CN104766188A - 一种物流配送的方法及系统 - Google Patents
一种物流配送的方法及系统 Download PDFInfo
- Publication number
- CN104766188A CN104766188A CN201410001997.2A CN201410001997A CN104766188A CN 104766188 A CN104766188 A CN 104766188A CN 201410001997 A CN201410001997 A CN 201410001997A CN 104766188 A CN104766188 A CN 104766188A
- Authority
- CN
- China
- Prior art keywords
- client
- represent
- storage center
- sigma
- information
- 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.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种物流配送的方法,所述方法包括:构建仓储中心选址模型,依据所述仓储中心选址模型并通过启发式中心聚类算法确定仓储中心的地址信息,并确定每一仓储中心的覆盖范围信息;构建路径规划模型,依据所述路径规划模型确定配送距离最短、配送工具服务成本最低、客户等待时间最短的配送路径信息;获取当前实时的道路信息、当前可支配的配送工具信息及客户配送时间需求信息,根据所获取的道路信息、当前可支配的配送工具信息、客户配送时间需求信息,以及所确定的配送路径信息进行配送工具的调度,实现物流配送。本发明还公开了一种物流配送系统。
Description
技术领域
本发明涉及物流配送技术,尤其涉及一种物流配送的方法及系统。
背景技术
目前商对客(B2C,Business-to-Customer)电子商务模式的物流配送主要包括自建物流以及自建物流与第三方物流合作两种方式;对于自建物流的配送方式,已经拥有较为完善的仓储中心选址、物流路径优化以及物流管理等功能,因此,自建物流的配送方式主要应用于传统的、具有一定技术底蕴基础的零售或电商企业,如苏宁、亚马逊、京东等;对于自建物流与第三方物流合作的配送方式,是通过与第三方物流的合作,形成一种新的物流管理方式。
对于上述两种B2C电子商务模式的物流配送方式,存在如下问题:
(1)对于新兴的中小型企业,很难在较短的时间内建立起完善的物流体系,如效仿诸如苏宁、亚马逊、京东等传统的B2C电子商务企业巨头的物流配送方式,必将面临巨大的资金投入。
(2)由于全国各地消费水平的良莠不齐以及电子商务企业发源地的不同,必然引起其物流体系在全国范围内的分布不均,尤其是对于偏远地区,配送效率低下,同时使得企业内部面临着巨大的管理压力,物流选址范围越广,对物流所能够产生的经济效益则更无法进行有效的评估。
(3)现有的“最后一公里物流”已经严重制约了B2C电子商务企业的发展,物流企业各自为阵,资源浪费现象严重,如仓储中心的重复建设,配送设施的分散管理等。
因此,产品配送已经成为制约电子商务发展的关键瓶颈,电子商务企业为消费者送货所花费的配送成本高、时间长的问题也已经严重影响电子商务企业优势的发展;寻找一种提高物流配送效率,最大限度地节约物流配送成本的物流配送方法已经成为亟需解决的问题。
发明内容
有鉴于此,本发明实施例的主要目的在于提供一种物流配送的方法及系统,可提高物流配送效率,最大限度地节约物流配送成本。
为达到上述目的,本发明实施例的技术方案是这样实现的:
本发明实施例提供一种物流配送的方法,包括:
构建仓储中心选址模型,依据所述仓储中心选址模型并通过启发式中心聚类算法确定仓储中心的地址信息,并确定每一仓储中心的覆盖范围信息;
构建路径规划模型,基于所确定的仓储中心的地址信息以及每一仓储中心的覆盖范围信息,依据所述路径规划模型确定配送距离最短、配送工具服务成本最低、客户等待时间最短的配送路径信息;
获取当前实时的道路信息、当前可支配的配送工具信息及客户配送时间需求信息,根据所获取的道路信息、当前可支配的配送工具信息、客户配送时间需求信息,以及所确定的配送路径信息进行配送工具的调度,实现物流配送。
优选地,所述确定仓储中心的地址信息,并确定每一仓储中心的覆盖范围信息依据下述模型获得:
其中,xj=1时,表示j被选为仓储中心地址;
n表示用户需求点数量;
m表示确定的仓储中心数量;
L表示规定的最大配送距离;
y表示计算调整因素,y的取值范围为:(0,1];
cij表示用户需求点i和用户需求点j之间的单位距离的运输成本;
dij表示用户需求点i和用户需求点j之间的距离;
yij=1时,表示用户需求点i由仓储中心j配送;否则,用户需求点i由除仓储中心j以外的其他任意一个仓储中心配送;
xj=1时,表示仓储中心j被确定为仓储中心地址;否则,仓储中心j未被确定为仓储中心地址;
的约束条件为:dijyij≤L i,j=1,2,...,n;
优选地,确定配送距离最短、配送工具服务的成本最低、客户等待时间最短的配送路径信息由下述模型获得:
其中,n表示客户的数量;
m表示可支配的配送工具数量;
C表示所调度的配送工具的固定成本;
cij表示客户i和客户j之间的单位距离的运输成本;
dij表示配送工具从客户i和客户j之间的距离;
rij表示配送工具从客户i到达客户j所需的时间;
Ei表示第i个客户允许的最早配送时间;
Li表示第i个客户允许的最晚配送时间;
ti表示配送工具到达客户i所需的时间;
Z1表示所有客户的配送总成本;Z2表示每个客户的等待时间;
μ表示配送工具提前到达客户的机会成本系数;其中,μ的取值范围为:(0,1];
表示配送工具延迟到达客户的惩罚系数;其中,的取值范围为:(0,1];
所述路径规划模型的约束条件为:
其中,Qk表示配送工具k的载重量;
ai表示客户i的需求量;
xijk=1时,表示车辆k从客户i驶向客户j;否则,车辆k从客户i驶向其他客户;
yik=1时,表示客户i由配送工具k服务;否则,客户i由其他配送工具服务;
S表示配送过程中客户个数的集合,s={1,2,3...,n};
|S|=n2,表示S集合的卡笛尔乘积的集合元素个数。
优选地,构建所述路径规划模型的约束条件包括:
获取物流配送的基础数据;
根据所获取的基础数据构建运输网络图G;
计算用户需求点间最短距离,并依据道路信息修正运输网络图G,建立最短距离数据库。
优选地,物流配送的基础数据包括:用户需求点位置坐标和道路初始网络图;
其中,所述道路初始网络图包括:道路的长度、道路起始点、道路终止点,交通拥堵情况。
本发明实施例还提供一种物流配送系统,包括:仓储中心选址模块、配送路径规划模块、第一获取模块、调度模块;其中,
仓储中心选址模块,用于构建仓储中心选址模型,依据所述仓储中心选址模型并通过启发式中心聚类算法确定仓储中心的地址信息,并确定每一仓储中心的覆盖范围信息;
配送路径规划模块,用于构建路径规划模型,依据所述路径规划模型确定配送距离最短、配送工具服务成本最低、客户等待时间最短的配送路径信息;
第一获取模块,用于获取当前实时的道路信息、当前可支配的配送工具信息及客户配送时间需求信息;
调度模块,用于根据所获取的道路信息、当前可支配的配送工具信息、客户配送时间需求信息,以及所确定的配送路径信息进行配送工具的调度,实现物流配送。
优选地,所述确定仓储中心的地址信息,并确定每一仓储中心的覆盖范围信息依据下述模型获得:
其中,xj=1时,表示j被选为仓储中心地址;
n表示用户需求点数量;
m表示确定的仓储中心数量;
L表示规定的最大配送距离;
y表示计算调整因素,y的取值范围为:(0,1];
cij表示用户需求点i和用户需求点j之间的单位距离的运输成本;
dij表示用户需求点i和用户需求点j之间的距离;
yij=1时,表示用户需求点i由仓储中心j配送;否则,用户需求点i由除仓储中心j以外的其他任意一个仓储中心配送;
xj=1时,表示仓储中心j被确定为仓储中心地址;否则,仓储中心j未被确定为仓储中心地址;
的约束条件为:dijyij≤L;
优选地,确定配送距离最短、配送工具服务的成本最低、客户等待时间最短的配送路径信息由下述模型获得:
其中,n表示客户的数量;
m表示可支配的配送工具数量;
C表示所调度的配送工具的固定成本;
cij表示客户i和客户j之间的单位距离的运输成本;
dij表示配送工具从客户i和客户j之间的距离;
rij表示配送工具从客户i到达客户j所需的时间;
Ei表示第i个客户允许的最早配送时间;
Li表示第i个客户允许的最晚配送时间;
ti表示配送工具到达客户i所需的时间;
Z1表示所有客户的配送总成本;Z2表示每个客户的等待时间;
μ表示配送工具提前到达客户的机会成本系数;其中,μ的取值范围为:(0,1];
表示配送工具延迟到达客户的惩罚系数;其中,的取值范围为:(0,1];
所述路径规划模型的约束条件为:
其中,Qk表示配送工具k的载重量;
ai表示客户i的需求量;
xijk=1时,表示车辆k从客户i驶向客户j;否则,车辆k从客户i驶向其他客户;
yik=1时,表示客户i由配送工具k服务;否则,客户i由其他配送工具服务;
S表示配送过程中客户个数的集合,s={1,2,3...,n};
|S|=n2,表示S集合的卡迪尔乘积的集合元素个数。
优选地,构建所述路径规划模型的约束条件包括:
获取物流配送的基础数据;
根据所获取的基础数据构建运输网络图G;
计算用户需求点间最短距离,并依据道路信息修正运输网络图G,建立最短距离数据库。
优选地,所述物流配送的基础数据包括:用户需求点位置坐标和道路初始网络图;
其中,所述道路初始网络图包括:道路的长度、道路起始点、道路终止点,交通拥堵情况。
本发明实施例所提供的物流配送的方法及系统,构建仓储中心选址模型,依据所述仓储中心选址模型并通过启发式中心聚类算法确定仓储中心的地址信息,并确定每一仓储中心的覆盖范围信息;构建路径规划模型,依据所述路径规划模型确定配送距离最短、配送工具服务成本最低、客户等待时间最短的配送路径信息;获取当前实时的道路信息、当前可支配的配送工具信息及客户配送时间需求信息,根据所获取的道路信息、当前可支配的配送工具信息、客户配送时间需求信息,以及所确定的配送路径信息进行配送工具的调度,实现物流配送。如此,提高了物流配送效率,最大限度地节约了物流配送成本。
附图说明
图1为本发明实施例物流配送方法的基本处理流程示意图;
图2为本发明实施例仓储中心与用户需求点之间的关系简化模型示意图;
图3为本发明实施例所确定的仓储中心分布示意图;
图4为本发明实施例构建路径规划模型的约束条件的基本处理流程示意图;
图5为本发明实施例物流配送系统的组成结构示意图。
具体实施方式
本发明实施例的基本思想为:构建仓储中心选址模型,依据所述仓储中心选址模型并通过启发式中心聚类算法确定仓储中心的地址信息,并确定每一仓储中心的覆盖范围信息;构建路径规划模型,依据所述路径规划模型确定配送距离最短、配送工具服务成本最低、客户等待时间最短的配送路径信息;获取当前实时的道路信息、当前可支配的配送工具信息及客户配送时间需求信息,根据所获取的道路信息、当前可支配的配送工具信息、客户配送时间需求信息,以及所确定的配送路径信息进行配送工具的调度,实现物流配送。
本发明实施例物流配送方法的基本处理流程如图1所示,包括以下步骤:
步骤101:构建仓储中心选址模型,依据所述仓储中心选址模型并通过启发式中心聚类算法确定仓储中心的地址信息,并确定每一仓储中心的覆盖范围信息;
这里,所确定的仓储中心的地址信息以及每一仓储中心的覆盖范围信息时,需要使所确定的仓储中心数量尽可能少,从而降低仓储中心建设与投资的成本;并且,需要综合考虑仓储中心的地址到用户需求点的配送距离和用户需求量两种因素,从而节省配送过程中的成本与风险。
具体地,确定仓储中心的地址信息,并确定每一仓储中心的覆盖范围信息包括:在全国地图上选取一组仓储中心的地理位置坐标(x1,y1),(x2,y2),...,(xm,ym),使所确定的仓储中心能够满足用户需求点(x1,y1),(x2,y2),...,(xn,yn)的需求;所述仓储中心与用户需求点之间的关系简化模型如图2所示。
所述确定仓储中心的地址信息,并确定每一仓储中心的覆盖范围信息依据下述两个模型获得:
模型(1)用于确定最小数目的仓储中心的地址信息;模型(2)用于使物流配送总成本最低;综合考虑模型(1)与模型(2)的计算结果确定仓储中心的地址信息,并确定每一仓储中心的覆盖范围信息;
其中,xj=1时,表示j被选为仓储中心地址;
n表示用户需求点数量;
m表示确定的仓储中心数量;
L表示规定的最大配送距离;
y表示计算调整因素,y的取值范围为:(0,1];
cij表示用户需求点i和用户需求点j之间的单位距离的运输成本;
dij表示用户需求点i和用户需求点j之间的距离;
yij=1时,表示用户需求点i由仓储中心j配送;否则,用户需求点i由除仓储中心j以外的其他任意一个仓储中心配送;
xj=1时,表示仓储中心j被确定为仓储中心地址;否则,仓储中心j未被确定为仓储中心地址;
模型(1)的约束条件为:dijyij≤L,i,j=1,2,...,n,即:所确定的仓储中心的地址到仓储中心的覆盖范围内的各个用户需求点的距离不大于约束距离;
模型(2)的约束条件为:
即:所确定的仓储中心的数量为m个;
即:每个用户需求点只能由一个仓储中心进行配送。
利用仓储中心选址模型,对中国西部地区包括云南、贵州、重庆、广西、青海、新疆、山西、甘肃、宁夏、四川以及内蒙古在内的十二个省份确定仓储中心的地址信息以及每一仓储中心的覆盖范围信息;即:用户需求点数量为十二个,在配送工具的时速为80Km/h,每天的运输时间为八个小时,最大配送距离为1920Km的情况下,利用Matlab软件及启发式中心聚类算法确定仓储中心的地址信息以及每一仓储中心的覆盖范围信息如表1所示。
仓储中心的地址信息 | 仓储中心的覆盖范围 |
云南 | 云南、贵州、重庆、广西 |
青海 | 青海、新疆 |
甘肃 | 陕西、甘肃、宁夏、四川、内蒙古 |
西藏 | 西藏 |
利用仓储中心选址模型,对中国西部地区包括云南、贵州、重庆、广西、青海、新疆、山西、甘肃、宁夏、四川以及内蒙古在内的十二个省份确定仓储中心的地址信息以及每一仓储中心的覆盖范围信息;即:用户需求点数量为十二个,在配送工具的时速为80Km/h,每天的运输时间为十二个小时,的情况下,利用Matlab软件及启发式中心聚类算法确定仓储中心的地址信息以及每一仓储中心的覆盖范围信息如表2所示。
仓储中心的地址信息 | 仓储中心的覆盖范围 |
重庆 | 重庆、陕西、四川、云南、贵州、广西 |
青海 | 甘肃、青海、宁夏、新疆、西藏 |
内蒙古 | 内蒙古 |
基于表1和表2所示的仓储中心的地址信息以及每一仓储中心的覆盖范围信息,得到图3所示仓储中心分布示意图,其中,五角星符号表示表1所示仓储中心的地址信息,六角星符号表示表2所示仓储中心的地址信息。
步骤102:构建路径规划模型,依据所述路径规划模型确定配送距离最短、配送工具服务成本最低、客户等待时间最短的配送路径信息;
这里,所确定的最短的配送路径信息,要求所有客户的订单都被送到,每位客户一次配送完成,且不能违反配送工具的容量限制;
具体地,确定配送距离最短、配送工具服务的成本最低、客户等待时间最短的配送路径信息由下述模型获得:
模型(3)用于使物流配送成本最低;模型(4)用于使客户总等待时间最短;
其中,n表示客户的数量;
m表示可支配的配送工具数量;
C表示所调度的配送工具的固定成本;
cij表示客户i和客户j之间的单位距离的运输成本;
dij表示配送工具从客户i和客户j之间的距离;
rij表示配送工具从客户i到达客户j所需的时间;
Ei表示第i个客户允许的最早配送时间;
Li表示第i个客户允许的最晚配送时间;
ti表示配送工具到达客户i所需的时间;
Z1表示所有客户的配送总成本;Z2表示每个客户的等待时间;
μ表示配送工具提前到达客户的机会成本系数;其中,μ的取值范围为:(0,1];
表示配送工具延迟到达客户的惩罚系数;其中,的取值范围为:(0,1];
所述路径规划模型的约束条件为:
其中,Qk表示配送工具k的载重量;
ai表示客户i的需求量;
xijk=1时,表示车辆k从客户i驶向客户j;否则,车辆k从客户i驶向其他客户;
yik=1时,表示客户i由配送工具k服务;否则,客户i由其他配送工具服务;
S表示配送过程中客户个数的集合,s={1,2,3...,n};
|S|=n2,表示S集合的卡迪尔乘积的集合元素个数;
进一步地,构建路径规划模型的约束条件的基本处理流程如图4所示,包括以下步骤:
步骤21:获取物流配送的基础数据;
其中,获取物流配送的基础数据包括:通过GPS定位获取到的用户需求点位置坐标和电子地图显示的道路初始网络图;
所述道路初始网络图包括:道路的长度、道路起始点、道路终止点,交通拥堵情况等信息。
步骤22:根据所获取的基础数据构建运输网络图G;
具体地,对基于GIS初始道路网络进行拓扑,形成图论中的网络图;按垂直距离最短映射原则将用户需求点映射到路边,并通过人工调整获得初始运输网络图。
步骤23:计算用户需求点之间的最短距离,并依据道路信息修正运输网络图G,建立最短距离数据库;
具体地,计算路径交点间的网络距离;考虑道路的单行信息、道路的隔离带信息、道路过宽无法步行横穿等信息对网络边赋值,修正运输网络图G;基于此,计算用户需求点间最短距离,建立最短距离数据库。
步骤103:获取当前实时的道路信息、当前可支配的配送工具信息及客户配送时间需求信息,根据所获取的道路信息、当前可支配的配送工具信息、客户配送时间需求信息,以及所确定的配送路径信息进行配送工具的调度,实现物流配送;
这里,当前实时的道路信息包括:道路的拥堵信息、道路的路况信息等;
客户配送时间需求信息包括:客户允许的最早配送时间和客户允许的最晚配送时间。
上述物流配送的方法,可基于物流信息共享云平台实现。
为实现上述物流配送的方法,本发明实施例还提供了一种物流配送系统,所述物流配送系统组成结构如图5所示,包括:仓储中心选址模块11、配送路径规划模块12、第一获取模块13以及调度模块14;其中,
仓储中心选址模块11,用于构建仓储中心选址模型,依据所述仓储中心选址模型并通过启发式中心聚类算法确定仓储中心的地址信息,并确定每一仓储中心的覆盖范围信息;
配送路径规划模块12,用于构建路径规划模型,基于仓储中心选址模块11所确定的仓储中心的地址信息以及每一仓储中心的覆盖范围信息,依据所述路径规划模型确定配送距离最短、配送工具服务成本最低、客户等待时间最短的配送路径信息;
第一获取模块13,用于获取当前实时的道路信息、当前可支配的配送工具信息及客户配送时间需求信息;
调度模块14,用于根据第一获取模块13所获取的道路信息、当前可支配的配送工具信息、客户配送时间需求信息,以及配送路径规划模块12所确定的配送路径信息进行配送工具的调度,实现物流配送。
上述物流配送系统的功能,可基于物流信息共享云平台实现,具体地,仓储中心选址模块11、配送路径规划模块12、第一获取模块13以及调度模块14的功能在实际应用中,可由基于物流信息共享云平台的物流配送系统中的中央处理器(CPU)、或微处理器(MPU)、或数字信号处理器(DSP)、或存储器、或现场可编程门阵列(FPGA)完成。
在本发明所提供的实施例中,所揭露的方法和系统,可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个模块或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,模块的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种物流配送的方法,其特征在于,所述方法包括:
构建仓储中心选址模型,依据所述仓储中心选址模型并通过启发式中心聚类算法确定仓储中心的地址信息,并确定每一仓储中心的覆盖范围信息;
构建路径规划模型,基于所确定的仓储中心的地址信息以及每一仓储中心的覆盖范围信息,依据所述路径规划模型确定配送距离最短、配送工具服务成本最低、客户等待时间最短的配送路径信息;
获取当前实时的道路信息、当前可支配的配送工具信息及客户配送时间需求信息,根据所获取的道路信息、当前可支配的配送工具信息、客户配送时间需求信息,以及所确定的配送路径信息进行配送工具的调度,实现物流配送。
2.根据权利要求1所述B2C第三方物流配送的方法,其特征在于,所述确定仓储中心的地址信息,并确定每一仓储中心的覆盖范围信息依据下述模型获得:
其中,xj=1时,表示j被选为仓储中心地址;
n表示用户需求点数量;
m表示确定的仓储中心数量;
L表示规定的最大配送距离;
y表示计算调整因素,y的取值范围为:(0,1];
cij表示用户需求点i和用户需求点j之间的单位距离的运输成本;
dij表示用户需求点i和用户需求点j之间的距离;
yij=1时,表示用户需求点i由仓储中心j配送;否则,用户需求点i由除仓储中心j以外的其他任意一个仓储中心配送;
xj=1时,表示仓储中心j被确定为仓储中心地址;否则,仓储中心j未被确定为仓储中心地址;
的约束条件为:dijyij≤L i,j=1,2,...,n;
3.根据权利要求1所述物流配送的方法,其特征在于,确定配送距离最短、配送工具服务的成本最低、客户等待时间最短的配送路径信息由下述模型获得:
其中,n表示客户的数量;
m表示可支配的配送工具数量;
C表示所调度的配送工具的固定成本;
cij表示客户i和客户j之间的单位距离的运输成本;
dij表示配送工具从客户i和客户j之间的距离;
rij表示配送工具从客户i到达客户j所需的时间;
Ei表示第i个客户允许的最早配送时间;
Li表示第i个客户允许的最晚配送时间;
ti表示配送工具到达客户i所需的时间;
Z1表示所有客户的配送总成本;Z2表示每个客户的等待时间;
μ表示配送工具提前到达客户的机会成本系数;其中,μ的取值范围为:(0,1];
表示配送工具延迟到达客户的惩罚系数;其中,的取值范围为:(0,1];
所述路径规划模型的约束条件为:
其中,Qk表示配送工具k的载重量;
ai表示客户i的需求量;
xijk=1时,表示车辆k从客户i驶向客户j;否则,车辆k从客户i驶向其他客户;
yik=1时,表示客户i由配送工具k服务;否则,客户i由其他配送工具服务;
S表示配送过程中客户个数的集合,s={1,2,3...,n};
|S|=n2,表示S集合的卡笛尔乘积的集合元素个数。
4.根据权利要求3所述物流配送的方法,其特征在于,构建所述路径规划模型的约束条件包括:
获取物流配送的基础数据;
根据所获取的基础数据构建运输网络图G;
计算用户需求点间最短距离,并依据道路信息修正运输网络图G,建立最短距离数据库。
5.根据权利要求4所述物流配送的方法,其特征在于,所述物流配送的基础数据包括:用户需求点位置坐标和道路初始网络图;
其中,所述道路初始网络图包括:道路的长度、道路起始点、道路终止点,交通拥堵情况。
6.一种物流配送系统,其特征在于,所述系统包括:
仓储中心选址模块、配送路径规划模块、第一获取模块、调度模块;其中,
仓储中心选址模块,用于构建仓储中心选址模型,依据所述仓储中心选址模型并通过启发式中心聚类算法确定仓储中心的地址信息,并确定每一仓储中心的覆盖范围信息;
配送路径规划模块,用于构建路径规划模型,依据所述路径规划模型确定配送距离最短、配送工具服务成本最低、客户等待时间最短的配送路径信息;
第一获取模块,用于获取当前实时的道路信息、当前可支配的配送工具信息及客户配送时间需求信息;
调度模块,用于根据所获取的道路信息、当前可支配的配送工具信息、客户配送时间需求信息,以及所确定的配送路径信息进行配送工具的调度,实现物流配送。
7.根据权利要求6所述物流配送系统,其特征在于,所述确定仓储中心的地址信息,并确定每一仓储中心的覆盖范围信息依据下述模型获得:
其中,xj=1时,表示j被选为仓储中心地址;
n表示用户需求点数量;
m表示确定的仓储中心数量;
L表示规定的最大配送距离;
y表示计算调整因素,y的取值范围为:(0,1];
cij表示用户需求点i和用户需求点j之间的单位距离的运输成本;
dij表示用户需求点i和用户需求点j之间的距离;
yij=1时,表示用户需求点i由仓储中心j配送;否则,用户需求点i由除仓储中心j以外的其他任意一个仓储中心配送;
xj=1时,表示仓储中心j被确定为仓储中心地址;否则,仓储中心j未被确定为仓储中心地址;
的约束条件为:dijyij≤L;
8.根据权利要求6所述物流配送系统,其特征在于,确定配送距离最短、配送工具服务的成本最低、客户等待时间最短的配送路径信息由下述模型获得:
其中,n表示客户的数量;
m表示可支配的配送工具数量;
C表示所调度的配送工具的固定成本;
cij表示客户i和客户j之间的单位距离的运输成本;
dij表示配送工具从客户i和客户j之间的距离;
rij表示配送工具从客户i到达客户j所需的时间;
Ei表示第i个客户允许的最早配送时间;
Li表示第i个客户允许的最晚配送时间;
ti表示配送工具到达客户i所需的时间;
Z1表示所有客户的配送总成本;Z2表示每个客户的等待时间;
μ表示配送工具提前到达客户的机会成本系数;其中,μ的取值范围为:(0,1];
表示配送工具延迟到达客户的惩罚系数;其中,的取值范围为:(0,1];
所述路径规划模型的约束条件为:
其中,Qk表示配送工具k的载重量;
ai表示客户i的需求量;
xijk=1时,表示车辆k从客户i驶向客户j;否则,车辆k从客户i驶向其他客户;
yik=1时,表示客户i由配送工具k服务;否则,客户i由其他配送工具服务;
S表示配送过程中客户个数的集合,s={1,2,3...,n};
|S|=n2,表示S集合的卡迪尔乘积的集合元素个数。
9.根据权利要求7所述物流配送系统,其特征在于,构建所述路径规划模型的约束条件包括:
获取物流配送的基础数据;
根据所获取的基础数据构建运输网络图G;
计算用户需求点间最短距离,并依据道路信息修正运输网络图G,建立最短距离数据库。
10.根据权利要求6所述物流配送系统,其特征在于,所述物流配送的基础数据包括:用户需求点位置坐标和道路初始网络图;
其中,所述道路初始网络图包括:道路的长度、道路起始点、道路终止点,交通拥堵情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410001997.2A CN104766188B (zh) | 2014-01-02 | 2014-01-02 | 一种物流配送的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410001997.2A CN104766188B (zh) | 2014-01-02 | 2014-01-02 | 一种物流配送的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104766188A true CN104766188A (zh) | 2015-07-08 |
CN104766188B CN104766188B (zh) | 2018-06-26 |
Family
ID=53648002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410001997.2A Active CN104766188B (zh) | 2014-01-02 | 2014-01-02 | 一种物流配送的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104766188B (zh) |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105373909A (zh) * | 2015-12-04 | 2016-03-02 | 江苏省现代企业信息化应用支撑软件工程技术研发中心 | 一种基于仿真软件的物流配送中心选址方法 |
CN105719118A (zh) * | 2016-01-21 | 2016-06-29 | 华南师范大学 | 基于图论的多目标物流调度方法和系统 |
CN105719117A (zh) * | 2016-01-21 | 2016-06-29 | 华南师范大学 | 基于图论的协同物流调度方法和系统 |
CN105809290A (zh) * | 2016-03-11 | 2016-07-27 | 中国联合网络通信集团有限公司 | 一种实现物流调度的方法及装置 |
CN106156897A (zh) * | 2016-08-22 | 2016-11-23 | 武汉轻工大学 | 物流配送中最优路径规划模拟系统 |
CN107180280A (zh) * | 2017-06-16 | 2017-09-19 | 深圳市凡谷大地股份有限公司 | 基于道路匹配的物流路线规划方法及系统 |
CN107203858A (zh) * | 2016-03-16 | 2017-09-26 | 阿里巴巴集团控股有限公司 | 配送时间确定方法和装置 |
WO2017167284A1 (zh) * | 2016-03-31 | 2017-10-05 | 北京小度信息科技有限公司 | 商户配送范围的调整方法和装置 |
CN107437123A (zh) * | 2017-06-12 | 2017-12-05 | 广东工业大学 | 基于层次分析法的生鲜产品动态优化配送方法 |
CN108874801A (zh) * | 2017-05-09 | 2018-11-23 | 北京京东尚科信息技术有限公司 | 一种配送站选址的方法和装置 |
CN108960946A (zh) * | 2017-05-19 | 2018-12-07 | 北京京东尚科信息技术有限公司 | 订单显示方法和装置 |
CN109564647A (zh) * | 2016-09-09 | 2019-04-02 | 株式会社日立物流 | 评价装置、评价方法和评价程序 |
CN109571769A (zh) * | 2018-11-20 | 2019-04-05 | 中国十九冶集团有限公司 | 混凝土拌合站设置方法 |
CN109598368A (zh) * | 2018-11-14 | 2019-04-09 | 拉扎斯网络科技(上海)有限公司 | 路径决策评估、订单分配方法及装置、电子设备及介质 |
CN109615137A (zh) * | 2018-12-13 | 2019-04-12 | 合肥工业大学智能制造技术研究院 | 用于云物流环境下云配送的选址优化方法 |
CN109658038A (zh) * | 2019-02-27 | 2019-04-19 | 邯郸学院 | 快递物品配送方法、装置及终端设备 |
CN110009275A (zh) * | 2019-03-19 | 2019-07-12 | 深圳市宏大供应链服务有限公司 | 基于地理位置的物流配送路径规划方法和系统 |
CN110287989A (zh) * | 2019-05-21 | 2019-09-27 | 武汉大学 | 一种基于轮廓系数和ap聚类算法的离散覆盖仓库选址方法 |
CN110298474A (zh) * | 2019-04-28 | 2019-10-01 | 武汉理工大学 | 一种基于ais与gis的船舶备品备件的物流选址方法 |
CN110348678A (zh) * | 2019-05-31 | 2019-10-18 | 口碑(上海)信息技术有限公司 | 配送资源的调度及针对菜品配送的资源调度方法及装置 |
CN110428192A (zh) * | 2019-03-15 | 2019-11-08 | 青岛日日顺物流有限公司 | 社区配送路径规划方法和装置 |
CN110472903A (zh) * | 2019-06-25 | 2019-11-19 | 北京礼贤奥天农业有限公司 | 一种果蔬仓储物流配送系统 |
CN111435293A (zh) * | 2019-01-11 | 2020-07-21 | 丰田自动车株式会社 | 信息处理设备、信息处理方法和程序 |
CN111489253A (zh) * | 2020-04-09 | 2020-08-04 | 中国银行股份有限公司 | 物流业务活跃度的评估方法和装置 |
CN111626777A (zh) * | 2020-05-25 | 2020-09-04 | 泰康保险集团股份有限公司 | 选址方法、选址决策系统、存储介质及电子设备 |
CN112215530A (zh) * | 2019-07-11 | 2021-01-12 | 北京京东尚科信息技术有限公司 | 选仓方法和装置 |
CN112330248A (zh) * | 2020-11-02 | 2021-02-05 | 上海寻梦信息技术有限公司 | 物流末端配送方法、装置、计算机设备和存储介质 |
CN112750015A (zh) * | 2021-01-22 | 2021-05-04 | 上海爱钢国际贸易有限公司 | 一种黑色金属材料用电子交易系统 |
CN112801368A (zh) * | 2021-01-26 | 2021-05-14 | 上海金山纸业有限公司 | 一种物流路径优化的方法及控制装置 |
CN113344267A (zh) * | 2021-05-31 | 2021-09-03 | 重庆交通大学 | 一种基于合作的物流网络资源配置优化方法 |
CN113496297A (zh) * | 2020-03-18 | 2021-10-12 | 北京京东振世信息技术有限公司 | 一种配送路由规划方法和装置 |
CN113762864A (zh) * | 2021-01-06 | 2021-12-07 | 北京京东振世信息技术有限公司 | 一种物流站点的选址方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101814174A (zh) * | 2010-04-07 | 2010-08-25 | 北京交通大学 | 农资连锁经营物流配送中心选址优化方法 |
CN103473612A (zh) * | 2013-09-06 | 2013-12-25 | 周伟华 | 面向超大规模物流配送的选址与运输优化方法 |
-
2014
- 2014-01-02 CN CN201410001997.2A patent/CN104766188B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101814174A (zh) * | 2010-04-07 | 2010-08-25 | 北京交通大学 | 农资连锁经营物流配送中心选址优化方法 |
CN103473612A (zh) * | 2013-09-06 | 2013-12-25 | 周伟华 | 面向超大规模物流配送的选址与运输优化方法 |
Non-Patent Citations (3)
Title |
---|
孙静: "基于地理信息系统的大规模设施选址和路径规划", 《大连海事大学学报》 * |
赵平: "GIS支持下的超市配送中心选址实践", 《城市勘测》 * |
陶经辉: "区域中心城市物流配送体系建设研究", 《物流技术》 * |
Cited By (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105046338B (zh) * | 2015-08-24 | 2019-07-30 | 扬州大学 | 移动平台上的智能快递配送方法 |
CN105373909A (zh) * | 2015-12-04 | 2016-03-02 | 江苏省现代企业信息化应用支撑软件工程技术研发中心 | 一种基于仿真软件的物流配送中心选址方法 |
CN105719118A (zh) * | 2016-01-21 | 2016-06-29 | 华南师范大学 | 基于图论的多目标物流调度方法和系统 |
CN105719117A (zh) * | 2016-01-21 | 2016-06-29 | 华南师范大学 | 基于图论的协同物流调度方法和系统 |
CN105719117B (zh) * | 2016-01-21 | 2020-04-21 | 华南师范大学 | 基于图论的协同物流调度方法和系统 |
CN105719118B (zh) * | 2016-01-21 | 2020-04-21 | 华南师范大学 | 基于图论的多目标物流调度方法和系统 |
CN105809290A (zh) * | 2016-03-11 | 2016-07-27 | 中国联合网络通信集团有限公司 | 一种实现物流调度的方法及装置 |
CN107203858B (zh) * | 2016-03-16 | 2020-12-18 | 菜鸟智能物流控股有限公司 | 配送时间确定方法和装置 |
CN107203858A (zh) * | 2016-03-16 | 2017-09-26 | 阿里巴巴集团控股有限公司 | 配送时间确定方法和装置 |
WO2017167284A1 (zh) * | 2016-03-31 | 2017-10-05 | 北京小度信息科技有限公司 | 商户配送范围的调整方法和装置 |
CN106156897A (zh) * | 2016-08-22 | 2016-11-23 | 武汉轻工大学 | 物流配送中最优路径规划模拟系统 |
CN109564647A (zh) * | 2016-09-09 | 2019-04-02 | 株式会社日立物流 | 评价装置、评价方法和评价程序 |
CN108874801A (zh) * | 2017-05-09 | 2018-11-23 | 北京京东尚科信息技术有限公司 | 一种配送站选址的方法和装置 |
CN108874801B (zh) * | 2017-05-09 | 2021-08-17 | 西安京迅递供应链科技有限公司 | 一种配送站选址的方法和装置 |
CN108960946A (zh) * | 2017-05-19 | 2018-12-07 | 北京京东尚科信息技术有限公司 | 订单显示方法和装置 |
CN107437123B (zh) * | 2017-06-12 | 2020-10-16 | 广东工业大学 | 基于层次分析法的生鲜产品动态优化配送方法 |
CN107437123A (zh) * | 2017-06-12 | 2017-12-05 | 广东工业大学 | 基于层次分析法的生鲜产品动态优化配送方法 |
CN107180280A (zh) * | 2017-06-16 | 2017-09-19 | 深圳市凡谷大地股份有限公司 | 基于道路匹配的物流路线规划方法及系统 |
CN109598368A (zh) * | 2018-11-14 | 2019-04-09 | 拉扎斯网络科技(上海)有限公司 | 路径决策评估、订单分配方法及装置、电子设备及介质 |
CN109598368B (zh) * | 2018-11-14 | 2021-09-10 | 拉扎斯网络科技(上海)有限公司 | 路径决策评估、订单分配方法及装置、电子设备及介质 |
CN109571769A (zh) * | 2018-11-20 | 2019-04-05 | 中国十九冶集团有限公司 | 混凝土拌合站设置方法 |
CN109615137A (zh) * | 2018-12-13 | 2019-04-12 | 合肥工业大学智能制造技术研究院 | 用于云物流环境下云配送的选址优化方法 |
CN111435293B (zh) * | 2019-01-11 | 2023-10-10 | 丰田自动车株式会社 | 信息处理设备、信息处理方法和非暂时性计算机可读存储介质 |
CN111435293A (zh) * | 2019-01-11 | 2020-07-21 | 丰田自动车株式会社 | 信息处理设备、信息处理方法和程序 |
CN109658038A (zh) * | 2019-02-27 | 2019-04-19 | 邯郸学院 | 快递物品配送方法、装置及终端设备 |
CN110428192A (zh) * | 2019-03-15 | 2019-11-08 | 青岛日日顺物流有限公司 | 社区配送路径规划方法和装置 |
CN110428192B (zh) * | 2019-03-15 | 2022-06-14 | 日日顺供应链科技股份有限公司 | 社区配送路径规划方法和装置 |
CN110009275A (zh) * | 2019-03-19 | 2019-07-12 | 深圳市宏大供应链服务有限公司 | 基于地理位置的物流配送路径规划方法和系统 |
CN110298474B (zh) * | 2019-04-28 | 2022-06-03 | 武汉理工大学 | 一种基于ais与gis的船舶备品备件的物流选址方法 |
CN110298474A (zh) * | 2019-04-28 | 2019-10-01 | 武汉理工大学 | 一种基于ais与gis的船舶备品备件的物流选址方法 |
CN110287989B (zh) * | 2019-05-21 | 2021-04-16 | 武汉大学 | 一种基于轮廓系数和ap聚类算法的离散覆盖仓库选址方法 |
CN110287989A (zh) * | 2019-05-21 | 2019-09-27 | 武汉大学 | 一种基于轮廓系数和ap聚类算法的离散覆盖仓库选址方法 |
CN110348678A (zh) * | 2019-05-31 | 2019-10-18 | 口碑(上海)信息技术有限公司 | 配送资源的调度及针对菜品配送的资源调度方法及装置 |
CN110472903A (zh) * | 2019-06-25 | 2019-11-19 | 北京礼贤奥天农业有限公司 | 一种果蔬仓储物流配送系统 |
CN112215530B (zh) * | 2019-07-11 | 2024-05-17 | 北京京东振世信息技术有限公司 | 选仓方法和装置 |
CN112215530A (zh) * | 2019-07-11 | 2021-01-12 | 北京京东尚科信息技术有限公司 | 选仓方法和装置 |
CN113496297A (zh) * | 2020-03-18 | 2021-10-12 | 北京京东振世信息技术有限公司 | 一种配送路由规划方法和装置 |
CN111489253B (zh) * | 2020-04-09 | 2023-09-01 | 中国银行股份有限公司 | 物流业务活跃度的评估方法和装置 |
CN111489253A (zh) * | 2020-04-09 | 2020-08-04 | 中国银行股份有限公司 | 物流业务活跃度的评估方法和装置 |
CN111626777A (zh) * | 2020-05-25 | 2020-09-04 | 泰康保险集团股份有限公司 | 选址方法、选址决策系统、存储介质及电子设备 |
CN112330248A (zh) * | 2020-11-02 | 2021-02-05 | 上海寻梦信息技术有限公司 | 物流末端配送方法、装置、计算机设备和存储介质 |
CN113762864A (zh) * | 2021-01-06 | 2021-12-07 | 北京京东振世信息技术有限公司 | 一种物流站点的选址方法和装置 |
CN112750015A (zh) * | 2021-01-22 | 2021-05-04 | 上海爱钢国际贸易有限公司 | 一种黑色金属材料用电子交易系统 |
CN112750015B (zh) * | 2021-01-22 | 2023-10-31 | 北京勇搏科技有限公司 | 一种黑色金属材料用电子交易系统 |
CN112801368B (zh) * | 2021-01-26 | 2022-04-26 | 上海金山纸业有限公司 | 一种物流路径优化的方法及控制装置 |
CN112801368A (zh) * | 2021-01-26 | 2021-05-14 | 上海金山纸业有限公司 | 一种物流路径优化的方法及控制装置 |
CN113344267A (zh) * | 2021-05-31 | 2021-09-03 | 重庆交通大学 | 一种基于合作的物流网络资源配置优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104766188B (zh) | 2018-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104766188A (zh) | 一种物流配送的方法及系统 | |
CN103927643B (zh) | 一种大规模订单处理与配送路径优化的方法 | |
CN104102953B (zh) | 一种物流送货线路优化生成方法及系统 | |
CN102903037B (zh) | 配送中心选址的方法 | |
CN104408297B (zh) | 通用航空气象信息处理系统 | |
CN104751272A (zh) | 智能订单调度方法、服务器、电动车、移动终端及系统 | |
CN102129484B (zh) | 输电线路数字化平断面图生成方法及装置 | |
CN107145595A (zh) | 一种基于地图的海量数据聚合显示方法 | |
CN104751271A (zh) | 智能订单调度方法、服务器、电动车、移动终端及系统 | |
CN103353888B (zh) | 一种法院审判自动分案系统及方法 | |
CN105701564A (zh) | 运单配送提醒方法和装置 | |
CN105608886A (zh) | 用于调度交通工具的方法和设备 | |
CN105373909A (zh) | 一种基于仿真软件的物流配送中心选址方法 | |
CN106202236A (zh) | 一种用户位置预测方法及装置 | |
CN104751249A (zh) | 一种空间负荷预测方法 | |
CN107256631A (zh) | 一种车辆轨迹数据聚合运算方法 | |
CN102915387A (zh) | 一种电网冰区分布图绘制方法 | |
CN104007948A (zh) | 基于三维gis海量数据分布式计算可视化显示的方法及装置 | |
CN105528649A (zh) | 一种基于聚类和节约算法的路线优化推荐方法 | |
JP2017091409A (ja) | 配送ルート組換システム | |
CN110555448B (zh) | 一种细分派件区域的方法和系统 | |
Bielecka et al. | RELIABILITY ANALYSIS OF INTERPOLATION METHODS IN TRAVEL TIME MAPS--THE CASE OF WARSAW. | |
CN106557580A (zh) | 基于网格化的精细化气象服务系统 | |
CN104680021A (zh) | 求解污染物后向轨迹的方法及其系统 | |
CN103886185A (zh) | 一种用于风资源评估的年风速生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |