订单分配方法和装置、电子设备及计算机可读存储介质与流程

1.本技术涉及物流技术领域，尤其涉及一种订单分配方法和装置、电子设备及计算机可读存储介质。


背景技术：

2.物流行业现在已经成为了人们的日常生活中的一个重要组成部分，人们不管是在日常生活中还是在工作中都会使用各种各样的物流服务来方便快捷地传递物品。为此，在现有技术中已经出现了o2o(online to offline，从线上到线下)的服务，其允许用户使用各种终端来通过互联网以例如网页或者应用程序的形式访问物流服务提供商的页面，并通过该页面进行物流订单的下达，从而物流服务提供商可以基于通过互联网接收到的这样的订单，安排线下的物流配送人员进行配送。在为物流配送人员分配订单时，需要在尽可能将订单按照用户指定的时间送达的情况下尽可能多地为物流配送人员分配一个轮次中的订单，以便于物流配送人员能够在该一个配送轮次中配送尽可能多的订单，并且还能够尽可能多地确保订单的配送时效性。
3.因此，需要一种能够合理地为物流配送人员分配订单的方案。


技术实现要素：

4.本技术实施例提供一种订单分配方法和装置、电子设备及计算机可读存储介质，以解决现有技术中订单分配不合理的缺陷。
5.为达到上述目的，本技术实施例提供了一种订单分配方法，包括：
6.获取多个订单的订单信息，其中，所述订单信息至少包含所述订单的最早送达时间、最晚送达时间和配送地点；
7.根据所述订单信息以及预先设置的约束条件进行计算，获取由所述多个订单中的至少一个订单构成的订单组合结果；
8.根据所述订单组合结果，生成一个配送趟次的订单配送任务，其中，所述订单配送任务至少包括针对所述订单组合结果中的各订单的配送行程信息。
9.本技术实施例还提供了一种订单分配装置，包括：
10.获取模块，用于获取多个订单的订单信息，其中，所述订单信息至少包含所述订单的最早送达时间、最晚送达时间和配送地点；
11.处理模块，用于根据所述订单信息以及预先设置的约束条件进行计算，获取由所述多个订单中的至少一个订单构成的订单组合结果；
12.生成模块，用于根据所述订单组合结果，生成一个配送趟次的订单配送任务，其中，所述订单配送任务至少包括针对所述订单组合结果中的各订单的配送行程信息。
13.本技术实施例还提供了一种电子设备，包括：
14.存储器，用于存储程序；
15.处理器，用于运行所述存储器中存储的所述程序，所述程序运行时执行本技术实
施例提供的订单分配方法。
16.本技术实施例还提供了一种计算机可读存储介质，其上存储有可被处理器执行的计算机程序，其中，该程序被处理器执行时实现如本技术实施例提供的订单分配方法。
17.本技术实施例提供的订单分配方法和装置、电子设备及计算机可读存储介质，通过根据多个订单的订单信息来基于预先设置的约束条件进行计算，从而可以获取到由这些订单中的至少一个订单构成的订单组合结果，并且根据该订单组合结果的订单信息来生成一个配送趟次的订单配送任务，因此，通过使用预先设置的约束条件来从多个订单中计算符合约束条件的订单组合，并以该订单组合结果中的各订单信息生成一个配送趟次的配送任务，从而配送人员可以根据该配送任务来执行配送，而由于生成的配送任务是符合预定的订单组合生成约束条件的，因此物流配送人员根据这样生成的订单任务进行配送，能够将例如订单履约率这样的指标作为预先设置的约束条件，来不仅为物流配送人员挑选订单，而且还可以相应地生成优化的配送行程，从而能够避免由于依赖人工进行订单分配和任务生成配送任务不合理的缺陷。
18.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
19.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
20.图1为本技术实施例提供的订单分配方案的应用场景示意图；
21.图2为本技术提供的订单分配方法的一个实施例的流程图；
22.图3为本技术提供的订单分配方法的另一个实施例的流程图；
23.图4为本技术提供的订单分配装置的实施例的结构示意图；
24.图5为本技术提供的电子设备实施例的结构示意图。
具体实施方式
25.下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
26.实施例一
27.本技术实施例提供的方案可应用于任何具有物流信息处理能力的系统，例如包括有信息处理功能的芯片以及相关组件的服务器系统等等。图1为本技术实施例提供的订单分配方案的应用场景示意图，图1所示的场景仅仅是本技术的技术方案可应用的示例之一。
28.物流行业现在已经成为了人们的日常生活中的一个重要组成部分，人们不管是在日常生活中还是在工作中都会使用各种各样的物流服务来方便快捷地传递物品。为此，在现有技术中已经出现了o2o(online to offline，从线上到线下)的服务，其允许用户使用
各种终端来通过互联网以例如网页或者应用程序的形式访问物流服务提供商的页面，并通过该页面进行物流订单的下达，从而物流服务提供商可以基于通过互联网接收到的这样的订单，安排线下的物流配送人员进行配送。
29.特别地，在o2o服务中，已经出现了允许用户指定送达时间的定时达服务。在该服务中，用户在通过互联网使用应用程序下单时，除了指定送达的目的地之外，还可以额外选择送达时间，甚至可以额外指定送达的时间窗口，例如上午10点至10点半送达，这样用户可以更好地根据自己的日程安排来接收订单，以避免订单的送达与自己的日程冲突。例如用户如果已经安排了在上午9点开会，并且预计在10点前结束，那么就可以通过该定时达服务来指定在10点至10点半之间送达，以避免自己由于在开会中而无法接收货物的配送，或者由于需要接收配送而影响了自己的重要会议。
30.对于物流服务商来说，通常是在各个区域设置固定的配送站，并且将需要配送给用户的订单中的货物提前运送到该配送站，之后，物流服务商或者该配送站的管理人员可以为每个物流配送人员分配需要配送的订单，从而物流配送人员可以按照订单中指定的目的地进行配送。但是通常情况下，物流配送人员在离开配送站的配送途中可以沿途配送多个地点的物流订单，因此，配送站通常会为一个物流配送人员分配多个物流订单以供该物流配送人员在一个配送轮次中进行沿途配送。
31.在本技术实施例中，一个配送趟次可以是指该物流配送人员从该配送站出发进行配送并回到该配送站。因此，在配送站为物流配送人员分配订单时，需要在尽可能将订单按照用户指定的时间送达的情况下尽可能多地为物流配送人员分配一个趟次中的订单，以便于物流配送人员能够在该一个配送趟次中配送尽可能多的订单，并且还能够尽可能多地确保订单的配送时效性。
