一种路径规划方法、装置、电子设备及计算机可读介质与流程

1.本技术涉及计算机技术领域，尤其涉及一种路径规划方法、装置、 电子设备及计算机可读介质。


背景技术：

2.目前，在物流配送环节中，物品要从寄方到达收方一般要从始端 站点经过若干分拣中心，到达末端站点，最后由配送员送到客户手中。 在已知节点位置等信息的情况下，供应链中非常重要的环节是规划每 个物品流向的路由走法。但是由于货量在一段时期内每天并不稳定， 且不同的配送物品货量涉及的配送路由和线路差别较大，因此在针对 某一个时期的物品货量做路径规划时，路径规划效果并不理想。
3.在实现本技术过程中，发明人发现现有技术中至少存在如下问题：
4.在进行配送物品的路径规划时，没有考虑到在一段时期内的货量 波动情况，从而导致路径规划效果不理想。


技术实现要素：

5.有鉴于此，本技术实施例提供一种路径规划方法、装置、电子设 备及计算机可读介质，能够解决现有的在进行配送物品的路径规划时， 没有考虑到在一段时期内的货量波动情况，从而导致路径规划效果不 理想的问题。
6.为实现上述目的，根据本技术实施例的一个方面，提供了一种路 径规划方法，包括：
7.获取待规划路径的线路信息；
8.获取不同时间的历史货量数据，进而基于历史货量数据预测未来 预设时间的不同货量水平的数据；
9.基于线路信息和未来预设时间的不同货量水平的数据，生成对应 的备选路径数据集合；
10.基于未来预设时间的不同货量水平的数据和预设的不同货量水平 对应的权重，从备选路径数据集合中确定出目标路径数据并输出。
11.可选地，基于历史货量数据预测未来预设时间的不同货量水平的 数据，包括：
12.确定对应历史货量数据的各个时间所对应的货量权重；
13.根据货量权重和预设权重阈值确定各个时间中的目标时间；
14.根据各目标时间对应的历史货量数据预测未来预设时间的不同货 量水平的数据。
15.可选地，基于历史货量数据预测未来预设时间的不同货量水平的 数据，包括：
16.确定不同时间的历史货量数据对应的各个时间；
17.确定不同时间的历史货量数据对应的各个时间中的与未来预设时 间相近的时间；
18.根据各相近的时间所对应的历史货量数据和预设涨幅，预测未来 预设时间的不同货量水平的数据。
19.可选地，生成对应的备选路径数据集合，包括：
20.确定线路信息中的始发地和目的地；
21.基于始发地、目的地和不同货量水平的数据，筛选匹配的备选路 径数据，得到备选路径数据集合。
22.可选地，从备选路径数据集合中确定出目标路径数据，包括：
23.调用随机规划模型，基于线路信息和未来预设时间的不同货量水 平的数据构建成本函数；
24.将备选路径数据集合、预设约束和预设的不同货量水平对应的权 重输入随机规划模型，以从备选路径数据集合中确定出使得成本函数 的值最小时对应的备选路径数据，进而将使得成本函数的值最小时对 应的备选路径数据确定为目标路径数据。
25.可选地，从备选路径数据集合中确定出目标路径数据，包括：
26.基于预设约束、备选路径数据集合中的各备选路径数据和预设的 不同货量水平对应的权重调整成本函数的值；
27.响应于确定成本函数的值小于预设阈值，输出小于预设阈值的成 本函数的值对应的备选路径数据，进而确定为目标路径数据。
28.另外，本技术还提供了一种路径规划装置，包括：
29.第一获取单元，被配置成获取待规划路径的线路信息；
30.第二获取单元，被配置成获取不同时间的历史货量数据，进而基 于历史货量数据预测未来预设时间的不同货量水平的数据；
31.生成单元，被配置成基于线路信息和未来预设时间的不同货量水 平的数据，生成对应的备选路径数据集合；
32.路径规划单元，被配置成基于未来预设时间的不同货量水平的数 据和预设的不同货量水平对应的权重，从备选路径数据集合中确定出 目标路径数据并输出。
33.可选地，第二获取单元进一步被配置成：
34.确定对应历史货量数据的各个时间所对应的货量权重；
35.根据货量权重和预设权重阈值确定各个时间中的目标时间，其中， 目标时间为超出预设权重阈值的货量权重对应的时间；
36.根据各目标时间对应的历史货量数据预测未来预设时间的不同货 量水平的数据。
37.可选地，第二获取单元进一步被配置成：
38.确定不同时间的历史货量数据对应的各个时间；
39.确定不同时间的历史货量数据对应的各个时间中的与未来预设时 间相近的时间；
40.根据各相近的时间所对应的历史货量数据和预设涨幅，预测未来 预设时间的不同货量水平的数据。
41.可选地，生成单元进一步被配置成：
42.确定线路信息中的始发地和目的地；
43.基于始发地、目的地和不同货量水平的数据，筛选匹配的备选路 径数据，得到备选路径数据集合。
44.可选地，路径规划单元进一步被配置成：
45.调用随机规划模型，基于线路信息和未来预设时间的不同货量水 平的数据构建成本函数；
46.将备选路径数据集合、预设约束和预设的不同货量水平对应的权 重输入随机规划模型，以从备选路径数据集合中确定出使得成本函数 的值最小时对应的备选路径数据，进而将使得成本函数的值最小时对 应的备选路径数据确定为目标路径数据。
47.可选地，路径规划单元进一步被配置成：
48.基于预设约束、备选路径数据集合中的各备选路径和预设的不同 货量水平对应的权重调整成本函数的值；
49.响应于确定成本函数的值小于预设阈值，输出小于预设阈值的成 本函数的值对应的备选路径数据，进而确定为目标路径数据。
50.另外，本技术还提供了一种路径规划电子设备，包括：一个或多 个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序 被一个或多个处理器执行，使得一个或多个处理器实现如上述的路径 规划方法。
51.另外，本技术还提供了一种计算机可读介质，其上存储有计算机 程序，程序被处理器执行时实现如上述的路径规划方法。
52.上述发明中的一个实施例具有如下优点或有益效果：本技术通过 获取待规划路径的线路信息；获取不同时间的历史货量数据，进而基 于不同时间的历史货量数据预测未来预设时间的不同货量水平的数 据；基于线路信息和未来预设时间的不同货量水平的数据，生成对应 的备选路径数据集合；基于未来预设时间的不同货量水平的数据和预 设的不同货量水平对应的权重，从备选路径数据集合中确定出目标路 径数据并输出。从而实现在一时期内即使货量波动较大，也能准确地 确定出目标路径数据，基于该目标路径数据可以合理地分配运力(线 路)、规划班次(路由节点)、调整配载(线路上物品的目的地)等 资源，使得在货量波动较大的情况下，也能使得整体结构在一定条件 下得到最优，实现在不同的货量波动下效果最优的路径规划。
53.上述的非惯用的可选方式所具有的进一步效果将在下文中结合具 体实施方式加以说明。
附图说明
54.附图用于更好地理解本技术，不构成对本技术的不当限定。其中：
55.图1是根据本技术第一实施例的路径规划方法的主要流程的示意 图；
56.图2是根据本技术第二实施例的路径规划方法的主要流程的示意 图；
57.图3是根据本技术第三实施例的路径规划方法的应用场景示意图；
58.图4是根据本技术实施例的路径规划装置的主要单元的示意图；
59.图5是本技术实施例可以应用于其中的示例性系统架构图；
60.图6是适于用来实现本技术实施例的终端设备或服务器的计算机 系统的结构示意图。
具体实施方式
61.以下结合附图对本技术的示范性实施例做出说明，其中包括本申 请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。 因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做 出各种改变和修改，而不会背离本技术的范围和精神。同样，为了清 楚和简明，以下的描述中省略了对公知功能和结构的描述。
62.图1是根据本技术第一实施例的路径规划方法的主要流程的示意 图，如图1所示，路径规划方法包括：
63.步骤s101，获取待规划路径的线路信息。
64.本实施例中，路径规划方法的执行主体(例如，可以是服务器) 可以通过有线连接或无线连接的方式，获取待规划路径的线路信息。
65.具体地，待规划路径，例如从始发地a到目的地b之间的所有线 路。线路：直接相连的边均为线路。待规划路径的线路信息可以包括 线路id(例如线路id1、线路id2、
…
、线路idn，不同线路的线路id 可以相同也可以不同。示例的，同一始发地和目的地的线路的线路id 是相同的)、线路标识符(例如1、2、3、
…
、n，不同线路的线路标 识符都是不同的。不同车型对应的线路的线路标识符也是不同的)、 始发地、目的地、成本、装载量、车型等。示例的：
66.线路id：1，线路标识符：1，始发地：a，目的地：b，
…
，车型： 9.6米；
67.线路id：1，线路标识符：2，始发地：a，目的地：b，
…
，车型： 14.5米；
68.线路id：1，线路标识符：3，始发地：a，目的地：b，
…
，车型： 17.5米；
69.线路id：2，线路标识符：4，始发地：a，目的地：c，
…
，车型： 17.5米；
70.线路id：2，线路标识符：5，始发地：a，目的地：c，
…
，车型： 9.6。
71.步骤s102，获取不同时间的历史货量数据，进而基于不同时间的 历史货量数据预测未来预设时间的不同货量水平的数据。
72.在本实施例的一些可选的实现方式中，基于不同时间的历史货量 数据预测未来预设时间的不同货量水平的数据，包括：
73.确定对应历史货量数据的各个时间所对应的货量权重。
74.具体地，首先，执行主体可以确定出历史货量数据对应哪几个时 间段。然后，执行主体可以针对确定出的时间段所对应的历史货量数 据，确定对应的货量权重。
75.具体地，确定出的每一个时间段(例如可以是每一天)的货量权 重可以是不同的。示例的，随着时间的增长，货量是处于上升的趋势， 同时，今天的单量会与昨天的单量相关性更高，而与前天的相关性稍 微低一点。货量权重，示例的，可以是第一时间段(例如6月28日) 对应的货量权重为0.1，第二时间段(例如7月1日)对应的货量权重 为0.2，第三时间段(例如7月2日)对应的货量权重为0.3，第四时 间段(例如7月3日)对应的货量权重为0.4。
76.执行主体在模拟货量分布时，可以将近期的货量比重调大一点， 因此，可以使用以下货量分布模型来确定货量权重：
[0077][0078]
其中，pk为货量权重。n可任意设定，表示求和取值到n。j表示 从1开始取值，一直取到n。
[0079]
k表示时间段，如果k＝1，则可以表示按照时间序列排列的第一个 时间段，如果k＝30，则可以表示按照时间序列排列的第30个时间段。 当然，如果k＝1，也可以表示第一天，如果k＝30，也可以表示最后一 天。pk(k＝30)》pk(k＝29)》
…
》pk(k＝1)。
[0080]
具体地，确定出的每一个时间段(例如可以是每一天)的货量权 重还可以是相等的，例如，可以取均匀分布，示例的，货量权重均为 pk＝1/n，其中pk为货量权重，n可任意设定，对n的具体数值不做限 定。当然，也可以是时间更早的货量权重更高，近期的货量权重更低， 以此来确定每一时间段的货量权重。
[0081]
根据货量权重和预设权重阈值确定各个时间中的目标时间。其中， 目标时间为超出预设权重阈值的货量权重对应的时间。
[0082]
执行主体在确定出货量权重后，可以对确定出的货量权重进行筛 选，将货量权重大于预设权重阈值(例如预设权重阈值可以是0.2)的 货量权重筛选出来(例如可以是0.3、0.4)，并确定筛选得到的各货量 权重对应的各时间(例如可以是第三时间段和第四时间段)，进而将 该各时间确定为目标时间(即第三时间段和第四时间段)。本技术对 预设权重阈值不做具体限定。第三时间段，例如7月2日。第四时间 段，例如7月3日。
[0083]
根据各目标时间，例如7月2日、7月3日对应的历史货量数据分 别预测未来预设时间例如7月4日的两个不同货量水平的数据。
[0084]
示例的，执行主体在确定出目标时间后，可基于预设的货量涨幅， 分别基于确定出的第三时间段(例如7月2日)和第四时间段(例如7 月3日)的历史货量数据，分别来预测未来预设时间(例如7月4日) 的货量水平即得到未来预设时间的不同货量水平的数据，例如，分别 得到基于7月2日和7月3日预测的7月4日的两个货量水平数据。 示例的，在计算未来预设时间(例如7月4日)对应的不同货量数据 时，可以通过如下方式：该7月4日的不同货量数据是基于不同时间 的历史货量数据进行预测得到的。例如未来预设时间为7月4日时， 则可以根据7月2日的历史货量数据预测得到7月4日的一个货量水 平数据，还根据7月3日的历史货量数据预测得到7月4日的另一个 货量水平数据，这样就得到了关于7月4日的两个货量水平数据。
[0085]
在本实施例的一些可选的实现方式中，基于历史货量数据预测未 来预设时间的不同货量水平的数据，包括：
[0086]
确定不同时间的历史货量数据对应的各个时间；确定不同时间的 历史货量数据对应的各个时间中的与未来预设时间相近的时间；根据 各相近的时间所对应的历史货量数据和预设涨幅，预测未来预设时间 的不同货量水平的数据。可以理解的是，预设涨幅可以由工作人员根 据经验确定，也可以根据历史涨幅确定，本技术实施例对预设涨幅的 具体数值不做限定。
[0087]
当然，执行主体也可以将与未来预设时间相近的一个或多个时间 对应的一个或多个历史货量数据作为基准，按照预设涨幅，分别计算 出未来预设时间的不同货量水平的数据。则执行主体可以分别将7月2 日和7月3日对应的历史货量数据作为第一基准(例如30个)和第二 基准(例如40个)，根据预设涨幅(例如0.2)分别根据第一基准和 第二基准计算得出未来预设时间(例如可以是7月4日)的不同货量 水平的数据(例如，可以分别是30
×
(1+0.2)＝36个、40
×
(1+0.2)＝48 个)。
[0088]
步骤s103，基于线路信息和未来预设时间的不同货量水平的数据， 生成对应的备
选路径数据集合。
[0089]
由于有多个不同的货量水平的数据，执行主体可以调用分布式集 群计算框架，并用分布式集群计算框架的每一个集群处理一个货量水 平的数据，最后汇总求并集得到最后要输入到随机规划模型中的备选 路径数据集合。
[0090]
具体地，生成对应的备选路径数据集合，包括：
[0091]
确定线路信息中的始发地和目的地；基于始发地、目的地和不同 货量水平的数据，筛选匹配的备选路径数据，得到备选路径数据集合。
[0092]
具体地，执行主体可以根据始发地和目的地来选取始发地和目的 地之间必经的路由节点，然后执行主体可以根据不同的货量水平数据 选择不同的车型，基于确定出的必经的路由节点和不同的车型筛选匹 配的备选路径数据，得到备选路径数据集合。
[0093]
其中，备选路径数据可以包括备选路由数据和备选线路数据。路 由：从起点到终点中间加上所有经过的节点串起来的一整条通路称为 路由，例如，a-b-h1-h2-m、a-c-h3-h4-m均为路由。线路：直接相 连的边均为线路，例如上述a-b-h1-h2-m、a-c-h3-h4-m中的a-b、 a-c均为线路。一条路由可以包括好几条线路。
[0094]
具体地，在进行备选线路的生成时，示例的，执行主体可以根据 已有的货量数据信息，首先找到当前存在的只有单向开通的线路，并 对其所属城市统计所有满足反向城市集散货量大于等于正向城市集散 货量的80％的城市，根据当前正向线路(例如a-》b线路)，开通其反 向线路(例如b-》a线路)。例如：已有线路单向城市a-》b总货量有 3000单，b-》a一共有2500单。城市a-》b具体分拣中心节点存在三 对(例如，h1(城市a)-》h2(城市b)、h3(城市a)-》h4(城市b)、h5(城市a)-》h6(城市b)线路)，那么直接对这三对节点开 通反向线路(即开通h2(城市b)-》h1(城市a)、h4(城市b)-》h3 (城市a)、h6(城市b)-》h5(城市a)线路)。生成线路时，还 可以通过使用机器学习方法，或者其他启发式算法等方式。完成线路 处理之后，对每一条线路进行编号，得到对应的线路id，方便后面路 由串联以及模型计算。
[0095]
在进行备选路由的生成时，示例的，路由加工可以包含两部分， 分别为片区内(同区)串联部分和片区间(跨区)串联部分。
[0096]
片区内(同区)串联部分首先根据实际业务规划，例如划分为aa 业务区、bb业务区、cc业务区等，并串联每个业务区内部的线路。
[0097]
串联步骤分为3步，首先串节点，即将所有可能经过的节点串连。 示例的，针对串节点(即串连path路径)，首先根据demand_od(即 流向信息)得到路由起点、终点od(其中，o-集货，d-散货)，并用 得到的线路数据，得到线路od，对线路数据和线路od进行关联，关 联得到集货(从o出发)和散货(最终到达d)线路，然后用集货线 路和散货线路od数据关联得到经过三个节点的path路径。具体地， 四个节点的部分则使用集货线路和线路od关联，然后再和散货线路关 联。具体地，五个节点的串点方法同理。区内部分要求最多不超过5 个节点。
[0098]
第二步，串线路，针对每一条线路的不同发车时间，得到所有可 能的路由走法。示例的，从串点得到所有的path路径走法，对每一条 path路径，对每一部分添加具体的线路发车时间得到路由走法。例如， o-b线路有3个发车时间：01:00、09:00、13:30，b-c线路有2个发 车时间：15:00、20:00，c-e线路只有一个发车时间19:30，e-d有2 个发车时间08:00、14:20，那么整个path路径的o-b-c-e-d的所有可 能走法有3*2*1*2＝12条路由走法。
[0099]
第三步：串班次，根据班次数量，关联所有可能的班次走法。示 例的，针对demand_od数据的班次，具体关联到每一个路由上，例如， 从节点o出发一共有3个班次：o_s0100、o_s0900、o_s1630，那么 根据第二步串线路得到的所有路由结果，总共可以得到3*12＝36个走 法。执行主体可以根据具体的业务约束，增加若干逻辑，例如保留全 部由现有线路组成的最快路由，因为，要保证时效不下降的情况下优 化成本，则约束就是仅保留不能比现有路由时效慢的路由。
[0100]
片区间(跨区)串联部分，示例的，将demand_od数据中所有o、 d不属于同一个区的数据确定出来，以排列组合的方式将o、h1、h2、 d进行连接。本示例中，o和d分属于不同的区域。其中，o
‑‑‑
h1和 h2
‑‑‑
d为区内路由。则片区间(跨区)串联方式共有4种： o
‑‑‑
h1-h2
‑‑‑
d、o
‑‑‑
h1-d、o-h2
‑‑‑
d、o-d。串联路由时，需要将每 一条路由所使用的线路id保存下来，在利用随机规划模型进行目标路 径数据的确定时，需要使用线路id和路由id的对应0-1关系。例如， 路由id1使用了线路id1，路由id3使用了线路id2和线路id3。
[0101]
对于能降低整体成本的一种方法是对货量较大的线路升级为大车 型，这样可以在一定程度上降低单均成本。在路由完成串联之后，建 模之前，对所有的线路id进行匹配，添加当前线路id中所有不存在的 车型，进而构建为新的决策变量，并对应分配新的线路标识符。线路 决策变量的总数为线路标识符的数量。但是这部分新增车型的线路不 参与路由串联，例如线路id1对应了线路标识符1、2、3，代表线路id1 对应了3种车型：9.6米、14.5米、17.5米；线路id2对应了线路标识 符4、5，表示线路id2有两种车型：17.5米、9.6米。最终生成了一张 路由矩阵表存储每一条路由的信息，包含由哪些线路拼成，经过多少 个节点，单量等信息；以及一张线路矩阵表，包含该线路的信息：线 路id、线路标识符、始发地、目的地、成本、装载量、车型等。至此， 执行主体已经完成了进入随机规划模型之前的数据处理，以及路由串 联等工作。
[0102]
步骤s104，基于未来预设时间的不同货量水平的数据和预设的不 同货量水平对应的权重，从备选路径数据集合中确定出目标路径数据 并输出。
[0103]
针对随机规划模型(stochastic programming models)，在进入模 型前的算法处理中，执行主体构建了两张表，一个是路由矩阵表，另 一个是线路矩阵表。路由矩阵表存储每一条路由的信息，包含由哪些 线路拼成，经过多少个节点，单量等信息；线路矩阵表，包含该线路 的信息：线路id、线路标识符、始发地、目的地、成本、装载量、车 型等。
[0104]
需要说明的是，在随机规划模型中，路由和线路决策变量是确定 的，只有其中的参数是随机变量，且通过货量分布进行采样得到若干 样本数据进行建模，随机的意义就在于这里的k个场景，需要在k个 场景的货量水平下完成一个整体模型的求解训练。在对随机规划模型 的训练过程中，使用了预设的货量分布方式，将不同的货量水平赋予 了不同的权重，这样得出来的随机规划模型，会综合考虑不同货量水 平的约束，达到在所有的货量水平条件下的最优解，进而得到目标路 径数据，鲁棒性得以保证。在随机规划模型中，只有参数是有不同水 平值的，而决策变量是固定不变的。
[0105]
对决策变量的说明如下：
[0106]
决策变量：
[0107]rij
，i∈od，含义为：将路由根据班次分组，所有使用流向i的路由 决策变量。
[0108]
ftlm，含义为：为整车full truckload freight的车辆数(整数决策变 量)。
[0109]
ltln，含义为：为零担less-than-truckload类型的车辆数(整数决策变量)。
[0110]
对参数集合说明如下：
[0111]
参数：
[0112]
f，含义为：整车线路集合。
[0113]
l，含义为：零担线路集合。
[0114]
od，含义为：流量流向集合。
[0115]
含义为：第k个场景下所有使用整车线路m的路由变量与对应货量乘积。
[0116]
含义为：第k个场景下所有使用零担线路n的路由变量与对应货量乘积组合。
[0117]nij
，含义为：路由经过分拣中心个数。
[0118]
c，含义为：单均操作成本，为参数项，可配置。
[0119]
含义为：第k个场景下路由上的货量(单)。
[0120]
ftlcm，含义为：整车线路m的单趟成本。
[0121]
ftlcn，含义为：零担线路n方均成本。
[0122]
含义为：第k个场景下路由上的货量(方)。
[0123]
capm，含义为：第m条线路的满载量。
[0124]
opm，含义为：第m条线路的开通标准。
[0125]
tnt
ij
，含义为：路由的时效。
[0126]
sti，含义为：算法对应静态路由的时效。
[0127]
由此，随机规划模型的目标函数如下所示：
[0128][0129]
s.t.∑
jrij
＝1，i∈od(路由唯一约束)
[0130]
(整车容量约束)
[0131]
(零担容量约束)
[0132]
(开通标准约束)
[0133]r‍
ij
*tnt
ij
≤stvi∈odb(时效约束)
[0134]
(中间决策变量约束)
[0135]
(中间决策变量约束)
[0136]
(决策变量)
[0137]
因为整车线路与零担线路的成本计算方式不同，故需要将整车线路和零担线路分开计算。
[0138]
目标函数为最小化期望总成本：其中总成本包含操作成本、整车 运输成本和零担运输成本。其中，操作成本由经过节点个数以及每单 的操作成本和该路由上货量相乘而得；整车线路成本表示为线路上车 辆数*该线路的单趟成本；零担成本表示为该线路上的总货量乘以该线 路的方均成本(元/立方米)。加入期望的目标为在各场景下的概率pk与 该场景下的成本乘积之和。路由唯一约束，表示针对每一个集散批次(o-d-batch)中的路由只能选一条。整车容量约束和零担容量约束，表 示针对每条整车线路，经过该线路上所有流向货物总量需小于等于该 线路中所有车型容积与对应车辆数的乘积，即货量小于等于满载量。 零担线路同理。开通标准约束表示线路的开通必须满足其开通标准， 否则无法使用。时效约束表示路由时效需小于等于静态线路的时效， 即满足时效不下降的约束。中间决策变量约束为中间决策变量，由路 由变量和该路由变量对应的货量(方量)乘积而得。
[0139]
执行主体可以将未来预设时间的不同货量水平的数据和预设的不 同货量水平对应的权重输入至调用的随机规划模型中，基于随机规划 模型中已经构建的目标函数来求解达到最小总成本时的路径数据，即 目标路径数据，包含对应的路由数据(例如a-b-h1-h2-m)和对应的 线路数据(例如a-》b、b-》a)，并可以通过短信、邮件或者在显示屏 上显示等各种方式输出。
[0140]
本实施例通过获取待规划路径的线路信息；获取不同时间的历史 货量数据，进而基于历史货量数据预测未来预设时间的不同货量水平 的数据；基于线路信息和未来预设时间的不同货量水平的数据，生成 对应的备选路径数据集合；基于未来预设时间的不同货量水平的数据 和预设的不同货量水平对应的权重，从备选路径数据集合中确定出目 标路径数据并输出。从而实现在一时期内即使货量波动较大，也能准 确地确定出目标路径数据，基于该目标路径数据可以合理地分配运力 (线路)、规划班次(路由节点)、调整配载(线路上物品的目的地) 等资源，使得在货量波动较大的情况下，也能使得整体结构在一定条 件下得到最优，实现在不同的货量波动下效果最优的路径规划。
[0141]
图2是根据本技术第二实施例的路径规划方法的主要流程示意图， 如图2所示，路径规划方法包括：
[0142]
步骤s201，获取待规划路径的线路信息。
[0143]
步骤s202，获取不同时间的历史货量数据，进而基于历史货量数 据预测未来预设时间的不同货量水平的数据。
[0144]
步骤s203，基于线路信息和未来预设时间的不同货量水平的数据， 生成对应的备选路径数据集合。
[0145]
步骤s204，基于未来预设时间的不同货量水平的数据和预设的不 同货量水平对应的权重，从备选路径数据集合中确定出目标路径数据 并输出。
[0146]
步骤s201～步骤s204的原理与步骤s101～步骤s104的原理类似， 此处不再赘述。
[0147]
具体地，步骤s204还可以通过步骤s2041～步骤s2042来实现：
[0148]
步骤s2041，调用随机规划模型，基于线路信息和未来预设时间的 不同货量水平的数据构建成本函数。
[0149]
具体地，线路信息可以包括线路的类型，例如可以是单开线路(例 如，只有线路a-》b，没有线路b-》a)还是对开线路(示例的，线路 a-》b和b-》a)。执行主体可以根据线路信息中的始发地和目的地来 选取始发地和目的地之间必经的路由节点，然后执行主体可以调
用随 机规划模型以根据不同的货量水平数据选择不同的车型，并基于始发 地和目的地之间必经的路由节点之间是单开线路(例如，只有线路 a-》b，没有线路b-》a)还是对开线路(示例的，线路a-》b和b-》a 就是一组对开线路，对开线路可以节约成本)以及选择的不同的车型 的费用来构建成本函数。
[0150]
示例的，成本函数可以为：
[0151][0152]
其中，成本函数中的r
ij
，i∈od，含义为：将路由根据班次分组，所
[0153]
有使用流向i的路由决策变量。
[0154]
ftlm，含义为：为整车满载货物时的车辆数(整数决策变量)。
[0155]
ltln，含义为：为零担(没有满载)类型的车辆数(整数决策变量)。
[0156]
f，含义为：整车线路集合。
[0157]
l，含义为：零担线路集合。
[0158]
od，含义为：流量流向集合。
[0159]
含义为：第k个场景下所有使用整车线 路m的路由变量与对应货量乘积。
[0160]
含义为：第k个场景下所有使用零担线 路n的路由变量与对应货量乘积组合。
[0161]nij
，含义为：路由经过分拣中心个数。
[0162]
c，含义为：单均操作成本，为参数项，可配置。
[0163]
含义为：第k个场景下路由上的货量(单)。
[0164]
ftl
cm
，含义为：整车线路m的单趟成本。
[0165]
ftlcn，含义为：零担线路n方均成本。
[0166]
含义为：第k个场景下路由上的货量(方)。
[0167]
capm，含义为：第m条线路的满载量。
[0168]
opm，含义为：第m条线路的开通标准。
[0169]
tnt
ij
，含义为：路由的时效。
[0170]
st1，含义为：算法对应静态路由的时效。
[0171]
步骤s2042，将备选路径数据集合、预设约束和预设的不同货量水 平对应的权重输入随机规划模型，以从备选路径数据集合中确定出使 得成本函数的值最小时对应的备选路径数据，进而将使得成本函数的 值最小时对应的备选路径数据确定为目标路径数据。
[0172]
具体地，从备选路径数据集合中确定出目标路径数据，还包括：
[0173]
执行主体调用随机规划模型基于预设约束、备选路径数据集合中 的各备选路径数据和预设的不同货量水平对应的权重调整在随机规划 模型中构建的成本函数的值，使得该成本函数的值朝着越来越小的方 向发展。
[0174]
通过使用随机规划模型，使得模型的解不仅仅适用于当前网络， 还可用于未来预
测货量的网络搭建，可以从历史、现在、未来各个时 期进行了整体的规划，在一定程度上增加了模型的泛化能力和扩展性， 可行性、可实施性、可落地性更强。
[0175]
具体地，预设约束可以包括：路由唯一约束、整车容量约束、零 担容量约束、开通标准约束、时效约束、中间决策变量约束、决策变 量等约束。示例的，路由唯一约束，表示针对每一个集散批次(o-d-batch) 中的路由只能选一条。整车容量约束和零担容量约束，表示针对每条 整车线路，经过该线路上所有流向货物总量需小于等于该线路中所有 车型容积与对应车辆数的乘积，即货量小于等于满载量。零担线路同 理。开通标准约束表示线路的开通必须满足其开通标准，否则无法使 用。时效约束表示路由时效需小于等于静态线路的时效，即满足时效 不下降的约束。中间决策变量约束为中间决策变量，由路由变量和该 路由变量对应的货量(方量)乘积而得。
[0176]
响应于确定成本函数的值小于预设阈值，输出小于预设阈值的成 本函数的值对应的备选路径数据，进而确定为目标路径数据。
[0177]
当成本函数的值逐渐缩小到小于预设阈值，则输出该小于预设阈 值的成本函数的值对应的备选路径数据集合中的备选路径数据，即目 标路径数据，可以包括路由数据(例如a-c-h3-h4-m)和线路数据(例 如a-》c、c-》a、h3-》h4、h4-》m)。
[0178]
本实施例通过调用随机规划模型来确定最优的目标路径数据，从 业务视角对线路进行规划，选择合理的线路，衔接上更紧密的班次， 保证用户体验(主要指时效)的同时，从车型、增加对开线路类型等 角度去考虑，将现有物流网络的车型组合进行优化升级，并新开对开 线路等降低总运输成本，提高企业利润，降本增效。
[0179]
图3是根据本技术第三实施例的路径规划方法的应用场景示意图。 本技术的路径规划方法，可以应用于在进行配送物品的路径规划时， 考虑在一段时期内的货量波动情况的场景。服务器304获取待规划路 径301的线路信息302(例如可以包括始发地(即始端)和目的地(即 终端)等)。服务器304获取不同时间的历史货量数据303，进而基于 不同时间的历史货量数据303预测未来预设时间的不同货量水平的数 据305。服务器304调用分布式接口306，基于线路信息302和未来预 设时间的不同货量水平的数据305，生成对应的备选路径数据集合307。 服务器304调用随机规划模型309，基于未来预设时间的不同货量水平 的数据305和预设的不同货量水平对应的权重308，从备选路径数据集 合307中确定出目标路径数据310(即连接始端、中间的各节点以及终 端的路径)并输出。
[0180]
本实施例通过调用随机规划模型来确定最优的目标路径数据，从 业务视角对线路进行规划，选择合理的线路，衔接上更紧密的班次， 保证用户体验(主要指时效)的同时，从车型、增加对开线路类型等 角度去考虑，将现有物流网络的车型组合进行优化升级，并新开对开 线路等降低总运输成本，提高企业利润，降本增效。
[0181]
图4是根据本技术实施例的路径规划装置的主要单元的示意图。 如图4所示，路径规划装置包括第一获取单元401、第二获取单元402、 生成单元403和路径规划单元404。
[0182]
第一获取单元401，被配置成获取待规划路径的线路信息。
[0183]
第二获取单元402，被配置成获取不同时间的历史货量数据，进而 基于历史货量数据预测未来预设时间的不同货量水平的数据。
[0184]
生成单元403，被配置成基于线路信息和未来预设时间的不同货量 水平的数据，生成对应的备选路径数据集合。
[0185]
路径规划单元404，被配置成基于未来预设时间的不同货量水平的 数据和预设的不同货量水平对应的权重，从备选路径数据集合中确定 出目标路径数据并输出。
[0186]
在一些实施例中，第二获取单元402进一步被配置成：确定对应 历史货量数据的各个时间所对应的货量权重；根据货量权重和预设权 重阈值确定各个时间中的目标时间，其中，目标时间为超出预设权重 阈值的货量权重对应的时间；根据各目标时间对应的历史货量数据预 测未来预设时间的不同货量水平的数据。
[0187]
在一些实施例中，第二获取单元402进一步被配置成：确定不同 时间的历史货量数据对应的各个时间；确定不同时间的历史货量数据 对应的各个时间中的与未来预设时间相近的时间；根据各相近的时间 所对应的历史货量数据和预设涨幅，预测未来预设时间的不同货量水 平的数据。
[0188]
在一些实施例中，生成单元403进一步被配置成：确定线路信息 中的始发地和目的地；基于始发地、目的地和不同货量水平的数据， 筛选匹配的备选路径数据，得到备选路径数据集合。
[0189]
在一些实施例中，路径规划单元404进一步被配置成：调用随机 规划模型，基于线路信息和未来预设时间的不同货量水平的数据构建 成本函数；将备选路径数据集合、预设约束和预设的不同货量水平对 应的权重输入随机规划模型，以从备选路径数据集合中确定出使得成 本函数的值最小时对应的备选路径数据，进而将使得成本函数的值最 小时对应的备选路径数据确定为目标路径数据。
[0190]
在一些实施例中，路径规划单元404进一步被配置成：基于预设 约束、备选路径数据集合中的各备选路径数据和预设的不同货量水平 对应的权重调整成本函数的值；响应于确定成本函数的值小于预设阈 值，输出小于预设阈值的成本函数的值对应的备选路径数据，进而确 定为目标路径数据。
[0191]
需要说明的是，在本技术路径规划方法和路径规划装置在具体实 施内容上具有相应关系，故重复内容不再说明。
[0192]
图5示出了可以应用本技术实施例的路径规划方法或路径规划装 置的示例性系统架构500。
[0193]
如图5所示，系统架构500可以包括终端设备501、502、503，网 络504和服务器505。网络504用以在终端设备501、502、503和服务 器505之间提供通信链路的介质。网络504可以包括各种连接类型， 例如有线、无线通信链路或者光纤电缆等等。
[0194]
用户可以使用终端设备501、502、503通过网络504与服务器505 交互，以接收或发送消息等。终端设备501、502、503上可以安装有 各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应 用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
[0195]
终端设备501、502、503可以是具有路径规划处理屏并且支持网 页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型 便携计算机和台式计算机等等。
[0196]
服务器505可以是提供各种服务的服务器，例如对用户利用终端 设备501、502、503所提交的路径规划请求提供支持的后台管理服务 器(仅为示例)。后台管理服务器可以获取待规划路径的线路信息； 获取不同时间的历史货量数据，进而基于不同时间的历史货量数据预 测未来预设时间的不同货量水平的数据；基于线路信息和未来预设时 间的不同货量水平的数据，生成对应的备选路径数据集合；基于未来 预设时间的不同货量水平的数
据和预设的不同货量水平对应的权重， 从备选路径数据集合中确定出目标路径数据并输出。从而实现在一时 期内即使货量波动较大，也能准确地确定出目标路径数据，基于该目 标路径数据可以合理地分配运力(线路)、规划班次(路由节点)、 调整配载(线路上物品的目的地)等资源，使得在货量波动较大的情 况下，也能使得整体结构在一定条件下得到最优，实现在不同的货量 波动下效果最优的路径规划。
[0197]
需要说明的是，本技术实施例所提供的路径规划方法一般由服务 器505执行，相应地，路径规划装置一般设置于服务器505中。
[0198]
应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意 性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
[0199]
下面参考图6，其示出了适于用来实现本技术实施例的终端设备的 计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例， 不应对本技术实施例的功能和使用范围带来任何限制。
[0200]
如图6所示，计算机系统600包括中央处理单元(cpu)601，其 可以根据存储在只读存储器(rom)602中的程序或者从存储部分608 加载到随机访问存储器(ram)603中的程序而执行各种适当的动作 和处理。在ram603中，还存储有计算机系统600操作所需的各种程 序和数据。cpu601、rom602以及ram603通过总线604彼此相连。 输入/输出(i/o)接口605也连接至总线604。
[0201]
以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606； 包括诸如阴极射线管(crt)、液晶征信授权查询处理器(lcd)等以 及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸 如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609 经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至 i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存 储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算 机程序根据需要被安装入存储部分608。
[0202]
特别地，根据本技术公开的实施例，上文参考流程图描述的过程 可以被实现为计算机软件程序。例如，本技术公开的实施例包括一种 计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该 计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实 施例中，该计算机程序可以通过通信部分609从网络上被下载和安装， 和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元 (cpu)601执行时，执行本技术的系统中限定的上述功能。
[0203]
需要说明的是，本技术所示的计算机可读介质可以是计算机可读 信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算 机可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、 或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存 储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电 连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存 储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、 便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、 或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以 是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装 置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信 号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中 承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形 式，包括但
不限于电磁信号、光信号或上述的任意合适的组合。计算 机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可 读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行 系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质 上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、 电线、光缆、rf等等，或者上述的任意合适的组合。
[0204]
附图中的流程图和框图，图示了按照本技术各种实施例的系统、 方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点 上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码 的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于 实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的 实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发 生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们 有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的 是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合， 可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者 可以用专用硬件与计算机指令的组合来实现。
[0205]
描述于本技术实施例中所涉及到的单元可以通过软件的方式实 现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理 器中，例如，可以描述为：一种处理器包括第一获取单元、第二获取 单元、生成单元和路径规划单元。其中，这些单元的名称在某种情况 下并不构成对该单元本身的限定。
[0206]
作为另一方面，本技术还提供了一种计算机可读介质，该计算机 可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独 存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多 个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备 获取待规划路径的线路信息；获取不同时间的历史货量数据，进而基 于不同时间的历史货量数据预测未来预设时间的不同货量水平的数 据；基于线路信息和未来预设时间的不同货量水平的数据，生成对应 的备选路径数据集合；基于未来预设时间的不同货量水平的数据和预 设的不同货量水平对应的权重，从备选路径数据集合中确定出目标路 径数据并输出。
[0207]
根据本技术实施例的技术方案，实现在一时期内即使货量波动较 大，也能准确地确定出目标路径数据，基于该目标路径数据可以合理 地分配运力(线路)、规划班次(路由节点)、调整配载(线路上物 品的目的地)等资源，使得在货量波动较大的情况下，也能使得整体 结构在一定条件下得到最优，实现在不同的货量波动下效果最优的路 径规划。
[0208]
上述具体实施方式，并不构成对本技术保护范围的限制。本领域 技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种 各样的修改、组合、子组合和替代。任何在本技术的精神和原则之内 所作的修改、等同替换和改进等，均应包含在本技术保护范围之内。