CN107203831A - 运输系统的车辆排程装置与方法 - Google Patents

运输系统的车辆排程装置与方法 Download PDF

Info

Publication number
CN107203831A
CN107203831A CN201710044047.1A CN201710044047A CN107203831A CN 107203831 A CN107203831 A CN 107203831A CN 201710044047 A CN201710044047 A CN 201710044047A CN 107203831 A CN107203831 A CN 107203831A
Authority
CN
China
Prior art keywords
schedule
vehicle
processor
scheduling
plan
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
Application number
CN201710044047.1A
Other languages
English (en)
Inventor
高嘉玲
喻奉天
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Taiwan Punctual International Logistics Ltd By Share Ltd
Jusda International Logistics Taiwan Co Ltd
Original Assignee
Taiwan Punctual International Logistics Ltd By Share Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Taiwan Punctual International Logistics Ltd By Share Ltd filed Critical Taiwan Punctual International Logistics Ltd By Share Ltd
Publication of CN107203831A publication Critical patent/CN107203831A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06314—Calendaring for a resource
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063114—Status monitoring or status determination for a person or group
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (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)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种车辆排程装置，其包括：处理器，配置成执行至少一目标函数；输入界面，通信地联结至所述处理器且配置成接受排程数据的输入，且所述排程数据包括仓门环境参数、作业参数和动态信息之中的至少一项；计算机可读取记录媒体，联结至所述处理器且配置成接收所述排程数据，所述计算机可读取记录媒体还包括存储于其中的指令，当所述处理器执行所述指令时，会进行运算以产生最佳排程计划；显示装置，联结至所述处理器且配置成输出所述最佳排程计划的视觉化表示。

Description

运输系统的车辆排程装置与方法
技术领域
本发明涉及运输技术领域，具体涉及一种车辆排程装置与方法。
背景技术
排程(scheduling)是对一段时间内的资源进行分配以执行任务组，所述任务组可属于某些过程的一部分。于车辆排程这种特殊情况中，转运的车辆可细分为卸载入站车辆(unloading inbound vehicles)和装载出站车辆(loading outbound vehicles)等两项任务。所述两项任务通常相隔一段滞后时间以用于处理码头(dock)内部的物料，即扫描、排序和移动整个码头的出货，所述两项任务由资源「仓门(dock doors)」处理，仓门能够一次处理一辆车并假设配备有足够的装卸设备(例如：手堆垛机或叉车)和劳力，配送业务复杂并具有挑战性，于运输系统分配入站车辆和出站车辆至仓门是一门相对较新的并在过去几十年成为流行的课题。
发明内容
本发明提供一种用于提供入站车辆和出站车辆仓门分配策略之装置与方法。
本发明的一种车辆排程装置，其包括：处理器，配置成执行至少一目标函数；输入界面，通信地联结至所述处理器且配置成接受排程数据的输入，所述排程数据包括仓门环境参数、作业参数和动态信息之中的至少项；计算机可读取记录媒体，联结至所述处理器且配置成接收所述排程数据，所述计算机可读取记录媒体包括存储于其中的指令，当所述处理器执行所述指令时会运算包括：依据所接收到的排程数据确定目标函数，并根据所述目标函数产生初始解；产生下一解；以及产生最佳排程计划；以及显示装置，联结至所述处理器且配置成输出所述最佳排程计划的视觉化表示。
本发明的一种运输系统，其包括：输入单元，配置成接受排程数据的输入，所述排程数据包括仓门环境参数、作业参数和动态信息之中的至少一项；车辆排程装置，包括：处理器，配置成执行至少一目标函数；接收器，联结至所述处理器且配置成接收来自所述输入单元的所述排程数据；计算机可读取记录媒体，联结至所述处理器且配置成接收所述排程数据，所述计算机可读取记录媒体包括存储于其中的指令，当所述处理器执行所述指令时会运算包括：产生初始解，依据所述目标函数和所述排程数据；评估所述初始解是否符合所述目标函数的条件，若所述初始解不符合所述条件则产生下一解；以及产生最佳排程计划，依据符合所述条件的解；以及传送器，联结至所述处理器并且配置成传送所述最佳排程计划；以及显示单元，配置成接收来自所述车辆排程装置的所述最佳排程计划并输出所述最佳排程计划的视觉化表示。
本发明的一种车辆排程方法，适用于运输系统，其包括以下步骤：导入排程数据；依据使用所述排程数据的目标函数产生初始解；产生下一解；依据一个解产生最佳排程计划；以及显示所述最佳排程计划在显示屏幕上。
附图说明
图1是本发明运输系统的一实施例的示意图。
图2是本发明运输系统的另一实施例的示意图。
图3是本发明车辆排程装置的一实施例的框架图。
图4是本发明运输系统的一实施例的框架图。
图5是本发明运输系统的又一实施例的示意图。
图6A是本发明车辆排程方法的一实施例的流程图。
图6B是本发明车辆排程方法的一实施例的遗传算法的示意图。
图6C是本发明车辆排程方法的一实施例的遗传算法的另一示意图。
图6D是本发明车辆排程方法的另一实施例的流程图。
图7是本发明车辆排程方法的实施示意图。
图8是本发明车辆排程装置的一应用界面。
图9是本发明车辆排程装置的另一应用界面。
主要元件符号说明
具体实施方式
如下具体实施方式将结合上述附图进一步说明本发明。
本发明是透过适用于配送中心的车辆排程装置及方法用于管理车辆与仓门分配的运输系统。
图1所示为本发明一实施例中的运输系统1。所述运输系统1包括配送中心14和多辆待出站或入站的车辆12。所述配送中心14接收车辆12的相关信息并依此制定入站车辆和出站车辆的分配策略。近来，云端运算技术引入不同的行业。在本实施例(embodiment)中，在所述运输系统1还包括云端中心10。所述配送中心14、所述车辆12和所述云端中心10之间透过网络16进行通信与数据交互。所述配送中心14或所述车辆12提供的数据可以由所述云端中心10进行运算处理。
图2所示为本发明另一实施例中的运输系统2。所述运输系统2包括配送中心24、云端中心20及多个车辆22。所述配送中心24、所述云端中心20和所述车辆22之间透过网络26进行通信与数据交互。在所述实施例中，所述配送中心24提供有车辆排程装置28。在另一实施例中，所述车辆排程装置28还可设置在云端中心20处。所述车辆排程装置28通常配置成收集运输信息，如车辆信息、物流信息或配送信息。所述车辆排程装置28配置成从所述车辆排程装置28的用户接收排程数据。所述车辆排程装置28包括供用户输入排程计划的具有输入装置(例如：移动电话、个人数码助理(Personal Digital Assistant，PDA)、笔记本电脑、无线电、广播、对讲机等)的输入单元280、用于处理依据来自所述输入装置所输入的数据制定的排程计划的具有硬件和相关软件的处理单元282、和用于呈现所述排程计划的视觉化表示的输出单元284。所述输出单元284为显示器、移动电话、PDA、笔记本电脑、无线电、广播、或对讲机等。所述排程计划供车辆排程部门使用以便在所述运输系统2中控制车辆22，所述排程计划可以帮助车辆驾驶员了解什么时候前往、前往哪个码头/仓门、什么货物应该装载、或卸货顺序为何。在其他实施例中，所述车辆排程装置28可以设置在所述云端中心20或所述车辆22，所述车辆排程装置28能够从所述云端中心20或所述车辆22接收信息。
图3所示为本发明一实施例中的车辆排程装置30的部件。所述车辆排程装置30包括输入界面(input interface)32、存储装置36、处理器34和显示装置38。所述输入界面32联结至所述存储装置36、所述处理器34或所述显示装置38，所述输入界面32可操作以允许输入排程数据。所述存储装置36配置成存储所述输入界面32接收到的排程数据，所述处理器34配置成执行与所述存储装置36提供的所述排程数据相关联的程序、应用(applications)或软件，所述显示装置38配置成呈现所述处理器34的处理结果(例如：排程计划)的视觉表示，所述处理结果可以包括(1)目标的结果、(2)每辆车的时间操作和仓门分配、以及(3)整个运输系统的车辆和仓门的时间表。
所述排程数据可以包括，但不限于仓门环境参数、作业参数(operationalparameters)和动态信息等。所述动态信息包括关于车辆的出发和到达时间、车辆的装运量、货物的类型、仓门的数量或出货的产品类型等信息。
在一些实施例中，用户可以透过所述输入界面32输入不同的参数作为所述车辆排程装置30的初始设定来选择哪些参数被预先存储在所述存储装置36并由所述处理器34执行。
在一些实施例中，所述仓门环境参数包括与所述排程计划(如在配送中心于越库(cross docking)时执行有关入站(卸载)和出站(装载)操作的作业)相关联的参数，例如，所述仓门环境参数可以包括关于服务模式和仓门的数量的参数。
在本实施例中，所述服务模式为所述仓门的操作模式，所述服务模式可以包括(1)专属模式，其中所述仓门专门为入站或出站操作；(2)混合模式，其中所述仓门不仅为入站仓门，还可为出站仓门；(3)专属混合模式，其中所述仓门指定在专属模式和混合模式两者中并行使用；以及(4)给定模式，其中各车辆的仓门分配由特定目的地给予。所述仓门的数量可以由用户指定和输入。
所述作业参数可以包括先占(pre-emption)存在、到达时间、处理时间、交货期、中间存储参数、分配限制、转运时间、出站组织和可互换的货物/产品，用户可以透过所述输入界面32选择不同的参数。
所述先占存在可以包括分别表示先占/操作中断是否被允许的两个选项。
所述到达时间可以包括两个选项，包括所有车辆的到达时间假设为零和各车辆的到达时间设置成不同的值。
所述处理时间可以包括三个选项，包括各车辆的处理时间不同、所有车辆具有相同的处理时间、和处理时间取决于特定的范围内。
所述交货期可以包括两个选项，包括没有特定的交货期(交货期定义为软约束)和特定的交货期。
所述中间存储参数可以包括三个选项，包括在入站和出站仓门之间的无限的中间存储、给定容量限制的中间存储、和不允许任何中间存储。
所述分配限制可以包括两个选项，包括没有专属仓门分配给特定的车辆和专属仓门分配给特定的车辆。
所述转运时间可以包括三个选项，包括转运时间假设为大于零的常数、转运时间假设为零、和转运时间根据所选择的入站和出站仓门指定。
所述出站组织可以包括两个选项，包括出站车辆一旦其指定的容量得到满足和出站车辆的出发时间是从其到达时间定时到固定的停留时间。
所述可互换的货物可以包括两个选项，包括专用于特定的出站车辆的到达码头的任何货物和预先定义的各出站车辆的货物的数量和类型(根据每个车辆需求重新包装)。
在至少一实施例中，所述存储装置36(可以是挥发性和/或非挥发性存储装置)联结至所述输入界面32并且配置成存储透过所述输入界面32输入的排程数据，如来自所述输入界面32的所述排程计划，所述存储装置36通常可存储用于所述车辆排程装置30的程序、软件应用或指令等。
在至少一实施例中，联结至所述存储装置36的所述处理器34配置成接收来自所述存储装置36的所述排程数据并执行或控制所述车辆排程装置30的各种目标函数，例如，所述处理器34可以配置成执行用于处理依据所述仓门环境参数、所述作业参数和所述动态信息的各种程序的运算，其中所述程序可以包括经执行能够产生最佳排程计划的数学模型或演算法。
所述目标函数可以包括「行程时间最小值」、「完工时间最小值」、「总迟到时间最小值」和「出站车辆的迟到最小值」。所述「行程时间最小值」函数是用于最小化码头上的叉车的总行程时间，所述「完工时间最小值」函数是用于最小化从第一出站车辆到最后出站车辆的总排程处理时间，所述「总迟到时间最小值」函数是用于最小化入站和出站车辆的总迟到时间，所述「出站车辆的迟到最小值」函数是用于最小化出站车辆的总迟到时间。所述最佳排程计划可以依据所选择的目标函数来产生。
所述显示装置38联结至所述处理器34并且配置成接收来自所述处理器34的输出数据，所述显示装置38是用于呈现依据所选择的目标函数的所述最佳排程计划的视觉化表示的显示屏幕。
在至少一实施例中，所述车辆排程装置30还包括传感器39，所述传感器39可以检测运输环境的状况并自动传送动态信息至所述处理器34而无需人工干预。例如，当所述入站车辆开始行驶到所述配送中心，所述车辆排程装置30将透过所述传感器39自动检测所述入站车辆的时间和位置，使得所述车辆排程装置30可以传送传感器39所获取到的所述动态信息至所述处理器34。
图4所示为本发明一实施例中的运输系统40。所述运输系统40包括输入单元401、显示单元402和车辆排程装置42。所述车辆排程装置42包括接收器421、存储装置425、处理器423和传送器427。所述输入单元401(例如：移动电话、PDA、笔记本电脑、桌上型电脑等)配置成能够供用户操作以输入排程计划。所述排程计划包括仓门环境参数、作业参数或动态信息。所述动态信息包括入站车辆的数量、出站车辆的数量、入站到达时间、出站出发时间、货物的类型、装运能力、入站仓门的数量或出站仓门的数量。所述接收器421配置成接收所述排程计划，所述存储装置425(或所述处理器423)联结至所述接收器421并且配置成存储来自所述接收器421接收到的所述排程计划，所述处理器423联结至所述存储装置425并且配置成最佳化所述排程计划。所述传送器427联结至所述处理器423并且配置成传送最佳排程计划至所述显示单元402。所述显示单元402(例如：移动电话、PDA、笔记本电脑、桌上型电脑等)配置成显示最佳排程计划给用户，在一些实施例中，所述输入单元401联结至所述显示单元402，所述输入单元401和所述显示单元402由相同的装置(例如：移动电话、PDA、笔记本电脑、桌上型电脑等)操作。
在至少一实施例中，所述车辆排程装置42联结至传感器429。所述传感器429可以检测运输环境的状况并且自动传送动态信息至所述处理器423而无需由用户手动输入动态信息。例如，当所述入站车辆开始行驶到所述配送中心，所述传感器429自动检测所述入站车辆的时间和位置，并将所检测到的车辆入站时间与位置传送至所述处理器423。
图5所示为本发明又一实施例中的运输系统5。在本实施例中，在车辆56的驾驶员操作车载的第一便携式装置57并且透过所述第一便携式装置57的第一输入单元572输入车辆排程计划的第一排程数据552(例如：动态数据或目标函数)，所述第一排程数据552从所述第一便携式装置57传送至云端中心50中的车辆排程装置59。在配送中心52的用户操作车辆中的第二便携式装置58并且透过所述第二便携式装置58的第二输入单元582输入车辆排程计划的第二排程数据554(例如：动态数据或目标函数)，所述第二排程数据554从所述第二便携式装置58传送至所述云端中心50中的所述车辆排程装置59。所述车辆排程装置59配置成透过程序或应用处理所述第一排程数据552和所述第二排程数据554，使得所述车辆排程装置59可以相应地产生最佳排程计划。在所述车辆56的驾驶员可以透过所述第一便携式装置57收到所述最佳排程计划并且看见在所述第一便携式装置57的第一显示单元574呈现的所述最佳排程计划。在所述配送中心52的用户可以透过所述第二便携式装置58收到所述最佳排程计划并且看见在所述第二便携式装置58的第二显示单元584呈现的所述最佳排程计划。在本实施例中，所述第一便携式装置57、所述第二便携式装置58和所述车辆排程装置59透过网络54联结在一起。
图6A是一示例车辆排程方法的流程图。图6A所示的车辆排程方法可以由图1至图5中的运输系统来实现。所述方法包括以下步骤。
步骤600，由用户输入或导入排程数据。
在一些实施例中，所述排程数据可以透过在所述运输系统中的任何装置输入或导入，例如，一些车辆具有传感器用以检测当车辆开始移动到配送中心时的运输环境(如估计行程时间、装运能力等)。
步骤602，依据所述排程数据确定目标函数，并根据所述目标函数产生初始解。
更具体地，所述初始解依据提供所述目标函数的所述排程数据而编码，例如，若所述目标函数选择为「行程时间最小值」以最小化在码头上的叉车的总行程时间，所述初始解将根据所述排程数据而产生，所述排程数据可以包括仓门环境参数、作业参数和/或动态信息。
步骤604，评估所述初始解是否符合所述目标函数的条件。若是，则进入步骤608；若否，则进入步骤606。
当所述初始解符合所述目标函数的条件，所述初始解将被认为是过程的最佳的解。
步骤606，产生下一解，并返回步骤604。
具体的，在一些实施例中，可以透过数学模型或演算法产生以获得最佳结果，如遗传算法(Genetic algorithm，GA)、模拟退火(Simulated Annealing，SA)、CHC算法、进化策略(Evolution Strategy，ES)、蚁群优化(Ant Colony Optimization，ACO)、混合遗传模拟退火算法(GA-SA混合算法)、协同本地搜索(Cooperative Local Search，CLS)或粒子群优化(Particle Swarm Optimization，PSO)。在一些实施例中，所述下一解可以无需步骤604的条件符合过程而如图6D所示直接透过步骤606产生。
步骤608，根据所述解制定最佳排程计划。
在一些实施例中，所述最佳排程计划可以在云端中心产生。
步骤610，传送所述最佳排程计划至车辆和配送中心。
步骤612，依据显示在显示单元的所述最佳排程计划分配入站/出站车辆至所述配送中心的仓门，例如，入站车辆驾驶员可以收到所述最佳排程计划以改变在所述配送中心的装卸码头，换句话说，在所述配送中心的工作人员可以收到所述最佳排程计划以准备在所分配的码头卸货并且能明白什么类型的货物应该在所分配的码头卸载。
以遗传算法(GA)为例，GA是一种强大的启发式方法对于大规模组合优化问题，在GA中，问题的每个解使用一些编码方案来表示，所产生的表示称为染色体，所述染色体依据排程计划而编码，例如，参考图6B，对于n辆车，解的长度是n，第一n1对应于入站仓门(ID)和入站车辆(IT)，下一个n2对应于出站仓门(OD)和出站车辆(OT)，当运输系统在配送中心具有两入站仓门(m1＝2)、两出站仓门(m2＝2)、五入站车辆(n1＝5)和五出站车辆(n2＝5)，所述解如图所示被编码以作为染色体，群体是染色体组620，每个染色体可以转换成用于车辆排程的解。
GA是一种开始于解(表示为染色体)的群体的迭代搜索方法，通常，初始的所述群体由染色体随机排列而产生，在迭代中，所述群体由两种运算而改变，第一种运算从所述群体中随机选择两个解作为两个亲代，然后透过称为交配的重新组合操作将所述两个亲代替换为从其产生的两个子代，第二种运算从所述群体中随机选择一个解，然后稍微改变所选择的解(突变)或者将所选择的解替换为来自外部的另一个解(移民)。来自群体的解被采取及使用以形成新的群体。
图6C表示根据GA在仓门分配产生最佳解的方法的一实施例，每个染色体的适值(目标函数值，即整合时间)被评估之后，染色体(仓门分配的至少一个解)被选择为亲代630并经过交配过程632和突变过程634而产生子代636(仓门分配的另一个解)，若其中一个子代636优于其中一个亲代630，则所述亲代630被替换为所述子代636并被放回所述群体，上述方法重复直到终止条件被满足，所述终止条件是最大迭代次数和可允许的连续迭代次数而无需改善在所述群体中的最佳解(仓门分配的最佳解)。
在根据图6A的流程图的至少一实施例中，若所述排程数据由用户更新，则所述车辆排程方法将重复，例如，当车辆发生车祸，为了对所有的车辆作不同的分配，所述排程数据可以改变，用户需要输入更新的动态信息，使得新最佳排程计划可以产生并传送至其他车辆和所述配送中心。
图6D是另一示例车辆排程方法的流程图。图6D所示的车辆排程方法可以由图1至5中的运输系统来实现。所述方法包括以下步骤。
步骤640，用户输入或导入排程数据。
在一些实施例中，所述排程数据可以透过在所述运输系统中的任何装置输入或导入，例如，一些车辆具有传感器用以检测当车辆开始移动到配送中心时的运输环境(如估计行程时间、装运能力等)。
步骤642，依据所述排程数据确定目标函数，并根据所述目标函数产生初始解。
更具体地，所述初始解依据提供所述目标函数的所述排程数据而编码，例如，若所述目标函数选择为「行程时间最小值」以最小化在码头上的叉车的总行程时间，所述初始解将根据所述排程数据而产生，所述排程数据可以包括仓门环境参数、作业参数和/或动态信息。
步骤644，使用数学模型或演算法直到最佳解或近似最佳解被满足以产生下一解。
在一些实施例中，所述数学模型和所述演算法可以是遗传算法、模拟退火、CHC算法、进化策略、蚁群优化、混合遗传模拟退火算法、协同本地搜索或粒子群优化。
步骤646，依据所述下一解产生最佳排程计划。
在一些实施例中，所述最佳排程计划可以在云端中心产生。
步骤648，传送所述最佳排程计划至车辆和配送中心。
步骤650，依据显示在显示单元的所述最佳排程计划分配入站/出站车辆至所述配送中心的仓门，例如，入站车辆驾驶员可以收到所述最佳排程计划以改变在所述配送中心的装卸码头，换句话说，在所述配送中心的工作人员可以收到所述最佳排程计划以准备在所分配的码头卸货并且能明白什么类型的货物应该在所分配的码头卸载。
图7所示是运输系统依据所述车辆排程方法操作的一实施例，入站车辆706可以从不同工厂704运送不同类型的货物到配送中心708，所述入站车辆706可以在前往所述配送中心708的途中发送信息(例如：出发时间、到达时间或货物的类型等信息)至云端700，同样地，出站车辆710可以从所述配送中心708运送不同类型的货物到零售商712，所述出站车辆710可以在前往所述零售商712的途中发送信息(例如：出发时间、到达时间或货物的类型等信息)至所述云端700，所述云端700配置成处理来自所述入站车辆706和所述出站车辆710的所述信息，图6A及图6D中的流程图所提到的车辆排程方法可以依据所述信息702在所述云端700实现，使得所述入站车辆706、所述出站车辆710和所述配送中心708可以同时收到最佳排程计划以调整先前的排程计划，所述入站车辆706可以按照所述最佳排程计划去选择哪个入站码头卸载货物，在所述配送中心的工作人员依据所述最佳排程计划知道货物的分配和搬动货物到正确的出站码头，所述出站车辆710可以留在所分配的码头并且装载货物。
图8所示是车辆排程装置的一应用界面800，用户可以使用所述应用界面800导入/上传包括动态信息如车辆输入档案802或越库输入档案804等的车辆排程数据，用户也可以选择包括解808(例如：遗传算法或先到先得)和目标810(例如：「行程时间最小值」、「完工时间最小值」、「总迟到时间最小值」和「出站车辆的迟到最小值」)的最佳化工具806。
图9所示是车辆排程装置的另一应用界面900，在所述车辆排程装置实现车辆排程方法之后，所述应用界面900显示最佳排程计划，例如，所述最佳排程计划包括入站计划902和出站计划904，所述入站计划902显示入站车辆906分配至所分配的入站仓门908。
以上对本发明的具体实施例进行了详细描述，但本发明并不限制于以上描述的具体实施例，其只是作为范例。对于本领域技术人员而言，任何对该技术方案进行的等同修改和替代也都在本发明的范畴之中。因此，在不脱离本发明的精神和范围下所作出的均等变换和修改，都应涵盖在本发明的范围内。

Claims (10)

1.一种车辆排程装置，其特征在于，所述车辆排程装置包括：
处理器，配置成执行至少一目标函数；
输入界面，通信地联结至所述处理器且配置成接受排程数据的输入，所述排程数据包括仓门环境参数、作业参数和动态信息之中的至少一项；
计算机可读取记录媒体，联结至所述处理器且配置成接收所述排程数据，所述计算机可读取记录媒体包括存储于其中的指令，当所述处理器执行所述指令时会运算包括：
依据所接收到的排程数据确定目标函数，并根据所述目标函数产生初始解；
产生下一解；以及
产生最佳排程计划；以及
显示装置，联结至所述处理器且配置成输出所述最佳排程计划的视觉化表示。
2.如权利要求1所述的车辆排程装置，其特征在于：所述处理器还配置成当执行所述指令时依据所述最佳排程计划分配车辆至配送中心的码头。
3.如权利要求1所述的车辆排程装置，其特征在于：当所述处理器执行所述指令时，若所述排程数据更新，则所述处理器迭代至少一运算，使得所述最佳排程计划更新。
4.如权利要求1所述的车辆排程装置，其特征在于：还包括能够检测运输环境并自动传送动态信息至所述处理器的传感器。
5.一种运输系统，其特征在于，所述运输系统包括：
输入单元，配置成接受排程数据的输入，所述排程数据包括仓门环境参数、作业参数和动态信息之中的至少一项；
车辆排程装置，包括：
处理器，配置成执行至少一目标函数；
接收器，联结至所述处理器且配置成接收来自所述输入单元的所述排程数据；
计算机可读取记录媒体，联结至所述处理器且配置成接收所述排程数据，所述计算机可读取记录媒体包括存储于其中的指令，当所述处理器执行所述指令时会运算包括：
产生初始解，依据所述目标函数和所述排程数据；
评估所述初始解是否符合所述目标函数的条件，若所述初始解不符合所述条件则产生下一解；以及
产生最佳排程计划，依据符合所述条件的解；以及
传送器，联结至所述处理器并且配置成传送所述最佳排程计划；以及
显示单元，配置成接收来自所述车辆排程装置的所述最佳排程计划并输出所述最佳排程计划的视觉化表示。
6.如权利要求5所述的运输系统，其特征在于：所述处理器还配置成当执行所述指令时依据所述最佳排程计划分配车辆至配送中心的码头。
7.如权利要求5所述的运输系统，其特征在于：所述车辆排程装置联结能够检测运输环境并自动传送动态信息至所述车辆排程装置的传感器。
8.一种车辆排程方法，适用于运输系统，其特征在于，所述车辆排程方法包括以下步骤：
导入排程数据；
依据使用所述排程数据的目标函数产生初始解；
产生下一解；
依据一个解产生最佳排程计划；以及
显示所述最佳排程计划在显示屏幕上。
9.如权利要求8所述的车辆排程方法，其特征在于：若所述排程数据更新，则迭代所述步骤之中的至少一步骤，使得所述最佳排程计划更新。
10.如权利要求8所述的车辆排程方法，其特征在于：所述个解依据遗传算法产生。
CN201710044047.1A 2016-03-18 2017-01-19 运输系统的车辆排程装置与方法 Pending CN107203831A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/073825 2016-03-18
US15/073,825 US20170270448A1 (en) 2016-03-18 2016-03-18 Vehicle scheduling device and method for transportation systems

Publications (1)

Publication Number Publication Date
CN107203831A true CN107203831A (zh) 2017-09-26

Family

ID=59855802

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710044047.1A Pending CN107203831A (zh) 2016-03-18 2017-01-19 运输系统的车辆排程装置与方法

Country Status (3)

Country Link
US (1) US20170270448A1 (zh)
CN (1) CN107203831A (zh)
TW (1) TW201734899A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110544055A (zh) * 2018-05-28 2019-12-06 北京京东振世信息技术有限公司 订单处理方法和装置
CN113065686A (zh) * 2021-03-10 2021-07-02 联想(北京)有限公司 排程数据优化处理方法及装置、设备
CN113469416A (zh) * 2021-06-08 2021-10-01 哈尔滨工业大学 一种派件任务规划方法及设备

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805335B (zh) * 2018-05-17 2021-10-22 杭州电子科技大学 一种公共自行车调度方法
US20190362311A1 (en) * 2018-05-22 2019-11-28 United States Postal Service Systems and methods for item tracking and delivery
US11093891B1 (en) * 2018-08-02 2021-08-17 Amazon Technologies, Inc. Dynamically generating a sort zone assignment plan
CN109978245B (zh) * 2019-03-15 2023-06-20 中国科学技术大学 一种基于预估的以用时最短为指标的导弹车调度方法
CN110490503A (zh) * 2019-05-30 2019-11-22 湖南城市学院 一种基于海量数据的物流配送车辆优化调度方法
CN112508478B (zh) * 2020-12-02 2022-07-26 北京理工大学 一种基于自组织自动导引车的柔性物流配送任务分配方法
CN112668248B (zh) * 2021-01-20 2023-12-26 中国建筑土木建设有限公司 混凝土运输车调度优化计算理论模型的方法及系统
CN114266518A (zh) * 2021-12-21 2022-04-01 北京百度网讯科技有限公司 物资调度方法、模型训练方法及装置
CN114415610B (zh) * 2021-12-28 2023-08-15 深圳市优必选科技股份有限公司 机器人的调度方法、装置、电子设备及存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110544055A (zh) * 2018-05-28 2019-12-06 北京京东振世信息技术有限公司 订单处理方法和装置
CN110544055B (zh) * 2018-05-28 2022-07-05 北京京东振世信息技术有限公司 订单处理方法和装置
CN113065686A (zh) * 2021-03-10 2021-07-02 联想(北京)有限公司 排程数据优化处理方法及装置、设备
CN113065686B (zh) * 2021-03-10 2024-07-26 联想(北京)有限公司 排程数据优化处理方法及装置、设备
CN113469416A (zh) * 2021-06-08 2021-10-01 哈尔滨工业大学 一种派件任务规划方法及设备
CN113469416B (zh) * 2021-06-08 2022-09-20 哈尔滨工业大学 一种派件任务规划方法及设备

Also Published As

Publication number Publication date
US20170270448A1 (en) 2017-09-21
TW201734899A (zh) 2017-10-01

Similar Documents

Publication Publication Date Title
CN107203831A (zh) 运输系统的车辆排程装置与方法
Tavakkoli-Moghaddam et al. An efficient algorithm for solving a new mathematical model for a quay crane scheduling problem in container ports
Guo et al. Green transportation scheduling with pickup time and transport mode selections using a novel multi-objective memetic optimization approach
Fu et al. A multi-vessel quay crane assignment and scheduling problem: Formulation and heuristic solution approach
Karlaftis et al. Containership routing with time deadlines and simultaneous deliveries and pick-ups
Tasoglu et al. Simulated annealing based simulation optimization method for solving integrated berth allocation and quay crane scheduling problems
Seyedalizadeh Ganji et al. Analysis of the continuous berth allocation problem in container ports using a genetic algorithm
Lau et al. Integrated scheduling of handling equipment at automated container terminals
Rahman et al. Scheduling automated transport vehicles for material distribution systems
Dkhil et al. Multi-objective optimization of the integrated problem of location assignment and straddle carrier scheduling in maritime container terminal at import
Pratap et al. Integrated scheduling of rake and stockyard management with ship berthing: a block based evolutionary algorithm
Liu et al. Novel multi-objective resource allocation and activity scheduling for fourth party logistics
Casey et al. Optimising container storage processes at multimodal terminals
Bai et al. A set-covering model for a bidirectional multi-shift full truckload vehicle routing problem
Rao et al. Scheduling a single vehicle in the just-in-time part supply for a mixed-model assembly line
Liu et al. A scheduling decision support model for minimizing the number of drones with dynamic package arrivals and personalized deadlines
Küçükoğlu et al. Two-stage optimisation method for material flow and allocation management in cross-docking networks
Alanjari et al. A simulation-based approach for material yard laydown planning
Chen et al. Multiple yard cranes scheduling for loading operations in a container terminal
Hu et al. Stacker-reclaimer scheduling in a dry bulk terminal
Hu et al. Synchronizing vehicles for multi-vehicle and one-cargo transportation
Chang et al. Integrated scheduling of handling operations in railway container terminals
Castillo-Villar et al. A heuristic procedure for a ship routing and scheduling problem with variable speed and discretized time windows
Wang et al. Simulation-based optimisation of logistics distribution system for an assembly line with path constraints
Zhu et al. A decision model on human-robot collaborative routing for automatic logistics

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170926