一种配送线路的生成方法和装置与流程
本申请涉及智能配送领域，具体涉及一种配送线路的生成方法和装置。
背景技术：
在配送实际业务场景中，往往需要处理大规模的配送线路生成问题。企业一般会运用多种智能算法的方式优化配送线路。主要方式有：通过将配送线路生成转化为线性规划问题，利用传统的运筹学方法、算法和工具来解决；将配送线路生成转化为组合优化问题，利用进化算法或元启发式优化算法解决；使用启发式算法，利用面向具体问题的基于直观或者经验构造的算法解决。但是，这三种方式下存在多种不足，例如在对于大规模配送线路生成时，会占用大量的计算空间和空间，特别是在多约束大规模配送线路优化上，难以找到最优解，生成效率较低，而且都没有结合实际配送场景下的实例数据，无法利用实例数据中体现出的优势和不足进行智能配送路线的生成和优化。
技术实现要素：
鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的一种配送线路的生成方法和装置。
依据本申请的一个方面，提供了一种配送线路的生成方法和装置，包括：
建立包含多个实体的图模型；
获取与各实体对应的实例数据，根据所述图模型和所述实例数据生成图数据库；
根据接收到的配送订单信息，从图数据库中查找出配送相关的第一图数据，根据所述第一图数据和预设的图算法生成与所述配送订单信息对应的配送线路。
可选地，所述实体包括如下的至少一种：仓库、客户、司机、车型；
所述建立包含多个实体的图模型包括：确定各实体间的关系以及关系属性；所述关系包括如下的至少一种：客户间的邻接关系、司机与客户间的服务关系、司机与车型间的对应关系；
所述客户间的邻接关系的属性包括如下的至少一种：方位、最短道路距离、平均路由耗时、高峰期路由耗时。
可选地，其特征在于，所述建立包含多个实体的图模型还包括：确定各实体的实体属性；
所述仓库的实体属性包括如下的至少一种：仓库标识和仓库地理位置信息；
所述客户的实体属性包括如下的至少一种：客户标识、客户地理位置信息和单趟离途服务时间；
所述司机的实体属性包括如下的至少一种：司机标识和司机等级；
所述车型的实体属性包括如下的至少一种：车型标识、车型容积、车型载重。
可选地，所述根据所述第一图数据和预设的图算法生成与所述配送订单信息对应的配送线路包括：
根据所述第一图数据生成客户邻接图；
生成所述客户邻接图的最小生成树；
根据所述最小生成树确定所述配送线路。
可选地，所述根据所述最小生成树确定所述配送线路包括：
从所述最小生成树中选择一个目标结点作为根结点；
从所述根结点开始，依据所述配送订单信息和所述第一图数据对所述最小生成树中的剩余结点进行标记，得到各结点的标记信息，所述标记信息包括以相应结点为根的子树的如下至少一项信息：子树所有边的权重和、子树包含的客户数量、子树包含的所有客户的配送商品重量总和、子树包含的所有客户的配送商品体积总和；
根据所述标记信息和约束规则，在所述最小生成树中进行启发式搜索，确定配送线路；所述约束规则包括如下的至少一种：车型约束规则、载重约束规则、容积约束规则、配送时限约束规则。
可选地，所述方法还包括：
根据所述配送线路从所述图数据库中查找出与司机调度相关的第二图数据；
根据所述第二图数据计算各司机与各配送线路的匹配度；
根据所述配送线路、所述第二图数据和各司机与各配送线路的匹配度，生成加权二部图；其中，所述加权二部图的第一部分中的结点均为配送线路节点，所述加权二部图的第二部分中的结点均为司机节点；
根据所述加权二部图和最大权重匹配算法，为各配送线路调度相应的司机。
可选地，所述方法还包括：
为各配送线路分别构建线内客户邻接图，根据所述线内客户邻接图和所述图数据库确定线内客户的配送顺序。
可选地，所述根据所述线内客户邻接图和所述图数据库确定线内客户的配送顺序包括：
若线内客户数量小于预设阈值，则根据动态规划算法得到线内客户的配送顺序的最优解；否则，根据2-opt算法得到线内客户的配送顺序的近似最优解。
依据本申请的另一方面，提供了一种配送线路的生成装置，包括：
图数据单元，用于建立包含多个实体的图模型；以及获取与各实体对应的实例数据，根据所述图模型和所述实例数据生成图数据库；
规划单元，用于根据接收到的配送订单信息，从图数据库中查找出配送相关的第一图数据，根据所述第一图数据和预设的图算法生成与所述配送订单信息对应的配送线路。
可选地，所述实体包括如下的至少一种：仓库、客户、司机、车型；
所述图数据单元，用于确定各实体间的关系以及关系属性；所述关系包括如下的至少一种：客户间的邻接关系、司机与客户间的服务关系、司机与车型间的对应关系；
所述客户间的邻接关系的属性包括如下的至少一种：方位、最短道路距离、平均路由耗时、高峰期路由耗时。
可选地，所述图数据单元，用于确定各实体的实体属性；
所述仓库的实体属性包括如下的至少一种：仓库标识和仓库地理位置信息；
所述客户的实体属性包括如下的至少一种：客户标识、客户地理位置信息和单趟离途服务时间；
所述司机的实体属性包括如下的至少一种：司机标识和司机等级；
所述车型的实体属性包括如下的至少一种：车型标识、车型容积、车型载重。
可选地，所述规划单元，用于根据所述第一图数据生成客户邻接图；
生成所述客户邻接图的最小生成树；
根据所述最小生成树确定所述配送线路。
可选地，所述规划单元，用于从所述最小生成树中选择一个目标结点作为根结点；
从所述根结点开始，依据所述配送订单信息和所述第一图数据对所述最小生成树中的剩余结点进行标记，得到各结点的标记信息，所述标记信息包括以相应结点为根的子树的如下至少一项信息：子树所有边的权重和、子树包含的客户数量、子树包含的所有客户的配送商品重量总和、子树包含的所有客户的配送商品体积总和；
根据所述标记信息和约束规则，在所述最小生成树中进行启发式搜索，确定配送线路；所述约束规则包括如下的至少一种：车型约束规则、载重约束规则、容积约束规则、配送时限约束规则。
可选地，所述规划单元，还用于根据所述配送线路从所述图数据库中查找出与司机调度相关的第二图数据；
根据所述第二图数据计算各司机与各配送线路的匹配度；
根据所述配送线路、所述第二图数据和各司机与各配送线路的匹配度，生成加权二部图；其中，所述加权二部图的第一部分中的结点均为配送线路节点，所述加权二部图的第二部分中的结点均为司机节点；
根据所述加权二部图和最大权重匹配算法，为各配送线路调度相应的司机。
可选地，所述规划单元，还用于为各配送线路分别构建线内客户邻接图，根据所述线内客户邻接图和所述图数据库确定线内客户的配送顺序。
可选地，所述规划单元，用于若线内客户数量小于预设阈值，则根据动态规划算法得到线内客户的配送顺序的最优解；否则，根据2-opt算法得到线内客户的配送顺序的近似最优解。
依据本申请的又一方面，提供了一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上述任一所述的方法。
依据本申请的再一方面，提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如上述任一所述的方法。
由上述可知，本申请的技术方案，通过建立包含多个实体的图模型；获取与各实体对应的实例数据，根据所述图模型和所述实例数据生成图数据库；根据接收到的配送订单信息，从图数据库中查找出配送相关的第一图数据，根据所述第一图数据和预设的图算法生成与所述配送订单信息对应的配送线路。有益效果在于，结合实例数据和实体的图模型生成图数据库，再根据数据库和配送订单信息生成对应的配送线路，充分考虑了配送的实际场景中的优势和不足方面，结合预设算法，智能化的生成配送线路，具有较高生成速率、全局性好，提高了配送效率，保证了配送的时效性和用户体验。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本申请一个实施例的一种配送线路的生成方法的流程示意图；
图2示出了根据本申请一个实施例的一种配送线路的生成装置的结构示意图；
图3示出了根据本申请一个实施例的基于客户邻接图最小生成树的配送线路规划的流程示意图；
图4示出了根据本申请一个实施例的确定配送顺序的流程示意图；
图5示出了根据本申请一个实施例的电子设备的结构示意图；
图6示出了根据本申请一个实施例的计算机可读存储介质的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
图1示出了根据本申请一个实施例的一种配送线路的生成方法的流程示意图。如图1所示，该配送线路的生成方法包括：
步骤s110，建立包含多个实体的图模型。
图模型(graphicmodels)是由点和线组成的用以描述系统的图形，可用于描述自然界和人类社会中的大量事物和事物之间的关系。在建模中采用图模型可利用图论作为工具。例如，它的每条边可以被赋以权，组成加权图。权可取一定数值，用以表示距离、流量、费用等。加权图可用于研究电网络、运输网络、通信网络以及运筹学中的一些重要课题。
在本申请的实施例中，利用了图模型的上述特性对配送场景进行了解构，例如识别出与配送线路生成相关的实体及其属性，识别这些实体之间的关系及其属性，建立起配送线路的知识图谱，形成多个实体的图模型。这些实体的图模型可以反映出如仓库、客户、司机、车型等的实体属性信息以及各实体关系的属性信息，形成的实体的图模型可以作为图数据库的基础。
步骤s120，获取与各实体对应的实例数据，根据图模型和实例数据生成图数据库。
实例数据中可以包含有仓库的实际地址信息、客户的实际地址信息、客户与客户之间的道路信息、配送员的服务信息、配送使用的车型等。然后根据图模型和这些实例数据生成图数据库。这样，就实现了实体的图模型和实例数据的紧密结合，建构起完整的图数据库，这些内含有完善知识图谱的图数据库可以在大规模信息检索中提高检索速度和准确性。
步骤s130，根据接收到的配送订单信息，从图数据库中查找出配送相关的第一图数据，根据第一图数据和预设的图算法生成与配送订单信息对应的配送线路。
当接收到配送订单信息时，根据配送订单信息从图数据库中查找出配送相关的第一图数据，第一图数据中可以包含有配送线路的知识图谱、线路规划等信息。再根据预设的算法对第一图数据进一步处理，为配送线路规划出最优路径出来。这样，依据实体的图模型和实例数据，最终完整得出了最优配送线路。
可见图1所示的方法，可以结合实例数据和实体的图模型生成图数据库，再根据数据库和配送订单信息生成对应的配送线路，充分考虑了配送的实际场景中的优势和不足方面，结合预设算法，智能化的生成配送线路，具有较高生成速率、全局性好，提高了配送效率，保证了配送的时效性和用户体验。
在本申请的一个实施例中，上述方法中，实体包括如下的至少一种：仓库、客户、司机、车型；建立包含多个实体的图模型包括：确定各实体间的关系以及关系属性；关系包括如下的至少一种：客户间的邻接关系、司机与客户间的服务关系、司机与车型间的对应关系；客户间的邻接关系的属性包括如下的至少一种：方位、最短道路距离、平均路由耗时、高峰期路由耗时。
例如，以餐饮配送任务为例，在建立实体的图模型时，实体的内容可以包括：仓库一般为各大餐厅，客户一般为餐饮收货者，司机一般为餐饮配送员，车型可以为送餐车辆；建立这些实体的模型的关系包括：不同的餐饮收货者的之间的邻接关系，例如距离远近，配送线路重合情况等；餐饮的送货员与客户间的服务关系，例如餐饮配送员曾经是否给该客户配送过货物的情况，是否在附近路线进行过配送服务等情况；餐饮配送员与送餐车辆之间的关系，例如餐饮配送员熟练驾驶车辆种类，是否曾在驾驶中出现过违法或者事故等情况；不同餐饮收货者之间的邻接关系，例如不同餐饮收货者之间的方位信息、不同餐饮收货者之间最短道路距离信息、不同餐饮收货者之间平均路由耗时长度的信息、不同餐饮收货者之间高峰期路由耗时长度的信息。这样，结合这些实体中仓库、客户、司机、车型等方面的内容完善了实体的信息，有利于完善和建构知识图谱，为最终得出优化配送线路奠定基础。
在本申请的一个实施例中，上述方法中，建立包含多个实体的图模型还包括：确定各实体的实体属性；仓库的实体属性包括如下的至少一种：仓库标识和仓库地理位置信息；客户的实体属性包括如下的至少一种：客户标识、客户地理位置信息和单趟离途服务时间；司机的实体属性包括如下的至少一种：司机标识和司机等级；车型的实体属性包括如下的至少一种：车型标识、车型容积、车型载重。
例如，以餐饮配送任务为例，在建立实体的图模型时，确定出各实体的实体属性。这些实体属性可以包括，各大餐厅的标识和餐厅的地理位置信息。餐饮的收获者的实体属性可以包括，餐饮收获者的标识、餐饮收获者的地理位置信息、单趟离途服务时间。其中单趟离途服务时间是对每一餐饮收获者服务开始至服务结束之间的总耗时。餐饮配送员的实体属性可以包括，餐饮的送货员的司机标识和司机等级。车型的实体属性可以包括，餐饮配送车辆的车型标识、车型容积、车型载重。这样，结合这些实体中仓库、客户、司机、车型等方面的属性内容完善了实体的信息，有利于完善和建构知识图谱。
在本申请的一个实施例中，上述方法中，根据第一图数据和预设的图算法生成与配送订单信息对应的配送线路包括：根据第一图数据生成客户邻接图；生成客户邻接图的最小生成树；根据最小生成树确定配送线路。
如图3所示，根据订单信息和第一图数据，利用预设的图算法生成与配送订单信息对应的配送线路，直至所有客户都完成配送线路生成。具体来说，以餐饮配送任务为例，先根据第一图数据，生成餐饮收货者邻接图，再依据餐饮收货者邻接图生成最小生成树，最后根据最小生成树确定出较优化的餐饮配送线路。这样，就实现了借助预设的图算法，结合第一图数据和配送订单信息的，完整的、智能化的实现了生成配送线路的过程。
在本申请的一个实施例中，上述方法中，根据最小生成树确定配送线路包括：从最小生成树中选择一个目标结点作为根结点；从根结点开始，依据配送订单信息和第一图数据对最小生成树中的剩余结点进行标记，得到各结点的标记信息，标记信息包括以相应结点为根的子树的如下至少一项信息：子树所有边的权重和、子树包含的客户数量、子树包含的所有客户的配送商品重量总和、子树包含的所有客户的配送商品体积总和；根据标记信息和约束规则，在最小生成树中进行启发式搜索，确定配送线路；约束规则包括如下的至少一种：车型约束规则、载重约束规则、容积约束规则、配送时限约束规则。
可以利用最小生成树prim算法，生成客户邻接图。prim算法的算法复杂度为o(|e|+|v|log(|v|))来确定，其中|e|为邻接图的边数，|v|为顶点数。确定根节点时，可以按照一定规则确定一个节点，也可以使用随机选择的方式从最小生成树中选择一个目标结点作为根结点。然后，可以利用递归算法从选定的根结点开始，根据配送订单信息和第一图数据客户，对最小生成树中的剩余结点进行标记。如图3所示，根据订单信息和邻接信息对树中的节点进行标注，然后根据标注信息和车型、载重、容量、时限等约束进行启发式搜索，生成配送线路，直至所有客户都已完成生成配送线路。这些标记信息可以包括，以相应结点为根的子树的所有边的权重和、子树包含的客户数量、子树包含的所有客户的配送商品重量总和、子树包含的所有客户的配送商品体积综合等信息。根据标记信息和约束规则，利用启发信息来引导进行启发式的搜索，达到减少搜索范围、降低问题复杂度的目的，最终确定优化的配送线路。其中，约束规则可以包括，车型约束规则，用于根据具体任务需求的不同选择合适的配送车辆，例如危化品的配送、液体配送、需要冷藏条件的配送等情形下选择适应的配送车型；载重约束规则，用于确定车辆载重限度条件，可以采用载重约束公式
进行确定。以上参数可以参考如下，以车型c为例，车型c的最大载重为wtc；车型c的最大容积为volc；客户i下单商品的总重wti；客户i下单商品的总体积voli；客户i的单次服务时间(从车上卸载货物到配送完成)tonce，i；客户i的单次最大配送重量wtmax，i；客户i的单次最大配送体积volmax，i；客户i和j之间的路由时间ti,j；配送时间约束tr，即期望在多长时间内完成整个线路r的配送；线路r中的客户数nr；线路配送最大客户数nmax。这样，就借助预设的算法，根据标记信息和约束规则，利用启发信息来引导进行启发式的搜索，达到了减少搜索范围、降低问题复杂度的目的，最终确定出优化的配送线路。
在本申请的一个实施例中，上述方法还包括，根据配送线路从图数据库中查找出与司机调度相关的第二图数据；根据第二图数据计算各司机与各配送线路的匹配度；根据配送线路、第二图数据和各司机与各配送线路的匹配度，生成加权二部图；其中，加权二部图的第一部分中的结点均为配送线路节点，加权二部图的第二部分中的结点均为司机节点；根据加权二部图和最大权重匹配算法，为各配送线路调度相应的司机。
例如，以餐饮配送任务为例，结合餐饮配送订单信息，根据配送线路从图数据库中确定出与餐饮配送员调度相关的第二图数据，第二图数据中可以包括与餐饮配送员调度相关餐饮配送线路的知识图谱。然后根据各条餐饮配送线路、第二图数据和各餐饮配送员与各餐饮配送线路的匹配度关系，构建餐饮配送线路与餐饮配送员关系相关的加权二部图。加权二部图可以预设一定的构成，例如将加权二部图的第一部分中的结点均为餐饮配送线路的节点，加权二部图的第二部分中的结点均为餐饮配送员的节点，最后可以借助最大权重匹配算法，为各配送线路调度相应的餐饮配送员。例如，餐饮配送员k对配送线路r和餐饮收货者i的匹配度关系计算可以依据下列公式进行：二部图中配送线路和配送员之间的权重关系可以为wkr＝mchkr，餐饮配送员对餐饮收货者i的熟悉度可以依据公式fmlki＝wd*dki+wf*fki确定。餐饮配送员k对配送线路r的熟悉程度可以依据公式mchkr＝(wfml*∑i∈rfmlki+wc*cr)/nr来确定。以上参数可以参照如下，以餐饮配送任务为例，餐饮配送员为k，餐饮收货者为i，相关参数可以参考如下，餐饮配送员k对客户i的最近配送日期与当前排线配送日期相差的天数dki(若从没配送过，则dki看成无穷大)；餐饮配送员k对餐饮收货者i的最近一个月配送的次数fki；餐饮配送员k对餐饮收货者i的熟悉程度fmlki；熟悉度的天数权重系数wd；熟悉度的次数权重系数wf；餐饮配送员k对线路r的匹配度mchkr；餐饮配送员k对线路r中的餐饮收货者熟悉度大于0的餐饮收货者数cr；线路r中的餐饮收货者数nr；匹配度的熟悉权重系数wfml；匹配度的用户数权重系数wc。这样，就完整实现了利用配送人员与配送线路的相关度程度的高低得出匹配度较高的配送人员，从而保障配送效率和用户体验。
在本申请的一个实施例中，上述方法还包括：为各配送线路分别构建线内客户邻接图，根据线内客户邻接图和图数据库确定线内客户的配送顺序。
如图4所示，在确定配送顺序时，可以选取一条未作为规划路线的线路，然后基于图数据库中的知识图谱，构建出线内客户邻接图，然后再依据预设算法，根据线内客户邻接图和图数据库确定出线内客户的配送顺序，直至所有配送线路都处理完成。这样，智能化的实现了配送先后顺序的优化和确定。
在本申请的一个实施例中，上述方法中，根据线内客户邻接图和图数据库确定线内客户的配送顺序包括：若线内客户数量小于预设阈值，则根据动态规划算法得到线内客户的配送顺序的最优解；否则，根据2-opt算法得到线内客户的配送顺序的近似最优解。
由于线内路径规划属于tsp(travelingsalesmanproblem)旅行商问题，需要确定出单一旅行者由起点出发，通过所有给定的需求点之后，最后再回到原点的最小路径成本，属于典型的np难问题。为了有效解决这一问题，可以采取预设设置阈值，然后比较线内客户数与阈值的大小关系。例如，如图4所示，当阈值设置为20时，如果线内客户数量小于预设阈值20时，则采取动态规划算法，利用该算法可以反映出动态过程中演变的联系和特征情况，在计算时可以利用实际知识和经验提高求解效率，因而可以得到较好的全局最优解和一族最优解，最终得到线内客户的配送顺序的最优解；如果线内客户数量大于预设阈值20时，根据2-opt算法得到线内客户的配送顺序的近似最优解，直至所有线路处理完毕。2-opt算法是2-optimization的缩写，简言之就是两元素优化，属于局部搜索算法(localsearchalgorithm)，是解决组合优化问题的有效工具，可以用来解决tsp旅行商问题。这样，就实现了针对不同实际任务情况，确定出优化的线内配送顺序，提升了配送效率。
图2示出了根据本申请一个实施例的一种配送线路的生成装置的结构示意图。如图2所示，该配送线路的生成装置200包括：
图数据单元210，用于建立包含多个实体的图模型；以及获取与各实体对应的实例数据，根据图模型和实例数据生成图数据库。
图模型(graphicmodels)是由点和线组成的用以描述系统的图形，可用于描述自然界和人类社会中的大量事物和事物之间的关系。在建模中采用图模型可利用图论作为工具。例如，它的每条边可以被赋以权，组成加权图。权可取一定数值，用以表示距离、流量、费用等。加权图可用于研究电网络、运输网络、通信网络以及运筹学中的一些重要课题。
在本申请的实施例中，利用了图模型的上述特性对配送场景进行了解构，例如识别出与配送线路生成相关的实体及其属性，识别这些实体之间的关系及其属性，建立起配送线路的知识图谱，形成多个实体的图模型。这些实体的图模型可以反映出如仓库、客户、司机、车型等的实体属性信息以及各实体关系的属性信息，形成的实体的图模型可以作为图数据库的基础。实例数据中可以包含有仓库的实际地址信息、客户的实际地址信息、客户与客户之间的道路信息、配送员的服务信息、配送使用的车型等。然后根据图模型和这些实例数据生成图数据库。这样，就实现了实体的图模型和实例数据的紧密结合，建构起完整的图数据库，这些内含有完善知识图谱的图数据库可以在大规模信息检索中提高检索速度和准确性。
规划单元220，用于根据接收到的配送订单信息，从图数据库中查找出配送相关的第一图数据，根据第一图数据和预设的图算法生成与配送订单信息对应的配送线路。
当接收到配送订单信息时，根据配送订单信息从图数据库中查找出配送相关的第一图数据，第一图数据中可以包含有配送线路的知识图谱、线路规划等信息。再根据预设的算法对第一图数据进一步处理，为配送线路规划出最优路径出来。这样，依据实体的图模型和实例数据，最终完整得出了最优配送线路。
可见图2所示的装置，可以结合实例数据和实体的图模型生成图数据库，再根据数据库和配送订单信息生成对应的配送线路，充分考虑了配送的实际场景中的优势和不足方面，结合预设算法，智能化的生成配送线路，具有较高生成速率、全局性好，提高了配送效率，保证了配送的时效性和用户体验。
在本申请的一个实施例中，上述装置中，实体包括如下的至少一种：仓库、客户、司机、车型；图数据单元210，用于确定各实体间的关系以及关系属性；关系包括如下的至少一种：客户间的邻接关系、司机与客户间的服务关系、司机与车型间的对应关系；客户间的邻接关系的属性包括如下的至少一种：方位、最短道路距离、平均路由耗时、高峰期路由耗时。
在本申请的一个实施例中，上述装置中，图数据单元210，用于确定各实体的实体属性；仓库的实体属性包括如下的至少一种：仓库标识和仓库地理位置信息；客户的实体属性包括如下的至少一种：客户标识、客户地理位置信息和单趟离途服务时间；司机的实体属性包括如下的至少一种：司机标识和司机等级；车型的实体属性包括如下的至少一种：车型标识、车型容积、车型载重。
在本申请的一个实施例中，上述装置中，规划单元220，用于根据第一图数据生成客户邻接图；生成客户邻接图的最小生成树；根据最小生成树确定配送线路。
在本申请的一个实施例中，上述装置中，规划单元210，用于从最小生成树中选择一个目标结点作为根结点；从根结点开始，依据配送订单信息和第一图数据对最小生成树中的剩余结点进行标记，得到各结点的标记信息，标记信息包括以相应结点为根的子树的如下至少一项信息：子树所有边的权重和、子树包含的客户数量、子树包含的所有客户的配送商品重量总和、子树包含的所有客户的配送商品体积总和；根据标记信息和约束规则，在最小生成树中进行启发式搜索，确定配送线路；约束规则包括如下的至少一种：车型约束规则、载重约束规则、容积约束规则、配送时限约束规则。
