一种基于大数据的物流调度方法与系统

本发明属于物流调度，尤其涉及一种基于大数据的物流调度方法与系统。

背景技术：

1、近年来，随着电子商务行业和物流行业的快速发展，基于物联网的技术以高度信息化、智能化为特征的智能物流业务也应运而生。并且，在国家的大力倡导的前提下，以及在“加快建设社会化、专业化、信息化的现代物流服务台体系，提高物流智能化管理和标准化水平”的大环境之下，物流信息化、物流调度、排程等技术被人们所逐渐重视并日趋成熟。另外，在路线优化技术中，通常会使用到地图导航系统以及实时交通系统等来支援物流路径的设计，帮助人们找寻从出发地到达目的地的最优路径。而以往在设置最优路径的过程中，较为普遍的是按照系统中保存的电子地图信息(数据)对路径进行静态规划。

2、因此，目前国内的物流配送系统中，在对配送前的路线优化依然存在着不够完善因而不能很好地对应客户特定的情况来设定配送路线的问题。进一步地，例如在发生一些突发事件或者其他影响原有计划的因素产生时，及时、高效地调整配送路径和安全、合理地调度配送任务的服务也是在物流服务行业中不可或缺的一种调整。所以，能够灵活且合理地对应各种状况变化以及客户的各种配送需求的技术为人们所迫切期待。

技术实现思路

1、为解决上述技术问题，本发明提出了一种基于大数据的物流调度方法与系统，以解决上述现有技术存在的问题。

2、为实现上述目的，本发明提供了一种基于大数据的物流调度方法，包括：

3、基于监测设备和交易系统获取订单数据、车辆数据和环境数据；

4、对所述订单数据、车辆数据和环境数据进行预处理，获得预处理数据集；

5、构建决策树机器学习模型，并将所述决策树机器学习模型进行优化，基于样本集对优化后的决策树机器学习模型进行训练，获得物流调度模型；

6、将所述预处理数据集输入至所述物流调度模型中进行计算，生成调度结果，基于所述调度结果对物流进行调度。

7、优选地，所述订单数据包括但不限于：订单来源、目的地、交付时间、货物信息；

8、所述车辆数据包括但不限于：车辆类型、载货能力、实时位置；

9、所述环境数据包括但不限于：交通状况、道路状态、天气情况。

10、优选地，对所述订单数据、车辆数据和环境数据进行预处理，获得预处理数据集的过程包括：

11、将所述订单数据、车辆数据和环境数据融合至三维地图模型中，生成信息模型，同时获取需调度数据；

12、对所述信息模型中物流调度的起点和终点进行标注，获得标注模型；

13、对所述标注模型进行区域划分，将每个区域的平均物流负载率进行分析，获得可调度数据和需调度数据并进行合并，获得所述预处理数据集。

14、优选地，对所述订单数据、车辆数据和环境数据进行预处理，获得预处理数据集的过程还包括：对所述预处理数据集进行数据清洗和归一化，然后通过特征工程对数据集进行信息增强，完成数据集的预处理。

15、优选地，所述获得物流调度模型的过程包括：

16、构建决策树机器学习模型并将所述模型进行优化，获得改进的决策树模型；

17、通过rbms算法对所述改进的决策树模型进行预训练，在所述改进的决策树模型完成数据的权重分布学习后结束训练，获得所述优化后的决策树机器学习模型；

18、获取样本集，通过所述样本集将所述优化后的决策树机器学习模型进行训练，获得所述物流调度模型。

19、优选地，所述获得改进的决策树模型的过程包括：

20、构建决策树机器学习模型；

21、构建注意力学习模块，将所述注意力学习模块导入至所述决策树机器学习模型中的内部节点中，获得注意力决策模型；

22、将所述注意力决策模型在物流数据调度平衡的任务上进行微调，获得所述改进的决策树模型。

23、优选地，获取样本集，通过所述样本集将所述优化后的决策树机器学习模型进行训练的过程包括：

24、获取样本集，对所述样本集进行划分，获得训练集和测试集；

25、将所述训练集输入至所述优化后的决策树机器学习模型中进行迭代训练，并通过测试集对训练后的模型进行验证，获得所述物流调度模型；

26、将所述迭代训练的过程数据储存至xml数据库中并进行保存。

27、优选地，将所述预处理数据集输入至所述物流调度模型中进行计算，生成调度结果，基于所述调度结果对物流进行调度的过程包括：

28、将所述预处理数据集输入至所述物流调度模型中进行计算，获得所述调度结果；

29、基于所述调度结果构建配送车辆的实时动线信息；

30、将所述实时动线信息反馈至调度终端对物流车辆进行实时调度并反馈至物流调度模型中对所述实时动线信息进行实时调整。

31、为实现上述目的，本发明还提供了一种基于大数据的物流调度系统，包括：

32、数据获取子系统，用于基于监测设备和交易系统获取订单数据、车辆数据和环境数据；

33、分析子系统，与所述数据获取子系统连接，用于对所述订单数据、车辆数据和环境数据进行预处理，获得预处理数据集；

34、计算子系统，与所述分析子系统连接，用于构建决策树机器学习模型，并将所述决策树机器学习模型进行优化，基于样本集对优化后的决策树机器学习模型进行训练，获得物流调度模型；

35、调度子系统，分别与所述数据获取子系统和所述计算子系统连接，用于将所述预处理数据集输入至所述物流调度模型中进行计算，生成调度结果，基于所述调度结果对物流进行调度。

36、与现有技术相比，本发明具有如下优点和技术效果：

37、本发明中决策树模型能够根据大量的历史数据和实时数据，快速生成决策规则。这些规则能够精确地指导物流调度过程中的决策，例如路线规划、车辆分配等。通过分析各种因素的权衡和交互作用，决策树可以优化物流调度的效率和准确性。物流调度过程中的数据可能会随着时间和环境的变化而变化。决策树模型具有的适应性，能够根据新的数据进行更新和调整，从而及时反映出当前的环境和条件。这种能力使得系统能够动态地调整决策，以应对突发事件或者新的运营场景。

技术特征：

1.一种基于大数据的物流调度方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于大数据的物流调度方法，其特征在于，所述订单数据包括但不限于：订单来源、目的地、交付时间、货物信息；

3.根据权利要求1所述的基于大数据的物流调度方法，其特征在于，对所述订单数据、车辆数据和环境数据进行预处理，获得预处理数据集的过程包括：

4.根据权利要求3所述的基于大数据的物流调度方法，其特征在于，对所述订单数据、车辆数据和环境数据进行预处理，获得预处理数据集的过程还包括：对所述预处理数据集进行数据清洗和归一化，然后通过特征工程对数据集进行信息增强，完成数据集的预处理。

5.根据权利要求1所述的基于大数据的物流调度方法，其特征在于，所述获得物流调度模型的过程包括：

6.根据权利要求5所述的基于大数据的物流调度方法，其特征在于，所述获得改进的决策树模型的过程包括：

7.根据权利要求5所述的基于大数据的物流调度方法，其特征在于，获取样本集，通过所述样本集将所述优化后的决策树机器学习模型进行训练的过程包括：

8.根据权利要求1所述的基于大数据的物流调度方法，其特征在于，将所述预处理数据集输入至所述物流调度模型中进行计算，生成调度结果，基于所述调度结果对物流进行调度的过程包括：

9.一种基于大数据的物流调度系统，其特征在于，包括：

技术总结
本发明公开了一种基于大数据的物流调度方法与系统，属于物流调度技术领域，包括：基于监测设备和交易系统获取订单数据、车辆数据和环境数据；对所述订单数据、车辆数据和环境数据进行预处理，获得预处理数据集；构建决策树机器学习模型，并将所述决策树机器学习模型进行优化，基于样本集对优化后的决策树机器学习模型进行训练，获得物流调度模型；将所述预处理数据集输入至所述物流调度模型中进行计算，生成调度结果，基于所述调度结果对物流进行调度。本发明中决策树模型能够根据大量的历史数据和实时数据，快速生成决策规则。这些规则能够精确地指导物流调度过程中的决策，例如路线规划、车辆分配等。

技术研发人员：廖艳利
受保护的技术使用者：肇庆医学院
技术研发日：
技术公布日：2024/12/30