CN108764804B - 一种利用出租车的无仓储包裹运输方法和装置 - Google Patents
一种利用出租车的无仓储包裹运输方法和装置 Download PDFInfo
- Publication number
- CN108764804B CN108764804B CN201810577945.8A CN201810577945A CN108764804B CN 108764804 B CN108764804 B CN 108764804B CN 201810577945 A CN201810577945 A CN 201810577945A CN 108764804 B CN108764804 B CN 108764804B
- Authority
- CN
- China
- Prior art keywords
- taxi
- passenger
- package
- destination
- taking
- 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.)
- Active
Links
Images
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (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)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种利用出租车的无仓储包裹运输方法和装置,其中的方法包括:通过包裹的出发地和目的地信息以及预测乘客打车订单,将包裹分配给载货出租车;基于当前的乘客打车订单以及对于乘客打车订单的预测结果为载货出租车规划包裹运送线路,以实现成功投递。本发明的方法和装置,出租车的自由空间可以被进一步利用,而投递成本几乎可以忽略不计,可以提高出租车的收入;在包裹出发地和目的地之间不再需要寄存仓库,没有存储成本;对于在线购物顾客提供包裹递送的快递服务,可以减少相应的成本,能够提高购物体验。
Description
技术领域
本发明涉及运输管理技术领域,尤其涉及一种利用出租车的无仓储包裹运输方法和装置。
背景技术
随着移动支付的普遍使用和物流业的快速发展,网络购物已经成为时下非常流行的时尚,给我们的生活带来了极大的便利。为了进一步改善顾客的购物体验,许多在线零售商(例如Amazon和JD)开始提供城市范围的当日送货服务,即承诺包裹在24小时内投递给客户。然而,加快运输过程通常意味着需要增加更多人员和车辆。因此,如何减少快递服务的额外成本对网上零售商和物流供应商来说都是非常重要的。
目前,出现了利用出租车进行室内包裹递送,通过分享出租车的免费空间,包裹的运输成本可以大大降低。但是,目前对于利用出租车同时运送包裹和乘客的技术方案中,需要沿道路部署寄存仓库作为中转站,并在多个出租车合作下进行包裹运送。现有的利用出租车进行室内包裹递送方法虽然降低了投递成本,但是增加了存储成本,因为需要许多寄存仓库来覆盖整个城市。因此,需要一种新的利用出租车的无仓储包裹运输的技术方案。
发明内容
有鉴于此,本发明要解决的一个技术问题是提供一种利用出租车的无仓储包裹运输方法和装置。
根据本发明的一个方面,提供一种利用出租车的无仓储包裹运输方法,包括:根据包裹的出发地、目的地信息以及到达时间选择载货出租车,并将所述包裹分配给所述载货出租车;根据乘客打车历史数据对乘客打车订单进行预测;基于当前的乘客打车订单以及对于乘客打车订单的预测结果为所述载货出租车规划包裹运送线路;如果确定所述包裹递送失败则进行相应的包裹投递补救处理。
可选地,所述根据包裹的出发地、目的地信息以及到达时间选择载货出租车包括:计算所有未载货的出租车的当前位置与所述包裹的出发地之间的距离值;选取小于预设的第一距离阈值的所述距离值,确定在选取的所述距离值中最小的所述距离值对应的出租车为所述载货出租车,将所述包裹分配给此载货出租车;如果不存在小于预设的距离阈值的所述距离值,则将此包裹设置为等待状态。
可选地,所述根据乘客打车历史数据对乘客打车订单进行预测包括:将地图分成m个区域块并将一天的时间分成n个时隙;使用公式一预测乘客打车的订单概率,公式一为:
P(Y=bj,X=bi|T=tk)=P(Y=bj|X=bi,T=tk)×P(X=bi|T=tk);
其中,1≤i,j≤m,1≤k≤n,X表示出发地点,Y表示目的地点,T表示出发时间;P(Y=bj,X=bi|T=tk)表示时刻tk从区域块bi出发到区域块bj的乘客打车的订单概率;
可选地,所述基于当前的乘客打车订单以及对于乘客打车订单的预测结果为所述载货出租车规划包裹运送线路包括:步骤一,接收乘客打车订单,从乘客打车订单中提取当前乘客的起始位置和当前乘客的目的地;步骤二,判断所述当前乘客的起始位置与所述载货出租车的当前位置之间的距离值是否小于预设的第二距离阈值,如果是,则判断所述当前乘客的目的地是否与所述载货出租车所载运的包裹的目标地相同;步骤三,如果所述当前乘客的目的地与所述载货出租车所载运的包裹的目标地相同,则将此乘客打车订单分配给所述载货出租车;步骤四,如果所述当前乘客的目的地与所述载货出租车所载运的包裹的目标地不相同,则使用所述公式1预测下一个乘客打车的订单概率P(des_pkg,des_psg|desT_psg);其中,des_pkg为所述包裹的目的地,des_psg为乘客的目的地,desT_psg乘客的到达时间;步骤五,选取与最大的下一个乘客打车的订单概率对应的乘客的目的地des_psg的作为所述载货出租车的下一目的地,基于所述下一目的地为所述载货车租车分配所述乘客打车订单;其中,此乘客打车订单中的乘客的目的地为此下一目的地;重复重复上述步骤一至五,直到所述载货出租车将包裹送到此包裹的目的地。
可选地,所述如果确定所述包裹递送失败则进行相应的包裹投递补救处理包括:基于所述包裹的送达时间设置包裹投递时长阈值;如果所述出租车搭载所述包裹的时长超过预设的包裹投递时长阈值还未到达目的地,则确定包裹递送失败,并向所述载货出租车发送包裹直达指令,用以通知所述载货出租车直接将所述包裹送到送到此包裹的目的地。
根据本发明的另一方面,提供一种利用出租车的无仓储包裹运输装置,包括:载货车辆选择模块,用于根据包裹的出发地、目的地信息以及到达时间选择载货出租车,并将所述包裹分配给所述载货出租车;乘客打车订单预测模块,用于根据乘客打车历史数据对乘客打车订单进行预测;运送线路规划模块,用于基于当前的乘客打车订单以及对于乘客打车订单的预测结果为所述载货出租车规划包裹运送线路;运送补救处理模块,用于如果确定所述包裹递送失败则进行相应的包裹投递补救处理。
可选地,所述载货车辆选择模块,用于计算所有未载货的出租车的当前位置与所述包裹的出发地之间的距离值;选取小于预设的第一距离阈值的所述距离值,确定在选取的所述距离值中最小的所述距离值对应的出租车为所述载货出租车,将所述包裹分配给此载货出租车如果不存在小于预设的距离阈值的所述距离值,则将此包裹设置为等待状态。
可选地,所述乘客打车订单预测模块,用于将地图分成m个区域块并将一天的时间分成n个时隙;使用公式一预测乘客打车的订单概率,公式一为:
P(Y=bj,X=bi|T=tk)=P(Y=bj|X=bi,T=tk)×P(X=bi|T=tk);
其中,1≤i,j≤m,1≤k≤n,X表示出发地点,Y表示目的地点,T表示出发时间;P(Y=bj,X=bi|T=tk)表示时刻tk从区域块bi出发到区域块bj的乘客打车的订单概率;
可选地,所述运送线路规划模块,用于执行步骤一,接收乘客打车订单,从乘客打车订单中提取当前乘客的起始位置和当前乘客的目的地;执行步骤二,判断所述当前乘客的起始位置与所述载货出租车的当前位置之间的距离值是否小于预设的第二距离阈值,如果是,则判断所述当前乘客的目的地是否与所述载货出租车所载运的包裹的目标地相同;执行步骤三,如果所述当前乘客的目的地与所述载货出租车所载运的包裹的目标地相同,则将此乘客打车订单分配给所述载货出租车;执行步骤四,如果所述当前乘客的目的地与所述载货出租车所载运的包裹的目标地不相同,则通过所述乘客打车订单预测模块使用所述公式1预测下一个乘客打车的订单概率P(des_pkg,des_psg|desT_psg);其中,des_pkg为所述包裹的目的地,des_psg为乘客的目的地,desT_psg乘客的到达时间;执行步骤五,选取与最大的下一个乘客打车的订单概率对应的乘客的目的地des_psg的作为所述载货出租车的下一目的地,基于所述下一目的地为所述载货车租车分配所述乘客打车订单;其中,此乘客打车订单中的乘客的目的地为此下一目的地;所述运送线路规划模块,还用于重复重复上述步骤一至五,直到所述载货出租车将包裹送到此包裹的目的地。
可选地,所述运送补救处理模块,用于基于所述包裹的送达时间设置包裹投递时长阈值;如果所述出租车搭载所述包裹的时长超过预设的包裹投递时长阈值还未到达目的地,则确定包裹递送失败,并向所述载货出租车发送包裹直达指令,用以通知所述载货出租车直接将所述包裹送到送到此包裹的目的地。
本发明的利用出租车的无仓储包裹运输方法和装置,通过包裹的出发地和目的地信息以及预测乘客打车订单,将包裹分配给载货出租车;基于当前的乘客打车订单以及对于乘客打车订单的预测结果为载货出租车规划包裹运送线路,以实现成功投递;出租车的自由空间可以被进一步利用,而投递成本几乎可以忽略不计,可以提高出租车的收入;在包裹出发地和目的地之间不再需要寄存仓库,没有存储成本;对于在线购物顾客提供包裹递送的快递服务,可以减少相应的成本,能够提高购物体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的利用出租车的无仓储包裹运输方法的一个实施例的流程示意图;
图2为本发明的利用出租车的无仓储包裹运输方法的一个实施例的框架关系的示意图;
图3A至图3D为本发明的利用出租车的无仓储包裹运输方法的一个实施例中的对比试验结果示意图;
图4为本发明的利用出租车的无仓储包裹运输装置的一个实施例的模块示意图;
图5为本发明的利用出租车的无仓储包裹运输装置的另一个实施例中的模块示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于计算机系统/服务器,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于:智能手机、个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
图1为本发明的利用出租车的无仓储包裹运输方法的一个实施例的流程示意图,如图1所示:
步骤101,根据包裹的出发地、目的地信息以及到达时间选择载货出租车,并将包裹分配给载货出租车。
步骤102,根据乘客打车历史数据对乘客打车订单进行预测。
步骤103,基于当前的乘客打车订单以及对于乘客打车订单的预测结果为载货出租车规划包裹运送线路。
步骤104,如果确定包裹递送失败则进行相应的包裹投递补救处理。
本发明的利用出租车的无仓储包裹运输方法,提出了PPtaxi城市范围包裹递送服务,该服务利用出租车在运送乘客时顺便递送包裹,不需要寄存仓库或其他中转站。当包裹被分配到出租车上时,出租车负责在运送(一个或多个)乘客的同时将包裹一直运送到目的地,包裹递送的成本可以忽略不计,并且出租车的乘乘客输过程不会中断,可以通过当前的在线出租车平台实施。
本发明的利用出租车的无仓储包裹运输方法由两个阶段组成:离线订单预测和在线包裹递送。在第一阶段,可以使用多元高斯分布和贝叶斯推理,通过挖掘历史数据来计算乘客打车订单的概率。在第二阶段,可以采用阈值贪婪算法来匹配包裹和出租车,提出一种基于预测的顺序规划算法来为载货出租车选择近似最优路线。
一个包裹的成功送达可能需要多个乘客打车订单,但未来的乘客打车订单是未知的。为了成功地投递包裹,平台应引导出租车前进到包裹目的地,同时确保沿着引导路线有足够的乘客打车订单,不仅要考虑实时乘客打车订单,还要考虑未来乘客打车订单。
出租车的轨迹都是可追踪的,以确保投递的包裹的安全。在平台上提出出租车服务请求时,平台可以得到乘客的出发地点、时间和目的地等信息。载货出租车的路线由在线的出租车平台确定,并且平台通过为出租车分配合适的乘客打车订单而引导出租车朝向包裹的目的地移动。载货出租车司机在领取乘客之前首先收集包裹,并在乘客下车后将包裹留在目的地。
在一个实施例中,根据乘客打车历史数据对乘客打车订单进行预测包括:将地图分成m个区域块并将一天的时间分成n个时隙;使用公式一预测乘客打车的订单概率,公式一为:
P(Y=bj,X=bi|T=tk)=P(Y=bj|X=bi,T=tk)×P(X=bi|T=tk);
其中,1≤i,j≤m,1≤k≤n,X表示出发地点,Y表示目的地点,T表示出发时间;P(X=bi|T=tk)表示时刻tk条件下从区域块bi出发的乘客打车的订单概率;P(Y=bj|X=bi,T=tk)表示时刻tk出发区域块为bi条件下,目的区域块为bj的条件概率;P(Y=bj,X=bi|T=tk)表示时刻tk条件下从区域块bi出发到区域块bj的乘客打车的订单概率。
其中,P(Y=bj)为目的区域块为bj的订单概率;P(X=bi,T=tk|Y=bj)为目标区域块为bj时出发块为bi与出发时间为时刻tk的联合分布概率;P(X=bi)为出发区域块为bi的订单概率;P(T=tk|X=bi)为出发块bi为时出发时间为时刻tk的条件概率。
在一个实施例中,在第一阶段,根据历史数据预测乘客打车订单分布。如图2所示,出租车的包裹投递路线可能包含多个乘客打车订单的路线。未来的乘客打车订单在它们出现之前无法在平台上知晓,但是,为了不中断出租车的乘客运输过程,平台应确保规划路线上始终存在合适的乘客打车订单。将目标区域划分为多个个区块,并将一天划分为多个时隙,然后在不同的出发时间计算从一个区块到另一个区块的乘客打车订单概率。
在第二阶段,根据预测的乘客打车订单,平台可以将包裹和乘客分配给合适的出租车,以便在不中断乘客运输过程的同时投递包裹。空载的出租车(不包含乘客)、包裹和乘客打车订单都是动态到达平台的。第二阶段包括了两个部分用于在线包裹递送:i)包裹-出租车匹配,以及ii)出租车路线规划。采用基于预测的顺序规划算法来选择接近最优的出租车路线。
假设将目标区域分成m个块,把一天的时间分成n个时隙。为了预测乘客的分布和移动方向,需要计算任意时隙下、每两个块之间的乘客转移概率。令P(Y=bj,X=bi|T=tk)表示时刻tk从bi出发到bj的订单概率,其中,1≤i,j≤m,1≤k≤n,X表示出发地点,Y表示目的地点,T表示出发时间。
乘客打车订单预测的是未来的某个时刻乘客从某个地点出发到某个目的地的概率,即P(Y=bj,X=bi|T=tk),计算转移概率就是预测未来乘客走向。
根据概率论知识,可以得到下面的式子:
P(Y=bj,X=bi|T=tk)=P(Y=bj|X=bi,T=tk)×P(X=bi|T=tk)
根据贝叶斯推断,上式中右边的条件概率可以计算为:
同一个乘客一般会在相同的时间和出发点去到相同的目的地。对于一个目的地来说,这个乘客的出发时间和出发地点服从三维高斯分布,即:
(Lat,Lng,T|Y=y)~N3(μ,E);
其中,y代表具体的目的地,而不是单元块,Lat是维度,Lng是精度,T是时间,右侧式子中的参数值是通过三维正态分布求得的。
为了计算P(X,T|Y)的值,需要考察出发块和出发时间的分布函数。目的块为bj的出发块和出发时间分布,可以看作是目的地在该块内的乘客们的联合分布。由高斯分布性质可知,多个高斯分布的和也服从高斯分布。因此,可以有以下假设:
(Lat,Lng,T|Y=bj)~N3(μj,Ej);
可以有如下计算:
其中,积分中的下标的含义是经纬度是在块bi范围内,时间是在时隙tk范围内。
计算P(Y):
条件概率P(X,T|Y)可以求得。Freq(bj)是目的地为bj的订单总数,分母是目的地为bj的所有订单总数。
同理,为了计算条件概率P(T|X),对于一个出发块来说,出发时间服从正态分布(可以通过经典正态测试方法验证)。即:
因此:
概率P(Y,X|T)可以求得。
在一个实施例中,计算所有未载货的出租车的当前位置与包裹的出发地之间的距离值。选取小于预设的第一距离阈值的距离值,确定在选取的距离值中最小的距离值对应的出租车为载货出租车,将包裹分配给此载货出租车。如果不存在小于预设的距离阈值的距离值,则将此包裹设置为等待状态。
一旦包裹递送请求出现,平台应为其选择合适的出租车,主要考虑包裹和出租车之间的距离。如果包裹和出租车之间的距离太大,出租车取包裹的开销很大。由于包裹和出租车动态出现,应考虑在线配对方案。可以采用阈值贪婪算法来匹配包裹和出租车。
对于每个包裹,如果出租车和包裹之间的距离在阈值(例如,一个块的长度)内,则选择最近的出租车。找出所有与包裹的距离小于阈值的出租车,并在这些出租车中选择与包裹最近的一辆来运送该包裹。如果包裹与所有出租车的距离都小于阈值,则包裹处于等待状态。
如果在某个时间没有合格的出租车,包裹会一直等到出租车出现。但是,如果等待时间过长(例如几个时隙),则认为该包裹不适合本发明的方法,应该放弃PPtaxi包裹递送服务,使用传统的递送方法。
在一个实施例中,乘客打车订单预测是离线进行的,包裹出租车匹配、出租车路径规划是在线进行的。一个出租车负责一个包裹的运输,包裹的成功送达需要该出租车连续接送几单乘客(打车的乘客),所以要确定接送那些乘客是非常重要的。但是未来的乘客打车订单是未知的,所以需要预测,根据历史信息预测未来乘客走向。
