CN110097288B - 一种基于图搜索的城市众包配送任务分配方法及装置 - Google Patents
一种基于图搜索的城市众包配送任务分配方法及装置 Download PDFInfo
- Publication number
- CN110097288B CN110097288B CN201910380650.6A CN201910380650A CN110097288B CN 110097288 B CN110097288 B CN 110097288B CN 201910380650 A CN201910380650 A CN 201910380650A CN 110097288 B CN110097288 B CN 110097288B
- Authority
- CN
- China
- Prior art keywords
- task
- rider
- distribution
- crowdsourcing
- time
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 165
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000010586 diagram Methods 0.000 claims abstract description 23
- 238000013507 mapping Methods 0.000 claims abstract description 21
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 241000257303 Hymenoptera Species 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 9
- 239000003016 pheromone Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000007704 transition Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 238000010295 mobile communication Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 206010019233 Headaches Diseases 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000003068 static effect Effects 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
- G06Q10/06—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
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种基于图搜索的城市众包配送任务分配方法,将实际电子地图映射成众包配送网络图,将任务的起始位置、目标位置以及骑手的位置映射到配送网络图中,考虑配送路径优化并在图中完成任务分配。本发明考虑众包骑手的配送能力和任务匹配度,以时间约束内为骑手分配任务的数量最多为目标,建立基于配送网络图的众包任务分配模型。提出一种基于配送网络图的众包任务分配算法,即基于蚁群规划的众包任务分配算法,求解问题模型。最后,将得到的分配结果返回到电子地图中,便于用户以可视化的方式查看。本发明提供的一种新的城市众包配送服务调度解决方案,得到骑手的配送任务集合的同时也能输出骑手配送路径,具有实用价值。
Description
技术领域
本发明涉及物流技术领域,尤其涉及一种基于图搜索的城市众包配送任务分配方法及装置。
背景技术
据中国互联网络发展状况统计显示,截至2018年12月,我国网民规模达8.29亿,网络购物用户规模达6.10亿,网民使用率为73.6%。据国家邮政局统计,2011-2018年我国快递业务量快速增加,2018年全国快递业务量完成505亿件,同比增长25.8%,预计未来仍会快速增长。目前快递员日均配送量为60至100件,超过八成的快递员平均工作时长在8个小时以上,快递员工作已处于较为饱和状态。从以上数据可以看出,未来电子商务的发展是非常可观的,这也对快递末端造成了更大的压力。
物流终端的配送问题一直以来都是一个头疼的问题,普遍存在着信息利用率低、可控性差、灵活性差等问题,并且终端配送也是影响客户满意度的一个重要因素。针对终端配送存在的问题,很多物流公司已经从传统的配送模式向众包模式进行转变,例如点我达、人人快递、京东众包等。城市众包配送服务整合了社会上的富余资源,改变了传统的配送模式,缓解了配送的压力。
在城市众包配送服务的研究中,众包任务的分配是核心问题之一,直接影响配送效率。目前已经有很多国内外学者对空间众包中的任务分配进行了研究,但现今主要存在的不足有:(1)多数空间任务分配问题的研究都是将任务视为一个位置的,而现实中任务是分为起始位置和目标位置的,缺少考虑任务的实际特征。(2)多数研究都是基于静态场景展开的,而实际上任务和骑手是动态随机出现的。
发明内容
本发明提供一种提高任务分配效率,促进众包行业的发展的基于图搜索的城市众包配送任务分配方法,方法包括步骤如下:
步骤1,构造众包配送网络图;
步骤2,映射众包骑手;
步骤3,配置众包配送任务;
步骤4,对众包配送任务分配建模
步骤5,检查时间窗约束、实时负载约束和服务质量约束;
步骤6,对众包配送任务优化分配建模;
步骤7,基于蚁群规划配置众包任务分配算法;
步骤8,对众包分配结果进行可视化展示。
本发明还提供一种实现基于图搜索的城市众包配送任务分配方法的装置,包括:存储器,用于存储计算机程序及基于图搜索的城市众包配送任务分配方法;处理器,用于执行所述计算机程序及基于图搜索的城市众包配送任务分配方法,以实现基于图搜索的城市众包配送任务分配方法的步骤。
从以上技术方案可以看出,本发明具有以下优点:
本发明提出了一种基于图搜索的城市众包配送任务分配方法。将实际电子地图(百度地图、高德地图等)映射成众包配送网络图,将任务的起始位置、目标位置以及骑手的位置映射到配送网络图中,考虑配送路径优化并在图中完成任务分配。其次,本发明考虑众包骑手的配送能力和任务匹配度,以时间约束内为骑手分配任务的数量最多为目标,建立基于配送网络图的众包任务分配模型。然后,提出一种基于配送网络图的众包任务分配算法,即基于蚁群规划的众包任务分配算法,求解问题模型。最后,将得到的分配结果返回到电子地图中,便于用户以可视化的方式查看。
本发明从现实出发,将复杂的电子地图映射成众包配送网络图,将空间任务分配问题转变成基于配送网络图的众包任务分配问题。针对目前任务分配中存在的不足之处,本发明将任务的起点、任务的终点及骑手位置根据电子地图位置映射到配送网络图中,建立了基于众包配送网络图的众包任务分配模型,并设计了基于蚁群规划的众包任务分配算法。将算法输出的分配结果以一种可视化的方法返回到电子地图中。本发明提供的一种新的城市众包配送服务调度解决方案,得到骑手的配送任务集合的同时也能输出骑手配送路径,具有实用价值。
附图说明
为了更清楚地说明本发明的技术方案,下面将对描述中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为基于图搜索的城市众包配送任务分配方法流程图;
图2为本发明的基于众包配送网络图的骑手映射图;
图3为本发明的基于众包配送网络图的任务映射图;
图4为本发明的基于众包配送网络图的任务分配示意图;
图5为本发明的基于蚁群规划的众包任务分配算法流程图(a);
图6为本发明的基于蚁群规划的众包任务分配算法流程图(b)。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将运用具体的实施例及附图,对本发明保护的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本专利中的实施例,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,都属于本专利保护的范围。
本发明提供一种基于图搜索的城市众包配送任务分配方法,其目的是提高任务分配效率,促进众包行业的发展。本发明的步骤如下:
步骤1:众包配送网络图的构造
本发明采用图结构来描述城市众包配送网络,该图称为众包配送网络图(Crowdsourcing Distribution Network Graph,CDNG)。众包配送网络图可表示为G=(V,E),其中,V为节点集合,节点的信息主要包括结点的编号、经纬度、位置的名称等,E={(v,v′)|v,v′∈V}为的边集合,每条边的主要信息包括边的编号、路径长度、道路名称等。本发明提供了从电子地图(例如百度地图、高德地图等)到众包配送网络图的映射方法,该方法将电子地图中标注的与配送相关的位置(例如商家位置、十字路口交叉点等)映射为众包配送网络图中的相应节点,将不同位置之间的优化路径映射为众包配送网络图中相应的边,并通过Dijkstra算法来计算边的最短距离。本发明采用关系数据库来存储众包配送网络图的数据,并提供了相应的API服务。
步骤2:众包骑手的映射
本发明利用位置服务和移动通信技术实时获取众包骑手的信息,并将其映射到配送网络图CDNG上。一个众包骑手c的信息可表示为:(lc,vc,ac,bc,Gc,Qc),其中,lc为骑手c的当前位置,vc为骑手c的平均配送速度,[ac,bc]为骑手c的服务时间窗(ac<bc),ac为开始服务时刻,bc为终止服务时刻,Gc为骑手c每次能够接受的快件数量上限,Qc为骑手c的服务质量,其可以通过用户的评分来计算,服务质量越高说明骑手完成配送任务的成功率就越高。
一个区域D(D为CDNG的一个子图)内某个时间段R的所有众包骑手的集合表示为:对于/>骑手c的当前位置lc要在区域D的覆盖范围内,骑手c的服务时间窗[ac,bc]要在时段R内。
步骤3:众包配送任务的映射
本发明利用位置服务和移动通信技术实时获取众包配送任务的信息,并将其映射到众包配送网络图CDNG上。一个众包配送任务t的信息可以表示为:其中,/>为任务t的取货位置,/>为任务t的送货位置,/>为任务t的取货时间窗,/>为最早取货时刻,/>为最晚取货始时刻,/>为平均取货时间,/>为任务t的送货时间窗,/>为最早送货时刻,/>为最晚送货始时刻,/>为平均送货时间,gt为任务t所包含的快件数量,qt为任务t的服务质量需求。
一个区域D内某个时段R的所有众包配送任务的集合表示为:对于/>任务t的取货位置/>和送货位置/>要在区域D所覆盖的范围内,任务t的最早取货时刻/>和最晚送货完成时刻/>要在时段R内。
步骤4:众包配送任务分配建模
本发明将一个众包配送任务分配方案建模为一个从任务集合到骑手集合的映射函数/>对于/>如果/>表示将任务t分配给骑手c,φ表示一个空骑手,如果σ(t)=φ,表示任务t没有被分配给任何骑手。
一个骑手一次可以完成多个任务,本发明利用表示分配给骑手c的任务集合,利用/>表示所有已分配的任务集合,利用/>表示所有未分配的任务集合,因此,/>
本发明利用表示分配给骑手/>的所有任务的取货位置和送货位置的集合。
本发明将骑手的一条配送路径表示为一个位置排列Pc=ρc(0)ρc(1)其中,ρc是一个从集合/>到集合的一一映射函数,ρc(k)表示骑手c第/>个到达的位置,ρc(0)=lc为骑手出发的位置。每个任务的取货位置应该在其送货位置之前出现,因此,对于/>有ρ-1(blt)>ρ-1(elt),ρ-1为ρ的逆函数。
如果一条配送路径Pc满足时间窗约束、实时负载约束和服务质量约束,本发明称Pc为一条可行的配送路径。
对于众包配送任务分配方案σ,如果对于都存在一条可行的配送路径,本发明称σ为一个可行众包配送任务分配方案。
步骤5:时间窗约束、实时负载约束和服务质量约束检查
·时间窗约束检查
本发明利用sc(k)表示骑手c在第k个位置ρc(k)的平均服务时间,如果ρc(k)为任务的取货位置,则有/>如果ρc(k)为任务/>的送货位置,则有
本发明利用τc(k-1,k)表示骑手c从第k-1位置ρc(k-1)到第k个位置ρc(k)的平均行驶时间,dc(k-1,k)为第k-1个位置ρc(k-1)到第k个位置ρc(k)的最短距离。
本发明利用τc(k)表示骑手c到达第个位置ρc(k)的时刻,τc(0)为骑手c从位置lc=ρc(0)出发的时刻,本发明采用公式τc(k)=τc(k-1)+sc(k-1)+τc(k-1,k)来计算到达第k个位置的时刻。
本发明采用如下规则来检查时间窗约束:
√骑手c的出发时刻满足约束条件:τc(0)≥ac。
√如果ρc(k)为任务的取货位置,τc(k)应满足约束条件:/>如果ρc(k)为任务/>的送货位置,τc(k)应满足约束条件:/>
√骑手a完成所有配送任务的时刻应满足约束条件:
·实时负载约束检查
本发明利用ηc(k)表示骑手c在第个位置ρc(k)的增加或减少的快件数量,其中,ηc(0)=0。如果ρc(k)为任务/>的取货位置,则有ηc(k)=gt;如果ρc(k)为任务/>的送货位置,则有ηc(k)=-gt。
本发明利用gc(k)表示骑手c在第个位置的实时负载,采用公式/>来计算每个位置的实时负载。
本发明采用如下规则来检查实时负载约束:对于有gc(k)≤Gt。
·服务质量约束检查
本发明采用如下规则来检查服务质量约束:对于如果Match(Qc,qt)=1,说明任务分配满足服务质量约束,否则,说明任务分配不满足服务质量约束。
Match(Qc,qt)为一个二值函数,其取值为1和0,如果Match(Qc,qt)=1,表示Qc满足qt的需求,否则,表示Qc不满足qt的需求。针对不同类型的服务质量,本发明提供了相应的匹配判定规则。
步骤6:众包配送任务优化分配建模
当众包配送任务的数量众多,现有配送资源不能完全满足需求时,本发明的目标是寻找一种使得已分配任务的数量最大的可行众包配送任务分配方案,并为每个骑手规划一条可行的配送路径。众包配送任务优化分配问题模型表示为:
s.t.σ∈Ω
其中,σ是一个从任务集合到骑手集合/>的可行众包配送任务分配方案。,Ω是所有可行众包配送任务分配方案集合。
步骤7:基于蚁群规划的众包任务分配算法
本发明提出了基于蚁群规划的众包任务分配算法,核心思想是将任务分配与路径规划结合,首先在区域中得到每个骑手的可行任务集合,并通过蚁群规划进行可行任务的路径规划,最后形成分配的任务集合。
输入:区域D及时间段R内的图CDNG
输出:最优分配方案,即任务集合到骑手集合的映射函数及优化的配送路径
Step1:根据步骤5的时间窗约束检查、实时负载约束检查和服务质量约束检查得到每个骑手的可行任务集合将骑手按照可行任务由多到少进行排序,得到c1,c2,…cn;
Step2:k=1,区域内任务分为已分配任务集合和未分配任务集合,即
Step3:对于ck,在可行任务集合中分配任务,通过蚁群规划算法寻找可行的配送路径Pc,并生成分配的任务集合/>
Step4:区域内未分配的任务集合变为同时更新剩余骑手的可行任务集合/>
Step5:k≤n,k=k+1,循环Step3,直到得到所有骑手ck的派单序列或者任务全部分配完成,输出骑手、分配的任务集合和配送路径,算法结束。
本发明选择了蚁群算法来实现任务路径规划,蚁群规划的基本思想是将蚂蚁所走的路径作为可行解的空间,随着时间的推进,较短路径上积累更高的信息浓度,选择该路径蚂蚁数量越来越多,从而求出最优解。定义蚂蚁在t时刻从节点i转移到节点j的状态转移概率pij。
allowed表示在t时刻蚂蚁下一步允许选择的任务节点(任务节点访问有顺序规则,即起始节点先于终止节点),ηij表示由节点i转移到节点j的期望程度,ηij(t)由时间约束决定,ηij(t)=1/tij,tij包含骑手达到节点i的时间及节点i到节点j的时间的和。tij越小,ηij(t)越大,pij(t)也就越大。τij(t)为时刻t由i到j的信息素强度,α表示信息启发式因子,反映了蚁群在运动过程中所残留的信息量的相对重要程度,β表示期望启发式因子,反映了期望值的相对重要程度。
蚁群规划的步骤为:
输入:骑手ck、可行任务集合
输出:骑手分配的任务集合及骑手最优配送路径Pc
Step1:初始化各项参数,包括蚂蚁数量m,最大循环次数Ncmax,信息启发式因子α,期望启发式因子β,蚂蚁释放的信息素量Q,蚂蚁由节点i转移到节点j的状态转移概率pij,令循环次数Nc=0;
Step2:将m只蚂蚁放置到骑手ck节点上,对每条路径上的信息素进行初始化,并以骑手节点为中心搜索下一步可移动的可行任务集合中每个任务的起点;
Step3:初始化禁忌表,将骑手节点放置到禁忌表tabu_list中;
Step4:蚂蚁根据顺序规则及状态转移概率pij搜索下一个可移动的任务节点,并通过步骤5的时间窗约束检查、实时负载约束检查判断任务节点的可行性。并将可行任务节点放置到禁忌表tabu_list中,重复该步骤直到蚂蚁不能再访问任务;
Step5:更新各路径上的信息素;
Step6:Nc=Nc+1;
Step7:若Nc=Ncmax,循环结束,得到可行的配送路径Pc,并生成分配的任务集合若Nc≠Ncmax,清空禁忌表,循环Step3。
步骤8:众包分配结果的可视化展示
本发明提供了一种将众包分配结果的可视化的方法,将骑手及其分配的任务集合以可视化的方式返回到电子地图中。骑手可以在地图中查看分配的任务集合,及规划好的行驶路径,并通过物联网技术进行实时监控。
为了使本领域的人员更好地理解本发明方案,下面结合附图及实施本发明作进一步的详细描述。具体步骤如下:
步骤1:众包配送网络图的构造
本发明将电子地图构造成众包配送网络图。将电子地图中标注的与配送相关的位置映射成节点,例如商家位置、十字路口交叉点等。将电子地图中点之间的优化路径映射成图的边,并通过计算标注边的距离。
附图1描述了一个电子地图映射成众包配送网络图的过程示意图,地图为哈尔滨工业大学(威海)地区,每个区域内包含多个配送网址,将电子地图通过一种映射方法进行转换。例如,将地址1中的柳苑小区A座、柳苑小区B座、柳苑小区C座、柳苑小区D座映射成众包配送网络图的节点1,将学子路的十字路口映射成配送网络图的节点2等;将中间的路网结构映射为节点1与节点2之间的边,将路网间的距离标注成节点之间的距离。地图其他区域也以此规则进行映射,最终可以得到一个非连通的众包配送网络图。
步骤2:众包骑手的映射
本发明将骑手映射到众包配送网络图,通过物联网技术收集骑手位置,将电子地图中骑手的位置转换到众包配送网络图中的节点或边上。骑手位置依附于众包配送网络图,将每个骑手进行编号,利用数据库对信息进行存储。
附图2描述了骑手从电子地图映射到众包配送网络图的过程示意图,地图为哈尔滨工业大学(威海)地区。例如,骑手1在配送网址2上、骑手2在配送网址7和网址8路网中、骑手3在配送网址9上,将其映射到众包配送网络图的节点2、节点7到节点8间的边、节点9上。地图上其他区域存在的骑手也以此规则进行映射,并在众包配送网络图完成任务的分配。
步骤3:众包配送任务的映射
本发明将任务映射到众包配送网络图,通过物联网技术收集任务的实时信息,包含任务起始位置和目标位置,并将电子地图中任务的位置转换到众包配送网络图中的节点上。任务起始和目标位置都依附于众包配送网络图,将每个任务进行编号,利用数据库对信息进行存储。
附图3描述了任务从电子地图映射到众包配送网络图的过程示意图,地图为哈尔滨工业大学(威海)地区。例如,任务1的起始位置在配送网址1上,任务1的目标位置在配送网址3上,将任务1映射到众包配送网络图的节点1、节点3上。地图上其他区域存在的任务起点和终点也以此规则进行映射,并在众包配送网络图完成任务的分配。
步骤4:众包配送任务分配建模
本发明定义了基于配送网络图的众包任务分配模型,任务分配目标是每次为骑手分配最多数量的任务,提高众包分配效率。
附图4描述了基于众包配送网络图的任务分配示意图,基于配送网络图实现骑手和任务的最优分配。例如,配送网络图中存在多个任务的起点、终点和骑手,最优分配的结果:为骑手1分配的任务集合为任务1和任务3,其配送序列为:取1→取3→送3→送1,其最优配送路径为:2->1->4->5->6->3。
步骤5:基于蚁群规划的众包任务分配算法
本发明提出了基于蚁群规划的众包任务分配算法,核心思想是将任务分配与路径规划结合,首先在区域中得到每个骑手的可行任务集合,并通过蚁群规划进行可行任务的路径规划,最后形成分配的任务集合。分配结果及配送路径如表1所示。例如,为骑手1分配的任务集合为任务1和任务3,为骑手2分配的任务集合为任务2和任务4等。
附图5定义了基于蚁群规划的众包任务分配算法中判断骑手可行任务集合的流程,附图6定义了基于蚁群规划的众包任务分配算法中蚁群规划实现路径判断的流程。
步骤6:众包分配结果的可视化展示
本发明提供了一种将众包分配结果的可视化的方法,将骑手及其分配的任务集合以可视化的方式返回到电子地图中。骑手可以在地图中查看分配的任务集合,及规划好的行驶路径,并通过物联网技术进行实时监控。
本发明还提供一种实现基于图搜索的城市众包配送任务分配方法的装置,包括:
存储器,用于存储计算机程序及基于图搜索的城市众包配送任务分配方法;
处理器,用于执行所述计算机程序及基于图搜索的城市众包配送任务分配方法,以实现基于图搜索的城市众包配送任务分配方法的步骤。
这里所描述的装置可以实现在硬件,软件,固件或它们的任何组合。所述的各种特征为模块,单元或组件可以一起实现在集成逻辑装置或分开作为离散的但可互操作的逻辑器件或其他硬件设备。在一些情况下,电子电路的各种特征可以被实现为一个或多个集成电路器件,诸如集成电路芯片或芯片组。
计算机可读介质的计算机程序产品可以形成一部分,其可以包括包装材料。数据的计算机可读介质可以包括计算机存储介质,诸如随机存取存储器(RAM),只读存储器(ROM),非易失性随机存取存储器(NVRAM),电可擦可编程只读存储器(EEPROM),闪存,磁或光学数据存储介质,和类似物。在一些实施例中,一种制造产品可包括一个或多个计算机可读存储媒体。
可能以许多方式来实现本发明的方法以及装置。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以及装置。用于所述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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本发明中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本发明所示的这些实施例,而是要符合与本发明所公开的原理和新颖特点相一致的最宽的范围。
Claims (2)
1.一种基于图搜索的城市众包配送任务分配方法,其特征在于,方法包括步骤如下:
步骤1,构造众包配送网络图;
众包配送网络图表示为G=(V,E),其中,V为节点集合,节点的信息主要包括结点的编号、经纬度、位置的名称;E={(v,v′)|v,v′∈V}为的边集合,每条边的主要信息包括边的编号、路径长度、道路名称;
众包配送网络图将电子地图中标注的与配送相关的位置映射为众包配送网络图中的相应节点,将不同位置之间的优化路径映射为众包配送网络图中相应的边,并通过Dijkstra算法来计算边的最短距离;
步骤2,映射众包骑手;
利用位置服务和移动通信技术实时获取众包骑手的信息,并将其映射到配送网络图CDNG上;
众包骑手c的信息表示为:(lc,vc,ac,bc,Gc,Qc),其中,lc为骑手c的当前位置,vc为骑手c的平均配送速度,[ac,bc]为骑手c的服务时间窗(ac<bc),ac为开始服务时刻,bc为终止服务时刻,Gc为骑手c每次接受的快件数量上限,Qc为骑手c的服务质量;
一个区域D内某个时间段R的所有众包骑手的集合表示为:对于/>骑手c的当前位置lc要在区域D的覆盖范围内,骑手c的服务时间窗[ac,bc]要在时段R内;
步骤3,配置众包配送任务;
利用位置服务和移动通信技术实时获取众包配送任务的信息,并将其映射到众包配送网络图CDNG上;
众包配送任务t的信息表示为:其中,/>为任务t的取货位置,/>为任务t的送货位置,/>为任务t的取货时间窗,/>为最早取货时刻,/>为最晚取货始时刻,/>为平均取货时间,/>为任务t的送货时间窗,为最早送货时刻,/>为最晚送货始时刻,/>为平均送货时间,gt为任务t所包含的快件数量,qt为任务t的服务质量需求;
一个区域D内某个时段R的所有众包配送任务的集合表示为:对于/>任务t的取货位置/>和送货位置/>要在区域D所覆盖的范围内,任务t的最早取货时刻/>和最晚送货完成时刻/>要在时段R内;
步骤4,对众包配送任务分配建模;
将一个众包配送任务分配方案建模为一个从任务集合到骑手集合/>的映射函数σ:/>对于/>如果/>表示将任务t分配给骑手c,φ表示一个空骑手,如果σ(t)=φ,表示任务t没有被分配给任何骑手;
利用表示分配给骑手c的任务集合,利用表示所有已分配的任务集合,利用/>表示所有未分配的任务集合;/>
利用表示分配给骑手/>的所有任务的取货位置和送货位置的集合;
将骑手的一条配送路径表示为一个位置排列Pc=ρc(0)ρc(1)其中,ρc是一个从集合/>到集合的一一映射函数,ρc(k)表示骑手c第/>个到达的位置,ρc(0)=lc为骑手出发的位置;每个任务的取货位置应该在其送货位置之前出现,对于/>有ρ-1(blt)>ρ-1(elt),ρ-1为ρ的逆函数;
对于众包配送任务分配方案σ,如果对于都存在一条可行的配送路径,称σ为一个可行众包配送任务分配方案;
步骤5,检查时间窗约束、实时负载约束和服务质量约束;
检查时间窗约束方式包括:利用sc(k)表示骑手c在第k个位置ρc(k)的平均服务时间,如果ρc(k)为任务的取货位置,则有/>如果ρc(k))为任务/>的送货位置,则有/>
利用τc(k-1,k)表示骑手c从第k-1位置ρc(k-1)到第k个位置ρc(k)的平均行驶时间,dc(k-1,k)为第k-1个位置ρc(k-1)到第k个位置ρc(k)的最短距离;
利用τc(k)表示骑手c到达第个位置ρc(k)的时刻,τc(0)为骑手c从位置lc=ρc(0)出发的时刻,本发明采用公式τc(k)=τc(k-1)+sc(k-1)+τc(k-1,k)来计算到达第k个位置的时刻;
采用如下规则来检查时间窗约束:
骑手c的出发时刻满足约束条件:τc(0)≥ac;
如果ρc(k)为任务的取货位置,τc(k)应满足约束条件:/>
如果ρc(k)为任务的送货位置,τc(k)应满足约束条件:/>
骑手a完成所有配送任务的时刻应满足约束条件:
检查实时负载包括:
利用ηc(k)表示骑手c在第个位置ρc(k)的增加或减少的快件数量,其中,ηc(0)=0;如果ρc(k)为任务/>的取货位置,则有ηc(k)=gt;如果ρc(k)为任务/>的送货位置,则有ηc(k)=-gt;
利用gc(k)表示骑手c在第个位置的实时负载,采用公式来计算每个位置的实时负载;
采用如下规则来检查实时负载约束:对于有gc(k)≤Gt;检查服务质量约束方式包括:
采用如下规则来检查服务质量约束:对于如果Match(Qc,qt)=1,说明任务分配满足服务质量约束,否则,说明任务分配不满足服务质量约束;
Match(Qc,qt)为一个二值函数,其取值为1和0,如果Match(Qc,qt)=1,表示Qc满足qt的需求,否则,表示Qc不满足qt的需求;
步骤6,对众包配送任务优化分配建模;
众包配送任务优化分配问题模型表示为:
s.t.σ∈Ω
σ是一个从任务集合到骑手集合/>的可行众包配送任务分配方案,Ω是所有可行众包配送任务分配方案集合;
步骤7,基于蚁群规划配置众包任务分配算法;
Step(1):根据的时间窗约束检查、实时负载约束检查和服务质量约束检查得到每个骑手的可行任务集合将骑手按照可行任务由多到少进行排序,得到c1,c2,…cn;
Step(2):k=1,区域内任务分为已分配任务集合和未分配任务集合,即
Step(3):对于ck,在可行任务集合中分配任务,通过蚁群规划算法寻找可行的配送路径Pc,并生成分配的任务集合/>
Step(4):区域内未分配的任务集合变为同时更新剩余骑手的可行任务集合/>
Step(5):k≤n,k=k+1,循环Step3,直到得到所有骑手ck的派单序列或者任务全部分配完成,输出骑手、分配的任务集合和配送路径,算法结束;
步骤7还包括:定义蚂蚁在t时刻从节点i转移到节点j的状态转移概率pij;
allowed表示在t时刻蚂蚁下一步允许选择的任务节点(任务节点访问有顺序规则,即起始节点先于终止节点),ηij表示由节点i转移到节点j的期望程度,ηij(t)由时间约束决定,ηij(t)=1/tij,tij包含骑手达到节点i的时间及节点i到节点j的时间的和;tij越小,ηij(t)越大,pij(t)也就越大;τij(t)为时刻t由i到j的信息素强度,α表示信息启发式因子,反映了蚁群在运动过程中所残留的信息量的相对重要程度,β表示期望启发式因子,反映了期望值的相对重要程度;
蚁群规划的步骤为:
输入:骑手ck、可行任务集合
输出:骑手分配的任务集合及骑手最优配送路径Pc;
Step1:初始化各项参数,包括蚂蚁数量m,最大循环次数Ncmax,信息启发式因子α,期望启发式因子β,蚂蚁释放的信息素量Q,蚂蚁由节点i转移到节点j的状态转移概率pij,令循环次数Nc=0;
Step2:将m只蚂蚁放置到骑手ck节点上,对每条路径上的信息素进行初始化,并以骑手节点为中心搜索下一步可移动的可行任务集合中每个任务的起点;
Step3:初始化禁忌表,将骑手节点放置到禁忌表tabu_list中;
Step4:蚂蚁根据顺序规则及状态转移概率pij搜索下一个可移动的任务节点,并通过步骤5的时间窗约束检查、实时负载约束检查判断任务节点的可行性;并将可行任务节点放置到禁忌表tabu_list中,重复该步骤直到蚂蚁不能再访问任务;
Step5:更新各路径上的信息素;
Step6:Nc=Nc+1;
Step7:若Nc=Ncmax,循环结束,得到可行的配送路径Pc,并生成分配的任务集合若Nc≠Ncmax,清空禁忌表,循环Step3;
步骤8,对众包分配结果进行可视化展示;
将骑手及其分配的任务集合以可视化的方式返回到电子地图中;骑手在地图中查看分配的任务集合,及规划好的行驶路径,并通过物联网技术进行实时监控。
2.一种实现基于图搜索的城市众包配送任务分配方法的装置,其特征在于,包括:
存储器,用于存储计算机程序及基于图搜索的城市众包配送任务分配方法;
处理器,用于执行所述计算机程序及基于图搜索的城市众包配送任务分配方法,以实现如权利要求1所述基于图搜索的城市众包配送任务分配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910380650.6A CN110097288B (zh) | 2019-05-08 | 2019-05-08 | 一种基于图搜索的城市众包配送任务分配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910380650.6A CN110097288B (zh) | 2019-05-08 | 2019-05-08 | 一种基于图搜索的城市众包配送任务分配方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110097288A CN110097288A (zh) | 2019-08-06 |
CN110097288B true CN110097288B (zh) | 2023-11-10 |
Family
ID=67447364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910380650.6A Active CN110097288B (zh) | 2019-05-08 | 2019-05-08 | 一种基于图搜索的城市众包配送任务分配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110097288B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110401718A (zh) * | 2019-07-29 | 2019-11-01 | 腾讯科技(深圳)有限公司 | 基于空间众包的任务分配方法、装置、服务器及存储介质 |
CN110826968B (zh) * | 2019-11-12 | 2022-12-06 | 哈尔滨工业大学(威海) | 一种基于路径规划的城市众包配送任务优化调度方法 |
CN111461591A (zh) * | 2020-03-12 | 2020-07-28 | 哈尔滨工业大学(威海) | 一种基于遗传算法的众包任务分配方法 |
CN111582641B (zh) * | 2020-04-02 | 2023-04-28 | 长沙理工大学 | 一种车联网面向众包服务的任务分配方法及系统 |
CN111738409B (zh) * | 2020-05-14 | 2024-05-24 | 华为技术有限公司 | 一种资源调度的方法及其相关设备 |
CN111738576B (zh) * | 2020-06-10 | 2023-08-01 | 中北大学 | 一种公平的众包工作流分配方法 |
KR102478515B1 (ko) * | 2021-06-04 | 2022-12-19 | 쿠팡 주식회사 | 음식 배달을 위한 정보를 처리하는 전자 장치 및 그 방법 |
CN113469611B (zh) * | 2021-06-10 | 2023-03-24 | 哈尔滨工业大学 | 一种快递众包配送任务调度方法、系统及设备 |
CN114548913A (zh) * | 2022-01-25 | 2022-05-27 | 烟台大学 | 一种最大化任务分配数量的多阶段任务分配方法 |
CN118095992B (zh) * | 2024-04-23 | 2024-06-21 | 厦门佳语源电子商务有限公司 | 一种众包模式下同日配送的插单方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106156898A (zh) * | 2016-08-23 | 2016-11-23 | 吕建正 | 一种基于MoCD算法的商品配送路径规划方法 |
CN108847037A (zh) * | 2018-06-27 | 2018-11-20 | 华中师范大学 | 一种面向非全局信息的城市路网路径规划方法 |
CN109214551A (zh) * | 2018-08-08 | 2019-01-15 | 北京三快在线科技有限公司 | 一种配送调度方法及装置 |
CN109345091A (zh) * | 2018-09-17 | 2019-02-15 | 安吉汽车物流股份有限公司 | 基于蚁群算法的整车物流调度方法及装置、存储介质、终端 |
CN109636039A (zh) * | 2018-12-13 | 2019-04-16 | 深圳朗昇贸易有限公司 | 一种用于物流配送的路径规划系统 |
CN109724611A (zh) * | 2019-01-08 | 2019-05-07 | 北京三快在线科技有限公司 | 路径规划方法、装置、电子设备及存储介质 |
CN109726863A (zh) * | 2018-12-26 | 2019-05-07 | 深圳市北斗智能科技有限公司 | 一种多目标优化的物流方法和系统 |
-
2019
- 2019-05-08 CN CN201910380650.6A patent/CN110097288B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106156898A (zh) * | 2016-08-23 | 2016-11-23 | 吕建正 | 一种基于MoCD算法的商品配送路径规划方法 |
CN108847037A (zh) * | 2018-06-27 | 2018-11-20 | 华中师范大学 | 一种面向非全局信息的城市路网路径规划方法 |
CN109214551A (zh) * | 2018-08-08 | 2019-01-15 | 北京三快在线科技有限公司 | 一种配送调度方法及装置 |
CN109345091A (zh) * | 2018-09-17 | 2019-02-15 | 安吉汽车物流股份有限公司 | 基于蚁群算法的整车物流调度方法及装置、存储介质、终端 |
CN109636039A (zh) * | 2018-12-13 | 2019-04-16 | 深圳朗昇贸易有限公司 | 一种用于物流配送的路径规划系统 |
CN109726863A (zh) * | 2018-12-26 | 2019-05-07 | 深圳市北斗智能科技有限公司 | 一种多目标优化的物流方法和系统 |
CN109724611A (zh) * | 2019-01-08 | 2019-05-07 | 北京三快在线科技有限公司 | 路径规划方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于改进遗传算法的车货动态配载模型研究与设计;侯景瑞;《中国优秀硕士学位论文全文数据库 经济与管理科学辑》;20190115;第22-59页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110097288A (zh) | 2019-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097288B (zh) | 一种基于图搜索的城市众包配送任务分配方法及装置 | |
CN104700251B (zh) | 一种车辆调度问题的改进最大‑最小蚁群优化方法及系统 | |
US20240054444A1 (en) | Logistics scheduling method and system for industrial park based on game theory | |
CN103413209B (zh) | 多客户多仓库物流配送路径选择方法 | |
US20170046653A1 (en) | Planning of transportation requests | |
CN104598979B (zh) | 基于时间和位置的递送最优化 | |
CN104567905B (zh) | 一种车辆规划路径的生成方法、装置 | |
CN105373909A (zh) | 一种基于仿真软件的物流配送中心选址方法 | |
CN109345091A (zh) | 基于蚁群算法的整车物流调度方法及装置、存储介质、终端 | |
CN109598430B (zh) | 配送范围生成方法、装置、电子设备和存储介质 | |
CN109214756A (zh) | 基于蚁群算法和分层优化的整车物流调度方法及装置、存储介质、终端 | |
Shi et al. | Memory-based ant colony system approach for multi-source data associated dynamic electric vehicle dispatch optimization | |
CN108073727A (zh) | 场所搜索的数据处理方法与装置 | |
CN114048924A (zh) | 基于混合遗传算法的多配送中心选址-配送路径规划方法 | |
CN110705741A (zh) | 一种基于改进蚁群算法的多配送中心车辆路径优化方法 | |
CN113554387A (zh) | 基于司机偏好的电商物流订单分配方法、装置、设备及存储介质 | |
El Bouzekri El Idrissi et al. | Evolutionary algorithm for the bi-objective green vehicle routing problem | |
Huang et al. | Using ant colony optimization to solve periodic arc routing problem with refill points | |
Cai et al. | Dynamic bicycle relocation problem with broken bicycles | |
Le Pira et al. | Simulating urban freight flows in e-grocery scenarios accounting for consumer heterogeneous preferences | |
Kim et al. | Ant colony optimisation with random selection for block transportation scheduling with heterogeneous transporters in a shipyard | |
CN111915078A (zh) | 一种基于数据驱动的柔性化卷烟配送线路规划方法及系统 | |
CN111652552B (zh) | 一种用于物流订单运输规划方法、系统及装置 | |
Schrotenboer et al. | Fighting the e-commerce giants: Efficient routing and effective consolidation for local delivery platforms | |
Ng et al. | Logistic sequencing for improving environmental performance using ant colony optimization |
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 |