分拨中心车辆智能调度方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种分拨中心车辆智能调度方法、装置、设备及存储介质，包括从分拨中心获取不同车辆的运行状态信息，确定目标运输车辆的来源信息；基于推荐模型对货运执行者和物流对象之间的关系进行第一次匹配；基于货源预测结果并目标运输车辆进行货源匹配，完成对车辆来源与货源之间的第二次匹配；判断是否符合货源预设的装载条件，完成对车辆类型与货源预设的装载条件之间的第三次匹配；对所述目标运输车辆进行空载率查询并进行配载判断，基于不同空载率对所述目标运输车辆对下达车辆配载操作指令；数据同步更新至服务器进行数据监控。有效提高了运输车的运输效率，减少不必要的调配过程，实现在分拨中心内目标场地的自动分配，提升调度效率。提升调度效率。提升调度效率。

【技术实现步骤摘要】
分拨中心车辆智能调度方法、装置、设备及存储介质


[0001]本专利技术涉及物流
，尤其涉及一种分拨中心车辆智能调度方法、装置、设备及存储介质。

技术介绍

[0002]随着物流行业的飞速发展，物流产业也随之成为了国民经济发展的动脉和基础产业，其发展程度成为衡量一个国家现代化程度和综合国力的重要标志之一。随着物流技术的不断进步和人工智能应用领域的不断扩大，智能化逐渐成为物流运输系统发展的重要方向。目前在国内的物流领域，分拨中心内的车辆调度仍主要依靠人工完成，不仅影响效率、耗费人力、还存在安全隐患，尽管现有技术中已经逐渐将人工调度转为线上调度，但由于车辆在园区内的工作比较复杂，需要在多个区域间行驶，因此调度信息存在不准确、不及时的问题，此外，由于车辆的调度信息需要层层传递，也非常影响工作效率。

技术实现思路

[0003]本专利技术的目的是提供一种分拨中心车辆智能调度方法、装置、设备及存储介质，使分拨中心的调度自动化，提高调度效率。
[0004]本专利技术所提供的一种分拨中心车辆智能调度方法，包括：
[0005]从分拨中心获取不同车辆的运行状态信息，确定目标运输车辆的来源信息；
[0006]根据所述运输车辆的来源信息确定所述目标运输车辆的货运执行者和所述目标运输车辆的车辆类型，基于推荐模型对货运执行者和物流对象之间的关系进行第一次匹配，输出所述目标运输车辆对应的货源预测结果；
[0007]基于货源预测结果并根据所述运输车辆的来源信息对不同配载状态的所述目标运输车辆进行货源匹配，识别车辆的初次配载量，完成对车辆来源与货源之间的第二次匹配，输出初始调度结果；
[0008]根据所述目标运输车辆的类型判断是否符合货源预设的装载条件，完成对车辆类型与货源预设的装载条件之间的第三次匹配，输出最优调度结果；
[0009]在满足所述货源预设的装载条件的情况下，对所述目标运输车辆进行空载率查询并进行配载判断，基于不同空载率对所述目标运输车辆对下达车辆配载操作指令，完成对车辆剩余配载量与所述物流对象之间的第四次匹配，并在配载任务后生成对应的车辆运单号；
[0010]将配载完成的车辆运单号同步更新至服务器进行数据监控。
[0011]作为优选地，所述根据所述运输车辆的来源信息确定所述目标运输车辆的货运执行者和所述目标运输车辆的车辆类型，基于推荐模型对货运执行者和物流对象之间的关系进行第一次匹配，输出所述目标运输车辆对应的货源预测结果包括：
[0012]获取所述用户的历史特征数据作为训练样本集，即将用户点击货源列表标记为点击预测事件，对用户是否点击货源信息的样本集进行数据预处理，并将处理后的数据作为
DeepFM模型的输入，对所述DeepFM模型进行训练，生成多个训练结果；
[0013]根据所述多个训练结果并基于AUC指标评价并筛选出最优DeepFM模型，更新并输出最终DeepFM模型。
[0014]作为优选地，所述推荐模型采用的是DeepFM模型结构，所述DeepFM模型包含FM和DNN两部分，FM模型将抽取的特征数据向量化，输出第一特征数据，DNN模型接收所述第一特征数据进行特征交叉处理输出第二特征数据，通过激活函数，预测货源点击概率。
[0015]作为优选地，所述从分拨中心获取不同车辆的运行状态信息，确定目标运输车辆的来源信息包括：
[0016]确定所述目标运输车辆对应的货运执行者，并获取所述目标车辆的车辆信息；
[0017]基于所述目标运输车辆的车辆类型在车辆数据库中输出与车辆停放、车辆装载、车辆卸载的关联信息，得到所述目标运输车辆的预设路线；或，
[0018]基于所述目标运输车辆的车辆识别信息在车辆数据库中输出与车辆停放、车辆装载、车辆卸载的关联信息，得到所述目标运输车辆的预设路线；
[0019]所述运行状态信息至少包括货运执行者、始发地和目的地，所述车辆信息至少包括车辆类型和车辆识别信息，所述来源信息至少包括专线、干线和支线。
[0020]作为优选地，所述基于货源预测结果并根据所述运输车辆的来源信息对不同配载状态的所述目标运输车辆进行货源匹配进一步包括：
[0021]在一个或多个所述货源预测结果中确认所述目标运输车辆的类型，判断所述目标运输车辆的类型是否进入专线运输队列，基于Dijkstra算法获取从始发地直达目的地的最短路径；和/或，
[0022]在一个或多个所述货源预测结果中确认所述目标运输车辆的类型，判断所述目标运输车辆的类型是否进入干线运输队列，基于Dijkstra算法获取从始发地经过物流中转站至目的地的最短路径；和/或，
[0023]在一个或多个所述货源预测结果中确认所述目标运输车辆的类型，判断所述目标运输车辆的类型是否进入支线运输队列，基于Dijkstra算法将剩余线路的物流对象以最短路径运输，按照所述干线运输线路就近原则，从最近的物流中转站卸货，更换运输车辆至目的地。
[0024]作为优选地，所述根据所述目标运输车辆的类型判断是否符合货源预设的装载条件，完成对车辆类型与货源预设的装载条件之间的第三次匹配包括：
[0025]所述第三次匹配对象至少包括车辆类型、预设路线、物流对象的尺寸大小和货源属性；
[0026]根据所述目标运输车辆的类型判断是否符合货源为危险品或非危险品的装载要求，按照货源属性对所述目标运输车辆的行进路线进行规划；和/或，
[0027]判断所述目标运输车辆的类型是否适配货源中物流对象的运输，输出所述目标物流对象适配的运输车辆类型并进行进一步匹配；和/或，
[0028]根据所述目标运输车辆的行进路线判断货源目的地适配的一个或多个分拨中心的车辆路线。
[0029]作为优选地，所述在满足所述货源预设的装载条件的情况下，对所述目标运输车辆进行空载率查询并进行配载判断，基于不同空载率对所述目标运输车辆对下达车辆配载
操作指令，完成对车辆剩余配载量与所述物流对象之间的第四次匹配：
[0030]当所述目标运输车辆的空载率达到第一预设阈值或第二预设阈值时，则对车辆下达对应预设次数的配载操作命令；
[0031]当所述目标运输车辆的空载率达到第三预设阈值时，根据所述目标运输车辆的剩余空间尺寸大小和货源物流对象的尺寸大小进行判断，得出是否对空载率小于等于所述第三预设阈值的目标运输车辆下达配载操作命令。
[0032]本专利技术还提供了一种分拨中心车辆智能调度装置，包括：
[0033]信息采集模块，用于从分拨中心获取不同车辆的运行状态信息，确定目标运输车辆的来源信息；
[0034]预测结果输出模块，用于根据所述运输车辆的来源信息确定所述目标运输车辆的货运执行者和所述目标运输车辆的车辆类型，基于推荐模型对货运执行者和物流对象之间的关系进行第一次匹配，输出所述目标运输车辆对应的货源预测结果；
[0035]初次调度模块，用于基于货源预测结果并根据所述运输车辆的来源信息对不同配载状态的所述目标运输车辆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分拨中心车辆智能调度方法，其特征在于，包括：从分拨中心获取不同车辆的运行状态信息，确定目标运输车辆的来源信息；根据所述运输车辆的来源信息确定所述目标运输车辆的货运执行者和所述目标运输车辆的车辆类型，基于推荐模型对货运执行者和物流对象之间的关系进行第一次匹配，输出所述目标运输车辆对应的货源预测结果；基于货源预测结果并根据所述运输车辆的来源信息对不同配载状态的所述目标运输车辆进行货源匹配，识别车辆的初次配载量，完成对车辆来源与货源之间的第二次匹配，输出初始调度结果；根据所述目标运输车辆的类型判断是否符合货源预设的装载条件，完成对车辆类型与货源预设的装载条件之间的第三次匹配，输出最优调度结果；在满足所述货源预设的装载条件的情况下，对所述目标运输车辆进行空载率查询并进行配载判断，基于不同空载率对所述目标运输车辆对下达车辆配载操作指令，完成对车辆剩余配载量与所述物流对象之间的第四次匹配，并在配载任务后生成对应的车辆运单号；将配载完成的车辆运单号同步更新至服务器进行数据监控。2.如权利要求1所述的分拨中心车辆智能调度方法，其特征在于，所述根据所述运输车辆的来源信息确定所述目标运输车辆的货运执行者和所述目标运输车辆的车辆类型，基于推荐模型对货运执行者和物流对象之间的关系进行第一次匹配，输出所述目标运输车辆对应的货源预测结果包括：获取所述用户的历史特征数据作为训练样本集，即将用户点击货源列表标记为点击预测事件，对用户是否点击货源信息的样本集进行数据预处理，并将处理后的数据作为DeepFM模型的输入，对所述DeepFM模型进行训练，生成多个训练结果；根据所述多个训练结果并基于AUC指标评价并筛选出最优DeepFM模型，更新并输出最终DeepFM模型。3.如权利要求1所述的分拨中心车辆智能调度方法，其特征在于，所述推荐模型采用的是DeepFM模型结构，所述DeepFM模型包含FM和DNN两部分，FM模型将抽取的特征数据向量化，输出第一特征数据，DNN模型接收所述第一特征数据进行特征交叉处理输出第二特征数据，通过激活函数，预测货源点击概率。4.如权利要求1所述的分拨中心车辆智能调度方法，其特征在于，所述从分拨中心获取不同车辆的运行状态信息，确定目标运输车辆的来源信息包括：确定所述目标运输车辆对应的货运执行者，并获取所述目标车辆的车辆信息；基于所述目标运输车辆的车辆类型在车辆数据库中输出与车辆停放、车辆装载、车辆卸载的关联信息，得到所述目标运输车辆的预设路线；或，基于所述目标运输车辆的车辆识别信息在车辆数据库中输出与车辆停放、车辆装载、车辆卸载的关联信息，得到所述目标运输车辆的预设路线；所述运行状态信息至少包括货运执行者、始发地和目的地，所述车辆信息至少包括车辆类型和车辆识别信息，所述来源信息至少包括专线、干线和支线。5.如权利要求1所述的分拨中心车辆智能调度方法，其特征在于，所述基于货源预测结果并根据所述运输车辆的来源信息对不同配载状态的所述目标运输车辆进行货源匹配进一步包括：
在一个或多个所述货源预测结果中确认所述目标运输车辆的类型，判断所述目标运输车辆的类型是否进入专线运输队列，基于Dijkstra算法获取从始发地直达目的地的最短路径；和/或，在一个或多个所述货源预测结果中确认所述目标运输车辆的类型，判断所述目标运输车辆的类型是否进入干线运输队列，基于D...

【专利技术属性】
技术研发人员：王震东，杨周龙，孙佳斌，
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：