를 들어, 데이터 클리닝 등을 수행하고, 다음으로 기설정 알고리즘을 사용하여 데이터 클리닝을 거친 훈련 데이터에 대해 처리하여, 중요 파라미터 집합을 선별한다. 선택적으로, 해당 기설정 알고리즘은 랜덤 회귀 모델로서, 보다 많은 훈련 데이터로부터 중요 파라미터 집합을 선별해 낼 수 있다.

단계(64), 해당 중요 파라미터 집합과 테스트 데이터를 결합하여, 해당 중요 파라미터 집합 중의 각각의 중요 파라미터의 값 범위를 확정한다.

예시적으로, 서버는 중요 파라미터 집합을 획득한 후, 이를 미리 구성된 중요 정도 테이블에 기록할 수 있다. 도 8에 도시된 것을 참조하면, 중요 파라미터 집합 중의 각각의 중요 파라미터의 값을 확정하기 위하여, 또한 데이터 집합에서 구분해 낸 테스트 데이터에 대해 데이터 클리닝 등 처리를 수행한 후, 클리닝 후의 테스트 데이터를 사용하여, 해당 중요 파라미터 집합 중의 각각의 중요 파라미터의 값 범위를 확정할 수 있다.

예시적으로, 도 9는 모델 파라미터의 일부 파라미터의 중요성을 표시하는 도면이다. 도 9에 도시된 것을 참조하면, 실제 서비스 데이터를 사용하여, 획득된 중요 파라미터 집합 중의 각 중요 파라미터의 값이다. 본 실시예에서, 선분이 길 수록 파라미터가 더욱 중요함을 표시한다. 서버에는 하나의 임계값이 미리 설정될 수 있으며, 파라미터 값이 임계값보다 큰 파라미터를 중요 파라미터로 확정한다.

본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법은, 기설정 순환 횟수로, 파라미터 값이 다른 상기 라우팅 모델을 각각 실행하여, 라우팅 모델의 매번 실행 파라미터 값과 매번 실행 결과를 획득하고, 나아가 데이터 집합을 획득하며, 기설정 알고리즘을 통해 데이터 집합 중의 훈련 데이터에 대해 처리하여, 라우팅 모델의 중요 파라미터 집합을 확정하고, 마지막으로 중요 파라미터 집합과 테스트 데이터를 결합하여, 중요 파라미터 집합 중의 각각의 중요 파라미터의 값 범위을 확정한다. 해당 기술방안은 대량의 모델 파라미터 중에서 중요 파라미터 집합을 확정함으로써, 라우팅 모델의 파라미터 튜닝을 위해 구현 가능성을 제공한다.

예시적으로, 상술한 실시예의 기초 상에서, 도 10은 본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법의 실시예 6의 흐름도이다. 도 10에 도시된 것을 참조하면, 해당 방법은 아래의 단계를 더 포함한다.

단계(101), 해당 중요 파라미터 집합 중의 각각의 중요 파라미터의 값 범위에 대해, 그리드 검색 알고리즘을 기초로, 해당 중요 파라미터 집합에 대응되는 파라미터 그리드를 확정한다.

본 실시예에서, 중요 파라미터 집합을 확정해 낸 후에, 해당 중요 파라미터 집합 중의 각각의 중요 파라미터의 값 범위를 이용하여, 그리드 검색 알고리즘(grid-search)의 처리를 기반으로, 파라미터 그리드를 획득한다. 그리드 검색 알고리즘은 파라미터 값을 지정하는 한 가지 철저한 검색 방법을 가리키는 것으로서, 각 중요 파라미터의 가능한 값을 배열하고 조합하고, 모든 가능한 조합 결과를 나열하여, 파라미터 그리드를 생성한다.

단계(102), 해당 파라미터 네트워크와 훈련 데이터에 대해 교차 검증을 수행하여, 최적 파라미터 조합을 확정하되, 해당 최적 파라미터 조합은 복수의 중요 파라미터와 각각의 중요 파라미터의 값을 포함한다.

예시적으로, 도 11은 라우팅 모델 파라미터를 업데이트하는 블록도이다. 도 11에 도시된 것을 참조하면, 중요 파라미터 집합을 기초로 파라미터 그리드를 획득한 후, 상술한 획득한 데이터 집합 중의 훈련 데이터를 교차 검증 모듈에 입력하여, 최적 파라미터 조합을 확정하되, 최적 파라미터 조합은 복수의 중요 파라미터와 각각의 중요 파라미터의 값을 포함하고, 즉 모든 파라미터 조합을 시도한 후에, 하나의 적합한 분류기로 리턴하여, 최적 파라미터 조합으로 자동 조정한다.

단계(103), 최적 파라미터 조합과 훈련 데이터를 사용하여, 상술한 라우팅 모델을 업데이트 한다.

