CN111612396A - 一种物流网络流量实时监控方法 - Google Patents

一种物流网络流量实时监控方法 Download PDF

Info

Publication number
CN111612396A
CN111612396A CN202010425885.5A CN202010425885A CN111612396A CN 111612396 A CN111612396 A CN 111612396A CN 202010425885 A CN202010425885 A CN 202010425885A CN 111612396 A CN111612396 A CN 111612396A
Authority
CN
China
Prior art keywords
transfer station
time
busy
transfer
flow
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.)
Granted
Application number
CN202010425885.5A
Other languages
English (en)
Other versions
CN111612396B (zh
Inventor
胡志华
李由之
高一鹭
郑玉馨
王耀宗
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.)
Shanghai Maritime University
Original Assignee
Shanghai Maritime University
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 Shanghai Maritime University filed Critical Shanghai Maritime University
Priority to CN202010425885.5A priority Critical patent/CN111612396B/zh
Publication of CN111612396A publication Critical patent/CN111612396A/zh
Application granted granted Critical
Publication of CN111612396B publication Critical patent/CN111612396B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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"
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis

Landscapes

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

Abstract

本发明公开了一种物流网络流量实时监控方法。首先基于物流网络的运输路线，确定物流对象于中转站间的运输时间，然后根据各中转站的时变容量阈值和实时流量，确定物流对象在中转站的中转时间并进行数据更新。根据中转站的实时流量与时变容量阈值的差值将中转站状态分为繁忙和空闲，再根据繁忙中转站的超出流量与空闲中转站剩余容量的差值将繁忙中转站定义为轻度爆仓和重度爆仓。轻度爆仓时将繁忙中转站超出流量按优先级顺序分配至空闲中转站，重度爆仓时先将繁忙中转站超出流量按优先级顺序分配至空闲中转站，后将剩余超出流量分配至可继续配送的空闲中转站。本方法实现对物流网络的全局监测，灵敏度高，避免节点爆仓，提高了物流网络运作效率。

