本發(fā)明涉及無人駕駛車輛調(diào)度，尤其涉及一種無人駕駛物流配送車的調(diào)度方法、系統(tǒng)及介質(zhì)。

背景技術(shù)：

1、作為整個(gè)貨運(yùn)物流傳動(dòng)鏈條中費(fèi)用最大、效率最低、環(huán)境污染最嚴(yán)重的末端配送階段，一直是派送階段質(zhì)量的短板。末端配送在費(fèi)用和時(shí)間的耗費(fèi)占整個(gè)派送作業(yè)的30％以上。而末端配送的痛點(diǎn)由客觀原因和人為要素產(chǎn)生，體現(xiàn)在物流尾端的須派送貨物品類諸多、配送過程中環(huán)境繁雜、派送途徑繁雜、消費(fèi)者對(duì)于派送規(guī)定多種多樣、派送工作人員服務(wù)質(zhì)量不一等方面。

2、末端派送的痛點(diǎn)持續(xù)存在，但配送需求與日俱增。在互聯(lián)網(wǎng)快速發(fā)展的同時(shí)，物流運(yùn)輸也在飛速發(fā)展，不斷增長(zhǎng)的貨運(yùn)量和訂單數(shù)量給派送末端帶來極大的工作壓力。單靠人力開展末端派送，早已不能完全處理時(shí)下物流運(yùn)輸末端配送所存在的困難，無人配送的高速發(fā)展刻不容緩。

3、無人配送是一種自動(dòng)駕駛系統(tǒng)的實(shí)際應(yīng)用，因此需要使用自動(dòng)駕駛中的相關(guān)技術(shù)，其中大部分技術(shù)跟一般的無人駕駛基本一致，需要將硬件與軟件感應(yīng)器緊密結(jié)合，完成汽車定位、環(huán)境感知、路徑?jīng)Q策、車輛控制等操作。但目前的無人駕駛物流配送研究大多聚焦于單個(gè)無人駕駛物流車行駛過程中的自身定位、環(huán)境感知等技術(shù)的精度提升，忽略了整個(gè)配送區(qū)域內(nèi)若干輛無人駕駛物流車的合理調(diào)度問題，而調(diào)度若不合理，則會(huì)導(dǎo)致配送區(qū)域內(nèi)的物流配送效率降低，無法實(shí)現(xiàn)效率最大化，無法達(dá)到人們對(duì)無人配送的效率預(yù)期。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施例提供了一種無人駕駛物流配送車的調(diào)度方法、系統(tǒng)及介質(zhì)，用于解決如下技術(shù)問題：目前的無人駕駛物流配送方法忽略了整個(gè)配送區(qū)域內(nèi)若干輛無人駕駛物流車的合理調(diào)度問題，易導(dǎo)致配送區(qū)域內(nèi)的物流配送效率降低，無法實(shí)現(xiàn)效率最大化。

2、本發(fā)明實(shí)施例采用下述技術(shù)方案：

3、一方面，本發(fā)明實(shí)施例提供了一種無人駕駛物流配送車的調(diào)度方法，方法包括：獲取待配送區(qū)域的區(qū)域電子地圖以及待配送快遞的配送地址；

4、將所述配送地址與所述區(qū)域電子地圖進(jìn)行關(guān)聯(lián)，得到每個(gè)配送地址在所述區(qū)域電子地圖中的位置坐標(biāo)；

5、基于所述位置坐標(biāo)，對(duì)所述配送地址進(jìn)行聚類分析，確定出若干個(gè)配送聚類區(qū)域；

6、根據(jù)每個(gè)配送聚類區(qū)域中的待配送快遞數(shù)量，分配對(duì)應(yīng)的無人駕駛物流配送車；

7、根據(jù)每個(gè)配送聚類區(qū)域中的待配送快遞的配送信息，確定每輛無人駕駛物流配送車的最佳配送時(shí)間；

8、基于路徑尋優(yōu)算法，確定每輛無人駕駛物流配送車的最短遍歷路線；

9、基于所述最佳配送時(shí)間及所述最短遍歷路線，對(duì)所述無人駕駛物流配送車進(jìn)行調(diào)度。

10、在一種可行的實(shí)施方式中，獲取待配送區(qū)域的區(qū)域電子地圖以及待配送快遞的配送地址，具體包括：

11、在導(dǎo)航系統(tǒng)中獲取并下載待配送區(qū)域的電子地圖；

12、在物流信息錄入系統(tǒng)中，獲取當(dāng)日需配送的快遞，得到待配送快遞；

13、在所述待配送快遞的快遞信息中，提取配送地址。

14、在一種可行的實(shí)施方式中，將所述配送地址與所述區(qū)域電子地圖進(jìn)行關(guān)聯(lián)，得到每個(gè)配送地址在所述區(qū)域電子地圖中的位置坐標(biāo)，具體包括：

15、將所述配送地址批量輸入到所述區(qū)域電子地圖中，在所述區(qū)域電子地圖中顯示對(duì)應(yīng)的位置圖標(biāo)；

16、基于所述區(qū)域電子地圖構(gòu)建二維坐標(biāo)系，并獲取每個(gè)位置圖標(biāo)在所述區(qū)域電子地圖中的位置坐標(biāo)。

17、在一種可行的實(shí)施方式中，基于所述位置坐標(biāo)，對(duì)所述配送地址進(jìn)行聚類分析，確定出若干個(gè)配送聚類區(qū)域，具體包括：

18、根據(jù)當(dāng)前配送點(diǎn)的無人駕駛物流配送車數(shù)量，確定聚類中心的數(shù)量k；

19、在所述位置坐標(biāo)中隨機(jī)選取k個(gè)位置坐標(biāo)作為初始聚類中心，并計(jì)算每個(gè)數(shù)據(jù)點(diǎn)與所述初始聚類中心的距離；

20、根據(jù)所述距離，將每個(gè)位置左邊分配到最近的初始聚類中心，得到k個(gè)初始聚類簇；

21、計(jì)算每個(gè)初始聚類簇中所有位置坐標(biāo)的均值，更新為新的聚類中心，并進(jìn)行迭代分配，直至聚類中心的位置收斂，得到最終的聚類簇劃分結(jié)果；

22、將所述聚類簇劃分結(jié)果中的每個(gè)聚類簇所在的區(qū)域確定為一個(gè)配送聚類區(qū)域。

23、在一種可行的實(shí)施方式中，根據(jù)每個(gè)配送聚類區(qū)域中的待配送快遞數(shù)量，分配對(duì)應(yīng)的無人駕駛物流配送車，具體包括：

24、根據(jù)每個(gè)配送聚類區(qū)域中的位置坐標(biāo)，統(tǒng)計(jì)每個(gè)配送聚類區(qū)域中的待配送快遞數(shù)量；

25、將所述待配送快遞數(shù)量與當(dāng)前配送點(diǎn)的每輛無人駕駛物流配送車的容量進(jìn)行匹配，并根據(jù)匹配結(jié)果為每個(gè)配送聚類區(qū)域分配對(duì)應(yīng)的無人駕駛物流配送車。

26、在一種可行的實(shí)施方式中，根據(jù)每個(gè)配送聚類區(qū)域中的待配送快遞的配送信息，確定每輛無人駕駛物流配送車的最佳配送時(shí)間，具體包括：

27、在快遞配送系統(tǒng)中，提取當(dāng)前配送聚類區(qū)域?qū)?yīng)的待配送快遞的配送信息；其中，所述配送信息至少包括：收件人、收件人的歷史收件時(shí)間以及收件人的歷史收件成功率；

28、統(tǒng)計(jì)當(dāng)前配送聚類區(qū)域內(nèi)的每個(gè)收件人的歷史收件時(shí)間的分布規(guī)律，得到每個(gè)時(shí)間段內(nèi)的配送數(shù)量；

29、計(jì)算每個(gè)時(shí)間段內(nèi)對(duì)應(yīng)的所有收件人的歷史收件成功率的平均值，得到每個(gè)時(shí)間段內(nèi)的配送成功率；

30、根據(jù)每個(gè)時(shí)間段內(nèi)的配送數(shù)量與配送成功率，計(jì)算每個(gè)時(shí)間段的配送效率；

31、將配送效率最高的時(shí)間段確定為當(dāng)前配送聚類區(qū)域的最佳配送時(shí)間。

32、在一種可行的實(shí)施方式中，基于路徑尋優(yōu)算法，確定每輛無人駕駛物流配送車的最短遍歷路線，具體包括：

33、對(duì)當(dāng)前配送聚類區(qū)域內(nèi)的配送地址進(jìn)行編號(hào)，構(gòu)建配送地址集合；

34、基于所述配送地址集合中每個(gè)配送地址之間的距離，構(gòu)建最短路程模型；

35、構(gòu)建路徑尋優(yōu)算法；所述路徑尋優(yōu)算法為蝙蝠尋優(yōu)算法；

36、初始化所述蝙蝠尋優(yōu)算法中的蝙蝠種群信息，隨機(jī)生成初始種群；其中，所述蝙蝠尋優(yōu)算法中每只蝙蝠個(gè)體的維度與當(dāng)前配送聚類區(qū)域中的配送地址數(shù)量相對(duì)應(yīng)；

37、根據(jù)當(dāng)前配送聚類區(qū)域內(nèi)的無人駕駛物流配送車的行駛速度范圍，構(gòu)建蝙蝠個(gè)體的速度區(qū)間約束；

38、根據(jù)當(dāng)前配送聚類區(qū)域中的配送地址數(shù)量，構(gòu)建蝙蝠個(gè)體的位置區(qū)間約束；

39、基于所述速度區(qū)間約束以及所述位置區(qū)間約束，執(zhí)行所述路徑尋優(yōu)算法，并將每次搜索到的遍歷路線代入所述最短路程模型中，直至得到最優(yōu)解；

40、將所述最優(yōu)解對(duì)應(yīng)的遍歷路線確定為當(dāng)前無人駕駛物流配送車的最短遍歷路線。

41、在一種可行的實(shí)施方式中，基于所述配送地址集合中每個(gè)配送地址之間的距離，構(gòu)建最短路程模型，具體包括：

42、設(shè)當(dāng)前配送聚類區(qū)域內(nèi)共有n個(gè)配送地址，編號(hào)為p＝{1,2,3,...,n}；

43、根據(jù)構(gòu)建所述最短路程模型；其中，ci為第i個(gè)配送地址，ci+1為第i+1個(gè)配送地址，cn為第n個(gè)配送地址，c1為第1個(gè)配送地址；d(ci,ci+1)表示從配送地址ci到配送地址ci+1的距離，d(cn,c1)表示從配送地址cn到配送地址c1的距離。

44、另一方面，本發(fā)明實(shí)施例還提供了一種無人駕駛物流配送車的調(diào)度系統(tǒng)，所述系統(tǒng)包括：

45、無人駕駛物流配送車分配模塊，用于獲取待配送區(qū)域的區(qū)域電子地圖以及待配送快遞的配送地址；將所述配送地址與所述區(qū)域電子地圖進(jìn)行關(guān)聯(lián)，得到每個(gè)配送地址在所述區(qū)域電子地圖中的位置坐標(biāo)；基于所述位置坐標(biāo)，對(duì)所述配送地址進(jìn)行聚類分析，確定出若干個(gè)配送聚類區(qū)域；根據(jù)每個(gè)配送聚類區(qū)域中的待配送快遞數(shù)量，分配對(duì)應(yīng)的無人駕駛物流配送車；

46、無人駕駛物流配送車調(diào)度模塊，用于根據(jù)每個(gè)配送聚類區(qū)域中的待配送快遞的配送信息，確定每輛無人駕駛物流配送車的最佳配送時(shí)間；基于路徑尋優(yōu)算法，確定每輛無人駕駛物流配送車的最短遍歷路線；基于所述最佳配送時(shí)間及所述最短遍歷路線，對(duì)所述無人駕駛物流配送車進(jìn)行調(diào)度。

47、最后，本發(fā)明實(shí)施例還提供了一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)為非易失性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述非易失性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有至少一個(gè)程序，每個(gè)所述程序包括指令，所述指令當(dāng)被終端執(zhí)行時(shí)，使所述終端執(zhí)行所述的一種無人駕駛物流配送車的調(diào)度方法。

48、與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例提供的一種無人駕駛物流配送車的調(diào)度方法、系統(tǒng)及介質(zhì)，具備如下有益效果：

49、本發(fā)明基于待配送區(qū)域中待配送的快遞地址，進(jìn)行聚類分析，從而分配不同的無人駕駛物流配送車配送不同聚類區(qū)域的快遞，充分利用配送站的無人駕駛車輛資源。本發(fā)明還提供了各個(gè)無人駕駛物流配送車的調(diào)度方式，根據(jù)配送信息合理確定出每輛無人駕駛物流配送車的最佳配送時(shí)間，根據(jù)路徑尋優(yōu)算法確定每輛無人駕駛物流配送車的最短遍歷路線，從而使無人駕駛物流配送車在最佳配送時(shí)段以最短遍歷路線進(jìn)行快遞配送。實(shí)現(xiàn)了從宏觀上對(duì)多個(gè)無人駕駛物流配送車進(jìn)行調(diào)度，提高配送站的整體配送效率和配送成功率。