预测未来的某个时刻从某个地点出发到某个目的地的概率,如果这个概率很大,就可以认为将来会出现一个这样的乘客。订单预测是为出租车路径规划服务的,假设包裹出发地点是A,目的地是B。预测将来有x个乘客打车订单,这x个乘客打车订单的轨迹组合在一起经过A和B,载着包裹的出租车就去接送这x个乘客,因此是个多跳匹配的过程。
步骤一,接收乘客打车订单,从乘客打车订单中提取当前乘客的起始位置和当前乘客的目的地。
步骤二,判断当前乘客的起始位置与载货出租车的当前位置之间的距离值是否小于预设的第二距离阈值,如果是,则判断当前乘客的目的地是否与载货出租车所载运的包裹的目标地相同。
步骤三,如果当前乘客的目的地与载货出租车所载运的包裹的目标地相同,则将此乘客打车订单分配给载货出租车。
步骤四,如果当前乘客的目的地与载货出租车所载运的包裹的目标地不相同,则使用公式1预测下一个乘客打车的订单概率P(des_pkg,des_psg|desT_psg);其中,des_pkg为包裹的目的地,des_psg为乘客的目的地,desT_psg乘客的到达时间。
步骤五,选取与最大的下一个乘客打车的订单概率对应的乘客的目的地des_psg的作为载货出租车的下一目的地,基于下一目的地为载货车租车分配乘客打车订单;其中,此乘客打车订单中的乘客的目的地为此下一目的地。
重复重复上述步骤一至五,直到载货出租车将包裹送到此包裹的目的地。
由于包裹和出租车相匹配,平台应为每辆出租车计划一条适当的路线。一条出租车路线由一系列乘客打车订单组成。理想的情况是,包裹一出现就为每辆出租车选择一条路线,而路线的概率是所有可能路线中最大的。假设包裹的信息,即出发地点、出发时间、目的地和到达时间分别表示为dep_pkg、depT_pkg、des_pkg、desT_pkg、dep_pkg、des_pkg。从包裹出发点到目的地可能存在几条路线,根据前面讨论的乘客转移概率,遍历所有可能的路径以找到具有最高概率的路径。
结合历史数据和实时订单,提出了一种基于预测的顺序规划算法,以近似地为每辆出租车找到最佳路线。不是在开始时选择dep_pkg和des_pkg之间的整个路线,而是在每一跳选择一个合适的乘客打车订单。假定如果一个出租车和一个乘客在同一个块并且在同一个时间段内,那么该乘客就可能与出租车相匹配。在每一跳,每辆出租车的潜在乘客数量是有限的,因此搜索空间很小。此外,每一跳中的乘客选择基于实时订单情况以及预测的未来订单概率。
为了确保前一个乘客的目的地位置和到达时间与后一个乘客的出发地点和出发时间近似,需要预测每个潜在乘客的到达时间。例如,一辆出租车可以一个接一个地运送A,B,C,D,E五名乘客,同时载着一个包裹。A(B,C,D)的目的地和到达时间与B(C,D,E)的出发地点和出发时间相似,E的目的地是所投递包裹的目的地。乘客的出发地点、出发时间和目的地信息在他们出现的时候是上传给平台的。为了根据给定的信息预测乘客的到达时间,平台需要为乘客计划出行路线并估计路径的行驶时间。基于预测的顺序规划算法的伪代码如下所示:
假设乘客的信息,即出发地点、出发时间、目的地和到达时间分别表示为dep_psg、depT_psg、des_psg和desT_psg。算法的关键思想是:如果包裹不能通过单程乘客打车订单投递,总希望下一个乘客分配能使出租车成功地运送包裹。因此,在每一步中,选择具有最高P(des_pkg,des_psg|desT_psg)的乘客,即将公式一P(Y=bj,X=bi|T=tk)=P(Y=bj|X=bi,T=tk)×P(X=bi|T=tk)的参数Y、X和T分别替代为des_pkg、des_psg和desT_psg。
在基于预测的顺序规划算法的伪代码中,lenT是包投递的时间长度,threshT表示最大时间长度。如果lenT小于threshT,出租车将在携带包裹时继续运送乘客。如果lenT大于threshT且包裹尚未到达目的地,则包裹递送失败。在现实中,应采用保险措施来应对投递失败。
例如,设置threshT小于客户容差,并且只要方法失败,就以传统方式(例如送货员)投递包裹。对于一个正在运送包裹的出租车而言,如果附近有乘客正好要去该包裹的目的地,则该出租车将乘客和包裹同时送达;如果附近没有乘客要去该包裹的目的地,则选择P(des_pkg,des_psg|desT_psg)值最大的那个乘客,将该乘客送到目的地。重复上述过程,直到将包裹送到目的地。
基于包裹的送达时间设置包裹投递时长阈值。如果出租车搭载包裹的时长超过预设的包裹投递时长阈值还未到达目的地,则确定包裹递送失败,并向载货出租车发送包裹直达指令,用以通知载货出租车直接将包裹送到送到此包裹的目的地。
在一个实施例中,将评估本发明利用出租车的无仓储包裹运输方法的性能。使用由DiDi Chuxing收集并发布的真实数据集,该网站是中国流行的在线出租车服务平台。该数据集包括中国成都市2016.11.1至2016.11.30的乘客打车订单数据和出租车轨迹数据。乘客打车订单的每个数据条目由订单ID、出发时间、出发地点、目的地和每个乘客打车订单的到达时间组成。出租车轨迹的每个数据条目由出租车ID、订单ID和采样率为2-4秒的位置组成。
目标区域是乘客量最密集的地区,即经度从104到104.12,纬度从30.6到30.72。目标区域被划分为10*10个块,时隙的长度被选择为10分钟。由于乘客打车订单的分布在不同日期呈现出不同的规律,选择前四个星期二的数据作为训练集来计算乘客打车订单概率,第五个星期二的数据作为测试集来评估效果。由于数据集不包含包裹信息,因此随机(以均匀分布)生成包裹出发时间,出发地点和目的地。
