CN113469614A - 行驶路线的动态调整方法、装置、设备及存储介质 - Google Patents
行驶路线的动态调整方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113469614A CN113469614A CN202110655114.XA CN202110655114A CN113469614A CN 113469614 A CN113469614 A CN 113469614A CN 202110655114 A CN202110655114 A CN 202110655114A CN 113469614 A CN113469614 A CN 113469614A
- Authority
- CN
- China
- Prior art keywords
- new order
- driving route
- address information
- transportation
- information
- 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
- G06Q10/08—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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及物流配送领域,公开了一种行驶路线的动态调整方法、装置、设备及存储介质,该方法包括:获取历史订单的地址信息以及运输历史订单时的运输数据,并对地址信息与运输数据建立映射关系;根据映射关系,对地址信息和运输数据进行数据分析,生成车辆调度策略;当检测到有新订单时,提取新订单的地址信息,并根据车辆调度策略和新订单的地址信息,确定可运输新订单的车辆并规划行驶路线;采集运输新订单的过程中的路网信息,并根据路网信息,对行驶路线进行动态调整。本发明实现了自动化对行驶路线的动态调整,提高了运输效率,保证了运输的安全性。
Description
技术领域
本发明涉及物流配送领域,尤其涉及一种行驶路线的动态调整方法、装置、设备及存储介质。
背景技术
在物流配送过程中,客户在订单管理系统上录入订单信息,由物流承运商获取订单信息并安排订单的配送。承运商面对大量订单资源及可用车辆、司机信息,根据订单调度策略进行运输车辆和司机的调度并规划车辆的行驶路线,车辆按照规划好的行驶路线运输订单。
在实际运输过程中,由于天气、实时路况复杂等问题的出现,往往需要对行驶路线进行相应的调整。而目前对行驶路线的调整一般都是由司机依据自身的驾驶经验人为进行调整,因此容易出现人为判断的失误,难以保证运输的安全性,从而导致运输效率低、运输成本高的情况。如何自动化实现对行驶路线的动态调整,提高运输效率,从而有效减少运输成本、节约运输时间是亟需解决的问题。
发明内容
本发明的主要目的在于解决现有技术中难以自动化实现行驶路线的动态调整,导致运输效率低的技术问题。
本发明第一方面提供了一种行驶路线的动态调整方法,所述行驶路线的动态调整方法包括:获取历史订单的地址信息以及运输所述历史订单时的运输数据,并对所述地址信息与所述运输数据建立映射关系;根据所述映射关系,对所述地址信息和所述运输数据进行数据分析,生成车辆调度策略;当检测到有新订单时,提取所述新订单的地址信息,并根据所述车辆调度策略和所述新订单的地址信息,确定可运输所述新订单的车辆并规划行驶路线;采集运输所述新订单的过程中的路网信息,并根据所述路网信息,对所述行驶路线进行动态调整。
可选的,在本发明的第一方面的第一种实现方式中,所述根据所述映射关系,对所述地址信息和所述运输数据进行数据分析,生成车辆调度策略包括:根据所述映射关系,提取所述地址信息中的发出地信息与签收地信息,确定运输的起点和终点;提取所述运输数据中的运输路线,并根据所述运输路线,确定运输过程中进行中转的各汇点及所述起点、所述终点和各所述汇点之间的有向路径,并根据所述有向路径生成有向图;提取所述有向图中各参数值,并根据各所述参数值生成邻接矩阵;调用预设的神经网络,构建所述邻接矩阵中的各元素与所述神经网络中各神经元的对应关系;根据所述对应关系,对所述邻接矩阵进行网络演化,生成换位阵,并根据所述换位阵和所述运输数据中的运输车辆,生成车辆调度策略。
可选的,在本发明的第一方面的第二种实现方式中,所述提取所述新订单的地址信息,并根据所述车辆调度策略和所述新订单的地址信息,确定可运输所述新订单的车辆并规划行驶路线包括:提取所述新订单的地址信息,并根据所述新订单的地址信息和所述车辆调度策略,确定可运输所述新订单的车辆及运输过程中的各中转汇点;对各所述中转汇点进行路线的自由组合,生成至少一条路线;计算各所述路线的路径长度并比较各所述路径长度的值的大小;根据比较的结果,从至少一条所述路线中选取路径长度的值最小的路线作为行驶路线。
可选的,在本发明的第一方面的第三种实现方式中,所述提取所述新订单的地址信息,并根据所述车辆调度策略和所述新订单的地址信息,确定可运输所述新订单的车辆并规划行驶路线还包括:根据各所述中转汇点生成第一表格,其中,各所述中转汇点为所述第一表格中的表格元素;基于预设的西北角法,对所述第一表格进行填数处理,得到第一初始解;根据预设的位势法,计算所述第一表格中的空格的第一校验数;根据所述第一校验数,对所述第一初始解进行调整,得到第一最优解,并根据所述第一最优解生成行驶路线。
可选的,在本发明第一方面的第四种实现方式中,所述提取所述新订单的地址信息,并根据所述车辆调度策略和所述新订单的地址信息,确定可运输所述新订单的车辆并规划行驶路线还包括:根据各所述中转汇点生成第二表格,其中,各所述中转汇点为所述第二表格中的表格元素;计算并比较所述第二表格的各行各列中各表格元素的数据值,得到各行各列中的最小元素和次小元素;计算各行各列中所述最小元素和所述次小元素的差值,并根据所述差值,生成第二初始解;根据预设的位势法,计算所述第二表格中的空格的第二校验数;根据所述第二校验数,对所述第二初始解进行调整,得到第二最优解,并根据所述第二最优解生成行驶路线。
可选的,在本发明第一方面的第五种实现方式中,所述采集所述新订单的运输过程中的路网信息,并根据所述路网信息,对所述行驶路线进行动态调整包括:获取所述新订单的运输过程中起点和各所述中转汇点的路网信息;基于预设的链路状态路由算法和所述路网信息,计算所述起点与各所述中转汇点之间的最短路径;对所述最短路径进行多次迭代处理,得到最优路径,并基于所述最优路径对所述行驶路线进行动态调整,得到实时行驶路线。
可选的,在本发明第一方面的第六种实现方式中,所述采集所述新订单的运输过程中的路网信息,并根据所述路网信息,对所述行驶路线进行动态调整还包括:获取所述新订单的运输过程中起点、终点和各所述中转汇点的路网信息;基于预设的贝尔曼-福特算法和所述路网信息,计算所述起点到达各中转汇点之间的至少一个第一距离以及各中转汇点到达所述终点之间的至少一个第二距离;将至少一个所述第一距离与至少一个所述第二距离分别进行算术相加处理,得到至少一个距离值;对至少一个所述距离值进行数值比较,并根据数值比较的结果得到最短路径;根据所述最短路径对所述行驶路线进行动态调整,得到实时行驶路线。
本发明第二方面提出一种行驶路线的动态调整装置,所述行驶路线的动态调整装置包括:获取模块,用于获取历史订单的地址信息以及运输所述历史订单时的运输数据,并对所述地址信息与所述运输数据建立映射关系;分析模块,用于根据所述映射关系,对所述地址信息和所述运输数据进行数据分析,生成车辆调度策略;规划模块,用于当检测到有新订单时,提取所述新订单的地址信息,并根据所述车辆调度策略和所述新订单的地址信息,确定可运输所述新订单的车辆并规划行驶路线;调整模块,用于采集运输所述新订单的过程中的路网信息,并根据所述路网信息,对所述行驶路线进行动态调整。
可选的,在本发明第二方面的第一种实现方式中,所述分析模块具体用于:根据所述映射关系,提取所述地址信息中的发出地信息与签收地信息,确定运输的起点和终点;提取所述运输数据中的运输路线,并根据所述运输路线,确定运输过程中进行中转的各汇点及所述起点、所述终点和各所述汇点之间的有向路径,并根据所述有向路径生成有向图;提取所述有向图中各参数值,并根据各所述参数值生成邻接矩阵;调用预设的神经网络,构建所述邻接矩阵中的各元素与所述神经网络中各神经元的对应关系;根据所述对应关系,对所述邻接矩阵进行网络演化,生成换位阵,并根据所述换位阵和所述运输数据中的运输车辆,生成车辆调度策略。
可选的,在本发明第二方面的第二种实现方式中,所述规划模块具体用于:提取所述新订单的地址信息,并根据所述新订单的地址信息和所述车辆调度策略,确定可运输所述新订单的车辆及运输过程中的各中转汇点;对各所述中转汇点进行路线的自由组合,生成至少一条路线;计算各所述路线的路径长度并比较各所述路径长度的值的大小;根据比较的结果,从至少一条所述路线中选取路径长度的值最小的路线作为行驶路线。
可选的,在本发明第二方面的第三种实现方式中,所述规划模块还具体用于:根据各所述中转汇点生成第一表格,其中,各所述中转汇点为所述第一表格中的表格元素;基于预设的西北角法,对所述第一表格进行填数处理,得到第一初始解;根据预设的位势法,计算所述第一表格中的空格的第一校验数;根据所述第一校验数,对所述第一初始解进行调整,得到第一最优解,并根据所述第一最优解生成行驶路线。
可选的,在本发明第二方面的第四种实现方式中,所述规划模块还具体用于:根据各所述中转汇点生成第二表格,其中,各所述中转汇点为所述第二表格中的表格元素;计算并比较所述第二表格的各行各列中各表格元素的数据值,得到各行各列中的最小元素和次小元素;计算各行各列中所述最小元素和所述次小元素的差值,并根据所述差值,生成第二初始解;根据预设的位势法,计算所述第二表格中的空格的第二校验数;根据所述第二校验数,对所述第二初始解进行调整,得到第二最优解,并根据所述第二最优解生成行驶路线。。
可选的,在本发明第二方面的第五种实现方式中,所述调整模块具体用于:获取所述新订单的运输过程中起点和各所述中转汇点的路网信息;基于预设的链路状态路由算法和所述路网信息,计算所述起点与各所述中转汇点之间的最短路径;对所述最短路径进行多次迭代处理,得到最优路径,并基于所述最优路径对所述行驶路线进行动态调整,得到实时行驶路线。
可选的,在本发明第二方面的第六种实现方式中,所述调整模块还具体用于:获取所述新订单的运输过程中起点、终点和各所述中转汇点的路网信息;基于预设的贝尔曼-福特算法和所述路网信息,计算所述起点到达各中转汇点之间的至少一个第一距离以及各中转汇点到达所述终点之间的至少一个第二距离;将至少一个所述第一距离与至少一个所述第二距离分别进行算术相加处理,得到至少一个距离值;对至少一个所述距离值进行数值比较,并根据数值比较的结果得到最短路径;根据所述最短路径对所述行驶路线进行动态调整,得到实时行驶路线。
本发明第三方面提供了一种行驶路线的动态调整设备,所述行驶路线的动态调整设备包括: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,以使得所述行驶路线的动态调整设备执行上述的行驶路线的动态调整方法的步骤。
本发明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上存储有指令,当其在计算机上运行时,使得计算机执行上述的行驶路线的动态调整方法的步骤。
在本发明提供的技术方案中,通过获取历史订单的地址信息以及运输历史订单时的运输数据,并对地址信息与运输数据建立映射关系;根据映射关系,对地址信息和运输数据进行数据分析,生成车辆调度策略;当检测到有新订单时,提取新订单的地址信息,并根据车辆调度策略和新订单的地址信息,确定可运输新订单的车辆并规划行驶路线;采集运输新订单的过程中的路网信息,并根据路网信息,对行驶路线进行动态调整。本发明提供的技术方案实现了自动化对行驶路线的动态调整,提高了运输效率,并根据运输过程中的路网信息对行驶路线进行调整,保证了运输的安全性,从而降低了运输的成本,节约运输时间。
附图说明
图1为本发明实施例中行驶路线的动态调整方法的第一个实施例示意图;
图2为本发明实施例中行驶路线的动态调整方法的第二个实施例示意图;
图3为本发明实施例中行驶路线的动态调整方法的第三个实施例示意图;
图4为本发明实施例中行驶路线的动态调整方法的第四个实施例示意图;
图5为本发明实施例中行驶路线的动态调整装置的一个实施例示意图;
图6为本发明实施例中行驶路线的动态调整设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种行驶路线的动态调整方法、装置、设备及存储介质,通过获取历史订单的地址信息以及运输历史订单时的运输数据,并对地址信息与运输数据建立映射关系;根据映射关系,对地址信息和运输数据进行数据分析,生成车辆调度策略;当检测到有新订单时,提取新订单的地址信息,并根据车辆调度策略和新订单的地址信息,确定可运输新订单的车辆并规划行驶路线;采集运输新订单的过程中的路网信息,并根据路网信息,对行驶路线进行动态调整。本发明实施例实现了自动化对行驶路线的动态调整,提高了运输效率,并根据运输过程中的路网信息对行驶路线进行调整,保证了运输的安全性,从而降低了运输的成本,节约运输时间。
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内容进行描述,请参阅图1,本发明实施例中行驶路线的动态调整方法的第一个实施例包括:
101,获取历史订单的地址信息以及运输历史订单时的运输数据,并对地址信息与运输数据建立映射关系;
客户在订单管理系统上输入订单及相关的订单信息,物流承运商根据该订单信息及运输车辆、司机信息,通过服务器执行订单调度,即服务器根据订单信息进行运输车辆、司机的调度,并规划运输该订单时车辆的行驶路线。在运输该订单时,服务器自动采集运输车辆到达的各中转汇点的路网信息形成该订单的运输数据,已完成运输的订单为历史订单,即在签收地已被客户签收的订单为历史订单。其中,订单信息包括但不限于地址信息(发出地与签收地)、收件人和发件人信息;各中转汇点为进行中转的运营网点,各运营网点负责分发和派件,运输数据包括但不限于各中转汇点地址、行驶路线和运输车辆的信息。
服务器收集所有的历史订单,并从订单管理系统上调取与该历史订单对应的地址信息和运输该历史订单时产生的运输数据,并对该运输数据与地址信息建立映射关系。
102,根据映射关系,对地址信息和运输数据进行数据分析,生成车辆调度策略;
根据历史订单的地址信息和运输数据的映射关系,提取地址信息中的发出地信息与签收地信息,确定运输的起点和终点;提取运输数据中的运输路线,并根据运输路线,确定运输过程中进行中转的各汇点及起点、终点和各汇点之间的有向路径,并根据有向路径生成有向图;提取有向图中各参数值,并根据各参数值生成邻接矩阵;调用预设的神经网络,构建邻接矩阵中的各元素与神经网络中各神经元的对应关系;根据对应关系,对邻接矩阵进行网络演化,生成换位阵,并根据换位阵和运输数据中的运输车辆,生成车辆调度策略。
具体的,将车辆的起点、终点和所经过的各个汇点抽象成网络的结点,它们之间的有向路径抽象成网络的边,由此构成一个有向图G=(N,L,D),其中N表示结点数,L表示边数,D为N*N的矩阵,可根据优化的目标分别是边(i,j)对应的长度、费用或时间,这样可定义距离邻接矩阵、费用邻接矩阵和时间邻接矩阵。如果两个结点间存在路径,则相应矩阵元素的值为路径的长度或运费或运时;如果两个结点间不存在路径,则相应矩阵元素的值为∞。对于车辆调度中的约束,将其作为神经网络的一个能量项来处理,将其施加一个惩罚项后加入到网络的能量方程式中,这样随着网络的收敛,约束的能量也逐渐趋于稳态,使约束得到体现。邻接矩阵中的每个元素对应着一个神经元,定义位于位置(x,i)的神经元的输出为Vxi。首先确定网络的能量函数,该能量函数包括网络的输出能量函数和各个约束转化的能量函数,进而,确定神经元的传递函数和状态转移方程,经过网络的反复演化,直至收敛。当网络经过演化最终收敛时,可形成一个由0和1组成的换位阵,阵中的1所在位置即表示所经过的结点,这些结点间的距离、费用和运时之和即为最短距离、最少运费和最小运时。根据换位阵所形成的最短距离、最小运费和最小运时路径生成车辆调度策略。
103,当检测到有新订单时,提取新订单的地址信息,并根据车辆调度策略和新订单的地址信息,确定可运输新订单的车辆并规划行驶路线;
当服务器检测到有新订单需要运输时,服务器获取该新订单的地址信息,并根据车辆调度策略和新订单的地址信息,对新订单进行车辆调度。具体的,根据新订单的地址信息,确定可运输该新订单的全部车辆和司机,并根据车辆调度策略和各车辆、司机的预设权重进行权值计算,权值较大的车辆和司机优先被调度。然后根据该新订单的地址信息,规划行驶路线。
具体的,根据解决旅行商问题模型的贪心算法,服务器获取新订单的地址信息,并根据新订单的地址信息和车辆调度策略,确定可运输新订单的车辆及运输过程中的各中转汇点;对各中转汇点进行路线的自由组合,生成至少一条路线;计算各路线的路径长度并比较各路径长度的值的大小;根据比较的结果,从至少一条路线中选取最优的路线作为行驶路线,即最优的路线为路径长度的值最小的路线。
在规划行驶路线的过程中,还可以根据表上作业法,服务器获取新订单的地址信息,并根据新订单的地址信息和车辆调度策略,确定可运输新订单的车辆及运输过程中的各中转汇点;根据各中转汇点生成第一表格,其中,各中转汇点为第一表格中的表格元素;基于预设的西北角法,对第一表格进行填数处理,得到第一初始解;根据预设的位势法,计算第一表格中的空格的第一校验数;根据第一校验数,对第一初始解进行调整,得到第一最优解,并根据第一最优解生成行驶路线。
在规划行驶路线的过程中,还可以根据伏格尔法,服务器获取新订单的地址信息,并根据新订单的地址信息和车辆调度策略,确定可运输新订单的车辆及运输过程中的各中转汇点;根据各中转汇点生成第二表格,其中,各中转汇点为第二表格中的表格元素;计算并比较第二表格的各行各列中各表格元素的数据值,得到各行各列中的最小元素和次小元素;计算各行各列中最小元素和次小元素的差值,并根据差值,生成第二初始解;根据预设的位势法,计算第二表格中的空格的第二校验数;根据第二校验数,对第二初始解进行调整,得到第二最优解,并根据第二最优解生成行驶路线。
104,采集运输新订单的过程中的路网信息,并根据路网信息,对行驶路线进行动态调整。
在调用车辆运输新订单的过程中,服务器采集车辆运输新订单所经过的各中转汇点的路网信息,并将该路网信息通过实时查询、分时查询、分区查询或者是三种查询方式进行混合的方式进行数据整理并以短信、手机端应用程序推送、微信推送等方式推送给客户或相关操作人员,并由服务器对行驶路线进行动态调整。在此过程中,当车辆按照规划的行驶路线行驶时,根据路网信息判断该车辆所处路段,即判断车辆是否到达目的地,如果车辆没有到达目的地,则根据路网信息计算最短路径,对行驶路线进行动态调整,生成实时行驶路线。在本实施例中根据路由选择算法确定实时行驶路线。
具体的,服务器获取所述新订单的运输过程中各中转汇点的路网信息;基于预设的链路状态路由算法和路网信息,计算中转汇点中的起点与各中转汇点之间的最短路径;对最短路径进行多次迭代处理,得到最优路径,并基于最优路径对行驶路线进行动态调整,得到实时行驶路线。另外,还可以是,由服务器获取新订单的运输过程中起点、始点和各中转汇点的路网信息;基于预设的贝尔曼-福特算法和路网信息,计算起点到达各中转汇点之间的至少一个第一距离以及各中转汇点到达终点之间的至少一个第二距离;将至少一个第一距离与至少一个第二距离分别进行算术相加处理,得到至少一个距离值;对至少一个距离值进行数值比较,并根据数值比较的结果得到最短路径;根据最短路径对行驶路线进行动态调整,得到实时行驶路线。
在本发明实施例中,获取历史订单的地址信息以及运输数据并进行数据分析,生成车辆调度策略;当检测到有新订单时,提取新订单的地址信息,并根据车辆调度策略和新订单的地址信息,确定可运输新订单的车辆并规划行驶路线;采集运输新订单的过程中的路网信息,并根据路网信息,对行驶路线进行动态调整。本发明实施例实现了自动化对行驶路线的动态调整,提高了运输效率,保证了运输的安全性,从而降低了运输的成本,节约运输时间。
请参阅图2,本发明实施例中行驶路线的动态调整方法的第二个实施例包括:
201,获取历史订单的地址信息以及运输历史订单时的运输数据,并对地址信息与运输数据建立映射关系;
客户在订单管理系统上输入订单及相关的订单信息,物流承运商根据该订单信息及运输车辆、司机信息,通过服务器执行订单调度,即服务器根据订单信息进行运输车辆、司机的调度,并规划运输该订单时车辆的行驶路线。在运输该订单时,服务器自动采集运输车辆到达的各中转汇点的路网信息形成该订单的运输数据,已完成运输的订单为历史订单,即在签收地已被客户签收的订单为历史订单。其中,订单信息包括但不限于地址信息(发出地与签收地)、收件人和发件人信息;各中转汇点为进行中转的运营网点,各运营网点负责分发和派件,运输数据包括但不限于各中转汇点地址、行驶路线和运输车辆的信息。
服务器收集所有的历史订单,并从订单管理系统上调取与该历史订单对应的地址信息和运输该历史订单时产生的运输数据,并对该运输数据与地址信息建立映射关系。
202,根据映射关系,对地址信息和运输数据进行数据分析,生成车辆调度策略;
根据历史订单的地址信息和运输数据的映射关系,提取地址信息中的发出地信息与签收地信息,确定运输的起点和终点;提取运输数据中的运输路线,并根据运输路线,确定运输过程中进行中转的各汇点及起点、终点和各汇点之间的有向路径,并根据有向路径生成有向图;提取有向图中各参数值,并根据各参数值生成邻接矩阵;调用预设的神经网络,构建邻接矩阵中的各元素与神经网络中各神经元的对应关系;根据对应关系,对邻接矩阵进行网络演化,生成换位阵,并根据换位阵和运输数据中的运输车辆,生成车辆调度策略。
具体的,将车辆的起点、终点和所经过的各个汇点抽象成网络的结点,它们之间的有向路径抽象成网络的边,由此构成一个有向图G=(N,L,D),其中N表示结点数,L表示边数,D为N*N的矩阵,可根据优化的目标分别是边(i,j)对应的长度、费用或时间,这样可定义距离邻接矩阵、费用邻接矩阵和时间邻接矩阵。如果两个结点间存在路径,则相应矩阵元素的值为路径的长度或运费或运时;如果两个结点间不存在路径,则相应矩阵元素的值为∞。对于车辆调度中的约束,将其作为神经网络的一个能量项来处理,将其施加一个惩罚项后加入到网络的能量方程式中,这样随着网络的收敛,约束的能量也逐渐趋于稳态,使约束得到体现。邻接矩阵中的每个元素对应着一个神经元,定义位于位置(x,i)的神经元的输出为Vxi。首先确定网络的能量函数,该能量函数包括网络的输出能量函数和各个约束转化的能量函数,进而,确定神经元的传递函数和状态转移方程,经过网络的反复演化,直至收敛。当网络经过演化最终收敛时,可形成一个由0和1组成的换位阵,阵中的1所在位置即表示所经过的结点,这些结点间的距离、费用和运时之和即为最短距离、最少运费和最小运时。根据换位阵所形成的最短距离、最小运费和最小运时路径生成车辆调度策略。
203,当检测到有新订单时,提取新订单的地址信息,并根据新订单的地址信息和车辆调度策略,确定可运输新订单的车辆及运输过程中的各中转汇点;
204,对各中转汇点进行路线的自由组合,生成至少一条路线;
205,计算各路线的路径长度并比较各路径长度的值的大小;
206,根据比较的结果,从至少一条路线中选取路径长度的值最小的路线作为行驶路线;
当服务器检测到有新订单需要运输时,服务器根据预设的贪心算法,获取该新订单的地址信息,并根据车辆调度策略和新订单的地址信息,对新订单进行车辆调度。具体的,根据新订单的地址信息,确定可运输该新订单的全部车辆和司机,并根据车辆调度策略和各车辆、司机的预设权重进行权值计算,权值较大的车辆和司机优先被调度。
根据新订单的地址信息(发出地与签收地),确定该新订单在运输过程中可能会进行中转的所有中转汇点,并对各中转汇点进行路线的自由组合,生成至少一条线路,即从所有的中转汇点中随机选择中转汇点并排序进行线路的自由组合,生成至少一条线路;计算至少一条线路的路径长度值,并根据各线路的路径长度值进行数值比较,得到路径长度值最小的线路,该线路为最优线路,并将该线路作为行驶线路。
207,获取所述新订单的运输过程中各中转汇点的路网信息;
208,基于预设的链路状态路由算法和路网信息,计算中转汇点中的起点与各中转汇点之间的最短路径;
209,对最短路径进行多次迭代处理,得到最优路径,并基于最优路径对行驶路线进行动态调整,得到实时行驶路线。
获取新订单在运输过程中各中转汇点的路网信息,根据路网信息判断该车辆所处路段,即判断车辆是否到达目的地,如果车辆没有到达目的地,则根据路网信息计算从中转汇点的起点到达其他的中转汇点的最短路径,经过k次迭代后,得到到达k个目的中转汇点的最短路径,将迭代后的最短路径作为最优路径,并根据该最优路径对车辆当前的行驶路线进行动态调整,得到实时行驶路线。
在本发明实施例中,获取新订单在运输过程中各中转汇点的路网信息,并根据该路网信息计算最短路径,对最短路径进行多次迭代处理,得到最优路径,根据该最优路径对行驶路线进行动态调整,本实施实现了对行驶路线的动态调整,且调整后的实时行驶路线为最短行驶路径,提高了运输效率,节约了运输时间和成本。
请参阅图3,本发明实施例中行驶路线的动态调整方法的第三个实施例包括:
301,获取历史订单的地址信息以及运输历史订单时的运输数据,并对地址信息与运输数据建立映射关系;
302,根据映射关系,对地址信息和运输数据进行数据分析,生成车辆调度策略;
303,当检测到有新订单时,提取新订单的地址信息,并根据新订单的地址信息和车辆调度策略,确定可运输新订单的车辆及运输过程中的各中转汇点;
304,根据各中转汇点生成第一表格;
305,基于预设的西北角法,对第一表格进行填数处理,得到第一初始解;
306,根据预设的位势法,计算第一表格中的空格的第一校验数;
307,根据第一校验数,对第一初始解进行调整,得到第一最优解,并根据第一最优解生成行驶路线;
当服务器检测到有新订单需要运输时,服务器根据预设的表上作业法,获取该新订单的地址信息,并根据车辆调度策略和新订单的地址信息,对新订单进行车辆调度。具体的,根据新订单的地址信息,确定可运输该新订单的全部车辆和司机,并根据车辆调度策略和各车辆、司机的预设权重进行权值计算,权值较大的车辆和司机优先被调度。
根据新订单的地址信息(发出地与签收地),确定该新订单在运输过程中可能会进行中转的所有中转汇点,将这些中转汇点列成第一表格,即根据所有的中转汇点生成第一表格,中转汇点作为表格元素。根据表上作业法的西北角法,从第一表格的西北角(左上角)格开始,在格内的右下角标上允许取得的最大数,然后按行(列)标下一格的数,若某行(列)的路径长度已满足最短路径要求,则将该行(列)的其他格划去,如此进行下去,直至得到一个第一初始解。求出各非基变量的检验数,判别是否达到最优解。如果达到最优解,则停止计算,否则转入下一步,用位势法计算;运输问题的约束条件共有m+n个,其中,m是距离的限制;n是运时的限制。其对偶问题也应有m+n个变量,据此:δij=cij-(ui+vj),其中前m个计为ui(i=1,2...m),前n个计为vj(i=1,2...n);
由单纯形法可知,基变量的δij=0;cij-(ui+vj)=0,因此ui,vj可以求出。改进当前的基本可行解(确定换入、换出变量),用闭合回路法调整;δij≥0(因为目标函数要求最小化),表格中有调运量的地方为基变量,空格处为非基变量。基变量的检验数δij=0,非基变量的检验数δij≥0。δij<0表示运费减少,δij>0表示运费增加。重复上述步骤直至得到最优解,并将该最优解作为最短路径,根据该最短路径对行驶路线进行调整,生成实时行驶路线。
308,获取所述新订单的运输过程中起点和各中转汇点的路网信息;
309,基于预设的链路状态路由算法和路网信息,计算起点与各中转汇点之间的最短路径;
310,对最短路径进行多次迭代处理,得到最优路径,并基于最优路径对行驶路线进行动态调整,得到实时行驶路线。
获取新订单在运输过程中起点和各中转汇点的路网信息,根据路网信息判断该车辆所处路段,即判断车辆是否到达目的地,如果车辆没有到达目的地,则根据路网信息计算从起点到达其他的中转汇点的最短路径,经过k次迭代后,得到到达k个目的中转汇点的最短路径,将迭代后的最短路径作为最优路径,并根据该最优路径对车辆当前的行驶路线进行动态调整,得到实时行驶路线。
在本发明实施例中,步骤301-302与上述的行驶路线的动态调整方法的第一个实施例的步骤101-102一致,在此不做赘述。
在本发明实施例中,在对行驶路线进行规划时,根据预设的表上作业法由运输过程中的中转汇点形成表格,并计算初始解和校验数,生成路径长度最短的行驶路线,节约了运输成本,且在运输过程中,根据路网信息对行驶路线进行动态调整,提高了实际运输效率。
请参阅图4,本发明实施例中行驶路线的动态调整方法的第四个实施例包括:
401,获取历史订单的地址信息以及运输历史订单时的运输数据,并对地址信息与运输数据建立映射关系;
402,根据映射关系,对地址信息和运输数据进行数据分析,生成车辆调度策略;
403,当检测到有新订单时,提取新订单的地址信息,并根据新订单的地址信息和车辆调度策略,确定可运输新订单的车辆及运输过程中的各中转汇点;
404,根据各中转汇点生成第二表格;
405,计算并比较第二表格的各行各列中各表格元素的数据值,得到各行各列中的最小元素和次小元素;
406,计算各行各列中最小元素和次小元素的差值,并根据差值,生成第二初始解;
407,根据预设的位势法,计算第二表格中的空格的第二校验数;
408,根据第二校验数,对第二初始解进行调整,得到第二最优解,并根据第二最优解生成行驶路线;
当服务器检测到有新订单需要运输时,服务器根据预设的表上作业法,获取该新订单的地址信息,并根据车辆调度策略和新订单的地址信息,对新订单进行车辆调度。具体的,根据新订单的地址信息,确定可运输该新订单的全部车辆和司机,并根据车辆调度策略和各车辆、司机的预设权重进行权值计算,权值较大的车辆和司机优先被调度。
根据新订单的地址信息(发出地与签收地),确定该新订单在运输过程中可能会进行中转的所有中转汇点,将这些中转汇点列成第二表格,即根据所有的中转汇点生成第二表格,中转汇点作为表格元素。计算出第二表格的各行各列中各表格元素的运输费用的数据值并进行比较,得到各行各列中的最小元素和次小元素即最小费用和次小费用,并计算出表格中的各行各列中的最小元素和次小元素的差额,并标出差额最大的(若几个差额同为最大,则可任取其一),在差额最大的行或列中的最小元素处填上尽可能大的数。对未划去的行列重复以上步骤,直到得到一个第二初始解。调用预设的位势法,计算出第二表格中的空格的第二校验数,然后根据该第二校验数对第二初始解进行调整,得到第二最优解,该第二最优解为最短路径,根据该最短路径对当前的行驶路线进行调整,得到实时行驶路线。
409,获取新订单的运输过程中起点、终点和各中转汇点的路网信息;
410,基于预设的贝尔曼-福特算法和路网信息,计算起点到达各中转汇点之间的至少一个第一距离以及各中转汇点到达终点之间的至少一个第二距离;
411,将至少一个第一距离与至少一个第二距离分别进行算术相加处理,得到至少一个距离值;
412,对至少一个距离值进行数值比较,并根据数值比较的结果得到最短路径;
413,根据最短路径对行驶路线进行动态调整,得到实时行驶路线。
获取新订单在运输过程中起点、终点和各中转汇点的路网信息,根据路网信息判断该车辆所处路段,即判断车辆是否到达目的地,如果车辆没有到达目的地,则根据路网信息和预设的贝尔曼-福特算法(Bellman-Ford算法),计算从起点到达各个中转汇点之间的第一距离,以及各中转汇点到达终点之间的第二距离;将第一距离和第二距离进行算术相加运算,得到距离值,即起点和终点之间的最短路径为第一距离和第二距离相加之后的距离值,对所有的距离值进行数值的大小比较,得到数值最小的距离值,即与该距离值对应的路径为最短路径,根据该最短路径对当前车辆的行驶路线进行调整,得到实时行驶路线。
在本发明实施例中,步骤401-402与上述的行驶路线的动态调整方法的第一个实施例的步骤101-102一致,在此不做赘述。
在本发明实施例中,获取运输过程中所有中转汇点的路网信息,根据路网信息计算起点到达中转汇点的距离值,以及中转汇点到达终点的距离值,根据这两个距离值生成最短路径,根据最短路径对行驶路线进行动态调整,提高了实际运输效率。
上面对本发明实施例中的行驶路线的动态调整方法进行了描述,下面对本发明实施例中的行驶路线的动态调整装置进行描述,请参照图5,本发明实施例中的行驶路线的动态调整装置的一个实施例包括:
获取模块501,用于获取历史订单的地址信息以及运输所述历史订单时的运输数据,并对所述地址信息与所述运输数据建立映射关系;
分析模块502,用于根据所述映射关系,对所述地址信息和所述运输数据进行数据分析,生成车辆调度策略;
规划模块503,用于当检测到有新订单时,提取所述新订单的地址信息,并根据所述车辆调度策略和所述新订单的地址信息,确定可运输所述新订单的车辆并规划行驶路线;
调整模块504,用于采集运输所述新订单的过程中的路网信息,并根据所述路网信息,对所述行驶路线进行动态调整。
可选的,所述分析模块502具体用于:
根据所述映射关系,提取所述地址信息中的发出地信息与签收地信息,确定运输的起点和终点;
提取所述运输数据中的运输路线,并根据所述运输路线,确定运输过程中进行中转的各汇点及所述起点、所述终点和各所述汇点之间的有向路径,并根据所述有向路径生成有向图;
提取所述有向图中各参数值,并根据各所述参数值生成邻接矩阵;
调用预设的神经网络,构建所述邻接矩阵中的各元素与所述神经网络中各神经元的对应关系;
根据所述对应关系,对所述邻接矩阵进行网络演化,生成换位阵,并根据所述换位阵和所述运输数据中的运输车辆,生成车辆调度策略。
可选的,所述规划模块503具体用于:
提取所述新订单的地址信息,并根据所述新订单的地址信息和所述车辆调度策略,确定可运输所述新订单的车辆及运输过程中的各中转汇点;
对各所述中转汇点进行路线的自由组合,生成至少一条路线;
计算各所述路线的路径长度并比较各所述路径长度的值的大小;
根据比较的结果,从至少一条所述路线中选取路径长度的值最小的路线作为行驶路线。
可选的,所述规划模块503还具体用于:
根据各所述中转汇点生成第一表格,其中,各所述中转汇点为所述第一表格中的表格元素;
基于预设的西北角法,对所述第一表格进行填数处理,得到第一初始解;
根据预设的位势法,计算所述第一表格中的空格的第一校验数;
根据所述第一校验数,对所述第一初始解进行调整,得到第一最优解,并根据所述第一最优解生成行驶路线。
可选的,所述规划模块503还具体用于:
根据各所述中转汇点生成第二表格,其中,各所述中转汇点为所述第二表格中的表格元素;
计算并比较所述第二表格的各行各列中各表格元素的数据值,得到各行各列中的最小元素和次小元素;
计算各行各列中所述最小元素和所述次小元素的差值,并根据所述差值,生成第二初始解;
根据预设的位势法,计算所述第二表格中的空格的第二校验数;
根据所述第二校验数,对所述第二初始解进行调整,得到第二最优解,并根据所述第二最优解生成行驶路线。
可选的,所述调整模块504具体用于:
获取所述新订单的运输过程中起点和各所述中转汇点的路网信息;
基于预设的链路状态路由算法和所述路网信息,计算所述起点与各所述中转汇点之间的最短路径;
对所述最短路径进行多次迭代处理,得到最优路径,并基于所述最优路径对所述行驶路线进行动态调整,得到实时行驶路线。
可选的,所述调整模块504还具体用于:
获取所述新订单的运输过程中起点、终点和各所述中转汇点的路网信息;
基于预设的贝尔曼-福特算法和所述路网信息,计算所述起点到达各中转汇点之间的至少一个第一距离以及各中转汇点到达所述终点之间的至少一个第二距离;
将至少一个所述第一距离与至少一个所述第二距离分别进行算术相加处理,得到至少一个距离值;
对至少一个所述距离值进行数值比较,并根据数值比较的结果得到最短路径;
根据所述最短路径对所述行驶路线进行动态调整,得到实时行驶路线。
在本发明实施例中,行驶路线的动态调整装置通过获取历史订单的地址信息以及运输数据并进行数据分析,生成车辆调度策略;当检测到有新订单时,提取新订单的地址信息,并根据车辆调度策略和新订单的地址信息,确定可运输新订单的车辆并规划行驶路线;采集运输新订单的过程中的路网信息,并根据路网信息,对行驶路线进行动态调整。本发明实施例实现了自动化对行驶路线的动态调整,提高了运输效率,保证了运输的安全性,从而降低了运输的成本,节约运输时间。
请参阅图6,下面从硬件处理的角度对本发明实施例中的行驶路线的动态调整设备的一个实施例进行详细描述。
图6是本发明实施例提供的一种行驶路线的动态调整设备的结构示意图,该行驶路线的动态调整设备600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)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630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行驶路线的动态调整设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在行驶路线的动态调整设备600上执行存储介质630中的一系列指令操作。
行驶路线的动态调整设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和或或,一个或一个以上操作系统631,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图6示出的行驶路线的动态调整设备结构并不构成对行驶路线的动态调整设备的限定,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行驶路线的动态调整方法的步骤。
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,上述描述的装置和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)
1.一种行驶路线的动态调整方法,其特征在于,所述行驶路线的动态调整方法包括:
获取历史订单的地址信息以及运输所述历史订单时的运输数据,并对所述地址信息与所述运输数据建立映射关系;
根据所述映射关系,对所述地址信息和所述运输数据进行数据分析,生成车辆调度策略;
当检测到有新订单时,提取所述新订单的地址信息,并根据所述车辆调度策略和所述新订单的地址信息,确定可运输所述新订单的车辆并规划行驶路线;
采集运输所述新订单的过程中的路网信息,并根据所述路网信息,对所述行驶路线进行动态调整。
2.根据权利要求1所述的行驶路线的动态调整方法,其特征在于,所述根据所述映射关系,对所述地址信息和所述运输数据进行数据分析,生成车辆调度策略包括:
根据所述映射关系,提取所述地址信息中的发出地信息与签收地信息,确定运输的起点和终点;
提取所述运输数据中的运输路线,并根据所述运输路线,确定运输过程中进行中转的各汇点及所述起点、所述终点和各所述汇点之间的有向路径,并根据所述有向路径生成有向图;
提取所述有向图中各参数值,并根据各所述参数值生成邻接矩阵;
调用预设的神经网络,构建所述邻接矩阵中的各元素与所述神经网络中各神经元的对应关系;
根据所述对应关系,对所述邻接矩阵进行网络演化,生成换位阵,并根据所述换位阵和所述运输数据中的运输车辆,生成车辆调度策略。
3.根据权利要求2所述的行驶路线的动态调整方法,其特征在于,所述提取所述新订单的地址信息,并根据所述车辆调度策略和所述新订单的地址信息,确定可运输所述新订单的车辆并规划行驶路线包括:
提取所述新订单的地址信息,并根据所述新订单的地址信息和所述车辆调度策略,确定可运输所述新订单的车辆及运输过程中的各中转汇点;
对各所述中转汇点进行路线的自由组合,生成至少一条路线;
计算各所述路线的路径长度并比较各所述路径长度的值的大小;
根据比较的结果,从至少一条所述路线中选取路径长度的值最小的路线作为行驶路线。
4.根据权利要求3所述的行驶路线的动态调整方法,其特征在于,所述提取所述新订单的地址信息,并根据所述车辆调度策略和所述新订单的地址信息,确定可运输所述新订单的车辆并规划行驶路线还包括:
根据各所述中转汇点生成第一表格,其中,各所述中转汇点为所述第一表格中的表格元素;
基于预设的西北角法,对所述第一表格进行填数处理,得到第一初始解;
根据预设的位势法,计算所述第一表格中的空格的第一校验数;
根据所述第一校验数,对所述第一初始解进行调整,得到第一最优解,并根据所述第一最优解生成行驶路线。
5.根据权利要求3所述的行驶路线的动态调整方法,其特征在于,所述提取所述新订单的地址信息,并根据所述车辆调度策略和所述新订单的地址信息,确定可运输所述新订单的车辆并规划行驶路线还包括:
根据各所述中转汇点生成第二表格,其中,各所述中转汇点为所述第二表格中的表格元素;
计算并比较所述第二表格的各行各列中各表格元素的数据值,得到各行各列中的最小元素和次小元素;
计算各行各列中所述最小元素和所述次小元素的差值,并根据所述差值,生成第二初始解;
根据预设的位势法,计算所述第二表格中的空格的第二校验数;
根据所述第二校验数,对所述第二初始解进行调整,得到第二最优解,并根据所述第二最优解生成行驶路线。
6.根据权利要求1-5中任一项所述的行驶路线的动态调整方法,其特征在于,所述采集所述新订单的运输过程中的路网信息,并根据所述路网信息,对所述行驶路线进行动态调整包括:
获取所述新订单的运输过程中起点和各所述中转汇点的路网信息;
基于预设的链路状态路由算法和所述路网信息,计算所述起点与各所述中转汇点之间的最短路径;
对所述最短路径进行多次迭代处理,得到最优路径,并基于所述最优路径对所述行驶路线进行动态调整,得到实时行驶路线。
7.根据权利要求6所述的行驶路线的动态调整方法,其特征在于,所述采集所述新订单的运输过程中的路网信息,并根据所述路网信息,对所述行驶路线进行动态调整还包括:
获取所述新订单的运输过程中起点、终点和各所述中转汇点的路网信息;
基于预设的贝尔曼-福特算法和所述路网信息,计算所述起点到达各中转汇点之间的至少一个第一距离以及各中转汇点到达所述终点之间的至少一个第二距离;
将至少一个所述第一距离与至少一个所述第二距离分别进行算术相加处理,得到至少一个距离值;
对至少一个所述距离值进行数值比较,并根据数值比较的结果得到最短路径;
根据所述最短路径对所述行驶路线进行动态调整,得到实时行驶路线。
8.一种行驶路线的动态调整装置,其特征在于,所述行驶路线的动态调整装置包括:
获取模块,用于获取历史订单的地址信息以及运输所述历史订单时的运输数据,并对所述地址信息与所述运输数据建立映射关系;
分析模块,用于根据所述映射关系,对所述地址信息和所述运输数据进行数据分析,生成车辆调度策略;
规划模块,用于当检测到有新订单时,提取所述新订单的地址信息,并根据所述车辆调度策略和所述新订单的地址信息,确定可运输所述新订单的车辆并规划行驶路线;
调整模块,用于采集运输所述新订单的过程中的路网信息,并根据所述路网信息,对所述行驶路线进行动态调整。
9.一种行驶路线的动态调整设备,其特征在于,所述行驶路线的动态调整设备包括:
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,以使得所述网络访问探测设备执行如权利要求1-7中任一项所述的行驶路线的动态调整方法的步骤。
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指令,其特征在于,所述指令被处理器执行时实现如权利要求1-7中任一项所述的行驶路线的动态调整方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110655114.XA CN113469614A (zh) | 2021-06-11 | 2021-06-11 | 行驶路线的动态调整方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110655114.XA CN113469614A (zh) | 2021-06-11 | 2021-06-11 | 行驶路线的动态调整方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113469614A true CN113469614A (zh) | 2021-10-01 |
Family
ID=77870028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110655114.XA Pending CN113469614A (zh) | 2021-06-11 | 2021-06-11 | 行驶路线的动态调整方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113469614A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115439071A (zh) * | 2022-11-09 | 2022-12-06 | 成都运荔枝科技有限公司 | 一种冷链物流运输订单处理方法和系统 |
-
2021
- 2021-06-11 CN CN202110655114.XA patent/CN113469614A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115439071A (zh) * | 2022-11-09 | 2022-12-06 | 成都运荔枝科技有限公司 | 一种冷链物流运输订单处理方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Burinskiene et al. | A simulation study for the sustainability and reduction of waste in warehouse logistics | |
Vivaldini et al. | Integrated tasks assignment and routing for the estimation of the optimal number of AGVS | |
Caramia et al. | A milk collection problem with incompatibility constraints | |
Rashidi et al. | A complete and an incomplete algorithm for automated guided vehicle scheduling in container terminals | |
CN110059900B (zh) | 用于控制仓库中运输车的方法和装置 | |
Köchel et al. | Optimal control of a distributed service system with moving resources: Application to the fleet sizing and allocation problem | |
CN114023094A (zh) | 一种码头车辆调度系统、方法、设备和介质 | |
CN113780956B (zh) | 物流运费生成方法、装置、设备及存储介质 | |
CN112884409A (zh) | 配送路线推荐方法、装置、设备及存储介质 | |
CN113393020A (zh) | 物流智能调度方法、装置、设备及存储介质 | |
Zhou et al. | Information-based allocation strategy for grid-based transshipment automated container terminal | |
Alcalde et al. | Optimal space for storage yard considering yard inventory forecasts and terminal performance | |
CN108346025B (zh) | 基于云的智慧物流计算方法 | |
Nambiar et al. | A multi-agent vehicle routing system for garbage collection | |
CN113469614A (zh) | 行驶路线的动态调整方法、装置、设备及存储介质 | |
Kronmueller et al. | On-demand grocery delivery from multiple local stores with autonomous robots | |
CN108959782B (zh) | 一种智能车间的布局优化方法、装置及设备 | |
Liu et al. | Simultaneous planning and scheduling for multi-autonomous vehicles | |
CN108416471B (zh) | 用于供应链的智能计算方法 | |
CN108197879B (zh) | 一种多模式客货共运方法及系统 | |
Cokyasar | Delivery drone route planning over a battery swapping network | |
Reveliotis et al. | Min-time coverage in constricted environments: Problem formulations and complexity analysis | |
CN115526385B (zh) | 一种仓储物流配送路径规划方法、装置、设备及介质 | |
Zaghdoud et al. | Optimization problem of assignment containers to AIVs in a container terminal |
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 |