CN110782064A - 一种集车辆调度优化与任务分配于一体的可视化方法及系统 - Google Patents

一种集车辆调度优化与任务分配于一体的可视化方法及系统 Download PDF

Info

Publication number
CN110782064A
CN110782064A CN201910853675.3A CN201910853675A CN110782064A CN 110782064 A CN110782064 A CN 110782064A CN 201910853675 A CN201910853675 A CN 201910853675A CN 110782064 A CN110782064 A CN 110782064A
Authority
CN
China
Prior art keywords
vehicle
map
customer
scheduling
yard
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.)
Granted
Application number
CN201910853675.3A
Other languages
English (en)
Other versions
CN110782064B (zh
Inventor
鲁建厦
李嘉丰
李豪
楼观涛
陈寿伍
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.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
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 Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201910853675.3A priority Critical patent/CN110782064B/zh
Publication of CN110782064A publication Critical patent/CN110782064A/zh
Application granted granted Critical
Publication of CN110782064B publication Critical patent/CN110782064B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (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)

Abstract

本发明公开了一种集车辆调度优化与任务分配于一体的可视化办法及系统，包括信息收集模块，接受客户订单；调度方案优化模块，根据客户需求进行最优化调度；路径获取模块，搜索具体车辆行驶路线，可视化显示；任务分配模块，将任务、行驶路线发送驾驶员，驾驶员根据安排进行送货；定位模块，利用GPS定位功能，对每辆车进行任定位跟踪及位置反馈；反馈、更新模块，任务完成后，自动更新车辆的状态以及物资的使用情况，对客户的信息及配送反馈情况进行存储。本发明以实际道路为基础，建立了通用的车辆调度模型，满足了企业可视化需求，弥补现阶段物流车辆调度、分配效率低下、路径测算与实际不符的不足，节约运输成本，提高了物流运输企业服务水平。

Description

一种集车辆调度优化与任务分配于一体的可视化方法及系统
技术领域
本发明涉及物流车辆的调度领域，具体涉及一种集车辆调度优化与任务分配于一体的可视化方法及系统。
背景技术
随着社会的发展，科学技术手段的进步，传统物流车辆的线下调度与分配模式已经无法满足企业的需求，企业急需一种集调度优化与任务分配于一体的可视化方法及系统，调度优化可以帮助企业降低运输、配送的成本，可视化的任务分配可以帮助企业及时掌握配送状态，及时处理缺货、换货等突发情况，最大化保证企业的正常运转、提升客户的满意程度。
公开号为CN 108305015 A中公开了一种用于物流运输的车辆智能调度方法，包括以下步骤，将GIS信息管理系统集成到物流运输管理信息系统上，用于对物流运输的配送操作中的空间位置相关的各个客户、道路进行统一管理；通过GIS空间分析，实现对配送点的路径优化操作；在车辆选择时，通过GIS空间分析，选择最短线路的空闲车辆进行相关的物品运输；通过选择后的车辆，根据得到的优化路径，对物品进行物流运输。
公开号为CN 109409585 A中公开了一种物流车辆的调度方法及系统，其中，方法包括以下步骤：获取多个客户的配送或集货需求信息；根据配送或集货需求信息与道路信息生成最优车辆调度方案；获取当前路况信息，并根据最优车辆调度方案和当前路况信息得到多个客户中第N客户的送达时间；在完成第N客户的配送或集货任务后，更新当前路况信息，并根据最优车辆调度方案和更新后的当前路况信息得到第N+1客户的送达时间，N为大于或等于1的正整数。
现有技术在处理调度、分配问题时，多采用线下处理的模式，即上端计划层安排好调度方案，以书面或者电话形式通知下端执行层相关人员进行任务的处理，并电话联系任务的完成情况，上端计划层与下端执行层的信息交流不畅，无法及时掌握任务的完成进度，处理突发情况的速度慢、效果差，下端执行层的积极性较差，总是在被动的进行任务的响应，没有充分发挥其主观能动性；与此同时，路径之间距离的测算多采用欧式距离，对调度方案、数据的可视化呈现停留在虚拟的点上，与实际场景不符，因此十分需要一种集调度优化与任务分配于一体的更符合实际情况的可视化方法及系统。
发明内容
为了解决上述问题，本发明提供一种符合现实需要的集车辆调度优化与任务分配于一体的可视化方法及系统，满足了企业可视化需求，弥补现阶段物流车辆调度、分配效率低下、路径测算与实际不符的不足。
一种集车辆调度优化与任务分配于一体的可视化方法，主要包括以下步骤：
步骤1，收集构造可视化地图所需数据信息；
步骤1.1，获取客户信息，主要包括地理位置，需求量，时间窗等，并将地理位置转化为具体的经纬度坐标形式；
步骤1.2，调用百度地图Route Matrix API，构造客户与客户以及客户与配送中心的距离矩阵，以及它们之间的时间矩阵；
步骤2，算法服务器根据客户需求建立相应的车辆调度模型，主要包括以下步骤：
步骤2.1，通过货物运输所需要的运输成本确定运输模型，以最小化总成本为目标建立目标函数，最小化总成本Zmin即fitness值，基体过程如下：
Figure BDA0002197672090000021
公式(1)中，∑d∈D∑k∈K(d)∑i∈(C(d)∪{d})∑j∈(C(d)∪{d+)αkCijXijk部分为配送过程中车辆的行驶距离成本；∑i∈(C(d)∪{d})ft(pti)部分为提前送达或者延误的时间惩罚成本；∑d∈D∑k∈K(d)∑j∈(C(d)∪{d})βkXdjk部分为使用车辆的固定成本；
其中，Z表示总成本，包括车辆行驶成本、时间惩罚成本和车辆固定使用成本；d表示某个车场；K(d)表示车场d的车辆集；D表示所有车场的集合；k表示车辆；C(d)表示车场d所服务的客户集；αk表示车辆k的单位行使距离成本；βk表示车辆k的固定成本；Cij表示节点i到节点j之间的实际距离；Xijk表示从节点i到节点j由车辆k进行运输，且i≠j时，Xijk＝1，否则，其值为0；pti表示为客户i服务时的提前或者延误时间；ft表示提前或者延误时间的惩罚函数；Xdjk表示从车场d到节点j由车辆k进行运输时，Xdjk＝1，否则，其值为0；
优选的，该模型为通用的多车场带时间窗车辆路径模型，根据客户实际需求，不考虑时间窗需求，删掉公式(1)的∑i∈(C(d)∪{d})ft(pti)部分即为多车场车辆路径模型，如果只有一个车场，即D＝1，则该模型简化为一般的车辆路径模型；
步骤2.2，该运输模型的进一步约束条件如下：
Figure BDA0002197672090000031
Figure BDA0002197672090000032
Figure BDA0002197672090000033
Figure BDA0002197672090000034
Figure BDA0002197672090000035
Figure BDA0002197672090000036
Figure BDA0002197672090000037
其中，C表示客户集；L表示所有车场的车辆总数；ykd表示车辆k属于车场d时，其值为1，否则为0；qj表示客户j的需求量；V表示客户与车辆集；Qk表示车辆k的最大容量；其余字母所代表的含义与公式(1)中的相同。
公式(2)表示每个车场安排任务的车辆数目不得超过该车场的车辆总数；公式(3)表示所有车场调用车辆的总数不得超过所有车场拥有车辆的总和；公式(4)表示一辆车只能属于一个车场；公式(5)和公式(6)表示每个客户只被一辆车服务一次；公式(7)表示每辆车的单次配送总量不超过该车的最大配送量；公式(8)和(9)表示车辆从一个车场出发，最后回到原车场；
步骤3，算法服务器计算出车辆最优调度方案，具体步骤如下：
步骤3.1，算法服务器检测资源的使用状况，主要包括各车场可用的车辆数量，人员在岗情况，可用物资数量；
步骤3.2，算法服务器计算可用车辆、可用物资是否可以满足用户需求，如果可以满足，则执行步骤3.4，否则，执行步骤3.3；
步骤3.3，根据用户订单的优先级，将可用车辆及物资优先服务于优先级高的客户，优先级低的客户等到有空闲车辆及多余物资时，再行进行服务；
进一步的，优先级的确定主要有三种方法：
步骤3.3.1，根据客户订单的下达时间，时间越早，优先级越高；
步骤3.3.2，根据客户的重要程度进行优先级的评定，客户的重要程度根据以往的历史订单以及客户的历史信誉度进行综合评定，历史订单越多、历史信誉越好，优先级越高；
步骤3.3.3，由内部工作人员人工评定，主要考虑本次客户订单的数量、距离远近以及聚集程度，订单数量越大、距离越近、聚集程度越高的客户，优先级越高。
步骤3.4，算法服务器调用算法库内算法，对各车场各车辆进行最优化调度，并输出结果；
步骤4，根据算法服务器反馈结果，将车辆的路线图在百度地图上进行可视化显示，具体步骤如下：
步骤4.1，地图服务器调用百度地图API BMap命名空间下的Map类构建一张新的地图实例；
步骤4.2，以车辆调度总部为中心，调用BMap.Map.centerAndZoom方法对地图进行初始化；
步骤4.3，调用Map.addOverlay方法，将各客户以及各车场在地图上进行标注；
步骤4.4，调用BMap.DrivingRoute类创建一个车辆的驾驶路线实例，调用该类下的Setpolicy方法设置某两个地点间车辆路径规划的策略，该策略主要包含最短时间、最短距离、避开高速等，可以根据情况灵活选择；
步骤4.5，调用Search方法，根据规则，搜索具体的某两个地点之间的具体车辆行驶路线，并在地图上进行可视化显示；
步骤5，上层调度系统将每个车场、每辆车的任务以及车辆具体的行驶路线发送给下层相对应的驾驶员，驾驶员根据安排进行送货；
步骤6，利用百度地图提供的GPS定位功能，对每辆车进行任务的实时定位跟踪及位置反馈；
步骤7，车辆驾驶员通过手机终端及时与上端计划层进行任务的汇报，主要包括任务的完成进度、车辆情况、各路段拥堵状况以及是否有什么突发状况，方便上端计划层根据现实情况及时对接下来的任务进行优化调整；
步骤8，各车辆任务完成后，系统自动更新各车场车辆的状态以及物资的使用情况，对客户的信息以及本次配送的反馈情况进行存储，方便下一次的调度安排。
本发明提供的一种集车辆调度优化与任务分配于一体的可视化方法，以实际道路为基础，建立了通用的车辆调度模型，满足了企业可视化需求，弥补现阶段物流车辆调度、分配效率低下、路径测算与实际不符的不足，节约运输成本，构建与客户需求相适应的车辆优化调度系统，提高了物流运输企业服务水平。
本发明还提供了一种集车辆调度优化与任务分配于一体的可视化系统，包括：
(1)信息收集模块，在接收到客户订单后，收集构造可视化地图所需数据信息，获取客户信息，主要包括地理位置，需求量，时间窗等，并将地理位置转化为具体的经纬度坐标形式，调用百度地图Route Matrix API，构造客户与客户以及客户与配送中心的距离矩阵，以及它们之间的时间矩阵；
(2)调度方案优化模块，算法服务器通过货物运输所需要的运输成本确定运输模型，以最小化总成本为目标建立目标函数，建立相应的车辆调度模型，根据客户需求通过调用算法库内算法，对各车场各车辆进行最优化调度，并输出结果；
(3)路径获取模块，根据算法服务器反馈结果，将车辆的路线图在百度地图上进行可视化显示，调用BMap.DrivingRoute类创建车辆的驾驶路线实例，调用setpolicy方法设置两个地点间车辆路径规划的策略，该策略主要包含最短时间、最短距离、避开高速等，可以根据情况灵活选择；调用search方法，根据规则，搜索具体的某两个地点之间的具体车辆行驶路线，并在地图上进行可视化显示；
(4)任务分配模块，上层调度系统将每个车场每辆车的任务以及车辆具体的行驶路线发送给下层相对应的驾驶员，驾驶员根据安排进行送货；
(5)定位模块，利用百度地图提供的GPS定位功能，对每辆车进行任务的实时定位跟踪及位置反馈；车辆驾驶员通过手机终端及时与上端计划层进行任务的汇报，主要包括任务的完成进度、车辆情况、各路段拥堵状况以及是否有什么突发状况，方便上端计划层根据现实情况及时对接下来的任务进行优化调整；
(6)反馈、更新模块，各车辆任务完成后，系统自动更新各车场车辆的状态以及物资的使用情况，对客户的信息以及本次配送的反馈情况进行存储，方便下一次的调度安排。
进一步的方案为：在进入系统后台时，需要工作人员输入用户名与密码，只有相关调度人员才有权限查看系统内容以及进行相应的修改操作；
本发明的有益效果主要表现在：
(1)以实际道路为基础，建立了通用的车辆调度模型，更符合企业的现实需求；
(2)将调度优化与任务分配融于一体，方便上端计划层与下端执行层及时进行信息的校对以及任务反馈；
(3)对车辆进行跟踪定位，将车辆的出行路线在百度地图上进行了可视化的现实，方便企业及时掌握任务的完成进度，更有利于应对突发状况的产生；
(4)上端计划层与下端执行层通过终端app进行信息的反馈，方便快捷，且利于信息的存档，为以后系统进行更好的调度提供数据支持。
附图说明
图1为集车辆调度优化与任务分配于一体的可视化系统的流程示意图；
图2为集车辆调度优化与任务分配于一体的可视化系统的结构框架；
图3为集车辆调度优化与任务分配于一体的可视化方法的交叉示意图；
图4为集车辆调度优化与任务分配于一体的可视化方法的变异示意图；
图5为集车辆调度优化与任务分配于一体的可视化方法的车辆调度示意图。
具体实施方式
如图1-4所示，一种集车辆调度优化与任务分配于一体的可视化方法，主要包括如下步骤：
步骤1，收集构造可视化地图所需数据信息，主要包括以下步骤：
步骤1.1，获取客户信息，主要包括地理位置，需求量，时间窗等，并将地理位置转化为具体的经纬度坐标形式；
步骤1.2，调用百度地图Route Matrix API，构造客户与客户以及客户与配送中心的距离矩阵，以及它们之间的时间矩阵；
步骤2，算法服务器根据客户需求建立相应的车辆调度模型，主要包括以下步骤：
步骤2.1，以最小化总成本为目标建立目标函数如下：
Figure BDA0002197672090000071
其中，公式(1)中，∑d∈D∑k∈K(d)∑i∈(C(d)∪{d})∑j∈(C(d)∪{d})αkCijXijk部分为配送过程中车辆的行驶距离成本；∑i∈(C(d)∪{d+)ft(pti)部分为提前送达或者延误的时间惩罚成本；∑d∈D∑k∈K(d)∑j∈(C(d)∪{d+)βkXdjk部分为使用车辆的固定成本；
其中，Z表示总成本，包括车辆行驶成本、时间惩罚成本和车辆固定使用成本；d表示某个车场；K(d)表示车场d的车辆集；D表示所有车场的集合；k表示车辆；C(d)表示车场d所服务的客户集；αk表示车辆k的单位行使距离成本；βk表示车辆k的固定成本；Cij表示节点i到节点j之间的实际距离；Xijk表示从节点i到节点j由车辆k进行运输，且i≠j时，Xijk＝1，否则，其值为0；pti表示为客户i服务时的提前或者延误时间；ft表示提前或者延误时间的惩罚函数；Xdjk表示从车场d到节点j由车辆k进行运输时，Xdjk＝1，否则，其值为0。
步骤2.2，建立模型进一步的约束条件如下：
Figure BDA0002197672090000081
Figure BDA0002197672090000082
Figure BDA0002197672090000084
Figure BDA0002197672090000085
Figure BDA0002197672090000086
Figure BDA0002197672090000087
Figure BDA0002197672090000088
其中，C表示客户集；L表示所有车场的车辆总数；ykd表示车辆k属于车场d时，其值为1，否则为0；qj表示客户j的需求量；V表示客户与车辆集；Qk表示车辆k的最大容量；其余字母所代表的含义与公式(1)中的相同；
该模型为通用的多车场带时间窗车辆路径模型，根据客户实际需求，不考虑时间窗需求，删掉公式(1)的∑i∈(C(d)∪{d+)ft(pti)部分即为多车场车辆路径模型，如果只有一个车场，即D＝1，则该模型简化为一般的车辆路径模型；进一步解释说明，公式(2)表示每个车场安排任务的车辆数目不得超过该车场的车辆总数；公式(3)表示所有车场调用车辆的总数不得超过所有车场拥有车辆的总和；公式(4)表示一辆车只能属于一个车场；公式(5)和公式(6)表示每个客户只被一辆车服务一次；公式(7)表示每辆车的单次配送总量不超过该车的最大配送量；公式(8)和(9)表示车辆从一个车场出发，最后回到原车场。
步骤3，算法服务器计算出车辆最优调度方案，具体步骤如下：
步骤3.1，算法服务器检测资源的使用状况，主要包括各车场可用的车辆数量，人员在岗情况，可用物资数量；
步骤3.2，算法服务器计算可用车辆、可用物资是否可以满足用户需求，如果可以满足，则执行步骤3.4，否则，执行步骤3.3；
步骤3.3，根据用户订单的优先级，将可用车辆及物资优先服务于优先级高的客户，优先级低的客户等到有空闲车辆及多余物资时，再行进行服务；
进一步的，优先级的确定主要有以下三种方法：
步骤3.3.1，根据客户订单的下达时间，时间越早，优先级越高；
步骤3.3.2，根据客户的重要程度进行优先级的评定，客户的重要程度根据以往的历史订单以及客户的历史信誉度进行综合评定，历史订单越多、历史信誉越好，优先级越高；
步骤3.3.3，由内部工作人员人工评定，主要考虑本次客户订单的数量、距离远近以及聚集程度，订单数量越大、距离越近、聚集程度越高的客户，优先级越高；
步骤3.4，算法服务器调用算法库内算法，对各车场各车辆进行最优化调度，并输出结果，以调用遗传算法为例，其具体步骤如下：
步骤3.4.1，随机生成初始配送方案n个，检查各配送方案是否满足顾客要求，如果无法满足要求，则再次随机产生若干配送方案，直至满足要求；
步骤3.4.2，根据公式(1)计算各种配送方案的总成本；
步骤3.4.3，随机选择两个配送方案a和b进行交叉操作，将a中的一个客户和b中相同的客户进行位置互换，并检查是否满足客户要求以及是否超出车辆最大承载能力，如果不满足，则随机选择另一客户进行该操作，直至满足要求；
步骤3.4.4，计算交换客户后的两个配送方案a’和b’的总成本，如果成本较交换前更低，则用交换后的方案代替初始方案，否则保持初始方案不变；
步骤3.4.5，随机选择一个配送方案c进行变异操作，将方案中某两个客户的服务顺序进行互换，并检查是否满足客户要求以及是否超出车辆最大承载能力，如果不满足，则再次随机选择两个客户进行互换，直至满足要求，互换后的方案记为c’；
步骤3.4.6，计算方案c’的总成本，如果比c更低，则用方案c’代替c，否则保持方案c不变；
步骤3.4.7，步骤3.4.3-步骤3.4.6共num次；
步骤3.4.8，计算各配送方案的成本，选择成本最低的配送方案进行输出，该配送方案即为车辆最优配送方案；
步骤4，根据算法服务器反馈结果，将车辆的路线图在百度地图上进行可视化显示，具体步骤如下：
步骤4.1，地图服务器调用百度地图API BMap命名空间下的Map类构建一张新的地图实例；
步骤4.2，以车辆调度总部为中心，调用BMap.Map.centerAndZoom方法对地图进行初始化；
步骤4.3，调用map.addOverlay方法，将各客户以及各车场在地图上进行标注；
步骤4.4，调用BMap.DrivingRoute类创建一个车辆的驾驶路线实例，调用该类下的setpolicy方法设置某两个地点间车辆路径规划的策略，该策略主要包含最短时间、最短距离、避开高速等，可以根据情况灵活选择；
步骤4.5，调用search方法，根据规则，搜索具体的某两个地点之间的具体车辆行驶路线，并在地图上进行可视化显示；
步骤5，上层调度系统将每个车场每辆车的任务以及车辆具体的行驶路线发送给下层相对应的驾驶员，驾驶员根据安排进行送货；
步骤6，利用百度地图提供的GPS定位功能，对每辆车进行任务的实时定位跟踪及位置反馈；
步骤7，车辆驾驶员通过手机终端及时与上端计划层进行任务的汇报，主要包括任务的完成进度、车辆情况、各路段拥堵状况以及是否有什么突发状况，方便上端计划层根据现实情况及时对接下来的任务进行优化调整；
步骤8，各车辆任务完成后，系统自动更新各车场车辆的状态以及物资的使用情况，对客户的信息以及本次配送的反馈情况进行存储，方便下一次的调度安排。
应用例
某市烟草公司有2个配送中心，分别有三种类型的可用车辆共10辆，现在要为10个客户进行烟草配送，其具体信息如表1和表2所示，现要对车辆进行合理安排，使总配送费用最少。
表1客户订单信息
编号 客户 经度 纬度 需求量
1 烟草专卖店 120.152375 30.179126 60
2 永辉超市 120.210738 30.206869 40
3 世纪联华 120.217219 30.20638 50
4 家有超市 120.199517 30.201046 15
5 世纪联华超市 120.195807 30.185674 40
6 大润发 120.284873 30.185816 30
7 大润发市心店 120.272856 30.176765 45
8 物美大卖场店 120.291254 30.149323 25
9 全家超市 120.246053 30.243497 65
10 新农都域康农副产品 120.3099 30.208597 70
表2配送中心信息表
Figure BDA0002197672090000111
确定参数：初始配送方案n＝100，循环次数num＝200，采用本发明所述优化方案，得到如表3所述的车辆调度方案，在地图上进行可视化显示如图5所示。
表3车辆调度方案
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所描述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (8)

1.一种集车辆调度优化与任务分配于一体的可视化方法，其特征在于，包括：
(1)接收客户订单，收集构造可视化地图所需数据信息；
(2)算法服务器根据客户需求建立相应的车辆调度模型，通过货物运输所需要的运输成本确定运输模型，以最小化总成本为目标建立目标函数，包括：
公式(1)中，∑d∈D∑k∈K(d)∑i∈(C(d)∪*d+)∑j∈(C(d)∪*d+)αkCijXijk部分为配送过程中车辆的行驶距离成本；∑i∈(C(d)∪*d+)ft(pti)部分为提前送达或者延误的时间惩罚成本；∑d∈D∑k∈K(d)∑j∈(C(d)∪*d+)βkXdjk部分为使用车辆的固定成本；
其中，Z表示总成本，包括车辆行驶成本、时间惩罚成本和车辆固定使用成本；d表示某个车场；K(d)表示车场d的车辆集；D表示所有车场的集合；k表示车辆；C(d)表示车场d所服务的客户集；
αk表示车辆k的单位行使距离成本；βk表示车辆k的固定成本；Cij表示节点i到节点j之间的实际距离；Xijk表示从节点i到节点j由车辆k进行运输，且i≠j时，Xijk＝1，否则，其值为0；
pti表示为客户i服务时的提前或者延误时间；ft表示提前或者延误时间的惩罚函数；
Xdjk表示从车场d到节点j由车辆k进行运输时，Xdjk＝1，否则，其值为0；
(3)算法服务器计算出车辆最优调度方案；
(4)根据算法服务器提供的最优调度方案，将运送车辆的路线图在百度地图上进行可视化显示；
(5)上层调度系统将每个车场、每辆车的任务以及车辆具体的行驶路线发送给下层相对应的驾驶员，驾驶员根据安排进行送货；
(6)利用百度地图提供的GPS定位功能，对每辆车进行任务的实时定位跟踪及位置反馈；
(7)车辆驾驶员通过手机终端及时与上端计划层进行任务的汇报完成进度、车辆情况、各路段拥堵状况和突发状况，方便上端计划层根据现实情况及时对接下来的任务进行优化调整；
(8)任务完成后，系统自动更新各车场、各车辆的状态以及物资的使用情况，对客户的信息以及本次配送的反馈情况进行存储，方便下一次的调度安排。
2.根据权利要求1所述的集车辆调度优化与任务分配于一体的可视化方法，其特征在于，步骤(1)中，所述的数据信息主要包括：客户的地理位置、需求量以及时间窗；所述的地理位置转化为具体的经纬度坐标形式，并调用百度地图Route Matrix API，构造客户与客户以及客户与配送中心的距离矩阵和时间矩阵。
3.根据权利要求1所述的集车辆调度优化与任务分配于一体的可视化方法，其特征在于，步骤(2)中，所述运输模型的进一步约束条件为：
Figure FDA0002197672080000021
Figure FDA0002197672080000023
Figure FDA0002197672080000024
Figure FDA0002197672080000028
其中，C表示客户集；L表示所有车场的车辆总数；ykd表示车辆k属于车场d时，其值为1，否则为0；qj表示客户j的需求量；V表示客户与车辆集；Qk表示车辆k的最大容量；其余字母所代表的含义与公式(1)中的相同；
公式(2)表示每个车场安排任务的车辆数目不得超过该车场的车辆总数；公式(3)表示所有车场调用车辆的总数不得超过所有车场拥有车辆的总和；公式(4)表示一辆车只能属于一个车场；公式(5)和公式(6)表示每个客户只被一辆车服务一次；公式(7)表示每辆车的单次配送总量不超过该车的最大配送量；公式(8)和(9)表示车辆从一个车场出发，最后回到原车场。
4.根据权利要求1所述的集车辆调度优化与任务分配于一体的可视化方法，其特征在于，步骤(3)中，所述算法服务器计算出的车辆最优调度方案，主要包括：
(3.1)通过算法服务器检测资源的使用状况，主要包括各车场可用的车辆数量、人员在岗情况以及可用物资数量；
(3.2)算法服务器计算可用车辆和可用物资是否满足用户需求，如果满足，则执行程序(3.4)，否则，执行程序(3.3)；
(3.3)根据用户订单的优先级，将可用车辆及物资优先服务于优先级高的客户，优先级低的客户等到有空闲车辆及多余物资时，再行进行服务；
(3.4)算法服务器调用算法库内算法，对各车场各车辆进行最优化调度，并输出结果。
5.根据权利要求4所述的集车辆调度优化与任务分配于一体的可视化方法，其特征在于，步骤(3.3)中，所述的用户订单的优先级确定方法主要有：
(3.3.1)根据客户订单的下达时间，时间越早，优先级越高；
(3.3.2)根据客户的重要程度进行优先级的评定，客户的重要程度根据以往的历史订单以及客户的历史信誉度进行综合评定，历史订单越多、历史信誉越好，优先级越高；
(3.3.3)由内部工作人员人工评定，主要考虑本次客户订单的数量、距离远近以及聚集程度，订单数量越大、距离越近、聚集程度越高的客户，优先级越高。
6.根据权利要求1所述的集车辆调度优化与任务分配于一体的可视化方法，其特征在于，步骤(4)中，将车辆的路线图在百度地图上进行可视化显示的具体方法包括：
(4.1)地图服务器调用百度地图API BMap命名空间下的Map类构建一张新的地图实例；
(4.2)以车辆调度总部为中心，调用BMap.Map.centerAndZoom方法对地图进行初始化；
(4.3)调用Map.addOverlay方法，将各客户以及各车场在地图上进行标注；
(4.4)调用BMap.DrivingRoute类创建一个车辆的驾驶路线实例，调用Setpolicy方法设置某两个地点间车辆路径规划的策略：主要包含最短时间、最短距离以及避开高速，根据情况灵活选择；
(4.5)调用Search方法，根据规则，搜索具体的某两个地点之间的具体车辆行驶路线，并在地图上进行可视化显示。
7.一种集车辆调度优化与任务分配于一体的可视化系统，其特征在于，包括：
(1)信息收集模块，在接收到客户订单后，收集构造可视化地图所需数据信息，获取客户信息，将地理位置转化为具体的经纬度坐标形式，调用百度地图Route Matrix API，构造客户与客户以及客户与配送中心的距离矩阵，以及它们之间的时间矩阵；
(2)调度方案优化模块，算法服务器通过货物运输所需要的运输成本确定运输模型，以最小化总成本为目标建立目标函数，建立相应的车辆调度模型，根据客户需求通过调用算法库内算法，对各车场各车辆进行最优化调度，并输出结果；
(3)路径获取模块，根据算法服务器反馈结果，将车辆的路线图在百度地图上进行可视化显示，调用BMap.DrivingRoute类创建车辆的驾驶路线实例，调用setpolicy方法设置两个地点间车辆路径规划的策略；调用search方法，根据规则，搜索具体的某两个地点之间的具体车辆行驶路线，并在地图上进行可视化显示；
(4)任务分配模块，上层调度系统将每个车场每辆车的任务以及车辆具体的行驶路线发送给下层相对应的驾驶员，驾驶员根据安排进行送货；
(5)定位模块，利用百度地图提供的GPS定位功能，对每辆车进行任务的实时定位跟踪及位置反馈；车辆驾驶员通过手机终端及时与上端计划层进行任务的汇报，主要包括任务的完成进度、车辆情况、各路段拥堵状况以及是否有什么突发状况，方便上端计划层根据现实情况及时对接下来的任务进行优化调整；
(6)反馈、更新模块，各车辆任务完成后，系统自动更新各车场车辆的状态以及物资的使用情况，对客户的信息以及本次配送的反馈情况进行存储，方便下一次的调度安排。
8.根据权利要求7所述的集车辆调度优化与任务分配于一体的可视化系统，其特征在于，在进入系统后台时，工作人员输入用户名与密码，只有相关调度人员才有权限查看系统内容以及进行相应的修改操作。
CN201910853675.3A 2019-09-10 2019-09-10 一种集车辆调度优化与任务分配于一体的可视化方法及系统 Active CN110782064B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910853675.3A CN110782064B (zh) 2019-09-10 2019-09-10 一种集车辆调度优化与任务分配于一体的可视化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910853675.3A CN110782064B (zh) 2019-09-10 2019-09-10 一种集车辆调度优化与任务分配于一体的可视化方法及系统

Publications (2)

Publication Number Publication Date
CN110782064A true CN110782064A (zh) 2020-02-11
CN110782064B CN110782064B (zh) 2022-04-29

Family

ID=69383408

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910853675.3A Active CN110782064B (zh) 2019-09-10 2019-09-10 一种集车辆调度优化与任务分配于一体的可视化方法及系统

Country Status (1)

Country Link
CN (1) CN110782064B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111311019A (zh) * 2020-03-10 2020-06-19 山西省地震局 一种基于人口分布的物流配送系统
CN111832894A (zh) * 2020-06-08 2020-10-27 上海汽车集团股份有限公司 车辆调度方式生成方法、装置及计算机存储介质
CN112163736A (zh) * 2020-09-01 2021-01-01 格力电器（武汉）有限公司 一种成品发运调度方法、系统及存储介质
CN112613807A (zh) * 2020-12-02 2021-04-06 红云红河烟草(集团)有限责任公司 一种成品卷烟调库数学模型
CN113344262A (zh) * 2021-05-28 2021-09-03 淮阴工学院 一种基于城市垃圾分类的智能清运系统及方法
CN113449895A (zh) * 2020-03-25 2021-09-28 北京沃东天骏信息技术有限公司 车辆调度方法和装置
CN114020861A (zh) * 2021-10-14 2022-02-08 同济大学 基于调度知识自学习更新的智能车间生产控制方法及设备
CN114169944A (zh) * 2022-01-26 2022-03-11 北京京东振世信息技术有限公司 用户需求确定方法、装置、存储介质和电子设备
CN114997712A (zh) * 2022-06-27 2022-09-02 东南大学 基于动态规划求解周期性上门取送货车辆调度方案的方法
CN115115172A (zh) * 2022-05-13 2022-09-27 长安大学 一种用于客货车辆智能调度系统及存储介质
CN116011765A (zh) * 2023-01-03 2023-04-25 北京清丰智行科技有限公司 面向共享出行的自动驾驶与手动驾驶双模式方法及车辆
CN116228173A (zh) * 2023-05-09 2023-06-06 车泊喜智能科技(山东)有限公司 一种基于数据分析的公务用车智能管理系统
CN116976540A (zh) * 2023-09-21 2023-10-31 上海银行股份有限公司 复合场景下的银行现金配送线路规划方法
CN117114175A (zh) * 2023-08-14 2023-11-24 上海鸭嘴兽网络科技有限公司 基于北斗定位技术实现外贸货物交付计划的预测方法
CN118410523A (zh) * 2024-07-03 2024-07-30 安徽云速付网络科技有限公司 一种基于区块链隐私计算的供应链数据流转方法、系统及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090254405A1 (en) * 2008-04-08 2009-10-08 Benjamin Leslie Hollis Simultaneous vehicle routing, vehicle scheduling, and crew scheduling
CN101561897A (zh) * 2008-04-17 2009-10-21 北京中食新华科技有限公司 一种物流信息分析建模方法
CN103699982A (zh) * 2013-12-26 2014-04-02 浙江工业大学 一种带软时间窗口的物流配送控制方法
CN109919376A (zh) * 2019-03-01 2019-06-21 浙江工业大学 多车场与多车型车辆路径调度控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090254405A1 (en) * 2008-04-08 2009-10-08 Benjamin Leslie Hollis Simultaneous vehicle routing, vehicle scheduling, and crew scheduling
CN101561897A (zh) * 2008-04-17 2009-10-21 北京中食新华科技有限公司 一种物流信息分析建模方法
CN103699982A (zh) * 2013-12-26 2014-04-02 浙江工业大学 一种带软时间窗口的物流配送控制方法
CN109919376A (zh) * 2019-03-01 2019-06-21 浙江工业大学 多车场与多车型车辆路径调度控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周贵仔 等: "实时环境下的物流配送车辆调度优化及网格计算研究", 《机械制造》 *
陈呈频 等: "多车场与多车型车辆路径问题的多染色体遗传算法", 《多车场与多车型车辆路径问题的多染色体遗传算法》 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111311019A (zh) * 2020-03-10 2020-06-19 山西省地震局 一种基于人口分布的物流配送系统
CN113449895A (zh) * 2020-03-25 2021-09-28 北京沃东天骏信息技术有限公司 车辆调度方法和装置
CN111832894A (zh) * 2020-06-08 2020-10-27 上海汽车集团股份有限公司 车辆调度方式生成方法、装置及计算机存储介质
CN111832894B (zh) * 2020-06-08 2024-06-18 上海汽车集团股份有限公司 车辆调度方式生成方法、装置及计算机存储介质
CN112163736A (zh) * 2020-09-01 2021-01-01 格力电器（武汉）有限公司 一种成品发运调度方法、系统及存储介质
CN112613807B (zh) * 2020-12-02 2024-05-14 红云红河烟草(集团)有限责任公司 一种用于成品卷烟发货调度的优化方法
CN112613807A (zh) * 2020-12-02 2021-04-06 红云红河烟草(集团)有限责任公司 一种成品卷烟调库数学模型
CN113344262A (zh) * 2021-05-28 2021-09-03 淮阴工学院 一种基于城市垃圾分类的智能清运系统及方法
CN114020861A (zh) * 2021-10-14 2022-02-08 同济大学 基于调度知识自学习更新的智能车间生产控制方法及设备
CN114169944A (zh) * 2022-01-26 2022-03-11 北京京东振世信息技术有限公司 用户需求确定方法、装置、存储介质和电子设备
CN114169944B (zh) * 2022-01-26 2022-07-05 北京京东振世信息技术有限公司 用户需求确定方法、装置、存储介质和电子设备
CN115115172A (zh) * 2022-05-13 2022-09-27 长安大学 一种用于客货车辆智能调度系统及存储介质
CN114997712A (zh) * 2022-06-27 2022-09-02 东南大学 基于动态规划求解周期性上门取送货车辆调度方案的方法
CN116011765A (zh) * 2023-01-03 2023-04-25 北京清丰智行科技有限公司 面向共享出行的自动驾驶与手动驾驶双模式方法及车辆
CN116228173A (zh) * 2023-05-09 2023-06-06 车泊喜智能科技(山东)有限公司 一种基于数据分析的公务用车智能管理系统
CN117114175A (zh) * 2023-08-14 2023-11-24 上海鸭嘴兽网络科技有限公司 基于北斗定位技术实现外贸货物交付计划的预测方法
CN117114175B (zh) * 2023-08-14 2024-02-20 上海鸭嘴兽网络科技有限公司 基于北斗定位技术实现外贸货物交付计划的预测方法
CN116976540A (zh) * 2023-09-21 2023-10-31 上海银行股份有限公司 复合场景下的银行现金配送线路规划方法
CN116976540B (zh) * 2023-09-21 2023-12-22 上海银行股份有限公司 复合场景下的银行现金配送线路规划方法
CN118410523A (zh) * 2024-07-03 2024-07-30 安徽云速付网络科技有限公司 一种基于区块链隐私计算的供应链数据流转方法、系统及装置

Also Published As

Publication number Publication date
CN110782064B (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
CN110782064B (zh) 一种集车辆调度优化与任务分配于一体的可视化方法及系统
CN110046749B (zh) 一种基于实时路况的电商包裹与同城o2o包裹共同配送系统
CN111461624A (zh) 物流线路规划方法、装置、设备及存储介质
US11182709B2 (en) Interactive real time system and real time method of use thereof in conveyance industry segments
US9424515B2 (en) Predicting taxi utilization information
US20090048890A1 (en) Delivery Management System for Quick Service Restaurants
US20120259540A1 (en) Methods and systems for workforce management
US20170046653A1 (en) Planning of transportation requests
US10789558B2 (en) Non-linear systems and methods for destination selection
CN114298559A (zh) 换电站的换电方法、换电管理平台及存储介质
CN114723248A (zh) 一种智能调度配送方法
CN115345560A (zh) 基于数字地图的智能化仓储分配系统
CN111854786A (zh) 班车路线规划的可视化方法、装置、设备及介质
CN111275229B (zh) 资源模型训练方法、资源缺口预测方法、装置及电子设备
JP2021096793A (ja) エリア分析システムおよびその方法
Zhang et al. Optimizing single-depot vehicle scheduling problem: fixed-interval model and algorithm
Gu et al. Enhancing market service and enterprise operations through a large-scale GIS-based distribution system
JP2004326711A (ja) 配車計画立案方法および装置
US20230129580A1 (en) Interactive network and method for securing conveyance services
CN117610747A (zh) 基于智能算法的卷烟送货线路的优化方法
CN113505945A (zh) 维护客户关系和监督bd人员的bd打卡巡店方法
Singer et al. Fleet configuration subject to stochastic demand: An application in the distribution of liquefied petroleum gas
CN111445053B (zh) 用工需求信息处理方法、装置及电子设备
JP2007314335A (ja) 地図情報を用いた物流輸送管理装置及び物流輸送管理システム
WO2022091103A1 (en) Systems and methods for providing a real-time smart transportation platform

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