CN113393020A - 物流智能调度方法、装置、设备及存储介质 - Google Patents
物流智能调度方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113393020A CN113393020A CN202110599435.2A CN202110599435A CN113393020A CN 113393020 A CN113393020 A CN 113393020A CN 202110599435 A CN202110599435 A CN 202110599435A CN 113393020 A CN113393020 A CN 113393020A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- route
- delivery
- available
- distribution
- 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
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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及物流配送领域,公开了一种物流智能调度方法、装置、设备以及存储介质,该方法包括:根据各货物的订单信息进行路径规划,得到配送路线,并根据订单信息和车辆信息为相同配送路线的货物分配对应的配送车辆;当检测到新的货物的配送请求时,筛选配送车辆中的可用车辆,并获取可用车辆的位置信息和速度信息并各可用车辆的车辆预估位置;根据预设的局部调整算法车辆预估位置和配送路线,确定被调度车辆,将新的货物分配至被调度车辆;调整被调度车辆的配送路线,得到车辆调整线路,实现物流调度。本方法采用模糊推理方法选择局部调整范围,采用车辆位置预估消除车辆位置的变化对优化结果的影响,极大的提高了配送效率,降低了成本。
Description
技术领域
本发明涉及物流配送领域,尤其涉及一种物流智能调度方法、装置、设备及存储介质。
背景技术
随着人们在网上购物时对货品的配送时间要求越来越严格。导致各物流公司之间的竞争日渐激烈。物流配送的过程包括分货、配货、发货、配送四个方面。其中配送时物流配送车辆路径规划是整个物流配送过程中最为重要的一环。合理选择配送路径,可以有效加快配送速度,降低配送成本。存在对同城多目标物流配送的路径规划,从路径规划上来说,就是要选择成本代价最低的路径,使得配送效率更高,运输成本更低。
现有的路线规划主要是基于贪婪算法和自适应大领域算法计算最佳运输路线实现物流的静态调度,在配送中心进行配送货物的统一分拣配送,在遇到新的货物配送请求时,需返回配送中心,无法进行实时的动态调度调整。
发明内容
本申请的主要目的是解决现有的物流调度无法实现实时动态调整的技术问题。
本发明第一方面提供了一种物流智能调度方法,包括:获取各待配送货物的订单信息和各配送车辆的车辆信息;根据所述各待配送货物的订单信息进行路径规划,得到至少一条配送路线;按照相同配送路线原则对所述订单信息对应的待配送货物进行分拣,并基于所述车辆信息对分拣后的每条配送路线的所有待配送货物分配对应的配送车辆;当检测到新的待配送货物的配送请求时,根据所述配送请求中的配送区域筛选各配送车辆中的所有可用车辆,并获取当前时刻每辆可用车辆的行驶信息;根据所述行驶信息,利用预设的时间函数对每辆所述可用车辆进行位置预估,得到每辆所述可用车辆的车辆预估位置;根据每辆所述可用车辆的车辆预估位置和所述可用车辆对应的配送路线,利用预设的局部调整算法从所有所述可用车辆中选出被调度车辆,并基于所述配送请求对应的待配送货物调整所述被调度车辆对应的配送路线,得到车辆调整线路;根据所述车辆调整线路生成物流调度策略,将所述物流调度策略发送至所有配送车辆。
可选的,在本发明第一方面的第一种实现方式中,所述根据所述各待配送货物的订单信息进行路径规划,得到至少一条配送路线包括:根据所述订单信息建立对应的多维向量,并将所述多维向量输入至预设的贪婪算法中,得到初始路线集合;对所述初始路线集合进行路线的摧毁重建处理,得到较优路线集合;将所述较优路线集合输入预设的目标函数,得到符合目标函数要求的极优路线,并将所述极优路线作为配送路线。
可选的,在本发明第一方面的第二种实现方式中,所述对所述初始路线集合进行路线的摧毁重建处理,得到较优路线集合包括:从所述初始路线集合中选择一条或多条初始路线,并将所述初始路线中的货物全部移除;将被移除的货物随机插入至其他路线中,得到本轮较优集合;将本轮较优集合输入至模拟退火算法中,得到本轮极优路线集合,迭代至预设次数,得到较优路线集合。
可选的,在本发明第一方面的第三种实现方式中,所述当检测到新的待配送货物的配送请求时,根据所述配送请求中的配送区域筛选各配送车辆中的所有可用车辆,并获取当前时刻每辆可用车辆的行驶信息包括:当检测到新的待配送货物的配送请求时,确定所述配送区域内的配送车辆;获取所述新的待配送货物的订单信息和所述配送区域内的配送车辆的载重信息和剩余载货空间,其中,所述订单信息包括货物重量和货物体积;将所述配送区域内所述载重信息大于所述货物重量并且所述剩余载货空间大于所述货物体积的配送车辆确定为可用车辆;获取当前时刻所述可用车辆的行驶信息。
可选的,在本发明第一方面的第四种实现方式中,所述行驶信息包括位置信息和速度信息;所述根据所述行驶信息,利用预设的时间函数对每辆所述可用车辆进行位置预估,得到每辆所述可用车辆的车辆预估位置包括:根据预设的时间函数,计算各可用车辆在当前时刻与执行所述物流调度策略时的时间间隔;根据所述时间间隔和速度信息,计算各可用车辆在当前时刻与执行所述物流调度策略时的位置间隔;根据所述位置信息和所述位置间隔,计算每辆所述可用车辆的车辆预估位置。
可选的,在本发明第一方面的第五种实现方式中,所述根据每辆所述可用车辆的车辆预估位置和所述可用车辆对应的配送路线,利用预设的局部调整算法从所有所述可用车辆中选出被调度车辆,并基于所述配送请求对应的待配送货物调整所述被调度车辆对应的配送路线,得到车辆调整线路包括:计算每辆所述可用车辆从对应的车辆预估位置完成对应的配送路线的第一配送成本;根据所述新的待配送货物的订单信息,调整各可用车辆的配送路线,并计算各可用车辆从对应的车辆预估位置完成调整后的配送路线的第二配送成本;根据所述第一配送成本和所述第二配送成本计算各可用车辆的成本增加值;选择所述成本增加值最小的可用车辆作为被调度车辆,基于所述配送请求对应的待配送货物调整所述被调度车辆对应的配送路线,得到车辆调整线路。
可选的,在本发明第一方面的第六种实现方式中,其特征在于,所述订单信息包括配送点,所述根据所述新的待配送货物的订单信息,调整各可用车辆的配送路线,并计算各可用车辆从对应的车辆预估位置完成调整后的配送路线的第二配送成本包括:将所述新的待配送货物的配送点插入各可用车辆的配送路线,得到各可用车辆的调整路线集合;从各可用车辆的所述调整路线集合中选择对应的路程最短的调整路线;根据所述调整路线的路程和预设的单位运输成本,计算各可用车辆从对应的车辆预估位置完成调整后的配送路线的第二配送成本。
本发明第二方面提供了一种物流智能调度装置,包括:获取模块,用于获取各待配送货物的订单信息和各配送车辆的车辆信息;路线规划模块,用于根据所述各待配送货物的订单信息进行路径规划,得到至少一条配送路线;车辆分配模块,用于按照相同配送路线原则对所述订单信息对应的待配送货物进行分拣,并基于所述车辆信息对分拣后的每条配送路线的所有待配送货物分配对应的配送车辆;筛选模块,用于当检测到新的待配送货物的配送请求时,根据所述配送请求中的配送区域筛选各配送车辆中的所有可用车辆,并获取当前时刻每辆可用车辆的行驶信息;位置预估模块,用于根据所述行驶信息,利用预设的时间函数对每辆所述可用车辆进行位置预估,得到每辆所述可用车辆的车辆预估位置;路线调整模块,用于根据每辆所述可用车辆的车辆预估位置和所述可用车辆对应的配送路线,利用预设的局部调整算法从所有所述可用车辆中选出被调度车辆,并基于所述配送请求对应的待配送货物调整所述被调度车辆对应的配送路线,得到车辆调整线路;调度模块,用于根据所述车辆调整线路生成物流调度策略,将所述物流调度策略发送至所有配送车辆。
可选的,在本发明第二方面的第一种实现方式中,所述路线规划模块包括:初始路线单元,用于根据所述订单信息建立对应的多维向量,并将所述多维向量输入至预设的贪婪算法中,得到初始路线集合;较优路线单元,用于对所述初始路线集合进行路线的摧毁重建处理,得到较优路线集合;极优路线单元,用于将所述较优路线集合输入预设的目标函数,得到符合目标函数要求的极优路线,并将所述极优路线作为配送路线。
可选的,在本发明第二方面的第二种实现方式中,所述较优路线单元具体用于:从所述初始路线集合中选择一条或多条初始路线,并将所述初始路线中的货物全部移除;将被移除的货物随机插入至其他路线中,得到本轮较优集合;将本轮较优集合输入至模拟退火算法中,得到本轮极优路线集合,迭代至预设次数,得到较优路线集合。
可选的,在本发明第二方面的第三种实现方式中,所述筛选模块具体用于:当检测到新的待配送货物的配送请求时,确定所述配送区域内的配送车辆;获取所述新的待配送货物的订单信息和所述配送区域内的配送车辆的载重信息和剩余载货空间,其中,所述订单信息包括货物重量和货物体积;将所述配送区域内所述载重信息大于所述货物重量并且所述剩余载货空间大于所述货物体积的配送车辆确定为可用车辆;获取当前时刻所述可用车辆的行驶信息。
可选的,在本发明第二方面的第四种实现方式中,所述行驶信息包括位置信息和速度信息;所述位置预估模块具体用于:根据预设的时间函数,计算各可用车辆在当前时刻与执行所述物流调度策略时的时间间隔;根据所述时间间隔和速度信息,计算各可用车辆在当前时刻与执行所述物流调度策略时的位置间隔;根据所述位置信息和所述位置间隔,计算每辆所述可用车辆的车辆预估位置。
可选的,在本发明第二方面的第五种实现方式中,所述路线调整模块具体用于:计算每辆所述可用车辆从对应的车辆预估位置完成对应的配送路线的第一配送成本;根据所述新的待配送货物的订单信息,调整各可用车辆的配送路线,并计算各可用车辆从对应的车辆预估位置完成调整后的配送路线的第二配送成本;根据所述第一配送成本和所述第二配送成本计算各可用车辆的成本增加值;选择所述成本增加值最小的可用车辆作为被调度车辆,基于所述配送请求对应的待配送货物调整所述被调度车辆对应的配送路线,得到车辆调整线路。
可选的,在本发明第二方面的第六种实现方式中,所述路线调整模块具体还用于:将所述新的待配送货物的配送点插入各可用车辆的配送路线,得到各可用车辆的调整路线集合;从各可用车辆的所述调整路线集合中选择对应的路程最短的调整路线;根据所述调整路线的路程和预设的单位运输成本,计算各可用车辆从对应的车辆预估位置完成调整后的配送路线的第二配送成本。
本发明第三方面提供了一种物流智能调度设备,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;所述至少一个处理器调用所述存储器中的所述指令,以使得所述物流智能调度设备执行上述的物流智能调度方法的步骤。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的物流智能调度方法的步骤。
本发明的技术方案中,获取各待配送货物的订单信息和各配送车辆的车辆信息;根据各待配送货物的订单信息进行路径规划,得到至少一条配送路线;按照相同配送路线原则对订单信息对应的待配送货物进行分拣,并基于车辆信息对分拣后的每条配送路线的所有待配送货物分配对应的配送车辆;当检测到新的待配送货物的配送请求时,根据配送请求中的配送区域筛选各配送车辆中的所有可用车辆,并获取当前时刻每辆可用车辆的行驶信息;根据行驶信息,利用预设的时间函数对每辆可用车辆进行位置预估,得到每辆可用车辆的车辆预估位置;根据每辆可用车辆的车辆预估位置和可用车辆对应的配送路线,利用预设的局部调整算法从所有可用车辆中选出被调度车辆,并基于配送请求对应的待配送货物调整被调度车辆对应的配送路线,得到车辆调整线路;根据车辆调整线路生成物流调度策略,将物流调度策略发送至所有配送车辆。本方案通过在计算过程中采用模糊推理方法选择局部调整范围,同时采用车辆位置预估方法消除计算、传输和执行延迟带来的车辆位置的变化对优化结果的影响,极大的提高了配送效率,降低了成本。
附图说明
图1为本发明实施例提供的物流智能调度方法的第一个实施例示意图;
图2为本发明实施例提供的物流智能调度方法的第二个实施例示意图;
图3为本发明实施例提供的物流智能调度方法的第三个实施例示意图;
图4为本发明实施例提供的物流智能调度方法的第四个实施例示意图;
图5为本发明实施例提供的物流智能调度方法的第五个实施例示意图;
图6为本发明实施例提供的物流智能调度装置的一个实施例示意图;
图7为本发明实施例提供的物流智能调度装置的另一个实施例示意图;
图8为本发明实施例提供的物流智能调度设备的一个实施例示意图;
图9为本发明实施例提供配送车辆路线调整前的配送路线示意图;
图10为本发明实施例提供配送车辆路线调整后的配送路线示意图。
具体实施方式
本发明的技术方案中,获取各待配送货物的订单信息和各配送车辆的车辆信息;根据各待配送货物的订单信息进行路径规划,得到至少一条配送路线;按照相同配送路线原则对订单信息对应的待配送货物进行分拣,并基于车辆信息对分拣后的每条配送路线的所有待配送货物分配对应的配送车辆;当检测到新的待配送货物的配送请求时,根据配送请求中的配送区域筛选各配送车辆中的所有可用车辆,并获取当前时刻每辆可用车辆的行驶信息;根据行驶信息,利用预设的时间函数对每辆可用车辆进行位置预估,得到每辆可用车辆的车辆预估位置;根据每辆可用车辆的车辆预估位置和可用车辆对应的配送路线,利用预设的局部调整算法从所有可用车辆中选出被调度车辆,并基于配送请求对应的待配送货物调整被调度车辆对应的配送路线,得到车辆调整线路;根据车辆调整线路生成物流调度策略,将物流调度策略发送至所有配送车辆。本方案通过在计算过程中采用模糊推理方法选择局部调整范围,同时采用车辆位置预估方法消除计算、传输和执行延迟带来的车辆位置的变化对优化结果的影响,极大的提高了配送效率,降低了成本。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例提供的物流智能调度方法的第一个实施例包括:
101、获取各待配送货物的订单信息和各配送车辆的车辆信息;
可以理解的是,本发明的执行主体可以为物流智能调度装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
在实际应用中,物流智能调度可以是基于配送中心的物流调度,也可以是基于同城配送的物流调度,订单信息主要包括待配送货物的配送点地址和待配送货物的货物重量和货物体积,若是基于配送中心的物流调度,则配送点信息主要包括该配送中心的地址以及该待配送货物的收货地址,若是基于同城配送的物流调度,则订单信息主要包括该待配送货物的发货地址和收货地址。
102、根据各待配送货物的订单信息进行路径规划,得到至少一条配送路线;
在本实施例中,主要是基于贪婪算法和自适应大邻域算法进行路线规划,通过贪心算法进行初始的路线规划,主要通过构建的邻接矩阵,更新配送中心到所有待配送货物的配送点的路径,然后不断借助其他配送点更新配送中心到其他配送点的最短距离,并通过自适应大邻域算法计算出较优的配送路线。
103、按照相同配送路线原则对订单信息对应的待配送货物进行分拣,并基于车辆信息对分拣后的每条配送路线的所有待配送货物分配对应的配送车辆。
在本实施例中,在路线规划生成多条配送路线后,每条配送线路对对应需要配送的货物,将相同配送线路的货物的订单信息进行汇总,该订单信息主要包括货物的重量以及体积,得到相同配送线路所有待配送货物的总重量和总体积后,根据不同的配送车辆的车辆信息的载重信息和空间信息,为配送线路分配对应的配送车辆,主要选择所有待配送货物的总重量小于车辆载重,并且所有待配送货物的总体积小于车辆空间的配送车辆为该配送路线进行配送。
104、当检测到新的待配送货物的配送请求时,根据配送请求中的配送区域筛选各配送车辆中的所有可用车辆,并获取当前时刻每辆可用车辆的行驶信息;
在本实施例中,通过上述过程进行静态的物流调度,主要是在配送汽车配送前,针对配送汽车和配送中心中的大量货物进行配对调度,在实际应用中,还存在某个配送中心中有紧急的货物需要配送,在该配送中心的配送区域内需要进行动态的物流调度,将新的待配送货物加入到事先安排好的路线中,在预设区域内,从配送车辆中筛选满足要求的可用车辆,可以用多种方式,例如,新的待配送货物的配送请求中包括了货物的配送地点,选择距离该配送地点较近的配送汽车为可用汽车,也可以是根据配送车辆的载重情况和货物的重量体积等信息,进行可用车辆的筛选,或者是向配送车辆发送调度请求,司机看到调度请求后进行回应的配送车辆确定为可用车辆,在本发明中,选择可用车辆的方式不做限定。
在本实施例中,车辆的位置信息由车上安装的gps定位终端设备通过gprs或者3g无线通信网络发送至调度中心,通过不同时间的位置信息,可以计算出车辆的速度信息,将该车辆的位置信息和速度信息作为车辆的行驶信息。
105、根据行驶信息,利用预设的时间函数对每辆可用车辆进行位置预估,得到每辆可用车辆的车辆预估位置;
在实际应用中,当司机开始执行新的物流调度策略时,已经比开始调度计算的时刻T晚了一定的时间间隔ΔT,其数值主要包括物流调度计算时间,数据无线传输时间,司机确认时间等,在这一时间间隔ΔT之内,正在执行运输任务的所有车辆,都有可能已经沿着原来的调度方案设定的行驶路线继续行驶了一段距离,极端情况是甚至有可能运输车辆已经到达某一个等待服务的客户处并开始配送服务,从而造成新制定的动态调度计划在执行过程出现偏差,因此,在调度计算过程中需要对车辆位置进行提前预估,通过时间函数计算可用车辆在时间间隔ΔT,并根据可用车辆的速度信息计算可用车辆在时间间隔ΔT的行驶距离,并根据行驶距离、配送路线和gps的路面信息,综合预估得到车辆预估位置。
106、根据每辆可用车辆的车辆预估位置和可用车辆对应的配送路线,利用预设的局部调整算法从所有可用车辆中选出被调度车辆,并基于配送请求对应的待配送货物调整被调度车辆对应的配送路线,得到车辆调整线路;
在本实施例中,在获得车辆预估位置后,基于“顺路原则”的进行配送路线的局部调整,“顺路原则”选择调整对象的依据是“是否顺路”,即当前运输车辆服务新增加的客户是否“顺路”。对于“顺路”的含义可以理解如下:在满足时间窗、载重、体积等约束条件的前提之下,将新增加的所有客户依次插入至当前运输车辆的行驶线路中,额外增加的运输成本ΔC越小就表示运输车辆服务新增客户越是“顺路”。基于“顺路”原则的局部调整算法确定需要进行局部调整的车辆后,将新的待配送货物的配送任务分配给该可用车辆。
107、根据车辆调整线路生成物流调度策略,将物流调度策略发送至所有配送车辆。
在本实施例中,将被调度车辆原本的配送路线根据新的代配送货物的地点进行路线的调整,例如图9中所示,被调度车辆在进行路线调整前,配送路线为从配送中心出发后,沿着abcd的路线进行配送,根据前面的局部调整算法后,如图10中所示,确定车辆调整路线为aebcd,由于新的待配送货物可能存在多件,可以将将同一时刻的所有车辆调整路线整合为物流调度策略,发送至对应的被调度车辆中,对于其他配送车辆,在接收到物流调度策略后,确定车辆不需要进行路线调整,继续沿原有路线进行货物配送。
在本实施例中,获取各待配送货物的订单信息和各配送车辆的车辆信息;根据各待配送货物的订单信息进行路径规划,得到至少一条配送路线;按照相同配送路线原则对订单信息对应的待配送货物进行分拣,并基于车辆信息对分拣后的每条配送路线的所有待配送货物分配对应的配送车辆;当检测到新的待配送货物的配送请求时,根据配送请求中的配送区域筛选各配送车辆中的所有可用车辆,并获取当前时刻每辆可用车辆的行驶信息;根据行驶信息,利用预设的时间函数对每辆可用车辆进行位置预估,得到每辆可用车辆的车辆预估位置;根据每辆可用车辆的车辆预估位置和可用车辆对应的配送路线,利用预设的局部调整算法从所有可用车辆中选出被调度车辆,并基于配送请求对应的待配送货物调整被调度车辆对应的配送路线,得到车辆调整线路;根据车辆调整线路生成物流调度策略,将物流调度策略发送至所有配送车辆。本方案通过在计算过程中采用模糊推理方法选择局部调整范围,同时采用车辆位置预估方法消除计算、传输和执行延迟带来的车辆位置的变化对优化结果的影响,极大的提高了配送效率,降低了成本。
请参阅图2,本发明实施例提供的物流智能调度方法的第二个实施例包括:
201、获取各待配送货物的订单信息和各配送车辆的车辆信息;
本实施例中的步骤201与第一实施例中的步骤101相似,此处不再赘述。
202、根据订单信息建立对应的多维向量,并将多维向量输入至预设的贪婪算法中,得到初始路线集合;
在本实施例中,多维向量包括地址流向和时间窗,地址流向为货物的起始、终止地址,时间窗为客户寄件时间和要求送达时间。
在实际应用中,贪婪算法是指在对问题求解时,总做出在当前看来是最好的选择。也就是说,不从整体最优上考虑,它所做出的仅仅是在某种意义上的局部最优解,通过将多维向量输入至预设的贪婪算法公式中,计算出某点到下一节点距离和消耗时间综合最少的路径,将所有路径结合得到初始路线集合。
203、从初始路线集合中选择一条或多条初始路线,并将初始路线中的货物全部移除;
204、将被移除的货物随机插入至其他路线中,得到本轮较优集合;
在本实施例中,将选取的初始路线的货物进行随机的移除,将被移除的货物随机插入到其他路线中,计算距离和消耗时间最小的路径,确定货物插入其他路线的位置,得到本轮较优集合。
205、将本轮较优集合输入至模拟退火算法中,得到本轮极优路线集合,迭代至预设次数,得到较优路线集合;
206、将较优路线集合输入预设的目标函数,得到符合目标函数要求的极优路线,并将极优路线作为配送路线;
在实际应用中,在模拟退火中,温度的变化是初始高温≥温度缓慢下降≥终止在低温。温度的高低决定接受新解的可能性大小,以防止陷入局部最优解的困境。模拟退火算法从某一较高初温出发,伴随温度参数的不断下降,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解,即在局部最优解能概率性地跳出并最终趋于全局最优。初始高温来保证接受较差解的概率为50%,温度在模型迭代过程中逐渐下降,在一定条件满足后(如5000轮迭代后),温度会降低到一定值,这个时候使得接受较差解的概率为零,达到全局收敛,从而获取本轮迭代的极优路线。
207、按照相同配送路线原则对订单信息对应的待配送货物进行分拣,并基于车辆信息对分拣后的每条配送路线的所有待配送货物分配对应的配送车辆;
208、当检测到新的待配送货物的配送请求时,根据配送请求中的配送区域筛选各配送车辆中的所有可用车辆,并获取当前时刻每辆可用车辆的行驶信息;
209、根据行驶信息,利用预设的时间函数对每辆可用车辆进行位置预估,得到每辆可用车辆的车辆预估位置;
210、根据每辆可用车辆的车辆预估位置和可用车辆对应的配送路线,利用预设的局部调整算法从所有可用车辆中选出被调度车辆,并基于配送请求对应的待配送货物调整被调度车辆对应的配送路线,得到车辆调整线路;
211、根据车辆调整线路生成物流调度策略,将物流调度策略发送至所有配送车辆。
本实施例中的步骤207-211与第一实施例中的步骤103-107相似,此处不再赘述。
本实施例在上一实施例的基础上,详细描述了根据各待配送货物的订单信息进行路径规划,得到至少一条配送路线的过程,通过订单信息建立对应的多维向量,并将多维向量输入至预设的贪婪算法中,得到初始路线集合;对初始路线集合进行路线的摧毁重建处理,得到较优路线集合;将较优路线集合输入预设的目标函数,得到符合目标函数要求的极优路线,并将极优路线作为配送路线。本方法运用贪婪算法和自适应大邻域算法,对输入的快递包裹进行实时求解,实现包裹配送的路径规划,减少路径规划的用车数量,以达到高装载率。
请参阅图3,本发明实施例提供的物流智能调度方法的第三个实施例包括:
301、获取各待配送货物的订单信息和各配送车辆的车辆信息;
302、根据各待配送货物的订单信息进行路径规划,得到至少一条配送路线;
303、按照相同配送路线原则对订单信息对应的待配送货物进行分拣,并基于车辆信息对分拣后的每条配送路线的所有待配送货物分配对应的配送车辆;
本实施例中的步骤301-303与第一实施例中的步骤101-103相似,此处不再赘述。
304、当检测到新的待配送货物的配送请求时,确定配送区域内的配送车辆;
在实际应用中,还存在预设区域内,某个配送中心中有紧急的货物需要配送,需要进行动态的物流调度,将新的待配送货物加入到实现安排好的路线中,在预设区域内,从配送车辆中筛选满足要求的可用车辆,可以用多种方式,例如,新的待配送货物的配送请求中包括了货物的配送地点,选择距离该配送地点较近的配送汽车为可用汽车,也可以是根据配送车辆的载重情况和货物的重量体积等信息,进行可用车辆的筛选,或者是向配送车辆发送调度请求,司机看到调度请求后进行回应的配送车辆确定为可用车辆。
305、获取新的待配送货物的订单信息和配送区域内的配送车辆的载重信息和剩余载货空间,其中,订单信息包括货物重量和货物体积;
306、将配送区域内载重信息大于货物重量并且剩余载货空间大于货物体积的配送车辆确定为可用车辆;
在本实施例中,主要通过配送车辆的载重信息和载货空间与新的待配送货物的重量和体积,进行可用车辆的筛选,由于新的待配送货物是临时的配送需求,配送车辆中的部分车辆可能已经实现了部分待配送货物的配送,所以主要检测配送车辆中的剩余载货空间,货物重量小于车辆载重信息,保证车辆配送的安全,剩余载货空间大于货物体积,保证新的待配送货物能够放置入车辆中。
307、获取当前时刻可用车辆的行驶信息;
308、根据行驶信息,利用预设的时间函数对每辆可用车辆进行位置预估,得到每辆可用车辆的车辆预估位置;
309、根据每辆可用车辆的车辆预估位置和可用车辆对应的配送路线,利用预设的局部调整算法从所有可用车辆中选出被调度车辆,并基于配送请求对应的待配送货物调整被调度车辆对应的配送路线,得到车辆调整线路;
310、根据车辆调整线路生成物流调度策略,将物流调度策略发送至所有配送车辆。
本实施例中的步骤308-310与第一实施例中的步骤105-107相似,此处不再赘述。
本实施例在前实施例的基础上,详细描述了当检测到新的待配送货物的配送请求时,筛选配送区域内配送车辆中的可用车辆的过程,在检测到新的待配送货物的配送请求时,通过获取所述新的待配送货物的订单信息和所述配送区域内的配送车辆的载重信息和剩余载货空间,其中,所述订单信息包括货物重量和货物体积;将所述配送区域内所述载重信息大于所述货物重量并且所述剩余载货空间大于所述货物体积的配送车辆确定为可用车辆。通过本方法对配送车辆进行筛选,避免后续进行路线调整中选择的车辆不能够进行新的待配送货物的配送的情况。
请参阅图4,本发明实施例中物流智能调度方法的第四个实施例包括:
401、获取各待配送货物的订单信息和各配送车辆的车辆信息;
402、根据各待配送货物的订单信息进行路径规划,得到至少一条配送路线;
403、按照相同配送路线原则对订单信息对应的待配送货物进行分拣,并基于车辆信息对分拣后的每条配送路线的所有待配送货物分配对应的配送车辆;
404、当检测到新的待配送货物的配送请求时,根据配送请求中的配送区域筛选各配送车辆中的所有可用车辆,并获取当前时刻每辆可用车辆的行驶信息;
本实施例中的步骤401-404与第一实施例中的步骤101-104相似,此处不再赘述。
405、根据预设的时间函数,计算各可用车辆在当前时刻与执行物流调度策略时的时间间隔;
在实际应用中,当司机开始执行新的物流调度策略时,已经比开始调度计算的时刻T晚了一定的时间间隔ΔT,其数值主要包括物流调度计算时间,数据无线传输时间,司机确认时间等,在这一时间间隔ΔT之内,正在执行运输任务的所有车辆,都有可能已经沿着原来的调度方案设定的行驶路线继续行驶了一段距离,极端情况是甚至有可能运输车辆已经到达某一个等待服务的客户处并开始配送服务,从而造成新制定的动态调度计划在执行过程出现偏差,因此,在调度计算过程中需要对车辆位置进行提前预估,一般的,可以对确定的影响时间间隔的参数进行设置,例如可以通过历史数据对司机获取到物流调整策略后的确认时间以及物流调度计算时间进行预估,对其中的变脸参数,例如无线传输时间,可以通过确定当前进行物流调度计算,并发送生成的物流调度策略的调度中心与车辆之间的距离,进而计算出进行无线传输的时间,同时,可以直接对时间间隔ΔT进行设置,例如设置为ΔT=180s,获得时间间隔的方式,本发明不做限定。
406、根据时间间隔和速度信息,计算各可用车辆在当前时刻与执行物流调度策略时的位置间隔;
407、根据位置信息和位置间隔,计算每辆可用车辆的车辆预估位置;
在本实施例中,设得到的时间间隔为ΔT=180s,获得的车辆速度信息为车辆的车速为V=10m/s,则可用车辆在当前时刻与执行物流调度策略时的位置间隔为s=180×10=1800m,根据可用车辆当前的位置信息,通过gps和原有的配送线路,预估可用车辆的车辆预估位置。
408、根据每辆可用车辆的车辆预估位置和可用车辆对应的配送路线,利用预设的局部调整算法从所有可用车辆中选出被调度车辆,并基于配送请求对应的待配送货物调整被调度车辆对应的配送路线,得到车辆调整线路;
409、根据车辆调整线路生成物流调度策略,将物流调度策略发送至所有配送车辆。
本实施例中的步骤408-409与第一实施例中的步骤106-107相似,此处不再赘述。
本实施例在前实施例的基础上,详细描述了根据行驶信息,利用预设的时间函数对每辆可用车辆进行位置预估,得到每辆可用车辆的车辆预估位置的过程,根据预设的时间函数,计算各可用车辆在当前时刻与执行物流调度策略时的时间间隔;根据时间间隔和车辆速度信息,计算各可用车辆在当前时刻与执行物流调度策略时的位置间隔;根据位置信息和位置间隔,计算各可用车辆的车辆预估位置。通过预估车辆在当前时刻和执行物流调度策略时的位置变化,避免正在执行运输任务的车辆在接收物流调度策略时已经沿着原来的调度方案设定的行驶路线继续行驶了一段距离,从而造成新制定的物流调度策略在执行过程出现偏差的问题。
请参阅图5,本发明实施例提供的物流智能调度方法的第五个实施例包括:
501、获取各待配送货物的订单信息和各配送车辆的车辆信息;
502、根据各待配送货物的订单信息进行路径规划,得到至少一条配送路线;
503、按照相同配送路线原则对订单信息对应的待配送货物进行分拣,并基于车辆信息对分拣后的每条配送路线的所有待配送货物分配对应的配送车辆;
504、当检测到新的待配送货物的配送请求时,筛选预设区域内配送车辆中的可用车辆,并获取当前时刻可用车辆的位置信息和速度信息;
505、根据行驶信息,利用预设的时间函数对每辆可用车辆进行位置预估,得到每辆可用车辆的车辆预估位置;
本实施例中的步骤501-505与第一实施例中的步骤101-105相似,此处不再赘述。
506、计算每辆可用车辆从对应的车辆预估位置完成对应的配送路线的第一配送成本;
在本实施例中,调度中心在接收到有新的待配送货物的配送请求时,可用车辆以及从配送中心出发进行配送,可以计算车辆在配送路线上剩余路程中的配送成本,可以根据历史经验设置单位配送成本,并根据剩余的路程长度计算第一配送成本。
507、将新的待配送货物的配送点插入各可用车辆的配送路线,得到各可用车辆的调整路线集合;
508、从各可用车辆的调整路线集合中选择对应的路程最短的调整路线;
509、根据调整路线的路程和预设的单位运输成本,计算各可用车辆从对应的车辆预估位置完成调整后的配送路线的第二配送成本;
510、根据第一配送成本和第二配送成本计算各可用车辆的成本增加值;
511、选择成本增加值最小的可用车辆作为被调度车辆,基于配送请求对应的待配送货物调整被调度车辆对应的配送路线,得到车辆调整线路;
在本实施例中,通过将新的待配送货物插入至可用车辆的配送路线中,选择插入后路程最短的为调整线路,并通过和上述相同的方式计算第二配送成本,将,将第二配送成本减去第一配送成本即可得到成本增加值,选择成本增加值最小的可用车辆作为路线调整车辆。
512、根据车辆调整线路生成物流调度策略,将物流调度策略发送至所有配送车辆。
本实施例在前实施例的基础上,详细描述了根据预设的局部调整算法和各可用车辆的车辆预估位置和配送路线,确定各可用车辆中的路线调整车辆的过程,通过计算各可用车辆从车辆预估位置完成配送路线的第一配送成本;根据新的待配送货物的订单信息,调整各可用车辆的配送路线,并计算各可用车辆从车辆预估位置完成调整后的配送路线的第二配送成本;根据第一配送成本和第二配送成本计算各可用车辆的成本增加值,通过本方法对新增加的待配送货物进行配送路线的动态调度,能够节省运输成本。
上面对本发明实施例提供的物流智能调度方法进行了描述,下面对本发明实施例的物流智能调度装置进行描述,请参阅图6,本发明实施例中物流智能调度装置一个实施例包括:
获取模块601,用于获取各待配送货物的订单信息和各配送车辆的车辆信息;路线规划模块602,用于根据所述各待配送货物的订单信息进行路径规划,得到至少一条配送路线;车辆分配模块603,用于按照相同配送路线原则对所述订单信息对应的待配送货物进行分拣,并基于所述车辆信息对分拣后的每条配送路线的所有待配送货物分配对应的配送车辆;筛选模块604,用于当检测到新的待配送货物的配送请求时,根据所述配送请求中的配送区域筛选各配送车辆中的所有可用车辆,并获取当前时刻每辆可用车辆的行驶信息;位置预估模块605,用于根据所述行驶信息,利用预设的时间函数对每辆所述可用车辆进行位置预估,得到每辆所述可用车辆的车辆预估位置;路线调整模块606,用于根据每辆所述可用车辆的车辆预估位置和所述可用车辆对应的配送路线,利用预设的局部调整算法从所有所述可用车辆中选出被调度车辆,并基于所述配送请求对应的待配送货物调整所述被调度车辆对应的配送路线,得到车辆调整线路;调度模块607,用于根据所述车辆调整线路生成物流调度策略,将所述物流调度策略发送至所有配送车辆。
本发明实施例中,所述物流智能调度装置运行上述物流智能调度方法,该装置通过获取各待配送货物的订单信息和各配送车辆的车辆信息;根据所述各待配送货物的订单信息进行路径规划,得到至少一条配送路线,并根据所述订单信息和所述车辆信息为相同配送路线的待配送货物分配对应的配送车辆;当检测到新的待配送货物的配送请求时,筛选预设区域内配送车辆中的可用车辆,并获取当前时刻所述可用车辆的位置信息和速度信息;根据预设的时间函数、所述位置信息和所述速度信息,对所述各可用车辆进行位置预估,得到所述各可用车辆的车辆预估位置;根据预设的局部调整算法和所述各可用车辆的车辆预估位置和配送路线,确定所述各可用车辆中的路线调整车辆,并将所述新的待配送货物分配至所述路线调整车辆;调整所述路线调整车辆的配送路线,得到车辆调整线路,并根据所述车辆调整线路生成物流调度策略,将所述物流调度车辆发送至所述各配送车辆,实现物流调度。本方案通过在计算过程中采用模糊推理方法选择局部调整范围,同时采用车辆位置预估方法消除计算、传输和执行延迟带来的车辆位置的变化对优化结果的影响,极大的提高了配送效率,降低了成本。
请参阅图7,本发明实施例提供的物流智能调度装置的第二个实施例包括:
获取模块601,用于获取各待配送货物的订单信息和各配送车辆的车辆信息;路线规划模块602,用于根据所述各待配送货物的订单信息进行路径规划,得到至少一条配送路线;车辆分配模块603,用于按照相同配送路线原则对所述订单信息对应的待配送货物进行分拣,并基于所述车辆信息对分拣后的每条配送路线的所有待配送货物分配对应的配送车辆;筛选模块604,用于当检测到新的待配送货物的配送请求时,根据所述配送请求中的配送区域筛选各配送车辆中的所有可用车辆,并获取当前时刻每辆可用车辆的行驶信息;位置预估模块605,用于根据所述行驶信息,利用预设的时间函数对每辆所述可用车辆进行位置预估,得到每辆所述可用车辆的车辆预估位置;路线调整模块606,用于根据每辆所述可用车辆的车辆预估位置和所述可用车辆对应的配送路线,利用预设的局部调整算法从所有所述可用车辆中选出被调度车辆,并基于所述配送请求对应的待配送货物调整所述被调度车辆对应的配送路线,得到车辆调整线路;调度模块607,用于根据所述车辆调整线路生成物流调度策略,将所述物流调度策略发送至所有配送车辆。
其中,所述路线规划模块602包括:初始路线单元6021,用于根据所述订单信息建立对应的多维向量,并将所述多维向量输入至预设的贪婪算法中,得到初始路线集合;较优路线单元6022,用于对所述初始路线集合进行路线的摧毁重建处理,得到较优路线集合;极优路线单元6023,用于将所述较优路线集合输入预设的目标函数,得到符合目标函数要求的极优路线,并将所述极优路线作为配送路线。
可选的,所述较优路线单元6022具体用于:从所述初始路线集合中选择一条或多条初始路线,并将所述初始路线中的货物全部移除;将被移除的货物随机插入至其他路线中,得到本轮较优集合;将本轮较优集合输入至模拟退火算法中,得到本轮极优路线集合,迭代至预设次数,得到较优路线集合。
可选的,所述筛选模块604具体用于:当检测到新的待配送货物的配送请求时,确定所述配送区域内的配送车辆;获取所述新的待配送货物的订单信息和所述配送区域内的配送车辆的载重信息和剩余载货空间,其中,所述订单信息包括货物重量和货物体积;将所述配送区域内所述载重信息大于所述货物重量并且所述剩余载货空间大于所述货物体积的配送车辆确定为可用车辆;获取当前时刻所述可用车辆的行驶信息。
可选的,所述行驶信息包括位置信息和速度信息;所述位置预估模块605具体用于:根据预设的时间函数,计算各可用车辆在当前时刻与执行所述物流调度策略时的时间间隔;根据所述时间间隔和速度信息,计算各可用车辆在当前时刻与执行所述物流调度策略时的位置间隔;根据所述位置信息和所述位置间隔,计算每辆所述可用车辆的车辆预估位置。
可选的,所述路线调整模块606具体用于:计算每辆所述可用车辆从对应的车辆预估位置完成对应的配送路线的第一配送成本;根据所述新的待配送货物的订单信息,调整各可用车辆的配送路线,并计算各可用车辆从对应的车辆预估位置完成调整后的配送路线的第二配送成本;根据所述第一配送成本和所述第二配送成本计算各可用车辆的成本增加值;选择所述成本增加值最小的可用车辆作为被调度车辆,基于所述配送请求对应的待配送货物调整所述被调度车辆对应的配送路线,得到车辆调整线路。
可选的,所述路线调整模块606具体还用于:将所述新的待配送货物的配送点插入各可用车辆的配送路线,得到各可用车辆的调整路线集合;从各可用车辆的所述调整路线集合中选择对应的路程最短的调整路线;根据所述调整路线的路程和预设的单位运输成本,计算各可用车辆从对应的车辆预估位置完成调整后的配送路线的第二配送成本。
本实施例在上一实施例的基础上,增加了功能模块的单元结构,通过这些单元结构,通过在计算过程中采用模糊推理方法选择局部调整范围,同时采用车辆位置预估方法消除计算、传输和执行延迟带来的车辆位置的变化对优化结果的影响,极大的提高了配送效率,降低了成本。
上面图6和图7从模块化功能实体的角度对本发明实施例中的物流智能调度装置进行详细描述,下面从硬件处理的角度对本发明实施例的物流智能调度设备进行详细描述。
图8是本发明实施例提供的一种物流智能调度设备的结构示意图,该物流智能调度设备800可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)810(例如,一个或一个以上处理器)和存储器820,一个或一个以上存储应用程序833或数据832的存储介质830(例如一个或一个以上海量存储设备)。其中,存储器820和存储介质830可以是短暂存储或持久存储。存储在存储介质830的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对物流智能调度设备800中的一系列指令操作。更进一步地,处理器810可以设置为与存储介质830通信,在物流智能调度设备800上执行存储介质830中的一系列指令操作,以实现上述物流智能调度方法的步骤。
物流智能调度设备800还可以包括一个或一个以上电源840,一个或一个以上有线或无线网络接口850,一个或一个以上输入输出接口860,和/或,一个或一个以上操作系统831,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图8示出的物流智能调度设备结构并不构成对本申请提供的物流智能调度设备的限定,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。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述物流智能调度方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统或装置、单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种物流智能调度方法,其特征在于,所述物流智能调度方法包括:
获取各待配送货物的订单信息和各配送车辆的车辆信息;
根据所述各待配送货物的订单信息进行路径规划,得到至少一条配送路线;
按照相同配送路线原则对所述订单信息对应的待配送货物进行分拣,并基于所述车辆信息对分拣后的每条配送路线的所有待配送货物分配对应的配送车辆;
当检测到新的待配送货物的配送请求时,根据所述配送请求中的配送区域筛选各配送车辆中的所有可用车辆,并获取当前时刻每辆可用车辆的行驶信息;
根据所述行驶信息,利用预设的时间函数对每辆所述可用车辆进行位置预估,得到每辆所述可用车辆的车辆预估位置;
根据每辆所述可用车辆的车辆预估位置和所述可用车辆对应的配送路线,利用预设的局部调整算法从所有所述可用车辆中选出被调度车辆,并基于所述配送请求对应的待配送货物调整所述被调度车辆对应的配送路线,得到车辆调整线路;
根据所述车辆调整线路生成物流调度策略,将所述物流调度策略发送至所有配送车辆。
2.根据权利要求1所述的物流智能调度方法,其特征在于,所述根据所述各待配送货物的订单信息进行路径规划,得到至少一条配送路线包括:
根据所述订单信息建立对应的多维向量,并将所述多维向量输入至预设的贪婪算法中,得到初始路线集合;
对所述初始路线集合进行路线的摧毁重建处理,得到较优路线集合;
将所述较优路线集合输入预设的目标函数,得到符合目标函数要求的极优路线,并将所述极优路线作为配送路线。
3.根据权利要求2所述的物流智能调度方法,其特征在于,所述对所述初始路线集合进行路线的摧毁重建处理,得到较优路线集合包括:
从所述初始路线集合中选择一条或多条初始路线,并将所述初始路线中的货物全部移除;
将被移除的货物随机插入至其他路线中,得到本轮较优集合;
将本轮较优集合输入至模拟退火算法中,得到本轮极优路线集合,迭代至预设次数,得到较优路线集合。
4.根据权利要求1所述的物流智能调度方法,其特征在于,所述当检测到新的待配送货物的配送请求时,根据所述配送请求中的配送区域筛选各配送车辆中的所有可用车辆,并获取当前时刻每辆可用车辆的行驶信息包括:
当检测到新的待配送货物的配送请求时,确定所述配送区域内的配送车辆;
获取所述新的待配送货物的订单信息和所述配送区域内的配送车辆的载重信息和剩余载货空间,其中,所述订单信息包括货物重量和货物体积;
将所述配送区域内所述载重信息大于所述货物重量并且所述剩余载货空间大于所述货物体积的配送车辆确定为可用车辆;
获取当前时刻所述可用车辆的行驶信息。
5.根据权利要求4所述的物流智能调度方法,其特征在于,所述行驶信息包括位置信息和速度信息;
所述根据所述行驶信息,利用预设的时间函数对每辆所述可用车辆进行位置预估,得到每辆所述可用车辆的车辆预估位置包括:
根据预设的时间函数,计算各可用车辆在当前时刻与执行所述物流调度策略时的时间间隔;
根据所述时间间隔和速度信息,计算各可用车辆在当前时刻与执行所述物流调度策略时的位置间隔;
根据所述位置信息和所述位置间隔,计算每辆所述可用车辆的车辆预估位置。
6.根据权利要求1-5中任一项所述的物流智能调度方法,其特征在于,所述根据每辆所述可用车辆的车辆预估位置和所述可用车辆对应的配送路线,利用预设的局部调整算法从所有所述可用车辆中选出被调度车辆,并基于所述配送请求对应的待配送货物调整所述被调度车辆对应的配送路线,得到车辆调整线路包括:
计算每辆所述可用车辆从对应的车辆预估位置完成对应的配送路线的第一配送成本;
根据所述新的待配送货物的订单信息,调整各可用车辆的配送路线,并计算各可用车辆从对应的车辆预估位置完成调整后的配送路线的第二配送成本;
根据所述第一配送成本和所述第二配送成本计算各可用车辆的成本增加值;
选择所述成本增加值最小的可用车辆作为被调度车辆,基于所述配送请求对应的待配送货物调整所述被调度车辆对应的配送路线,得到车辆调整线路。
7.根据权利要求6所述的物流智能调度方法,其特征在于,所述订单信息包括配送点,所述根据所述新的待配送货物的订单信息,调整各可用车辆的配送路线,并计算各可用车辆从对应的车辆预估位置完成调整后的配送路线的第二配送成本包括:
将所述新的待配送货物的配送点插入各可用车辆的配送路线,得到各可用车辆的调整路线集合;
从各可用车辆的所述调整路线集合中选择对应的路程最短的调整路线;
根据所述调整路线的路程和预设的单位运输成本,计算各可用车辆从对应的车辆预估位置完成调整后的配送路线的第二配送成本。
8.一种物流智能调度装置,其特征在于,所述物流智能调度装置包括:
获取模块,用于获取各待配送货物的订单信息和各配送车辆的车辆信息;
路线规划模块,用于根据所述各待配送货物的订单信息进行路径规划,得到至少一条配送路线;
车辆分配模块,用于按照相同配送路线原则对所述订单信息对应的待配送货物进行分拣,并基于所述车辆信息对分拣后的每条配送路线的所有待配送货物分配对应的配送车辆;
筛选模块,用于当检测到新的待配送货物的配送请求时,根据所述配送请求中的配送区域筛选各配送车辆中的所有可用车辆,并获取当前时刻每辆可用车辆的行驶信息;
位置预估模块,用于根据所述行驶信息,利用预设的时间函数对每辆所述可用车辆进行位置预估,得到每辆所述可用车辆的车辆预估位置;
路线调整模块,用于根据每辆所述可用车辆的车辆预估位置和所述可用车辆对应的配送路线,利用预设的局部调整算法从所有所述可用车辆中选出被调度车辆,并基于所述配送请求对应的待配送货物调整所述被调度车辆对应的配送路线,得到车辆调整线路;
调度模块,用于根据所述车辆调整线路生成物流调度策略,将所述物流调度策略发送至所有配送车辆。
9.一种物流智能调度设备,其特征在于,所述物流智能调度设备包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述物流智能调度设备执行如权利要求1-7中任一项所述的物流智能调度方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的物流智能调度方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110599435.2A CN113393020A (zh) | 2021-05-31 | 2021-05-31 | 物流智能调度方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110599435.2A CN113393020A (zh) | 2021-05-31 | 2021-05-31 | 物流智能调度方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113393020A true CN113393020A (zh) | 2021-09-14 |
Family
ID=77619567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110599435.2A Pending CN113393020A (zh) | 2021-05-31 | 2021-05-31 | 物流智能调度方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113393020A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114926037A (zh) * | 2022-05-25 | 2022-08-19 | 上海东普信息科技有限公司 | 派车方法、装置及计算机可读存储介质 |
CN116013062A (zh) * | 2023-03-27 | 2023-04-25 | 江苏天一航空工业股份有限公司 | 一种港区无人驾驶重载移动平台智慧编队方法及系统 |
CN116562738A (zh) * | 2023-07-10 | 2023-08-08 | 深圳市汉德网络科技有限公司 | 一种货运智能调度方法、装置、设备及存储介质 |
WO2024011971A1 (zh) * | 2022-07-11 | 2024-01-18 | 北京沃东天骏信息技术有限公司 | 订单的处理方法、装置和计算机可读存储介质 |
CN117474191A (zh) * | 2023-12-28 | 2024-01-30 | 成都秦川物联网科技股份有限公司 | 基于智能水表的gis巡检管理方法、物联网系统及装置 |
-
2021
- 2021-05-31 CN CN202110599435.2A patent/CN113393020A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114926037A (zh) * | 2022-05-25 | 2022-08-19 | 上海东普信息科技有限公司 | 派车方法、装置及计算机可读存储介质 |
WO2024011971A1 (zh) * | 2022-07-11 | 2024-01-18 | 北京沃东天骏信息技术有限公司 | 订单的处理方法、装置和计算机可读存储介质 |
CN116013062A (zh) * | 2023-03-27 | 2023-04-25 | 江苏天一航空工业股份有限公司 | 一种港区无人驾驶重载移动平台智慧编队方法及系统 |
CN116562738A (zh) * | 2023-07-10 | 2023-08-08 | 深圳市汉德网络科技有限公司 | 一种货运智能调度方法、装置、设备及存储介质 |
CN116562738B (zh) * | 2023-07-10 | 2024-01-12 | 深圳市汉德网络科技有限公司 | 一种货运智能调度方法、装置、设备及存储介质 |
CN117474191A (zh) * | 2023-12-28 | 2024-01-30 | 成都秦川物联网科技股份有限公司 | 基于智能水表的gis巡检管理方法、物联网系统及装置 |
CN117474191B (zh) * | 2023-12-28 | 2024-04-05 | 成都秦川物联网科技股份有限公司 | 基于智能水表的gis巡检管理方法、物联网系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113393020A (zh) | 物流智能调度方法、装置、设备及存储介质 | |
Wallar et al. | Vehicle rebalancing for mobility-on-demand systems with ride-sharing | |
US20220114690A1 (en) | Vehicle dispatching method and system | |
CN112270135B (zh) | 一种物流发运调度智能配送方法、装置、设备及存储介质 | |
CN107145971A (zh) | 一种动态调整的快递配送优化方法 | |
CN113420928A (zh) | 订单调度方法、装置、设备及存储介质 | |
Fischer et al. | Planning vehicle transhipment in a seaport automobile terminal using a multi-agent system | |
CN107220796A (zh) | 一种配送商的货品运输方法及装置 | |
CN109934372B (zh) | 一种路径规划方法、装置及设备 | |
CN111695842B (zh) | 配送方案确定方法、装置、电子设备及计算机存储介质 | |
Irani et al. | On-line algorithms for the dynamic traveling repair problem | |
CN107274084A (zh) | 一种基于标准箱的订单智能调度方法、系统及终端 | |
Ebben et al. | Dynamic transport scheduling under multiple resource constraints | |
Dondo et al. | Optimal management of logistic activities in multi-site environments | |
Chow et al. | Real-time Bidding based Vehicle Sharing. | |
bin Md Fauadi et al. | Dynamic task assignment of autonomous AGV system based on multi agent architecture | |
Gath et al. | Autonomous and flexible multiagent systems enhance transport logistics | |
Kim et al. | Dynamic truckload truck routing and scheduling in oversaturated demand situations | |
CN115062868A (zh) | 一种预聚类的车辆配送路径规划方法和装置 | |
CN113988770B (zh) | 运输车辆在途排队控制方法、装置以及电子设备 | |
CN115222340A (zh) | 基于智能仓储的货物调度管理方法及相关装置 | |
US20210072036A1 (en) | Method and apparatus for tunable multi-vehicle routing | |
CN112613663B (zh) | 共享车辆调度方法、计算设备和计算机可读存储介质 | |
El Rhalibi et al. | An approach to dynamic vehicle routing, rescheduling and disruption metrics | |
CN113469614A (zh) | 行驶路线的动态调整方法、装置、设备及存储介质 |
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 |