分拨中心任务调度方法、装置、设备及存储介质

摘要

本发明涉及物流运输技术领域，公开了一种分拨中心任务调度方法、装置、设备及存储介质。本方法包括：通过对获取的目标物流任务进行解析，得到任务处理时间；判断任务处理时间是否大于预设阈值，若是，则根据任务处理时间为目标物流任务匹配相应数量的工作人员；对获取的工作人员的历史工作数据进行分析，得到工作人员的状态数据和可处理任务量；根据任务数据、状态数据和可处理任务量，为目标物流任务匹配对应的目标工作人员；计算目标工作人员处理物流任务的工作时长，根据时长和任务对应的优先级生成配送任务列表，执行物流调度任务。本方案通过对目标物流任务进行分析调度并执行，保障了物流高峰期任务处理时资源配置，提升了分拨运输时效。

说明书

技术领域

本发明涉及物流运输技术领域，尤其涉及一种分拨中心任务调度方法、装置、设备及存储介质。

背景技术

目前，在在物流领域中，物流运输行业整体智能化水平交底，对于物流订单、分拨运力、服务的资源通常是人为调度的，例如，将物流订单发送给运输服务提供方进行运输的过程中，是分拨领导计划层安排好调度方案，以书面或者电话形式通知员工执行层相关人员进行任务的处理，然后进行订单的分拣、运输等工作，领导也无法及时掌握任务的完成情况。

这种人工沟通、员工被动执行的情况会导致分拨中心信息交流不通畅。资源配置不合理、员工工作效率低下，若在双十一等物流高峰时期还会导致分拨订单分拣运输时效低下等情况。由此，如何实现保障物流高峰期任务处理时资源配置稳定高效，最大化保证企业的正常运转、提升分拨运输时效，成了本领域技术人员需要解决的技术问题。

发明内容

本发明的主要目的是过对目标物流任务进行分析调度并执行，保障了物流高峰期任务处理时资源配置，提升了分拨运输时效。

本发明第一方面提供了一种分拨中心任务调度方法，包括：获取分拨中心待调度的目标物流任务，并对所述目标物流任务进行解析，得到任务处理时间；判断所述任务处理时间是否大于预设阈值，若是，则根据所述任务处理时间为所述目标物流任务匹配相应数量的工作人员；获取各所述工作人员的历史工作行为数据，对所述历史工作行为数据进行分析，得到每个所述工作人员的状态数据和可处理任务量信息；根据所述目标物流任务中的任务数据、每个所述工作人员的状态数据和所述可处理任务量信息对所述目标物流任务和每个所述工作人员进行匹配，得到与所述目标物流任务对应的目标工作人员；基于线性回归算法计算所述目标工作人员处理所述目标物流任务的工作时长，根据所述工作时长和所述目标物流任务对应的优先级，对所述目标物流任务进行规划得到配送任务列表，并根据所述配送任务列表执行物流调度任务。

可选地，在本发明第一方面的第一种实现方式中，所述对所述目标物流任务进行解析，得到任务处理时间，包括：获取所述分拨中心中多个历史物流任务；计算所述目标物流任务与所述多个历史物流数据之间的相似度值，并基于所述相似度值从所述多个历史物流任务中确定一组相似任务；基于所述任务类型从所述一组相似任务中确定目标历史物流任务，并将所述目标历史物流任务对应的历史平均耗时确定为所述目标任务的任务处理时间。

可选地，在本发明第一方面的第二种实现方式中，在所述根据所述任务处理时间为所述目标物流任务匹配相应数量的工作人员之前，还包括：获取所述目标物流任务的任务数据，并根据所述任务数据确定所述目标物流任务的优先级。

可选地，在本发明第一方面的第三种实现方式中，所述获取所述目标物流任务的任务数据，并根据所述任务数据确定所述目标物流任务的优先级，包括：获取所述目标物流任务的任务数据；判断所述任务数据是否满足预设规则，若是，则将所述目标物流任务确定为最高优先级。

可选地，在本发明第一方面的第四种实现方式中，所述任务数据包括任务类型数据，所述状态数据包括效率数据和可处理任务类型数据，所述根据所述目标物流任务中的任务数据、每个所述工作人员的状态数据和所述可处理任务量信息对所述目标物流任务和每个所述工作人员进行匹配，得到与所述目标物流任务对应的目标工作人员，包括：基于每个所述工作人员的可处理任务类型，将所述可处理任务类型与所述目标物流任务的任务类型进行匹配，得到匹配结果；若所述匹配结果不为空，则将所述工作人员确定为候选工作人员；根据所述状态数据中携带的效率数据确定所述候选工作人员的任务量，并判断所述候选工作人员的任务量是否大于所述目标物流任务对应的工作量；若是，则将所述候选工作人员确定为目标工作人员。

可选地，在本发明第一方面的第五种实现方式中，所述根据所述目标物流任务中的任务数据、每个所述工作人员的状态数据和所述可处理任务量信息对所述目标物流任务和每个所述工作人员进行匹配，得到与所述目标物流任务对应的目标工作人员，还包括：获取所有所述目标物流任务的配送难度；获取每个所述工作人员的人物画像，并根据每个所述工作人员的人物画像，确定候选工作人员；根据所述目标物流任务的配送难度，确定与所述目标物流任务对应的目标工作人员。

可选地，在本发明第一方面的第六种实现方式中，所述获取所有所述目标物流任务的配送难度，包括：获取所述每个目标物流任务的订单数据以及配送地址信息，其中，所述订单数据包括体积及重量，所述配送地址信息包括配送点密度；根据所述配送点密度，确定所述体积及重量对所述物流任务的配送难度的影响系数；根据所述影响系数以及所述体积及重量，计算所有所述目标物流任务的配送难度。

本发明第二方面提供了一种分拨中心任务调度装置，包括：解析模块，用于获取分拨中心待调度的目标物流任务，并对所述目标物流任务进行解析，得到任务处理时间；判断模块，用于判断所述任务处理时间是否大于预设阈值，若是，则根据所述任务处理时间为所述目标物流任务匹配相应数量的工作人员；分析模块，用于获取各所述工作人员的历史工作行为数据，对所述历史工作行为数据进行分析，得到每个所述工作人员的状态数据和可处理任务量信息；匹配模块，用于根据所述目标物流任务中的任务数据、每个所述工作人员的状态数据和所述可处理任务量信息对所述目标物流任务和每个所述工作人员进行匹配，得到与所述目标物流任务对应的目标工作人员；执行模块，用于基于线性回归算法计算所述目标工作人员处理所述目标物流任务的工作时长，根据所述工作时长和所述目标物流任务对应的优先级，对所述目标物流任务进行规划得到配送任务列表，并根据所述配送任务列表执行物流调度任务。

可选地，在本发明第二方面的第一种实现方式中，所述解析模块包括：第一获取单元，用于获取所述分拨中心中多个历史物流任务；计算单元，用于计算所述目标物流任务与所述多个历史物流数据之间的相似度值，并基于所述相似度值从所述多个历史物流任务中确定一组相似任务；第二确定单元，用于基于所述任务类型从所述一组相似任务中确定目标历史物流任务，并将所述目标历史物流任务对应的历史平均耗时确定为所述目标任务的任务处理时间。

可选地，在本发明第二方面的第二种实现方式中，所述分拨中心任务调度装置还包括：确定模块，用于获取所述目标物流任务的任务数据，并根据所述任务数据确定所述目标物流任务的优先级。

可选地，在本发明第二方面的第三种实现方式中，所述确定模块具体用于：获取所述目标物流任务的任务数据；判断所述任务数据是否满足预设规则，若是，则将所述目标物流任务确定为最高优先级。

可选地，在本发明第二方面的第四种实现方式中，所述匹配模块具体用于：基于每个所述工作人员的可处理任务类型，将所述可处理任务类型与所述目标物流任务的任务类型进行匹配，得到匹配结果；若所述匹配结果不为空，则将所述工作人员确定为候选工作人员；根据所述状态数据中携带的效率数据确定所述候选工作人员的任务量，并判断所述候选工作人员的任务量是否大于所述目标物流任务对应的工作量；若是，则将所述候选工作人员确定为目标工作人员。

可选地，在本发明第二方面的第五种实现方式中，所述匹配模块具体还包括：第二获取单元，用于获取所有所述目标物流任务的配送难度；第二确定单元，用于获取每个所述工作人员的人物画像，并根据每个所述工作人员的人物画像，确定候选工作人员；第三确定单元，用于根据所述目标物流任务的配送难度，确定与所述目标物流任务对应的目标工作人员。

可选地，在本发明第二方面的第六种实现方式中，所述第二获取单元具体用于：获取所述每个目标物流任务的订单数据以及配送地址信息，其中，所述订单数据包括体积及重量，所述配送地址信息包括配送点密度；根据所述配送点密度，确定所述体积及重量对所述物流任务的配送难度的影响系数；根据所述影响系数以及所述体积及重量，计算所有所述目标物流任务的配送难度。

本发明第三方面提供了一种分拨中心任务调度设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；

所述至少一个处理器调用所述存储器中的所述指令，以使得所述分拨中心任务调度设备执行上述的分拨中心任务调度方法的各个步骤。

本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的分拨中心任务调度方法的各个步骤。

本发明提供的技术方案中，通过对获取的目标物流任务进行解析，得到任务处理时间；判断任务处理时间是否大于预设阈值，若是，则根据任务处理时间为目标物流任务匹配相应数量的工作人员；对获取的工作人员的历史工作数据进行分析，得到工作人员的状态数据和可处理任务量；根据任务数据、状态数据和可处理任务量，为目标物流任务匹配对应的目标工作人员；计算目标工作人员处理物流任务的工作时长，根据时长和任务对应的优先级生成配送任务列表，执行物流调度任务。本方案通过对目标物流任务进行分析调度并执行，保障了物流高峰期任务处理时资源配置，提升了分拨运输时效。

附图说明

图1为本发明提供的分拨中心任务调度方法的第一个实施例示意图；

图2为本发明提供的分拨中心任务调度方法的第二个实施例示意图；

图3为本发明提供的分拨中心任务调度方法的第三个实施例示意图；

图4为本发明提供的分拨中心任务调度装置的第一个实施例示意图；

图5为本发明提供的分拨中心任务调度装置的第二个实施例示意图；

图6为本发明提供的分拨中心任务调度设备的一个实施例示意图。

具体实施方式

本发明实施例提供了一种分拨中心任务调度方法、装置、设备及存储介质，本发明的技术方案中，首先通过对获取的目标物流任务进行解析，得到任务处理时间；判断任务处理时间是否大于预设阈值，若是，则根据任务处理时间为目标物流任务匹配相应数量的工作人员；对获取的工作人员的历史工作数据进行分析，得到工作人员的状态数据和可处理任务量；根据任务数据、状态数据和可处理任务量，为目标物流任务匹配对应的目标工作人员；计算目标工作人员处理物流任务的工作时长，根据时长和任务对应的优先级生成配送任务列表，执行物流调度任务。本方案通过对目标物流任务进行分析调度并执行，保障了物流高峰期任务处理时资源配置，提升了分拨运输时效。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中分拨中心任务调度方法的第一个实施例包括：

101、获取分拨中心待调度的目标物流任务，并对目标物流任务进行解析，得到任务处理时间；

本实施例中，获取分拨中心待调度的目标物流任务，并对目标物流任务进行解析，得到任务处理时间。具体地，在服务器新建物流任务或者从外部导入物流任务时，所述服务器可以将获取上述物流任务，并将上述物流任务作为待分配的物流任务。所述待分配的物流任务包括所述待分配的物流任务的时间窗口，在接受所述待分配的物流任务之后，货运车辆应该在所述待分配的物流任务的时间窗口内完成货物的运输，所述时间窗口包括开始时间和结束时间，所述开始时间代表货运车辆的开始取货时间，所述结束时间代表所述货运车辆最晚货物送达时间。其中，所述时间窗口是预先设置的。

进一步地，接收来自服务器的任务指令并创建任务指令：分拨巡检主题任务、分拨抽查主题任务、分拨数据收集主题任务等；其中任务指令包括任务创建的任务标题、操作部门、和任务类型；任务指令创建完成即可根据分拨中心以往的主题任务处理时间来确定相应的任务处理时间，任务第一个周期的开始时间取任务创建时录入的开始时间；任务第二个周期及后续周期的开始时间取上一周期任务开始时间+下发周期。例如分拨巡检主题任务分解为：随机抽取一个安保工作人员—预测分拨安保人员的每平米巡查时间—统计分拨中心待巡查面积—获得任务处理时间。

102、判断任务处理时间是否大于预设阈值，若是，则根据任务处理时间为目标物流任务匹配相应数量的工作人员；

本实施例中，判断任务处理时间是否大于预设阈值，若是，则根据任务处理时间为目标物流任务匹配相应数量的工作人员。具体地，在服务器中模拟计算工作人员对当前待处理任务和目标任务的处理时长；在任务下达周期中有任务开始时间、任务结束时间、任务通知上级间隔时长、任务通知一级间隔时长。生成目标任务的处理时间阈值，目标任务从任务下发到工作人员到任务结束反馈至管理人员，按照由长到短的顺序进行串联，获取相应的工作总时长，以累加得到工作时长总和；确定每个目的地址的待处理任务量，结合每个任务的预设处理时长，并根据模拟出的任务处理总时长将目标任务匹配相应数量的工作人员进行处理。

103、获取各工作人员的历史工作行为数据，对历史工作行为数据进行分析，得到每个工作人员的状态数据和可处理任务量信息；

本实施例中，获取各工作人员的历史工作行为数据，对历史工作行为数据进行分析，得到每个工作人员的状态数据和可处理任务量信息。具体地，针对每一工作人员，获取该工作人员处理的各个历史物流任务的历史工作行为数据，其中，该历史工作行为数据可以包括所述历史物流任务的任务类型、任务量以及所述任务的处理时间；之后，可以按照任务类型对各个历史物流任务进行分类，确定每一任务类型对应的历史物流任务以及该任务类型信息对应的历史物流任务的总数量，则可以根据该任务类型信息对应的历史物流任务的总数量确定该工作人员对应的可处理任务类型数据。

具体地，可以将对应的历史物流任务的总数量大于预设阈值的任务类型数据确定为该工作人员的可处理任务类型信息。由此，可以通过每一工作人员处理的历史物流任务，确定出该工作人员具有更多处理经验的任务类型，即可以确定出该工作人员更加擅长处理的任务类型，为后续进行准确合理地任务分配提供准确的数据支持。

进一步地，可以根据所述工作人员处理的各个历史物流任务的任务量信息和处理时间信息确定所述工作人员的效率信息。将该工作人员处理的各个历史物流任务的任务量信息指示的任务量和处理时间信息指示的时间分别加和，将该任务量加和的结果与时间加和的结果的比值确定为该效率，其中，所述效率数值越小，表示该工作人员进行任务处理的效率越高。

104、根据目标物流任务中的任务数据、每个工作人员的状态数据和可处理任务量信息对目标物流任务和每个工作人员进行匹配，得到与目标物流任务对应的目标工作人员；

本实施例中，根据目标物流任务中的任务数据、每个工作人员的状态数据和可处理任务量信息对目标物流任务和每个工作人员进行匹配，得到与目标物流任务对应的目标工作人员。具体地，对目标物流任务进行分配时，可以根据工作人员的状态数据实现目标物流任务的自动分配，并且该状态数据是根据工作人员处理的多个历史物流任务自动确定出的，其中，效率信息可以用于表征该工作人员进行任务处理的效率，可处理任务类型信息可以用于表征该工作人员可以进行任务处理的任务的类型，从而可以通过该工作人员的状态数据对该工作人员的任务处理能力进行准确表征，进而提高确定出的目标工作人员与该目标物流任务的匹配程度。

进一步地，接收待分配的目标物流任务，根据所述目标物流任务的任务信息，以及每一工作人员的状态数据和可处理任务量信息，确定与所述目标物流任务对应的目标工作人员，从而可以将所述目标物流任务存储至所述目标工作人员的工作人员标识对应的任务表，以由所述目标工作人员对所述目标物流任务进行处理。

105、基于线性回归算法计算目标工作人员处理目标物流任务的工作时长，根据工作时长和目标物流任务对应的优先级，对目标物流任务进行规划，得到配送任务列表，并根据配送任务列表执行物流调度任务。

本实施例中，基于线性回归算法计算目标工作人员处理目标物流任务的工作时长，根据工作时长和目标物流任务对应的优先级，对目标物流任务进行规划，得到配送任务列表，并根据配送任务列表执行物流调度任务。在具体应用场景中，所述线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为y＝w'x+e，e为误差服从均值为0的正态分布。

回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。具体地，在统计学中，线性回归(Linear Regression)是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归，大于一个自变量情况的叫做多元回归。

本发明实施例中，通过对获取的目标物流任务进行解析，得到任务处理时间；判断任务处理时间是否大于预设阈值，若是，则根据任务处理时间为目标物流任务匹配相应数量的工作人员；对获取的工作人员的历史工作数据进行分析，得到工作人员的状态数据和可处理任务量；根据任务数据、状态数据和可处理任务量，为目标物流任务匹配对应的目标工作人员；计算目标工作人员处理物流任务的工作时长，根据时长和任务对应的优先级生成配送任务列表，执行物流调度任务。本方案通过对目标物流任务进行分析调度并执行，保障了物流高峰期任务处理时资源配置，提升了分拨运输时效。

请参阅图2，本发明实施例中分拨中心任务调度方法的第二个实施例包括：

201、获取分拨中心待调度的目标物流任务，并对目标物流任务进行解析，得到任务处理时间；

202、获取目标物流任务的任务数据；

本实施例中，获取目标物流任务的任务数据。具体地，本申请实施例中的任务调度方法可以应用于任意应用场景中，相应地，目标物流任务可以是任意应用场景中的待调度的任务，目标资源可以是任意应用场景中的用于执行目标物流任务的资源。例如，在物流场景中，目标物流任务可以是货物运输任务，目标资源可以是用于进行货物运输(转运)的运输站点(例如码头、货运车站、物流中转站等)。又例如，在服务场景中，用户可能需要到服务场所办理某项业务(例如医疗服务、移动通信服务等)，相应地，目标物流任务可以是用户的待办理的业务，目标资源可以是服务场所中的用于办理业务的服务窗口。

每个目标物流任务都具有相应的任务数据。任务数据是目标物流任务的属性信息，包括但不限于目标物流任务的计划开始执行时刻(可以是用户预约的时刻，或者是电子设备按照某种算法预估的时刻等)、计划执行时长、计划最晚执行结束时刻、任务类型等。

每个目标资源都具有相应的可用资源信息。可用资源信息是目标资源的属性信息，包括但不限于目标资源的可用时间、资源类型等。其中，资源类型例如可以是目标资源可处理的目标物流任务的类型。

203、判断任务数据是否满足预设规则，若是，则将目标物流任务确定为最高优先级；

本实施例中，判断任务数据是否满足预设规则，若是，则将目标物流任务确定为最高优先级。具体的，在目标物流任务为运输任务的情况下，任务信息可以包括用于执行该运输任务的多个运输工具(例如车辆、船舶等)各自的实际到达时间和计划到达时间。相应地，可以基于运输工具的实际到达时间与计划到达时间的时间差，确定目标物流任务的优先级。由此，可以使整体调度井然有序。

目标物流任务的优先级可以通过多种方式来确定。比如，可以设置运输工具实际到达时间早于计划到达时间的运输任务的优先级高于运输工具实际到达时间晚于计划到达时间的运输任务的优先级。再比如，运输工具的实际到达时间与计划到达时间越接近，即二者的时间差的绝对值越小，相应的运输任务的优先级可以设置得越高。

由此，可以基于当前的任务执行情况，按照指定的规则来设置最高、最低优先级，从而提高任务调度的灵活性。在另一具体实施例中，最高优先级和/或最低优先级可以由人工指定。

204、判断任务处理时间是否大于预设阈值，若是，则根据任务处理时间为目标物流任务匹配相应数量的工作人员；

205、获取各工作人员的历史工作行为数据，对历史工作行为数据进行分析，得到每个工作人员的状态数据和可处理任务量信息；

206、基于每个工作人员的可处理任务类型，将可处理任务类型与目标物流任务的任务类型进行匹配，得到匹配结果；

本实施例中，基于每个工作人员的可处理任务类型，将可处理任务类型与目标物流任务的任务类型进行匹配，得到匹配结果。具体地，针对每个工作人员的状态数据中的可处理任务类型数据，将可处理任务类型与目标物流任务的任务类型进行匹配，得到匹配结果。

207、若匹配结果不为空，则将工作人员确定为候选工作人员；

本实施例中，若匹配结果不为空，也即所述匹配结果为：所述可处理任务类型数据中包含所述目标任务的任务类型信息，将与该状态数据对应的工作人员确定为候选工作人员。

比如，工作人员的状态数据中，该可处理任务类型数据用于指示该工作人员可以进行任务处理的任务的类型，示例地，工作人员A的可处理任务类型数据包括类型T1、T2和T3，工作人员B的可处理任务类型数据包括类型 T1和T3，工作人员C的可处理任务类型数据包括类型T1、T2和T4。因此，在目标任务的任务类型信息表示该目标任务的类型为T2时，则可以将工作人员A和工作人员C确定为候选工作人员。

208、根据状态数据中携带的效率数据确定候选工作人员的任务量，并判断候选工作人员的任务量是否大于目标物流任务对应的工作量；

本实施例中，根据状态数据中携带的效率数据确定候选工作人员的任务量，并判断候选工作人员的任务量是否大于目标物流任务对应的工作量。具体地，可以预先设置每一工作人员的可处理任务量信息，该可处理任务量信息用于表示该工作人员当前可以接收处理的任务量，例如初始化该任务量为M，则在为该工作人员分配任务N1后，任务N1对应的任务量为m1，则该工作人员的可处理任务量信息可以更新为M-m1。并且在该任务N1处理完成后，可以对该工作人员的任务量信息进行释放，即将该工作人员的可处理任务量信息指示的任务量加m1。

209、若是，则将候选工作人员确定为目标工作人员；

本实施例中，若候选工作人员的任务量大于目标物流任务对应的工作量，则选择候选工作人员中的可处理任务量信息指示的任务量大于所述目标任务对应的任务量、且效率信息指示的效率最大的工作人员，即选择候选工作人员中可以接收处理该目标任务且效率最高的工作人员作为目标工作人员，一方面可以保证对该目标任务的完整处理，另一方面可以提高任务的处理效率，提升任务处理方法效率，保障物流高峰期任务处理时资源配置稳定高效，最大化保证企业的正常运转、提升分拨运输时效。

210、基于线性回归算法计算目标工作人员处理目标物流任务的工作时长，根据工作时长和目标物流任务对应的优先级，对目标物流任务进行规划，得到配送任务列表，并根据配送任务列表执行物流调度任务。

本实施例中步骤201、205-206、210与第一实施例中的步骤101、102-103、 105类似，此处不再赘述。

本发明实施例中，通过对获取的目标物流任务进行解析，得到任务处理时间；判断任务处理时间是否大于预设阈值，若是，则根据任务处理时间为目标物流任务匹配相应数量的工作人员；对获取的工作人员的历史工作数据进行分析，得到工作人员的状态数据和可处理任务量；根据任务数据、状态数据和可处理任务量，为目标物流任务匹配对应的目标工作人员；计算目标工作人员处理物流任务的工作时长，根据时长和任务对应的优先级生成配送任务列表，执行物流调度任务。本方案通过对目标物流任务进行分析调度并执行，保障了物流高峰期任务处理时资源配置，提升了分拨运输时效。

请参阅图3，本发明实施例中分拨中心任务调度方法的第三个实施例包括：

301、获取分拨中心中多个历史物流任务；

本实施例中，获取分拨中心中多个历史物流任务。具体地，由于分拨中心一天内会在不同的时间段到达包裹，因此物流任务也分布在不同的时间段，为了能够及时的将包裹送至收件人手中，或者及时的从寄件人处揽收包裹并安排物流运输，一般会根据预设的规则将一段时间作为配送时间段，例如，一天24个小时，工作人员的工作时间为早上八点至下午五点，则可以分三个配送时间段，早上八点至上午十一点为第一配送时间段，上午十一点至下午两点为第二个配送时间段，下午两点至下午五点为第三个配送时间段。由于物流运输的特性，每个待配送区域中的物流任务在不同的配送时间段中数量不同，在第一配送时间段内的物流任务数量可以为100件，在第二配送时间段内的物流任务数量可以为500件，在第三配送时间段内的物流任务数量可以为600件。

本实施例中，获取当前分拨中心在历史时间段内处理的历史物流任务，根据历史物流任务与当前待调度物流任务之间的相似度，预测当前待调度物流任务的任务处理时间，进一步地对当前待调度物流任务进行处理。

302、计算目标物流任务与多个历史物流数据之间的相似度值，并基于相似度值从多个历史物流任务中确定一组相似任务；

本实施例中，计算目标物流任务与多个历史物流数据之间的相似度值，并基于相似度值从多个历史物流任务中确定一组相似任务。具体地，可以分别对所述目标物流任务对应的任务数据和所述历史物流数据进行特征提取，得到目标物流数据特征向量和历史物流数据的特征向量。

进一步地，基于相似度算法，比如说语义匹配(WMD算法)，BM25算法或者余弦相似度等，计算目标物流任务与多个历史物流数据之间的相似度值。所述相似度值越大，则代表数据越相似。根据所述相似度值，从所述历史物流数据中选取与当前目标物流任务对应任务数据最相似的预设数量个历史物流任务，并将所述预设数量个历史物流任务作为一组相似任务。其中，所述 bm25是一种用来评价搜索词和文档之间相关性的算法，它是一种基于概率检索模型提出的算法。所述WMD算法是文本语义相似度计算的一种方法，其语义表示可以基于word2vec得到的embedding向量。

303、基于任务类型从一组相似任务中确定目标历史物流任务，并将目标历史物流任务对应的历史平均耗时确定为目标任务的任务处理时间；

本实施例中，基于任务类型从一组相似任务中确定目标历史物流任务，并将目标历史物流任务对应的历史平均耗时确定为目标任务的任务处理时间。具体地，获取所述目标历史物流任务对应的多个历史数据指标，根据所述历史数据指标计算所述目标历史物流任务对应的历史平均耗时。进一步地，将将目标历史物流任务对应的历史平均耗时确定为目标任务的任务处理时间。

在另一具体实施例中，通过算法服务器分析任务处理时长状况，包括各车场可用的分拨数量、人员在岗情况以及可用物资数量；利用线性回归算法计算可用分拨和可用物资是否满足处理需求，如果满足则根据物流订单的优先级，将可用分拨及可用物资先服务于优先级高的考核任务，优先级低的考核任务等到有空闲分拨及多余物资时再行进行服务；算法服务器调用算法库内遗传算法，对各车场各分拨进行最优化调度，并输出结果，其具体步骤如下：随机生成初始处理方案n个，检查各处理方案是否满足考核任务要求，如果无法满足要求，则再次随机产生若干处理方案，以最小化成本为目标建立算法服务器，直至满足要求。

304、判断任务处理时间是否大于预设阈值，若是，则根据任务处理时间为目标物流任务匹配相应数量的工作人员；

305、获取各工作人员的历史工作行为数据，对历史工作行为数据进行分析，得到每个工作人员的状态数据和可处理任务量信息；

306、获取每个目标物流任务的订单数据以及配送地址信息，其中，订单数据包括体积及重量，配送地址信息包括配送点密度；

本实施例中，获取每个目标物流任务的订单数据以及配送地址信息。具体地，所述目标物流任务的订单数据可以包括配送类型，配送类型可以分为派件信息和收件信息，其中，派件信息主要从运输物品的重量、体积、包裹数量、包裹所在的楼层、签回单、包裹是否代收、是否接驳、客户的密度以及订单的配送距离等属性；收件信息主要从快件的重量、体积、包裹数目、托寄物的类型、历史平均耗时、是否接驳、配送距离等属性。地址信息则表示包裹所在的地方，如，包裹1是从上海配送至海南，包裹2是从上海配送至苏州。

307、根据配送点密度，确定体积及重量对物流任务的配送难度的影响系数；

本实施例中，根据配送点密度，确定体积及重量对物流任务的配送难度的影响系数。具体地，包裹体积越大或者重量越重，配送难度则越大，而体积大但重量小的包裹的配送难度则相对较小，为了能够同时考虑到两个因素，可以采用将重量值和体积值直接相乘的方式确定配送难度的影响系数。地址信息则可以包括空间分配的最小单位(AreaOfInterest，AOI)信息，例如，可以从配送类型、所在地固有面积、大客户系数、大客户订单系数、不同配送类型的单量占比等进行刻画，则可以从地址信息中获取配送点密度，配送点密度可以表示某一个具体的配送点需要配送的物流任务量。

308、根据影响系数以及体积及重量，计算所有目标物流任务的配送难度；

本实施例中，根据影响系数以及体积及重量，计算所有目标物流任务的配送难度。具体地，不同的物流任务对应运输的物品的价值和物品类型是不同的，所以要根据物流任务对应运输物品的大小、重量、价值等不同，且不同的运输物品所在的配送区域也不同，因此不同的运输物品有不同的配送难度。在获取每个物流任务的配送难度时，可以根据每个物流任务的订单信息以及地址信息两个影像因素来确定，配送总难度则可以对每个物流任务的配送难度求和进行获取。

309、获取每个工作人员的人物画像，并根据每个工作人员的人物画像，确定候选工作人员；

本实施例中，获取每个工作人员的人物画像，并根据每个工作人员的人物画像，确定候选工作人员。具体地，所述画像包括能力数据以及意愿数据，工作人员画像能够表示快递员的基本特征，包括表示劳动负载的最大上限以及平均上限等的能力数据。根据工作人员的历史工作行为数据获取工作人员的能力数据。由于工作人员的历史工作行为数据可以客观的反应出该工作人员的工作能力，因此，可以根据工作人员的历史工作行为数据进行分析，以获取该工作人员的工作能力数据，例如，可以先确定该工作人员的历史工作行为数据的平均数，然后确定出大于该平均数的所有工作数据，并求出大于该平均数的所有工作数据的平均数，作为能力数据中的平均上限，此外，可以将历史工作行为数据按工作负载从大到小顺序排列，并按从大到小的顺序取一定数量的历史工作行为数据求平均值，作为能力数据中的平均上限。

进一步地，根据每个工作人员的人物画像，确定候选工作人员。

310、根据目标物流任务的配送难度，确定与目标物流任务对应的目标工作人员；

本实施例中，根据目标物流任务的配送难度，确定与目标物流任务对应的目标工作人员。具体地，若在第一配送时间段所有物流任务的配送总难度为500，则可以从所有候选工作人员中选出目标工作人员，目标工作人员的能力数据总和可以大于配送总难度且小于根据配送总难度确定的阈值，例如，若根据配送总难度确定的阈值为550，工作人员A的能力数据为100，工作人员B的能力数据为200，工作人员C的能力数据为150，工作人员D的能力数据为170，工作人员E的能力数据为130，则工作人员A、B、C、D的能力数据的总和为620，不满足目标工作人员的选取规则，工作人员A、C、D、E的能力数据的总和为550，则工作人员A、C、D、E满足目标工作人员的选取规则。

311、基于线性回归算法计算目标工作人员处理目标物流任务的工作时长，根据工作时长和目标物流任务对应的优先级，对目标物流任务进行规划，得到配送任务列表，并根据配送任务列表执行物流调度任务。

本实施例中步骤302-303、311与第一实施例中的步骤102-103、105类似，此处不再赘述。

本发明实施例中，通过对获取的目标物流任务进行解析，得到任务处理时间；判断任务处理时间是否大于预设阈值，若是，则根据任务处理时间为目标物流任务匹配相应数量的工作人员；对获取的工作人员的历史工作数据进行分析，得到工作人员的状态数据和可处理任务量；根据任务数据、状态数据和可处理任务量，为目标物流任务匹配对应的目标工作人员；计算目标工作人员处理物流任务的工作时长，根据时长和任务对应的优先级生成配送任务列表，执行物流调度任务。本方案通过对目标物流任务进行分析调度并执行，保障了物流高峰期任务处理时资源配置，提升了分拨运输时效。

上面对本发明实施例中分拨中心任务调度方法进行了描述，下面对本发明实施例中分拨中心任务调度装置进行描述，请参阅图4，本发明实施例中分拨中心任务调度装置的第一个实施例包括：

解析模块401，用于获取分拨中心待调度的目标物流任务，并对所述目标物流任务进行解析，得到任务处理时间；

判断模块402，用于判断所述任务处理时间是否大于预设阈值，若是，则根据所述任务处理时间为所述目标物流任务匹配相应数量的工作人员；

分析模块403，用于获取各所述工作人员的历史工作行为数据，对所述历史工作行为数据进行分析，得到每个所述工作人员的状态数据和可处理任务量信息；

匹配模块404，用于根据所述目标物流任务中的任务数据、每个所述工作人员的状态数据和所述可处理任务量信息对所述目标物流任务和每个所述工作人员进行匹配，得到与所述目标物流任务对应的目标工作人员；

执行模块405，用于基于线性回归算法计算所述目标工作人员处理所述目标物流任务的工作时长，根据所述工作时长和所述目标物流任务对应的优先级，对所述目标物流任务进行规划得到配送任务列表，并根据所述配送任务列表执行物流调度任务。

本发明实施例中，通过对获取的目标物流任务进行解析，得到任务处理时间；判断任务处理时间是否大于预设阈值，若是，则根据任务处理时间为目标物流任务匹配相应数量的工作人员；对获取的工作人员的历史工作数据进行分析，得到工作人员的状态数据和可处理任务量；根据任务数据、状态数据和可处理任务量，为目标物流任务匹配对应的目标工作人员；计算目标工作人员处理物流任务的工作时长，根据时长和任务对应的优先级生成配送任务列表，执行物流调度任务。本方案通过对目标物流任务进行分析调度并执行，保障了物流高峰期任务处理时资源配置，提升了分拨运输时效。

请参阅图5，本发明实施例中分拨中心任务调度装置的第二个实施例，该分拨中心任务调度装置具体包括：

解析模块401，用于获取分拨中心待调度的目标物流任务，并对所述目标物流任务进行解析，得到任务处理时间；

判断模块402，用于判断所述任务处理时间是否大于预设阈值，若是，则根据所述任务处理时间为所述目标物流任务匹配相应数量的工作人员；

分析模块403，用于获取各所述工作人员的历史工作行为数据，对所述历史工作行为数据进行分析，得到每个所述工作人员的状态数据和可处理任务量信息；

匹配模块404，用于根据所述目标物流任务中的任务数据、每个所述工作人员的状态数据和所述可处理任务量信息对所述目标物流任务和每个所述工作人员进行匹配，得到与所述目标物流任务对应的目标工作人员；

执行模块405，用于基于线性回归算法计算所述目标工作人员处理所述目标物流任务的工作时长，根据所述工作时长和所述目标物流任务对应的优先级，对所述目标物流任务进行规划得到配送任务列表，并根据所述配送任务列表执行物流调度任务。

本实施例中，所述解析模块401包括：

第一获取单元4011，用于获取所述分拨中心中多个历史物流任务；

计算单元4012，用于计算所述目标物流任务与所述多个历史物流数据之间的相似度值，并基于所述相似度值从所述多个历史物流任务中确定一组相似任务；

第二确定单元4013，用于基于所述任务类型从所述一组相似任务中确定目标历史物流任务，并将所述目标历史物流任务对应的历史平均耗时确定为所述目标任务的任务处理时间。

本实施例中，所述分拨中心任务调度装置还包括：

确定模块406，用于获取所述目标物流任务的任务数据，并根据所述任务数据确定所述目标物流任务的优先级。

本实施例中，所述确定模块406具体用于：

获取所述目标物流任务的任务数据；

判断所述任务数据是否满足预设规则，若是，则将所述目标物流任务确定为最高优先级。

本实施例中，所述匹配模块404具体用于：

基于每个所述工作人员的可处理任务类型，将所述可处理任务类型与所述目标物流任务的任务类型进行匹配，得到匹配结果；

若所述匹配结果不为空，则将所述工作人员确定为候选工作人员；

根据所述状态数据中携带的效率数据确定所述候选工作人员的任务量，并判断所述候选工作人员的任务量是否大于所述目标物流任务对应的工作量；

若是，则将所述候选工作人员确定为目标工作人员。

本实施例中，所述匹配模块404具体还包括：

第二获取单元4041，用于获取所有所述目标物流任务的配送难度；

第二确定单元4042，用于获取每个所述工作人员的人物画像，并根据每个所述工作人员的人物画像，确定候选工作人员；

第三确定单元4043，用于根据所述目标物流任务的配送难度，确定与所述目标物流任务对应的目标工作人员。

本实施例中，所述第二获取单元4041具体用于：

获取所述每个目标物流任务的订单数据以及配送地址信息，其中，所述订单数据包括体积及重量，所述配送地址信息包括配送点密度；

根据所述配送点密度，确定所述体积及重量对所述物流任务的配送难度的影响系数；

根据所述影响系数以及所述体积及重量，计算所有所述目标物流任务的配送难度。

本发明实施例中，通过对获取的目标物流任务进行解析，得到任务处理时间；判断任务处理时间是否大于预设阈值，若是，则根据任务处理时间为目标物流任务匹配相应数量的工作人员；对获取的工作人员的历史工作数据进行分析，得到工作人员的状态数据和可处理任务量；根据任务数据、状态数据和可处理任务量，为目标物流任务匹配对应的目标工作人员；计算目标工作人员处理物流任务的工作时长，根据时长和任务对应的优先级生成配送任务列表，执行物流调度任务。本方案通过对目标物流任务进行分析调度并执行，保障了物流高峰期任务处理时资源配置，提升了分拨运输时效。

上面图4和图5从模块化功能实体的角度对本发明实施例中的分拨中心任务调度装置进行详细描述，下面从硬件处理的角度对本发明实施例中分拨中心任务调度设备进行详细描述。

图6是本发明实施例提供的一种分拨中心任务调度设备的结构示意图，该分拨中心任务调度设备800可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)810(例如，一个或一个以上处理器)和存储器820，一个或一个以上存储应用程序833或数据832的存储介质830(例如一个或一个以上海量存储设备)。其中，存储器 820和存储介质830可以是短暂存储或持久存储。存储在存储介质830的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对分拨中心任务调度设备800中的一系列指令操作。更进一步地，处理器810可以设置为与存储介质830通信，在分拨中心任务调度设备800上执行存储介质830 中的一系列指令操作，以实现上述各方法实施例提供的分拨中心任务调度方法的步骤。

分拨中心任务调度设备800还可以包括一个或一个以上电源840，一个或一个以上有线或无线网络接口850，一个或一个以上输入输出接口860，和/ 或，一个或一个以上操作系统831，例如Windows Serve，Mac OS X，Unix， Linux，FreeBSD等等。本领域技术人员可以理解，图6示出的分拨中心任务调度设备结构并不构成对本申请提供的分拨中心任务调度设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行上述分拨中心任务调度方法的步骤。

所述领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上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精神和范围。