[发明专利]生成配送路区的方法、装置及计算机可读存储介质

说明书

本公开提供了一种生成配送路区的方法、装置及计算机可读存储介质，涉及物流管理技术领域。其中的方法包括：获取待配送订单的数量信息以及待配送订单的地理位置信息；将数量信息以及地理位置信息输入预先训练的深度学习神经网络，输出待配送订单的配送路区，配送路区为规划在道路信息上以表示配送范围的区域。本公开能够为配送员自动化生成配送路区，平衡配送员的配送订单数量，提高对配送区域的管理水平。

技术领域

本公开涉及物流管理技术领域，特别涉及一种生成配送路区的方法、装置及计算机可读存储介质。

背景技术

随着电商的迅猛发展，快递业已经成为与每个人生活息息相关的产业。电商业务需求庞大，快递业务发展十分迅猛。由于业务发展过于迅速，快递管理系统的发展明显落后于业务需求。快递追求速度和覆盖范围的野蛮增长，造成配送站点和配送员配送区域的划分并不经济。尤其是配送区域划分的不公平，将导致快递员同工不同酬甚至是干多得少的现象。

现有配送范围的规划主要根据业务需求，如某配送站有2名配送员配送地区A和B，随着业务的增长，2名员工已经很难满足A、B地区的时效。此时，便需要招募新的配送员。具体每个配送员的配送范围主要是站长根据经验来划分，如某片区域的单量情况和时效要求(如单位要求必须白天配送等)等进行任务分配。由于某些区域的人员流动，且一个配送站内每天的配送单量可能不同，每个地方的订单分布也可能不同，导致现有的人员安排不能够履行订单的履约时效，便需要对人员进行重新分配。

相关技术中，目前配送员的配送范围主要由站长根据经验分配。使得每名快递员的配送时长基本平衡。

发明内容

本公开解决的一个技术问题是，如何为配送员自动化生成配送路区，平衡配送员的配送订单数量，提高对配送区域的管理水平。

根据本公开实施例的一个方面，提供了一种生成配送路区的方法，包括：获取待配送订单的数量信息以及待配送订单的地理位置信息；将数量信息以及地理位置信息输入预先训练的深度学习神经网络，输出待配送订单的配送路区，配送路区为规划在道路信息上以表示配送范围的区域。

在一些实施例中，采用以下方法对深度学习神经网络进行训练：从用于训练的订单样本中提取预设的订单数量信息、预设的订单地理位置信息、预设的订单配送路区以及道路信息，输入深度学习神经网络，以对深度学习神经网络进行训练，使得深度学习神经网络能够根据输入的待配送订单的数量信息以及待配送订单的地理位置信息，输出待配送订单的配送路区。

在一些实施例中，采用如下方法获取预设的订单配送路区以及预设的订单数量信息：获取某一次配送时为配送站点中各个配送员规划的订单配送路区，并获取各个订单配送路区内的订单配送时长和订单配送数量；计算配送站点的订单配送时长平均值以及订单配送数量平均值；将至少满足以下两个条件之一的订单配送路区，作为预设的订单配送路区：订单配送时长与订单配送时长平均值之差小于第一预设值的订单配送路区，订单配送数量与订单配送数量平均值之差小于第二预设值的订单配送路区；将预设的订单配送路区的订单配送数量作为预设的订单数量信息。

在一些实施例中，将配送员标识、配送员标识对应的数量信息以及配送员标识对应的地理位置信息输入预先训练的深度学习神经网络，输出配送员标识对应的待配送订单的配送路区。

在一些实施例中，方法还包括：计算输出的各个订单配送路区内的订单配送数量；在输出的订单配送路区内的订单配送数量与配送站点的订单配送数量平均值之差大于第三预设值时，对输出的配送路区的规划范围进行调整。

在一些实施例中，深度学习神经网络为基于VGGNet的FCN-32s、FCN-16s、FCN-8s中的一种。