CN111947676A - 快递路径规划方法、装置、电子设备以及存储介质 - Google Patents
快递路径规划方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN111947676A CN111947676A CN202010801197.4A CN202010801197A CN111947676A CN 111947676 A CN111947676 A CN 111947676A CN 202010801197 A CN202010801197 A CN 202010801197A CN 111947676 A CN111947676 A CN 111947676A
- Authority
- CN
- China
- Prior art keywords
- vertex
- path
- candidate
- express delivery
- depth
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Abstract
本发明提供一种快递路径规划方法、装置、电子设备以及存储介质,快递路径规划方法,包括:根据一有向图,搜索一起始顶点至一终止顶点之间所有的候选路径,所述有向图的顶点为运输网点,所述有向图的边为自一运输网点至另一运输网点的直发路径;根据路径优化目标,自所述起始顶点至所述终止顶点之间所有的候选路径中确定最优路径。本发明提供的方法及设备实现快递路径规划。
Description
技术领域
本发明涉及计算机应用领域,尤其涉及一种快递路径规划方法、装置、电子设备以及存储介质。
背景技术
目前,快递公司的运输路径,从揽收网点、一个或多个分拨网点到派发网点,通常通过人工来规划。然而人工规划路径的方式,不仅耗费人工成本,同时,也难以由人工确定最优路径。
由此,如何实现快递路径的自动规划,是本领域技术人员亟待解决的技术问题。
发明内容
本发明为了克服上述相关技术存在的缺陷,提供一种快递路径规划方法、装置、电子设备以及存储介质,进而实现快递路径的自动规划。
根据本发明的一个方面,提供一种快递路径规划方法,包括:
根据一有向图,搜索一起始顶点至一终止顶点之间所有的候选路径,所述有向图的顶点为运输网点,所述有向图的边为自一运输网点至另一运输网点的直发路径;
根据路径优化目标,自所述起始顶点至所述终止顶点之间所有的候选路径中确定最优路径。
在本发明的一些实施例中,所述一有向图,搜索一起始顶点至一终止顶点之间所有的候选路径之前包括:
构建所述有向图;以及
以邻接矩阵和/或邻接表储存所述有向图,所述邻接矩阵的行数及列数为所述有向图的顶点数量,所述邻接矩阵中的矩阵项AdjMatrix[i][j]的值表示存在自顶点vi至顶点vj的直发路径,所述邻接表储存所述有向图中每一顶点通过直发路径可达的顶点列表。
在本发明的一些实施例中,所述有向图以所述邻接矩阵和所述邻接表储存,所述邻接表基于所述邻接矩阵确定每一顶点通过直发路径可达的顶点形成的顶点列表。
在本发明的一些实施例中,所述根据一有向图,搜索一起始顶点至一终止顶点之间所有的候选路径包括:
根据所述有向图判断是否存在自所述起始顶点至所述终止顶点之间的直发路径;
若是,则将自所述起始顶点至所述终止顶点之间的直发路径作为自所述起始顶点至所述终止顶点之间的候选路径,并不再搜索自所述起始顶点至所述终止顶点之间的其它候选路径,使得自所述起始顶点至所述终止顶点之间的直发路径确定为自所述起始顶点至所述终止顶点之间的最优路径。
在本发明的一些实施例中,所述根据一有向图,搜索一起始顶点至一终止顶点之间所有的候选路径包括:
根据所述有向图,结合至少一约束条件以及深度优先搜索算法搜索一起始顶点至一终止顶点之间所有的候选路径。
在本发明的一些实施例中,所述根据所述有向图,结合至少一约束条件以及深度优先搜索算法搜索一起始顶点至一终止顶点之间所有的候选路径包括:
根据所述有向图获取所述起始顶点的直接后继顶点列表,所述直接后继顶点列表包括至少一所述起始顶点通过直发路径可达的顶点;
遍历所述直接后继顶点列表中的每一顶点,对每一顶点:
以当前顶点作为起点,递归执行深度优先搜索操作;
判断当前通过深度优先搜索的顶点是否为终止顶点;
若是,则根据所述约束条件判断是否将深度优先搜索至所述终止顶
点的路径确定为候选路径;
若否,则根据所述约束条件判断是否继续执行深度优先搜索。
在本发明的一些实施例中,所述约束条件包括如下约束条件中的一项或多项:
自所述起始顶点至当前通过深度优先搜索的顶点之间的路径上的顶点数量小于等于预定数量阈值;
自所述起始顶点至当前通过深度优先搜索的顶点之间的路径经历的总时间小于等于预定时效阈值。
在本发明的一些实施例中,所述约束条件包括还包括:
当前通过深度优先搜索的顶点具有一中转标识。
在本发明的一些实施例中,用于判断是否将深度优先搜索至所述终止顶点的路径确定为候选路径的约束条件还包括:
所述深度优先搜索至所述终止顶点的路径未被确定为候选路径
在本发明的一些实施例中,所述根据所述约束条件判断是否将深度优先搜索至所述终止顶点的路径确定为候选路径包括:
若满足所述约束条件,则将深度优先搜索至所述终止顶点的路径确定为候选路径;
若不满足所述约束条件,则自当前通过深度优先搜索的顶点开始沿原路径回溯,沿其它方向执行深度优先搜索;
所述根据所述约束条件判断是否继续执行深度优先搜索包括:
若满足所述约束条件,则基于当前通过深度优先搜索的顶点继续执行深度优先搜索;
若不满足所述约束条件,则自当前通过深度优先搜索的顶点开始沿原路径回溯,沿其它方向执行深度优先搜索。
在本发明的一些实施例中,所述直接后继顶点列表中各顶点具有一中转标识。
在本发明的一些实施例中,所述根据路径优化目标,自所述起始顶点至所述终止顶点之间所有的候选路径中确定最优路径包括:
按一所述路径优化目标,对自所述起始顶点至所述终止顶点之间所有的候选路径进行初始排序;
按至少一其它所述路径优化目标调整自所述起始顶点至所述终止顶点之间所有的候选路径的排序顺序;
根据经调整的排序顺序,将位于第一的候选路径作为最优路径。
在本发明的一些实施例中,用于初始排序的所述路径优化目标为时效优化目标。
在本发明的一些实施例中,所述按一所述路径优化目标,对自所述起始顶点至所述终止顶点之间所有的候选路径进行初始排序包括:
按路径经历的总时间由小至大,对自所述起始顶点至所述终止顶点之间所有的候选路径进行初始排序。
在本发明的一些实施例中,用于调整自所述起始顶点至所述终止顶点之间所有的候选路径的排序顺序的路径优化目标包括中转顶点数量优化目标和/或路径距离优化目标。
在本发明的一些实施例中,按至少一其它所述路径优化目标调整自所述起始顶点至所述终止顶点之间所有的候选路径的排序顺序包括:
判断所述初始排序中任意两个相邻候选路径经历的总时间的时间差是否小于最小时效阈值;
若是,则判断该两个候选路径中排序在后的候选路径中经过顶点数量是否少于排序在前的候选路径;
若是,则将该两个候选路径的排序位置交换。
在本发明的一些实施例中,若该两个候选路径中排序在后的候选路径中经过顶点数量不少于排序在前的候选路径,则判断该两个候选路径中排序在后的候选路径中经过顶点数量是否等于排序在前的候选路径;
若是,则判断该两个候选路径中排序在后的候选路径的路径距离是否少于排序在前的候选路径;
若是,则将该两个候选路径的排序位置交换。
在本发明的一些实施例中,所述按至少一其它所述路径优化目标调整自所述起始顶点至所述终止顶点之间所有的候选路径的排序顺序之后,且所述根据经调整的排序顺序,将位于第一的候选路径作为最优路径之前,还包括:
根据所述候选路径中,具有一中转标识的顶点数量,修正经调整的排序顺序。
在本发明的一些实施例中,所述根据所述候选路径中,具有一中转标识的顶点数量,修正经调整的排序顺序包括:
获取经调整的排序顺序中经历的总时间的时间差小于最小时效阈值、经过顶点数量相同、路径距离之差小于最小距离阈值的任意两个相邻候选路径;
判断该两个候选路径中排序在后的候选路径的具有所述中转标识的顶点数量是否大于排序在前的候选路径;
若是,则将该两个候选路径的排序位置交换。
在本发明的一些实施例中,所述运输网点为分拨网点,所述候选路径及最优路径为干线路径。
在本发明的一些实施例中,还包括:
遍历所述有向图的起始顶点与终止顶点形成的顶点组,以获取每一顶点组的最优路径;
形成最优路径库,所述最优路径库储存所述顶点组及最优路径。
在本发明的一些实施例中,还包括:
根据待规划起始顶点与待规划终止顶点,自所述最优路径库匹配顶点组,以将所匹配的顶点组的最优路径作为所述待规划起始顶点与所述待规划终止顶点之间的最优路径。
根据本发明的又一方面,还提供一种快递路径规划装置,包括:
路径搜索模块,配置成根据一有向图,搜索一起始顶点至一终止顶点之间所有的候选路径,所述有向图的顶点为运输网点,所述有向图的边为自一运输网点至另一运输网点的直发路径;
确定模块,配置成根据路径优化目标,自所述起始顶点至所述终止顶点之间所有的候选路径中确定最优路径。
根据本发明的又一方面,还提供一种电子设备,所述电子设备包括:处理器;存储介质,其上存储有计算机程序,所述计算机程序被所述处理器运行时执行如上所述的步骤。
根据本发明的又一方面,还提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上所述的步骤。
相比现有技术,本发明的优势在于:
本发明通过一顶点为运输网点,边为自一运输网点至另一运输网点的直发路径的有向图,根据确定的起始顶点至终止顶点,搜索所有候选路径,并自根据路径优化目标,自所有的候选路径中确定最优路径,一方面,通过算法实现快递路径的自动规划;另一方面,通过设定的路径优化目标以使得最优路径适于快递网点之间的路径考虑因素;再一方面,经规划的网点之间的最优路径可以提高快递运输的服务效率和服务质量。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显。
图1示出了根据本发明实施例的快递路径规划方法的流程图。
图2示出了根据本发明具体实施例的根据一有向图,搜索一起始顶点至一终止顶点之间所有的候选路径之前执行的步骤。
图3示出了根据本发明具体实施例的根据一有向图,搜索一起始顶点至一终止顶点之间所有的候选路径的流程图。
图4示出了根据本发明具体实施例的根据所述有向图,结合至少一约束条件以及深度优先搜索算法搜索一起始顶点至一终止顶点之间所有的候选路径的流程图。
图5示出了根据本发明具体实施例的根据所述约束条件判断是否将深度优先搜索至所述终止顶点的路径确定为候选路径的流程图。
图6示出了根据本发明具体实施例的根据所述约束条件判断是否继续执行深度优先搜索的流程图。
图7示出了根据本发明实施例的根据路径优化目标,自所述起始顶点至所述终止顶点之间所有的候选路径中确定最优路径的流程图。
图8示出了根据本发明实施例的形成最优路径库的流程图。
图9示出了根据本发明实施例的快递路径规划的模块图。
图10示意性示出本发明示例性实施例中一种计算机可读存储介质示意图。
图11示意性示出本发明示例性实施例中一种电子设备示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本发明将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的步骤。例如,有的步骤还可以分解,而有的步骤可以合并或部分合并,因此,实际执行的顺序有可能根据实际情况改变。
图1示出了根据本发明实施例的快递路径规划方法的流程图。快递路径规划方法包括如下步骤:
步骤S110:根据一有向图,搜索一起始顶点至一终止顶点之间所有的候选路径,所述有向图的顶点为运输网点,所述有向图的边为自一运输网点至另一运输网点的直发路径。
具体而言,目前的快递公司大多采用轴辐式网络完成包裹运输,轴辐式网络的物流轨迹大体可以分为前端揽收、出发支线、干线运输、到达支线以及末端派送五个轨迹片段。前端揽收表示揽收网点排除揽件人员,在规定时间范围内,赶赴发件人所在位置,完成包裹揽收操作的过程。出发支线表示揽收网点在规定时间点,发出支线班车,将揽收包裹运抵始发分拨中心汇集的过程。干线运输表示包裹在始发分拨中心完成分拣装车,再经过零次或多次中转,最终抵达目的分拨中心的过程。到达直线表示包裹在抵达目的分拨中心后,经过分拣操作确定派件网点,并由支线班车运抵派件网点的过程。末端派送表示包裹在派件网点,经由派件员,最终送抵签收人签收的过程。上述五个轨迹片段中,干线运输是耗费时间和成本最多的一部分。
由此,在本发明的一个优选实施例中,有向图中的运输网点为分拨网点。所述候选路径及最优路径为干线路径。干线路径为由始发分拨中心(网点)到目的分拨中心(网点)之间的运输路径。由此,通过对干线路径的规划,有效提升快递服务的质量和效率。
具体而言,分拨中心(网点)为构成干线网络的核心节点,负责完成快递包裹的集散、装卸、分拣等操作。干线路径为快递包裹从进入始发分拨中心(网点)开始,直到包裹抵达目的分拨中心(网点)为止的全部有序的物流轨迹片段。
本发明并非以此为限制,有向图中的运输网点也可以包括揽收网点和派件网点,从而根据所确定的起始顶点和终止顶点的网点类型,使获得的候选路径及最优路径为全程路径(揽收网点到派件网点)、干线路径或者任意网点之间的运输路径。
具体而言,如果一条干线路径中至包含始发分拨中心和目的分拨中心,并未包含其它中转分拨中心,则该条干线路径为直发线。如果一条干线路径不仅包含始发分拨中心和目的分拨中,还包括其它的中转分拨中心,则该条干线路径为一条中转线。
步骤S120:根据路径优化目标,自所述起始顶点至所述终止顶点之间所有的候选路径中确定最优路径。
具体而言,在步骤S110和步骤S120搜索候选路径及确定最优路径中时,基于前述的场景中,可以按需设置一个或多个前提条件。例如,前提条件可以为从始发分拨中心到目的分拨中心之间,若同时存在直发线和中转线的情况下,优先选择直发线作为干线路径。前提条件可以为两分拨中心之间如果有直发线,则假定每天只有唯一一个班次,暂不考虑多频发的场景。前提条件可以为两分拨中心之间如果有直发线,则该直发线在每天的发时间点和到达时间点均是固定值。快递包裹在进入分拨中心后,需经历卸车、分拣、建包、装车等一系列操作,考虑到目前大多数主流快递公司均在分拨中心配备了大型自动化分拣设备,因此前提条件可以为为快递包裹在分拨中心内部的操作时间是一个与具体分拨中心相关的固定值。结合目前的公路运输现状,前提条件可以将干线路径对应的运输时效上限设定为7天,即时效超过7天的干线路径视为非法干线路径,不予考虑。结合目前快递业务运营现状,前提条件可以将干线路径对应的分拨中心上限设定为5个,即分拨中心超过5个的干线路径视为非法干线路径,不予考虑。部分分拨中心受到场地条件限制不适宜进行包裹中转,例如,库型为单边装卸或者外场转弯半径过小等,因此,在干线路径规划中,前提条件可以为尽量避免将此类分拨中心作为中转分拨中心使用,仅将其作为始发分拨中心或目的分拨中心使用。
具体而言,在步骤S120中确定最优路径时,可以用以下一各或多个标准评价最为路径优化目标候选路径的优劣:时效最优,即快递包裹从始发分拨中心出发,直至抵达目的分拨中心的总时长,并且该时长越短,对应的干线路径越优;品质最优,即快递包裹从始发分拨中心出发,直至抵达目的分拨中心过程中经历的分拨中心总数,并且分拨中心总数越小,对应的干线路径越优;成本最优,即快递包裹从始发分拨中心出发,直至抵达目的分拨中心过程中的总行驶距离,并且该距离越短,对应的干线路径越优。
以上仅仅是示意性地描述干线路径规划的前提条件和路径优化目标,本发明并非以此为限制,上述各前提条件和路径优化目标也可以应用于其它轨迹片段或完整轨迹的路径规划。同时,未列出的前提条件和其它路径优化目标的使用也在本发明的保护范围之内。
在本发明提供的快递路径规划方法中,通过一顶点为运输网点,边为自一运输网点至另一运输网点的直发路径的有向图,根据确定的起始顶点至终止顶点,搜索所有候选路径,并自根据路径优化目标,自所有的候选路径中确定最优路径,一方面,通过算法实现快递路径的自动规划;另一方面,通过设定的路径优化目标以使得最优路径适于快递网点之间的路径考虑因素;再一方面,经规划的网点之间的最优路径可以提高快递运输的服务效率和服务质量。
下面参见图2,图2示出了根据本发明具体实施例的根据一有向图,搜索一起始顶点至一终止顶点之间所有的候选路径之前执行的步骤。图2共示出如下步骤:
步骤S101:构建所述有向图。
步骤S102:以邻接矩阵和/或邻接表储存所述有向图,所述邻接矩阵的行数及列数为所述有向图的顶点数量,所述邻接矩阵中的矩阵项AdjMatrix[i][j]的值表示存在自顶点vi至顶点vj的直发路径,所述邻接表储存所述有向图中每一顶点通过直发路径可达的顶点列表。
具体而言,仍然以分拨中心(网点)和干线路径的规划为例,对上述步骤进行展开描述,但本发明并非以此为限制。
具体而言,上述步骤S101中构建有向图模型,记为G=(V,A)。V为顶点集合,A为有向边集合。对于vertex类型数据对象,任意顶点v∈V,对应一个分拨网点。各分拨网点都可以具有编号vertex_id和名称vertex_name(字符串类型)。任意顶点v∈V,具备一个属性值transit_time,用以指代快递包裹在该分拨中心的中转时间。任意顶点v∈V,具备一个属性值is_suitable_transit(中转标识),数据类型为Boolean(布尔值),其值为真(true)时,指代该分拨网点适合作为中转分拨网点使用,其值为假(false)时,指代该分拨中心不适合作为中转分拨网点使用。中转标识也可以以其它方式实现,在此不予赘述。在有向边集合A中,任意有向边(vi,vj)∈A,指代一条直发线,其中,顶点vi(depart_vertex)对应直发线起点,顶点vj(arrive_vertex)对应直发线终点。任意有向边(vi,vj)∈A,具备一个属性值depart_time,其可以为日期/时间数据类型,用于记录干线辆从分拨网点发车vi的时间点。任意有向边(vi,vj)∈A,具备一个属性值arrive_time,其可以为日期/时间数据类型,用于记录干线车辆到达分拨网点vj的时间点。任意有向边(vi,vj)∈A,具备一个属性值distance,其可以为Double数据类型(双精度型),用于记录干线车辆从分拨网点vi行驶到分拨网点vj的导航距离,距离单位可以为公里。对于Path类型数据对象,有向路径表示有向图G=(V,A)上,以顶点vi为起点,以顶点vj为终点的有向路径。路径可能是直发线也可能是中转线,并且中转线对应的路径方案可能有多个。路径可关联有vertex_list,用以直到当前路径中包含的直发线列表,其为list类型,其中每个元素为顶点vertex数据对象,并按照时间前后衔接顺序排列。有向路径上所有直发线对应的行驶时间、中转时间之和,记为 有向路径上包含的顶点总数,记为total_transit_num。有向路径上所有直发线对应的距离之和,记为total_distance。
具体而言,有向图G=(V,A)的顶点数量为vertex_num,则与之对应的邻接矩阵表示为整型二维数组的形式,记为AdjMatrix[vertex_num][vertex_num]。所述邻接矩阵中的矩阵项AdjMatrix[i][j]的值表示存在自顶点vi至顶点vj的直发路径。矩阵项AdjMatrix[i][j]的值为0,则表示没有直发路径;矩阵项AdjMatrix[i][j]的值为1,则表示存在直发路径。
具体而言,所述有向图G=(V,A)可以所述邻接矩阵AdjMatrix和所述邻接表AdjTable的形式储存,所述邻接表基于所述邻接矩阵确定每一顶点通过直发路径可达的顶点形成的顶点列表。进一步地,有向图G=(V,A)的顶点数量为vertex_num,与之对应的邻接表记为AdjTable,邻接表AdjTable可以按如下步骤进行构建:首先,将AdjTable初始化为一个空列表,将有向图G中的vertex_num个顶点顺次存入一个列表当中,该列表记为vertex_list,顺次遍历vertex_list中的所有顶点,并假设当前遍历到的顶点为current_vertex,基于有向图的邻接矩阵AdjMatrix,获取所有以current_vertex起点,并且通过单条有向边可达的顶点列表,记为current_adj_list,创建一个Map类型数据对象,其Key值为current_vertex的vertex_id,其Value值为current_adj_list,并将该Map类型数据对象插入到AdjTable中。若vertex_list已遍历完成,则输出AdjTable;否则,跳转至继续将以vertex_list下一顶点作为current_vertex,再次执行上述步骤。
下面参见图3,图3示出了根据本发明具体实施例的根据一有向图,搜索一起始顶点至一终止顶点之间所有的候选路径的流程图。图3示出了如下步骤:
步骤S111:根据所述有向图判断是否存在自所述起始顶点至所述终止顶点之间的直发路径;
若步骤S111判断是,则执行步骤S112:将自所述起始顶点至所述终止顶点之间的直发路径作为自所述起始顶点至所述终止顶点之间的候选路径,并不再搜索自所述起始顶点至所述终止顶点之间的其它候选路径,使得自所述起始顶点至所述终止顶点之间的直发路径确定为自所述起始顶点至所述终止顶点之间的最优路径。
由此,通过步骤S111以及步骤S112以满足前述前提条件:从始发分拨中心到目的分拨中心之间,若同时存在直发线和中转线的情况下,优先选择直发线作为干线路径。而该前提条件正是考虑到直发线(直发路径)相比中转线,其成本、时效必然较高,因此,直接将直发线作为最优路径,以减少候选路径的搜索以及最优路径的选择步骤,从而提高路径规划效率。
在本发明的一些实施例中,可以通过根据所述有向图,结合至少一约束条件以及深度优先搜索算法搜索一起始顶点至一终止顶点之间所有的候选路径来实现步骤S110。具体而言,所述约束条件包括如下约束条件中的一项或多项:自所述起始顶点至当前通过深度优先搜索的顶点之间的路径上的顶点数量小于等于预定数量阈值(例如按前述的前提条件,预定数量阈值可以按需设置为5);以及自所述起始顶点至当前通过深度优先搜索的顶点之间的路径经历的总时间小于等于预定时效阈值(例如按前述的前提条件,预定时效阈值可以按需设置为7天)。所述约束条件包括还包括当前通过深度优先搜索的顶点具有一中转标识(例如按前述的前提条件,中转线上的中转分拨中心具有中转标识,从而表示其适合作为中转分拨网点使用)。
具体而言,可以参见图4,图4示出了根据本发明具体实施例的根据所述有向图,结合至少一约束条件以及深度优先搜索算法搜索一起始顶点至一终止顶点之间所有的候选路径的流程图。图4共示出如下步骤:
步骤S113:根据所述有向图获取所述起始顶点的直接后继顶点列表,所述直接后继顶点列表包括至少一所述起始顶点通过直发路径可达的顶点。
步骤S114:遍历所述直接后继顶点列表中的每一顶点。
具体而言,所述直接后继顶点列表中各顶点具有一中转标识,从而表示其适合作为中转分拨网点使用。
步骤S115:以当前顶点作为起点,递归执行深度优先搜索操作。
步骤S116:判断当前通过深度优先搜索的顶点是否为终止顶点。
若步骤S116判断为是,则执行步骤S117根据所述约束条件判断是否将深度优先搜索至所述终止顶点的路径确定为候选路径。
步骤S117的执行可以参见图5,图5示出了根据本发明具体实施例的根据所述约束条件判断是否将深度优先搜索至所述终止顶点的路径确定为候选路径的流程图。图5共示出了如下步骤:
步骤S1171:判断是否满足约束条件。
若步骤S1171判断满足所述约束条件,则执行步骤S1172:将深度优先搜索至所述终止顶点的路径确定为候选路径;
若步骤S1171判断不满足所述约束条件,则执行步骤S1173:自当前通过深度优先搜索的顶点开始沿原路径回溯,沿其它方向执行深度优先搜索;
具体而言,在本实施例中,用于判断是否将深度优先搜索至所述终止顶点的路径确定为候选路径的约束条件还包括:所述深度优先搜索至所述终止顶点的路径未被确定为候选路径。
若步骤S116判断为否,则执行步骤S118根据所述约束条件判断是否继续执行深度优先搜索。
步骤S118的执行可以参见图6,图6示出了根据本发明具体实施例的根据所述约束条件判断是否继续执行深度优先搜索的流程图。图6共示出了如下步骤:
步骤S1181:判断是否满足约束条件。
若步骤S1181判断满足所述约束条件,则执行步骤S1182:基于当前通过深度优先搜索的顶点继续执行深度优先搜索;
若步骤S1181判断不满足所述约束条件,则执行步骤S1183:自当前通过深度优先搜索的顶点开始沿原路径回溯,沿其它方向执行深度优先搜索。
具体而言,下面以一个具体实施方式描述根据所述有向图,结合至少一约束条件以及深度优先搜索算法搜索一起始顶点至一终止顶点之间所有的候选路径的有向路径搜索策略的执行。
在该有向路径搜索策略中,输入depart_hub(有向图G上的起始顶点,其为Vertex数据类型对象);arrive_hub(有向图G上的目的顶点,其为Vertex数据类型对象);vertex_list(有向图G上对应的顶点列表);vertex_num(有向图G中的顶点数量);邻接矩阵AdjMatrix以及邻接表AdjTable。通过该有向路径搜索策略,输出的数据为legal_path_list,起始顶点depart_hub到目的顶点arrive_hub间所有的合法路径列表,其中的每个元素均为Path类型数据对象。有向路径搜索策略根据如下步骤实现:
Step1:根据快递干线运营规则,初始化判定有向路径合法性的变量信息,具体如下所示:
Step1.1:起始顶点depart_hub到目的顶点arrive_hub之间的路径限定为图G上的简单有向路径,即有向路径上不存在两个相同的顶点。
Step1.2:设置一约束条件,合法有向路径中的顶点数量最多为5个,记为max_level=5。
Step1.3:设置另一约束条件,合法有向路径对应的总时效最大为7*24小时,记为max_weight=7*24。
Step2:从起始顶点depart_hub开始,通过图G的邻接矩阵AdjMatrix获取depart_hub的直接后继顶点列表direct_next_verex_lsit。
Step3:从depart_hub出发,顺次遍历direct_next_verex_lsit中的每一顶点,记当前遍历到的直接后继顶点为next_vertex,并且将next_vertex作为起点,继续执行Step4。
Step4:基于图G的邻接表AdjTable,递归执行深度优先搜索操作,并记当前通过深度优先搜索获取到的顶点为current_dfs_vertex。
Step5:若current_dfs_vertex=arrive_hub,则执行以下条件判断和操作
Step5.1:根据Step1.2,判断当前由depart_hub到current_dfs_vertex路径上的顶点数量是否超过max_level。若超过,则舍弃当前路径,并从current_dfs_vertex开始沿原路回溯,沿其他方向执行深度优先搜索;若未超过,继续执行Step5.2。
Step5.2:根据Step1.3,判断当前由depart_hub到current_dfs_vertex路径对应的总时效是否超过max_weight。若超过,则舍弃当前路径,并从current_dfs_vertex开始沿原路回溯,沿其他方向执行深度优先搜索;若未超过,继续执行Step5.3。
Step5.3:判断当前由depart_hub到current_dfs_vertex路径是否已经加入到legal_path_list当中,若已加入legal_path_list,则舍弃当前路径,并从current_dfs_vertex开始沿原路回溯,沿其他方向执行深度优先搜索;若未加入legal_path_list,继续执行Step5.4。
Step5.4:创建Path类型数据对象current_path,将当前由depart_hub到current_dfs_vertex路径赋值给current_path.vertex_list,并同步计算current_path对应的总运输时间、总分拨中心数量和总行驶距离,并将current_path加入到legal_path_list当中。
Step6:若current_dfs_vertex≠arrive_hub,则执行以下条件判断和操作:
Step6.1:根据Step1.2,判断当前由depart_hub到current_dfs_vertex路径上的顶点数量是否超过max_level。若超过,则舍弃当前路径,并从current_dfs_vertex开始沿原路回溯,沿其他方向执行深度优先搜索;若未超过,继续执行Step6.2。
Step6.2:根据Step1.3,判断当前由depart_hub到current_dfs_vertex路径对应的总时效是否超过max_weight。若超过,则舍弃当前路径,并从current_dfs_vertex开始沿原路回溯,沿其他方向执行深度优先搜索;若未超过,继续执行Step6.3。
Step6.3:从current_dfs_vertex开始,跳转至Step4,继续执行深度优先搜索。
Step7:若尚未遍历完成direct_next_verex_lsit,则跳转至Step2,继续执行深度优先搜索;否则,继续执行Step8
Step8:算法结束,输出起始顶点depart_hub到目的顶点arrive_hub间所有的合法路径列表legal_path_list(所有候选路径的列表)。
以上仅仅是示意性地描述本发明的有向路径搜索策略的具体实现方式,本发明并非以此为限制。约束条件的调整、判断的顺序、步骤的增加、合并、减少、步骤的执行顺序变化皆在本发明的保护范围之内。
下面参见图7,图7示出了根据本发明实施例的根据路径优化目标,自所述起始顶点至所述终止顶点之间所有的候选路径中确定最优路径的流程图。图7共示出如下步骤:
步骤S121:按一所述路径优化目标,对自所述起始顶点至所述终止顶点之间所有的候选路径进行初始排序。
步骤S122:按至少一其它所述路径优化目标调整自所述起始顶点至所述终止顶点之间所有的候选路径的排序顺序。
步骤S123:根据经调整的排序顺序,将位于第一的候选路径作为最优路径。
上述路径优化目标可以包括前述的时效、成本、品质(路径中的顶点数量),本发明并非以此为限制。由此,可以根据路径优化目标对候选路径进行排序调整,从而获得在时效、成本、品质上皆较优的最优路径。进一步地,当仅包括一个路径优化目标时,可以仅按该路径优化目标对候选路径进行排序,并将位于第一的候选路径作为最优路径。
具体而言,用于初始排序的所述路径优化目标为时效优化目标。由此,所述步骤S121可以包括如下步骤:按路径经历的总时间由小至大,对自所述起始顶点至所述终止顶点之间所有的候选路径进行初始排序。由此,时效越短,路径越优,因此,本实施例中,按路径经历的总时间由小至大进行排序。本领域技术人员基于此,可以实现相反的方式进行排序,并在后序步骤中,将位于最后的候选路径作为最优路径,这样的方式,也在本发明的保护范围之内。
具体而言,用于调整自所述起始顶点至所述终止顶点之间所有的候选路径的排序顺序的路径优化目标包括中转顶点数量优化目标(路径中的顶点数量)和/或路径距离优化目标(路径的总距离)。
进一步地,所述步骤S122包括如下步骤:判断所述初始排序中任意两个相邻候选路径经历的总时间的时间差是否小于最小时效阈值;若是,则判断该两个候选路径中排序在后的候选路径中经过顶点数量是否少于排序在前的候选路径;若是,则将该两个候选路径的排序位置交换。由此,在按时效进行排序的基础上,根据顶点数量进行排序位置的调整,以将时效差值较小的两个路径中,顶点数量较少的排序在前。
进一步地,在上述实施例中,若该两个候选路径中排序在后的候选路径中经过顶点数量不少于排序在前的候选路径,则判断该两个候选路径中排序在后的候选路径中经过顶点数量是否等于排序在前的候选路径;若是,则判断该两个候选路径中排序在后的候选路径的路径距离是否少于排序在前的候选路径;若是,则将该两个候选路径的排序位置交换。由此,在按时效进行排序的基础上,若时效差值较小的两个路径中,其顶点数量相同,则进一步按路径距离进行调整,以将路径距离较小的路径排序在前。
进一步地,在上述实时例中,所述按至少一其它所述路径优化目标调整自所述起始顶点至所述终止顶点之间所有的候选路径的排序顺序之后,且所述根据经调整的排序顺序,将位于第一的候选路径作为最优路径之前,还包括:根据所述候选路径中,具有一中转标识的顶点数量(也就是能够作为中转分拨网点的顶点数量),修正经调整的排序顺序。该步骤可以通过如下方式实现,获取经调整的排序顺序中经历的总时间的时间差小于最小时效阈值、经过顶点数量相同、路径距离之差小于最小距离阈值的任意两个相邻候选路径;判断该两个候选路径中排序在后的候选路径的具有所述中转标识的顶点数量是否大于排序在前的候选路径;若是,则将该两个候选路径的排序位置交换。由此,可以将能够作为中转分拨网点的顶点数量较多的路径排序在前。
具体而言,下面以一个具体实施方式描述根据路径优化目标,自所述起始顶点至所述终止顶点之间所有的候选路径中确定最优路径的有向路径筛选策略的执行。
在该有向路径筛选策略中,输入legal_path_list(所有候选路径的列表)通过该有向路径筛选策略,输出的数据为best_path,起始顶点depart_hub到目的顶点arrive_hub之间的最优路径,封装为Path类型输出。有向路径筛选策略根据如下步骤实现:
Step1:根据前文提到的时效优化目标,对legal_path_list中的所有路径,按照总时效由小到大的顺序进行排序。
Step2:初始化最小时效阈值,初值设置为2(小时)。最小时效阈值可以按需调整和设置。
Step3:基于Step1的排序结果,对其中任意两条位置相邻的路径,如果它们的时效差值小于最小时效阈值,则根据前文提到的中转顶点数量优化目标,将中转次数更少的路径排在靠前位置;否则,保持当前路径顺序不变。
Step4:基于Step3的排序结果,对其中任意两条位置相邻的路径,如果它们同时满足时效差值小于最小时效阈值且两条路径的中转次数完全相同,则根据前文提到的路径距离优化目标,将距离更短的路径排在靠前位置;否则,保持当前路径顺序不变。
Step5:初始化最小距离阈值,初始值设置为10(公里)。最小距离阈值可以按需调整和设置。
Step6:基于Step4的排序结果,对其中任意两条位置相邻的路径,如果它们同时满足时效差值小于最小时效阈值、中转次数完全相同且距离差值小于最小距离阈值,则计算两条路径上适合作中转分拨的数量,即is_suitable_transit=true的分拨中心数量,并将数量更高的路径排在靠前位置;否则,保持当前路径顺序不变。
Step7:将Step6排序结果中排在首位的路径赋值给best_path,并输出。
以上仅仅是示意性地描述本发明的有向路径筛选策略的具体实现方式,本发明并非以此为限制。优化目标的调整、判断的顺序、步骤的增加、合并、减少、步骤的执行顺序变化皆在本发明的保护范围之内。
下面参见图8,图8示出了根据本发明实施例的形成最优路径库的流程图。图8共示出如下步骤:
步骤S130:遍历所述有向图的起始顶点与终止顶点形成的顶点组,以获取每一顶点组的最优路径。以及
步骤S140:形成最优路径库,所述最优路径库储存所述顶点组及最优路径。
由此,在实际路径规划时,可以直接根据最优路径库实现最优路径的获取,无需每次进行上述步骤的规划,加快路径规划的速度和效率。具体而言,可以根据待规划起始顶点与待规划终止顶点,自所述最优路径库匹配顶点组,以将所匹配的顶点组的最优路径作为所述待规划起始顶点与所述待规划终止顶点之间的最优路径。
以上仅仅是示意性地描述本发明的多个实现方式,各实现方式可以单独或组合来实现,本发明并非以此为限制。
下面参见图8,图8示出了根据本发明实施例的快递路径规划装置的模块图。快递路径规划装置200包括路径搜索模块210以及确定模块220。
路径搜索模块210配置成根据一有向图,搜索一起始顶点至一终止顶点之间所有的候选路径,所述有向图的顶点为运输网点,所述有向图的边为自一运输网点至另一运输网点的直发路径;
确定模块220配置成根据路径优化目标,自所述起始顶点至所述终止顶点之间所有的候选路径中确定最优路径。
在本发明的示例性实施方式的快递路径规划装置200中,通过一顶点为运输网点,边为自一运输网点至另一运输网点的直发路径的有向图,根据确定的起始顶点至终止顶点,搜索所有候选路径,并自根据路径优化目标,自所有的候选路径中确定最优路径,一方面,通过算法实现快递路径的自动规划;另一方面,通过设定的路径优化目标以使得最优路径适于快递网点之间的路径考虑因素;再一方面,经规划的网点之间的最优路径可以提高快递运输的服务效率和服务质量。
图8仅仅是示意性的示出本发明提供的快递路径规划装置200,在不违背本发明构思的前提下,模块的拆分、合并、增加都在本发明的保护范围之内。本发明提供的快递路径规划装置200可以由软件、硬件、固件、插件及他们之间的任意组合来实现,本发明并非以此为限。
在本发明的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被例如处理器执行时可以实现上述任意一个实施例中所述快递路径规划方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述快递路径规划方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图10所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品700,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到租户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本发明的示例性实施例中,还提供一种电子设备,该电子设备可以包括处理器,以及用于存储所述处理器的可执行指令的存储器。其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述快递路径规划方法的步骤。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图11来描述根据本发明的这种实施方式的电子设备500。图11显示的电子设备500仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图11所示,电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于:至少一个处理单元510、至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元510执行,使得所述处理单元510执行本说明书上述快递路径规划方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元510可以执行如图1至图7任一幅或多幅附图所示的步骤。
所述存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202,还可以进一步包括只读存储单元(ROM)5203。
所述存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204,这样的程序模块5205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通讯,还可与一个或者多个使得租户能与该电子设备500交互的设备通讯,和/或与使得该电子设备500能与一个或多个其它计算设备进行通讯的任何设备(例如路由器、调制解调器等等)通讯。这种通讯可以通过输入/输出(I/O)接口550进行。并且,电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通讯。网络适配器560可以通过总线530与电子设备500的其它模块通讯。应当明白,尽管图中未示出,可以结合电子设备500使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明实施方式的上述快递路径规划方法。
相比现有技术,本发明的优势在于:
本发明通过一顶点为运输网点,边为自一运输网点至另一运输网点的直发路径的有向图,根据确定的起始顶点至终止顶点,搜索所有候选路径,并自根据路径优化目标,自所有的候选路径中确定最优路径,一方面,通过算法实现快递路径的自动规划;另一方面,通过设定的路径优化目标以使得最优路径适于快递网点之间的路径考虑因素;再一方面,经规划的网点之间的最优路径可以提高快递运输的服务效率和服务质量。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由所附的权利要求指出。
Claims (25)
1.一种快递路径规划方法,其特征在于,包括:
根据一有向图,搜索一起始顶点至一终止顶点之间所有的候选路径,所述有向图的顶点为运输网点,所述有向图的边为自一运输网点至另一运输网点的直发路径;
根据路径优化目标,自所述起始顶点至所述终止顶点之间所有的候选路径中确定最优路径。
2.如权利要求1所述的快递路径规划方法,其特征在于,所述根据一有向图,搜索一起始顶点至一终止顶点之间所有的候选路径之前包括:
构建所述有向图;以及
以邻接矩阵和/或邻接表储存所述有向图,所述邻接矩阵的行数及列数为所述有向图的顶点数量,所述邻接矩阵中的矩阵项AdjMatrix[i][j]的值表示存在自顶点vi至顶点vj的直发路径,所述邻接表储存所述有向图中每一顶点通过直发路径可达的顶点列表。
3.如权利要求2所述的快递路径规划方法,其特征在于,所述有向图以所述邻接矩阵和所述邻接表储存,所述邻接表基于所述邻接矩阵确定每一顶点通过直发路径可达的顶点形成的顶点列表。
4.如权利要求2所述的快递路径规划方法,其特征在于,所述根据一有向图,搜索一起始顶点至一终止顶点之间所有的候选路径包括:
根据所述有向图判断是否存在自所述起始顶点至所述终止顶点之间的直发路径;
若是,则将自所述起始顶点至所述终止顶点之间的直发路径作为自所述起始顶点至所述终止顶点之间的候选路径,并不再搜索自所述起始顶点至所述终止顶点之间的其它候选路径,使得自所述起始顶点至所述终止顶点之间的直发路径确定为自所述起始顶点至所述终止顶点之间的最优路径。
5.如权利要求2所述的快递路径规划方法,其特征在于,所述根据一有向图,搜索一起始顶点至一终止顶点之间所有的候选路径包括:
根据所述有向图,结合至少一约束条件以及深度优先搜索算法搜索一起始顶点至一终止顶点之间所有的候选路径。
6.如权利要求5所述的快递路径规划方法,其特征在于,所述根据所述有向图,结合至少一约束条件以及深度优先搜索算法搜索一起始顶点至一终止顶点之间所有的候选路径包括:
根据所述有向图获取所述起始顶点的直接后继顶点列表,所述直接后继顶点列表包括至少一所述起始顶点通过直发路径可达的顶点;
遍历所述直接后继顶点列表中的每一顶点,对每一顶点:
以当前顶点作为起点,递归执行深度优先搜索操作;
判断当前通过深度优先搜索的顶点是否为终止顶点;
若是,则根据所述约束条件判断是否将深度优先搜索至所述终止顶点的路径确定为候选路径;
若否,则根据所述约束条件判断是否继续执行深度优先搜索。
7.如权利要求6所述的快递路径规划方法,其特征在于,所述约束条件包括如下约束条件中的一项或多项:
自所述起始顶点至当前通过深度优先搜索的顶点之间的路径上的顶点数量小于等于预定数量阈值;
自所述起始顶点至当前通过深度优先搜索的顶点之间的路径经历的总时间小于等于预定时效阈值。
8.如权利要求7所述的快递路径规划方法,其特征在于,所述约束条件包括还包括:
当前通过深度优先搜索的顶点具有一中转标识。
9.如权利要求7所述的快递路径规划方法,其特征在于,用于判断是否将深度优先搜索至所述终止顶点的路径确定为候选路径的约束条件还包括:
所述深度优先搜索至所述终止顶点的路径未被确定为候选路径。
10.如权利要求6所述的快递路径规划方法,其特征在于,所述根据所述约束条件判断是否将深度优先搜索至所述终止顶点的路径确定为候选路径包括:
若满足所述约束条件,则将深度优先搜索至所述终止顶点的路径确定为候选路径;
若不满足所述约束条件,则自当前通过深度优先搜索的顶点开始沿原路径回溯,沿其它方向执行深度优先搜索;
所述根据所述约束条件判断是否继续执行深度优先搜索包括:
若满足所述约束条件,则基于当前通过深度优先搜索的顶点继续执行深度优先搜索;
若不满足所述约束条件,则自当前通过深度优先搜索的顶点开始沿原路径回溯,沿其它方向执行深度优先搜索。
11.如权利要求6所述的快递路径规划方法,其特征在于,所述直接后继顶点列表中各顶点具有一中转标识。
12.如权利要求1所述的快递路径规划方法,其特征在于,所述根据路径优化目标,自所述起始顶点至所述终止顶点之间所有的候选路径中确定最优路径包括:
按一所述路径优化目标,对自所述起始顶点至所述终止顶点之间所有的候选路径进行初始排序;
按至少一其它所述路径优化目标调整自所述起始顶点至所述终止顶点之间所有的候选路径的排序顺序;
根据经调整的排序顺序,将位于第一的候选路径作为最优路径。
13.如权利要求12所述的快递路径规划方法,其特征在于,用于初始排序的所述路径优化目标为时效优化目标。
14.如权利要求13所述的快递路径规划方法,其特征在于,所述按一所述路径优化目标,对自所述起始顶点至所述终止顶点之间所有的候选路径进行初始排序包括:
按路径经历的总时间由小至大,对自所述起始顶点至所述终止顶点之间所有的候选路径进行初始排序。
15.如权利要求12所述的快递路径规划方法,其特征在于,用于调整自所述起始顶点至所述终止顶点之间所有的候选路径的排序顺序的路径优化目标包括中转顶点数量优化目标和/或路径距离优化目标。
16.如权利要求15所述的快递路径规划方法,其特征在于,按至少一其它所述路径优化目标调整自所述起始顶点至所述终止顶点之间所有的候选路径的排序顺序包括:
判断所述初始排序中任意两个相邻候选路径经历的总时间的时间差是否小于最小时效阈值;
若是,则判断该两个候选路径中排序在后的候选路径中经过顶点数量是否少于排序在前的候选路径;
若是,则将该两个候选路径的排序位置交换。
17.如权利要求16所述的快递路径规划方法,其特征在于,若该两个候选路径中排序在后的候选路径中经过顶点数量不少于排序在前的候选路径,则判断该两个候选路径中排序在后的候选路径中经过顶点数量是否等于排序在前的候选路径;
若是,则判断该两个候选路径中排序在后的候选路径的路径距离是否少于排序在前的候选路径;
若是,则将该两个候选路径的排序位置交换。
18.如权利要求17所述的快递路径规划方法,其特征在于,所述按至少一其它所述路径优化目标调整自所述起始顶点至所述终止顶点之间所有的候选路径的排序顺序之后,且所述根据经调整的排序顺序,将位于第一的候选路径作为最优路径之前,还包括:
根据所述候选路径中,具有一中转标识的顶点数量,修正经调整的排序顺序。
19.如权利要求18所述的快递路径规划方法,其特征在于,所述根据所述候选路径中,具有一中转标识的顶点数量,修正经调整的排序顺序包括:
获取经调整的排序顺序中经历的总时间的时间差小于最小时效阈值、经过顶点数量相同、路径距离之差小于最小距离阈值的任意两个相邻候选路径;
判断该两个候选路径中排序在后的候选路径的具有所述中转标识的顶点数量是否大于排序在前的候选路径;
若是,则将该两个候选路径的排序位置交换。
20.如权利要求1-19任一项所述的快递路径规划方法,其特征在于,所述运输网点为分拨网点,所述候选路径及最优路径为干线路径。
21.如权利要求1-19任一项所述的快递路径规划方法,其特征在于,还包括:
遍历所述有向图的起始顶点与终止顶点形成的顶点组,以获取每一顶点组的最优路径;
形成最优路径库,所述最优路径库储存所述顶点组及最优路径。
22.如权利要求21所述的快递路径规划方法,其特征在于,还包括:
根据待规划起始顶点与待规划终止顶点,自所述最优路径库匹配顶点组,以将所匹配的顶点组的最优路径作为所述待规划起始顶点与所述待规划终止顶点之间的最优路径。
23.一种快递路径规划装置,其特征在于,包括:
路径搜索模块,配置成根据一有向图,搜索一起始顶点至一终止顶点之间所有的候选路径,所述有向图的顶点为运输网点,所述有向图的边为自一运输网点至另一运输网点的直发路径;
确定模块,配置成根据路径优化目标,自所述起始顶点至所述终止顶点之间所有的候选路径中确定最优路径。
24.一种电子设备,其特征在于,所述电子设备包括:
处理器;
存储器,其上存储有计算机程序,所述计算机程序被所述处理器运行时执行:
如权利要求1至22任一项所述的快递路径规划方法。
25.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行:
如权利要求1至22任一项所述的快递路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010801197.4A CN111947676B (zh) | 2020-08-11 | 2020-08-11 | 快递路径规划方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010801197.4A CN111947676B (zh) | 2020-08-11 | 2020-08-11 | 快递路径规划方法、装置、电子设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111947676A true CN111947676A (zh) | 2020-11-17 |
CN111947676B CN111947676B (zh) | 2021-04-30 |
Family
ID=73332145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010801197.4A Active CN111947676B (zh) | 2020-08-11 | 2020-08-11 | 快递路径规划方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111947676B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240285A (zh) * | 2021-05-17 | 2021-08-10 | 上海中通吉网络技术有限公司 | 物流末端差异化分拨方法及设备 |
CN113537605A (zh) * | 2021-07-22 | 2021-10-22 | 广联达科技股份有限公司 | 一种排水线路的确定方法、系统及装置 |
US20220342723A1 (en) * | 2021-04-23 | 2022-10-27 | Fujitsu Limited | Flow rule generation device, flow rule generation method and non-transitory computer-readable medium |
CN113537605B (zh) * | 2021-07-22 | 2024-04-30 | 广联达科技股份有限公司 | 一种排水线路的确定方法、系统及装置 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090040931A1 (en) * | 2007-08-10 | 2009-02-12 | Max-Planck-Gesellschaft Zur Forderung Der Wissenschaften E.V. | Method and device for determining the length of a shortest path in a network |
US20100036606A1 (en) * | 2006-10-30 | 2010-02-11 | Alan Henry Jones | Method of and apparatus for generating routes |
CN104567854A (zh) * | 2013-10-24 | 2015-04-29 | 中国科学院沈阳自动化研究所 | 一种面向半导体生产线搬运系统天车路线规划方法 |
CN105352522A (zh) * | 2015-12-04 | 2016-02-24 | 中兴软创科技股份有限公司 | 一种基于位置实时更新的车载导航装置与导航方法 |
CN105466441A (zh) * | 2015-12-04 | 2016-04-06 | 中兴软创科技股份有限公司 | 一种车载导航装置与导航方法 |
CN105547308A (zh) * | 2015-11-03 | 2016-05-04 | 中兴软创科技股份有限公司 | 基于数字路网地图与深度优先遍历的导航方法与装置 |
CN105628044A (zh) * | 2015-12-28 | 2016-06-01 | 中兴软创科技股份有限公司 | 基于位置实时更新与路段属性的车载导航装置与导航方法 |
CN106022531A (zh) * | 2016-05-27 | 2016-10-12 | 西安电子科技大学 | 经过必经顶点的最短路径搜索方法 |
CN106871917A (zh) * | 2017-01-23 | 2017-06-20 | 深圳充电网科技有限公司 | 一种电动车路线规划方法及装置 |
CN107038496A (zh) * | 2017-03-29 | 2017-08-11 | 中南大学 | 一种无人机快递自动投送路径规划方法及系统 |
CN108562301A (zh) * | 2018-05-21 | 2018-09-21 | 北京石油化工学院 | 一种行驶路径的规划方法及装置 |
CN109242383A (zh) * | 2018-08-27 | 2019-01-18 | 合肥工业大学 | 物品运输方法及系统 |
CN109902985A (zh) * | 2017-12-08 | 2019-06-18 | 北京京东尚科信息技术有限公司 | 物流网络规划方法、设备和计算机可读存储介质 |
CN110046745A (zh) * | 2019-03-15 | 2019-07-23 | 青岛日日顺物流有限公司 | 社区配送路径优化方法和装置 |
CN110319845A (zh) * | 2018-03-30 | 2019-10-11 | 日本电气株式会社 | 用于确定两点之间的可达路径的方法、装置和系统 |
CN111141307A (zh) * | 2020-01-16 | 2020-05-12 | 张小强 | 一种基于智能眼镜的小区域快递导航系统及快递收发方法 |
-
2020
- 2020-08-11 CN CN202010801197.4A patent/CN111947676B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100036606A1 (en) * | 2006-10-30 | 2010-02-11 | Alan Henry Jones | Method of and apparatus for generating routes |
US20090040931A1 (en) * | 2007-08-10 | 2009-02-12 | Max-Planck-Gesellschaft Zur Forderung Der Wissenschaften E.V. | Method and device for determining the length of a shortest path in a network |
CN104567854A (zh) * | 2013-10-24 | 2015-04-29 | 中国科学院沈阳自动化研究所 | 一种面向半导体生产线搬运系统天车路线规划方法 |
CN105547308A (zh) * | 2015-11-03 | 2016-05-04 | 中兴软创科技股份有限公司 | 基于数字路网地图与深度优先遍历的导航方法与装置 |
CN105352522A (zh) * | 2015-12-04 | 2016-02-24 | 中兴软创科技股份有限公司 | 一种基于位置实时更新的车载导航装置与导航方法 |
CN105466441A (zh) * | 2015-12-04 | 2016-04-06 | 中兴软创科技股份有限公司 | 一种车载导航装置与导航方法 |
CN105628044A (zh) * | 2015-12-28 | 2016-06-01 | 中兴软创科技股份有限公司 | 基于位置实时更新与路段属性的车载导航装置与导航方法 |
CN106022531A (zh) * | 2016-05-27 | 2016-10-12 | 西安电子科技大学 | 经过必经顶点的最短路径搜索方法 |
CN106871917A (zh) * | 2017-01-23 | 2017-06-20 | 深圳充电网科技有限公司 | 一种电动车路线规划方法及装置 |
CN107038496A (zh) * | 2017-03-29 | 2017-08-11 | 中南大学 | 一种无人机快递自动投送路径规划方法及系统 |
CN109902985A (zh) * | 2017-12-08 | 2019-06-18 | 北京京东尚科信息技术有限公司 | 物流网络规划方法、设备和计算机可读存储介质 |
CN110319845A (zh) * | 2018-03-30 | 2019-10-11 | 日本电气株式会社 | 用于确定两点之间的可达路径的方法、装置和系统 |
CN108562301A (zh) * | 2018-05-21 | 2018-09-21 | 北京石油化工学院 | 一种行驶路径的规划方法及装置 |
CN109242383A (zh) * | 2018-08-27 | 2019-01-18 | 合肥工业大学 | 物品运输方法及系统 |
CN110046745A (zh) * | 2019-03-15 | 2019-07-23 | 青岛日日顺物流有限公司 | 社区配送路径优化方法和装置 |
CN111141307A (zh) * | 2020-01-16 | 2020-05-12 | 张小强 | 一种基于智能眼镜的小区域快递导航系统及快递收发方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220342723A1 (en) * | 2021-04-23 | 2022-10-27 | Fujitsu Limited | Flow rule generation device, flow rule generation method and non-transitory computer-readable medium |
CN113240285A (zh) * | 2021-05-17 | 2021-08-10 | 上海中通吉网络技术有限公司 | 物流末端差异化分拨方法及设备 |
CN113537605A (zh) * | 2021-07-22 | 2021-10-22 | 广联达科技股份有限公司 | 一种排水线路的确定方法、系统及装置 |
CN113537605B (zh) * | 2021-07-22 | 2024-04-30 | 广联达科技股份有限公司 | 一种排水线路的确定方法、系统及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111947676B (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Multi-depot vehicle routing problem with time windows under shared depot resources | |
Le-Anh et al. | A review of design and control of automated guided vehicle systems | |
US9404760B2 (en) | Efficient route planning in public transportation networks | |
US8630958B2 (en) | Systems and methods for multi-vehicle resource allocation and routing solutions | |
Hyytiä et al. | Non-myopic vehicle and route selection in dynamic DARP with travel time and workload objectives | |
CN111950803A (zh) | 物流对象送达时间预测方法、装置、电子设备及存储介质 | |
CN108846623B (zh) | 基于多目标蚁群算法的整车物流调度方法及装置、存储介质、终端 | |
CN111947676B (zh) | 快递路径规划方法、装置、电子设备以及存储介质 | |
CN106066180A (zh) | 关于目的地标识停车位置 | |
Thanos et al. | Dispatch and conflict-free routing of capacitated vehicles with storage stack allocation | |
CN113743860A (zh) | 车辆物资装载方法、系统、电子设备及存储介质 | |
US20200401958A1 (en) | Systems and Methods for Improvements to Vehicle Routing Including Back-End Operations | |
Berghida et al. | EBBO: an enhanced biogeography-based optimization algorithm for a vehicle routing problem with heterogeneous fleet, mixed backhauls, and time windows | |
US10949751B2 (en) | Optimization of multiple criteria in journey planning | |
CN115079701A (zh) | 一种无人车与无人机协同的路径规划方法 | |
Li et al. | Truck and drone routing problem with synchronization on arcs | |
EP3745329A1 (en) | Methods for computing itineraries in a multimodal transportation network | |
KR20220104970A (ko) | 운송 수단과 드론을 사용한 병렬 배송의 최적 해를 탐색하기 위한 rgso 스케줄링 최적화 방법 및 시스템 | |
CN111428902B (zh) | 确定运输线路的方法及装置 | |
CN111882092A (zh) | 一种适用于共享出行的出租车车辆搜索方法 | |
CN110488826A (zh) | 一种适于路径冲突的agv避碰方法、终端设备及存储介质 | |
JP2008168966A (ja) | 運搬ルート生成装置、運搬ルート生成方法及び物流ネットワーク最適化装置 | |
CN116339257A (zh) | Agv多车调度系统以及相关调度方法 | |
CN110533234A (zh) | 结合避碰策略的agv优化控制方法、终端设备及存储介质 | |
CN114485670A (zh) | 一种移动单元的路径规划方法、装置、电子设备及介质 |
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 |