CN108627170A - 一种路径优化可视化的方法 - Google Patents
一种路径优化可视化的方法 Download PDFInfo
- Publication number
- CN108627170A CN108627170A CN201810335468.4A CN201810335468A CN108627170A CN 108627170 A CN108627170 A CN 108627170A CN 201810335468 A CN201810335468 A CN 201810335468A CN 108627170 A CN108627170 A CN 108627170A
- Authority
- CN
- China
- Prior art keywords
- targeted sites
- website
- path optimization
- visualization
- amap
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种路径优化可视化的方法,其特征在于,包括以下步骤:第一步:选择目标对象和多个目标站点;第二步:将第一步中获取的信息进行数据化处理;第三步:采用“dp状压”算法计算从一个起始目标站点出发途径必经的目标站点后回到起始目标站点的最优路线站点顺序;第四步:高德地图可视化呈现。本发明提供了一种用于物流配送、路径优化方面的可视化呈现方案,可有效的将数据和模拟的点线以更为生动、贴合生活的方式清晰的呈现在受众眼前,并在现实生活中有效应用,更为生活化,具有很高的实用性。
Description
技术领域
本发明涉及一种路径优化可视化的方法,属于物流配送、路径优化技术领域。
背景技术
物流配送、路径优化的研究国内外屡见不鲜。经过50多年的研究,学者们从注重路线,到关注目标函数最小化,再到动态环境下路径研究,加入时间窗、是否有装载能力约束等等,通过数据研究的方式来解决问题。如《汽车作业报告》中的一篇“车辆物流整车调度论文”中,采用“0-1规划”、“搜索优化算法”、“floyd算法”分析了整车物流调度系统,整车物流,物流调度,车辆调度等问题,得出了数据并对数据进行了分析。
尽管物流配送、路径优化的研究在国内外屡见不鲜,但以形象鲜明的路径图展示方式体现结果的却不多见。多数路径优化问题以虚拟的点,在加入相关约束条件后,经过各种算法推理得出优化结果,但对于数据的可视化呈现和生活中的实际情景符合度不高。部分研究将得到的结果予以一定的可视化也大都是基于点线的粗略描述,与实际情景有一定的出入。
现有的路径优化研究选取的坐标和参考因素大都以数据和模拟的点、线粗略的展现研究成果,与现实情况还有一定差距,对大多生活中的受众来说,没有直观易懂的体现,不大众化。
发明内容
本发明要解决的技术问题是:解决了如何将路径优化后数据和模拟的点线通过可视化呈现出来。
为了解决上述技术问题,本发明的技术方案是提供了一种路径优化可视化的方法,其特征在于,包括以下步骤:
第一步:选择目标对象和多个目标站点;
选择任意一个城市切实存在的一个品牌快递公司作为目标对象,该城市各区域的中转中心地址为目标站点;
第二步:将第一步中获取的信息进行数据化处理;
(1)地址与地理坐标的转化;
(2)收集任意两目标站点间的距离;
第三步:采用“dp状压”算法计算从一个起始目标站点出发途径必经的目标站点后回到起始目标站点的最优路线站点顺序;
第四步:高德地图可视化呈现;
(1)申请web端服务的JS API开发者Key值;
(2)创建地图;
(3)将第三步中的最优路线站点顺序的坐标点形成可视化路线。
优选地,所述的第二步中地址与地理坐标的转化采用高德地图工具中的坐标拾取器来实现。
优选地,所述的第二步中收集任意两目标站点间的距离是通过排列组合所有站点之间的所有的两两对应情况,采用高德地图在考虑实际路况下得到的最优路径方案距离作为两目标站点间的实际距离。
优选地,所述的第三步中的“dp状压”算法将每一个目标站点的选取与否压缩进一个二进制位里,0表示未访问,1表示已访问,S=2n用来表示所有的访问情况,n为快递公司的目标站点个数,v表示现在所处的目标站点,创建一个二维数组dp[S][v]来表示现在所处的v回到最初目标的距离,通过计算出dp数组的每一个值来得出经过每个目标站点并回到起始目标站点的最小值。
优选地,所述的第四步中的创建地图为在页面中引入高德地图JavaScript API入口脚本,并创建地图容器,将目标对象所处城市作为地图中心点。
优选地,所述的第三步中通过“dp状压”算法得到的是从起始目标站点经过必经目标站点后再回到起始目标站点的站点选择顺序,目标站点间的实际行驶路线采用高德地图JS开发中所提供的驾车路线规划服务:货车导航路线查询功能。
优选地,所述的货车导航路线查询功能在JavaScript API入口脚本中加载AMap.TruckDriving插件后便能使用,AMap.TruckDriving构造函数中的search()方法可用于指定起始站定和途径站点,policy()方法可用于指定具体的路径规划策略。
优选地,所述的路径规划策略为距离最短或时间最短。
本发明通过将“dp状压”算法结果结合高德路线规划API实现路径优化可视化的方法,结合实际路径路况,提供了一种用于物流配送、路径优化方面的可视化呈现方案,可有效的将数据和模拟的点线以更为生动、贴合生活的方式清晰的呈现在受众眼前,并在现实生活中有效应用,更为生活化,具有很高的实用性。且将数据研究的点线结果结合高德地图API接口,将数据生动形象的显示,简单易懂,操作方便,惠及大众。
附图说明
图1为一种路径优化可视化的方法的流程图;
图2为“dp状压”算法的伪代码截图。
具体实施方式
为使本发明更明显易懂,兹以优选实施例,并配合附图作详细说明如下。
本发明提供了一种路径优化可视化的方法,是一种将路径优化点状结果结合高德路线规划API实现路径优化可视化的方案,可用于物流配送、路径优化等领域的可视化呈现。如图1所示,其包括以下步骤:
1.第一步:选择目标对象和目标站点。
本发明选择任意一个城市切实存在的一个品牌快递公司作为目标对象,通过其官方网站获得该城市各区域的中转中心地址,作为本次发明可视化的目标站点。根据实际情况,本发明共选取了17个中转中心作为目标站点,记录地址。
2.第二步:将获取信息进行数据化处理。
(1)地址与地理坐标的转化。为保证数据的统一性,本发明中详细地址与地理坐标的转化采用高德地图工具中的坐标拾取器来实现。
(2)收集任意两目标站点间的距离。排列组合17个站点的所有的两两对应情况,采用高德地图在考虑实际路况下得到的最优路径方案距离作为两目标站点间的实际距离,以供后面步骤算法的数据提供。
3.第三步:采用“dp状压”算法计算从一个起始目标站点出发途径必经的目标站点后回到起始目标站点的最优路线站点顺序。
假设快递公司有n个目标站点,“dp状压”算法将每一个目标站点的选取与否压缩进一个二进制位里,0表示未访问,1表示已访问,S=2n用来表示所有的访问情况,v表示现在所处的目标站点,以此创建一个二维数组dp[S][v]来表示现在所处的目标站点v回到最初目标的距离,通过计算出dp数组的每一个值来得出经过每个目标站点并回到起始目标站点的最小值。伪代码如图2所示。
4.第四步:高德地图可视化呈现。
(1)申请JS API的开发者Key值。高德开发API支持多种开发平台,基于本发明的可视化呈现是应用于web端,故对应申请web端服务的JS API开发者Key值。
(2)创建地图。在页面中引入高德地图JavaScript API入口脚本,并创建地图容器,将目标对象所处城市作为地图中心点。
具体操作代码如下:
(3)将第三步中的最优路线站点顺序的坐标点形成可视化路线。第三步中通过“dp状压”算法得到的是从起始目标站点经过必经目标站点后再回到起始目标站点的站点选择顺序,但目标站点间的实际行驶路线并未可知。本发明采用高德地图JS开发中所提供的驾车路线规划服务:货车导航路线查询功能。该功能在JavaScript API入口脚本中加载AMap.TruckDriving插件后便能使用。AMap.TruckDriving构造函数中的search()方法可用于指定起始站定和途径站点,policy()方法可用于指定具体的路径规划策略,如:距离最短、时间最短等策略。本发明中默认策略实时路况情况下时间最短路径。具体操作代码如下:
本发明为实现可视化的真实性,采用以下方式:
由于生活中快递车辆的行驶路径并非简单的点到点,为实现车辆的最大化装载量从而避免重复路径,达到节省时间、减少耗油量等多方面目的,车辆往往需要经过多个站点,完成货物的运输。本发明模拟现实生活中的实际情况,假设快递车辆需途径多个站点(三个及以上)后最终回到起始位置。
多数研究中,点与点间的距离多以直线度量,但现实生活中两点间的行驶却并不能如此。本发明通过高德地图在考虑交通路况情况下的实际生活行驶路线来丈量两点间的距离,避免了两点间行驶理想状况带来的误差。
本发明采用的路径优化算法为“dp状压”算法。“dp状压”算法是解决动态路径规划的一种较为实用的算法,将每一个站点的选取与否压缩进一个二进制位里,通过一定的算法计算得出从一起始点出发,经过多个必经点后回到起始点的最优选择顺序。
本发明将“dp状压”算法结果结合高德路线规划API实现路径优化可视化。高德地图的可视化呈现不仅是描点绘线,更具体智能地给出了点与点间的行驶方案,通过途径点、驾车策略等相关参数的设定,可切实有效的将优化方案呈现,并具有极高的实用性。
Claims (8)
1.一种路径优化可视化的方法,其特征在于,包括以下步骤:
第一步:选择目标对象和多个目标站点;
选择任意一个城市切实存在的一个品牌快递公司作为目标对象,该城市各区域的中转中心地址为目标站点;
第二步:将第一步中获取的信息进行数据化处理;
(1)地址与地理坐标的转化;
(2)收集任意两目标站点间的距离;
第三步:采用“dp状压”算法计算从一个起始目标站点出发途径必经的目标站点后回到起始目标站点的最优路线站点顺序;
第四步:高德地图可视化呈现;
(1)申请web端服务的JS API开发者Key值;
(2)创建地图;
(3)将第三步中的最优路线站点顺序的坐标点形成可视化路线。
2.如权利要求1所述的一种路径优化可视化的方法,其特征在于,所述的第二步中地址与地理坐标的转化采用高德地图工具中的坐标拾取器来实现。
3.如权利要求1所述的一种路径优化可视化的方法,其特征在于,所述的第二步中收集任意两目标站点间的距离是通过排列组合所有站点之间的所有的两两对应情况,采用高德地图在考虑实际路况下得到的最优路径方案距离作为两目标站点间的实际距离。
4.如权利要求1所述的一种路径优化可视化的方法,其特征在于,所述的第三步中的“dp状压”算法将每一个目标站点的选取与否压缩进一个二进制位里,0表示未访问,1表示已访问,S=2n用来表示所有的访问情况,n为快递公司的目标站点个数,v表示现在所处的目标站点,创建一个二维数组dp[S][v]来表示现在所处的v回到最初目标的距离,通过计算出dp数组的每一个值来得出经过每个目标站点并回到起始目标站点的最小值。
5.如权利要求1所述的一种路径优化可视化的方法,其特征在于,所述的第四步中的创建地图为在页面中引入高德地图JavaScript API入口脚本,并创建地图容器,将目标对象所处城市作为地图中心点。
6.如权利要求1所述的一种路径优化可视化的方法,其特征在于,所述的第三步中通过“dp状压”算法得到的是从起始目标站点经过必经目标站点后再回到起始目标站点的站点选择顺序,目标站点间的实际行驶路线采用高德地图JS开发中所提供的驾车路线规划服务:货车导航路线查询功能。
7.如权利要求6所述的一种路径优化可视化的方法,其特征在于,所述的货车导航路线查询功能在JavaScript API入口脚本中加载AMap.TruckDriving插件后便能使用,AMap.TruckDriving构造函数中的search()方法可用于指定起始站定和途径站点,policy()方法可用于指定具体的路径规划策略。
8.如权利要求7所述的一种路径优化可视化的方法,其特征在于,所述的路径规划策略为距离最短或时间最短。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810335468.4A CN108627170A (zh) | 2018-04-13 | 2018-04-13 | 一种路径优化可视化的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810335468.4A CN108627170A (zh) | 2018-04-13 | 2018-04-13 | 一种路径优化可视化的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108627170A true CN108627170A (zh) | 2018-10-09 |
Family
ID=63705136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810335468.4A Pending CN108627170A (zh) | 2018-04-13 | 2018-04-13 | 一种路径优化可视化的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108627170A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109447338A (zh) * | 2018-10-23 | 2019-03-08 | 杭州虹晟信息科技有限公司 | 基于大数据的智能物流云端管理系统 |
CN110543974A (zh) * | 2019-08-12 | 2019-12-06 | 北京市天元网络技术股份有限公司 | 最优路径规划的方法以及装置 |
CN111288991A (zh) * | 2018-12-06 | 2020-06-16 | 北京京东尚科信息技术有限公司 | 路径规划方法、装置、机器人和计算机可读存储介质 |
CN112529347A (zh) * | 2019-09-19 | 2021-03-19 | 菜鸟智能物流控股有限公司 | 物流数据仿真方法、装置、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102761894A (zh) * | 2012-06-30 | 2012-10-31 | 华为技术有限公司 | 获取路径的方法、装置及系统 |
CN102945261A (zh) * | 2012-10-20 | 2013-02-27 | 江苏大学 | 智能车载信息服务终端一键式目标搜索优化方法 |
US20140358437A1 (en) * | 2013-05-30 | 2014-12-04 | Aol Inc. | Systems and methods for providing mobile mapping services including trip prediction and route recommendation |
CN105046338A (zh) * | 2015-08-24 | 2015-11-11 | 扬州大学 | 移动平台上的智能快递配送方法 |
US20150338226A1 (en) * | 2014-05-22 | 2015-11-26 | Telogis, Inc. | Context-based routing and access path selection |
CN106600036A (zh) * | 2016-11-09 | 2017-04-26 | 浙江工业大学 | 基于Android多点快递配送方法 |
-
2018
- 2018-04-13 CN CN201810335468.4A patent/CN108627170A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102761894A (zh) * | 2012-06-30 | 2012-10-31 | 华为技术有限公司 | 获取路径的方法、装置及系统 |
CN102945261A (zh) * | 2012-10-20 | 2013-02-27 | 江苏大学 | 智能车载信息服务终端一键式目标搜索优化方法 |
US20140358437A1 (en) * | 2013-05-30 | 2014-12-04 | Aol Inc. | Systems and methods for providing mobile mapping services including trip prediction and route recommendation |
US20150338226A1 (en) * | 2014-05-22 | 2015-11-26 | Telogis, Inc. | Context-based routing and access path selection |
CN105046338A (zh) * | 2015-08-24 | 2015-11-11 | 扬州大学 | 移动平台上的智能快递配送方法 |
CN106600036A (zh) * | 2016-11-09 | 2017-04-26 | 浙江工业大学 | 基于Android多点快递配送方法 |
Non-Patent Citations (3)
Title |
---|
王桂琴等: "基于GIS和多目标的生活垃圾运输路线优化研究", 《环境科学与技术》 * |
芦立华等: "基于低碳的快递路径选择问题研究", 《中国储运》 * |
高小芳: "回溯算法在可视化物流配送最优路径规划模拟软件中的应用", 《聊城大学学报(自然科学版)》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109447338A (zh) * | 2018-10-23 | 2019-03-08 | 杭州虹晟信息科技有限公司 | 基于大数据的智能物流云端管理系统 |
CN109447338B (zh) * | 2018-10-23 | 2021-10-22 | 广州华恒物流有限公司 | 基于大数据的智能物流云端管理系统 |
CN111288991A (zh) * | 2018-12-06 | 2020-06-16 | 北京京东尚科信息技术有限公司 | 路径规划方法、装置、机器人和计算机可读存储介质 |
CN110543974A (zh) * | 2019-08-12 | 2019-12-06 | 北京市天元网络技术股份有限公司 | 最优路径规划的方法以及装置 |
CN112529347A (zh) * | 2019-09-19 | 2021-03-19 | 菜鸟智能物流控股有限公司 | 物流数据仿真方法、装置、电子设备和存储介质 |
CN112529347B (zh) * | 2019-09-19 | 2023-11-28 | 菜鸟智能物流控股有限公司 | 物流数据仿真方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108627170A (zh) | 一种路径优化可视化的方法 | |
Ning et al. | Vehicular social networks: Enabling smart mobility | |
Zhan et al. | Shortest path algorithms: an evaluation using real road networks | |
CN1967523B (zh) | 路况信息查询系统及路况信息查询方法 | |
CN102265114B (zh) | 用于存储和提供路线的系统和方法 | |
Malmodin et al. | Exploring the effect of ICT solutions on GHG emissions in 2030 | |
Chen et al. | A real-time vehicle navigation algorithm in sensor network environments | |
CN107067707A (zh) | 一种公交运营及乘客出行优化系统 | |
CN103413209A (zh) | 多客户多仓库物流配送路径选择方法 | |
US11162793B2 (en) | Method and apparatus for autonomous navigation speed at intersections | |
CN101363734A (zh) | 地图数据的分块下载方法及地图数据的分块下载装置 | |
CN102523617A (zh) | 基于节点通信半径和信标节点分布的改进型DV-Hop算法 | |
CN105043379A (zh) | 一种基于时空约束的景区浏览路径规划方法、装置 | |
US20220207472A1 (en) | Method, apparatus, and system for drone delivery using beacon positioning | |
CN110675110A (zh) | 一种基于地铁网络的快递配送枢纽中心选址方法及装置 | |
CN104572873A (zh) | 信息处理方法及装置 | |
CN106295817A (zh) | 一种用于在专线运输系统中进行接客调度的方法和装置 | |
Fan et al. | Planning connections between underground logistics system and container ports | |
CN104732758A (zh) | 智能公交站点信息查询显示系统 | |
Liebenau et al. | The UK's digital road to recovery | |
US11402214B2 (en) | Method and apparatus for providing aerial route calculation in a three-dimensional space | |
KR102237927B1 (ko) | 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법 | |
CN102968497A (zh) | 动态数据处理方法和系统 | |
CN114676911A (zh) | 一种运输车辆行车路线确定方法及装置 | |
CN107103701A (zh) | 基于混乘城市公共交通系统下的共享单车租赁点选址方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181009 |