[发明专利]拼单网络模型的生成方法及装置、计算机可读介质以及物流系统

说明书

本发明涉及一种拼单网络模型的生成方法及装置、计算机可读介质以及物流系统。该拼单网络模型的生成方法，包括：步骤S1，获取包含运输数据的历史订单，筛选出同一拼单调度下的多个订单；步骤S2，将同一拼单调度下多个订单的运输数据转换为一特征向量c，遍历所有历史订单，集合所有特征向量形成特征向量空间；步骤S3，采用DBSCAN算法对特征向量空间进行聚类。通过本发明提供的方案有助于建立基于DBSCAN的拼单网络模型，使多城配送拼单方法的调度更合理，可完全自动化运行大规模的拼单操作。

技术领域

本发明涉及机器学习、大数据处理及智能物流运输领域，特别涉及一种拼单网络模型的生成方法及装置、计算机可读介质以及物流系统。

背景技术

基于大数据的智能物流运输决策是人工智能与物流领域的交叉领域，旨在利用人工智能技术从大数据中挖掘出相关规律从而指导物流决策。本发明要解决的问题是全国性范围多城市配送中的拼单问题。

在一个全国范围内具有配送体系的物流公司而言，从出发地到达目的地的物流配送全部由本公司的运输车辆完成。中国是个幅员辽阔的国家，如果出发地和目的地的距离很远，而订单又不能满载。那么运输车辆的运输效率就会大大降低，由此产生了多个目的地拼单的方法。即多个目的地的订单放在一辆运输车辆上完成运输。这样可大大提高满载率从而最大程度上的降低了运营成本。但是配送拼单也会带来不好的地方，比如中途装卸会导致大型商品的质损，以及增加总的运输时间等等，因此如何选择拼单也就是一个难点问题。

智能物流订单拼单的现有解决方案之一是经验判断法。资深的调度员根据多个目的地之间的距离，订单的延期状态，目的地的订单分布情况进行人为判断，从而决定是多个目的地进行拼单还是另外多个目的地进行拼单或者让订单继续延期从而可能在未来达到满载状态避免拼单。因为拼单在实际业务中涉及商品的装卸，从而加大了对商品的质损风险和商品的实际到达时间。这种拼单方法的结果相对比较好，但是需要耗费大量的人力对每一次调度进行判断，无法在自动化物流技术的大规模智能物流体系中应用。

另一种拼单方法是则是距离规则法。利用目的地之间的距离远近人为设置一个距离来判断是否可以拼单。该方法实际效果有限，因为订单是否能拼单涉及到除距离以外的多个因素。因此，目前仍然缺乏有效的多城配送拼单策略。

发明内容

本发明要解决的技术问题是提供一种拼单网络模型的生成方法及装置、多城配送拼单方法、计算机可读介质以及物流系统，所生成的拼单网络模型有助于实现自动化的多城配送拼单调度。

为解决上述技术问题，本发明提供了一种拼单网络模型的生成方法，包括：

步骤S1，获取包含运输数据的历史订单，筛选出同一拼单调度下的多个订单；

步骤S2，将同一拼单调度下多个订单的运输数据转换为一特征向量c，遍历所有历史订单，集合所有特征向量形成特征向量空间；

步骤S3，采用DBSCAN算法对所述特征向量空间进行聚类。

根据本发明的一个实施例，所述特征向量c至少包含三个特征α，β，γ，所述特征向量c表述为：

c＝(α，β，γ)

其中α为所述同一拼车调度中最小延期时间，β为所述同一拼车调度中的前段距离与后段距离比值，γ为所述同一拼单调度中的装载率。

根据本发明的一个实施例，所述特征向量c还包含特征δ，所述特征向量c表述为：

c＝(α，β，γ，δ)

其中δ为此模式拼车历史发生次数。

根据本发明的一个实施例，所述特征α为：

α＝min(max_i∈M o_i,max_j∈N o_j)