본 실시예에서, 도 11에 도시된 것을 참조하면, 상술한 단계를 실행하여 획득된 중요 파라미터가 점차적으로 증가되고, 마지막으로 최적 파라미터 조합과 훈련 데이터를 사용하여 라우팅 모델의 파라미터를 대체할 수 있으며, 나아가 라우팅 모델의 업데이트를 구현한다.

나아가, 본 출원의 실시예에서, 도 10에 도시된 것을 참조하면, 해당 방법은 아래의 단계를 더 포함할 수 있다.

단계(104), 해당 테스트 데이터를 사용하여 업데이트한 후의 라우팅 모델의 성능 평가를 수행하여, 업데이트한 후의 라우팅 모델의 라우팅 성능을 확정한다.

본 실시예에서, 도 11에 도시된 것을 참조하면, 업데이트한 후의 라우팅 모델은 또한 상술한 획득된 데이터 집합 중의 테스트 데이터를 사용하여 성능 평가를 수행하여, 상술한 중요 파라미터 확정 방법과 중요 파라미터 튜닝 방안의 정확성을 검증할 수 있다.

본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 방법은, 중요 파라미터 집합 중의 각각의 중요 파라미터의 값 범위에 대해, 그리드 검색 알고리즘을 기초로, 해당 중요 파라미터 집합에 대응되는 파라미터 그리드를 확정하고, 파라미터 네트워크와 훈련 데이터에 대해 교차 검증을 수행하여, 최적 파라미터 조합을 확정하고, 마지막으로 최적 파라미터 조합과 훈련 데이터를 사용하여, 해당 라우팅 모델을 업데이트 함으로써, 모델 파라미터의 업데이트를 구현하고, 나아가, 해당 테스트 데이터를 사용하여 업데이트한 후의 라우팅 모델에 대해 성능 평가를 수행하여, 업데이트한 후의 라우팅 모델의 라우팅 성능을 확정함으로써, 모델 파라미터에 대한 튜닝을 구현하고, 추후 최적의 배송 노선을 확정하는데 기반을 마련한다.

아래는 본 출원의 장치 실시예로서, 본 출원의 방법 실시예를 실행하는데 사용될 수 있다. 본 출원의 장치 실시예에서 개시되지 않은 디테일은, 본 출원의 방법 실시예를 참조하길 바란다.

도 12는 본 출원의 실시예에 따른 콜드 체인 배송 노선 확정 장치의 구조도이다. 해당 장치는 서버에 집적될 수 있고, 서버를 통해 구현될 수도 있다. 도 12에 도시된 것을 참조하면, 해당 장치는 수신 모듈(121), 처리 모듈(122)과 푸시 모듈(123)을 포함할 수 있다.

여기서, 해당 수신 모듈(121)은, 단말기에서 발송한 노선 확정 요청을 수신하되, 상기 노선 확정 요청은 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 포함하고;

해당 처리 모듈(122)은, 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보, 시나리오 제약 조건과 운송 원가 제약 조건을 기초로, 적어도 하나의 목표 배송 노선을 확정하고;

해당 푸시 모듈(123)은, 상기 단말기에 상기 적어도 하나의 목표 배송 노선을 푸시한다.

본 출원의 실시예의 한가지 가능한 설계에서, 처리 모듈(122)은 제1 처리 유닛과 제2 처리 유닛을 포함할 수 있으며;

해당 제1 처리 유닛은, 상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보와 시나리오 제약 조건을 기초로, 적어도 하나의 초기 설계 노선을 확정하되, 상기 시나리오 제약 조건은 고객 포인트의 타임 윈도우 제약, 운송 시간 제약, 단일 차종 배송, 배송 센터 비복귀를 포함하고;

해당 제2 처리 유닛은, 총 운송 원가가 가장 낮은 것을 솔루션 목표로 하고, 각 초기 설계 노선에 대해 반복 업데이트하여, 적어도 하나의 목표 배송 노선을 확정한다.

선택적으로, 해당 제1 처리 유닛은 구체적으로,

상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 제1 초기 설계 노선을 구축하되, 상기 제1 초기 설계 노선의 주요 고객 포인트는 상기 시나리오 제약 조건을 만족하고 배송 센터와의 거리가 가장 먼 고객 포인트이고;

기설정 알고리즘에 기반하여, 삽입될 고객 포인트가 상기 시나리오 제약 조건을 만족하지 않을 때까지 순차적으로 상기 제1 초기 설계 노선에 상기 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입하고;

예시적으로, 제1 처리 유닛은 또한, 상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 제1 초기 설계 노선을 구축하기 전에, 상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 임의의 두 고객 포인트 사이의 네비게이션 거리, 및 각 고객 포인트와 상기 배송 센터의 네비게이션 거리를 확정하고, 임의의 두 고객 포인트 사이의 네비게이션 거리, 및 각 고객 포인트와 상기 배송 센터의 네비게이션 거리를 기초로, 거리 매트릭스를 구축하며;

이때 제1 처리 유닛이 기설정 알고리즘에 기반하여, 순차적으로 상기 제1 초기 설계 노선에 상기 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입하고, 구체적으로,

제1 처리 유닛은 구체적으로, 최근린 차이값 기법, 상기 거리 매트릭스와 절약 알고리즘을 기초로, 순차적으로 상기 제1 초기 설계 노선에 상기 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입한다.

하나의 예시로서, 상기 제2 처리 유닛은 구체적으로,

각 초기 설계 노선의 총 운송 원가를 계산하고;

각 초기 설계 노선에 대해, 상기 초기 설계 노선 상의 고객 포인트의 배송 순서를 기초로, 상기 초기 설계 노선을 파괴-재건하는 방식을 사용하여, 복수의 업데이트한 후의 초기 설계 노선을 확정하고, 각각의 업데이트한 후의 초기 설계 노선의 총 운송 원가를 각각 계산하고;

본 출원의 실시예의 다른 한가지 가능한 설계에서, 처리 모듈(122)은 구체적으로, 상기 배송 대상 고객 포인트 집합 중의 모든 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 라우팅 모델에 입력하여, 적어도 하나의 목표 배송 노선을 출력하되, 각각의 목표 배송 노선 중의 고객 포인트는 시나리오 제약 조건을 만족하고, 각각의 목표 배송 노선의 운송 원가는 운송 원가 제약 조건에 부합한다.

선택적으로, 처리 모듈(122)은 또한,

예시적으로, 처리 모듈(122)은 또한,

나아가, 처리 모듈(122)은 또한, 상기 테스트 데이터를 사용하여 업데이트한 후의 라우팅 모델에 대해 성능 평가를 수행하여, 업데이트한 후의 라우팅 모델의 라우팅 성능을 확정한다.

본 출원의 실시예에 따른 장치는 도 2 내지 도 11에 도시된 실시예 중의 방법을 실행할 수 있고, 구현 원리와 기술효과는 유하시기에, 여기서 중복 설명하지 않는다.

설명해야 할 바로는, 상기 장치의 각각의 모듈의 분할은 단지 논리적 기능의 분할이며, 실제 구현에서 전부 또는 일부가 하나의 물리적 엔티티에 통합되거나, 물리적으로 분리될 수 있음을 이해해야 한다. 이러한 모듈은 모두 소프트웨어가 처리 소자에 의해 호출되는 형태로 구현될 수 있고; 모두 하드웨어의 형태로 구현될 수도 있으며; 또한 일부 모듈은 처리 소자를 통해 소프트웨어를 호출하는 형태로 구현되고 일부 모듈은 하드웨어의 형태로 구현될 수 있다. 예를 들어, 처리 모듈은 별도로 구축된 처리 소자일 수 있고, 상기 장치의 어느 칩에 통합되어 구현될 수도 있으며, 이밖에, 프로그램 코드 형태로 상기 장치의 메모리에 저장될 수도 있고, 상기 장치의 어느 처리 소자에 의해 호출되어 상기 처리 모듈의 기능을 실행한다. 다른 모듈의 구현도 이와 유사하다. 또한 이러한 모듈은 전부 또는 일부가 일체로 통합되거나 별도로 구현될 수 있다. 여기에 설명된 처리 소자는 신호 처리 기능을 구비한 집적 회로일 수 있다. 구현 과정에서, 상기 방법의 각 단계 또는 각각의 모듈은 프로세서 요소 중 하드웨어의 집적 논리 회로 또는 소프트웨어 형태의 명령에 의해 완성될 수 있다.

예를 들어, 상기 이러한 모듈은 상기 방법을실시하는 하나 또는 복수 개의 집적 회로로 구성될 수 있는 바, 예를 들어, 하나 또는 복수 개의 전용 집적 회로(application specific integrated circuits, ASIC), 또는 하나 또는 복수 개의 마이크로 프로세서(digital signal processor, DSP), 또는 하나 또는 복수 개의 필드 프로그램 가능 게이트 어레이(field programmable gate array, FPGA) 등이다. 다른 예로, 상기 특정 모듈이 처리 소자를 통해 프로그램 코드를 호출하는 형태로 구현될 경우, 해당 처리 소자는 중앙 프로세서(central processing unit, CPU), 또는 프로그램 코드를 호출할 수 있는 다른 프로세서와 같은 범용 프로세서일 수 있다. 또 다른 예로, 이러한 모듈은 함께 통합되어 시스템 온 칩(system-on-a-chip, SOC)의 형태로 구현될 수 있다.

상기 실시예에서, 소프트웨어, 하드웨어, 펌웨어 또는 이들의 임의의 조합에 의해 전체적으로 또는 부분적으로 구현될 수 있다. 소프트웨어를 사용하여 구현할 경우, 컴퓨터 프로그램 제품의 형태로 전체적으로 또는 부분적으로 구현될 수 있다. 상기 컴퓨터 프로그램 제품은 하나 또는 복수 개의 컴퓨터 명령을 포함한다. 컴퓨터에서 상기 컴퓨터 프로그램 명령을 로딩하고 실행할 경우, 본 출원의 실시예에 따른 프로세스 또는 기능이 전체적으로 또는 부분적으로 생성된다. 상기 컴퓨터는 범용 컴퓨터, 전용 컴퓨터, 컴퓨터 네트워크, 또는 기타 프로그램 가능한 장치일 수 있다. 상기 컴퓨터 명령은 컴퓨터 판독 가능 저장 매체에 저장되거나, 하나의 컴퓨터 판독 가능 저장 매체로부터 다른 하나의 컴퓨터 판독 가능 저장 매체로 전송될 수 있는 바, 예를 들어 상기 컴퓨터 명령은 하나의 웹 사이트, 컴퓨터, 서버 또는 데이터 센터로부터 유선(예를 들어 동축 케이블, 광섬유, 디지털 가입자 회선(Digital Subscriber Line, DSL)) 또는 무선(예를 들어 적외선, 무선, 마이크로파 등) 방식을 통해 다른 하나의 웹 사이트, 컴퓨터, 서버 또는 데이터 센터로 전송될 수 있다. 상기 컴퓨터 판독 가능 저장 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 사용 가능한 매체이거나, 하나 또는 복수 개의 사용 가능한 매체로 통합된 서버, 데이터 센터 등을 포함한 데이터 저장 기기일 수 있다. 상기 사용 가능한 매체는 자성 매체(예를 들어, 플로피 디스크, 하드 디스크, 자기 테이프), 광학 매체(예를 들어, DVD), 또는 반도체 매체(예를 들어, 솔리드 스테이트 디스크(solid state disk, SSD)) 등일 수 있다.

도 13은 본 출원의 실시예에 따른 서버 실시예의 구조도이다. 도 13에 도시된 바와 같이, 해당 장치는 프로세서(131), 메모리(132), 통신 인터페이스(133), 시스템 버스(134)와 디스플레이(135)를 포함할 수 있는 바, 상기 메모리(132), 상기 통신 인터페이스(133)와 디스플레이(135)는 상기 시스템 버스(134)를 통해 상기 프로세서(131)에 연결되어 서로 간의 통신을 완성하고, 상기 메모리(132)는 컴퓨터 프로그램 명령을 저장하기 위한 것이고, 디스플레이(135)는 프로세서(131)의 처리 결과를 표시하기 위한 것이고, 상기 통신 인터페이스(133)는 기타 기기와 통신을 수행하기 위한 것으로서, 상기 프로세서(131)가 상기 컴퓨터 프로그램 명령을 실행할 때 상술한 도 2 내지 도 11에 도시된 실시예의 방안을 구현한다.

도 13에서 언급된 시스템 버스는 외부 기기 상호 연결 표준(Peripheral Component Interconnect, PCI) 버스 또는 확장 공업 표준 구조(Extended Industry Standard Architecture, EISA) 버스 등일 수 있다. 상기 시스템 버스는 어드레스 버스, 데이터 버스, 제어 버스 등으로 나뉠 수 있다. 표시의 편의성을 위하여, 도면에서는 단지 하나의 두꺼운 선으로 표시하였지만, 하나의 버스 또는 한 가지 버스만 존재하는 것을 표시하는 것이 아니다. 통신 인터페이스는 데이터베이스 액세스 장치와 기타 기기(예컨대 클라이언트, 판독 기록 라이브러리와 판독 전용 라이브러리) 사이의 통신을 위한 것이다. 메모리는 랜덤 액세스 메모리(random access memory, RAM)를 포함할 수 있고, 비일시적 메모리(non-volatile memory), 예컨대 적어도 하나의 자기 디스크 메모리를 포함할 수도 있다.

상술한 프로세서는 통용 프로세서일 수 있으며, 중앙 프로세서(CPU), 네트워크 프로세서(network processor, NP) 등을 포함하고; 디지털 신호 프로세서(DSP), 전용 집적 회로(ASIC), 필드 프로그램 가능 게이트 어레이(FPGA) 또는 기타 프로그램 가능 논리 소자, 분립 게이트 또는 트랜지스터 논리 소자, 분립 하드웨어 구성 요소일 수도 있다.

선택적으로, 본 출원의 실시예는 컴퓨터 판독 가능 저장매체를 더 제공하는 바, 상기 컴퓨터 판독 가능 저장매체에는 명령이 저장되고, 명령이 컴퓨터에서 실행될 때, 컴퓨터가 상술한 도 2 내지 도 11에 도시된 바와 같은 실시예의 방법을 실행하도록 한다.

선택적으로, 본 출원의 실시예는 명령을 실행하는 칩을 더 제공하는 바, 상기 칩은 메모리, 프로세서를 포함하고, 상기 메모리에는 코드와 데이터가 저장되고, 상기 메모리는 상기 프로세서에 커플링되며, 상기 프로세서는 상기 메모리 중의 코드를 실행하여 상기 칩이 상술한 도 2 내지 도 11에 도시된 실시예의 방법을 실행하도록 한다.

본 출원의 실시예는, 컴퓨터 프로그램 제품을 더 제공하는 바, 상기 컴퓨터 프로그램 제품은 컴퓨터 프로그램을 포함하고, 상기 컴퓨터 프로그램은 저장매체에 저장되고, 적어도 하나의 프로세서는 상기 저장매체로부터 상기 컴퓨터 프로그램을 판독할 수 있으며, 상기 적어도 하나의 프로세서가 상기 컴퓨터 프로그램을 실행함으로써 상술한 도 2 내지 도 11에 따른 실시예의 방법을 구현할 수 있다.

본 출원의 실시예는 컴퓨터 프로그램을 더 제공하는 바, 상기 컴퓨터 프로그램이 프로세서에 의해 실행될 때, 상술한 도 2 내지 도 11에 따른 실시예의 방법을 실행하기 위한 것이다.

본 출원에서, "적어도 하나"는 하나 또는 복수 개를 말하며, "복수 개"는 두 개 또는 두 개 이상을 말한다. "및/또는"은, 관련 대상의 관련 관계를 나타내는 것으로서, 세가지 관계가 존재할 수 있음을 나타낸다. 예를 들어, A 및/또는 B는 단독적으로 A만 존재하는 경우, A와 B가 모두 존재하는 경우, 단독적으로 B만 존재하는 경우를 나타낼 수 있으며, 여기서 A, B는 단수 또는 복수일 수 있다. 부호 "/"는 일반적으로 전후 관련 대상이 "또는"의 관계임을 나타내며; 공식에서, 부호 "/"는 전후 관련 대상이 "나누기" 관계임을 나타낸다. "아래 적어도 한 항(개)" 또는 유사한 표현은, 이러한 항의 임의의 조합을 말하는 것으로서, 단일 항(개) 또는 복수 항(개)의 임의의 조합을 포함한다. 예를 들어, a, b, 또는 c 중 적어도 한 항(개)은 a, b, c, a-b, a-c, b-c, 또는 a-b-c를 표시할 수 있고, 여기서, a, b, c는 하나일 수 있고 복수일 수도 있다.

이해할 수 있는 것은, 본 출원의 실시예에 관련된 각 숫자 번호는 단지 설명의 편의를 위해 구분하는 것으로, 본 출원의 실시예의 범위를 한정하고자 하는 것이 아니다. 상술한 각 과정의 순번의 크기는 실행 순서의 선후를 의미하지 않으며, 각 과정의 실행 순서는 그 기능과 내적 논리에 의해 확정되는 것으로서, 본 출원의 실시예의 실시 과정에 대해 아무런 한정도 하지 말아야 한다.

마지막으로, 상술한 각 실시예는 본 출원의 기술적 해결수단을 설명하기 위한 것으로서, 이에 대해 한정하는 것이 아니다. 비록 상술한 각 실시예를 참조하여 본 출원을 상세하게 설명하였지만, 본 분야의 통상의 지식을 가진 자라면 여전히 상술한 각 실시예에 기재된 기술적 해결수단에 대해 수정을 진행하거나, 또는 그 중 부분 또는 전부의 기술적 해결수단에 대해 동등한 치환을 진행할 수 있다. 이러한 수정 또는 치환에 의해 상응한 기술적 해결수단의 본질이 본 출원의 각 실시예에 따른 기술적 해결수단의 범위를 벗어나는 것은 아니다.

Claims

단말기에서 발송한 노선 확정 요청을 수신하되, 상기 노선 확정 요청은 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 포함하는 단계;
배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보, 시나리오 제약 조건과 운송 원가 제약 조건을 기초로, 적어도 하나의 목표 배송 노선을 확정하는 단계;
상기 단말기에 상기 적어도 하나의 목표 배송 노선을 푸시하는 단계를 포함하는 것을 특징으로 하는 콜드 체인 배송 노선 확정 방법.
제1항에 있어서, 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보, 시나리오 제약 조건과 운송 원가 제약 조건을 기초로, 적어도 하나의 목표 배송 노선을 확정하는 상기 단계는,
상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보와 시나리오 제약 조건을 기초로, 적어도 하나의 초기 설계 노선을 확정하되, 상기 시나리오 제약 조건은 고객 포인트의 타임 윈도우 제약, 운송 시간 제약, 단일 차종 배송, 배송 센터 비복귀를 포함하는 단계;
총 운송 원가가 가장 낮은 것을 솔루션 목표로 하여, 각 초기 설계 노선에 대해 반복 업데이트하여, 적어도 하나의 목표 배송 노선을 확정하는 단계를 포함하는 것을 특징으로 하는 방법.
제2항에 있어서, 상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보와 시나리오 제약 조건을 기초로, 적어도 하나의 초기 설계 노선을 확정하는 상기 단계는,
상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 제1 초기 설계 노선을 구축하되, 상기 제1 초기 설계 노선의 주요 고객 포인트는 상기 시나리오 제약 조건을 만족하고 배송 센터와의 거리가 가장 먼 고객 포인트인 단계;
기설정 알고리즘에 기반하여, 삽입될 고객 포인트가 상기 시나리오 제약 조건을 만족하지 않을 때까지, 순차적으로 상기 제1 초기 설계 노선에 상기 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입하는 단계;
삽입될 고객 포인트가 상기 시나리오 제약 조건을 만족하지 않으면, 상기 배송 대상 고객 포인트 집합 중의 나머지 고객 포인트를 기초로, 제2 초기 설계 노선을 구축하는 단계를 포함하는 것을 특징으로 하는 방법.
제3항에 있어서, 상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 제1 초기 설계 노선을 구축하는 상기 단계 전에, 상기 방법은,
상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 임의의 두 고객 포인트 사이의 네비게이션 거리, 및 각 고객 포인트와 상기 배송 센터의 네비게이션 거리를 확정하는 단계;
임의의 두 고객 포인트 사이의 네비게이션 거리, 및 각 고객 포인트와 상기 배송 센터의 네비게이션 거리를 기초로, 거리 매트릭스를 구축하는 단계를 더 포함하고;
기설정 알고리즘에 기반하여, 순차적으로 상기 제1 초기 설계 노선에 상기 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입하는 상기 단계는,
최근린 차이값 기법, 상기 거리 매트릭스와 절약 알고리즘을 기초로, 순차적으로 상기 제1 초기 설계 노선에 상기 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입하는 단계를 포함하는 것을 특징으로 하는 방법.
제2항 내지 제4항 중 어느 한 항에 있어서, 총 운송 원가가 가장 낮은 것을 솔루션 목표로 하고, 각 초기 설계 노선에 대해 반복 업데이트하여, 적어도 하나의 목표 배송 노선을 확정하는 상기 단계는,
각 초기 설계 노선의 총 운송 원가를 계산하는 단계;
각 초기 설계 노선에 대해, 상기 초기 설계 노선 상의 고객 포인트의 배송 순서를 기초로, 상기 초기 설계 노선을 파괴-재건하는 방식을 사용하여, 복수의 업데이트한 후의 초기 설계 노선을 확정하고, 각각의 업데이트한 후의 초기 설계 노선의 총 운송 원가를 각각 계산하는 단계;
업데이트한 후의 모든 초기 설계 노선의 총 운송 원가를 기초로, 목표 배송 노선을 확정하되, 상기 목표 배송 노선은 업데이트한 후의 모든 초기 설계 노선 중에서 총 운송 원가가 가장 낮은 노선인 단계를 포함하는 것을 특징으로 하는 방법.
제1항에 있어서, 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보, 시나리오 제약 조건과 운송 원가 제약 조건을 기초로, 적어도 하나의 목표 배송 노선을 확정하는 상기 단계는,
상기 배송 대상 고객 포인트 집합 중의 모든 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 라우팅 모델에 입력하여, 적어도 하나의 목표 배송 노선을 출력하되, 각각의 목표 배송 노선 중의 고객 포인트는 시나리오 제약 조건을 만족하고, 각각의 목표 배송 노선의 운송 원가는 운송 원가 제약 조건에 부합하는 단계를 포함하는 것을 특징으로 하는 방법.
제6항에 있어서, 상기 방법은,
기설정 순환 횟수로, 파라미터 값이 다른 상기 라우팅 모델을 각각 실행하여, 상기 라우팅 모델의 매번 실행 파라미터 값과 매번 실행 결과를 획득하는 단계;
상기 라우팅 모델의 모든 실행 파라미터 값과 모든 실행 결과를 기초로, 데이터 집합을 획득하되, 상기 데이터 집합은 훈련 데이터와 테스트 데이터를 포함하는 단계;
기설정 알고리즘으로 상기 훈련 데이터에 대해 처리하여, 상기 라우팅 모델의 중요 파라미터 집합을 확정하는 단계;
상기 중요 파라미터 집합과 상기 테스트 데이터를 결합하여, 상기 중요 파라미터 집합 중의 각각의 중요 파라미터의 값 범위를 확정하는 단계를 더 포함하는 것을 특징으로 하는 방법.
제7항에 있어서, 상기 방법은,
상기 중요 파라미터 집합 중의 각각의 중요 파라미터의 값 범위에 대해, 그리드 검색 알고리즘을 기초로, 상기 중요 파라미터 집합에 대응되는 파라미터 그리드를 확정하는 단계;
상기 파라미터 네트워크와 상기 훈련 데이터에 대해 교차 검증을 수행하여, 최적 파라미터 조합을 확정하되, 상기 최적 파라미터 조합은 복수의 중요 파라미터와 각각의 중요 파라미터의 값을 포함하는 단계;
상기 최적 파라미터 조합과 상기 훈련 데이터를 사용하여, 상기 라우팅 모델을 업데이트하는 단계를 더 포함하는 것을 특징으로 하는 방법.
제8항에 있어서, 상기 방법은,
상기 테스트 데이터를 사용하여 업데이트한 후의 라우팅 모델에 대해 성능 평가를 수행하여, 업데이트한 후의 라우팅 모델의 라우팅 성능을 확정하는 단계를 더 포함하는 것을 특징으로 하는 방법.
수신 모듈, 처리 모듈과 푸시 모듈를 포함하되;
상기 수신 모듈은, 단말기에서 발송한 노선 확정 요청을 수신하되, 상기 노선 확정 요청은 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 포함하고;
상기 처리 모듈은, 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보, 시나리오 제약 조건과 운송 원가 제약 조건을 기초로, 적어도 하나의 목표 배송 노선을 확정하고;
상기 푸시 모듈은, 상기 단말기에 상기 적어도 하나의 목표 배송 노선을 푸시하는 것을 것을 특징으로 하는 콜드 체인 배송 노선 확정 장치.
제10항에 있어서, 상기 처리 모듈은, 제1 처리 유닛과 제2 처리 유닛을 포함하되;
상기 제1 처리 유닛은, 상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보, 배송 센터의 위치 정보와 시나리오 제약 조건을 기초로, 적어도 하나의 초기 설계 노선을 확정하되, 상기 시나리오 제약 조건은 고객 포인트의 타임 윈도우 제약, 운송 시간 제약, 단일 차종 배송, 배송 센터 비복귀를 포함하고;
상기 제2 처리 유닛은, 총 운송 원가가 가장 낮은 것을 솔루션 목표로 하여, 각 초기 설계 노선에 대해 반복 업데이트하여, 적어도 하나의 목표 배송 노선을 확정하는 것을 특징으로 하는 장치.
제11항에 있어서, 상기 제1 처리 유닛은 구체적으로,
상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 제1 초기 설계 노선을 구축하되, 상기 제1 초기 설계 노선의 주요 고객 포인트는 상기 시나리오 제약 조건을 만족하고 배송 센터와의 거리가 가장 먼 고객 포인트이고;
기설정 알고리즘에 기반하여, 삽입될 고객 포인트가 상기 시나리오 제약 조건을 만족하지 않을 때까지 순차적으로 상기 제1 초기 설계 노선에 상기 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입하고;
삽입될 고객 포인트가 상기 시나리오 제약 조건을 만족하지 않으면, 상기 배송 대상 고객 포인트 집합 중의 나머지 고객 포인트를 기초로, 제2 초기 설계 노선을 구축하는 것을 특징으로 하는 장치.
제12항에 있어서, 상기 제1 처리 유닛은 또한, 상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 제1 초기 설계 노선을 구축하기 전에, 상기 배송 대상 고객 포인트 집합 중의 각 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 기초로, 임의의 두 고객 포인트 사이의 네비게이션 거리, 및 각 고객 포인트와 상기 배송 센터의 네비게이션 거리를 확정하고, 임의의 두 고객 포인트 사이의 네비게이션 거리, 및 각 고객 포인트와 상기 배송 센터의 네비게이션 거리를 기초로, 거리 매트릭스를 구축하고;
이때 상기 제1 처리 유닛은, 기설정 알고리즘에 기반하여, 순차적으로 상기 제1 초기 설계 노선에 상기 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입하고, 구체적으로,
상기 제1 처리 유닛은 구체적으로, 최근린 차이값 기법, 상기 거리 매트릭스와 절약 알고리즘을 기초로, 순차적으로 상기 제1 초기 설계 노선에 상기 배송 대상 고객 포인트 집합 중의 고객 포인트를 삽입하는 것을 특징으로 하는 장치.
제11항 내지 제13항 중 어느 한 항에 있어서, 상기 제2 처리 유닛은 구체적으로,
각 초기 설계 노선의 총 운송 원가를 계산하고;
각 초기 설계 노선에 대해, 상기 초기 설계 노선 상의 고객 포인트의 배송 순서를 기초로, 상기 초기 설계 노선을 파괴-재건하는 방식을 사용하여, 복수의 업데이트한 후의 초기 설계 노선을 확정하고, 각각의 업데이트한 후의 초기 설계 노선의 총 운송 원가를 각각 계산하고;
업데이트한 후의 모든 초기 설계 노선의 총 운송 원가를 기초로, 목표 배송 노선을 확정하되, 상기 목표 배송 노선은 업데이트한 후의 모든 초기 설계 노선 중에서 총 운송 원가가 가장 낮은 노선인 것을 특징으로 하는 장치.
제10항에 있어서, 상기 처리 모듈은 구체적으로, 상기 배송 대상 고객 포인트 집합 중의 모든 고객 포인트의 위치 정보와 배송 센터의 위치 정보를 라우팅 모델에 입력하여, 적어도 하나의 목표 배송 노선을 출력하되, 각각의 목표 배송 노선 중의 고객 포인트는 시나리오 제약 조건을 만족하고, 각각의 목표 배송 노선의 운송 원가는 운송 원가 제약 조건에 부합하는 것을 특징으로 하는 장치.
제15항에 있어서, 상기 처리 모듈은 또한,
기설정 순환 횟수로, 파라미터 값이 다른 상기 라우팅 모델을 각각 실행하여, 상기 라우팅 모델의 매번 실행 파라미터 값과 매번 실행 결과를 획득하고;
상기 라우팅 모델의 모든 실행 파라미터 값과 모든 실행 결과를 기초로, 데이터 집합을 획득하되, 상기 데이터 집합은 훈련 데이터와 테스트 데이터를 포함하고;
기설정 알고리즘으로 상기 훈련 데이터에 대해 처리하여, 상기 라우팅 모델의 중요 파라미터 집합을 확정하고:
상기 중요 파라미터 집합과 상기 테스트 데이터를 결합하여, 상기 중요 파라미터 집합 중의 각각의 중요 파라미터의 값 범위를 확정하는 것을 특징으로 하는 장치.
제16항에 있어서, 상기 처리 모듈은 또한,
상기 중요 파라미터 집합 중의 각각의 중요 파라미터의 값 범위에 대해, 그리드 검색 알고리즘을 기초로, 상기 중요 파라미터 집합에 대응되는 파라미터 그리드를 확정하고;
상기 파라미터 네트워크와 상기 훈련 데이터에 대해 교차 검증을 수행하여, 최적 파라미터 조합을 확정하되, 상기 최적 파라미터 조합은 복수의 중요 파라미터와 각각의 중요 파라미터의 값을 포함하고;
상기 최적 파라미터 조합과 상기 훈련 데이터를 사용하여, 상기 라우팅 모델을 업데이트하는 것을 특징으로 하는 장치.
제17항에 있어서, 상기 처리 모듈은 또한, 상기 테스트 데이터를 사용하여 업데이트한 후의 라우팅 모델에 대해 성능 평가를 수행하여, 업데이트한 후의 라우팅 모델의 라우팅 성능을 확정하는 것을 특징으로 하는 장치.
프로세서, 메모리, 및 상기 메모리에 저장되고 프로세서에서 실행 가능한 컴퓨터 프로그램 명령을 포함하는 서버에 있어서,
상기 프로세서가 상기 컴퓨터 프로그램 명령을 실행할 때 상술한 제1항 내지 제9항 중 어느 한 항에 따른 방법을 구현하는 것을 특징으로 하는 서버.
컴퓨터 판독 가능 저장매체에 있어서,
상기 컴퓨터 판독 가능 저장매체에는 컴퓨터 프로그램 명령이 저장되어 있고, 상기 컴퓨터 프로그램 명령이 프로세서에 의해 실행될 때 제1항 내지 제9항 중 어느 한 항에 따른 방법을 구현하는 것을 특징으로 하는 컴퓨터 판독 가능 저장매체.
명령을 실행하는 칩에 있어서,
상기 칩은 메모리, 프로세서를 포함하고, 상기 메모리에는 코드와 데이터가 저장되고, 상기 메모리와 상기 프로세서는 커플링되고, 상기 프로세서가 상기 메모리 중의 코드를 실행하여 상기 칩이 상술한 제1항 내지 제9항 중 어느 한 항에 따른 방법을 실행하기 위한 것을 특징으로 하는 칩.
컴퓨터 프로그램을 포함하는 컴퓨터 프로그램 제품에 있어서,
상기 컴퓨터 프로그램이 컴퓨터에서 실행될 때 상기 컴퓨터가 상술한 제1항 내지 제9항 중 어느 한 항에 따른 방법을 실행하도록 하는 것을 특징으로 하는 컴퓨터 프로그램 제품.
컴퓨터 프로그램에 있어서,
상기 컴퓨터 프로그램이 프로세서에 의해 실행될 때, 상술한 제1항 내지 제9항 중 어느 한 항에 따른 방법을 실행하기 위한 것을 특징으로 하는 컴퓨터 프로그램.