申请/专利权人：广州瑞基科技股份有限公司

申请日：2023-11-03

公开（公告）日：2024-07-05

公开（公告）号：CN117689300B

主分类号：G06Q10/0835

分类号：G06Q10/0835;G06Q10/083;G06Q10/0631;G06F18/214;G06F18/241;G06N3/126

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本发明涉及一种基于人工智能的提货任务智能管理方法、系统及介质，属于任务管理技术领域，本发明通过对货车的货物卸货时间信息进行修正，生成修正后的卸货时间信息，进而根据货车达到提货任务地点的预估时间信息以及修正后的卸货时间信息生成货车的预估状态信息，并基于预估状态信息生成提货任务优先级排序结果，从而获取当前待分配的提货任务信息，根据提货任务优先级排序结果以及当前待分配的提货任务信息生成当前货车提货任务的分配结果。本发明通过融合多源数据对货车的运行情况进行预测，从而根据预测结果来对货车的提货任务进行资源分配，能够提高货车的资源分配合理性，降低物流的运营成本。

主权项：1.基于人工智能的提货任务智能管理方法，其特征在于，包括以下步骤：获取货车的实时行驶信息以及环境因子数据信息，并根据所述货车的实时行驶信息以及环境因子数据信息进行智能预估，生成每一货车达到提货任务地点的预估时间信息；获取每一货车装载的货物类型信息，并根据所述货车装载的货物类型信息计算出每一货车的货物卸货时间信息，通过对所述货车的货物卸货时间信息进行修正，生成修正后的卸货时间信息；根据所述货车达到提货任务地点的预估时间信息以及修正后的卸货时间信息生成货车的预估状态信息，并基于所述预估状态信息生成提货任务优先级排序结果；获取当前待分配的提货任务信息，根据所述提货任务优先级排序结果以及当前待分配的提货任务信息生成当前货车提货任务的分配结果；获取货车的实时行驶信息以及环境因子数据信息，并根据所述货车的实时行驶信息以及环境因子数据信息进行智能预估，生成每一货车达到提货任务地点的预估时间信息，具体包括：获取货车的实时行驶信息以及环境因子数据信息，并通过大数据获取各环境因子数据之下的货车行驶信息，引入灰色关联分析法，通过灰色关联分析法计算各环境因子与货车行驶信息之间关联系数；根据所述环境因子与汽车行驶信息之间关联系数构建货车行驶时间预测模型，并获取货车所在的行驶位置信息以及提货任务的地理位置信息；根据所述货车所在的行驶位置信息以及提货任务的地理位置信息通过地图软件进行最优行驶路径规划，获取最优的行驶路线信息，并获取所述最优的行驶路线信息的行驶预估时间信息；根据所述货车行驶时间预测模型以及所述最优的行驶路线信息的行驶预估时间信息进行行驶预测，获取每一货车达到提货任务地点的预估时间信息；获取每一货车装载的货物类型信息，并根据所述货车装载的货物类型信息计算出每一货车的货物卸货时间信息，具体包括：通过大数据获取每一货物类型的卸货效率信息，并构建知识图谱，将所述每一货物类型的卸货效率信息输入到所述知识图谱中进行存储；获取每一货车装载的货物类型信息，将所述每一货车装载的货物类型信息输入到所述知识图谱中进行数据匹配，获取每一货车装载的货物类型对应的卸货效率信息；获取每一货车的货物装载量信息，并根据所述货车的货物装载量信息以及货车装载的货物类型对应的卸货效率信息计算出每一货车的货物卸货时间信息；通过对所述货车的货物卸货时间信息进行修正，生成修正后的卸货时间信息，具体包括：通过大数据获取各气象类型之下的货车的货物卸货时间，并通过对所述各气象类型之下的货车的货物卸货时间进行数据分析，获取气象类型与货车的货物卸货时间的影响相关性；基于卷积神经网络构建货物卸货时间预测模型，并将所述气象类型与货车的货物卸货时间的影响相关性输入到所述货物卸货时间预测模型中进行训练；将所述气象类型与货车的货物卸货时间的影响相关性输入到卷积层、全连接层中；通过利用Softmax进行分类，保存模型参数，并输出货物卸货时间预测模型，并获取当前的气象特征信息将所述当前的气象特征信息输入到所述货物卸货时间预测模型中；获取当前气象类型与货车的货物卸货时间的影响相关性，根据所述当前气象类型与货车的货物卸货时间的影响相关性对所述货车的货物卸货时间信息进行修正，生成修正后的卸货时间信息；根据所述货车达到提货任务地点的预估时间信息以及修正后的卸货时间信息生成货车的预估状态信息，并基于所述预估状态信息生成提货任务优先级排序结果，具体包括：根据所述货车达到提货任务地点的预估时间信息以及修正后的卸货时间信息计算出货车转为空闲状态时所需的预估时间信息，并将所述货车转为空闲状态时所需的预估时间信息作为货车的预估状态信息；构建虚拟场景信息，并将所述货车的预估状态信息输入到所述虚拟场景信息中，生成货车的预估状态信息的可视化显示场景，并通过所述可视化显示场景获取每一货车转为空闲状态时所需的预估时间信息；构建预估时间排序表，并将所述每一货车转为空闲状态时所需的预估时间信息输入到所述预估时间排序表中进行从小到大的时间值排序；通过排序，获取货车转为空闲状态时所需的预估时间排序结果，并根据所述货车转为空闲状态时所需的预估时间排序结果生成提货任务优先级排序结果；获取当前待分配的提货任务信息，根据所述提货任务优先级排序结果以及当前待分配的提货任务信息生成当前货车提货任务的分配结果，具体包括：获取当前待分配的提货任务信息，并根据所述当前待分配的提货任务信息获取每一提货任务的货物装载量信息，获取每一货车的装载容量信息，并引入遗传算法；通过所述遗传算法设置迭代代数，并将所述每一货车的装载容量信息以及每一提货任务的货物装载量信息输入到所述遗传算法中，获取最优的货车类型-数量组合；设置相关时间间隔阈值信息，根据所述最优的货车类型-数量组合以及提货任务优先级排序结果初选出当前货车提货任务的分配结果，并获取所述当前货车提货任务的分配结果中每一货车转为空闲状态时所需的预估时间；计算所述每一货车转为空闲状态时所需的预估时间之间的时间间隔数据信息，当所述时间间隔数据信息不大于所述相关时间间隔阈值信息时，将当前货车提货任务的分配结果输出；当所述时间间隔数据信息大于所述相关时间间隔阈值信息时，则重新筛选出当前相关时间间隔阈值信息之内的货车类型-数量组合。

全文数据：

权利要求：

百度查询： 广州瑞基科技股份有限公司 基于人工智能的提货任务智能管理方法、系统及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD