CN113052354B - 货运容器调拨优化方法、装置、设备及存储介质 - Google Patents
货运容器调拨优化方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113052354B CN113052354B CN201911376081.4A CN201911376081A CN113052354B CN 113052354 B CN113052354 B CN 113052354B CN 201911376081 A CN201911376081 A CN 201911376081A CN 113052354 B CN113052354 B CN 113052354B
- Authority
- CN
- China
- Prior art keywords
- container
- site
- containers
- amount
- sites
- 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.)
- Active
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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
-
- 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
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (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
本申请实施例公开了一种货运容器调拨优化方法、装置、设备及存储介质,本申请实施例通过获取多个场地的历史容器数据、在所述多个场地之间运货的多个载具路线的在线容器数据及所述多个场地的容器需求数据;在满足由所述多个场地的历史容器数据、所述多个载具路线的在线容器数据及所述多个场地的容器需求数据所形成的约束条件下,使得需求预估模型的目标函数的输出结果最小化;以及依据所述输出结果产生对所述多个场地进行容器调拨的指示。从而提高了容器在不同场地间调拨的成效。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及一种货运容器调拨优化方法、装置、设备及存储介质。
背景技术
货物通常需要通过不同载具(如车辆)在不同场地之间输送,举例来说,随着电商购物的兴起与普及,快递经过分拣后会被打包,经过陆运货车转移到不同的业务点,路由车辆通常需在不同业务点进行包的装卸。例如在业务场景中使用特定容器(譬如笼)将特定流向的包进行装载,当经过不需要重新拆包分拣的业务点时,可以进行整笼装卸,从而提高快件的运输效率。
举例来说,在不同业务点具备的容器库存数量、容器需求数量可能不同,在一定时间周期内,容器将在不同业务点之间不间断地流入流出。如果在不同业务点之间流动的容器造成库存与需求的不平衡,则需要在不同业务点之间进行容器的调拨,以达到满足需求和充分利用资源等目的。
但是,由于车辆是随时间动态移动在不同业务点之间,且容器占据车厢内的一定空间,使得可装载容器的数量受到车辆类型及已装载物品的严格限制,导致容器散布形态及可装载状态多样化,造成容器调拨过程极为复杂。如果采用场地静态容器数据进行调拨,则调拨成效不佳,尚待改善。
有鉴于此,有需要对现有技术进行改良。
发明内容
本申请实施例提供一种货运容器调拨优化方法、装置、设备及存储介质,可以提高容器在不同场地间调拨的成效。
在一方面,本申请实施例提供了一种货运容器调拨优化方法,包括:
获取多个场地的历史容器数据、在所述多个场地之间运货的多个载具路线的在线容器数据及所述多个场地的容器需求数据;
在满足由所述多个场地的历史容器数据、所述多个载具路线的在线容器数据及所述多个场地的容器需求数据所形成的约束条件下,使得需求预估模型的目标函数的输出结果最小化;以及
依据所述输出结果产生对所述多个场地进行容器调拨的指示。
在一些实施方式中,依据与所述多个载具路线的在线容器数据相应的始发场地及到达场地,将所述在所述多个场地之间运货的多个载具路线的在线容器数据划分为:与所述始发场地相应的容器进出数据,以及与所述到达场地相应的容器进出数据,所述容器进出数据包括容器数量及进出标签,所述进出标签被设定为两种逻辑数字中的一种。
在一些实施方式中,与所述始发场地相应的容器进出数据所包括的进出标签被设定为负一,与所述到达场地相应的容器进出数据所包括的进出标签被设定为正一。
在一些实施方式中,所述需求预估模型为整数规划模型。
在一些实施方式中,所述整数规划模型利用gurobi求解器,或cplex求解器,或其他求解器进行模型求解,得到最终的模型输出结果。
在一些实施方式中,所述目标函数包括在线容器分量及场地容器分量,所述在线容器分量被设定为所述多个载具路线的调拨容器量额的总和与第一权重的乘积,所述场地容器分量被设定为所述多个场地的新增容器数量的总和与第二权重的乘积,所述第一权重与所述第二权重的总和为一,所述第二权重与所述第一权重的比值大于或等于九。
在一些实施方式中,所述目标函数被定义如下:
其中F为所述目标函数,W1为所述第一权重,W2为所述第二权重,ei为不同路线i的调拨容器量额,I为所有路线i的集合,lj为不同场地j的新增容器数量,J为所有场地j的集合。
在一些实施方式中,0≤ei≤34。
在一些实施方式中,0≤lj≤3000。
在一些实施方式中,W1=(0,0.1],W2=[0.9,1)。
在一些实施方式中,所述约束条件包括:设定所述多个载具路线包括由多个路线与多个载具形成的多个排列组合,若所述多个排列组合中的所述载具为经停载具,则不对所述经停载具进行容器调拨;设定每个所述载具在每个所述路线的调拨容器量额不大于每个所述载具的最大载物容积与装载物品体积的差值或所述差值相应的容器数量;设定每个所述场地在每个所述路线的多个历史出发时点相应的容器库存总量不小于每个所述场地在每个所述路线的多个历史出发时点相应的调拨容器量额与载满容器数量的总和;以及设定每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量不小于次日需求数量。
在一些实施方式中,所述不对所述经停载具进行容器调拨被设定为所述经停载具的调拨容器量额为零。
在一些实施方式中,每个所述场地在每个所述路线的多个历史出发时点相应的容器库存总量的计算方式包括:计算每个所述场地在每个所述路线的不同历史出发时点相应的容器调进数量减去容器调出数量及容器发出数量后的差值做为调发量额总和;及计算每个所述场地在每个所述路线的不同历史出发时点相应的库存容器量额、所述调发量额总和及所述新增容器数量的总和,作为所述每个所述场地在每个所述路线的多个历史出发时点相应的容器库存总量。
其中Kout为载具的所有出发时点k的集合; 为每个所述场地在每个所述路线的多个历史出发时点相应的容器库存总量;t为出发时点k之前的时间,STOCKjk为每个所述场地在每个所述路线的不同历史出发时点相应的库存容器量额,譬如场地j在时间k的库存容器量额;为所述调发量额总和,例如可以被视为每个所述场地在每个所述路线的不同历史出发时点相应的容器调进数量减去容器调出数量及容器发出数量后的差值,譬如INjt×e(jt)i表示每个所述场地在每个所述路线的不同历史出发时点相应的容器调进数量,例如可以被视为场地j以往(如历史时点t)调入容器总量减去以往(如历史时点t)调出容器总量的差值,INjt为场地j在时间t的进出标签,出为-1,进为1,e(jt)i为路线i在场地j及时间t的调拨容器量额;(0.5×INjt-0.5)×FT(jt)i表示每个所述场地在每个所述路线的不同历史出发时点相应的容器调出数量(如0.5×INjt中的INjt为-1)及容器发出数量(如-0.5),例如可以被视为场地j以往(如历史时点t)调出及发出容器的总量,FT(jt)i为路线i在场地j及时间t的载满容器数量;相应地,如前所述,lj为每个所述场地的所述新增容器数量,譬如场地j的新增容器数量;e(jk)i+FT(jk)i为每个所述场地在每个所述路线的多个历史出发时点相应的调拨容器量额与载满容器数量的总和,譬如e(jk)i为路线i在场地j及时点k的调拨容器量额,FT(jk)i为路线i在场地j及时间t的载满容器数量。
在一些实施方式中,每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量的计算方式包括:计算每个所述场地在完成最后一次容器调拨时点后相应的容器调进数量减去容器调出数量及容器发出数量后的差值做为调发量额总和;及计算每个所述场地在完成最后一次容器调拨时点后相应的库存容器量额、所述调发量额总和及所述新增容器数量的总和,作为所述每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量。
其中Klast为载具的最后一个出发时点;(STOCKjk+(∑k∈KINjk×e(jk)i+(0.5×INjk-0.5)×FT(jk)i)+lj)为每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量,K为所有出发时点k的集合,STOCKjk为每个所述场地在每个所述路线的不同历史出发时点相应的库存容器量额,譬如场地j在时点k的库存容器量额;(∑k∈KINjk×e(jk)i+(0.5×INjk-0.5)×FT(jk)i)为每个所述场地在每个所述路线的不同历史出发时点相应的调发量额总和,譬如INjk×e(jk)i表示每个所述场地在完成最后一次容器调拨时点后相应的容器调进数量,例如可以被视为场地j以往(如历史出发时点k)调入容器总量减去以往(如历史出发时点k)调出容器总量的差值,INjk为场地j在出发时点k的载具进出标签,出为-1,进为1,e(jk)i为路线i在场地j及出发时点k的调拨容器量额;(0.5×INjk-0.5)×FT(jk)i表示每个所述场地在完成最后一次容器调拨时点后相应的容器调出数量(如0.5×INjt中的INjt为-1)及容器发出数量(如-0.5),例如可以被视为场地j以往(如历史出发时点k)调出及发出容器总量,FT(jk)i为路线i在场地j及出发时点k的载满容器数量;相应地,如前所述,lj为每个所述场地的所述新增容器数量,譬如场地j的新增容器数量;REQj为场地j的次日需求数量。
在一些实施方式中,所述货运容器调拨优化方法还包括依据所述输出结果与所述多个场地的容器需求数据产生所述多个场地的容器缺额。
在一些实施方式中,所述多个场地的容器缺额为所有场地的容器库存总量的总额与所述多个场地的容器需求数据的差值。
另一方面,本申请实施例还提供了一种货运容器调拨优化装置,包括:
获取模块,用于获取多个场地的历史容器数据、在所述多个场地之间运货的多个载具路线的在线容器数据及所述多个场地的容器需求数据;
优化模块,用于在满足由所述多个场地的历史容器数据、所述多个载具路线的在线容器数据及所述多个场地的容器需求数据所形成的约束条件下,使得需求预估模型的目标函数的输出结果最小化;以及
调拨模块,用于依据所述输出结果产生对所述多个场地进行容器调拨的指示。
在一些实施方式中,所述需求预估模型为整数规划模型。
在一些实施方式中,所述获取模块,包括:
数据准备单元,用于依据与所述多个载具路线的在线容器数据相应的始发场地及到达场地,将在所述多个场地之间运货的多个载具路线的在线容器数据划分为:与所述始发场地相应的容器进出数据,以及与所述到达场地相应的容器进出数据,所述容器进出数据包括容器数量及进出标签;以及
标签产生单元,用于将所述进出标签设定为两种逻辑数字中的一种。
在一些实施方式中,所述优化模块,包括:
目标设定单元,用于设定所述目标函数包括在线容器分量及场地容器分量;
第一设标单元,用于设定所述在线容器分量被设定为所述多个载具路线的调拨容器量额的总和与第一权重的乘积;
第二设标单元,用于设定所述场地容器分量被设定为所述多个场地的新增容器数量的总和与第二权重的乘积;以及
设权单元,用于设定所述第一权重与所述第二权重的总和为一,所述第二权重与所述第一权重的比值大于或等于九。
在一些实施方式中,所述优化模块,还包括:
约束设定单元,用于设定约束条件。
在一些实施方式中,所述约束设定单元,包括:
经停约束子单元,用于设定所述多个载具路线包括由多个路线与多个载具形成的多个排列组合,若所述多个排列组合中的所述载具为经停载具,则不对所述经停载具进行容器调拨;
拨限约束子单元,用于设定每个所述载具在每个所述路线的调拨容器量额不大于每个所述载具的最大载物容积与装载物品体积的差值或所述差值相应的容器数量;
历拨约束子单元,用于设定每个所述场地在每个所述路线的多个历史出发时点相应的容器库存总量不小于每个所述场地在每个所述路线的多个历史出发时点相应的调拨容器量额与载满容器数量的总和;以及
终拨约束子单元,用于设定每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量不小于次日需求数量。
在一些实施方式中,所述经停约束子单元,包括:
设零运算块,用于设定所述不对所述经停载具进行容器调拨被设定为所述经停载具的调拨容器量额为零。
在一些实施方式中,所述历拨约束子单元,包括:
第一加总运算块,用于计算每个所述场地在每个所述路线的不同历史出发时点相应的容器调进数量减去容器调出数量及容器发出数量后的差值做为调发量额总和;以及
第二加总运算块,用于计算每个所述场地在每个所述路线的不同历史出发时点相应的库存容器量额、所述调发量额总和及所述新增容器数量的总和,作为所述每个所述场地在每个所述路线的多个历史出发时点相应的容器库存总量。
在一些实施方式中,所述终拨约束子单元,包括:
第三加总运算块,用于计算每个所述场地在完成最后一次容器调拨时点后相应的容器调进数量减去容器调出数量及容器发出数量后的差值做为调发量额总和;以及
第四加总运算块,用于计算每个所述场地在完成最后一次容器调拨时点后相应的库存容器量额、所述调发量额总和及所述新增容器数量的总和,作为所述每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量。
又一方面,本申请实施例还提供了一种设备,包括处理器和存储器,所述存储器中存储有程序代码,所述处理器调用所述存储器中的程序代码时执行如上所述的货运容器调拨优化方法。
再一方面,本申请实施例还提供了一种存储介质,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行本申请实施例提供的货运容器调拨优化方法。
本申请实施例通过获取多个场地的历史容器数据、在所述多个场地之间运货的多个载具路线的在线容器数据及所述多个场地的容器需求数据;在满足由所述多个场地的历史容器数据、所述多个载具路线的在线容器数据及所述多个场地的容器需求数据所形成的约束条件下,使得需求预估模型的目标函数的输出结果最小化;以及依据所述输出结果产生对所述多个场地进行容器调拨的指示。从而,本申请实施例可以达成针对通过对容器(譬如笼)的调拨优化过程,满足各业务点的容器使用需求,除可避免容器闲置造成浪费外,更可提高容器的再利用率,通过精准计算各地容器需求,可以有效降低容器的投入成本,通过微调载具的不同计算粒度,还可让业务点操作人员根据每个粒度下的载具容量视情况进行空的容器调拨安排,有利于支援物流后勤工作顺畅,进而节省物流运营成本。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的货运容器调拨优化方法的流程示意图;
图2是本申请实施例提供的货运容器调拨优化装置的结构示意图;
图3是本申请实施例提供的设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参阅图1,图1是本申请一实施例提供的货运容器调拨优化方法的流程示意图。所述货运容器调拨优化方法的执行主体可以是本申请实施例提供的货运容器调拨优化装置,或者集成了所述货运容器调拨优化装置的设备,比如终端或服务器等,例如:所述货运容器调拨优化方法可以采用硬件或者软件的方式实现,所述设备可以是带有存储器的各种电子运算装置,所述电子运算装置可以是智能手机、平板电脑、掌上电脑、笔记本电脑、固定电脑,或者服务器等等,所述运算装置还可以包括其它功能性元件。以下举例说明所述货运容器调拨优化方法的实施过程,但不以此为限。
如图1所示,所述货运容器调拨优化方法可以包括步骤S101、S102及S103,分别说明如下。
如图1所示,步骤S101,获取多个场地的历史容器数据、在所述多个场地之间运货的多个载具路线的在线容器数据及所述多个场地的容器需求数据。
应被理解的是,所述载具可以例如是用于载运货物(例如包裹)的各种可在两地(譬如业务点)间移动的输送器具,例如但不限于,各式车辆(如厢型车辆或轨道车辆等)、船舶(如货柜轮船等)、飞机(如大型货机或无人机等);所述容器指的是例如可以装入货物的整装用容器,譬如各式笼,但不以此为限,所述容器也可以比如是箱体等。后续仅以笼的调拨为例进行说明,但不以此为限。
业务点编号 | 需求调整量(待拨出) | 库存 |
010AA | 3 | 20 |
010WE | 1 | 100 |
010XT | 9 | 15 |
010EQ | 5 | 48 |
举例来说,笼调拨过程将决定计算周期T(譬如7、15、30天等)内,每个业务点的每个路由路线的调拨任务,并得到调拨范围内的笼总需求和缺口、各业务点的调拨后笼缺口。例如,首先,进行模型输入数据获取,譬如在当前时点下的各业务点笼库存如上表所示。
传统物资调拨模型的输入数据为静态数据,即只考虑某个时间点在某个业务点的实际物资水平,而忽略一直存在的在途物资信息(例如载具的容器数量等)。因此,本申请上述实施例将在线容器数据(如在途笼数据)作为模型输入,可以精确计算库存信息。例如在周期T内业务点在途笼车信息
到达业务点 | 笼数 | 计划到达时间 |
010W | 3 | 2018-05-10 15:00:00 |
010WE | 1 | 2018-05-11 01:40:00 |
010XT | 9 | 2018-05-10 14:00:00 |
010EQ | 5 | 2018-05-11 02:40:00 |
在周期T内的路由路线装笼数量信息
笼数 | 到达业务点 | 路线编号 | 始发业务点 | 是否使用笼 |
47 | 010EQ | 010AA010WE1155 | 010AA | 否 |
29 | 010WE | 010AA010WE1840 | 010AA | 是 |
47 | 010WE | 010AA010WE1155 | 010AA | 是 |
在周期T内的路由路线时间与信息
始发业务点 | 到达业务点 | 路线编号 | 到达时间 | 发车时间 | 经停标签 | 车型 |
010AA | 010EQ | 010AA010WE1840 | 2019-09-06 19:00:00 | 2019-09-06 18:40:00 | 1 | 1.5 |
010AA | 010WE | 010AA010WE1155 | 2019-09-06 13:20:00 | 2019-09-06 12:25:00 | 0 | 1.5 |
010AA | 010WE | 010AA010WE1230 | 2019-09-06 13:08:00 | 2019-09-06 12:30:00 | 0 | 1.5 |
可选地,上述数据还可经过整理,以利进行后续流程。但须注意的是,相关说明内容仅用于辅助理解本发明实施例,并不作为限制。
举例来说,首先,可以从数据库获取业务点每天盘点并上传至数据平台的库存数据,根据业务点的实际情况留出自用笼,例如可以进行笼库存量的调整计算,得到实际可用的笼库存,作为模型的输入;
业务点编号 | 库存 | 业务点编号 | 库存 |
010AA | 17 | 010WE | 99 |
010EQ | 43 | 010XT | 6 |
接着,还可根据业务规则,计算不同车型对应的车辆可装笼数,应被理解的是,大车的可装笼数较多,小车的可装笼数较少,但同一车型的可装笼数相同。
接着,还可区别于一般资源调拨模型(即不受空间限制的调拨物资,可以视为此物资的调拨量可为无限大),但应注意的是,笼的调拨过程受到车辆装载空间的严格限制,不能仅根据业务点的需求无限制进行调拨,而需考虑车辆装载空间限制,计算每辆车的剩余可装载空间,并汇总到相应计算粒度(即基本计算单位)。例如但不限于,具体做法可为:根据路由路线装笼数量信息和路由路线时间与信息,例如以“始发地点-到达地点-路线编号”作为计算粒度,但不以此为限,汇总所述计算粒度下的不同车型及其装载空间(例如存在一个计算粒度下有多种车型的情况),计算各路线的剩余可装载空间、已占用空间、已装笼空间,其中关系可为:车辆最大可装笼数的体积)=剩余可装载空间+已占用空间+已装笼空间,据此,可以得到每个计算粒度的装笼限制,作为整数规划模型的输入。
譬如,以不同业务点之间的路线编号的相关信息为例,应被理解的是,所述信息与数据应属与真实情况相应的说明性数据(非真实),如有雷同,纯属巧合,比如到达时间、发车时间、属性标签(例如可表示两种逻辑数值的属性标签,如经停标签等)、笼数及剩余空间等,但不以此为限。例如假设1.5车型可装载80个笼,计算剩余空间如下:
应被注意的是,传统物资调拨方法不考虑调拨时间线,即不考虑时间轴线上,每个时间点的动态物资进出情况和动态物资数量变化。笼调拨为动态调度,需要考虑计算周期内,每个物资进出时间节点上的物资水平和物资满足情况。在其他技术中,为了纳入时间约束而在模型中增加时间变量,导致大大增加模型复杂度和模型求解时间。在本申请实施例中,为了降低模型复杂度,可以例如将数据处理(譬如分拆)成特殊的形式,以数据排列方式代表时间先后,在不影响最终求解效果的基础上,建立更简洁的模型。例如根据上表(含有剩余空间)中的数据,再将数据整理成如下形式,以利于理解,即一个计算粒度(上表中的每行数据)可被拆分为2条数据,对于始发业务点而言,将发车时间作为时间节点;对于到达业务点而言,将到达时间作为时间节点,并标识出每条数据的进出标签。
业务点 | 时间节点 | 进出标签 | 笼数量 |
010AA | 20190906 18:40:00 | -1(发出龙) | 47 |
010AA | 20190906 12:25:00 | -1 | 29 |
010AA | 20190906 12:30:00 | -1 | 47 |
010EQ | 20190906 19:00:00 | 1(接收龙) | 47 |
010WE | 20190906 13:20:00 | 1 | 29 |
010WE | 20190906 13:08:00 | 1 | 47 |
可以统计每个业务点下,在每个计算周期T内,按时间升序,每个发车时点的库存、接笼数量、发笼数量、占用空间数量,作为模型的输入。
接着,根据上述汇总的场地信息,统计每个业务点,在计算周期内的所有发车笼数,作为业务点的下个周期的笼需求数据,需求数据将可作为模型的输入。
业务点 | 发笼数 | 接笼数 | 需求 |
010AA | 123(47+29+47) | 0 | 123 |
010EQ | 0 | 47 | 0 |
010WE | 0 | 76(29+47) | 0 |
接着,可以统计每个“始发地点-到达地点-路线编号”的计算粒度下的发出笼数、剩余空间,整理为便于整数规划模型的输入形式。
后续,还可根据在途笼车信息,调整以上业务点对应时间点的库存数据,作为模型输入。
在一些实施例中,依据与所述多个载具路线的在线容器数据相应的始发场地及到达场地,将所述在所述多个场地之间运货的多个载具路线的在线容器数据划分为:与所述始发场地相应的容器进出数据,以及与所述到达场地相应的容器进出数据,所述容器进出数据包括容器数量及进出标签,所述进出标签被设定为两种逻辑数字中的一种,例如与所述始发场地相应的容器进出数据(比如可表示从所述始发场地被送出的容器数量)所包括的进出标签为负一(譬如-1或0xFFFF);另一方面,与所述到达场地相应的装载容器数据(比如可表示在所述到达场地被接收的容器数量)所包括的进出标签为正一(譬如+1或0x0001)。从而,通过所述进出标签的数值即可得知所述容器数量是从某场地被送出或在某场地被接收,进一步可以统计各场地的容器被送出及被接收后的库存量。
应被注意的是,本申请上述实施例的有益效果至少在于:依据与所述多个载具路线的在线容器数据相应的始发场地及到达场地,将所述在所述多个场地之间运货的多个载具路线的在线容器数据划分为:与所述始发场地相应的容器进出数据,以及与所述到达场地相应的容器进出数据,所述容器进出数据包括容器数量及进出标签,所述进出标签被设定为两种逻辑数字中的一种。举例来说,假设始发业务点010AA与到达业务点010EQ之间的路线编号010AA010WE1840(比如发车时间20190906 18:40、到达时间20190906 19:00)的容器数量为47,则可设定业务点010AA在时间节点20190906 18:40发出47个容器的进出标签为-1、容器数量为47;及设定业务点010EQ在时间节点20190906 19:00接收47个容器的进出标签为1、容器数量为47,以便以时间序列为主轴,来汇整各个地点的容器经过发出与接收过程后的余额。从而可以有效地涵括在线载具中的容器,在时间轴上汇整诸多地点的容器数量,有助于降低数据有效信息的复杂度,进而避免模型纳入时间约束,可以有效改善其他技术纳入时间约束而在模型中增加时间变量,导致大大增加模型复杂度和模型求解时间的问题。
如图1所示,步骤S102,在满足由所述多个场地的历史容器数据、所述多个载具路线的在线容器数据及所述多个场地的容器需求数据所形成的约束条件下,使得需求预估模型的目标函数的输出结果最小化。
在一些实施方式中,所述需求预估模型至少可以是整数规划模型,但也可以是其变形、具相同功能或基于整数规划的预测模型。应被理解的是,整数规划是指规划中的变量(全部或部分)限制为整数,若在线性模型中,变量限制为整数,则称为整数线性规划。
在一些实施例中,所述整数规划模型可利用gurobi求解器,或cplex求解器,或其他求解器进行模型求解,得到最终的模型输出结果。
在一些实施例中,所述目标函数包括在线容器分量及场地容器分量,例如所述在线容器分量可以指的是被承载在运输车辆中(即不在场地内)的容器相关数据所形成的数据分量,所述场地容器分量可以指的是被置放在场地内(比如中转场,即不在运输车辆中)的容器相关数据所形成的数据分量;举例来说,所述在线容器分量可被设定为所述多个载具路线的调拨容器量额的总和与第一权重的乘积,所述场地容器分量可被设定为所述多个场地的新增容器数量的总和与第二权重的乘积,所述第一权重与所述第二权重的总和为一,所述第二权重与所述第一权重的比值大于或等于九。
具体地,所述目标函数可被定义如下:
其中F为所述目标函数,W1为所述第一权重,W2为所述第二权重,例如W1=(0,0.1],W2=[0.9,1);ei为不同路线i的调拨容器量额,所述调拨容器量额可以例如是调拨容器的体积或其与单位容器体积换算而成的容器数量,例如0≤ei≤34;I为所有路线i的集合,lj为不同场地j的新增容器数量,0≤lj≤3000;J为所有场地j的集合。
应被注意的是,本申请上述实施例的有益效果至少在于:通过所述目标函数包括在线容器分量及场地容器分量,所述在线容器分量被设定为所述多个载具路线的调拨容器量额的总和与第一权重的乘积,所述场地容器分量被设定为所述多个场地的新增容器数量的总和与第二权重的乘积,所述第二权重与所述第一权重的比值大于或等于九,可以有效放大不同场地的新增容器数量所占比重,有利于人员控管不同场地的容器数量变化。
在一些实施例中,所述约束条件包括:设定所述多个载具路线包括由多个路线与多个载具形成的多个排列组合,若所述多个排列组合中的所述载具为经停载具,例如经停特定场地(如中转场)但不进行装卸货物(如容器等)的车辆,则不对所述经停载具进行容器调拨;设定每个所述载具在每个所述路线的调拨容器量额不大于每个所述载具的最大载物容积与装载物品体积的差值或所述差值相应的容器数量;设定每个所述场地在每个所述路线的多个历史出发时点相应的容器库存总量(比如中转场的容器剩余/库存…数量的总和)不小于每个所述场地在每个所述路线的多个历史出发时点相应的调拨容器量额(比如被调拨后的笼剩余数量)与载满容器数量(比如车辆完全载满容器时的数量)的总和;以及设定每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量不小于次日需求数量(比如N+1日的容器调拨需求数量,N为目标日期,譬如今日)。
又,每个所述场地在每个所述路线的多个历史出发时点相应的容器库存总量的计算方式包括:计算每个所述场地在每个所述路线的不同历史出发时点相应的容器调进数量减去容器调出数量及容器发出数量后的差值做为调发量额总和;及计算每个所述场地在每个所述路线的不同历史出发时点相应的库存容器量额、所述调发量额总和及所述新增容器数量的总和,作为所述每个所述场地在每个所述路线的多个历史出发时点相应的容器库存总量,例如可表示如下:
其中Koui为载具的所有出发时点k的集合; 为每个所述场地在每个所述路线的多个历史出发时点相应的容器库存总量;t为出发时点k之前的时间,STOCKjk为每个所述场地在每个所述路线的不同历史出发时点相应的库存容器量额,譬如场地j在时间k的库存容器量额;为所述调发量额总和,例如可以被视为每个所述场地在每个所述路线的不同历史出发时点相应的容器调进数量减去容器调出数量及容器发出数量后的差值,譬如INjt×e(jt)i表示每个所述场地在每个所述路线的不同历史出发时点相应的容器调进数量,例如可以被视为场地j以往(如历史时点t)调入容器总量减去以往(如历史时点t)调出容器总量的差值,INjt为场地j在时间t的进出标签,出为-1,进为1,e(jt)i为路线i在场地j及时间t的调拨容器量额;(0.5×INjt-0.5)×FT(jt)i表示每个所述场地在每个所述路线的不同历史出发时点相应的容器调出数量(如0.5×INjt中的INjt为-1)及容器发出数量(如-0.5),例如可以被视为场地j以往(如历史时点t)调出及发出容器总量,FT(jt)i为路线i在场地j及时间t的载满容器数量;相应地,如前所述,lj为每个所述场地的所述新增容器数量,譬如场地j的新增容器数量;e(jk)i+FT(jk)i为每个所述场地在每个所述路线的多个历史出发时点相应的调拨容器量额与载满容器数量的总和,譬如e(jk)i为路线i在场地j及时点k的调拨容器量额,FT(jk)i为路线i在场地j及时间t的载满容器数量。
此外,每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量的计算方式包括:计算每个所述场地在完成最后一次容器调拨时点后相应的容器调进数量减去容器调出数量及容器发出数量后的差值做为调发量额总和;及计算每个所述场地在完成最后一次容器调拨时点后相应的库存容器量额、所述调发量额总和及所述新增容器数量的总和,作为所述每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量,例如可表示如下:
其中Klast为载具的最后一个出发时点;(STOCKjk+(∑k∈KINjk×e(jk)i+(0.5×INjk-0.5)×FT(jk)i)+lj)为每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量,K为所有出发时点k的集合,STOCKjk为每个所述场地在每个所述路线的不同历史出发时点相应的库存容器量额,譬如场地j在时点k的库存容器量额;(∑k∈KINjk×e(jk)i+(0.5×INjk-0.5)×FT(jk)i)为每个所述场地在每个所述路线的不同历史出发时点相应的调发量额总和,譬如INjk×e(jk)i表示每个所述场地在完成最后一次容器调拨时点后相应的容器调进数量,例如可以被视为场地j以往(如历史出发时点k)调入容器总量减去以往(如历史出发时点k)调出容器总量的差值,INjk为场地j在出发时点k的进出标签,出为-1,进为1,e(jk)i为路线i在场地j及出发时点k的调拨容器量额;(0.5×INjk-0.5)×FT(jk)i表示每个所述场地在完成最后一次容器调拨时点后相应的容器调出数量(如0.5×INjt中的INjt为-1)及容器发出数量(如-0.5),例如可以被视为场地j以往(如历史出发时点k)调出及发出容器总量,FT(jk)i为路线i在场地j及出发时点k的载满容器数量;相应地,如前所述,lj为每个所述场地的所述新增容器数量,譬如场地j的新增容器数量;REQj为场地j的次日需求数量。
应被注意的是,本申请上述实施例的有益效果至少在于:通过若所述多个排列组合中的所述载具为经停载具,则不对所述经停载具进行容器调拨;设定每个所述载具在每个所述路线的调拨容器量额不大于每个所述载具的最大载物容积与装载物品体积的差值或所述差值相应的容器数量;设定每个所述场地在每个所述路线的多个历史出发时点相应的容器库存总量不小于每个所述场地在每个所述路线的多个历史出发时点相应的调拨容器量额与载满容器数量的总和;以及设定每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量不小于次日需求数量。
如图1所示,步骤S103,依据所述输出结果产生对所述多个场地进行容器调拨的指示。
在一些实施例中,所述依据所述输出结果产生对所述多个场地进行容器调拨的指示,可以例如是文字、声音、图像或其结合的形式,譬如产生需调拨的容器数量,有利于人员了解不同场地间的容器需求如何通过所述场地间的载具进行调拨,例如,在满足本地需求的情况下,可适时地利用来往各地的车辆进行容器的拨出,在本地需求不足的情况下,可适时地利用来往各地的车辆进行容器的拨入,有利于减少容器不足的情况。
在一些实施例中,如果经过上述容器调拨后仍有容器数量不足的情况,所述货运容器调拨优化方法还包括依据所述输出结果与所述多个场地的容器需求数据产生所述多个场地的容器缺额,例如所述多个场地的容器缺额为所有场地的容器库存总量的总额与所述多个场地的容器需求数据的差值。譬如以业务点的笼为例,所述每个业务点的笼缺额=各业务点的原始笼库存量+笼调入量-笼调出量-总需求,即每个业务点经过一天的调拨过程完成后,仍存在的笼缺额,其中笼缺额为正、负值可用于表示不需要、需要调入笼,有利于符合调拨需求。
承上所述,本申请实施例通过获取多个场地的历史容器数据、在所述多个场地之间运货的多个载具路线的在线容器数据及所述多个场地的容器需求数据;在满足由所述多个场地的历史容器数据、所述多个载具路线的在线容器数据及所述多个场地的容器需求数据所形成的约束条件下,使得需求预估模型的目标函数的输出结果最小化;以及依据所述输出结果产生对所述多个场地进行容器调拨的指示。从而,本申请实施例可以达成针对通过对容器(譬如笼)的调拨优化过程,满足各业务点的容器使用需求,除可避免容器闲置造成浪费外,更可提高容器的再利用率,通过精准计算各地容器需求,可以有效降低容器的投入成本,通过微调载具的不同计算粒度,还可让业务点操作人员根据每个粒度下的载具容量视情况进行空的容器调拨安排,有利于支援物流后勤工作顺畅,进而节省物流运营成本。
相应地,本申请上述货运容器调拨优化方法实施例还可以被实施为硬件形式。如图2所示,本申请货运容器调拨优化装置实施例可以包括获取模块201、优化模块202以及调拨模块203。
具体地,
获取模块201,用于获取多个场地的历史容器数据、在所述多个场地之间运货的多个载具路线的在线容器数据及所述多个场地的容器需求数据;
优化模块202,用于在满足由所述多个场地的历史容器数据、所述多个载具路线的在线容器数据及所述多个场地的容器需求数据所形成的约束条件下,使得需求预估模型的目标函数的输出结果最小化;以及
调拨模块203,用于依据所述输出结果产生对所述多个场地进行容器调拨的指示。
在一些实施方式中,所述获取模块201,包括:
数据准备单元,用于依据与所述多个载具路线的在线容器数据相应的始发场地及到达场地,将在所述多个场地之间运货的多个载具路线的在线容器数据划分为:与所述始发场地相应的容器进出数据,以及与所述到达场地相应的容器进出数据,所述容器进出数据包括容器数量及进出标签;以及
标签产生单元,用于将所述进出标签设定为两种逻辑数字中的一种。
在一些实施方式中,所述优化模块202,包括:
目标设定单元,用于设定所述目标函数包括在线容器分量及场地容器分量;
第一设标单元,用于设定所述在线容器分量被设定为所述多个载具路线的调拨容器量额的总和与第一权重的乘积;
第二设标单元,用于设定所述场地容器分量被设定为每个所述场地的新增容器数量的总和与第二权重的乘积;以及
设权单元,用于设定所述第一权重与所述第二权重的总和为一,所述第二权重与所述第一权重的比值大于或等于九。
在一些实施方式中,所述优化模块202,还包括:
约束设定单元,用于设定约束条件。
在一些实施方式中,所述约束设定单元,包括:
经停约束子单元,用于设定所述多个载具路线包括由多个路线与多个载具形成的多个排列组合,若所述多个排列组合中的所述载具为经停载具,则不对所述经停载具进行容器调拨;
拨限约束子单元,用于设定每个所述载具在每个所述路线的调拨容器量额不大于每个所述载具的最大载物容积与装载物品体积的差值或所述差值相应的容器数量;
历拨约束子单元,用于设定每个所述场地在每个所述路线的多个历史出发时点相应的容器库存总量不小于每个所述场地在每个所述路线的多个历史出发时点相应的调拨容器量额与载满容器数量的总和;以及
终拨约束子单元,用于设定每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量不小于次日需求数量。
在一些实施方式中,所述经停约束子单元,包括:
设零运算块,用于设定所述不对所述经停载具进行容器调拨被设定为所述经停载具的调拨容器量额为零。
在一些实施方式中,所述历拨约束子单元,包括:
第一加总运算块,用于计算每个所述场地在每个所述路线的不同历史出发时点相应的容器调进数量减去容器调出数量及容器发出数量后的差值做为调发量额总和;以及
第二加总运算块,用于计算每个所述场地在每个所述路线的不同历史出发时点相应的库存容器量额、所述调发量额总和及所述新增容器数量的总和,作为所述每个所述场地在每个所述路线的多个历史出发时点相应的容器库存总量。
在一些实施方式中,所述终拨约束子单元,包括:
第三加总运算块,用于计算每个所述场地在完成最后一次容器调拨时点后相应的容器调进数量减去容器调出数量及容器发出数量后的差值做为调发量额总和;以及
第四加总运算块,用于计算每个所述场地在完成最后一次容器调拨时点后相应的库存容器量额、所述调发量额总和及所述新增容器数量的总和,作为所述每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量。
其中,以上各个操作的具体实施内容可参见前面的实施例,在此不再赘述。
图3示例了本发明实施例提供的设备300的具体结构框图,所述设备300可以用于实施上述实施例中提供的货运容器调拨优化方法。所述设备300可以是智能手机、平板电脑或服务器等。
如图3所示,设备300可以包括RF(Radio Frequency,射频)电路310、包括有一个或一个以上(图中仅示出一个)计算机可读存储介质的存储器320、输入单元330、显示单元340、传输模块350、包括有一个或者一个以上(图中仅示出一个)处理核心的处理器360以及电源370等部件。本领域技术人员可以理解,图3中示出的设备300结构并不构成对设备300的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
RF电路310用于接收以及发送电磁波,实现电磁波与电信号的相互转换,从而与通信网络或者其他设备进行通信。RF电路310可包括各种现有的用于执行这些功能的电路元件,例如,天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块(SIM)卡、存储器等等。RF电路310可与各种网络如互联网、企业内部网、无线网络进行通信或者通过无线网络与其他设备进行通信。上述的无线网络可包括蜂窝式电话网、无线局域网或者城域网。上述的无线网络可以使用各种通信标准、协议及技术,包括但并不限于全球移动通信系统(Global System for Mobile Communication,GSM)、增强型移动通信技术(Enhanced DataGSM Environment,EDGE),宽带码分多址技术(Wideband Code Division MultipleAccess,WCDMA),码分多址技术(Code Division Access,CDMA)、时分多址技术(TimeDivision Multiple Access,TDMA),无线保真技术(Wireless Fidelity,Wi-Fi)(如美国电气和电子工程师协会标准IEEE 802.11a、IEEE 802.11b、IEEE802.11g和/或IEEE802.11n)、网络电话(Voice over Internet Protocol,VoIP)、全球微波互联接入(Worldwide Interoperability for Microwave Access,Wi-Max)、其他用于邮件、即时通信及短消息的协议,以及任何其他合适的通信协议,甚至可包括那些当前仍未被开发出来的协议。
存储器320可用于存储软件程序以及模块,如上述实施例中货运容器调拨优化方法的程序指令/模块,处理器360通过运行存储在存储器320内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现货运容器调拨优化的功能。存储器320可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实施例中,存储器320可进一步包括相对于处理器360远程设置的存储器,这些远程存储器可以通过网络连接至设备300。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入单元330可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,输入单元330可包括触敏表面以及其他输入设备。触敏表面,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器360,并能接收处理器360发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面,输入单元330还可以包括其他输入设备。具体地,其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元340可用于显示由用户输入的信息或提供给用户的信息以及设备300的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元340可包括显示面板341,可选的,可以采用LCD(Liquid Crystal Display,液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板341。进一步的,触敏表面可覆盖显示面板341,当触敏表面检测到在其上或附近的触摸操作后,传送给处理器360以确定触摸事件的类型,随后处理器360根据触摸事件的类型在显示面板341上提供相应的视觉输出。虽然在图3中,触敏表面与显示面板341是作为两个独立的部件来实现输入和输出功能,但是在某些实施例中,可以将触敏表面与显示面板341集成而实现输入和输出功能。
设备300通过传输模块350(例如Wi-Fi模块)可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图3示出了传输模块350,但是可以理解的是,其并不属于设备300的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器360是设备300的控制中心,利用各种接口和路线连接整个手机的各个部分,通过运行或执行存储在存储器320内的软件程序和/或模块,以及调用存储在存储器320内的数据,执行设备300的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器360可包括一个或多个处理核心;在一些实施例中,处理器360可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器360中。
设备300还包括给各个部件供电的电源370(比如电池),在一些实施例中,电源可以通过电源管理系统与处理器360逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源370还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
具体在本实施例中,设备300的显示单元340是触摸屏显示器,设备300还包括有存储器320,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器320中,且经配置以由一个或者一个以上处理器360执行一个或者一个以上程序包含用于进行以下操作的指令:
获取多个场地的历史容器数据、在所述多个场地之间运货的多个载具路线的在线容器数据及所述多个场地的容器需求数据;
在满足由所述多个场地的历史容器数据、所述多个载具路线的在线容器数据及所述多个场地的容器需求数据所形成的约束条件下,使得需求预估模型的目标函数的输出结果最小化;以及
依据所述输出结果产生对所述多个场地进行容器调拨的指示。
在上述实施例中,对各个实施例的描述仅是举例说明,某个实施例中没有详述的部分,可以参见上文针对货运容器调拨优化方法的详细描述,此处不再赘述。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,所述指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种存储介质,其中存储有计算机程序的多条指令,所述指令能够被处理器进行加载,以执行本申请实施例所提供的任一种货运容器调拨优化方法中的步骤。例如,所述指令可以执行如下步骤及/或与其有关的步骤:
获取多个场地的历史容器数据、在所述多个场地之间运货的多个载具路线的在线容器数据及所述多个场地的容器需求数据;
在满足由所述多个场地的历史容器数据、所述多个载具路线的在线容器数据及所述多个场地的容器需求数据所形成的约束条件下,使得需求预估模型的目标函数的输出结果最小化;以及
依据所述输出结果产生对所述多个场地进行容器调拨的指示。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,所述存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁盘或光盘等。
由于所述存储介质中所存储的指令,可以执行本申请实施例所提供的任一种货运容器调拨优化方法中的步骤,因此,可以实现本申请实施例所提供的任一种货运容器调拨优化方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种货运容器调拨优化方法、装置、设备及存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种货运容器调拨优化方法,其特征在于,包括:
获取多个场地的历史容器数据、在所述多个场地之间运货的多个载具路线的在线容器数据及所述多个场地的容器需求数据;
在满足由所述多个场地的历史容器数据、所述多个载具路线的在线容器数据及所述多个场地的容器需求数据所形成的约束条件下,使得需求预估模型的目标函数的输出结果最小化;以及
依据所述输出结果产生对所述多个场地进行容器调拨的指示;
所述Klast为载具的最后一个出发时点;(STOCKjk+(∑k∈KINjk×e(jk)i+(0.5×INjk-0.5)×FT(jj)i)+lj)为每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量,K为所有出发时点k的集合,STOCKjk为每个所述场地j的不同历史时点k的库存容器量额;(∑k∈KINjk×e(jk)i+(0.5×INjk-0.5)×FT(jk)i)所述INjk×e(jk)i表示每个所述为场地j历史出发时点k调入容器总量减去历史出发时点k调出容器总量的差值,INjk为场地j在出发时点k的载具进出标签,e(jk)i为路线i在场地j及出发时点k的调拨容器量额;(0.5×INjk-0.5)×FT(jk)i表示每个所述场地j历史出发时点k调出及发出容器总量,FT(jk)i为路线i在场地j及出发时点k的载满容器数量;所述lj为每个所述j的新增容器数量;REQj为场地j的次日需求数量。
2.根据权利要求1所述的货运容器调拨优化方法,其特征在于,依据与所述多个载具路线的在线容器数据相应的始发场地及到达场地,将在所述多个场地之间运货的多个载具路线的在线容器数据划分为:与所述始发场地相应的容器进出数据,以及与所述到达场地相应的容器进出数据,所述容器进出数据包括容器数量及进出标签,所述进出标签被设定为两种逻辑数字中的一种。
3.根据权利要求1所述的货运容器调拨优化方法,其特征在于,所述目标函数包括在线容器分量及场地容器分量,所述在线容器分量为所述多个载具路线的调拨容器量额的总和与第一权重的乘积,所述场地容器分量为所述多个场地的新增容器数量的总和与第二权重的乘积,所述第一权重与所述第二权重的总和为一,所述第二权重与所述第一权重的比值大于或等于九。
4.根据权利要求3所述的货运容器调拨优化方法,其特征在于,所述约束条件包括:
设定所述多个载具路线包括由多个路线与多个载具形成的多个排列组合,若所述多个排列组合中的所述载具为经停载具,则不对所述经停载具进行容器调拨;
设定每个所述载具在每个所述路线的调拨容器量额不大于每个所述载具的最大载物容积与装载物品体积的差值或所述差值相应的容器数量;
设定每个所述场地在每个所述路线的多个历史出发时点相应的容器库存总量不小于每个所述场地在每个所述路线的多个历史出发时点相应的调拨容器量额与载满容器数量的总和;以及
设定每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量不小于次日需求数量。
5.根据权利要求4所述的货运容器调拨优化方法,其特征在于,所述不对所述经停载具进行容器调拨被设定为所述经停载具的调拨容器量额为零。
6.根据权利要求4所述的货运容器调拨优化方法,其特征在于,每个所述场地在每个所述路线的多个历史出发时点相应的容器库存总量的计算方式包括:
计算每个所述场地在每个所述路线的不同历史出发时点相应的容器调进数量减去容器调出数量及容器发出数量后的差值做为调发量额总和;及
计算每个所述场地在每个所述路线的不同历史出发时点相应的库存容器量额、所述调发量额总和及所述新增容器数量的总和,作为所述每个所述场地在每个所述路线的多个历史出发时点相应的容器库存总量。
7.根据权利要求4所述的货运容器调拨优化方法,其特征在于,每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量的计算方式包括:
计算每个所述场地在完成最后一次容器调拨时点后相应的容器调进数量减去容器调出数量及容器发出数量后的差值做为调发量额总和;及
计算每个所述场地在完成最后一次容器调拨时点后相应的库存容器量额、所述调发量额总和及所述新增容器数量的总和,作为所述每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量。
8.一种货运容器调拨优化装置,其特征在于,包括:
获取模块,用于获取多个场地的历史容器数据、在所述多个场地之间运货的多个载具路线的在线容器数据及所述多个场地的容器需求数据;
优化模块,用于在满足由所述多个场地的历史容器数据、所述多个载具路线的在线容器数据及所述多个场地的容器需求数据所形成的约束条件下,使得需求预估模型的目标函数的输出结果最小化;以及
调拨模块,用于依据所述输出结果产生对所述多个场地进行容器调拨的指示;
所述Klast为载具的最后一个出发时点;(STOCKjk+(∑k∈KINjk×e(jk)i+(0.5×INjk-0.5)×FT(jk)i)+lj)为每个所述场地在完成最后一次容器调拨时点后相应的所述容器库存总量,K为所有出发时点k的集合,STOCKjk为每个所述场地j的不同历史时点k的库存容器量额;(∑k∈KINjk×e(jk)i+(0.5×INjk-0.5)×FT(jk)i)所述INjk×e(jk)i表示每个所述为场地j历史出发时点k调入容器总量减去历史出发时点k调出容器总量的差值,INjk为场地j在出发时点k的载具进出标签,e(jk)i为路线i在场地j及出发时点k的调拨容器量额;(0.5×INjk-0.5)×FT(jk)i表示每个所述场地j历史出发时点k调出及发出容器总量,FT(jk)i为路线i在场地j及出发时点k的载满容器数量;所述lj为每个所述j的新增容器数量;REQj为场地j的次日需求数量。
9.一种设备,其特征在于,包括处理器和存储器,所述存储器中存储有程序代码,所述处理器调用所述存储器中的程序代码时执行如权利要求1至7任一项所述的货运容器调拨优化方法。
10.一种存储介质,其特征在于,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行如权利要求1至7任一项所述的货运容器调拨优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911376081.4A CN113052354B (zh) | 2019-12-27 | 2019-12-27 | 货运容器调拨优化方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911376081.4A CN113052354B (zh) | 2019-12-27 | 2019-12-27 | 货运容器调拨优化方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113052354A CN113052354A (zh) | 2021-06-29 |
CN113052354B true CN113052354B (zh) | 2023-04-07 |
Family
ID=76506477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911376081.4A Active CN113052354B (zh) | 2019-12-27 | 2019-12-27 | 货运容器调拨优化方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113052354B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017027897A1 (de) * | 2015-08-19 | 2017-02-23 | Knapp Ag | Kommissioniersystem und kommissionierplatz zum kommissionieren von artikeln zur auftrags- und batchkommissionierung |
CA3044741A1 (en) * | 2016-11-28 | 2018-05-31 | Walmart Apollo, Llc | Systems and methods for distribution or delivery of retail products |
CN108416659A (zh) * | 2018-04-02 | 2018-08-17 | 江苏泰瑞斯特新材料科技股份有限公司 | 一种智能集装箱共享租赁运营管理系统 |
CN109155013A (zh) * | 2016-08-23 | 2019-01-04 | X开发有限责任公司 | 仓库中物品的托盘的自主重排 |
CN109409779A (zh) * | 2018-11-20 | 2019-03-01 | 大连大学 | 一种集装箱港口生产调度系统 |
CN110070237A (zh) * | 2019-05-07 | 2019-07-30 | 卓集送信息科技(武汉)有限公司 | 基于货物配送点、货物体积和车型的货物配载计算方法 |
CN110276571A (zh) * | 2018-03-16 | 2019-09-24 | 北京京东尚科信息技术有限公司 | 货物调度方法和装置以及计算机可读存储介质 |
CN110428132A (zh) * | 2019-06-26 | 2019-11-08 | 西南交通大学 | 一种托盘共用下铁路货运站集疏平衡方法 |
-
2019
- 2019-12-27 CN CN201911376081.4A patent/CN113052354B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017027897A1 (de) * | 2015-08-19 | 2017-02-23 | Knapp Ag | Kommissioniersystem und kommissionierplatz zum kommissionieren von artikeln zur auftrags- und batchkommissionierung |
CN109155013A (zh) * | 2016-08-23 | 2019-01-04 | X开发有限责任公司 | 仓库中物品的托盘的自主重排 |
CA3044741A1 (en) * | 2016-11-28 | 2018-05-31 | Walmart Apollo, Llc | Systems and methods for distribution or delivery of retail products |
CN110276571A (zh) * | 2018-03-16 | 2019-09-24 | 北京京东尚科信息技术有限公司 | 货物调度方法和装置以及计算机可读存储介质 |
CN108416659A (zh) * | 2018-04-02 | 2018-08-17 | 江苏泰瑞斯特新材料科技股份有限公司 | 一种智能集装箱共享租赁运营管理系统 |
CN109409779A (zh) * | 2018-11-20 | 2019-03-01 | 大连大学 | 一种集装箱港口生产调度系统 |
CN110070237A (zh) * | 2019-05-07 | 2019-07-30 | 卓集送信息科技(武汉)有限公司 | 基于货物配送点、货物体积和车型的货物配载计算方法 |
CN110428132A (zh) * | 2019-06-26 | 2019-11-08 | 西南交通大学 | 一种托盘共用下铁路货运站集疏平衡方法 |
Non-Patent Citations (2)
Title |
---|
李思远.长株潭地区托盘共用系统调度问题研究.《中国优秀博硕士学位论文全文数据库(硕士) 经济与管理科学辑》.2019, * |
杨华龙等.集装箱班轮多港挂靠循环航次舱位分配.《重庆交通大学学报(自然科学版)》.2012,(第06期), * |
Also Published As
Publication number | Publication date |
---|---|
CN113052354A (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107235276B (zh) | 货物搬运方法和装置 | |
Lin et al. | System reliability for a multistate intermodal logistics network with time windows | |
CN110348612A (zh) | 分拨中心货量预测方法及装置 | |
CN103544589A (zh) | 一种基于云平台物流智能送货方法及系统 | |
CN105631625A (zh) | 物流多供应商订单管理系统及方法 | |
CN110633928A (zh) | 一种商品逆配决策方法和装置 | |
CN110852659A (zh) | 物流管理方法和装置 | |
US20120143733A1 (en) | Invoicing for item handling events | |
CN113259144A (zh) | 一种仓储网络规划方法和装置 | |
Azab et al. | Impact of collaborative external truck scheduling on yard efficiency in container terminals | |
Zhou et al. | A data-driven business intelligence system for large-scale semi-automated logistics facilities | |
Krile et al. | Non-linear mini-max problem of multi-stop flight routes | |
CN113033971B (zh) | 一种服务器及递送机器人的运单调度方法、介质和装置 | |
CN113052354B (zh) | 货运容器调拨优化方法、装置、设备及存储介质 | |
CN115829451A (zh) | 物流路径规划方法、装置、计算机设备和存储介质 | |
Klerides et al. | Modelling and solution approaches to the multi-load AGV dispatching problem in container terminals | |
CN108399524A (zh) | 信息处理方法及系统 | |
CN112308280A (zh) | 物流调度管理方法、装置、电子设备和存储介质 | |
CN109983486A (zh) | 用于交换运输集装箱的方法和系统 | |
CN114723369A (zh) | 动态调配物品的方法、装置、电子设备及存储介质 | |
CN116432783A (zh) | 确定车辆排队号的方法、装置、电子设备及存储介质 | |
CN113673931A (zh) | 用于物品的车辆调度方法、装置、设备和计算机可读介质 | |
CN113822609A (zh) | 物流线路的生成方法、装置以及服务器 | |
CN113554250A (zh) | 用于运输车的信息处理方法和装置 | |
Zhou et al. | Location Model of Pallet Service Centers Based on the Pallet Pool Mode |
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 |