无人配送车任务分配方法、系统和无人配送车与流程

本发明涉及无人配送领域，尤其涉及一种无人配送车任务分配方法、系统和无人配送车。

背景技术：

针对由多个无人配送车组成的无人配送系统，需要根据配送任务内容、位置、重要性等多种条件合理地将任务分配给配送车辆，因此需要相应的任务分配方法实现此功能。

在多机器人领域，可以根据异构机器人个体能力模型与评估方法，形成任务列表，并基于任务列表提出任务分配方案，但该方案主要采用了集中式的分配方法，没有充分利用机器人本体自身的计算能力，降低了多机器人系统的可靠性与鲁棒性。另外，还可以采用加权求和的方式对时间效用目标与能量效用目标进行建模，实现多机器人系统任务分配量化评估指标，从而实现任务分配，但该方案未考虑所执行任务间的差异，并且与无人配送车的应用场景具有一定区别。

技术实现要素：

本发明要解决的一个技术问题是提供一种无人配送车任务分配方法、系统和无人配送车，能够使得各无人配送车在无中心计算节点或主节点条件下获取合理的分配任务点，从而实现任务负载的均匀。

根据本发明一方面，提出一种无人配送车任务分配方法，包括：各无人配送车确定配送任务集，其中，各配送任务集中的任务点的位置距离相应无人配送车的位置小于距离阈值，任意两个配送任务集中的任务数量之间的差小于数量阈值；基于配送任务集利用聚类算法建立相邻无人配送车之间的协商任务集；根据相邻无人配送车之间的协商任务集，各无人配送车通过协商机制完成任务分配。

进一步地，各无人配送车确定配送任务集包括:相邻的无人配送车之间对初始任务数量进行调整确定各无人配送车的配送任务集，以便使各无人配送车的配送任务集中的任务数量大于等于最低期望任务数量且小于等于最低期望任务数量加一；其中，根据无人配送车所在位置对任务区域进行划分，确定各无人配送车所在分区内的初始任务数量，基于任务区域的任务总数和无人配送车的数量确定无人配送车的最低期望任务数量。

进一步地，相邻的无人配送车之间对初始任务数量进行调整确定各无人配送车的配送任务集，以便使各无人配送车的配送任务集中的任务数量大于等于最低期望任务数量且小于等于最低期望任务数量加一包括以下步骤：步骤一，判断第i辆无人配送车所在分区内的任务数量是否小于最低期望任务数量；步骤二，若第i辆无人配送车所在分区内的任务数量小于最低期望任务数量，则判断第i辆无人配送车的相邻无人配送车j所在分区内的任务数量是否小于最低期望任务数量；步骤三，若相邻无人配送车j所在分区内的任务数量不小于最低期望任务数量，则第i辆无人配送车在相邻无人配送车j所在分区内选择距离自身位置最近的任务点加入自身任务集；重复步骤一到三，直到第i辆无人配送车的初始任务数量大于等于最低期望任务数量且小于等于最低期望任务数量加一。

进一步地，基于配送任务集利用聚类算法建立相邻无人配送车之间的协商任务集包括：确定初始聚类数目mc，基于k-means聚类算法将任务区域的任务点分为mc个聚类；基于各无人配送车的配送任务集，确定各聚类中任务点所属的无人配送车，并建立各聚类中的无人配送车集合，从而建立相邻无人配送车之间的协商任务集。

进一步地，该方法还包括：若聚类中无人配送车集合包含两辆以上无人配送车，则将相应的协商任务集进行聚类数目为2的划分，重新确定各聚类中任务点所属的无人配送车，并建立各聚类中的无人配送车集合。

进一步地，该方法还包括：根据无人配送车的路径成本和最小确定相邻无人配送车之间的协商任务集。

进一步地，根据相邻无人配送车之间的协商任务集，各无人配送车通过协商机制完成任务分配包括：基于相邻无人配送车之间的协商任务集，确定优先级旅行商问题的代价函数；基于代价函数确定无人配送车的帕累托效用函数；若帕累托效用函数获得最优值，则无人配送车保存任务分配结果。

根据本发明的另一方面，还提出一种无人配送车任务分配系统，包括：初始任务确定单元，用于确定配送任务集，其中，各配送任务集中的任务点的位置距离相应无人配送车的位置小于距离阈值，任意两个配送任务集中的任务数量之间的差小于数量阈值；协商任务单元，用于基于配送任务集利用聚类算法建立相邻无人配送车之间的协商任务集；任务分配完成单元，用于根据相邻无人配送车之间的协商任务集，通过协商机制完成任务分配。

进一步地，初始任务确定单元还用于与相邻的无人配送车之间对初始任务数量进行调整确定各无人配送车的配送任务集，以便使各无人配送车的配送任务集中的任务数量大于等于最低期望任务数量且小于等于最低期望任务数量加一；其中，根据无人配送车所在位置对任务区域进行划分，确定各无人配送车所在分区内的初始任务数量，基于任务区域的任务总数和无人配送车的数量确定无人配送车的最低期望任务数量。

进一步地，初始任务确定单元还用于判断第i辆无人配送车所在分区内的任务数量是否小于所述最低期望任务数量；若第i辆无人配送车所在分区内的任务数量小于最低期望任务数量，则判断第i辆无人配送车的相邻无人配送车j所在分区内的任务数量是否小于最低期望任务数量；若相邻无人配送车j所在分区内的任务数量不小于最低期望任务数量，则第i辆无人配送车在相邻无人配送车j所在分区内选择距离自身位置最近的任务点加入自身任务集，直到第i辆无人配送车的初始任务数量大于等于最低期望任务数量且小于等于最低期望任务数量加一。

进一步地，协商任务单元用于确定初始聚类数目mc，基于k-means聚类算法将任务区域的任务点分为mc个聚类；基于各无人配送车的配送任务集，确定各聚类中任务点所属的无人配送车，并建立各聚类中的无人配送车集合，从而建立相邻无人配送车之间的协商任务集。

进一步地，协商任务单元还用于若聚类中无人配送车集合包含两辆以上无人配送车，则将相应的协商任务集进行聚类数目为2的划分，重新确定各聚类中任务点所属的无人配送车，并建立各聚类中的无人配送车集合。

进一步地，协商任务单元根据无人配送车的路径成本和最小确定相邻无人配送车之间的协商任务集。

进一步地，任务分配完成单元用于基于相邻无人配送车之间的协商任务集，确定优先级旅行商问题的代价函数；基于代价函数确定无人配送车的帕累托效用函数；若帕累托效用函数获得最优值，则无人配送车保存任务分配结果。

根据本发明的另一方面，还提出一种无人配送车，包括上述的无人配送车任务分配系统。

根据本发明的另一方面，还提出一种无人配送车任务分配系统，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行如上述的方法。

根据本发明的另一方面，还提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述的方法的步骤。

与现有技术相比，本发明实施例各无人配送车选择配送任务集后，基于配送任务集利用聚类算法建立相邻无人配送车之间的协商任务集，并且各无人配送车通过协商机制完成任务分配，能够使得各无人配送车在无中心计算节点或主节点条件下获取合理的分配任务点，从而实现任务负载的均匀。另外，基于配送任务集利用聚类算法建立相邻无人配送车之间的协商任务集，以便后续各无人配送车通过协商机制完成任务分配，极大的减少了协商任务数量，提高了执行效率。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

构成说明书的一部分的附图描述了本发明的实施例，并且连同说明书一起用于解释本发明的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：

图1为本发明无人配送车任务分配方法的一个实施例的流程示意图。

图2为本发明无人配送车之间通讯拓扑示意图。

图3为本发明无人配送车任务分配方法中各无人配送车确定配送任务集的流程示意图。

图4为本发明无人配送车任务分配方法中建立协商任务集的流程示意图。

图5为本发明无人配送车任务分配方法中各无人配送车通过协商机制完成任务分配的流程示意图。

图6为本发明无人配送车任务分配方法的另一个实施例的流程示意图。

图7为本发明无人配送车任务分配系统的一个实施例的结构示意图。

图8为本发明无人配送车任务分配系统的另一个实施例的结构示意图。

图9为本发明无人配送车任务分配系统的再一个实施例的结构示意图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

图1为本发明无人配送车任务分配方法的一个实施例的流程示意图，该方法包括以下步骤：

在步骤110，各无人配送车确定配送任务集。其中，在初始任务分配过程中，任意两个配送任务集中的任务数量之间的差小于数量阈值，即每辆无人配送车任务数量均匀或近似均匀。另外，各配送任务集中的任务点的位置距离相应无人配送车的位置小于距离阈值，即使得无人配送车能够选择距离其自身位置较近的任务点。

在步骤120，基于配送任务集利用聚类算法建立相邻无人配送车之间的协商任务集。协商任务集中包含待协商任务和参与协商的无人配送车。其中，协商任务集建立的目的在于选取相邻无人配送车间的待协商任务点，即相邻两个无人配送车之间进行任务点交换，相比于遍历所有任务点，该协商任务集的建立可以较大程度上减少计算量，提高任务分配的效率。其中，可以根据无人配送车的路径成本和最小确定相邻无人配送车之间的协商任务集。

在步骤130，根据相邻无人配送车之间的协商任务集，各无人配送车通过协商机制完成任务分配。其中，相邻无人配送车之间，通过彼此间的协商机制完成任务分配任务，即不断最小化无人配送车的帕累托效用函数，直到达到帕累托最优。其通信拓扑如图2所示，其中，数字代表无人配送车，即每个无人配送车仅需与其相邻的个体进行双向通信，降低了整个系统对于通信条件的要求。

在该实施例中，各无人配送车选择配送任务集后，基于配送任务集利用聚类算法建立相邻无人配送车之间的协商任务集，并且各无人配送车通过协商机制完成任务分配，能够使得各无人配送车在无中心计算节点或主节点条件下获取合理的分配任务点，从而实现任务负载的均匀。

图3为本发明无人配送车任务分配方法中各无人配送车确定配送任务集的流程示意图。

在步骤310，根据无人配送车所在位置对任务区域进行划分，确定各无人配送车所在分区内的初始任务数量。其中，无人配送车任务包括但不限于无人车送货、取货等内容。例如，n个无人配送车分布于任务区域中的不同配送起始点，对该区域按照无人配送车所在位置进行voronoi(泰森多边形)分区，设在无人配送车i所在分区的任务点有mi个，则有mi+m2+...+mn＝m，其中m为任务区域任务总数。

在步骤320，基于任务区域的任务总数和无人配送车的数量确定无人配送车的最低期望任务数量。即最低期望任务数量其中，为向下取整运算符。

在步骤330，相邻的无人配送车之间对初始任务数量进行调整确定各无人配送车的配送任务集，以便使各无人配送车的配送任务集中的任务数量大于等于最低期望任务数量且小于等于最低期望任务数量加一。其中，可以先执行步骤一，判断第i辆无人配送车所在分区内的任务数量是否小于最低期望任务数量；在步骤二，若第i辆无人配送车所在分区内的任务数量小于最低期望任务数量，则判断第i辆无人配送车的相邻无人配送车j所在分区内的任务数量是否小于最低期望任务数量；在步骤三，若相邻无人配送车j所在分区内的任务数量大于等于最低期望任务数量，则第i辆无人配送车在相邻无人配送车j所在分区内选择距离自身位置最近的任务点加入自身任务集，重复步骤一到三，直到第i辆无人配送车的初始任务数量大于等于最低期望任务数量且小于等于最低期望任务数量加一。

例如，对于任意无人配送车i，其中任务数量mi≤m0，若其相邻无人配送车j的任务数量mj≥m0，则该无人配送车i将从相邻无人配送车j中选择距离其最近的任务点加入其任务集中，同时将该任务点从无人配送车j的任务集中删除；重复该步骤，直至m0≤mi≤m0+1，初始任务分配结束。

在上述实施例中，在初始任务分配过程中，暂不考虑其代价函数值，仅实现多无人配送车系统中，每辆无人配送车任务数量的均匀或近似均匀，且使得无人车能够选择距离其自身位置较近的任务点。

图4为本发明无人配送车任务分配方法中建立协商任务集的流程示意图。

在步骤410，确定初始聚类数目mc，基于k-means聚类算法将任务区域的任务点分为mc个聚类，即c1，c2，…，cmc。

在步骤420，基于各无人配送车的配送任务集，确定各聚类中任务点所属的无人配送车，并建立各聚类中的无人配送车集合。

若聚类中无人配送车集合包含两辆以上无人配送车，则执行步骤430，直到每个聚类中仅包含两辆无人配送车，否则执行步骤440。

在步骤430，将相应的协商任务集进行聚类数目为2的划分，即聚类数目mc＝mc+1，并重复步骤420。

在步骤440，建立相邻无人配送车之间的协商任务集。协商任务集ns中每个元素包含两类信息，即待协商任务和参与协商的无人配送车。通过步骤420-440的不断划分，可以确定每两辆无人配送车之间需要协商的任务点。

后续还可以执行步骤450，相邻无人配送车之间遍历协商任务集。即相邻两个无人配送车之间不断进行任务点交换。

在上述步骤中，基于配送任务集利用聚类算法建立相邻无人配送车之间的协商任务集，以便后续各无人配送车通过协商机制完成任务分配，极大的减少了协商任务数量，提高了执行效率。

设配送任务以无人配送车到达该任务点位置作为任务完成的标准。若将m个任务点分配给任意无人配送车，根据配送任务的特点可知，配送任务的最基本目标在于保证无人配送车遍历任务点集合中的所有任务点。当无人车以总行程为目标函数时，所研究的问题就为经典的旅行商问题(tsp)。此外，由于无人配送车的不同的任务点实际代表了不同的配送目标与配送物品，因此任务点还应具备优先级等信息，这就导致了在求解旅行商问题时具有了优先级的约束，即优先级旅行商问题。在此基础上，将上述旅行商问题的目标函数值作为无人配送车执行自身任务所需付出的代价值，对于本发明中涉及的多无人配送车来说，任务分配的关键就在于如何获取合理的分配任务点最终达到每个无人配送车任务负载的均匀性。与此同时，为了充分利用多无人配送车中每个个体的计算能力，并提高系统的可靠性与鲁棒性，任务分配过程中将采用分布式的计算方式，在无中心计算节点或主节点的条件下，通过彼此间的协商机制完成任务分配任务。其中，图5本发明无人配送车任务分配方法中各无人配送车通过协商机制完成任务分配的流程示意图。

在步骤510，基于相邻无人配送车之间的协商任务集，确定优先级旅行商问题的代价函数。例如，hc＝λhc1+(1-λ)hc2为根据模拟退火算法获得的优先级旅行商问题的代价函数，其中，hc1表示总行程的代价函数，hc2为每个任务点优先级产生的代价函数，其中，hc2＝hc1+hc2+...+hcm，λ为加权值，其中0<λ<1。其中，任务点优先级产生的代价函数可利用多种方式计算，例如，采用破坏优先级导致的惩罚函数。

在步骤520，基于代价函数确定无人配送车的帕累托效用函数。其中，第i辆无人配送车的帕累托效用函数

在步骤530，若帕累托效用函数获得最优值，则无人配送车保存任务分配结果。

该实施例在无中心计算节点或主节点的条件下实现任务均匀分配，并且由于建立基于帕累托最优的帕累托效用函数，能够实现分布式条件下的最优方案选取。

图6为本发明无人配送车任务分配方法的另一个实施例的流程示意图。其中，每辆无人配送车仅需与其相邻的个体进行双向通信，并且，为了充分利用无人配送车每个个体的计算能力，任务分配过程中将采用分布式的计算方式，在无中心计算节点或主节点的条件下通过彼此间的协商机制完成任务分配。

在步骤610，各无人配送车确定配送任务集。其中，每辆无人配送车任务数量均匀或近似均匀，并且无人配送车能够选择距离其自身位置较近的任务点。

在步骤620，确定初始聚类数目，基于k-means聚类算法将任务区域的任务点分为多个聚类。

在步骤630，基于各无人配送车的配送任务集，确定各聚类中任务点所属的无人配送车，并建立各聚类中的无人配送车集合。

在步骤640，判断是否存在包含两个以上无人配送车的聚类，若存在，则执行步骤650，否则执行步骤660。

在步骤650，将相应的任务集进行聚类数目为2的划分，并重复步骤630。

在步骤660，建立相邻无人配送车之间的协商任务集。两个无人配送车之间进行任务协商，即不断的进行任务点交换。

在步骤670，根据模拟退火算法确定优先级旅行商问题的代价函数。

在步骤680，基于代价函数确定无人配送车的帕累托效用函数。

在步骤690，若帕累托效用函数获得最优值，则无人配送车保存任务分配结果。

在该实施例中，通过分布式算法充分利用了无人配送车个体的计算能力，提高了系统的稳定性与鲁棒性，同时又实现了多无人配送车任务分配的均匀性。另外，利用基于k-means聚类算法建立协商任务集，极大的减少了协商任务的数量，提高了执行效率，最后利用帕累托效用函数作为评价准则，能够实现分布式条件下的最优方案选取。

图7为本发明无人配送车任务分配系统的一个实施例的结构示意图。该系统包括初始任务确定单元710、协商任务单元720和任务分配完成单元730。

初始任务确定单元710用于确定配送任务集，其中，在初始任务分配过程中，任意两个配送任务集中的任务数量之间的差小于数量阈值，即每辆无人配送车任务数量均匀或近似均匀。另外，各配送任务集中的任务点的位置距离相应无人配送车的位置小于距离阈值，即使得无人配送车能够选择距离其自身位置较近的任务点。

协商任务单元720用于基于配送任务集利用聚类算法建立相邻无人配送车之间的协商任务集。协商任务集中包含待协商任务和参与协商的无人配送车。其中，协商任务集建立的目的在于选取相邻无人配送车间的待协商任务点，可以根据无人配送车的路径成本和最小确定相邻无人配送车之间的协商任务集。

任务分配完成单元730用于根据相邻无人配送车之间的协商任务集，通过协商机制完成任务分配。其中，相邻无人配送车之间，通过彼此间的协商机制完成任务分配任务，即不断最小化无人配送车的帕累托效用函数，直到达到帕累托最优。其通信拓扑如图2所示，即每个无人车仅需与其相邻的个体进行双向通信，降低了整个系统对于通信条件的要求。

在该实施例中，各无人配送车选择配送任务集后，基于配送任务集利用聚类算法建立相邻无人配送车之间的协商任务集，并且各无人配送车通过协商机制完成任务分配，能够使得各无人配送车获取合理的分配任务点，从而实现各无人配送车任务负载的均匀。

在本发明的一个实施例中，初始任务确定单元710用于与相邻的无人配送车之间进行任务数量调整，以便使各无人配送车的配送任务集中的任务数量大于等于最低期望任务数量且小于等于最低期望任务数量加一。其中，根据无人配送车所在位置对任务区域进行划分，确定各无人配送车所在分区内的任务数量，基于任务区域的任务总数和无人配送车的数量确定无人配送车的最低期望任务数量。例如，若第i辆无人配送车所在分区内的任务数量小于最低期望任务数量，则判断第i辆无人配送车的相邻无人配送车j所在分区内的任务数量是否小于最低期望任务数量；若相邻无人配送车j所在分区内的任务数量大于等于最低期望任务数量，则第i辆无人配送车在相邻无人配送车j所在分区内选择距离自身位置最近的任务点加入自身任务集，直到第i辆无人配送车的初始任务数量大于等于最低期望任务数量且小于等于最低期望任务数量加一。

例如，对于任意mi≤m0无人配送车i，若其相邻无人配送车j的任务数量mj≥m0，则该无人配送车i将从相邻无人配送车j中选择距离其最近的任务点加入其任务集中，同时将该任务点从无人配送车j的任务集中删除；重复该步骤，直至m0≤mi≤m0+1，初始任务分配结束。

在上述实施例中，在初始任务分配过程中，暂不考虑其代价函数值，仅实现多无人配送车系统中，每辆无人配送车任务数量的均匀或近似均匀，且使得无人车能够选择距离其自身位置较近的任务点。

在本发明的一个实施例中，协商任务单元720用于确定初始聚类数目mc，基于k-means聚类算法将任务区域的任务点分为mc个聚类，即c1，c2，…，cmc；基于各无人配送车的配送任务集，确定各聚类中任务点所属的无人配送车，并建立各聚类中的无人配送车集合，从而建立相邻无人配送车之间的协商任务集，协商任务集ns中每个元素包含两类信息，即待协商任务和参与协商的无人配送车。若聚类中无人配送车集合包含两辆以上无人配送车，则将相应的协商任务集进行聚类数目为2的划分，即聚类数目mc＝mc+1，直到每个聚类中最多包含2个无人配送车。

在该实施例中，基于配送任务集利用聚类算法建立相邻无人配送车之间的协商任务集，以便后续各无人配送车通过协商机制完成任务分配，极大的减少了协商任务数量，提高了执行效率。

在本发明的另一个实施例中，任务分配完成单元730用于基于相邻无人配送车之间的协商任务集，确定优先级旅行商问题的代价函数，基于代价函数确定无人配送车的帕累托效用函数，若帕累托效用函数获得最优值，则无人配送车保存任务分配结果。例如，hc＝λhc1+(1-λ)hc2为根据模拟退火算法获得的优先级旅行商问题的代价函数，其中，hc1表示总行程的代价函数，hc2为每个任务点优先级产生的代价函数，其中，hc2＝hc1+hc2+...+hcm，λ为加权值，其中0<λ<1。其中，任务点优先级产生的代价函数可利用多种方式计算，例如，采用破坏优先级导致的惩罚函数。第i辆无人配送车的帕累托效用函数

该实施例在无中心计算节点或主节点的条件下实现任务均匀分配，并且由于建立基于帕累托最优的帕累托效用函数，能够实现分布式条件下的最优方案选取。

在本发明的另一个实施例中，一种无人配送车，包括上述实施例中无人配送车任务分配系统，该无人配送车通过分布式算法充分利用了无人配送车个体的计算能力，提高了系统的稳定性与鲁棒性，同时又实现了多无人配送车任务分配的均匀性。另外，利用基于k-means聚类算法建立协商任务集，极大的减少了协商任务的数量，提高了执行效率，最后利用帕累托效用函数作为评价准则，能够实现分布式条件下的最优方案选取。

下面将以一个具体实施例的仿真结果对本发明的方案进行说明，其中，在仿真过程中，在任务区域内随机选取30个任务点及其优先级信息。假设任务区域内有5辆无人车参与配送，且无人配送车的初始布放位置同样位于该区域随机选取，具体信息如表1、表2所示：

表1任务点分布情况

表2无人配送车初始位置

利用本发明中所述任务分配方法，可得到表表3所示的任务分配结果。

表3无人配送车分布式任务分配结果

相比于初始任务分配方法，协商后任务分配的代价函数最大值降低了33.2％，效用函数平均值降低了82％，很好的实现了无人配送车任务分配的目的。根据木桶原理，不妨将代价函数的最大值作为评价多无人配送车完成定点任务的时间指标，可知该任务协商算法通过任务的均匀分配，使得任务执行时间缩短至初始分配情况下的66.8％。

图8为本发明无人配送车任务分配系统的再一个实施例的结构示意图。该装置包括存储器810和处理器820。其中：

存储器810可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储图1-6所对应实施例中的指令。

处理器820耦接至存储器810，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器820用于执行存储器中存储的指令，能够使得各无人配送车获取合理的分配任务点，从而各无人配送车在无中心计算节点或主节点条件下实现任务负载的均匀。

在一个实施例中，还可以如图9所示，无人配送车任务分配系统900包括存储器910和处理器920。处理器920通过bus总线930耦合至存储器910。该无人配送车任务分配系统900还可以通过存储接口940连接至外部存储装置950以便调用外部数据，还可以通过网络接口960连接至网络或者另外一台计算机系统(未标出)。此处不再进行详细介绍。

在该实施例中，通过存储器存储数据指令，再通过处理器处理上述指令，能够使得各无人配送车获取合理的分配任务点，从而各无人配送车在无中心计算节点或主节点条件下实现任务负载的均匀。

在另一个实施例中，一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现图1-6所对应实施例中的方法的步骤。本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

至此，已经详细描述了本发明。为了避免遮蔽本发明的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。

可能以许多方式来实现本发明的方法以及装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法以及装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。

虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。