对比实验:FCFS:该算法采用先来先服务策略。出租车总是选择每一步中首次出现的乘客打车订单,这个算法实际上是一个随机游走策略。DesCloser:该算法始终选择每一跳中离包裹目的地最近的乘客打车订单,这个算法实际上是一个基于距离的贪婪策略。PPtaxi_aveprob:在该算法中,路线规划算法与PPtaxi相同。不同的是,乘客打车订单概率是通过历史数据的平均值(在算法中了应用多元高斯分布或贝叶斯推断)来计算的,即:
实验评估标准:采用包裹投递成功率作为度量标准来评估算法。成功率定义为:在给定期限内成功投递的包裹数量与包裹总数量的比率,即:
其中,deliveryT代表包裹成功投递所需要的时间,threhsT代表最长投递时间阈值,PkgNum代表包裹数量。
PPtaxi与对比实验的投递成功率:图3A显示了PPtaxi(SR)和三个基准算法在不同包裹数量下的投递成功率。在这个实验中,将包裹-出租车匹配过程中的包裹等待时间设置为不超过一个时隙,并且threshT为3小时。每个包裹的出发时间是在24小时内随机生成的。在这个实验中有三种原因可能导致包裹传递失败。一种是出租车包裹匹配失败。其次,从包裹出发地到目的地的路线概率太低。第三是deliveryT超过threshT。如图3A所示,DesCloser的SR在0.1左右,FCFS的SR在0.21左右。DesCloser的性能最差。PPtaxi_aveprob的SR约为0.31,PPtaxi的约为0.36,至少比所有基准高出16%。
不同投递时间阈值下的成功率:图3B说明了在时间阈值threshT的不同设置下的四种算法的SR。PPtaxi和PPtax_aveprob表现比其他两种算法更好。但是,随着threshT的增加,PPtaxi的SR增加得比PPtaxi_aveprob慢。当threshT小于2小时时,PPtaxi_aveprob的SR大于PPtaxi。如果threshT超过2小时,PPtaxi的SR始终是四种算法中最大的,PPtaxi的性能更好。
不同离开时间下的投递成功率:根据对数据集的分析,0:00a.m.到6:00a.m.之间的时间是非高峰时段,而7:00a.m.到11:00pm是出租车高峰时段。将包裹数量设置为1000,并随机生成每个包的出发地和目的地。每个包的出发时间是在白天,或者每个包的出发时间设置为夜间。夜间的SR结果都低于0.15,夜间乘客打车订单太少,无法支持包裹递送方式,但繁忙时间在乘客打车订单充足的情况下表现更好。因此,当乘客打车订单很少时PPtaxi大大优于PPtaxi_aveprob。
与单跳匹配结果对比:一种是基于单跳匹配,即,如果包裹具有类似的出发地点和目的地,则可以由私家车将包裹递送。另一个是使用分布式寄存仓库作为中转,包裹是与多个出租车合作投递的,只将PPtaxi的方法与单跳方法进行比较。将包裹-出租车匹配过程中的包裹等待时间设置为一个时间段,threshT为3小时。然后,评估不同包装数量下的成功包裹投递数量。如图3C所示,可以看出PPtaxi的优势与单跳方法相比是明显的,当包数为1000时,使用PPtaxi的成功包裹投递数量是单跳方法的5倍以上。
包裹-出租车匹配结果:图3D显示包裹出租车匹配过程中不同等待时间下成功匹配的次数。包裹数量被设置为1000,并且包裹信息是随机生成的。阈值贪婪算法中的距离阈值被设置为块的边长。可以看到匹配数量随着包裹等待时间的增长而增加。如果包裹等待时间长达20分钟,匹配率甚至可以达到90%,包裹出租车匹配直接受到目标区域的出租车密度的影响。
根据本发明的另一方面,如图4所示,提供一种利用出租车的无仓储包裹运输装置40,包括:载货车辆选择模块41、乘客打车订单预测模块42、运送线路规划模块43和运送补救处理模块44。
载货车辆选择模块41根据包裹的出发地、目的地信息以及到达时间选择载货出租车,并将包裹分配给载货出租车。乘客打车订单预测模块42根据乘客打车历史数据对乘客打车订单进行预测。运送线路规划模块43基于当前的乘客打车订单以及对于乘客打车订单的预测结果为载货出租车规划包裹运送线路。运送补救处理模块44如果确定包裹递送失败则进行相应的包裹投递补救处理。
载货车辆选择模块41计算所有未载货的出租车的当前位置与包裹的出发地之间的距离值。载货车辆选择模块41选取小于预设的第一距离阈值的距离值,确定在选取的距离值中最小的距离值对应的出租车为载货出租车,将包裹分配给此载货出租车。如果不存在小于预设的距离阈值的距离值,则载货车辆选择模块41将此包裹设置为等待状态。
乘客打车订单预测模块42将地图分成m个区域块并将一天的时间分成n个时隙;使用公式一预测乘客打车的订单概率,公式一为:
P(Y=bj,X=bi|T=tk)=P(Y=bj|X=bi,T=tk)×P(X=bi|T=tk);
其中,1≤i,j≤m,1≤k≤n,X表示出发地点,Y表示目的地点,T表示出发时间;P(Y=bj,X=bi|T=tk)表示时刻tk从区域块bi出发到区域块bj的乘客打车的订单概率;
运送线路规划模块43执行步骤一,接收乘客打车订单,从乘客打车订单中提取当前乘客的起始位置和当前乘客的目的地。运送线路规划模块43执行步骤二,判断当前乘客的起始位置与载货出租车的当前位置之间的距离值是否小于预设的第二距离阈值,如果是,则判断当前乘客的目的地是否与载货出租车所载运的包裹的目标地相同。运送线路规划模块43执行步骤三,如果当前乘客的目的地与载货出租车所载运的包裹的目标地相同,则将此乘客打车订单分配给载货出租车。
运送线路规划模块43执行步骤四,如果当前乘客的目的地与载货出租车所载运的包裹的目标地不相同,则通过乘客打车订单预测模块使用公式1预测下一个乘客打车的订单概率P(des_pkg,des_psg|desT_psg);其中,des_pkg为包裹的目的地,des_psg为乘客的目的地,desT_psg乘客的到达时间。运送线路规划模块43执行步骤五,选取与最大的下一个乘客打车的订单概率对应的乘客的目的地des_psg的作为载货出租车的下一目的地,基于下一目的地为载货车租车分配乘客打车订单;其中,此乘客打车订单中的乘客的目的地为此下一目的地。运送线路规划模块43重复重复上述步骤一至五,直到载货出租车将包裹送到此包裹的目的地。
运送补救处理模块44基于包裹的送达时间设置包裹投递时长阈值;如果出租车搭载包裹的时长超过预设的包裹投递时长阈值还未到达目的地,则确定包裹递送失败,并向载货出租车发送包裹直达指令,用以通知载货出租车直接将包裹送到送到此包裹的目的地。
在一个实施例中,如图5所示,提供一种利用出租车的无仓储包裹运输装置,该装置可包括存储器51和处理器52,存储器51用于存储指令,处理器52耦合到存储器51,处理器52被配置为基于存储器51存储的指令执行实现上述的利用出租车的无仓储包裹运输方法。
存储器51可以为高速RAM存储器、非易失性存储器(non-volatile memory)等,存储器51也可以是存储器阵列。存储器51还可能被分块,并且块可按一定的规则组合成虚拟卷。处理器52可以为中央处理器CPU,或专用集成电路ASIC(Application SpecificIntegrated Circuit),或者是被配置成实施本发明的利用出租车的无仓储包裹运输方法的一个或多个集成电路。
在一个实施例中,本发明提供一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,指令被处理器执行时实现如上任一个实施例中的利用出租车的无仓储包裹运输方法。
上述实施例中的利用出租车的无仓储包裹运输方法和装置,通过包裹的出发地和目的地信息以及预测乘客打车订单,将包裹分配给载货出租车;基于当前的乘客打车订单以及对于乘客打车订单的预测结果为载货出租车规划包裹运送线路,以实现成功投递;出租车的自由空间可以被进一步利用,而投递成本几乎可以忽略不计,可以提高出租车的收入;在包裹出发地和目的地之间不再需要寄存仓库,没有存储成本;对于在线购物顾客提供包裹递送的快递服务,可以减少相应的成本,能够提高购物体验。
可能以许多方式来实现本发明的方法和系统。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和系统。用于方法的步骤的上述顺序仅是为了进行说明,本发明的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (2)
1.一种利用出租车的无仓储包裹运输方法,其特征在于,包括:
根据包裹的出发地、目的地信息以及到达时间选择载货出租车,并将所述包裹分配给所述载货出租车;
其中,计算所有未载货的出租车的当前位置与所述包裹的出发地之间的距离值;选取小于预设的第一距离阈值的所述距离值,确定在选取的所述距离值中最小的所述距离值对应的出租车为所述载货出租车,将所述包裹分配给此载货出租车;如果不存在小于预设的距离阈值的所述距离值,则将此包裹设置为等待状态;
根据乘客打车历史数据对乘客打车订单进行预测;
其中,将地图分成m个区域块并将一天的时间分成n个时隙;使用公式一预测乘客打车的订单概率,公式一为:
P(Y=bj,X=bi|T=tk)=P(Y=bj|X=bi,T=tk)×P(X=bi|T=tk);
其中,1≤i,j≤m,1≤k≤n,X表示出发地点,Y表示目的地点,T表示出发时间;P(Y=bj,X=bi|T=tk)表示时刻tk从区域块bi出发到区域块bj的乘客打车的订单概率;
基于当前的乘客打车订单以及对于乘客打车订单的预测结果为所述载货出租车规划包裹运送线路,包括:
步骤一,接收乘客打车订单,从乘客打车订单中提取当前乘客的起始位置和当前乘客的目的地;
步骤二,判断所述当前乘客的起始位置与所述载货出租车的当前位置之间的距离值是否小于预设的第二距离阈值,如果是,则判断所述当前乘客的目的地是否与所述载货出租车所载运的包裹的目标地相同;
步骤三,如果所述当前乘客的目的地与所述载货出租车所载运的包裹的目标地相同,则将此乘客打车订单分配给所述载货出租车;
步骤四,如果所述当前乘客的目的地与所述载货出租车所载运的包裹的目标地不相同,则使用所述公式一预测下一个乘客打车的订单概率
P(des_pkg,des_psg|desT_psg);
其中,des_pkg为所述包裹的目的地,des_psg为乘客的目的地,desT_psg乘客的到达时间;
步骤五,选取与最大的下一个乘客打车的订单概率对应的乘客的目的地des_psg的作为所述载货出租车的下一目的地,基于所述下一目的地为所述载货车租车分配所述乘客打车订单;其中,此乘客打车订单中的乘客的目的地为此下一目的地;
重复上述步骤一至五,直到所述载货出租车将包裹送到此包裹的目的地;
如果确定所述包裹递送失败则进行相应的包裹投递补救处理,包括:
基于所述包裹的送达时间设置包裹投递时长阈值;
如果所述出租车搭载所述包裹的时长超过预设的包裹投递时长阈值还未到达目的地,则确定包裹递送失败,并向所述载货出租车发送包裹直达指令,用以通知所述载货出租车直接将所述包裹送到此包裹的目的地。
2.一种利用出租车的无仓储包裹运输装置,其特征在于,包括:
载货车辆选择模块,用于根据包裹的出发地、目的地信息以及到达时间选择载货出租车,并将所述包裹分配给所述载货出租车;
其中,所述载货车辆选择模块,用于计算所有未载货的出租车的当前位置与所述包裹的出发地之间的距离值;选取小于预设的第一距离阈值的所述距离值,确定在选取的所述距离值中最小的所述距离值对应的出租车为所述载货出租车,将所述包裹分配给此载货出租车如果不存在小于预设的距离阈值的所述距离值,则将此包裹设置为等待状态;
乘客打车订单预测模块,用于根据乘客打车历史数据对乘客打车订单进行预测;
