CN113743804A - 物品运输方法、装置、设备和计算机可读介质 - Google Patents

Abstract

本公开的实施例公开了物品运输方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：使用至少一个摄像头，识别预定场所的库存信息；响应于库存信息满足第一预设条件，确定目标网络平台的用户组；获取用户组中的每个用户在预定时间段内的物品获取信息，得到物品获取信息集合；对物品获取信息集合中的各个物品获取信息包括的物品获取次数和支付相关信息进行聚类分析处理，得到目标物品获取信息集合；基于目标物品获取信息集合，生成转化率集合；根据转化率集合，生成有价值信息以及根据有价值信息调度物流车辆以便物流车辆将仓库中的目标物品运送至前置仓。由此，可以提高物品的周转速度，实现缓解库存积压问题的效果。

Description

物品运输方法、装置、设备和计算机可读介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及物品运输方法、装置、设备和计算机可读介质。

背景技术

仓储调度，可以是通过互联网技术半自动化或全自动化的对生产资料、半成品或物品管理的技术。常用的仓储调度通常是随机的将仓库中的物品运送至前置仓，从而实现提高物品流转速度的效果。

然而，当采用上述方式进行仓储调度时，经常会存在如下技术问题：

当库存量达到一定程度时，随机的将物品运送至前置仓，难以考虑用户以往的支付相关信息，造成用户执行价值相关操作的概率较低，从而，导致物品的周转较慢，进而，难以实现缓解库存积压问题的效果。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了物品运输方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种物品运输方法，该方法包括：使用至少一个摄像头，识别预定场所的库存信息；响应于上述库存信息满足第一预设条件，确定目标网络平台的用户组；获取上述用户组中的每个用户在预定时间段内的物品获取信息，得到物品获取信息集合，其中，上述物品获取信息集合中的物品获取信息包括物品获取次数和支付相关信息；对上述物品获取信息集合中的各个物品获取信息包括的物品获取次数和支付相关信息进行聚类分析处理，得到目标物品获取信息集合；基于上述目标物品获取信息集合，生成转化率集合；根据上述转化率集合，生成有价值信息以及根据上述有价值信息调度物流车辆以便上述物流车辆将仓库中的目标物品运送至前置仓。

第二方面，本公开的一些实施例提供了一种物品运输装置，装置包括：识别单元，被配置成使用至少一个摄像头，识别预定场所的库存信息；确定单元，被配置成响应于上述库存信息满足第一预设条件，确定目标网络平台的用户组；获取单元，被配置成获取上述用户组中的每个用户在预定时间段内的物品获取信息，得到物品获取信息集合，其中，上述物品获取信息集合中的物品获取信息包括物品获取次数和支付相关信息；聚类分析处理单元，被配置成对上述物品获取信息集合中的各个物品获取信息包括的物品获取次数和支付相关信息进行聚类分析处理，得到目标物品获取信息集合；第一生成单元，被配置成基于上述目标物品获取信息集合，生成转化率集合；第二生成单元，被配置成根据上述转化率集合，生成有价值信息以及根据上述有价值信息调度物流车辆以便上述物流车辆将仓库中的目标物品运送至前置仓。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的物品运输方法，实现了缓解库存积压问题的效果。具体来说：造成难以实现缓解库存积压问题的效果的原因在于：当库存量达到一定程度时，随机的将物品运送至前置仓，难以考虑用户以往的支付相关信息，造成用户执行价值相关操作的概率较低，从而，导致物品的周转较慢。基于此，本公开的一些实施例的物品运输方法，首先，可以使用至少一个摄像头，识别预定场所的库存信息。由此，可以得到较为准确的库存现存物品的数量。其次，响应于上述库存信息满足第一预设条件，确定目标网络平台的用户组。并获取上述用户组中的每个用户在预定时间段内的物品获取信息，得到物品获取信息集合。由此，可以为后续确定目标物品获取信息集合提供数据支撑。然后，可以对上述物品获取信息集合中的各个物品获取信息包括的物品获取次数和支付相关信息进行聚类分析处理，得到目标物品获取信息集合。由此，可以筛选出目标用户的目标物品获取信息集合。在实际中，目标用户是接收到有价值信息后，执行价值转移操作的概率较高的用户，从而，可以实现提高物品的周转速度的效果。接着，可以基于上述目标物品获取信息集合，生成转化率集合。由此，可以根据用户接收到有价值信息并执行价值转移操作的概率和用户未接收到有价值信息并执行价值转移操作的概率，确定有价值信息导致的用户执行价值转移操作概率的增量。增量越大，对该用户发送该有价值信息导致用户执行价值转移操作的概率较大。最后，可以根据上述转化率集合，生成有价值信息以及根据上述有价值信息调度物流车辆以便上述物流车辆将仓库中的目标物品运送至前置仓。由此，可以在库存量达到一定程度时，根据用户以往的支付相关信息，确定待运输物品，并将待运输物品运送至前置仓，实现促使用户执行价值相关操作的效果，从而，可以提高物品的周转速度，进而，可以实现缓解库存积压问题的效果。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是根据本公开的一些实施例的物品运输方法的一个应用场景的示意图；

图2是根据本公开的物品运输方法的一些实施例的流程图；

图3是根据本公开的物品运输方法的另一些实施例的流程图；

图4是根据本公开的物品运输装置的一些实施例的结构示意图；

图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是根据本公开的一些实施例的物品运输方法的一个应用场景的示意图。

在图1的应用场景中，首先，计算设备101可以使用至少一个摄像头，识别预定场所的库存信息102。其次，计算设备101可以响应于上述库存信息102满足第一预设条件，确定目标网络平台的用户组103。然后，计算设备101可以获取上述用户组103中的每个用户在预定时间段内的物品获取信息，得到物品获取信息集合104，其中，上述物品获取信息集合104中的物品获取信息包括物品获取次数和支付相关信息。接着，计算设备101可以对上述物品获取信息集合104中的各个物品获取信息包括的物品获取次数和支付相关信息进行聚类分析处理，得到目标物品获取信息集合105。之后，计算设备101可以基于上述目标物品获取信息集合105，生成转化率集合106。最后，计算设备101可以根据上述转化率集合106，生成有价值信息107以及根据上述有价值信息107调度物流车辆108以便上述物流车辆108将仓库中的目标物品运送至前置仓。

需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。

继续参考图2，示出了根据本公开的物品运输方法的一些实施例的流程200。该物品运输方法，包括以下步骤：

步骤201，使用至少一个摄像头，识别预定场所的库存信息。

在一些实施例中，物品运输方法的执行主体(如图1所示的计算设备101)可以使用至少一个摄像头，识别预定场所的库存信息。其中，上述预定场所可以是某个仓库(例如，某个厂商的仓库)。上述库存信息可以包括但不限于以下几项：物品名称、物品种类信息、物品库存数量和总库存数量。上述至少一个摄像头中的摄像头可以是安装在无人机上的摄像头。上述某个仓库中的物品可以根据物品种类摆放在货架上。上述某个仓库中的货架上的每个物品可以粘贴有包括物品库存信息的条形码。上述无人机可以巡检扫描指定货架的条形码，从而，获取指定货架摆放物品的物品库存信息。最后，可以对至少一个摄像头获取的多个物品库存信息进行统计分析，得到预定场所的库存信息。

可选的，上述至少一个摄像头中的摄像头还可以是能够自由移动(例如，通过安装在货架的滑轨进行平行移动)的摄像头。上述至少一个摄像头可以拍摄某个仓库货架上物品的图像，并采用高斯滤波对所得到的图像进行减噪处理，得到减噪后的图像。由于，减噪后的图像可以包括物品区域和其他区域(例如，空白区域或者背景区域)。可以对减噪后的图像进行边缘检测，得到减噪后的图像的边缘信息。上述边缘信息可以是物品区域的边缘信息。将所得到的边缘信息与预设的边缘信息进行比对，得到比对结果。如果比对结果一致，将该边缘信息对应的图像确定为目标图像。通过比对所得到的边缘信息和预设的边缘信息，将所得到的边缘信息与预设的边缘信息比对不一致的图像(例如，拍摄到的图像有多个物品区域或者多个物品区域重叠的图像)进行丢弃，从而，可以获取到每个物品的目标图像。对每个物品的目标图像进行识别和统计，从而，可以避免对物品的重复识别和漏识别，进而，可以对库存信息的识别更加准确。

作为示例，上述至少一个摄像头识别到的预定场所的库存信息可以是总库存数量。上述总库存数量可以是4550件。

步骤202，响应于库存信息满足第一预设条件，确定目标网络平台的用户组。

在一些实施例中，上述执行主体可以确定上述库存信息是否满足第一预设条件，响应于上述库存信息满足第一预设条件，确定目标网络平台的用户组。其中，上述第一预设条件可以是库存信息在库存的物品容纳范围内。上述库存的物品容纳范围可以是在库存在修建完成后，即确定的最多容纳物品的范围。上述目标网络平台可以是用户能够浏览和购买物品的平台。目标网络平台的用户组可以是一定地址区域内(例如，某某小区)的用户。上述执行主体可以将登录过上述目标网络平台，或者在上述目标网络平台上购买过物品的用户确定为目标网络平台的用户组。

作为示例，上述库存的物品容纳范围可以是[4500件，5000件]。由于上述库存信息，即总库存数量为4550件。因此，总库存数量在库存的物品容纳范围内，满足上述第一预设条件。

步骤203，获取用户组中的每个用户在预定时间段内的物品获取信息，得到物品获取信息集合。

在一些实施例中，上述执行主体可以通过有线连接方式或者无线连接方式获取上述用户组中的每个用户在预定时间段内的物品获取信息，得到物品获取信息集合。其中，上述物品获取信息集合中的物品获取信息包括物品获取次数和支付相关信息。上述物品获取次数可以是用户在目标网络平台上购买物品的次数。上述支付相关信息可以包括但不限于以下至少一项：目标属性的属性值、实际支付信息和有价值信息。上述目标属性的属性值可以是购买物品时，物品的具体金额值(例如，物品原价)。上述目标属性可以是价格属性。上述实际支付信息可以是在购买物品时，执行价值相关操作时的实际金额值(例如，付款时实际支付的金额)。上述有价值信息可以是购买物品时所使用的优惠金额(例如，购买物品时所使用的优惠券的面额值)。上述优惠金额是在物品的具体金额值超过一定值时所使用的优惠金额。

作为示例，上述预定时间段内可以是半年、一年等等。时间段越长，对用户的确定越准确。为了便于理解和计算，本公开用较少的数据进行示例。用户A的物品获取信息可以是{3次，[(15元，13元，满10减2元)，(36元，30元，满30减6元)，(17元，15元，满10减2元)]}。用户B的物品获取信息可以是{2次，[(16元，14元，满10减2元)，(12元，12元，0元)]}。用户C的物品获取信息可以是{1次，[(10元，10元，0元)]}。用户D的物品获取信息可以是{0次，[(10元，0元，满10减2元)，(30元，0元，0元)]}。用户E的物品获取信息可以是{2次，[(16元，14元，满10减2元)，(12元，10元，满10减2元)]}。根据物品原价和用户实际支付的金额可知，用户A购买的三个物品均使用了优惠券。用户B购买的两个物品，一个物品在下单时使用了优惠券，另一个物品未发放优惠券，但用户依然下单。用户C有某一个物品的优惠券，但并未下单该物品，而是购买了没有优惠券的其他物品。用户D有一个物品的优惠券，但并没有下单任何物品。用户E购买的二个物品均使用了优惠券。

步骤204，对物品获取信息集合中的各个物品获取信息包括的物品获取次数和支付相关信息进行聚类分析处理，得到目标物品获取信息集合。

在一些实施例中，上述执行主体可以对上述物品获取信息集合中的各个物品获取信息包括的物品获取次数和支付相关信息进行聚类分析处理，可以包括以下步骤：

第一步，将上述任意两个物品获取信息包括的物品获取次数分别确定为第一物品获取次数和第二物品获取次数。其中，上述物品获取次数可以是用户在目标网络平台上购买物品的次数。

作为示例，上述任意两个物品获取信息可以是用户A的物品获取信息{3次，[(15元，13元，满10减2元)，(36元，30元，满30减6元)，(17元，15元，满10减2元)]}，以及用户E的物品获取信息{2次，[(16元，14元，满10减2元)，(12元，10元，满10减2元)]}。可以将用户A的物品获取次数3次确定为第一物品获取次数。可以将用户E的物品获取次数2次确定为第二物品获取次数。

第二步，根据上述任意两个物品获取信息包括的支付相关信息包括的目标属性的属性值、实际支付信息或有价值信息，确定第一转化频率值和第二转化频率值。其中，上述第一转化频率值可以是其中一个物品获取信息中的使用优惠券的次数。上述第二转化频率值可以是另一个物品获取信息中的使用优惠券的次数。

作为示例，用户A的支付相关信息是[(15元，13元，满10减2元)，(36元，30元，满30减6元)，(17元，15元，满10减2元)]。由于用户A在购买物品时均使用了优惠券。用户A使用优惠券的次数为3次。则第一转化频率值可以是3。用户E的支付相关信息是[(16元，14元，满10减2元)，(12元，10元，满10减2元)]。由于用户E在购买物品时均使用了优惠券。用户E使用优惠券的次数为2次。则第二转化频率值可以是2。

第三步，确定上述第一物品获取次数和上述第二物品获取次数的差值，得到物品获取次数差值。

作为示例，上述第一物品获取次数为3次。上述第二物品获取次数为2次。则上述物品获取次数差值可以为1。

第四步，确定上述第一转化频率值和上述第二转化频率值的差值，得到转化频率值差值。

作为示例，上述第一转化频率值为3。上述第二转化频率值为2。则上述转化频率值差值可以为1。

第五步，对上述物品获取次数差值和上述转化频率值差值进行加权平均处理，得到加权平均值。

作为示例，上述物品获取次数差值为1。上述转化频率值差值为1。物品获取次数差值的权重可以是1/3。由于物品获取次数差值的权重与转化频率值差值的权重的和为1。因此，转化频率值差值的权重可以是2/3。则加权平均值可以是1/2。

第六步，对上述加权平均值进行求绝对值处理，得到距离值。其中，上述距离值可以表征两个物品获取信息之间的相关程度。

可选的，对物品获取信息集合中的各个物品获取信息包括的物品获取次数和支付相关信息进行聚类分析处理，得到目标物品获取信息集合，还可以包括以下步骤：

将所得到的距离值中满足第三预设条件的距离值对应的物品获取信息确定为目标物品获取信息，得到目标物品获取信息集合。其中，上述第三预设条件可以是距离值小于预定阈值。

步骤205，基于目标物品获取信息集合，生成转化率集合。

在一些实施例中，上述执行主体基于上述目标物品获取信息集合，生成转化率集合，可以包括以下步骤：

第一步，将上述目标物品获取信息集合输入至预先训练的第一预测模型，生成第一概率值集合。其中，预先训练的第一预测模型可以是由CNN(Convolutional NeuralNetworks，卷积神经网络)、RNN(Recurrent Neural Network，循环神经网络)或DNN(DeepNeural Networks，深度神经网络)训练得到的模型。预先训练的第一预测模型可以是通过以下步骤训练得到的：首先获取训练样本集。其中，上述训练样本集中的训练样本包括目标物品获取信息。然后将训练样本集中的至少一个训练样本包括的目标物品获取信息输入至初始神经网络，得到上述至少一个训练样本中的每个训练样本对应的概率值。这里，上述初始神经网络模型可以是未经过模型训练的CNN(Convolutional Neural Networks，卷积神经网络)，RNN(Recurrent Neural Networks，循环神经网络)或DNN(Deep NeuralNetworks，深度神经网络)等等。最后，确定损失值，响应于确定损失值小于等于预设阈值，将初始神经网络确定为预先训练的第一预测模型。

第二步，将上述目标物品获取信息集合输入至预先训练的等级预测模型，生成物品获取等级信息集合。其中，预先训练的等级预测模型可以是由CNN(ConvolutionalNeural Networks，卷积神经网络)、RNN(Recurrent Neural Network，循环神经网络)或DNN(Deep Neural Networks，深度神经网络)训练得到的模型。上述物品获取等级信息集合中的物品获取等级信息可以是预设下单概率的等级信息。预先训练的等级预测模型可以是通过以下步骤训练得到的：首先获取训练样本集。其中，上述训练样本集中的训练样本包括目标物品获取信息。然后将训练样本集中的至少一个训练样本包括的目标物品获取信息输入至初始神经网络，得到上述至少一个训练样本中的每个训练样本对应的等级。这里，上述初始神经网络模型可以是未经过模型训练的CNN(Convolutional Neural Networks，卷积神经网络)，RNN(Recurrent Neural Networks，循环神经网络)或DNN(Deep NeuralNetworks，深度神经网络)等等。最后，确定损失值，响应于确定损失值小于等于预设阈值，将初始神经网络确定为预先训练的等级预测模型。

作为示例，预先训练的等级预测模型输出的等级可以是等级一、等级二和等级三。等级一的用户下单时使用优惠券的概率比等级三的用户下单时使用优惠券的概率高。

第三步，基于物品获取等级信息集合，确定第二概率值集合。

在一些实施例中，上述执行主体可以根据预设的概率，确定上述物品获取等级信息集合的第二概率值集合。

作为示例，等级一中的用户下单的概率可以是80％。等级二中的用户下单的概率可以是75％。等级三中的用户下单的概率可以是62％。

第四步，基于第一概率值集合和第二概率值集合，生成转化率集合。

在一些实施例中，上述执行主体基于上述第一概率值集合和上述第二概率值集合，生成转化率集合，可以包括以下步骤：

将上述第二概率值集合中的每个第二概率值和与上述第二概率值对应的第一概率值求差值，得到概率差值，将上述概率差值确定为转化率，得到转化率集合。

步骤206，根据转化率集合，生成有价值信息以及根据有价值信息调度物流车辆以便物流车辆将仓库中的目标物品运送至前置仓。

在一些实施例中，上述执行主体可以根据上述转化率集合，生成有价值信息以及根据上述有价值信息调度物流车辆以便上述物流车辆将仓库中的目标物品运送至前置仓。其中，上述有价值信息可以是对用户发放的优惠金额。

可选的，上述物品获取信息集合中的物品获取信息还包括用户标识；以及上述方法还可以包括以下步骤：

第一步，将上述目标物品获取信息集合对应的用户标识确定为目标用户标识，得到目标用户标识集合。其中，上述目标用户标识集合中的目标用户标识可以是用户的唯一标识。

第二步，将上述目标用户标识集合对应的用户确定为目标用户，得到目标用户组。

作为示例，目标用户组中的用户可以是不论是否发放优惠券都会下单的用户和不发优惠券时不下单，发优惠券时下单的用户。

第三步，将上述有价值信息发送至目标用户组的终端设备，以供上述终端设备显示上述有价值信息。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的物品运输方法，实现了缓解库存积压问题的效果。具体来说：造成难以实现缓解库存积压问题的效果的原因在于：当库存量达到一定程度时，随机的将物品运送至前置仓，难以考虑用户以往的支付相关信息，造成用户执行价值相关操作的概率较低，从而，导致物品的周转较慢。基于此，本公开的一些实施例的物品运输方法，首先，可以使用至少一个摄像头，识别预定场所的库存信息。由此，可以得到较为准确的库存现存物品的数量。其次，响应于上述库存信息满足第一预设条件，确定目标网络平台的用户组。并获取上述用户组中的每个用户在预定时间段内的物品获取信息，得到物品获取信息集合。由此，可以为后续确定目标物品获取信息集合提供数据支撑。然后，可以对上述物品获取信息集合中的各个物品获取信息包括的物品获取次数和支付相关信息进行聚类分析处理，得到目标物品获取信息集合。由此，可以筛选出目标用户的目标物品获取信息集合。在实际中，目标用户是接收到有价值信息后，执行价值转移操作的概率较高的用户，从而，可以实现提高物品的周转速度的效果。接着，可以基于上述目标物品获取信息集合，生成转化率集合。由此，可以根据用户接收到有价值信息并执行价值转移操作的概率和用户未接收到有价值信息并执行价值转移操作的概率，确定有价值信息导致的用户执行价值转移操作概率的增量。增量越大，对该用户发送该有价值信息导致用户执行价值转移操作的概率较大。最后，可以根据上述转化率集合，生成有价值信息以及根据上述有价值信息调度物流车辆以便上述物流车辆将仓库中的目标物品运送至前置仓。由此，可以在库存量达到一定程度时，根据用户以往的支付相关信息，确定待运输物品，并将待运输物品运送至前置仓，实现促使用户执行价值相关操作的效果，从而，可以提高物品的周转速度，进而，可以实现缓解库存积压问题的效果。

进一步参考图3，其示出了物品运输方法的另一些实施例的流程300，该物品运输方法的流程300，包括以下步骤：

步骤301，使用至少一个摄像头，识别预定场所的库存信息。

步骤302，响应于库存信息满足第一预设条件，确定目标网络平台的用户组。

步骤303，获取用户组中的每个用户在预定时间段内的物品获取信息，得到物品获取信息集合。

在一些实施例中，步骤301-303的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-203，在此不再赘述。

步骤304，确定物品获取信息集合中的每任意两个物品获取信息之间的相似值，得到相似值集合。

在一些实施例中，上述确定上述物品获取信息集合中的每任意两个物品获取信息之间的相似值，可以包括以下步骤：

第一步，将上述任意两个物品获取信息包括的物品获取次数分别确定为第一物品获取次数和第二物品获取次数。其中，上述物品获取次数可以是用户在目标网络平台上购买物品的次数。

作为示例，上述任意两个物品获取信息可以是用户A的物品获取信息{3次，[(15元，13元，满10减2元)，(36元，30元，满30减6元)，(17元，15元，满10减2元)]}，以及用户E的物品获取信息{2次，[(16元，14元，满10减2元)，(12元，10元，满10减2元)]}。可以将用户A的物品获取次数3次确定为第一物品获取次数。可以将用户E的物品获取次数2次确定为第二物品获取次数。

第二步，根据上述任意两个物品获取信息包括的支付相关信息包括的目标属性的属性值、实际支付信息或有价值信息，确定第一转化频率值和第二转化频率值。其中，上述第一转化频率值可以是其中一个物品获取信息中的使用优惠券的次数。上述第二转化频率值可以是另一个物品获取信息中的使用优惠券的次数。

作为示例，用户A的支付相关信息是[(15元，13元，满10减2元)，(36元，30元，满30减6元)，(17元，15元，满10减2元)]。由于用户A在购买物品时均使用了优惠券。用户A使用优惠券的次数为3次。则第一转化频率值可以是3。用户E的支付相关信息是[(16元，14元，满10减2元)，(12元，10元，满10减2元)]。由于用户E在购买物品时均使用了优惠券。用户E使用优惠券的次数为2次。则第二转化频率值可以是2。

第三步，基于上述第一物品获取次数、上述第二物品获取次数、上述第一转化频率值、上述第二转化频率值、第一预设权重和第二预设权重，生成相似值。其中，第一预设权重和第二预设权重可以根据实际需要进行设定。上述第一预设权重小于上述第二预设权重。上述第一预设权重和上述第二预设权重的和为1。上述相似值可以表征两个物品获取信息的相关性程度。上述相似值越小，说明两个物品获取信息的相关性程度越大，可以归为一类用户。相反的，上述相似值越大，说明两个物品获取信息的相关性程度越小，一般不会划分为一类用户。

在一些实施例中，上述基于上述第一物品获取次数、上述第二物品获取次数、上述第一转化频率值、上述第二转化频率值、第一预设权重和第二预设权重，生成相似值，可以包括以下步骤：

第一步，确定上述第一物品获取次数和上述第二物品获取次数的差值的平方，得到物品获取次数平方值。

作为示例，上述第一物品获取次数可以为3。上述第二物品获取次数可以为2。则上述物品获取次数平方值可以是1。

第二步，确定上述第一转化频率值和上述第二转化频率值的差值的平方，得到转化频率平方值。

作为示例，上述第一转化频率值可以是3。上述第二转化频率值可以是2。则上述转化频率平方值可以是1。

第三步，将上述物品获取次数平方值和上述第一预设权重的乘积与上述转化频率平方值和上述第二预设权重的乘积的和确定为权重和值。

作为示例，上述第一预设权重可以是1/3。上述第二预设权重可以是2/3。上述物品获取次数平方值和上述第一预设权重的乘积可以是1/3。上述转化频率平方值和上述第二预设权重的乘积可以是2/3。上述权重和值可以是1。

第四步，对上述权重和值进行开方处理，得到相似值。

作为示例，上述相似值可以是对1进行开方，得到相似值为1。

上述步骤304作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“由于难以根据用户的特征和支付相关信息(例如，物品原价、实际支付金额和使用的优惠券的面额值)，判断用户的类型，因此，在将信息推送给随机用户后，一些类型的用户未使用该有价值信息，从而，导致信息资源的浪费”。导致信息资源的浪费的原因往往如下：由于难以根据用户的特征和支付相关信息，判断用户的类型，因此，在将信息推送给随机用户后，一些类型的用户未使用该有价值信息。如果解决了上述原因，就能达到提高信息资源利用率的效果。为了达到这一效果，首先，考虑到在利用有价值信息进行下单的用户类型可以分为四种：不推送有价值信息时不下单，推送有价值信息时下单的用户；是否推送有价值信息时都会下单的用户；不推送有价值信息时下单，推送有价值信息时不下单的用户；是否推送有价值信息时都不会下单的用户。对于后两种类型的用户，将物品运输给他们时，有价值信息的转化率为0。因此，在进行物品运输时，可以不对后两种类型的用户进行物品运输，从而可以适当避免信息资源利用率的浪费。由此，可以对上述四种类型的用户进行聚类。在进行聚类时，可以确定物品获取信息集合中的每任意两个物品获取信息之间的相似值，得到相似值集合。在确定物品获取信息集合中的每任意两个物品获取信息之间的相似值时，可以将上述任意两个物品获取信息包括的物品获取次数分别确定为第一物品获取次数和第二物品获取次数，并根据上述任意两个物品获取信息包括的支付相关信息包括的目标属性的属性值、实际支付信息或有价值信息，确定第一转化频率值和第二转化频率值。从而，可以确定任意两个物品获取信息的物品获取信息和第一转化频率值的数值关系。然后，确定上述第一物品获取次数和上述第二物品获取次数的差值的平方，得到物品获取次数平方值。并确定上述第一转化频率值和上述第二转化频率值的差值的平方，得到转化频率平方值。再将上述物品获取次数平方值和上述第一预设权重的乘积与上述转化频率平方值和上述第二预设权重的乘积的和确定为权重和值。对上述物品获取次数平方值和上述转化频率平方值进行加权处理，考虑到在实际情况中，转化频率值对相似值的影响较大，因此，转化频率平方值的权重比物品获取次数平方值的权重高。从而，使得计算出的相似值更贴合实际。最后，对上述权重和值进行开方处理，得到相似值。根据相似值，确定前两种类型的用户。由此，通过用户的特征和支付相关信息，判断用户的类型，将信息推送给目标用户，使得有价值信息的转化率提高，从而，可以实现提高信息资源利用率的效果。

步骤305，从相似值集合中筛选出满足第二预设条件的相似值作为目标相似值，得到目标相似值集合。

在一些实施例中，上述执行主体可以从上述相似值集合中筛选出满足第二预设条件的相似值作为目标相似值，得到目标相似值集合，可以包括以下步骤：

第一步，将相似值集合中小于第一预定阈值的相似值确定为第一相似值集合。其中，上述第一相似值集合是多个任意两个物品获取信息之间的相似值。任意一个物品获取信息是某个特定用户的物品获取信息。某个用户的物品获取信息与其他用户的物品获取信息之间相似值为第一相似值，可以表征这两个用户属于同一类用户。

作为示例，用户A和用户E的物品获取信息之间相似值为第一相似值，可以说明用户A和用户E属于同一类用户。用户A和用户E可以表征不发优惠券不下单，发优惠券下单的第一类用户。

第二步，将相似值集合中大于等于第一预定阈值且小于第二预定阈值的相似值确定为第二相似值集合。

作为示例，用户B可以表征是否发放优惠券都会下单的第二类用户。

第三步，将相似值集合中大于等于第二预定阈值且小于第三预定阈值的相似值确定为第三相似值集合。

作为示例，用户C可以表征不发优惠券下单，发优惠券不下单的第三类用户。

第四步，将相似值集合中大于等于第三预定阈值且小于第四预定阈值的相似值确定为第四相似值集合。

作为示例，用户D可以表征是否发放优惠券都不会下单的第四类用户。

第五步，将第一相似值集合和第二相似值集合确定为目标相似值集合。

步骤306，将目标相似值集合对应的物品获取信息确定为目标物品获取信息，得到目标物品获取信息集合。

在一些实施例中，上述执行主体可以将与上述目标相似值集合有关的物品获取信息确定为目标物品获取信息，得到目标物品获取信息集合。其中，上述目标物品获取信息集合中的目标物品获取信息可以是第一类用户和第二类用户的物品获取信息。

步骤307，将目标物品获取信息集合分别输入至预先训练的第一预测模型和预先训练的第二预测模型，得到第一概率值集合和第二概率值组集合。

在一些实施例中，上述执行主体可以将上述目标物品获取信息集合分别输入至预先训练的第一预测模型和预先训练的第二预测模型，得到第一概率值集合和第二概率值组集合。其中，预先训练的第一预测模型和预先训练的第二预测模型可以是由CNN(Convolutional Neural Networks，卷积神经网络)、RNN(Recurrent Neural Network，循环神经网络)或DNN(Deep Neural Networks，深度神经网络)训练得到的模型。预先训练的第二预测模型可以是通过以下步骤训练得到的：首先获取训练样本集。其中，上述训练样本集中的训练样本包括目标物品获取信息和干预相关特征。上述干预相关特征可以是不同的优惠金额特征(例如，满10减2、满15减4和满25减6等特征)。然后将训练样本集中的至少一个训练样本包括的目标物品获取信息和干预相关特征输入至初始神经网络，得到上述至少一个训练样本中的每个训练样本对应的概率值组。这里，上述初始神经网络模型可以是未经过模型训练的CNN(Convolutional Neural Networks，卷积神经网络)，RNN(RecurrentNeural Networks，循环神经网络)等等。之后，确定损失值，响应于确定损失值小于等于预设阈值，将初始神经网络确定为预先训练的第二预测模型。

步骤308，基于第一概率值集合和第二概率值组集合，生成转化率集合。

在一些实施例中，上述执行主体可以将上述第二概率值组集合中的每个第二概率值组中的各个第二概率值分别和与上述第二概率值组对应的第一概率值进行求差值处理以生成差值组，得到差值组集合。然后，将差值组集合中的每个差值组中数值最大的差值确定为转化率，得到转化率集合。

步骤309，根据转化率集合，生成有价值信息以及根据有价值信息调度物流车辆以便物流车辆将仓库中的目标物品运送至前置仓。

在一些实施例中，步骤309的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤206，在此不再赘述。

本公开的上述各个实施例具有如下有益效果：考虑到在利用有价值信息进行下单的用户类型可以分为四种：不推送有价值信息时不下单，推送有价值信息时下单的用户；是否推送有价值信息时都会下单的用户；不推送有价值信息时下单，推送有价值信息时不下单的用户；是否推送有价值信息时都不会下单的用户。对于后两种类型的用户，将物品运输给他们时，有价值信息的转化率为0。因此，在进行物品运输时，可以不对后两种类型的用户进行物品运输，从而可以适当避免信息资源利用率的浪费。由此，可以对上述四种类型的用户进行聚类。在进行聚类时，可以确定物品获取信息集合中的每任意两个物品获取信息之间的相似值，得到相似值集合。在确定物品获取信息集合中的每任意两个物品获取信息之间的相似值时，可以将上述任意两个物品获取信息包括的物品获取次数分别确定为第一物品获取次数和第二物品获取次数，并根据上述任意两个物品获取信息包括的支付相关信息包括的目标属性的属性值、实际支付信息或有价值信息，确定第一转化频率值和第二转化频率值。从而，可以确定任意两个物品获取信息的物品获取信息和第一转化频率值的数值关系。然后，确定上述第一物品获取次数和上述第二物品获取次数的差值的平方，得到物品获取次数平方值。并确定上述第一转化频率值和上述第二转化频率值的差值的平方，得到转化频率平方值。再将上述物品获取次数平方值和上述第一预设权重的乘积与上述转化频率平方值和上述第二预设权重的乘积的和确定为权重和值。对上述物品获取次数平方值和上述转化频率平方值进行加权处理，考虑到在实际情况中，转化频率值对相似值的影响较大，因此，转化频率平方值的权重比物品获取次数平方值的权重高。从而，使得计算出的相似值更贴合实际。最后，对上述权重和值进行开方处理，得到相似值。根据相似值，确定前两种类型的用户。由此，通过用户的特征和支付相关信息，判断用户的类型，将信息推送给目标用户，使得有价值信息的转化率提高，从而，可以实现提高信息资源利用率的效果。

进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种物品运输方法的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，一些实施例的物品运输装置400包括：识别单元401、确定单元402、获取单元403、聚类分析处理单元404、第一生成单元405和第二生成单元406。其中，识别单元401，被配置成使用至少一个摄像头，识别预定场所的库存信息；确定单元402，被配置成响应于上述库存信息满足第一预设条件，确定目标网络平台的用户组；获取单元403，被配置成获取上述用户组中的每个用户在预定时间段内的物品获取信息，得到物品获取信息集合，其中，上述物品获取信息集合中的物品获取信息包括物品获取次数和支付相关信息；聚类分析处理单元404，被配置成对上述物品获取信息集合中的各个物品获取信息包括的物品获取次数和支付相关信息进行聚类分析处理，得到目标物品获取信息集合；第一生成单元405，被配置成基于上述目标物品获取信息集合，生成转化率集合；第二生成单元406，被配置成根据上述转化率集合，生成有价值信息以及根据上述有价值信息调度物流车辆以便上述物流车辆将仓库中的目标物品运送至前置仓。

可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。

下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：使用至少一个摄像头，识别预定场所的库存信息；响应于上述库存信息满足第一预设条件，确定目标网络平台的用户组；获取上述用户组中的每个用户在预定时间段内的物品获取信息，得到物品获取信息集合，其中，上述物品获取信息集合中的物品获取信息包括物品获取次数和支付相关信息；对上述物品获取信息集合中的各个物品获取信息包括的物品获取次数和支付相关信息进行聚类分析处理，得到目标物品获取信息集合；基于上述目标物品获取信息集合，生成转化率集合；根据上述转化率集合，生成有价值信息以及根据上述有价值信息调度物流车辆以便上述物流车辆将仓库中的目标物品运送至前置仓。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括识别单元、确定单元、获取单元、聚类分析处理单元、第一生成单元和第二生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，识别单元还可以被描述为“使用至少一个摄像头，识别预定场所的库存信息的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种物品运输方法，包括：

使用至少一个摄像头，识别预定场所的库存信息；

响应于所述库存信息满足第一预设条件，确定目标网络平台的用户组；

获取所述用户组中的每个用户在预定时间段内的物品获取信息，得到物品获取信息集合，其中，所述物品获取信息集合中的物品获取信息包括物品获取次数和支付相关信息；

对所述物品获取信息集合中的各个物品获取信息包括的物品获取次数和支付相关信息进行聚类分析处理，得到目标物品获取信息集合；

基于所述目标物品获取信息集合，生成转化率集合；

根据所述转化率集合，生成有价值信息以及根据所述有价值信息调度物流车辆以便所述物流车辆将仓库中的目标物品运送至前置仓。

2.根据权利要求1所述的方法，其中，所述物品获取信息集合中的物品获取信息还包括用户标识；以及

所述方法还包括：

将所述目标物品获取信息集合对应的用户标识确定为目标用户标识，得到目标用户标识集合；

将所述目标用户标识集合对应的用户确定为目标用户，得到目标用户组；

将所述有价值信息发送至目标用户组的终端设备，以供所述终端设备显示所述有价值信息。

3.根据权利要求2所述的方法，其中，所述对所述物品获取信息集合中的各个物品获取信息包括的物品获取次数和支付相关信息进行聚类分析处理，得到目标物品获取信息集合，包括：

确定所述物品获取信息集合中的每任意两个物品获取信息之间的相似值，得到相似值集合；

从所述相似值集合中筛选出满足第二预设条件的相似值作为目标相似值，得到目标相似值集合；

将所述目标相似值集合对应的物品获取信息确定为目标物品获取信息，得到目标物品获取信息集合。

4.根据权利要求3所述的方法，其中，所述物品获取信息集合中的物品获取信息包括的支付相关信息包括以下至少一项：目标属性的属性值、实际支付信息和有价值信息；以及

所述确定所述物品获取信息集合中的每任意两个物品获取信息之间的相似值，包括：

将所述任意两个物品获取信息包括的物品获取次数分别确定为第一物品获取次数和第二物品获取次数；

根据所述任意两个物品获取信息包括的支付相关信息包括的目标属性的属性值、实际支付信息或有价值信息，确定第一转化频率值和第二转化频率值；

基于所述第一物品获取次数、所述第二物品获取次数、所述第一转化频率值、所述第二转化频率值、第一预设权重和第二预设权重，生成相似值。

5.根据权利要求4所述的方法，其中，所述基于所述第一物品获取次数、所述第二物品获取次数、所述第一转化频率值、所述第二转化频率值、第一预设权重和第二预设权重，生成相似值，包括：

确定所述第一物品获取次数和所述第二物品获取次数的差值的平方，得到物品获取次数平方值；

确定所述第一转化频率值和所述第二转化频率值的差值的平方，得到转化频率平方值；

将所述物品获取次数平方值和所述第一预设权重的乘积与所述转化频率平方值和所述第二预设权重的乘积的和确定为权重和值；

对所述权重和值进行开方处理，得到相似值。

6.根据权利要求5所述的方法，其中，所述基于所述目标物品获取信息集合，生成转化率集合，包括：

将所述目标物品获取信息集合分别输入至预先训练的第一预测模型和预先训练的第二预测模型，得到第一概率值集合和第二概率值组集合；

基于所述第一概率值集合和所述第二概率值组集合，生成转化率集合。

7.根据权利要求6所述的方法，其中，所述基于所述第一概率值集合和所述第二概率值组集合，生成转化率集合，包括：

将所述第二概率值组集合中的每个第二概率值组中的各个第二概率值分别和与所述第二概率值组对应的第一概率值进行求差值处理以生成差值组，得到差值组集合；

将所述差值组集合中的每个差值组中数值最大的差值确定为转化率，得到转化率集合。

8.一种物品运输装置，包括：

识别单元，被配置成使用至少一个摄像头，识别预定场所的库存信息；

确定单元，被配置成响应于所述库存信息满足第一预设条件，确定目标网络平台的用户组；

获取单元，被配置成获取所述用户组中的每个用户在预定时间段内的物品获取信息，得到物品获取信息集合，其中，所述物品获取信息集合中的物品获取信息包括物品获取次数和支付相关信息；

聚类分析处理单元，被配置成对所述物品获取信息集合中的各个物品获取信息包括的物品获取次数和支付相关信息进行聚类分析处理，得到目标物品获取信息集合；

第一生成单元，被配置成基于所述目标物品获取信息集合，生成转化率集合；

第二生成单元，被配置成根据所述转化率集合，生成有价值信息以及根据所述有价值信息调度物流车辆以便所述物流车辆将仓库中的目标物品运送至前置仓。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images