【技术实现步骤摘要】
物流货车的调配方法、装置、设备及存储介质
本专利技术涉及物流
，尤其涉及一种物流货车的调配方法、装置、设备及存储介质。
技术介绍
随着互联网技术和信息技术的发展，物流行业也飞速发展，随之对快递包裹的运输时效的需求也越来越大。对于快递包裹的运输，由于随着物流订单量的增大，快递包裹的量也越来越大，需要调配不同站点的物流货车来运送快递包裹。而对物流货车调配前，首先需判断物流货车是否到站。目前，判断物流货车是否到站一般是人工识别和登记，且物流货车到站后，是由人工从到站物流货车中确定需要调配的物流货车，如此导致对物流货车的调配效率不高，无法满足物流行业的时效性要求。
技术实现思路
本专利技术的主要目的在于解决对物流货车的调配效率低，无法满足物流行业的时效性要求的问题。本专利技术第一方面提供了一种物流货车的调配方法，包括：获取多个物流站点在预设时段内的站点图像；识别所述站点图像中的车辆区域，对所述车辆区域进行边界框标注处理，得到目标图像；通过预先训练好的图像识别模型，对所...
【技术保护点】
1.一种物流货车的调配方法，其特征在于，所述物流货车的调配方法包括：/n获取多个物流站点在预设时段内的站点图像；/n识别所述站点图像中的车辆区域，对所述车辆区域进行边界框标注处理，得到目标图像；/n通过预先训练好的图像识别模型，对所述目标图像进行基于卷积神经网络的图像特征提取和特征分类处理，得到车辆特征信息；/n根据所述车辆特征信息识别到站物流货车，并获取与所述到站物流货车对应的车辆基本信息、车辆运输信息以及运输空档时段；/n根据所述车辆基本信息、所述车辆运输信息、所述运输空档时段，以及预置的物流货车调配策略，从所述到站物流货车中确定需要调配的目标到站物流货车。/n
【技术特征摘要】
1.一种物流货车的调配方法，其特征在于，所述物流货车的调配方法包括：
获取多个物流站点在预设时段内的站点图像；
识别所述站点图像中的车辆区域，对所述车辆区域进行边界框标注处理，得到目标图像；
通过预先训练好的图像识别模型，对所述目标图像进行基于卷积神经网络的图像特征提取和特征分类处理，得到车辆特征信息；
根据所述车辆特征信息识别到站物流货车，并获取与所述到站物流货车对应的车辆基本信息、车辆运输信息以及运输空档时段；
根据所述车辆基本信息、所述车辆运输信息、所述运输空档时段，以及预置的物流货车调配策略，从所述到站物流货车中确定需要调配的目标到站物流货车。
2.根据权利要求1所述的物流货车的调配方法，其特征在于，所述根据所述车辆基本信息、所述车辆运输信息、所述运输空档时段，以及预置的物流货车调配策略，从所述到站物流货车中确定需要调配的目标到站物流货车，包括：
从预置的调配文件中读取物流货车调配策略，从所述物流货车调配策略中获取物流货车调配条件；
根据所述车辆基本信息、所述车辆运输信息以及所述运输空档时段，计算所述到站物流货车与所述物流货车调配条件之间的匹配度，得到匹配度分值；
根据所述匹配度分值从所述到站物流货车中确定需要调配的目标到站物流货车。
3.根据权利要求2所述的物流货车的调配方法，其特征在于，所述根据所述匹配度分值从所述到站物流货车中确定需要调配的目标到站物流货车，包括：
按照所述匹配度分值从大到小的顺序，对所述到站物流货车进行排序；
将排列在预设顺序位置的到站物流货车确定为候选到站物流货车；
获取所述候选到站物流货车的到站站点，并将所述到站站点划分为主站点和子站点；
获取所述主站点与所述子站点之间的距离信息；
获取所述物流货车调配条件中的快件运送量，并根据所述距离信息和所述快件运送量，从所述候选到站物流货车中确定需要调配的目标到站物流货车。
4.根据权利要求1所述的物流货车的调配方法，其特征在于，所述对所述车辆区域进行边界框标注处理，得到目标图像，包括：
通过预置的锚框对所述车辆区域进行边界框预测，得到大目标边界框和小目标边界框，所述大目标边界框用于标注所述站点图像中的车辆区域，所述小目标边界框用于标注所述车辆区域中的物流公司标识区域和车牌区域；
建立所述大目标边界框和所述小目标边界框的对应关系；
根据建立有对应关系的大目标边界框和小目标边界框，生成所述站点图像的目标图像。
5.根据权利要求1所述的物流货车的调配方法，其特征在于，所述根据所述车辆特征信息识别到站物流货车，并获取与所述到站物流货车对应的车辆基本信息、车辆运输信息以及运输空档时段，包括：
将所述车辆特征信息与预置的物流货车特征信息进行对比分析，得到到站物流货车以及所述到站物流货车的特征信息，所述到站物流货车的特征信息包括车牌信息；
根据所述车牌信...
【专利技术属性】
技术研发人员：李斯，赵齐辉，
申请(专利权)人：上海东普信息科技有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。