CN110765615B - 物流仿真方法、装置及设备 - Google Patents
物流仿真方法、装置及设备 Download PDFInfo
- Publication number
- CN110765615B CN110765615B CN201911018770.8A CN201911018770A CN110765615B CN 110765615 B CN110765615 B CN 110765615B CN 201911018770 A CN201911018770 A CN 201911018770A CN 110765615 B CN110765615 B CN 110765615B
- Authority
- CN
- China
- Prior art keywords
- order
- information
- simulation
- order information
- simulation result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种物流仿真方法、装置及设备。所述方法包括获取待处理订单的订单信息,获取订单信息处理规则,其中,订单信息处理规则为多个,根据多个订单信息处理规则分别对待处理订单的订单信息进行多轮仿真处理,分别确定每个订单信息处理规则对应的仿真结果,得到仿真结果集,根据仿真结果集中的仿真结果确定待采用的目标仿真结果,将目标仿真结果发送至订单调度终端,以使订单调度终稿根据目标仿真结果对应的目标订单信息处理规则对待处理订单进行处理。采用上述方案后,降低了仿真结果与真实结果的差距,提高了仿真试验的准确度。
Description
技术领域
本发明实施例涉及仓储物流技术领域,尤其涉及一种物流仿真方法、装置及设备。
背景技术
随着互联网和电子商务的发展,人们的网络消费越来越多,随之而来的,物流运输体系也在不断发展壮大,各地均布局了物流网点,以实现货物的储运、流通和中转。在物流***中,运输任务通常以电子订单的形式表示出来的,从电子订单的生成到订单的分配,然后再到订单状态的更新,每一个过程都至关重要。一般的流程为:用户终端发起电子订单,然后将电子订单发送至服务器,服务器对电子订单进行处理。
随着货物流通变得越来越多,服务器处理的电子订单的数量也与日俱增。为了避免大量电子订单造成订单调度终端瘫痪无法处理的情况,需要先提前进行物流仿真,预先测试大量电子订单的情况下各电子订单的处理状态对应的仿真结果,方便管理人员根据仿真结果提前做好准备工作。
然而,目前应用的物流仿真测试的仿真轮次少,导致仿真结果与真实结果的差距过大,降低了仿真测试验证的准确度,容易导致订单调度终端的瘫痪。
发明内容
本发明实施例提供一种物流仿真方法、装置及设备,以提高仿真测试验证的准确度。
第一方面,本发明实施例提供一种物流仿真方法,包括:获取待处理订单的订单信息;
获取订单信息处理规则,其中,所述订单信息处理规则为多个;
根据多个所述订单信息处理规则分别对所述待处理订单的订单信息进行多轮仿真处理,分别确定每个所述订单信息处理规则对应的仿真结果,得到仿真结果集;
根据所述仿真结果集中的仿真结果确定待采用的目标仿真结果;
将所述目标仿真结果发送至订单调度终端,以使所述订单调度终稿根据所述目标仿真结果对应的目标订单信息处理规则对所述待处理订单进行处理。
可选的,在所述获取待处理订单的订单信息之前,还包括:
获取历史订单信息集,所述历史订单信息集中包括多组历史订单信息,每组所述历史订单信息中均包括订单行程信息、订单成本信息、运力信息、天气信息和路况信息;
将所述订单行程信息、所述运力信息、所述天气信息和所述路况信息输入到第一神经网络中进行训练,得到运力时间预估模型;
将所述订单行程信息和所述订单成本信息输入到第二神经网络中进行训练,得到订单价值预估模型;
将所述天气信息输入到第三神经网络中进行训练,得到天气预估模型。
可选的,在所述获取待处理订单的订单信息之后,还包括:
根据所述待处理订单的订单信息中的物流路线,生成物流路线图;
获取运输车辆的出发地点和出发时间;
根据所述待处理订单的订单信息中的订单下单地点、订单下单时间、所述运输车辆的出发地点和出发时间确定交叉运输图。
可选的,所述根据多个所述订单信息处理规则分别对所述待处理订单的订单信息进行多轮仿真处理,分别确定每个所述订单信息处理规则对应的仿真结果,得到仿真结果集,包括:
对多个所述订单信息处理规则中的每个目标订单信息处理规则执行如下操作;
根据所述目标订单信息处理规则、所述物流路线图、所述交叉运输图、所述运力时间预估模型、所述订单价值预估模型和所述天气预估模型对所述待处理订单的订单信息进行多轮仿真处理,得到所述目标订单信息处理规则对应的仿真结果;
将获取的每个所述目标订单信息处理规则对应的仿真结果确定为仿真结果集。