32.现有技术中，通常是由配送站的管理人员来为等待配送的物流配送人员分配订单，并且物流配送人员根据自己的经验或者当天的业绩要求来决定自己需要承接的订单量，而物流配送人员在承接了配送订单并从配送站出发开始配送之后，其往往需要依赖于自己的经验来确定配送的路线。但是这样的人工分配任务以及凭借经验来确定配送路线的方案很难考虑所有的因素，并且因此很难真正为物流配送人员确定优选的配送路线以及例如最晚出发时间等等具体的配送参数。而这些都会直接影响物流配送人员配送的订单的准时程度，或者说履约率，并且因此影响物流配送人员最终配送成功的订单数以及用户的满意度。
33.例如，在如图1中所示的场景中，示出了配送站处根据已有的四个订单d1-d4来为物流配送人员分配订单的场景。在本技术实施例中，d1-d4可以均为定时达订单，即，需要按照客户要求的时间段进行配送。例如，d1订单要求在上午9点至9点半，d2订单要求在上午10点至10点半送到，d3订单要求在上午10点10分至10点40分送到，并且d4订单要求在上午11点至11点半送到。在图1中示意性地示出了d1-d4这四个订单的目的地的分布。如图1中所示，d1距离配送站最近，d4距离配送站最远。因此，现有技术中通常是由物流配送人员来根据经验确定要接的订单数量，并且因此按顺序将所需数量的订单分配给物流配送人员。例如，物流配送人员在请求3个订单的情况下，在现有技术中，该配送站可以按照物流配送人员的要求，将d1-d3分配给该物流配送人员，从而物流配送人员可以在接收到配送订单之后就立即出发，按照其自行规划的路线来依次配送订单d1-d3，但是d3和d2这两个订单的指定
配送时间段非常接近，而目的地却相差较远，因此，物流配送人员在配送时，势必会导致d2或d3订单的配送延误。而这样的延误是由于配送站对于物流配送人员的配送订单分配不合理导致的。
34.因此，根据本技术实施例，可以在考虑定时达场景中用户指定的送达时间窗来计算订单的各种组合，并可以使用例如履约率等重要的服务指标来作为预先确定的约束条件，从而可以确定出较为合理的订单组合来作为最终分配给配送人员的订单任务。
35.例如，在如图1中所示的场景中，配送站处存在着4个订单d1-d4可分配给物流配送人员。这些订单均可以为例如定时达订单。在定时达场景中，由用户选择订单中所涉及的物流对象的送达时间窗，即最早送达时间以及最晚送达时间。最早送达时间可以是用户希望该订单最早被送达的时间，换言之，用户不希望该订单所涉及的物流对象在早于该时刻的时间送达，而最晚送达时间可以是用户希望该订单最晚被送达的时间，即用户希望最晚于该时刻接收到该物流对象。例如，对于上班族的用户来说，当订单的目的地是其家庭住址时，最早送达时间可以是用户认为自己起床后最早可以接收该订单的时间，而最晚送达时间可以是用户认为自己必须离开家去上班的时间。换言之，在该情况下，如果订单被早于该最早送达时间送达，那么用户可能尚未起床，物流配送人员敲门或者联系用户会不可避免地打扰到用户的休息，而如果订单被晚于该最晚送达时间送达，那么用户很可能已经离开家，出门上班了，那么即使物流配送人间将订单所涉及的物流对象送到，那么也没有办法送到用户的手中，或者用户也无法签收。
36.当然，在本技术实施例中，送达时间窗并非必须由如上定义的最早送达时间和最晚送达时间来限定。例如，在上述用户早起离家上班的情况中，用户可以将最晚离开家去上班的时间设定为最晚送达时间，并且在该最晚送达时间的基础上留出一定时间段，例如半小时，作为可接受订单的时间段，因此可以将从该最晚送达时间往前半小时的时刻作为最早送达时间。在本技术实施例中，最早送达时间和最晚送达时间可以根据情况以各种方式来定义。
37.此外，在本技术实施例中，当物流平台接收到并接受了用户的定时达订单时，通常可以视为物流配送服务商与用户之间具有某种契约。即，物流配送服务商需要在用户在订单中指定的时间窗内将用户在订单中指定的商品完整的送达到订单中指定的目的地。因此，在该情况下，履约及时率就成为定时单场景下物流配送服务的一个重要的服务指标。该履约及时率可以是物流配送人员在用户订单中指定的送达时间窗内送达的订单的数量/物流配送人员配送的总订单量。
38.但是在通常的物流服务中，履约及时率可以直接影响用户的体验。用户的体验不佳又往往可以直接影响其复购和推新意愿。因此，对于物流服务提供商来说，在为物流配送人员分配任务时，就需要考虑分配订单的履约及时率。
39.因此，在本技术实施例的订单分配方案中，除了考虑订单的履约及时率，还可以进一步考虑物流运送人员最晚离站时间。在目前的大部分定时达场景下，当物流配送人员到达配送站后，在为物流配送人员分配了当前已经有的订单之后，当这些订单的配送时间窗口允许物流配送人员继续等待时，可以接下来再查看是否还有与该物流配送人员已经接收的订单比较顺路且可以不违背订单的送达时间窗的订单。换言之，可以尽量为物流配送人员分配可以顺路在一个趟次中配送的订单，这样可以提升物流配送人员的配送效率。但是，
由于物流配送人员接收了多个订单，订单的送达窗口需要满足，因此不能允许物流配送人员在配送站内进行无限等待，需要为其给出最晚离站时间，也就是物流配送人员在保证其接收的订单的履约及时率的情况下最晚离开配送站的时间。
40.因此，在本技术实施例中，由于在计算履约及时率时需要先计算出每个订单的配送行程信息，以便于确定订单被送达的时间，因此确定了能够满足履约及时率或其他约束条件的订单组合的情况下，可以为物流配送人员提供包括每个订单的配送行程信息在内的配送任务，从而物流配送人员可以按照行程信息来执行配送，这样还可以避免由于物流配送人员自己规划的路线不合理导致的订单配送延迟的问题。
41.具体地，在本技术实施例中，可以首先获取多个订单的订单信息。如上所述，每个订单的订单信息可以至少包含该订单的最早送达时间、最晚送达时间和配送地点。例如，在如图1中所示的场景中，配送站可以首先获取d1-d4这四个订单的订单信息，例如送达时间窗口，也就是上述的每个订单的最早送达时间和最晚送达时间，并且还可以获取每个订单的配送地点，以便于计算物流配送人员的配送路线。
42.之后，本技术实施例可以对于这四个订单来生成多个初始订单组合，并且分别针对每个订单组合来计算该订单组合中每个订单的配送行程，例如，配送路线以及相应的送达时间。从而根据这样计算的每个订单的送达时间来计算例如履约及时率，以确定是否满足约束条件。例如，在本技术实施例中，可以使用例如深度优先的分支定界算法(branch&bound)和alns(adaptive large neighborhood search，自适应大领域搜索算法)，来对各种订单组合进行求解，以确定最终的订单组合，以生成配送任务。
43.例如，考虑上述两种算法的适应性问题，在本技术实施例中，对于订单数量较少的情况，可以采用分支定界算法来确定最终的订单组合，并且对于订单数量非常多的情况，可以采用alns，以便于在短时间内找到趋优解。
44.因此，在根据配送站的待分配的订单的数量确定了所使用的算法之后，就可以使用所选择的算法来对订单组合进行计算。
45.例如，在可以对计算出的订单组合结果进行评估，该评估可以与作为约束条件的目标设定紧密相关。在本技术实施例中，可以主要采用下面两种目标作为约束条件。例如，可以采用及时履约率作为约束条件，即以违背送达时间窗的订单的数量最少为目标。换言之，可以对每个订单组合中的订单按顺序计算配送路线以及送达时间，从而可以逐个确定该订单组合中每个订单的履约情况，即是否在该订单所指定的送达时间窗内送达，从而计算出该订单组合的总的违背送达时间窗的订单的数量。也就是该订单组合中没有能够在订单指定的送达窗口内送达的订单的总数。因此，可以通过该约束条件来确保最终确定的订单组合生成的配送任务能够使得违约的订单数量最少或甚至为零，这样能够最大地提升用户的体验。
46.但是以上述违约订单数量最少作为约束条件确定的订单组合中，很可能出现的是，只有一个订单违约，即只有一个订单没有在指定的送达时间窗口内送达，但是超时时间较长。换言之，对于不同的订单组合来说，很可能出现的是，两个或更多订单组合中包含的订单是相同的，例如都包含图1中所示的四个订单d1-d4，但是这些订单组合中订单的顺序不同，也就是说配送顺序不同，从而使得在一个订单组合中d1-d3都能够按时送达，但是将d4放到最后配送，使得d4订单的超时时间较长，例如超时1个小时，但是这样的订单组合按
照上述约束条件的计算方式，其最终违约订单总数为1个。而在另一个订单组合中，只有d1按时送达，而d2-d4都违约超时送达了，但是d2-d4订单中的每个订单的配送超时时间却都相对比较短，例如，大概都在5-10分钟左右。因此，如果按照上述及时履约率作为约束条件来确定订单组合，那么必然第一个订单组合是最合理的订单组合，因为按照该订单组合生成的配送任务最终只有一个订单超时了。但是实际上，由于该订单超时时间过长，反而给d4订单的用户带来了非常差的物流体验。这对于物流服务提供商来说也是希望能够避免的。
47.因此，在本技术实施例中，与上述及时履约率作为约束条件相对地，可以采用均衡目标为约束条件，即以违背订单中指定的送达时间窗的时间平方和最低为目标。使用这样的约束条件尽管可能会出现超时订单的数量增多，但是不会出现上述及时履约率优先带来的个别订单超时严重,给消费者体感极差的问题。
48.此外，在本技术实施例中，也可以上述两个约束条件中的一个作为第一优先级目标，并且在计算出的订单组合的及时履约率或者均衡目标相同时,可以进一步使用第二优先级目标，例如，提前到达的订单数量、订单行程的总距离等等，从而在多个订单组合满足第一优先级的情况下，进一步使用第二优先级目标进行比较，从而可以使用满足第二优先级目标的订单组合作为最终的订单组合结果来生成配送任务。
49.此外，在对于每个订单组合中的订单计算出送达时间时，是按照配送人员马上出发的方式计算，因此，可以在每一轮生成完配送路线和每个订单的送达时间后对该物流配送人员最晚离开配送站进行修正。
50.例如，在本技术实施例中，某个订单组合包括有n个订单，每个订单i∈n,每个订单的送达时间窗为最早送达时间eti，最晚送达时间lti。每个订单的计算出的送达时间为rti，则每个订单的超时时间oti＝rt
i-lti,早达时间bti＝et
i-rti。
51.因此，以上述计算方式，当存在超时订单时，也就是说构成该订单组合的订单中存在大于零的超时时间，即max*oti 》0,此时无须对每个订单送达时间进行校正，并且无须对最晚离站时间进行修正，而是应该立即出发。
52.当仅存在订单早达,即无大于零的超时时间的订单但是存在早达时间大于零的订单，max*oti ≤0&&max*bti 》0,则说明还可以将该订单组合的整体时间向后推移。但是为了保证推移时间不造成订单晚达,则可以进一步计算最大可推移时间mpt＝min*abs(oti) ，其中abs()为求绝对值函数。因此，为了涵盖所有早达订单,需要的推移时间npt＝max*bti|bti》0 ,故整体时间可后移min*mpt,npt 。
53.此外，当当前订单组合中没有任何订单违背送达时间窗,即max*oti ≤0&&max*bti ≤0,此时可以将配送人员的最晚离站时间往后推移,并且因此可以进一步计算推移时间为min*abs(oti) 。
54.此外，在采用基于深度优先的分支定界方法计算订单组合时,在下述三种情况下可以对订单组合进行调整，即分支减支。
55.例如，在当前配送趟次中不存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单时，根据所述配送行程信息确定的总配送距离大于当前配送距离；当前配送趟次中存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单时，删除所述最后添加的订单后，在当前配送趟次中不存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单；在当前配送趟次中存在预计送达时间早于最早送达时间或晚于最晚送达时间的
订单时，预计送达时间早于所述最早送达时间或晚于所述最晚送达时间的订单个数大于预设阈值。
56.此外，在上述以均衡目标作为约束条件计算订单组合时，可以在下述两种情况下进行订单组合调整。
57.在当前配送趟次中存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单时，删除所述最后添加的订单后，在当前配送趟次中不存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单。
58.在当前配送趟次中存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单时，预计送达时间早于所述最早送达时间或晚于所述最晚送达时间的时间长度的平方和大于预定阈值。
59.此外，在针对大量订单进行订单组合计算时，如上所述，可以使用alns算法来进行计算，在该算法中，除了上述计算之外，还可以进一步进行下述处理。
60.一、移除处理，即将当前超时最多的订单移除，若当前无订单超时，则将当前订单距离最远的前一订单移除，直到已经移除了预定数量的订单；或者可以随机移除预定数量的订单；或者可以基于移除前后的配送距离变化选择移除订单,如原来的配送顺序是订单d1-》订单d2-》订单d3，则可以移除使得length(d1-》d2) length(d2-》d3)-length(d1-》d3)最大的订单，直到已经移除了预定数量的订单为止。
61.二、修复处理，即对于待配送的订单，确定新增加的订单不会超时的最晚顺序的订单组合，若无论如何都会超时，则直接为新增加的订单为第一个订单的订单组合；对于新增加的取货点，则可以将该取货点与相邻的配送点的距离最近的订单组合确定为最终的订单组合。
62.三、更新处理，即若当前选择的上述移除处理或者修复处理获得了比当前解更好的解,则对应的移除处理或者修复处理选择概率增加；若当前解比上一轮迭代的解好,则接受该轮迭代解继续进行迭代；若该轮迭代的解比上一轮迭代的解差,则以预定概率来接受该轮迭代的解,其中，接受概率阀值可以为e^(上一轮延迟单量-该轮延迟单量)；若未接受该轮迭代的解则回退至上一轮迭代的解进行下一轮迭代。
63.四、异常处理，对于配送遇到例如极端天气、仓出库晚的情况，在本技术实施例中，还可以对于根据上述方式计算出的最终配送任务的执行时间进行特别处理，以避免由于这样的极端情况而影响配送人员的考核。
64.例如，在极端天气的情况下，由于极端天气影响物流配送人员的配送速度，因此，在本技术实施例中，可以根据历史经验拟合不同天气对骑行速度的影响，已对计算订单配送时间的配送速度进行修正，从而可以将该情况下计算的结果与预先设置的最大可容忍超时进行对比，以确定最终可超时时间阈值。
65.此外，在物流对象出仓晚的情况下，即物流配送人员在配送站拿到待配送的物流对象的时间较晚，这也并非是由于配送人员的原因造成的，因此，在本技术实施例中，可以对比订单的仓预计出库时间和实际出库时间,若实际出库时间大于预计出库时间,该订单为出库晚订单.在计算过程中,若订单一定超时,则可超时时间上限为仓出库晚时间量。
66.因此，根据本技术实施例提供的订单分配方案，通过根据多个订单的订单信息来基于预先设置的约束条件进行计算，从而可以获取到由这些订单中的至少一个订单构成的
订单组合结果，并且根据该订单组合结果的订单信息来生成一个配送趟次的订单配送任务，因此，通过使用预先设置的约束条件来从多个订单中计算符合约束条件的订单组合，并以该订单组合结果中的各订单信息生成一个配送趟次的配送任务，从而配送人员可以根据该配送任务来执行配送，而由于生成的配送任务是符合预定的订单组合生成约束条件的，因此物流配送人员根据这样生成的订单任务进行配送，能够将例如订单履约率这样的指标作为预先设置的约束条件，来不仅为物流配送人员挑选订单，而且还可以相应地生成优化的配送行程，从而能够避免由于依赖人工进行订单分配和任务生成配送任务不合理的缺陷。
67.上述实施例是对本技术实施例的技术原理和示例性的应用框架的说明，下面通过多个实施例来进一步对本技术实施例具体技术方案进行详细描述。
68.实施例二
69.图2为本技术提供的订单分配方法的一个实施例的流程图，该方法的执行主体可以为具有物流信息处理能力的各种终端或服务器设备，也可以为集成在这些设备上的装置或芯片。如图2所示，该订单分配方法包括如下步骤：
70.s201，获取多个订单的订单信息。
71.在步骤s201中，可以首先获取需要分配的多个订单的订单信息。在本技术实施例中，订单信息可以包含有该订单的最早送达时间、最晚送达时间和配送地点。换言之，在本技术实施例中，在步骤s201中获取的订单的订单信息可以至少包含用户对于该订单指示的送达时间窗和配送的地址。
72.s202，根据订单信息以及预先设置的约束条件进行计算，获取由多个订单中的至少一个订单构成的订单组合结果。
73.在步骤s202中，可以对于步骤s201中获取到的多个订单进行组合，并针对各个组合来进行计算符合预先设置的约束条件的订单组合。例如，可以基于预定数量来组成初始订单组合，并且逐个添加订单来生成多个订单组合，并且还可以通过调整订单组合中的订单的顺序来生成订单组合。在每个订单组合中的订单的顺序就是最终生成配送任务时的配送顺序。因此，在步骤s202中可以针对具有不同订单以及不同订单配送顺序的订单组合来进行计算，并分别判断是否符合预先设置的约束条件。换言之，在步骤s202中可以通过预设的约束条件来从步骤s201中获取到的多个订单的各种组合中选择符合约束条件的订单组合作为最终的订单组合结果。
74.s203，根据订单组合结果，生成一个配送趟次的订单配送任务。
75.在步骤s203中，可以根据步骤s202中计算出的符合预先设置的约束条件的订单组合结果，来生成物流配送人员在一个配送趟次中执行的订单配送任务。例如，在步骤s202中生成的最终的订单组合结果是由多个按顺序排列的订单组成的订单组合，因此，可以以该顺序作为配送顺序，并且以在步骤s202中针对该订单组合计算出的每个订单的配送路线以及送达时间作为该订单的配送行程信息，从而将这些订单的上述信息与订单信息一一对应，来生成订单配送任务。
76.因此，根据本技术实施例提供的订单分配方法，通过根据多个订单的订单信息来基于预先设置的约束条件进行计算，从而可以获取到由这些订单中的至少一个订单构成的订单组合结果，并且根据该订单组合结果的订单信息来生成一个配送趟次的订单配送任
务，因此，通过使用预先设置的约束条件来从多个订单中计算符合约束条件的订单组合，并以该订单组合结果中的各订单信息生成一个配送趟次的配送任务，从而配送人员可以根据该配送任务来执行配送，而由于生成的配送任务是符合预定的订单组合生成约束条件的，因此物流配送人员根据这样生成的订单任务进行配送，能够将例如订单履约率这样的指标作为预先设置的约束条件，来不仅为物流配送人员挑选订单，而且还可以相应地生成优化的配送行程，从而能够避免由于依赖人工进行订单分配和任务生成配送任务不合理的缺陷。
77.实施例三
78.图3为本技术提供的订单分配方法的另一个实施例的流程图，该方法的执行主体可以为具有订单分配能力的各种终端或服务器设备，也可以为集成在这些设备上的装置或芯片。如图3所示，本技术实施例提供的订单分配方法可以包括如下步骤：
79.s301，获取多个订单的订单信息。
80.在步骤s301中，可以首先获取需要分配的多个订单的订单信息。在本技术实施例中，订单信息可以包含有该订单的最早送达时间、最晚送达时间和配送地点。换言之，在本技术实施例中，在步骤s301中获取的订单的订单信息可以至少包含用户对于该订单指示的送达时间窗和配送的地址。
81.s302，对于多个订单生成多个初始订单组合。
82.在步骤s302中，可以对于步骤s301中获取到的多个订单进行组合，并针对各个组合来进行计算符合预先设置的约束条件的订单组合。例如，可以基于预定数量来组成初始订单组合，并且逐个添加订单来生成多个订单组合，并且还可以通过调整订单组合中的订单的顺序来生成订单组合。在每个订单组合中的订单的顺序就是最终生成配送任务时的配送顺序。
83.s303，按预定顺序分别计算初始订单组合中的各个订单的配送行程信息。
84.在步骤s303中，可以逐个对于步骤s302中生成的初始订单组合进行配送行程的计算。例如，在步骤s303中，可以首先根据一个初始订单组合中排在第一个订单的配送地点来计算从当前地点，例如配送站到该配送地点的路线，并且根据预先设置的配送人员的行进速度来计算到达该配送地点的时间，从而可以将该时间作为该第一个订单的配送完成时间。特别地，在本技术实施例中，由于物流配送人员可以使用各种交通工具来进行配送，因此，可以针对不同物流配送人员的交通工具信息来确定在步骤s303中所使用的配送人员的行进速度，并且还可以根据该物流配送人员所使用的交通工具来进一步确定其从当前地点到达配送地点的路线。例如，当物流配送人员使用汽车作为交通工具时，可以选择汽车能够通行的道路来构成配送路线，并且还可以进一步地将配送地址附近可以允许停放汽车的停车场等地点作为该订单的第一配送地址，并且进一步使用步行来作为从该第一配送地址到实际配送地址的交通方式，从而分为两部分来计算从当前地点到达配送地址的时间和配送路线。此外，当物流配送人员使用自行车或电动自行车作为交通工具来执行配送任务时，则可以使用地图中的几乎全部道路作为可构成配送路线的道路。
85.s304，根据初始订单组合中的各个订单的订单信息以及预先设置的约束条件确定满足约束条件的初始订单组合作为订单组合结果。
86.因此，在步骤s304中可以基于步骤s303中计算的每个初始订单组合中的各订单的
配送行程信息来判断是否符合预先设置的约束条件。换言之，在步骤s304中可以通过预设的约束条件来从步骤s302中获取到的多个初始订单组合中选择符合约束条件的订单组合作为最终的订单组合结果。
87.例如，在本技术实施例中，可以根据步骤s302中生成的订单组合的数量来选择不同的算法进行可以使用例如深度优先的分支定界算法和alns，来对步骤s303中计算的初始订单组合进行约束计算，以确定最终的订单组合结果。这两种算法由于具有不同的优势，因此在本技术实施例中，对于订单数量较少的情况，可以采用分支定界算法来确定最终的订单组合，并且对于订单数量非常多的情况，可以采用alns，以便于在短时间内找到趋优解。
88.例如，在步骤s304中可以使用的约束条件可以包括：及时履约率约束条件，即预计送达时间早于最早送达时间或晚于最晚送达时间的订单个数最少以及均衡约束条件，即预计送达时间早于最早送达时间或晚于最晚送达时间的时间长度的平方和最小。此外，在上述两个约束条件的基础上，还可以进一步包括：早达单量约束条件，即预计送达时间早于最早送达时间的订单个数最少以及总配送距离约束条件，即根据配送行程信息确定的总配送距离最小。
89.例如，在步骤s304中采用及时履约率约束条件的情况下，即在以违背送达时间窗的订单的数量最少为确定最终订单组合结果的条件时，可以根据步骤s303中计算出的每个订单组合中的订单的配送路线以及送达时间，确定该初始订单组合中每个订单的履约情况，即是否在该订单所指定的送达时间窗内送达，从而计算出该初始订单组合的总的违背送达时间窗的订单的数量。也就是该订单组合中没有能够在订单指定的送达窗口内送达的订单的总数。因此，可以在步骤s304中通过该约束条件来选择能够使得违约的订单数量最少或甚至为零的订单组合作为最终的订单组合结果，以最大地提升用户的体验。
90.此外，在步骤s304中采用及时履约率约束条件确定订单组合结果时，很可能出现的是，在最终确定的订单组合结果中，只有一个订单违约，即只有一个订单没有在指定的送达时间窗口内送达，但是超时时间较长。换言之，在步骤s304中以及时履约率约束条件计算订单组合时，由于订单组合中订单的顺序不同，也就是说配送顺序不同，从而使得在一个订单组合中大部分订单都能够按时送达，而只有最后配送的订单的超时，且时间较长，例如超时1个小时，但是这样的订单组合按照及时履约率约束条件计算时，由于其最终违约订单总数为1个，而被选择为最终的订单组合结果。但是在没有被选择的订单组合中，存在其中由两个或更多个订单都违约超时，但是每个超时订单的配送超时时间却都相对比较短，例如，大概都在5-10分钟左右。在实际物流体验中，如上按照及时履约率约束条件确定的订单由于其中最后一个订单的超时时间过长，反而该订单的用户带来了非常差的物流体验。这对于物流服务提供商来说也是希望能够避免的。
91.因此，在步骤s304中，可以均衡约束条件，即以违背订单中指定的送达时间窗的时间平方和最低为目标。使用这样的约束条件进行计算，就会在上面描述的情况中，将后一个订单组合确定为最终的订单组合结果，而尽管该订单组合中超时订单的数量较多，但是由于每个订单的超时时间都不长，因此实际上给用户的体验要好于使用及时履约率约束确定的其中个别订单超时严重导致体验差的问题。
92.此外，在步骤s304中，还可以使上述及时履约率约束条件以及平衡约束条件具有早达单量约束条件以及总配送距离约束条件的优先级。因此在步骤s304中使用及时履约率
约束条件或平衡约束条件计算出的多个订单组合结果时，可以进一步使用早达单量约束条件或总配送距离约束条件来进一步对这些订单组合结果进行筛选，从而可以使用满足早达单量约束条件或总配送距离约束条件的订单组合作为最终的订单组合结果。
93.此外，在步骤s304中采用基于深度优先的分支定界方法计算订单组合时,在下述三种情况下可以对订单组合进行调整，即分支减支。
94.例如，在当前配送趟次中不存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单时，根据所述配送行程信息确定的总配送距离大于当前配送距离；当前配送趟次中存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单时，删除所述最后添加的订单后，在当前配送趟次中不存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单；在当前配送趟次中存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单时，预计送达时间早于所述最早送达时间或晚于所述最晚送达时间的订单个数大于预设阈值。
95.此外，在步骤s304中以均衡约束条件计算订单组合时，可以在下述两种情况下进行订单组合调整。
96.在当前配送趟次中存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单时，删除所述最后添加的订单后，在当前配送趟次中不存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单。
97.在当前配送趟次中存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单时，预计送达时间早于所述最早送达时间或晚于所述最晚送达时间的时间长度的平方和大于预定阈值。
98.此外，在步骤s304中对于超过预定阈值数量的订单组合进行订单组合计算时，如上所述，可以使用alns算法来进行计算，在该算法中，除了上述计算之外，还可以进一步进行下述处理。
99.一、移除处理，即将当前超时最多的订单移除，若当前无订单超时，则将当前订单距离最远的前一订单移除，直到已经移除了预定数量的订单；或者可以随机移除预定数量的订单；或者可以基于移除前后的配送距离变化选择移除订单,如原来的配送顺序是订单d1-》订单d2-》订单d3，则可以移除使得length(d1-》d2) length(d2-》d3)-length(d1-》d3)最大的订单，直到已经移除了预定数量的订单为止。
100.二、修复处理，即对于待配送的订单，确定新增加的订单不会超时的最晚顺序的订单组合，若无论如何都会超时，则直接为新增加的订单为第一个订单的订单组合；对于新增加的取货点，则可以将该取货点与相邻的配送点的距离最近的订单组合确定为最终的订单组合。
101.三、更新处理，即若当前选择的上述移除处理或者修复处理获得了比当前解更好的解,则对应的移除处理或者修复处理选择概率增加；若当前解比上一轮迭代的解好,则接受该轮迭代解继续进行迭代；若该轮迭代的解比上一轮迭代的解差,则以预定概率来接受该轮迭代的解,其中，接受概率阀值可以为e^(上一轮延迟单量-该轮延迟单量)；若未接受该轮迭代的解则回退至上一轮迭代的解进行下一轮迭代。
102.四、异常处理，对于配送遇到例如极端天气、仓出库晚的情况，在本技术实施例中，还可以对于根据上述方式计算出的最终配送任务的执行时间进行特别处理，以避免由于这
样的极端情况而影响配送人员的考核。
103.例如，在极端天气的情况下，由于极端天气影响物流配送人员的配送速度，因此，在本技术实施例中，可以根据历史经验拟合不同天气对骑行速度的影响，已对计算订单配送时间的配送速度进行修正，从而可以将该情况下计算的结果与预先设置的最大可容忍超时进行对比，以确定最终可超时时间阈值。
104.此外，在物流对象出仓晚的情况下，即物流配送人员在配送站拿到待配送的物流对象的时间较晚，这也并非是由于配送人员的原因造成的，因此，在本技术实施例中，可以对比订单的仓预计出库时间和实际出库时间,若实际出库时间大于预计出库时间,该订单为出库晚订单.在计算过程中,若订单一定超时,则可超时时间上限为仓出库晚时间量。
105.s305，根据订单组合结果，生成一个配送趟次的订单配送任务。
106.在步骤s305中，可以根据步骤s304中计算出的符合预先设置的约束条件的订单组合结果，来生成物流配送人员在一个配送趟次中执行的订单配送任务。例如，在步骤s304中生成的最终的订单组合结果是由多个按顺序排列的订单组成的订单组合，因此，可以以该顺序作为配送顺序，并且以在步骤s303中针对该订单组合计算出的每个订单的配送路线以及送达时间作为该订单的配送行程信息，从而将这些订单的上述信息与订单信息一一对应，来生成订单配送任务。
107.因此，根据本技术实施例提供的订单分配方法，通过根据多个订单的订单信息来基于预先设置的约束条件进行计算，从而可以获取到由这些订单中的至少一个订单构成的订单组合结果，并且根据该订单组合结果的订单信息来生成一个配送趟次的订单配送任务，因此，通过使用预先设置的约束条件来从多个订单中计算符合约束条件的订单组合，并以该订单组合结果中的各订单信息生成一个配送趟次的配送任务，从而配送人员可以根据该配送任务来执行配送，而由于生成的配送任务是符合预定的订单组合生成约束条件的，因此物流配送人员根据这样生成的订单任务进行配送，能够将例如订单履约率这样的指标作为预先设置的约束条件，来不仅为物流配送人员挑选订单，而且还可以相应地生成优化的配送行程，从而能够避免由于依赖人工进行订单分配和任务生成配送任务不合理的缺陷。
108.实施例四
109.图4为本技术提供的订单分配装置的实施例的结构示意图，可以用于执行图2或图3中所示的订单分配方法。如图4所示，该订单分配装置可以包括：获取模块41、处理模块42和生成模块43。
110.获取模块41可以用于获取多个订单的订单信息。
111.获取模块41可以首先获取需要分配的多个订单的订单信息。在本技术实施例中，订单信息可以包含有该订单的最早送达时间、最晚送达时间和配送地点。换言之，在本技术实施例中，获取模块41获取的订单的订单信息可以至少包含用户对于该订单指示的送达时间窗和配送的地址。
112.处理模块42可以用于根据订单信息以及预先设置的约束条件进行计算，获取由多个订单中的至少一个订单构成的订单组合结果。
113.处理模块42可以对于获取模块41获取到的多个订单进行组合，并针对各个组合来进行计算符合预先设置的约束条件的订单组合。例如，可以基于预定数量来组成初始订单
组合，并且逐个添加订单来生成多个订单组合，并且还可以通过调整订单组合中的订单的顺序来生成订单组合。在每个订单组合中的订单的顺序就是最终生成配送任务时的配送顺序。因此，处理模块42可以针对具有不同订单以及不同订单配送顺序的订单组合来进行计算，并分别判断是否符合预先设置的约束条件。换言之，处理模块42可以通过预设的约束条件来从获取模块41获取到的多个订单的各种组合中选择符合约束条件的订单组合作为最终的订单组合结果。
114.具体地，在本技术实施例中，处理模块42可以按预定顺序分别计算初始订单组合中的各个订单的配送行程信息。例如，处理模块42可以逐个对于初始订单组合进行配送行程的计算。例如，可以首先根据一个初始订单组合中排在第一个订单的配送地点来计算从当前地点，例如配送站到该配送地点的路线，并且根据预先设置的配送人员的行进速度来计算到达该配送地点的时间，从而可以将该时间作为该第一个订单的配送完成时间。特别地，在本技术实施例中，由于物流配送人员可以使用各种交通工具来进行配送，因此，可以针对不同物流配送人员的交通工具信息来确定所使用的配送人员的行进速度，并且还可以根据该物流配送人员所使用的交通工具来进一步确定其从当前地点到达配送地点的路线。例如，当物流配送人员使用汽车作为交通工具时，可以选择汽车能够通行的道路来构成配送路线，并且还可以进一步地将配送地址附近可以允许停放汽车的停车场等地点作为该订单的第一配送地址，并且进一步使用步行来作为从该第一配送地址到实际配送地址的交通方式，从而分为两部分来计算从当前地点到达配送地址的时间和配送路线。此外，当物流配送人员使用自行车或电动自行车作为交通工具来执行配送任务时，则可以使用地图中的几乎全部道路作为可构成配送路线的道路。
115.处理模块42还可以根据初始订单组合中的各个订单的订单信息以及预先设置的约束条件确定满足约束条件的初始订单组合作为订单组合结果。
116.处理模块42可以基于计算的每个初始订单组合中的各订单的配送行程信息来判断是否符合预先设置的约束条件。换言之，处理模块42可以通过预设的约束条件来从获取到的多个初始订单组合中选择符合约束条件的订单组合作为最终的订单组合结果。
117.例如，在本技术实施例中，处理模块42可以根据生成的订单组合的数量来选择不同的算法进行可以使用例如深度优先的分支定界算法和alns，来对计算的初始订单组合进行约束计算，以确定最终的订单组合结果。这两种算法由于具有不同的优势，因此在本技术实施例中，对于订单数量较少的情况，可以采用分支定界算法来确定最终的订单组合，并且对于订单数量非常多的情况，可以采用alns，以便于在短时间内找到趋优解。
118.例如，处理模块42可以使用的约束条件可以包括：及时履约率约束条件，即预计送达时间早于最早送达时间或晚于最晚送达时间的订单个数最少以及均衡约束条件，即预计送达时间早于最早送达时间或晚于最晚送达时间的时间长度的平方和最小。此外，在上述两个约束条件的基础上，还可以进一步包括：早达单量约束条件，即预计送达时间早于最早送达时间的订单个数最少以及总配送距离约束条件，即根据配送行程信息确定的总配送距离最小。
119.例如，处理模块42采用及时履约率约束条件的情况下，即在以违背送达时间窗的订单的数量最少为确定最终订单组合结果的条件时，可以根据计算出的每个订单组合中的订单的配送路线以及送达时间，确定该初始订单组合中每个订单的履约情况，即是否在该
订单所指定的送达时间窗内送达，从而计算出该初始订单组合的总的违背送达时间窗的订单的数量。也就是该订单组合中没有能够在订单指定的送达窗口内送达的订单的总数。因此，处理模块42可以通过该约束条件来选择能够使得违约的订单数量最少或甚至为零的订单组合作为最终的订单组合结果，以最大地提升用户的体验。
120.此外，处理模块42采用及时履约率约束条件确定订单组合结果时，很可能出现的是，在最终确定的订单组合结果中，只有一个订单违约，即只有一个订单没有在指定的送达时间窗口内送达，但是超时时间较长。换言之，处理模块42以及时履约率约束条件计算订单组合时，由于订单组合中订单的顺序不同，也就是说配送顺序不同，从而使得在一个订单组合中大部分订单都能够按时送达，而只有最后配送的订单的超时，且时间较长，例如超时1个小时，但是这样的订单组合按照及时履约率约束条件计算时，由于其最终违约订单总数为1个，而被选择为最终的订单组合结果。但是在没有被选择的订单组合中，存在其中由两个或更多个订单都违约超时，但是每个超时订单的配送超时时间却都相对比较短，例如，大概都在5-10分钟左右。在实际物流体验中，如上按照及时履约率约束条件确定的订单由于其中最后一个订单的超时时间过长，反而该订单的用户带来了非常差的物流体验。这对于物流服务提供商来说也是希望能够避免的。
121.因此，处理模块42可以均衡约束条件，即以违背订单中指定的送达时间窗的时间平方和最低为目标。使用这样的约束条件进行计算，就会在上面描述的情况中，将后一个订单组合确定为最终的订单组合结果，而尽管该订单组合中超时订单的数量较多，但是由于每个订单的超时时间都不长，因此实际上给用户的体验要好于使用及时履约率约束确定的其中个别订单超时严重导致体验差的问题。
122.此外，处理模块42还可以使上述及时履约率约束条件以及平衡约束条件具有早达单量约束条件以及总配送距离约束条件的优先级。因此，处理模块42使用及时履约率约束条件或平衡约束条件计算出的多个订单组合结果时，可以进一步使用早达单量约束条件或总配送距离约束条件来进一步对这些订单组合结果进行筛选，从而可以使用满足早达单量约束条件或总配送距离约束条件的订单组合作为最终的订单组合结果。
123.此外，处理模块42采用基于深度优先的分支定界方法计算订单组合时,在下述三种情况下可以对订单组合进行调整，即分支减支。
124.例如，在当前配送趟次中不存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单时，根据所述配送行程信息确定的总配送距离大于当前配送距离；当前配送趟次中存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单时，删除所述最后添加的订单后，在当前配送趟次中不存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单；在当前配送趟次中存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单时，预计送达时间早于所述最早送达时间或晚于所述最晚送达时间的订单个数大于预设阈值。
125.此外，处理模块42以均衡约束条件计算订单组合时，可以在下述两种情况下进行订单组合调整。
126.在当前配送趟次中存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单时，删除所述最后添加的订单后，在当前配送趟次中不存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单。
127.在当前配送趟次中存在预计送达时间早于最早送达时间或晚于最晚送达时间的订单时，预计送达时间早于所述最早送达时间或晚于所述最晚送达时间的时间长度的平方和大于预定阈值。
128.此外，处理模块42对于超过预定阈值数量的订单组合进行订单组合计算时，如上所述，可以使用alns算法来进行计算，在该算法中，除了上述计算之外，还可以进一步进行下述处理。
129.一、移除处理，即将当前超时最多的订单移除，若当前无订单超时，则将当前订单距离最远的前一订单移除，直到已经移除了预定数量的订单；或者可以随机移除预定数量的订单；或者可以基于移除前后的配送距离变化选择移除订单,如原来的配送顺序是订单d1-》订单d2-》订单d3，则可以移除使得length(d1-》d2) length(d2-》d3)-length(d1-》d3)最大的订单，直到已经移除了预定数量的订单为止。
130.二、修复处理，即对于待配送的订单，确定新增加的订单不会超时的最晚顺序的订单组合，若无论如何都会超时，则直接为新增加的订单为第一个订单的订单组合；对于新增加的取货点，则可以将该取货点与相邻的配送点的距离最近的订单组合确定为最终的订单组合。
131.三、更新处理，即若当前选择的上述移除处理或者修复处理获得了比当前解更好的解,则对应的移除处理或者修复处理选择概率增加；若当前解比上一轮迭代的解好,则接受该轮迭代解继续进行迭代；若该轮迭代的解比上一轮迭代的解差,则以预定概率来接受该轮迭代的解,其中，接受概率阀值可以为e^(上一轮延迟单量-该轮延迟单量)；若未接受该轮迭代的解则回退至上一轮迭代的解进行下一轮迭代。
132.四、异常处理，对于配送遇到例如极端天气、仓出库晚的情况，在本技术实施例中，还可以对于根据上述方式计算出的最终配送任务的执行时间进行特别处理，以避免由于这样的极端情况而影响配送人员的考核。
133.例如，在极端天气的情况下，由于极端天气影响物流配送人员的配送速度，因此，在本技术实施例中，可以根据历史经验拟合不同天气对骑行速度的影响，已对计算订单配送时间的配送速度进行修正，从而可以将该情况下计算的结果与预先设置的最大可容忍超时进行对比，以确定最终可超时时间阈值。
134.此外，在物流对象出仓晚的情况下，即物流配送人员在配送站拿到待配送的物流对象的时间较晚，这也并非是由于配送人员的原因造成的，因此，在本技术实施例中，可以对比订单的仓预计出库时间和实际出库时间,若实际出库时间大于预计出库时间,该订单为出库晚订单.在计算过程中,若订单一定超时,则可超时时间上限为仓出库晚时间量。
135.生成模块43可以用于根据订单组合结果，生成一个配送趟次的订单配送任务。
136.生成模块43可以根据处理模块42计算出的符合预先设置的约束条件的订单组合结果，来生成物流配送人员在一个配送趟次中执行的订单配送任务。例如，处理模块42生成的最终的订单组合结果是由多个按顺序排列的订单组成的订单组合，因此，可以以该顺序作为配送顺序，并且以针对该订单组合计算出的每个订单的配送路线以及送达时间作为该订单的配送行程信息，从而将这些订单的上述信息与订单信息一一对应，来生成订单配送任务。
137.因此，根据本技术实施例提供的订单分配装置，通过根据多个订单的订单信息来
基于预先设置的约束条件进行计算，从而可以获取到由这些订单中的至少一个订单构成的订单组合结果，并且根据该订单组合结果的订单信息来生成一个配送趟次的订单配送任务，因此，通过使用预先设置的约束条件来从多个订单中计算符合约束条件的订单组合，并以该订单组合结果中的各订单信息生成一个配送趟次的配送任务，从而配送人员可以根据该配送任务来执行配送，而由于生成的配送任务是符合预定的订单组合生成约束条件的，因此物流配送人员根据这样生成的订单任务进行配送，能够将例如订单履约率这样的指标作为预先设置的约束条件，来不仅为物流配送人员挑选订单，而且还可以相应地生成优化的配送行程，从而能够避免由于依赖人工进行订单分配和任务生成配送任务不合理的缺陷。
138.实施例五
139.以上描述了订单分配装置的内部功能和结构，该装置可实现为一种电子设备。图5为本技术提供的电子设备实施例的结构示意图。如图5所示，该电子设备包括存储器51和处理器52。
140.存储器51，用于存储程序。除上述程序之外，存储器51还可被配置为存储其它各种数据以支持在电子设备上的操作。这些数据的示例包括用于在电子设备上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。
141.存储器51可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
142.处理器52，不仅仅局限于处理器(cpu)，还可能为图形处理器(gpu)、现场可编辑门阵列(fpga)、嵌入式神经网络处理器(npu)或人工智能(ai)芯片等处理芯片。处理器52，与存储器51耦合，执行存储器51所存储的程序，以执行上述实施例二或三的订单分配方法。
143.进一步，如图5所示，电子设备还可以包括：通信组件53、电源组件54、音频组件55、显示器56等其它组件。图5中仅示意性给出部分组件，并不意味着电子设备只包括图5所示组件。
144.通信组件53被配置为便于电子设备和其他设备之间有线或无线方式的通信。电子设备可以接入基于通信标准的无线网络，如wifi、2g、3g、4g/lte、5g等移动通信网络，或它们的组合。在一个示例性实施例中，通信组件53经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件53还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
145.电源组件54，为电子设备的各种组件提供电力。电源组件54可以包括电源管理系统，一个或多个电源，及其他与为电子设备生成、管理和分配电力相关联的组件。
146.音频组件55被配置为输出和/或输入音频信号。例如，音频组件55包括一个麦克风(mic)，当电子设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器51或经由通信组件53发送。在一些实施例中，音频组件55还包括一个扬声器，用于输出音频信号。
147.显示器56包括屏幕，其屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕
包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。
148.本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
149.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。