本發(fā)明屬于物流調(diào)度，尤其涉及一種基于大數(shù)據(jù)的物流調(diào)度方法與系統(tǒng)。

背景技術(shù)：

1、近年來(lái)，隨著電子商務(wù)行業(yè)和物流行業(yè)的快速發(fā)展，基于物聯(lián)網(wǎng)的技術(shù)以高度信息化、智能化為特征的智能物流業(yè)務(wù)也應(yīng)運(yùn)而生。并且，在國(guó)家的大力倡導(dǎo)的前提下，以及在“加快建設(shè)社會(huì)化、專(zhuān)業(yè)化、信息化的現(xiàn)代物流服務(wù)臺(tái)體系，提高物流智能化管理和標(biāo)準(zhǔn)化水平”的大環(huán)境之下，物流信息化、物流調(diào)度、排程等技術(shù)被人們所逐漸重視并日趨成熟。另外，在路線優(yōu)化技術(shù)中，通常會(huì)使用到地圖導(dǎo)航系統(tǒng)以及實(shí)時(shí)交通系統(tǒng)等來(lái)支援物流路徑的設(shè)計(jì)，幫助人們找尋從出發(fā)地到達(dá)目的地的最優(yōu)路徑。而以往在設(shè)置最優(yōu)路徑的過(guò)程中，較為普遍的是按照系統(tǒng)中保存的電子地圖信息(數(shù)據(jù))對(duì)路徑進(jìn)行靜態(tài)規(guī)劃。

2、因此，目前國(guó)內(nèi)的物流配送系統(tǒng)中，在對(duì)配送前的路線優(yōu)化依然存在著不夠完善因而不能很好地對(duì)應(yīng)客戶(hù)特定的情況來(lái)設(shè)定配送路線的問(wèn)題。進(jìn)一步地，例如在發(fā)生一些突發(fā)事件或者其他影響原有計(jì)劃的因素產(chǎn)生時(shí)，及時(shí)、高效地調(diào)整配送路徑和安全、合理地調(diào)度配送任務(wù)的服務(wù)也是在物流服務(wù)行業(yè)中不可或缺的一種調(diào)整。所以，能夠靈活且合理地對(duì)應(yīng)各種狀況變化以及客戶(hù)的各種配送需求的技術(shù)為人們所迫切期待。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述技術(shù)問(wèn)題，本發(fā)明提出了一種基于大數(shù)據(jù)的物流調(diào)度方法與系統(tǒng)，以解決上述現(xiàn)有技術(shù)存在的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于大數(shù)據(jù)的物流調(diào)度方法，包括：

3、基于監(jiān)測(cè)設(shè)備和交易系統(tǒng)獲取訂單數(shù)據(jù)、車(chē)輛數(shù)據(jù)和環(huán)境數(shù)據(jù)；

4、對(duì)所述訂單數(shù)據(jù)、車(chē)輛數(shù)據(jù)和環(huán)境數(shù)據(jù)進(jìn)行預(yù)處理，獲得預(yù)處理數(shù)據(jù)集；

5、構(gòu)建決策樹(shù)機(jī)器學(xué)習(xí)模型，并將所述決策樹(shù)機(jī)器學(xué)習(xí)模型進(jìn)行優(yōu)化，基于樣本集對(duì)優(yōu)化后的決策樹(shù)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，獲得物流調(diào)度模型；

6、將所述預(yù)處理數(shù)據(jù)集輸入至所述物流調(diào)度模型中進(jìn)行計(jì)算，生成調(diào)度結(jié)果，基于所述調(diào)度結(jié)果對(duì)物流進(jìn)行調(diào)度。

7、優(yōu)選地，所述訂單數(shù)據(jù)包括但不限于：訂單來(lái)源、目的地、交付時(shí)間、貨物信息；

8、所述車(chē)輛數(shù)據(jù)包括但不限于：車(chē)輛類(lèi)型、載貨能力、實(shí)時(shí)位置；

9、所述環(huán)境數(shù)據(jù)包括但不限于：交通狀況、道路狀態(tài)、天氣情況。

10、優(yōu)選地，對(duì)所述訂單數(shù)據(jù)、車(chē)輛數(shù)據(jù)和環(huán)境數(shù)據(jù)進(jìn)行預(yù)處理，獲得預(yù)處理數(shù)據(jù)集的過(guò)程包括：

11、將所述訂單數(shù)據(jù)、車(chē)輛數(shù)據(jù)和環(huán)境數(shù)據(jù)融合至三維地圖模型中，生成信息模型，同時(shí)獲取需調(diào)度數(shù)據(jù)；

12、對(duì)所述信息模型中物流調(diào)度的起點(diǎn)和終點(diǎn)進(jìn)行標(biāo)注，獲得標(biāo)注模型；

13、對(duì)所述標(biāo)注模型進(jìn)行區(qū)域劃分，將每個(gè)區(qū)域的平均物流負(fù)載率進(jìn)行分析，獲得可調(diào)度數(shù)據(jù)和需調(diào)度數(shù)據(jù)并進(jìn)行合并，獲得所述預(yù)處理數(shù)據(jù)集。

14、優(yōu)選地，對(duì)所述訂單數(shù)據(jù)、車(chē)輛數(shù)據(jù)和環(huán)境數(shù)據(jù)進(jìn)行預(yù)處理，獲得預(yù)處理數(shù)據(jù)集的過(guò)程還包括：對(duì)所述預(yù)處理數(shù)據(jù)集進(jìn)行數(shù)據(jù)清洗和歸一化，然后通過(guò)特征工程對(duì)數(shù)據(jù)集進(jìn)行信息增強(qiáng)，完成數(shù)據(jù)集的預(yù)處理。

15、優(yōu)選地，所述獲得物流調(diào)度模型的過(guò)程包括：

16、構(gòu)建決策樹(shù)機(jī)器學(xué)習(xí)模型并將所述模型進(jìn)行優(yōu)化，獲得改進(jìn)的決策樹(shù)模型；

17、通過(guò)rbms算法對(duì)所述改進(jìn)的決策樹(shù)模型進(jìn)行預(yù)訓(xùn)練，在所述改進(jìn)的決策樹(shù)模型完成數(shù)據(jù)的權(quán)重分布學(xué)習(xí)后結(jié)束訓(xùn)練，獲得所述優(yōu)化后的決策樹(shù)機(jī)器學(xué)習(xí)模型；

18、獲取樣本集，通過(guò)所述樣本集將所述優(yōu)化后的決策樹(shù)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，獲得所述物流調(diào)度模型。

19、優(yōu)選地，所述獲得改進(jìn)的決策樹(shù)模型的過(guò)程包括：

20、構(gòu)建決策樹(shù)機(jī)器學(xué)習(xí)模型；

21、構(gòu)建注意力學(xué)習(xí)模塊，將所述注意力學(xué)習(xí)模塊導(dǎo)入至所述決策樹(shù)機(jī)器學(xué)習(xí)模型中的內(nèi)部節(jié)點(diǎn)中，獲得注意力決策模型；

22、將所述注意力決策模型在物流數(shù)據(jù)調(diào)度平衡的任務(wù)上進(jìn)行微調(diào)，獲得所述改進(jìn)的決策樹(shù)模型。

23、優(yōu)選地，獲取樣本集，通過(guò)所述樣本集將所述優(yōu)化后的決策樹(shù)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練的過(guò)程包括：

24、獲取樣本集，對(duì)所述樣本集進(jìn)行劃分，獲得訓(xùn)練集和測(cè)試集；

25、將所述訓(xùn)練集輸入至所述優(yōu)化后的決策樹(shù)機(jī)器學(xué)習(xí)模型中進(jìn)行迭代訓(xùn)練，并通過(guò)測(cè)試集對(duì)訓(xùn)練后的模型進(jìn)行驗(yàn)證，獲得所述物流調(diào)度模型；

26、將所述迭代訓(xùn)練的過(guò)程數(shù)據(jù)儲(chǔ)存至xml數(shù)據(jù)庫(kù)中并進(jìn)行保存。

27、優(yōu)選地，將所述預(yù)處理數(shù)據(jù)集輸入至所述物流調(diào)度模型中進(jìn)行計(jì)算，生成調(diào)度結(jié)果，基于所述調(diào)度結(jié)果對(duì)物流進(jìn)行調(diào)度的過(guò)程包括：

28、將所述預(yù)處理數(shù)據(jù)集輸入至所述物流調(diào)度模型中進(jìn)行計(jì)算，獲得所述調(diào)度結(jié)果；

29、基于所述調(diào)度結(jié)果構(gòu)建配送車(chē)輛的實(shí)時(shí)動(dòng)線信息；

30、將所述實(shí)時(shí)動(dòng)線信息反饋至調(diào)度終端對(duì)物流車(chē)輛進(jìn)行實(shí)時(shí)調(diào)度并反饋至物流調(diào)度模型中對(duì)所述實(shí)時(shí)動(dòng)線信息進(jìn)行實(shí)時(shí)調(diào)整。

31、為實(shí)現(xiàn)上述目的，本發(fā)明還提供了一種基于大數(shù)據(jù)的物流調(diào)度系統(tǒng)，包括：

32、數(shù)據(jù)獲取子系統(tǒng)，用于基于監(jiān)測(cè)設(shè)備和交易系統(tǒng)獲取訂單數(shù)據(jù)、車(chē)輛數(shù)據(jù)和環(huán)境數(shù)據(jù)；

33、分析子系統(tǒng)，與所述數(shù)據(jù)獲取子系統(tǒng)連接，用于對(duì)所述訂單數(shù)據(jù)、車(chē)輛數(shù)據(jù)和環(huán)境數(shù)據(jù)進(jìn)行預(yù)處理，獲得預(yù)處理數(shù)據(jù)集；

34、計(jì)算子系統(tǒng)，與所述分析子系統(tǒng)連接，用于構(gòu)建決策樹(shù)機(jī)器學(xué)習(xí)模型，并將所述決策樹(shù)機(jī)器學(xué)習(xí)模型進(jìn)行優(yōu)化，基于樣本集對(duì)優(yōu)化后的決策樹(shù)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，獲得物流調(diào)度模型；

35、調(diào)度子系統(tǒng)，分別與所述數(shù)據(jù)獲取子系統(tǒng)和所述計(jì)算子系統(tǒng)連接，用于將所述預(yù)處理數(shù)據(jù)集輸入至所述物流調(diào)度模型中進(jìn)行計(jì)算，生成調(diào)度結(jié)果，基于所述調(diào)度結(jié)果對(duì)物流進(jìn)行調(diào)度。

36、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點(diǎn)和技術(shù)效果：

37、本發(fā)明中決策樹(shù)模型能夠根據(jù)大量的歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)，快速生成決策規(guī)則。這些規(guī)則能夠精確地指導(dǎo)物流調(diào)度過(guò)程中的決策，例如路線規(guī)劃、車(chē)輛分配等。通過(guò)分析各種因素的權(quán)衡和交互作用，決策樹(shù)可以?xún)?yōu)化物流調(diào)度的效率和準(zhǔn)確性。物流調(diào)度過(guò)程中的數(shù)據(jù)可能會(huì)隨著時(shí)間和環(huán)境的變化而變化。決策樹(shù)模型具有的適應(yīng)性，能夠根據(jù)新的數(shù)據(jù)進(jìn)行更新和調(diào)整，從而及時(shí)反映出當(dāng)前的環(huán)境和條件。這種能力使得系統(tǒng)能夠動(dòng)態(tài)地調(diào)整決策，以應(yīng)對(duì)突發(fā)事件或者新的運(yùn)營(yíng)場(chǎng)景。

技術(shù)特征：

1.一種基于大數(shù)據(jù)的物流調(diào)度方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的物流調(diào)度方法，其特征在于，所述訂單數(shù)據(jù)包括但不限于：訂單來(lái)源、目的地、交付時(shí)間、貨物信息；

3.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的物流調(diào)度方法，其特征在于，對(duì)所述訂單數(shù)據(jù)、車(chē)輛數(shù)據(jù)和環(huán)境數(shù)據(jù)進(jìn)行預(yù)處理，獲得預(yù)處理數(shù)據(jù)集的過(guò)程包括：

4.根據(jù)權(quán)利要求3所述的基于大數(shù)據(jù)的物流調(diào)度方法，其特征在于，對(duì)所述訂單數(shù)據(jù)、車(chē)輛數(shù)據(jù)和環(huán)境數(shù)據(jù)進(jìn)行預(yù)處理，獲得預(yù)處理數(shù)據(jù)集的過(guò)程還包括：對(duì)所述預(yù)處理數(shù)據(jù)集進(jìn)行數(shù)據(jù)清洗和歸一化，然后通過(guò)特征工程對(duì)數(shù)據(jù)集進(jìn)行信息增強(qiáng)，完成數(shù)據(jù)集的預(yù)處理。

5.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的物流調(diào)度方法，其特征在于，所述獲得物流調(diào)度模型的過(guò)程包括：

6.根據(jù)權(quán)利要求5所述的基于大數(shù)據(jù)的物流調(diào)度方法，其特征在于，所述獲得改進(jìn)的決策樹(shù)模型的過(guò)程包括：

7.根據(jù)權(quán)利要求5所述的基于大數(shù)據(jù)的物流調(diào)度方法，其特征在于，獲取樣本集，通過(guò)所述樣本集將所述優(yōu)化后的決策樹(shù)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練的過(guò)程包括：

8.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的物流調(diào)度方法，其特征在于，將所述預(yù)處理數(shù)據(jù)集輸入至所述物流調(diào)度模型中進(jìn)行計(jì)算，生成調(diào)度結(jié)果，基于所述調(diào)度結(jié)果對(duì)物流進(jìn)行調(diào)度的過(guò)程包括：

9.一種基于大數(shù)據(jù)的物流調(diào)度系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于大數(shù)據(jù)的物流調(diào)度方法與系統(tǒng)，屬于物流調(diào)度技術(shù)領(lǐng)域，包括：基于監(jiān)測(cè)設(shè)備和交易系統(tǒng)獲取訂單數(shù)據(jù)、車(chē)輛數(shù)據(jù)和環(huán)境數(shù)據(jù)；對(duì)所述訂單數(shù)據(jù)、車(chē)輛數(shù)據(jù)和環(huán)境數(shù)據(jù)進(jìn)行預(yù)處理，獲得預(yù)處理數(shù)據(jù)集；構(gòu)建決策樹(shù)機(jī)器學(xué)習(xí)模型，并將所述決策樹(shù)機(jī)器學(xué)習(xí)模型進(jìn)行優(yōu)化，基于樣本集對(duì)優(yōu)化后的決策樹(shù)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，獲得物流調(diào)度模型；將所述預(yù)處理數(shù)據(jù)集輸入至所述物流調(diào)度模型中進(jìn)行計(jì)算，生成調(diào)度結(jié)果，基于所述調(diào)度結(jié)果對(duì)物流進(jìn)行調(diào)度。本發(fā)明中決策樹(shù)模型能夠根據(jù)大量的歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)，快速生成決策規(guī)則。這些規(guī)則能夠精確地指導(dǎo)物流調(diào)度過(guò)程中的決策，例如路線規(guī)劃、車(chē)輛分配等。

技術(shù)研發(fā)人員：廖艷利
受保護(hù)的技術(shù)使用者：肇慶醫(yī)學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30