本發明屬于基于移動互聯網的即時物流技術領域，具體涉及一種末端即時物流的智能調度系統。

背景技術：

在移動互聯網和o2o(onlinetooffline，在線離線/線上到線下)本地生活的大潮下，催生了人們對末端物流“極速、準時”的兩個訴求，進而決定了傳統的物流服務模式需要進化。

所謂即時物流，即不經過倉儲和中轉，直接從門到門、從門到用戶的物流模式。即時物流的服務品類有外賣、生鮮、快遞末端、商超等等，運營平臺有如餓了么、易果生鮮、菜鳥、百聯等等。每一個商家都需要進行配送，配送速度是網絡外賣訂單服務中最重要的消費者體驗之一。

然而隨著網絡訂單量的提高，如何最快速度最高效率的進行配送，是每個商家和平臺都面臨的問題。對于這些商家和平臺來說，傳統的訂單分配方式都是人工來調度或者搶單來實現，這些調度方式配送效率不高，整體配送成本高；特別是在單量比較大的時候，人工派單幾乎支持不來，而搶單也會越來越混亂，同一個地址的多個訂單會被多個騎手搶走，嚴重降低效率。

技術實現要素：

鑒于上述，本發明提供了一種末端即時物流的智能調度系統，其通過商家和用戶的位置信息以及配送員終端app產生的定位信息，綜合考慮配送員當時的位置以及配送員身上正在執行的訂單、商家和騎手的畫像數據、用戶對配送時間的要求等信息，對訂單和配送員進行全局的最優匹配，最終確定最合適的配送員完成配送任務。

一種末端即時物流的智能調度系統，包括：

接單模塊，用于接收來自智能終端以及網站服務器提交的配送訂單，所述訂單包括商家地址、配送地址、配送物品信息以及用戶要求的送達時間；

訂單處理模塊，用于對訂單進行一些初期的處理，包括計算訂單的派單時間、確定訂單的派單優先級、計算當前整個系統的訂單壓力；

配送員搜索模塊，用于搜索商家周圍符合訂單要求以及配送資格的在線配送員，從而得到訂單的可用運力；

商家畫像模塊，通過大量歷史數據對商家的訂單量、訂單分布(指訂單在時間和空間兩個維度上的分布情況)進行分析，進而利用機器學習和深度學習的方法對商家的出餐時間和攢單時間進行預測；

配送員畫像模塊，通過大量歷史數據利用數據挖掘和機器學習的方法來分析評估配送員日常的接單配送區域、配送能力、完成質量以及騎行速度；

并單模塊，根據順路度以及商家的攢單時間將適合一起配送的訂單進行合并，同時檢測待派出的訂單與配送員身上已有的訂單是否順路；

派單決策模塊，根據上述模塊所提供的信息以完成所有訂單所花費的代價最小為優化目標，將每份訂單分派給最合適的配送員手上。

進一步地，所述訂單處理模塊根據用戶要求的送達時間、訂單壓力以及訂單距離(商家地址與配送地址的距離)計算出訂單的派單時間窗，若當前時間進入該訂單的派單時間窗后，則觸發其派單；同時訂單處理模塊還根據用戶要求的送達時間確定每個訂單的優先級，對當前所有待派出的訂單根據優先級進行排序。

進一步地，所述訂單處理模塊根據當前訂單情況和運力情況實時計算出系統的訂單壓力，并將實時訂單壓力以熱力圖的形式展現至配送員的終端app上，從而指引配送員的工作區域，實現供需壓力平衡。

進一步地，所述并單模塊會預先對河流、鐵路以及高架進行障礙檢測，對于跨河流、跨鐵路以及跨高架的訂單，在并單時則綜合權衡判斷處理。

優選地，所述智能調度系統還包括配送員考核模塊，其根據配送員整體歷史表現情況以及訂單的實際情況，為每一份訂單估計出配送員應該送達的準點時間區間，對于配送員準點送達或超時送達給予現金以及積分上的獎懲，能夠對配送員完成質量的考核以及配送員的管理提供支持。

進一步地，所述配送員畫像模塊根據配送能力為每個配送員打上不同配送資格的標簽，不同的訂單需要具有相應配送資格的配送員去完成，所述配送員搜索模塊通過標簽匹配的方式快速搜索商家周圍符合訂單要求以及配送資格的在線配送員作為訂單的可用運力。

進一步地，所述派單決策模塊綜合考慮訂單的出餐時間、配送員的當前位置、配送員身上訂單的完成情況、配送員的配送能力、配送員的騎行速度、新訂單跟配送員身上已有的訂單是否順路、用戶要求的送達時間、系統的訂單壓力，以完成所有訂單所花費的代價最小為優化目標，將每份訂單分派給最合適的配送員手上，所述代價包含配送員完成一個訂單派送所花銷的時間成本及其完成質量。

對于每天實時產生的諸如外賣、商超、水果、鮮花、蔬菜、生鮮等需要提供門到門服務的即時物流訂單，本發明智能調度系統通過商家和用戶的位置信息以及配送員終端app產生的定位信息，綜合考慮配送員當時的位置以及配送員身上正在執行的訂單、商家和騎手的畫像數據、用戶對配送時間的要求等信息，對訂單和配送員進行全局的最優匹配，最終確定最合適的配送員完成配送任務。本發明通過智能派單的方式，站在全局的角度對訂單進行最優派發，實現整體運力的最合理利用，能夠很好地平衡即時物流的需求和運力供給，提升物流配送效率，降低物流配送成本，提高末端即時物流的服務質量。

附圖說明

圖1為本發明智能調度系統派單服務器端的實現流程示意圖。

圖2是本發明智能調度系統配送員終端app的實現流程示意圖。

具體實施方式

為了更為具體地描述本發明，下面結合附圖及具體實施方式對本發明的技術方案進行詳細說明。

本發明智能調度系統包括接單子系統、訂單處理子系統、配送員搜索引擎、并單子系統、商家畫像子系統、配送員畫像子系統、派單子系統、配送員考核子系統等；其中，接單子系統接收來自不同智能終端或者網站服務器請求的訂單，該配送訂單包括商家地址、配送地址以及配送物品的詳情；訂單處理子系統對訂單進行一些初期的處理，包括計算派單時間、確定派單優先級、計算當前整個派單系統的壓力等；配送員搜索引擎搜索訂單周圍符合訂單要求以及配送資格的登錄騎手app的配送員；并單子系統檢測新訂單跟配送員身上已有訂單是否順路，是否可以并單；商家畫像子系統和配送員畫像子系統通過大數據分析，對配單決策環節提供支持；派單子系統綜合考核各種因素，進行訂單和配送員的全局最優匹配；配送員考核子系統用于配送員服務質量的考核和配送員的管理。

上述智能調度系統以服務器為執行主體，其具體執行過程如圖1所示：

步驟s101：接單子系統接收智能終端或網站服務器提交的配送訂單，配送訂單包括配送地址、商家地址、配送物品信息，用戶要求送達時間。在本實施例中，智能終端包括電腦、手機、平板等；網站服務器包括外賣、鮮花、水果、商超等平臺；配送地址是指具體的客戶指定的送貨地址經緯度信息；商家地址是指商家店鋪經緯度信息；配送物品信息包括物品類型、物品數量等。

步驟s102：訂單處理子系統根據用戶要求送達時間以及訂單距離計算出合理的派單時間窗，當時間進入一個訂單的派單時間窗后，觸發派單操作，對于配送要求送達時間比較晚的訂單，會進行晚些時候再派單，以保證訂單送達的準時性。對當前所有的待派出訂單會根據訂單的優先級進行合理的排序，以保證整體的服務質量。

訂單處理子系統根據當前訂單情況和運力情況計算出實時訂單壓力，計算得到的實時壓力會以熱力圖的形式展示到配送員的終端app上，從而指引配送員的工作區域，發揮配送員自身的積極性，實現供需壓力平衡。

并單子系統將適合一起配送的訂單進行打包，定義順路度指標，一方面對當前產生的訂單進行打包，順路的訂單合并到一起；另一方面衡量一個訂單跟配送員身上的訂單是否順路，已提供一個訂單是否可以并單的依據。為了提高效率，將訂單盡可能打包到一起，會有一個動態的攢單時間，該攢單時間由商家畫像子系統通過數據分析預測得到。

具體實施過程中對于每一個訂單，會預先進行跨河流、鐵路、高架等障礙物的檢測，對于跨河流、鐵路、高架等障礙物的訂單，在并單時是需要特別小心去處理。

步驟s103：一個訂單進入派單時間窗，配送員搜索引擎會搜索訂單對應商家的周圍登錄終端app并且符合訂單要求的配送資格的配送員。不同的業務有不同的配送資格要求，因此調度系統需將配送員按照能力打上不同配送資格的標簽，本實施方式建立了一套配送資格的標簽體系，不同業務的訂單需要具有相應配送資格的配送員去完成，例如，外賣訂單需要具有外賣配送資格(通常指具有健康證)的配送員去執行。

配送員搜索引擎通過標簽匹配可以快速搜索訂單附近滿足訂單要求配送資格的可用運力。

步驟s104：商家畫像子系統通過積累的大量歷史數據，利用數據挖掘的方法分析商家的訂單量、訂單分布，通過機器學習和深度學習構建出餐時間預測模型，來預測每一個訂單的商家出餐時間；訂單分布指訂單在時間和空間上兩個維度的分布情況。

步驟s105：配送員畫像子系統通過對配送員歷史配送數據的分析，挖掘出配送員熟悉的接單配送區域、配送能力、配送訂單的完成質量、配送過程中的騎行速度。挖掘騎手熟悉的配送區域，主要通過騎手配送路徑的歷史信息去分析，其中包括路徑去燥、路徑綁定、聚類分析等算法；配送訂單的完成質量指騎手所有訂單的完成率、超時率。

步驟s106：派單子系統會綜合考慮各種因素，建立訂單和配送員的優化模型，求得一個全局最優的匹配，并把每一個訂單派發給最合適的配送員的終端app上。在本實施例中，派單子系統需要綜合考慮因素具體包括：訂單的出餐時間、配送員當前位置、配送員身上訂單的完成情況、配送員配送能力、配送員的騎行速度、新訂單跟配送員身上已有的訂單是否順路、用戶地址的上樓送餐時間、訂單的實時壓力、配送員送達時是否能夠滿足用戶的要求送達時間。

優化模型以完成所有訂單所花費的代價最小為優化目標，代價是指一個騎手完成一個訂單所花銷的時間成本以及完成質量。如果騎手超時完成一個訂單，會以懲罰項的形式加入到目標函數中。當一個地方的訂單壓力較大時，需要通過派單調動周圍壓力小的地方的配送員過來，以實現壓力平衡。

最后，訂單子系統指派的結果要發送到指定的配送員的手機app上，并有派單提醒，配送員接收到派單提醒后會反饋是否接受該訂單的指派，然后該反饋信息會回傳到服務器；如果騎手拒單，服務器要進行再次派單。

步驟s107：配送員考核子系統接收騎手的到店、離店、送達的反饋信息，通過騎手歷史表現和訂單的實際情況，為每一個訂單估計一個騎手應該送達的合理時間區間，并將騎手實際到店、送達時間跟系統計算的合理時間區間進行比較，給予準點到店、送達的配送員一定的現金獎勵，對超時的配送員一定的現金或者積分扣罰。

圖2展示了本發明智能調度系統派單配送員終端app的實現流程，以配送端為執行主體，詳細過程如下：

步驟s201：每個一段時間(通常幾秒)上傳配送員的經緯度信息到服務器。在本實施例中，為防止由于技術原因出現定位不準，需要對經緯度信息進行處理，去掉跳點，確保上傳正確的經緯度信息。

步驟s202：接收服務器指派的配送訂單并進行派單提醒，并顯示訂單詳情和配送路線展示。在本實施例中，配送端為安裝了配送員app并為登錄了每個配送員分配的唯一獨立的與調度系統關聯的配送員賬號，配送端通過界面、語音、震動等方式進行派單提醒。顯示的訂單詳細包括訂單的商家名稱、地址信息、用戶地址信息、聯系方式、訂單取貨距離、商家到用戶的配送距離、訂單金額、訂單的考核時間；配送路線為商家位置到用戶位置的步行路線。

步驟s203：配送員接收到服務器發生的派單信息，決定選擇接單還是拒單；配送員做出選擇后，將配送員的接單或者拒單指令發送到服務器。如果騎手及時拒單，不需要付出任何成本；如果訂單派給騎手一段時間后，騎手再拒單，那么騎手會因為拒單時間過晚受到一定現金或者積分扣罰。

步驟s204：配送員到店需要點擊到店按鈕，離店需要點擊離店按鈕，送達用戶需要點擊送達按鈕，配送員點擊按鈕后配送端會將信息回傳服務器，服務器會依據騎手回傳信息進行騎手考核。

本實施例通過派單的方式，從整理的角度來優化運力的配置，為每一個訂單找到最合適的配送員，不需要人工去低效率的派單，也不需要配送員自己去考慮訂單是否順度，不需要配送員去盯著手機搶單，配送員按照調度系統的指派，高效率的工作，大大提高了配送效率，降低了配送成本，同時，充分考慮了客戶要求的送達時間，提升了顧客的即時物流體驗。

上述對實施例的描述是為便于本技術領域的普通技術人員能理解和應用本發明。熟悉本領域技術的人員顯然可以容易地對上述實施例做出各種修改，并把在此說明的一般原理應用到其他實施例中而不必經過創造性的勞動。因此，本發明不限于上述實施例，本領域技術人員根據本發明的揭示，對于本發明做出的改進和修改都應該在本發明的保護范圍之內。