Description

一种物流网络流量实时监控方法
技术领域
本发明涉及互联网数据处理领域，特别是涉及一种物流网络流量实时监测和实时控制的方法。
背景技术
物流是指物品从供应地往接受地的实体流动中，根据实际需要，将运输、储存、装卸、搬运、包装、流通加工、配送、信息处理等功能有杋结合起来实现用户要求的过程。随着经济全球化和区域经济一体化迅速发展，能够系统整合和集成社会资源的物流网络化运营具有显著的优势，其中物流信息网络为保障物流网络的高效运行提供了重要的技术支撑。物流网络的效率和效益直接取决于网络的拓扑结构以及网络中各物流节点和运输线路的流量分配情况。因此，如何在具有固定拓扑结构的物流网络中进行流量分配，以满足货物从供应地到需求地的运输、仓储和配送等物流需求是一个必须考虑的重要问题。
在实际应用中，现有的物流信息网络技术仅支持对物流对象的追踪监控，根据物流对象和物流线路来分析物流网络的实时流量变化并进行调控，这具有滞后性。过去一些学者研究物流网络流量监测时，通过设置时效数据预警范围，根据时效数据满足设定阈值来生成预警，并没有探究预警信息严重程度的区划。而一些学者在研究物流流量监控时，依据物流线路在个时间段的影响因素来构建延迟原因识别模型来分析和调控，并没有探究流量超出可调控范围的解决方案。
因此，本发明提出了一种物流网络流量实时监控方法，对物流网络中各中转站的状态进行监测并根据实时数据预测节点的未来状态，通过比较中转站的实时流量和时变容量阈值的大小，将中转站划分为繁忙组和空闲组，然后繁忙组的超出容量与空闲组的剩余容量大小来生成轻度和重度预警信息，这样能及时迅速生成精准的预警信息，根据实际情况对预警分级，若接收到轻度预警信息，首先综合中转站容量大小和距离建立多目标规划模型来调控流量，若接收到重度预警信息，首先综合中转站容量大小和距离建立多目标规划模型来调控流量，再将超出流量按一定条件选取可继续配送的空闲中转站进行分配，这样将之前空闲中转站无法接收的多余流量安排在分配路上。这种对物流网络进行全局监测的方法可以有效地避免节点出现爆仓现象，提高物流网络的整体运作效率。
发明内容
本申请提供了一种物流网络流量实时监控的方法，所述方法的物流网络流量监测，数据共享、相互协调，完成控制流量的分配操作。
本申请的目的是，提供一种物流网络流量实时监控的方法，以实现根据实时更新的物流网络的流量数据，预测物流节点的未来状态，防止中转站爆仓现象出现，进而提高网点利用率。
本申请提供了一种物流网络流量实时监控的方法，用于对中转节点状态进行实时监测、预警和调控，预测中转节点在未来时刻是否会发生爆仓，所述物流网络和调控包括至少一条物流路线，每条所述物流路线包括起始节点、终止节点以及至少一个中转节点，每条所述物流调控线路包括流量输出的中转站和接收流量的中转站，所述方法包括：
步骤1.1：基于物流网络中的运输路线，确定物流对象于中转站间所需的运输时间；
步骤1.2：设置物流网络中各个中转站的时变容量阈值；
步骤1.3：根据中转站当前处理流量大小，确定物流对象在中转站的中转时间；
步骤1.4：实时更新物流对象在物流网络中的位置，确定当前时刻中转站分配流量以及中转站的预测分配流量；
步骤1.5：比较中转站的预测流量与设置的时效数据阈值大小，划分繁忙中转站和空闲中转站；
步骤1.6：比较所有繁忙组的超出容量与所有空闲组的剩余容量大小，划分轻度爆仓和重度爆仓；
步骤1.7：针对轻度爆仓，将繁忙中转站超出阈值的流量之和按优先级顺序分配给所有空闲中转站；
步骤1.8：重度爆仓时先将繁忙中转站超出阈值的流量之和按优先级顺序分配给所有空闲中转站，后将剩余繁忙中转站超出阈值的流量按一定条件选取可继续配送的空闲中转站。
作为本发明进一步技术方案：所述步骤1.1中物流网络包括至少一条物流路线，每条所述物流路线包括起始节点、终止节点以及至少一个中转节点。各节点由线路连通，其中中转节点也可作为始发节点和目的节点，所述物流路线是独立的，不同节点、不同物流对象间无关联，不同物流路线的流量监测可同步进行。其中所述物流路线中各节点间运输时间由运输距离和车辆速度决定，计算公式为：
Figure BDA0002498643930000031
Tij为从当前中转站i到下一中转站j所需的运输时间，Dij为两中转站间的欧式距离，V为车辆运输平均速度，N为物流网络中所有的中转站。
作为本发明进一步技术方案：所述步骤1.2中物流网络中各个中转站的时变容量阈值是指当前时刻下中转站所能处理的最大流量，是根据中转站当前时刻下正在处理的流量以及中转站所能处理的最大流量来确定的，计算公式为：
Figure BDA0002498643930000032
Cit为t时刻中转站i的时变容量阈值，Qi为中转站i所能处理的最大流量，Sit为中转站i在t时刻下正在处理的流量,N为物流网络中所有的中转站。
作为本发明进一步技术方案：所述步骤1.3中物流对象在当前时刻到达中转站，所需中转时间是等待时间与处理时间之和，处理时间则由中转站时变容量阈值和空闲中转站的流量处理效率决定的，计算公式为：
Figure BDA0002498643930000033
Figure BDA0002498643930000034
Figure BDA0002498643930000035
为物流对象t时刻经过中转站i的中转时间，
Figure BDA0002498643930000036
是物流对象t时刻到达中转站i时等待处理的时间，若t时刻到达中转站的实时流量小于中转站时变容量阈值，则
Figure BDA0002498643930000037
若t时刻到达中转站的实时流量大于中转站时变容量阈值，则
Figure BDA0002498643930000038
Figure BDA0002498643930000039
为物流对象t时刻在中转站i的处理时间，Qit为t时刻到达中转站i的对象流量，Ki为中转站i的流量处理效率。
作为本发明进一步技术方案：所述步骤1.4中实时更新物流对象在物流网络中的位置，更新时间为物流网络中的每一个物流对象到达中转站的时刻和离开中转站的时刻。在每次物流对象到达中转节点和离开中转节点时，更新整个物流网络的监测数据并上传至信息系统以物流网络实时更新的时刻和状态作为初始时刻和初始状态，根据物流路线中的节点顺序，预测物流对象到达下一节点的时刻和离开下一节点的时刻，具体包括：
Figure BDA00024986439300000310
Figure BDA00024986439300000311
Figure BDA0002498643930000041
为物流对象离开当前中转站i的时刻，Tij为从当前中转站i到下一中转站j所需的运输时间，
Figure BDA0002498643930000042
为物流对象到达下一中转站j的时刻，Tij为从当前中转站i到下一中转站j所需的运输时间，
Figure BDA0002498643930000043
为物流对象在中转站j的中转时间，
Figure BDA0002498643930000044
为物流对象离开中转站j的时刻。
而物流网络中各节点的实时流量通过累加方式得到，若当前时刻物流对象正在节点中进行中转处理，则将该物流对象的流量纳入流量统计范围，若当前时刻物流对象还未到达节点或已离开节点，则不考虑其流量大小，由此确定当前时刻中转站分配流量以及中转站的预测分配流量；
作为本发明进一步技术方案：所述步骤1.5中当中转站当前时刻的流量超过设置的时变容量阈值，将中转站定义为繁忙中转站；当中转站当前时刻的流量低于设置的时变容量阈值，将中转站定义为空闲中转站。
作为本发明进一步技术方案：所述步骤1.6中当所述繁忙中转站的超出阈值流量之和小于空闲中转站的剩余容量之和，则认为繁忙中转站发生轻度爆仓，所述繁忙中转站生成轻度爆仓预警信息；当所述繁忙中转站的超出阈值流量之和大于空闲中转站的剩余容量之和，则认为繁忙中转站发生重度爆仓，所述繁忙中转站生成重度爆仓的预警信息。繁忙中转站超出阈值流量与空闲中转站剩余容量的计算公式为：
Figure BDA0002498643930000045
Figure BDA0002498643930000046
Ot为t时刻所有繁忙中转站超出阈值的流量之和，Pit为t时刻第i个繁忙中转站的分配流量，Cit为t时刻繁忙中转站i的时变容量阈值，Lt为t时刻所有空闲中转站的剩余容量之和，Pjt为t时刻第j个空闲中转站的预分配流量,NO为物流网络中所有的繁忙中转站，Cjt为t时刻空闲中转站j的时变容量阈值，NL为物流网络中所有的空闲中转站。
作为本发明进一步技术方案：所述步骤1.7中轻度爆仓时将繁忙中转站超出阈值的流量之和按优先级顺序分配给所有空闲中转站，调控具体包括如下步骤：
步骤1.7.1：对所有繁忙中转站的超出阈值流量的大小进行优先级排序，繁忙中转站超出阈值流量越大，优先级越高。
步骤1.7.2：对于每一个繁忙中转站，对其到物流网络中各个空闲中转站的欧式距离进行优先级排序，距离越小，优先级越高。计算每一个繁忙中转站到物流网络中各个空闲中转站的欧式距离，计算公式为：
Figure BDA0002498643930000051
(χi，yi)为第i个繁忙中转站的平面坐标，(χj，yj)为第j个空闲中转站的平面坐标。
步骤1.7.3：按繁忙中转站的优先级依次选取繁忙中转站，对每个繁忙中转站，按空闲中转站的优先级依次选取空闲中转站满足该繁忙中转站的超出阈值流量分配需求，直至将所有繁忙中转站超出阈值的流量之和分配结束。
作为本发明进一步技术方案：所述步骤1.8中重度爆仓时将繁忙中转站超出阈值的流量之和按优先级顺序分配给所有空闲中转站，调控具体包括如下步骤：
步骤1.8.1：对所有繁忙中转站的超出阈值流量的大小进行优先级排序，繁忙中转站超出阈值流量越大，优先级越高，每个繁忙中转站的超出容量阈值的流量为：
Oit＝Pit-Cit
其中Oit为第i个繁忙中转站在t时刻超出容量阈值的流量。
步骤1.8.2：对于每一个繁忙中转站，对其到物流网络中各个空闲中转站的欧式距离进行优先级排序，距离越小，优先级越高。每一个繁忙中转站到各个空闲中转站的距离可表示为：
Figure BDA0002498643930000052
其中(xi，yi)为第i个繁忙中转站的平面坐标，(xj，yj)为第j个空闲中转站的平面坐标，dij为第i个繁忙中转站到第j个空闲中转站的距离。
步骤1.8.3：优先选取繁忙中转站组中超出阈值流量最大的中转站来分配流量给周围最近的空闲中转站，按繁忙中转站的优先级依次选取繁忙中转站，对每个繁忙中转站，按空闲中转站的优先级依次选取空闲中转站满足该繁忙中转站的超出阈值流量分配需求，直至将所有空闲中转站剩余容量分配完结束；
步骤1.8.4：对于剩下的未分配流量的每一个繁忙中转站，按条件选取可继续配送的空闲中转站，具体为对于剩下的未分配流量的所有繁忙中转站，继续按照繁忙中转站的优先级依次选取繁忙中转站，对每个繁忙中转站，将超出阈值流量分配至选择的空闲中转站，直至无可继续配送的空闲中转站。对于剩下的未分配流量的每一个繁忙中转站，按条件选取可继续配送的空闲中转站，条件为：
Figure BDA0002498643930000061
Figure BDA0002498643930000062
Oit为t时刻繁忙中转站i的超出阈值流量，Cjt为t时刻空闲中转站j的时变容量阈值，Wttaj为t时刻下预测ta时间后物流网络中即将分配到空闲中转站j的流量，Kj为空闲中转站j的流量处理效率，tij为繁忙中转站i到可继续配送的空闲中转站j的时间，dij为繁忙中转站i到可继续配送的空闲中转站j的欧式距离，V为车辆运输平均速度。
本申请所提供的技术方案，首先，设置每条物流路线上物流对象的始发时刻，所述始发时刻用于确定物流网络的初始状态；获取物流网络的信息，包括各节点间距离、各中转节点的容量限制和中转处理能力；基于物流网络中的运输路线，确定物流对象于中转站间所需的运输时间；根据中转站最大处理流量和当前处理流量大小，确定时变容量阈值，得到物流对象在中转站的中转时间；当物流对象到达中转节点时，实时更新物流对象在物流网络中的位置，根据运输时间和中转时间，确定当前时刻中转站分配流量以及中转站的预测分配流量；比较中转站的预测流量与设置的时效数据阈值大小，划分繁忙中转站和空闲中转站；并且在所有繁忙中转站的超出流量小于所有空闲中转站的剩余容量，生成轻度爆仓的预警信息，若所有繁忙中转站的超出流量大于所有空闲中转站的剩余容量，生成重度爆仓的预警信息，可以让用户或者物流网络提供商提前了解物流网络的时效情况，从而对物流中转站流量分配进行调整；若生成轻度爆仓预警信息，将繁忙中转站超出阈值的流量之和按优先级顺序分配给所有空闲中转站。若生成重度爆仓预警信息，先将繁忙中转站超出阈值的流量之和按优先级顺序分配给所有空闲中转站，后将剩余繁忙中转站超出阈值的流量按一定条件选取可继续配送的空闲中转站。物流管理人员可通过实时监控的方法获得物流对象时效数据和各个中转站实时状态以及预分配流量，用实时控制的方法来判定各个中转站的状况并协调中转站之间的流量，方便对调控线路进行选择，从而有效提高物流网络效率。
附图说明
图1为本发明物流网络流量实时监控方法的物流网络实时监控方法流程图；
图2为本发明物流网络流量实时监控方法中物流网络的结构图；
图3为本发明物流网络流量实时监控方法中物流对象的中转流程；
图4为本发明物流网络流量实时监控方法中物流信息系统的信息传输过程图；
图5为本发明物流网络流量实时监控方法中物流网络调控基本结构图；
图6为本发明物流网络流量实时监控方法中轻度爆仓流量调控流程图；
图7为本发明物流网络流量实时监控方法中重度爆仓流量调控流程图。
具体实施方式
物流网络实时监控的方法是对物流网络流量实施监测和控制的过程；
基于以上的架构，本发明提供了一种物流网络流量监控的方法，图1是该方法的流程图。由图1所示，本发明提供的方法，包括：
步骤1.1：基于物流网络中的运输路线，确定物流对象于中转站间所需的运输时间；
在该步骤中，物流路线不限定于物流网络中的一条路线，车辆的运行状态为每次数据更新时获取的车辆运行速度，根据速度V、路程D、时间T的关系式计算得到到达下一节点的预计运输时间。图2为物流网络的基本结构，物流网络中包括始发节点、中转节点和目的节点，各节点由线路连通，其中中转节点也可作为始发节点和目的节点。始发节点和目的节点是相对而言的，对于不同方向的物流路线，始发节点和终止节点可以互换。图2中的各节点根据运输要求可以组成多条不同的物流路线，每条物流路线包括始发节点、至少一个中转节点和目的节点。例如，节点A-D可以视作一条物流路线，包括始发节点A、中转节点B、C和目的节点。
步骤1.2：设置物流网络中各个中转站的时变容量阈值；
在该步骤中，如图3所示，物流网络中各个中转站的时变容量阈值是指当前时刻下中转站所能处理的最大流量，即为中转站所能处理的最大流量与中转站当前时刻正在处理的流量的差值。
一个中转站所能处理的最大流量是由中转站的特性所决定的，不同区位所建立的中转站仓库的大小和人力资源不一样，假设A市中转站所能处理的最大流量为50，而B市中转站所能处理的最大流量为20，说明A市中转站基础设施或人力资源等方面强于B市中转站。
一个中转站在某个时刻下正在处理的流量是可以通过扫描物流对象的运单号进行监控获得。例如A市中转站的快递员在2019年10月7日晚上7点扫描到750件货物入仓。
基于以上物流信息的确定，设定每个中转站时效容量阈值。
在物流网络中，物流对象的移动是持续发生的，每时每分都会有物流对象到达和离开节点，因此物流网络中物流对象的流量信息不断更新，每次更新时都会产生物流对象的位置信息，将实时位置作为初始参数进行预测。
具体而言，整个物流网络以时刻线作为流量统计的依据，对一个物流对象的数据更新和预测是根据各物流环节所需时间，对一个物流网络的数据更新和预测是根据当前时刻的网络运行状态和预测周期。
步骤1.3：根据中转站当前处理流量大小，确定物流对象在中转站的中转时间。针对单个物流对象，已知其物流路线、始发时刻和运行速度，可按流程，通过时间累加的方式，预测未来时刻物流对象的位置。
例如，物流对象a在T0时刻从始发节点A出发，根据其物流路线，第一个目标节点是中转节点B，网络中节点A与节点B之间的距离DAB已知，根据对象a的平均运行速度V可知其从节点A移动到节点B所需的时间
Figure BDA0002498643930000081
由此可预测物流对象a会在TB＝T0+TAB时刻到达中转节点B；物流对象a到达中转节点B的实际时刻为
Figure BDA0002498643930000082
更新
Figure BDA0002498643930000083
时刻网络中各物流对象的实际位置，统计此时中转节点B的实际流量大小，同时可得知节点B此时的时变容量阈值CB，若物流对象a的流量Qa大于CB，则中转节点B会发生爆仓，需增加等待时间
Figure BDA0002498643930000084
若Qa小于CB，则物流对象a可正常中转处理，不考虑等待时间，中转时间为
Figure BDA0002498643930000085
此处
Figure BDA0002498643930000086
的计算式仅表示一种比例关系，流量处理效率KB固定，当流量Qa较大时，物流对象a的中转处理时间较长，当流量Qa较小时，物流对象a的中转处理时间较短，由此可预测物流对象a会在
Figure BDA0002498643930000087
时刻离开中转节点B；从物流对象a离开节点B的实际时刻
Figure BDA0002498643930000088
开始的预测与T0时刻开始的预测同理。
步骤1.4：实时更新物流对象在物流网络中的位置，确定当前时刻中转站分配流量以及中转站的预测分配流量。即针对整个物流网络，已知当前时刻，每个物流对象的物流路线、实时位置，可按流程，通过流量累加的方式，预测未来时刻中转节点的运行状态。物流网络服务商通过信息系统进行数据交换，如图4所示，根据信息系统中已有的物流对象运输信息(包括物流路线、始发时刻等)监测物流对象的移动过程，在每次物流对象到达中转节点和离开中转节点时，更新整个物流网络的监测数据并上传至信息系统。
例如，物流对象a、b、c分别在t1、t2、t3时刻从节点C、D、E出发，目标节点都是中转节点F，若想获得t4时刻节点F的运行状态，可根据上述针对单个物流对象的预测方法，预估t4时刻对象a、b、c在物流网络中的位置，若对象a还未到达节点F，对象b正在节点F内进行中转处理，对象c已离开节点F，则只有对象b被纳入节点F的流量统计中，其他物流对象、物流节点的流量统计同理。
当然繁忙中转站和空闲中转站的物流流量调控路线方向是不可对调的，繁忙中转站在一次调控无法解决爆仓问题，意味着需要二次调控，这说明一个繁忙中转站可能对接多个空闲中转站。而若一个空闲中转站在一次调控中接收流量后还有剩余容量，可进行二次调控接收容量，这说明一个空闲中转站可能接收多个繁忙中转站的流量。例如繁忙中转站A超出阈值流量为40，空闲中转站D剩余容量为20，空闲中转站E剩余容量为20，假设,繁忙中转站A被优先安排分配流量给空闲中转站D，那么繁忙中转站A还剩20的流量二次分配给空闲中转站E，那么繁忙中转站A对接空闲中转站D和E。例如繁忙中转站A超出阈值流量为30，繁忙中转站B超出阈值流量为10，空闲中转站D剩余容量为40，假设繁忙中转站A被优先安排分配流量给空闲中转站D，繁忙中转站B在繁忙中转站A被安排后立马被安排分配流量给空闲中转站D，这样繁忙中转站A和B对接空闲中转站D。
物流网络供应商，通常可以通过扫描物流对象(例如，包裹)的运单号监控该中转节点的实时处理流量、时间信息等，例如接收时间、发送时间等。
步骤1.5：比较中转站的预测流量与设置的时效数据阈值大小，划分繁忙中转站和空闲中转站；
在该步骤中，处理对象为系统中每个中转站，判定目的，是为了确定每条调控路线的起点和终点，为设计调控路线做铺垫。
判定中转站当前状况时，在某一时刻，当中转站的预测流量超过设置的时变容量阈值，将中转站定义为繁忙中转站；当中转站的预测流量低于设置的时变容量阈值，将中转站定义为空闲中转站。
例如A市有一个中转站，假定它在2019年10月7日晚上9点的预测流量为80，而它在该时刻的容量阈值为50，那么A市的中转站为在2019年10月7日晚上9点时刻为繁忙中转站。
例如B市有一个中转站，假定它在2019年10月7日晚上9点的预测流量为50，而它在该时刻的容量阈值为80，那么B市的中转站在2019年10月7日晚上9点时刻为空闲中转站。
步骤1.6：比较所有繁忙中转站的超出容量与所有空闲中转站的剩余容量大小，划分轻度爆仓和重度爆仓；
在该步骤中，是基于整个系统的中转站来进行的，所有繁忙中转站的超出容量可以表示为
Figure BDA0002498643930000101
所有空闲中转站的剩余容量可以表示为
Figure BDA0002498643930000102
其中Ot为t时刻所有繁忙中转站超出阈值的流量之和，Pit为t时刻第i个繁忙中转站的预分配流量，Cit为t时刻繁忙中转站i的时变容量阈值，Lt为t时刻所有空闲中转站的剩余容量之和，Pjt为t时刻第j个空闲中转站的预分配流量,NO为物流网络中所有的繁忙中转站，Cjt为t时刻空闲中转站j的时变容量阈值，NL为物流网络中所有的空闲中转站。
当所述繁忙中转站的超出阈值流量之和小于空闲中转站的剩余容量之和，则认为繁忙中转站发生轻度爆仓，所述繁忙中转站生成轻度爆仓预警信息；当所述繁忙中转站的超出阈值流量之和大于空闲中转站的剩余容量之和，则认为繁忙中转站发生重度爆仓，所述繁忙中转站生成重度爆仓的预警信息。图5是物流网络调控的一种基本结构，如图5所示，物流网络中有六个中转站，六个中转站可以是不同市区的物流中转站，红色为繁忙中转站，蓝色为空闲中转站，对于整个物流网络来说，它们都是中转节点。但从调控的角度来看，我们在这些中转节点进一步细化成繁忙中转站和空闲中转站去调控，例如图5中的节点A到F，这些节点根据该节点预测流量和时效容量阈值，可以被划分为繁忙中转站和空闲中转站，该物流网络的调控路线不止一条。例如节点A、B、C都为繁忙中转站，D、E、F都为空闲中转站，A-D或A-E或A-F都是调控路线
下面结合一个具体实例对本申请实例中所涉及Qt,Lt的计算进行说明：
假设A、B、C市的中转站为繁忙中转站，在t时刻预分配流量分别为a、b、c，容量阈值为m1、m2、m3，D、E、F市的中转站为空闲中转站，在t时刻预分配流量分别为d、e、f，容量阈值为m4、m5、m6。
所有繁忙中转站在t时刻的超出容量表示为Ot＝(a-m1)+(b-m2)+(c-m3)，所有空闲中转站在t时刻的剩余容量可以表示为Lt＝(d-m4)+(e-m5)+(f-m6)。
整个系统中若Ot＞Lt、Ot＞Lt，生成重度爆仓预警信息发送给系统，若Ot<Lt，生成轻度爆仓预警信息发送给系统。假定上面实例中所有的繁忙中转站A、B、C在t时刻超出容量为50，所有空闲中转站D、E、F在t时刻剩余容量为30，那么整个系统生成重度爆仓预警信息。
步骤1.7：针对轻度爆仓，将繁忙中转站超出阈值的流量之和按优先级顺序分配给所有空闲中转站；
在此步骤中，为了综合繁忙中转站繁忙程度和繁忙中转站到空闲中转站之间的距离因素，来缓解繁忙中转站的繁忙以及实现流量在中转站中高效率利用。图6为轻度爆仓的调控方法的流程，可以详细描述为：
步骤1.7.1：对所有繁忙中转站的超出容量阈值的流量大小进行优先级排序，繁忙中转站超出容量阈值的流量越大，优先级越高，每个繁忙中转站的超出容量阈值的流量为Oit＝Pit-Cit，其中Oit为第i个繁忙中转站在t时刻超出容量阈值的流量。
步骤1.7.2：对每一个繁忙中转站到物流网络中各个空闲中转站的欧式距离进行优先级排序，距离越小，优先级越高，每一个繁忙中转站到各个空闲中转站的距离可表示为
Figure BDA0002498643930000111
Figure BDA0002498643930000112
其中(xi，yi)为第i个繁忙中转站的平面坐标，(xj，yj)为第j个空闲中转站的平面坐标，dij为第i个繁忙中转站到第j个空闲中转站的距离。
步骤1.7.3：按繁忙中转站的优先级依次选取繁忙中转站，按其到空闲中转站距离的优先级依次选取空闲中转站满足该繁忙中转站的超出阈值流量分配需求，直至将所有繁忙中转站超出阈值的流量之和分配完，分配结束。
下面结合一个实例对轻度爆仓调控的流程进行说明：
假设A、B为两个繁忙中转站，它们在t时刻的预设流量分别为a、b，容量阈值分别为m1、m2，它们的平面坐标分别为(x1，y1)、(x2，y2)，D、E为两个空闲中转站，它们在t时刻的预设流量分别为d、e，容量阈值分别为m3、m4，它们的平面坐标分别为(x3，y3)、(x4，y4)。
我们分别计算出A、B两个繁忙中转站超出容量阈值的流量大小分别为OAt＝a-m1、OBt＝b-m2以及空闲中转站D、E空闲流量为LDt＝d-m3、LEt＝d-m4。然后比较OAt和OBt的大小来判定优先选择繁忙中转站A还是B进行流量调控，假定繁忙中转站A超出容量阈值的流量大于繁忙中转站B超出容量阈值。
我们分别计算出繁忙中转站A和B分别到空闲中转站D和E的距离为
Figure BDA0002498643930000113
Figure BDA0002498643930000114
Figure BDA0002498643930000115
然后比较dAD和dAE的大小以及dBD和dBE的大小，假定繁忙中转站A到空闲中转站D的距离小于繁忙中转站A到空闲中转站E的距离。
先对繁忙中转站A进行调控，选择距离繁忙中转站A最近的空闲中转站D进行分配流量，若OAt<ODt,则继续对繁忙中转站B进行调控，选择距离其最近的空闲中转站进行流量分配，否则继续对繁忙中转站A进行流量二次调控，继续选择距离其最近的空闲中转站进行流量分配。
步骤1.8：针对重度爆仓，先将繁忙中转站超出阈值的流量之和按优先级顺序分配给所有空闲中转站，后将剩余繁忙中转站超出阈值的流量按优先级分配在路径上。
在此步骤中，存在繁重中转站中有多余的流量无法分配给系统其它的空闲中转站的情况，便把这超出系统能分配的部分安排在运输的路上，图7为重度爆仓调控的流程图，重度爆仓的调控方法，可详细描述为：
步骤1.8.1：对所有繁忙中转站的超出容量阈值的流量大小进行优先级排序，繁忙中转站超出容量阈值的流量越大，优先级越高，每个繁忙中转站的超出容量阈值的流量为Oit＝Pit-Cit，其中Oit为第i个繁忙中转站在t时刻超出容量阈值的流量。
步骤1.8.2：对于每一个繁忙中转站，对其到物流网络中各个空闲中转站的欧式距离进行优先级排序，距离越小，优先级越高，每一个繁忙中转站到各个空闲中转站的距离可表示为
Figure BDA0002498643930000121
其中(xi,yi)为第i个繁忙中转站的平面坐标，(χj，yj)为第j个空闲中转站的平面坐标，dij为第i个繁忙中转站到第j个空闲中转站的距离。
步骤1.8.3：按繁忙中转站的优先级依次选取繁忙中转站，对于每个繁忙中转站选择流量分配对象，按其到空闲中转站的优先级依次选取空闲中转站满足该繁忙中转站的超出阈值流量分配需求，直至将所有空闲中转站空闲流量被安排完为止。
步骤1.8.4：对于剩下的未分配流量的每一个繁忙中转站，按条件选取可继续配送的空闲中转站，条件为：
Figure BDA0002498643930000122
其中Oit为t时刻繁忙中转站i的超出阈值流量，Cjt为t时刻空闲中转站j的时变容量阈值，
Figure BDA0002498643930000123
为t时刻下预测ta时间后物流网络中即将分配到空闲中转站j的流量，Kj为空闲中转站j的流量处理效率，tij为繁忙中转站i到可继续配送的空闲中转站j的时间，dij为繁忙中转站i到可继续配送的空闲中转站j的欧式距离，V为车辆运输平均速度，若有多个空闲中转站满足以上要求，我们优先选择距离需调控流量的繁忙中转站最近的那一个，这样我们便实现把超出系统的流量安排在路上。
下面结合一个实例对重度爆仓调控的流程进行说明：
假设A、B为两个繁忙中转站，它们在t时刻的预设流量分别为a、b，容量阈值分别为m1、m2，它们的平面坐标分别为(x1，y1)、(x2，y2)，D、E为两个空闲中转站，它们在t时刻的预设流量分别为d、e，容量阈值分别为m3、m4，它们的平面坐标分别为(x3，y3)、(x4，y4)。
我们分别计算出A、B两个繁忙中转站超出容量阈值的流量大小分别为OAt＝a-m1、OBt＝b-m2以及空闲中转站D、E空闲流量为LDt＝d-m3、LEt＝d-m4。然后比较OAt和OBt的大小来判定优先选择繁忙中转站A还是B进行流量调控，假定繁忙中转站A超出容量阈值的流量大于繁忙中转站B超出容量阈值。
我们分别计算出繁忙中转站A和B分别到空闲中转站D和E的距离为
Figure BDA0002498643930000131
Figure BDA0002498643930000132
Figure BDA0002498643930000133
然后比较dAD和dAE的大小以及dBD和dBE的大小，假定繁忙中转站A到空闲中转站D的距离小于繁忙中转站A到空闲中转站E的距离。
先对繁忙中转站A进行调控，选择距离繁忙中转站A最近的空闲中转站D进行分配流量，若OAt<ODt,则继续对繁忙中转站B进行调控，选择距离其最近的空闲中转站进行流量分配，否则继续对繁忙中转站A进行流量二次调控，继续选择距离其最近的空闲中转站进行流量分配，直到没有多余的空闲中转站可以来接收流量为止。
假定繁忙中转站B分配完后t1还存在超出容量阈值的流量OBt1，从繁忙中转站运输到空闲中转站的平均速度为v，分别计算繁忙中转站B到空闲中转站D、E的时间分别为：
Figure BDA0002498643930000134
分别判定空闲中转站D、E是否满足：
Figure BDA0002498643930000135
若只有一个满足，则选择满足的空闲中转站作为繁忙中转站传输流量的对象，若两个都满足的话，选择距离繁忙中转站B最近的空闲中转站。

Claims (1)

1.一种物流网络流量实时监控方法，其特征在于，包括如下步骤：
步骤1.1：基于物流网络中的运输路线，确定物流对象于中转站间所需的运输时间；
步骤1.2：设置物流网络中各个中转站的时变容量阈值；
步骤1.3：根据中转站当前处理流量大小，确定物流对象在中转站的中转时间；
步骤1.4：实时更新物流对象在物流网络中的位置，确定当前时刻中转站分配流量以及中转站的预测分配流量；
步骤1.5：比较当前时刻中转站的分配流量与设置的时变容量阈值大小，将物流网络中的中转站划分为繁忙中转站和空闲中转站；
步骤1.6：比较繁忙中转站的超出流量之和与空闲中转站的剩余容量之和，将繁忙中转站定义为轻度爆仓和重度爆仓；
步骤1.7：轻度爆仓时将繁忙中转站超出阈值的流量之和按优先级顺序分配给所有空闲中转站；
步骤1.8：重度爆仓时先将繁忙中转站超出阈值的流量之和按优先级顺序分配给所有空闲中转站，后将剩余繁忙中转站超出阈值的流量按一定条件选取可继续配送的空闲中转站；
步骤1.1中物流网络的限定条件如下：
物流网络包括至少一条相互独立的物流路线，每条所述物流路线包括起始节点、终止节点以及至少一个中转节点。各节点由线路连通，中转节点也可作为始发节点和目的节点，计算公式为：
Figure FDA0002498643920000011
Tij为从当前中转站i到下一中转站j所需的运输时间，Dij为两中转站间的欧式距离，V为车辆运输平均速度，N为物流网络中所有的中转站；
步骤1.2中各个中转站的时变容量阈值的定义具体如下：
物流网络中各个中转站的时变容量阈值是指当前时刻下中转站所能处理的最大流量，是根据中转站当前时刻下正在处理的流量以及中转站所能处理的最大流量来确定的，计算公式为：
Figure FDA0002498643920000021
Cit为t时刻中转站i的时变容量阈值，Qi为中转站i所能处理的最大流量，Sit为中转站i在t时刻下正在处理的流量,N为物流网络中所有的中转站；
步骤1.3中物流对象的中转时间依如下计算：
物流对象在当前时刻到达中转站，所需中转时间是等待时间与处理时间之和，处理时间则由中转站时变容量阈值和空闲中转站的流量处理效率决定的，计算公式为：
Figure FDA0002498643920000022
Figure FDA0002498643920000023
Figure FDA0002498643920000024
为物流对象t时刻经过中转站i的中转时间，
Figure FDA0002498643920000025
是物流对象t时刻到达中转站i时等待处理的时间，若t时刻到达中转站的实时流量小于中转站时变容量阈值，则
Figure FDA0002498643920000026
若t时刻到达中转站的实时流量大于中转站时变容量阈值，则
Figure FDA0002498643920000027
Figure FDA0002498643920000028
为物流对象t时刻在中转站i的处理时间，Qit为t时刻到达中转站i的对象流量，Ki为中转站i的流量处理效率；
步骤1.4中更新物流对象在物流网络中的位置体现在对时刻的更新，具体表现为：
实时更新物流对象在物流网络中的位置，更新时间为物流网络中的每一个物流对象到达中转站的时刻和离开中转站的时刻。根据物流路线中的节点顺序，预测物流对象到达下一节点的时刻和离开下一节点的时刻，具体包括：
Figure FDA0002498643920000029
Figure FDA00024986439200000210
Figure FDA00024986439200000211
为物流对象离开当前中转站i的时刻，Tij为从当前中转站i到下一中转站j所需的运输时间，
Figure FDA00024986439200000212
为物流对象到达下一中转站j的时刻，Tij为从当前中转站i到下一中转站j所需的运输时间，
Figure FDA00024986439200000213
为物流对象在中转站j的中转时间，
Figure FDA00024986439200000214
为物流对象离开中转站j的时刻；
而物流网络中各节点的实时流量通过累加方式得到，若当前时刻物流对象正在节点中进行中转处理，则将该物流对象的流量纳入流量统计范围，若当前时刻物流对象还未到达节点或已离开节点，则不考虑其流量大小，由此确定当前时刻中转站分配流量以及中转站的预测分配流量；
步骤1.5中对中转站进行划分的条件，具体为：
当中转站当前时刻的流量超过设置的时变容量阈值，将中转站定义为繁忙中转站；当中转站当前时刻的流量低于设置的时变容量阈值，将中转站定义为空闲中转站；
步骤1.6中对物流网络中中转站产生预警信息的条件具体为：
当所述繁忙中转站的超出阈值流量之和小于空闲中转站的剩余容量之和，则认为繁忙中转站发生轻度爆仓，所述繁忙中转站生成轻度爆仓预警信息；当所述繁忙中转站的超出阈值流量之和大于空闲中转站的剩余容量之和，则认为繁忙中转站发生重度爆仓，所述繁忙中转站生成重度爆仓的预警信息。所述繁忙中转站超出阈值流量与空闲中转站剩余容量的计算公式为：
Figure FDA0002498643920000031
Figure FDA0002498643920000032
Ot为t时刻所有繁忙中转站超出阈值的流量之和，Pit为t时刻第i个繁忙中转站的分配流量，Cit为t时刻繁忙中转站i的时变容量阈值，Lt为t时刻所有空闲中转站的剩余容量之和，Pjt为t时刻第j个空闲中转站的预分配流量,NO为物流网络中所有的繁忙中转站，Cjt为t时刻空闲中转站j的时变容量阈值，NL为物流网络中所有的空闲中转站；
步骤1.7中轻度爆仓时将繁忙中转站超出阈值的流量之和按优先级顺序分配给所有空闲中转站，调控包括如下步骤：
步骤1.7.1：对所有繁忙中转站的超出阈值流量的大小进行优先级排序，繁忙中转站超出阈值流量越大，优先级越高；
步骤1.7.2：对于每一个繁忙中转站，对其到物流网络中各个空闲中转站的欧式距离进行优先级排序，距离越小，优先级越高。计算每一个繁忙中转站到物流网络中各个空闲中转站的欧式距离，计算公式为：
Figure FDA0002498643920000041
(χi，yi)为第i个繁忙中转站的平面坐标，(χj，yj)为第j个空闲中转站的平面坐标；
步骤1.7.3：按繁忙中转站的优先级依次选取繁忙中转站，对每个繁忙中转站，按空闲中转站的优先级依次选取空闲中转站满足该繁忙中转站的超出阈值流量分配需求，直至将所有繁忙中转站超出阈值的流量之和分配结束；
步骤1.8中重度爆仓时将繁忙中转站超出阈值的流量之和按优先级顺序分配给所有空闲中转站，调控包括如下步骤：
步骤1.8.1：对所有繁忙中转站的超出阈值流量的大小进行优先级排序，繁忙中转站超出阈值流量越大，优先级越高，每个繁忙中转站的超出容量阈值的流量为：
Oit＝Pit-Cit
其中Oit为第i个繁忙中转站在t时刻超出容量阈值的流量；
步骤1.8.2：对于每一个繁忙中转站，对其到物流网络中各个空闲中转站的欧式距离进行优先级排序，距离越小，优先级越高。每一个繁忙中转站到各个空闲中转站的距离可表示为：
Figure FDA0002498643920000042
其中(xi，yi)为第i个繁忙中转站的平面坐标，(xj，yj)为第j个空闲中转站的平面坐标，dij为第i个繁忙中转站到第j个空闲中转站的距离；
步骤1.8.3：优先选取繁忙中转站组中超出阈值流量最大的中转站来分配流量给周围最近的空闲中转站，按繁忙中转站的优先级依次选取繁忙中转站，对每个繁忙中转站，按空闲中转站的优先级依次选取空闲中转站满足该繁忙中转站的超出阈值流量分配需求，直至将所有空闲中转站剩余容量分配完结束；
步骤1.8.4：对于剩下的未分配流量的每一个繁忙中转站，按条件选取可继续配送的空闲中转站，具体为对于剩下的未分配流量的所有繁忙中转站，继续按照繁忙中转站的优先级依次选取繁忙中转站，对每个繁忙中转站，将超出阈值流量分配至选择的空闲中转站，直至无可继续配送的空闲中转站。对于剩下的未分配流量的每一个繁忙中转站，按条件选取可继续配送的空闲中转站，条件为：
Figure FDA0002498643920000051
Figure FDA0002498643920000052
Oit为t时刻繁忙中转站i的超出阈值流量，Cjt为t时刻空闲中转站j的时变容量阈值，
Figure FDA0002498643920000053
为t时刻下预测ta时间后物流网络中即将分配到空闲中转站j的流量，Kj为空闲中转站j的流量处理效率，tij为繁忙中转站i到可继续配送的空闲中转站j的时间，dij为繁忙中转站i到可继续配送的空闲中转站j的欧式距离，V为车辆运输平均速度。
CN202010425885.5A 2020-05-19 2020-05-19 一种物流网络流量实时监控方法 Active CN111612396B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010425885.5A CN111612396B (zh) 2020-05-19 2020-05-19 一种物流网络流量实时监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010425885.5A CN111612396B (zh) 2020-05-19 2020-05-19 一种物流网络流量实时监控方法

Publications (2)

Publication Number Publication Date
CN111612396A true CN111612396A (zh) 2020-09-01
CN111612396B CN111612396B (zh) 2023-09-22

Family

ID=72202088

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010425885.5A Active CN111612396B (zh) 2020-05-19 2020-05-19 一种物流网络流量实时监控方法

Country Status (1)

Country Link
CN (1) CN111612396B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112184115A (zh) * 2020-09-28 2021-01-05 上海寻梦信息技术有限公司 物流预警方法、物流推荐方法、装置及相关设备
CN112819415A (zh) * 2021-02-26 2021-05-18 山东工业职业学院 一种物流多仓网络互通和监控方法
CN112929903A (zh) * 2021-01-26 2021-06-08 中国联合网络通信集团有限公司 一种确定方法和设备
CN113743852A (zh) * 2020-10-30 2021-12-03 北京京东振世信息技术有限公司 一种路由方法及装置、设备、存储介质
CN115310916A (zh) * 2022-10-10 2022-11-08 深圳四通仓储物流有限公司 一种物流供应链状态的显示方法和显示系统
CN115582275A (zh) * 2022-10-20 2023-01-10 江阴百盛电气控制有限公司 自动物流智能分拣控制系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7808897B1 (en) * 2005-03-01 2010-10-05 International Business Machines Corporation Fast network security utilizing intrusion prevention systems
CN107346988A (zh) * 2017-06-20 2017-11-14 大连大学 一种基于低轨卫星网络的容迟/容断网络路由计算方法
CN108762903A (zh) * 2018-05-23 2018-11-06 四川斐讯信息技术有限公司 一种面向海量工作节点的抢占式任务调度方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7808897B1 (en) * 2005-03-01 2010-10-05 International Business Machines Corporation Fast network security utilizing intrusion prevention systems
CN107346988A (zh) * 2017-06-20 2017-11-14 大连大学 一种基于低轨卫星网络的容迟/容断网络路由计算方法
CN108762903A (zh) * 2018-05-23 2018-11-06 四川斐讯信息技术有限公司 一种面向海量工作节点的抢占式任务调度方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
GUO-LING JIA等: "Urban Transit Network Properties Evaluation and Optimization Based on Complex Network Theory", 《SUSTAINABILITY》, vol. 11, no. 7, pages 1 - 16 *
SOSOＲJAV NARANTSATSRAL等: "基于轴辐式网络的蒙古国矿物跨境物流网络优化", 《武汉理工大学学报( 信息与管理工程版)》, vol. 41, no. 6, pages 586 - 591 *
黄建华等: "基于时间阈值的多标准快递超网络优化方法", 《系统工程理论与实践》, vol. 30, no. 12, pages 2129 - 2136 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112184115A (zh) * 2020-09-28 2021-01-05 上海寻梦信息技术有限公司 物流预警方法、物流推荐方法、装置及相关设备
CN112184115B (zh) * 2020-09-28 2024-04-16 上海寻梦信息技术有限公司 物流预警方法、物流推荐方法、装置及相关设备
CN113743852A (zh) * 2020-10-30 2021-12-03 北京京东振世信息技术有限公司 一种路由方法及装置、设备、存储介质
CN112929903A (zh) * 2021-01-26 2021-06-08 中国联合网络通信集团有限公司 一种确定方法和设备
CN112929903B (zh) * 2021-01-26 2022-12-23 中国联合网络通信集团有限公司 一种确定方法和设备
CN112819415A (zh) * 2021-02-26 2021-05-18 山东工业职业学院 一种物流多仓网络互通和监控方法
CN115310916A (zh) * 2022-10-10 2022-11-08 深圳四通仓储物流有限公司 一种物流供应链状态的显示方法和显示系统
CN115582275A (zh) * 2022-10-20 2023-01-10 江阴百盛电气控制有限公司 自动物流智能分拣控制系统
CN115582275B (zh) * 2022-10-20 2023-03-10 江阴百盛电气控制有限公司 自动物流智能分拣控制系统

Also Published As

Publication number Publication date
CN111612396B (zh) 2023-09-22

Similar Documents

Publication Publication Date Title
CN111612396A (zh) 一种物流网络流量实时监控方法
AU2016384096B2 (en) Method and device for returning robots from site
Wallar et al. Vehicle rebalancing for mobility-on-demand systems with ride-sharing
Kim et al. A look-ahead dispatching method for automated guided vehicles in automated port container terminals
US20130159208A1 (en) Shipper-oriented logistics base optimization system
Burinskiene et al. A simulation study for the sustainability and reduction of waste in warehouse logistics
CN110009272A (zh) 多策略并行的物流资源调度方法和相关装置
Le-Anh et al. Testing and classifying vehicle dispatching rules in three real-world settings
CN109598459B (zh) 物流配送方法和装置以及计算机可读存储介质
WO2018077031A1 (zh) 一种资源分配方法和相关装置
CN111105084B (zh) 物流信息处理方法、装置、设备及计算机存储介质
CN112581067B (zh) 一种仓库管理方法和系统
CN113487081B (zh) 一种基于物流追踪的路径优化方法
CN107704980B (zh) 一种面向处理新增快递取件需求的多智能体自主决策方法
CN111639854A (zh) 车辆分配方法、装置、电子设备和存储介质
KR20200134747A (ko) 컨테이너 터미널에서 복수 운송장비의 배차 전략 다원화를 위한 운영 관리 방법
CN115719193A (zh) 一种物联网的物流车辆调度规划系统
Kronmueller et al. On-demand grocery delivery from multiple local stores with autonomous robots
CN115187169A (zh) 基于协同路径规划的物流配送系统及方法
CN115062868B (zh) 一种预聚类的车辆配送路径规划方法和装置
CN110826752A (zh) 集合单分配方法和装置
CN113139774A (zh) 一种面向多仓库运输的车辆路径优化方法
TW202008239A (zh) 用於機器人場地回流的方法和裝置
Li et al. Coordinated control of multi-zone AVS/RS, conveyors and pick-up operations in warehouse system
Zheng et al. Research on express delivery vehicle route planning method for stochastic customer demand

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
GR01 Patent grant
GR01 Patent grant