CN105046338B - 移动平台上的智能快递配送方法 - Google Patents

Abstract

本发明涉及移动平台上的智能快递配送方法。本发明建立移动端的数据库包括出发点，各个配送地址和最终目的地，结合地图应用的SDK，使用带轮盘赌的贪心算法和全局k‑opt方法规划出发前的最优配送路径，并根据变化修改，将最优路线的详情以文字和地图的形式显示出来。本发明克服了快递配送效率的严重低下，浪费人力且导致快递配送拖延的缺陷。本发明采用全局k‑opt方法，可以优化配送前的快递配送路线；而采用局部k‑opt方法，通过构建可规划地址集，在不影响已经过路线的基础上，可以优化后续路径，不单可以使快递公司得到配送效率上的基本保障，而且也能把快递员从配送路径规划的负担中解脱出来，实现真正的智慧物流。

Description

移动平台上的智能快递配送方法

技术领域

本发明涉及属于物流领域，特别涉及移动平台上的智能快递配送方法。

背景技术

近年来互联网的快速发展，带来了网上购物的火爆，人们足不出户，只需点点鼠标，就能享受到购物的乐趣。在这样一个科技迅猛发展的时代，人们已经习惯在各种 电商网站上购物，然后通过各种快递公司进行配送，获得物品。

然而，目前中国的快递行业仍然处于严重依赖人工的发展阶段，尤其在配送环节中，每个快递员的配送效率差异很大，浪费的时间和经济代价无法估量，而快递公司 也苦于无法在这一环节给快递员给出有效的帮助和指导。近年来，随着物联网的兴起， 信息技术也被逐渐应用到快递行业中去，并进一步催生了“智能物流”的新兴概念。

目前物流配送主要被抽象为以下两种问题进行处理，一是旅行商问题(TSP)，二是车辆调度问题(VRP)。TSP问题可以描述为：一个旅行商要去N个城市，并且知道每 个城市之间的距离，他从某个城市出发，经过剩余N-1个城市，并且能回到出发时的城 市，怎么走才能使他所过的路程最短。VRP问题可以描述为：有一个(或多个)仓库和 多个客户，仓库有车队(车辆数量确定或不确定)，车辆有容量限制，每个客户有一定 量的货物要送到仓库，问仓库怎样派车从一个或多个仓库向许多地理位置分散的客户 提供运输服务，使运输成本最小，同时必须满足一系列的约束，包括车辆容量约束、 货物类型约束、总服务时间窗约束等。虽然TSP和VRP两者处理的问题不同，但他们的 解决方法是类似的，主要可以分为以下两类：(1)精确优化方法，如分枝定界法、割 平面法、动态规划法和网络流算法等；(2)启发式算法，如遗传算法、禁忌搜索算法、 模拟退火算法、神经网络算法、蚁群算法、粒子群算法、构造算法和Lin-Kerningham 算法等。

但是这两种问题与现实中要处理的快递配送问题有以下不同之处：TSP问题要求起 始点与终点相同，而快递配送问题没有这一要求，快递员配送完快递可以去公司、回 家或是其他地方；TSP问题要求每个点经过且只经过一次，但快递配送也没有这个要求， 快递员在某小区派件后，可能又在晚些时候收到到该小区取件的请求，会重新回到原 来地址，也可能在配送其他快件是经过该小区；TSP问题把问题抽象为已知各点间的距 离矩阵，而在实际问题中，所有配送地址都是在快递员拿到快件是才刚刚知道的，中 途还有临时新加入的取件地址或是更改的配送地址，而仅凭人本身无法获知这些地址 之间的精确距离。所以，TSP问题的解决方法不能被直接应用到快递配送问题上来。 另外一方面，VRP问题与与快递配送问题相比：VRP问题假设配送载体为车辆，并在车 辆上安装GPS系统便于定位车辆，由服务端获取其当前地址；而在快递配送中，很多快 递员仍是使用三轮车运载快件，更不用提GPS系统，因此服务器端无法获知各快递员的 实时地址；与此相关的另一个前提假设是VRP由控制中心来接收、取消和修改车辆的目 标地址，并且也是由控制中心来通知各个车辆当前如何行走，下一个目的地址是哪里， 换言之，车辆本身并没有自主性，而在快递配送问题中，都是由快递员直接与收货方 联系，大多数取件也是发生在客户与快递员的直接联系中，所以快递员是直接获取第 一手信息的人，如果像VRP问题一样把信息一个个通知控制中心，然后再由控制中心规 划后告知快递员，只会严重降低效率，而且在传统的快递业中，也是由快递员自行决 定配送路线，所以，要对快递配送路线进行智能规划，最好的选择就是在广泛普及并 且方便携带的移动设备端进行开发；VRP问题考虑的是车队路径管理，即它考虑如何调 度各车辆，虽然也可以将车辆数目限定为1，但这样就无法体现VRP的优势，而快递配 送问题既然要从移动端着手解决，就只能考虑一个快递员的配送路线规划，不适合进 行多人员的统筹调度。因此，VRP问题的解决方法也并不是很被直接应用到快递配送问 题上。

此外，雷鹏提出的“基于Android系统下快递配送软件的设计与实现”，虽然也是在移动端下，但主要研究软件设计层面，涉及服务端与客户端，并且没有对配送路线 方法进行研究，在解决快递配送路线的规划方面不能提供帮助。而我们知道，在现实 生活中的快递配送过程中，配送路线都是个人选择，很大程度上与个人偏好习惯有关， 同时也存在一定的随机性，当出现快件拒收或者无人接受或者临时有新的取件或是更 改配送地址等情况时，快递员有很大可能是仍然沿着既定的配送路线继续配送，而不 会重新规划最优路线，这就导致快递配送效率的严重低下，不但浪费了大量的人力， 燃料以及时间，导致快递配送拖延，不能及时配送到客户手中，而且对快递员本身也 是巨大的身心负担。但是目前对此问题的解决还没有进行深入研究，因此研究一个新 的配送方法迫在眉急。

发明内容

本发明的目的就是要克服上述缺陷，研制、设计移动平台上的智能快递配送方法。

本发明的技术方案是：

移动平台上的智能快递配送方法，其主要技术特征在于如下步骤：

(1)建立移动端的数据库，将出发点，各个配送地址和最终目的地存进数据库，数据 库中包含配送位置信息表和快递详情表，在输入过程中允许因为错误输入而删除 已录入的部分地址；

(2)结合地图应用的SDK，使用带轮盘赌的贪心算法和全局k-opt方法规划出发前的 最优配送路径；

(3)针对配送过程中出现的无法配送，配送地址改变或者新增取件订单等问题，使用 带轮盘赌的贪心算法和局部k-opt方法重新规划当前最优配送路径；

(4)将最优路线的详情以文字和地图的形式显示出来；

(5)若用户需要，可使用语音导航功能，实时播报当前的最优配送快递路线。

所述步骤(2)结合地图应用的SDK，使用带轮盘赌的贪心算法和全局k-opt方法规划出发前的最优配送路线可以这样描述；首先，调用地图应用向开发者开放的SDK，根 据输入的文字地址，获取其对应的经纬度，然后基于经纬度和周边的道路信息，计算 得到每对地址之间适合快递人员的最短交通距离；接下来，从起始点开始，将起始点 作为当前点，在除目的地之外的剩余地址中选取t个(t≥1)离当前点最近的地址，然 后用轮盘赌的方式，即先基于它们距当前地址的最短交通距离计算出每个地址的份额， 然后根据这些份额从中随机选取出下一个配送地址，将该地址从剩余地址集合中移除， 并把它作为下一轮的当前地址，重复以上步骤，直至剩余地址集合为空，把最终目的 地址作为最后一个地址，形成一个初始的快递配送路线.

所述步骤(2)使用k-opt方法每次取消已有的k条边，并添上新的k条边(k≥2)， 并确保最后形成的路线仍然还是一条从起始点开始，经过各个配送地址，最终到达目 的地的连续路径，如果这条新路线的总路程比原来路线的总路程更短，则将该这条新 路线作为当前最优的配送路线，通过以一定的迭代次数上限重复以上k-opt步骤，直至 无法进一步改善，最后得到快递员出发前的最优配送路线。

所述步骤(3)当快递员在配送中途得知一些临时变更情况，譬如无法配送、配送地址改变，或者接到新的取件订单等时，需先调用地图应用的SDK获得当前地址的经 纬度，并将当前地址加入到地址数据库中，删除无需再配送的地址，同时增加更新的 配送地址和要求去取件的地址；接下来，定义一个当前的可规划地址集合，包含所有 尚未配送的地址，计算每个新增地址与集合中其它地址之间的点对距离，使用带轮盘 赌的贪心算法为剩余地址规划一个初始的配送路线，把当前位置作为出发点，把可规 划地址集合中作为规划目标，从当前位置开始，在可规划地址集合中选取t个离当前 点最近的地址，然后用轮盘赌的方式，依据由距离计算出来的份额从t个地址中随机 选取出下一个配送地址，将该地址从可规划地址集合中移除，并把它作为下一轮的当 前地址，重复以上步骤，直至可规划地址集合为空，最后与目的地相连，形成一个初 始的当前快递配送路线；接下来，局部k-opt方法用于该初始路线进行进一步的优化， 在可规划地址集合与当前位置及目的地范围内进行边的交换操作，并要确保新构成的 路线是一条从当前位置出发，经过可规划地址集合，最终达到目的地的局部路线，然 后通过多次重复操作直至无法改善，最终得到当前的最优配送路线。

本发明将先进的信息技术应用到快递配送路线规划上，不单可以使快递公司得到配送效率上的基本保障，而且也能把快递员从配送路径规划的负担中解脱出来，实现 真正的智慧物流。

本发明从快递员角度出发，开发出一款适用于快递员快速递送快递的应用程序，快递员可以在该应用程序中输入需要递送快递的地址，然后由应用程序智能规划出一 条最优的路线图，快递员就可以根据搜索出的路线图高效的完成递送任务，在最快的 时间内将快递递送到客户手中，使客户满意，可以增加客户量，同时降低配送的人力、 物力和燃料等代价。主要有如下一些优点：

(1)这款移动平台上的智能快递配送方法在配送时，可以选取不同的交通工具，对车辆的配置要求很低，不需要配有GPS，可使用三轮车等，在交通方式的选择上有 灵活性，因此可推广性较强。

(2)这款移动平台上的智能快递配送方法在开发平台方面较为普及，只需要携带手机等移动设备即可，方便快递员的携带使用；另外结合地图应用，使用地图可视化， 有导航功能，使配送路线一目了然，为用户提供所有具体配送信息，功能丰富，界面 友好，交互性强，使得配送的工作质量尽量摆脱人的因素，达到一个标准化的效果， 即使是新来不认识路的快递员也可以很好的完成配送任务。

(3)针对快递员在配送中途发生的一些临时变更事件，譬如无法配送、配送地址改变，或者接到新的取件订单等时，以往的动态规划一般都是在服务端的中央配送系 统统一安排，再把指令发送给各个车辆。但快递的特点是快递员直接获取第一手的信 息，由快递员自行调度安排，而我们的这款移动平台上的智能快递配送方法在这方面 可以由直接快递员灵活做出响应，并且实时性很高。

(4)这款移动平台上的智能快递配送方法在算法上使用带随机的贪心算法，可以产生产生比随机或贪心的算法更好的初始解；采用全局k-opt方法，可以优化配送前 的快递配送路线；而采用局部k-opt方法，通过构建可规划地址集，在不影响已经过 路线的基础上，可以优化后续路径，从而使整个配送路径达到最优。

附图说明

图1——本发明流程示意图。

图2——出发前的最优配送路径规划流程示意图。

图3——待配送的最优配送路径规划流程示意图。

图4——待配送地址的地图示意图。

具体实施方式

首先是建立移动端的数据库，将出发点、各个配送地址和最终目的地存进数据库；结合地图应用的SDK，使用带轮盘赌的贪心算法和全局k-opt方法规划出发前的最优配 送路径；针对配送过程中出现的无法配送，配送地址改变或者新增取件订单等问题， 使用带轮盘赌的贪心算法和局部k-opt方法重新规划当前最优配送路径；之后显示最优 路线详情，最后导航递送快递的的路线(具体流程见图1)。

所用的主要是android SDK，地图API，导航SDK。快递的任务主要是实现减少配 送成本以及满足客户的需求，所以快递公司考虑的一个主要方向是如何在保证客户满 意度的前提下，尽量减少成本，而减少成本的关键在于寻找一条最短路径。这里我们 使用带轮盘赌的贪心算法和全局k-opt方法规划出发前的最优配送路径；针对配送过 程中出现的无法配送，配送地址改变或者新增取件订单等问题，使用带轮盘赌的贪心 算法和局部k-opt方法重新规划当前最优配送路径，从而使整个配送过程中配送路线 最短，减少快递员的配送时间。

本发明移动平台上的智能快递配送方法，其特征在于如下步骤，如图1所示：

步骤1).建立移动端的数据库，将出发点，各个配送地址和最终目的地存进数据库，数据库中包含配送位置信息表和快递详情表；位置信息表包括快递编号、经度、 纬度、地址，快递详情表包括快递编号、发件人姓名、发件人电话、发件地址、收件 人姓名、收件人电话、收件人地址、付费方式、重量、日期。作为第一次进入软件添 加地址的快递员，不会得到来自数据库中信息的提示，当快递员输入的地址进入数据 库中后，再次输入相同或者相似地址时，会有提示出现，给用户提供方便。输入地址 时地图API会根据地址名查询中国范围内是否存在该位置，若位置存在则添加位置至 列表中并根据地址显示提示信息，否则提示错误信息，并重新输入。添加位置功能是 通过addactivity.java来实现的。在输入过程中允许因为错误输入而删除已录入的部 分地址，将输入错误的地址往左划，会出现删除菜单，点击删除菜单可以将其删除。 递送快递的位置被正确输入后，如图4所示，显示位置标号页面图，输入递送快递的 位置后，将位置进行标号显示，点击标号可以查看具体信息。

步骤2).结合地图应用的SDK，使用带轮盘赌的贪心算法和全局k-opt方法规划 出发前的最优配送路径，如图2所示。首先，调用地图应用向开发者开放的SDK，根 据输入的文字地址，获取其对应的经纬度，然后基于经纬度和周边的道路信息，计算 得到每对地址之间适合快递人员的最短交通距离；接下来，从起始点开始，将起始点 作为当前点，在除目的地之外的剩余地址中选取t个(t≥1)离当前点最近的地址，然 后用轮盘赌的方式，即先基于它们距当前地址的最短交通距离计算出每个地址的份额， 然后根据这些份额从中随机选取出下一个配送地址，将该地址从剩余地址集合中移除， 并把它作为下一轮的当前地址，重复以上步骤，直至剩余地址集合为空，把最终目的 地址作为最后一个地址，形成一个初始的快递配送路线；在此基础上，使用k-opt方 法每次取消已有的k条边，并添上新的k条边(k≥2)，并确保最后形成的路线仍然还 是一条从起始点开始，经过各个配送地址，最终到达目的地的连续路径，如果这条新 路线的总路程比原来路线的总路程更短，则将该这条新路线作为当前最优的配送路线， 通过以一定的迭代次数上限重复以上k-opt步骤，直至无法进一步改善，最后得到快 递员出发前的最优配送路线。

步骤3).当快递员在配送中途得知一些临时变更情况，譬如无法配送、配送地址改变，或者接到新的取件订单等时，如图3所示，需先调用地图应用的SDK获得当前 地址的经纬度，并将当前地址加入到地址数据库中，删除无需再配送的地址，同时增 加更新的配送地址和要求去取件的地址。接下来，使用带轮盘赌的贪心算法和局部 k-opt方法重新规划当前最优配送路径。首先定义一个当前的可规划地址集合，包含 所有尚未配送的地址，计算每个新增地址与集合中其它地址之间的点对距离，使用带 轮盘赌的贪心算法为剩余地址规划一个初始的配送路线，这里与步骤2)中不同的是 要把当前位置作为出发点，把可规划地址集合中作为规划目标，从当前位置开始，在 可规划地址集合中选取t个离当前点最近的地址，然后用轮盘赌的方式，依据由距离 计算出来的份额从t个地址中随机选取出下一个配送地址，将该地址从可规划地址集 合中移除，并把它作为下一轮的当前地址，重复以上步骤，直至可规划地址集合为空， 最后与目的地相连，形成一个初始的当前快递配送路线；接下来，局部k-opt方法用 于该初始路线进行进一步的优化，它与全局k-opt方法的差别在于后者可以在完整的 快递配送路线上取消或添加k条边，而局部k-opt方法受到已配送路线的限制，只能 在可规划地址集合与当前位置及目的地范围内进行边的交换操作，并要确保新构成的 路线是一条从当前位置出发，经过可规划地址集合，最终达到目的地的局部路线，然 后通过多次重复操作直至无法改善，最终得到当前的最优配送路线。

步骤4).将最优路线在地图上显示出来，可以看到递送的先后顺序以及具体路线信息，具体路线信息包括路线的距离，时间等。也可以用详细的文字来说明具体路径， 由于手机屏幕的限制以及许多规划地址的存在，使得百度地图上的路线不利于观看， 可以通过该功能显示路线的详情列表，了解地点的先后顺序。

步骤5).若用户需要，可使用语音导航功能，实时播报当前的最优配送快递路线，正确快速的将快递递送到客户手中。

Claims (2)

1.移动平台上的智能快递配送方法，其特征在于如下步骤：

(1)建立移动端的数据库，将起始点，各个配送地址和最终目的地存进数据库，数据库中包含配送位置信息表和快递详情表，在输入过程中允许因为错误输入而删除已录入的部分地址；

(2)结合地图应用的SDK，使用带轮盘赌的贪心算法和全局k-opt方法规划出发前的最优配送路径，即调用地图应用向开发者开放的SDK，根据输入的文字地址，获取其对应的经纬度，然后基于经纬度和周边的道路信息，计算得到每对地址之间适合快递人员的最短交通距离；接下来，从起始点开始，将起始点作为当前点，在除目的地之外的剩余地址中选取t个离当前点最近的地址，其中t≥1，然后用轮盘赌的方式，即先基于它们距当前地址的最短交通距离计算出每个地址的份额，然后根据这些份额从中随机选取出下一个配送地址，将该地址从剩余地址集合中移除，并把它作为下一轮的当前地址，重复以上步骤，直至剩余地址集合为空，把最终目的地址作为最后一个地址，形成一个初始的快递配送路径；在此基础上，使用k-opt方法每次取消已有的k条边，并添上新的k条边，其中k≥2，并确保最后形成的路线仍然还是一条从起始点开始，经过各个配送地址，最终到达目的地的连续路径，如果这条新路径的总路程比原来路径的总路程更短，则将该这条新路径作为当前最优的配送路径，通过以一定的迭代次数上限重复以上k-opt步骤，直至无法进一步改善，最后得到快递员出发前的最优配送路径；

(3)针对配送过程中出现的无法配送，配送地址改变或者新增取件订单问题，使用带轮盘赌的贪心算法和局部k-opt方法重新规划当前最优配送路径；

(4)将最优配送路径的详情以文字和地图的形式显示出来；

(5)若用户需要，可使用语音导航功能，实时播报当前的最优配送路径。

2.根据权利要求1所述的移动平台上的智能快递配送方法，其特征在于所述步骤(3)当快递员在配送中途得知一些临时变更情况，无法配送、配送地址改变，或者接到新的取件订单，需先调用地图应用的SDK获得当前地址的经纬度，将当前地址加入到地址数据库中，删除无需再配送的地址，增加更新的配送地址和要求去取件的地址；接着定义一个当前的可规划地址集合，包含所有尚未配送的地址，计算每个新增地址与集合中其它地址之间的点对距离，使用带轮盘赌的贪心算法为剩余地址规划一个初始的配送路径，把当前位置作为起始点，把可规划地址集合作为规划目标，从当前位置开始，在可规划地址集合中选取t个离当前点最近的地址，然后用轮盘赌的方式，依据由距离计算出来的份额从t个地址中随机选取出下一个配送地址，将该地址从可规划地址集合中移除，并把它作为下一轮的当前地址，重复以上步骤，直至可规划地址集合为空，最后与目的地相连，形成一个初始的当前快递配送路径；局部k-opt方法用于初始的当前快递配送路径进行进一步的优化，在可规划地址集合与当前位置及目的地范围内进行边的交换操作，并确保新构成的路径是一条从当前位置出发，经过可规划地址集合，最终达到目的地的局部路径，然后通过多次重复操作直至无法改善，最终得到当前的最优配送路径。