本發明屬于運輸調度領域，更具體地，涉及一種基于大語言模型的運輸車輛調度方法、系統及存儲介質。

背景技術：

1、對于模塊化集成建筑而言，物流運輸管理是一項重大挑戰。其中包括確保預制構件、模塊的及時交付和成本效益，優化路線以降低運輸成本和對環境的影響，協調大型預制模塊并有效管理其運輸。而在這條供應鏈中，涉及所有參與者和利益相關者之間復雜的互動關系，包括組件供應商、mic工廠、承運商和施工方，在此基礎上建筑物流中固有的不確定性和可變性問題，使得實時調整物流運輸方案，提高供應鏈的彈性變得必要。

2、目前針對此問題，許多研究都探討了包括mic在內的場外施工物流規劃所面臨的挑戰。這些研究主要針對單個供應鏈階段，涉及的問題包括車輛路由和綜合卡車規劃。一些研究人員提出了整合不同供應鏈階段的優化模型，如將生產與物流相結合，將物流與安裝相結合。這些集成方法旨在提供更全面的解決方案，但往往忽略了不確定性和動態交互，而這在實際應用中至關重要。為了解決這些局限性，一些研究人員采用了通過使用anylogic進行多代理系統來優化mic運輸物流，該方法模擬了參與mic流程的各代理之間的互動，以提高運輸效率并降低成本。目前的方法大多僅使用于運輸物流開始前的規劃，無法針對運輸過程中突發事件對計劃的影響進行討論決策，即使是使用anylogic進行多代理系統來優化mic運輸物流這一方法，其協商機制主要依賴于啟發式規則，這表明它在根據訂單和運輸車輛各種信息選擇最優或合適的機器方面不夠智能。大型語言模型(llm)為增強多代理制造系統中代理的能力提供了一種可行的方法。

技術實現思路

1、針對現有技術的以上缺陷或改進需求，本發明提供了一種基于大語言模型的運輸車輛調度方法、系統及存儲介質，其目的在于，實現基于訂單信息調整的運輸車輛調度方案實時更新，降低運行成本。

2、為實現上述目的，按照本發明的第一方面，提出了一種基于大語言模型的運輸車輛調度方法，包括如下步驟：

3、基于調整的訂單文本，通過大語言模型得到訂單信息；

4、基于訂單信息獲取所需車輛信息，將訂單信息與所需車輛信息打包為運輸申請；

5、對當前的若干個運輸申請進行排序，并根據車輛情況形成運輸文件，一個運輸文件對應一個車輛；

6、對運輸文件進行篩選，得到符合運輸條件的所有運輸文件；對篩選出的運輸文件進行組合，得到多種運輸方案，并按預設目標對運輸方案進行篩選，得到k個運輸方案；

7、根據實時需求的文本指示，通過大語言模型從k個運輸方案中確定最終運輸方案。

8、作為進一步優選的，大語言模型使用前，預先構建包括任務描述文本和對應車輛運輸方案的目標指令集；然后通過目標指令集對大語言模型進行微調，即以任務描述文本為輸入，車輛運輸方案為輸出對大語言模型進行訓練。

9、作為進一步優選的，所述目標指令集的構建方式為：

10、采集任務描述文本以及對應車輛運輸方案，并使用自然語言的任務描述格式化采集的數據，然后對格式化后的數據進行清洗，得到目標指令集。

11、作為進一步優選的，對格式化后的數據進行清洗，包括去重、修正與復雜化，具體為：

12、采用余弦相似度算法計算目標指令集內任務描述文本的語義相似度，刪除其中重復度較高的部分實例或合并語義相似的實例為一個新的實例；然后通過語法分析模型、人工抽查與腳本校驗檢測數據中的錯誤并進行修正；最后，將部分簡單任務改寫為復雜任務。

13、作為進一步優選的，所述運輸文件包括車輛編號、車輛運力、車輛花銷、預計花費時間、目標訂單的時間相鄰兩個訂單對應的起、止時間。

14、作為進一步優選的，所述運輸條件包括車輛可出發時間約束、車輛預計到達時間約束以及最晚結束時間約束，其中：

15、車輛可出發時間約束為：

16、tei<to(i-1)<tli

17、車輛預計到達時間約束為：

18、tei<to(i-1)+ti<tli

19、最晚結束時間約束為：

20、to(i-1)+ti<ts(i+1)

21、其中，tei、tli分別為第i個訂單的最早交付時間、最晚交付時間；tei、tli分別為第i個訂單的最早進場時間、最晚進場時間；to(i-1)為第i-1個訂單的預計結束時間，ti為第i個訂單該車輛的預計花費時間，ts(i+1)為第i+1個訂單的開始時間。

22、作為進一步優選的，對篩選出的運輸文件進行組合，得到多種運輸方案，并按預設目標對運輸方案進行篩選，得到k個運輸方案，包括：

23、基于運輸成本，對運輸文件組合得到的多種運輸方案進行初步篩選，得到運輸成本較低的l個運輸方案；

24、然后分別計算l個運輸方案的運輸耗時，進一步篩選得到運輸耗時較少的k個運輸方案。

25、作為進一步優選的，基于運輸成本，對運輸文件組合得到的多種運輸方案進行初步篩選，具體為：

26、針對貨物量，通過dp矩陣對篩選出的運輸文件進行組合，并計算各運輸方案的損失，初步篩選得到損失值最小的前n個運輸方案；

27、所述dp矩陣中的值即表示損失，其第0行初始化為最大代價，即取dp0,j＝p，最大代價p的值定義為大于所有車輛的運輸成本和；l≥1時，第l行第j列的值dpl,j表示前l輛車納入組合范圍、該車輛組合運輸j噸貨物時的最小損失，計算式為：

28、dpl,j＝min(dpl-1,j-pl+cl-p×min(pl,j),dpl-1,j)

29、其中，pl表示第l輛車的運力，cl表示第l輛車的運輸成本。

30、按照本發明的第二方面，提供了一種用于實現上述基于大語言模型的運輸車輛調度方法的系統，包括決策代理、訂單代理、調度代理和車輛代理，其中：

31、所述決策代理基于大語言模型實現，用于基于調整的訂單文本形成訂單信息，并發送至訂單代理；

32、所述訂單代理用于基于訂單信息獲取所需車輛信息，將訂單信息與所需車輛信息打包為運輸申請發送至調度代理；

33、所述調度代理用于對來自訂單代理的運輸申請進行排序，并形成運輸邀請發送給所有車輛代理；

34、所述車輛代理用于在收到運輸邀請后，根據車輛情況形成運輸文件發送至調度代理，一個運輸文件對應一個車輛；

35、所述調度代理還用于對運輸文件進行篩選，得到符合運輸條件的所有運輸文件；對篩選出的運輸文件進行組合，得到多種運輸方案，并按預設目標對運輸方案進行篩選，得到k個運輸方案，發送至決策代理；

36、所述決策代理還用于根據實時需求的文本指示，從k個運輸方案中確定最終運輸方案，從而形成決策發送至調度代理、訂單代理，訂單代理完成自身信息更新，調度代理發送決策至車輛代理進行執行。

37、按照本發明的第三方面，提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現基于大語言模型的運輸車輛調度方法。

38、總體而言，通過本發明所構思的以上技術方案與現有技術相比，主要具備以下的技術優點：

39、1.現有方法進行運輸車輛調度管理時，假定對模塊和組件的運輸需求是固定的，這并不能完全反映現實世界中的變化和不確定性。本發明聚焦因供應商、mic工廠項目所需模塊尺寸可變和成本波動導致的訂單交貨延遲使得運輸方案需要實時調整的需要，基于大語言模型設計車輛調度方法，在整個運輸車輛調度管理過程中，可針對供應鏈中訂單信息的變更，實時調整運輸車輛的運輸計劃，實現計劃調整帶來影響最小化；即可隨時通過改變訂單信息來實時調整運輸安排，以降低承運商的運行成本。

40、2.本發明基于dp矩陣設計了運輸方案的篩選方法，可得到面對同一貨物運載量，不同運力和情況下的最優車輛組合損失，由此可篩選出前l個最低損失值運輸方案；并進一步結合篩選前k個最低耗時運輸方案，從而快速得到運輸成本和耗時較低的運輸方案。

41、3.本發明設計了多代理的運輸車輛調度系統，通過為物流調度的各個對象定義代理，促進了從控制到決策的整個過程。同時，這些代理還充當了多代理調度系統與大語言模型llm之間的通道，在提高系統性能的同時大大降低了修改其他條件的復雜性。