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！

龙图腾网获悉同济大学申请的专利一种骑手-无人车协同配送的即时配送订单分配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：CN116415882B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202310226012.5，技术领域涉及：G06Q10/0835；该发明授权一种骑手-无人车协同配送的即时配送订单分配系统是由陆淼嘉;闫新宇设计研发完成，并于2023-03-08向国家知识产权局提交的专利申请。

本一种骑手-无人车协同配送的即时配送订单分配系统在说明书摘要公布了：本发明提出一种骑手‑无人车协同配送的即时配送订单分配系统，包括基于多智能体的无人车与骑手协同配送仿真平台和基于深度强化学习和最大效用理论的订单分配决策系统；协同配送仿真平台建立一个能模拟一个区域内即时配送中常规流程及供需关系的多智能体仿真模型，订单分配决策系统构建订单分配决策模型；订单分配决策模型与多智能体仿真模型交互、训练、迭代，订单分配决策系统训练结果收敛后，向协同配送仿真平台输入实时即时配送需求信息即可实现对订单调度的实时决策，得到配送订单分配的优化方案。本发明能够帮助物流运营人员在动态连续需求下采取较优订单分配决策，实现智慧城市配送系统的改造和物流企业的降本增效。

本发明授权一种骑手-无人车协同配送的即时配送订单分配系统在权利要求书中公布了：1.一种骑手-无人车协同配送的即时配送订单分配系统，其特征在于，包括基于多智能体的无人车与骑手协同配送仿真平台和基于深度强化学习和最大效用理论的订单分配决策系统，逻辑关系为：所述订单分配决策系统中使用的深度强化学习算法需要策略训练和评估的环境，和最大效用理论效用评估的特征参数，皆来自于基于多智能体的无人车与骑手协同配送仿真平台； 所述协同配送仿真平台，即建立一个能模拟一个区域内即时配送中常规流程及供需关系的多智能体仿真模型； 所述订单分配决策系统，即构建订单分配决策模型，包括基于深度强化学习的配送模式选择和基于最大效用理论的特定配送车辆分配两部分，所述订单分配决策模型与多智能体仿真模型交互、训练、迭代，所述订单分配决策系统训练结果收敛后，向所述协同配送仿真平台输入实时即时配送需求信息即可实现对订单调度的实时决策，得到配送订单分配的优化方案； 所述协同配送仿真平台包括多智能体仿真模型，具体为客户智能体建模、骑手无人车智能体建模、配送站智能体建模，以及还包括仿真环境搭建模块；仿真环境下条件假设为：1所有无人车和骑手从配送站出发，最后返回配送站；2所有客户只能由无人车或骑手服务；3所有骑手或无人车拥有相同的车载容量和电池容量；4所有骑手或无人车每次行程至少配送一个订单；5骑手工作时间为6:00-22:00，无人车工作时间为24小时；6配送站拥有客户需要的所有货物，不需要去别的配送站调货，客户也不会因为商品库存不足而被拒单； 所述客户智能体建模，客户的属性包括位置、下单时间、最大可接受配送时间、满意度，客户的主要行为包括在下单时间提交订单和在配送完成时计算自身满意度；其中，满意度是客户在订单完成配送时根据配送时间对配送完成情况进行评估的结果，为一个非负且不大于1的值，具体计算方式如下： 其中和分别为客户的最大可接受配送时间和下单时间，为骑手或无人车完成客户订单配送的时间，若这一订单无法成功配送则满意度取0； 所述骑手无人车智能体建模，骑手和无人车是行为逻辑相同但拥有不同属性取值的同一类智能体，其属性包括每公里运营成本、当前位置、速度、最大容量、配送任务列表、剩余续航里程、工作时间段，主要行为包括取货、规划配送路径、更换电池、移动、记录移动轨迹和距离；其中，每次返回配送站取货时和送完一个订单后，骑手和无人车都会检查剩余续航里程，若不足10公里则返回配送站更换电池并重置续航里程； 所述配送站智能体建模，配送站是决策客户提出的订单由何种方式配送及具体由哪个骑手或无人车配送的智能体，同时也是骑手无人车取货、更换电池的场所和配送的起终点；其属性包括位置和待分配订单列表，主要行为包括决策订单的配送方式、选择具体的配送骑手或无人车、更新待分配订单列表； 所述仿真环境搭建模块，搭建的仿真环境包括即道路、住宅等地理信息及时间信息，地理信息来自于shapefile文件导入，时间信息更新步长为1分钟； 在仿真环境中各个智能体交互行为，包括如下定义：客户下单、订单分配、骑手或无人车取货、骑手或无人车移动、骑手或无人车更换电池、客户收货等各类事件；各类事件的具体内容和在时间线上的发生顺序如下： S1环境时间到达客户的下单时间时，客户向配送站发送下单信号，配送站将对应订单放入待分配订单列表； S2对待分配订单列表中的每个订单，提取订单特征、骑手和无人车时空分布特征、骑手和无人车剩余容量情况、骑手和无人车预计返回配送站时间，以此为依据先基于深度强化学习决策订单的配送模式，再基于效用最大理论决策具体配送的骑手或无人车； S3骑手和无人车在配送站取货并根据已接受的订单规划配送路径，然后从配送站出发沿路网逐个前往客户位置进行配送； S4骑手和无人车移动过程中持续检测剩余续航里程，不足以在送达当前订单后前往下一订单客户位置再返回配送站时，修改配送路径以在送达当前订单后先返回配送站更换电池，并且取已分配给该骑手或无人车的订单；骑手和无人车送完所有订单空车返回配送站后，若剩余续航里程不足10公里时也提出更换电池需求，并且取已分配给该骑手或无人车的订单； S5骑手或无人车到达客户位置后，客户取货并计算配送用时并评估满意度。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239号；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”。

以上内容由龙图腾AI智能生成。