CN111062530A - 一种基于加权图的多地点物流配送路线推荐方法 - Google Patents

一种基于加权图的多地点物流配送路线推荐方法 Download PDF

Info

Publication number
CN111062530A
CN111062530A CN201911262856.5A CN201911262856A CN111062530A CN 111062530 A CN111062530 A CN 111062530A CN 201911262856 A CN201911262856 A CN 201911262856A CN 111062530 A CN111062530 A CN 111062530A
Authority
CN
China
Prior art keywords
transportation
weight
based multi
recommendation method
logistics distribution
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.)
Withdrawn
Application number
CN201911262856.5A
Other languages
English (en)
Inventor
陈旋
王冲
张平
陈浩
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.)
Jiangsu Aijia Household Products Co Ltd
Original Assignee
Jiangsu Aijia Household Products Co Ltd
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 Jiangsu Aijia Household Products Co Ltd filed Critical Jiangsu Aijia Household Products Co Ltd
Priority to CN201911262856.5A priority Critical patent/CN111062530A/zh
Publication of CN111062530A publication Critical patent/CN111062530A/zh
Withdrawn legal-status Critical Current

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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于加权图的多地点物流配送路线推荐方法，属于物流技术领域。利用现有地图的路况信息，以及根据线下客户真实情况等多因素，采用加权图构建多运输点的关系图谱，对每条路线的运输条件、路况等信息进行权重分析，将影响因素的权重映射到有向图的边上，则边就有了权重的概念；这样就能很好的表示出每个运输点之间的运输条件，以及运输成本等因素。通过这种方式可以筛选出最优运输路线，减少运输时间，提高运输效率。

Description

一种基于加权图的多地点物流配送路线推荐方法
技术领域
本发明属于物流技术领域，具体涉及一种基于加权图的多地点物流配送路线推荐方法。
背景技术
近年来随着电商的快速发展，人们对于网络购买的需求越来越大，购买的商品也越来越多样化，尤其是个人购买大件商品的行为越来越多，物流配送到户的需求逐渐增加。而不同的配送目的地在不同的路段以及在不同的时间等条件下，对不同车辆的运输有着不同的限制。这样对同城多地点的运输要求变得越来越高。
现有的路线规划可能是根据每个地点的距离人工规划运输路线，不能充分考虑到路况、道路限制条件等客观因素，可能导致运输时间过长、车辆被限、甚至绕道行驶的问题，增加了运输成本。在运输过程中，司机根据导航软件进行路线安排，但是大多数的导航软件是点对点的方式规划路线的，不支持多地点规划路线。有些导航软件中支持多地点导航，但是导航地点顺序是有人为自己选择，不能充分考虑到各种实际因素，且有一些如客户不在家、需要搬运耗时等实际因素不能充分考虑到，并不能很好的规划路线。这些因素都影响了最优物流配送的选择。
发明内容
本发明要解决的技术问题在于提供一种基于加权图的多地点物流配送路线推荐方法，解决物流配送领域多地点配送最优路线推荐的问题。
为了解决上述问题，本发明所采用的技术方案如下：
一种基于加权图的多地点物流配送路线推荐方法，具体包括以下步骤：
(1)获取所有运输点，包括起点、终点和物流配送地；
(2)构建影响因素矩阵，获取是否配送信息，剔除不需要配送的运输点，对需要配送的运输点通过开放地图服务API接口的方式获取每个运输点的经纬度和每两个运输点之间的实时路况信息，并获得是否延迟配送信息，综合所有影响因素信息构建影响因素矩阵；
(3)根据步骤(2)中所得影响因素矩阵，对影响因素结果进行预处理，然后归一化处理；利用归一化后的数据计算所述影响因素权重；
(4)使用步骤(3)中转换前的运输影响因素原始值与步骤(3)中计算得到的影响因素权重相乘，得到各影响因素在所在路段上的权重，再汇总得到某路段总权重的汇总值；
(6)将步骤(5)中得到的汇总值按从小到大的顺序排列；然后将每个运输点，按照路线箭头指向收尾连接各运输点，并配上权重得到关系图谱；
(7)从起点开始遍历构建线路树；计算每条线路的权重总和，得到每条线路的总权重，选出最优运输路线。
所述基于加权图的多地点物流配送路线推荐方法，归一化采用min-max标准化的方式对原始数据进行处理，使得结果值映射到[0，1]之间，转换函数如式(1)所示：
Figure BDA0002310418040000021
其中，max为数据中的最大值，min为数据中的最小值，x为计算的当前值。
所述基于加权图的多地点物流配送路线推荐方法，使用熵权法计算影响因素在运输路线上的权重，包括以下步骤：
(a)根据信息论中的信息熵的定义公式计算信息熵，定义公式如式(2)所示：
Figure BDA0002310418040000022
其中，Ei为信息熵，
Figure BDA0002310418040000023
pij为i路段中j因素归一化后的值在所有路段中j因素归一化后的值总和中的占比；n为路段数；
(2)通过信息熵计算各指标的权重，计算公式如下：
Figure BDA0002310418040000024
其中，Wj为j因素计算后的权重值，k为影响因素数量，j＝1，2，……k。
所述基于加权图的多地点物流配送路线推荐方法，将延迟配送路线的权重默认无限大。
所述基于加权图的多地点物流配送路线推荐方法，路况信息包括两个运输点之间的距离、路况整体评价、路段拥堵评价、平均速度、拥堵距离、较10分钟前拥堵趋势。
所述基于加权图的多地点物流配送路线推荐方法，路况整体评价分为未知路况、畅通、缓行、拥堵、严重拥堵；所述较10分钟前拥堵趋势分为持平、缓解、加重。
所述基于加权图的多地点物流配送路线推荐方法，对数据归一化处理之前，将路段拥堵评价按畅通→1、缓行→2、拥堵→3、未知路况→4、严重拥堵→5的方式转换。
所述基于加权图的多地点物流配送路线推荐方法，对数据归一化处理之前，将路段较10分钟前拥堵趋势按持平→1、缓解→2、加重→3。
所述基于加权图的多地点物流配送路线推荐方法，对数据归一化处理之前，是否延迟配送中按是→1、否→0的方式转换。
有益效果：与现有的技术相比，本发明的优点包括：
本发明将影响因素映射到加权图的边上，则边就有了权重的概念；就能很好的表示出每个运输点之间的运输条件，以及运输成本等因素。通过这种方式可以很好的规划运输路线，减少运输时间，选出最优配送路线，提高运输效率。
附图说明
图1为本发明方法工艺流程图；
图2为结合有权重的配送路线图；
图3为实施例1配送线路树。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合具体实施例对本发明的具体实施方式做详细的说明。
实施例1
一种基于加权图的多地点物流配送路线推荐方法，具体步骤如下：
步骤1：获取所有运输点，这里假设有运输点A、B、C、D、E这5个运输点，因为运输是从仓库出发到最后的回仓库，这里将运输的出发点当作运输的起点和终点，这样得到起点、A、B、C、D、E、终点这7个运输点。
步骤2：构建影响因素矩阵，获取是否配送信息(表1)，剔除不需要配送的运输点，对需要配送的运输点通过开放地图服务API接口的方式，获取每个运输点的经纬度，再用地图服务API接口获取每两个运输点之间的实时路况信息，得到距离、路况整体评价、道路名称、路段拥堵评价、平均速度、拥堵距离、较10分钟前拥堵趋势等路况信息得到表1；路况整体评价分为未知路况、畅通、缓行、拥堵、严重拥堵这5种类型；较10分钟前拥堵趋势分为持平、缓解、加重这3种类型。绘制得到表2的影响因素矩阵，表2中选取一部分路段来说明该方法的实施过程，用来说明该方法的具体实施过程，在实际应用过程中会有更多的路段选择方案。
表1客户配送信息表
运输点 是否配送 是否延迟配送
A 是 否
B 是 否
C 是 否
D 是 否
E 否 是
表2路况信息表
Figure BDA0002310418040000031
Figure BDA0002310418040000041
根据客户是否配送、是否延迟配送等情况(表1)，结合表2更新影响运输因素矩阵，在该表格中添加是否配送标识得到表3。
表3路况信息和客户信息结合后结果
Figure BDA0002310418040000042
步骤3：根据步骤2中所得影响因素矩阵，将路段拥堵评价按畅通→1、缓行→2、拥堵→3、未知路况→4、严重拥堵→5的方式转换；持平、缓解、加重的较10分钟前拥堵趋势按持平→1、缓解→2、加重→3的方式转换；是否延迟中按是→1，否→0的方式转换，最终得到表4所示矩阵。
表4路况信息和客户信息转换后结果
Figure BDA0002310418040000043
由于这些影响因素的度量单位都不一样，这样会影响到数据分析的结果，为了消除各因素之前的量纲影响，需要进行数据标准化处理，而归一化正好可以解决这一问题，选用min-max标准化(离差标准化)的方式对原始数据进行线性变换，使得结果值映射到[0，1]之间，转换函数如下：
Figure BDA0002310418040000051
其中max为数据中的最大值，min为数据中的最小值，x为计算的当前值；将距离、路段拥堵评价、平均速度、拥堵距离、较10min前拥堵趋势这5列进行归一化处理得到表5所示结果：
表5归一化处理后结果
Figure BDA0002310418040000052
在处理完数据后，使用熵权法计算各因素在运输路线上的权重；首先根据信息论中的信息熵的定义公式计算信息熵，公式如下：
Figure BDA0002310418040000053
其中，Ej为信息熵，
Figure BDA0002310418040000054
pij为i路段中j因素归一化后的值在所有路段中j因素归一化后的值总和中的占比；n为路段数；通过信息熵公式即可求得改属性的信息熵；然后通过信息熵计算各指标的权重，计算公式如下：
Figure BDA0002310418040000055
其中，Wj为j因素计算后的权重值，k为影响因素数，j＝1，2，……k。计算得到的结果如表6所示：
表6运输影响因素的权重值
Figure BDA0002310418040000056
步骤4：使用步骤3中转换前的原始值与步骤3中计算得到的权重相乘，得到各影响因素的影响值，再汇总得到某路段总权重，如表7所示：
表7线路权重计算结果
Figure BDA0002310418040000057
Figure BDA0002310418040000061
步骤5：最终的表格数据中，然后按照步骤4中得到的汇总值按从小到大的顺序排列；这里将延迟配送路线的权重默认增加999999，这样使得延迟配送线路的权重值增大，这样在排序的过程中，延迟配送的就会被安排到后面。然后将每个运输点，按照路线箭头指向收尾连接各运输点，并配上权重可以得到如图所示的关系图谱(图2)。
步骤7：从起点开始遍历构建如图所示的线路树(图3)；然后通过程序遍历计算每条线路的权重总和，这样就能得到每条线路的总权重；由于权重值表示的是运输所有影响因素的总和，且数值越大说明影响越大则运输成本越大；这样通过累加得到所有路线的权重总和即可知道所有运输路线的运输成本，及总权重越小运输成本越小，所有最小总权重值得线路为最优的运输路线。

Claims (9)

1.一种基于加权图的多地点物流配送路线推荐方法，其特征在于，具体包括以下步骤：
(1)获取所有运输点，包括起点、终点和物流配送地；
(2)构建影响因素矩阵，获取是否配送信息，剔除不需要配送的运输点，对需要配送的运输点通过开放地图服务API接口的方式获取每个运输点的经纬度和每两个运输点之间的实时路况信息，并获得是否延迟配送信息，综合所有影响因素信息构建影响因素矩阵；
(3)根据步骤(2)中所得影响因素矩阵，对影响因素原始值进行预处理，然后归一化处理；利用归一化后的数据计算所述影响因素权重；
(4)使用步骤(3)中转换前的运输影响因素原始值与步骤(3)中计算得到的影响因素权重相乘，得到各影响因素在所在路段上的权重，再汇总得到一个路段总权重的汇总值；
(6)将步骤(5)中得到的汇总值按从小到大的顺序排列；然后将每个运输点，按照路线箭头指向收尾连接各运输点，并配上权重得到关系图谱；
(7)从起点开始遍历构建线路树；计算每条线路的权重总和，得到每条线路的总权重，选出最优运输路线。
2.根据权利要求1所述的基于加权图的多地点物流配送路线推荐方法，其特征在于，归一化采用min-max标准化的方式对原始数据进行处理，使结果值映射到[0，1]之间，转换函数如式(1)所示：
Figure FDA0002310418030000011
其中，max为数据中的最大值，min为数据中的最小值，x为计算的当前值。
3.根据权利要求1所述的基于加权图的多地点物流配送路线推荐方法，其特征在于，使用熵权法计算影响因素在运输路线上的权重，包括以下步骤：
(a)根据信息论中的信息熵的定义公式计算信息熵，定义公式如式(2)所示：
Figure FDA0002310418030000012
其中，Ej为信息熵，
Figure FDA0002310418030000013
pij为i路段中j因素归一化后的值在所有路段中j因素归一化后的值总和中的占比；n为路段数；
(2)通过信息熵计算各指标的权重，计算公式如下：
Figure FDA0002310418030000014
其中，Wj为j因素计算后的权重值，k为影响因素数量，j＝1，2，……k。
4.根据权利要求1所述的基于加权图的多地点物流配送路线推荐方法，其特征在于，将延迟配送路线的权重默认无限大。
5.根据权利要求1所述的基于加权图的多地点物流配送路线推荐方法，其特征在于，路况信息包括两个运输点之间的距离、路况整体评价、路段拥堵评价、平均速度、拥堵距离、较10分钟前拥堵趋势。
6.根据权利要求5所述的基于加权图的多地点物流配送路线推荐方法，其特征在于，路况整体评价分为未知路况、畅通、缓行、拥堵、严重拥堵；所述较10分钟前拥堵趋势分为持平、缓解、加重。
7.根据权利要求5所述的基于加权图的多地点物流配送路线推荐方法，其特征在于，对数据归一化处理之前，将路段拥堵评价按畅通→1、缓行→2、拥堵→3、未知路况→4、严重拥堵→5的方式转换。
8.根据权利要求5所述的基于加权图的多地点物流配送路线推荐方法，其特征在于，对数据归一化处理之前，将路段较10分钟前拥堵趋势按持平→1、缓解→2、加重→3。
9.根据权利要求5所述的基于加权图的多地点物流配送路线推荐方法，其特征在于，对数据归一化处理之前，是否延迟配送中按是→1、否→0的方式转换。
CN201911262856.5A 2019-12-10 2019-12-10 一种基于加权图的多地点物流配送路线推荐方法 Withdrawn CN111062530A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911262856.5A CN111062530A (zh) 2019-12-10 2019-12-10 一种基于加权图的多地点物流配送路线推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911262856.5A CN111062530A (zh) 2019-12-10 2019-12-10 一种基于加权图的多地点物流配送路线推荐方法

Publications (1)

Publication Number Publication Date
CN111062530A true CN111062530A (zh) 2020-04-24

Family

ID=70300451

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911262856.5A Withdrawn CN111062530A (zh) 2019-12-10 2019-12-10 一种基于加权图的多地点物流配送路线推荐方法

Country Status (1)

Country Link
CN (1) CN111062530A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034088A (zh) * 2021-04-22 2021-06-25 湖北普罗劳格科技股份有限公司 仓库物流任务调度方法、装置、电子设备及存储介质
CN113869591A (zh) * 2021-09-30 2021-12-31 浙江创邻科技有限公司 一种基于图技术的物流管理系统及方法
CN114037114A (zh) * 2021-09-27 2022-02-11 中冶南方工程技术有限公司 一种基于物料输送路径寻优的方法、装置及电子设备
CN118154069A (zh) * 2024-05-10 2024-06-07 临沂慧商物流信息技术有限公司 一种物流运输线路智能规划方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034088A (zh) * 2021-04-22 2021-06-25 湖北普罗劳格科技股份有限公司 仓库物流任务调度方法、装置、电子设备及存储介质
CN114037114A (zh) * 2021-09-27 2022-02-11 中冶南方工程技术有限公司 一种基于物料输送路径寻优的方法、装置及电子设备
CN113869591A (zh) * 2021-09-30 2021-12-31 浙江创邻科技有限公司 一种基于图技术的物流管理系统及方法
CN118154069A (zh) * 2024-05-10 2024-06-07 临沂慧商物流信息技术有限公司 一种物流运输线路智能规划方法及系统

Similar Documents

Publication Publication Date Title
CN111062530A (zh) 一种基于加权图的多地点物流配送路线推荐方法
Flowerdew et al. Areal interpolation and types of data
CN107798619A (zh) 查勘任务分配方法、系统、服务器和介质
CN112579718B (zh) 一种城市用地功能的识别方法、装置及终端设备
CN111582559A (zh) 一种到达时间的预估方法及装置
CN113128744A (zh) 配送规划方法和装置
CN111353094A (zh) 一种信息推送方法及装置
CN110222183A (zh) 一种供电客户满意度评价模型的构建方法
CN116029637A (zh) 跨境电商物流渠道智能推荐方法及装置、设备、存储介质
CN109064076A (zh) 一种基于前景理论的多模式公共运输方式选择方法
CN109117989B (zh) 一种任务匹配时的预测方法及装置
CN113537596A (zh) 一种城市轨道交通新线站点短时客流预测方法
Rakhmawati et al. Optimal path with interval value of intuitionistic fuzzy number in multigraph
CN111353797A (zh) 资源分配方法、装置以及电子设备
WO2018009441A1 (en) Systems, methods, and apparatuses for selecting delivery service facility location
CN111833595B (zh) 共享汽车辅助车辆配置方法、电子设备及存储介质
CN114565031A (zh) 基于经纬度的车队识别方法、装置及计算机设备
Mattson et al. Marginal cost pricing and subsidy of small urban transit
CN114419894A (zh) 一种路内停车泊位设置与使用监测的方法与系统
CN114090554A (zh) 一种居民出行od的职住平衡区域划分方法
CN113837677A (zh) 物流线路生成策略的确定方法、装置以及设备
CN110210797B (zh) 生产覆盖区域确定方法和装置以及计算机可读存储介质
CN111582794B (zh) 一种物流节点的选址方法及装置
KR102483902B1 (ko) 상권분석 서비스 구축시 필요 제공 정보시스템
CN114360244B (zh) 基于智能交通系统的多任务协同群智感知方法

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20200424

WW01 Invention patent application withdrawn after publication