CN113762655A - 一种车辆排班的规划方法及装置 - Google Patents
一种车辆排班的规划方法及装置 Download PDFInfo
- Publication number
- CN113762655A CN113762655A CN202010488774.9A CN202010488774A CN113762655A CN 113762655 A CN113762655 A CN 113762655A CN 202010488774 A CN202010488774 A CN 202010488774A CN 113762655 A CN113762655 A CN 113762655A
- Authority
- CN
- China
- Prior art keywords
- space
- time
- vehicle
- vehicle type
- arcs
- 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
- 238000013439 planning Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000009826 distribution Methods 0.000 claims abstract description 151
- 238000004364 calculation method Methods 0.000 claims abstract description 67
- 238000012384 transportation and delivery Methods 0.000 claims description 72
- 238000003860 storage Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 14
- 238000005457 optimization Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G06Q10/06—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
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (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
本申请提供了一种车辆排班的规划方法及装置,该规划方法包括:获取多个配送任务信息、配送车型信息、预先设定的进行车辆排班规划的全局起始时空点以及全局结束时空点;根据配送任务信息、配送车型信息、全局起始时空点以及全局结束时空点建立多个车型时空弧;获取各个车型时空弧上运输成本信息;根据多个车型时空弧上的车辆数量,及各个车型时空弧上运输成本信息,建立车辆运输总成本计算策略;根据预设的车辆运输成本条件和车辆运输总成本计算策略,确定最小的车辆运输总成本;获取最小的车辆运输总成本对应的多个车型时空弧上的车辆数量,得到车辆排班的规划方案。
Description
技术领域
本申请涉及物流运输技术领域,具体涉及一种车辆排班的规划方法及装置。
背景技术
在过去的操作中,车辆排班主要由经验丰富的网络规划人员手工排布完成。通常,完成一个大规模物流网络设计和车辆排班需要耗费几位经验丰富的网规人员几天至几周的时间。人工进行车辆排班依靠人工经验进行,准确度较差,得不到最优的方案,提高了物流成本。
现有技术中,车辆排班规划准确度不够、提高了物流成本。
发明内容
本申请实施例提供一种车辆排班的规划方法及装置,旨在解决如何提高车辆排班规划准确度、降低物流成本的问题。
第一方面,本申请提供一种车辆排班的规划方法,所述规划方法包括:
获取多个配送任务信息、配送车型信息、预先设定的进行车辆排班规划的全局起始时空点以及全局结束时空点,其中,所述配送任务信息包括配送任务和所述配送任务依次经过的路由空间点,所述时空点包括时间点和空间点;
根据所述配送任务信息、所述配送车型信息、所述全局起始时空点以及所述全局结束时空点建立多个车型时空弧,其中,所述车型时空弧表示货物在一个时间点从一个空间点搭乘预设配送车型出发,在货物在下一个时间点到达下一个空间点;
获取各个所述车型时空弧上运输成本信息;
根据所述多个车型时空弧上的车辆数量,及各个所述车型时空弧上运输成本信息,建立车辆运输总成本计算策略;
根据预设的车辆运输成本条件和车辆运输总成本计算策略,确定最小的车辆运输总成本;
获取最小的车辆运输总成本对应的所述多个车型时空弧上的车辆数量,得到车辆排班的规划方案。
其中,所述根据所述配送任务信息、所述配送车型信息、所述全局起始时空点以及所述全局结束时空点建立多个车型时空弧,包括:
根据预设时长从时间维度对所述路由空间点进行分割,得到所述路由空间点对应的多个路由时空点;
将每个配送任务分别与每个配送车型组合,得到多个任务车型组合;
将每个任务车型组合中,一个空间点对应的时空点分别与下一个空间点对应的多个时空点两两组合,得到多个车型任务时空弧;
将不同配送任务、相同配送车型、相同时空点的多个所述车型任务时空弧合并,得到所述多个车型时空弧。
其中,所述根据所述多个车型时空弧上的车辆数量,及各个所述车型时空弧上运输成本信息,建立车辆运输总成本计算策略,包括:
获取多个终点时空弧,其中,所述多个终点时空弧通过将每个配送任务的终点路由时空点分别与所述全局结束时空点组合得到;
根据所述多个车型时空弧上的车辆数量、每个所述车型任务时空弧的使用信息、各个所述终点时空弧上的时间差值、各个所述车型时空弧上运输成本信息以及每个配送任务的运货量,建立车辆运输总成本计算策略;
所述获取最小的车辆运输总成本对应的所述多个车型时空弧上的车辆数量,得到车辆排班的规划方案,包括:
获取最小的车辆运输总成本对应的所述多个车型时空弧上的车辆数量、各个所述车型任务时空弧的使用信息、各个所述终点时空弧上的时间差值,得到车辆排班的规划方案。
其中,所述根据所述多个车型时空弧上的车辆数量、每个所述车型任务时空弧的使用信息、各个所述终点时空弧上的时间差值、各个所述车型时空弧上运输成本信息以及每个配送任务的运货量,建立车辆运输总成本计算策略,包括:
基于所述多个车型时空弧上的车辆数量与各个所述车型时空弧上运输成本信息建立第一车辆运输总成本计算策略;
