本發(fā)明涉及物流，特別涉及一種物流訂單的攬收調(diào)度方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、隨著電子商務(wù)行業(yè)的蓬勃發(fā)展，線上購物已成為人們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠?，這一趨勢極大地推動了物流行業(yè)的快速發(fā)展。在這一背景下，物流訂單數(shù)量呈現(xiàn)出井噴式增長的態(tài)勢，這不僅考驗著物流企業(yè)的運營能力和服務(wù)質(zhì)量，而且對訂單處理流程中的各個環(huán)節(jié)提出了更高的要求。特別是在訂單攬收這一關(guān)鍵環(huán)節(jié)，其效率與準(zhǔn)確性直接關(guān)系到后續(xù)物流流程的順暢與否以及客戶滿意度的高低。

2、現(xiàn)有的攬收數(shù)據(jù)統(tǒng)計方法雖然在一定程度上支撐了物流業(yè)務(wù)的基本運作，但面對如此龐大的訂單量，其局限性日益凸顯。一方面，數(shù)據(jù)采集不全面是一個突出問題。傳統(tǒng)方式往往依賴于人工錄入或簡單的自動化掃描，難以實現(xiàn)對所有訂單信息進行實時和全面的獲取，尤其是在高峰期，漏單、錯單現(xiàn)象時有發(fā)生。另一方面，處理速度也是制約物流效率的重要因素。隨著訂單量的激增，數(shù)據(jù)處理系統(tǒng)的負載加大，若系統(tǒng)性能不足或算法效率低下，就會導(dǎo)致數(shù)據(jù)處理滯后，影響訂單的快速響應(yīng)和及時處理。

3、可見，現(xiàn)有技術(shù)還有待改進和提高。

技術(shù)實現(xiàn)思路

1、鑒于上述現(xiàn)有技術(shù)的不足之處，本發(fā)明的目的在于提供一種物流訂單的攬收調(diào)度方法、裝置、設(shè)備及存儲介質(zhì)，旨在優(yōu)化物流訂單的攬收調(diào)度，從而提高訂單攬收的響應(yīng)速度。

2、為了達到上述目的，本發(fā)明采取了以下技術(shù)方案：

3、本發(fā)明第一方面提供了一種物流訂單的攬收調(diào)度方法，包括如下步驟：獲取實時攬收數(shù)據(jù)，對實時攬收數(shù)據(jù)進行預(yù)處理；利用灰色關(guān)聯(lián)度方法對預(yù)處理后的實時攬收數(shù)據(jù)進行關(guān)聯(lián)分析，獲得關(guān)聯(lián)后數(shù)據(jù)；將所述關(guān)聯(lián)后數(shù)據(jù)輸入至預(yù)測模型，以獲得攬收預(yù)測結(jié)果；根據(jù)攬收預(yù)測結(jié)果對業(yè)務(wù)員攬收進行調(diào)度，以獲得調(diào)度計劃。

4、可選的，在本發(fā)明第一方面的第一種實現(xiàn)方式中，所述獲取實時攬收數(shù)據(jù)，對實時攬收數(shù)據(jù)進行預(yù)處理，具體包括：獲取實時攬收數(shù)據(jù)，所述實時攬收數(shù)據(jù)包括攬收重量、攬收地址、攬收數(shù)量、攬收種類，去除所述實時攬收數(shù)據(jù)的重復(fù)數(shù)據(jù)，以獲得第一預(yù)處理數(shù)據(jù)；填充所述第一預(yù)處理數(shù)據(jù)的缺失值，以獲得第二預(yù)處理數(shù)據(jù)；對所述第二預(yù)處理數(shù)據(jù)進行格式化處理，以獲得格式化數(shù)據(jù)，將所述格式化數(shù)據(jù)存儲至數(shù)據(jù)庫或云存儲平臺。

5、可選的，在本發(fā)明第一方面的第二種實現(xiàn)方式中，所述利用灰色關(guān)聯(lián)度方法對預(yù)處理后的實時攬收數(shù)據(jù)進行關(guān)聯(lián)分析，獲得關(guān)聯(lián)度數(shù)據(jù)，具體包括：構(gòu)建實時報警系統(tǒng)，通過實時報警系統(tǒng)對預(yù)處理后的實時攬收數(shù)據(jù)進行檢測，以排除異常數(shù)據(jù)；獲取經(jīng)檢測的實時攬收數(shù)據(jù)，指定實時攬收數(shù)據(jù)中的預(yù)測指標(biāo)數(shù)列和影響因素數(shù)列；計算各個時刻的預(yù)測指標(biāo)數(shù)列和影響因素數(shù)列的關(guān)聯(lián)系數(shù)，并根據(jù)多個關(guān)聯(lián)系數(shù)計算關(guān)聯(lián)度。

6、可選的，在本發(fā)明第一方面的第三種實現(xiàn)方式中，所述將所述關(guān)聯(lián)后數(shù)據(jù)輸入至預(yù)測模型，以獲得攬收預(yù)測結(jié)果，具體包括：獲取歷史攬收數(shù)據(jù)，采用灰色關(guān)聯(lián)度方法計算經(jīng)預(yù)處理后的歷史攬收數(shù)據(jù)，獲得歷史關(guān)聯(lián)數(shù)據(jù)；以bp神經(jīng)網(wǎng)絡(luò)模型為初始模型，采用所述歷史關(guān)聯(lián)數(shù)據(jù)對bp神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，以獲得所述預(yù)測模型；將所述關(guān)聯(lián)后數(shù)據(jù)輸入至預(yù)測模型，以獲得攬收預(yù)測結(jié)果。

7、可選的，在本發(fā)明第一方面的第四種實現(xiàn)方式中，所述以bp神經(jīng)網(wǎng)絡(luò)模型為初始模型，采用所述歷史關(guān)聯(lián)數(shù)據(jù)對bp神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，以獲得所述預(yù)測模型，具體包括：對bp神經(jīng)網(wǎng)絡(luò)模型的參數(shù)進行設(shè)置，設(shè)置輸入層節(jié)點數(shù)為10，輸出層節(jié)點數(shù)為1，隱藏層節(jié)點數(shù)為8，獲得初始模型；將歷史關(guān)聯(lián)數(shù)據(jù)按比例進行劃分，以獲得訓(xùn)練集和驗證集；采用relu作為激活函數(shù)，利用所述訓(xùn)練集和驗證集對初始模型進行訓(xùn)練，獲得所述預(yù)測模型。

8、可選的，在本發(fā)明第一方面的第五種實現(xiàn)方式中，所述根據(jù)攬收預(yù)測結(jié)果對業(yè)務(wù)員攬收進行調(diào)度，以獲得調(diào)度計劃，具體包括：獲取攬收預(yù)測結(jié)果，根據(jù)攬收預(yù)測結(jié)果對業(yè)務(wù)員攬收進行初步調(diào)度，以獲得調(diào)度反饋數(shù)據(jù)；對所述調(diào)度反饋數(shù)據(jù)進行異常檢驗和預(yù)處理，獲得檢驗通過數(shù)據(jù)；根據(jù)所述檢驗通過數(shù)據(jù)對業(yè)務(wù)員攬收進行再次調(diào)度，以獲得經(jīng)優(yōu)化的調(diào)度計劃。

9、可選的，在本發(fā)明第一方面的第六種實現(xiàn)方式中，所述獲取攬收預(yù)測結(jié)果，根據(jù)攬收預(yù)測結(jié)果對業(yè)務(wù)員攬收進行初步調(diào)度，以獲得調(diào)度反饋數(shù)據(jù)，具體包括：獲取資源分配情況，所述資源分配情況包括網(wǎng)點分布情況和業(yè)務(wù)員數(shù)量，對所述資源分配情況進行預(yù)處理，獲得資源分配數(shù)據(jù)；采用模擬退火算法，根據(jù)所述攬收預(yù)測結(jié)果和資源分配數(shù)據(jù)計算攬收路線；將所述攬收路線輸出至執(zhí)行端，以獲得調(diào)度反饋數(shù)據(jù)。

10、本發(fā)明第二方面提供了一種物流訂單的攬收調(diào)度裝置，包括：預(yù)處理模塊，用于獲取實時攬收數(shù)據(jù)，對實時攬收數(shù)據(jù)進行預(yù)處理；關(guān)聯(lián)模塊，用于利用灰色關(guān)聯(lián)度方法對預(yù)處理后的實時攬收數(shù)據(jù)進行關(guān)聯(lián)分析，獲得關(guān)聯(lián)后數(shù)據(jù)；預(yù)測模塊，用于將所述關(guān)聯(lián)后數(shù)據(jù)輸入至預(yù)測模型，以獲得攬收預(yù)測結(jié)果；調(diào)度模塊，用于根據(jù)攬收預(yù)測結(jié)果對業(yè)務(wù)員攬收進行調(diào)度，以獲得調(diào)度計劃。

11、可選的，在本發(fā)明第二方面的第一種實現(xiàn)方式中，所述預(yù)處理模塊包括：去除單元，用于獲取實時攬收數(shù)據(jù)，所述實時攬收數(shù)據(jù)包括攬收重量、攬收地址、攬收數(shù)量、攬收種類，去除所述實時攬收數(shù)據(jù)的重復(fù)數(shù)據(jù)，以獲得第一預(yù)處理數(shù)據(jù)；填充單元，用于填充所述第一預(yù)處理數(shù)據(jù)的缺失值，以獲得第二預(yù)處理數(shù)據(jù)；格式化單元，用于對所述第二預(yù)處理數(shù)據(jù)進行格式化處理，以獲得格式化數(shù)據(jù)，將所述格式化數(shù)據(jù)存儲至數(shù)據(jù)庫或云存儲平臺。

12、可選的，在本發(fā)明第二方面的第二種實現(xiàn)方式中，所述關(guān)聯(lián)模塊包括：監(jiān)控單元，用于構(gòu)建實時報警系統(tǒng)，通過實時報警系統(tǒng)對預(yù)處理后的實時攬收數(shù)據(jù)進行檢測，以排除異常數(shù)據(jù)；獲取單元，用于獲取經(jīng)檢測的實時攬收數(shù)據(jù)，指定實時攬收數(shù)據(jù)中的預(yù)測指標(biāo)數(shù)列和影響因素數(shù)列；計算單元，用于計算各個時刻的預(yù)測指標(biāo)數(shù)列和影響因素數(shù)列的關(guān)聯(lián)系數(shù)，并根據(jù)多個關(guān)聯(lián)系數(shù)計算關(guān)聯(lián)度。

13、可選的，在本發(fā)明第二方面的第三種實現(xiàn)方式中，所述預(yù)測模塊包括：計算子模塊，用于獲取歷史攬收數(shù)據(jù)，采用灰色關(guān)聯(lián)度方法計算經(jīng)預(yù)處理后的歷史攬收數(shù)據(jù)，獲得歷史關(guān)聯(lián)數(shù)據(jù)；構(gòu)建子模塊，用于以bp神經(jīng)網(wǎng)絡(luò)模型為初始模型，采用所述歷史關(guān)聯(lián)數(shù)據(jù)對bp神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，以獲得所述預(yù)測模型；預(yù)測子模塊，用于將所述關(guān)聯(lián)后數(shù)據(jù)輸入至預(yù)測模型，以獲得攬收預(yù)測結(jié)果。

14、可選的，在本發(fā)明第二方面的第四種實現(xiàn)方式中，所述預(yù)測子模塊包括：設(shè)置單元，用于對bp神經(jīng)網(wǎng)絡(luò)模型的參數(shù)進行設(shè)置，設(shè)置輸入層節(jié)點數(shù)為10，輸出層節(jié)點數(shù)為1，隱藏層節(jié)點數(shù)為8，獲得初始模型；劃分單元，用于將歷史關(guān)聯(lián)數(shù)據(jù)按比例進行劃分，以獲得訓(xùn)練集和驗證集；訓(xùn)練單元，用于采用relu作為激活函數(shù)，利用所述訓(xùn)練集和驗證集對初始模型進行訓(xùn)練，獲得所述預(yù)測模型。

15、可選的，在本發(fā)明第二方面的第五種實現(xiàn)方式中，所述調(diào)度模塊包括：調(diào)度子模塊，用于獲取攬收預(yù)測結(jié)果，根據(jù)攬收預(yù)測結(jié)果對業(yè)務(wù)員攬收進行初步調(diào)度，以獲得調(diào)度反饋數(shù)據(jù)；檢驗子模塊，用于對所述調(diào)度反饋數(shù)據(jù)進行異常檢驗和預(yù)處理，獲得檢驗通過數(shù)據(jù)；優(yōu)化子模塊，用于根據(jù)所述檢驗通過數(shù)據(jù)對業(yè)務(wù)員攬收進行再次調(diào)度，以獲得經(jīng)優(yōu)化的調(diào)度計劃。

16、可選的，在本發(fā)明第二方面的第六種實現(xiàn)方式中，所述調(diào)度子模塊包括：預(yù)處理單元，用于獲取資源分配情況，所述資源分配情況包括網(wǎng)點分布情況和業(yè)務(wù)員數(shù)量，對所述資源分配情況進行預(yù)處理，獲得資源分配數(shù)據(jù)；規(guī)劃單元，用于采用模擬退火算法，根據(jù)所述攬收預(yù)測結(jié)果和資源分配數(shù)據(jù)計算攬收路線；輸出單元，用于將所述攬收路線輸出至執(zhí)行端，以獲得調(diào)度反饋數(shù)據(jù)。

17、本發(fā)明第三方面提供了一種物流訂單的攬收調(diào)度設(shè)備，包括存儲器和至少一個處理器，所述存儲器中存儲有計算機可讀指令；所述至少一個處理器調(diào)用所述存儲器中的所述計算機可讀指令，以執(zhí)行如上所述物流訂單的攬收調(diào)度方法的各個步驟。

18、本發(fā)明第四方面提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有計算機可讀指令，所述計算機可讀指令被處理器執(zhí)行時實現(xiàn)如上所述物流訂單的攬收調(diào)度方法的各個步驟。

19、有益效果：本發(fā)明提供了一種物流訂單的攬收調(diào)度方法，所述物流訂單的攬收調(diào)度方法通過先獲取物流系統(tǒng)中的實時攬收數(shù)據(jù)，并對實時攬收數(shù)據(jù)進行預(yù)處理；然后利用灰色關(guān)聯(lián)度方法對經(jīng)過預(yù)處理的實時攬收數(shù)據(jù)進行關(guān)聯(lián)分析，再將分析后的數(shù)據(jù)輸入至預(yù)先建立并訓(xùn)練好的預(yù)測模型中進行預(yù)測，得到攬收數(shù)據(jù)預(yù)測結(jié)果；最后根據(jù)攬收數(shù)據(jù)預(yù)測結(jié)果進行業(yè)務(wù)員攬收調(diào)度，能夠顯著提高物流訂單攬收過程中的數(shù)據(jù)統(tǒng)計精度和處理效率，并且可以對攬收進行實時快速調(diào)度，從而提升整體物流服務(wù)水平。