其中,所述乘客打车订单预测模块,用于将地图分成m个区域块并将一天的时间分成n个时隙;使用公式一预测乘客打车的订单概率,公式一为:
P(Y=bj,X=bi|T=tk)=P(Y=bj|X=bi,T=tk)×P(X=bi|T=tk);
其中,1≤i,j≤m,1≤k≤n,X表示出发地点,Y表示目的地点,T表示出发时间;P(Y=bj,X=bi|T=tk)表示时刻tk从区域块bi出发到区域块bj的乘客打车的订单概率;
运送线路规划模块,用于基于当前的乘客打车订单以及对于乘客打车订单的预测结果为所述载货出租车规划包裹运送线路;
其中,所述运送线路规划模块,用于执行步骤一,接收乘客打车订单,从乘客打车订单中提取当前乘客的起始位置和当前乘客的目的地;执行步骤二,判断所述当前乘客的起始位置与所述载货出租车的当前位置之间的距离值是否小于预设的第二距离阈值,如果是,则判断所述当前乘客的目的地是否与所述载货出租车所载运的包裹的目标地相同;执行步骤三,如果所述当前乘客的目的地与所述载货出租车所载运的包裹的目标地相同,则将此乘客打车订单分配给所述载货出租车;执行步骤四,如果所述当前乘客的目的地与所述载货出租车所载运的包裹的目标地不相同,则通过所述乘客打车订单预测模块使用所述公式一 预测下一个乘客打车的订单概率P(des_pkg,des_psg|desT_psg);其中,des_pkg为所述包裹的目的地,des_psg为乘客的目的地,desT_psg乘客的到达时间;执行步骤五,选取与最大的下一个乘客打车的订单概率对应的乘客的目的地des_psg的作为所述载货出租车的下一目的地,基于所述下一目的地为所述载货车租车分配所述乘客打车订单;其中,此乘客打车订单中的乘客的目的地为此下一目的地;
所述运送线路规划模块,还用于重复上述步骤一至五,直到所述载货出租车将包裹送到此包裹的目的地;
运送补救处理模块,用于如果确定所述包裹递送失败则进行相应的包裹投递补救处理;
其中,所述运送补救处理模块,具体用于基于所述包裹的送达时间设置包裹投递时长阈值;如果所述出租车搭载所述包裹的时长超过预设的包裹投递时长阈值还未到达目的地,则确定包裹递送失败,并向所述载货出租车发送包裹直达指令,用以通知所述载货出租车直接将所述包裹送到此包裹的目的地。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810577945.8A CN108764804B (zh) | 2018-06-07 | 2018-06-07 | 一种利用出租车的无仓储包裹运输方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810577945.8A CN108764804B (zh) | 2018-06-07 | 2018-06-07 | 一种利用出租车的无仓储包裹运输方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108764804A CN108764804A (zh) | 2018-11-06 |
CN108764804B true CN108764804B (zh) | 2022-02-08 |
Family
ID=63999742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810577945.8A Active CN108764804B (zh) | 2018-06-07 | 2018-06-07 | 一种利用出租车的无仓储包裹运输方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108764804B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109583634A (zh) * | 2018-11-16 | 2019-04-05 | 西北工业大学 | 一种基于现代投资组合理论的外卖配送路径选择方法 |
CN110322106B (zh) * | 2019-04-12 | 2023-08-01 | 赵志为 | 一种多目的地、多个运输工具的行李取送调度方法 |
CN111222819B (zh) * | 2019-10-21 | 2023-11-21 | 北京旷视机器人技术有限公司 | 确定载货车辆的方法、仓储管理装置、系统、设备及介质 |
CN111967632B (zh) * | 2020-04-07 | 2024-04-19 | 上海寻梦信息技术有限公司 | 物流对象的包装等级确定方法、装置、电子设备、存储介质 |
CN113743545B (zh) * | 2020-05-29 | 2024-06-04 | 杭州海康威视数字技术股份有限公司 | 行李托运管理系统、方法、装置、服务器及存储介质 |
CN113865603B (zh) * | 2021-08-30 | 2024-06-07 | 东风柳州汽车有限公司 | 共享无人车路径规划方法、装置、设备及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218769A (zh) * | 2013-03-19 | 2013-07-24 | 王兴健 | 出租车订单分配方法 |
CN104021667B (zh) * | 2014-06-25 | 2016-06-01 | 哈尔滨工业大学 | 整合预约服务与实时打车的出租车合乘调度系统及调度方法 |
US20160125563A1 (en) * | 2014-11-02 | 2016-05-05 | Joseph Lai | System and Method for Smart Passenger and Freight Transportation |
CN106919996A (zh) * | 2015-12-25 | 2017-07-04 | 滴滴(中国)科技有限公司 | 一种目的地预测方法及装置 |
CN105702020B (zh) * | 2016-04-13 | 2017-10-17 | 广州市沃希信息科技有限公司 | 一种基于拼车的快递派送方法、系统及服务器 |
CN107784377A (zh) * | 2016-08-26 | 2018-03-09 | 阿里巴巴集团控股有限公司 | 货品数据处理方法、装置及服务器 |
CN107563683A (zh) * | 2017-07-21 | 2018-01-09 | 闫凯 | 一种城市内乘客及货物协同运输方法及系统 |
CN107767053A (zh) * | 2017-10-23 | 2018-03-06 | 广东溢达纺织有限公司 | 合乘出行的配对方法、装置、存储介质和计算机设备 |
CN108108945A (zh) * | 2018-01-06 | 2018-06-01 | 王淑贞 | 一种顺路捎送的参与式快递 |
-
2018
- 2018-06-07 CN CN201810577945.8A patent/CN108764804B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108764804A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764804B (zh) | 一种利用出租车的无仓储包裹运输方法和装置 | |
Li et al. | Two-echelon vehicle routing problem with time windows and mobile satellites | |
US11030570B2 (en) | System and method for dynamic fleet management | |
Wallar et al. | Vehicle rebalancing for mobility-on-demand systems with ride-sharing | |
CN111328404B (zh) | 仓库和供应链协调器 | |
CN111626577A (zh) | 一种车辆调度方法和装置 | |
WO2015062343A1 (zh) | 一种基于云平台的物流仓储管理方法及系统 | |
Meisel et al. | Synchronized routing of active and passive means of transport | |
Ichoua1 et al. | Planned route optimization for real-time vehicle routing | |
CN113420928A (zh) | 订单调度方法、装置、设备及存储介质 | |
CN113393020A (zh) | 物流智能调度方法、装置、设备及存储介质 | |
CN111428902B (zh) | 确定运输线路的方法及装置 | |
Nugymanova et al. | CHOOSING A SERVICING COMPANY’S STRATEGY WHILE INTERACTING WITH FREIGHT OWNERS AT THE ROAD TRANSPORT MARKET. | |
KR20160070699A (ko) | 권역지정을 통한 자동배차계획 설계방법 | |
Makhloufi et al. | Simulation of mutualized urban logistics systems with real-time management | |
Montaña et al. | A novel mathematical approach for the Truck-and-Drone Location-Routing Problem | |
Royo et al. | Solving a long-distance routing problem using ant colony optimization | |
JP2007191296A (ja) | 幹線物流網スケジュール作成システム | |
Fonseca-Galindo et al. | A multi-agent system for solving the dynamic capacitated vehicle routing problem with stochastic customers using trajectory data mining | |
CN110334976B (zh) | 一种计算机实现的行李取送系统和方法 | |
US20210390479A1 (en) | Vehicle allocation plan device, vehicle allocation plan system, and vehicle allocation plan program | |
US20200327633A1 (en) | Delivery vehicle management system | |
JP4025652B2 (ja) | 輸送計画作成システム及び方法 | |
JP2001014296A (ja) | 配車配送計画方法、配車配送計画プログラムを記録したコンピューター読み取り可能な記録媒体及び配車配送計画装置。 | |
Kamoun et al. | Design of express mail services for metropolitan regions. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |