CN110490391B - 一种多式联运运输方案的计算方法 - Google Patents

一种多式联运运输方案的计算方法 Download PDF

Info

Publication number
CN110490391B
CN110490391B CN201910856865.0A CN201910856865A CN110490391B CN 110490391 B CN110490391 B CN 110490391B CN 201910856865 A CN201910856865 A CN 201910856865A CN 110490391 B CN110490391 B CN 110490391B
Authority
CN
China
Prior art keywords
transportation
node
path
destination
distto
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
Application number
CN201910856865.0A
Other languages
English (en)
Other versions
CN110490391A (zh
Inventor
谢鹏
屈平
傅晓英
张雅琴
张楠
王乔
苗俊杰
彭良勇
崔蕾
马皓淋
徐占领
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.)
Institute of Computing Technologies of CARS
Original Assignee
Institute of Computing Technologies of CARS
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 Institute of Computing Technologies of CARS filed Critical Institute of Computing Technologies of CARS
Priority to CN201910856865.0A priority Critical patent/CN110490391B/zh
Publication of CN110490391A publication Critical patent/CN110490391A/zh
Application granted granted Critical
Publication of CN110490391B publication Critical patent/CN110490391B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047Optimisation of routes or paths, e.g. travelling salesman problem
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/08Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083Shipping
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种多式联运运输方案的计算方法,该方法通过获得符合客户需求信息的运输方案,将符合需求的多个运输方案通过输出接口提供给客户供其选择,而后,通过预定接口按照用户所选择的运输方案联合多个物流平台预定对应时段的运程。由此,本发明能够实现综合海、陆、空、铁、管道“五位一体”的运输方案规划。本发明能够综合各种各种运输方式自身的有点,进行优势组合,构成连贯的运输体系,进一步缩短货运周转时间、精简中间手续、降低物流成本,最终达到运输标准化、合理化的水准。

Description

一种多式联运运输方案的计算方法
技术领域
本发明属于运输路径规划领域,具体而言涉及一种多式联运运输方案的计算方法。
背景技术
随着社会经济的日益增长,物流需求也在不断增加,单一运输方式越来越不能满足运输系统对运输效率以及成本的要求。现代物流企业的发展方向是综合海、陆、空、铁、管道“五位一体”进行高效的联运。这种多式联运能更好地促使多维度物流的协同发展,还能够很好的促进资源整合。它能够充分集聚多种运输方式各自的优点,取长补短,构成连贯的运输体系,进一步缩短货运周转时间、精简中间手续、降低物流成本,最终达到运输标准化、合理化的水准。
多式联运方式,其对运输效率和效益的改善主要取决于运输方案的编制。运输方案的编制又与运输过程中路径和方式的选择密不可分。多式联运在运输的过程中,如果能够设计一套合理、恰当的联运方案,不仅可以减少运输时间、成本以及资金积压,还有利于提高客户的满意度、提升服务质量。多式联运也能够为提高国内外的竞争优势,建设低碳环保型社会、提高运输工具的空燃比、节约能源以及保护环境做出贡献。
发明内容
本发明针对现有技术的不足,提供一种多式联运运输方案的计算方法,其通过时间估算和价格估算,能够遍历各节点,从不同用户需求出发筛选出多种运输方案,解决多式联运中运输路径与运输方式的选择问题,通过选择合理的运输路径及运输方式,有效减少运输成本以及时间。
为解决上述技术问题,本发明首先提供一种多式联运运输方案的计算方法,其包括以下步骤:第一步,接收客户需求信息,包括需要运输的货物种类、数量、起运时间、到达时间、起运点S和目的地D;第二步,根据所述客户需求信息建立虚拟网状态图G=(V,E,W),其中,运输方式集合V={ViW|1≤i≤n,1≤W≤w}表示在节点i处该货物能够选择的全部运输方式的集合,i表示节点的编号,n表示节点的总数,W表示运输方式的编号,w表示运输方式的总数,边集合E={(ViW,VjW)(ViL,VjK)|1≤i<j≤n,1≤W≠L≠K≤w}表示在节点i和节点j之间该货物能够运输的边的集合,其中,(ViW,VjW)表示运输弧,(ViL,VjK)表示转换弧,其中,每个边分别具有不同权重,所述权重表示该边所需的运输时间或运输费用;第三步,利用Dijkstra算法计算在所述虚拟网状态图G=(V,E,W)中从起运点S到目的地D运输时间最短的路径以及运输费用最低的路径;第四步,利用DFS算法计算在所述虚拟网状态图G=(V,E,W)中从起运点S到目的地D的全部可达路径;第五步,若没有可达路径则输出运输方案计算失败信息;否则向客户输出运输方案,其中,所述运输方案包括全部所述可达路径、所述运输时间最短的路径以及所述运输费用最低的路径;第六步,接收客户所选择的运输方案,根据该运输方案所包含的边的集合分别依次在各边所对应的物流平台预定对应时段的运程,在全部各边所对应的运程均预定成功时输出预定成功信息;在任意一个运程预定失败时,去除该运程所对应的边,重复第二步至第六步。
可选的,上述多式联运运输方案的计算方法,其中,所述第五步中,运输方案计算失败信息后,还同步的推送所述运输方案计算失败信息以及所述客户需求信息至人工平台,转交人工介入处理。
可选的,上述多式联运运输方案的计算方法,其中,所述第三步的具体步骤包括:步骤301,建立数组distTo,在所述数组distTo内存放所述虚拟网状态图G=(V,E,W)中每个节点到起运点S的边的权重;建立一个索引优先队列pq,在所述索引优先队列pq内存放每个节点和该节点到所述起运点S的边的最小的权重;步骤302,从所述起运点S开始,计算与所述起运点S相邻的各邻接节点T到所述起运点S的边的权重,将所述权重存储在所述数组distTo中和所述索引优先队列pq中;步骤303,再依次从各所述邻接节点T开始,进行以下步骤:分别计算与该邻接节点T相邻的中间节点O到所述起运点S的权重记为distTo(S->O),分别计算该邻接节点T到所述起运点S的权重记为distTo(T->O),根据该邻接节点T到所述中间节点O的边的权重大小比较distTo(S->O)和distTo(T->O),如果distTo(S->O)较大则更新所述数组distTo和所述索引优先队列pq中由所述中间节点O到所述起运点S的边的权重值为distTo(T->O),确保这数组distTo和pq队列中存的是O点到S点的最短路径;步骤304,当遍历全部各所述邻接节点T后,按照所述数组distTo中最后更新后所存放的节点顺序输出从起运点S到目的地D运输时间最短的路径以及运输费用最低的路径。
可选的,上述多式联运运输方案的计算方法,其中,所述第四步的具体步骤包括:步骤401,清空一个堆栈vertex,在所述堆栈vertex中顺次存入从起运点S到目的地D运输时间最短的路径或者运输费用最低的路径所包含的各节点;清空另一个堆栈line,在所述堆栈line中顺次存入从起运点S到目的地D运输时间最短的路径或者运输费用最低的路径所包含的各个边;清空再一个队列list用于存放全部可达路径;步骤402,从所述起运点S开始,依次判断所述堆栈vertex中是否存有该节点,若存有,则跳转至步骤405;若没有,则把该节点压入所述堆栈vertex中,然后寻找与该节点相邻的节点T,判断寻找到的节点T是否为所述目的地D,如果是所述目的地D,则将寻找到的节点T与该节点之间的边压入所述堆栈line中,而后从所述堆栈vertex中顺次取出各个节点,这些节点所组成的路径为从起运点S到目的地D的一条可达路径,将该条可达路径存放在所述队列list中;如果不是所述目的地D,则将寻找到的节点T压入所述堆栈vertex中,将寻找到的节点T与该节点之间的边压入所述堆栈line中;步骤403,从所述寻找到的节点T开始,重复所述步骤402,直至遍历到所述路径中最末端的节点,分别对所述堆栈vertex和所述堆栈line进行出栈操作;步骤404,重复所述步骤403,直至遍历所述虚拟网状态图G=(V,E,W)中全部各节点;步骤405,从所述队列list中顺次输出从起运点S到目的地D的全部可达路径。
有益效果
本发明所提供的多式联运运输方案的计算方法,其通过输入接口、虚拟网状态图存储单元、Dijkstra算法运算模块、DFS算法运算模块获得符合客户需求信息的运输方案,将符合需求的多个运输方案通过输出接口提供给客户供其选择,而后,通过预定接口按照用户所选择的运输方案联合多个物流平台预定对应时段的运程。由此,本发明能够实现综合海、陆、空、铁、管道“五位一体”的运输方案规划。本发明能够综合各种各种运输方式自身的有点,进行优势组合,构成连贯的运输体系,进一步缩短货运周转时间、精简中间手续、降低物流成本,最终达到运输标准化、合理化的水准。
尤其,本发明所提供的多式联运运输方案,还可在对运输方案进行规划和计算时通过蒙华线路优选单元,优先为各运算模块提供蒙华线路中所对应的各节点和边,优先选择蒙华线路进行路径的规划和优化计算,实现对该线路的优化和效率提升,实现保运到时限,并且保价格不变。
附图说明
图1是本发明中从起运点S到目的地D之间全部路径所对应的虚拟网状态图;
图2是本发明的多式联运运输方案的计算方法的运行流程示意图;
图3是本发明的多式联运运输方案的计算方法所输出的路线信息的示意图;
图4是对应图3中路线信息的有向图;
图5是本发明输出的运输方案的示意图。
具体实施方式
为使本发明实施例的目的和技术方案更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本发明中所述的“和/或”的含义指的是各自单独存在或两者同时存在的情况均包括在内。
本发明提供一种多式联运运输方案的计算方法,用于在多式联运运输方案规划过程中实现对多种路径的生成,并且根据客户所选择的路径,一站式的实现运程预定,提高运输效率,便利客户。
基于此,该系统主要需要设计能够顺序实现如下6个阶段:
1.客户下单(输入货物信息,货物重量等),选择起始站点和目的站点
2.平台根据订单信息、起始站点、目的站点,结合平台的线路数据、运量能力,帮客户规划出最低费用的线路、最短时间线路、所有可达的线路
3.客户结合自己的费用和时间情况,选一条最有性价比的线路。
4.客户选完线路后,平台到不同的物流平台分别下单,当所有物流平台都下单成功时,给客户返回下单成功
5.如果某个平台下单失败,根据失败原因,去掉不能用的线路数据,重复2-5步骤
6.如果最后,去掉不能用的线路后,没有可达路径,那么下单失败,人工介入处理。
具体而言,对于多数蒙华线路的用户而言,上述的6个阶段分别用于:
第一步,选始发煤场+到达电厂;
第二步,给出最近的始发站+目的站,(站的意思包括蒙华自己线、专运线、和港口);
第三步,系统自动给出类似于“**”+转换地点1+蒙华运输+转换地点2+“&&”的方案;其中,“**”代表非蒙华线路,包括:国铁、其他地方铁路或者水路,“**”可以为空,“**”为空表示蒙华始发终到;由于线路的不确定性,这一步中无法给出实际估算值,需要在下面选好运输产品,不同的运输产品需要不同的时间开销和运费开销;在选好始发、终到站后根据始发、终到站生成初步方案,只出可行的几条线路的示意图,该示意图可包括以下两个信息:对运输时间的估算(最短时间是多少,最长时间是多少,可根据经验定),对运输费用的估算(最低价格是多少,最高价格是多少,可根据经验或既往价格确定);
承接第三步以上过程中所给出的初步方案,系统自动推送符合站点的蒙华本线运输产品,比如:如有合适的蒙华运输产品,则可以直接选择该运输产品,其中的运输产品类似五定班列、类似于客车,需要确定其:开始时间、运输时长、车次、价格、装卸地点,由此可以保运到时限,保价格不变;如果没有符合客户需要的运输产品,则需要进行运行线路预定,运行线路预定则需要根据生产平台推过来的运行线进行路线规格;其中所述的运行线路的规划包括对其:开始时间、起始站、到达站,运输时长(通常为经验值、暂不做保证)和价格估算(经验值,时间越长越便宜)。
第四步,客户自己参考生产平台所给的运行线,选择其中合适自己运输需求的那一个,(承接5,二三四为后续过程);在此交互过程中,系统把客户所需预定的货物吨数、始发、终到站、始发时间,推送给生产平台;生产平台根据客户需要安排车辆,因此在安排完车以后才能给出车次和机车号;由此系统中的营销平台够接收到生产平台的信息,为客户更新运输信息。由此,系统可自动推送符合站点的运输产品,在&&运输中选择:国铁运输或水路运输,其中,国铁运输需要与国铁线路对接,只能根据经验估算时间和价格;水路运输,需要与储煤基地下水对接,铁水联运平台;
第五步,如果任意某个平台下单失败,则,系统需要根据失败原因,去掉不能用的线路数据,重复以上的各个步骤,直到第六步;
第六步,如果最后,去掉不能用的线路后,没有可达路径,那么下单失败,人工介入处理。否则,把货物信息+蒙华预计到达时间均发送给水运平台,进行船务资源的预定;其中,对于水运平台,这一步中根据需要安排船,因此在安排完船以后才能给出船号,到达时间(预估值),由此,营销平台接收水运平台信息,为客户更新运输信息。
最后在选完以后,可以给出比较准确的路线的时长+价格,系统自动进行运输方案对比,给出:价格最优、时间最短等方案,供客户参考备选。
具体来说,对于上述系统,其在服务器上可设立为具有如下的各个模块实现图2所述的方法步骤:
1)输入接口,用于接收客户需求信息,包括需要运输的货物种类、数量、起运时间、到达时间、起运点S和目的地D。
2)虚拟网状态图存储单元,其参考图1所示,将输入接口获得的客户需求信息描述为:一批货物从起运城市S起,途经若干个城市,运往目的城市D,任意相邻的两个城市之间有一种及以上的运输方式可以选择,不同运输方式的运输能力、运输费用、运输时间不同;若在中途节点城市进行运输方式的转换,会产生一定的转运费用和时间,要求通过整合各方运价、时间成本等信息,根据用户需求选择列出运输费用最少的运输方案、运输时间最短的运输方案和所有有可达运输方案的费用和时间让用户自己选。问题可以抽象成图1所示的虚拟网状态图。
其中,存在图G=(V,E,W),其中集合V={ViW|1≤i≤n,1≤W≤w}代表在节i点处选择不同运输方式的点的集合,i代表节点,w代表运输方式;其中边的集合E={(ViW,VjW)(ViL,VjK)|1≤i<j≤n,1≤W≠L≠K≤w}代表任意两节点形成的边,(ViW,VjW)表示运输弧,(ViL,VjK)表示转换弧,用边的权重来表示费用(或时间),这样问题就变成了:在有向图中,求S到D点,最短路径(费用或时间)和所有可达路径的问题。
3)Dijkstra算法运算模块,用于求从一个顶点到其余各顶点的最短路径算法,解决的是有权图中最短路径。其具体步骤包括:
步骤301,引入一个数组distTo,存放每个点到源点(S)的边的权重,引入一个索引优先队列pq,存放每个点和该点到源点的最小的权重;
步骤302,从源点开始,计算源点相邻的节点到源点的权重,存在distTo和pq中;
步骤303,再从相邻节点(T)开始,计算该节点的相邻节点(O)到源点(S)的权重,并比较,distTo(S->O)跟distTo(T->O)加上T到O的边的权重大小,如果前者大于后者,改变distTo和pq中原先的O点到S点的权重值,确保这数组distTo和pq队列中存的是O点到S点的最短路径;
步骤304,重复步骤303,直到所有节点都计算完了;
步骤305,最终,在distTo中存放的就是每个点到源点(S)的最短路径,根据目标节点D在distTo中的位置,取出相应的数据就是S->D的最短路径。
4)DFS(Depth First Search,深度优先遍历)算法运算模块,或者BFS(BreadthFirst Search,广度优先遍历)算法实现遍历。其对于DFS算法,其在本发明中对应的具体步骤包括:
步骤401,引入一个堆栈vertex,存入经过的节点,引入一个堆栈存放经过的边line,引入一个队列存放所有路径list;
步骤402,从源点(S)开始,判断vertext中是否存在该节点,如果存在,结束;如果不存在,把S压入vertex栈中,再找S相邻的节点,判断节点是否是目标节点D,如果是,把边压入line栈中,从栈中取出所有路径,这些就是S到D的可达路径,存放在list中,如果不是,把该节点(T)压入vertext中,把边压入line栈中;
步骤403,再从(T)开始重复步骤2,达到最末端的节点时,把vertext栈和line栈出栈;
步骤404,重复步骤403,直到所有节点都遍历到;
步骤405,从list中取出所有的可达路径。
5)输出接口,在没有可达路径时输出运输方案计算失败信息;在存在可达路径时向客户输出运输方案,其中,所述运输方案包括全部所述可达路径、所述运输时间最短的路径以及所述运输费用最低的路径;
6)预定接口,连接有多个物流平台,用于接收客户所选择的运输方案,根据该运输方案所包含的边的集合分别依次在各边所对应的物流平台预定对应时段的运程,在全部各边所对应的运程均预定成功时输出预定成功信息;在任意一个运程预定失败时,去除该运程所对应的边,触发所述虚拟网状态图存储单元、所述Dijkstra算法运算模块、所述DFS算法运算模块和所述输出接口重新根据去除后的信息计算或交互。
以图3所示的数据库为例,其中,transport_type表示运输方式,1表示铁路运输,2表示水路运输,freight表示运费,这里表示每吨的费用(先屏蔽里程参数),transport_time表示这段距离的运输时间。将上述的运输相关信息绘制成图4所示的有向图。有向图中,方框标记的线表示铁路,三角标记的线表示水路,线中间表示时间或运输方式。
针对这图3和图4所反映的运输状况,假设现在需要从北京运100吨煤到南京,假设在每个站点转换运输方式时,每吨煤耗费的时间是0.02,每吨煤耗费的费用是0.01。执行前述的方法程序,能够得出图5所示的结果。
通过对图5的分析,我们可以很容易找到从北京到南京的线路有3条,
一条是北京->天津->济南->南京,这条全部是铁路,耗时6,费用:6000
一条是北京->上海->南京,这条也全是铁路,耗时5,费用:10300
一条是北京->上海->南京,这条北京->上海走铁路,上海->南京走水路,耗时:6,费用4001(这里的耗时是线上的时间数字+转换运输方式的耗时=3+100*0.02+1=6,费用是吨数*每吨费用+转换运输方式耗的费用=100*30+100*0.01+100*10=4001)。
由此,客户可根据其需求进行选择并通过平台之间的自动交互实现运程的预定,提高整体运输效率。
以上仅为本发明的实施方式,其描述较为具体和详细,但并不能因此而理解为对本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,这些均属于本发明的保护范围。

Claims (1)

1.一种多式联运运输方案的计算方法,其特征在于,包括以下步骤:
第一步,接收客户需求信息,包括需要运输的货物种类、数量、起运时间、到达时间、起运点S和目的地D;
第二步,根据所述客户需求信息建立虚拟网状态图G=(V,E,W),其中,运输方式集合V={ViW|1≤i≤n,1≤W≤w}表示在节点i处该货物能够选择的全部运输方式的集合,i表示节点的编号,n表示节点的总数,W表示运输方式的编号,w表示运输方式的总数,边集合E={(ViW,VjW)(ViL,VjK)|1≤i<j≤n,1≤W≠L≠K≤w}表示在节点i和节点j之间该货物能够运输的边的集合,其中,(ViW,VjW)表示运输弧,(ViL,VjK)表示转换弧,其中,每个边分别具有不同权重,所述权重表示该边所需的运输时间或运输费用;
第三步,利用Dijkstra算法计算在所述虚拟网状态图G=(V,E,W)中从起运点S到目的地D运输时间最短的路径以及运输费用最低的路径;
第四步,利用DFS算法计算在所述虚拟网状态图G=(V,E,W)中从起运点S到目的地D的全部可达路径;
第五步,若没有可达路径则输出运输方案计算失败信息;否则向客户输出运输方案,其中,所述运输方案包括全部所述可达路径、所述运输时间最短的路径以及所述运输费用最低的路径;
第六步,接收客户所选择的运输方案,根据该运输方案所包含的边的集合分别依次在各边所对应的物流平台预定对应时段的运程,在全部各边所对应的运程均预定成功时输出预定成功信息;在任意一个运程预定失败时,去除该运程所对应的边,重复第二步至第六步;
所述第五步中,运输方案计算失败信息后,还同步的推送所述运输方案计算失败信息以及所述客户需求信息至人工平台,转交人工介入处理;
所述第三步的具体步骤包括:
步骤301,建立数组distTo,在所述数组distTo内存放所述虚拟网状态图G=(V,E,W)中每个节点到起运点S的边的权重;建立一个索引优先队列pq,在所述索引优先队列pq内存放每个节点和该节点到所述起运点S的边的最小的权重;
步骤302,从所述起运点S开始,计算与所述起运点S相邻的各邻接节点T到所述起运点S的边的权重,将所述权重存储在所述数组distTo中和所述索引优先队列pq中;
步骤303,再依次从各所述邻接节点T开始,进行以下步骤:分别计算与该邻接节点T相邻的中间节点O到所述起运点S的权重记为distTo(S->O),分别计算该邻接节点T到所述起运点S的权重记为distTo(T->O),根据该邻接节点T到所述中间节点O的边的权重大小比较distTo(S->O)和distTo(T->O),如果distTo(S->O)较大则更新所述数组distTo和所述索引优先队列pq中由所述中间节点O到所述起运点S的边的权重值为distTo(T->O);
步骤304,当遍历全部各所述邻接节点T后,按照所述数组distTo中最后更新后所存放的节点顺序输出从起运点S到目的地D运输时间最短的路径以及运输费用最低的路径;所述第四步的具体步骤包括:
步骤401,清空一个堆栈vertex,在所述堆栈vertex中顺次存入从起运点S到目的地D运输时间最短的路径或者运输费用最低的路径所包含的各节点;清空另一个堆栈line,在所述堆栈line中顺次存入从起运点S到目的地D运输时间最短的路径或者运输费用最低的路径所包含的各个边;清空再一个队列list用于存放全部可达路径;
步骤402,从所述起运点S开始,依次判断所述堆栈vertex中是否存有该节点,若存有,则跳转至步骤405;若没有,则把该节点压入所述堆栈vertex中,然后寻找与该节点相邻的节点T,判断寻找到的节点T是否为所述目的地D,如果是所述目的地D,则将寻找到的节点T与该节点之间的边压入所述堆栈line中,而后从所述堆栈vertex中顺次取出各个节点,这些节点所组成的路径为从起运点S到目的地D的一条可达路径,将该条可达路径存放在所述队列list中;如果不是所述目的地D,则将寻找到的节点T压入所述堆栈vertex中,将寻找到的节点T与该节点之间的边压入所述堆栈line中;
步骤403,从所述寻找到的节点T开始,重复所述步骤402,直至遍历到所述路径中最末端的节点,分别对所述堆栈vertex和所述堆栈line进行出栈操作;
步骤404,重复所述步骤403,直至遍历所述虚拟网状态图G=(V,E,W)中全部各节点;
步骤405,从所述队列list中顺次输出从起运点S到目的地D的全部可达路径。
CN201910856865.0A 2019-09-11 2019-09-11 一种多式联运运输方案的计算方法 Active CN110490391B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910856865.0A CN110490391B (zh) 2019-09-11 2019-09-11 一种多式联运运输方案的计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910856865.0A CN110490391B (zh) 2019-09-11 2019-09-11 一种多式联运运输方案的计算方法

Publications (2)

Publication Number Publication Date
CN110490391A CN110490391A (zh) 2019-11-22
CN110490391B true CN110490391B (zh) 2021-12-31

Family

ID=68557292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910856865.0A Active CN110490391B (zh) 2019-09-11 2019-09-11 一种多式联运运输方案的计算方法

Country Status (1)

Country Link
CN (1) CN110490391B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062531B (zh) * 2019-12-13 2021-08-27 上海中通吉网络技术有限公司 快递干线运输方案的生成方法及装置
CN111489277B (zh) * 2020-03-16 2023-07-18 中铁程科技有限责任公司 线路数据处理方法、装置、存储介质和计算机设备
CN111797283B (zh) * 2020-07-08 2024-03-05 深圳市活力天汇科技股份有限公司 一种基于无向加权图的空铁中转方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8655742B2 (en) * 2008-03-19 2014-02-18 International Business Machines Corporation System and method for determining order fulfillment alternative with multiple supply modes
CN105740964A (zh) * 2014-12-08 2016-07-06 吉林大学 一种城市路网数据组织与最短路径快速计算方法
CN105825296A (zh) * 2016-03-11 2016-08-03 惠龙易通国际物流股份有限公司 一种基于Dijkstra算法的货运信息处理方法及系统
CN105809402A (zh) * 2016-03-11 2016-07-27 惠龙易通国际物流股份有限公司 一种基于bfs算法的货运信息处理方法及系统
CN105809401A (zh) * 2016-03-11 2016-07-27 惠龙易通国际物流股份有限公司 一种基于动态规划算法的货运信息处理方法及系统
CN106022531A (zh) * 2016-05-27 2016-10-12 西安电子科技大学 经过必经顶点的最短路径搜索方法
CN106503789A (zh) * 2016-11-08 2017-03-15 西安电子科技大学宁波信息技术研究院 基于迪杰斯特拉和最大最小蚁群的无环最短路径搜索方法
CN108399464A (zh) * 2017-09-27 2018-08-14 圆通速递有限公司 一种多式联运路径优化方法和系统
CN108428084A (zh) * 2018-03-09 2018-08-21 东南大学 一种基于服务链的多式联运系统及方法
CN108829695A (zh) * 2018-04-17 2018-11-16 上海交通大学 路网上的弹性聚合最近邻查询G-max方法
CN109703604B (zh) * 2018-12-07 2020-06-30 天津津航计算技术研究所 一种可调整的局部最优进路快速搜索方法
CN109858688A (zh) * 2019-01-18 2019-06-07 东南大学 一种集装箱多式联运枢纽选址方法
CN113033885A (zh) * 2021-03-17 2021-06-25 长沙理工大学 多式联运路径优化方法、系统、存储介质、计算机设备

Also Published As

Publication number Publication date
CN110490391A (zh) 2019-11-22

Similar Documents

Publication Publication Date Title
CN110490391B (zh) 一种多式联运运输方案的计算方法
Kuzmicz et al. Approaches to empty container repositioning problems in the context of Eurasian intermodal transportation
Crainic City logistics
Grangier et al. An adaptive large neighborhood search for the two-echelon multiple-trip vehicle routing problem with satellite synchronization
Fazi et al. A variant of the split vehicle routing problem with simultaneous deliveries and pickups for inland container shipping in dry-port based systems
CN113033885A (zh) 多式联运路径优化方法、系统、存储介质、计算机设备
CN110544067B (zh) 一种多式联运运输系统
Zhang et al. Range-based truck-state transition modeling method for foldable container drayage services
CN111967828A (zh) 一种面向全程物流的公铁联运产品协同优化方法
Zhang et al. Synchromodal transport planning with flexible services: Mathematical model and heuristic algorithm
Benantar et al. On the integration of container availability constraints into daily drayage operations arising in France: Modelling and optimization
CN114298419A (zh) 一种多式联运运输规划方法和装置、电子设备、存储介质
Wang et al. Cooperation and profit allocation for two-echelon logistics pickup and delivery problems with state–space–time networks
Guo et al. Global synchromodal shipment matching problem with dynamic and stochastic travel times: A reinforcement learning approach
Vittikh et al. Multiagent Interaction Models for Constructing the Needs-and-Means Networks in Open Systems.
Arnau et al. A biased-randomized discrete-event heuristic for coordinated multi-vehicle container transport across interconnected networks
Mnif et al. A multi-objective formulation for multimodal transportation network's planning problems
Crainic et al. National planning models and instruments
Di Francesco New optimization models for empty container management
Qingbin et al. The optimal routes and modes selection in container multimodal transportation networks
Yi et al. Balancing economical and environmental trade-off in modular construction yard planning: Models and properties
Prandtstetter et al. Introduction to synchromodal networks in Austria
Jaramillo The green vehicle routing problem
Wang et al. Optimizing the loaded train combination problem at a heavy-haul marshalling station
Taran et al. Structural optimization of multimodal routes for cargo delivery.

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