CN109858685A - 一种物流运力智能分配方法 - Google Patents

Abstract

本发明公开了一种物流运力智能分配方法，获取包括收揽站、运输线路、中转站以及末端配送员位置的电子地图，将电子地图栅格化，将其中的每个栅格几何中心点作为预设配送目的地，组合收揽站与预设配送目的地状况，计算出每一种状况的最低物流成本对应的配送方案，实时统计收揽站的物流收揽量，并匹配组合状况，采用对应物流成本最低的运输配送方案，将每种组合情况的配送方案按照成本顺序排列，实时统计收揽站的物流收揽量超出最佳方案配送限度，则顺序采用成本高的配送方案；本发明实施中，将所有快递配方情形对应的优化方案提前准备完毕，并且优化检索速度，将实时情况快速匹配优化方案，降低物流运输配送成本。

Description

一种物流运力智能分配方法

技术领域

本发明涉及物流智能配送领域，具体涉及一种物流运力智能分配方法。

背景技术

物流配送路径优化问题，即是车辆路径问题（Vehicle Routing Problem, VRP)，是Dantzig和Ramser于1959年提出的。具体来说，就是根据物流配送的已知条件和目标约束条件，寻找一般最符合条件的配送路线,使物流配送成本最小化。随着市场经济的发展与繁荣，物流配送在货物运输成本中占比重也越来越高。因而，如何降低物流运输成本，提高物流运输效率等问题，日益凸显重要,成为影响物流业发展中的重要--环。特别是，商业竞争的残酷性，使得客户对时间的要求更为苛刻。因此，如何解决有时间窗物流配送路径优化问题，也相应地凸显迫切。目前，物流配送路径问题应用范围十分广泛,物流运输、交通建设、通信等。随着物流业的发展，根据现代物流业发展的需求，车辆路径问题又进一步发展了有时间窗车辆路径问题（Vehicle Routing Problem With Time Windows, VRPTW)，或有时间窗物流配送路径优化问题，也即是在物流配送路径优化问题，使得物流配送成本最小化。

在专利号为CN103473612B的专利中公开了一种面向超大规模物流配送的选址与运输优化方法，其特征在于，包括以下步骤: 步骤一:聚类，利用自下而上的聚类方法获得初始聚类结果，将所得初始聚类结果中的前X个类作的核为直接指派的聚类方法的初始核，再应用直接指派的聚类方法进行计算；步骤二:选址规划，给定配送中心数目为P，以最小化总成本为目标计算出最佳的选址方案； 步骤三:比较步骤二得出的不同配送中心数目的选址方案，综合管理成本来选择理想选址方案； 步骤四:路径规划，根据每个聚类内部的配送点数量的需求、地理信息，计算每个配送点的配送交接的时间需求和点与点间的交通时间需求； 步骤五:根据步骤四所得计算的时间需求，应用蚁群算法，计算得出最佳配送路径。但是此种方案无法在配送网络使用过程中能够根据具体实时物流量和配送情况选取最佳方案。

发明内容

本发明的目的在于克服现有技术中存在的上述问题，提供一种物流运力智能分配方法，降低物流运输配送成本。

为实现上述技术目的，达到上述技术效果，本发明是通过以下技术方案实现：

一种物流运力智能分配方法，包括以下步骤，

步骤S1，获取包括收揽站、运输线路、中转站以及末端配送员位置的电子地图；

步骤S2，将电子地图栅格化，将其中的每个栅格几何中心点作为预设配送目的地；

步骤S3，组合收揽站与预设配送目的地状况，计算出每一种状况的最低物流成本对应的配送方案；

步骤S4，实时统计收揽站的物流收揽量，并匹配步骤S3中的组合状况，采用对应物流成本最低的运输配送方案。

进一步地，所述步骤S1中，末端配送员携带随身定位装置，并且将电子地图栅格化，将位置信息实时标记在电子地图中，对应栅格几何中心点作为末端配送员的位置。

进一步地，栅格为正方形。

进一步地，每个居民聚居区包含且仅包含于一个正方形的栅格，每个正方形栅格的边长不尽相同，包含居民社区正方形栅格外的区域切割为矩形。

进一步地，所述步骤S3中，组合所有收揽站与预设配送目的地状况，计算出每一种状况的所有配送方案对应物流成本。

进一步地，将所有收揽站与预设配送目的地状况的组合按照以下方式进行排列，

将所有收揽站与预设配送目的地进行排序，N(x)与M(x)，

将N(x)与M(x)的所有组合分别标记为集合A和集合B，

将集合A和集合B按照x升序或降序进行排列，

计算出排列组合的数量Q，并且对应升序或者降序，标记每种组合的序号。

进一步地，所述步骤S4中，将实时统计中有待发物流的收揽站，以及该物流对应的配送目的地，分别标记为、，将、代入集合A和集合B，选取对应的配送方案。

进一步地，将、代入序号对应的集合A和集合B，

若，则重复上述步骤，

若，则将、代入序号对应的集合A和集合B，若不符合则重复执行上述步骤。

进一步地，所述步骤S3中，还将每种组合情况的配送方案按照成本顺序排列，所述步骤S4中，实时统计收揽站的物流收揽量超出最佳方案配送限度，则顺序采用成本高的配送方案。

本发明的收益效果是：

将所有快递配方情形对应的优化方案提前准备完毕，并且优化检索速度，将实时情况快速匹配优化方案，降低物流运输配送成本。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，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为本发明所述物流运力智能分配方法的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，本发明为

一种物流运力智能分配方法，包括以下步骤，

步骤S1，获取包括收揽站、运输线路、中转站以及末端配送员位置的电子地图；

步骤S2，将电子地图栅格化，将其中的每个栅格几何中心点作为预设配送目的地；

步骤S3，组合收揽站与预设配送目的地状况，计算出每一种状况的最低物流成本对应的配送方案；

步骤S4，实时统计收揽站的物流收揽量，并匹配步骤S3中的组合状况，采用对应物流成本最低的运输配送方案。

优选地，所述步骤S1中，末端配送员携带随身定位装置，并且将电子地图栅格化，将位置信息实时标记在电子地图中，对应栅格几何中心点作为末端配送员的位置。

优选地，栅格为正方形。

优选地，每个居民聚居区包含且仅包含于一个正方形的栅格，每个正方形栅格的边长不尽相同，包含居民社区正方形栅格外的区域切割为矩形。

优选地，所述步骤S3中，组合所有收揽站与预设配送目的地状况，计算出每一种状况的所有配送方案对应物流成本。

优选地，将所有收揽站与预设配送目的地状况的组合按照以下方式进行排列，

将所有收揽站与预设配送目的地进行排序，N(x)与M(x)，

将N(x)与M(x)的所有组合分别标记为集合A和集合B，

将集合A和集合B按照x升序或降序进行排列，

计算出排列组合的数量Q，并且对应升序或者降序，标记每种组合的序号。

优选地，所述步骤S4中，将实时统计中有待发物流的收揽站，以及该物流对应的配送目的地，分别标记为、，将、代入集合A和集合B，选取对应的配送方案。

优选地，将、代入序号对应的集合A和集合B，

若，则重复上述步骤，

若，则将、代入序号对应的集合A和集合B，若不符合则重复执行上述步骤，其中为每次对比对应的x值。

优选地，所述步骤S3中，还将每种组合情况的配送方案按照成本顺序排列，所述步骤S4中，实时统计收揽站的物流收揽量超出最佳方案配送限度，则顺序采用成本高的配送方案。

本实施例的一个具体应用为：

获取包括收揽站、运输线路、中转站以及末端配送员位置的电子地图，末端配送员携带随身定位装置，并且将电子地图栅格化，将位置信息实时标记在电子地图中，对应栅格几何中心点作为末端配送员的位置，栅格为正方形，每个居民聚居区包含且仅包含于一个正方形的栅格，每个正方形栅格的边长不尽相同，包含居民社区正方形栅格外的区域切割为矩形，每个栅格几何中心点作为预设配送目的地；

组合收揽站与预设配送目的地状况，计算出每一种状况的最低物流成本对应的配送方案，组合所有收揽站与预设配送目的地状况，计算出每一种状况的所有配送方案对应物流成本，将所有收揽站与预设配送目的地状况的组合按照以下方式进行排列，

将所有收揽站与预设配送目的地进行排序，N(x)与M(x)，

将N(x)与M(x)的所有组合分别标记为集合A和集合B，

将集合A和集合B按照x升序或降序进行排列，

计算出排列组合的数量Q，并且对应升序或者降序，标记每种组合的序号；

将实时统计中有待发物流的收揽站，以及该物流对应的配送目的地，分别标记为、，将、代入集合A和集合B，选取对应的配送方案，将、代入序号对应的集合A和集合B，

若，则重复上述步骤，其中为每次对比对应的x值，

若，则将、代入序号对应的集合A和集合B，若不符合则重复执行上述步骤，收揽站在我国的数量数以万计，配送的居民区也是数以万计，相应的组合数量以亿计，普通的排序匹配方式，速度缓慢，本方案采用循环黄金比例算法，用最快速度匹配成功；

将每种组合情况的配送方案按照成本顺序排列，实时统计收揽站的物流收揽量超出最佳方案配送限度，则顺序采用成本高的配送方案。

上述操作中，相比较传统方式，降低物流运输配送成本。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等描述意指结合该实施例或示例描述的具体特征、结构、材料过着特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (9)

1.一种物流运力智能分配方法，其特征在于：包括以下步骤，

步骤S1，获取包括收揽站、运输线路、中转站以及末端配送员位置的电子地图；

步骤S2，将电子地图栅格化，将其中的每个栅格几何中心点作为预设配送目的地；

步骤S3，组合收揽站与预设配送目的地状况，计算出每一种状况的最低物流成本对应的配送方案；

步骤S4，实时统计收揽站的物流收揽量，并匹配步骤S3中的组合状况，采用对应物流成本最低的运输配送方案。

2.根据权利要求1所述的一种物流运力智能分配方法，其特征在于：所述步骤S1中，末端配送员携带随身定位装置，并且将电子地图栅格化，将位置信息实时标记在电子地图中，对应栅格几何中心点作为末端配送员的位置。

3.根据权利要求1-2中任一项所述的一种物流运力智能分配方法，其特征在于：栅格为正方形。

4.根据权利要求3所述的一种物流运力智能分配方法，其特征在于：每个居民聚居区包含且仅包含于一个正方形的栅格，每个正方形栅格的边长不尽相同，包含居民社区正方形栅格外的区域切割为矩形。

5.根据权利要求1所述的一种物流运力智能分配方法，其特征在于：所述步骤S3中，组合所有收揽站与预设配送目的地状况，计算出每一种状况的所有配送方案对应物流成本。

6.根据权利要求5所述的一种物流运力智能分配方法，其特征在于：将所有收揽站与预设配送目的地状况的组合按照以下方式进行排列，

将所有收揽站与预设配送目的地进行排序，N(x)与M(x)，

将N(x)与M(x)的所有组合分别标记为集合A和集合B，

将集合A和集合B按照x升序或降序进行排列，

计算出排列组合的数量Q，并且对应升序或者降序，标记每种组合的序号。

7.根据权利要求1或5或6所述的一种物流运力智能分配方法，其特征在于：所述步骤S4中，将实时统计中有待发物流的收揽站，以及该物流对应的配送目的地，分别标记为、，将、代入集合A和集合B，选取对应的配送方案。

8.根据权利要求7所述的一种物流运力智能分配方法，其特征在于：将、代入序号对应的集合A和集合B，

若，则重复上述步骤，

若，则将、代入序号对应的集合A和集合B，若不符合则重复执行上述步骤，

其中为每次对比对应的x值。

9.根据权利要求1所述的一种物流运力智能分配方法，其特征在于：所述步骤S3中，还将每种组合情况的配送方案按照成本顺序排列，所述步骤S4中，实时统计收揽站的物流收揽量超出最佳方案配送限度，则顺序采用成本高的配送方案。