在本申请的一个实施例中，上述装置中，规划单元220，还用于根据配送线路从图数据库中查找出与司机调度相关的第二图数据；根据第二图数据计算各司机与各配送线路的匹配度；根据配送线路、第二图数据和各司机与各配送线路的匹配度，生成加权二部图；其中，加权二部图的第一部分中的结点均为配送线路节点，加权二部图的第二部分中的结点均为司机节点；根据加权二部图和最大权重匹配算法，为各配送线路调度相应的司机。
在本申请的一个实施例中，上述装置中，规划单元220，还用于为各配送线路分别构建线内客户邻接图，根据线内客户邻接图和图数据库确定线内客户的配送顺序。
在本申请的一个实施例中，上述装置中，规划单元220，用于若线内客户数量小于预设阈值，则根据动态规划算法得到线内客户的配送顺序的最优解；否则，根据2-opt算法得到线内客户的配送顺序的近似最优解。
需要说明的是，上述各装置实施例的具体实施方式可以参照前述对应方法实施例的具体实施方式进行，在此不再赘述。
综上所述，本申请的技术方案，通过建立包含多个实体的图模型；获取与各实体对应的实例数据，根据所述图模型和所述实例数据生成图数据库；根据接收到的配送订单信息，从图数据库中查找出配送相关的第一图数据，根据所述第一图数据和预设的图算法生成与所述配送订单信息对应的配送线路。有益效果在于，结合实例数据和实体的图模型生成图数据库，再根据数据库和配送订单信息生成对应的配送线路，充分考虑了配送的实际场景中的优势和不足方面，结合预设算法，智能化的生成配送线路，具有较高生成速率、全局性好，提高了配送效率，保证了配送的时效性和用户体验。
需要说明的是：
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本申请也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本申请并帮助理解各个发明方面中的一个或多个，在上面对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本申请实施例的配送线路的生成装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
例如，图5示出了根据本申请一个实施例的电子设备的结构示意图。该电子设备500包括处理器510和被安排成存储计算机可执行指令(计算机可读程序代码)的存储器520。存储器520可以是诸如闪存、eeprom(电可擦除可编程只读存储器)、eprom、硬盘或者rom之类的电子存储器。存储器520具有存储用于执行上述方法中的任何方法步骤的计算机可读程序代码531的存储空间530。例如，用于存储计算机可读程序代码的存储空间530可以包括分别用于实现上面的方法中的各种步骤的各个计算机可读程序代码531。计算机可读程序代码531可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(cd)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图6所述的计算机可读存储介质。图6示出了根据本申请一个实施例的一种计算机可读存储介质的结构示意图。该计算机可读存储介质600存储有用于执行根据本申请的方法步骤的计算机可读程序代码531，可以被电子设备500的处理器510读取，当计算机可读程序代码531由电子设备500运行时，导致该电子设备500执行上面所描述的方法中的各个步骤，具体来说，该计算机可读存储介质存储的计算机可读程序代码531可以执行上述任一实施例中示出的方法。计算机可读程序代码531可以以适当形式进行压缩。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
- 还没有人留言评论。精彩留言会获得点赞！