开云优惠体育网页版入口

专利名称：一种物流货车运输监控数据处理方法及系统

专利类型：实用新型专利

专利申请号：CN202410330445.X

专利申请（专利权）人：鲁风大数据开云优惠体育网页版入口(山东)有限公司
权利人地址：山东省临沂市高新技术产业开发区双月园路276号高新区龙湖软件园C605

专利发明（设计）人：张晓林

专利摘要：本申请实施例提供一种物流货车运输监控数据处理方法及系统。获取多个运输路径；根据预设指标确定出适应度函数，计算出每个所述运输路径的适应度值；计算每个所述运输路径的被选择概率，从多个所述运输路径中选择预设数量的运输路径作为父代运输路径；将至少两个父代运输路径在所述交叉点进行交叉，以生成子代运输路径；对满足变异条件的子代运输路径进行变异操作；合并变异操作后的子代运输路径和所述父代运输路径，以生成多个候选运输路径，并从所述多个候选运输路径中选择适应度值最大的候选运输路径作为目标运输路径。本申请实施例提供的技术方案能够优化生成适应度较高的目标运输路径，提高物流货车运输的效率和效果。

主权利要求：
1.一种物流货车运输监控数据处理方法，其特征在于，包括：
获取物流货车的运输监控数据，所述运输监控数据中包括多个运输路径，每个所述运输路径中包括多个途径点；
根据预设指标确定出适应度函数，并根据所述适应度函数，计算出每个所述运输路径的适应度值，所述适应度函数用于评估所述运输路径在问题域中的适应程度；
基于多个所述运输路径的适应度值，计算每个所述运输路径的被选择概率，并基于每个所述运输路径的被选择概率，从多个所述运输路径中选择预设数量的运输路径作为父代运输路径；
随机选择一个交叉点，并将至少两个父代运输路径在所述交叉点进行交叉，以生成子代运输路径；
确定所述子代运输路径是否满足变异条件，所述变异条件包括所述子代运输路径对应的随机数是否小于设定变异率，若是，对所述子代运输路径进行变异操作，所述变异操作至少包括：交互所述子代运输路径中的途径点位置；
合并变异操作后的子代运输路径和所述父代运输路径，以生成多个候选运输路径，并从所述多个候选运输路径中选择适应度值最大的候选运输路径作为目标运输路径；
所述预设指标至少包括总距离、总成本、总时间，其中，所述总距离是指货车在运输过程中所经过的所有途径点的累计距离，所述总成本是指货车在运输过程中产生的全部成本，所述总时间是指货车在运输过程中所花费的总时间；
所述根据预设指标确定出适应度函数，包括：
通过适应度函数计算公式： ，确定出适
应度函数；
其中， 表示运输路径 的总距离， 表示为总距离的权重，
表示运输路径 的总时间， 表示为总时间的权重， 表示运输路
径 的总成本， 表示为总成本的权重；
所述根据所述适应度函数，计算出每个所述运输路径的适应度值，包括：针对每个所述运输路径，计算所述运输路径所包含多个途径点之间的距离矩阵，并根据所述运输路径所包含的多个途径点的途径点顺序，从所述距离矩阵中查找对应的途径点，以计算出两个途径点之间的距离，以累加得到所述运输路径的总距离；
获取所述运输路径的途径点之间的平均速度和行驶时间，通过所述运输路径的总距离以及所述运输路径中途径点之间的平均速度和行驶时间，计算出所述运输路径的总时间；
获取所述运输路径的途径点之间单位距离成本以及单位时间成本，通过所述运输路径的总距离以及所述运输路径的途径点之间单位距离成本以及单位时间成本，计算出所述运输路径的总成本；
将所述运输路径的总距离、所述运输路径的总时间以及所述运输路径的总成本带入所述适应度函数计算公式，以计算出每个所述运输路径的适应度值；
所述基于多个所述运输路径的适应度值，计算每个所述运输路径的被选择概率，包括：基于多个所述运输路径的适应度值，计算所有的运输路径的适应度值的总和；基于所有的运输路径的适应度值的总和，以及被选择概率的计算公式：，计算出每个所述运输路径的被选择概率；
其中， 表示为运输路径 被选择的概率， 表示为运输
路径 的适应度值， 表示运输路径 的创造性因子，所述创造性因子可通过运输路径 的路径差异性所确定， ，表示为运输路径 的路径差异性， 表示为所有的运输路径的路径
差异性的总和， 表示为所有的运输路径的适应度值的总和
表示所有的运输路径的创造性因子的总和；
其中，所述路径差异性至少包括：运输路径 与其他运输路径之间的总距离差异、运输路径 与其他运输路径之间的总时间差异、运输路径 与其他运输路径之间的总成本差异；
所述基于每个所述运输路径的被选择概率，从多个所述运输路径中选择预设数量的运输路径作为父代运输路径，包括：对每个所述运输路径的被选择概率进行归一化处理，并将每个所述运输路径的被选择概率除以被选择概率的总和，得到归一化后的被选择概率；
将多个所述运输路径的归一化后的被选择概率按照大小进行排序，生成累积概率序列；
生成一个0到1之间的随机数，并从所述累积概率序列中找到第一个大于随机数的概率值所对应的运输距离，并将所述运输路径确定为父代运输路径；
所述随机选择一个交叉点，并将至少两个父代运输路径在所述交叉点进行交叉，以生成子代运输路径，包括：确定父代运输路径的长度n，并生成一个介于1和n?1之间的随机数i，作为交叉点的索引；
选择至少两个所述父代运输路径，并交叉点i为边界，将所述至少两个父代运输路径分为两个部分，得到第一部分和第二部分；
将所述第一部分从第一个父代运输路径复制到子代运输路径中，并在第二个父代运输路径中查找第二部分中的途径点，并将第二部分中的途径按照途径点顺序插入子代运输路径的交叉点i之后的位置，以生成子代运输路径。
2.根据权利要求1所述的方法，其特征在于，所述获取物流货车的运输监控数据，所述运输监控数据中包括多个运输路径，每个所述运输路径中包括多个途径点，包括：从物流货车的运输监控数据中获取所述物流货车的起点位置和终点位置，以确定每个运输路径的起点和终点；
根据物流需求和货车装载能力，确定每个所述运输路径的途经点；
从起点开始，逐个选择途经点，生成多个运输路径。
3.一种物流货车运输监控数据处理系统，其特征在于，包括：
获取模块，用于获取物流货车的运输监控数据，所述运输监控数据中包括多个运输路径，每个所述运输路径中包括多个途径点；
计算模块，用于根据预设指标确定出适应度函数，并根据所述适应度函数，计算出每个所述运输路径的适应度值，所述适应度函数用于评估所述运输路径在问题域中的适应程度；基于多个所述运输路径的适应度值，计算每个所述运输路径的被选择概率，并基于每个所述运输路径的被选择概率，从多个所述运输路径中选择预设数量的运输路径作为父代运输路径；
生成模块，用于随机选择一个交叉点，并将至少两个父代运输路径在所述交叉点进行交叉，以生成子代运输路径；
确定模块，用于确定所述子代运输路径是否满足变异条件，所述变异条件包括所述子代运输路径对应的随机数是否小于设定变异率，若是，对所述子代运输路径进行变异操作，所述变异操作至少包括：交互所述子代运输路径中的途径点位置；合并变异操作后的子代运输路径和所述父代运输路径，以生成候选运输路径，并从所述候选运输路径中选择适应度值最大的候选运输路径作为目标运输路径；
所述预设指标至少包括总距离、总成本、总时间，其中，所述总距离是指货车在运输过程中所经过的所有途径点的累计距离，所述总成本是指货车在运输过程中产生的全部成本，所述总时间是指货车在运输过程中所花费的总时间；
所述计算模块还用于通过适应度函数计算公式：
，确定出适应度函数；
其中， 表示运输路径 的总距离， 表示为总距离的权重，
表示运输路径 的总时间， 表示为总时间的权重， 表示运输路径 的总成本，表示为总成本的权重；
所述计算模块还用于针对每个所述运输路径，计算所述运输路径所包含多个途径点之间的距离矩阵，并根据所述运输路径所包含的多个途径点的途径点顺序，从所述距离矩阵中查找对应的途径点，以计算出两个途径点之间的距离，以累加得到所述运输路径的总距离；获取所述运输路径的途径点之间的平均速度和行驶时间，通过所述运输路径的总距离以及所述运输路径中途径点之间的平均速度和行驶时间，计算出所述运输路径的总时间；
获取所述运输路径的途径点之间单位距离成本以及单位时间成本，通过所述运输路径的总距离以及所述运输路径的途径点之间单位距离成本以及单位时间成本，计算出所述运输路径的总成本；将所述运输路径的总距离、所述运输路径的总时间以及所述运输路径的总成本带入所述适应度函数计算公式，以计算出每个所述运输路径的适应度值；
所述计算模块还用于基于多个所述运输路径的适应度值，计算所有的运输路径的适应度值的总和；基于所有的运输路径的适应度值的总和，以及被选择概率的计算公式：，计算出每个所述运输路径的被选择概率；
其中， 表示为运输路径 被选择的概率， 表示为运输
路径 的适应度值， 表示运输路径 的创造性因子，所述创造性因子可通过运输路径 的路径差异性所确定， ，表示为运输路径 的路径差异性， 表示为所有的运输路径的路径
差异性的总和， 表示为所有的运输路径的适应度值的总和
表示所有的运输路径的创造性因子的总和；
其中，所述路径差异性至少包括：运输路径 与其他运输路径之间的总距离差异、运输路径 与其他运输路径之间的总时间差异、运输路径 与其他运输路径之间的总成本差异；
所述计算模块还用于对每个所述运输路径的被选择概率进行归一化处理，并将每个所述运输路径的被选择概率除以被选择概率的总和，得到归一化后的被选择概率；将多个所述运输路径的归一化后的被选择概率按照大小进行排序，生成累积概率序列；生成一个0到
1之间的随机数，并从所述累积概率序列中找到第一个大于随机数的概率值所对应的运输距离，并将所述运输路径确定为父代运输路径；
所述生成模块具体用于确定父代运输路径的长度n，并生成一个介于1和n?1之间的随机数i，作为交叉点的索引；选择至少两个所述父代运输路径，并交叉点i为边界，将所述至少两个父代运输路径分为两个部分，得到第一部分和第二部分；将所述第一部分从第一个父代运输路径复制到子代运输路径中，并在第二个父代运输路径中查找第二部分中的途径点，并将第二部分中的途径按照途径点顺序插入子代运输路径的交叉点i之后的位置，以生成子代运输路径。
4.一种计算设备，其特征在于，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如权利要求1或2所述的物流货车运输监控数据处理方法。
5.一种计算机存储介质，其特征在于，存储有计算机程序，所述计算程序被计算机执行时，实现如权利要求1或2所述的物流货车运输监控数据处理方法。 说明书 : 一种物流货车运输监控数据处理方法及系统技术领域[0001] 本申请实施例涉及物流管理技术领域，尤其涉及一种物流货车运输监控数据处理方法及系统。背景技术[0002] 物流货车运输监控数据处理方法是指利用物流货车的实时监控数据，通过运用信息技术和算法，对运输路径进行优化和确定的一种方法。通过对物流货车的运输监控数据进行获取、处理和分析，可以实现对货物的实时追踪、路径优化、运输效率提升等目标。[0003] 传统的目标运输路径确定方法通常基于人工经验和规则制定，或者使用简单的启发式算法。在这些方法中，运输路径的确定通常基于图论和网络分析的原则，考虑因素包括距离、时间、交通状况、途径点等。[0004] 然而，这些方法往往无法充分考虑复杂的实时变化因素和多个目标的优化，导致生成的目标运输路径不够准确和高效。发明内容[0005] 本申请实施例提供一种物流货车运输监控数据处理方法及系统，用以解决现有技术中生成的目标运输路径不够准确和高效的问题。[0006] 第一方面，本申请实施例中提供了一种物流货车运输监控数据处理方法，包括：[0007] 获取物流货车的运输监控数据，所述运输监控数据中包括多个运输路径，每个所述运输路径中包括多个途径点；[0008] 根据预设指标确定出适应度函数，并根据所述适应度函数，计算出每个所述运输路径的适应度值，所述适应度函数用于评估所述运输路径在问题域中的适应程度；[0009] 基于多个所述运输路径的适应度值，计算每个所述运输路径的被选择概率，并基于每个所述运输路径的被选择概率，从多个所述运输路径中选择预设数量的运输路径作为父代运输路径；[0010] 随机选择一个交叉点，并将至少两个父代运输路径在所述交叉点进行交叉，以生成子代运输路径；[0011] 确定所述子代运输路径是否满足变异条件，所述变异条件包括所述子代运输路径对应的随机数是否小于设定变异率，若是，对所述子代运输路径进行变异操作，所述变异操作至少包括：交互所述子代运输路径中的途径点位置；[0012] 合并变异操作后的子代运输路径和所述父代运输路径，以生成多个候选运输路径，并从所述多个候选运输路径中选择适应度值最大的候选运输路径作为目标运输路径。[0013] 可选地，所述预设指标至少包括总距离、总成本、总时间，其中，所述总距离是指货车在运输过程中所经过的所有途径点的累计距离，所述总成本是指货车在运输过程中产生的全部成本，所述总时间是指货车在运输过程中所花费的总时间；[0014] 所述根据预设指标确定出适应度函数，包括：[0015] 通过适应度函数计算公式：确定出适应度函数；[0016] 其中，totaldistance(i)表示运输路径i的总距离，wd表示为总距离的权重，totaltime(i)表示运输路径i的总时间，wt表示为总时间的权重，totalcost(i)表示运输路径i的总成本，wc表示为总成本的权重。[0017] 可选地，所述根据所述适应度函数，计算出每个所述运输路径的适应度值，包括：[0018] 针对每个所述运输路径，计算所述运输路径所包含多个途径点之间的距离矩阵，并根据所述运输路径所包含的多个途径点的途径点顺序，从所述距离矩阵中查找对应的途径点，以计算出两个途径点之间的距离，以累加得到所述运输路径的总距离；[0019] 获取所述运输路径的途径点之间的平均速度和行驶时间，通过所述运输路径的总距离以及所述运输路径中途径点之间的平均速度和行驶时间，计算出所述运输路径的总时间；[0020] 获取所述运输路径的途径点之间单位距离成本以及单位时间成本，通过所述运输路径的总距离以及所述运输路径的途径点之间单位距离成本以及单位时间成本，计算出所述运输路径的总成本；[0021] 将所述运输路径的总距离、所述运输路径的总时间以及所述运输路径的总成本带入所述适应度函数计算公式，以计算出每个所述运输路径的适应度值。[0022] 可选地，所述获取物流货车的运输监控数据，所述运输监控数据中包括多个运输路径，每个所述运输路径中包括多个途径点，包括：[0023] 从物流货车的运输监控数据中获取所述物流货车的起点位置和终点位置，以确定每个运输路径的起点和终点；[0024] 根据物流需求和货车装载能力，确定每个所述运输路径的途经点；[0025] 从起点开始，逐个选择途经点，生成多个运输路径。[0026] 可选地，所述基于多个所述运输路径的适应度值，计算每个所述运输路径的被选择概率，包括：[0027] 基于多个所述运输路径的适应度值，计算所有的运输路径的适应度值的总和；基于所有的运输路径的适应度值的总和，以及被选择概率的计算 公式：计算出每个所述运输路径的被选择概率；[0028] 其中，selectionprobability(i)表示为运输路径i被选择的概率，fitness(i)表示为运输路径i的适应度值，creativefactor(i)表示运输路径i的创造性因子，所述创造性因子可通过运输路径i的路径差异性所确定，creativefactor(i)＝diversity(i)/sumdiversity，diversity(i)表示为运输路径i的路径差异性，sumdiversity表示为所有的运输路径的路径差异性的总和，sumfitness表示为所有的运输路径的适应度值的总和sum(creativefactor)表示所有的运输路径的创造性因子的总和；[0029] 其中，所述路径差异性至少包括：运输路径i与其他运输路径之间的总距离差异、运输路径i与其他运输路径之间的总时间差异、运输路径i与其他运输路径之间的总成本差异。[0030] 可选地，所述基于每个所述运输路径的被选择概率，从多个所述运输路径中选择预设数量的运输路径作为父代运输路径，包括：[0031] 对每个所述运输路径的被选择概率进行归一化处理，并将每个所述运输路径的被选择概率除以被选择概率的总和，得到归一化后的被选择概率；[0032] 将多个所述运输路径的归一化后的被选择概率按照大小进行排序，生成累积概率序列；[0033] 生成一个0到1之间的随机数，并从所述累积概率序列中找到第一个大于随机数的概率值所对应的运输距离，并将所述运输路径确定为父代运输路径。[0034] 可选地，所述随机选择一个交叉点，并将至少两个父代运输路径在所述交叉点进行交叉，以生成子代运输路径，包括：[0035] 确定父代运输路径的长度n，并生成一个介于1和n?1之间的随机数i，作为交叉点的索引；[0036] 选择至少两个所述父代运输路径，并交叉点i为边界，将所述至少两个父代运输路径分为两个部分，得到第一部分和第二部分；[0037] 将所述第一部分从第一个父代运输路径复制到子代运输路径中，并在第二个父代运输路径中查找第二部分中的途径点，并将第二部分中的途径按照途径点顺序插入子代运输路径的交叉点i之后的位置，以生成子代运输路径。[0038] 第二方面，本申请实施例提供了一种物流货车运输监控数据处理系统，包括：[0039] 获取模块，用于获取物流货车的运输监控数据，所述运输监控数据中包括多个运输路径，每个所述运输路径中包括多个途径点；[0040] 计算模块，用于根据预设指标确定出适应度函数，并根据所述适应度函数，计算出每个所述运输路径的适应度值，所述适应度函数用于评估所述运输路径在问题域中的适应程度；基于多个所述运输路径的适应度值，计算每个所述运输路径的被选择概率，并基于每个所述运输路径的被选择概率，从多个所述运输路径中选择预设数量的运输路径作为父代运输路径；[0041] 生成模块，用于随机选择一个交叉点，并将至少两个父代运输路径在所述交叉点进行交叉，以生成子代运输路径；[0042] 确定模块，用于确定所述子代运输路径是否满足变异条件，所述变异条件包括所述子代运输路径对应的随机数是否小于设定变异率，若是，对所述子代运输路径进行变异操作，所述变异操作至少包括：交互所述子代运输路径中的途径点位置；合并变异操作后的子代运输路径和所述父代运输路径，以生成候选运输路径，并从所述候选运输路径中选择适应度值最大的候选运输路径作为目标运输路径。[0043] 第三方面，本申请实施例提供了一种计算设备，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如上述第一方面所述的物流货车运输监控数据处理方法。[0044] 第四方面，本申请实施例提供了一种计算机存储介质，存储有计算机程序，所述计算程序被计算机执行时，实现如上述第一方面所述的物流货车运输监控数据处理方法。[0045] 本申请实施例中，获取物流货车的运输监控数据，所述运输监控数据中包括多个运输路径，每个所述运输路径中包括多个途径点；根据预设指标确定出适应度函数，并根据所述适应度函数，计算出每个所述运输路径的适应度值，所述适应度函数用于评估所述运输路径在问题域中的适应程度；基于多个所述运输路径的适应度值，计算每个所述运输路径的被选择概率，并基于每个所述运输路径的被选择概率，从多个所述运输路径中选择预设数量的运输路径作为父代运输路径；随机选择一个交叉点，并将至少两个父代运输路径在所述交叉点进行交叉，以生成子代运输路径；确定所述子代运输路径是否满足变异条件，所述变异条件包括所述子代运输路径对应的随机数是否小于设定变异率，若是，对所述子代运输路径进行变异操作，所述变异操作至少包括：交互所述子代运输路径中的途径点位置；合并变异操作后的子代运输路径和所述父代运输路径，以生成多个候选运输路径，并从所述多个候选运输路径中选择适应度值最大的候选运输路径作为目标运输路径。[0046] 本申请技术方案的有益效果包括：[0047] 数据获取和处理效率提高：通过获取物流货车的运输监控数据并对其进行处理，可以实现对多个运输路径和途径点的有效管理和分析，提高数据处理的效率。[0048] 适应度函数评估运输路径的适应程度：通过设定适应度函数，可以评估每个运输路径在问题域中的适应程度，从而更好地了解和比较不同运输路径的优劣。[0049] 选择适应度高的运输路径作为父代：基于运输路径的适应度值，计算每个运输路径的被选择概率，并选择预设数量的运输路径作为父代，这样可以保留适应度高的运输路径，并用于后续的优化和进化。[0050] 交叉和变异操作增加多样性：通过随机选择交叉点，并在至少两个父代运输路径上进行交叉操作，可以生成子代运输路径，从而增加运输路径的多样性。同时，根据变异条件对子代运输路径进行变异操作，可以进一步增加多样性和探索新的解空间。[0051] 目标运输路径选择的准确性提高：通过合并变异操作后的子代运输路径和父代运输路径，生成多个候选运输路径，并选择适应度值最大的候选运输路径作为目标运输路径，从而提高目标运输路径的准确性和优化结果的质量。[0052] 综上所述，本申请的方法能够有效地处理物流货车运输监控数据，并通过交叉、变异和选择等操作，优化生成适应度较高的目标运输路径，提高物流货车运输的效率和效果。[0053] 本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。附图说明[0054] 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0055] 图1为本申请实施例提供的一种物流货车运输监控数据处理方法的流程图；[0056] 图2为本申请实施例提供的一种计算运输路径的适应度值方法的流程图；[0057] 图3为本申请实施例提供的一种物流货车运输监控数据处理系统的结构示意图；[0058] 图4为本申请实施例提供的一种计算设备的结构示意图。具体实施方式[0059] 为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。[0060] 在本申请的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。[0061] 本申请实施例的技术方案主要应用于物流货车运输监控数据处理场景。这种技术方案可以用于监控和管理物流货车的实时位置、运输状态和货物信息，以实现对货物的实时追踪、路径优化、运输效率提升等目标。它可以应用于物流运输公司、仓储物流企业、电商平台等涉及货物运输与配送的领域。[0062] 本申请实施例主要是针对实现对货物的路径优化的场景，发明人研究发现，传统的目标运输路径确定方法通常基于人工经验和规则制定，或者使用简单的启发式算法。在这些方法中，运输路径的确定通常基于图论和网络分析的原则，考虑因素包括距离、时间、交通状况、途径点等。然而，这些方法往往无法充分考虑复杂的实时变化因素和多个目标的优化，导致生成的运输路径不够准确和高效。[0063] 因此，需要一种新的物流货车运输监控数据处理方法和系统，能够充分利用实时监控数据，具备多目标优化能力，并提供智能化的决策支持，以提高运输路径的准确性、效率和成本效益。[0064] 鉴于此，本申请实施例提供了一种物流货车运输监控数据处理方法，该方法包括：获取物流货车的运输监控数据，所述运输监控数据中包括多个运输路径，每个所述运输路径中包括多个途径点；根据预设指标确定出适应度函数，并根据所述适应度函数，计算出每个所述运输路径的适应度值，所述适应度函数用于评估所述运输路径在问题域中的适应程度；基于多个所述运输路径的适应度值，计算每个所述运输路径的被选择概率，并基于每个所述运输路径的被选择概率，从多个所述运输路径中选择预设数量的运输路径作为父代运输路径；随机选择一个交叉点，并将至少两个父代运输路径在所述交叉点进行交叉，以生成子代运输路径；确定所述子代运输路径是否满足变异条件，所述变异条件包括所述子代运输路径对应的随机数是否小于设定变异率，若是，对所述子代运输路径进行变异操作，所述变异操作至少包括：交互所述子代运输路径中的途径点位置；合并变异操作后的子代运输路径和所述父代运输路径，以生成多个候选运输路径，并从所述多个候选运输路径中选择适应度值最大的候选运输路径作为目标运输路径。[0065] 本申请的方法能够有效地处理物流货车运输监控数据，并通过交叉、变异和选择等操作，优化生成适应度较高的目标运输路径，提高物流货车运输的效率和效果。[0066] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。[0067] 图1为本申请实施例提供的一种物流货车运输监控数据处理方法的流程图，如图1所示，该方法包括：[0068] 101、获取物流货车的运输监控数据，所述运输监控数据中包括多个运输路径，每个所述运输路径中包括多个途径点；[0069] 在该步骤中，可通过在物流货车上安装的监控设备或传感器，以获取物流货车在运输过程中的运输监控数据，如实时位置、速度、里程、运输状态、温湿度、运输路径是等信息。其中，运输路径是指物流货车在运输过程中所经过的道路线路，通常由起点、终点以及途径的中间点(即途径点)组成，用于确定车辆的行驶路线。运输路径中的途径点是指运输路径中除起点和终点外的中间点，通常表示物流货车需要经过的特定位置，如仓库、配送点或重要交通节点等。[0070] 本申请实施例中，例如，一家物流运输公司的货车需要从仓库A出发，经过途径点B、C，最终到达终点D。在整个运输过程中，通过监控设备获取到的运输监控数据包括车辆的实时位置、速度、货物温度等信息，同时还包括物流货车沿途的运输路径信息，即A?>B?>C?>D。其中，A为起点，D为终点，B和C为途径点。这些数据可以用于实时监控货车的运输情况，进行路径优化和运输效率提升等操作。[0071] 102、根据预设指标确定出适应度函数，并根据所述适应度函数，计算出每个所述运输路径的适应度值；[0072] 在该步骤中，预设指标是指在物流货车装货运输监控数据处理中，事先设定的衡量运输路径的优劣的指标，可以是多个指标或者是多个指标的组合。例如，预设指标可包括总距离、总成本、总时间，其中，所述总距离是指货车在运输过程中所经过的所有途径点的累计距离，所述总成本是指货车在运输过程中产生的全部成本，所述总时间是指货车在运输过程中所花费的总时间。[0073] 适应度函数是指根据预设指标，将运输路径映射到一个适应度值的函数。适应度函数的作用是评估运输路径在问题域中的适应程度，适应度值越高表示路径越优秀。其中，问题域是指在特定问题或领域中定义问题的范围和限制条件。它包括问题所涉及的实体、变量、关系、规则等，以及问题的目标和约束。在物流货车装货运输监控数据处理中，问题域可以包括物流货车的运输路径等。[0074] 可选地，本申请实施例中，以所述预设指标至少包括总距离、总成本、总时间为例，作为一种可能实现的方案，所述根据预设指标确定出适应度函数，包括：[0075] 通过适应度函数计算公式：确定出适应度函数；[0076] 其中，totaldistance(i)表示运输路径i的总距离，wd表示为总距离的权重，totaltime(i)表示运输路径i的总时间，wt表示为总时间的权重，totalcost(i)表示运输路径i的总成本，wc表示为总成本的权重。[0077] 可选地，本申请实施例中，图2提供了一种计算运输路径的适应度值方法的流程图，该方法基于上述的适应度函数计算公式，步骤102中的“根据所述适应度函数，计算出每个所述运输路径的适应度值”的过程可包括：[0078] 1021、针对每个所述运输路径，计算所述运输路径所包含多个途径点之间的距离矩阵，并根据所述运输路径所包含的多个途径点的途径点顺序，从所述距离矩阵中查找对应的途径点，以计算出两个途径点之间的距离，以累加得到所述运输路径的总距离；[0079] 在步骤1021中，针对每个运输路径，需要计算该运输路径所包含的多个途径点之间的距离矩阵，并根据运输路径中途径点的顺序，从距离矩阵中查找对应的途径点，以计算出每两个途径点之间的距离，最后累加得到该运输路径的总距离。[0080] 具体步骤如下：[0081] 假设有一个运输路径包含n个途径点，其中第一个途径点为起点，最后一个途径点为终点。[0082] 创建一个大小为nxn的距离矩阵，用于存储途径点之间的距离。[0083] 根据途径点之间的距离信息，填充距离矩阵。根据途径点的顺序，可以通过查找距离矩阵的对应行和列，找到两个途径点之间的距离，并将其填入矩阵的相应位置。[0084] 遍历距离矩阵的每一行，并累加每个途径点之间的距离，得到该运输路径的总距离。[0085] 本申请实施例中，假设有一个运输路径包含4个途径点(A、B、C、D)，途径点的顺序为A?>B?>C?>D。已知途径点之间的距离矩阵如下表1所示：[0086] 表1[0087] A B C DA 0 5 8 10B 5 0 3 6C 8 3 0 4D 10 6 4 0[0088] 根据途径点的顺序，可以从上述表1的距离矩阵中查找对应的途径点之间的距离：[0089] A?>B之间的距离为5；[0090] B?>C之间的距离为3；[0091] C?>D之间的距离为4；[0092] 最后，将这些距离累加起来，得到该运输路径的总距离：5+3+4＝12。[0093] 通过上述实施例，可以看到在计算运输路径的总距离时，需要根据途径点之间的顺序，从距离矩阵中查找对应的距离，并进行累加操作。这样可以得到运输路径的总距离信息。[0094] 1022、获取所述运输路径的途径点之间的平均速度和行驶时间，通过所述运输路径的总距离以及所述运输路径中途径点之间的平均速度和行驶时间，计算出所述运输路径的总时间；[0095] 在步骤1022中，需要获取运输路径的途径点之间的平均速度和行驶时间，并根据运输路径的总距离以及途径点之间的平均速度和行驶时间，计算出运输路径的总时间。[0096] 具体步骤如下：[0097] 对于每个途径点之间的平均速度，可以根据实际情况进行测量或估计。平均速度表示在途径点之间的行驶过程中，车辆的平均速度。例如，假设途径点A和B之间的平均速度为30km/h。[0098] 根据途径点之间的平均速度和距离，可以计算出途径点之间的行驶时间。行驶时间等于距离除以平均速度。例如，假设途径点A和B之间的距离为10km，平均速度为30km/h，则行驶时间为：10km/30km/h＝0.33小时。[0099] 遍历运输路径中的每个途径点之间的行驶时间，并累加得到运输路径的总时间。例如，对于一个运输路径包含4个途径点(A、B、C、D)，途径点的顺序为A?>B?>C?>D，可以计算出A?>B、B?>C、C?>D之间的行驶时间，并将它们累加起来，得到运输路径的总时间。[0100] 本申请实施例中，假设有一个运输路径包含4个途径点(A、B、C、D)，途径点的顺序为A?>B?>C?>D。已知途径点之间的平均速度和行驶时间如下表2所示：[0101] 表2[0102][0103] 根据途径点的顺序，可以从上述表2中的行驶时间矩阵中查找对应的途径点之间的行驶时间：[0104] A?>B之间的行驶时间为0.2小时；[0105] B?>C之间的行驶时间为0.1小时；[0106] C?>D之间的行驶时间为0.15小时；[0107] 最后，将这些行驶时间累加起来，得到该运输路径的总时间：0.2+0.1+0.15＝0.45小时。[0108] 通过这个例子，可以看到在计算运输路径的总时间时，需要根据途径点之间的平均速度和行驶时间，计算出每个途径点之间的行驶时间，并进行累加操作。这样可以得到运输路径的总时间信息。[0109] 1023、获取所述运输路径的途径点之间单位距离成本以及单位时间成本，通过所述运输路径的总距离以及所述运输路径的途径点之间单位距离成本以及单位时间成本，计算出所述运输路径的总成本；[0110] 在步骤1023中，需要获取运输路径的途径点之间的单位距离成本和单位时间成本，并根据运输路径的总距离以及途径点之间的单位距离成本和单位时间成本，计算出运输路径的总成本。[0111] 具体步骤如下：[0112] 对于每个途径点之间的单位距离成本和单位时间成本，可以根据实际情况进行测算或估计。单位距离成本表示在途径点之间每单位距离所需的成本，例如每公里的成本。单位时间成本表示在途径点之间每单位时间所需的成本，例如每小时的成本。[0113] 根据途径点之间的单位距离成本和距离，可以计算出途径点之间的距离成本。距离成本等于距离乘以单位距离成本。例如，假设途径点A和B之间的距离为10km，单位距离成本为2元/km，则距离成本为：10km*2元/km＝20元。[0114] 根据途径点之间的单位时间成本和行驶时间，可以计算出途径点之间的时间成本。时间成本等于行驶时间乘以单位时间成本。例如，假设途径点A和B之间的行驶时间为0.33小时，单位时间成本为10元/小时，则时间成本为：0.33小时*10元/小时＝3.3元。[0115] 遍历运输路径中的每个途径点之间的距离成本和时间成本，并累加得到运输路径的总成本。例如，对于一个运输路径包含4个途径点(A、B、C、D)，途径点的顺序为A?>B?>C?>D，可以计算出A?>B、B?>C、C?>D之间的距离成本和时间成本，并将它们累加起来，得到运输路径的总成本。[0116] 本申请实施例中，假设有一个运输路径包含4个途径点(A、B、C、D)，途径点的顺序为A?>B?>C?>D。已知途径点之间的单位距离成本和单位时间成本如下表3所示：[0117] 表3[0118] A B C DA 0 2 3 4B 2 0 1 2C 3 1 0 1.5D 4 2 1.5 0[0119] 根据途径点的顺序，可以从上述表3中的成本矩阵中查找对应的途径点之间的单位距离成本和单位时间成本：[0120] A?>B之间的单位距离成本为2元/km，单位时间成本为10元/小时；[0121] B?>C之间的单位距离成本为1元/km，单位时间成本为5元/小时；[0122] C?>D之间的单位距离成本为1.5元/km，单位时间成本为8元/小时；[0123] 根据途径点之间的距离成本和时间成本，可以计算出距离成本和时间成本：[0124] A?>B之间的距离成本为10km*2元/km＝20元，时间成本为0.33小时*10元/小时＝3.3元[0125] B?>C之间的距离成本为10km*1元/km＝10元，时间成本为0.1小时*5元/小时＝0.5元[0126] C?>D之间的距离成本为10km*1.5元/km＝15元，时间成本为0.15小时*8元/小时＝1.2元[0127] 最后，将这些距离成本和时间成本累加起来，得到该运输路径的总成本：20+3.3+10+0.5+15+1.2＝50元。[0128] 通过这个例子，可以看到在计算运输路径的总成本时，需要根据途径点之间的单位距离成本和单位时间成本，计算出每个途径点之间的距离成本和时间成本，并进行累加操作。这样可以得到运输路径的总成本信息。[0129] 1024、将所述运输路径的总距离、所述运输路径的总时间以及所述运输路径的总成本带入所述适应度函数计算公式，以计算出每个所述运输路径的适应度值。[0130] 在步骤1024中，将上述步骤1021～步骤1023所计算的运输路径的总距离、总时间和总成本带入适应度函数计算公式，以计算每个运输路径的适应度值。[0131] 其中，适应度函数计算公式：确定出适应度函数；[0132] 其中，totaldistance(i)表示运输路径i的总距离，wd表示为总距离的权重，totaltime(i)表示运输路径i的总时间，wt表示为总时间的权重，totalcost(i)表示运输路径i的总成本，wc表示为总成本的权重。[0133] 具体步骤如下：[0134] 将第i个运输路径的总距离、总时间和总成本带入适应度函数计算公式，以根据公式，计算出第i个运输路径的适应度值。[0135] 本申请实施例中，假设有一个运输路径，其总距离为100km，总时间为2小时，总成本为200元。假设根据需求设定权重wd为0.5，wt为0.3，wc为0.2。将这些值带入适应度函数计算公式：[0136] 通过这个例子，可以看到根据适应度函数计算公式，将运输路径的总距离、总时间和总成本带入，可以计算出每个运输路径的适应度值。适应度值可以用来评估该运输路径的优劣程度，从而进行路径优化和选择。[0137] 103、基于多个所述运输路径的适应度值，计算每个所述运输路径的被选择概率，并基于每个所述运输路径的被选择概率，从多个所述运输路径中选择预设数量的运输路径作为父代运输路径；[0138] 在该步骤中，基于多个运输路径的适应度值，计算每个运输路径的被选择概率，并根据被选择概率从多个运输路径中选择预设数量的运输路径作为父代运输路径。[0139] 具体步骤如下：[0140] 根据每个运输路径的适应度值，计算每个运输路径的被选择概率。被选择概率可以根据适应度值进行归一化处理，使得所有被选择概率之和等于1。常用的归一化方法是使用轮盘赌算法，即每个运输路径的被选择概率等于其适应度值除以所有适应度值之和。[0141] 根据每个运输路径的被选择概率和预设数量，从多个运输路径中选择相应数量的运输路径作为父代运输路径。选择的方法可以是随机选择，根据每个运输路径的选择概率进行抽样，然后选择概率高的运输路径作为父代运输路径。[0142] 本申请实施例中，假设有5个运输路径，它们的适应度值和选择概率如下表4：[0143] 表4[0144] 运输路径 适应度值 被选择概率运输路径1 0.2 0.1运输路径2 0.5 0.25运输路径3 0.3 0.15运输路径4 0.4 0.2运输路径5 0.6 0.3[0145] 假设预设选择的运输路径数量为2。根据被选择概率，可以进行抽样，选择被选择概率高的运输路径作为父代运输路径。假设抽样结果为运输路径2和运输路径5，则运输路径2和运输路径5将被选择作为父代运输路径。[0146] 通过这个例子，可以看到在步骤103中，根据每个运输路径的适应度值计算被选择概率，并根据被选择概率从多个运输路径中选择预设数量的运输路径作为父代运输路径。这样可以保留适应度值高的运输路径，并为下一代的运输路径选择提供种子。[0147] 104、随机选择一个交叉点，并将至少两个父代运输路径在所述交叉点进行交叉，以生成子代运输路径；[0148] 在该步骤中，随机选择一个交叉点，并将至少两个父代运输路径在该交叉点进行交叉，以生成子代运输路径。[0149] 具体步骤如下：[0150] 随机选择一个交叉点。交叉点可以是运输路径中的某个位置，例如某个节点或某个配送点。交叉点的选择可以是随机的，也可以根据一定的规则进行选择。[0151] 选择至少两个父代运输路径。父代运输路径可以是在步骤103所确定的父代运输路径。[0152] 在交叉点处进行交叉。交叉可以是单点交叉，即将两个父代运输路径在交叉点处进行切割，然后将切割的部分互换。也可以是多点交叉，即在交叉点周围多个位置进行切割和互换。交叉的具体方式取决于问题的特性和算法的设计。[0153] 生成子代运输路径。通过交叉操作，将父代运输路径的部分互换后，生成新的子代运输路径。子代运输路径将继承父代的一部分基因信息，并可能获得更好的特性。[0154] 本申请实施例中，假设有两个父代运输路径，运输路径1为A?B?C?D?E，运输路径2为F?G?H?I?J。随机选择的交叉点为C，进行单点交叉。[0155] 交叉操作：运输路径1的交叉点前为A?B，运输路径2的交叉点后为D?E。将交叉点前的部分互换，得到新运输路径3为F?G?B，将交叉点后的部分互换，得到新运输路径4为A?C?D?E。[0156] 通过这个例子，可以看到在步骤104中，随机选择一个交叉点，并将至少两个父代运输路径在该交叉点进行交叉，以生成子代运输路径。交叉操作可以帮助探索新的运输路径，增加种群的多样性，并有助于进化算法的搜索过程。[0157] 105、确定所述子代运输路径是否满足变异条件，所述变异条件包括所述子代运输路径对应的随机数是否小于设定变异率，若是，对所述子代运输路径进行变异操作，所述变异操作至少包括：交互所述子代运输路径中的途径点位置；[0158] 在该步骤中，确定子代运输路径是否满足变异条件。变异条件包括子代运输路径对应的随机数是否小于设定的变异率。如果满足变异条件，就对子代运输路径进行变异操作。其中，变异操作至少包括交换子代运输路径中的途径点位置。[0159] 具体步骤如下：[0160] 根据所述子代运输路径生成一个随机数。该随机数的范围通常是[0,1]之间，并判断随机数是否小于设定的变异率。变异率是一个在0到1之间的概率值，表示子代运输路径发生变异的概率。[0161] 如果随机数小于变异率，则对子代运输路径进行变异操作。否则，子代运输路径不进行变异操作。[0162] 变异操作中至少包括交换子代运输路径中的途径点位置。交换可以是随机选择两个途径点，然后交换它们的位置。也可以是根据某种规则，选择适合交换的途径点进行位置交换，具体可根据需求设定。[0163] 本申请实施例中，假设子代运输路径为A?B?C?D?E，设定的变异率为0.2。而该子代运输路径生成的随机数为0.15，小于变异率，满足变异条件。进行变异操作，可以随机选择两个途径点，例如B和D，交换它们的位置，得到新的子代运输路径为A?D?C?B?E。[0164] 通过这个例子，可以看到在步骤105中，确定子代运输路径是否满足变异条件，并进行变异操作。变异操作中至少包括交换子代运输路径中的途径点位置。变异操作可以增加运输路径的多样性，有助于进化算法的搜索过程。[0165] 106、合并变异操作后的子代运输路径和所述父代运输路径，以生成多个候选运输路径，并从所述多个候选运输路径中选择适应度值最大的候选运输路径作为目标运输路径。[0166] 在该步骤中，合并变异操作后的子代运输路径和父代运输路径，以生成多个候选运输路径，并从中选择适应度值最大的候选运输路径作为目标运输路径。[0167] 具体步骤如下：[0168] 将变异操作后的子代运输路径与父代运输路径进行合并。合并的方式可以是直接将两个路径连接起来形成一个新的运输路径。[0169] 根据合并后的运输路径生成多个候选运输路径。可以通过将运输路径中的途径点进行随机交换、删除或插入等方式，生成多个略有差异的候选运输路径。[0170] 计算每个候选运输路径的适应度值。适应度值可以根据问题的具体要求进行定义，通常包括运输路径的总成本、总距离、总时间等。[0171] 从多个候选运输路径中选择适应度值最大的候选运输路径作为目标运输路径。可以通过比较每个候选运输路径的适应度值，选择适应度值最大的路径作为最优解。也可以采用其他选择策略，例如轮盘赌选择、锦标赛选择等。[0172] 本申请实施例中，通过这个步骤，可以将变异操作后的子代运输路径与父代运输路径进行合并，生成多个候选运输路径，并从中选择适应度值最大的路径作为目标运输路径。选择适应度值最大的路径可以获得更好的解，有助于优化物流货车的装货运输效率。[0173] 可选地，本申请实施例中，作为一种具体的实现方案，步骤101可具体包括：[0174] 1011、从物流货车的运输监控数据中获取所述物流货车的起点位置和终点位置，以确定每个运输路径的起点和终点；[0175] 在步骤1011中，从物流货车的运输监控数据中获取起点位置和终点位置：通过物流货车的监控数据，可以获取货车运输的起点位置和终点位置的坐标信息。这些监控数据可以包括GPS定位数据、运输订单信息等。根据这些数据，可以确定每个运输路径的起点和终点。[0176] 例如，从监控数据中获取到一辆货车的起点位置是A(经度：x1，纬度：y1)，终点位置是B(经度：x2，纬度：y2)。[0177] 1012、根据物流需求和货车装载能力，确定每个所述运输路径的途经点；[0178] 在步骤1012中，根据物流需求和货车装载能力，确定每个运输路径的途经点：根据物流需求和货车的装载能力，确定每个运输路径需要经过哪些途经点。途经点可以是货物的发货点、收货点，或者是其他需要经过的重要位置。[0179] 例如，根据物流需求，确定货车需要经过途经点C和D。同时，根据货车的装载能力，途经点的顺序和数量也需要进行合理安排。[0180] 1013、从起点开始，逐个选择途经点，生成多个运输路径。[0181] 在步骤1013中，从起点开始，逐个选择途经点，生成多个运输路径：从货车的起点开始，逐个选择途经点，生成多个运输路径。可以采用深度优先搜索、回溯算法等方式进行路径的生成。[0182] 例如，在起点位置A开始，选择途经点C，生成路径1：A?C。然后从途经点C继续选择途经点D，生成路径2：A?C?D。可以根据需求生成更多的运输路径。[0183] 通过这个步骤，我们可以根据物流货车的运输监控数据，确定起点和终点位置，根据物流需求和货车装载能力确定途经点，然后从起点开始逐个选择途经点，生成多个运输路径。这些运输路径可以作为后续优化算法的输入，以提高物流货车装货运输的效率。[0184] 可选地，本申请实施例中，作为一种具体的实现方案，步骤103中的“所述基于多个所述运输路径的适应度值，计算每个所述运输路径的被选择概率”，可具体包括：基于多个所述运输路径的适应度值，计算所有的运输路径的适应度值的总和；基于所有的运输路径的适应度值的总和，以及被选择概率的计算公式：计算出每个所述运输路径的被选择概率；[0185] 其中，selectionprobability(i)表示为运输路径i被选择的概率，fitness(i)表示为运输路径i的适应度值，creativefactor(i)表示运输路径i的创造性因子，所述创造性因子可通过运输路径i的路径差异性所确定，creativefactor(i)＝diversity(i)/sumdiversity，diversity(i)表示为运输路径i的路径差异性，sumdiversity表示为所有的运输路径的路径差异性的总和，sumfitness表示为所有的运输路径的适应度值的总和sum(creativefactor)表示所有的运输路径的创造性因子的总和；[0186] 其中，所述路径差异性至少包括：运输路径i与其他运输路径之间的总距离差异、运输路径i与其他运输路径之间的总时间差异、运输路径i与其他运输路径之间的总成本差异。[0187] 本申请实施例中，基于多个运输路径的适应度值来计算每个运输路径的被选择概率。具体包括以下步骤：[0188] 计算所有运输路径的适应度值总和：将所有运输路径的适应度值相加，得到适应度值的总和。适应度值可以是根据物流需求和货车装载能力等因素确定的评估指标，如运输总距离、总时间、总成本等。[0189] 计算创造性因子的总和：根据每个运输路径的路径差异性来计算创造性因子。路径差异性可以包括运输路径与其他运输路径之间的总距离差异、总时间差异、总成本差异等。[0190] 计算每个运输路径的被选择概率：根据被选中概率的计算公式：计算每个运输路径的被选择概率。[0191] 例如，假设有三个运输路径：路径1、路径2和路径3。它们的适应度值分别为fitness(1)、fitness(2)和fitness(3)，创造性因子分别为creativefactor(1)creativefactor(2)和creativefactor(3)。[0192] 计算适应度值总和：sumfitness＝fitness(1)+fitness(2)+fitness(3)。[0193] 计算创造性因子总和：sum(creativefactor)＝creativefactor(1)+creativefactor(2)+creativefactor(3)。[0194] 计算运输路径1的被选择概率：[0195] 同样地，可以计算路径2和路径3的被选择概率。[0196] 通过这个步骤，可以根据每个运输路径的适应度值和创造性因子，计算出每个运输路径的被选择概率。这些被选择概率可以用于后续的选择操作，以确定最优的运输路径。[0197] 可选地，本申请实施例中，作为一种具体的实现方案，步骤103中的“所述基于每个所述运输路径的被选择概率，从多个所述运输路径中选择预设数量的运输路径作为父代运输路径”可具体包括：[0198] 1031、对每个所述运输路径的被选择概率进行归一化处理，并将每个所述运输路径的被选择概率除以被选择概率的总和，得到归一化后的被选择概率；[0199] 在步骤1031中，对每个运输路径的被选择概率进行归一化处理：将每个运输路径的被选择概率除以被选择概率的总和，进行归一化处理。归一化后的被选择概率表示每个运输路径被选择的相对概率大小。[0200] 1032、将多个所述运输路径的归一化后的被选择概率按照大小进行排序，生成累积概率序列；[0201] 在步骤1032中，将归一化后的被选择概率按照大小进行排序：将多个运输路径的归一化后的被选择概率按照从大到小的顺序进行排序。这样可以使得概率较大的运输路径排在前面。将排序后的归一化概率依次相加，生成累积概率序列。累积概率序列表示每个运输路径被选择的累积概率大小。[0202] 1033、生成一个0到1之间的随机数，并从所述累积概率序列中找到第一个大于随机数的概率值所对应的运输距离，并将所述运输路径确定为父代运输路径。[0203] 在步骤1033中，生成一个0到1之间的随机数，并根据累积概率序列选择父代运输路径：生成一个0到1之间的随机数，然后从累积概率序列中找到第一个大于随机数的概率值所对应的运输路径。该运输路径被确定为父代运输路径。[0204] 例如，假设有三个运输路径：运输路径1、运输路径2和运输路径3。它们的归一化后的被选择概率分别为normalizedprobability(1)、normalizedprobability(2)、normalizedprobability(3)，其中，normalizedprobability(i)是归一化后的被选择概率selectionprobability(i)。[0205] 对归一化概率进行排序：将归一化概率按照从大到小的顺序排列，得到排序后的概率序列。[0206] 生成累积概率序列：将排序后的概率依次相加，得到累积概率序列。[0207] 生成随机数：生成一个0到1之间的随机数，例如0.6。[0208] 根据累积概率序列选择父代运输路径：从累积概率序列中找到第一个大于随机数0.6的概率值所对应的运输路径，例如运输路径2。运输路径2被确定为父代运输路径。[0209] 通过这个步骤，可以根据每个运输路径的被选择概率，选择预设数量的运输路径作为父代运输路径。这些父代运输路径将用于后续的交叉和变异操作，以产生下一代的运输路径。[0210] 可选地，本申请实施例中，作为一种具体的实现方案，步骤104中的“所述随机选择一个交叉点，并将至少两个父代运输路径在所述交叉点进行交叉，以生成子代运输路径”可具体包括：[0211] 1041、确定父代运输路径的长度n，并生成一个介于1和n?1之间的随机数i，作为交叉点的索引；[0212] 在步骤1041中，确定父代运输路径的长度n，并生成一个介于1和n?1之间的随机数i，作为交叉点的索引：确定参与交叉的父代运输路径的长度n，并生成一个介于1和n?1之间的随机数i，作为交叉点的索引。这个随机数i确定了交叉点在父代运输路径上的位置。[0213] 1042、选择至少两个所述父代运输路径，并交叉点i为边界，将所述至少两个父代运输路径分为两个部分，得到第一部分和第二部分；[0214] 在步骤1042中，选择至少两个父代运输路径，并以交叉点i为边界，将父代运输路径分为两个部分：从父代运输路径中选择至少两个参与交叉的父代运输路径，并以交叉点i为边界，将父代运输路径分为两个部分。第一部分是交叉点之前的部分，第二部分是交叉点之后的部分。[0215] 1043、将所述第一部分从第一个父代运输路径复制到子代运输路径中，并在第二个父代运输路径中查找第二部分中的途径点，并将第二部分中的途径按照途径点顺序插入子代运输路径的交叉点i之后的位置，以生成子代运输路径。[0216] 在步骤1043中，将第一部分从第一个父代运输路径复制到子代运输路径中：将第一个父代运输路径中的第一部分复制到子代运输路径中。[0217] 在第二个父代运输路径中查找第二部分中的途径点，并将途径点按照顺序插入子代运输路径的交叉点i之后的位置：在第二个父代运输路径的第二部分中按照途径点的顺序查找，并将途径点按照顺序插入子代运输路径的交叉点i之后的位置。这样，生成的子代运输路径就包含了第一部分来自第一个父代运输路径，第二部分来自第二个父代运输路径，并且途径点按照顺序插入。[0218] 通过这个步骤，我们可以随机选择一个交叉点，并将至少两个父代运输路径在交叉点进行交叉，生成子代运输路径。这些子代运输路径将作为下一代运输路径进行进化。[0219] 图3为本申请实施例提供的一种物流货车运输监控数据处理系统的结构示意图，如图3所示，该系统包括：[0220] 获取模块31，用于获取物流货车的运输监控数据，所述运输监控数据中包括多个运输路径，每个所述运输路径中包括多个途径点；[0221] 计算模块32，用于根据预设指标确定出适应度函数，并根据所述适应度函数，计算出每个所述运输路径的适应度值，所述适应度函数用于评估所述运输路径在问题域中的适应程度；基于多个所述运输路径的适应度值，计算每个所述运输路径的被选择概率，并基于每个所述运输路径的被选择概率，从多个所述运输路径中选择预设数量的运输路径作为父代运输路径；[0222] 生成模块33，用于随机选择一个交叉点，并将至少两个父代运输路径在所述交叉点进行交叉，以生成子代运输路径；[0223] 确定模块34，用于确定所述子代运输路径是否满足变异条件，所述变异条件包括所述子代运输路径对应的随机数是否小于设定变异率，若是，对所述子代运输路径进行变异操作，所述变异操作至少包括：交互所述子代运输路径中的途径点位置；合并变异操作后的子代运输路径和所述父代运输路径，以生成候选运输路径，并从所述候选运输路径中选择适应度值最大的候选运输路径作为目标运输路径。[0224] 可选地，本申请实施例中，所述预设指标至少包括总距离、总成本、总时间，其中，所述总距离是指货车在运输过程中所经过的所有途径点的累计距离，所述总成本是指货车在运输过程中产生的全部成本，所述总时间是指货车在运输过程中所花费的总时间；[0225] 所述计算模块32还用于通过适应度函数计算公式：确定出适应度函数；[0226] 其中，totaldistance(i)表示运输路径i的总距离，wd表示为总距离的权重，totaltime(i)表示运输路径i的总时间，wt表示为总时间的权重，totalcost(i)表示运输路径i的总成本，wc表示为总成本的权重。[0227] 可选地，本申请实施例中，所述计算模块32还用于针对每个所述运输路径，计算所述运输路径所包含多个途径点之间的距离矩阵，并根据所述运输路径所包含的多个途径点的途径点顺序，从所述距离矩阵中查找对应的途径点，以计算出两个途径点之间的距离，以累加得到所述运输路径的总距离；获取所述运输路径的途径点之间的平均速度和行驶时间，通过所述运输路径的总距离以及所述运输路径中途径点之间的平均速度和行驶时间，计算出所述运输路径的总时间；获取所述运输路径的途径点之间单位距离成本以及单位时间成本，通过所述运输路径的总距离以及所述运输路径的途径点之间单位距离成本以及单位时间成本，计算出所述运输路径的总成本；将所述运输路径的总距离、所述运输路径的总时间以及所述运输路径的总成本带入所述适应度函数计算公式，以计算出每个所述运输路径的适应度值。[0228] 可选地，本申请实施例中，获取模块31具体用于从物流货车的运输监控数据中获取所述物流货车的起点位置和终点位置，以确定每个运输路径的起点和终点；根据物流需求和货车装载能力，确定每个所述运输路径的途经点；从起点开始，逐个选择途经点，生成多个运输路径。[0229] 可选地，本申请实施例中，所述计算模块32还用于基于多个所述运输路径的适应度值，计算所有的运输路径的适应度值的总和；基于所有的运输路径的适应度值的总和，以及被选择概率的计算公式： 计算出每个所述运输路径的被选择概率；[0230] 其中，selectionprobability(i)表示为运输路径i被选择的概率，fitness(i)表示为运输路径i的适应度值，creativefactor(i)表示运输路径i的创造性因子，所述创造性因子可通过运输路径i的路径差异性所确定，creativefactor(i)＝diversity(i)/sumdiversity，diversity(i)表示为运输路径i的路径差异性，sumdiversity表示为所有的运输路径的路径差异性的总和，sumfitness表示为所有的运输路径的适应度值的总和sum(creativefactor)表示所有的运输路径的创造性因子的总和；[0231] 其中，所述路径差异性至少包括：运输路径i与其他运输路径之间的总距离差异、运输路径i与其他运输路径之间的总时间差异、运输路径i与其他运输路径之间的总成本差异。[0232] 可选地，本申请实施例中，所述计算模块32还用于对每个所述运输路径的被选择概率进行归一化处理，并将每个所述运输路径的被选择概率除以被选择概率的总和，得到归一化后的被选择概率；将多个所述运输路径的归一化后的被选择概率按照大小进行排序，生成累积概率序列；生成一个0到1之间的随机数，并从所述累积概率序列中找到第一个大于随机数的概率值所对应的运输距离，并将所述运输路径确定为父代运输路径。[0233] 可选地，本申请实施例中，所述生成模块33具体用于确定父代运输路径的长度n，并生成一个介于1和n?1之间的随机数i，作为交叉点的索引；选择至少两个所述父代运输路径，并交叉点i为边界，将所述至少两个父代运输路径分为两个部分，得到第一部分和第二部分；将所述第一部分从第一个父代运输路径复制到子代运输路径中，并在第二个父代运输路径中查找第二部分中的途径点，并将第二部分中的途径按照途径点顺序插入子代运输路径的交叉点i之后的位置，以生成子代运输路径。[0234] 图3所述的物流货车运输监控数据处理系统可以执行图1所示实施例所述的物流货车运输监控数据处理方法，其实现原理和技术效果不再赘述。对于上述实施例中的物流货车运输监控数据处理系统其中各个模块、单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。[0235] 在一个可能的设计中，图3所示实施例的物流货车运输监控数据处理系统可以实现为计算设备，如图4所示，该计算设备可以包括存储组件401以及处理组件402；[0236] 所述存储组件401存储一条或多条计算机指令，其中，所述一条或多条计算机指令供所述处理组件402调用执行。[0237] 所述处理组件402用于：获取物流货车的运输监控数据，所述运输监控数据中包括多个运输路径，每个所述运输路径中包括多个途径点；根据预设指标确定出适应度函数，并根据所述适应度函数，计算出每个所述运输路径的适应度值，所述适应度函数用于评估所述运输路径在问题域中的适应程度；基于多个所述运输路径的适应度值，计算每个所述运输路径的被选择概率，并基于每个所述运输路径的被选择概率，从多个所述运输路径中选择预设数量的运输路径作为父代运输路径；随机选择一个交叉点，并将至少两个父代运输路径在所述交叉点进行交叉，以生成子代运输路径；确定所述子代运输路径是否满足变异条件，所述变异条件包括所述子代运输路径对应的随机数是否小于设定变异率，若是，对所述子代运输路径进行变异操作，所述变异操作至少包括：交互所述子代运输路径中的途径点位置；合并变异操作后的子代运输路径和所述父代运输路径，以生成多个候选运输路径，并从所述多个候选运输路径中选择适应度值最大的候选运输路径作为目标运输路径。[0238] 其中，处理组件402可以包括一个或多个处理器来执行计算机指令，以完成上述的方法中的全部或部分步骤。当然处理组件也可以为一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。[0239] 存储组件401被配置为存储各种类型的数据以支持在终端的操作。存储组件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。[0240] 显示组件403可以为电致发光(EL)元件、液晶显示器或具有类似结构的微型显示器、或者视网膜可直接显示或类似的激光扫描式显示器。[0241] 当然，计算设备必然还可以包括其他部件，例如输入/输出接口、通信组件等。[0242] 输入/输出接口为处理组件和外围接口模块之间提供接口，上述外围接口模块可以是输出设备、输入设备等。[0243] 通信组件被配置为便于计算设备和其他设备之间有线或无线方式的通信等。[0244] 其中，该计算设备可以为物理设备或者云计算平台提供的弹性计算主机等，此时计算设备即可以是指云服务器，上述处理组件、存储组件等可以是从云计算平台租用或购买的基础服务器资源。[0245] 本申请实施例还提供了一种计算机存储介质，存储有计算机程序，所述计算机程序被计算机执行时可以实现上述图1所示实施例的物流货车运输监控数据处理方法。[0246] 所属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。[0247] 以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。[0248] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。[0249] 最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围。

专利地区：山东

专利申请日期：2024-03-22

专利公开日期：2024-11-22

专利公告号：CN118171986B