CN111080171A - 一种基于物流调配算法的物流调配方法 - Google Patents
一种基于物流调配算法的物流调配方法 Download PDFInfo
- Publication number
- CN111080171A CN111080171A CN201911403662.2A CN201911403662A CN111080171A CN 111080171 A CN111080171 A CN 111080171A CN 201911403662 A CN201911403662 A CN 201911403662A CN 111080171 A CN111080171 A CN 111080171A
- Authority
- CN
- China
- Prior art keywords
- logistics
- resource
- point
- distribution
- area
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000013468 resource allocation Methods 0.000 claims abstract description 27
- 230000005855 radiation Effects 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000012800 visualization Methods 0.000 claims description 2
- 238000011835 investigation Methods 0.000 abstract 1
- 230000006872 improvement Effects 0.000 description 6
- 230000006855 networking Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
- G06Q10/06—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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/04—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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (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
本发明公开一种基于物流调配算法的物流调配方法，包括以下步骤：采集数据、构建三维GIS物流信息宏观模型、绑定坐标数据集、设定中心资源分配点、模拟运输车辆、制定主要方案、备用路径方案和实际应用；本发明通过建立三维GIS物流信息宏观模型，在模型中模拟物流调配，里面的参数采用实际考察采集的参数，模拟出的方案更契合实际也更有效，且在既定区域中，设定可以增加货物量的中心资源分配点，确定各个资源分配点到各个区域配送中心的最短路径，然后通过每个资源分配点的派送货物的总耗费时间，调整各个资源分配点所分配的货物量，多次对比，选择最均衡的量，充分考虑了资源分配点的货物量以及最优路径，保证二者的平衡，物流效率更高。
Description
技术领域
本发明涉及物流调配设计领域，尤其涉及一种基于物流调配算法的物流调配方法。
背景技术
随着网络购物和电子商务的不断兴起，物流的需求也越来越大，在一些货物资源的运输中，遇到旺季，经常出现爆仓，或者配送过慢的情况；
在当前物流行业中，对物流运送能力的制约包括路径，也就是对交通运输资源的有效利用上，还有就是参与配送的供货点数量以及所需配送的资源量上，既不让参与配送的点的数量过多，也不至于在时间上也就是路径的长度上过长，尽量保证二者的平衡，是现有技术中急需解决的问题，因此，本发明提出一种基于物流调配算法的物流调配方法以解决现有技术中存在的问题。
发明内容
针对上述问题，本发明提出一种基于物流调配算法的物流调配方法，该方法通过建立三维GIS物流信息宏观模型，在模型中模拟物流调配，充分考虑了资源分配点的货物量以及最优路径，保证二者的平衡，物流效率更高。
为了解决上述问题，本发明提出一种基于物流调配算法的物流调配方法，包括以下步骤：
步骤一：采集数据
利用北斗三号与GPS公用频点等手段获取卫星、航空技术所采集的城市的遥感影像全局时空数据，然后将摄像头，红外扫描感应器和激光雷达安装于多组无人机上，利用多组无人机在城市上空进行扫描，采集GIS数据，包括中转分拨站、区域配送中心及城市物流仓库，再在城市中投入多组安装有摄像头和激光扫描仪的无人驾驶车，利用无人驾驶车在城市道路行进来测量路径，拍摄路况，最后将所有数据详细汇总；
步骤二：构建三维GIS物流信息宏观模型
将步骤一中采集的数据输入至物联网云端，对数据进行分析、分类、去重并加密保存，还原立体图像并通过3Dmax软件将模型进行拉伸立体化，构建城市物流路径模型，再输出相应GIS空间模型，并通过ArcMAP软件对GIS空间模型的各参数信息进行矢量化，再将矢量化后的各个路径图层加载到城市物流路径模型中，将数据3D可视化，并通过符号化来增强显视效果，得到道路、中转分拨站、区域配送中心及城市物流仓库对应的坐标三维模型，最后对总体模型进行切割，从而对内部各要素实现单体化，构建完整的三维GIS物流信息宏观模型；
步骤三：绑定坐标数据集
在步骤二中的三维GIS物流信息宏观模型中，首先分析城市物流仓库到各个中转分拨站的路径数量，然后在分析各个中转分拨站到各个区域配送中心的路径数量，并在模型中，将相互连通的城市物流仓库和中转分拨站、中转分拨站和区域配送中心之间的坐标数据集相绑定；
步骤四：设定中心资源分配点
设中转分拨站为资源分配点，以既定区域为例，取得既定区域内作为可以提供资源的资源分配点，然后计算资源分配点的数量，以及在既定区域内到达各个区域配送中心的直线距离评估时间；对于所有资源分配点，按照可以到达各个区域配送中心直线距离评估时间的长短进行排序；从时间最少的点到时间多的点开始向上依次累加资源数，直至资源数的和达到所需要的资源数结束，并标记参与累加的资源分配点，得到在既定区域内，对多个区域配送中心辐射范围最广且用时最少的资源分配点，设定该资源分配点为物流量倾斜对象的中心资源分配点；
步骤五：模拟运输车辆
在三维GIS物流信息宏观模型中模拟运输车辆，并设定其运输速度，根据步骤三中所得，提取步骤四中该既定区域内各资源分配点到各个区域配送中心之间的路径数量，然后将运输车辆运用到路径中进行运货，得出模拟所用时间，将该时间与步骤四中的评估时间相印证，进一步确定中心资源分配点，并同时确定各个资源分配点到各个区域配送中心的最短路径；
步骤六：制定主要方案
设定既定区域需要物流的货物总量为N，设定给各个资源分配点分配的货物为N1、N2、N3.....,根据步骤四所得，对步骤四得出的中心资源分配点进行资源倾斜，该资源分配点得到的货物量增加为N+，设定运输车辆一次运输量为E，E为各个区域配送中心所需要的货物量，各个资源分配点到各个区域配送中心的运输所耗时长最短为T1、T2、T3.....，并同时记录各个资源分配点所辐射的各个区域配送中心的数量，那么各资源分配点将货物运输到辐射区域的多个区域配送中心的时间就为：N1/E×T1+N1/E×T2+N1/E×T3......、N2/E×T1+N2/E×T2+N2/E×T3......,以此类推，而中心资源分配点将货物运输到辐射区域的多个区域配送中心的时间就为N+/E×T1+N+/E×T2+N+/E×T3......，得出既定区域内每个资源分配点的派送货物的总耗费时间，然后调整各个资源分配点所分配的货物N1、N2、N3......的值，多次对比，选择货物总量N给各个资源分配点分配的货物N1、N2、N3....为最均衡的量，将路径选择和资源分配选择留作主要方案；
步骤七：备用路径方案
将步骤一中所采集的路径路况输入至三维GIS物流信息宏观模型中，分析各个资源分配点到各个区域配送中心的运输所耗时长最短路径的路况情况，并综合评估，增加路况堵塞时所耗时长范围，然后再次分析其他路径的路况情况，得出耗时最短路径堵塞时可替代的路径方案，将该方案留作备用；
步骤八：实际应用
按照步骤六中的主要方案实际应用，记录实际中资源分配情况及实际路径耗时情况，验证主要方案的实际可行性，并调整资源分配量及备用路径，得出最优方案，将既定区域的最优方案逐步扩大应用范围，以城市单位为目标试点进行实际应用。
进一步改进在于：所述步骤一中，所收集数据的格式、处理方式和表达形式各不相同，呈现多维、耦合和非线性等特性，数据汇总时，剔除其中的音频数据和时间属性。
进一步改进在于：所述步骤二中，采用ContextCapture对将步骤一中采集的GIS数据进行处理并基于影像自动化进行三维模型构建，辅以空间坐标参数信息，从而输出相应GIS空间模型。
进一步改进在于：所述步骤五中，设定多个模拟运输车辆为相同类型，并设定其运输速度符合城市道路最高时速。
进一步改进在于：所述步骤六中，在记录各个资源分配点所辐射的各个区域配送中心的数量时，如果出现各个资源分配点所辐射区域配送中心重复的情况，那么取该区域配送中心所相距路径最短的资源分配点为主，将该区域配送中心算作且唯一算作其辐射数量。
进一步改进在于：所述步骤六中，如果中心资源分配点存在总耗费时间最长的情况，进行增加运输车辆的方案。
进一步改进在于：所述步骤八中，以城市单位为目标试点进行实际应用后，将三维GIS物流信息宏观模型输入到物联网服务器，以最优路径，资源分配点的坐标数据集为条件查询物流调配情况。
本发明的有益效果为：本发明通过建立三维GIS物流信息宏观模型，在模型中模拟物流调配，里面的参数采用实际考察采集的参数，模拟出的方案更契合实际也更有效，且在既定区域中，通过对多个区域配送中心辐射范围最广且用时最少的资源分配点的分析，设定可以增加货物量的中心资源分配点，通过模拟运输车辆，确定各个资源分配点到各个区域配送中心的最短路径，然后通过每个资源分配点的派送货物的总耗费时间，调整各个资源分配点所分配的货物量，多次对比，选择最均衡的量，并将路径选择和资源分配选择留作主要方案，该方案充分考虑了资源分配点的货物量以及最优路径，保证二者的平衡，物流效率更高，同时，根据路况情况选择可替代的路径方案留作备用，以备不时之需，保证物流的正常运输及效率，最后，将三维GIS物流信息宏观模型输入到物联网服务器，以最优路径，资源分配点的坐标数据集为条件查询物流调配情况，更加便利。
附图说明
图1为本发明的流程图。
具体实施方式
为了使发明实现的技术手段、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
如图1所示，本实施例提供了一种基于物流调配算法的物流调配方法，具体步骤如下：
步骤一：采集数据
利用北斗三号与GPS公用频点等手段获取卫星、航空技术所采集的城市的遥感影像全局时空数据，然后将摄像头，红外扫描感应器和激光雷达安装于多组无人机上，利用多组无人机在城市上空进行扫描，采集GIS数据，包括中转分拨站、区域配送中心及城市物流仓库，再在城市中投入多组安装有摄像头和激光扫描仪的无人驾驶车，利用无人驾驶车在城市道路行进来测量路径，拍摄路况，最后将所有数据详细汇总，所收集数据的格式、处理方式和表达形式各不相同，呈现多维、耦合和非线性等特性，数据汇总时，剔除其中的音频数据和时间属性；
步骤二：构建三维GIS物流信息宏观模型
将步骤一中采集的数据输入至物联网云端，对数据进行分析、分类、去重并加密保存，还原立体图像并通过3Dmax软件将模型进行拉伸立体化，构建城市物流路径模型，再采用ContextCapture对将步骤一中采集的GIS数据进行处理并基于影像自动化进行三维模型构建，辅以空间坐标参数信息，从而输出相应GIS空间模型，并通过ArcMAP软件对GIS空间模型的各参数信息进行矢量化，再将矢量化后的各个路径图层加载到城市物流路径模型中，将数据3D可视化，并通过符号化来增强显视效果，得到道路、中转分拨站、区域配送中心及城市物流仓库对应的坐标三维模型，最后对总体模型进行切割，从而对内部各要素实现单体化，构建完整的三维GIS物流信息宏观模型；
步骤三：绑定坐标数据集
在步骤二中的三维GIS物流信息宏观模型中，首先分析城市物流仓库到各个中转分拨站的路径数量，然后在分析各个中转分拨站到各个区域配送中心的路径数量，并在模型中，将相互连通的城市物流仓库和中转分拨站、中转分拨站和区域配送中心之间的坐标数据集相绑定；
步骤四：设定中心资源分配点
设中转分拨站为资源分配点，以既定区域为例，取得既定区域内作为可以提供资源的资源分配点，然后计算资源分配点的数量，以及在既定区域内到达各个区域配送中心的直线距离评估时间；对于所有资源分配点，按照可以到达各个区域配送中心直线距离评估时间的长短进行排序；从时间最少的点到时间多的点开始向上依次累加资源数，直至资源数的和达到所需要的资源数结束，并标记参与累加的资源分配点，得到在既定区域内，对多个区域配送中心辐射范围最广且用时最少的资源分配点，设定该资源分配点为物流量倾斜对象的中心资源分配点；
步骤五：模拟运输车辆
在三维GIS物流信息宏观模型中模拟运输车辆，设定多个模拟运输车辆为相同类型，并设定其运输速度符合城市道路最高时速，根据步骤三中所得，提取步骤四中该既定区域内各资源分配点到各个区域配送中心之间的路径数量，然后将运输车辆运用到路径中进行运货，得出模拟所用时间，将该时间与步骤四中的评估时间相印证，进一步确定中心资源分配点，并同时确定各个资源分配点到各个区域配送中心的最短路径；
步骤六：制定主要方案
设定既定区域需要物流的货物总量为N，设定给各个资源分配点分配的货物为N1、N2、N3.....,根据步骤四所得，对步骤四得出的中心资源分配点进行资源倾斜，该资源分配点得到的货物量增加为N+，设定运输车辆一次运输量为E，E为各个区域配送中心所需要的货物量，各个资源分配点到各个区域配送中心的运输所耗时长最短为T1、T2、T3.....，并同时记录各个资源分配点所辐射的各个区域配送中心的数量，如果出现各个资源分配点所辐射区域配送中心重复的情况，那么取该区域配送中心所相距路径最短的资源分配点为主，将该区域配送中心算作且唯一算作其辐射数量，那么各资源分配点将货物运输到辐射区域的多个区域配送中心的时间就为：N1/E×T1+N1/E×T2+N1/E×T3......、N2/E×T1+N2/E×T2+N2/E×T3......,以此类推，而中心资源分配点将货物运输到辐射区域的多个区域配送中心的时间就为N+/E×T1+N+/E×T2+N+/E×T3......，得出既定区域内每个资源分配点的派送货物的总耗费时间，然后调整各个资源分配点所分配的货物N1、N2、N3......的值，多次对比，选择货物总量N给各个资源分配点分配的货物N1、N2、N3....为最均衡的量，将路径选择和资源分配选择留作主要方案，如果中心资源分配点存在总耗费时间最长的情况，进行增加运输车辆的方案；
步骤七：备用路径方案
将步骤一中所采集的路径路况输入至三维GIS物流信息宏观模型中，分析各个资源分配点到各个区域配送中心的运输所耗时长最短路径的路况情况，并综合评估，增加路况堵塞时所耗时长范围，然后再次分析其他路径的路况情况，得出耗时最短路径堵塞时可替代的路径方案，将该方案留作备用；
步骤八：实际应用
按照步骤六中的主要方案实际应用，记录实际中资源分配情况及实际路径耗时情况，验证主要方案的实际可行性，并调整资源分配量及备用路径，得出最优方案，将既定区域的最优方案逐步扩大应用范围，以城市单位为目标试点进行实际应用，同时将三维GIS物流信息宏观模型输入到物联网服务器，以最优路径，资源分配点的坐标数据集为条件查询物流调配情况。
本发明通过建立三维GIS物流信息宏观模型，在模型中模拟物流调配，里面的参数采用实际考察采集的参数，模拟出的方案更契合实际也更有效，且在既定区域中，通过对多个区域配送中心辐射范围最广且用时最少的资源分配点的分析，设定可以增加货物量的中心资源分配点，通过模拟运输车辆，确定各个资源分配点到各个区域配送中心的最短路径，然后通过每个资源分配点的派送货物的总耗费时间，调整各个资源分配点所分配的货物量，多次对比，选择最均衡的量，并将路径选择和资源分配选择留作主要方案，该方案充分考虑了资源分配点的货物量以及最优路径，保证二者的平衡，物流效率更高，同时，根据路况情况选择可替代的路径方案留作备用，以备不时之需，保证物流的正常运输及效率，最后，将三维GIS物流信息宏观模型输入到物联网服务器，以最优路径，资源分配点的坐标数据集为条件查询物流调配情况，更加便利。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种基于物流调配算法的物流调配方法，其特征在于：包括以下步骤：
步骤一：采集数据
利用北斗三号与GPS公用频点等手段获取卫星、航空技术所采集的城市的遥感影像全局时空数据，然后将摄像头，红外扫描感应器和激光雷达安装于多组无人机上，利用多组无人机在城市上空进行扫描，采集GIS数据，包括中转分拨站、区域配送中心及城市物流仓库，再在城市中投入多组安装有摄像头和激光扫描仪的无人驾驶车，利用无人驾驶车在城市道路行进来测量路径，拍摄路况，最后将所有数据详细汇总；
步骤二：构建三维GIS物流信息宏观模型
将步骤一中采集的数据输入至物联网云端，对数据进行分析、分类、去重并加密保存，还原立体图像并通过3Dmax软件将模型进行拉伸立体化，构建城市物流路径模型，再输出相应GIS空间模型，并通过ArcMAP软件对GIS空间模型的各参数信息进行矢量化，再将矢量化后的各个路径图层加载到城市物流路径模型中，将数据3D可视化，并通过符号化来增强显视效果，得到道路、中转分拨站、区域配送中心及城市物流仓库对应的坐标三维模型，最后对总体模型进行切割，从而对内部各要素实现单体化，构建完整的三维GIS物流信息宏观模型；
步骤三：绑定坐标数据集
在步骤二中的三维GIS物流信息宏观模型中，首先分析城市物流仓库到各个中转分拨站的路径数量，然后在分析各个中转分拨站到各个区域配送中心的路径数量，并在模型中，将相互连通的城市物流仓库和中转分拨站、中转分拨站和区域配送中心之间的坐标数据集相绑定；
步骤四：设定中心资源分配点
设中转分拨站为资源分配点，以既定区域为例，取得既定区域内作为可以提供资源的资源分配点，然后计算资源分配点的数量，以及在既定区域内到达各个区域配送中心的直线距离评估时间；对于所有资源分配点，按照可以到达各个区域配送中心直线距离评估时间的长短进行排序；从时间最少的点到时间多的点开始向上依次累加资源数，直至资源数的和达到所需要的资源数结束，并标记参与累加的资源分配点，得到在既定区域内，对多个区域配送中心辐射范围最广且用时最少的资源分配点，设定该资源分配点为物流量倾斜对象的中心资源分配点；
步骤五：模拟运输车辆
在三维GIS物流信息宏观模型中模拟运输车辆，并设定其运输速度，根据步骤三中所得，提取步骤四中该既定区域内各资源分配点到各个区域配送中心之间的路径数量，然后将运输车辆运用到路径中进行运货，得出模拟所用时间，将该时间与步骤四中的评估时间相印证，进一步确定中心资源分配点，并同时确定各个资源分配点到各个区域配送中心的最短路径；
步骤六：制定主要方案
设定既定区域需要物流的货物总量为N，设定给各个资源分配点分配的货物为N1、N2、N3.....,根据步骤四所得，对步骤四得出的中心资源分配点进行资源倾斜，该资源分配点得到的货物量增加为N+，设定运输车辆一次运输量为E，E为各个区域配送中心所需要的货物量，各个资源分配点到各个区域配送中心的运输所耗时长最短为T1、T2、T3.....，并同时记录各个资源分配点所辐射的各个区域配送中心的数量，那么各资源分配点将货物运输到辐射区域的多个区域配送中心的时间就为：N1/E×T1+N1/E×T2+N1/E×T3......、N2/E×T1+N2/E×T2+N2/E×T3......,以此类推，而中心资源分配点将货物运输到辐射区域的多个区域配送中心的时间就为N+/E×T1+N+/E×T2+N+/E×T3......，得出既定区域内每个资源分配点的派送货物的总耗费时间，然后调整各个资源分配点所分配的货物N1、N2、N3......的值，多次对比，选择货物总量N给各个资源分配点分配的货物N1、N2、N3....为最均衡的量，将路径选择和资源分配选择留作主要方案；
步骤七：备用路径方案
将步骤一中所采集的路径路况输入至三维GIS物流信息宏观模型中，分析各个资源分配点到各个区域配送中心的运输所耗时长最短路径的路况情况，并综合评估，增加路况堵塞时所耗时长范围，然后再次分析其他路径的路况情况，得出耗时最短路径堵塞时可替代的路径方案，将该方案留作备用；
步骤八：实际应用
按照步骤六中的主要方案实际应用，记录实际中资源分配情况及实际路径耗时情况，验证主要方案的实际可行性，并调整资源分配量及备用路径，得出最优方案，将既定区域的最优方案逐步扩大应用范围，以城市单位为目标试点进行实际应用。
2.根据权利要求1所述的一种基于物流调配算法的物流调配方法，其特征在于：所述步骤一中，所收集数据的格式、处理方式和表达形式各不相同，呈现多维、耦合和非线性等特性，数据汇总时，剔除其中的音频数据和时间属性。
3.根据权利要求1所述的一种基于物流调配算法的物流调配方法，其特征在于：所述步骤二中，采用ContextCapture对将步骤一中采集的GIS数据进行处理并基于影像自动化进行三维模型构建，辅以空间坐标参数信息，从而输出相应GIS空间模型。
4.根据权利要求1所述的一种基于物流调配算法的物流调配方法，其特征在于：所述步骤五中，设定多个模拟运输车辆为相同类型，并设定其运输速度符合城市道路最高时速。
5.根据权利要求1所述的一种基于物流调配算法的物流调配方法，其特征在于：所述步骤六中，在记录各个资源分配点所辐射的各个区域配送中心的数量时，如果出现各个资源分配点所辐射区域配送中心重复的情况，那么取该区域配送中心所相距路径最短的资源分配点为主，将该区域配送中心算作且唯一算作其辐射数量。
6.根据权利要求1所述的一种基于物流调配算法的物流调配方法，其特征在于：所述步骤六中，如果中心资源分配点存在总耗费时间最长的情况，进行增加运输车辆的方案。
7.根据权利要求1所述的一种基于物流调配算法的物流调配方法，其特征在于：所述步骤八中，以城市单位为目标试点进行实际应用后，将三维GIS物流信息宏观模型输入到物联网服务器，以最优路径，资源分配点的坐标数据集为条件查询物流调配情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911403662.2A CN111080171A (zh) | 2019-12-30 | 2019-12-30 | 一种基于物流调配算法的物流调配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911403662.2A CN111080171A (zh) | 2019-12-30 | 2019-12-30 | 一种基于物流调配算法的物流调配方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111080171A true CN111080171A (zh) | 2020-04-28 |
Family
ID=70320302
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911403662.2A Pending CN111080171A (zh) | 2019-12-30 | 2019-12-30 | 一种基于物流调配算法的物流调配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111080171A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112016871A (zh) * | 2020-08-28 | 2020-12-01 | 杭州拼便宜网络科技有限公司 | 一种订单派送方法、装置、设备及存储介质 |
| CN113554391A (zh) * | 2021-07-27 | 2021-10-26 | 杭州拼便宜网络科技有限公司 | 基于可视化模型的电商物流规划方法、装置和存储介质 |
| CN113743774A (zh) * | 2021-09-02 | 2021-12-03 | 苏州达家迎信息技术有限公司 | 业务资源平衡分配方法、装置、存储介质及电子设备 |
| CN114170823A (zh) * | 2020-09-11 | 2022-03-11 | 丰田自动车株式会社 | 车辆调配系统、车辆调配服务器及车辆调配方法 |
| CN115860636A (zh) * | 2022-12-12 | 2023-03-28 | 武汉耀源供应链管理有限公司 | 一种车辆共享控制方法与装置 |
| CN115860645A (zh) * | 2023-02-23 | 2023-03-28 | 深圳市鸿鹭工业设备有限公司 | 一种基于大数据的物流仓储管理方法及系统 |
| CN117541022A (zh) * | 2024-01-04 | 2024-02-09 | 广州拓威天海国际物流有限公司 | 一种国际运输散货的拣货路径规划方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103954984A (zh) * | 2014-02-27 | 2014-07-30 | 武汉理工大学 | 一种用于粮库的人员及运输车辆定位方法 |
| CN108364105A (zh) * | 2018-02-26 | 2018-08-03 | 镇江宝华物流股份有限公司 | 一种物流配送线路的目标优化方法 |
| CN109410327A (zh) * | 2018-10-09 | 2019-03-01 | 鼎宸建设管理有限公司 | 一种基于bim和gis的三维城市建模方法 |
| US20190244158A1 (en) * | 2018-02-08 | 2019-08-08 | United Thinking Industrial Co., Ltd. | Kind of Internet of Things Packaging Management System and Method |
-
2019
- 2019-12-30 CN CN201911403662.2A patent/CN111080171A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103954984A (zh) * | 2014-02-27 | 2014-07-30 | 武汉理工大学 | 一种用于粮库的人员及运输车辆定位方法 |
| US20190244158A1 (en) * | 2018-02-08 | 2019-08-08 | United Thinking Industrial Co., Ltd. | Kind of Internet of Things Packaging Management System and Method |
| CN108364105A (zh) * | 2018-02-26 | 2018-08-03 | 镇江宝华物流股份有限公司 | 一种物流配送线路的目标优化方法 |
| CN109410327A (zh) * | 2018-10-09 | 2019-03-01 | 鼎宸建设管理有限公司 | 一种基于bim和gis的三维城市建模方法 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112016871A (zh) * | 2020-08-28 | 2020-12-01 | 杭州拼便宜网络科技有限公司 | 一种订单派送方法、装置、设备及存储介质 |
| CN114170823A (zh) * | 2020-09-11 | 2022-03-11 | 丰田自动车株式会社 | 车辆调配系统、车辆调配服务器及车辆调配方法 |
| CN114170823B (zh) * | 2020-09-11 | 2024-04-05 | 丰田自动车株式会社 | 车辆调配系统、车辆调配服务器及车辆调配方法 |
| CN113554391A (zh) * | 2021-07-27 | 2021-10-26 | 杭州拼便宜网络科技有限公司 | 基于可视化模型的电商物流规划方法、装置和存储介质 |
| CN113554391B (zh) * | 2021-07-27 | 2024-04-19 | 杭州拼便宜网络科技有限公司 | 基于可视化模型的电商物流规划方法、装置和存储介质 |
| CN113743774A (zh) * | 2021-09-02 | 2021-12-03 | 苏州达家迎信息技术有限公司 | 业务资源平衡分配方法、装置、存储介质及电子设备 |
| CN113743774B (zh) * | 2021-09-02 | 2024-01-16 | 苏州达家迎信息技术有限公司 | 业务资源平衡分配方法、装置、存储介质及电子设备 |
| CN115860636A (zh) * | 2022-12-12 | 2023-03-28 | 武汉耀源供应链管理有限公司 | 一种车辆共享控制方法与装置 |
| CN115860636B (zh) * | 2022-12-12 | 2023-09-15 | 武汉耀源供应链管理有限公司 | 一种车辆共享控制方法与装置 |
| CN115860645A (zh) * | 2023-02-23 | 2023-03-28 | 深圳市鸿鹭工业设备有限公司 | 一种基于大数据的物流仓储管理方法及系统 |
| CN117541022A (zh) * | 2024-01-04 | 2024-02-09 | 广州拓威天海国际物流有限公司 | 一种国际运输散货的拣货路径规划方法 |
| CN117541022B (zh) * | 2024-01-04 | 2024-04-16 | 广州拓威天海国际物流有限公司 | 一种国际运输散货的拣货路径规划方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111080171A (zh) | 一种基于物流调配算法的物流调配方法 | |
| CN112686439B (zh) | 一种智能的自动化集装箱码头节能综合调度方法 | |
| CN109074622B (zh) | 确定运输服务路线的系统及方法 | |
| JP6141393B2 (ja) | 目標位置を確定するための方法及び装置 | |
| Mancini et al. | Bundle generation for last-mile delivery with occasional drivers | |
| Aljohani et al. | A multi-criteria spatial evaluation framework to optimise the siting of freight consolidation facilities in inner-city areas | |
| Kin et al. | Tackling fragmented last mile deliveries to nanostores by utilizing spare transportation capacity—A simulation study | |
| CN113033866B (zh) | 一种紧急订单配送调度优化方法 | |
| US9489563B2 (en) | Method and arrangement for identifying a difference between a first 3D model of an environment and a second 3D model of the environment | |
| CN113240370B (zh) | 拣货方法、装置、电子设备、计算机可读介质 | |
| CN113705901A (zh) | 物流配送路径选择方法、装置、设备及存储介质 | |
| CN104123305A (zh) | 地理数据处理方法及其系统 | |
| CN113763700A (zh) | 信息处理方法、装置、计算机设备及存储介质 | |
| CN114548811A (zh) | 一种机场可达性的检测方法、装置、电子设备及存储介质 | |
| CN114637305B (zh) | 一种无人机最短路径规划方法及装置 | |
| US20200349594A1 (en) | Customer flow line and customer flow hot zone determining method and apparatus | |
| CN115099460A (zh) | 一种城市物流即时配送商家的区域划分方法 | |
| CN112001646B (zh) | 一种物料调度方法、装置、存储介质及电子设备 | |
| JP2005043974A (ja) | 輸送スケジュール作成方法及びシステム | |
| Kahalimoghadam et al. | Determining the number and location of micro-consolidation centres as a solution to growing e-commerce demand | |
| Mazhi et al. | Site selection of retail shop based on spatial analysis and machine learning | |
| CN111222904B (zh) | 广告投放方法、装置、系统、计算设备和存储介质 | |
| CN116664025A (zh) | 装卸货位置点生成方法、装置及设备 | |
| Lyu et al. | Optimising Urban Freight Logistics Using Discrete-Event Simulation and Cluster Analysis: A Stochastic Two-Tier Hub-and-Spoke Architecture Approach | |
| Murad | Creating a GIS application for retail facilities planning in Jeddah City |
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 |