CN113008259A - 基于城市交通网络数据反馈支持的电商物流路径规划系统 - Google Patents

基于城市交通网络数据反馈支持的电商物流路径规划系统 Download PDF

Info

Publication number
CN113008259A
CN113008259A CN202110245669.7A CN202110245669A CN113008259A CN 113008259 A CN113008259 A CN 113008259A CN 202110245669 A CN202110245669 A CN 202110245669A CN 113008259 A CN113008259 A CN 113008259A
Authority
CN
China
Prior art keywords
data
module
traffic
unit
path planning
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
Application number
CN202110245669.7A
Other languages
English (en)
Inventor
秦广伟
范玖祎
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.)
Hangzhou Pinjie Network Technology Co Ltd
Original Assignee
Hangzhou Pinjie 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 Hangzhou Pinjie Network Technology Co Ltd filed Critical Hangzhou Pinjie Network Technology Co Ltd
Priority to CN202110245669.7A priority Critical patent/CN113008259A/zh
Publication of CN113008259A publication Critical patent/CN113008259A/zh
Pending legal-status Critical Current

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
    • G01C21/26—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
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Automation & Control Theory (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及物流路径规划技术领域，具体地说，涉及基于城市交通网络数据反馈支持的电商物流路径规划系统。其包括城市交通数据反馈单元、GPS数据采集单元、GPS数据转换单元和物流配送路径规划单元；城市交通数据反馈单元用于采集城市道路网交通状态；GPS数据采集单元用于实时采集电商物流的配送点经纬度信息；GPS数据转换单元用于提供GPS数据采集单元中的数据迁移服务；物流配送路径规划单元用于通过GPS数据采集单元和GPS数据转换单元提供GPS数据输入，给出电商物流配送的优化路径，本发明采用遗传算法得到优化路径，有利于节省电商物流配送的时间，提供配送效率，且可以直观的为用户提供坐标点和路径信息。

Description

基于城市交通网络数据反馈支持的电商物流路径规划系统
技术领域
本发明涉及物流路径规划技术领域，具体地说，涉及基于城市交通网络数据反馈支持的电商物流路径规划系统。
背景技术
随着现代科学技术的迅猛发展和经济全球化趋势的加强，现代物流作为一种先进的组织方式和管理理念，被广泛认为是企业降低物耗、提高劳动生产率以外的第三利润源泉，在世界范围内广泛兴起，物流作为商业运作过程的四个基本“流”之-,配送是物流的最后-一个环节，也是商流与物流紧密结合的一种综合的、特殊的环节，同时也是物流过程的关键环节，然而，我国物流企业信息化程度不高，据中国仓储协会的调查报告显示，我国车辆运营的空载率约45％左右，造成这一情况的重要原因之一就是物流企业无法准确知道运行车辆的具体位置，不能为其组织货源和灵活配货，同时，司机只能凭个人经验确定路线，有时不能找到最佳路径，不仅延误时机而且增加运营成本，另外，实际客户也不能及时了解货物配送过程的情况，不能和物流企业协调配合，鉴于此，我们提出基于城市交通网络数据反馈支持的电商物流路径规划系统。
发明内容
本发明的目的在于提供基于城市交通网络数据反馈支持的电商物流路径规划系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供基于城市交通网络数据反馈支持的电商物流路径规划系统，包括城市交通数据反馈单元、GPS数据采集单元、GPS数据转换单元和物流配送路径规划单元；
所述城市交通数据反馈单元用于采集城市道路网交通状态，方便实时了解城市交通道路拥挤状态，有利于后续电商物流路径的规划选择，提高物流运输的效率；
所述GPS数据采集单元用于实时采集电商物流的配送点经纬度信息；
所述GPS数据转换单元用于提供所述GPS数据采集单元中的数据迁移服务，使得原有的坐标信息不用重新采集，可以直接使用，提高效率；
所述物流配送路径规划单元用于通过所述GPS数据采集单元和所述GPS数据转换单元提供GPS数据输入，给出电商物流配送的优化路径；
所述GPS数据采集单元采集物流配送的位置信息由所述GPS数据转换单元输入数据到所述物流配送路径规划单元，所述城市交通数据反馈单元城市道路网状态输入数据到所述物流配送路径规划单元得到优化路径。
作为本技术方案的进一步改进，所述城市交通数据反馈单元包括交通数据采集模块、交通数据管理模块、资源调度模块和数据共享模块；
所述交通数据采集模块用于采集和计算交通数据，并计算平均延误率；
所述交通数据管理模块用于将所述交通数据采集模块采集的数据进行整合和管理；
所述资源调度模块用于构建所述交通数据管理模块的交通资源运行状态评价；
所述数据共享模块用于交通信息的发布，实现与所述物流配送路径规划单元的信息共享和交换。
作为本技术方案的进一步改进，所述交通数据采集模块包括以下姿态：
姿态一、静态数据，反映交通网格内交通设施属性；
静态交通网格数据的划分流程为：
①、收集土地利用规划、路网交通流历史数据、交通管控材料等资料；
②、通过定性分析和数据分析寻找路网中的交通汇集点、汇集区域和交通瓶颈点，确定静态交通网格的质心；
③、分析与静态交通网格质心相连接的道路交通流特性，尤其是高峰期交通流特性，确定静态交通网格的区域和边界；
④、合理增加和布设交通流信息采集设备，收集海量交通流数据，为进一步的调整和优化提供依据；
⑤、对海量交通流数据进行关联挖掘分析，实现对静态交通网格划分的修正和优化；
姿态二、动态数据，反映交通网格内动态交通流变化，动态数据主要包括反应道路断面交通流信息的交通量、平均车速、平均时间占有率、车辆类型构成等；反应路段、路径交通流状态的平均旅行时间；反应交通出行需求的OD(交通出行量)信息(静态动态都有)；信号控制系统相关信息；停车场动态车辆出入信息；路边停车位车辆信息；交通管制信息；天气信息等。
作为本技术方案的进一步改进，所述资源调度模块交通运行状态的延误强度计算公式如下：
Figure BDA0002964006800000031
其中，i为第i个统计周期，取值范围为(1,2,3,.,n)，C为表示第个统计周期的平均延误率，S为延误强度，T为单元统计周长的时长，平均延误率可以用于交通的拥堵状态进行判别，当平均延误率大于100％，即道路开始发生拥堵后，平均延误率参数的变化总体上呈现单调上升的特性，至延误率最高点后，又呈现单调下降的特性，直至拥堵消除，因此，如果能够选择合理的阈值，则对周期性拥堵可以做到自动判别甚至预测拥堵的发生，从而方便后续电商物流运输过程中的时间进行预测，从而更准确的选择合适的物流路径。
作为本技术方案的进一步改进，所述GPS数据采集单元包括移动定位模块、数据后处理模块和信息读取模块；
所述移动定位模块用于接收GPS卫星信号进行移动定位；
所述数据后处理模块用于解析存储所述移动定位模块的移动定位数据；
所述信息读取模块用于从所述数据后处理模块中提取经纬度、移动速度和方向、定位状态和接收信号时间。
作为本技术方案的进一步改进，所述GPS数据转换单元包括以下姿态：
姿态一、数据无缝集成模式，是在一个GIS软件系统中，实现对多种不同GIS数据格式的直接访问，它避免了在数据转换过程中的信息丢失，但开发难度较高，且一旦需转换的GIS数据格式发生改变，则其软件转换程序势必随之改变，这增加了开发成本；
姿态二、数据互操作模式，是OGC制定的规范，为数据操作提供了统一的规范，从而使一个系统同时支持不同的GIS数据格式成为可能，数据互操作模式是GIS数据共享发展的趋势；
姿态三、数据格式转换模式，是把其他格式的GIS数据经过专门编写的数据转换程序转换成目标系统的格式。
作为本技术方案的进一步改进，物流配送路径规划单元包括路网拓扑提取模块、初始路径模块、选择模块、参数控制模块和迭代次数目标模块；
所述路网拓扑提取模块用于提取计算所有坐标和路径信息；KMZ是默认的输出文件格式，是一个经过ZIP格式压缩过的KML文件，其自身可以包含图片；KML是一种XML描述语言，为坐标和路径信息的文本格式，可以直接进行编辑，通过代码读取地标文件的内部信息,也可通过程序自动生成KML文件，采用XML文件节点属性读取类提取KML文件中相应的关键字，具体算法如下：
Figure BDA0002964006800000042
Figure BDA0002964006800000041
Figure BDA0002964006800000051
所述初始路径模块用于将所述路网拓扑提取模块计算的路径信息生成初始路径；
所述选择模块用于计算电商物流路径的适应度；
所述参数控制模块用于采用遗传算法控制种群大小、交叉概率和变异概率的范围，交叉概率是在选中进行繁殖下一代的个体中，对两个不同的个体的相同位置的基因进行交换，从而产生新的个体，将选出的两个个体进行部分组合连接；变异概率是在选中的个体中,对个体中的某些基因执行异向转化，在串bi中，如果某位基因为1,产生变异时就是把它变成0；反亦反之，当群体中个体有很强的相似性时，交叉运算已无济于事，这时需要对个体进行突然变异，从而保持物种的多样性，从而可以提供电商物流路径的多样性；
所述迭代次数目标模块用于选择适应度函数最高的编码，确定最优路径。
作为本技术方案的进一步改进，所述选择模块中的适应度函数计算公式如下：
F＝100*n/L
其中，F为适应度，n为选定的坐标点总个数，L为本条路径的总长度。
与现有技术相比，本发明的有益效果：
该基于城市交通网络数据反馈支持的电商物流路径规划系统中，通过GPS数据采集单元采集物流配送的位置信息由GPS数据转换单元输入数据到物流配送路径规划单元，城市交通数据反馈单元城市道路网状态输入数据到物流配送路径规划单元，采用遗传算法得到优化路径，有利于节省电商物流配送的时间，提供配送效率，且可以直观的为用户提供坐标点和路径信息。
附图说明
图1为实施例1的整体示意框图；
图2为实施例1的城市交通数据反馈单元示意框图；
图3为实施例1的GPS数据采集单元示意框图；
图4为实施例1的物流配送路径规划单元示意框图。
图中各个标号意义为：
100、城市交通数据反馈单元；110、交通数据采集模块；120、交通数据管理模块；130、资源调度模块；140、数据共享模块；
200、GPS数据采集单元；210、移动定位模块；220、数据后处理模块；230、信息读取模块；
300、GPS数据转换单元；
400、物流配送路径规划单元；410、路网拓扑提取模块；420、初始路径模块；430、选择模块；440、参数控制模块；450、迭代次数目标模块。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
请参阅图1-图4所示，本实施例提供基于城市交通网络数据反馈支持的电商物流路径规划系统，包括城市交通数据反馈单元100、GPS数据采集单元200、GPS数据转换单元300和物流配送路径规划单元400；
城市交通数据反馈单元100用于采集城市道路网交通状态，方便实时了解城市交通道路拥挤状态，有利于后续电商物流路径的规划选择，提高物流运输的效率；
GPS数据采集单元200用于实时采集电商物流的配送点经纬度信息；
GPS数据转换单元300用于提供GPS数据采集单元200中的数据迁移服务，使得原有的坐标信息不用重新采集，可以直接使用，提高效率；
物流配送路径规划单元400用于通过GPS数据采集单元200和GPS数据转换单元300提供GPS数据输入，给出电商物流配送的优化路径；
GPS数据采集单元200采集物流配送的位置信息由GPS数据转换单元300输入数据到物流配送路径规划单元400，城市交通数据反馈单元100城市道路网状态输入数据到物流配送路径规划单元400得到优化路径。
本实施例中的，城市交通数据反馈单元100包括交通数据采集模块110、交通数据管理模块120、资源调度模块130和数据共享模块140；
交通数据采集模块110用于采集和计算交通数据，并计算平均延误率；
交通数据管理模块120用于将交通数据采集模块110采集的数据进行整合和管理；
资源调度模块130用于构建交通数据管理模块120的交通资源运行状态评价；
数据共享模块140用于交通信息的发布，实现与物流配送路径规划单元400的信息共享和交换。
具体的，交通数据采集模块110包括以下姿态：
姿态一、静态数据，反映交通网格内交通设施属性；
静态交通网格数据的划分流程为：
①、收集土地利用规划、路网交通流历史数据、交通管控材料等资料；
②、通过定性分析和数据分析寻找路网中的交通汇集点、汇集区域和交通瓶颈点，确定静态交通网格的质心；
③、分析与静态交通网格质心相连接的道路交通流特性，尤其是高峰期交通流特性，确定静态交通网格的区域和边界；
④、合理增加和布设交通流信息采集设备，收集海量交通流数据，为进一步的调整和优化提供依据；
⑤、对海量交通流数据进行关联挖掘分析，实现对静态交通网格划分的修正和优化；
姿态二、动态数据，反映交通网格内动态交通流变化，动态数据主要包括反应道路断面交通流信息的交通量、平均车速、平均时间占有率、车辆类型构成等；反应路段、路径交通流状态的平均旅行时间；反应交通出行需求的OD信息(静态动态都有)；信号控制系统相关信息；停车场动态车辆出入信息；路边停车位车辆信息；交通管制信息；天气信息等。
值得说明的，资源调度模块130交通运行状态的延误强度计算公式如下：
Figure BDA0002964006800000081
其中，i为第i个统计周期，取值范围为(1,2,3,.,n)，C为表示第个统计周期的平均延误率，S为延误强度，T为单元统计周长的时长，平均延误率可以用于交通的拥堵状态进行判别，当平均延误率大于100％，即道路开始发生拥堵后，平均延误率参数的变化总体上呈现单调上升的特性，至延误率最高点后，又呈现单调下降的特性，直至拥堵消除，因此，如果能够选择合理的阈值，则对周期性拥堵可以做到自动判别甚至预测拥堵的发生，从而方便后续电商物流运输过程中的时间进行预测，从而更准确的选择合适的物流路径。
进一步的，GPS数据采集单元200包括移动定位模块210、数据后处理模块220和信息读取模块230；
移动定位模块210用于接收GPS卫星信号进行移动定位；
数据后处理模块220用于解析存储移动定位模块210的移动定位数据；
信息读取模块230用于从数据后处理模块220中提取经纬度、移动速度和方向、定位状态和接收信号时间。
更进一步的，GPS数据转换单元300包括以下姿态：
姿态一、数据无缝集成模式，是在一个GIS软件系统中，实现对多种不同GIS数据格式的直接访问，它避免了在数据转换过程中的信息丢失，但开发难度较高，且一旦需转换的GIS数据格式发生改变，则其软件转换程序势必随之改变，这增加了开发成本；
姿态二、数据互操作模式，是OGC制定的规范，为数据操作提供了统一的规范，从而使一个系统同时支持不同的GIS数据格式成为可能，数据互操作模式是GIS数据共享发展的趋势；
姿态三、数据格式转换模式，是把其他格式的GIS数据经过专门编写的数据转换程序转换成目标系统的格式。
除此之外的，物流配送路径规划单元400包括路网拓扑提取模块410、初始路径模块420、选择模块430、参数控制模块440和迭代次数目标模块450；
路网拓扑提取模块410用于提取计算所有坐标和路径信息；KMZ是默认的输出文件格式，是一个经过ZIP格式压缩过的KML文件，其自身可以包含图片；KML是一种XML描述语言，为坐标和路径信息的文本格式，可以直接进行编辑，通过代码读取地标文件的内部信息,也可通过程序自动生成KML文件，采用XML文件节点属性读取类提取KML文件中相应的关键字，具体算法如下：
Figure BDA0002964006800000091
Figure BDA0002964006800000092
Figure BDA0002964006800000101
初始路径模块420用于将路网拓扑提取模块410计算的路径信息生成初始路径；
选择模块430用于计算电商物流路径的适应度；
参数控制模块440用于采用遗传算法控制种群大小、交叉概率和变异概率的范围，交叉概率是在选中进行繁殖下一代的个体中，对两个不同的个体的相同位置的基因进行交换，从而产生新的个体，将选出的两个个体进行部分组合连接；变异概率是在选中的个体中,对个体中的某些基因执行异向转化，在串bi中，如果某位基因为1,产生变异时就是把它变成0；反亦反之，当群体中个体有很强的相似性时，交叉运算已无济于事，这时需要对个体进行突然变异，从而保持物种的多样性，从而可以提供电商物流路径的多样性；
迭代次数目标模块450用于选择适应度函数最高的编码，确定最优路径。
具体的，选择模块430中的适应度函数计算公式如下：
F＝100*n/L
其中，F为适应度，n为选定的坐标点总个数，L为本条路径的总长度。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.基于城市交通网络数据反馈支持的电商物流路径规划系统，其特征在于：包括城市交通数据反馈单元(100)、GPS数据采集单元(200)、GPS数据转换单元(300)和物流配送路径规划单元(400)；
所述城市交通数据反馈单元(100)用于采集城市道路网交通状态；
所述GPS数据采集单元(200)用于实时采集电商物流的配送点经纬度信息；
所述GPS数据转换单元(300)用于提供所述GPS数据采集单元(200)中的数据迁移服务；
所述物流配送路径规划单元(400)用于通过所述GPS数据采集单元(200)和所述GPS数据转换单元(300)提供GPS数据输入，给出电商物流配送的优化路径；
所述GPS数据采集单元(200)采集物流配送的位置信息由所述GPS数据转换单元(300)输入数据到所述物流配送路径规划单元(400)，所述城市交通数据反馈单元(100)城市道路网状态输入数据到所述物流配送路径规划单元(400)得到优化路径。
2.根据权利要求1所述的基于城市交通网络数据反馈支持的电商物流路径规划系统，其特征在于：所述城市交通数据反馈单元(100)包括交通数据采集模块(110)、交通数据管理模块(120)、资源调度模块(130)和数据共享模块(140)；
所述交通数据采集模块(110)用于采集和计算交通数据，并计算平均延误率；
所述交通数据管理模块(120)用于将所述交通数据采集模块(110)采集的数据进行整合和管理；
所述资源调度模块(130)用于构建所述交通数据管理模块(120)的交通资源运行状态评价；
所述数据共享模块(140)用于交通信息的发布，实现与所述物流配送路径规划单元(400)的信息共享和交换。
3.根据权利要求2所述的基于城市交通网络数据反馈支持的电商物流路径规划系统，其特征在于：所述交通数据采集模块(110)包括以下姿态：
姿态一、静态数据，反映交通网格内交通设施属性；
姿态二、动态数据，反映交通网格内动态交通流变化。
4.根据权利要求2所述的基于城市交通网络数据反馈支持的电商物流路径规划系统，其特征在于：所述资源调度模块(130)交通运行状态的延误强度计算公式如下：
Figure FDA0002964006790000021
其中，i为第i个统计周期，取值范围为(1,2,3,.,n)，C为表示第个统计周期的平均延误率，S为延误强度，T为单元统计周长的时长。
5.根据权利要求1所述的基于城市交通网络数据反馈支持的电商物流路径规划系统，其特征在于：所述GPS数据采集单元(200)包括移动定位模块(210)、数据后处理模块(220)和信息读取模块(230)；
所述移动定位模块(210)用于接收GPS卫星信号进行移动定位；
所述数据后处理模块(220)用于解析存储所述移动定位模块(210)的移动定位数据；
所述信息读取模块(230)用于从所述数据后处理模块(220)中提取经纬度、移动速度和方向、定位状态和接收信号时间。
6.根据权利要求5所述的基于城市交通网络数据反馈支持的电商物流路径规划系统，其特征在于：所述GPS数据转换单元(300)包括以下姿态：
姿态一、数据无缝集成模式，是在一个GIS软件系统中，实现对多种不同GIS数据格式的直接访问；
姿态二、数据互操作模式，是OGC制定的规范，为数据操作提供了统一的规范；
姿态三、数据格式转换模式，是把其他格式的GIS数据换成目标系统的格式。
7.根据权利要求1所述的基于城市交通网络数据反馈支持的电商物流路径规划系统，其特征在于：物流配送路径规划单元(400)包括路网拓扑提取模块(410)、初始路径模块(420)、选择模块(430)、参数控制模块(440)和迭代次数目标模块(450)；
所述路网拓扑提取模块(410)用于提取计算所有坐标和路径信息；
所述初始路径模块(420)用于将所述路网拓扑提取模块(410)计算的路径信息生成初始路径；
所述选择模块(430)用于计算电商物流路径的适应度；
所述参数控制模块(440)用于采用遗传算法控制种群大小、交叉概率和变异概率的范围；
所述迭代次数目标模块(450)用于选择适应度函数最高的编码，确定最优路径。
8.根据权利要求7所述的基于城市交通网络数据反馈支持的电商物流路径规划系统，其特征在于：所述选择模块(430)中的适应度函数计算公式如下：
F＝100*n/L
其中，F为适应度，n为选定的坐标点总个数，L为本条路径的总长度。
CN202110245669.7A 2021-03-05 2021-03-05 基于城市交通网络数据反馈支持的电商物流路径规划系统 Pending CN113008259A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110245669.7A CN113008259A (zh) 2021-03-05 2021-03-05 基于城市交通网络数据反馈支持的电商物流路径规划系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110245669.7A CN113008259A (zh) 2021-03-05 2021-03-05 基于城市交通网络数据反馈支持的电商物流路径规划系统

Publications (1)

Publication Number Publication Date
CN113008259A true CN113008259A (zh) 2021-06-22

Family

ID=76406907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110245669.7A Pending CN113008259A (zh) 2021-03-05 2021-03-05 基于城市交通网络数据反馈支持的电商物流路径规划系统

Country Status (1)

Country Link
CN (1) CN113008259A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116595698A (zh) * 2023-06-01 2023-08-15 华中科技大学 一种匹配区域产业链空间的交通网络优化方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨湘燕: "基于WebGIS的物流配送路径规划系统的设计与实现", 《中国优秀硕士学位论文全文数据库 (经济与管理科学辑)》 *
赵明: "基于数据的网格化城市交通信息系统理论初探和实现", 《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116595698A (zh) * 2023-06-01 2023-08-15 华中科技大学 一种匹配区域产业链空间的交通网络优化方法及系统
CN116595698B (zh) * 2023-06-01 2024-05-28 华中科技大学 一种匹配区域产业链空间的交通网络优化方法及系统

Similar Documents

Publication Publication Date Title
CN106875066B (zh) 用车出行行为的预测方法、装置、服务器以及存储介质
Zhang et al. A framework for passengers demand prediction and recommendation
Kong et al. Shared subway shuttle bus route planning based on transport data analytics
CN107766994B (zh) 一种共享自行车调度方法与调度系统
Qu et al. A cost-effective recommender system for taxi drivers
Lee et al. Real-time optimization for adaptive traffic signal control using genetic algorithms
WO2016127918A1 (zh) 一种运力调度方法及系统
Ashqar et al. Network and station-level bike-sharing system prediction: A San Francisco bay area case study
CN112328914A (zh) 一种基于时空众包工人行为预测的任务分配方法
CN110598917B (zh) 一种基于路径轨迹的目的地预测方法、系统及存储介质
CN109087030A (zh) 实现c2c通用移动众包的方法、通用移动众包服务器及系统
Zou et al. Estimation of travel time based on ensemble method with multi-modality perspective urban big data
Hu et al. Understanding the unbalance of interest in taxi market based on drivers' service profit margins
CN115545758A (zh) 城市服务设施自适应增量选址的方法和系统
CN113008259A (zh) 基于城市交通网络数据反馈支持的电商物流路径规划系统
Yang et al. Demand-aware mobile bike-sharing service using collaborative computing and information fusion in 5G IoT environment
CN107153891B (zh) 区域转移调度方法、装置、设备及存储介质
Wang et al. Deepfm-based taxi pick-up area recommendation
Wang et al. Taxi-cruising recommendation via real-time information and historical trajectory data
CN112287503A (zh) 用于交通需求预测的动态空间网络构建方法
US20230153742A1 (en) Methods for shared bicycle delivery and operation area planning in smart cities and internet of things (iot) systems thereof
Cheng et al. Design of a support system for complicated logistics location integrating big data
Saputra et al. Selective federated learning for on-road services in internet-of-vehicles
Pugliese et al. MAT-builder: a system to build semantically enriched trajectories
CN115456238A (zh) 一种基于动态多视图耦合图卷积的城市出行需求预测方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210622

RJ01 Rejection of invention patent application after publication