一种物流订单拆单方法及装置制造方法及图纸

本发明专利技术提供了一种物流订单拆单方法及装置，该方法包括：选取待处理的原始订单集，并根据订单内容生成至少一个订单捆；对于各个订单捆，计算供应商到Hub第一距离值和供应商到仓库的第二距离值；针对第一距离值小于第二距离值的各个订单捆，计算订单装载率；将订单装载率和对应的第一距离值作为预先生成的物流订单拆单模型的输入量，获取物流订单拆单模型输出的订单捆标签；识别订单捆标签，并且当订单捆标签为拆单标签时，对订单捆执行拆单操作。基于本发明专利技术公开的方法，由于拆单完成后的订单可以看作是多供应商到多仓库，因此，为解决多个供应商多个仓库且带有特殊配送中心Hub的路径规划问题，将智能优化算法直接应用于该订单策略之后即可。

【技术实现步骤摘要】
一种物流订单拆单方法及装置
本专利技术涉及智能物流运输
，更具体地说，涉及一种物流订单拆单方法及装置。
技术介绍
智能物流运输领域是人工智能与物流领域的交叉领域，旨在通过人工智能中的智能算法代替人工解决物流领域的常见问题，例如，路径规划问题、道口计划问题以及车辆调度问题。其中，路径规划问题可根据物流规模分为，单一仓库且每个供应商仅被访问一次的路径规划问题、多个供应商多个仓库的路径规划问题、以及多个供应商多个仓库且带有特殊配送中心Hub的路径规划问题，其中，Hub可被看作一个具有整合能力的中转站，车辆从各个供应商装货后送入Hub，经过Hub整合之后再统一送往目的地仓库。目前，一般采用汉密尔顿圈或旅行商问题的数学模型解决单一仓库且每个供应商仅被访问一次的路径规划问题；对于多个供应商多个仓库的路径规划问题，常见的解决方案是采用蚁群算法、粒子群算法或者禁忌搜索算法智能优化算法；而针对多个供应商多个仓库且带有特殊配送中心Hub的路径规划问题，由于原始订单中并不存在目的地为Hub或者起始地为Hub的订单，因此，解决多个供应商多个仓库路径规划问题的智能优化算法并不能直接应用。
技术实现思路
有鉴本文档来自技高网...

【技术保护点】
一种物流订单拆单方法，其特征在于，包括：选取待处理的原始订单集，并根据订单内容对所述原始订单集中的全部原始订单进行整合，得到至少一个订单捆，所述订单内容包括供应商数据、Hub数据、仓库数据以及订单装载车辆数据；对于各个所述订单捆，根据对应的所述供应商数据、所述Hub数据和所述仓库数据，计算供应商到Hub第一距离值和供应商到仓库的第二距离值；针对第一距离值小于第二距离值的各个所述订单捆，根据对应的所述订单装载车辆数据计算订单装载率；将所述订单装载率和对应的所述第一距离值作为预先生成的物流订单拆单模型的输入量，获取所述物流订单拆单模型输出的订单捆标签，所述订单捆标签包括拆单标签或者非拆单标签；识别...

【技术特征摘要】
1.一种物流订单拆单方法，其特征在于，包括：选取待处理的原始订单集，并根据订单内容对所述原始订单集中的全部原始订单进行整合，得到至少一个订单捆，所述订单内容包括供应商数据、Hub数据、仓库数据以及订单装载车辆数据；对于各个所述订单捆，根据对应的所述供应商数据、所述Hub数据和所述仓库数据，计算供应商到Hub第一距离值和供应商到仓库的第二距离值；针对第一距离值小于第二距离值的各个所述订单捆，根据对应的所述订单装载车辆数据计算订单装载率；将所述订单装载率和对应的所述第一距离值作为预先生成的物流订单拆单模型的输入量，获取所述物流订单拆单模型输出的订单捆标签，所述订单捆标签包括拆单标签或者非拆单标签；识别所述订单捆标签，并且当所述订单捆标签为所述拆单标签时，对所述订单捆执行拆单操作。2.根据权利要求1所述的方法，其特征在于，还包括：针对第一距离值不小于第二距离值的各个所述订单捆，添加不拆单标签，并对各个所述订单捆执行不拆单操作。3.根据权利要求1所述的方法，其特征在于，还包括：当拆单操作执行完成时，生成提示信息。4.根据权利要求1所述的方法，其特征在于，所述预先生成物流订单拆单模型，包括：选取历史订单集，并为所述历史订单集中的全部历史订单添加订单标签，所述订单标签包括拆单标签或者非拆单标签；对所述历史订单集中的全部历史订单按照所述订单标签进行分类，得到拆单历史订单集和非拆单历史订单集；根据历史订单内容对所述拆单历史订单集中的全部历史订单进行整合，得到至少一个拆单历史订单捆；同时，根据历史订单内容对所述非拆单历史订单集中的全部历史订单进行整合，得到至少一个非拆单历史订单捆；其中，所述历史订单内容包括供应商数据、Hub数据、仓库数据以及订单装载车辆数据；各个所述拆单历史订单捆的订单捆标签为拆单标签，各个所述非拆单历史订单捆的订单捆标签为非拆单标签；对于各个所述拆单历史订单捆以及各个所述非拆单历史订单捆，根据对应的所述供应商数据、所述Hub数据和所述仓库数据，计算供应商到Hub的第三距离值和供应商到仓库的第四距离值；针对第三距离值大于第四距离值的各个所述拆单历史订单捆以及各个所述非拆单历史订单捆，提取相应的特征向量，并根据对应的所述订单装载车辆数据计算历史订单装载率；基于预设机器学习算法，利用各个所述特征向量及其对应的订单捆标签进行训练，得到物流订单拆单模型。5.根据权利要求3所述的方法，其特征在于，所述预设机器学习算法包括：支持向量机算法、神经网络算法或者Adaboost迭代算法。6.一种物流订单拆单装置，其特征在于，包括：选取整合模块、第一计算模块、第二计算模块、订单捆标签获取模块和识别执行模块，所述订单捆标签获取模块包括物流订单拆单模型生成单元；所述选取整合模块，用于选取待处理的原始订单集，并根...

【专利技术属性】
技术研发人员：金忠孝，
申请(专利权)人：上海汽车集团股份有限公司，
类型：发明
国别省市：上海,31