CN112801336A - 一种组合拼载的货运调控方法 - Google Patents

一种组合拼载的货运调控方法 Download PDF

Info

Publication number
CN112801336A
CN112801336A CN202011411030.3A CN202011411030A CN112801336A CN 112801336 A CN112801336 A CN 112801336A CN 202011411030 A CN202011411030 A CN 202011411030A CN 112801336 A CN112801336 A CN 112801336A
Authority
CN
China
Prior art keywords
vehicle
information
cost
manifest
scheduling
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
CN202011411030.3A
Other languages
English (en)
Other versions
CN112801336B (zh
Inventor
王植
李无言
郭承伟
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.)
Shashidi Chongqing Network Technology Co ltd
Original Assignee
Shashidi Chongqing Network Technology Co ltd
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 Shashidi Chongqing Network Technology Co ltd filed Critical Shashidi Chongqing Network Technology Co ltd
Priority to CN202011411030.3A priority Critical patent/CN112801336B/zh
Publication of CN112801336A publication Critical patent/CN112801336A/zh
Application granted granted Critical
Publication of CN112801336B publication Critical patent/CN112801336B/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
    • G06Q10/04—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
    • 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
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出一种组合拼载的货运调控方法。首先，对输入货单集合筛选出符合要求货单。其次，货单车辆组合形成运单。再者，筛选出满载运单和未满载运单。然后，通过调度要求对满载和未满载运单调度操作。本发明通过组合拼载的货运调控方法，能够有效地利用解决货车装载率低、行驶路程远，耗时长的问题，从而解决货主物流企业物流成本高的问题。

Description

一种组合拼载的货运调控方法
技术领域
本发明涉及大数据信息匹配领域，尤其涉及一种组合拼载的货运调控方法。
背景技术
“互联网+”的趋势逐渐渗透到各个行业，智慧物流也随之诞生，我国目前物流市场庞大；
物流成本主要包括运输成本、货存成本、仓储成本和人员管理费用等。其中，运输成本是制约物流成本的关键组成部分，如何控制运输成本对增强物流企业的竞争力具有重大的意义，而车辆的合理调控分配，对于降低货物的运输成本至关重要；
基于此种情况，本方法致力于智慧物流平台为货车司机解决货车装载率低、行驶路程远，耗时长的问题，从而解决货主物流企业物流成本高的问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种组合拼载的货运调控方法。
为了实现本发明的上述目的，本发明提供了一种组合拼载的货运调控方法，包括：
A，输入货单信息集合，包括货单号、起始地、目的地、货物重量和货物体积；
B，获取承运车辆信息集合，包括司机姓名、联系电话、车牌号、车辆载重和车辆容量；
C，获取调度要求信息集合，包括调度装载率、调度行驶路程、调度平均装卸时长和调度路线偏好；
优选的，所述A包括：
S1-1，当获取货单信息集合时，形成货单信息归属函数U(Li|C)，用于将货单信息在不同属性中进行分类，将每个货单信息属性相识函数Li的值从大到小排列，分别作为i个货单信息归属函数中的一个粒度C，以形成货单信息归属函数，其中i≥1；其中相识函数
Figure RE-GDA0002986473840000021
ci为起始地相同信息值，di为目的地相同信息值，ei为起始地不同信息值，fi为目的地不同信息值，
优选的，所述A还包括：
S1-2，在货单信息集合中提炼货物重量信息j和货物体积信息k，形成货单信息集合中的运输准备目标函数，
Figure RE-GDA0002986473840000022
ajk为货物重量信息j和货物体积信息k运输成本，bjk为货物重量信息j和货物体积信息k的运送距离， qjk为货物重量信息j和货物体积信息k发生丢失的概率；其中maybejk为货单运输判断值，
Figure RE-GDA0002986473840000023
的判断值；
优选的，所述B包括：
S1-3，对于承运车辆信息集合中车辆载重和车辆容量进行匹配判断，
承运车辆信息集合归属函数为V(Wh|D)，用于将承运车辆信息在车辆载重和车辆容量中进行划分，将每个承运车辆信息车辆载重和车辆容量相识函数Wh的值从大到小排列，分别作为h个承运车辆信息集合归属函数中的一个粒度D，以形成承运车辆信息集合归属函数，其中h≥1；其中相识函数
Figure RE-GDA0002986473840000024
sh为承运车辆载重归属值，th为承运车辆容量归属值，
通过匹配相关函数表达式
Figure RE-GDA0002986473840000025
优选的，所述C还包括：
S1-4，将调度要求信息集合匹配货单信息集合和承运车辆信息集合，对货单信息中起始地和目的地通过承运车辆信息集合的车辆载重和车辆容量进行匹配，在调度过程中，对于起始地的货单信息根据车辆集合Dvehicle＝{D1,D2,...,Dn}进行车辆载重和车辆容量进行匹配，匹配完成后获取目的地，计算调度行驶路程，对订单进行调度平均装卸时长和调度路线偏好设置，在规定时间的约束条件之下，推荐若干规划路径进行选择M＝{Nh,Ns,Nc,No}，其中Nh为全程高速的调度路线成本值，Ns为全程省道的调度路线成本值，Nc为费用最低的成本值，No为规划路线最近的成本值，所述成本值包括，油费、高速费、服务器消费、包装费、人工费或者停车费；将货单信息在若干规划路径下生成成本列表，从而计算车辆行驶里程以及使用油品费用成本和是否存在高速通行费；
通过调度匹配模型进行成本预判
Figure RE-GDA0002986473840000031
J(Dvehicle|M·Wp)为耗费最大成本运输调度中车辆集合和规划路径的匹配模型，Wp为高成本匹配权值，
Figure RE-GDA0002986473840000032
为计算匹配模型目标函数，J(Dvehicle|M·Rp)为耗费最低成本运输调度中车辆集合和规划路径的匹配模型，Rp为低成本匹配权值，max(M|Kp) 为最大调度成本开销，Kp为最大成本开销权值，min(M|Sp)为最小调度成本开销，Sp为最小成本开销权值，p为正整数。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
本发明通过组合拼载的货运调控方法，能够有效地实现降低货运调度成本、提高货运车辆装载率、减少货运行驶路程和耗时。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明总体流程图。
图2是本发明实施流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
如图1和2所示，为了实现本发明的上述目的，本发明提供了一种组合拼载的货运调控方法，包括：
主要包括以下步骤：
S1，通过已知配置角色，建立角色通道并分类；车辆角色种类、筛选距离、不同因素所占权重；
S1-1，通过距离配置、车辆需求以及运载状态必要条件选出的车辆按车辆本身的身份进行通道划分，创建满足所有司机工作状态的角色通道，即一个通道代表一种角色的车辆；
S1-2，遍历所有S1-1步骤中筛选的司机工作状态，将司机工作状态中司机的从业年限、驾照等级、事故率对应至S1-1重建立的角色通道，完成对于司机的按角色通道的分类。
S2，通过预设参数，计算单通道内车辆匹配值，并进行排序，选取最大值；
通过配置参数“距离”筛选所有车辆，以发货地的经纬度为圆心，以配置的距离为半径，筛选出满足此区域的车辆。
将筛选出的车辆通过订单中的车型做第二次筛选，筛选订单中所要求的车辆类型；
将满足距离、车辆类型条件的车辆进行第三次筛选，根据车辆本身的运载状态筛选出空闲车辆。
S3，根据不同司机的从业年限、驾照等级、事故率预设的派单比例，通过比例概率进行车辆选择；
将筛选出的车辆按车辆本身的身份进行通道划分，创建满足所有司机角色的通道，及一个通道代表一种角色的车辆；
将司机角色进行按通道分类。
S4，车辆匹配分值计算排序，
车辆匹配值满分为100分，通过自行配置可设置不同因素所占的权重，所有权重相加需等于数值1。
根据车辆权重计算规则计算每个司机工作状态因素所占的分值，每个司机工作状态因素根据具体的业务场景进行匹配计算，单个因素满分为100*车辆权重；
将所有因素下所得的分数进行累加，为最终车辆根据此订单所得的匹配值；
将每个通道内的车辆根据最终的匹配值进行排序，即可获得每个通道内的匹配值的最大值。
S5，根据司机工作状态中司机的从业年限、驾照等级、事故率进行派单：通过配置中根据车辆身份所配置的派单比例进行定向派单，所配置的比例为概率值，需要满足不同车辆角色派单比例相加等于数值1。
司机的工作状态确定之后，将车辆和货物进行匹配，其中调度要求对货单与承运车辆进行优化调度的工作方法，包括以下步骤：
进行货单与承运车辆优化调度过程中，需要先进行基于参数灵活设置的智能自动选车方法的步骤，如下：
S1，基于管理控制系统配置各项参数；
S2，从车辆数据中筛选出合适的车辆群体并构建车辆类型池；
S3，通过权重轮询算法匹配合适的车辆池并选择最终车辆；
所述车辆类型池：在合适的车辆群体中，根据车辆司机角色分为不同的车辆池，车辆池中按车辆距离升序排序。
优选的，所述S1包括：
在一个货运物流订单派送控制系统中，要实现自动选车的一系列算法，体现场景环境的计算参数必不可少；计算参数往往都来源于预先设置；
参数通常有以下几种来源：
a、系统配置文件
不同的系统采取的配置措施会存在差异，可用到的配置文件格式有：xml、yml、text、json、properties、pom、conf以及一些其他有效格式；
在组件式系统中，此方式最为常用；在物流生产系统中派单参数时常变更，而配置文件性参数在参数变更后必须重启服务才能生效；因此依赖系统配置文件保存参数的方式缺少灵活性，一般不采用；
b、临时缓存
缓存可分为程序内部缓存以及中间件缓存；从缓存中读取数据速度快，若出现服务器故障或存储期限过期可能导致参数丢失，故单独使用不理想；通常可与关系型数据库配合使用；
c、数据库持久化保存
数据库持久化保存参数，是较为理想的方式；持久化保存的数据可来源配置系统的前段配置页面传到后台来保存；此方式可保证数据持久可用，并且参数可灵活配置变更，不用重启服务即可使用新参数，同时不会因为服务器故障或时间长短导致参数丢失；如考虑数据读取频率及效率，可考虑与临时缓存配合使用；优选的，所述S2包括：
所述合适的车辆群体：车辆通过下列任一或多个参数筛选出的合适的车辆群体：
a、车辆类型：现有市面已有车辆类型；
b、车辆距离：车辆当前与物流订单出发点的直线或实际距离；
c、车辆状态：车辆当前是否为空载；
d、车辆载重：车辆载重与订单货物重量或体积参数匹配度；
e、司机类型：由物流公司决定司机类型，控制系统设置的权重附着于司机类型，将后续依据司机类型构建不同车辆池；
f、司机是否拒绝过该订单；
g、司机信誉；
优选的，如图1所示，所述S3包括：
将S2所述的合适的车辆群体按司机类型划分为不同车辆池，每个车辆池有相对应的权重和索引，由缓存系统或关系型数据库保存；只要计算出索引就能找到对应的车辆池，同时也就能找到对应的权重；
权重轮询算法的步骤如下：
S-A：每个车辆池对应一个索引下标，缓存系统或关系型数据库记录上一次选择的车辆池索引下标，初始化索引下标为-1；此处用currentIndex表示；
S1：计算所有车辆池中权重最大公约数，即两两权重取最大公约数然后与下一个权重取最大公约数，直至取完所有权重；此处用maxDivisor表示；
S2：计算车辆池数量，即有多少个车辆池；此处用carCount表示；
S3：计算所有权重中的最大权重，此处用maxWeight表示；
S4：计算当前派单权重，此处用currentWeight表示；
S5：权重轮询算法得到车辆池后，选择池中第一个车辆，即是最合适订单的车辆。
优选的，如图2所示，所述计算当前派单权重包括以下步骤：
S-A：初始化当前派单权重currentWeight为0：
S-B：将上一次车辆池索引下标加1再除以车辆池数取余数，之后再将值赋给索引下标currentIndex；
S-C：如果索引下标currentIndex为0，则当前派单权重的值为上一次的当前派单权重减去最大公约数；否则执行步骤S-D；
S-D：如果计算结果当前派单权重currentWeight小于等于0，则将最大权重赋值给当前派单权重；否则，跳转执行步骤S-B；
S-E：根据S-B计算的索引下标currentIndex获取相对应的车辆池权重Weight，与S-C或S-D计算出的当前派单权重currentWeight做比较；
S-F：如果对应的权重Weight大于等于当前派单权重currentWeight，则表示选择索引下标currentIndex对应的车辆池有效，输出currentIndex；
如果对应的权重Weight小于当前派单权重currentWeight则继续重复步骤S-B 到S-F，直到找到一个有效的车辆池。
下面详细描述本发明的实施示例，在预先步骤1中的“货源发布”与预先步骤 2中“货车司机GPS位置上传”均以使用智慧物流相应app为前提；并且步骤2中参数配置应有一套管理控制系统来控制参数配置。
本发明提出了一种基于参数灵活设置的智能自动选车方法，能灵活配置选车参数，同时在大量车辆中筛选出合适车辆的剩余群体并划分车辆池，最后根据权限配比轮询算法获取到车辆池从而选出最优车辆。
对本发明进行详细说明，主要包括以下步骤：
预先步骤1：货主使用相关app发布货源，上传货源GPS位置信息。
预先步骤2：货车司机使用相关app，上此GPS信息。
步骤1：开始
步骤2：经过管理控制系统配置方法中所需相应参数，具体参数如下：
a、车辆类型：车辆类型即现有市面已有车辆类型；
b、车辆距离：车辆当前与物流订单出发点的直线距离；
c、车辆状态：车辆当前是否为空载；
d、车辆载重：车辆载重与定点匹配度；
e、司机类型：由物流公司决定司机类型，权重配比附着于司机类型，将后续由司机类型构建不同车辆池；
f、司机是否拒绝过该订单；
g、司机信誉；
步骤3：经过以上配置参数可首先将从大量车辆群体中获取到符合货源条件的剩余车辆群体，其次将根据司机分类将车辆分为不同的车辆池。
步骤4：根据配置的各车辆池派单权重值，依据权重配比轮询算法计算出当前最合适的车辆池；并对该车辆池中车辆进行车辆距离排序。
步骤5：根据步骤4已得到当前应该选择的车辆池，从该车辆池中选出第一个司机即为最合适司机。
步骤6：结束。
在本说明书的描述中，参考术语“货源”、“订单”均指物流行业中的一个货源单；术语“司机分类”依据具体场景分类，本公司平台将司机分为雇佣司机、买车司机、外部带车司机，不同场景分类不影响该方法的使用。
将货单信息和调度信息进行匹配执行如下步骤：
A，根据货单信息、承运车辆信息和车辆调度要求信息分别生成货单信息集合、承运车辆信息集合和车辆调度要求信息集合；
B，在货单信息集合中抽取货单信息，进行地图路径规划，生成地图路径规划信息集合，并对地图路径规划信息集合进行调度判断；
C，将符合调度判断要求的货单信息、承运车辆信息和车辆调度要求信息进行货物匹配运输，对于不符合调度判断要求的货单信息、承运车辆信息和车辆调度要求信息进行再次匹配。
S1，输入货单信息集合，包括货单号、起始地、目的地、货物重量和货物体积；承运车辆信息集合，包括司机姓名、联系电话、车牌号、车辆载重和车辆容量；调度要求信息集合，包括调度装载率、调度行驶路程、调度平均装卸时长和调度路线偏好；
S1-1，当获取货单信息集合时，形成货单信息归属函数U(Li|C)，用于将货单信息在不同属性中进行分类，将每个货单信息属性相识函数Li的值从大到小排列，分别作为i个货单信息归属函数中的一个粒度C，以形成货单信息归属函数，其中i≥1；其中相识函数
Figure RE-GDA0002986473840000101
ci为起始地相同信息值，di为目的地相同信息值，ei为起始地不同信息值，fi为目的地不同信息值，
所述不同属性例如，货单信息的起始地相同为一种属性，货单信息的目的地相同为一种属性，货单信息的起始地不同为一种属性，货单信息的目的地不同为一种属性，
S1-2，在货单信息集合中提炼货物重量信息j和货物体积信息k，形成货单信息集合中的运输准备目标函数，
Figure RE-GDA0002986473840000102
ajk为货物重量信息j和货物体积信息k运输成本，bjk为货物重量信息j和货物体积信息k的运送距离， qjk为货物重量信息j和货物体积信息k发生丢失的概率；其中maybejk为货单运输判断值，
Figure RE-GDA0002986473840000103
的判断值；
S1-3，对于承运车辆信息集合中车辆载重和车辆容量进行匹配判断，
承运车辆信息集合归属函数为V(Wh|D)，用于将承运车辆信息在车辆载重和车辆容量中进行划分，将每个承运车辆信息车辆载重和车辆容量相识函数Wh的值从大到小排列，分别作为h个承运车辆信息集合归属函数中的一个粒度D，以形成承运车辆信息集合归属函数，其中h≥1；其中相识函数
Figure RE-GDA0002986473840000111
sh为承运车辆载重归属值，th为承运车辆容量归属值，
通过匹配相关函数表达式
Figure RE-GDA0002986473840000112
S1-4，将调度要求信息集合匹配货单信息集合和承运车辆信息集合，对货单信息中起始地和目的地通过承运车辆信息集合的车辆载重和车辆容量进行匹配，在调度过程中，对于起始地的货单信息根据车辆集合Dvehicle＝{D1,D2,...,Dn}进行车辆载重和车辆容量进行匹配，匹配完成后获取目的地，计算调度行驶路程，对订单进行调度平均装卸时长和调度路线偏好设置，在规定时间的约束条件之下，推荐若干规划路径进行选择M＝{Nh,Ns,Nc,No}，其中Nh为全程高速的调度路线成本值，Ns为全程省道的调度路线成本值，Nc为费用最低的成本值，No为规划路线最近的成本值，所述成本值包括，油费、高速费、服务器消费、包装费、人工费或者停车费；将货单信息在若干规划路径下生成成本列表，从而计算车辆行驶里程以及使用油品费用成本和是否存在高速通行费；
通过调度匹配模型进行成本预判
Figure RE-GDA0002986473840000113
J(Dvehicle|M·Wp)为耗费最大成本运输调度中车辆集合和规划路径的匹配模型，Wp为高成本匹配权值，
Figure RE-GDA0002986473840000114
为计算匹配模型目标函数，J(Dvehicle|M·Rp)为耗费最低成本运输调度中车辆集合和规划路径的匹配模型，Rp为低成本匹配权值，max(M|Kp) 为最大调度成本开销，Kp为最大成本开销权值，min(M|Sp)为最小调度成本开销，Sp为最小成本开销权值，p为正整数；
S2，根据调度要求信息集合的判断函数规划货单与地图货车路径的行驶路程、耗时；
S3，根据货单行驶路程和调度行驶路程筛选出符合要求货单集合B和不符合要求货单集合A；
S4，货单集合B为空，结束调度，输出结果；不为空和承运者车辆信息组合形成运单信息集合，其中包括货单号、起始地、目的地、司机姓名、联系电话、车牌号、车辆装载率，车辆行驶路程，行驶用时；
S5，根据车辆装载率和调度装载率筛选出符合要求运单集合F和不符合要求运单集合E；
S6，运单集合E为空，结束输出调度结果；不为空根据车辆装载率和调度装载率筛选出满载运单集合G和未满载运单集合H；
S7，满载运单集合G不为空,根据调度路线偏好确定车辆装载货单集合和已装载货单集合及已调度车辆集合；为空，对未满载运单集合H继续调度；
S8，根据已装载货单集合和符合要求货单集合判断货单是否装完或根据已调度车辆集合和承运车辆信息集合判断车辆是否用完，货单装完和车辆用完结束调度，输出调度结果；否则对未满载运单集合继续调度，排除已装载货单和已用车辆集合；
S9，根据未满载运单集合和调度路线偏好及装载率最大对剩下车辆集合进行车辆第1个运单调度，得出车辆装载运单、剩余装载率和剩余行驶路程，执行S8(注：排除已装载货单集合和已用车辆集合)；
S10，根据车辆剩余装载率和剩余行驶路程和未满载运单集合和调度路线偏好重复对该车辆的2～N个装载货单调度，得出车辆装载运单，其中需要排除已装载货单集合和已用车辆集合，执行S8，完成车辆剩余装载之后，重复执行S9和S10。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (5)

1.一种组合拼载的货运调控方法，其特征在于，包括：
A，输入货单信息集合，包括货单号、起始地、目的地、货物重量和货物体积；
B，获取承运车辆信息集合，包括司机姓名、联系电话、车牌号、车辆载重和车辆容量；
C，获取调度要求信息集合，包括调度装载率、调度行驶路程、调度平均装卸时长和调度路线偏好。
2.根据权利要求1所述的组合拼载的货运调控方法，其特征在于，所述A包括：
S1-1，当获取货单信息集合时，形成货单信息归属函数U(Li|C)，用于将货单信息在不同属性中进行分类，将每个货单信息属性相识函数Li的值从大到小排列，分别作为i个货单信息归属函数中的一个粒度C，以形成货单信息归属函数，其中i≥1；其中相识函数
Figure FDA0002818292260000011
ci为起始地相同信息值，di为目的地相同信息值，ei为起始地不同信息值，fi为目的地不同信息值。
3.根据权利要求1所述的组合拼载的货运调控方法，其特征在于，所述A还包括：
S1-2，在货单信息集合中提炼货物重量信息j和货物体积信息k，形成货单信息集合中的运输准备目标函数，
Figure FDA0002818292260000012
m≠l，ajk为货物重量信息j和货物体积信息k运输成本，bjk为货物重量信息j和货物体积信息k的运送距离，qjk为货物重量信息j和货物体积信息k发生丢失的概率；其中maybejk为货单运输判断值，
Figure FDA0002818292260000013
的判断值。
4.根据权利要求1所述的组合拼载的货运调控方法，其特征在于，所述B包括：
S1-3，对于承运车辆信息集合中车辆载重和车辆容量进行匹配判断，
承运车辆信息集合归属函数为V(Wh|D)，用于将承运车辆信息在车辆载重和车辆容量中进行划分，将每个承运车辆信息车辆载重和车辆容量相识函数Wh的值从大到小排列，分别作为h个承运车辆信息集合归属函数中的一个粒度D，以形成承运车辆信息集合归属函数，其中h≥1；其中相识函数
Figure FDA0002818292260000021
sh为承运车辆载重归属值，th为承运车辆容量归属值，
通过匹配相关函数表达式
Figure FDA0002818292260000022
5.根据权利要求4所述的组合拼载的货运调控方法，其特征在于，所述C还包括：
S1-4，将调度要求信息集合匹配货单信息集合和承运车辆信息集合，对货单信息中起始地和目的地通过承运车辆信息集合的车辆载重和车辆容量进行匹配，在调度过程中，对于起始地的货单信息根据车辆集合Dvehicle＝{D1,D2,...,Dn}进行车辆载重和车辆容量进行匹配，匹配完成后获取目的地，计算调度行驶路程，对订单进行调度平均装卸时长和调度路线偏好设置，在规定时间的约束条件之下，推荐若干规划路径进行选择M＝{Nh,Ns,Nc,No}，其中Nh为全程高速的调度路线成本值，Ns为全程省道的调度路线成本值，Nc为费用最低的成本值，No为规划路线最近的成本值，所述成本值包括，油费、高速费、服务器消费、包装费、人工费或者停车费；将货单信息在若干规划路径下生成成本列表，从而计算车辆行驶里程以及使用油品费用成本和是否存在高速通行费；
通过调度匹配模型进行成本预判
Figure FDA0002818292260000031
J(Dvehicle|M·Wp)为耗费最大成本运输调度中车辆集合和规划路径的匹配模型，Wp为高成本匹配权值，
Figure FDA0002818292260000032
为计算匹配模型目标函数，J(Dvehicle|M·Rp)为耗费最低成本运输调度中车辆集合和规划路径的匹配模型，Rp为低成本匹配权值，max(M|Kp)为最大调度成本开销，Kp为最大成本开销权值，min(M|Sp)为最小调度成本开销，Sp为最小成本开销权值，p为正整数。
CN202011411030.3A 2020-12-04 2020-12-04 一种组合拼载的货运调控方法 Active CN112801336B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011411030.3A CN112801336B (zh) 2020-12-04 2020-12-04 一种组合拼载的货运调控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011411030.3A CN112801336B (zh) 2020-12-04 2020-12-04 一种组合拼载的货运调控方法

Publications (2)

Publication Number Publication Date
CN112801336A true CN112801336A (zh) 2021-05-14
CN112801336B CN112801336B (zh) 2024-01-12

Family

ID=75806444

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011411030.3A Active CN112801336B (zh) 2020-12-04 2020-12-04 一种组合拼载的货运调控方法

Country Status (1)

Country Link
CN (1) CN112801336B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114066352A (zh) * 2021-11-10 2022-02-18 江南大学 一种零担货物多点装载方法及系统
CN115545621A (zh) * 2022-11-25 2022-12-30 万联易达物流科技有限公司 一种精准拼柜提高运输收益的方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070194912A1 (en) * 2006-01-10 2007-08-23 Lg Chem, Ltd. Method for optimal multi-vehicle dispatch and system for the same
JP2010168205A (ja) * 2009-01-26 2010-08-05 Daiwa Logistics Co Ltd 最適配車システム，最適配車装置，最適配車方法及び最適配車プログラム
US20100250446A1 (en) * 2009-03-31 2010-09-30 General Electric Company Freight commerce system and method
CN102467703A (zh) * 2010-11-10 2012-05-23 北京天德世通科技发展有限公司 基于云计算的物流管理方法、设备和系统
CN204731828U (zh) * 2015-05-14 2015-10-28 北京速派得物流信息技术有限公司 一种用于同城网络货运的货物-车辆匹配系统
CN111950965A (zh) * 2020-08-26 2020-11-17 辽宁烽火台科技有限公司 一种网络平台道路货物运输调度系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070194912A1 (en) * 2006-01-10 2007-08-23 Lg Chem, Ltd. Method for optimal multi-vehicle dispatch and system for the same
JP2010168205A (ja) * 2009-01-26 2010-08-05 Daiwa Logistics Co Ltd 最適配車システム，最適配車装置，最適配車方法及び最適配車プログラム
US20100250446A1 (en) * 2009-03-31 2010-09-30 General Electric Company Freight commerce system and method
CN102467703A (zh) * 2010-11-10 2012-05-23 北京天德世通科技发展有限公司 基于云计算的物流管理方法、设备和系统
CN204731828U (zh) * 2015-05-14 2015-10-28 北京速派得物流信息技术有限公司 一种用于同城网络货运的货物-车辆匹配系统
CN111950965A (zh) * 2020-08-26 2020-11-17 辽宁烽火台科技有限公司 一种网络平台道路货物运输调度系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114066352A (zh) * 2021-11-10 2022-02-18 江南大学 一种零担货物多点装载方法及系统
CN114066352B (zh) * 2021-11-10 2022-07-12 江南大学 一种零担货物多点装载方法及系统
CN115545621A (zh) * 2022-11-25 2022-12-30 万联易达物流科技有限公司 一种精准拼柜提高运输收益的方法及装置

Also Published As

Publication number Publication date
CN112801336B (zh) 2024-01-12

Similar Documents

Publication Publication Date Title
US20210248555A1 (en) Systems for routing and controlling vehicles for freight
US11887030B2 (en) Interactive network and method for securing conveyance services
CN109345161B (zh) 一种面向价值流的配送派单方法
US9958272B2 (en) Real-time computation of vehicle service routes
CN102542395B (zh) 一种应急物资调度系统及计算方法
CN108549978B (zh) 一种调配安全货运车辆的方法及系统
CN107918849A (zh) 一种电动物流货车的智能调度装置及方法
CN112801336A (zh) 一种组合拼载的货运调控方法
CN107844935A (zh) 一种基于环保和成本节约的车辆调度和路径规划方法
CN112418550B (zh) 一种物流行业中多种司机工作状态下的车货匹配方法
CN116402309A (zh) 港口集疏运车辆调度匹配方法及系统
CN110544040A (zh) 一种车辆调度优化决策系统
CN117709836A (zh) 一种数字化物流供应链的管理系统
CN112506966B (zh) 一种基于参数灵活设置的智能自动选车系统及方法
CN113344336A (zh) 一种车辆调度方法、装置及存储介质
CN116432880B (zh) 一种共享云仓物流城配路线智能选择及运费报价系统
US20230196227A1 (en) Interactive network and method for securing conveyance services
US20230090740A1 (en) System and Method for Predicting Arrival Time in a Freight Delivery System
CN112418552B (zh) 基于调度要求对货单与承运车辆进行优化调度的工作方法
CN114897359A (zh) 多维数据下整车运力调度方法
CN115660541B (zh) 一种货物运力智能匹配系统及匹配方法
US20240005258A1 (en) IIntelligent Load Clusters for Freight
CN117670176A (zh) 基于分布式微服务的车辆双重模式智慧调度方法及装置
Larsen et al. A real-time synchromodal framework with co-planning for routing of containers and vehicles
CN118014456A (zh) 一种来料管理系统

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
GR01 Patent grant
GR01 Patent grant