CN103473659A - 配送车辆端实时状态信息驱动的物流任务动态优化分配方法 - Google Patents

Abstract

本发明公开了一种配送车辆端实时状态信息驱动的物流任务动态优化分配方法，用于解决现有物流任务动态分配方法由于车辆装载率低而造成资源浪费的技术问题。技术方案是通过在物流配送车辆端配置自动识别设备，智能获取并传输配送车辆进行物流配送活动中的实时状态信息，应用物联技术实现车辆感知其实时状态信息并传输至配送任务管理中心，配送中心进而根据各配送车辆和配送任务的实时信息，对物流配送任务进行动态优化分配，提升车辆的装载率，最大限度地整合物流配送资源。达到了降低物流成本、实现低碳、高效绿色物流的目标。

Description

配送车辆端实时状态信息驱动的物流任务动态优化分配方法

技术领域

本发明涉及一种物流任务动态分配方法，特别是涉及一种配送车辆端实时状态信息驱动的物流任务动态优化分配方法。

背景技术

随着全球经济的快速发展、人口剧增，世界气候面临越来越严重的问题，二氧化碳排放量愈来愈大，全球灾难性气候变化屡屡出现，以低能耗、低污染为基础的“低碳经济”已经成为社会发展的必然趋势。物流产业作为国民经济基础产业，在经济活动中占有很大的比重，然而传统物流配送模式由于管理方法落后，物流资源的实时状态信息难以被精确、全面感知和及时传输，致使物流产业资源消耗巨大，车辆空载严重，车辆装载率低，物流成本居高不下、道路拥堵、空气质量差，对环境造成了严重的危害。因此，如何利用先进的信息技术和管理方法，对物流运输的各个环节进行实时监管和资源优化配置，实现绿色、环保的“低碳”的运行模式已成为供应链与物流方向急需研究和实践的热点问题之一。物联网技术被认为是继计算机、互联网之后的世界信息产业第三次浪潮，其目标是通过传感器、射频识别技术、全球定位系统等技术，实时采集任何需要监控、连接、互动的物体或过程，实现物与物的泛在链接，达到对物品和过程的智能化感知、识别与管理。近年来，随着物联技术在物流领域应用的逐步深化，物流管理模式逐渐朝着信息化、智能化的方向发展，学术界和业界也出现了大量关于物流管理模式系统化、智能化的探索研究。

在如何利用新的管理方法和信息技术来节约资源，提高物流企业配送效率方面的研究主要有：麻省理工学院物流运输中心主任Yossi Sheffi教授倡导的一种通过物流行业资源共享、逐步扩大物流集群的模式来降低物流成本、提高配送效率的发展模式；许志强等公开的专利《基于物联网的智慧物流系统》提出了一种可以监控物流中各环节的智慧物流系统，其重点在于利用物联网技术实现车辆具体位置的监控、配送车辆与管理中心的双向通信、仓库系统的智能管理来优化企业的物流系统；上述研究和发明都对物流管理系统的发展起到了巨大的推进作用，但是在实现低消耗、高效率的绿色物流配送的过程中还存在以下问题：1）物流活动是随着配送车辆的流动而遍布各个城市，整个物流配送资源信息呈现动态、冗杂、突发等特点，面对这种情况，如何迅速系统感知并传输物流配送过程中的各项实时状态信息，并有效利用感知到的实时信息优化整个物流配送流程。2）随着经济的全球化和电子商务的迅猛发展，使得动态物流配送任务需求急剧增加，与此同时，大多数正在进行物流配送的车辆并没有满载，很少考虑物流任务的组合优化配送方法，任务堆积和资源空置的现象经常并存，资源浪费现象严重。

发明内容

为了克服现有物流任务动态分配方法由于车辆装载率低而造成资源浪费的不足，本发明提供一种配送车辆端实时状态信息驱动的物流任务动态优化分配方法。该方法通过在物流配送车辆端配置自动识别设备，智能获取并传输配送车辆进行物流配送活动中的实时状态信息，应用物联技术实现车辆感知其实时状态信息并传输至配送任务管理中心，配送中心进而根据各配送车辆和配送任务的实时信息，对物流配送任务进行动态优化分配，提升车辆的装载率，最大限度地整合物流配送资源。可以达到降低物流成本、实现低碳、高效绿色物流的目标。

本发明解决其技术问题所采用的技术方案是：一种配送车辆端实时状态信息驱动的物流任务动态优化分配方法，其特点是包括以下步骤：

步骤一、配送车辆端自动识别设备选型与配置方法。

通过在物流配送车辆智能终端接入GPS定位设备、RFID信息采集设备、3G通信设备和集成GIS地理信息系统以采集配送车辆实时状态信息、并基于配送车辆实时任务进行导航。其中GPS定位设备用于定位车辆的具体位置；RFID信息感知设备安装在车辆集装箱后的货物进出口处，当贴有RFID标签的货物进出时，感知设备自动采集RFID标签中货物的明细，感知车辆的实时装载情况；3G通信设备实现智能终端与云配送中心的双向通信；GIS地理信息系统根据配送车辆的当前任务进行最优路径导航。物流配送车辆端实时状态信息提取方法根据配送任务需求，按照时间间隔t，t是可控参数，根据物流配送车辆数量和任务规模调节，触发各配送车辆智能终端传输配送车辆实时状态信息，过滤掉正在装卸货和剩余体积＜a和剩余重量＜b的配送车辆信息。

步骤二、车辆实时信息感知与处理方法。

配送车辆智能终端通过上述自动识别设备获取配送车辆实时状态信息，构建信息更新系统，并建立一种基于XML标准模板的配送车辆信息模型，该信息模型包含车辆以下信息：车辆唯一编号、车辆剩余载重、车辆剩余容量、车辆当前位置、车辆下一目的地、车辆行驶单位里程综合成本、车辆当前任务清单，当配送车辆智能终端接收到配送中心的信息传输指令时，迅速将XML格式的车辆实时信息通过3G通信设备传输到配送中心。优化配送任务信息实时获取；信息感知与处理模块通过上述自动识别设备获取配送中心分配给配送车辆的最新任务信息，并构建配送车辆的实时任务清单；基于任务的最优路径导航；信息感知与处理模块将车辆实时任务清单输入GIS地理信息系统，GIS地理信息系统基于卡车的实时任务信息，结合当前路况和路径优化软件信息计算出最优行驶路径，并以地图的形式输出信息供司机查看。

基于配送车辆实时信息的配送资源优化配置方法，根据各物流配送车辆智能终端的实时状态信息构建配送资源信息库V，根据配送中心系统中当前任务信息构建任务信息库T，按照任务和车辆的当前位置信息将资源库和信息库划分为n个子库，使处于同一区域的任务或车辆位于同一编号的子集中，并形成n个子优化集(v_i,t_i)；对子优化集合进行预优化，将其中车辆、任务根据其当前位置和目的地信息分别用向量表示，以任务向量为基准向量，在满足体积、载重约束的前提下，按照两向量夹角最小的原则，将配送车辆预分配给各个任务，基于各任务形成预配送资源集TID_i(VID₁,VID₂...)i∈(1,n)；对任务TID_i i∈(1,n)在其预配送资源集中选择最优配送车辆，按照成本最少的原则，将任务分配给预配送资源集中的、能用最小成本完成该任务的配送车辆，并将分配结果通过车端通信息系统传输给各配送车辆智能终端。

步骤三、车辆实时信息可视化处理方法。

配送车辆智能终端可视界面由公告栏、功能按钮、路径导航组成。其中，公告栏用于显示配送中心发送的各项指令及任务信息；功能按钮在司机点击时可显示相关信息或语音传输卡车状态及当前路况信息；路径导航显示配送车辆基于任务的最优行驶路径图。

本发明的有益效果是：该方法通过在物流配送车辆端配置自动识别设备，智能获取并传输配送车辆进行物流配送活动中的实时状态信息，应用物联技术实现车辆感知其实时状态信息并传输至配送任务管理中心，配送中心进而根据各配送车辆和配送任务的实时信息，对物流配送任务进行动态优化分配，提升车辆的装载率，最大限度地整合物流配送资源。达到了降低物流成本、实现低碳、高效绿色物流的目标。

下面结合附图和实施例对本发明作详细说明。

附图说明

图1是本发明方法总体结构图。

图2是本发明方法配送车辆智能终端功能图。

图3是本发明方法配送车辆智能终端可视界面截图。

图4是本发明方法云配送中心配送资源优化配置流程图。

具体实施方式

参照图1-4。本发明配送车辆端实时状态信息驱动的物流任务动态优化分配方法的具体步骤如下：

本发明的整体结构由各物流配送车辆智能终端和云配送中心组成。其中，物流配送车辆智能终端主要功能包括自动识别设备选型与配置模块、实时状态信息感知与处理模块（物流配送车辆实时状态信息获取和传输、优化配送任务信息实时获取、基于配送任务最优路径导航）、物流配送车辆实时信息可视化功能；云配送中心功能包括通过发送指令定时提取、过滤各物流配送车辆智能终端实时信息；建立基于配送车辆端实时状态信息驱动的配送资源优化配置方法；任务优化分配结果实时传输。

车载终端的主要功能分为三大模块。

①自动识别设备选型与配置模块：通过在物流配送车辆智能终端接入GPS定位设备、RFID信息采集设备、3G通信设备和集成GIS地理信息系统以采集配送车辆实时状态信息。其中GPS定位设备用于定位车辆的具体位置；RFID信息感知设备安装在车辆集装箱后的货物进出口处，当贴有RFID标签的货物进出时，感知设备可以自动采集RFID标签中货物的各项信息，感知车辆的实时装载情况；3G通信设备实现智能终端与云配送中心的双向通信，GIS地理信息系统根据配送车辆的当前任务进行最优路径导航。

②实时状态信息感知与处理模块：配送车辆智能终端实时状态信息感知与处理模块通过上述自动识别设备获取配送车辆实时状态信息。并对获取的原始信息进行处理：

构建基于XML标准模板的配送车辆实时状态信息模型，并根据配送中心指令传输配送车辆实时状态信息。其中配送车辆信息模型包含车辆以下信息：车辆编号VID、车辆剩余载重SW、车辆剩余容量SV、车辆当前位置CP、车辆下一目的地ND、；车辆行驶单位里程综合成本VC、车辆当前任务清单TL其中TL={TIDi/i∈(1,y)}，TID_i为任务清单中第i个任务的编号,通过该编号可以追溯任务在任务库中的详细信息；当信息感知与处理模块收到配送中心信息传输指令时，将基于XML标准模板的车辆最新实时信息传输到云配送中心。

建立信息更新模型：当读取到RFID系统有任务装卸的信息时，输入任务变动信息，信息更新模块更新配送车辆实时状态信息及配送车辆当前任务清单，信息更新函数为：SW′＝SW+aW_i，SV′＝SV+aV_i，其中SW′、SV′为更新后车辆信息，SW、SV为车辆更新前信息，W_i为变动的任务重量，V_i为变动的任务体积，a为调节参数（装货时a＝-1,卸货时a＝1）；CP信息根据配送车辆实时GPS位置动态更新；当GIS地理信息系统输入新的目的地时主控制器根据输入信息更新ND，若车辆当前没有任务，则令ND＝free。

信息感知与处理模块收到配送中心分配的新任务后，更新任务清单，并将配送车辆实时任务信息传输到GIS地理信息系统进行基于任务的路径优化导航：GIS系统根据当前路况和路径分析软件信息规划最优路径并以地图、表格、文字形式输出信息，供司机查看，并将最新目的地信息输入信息感知处理模块。

③信息可视化显示模块：该模块主要功能为构建可视界面，将车辆的实时信息按照司机的需求显示在可视化窗口；其中，与司机相关的车辆信息可分为公告栏、路径状况语音发送、优化行驶路径、车辆信息、任务信息六类。配送车辆智能终端可视界面由公告栏、功能按钮、路径导航组成。正上方的公告栏用于显示配送中心发送的各项指令及任务信息；左边的功能按钮在司机点击时可显示相关信息或语音传输卡车状态及当前路况信息；中间的路径导航界面显示配送车辆基于任务的最优行驶路径图。

车端实时信息驱动的物流任务动态优化分配流程如下：

①云配送中心按一定的时间间隔t（t为可控参数，可根据配送车辆状态和任务规模调节，默认值为5分钟）触发各配送车辆智能终端传输车辆实时状态信息，过滤掉正在装卸货和剩余体积＜a、剩余重量＜b（a、b为可调节参数）的车辆信息，构建配送车辆配送资源库V，矩阵表示如下，其中下标i为第i个车辆的编号及相应信息。

$V=\left[\begin{array}{ccccccc}{\mathrm{VID}}_1& {\mathrm{SW}}_1& {\mathrm{SV}}_1& {\mathrm{CP}}_1& {\mathrm{ND}}_1& {\mathrm{VC}}_1& {\mathrm{TL}}_1\\ {\mathrm{VID}}_2& {\mathrm{SW}}_2& {\mathrm{SV}}_2& {\mathrm{CP}}_2& {\mathrm{ND}}_2& {\mathrm{VC}}_2& {\mathrm{TL}}_2\\ {\mathrm{VID}}_3& {\mathrm{SW}}_3& {\mathrm{SV}}_3& {\mathrm{CP}}_3& {\mathrm{ND}}_3& {\mathrm{VC}}_3& {\mathrm{TL}}_3\\ ...& ...& ...& ...& ...& ...& ...\\ \mathrm{VIDi}& {\mathrm{SW}}_i& {\mathrm{SV}}_i& {\mathrm{CP}}_i& {\mathrm{ND}}_i& {\mathrm{VC}}_i& {\mathrm{TL}}_i\end{array}\right]$

根据动态的任务信息构建任务信息库T，矩阵表示如下：其中TIDi为第i个任务的编号、W表示重量、V表示体积、CP表示当前位置、D表示任务目的地、DT表示任务交货期、DP(Delay Penalty)表示任务送达时超出交货期单位时间的惩罚参数，该参数由客户交付任务时与配送中心协定。

$T=\left[\begin{array}{ccccccc}{\mathrm{TID}}_1& W_1& V_1& {\mathrm{CP}}_1& D_1& {\mathrm{DT}}_1& {\mathrm{DP}}_1\\ {\mathrm{TID}}_2& W_2& V_2& {\mathrm{CP}}_2& D_2& {\mathrm{DT}}_2& {\mathrm{DP}}_2\\ {\mathrm{TID}}_3& W_3& V_3& {\mathrm{CP}}_3& D_3& {\mathrm{DT}}_3& {\mathrm{DP}}_3\\ ...& ...& ...& ...& ...& ...& ...\\ {\mathrm{TID}}_i& W_i& V_i& {\mathrm{CP}}_i& D_i& {\mathrm{DT}}_i& {\mathrm{DP}}_i\end{array}\right]$

②对配送车辆、配送任务库进行区域划分

根据配送中心业务所覆盖地区物流活动的疏密程度及其它特征，以物流活动最集中的城市C1、C2、C3...Cn为中心(中心城市的选择和数量可根据物流活动的变动随时调节)，将所覆盖的地区分为n个区域。根据各配送车辆和配送任务当前位置在上述划分中所在的区域，将资源库和任务库划分成n个子配送资源集和子任务集V＝(v₁,v₂,v₃...v_i...v_n)^T,T＝(t₁,t₂,t₃...t_i...t_n)^T（1＜i＜n表示不同的区域编号），使处于同一区域的任务和车辆位于同一编号的子集中。

③建立优化子集(v_i,t_i)i∈(1～n)，对各优化子集同时进行实时信息驱动的资源优化配置。

④对子集(v_i,t_i)i∈(1～n)进行预优化，以(v_i,t_i)为例，按照下列步骤进行：对于t_i中的每个任务，取其当前位置CP和目的地D在全球定位系统中的点坐标，组成n个任务向量：TID_i(CP_i,D_i)i∈(1,n)；对v_i中的每个配送车辆，取其分量CP和ND在全球定位系统中的点坐标，组成m个车流向量VID_x(CP_x,ND_x)x∈(1,m)。以TID_ii∈(1,n)为基准向量，对m个车流向量进行预分配。具体步骤如下：

a)构建目标函数

St:Wi≤SWx;Vi≤SVx;

$f\left({\mathrm{VID}}_x\right)=\min \arccos \frac{\mathrm{VIDx}*\mathrm{TIDi}}{\left|\mathrm{VIDx}\right|*\left|\mathrm{TIDi}\right|}i\∈(1~n);$

b)将向量VID_x(CP_x,ND_x)x∈(1,m)分别代入上述目标函数；

(若ND_x＝free，则令VID_x＝(CP_x,D_i))

c)对于每个卡车，选择让其目标函数f取得最小值的任务，并将该配送车辆预分配给该任务；

d)根据上一分配结果建立每个任务的预分配资源集，TID₁(VID₁,VID₂,VID₃...)、TID₂(VID₁)、TID_i(…)…TID_n(…)。

⑤对各子集中的任务进行分类，以(v_i,t_i)中的任务为例

根据各任务预分配集中配送车辆的数量将所有任务分为三个类。第一类：只有一个预配送车辆的任务；第二类：预配送车辆数为2～n（n为正整数且n≥2）的任务；第三类：没有预配送车辆的任务；将第三类任务信息返回到配送子集t_i，第一类和第二类任务按照如下步骤进行优化。

⑥构建目标函数，对第一、二类任务进行优化分配

属于第一类的直接将该任务和车辆匹配，形成最终优化结果，并将优化结果实时传输给相关物流配送车辆智能终端。

属于第二类的TID_i,设其预分配资源信息为:

$\left[\begin{array}{ccccccc}{\mathrm{VID}}_1& {\mathrm{SW}}_1& {\mathrm{SV}}_1& {\mathrm{CP}}_1& {\mathrm{ND}}_1& {\mathrm{VC}}_1& {\mathrm{TL}}_1\\ ...& ...& ...& ...& ...& ...& ...\\ {\mathrm{VID}}_x& {\mathrm{SW}}_x& {\mathrm{SV}}_x& {\mathrm{CP}}_x& {\mathrm{ND}}_x& {\mathrm{VC}}_x& {\mathrm{TL}}_x\\ ...& ...& ...& ...& ...& ...& ...\\ {\mathrm{VID}}_n& {\mathrm{SW}}_n& {\mathrm{SV}}_n& {\mathrm{CP}}_n& {\mathrm{ND}}_n& {\mathrm{VC}}_n& {\mathrm{TL}}_n\end{array}\right]$

优化步骤如下：

a)建立目标函数

$f=\min \cos t=L_x*{\mathrm{VC}}_x+\underset{j=1}{\overset{y}{\mathrm{\Σ}}}{\mathrm{dt}}_{\mathrm{xj}}*{\mathrm{DP}}_{\mathrm{xj}}x\∈(1,n)$

(其中L_x为车辆VID_x为完成该任务多行驶的路程；设VID_x任务清单Tl_x中有y个任务(包含任务TID_i)，则

为车辆VID_x接受任务TID_i后引起车辆第j个任务送达时超过其交货期的延时时间，DP_xjj∈(1，y)为车辆VID_x任务清单Tl_x中第j个任务的延迟送货惩罚参数)。

b)将车辆VID_xx∈(1,n)信息库中的各项信息参数以及配送中心系统模型动态模拟的参数信息(L_x、dt_xjj∈(1，y))分别代入上述目标函数；

c)按照资源消耗最小、成本最少的原则，取使函数值最小的配送车辆，将任务TID_i分配给该配送车辆，形成该任务的最终优化配送结果，并将优化结果实时传输给相关配送车辆智能终端。

d)完成优化配置后，将没有分配到任务的配送车辆信息返回配送子集v_i,与⑤中返回的任务信息组成新的配送子集，按上述步骤④、⑤重新进行优化，直到任务全部分配完成或任务有剩余而车辆资源已完全分配。属于第一种情况的将剩余车辆信息释放（若无剩余车辆则不进行此操作）；属于第二种情况的将任务信息返回到信息库在下一次优化中优化分配。

Claims (1)

1.一种配送车辆端实时状态信息驱动的物流任务动态优化分配方法，其特征在于包括以下步骤：

步骤一、配送车辆端自动识别设备选型与配置方法；

通过在物流配送车辆智能终端接入GPS定位设备、RFID信息采集设备、3G通信设备和集成GIS地理信息系统以采集配送车辆实时状态信息、并基于配送车辆实时任务进行导航；其中GPS定位设备用于定位车辆的具体位置；RFID信息感知设备安装在车辆集装箱后的货物进出口处，当贴有RFID标签的货物进出时，感知设备自动采集RFID标签中货物的明细，感知车辆的实时装载情况；3G通信设备实现智能终端与云配送中心的双向通信；GIS地理信息系统根据配送车辆的当前任务进行最优路径导航；物流配送车辆端实时状态信息提取方法根据配送任务需求，按照时间间隔t，t是可控参数，根据物流配送车辆数量和任务规模调节，触发各配送车辆智能终端传输配送车辆实时状态信息，过滤掉正在装卸货和剩余体积＜a和剩余重量＜b的配送车辆信息；

步骤二、车辆实时信息感知与处理方法；

配送车辆智能终端通过上述自动识别设备获取配送车辆实时状态信息，构建信息更新系统，并建立一种基于XML标准模板的配送车辆信息模型，该信息模型包含车辆以下信息：车辆唯一编号、车辆剩余载重、车辆剩余容量、车辆当前位置、车辆下一目的地、车辆行驶单位里程综合成本、车辆当前任务清单，当配送车辆智能终端接收到配送中心的信息传输指令时，迅速将XML格式的车辆实时信息通过3G通信设备传输到配送中心；优化配送任务信息实时获取；信息感知与处理模块通过上述自动识别设备获取配送中心分配给配送车辆的最新任务信息，并构建配送车辆的实时任务清单；基于任务的最优路径导航；信息感知与处理模块将车辆实时任务清单输入GIS地理信息系统，GIS地理信息系统基于卡车的实时任务信息，结合当前路况和路径优化软件信息计算出最优行驶路径，并以地图的形式输出信息供司机查看；

基于配送车辆实时信息的配送资源优化配置方法，根据各物流配送车辆智能终端的实时状态信息构建配送资源信息库V，根据配送中心系统中当前任务信息构建任务信息库T，按照任务和车辆的当前位置信息将资源库和信息库划分为n个子库，使处于同一区域的任务或车辆位于同一编号的子集中，并形成n个子优化集(v_i,t_i)；对子优化集合进行预优化，将其中车辆、任务根据其当前位置和目的地信息分别用向量表示，以任务向量为基准向量，在满足体积、载重约束的前提下，按照两向量夹角最小的原则，将配送车辆预分配给各个任务，基于各任务形成预配送资源集TID_i(VID₁,VID₂...)i∈(1,n)；对任务TID_i i∈(1,n)在其预配送资源集中选择最优配送车辆，按照成本最少的原则，将任务分配给预配送资源集中的、能用最小成本完成该任务的配送车辆，并将分配结果通过车端通信息系统传输给各配送车辆智能终端；

步骤三、车辆实时信息可视化处理方法；

配送车辆智能终端可视界面由公告栏、功能按钮、路径导航组成；其中，公告栏用于显示配送中心发送的各项指令及任务信息；功能按钮在司机点击时可显示相关信息或语音传输卡车状态及当前路况信息；路径导航显示配送车辆基于任务的最优行驶路径图。

Images