【技术实现步骤摘要】
本专利技术涉及货物运输管理，具体为一种货物统筹管理的梯度分配方法及系统。
技术介绍
1、在传统的货物运输管理中，通常采用静态分配方法，根据预先设定的规对货物进行装配。然而，这种方法难以应对实时的需求变化和车辆调度波动，导致了效率低下和资源浪费的问题。在当今货运行业中，货运时效显得越来越重要，对于商业订单中的货物运输的排序管理，是货物运输的第一步，快速的对货运订单进行运输排序，对保障货物运输的时效性具有重大意义。
2、随着信息技术的不断发展，基于梯度分配的动态管理方法成为改进货物统筹管理的有力工具。利用实时数据和先进的算法，通过动态调整货物分配，以更好地满足市场需求和优化货物运输过程。
3、鉴于此，本专利技术提供一种货物统筹管理的梯度分配方法及系统，货物运输的排序管理问题，并进一步优化货运车辆的装载调度问题。
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
2、鉴于上述存在的问题，提出了本专利技术。
3、本专利技术提供如下技术方案：收集历史订单数据，建立神经网络模型预测当前不同类型订处理时长；获取当前的订单信息，所述订单信息包括货物信息和配送信息；基于订单信息，建立不同梯度级别的订单处理机制，按照梯度级别处理订单；基于建立的梯度
4、优选的，所述历史订单数据包括，历史订单中货物等待装载时间、货物装载时间和配送时间。
5、优选的，所述神经网络模型包括，采用前馈神经网络模型，模型中包含输入层、隐含层和输出层；
6、所述输入层包括，输入层节点对应货物等待装载时间、货物装载时间和配送时间；
7、所述隐含层包括，隐含层中有多个节点，每个节点与输入层节点相连接，隐含层节点采用relu激活函数引入输入层和隐含层的非线性关系；
8、所述输出层包括，输出层的节点输出订单总处理时长；
9、输入历史订单数据，预测出当前类型的订单的处理时长，建立的前馈神经网络计算表达式为：
10、；
11、；
12、其中，是预测的订单处理总时长，x是历史订单数据中货物等待装载时间、货物装载时间和配送时间之和，i为订单序号，f是relu激活函数，和是隐含层的权重和偏置项，和是输出层的权重和偏置项；是误差项。
13、优选的，所述货物信息包括，订单中所有类型货物的重量数据、所有类型货物的长宽高数据以及整个订单的货物装载时长；所述配送信息包括，单个订单的配送时长以及配送路径；
14、所述梯度级别包括，建立的订单处理顺序策略为：
15、获取当前订单剩余处理时间和订单总处理时间，订单总处理时间为货物等待装载时间、货物装载时间和配送时间，根据同类型订单的历史数据，从建立的前馈神经网络模型中预测得出当前订单的总处理时间；所述订单剩余处理时间包括，订单生成到货物送达的总时间，具体为：
16、；
17、其中为订单剩余处理时间，为订单截止时间，为当前时间；
18、建立订单处理优先级参数：
19、；
20、根据优先级参数值划分订单的梯度级别。
21、优选的，所述梯度级别还包括，优先级参数pg值越小则订单处理的梯度级别越高；
22、划分pg值大于1的订单为正常时效订单，pg值小于1 的订单为异常时效订单；
23、对正常时效的订单划分梯度级别，按照梯度级别处理订单；
24、当pg值大于1小于等于2时，为第一梯度级别；
25、当pg值大于1小于等于3时，为第二梯度级别；
26、当pg值大于3时，为第三梯度级别；
27、优先处理正常时效内第一梯度级别的订单；若第一梯度级别的订单在时效内全部处理完成，则处理第二梯度级别订单；并依次顺延，直至重新生成划分梯度级别新订单；
28、所述第一梯度级别包括，建立第一梯度级别订单的先后处理顺序，按照pg值对第一梯度的订单进行排序，pg值越小，在第一梯度级别的处理顺序越靠前；
29、在订单处理过程中，剩余处理时间不断减小，订单处理优先级参数也在不断变化，基于变小优先级参数，订单处理顺序梯度会自动进行提升，当订单处理参数超过当前参数梯度的范围时，将订单优先级进行梯度提升；
30、在获取订单信息时，可对订单任务标记紧急任务标签，对于标记有紧急任务标签的订单，安排人工对订单进行单独处理，不再划分梯度顺序处理。
31、优选的，所述调度分配包括，对于订单的车辆调度策略为：货物工厂基于第一梯度级别的货物运输总数与pg值最小的订单的货运数量，预先向货运车辆中心进行发送车辆调度信息，车辆调度中心在接收到调度信息后，将货运车辆派遣至工厂装货地点进行装货；
32、当车辆调度中心的货运车辆运载能力大于第一梯度级别的运载需求，则顺延运载第二梯度级别的订单货物。
33、优选的，所述装载安排包括，在对空车进行装载时，优先对同一订单的货物进行装载规划，在单个货运车辆有剩余运力时，再对同一输运路径的和同一梯度级别的订单进行剩余运力装载规划；
34、建立货物体积与重量的优化函数模型，最大化单个车辆中货物的装载；
35、所述优化函数模型包括，建立目标函数：
36、；
37、其中，为单个车辆中货物的装载数量；为最大化单个车辆中货物的装载数量；i为非负整数；为货物i被装载的数量；，，分别为货物i的长、宽、高；,,;为货物i的重量；和分别为车辆的容积和载重上限；、和分别为车辆的运载空间的长宽高上限；
38、按照建立订单处理的梯度级别处理订单。
39、本专利技术的另一个目的是提供一种货物统筹管理的梯度分配方法的系统，所述系统包括，预测模块、数据采集模块、梯度分级模块、运载调度模块；
40、所述预测模块包括，收集历史订单数据，基于历史订单数据，建立神经网络模型预测当前不同类型订单的处理时长；
41、所述数据采集模块包括，获取当前的订单信息，所述订单信息包括货物信息和配送信息；
42、所述梯度分级模块包括，梯度处理单元和紧急处理单元；所述梯度处理单元基于订单信息，根据建立不同梯度级别的订单处理机制，按照梯度级别处理订单；所述紧急处理单元，用于对于标记有紧急任务标签的订单，由人工对订单进行单独处理。
43、所述运载调度模块包括，基于建立的梯度级别，对货运车辆进行调度分配和装载安排，对货运车辆和订单进行装载优化，提升运输管理效益。
44、本专利技术还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序本文档来自技高网...
【技术保护点】
1.一种货物统筹管理的梯度分配方法，其特征在于：包括，
2.如权利要求1所述的一种货物统筹管理的梯度分配方法，其特征在于：
3.如权利要求2所述的一种货物统筹管理的梯度分配方法，其特征在于：所述神经网络模型包括，采用前馈神经网络模型，模型中包含输入层、隐含层和输出层；
4.如权利要求3所述的一种货物统筹管理的梯度分配方法，其特征在于：
5.如权利要求4所述的一种货物统筹管理的梯度分配方法，其特征在于：
6.如权利要求5所述的一种货物统筹管理的梯度分配方法，其特征在于：
7.如权利要求6所述的一种货物统筹管理的梯度分配方法，其特征在于：
8.一种采用如权利要求1-7任一所述的一种货物统筹管理的梯度分配方法的系统，其特征在于：所述系统包括，预测模块、数据采集模块、梯度分级模块、运载调度模块；
【技术特征摘要】
1.一种货物统筹管理的梯度分配方法，其特征在于：包括，
2.如权利要求1所述的一种货物统筹管理的梯度分配方法，其特征在于：
3.如权利要求2所述的一种货物统筹管理的梯度分配方法，其特征在于：所述神经网络模型包括，采用前馈神经网络模型，模型中包含输入层、隐含层和输出层；
4.如权利要求3所述的一种货物统筹管理的梯度分配方法，其特征在于：
5....
【专利技术属性】
技术研发人员：何旭，张显，钟钰慧，
申请(专利权)人：四川宽窄智慧物流有限责任公司，
类型：发明
国别省市：
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。