【技术实现步骤摘要】
本专利技术涉及仓储物流调度，尤其涉及一种基于云计算的仓储物流调度方法及系统。
技术介绍
1、在流通业供应链环节中，储藏、保管货品及物流配送是仓储物流的主要业务形态，由一系列供给与需求合成。在现有技术中，在运转过程中，将仓库中存储的各个集散点的货物装载到相应的物流车辆并安排到运输到相应的集散点，称为物流车辆的调度。当前，仓储物流的车辆调度主要依赖于人工调度，即：人工根据当前货物的存量和车辆的状况，指定那些货物装配到那些车辆，并运输到那些节点。人工进行仓储物流调度主要存在以下缺陷：调度效率低下，调度过程中，只是人工根据货物的仓储状况，车辆状况进行分配，未能考虑货物实际的运输情况及车辆的状况，导致其调度效率低下，不能及时作出装车决策；物流成本高。货物的大小、重量、目的地和车辆的大小、载重、运输路径等存在一定的相关性，较好的匹配能大幅降低车辆物流运输成本，减少车辆的运输路径及次数等，进而降低物流运输成本。人工调度由于车辆装配不合理，如不能满载，车辆规划路径过于复杂等，导致同等车辆数量下，运量较小，进而导致仓库的仓储率高企不下，为此，物流企业不得不加大仓库的容量，进而导致增加了物流企业的运营成本。不合理的装配，导致车辆装配的装卸次数增加，进而导致装卸成本增加。
2、因此，需要提供一种基于云计算的仓储物流调度方法及系统，用于提高仓储物流调度的智能化水平。
技术实现思路
1、本专利技术提供了一种基于云计算的仓储物流调度方法，包括：通过多个边缘云计算节点，联合建立物流调度模型，其中，所
2、更进一步地，通过多个边缘云计算节点，联合建立物流调度模型，包括：建立初始物流调度模型；在每个所述边缘云计算节点均部署所述初始物流调度模型；通过所述多个边缘云计算节点联合训练所述初始物流调度模型，得到所述物流调度模型。
3、更进一步地，通过所述多个边缘云计算节点联合训练所述初始物流调度模型，得到所述物流调度模型，包括：s11、每个所述边缘云计算节点对所述初始物流调度模型进行训练，获取训练后的初始物流调度模型，对所述训练后的初始物流调度模型进行测试，获取训练后的初始物流调度模型的模型性能测试数据；s12、基于训练后的初始物流调度模型的模型性能测试数据，判断是否训练完成，若是，基于每个所述边缘云计算节点上的训练后的初始物流调度模型的模型参数，生成所述物流调度模型，若否，执行s13；s13、基于每个所述边缘云计算节点上的训练后的初始物流调度模型的模型参数，生成中间物流调度模型；s14、每个所述边缘云计算节点对所述中间物流调度模型进行训练，获取训练后的中间物流调度模型，对所述训练后的中间物流调度模型进行测试，获取训练后的中间物流调度模型的模型性能测试数据；s15、基于训练后的中间物流调度模型的模型性能测试数据，判断是否训练完成，若是，基于每个所述边缘云计算节点上的训练后的中间物流调度模型的模型参数，生成所述物流调度模型，若否，执行s16；s16、基于每个所述边缘云计算节点上的训练后的中间物流调度模型的模型参数，更新中间物流调度模型的参数，在每个所述边缘云计算节点上部署更新后的中间物流调度模型的参数，执行s14。
4、更进一步地，计算所述仓储物流调度任务的算力资源需求，包括：建立样本需求数据库，其中，所述样本需求数据库用于存储多个样本仓储物流调度任务对应的算力资源需求；计算所述仓储物流调度任务与所述样本仓储物流调度任务的相似度，确定相似样本仓储物流调度任务；基于所述相似样本仓储物流调度任务的算力资源需求，计算所述仓储物流调度任务的算力资源需求。
5、更进一步地，所述第二最优边缘云计算节点对所述多个候选仓储物流调度方案进行筛选，确定多个目标仓储物流调度方案，包括：计算任意两个所述候选仓储物流调度方案的方案相似度；基于任意两个所述候选仓储物流调度方案的方案相似度，对所述多个目标仓储物流调度方案进行聚类，得到多个方案聚类簇；所述第二最优边缘云计算节点通过多个方案筛选指标，对所述多个方案聚类簇进行筛选，确定最优方案聚类簇；所述第二最优边缘云计算节点通过多个方案筛选指标，对所述最优方案聚类簇包括的多个候选仓储物流调度方案进行筛选，确定多个目标仓储物流调度方案。
6、更进一步地，所述第二最优边缘云计算节点通过多个方案筛选指标，对所述最优方案聚类簇包括的多个候选仓储物流调度方案进行筛选，确定多个目标仓储物流调度方案，包括：通过状态预测模型基于多个历史时间点的仓储节点状态信息和物流车辆状态信息，预测多个未来时间点的仓储节点状态信息和物流车辆状态信息；获取天气预报信息和多个历史点的目标区域的车流量信息；通过路况预测模型基于天气预报信息和多个历史点的目标区域的车流量信息，预测多个未来时间点的目标区域的车流量信息；对于所述最优方案聚类簇包括的每个候选仓储物流调度方案，基于预测的多个未来时间点的仓储节点状态信息、物流车辆状态信息以及目标区域的车流量信息，确定所述候选仓储物流调度方案在多个方案筛选指标的得分；基于所述最优方案聚类簇包括的每个候选仓储物流调度方案在多个方案筛选指标的得分，对所述最优方案聚类簇包括的多个候选仓储物流调度方案进行筛选，确定多个目标仓储物流调度方案。
7、更进一步地，通过所述综合调度方案生成模型计算每个目标仓储物流调度方案的融合权重；通过所述综合调度方案生成模型基于所述多个目标仓储物流调度方案和每个目标仓储物流调度方案的融合权重，生成最优仓储物流调度方案。
8、本专利技术提供了一种基于云计算的仓储物流调度系统，用于执行上述的一种基于云计算的仓储物流调度方法，包括：模型建立模块，用于通过多个边缘云计算节点，联合建立物流调度模型，其中，所述物流调度模型包括边缘调度方案生成模型及综合调度方案生成模型；模型部署模块，用于在每个所述边缘云计算节点均部署所述物流调度模型；任务获取模块，用于获取仓储物流调度任务；需求确定模块，用于基于所述仓储物流调度任务，计算算力资源需求；一次筛选模块，用于基于所述算力资源需求，从所述多个边缘云计算本文档来自技高网...
【技术保护点】
1.一种基于云计算的仓储物流调度方法及系统，其特征在于，包括：
2.根据权利要求1所述的一种基于云计算的仓储物流调度方法及系统，其特征在于，通过多个边缘云计算节点，联合建立物流调度模型，包括：
3.根据权利要求2所述的一种基于云计算的仓储物流调度方法及系统，其特征在于，通过所述多个边缘云计算节点联合训练所述初始物流调度模型，得到所述物流调度模型，包括：
4.根据权利要求3所述的一种基于云计算的仓储物流调度方法及系统，其特征在于，通过所述多个边缘云计算节点联合训练所述初始物流调度模型，得到所述物流调度模型，还包括：S13、基于每个所述边缘云计算节点上的训练后的初始物流调度模型的模型参数，生成中间物流调度模型；
5.根据权利要求4所述的一种基于云计算的仓储物流调度方法及系统，其特征在于，通过所述多个边缘云计算节点联合训练所述初始物流调度模型，得到所述物流调度模型，还包括：S15、基于训练后的中间物流调度模型的模型性能测试数据，判断是否训练完成，若是，基于每个所述边缘云计算节点上的训练后的中间物流调度模型的模型参数，生成所述物流调度模型，
6.根据权利要求5所述的一种基于云计算的仓储物流调度方法及系统，其特征在于，计算所述仓储物流调度任务的算力资源需求，包括：
7.根据权利要求5中所述的一种基于云计算的仓储物流调度方法及系统，其特征在于，所述第二最优边缘云计算节点对所述多个候选仓储物流调度方案进行筛选，确定多个目标仓储物流调度方案，包括：
8.根据权利要求7所述的一种基于云计算的仓储物流调度方法及系统，其特征在于，所述第二最优边缘云计算节点通过多个方案筛选指标，对所述最优方案聚类簇包括的多个候选仓储物流调度方案进行筛选，确定多个目标仓储物流调度方案，包括：
9.根据权利要求1-5中任意一项所述的一种基于云计算的仓储物流调度方法及系统，其特征在于，所述第二最优边缘云计算节点通过所述综合调度方案生成模型，基于所述多个目标仓储物流调度方案，生成最优仓储物流调度方案，包括：
10.一种基于云计算的仓储物流调度系统，其特征在于，用于执行权利要求1-9中任意一项所述的一种基于云计算的仓储物流调度方法，包括：
...【技术特征摘要】
1.一种基于云计算的仓储物流调度方法及系统，其特征在于，包括：
2.根据权利要求1所述的一种基于云计算的仓储物流调度方法及系统，其特征在于，通过多个边缘云计算节点，联合建立物流调度模型，包括：
3.根据权利要求2所述的一种基于云计算的仓储物流调度方法及系统，其特征在于，通过所述多个边缘云计算节点联合训练所述初始物流调度模型，得到所述物流调度模型，包括：
4.根据权利要求3所述的一种基于云计算的仓储物流调度方法及系统，其特征在于，通过所述多个边缘云计算节点联合训练所述初始物流调度模型，得到所述物流调度模型，还包括：s13、基于每个所述边缘云计算节点上的训练后的初始物流调度模型的模型参数，生成中间物流调度模型；
5.根据权利要求4所述的一种基于云计算的仓储物流调度方法及系统，其特征在于，通过所述多个边缘云计算节点联合训练所述初始物流调度模型，得到所述物流调度模型，还包括：s15、基于训练后的中间物流调度模型的模型性能测试数据，判断是否训练完成，若是，基于每个所述边缘云计算节点上的训练后的中间物流调度模型的模型参数，生...
【专利技术属性】
技术研发人员：吴智勇，
申请(专利权)人：广州智配物流科技有限公司，
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。