CN106203700A - 物流管理系统的物流运输方案确定方法和系统 - Google Patents
物流管理系统的物流运输方案确定方法和系统 Download PDFInfo
- Publication number
- CN106203700A CN106203700A CN201610542139.8A CN201610542139A CN106203700A CN 106203700 A CN106203700 A CN 106203700A CN 201610542139 A CN201610542139 A CN 201610542139A CN 106203700 A CN106203700 A CN 106203700A
- Authority
- CN
- China
- Prior art keywords
- cost
- transportation
- car
- path
- ratio value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012937 correction Methods 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims 1
- 230000015572 biosynthetic process Effects 0.000 abstract description 2
- 238000003786 synthesis reaction Methods 0.000 abstract description 2
- 230000032258 transport Effects 0.000 description 57
- 230000000694 effects Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种物流管理系统的物流运输方案确定方法和系统,方法包括:根据预先建立的运输线路模型获取预选的两个节点间的最优路径,从所有可能的第一运输组合中筛选出符合约束条件的第二运输组合,根据最优路径下待运输对象的历史发车比例值计算第二运输组合的发车比例值,从而计算运输成本,并将运输成本与预设的成本阈值之间的差值作为反馈量,对第二运输组合的发车比例值进行调整,上述方法和系统综合考虑了运输路径、载重和尺寸约束条件和货物组合,最终得到预设成本对应的最优发车方案,能够有效降低运输成本。
Description
技术领域
本发明涉及物流管理技术领域,特别是涉及一种物流管理系统的物流运输方案确定方法和系统。
背景技术
物流管理(Logistics Management)是指在社会再生产过程中,根据物质资料实体流动的规律,应用管理的基本原理和科学方法,对物流活动进行计划、组织、指挥、协调、控制和监督,使各项物流活动实现最佳的协调与配合,以降低物流成本,提高物流效率和经济效益。运输成本控制是物流管理中的一项重要内容。运输成本在整个物流系统中所占的比重较大,运输成本的有效控制对物流总成本的节约具有举足轻重的作用。
一般而言,为了减少运输成本,现有技术往往会对运输距离和运输车辆的装载量等因素进行优化。上述优化能够从一定程度上减少运输成本。但是,在进行运输时,一辆运输车辆往往可以装载不同的货物组合,不同货物组合的载重量、占用空间等参数都不相同,而这些参数都会对运输成本产生一定影响。目前对如何优化货物组合来减少运输成本的研究还较少,仅通过优化运输距离和装载量的方式来减少运输成本,效果较差。
发明内容
基于此,有必要针对减少运输成本的效果较差的问题,提供一种物流管理系统的物流运输方案确定方法和系统。
一种物流管理系统的物流运输方案确定方法,包括以下步骤:
根据预先建立的运输线路模型获取预选的两个节点间的最优路径,根据所述最优路径计算所述两个节点对应的城市之间的行驶成本;
对给定的N种类型的待运输对象,生成所有由最多M种类型的待运输对象组成的第一运输组合,从所述第一运输组合中筛选出符合运输车辆的载重和尺寸约束条件的第二运输组合;其中,M和N为正整数,且M小于或等于N;
根据所述最优路径下各种类型的待运输对象的历史发车比例值估算所述最优路径下各个第二运输组合的发车比例值,根据所述发车比例值计算所述最优路径下的平均装载量,根据所述平均装载量和行驶成本预测对应城市之间的运输成本;
若所述运输成本大于预设的成本阈值,计算所述运输成本与所述成本阈值之间的差值,根据所述差值调整各个第二运输组合的发车比例值,并返回根据所述发车比例值计算所述最优路径下的平均装载量的步骤;
若所述运输成本小于或者等于所述预设的成本阈值,根据所述最优路径、载重和尺寸约束条件和调整后的发车比例值确定物流运输方案。
一种物流管理系统的物流运输方案确定系统,包括:
计算模块,用于根据预先建立的运输线路模型获取预选的两个节点间的最优路径,根据所述最优路径计算所述两个节点对应的城市之间的行驶成本;
筛选模块,用于对给定的N种类型的待运输对象,生成所有由最多M种类型的待运输对象组成的第一运输组合,从所述第一运输组合中筛选出符合运输车辆的载重和尺寸约束条件的第二运输组合;其中,M和N为正整数,且M小于或等于N;
预测模块,用于根据所述最优路径下各种类型的待运输对象的历史发车比例值估算所述最优路径下各个第二运输组合的发车比例值,根据所述发车比例值计算所述最优路径下的平均装载量,根据所述平均装载量和行驶成本预测对应城市之间的运输成本;
调整模块,用于若所述运输成本大于预设的成本阈值,计算所述运输成本与所述成本阈值之间的差值,根据所述差值调整各个第二运输组合的发车比例值,并重新执行所述预测模块的功能;
确定模块,用于若所述运输成本小于或者等于所述预设的成本阈值,根据所述最优路径、载重和尺寸约束条件和调整后的发车比例值确定物流运输方案。
上述物流管理系统的物流运输方案确定方法和系统,根据预先建立的运输线路模型获取预选的两个节点间的最优路径,从所有可能的第一运输组合中筛选出符合约束条件的第二运输组合,根据最优路径下待运输对象的历史发车比例值计算第二运输组合的发车比例值,从而计算运输成本,并将运输成本与预设的成本阈值之间的差值作为反馈量,对第二运输组合的发车比例值进行调整,上述方法和系统综合考虑了运输路径、载重和尺寸约束条件和货物组合,最终得到预设成本对应的最优发车方案,能够有效降低运输成本。
附图说明
图1为本发明的物流管理系统的物流运输方案确定方法的流程图;
图2为运输线路模型的示意图;
图3为本发明的物流管理系统的物流运输方案确定系统的结构示意图。
具体实施方式
下面结合附图对本发明的物流管理系统的物流运输方案确定方法和系统的实施例进行说明。
图1为本发明的物流管理系统的物流运输方案确定方法的流程图。如图1所示,所述方法可包括以下步骤:
S1,根据预先建立的运输线路模型获取预选的两个节点间的最优路径,根据所述最优路径计算所述两个节点对应的城市之间的行驶成本;
其中,所述运输线路模型可以以各个城市为节点,以城市间的高速公路为节点间的路径,以连接两个城市的高速公路的距离对应的距离函数为路径权重,预先建立,运输线路模型的示意图如图2所示,图中的A1、A2、A3、A4和A5为节点,节点间的线段表示路径,路径上的数值表示路径权重。其中,所述距离函数用于表征所述路径上产生的成本。所述成本一般可包括高速公路收费、油费等,其中高速公路收费与路径距离及各省市的收费标准、载重有关,油费与路径距离有关。
在建立运输线路模型之后,还可根据各个路径的实时路况信息对所述路径权重进行校正。具体地,若所述路径不可通行,将所述路径的权重更新为无穷大。这样可以避免因临时修路、道路拥堵等原因导致路线难以通行。在校正权重之后,可以从所述运输线路模型的节点中选定起始节点和目的节点,根据Dijkstra算法从校正后的路径中选择连通所述起始节点和目的节点的路径中总权重最小的路径,并将所述总权重最小的路径设为所述起始节点和目的节点之间的最优路径。其中,所述权重可以是归一化的权重。
在获取最优路径之后,可据所述最优路径计算所述两个节点对应的城市之间的行驶成本。其中,为了使计算结果更符合实际情况,可将固定成本,如折旧费、车险年检,变动成本如油费、路桥费、司机工资补贴、维修费、罚款等计入行驶成本中。
S2,对给定的N种类型的待运输对象,生成所有由最多M种类型的待运输对象组成的第一运输组合,从所述第一运输组合中筛选出符合运输车辆的载重和尺寸约束条件的第二运输组合;其中,M和N为正整数,且M小于或等于N;
下面以一个例子来说明。假设待运输对象为商品车,商品车的类型总共有6种,包括X2、X5、X8、凯越、驭胜和全顺短轴,一辆运输车辆上装载的商品车的类型为3种,则可能的第一运输组合有20种,例如:(X2,X5,X8)或(X5,X8,凯越)等。
对于每一种组合类型,可遍历每辆运输车辆可以装载商品车数量情况下生成所有可能的组合,例如对于组合(X5,X8,凯越),假设运输车辆可以装载的商品车数量为11,那么第一运输组合(X5,X8,凯越)可能的数量组合包括(11,0,0)、(10,1,0)、(10,0,1)、(9,2,0)等等。
上述组合需要满足运输车辆的载重和尺寸约束条件。可根据所述第一运输组合中待运输对象的类型数量以及每种类型的待运输对象的重量计算所述第一运输组合的总重量,将所述总重量与所述运输车辆的载重量进行比较,若所述总重量大于所述运输车辆的载重量,删除对应的第一运输组合,将未删除的第一运输组合设为符合载重量约束条件的第三运输组合,从而筛选出符合载重约束条件的组合。可根据所述第三运输组合中待运输对象的类型数量以及每种类型的待运输对象的尺寸计算所述第三运输组合的总尺寸,将所述总尺寸与所述运输车辆的尺寸进行比较,若所述总尺寸大于所述运输车辆的尺寸,删除对应的第三运输组合,将未删除的第三运输组合设为符合尺寸约束条件的第二运输组合,从而筛选出符合尺寸约束条件的组合。
S3,根据所述最优路径下各种类型的待运输对象的历史发车比例值估算所述最优路径下各个第二运输组合的发车比例值,根据所述发车比例值计算所述最优路径下的平均装载量,根据所述平均装载量和行驶成本预测对应城市之间的运输成本;
在本步骤中,可根据如下公式计算发车比例值:
式中,K为待运输对象的总数量,M为第二运输组合中待运输对象的类型数,xi为所述最优路径下第i种待运输对象,ai为第二运输组合中第i种待运输对象的数量,P(xi)为xi的历史发车比例值,P为所述发车比例值,1≤i≤M。
还可根据如下公式计算平均装载量:
式中,mj为所述最优路径下第j个第二运输组合的总装载量,Pj为所述最优路径下第j个第二运输组合的发车比例值,为所述最优路径下的平均装载量。
最后,可根据按照上述方式计算出的平均装载量和行驶成本预测对应城市之间的运输成本。通过这种方式定量地计算运输成本,提供了运输成本的合理计算方式,精确度较高,避免了因人为因素影响较大而降低预测精确度的问题。
S4,若所述运输成本大于预设的成本阈值,计算所述运输成本与所述成本阈值之间的差值,根据所述差值调整各个第二运输组合的发车比例值,并返回根据所述发车比例值计算所述最优路径下的平均装载量的步骤;
在本步骤中,可将步骤S3中计算出的运输成本与预设的成本阈值的差值作为反馈量,用来调整各个第二运输组合的发车比例值,并重复该调整的过程,直到所述运输成本小于或者等于所述预设的成本阈值。
S5,若所述运输成本小于或者等于所述预设的成本阈值,根据所述最优路径、载重和尺寸约束条件和调整后的发车比例值确定物流运输方案。
根据步骤S4的循环调整发车比例值之后,当运输成本小于或者等于所述预设的成本阈值时,可认为此时的发车比例值为最优发车比例值,根据最优路径、载重和尺寸约束条件和所述最优发车比例值可最终确定一个最优的物流运输方案。通过这种方式,综合考虑了运输路径、载重和尺寸约束条件和货物组合,最终得到预设成本对应的最优发车方案,能够有效降低运输成本。
在得到所述物流运输方案之后,还可以预估所述物流运输方案对应的运输成本,以便制定符合市场的支付价格以及收入价格,提高报价效率及业务成交率。
图3为本发明的物流管理系统的物流运输方案确定系统的结构示意图。如图3所示,所述系统可包括:
计算模块10,用于根据预先建立的运输线路模型获取预选的两个节点间的最优路径,根据所述最优路径计算所述两个节点对应的城市之间的行驶成本;
其中,所述运输线路模型可以以各个城市为节点,以城市间的高速公路为节点间的路径,以连接两个城市的高速公路的距离对应的距离函数为路径权重,预先建立,运输线路模型的示意图如图2所示,图中的A1、A2、A3、A4和A5为节点,节点间的线段表示路径,路径上的数值表示路径权重。其中,所述距离函数用于表征所述路径上产生的成本。所述成本一般可包括高速公路收费、油费等,其中高速公路收费与路径距离及各省市的收费标准、载重有关,油费与路径距离有关。
在建立运输线路模型之后,还可根据各个路径的实时路况信息对所述路径权重进行校正。具体地,若所述路径不可通行,将所述路径的权重更新为无穷大。这样可以避免因临时修路、道路拥堵等原因导致路线难以通行。在校正权重之后,可以从所述运输线路模型的节点中选定起始节点和目的节点,根据Dijkstra算法从校正后的路径中选择连通所述起始节点和目的节点的路径中总权重最小的路径,并将所述总权重最小的路径设为所述起始节点和目的节点之间的最优路径。其中,所述权重可以是归一化的权重。
在获取最优路径之后,可据所述最优路径计算所述两个节点对应的城市之间的行驶成本。其中,为了使计算结果更符合实际情况,可将固定成本,如折旧费、车险年检,变动成本如油费、路桥费、司机工资补贴、维修费、罚款等计入行驶成本中。
筛选模块20,用于对给定的N种类型的待运输对象,生成所有由最多M种类型的待运输对象组成的第一运输组合,从所述第一运输组合中筛选出符合运输车辆的载重和尺寸约束条件的第二运输组合;其中,M和N为正整数,且M小于或等于N;
下面以一个例子来说明。假设待运输对象为商品车,商品车的类型总共有6种,包括X2、X5、X8、凯越、驭胜和全顺短轴,一辆运输车辆上装载的商品车的类型为3种,则可能的第一运输组合有20种,例如:(X2,X5,X8)或(X5,X8,凯越)等。
对于每一种组合类型,可遍历每辆运输车辆可以装载商品车数量情况下生成所有可能的组合,例如对于组合(X5,X8,凯越),假设运输车辆可以装载的商品车数量为11,那么第一运输组合(X5,X8,凯越)可能的数量组合包括(11,0,0)、(10,1,0)、(10,0,1)、(9,2,0)等等。
上述组合需要满足运输车辆的载重和尺寸约束条件。可根据所述第一运输组合中待运输对象的类型数量以及每种类型的待运输对象的重量计算所述第一运输组合的总重量,将所述总重量与所述运输车辆的载重量进行比较,若所述总重量大于所述运输车辆的载重量,删除对应的第一运输组合,将未删除的第一运输组合设为符合载重量约束条件的第三运输组合,从而筛选出符合载重约束条件的组合。可根据所述第三运输组合中待运输对象的类型数量以及每种类型的待运输对象的尺寸计算所述第三运输组合的总尺寸,将所述总尺寸与所述运输车辆的尺寸进行比较,若所述总尺寸大于所述运输车辆的尺寸,删除对应的第三运输组合,将未删除的第三运输组合设为符合尺寸约束条件的第二运输组合,从而筛选出符合尺寸约束条件的组合。
预测模块30,用于根据所述最优路径下各种类型的待运输对象的历史发车比例值估算所述最优路径下各个第二运输组合的发车比例值,根据所述发车比例值计算所述最优路径下的平均装载量,根据所述平均装载量和行驶成本预测对应城市之间的运输成本;
可根据如下公式计算发车比例值:
式中,K为待运输对象的总数量,M为第二运输组合中待运输对象的类型数,xi为所述最优路径下第i种待运输对象,ai为第二运输组合中第i种待运输对象的数量,P(xi)为xi的历史发车比例值,P为所述发车比例值,1≤i≤M。
还可根据如下公式计算平均装载量:
式中,mj为所述最优路径下第j个第二运输组合的总重量,Pj为所述最优路径下第j个第二运输组合的发车比例值,为所述最优路径下的平均装载量。
最后,可根据按照上述方式计算出的平均装载量和行驶成本预测对应城市之间的运输成本。通过这种方式定量地计算运输成本,提供了运输成本的合理计算方式,精确度较高,避免了因人为因素影响较大而降低预测精确度的问题。
调整模块40,用于若所述运输成本大于预设的成本阈值,计算所述运输成本与所述成本阈值之间的差值,根据所述差值调整各个第二运输组合的发车比例值,并重新执行所述预测模块的功能;
可将预测模块30计算出的运输成本与预设的成本阈值的差值作为反馈量,用来调整各个第二运输组合的发车比例值,并重复该调整的过程,直到所述运输成本小于或者等于所述预设的成本阈值。
确定模块50,用于若所述运输成本小于或者等于所述预设的成本阈值,根据所述最优路径、载重和尺寸约束条件和调整后的发车比例值确定物流运输方案。
根据调整模块40的循环调整发车比例值之后,当运输成本小于或者等于所述预设的成本阈值时,可认为此时的发车比例值为最优发车比例值,根据最优路径、载重和尺寸约束条件和所述最优发车比例值可最终确定一个最优的物流运输方案。通过这种方式,综合考虑了运输路径、载重和尺寸约束条件和货物组合,最终得到预设成本对应的最优发车方案,能够有效降低运输成本。
在得到所述物流运输方案之后,还可以预估所述物流运输方案对应的运输成本,以便制定符合市场的支付价格以及收入价格,提高报价效率及业务成交率。
本发明的物流管理系统的物流运输方案确定系统与本发明的物流管理系统的物流运输方案确定方法一一对应,在上述物流管理系统的物流运输方案确定方法的实施例阐述的技术特征及其有益效果均适用于物流管理系统的物流运输方案确定系统的实施例中,特此声明。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种物流管理系统的物流运输方案确定方法,其特征在于,包括以下步骤:
根据预先建立的运输线路模型获取预选的两个节点间的最优路径,根据所述最优路径计算所述两个节点对应的城市之间的行驶成本;
对给定的N种类型的待运输对象,生成所有由最多M种类型的待运输对象组成的第一运输组合,从所述第一运输组合中筛选出符合运输车辆的载重和尺寸约束条件的第二运输组合;其中,M和N为正整数,且M小于或等于N;
根据所述最优路径下各种类型的待运输对象的历史发车比例值估算所述最优路径下各个第二运输组合的发车比例值,根据所述发车比例值计算所述最优路径下的平均装载量,根据所述平均装载量和行驶成本预测对应城市之间的运输成本;
若所述运输成本大于预设的成本阈值,计算所述运输成本与所述成本阈值之间的差值,根据所述差值调整各个第二运输组合的发车比例值,并返回根据所述发车比例值计算所述最优路径下的平均装载量的步骤;
若所述运输成本小于或者等于所述预设的成本阈值,根据所述最优路径、载重和尺寸约束条件和调整后的发车比例值确定物流运输方案。
2.根据权利要求1所述的物流管理系统的物流运输方案确定方法,其特征在于,根据所述运输线路模型获取预选的两个节点间的最优路径之前,还包括以下步骤:
以各个城市为节点,以城市间的高速公路为节点间的路径,以连接两个城市的高速公路的距离对应的距离函数为路径权重,建立运输线路模型。
3.根据权利要求2所述的物流管理系统的物流运输方案确定方法,其特征在于,根据预先建立的运输线路模型获取预选的两个节点间的最优路径的步骤包括:
获取各个路径的实时路况信息,根据所述实时路况信息对所述路径权重进行校正;
在所述节点中选定起始节点和目的节点,根据Dijkstra算法从校正后的路径中选择连通所述起始节点和目的节点的路径中总权重最小的路径;
将所述总权重最小的路径设为所述起始节点和目的节点之间的最优路径。
4.根据权利要求3所述的物流管理系统的物流运输方案确定方法,其特征在于,根据所述实时路况信息对所述路径权重进行校正的步骤包括:
若所述路径不可通行,将所述路径的权重更新为无穷大。
5.根据权利要求1所述的物流管理系统的物流运输方案确定方法,其特征在于,从所述第一运输组合中筛选出符合运输车辆的载重和尺寸约束条件的第二运输组合的步骤包括:
根据所述第一运输组合中待运输对象的类型数量以及每种类型的待运输对象的重量计算所述第一运输组合的总重量,将所述总重量与所述运输车辆的载重量进行比较,若所述总重量大于所述运输车辆的载重量,删除对应的第一运输组合,将未删除的第一运输组合设为符合载重量约束条件的第三运输组合;
根据所述第三运输组合中待运输对象的类型数量以及每种类型的待运输对象的尺寸计算所述第三运输组合的总尺寸,将所述总尺寸与所述运输车辆的尺寸进行比较,若所述总尺寸大于所述运输车辆的尺寸,删除对应的第三运输组合,将未删除的第三运输组合设为符合尺寸约束条件的第二运输组合。
6.根据权利要求1所述的物流管理系统的物流运输方案确定方法,其特征在于,根据所述最优路径下各种类型的待运输对象的历史发车比例值估算所述最优路径下各个第二运输组合的发车比例值的步骤包括:
根据如下公式计算发车比例值:
式中,K为待运输对象的总数量,M为第二运输组合中待运输对象的类型数,xi为所述最优路径下第i种待运输对象,ai为第二运输组合中第i种待运输对象的数量,P(xi)为xi的历史发车比例值,P为所述发车比例值,1≤i≤M。
7.根据权利要求1所述的物流管理系统的物流运输方案确定方法,其特征在于,根据所述发车比例值计算所述最优路径下的平均装载量的步骤包括:
根据如下公式计算平均装载量:
式中,mj为所述最优路径下第j个第二运输组合的总装载量,Pj为所述最优路径下第j个第二运输组合的发车比例值,为所述最优路径下的平均装载量。
8.根据权利要求1所述的物流管理系统的物流运输方案确定方法,其特征在于,根据所述平均装载量和行驶成本预测对应城市之间的运输成本的步骤包括:
将所述最优路径划分为第一子路径和第二子路径;
分别计算所述第一子路径下的第一运输成本和第二子路径下的第二运输成本;
将所述第一运输成本和第二运输成本之和设为对应城市之间的运输成本。
9.一种物流管理系统的物流运输方案确定系统,其特征在于,包括:
计算模块,用于根据预先建立的运输线路模型获取预选的两个节点间的最优路径,根据所述最优路径计算所述两个节点对应的城市之间的行驶成本;
筛选模块,用于对给定的N种类型的待运输对象,生成所有由最多M种类型的待运输对象组成的第一运输组合,从所述第一运输组合中筛选出符合运输车辆的载重和尺寸约束条件的第二运输组合;其中,M和N为正整数,且M小于或等于N;
预测模块,用于根据所述最优路径下各种类型的待运输对象的历史发车比例值估算所述最优路径下各个第二运输组合的发车比例值,根据所述发车比例值计算所述最优路径下的平均装载量,根据所述平均装载量和行驶成本预测对应城市之间的运输成本;
调整模块,用于若所述运输成本大于预设的成本阈值,计算所述运输成本与所述成本阈值之间的差值,根据所述差值调整各个第二运输组合的发车比例值,并重新执行所述预测模块的功能;
确定模块,用于若所述运输成本小于或者等于所述预设的成本阈值,根据所述最优路径、载重和尺寸约束条件和调整后的发车比例值确定物流运输方案。
10.根据权利要求9所述的物流管理系统的物流运输方案确定系统,其特征在于,还包括:
建模模块,用于以各个城市为节点,以城市间的高速公路为节点间的路径,以连接两个城市的高速公路的距离为路径权重,建立运输线路模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610542139.8A CN106203700B (zh) | 2016-07-11 | 2016-07-11 | 物流管理系统的物流运输方案确定方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610542139.8A CN106203700B (zh) | 2016-07-11 | 2016-07-11 | 物流管理系统的物流运输方案确定方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106203700A true CN106203700A (zh) | 2016-12-07 |
CN106203700B CN106203700B (zh) | 2017-10-31 |
Family
ID=57476794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610542139.8A Active CN106203700B (zh) | 2016-07-11 | 2016-07-11 | 物流管理系统的物流运输方案确定方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106203700B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651051A (zh) * | 2016-12-30 | 2017-05-10 | 宁波贤晟信息技术有限公司 | 一种物流运输调度系统 |
CN107944598A (zh) * | 2017-10-31 | 2018-04-20 | 苏宁云商集团股份有限公司 | 一种物流路径配置方法及系统 |
CN108229882A (zh) * | 2017-12-27 | 2018-06-29 | 重庆博欧科技有限公司 | 用于物流公司的收入预估系统 |
CN108898336A (zh) * | 2018-06-14 | 2018-11-27 | 广州国铭职业技能培训有限公司 | 一种智能物流自动配送方法 |
CN110853349A (zh) * | 2019-10-24 | 2020-02-28 | 杭州飞步科技有限公司 | 车辆调度方法、装置及设备 |
CN111461586A (zh) * | 2019-05-28 | 2020-07-28 | 上海汽车集团股份有限公司 | 运输成本与运输时间的双目标优化方法、装置以及介质 |
CN111985873A (zh) * | 2020-08-21 | 2020-11-24 | 杨培 | 一种物流运输方案获取方法 |
CN112883071A (zh) * | 2021-02-03 | 2021-06-01 | 天津大学 | 一种多海工模块装船的驳船智能选取方法 |
CN113077103A (zh) * | 2021-04-16 | 2021-07-06 | 北京京东振世信息技术有限公司 | 运输网络规划方法和装置 |
CN115994635A (zh) * | 2023-03-23 | 2023-04-21 | 广东鉴面智能科技有限公司 | 一种皮带最优卸料运输路径检测方法、系统和介质 |
CN116681197A (zh) * | 2023-08-03 | 2023-09-01 | 万联易达物流科技有限公司 | 一种基于大数据的物流线路搜索方法及系统 |
CN116911470A (zh) * | 2023-09-12 | 2023-10-20 | 深圳市宏大供应链服务有限公司 | 一种基于深度学习的数据分析方法、系统及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140180954A1 (en) * | 2012-12-20 | 2014-06-26 | Oracle International Corporation | Concurrent determination of shipping mode and ship unit packing during transportation planning |
CN104866911A (zh) * | 2014-02-21 | 2015-08-26 | 日本电气株式会社 | 用于优化物流配载的设备和方法 |
-
2016
- 2016-07-11 CN CN201610542139.8A patent/CN106203700B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140180954A1 (en) * | 2012-12-20 | 2014-06-26 | Oracle International Corporation | Concurrent determination of shipping mode and ship unit packing during transportation planning |
CN104866911A (zh) * | 2014-02-21 | 2015-08-26 | 日本电气株式会社 | 用于优化物流配载的设备和方法 |
Non-Patent Citations (1)
Title |
---|
康凯等: "物流配送中配载、车辆路径、配装集成优化模型研究", 《物流技术》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651051A (zh) * | 2016-12-30 | 2017-05-10 | 宁波贤晟信息技术有限公司 | 一种物流运输调度系统 |
CN107944598A (zh) * | 2017-10-31 | 2018-04-20 | 苏宁云商集团股份有限公司 | 一种物流路径配置方法及系统 |
CN108229882A (zh) * | 2017-12-27 | 2018-06-29 | 重庆博欧科技有限公司 | 用于物流公司的收入预估系统 |
CN108229882B (zh) * | 2017-12-27 | 2021-08-31 | 重庆博欧科技有限公司 | 用于物流公司的收入预估系统 |
CN108898336A (zh) * | 2018-06-14 | 2018-11-27 | 广州国铭职业技能培训有限公司 | 一种智能物流自动配送方法 |
CN111461586B (zh) * | 2019-05-28 | 2024-03-19 | 上海汽车集团股份有限公司 | 运输成本与运输时间的双目标优化方法、装置以及介质 |
CN111461586A (zh) * | 2019-05-28 | 2020-07-28 | 上海汽车集团股份有限公司 | 运输成本与运输时间的双目标优化方法、装置以及介质 |
CN110853349A (zh) * | 2019-10-24 | 2020-02-28 | 杭州飞步科技有限公司 | 车辆调度方法、装置及设备 |
CN111985873A (zh) * | 2020-08-21 | 2020-11-24 | 杨培 | 一种物流运输方案获取方法 |
CN112883071A (zh) * | 2021-02-03 | 2021-06-01 | 天津大学 | 一种多海工模块装船的驳船智能选取方法 |
CN112883071B (zh) * | 2021-02-03 | 2022-11-01 | 天津大学 | 一种多海工模块装船的驳船智能选取方法 |
CN113077103A (zh) * | 2021-04-16 | 2021-07-06 | 北京京东振世信息技术有限公司 | 运输网络规划方法和装置 |
CN115994635B (zh) * | 2023-03-23 | 2023-06-16 | 广东鉴面智能科技有限公司 | 一种皮带最优卸料运输路径检测方法、系统和介质 |
CN115994635A (zh) * | 2023-03-23 | 2023-04-21 | 广东鉴面智能科技有限公司 | 一种皮带最优卸料运输路径检测方法、系统和介质 |
CN116681197A (zh) * | 2023-08-03 | 2023-09-01 | 万联易达物流科技有限公司 | 一种基于大数据的物流线路搜索方法及系统 |
CN116681197B (zh) * | 2023-08-03 | 2023-10-24 | 万联易达物流科技有限公司 | 一种基于大数据的物流线路搜索方法及系统 |
CN116911470A (zh) * | 2023-09-12 | 2023-10-20 | 深圳市宏大供应链服务有限公司 | 一种基于深度学习的数据分析方法、系统及存储介质 |
CN116911470B (zh) * | 2023-09-12 | 2024-01-02 | 深圳市宏大供应链服务有限公司 | 一种基于深度学习的数据分析方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106203700B (zh) | 2017-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106203700B (zh) | 物流管理系统的物流运输方案确定方法和系统 | |
CN101436345B (zh) | 基于TransCAD宏观仿真平台的港区道路交通需求预测系统 | |
Li et al. | Reducing CO2 emissions through pricing, planning, and subsidizing rail freight | |
Estrada et al. | Stakeholder’s profitability of carrier-led consolidation strategies in urban goods distribution | |
CN112434849B (zh) | 基于改进多目标算法的危险品运输路径动态规划方法 | |
CN101930670B (zh) | 公交行驶路段社会车辆运行时间预测方法 | |
CN101458788A (zh) | 集装箱码头物流仿真优化系统 | |
Prokudin et al. | Application of information technologies for the optimization of itinerary when delivering cargo by automobile transport | |
Lin et al. | Optimal transport network design for both traffic safety and risk equity considerations | |
CN116629738B (zh) | 一种物流路径优化方法、相关方法、装置、设备及介质 | |
CN112465211B (zh) | 一种轨道交通列车满载率控制方法及应用 | |
CN104537446A (zh) | 二层带模糊随机时间窗口车辆路径优化方法 | |
Chitturi et al. | Work zone queue length and delay methodology | |
CN104331746A (zh) | 一种分离式的动态路径优化系统及其方法 | |
Konishi et al. | Measuring the value of time in freight transportation | |
CN105243439A (zh) | 基于路网结构的城市群城际铁路线网规模测算方法 | |
Lombardi et al. | Model-based dynamic toll pricing scheme for a congested suburban freeway with multiple access locations | |
CN117022398A (zh) | 考虑客流分配的城市轨道交通列车时刻表优化方法及系统 | |
Hosseini-Motlagh et al. | A multi-path traffic-covering pollution routing model with simultaneous pickup and delivery | |
Duan et al. | Carbon emission tax policy in an intermodal transportation network | |
Jafarian-Moghaddam | Elastic train scheduling model | |
Pan et al. | Monetary evaluation of the external benefits of urban underground logistics System: A case study of Beijing | |
CN115481776A (zh) | 一种全生命周期的高速公路主线线路统计缓点设计方法 | |
Du et al. | Dynamic Vehicle Routing Problem Based on Real-Time Traffic Information and Customer Demand | |
Naegeli et al. | High-Quality Public Transport and Promotion of Nonmotorized Transport—Compromise or Complement? An Analytical Approach for Assessing Conflicts |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |