【技术实现步骤摘要】
本申请涉及智能化运输路线规划，并且更具体地，涉及一种智慧物流运输路线规划方法及系统。
技术介绍
1、物流运输路线规划是指在物流运输过程中，根据货物的起点、终点和运输要求，通过合理的路径选择和调度安排，确定最佳的运输路线和方案。物流运输路线规划可以通过优化路线选择和调度安排，减少运输距离和时间，提高运输效率。合理的路线规划可以避免不必要的绕行和拥堵，减少货物的运输时间，提高物流运输的速度和效率。
2、然而，传统线路规划方案通常基于人工经验和直觉进行决策，缺乏科学的数据支持和分析，这种主观性的决策方法可能无法充分考虑到多个因素的综合影响，例如物流路线的距离和拥挤程度因素，导致不够准确和优化的路线选择，从而影响物流产品的运输效率和运输质量。
3、因此，期望一种智慧物流运输路线规划方案。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种智慧物流运输路线规划方法及系统，其构造第一备选物流路线的线路段距离向量；提取第一备选物流路线中各个线路段的拥堵程度标签以得到拥堵程序标签的序列；对拥堵程序标签的序列进行上下文编码处理以得到上下文拥堵程度编码特征向量的序列；基于深度神经网络模型的运输距离关联特征提取器对线路段距离向量进行特征提取以得到线路段间距离关联特征向量；对上下文拥堵程度编码特征向量的序列和线路段间距离关联特征向量进行特征融合以得到拥堵信息嵌入物流运输语义特征，以确定预定物流产品是否适宜通过第一备选物流路线来进行运输。这样，实现了对备选
2、第一方面，提供了一种智慧物流运输路线规划方法，其包括：
3、构造第一备选物流路线的线路段距离向量，其中，所述线路段距离向量中各个位置的值用于表示第一备选物流路线中相应两个物流节点之间的空间距离；
4、从交通网络提取所述第一备选物流路线中各个线路段的拥堵程度标签以得到拥堵程序标签的序列；
5、对所述拥堵程序标签的序列进行上下文编码处理以得到上下文拥堵程度编码特征向量的序列；
6、通过基于深度神经网络模型的运输距离关联特征提取器对所述线路段距离向量进行特征提取以得到线路段间距离关联特征向量；
7、对所述上下文拥堵程度编码特征向量的序列和所述线路段间距离关联特征向量进行基于类注意力差值的特征融合以得到拥堵信息嵌入物流运输语义特征；
8、基于所述拥堵信息嵌入物流运输语义特征，确定所述预定物流产品是否适宜通过第一备选物流路线来进行运输。
9、第二方面，提供了一种智慧物流运输路线规划系统，其包括：
10、线路段距离向量构造模块，用于构造第一备选物流路线的线路段距离向量，其中，所述线路段距离向量中各个位置的值用于表示第一备选物流路线中相应两个物流节点之间的空间距离；
11、拥堵程序标签提取模块，用于从交通网络提取所述第一备选物流路线中各个线路段的拥堵程度标签以得到拥堵程序标签的序列；
12、上下文编码处理模块，用于对所述拥堵程序标签的序列进行上下文编码处理以得到上下文拥堵程度编码特征向量的序列；
13、特征提取模块，用于通过基于深度神经网络模型的运输距离关联特征提取器对所述线路段距离向量进行特征提取以得到线路段间距离关联特征向量；
14、特征融合模块，用于对所述上下文拥堵程度编码特征向量的序列和所述线路段间距离关联特征向量进行基于类注意力差值的特征融合以得到拥堵信息嵌入物流运输语义特征；
15、运输确定模块，用于基于所述拥堵信息嵌入物流运输语义特征，确定所述预定物流产品是否适宜通过第一备选物流路线来进行运输。
本文档来自技高网...【技术保护点】
1.一种智慧物流运输路线规划方法，其特征在于，包括：
2.根据权利要求1所述的智慧物流运输路线规划方法，其特征在于，对所述拥堵程序标签的序列进行上下文编码处理以得到上下文拥堵程度编码特征向量的序列，包括：
3.根据权利要求2所述的智慧物流运输路线规划方法，其特征在于，所述深度神经网络模型为一维卷积神经网络模型。
4.根据权利要求3所述的智慧物流运输路线规划方法，其特征在于，对所述上下文拥堵程度编码特征向量的序列和所述线路段间距离关联特征向量进行基于类注意力差值的特征融合以得到拥堵信息嵌入物流运输语义特征，包括：以如下融合公式对所述上下文拥堵程度编码特征向量的序列和所述线路段间距离关联特征向量进行基于类注意力差值的特征融合以得到拥堵信息嵌入物流运输语义特征向量作为所述拥堵信息嵌入物流运输语义特征；
5.根据权利要求4所述的智慧物流运输路线规划方法，其特征在于，基于所述拥堵信息嵌入物流运输语义特征，确定所述预定物流产品是否适宜通过第一备选物流路线来进行运输，包括：
6.根据权利要求5所述的智慧物流运输路线规划方法，其特征在于
7.根据权利要求6所述的智慧物流运输路线规划方法，其特征在于，将所述优化拥堵信息嵌入物流运输语义特征向量通过分类器以得到分类结果，所述分类结果用于表示推荐优先级标签，包括：
8.一种智慧物流运输路线规划系统，其特征在于，包括：
9.根据权利要求8所述的智慧物流运输路线规划系统，其特征在于，所述上下文编码处理模块，包括：
10.根据权利要求9所述的智慧物流运输路线规划系统，其特征在于，所述深度神经网络模型为一维卷积神经网络模型。
...【技术特征摘要】
1.一种智慧物流运输路线规划方法，其特征在于，包括：
2.根据权利要求1所述的智慧物流运输路线规划方法，其特征在于，对所述拥堵程序标签的序列进行上下文编码处理以得到上下文拥堵程度编码特征向量的序列，包括：
3.根据权利要求2所述的智慧物流运输路线规划方法，其特征在于，所述深度神经网络模型为一维卷积神经网络模型。
4.根据权利要求3所述的智慧物流运输路线规划方法，其特征在于，对所述上下文拥堵程度编码特征向量的序列和所述线路段间距离关联特征向量进行基于类注意力差值的特征融合以得到拥堵信息嵌入物流运输语义特征，包括：以如下融合公式对所述上下文拥堵程度编码特征向量的序列和所述线路段间距离关联特征向量进行基于类注意力差值的特征融合以得到拥堵信息嵌入物流运输语义特征向量作为所述拥堵信息嵌入物流运输语义特征；
5.根据权利要求4所述的智慧物流运输...
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。