CN112623603B - 用于智能仓储的货物拣选方法 - Google Patents

Abstract

本发明提供了一种用于智能仓储的货物拣选方法，该方法包括：从最早取货时间遍历并获取对应时刻的运输车辆集合并与第一运输车辆集合合并；将新合并获得的运输车辆集合记为第二运输车辆集合；根据第一运输车辆集合中运输车辆的拣货位置建立栅格索引；选择以第一货物的拣货位置为圆心、以最远距离为半径范围内的第三运输车辆集合，并记录第一货物的拣货位置与第三运输车辆集合车辆出发位置的第一直线距离；选择在直线距离上满足第一约束的货物取货时间要求的第四运输车辆集合，计算从所述第一货物的配送位置到所述第四运输车辆集合中所有运输车辆终点位置的第二直线距离；将第四运输车辆集合中在直线距离上满足第一货物的运输成本约束和运输车辆自身到达时间约束的运输车辆组成第五运输车辆集合。本发明提出了一种用于智能仓储的货物拣选方法，在货物运输资源匹配过程中通过精简策略缩小计算量，提高计算速度，从而提高匹配过程的整体效率。

Description

用于智能仓储的货物拣选方法

技术领域

本发明涉及智能物流，特别涉及一种用于智能仓储的货物拣选方法。

背景技术

智能仓储和物流是区域经济发展情况的重要体现，其中仓储货物运输主要是使用货车进行的。随着移动互联网技术的发展，移动终端逐渐成为货物和运输车辆进行货物运输中通信的设备。货物可以通过移动终端上应用程序发布货源信息；服务器匹配货物附近范围内的运输车辆，从而完成派单；运输车辆通过移动终端接收服务器派单信息后，到货物指定的起始位置装货。

目前，服务器匹配货物附近范围内的运输车辆，主要是基于货物提供的起始位置，并在该起始位置附近预设范围内匹配运输车辆。而这种匹配主要是基于货物提供的货物重量、体积等数据。然而，由于货物提供的货物往往并不一定适合货车载重要求，往往难以完成匹配，从而造成车货匹配效率较低。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种用于智能仓储的货物拣选方法，包括：

1.一种用于智能仓储的货物拣选方法，其特征在于，包括：

预先建立运输车辆出发时间索引和货物最晚取货时间索引，所述运输车辆出发时间索引和货物最晚取货时间索引的键分别按先后的顺序对运输车辆的出发时间和货物的最晚取货时间进行排序；

顺序遍历货物最晚取货时间索引，首先获取取货时间最早的货物集合和对应的最早取货时间；

顺序遍历运输车辆出发时间索引，合并对应的运输车辆集合，直到取货时间与所述最早取货时间相等为止；将此时的合并后获得的第一运输车辆集合作为所述最早取货时间对应的货物集合中所有货物的目标运输车辆集合；

继续为货物最晚取货时间索引中下一取货时间的货物集合进行取货时间过滤；

从所述最早取货时间开始遍历并获取对应时刻的运输车辆集合并与所述第一运输车辆集合合并，直到遍历到取货时间为所述下一取货时间为止。将新合并获得的运输车辆集合记为第二运输车辆集合，该第二运输车辆集合则是所述下一取货时间对应的货物集合中所有货物经过取货时间过滤后的目标运输车辆集合；

如果遍历完所有货物最晚取货时间索引位，则执行以下步骤：

获取第一货物的运输请求和针对所述货物获得的所述第一运输车辆集合，

根据所述第一运输车辆集合中运输车辆的拣货位置，为其建立栅格索引；计算从当前时刻起到所述第一货物的最晚取货时间的第一时长；

根据当前道路平均时速和所述第一时长相乘计算获得能够满足货物取货时间要求的最远距离；

通过所述栅格索引选择所有落在以第一货物的所述拣货位置为圆心、以所述最远距离为半径的圆形范围内的第三运输车辆集合，并记录所述第一货物的拣货位置与第三运输车辆集合中每个车辆的出发位置的第一直线距离；

从第三运输车辆集合中选择在直线距离上满足以下第一约束的货物取货时间要求的运输车辆，组成第四运输车辆集合，所述第一约束条件包括，运输车辆的出发时间与所述第一直线距离的总和不大于所述第一货物的最晚取货时间；

计算从所述第一货物的配送位置到所述第四运输车辆集合中所有运输车辆终点位置的第二直线距离；

判断所述第四运输车辆集合中的每个车辆在直线距离上是否满足所述第一货物的运输成本约束，以及是否满足运输车辆自身的到达时间约束；

所述运输成本约束包括，所述第一直线距离、所述第二直线距离、所述第一货物的拣货位置到货物的配送位置的距离的两倍之和与运输车辆原本的行程的差不大于所述第一货物的最大运输成本；

所述到达时间约束包括，运输车辆的取货时间与第一直线距离所花费时间、第二直线距离所花费时间以及货物的配送时长的总和不大于车运输辆的最晚送达时间；

将同时满足以上两种约束的运输车辆组成第五运输车辆集合，将所述第五运输车辆集合作为满足时间和距离过滤条件的所述第一货物的运输车辆集合。

本发明相比现有技术，具有以下优点：

本发明提出了一种用于智能仓储的货物拣选方法，在货物运输资源匹配过程中通过精简策略缩小计算量，提高计算速度，从而提高匹配过程的整体效率。

附图说明

图1是根据本发明实施例的用于智能仓储的货物拣选方法的流程图。

具体实施方式

下文与图示本发明原理的附图一起提供对本发明一个或者多个实施例的详细描述。结合这样的实施例描述本发明，但是本发明不限于任何实施例。本发明的范围仅由权利要求书限定，并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节以便提供对本发明的透彻理解。出于示例的目的而提供这些细节，并且无这些具体细节中的一些或者所有细节也可以根据权利要求书实现本发明。

本发明的一方面提供了一种用于智能仓储的货物拣选方法。图1是根据本发明实施例的用于智能仓储的货物拣选方法流程图。

不同于直接计算大量最短路径的距离，本发明增加了多项空间精简策略，分别基于时间、直线距离和实际距离，以加快匹配过程的整体运行速度和效率。其中共享运输资源匹配过程共分为两大阶段：

1)单个仓储货物与多个运输车辆的匹配，为每一件仓储货物找出所有符合其共享运输资源要求的运输车辆集合；2)多个仓储货物与多个运输车辆的最优组合匹配，尽可能为每一件仓储货物在其运输车辆集合中指定一个运输车辆，使得所有运输车辆产生的绕行距离最小。在第1阶段中，本发明通过多种空间精简策略，能高效实现单个仓储货物与多个运输车辆的匹配，即基于货物取货时间约束过滤、基于2点间直线距离过滤、基于线路实际距离进行过滤。第1阶段匹配结果中每个仓储货物可以被多个运输车辆服务，同时单个运输车辆也可以服务多个货物，因此本发明在第2阶段通过组合优化，进行多个货物与多个车辆的全局最优匹配，使最后的匹配结果产生的绕行路程之和最小。同时本发明利用剖分矩阵算法来提高这一阶段的匹配速度。

为能够获得较好的共享运输资源服务，本发明中货物r在运输请求中除了表明自己的拣货位置Start(r)和配送位置Targ(r)之外，还需要输入取货时间段，即最早取货时间leaveTimeMin(r)和最晚取货时间leaveTimeMax(r)，以此来确定货物r的取货时间范围，货物r仅在该时间范围内接受运输车辆的共享运输资源服务。同时，货物r需要在运输请求中输入最大运输成本maxCost(r)，以此来限定本次共享运输资源服务的成本。

在接收到最大运输成本maxCost(r)时，本发明根据货物提供的拣货位置Start(r)和配送位置Targ(r)来预测最低运输成本值。在根据所述最大运输成本确定货物的共享运输资源匹配结果，货物只需在取货时间段内等待相应的运输车辆来取货。

运输车辆d需要提供自己的出发位置Start(d)和终点位置Targ(d)。此外，运输车辆还需要输入取货时间LeaveTime(d)和一个最晚送达时间ArrivalTime(d)，分别代表运输车辆会在时刻LeaveTime(d)从自身的出发位置出发，并且必须要在ArrivalTime(d)之前达到自己的终点位置，例如车库。

根据货物提出的共享运输资源要求，本发明为货物的每一件货物尝试确定能够满足双方运输要求的运输车辆作为服务对象。当运输车辆确定了共享运输资源匹配结果后，从运输车辆的出发位置出发到货物的拣货位置，取得货物之后将其送达到指定配送位置，最后再返回运输车辆自己的终点位置。运输车辆获得的运输费用收入，是根据货物自身的行程距离和运输车辆因为取货产生的绕行距离来决定。

在不进行取货的情况下，运输车辆原本的行程即从运输车辆的出发位置直接到其终点位置的行程，记为NtvRoute(d)。从运输车辆的出发位置Start(d)到货物的拣货位置Start(r)，记为Route₁(d,r)；2)从货物的拣货位置Start(r)到货物的配送位置Targ(r)，记为Route₂(r)；3)从配送位置Targ(r)到运输车辆的终点位置Targ(d)，记为Route₃(d,r)。为向货物r的属主提供共享运输资源服务，运输车辆d在取得货物r的过程中，相比于运输车辆原本的行程NtvRoute(d)，产生的绕行距离记为Enlong(d,r)。在已知路段平均车速的前提下，对于每段行程，可用timecost[]计算车辆行驶所花费的时间。

货物r在获得了运输车辆d提供的运输资源服务后，需要支付的运输成本记为Cost(d,r)。所述运输成本Cost(d,r)主要分为2部分：第一部分是货物r属主至少需要支付的Route₂(r)所对应的成本，只与行程Route₂(r)有关。第二部分是因为运输车辆d为取得货物r而产生的绕行距离Enlong(d,r)所对应的成本。运输费用Cost(d,r)表示为

Cost(d,r)＝Route₂(r)+Enlong(d,r)

绕行距离Enlong(d,r)表示运输车辆的实际路程与运输车辆原本的路程的距离之差。所以绕行距离Enlong(d,r)表示为

Enlong(d,r)＝Route₁(d,r)+Route₂(r)+Route₃(d,r)-NtvRoute(d)。

根据以上公式，共享运输资源运输费用Cost(d,r)可直接表示为

Cost(d,r)＝Route₁(d,r)+2×Route₂(r)+Route₃(d,r)-NtvRoute(d)。

在共享运输计费模型的基础上，本发明对运输问题做出如下定义：

给定一个运输车辆的集合D，任一运输车辆d∈D包含出发位置Start(d)、终点位置Targ(d)、取货时间LeaveTime(d)、最晚送达时间ArrivalTime(d)。给定一个货物的集合R，任一货物r∈R包含5部分信息：拣货位置Start(r)、配送位置Targ(r)、最大运输成本maxCost(r)、最早取货时间leaveTimeMin(r)、最晚取货时间leaveTimeMax(r)。

responseTime(d,r)表示共享运输资源匹配结果反馈给货物与运输车辆的时间。因此本发明的目标是，为r∈R找出一个运输车辆d∈D能够满足双方的共享运输资源要求，即需要满足以下约束：

1)leaveTimeMin(r)≤LeaveTime(d)+timecost[Route₁(d,r)]≤leaveTimeMax(r)；

2)LeaveTime(d)+timecost[Route₁(d,r)]+timecost[Route₂(r)]+timecost[Route₃(d,r)]≤ArrivalTime(d)；

3)Cost(d,r)≤maxCost(r)；

4)responseTime(d,r)<LeaveTime(d)；

5)Min[ΣΣ_{i∈[1,D],i∈[1,R]}Enlong(d_i，r_j)]。

其中需要注明的是，第1,2项要求中的Route₁(d,r)，Route₂(r)，Route₃(d,r)表示最短路径距离，可以根据共享运输资源时道路上的实时平均车速来转换成对应的行驶时间。

第1)项表示运输车辆必须要在货物的取货时间范围内到达货物的拣货位置；2)表示运输车辆在完成货物的共享运输订单之后，在自己的最晚到达时间之前到达运输车辆自身的目的地；3)表示货物属主支付的运输费用必须小于其所允许的最大运输成本；4)运输车辆和货物取货时间之前获得共享运输资源反馈信息，确保运输车辆在出行的时刻能够明确自己的具体行程安排；5)表示所有运输车辆因为共享运输资源产生的绕行距离最小。

当新的运输车辆提出了共享运输资源服务请求之后，他就会被加入运输车辆链表中。即运输车辆链表中存储了当前所有已经提出运输请求但是还没有匹配到货物的运输车辆。作为运输车辆链表中的一个实体，其包含6项属性：

1)ID，即运输车辆的唯一标识；

2)Start，运输车辆当前的出发位置，通常可以通过移动设备获取；

3)Target，运输车辆的终点位置信息；

4)NtvRoute，从运输车辆的出发位置到其终点位置的最短路径距离；

5)LeaveTime为取货时间；

6)ArrivalTime为最晚到达目的地的时间。

当运输车辆匹配到货物之后，自动将运输车辆从运输车辆链表中删除。

本发明将地图划分成m×n个相同大小的正方形栅格。根据运输车辆的出发位置来确定其所属的栅格，并将运输车辆关联于栅格内。当要查询某一范围的运输车辆时，只要确定该范围所覆盖的栅格，直接获取这些栅格内的所有运输车辆并进行过滤，避免了对所有运输车辆进行检验，降低了查询过程中的时间消耗。

本发明采用KV散列图的数据结构来实现时间索引的构建。根据运输车辆的出发时间，构建一个运输车辆出发时间索引ntvleavetimepnt，将出发时间点作为键，其对应的值是所有在出发时刻的运输车辆所构成的运输车辆集合。当要获取某一出发时间的所有运输车辆时，只要根据时间在运输车辆出发时间索引中直接获取该时间下的所有运输车辆即可。相应地，根据货物的最晚取货时间来建立货物的出发索引transrleavetimepnt，同样是将货物的最晚取货时间点作为键，所有最晚取货时间相同的货物构成货物集合作为值存储在对应位置中。通过时间索引查找对应时刻的运输车辆和货物，可以降低根据时间查找运输车辆和货物的时间，提高整体方法的速度。

为记录货物与运输车辆之间是否能够匹配以及匹配成功后的绕行距离等信息，本发明使用绕行距离LUT表来存储匹配的绕行距离。

绕行距离LUT表中的行表示货物，列表示运输车辆。每个格的数据代表运输车辆与货物进行匹配时产生的绕行距离。由于运输条件的限制，并不是任意个货物与运输车辆都能成功匹配，即表格中存在大量的空值。故本发明采用稀疏矩阵的形式来实现绕行距离LUT表，在缩小存储空间的同时，加快搜索和查找的速度。

对于单个货物与多个车辆的匹配，需要选择满足某一货物运输资源要求的运输车辆，优选地，直接计算所有运输车辆出发位置到货物拣货位置的Route₁(d,r)距离，以及货物配送位置到所有运输车辆终点位置的Route₃(d,r)距离。

即根据计算获得的每个货物与所有运输车辆匹配后各路段的最短距离，选择所有既符合货物取货时间和最大运输成本约束，又保证自身时间约束的运输车辆。

为进一步缩小需最短路径距离的计算量，在进一步实施例中，对计算集合进行一种或多种过滤，包括时间过滤、直线距离过滤以及最短路径过滤。

对于时间过滤，输入的是运输车辆的出发时间索引和货物的最晚取货时间索引。输出是每个货物对应的取货时间在其最晚出发时间之前的运输车辆集合，记为D1。目的是删去所有出发时间不符合要求的运输车辆。

因为货物和运输车辆都有各自的特定取货时间要求，运输车辆的取货时间LeaveTime(d)必定要早于货物的最晚取货时间leaveTimeMax(r)，才有可能满足货物的取货时间要求。

本发明通过建立运输车辆出发时间索引(ntvleavetimepnt)和货物最晚取货时间索引(transrmaxleavetimepnt)，实现查询速度的提升。其中两个索引的键均按先后的顺序进行排序。时间过滤具体过程如下所示：

1)按顺序遍历货物最晚取货时间索引，先获取取货时间最早的货物集合和对应的时刻记为rt；

2)顺序遍历运输车辆出发时间索引并合并对应的运输车辆集合，直到取货时间与rt相等为止；将此时的合并后获得的运输车辆集合记为D1，那么D1就是取货时间过滤后时刻rt对应的货物集合中所有货物的目标运输车辆集合；

3)完成时刻rt后，继续为货物最晚取货时间索引中下一时刻rt’货物集合进行取货时间过滤；

4)从时刻rt开始遍历并获取对应时刻的运输车辆集合与D1合并，直到遍历到取货时间为rt’为止。将新合并获得的运输车辆集合记为D’1，该运输车辆集合则是时刻rt’对应的货物集合中所有货物经过取货时间过滤后的目标运输车辆集合。

5)如果遍历完货物最晚取货时间索引位，则结束。

通过以上步骤,本发明只需遍历一次货物最晚取货时间索引和运输车辆出发时间索引就可完成整个取货时间过滤。

对于直线距离过滤，在计算实际距离之前，通过直线距离排除一部分不可能匹配的运输车辆。即获取货物r的运输请求和该货物通过取货时间过滤后获得的运输车辆集合D1，得到所有在直线距离上满足了货物r的共享运输资源要求，并且也满足自身到达时间要求的所有运输车辆D3。具体流程为：

1)根据D1中运输车辆的拣货位置，为其建立栅格索引g。计算从当前时刻Now起到货物r最晚取货时间leaveTimeMax(r)的时长，即leaveTimeMax(r)-Now，记为transrtMax。根据当前道路平均时速Speed和transrTimeMax相乘计算获得能够满足货物取货时间要求的最远距离dmax；

2)通过栅格索引g选择所有落在以货物拣货位置Start(r)为圆心、以dmax为半径的圆形范围内的所有运输车辆，记为D1，并记录货物r拣货位置Start(r)与这些运输车辆出发位置的直线距离，记为DirectRoute₁(d,r)，计算运输车辆行驶该距离所花费的时间timecost[DirectRoute₁(d,r)]。

3)从这些运输车辆中选择在直线距离上满足以下条件的货物取货时间要求的运输车辆，组成运输车辆集合D2：

LeaveTime(d)+timecost[DirectRoute₁(d,r)]≤leaveTimeMax(r)。

需要特别说明的是，因为两点之间的实际距离是大于等于直线距离的，所以在该步骤中可能存在有些运输车辆虽然在直线距离上不满足货物的这一取货时间约束，但是在实际距离上确实满足。为避免将这些运输车辆误删，所以不采用leaveTimeMin(r)≤LeaveTime(d)+timecost[DirectRoute₁(d,r)]这一时间约束条件，但是在后续的实际距离过滤上，将会使用货物的最晚取货时间来作为过滤条件。

4)计算从货物r的配送位置Targ(r)到集合D2中所有运输车辆终点位置的直线距离，并记为DirectRoute₃(d,r)。判断这些运输车辆在直线距离上是否都满足货物r的运输成本约束，即：

DirectRoute₁(d,r)+2×Route₂(r)+DirectRoute₃(d,r)-NtvRoute(d)≤maxCost(r)

同时是否满足运输车辆自身的到达时间约束，即：

LeaveTime(d)+timecost[DirectRoute₁(d,r)]+timecost[Route₂(r)]+timecost[DirectRoute₃(d,r)]≤ArrivalTime(d)

将同时满足以上两种约束的运输车辆进行保留，组成运输车辆集合D3。运输车辆集合D3就是满足直线距离过滤的货物r的运输车辆集合。

实际距离过滤和直线距离过滤大致相同，分别是计算货物与运输车辆之间的线路Route₁(d,r)距离和Route₃(d,r)距离来对运输车辆进行过滤，仅在约束条件上有略微的调整。

实际距离过滤的输入是个货物r和运输车辆集合D3；输出是通过实际距离过滤的运输车辆集合D5，即所有满足货物共享运输资源要求的运输车辆组成的集合。流程如下：

1)计算货物r与D3中所有运输车辆的Route₁(d,r)距离，并检验是否满足时间约束，即：

leaveTimeMin(r)≤LeaveTime(d)+timecost[Route1(d,r)]≤leaveTimeMax(r)

2)利用实际距离Route₁(d,r)和直线距离DirectRoute₃判断运输车辆是否符合以下两个约束：

Route₁(d,r)+2×Route₂(r)+DirectRoute₃(d,r)-NtvRoute(d)≤maxCost(r)；

LeaveTime(d)+timecost[Route₁(d,r)]+timecost[Route₂(r)]+timecost[DirectRoute₃(d,r)]≤ArrivalTime(d)

将经过本步骤过滤之后得到的运输车辆集合记为D4，集合中的所有运输车辆都满足货物的共享运输资源的时间要求。但是由于用到了DirectRoute3，所以并不是所有运输车辆在货物的成本约束和运输车辆的到达时间约束上都满足要求，还需步骤3)的过滤。

3)计算运输车辆集合D4中所有运输车辆与货物r的Route₃距离，并判断是否符合货物r的成本约束和运输车辆的到达时间约束，即：

Route₁(d,r)+2×Route₂(r)+Route₃(d,r)-NtvRoute(d)≤maxCost(r)；

LeaveTime(d)+timecost[Route₁(d,r)]+timecost[Route₂(r)]+timecost[Route₃(d,r)]≤ArrivalTime(d)

将满足步骤的两个约束的运输车辆组成集合D5，则得到所有满足货物r的运输条件的运输车辆集合。

最后根据前述公式计算出货物r₁与运输车辆集合D5中所有运输车辆的绕行距离Enlong(d,r)，并将结果写入绕行距离LUT表中。

根据本发明的另一方面，在为每个货物找出对应的符合运输要求的运输车辆集合之后，为达到所有运输车辆运输绕行距离最小的目标，本发明尝试为每个货物在其运输车辆集合中分配一个运输车辆组成共享运输资源匹配组合，使得所有运输车辆最后产生的绕行距离最少。

在实际情况中，每个货物对应符合要求的运输车辆会有m辆，那么n个货物与运输车辆的匹配组合方案就会有m×n种情况。但在面对大规模货物与运输车辆的共享运输资源匹配场景中，同一时间需要进行优化组合的货物和运输车辆数量将达到成千上万，需要消耗大量的时间进行计算，因此本发明采用矩阵剖分算法。通过将完整的邻接矩阵剖分成多个子矩阵，再对子矩阵进行匈牙利算法操作获取最优匹配组合方案。

根据匈牙利算法，本发明将绕行距离LUT表剖分成2个绕行距离子矩阵，即将所有相互有匹配可能的货物和运输车辆剖分到同一个绕行距离子矩阵中。剖分之后再采用匈牙利算法来计算获得货物与运输车辆的共享运输资源匹配组合结果。

在本发明中的输入是货物与运输车辆的绕行距离LUT表EnlongDistanceLUT，输出是一组由绕行距离子矩阵EnlongSubMatrix构成的矩阵列表List。

具体地，按照从上到下的顺序遍历绕行距离LUT表EnlongDistanceLUT中的每个货物r，有3种操作情况：

1)若货物r还未被遍历，则将新建一个EnlongSubMatrix，并将r和r关联的运输车辆集合D5加入到子矩阵中，并遍历集合D5中的每个运输车辆d。

2)若货物r已经被遍历，将直接检查EnlongDistanceLUT中的下一个货物。

3)找出运输车辆d能够服务的所有货物集合R即EnlongDistanceLUT中d所在列中绕行距离值不为空值的货物，对于R中的每个货物r’：

①如果r’不在EnlongSubMatrix中，将r’加入到EnlongSubMatrix中，并找出r’对应的关联运输车辆集合D’5。遍历D’5中的每个运输车辆d’：

i)若d’不在EnlongSubMatrix中，将d’加入到EnlongSubMatrix中，并跳转到步骤3)。

ii)若d’已经在EnlongSubMatrix中，将对应的Enlong(d’，r’)填入EnlongSubMatrix后检查D’中的下一个运输车辆，直到所有运输车辆都遍历完毕。

将EnlongSubMatrix存入到List中，并跳转到步骤1)。

②如果r’已经在EnlongSubMatrix中，将直接检查R中的下一个货物，直到所有货物都遍历完毕。

综上所述，本发明提出了一种用于智能仓储的货物拣选方法，在货物运输资源匹配过程中通过精简策略缩小计算量，提高计算速度，从而提高匹配过程的整体效率。

显然，本领域的技术人员应该理解，上述的本发明的各模块或各步骤可以用通用的计算系统来实现，它们可以集中在单个的计算系统上，或者分布在多个计算系统所组成的网络上，可选地，它们可以用计算系统可执行的程序代码来实现，从而，可以将它们存储在存储系统中由计算系统来执行。这样，本发明不限制于任何特定的硬件和软件结合。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (1)

1.一种用于智能仓储的货物拣选方法，其特征在于，包括：

预先建立运输车辆出发时间索引和货物最晚取货时间索引，所述运输车辆出发时间索引和货物最晚取货时间索引的键分别按先后的顺序对运输车辆的出发时间和货物的最晚取货时间进行排序；

顺序遍历货物最晚取货时间索引，首先获取取货时间最早的货物集合和对应的最早取货时间；

顺序遍历运输车辆出发时间索引，合并对应的运输车辆集合，直到取货时间与所述最早取货时间相等为止；将此时的合并后获得的第一运输车辆集合作为所述最早取货时间对应的货物集合中所有货物的目标运输车辆集合；

继续为货物最晚取货时间索引中下一取货时间的货物集合进行取货时间过滤；

从所述最早取货时间开始遍历并获取对应时刻的运输车辆集合并与所述第一运输车辆集合合并，直到遍历到取货时间为所述下一取货时间为止；将新合并获得的运输车辆集合记为第二运输车辆集合，该第二运输车辆集合则是所述下一取货时间对应的货物集合中所有货物经过取货时间过滤后的目标运输车辆集合；

如果遍历完所有货物最晚取货时间索引位，则执行以下步骤：

获取第一货物的运输请求和针对所述货物获得的所述第一运输车辆集合，

根据所述第一运输车辆集合中运输车辆的拣货位置，为其建立栅格索引；计算从当前时刻起到所述第一货物的最晚取货时间的第一时长；

根据当前道路平均时速和所述第一时长相乘计算获得能够满足货物取货时间要求的最远距离；

通过所述栅格索引选择所有落在以第一货物的所述拣货位置为圆心、以所述最远距离为半径的圆形范围内的第三运输车辆集合，并记录所述第一货物的拣货位置与第三运输车辆集合中每个车辆的出发位置的第一直线距离；

从第三运输车辆集合中选择在直线距离上满足以下第一约束条件的货物取货时间要求的运输车辆，组成第四运输车辆集合，所述第一约束条件包括，运输车辆的出发时间与所述第一直线距离的行驶时间的总和不大于所述第一货物的最晚取货时间；

计算从所述第一货物的配送位置到所述第四运输车辆集合中所有运输车辆终点位置的第二直线距离；

判断所述第四运输车辆集合中的每个车辆在直线距离上是否满足所述第一货物的运输成本约束，以及是否满足运输车辆自身的到达时间约束；

所述运输成本约束包括，所述第一直线距离、所述第二直线距离、所述第一货物的拣货位置到货物的配送位置的距离的两倍之和与运输车辆原本的行程的差不大于所述第一货物的最大运输成本；

所述到达时间约束包括，运输车辆的取货时间与第一直线距离所花费时间、第二直线距离所花费时间以及货物的配送时长的总和不大于车运输辆的最晚送达时间；

将同时满足以上两种约束的运输车辆组成第五运输车辆集合，将所述第五运输车辆集合作为满足时间和距离过滤条件的所述第一货物的运输车辆集合。

Images