CN113379102B - 一种多网干线运输优化方法、计算机设备及存储介质 - Google Patents

一种多网干线运输优化方法、计算机设备及存储介质 Download PDF

Info

Publication number
CN113379102B
CN113379102B CN202110549476.0A CN202110549476A CN113379102B CN 113379102 B CN113379102 B CN 113379102B CN 202110549476 A CN202110549476 A CN 202110549476A CN 113379102 B CN113379102 B CN 113379102B
Authority
CN
China
Prior art keywords
express
transportation
regular bus
planning
cargo
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
Application number
CN202110549476.0A
Other languages
English (en)
Other versions
CN113379102A (zh
Inventor
周韶宁
周羽勍
龚鑫
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.)
Zhejiang Baishi Technology Co Ltd
Original Assignee
Zhejiang Baishi 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 Zhejiang Baishi Technology Co Ltd filed Critical Zhejiang Baishi Technology Co Ltd
Priority to CN202110549476.0A priority Critical patent/CN113379102B/zh
Publication of CN113379102A publication Critical patent/CN113379102A/zh
Application granted granted Critical
Publication of CN113379102B publication Critical patent/CN113379102B/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
    • 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)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (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

本发明公开一种多网干线运输优化方法、计算机设备及存储介质。该方法包括：获取运输信息；根据运输信息建立线性规划模型，线性规划模型目标为最小运输成本和时效，所述模型的约束条件包括：对于单网，非同集货路由区的分拨间不能集货；对于多网，非同联合运输路由区间不能联合运输；同集货路由区等级高分拨不能往等级低分拨集货；班车开行才能进行联合运输；所有始发地到目的地只取一条路由；所有始发货量和集货量全部发出，分拨货量流平衡；每辆班车的载货量不超过该班车最大装载量；班车线段上装载货量与该线段所有目的流转货量的总和一致；求解线性规划模型，得到运输优化方案。

Description

一种多网干线运输优化方法、计算机设备及存储介质
技术领域
本发明涉及物品运输技术领域。更具体地，涉及一种多网干线运输优化方法、计算机设备及存储介质。
背景技术
物品运输过程中，通常来说，大部分物流网络中出现货量与现有路由不匹配，路由即快件流转路径和班车排班，均采用基于单网的优化，例如快递网络中对货物进行集拼以及对班车进行串点等操作。然而随着件量的波动，多个不同的物流网络都会出现货量与现有路由不匹配的状况，仅基于单网优化依然会带来物流网络服务质量下降，资源成本浪费等问题。
发明内容
为了解决上述问题中的至少一个，本发明的一个目的在于提供一种多网干线运输优化方法、计算机设备及存储介质。
为达到上述目的，本发明采用下述技术方案：
本发明第一方面提供一种多网干线运输优化方法，包括如下步骤：
获取运输信息，所述运输信息包括规划班车信息和始发目的货量信息，其中，所述规划班车信息包括：班次号、所属域、发车路区、到车路区、额定装载和班车线路；所述始发目的货量信息包括从始发分拨到目的分拨的运输货量信息；
根据所述运输信息建立线性规划模型，所述线性规划模型的目标为运输成本和时效的最小化，所述线性规划模型的约束条件包括：对于单网，非同集货路由区的分拨间不能集货；对于多网，非同联合运输路由区间不能进行班车的联合运输；同集货路由区等级高的分拨不能往等级低的分拨集货；班车开行才能进行联合运输；所有始发地到目的地只能取一条路由；所有始发货量和集货量全部发出，分拨货量流平衡；每辆班车的载货量不能超过该班车最大装载量；班车线段上装载货量与该线段所有目的流转货量的总和一致；
求解所述线性规划模型，得到运输优化方案。
在一个具体示例中，所述线性规划模型的目标函数为：
Figure BDA0003074823490000021
其中，Object为目标函数，truckcost为班车成本，
Figure BDA0003074823490000022
为货物操作成本，
Figure BDA0003074823490000023
为班车空仓方数惩罚代价。
在一个具体示例中，所述班车成本truckcost的计算方法为：
Figure BDA0003074823490000024
其中，KDV为快递规划班车v集合，KYV为快运规划班车v集合，H为快递快运分拨集合，KDPlanVkiv为快递发车为k，到车为i的规划班车v是否开行，取值为0或1，0为不开行，1为开行；KDCostv为快递规划快递班车v开行的费用；KDPlanVRHkiv为快递发车为k，到车为i的规划班车v是否联合运输，取值为0或1，0为不联合运输，1为联合运输；KDRHCostv为快递规划快递班车v的融合需额外增加的费用；KYCostv为快运规划快递班车v开行的费用；KYPlanVRHkiv为快运发车为k，到车为i的规划班车v是否联合运输，取值为0或1，0为不联合运输，1为联合运输；KYRHCostv为快运规划快递班车v的融合需额外增加的费用；RHVki为新增发车为k，到车为i的规划外班车的数量；ERHCostki为新增一辆发车为k，到车为i的规划外班车的费用。
在一个具体示例中，所述货物操作成本
Figure BDA0003074823490000025
的计算方法为：
Figure BDA0003074823490000026
其中，H为快递快运分拨集合，KDLoadki为快递始发为k，目的为i的货量；KDXkimj为快递始发为k，目的为i的货量是否经过分拨m，j集货，取值为0或1，0为不集货，1为集货；Jumpkimj为快递始发为k，目的为i的货量经过分拨m，j集货后的路由长度；KYLoadki为快运始发未k，目的为i的货量；KYXkimj为快运始发为k，目的为i的货量是否经过分拨m，j集货，取值为0或1，0为不集货，1为集货。
在一个具体示例中，所述班车空仓方数惩罚代价
Figure BDA0003074823490000027
的计算方法为：
Figure BDA0003074823490000031
其中，KDV为快递规划班车v集合，Sv，为班车v所包含的线段，H为快递快运分拨集合，KDVolumev为快递规划班车v的额定方数；KDPlanVLoadkiv为快递发车为k，到车为i的规划班车v装载快递货量；KDPlanVRHLoadkiv为快递发车为k，到车为i的规划班车v装载快运货量；KYVolumev为快运规划班车v的额定方数；KYPlanVLoadkiv为快运发车为k，到车为i的规划班车v装载快运货量；KYPlanVRHLoadkiv为快运发车为k，到车为i的规划班车v装载快递货量；RHVolumeki为新增一辆发车为k，到车为i的规划外班车的额定方数；RHVki为新增发车为k，到车为i的规划外班车的数量；RHVLoadki为新增发车为k，到车为i的规划外班车装载的货量。
在一个具体示例中，所述线性规划模型为混合整数规划模型。
在一个具体示例中，求解所述混合整数规划模型包括：
将运输业务相关的部分约束先移至模型外，即松弛部分约束条件；
移除约束后对模型进行求解，获得第一个解，所述第一个解为一个部分可行解；
根据之前移除的运输业务约束，对所述部分可行解进行筛选，筛选出不满足业务约束的解；
将筛选出的不满足业务约束的解对应的变量进行反向赋值，即第一次得到的解为0则赋值为1，反之亦然；
将这些赋值后的变量固定，代入所述混合整数规划模型，运行模型进行第二步求解，获得最终运输优化方案。
本发明第二方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明第一方面所述的方法。
本发明第三方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明第一方面所述的方法。
本发明的有益效果如下：
本发明所述技术方案，突破了单网资源的局限性，基于多网可进行联合运输增大了优化空间，并且可同时对两网进行优化，增大了产出的价值；技术方案引入分区的概念，在计算时将两网属于同一分区的分拨看作一个点，大大减少了数据量及模型变量；使用MIP模型进行建模求解，相比于人工优化，大大提高了优化的效率；相比于启发式算法，提高了解的精确度；节约了单网运输车辆使用上的空仓浪费，并且提升了各自的时效。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出本发明实施例提供的多网干线运输优化方法的流程图。
图2示出本发明实施例中两个集货路由区进行集货的示意图。
图3示出计算机系统的结构示意图。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
目前，在物品运输过程中，存在好多不同品牌的物流网络，即使同一品牌中也有不同业务场景的物流网络。大部分物流网络具有相似的网络结构。以快递网络为例，承接收件和派件功能的站点和对站点的件进行先汇集再分流的分拨组成了网络中的点，而连接站点与分拨，分拨与分拨，站点与站点的班车则组成了网络中的线，物品从收件站点经过分拨再到派件站点这一路通过班车运输形成的链路我们称之为路由。大部分物流网络中出现货量与现有路由不匹配，路由即快件流转路径和班车排班，均采用基于单网的优化，例如快递网络中对货物进行集拼以及对班车进行串点等操作。然而随着件量的波动，多个不同的物流网络都会出现货量与现有路由不匹配的状况，仅基于单网优化依然会带来物流网络服务质量下降，资源成本浪费等问题。
由此，如图1所示，本发明一个实施例提供了一种多网干线运输优化方法，包括如下步骤：
S110、获取运输信息。
其中，所述运输信息包括规划班车信息和始发目的货量信息，所述规划班车信息包括：班次号、所属域、发车路由、到车路由、额定装载和班车线路；所述始发目的货量信息包括从始发分拨到目的分拨的运输货量信息。
在一个具体示例中，从物流管理数据库中获取规划班车信息，经过数据格式转换及对部分数据的清洗，获取规划班车信息如表1所示，其中，物流管理数据库例如百世物流管理数据库。
表1
班次号 所属域 发车路区 到车路区 额定装载 班车线路
KYZC0001 快运 杭州一级 北京一级 135 杭州-北京
QYGJ0001 快递 杭州一级 北京一级 135 杭州-北京
所述始发目的货量的获取有两种方式，一种是直接从百世物流管理数据库选取一段时间的历史货量，再对该段时间的历史货量进行同比环比的分析，得出将该段历史货量映射到目标时期的货量的乘数，从而得出目标货量数据；另一种是采用时间序列分析、指数平滑方法、机器学习、深度学习等方法，对历史货量规律进行建模，从而预测始发目的货量。
S120、建立线性规划模型。
其中，根据所述运输信息建立线性规划模型，所述线性规划模型的目标为运输成本和时效的最小化，所述线性规划模型的约束条件包括：对于单网，非同集货路由区的分拨间不能集货；对于多网，非同联合运输路由区间不能进行班车的联合运输；同集货路由区等级高的分拨不能往等级低的分拨集货；班车开行才能进行联合运输；所有始发地到目的地只能取一条路由；所有始发货量和集货量全部发出，分拨货量流平衡；每辆班车的载货量不能超过该班车最大装载量；班车线段上装载货量与该线段所有目的流转货量的总和一致。
在一个具体示例中，例如从百世物流管理数据库分别读取快递网络、快运网络历史一段时间的件量数据，以快运数据为例格式如下：
日期 始发分拨 目的分拨 货量
2020-01-01 杭州分拨 北京分拨 300
使用聚合函数分别对分拨的始发件量和目的件量进行汇总，得到如表2所示。
表2
分拨名称 始发货量 目的货量
杭州分拨 1000 800
从百世物流管理数据库获取分拨所属省份信息，分拨地理位置信息，分拨场地信息，分拨间距离数据，以最高级分拨间距离不得小于X公里，一个省不得超过Y个最高级分拨为约束，根据始发货量，目的货量，分拨地理位置及场地信息，对分拨进行等级划分，一共分为一级二级三级四级四个等级，最终获得分拨等级表，如表3所示。
表3
分拨等级 分拨所属域 分拨名称
一级 快递 杭州分拨
一级 快运 杭州转运中心
四级 快递 JM庆阳集散仓A
四级 快运 庆阳集配站
分级后再对两网分拨根据等级，距离进行一个整合，进行分区。归为同一路由区的不同网的分拨，可将快递快运两网的分拨分成一个区块的路由区，其班车可通过两网分拨进行联合运输，即在同一路由区下，快递和快运可以进行联合运输。从百世物流管理数据库获取两网间分拨距离数据，根据两网分拨间距离不超过Z公里，例如Z为20，分拨等级一致，分拨所属省份一致等约束，将两网分拨进行分区，所得两网分拨分区等级表，如表4所示。
表4
两网路由区名称 分拨等级 分拨所属域 分拨名称
杭州一级 一级 快递 杭州分拨
杭州一级 一级 快运 杭州转运中心
庆阳四级 四级 快递 JM庆阳集散仓A
庆阳四级 四级 快运 庆阳集配站
所属同一路由区的两网分拨间可进行班车的联合运输，例如原本快递分拨有班车杭州转运中心-JM庆阳集散仓A，现在班车线路可规划为杭州转运中心-杭州分拨-庆阳集配站-JM庆阳集散仓A，不同路由区间不能进行班车的联合运输。
再根据分拨间距离数据，分拨货量数据，分拨等级数据等数据，将两网路由区作为一个点，进一步进行集货路由区划分。如图2所示为两个集货路由区，同一网内属于同一集货路由区的分拨，低等级分拨可向同等级或较高等级分拨进行货量集拼，不同路由区之间不能进行货量的集拼。
在一种可能的实现方式中，由于班车的数量为整数，因此线性规划模型选用混合整数规划模型。
在一种可能的实现方式中，所述混合整数规划模型的目标函数为：
Figure BDA0003074823490000071
其中，Object为目标函数，truckcost为班车成本，
Figure BDA0003074823490000072
为货物操作成本，
Figure BDA0003074823490000073
为班车空仓方数惩罚代价。
在一种可能的实现方式中，所述班车成本truckcost的计算方法为：
Figure BDA0003074823490000074
其中，KDV为快递规划班车v集合，KYV为快运规划班车v集合，H为快递快运分拨集合，KDPlanVkiv为快递发车为k，到车为i的规划班车v是否开行，取值为0或1，0为不开行，1为开行；KDCostv为快递规划快递班车v开行的费用；KDPlanVRHkiv为快递发车为k，到车为i的规划班车v是否联合运输，取值为0或1，0为不联合运输，1为联合运输；KDRHCostv为快递规划快递班车v的融合需额外增加的费用；KYCostv为快运规划快递班车v开行的费用；KYPlanVRHkiv为快运发车为k，到车为i的规划班车v是否联合运输，取值为0或1，0为不联合运输，1为联合运输；KYRHCostv为快运规划快递班车v的融合需额外增加的费用；RHVki为新增发车为k，到车为i的规划外班车的数量；ERHCostki为新增一辆发车为k，到车为i的规划外班车的费用。
在一种可能的实现方式中，所述货物操作成本
Figure BDA0003074823490000075
的计算方法为：
Figure BDA0003074823490000076
其中，H为快递快运分拨集合，KDLoadki为快递始发为k，目的为i的货量；KDXkimj为快递始发为k，目的为i的货量是否经过分拨m，j集货，取值为0或1，0为不集货，1为集货；Jumpkimj为快递始发为k，目的为i的货量经过分拨m，j集货后的路由长度；KYLoadki为快运始发未k，目的为i的货量；KYXkimj为快运始发为k，目的为i的货量是否经过分拨m，j集货，取值为0或1，0为不集货，1为集货。
在一种可能的实现方式中，所述班车空仓方数惩罚代价
Figure BDA0003074823490000081
的计算方法为：
Figure BDA0003074823490000082
其中，KDV为快递规划班车v集合，Sv为班车v所包含的线段，H为快递快运分拨集合，KDVolumev为快递规划班车v的额定方数；KDPlanVLoadkiv为快递发车为k，到车为i的规划班车v装载快递货量；KDPlanVRHLoadkiv为快递发车为k，到车为i的规划班车v装载快运货量；KYVolumev为快运规划班车v的额定方数；KYPlanVLoadkiv为快运发车为k，到车为i的规划班车v装载快运货量；KYPlanVRHLoadkiv为快运发车为k，到车为i的规划班车v装载快递货量；RHVolumeki为新增一辆发车为k，到车为i的规划外班车的额定方数；RHVki为新增发车为k，到车为i的规划外班车的数量；RHVLoadki为新增发车为k，到车为i的规划外班车装载的货量。
S130、求解所述线性规划模型，得到运输优化方案。
在一种可能的实现方式中，求解所述混合整数规划模型包括：
将运输业务相关的部分约束先移至模型外，即松弛部分约束条件；
移除约束后对模型进行求解，获得第一个解，所述第一个解为一个部分可行解；
根据之前移除的运输业务约束，对所述部分可行解进行筛选，筛选出不满足业务约束的解；
将筛选出的不满足业务约束的解对应的变量进行反向赋值，即第一次得到的解为0则赋值为1，反之亦然；
将这些赋值后的变量固定，代入所述混合整数规划模型，运行模型进行第二步求解，获得最终运输优化方案。
在一个具体示例中，模型输出部分结果如表5所示。
表5
Figure BDA0003074823490000091
从表5中可以看出，对于兰州到北京的方案，在优化前，快递，快运从兰州到北京的路由，均需要到西安中转，因为从单网来看，每一个网各自的货量若发一个班车都会造成极大的浪费，此处班车特指长线130方的挂车，但两个网合起来的货量基本可以装满挂车，因此，优化后的方案为快递，快运路由均改为兰州-北京直发，新增一个融合班车，带该路段的货物，使得两网从兰州-北京的时效有了提升。
对于西安一级到北京一级的方案，在优化前，快递从西安-北京有170方货，一车不足，两车有余，在此前是开了两个车以保证时效。快运从西安-北京只有80方货，每天发一个班车但是有较大空仓。而若用快运班车联合运输快递的货物则正好可以填满快运班车的空仓，同时省去一个快递班车。因此，优化后的方案为双网路由均不作改变，但是快运班车联合运输快递货，并且停运掉一个快递的班车，以节约成本，同时不影响时效。
综上，本实施例提供的多网干线运输优化方法，突破了单网资源的局限性，基于多网可进行联合运输增大了优化空间，并且可同时对两网进行优化，增大了产出的价值；技术方案引入分区的概念，在计算时将两网属于同一分区的分拨看作一个点，大大减少了数据量及模型变量；使用MIP模型进行建模求解，相比于人工优化，大大提高了优化的效率；相比于启发式算法，提高了解的精确度；节约了单网运输车辆使用上的空仓浪费，并且提升了各自的时效。
如图3所示，适于用来实现上述实施例提供的多网干线运输优化方法的计算机系统，包括中央处理模块(CPU)，其可以根据存储在只读存储器(ROM)中的程序或者从存储部分加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中，还存储有计算机系统操作所需的各种程序和数据。CPU、ROM以及RAM通过总线被此相连。输入/输入(I/O)接口也连接至总线。
以下部件连接至I/O接口：包括键盘、鼠标等的输入部分；包括诸如液晶显示器(LCD)等以及扬声器等的输出部分；包括硬盘等的存储部分；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至I/O接口。可拆卸介质，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器上，以便于从其上读出的计算机程序根据需要被安装入存储部分。
特别地，根据本实施例，上文流程图描述的过程可以被实现为计算机软件程序。例如，本实施例包括一种计算机程序产品，其包括有形地包含在计算机可读介质上的计算机程序，上述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。
附图中的流程图和示意图，图示了本实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或示意图中的每个方框可以代表一个模块、程序段或代码的一部分，上述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，示意图和/或流程图中的每个方框、以及示意和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器，包括获取模块、建立模块和求解模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。例如，获取模块还可以被描述为“生产信息获取模块”。
作为另一方面，本实施例还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中上述装置中所包含的非易失性计算机存储介质，也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当上述一个或者多个程序被一个设备执行时，使得上述设备：
获取运输信息，所述运输信息包括规划班车信息和目标货量信息，其中，所述规划班车信息包括：班次号、所属域、发车路由、到车路由、额定装载和班车线路；所述目标货量信息包括从一个分拨到另一个分拨的运输货量信息；
根据所述运输信息建立线性规划模型，所述线性规划模型的目标为运输成本和时效的最小化，所述线性规划模型的约束条件包括：非同一个路由区的分拨间不能集货；同一个路由区等级高的分拨不能往等级低的分拨集货；班车开行才能进行联合运输；所有始发地到目的地只能取一条路由；计划发货量和集货量全部从该分拨发出，不能留仓；每辆班车的载货量不能超过该班车最大装载量；始发地所有班车的总装载量与需要运往目的地的目标货量一致；
求解所述线性规划模型，得到运输优化方案。
在本发明的描述中，需要说明的是，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (5)

1.一种多网干线运输优化方法，其特征在于，包括：
获取运输信息，所述运输信息包括规划班车信息和始发目的货量信息，其中，所述规划班车信息包括：班次号、所属域、发车路区、到车路区、额定装载和班车线路；所述始发目的货量信息包括从始发分拨到目的分拨的运输货量信息；
根据所述运输信息建立线性规划模型，所述线性规划模型的目标为运输成本和时效的最小化，所述线性规划模型的约束条件包括：对于单网，非同集货路由区的分拨间不能集货；对于多网，非同联合运输路由区间不能进行班车的联合运输；同集货路由区等级高的分拨不能往等级低的分拨集货；班车开行才能进行联合运输；所有始发地到目的地只能取一条路由；所有始发货量和集货量全部发出，分拨货量流平衡；每辆班车的载货量不能超过该班车最大装载量；班车线段上装载货量与该线段所有目的流转货量的总和一致；
求解所述线性规划模型，得到运输优化方案；
所述线性规划模型的目标函数为：
Figure FDA0003720494790000011
其中，Object为目标函数，truckcost为班车成本，
Figure FDA0003720494790000012
为货物操作成本，
Figure FDA0003720494790000013
为班车空仓方数惩罚代价；
所述班车成本truckcost的计算方法为：
Figure FDA0003720494790000014
其中，KDV为快递规划班车V集合，KYV为快运规划班车V集合，H为快递快运分拨集合，KDPlanVkiv为快递发车为k，到车为i的规划班车v是否开行，取值为0或1，0为不开行，1为开行；KDCostv为快递规划快递班车v开行的费用；KDPlanVRHkiv为快递发车为k，到车为i的规划班车v是否联合运输，取值为0或1，0为不联合运输，1为联合运输；KDRHCostv为快递规划快递班车v的融合需额外增加的费用；KYCostv为快运规划快递班车v开行的费用；KYPlanVkiv为快运发车为k，到车为i的规划班车v是否开行，取值为0或1，0为不开行，1为开行；KYPlanVRHkiv为快运发车为k，到车为i的规划班车v是否联合运输，取值为0或1，0为不联合运输，1为联合运输；KYRHCostv，为快运规划快递班车v的融合需额外增加的费用；RHVki为新增发车为k，到车为i的规划外班车的数量；ERHCostki为新增一辆发车为k，到车为i的规划外班车的费用；
所述货物操作成本
Figure FDA0003720494790000021
的计算方法为：
Figure FDA0003720494790000022
其中，H为快递快运分拨集合，KDLoadki为快递始发为k，目的为i的货量；KDXkimj为快递始发为k，目的为i的货量是否经过分拨m，j集货，取值为O或1，0为不集货，1为集货；Jumpkimj为快递始发为k，目的为i的货量经过分拨m，j集货后的路由长度；KYLoadki为快运始发未k，目的为i的货量；KYXkimj为快运始发为k，目的为i的货量是否经过分拨m，j集货，取值为0或1，0为不集货，1为集货；
所述班车空仓方数惩罚代价
Figure FDA0003720494790000023
的计算方法为：
Figure FDA0003720494790000024
其中，KDV为快递规划班车v集合，Sv为班车v所包含的线段，H为快递快运分拨集合，KDVolumev为快递规划班车v的额定方数；KDPlanVLoadkiv为快递发车为k，到车为i的规划班车v装载快递货量；KDPlanVRHLoadkiv为快递发车为k，到车为i的规划班车v装载快运货量；KYVolumev为快运规划班车v的额定方数；KYPlanVLoadkiv为快运发车为k，到车为i的规划班车v装载快运货量；KYPlanVRHLoadkiv为快运发车为k，到车为i的规划班车v装载快递货量；RHVolumeki为新增一辆发车为k，到车为i的规划外班车的额定方数；RHVki为新增发车为k，到车为i的规划外班车的数量；RHVLoadki为新增发车为k，到车为i的规划外班车装载的货量。
2.根据权利要求1所述的方法，其特征在于，所述线性规划模型为混合整数规划模型。
3.根据权利要求2所述的方法，其特征在于，求解所述混合整数规划模型包括：
将运输业务相关的部分约束先移至模型外，即松弛部分约束条件；
移除约束后对模型进行求解，获得第一个解，所述第一个解为一个部分可行解；
根据之前移除的运输业务约束，对所述部分可行解进行筛选，筛选出不满足业务约束的解；
将筛选出的不满足业务约束的解对应的变量进行反向赋值，即第一次得到的解为0则赋值为1，反之亦然；
将这些赋值后的变量固定，代入所述混合整数规划模型，运行模型进行第二步求解，获得最终运输优化方案。
4.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-3中任一项所述的方法。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-3中任一项所述的方法。
CN202110549476.0A 2021-05-20 2021-05-20 一种多网干线运输优化方法、计算机设备及存储介质 Active CN113379102B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110549476.0A CN113379102B (zh) 2021-05-20 2021-05-20 一种多网干线运输优化方法、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110549476.0A CN113379102B (zh) 2021-05-20 2021-05-20 一种多网干线运输优化方法、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN113379102A CN113379102A (zh) 2021-09-10
CN113379102B true CN113379102B (zh) 2022-10-18

Family

ID=77571373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110549476.0A Active CN113379102B (zh) 2021-05-20 2021-05-20 一种多网干线运输优化方法、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN113379102B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114066349A (zh) * 2021-10-27 2022-02-18 深圳市跨越新科技有限公司 货物跳节点直派运输方法、系统、计算机设备及存储介质
CN113837495B (zh) * 2021-10-29 2024-04-26 浙江百世技术有限公司 基于多阶段优化的物流干线运输调度优化方法
CN113988425A (zh) * 2021-10-29 2022-01-28 浙江百世技术有限公司 物流网络发车方案测算方法及装置
CN114240001B (zh) * 2021-11-09 2024-06-18 北京京东振世信息技术有限公司 物流路由网络确定方法和装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101782982A (zh) * 2009-07-07 2010-07-21 上海海事大学 集装箱多式联运路径选择的多目标整数线性规划方法
CN108921362A (zh) * 2018-08-02 2018-11-30 顺丰科技有限公司 一种医药干线优化方法、系统、设备及存储介质
CN109902866A (zh) * 2019-02-21 2019-06-18 北京交通大学 铁路快运班列开行方案与车底运用的协同优化方法
CN111461586A (zh) * 2019-05-28 2020-07-28 上海汽车集团股份有限公司 运输成本与运输时间的双目标优化方法、装置以及介质
CN111768149A (zh) * 2020-06-23 2020-10-13 华院数据技术(上海)有限公司 一种快递物流网络规划优化方法及系统
CN111967828A (zh) * 2020-08-20 2020-11-20 北京交通大学 一种面向全程物流的公铁联运产品协同优化方法
CN112749842A (zh) * 2021-01-11 2021-05-04 中国工商银行股份有限公司 一种押运路径的规划方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10387823B2 (en) * 2011-12-13 2019-08-20 International Business Machines Corporation Automated partitioning of transportation routing problems
US20190114595A1 (en) * 2017-10-17 2019-04-18 Mitsubishi Electric Research Laboratories, Inc. Systems and Methods for Joint Control of Multi-Modal Transportation Networks

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101782982A (zh) * 2009-07-07 2010-07-21 上海海事大学 集装箱多式联运路径选择的多目标整数线性规划方法
CN108921362A (zh) * 2018-08-02 2018-11-30 顺丰科技有限公司 一种医药干线优化方法、系统、设备及存储介质
CN109902866A (zh) * 2019-02-21 2019-06-18 北京交通大学 铁路快运班列开行方案与车底运用的协同优化方法
CN111461586A (zh) * 2019-05-28 2020-07-28 上海汽车集团股份有限公司 运输成本与运输时间的双目标优化方法、装置以及介质
CN111768149A (zh) * 2020-06-23 2020-10-13 华院数据技术(上海)有限公司 一种快递物流网络规划优化方法及系统
CN111967828A (zh) * 2020-08-20 2020-11-20 北京交通大学 一种面向全程物流的公铁联运产品协同优化方法
CN112749842A (zh) * 2021-01-11 2021-05-04 中国工商银行股份有限公司 一种押运路径的规划方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于共同配送的优化节能配送系统;李镇等;《物流工程与管理》;20200215(第02期);全文 *
轴辐式网络下多重时效要求的车辆调度问题;吕婷等;《计算机应用研究》;20171212(第12期);全文 *

Also Published As

Publication number Publication date
CN113379102A (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
CN113379102B (zh) 一种多网干线运输优化方法、计算机设备及存储介质
CN109308540B (zh) 一种配送车辆的配送计划生成方法、装置及系统
Behiri et al. Urban freight transport using passenger rail network: Scientific issues and quantitative analysis
CN109726863A (zh) 一种多目标优化的物流方法和系统
CN110659839A (zh) 一种物流智能配载调度方法
CN107918849A (zh) 一种电动物流货车的智能调度装置及方法
CN103927639A (zh) 一种基于实时信息的钢铁产品物流系统及其调度方法
CN110826951A (zh) 运输线路配载方法、装置、电子设备及计算机可读介质
CN101159048A (zh) 油品配送槽车调度系统及其方法
US20210256646A1 (en) Diversified and connected freight allocation system and method
CN111667085A (zh) 物流路由网络的确定方法、装置、介质及电子设备
CN112085271B (zh) 一种基于众包模式的传统产业集群集货路径优化方法
CN111242523A (zh) 确定航空运输路径的方法、装置、服务器及存储介质
Cheng et al. Integrated people-and-goods transportation systems: from a literature review to a general framework for future research
KR100613858B1 (ko) 물류 워크플로우용 차량 배차 방법
CN111428902B (zh) 确定运输线路的方法及装置
Sebastian Optimization approaches in the strategic and tactical planning of networks for letter, parcel and freight mail
CN108197879B (zh) 一种多模式客货共运方法及系统
CN116090689A (zh) 一种基于中转接驳的货运资源优化方法及优化系统
CN112613701A (zh) 一种成品卷烟物流调度方法
Stopka Modelling distribution routes in city logistics by applying operations research methods
KR101321644B1 (ko) 철도운송의 화차 재배치 방법
CN115081819A (zh) 调度方法、装置、电子设备及存储介质
CN113327074B (zh) 物流网络的更新方法、装置以及物流网络结构
CN111507662B (zh) 一种规划物流车辆路径的方法

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
GR01 Patent grant
GR01 Patent grant