基于各个所述终点时空弧上的时间差值、每个所述车型任务时空弧的使用信息、每个配送任务的运货量建立第二车辆运输总成本计算策略;
基于所述第一车辆运输总成本计算策略和所述车辆运输总成本计算策略,建立车辆运输总成本计算策略。
其中,所述预设的车辆运输成本条件包括:对于任意一个任务车型组合中的预设空间点,以所述预设空间点为起点的车型任务时空弧数量与以所述预设空间点为终点的车型任务时空弧数量相等。
其中,所述预设的车辆运输成本条件包括以下条件中的至少一种:
所述车型时空弧上的车辆数量为整数;
对于任意一个配送车型,不同配送任务的车型任务时空弧上的运货总重量不超过所述车型时空弧上的车辆数量与对应配送车型的最大载货量之积。
其中,所述获取各个所述车型时空弧上运输成本信息,包括:
获取所述车型时空弧上的固定成本;
获取所述车型时空弧上车辆的单位里程成本;
获取所述车型时空弧上车辆的行驶里程;
将所述车辆的行驶里程与所述单位里程成本相乘,再加上所述固定成本,得到所述车型时空弧上运输成本信息。
第二方面,本申请提供一种车辆排班的规划装置,所述车辆排班的规划装置包括:
第一获取单元,用于获取多个配送任务信息、配送车型信息、预先设定的进行车辆排班规划的全局起始时空点以及全局结束时空点,其中,所述配送任务信息包括配送任务和所述配送任务依次经过的路由空间点,所述时空点包括时间点和空间点;
时空弧建立单元,用于根据所述配送任务信息、所述配送车型信息、所述全局起始时空点以及所述全局结束时空点建立多个车型时空弧,其中,所述车型时空弧表示货物在一个时间点从一个空间点搭乘预设配送车型出发,在货物在下一个时间点到达下一个空间点;
第二获取单元,用于获取各个所述车型时空弧上运输成本信息;
策略确定单元,用于根据所述多个车型时空弧上的车辆数量,及各个所述车型时空弧上运输成本信息,建立车辆运输总成本计算策略;
确定单元,根据预设的车辆运输成本条件和车辆运输总成本计算策略,确定最小的车辆运输总成本;
第三获取单元,用于获取最小的车辆运输总成本对应的所述多个车型时空弧上的车辆数量,得到车辆排班的规划方案。
其中,所述时空弧建立单元,还用于根据预设时长从时间维度对所述路由空间点进行分割,得到所述路由空间点对应的多个路由时空点;
将每个配送任务分别与每个配送车型组合,得到多个任务车型组合;
将每个任务车型组合中,一个空间点对应的时空点分别与下一个空间点对应的多个时空点两两组合,得到多个车型任务时空弧;
将不同配送任务、相同配送车型、相同时空点的多个所述车型任务时空弧合并,得到所述多个车型时空弧。
其中,所述策略确定单元,还用于获取多个终点时空弧,其中,所述多个终点时空弧通过将每个配送任务的终点路由时空点分别与所述全局结束时空点组合得到;
根据所述多个车型时空弧上的车辆数量、每个所述车型任务时空弧的使用信息、各个所述终点时空弧上的时间差值、各个所述车型时空弧上运输成本信息以及每个配送任务的运货量,建立车辆运输总成本计算策略;
第三获取单元406还用于,获取最小的车辆运输总成本对应的所述多个车型时空弧上的车辆数量、各个所述车型任务时空弧的使用信息、各个所述终点时空弧上的时间差值,得到车辆排班的规划方案。
其中,所述策略确定单元,还用于基于所述多个车型时空弧上的车辆数量与各个所述车型时空弧上运输成本信息建立第一车辆运输总成本计算策略;
基于各个所述终点时空弧上的时间差值、每个所述车型任务时空弧的使用信息、每个配送任务的运货量建立第二车辆运输总成本计算策略;
基于所述第一车辆运输总成本计算策略和所述车辆运输总成本计算策略,建立车辆运输总成本计算策略。
其中,所述预设的车辆运输成本条件包括:对于任意一个任务车型组合中的预设空间点,以所述预设空间点为起点的车型任务时空弧数量与以所述预设空间点为终点的车型任务时空弧数量相等。
其中,所述预设的车辆运输成本条件包括以下条件中的至少一种:
所述车型时空弧上的车辆数量为整数;
对于任意一个配送车型,不同配送任务的车型任务时空弧上的运货总重量不超过所述车型时空弧上的车辆数量与对应配送车型的最大载货量之积。
其中,所述第二获取单元,还用于获取所述车型时空弧上的固定成本;获取所述车型时空弧上车辆的单位里程成本;获取所述车型时空弧上车辆的行驶里程;将所述车辆的行驶里程与所述单位里程成本相乘,再加上所述固定成本,得到所述车型时空弧上运输成本信息。
第三方面,本申请提供一种电子设备,所述电子设备包括:
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第一方面任意一项所述的车辆排班的规划方法。
第四方面,本申请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,以执行第一方面中任一项所述的车辆排班的规划方法中的步骤。
本申请提供一种车辆排班的规划方法,该规划方法根据配送任务信息、配送车型信息、全局起始时空点以及全局结束时空点建立多个车型时空弧,车型时空弧上包含两个空间点之间多个可能排班的车辆数量,然后根据所述多个车型时空弧上的车辆数量,及各个所述车型时空弧上运输成本信息,建立车辆运输总成本计算策略;利用车辆运输总成本计算策略对每个车型时空弧上的车辆数量进行优化,从每个车型时空弧上多个可能排班的车辆数量选择出能够使得车辆运输总成本最小的方案,且车型时空弧上的车辆数量包含了该条车型时空弧上车辆的出发空间点、出发时间点、配送车型、到达空间点、到达时间点以及车辆数量,准确得到了车辆排班,本申请考虑配送车型信息和建立车辆运输总成本计算策略,进行车型时空弧上的车辆数量的优化,能够提高车辆排班的准确度,降低物流成本。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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为本申请实施例提供的车辆排班的规划系统的场景示意图;
图2是本申请实施例提供的车辆排班的的规划方法一个实施例流程示意图;
图3是本申请实施例中提供的车辆排班的规划装置一个实施例结构示意图;
图4是本申请实施例中提供的电子设备一个实施例结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
在本申请的描述中,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申请和简化描述,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申请的限制。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特征。在本申请的描述中,“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申请,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申请。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申请的描述变得晦涩。因此,本申请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。
本申请实施例提供一种车辆排班的规划方法、装置及存储介质。以下分别进行详细说明。
请参阅图1,图1为本申请实施例提供的车辆排班的规划系统的场景示意图,该车辆排班的规划系统可以包括电子设备100,电子设备100中集成有车辆排班的规划装置,如图1中的电子设备。
本申请实施例中,电子设备100主要用于获取多个配送任务信息、配送车型信息、预先设定的进行车辆排班规划的全局起始时空点以及全局结束时空点,其中,所述配送任务信息包括配送任务和所述配送任务依次经过的路由空间点,所述时空点包括时间点和空间点;根据所述配送任务信息、所述配送车型信息、所述全局起始时空点以及所述全局结束时空点建立多个车型时空弧,其中,所述车型时空弧表示货物在一个时间点从一个空间点搭乘预设配送车型出发,在货物在下一个时间点到达下一个空间点;获取各个所述车型时空弧上运输成本信息信息;根据所述多个车型时空弧上的车辆数量,及各个所述车型时空弧上运输成本信息,建立车辆运输总成本计算策略;根据预设的车辆运输成本条件和车辆运输总成本计算策略,确定最小的车辆运输总成本;获取最小的车辆运输总成本对应的所述多个车型时空弧上的车辆数量,得到车辆排班的规划方案。
本申请实施例中,该电子设备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,本申请实施例中所描述的电子设备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(Cloud Computing)的大量计算机或网络服务器构成。
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中所示更多或更少的电子设备,例如图1中仅示出1个电子设备,可以理解的,该车辆排班的规划系统还可以包括一个或多个其他服务,具体此处不作限定。
另外,如图1所示,该车辆排班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,如配送任务信息、配送车型信息等。
需要说明的是,图1所示的车辆排班的规划系统的场景示意图仅仅是一个示例,本申请实施例描述的车辆排班的规划系统以及场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着车辆排班的规划系统的演变和新业务场景的出现,本申请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,本申请实施例中提供一种车辆排班的规划方法,该规划方法包括:获取多个配送任务信息、配送车型信息、预先设定的进行车辆排班规划的全局起始时空点以及全局结束时空点,其中,配送任务信息包括配送任务和配送任务依次经过的路由空间点,时空点包括时间点和空间点;根据配送任务信息、配送车型信息、全局起始时空点以及全局结束时空点建立多个车型时空弧,其中,车型时空弧表示货物在一个时间点从一个空间点搭乘预设配送车型出发,在货物在下一个时间点到达下一个空间点;获取各个车型时空弧上运输成本信息;根据多个车型时空弧上的车辆数量,及各个车型时空弧上运输成本信息,建立车辆运输总成本计算策略;根据预设的车辆运输成本条件和车辆运输总成本计算策略,确定最小的车辆运输总成本;获取最小的车辆运输总成本对应的多个车型时空弧上的车辆数量,得到车辆排班的规划方案。
参阅图2,图2是本申请实施例提供的车辆排班的的规划方法一个实施例流程示意图。
如图2所示,该车辆排班的规划方法包括:
S21、获取多个配送任务信息、配送车型信息、预先设定的进行车辆排班规划的全局起始时空点以及全局结束时空点,其中,配送任务信息包括配送任务和配送任务依次经过的路由空间点,时空点包括时间点和空间点。
本申请实施例中,时空点包括时间点和时间点。例如,时空点可以是:A地5时,表示车辆5时在A地。例如,给定的配送任务有2条,2条配送任务分别是配送任务k1和配送任务k2。配送任务k1经过的路由空间点分别为A地、B地、C地;配送任务k2经过的路由空间点分别为B地、C地、D地。
全局起始时空点和全局结束时空点用于从全局规定多个配送任务的配送时间,全局起始时空点和全局结束时空点根据具体情况设定,本申请对此不做限定。其中,多个配送任务信息为全局起始时间点至全局结束时间点之间的多个配送任务信息。全局起始时空点的数量为1个,全局结束时空点的数量为1个。例如全局起始时间点为0时,全局结束时间点为24时,全局起始空间点为F地,全局结束空间点为G地。
配送车型信息为两个空间点之间的配送车辆类型,例如,A地至B地之间的配送车型有载货量为2吨的2T配送车型,载货量为3吨的3T配送车型等。
S22、根据配送任务信息、配送车型信息、全局起始时空点以及全局结束时空点建立多个车型时空弧。
本申请实施例中,车型时空弧表示货物在一个时间点从一个空间点搭乘预设配送车型出发,在货物在下一个时间点到达下一个空间点。例如,货物在5时从B地搭乘2T配送车型出发,在7时到达C地,则建立的车型时空弧为2T配送车型5时B地至2T配送车型7时C地。
在一个具体的实施例中,根据配送任务信息、配送车型信息、全局起始时空点以及全局结束时空点建立多个车型时空弧,可以包括以下步骤:
(1)根据预设时长从时间维度对路由空间点进行分割,得到路由空间点对应的多个路由时空点。
本申请实施例中,获取路由空间的最早发车时间和最晚发车时间,从而得到路由空间点的发车时段,根据预设时长从时间维度对路由空间点的发车时段进行分割,得到路由空间点对应的多个路由时空点。预设时长可以为1小时,2小时等,本申请对此不做限定,根据具体情况设定即可。例如,路由空间点B点的发车时间为9时至11时,按预设时长2小时进行分割,得到B点对应的多个路由时空点分别为:9时B地、11时B地。A点的发车时间为5时至7时,按预设时长2小时进行分割,得到A点对应的多个路由时空点分别为:5时A地、7时A地。
