【技术实现步骤摘要】
本专利技术涉及物品运输路径规划领域，具体涉及一种基于知识图谱的果蔬运输路径规划方法和系统。
技术介绍
1、据国家统计局资料，我国是世界上第一大水果生产国。然而我国水果年损耗非常大，每年约有1200万吨的果品在运输中损失,腐烂损耗的果蔬可满足近2亿人的基本营养需求,造成的经济损失达750亿元。不同的路径可能涉及不同的距离、交通状况和运输方式等因素。因此，选择合适的运输路径可以提高水果的运输效率，通过选择最佳路径，可以减少运输时间、降低成本和最大限度地保持水果的新鲜度和品质，使得水果能够更快速地从产地到达市场，减少货物滞留和损失，并满足消费者对新鲜水果的需求。
2、知识图谱是一个结构化的、语义丰富的知识表示模型，能够整合多个领域的信息和知识，可以融合不同类型的数据，提供全面而丰富的背景信息来支持路径规划决策；此外，知识图谱可以视为一个图结构，将知识图谱转为加权无向图可以获得有关节点之间的权重关系，可以用于在路径规划中发现最优路径，提供更高效和准确的路径规划结果；最后，知识图谱被视为一个动态的知识库，可以不断更新和扩展。在路径规划中，道路网络、交通状况等信息可能会不断变化，通过将实时数据和新知识与知识图谱相结合，可以实现实时路径规划和动态路线优化，以适应实际情况的变化。
3、因此，如何利用上述知识图谱的特性，更加实时、动态的实现果蔬运输的路径选择，是目前业界亟待解决的问题。
技术实现思路
1、以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所
2、本专利技术的目的在于解决上述问题，提供了一种基于知识图谱的果蔬运输路径规划方法和系统，综合考虑路况、运输设备、运输时间对水果新鲜度的影响，从而选择最优运输路径，可以最大限度地保持水果的新鲜度和品质。
3、本专利技术的技术方案为：本专利技术揭示了一种基于知识图谱的果蔬运输路径规划方法，方法包括：
4、步骤s1：获取订单信息并对进行预处理；
5、步骤s2：基于融合自注意力机制的深度神经网络模型，采用序列标注方法从步骤s1中的预处理后的订单信息抽取出对应的关系三元组，再基于关系三元组构建知识图谱；
6、步骤s3：在步骤s2构建的知识图谱模型的基础上构建加权无向图；
7、步骤s4：根据运输的时间长短动态调整加权无向图的边中的时间权重，利用分段贪心算法求解变权重下的局部最优解，得到新鲜度损失最小的最优路径作为全局最优解。
8、根据本专利技术的基于知识图谱的果蔬运输路径规划方法的一实施例，步骤s1中的订单信息包括：发货地、收货地、预选运输车辆类型；在步骤s2所构建的知识图谱中，发货地和收货地为知识图谱的节点，节点信息中包含发货地和收货地，以及发货地和收货地之间的距离。
9、根据本专利技术的基于知识图谱的果蔬运输路径规划方法的一实施例，步骤s2进一步包括：
10、根据用户预选的运输车辆类型将用户分类，每一类用户分别构建知识图谱，其中根据种植规模在内的因素计算用户代价分数，将用户代价分数排序，确定最小值对应的用户为最小代价用户，最小代价用户用于作为步骤s3中构建的加权无向图的初始出发点；
11、在为用户构建知识图谱前，判断预选车辆的空闲数量和容量是否满足运输需求，若还有空闲车辆，则基于融合自注意力机制的深度神经网络模型，采用序列标注方法联合抽取步骤s1中的信息，得到关系三元组并构建知识图谱。
12、根据本专利技术的基于知识图谱的果蔬运输路径规划方法的一实施例，序列标注方法进一步包括：
13、针对物流运输过程中涉及的“发货地”、“收货地”、“运输工具”、“果蔬”实体以及“运往”、“运输”关系，做出符号表示；
14、根据序列标注中的bioe体系对上一步骤的符号表示进行标签集合定义；
15、基于bioe体系以及符号表示，从订单信息中抽取出关系三元组。
16、根据本专利技术的基于知识图谱的果蔬运输路径规划方法的一实施例，融合自注意力机制的深度神经网络模型由xlnet模型、双向门控循环单元、条件随机场模型堆叠而成。
17、根据本专利技术的基于知识图谱的果蔬运输路径规划方法的一实施例，融合自注意力机制的深度神经网络模型的处理过程包括：
18、首先，将订单信息处理后得到长度为n的输入序列,通过xlnet网络学习到每个词对应的表征向量,表征向量提取了订单信息的上下文信息和词本身的位置信息；
19、之后，将xlnet网络学习到的结果作为双向门控循环单元层的输入数据，利用前向gru和反向gru实现文本上下文信息提取；
20、然后，在双向门控循环单元层和条件随机场模型之间加入自注意力层，利用注意力机制关注实体的重要特征信息，减少实体标注不一致问题，将双向门控循环单元层的输出作为自注意力层的输入，选择输出序列中标签为非o的部分与权重矩阵相乘，得到查询向量，选择全部输出序列分别与权重矩阵相乘，得到键向量和值向量，计算得到最终的自注意力层的输出；
21、最后，将自注意力层的输出结果再输入到条件随机场模型层中，在条件随机场模型层中添加偏置函数，利用rmsprop优化算法来最小化负对数似然损失函数。
22、根据本专利技术的基于知识图谱的果蔬运输路径规划方法的一实施例，在步骤s3中，知识图谱中的头尾实体作为加权无向图的节点，知识图谱中的头尾实体间的关系作为加权无向图的边，考虑包括路况、时间、运输设备在内的因素作为加权无向图的边的权重。
23、本专利技术还揭示了一种基于知识图谱的果蔬运输路径规划系统，包括：存储器、处理器和存储在存储器中可供处理器运行的程序指令，其中所述处理器执行所述程序指令以实现如上述的基于知识图谱的果蔬运输路径规划方法的步骤。
24、本专利技术还揭示了一种计算机可读存储介质，其存储有可供处理器执行的程序指令，以实现如上所述的基于知识图谱的果蔬运输路径规划方法的步骤。
25、本专利技术对比现有技术有如下的有益效果：本专利技术是基于融合了自注意力机制的深度神经网络模型，采用符合本方法的序列标注方法联合抽取关系三元组，提高标注的准确度；考虑到果蔬的特性，在计算权重时考虑了路况、运输设备、运输时间对水果新鲜度的影响，最大限度地保证运输途中水果的新鲜度损失最小。
本文档来自技高网...【技术保护点】
1.一种基于知识图谱的果蔬运输路径规划方法，其特征在于，方法包括：
2.根据权利要求1所述的基于知识图谱的果蔬运输路径规划方法，其特征在于，步骤S1中的订单信息包括：发货地、收货地、预选运输车辆类型；在步骤S2所构建的知识图谱中，发货地和收货地为知识图谱的节点，节点信息中包含发货地和收货地，以及发货地和收货地之间的距离。
3.根据权利要求2所述的基于知识图谱的果蔬运输路径规划方法，其特征在于，步骤S2进一步包括：
4.根据权利要求3所述的基于知识图谱的果蔬运输路径规划方法，其特征在于，序列标注方法进一步包括：
5.根据权利要求3所述的基于知识图谱的果蔬运输路径规划方法，其特征在于，融合自注意力机制的深度神经网络模型由XLnet模型、双向门控循环单元、条件随机场模型堆叠而成。
6.根据权利要求5所述的基于知识图谱的果蔬运输路径规划方法，其特征在于，融合自注意力机制的深度神经网络模型的处理过程包括：
7.根据权利要求6所述的基于知识图谱的果蔬运输路径规划方法，其特征在于，在步骤S3中，知识图谱中的头尾实体作为加权
8.一种基于知识图谱的果蔬运输路径规划系统，包括：存储器、处理器和存储在存储器中可供处理器运行的程序指令，其中所述处理器执行所述程序指令以实现如权利要求1至7中任一项所述的基于知识图谱的果蔬运输路径规划方法的步骤。
9.一种计算机可读存储介质，其存储有可供处理器执行的程序指令，以实现如权利要求1至7中任一项所述的基于知识图谱的果蔬运输路径规划方法的步骤。
...【技术特征摘要】
1.一种基于知识图谱的果蔬运输路径规划方法，其特征在于，方法包括：
2.根据权利要求1所述的基于知识图谱的果蔬运输路径规划方法，其特征在于，步骤s1中的订单信息包括：发货地、收货地、预选运输车辆类型；在步骤s2所构建的知识图谱中，发货地和收货地为知识图谱的节点，节点信息中包含发货地和收货地，以及发货地和收货地之间的距离。
3.根据权利要求2所述的基于知识图谱的果蔬运输路径规划方法，其特征在于，步骤s2进一步包括：
4.根据权利要求3所述的基于知识图谱的果蔬运输路径规划方法，其特征在于，序列标注方法进一步包括：
5.根据权利要求3所述的基于知识图谱的果蔬运输路径规划方法，其特征在于，融合自注意力机制的深度神经网络模型由xlnet模型、双向门控循环单元、条件随机场模型堆叠而成。
6.根据...
【专利技术属性】
技术研发人员：洪一玮，易超，南江龙，黄振东，张海霞，杨睿，
申请(专利权)人：圆通速递有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。