可选的,所述根据所述仿真结果集中的仿真结果确定待采用的目标仿真结果,包括:
根据所述仿真结果集中的仿真结果确定每个所述订单信息处理规则对应的订单状态,得到订单状态集,其中,所述订单状态包括处理中状态、未处理状态和处理完成状态;
根据所述订单状态和预存的结果阈值对所述订单状态集中的订单状态进行筛选,得到目标订单状态;
将所述目标订单状态对应的仿真结果设置为目标仿真结果。
第二方面,本发明实施例提供一种物流仿真装置,包括:
第一获取模块,用于获取待处理订单的订单信息;
第二获取模块,用于获取订单信息处理规则,其中,所述订单信息处理规则为多个;
仿真模块,用于根据多个所述订单信息处理规则分别对所述待处理订单的订单信息进行多轮仿真处理,分别确定每个所述订单信息处理规则对应的仿真结果,得到仿真结果集;
第一确定模块,用于根据所述仿真结果集中的仿真结果确定待采用的目标仿真结果;
发送模块,用于将所述目标仿真结果发送至订单调度终端,以使所述订单调度终稿根据所述目标仿真结果对应的目标订单信息处理规则对所述待处理订单进行处理。
可选的,在所述第一获取模块之前,还包括:
第三获取模块,用于获取历史订单信息集,所述历史订单信息集中包括多组历史订单信息,每组所述历史订单信息中均包括订单行程信息、订单成本信息、运力信息、天气信息和路况信息;
第一训练模块,用于将所述订单行程信息、所述运力信息、所述天气信息和所述路况信息输入到第一神经网络中进行训练,得到运力时间预估模型;
第二训练模块,用于将所述订单行程信息和所述订单成本信息输入到第二神经网络中进行训练,得到订单价值预估模型;
第三训练模块,用于将所述天气信息输入到第三神经网络中进行训练,得到天气预估模型。
可选的,在所述第一获取模块之后,还包括:
生成模块,用于根据所述待处理订单的订单信息中的物流路线,生成物流路线图;
第四获取模块,用于获取运输车辆的出发地点和出发时间;
第二确定模块,用于根据所述待处理订单的订单信息中的订单下单地点、订单下单时间、所述运输车辆的出发地点和出发时间确定交叉运输图。
第三方面,本发明实施例提供一种物流仿真设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如第一方面任一项所述的物流仿真方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如第一方面任一项所述的物流仿真方法。
本发明实施例提供一种物流仿真方法、装置及设备,采用上述方案后,能根据获取的多个订单信息处理规则分别对待处理订单信息进行多轮仿真处理,最终得到目标仿真结果,然后将目标仿真结果对应的目标处理规则发送至订单调度终端,使得订单调度终端可以根据目标处理规则对待处理订单进行处理,降低了仿真结果与真实结果的差距,提高了仿真试验的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的物流仿真方法的架构示意图;
图2为本发明实施例提供的物流仿真方法的流程示意图;
图3为另一实施方式提供的物流仿真方法的流程示意图;
图4为本发明实施例提供的物流仿真装置的结构示意图;
图5为本发明实施例提供的物流仿真设备的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1为本发明实施例提供的物流仿真方法的架构示意图,如图1所示,物流仿真方法的架构包括服务器101、订单调度终端102、运输车辆104和运输车辆的控制终端103。订单调度终端102负责订单的调度处理,例如订单的创建、订单状态的更新和订单的销毁等。运输车辆的控制终端103用于根据订单调度终端确定的订单详情控制运输车辆104的运行。订单调度终端102可以是服务器,也可以是客户端。此外,一个订单调度终端102可以面向多个运输车辆的控制终端103。服务器101用于仿真,得到预设时间段内订单处理效率最优的仿真结果后,将仿真结果对应的处理规则发送至订单调度终端。订单调度终端在接收到仿真结果对应的处理规则之后,按照处理规则对订单进行调度处理,降低了仿真结果与真实结果的差距,提高了仿真试验的准确度。此外,也可以采用客户端来执行服务器101的具体操作。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本发明实施例提供的物流仿真方法的流程示意图,本实施例的方法可以以软件和/或硬件的形式设置在图1的服务器101中。如图2所示,本实施例的方法,可以包括:
S201:获取待处理订单的订单信息。
具体的,在进行仿真之前,需要先确定仿真面对处理对象,而待处理订单的订单信息即为本实施方式中的处理对象。
待处理订单的订单信息涉及的领域可以有多种,例如,可以为外卖领域、生鲜配送领域,也可以为电商领域。在该实施方式中,主要针对的是电商领域的订单。电商领域的订单具有运输距离远、运输时间长且订单数量多的特点。因此,可以针对电商领域的订单的特点对订单设计仿真方案,进行仿真测验。