(2)将每个配送任务分别与每个配送车型组合,得到多个任务车型组合。
本申请实施例中,将每个配送任务和每个配送车型两两组合,得到多个任务车型组合。例如,配送任务有k1配送任务、k2配送任务,配送车型有3T配送车型和2T配送车型,则多个任务车型组合分别为k1配送任务2T配送车型、k1配送任务3T配送车型、k2配送任务2T配送车型、k2配送任务3T配送车型,共计4种任务车型组合。当已知的配送任务数量和配送车型数量变化时,根据排列组合可以得到对应数量的任务车型组合。
(3)将每个任务车型组合中,一个空间点对应的时空点分别与下一个空间点对应的多个时空点两两组合,得到多个车型任务时空弧。
具体的,车型任务时空弧包括起点时空弧、路由时空弧、终点时空弧以及起终点时空弧。
其中,将全局起始时空点分别与各个配送任务的起始路由时空点组合,得到多个起点时空弧。在各个配送任务中,将起始路由时空点分别与下一个路由时空点组合,得到多个路由时空弧。将各个配送任务的终点路由时空点分别与全局结束时空点组合,得到多个终点时空弧。将全局结束时空点与全局起始时空点组合得到起终点时空弧。
例如,全局起始时间点为0时,全局结束时间点为24时,全局起始空间点为F地,全局结束空间点为G地。配送任务k1经过的路由空间点分别为A地、B地、C地。C地的时空点分别为13时C地,15时C地,则k1配送任务2T配送车型组合的起点时空弧包括:0时F地至5时A地,0时F地至7时A地。k1配送任务2T配送车型组合的B地和C地之间的路由时空弧包括:9时B地至13时C地、9时B地至15时C地、11时B地至13时C地、11时B地至15时C地。k1配送任务2T配送车型组合的A地和B地之间的路由时空弧包括:5时A地至9时B地、5时A地至11时B地、7时A地至9时B地、7时A地至11时B地。k1配送任务2T配送车型组合的终点时空弧包括:13时C地至24点G地,15时C地至24点G地。
(4)将不同配送任务、相同配送车型、相同时空点的多个车型任务时空弧合并,得到多个车型时空弧。
例如,将k1配送任务2T配送车型组合和k2配送任务2T配送车型组合中的9时B地至13时C地合并,得到的车型时空弧为2T配送车型9时B地至13时。
S23、获取各个车型时空弧上运输成本信息。
本申请实施例中,车型时空弧上运输成本信息表示货物在一个时间点从一个空间点搭乘预设配送车型出发在货物在下一个时间点到达下一个空间点的过程中所需花费的成本。
在一个具体的实施例中,获取车型时空弧上的固定成本。获取车型时空弧上车辆的单位里程成本;获取车型时空弧上车辆的行驶里程;将车辆的行驶里程与单位里程成本相乘,再加上固定成本,得到车型时空弧上运输成本信息。
S24、根据多个车型时空弧上的车辆数量,及各个车型时空弧上运输成本信息,建立车辆运输总成本计算策略。
本申请实施例中,获取多个终点时空弧,其中,多个终点时空弧通过将每个配送任务的终点路由时空点分别与全局结束时空点组合得到。根据多个车型时空弧上的车辆数量、每个车型任务时空弧的使用信息、各个终点时空弧上的时间差值、各个车型时空弧上运输成本信息以及每个配送任务的运货量,建立车辆运输总成本计算策略。其中,每个配送任务的运货量可以从配送任务信息获取。
在一个具体的实施例中,基于多个车型时空弧上的车辆数量与各个车型时空弧上运输成本信息建立第一车辆运输总成本计算策略;基于各个终点时空弧上的时间差值、各个车型任务时空弧的使用信息、每个配送任务的运货量建立第二车辆运输总成本计算策略;基于第一车辆运输总成本计算策略和车辆运输总成本计算策略,建立车辆运输总成本计算策略。
最优化问题就是在给定条件下寻找最佳方案的问题。最佳的含义有各种各样:成本最小、收益最大、利润最多、距离最短、时间最少、空间最小等,即在资源给定时寻找最好的目标,或在目标确定下使用最少的资源。生产、经营和管理中几乎所有问题都可以认为是最优化问题,比如产品原材料组合问题、人员安排问题、运输问题、选址问题、资金管理问题、最优定价问题、经济订货量问题、预测模型中的最佳参数确定问题,等等。
最优化问题的数学模型一般都由决策变量、目标函数和约束条件三部分构成。决策变量是指最优化问题中所涉及的与约束条件和目标函数有关的待确定的量。一般来说,它们都有一些限制条件(约束条件),与目标函数紧密关联。在最优化问题中,与变量有关的待求其极值(或最大值最优值)的函数称为目标函数。在最优化问题中,求目标函数的极值时,变量必须满足的限制称为约束条件。例如,许多实际问题变量要求必须非负,这是一种限制;在研究电路优化设计问题时,变量必须服从电路基本定律,这也是一种限制等等。在研究问题时,这些限制我们必须用数学表达式准确地描述它们。
在一个具体的实施例中,以多个车型时空弧上的车辆数量为第一决策变量、每个车型任务时空弧的使用信息为第二决策变量、各个终点时空弧上的时间差值为第三决策变量、各个车型时空弧上运输成本信息为第一已知参数、以每个配送任务的运货量为第二已知参数,建立表示车辆运输总成本计算策略的目标函数。其中,车辆运输总成本计算策略满足如公式(2)所示的关系,
其中,用表示车型时空弧上的车辆数量,集合TV为所有车型时空弧的集合,集合V是所有配送车型v的集合,fv表示配送车型v的固定成本,cv表示配送车型v的单位里程成本,distij表示车型任务时空弧之间的地面行驶距离,表示所有终点时空时空弧的集合,(tj-ti)表示终点时空时空弧的时间差值,qk表示配送任务k的运货量。
车辆运输总成本计算策略包括第一车辆运输总成本计算策略和第二车辆运输总成本计算策略。第一车辆运输总成本计算策略由多个车型时空弧上的车辆数量与各个车型时空弧上运输成本信息决定;第二车辆运输总成本计算策略是为确保求解结果合理。我们希望货物尽可能早到目的场地。对每个货物的所有终点时空弧,我们希望货物到达终点路由场地的时间和全局结束时间点的差值越大越好,用这个差值乘货量乘一个很小的惩罚因子,比如0.001。希望每个任务的货物都是从最早的可结束的点结束。例如:某配送任务上货物在早上10点送达和下午6点送达对全局总成本产生的影响是一样的,那么我们希望该流向货物在早上10点送达。
S25、根据预设的车辆运输成本条件和车辆运输总成本计算策略,确定最小的车辆运输总成本。
在一个具体的实施例中,预设的车辆运输成本条件包括:对于任意一个任务车型组合中的预设空间点,以预设空间点为起点的车型任务时空弧数量与以预设空间点为终点的车型任务时空弧数量相等,满足如公式(3)所示的关系,
其中,对于每个任务车型组合而言,全局起始时空点的数量只有一个,以全局起始时空点为终点的车型任务时空弧数量为一条,进而可以保证对于任意一个任务车型组合中的预设空间点有且只有一条车型任务时空弧可用,进而保证每个配送任务上的货物有且仅有一条唯一路由。
进一步的,预设的车辆运输成本条件包括:对于任意一个配送车型,不同配送任务的车型任务时空弧上的运货总重量不超过车型时空弧上的总载量,车型时空弧上的总载量为车型时空弧上的车辆数量与对应配送车型的最大载货量之积,满足如公式(4)所示的关系,
其中,capv表示配送车型v的最大载货量。
进一步的,预设的车辆运输成本条件包括:车型时空弧上的车辆数量为整数,满足如公式(5)所示的关系,
进一步的,预设的车辆运输成本条件包括,每个车型任务时空弧的使用信息用0和1来表示,满足如公式(6)所示的关系,
联立公式(1)至(6),即可根据预设的车辆运输成本条件和车辆运输总成本计算策略,确定最小的车辆运输总成本。由于每个决策变量都会有多个取值,从而形成多个可能的车辆排班的规划方案,将多个可能的车辆排班的规划方案逐一利用车辆运输总成本计算策略进行计算,即可得到多个可能的车辆排班的规划方案对应的车辆运输总成本,将多个可能的车辆排班的规划方案对应的车辆运输总成本进行比较,即可得到多个可能的车辆排班的规划方案对应的车辆运输总成本中最小的车辆运输总成本。
S26、获取最小的车辆运输总成本对应的所述多个车型时空弧上的车辆数量,得到车辆排班的规划方案。
在一个具体的实施例中,获取最小的车辆运输总成本对应的所述多个车型时空弧上的车辆数量、各个所述车型任务时空弧的使用信息、各个所述终点时空弧上的时间差值,得到车辆排班的规划方案。
其中,将最小的车辆运输总成本各个所述车型任务时空弧中使用信息取值为1的车型任务时空弧取出,可以反映最小车辆运输成本下,每个配送任务的路由时空点和配送车型,即可以知道每个配送任务的两个路由空间点之间的发车时间和发车配送车型。最小的车辆运输总成本对应的所述多个车型时空弧上的车辆数量,可以反映最小车辆运输成本下,每个配送任务的两个路由空间点之间的发车时间、发车配送车型和发车数量。因此,可以得到车辆排班的规划方案。
本申请提供一种车辆排班的规划方法,该规划方法根据配送任务信息、配送车型信息、全局起始时空点以及全局结束时空点建立多个车型时空弧,车型时空弧上包含两个空间点之间多个可能排班的车辆数量,然后根据所述多个车型时空弧上的车辆数量,及各个所述车型时空弧上运输成本信息,建立车辆运输总成本计算策略;利用车辆运输总成本计算策略对每个车型时空弧上的车辆数量进行优化,从每个车型时空弧上多个可能排班的车辆数量选择出能够使得车辆运输总成本最小的方案,且车型时空弧上的车辆数量包含了该条车型时空弧上车辆的出发空间点、出发时间点、配送车型、到达空间点、到达时间点以及车辆数量,准确得到了车辆排班,本申请考虑配送车型信息和建立车辆运输总成本计算策略,进行车型时空弧上的车辆数量的优化,能够提高车辆排班的准确度,降低物流成本。
为了更好实施本申请实施例中车辆排班的规划方法,在车辆排班的规划方法基础之上,本申请实施例中还提供一种车辆排班的规划装置。如图3所示,图3是本申请实施例中提供的车辆排班的规划装置一个实施例结构示意图,该车辆排班的规划装置包括第一获取单元401、时空弧建立单元402、第二获取单元403、策略确定单元404、确定单元405以及第三获取单元406:
第一获取单元401,用于获取多个配送任务信息、配送车型信息、预先设定的进行车辆排班规划的全局起始时空点以及全局结束时空点,其中,配送任务信息包括配送任务和配送任务依次经过的路由空间点,时空点包括时间点和空间点;
时空弧建立单元402,用于根据配送任务信息、配送车型信息、全局起始时空点以及全局结束时空点建立多个车型时空弧,其中,车型时空弧表示货物在一个时间点从一个空间点搭乘预设配送车型出发,在货物在下一个时间点到达下一个空间点;
第二获取单元403,用于获取各个车型时空弧上运输成本信息;
策略确定单元404,用于根据多个车型时空弧上的车辆数量,及各个车型时空弧上运输成本信息,建立车辆运输总成本计算策略;
确定单元405,根据预设的车辆运输成本条件和车辆运输总成本计算策略,确定最小的车辆运输总成本;
第三获取单元406,用于获取最小的车辆运输总成本对应的多个车型时空弧上的车辆数量,得到车辆排班的规划方案。
其中,时空弧建立单元402,还用于根据预设时长从时间维度对路由空间点进行分割,得到路由空间点对应的多个路由时空点;
将每个配送任务分别与每个配送车型组合,得到多个任务车型组合;
将每个任务车型组合中,一个空间点对应的时空点分别与下一个空间点对应的多个时空点两两组合,得到多个车型任务时空弧;
将不同配送任务、相同配送车型、相同时空点的多个车型任务时空弧合并,得到多个车型时空弧。
其中,策略确定单元404,还用于获取多个终点时空弧,其中,多个终点时空弧通过将每个配送任务的终点路由时空点分别与全局结束时空点组合得到;
根据多个车型时空弧上的车辆数量、每个车型任务时空弧的使用信息、各个终点时空弧上的时间差值、各个车型时空弧上运输成本信息以及每个配送任务的运货量,建立车辆运输总成本计算策略;
第三获取单元406还用于,获取最小的车辆运输总成本对应的多个车型时空弧上的车辆数量、各个车型任务时空弧的使用信息、各个终点时空弧上的时间差值,得到车辆排班的规划方案。
其中,策略确定单元404,还用于基于多个车型时空弧上的车辆数量与各个车型时空弧上运输成本信息建立第一车辆运输总成本计算策略;
基于各个终点时空弧上的时间差值、每个车型任务时空弧的使用信息、每个配送任务的运货量建立第二车辆运输总成本计算策略;
基于第一车辆运输总成本计算策略和车辆运输总成本计算策略,建立车辆运输总成本计算策略。
其中,预设的车辆运输成本条件包括:对于任意一个任务车型组合中的预设空间点,以预设空间点为起点的车型任务时空弧数量与以预设空间点为终点的车型任务时空弧数量相等。
其中,预设的车辆运输成本条件包括以下条件中的至少一种:
车型时空弧上的车辆数量为整数;
对于任意一个配送车型,不同配送任务的车型任务时空弧上的运货总重量不超过车型时空弧上的车辆数量与对应配送车型的最大载货量之积。
其中,第二获取单元403,还用于获取车型时空弧上的固定成本;获取车型时空弧上车辆的单位里程成本;获取车型时空弧上车辆的行驶里程;将车辆的行驶里程与单位里程成本相乘,再加上固定成本,得到车型时空弧上运输成本信息。
本申请实施例还提供一种电子设备。如图4所示,图4是本申请实施例中提供的电子设备一个实施例结构示意图,具体来讲:
该电子设备可以包括一个或者一个以上处理核心的处理器501、一个或一个以上计算机可读计算机可读存储介质的存储器502、电源503和输入单元504等部件。本领域技术人员可以理解,图中示出的电子设备结构并不构成对电子设备的限定,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。其中:
处理器501是该电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器502内的软件程序和/或模块,以及调用存储在存储器502内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。可选的,处理器501可包括一个或多个处理核心;优选的,处理器501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501中。
存储器502可用于存储软件程序以及模块,处理器501通过运行存储在存储器502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502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电子设备的使用所创建的数据等。此外,存储器502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502还可以包括存储器控制器,以提供处理器501对存储器502的访问。
电子设备还包括给各个部件供电的电源503,优选的,电源503可以通过电源管理系统与处理器501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503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。
该电子设备还可包括输入单元504,该输入单元504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,电子设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,电子设备中的处理器501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502中,并由处理器501来运行存储在存储器502中的应用程序,从而实现各种功能,如下:
获取多个配送任务信息、配送车型信息、预先设定的进行车辆排班规划的全局起始时空点以及全局结束时空点,其中,配送任务信息包括配送任务和配送任务依次经过的路由空间点,时空点包括时间点和空间点;根据配送任务信息、配送车型信息、全局起始时空点以及全局结束时空点建立多个车型时空弧,其中,车型时空弧表示货物在一个时间点从一个空间点搭乘预设配送车型出发,在货物在下一个时间点到达下一个空间点;获取各个车型时空弧上运输成本信息;根据多个车型时空弧上的车辆数量,及各个车型时空弧上运输成本信息,建立车辆运输总成本计算策略;根据预设的车辆运输成本条件和车辆运输总成本计算策略,确定最小的车辆运输总成本;获取最小的车辆运输总成本对应的多个车型时空弧上的车辆数量,得到车辆排班的规划方案。
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计算机可读存储介质中,并由处理器进行加载和执行。
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,本申请实施例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包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random AccessMemory)、磁盘或光盘等。其上存储有计算机程序,计算机程序被处理器进行加载,以执行本申请实施例所提供的任一种车辆排班的规划方法中的步骤。例如,计算机程序被处理器进行加载可以执行如下步骤:
获取多个配送任务信息、配送车型信息、预先设定的进行车辆排班规划的全局起始时空点以及全局结束时空点,其中,配送任务信息包括配送任务和配送任务依次经过的路由空间点,时空点包括时间点和空间点;根据配送任务信息、配送车型信息、全局起始时空点以及全局结束时空点建立多个车型时空弧,其中,车型时空弧表示货物在一个时间点从一个空间点搭乘预设配送车型出发,在货物在下一个时间点到达下一个空间点;获取各个车型时空弧上运输成本信息;根据多个车型时空弧上的车辆数量,及各个车型时空弧上运输成本信息,建立车辆运输总成本计算策略;根据预设的车辆运输成本条件和车辆运输总成本计算策略,确定最小的车辆运输总成本;获取最小的车辆运输总成本对应的多个车型时空弧上的车辆数量,得到车辆排班的规划方案。
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。
以上对本申请实施例所提供的一种车辆排班的规划方法、装置及存储介质进行了详细介绍,本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,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申请的限制。
Claims (10)
1.一种车辆排班的规划方法,所述规划方法包括:
获取多个配送任务信息、配送车型信息、预先设定的进行车辆排班规划的全局起始时空点以及全局结束时空点,其中,所述配送任务信息包括配送任务和所述配送任务依次经过的路由空间点,所述时空点包括时间点和空间点;
根据所述配送任务信息、所述配送车型信息、所述全局起始时空点以及所述全局结束时空点建立多个车型时空弧,其中,所述车型时空弧表示货物在一个时间点从一个空间点搭乘预设配送车型出发,在货物在下一个时间点到达下一个空间点;
获取各个所述车型时空弧上运输成本信息;
根据所述多个车型时空弧上的车辆数量,及各个所述车型时空弧上运输成本信息,建立车辆运输总成本计算策略;
根据预设的车辆运输成本条件和车辆运输总成本计算策略,确定最小的车辆运输总成本;
获取最小的车辆运输总成本对应的所述多个车型时空弧上的车辆数量,得到车辆排班的规划方案。
2.根据权利要求1所述的规划方法,其特征在于,所述根据所述配送任务信息、所述配送车型信息、所述全局起始时空点以及所述全局结束时空点建立多个车型时空弧,包括:
根据预设时长从时间维度对所述路由空间点进行分割,得到所述路由空间点对应的多个路由时空点;
将每个配送任务分别与每个配送车型组合,得到多个任务车型组合;
将每个任务车型组合中,一个空间点对应的时空点分别与下一个空间点对应的多个时空点两两组合,得到多个车型任务时空弧;
将不同配送任务、相同配送车型、相同时空点的多个所述车型任务时空弧合并,得到所述多个车型时空弧。
3.根据权利要求2所述的规划方法,其特征在于,
所述根据所述多个车型时空弧上的车辆数量,及各个所述车型时空弧上运输成本信息,建立车辆运输总成本计算策略,包括:
获取多个终点时空弧,其中,所述多个终点时空弧通过将每个配送任务的终点路由时空点分别与所述全局结束时空点组合得到;
根据所述多个车型时空弧上的车辆数量、每个所述车型任务时空弧的使用信息、各个所述终点时空弧上的时间差值、各个所述车型时空弧上运输成本信息以及每个配送任务的运货量,建立车辆运输总成本计算策略;
所述获取最小的车辆运输总成本对应的所述多个车型时空弧上的车辆数量,得到车辆排班的规划方案,包括:
获取最小的车辆运输总成本对应的所述多个车型时空弧上的车辆数量、各个所述车型任务时空弧的使用信息、各个所述终点时空弧上的时间差值,得到车辆排班的规划方案。
4.根据权利要求3所述的规划方法,其特征在于,所述根据所述多个车型时空弧上的车辆数量、每个所述车型任务时空弧的使用信息、各个所述终点时空弧上的时间差值、各个所述车型时空弧上运输成本信息以及每个配送任务的运货量,建立车辆运输总成本计算策略,包括:
基于所述多个车型时空弧上的车辆数量与各个所述车型时空弧上运输成本信息建立第一车辆运输总成本计算策略;
基于各个所述终点时空弧上的时间差值、每个所述车型任务时空弧的使用信息、每个配送任务的运货量建立第二车辆运输总成本计算策略;
基于所述第一车辆运输总成本计算策略和所述车辆运输总成本计算策略,建立车辆运输总成本计算策略。
5.根据权利要求3所述的规划方法,其特征在于,所述预设的车辆运输成本条件包括:对于任意一个任务车型组合中的预设空间点,以所述预设空间点为起点的车型任务时空弧数量与以所述预设空间点为终点的车型任务时空弧数量相等。
6.根据权利要求3所述的规划方法,其特征在于,所述预设的车辆运输成本条件包括以下条件中的至少一种:
所述车型时空弧上的车辆数量为整数;
对于任意一个配送车型,不同配送任务的车型任务时空弧上的运货总重量不超过所述车型时空弧上的车辆数量与对应配送车型的最大载货量之积。
7.根据权利要求3所述的规划方法,其特征在于,所述获取各个所述车型时空弧上运输成本信息,包括:
获取所述车型时空弧上的固定成本;
获取所述车型时空弧上车辆的单位里程成本;
获取所述车型时空弧上车辆的行驶里程;
将所述车辆的行驶里程与所述单位里程成本相乘,再加上所述固定成本,得到所述车型时空弧上运输成本信息。
8.一种车辆排班的规划装置,其特征在于,所述车辆排班的规划装置包括:
第一获取单元,用于获取多个配送任务信息、配送车型信息、预先设定的进行车辆排班规划的全局起始时空点以及全局结束时空点,其中,所述配送任务信息包括配送任务和所述配送任务依次经过的路由空间点,所述时空点包括时间点和空间点;
时空弧建立单元,用于根据所述配送任务信息、所述配送车型信息、所述全局起始时空点以及所述全局结束时空点建立多个车型时空弧,其中,所述车型时空弧表示货物在一个时间点从一个空间点搭乘预设配送车型出发,在货物在下一个时间点到达下一个空间点;
第二获取单元,用于获取各个所述车型时空弧上运输成本信息;
策略确定单元,用于根据所述多个车型时空弧上的车辆数量,及各个所述车型时空弧上运输成本信息,建立车辆运输总成本计算策略;
确定单元,根据预设的车辆运输成本条件和车辆运输总成本计算策略,确定最小的车辆运输总成本;
第三获取单元,用于获取最小的车辆运输总成本对应的所述多个车型时空弧上的车辆数量,得到车辆排班的规划方案。
9.一种电子设备,其特征在于,所述电子设备包括:
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1-8任意一项所述的车辆排班的规划方法。
10.一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1-8任意一项所述的车辆排班的规划方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010488774.9A CN113762655A (zh) | 2020-06-02 | 2020-06-02 | 一种车辆排班的规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010488774.9A CN113762655A (zh) | 2020-06-02 | 2020-06-02 | 一种车辆排班的规划方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113762655A true CN113762655A (zh) | 2021-12-07 |
Family
ID=78782308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010488774.9A Pending CN113762655A (zh) | 2020-06-02 | 2020-06-02 | 一种车辆排班的规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113762655A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114462680A (zh) * | 2022-01-05 | 2022-05-10 | 北京京东振世信息技术有限公司 | 车辆配置方法、装置、存储介质及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977739A (zh) * | 2017-11-22 | 2018-05-01 | 深圳北斗应用技术研究院有限公司 | 物流配送路径的优化方法、装置及设备 |
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 |
CN108921483A (zh) * | 2018-07-16 | 2018-11-30 | 深圳北斗应用技术研究院有限公司 | 一种物流路径规划方法、装置及司机排班调度方法、装置 |
CN109063899A (zh) * | 2018-07-06 | 2018-12-21 | 上海大学 | 车辆运输规划方法及装置、电子设备及可读存储介质 |
CN111044060A (zh) * | 2018-10-12 | 2020-04-21 | 株式会社日立制作所 | 多车辆路径规划方法及多车辆路径规划系统 |
-
2020
- 2020-06-02 CN CN202010488774.9A patent/CN113762655A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977739A (zh) * | 2017-11-22 | 2018-05-01 | 深圳北斗应用技术研究院有限公司 | 物流配送路径的优化方法、装置及设备 |
CN109063899A (zh) * | 2018-07-06 | 2018-12-21 | 上海大学 | 车辆运输规划方法及装置、电子设备及可读存储介质 |
CN108921483A (zh) * | 2018-07-16 | 2018-11-30 | 深圳北斗应用技术研究院有限公司 | 一种物流路径规划方法、装置及司机排班调度方法、装置 |
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 |
CN111044060A (zh) * | 2018-10-12 | 2020-04-21 | 株式会社日立制作所 | 多车辆路径规划方法及多车辆路径规划系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114462680A (zh) * | 2022-01-05 | 2022-05-10 | 北京京东振世信息技术有限公司 | 车辆配置方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Puga et al. | A heuristic algorithm for solving large location–inventory problems with demand uncertainty | |
Jia et al. | A dynamic logistic dispatching system with set-based particle swarm optimization | |
Schmid et al. | Hybridization of very large neighborhood search for ready-mixed concrete delivery problems | |
CN111553626A (zh) | 一种路径规划方法、装置、电子设备及其存储介质 | |
CN109345091B (zh) | 基于蚁群算法的整车物流调度方法及装置、存储介质、终端 | |
Mattfeld et al. | Terminal operations management in vehicle transshipment | |
CN109214756B (zh) | 整车物流调度方法及装置、存储介质、终端 | |
CN109272267A (zh) | 一种配送路径规划方法、装置及设备、存储介质 | |
Hemmati et al. | An effective heuristic for solving a combined cargo and inventory routing problem in tramp shipping | |
CN109447355A (zh) | 仓库货物的配送优化方法、装置、介质和计算设备 | |
CN113420928A (zh) | 订单调度方法、装置、设备及存储介质 | |
CN112418584A (zh) | 任务规划方法、装置、计算机设备及存储介质 | |
CN113887828B (zh) | 智能供应链产运销协同与实时网络规划方法以及装置 | |
CN115983604A (zh) | 运输分配方法和装置、电子设备及存储介质 | |
CN113762655A (zh) | 一种车辆排班的规划方法及装置 | |
Farahani et al. | Online multimodal transportation planning using deep reinforcement learning | |
CN115829451A (zh) | 物流路径规划方法、装置、计算机设备和存储介质 | |
CN115271574A (zh) | 一种货品补货方法、装置、电子设备及存储介质 | |
CN112884180B (zh) | 物流集散点选址方法、装置、电子设备及存储介质 | |
CN112862135B (zh) | 快件运输线路规划方法、装置、服务器及存储介质 | |
Banjar et al. | Intelligent Scheduling Algorithms for the Enhancement of Drone Based Innovative Logistic Supply Chain Systems | |
CN112837001A (zh) | 物流网络规划方法、装置及计算机可读存储介质 | |
Mozafari et al. | Dynamic pricing and freight transportation planning in oligopolistic freight networks: a game theoretic approach | |
Supian et al. | Ride-Hailing Assignment Problem under Waiting Time Uncertainty using Interval-Valued Fuzzy Quadratic | |
CN112990754B (zh) | 运力调度方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |