一种作业拖车的智能化调度方法、装置及可读介质与流程

1.本发明涉及拖车调度领域，具体涉及一种作业拖车的智能化调度方法、装置及可读介质。


背景技术：

2.水平运输功能的处理技术主要依赖于集卡，堆场与集装箱对象、堆场与岸桥、岸桥之间的集装箱运送工作。装卸运作路线是起重机与货车固定配合的运作行驶，按照恰当的比例与规定的数量的集卡互相合作，岸桥能够开展装卸船舶的运作，一般来说，集卡的数量配备在4-6辆之间，在这个时候，岸桥与对应数量的车辆形成一条运作的线路。如果启动一个新的服务固定岸桥，卡车就一定要实现配置给集卡的工作。
3.从操作的层次来看，这种方法更为简易、路径变化很小。运作线路只在岸桥和堆场之间来开展，单一的路径减少了更多的失误。同时，它也有不足之处，因为集卡在重复操作的过程里面空载和负载都占据了一半的比例，空载率实现了50％，集卡的使用率相对来说很低。假如运送量不是很大的情况下，具有较高的利用率，会发生多辆集卡服务很少的集装箱的情况和集卡等待时间增多的情况，从而利用率也就对应的减低了；假如运送的流量很大，通过岸桥的配置数量将会使集卡数量受到一定的局限，也就是说，需要少量的集卡服务于多个集装箱，集卡不足的现象是无法避免的，这将导致岸边岸桥等候集卡很长一段时间，每个生产环节的联系将会受到一定的影响。总的来说，这些都表明不可以确保集卡的使用及装卸效率。所以，人工静态调度的运作会让集卡等候和服务的时间太多。岸桥等待集卡的情况常常出现，会导致集卡长期等候集装箱的情况出现，严重一些将会造成交通拥堵。


技术实现要素：

4.针对上述提到的技术问题。本技术的实施例的目的在于提出了一种作业拖车的智能化调度方法、装置及可读介质，来解决以上背景技术部分提到的技术问题。
5.第一方面，本技术的实施例提供了一种作业拖车的智能化调度方法，包括以下步骤：
6.s1，获取拖车的类型，根据拖车的类型进行任务类型的选择，得到每辆拖车相应的任务类型；
7.s2，基于每辆拖车相应的任务类型下的任务进行允许作业任务序列选择，得到每辆拖车的允许作业任务序列；
8.s3，基于允许作业任务序列及拖车情况进行综合概率计算，得到每辆拖车选择允许作业任务序列中的每个任务的综合概率，综合概率计算包括多层概率计算和加权概率计算，对综合概率进行排序并选取综合概率最大的任务为拖车的最优任务进行执行；
9.s4，对拖车执行的任务进行实时监控，得到拖车情况的特征标签，根据实时拖车情况采用xgboost模型对综合概率计算中的每个权重值进行优化，得到优化后的每个权重值，优化后的每个权重值用于下个循环的综合概率计算。
10.在一些实施例中，拖车的类型包括油罐拖车、危险品拖车、普通拖车，油罐拖车所执行的任务类型包括油罐箱任务和普通任务，优先执行油罐箱任务；危险品拖车所执行的任务类型包括危险品箱任务和普通任务，优先执行危险品箱任务；普通拖车所执行的任务类型为普通任务。
11.在一些实施例中，步骤s2中基于每辆拖车相应的任务类型下的任务进行允许作业任务序列选择，具体包括：
12.s21，以岸桥为作业点，将任务依据所属的作业点进行分类；
13.s22，将装船作业不同的场区作为不同的作业路，对同一个作业点下不同作业路的任务进行分类，得到多个作业类型；
14.s23，判断每个作业点下不同的作业类型的作业是否允许轮流派车作业；
15.s24，根据配载的顺序对每个作业点下不同作业类型的任务进行排序，并提取排序第一的任务作为第一任务；
16.s25，提取每个作业点下不同作业类型的任务中的加急任务作为第二任务；
17.s26，对第一任务和第二任务进行汇总和去重，得到每辆拖车的允许作业任务序列。
18.在一些实施例中，步骤s3中的综合概率计算中的多层概率计算至少为12层，每一层的概率值pi的计算依据依次包括拖车从所在的位置到达任务的起始位置的最短路径、任务起始位置拖车等待情况、任务起始位置拖车超时等待情况、任务终止位置拖车等待情况、任务终止位置拖车超时等待情况、任务所属作业点下作业拖车数量情况、任务是否紧急、任务与拖车的类型是否匹配、任务是否符合重进重出作业、任务所属的作业点在当前作业设备是否为长杆岸桥、任务起始位置设备作业的台时效率、任务终止位置设备作业的台时效率；综合概率计算中的加权概率计算根据以下公式进行综合概率计算：
[0019][0020]
其中，p为综合概率，pi为多层概率计算中第i层的概率值，ai为多层概率计算中第i层的权重值，i＝1.....12，n为12。
[0021]
在一些实施例中，p1＝行驶耗时/港区内行驶最远的路径耗时，行驶耗时为拖车从所在的位置到达任务的起始位置的最短路径与拖车的速度的比值，港区内行驶最远的路径耗时为港区内最远的两个作业点拖车行驶需要的耗时；p2＝任务起始位置等待拖车总数/拖车池内作业点平均车辆数，任务起始位置等待拖车总数根据任务起始位置拖车等待情况得到，拖车池内作业点平均车辆数为拖车池内拖车总数与作业点数量的比值；p3＝任务起始位置等待超时拖车数/任务起始位置等待拖车总数，任务起始位置等待超时拖车数根据任务起始位置拖车超时等待情况得到，其中，等待超时为等待时间超过时间阈值；p4＝任务终止位置等待拖车总数/拖车池内作业点平均车辆数，任务终止位置等待拖车总数根据任务终止位置拖车等待情况；p5＝任务终止位置等待超时拖车数/任务终止位置等待拖车总数，任务终止位置等待超时拖车数根据任务终止位置拖车超时等待情况得到；p6＝任务所属作业点下拖车总数/拖车池内作业点平均车辆数，任务所属作业点下拖车总数根据任务所属作业点下作业拖车数量情况得到；p
11
＝任务起始位置设备作业的台时效率/该设备的最大台时效率；p
12
＝任务终止位置设备作业的台时效率/该设备的最大台时效率。
[0022]
在一些实施例中，根据任务是否紧急、任务与拖车的类型是否匹配、任务是否符合
重进重出作业、任务所属的作业点在当前作业设备是否为长杆岸桥分别进行判断，分别得到p7＝0或p7＝1、p8＝0或p8＝1、p9＝0或p9＝1、p
10
＝0或p
10
＝1，其中否为0，是为1。
[0023]
在一些实施例中，拖车情况的特征标签包括拖车在提箱设备下等待耗时、拖车提箱设备作业耗时、拖车在卸箱设备下等待耗时、拖车卸箱设备作业耗时、任务起始位置拖车拥堵情况、任务终止位置拖车拥堵情况、任务起始位置设备空等时间、任务终止位置设备空等时间、任务起始位置拖车拥堵超时情况、任务终止位置拖车拥堵超时情况、拖车池内其他岸桥空等拖车情况、拖车重进重出情况。
[0024]
在一些实施例中，根据拖车情况的特征标签通过经训练的xgboost模型对多层概率计算中第i层的权重值ai进行多维度的置信度分析，得到每个维度的置信度，根据每个维度的置信度每个权重值进行调整，得到优化后的每个权重值。
[0025]
第二方面，本技术的实施例提供了一种作业拖车的智能化调度装置，包括：
[0026]
任务类型选择模块，被配置为获取拖车的类型，根据拖车的类型进行任务类型的选择，得到每辆拖车相应的任务类型；
[0027]
允许作业任务序列获取模块，被配置为基于每辆拖车相应的任务类型下的任务进行允许作业任务序列选择，得到每辆拖车的允许作业任务序列；
[0028]
综合概率计算模块，被配置为基于允许作业任务序列及拖车情况进行综合概率计算，得到每辆拖车选择允许作业任务序列中的每个任务的综合概率，综合概率计算包括多层概率计算和加权概率计算，对综合概率进行排序并选取综合概率最大的任务为拖车的最优任务进行执行；
[0029]
权重优化模块，被配置为对拖车执行的任务进行实时监控，得到实时拖车情况，根据实时拖车情况采用xgboost模型对综合概率计算中的每个权重值进行优化，得到优化后的每个权重值，优化后的每个权重值用于下个循环的综合概率计算。
[0030]
第三方面，本技术的实施例提供了一种电子设备，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第一方面中任一实现方式描述的方法。
[0031]
第四方面，本技术的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
[0032]
相比于现有技术，本发明具有以下有益效果：
[0033]
(1)本发明根据覆盖所有拖车作业的设备的效率、道路情况、拖车的行驶速度情况对全场拖车进行智能化调度，该方法能自我调整和优化，适用性强。
[0034]
(2)本发明在保证设备的不间断作业前提下，缩短拖车的空跑、提高拖车的重载率、减少拖车的使用数量，拖车的使用数量相比传统捆绑式作业减少10％-20％，拖车空跑相比传统捆绑式作业减少50％-10％，船时效率相比传统捆绑式作业未下降，有微提高。
附图说明
[0035]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]
图1是本技术的一个实施例可以应用于其中的示例性装置架构图；
[0037]
图2为本发明的实施例的作业拖车的智能化调度方法的逻辑示意图；
[0038]
图3为本发明的实施例的作业拖车的智能化调度方法的流程示意图；
[0039]
图4为本发明的实施例的作业拖车的智能化调度方法的拖车任务选型的流程示意图；
[0040]
图5为本发明的实施例的作业拖车的智能化调度装置的示意图；
[0041]
图6是适于用来实现本技术实施例的电子设备的计算机装置的结构示意图。
具体实施方式
[0042]
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，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它实施例，都属于本发明保护的范围。
[0043]
图1示出了可以应用本技术实施例的作业拖车的智能化调度方法或作业拖车的智能化调度装置的示例性装置架构100。
[0044]
如图1所示，装置架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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。
[0045]
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种应用，例如数据处理类应用、文件处理类应用等。
[0046]
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，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。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
[0047]
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上传的文件或数据进行处理的后台数据处理服务器。后台数据处理服务器可以对获取的文件或数据进行处理，生成处理结果。
[0048]
需要说明的是，本技术实施例所提供的作业拖车的智能化调度方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应地，作业拖车的智能化调度装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。
[0049]
应该理解，图1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。在所处理的数据不需要从远程获取的情况下，上述装置架构可以不包括网络，而只需服务器或终端设备。
[0050]
拖车的调度主要影响方面有：拖车的基本属性(油罐拖车、危险品拖车、普通拖车)、设备效率情况、设备拥堵情况。因此，从开始到结束具体的步骤分为5步。参考图2，首先根据拖车属性进行任务选型、再根据每台设备下的拥堵情况等等进行综合概率计算进行选择最优的具体任务、拖车执行任务、在任务选择完成之后监控拖车执行任务的情况，在任务
结束后对此次执行任务是有最优进行判断，利用xgboost模型对综合概率计算的权重进行优化修正，将数值应用于下次的计算。
[0051]
图3示出了本技术的实施例提供的一种作业拖车的智能化调度方法，包括以下步骤：
[0052]
s1，获取拖车的类型，根据拖车的类型进行任务类型的选择，得到每辆拖车相应的任务类型。
[0053]
在具体的实施例中，拖车的类型包括油罐拖车、危险品拖车、普通拖车。由于油罐箱对车架有要求，所以油罐箱任务只能由油罐拖车执行，危险品箱对司机的证件有要求，不同的危险品等级需要由有符合作业资质的司机作业，因此危险品箱的任务只能由危险品拖车执行；在任务选择完成后依据每根岸桥的任务作业顺序要求对任务进行分类排序，得出每辆拖车可以选择的任务序列。参考图4，对于任务选择：油罐拖车所执行的任务类型包括油罐箱任务和普通任务，优先执行油罐箱任务；危险品拖车所执行的任务类型包括危险品箱任务和普通任务，优先执行危险品箱任务；普通拖车所执行的任务类型为普通任务。
[0054]
s2，基于每辆拖车相应的任务类型下的任务进行允许作业任务序列选择，得到每辆拖车的允许作业任务序列。
[0055]
在具体的实施例中，步骤s2中基于每辆拖车相应的任务类型下的任务进行允许作业任务序列选择，具体包括：
[0056]
s21，以岸桥为作业点，将任务依据所属的作业点进行分类；
[0057]
s22，将装船作业不同的场区作为不同的作业路，对同一个作业点下不同作业路的任务进行分类，得到多个作业类型；
[0058]
s23，判断每个作业点下不同的作业类型的作业是否允许轮流派车作业；
[0059]
s24，根据配载的顺序对每个作业点下不同作业类型的任务进行排序，并提取排序第一的任务作为第一任务；
[0060]
s25，提取每个作业点下不同作业类型的任务中的加急任务作为第二任务；
[0061]
s26，对第一任务和第二任务进行汇总和去重，得到每辆拖车的允许作业任务序列。
[0062]
具体地，步骤s23中判断每个作业点下不同的类型的作业是否允许轮流派车作业指的是装船和卸船任务能否并行作业、多作业路能否并行作业。步骤s24指的是对于并行作业的多作业路中每个作业路提取一条任务。
[0063]
s3，基于允许作业任务序列及拖车情况进行综合概率计算，得到每辆拖车选择允许作业任务序列中的每个任务的综合概率，综合概率计算包括多层概率计算和加权概率计算，对综合概率进行排序并选取综合概率最大的任务为拖车的最优任务进行执行。
[0064]
具体地，对每辆拖车对允许作业任务序列进行多层概率计算，通过加权概率计算拖车选择每个任务的综合概率，选择综合概率值最大的任务作为拖车执行的最优任务。其中，在算法第一次运行是权重为初始化值。
[0065]
多层概率计算具体过程如下：
[0066]
1)拖车到达任务的起始位置的距离计算：将码头的所有作业点信息网格化，场内的坐标信息转化为火星坐标系的gps位置信息，从拖车获取的位置信息为火星作业系的gps位置信息，利用迪杰斯特拉算法和死锁策略计算拖车到达任务起始位置行驶距离以及行驶
路径；采用迪杰斯特拉算法计算一个顶点到其余各顶点的最短路径算法，通过死锁策略对每个行驶节点判断是否存在拖车的交叉碰撞情况，避免在节点交叉处的拖车碰撞拥堵，通过死锁策略对迪杰斯特拉算法的最短路径进行优化，找出一条无死锁的最短行驶路线，p1＝行驶耗时/港区内行驶最远的路径耗时；行驶耗时为从拖车的当前位置(上一个任务结束)到新的任务开始位置的空跑距离，通过gps位置判断拖车的当前位置，如果当前采集到的gps位置的数据采集时间与当前的时间差超过2分钟，则认为gps数据不准确，采用上次的位置加时间差的预估位置，如果与当前的时间差小于1分钟，认为gps位置准确，采用gps位置进行计算，如果gps位置与上次的位置加时间差的预估位置偏差大采用上次的位置加时间差的预估位置计算，上次的位置加时间差的预估位置：时间的差乘以拖车的速度得出行驶的距离，通过预估行驶距离加上上次的位置推算出的拖车预估位置；将港区划分为好多个作业点，对每两个作业点的行驶距离进行计算，其中计算出的距离最远的两个点的行驶耗时就是港区内行驶最远的路径耗时；
[0067]
2)任务起始位置拖车等待情况(包含外集卡)：计算每条任务起始位置的拖车等待情况，每辆拖车的等待耗时，p2＝任务起始位置等待拖车总数/拖车池内作业点平均车辆数；
[0068]
3)对等待耗时超过10分钟的拖车数进行统计，p3＝任务起始位置等待超时拖车数/任务起始位置等待拖车总数；
[0069]
4)任务终止位置拖车等待情况(包含外集卡)：计算每条任务终止位置的拖车拥堵情况，每辆拖车的等待耗时，p4＝任务终止位置等待拖车总数/拖车池内作业点平均车辆数；
[0070]
5)对等待耗时超过10分钟的拖车数进行统计，p5＝任务终止位置等待超时拖车数/终止等待拖车总数；
[0071]
6)任务所属作业点下作业拖车数量情况：计算正在执行任务所属作业点的拖车数量，p6＝作业点下拖车总数/拖车池内作业点平均车辆数；
[0072]
7)任务紧急情况判断：判断任务的紧急程度，p7＝0或者p7＝1；
[0073]
8)任务与拖车属性的匹配程度：判断任务的集装箱货类与拖车类型是否一致，p8＝0或者p8＝1；
[0074]
9)任务是否符合重进重出作业：任务的作业类型(装船、卸船)与拖车上次执行任务的类型进行匹配，装船作业到卸船作业、卸船作业到装船作业为符合重进重出作业，p9＝0或者p9＝1；
[0075]
10)任务所属的作业点是够为长杆：判断任务所属的作业点在当前作业船舶是否为长杆岸桥，p10＝0或者p10＝1；
[0076]
11)任务起始位置的设备作业效率：计算任务起始位置设备作业的台时效率，p11＝任务起始位置设备台时效率/该设备最大台时效率；
[0077]
12)任务终止位置的设备作业效率：计算任务终止位置设备作业的台时效率，p12＝任务终止位置设备设备台时效率/该设备最大台时效率；
[0078]
在具体的实施例中，步骤s3中的综合概率计算中的多层概率计算至少为12层，每一层的概率值pi的计算依据依次包括拖车从所在的位置到达任务的起始位置的最短路径、任务起始位置拖车等待情况、任务起始位置拖车超时等待情况、任务终止位置拖车等待情
况、任务终止位置拖车超时等待情况、任务所属作业点下作业拖车数量情况、任务是否紧急、任务与拖车的类型是否匹配、任务是否符合重进重出作业、任务所属的作业点在当前作业设备是否为长杆岸桥、任务起始位置设备作业的台时效率、任务终止位置设备作业的台时效率；综合概率计算中的加权概率计算根据以下公式进行综合概率计算：
[0079][0080]
其中，p为综合概率，pi为多层概率计算中第i层的概率值，ai为多层概率计算中第i层的权重值，i＝1.....12，n为12。对计算出综合概率的概率值进行排序，得出概率值最大的任务，作为拖车执行的最优任务。
[0081]
在具体的实施例中，p1＝行驶耗时/港区内行驶最远的路径耗时，行驶耗时为拖车从所在的位置到达任务的起始位置的最短路径与拖车的速度的比值，港区内行驶最远的路径耗时为港区内最远的两个作业点拖车行驶需要的耗时；p2＝任务起始位置等待拖车总数/拖车池内作业点平均车辆数，任务起始位置等待拖车总数根据任务起始位置拖车等待情况得到，拖车池内作业点平均车辆数为拖车池内拖车总数与作业点数量的比值；p3＝任务起始位置等待超时拖车数/任务起始位置等待拖车总数，任务起始位置等待超时拖车数根据任务起始位置拖车超时等待情况得到，其中，等待超时为等待时间超过时间阈值；p4＝任务终止位置等待拖车总数/拖车池内作业点平均车辆数，任务终止位置等待拖车总数根据任务终止位置拖车等待情况；p5＝任务终止位置等待超时拖车数/任务终止位置等待拖车总数，任务终止位置等待超时拖车数根据任务终止位置拖车超时等待情况得到；p6＝任务所属作业点下拖车总数/拖车池内作业点平均车辆数，任务所属作业点下拖车总数根据任务所属作业点下作业拖车数量情况得到；p
11
＝任务起始位置设备作业的台时效率/该设备的最大台时效率；p
12
＝任务终止位置设备作业的台时效率/该设备的最大台时效率。
[0082]
在具体的实施例中，根据任务是否紧急、任务与拖车的类型是否匹配、任务是否符合重进重出作业、任务所属的作业点在当前作业设备是否为长杆岸桥分别进行判断，分别得到p7＝0或p7＝1、p8＝0或p8＝1、p9＝0或p9＝1、p
10
＝0或p
10
＝1，其中否为0，是为1。
[0083]
s4，对拖车执行的任务进行实时监控，得到拖车情况的特征标签，根据实时拖车情况采用xgboost模型对综合概率计算中的每个权重值进行优化，得到优化后的每个权重值，优化后的每个权重值用于下个循环的综合概率计算。
[0084]
在具体的实施例中，拖车情况的特征标签包括拖车在提箱设备下等待耗时、拖车提箱设备作业耗时、拖车在卸箱设备下等待耗时、拖车卸箱设备作业耗时、任务起始位置拖车拥堵情况、任务终止位置拖车拥堵情况、任务起始位置设备空等时间、任务终止位置设备空等时间、任务起始位置拖车拥堵超时情况、任务终止位置拖车拥堵超时情况、拖车池内其他岸桥空等拖车情况、拖车重进重出情况。
[0085]
在具体的实施例中，根据拖车情况的特征标签通过经训练的xgboost模型对多层概率计算中第i层的权重值ai进行多维度的置信度分析，得到每个维度的置信度，根据每个维度的置信度每个权重值进行调整，得到优化后的每个权重值。
[0086]
具体地，对拖车执行的任务进行实时监控，计算拖车任务执行结束后拖车情况的特征标签，将多标签的数据输入经训练的xgboost模型中，对每个权重值进行调整。
[0087]
其中，特征标签的数据计算：
[0088]
拖车的提箱设备下等待耗时：拖车到达提箱位置下等待设备的耗时；
[0089]
拖车提箱设备作业耗时：拖车在提箱位置设备提箱作业的耗时；
[0090]
拖车卸箱设备下等待耗时：拖车到达卸箱位置下等待设备的耗时；
[0091]
拖车卸箱设备作业耗时：拖车在卸箱位置设备卸箱作业的耗时；
[0092]
任务起始位置拖车拥堵情况：拖车作业的任务起始位置的拖车等待数量；
[0093]
任务终止位置拖车拥堵情况：拖车作业的任务终止位置的拖车等待数量；
[0094]
任务起始位置设备空等时间：拖车作业的任务起始位置设备等待作业的空等时长；
[0095]
任务终止位置设备空等时间：拖车作业的任务终止位置设备等待作业的空等时长；
[0096]
任务起始位置拖车拥堵超时情况：拖车作业的任务起始位置拖车等待耗时超过15分钟的车辆数；
[0097]
任务终止位置拖车拥堵超时情况：拖车作业的任务终止位置拖车等待耗时超过15分钟的车辆数；
[0098]
拖车池内其他岸桥空等拖车情况：拖车池内非当前拖车作业所属岸桥等待集装箱作业的耗时；
[0099]
拖车重进重出情况：拖车当前执行的任务是否符合重进重出的要求。
[0100]
具体地，间隔30分钟、连续任务派发超过5次拖车作业的任务总耗时均超过30分钟，对权重值进行重新计算。采用经训练的xgboost模型对12个维度的数据进行置信度分析，输出每个维度的置信度，根据每个维度的置信度分别对综合概率计算中用到的权重值进行调整，将调整后的权重值用作下次派车的计算中。
[0101]
xgboost模型的训练过程中间隔一小时利用历史的数据对xgboost模型进行训练，新的模型覆盖旧的模型，同时对旧模型进行备份，如果再使用新模型后连续任务派发超过5次拖车作业的任务总耗时均超过30分钟，认为新的模型不可用，将重新启动旧模型进行权重计算。
[0102]
本发明的实施例在保证设备的不间断作业前提下，缩短拖车的空跑、提高拖车的重载率、减少拖车的使用数量，拖车的使用数量相比传统捆绑式作业减少10％-20％，拖车空跑相比传统捆绑式作业减少50％-10％，船时效率相比传统捆绑式作业未下降，有微提高。
[0103]
进一步参考图5，作为对上述各图所示方法的实现，本技术提供了一种作业拖车的智能化调度装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0104]
本技术实施例提供了一种作业拖车的智能化调度装置，包括：
[0105]
任务类型选择模块1，被配置为获取拖车的类型，根据拖车的类型进行任务类型的选择，得到每辆拖车相应的任务类型；
[0106]
允许作业任务序列获取模块2，被配置为基于每辆拖车相应的任务类型下的任务进行允许作业任务序列选择，得到每辆拖车的允许作业任务序列；
[0107]
综合概率计算模块3，被配置为基于允许作业任务序列及拖车情况进行综合概率计算，得到每辆拖车选择允许作业任务序列中的每个任务的综合概率，综合概率计算包括多层概率计算和加权概率计算，对综合概率进行排序并选取综合概率最大的任务为拖车的
最优任务进行执行；
[0108]
权重优化模块4，被配置为对拖车执行的任务进行实时监控，得到实时拖车情况，根据实时拖车情况采用xgboost模型对综合概率计算中的每个权重值进行优化，得到优化后的每个权重值，优化后的每个权重值用于下个循环的综合概率计算。
[0109]
下面参考图6，其示出了适于用来实现本技术实施例的电子设备(例如图1所示的服务器或终端设备)的计算机装置600的结构示意图。图6示出的电子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。
[0110]
如图6所示，计算机装置600包括中央处理单元(cpu)601和图形处理器(gpu)602，其可以根据存储在只读存储器(rom)603中的程序或者从存储部分609加载到随机访问存储器(ram)604中的程序而执行各种适当的动作和处理。在ram 604中，还存储有装置600操作所需的各种程序和数据。cpu 601、gpu602、rom 603以及ram604通过总线605彼此相连。输入/输出(i/o)接口606也连接至总线605。
[0111]
以下部件连接至i/o接口606：包括键盘、鼠标等的输入部分607；包括诸如、液晶显示器(lcd)等以及扬声器等的输出部分608；包括硬盘等的存储部分609；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610。通信部分610经由诸如因特网的网络执行通信处理。驱动器611也可以根据需要连接至i/o接口606。可拆卸介质612，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611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609。
[0112]
特别地，根据本公开的实施例，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610从网络上被下载和安装，和/或从可拆卸介质612被安装。在该计算机程序被中央处理单元(cpu)601和图形处理器(gpu)602执行时，执行本技术的方法中限定的上述功能。
[0113]
需要说明的是，本技术所述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介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的装置、装置或器件，或者任意以上的组合。计算机可读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装置、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装置、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。
[0114]
可以以一种或多种程序设计语言或其组合来编写用于执行本技术的操作的计算
机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0115]
附图中的流程图和框图，图示了按照本技术各种实施例的装置、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，该模块、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，框图和/或流程图中的每个方框、以及框图和/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装置来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0116]
描述于本技术实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中。
[0117]
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电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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该电子设备执行时，使得该电子设备：获取拖车的类型，根据拖车的类型进行任务类型的选择，得到每辆拖车相应的任务类型；基于每辆拖车相应的任务类型下的任务进行允许作业任务序列选择，得到每辆拖车的允许作业任务序列；基于允许作业任务序列及拖车情况进行综合概率计算，得到每辆拖车选择允许作业任务序列中的每个任务的综合概率，综合概率计算包括多层概率计算和加权概率计算，对综合概率进行排序并选取综合概率最大的任务为拖车的最优任务进行执行；对拖车执行的任务进行实时监控，得到拖车情况的特征标签，根据实时拖车情况采用xgboost模型对综合概率计算中的每个权重值进行优化，得到优化后的每个权重值，优化后的每个权重值用于下个循环的综合概率计算。
[0118]
以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本技术中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。