买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京国联视讯信息技术股份有限公司申请的专利应用于智慧物流调度的大数据处理方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118036839B 。

龙图腾网通过国家知识产权局官网在2025-04-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410058103.7，技术领域涉及：G06Q10/047；该发明授权应用于智慧物流调度的大数据处理方法及系统是由孙雅丽;王彤彤设计研发完成，并于2024-01-15向国家知识产权局提交的专利申请。

本应用于智慧物流调度的大数据处理方法及系统在说明书摘要公布了：本申请提供一种应用于智慧物流调度的大数据处理方法及系统，调度约束信息具有目标路线约束层面对应的路线约束条件，预调试知识表示也能表征该路线约束条件对应的预调试知识表示，同时预调试知识表示挖掘网络基于约束特征空间到路线特征空间的映射，将依据约束向量到路线构建的流程细化为从约束向量到路线向量然后到路线构建的两个环节，能有效缓解路线表征向量构建网络的调试复杂度，增加物流调度数据构建质量，将初始物流调度数据和目标路线表征向量加载到物流调度数据构建网络进行物流调度数据构建，获得目标调度物流调度数据，令输出的目标调度物流调度数据具有准确的路线调度结果。

本发明授权应用于智慧物流调度的大数据处理方法及系统在权利要求书中公布了：1.一种应用于智慧物流调度的大数据处理方法，其特征在于，所述方法包括：获取具有目标物流路线数据的初始物流调度数据和调度约束信息，所述调度约束信息用以表明构建以所述目标物流路线数据为物流路线数据的物流调度数据，所述调度约束信息的信息中具有目标路线约束层面对应的路线约束条件；其中，所述初始物流调度数据包括运输车辆的类别、货物的属性、运输价格、库存数据以及物流运输路线；所述调度约束信息用以表明构建以目标物流路线数据为物流路线数据的物流调度数据，在目标物流路线数据的已有路线基础上，限定目标路线约束层面对应的待构建的路线约束条件；目标路线约束层面为运输线路通行费约束、运输线路类型约束、运输线路环境约束、运输线路畅通度约束中的一个或多个；将所述调度约束信息加载到预调试知识表示挖掘网络进行预调试知识表示挖掘，获得所述调度约束信息对应的预调试知识表示；将所述预调试知识表示加载到路线表征向量构建网络，依据所述预调试知识表示进行路线线路调节，构建所述目标物流路线数据对应的目标路线表征向量；将所述初始物流调度数据和所述目标路线表征向量加载到物流调度数据构建网络进行物流调度数据构建，获得目标调度物流调度数据；其中，所述路线表征向量构建网络为基于多个预设路线约束层面分别对应的路线约束条件样例和所述多个预设路线约束层面对应的多层次路线线路调节网络，教授预设路线表征向量构建网络进行所述多个预设路线约束层面的路线线路调节调试获得；所述目标路线约束层面为所述多个预设路线约束层面中的一个或多个预设路线约束层面；路线约束条件样例为路线约束条件训练样本；其中，所述将所述预调试知识表示加载到路线表征向量构建网络，依据所述预调试知识表示进行路线线路调节，构建所述目标物流路线数据对应的目标路线表征向量包括：将所述预调试知识表示和预设增强知识表示加载到所述路线表征向量构建网络，依据所述预调试知识表示，指引所述预设增强知识表示进行所述目标路线约束层面的调节操作，获得所述目标路线表征向量；所述预调试知识表示挖掘网络为一个深度学习网络，包括第一信息嵌入映射组件、第二信息嵌入映射组件和多模态表征向量映射网络，所述将所述调度约束信息加载到预调试知识表示挖掘网络进行预调试知识表示挖掘，获得所述调度约束信息对应的预调试知识表示包括：将所述调度约束信息加载到所述第一信息嵌入映射组件进行约束条件特征挖掘，获得第一约束条件表征向量，所述第一信息嵌入映射组件为采用多模态对齐前置调试的信息嵌入映射组件；将所述调度约束信息加载到所述第二信息嵌入映射组件进行约束条件特征挖掘，获得第二约束条件表征向量，所述第二信息嵌入映射组件为采用约束条件特征挖掘前置调试的信息嵌入映射组件；其中，信息嵌入映射组件为转换器网络；将所述第一约束条件表征向量和所述第二约束条件表征向量加载到所述多模态表征向量映射网络进行多模态表征向量映射，获得所述预调试知识表示；所述多模态表征向量映射网络为基于扩散机制的生成网络；所述物流调度数据构建网络包括：调度数据特征提炼组件、表征向量整合组件和数据还原映射组件，数据还原映射组件的网络结构是变分自编码器中的解码器，所述将所述初始物流调度数据和所述目标路线表征向量加载到物流调度数据构建网络进行物流调度数据构建，获得目标调度物流调度数据包括：将所述初始物流调度数据加载到所述调度数据特征提炼组件进行数据表征向量挖掘，获得初始物流调度数据表征向量；将所述初始物流调度数据表征向量和所述目标路线表征向量加载到所述表征向量整合组件进行表征向量整合操作，获得整合物流调度数据表征向量；将所述整合物流调度数据表征向量加载到所述数据还原映射组件进行数据还原映射，获得所述目标调度物流调度数据；所述方法还包括：对所述预设路线表征向量构建网络进行网络内部变量克隆，获得第一路线表征向量构建网络和第二路线表征向量构建网络，所述第一路线表征向量构建网络和所述第二路线表征向量构建网络同级；获取具有所述路线约束条件样例的第一调度约束信息样例对应的第一预调试知识表示样例，以及增强知识表示样例；增强知识表示样例是扰动信息分布的概率密度函数符合高斯分布的噪声信息对应的特征图；在依据所述第一预调试知识表示样例、所述增强知识表示样例和所述增强知识表示样例对应的预设附属增强信息，调节所述第一路线表征向量构建网络和所述第二路线表征向量构建网络进行路线表征向量构建时，依据所述多层次路线线路调节网络向所述第一路线表征向量构建网络添加所述路线约束条件样例，从而令所述第一路线表征向量构建网络进行路线线路调节调试，获得第一调试网络；其中，预设附属增强信息是添加的增强信息；将所述第一调试网络的网络内部变量和所述第二路线表征向量构建网络的网络内部变量进行按序合并，获得目标网络内部变量；依据所述目标网络内部变量，优化所述预设路线表征向量构建网络的网络内部变量，获得所述路线表征向量构建网络；所述第一路线表征向量构建网络包括：第一嵌入映射组件，所述第二路线表征向量构建网络包括：第二嵌入映射组件和还原映射组件，所述在依据所述第一预调试知识表示样例、所述增强知识表示样例和所述增强知识表示样例对应的预设附属增强信息，调节所述第一路线表征向量构建网络和所述第二路线表征向量构建网络进行路线表征向量构建时，依据所述多层次路线线路调节网络向所述第一路线表征向量构建网络添加所述路线约束条件样例，从而令所述第一路线表征向量构建网络进行路线线路调节调试，获得第一调试网络包括：将所述多个预设路线约束层面分别对应的路线约束条件样例加载到所述多层次路线线路调节网络进行路线约束条件表征向量挖掘，获得路线约束条件表征向量样例；将所述增强知识表示样例、所述第一预调试知识表示样例和所述路线约束条件表征向量样例加载到所述第一嵌入映射组件，依据所述第一预调试知识表示样例和所述路线约束条件表征向量样例，对所述增强知识表示样例进行嵌入映射，获得第一嵌入映射表征向量；将所述增强知识表示样例和所述第一预调试知识表示样例加载到所述第二嵌入映射组件，依据所述第一预调试知识表示样例，对所述增强知识表示样例进行嵌入映射，获得第二嵌入映射表征向量；将所述第一嵌入映射表征向量、所述第二嵌入映射表征向量和所述第一预调试知识表示样例加载到所述还原映射组件，依据所述第一预调试知识表示样例，对所述第一嵌入映射表征向量和所述第二嵌入映射表征向量进行还原映射，获得路线表征向量样例；依据第一增强信息样例和所述预设附属增强信息之间的第一增强误差，调试所述第一嵌入映射组件，获得所述第一调试网络；所述第一增强信息样例为所述增强知识表示样例与所述路线表征向量样例之间的增强信息；所述第一嵌入映射组件包括级联的多特征粒度的第一池化算子，所述路线约束条件表征向量样例包括所述多特征粒度的路线约束条件表征向量，所述第一嵌入映射表征向量包括所述多特征粒度的第一池化表征向量，所述将所述增强知识表示样例、所述第一预调试知识表示样例和所述路线约束条件表征向量样例加载到所述第一嵌入映射组件，依据所述第一预调试知识表示样例和所述路线约束条件表征向量样例，对所述增强知识表示样例进行嵌入映射，获得第一嵌入映射表征向量包括：基于所述多特征粒度中每一特征粒度的第一池化算子，依据所述第一预调试知识表示样例，对所述每一特征粒度的第一池化算子的执行表征向量进行池化表征向量抽取，获得所述每一特征粒度的第一池化表征向量，其中，第一特征粒度的第一池化算子的执行表征向量为所述增强知识表示样例，第二特征粒度到最后一特征粒度的第一池化算子的执行表征向量为本身的上一特征粒度的第一池化表征向量和本身的上一特征粒度的路线约束条件表征向量；所述第二嵌入映射组件包括级联的所述多特征粒度的第二池化算子，所述第二嵌入映射表征向量包括所述多特征粒度的第二池化表征向量，所述将所述增强知识表示样例和所述第一预调试知识表示样例加载到所述第二嵌入映射组件，依据所述第一预调试知识表示样例，对所述增强知识表示样例进行嵌入映射，获得第二嵌入映射表征向量包括：基于所述每一特征粒度的第二池化算子，依据所述第一预调试知识表示样例，对所述每一特征粒度的第二池化算子的执行表征向量进行池化表征向量抽取，获得所述每一特征粒度的第二池化表征向量，其中，所述第一特征粒度的第二池化算子的执行表征向量为所述增强知识表示样例，所述第二特征粒度到所述最后一特征粒度的第二池化算子的执行表征向量为本身的上一特征粒度的第二池化表征向量；所述还原映射组件包括级联的所述多特征粒度的反池化算子，所述将所述第一嵌入映射表征向量、所述第二嵌入映射表征向量和所述第一预调试知识表示样例加载到所述还原映射组件，依据所述第一预调试知识表示样例，对所述第一嵌入映射表征向量和所述第二嵌入映射表征向量进行还原映射，获得路线表征向量样例包括：基于所述每一特征粒度的反池化算子，依据所述第一预调试知识表示样例，对所述每一特征粒度的反池化算子的执行表征向量进行反池化表征向量提取，获得所述每一特征粒度的反池化表征向量，其中，与所述最后一特征粒度的第二池化算子连接的所述最后一特征粒度的反池化算子的执行表征向量为所述最后一特征粒度的第二池化表征向量、和本身相同特征粒度的第一池化表征向量和和本身相同特征粒度的路线约束条件表征向量，所述第一特征粒度到最后第二特征粒度的反池化算子的执行表征向量包括本身的后一特征粒度的反池化表征向量、和本身相同特征粒度的第一池化表征向量和和本身相同特征粒度的路线约束条件表征向量；将所述第一特征粒度的反池化算子输出的反池化表征向量作为所述路线表征向量样例；所述多层次路线线路调节网络包括所述多个预设路线约束层面分别对应的路线调节组件，所述将所述多个预设路线约束层面分别对应的路线约束条件样例加载到所述多层次路线线路调节网络进行路线约束条件表征向量挖掘，获得路线约束条件表征向量样例包括：将所述多个预设路线约束层面中每个预设路线约束层面对应的路线约束条件样例分别加载到对应预设路线约束层面的路线调节组件进行路线约束条件表征向量挖掘，获得所述每个预设路线约束层面对应的目标路线约束条件表征向量；将所述多个预设路线约束层面分别对应的目标路线约束条件表征向量进行偏心调节整合，获得所述路线约束条件表征向量样例，其中，所述偏心调节整合也即进行加权，再对加权结果求和。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京国联视讯信息技术股份有限公司，其通讯地址为：100070 北京市丰台区南四环西路188号六区3号楼9层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。