CN111242523A - 确定航空运输路径的方法、装置、服务器及存储介质 - Google Patents
确定航空运输路径的方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN111242523A CN111242523A CN201811444874.0A CN201811444874A CN111242523A CN 111242523 A CN111242523 A CN 111242523A CN 201811444874 A CN201811444874 A CN 201811444874A CN 111242523 A CN111242523 A CN 111242523A
- Authority
- CN
- China
- Prior art keywords
- path
- transportation path
- air
- cargo
- flight
- 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
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
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
本申请公开了一种确定航空运输路径的方法、装置、服务器及存储介质,该方法包括:获取运输机信息、航空站信息及待运输货物信息;基于该运输机信息、航空站信息及待运输货物信息确定航空运输路径集合,该航空运输路径集合包括至少一条航空运输路径,该航空运输路径包括与该待运输货物信息相关的陆运路径和混合运输路径;以该航空运输路径的运输成本最小化为目标函数确定目标航空运输路径。本申请实施例通过基于航空运输路径的最小运输成本为目标函数,使得该目标函数的最小值对应的航空运输路径为目标航空运输路径,实现了航空运输线路的确定,降低了运输成本,提高了运输效率。
Description
技术领域
本申请一般涉及物流技术领域,具体涉及一种确定航空运输路径的方法、装置、服务器及存储介质。
背景技术
快递行业中的业务量增长迅速,航空快递在所有的快递业务中所占的比重越来越大。随着快递业务的增长,相应的运输机及运输网络也不断扩张,就需要货运航空航线的布局和运营方式不断更新。
目前,对于货运航空航线的布局,都是通过人工来规划。或者,通过计算机算法,对货运航空航线进行轴辐式的运输网络搭建。
在进行人工规划航空运输布局时,所搭建的运输网络结构粗放,主要以直飞模式为主,且规划周期长,全局性差。而利用规划工具得到的轴辐式的运输网络,其飞行模式单一,无法根据物流货运的特性来调整,导致运输成本高,效率低,服务差。
发明内容
鉴于现有技术中的上述缺陷或不足,期望提供一种确定航空运输路径的方法、装置、服务器及存储介质,提高运输效率,降低运输成本。
第一方面,本申请实施例提供一种确定航空运输路径的方法,包括:
获取运输机信息、航空站信息及待运输货物信息;
基于该运输机信息、航空站信息及待运输货物信息确定航空运输路径集合,该航空运输路径集合包括至少一条航空运输路径,该航空运输路径包括与该待运输货物信息相关的陆运路径和混合运输路径;
以该航空运输路径的运输成本最小化为目标函数确定目标航空运输路径。
第二方面本申请实施例提供一种航空运输模型构建装置,包括:
获取模块,用于获取运输机信息、航空站信息及待运输货物信息;
第一确定模块,用于基于该运输机信息、航空站信息及待运输货物信息确定航空运输路径集合,该航空运输路径集合包括至少一条航空运输路径,该航空运输路径包括与该待运输货物信息相关的陆运路径和混合运输路径;
第二确定模块,用于以该航空运输路径的运输成本最小化为目标函数确定目标航空运输路径。
第三方面,本申请实施例提供一种服务器,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,该处理器执行该程序时实现如第一方面描述的确定航空运输路径的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序用于实现如第一方面中描述的确定航空运输路径的方法。
综上,本申请实施例提供的确定航空运输路径的方法、装置、服务器及存储介质,通过获取待运输货物信息、可用的运输机信息及航空站信息,并利用获取的信息得到可行的包括与待运输货物信息相关的陆运路径和混合运输路径的航空运输路径集合,进而以航空运输路径的最小运输成本为目标函数,使得该目标函数的最小值对应的航空运输路径为目标航空运输路径,实现了航空运输线路的确定,降低了运输成本,提高了运输效率。
进一步的,通过运输机信息及航空站信息生成运输机的飞行航线集合,基于飞行航线集合生成混合运输路径集合,最后基于待运输货物信息及枢纽运输线路得到航空运输路径集合,生成了满足待运输货物特性的航空运输路径。
进一步的,通过确定城市对之间的分时集货率,结合混合运输路径的起始时间,确定航空货物运输路径及该路径上的货物分流率,满足了物流货物的分时集货特性,提高了运输航空运输效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1为本申请实施例的航空运输流程示意图;
图2为本申请实施例的航空运输场景模型示意图;
图3为本申请实施例的航空运输场景模型示意图;
图4为本申请实施例的航空运输场景模型示意图
图5为本申请实施例的航空运输场景模型示意图;
图6为本申请实施例的航空运输模型构建方法的流程示意图;
图7为本申请又一实施例的航空运输模型构建方法的流程示意图;
图8为本申请实施例的航空运输模型的网络结构示意图;
图9为本申请实施例的航空运输模型构建装置的结构示意图;
图10为本申请的实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关申请,而非对该申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与申请相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
可以理解,本申请实施例中的确定航空运输路径的方法,可以用于物流行业的货物运输,如快件和/或包裹等的运输路径的确定。
还可以理解,本申请实施例中的确定航空运输路径的方法,如图1所示,涉及的航空运输路径可以简化为:始发城市-始发航空站-枢纽机场-目的航空站-目的城市。则在运输模型网络规划过程中以整体成本最小化,即包括始发城市-始发航空站的陆运集货成本、始发航空站-枢纽站-目的航空站的航空运输成本以及目的航空站-目的城市的陆运散货成本最小为目标。可以理解,待运输货物是从始发航空站覆盖的城市到目的航空站覆盖的城市,待运输货物的始发城市与目的城市组成了城市对。
还可以理解,在进行运输线路确定时,如图2-图5所示,可以将货运航空的业务场景抽象成概念模型。例如,考虑运输机每天的往返周期,确保次日的派送时效及飞行时间窗口,可以将飞行运输场景分成四类:单环往返、三角环绕、双环往返及经停往返。具体的,如图3所示的单环往返,运输机在执行飞行任务1时,可以承运流向1的需求,飞行任务2时,可以承运流向2的需求。图4所示的三角环绕,运输机在执行飞行任务1时可以承运流向1和5的需求,执行飞行任务2时,可以承运流向2、4及5的需求,执行飞行任务可以承运3及4的需求。图5所示的双环往返,执行飞行任务1时可以承运流向1的需求,执行飞行任务2时可以承运流向2及5的需求,执行飞行任务3时可以承运流向3及5的需求,执行飞行任务4时,可以承运流向4的需求。图6所示的经停往返,执行飞行任务1时可以承运流向1及5的需求,执行飞行任务2时可以承运流向2及5的需求,执行飞行任务3时可以承运流向3及6的需求,执行飞行任务4时,可以承运执行飞行任务4及6的需求。
下面通过图6至图9详细解释本申请提供的确定航空运输路径的方法、装置、服务器及存储介质。图6所示为本申请实施例提供的确定航空运输路径的方法的流程示意图,如图所示,该方法可以包括:
S1,获取运输机信息、航空站信息及待运输货物信息。
具体的,可以理解,在进行某个地区或国家的航空运输模型构建过程中,需要获取该地区或国家可提供的所有的运输机信息、所有的航空站信息以及需要运输的货物信息。
例如,可以获取所有运输机的机型,从而可以确定运输机的装载量以及最小过站时间。最小过站时间即上航班落地到下航班起飞的时间差不可以小于预定值,以使得落地的航空站可以完全处理该运输机上的货物。如B737的最大装载量为14吨,最小过站时间为40分钟。
可以获取航空站的运行窗口时间,可以理解,在实际中,每个航空站确定了许可货物运输机的时间窗口,如22:00-10:00。
还可以理解,航空站中可以包括枢纽站,即可以选择若干个航空站作为枢纽站实现货物的中转站。此时,需要考虑该枢纽站的时间窗口,使得需要中转的货物所在的运输机的落地时间早于起飞时间,以实现两个运输线路的连接,完成货物中转。
可以获取规划地区或国家内待运输货物的起始城市、目的城市及时效特性等。还可以根据待运输货物寄出的时间,得到规划地区或国家的多个城市对之间的待运输货物的分时集货率。城市对由待运输货物的始发城市与目的城市组成。
例如,城市对北京-深圳,以当天的凌晨一点到次日的凌晨一点为一个周期。则从当日的凌晨一点到中午十二点的分时集货率为百分之三十,从凌晨一点到下午六点的分时集货率为百分之八十,到次日凌晨一点为百分之百。可以理解,实际中,可以以半个小时为节点,根据网点当前的收件量或中转场当前的收件量计算城市对的分时集货率。例如可以以列表形式获取所有城市对之间的分时集货率。
S2,基于该运输机信息、航空站信息及待运输货物信息确定航空运输路径集合。
该航空运输路径集合可以包括至少一条航空运输路径,该航空运输路径包括与该待运输货物信息相关的陆运路径和混合运输路径。
可选的,在该步骤中,如图7所示,首先可以执行S21:
S21,基于该运输机信息及该航空站信息生成运输机的飞行航线集合。
具体的,在采集到运输机的机型、最小过站时间及航空站的时间窗口后,可以基于上述信息,得到规划地区或国家内,所有运输机可以飞行的航线,即飞行航线集合。例如,在飞行航线集合生成中,可以以五分钟为计算粒度,得到飞行航线集合。
该飞行航线集合中可以至少包括一条飞行航线,该飞行航线至少包括两个飞行路段,每个飞行路段可以包括每条飞行航线的运输机的机型、航班号、起飞时刻及落地时刻。
为了便于理解,假如某地区的航空站有a、b、c、d、e、f、g及H。运输机为B737。则根据运输机的最小过站时间及航空站的时间窗口,基于四类飞行模式,生成如表1所示的飞行航线集合。
由表1可知,该飞行航线集合中包括4条可飞行的航线,执行的运输机都为B737,其最大装载量为14吨。其中,每个航线包括至少两个飞行路段,每个飞行路段都编有唯一的航班编码,以区别各航班参数,并对应有该飞行路段的起飞时间及落地时间。
表1飞行航线集合
S22,基于该飞行航线集合生成混合运输路径集合。
具体的,在得到该地区或国家的飞行航线后,可以根据每个航线上的每个飞行路段的运输机的机型、航班号、起飞时刻及落地时刻,扩展出包括直飞运输路径集合及枢纽输运路径集合的混合运输路径集合,得到航空运输网络,以实现货物的中转或直飞运输,降低运输成本。
扩展生成枢纽输运路径集合时,在确定了枢纽站后,可以结合所选取的枢纽站的时间窗口,从飞行航线集合中筛选满足枢纽站时间窗口限制条件的飞行航线来生成枢纽运输线路集合。该限制条件可以为该飞行航线中与该枢纽站相关的两个飞行路段,第一飞行路段在相关枢纽站的时间窗口之前,第二飞行路段在相关枢纽站的时间窗口之后。从而可以在上述的飞行航线集合中的所有飞行路段中,考虑货物的中转,结合枢纽站的时间窗口,得到通过枢纽站衔接的枢纽运输线路。
例如,以上述的五分钟为粒度来计算,如果枢纽站为北京,其时间窗口为01:30-03:00,集货端的航空站为深圳及上海,假如以01:35、01:40、01:45等时间为落地时间,则航班的起飞时间可以根据航线距离推算从深圳及上海的起飞时间,依次来生成多个枢纽运输路径。
可以理解,扩展生成直飞运输路径集合时,可以根据直飞运输路径两端的航空站的时间窗口衍生得到直飞运输路径集合。例如,在深圳与上海之间,可以扩展出不经过枢纽站北京的直飞运输路径集合。
在如表1所示的所有的飞行航线集合中,选择H站点为枢纽站,则结合枢纽站的时间窗口,得到如图7所示的航空运输网络,并生成如表2所示的混合运输路径集合:
由表2可知,H航空站点作为所有运输线路的共同衔接点,即枢纽站,该枢纽站的时间窗口为01:30-03:00。还可以从表2中得到每条运输线路的起始时间及结束时间。
表2混合运输路径
运输线路 | 航班_1 | 航班_2 | 机型_1 | 机型-2 | 航班号_1 | 航班号_2 | 入航空网时间 | 出航空网时间 |
a-H | a-H | B737 | B737 | 1 | 23:30 | 1:00 | ||
H-a | H-a | B737 | B737 | 2 | 3:00 | 4:30 | ||
b-H | b-H | B737 | B737 | 3 | 23:40 | 1:30 | ||
H-c | H-c | B737 | B737 | 4 | 3:05 | 4:55 | ||
c-b | c-b | B737 | B737 | 5 | 5:35 | 6:35 | ||
d-H | d-H | B737 | B737 | 6 | 23:30 | 1:15 | ||
H-e | H-e | B737 | B737 | 7 | 3:10 | 4:10 | ||
e-H | e-H | B737 | B737 | 8 | 4:50 | 5:50 | ||
H-d | H-d | B737 | B737 | 9 | 6:30 | 8:15 | ||
f-H | f-H | B737 | B737 | 10 | 23:10 | 0:10 | ||
H-f | H.f | B737 | B737 | 11 | 3:20 | 4:20 | ||
f-q | f-q | B737 | B737 | 12 | 5:00 | 6:00 | ||
a-f | g-f | B737 | B737 | 13 | 6:40 | 7:40 | ||
a-H-c | a-H | H-c | B737 | B737 | 1 | 4 | 23:30 | 4:55 |
a-H-d | a-H | H-d | B737 | B737 | 1 | 9 | 23:30 | 8:15 |
a-H-e | a-H | H-e | B737 | B737 | 1 | 7 | 23:30 | 4:10 |
a-H-f | a-H | H-f | B737 | B737 | 1 | 11 | 23:30 | 4:20 |
d-H-a | d-H | H-a | B737 | B737 | 6 | 2 | 23:30 | 4:30 |
d-H-c | d-H | H-c | B737 | B737 | 6 | 4 | 23:30 | 4:55 |
d-H-e | d-H | H-e | B737 | B737 | 6 | 7 | 23:30 | 4:10 |
d-H-f | d-H | H-f | B737 | B737 | 6 | 11 | 23:30 | 4:20 |
e-H-d | e-H | H-d | B737 | B737 | 8 | 9 | 4:50 | 8:15 |
f-H-a | f-H | H-a | B737 | B737 | 10 | 2 | 23:10 | 4:30 |
f-H-c | f-H | H-c | B737 | B737 | 10 | 4 | 23:10 | 4:55 |
f-H-d | f-H | H-d | B737 | B737 | 10 | 9 | 23:10 | 8:15 |
f-H-e | f-H | H-e | B737 | B737 | 10 | 7 | 23:10 | 4:10 |
b-H-c | b-H | H-c | B737 | B737 | 3 | 4 | 23:40 | 4:55 |
H-f-a | H-f | f- | B737 | B737 | 11 | 12 | 3:20 | 6:00 |
S23,基于待运输货物信息按照该混合运输路径扩展集货端和散货端,得到该集货端到该混合运输路径的起点为陆运集货路径,和该混合运输路径的终点到该散货端为陆运散货路径,其中,陆运路径包括陆运集货路径和陆运散货路径,航空运输路径包括陆运路径和混合运输路径。
具体的,在得到如图7所示的混合运输路径集合后,可以进一步根据整个运输网络覆盖的集货端航空站与散货端航空站之间的分时集货率,并结合每个混合运输路径的起始时间,从集货端与散货端之间的混合运输路径集合中选取可行的航空货物运输路径,以将所有枢纽线路覆盖城市的一定周期内所有待运输货物分配到混合运输路径上,得到航空货物运输路径集合。
实际中,在通过S1获取到所有城市对的分时集货率后,进一步可以确定混合运输路径集合中每条枢纽运输线路的起点航空站覆盖的城市,并作为集货端,确定每条枢纽运输线路的落地航空站覆盖的城市,并作为散货端。即可以将S1中获取的城市对中的始发城市与目的城市匹配到对应的集货端与散货端。并根据城市对的分时集货率,以及混合运输路径集合中,将城市对之间的当前集到的待运输货物匹配到可以承运的枢纽运输线路或直飞运输线路上。可以理解,由于相应的集货端包括多个城市,相应的散货端也包括多个城市。实际中,可以进一步统计得到集货端对应的航空站的分时集货率,然后根据该航空站当前的分时集货率,从S22得到的混合运输路径集合中找到以该集货端为起始点、且以当前时间为起飞时间的混合运输路径,以将当前集到的货物分配到该混合运输路径上,生成了集货端与散货端之间的航空运输路径。并可以基于当前分时集货率确定混合运输路径的线路集货率。
可以理解,混合运输路径的线路集货率不大于该混合运输路径对应的该航空站的分时集货率,对应的,混合运输路径上城市对的线路集货率不大于该城市对当前的分时集货率。即某条混合运输路径上承运的航空站的货物量,必然小于或等于当前到达该航空站的全部货物。
例如,结合如图7所示的运输网络,c航空站点覆盖的集货端城市有c1,a航空站点覆盖的散货端城市有a1,b航空站点覆盖的城市有b1,H航空站点覆盖的城市为H1,城市c1到a1城市每天需要运输的货物总量为10吨,c1到城市H1每天需要运输的货物总量为10吨,c1到b1每天需要运输的货物总量为10吨。则集货端对应的航空站c每天需要运输的货物为30吨。
假如计算的周期为每天凌晨1点到次日凌晨1点。并且,假如由航空站c在中午十二点时的集货率总和为百分之四十,即12吨(可以分别包括由c1到a1的、由c1到b1的及c1到H1的集货率),到晚上十一点半总的集货率为百分之八十,即24吨,到次日凌晨1点的集货率为百分之百,即为30吨。可以理解,在实际中,可以以半小时为统计时段,来统计航空站c当前的分时集货率。
在得到上述不同时间节点的分时集货率后,根据S22中生成的表2可知,从城市c1与a1城市的混合运输路径为c-b-H-a。为了便于理解,假如在实际情况中,还存在其他的路径,如c-H-a及c-a。且c-b飞行路段的起飞时刻为早上五点半,假如c-H飞行路段的起飞时刻为晚上十一点半,c-a的飞行路段的起飞时刻为中午十二点。
由于中午十二点集货端对应的航空站c上所有需要运输的货物为12吨,并假如c-a的飞行路段所指派的飞机的最大装载量为10吨,此时,可以利用该运输线路将12吨中的10吨运输到a航空站点。可以理解,在实际中,可以考虑12吨中的货物的时效性,如加急件等。则可以将时效要求高的货物优先运输。此时,c-a的该运输路径的线路集货率为所有需要运输货物的三分之一,即在c-a这条货物运输路径的分流率为三分之一。
继续的,在当天十一点半时,集货率为总量的百分之八十,即24吨,而由c-a运输线路完成了10吨的运输,即此时,剩余14吨。假如由c-H飞行路段上指派的飞机的最大装载量为14吨,则可以利用该运输线路将当前的14吨全部中转至枢纽站H。此时,该运输线路的路集货率为十五分之七,货物运输路径c-H-a上的分流率为十五分之七。在次日凌晨1点时,则剩余的6吨全部到达。
此时,假如由c-H飞行路段上指派的飞机的最大装载量为10吨,可以利用c-b的运输线路完成该6吨的运输,以运输到b航空站点,从而可以利用b航空站点中转到H枢纽站,再由H枢纽站运输到目的航空站a。货物运输路径c-b-a上的分流率为五分之一。
上述根据集货端a与散货端c覆盖的城市的分时集货率,并结合集货端a与散货端c上的运输线路及其起始时间,生成了三条航空货物运输路径c-a、c-H-a及c-b-a。则c-a的货物运输路径上的分流率为三分之一,c-H的货物运输路径上的分流率为十五分之七,c-b的货物运输路径上的分流率为五分之一。
可以理解,上述线路集货率总和为1,且每条运输路径上的分流率不大于当前的分时集货率。
在实际中,可以通过上述方法得到某地区或国家的所有航空站之间的货物运输路径,即航空货物运输路径集合。
可以理解,上述只是示例性的说明,实际中的城市对之间的运输路径可以有多种选择,从而可以在不同的选择下,生成多条航空货物运输路径,即货物运输路径集合。
结合表2中的混合运输路径集合,在如图7所示的场景下,可以生成如表3所示的航空货物运输路径集合。
表3航空货物运输路径
S3,以该航空运输路径的运输成本最小化为目标函数确定目标航空运输路径。
具体的,可以计算S2中得到的每条混合运输路径对应的运输成本,以运输成本最小化为目标函数,构建了航空运输模型。
实际中,每条运输路径对应的运输成本可以包括集货端的陆运运输成本、航空运输成本以及散货端的陆运运输成本,则确定该陆运路径和该混合运输路径成本之和为目标函数,并在在约束条件下求解该和的最小值,以得到目标航空运输路径。
集货端的陆运运输成本可以包括待运输货物从起始城市运输到起始航空站的成本,航空运输成本可以包括确定的所有货物运输路径对应的航空运输成本,散货端的陆运运输成本可以包括将带运输货物从目的航空站运输到目的城市的运输成本。
其中,在求解目标函数时的约束条件可以至少包括:
第一约束条件为:每个航空站的待运输货物全部被分流至货物运输路径。
第二约束条件为:每个航空站的待运输货物不大于该航空站的航空运输能力;
第三约束条件为:到达枢纽站中转的待运输货物量不大于枢纽站的最大处理量;
第四约束条件为:航空运输路径的线路集货率不大于该航空运输路径对应的集货端航空站和散货端航空站当前的分时集货率;
第五约束条件为:匹配到货物运输路径上的所有的运输机数量不大于总运输机数量。
第六约束条件为:货物运输路径上的线路集货率不小于零。
可以理解,得到表示运输成本的目标函数,即将航空运输模型构建完成后,在实际使用中,可以将获取得到的城市对的分时集货率输入到构建的航空运输模型中,并输入可用的运输机信息,从而可以输出目标航空运输路径。即输出两个决策变量,每一条混合运输路径上的分流率,以及运输机是否被指派到飞行航线上,完成航空运输路径的确定,得到某个地区或国家的航空运输网络。
则在上述航空网络确定过程中,结合可提供的运输机规模下,可以提供多飞行模式,并结合待运输货物的分时集货特性,即货物量按时段累计的分布特性,以合理指派运输线路,考虑枢纽站的实际窗口时间,以衔接各个航空线路,实现货物中转,形成互联互通的航空运输路径,还可以根据不同航线的落地时间,考虑货物运输时效的服务承诺。下面通过详细的公式举例说明航空运输路径的确定:
假设采集的信息包括:
待运输货物集合K、运输机集合F、枢纽站集合H、待运输货物k的运输路径集合P、运输机f所飞行的航线集合Rf。
则基于上述成本所构建的航空运输模型,即目标函数为:
其中需要满足的约束条件可以表示为:
即待运输货物全部被分流至每条航空运输路径上。
即每个飞行路段的该待运输货物不大于该飞行路段的航空运输能力。
即到达该枢纽站中转的该待运输货物量不大于该枢纽站的最大处理量。
即该航空运输路径的线路集货率不大于该航空运输路径对应的集货端航空站和散货端航空站当前的分时集货率。
即该航空运输路径对应的该运输机数量之和不大于总运输机数量。
即航空货物运输路径上的线路集货率不小于零。
即运输机被指派到航线r上时为1,没有被指派到航线r上时为零。
其中,bk为待运输货物集合;
nf为运输机f的总量。
eh为枢纽站h的处理能力上限。
则上述1式满足约束条件的解对应的货物运输路径中,以运输成最小的解对应的货物运输路径为目标路径,即为通过上述模型规划的运输网络布局。
图9所示为本申请实施例提供的确定航空运输路径的装置的结构示意图,如图9所示,该装置可以包括:
获取模块910,用于获取运输机信息、航空站信息及待运输货物信息;
第一确定模块920,用于基于该运输机信息、航空站信息及待运输货物信息确定航空运输路径集合,该航空运输路径集合包括至少一条航空运输路径,该航空运输路径包括与该待运输货物信息相关的陆运路径和混合运输路径;
第二确定模块930,用于以该航空运输路径的运输成本最小化为目标函数确定目标航空运输路径。
优选的,本申请实施例提供的航空运输模型构建装置,该第一确定模块具体用于:
基于该运输机信息及该航空站信息生成该运输机的飞行航线集合;
基于该飞行航线集合生成混合运输路径集合;
基于待运输货物信息按照所述混合运输路径扩展集货端和散货端,得到所述集货端到所述混合运输路径的起点为陆运集货路径,和所述混合运输路径的终点到所述散货端为陆运散货路径,所述陆运路径包括所述陆运集货路径和所述陆运散货路径,所述航空运输路径包括所述陆运路径和所述混合运输路径。
优选的,本申请实施例提供的航空运输模型构建装置,该第二确定模块具体用于:
确定该陆运路径和该混合运输路径成本之和;
在约束条件下求解该和的最小值,以确定目标航空运输路径。
优选的,本申请实施例提供的航空运输模型构建装置,该约束条件至少包括:
第一约束条件为:该待运输货物全部被分流至该航空运输路径;
第二约束条件为:每个飞行路段的该待运输货物不大于该飞行路段的航空运输能力;
第三约束条件为:到达该枢纽站中转的该待运输货物量不大于该枢纽站的最大处理量;
第四约束条件为:该航空运输路径的线路集货率不大于该航空运输路径对应的城市对当前的分时集货率;
第五约束条件为:该航空运输路径对应的该运输机数量之和不大于总运输机数量;
第六约束条件为:该航空运输路径的线路集货率不小于零。
可以理解,本申请实施例还提供了一种服务器,该服务器可用于执行上述的确定航空运路径的方法。
下面参考图10,其示出了适于用来实现本申请实施例的服务器的计算机系统100的结构示意图。
如图1所示,计算机系统100包括中央处理单元(CPU)101,其可以根据存储在只读存储器(ROM)102中的程序或者从存储部分101加载到随机访问存储器(RAM)101中的程序而执行各种适当的动作和处理。在RAM 101中,还存储有系统100操作所需的各种程序和数据。CPU 101、ROM 102以及RAM 103通过总线104彼此相连。输入/输出(I/O)接口104也连接至总线104。
以下部件连接至I/O接口105:包括键盘、鼠标等的输入部分106;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分107;包括硬盘等的存储部分108;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分109。通信部分109经由诸如因特网的网络执行通信处理。驱动器110也根据需要连接至I/O接口109。可拆卸介质111,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器110上,以便于从其上读出的计算机程序根据需要被安装入存储部分101。
特别地,根据本公开的实施例,上文参考图6描述的过程可以被实现为计算机软件程序。例如,本公开的实施例确定航空运输路径包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,该计算机程序包含用于执行图6的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分109从网络上被下载和安装,和/或从可拆卸介质111被安装。
附图中的流程图和框图,图示了按照本申请各种确定航空运输路径实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块、第一确定模块及第二确定模块。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定,例如,第二确定模块还可以被描述为“用于以航空运输路径的运输成本最小化为目标函数确定目标航空路径的构建单元”。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中前述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,前述程序被一个或者一个以上的处理器用来执行描述于本申请的应用于确定航空运输路径。
综上所述,本申请实施例提供的确定航空运输路径的方法、装置、服务器及存储介质,通过获取待运输货物信息、可用的运输机信息及航空站信息,并利用获取的信息得到可行的包括与待运输货物信息相关的陆运路径和混合运输路径的航空运输路径集合,进而以航空运输路径的最小运输成本为目标函数,通过求解该目标函数确定目标航空运输路径,实现了航空运输线路的确定,降低了运输成本,提高了运输效率。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的申请范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述申请构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (16)
1.一种确定航空运输路径的方法,其特征在于,包括:
获取运输机信息、航空站信息及待运输货物信息;
基于所述运输机信息、航空站信息及待运输货物信息确定航空运输路径集合,所述航空运输路径集合包括至少一条航空运输路径,所述航空运输路径包括与所述待运输货物信息相关的陆运路径和混合运输路径;
以所述航空运输路径的运输成本最小化为目标函数确定目标航空运输路径。
2.根据权利要求1所述的确定航空运输路径的方法,其特征在于,所述基于所述运输机信息、航空站信息及待运输货物信息确定航空运输路径集合,包括:
基于所述运输机信息及所述航空站信息生成所述运输机的飞行航线集合;
基于所述飞行航线集合生成混合运输路径集合;
基于待运输货物信息按照所述混合运输路径扩展集货端和散货端,得到所述集货端到所述混合运输路径的起点为陆运集货路径,和所述混合运输路径的终点到所述散货端为陆运散货路径,所述陆运路径包括所述陆运集货路径和所述陆运散货路径,所述航空运输路径包括所述陆运路径和所述混合运输路径。
3.根据权利要求2所述的确定航空运输路径的方法,其特征在于,所述基于待运输货物信息按照所述混合运输路径扩展集货端和散货端包括:
以所述混合运输路径集合中每条混合运输路径的起点航空站覆盖的城市为集货端;
以所述混合运输路径集合中每条所述混合运输路径中包含的航空站覆盖的城市为散货端;
确定所述集货端航空站与所述散货端航空站之间的分时集货率;
基于所述分时集货率与所述每条混合运输路径的起始时间,确定所述每条混合运输路径的线路集货率。
4.根据权利要求2所述的确定航空运输路径的方法,其特征在于,所述运输机的飞行航线集合中至少包括一条飞行航线,所述飞行航线至少包括两个飞行路段,每个飞行路段包括起飞时刻及落地时刻。
5.根据权利要求2所述的确定航空运输路径的方法,其特征在于,所述基于所述飞行航线集合生成混合运输路径集合包括:
从所述飞行航线集合中筛选满足所述枢纽站的时间窗口的限制条件的飞行航线来生成所述混合运输路径集合;
所述限制条件为所述飞行航线中与所述枢纽站相关的两个飞行路段,满足第一飞行路段的落地时间在所述时间窗口之前,第二飞行路段的起飞时间在所述时间窗口之后。
6.根据权利要求1-5任一项所述的确定航空运输路径的方法,其特征在于,所述以所述航空运输路径的运输成本最小化为目标函数输出目标航空运输路径包括:
确定所述陆运路径和所述混合运输路径成本之和;
在约束条件下求解所述和的最小值,以确定所述目标航空运输路径。
7.根据权利要求6所述的确定航空运输路径的方法,其特征在于,所述约束条件至少包括至少一个约束条件:
第一约束条件为:所述待运输货物全部被分流至所述航空运输路径;
第二约束条件为:每个飞行路段的所述待运输货物不大于所述飞行路段的航空运输能力;
第三约束条件为:到达所述枢纽站中转的所述待运输货物量不大于所述枢纽站的最大处理量;
第四约束条件为:所述航空运输路径的线路集货率不大于所述航空运输路径对应的集货端航空站和散货端航空站当前的分时集货率;
第五约束条件为:所述航空运输路径对应的所述运输机数量之和不大于总运输机数量;
第六约束条件为:所述航空运输路径的线路集货率不小于零。
8.一种确定航空运输路径的装置,其特征在于,包括:
获取模块,用于获取运输机信息、航空站信息及待运输货物信息;
第一确定模块,用于基于所述运输机信息、航空站信息及待运输货物信息确定航空运输路径集合,所述航空运输路径集合包括至少一条航空运输路径,所述航空运输路径包括与所述待运输货物信息相关的陆运路径和混合运输路径;
第二确定模块,用于以所述航空运输路径的运输成本最小化为目标函数输出目标航空运输路径。
9.根据权利要求8所述的确定航空运输路径的装置,其特征在于,所述第一确定模块具体用于:
基于所述运输机信息及所述航空站信息生成所述运输机的飞行航线集合;
基于所述飞行航线集合生成混合运输路径集合;
基于待运输货物信息按照所述混合运输路径扩展集货端和散货端,得到所述集货端到所述混合运输路径的起点为陆运集货路径,和所述混合运输路径的终点到所述散货端为陆运散货路径,所述陆运路径包括所述陆运集货路径和所述陆运散货路径,所述航空运输路径包括所述陆运路径和所述混合运输路径。
10.根据权利要求9所述的确定航空运输路径的装置,其特征在于,所述第一确定模块具体用于:
以所述混合运输路径集合中每条混合运输路径的起点航空站覆盖的城市为集货端;
以所述混合运输路径集合中每条所述混合运输路径中包含的航空站覆盖的城市为散货端;
确定所述集货端航空站与所述散货端航空站之间的分时集货率;
基于所述分时集货率与所述每条混合运输路径的起始时间,确定所述每条枢纽运输线路的线路集货率。
11.根据权利要求9所述的确定航空运输路径的装置,其特征在于,所述运输机的飞行航线集合中至少包括一条飞行航线,所述飞行航线至少包括两个飞行路段,每个飞行路段包括起飞时刻及落地时刻。
12.根据权利要求9所述的确定航空运输路径的装置,其特征在于,所述第一确定模块具体用于:
从所述飞行航线集合中筛选满足所述枢纽站的时间窗口的限制条件的飞行航线来生成所述混合运输路径集合;
所述限制条件为所述飞行航线中与所述枢纽站相关的两个飞行路段,满足第一飞行路段的落地时间在所述时间窗口之前,第二飞行路段的起飞时间在所述时间窗口之后。
13.根据权利要求8-12任一项所述的确定航空运输路径的装置,其特征在于,所述第二确定模块具体用于:
确定所述陆运路径和所述混合运输路径成本之和;
在约束条件下求解所述和的最小值,以确定所述目标航空运输路径。
14.根据权利要求13所述的确定航空运输路径的装置,其特征在于,所述约束条件至少包括:
第一约束条件为:所述待运输货物全部被分流至所述航空运输路径;
第二约束条件为:每个飞行路段的所述待运输货物不大于所述飞行路段的航空运输能力;
第三约束条件为:到达所述枢纽站中转的所述待运输货物量不大于所述枢纽站的最大处理量;
第四约束条件为:所述航空运输路径的线路集货率不大于所述航空运输路径对应的集货端航空站和散货端航空站当前的分时集货率;
第五约束条件为:所述航空运输路径对应的所述运输机数量之和不大于总运输机数量;
第六约束条件为:所述航空运输路径的线路集货率不小于零。
15.一种服务器,其特征在于,其特征在于,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项所述的确定航空运输路径的方法。
16.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序用于实现如权利要求1-7任一所述的确定航空运输路径的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811444874.0A CN111242523A (zh) | 2018-11-29 | 2018-11-29 | 确定航空运输路径的方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811444874.0A CN111242523A (zh) | 2018-11-29 | 2018-11-29 | 确定航空运输路径的方法、装置、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111242523A true CN111242523A (zh) | 2020-06-05 |
Family
ID=70874356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811444874.0A Pending CN111242523A (zh) | 2018-11-29 | 2018-11-29 | 确定航空运输路径的方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111242523A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762679A (zh) * | 2020-11-03 | 2021-12-07 | 北京京东振世信息技术有限公司 | 一种基于分拣网络的资源配置方法和装置 |
CN113762564A (zh) * | 2020-08-07 | 2021-12-07 | 北京京东乾石科技有限公司 | 货物的输送方法、装置、计算设备及介质 |
CN115049334A (zh) * | 2022-06-16 | 2022-09-13 | 四川省交通勘察设计研究院有限公司 | 一种水路运输需求统计分析方法、设备及存储介质 |
CN116070776A (zh) * | 2023-02-24 | 2023-05-05 | 中外运跨境电商物流有限公司 | 一种航空货运产品的智能拼接方法与系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100191458A1 (en) * | 2009-01-23 | 2010-07-29 | Daniel Baker | System and method for optimized flight planning |
CN106781708A (zh) * | 2017-02-28 | 2017-05-31 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 一种终端管制区的航线规划方法及装置 |
CN108399464A (zh) * | 2017-09-27 | 2018-08-14 | 圆通速递有限公司 | 一种多式联运路径优化方法和系统 |
CN108428084A (zh) * | 2018-03-09 | 2018-08-21 | 东南大学 | 一种基于服务链的多式联运系统及方法 |
US20180308366A1 (en) * | 2017-04-25 | 2018-10-25 | Uber Technologies, Inc. | Efficient vtol resource management in an aviation transport network |
-
2018
- 2018-11-29 CN CN201811444874.0A patent/CN111242523A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100191458A1 (en) * | 2009-01-23 | 2010-07-29 | Daniel Baker | System and method for optimized flight planning |
CN106781708A (zh) * | 2017-02-28 | 2017-05-31 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 一种终端管制区的航线规划方法及装置 |
US20180308366A1 (en) * | 2017-04-25 | 2018-10-25 | Uber Technologies, Inc. | Efficient vtol resource management in an aviation transport network |
CN108399464A (zh) * | 2017-09-27 | 2018-08-14 | 圆通速递有限公司 | 一种多式联运路径优化方法和系统 |
CN108428084A (zh) * | 2018-03-09 | 2018-08-21 | 东南大学 | 一种基于服务链的多式联运系统及方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762564A (zh) * | 2020-08-07 | 2021-12-07 | 北京京东乾石科技有限公司 | 货物的输送方法、装置、计算设备及介质 |
CN113762679A (zh) * | 2020-11-03 | 2021-12-07 | 北京京东振世信息技术有限公司 | 一种基于分拣网络的资源配置方法和装置 |
CN113762679B (zh) * | 2020-11-03 | 2023-11-03 | 北京京东振世信息技术有限公司 | 一种基于分拣网络的资源配置方法和装置 |
CN115049334A (zh) * | 2022-06-16 | 2022-09-13 | 四川省交通勘察设计研究院有限公司 | 一种水路运输需求统计分析方法、设备及存储介质 |
CN115049334B (zh) * | 2022-06-16 | 2023-04-07 | 四川省交通勘察设计研究院有限公司 | 一种水路运输需求统计分析方法、设备及存储介质 |
CN116070776A (zh) * | 2023-02-24 | 2023-05-05 | 中外运跨境电商物流有限公司 | 一种航空货运产品的智能拼接方法与系统 |
CN116070776B (zh) * | 2023-02-24 | 2024-03-29 | 中外运空运有限公司 | 一种航空货运产品的智能拼接方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111242523A (zh) | 确定航空运输路径的方法、装置、服务器及存储介质 | |
Li et al. | Two-echelon vehicle routing problem with time windows and mobile satellites | |
US20220172175A1 (en) | Transportation system and method for allocating frequencies of transit services therein | |
Alumur et al. | Hierarchical multimodal hub location problem with time-definite deliveries | |
CN111915046B (zh) | 用于输出信息的方法和装置 | |
Petersen et al. | An optimization approach to airline integrated recovery | |
US10229372B2 (en) | Method for rescheduling flights affected by a disruption and an airline operations control system and controller | |
Barnhart et al. | Network design for express shipment delivery | |
Grönkvist | The tail assignment problem | |
WO2019120159A1 (zh) | 物流路由的确定方法及相关设备 | |
Haouari et al. | Exact approaches for integrated aircraft fleeting and routing at TunisAir | |
Bettinelli et al. | A branch-and-cut-and-price algorithm for the multi-trip separate pickup and delivery problem with time windows at customers and facilities | |
CN113379102B (zh) | 一种多网干线运输优化方法、计算机设备及存储介质 | |
Lin et al. | The economic effects of center-to-center directs on hub-and-spoke networks for air express common carriers | |
CN113592248B (zh) | 航空货运网络的规划方法、系统、电子设备及存储介质 | |
Wang et al. | The impact of landbridge on the market shares of Asian ports | |
CN111950859B (zh) | 航空通信数据链动态适配方法、装置和存储介质 | |
Taran et al. | Structural optimization of multimodal routes for cargo delivery | |
Churchill et al. | Evaluating a new formulation for large-scale traffic flow management | |
CN108197879A (zh) | 一种多模式客货共运方法及系统 | |
CN115018399B (zh) | 一种机场通达性的确定方法、装置、电子设备及存储介质 | |
Carlson | Exploiting the opportunities of collaborative decision making: A model and efficient solution algorithm for airline use | |
Suh et al. | A large neighborhood search heuristic to establish an optimal ad-hoc hubbing strategy in the wake of a large-scale airport outage | |
Liang et al. | The aircraft maintenance routing problem | |
CN114186727B (zh) | 一种多周期物流网络规划方法及系统 |
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 |