CN110826009B - 一种云物流模式下面向客户需求的调度优化方法 - Google Patents

Abstract

本发明公开了一种云物流模式下面向客户需求的调度优化方法，属于云物流技术领域，包括S1、采集客户端的需求信息；S2、采集服务端的配送车辆信息；S3、调用实时交通大数据信息；S4、扫描客户需求信息、配送车辆信息、实时交通大数据和历史运营记录信息，设定约束条件；S5、根据实际情况，将客户的物流需求,安排给到物流车辆进行运输，使得所有需求安排后，总成本最低。本发明充分面向客户的送货时间要求、卸货要求和时间、是否含上楼等场景，调取实时地图大数据和平台积累的业务数据，通过大数据挖掘分析，基于客户需求、大数据记录对最优路径进行搜索，达到满足客户配送需求，提高配送时效，降低配送成本。

Description

一种云物流模式下面向客户需求的调度优化方法

技术领域

本发明涉及云物流技术领域，特别涉及一种云物流模式下面向客户需求的调度优化方法。

背景技术

随着新零售和生鲜电商的不断发展，城市配送作为一种新兴的物流服务方式，今年来发展迅猛。合理高效的城市配送调度体系对于提高交通运输能力、发展现代物流、整合城市运输资源和保护城市环境具有非常重要积极意义。由于城配调度需要考虑众多的因素，比如客户的相关服务和配送时间的需求，需要考虑运输的成本和运输效率，考虑从提货地点到客户收货过程中的运输过程的合理配载和路径规划，都加大了城配调度的难度。

面对城市配送这样一个复杂的万亿市场，大部分的城配运输企业仍然依靠人工调度，这使得“订单越多，效率越低，运营成本越高”成为困扰行业已久的痛点。因此，如何提供一种云物流模式下面向客户需求的调度优化方法，是亟待解决的关键问题。

发明内容

本发明的目的就在于为了解决传统人工调度的痛点，利用云物流服务模式的优点，面向客户需求，积累海量的发货、在途、卸货以及客户需求信息，在大数据环境下，充分考虑城市配送中客户的需求、车辆车长车型、核载重量体积信息、城市道路交通相关的限行、交通事故以及气象条件等信息，规划装载信息和配送线路，为调度提供智能决策。

本发明通过以下技术方案来实现上述目的，一种云物流模式下面向客户需求的调度优化方法，包括以下步骤：

S1、采集客户端的需求信息：在云物流模式下，将客户发送的配送需求进行编号，并且记录下配送需求中包含的需求信息，如：品名、规格、数量、体积、重量、送货时间要求、卸货要求和时间、是否含上楼、是否可以混载、订单数量和配送位置；

S2、采集服务端的配送车辆信息：根据服务端上传的实时配送车辆信息记录下配送车辆的车辆类型、各车型成本、车型长宽高、车辆核载重量、车辆核载体积、车辆当前的运输状态；

S3、调用实时交通大数据信息：云物流平台与市政交通监管中心进行联网，实时更新市区的交通大数据信息，该信息包括区域限行要求、市区限行时间段、早晚高峰实时信息、雨雪雾天气情况以及道路交通事故发生现象，并计算出市区内限行、市区内限时要求、早中晚高峰雨雾雪天气以及交通事故对配送的影响；

S4、扫描客户需求信息、配送车辆信息、实时交通大数据和历史运营记录信息，设定约束条件：

A、对客户送货时间进行约束，服务时效等于

/>

其中

表示正常行驶距离除以速度耗费时间，βT_1i表示因市区内限行所耗费的时间，γT_2i表示因市区内限时通行所耗费的时间，x_iT_3i表示客户有卸货需求所耗费的时间，u_iT_4i表示客户有上楼需求所耗费的时间；

B、对承运车辆的装载量进行约束，实际装载量可表示为

其中

为企业实际配送要求设定最低装载要求，/>

为车辆最大荷载量；

S5、根据实际情况，将客户的物流需求,安排给到物流车辆进行运输，使得所有需求安排后，总成本最低，总成本通过单车型的成本和数量乘积的累计求和最低来表示，公式如下：

其中i＝1,2,...n,表示平台上发布的物流服务需求为n个，j＝1,2,...m,表示平台上承运车辆有m个，c_j表示物流车辆j的单车配送成本，x_ij表示客户需求i由车辆j提供配送服务。

优选的，所述步骤S2的物流车辆以一个固定中心为起始点，且每个车辆均需要编号。

优选的，所述步骤S1和步骤S2的客户端和服务端均由云物流平台中心控制，其中客户端面向需要发送物流的用户，服务端面向提供物流配送服务的物流公司。

优选的，所述步骤S3中的市区内限行影响系数为

市区内限时要求为

早中晚高峰对配送时效影响系数为/>

雨雾雪天气对配送时效影响系数为δ＝a₄+b₄f(x)，交通事故(追尾、着火、翻车、抛锚)对配送时效的影响系数为

优选的，所述步骤S4中的车辆最大荷载量

需满足如下要求：

a、收货人不允许混载时，需要转车配送，此时

需大于货物的重量；

b、装载最高装载量需小于车辆长宽高限制；

c、装载最高装载量小于车辆核载重量和体积限制。

优选的，所述步骤S5中的c_j＝a+b*s_ij，车辆成本为基础出车成本与行驶距离成本之和，其中s_ij表示车辆j到达客户i处地图规划的距离，a、b为常数并通过大数据挖掘分析求解系数。

与现有技术相比，本发明的有益效果是：

1、本发明充分考虑当前新零售和电商迅猛发展的背景下，客户多品种小批次配送需求的快速响应，以及当前背景下客户需要安排卸货、上楼和是否需要在固定的时间段进行收货等个性化的需求模式。

2、本发明鉴于城市发展的限行要求以及交通大数据的发展，对路径的搜索优化充分调用实时交通大数据，进行路由安排时，充分考虑相关的限行、早晚高峰、雨雪雾天气以及实时交通事故等因素对路径规划的影响，合理安排规划路线，在满足客户配送时间要求的同时，提高车辆的运输配送效率。

3、本发明基于云物流大数据平台的历史操作节点记录大数据，调用历史操作积累大数据，再结合装载和配送时效限制等约束条件，规划送货路线，既满足客户需求，又提高车辆整体的运行效率，降低等待和送货没有签收等异常发生的概率。

具体实施方式

下面将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他实施例，都属于本发明保护的范围。

一种云物流模式下面向客户需求的调度优化方法，包括以下步骤：

S1、采集客户端的需求信息：在云物流模式下，将客户发送的配送需求进行编号，并且记录下配送需求中包含的需求信息，如：品名、规格、数量、体积、重量、送货时间要求、卸货要求和时间、是否含上楼、是否可以混载、订单数量和配送位置；

S2、采集服务端的配送车辆信息：根据服务端上传的实时配送车辆信息记录下配送车辆的车辆类型、各车型成本、车型长宽高、车辆核载重量、车辆核载体积、车辆当前的运输状态；

S3、调用实时交通大数据信息：云物流平台与市政交通监管中心进行联网，实时更新市区的交通大数据信息，该信息包括区域限行要求、市区限行时间段、早晚高峰实时信息、雨雪雾天气情况以及道路交通事故发生现象，并计算出市区内限行、市区内限时要求、早中晚高峰雨雾雪天气以及交通事故对配送的影响；

S4、扫描客户需求信息、配送车辆信息、实时交通大数据和历史运营记录信息，设定约束条件：

A、对客户送货时间进行约束，服务时效等于

其中

表示正常行驶距离除以速度耗费时间，βT_1i表示因市区内限行所耗费的时间，γT_2i表示因市区内限时通行所耗费的时间，x_iT_3i表示客户有卸货需求所耗费的时间，u_iT_4i表示客户有上楼需求所耗费的时间，服务时效小于客户期望时效t_ij≤fT_i；

B、对承运车辆的装载量进行约束，实际装载量可表示为

其中

为企业实际配送要求设定最低装载要求，/>

为车辆最大荷载量；

S5、根据实际情况，将客户的物流需求,安排给到物流车辆进行运输，使得所有需求安排后，总成本最低，总成本通过单车型的成本和数量乘积的累计求和最低来表示，公式如下：

其中i＝1,2,...n,表示平台上发布的物流服务需求为n个，j＝1,2,...m,表示平台上承运车辆有m个，c_j表示物流车辆j的单车配送成本，x_ij表示客户需求i由车辆j提供配送服务。

所述步骤S2的物流车辆以一个固定中心为起始点，且每个车辆均需要编号：

步骤S1的记录客户物流需求编号为i；发出订单物流需求数量为n个；客户订单体积为v_i；客户订单重量为w_i；客户送货时间需求为fT_i；客户是否需求卸货为x_i＝0 or 1；客户上楼需求为u_i＝0 or 1；客户是否允许混载需求为m_i＝0 or 1；

步骤S2的记录配送车辆编号为j；平台安排配送车辆数量为m个；车辆长宽高限制为max(L,W,H)；车辆核载重量和体积限制为max(V,W)。

所述步骤S1和步骤S2的客户端和服务端均由云物流平台中心控制，其中客户端面向需要发送物流的用户，服务端面向提供物流配送服务的物流公司。

所述步骤S3中的市区内限行影响系数为

市区内限时要求为/>

早中晚高峰对配送时效影响系数为/>

雨雾雪天气对配送时效影响系数为δ＝a₄+b₄f(x)，交通事故(追尾、着火、翻车、抛锚)对配送时效的影响系数为/>

所述步骤S4中的车辆最大荷载量

需满足如下要求：

a、收货人不允许混载时，需要转车配送，此时

需大于货物的重量；

b、装载最高装载量需小于车辆长宽高限制；

c、装载最高装载量小于车辆核载重量和体积限制。

所述步骤S5中的c_j＝a+b*s_ij，车辆成本为基础出车成本与行驶距离成本之和，其中s_ij表示车辆j到达客户i处地图规划的距离，a、b为常数并通过大数据挖掘分析求解系数。

本发明充分迎合当前新零售和生鲜电商发展的时代背景需求，以专业化的配送中心为城市配送起点，接收多客户订单需求，提供了一种云物流模式下面向客户需求的调度优化方法，面向客户的送货时间要求、卸货要求和时间、是否含上楼等场景，调取实时地图大数据和平台积累的业务数据，通过大数据挖掘分析，基于客户需求、大数据记录对最优路径进行搜索，达到满足客户配送需求，提高配送时效，降低配送成本的总目标。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (6)

1.一种云物流模式下面向客户需求的调度优化方法，其特征在于：包括以下步骤：

S1、采集客户端的需求信息：在云物流模式下，将客户发送的配送需求进行编号，并且记录下配送需求中包含的需求信息；

S2、采集服务端的配送车辆信息：根据服务端上传的实时配送车辆信息记录下配送车辆的车辆类型、各车型成本、车型长宽高、车辆核载重量、车辆核载体积、车辆当前的运输状态；

S3、调用实时交通大数据信息：云物流平台与市政交通监管中心进行联网，实时更新市区的交通大数据信息，该信息包括区域限行要求、市区限行时间段、早晚高峰实时信息、雨雪雾天气情况以及道路交通事故发生现象，并计算出市区内限行、市区内限时要求、早中晚高峰雨雾雪天气以及交通事故对配送的影响；

S4、扫描客户需求信息、配送车辆信息、实时交通大数据和历史运营记录信息，设定约束条件：

A、对客户送货时间进行约束，服务时效等于

其中

表示正常行驶距离除以速度耗费时间，βT_1i表示因市区内限行所耗费的时间，γT_2i表示因市区内限时通行所耗费的时间，x_iT_3i表示客户有卸货需求所耗费的时间，u_iT_4i表示客户有上楼需求所耗费的时间；

B、对承运车辆的装载量进行约束，实际装载量可表示为

其中

为企业实际配送要求设定最低装载要求，/>

为车辆最大荷载量；

S5、根据实际情况，将客户的物流需求,安排给到物流车辆进行运输，使得所有需求安排后，总成本最低，总成本通过单车型的成本和数量乘积的累计求和最低来表示，公式如下：

其中i＝1,2,...n,表示平台上发布的物流服务需求为n个，j＝1,2,...m,表示平台上承运车辆有m个，c_j表示物流车辆j的单车配送成本，x_ij表示客户需求i由车辆j提供配送服务。

2.根据权利要求1所述的一种云物流模式下面向客户需求的调度优化方法，其特征在于：所述步骤S2的物流车辆以一个固定中心为起始点，且每个车辆均需要编号。

3.根据权利要求1所述的一种云物流模式下面向客户需求的调度优化方法，其特征在于：所述步骤S1和步骤S2的客户端和服务端均由云物流平台中心控制，其中客户端面向需要发送物流的用户，服务端面向提供物流配送服务的物流公司。

4.根据权利要求1所述的一种云物流模式下面向客户需求的调度优化方法，其特征在于：所述步骤S3中的市区内限行影响系数为

市区内限时要求为/>

早中晚高峰对配送时效影响系数为/>

雨雾雪天气对配送时效影响系数为δ＝a₄+b₄f(x)，交通事故对配送时效的影响系数为/>

5.根据权利要求1所述的一种云物流模式下面向客户需求的调度优化方法，其特征在于：所述步骤S4中的车辆最大荷载量

需满足如下要求：

a、收货人不允许混载时，需要转车配送，此时

需大于货物的重量；

b、装载最高装载量需小于车辆长宽高限制；

c、装载最高装载量小于车辆核载重量和体积限制。

6.根据权利要求1所述的一种云物流模式下面向客户需求的调度优化方法，其特征在于：所述步骤S5中的c_j＝a+b*s_ij，车辆成本为基础出车成本与行驶距离成本之和，其中s_ij表示车辆j到达客户i处地图规划的距离，a、b为常数并通过大数据挖掘分析求解系数。