CN113393183A - 快件中转模式的规划方法、装置、服务器及存储介质 - Google Patents

快件中转模式的规划方法、装置、服务器及存储介质 Download PDF

Info

Publication number
CN113393183A
CN113393183A CN202010169659.5A CN202010169659A CN113393183A CN 113393183 A CN113393183 A CN 113393183A CN 202010169659 A CN202010169659 A CN 202010169659A CN 113393183 A CN113393183 A CN 113393183A
Authority
CN
China
Prior art keywords
express
planning
tasks
task
time
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
CN202010169659.5A
Other languages
English (en)
Inventor
王雪菲
杨昌鹏
廖伊雯
禹楚航
李超
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.)
Shenzhen SF Taisen Holding Group Co Ltd
Original Assignee
Shenzhen SF Taisen Holding Group 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 Shenzhen SF Taisen Holding Group Co Ltd filed Critical Shenzhen SF Taisen Holding Group Co Ltd
Priority to CN202010169659.5A priority Critical patent/CN113393183A/zh
Publication of CN113393183A publication Critical patent/CN113393183A/zh
Pending legal-status Critical Current

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
    • G06Q10/08—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

Landscapes

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

Abstract

本申请实施例公开了一种快件中转模式的规划方法、装置、服务器及存储介质，该快件中转模式的规划方法包括：获取目标区域在目标时间段内的快件任务信息；对所述快件任务信息中的快件任务按照多种任务类型进行初步排序；将初步排序的快件任务按照预设规模分成多个批次的快件任务；对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划，在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。本申请实施例中快件中转模式规划更快，效率更高，且不需要更多的计算资源，在提高效率的同时无需更多成本。

Description

快件中转模式的规划方法、装置、服务器及存储介质
技术领域
本发明涉及物流技术领域，具体涉及一种快件中转模式的规划方法、装置、服务器及存储介质。
背景技术
在物流网络中，每天会有数以千万计的快件产生，每票快件都由收件网点经过数次中转到达派件网点，中转模式会对一票快件的时效和成本产生极其重要的影响。
由于大型物流企业的物流网络规模很大、业务场景非常复杂，考虑到计算机运算能力有限，现有技术很难一次性快速对全网的最优中转模式进行求解，导致中转模式的规划工作大量依赖于人工经验，这种规划方式很难快速地对添加场地、改变场地位置等新场景的中转模式进行计算，也很难规划物流网络全景，即一次性对所有物流快件进行中转模式规划，且不可避免地会造成不必要的成本浪费，规划效率低。
发明内容
本发明实施例提供一种快件中转模式的规划方法、装置、服务器及存储介质，
一方面，本申请提供一种快件中转模式的规划方法，所述方法包括：
获取目标区域在目标时间段内的快件任务信息；
对所述快件任务信息中的快件任务按照多种任务类型进行初步排序；
将初步排序的快件任务按照预设规模分成多个批次的快件任务；
对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划，在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。
在本申请一些实施例中，在所述将初步排序的快件任务按照预设规模分成多个批次的快件任务之前，所述方法还包括：
按照预设多个场地类型，对所述目标区域内的物流场地划分类型，确定所述目标区域内的各物流场地的场地类型；
按照预设多个快件任务类型，将所述快件任务信息中的快件任务划分类型，确定所述快件任务信息中的各快件任务的快件任务类型；
根据所述目标区域内的各物流场地的场地类型及所述快件任务信息中的各快件任务的快件任务类型，建立时空网络模型；
所述对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划包括：
基于所述时空网络模型，对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划。
在本申请一些实施例中，所述根据所述目标区域内的各物流场地的场地类型及所述快件任务信息中的各快件任务的快件任务类型，建立时空网络模型，包括：
根据所述目标区域内的各物流场地的场地类型及所述快件任务信息中的各快件任务的快件任务类型，对所述快件任务信息中的快件任务建立初始时空网络模型；
在所述初始时空网络模型中建立快件任务时空弧与车辆弧、空间弧的映射关系，得到时空网络模型。
在本申请一些实施例中，所述场地类型包括目标区域内的航空中转场和目标区域内的陆运中转场，所述在所述初始时空网络中建立快件任务时空弧与车辆弧、空间弧的映射关系，得到时空网络模型，包括：
将所述目标时间段以预设时间间隔离散化，建立始发地、目的地、目标区域内的航空中转场、目标区域内的陆运中转场的离散时空点，并以所述离散时空点建立时空弧，所述时空弧包括任务时空弧、等待时空弧、源点时空弧、汇点时空弧和环绕时空弧；
将所述任务时空弧的开始时间映射到一天之内，并将映射后起始地、目的地、始发时间、到达时间及车辆车型相同的任务时空弧映射为同一车辆弧，以建立任务时空弧与车辆弧的映射关系；
在建立任务时空弧与车辆弧的映射关系之后，建立任务时空弧与空间弧的映射关系。
在本申请一些实施例中，所述基于所述时空网络模型，对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划，在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案，包括：
以所述多个批次的快件任务为目标批次快件任务，将所述目标批次任务逐渐添加到预设任务集中，基于所述时空网络模型，对所述任务集中任务进行快件中转模式规划；
在所述多个批次的快件任务均添加到所述任务集中完成快件中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。
在本申请一些实施例中，所述基于所述时空网络模型，对所述任务集中任务进行快件中转模式规划，包括：
统计对所述目标批次快件任务进行规划的约束数据；
根据所述约束数据，确定对所述目标批次快件任务进行规划的约束条件；
获取对所述目标批次快件任务进行规划的目标函数；
根据所述目标函数、所述约束条件及所述时空网络模型，利用预设整数规划算法对所述目标批次快件任务进行求解，实现对所述任务集中任务进行快件中转模式规划。
在本申请一些实施例中，所述统计对所述目标批次快件任务进行规划的约束数据，包括：
获取所述目标区域中当前可参与规划的物流网点的位置信息；
统计所述目标区域中当前可参与规划的各中转场中可使用车辆的数量；
统计所述可使用车辆中各车辆的车辆型号；
统计所述参与规划的物流网点中可供装卸货的不同车辆型号的卡口数量；
其中，所述约束数据包括所述目标区域中当前可参与规划的物流网点的位置信息、当前可参与规划的停车场中可使用车辆数量、所述可使用车辆中各车辆的车辆型号以及所述所有参与规划的物流网点中可供装卸货的不同车辆型号的卡口数量。
在本申请一些实施例中，所述获取目标区域在目标时间段内的快件任务信息，包括：
对物流网络中的区域，按照地理位置进行切分，得到多个切分区域；
将所述多个切分区域中的区域，作为目标区域。
另一方面，本申请提供一种快件中转模式的规划装置，所述装置包括：
获取单元，用于获取目标区域在目标时间段内的快件任务信息；
排序单元，用于对所述快件任务信息中的快件任务按照多种任务类型进行初步排序；
划分单元，用于将初步排序的快件任务按照预设规模分成多个批次的快件任务；
规划单元，用于对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划，在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。
在本申请一些实施例中，在所述将初步排序的快件任务按照预设规模分成多个批次的快件任务之前，所述装置还包括建立单元，所述建立单元用于：
按照预设多个场地类型，对所述目标区域内的物流场地划分类型，确定所述目标区域内的各物流场地的场地类型；
按照预设多个快件任务类型，将所述快件任务信息中的快件任务划分类型，确定所述快件任务信息中的各快件任务的快件任务类型；
根据所述目标区域内的各物流场地的场地类型及所述快件任务信息中的各快件任务的快件任务类型，建立时空网络模型；
所述规划单元具体用于：
基于所述时空网络模型，对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划。
在本申请一些实施例中，所述所述建立单元具体用于：
根据所述目标区域内的各物流场地的场地类型及所述快件任务信息中的各快件任务的快件任务类型，对所述快件任务信息中的快件任务建立初始时空网络模型；
在所述初始时空网络模型中建立快件任务时空弧与车辆弧、空间弧的映射关系，得到时空网络模型。
在本申请一些实施例中，所述场地类型包括目标区域内的航空中转场和目标区域内的陆运中转场，所述所述建立单元具体用于：
将所述目标时间段以预设时间间隔离散化，建立始发地、目的地、目标区域内的航空中转场、目标区域内的陆运中转场的离散时空点，并以所述离散时空点建立时空弧，所述时空弧包括任务时空弧、等待时空弧、源点时空弧、汇点时空弧和环绕时空弧；
将所述任务时空弧的开始时间映射到一天之内，并将映射后起始地、目的地、始发时间、到达时间及车辆车型相同的任务时空弧映射为同一车辆弧，以建立任务时空弧与车辆弧的映射关系；
在建立任务时空弧与车辆弧的映射关系之后，建立任务时空弧与空间弧的映射关系。
在本申请一些实施例中，所述规划单元具体用于：
以所述多个批次的快件任务为目标批次快件任务，将所述目标批次任务逐渐添加到预设任务集中，基于所述时空网络模型，对所述任务集中任务进行快件中转模式规划；
在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。
在本申请一些实施例中，所述规划单元具体用于：
统计对所述目标批次快件任务进行规划的约束数据；
根据所述约束数据，确定对所述目标批次快件任务进行规划的约束条件；
获取对所述目标批次快件任务进行规划的目标函数；
根据所述目标函数、所述约束条件及所述时空网络模型，利用预设整数规划算法对所述目标批次快件任务进行求解，实现对所述任务集中任务进行快件中转模式规划。
在本申请一些实施例中，所述规划单元具体用于：
获取所述目标区域中当前可参与规划的物流网点的位置信息；
统计所述目标区域中当前可参与规划的各中转场中可使用车辆的数量；
统计所述可使用车辆中各车辆的车辆型号；
统计所述参与规划的物流网点中可供装卸货的不同车辆型号的卡口数量；
其中，所述约束数据包括所述目标区域中当前可参与规划的物流网点的位置信息、当前可参与规划的停车场中可使用车辆数量、所述可使用车辆中各车辆的车辆型号以及所述所有参与规划的物流网点中可供装卸货的不同车辆型号的卡口数量。
在本申请一些实施例中，所述获取单元具体用于：
对物流网络中的区域，按照地理位置进行切分，得到多个切分区域；
将所述多个切分区域中的区域，作为目标区域。
另一方面，本申请还提供一种服务器，所述服务器包括：
一个或多个处理器；
存储器；以及
一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现所述的快件中转模式的规划方法。
另一方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的快件中转模式的规划方法中的步骤。
本申请实施例中通过获取目标区域在目标时间段内的快件任务信息；对所述快件任务信息中的快件任务按照多种任务类型进行初步排序；将初步排序的快件任务按照预设规模分成多个批次的快件任务；对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划，在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。本申请实施例中在现有技术中规划效率不高，容易导致成本浪费的情况下，将目标区域的大规模快案件中转模式问题拆分为多个批次的快件任务，将多个批次的快件任务逐渐添加来进行规划求解，在多个批次的快件任务完成中转模式规划之后，输出目标区域在目标时间段内快件中转模式的规划方案，使得快件中转模式规划更快，效率更高，且不需要更多的计算资源，在提高效率的同时无需更多成本。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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是本发明实施例提供的快件中转模式的规划系统的场景示意图；
图2是本发明实施例中提供的快件中转模式的规划方法的一个实施例流程示意图；
图3是本发明实施例中建立时空网络模型的一个实施例流程示意图；
图4是本发明实施例中对每个快件任务建立时空网络的一个实施例示意图；
图5是本发明实施例中建立时空弧与车辆弧的映射关系的一个实施例示意图；
图6是本发明实施例中对目标批次快件任务进行快件中转模式规划的一个实施例流程示意图；
图7是本发明实施例中提供的快件中转模式的规划装置的一个实施例结构示意图；
图8是本发明实施例中提供的服务器的一个实施例结构示意图。
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，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本申请中，“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本发明。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合本申请所公开的原理和特征的最广范围相一致。
本发明实施例提供一种快件中转模式的规划方法、装置、服务器及存储介质，以下分别进行详细说明。
请参阅图1，图1为本发明实施例所提供的快件中转模式的规划系统的场景示意图，该任务规划系统可以包括服务器100，服务器100中集成有快件中转模式的规划装置，如图1中的服务器。
本发明实施例中服务器100主要用于获取目标区域在目标时间段内的快件任务信息；对所述快件任务信息中的快件任务按照多种任务类型进行初步排序；将初步排序的快件任务按照预设规模分成多个批次的快件任务；对所述多个批次的快件任务分别进行快件中转模式规划，在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。
本发明实施例中，该服务器100可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本发明实施例中所描述的服务器100，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(CloudComputing)的大量计算机或网络服务器构成。本发明的实施例中，服务器与用户终端之间可通过任何通信方式实现通信，包括但不限于，基于第三代合作伙伴计划(3rd Generation Partnership Project，3GPP)、长期演进(Long TermEvolution，LTE)、全球互通微波访问(Worldwide Interoperability for MicrowaveAccess，WiMAX)的移动通信，或基于TCP/IP协议族(TCP/IP Protocol Suite，TCP/IP)、用户数据报协议(User Datagram Protocol，UDP)协议的计算机网络通信等。
本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本申请方案一种应用场景，并不构成对本申请方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多服务器，例如图1中仅示出1个服务器，可以理解的，该快件中转模式的规划系统还可以包括一个或多个与服务器网络连接的其他服务器，具体此处不作限定。
另外，如图1所示，该快件中转模式的规划系统还可以包括存储器200，用于存储数据，如存储物流数据，例如物流平台的各种数据，如中转场等物流网点的物流运输信息，具体的，如快件信息，配送车辆信息和物流网点信息等。
需要说明的是，图1所示的快件中转模式的规划系统的场景示意图仅仅是一个示例，本发明实施例描述的快件中转模式的规划系统以及场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着快件中转模式的规划系统的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。
首先，本发明实施例中提供一种快件中转模式的规划方法，该快件中转模式的规划方法包括：获取目标区域在目标时间段内的快件任务信息；对所述快件任务信息中的快件任务按照多种任务类型进行初步排序；将初步排序的快件任务按照预设规模分成多个批次的快件任务；对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划，在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。
如图2所示，为本发明实施例中快件中转模式的规划方法的一个实施例流程示意图，该快件中转模式的规划方法包括：
201、获取目标区域在目标时间段内的快件任务信息。
本发明实施例中，目标区域可以是预先指定待进行快件中转模式规划的区域，目标区域的范围可大可小，可以是省，市，区，乡镇等，具体可以根据实际情况进行设定，此处不作限定。
此外，目标时间段可以是预先指定的待进行快件中转模式规划的时间段，例如某天，某周，某个月等，具体此处不做限定。
具体的，在本申请一些实施例中，如果某个区域中快件数量过大或者需要以某个更小区域作为参考研究对象，还可以预先根据地理位置对区域进行切分，对以某个切分后的区域为研究对象，此时，所述获取目标区域在目标时间段内的快件任务信息，包括：对物流网络中的区域，按照地理位置进行切分，得到多个切分区域；将所述多个切分区域中的区域，作为目标区域。其中，物流网络中的区域可以是预先确定的比目标区域更大的待规划区域，例如假设目标区域为某个区，该物流网络中的区域可以是“市”或者“省”对应的区域等。
202、对所述快件任务信息中的快件任务按照多种任务类型进行初步排序。
具体的，可以将任务按照集货件、散货件或者同城件的类型进行初步排序，即在其中选择一种特定的方式进行排序，当然，可以理解的是，也可以是其他方式，例如：按照快件任务的货量由多到少进行排序；按照快件任务的时效由紧到松进行排序等。
若建立时空网络模型在本步骤之前，对所述快件任务信息中的快件任务按照多种任务类型进行初步排序还可以是：按照快件任务在时空网络模型中可行的时空路径数量由少到多进行排序，具体不作限定。
203、将初步排序的快件任务按照预设规模分成多个批次的快件任务。
具体，本申请中将初步排序的快件任务按照预设规模分成多个批次的快件任务可以是等比例分配(例如有1000个快件任务，分成5批，每批200个快件任务)，也可以是随机分配，或者递增分配，或者递减分配等，具体不做限定，为了保证后续运算不出现较大的跳跃，多个批次可以等比例分配快件任务，若无法恰到好处的均分，可以是其中一个批次稍多一点(例如某一批次的快件任务多一两个快件任务)，大致平均即可。
在本申请另一些实施例中，由于运算性能的关系，总体来讲，多个批次的快件任务肯定是批次越少越好，但批次少的话，一个批次的任务就多，有可能服务器运算性能跟不上，因此可以采用递减分配多个批次任务的方式，具体的，如排在前面的批次每个批次的任务越多越好，这样快件中转模式规划求解时的效率更高，速度更快。
204、对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划，在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。
本申请实施例中通过获取目标区域在目标时间段内的快件任务信息；对所述快件任务信息中的快件任务按照多种任务类型进行初步排序；将初步排序的快件任务按照预设规模分成多个批次的快件任务；对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划，在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。本申请实施例中在现有技术中规划效率不高，容易导致成本浪费的情况下，将目标区域的大规模快案件中转模式问题拆分为多个批次的快件任务，将多个批次的快件任务来进行规划求解，在多个批次的快件任务完成中转模式规划之后，输出目标区域在目标时间段内快件中转模式的规划方案，使得快件中转模式规划更快，效率更高，且不需要更多的计算资源，在提高效率的同时无需更多成本。
在本申请一些实施例中，在所述将初步排序的快件任务按照预设规模分成多个批次的快件任务之前，如图3所示，所述快件中转模式的规划方法还可以进一步包括：
301、按照预设多个场地类型，对所述目标区域内的物流场地划分类型，确定所述目标区域内的各物流场地的场地类型。
在一个具体实施例中，可以将目标区域内的各物流场地分成四种场地类型，具体如下：
目标区域内的网点，后文用LH表示；
目标区域内的航空中转场，后文用AH表示；
目标区域内的陆运中转场，后文用RH表示；
目标区域外的第一层陆运中转场，后文用GH表示。
302、按照预设多个快件任务类型，将所述快件任务信息中的快件任务划分类型，确定所述快件任务信息中的各快件任务的快件任务类型。
在一个具体实施例中，可以将目标区域内的快件任务分为三种快件任务类型：
同城件：起点和终点均为LH；
集货件：只有起点为LH；
散货件：只有终点为LH。
在另一个具体实施例中，还可以将目标区域内的快件任务分为五种快件任务类型：
集货航空件：起点为LH，终点为AH；
集货陆运件：起点为LH、终点为GH；
散货航空件：起点为AH、终点为LH；
散货陆运件：起点为GH、终点为LH；
同城陆运件：起点为LH、终点为LH。
在本申请一些实施例中，还可以本快件任务的运输线路分为两种类型，具体如下：
支线：LH与AH之间，或LH与RH之间；
干线：AH与AH之间，或RH与RH之间，或AH与RH之间，或RH与GH之间。
303、根据所述目标区域内的各物流场地的场地类型及所述快件任务信息中的各快件任务的快件任务类型，建立时空网络模型。
为了有效分析本申请快件中转模式的规划中的时间顺序(时效约束)和空间关系(集散点分布)，本申请采用“时空网络”模型对物流网络建模。时空网络是对静态网络的扩展，通过对时间的连续分布以一定间隔离散化，每个节点既代表位置也表示某个时间点，时空网络中有两类弧线(连接节点的边)。
上述步骤204中即可基于该时空网络模型进行快件中转模式规划，具体的，及上述步骤204中所述对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划可以进一步包括：基于所述时空网络模型，对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划。
在本申请一些实施例中，所述根据所述目标区域内的各物流场地的场地类型及所述快件任务信息中的各快件任务的快件任务类型，建立时空网络模型，包括：根据所述目标区域内的各物流场地的场地类型及所述快件任务信息中的各快件任务的快件任务类型，对所述快件任务信息中的快件任务建立初始时空网络模型；在所述初始时空网络模型中建立快件任务时空弧与车辆弧、空间弧的映射关系，得到时空网络模型。
在本申请一些实施例中，所述场地类型包括目标区域内的航空中转场和目标区域内的陆运中转场，所述在所述初始时空网络中建立快件任务时空弧与车辆弧、空间弧的映射关系，得到时空网络模型，包括：将所述目标时间段以预设时间间隔离散化，建立始发地、目的地、目标区域内的航空中转场、目标区域内的陆运中转场的离散时空点，并以所述离散时空点建立时空弧，所述时空弧包括任务时空弧、等待时空弧、源点时空弧、汇点时空弧和环绕时空弧；将所述任务时空弧的开始时间映射到一天之内，并将映射后起始地、目的地、始发时间、到达时间及车辆车型相同的任务时空弧映射为同一车辆弧，以建立任务时空弧与车辆弧的映射关系；在建立任务时空弧与车辆弧的映射关系之后，建立任务时空弧与空间弧的映射关系。
具体的，在建立时空网络时，本申请首先将连续的时间以一定间隔离散化，并建立始发地、目的地、RH、AH的离散时空点，再以此为基础建立时空弧，具体包括任务时空弧、等待时空弧、源点时空弧、汇点时空弧和环绕时空弧。其中，任务时空弧是指在某个时间点将任务从一个场地通过车辆的实际运输带至另一个场地的弧线；等待时空弧是指任务在某个场地内停留等待的弧线；源点时空弧是指源点与起始地离散出的时空点相连的弧线；汇点时空弧是指目的地离散出的时空点与汇点相连的弧线；环绕时空弧是指汇点与源点相连的弧线。
在一个具体实施例中，如图4所示，对每个任务建立时空网络的举例说明如下：
如图4所示为某快件任务(该快件任务为集货件任务)的时空网络，该集货件任务的起始网点为LH，目的地为GH，RHA和RHB是该集货件任务可选的片区中转场，横轴的时刻1～时刻8代表离散的时间点。时刻1由LH出发，时刻2到达RHA的时空弧是任务时空弧；时刻4到时刻5在RHB停留的时空弧是等待时空弧。该集货件任务的一条可行时空路径为：时刻2由LH出发，时刻3到达RHA；在RHA内从时刻3停留等待到时刻4；时刻4由RHA出发，时刻6到达RHB；时刻6由RHB出发，时刻7到达GH。
在对每个任务建立时空弧之后，本发明将任务时空弧的开始时间映射到一天之内，并将映射后起始地、目的地、始发时间、到达时间及车型相同的任务时空弧映射为同一车辆弧。
在一个具体实施例中，如图5所示，建立时空弧与车辆弧的映射关系的举例说明如下：
如图5所示为某快件任务(该快件任务为同城件任务)的时空网络，该同城件任务的起始网点为LHS，目的网点为LHE，RHA和RHB是该同城件任务可选的片区中转场，横轴的时刻1～时刻8代表离散的时间点。其中时刻1～时刻5是第一天离散出的时间点，时刻6、7、8分别比时刻1、2、3的时间整整多出一天。时刻6由RHB出发，时刻8到达RHA的任务时空弧可以映射为时刻1由RHB出发，时刻3到达RHA的任务时空弧。映射后不同任务中，时刻1由RHB出发，时刻3到达RHA的任务时空弧可以映射为同一车辆弧。
在建立了任务时空弧与车辆弧的映射关系之后，本发明又建立了任务时空弧与空间弧的映射关系。具体包括：对于同一起始地、同一出发班次、同一产品类型的集货任务，将由起始地发往同一中转场的任务时空弧映射为同一空间弧；对于同一起始地、同一出发班次的同城任务，将由起始地发往同一中转场的任务时空弧映射为同一空间弧；对于同一目的地的散货航空中转任务，将由同一中转场发往目的地的任务时空弧映射为同一空间弧；对于同一目的地的陆运任务，将由同一中转场发往目的地的任务时空弧映射为同一空间弧。
在本申请一些实施例中，所述基于所述时空网络模型，对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划，在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案，包括：以所述多个批次的快件任务为目标批次快件任务，将所述目标批次任务逐渐添加到预设任务集中，基于所述时空网络模型，对所述任务集中任务进行快件中转模式规划；在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。
在本申请一些实施例中，如图6所示，所述基于所述时空网络模型，对所述任务集中任务进行快件中转模式规划，可以进一步包括：
601、统计对所述目标批次快件任务进行规划的约束数据。
在本申请一些实施例中，所述统计对所述目标批次快件任务进行规划的约束数据，包括：获取所述目标区域中当前可参与规划的物流网点的位置信息；统计所述目标区域中当前可参与规划的各中转场中可使用车辆的数量；统计所述可使用车辆中各车辆的车辆型号；统计所述参与规划的物流网点中可供装卸货的不同车辆型号的卡口数量。
其中，所述约束数据包括所述目标区域中当前可参与规划的物流网点的位置信息、当前可参与规划的停车场中可使用车辆数量、所述可使用车辆中各车辆的车辆型号以及所述所有参与规划的物流网点中可供装卸货的不同车辆型号的卡口数量。
602、根据所述约束数据，确定对所述目标批次快件任务进行规划的约束条件。
603、获取对所述目标批次快件任务进行规划的目标函数。
604、根据所述目标函数、所述约束条件及所述时空网络模型，利用预设整数规划算法对所述目标批次快件任务进行求解，实现对所述任务集中任务进行快件中转模式规划。
本发明实施例中，可以根据所述目标函数及所述约束条件，利用整数规划算法建立时空网络模型。其中，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。目前所流行的求解整数规划的方法往往只适用于整数线性规划。
由于整数规划算法又分为：
1、纯整数规划算法：所有决策变量均要求为整数的整数规划；
2、混合整数规划算法：部分决策变量均要求为整数的整数规划；
3、纯0－1整数规划算法：所有决策变量均要求为0－1的整数规划；
4、混合0－1规划算法：部分决策变量均要求为0－1的整数规划；
因此，需要说明的是，本发明实施例中整数规划算法可以是现有的整数规划算法，例如纯整数规划算法、混合整数规划算法、纯0－1整数规划算法或混合0－1规划算法，当然，可以理解的是，本发明实施例中整数规划算法也可以是未来新出现的整数规划算法，具体此处不作限定。
在一个具体实施例中，预设整数规划算法可以是混合整数规划算法，其目标函数如下公式(1)所示：
Figure BDA0002408740990000161
预设整数规划算法的约束条件可以包括如下(2)～(28)中约束条件：
其中，进出流平衡通过(2)来约束：
Figure BDA0002408740990000162
其中，车载货量限制通过(3)来约束：
Figure BDA0002408740990000163
其中，倒货次数限制通过(4)来约束：
Figure BDA0002408740990000164
其中，产能限制通过(5)来约束：
Figure BDA00024087409900001713
其中，同一网点，同一出发班次，同一产品类型的集货件发往的第一个中转场尽量一致，通过(6)～(8)来约束：
Figure BDA0002408740990000171
Figure BDA0002408740990000172
Figure BDA0002408740990000173
其中，同一网点，同一出发班次的同城件发往的第一个中转场尽量一致通过(9)～(11)来约束：
Figure BDA0002408740990000174
Figure BDA0002408740990000175
Figure BDA00024087409900001714
其中，发往同一网点的散货航空中转件发往网点的中转场一致通过(12)～(14)来约束：
Figure BDA0002408740990000176
Figure BDA0002408740990000177
Figure BDA0002408740990000178
其中，发往同一网点的陆运件发往网点的中转场一致，通过(15)～(17)来约束：
Figure BDA0002408740990000179
Figure BDA00024087409900001710
Figure BDA00024087409900001711
其中，上货/卸货卡口数量限制，可向上兼容，即3T车可使用14T车卡口，通过(18)、(19)来约束：
Figure BDA00024087409900001712
Figure BDA0002408740990000181
Figure BDA0002408740990000182
另外，上述公式中参数满足如下约束：
Figure BDA00024087409900001816
Figure BDA00024087409900001817
Figure BDA00024087409900001818
Figure BDA00024087409900001819
Figure BDA00024087409900001820
Figure BDA0002408740990000183
Figure BDA0002408740990000184
Figure BDA0002408740990000185
Figure BDA0002408740990000186
其中，LH、RH分别表示网点、片区场地集合；S表示班次集合；sth、srh分别表示网点lh、片区场地rh的班次集合；VT表示车型集合；T、D分别表示离散时间点、一天内单位时间段集合；Ts表示班次s离散出的时间点集合；L表示卡口集合；
Figure BDA0002408740990000187
分别表示片区场地rh在时间段d车型为vt的上货、卸货卡口集合；K表示任务集合；
Figure BDA0002408740990000188
表示起始地为网点lh出发班次为s产品类型为p的集货任务集合；
Figure BDA0002408740990000189
表示起始地为网点lh出发班次为s的同城任务集合；
Figure BDA00024087409900001810
表示目的地为网点lh的散货航空中转任务集合；
Figure BDA00024087409900001811
表示目的地为网点lh的陆运任务集合；P表示任务的产品类型集合；I表示空间弧集合；
Figure BDA00024087409900001812
表示起始地为网点lh出发班次为s产品类型为p的集货任务，lh与rh相连的空间弧；
Figure BDA00024087409900001813
表示起始地为网点lh出发班次为s的同城任务，lh与rh相连的空间弧；
Figure BDA00024087409900001814
表示目的地为网点lh的散货航空中转任务，rh与lh相连的空间弧；
Figure BDA00024087409900001815
表示目的地为网点lh的陆运任务，rh与lh相连的空间弧；Ia表示时空弧a对应的空间弧；N表示时空点集合；A表示时空弧集合；Awa表示环绕时空弧集合；Ak,lh,rh表示任务k的起始网点lh与rh相连的时空弧集合；Ak,rh,lh表示任务k的rh与目的网点lh相连的时空弧集合；
Figure BDA0002408740990000191
表示任务k的倒货时空弧集合；Ai表示共用空间弧i的时空弧集合；
Figure BDA0002408740990000192
分别表示流入、流出n点的时空弧集合；Ava表示映射为va的时空弧集合；VA表示车辆弧集合；VArh,s,t表示在班次s时间点t到达rh的车辆弧集合；
Figure BDA0002408740990000193
分别表示时间段d在rh上货、卸货的车型为vt的车辆弧集合。
决策变量xa表示时空弧a是否被选中；yva表示车辆弧va上的车辆数；zi表示空间弧i是否被选中；slackrh,s,t表示与片区场地rh班次s时间点t的产能相关的松弛变量；
Figure BDA0002408740990000194
表示与起始地为网点lh出发班次为s产品类型为p的集货任务路由稳定性相关的松弛变量；
Figure BDA0002408740990000195
表示与起始地为网点lh出发班次为s的同城任务路由稳定性相关的松弛变量；
Figure BDA0002408740990000196
表示与目的地为网点lh的散货航空中转任务路由稳定性相关的松弛变量；
Figure BDA0002408740990000197
表示与目的地为网点lh的陆运任务路由稳定性相关的松弛变量。
参数ca表示时空弧a的中转操作成本；cva表示车辆弧va的单车辆成本；Qa表示时空弧a所属任务的货量；
Figure BDA0002408740990000198
表示车辆弧va所属车型的最大载货量；
Figure BDA0002408740990000199
表示vt车型的最大载货量；Dunit表示单位时间段长度；Dva表示车辆弧va单车辆占用卡口的时间长度；capl表示卡口l的卡位数量；caprh,s,t表示片区场地rh班次s时间点t的票件处理能力上限；penaltyrh,s,t表示单位slackrh,s,t的惩罚成本；
Figure BDA00024087409900001910
表示单位
Figure BDA00024087409900001911
的惩罚成本；
Figure BDA00024087409900001912
表示单位
Figure BDA00024087409900001913
的惩罚成本；
Figure BDA00024087409900001914
表示单位
Figure BDA00024087409900001915
的惩罚成本；
Figure BDA00024087409900001916
表示单位
Figure BDA00024087409900001917
的惩罚成本。
目标函数(1)保证包含中转操作成本、用车成本和各项惩罚成本在内的总成本最少；约束(2)保证了每个任务选择且仅选择一条时空路径；约束(3)保证了车的实际载货量不超过自身载货量限制；约束(4)保证了每个任务最多倒货一次；约束(5)使得每个片区中转场每个班次每个离散时间点的票件处理量尽量不超过产能限制；约束(6)～(8)使得同一网点、同一出发班次、同一产品类型的集货件发往的第一个片区中转场尽量一致；约束(9)～(11)使得同一网点、同一出发班次的同城件发往的第一个片区中转场尽量一致；约束(12)～(14)使得发往同一网点的散货航空中转件发往网点的片区中转场尽量一致；约束(15)～(17)使得发往同一网点的陆运件发往网点的片区中转场尽量一致；约束(18)～(19)保证场地实际使用的上货、卸货卡口数不超过卡口数限制；约束(20)～(28)表示决策变量的取值范围。
为了更好实施本发明实施例中快件中转模式的规划方法，在快件中转模式的规划方法基础之上，本发明实施例中还提供一种快件中转模式的规划装置，如图7所示，所述快件中转模式的规划装置700包括：
获取单元701，用于获取目标区域在目标时间段内的快件任务信息；
排序单元702，用于对所述快件任务信息中的快件任务按照多种任务类型进行初步排序；
划分单元703，用于将初步排序的快件任务按照预设规模分成多个批次的快件任务；
规划单元704，用于对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划，在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。
本申请实施例中通过获取单元701获取目标区域在目标时间段内的快件任务信息；排序单元702对所述快件任务信息中的快件任务按照多种任务类型进行初步排序；划分单元703将初步排序的快件任务按照预设规模分成多个批次的快件任务；规划单元704对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划，在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。本申请实施例中在现有技术中规划效率不高，容易导致成本浪费的情况下，将目标区域的大规模快案件中转模式问题拆分为多个批次的快件任务，将多个批次的快件任务来进行规划求解，在多个批次的快件任务完成中转模式规划之后，输出目标区域在目标时间段内快件中转模式的规划方案，使得快件中转模式规划更快，效率更高，且不需要更多的计算资源，在提高效率的同时无需更多成本。
在本申请一些实施例中，在所述将初步排序的快件任务按照预设规模分成多个批次的快件任务之前，所述装置还包括建立单元，所述建立单元用于：
按照预设多个场地类型，对所述目标区域内的物流场地划分类型，确定所述目标区域内的各物流场地的场地类型；
按照预设多个快件任务类型，将所述快件任务信息中的快件任务划分类型，确定所述快件任务信息中的各快件任务的快件任务类型；
根据所述目标区域内的各物流场地的场地类型及所述快件任务信息中的各快件任务的快件任务类型，建立时空网络模型；
所述规划单元704具体用于：
基于所述时空网络模型，对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划。
在本申请一些实施例中，所述所述建立单元具体用于：
根据所述目标区域内的各物流场地的场地类型及所述快件任务信息中的各快件任务的快件任务类型，对所述快件任务信息中的快件任务建立初始时空网络模型；
在所述初始时空网络模型中建立快件任务时空弧与车辆弧、空间弧的映射关系，得到时空网络模型。
在本申请一些实施例中，所述场地类型包括目标区域内的航空中转场和目标区域内的陆运中转场，所述所述建立单元具体用于：
将所述目标时间段以预设时间间隔离散化，建立始发地、目的地、目标区域内的航空中转场、目标区域内的陆运中转场的离散时空点，并以所述离散时空点建立时空弧，所述时空弧包括任务时空弧、等待时空弧、源点时空弧、汇点时空弧和环绕时空弧；
将所述任务时空弧的开始时间映射到一天之内，并将映射后起始地、目的地、始发时间、到达时间及车辆车型相同的任务时空弧映射为同一车辆弧，以建立任务时空弧与车辆弧的映射关系；
在建立任务时空弧与车辆弧的映射关系之后，建立任务时空弧与空间弧的映射关系。
在本申请一些实施例中，所述规划单元704具体用于：
以所述多个批次的快件任务为目标批次快件任务，将所述目标批次任务逐渐添加到预设任务集中，基于所述时空网络模型，对所述任务集中任务进行快件中转模式规划；
在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。
在本申请一些实施例中，所述规划单元704具体用于：
统计对所述目标批次快件任务进行规划的约束数据；
根据所述约束数据，确定对所述目标批次快件任务进行规划的约束条件；
获取对所述目标批次快件任务进行规划的目标函数；
根据所述目标函数、所述约束条件及所述时空网络模型，利用预设整数规划算法对所述目标批次快件任务进行求解，实现对所述任务集中任务进行快件中转模式规划。
在本申请一些实施例中，所述规划单元704具体用于：
获取所述目标区域中当前可参与规划的物流网点的位置信息；
统计所述目标区域中当前可参与规划的各中转场中可使用车辆的数量；
统计所述可使用车辆中各车辆的车辆型号；
统计所述参与规划的物流网点中可供装卸货的不同车辆型号的卡口数量；
其中，所述约束数据包括所述目标区域中当前可参与规划的物流网点的位置信息、当前可参与规划的停车场中可使用车辆数量、所述可使用车辆中各车辆的车辆型号以及所述所有参与规划的物流网点中可供装卸货的不同车辆型号的卡口数量。
在本申请一些实施例中，所述获取单元701具体用于：
对物流网络中的区域，按照地理位置进行切分，得到多个切分区域；
将所述多个切分区域中的区域，作为目标区域。
本发明实施例还提供一种服务器，其集成了本发明实施例所提供的任一种快件中转模式的规划装置，所述服务器包括：
一个或多个处理器；
存储器；以及
一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述快件中转模式的规划方法实施例中任一实施例中所述的快件中转模式的规划方法中的步骤。
本发明实施例还提供一种服务器，其集成了本发明实施例所提供的任一种快件中转模式的规划装置。如图8所示，其示出了本发明实施例所涉及的服务器的结构示意图，具体来讲：
该服务器可以包括一个或者一个以上处理核心的处理器801、一个或一个以上计算机可读存储介质的存储器802、电源803和输入单元804等部件。本领域技术人员可以理解，图8中示出的服务器结构并不构成对服务器的限定，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：
处理器801是该服务器的控制中心，利用各种接口和线路连接整个服务器的各个部分，通过运行或执行存储在存储器802内的软件程序和/或模块，以及调用存储在存储器802内的数据，执行服务器的各种功能和处理数据，从而对服务器进行整体监控。可选的，处理器801可包括一个或多个处理核心；优选的，处理器801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801中。
存储器802可用于存储软件程序以及模块，处理器801通过运行存储在存储器802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。存储器802可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据服务器的使用所创建的数据等。此外，存储器802可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器802还可以包括存储器控制器，以提供处理器801对存储器802的访问。
服务器还包括给各个部件供电的电源803，优选的，电源803可以通过电源管理系统与处理器801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803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。
该服务器还可包括输入单元804，该输入单元804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。
尽管未示出，服务器还可以包括显示单元等，在此不再赘述。具体在本实施例中，服务器中的处理器801会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器802中，并由处理器801来运行存储在存储器802中的应用程序，从而实现各种功能，如下：
获取目标区域在目标时间段内的快件任务信息；对所述快件任务信息中的快件任务按照多种任务类型进行初步排序；将初步排序的快件任务按照预设规模分成多个批次的快件任务；对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划，在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。
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，该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，本发明实施例提供一种计算机可读存储介质，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行本发明实施例所提供的任一种快件中转模式的规划方法中的步骤。例如，所述计算机程序被处理器进行加载可以执行如下步骤：
获取目标区域在目标时间段内的快件任务信息；对所述快件任务信息中的快件任务按照多种任务类型进行初步排序；将初步排序的快件任务按照预设规模分成多个批次的快件任务；对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划，在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对其他实施例的详细描述，此处不再赘述。
具体实施时，以上各个单元或结构可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元或结构的具体实施可参见前面的方法实施例，在此不再赘述。
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。
以上对本发明实施例所提供的一种快件中转模式的规划方法、装置、服务器及存储介质进行了详细介绍，本文中应用了具体个例对本发明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发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，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发明的限制。

Claims (11)

1.一种快件中转模式的规划方法，其特征在于，所述方法包括：
获取目标区域在目标时间段内的快件任务信息；
对所述快件任务信息中的快件任务按照多种任务类型进行初步排序；
将初步排序的快件任务按照预设规模分成多个批次的快件任务；
对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划，在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。
2.根据权利要求1所述的快件中转模式的规划方法，其特征在于，在所述将初步排序的快件任务按照预设规模分成多个批次的快件任务之前，所述方法还包括：
按照预设多个场地类型，对所述目标区域内的物流场地划分类型，确定所述目标区域内的各物流场地的场地类型；
按照预设多个快件任务类型，将所述快件任务信息中的快件任务划分类型，确定所述快件任务信息中的各快件任务的快件任务类型；
根据所述目标区域内的各物流场地的场地类型及所述快件任务信息中的各快件任务的快件任务类型，建立时空网络模型；
所述对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划包括：
基于所述时空网络模型，对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划。
3.根据权利要求2所述的快件中转模式的规划方法，其特征在于，所述根据所述目标区域内的各物流场地的场地类型及所述快件任务信息中的各快件任务的快件任务类型，建立时空网络模型，包括：
根据所述目标区域内的各物流场地的场地类型及所述快件任务信息中的各快件任务的快件任务类型，对所述快件任务信息中的快件任务建立初始时空网络模型；
在所述初始时空网络模型中建立快件任务时空弧与车辆弧、空间弧的映射关系，得到时空网络模型。
4.根据权利要求3所述的快件中转模式的规划方法，其特征在于，所述场地类型包括目标区域内的航空中转场和目标区域内的陆运中转场，所述在所述初始时空网络中建立快件任务时空弧与车辆弧、空间弧的映射关系，得到时空网络模型，包括：
将所述目标时间段以预设时间间隔离散化，建立始发地、目的地、目标区域内的航空中转场、目标区域内的陆运中转场的离散时空点，并以所述离散时空点建立时空弧，所述时空弧包括任务时空弧、等待时空弧、源点时空弧、汇点时空弧和环绕时空弧；
将所述任务时空弧的开始时间映射到一天之内，并将映射后起始地、目的地、始发时间、到达时间及车辆车型相同的任务时空弧映射为同一车辆弧，以建立任务时空弧与车辆弧的映射关系；
在建立任务时空弧与车辆弧的映射关系之后，建立任务时空弧与空间弧的映射关系。
5.根据权利要求2至4中任一所述的快件中转模式的规划方法，其特征在于，所述基于所述时空网络模型，对所述多个批次的快件任务采用逐渐添加的方式进行快件中转模式规划，在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案，包括：
以所述多个批次的快件任务为目标批次快件任务，将所述目标批次任务逐渐添加到预设任务集中，基于所述时空网络模型，对所述任务集中任务进行快件中转模式规划；
在所述多个批次的快件任务均添加到所述任务集中完成快件中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。
6.根据权利要求5所述的快件中转模式的规划方法，其特征在于，所述基于所述时空网络模型，对所述任务集中任务进行快件中转模式规划，包括：
统计对所述目标批次快件任务进行规划的约束数据；
根据所述约束数据，确定对所述目标批次快件任务进行规划的约束条件；
获取对所述目标批次快件任务进行规划的目标函数；
根据所述目标函数、所述约束条件及所述时空网络模型，利用预设整数规划算法对所述目标批次快件任务进行求解，实现对所述任务集中任务进行快件中转模式规划。
7.根据权利要求6所述的快件中转模式的规划方法，其特征在于，所述统计对所述目标批次快件任务进行规划的约束数据，包括：
获取所述目标区域中当前可参与规划的物流网点的位置信息；
统计所述目标区域中当前可参与规划的各中转场中可使用车辆的数量；
统计所述可使用车辆中各车辆的车辆型号；
统计所述参与规划的物流网点中可供装卸货的不同车辆型号的卡口数量；
其中，所述约束数据包括所述目标区域中当前可参与规划的物流网点的位置信息、当前可参与规划的停车场中可使用车辆数量、所述可使用车辆中各车辆的车辆型号以及所述所有参与规划的物流网点中可供装卸货的不同车辆型号的卡口数量。
8.根据权利要求1所述的快件中转模式的规划方法，其特征在于，所述获取目标区域在目标时间段内的快件任务信息，包括：
对物流网络中的区域，按照地理位置进行切分，得到多个切分区域；
将所述多个切分区域中的区域，作为目标区域。
9.一种快件中转模式的规划装置，其特征在于，所述装置包括：
获取单元，用于获取目标区域在目标时间段内的快件任务信息；
排序单元，用于对所述快件任务信息中的快件任务按照多种任务类型进行初步排序；
划分单元，用于将初步排序的快件任务按照预设规模分成多个批次的快件任务；
规划单元，用于对所述多个批次的快件任务分别进行快件中转模式规划，在所述多个批次的快件任务完成中转模式规划之后，输出所述目标区域在目标时间段内快件中转模式的规划方案。
10.一种服务器，其特征在于，所述服务器包括：
一个或多个处理器；
存储器；以及
一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现权利要求1至8中任一项所述的快件中转模式的规划方法。
11.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1至8任一项所述的快件中转模式的规划方法中的步骤。
CN202010169659.5A 2020-03-12 2020-03-12 快件中转模式的规划方法、装置、服务器及存储介质 Pending CN113393183A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010169659.5A CN113393183A (zh) 2020-03-12 2020-03-12 快件中转模式的规划方法、装置、服务器及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010169659.5A CN113393183A (zh) 2020-03-12 2020-03-12 快件中转模式的规划方法、装置、服务器及存储介质

Publications (1)

Publication Number Publication Date
CN113393183A true CN113393183A (zh) 2021-09-14

Family

ID=77615808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010169659.5A Pending CN113393183A (zh) 2020-03-12 2020-03-12 快件中转模式的规划方法、装置、服务器及存储介质

Country Status (1)

Country Link
CN (1) CN113393183A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120226624A1 (en) * 2011-03-04 2012-09-06 Byung Jun Song Optimization system of smart logistics network
US20130159208A1 (en) * 2011-12-19 2013-06-20 Byung Jun Song Shipper-oriented logistics base optimization system
CN106127432A (zh) * 2016-06-22 2016-11-16 浪潮(北京)电子信息产业有限公司 一种基于云计算的快递分发方法及系统
CN106971244A (zh) * 2017-03-30 2017-07-21 华为技术有限公司 一种物流路径规划方法及设备
CN108364105A (zh) * 2018-02-26 2018-08-03 镇江宝华物流股份有限公司 一种物流配送线路的目标优化方法
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
CN109272267A (zh) * 2018-08-14 2019-01-25 顺丰科技有限公司 一种配送路径规划方法、装置及设备、存储介质
CN109447338A (zh) * 2018-10-23 2019-03-08 杭州虹晟信息科技有限公司 基于大数据的智能物流云端管理系统
CN109902990A (zh) * 2019-01-16 2019-06-18 江苏玄通供应链股份有限公司 一种供应链物流配送线路规划系统
CN110009275A (zh) * 2019-03-19 2019-07-12 深圳市宏大供应链服务有限公司 基于地理位置的物流配送路径规划方法和系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120226624A1 (en) * 2011-03-04 2012-09-06 Byung Jun Song Optimization system of smart logistics network
US20130159208A1 (en) * 2011-12-19 2013-06-20 Byung Jun Song Shipper-oriented logistics base optimization system
CN106127432A (zh) * 2016-06-22 2016-11-16 浪潮(北京)电子信息产业有限公司 一种基于云计算的快递分发方法及系统
CN106971244A (zh) * 2017-03-30 2017-07-21 华为技术有限公司 一种物流路径规划方法及设备
CN108364105A (zh) * 2018-02-26 2018-08-03 镇江宝华物流股份有限公司 一种物流配送线路的目标优化方法
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
CN109272267A (zh) * 2018-08-14 2019-01-25 顺丰科技有限公司 一种配送路径规划方法、装置及设备、存储介质
CN109447338A (zh) * 2018-10-23 2019-03-08 杭州虹晟信息科技有限公司 基于大数据的智能物流云端管理系统
CN109902990A (zh) * 2019-01-16 2019-06-18 江苏玄通供应链股份有限公司 一种供应链物流配送线路规划系统
CN110009275A (zh) * 2019-03-19 2019-07-12 深圳市宏大供应链服务有限公司 基于地理位置的物流配送路径规划方法和系统

Similar Documents

Publication Publication Date Title
Kitjacharoenchai et al. Two echelon vehicle routing problem with drones in last mile delivery
Gonzalez-R et al. Truck-drone team logistics: A heuristic approach to multi-drop route planning
Luo et al. A last-mile drone-assisted one-to-one pickup and delivery problem with multi-visit drone trips
Köchel et al. Optimal control of a distributed service system with moving resources: Application to the fleet sizing and allocation problem
US20130159208A1 (en) Shipper-oriented logistics base optimization system
CN110059900B (zh) 用于控制仓库中运输车的方法和装置
CN114331257A (zh) 物流运输装载管理方法、装置、设备及存储介质
CN107798423A (zh) 基于多种智能算法的车辆路径规划仿真实验平台
JP6993449B2 (ja) 配送計画生成装置、システム、方法及びコンピュータ読み取り可能な記憶媒体
CN110428206B (zh) 快递末端派件智能解决方法、装置、存储介质和电子设备
CN114298419A (zh) 一种多式联运运输规划方法和装置、电子设备、存储介质
CN112418584A (zh) 任务规划方法、装置、计算机设备及存储介质
CN111861009A (zh) 一种智能路由规划方法、装置和设备
CN112418475A (zh) 物流路径规划方法、装置、电子设备及存储介质
Hao et al. Introduction to the dynamic pickup and delivery problem benchmark--ICAPS 2021 competition
CN113128925A (zh) 派件路径的生成方法、装置、设备及计算机可读存储介质
CN113393183A (zh) 快件中转模式的规划方法、装置、服务器及存储介质
Stopka Modelling distribution routes in city logistics by applying operations research methods
CN112862135B (zh) 快件运输线路规划方法、装置、服务器及存储介质
Yesodha et al. An improved firefly algorithm for capacitated vehicle routing optimization
CN114066345A (zh) 一种中转运输规划方法、装置、服务器及存储介质
CN111652552A (zh) 一种用于物流订单运输规划方法、系统及装置
Zhu et al. Multimodal transport cost model bases on dynamic alliances
CN112884180A (zh) 物流集散点选址方法、装置、电子设备及存储介质
Campuzano et al. The dynamic drone scheduling delivery problem

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