此外,获取的待处理订单的订单信息可以包括待处理订单的数量、每个待处理订单的出发地和目的地、每个待处理订单的状态,例如,可以为未处理状态、处理中状态和处理完成状态。而处理中状态又可以涉及到待处理订单对应的货物当前所在的位置,预计送到时间等。
S202:获取订单信息处理规则,其中,所述订单信息处理规则为多个。
订单信息处理规则指的是对待处理订单要执行的处理方式。订单信息处理规则可以有多个,即对待处理订单要执行的处理方式可以有多种。例如,可以将天气设置为雨天和晴天,预先仿真来了解天气对订单处理的影响。可以将运输路线设置为走高速A、走高速B或走普通公路,预先仿真来了解不同路线对订单处理的影响。还可以设置每条运输路线经过的装货点和卸货点,通过不同的设置方式来仿真测试那种设置方式的订单处理效率高。此外,上述几种处理方式还可以任意组合,例如,将雨天、走高速A和经过预设装货点和卸货点的装载方式C组合到一起得到仿真处理方式。当然,上述方式只是列举了几个具体的处理方式,其他没有列举的处理方式也在本申请实施方式的保护范围之内。
S203:根据多个所述订单信息处理规则分别对所述待处理订单的订单信息进行多轮仿真处理,分别确定每个所述订单信息处理规则对应的仿真结果,得到仿真结果集。
具体的,在获取到多个订单信息处理规则之后,分别将每个订单信息处理规则对待处理订单的订单信息进行多轮仿真处理。在现有技术中,只是采用了一轮或者数量有限的几轮进行仿真处理,仿真出来的结果与真实的情景差距过大,导致仿真结果不准确。其中,每次仿真的用时可以为2-4秒,可以进行2-4小时的多轮仿真来确定仿真结果。然后将每个订单信息处理规则执行一遍多轮仿真处理,最终得到仿真结果集。
S204:根据所述仿真结果集中的仿真结果确定待采用的目标仿真结果。
具体的,得到仿真结果集之后,每个订单信息处理规则对应的结果即可以确定了。即待处理订单在固定时间内的处理情况就确定了,同时还可以仿真出未处理完成的订单的后续处理情况。我们可以根据待处理订单在固定时间内的处理情况和未处理完成的订单的后续处理情况的整体订单处理效率,选择一个处理效率超过预设阈值的仿真结果对应的处理规则。然后将对应的处理规则发送至订单调度终端,使得订单调度终端可以根据订单处理规则进行调度处理。此外,也可以只根据待处理订单在固定时间内的处理情况的处理效率确定一个处理效果超过预设阈值的仿真结果。例如,要选择处理效率在一天内超过100件的处理规则,根据处理规则A、处理规则B和处理规则C分别对待处理订单中的150条订单进行处理。一天之后,处理规则A对应的仿真结果处理了120条订单,处理规则B对应的仿真结果处理了90条订单,处理规则C对应的仿真结果处理了80条订单。只有处理规则A对应的仿真结果超过了预设的100条,所有在实际调度应用中选择处理规则A。若处理结果有多条符合预设条件,则还可以根据其他的预设条件综合进行判断,选择出最优的处理规则。
S205:将目标仿真结果发送至订单调度终端,以使订单调度终稿根据目标仿真结果对应的目标订单信息处理规则对待处理订单进行处理。
具体的,订单调度终端可以部署在服务器上,也可以部署在客户端。负责根据订单处理规则对待处理订单进行调度处理。例如,运输车辆的数量是有限的,如何通过有限的运输车辆数量来尽快的完成订单的配送,需要订单调度终端进行调度。
采用上述方案后,能根据获取的多个订单信息处理规则分别对待处理订单信息进行多轮仿真处理,最终得到目标仿真结果,然后将目标仿真结果对应的目标处理规则发送至订单调度终端,使得订单调度终端可以根据目标处理规则对待处理订单进行处理,降低了仿真结果与真实结果的差距,提高了仿真试验的准确度。
基于图2的方法,本说明书实施方式还提供了该方法的一些具体实施方案,下面进行说明。
在一个具体实施方式中,如图3所示,为本发明另一实施方式提供的物流仿真方法的流程示意图,在所述获取待处理订单的订单信息之前,还可以包括:
S301:获取历史订单信息集,所述历史订单信息集中包括多组历史订单信息,每组所述历史订单信息中均包括订单行程信息、订单成本信息、运力信息、天气信息和路况信息。
具体的,订单行程信息可以为订单的出发地和目的地。
路况信息可以为订单从出发地到目的地的所有出行路线,每条路线的道路种类以及出行过程中涉及到的道路收费情况。例如,道路的种类可以包括高速公路、盘山公路、一级公路或二级公路等。还可以包括每条道路的出行情况,一般可以分为严重拥堵、拥挤、缓行和畅通。为了便于用户可以直观的了解路况情况,通常采用颜色来区分路况。例如,绿色为畅通,橘色为缓行,红色为拥挤,深红色为严重拥堵。
订单成本信息可以为订单的各项人力成本、车辆成本、运输成本等。还可以通过订单总收入减去物流总成本来得到每个订单的收益。
