CN113762564A - 货物的输送方法、装置、计算设备及介质 - Google Patents

货物的输送方法、装置、计算设备及介质 Download PDF

Info

Publication number
CN113762564A
CN113762564A CN202010793108.6A CN202010793108A CN113762564A CN 113762564 A CN113762564 A CN 113762564A CN 202010793108 A CN202010793108 A CN 202010793108A CN 113762564 A CN113762564 A CN 113762564A
Authority
CN
China
Prior art keywords
conveying
cargo
optimal
conveying path
path
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
CN202010793108.6A
Other languages
English (en)
Inventor
孙华
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.)
Beijing Jingdong Qianshi Technology Co Ltd
Original Assignee
Beijing Jingdong Qianshi Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Qianshi Technology Co Ltd filed Critical Beijing Jingdong Qianshi Technology Co Ltd
Priority to CN202010793108.6A priority Critical patent/CN113762564A/zh
Publication of CN113762564A publication Critical patent/CN113762564A/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
    • G06Q10/04—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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Computational Linguistics (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种货物的输送方法。该方法包括获取输送任务数据，输送任务数据包括至少一个起点、至少一个终点、至少一个出发时刻以及需要输送的货物的数量，其中，至少一个起点和至少一个终点之间具有至少一条输送路径；获取至少一条输送路径中每条输送路径的输送参数；根据输送任务数据和输送参数，建立元胞传输模型；利用元胞传输模型，从至少一个出发时刻中确定每个货物的最优出发时刻，并从至少一条输送路径中确定最优输送路径；以及针对每个货物，在货物的最优出发时刻，经由货物的最优输送路径，输送货物。本公开还提供了一种货物的输送装置、计算设备及介质。

Description

货物的输送方法、装置、计算设备及介质
技术领域
本公开涉及计算机技术领域/互联网技术领域/电子技术领域，更具体地，涉及一种货物的输送方法、装置、计算设备及介质。
背景技术
随着电子商务的快速发展，越来越多的用户选择在网上购物。电商平台各个仓库每天需要处理数以万计的大小订单，订单的发货效率会直接影响到用户的消费体验。而输送线传输效率与订单发货效率息息相关，输送线传输效率的提升，对用户体验和运营成本的降低具有积极的影响。现有的输送线路径优化方案按照传输波次选择一定数量的订单，定位所选订单中所有商品的货架位置，每个货架位置对应一个节点，根据节点的位置生成输送线路径优化方案。常见的两种路径优化方案分别是：U型路径生成方案和A*路径生成方案。
U型路径生成方案所确定的传输路径并非最优，若按照该传输路径进行拣选商品，输送线会走很多冤枉路，影响整体拣货效率。而采用基于A*算法的传输路径大多会选择最短路和次短路，当拣货箱数量较大时，容易造成拣货路径的大面积拥堵，降低输送线传输效率。
因此，上述仓库输送线路径优化方案无法保证拣货效率，从而影响订单的发货时效。
发明内容
有鉴于此，本公开提供了一种货物的输送方法、装置、计算设备及介质。
本公开的一个方面提供了一种货物的输送方法，包括：获取输送任务数据，所述输送任务数据包括至少一个起点、至少一个终点、至少一个出发时刻以及需要输送的货物的数量，其中，所述至少一个起点和所述至少一个终点之间具有至少一条输送路径；获取所述至少一条输送路径中每条输送路径的输送参数；根据所述输送任务数据和所述输送参数，建立元胞传输模型；利用所述元胞传输模型，从所述至少一个出发时刻中确定每个货物的最优出发时刻，并从所述至少一条输送路径中确定最优输送路径；以及针对所述每个货物，在所述货物的最优出发时刻，经由所述货物的最优输送路径，输送所述货物。
根据本公开的实施例，根据所述输送任务数据和所述输送参数，建立元胞传输模型包括：以所述至少一条输送路径的总流量最小为目标，确定元胞传输模型的目标函数；以及根据所述输送任务数据和所述输送参数，确定元胞传输模型的约束函数。
根据本公开的实施例，输送路径包括多个路段；所述以所述至少一条输送路径的总流量最小为目标，确定元胞传输模型的目标函数，包括：根据以下公式建立所述目标函数：
Figure BDA0002623130940000021
其中，所述f(x)为所述目标函数，所述
Figure BDA0002623130940000022
为在时刻t所述多条输送路径中第i个路段中货物的数量，
Figure BDA0002623130940000023
Figure BDA0002623130940000024
为时刻集合，C为所有路段集合，CS为终点集合，m为预设虚拟变量，m为正整数。
根据本公开的实施例，通过所述元胞传输模型，从所述至少一个出发时刻中确定每个货物的最优出发时刻，并从所述至少一条输送路径中确定最优输送路径，包括：利用分支定界算法求解所述元胞传输模型，以得到所述每个货物的最优出发时刻和最优输送路径。
根据本公开的实施例，输送参数包括所述多条输送路径中每个路段的通行能力、阻塞密度以及反向冲击速度，所述通行能力用于表示所述每个路段未发生阻塞时的最大货物流量，所述阻塞密度用于表示所述每个路段发生阻塞时的货物密度，所述反向冲击速度用于表示所述每个路段发生阻塞时货物反向移动的速度。
本公开的另一个方面提供了一种货物的输送装置，包括：第一获取模块，用于获取输送任务数据，所述输送任务数据包括至少一个起点、至少一个终点、至少一个出发时刻以及需要输送的货物的数量，其中，所述至少一个起点和所述至少一个终点之间具有至少一条输送路径；第二获取模块，用于获取所述至少一条输送路径中每条输送路径的输送参数；建模模块，用于根据所述输送任务数据和所述输送参数，建立元胞传输模型确定模块，用于利用所述元胞传输模型，从所述至少一个出发时刻中确定每个货物的最优出发时刻，并从所述至少一条输送路径中确定最优输送路径；以及输送模块，用于针对所述每个货物，在所述货物的最优出发时刻，经由所述货物的最优输送路径，输送所述货物。
根据本公开的实施例，所述建模模块包括：目标函数单元，用于以所述至少一条输送路径的总流量最小为目标，确定元胞传输模型的目标函数；以及约束函数单元，用于根据所述输送任务数据和所述输送参数，确定元胞传输模型的约束函数。
根据本公开的实施例，所述输送路径包括多个路段；所述目标函数单元具体用于：根据以下公式建立所述目标函数：
Figure BDA0002623130940000031
其中，所述f(x)为所述目标函数，所述
Figure BDA0002623130940000032
为在时刻t所述多条输送路径中第i个路段中货物的数量，
Figure BDA0002623130940000033
Figure BDA0002623130940000034
为时刻集合，C为所有路段集合，CS为终点集合，m为预设虚拟变量，m为正整数。
本公开的另一个方面提供了一种计算设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上所述的方法。
本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
根据本公开的实施例，通过同时对输送线拣货时间和传输路径进行优化，有效提升了输送线传输效率，进而提高了仓库的拣选效率。
附图说明
通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
图1示意性示出了根据本公开实施例的可以应用货物的输送方法的示例性系统架构；
图2A示意性示出了根据本公开实施例的货物的输送方法的流程图；
图2B示意性示出了根据本公开实施例的根据输送任务数据和输送参数；
图3示意性示出了根据本公开的实施例的分支定界算法的示意图；
图4示意性示出了根据本公开另一实施例的输送线的示意图；
图5示意性示出了根据本公开的实施例的货物的输送装置的框图；以及
图6示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机系统的方框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释 (例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有 B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C 等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C 的系统等)。
本公开的实施例提供了一种货物的输送方法以及能够应用该方法的装置。该方法包括获取输送任务数据，所述输送任务数据包括至少一个起点、至少一个终点、至少一个出发时刻以及需要输送的货物的数量，其中，所述至少一个起点和所述至少一个终点之间具有至少一条输送路径；获取所述至少一条输送路径中每条输送路径的输送参数；根据所述输送任务数据和所述输送参数，建立元胞传输模型；利用所述元胞传输模型，从所述至少一个出发时刻中确定每个货物的最优出发时刻，并从所述至少一条输送路径中确定最优输送路径；以及针对所述每个货物，在所述货物的最优出发时刻，经由所述货物的最优输送路径，输送所述货物。
图1示意性示出了根据本公开实施例的可以应用货物的输送方法的示例性系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示，根据该实施例的系统架构100可以包括控制系统101 和输送线系统102。
控制系统101可以用于按照输送任务(例如拣货任务)，生成优化后的输送方案，然后控制输送线系统102，在最优输送时刻，经由最优输送路径，将每个货物(例如拣货箱)从场地的一个位置输送到另一个位置，从而完成生产货物的时空转移。
输送线系统102可以包括一条或多条输送线。输送线系统102可以用于接收控制系统101的指令，并根据指令，在指定时刻，沿指定路径将输送线上的货物输送到目的地。
图2A示意性示出了根据本公开的实施例的货物的输送方法的流程图。
如图2A所示，该方法包括在操作S210，获取输送任务数据。
根据本公开的实施例，输送任务数据可以用于表示所需输送的货物的信息、输送的起点和终点、可用的出发时刻等。示例性地，输送任务数据例如可以包括至少一个起点、至少一个终点、至少一个出发时刻以及需要输送的货物的数量，其中，至少一个起点和至少一个终点之间具有至少一条输送路径。
然后，在操作S220，获取至少一条输送路径中每条输送路径的输送参数。
根据本公开的实施例，输送参数例如可以包括多条输送路径中每个路段的通行能力、阻塞密度以及反向冲击速度，通行能力用于表示每个路段未发生阻塞时的最大货物流量，阻塞密度用于表示每个路段发生阻塞时的货物密度，反向冲击速度用于表示每个路段发生阻塞时货物反向移动的速度。
在操作S230，根据输送任务数据和输送参数，建立元胞传输模型。
图2B示意性示出了根据本公开的实施例的根据输送任务数据和输送参数，建立元胞传输模型的流程图。如图2B所示，操作S230例如可以包括操作S231～S232。
更具体地，在操作S231，以至少一条输送路径的总流量最小为目标，确定元胞传输模型的目标函数。
本实施例中，做如下假设：输送线动态网络流量是基于整个网络系统最优；元胞传输模型是一种高级的空间排队模型，它具有良好的捕获空间排队和冲击波传播特性，可用于输送线网络中的流量传播。同时，以输送线整体流量最小为目标函数，考虑元胞的通行能力和防止阻塞流量限制等因素，为方便说明先定义如下符号。示例性地，表 1示出了根据本公开实施例的集合符号的定义，表2示出了根据本公开实施例的参数的定义，表3示出了根据本公开实施例的变量的定义。
表1
Figure BDA0002623130940000071
表2
Figure BDA0002623130940000072
Figure BDA0002623130940000081
表3
Figure BDA0002623130940000082
根据本公开的实施例，可以根据以下公式(1)建立目标函数：
Figure BDA0002623130940000083
其中，f(x)为目标函数，如表1～表4所示，
Figure BDA0002623130940000091
为在时刻t多条输送路径中第i个路段中货物的数量，
Figure BDA0002623130940000092
Figure BDA0002623130940000093
为时刻集合，C为所有路段集合，CS为终点集合，m为预设虚拟变量，m为正整数。
在操作S232，根据输送任务数据和输送参数，确定元胞传输模型的约束函数。
根据本公开的实施例，可以根据输送任务数据和输送参数建立以下约束函数(2)～(20)：
Figure BDA0002623130940000094
Figure BDA0002623130940000095
Figure BDA0002623130940000096
Figure BDA0002623130940000097
Figure BDA0002623130940000098
Figure BDA0002623130940000099
Figure BDA00026231309400000910
Figure BDA00026231309400000911
Figure BDA00026231309400000912
Figure BDA0002623130940000101
Figure BDA0002623130940000102
m≤Ms (13)
Figure BDA0002623130940000103
Figure BDA0002623130940000104
Figure BDA0002623130940000105
Figure BDA0002623130940000106
Figure BDA0002623130940000107
Figure BDA0002623130940000108
Figure BDA0002623130940000109
其中，约束(2)表示流量守恒约束。
方程(3)表示每个元胞拣货箱数量等于所有经过该元胞路径上拣货箱数量之和。
约束(4)表示元胞之间路段拣货箱数量等于经过该路段所有路径上拣货箱数量之和。
约束(5)表示对起点元胞来说，每时刻在路径r上经过的某一元胞的拣货箱数量等于前一个时刻经过该元胞的同一路径拣货箱流量加上前一个时刻该路径上该元胞的拣货箱数量减去前一个时刻流向下游元胞的拣货箱之和。
约束(6)表示所有其他元胞来说，每一个时刻路径r经过某一个元胞的流量平衡关系。
约束(7)表示对终点元胞，流量平衡关系。
约束(8)表示从某一个元胞流入下游元胞的拣货箱数量不能超过当前所在元胞的拣货箱数量。
约束(9)表示从上游元胞流入某一元胞拣货箱数量不能超过剩余通行能力。
约束(10)表示从上游元胞流入该元胞拣货箱数量不能超过该元胞最大可通过拣货箱子数量。
约束(11)表示从某一元胞流入下游元胞拣货箱数量不能超过该元胞最大可容纳拣货箱子数量。
约束(12)和约束(13)表示防止网络阻塞约束。
约束(14)表示某一个时刻t，路径r上的拣货箱总数等于该时刻该条路径的流量。
约束(15)表示对某个拣货箱来说，整个过程中拣货箱只能走选择其中一条路径。
约束(16)表示对每个OD对在模拟时间段内出发的数量等于总的要求拣货的数量。
约束(17)表示0-1限制，表示如果某一个拣货箱在某一个时刻在某一条路径上就为1，否则为0。
约束(18)～约束(20)表示初始条件和非负正整数限制。
然后，回到图2，在操作S240，利用元胞传输模型，从至少一个出发时刻中确定每个货物的最优出发时刻，并从至少一条输送路径中确定最优输送路径。
可以理解的是，操作S230建立的元胞传输模型是一个线性整数规划，根据本公开的实施例，可以利用分支定界算法求解元胞传输模型，以得到每个货物的最优出发时刻和最优输送路径。分支定界算法例如图3所示。
示例性地，可以通过以下步骤求解元胞传输模型。
步骤1：置
Figure BDA0002623130940000121
Fu＝+∞；
步骤2：选择下标k∈NF，求解如下松弛问题：
Figure BDA0002623130940000122
s.t.(2)-(16)
Figure BDA0002623130940000123
Figure BDA0002623130940000124
Figure BDA0002623130940000125
Figure BDA0002623130940000126
其中，s.t.(2)-(16)表示满足上述约束条件(2)-(16)。
得到最优解为
Figure BDA0002623130940000127
最优值objk；如果不存在最优解，则置objk＝+∞。
步骤3：若objk＝+∞，则置NF：＝NF\{k}，转步骤7；否则执行步骤4。
步骤4：若objk≥Fu，则置NF：＝NF\{k}，转步骤7；否则执行步骤5。
步骤5：objk＜Fu，
Figure BDA0002623130940000128
这里S(P0)为(2)- (20)组成的可行域，则置Fu＝objk，
Figure BDA0002623130940000129
NF：＝NF\{k}，转步骤7，否则执行步骤6。
步骤6：若objk＜Fu，
Figure BDA00026231309400001210
则选择不满足整数的约束的变量，通过增加约束
Figure BDA00026231309400001211
和
Figure BDA00026231309400001212
使得原问题分解成两个子集
Figure BDA00026231309400001213
和
Figure BDA00026231309400001214
置NF：＝NF\{k}∪{k1，k2}，转步骤(2)
步骤7：若
Figure BDA0002623130940000131
转步骤2。若
Figure BDA0002623130940000132
则终止，则
Figure BDA0002623130940000133
为最优解，Fu为最优值，如果
Figure BDA0002623130940000134
则P0不存在最优解。
在操作S250，针对每个货物，在货物的最优出发时刻，经由货物的最优输送路径，输送货物。
根据本公开的实施例，可以根据每个货物的最优出发时刻和最优输送路径，确定控制指令，根据控制指令指示输送线在货物的最优出发时刻，经由货物的最优输送路径，输送货物。
本公开的实施例提供货物的输送方法，在建立元胞传输模型时，考虑系统整体流量路径优化目标，以整体拣货流量最优为衡量标准建立目标函数，考虑路段通行能力和流量阻塞等影响因素来设置约束函数，并以此获得每个货物的最优出发时刻和最优输送路径。由于同时对输送线拣货时间和传输路径进行了优化，相对于没有考虑输送线拣货时间优化的路径优化方案，提高了路网的整体效率，进而提高了仓库的拣选效率。
另外，针对传输线可能出现的拥堵滞留等问题，通过设置惩罚系数和约束，可以至少部分消除拣选箱滞留问题。
下面参考图4，结合具体实施例对图2所示的方法做进一步说明。本领域技术人员可以理解，以下示例实施例仅用于理解本公开，本公开并不局限于此。
如图4所示，以某仓库的某次出库任务为例，输送线上的每个路段可以视为一个节点，输送线节点1和节点14为起点，节点13和节点26为输送线的终点，输送线起点到终点之间共有25条路径，模型的总时段设置为60个时段，除起点和终点外，每个节点每个时段的通行能力为10，每个节点的阻塞密度为17，起点1-起点13在整个模拟时段内，起点1-终点13的拣货数量为50，起点1-终点26的拣货数量为100，起点14-终点13的拣货数量为80，起点14-终点26的拣货数量为80。同时每个节点的反向冲击波速度为1。
具体技术方案如下：第一，对仓库作业环境进行假设并建立数学模型；第二，考虑基于元胞传输模型的特征，同时以整体输送线流量最小为衡量标准建立目标函数；第三，根据元胞传输模型的特点，基于惩罚系数来消除路网阻塞约束；第四，采用分支定界的算法求解相关数学模型；第五，通过对模型求解，获得输送线上每个拣货箱的最优拣货时间和最优路径，从而保证整个路网达到最优。
经过计算得到每个拣货箱的出发时间和最优路径如下表4所示。
表4
拣选箱号 路径 出发时间
1 1-5-9-13 time_1
2 1-29-18-13 time_31
3 1-5-9-13 time_11
4 1-5-9-13 time_34
… … …
309 14-30-34-42-46-26 time_9
310 14-30-18-42-46-26 time_20
然后，按照表4所示的路径和出发时间输送每个拣货箱。
图5示意性示出了根据本公开的实施例的货物的输送装置的框图。
如图5所示，装置500例如可以包括第一获取模块510、第二获取模块520、建模模块530、确定模块540和输送模块550。
第一获取模块510，例如可以获取输送任务数据，输送任务数据包括至少一个起点、至少一个终点、至少一个出发时刻以及需要输送的货物的数量，其中，至少一个起点和至少一个终点之间具有至少一条输送路径。
第二获取模块520，例如可以获取至少一条输送路径中每条输送路径的输送参数。
建模模块530，例如可以根据输送任务数据和输送参数，建立元胞传输模型。
确定模块540，例如可以利用元胞传输模型，从至少一个出发时刻中确定每个货物的最优出发时刻，并从至少一条输送路径中确定最优输送路径。
输送模块550，例如可以针对每个货物，在货物的最优出发时刻，经由货物的最优输送路径，输送货物。
根据本公开的实施例，通过同时对输送线拣货时间和传输路径进行优化，相对于没有考虑输送线拣货时间优化的路径优化方案，提高了路网的整体效率，进而提高了仓库的拣选效率。
根据本公开的实施例，建模模块例如可以包括：
目标函数单元，例如可以以至少一条输送路径的总流量最小为目标，确定元胞传输模型的目标函数。
约束函数单元，例如可以根据输送任务数据和输送参数，确定元胞传输模型的约束函数。
根据本公开的实施例，输送路径包括多个路段；目标函数单元具体可以用于：
根据以下公式建立目标函数：
Figure BDA0002623130940000151
其中，f(x)为目标函数，
Figure BDA0002623130940000152
为在时刻t多条输送路径中第i个路段中货物的数量，
Figure BDA0002623130940000153
Figure BDA0002623130940000154
为时刻集合，C为所有路段集合，CS为终点集合，m为预设虚拟变量，m为正整数。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
例如，第一获取模块510、第二获取模块520、建模模块530、确定模块540和输送模块550中的任意多个可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第一获取模块510、第二获取模块520、建模模块530、确定模块540和输送模块550中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列 (FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一获取模块510、第二获取模块520、建模模块530、确定模块540 和输送模块550中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
图6示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机系统的方框图。图6示出的计算机系统仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，根据本公开实施例的计算机系统600包括处理器601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608 加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601 可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 603中，存储有系统600操作所需的各种程序和数据。处理器601、ROM 602以及RAM 603通过总线604彼此相连。处理器601 通过执行ROM 602和/或RAM 603中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM602 和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例，系统600还可以包括输入/输出(I/O)接口 605，输入/输出(I/O)接口605也连接至总线604。系统600还可以包括连接至I/O接口605的以下部件中的一项或多项：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分 609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 602和/ 或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (10)

1.一种货物的输送方法，包括：
获取输送任务数据，所述输送任务数据包括至少一个起点、至少一个终点、至少一个出发时刻以及需要输送的货物的数量，其中，所述至少一个起点和所述至少一个终点之间具有至少一条输送路径；
获取所述至少一条输送路径中每条输送路径的输送参数；
根据所述输送任务数据和所述输送参数，建立元胞传输模型；
利用所述元胞传输模型，从所述至少一个出发时刻中确定每个货物的最优出发时刻，并从所述至少一条输送路径中确定最优输送路径；以及
针对所述每个货物，在所述货物的最优出发时刻，经由所述货物的最优输送路径，输送所述货物。
2.根据权利要求1所述的方法，其中，所述根据所述输送任务数据和所述输送参数，建立元胞传输模型包括：
以所述至少一条输送路径的总流量最小为目标，确定元胞传输模型的目标函数；以及
根据所述输送任务数据和所述输送参数，确定元胞传输模型的约束函数。
3.根据权利要求1所述的方法，其中，所述输送路径包括多个路段；所述以所述至少一条输送路径的总流量最小为目标，确定元胞传输模型的目标函数，包括：
根据以下公式建立所述目标函数：
Figure FDA0002623130930000011
其中，所述f(x)为所述目标函数，所述
Figure FDA0002623130930000012
为在时刻t所述多条输送路径中第i个路段中货物的数量，
Figure FDA0002623130930000013
Figure FDA0002623130930000014
为时刻集合，C为所有路段集合，CS为终点集合，m为预设虚拟变量，m为正整数。
4.根据权利要求1所述的方法，其中，所述通过所述元胞传输模型，从所述至少一个出发时刻中确定每个货物的最优出发时刻，并从所述至少一条输送路径中确定最优输送路径，包括：
利用分支定界算法求解所述元胞传输模型，以得到所述每个货物的最优出发时刻和最优输送路径。
5.根据权利要求1所述的方法，其中，所述输送参数包括所述多条输送路径中每个路段的通行能力、阻塞密度以及反向冲击速度，所述通行能力用于表示所述每个路段未发生阻塞时的最大货物流量，所述阻塞密度用于表示所述每个路段发生阻塞时的货物密度，所述反向冲击速度用于表示所述每个路段发生阻塞时货物反向移动的速度。
6.一种货物的输送装置，包括：
第一获取模块，用于获取输送任务数据，所述输送任务数据包括至少一个起点、至少一个终点、至少一个出发时刻以及需要输送的货物的数量，其中，所述至少一个起点和所述至少一个终点之间具有至少一条输送路径；
第二获取模块，用于获取所述至少一条输送路径中每条输送路径的输送参数；
建模模块，用于根据所述输送任务数据和所述输送参数，建立元胞传输模型
确定模块，用于利用所述元胞传输模型，从所述至少一个出发时刻中确定每个货物的最优出发时刻，并从所述至少一条输送路径中确定最优输送路径；以及
输送模块，用于针对所述每个货物，在所述货物的最优出发时刻，经由所述货物的最优输送路径，输送所述货物。
7.根据权利要求6所述的装置，其中，所述建模模块包括：
目标函数单元，用于以所述至少一条输送路径的总流量最小为目标，确定元胞传输模型的目标函数；以及
约束函数单元，用于根据所述输送任务数据和所述输送参数，确定元胞传输模型的约束函数。
8.根据权利要求7所述的装置，其中，所述输送路径包括多个路段；所述目标函数单元具体用于：
根据以下公式建立所述目标函数：
Figure FDA0002623130930000031
其中，所述f(x)为所述目标函数，所述
Figure FDA0002623130930000032
为在时刻t所述多条输送路径中第i个路段中货物的数量，
Figure FDA0002623130930000033
Figure FDA0002623130930000034
为时刻集合，C为所有路段集合，CS为终点集合，m为预设虚拟变量，m为正整数。
9.一种计算设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至5中任一项的方法。
10.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器实现权利要求1至5中任一项的方法。
CN202010793108.6A 2020-08-07 2020-08-07 货物的输送方法、装置、计算设备及介质 Pending CN113762564A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010793108.6A CN113762564A (zh) 2020-08-07 2020-08-07 货物的输送方法、装置、计算设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010793108.6A CN113762564A (zh) 2020-08-07 2020-08-07 货物的输送方法、装置、计算设备及介质

Publications (1)

Publication Number Publication Date
CN113762564A true CN113762564A (zh) 2021-12-07

Family

ID=78785669

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010793108.6A Pending CN113762564A (zh) 2020-08-07 2020-08-07 货物的输送方法、装置、计算设备及介质

Country Status (1)

Country Link
CN (1) CN113762564A (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5272638A (en) * 1991-05-31 1993-12-21 Texas Instruments Incorporated Systems and methods for planning the scheduling travel routes
CN105006167A (zh) * 2014-04-18 2015-10-28 杭州远眺科技有限公司 一种交通拥堵传播路径的研究方法
CN105426636A (zh) * 2015-12-23 2016-03-23 北京工业大学 城市峡谷街道机动车污染物排放与扩散的实时估计方法
CN106981204A (zh) * 2017-04-01 2017-07-25 三峡大学 一种信息处理方法及装置
CN107464018A (zh) * 2017-08-01 2017-12-12 北京同城必应科技有限公司 一种配送路径优化方法和装置、计算机设备、存储介质
CN107945539A (zh) * 2017-08-28 2018-04-20 北京工业大学 一种交叉口信号控制方法
CN108830401A (zh) * 2018-05-04 2018-11-16 东南大学 基于元胞传输模型的动态拥堵收费最优费率计算方法
CN109447317A (zh) * 2018-09-21 2019-03-08 江苏大学 一种基于多人同时拣货的仓库最短路径优化方法
CN109919345A (zh) * 2017-12-12 2019-06-21 北京京东尚科信息技术有限公司 拣货路径规划方法与装置
CN110009257A (zh) * 2019-04-17 2019-07-12 青岛大学 基于城市交通拥堵蔓延分析的多尺度可变窗口元胞自动机模型
CN110390409A (zh) * 2018-04-17 2019-10-29 北京京东尚科信息技术有限公司 配送方案的确定方法、装置以及计算机可读存储介质
CN110766228A (zh) * 2019-10-25 2020-02-07 北京京东乾石科技有限公司 用于拣货的方法、装置、拣货系统、电子设备以及介质
CN111080214A (zh) * 2020-01-02 2020-04-28 汉口北进出口服务有限公司 物流配送路径确定方法、装置及存储介质
CN111157000A (zh) * 2018-11-06 2020-05-15 北京京东尚科信息技术有限公司 用于生成路径信息的方法和装置
CN111242523A (zh) * 2018-11-29 2020-06-05 顺丰科技有限公司 确定航空运输路径的方法、装置、服务器及存储介质
CN111311913A (zh) * 2020-02-26 2020-06-19 清华大学 一种提高公路变窄路段通行效率的控制方法和系统

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5272638A (en) * 1991-05-31 1993-12-21 Texas Instruments Incorporated Systems and methods for planning the scheduling travel routes
CN105006167A (zh) * 2014-04-18 2015-10-28 杭州远眺科技有限公司 一种交通拥堵传播路径的研究方法
CN105426636A (zh) * 2015-12-23 2016-03-23 北京工业大学 城市峡谷街道机动车污染物排放与扩散的实时估计方法
CN106981204A (zh) * 2017-04-01 2017-07-25 三峡大学 一种信息处理方法及装置
CN107464018A (zh) * 2017-08-01 2017-12-12 北京同城必应科技有限公司 一种配送路径优化方法和装置、计算机设备、存储介质
CN107945539A (zh) * 2017-08-28 2018-04-20 北京工业大学 一种交叉口信号控制方法
CN109919345A (zh) * 2017-12-12 2019-06-21 北京京东尚科信息技术有限公司 拣货路径规划方法与装置
CN110390409A (zh) * 2018-04-17 2019-10-29 北京京东尚科信息技术有限公司 配送方案的确定方法、装置以及计算机可读存储介质
CN108830401A (zh) * 2018-05-04 2018-11-16 东南大学 基于元胞传输模型的动态拥堵收费最优费率计算方法
CN109447317A (zh) * 2018-09-21 2019-03-08 江苏大学 一种基于多人同时拣货的仓库最短路径优化方法
CN111157000A (zh) * 2018-11-06 2020-05-15 北京京东尚科信息技术有限公司 用于生成路径信息的方法和装置
CN111242523A (zh) * 2018-11-29 2020-06-05 顺丰科技有限公司 确定航空运输路径的方法、装置、服务器及存储介质
CN110009257A (zh) * 2019-04-17 2019-07-12 青岛大学 基于城市交通拥堵蔓延分析的多尺度可变窗口元胞自动机模型
CN110766228A (zh) * 2019-10-25 2020-02-07 北京京东乾石科技有限公司 用于拣货的方法、装置、拣货系统、电子设备以及介质
CN111080214A (zh) * 2020-01-02 2020-04-28 汉口北进出口服务有限公司 物流配送路径确定方法、装置及存储介质
CN111311913A (zh) * 2020-02-26 2020-06-19 清华大学 一种提高公路变窄路段通行效率的控制方法和系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
JIANCHENG LONG: "Link-Based System Optimum DynamicTraffic Assignment Problems in General Networks", OPERATIONS RESEARCH, vol. 67, no. 1, pages 1 - 16 *
崔建勋;安实;崔娜;: "基于元胞传输模型的区域疏散动态交通分配", 哈尔滨工业大学学报, no. 01 *
王秋平;王中芳;赵硕;: "动态交通流分配模型", 长安大学学报(自然科学版), no. 02 *
王超: "基于路段传输模型的动态系统最优出发时间及路径选择模型", 交通运输工程, pages 1 - 89 *

Similar Documents

Publication Publication Date Title
Li et al. The two-echelon time-constrained vehicle routing problem in linehaul-delivery systems
Chang et al. Optimal delivery routing with wider drone-delivery areas along a shorter truck-route
CN106934580B (zh) 库存控制方法以及装置
CN107194646B (zh) 库存调度方法以及装置
US11886191B2 (en) Scheduling method and system for fully autonomous waterborne inter terminal transportation
CN106156961B (zh) 一种车辆调度方法和装置
Wolfinger et al. The pickup and delivery problem with split loads and transshipments: A branch-and-cut solution approach
US20160048802A1 (en) Transportation planning for a regional logistics network
Al Shamsi et al. Pollution-inventory routing problem with perishable goods
Pavlenko et al. The choice of rational technology of delivery of grain cargoes in the containers in the international traffic
CA2985643A1 (en) Parallel processing for solution space partitions
Kloster et al. The multiple traveling salesman problem in presence of drone-and robot-supported packet stations
Dkhil et al. Multi-objective optimization of the integrated problem of location assignment and straddle carrier scheduling in maritime container terminal at import
AU2016333979B2 (en) Parallel processing for solution space partitions
US20160171440A1 (en) Method and system for freight management
US20130138330A1 (en) System and method to optimize mass transport vehicle routing based on ton-mile cost information
US20200401958A1 (en) Systems and Methods for Improvements to Vehicle Routing Including Back-End Operations
Liu et al. A scheduling decision support model for minimizing the number of drones with dynamic package arrivals and personalized deadlines
Shramenko et al. Rationalization of Grain Cargoes Transshipment in Containers at Port Terminals: Technology Analysis and Mathematical Formalization
Jiang et al. A multi-visit flexible-docking vehicle routing problem with drones for simultaneous pickup and delivery services
CN113837688B (zh) 运输资源匹配方法、装置、可读存储介质和计算机设备
CN111428902B (zh) 确定运输线路的方法及装置
Achamrah et al. A matheuristic for solving inventory sharing problems
CN110766228B (zh) 用于拣货的方法、装置、拣货系统、电子设备以及介质
Xue An adaptive ant colony algorithm for crowdsourcing multi-depot vehicle routing problem with time windows

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