CN113469611A - 一种快递众包配送任务调度方法、系统及设备 - Google Patents

一种快递众包配送任务调度方法、系统及设备 Download PDF

Info

Publication number
CN113469611A
CN113469611A CN202110649390.5A CN202110649390A CN113469611A CN 113469611 A CN113469611 A CN 113469611A CN 202110649390 A CN202110649390 A CN 202110649390A CN 113469611 A CN113469611 A CN 113469611A
Authority
CN
China
Prior art keywords
task
crowdsourcing
distribution
distributor
express
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.)
Granted
Application number
CN202110649390.5A
Other languages
English (en)
Other versions
CN113469611B (zh
Inventor
孟凡超
郑璇池
初佃辉
周学权
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202110649390.5A priority Critical patent/CN113469611B/zh
Publication of CN113469611A publication Critical patent/CN113469611A/zh
Application granted granted Critical
Publication of CN113469611B publication Critical patent/CN113469611B/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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • G06Q10/04—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
    • 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G06Q10/0834—Choice of carriers
    • G06Q10/08345—Pricing
    • 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)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (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

本发明提出的一种快递众包配送任务调度方法、系统及设备，包括：构建基于激励机制的快递众包配送任务分配模型，探究激励机制对众包任务分配的影响，定义最大化众包配送平台收益为模型优化目标；采用基于位置和重量的快递众包配送任务装包方法，将任务以任务集合的形式分配给众包配送员；设计基于反向拍卖的快递众包配送任务分配算法，为每个任务集合选择合适的众包配送员，并处理在分配任务过程中出现的特殊情况；构建基于路径规划的众包配送员调度模型，模型以最小化总配送路径长度为优化目标；设计基于变邻域搜索的众包配送员调度算法，为众包配送员规划便捷的配送路径。本发明能够减轻快递网点或末端驿站的配送压力，提高配送效率。

Description

一种快递众包配送任务调度方法、系统及设备
技术领域
本发明涉及物流调度技术领域，更具体的说是涉及一种快递众包配送任务调度方法、系统及设备。
背景技术
近年来，随着互联网电子商务的迅猛崛起，网民的数量不断增长。尤其在网络购物方面，用户规模和快递数量逐年增加的趋势尤为明显。快递数量的急剧增加，一方面创造了较大的社会收益，另一方面也增加了快递服务企业的运输配送压力。如何保证运输配送效率并提高用户满意度，是快递服务企业面临的迫在眉睫的问题。
目前随着人们购买力的不断上升，各种网上大型购物节层出不穷，在大型购物节期间，会产生大量的快递任务，快递服务企业的配送网点或末端驿站的自身运力可能无法满足陡增的快递任务量，出现快递爆仓的情况，快递员配送压力过大，导致快递配送效率和用户满意度降低。因此寻找其他可以协助配送快递任务的运力资源就显得尤为重要。
针对上述快递任务配送中存在的问题，将众包模式应用在快递任务配送上，为有效解决快递任务配送瓶颈提供了新的视角。众包模式起源于“众包”策略，“众包”策略将众包定义为一种具有通用运营结构的、解决特定类型问题的外包策略，相关组织通过特定的方式发布任务，社会大众自由自愿接受任务并在一定时间要求内完成，完成任务之后获得发布任务的组织给予的报酬。众包配送模式则是将“众包”这一概念引入到快递配送之中，将众包中的社会大众定义为“随机雇员”，帮助快递公司来进行城市众包配送，降低配送成本。
众包模式与快递任务配送相结合，能够利用社会富余配送资源，降低快递配送网点或末端驿站的配送压力。众包配送平台还通过构建激励机制，有效提高了众包配送员的积极性和众包配送平台的收益。但是，通过实际运行后发现，现有的众包配送平台存在的单个任务分配、配送员人员流动较大、配送员拒单率较高和激励机制考虑因素较单一等问题。另外，当前的众包配送平台还存在为众包配送员规划的配送路径准确性不高的缺陷，导致了配送时间过长、配送员服务质量下降和配送资源利用率较低等问题。
发明内容
针对现有技术中存在的问题，本发明的目的在于提供一种快递众包配送任务调度方法、系统及设备，优化了众包配送的激励机制，并为众包配送员规划出较优且长度较短的配送路径，有效提高了众包配送员的配送效率和服务质量。
本发明为实现上述目的，通过以下技术方案实现：
一种快递众包配送任务调度方法，包括如下步骤：
S1：构建基于激励机制的快递众包配送任务分配模型，将最大化众包配送平台收益定位为模型优化目标；
S2：采用基于位置和重量的快递众包配送任务装包方法，将任务以任务集合的形式分配给众包配送员；
S3：根据基于反向拍卖的快递众包配送任务分配算法，为每个任务集合选择合适的众包配送员，并确定众包配送员的收益；
S4：构建基于路径规划的众包配送员调度模型；
S5：采用基于变邻域搜索的众包配送员调度算法，为众包配送员规划配送路径。
进一步，步骤S1具体为：
定义众包配送员，令U＝{u1,u1,...,un}为众包配送员集合，其中，n为众包配送员的数量；将每个众包配送员ui∈U的信息定义为一个七元组：
Figure BDA0003110483580000031
Figure BDA0003110483580000032
其中，
Figure BDA0003110483580000033
表示配送员ui上线接受任务的时间，
Figure BDA0003110483580000034
表示配送员ui的最大负重，
Figure BDA0003110483580000035
表示配送员ui的平均配送速度，
Figure BDA0003110483580000036
表示配送员ui可配送的区域，
Figure BDA00031104835800000321
表示配送员ui的服务质量等级，
Figure BDA0003110483580000037
表示配送员ui的单位移动成本，
Figure BDA0003110483580000038
表示当所有任务配送完毕或剩余任务无法再配送时配送员ui的配送次数；
定义快递众包配送任务，令T＝{t1,t2,...,tm}为快递众包配送任务集合，其中，m为快递众包配送任务的数量，将每个快递众包配送任务tj∈T的属性定义为一个七元组：
Figure BDA0003110483580000039
其中，
Figure BDA00031104835800000310
为任务tj的发货方，
Figure BDA00031104835800000311
为任务tj的客户，
Figure BDA00031104835800000312
为众包配送员到发货方
Figure BDA00031104835800000313
的最晚取快递时刻，
Figure BDA00031104835800000314
为众包配送员到客户
Figure BDA00031104835800000315
的最晚送快递时刻，
Figure BDA00031104835800000316
为任务tj的重量，
Figure BDA00031104835800000317
为发货方支付配送任务tj所需要的费用，
Figure BDA00031104835800000318
为众包配送平台从任务tj中获取的最低收益；
定义众包配送员配送成本，众包配送员配送成本包括移动成本和其他成本；令m(ui)为众包配送员ui的单次配送移动成本，
Figure BDA00031104835800000319
其中，
Figure BDA00031104835800000320
为配送员ui单次配送的配送路径长度；令o(ui)为配送员ui单次配送中的其他成本，所以配送员ui的单次配送成本为c(ui)＝m(ui)+o(ui)；
定义众包配送员收益，众包配送员收益包括服务质量收益、特殊情况收益、任务收益和其他收益；其中，令α(ui)为配送员ui单次配送中的服务质量收益；令μ(ui)为配送员ui单次配送中的特殊情况收益；令θ(ui)为配送员ui单次配送中的任务收益，令r(ui)为配送员ui单次配送中的其他收益，所以配送员ui的单次配送收益为e(ui)＝α(ui)+μ(ui)+θ(ui)+r(ui)；
定义快递众包配送任务分配，将快递众包配送任务分配定义为一个从快递众包配送任务集合T到众包配送员集合U的函数f(tj)，对于每个任务tj，如果f(tj)＝ui，表示将任务tj分配给配送员ui来配送，如果f(tj)＝0，表示任务tj没有被分配；令F(ui)表示单次配送中分配给配送员ui的快递众包配送任务集合，F(ui)＝{tj|f(tj)＝ui}；
定义基于激励机制的快递众包配送任务分配模型，最大化众包配送平台收益，所述基于激励机制的快递众包配送任务分配模型的约束条件如下:
平台最低收益约束，表示单次配送中平台从配送员配送的任务集合中获得的收益大于等于该任务集合对应的平台最低获取收益；
众包配送员配送成本约束，若众包配送员单次配送被分配的任务数量大于0，则该配送员有相应的配送成本，否则该配送员的配送成本为0；
众包配送员收益约束，若众包配送员单次配送被分配的任务数大于0，该配送员有对应的配送收益，否则配送收益为0；
众包配送员负重约束，即配送过程中众包配送员最大负重大于等于当前配送的任务重量总和；
快递众包配送任务分配约束，若任务被分配，则有相应的配送员进行配送，否则该任务没有分配给配送员；众包配送员配送次数大于等于0；单次分配给众包配送员的任务数量大于等于0。
进一步，步骤S2包括：
对于快递众包配送任务的客户位置信息，采用DBSCAN聚类方法结合欧氏距离进行任务聚类，并生成任务集合；使用DBSCAN聚类方法时，预先设定Eps和MinPts这两个参数的值，其中Eps表示数据点为中心的扫描半径，MinPts表示扫描区域内数据点的最小个数；
对于快递众包配送任务的重量信息，结合生成的任务集合，对该任务集合依据预设的每个子任务集合的任务重量之和的阈值进行第二次划分，生成多个子任务集合。
进一步，所述采用DBSCAN聚类方法结合欧氏距离进行任务聚类，具体包括如下步骤：
S21：将快递众包配送任务集合T中的所有任务设定为未选择状态，初始化簇编号clusterNum＝0；
S22：在任务集合T中随机选择一个状态为未选择状态的任务tj，计算以任务tj的客户位置为中心在Eps扫描范围内可达的其他任务的客户位置的任务个数Num；
S23：若Num＜MinPts，将任务tj的客户位置设定为边界点或噪声点，跳转到步骤S22；若Num≥MinPts，将任务tj的客户位置设定为核心点；
S24：任务tj标记为已选择状态，clusterNum++，将以任务tj的客户位置为中心在扫描区域内处于未选择状态的任务集合加入编号为clusterNum的簇中；
S25：随机选择簇中未选择状态的任务tj'，计算以任务tj'的客户位置为中心在Eps扫描范围内可达的其他任务的客户位置的任务个数Num'，任务tj'标记为已选择状态；
S26：若Num'＜MinPts，将任务tj'的客户位置设定为边界点，跳转到Step 5；若Num'≥MinPts，将以任务tj'的客户位置为中心在扫描区域内处于未选择状态的任务集合加入簇中，任务tj'的客户位置设定为核心点；
S27：若簇中的任务还有处于未选择状态，跳转到步骤S25；
S28：若任务集合T中存在处于未选择状态，并且客户位置被设定为边界点或噪声点的任务tj”，则clusterNum++，并将以任务tj”的客户位置为中心在扫描区域内处于未选择状态的任务集合加入编号为clusterNum的簇中，循环执行步骤S28，直到tj”不存在，跳转到S29；
S29:若任务集合T中存在处于未选择状态的任务，跳转到S22；否则方法结束。
进一步，所述基于反向拍卖的快递众包配送任务分配算法包括众包配送员的选择方法和确定众包配送员收益的方法；其中，众包配送员的选择方法包括如下步骤：
S311：根据装包好的任务集合T＝{T1,T2,...,Tk}，预设的众包配送平台筛选出上线的配送员集合U'＝{u1,u2,...,ul}，根据每位配送员ul的最大负重
Figure BDA0003110483580000061
将集合U'分类，将最大负重相同的配送员分为一类，构成集合U*＝{U1,U2,...,Uh}；
S312：选择最大负重大于等于任务集合Tk重量的众包配送员集合Uh并计算众包配送员的报价；
S313：根据每位众包配送员ul的配送任务数量|F(ul)|和配送路径长度
Figure BDA0003110483580000062
选择配送员；
S314：确定获得配送任务的众包配送员ul'，并生成众包配送员ul'与对应的配送任务集合F(ul')构成的二元组。
进一步，所述确定众包配送员收益的方法包括如下步骤：
S321:根据预设的众包配送员收益定义，计算众包配送员ul'的收益a；
S322:计算发货方支付众包配送员配送的任务集合费用总和b,计算众包配送平台从众包配送员配送的任务集合获取的最低收益之和c并求出b和c的差值d；
S323:若a与众包配送员配送成本之和大于d，则d作为众包配送员ul'的最终收益；
S324:若a与众包配送员配送成本之和小于d，则a作为众包配送员ul'的最终收益。
进一步，所述步骤S4包括：
定义众包配送网络图，众包配送网络图表示为一个无向图G＝(V,E)，其中，V＝VS∪VC为众包配送网络图中的节点集合，节点集合V中每个节点表示一个任务tj的发货方
Figure BDA0003110483580000063
或者客户
Figure BDA0003110483580000064
VC＝{ns+1,ns+2,...,nc}为客户集合，VS＝{1,2,...,ns}为发货方集合，ns和nc-ns分别为图中发货方和客户的数量；E＝{(vi,vj)|vi,vj∈V}为图中节点之间边的集合，对于每条边(vi,vj)∈E，其长度为节点vi与vj之间的真实地图路径的距离，若节点vi与vj为同一个点，则边(vi,vj)的长度为0；
定义任务配送序列，任务配送序列表示为在快递众包配送任务分配函数f(tj)＝ui下，众包配送员ui配送分配给他的任务集合F(ui)可能得到的任务配送序列集合；定义S(ui)为配送员ui的任务配送序列集合，其中，定义s(ui)为配送员ui的一个任务配送序列；
定义配送路径，众包配送员ui的每一个任务配送序列s(ui)都会对应着一条配送路径，s(ui)对应的配送路径为一条从配送员ui初始位置按顺序经过s(ui)中每个任务编号相应的发货方或客户节点的位置序列，配送路径定义为p(ui)；
定义配送路径长度，
Figure BDA0003110483580000071
为任务配送序列s(ui)对应的配送路径p(ui)的配送路径长度，
Figure BDA0003110483580000072
为
Figure BDA0003110483580000073
的计算公式，其中，
Figure BDA0003110483580000074
表示为众包配送员ui的初始位置到配送路径的第一个位置节点p1之间的距离，配送路径p(ui)中相邻两个位置节点之间的距离表示为
Figure BDA0003110483580000075
如果两个相邻位置节点为同一个节点，则其距离为0；
定义时间约束函数，任务配送序列s(ui)的时间约束函数定义为
Figure BDA0003110483580000076
配送员ui按照任务配送序列s(ui)对应的配送路径p(ui)进行取快递和送快递时，如果到达每个发货方或客户都满足任务的最晚取货时刻
Figure BDA0003110483580000077
或最晚送货时刻
Figure BDA0003110483580000078
则函数结果为true，否则函数结果为false；
定义可行任务配送序列，若
Figure BDA0003110483580000079
则s(ui)为一个满足约束的可行的任务配送序列，否则，s(ui)为一个不可行的任务配送序列；
定义任务调度方案，任务调度方案表示为配送员ui的可行、配送路径长度最短以及配送任务数量最多的任务配送序列与对应的配送路径组成的二元组形式，定义为<s(ui),p(ui)>，表示为在分配给配送员ui的任务集合F(ui)和可行且配送任务数量最多的任务配送序列s(ui)下，得到长度最短的配送路径p(ui)；
定义基于路径规划的众包配送员调度问题模型，目标函数为最小化总配送路径长度，基于路径规划的众包配送员调度问题模型的约束条件包括：
时间约束，表示当满足时间约束时，任务配送序列是可行的，否则任务配送序列不可行；
配送路径长度约束，若众包配送员被分配的任务集合数量大于0，则有相应的配送路径长度，否则该配送员的配送路径长度为0；
快递众包配送任务分配约束，若任务被分配，则有相应的配送员进行配送，否则该任务没有分配给配送员；众包配送员配送次数大于等于0；单次分配给众包配送员的任务数量大于等于0。
进一步，所述基于变邻域搜索的众包配送员调度算法包括：
使用预设的编码结构构造众包配送员的任务配送序列编码：
通过变邻域搜索算法找出配送任务数量最多或者相同配送任务数量配送路径最短的众包配送员的任务配送序列编码作为初始解；
选择参与邻域操作的众包配送员配送的任务集合，针对选择的所述任务集合重新构造众包配送员的任务配送序列编码。
相应的，本发明还公开了一种快递众包配送任务调度系统，包括：
第一模型构建单元，用于构建基于激励机制的快递众包配送任务分配模型，将最大化众包配送平台收益定位为模型优化目标；
任务分配单元，用于采用基于位置和重量的快递众包配送任务装包方法，将任务以任务集合的形式分配给众包配送员；
选择单元，用于根据基于反向拍卖的快递众包配送任务分配算法，为每个任务集合选择合适的众包配送员，并确定众包配送员的收益；
第二模型构建单元，用于构建基于路径规划的众包配送员调度模型；
路径规划单元，用于采用基于变邻域搜索的众包配送员调度算法，为众包配送员规划配送路径。
相应的，本发明还公开了一种快递众包配送任务调度设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上文任一项所述的快递众包配送任务调度方法步骤。
对比现有技术，本发明有益效果在于：本发明提供了一种快递众包配送任务调度方法、系统及设备，构建了基于激励机制的快递众包配送任务分配模型、基于位置和重量的快递众包配送任务装包方法和基于反向拍卖的快递众包配送任务分配方法，能够考虑激励机制的影响因素，设计适宜的激励机制优化快递众包配送任务的分配，解决当前众包配送平台存在的单个任务分配、配送员人员流动较大、配送员拒单率较高和激励机制考虑因素较单一等问题。构建了基于路径规划的众包配送员调度模型和基于变邻域搜索的众包配送员调度方法，为众包配送员规划出较优且长度较短的配送路径，解决配送时间过长、配送员服务质量下降和配送资源利用率较低等问题。
本发明提供了使众包配送平台收益最多的快递众包配送任务调度方案，能够满足陡增的快递任务量，出现快递爆仓的情况，有效的将众包模式应用在快递任务配送，减轻了快递网点或末端驿站的配送压力，提高配送效率。
由此可见，本发明与现有技术相比，具有突出的实质性特点和显著的进步，其实施的有益效果也是显而易见的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
附图1是本发明的方法流程图；
附图2是本发明的基于激励机制的快递众包配送任务分配模型示意图；
附图3是本发明的基于反向拍卖的快递众包配送任务分配算法流程图；
附图4是本发明的基于路径规划的众包配送员调度模型示意图；
附图5是本发明的基于变邻域搜索的众包配送员调度算法流程图；
附图6是本发明的系统结构图。
图中，1为第一模型构建单元，2为任务分配单元，3为选择单元，4为第二模型构建单元，5为路径规划单元。
具体实施方式
下面结合附图对本发明的具体实施方式做出说明。
实施例一：
如图1所示，本实施例提供了一种快递众包配送任务调度方法，包括如下步骤：
S1：构建基于激励机制的快递众包配送任务分配模型，将最大化众包配送平台收益定位为模型优化目标。
定义众包配送员，令U＝{u1,u1,...,un}为众包配送员集合，其中，n为众包配送员的数量。每个众包配送员ui∈U的信息可以定义为一个七元组：
Figure BDA0003110483580000101
Figure BDA0003110483580000111
其中，
Figure BDA0003110483580000112
表示配送员ui上线接受任务的时间；
Figure BDA0003110483580000113
表示配送员ui的最大负重，通过配送员的配送设备，例如步行、电动车、汽车等计算出其能够承载的最大负重；
Figure BDA0003110483580000114
表示配送员ui的平均配送速度；
Figure BDA0003110483580000115
表示配送员ui可配送的区域；
Figure BDA0003110483580000116
表示配送员ui的服务质量等级；
Figure BDA0003110483580000117
表示配送员ui的单位移动成本；
Figure BDA0003110483580000118
表示当所有任务配送完毕或剩余任务无法再配送时配送员ui的配送次数。
定义快递众包配送任务，令T＝{t1,t2,...,tm}为快递众包配送任务集合，其中，m为快递众包配送任务的数量。每个快递众包配送任务tj∈T的属性可以定义为一个七元组：
Figure BDA0003110483580000119
其中，
Figure BDA00031104835800001110
为任务tj的发货方；
Figure BDA00031104835800001111
为任务tj的客户；
Figure BDA00031104835800001112
为众包配送员到发货方
Figure BDA00031104835800001113
的最晚取快递时刻；
Figure BDA00031104835800001114
为众包配送员到客户
Figure BDA00031104835800001115
的最晚送快递时刻；
Figure BDA00031104835800001116
为任务tj的重量；
Figure BDA00031104835800001117
为发货方支付配送任务tj所需要的费用；
Figure BDA00031104835800001118
为众包配送平台从任务tj中获取的最低收益。
定义众包配送员配送成本，众包配送员配送成本分为移动成本和其他成本。令m(ui)为众包配送员ui的单次配送移动成本，
Figure BDA00031104835800001119
其中，
Figure BDA00031104835800001120
为配送员ui单次配送的配送路径长度；令o(ui)为配送员ui单次配送中的其他成本。所以配送员ui的单次配送成本为c(ui)＝m(ui)+o(ui)。
定义众包配送员收益，众包配送员收益分为服务质量收益、特殊情况收益、任务收益和其他收益。其中，令α(ui)为配送员ui单次配送中的服务质量收益；令μ(ui)为配送员ui单次配送中的特殊情况收益，包括恶劣天气收益等；令θ(ui)为配送员ui单次配送中的任务收益，令r(ui)为配送员ui单次配送中的其他收益，以上收益可以通过量化指标进行计算。所以配送员ui的单次配送收益为e(ui)＝α(ui)+μ(ui)+θ(ui)+r(ui)。
定义快递众包配送任务分配，快递众包配送任务分配可以定义为一个从快递众包配送任务集合T到众包配送员集合U的函数f(tj)，对于每个任务tj，如果f(tj)＝ui，表示将任务tj分配给配送员ui来配送，如果f(tj)＝0，表示任务tj没有被分配。令F(ui)表示单次配送中分配给配送员ui的快递众包配送任务集合，F(ui)＝{tj|f(tj)＝ui}。
定义基于激励机制的快递众包配送任务分配模型，目标函数为最大化众包配送平台收益，模型中包括许多约束，分别为平台最低收益约束，表示单次配送中平台从配送员配送的任务集合中获得的收益大于等于该任务集合对应的平台最低获取收益；众包配送员配送成本约束，若众包配送员单次配送被分配的任务数量大于0，则该配送员有相应的配送成本，否则该配送员的配送成本为0；众包配送员收益约束，若众包配送员单次配送被分配的任务数大于0，该配送员有对应的配送收益，否则配送收益为0；众包配送员负重约束，即配送过程中众包配送员最大负重大于等于当前配送的任务重量总和；快递众包配送任务分配约束，若任务被分配，则有相应的配送员进行配送，否则该任务没有分配给配送员；众包配送员配送次数大于等于0；单次分配给众包配送员的任务数量大于等于0。
S2：采用基于位置和重量的快递众包配送任务装包方法，将任务以任务集合的形式分配给众包配送员。
对于快递众包配送任务的客户位置信息，主要是采用DBSCAN聚类方法对任务进行聚类。DBSCAN方法是一种基于密度的聚类算法，聚类的时候不需要预先指定簇的个数，将簇定义为密度相连的点的最大集合。使用DBSCAN聚类方法时，需要指定Eps和MinPts这两个参数的值，其中Eps表示数据点为中心的扫描半径，MinPts表示扫描区域内数据点的最小个数。DBSCAN方法聚类后，将数据点划分为三种类型：核心点、边界点和噪声点，结合欧氏距离利用DBSCAN方法将客户位置相近的任务聚类。DBSCAN聚类方法的具体步骤如下：
Step 1:将快递众包配送任务集合T中的所有任务设定为未选择状态，初始化簇编号clusterNum＝0；
Step 2:在任务集合T中随机选择一个状态为未选择状态的任务tj，计算以任务tj的客户位置为中心在Eps扫描范围内可达的其他任务的客户位置的任务个数Num；
Step 3:若Num＜MinPts，将任务tj的客户位置设定为边界点或噪声点，跳转到Step 2；若Num≥MinPts，将任务tj的客户位置设定为核心点；
Step 4:任务tj标记为已选择状态，clusterNum++，将以任务tj的客户位置为中心在扫描区域内处于未选择状态的任务集合加入编号为clusterNum的簇中；
Step 5:随机选择簇中未选择状态的任务tj'，计算以任务tj'的客户位置为中心在Eps扫描范围内可达的其他任务的客户位置的任务个数Num'，任务tj'标记为已选择状态；
Step 6:若Num'＜MinPts，将任务tj'的客户位置设定为边界点，跳转到Step 5；若Num'≥MinPts，将以任务tj'的客户位置为中心在扫描区域内处于未选择状态的任务集合加入簇中，任务tj'的客户位置设定为核心点；
Step 7:若簇中的任务还有处于未选择状态，跳转到Step 5；
Step 8:若任务集合T中存在处于未选择状态，并且客户位置被设定为边界点或噪声点的任务tj”，则clusterNum++，并将以任务tj”的客户位置为中心在扫描区域内处于未选择状态的任务集合加入编号为clusterNum的簇中，循环Step 8，直到tj”不存在，跳转到Step 9；
Step 9:若任务集合T中存在处于未选择状态的任务，跳转到Step 2；否则方法结束。
对于快递众包配送任务的重量信息，结合按照任务的客户位置信息聚类好的任务集合，对该任务集合进行第二次划分，划分出来的子任务集合的重量则依据当前所有在线的众包配送员的最大负重的众数，该众数则代表每个子任务集合的任务重量之和的阈值，若某一任务的重量大于该阈值，则该任务单独为一个包。其余任务根据阈值在任务集合内随机组合。
S3：根据基于反向拍卖的快递众包配送任务分配算法，为每个任务集合选择合适的众包配送员，并确定众包配送员的收益。
基于反向拍卖的快递众包配送任务分配算法包括两个阶段，分别是众包配送员选择方法和确定众包配送员收益方法。
(1)众包配送员选择方法：
在反向拍卖的过程中，众包配送员首先向众包配送平台提出自己的报价。一个激励机制具有真实性是指在不管其他服务提供者提出竞价的情况下，没有一个服务提供者可以通过偏离任务真实开销值的竞价来提高自己的收益[26]。所以为了保证众包配送员提出报价的真实性和合理性，众包配送员的报价就是该配送员完成任务的成本。
根据装包好的任务集合T＝{T1,T2,...,Tk}，众包配送平台筛选出上线的配送员集合U'＝{u1,u2,...,ul}，根据每位配送员ul的最大负重
Figure BDA0003110483580000141
将集合U'分类，最大负重相同的配送员分为一类，构成集合U*＝{U1,U2,...,Uh}。
首先，选择最大负重大于等于任务集合Tk重量的众包配送员集合Uh，若存在满足条件的配送员集合Uh，计算配送员集合Uh中每位配送员ul配送任务集合Tk的成本，针对任务集合Tk规划配送员集合Uh中每位配送员ul的配送路径，其中不包括正在配送的配送员，得到每位配送员ul对应的配送路径P(ul)和配送任务集合F(ul)，因为配送员的移动成本占总体配送成本的比例较高，因此根据配送员ul对应的配送路径长度
Figure BDA0003110483580000142
计算出的移动成本m(ul)为配送员ul提出的报价，配送路径长度越短，配送员的移动成本越低，配送成本越低。
其次，根据每位配送员ul的配送任务数量|F(ul)|和配送路径长度
Figure BDA0003110483580000151
选择配送员，其中若是单独按照配送任务数量或配送路径长度进行选择，会出现配送任务数量很多，但配送路径长度也很长的情况，在此情况下选择配送员的结果不是最优的。所以将配送员按照配送任务数量|F(ul)|降序排序，若排序首位有重复项，表示配送任务数量最多的配送员不止一位，则选择其中配送路径长度
Figure BDA0003110483580000152
最小的配送员；若排序首位没有重复项，表示配送任务数量最多的配送员只有一位，则选择排序前五位的配送员，计算他们的配送路径长度与配送任务数量的商值，选择商值最小的配送员。
然后，处理可能会出现的特殊情况，一是配送员集合Uh中每位配送员ul的配送路径F(ul)均为空，表示任务集合Tk中任何一个任务都不能进行配送，则任务集合Tk进入下一次分配，拆包重新装包；二是选择出配送员ul'之后，得到配送员ul'的报价，若报价大于发货方支付配送员配送的任务集合F(ul')费用与平台从任务集合F(ul')获取的最低收益的差值，则任务集合Tk该次暂不分配，进入下一次分配；若配送员ul'拒绝接受任务，则按照配送员排序选择下一位配送员；三是配送员ul'对应的配送任务集合F(ul')，配送任务数量|F(ul')|可能会小于任务集合Tk的数量，说明任务集合Tk中存在有不满足约束条件的剩余任务，即配送员ul'无法配送的任务，则将剩余任务进入下一次分配，重新装包。
最后，得到该次配送的众包配送员ul'与对应的配送任务集合F(ul')构成的二元组。
(2)确定众包配送员收益方法：
众包配送员ul'在配送完毕之后，需要计算其获得的具体收益。确定众包配送员收益方法的步骤如下：
Step 1:根据上述众包配送员收益定义，计算众包配送员ul'的收益。
Step 2:计算发货方支付配送员配送的任务集合费用总和与众包配送平台从配送员配送的任务集合获取的最低收益之和的差值；
Step 3:若Step 1计算出的收益与配送员配送成本之和大于Step 2计算的差值，则Step 2计算的差值作为配送员ul'的最终收益。
Step 4:若Step 1计算出的收益与配送员配送成本之和小于Step 2计算的差值，则Step 1计算出的收益作为配送员ul'的最终收益。
S4：构建基于路径规划的众包配送员调度模型。
定义众包配送网络图，众包配送网络图表示为一个无向图G＝(V,E)，其中，V＝VS∪VC为众包配送网络图中的节点集合，节点集合V中每个节点表示一个任务tj的发货方
Figure BDA0003110483580000162
或者客户
Figure BDA0003110483580000163
VC＝{ns+1,ns+2,...,nc}为客户集合，VS＝{1,2,...,ns}为发货方集合，ns和nc-ns分别为图中发货方和客户的数量；E＝{(vi,vj)|vi,vj∈V}为图中节点之间边的集合，对于每条边(vi,vj)∈E，其长度为节点vi与vj之间的真实地图路径的距离，若节点vi与vj为同一个点，则边(vi,vj)的长度为0。
在快递众包配送任务数量庞大的情况下，无法将每个任务的位置一一映射为众包配送网络图中的节点。所以只针对当前已分配给众包配送员的任务集合中的任务所在位置进行映射，剩余的任务直到被分配时才会进行位置映射。
定义任务配送序列，任务配送序列表示为在快递众包配送任务分配函数f(tj)＝ui下，众包配送员ui配送分配给他的任务集合F(ui)可能得到的任务配送序列集合。定义S(ui)为配送员ui的任务配送序列集合，其中，定义s(ui)为配送员ui的一个任务配送序列，s(ui)∈S(ui)，
Figure BDA0003110483580000161
s(ui)为任务集合F(ui)中的每个任务的发货方和客户的一个排列，当|s(ui)|＝2*|F(ui)|时，表示配送员ui能配送任务集合F(ui)中的所有任务，即s(ui)为任务集合F(ui)中的每个任务的发货方和客户的全排列。任务配送序列集合S(ui)中并非每一个任务配送序列s(ui)都满足配送要求，但会存在一个较优的任务配送序列。任务配送序列表示众包配送员到发货方取快递和到客户送快递的过程，所以序列中会出现相同的任务编号，因此规定同一任务编号排在前面的所对应的图中节点为任务的发货方，其后出现的编号相应的图中节点为任务的客户，众包配送员必须先到发货方取货，然后根据规划的配送路径将快递送到客户。
定义配送路径，众包配送员ui的每一个任务配送序列s(ui)都会对应着一条配送路径，s(ui)对应的配送路径为一条从配送员ui初始位置按顺序经过s(ui)中每个任务编号相应的发货方或客户节点的位置序列，配送路径定义为p(ui)，p(ui)＝{p1,p2,...,pk|k≤|s(ui)|}。
因为每个任务的发货方和客户是唯一的，因此每个任务配送序列都对应唯一的一条配送路径。在一条配送路径中，可能存在相邻位置节点为同一节点的情况，这种情况表示每个配送员在一个发货方可以同时取多个任务对应的快递，也可以将多个发货方的快递同时送到一个客户。
定义配送路径长度，
Figure BDA0003110483580000171
为任务配送序列s(ui)对应的配送路径p(ui)的配送路径长度，
Figure BDA0003110483580000172
定义为公式
Figure BDA0003110483580000173
其中，
Figure BDA0003110483580000174
表示为众包配送员ui的初始位置到配送路径的第一个位置节点p1之间的距离，配送路径p(ui)中相邻两个位置节点之间的距离表示为
Figure BDA0003110483580000175
如果两个相邻位置节点为同一个节点，则其距离为0。
定义时间约束函数，任务配送序列s(ui)的时间约束函数可以定义为
Figure BDA0003110483580000176
配送员ui按照任务配送序列s(ui)对应的配送路径p(ui)进行取快递和送快递时，如果到达每个发货方或客户都满足任务的最晚取货时刻
Figure BDA0003110483580000181
或最晚送货时刻
Figure BDA0003110483580000182
则函数结果为true，否则函数结果为false。
定义可行任务配送序列，若
Figure BDA0003110483580000183
则s(ui)为一个满足约束的可行的任务配送序列，否则，s(ui)为一个不可行的任务配送序列。
定义任务调度方案，任务调度方案表示为配送员ui的可行、配送路径长度最短以及配送任务数量最多的任务配送序列与对应的配送路径组成的二元组形式，定义为<s(ui),p(ui)>，表示为在分配给配送员ui的任务集合F(ui)和可行且配送任务数量最多的任务配送序列s(ui)下，得到长度最短的配送路径p(ui)。
定义基于路径规划的众包配送员调度问题模型，目标函数为最小化总配送路径长度，模型中包括许多约束条件，分别为时间约束，表示当满足时间约束时，任务配送序列是可行的，否则任务配送序列不可行；配送路径长度约束，若众包配送员被分配的任务集合数量大于0，则有相应的配送路径长度，否则该配送员的配送路径长度为0；快递众包配送任务分配约束，若任务被分配，则有相应的配送员进行配送，否则该任务没有分配给配送员；众包配送员配送次数大于等于0；单次分配给众包配送员的任务数量大于等于0。
S5：采用基于变邻域搜索的众包配送员调度算法，为众包配送员规划配送路径。
(1)编码结构设计：
考虑到实际快递任务配送情况和研究问题的特点，使用不定长度的自然数序列编码结构表示问题的解，一个自然数序列代表一位众包配送员的任务配送序列和该任务配送序列对应的配送路径情况，该轮有几位众包配送员参与配送，就对应着有几个自然数序列。
编码首位表示众包配送员序号，从第二位开始表示该众包配送员的任务配送序列，顺序存储快递众包配送任务序号，一个任务序号出现两次代表取快递和送快递两个过程，存储顺序代表众包配送员配送任务的顺序。
(2)初始解生成算法：
变邻域搜索算法的初始解影响着整个问题的求解质量，定义初始化规则，得到一个较优的初始解，从在一定程度上提高寻找到全局最优解的可能性。
初始解生成算法的核心思想是：针对分配给众包配送员的任务集合，众包配送员首先遍历任务集合中所有发货方的位置，分别以每个发送方作为开始配送的起点，接受该发货方的任务开始进行配送，将该发货方的任务全部配送完毕后，再根据当前位置寻找其他最近的发货方位置，接受任务进行配送。直至所有任务都配送完毕或者剩余的未取的任务不满足时间约束无法进行配送，找出配送任务数量最多或者相同配送任务数量配送路径最短的任务配送序列作为初始解，算法结束。
(3)邻域操作：
算法共设计了三种不同的邻域操作，每一种邻域操作都包括两个阶段，第一阶段是选择参与邻域操作的任务集合，第二个阶段是针对所选择的任务集合重新构造众包配送员的任务配送序列编码。在执行邻域操作时为了避免构造出不可行解，算法将判断每次执行邻域操作后解的可行性，若构造出新的解编码不满足约束，则抛弃该解，若构造出新的解编码比当前解更优，则利用新的解编码作为下一个迭代的输入。若当前邻域操作迭代到最大次数或者解无法再优化，则进行下一个邻域操作。不同的邻域操作设计具体介绍如下：
1)迁移操作：该操作是根据众包配送员的任务配送序列，除了序列起点的发货方，迁移序列中的发货方到其前面距离它最近的客户点或者发货方后面，迁移完成之后，该发货方之后的所有位置点按照距离远近进行排序，重新生成该众包配送员的任务配送序列。
2)整合操作：该操作是根据众包配送员的任务配送序列，将序列中距离相近的任务客户位置点整合抽取在一起，重新插入到序列中，满足约束条件则更新该众包配送员的任务配送序列。
3)拆包操作：该操作是针对剩余未取的不满足时间约束的任务集合，将该任务集合的任务拆开，插入到该众包配送员当前的任务配送序列。满足约束条件则更新该众包配送员的任务配送序列，直到所有任务均尝试插入。
(4)变邻域搜索算法流程：
Step 1:根据初始解生成算法得到初始解s(ui)，令最优解best_s(ui)为初始解s(ui)；
Step 2:定义扰动操作集合Ni作为扰动操作，其中Ni包括邻域操作1和2；
Step 3:定义邻域操作集合Nj作为邻域搜索，其中Nj包括邻域操作1-3，确定每种邻域操作的最大迭代次数Numj；
Step 4:随机选择一个扰动操作Ni对s(ui)进行扰动，生成解s(ui)'；
Step 5:选择邻域操作Nj对s(ui)'进行邻域搜索，生成局部最优解s(ui)*；
Step 6:如果s(ui)*对应的配送路径长度
Figure BDA0003110483580000201
小于s(ui)'对应的配送路径长度
Figure BDA0003110483580000202
并且s(ui)*满足时间约束，Numj＝Numj-1，s(ui)'＝s(ui)*，跳转到Step4；若s(ui)*不满足时间约束或
Figure BDA0003110483580000203
大于
Figure BDA0003110483580000204
Numj＝Numj-1，跳转到Step 4；
Step 7:当当前邻域操作Numj＝0，Numj重置，j＝j+1，跳转到Step 7，若该邻域操作是最后一个邻域操作，跳转到Step 8；
Step 8:当在下一个邻域操作Nj+1得到的局部最优解s(ui)*比当前解s(ui)'的结果好，Numj+1重置，j＝1，s(ui)'＝s(ui)*，跳转到Step 4；
Step 9:best_s(ui)＝s(ui)'，输出配送员ui的任务配送序列best_s(ui)，配送路径p(ui)，算法结束。
实施例二：
基于实施例一，本实施例提出了一种快递众包配送任务调度方法，具体包括以下步骤：
步骤1：对快递任务众包配送模式所涉及的快递众包配送任务和众包配送员等的属性特征进行定义，给出计算众包配送员配送成本和收益的方法，对任务分配集合加以表示。
附图2描述了一个包含4位众包配送员和3个发货方的快递众包配送任务分布区域。在图中，发货方1有4个任务，发货方2有6个任务，发货方3有4个任务，每个任务的客户位置如图中圆所在的位置。如图中众包配送员1分配到的任务集合包括任务1、2、8和9，众包配送员2分配到的任务集合包括任务5、6和7，众包配送员3分配到的任务集合包括任务10、12、13和14，众包配送员4分配到的任务集合包括任务3、4和11。
步骤2：将快递任务根据客户位置和任务重量装包，构成任务集合，以任务集合的形式分配给众包配送员。
步骤3：结合快递众包配送任务分配模型，通过基于反向拍卖的快递众包配送任务分配算法选择合适的众包配送员并分配其任务，此外考虑众包配送员拒绝任务和分配给配送员的任务集合有剩余任务等动态场景，当众包配送员配送完毕后计算其收益。
附图3描述了基于反向拍卖的快递众包配送任务分配算法的实现流程。
步骤4：定义了众包配送员调度过程中涉及到的属性特征，构建以最小化总配送路径长度的众包配送员调度模型。
附图4描述了4位众包配送员的任务配送序列和配送路径，众包配送员1的任务配送序列为{1,2,1,2,8,9,9,8}，配送路径为{发货方1，任务1客户，任务2客户，发货方2，任务9客户，任务8客户}；众包配送员2的任务配送序列为{5,6,7,7,6,5}，配送路径为{发货方2，任务7客户，任务6客户，任务5客户}；众包配送员3的任务配送序列为{12,13,14,12,13,10,14,10}，配送路径为{发货方3，任务12客户，任务13客户，发货方2，任务14客户，任务10客户}；众包配送员4的任务配送序列为{3,4,4,3,11,11}，配送路径为{发货方1，任务4客户，任务3客户，发货方3，任务11客户}。
步骤5：提出了基于变邻域搜索的众包配送员调度算法，通过局部搜索、扰动和三个邻域操作来使总配送路径长度最短。
附图5描述了基于变邻域搜索的众包配送员调度算法的实现流程。
实施例三：
相应的，如图6所示，本发明还公开了一种快递众包配送任务调度系统，包括：
第一模型构建单元1，用于构建基于激励机制的快递众包配送任务分配模型，将最大化众包配送平台收益定位为模型优化目标。
任务分配单元2，用于采用基于位置和重量的快递众包配送任务装包方法，将任务以任务集合的形式分配给众包配送员。
选择单元3，用于根据基于反向拍卖的快递众包配送任务分配算法，为每个任务集合选择合适的众包配送员，并确定众包配送员的收益。
第二模型构建单元4，用于构建基于路径规划的众包配送员调度模型。
路径规划单元5，用于采用基于变邻域搜索的众包配送员调度算法，为众包配送员规划配送路径。
实施例四：
相应的，本发明还公开了一种快递众包配送任务调度设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上文任一项所述的快递众包配送任务调度方法步骤。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的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如U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质，包括若干指令用以使得一台计算机终端(可以是个人计算机，服务器，或者第二终端、网络终端等)执行本发明各个实施例所述方法的全部或部分步骤。本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于终端实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统、系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
结合附图和具体实施例，对本发明作进一步说明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所限定的范围。

Claims (10)

1.一种快递众包配送任务调度方法，其特征在于，包括如下步骤：
S1：构建基于激励机制的快递众包配送任务分配模型，将最大化众包配送平台收益定位为模型优化目标；
S2：采用基于位置和重量的快递众包配送任务装包方法，将任务以任务集合的形式分配给众包配送员；
S3：根据基于反向拍卖的快递众包配送任务分配算法，为每个任务集合选择合适的众包配送员，并确定众包配送员的收益；
S4：构建基于路径规划的众包配送员调度模型；
S5：采用基于变邻域搜索的众包配送员调度算法，为众包配送员规划配送路径。
2.根据权利要求1所述的快递众包配送任务调度方法，其特征在于，所述步骤S1具体为：
定义众包配送员，令U＝{u1,u1,...,un}为众包配送员集合，其中，n为众包配送员的数量；将每个众包配送员ui∈U的信息定义为一个七元组：
Figure FDA0003110483570000011
Figure FDA0003110483570000012
其中，
Figure FDA0003110483570000013
表示配送员ui上线接受任务的时间，
Figure FDA0003110483570000014
表示配送员ui的最大负重，
Figure FDA0003110483570000015
表示配送员ui的平均配送速度，
Figure FDA0003110483570000016
表示配送员ui可配送的区域，
Figure FDA0003110483570000017
表示配送员ui的服务质量等级，
Figure FDA0003110483570000018
表示配送员ui的单位移动成本，
Figure FDA0003110483570000019
表示当所有任务配送完毕或剩余任务无法再配送时配送员ui的配送次数；
定义快递众包配送任务，令T＝{t1,t2,...,tm}为快递众包配送任务集合，其中，m为快递众包配送任务的数量，将每个快递众包配送任务tj∈T的属性定义为一个七元组：
Figure FDA00031104835700000110
其中，
Figure FDA00031104835700000111
为任务tj的发货方，
Figure FDA00031104835700000112
为任务tj的客户，
Figure FDA00031104835700000113
为众包配送员到发货方
Figure FDA00031104835700000114
的最晚取快递时刻，
Figure FDA00031104835700000115
为众包配送员到客户
Figure FDA00031104835700000116
的最晚送快递时刻，
Figure FDA00031104835700000117
为任务tj的重量，
Figure FDA00031104835700000118
为发货方支付配送任务tj所需要的费用，
Figure FDA00031104835700000119
为众包配送平台从任务tj中获取的最低收益；
定义众包配送员配送成本，众包配送员配送成本包括移动成本和其他成本；令m(ui)为众包配送员ui的单次配送移动成本，
Figure FDA0003110483570000021
其中，
Figure FDA0003110483570000022
为配送员ui单次配送的配送路径长度；令o(ui)为配送员ui单次配送中的其他成本，所以配送员ui的单次配送成本为c(ui)＝m(ui)+o(ui)；
定义众包配送员收益，众包配送员收益包括服务质量收益、特殊情况收益、任务收益和其他收益；其中，令α(ui)为配送员ui单次配送中的服务质量收益；令μ(ui)为配送员ui单次配送中的特殊情况收益；令θ(ui)为配送员ui单次配送中的任务收益，令r(ui)为配送员ui单次配送中的其他收益，所以配送员ui的单次配送收益为e(ui)＝α(ui)+μ(ui)+θ(ui)+r(ui)；
定义快递众包配送任务分配，将快递众包配送任务分配定义为一个从快递众包配送任务集合T到众包配送员集合U的函数f(tj)，对于每个任务tj，如果f(tj)＝ui，表示将任务tj分配给配送员ui来配送，如果f(tj)＝0，表示任务tj没有被分配；令F(ui)表示单次配送中分配给配送员ui的快递众包配送任务集合，F(ui)＝{tj|f(tj)＝ui}；
定义基于激励机制的快递众包配送任务分配模型，最大化众包配送平台收益，所述基于激励机制的快递众包配送任务分配模型的约束条件如下:
平台最低收益约束，表示单次配送中平台从配送员配送的任务集合中获得的收益大于等于该任务集合对应的平台最低获取收益；
众包配送员配送成本约束，若众包配送员单次配送被分配的任务数量大于0，则该配送员有相应的配送成本，否则该配送员的配送成本为0；
众包配送员收益约束，若众包配送员单次配送被分配的任务数大于0，该配送员有对应的配送收益，否则配送收益为0；
众包配送员负重约束，即配送过程中众包配送员最大负重大于等于当前配送的任务重量总和；
快递众包配送任务分配约束，若任务被分配，则有相应的配送员进行配送，否则该任务没有分配给配送员；众包配送员配送次数大于等于0；单次分配给众包配送员的任务数量大于等于0。
3.根据权利要求2所述的快递众包配送任务调度方法，其特征在于，所述步骤S2包括：
对于快递众包配送任务的客户位置信息，采用DBSCAN聚类方法结合欧氏距离进行任务聚类，并生成任务集合；使用DBSCAN聚类方法时，预先设定Eps和MinPts这两个参数的值，其中Eps表示数据点为中心的扫描半径，MinPts表示扫描区域内数据点的最小个数；
对于快递众包配送任务的重量信息，结合生成的任务集合，对该任务集合依据预设的每个子任务集合的任务重量之和的阈值进行第二次划分，生成多个子任务集合。
4.根据权利要求3所述的快递众包配送任务调度方法，其特征在于，其特征在于，所述采用DBSCAN聚类方法结合欧氏距离进行任务聚类，具体包括如下步骤：
S21：将快递众包配送任务集合T中的所有任务设定为未选择状态，初始化簇编号clusterNum＝0；
S22：在任务集合T中随机选择一个状态为未选择状态的任务tj，计算以任务tj的客户位置为中心在Eps扫描范围内可达的其他任务的客户位置的任务个数Num；
S23：若Num＜MinPts，将任务tj的客户位置设定为边界点或噪声点，跳转到步骤S22；若Num≥MinPts，将任务tj的客户位置设定为核心点；
S24：任务tj标记为已选择状态，clusterNum++，将以任务tj的客户位置为中心在扫描区域内处于未选择状态的任务集合加入编号为clusterNum的簇中；
S25：随机选择簇中未选择状态的任务tj'，计算以任务tj'的客户位置为中心在Eps扫描范围内可达的其他任务的客户位置的任务个数Num'，任务tj'标记为已选择状态；
S26：若Num'＜MinPts，将任务tj'的客户位置设定为边界点，跳转到Step5；若Num'≥MinPts，将以任务tj'的客户位置为中心在扫描区域内处于未选择状态的任务集合加入簇中，任务tj'的客户位置设定为核心点；
S27：若簇中的任务还有处于未选择状态，跳转到步骤S25；
S28：若任务集合T中存在处于未选择状态，并且客户位置被设定为边界点或噪声点的任务tj”，则clusterNum++，并将以任务tj”的客户位置为中心在扫描区域内处于未选择状态的任务集合加入编号为clusterNum的簇中，循环执行步骤S28，直到tj”不存在，跳转到S29；
S29:若任务集合T中存在处于未选择状态的任务，跳转到S22；否则方法结束。
5.根据权利要求4所述的快递众包配送任务调度方法，其特征在于，所述基于反向拍卖的快递众包配送任务分配算法包括众包配送员的选择方法和确定众包配送员收益的方法；其中，众包配送员的选择方法包括如下步骤：
S311：根据装包好的任务集合T＝{T1,T2,...,Tk}，预设的众包配送平台筛选出上线的配送员集合U'＝{u1,u2,...,ul}，根据每位配送员ul的最大负重
Figure FDA0003110483570000041
将集合U'分类，将最大负重相同的配送员分为一类，构成集合U*＝{U1,U2,...,Uh}；
S312：选择最大负重大于等于任务集合Tk重量的众包配送员集合Uh并计算众包配送员的报价；
S313：根据每位众包配送员ul的配送任务数量|F(ul)|和配送路径长度
Figure FDA0003110483570000042
选择配送员；
S314：确定获得配送任务的众包配送员ul'，并生成众包配送员ul'与对应的配送任务集合F(ul')构成的二元组。
6.根据权利要求5所述的快递众包配送任务调度方法，其特征在于，其特征在于，所述确定众包配送员收益的方法包括如下步骤：
S321:根据预设的众包配送员收益定义，计算众包配送员ul'的收益a；
S322:计算发货方支付众包配送员配送的任务集合费用总和b,计算众包配送平台从众包配送员配送的任务集合获取的最低收益之和c并求出b和c的差值d；
S323:若a与众包配送员配送成本之和大于d，则d作为众包配送员ul'的最终收益；
S324:若a与众包配送员配送成本之和小于d，则a作为众包配送员ul'的最终收益。
7.根据权利要求6所述的快递众包配送任务调度方法，其特征在于，其特征在于，所述步骤S4包括：
定义众包配送网络图，众包配送网络图表示为一个无向图G＝(V,E)，其中，V＝VS∪VC为众包配送网络图中的节点集合，节点集合V中每个节点表示一个任务tj的发货方
Figure FDA0003110483570000051
或者客户
Figure FDA0003110483570000052
VC＝{ns+1,ns+2,...,nc}为客户集合，VS＝{1,2,...,ns}为发货方集合，ns和nc-ns分别为图中发货方和客户的数量；E＝{(vi,vj)|vi,vj∈V}为图中节点之间边的集合，对于每条边(vi,vj)∈E，其长度为节点vi与vj之间的真实地图路径的距离，若节点vi与vj为同一个点，则边(vi,vj)的长度为0；
定义任务配送序列，任务配送序列表示为在快递众包配送任务分配函数f(tj)＝ui下，众包配送员ui配送分配给他的任务集合F(ui)可能得到的任务配送序列集合；定义S(ui)为配送员ui的任务配送序列集合，其中，定义s(ui)为配送员ui的一个任务配送序列；
定义配送路径，众包配送员ui的每一个任务配送序列s(ui)都会对应着一条配送路径，s(ui)对应的配送路径为一条从配送员ui初始位置按顺序经过s(ui)中每个任务编号相应的发货方或客户节点的位置序列，配送路径定义为p(ui)；
定义配送路径长度，
Figure FDA0003110483570000061
为任务配送序列s(ui)对应的配送路径p(ui)的配送路径长度，
Figure FDA0003110483570000062
为
Figure FDA0003110483570000063
的计算公式，其中，
Figure FDA0003110483570000064
表示为众包配送员ui的初始位置到配送路径的第一个位置节点p1之间的距离，配送路径p(ui)中相邻两个位置节点之间的距离表示为
Figure FDA0003110483570000065
如果两个相邻位置节点为同一个节点，则其距离为0；
定义时间约束函数，任务配送序列s(ui)的时间约束函数定义为
Figure FDA0003110483570000066
配送员ui按照任务配送序列s(ui)对应的配送路径p(ui)进行取快递和送快递时，如果到达每个发货方或客户都满足任务的最晚取货时刻
Figure FDA0003110483570000067
或最晚送货时刻
Figure FDA0003110483570000068
则函数结果为true，否则函数结果为false；
定义可行任务配送序列，若
Figure FDA0003110483570000069
则s(ui)为一个满足约束的可行的任务配送序列，否则，s(ui)为一个不可行的任务配送序列；
定义任务调度方案，任务调度方案表示为配送员ui的可行、配送路径长度最短以及配送任务数量最多的任务配送序列与对应的配送路径组成的二元组形式，定义为<s(ui),p(ui)>，表示为在分配给配送员ui的任务集合F(ui)和可行且配送任务数量最多的任务配送序列s(ui)下，得到长度最短的配送路径p(ui)；
定义基于路径规划的众包配送员调度问题模型，目标函数为最小化总配送路径长度，基于路径规划的众包配送员调度问题模型的约束条件包括：
时间约束，表示当满足时间约束时，任务配送序列是可行的，否则任务配送序列不可行；
配送路径长度约束，若众包配送员被分配的任务集合数量大于0，则有相应的配送路径长度，否则该配送员的配送路径长度为0；
快递众包配送任务分配约束，若任务被分配，则有相应的配送员进行配送，否则该任务没有分配给配送员；众包配送员配送次数大于等于0；单次分配给众包配送员的任务数量大于等于0。
8.根据权利要求7所述的快递众包配送任务调度方法，其特征在于，其特征在于，所述基于变邻域搜索的众包配送员调度算法包括：
使用预设的编码结构构造众包配送员的任务配送序列编码：
通过变邻域搜索算法找出配送任务数量最多或者相同配送任务数量配送路径最短的众包配送员的任务配送序列编码作为初始解；
选择参与邻域操作的众包配送员配送的任务集合，针对选择的所述任务集合重新构造众包配送员的任务配送序列编码。
9.一种快递众包配送任务调度系统，其特征在于，包括：
第一模型构建单元，用于构建基于激励机制的快递众包配送任务分配模型，将最大化众包配送平台收益定位为模型优化目标；
任务分配单元，用于采用基于位置和重量的快递众包配送任务装包方法，将任务以任务集合的形式分配给众包配送员；
选择单元，用于根据基于反向拍卖的快递众包配送任务分配算法，为每个任务集合选择合适的众包配送员，并确定众包配送员的收益；
第二模型构建单元，用于构建基于路径规划的众包配送员调度模型；
路径规划单元，用于采用基于变邻域搜索的众包配送员调度算法，为众包配送员规划配送路径。
10.一种快递众包配送任务调度设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至8任一项权利要求所述的快递众包配送任务调度方法步骤。
CN202110649390.5A 2021-06-10 2021-06-10 一种快递众包配送任务调度方法、系统及设备 Active CN113469611B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110649390.5A CN113469611B (zh) 2021-06-10 2021-06-10 一种快递众包配送任务调度方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110649390.5A CN113469611B (zh) 2021-06-10 2021-06-10 一种快递众包配送任务调度方法、系统及设备

Publications (2)

Publication Number Publication Date
CN113469611A true CN113469611A (zh) 2021-10-01
CN113469611B CN113469611B (zh) 2023-03-24

Family

ID=77869601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110649390.5A Active CN113469611B (zh) 2021-06-10 2021-06-10 一种快递众包配送任务调度方法、系统及设备

Country Status (1)

Country Link
CN (1) CN113469611B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160086108A1 (en) * 2010-05-28 2016-03-24 Daniel H. Abelow Continuous dynamic boundaries
US20170098188A1 (en) * 2015-10-02 2017-04-06 United States Postal Service System and method of entering item into distribution network or service
CN109165802A (zh) * 2018-06-13 2019-01-08 苏州大学 一种基于目的地的空间众包任务分配方法
CN109583634A (zh) * 2018-11-16 2019-04-05 西北工业大学 一种基于现代投资组合理论的外卖配送路径选择方法
CN110097288A (zh) * 2019-05-08 2019-08-06 哈尔滨工业大学（威海） 一种基于图搜索的城市众包配送任务分配方法及装置
CN110826968A (zh) * 2019-11-12 2020-02-21 哈尔滨工业大学（威海） 一种基于路径规划的城市众包配送任务优化调度方法
CN110930091A (zh) * 2019-11-05 2020-03-27 哈尔滨工业大学（威海） 基于邻域搜索模拟退火算法的快递末端网点优化整合方法
CN111507577A (zh) * 2020-03-25 2020-08-07 哈尔滨工业大学（威海） 一种基于K-means聚类算法的众包任务分配方法
CN111553567A (zh) * 2020-04-13 2020-08-18 哈尔滨工业大学（威海） 一种末端物流配送系统的功能需求分析方法
CN112306665A (zh) * 2020-11-19 2021-02-02 哈尔滨工业大学 一种序列QoS驱动的服务集成方法
CN112801347A (zh) * 2021-01-11 2021-05-14 华南理工大学 基于移动中转站及众包的多目标城市两级配送规划方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160086108A1 (en) * 2010-05-28 2016-03-24 Daniel H. Abelow Continuous dynamic boundaries
US20170098188A1 (en) * 2015-10-02 2017-04-06 United States Postal Service System and method of entering item into distribution network or service
CN109165802A (zh) * 2018-06-13 2019-01-08 苏州大学 一种基于目的地的空间众包任务分配方法
CN109583634A (zh) * 2018-11-16 2019-04-05 西北工业大学 一种基于现代投资组合理论的外卖配送路径选择方法
CN110097288A (zh) * 2019-05-08 2019-08-06 哈尔滨工业大学（威海） 一种基于图搜索的城市众包配送任务分配方法及装置
CN110930091A (zh) * 2019-11-05 2020-03-27 哈尔滨工业大学（威海） 基于邻域搜索模拟退火算法的快递末端网点优化整合方法
CN110826968A (zh) * 2019-11-12 2020-02-21 哈尔滨工业大学（威海） 一种基于路径规划的城市众包配送任务优化调度方法
CN111507577A (zh) * 2020-03-25 2020-08-07 哈尔滨工业大学（威海） 一种基于K-means聚类算法的众包任务分配方法
CN111553567A (zh) * 2020-04-13 2020-08-18 哈尔滨工业大学（威海） 一种末端物流配送系统的功能需求分析方法
CN112306665A (zh) * 2020-11-19 2021-02-02 哈尔滨工业大学 一种序列QoS驱动的服务集成方法
CN112801347A (zh) * 2021-01-11 2021-05-14 华南理工大学 基于移动中转站及众包的多目标城市两级配送规划方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JUAN LI等: "Crowdsourcing sensing to smartphones: A randomized auction approach", 《IEEE TRANSACTIONS ON MOBILE COMPUTING》 *
王飞等: "基于禁忌搜索和遗传算法的云仓储分配优化", 《计算机集成制造系统》 *
赵天鸿: "动态环境下众包物流任务规划方法", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 *

Also Published As

Publication number Publication date
CN113469611B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
Xu et al. Reputation-aware supplier assessment for blockchain-enabled supply chain in industry 4.0
Voigt et al. Crowdsourced logistics: The pickup and delivery problem with transshipments and occasional drivers
Mesa-Arango et al. Benefits of in-vehicle consolidation in less than truckload freight transportation operations
US8165920B2 (en) System for concurrent optimization of business economics and customer value
Ghaderi et al. Crowdsourced last-mile delivery with parcel lockers
CN108985694A (zh) 用于确定配送中心地址的方法和装置
Böhm et al. The business model DNA: Towards an approach for predicting business model success
Durgadevi et al. Resource allocation in cloud computing using SFLA and cuckoo search hybridization
Liu et al. On-demand delivery from stores: Dynamic dispatching and routing with random demand
Wang et al. Joint optimization of parcel allocation and crowd routing for crowdsourced last-mile delivery
Pavlyshenko Financial news analytics using fine-tuned Llama 2 GPT Model
Guo et al. Reinforcement learning enabled dynamic bidding strategy for instant delivery trading
Karels et al. An auction for collaborative vehicle routing: Models and algorithms
Van Duin et al. Smart method for self-organization in last-mile parcel delivery
Lau et al. Solving the winner determination problem for online B2B transportation matching platforms
Kumar et al. Fair mechanisms for combinatorial reverse auction-based cloud market
Liu et al. Model-Based Vehicle-Miles Traveled and Emission Evaluation of On-Demand Food Delivery Considering the Impact of COVID-19 Pandemic
CN107239853B (zh) 一种基于云计算的智慧管家系统及其工作方法
Hua et al. Large-scale dockless bike sharing repositioning considering future usage and workload balance
CN113469611B (zh) 一种快递众包配送任务调度方法、系统及设备
Yan et al. Transportation service procurement bid construction problem from less than truckload perspective
Wu et al. Collaborative strategic and tactical planning for one-way station-based carsharing systems with trip selection and vehicle relocation
Kong et al. Demand-predictive storage assignment mechanism for flower auction centers
Ji et al. Study on Location Selection of Urban Two-Level Joint Express Delivery Stations Considering Fair Cost Allocation among Enterprises
CN110163402A (zh) 确定订单中库存量单位的方法及装置

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