天气信息代表出行时的天气情况。在预估出行时的天气情况之前,需要根据回归模型训练一个天气预估模型,并对天气预估模型进行测试和调优处理,直至天气预估模型的准确率达到预设第二准确率为止。其中,第二准确率可以为90%-98%之间。天气预估模型训练完成之后,可以直接预测未来一天到一周的天气情况。此外,还可以根据预估时间去查看对应的天气情况。例如,预估时间为3天,则可以直接查看3天内的天气情况。
运力信息为运输车辆的可运载能力。
S302:将所述订单行程信息、所述运力信息、所述天气信息和所述路况信息输入到第一神经网络中进行训练,得到运力时间预估模型。
具体的,预估时间表示从出发地到目的地预计需要的时间。在预估时间之前,需要先根据以往的运输数据对逻辑回归模型进行训练,得到运输时间预估模型。然后对运输时间预估模型进行测试调优处理,直至运输时间预估模型的准确率达到预设第一准确率为止。其中,第一准确率可以为90%-98%之间。运输时间预估模型训练完成之后,将待出行行程的出发地和目的地输入到该运输时间预估模型中进行识别,得到从出发地到目的地出行对应的预估时间。
S303:将所述订单行程信息和所述订单成本信息输入到第二神经网络中进行训练,得到订单价值预估模型。
具体的,订单价值预估通过订单总收入减去物流总成本来确定。通过多条订单的信息来训练得到订单价值预估模型,然后通过输入订单的出发地和目的地来确定订单的价值。
S304:将所述天气信息输入到第三神经网络中进行训练,得到天气预估模型。
现有的物流仿真方法在仿真时,考虑的物流场景太过粗略,导致仿真出来的结果与真实的场景差距过大,降低了仿真的准确性。因此,该实施方式还综合考虑了路况信息、天气信息、运力信息等因素,降低了仿真结果与真实场景的差距,提高了仿真的准确性。
在一个具体实施方式中,在所述获取待处理订单的订单信息之后,还可以包括:
根据所述待处理订单的订单信息中的物流路线,生成物流路线图。
获取运输车辆的出发地点和出发时间。
根据所述待处理订单的订单信息中的订单下单地点、订单下单时间、所述运输车辆的出发地点和出发时间确定交叉运输图。
在进行仿真处理时,为了提高仿真的效率,可以先根据待处理订单的订单信息生成物流路线图,然后根据运输车辆的信息和订单信息生成交叉运输图。然后直接根据生成的交叉运输图和物流路线图进行仿真,无需再从繁杂的待处理订单中去提取数据,提高了仿真的效率。
在一个具体实施方式中,所述根据多个所述订单信息处理规则分别对待处理订单的订单信息进行多轮仿真处理,分别确定每个订单信息处理规则对应的仿真结果,得到仿真结果集,可以包括:
对多个所述订单信息处理规则中的每个目标订单信息处理规则执行如下操作;
根据所述目标订单信息处理规则、所述物流路线图、所述交叉运输图、所述运力时间预估模型、所述订单价值预估模型和所述天气预估模型对待处理订单的订单信息进行多轮仿真处理,得到所述目标订单信息处理规则对应的仿真结果。将获取的每个所述目标订单信息处理规则对应的仿真结果确定为仿真结果集。
在实际进行订单调度处理之前,可以先对订单调度策略进行仿真,选择出调度效率高的订单调度策略。每一个订单调度策略对应一个订单信息处理规则,然后根据每个订单信息处理规则对待处理订单进行多轮仿真。为了降低仿真结果与真实场景的差距,提高仿真的准确性,该实施方式还综合考虑了路况信息、天气信息、运力信息等因素,对待处理订单的订单信息进行多轮仿真处理,得到仿真结果集。
在一个具体实施方式中,所述根据所述仿真结果集中的仿真结果确定待采用的目标仿真结果,可以包括:
根据仿真结果集中的仿真结果确定所述订单信息处理规则对应的订单状态,得到订单状态集,其中,订单状态包括处理中状态、未处理状态和处理完成状态。根据订单状态和预存的结果阈值对订单状态集中的订单状态进行筛选,得到目标订单状态。将目标订单状态对应的仿真结果设置为目标仿真结果。
具体的,在得到多个仿真结果之后,会根据仿真结果选择出订单处理效率最高的仿真结果对应的目标订单信息处理规则,然后将目标订单信息处理规则发送至订单调度终端。订单调度终端在收到目标订单信息处理规则之后,会根据目标订单信息处理规则为未处理订单分配车辆,并将分配的车辆的状态设置为使用中,将处理完成的订单的运输车辆状态设置为未使。同时,还可以为使用中的车辆规划路线,有秩序的经过装货点和卸货点,进行货物的装载和卸载,最终完成货物的运输。即货物对应的订单处理完成。同时还可以仿真验证订单调度终端能同时并发调度的订单总量,避免订单数量过大导致订单调度终端瘫痪,而影响货物的运输。
此外,在仿真得到预设时间段内能处理完成的订单之后,还可以对剩余的订单状态进行更新调整仿真,为订单调度终端后续的动作提供依据。
基于同样的思路,本说明书实施方式还提供了上述物流仿真方法对应的装置。
如图4所示,为本发明实施例提供的物流仿真装置的结构示意图,可以包括:
第一获取模块401,用于获取待处理订单的订单信息。
第二获取模块402,用于获取订单信息处理规则,其中,所述订单信息处理规则为多个。
仿真模块403,用于根据多个所述订单信息处理规则分别对所述待处理订单的订单信息进行多轮仿真处理,分别确定每个所述订单信息处理规则对应的仿真结果,得到仿真结果集。
第一确定模块404,用于根据所述仿真结果集中的仿真结果确定待采用的目标仿真结果。
发送模块405,用于将所述目标仿真结果发送至订单调度终端,以使所述订单调度终稿根据所述目标仿真结果对应的目标订单信息处理规则对所述待处理订单进行处理。
在一个具体实施方式中,在所述第一获取模块之前,还可以包括:
第三获取模块,用于获取历史订单信息集,所述历史订单信息集中包括多组历史订单信息,每组所述历史订单信息中均包括订单行程信息、订单成本信息、运力信息、天气信息和路况信息。
第一训练模块,用于将所述订单行程信息、所述运力信息、所述天气信息和所述路况信息输入到第一神经网络中进行训练,得到运力时间预估模型。
第二训练模块,用于将所述订单行程信息和所述订单成本信息输入到第二神经网络中进行训练,得到订单价值预估模型。
第三训练模块,用于将所述天气信息输入到第三神经网络中进行训练,得到天气预估模型。
在一个具体实施方式中,在所述第一获取模块之后,还可以包括:
生成模块,用于根据所述待处理订单的订单信息中的物流路线,生成物流路线图。
第四获取模块,用于获取运输车辆的出发地点和出发时间。
第二确定模块,用于根据所述待处理订单的订单信息中的订单下单地点、订单下单时间、所述运输车辆的出发地点和出发时间确定交叉运输图。
在一个具体实施方式中,所述仿真模块,可以包括:
对多个所述订单信息处理规则中的每个目标订单信息处理规则执行如下操作:
根据所述目标订单信息处理规则、所述物流路线图、所述交叉运输图、所述运力时间预估模型、所述订单价值预估模型和所述天气预估模型对所述待处理订单的订单信息进行多轮仿真处理,得到所述目标订单信息处理规则对应的仿真结果。
将获取的每个所述目标订单信息处理规则对应的仿真结果确定为仿真结果集。
在一个具体实施方式中,所述第一确定模块,可以包括:
确定单元,用于根据所述仿真结果集中的仿真结果确定每个所述订单信息处理规则对应的订单状态,得到订单状态集,其中,所述订单状态包括处理中状态、未处理状态和处理完成状态。
筛选单元,用于根据所述订单状态和预存的结果阈值对所述订单状态集中的订单状态进行筛选,得到目标订单状态。
设置单元,用于将所述目标订单状态对应的仿真结果设置为目标仿真结果。
本发明实施例提供的装置,可以实现上述如图2所示的实施例的方法,其实现原理和技术效果类似,此处不再赘述。
图5为本发明实施例提供的物流仿真设备的硬件结构示意图。如图5所示,本实施例提供的设备500包括:至少一个处理器501和存储器502。其中,处理器501、存储器502通过总线503连接。
在具体实现过程中,至少一个处理器501执行所述存储器502存储的计算机执行指令,使得至少一个处理器501执行上述方法实施例中的方法。
处理器501的具体实现过程可参见上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
在上述的图5所示的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现上述方法实施例的物流仿真方法。
上述的计算机可读存储介质,上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits,简称:ASIC)中。当然,处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种物流仿真方法,其特征在于,包括:
获取待处理订单的订单信息;
获取订单信息处理规则,其中,所述订单信息处理规则为多个;
根据多个所述订单信息处理规则分别对所述待处理订单的订单信息进行多轮仿真处理,分别确定每个所述订单信息处理规则对应的仿真结果,得到仿真结果集;
根据所述仿真结果集中的仿真结果确定待采用的目标仿真结果;
将所述目标仿真结果发送至订单调度终端,以使所述订单调度终端根据所述目标仿真结果对应的目标订单信息处理规则对所述待处理订单进行处理;
在所述获取待处理订单的订单信息之前,还包括:
获取历史订单信息集,所述历史订单信息集中包括多组历史订单信息,每组所述历史订单信息中均包括订单行程信息、订单成本信息、运力信息、天气信息和路况信息;
将所述订单行程信息、所述运力信息、所述天气信息和所述路况信息输入到第一神经网络中进行训练,得到运力时间预估模型;
将所述订单行程信息和所述订单成本信息输入到第二神经网络中进行训练,得到订单价值预估模型;
将所述天气信息输入到第三神经网络中进行训练,得到天气预估模型。
2.根据权利要求1所述的方法,其特征在于,在所述获取待处理订单的订单信息之后,还包括:
根据所述待处理订单的订单信息中的物流路线,生成物流路线图;
获取运输车辆的出发地点和出发时间;
根据所述待处理订单的订单信息中的订单下单地点、订单下单时间、所述运输车辆的出发地点和出发时间确定交叉运输图。
3.根据权利要求2所述的方法,其特征在于,所述根据多个所述订单信息处理规则分别对所述待处理订单的订单信息进行多轮仿真处理,分别确定每个所述订单信息处理规则对应的仿真结果,得到仿真结果集,包括:
对多个所述订单信息处理规则中的每个目标订单信息处理规则执行如下操作;
根据所述目标订单信息处理规则、所述物流路线图、所述交叉运输图、所述运力时间预估模型、所述订单价值预估模型和所述天气预估模型对所述待处理订单的订单信息进行多轮仿真处理,得到所述目标订单信息处理规则对应的仿真结果;
将获取的每个所述目标订单信息处理规则对应的仿真结果确定为仿真结果集。
4.根据权利要求1所述的方法,其特征在于,所述根据所述仿真结果集中的仿真结果确定待采用的目标仿真结果,包括:
根据所述仿真结果集中的仿真结果确定每个所述订单信息处理规则对应的订单状态,得到订单状态集,其中,所述订单状态包括处理中状态、未处理状态和处理完成状态;
根据所述订单状态和预存的结果阈值对所述订单状态集中的订单状态进行筛选,得到目标订单状态;
将所述目标订单状态对应的仿真结果设置为目标仿真结果。
5.一种物流仿真装置,其特征在于,包括:
第一获取模块,用于获取待处理订单的订单信息;
第二获取模块,用于获取订单信息处理规则,其中,所述订单信息处理规则为多个;
仿真模块,用于根据多个所述订单信息处理规则分别对所述待处理订单的订单信息进行多轮仿真处理,分别确定每个所述订单信息处理规则对应的仿真结果,得到仿真结果集;
第一确定模块,用于根据所述仿真结果集中的仿真结果确定待采用的目标仿真结果;
发送模块,用于将所述目标仿真结果发送至订单调度终端,以使所述订单调度终端根据所述目标仿真结果对应的目标订单信息处理规则对所述待处理订单进行处理;
在所述第一获取模块之前,还包括:
第三获取模块,用于获取历史订单信息集,所述历史订单信息集中包括多组历史订单信息,每组所述历史订单信息中均包括订单行程信息、订单成本信息、运力信息、天气信息和路况信息;
第一训练模块,用于将所述订单行程信息、所述运力信息、所述天气信息和所述路况信息输入到第一神经网络中进行训练,得到运力时间预估模型;
第二训练模块,用于将所述订单行程信息和所述订单成本信息输入到第二神经网络中进行训练,得到订单价值预估模型;
第三训练模块,用于将所述天气信息输入到第三神经网络中进行训练,得到天气预估模型。
6.根据权利要求5所述的装置,其特征在于,在所述第一获取模块之后,还包括:
生成模块,用于根据所述待处理订单的订单信息中的物流路线,生成物流路线图;
第四获取模块,用于获取运输车辆的出发地点和出发时间;
第二确定模块,用于根据所述待处理订单的订单信息中的订单下单地点、订单下单时间、所述运输车辆的出发地点和出发时间确定交叉运输图。
7.一种物流仿真设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至4任一项所述的物流仿真方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至4任一项所述的物流仿真方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911018770.8A CN110765615B (zh) | 2019-10-24 | 2019-10-24 | 物流仿真方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911018770.8A CN110765615B (zh) | 2019-10-24 | 2019-10-24 | 物流仿真方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110765615A CN110765615A (zh) | 2020-02-07 |
CN110765615B true CN110765615B (zh) | 2023-05-26 |
Family
ID=69333574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911018770.8A Active CN110765615B (zh) | 2019-10-24 | 2019-10-24 | 物流仿真方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110765615B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111539118B (zh) * | 2020-04-29 | 2023-04-25 | 昆船智能技术股份有限公司 | 一种环行穿梭车***的仿真计算方法及计算机程序产品 |
CN111652549A (zh) * | 2020-05-28 | 2020-09-11 | 优信数享(北京)信息技术有限公司 | 物流配送的仿真方法及装置 |
CN113822612B (zh) * | 2020-08-20 | 2023-09-26 | 北京京东振世信息技术有限公司 | 运输装置的控制方法和装置 |
CN113762567A (zh) * | 2020-09-18 | 2021-12-07 | 北京京东振世信息技术有限公司 | 订单配送仿真网络优化方法及装置 |
CN113361105B (zh) * | 2021-06-07 | 2023-09-19 | 杭州未名信科科技有限公司 | 一种订单分配方法、装置、存储介质及终端 |
CN115689415B (zh) * | 2022-11-03 | 2023-06-23 | 深圳市兆航物流有限公司 | 一种基于数字孪生的物流监视与仿真*** |
CN116341161B (zh) * | 2023-05-26 | 2023-08-15 | 广州一链通互联网科技有限公司 | 基于数字孪生的跨境物流运输线路模拟仿真方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508933A (zh) * | 2011-09-20 | 2012-06-20 | 普天物流技术有限公司 | 一种物流配送中心分拣线的仿真方法 |
CN106203895A (zh) * | 2015-05-06 | 2016-12-07 | 重庆邮电大学 | 一种物流虚拟运行仿真*** |
CN107730385A (zh) * | 2017-07-27 | 2018-02-23 | 上海壹账通金融科技有限公司 | 订单信息的模拟处理方法、装置、存储介质和计算机设备 |
CN108171422A (zh) * | 2017-12-28 | 2018-06-15 | 鞍钢集团自动化有限公司 | 一种钢铁智能工厂的平台构建方法 |
CN108364146A (zh) * | 2017-01-26 | 2018-08-03 | 北京小度信息科技有限公司 | 物流配送仿真方法及装置 |
CN108364099A (zh) * | 2018-02-11 | 2018-08-03 | 武汉科技大学 | 一种基于仿真的物流配送***及配送方法 |
CN110097234A (zh) * | 2019-05-13 | 2019-08-06 | 江苏中烟工业有限责任公司 | 工业卷烟运输智能调度方法及*** |
US10387588B1 (en) * | 2016-07-29 | 2019-08-20 | Emc Corporation | Automatic combination of sub-process simulation results and heterogeneous data sources |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9898776B2 (en) * | 2010-09-24 | 2018-02-20 | Amazon Technologies, Inc. | Providing services related to item delivery via 3D manufacturing on demand |
US11270040B2 (en) * | 2018-03-16 | 2022-03-08 | Walmart Apollo, Llc | Simulation system for a production environment and related methods of use |
-
2019
- 2019-10-24 CN CN201911018770.8A patent/CN110765615B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508933A (zh) * | 2011-09-20 | 2012-06-20 | 普天物流技术有限公司 | 一种物流配送中心分拣线的仿真方法 |
CN106203895A (zh) * | 2015-05-06 | 2016-12-07 | 重庆邮电大学 | 一种物流虚拟运行仿真*** |
US10387588B1 (en) * | 2016-07-29 | 2019-08-20 | Emc Corporation | Automatic combination of sub-process simulation results and heterogeneous data sources |
CN108364146A (zh) * | 2017-01-26 | 2018-08-03 | 北京小度信息科技有限公司 | 物流配送仿真方法及装置 |
CN107730385A (zh) * | 2017-07-27 | 2018-02-23 | 上海壹账通金融科技有限公司 | 订单信息的模拟处理方法、装置、存储介质和计算机设备 |
CN108171422A (zh) * | 2017-12-28 | 2018-06-15 | 鞍钢集团自动化有限公司 | 一种钢铁智能工厂的平台构建方法 |
CN108364099A (zh) * | 2018-02-11 | 2018-08-03 | 武汉科技大学 | 一种基于仿真的物流配送***及配送方法 |
CN110097234A (zh) * | 2019-05-13 | 2019-08-06 | 江苏中烟工业有限责任公司 | 工业卷烟运输智能调度方法及*** |
Non-Patent Citations (1)
Title |
---|
A公司配送中心订单拣选优化与仿真;王善超;《中国优秀硕士学位论文全文数据库(电子期刊)经济与管理科学辑》;第J145-362页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110765615A (zh) | 2020-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110765615B (zh) | 物流仿真方法、装置及设备 | |
CN109945884B (zh) | 实时路径规划方法、装置、计算机终端和可读存储介质 | |
CN110853349A (zh) | 车辆调度方法、装置及设备 | |
CN114819186A (zh) | 构建gbdt模型的方法、装置及预测方法、装置 | |
CN111507541B (zh) | 货量预测模型构建方法、货量测量方法、装置及电子设备 | |
CN107679683B (zh) | 软件开发进度预警方法和装置 | |
CN109816200A (zh) | 任务推送方法、装置、计算机设备和存储介质 | |
CN110378529B (zh) | 一种数据生成的方法、装置、可读存储介质和电子设备 | |
CN113406496B (zh) | 基于模型迁移的电池容量预测方法、***、装置及介质 | |
CN111192090A (zh) | 航班的座位分配方法、装置、存储介质和电子设备 | |
CN111815096A (zh) | 共享汽车投放方法、电子设备及存储介质 | |
Jiang et al. | A scheme for determining vehicle routes based on Arc-based service network design | |
CN111091215A (zh) | 车辆识别方法、装置、计算机设备和存储介质 | |
CN114118547A (zh) | 电动车公共充电站排队等待时间估算方法及*** | |
CN111754261B (zh) | 一种车辆出租意愿的评估方法、装置及终端设备 | |
CN113284343A (zh) | 一种基于智慧交通物联网的交通监测***及方法 | |
CN112488430A (zh) | 一种预测订单取消的建模方法、装置、计算机设备及计算机可读存储介质 | |
CN112686125A (zh) | 车辆类型的确定方法及装置、存储介质、电子装置 | |
CN113807560A (zh) | 一种物流成本预测方法、装置、电子设备以及存储介质 | |
CN111950753A (zh) | 一种景区客流预测的方法及装置 | |
Pisinger et al. | The baggage belt assignment problem | |
US11424625B2 (en) | Method and server for managing mobile rechargeable battery pools for multiple stations | |
CN112686444B (zh) | 基于相似车辆行驶特征数据的货车路线规划方法及装置 | |
CN109615187B (zh) | 一种od矩阵的评估方法、公交负载模拟方法及装置 | |
CN114708110A (zh) | 续保行为预测模型的联合训练方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |