货物调度策略的确定方法及装置、非易失性存储介质制造方法及图纸

本申请公开了一种货物调度策略的确定方法及装置、非易失性存储介质。其中，该方法包括：将第一特征因子集与第二特征因子集进行匹配，得到匹配结果集合，其中，第一特征因子集为车辆集合中车辆信息对应的特征因子集，第二特征因子集为货物信息对应的特征因子集，车辆用于装载及运输货物；采用预先训练好的深度学习模型从匹配结果集合中确定目标匹配结果；根据目标匹配结果，确定货物的调度策略。本申请解决了由于无法将车辆的特征与货物的特征进行精准匹配造成的无法确定对货物的最优调度策略的技术问题。略的技术问题。略的技术问题。

【技术实现步骤摘要】
货物调度策略的确定方法及装置、非易失性存储介质


[0001]本申请涉及计算机
，具体而言，涉及一种货物调度策略的确定方法及装置、非易失性存储介质。

技术介绍

[0002]智能生成调度单，实现车货匹配最佳算法一直是物流信息化领域研究的重要方向。目前的研究方向多朝着最大化、标准化和集约化的方向进行研究，侧重对于标准物资的运输解决方案。其中对于最大化的研究最为多，对于异型物资和异型运输车辆的互相匹配较少。现有技术由于无法精准地将车辆特征与货物特征进行匹配，生成的调度单往往不是最优的调度方案。
[0003]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本申请实施例提供了一种货物调度策略的确定方法及装置、非易失性存储介质，以至少解决由于无法将车辆的特征与货物的特征进行精准匹配造成的无法确定对货物的最优调度策略的技术问题。
[0005]根据本申请实施例的一个方面，提供了一种货物调度策略的确定方法，包括：将第一特征因子集与第二特征因子集进行匹配，得到匹配结果集合，其中，第一特征因子集为车辆集合中车辆信息对应的特征因子集，第二特征因子集为货物信息对应的特征因子集，车辆用于装载及运输货物；采用预先训练好的深度学习模型从匹配结果集合中确定目标匹配结果；根据目标匹配结果，确定货物的调度策略。
[0006]可选地，将第一特征因子集与第二特征因子集进行匹配，得到匹配结果，包括：将第一特征因子集中的每个第一特征因子与第二特征因子集中的每个第二特征因子进行匹配，得到多个第一匹配结果；将多个第一匹配结果进行组合，得到匹配结果。
[0007]可选地，将第一特征因子集中的每个第一特征因子与第二特征因子集中的每个第二特征因子进行匹配，得到多个第一匹配结果，包括：在第一特征因子为复杂特征因子的情况下，将第一特征因子切分为多个第一子特征因子，其中，复杂特征因子至少包括：车辆的体积；确定多个第一子特征因子中最末端的2n个第一子特征因子为第一匹配字段，其中，n为正整数；步骤S1，在第二特征因子集中查找第一匹配字段；步骤S2，若第二特征因子集中存在第一匹配字段，将第一特征因子集中的第一匹配字段与第二特征因子集中的第一匹配字段结合，得到第一匹配结果；步骤S3，若第二特征因子集中不存在第一匹配字段，去除第一匹配字段中最前端的第一子特征因子，得到第二匹配字段；重复执行步骤S1至步骤S3，直至第一匹配字段中第一子特征因子的数量为0。
[0008]可选地，将第一特征因子集与第二特征因子集进行匹配，得到匹配结果之前，方法还包括：获取车辆信息以及货物委托单信息，其中，货物委托单信息至少包括货物信息；根据车辆信息确定第一特征因子集；根据货物信息确定第二特征因子集。
[0009]可选地，根据目标匹配结果，确定货物的调度策略，包括：根据目标匹配结果确定车辆的利用率和货物的运输需求转化率；判断车辆的利用率和货物的运输需求转化率是否大于或等于预设期望值；在车辆的利用率和货物的运输需求转化率大于或等于预设期望值的情况下，根据目标匹配结果，得到与目标匹配结果对应的货物的调度策略。
[0010]可选地，货物的调度策略包括：在车辆的数量为定值的情况下，利用车辆运输最大重量的货物；在货物的数量为定值的情况下，利用最少数量的车辆运输货物。
[0011]可选地，第一特征因子集中包括以下至少之一：车辆的长度、宽度、高度、体积、载重和类型；第二特征因子集中包括以下至少之一：货物的长度、宽度、高度、体积、重量和类型。
[0012]根据本申请实施例的再一方面，还提供了一种非易失性存储介质，存储介质包括存储的程序，其中，程序运行时控制存储介质所在的设备执行以上的货物调度策略的确定方法。
[0013]根据本申请实施例的再一方面，还提供了一种电子设备，包括：存储器和处理器，处理器用于运行存储在存储器中的程序，其中，程序运行时执行以上的货物调度策略的确定方法。
[0014]在本申请实施例中，采用将第一特征因子集与第二特征因子集进行匹配，得到匹配结果集合，其中，第一特征因子集为车辆集合中车辆信息对应的特征因子集，第二特征因子集为货物信息对应的特征因子集，车辆用于装载及运输货物；采用预先训练好的深度学习模型从匹配结果集合中确定目标匹配结果；根据目标匹配结果，确定货物的调度策略的方式，通过预先训练好的深度学习模型从匹配结果集合中确定多个目标匹配结果，并根据目标匹配结果确定货物的调度策略，达到了对车辆的特征与货物的特征进行精准匹配的目的，从而实现了确定对货物的最优调度策略的技术效果，进而解决了由于无法将车辆的特征与货物的特征进行精准匹配造成的无法确定对货物的最优调度策略技术问题。
附图说明
[0015]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0016]图1是根据本申请实施例的一种货物调度策略的确定方法的流程图；
[0017]图2是根据本申请实施例的另一种货物调度策略的确定方法的流程图；
[0018]图3是根据本申请实施例的一种货物调度策略的确定装置的结构图；
[0019]图4是根据本申请实施例提供的一种货物调度策略的确定方法的计算机终端(或电子设备)的硬件结构框图。
具体实施方式
[0020]为了使本
的人员更好地理解本申请方案，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，所描述的实施例仅仅是本申请一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
[0021]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0022]在相关技术中，首先构建了考虑公平性的多货运车的网约货运调度模型，以最大化单位调度周期内承运司机的加权收益和为目标；其次设计了一种基于动态分组优化策略的水波优化算法，用于求解货运订单的分配问题；最后设计混合贪心策略的禁忌搜索算法，用于求解货运车的运输路径优化问题。虽然在一定程度上考虑了货物实际情况，但是对于异型货物的处理还是不足，因此，存在异型货物特征无法与车辆特征精准匹配的问题。为了解决该问题，本申请实施例中提供了相关的解决方案，以下详细说明。
[0023]根据本申请实施例，提供了一种货物调度策略的确定方法的方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种货物调度策略的确定方法，其特征在于，包括：将第一特征因子集与第二特征因子集进行匹配，得到匹配结果集合，其中，所述第一特征因子集为车辆集合中车辆信息对应的特征因子集，所述第二特征因子集为货物信息对应的特征因子集，所述车辆用于装载及运输所述货物；采用预先训练好的深度学习模型从所述匹配结果集合中确定目标匹配结果；根据所述目标匹配结果，确定所述货物的调度策略。2.根据权利要求1所述的方法，其特征在于，将第一特征因子集与第二特征因子集进行匹配，得到匹配结果，包括：将所述第一特征因子集中的每个第一特征因子与所述第二特征因子集中的每个第二特征因子进行匹配，得到多个第一匹配结果；将所述多个第一匹配结果进行组合，得到所述匹配结果。3.根据权利要求2所述的方法，其特征在于，将所述第一特征因子集中的每个第一特征因子与所述第二特征因子集中的每个第二特征因子进行匹配，得到多个第一匹配结果，包括：在所述第一特征因子为复杂特征因子的情况下，将所述第一特征因子切分为多个第一子特征因子，其中，所述复杂特征因子至少包括：所述车辆的体积；确定所述多个第一子特征因子中最末端的2n个第一子特征因子为第一匹配字段，其中，n为正整数；步骤S1，在所述第二特征因子集中查找所述第一匹配字段；步骤S2，若所述第二特征因子集中存在所述第一匹配字段，将所述第一特征因子集中的第一匹配字段与所述第二特征因子集中的第一匹配字段结合，得到所述第一匹配结果；步骤S3，若所述第二特征因子集中不存在所述第一匹配字段，去除所述第一匹配字段中最前端的第一子特征因子，得到第二匹配字段；重复执行步骤S1至步骤S3，直至所述第一匹配字段中所述第一子特征因子的数量为0。4.根据权利要求1所述的方法，其特征在于，将第一特征因子集与第二特征因子集进行匹配，得到匹配结果之前，所述方法还包括：获取所述车辆信息以及货物委托单信息，其中，所述货物委托单信息至少包括所述货物信息；根据所述车辆信息确定所...

【专利技术属性】
技术研发人员：邱世鑫，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：