CN111191951B - 一种无人机载机平台集送货调度方法 - Google Patents

Abstract

本发明公开了一种无人机载机平台集送货调度方法，用以解决采用“载机平台+无人机”的服务模式进行集配货时涉及的调度问题。调度流程如下，其一，根据顾客需求的地理分布确定载机平台的备选停靠点；其二，计算距离矩阵和调度阶段矩阵；其三，根据相关成本因子，构建载机平台调度相关的成本函数；其四，根据距离矩阵和调度阶段矩阵构建载机平台调度相关的约束条件；其五，采用两阶段方法求解构建的载机平台调度模型。经过试用本发明的调度方案满足了93％的送货需求和91％的集货需求，有效解决了城乡一体化集配货场景下的物流不平衡问题。本发明解决了现有的末端配送理论又难以适应无人机送货的调度场景的问题，具有极强的理论价值和现实意义。

Description

一种无人机载机平台集送货调度方法

技术领域

本发明涉及物流配送调度方法，特别涉及一种无人机载机平台集送货调度方法。

背景技术

近年来，物流末端配送领域掀起了“无人机配送”的变革热潮。相较于人力配送，无人机配送不受地面道路状况的影响，可以快捷、经济地完成对农村、山区的配送任务。目前，很多乡村地区物流末端基础设施落后，利用载机平台搭载无人机进行送货，不仅配送高效节省人力，还可以克服交通不便等地理因素的影响。实践方面，国内的京东、顺丰，国外的亚马逊等公司均开始在农村地区实施无人机配送，并发展了“空中仓库+无人机”配送模式，即将仓库建在空中，以大型飞艇、航空货运飞机等大型交通工具作为空中仓库和无人机搭载平台，对末端客户进行配送服务。无人机，载机平台，区域调度中心等节点形成了完善的无人机末端配送系统，管理人员需要综合考虑顾客需求点的地理分布、系统服务能力以及建设成本等因素进行载机平台的调度决策。

现有的物流末端配送主要采用固定设施选址和车辆路径规划的方式。固定设施的服务模式如附图2所示，决策者首先根据顾客需求的地理分布确定设施位置，其后每个固定设施与周边的顾客根据距离远近等规则建立服务关系。普通车辆的服务模式如附图3所示，多辆车从仓库出发，对顾客进行“单对单”的上门服务，即顾客点必须在某条车辆路径上才可以被服务，决策者需要合理设计车辆访问顾客的顺序或路径。相较于前两者，载机平台的服务模式要复杂很多，如附图4所示，决策者首先要根据顾客需求的地理分布确定载机平台的备选停靠点，其后根据顾客需求的变化趋势规划载机平台的调度路径，当载机平台在某备选停靠点静止时，可以像传统的固定设施一样为周边的顾客提供集配货服务。可以发现，与传统的固定仓库相比，载机平台可以灵活调整设施位置动态满足不同区域的配送需求。与普通车辆相比，载机平台区域覆盖能力较强，可以辐射周边，同时满足多个顾客的需求。然而，载机平台的调度问题在建模求解方面也比前两者复杂很多，既要确定载机平台的调度路径和服务关系，又要考虑载机平台容量、无人机续航里程等限制因素。

目前，国内外还没有与无人机载机平台调度直接相关的研究理论，而现有的末端配送理论又难以适应无人机送货的调度场景。因此，提供一种无人机载机平台集送货的调度方法具有极强的理论价值和现实意义。

发明内容

发明目的：为了解决采用“载机平台+无人机”的服务模式进行集配货时，涉及到的载机平台调度问题，本发明提供一种无人机载机平台集送货调度方法。

技术方案：一种无人机载机平台集送货调度方法，流程如附图1，包括如下步骤：

(1)根据顾客需求的地理分布确定载机平台的备选停靠点；

(2)根据备选停靠点与顾客点之间的距离，计算距离矩阵和调度阶段矩阵；

(3)构建载机平台调度相关的成本函数；

(4)构建载机平台调度相关的约束条件；

(5)采用两阶段方法求解构建的载机平台调度模型。

具体的，所述步骤(1)中，采用K-means聚类的方式，对现有的顾客需求点坐标进行聚类，假设顾客点集为I＝{i|i＝1，2，…，|I|}，备选停靠点集为J＝{i|i＝1，2，…，|I|}，算法流程如下：

(1.1)从|I|个顾客点中选择|J|个初始的备选停靠点

(1.2)对于每个顾客点，计算得到距其最近的停靠点，将|I|个顾客点划分成|J|类；

(1.3)采用重心法，分别对每一类顾客点的横纵坐标加权平均，得到新停靠点

(1.4)重复步骤(1.2)和(1.3)，直至备选停靠点的坐标不再变化，稳定为(x_j，y_j)。

进一步的，所述步骤(2)中，计算顾客点与备选停靠点之间的距离d_ij，并根据备选停靠点之间的距离，计算调度阶段矩阵T_jj′，公式如下：

其中，T_jj′表示载机平台从停靠点j移动到j′花费的时段数，

表示所有备选停靠点之间距离的均值。实际操作时，这里可以根据实际时段的数量调整T_jj′的取值。为方便建模，这里将载机平台的调度周期分成|T|个离散等长的时间段，所有时段构成的集合记作T＝{t|t＝1，2，...，|T|}.由于单个时段的时长可以控制地足够短，这里假设载机平台在备选停靠点之间的移动时间是单个时段的整数倍。

进一步的，所述步骤(3)中，载机平台调度相关的成本包括固定成本、无效移动成本、集送货成本和惩罚成本，假设载机平台集合为M＝{m|m＝1，2，...，|M|}，具体如下：

其中，y_m∈{0，1}，表示是否使用载机平台m；x_jmt∈{0，1}，表示载机平台m在阶段t是否静止在点j；

和

分别表示载机平台m在点j满足顾客i的送货量和集货量；

和

分别表示时段t所有未被载机平台满足的送货需求与集货需求。另外，f表示使用载机平台的单位固定成本；a表示载机平台的单位无效移动成本；b₀表示空载时无人机的单位距离成本；b₁表示无人机载货时单位重量带来的单位距离成本增加值、r_u表示未满足送货需求的单位惩罚成本；r_v表示未满足集货需求的单位惩罚成本。

需要注意的是，这里无效移动成本是一种方案筛选机制，用于剔除满足相同数量顾客需求时，载机平台移动较为频繁的方案。如附图5所示，两种调度方案下载机平台均满足了3个单位的需求，但由于引入无效移动成本，前一种方案的总成本会略高于后者。另外，这里假设无人机单位距离的配送成本，与载重Z有关，计算公式为b₀+b₁*Z。

进一步的，所述步骤(4)中，假设

和

分别表示顾客i在阶段t的送货需求和集货需求，c表示载机平台的服务容量，构建载机平台调度相关的约束条件如下：

(4.1)载机平台在移动时不能提供服务：

其中，x_jmt∈{0，1}表示载机平台m在阶段t是否静止在点j，而x_j′mt′∈{0，1}表示同一个载机平台m在阶段t′是否静止在点j′。其中，T_jj′表示载机平台从点j移动到点j′需要的时段数，该约束可直观理解为，若载机平台m从点j移动到点j′，则其移动过程中无法提供服务。

(4.2)顾客i在时段t能被满足的需求量不超过自身的集配货需求：

(4.3)载机平台m提供的服务量不能超过自身的服务能力限制：

(4.4)整个调度期的送货量不能超过调度期开始时的载货量：

(4.5)调度期开始时的载货量为kc，k∈(0，1]，对于每个时段每个载机平台来说，需要满足“载机平台货量-送货量+集货量<＝载机平台容量”：

(4.6)计算时段t未被载机平台满足的集送货需求：

(4.7)决策变量进行限制：

进一步的，所述步骤(5)中，考虑到y_m和x_jmt属于整数变量，模型求解时比较难处理，这里将模型拆解成两部分，将仅含有变量y_m和x_jmt的目标函数成本项和约束条件单独分解出来作为0-1整数规划主问题，其他部分作为线性规划子问题，采用两阶段方法求解。主问题构建如下：

其中OPT[RP(X，Γ)]表示子问题的最优目标值，即当前调度计划下，配送成本和惩罚成本的最小值。两阶段求解方法如附图6所示。

有益效果：与现有技术相比，本发明首次在物流末端配送场景下，基于“载机平台+无人机”的服务模式，提出了一种旨在应对物流不平衡的集送货调度方法。由于载机平台可以灵活调整服务位置和服务时间，搭载的无人机既可以送货也可以集货，相较于固定设施和普通车辆，载机平台能够更好地适应顾客需求分散、需求波动频繁的物流情境。实测发现，本发明在城乡一体化配送中应用，可以很好地解决集配货过程中的物流不平衡问题。

附图说明

图1是本发明无人机载机平台集配货调度的实施流程图；

图2是固定设施(如仓库等)的服务模式示意图；

图3是普通车辆进行末端物流配送的服务模式示意图；

图4是无人机载机平台进行末端物流配送的服务模式示意图；

图5是无效移动成本作为方案筛选机制的示意图；

图6是求解载机平台集配货调度模型的两阶段方法示意图。

图7是本发明实施例求解得到的最终调度方案示意图。

具体实施方式

下文结合说明书附图和实施例对本发明的技术方案作更全面、细致地描述。

本发明以2018年京东物流全球运筹优化挑战赛车辆智能调度的初赛数据集为基础，构造适合无人机载机平台调度场景的实施例。原始数据集包括了若干顾客需求节点及相应的GIS地理坐标。考虑如下城乡一体化集送货场景：若干载机平台搭载固定数量的无人机为乡村地区提供集送货服务，调度期开始时，载机平台搭载的货物均为需要配送的货物；调度期结束后，除了少量未配送的货物外，载机平台搭载的货物多为从顾客点收集的货物。

无人机载机平台集送货调度流程如附图1所示，其一，根据顾客需求的地理分布确定载机平台的备选停靠点；其二，根据备选停靠点与顾客点之间的距离，计算距离矩阵和调度阶段矩阵；其三，根据相关成本因子，构建载机平台调度相关的成本函数；其四，根据距离矩阵和调度阶段矩阵构建载机平台调度相关的约束条件；其五，采用两阶段方法求解构建的载机平台调度模型。下面对各步骤进行详细说明。

步骤1：根据顾客需求的地理分布确定载机平台的备选停靠点。

从京东车辆调度的原始数据集选取30个顾客点，将其坐标缩放到100*100的矩形区域中，得到对应的坐标如下表：

根据发明内容步骤(1)的备选停靠点选取方法，选取5个备选停靠点，坐标分别为：(91，60)、(13，67)、(22，17)、(66，93)、(93，22)。

步骤2：根据备选停靠点与顾客点之间的距离，计算距离矩阵和调度阶段矩阵。

备选停靠点与顾客点之间的距离矩阵d_ij计算如下：

计算备选停靠点之间的距离d_jj′，取距离均值作为调度阶段的分解点，则调度阶段矩阵T_jj′可能的元素取值为0、1、2，调度阶段矩阵计算如下：

步骤3：根据相关成本因子，构建载机平台调度相关的成本函数。

取单个载机平台的固定成本f＝1000；单位无效移动成本a＝0.1；单位距离配送成本与载重Z有关，计算公式为b₀+b₁*Z，其中b₀＝0.1，b₁＝0.001；未满足需求的单位惩罚成本r_u＝10，r_v＝10。根据发明内容步骤(3)中的方法构建目标函数。

步骤4：构建载机平台调度相关的约束条件

取单个载机平台的服务容量c＝300；初始载货比例k＝0.8；根据发明内容步骤(4)中的方法构建目标函数。

步骤5：采用两阶段方法求解构建的载机平台调度模型。

根据发明内容步骤(4)中的方法将模型拆分成0-1整数规划主问题和线性规划子问题，实验的运行环境为Intel(R)Core(TM)i5-5200U CPU@2.20GHz RAM:8G，在Anaconda环境下利用Python 3.6编程语言调用CPLEX 12.8求解器进行求解。得到无人机载机平台调度方案如附图7所示，展示了调度期分为10个时段，3个载机平台在5个备选停靠点之间移动的调度路径示意图。经核算，该调度方案满足了93％的送货需求和91％的集货需求，较为有效地解决了城乡一体化集配货场景下的物流不平衡问题。

各位技术人员须知：虽然本发明已按照上述具体实施方式做了描述，但是本发明的发明思想并不仅限于此发明，任何运用本发明思想的改装，都将纳入本专利专利权保护范围内。

Claims (2)

1.一种无人机载机平台集送货调度方法，其特征在于，包括以下步骤：

步骤(1)根据顾客需求的地理分布确定载机平台的备选停靠点；

步骤(2)根据备选停靠点与顾客点之间的距离，计算距离矩阵和调度阶段矩阵；

步骤(3)构建载机平台调度相关的成本函数；

步骤(4)构建载机平台调度相关的约束条件；

步骤(5)采用两阶段方法求解构建的载机平台调度模型；

步骤(2)中顾客点与备选停靠点之间的距离d_ij和调度阶段矩阵T_jj′的公式如下：

其中，T_jj′表示载机平台从停靠点j移动到j′花费的时段数，

表示所有备选停靠点之间距离的均值；

步骤(3)中所述载机平台调度相关的成本包括固定成本、无效移动成本、集送货成本和惩罚成本，令载机平台集合为M＝{m|m＝1，2，...，|M|}，具体如下：

其中，y_m∈{0，1}，表示是否使用载机平台m；x_jmt∈{0，1}，表示载机平台m在阶段t是否静止在点j；

和

分别表示载机平台m在点j满足顾客i的送货量和集货量；

和

分别表示时段t所有未被载机平台满足的送货需求与集货需求；另外，f表示使用载机平台的单位固定成本；a表示载机平台的单位无效移动成本；d₀表示空载时无人机的单位距离成本；b₁表示无人机载货时单位重量带来的单位距离成本增加值、r_u表示未满足送货需求的单位惩罚成本；r_v表示未满足集货需求的单位惩罚成本；

步骤(4)中，令

和

分别表示顾客i在阶段t的送货需求和集货需求，c表示载机平台的服务容量，构建载机平台调度相关的约束条件如下：

(5.1)载机平台在移动时不能提供服务：

t′∈{t，...，min{t+T_jj′，|T|}}；

其中，，而x_j′mt′∈{0，1}表示同一个载机平台m在阶段t′是否静止在点j′；该约束可直观理解为，若载机平台m从点j移动到点j′，则其移动过程中无法提供服务；

(5.2)顾客i在时段t能被满足的需求量不超过自身的集配货需求：

(5.3)载机平台m提供的服务量不能超过自身的服务能力限制：

(5.4)整个调度期的送货量不能超过调度期开始时的载货量：

(5.5)调度期开始时的载货量为kc，k∈(0，1]，对于每个时段每个载机平台来说，需要满足“载机平台货量-送货量+集货量<＝载机平台容量”：

(5.6)计算时段t未被载机平台满足的集送货需求：

(5.7)决策变量进行限制：

步骤(5)中所述采用两阶段方法求解构建的载机平台调度模型的过程中，将模型拆解成两部分，将仅含有变量y_m和x_jmt的目标函数成本项和约束条件单独分解出来作为0-1整数规划主问题，其他部分作为线性规划子问题，采用两阶段方法求解，主问题构建如下：

t′∈{t，...，min{t+T_jj′，|T|}}

其中OPT[RP(X，Γ)]表示子问题的最优目标值，即当前调度计划下，配送成本和惩罚成本的最小值。

2.根据权利要求1所述的一种无人机载机平台集送货调度方法，其特征在于，步骤(1)具体包括如下步骤：

(2.1)从|I|个顾客点中选择|J|个初始的备选停靠点

(2.2)对于每个顾客点，计算得到距其最近的停靠点，将|I|个顾客点划分成|J|类；

(2.3)采用重心法，分别对每一类顾客点的横纵坐标加权平均，得到新停靠点

(2.4)重复步骤(2.2)和(2.3)，直至备选停靠点的坐标不再变化，稳定为(x_j，y_j)。

Images