CN113762869A - 运输任务处理方法和装置 - Google Patents

Abstract

本公开提出一种运输任务处理方法和装置，涉及物流领域。该方法包括：根据设置的包括至少一个运输影响因素的因素组和包括至少一个运输方式决策变量的决策变量组，构建运输任务的运输成本函数和运输约束条件；在满足所述运输约束条件的情况下，确定至少一组决策变量组的值，使得所述运输成本函数的值最小；按照确定的决策变量组的值相应的运输方式，对所述运输任务进行处理。从而保障运输任务规划结果的质量，减少规划运输任务的耗时。

Description

运输任务处理方法和装置

技术领域

本公开涉及物流领域，特别涉及一种运输任务处理方法和装置。

背景技术

随着电子商务的蓬勃发展，物流技术也不断发展，物流的效率也越来越高。

在相关技术中，由专门的任务规划人员基于经验人工地规划各个运输任务的运输方式，例如，选择运输路径和运输车辆等。

上述相关技术，在运输任务、运输路径和运输车辆等运输环境比较复杂的情况下，规划运输任务的耗时比较长，并且，规划结果的质量难以保证。

发明内容

本公开实施例通过构建运输任务的运输成本函数和运输约束条件，利用最优化的方法在满足运输约束条件的情况下求解最小化运输成本得到运输任务最优的运输方式，从而保障运输任务规划结果的质量，减少规划运输任务的耗时。

本公开一些实施例提出一种运输任务处理方法，包括：

根据设置的包括至少一个运输影响因素的因素组和包括至少一个运输方式决策变量的决策变量组，构建运输任务的运输成本函数和运输约束条件；

在满足所述运输约束条件的情况下，确定至少一组决策变量组的值，使得所述运输成本函数的值最小；

按照确定的决策变量组的值相应的运输方式，对所述运输任务进行处理。

在一些实施例中，所述决策变量组包括x_i、y_j、z_k，其中，x_i表示第i条路由是否被选择，y_j表示第j条线路上的运输车辆数量，z_k表示所述运输任务的始发网点和目的网点的第k个组合是否被选择，每条线路是所述线路的起点、终点和车辆型号的组合，每条路由是覆盖始发网点和目的网点的任一组合的整体路径，并包括一条或多条线路。

在一些实施例中，所述因素组的各个运输影响因素基于运输环境不确定性确定且因素值可配置。

在一些实施例中，所述因素组包括：第一因素组或第二因素组；

t表示时效要求，

所述第一因素组包括h、α、t；

所述第二因素组包括h、α、t、δ；

h表示一个运输单在运输网点的操作成本，

α表示满足所述时效要求t的所述运输任务的始发网点和目的网点的组合被选择的比例信息，

δ表示具有中转功能的配送站在单位面积下的运输单处理量的最大值，

i的取值范围R根据满足所述时效要求t的路由确定，

j的取值范围V根据满足所述时效要求t的线路确定。

在一些实施例中，所述运输任务的运输成本包括：所述运输任务在各个运输网点的操作成本和车辆的使用成本。

在一些实施例中，所述运输任务的运输成本函数为：

其中，w_i表示第i条路由的运输单的数量，c_i表示第i条路由经过运输网点的数量，d_j表示第j条线路的运输距离，g_j表示第j条线路的单位距离的运输成本，u_j表示第j条线路上车辆的固定成本，minimize表示取最小值。

在一些实施例中，所述运输任务的运输约束条件为第一运输约束条件或第二运输约束条件；

所述第一运输约束条件包括约束一、约束二、约束四、约束六；

所述第二运输约束条件包括约束一、约束二、约束四、约束六，还包括约束三、约束五中的至少一项；

其中，所述约束一为被选择的始发网点和目的网点的组合的比例不小于α，所述约束二为当始发网点和目的网点的一个组合被选择时，覆盖被选择的该组合的路由选择一条，当始发网点和目的网点的一个组合不被选择时，覆盖不被选择的该组合的路由均不选择，所述约束三为针对起点和终点的组合形成的任一线路流向，经过该线路流向的各个路由的运输单数量之和不小于该线路流向包含的各个线路的最低通过量之和，所述约束四为针对起点和终点的组合形成的任一线路流向，经过该线路流向的各个路由的运输单数量之和不大于该线路流向包含的各个线路的最大通过量之和，所述约束五为具有中转功能的配送站处理的运输单数量不能超过其上限，所述约束六为决策变量组中各个运输方式决策变量的取值约束。

在一些实施例中，所述方法还包括：

设置因素组的多组第一待评估值组和一组参考值组；

根据因素组的多组第一待评估值组和一组参考值组，针对因素组中的每个运输影响因素确定多组第二评估值组；

根据参考值组相应的决策变量组的值形成的第一向量和每个运输影响因素的每组第二评估值组相应的决策变量组的值形成的第二向量，计算所述运输影响因素相应的相似性系数；

根据每个运输影响因素相应的各个相似性系数确定所述运输影响因素的相似性系数均值；

通过比较各个运输影响因素的相似性系数均值的大小从各个运输影响因素中识别出所述运输任务的关键影响因素。

在一些实施例中，针对因素组中的每个运输影响因素确定多组第二评估值组包括：

针对因素组中的任一第一运输影响因素，将各组第一待评估值组中第一运输影响因素的值分别与参考值组中除第一运输影响因素之外的其他运输影响因素的值的组合，确定为第一运输影响因素相应的多组第二评估值组。

在一些实施例中，计算所述运输影响因素相应的相似性系数包括：计算第一向量和第二向量的简单匹配系数，并作为所述运输影响因素相应的相似性系数。

在一些实施例中，所述运输任务的始发网点包括机场，所述运输任务的目的网点包括至少一个配送站，运输网点包括机场、分拣中心、配送站。

本公开一些实施例提出一种运输任务处理装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行运输任务处理方法。

本公开一些实施例提出一种运输任务处理装置，包括：

构建模块，被配置为根据设置的包括至少一个运输影响因素的因素组和包括至少一个运输方式决策变量的决策变量组，构建运输任务的运输成本函数和运输约束条件；

确定模块，被配置为在满足所述运输约束条件的情况下，确定至少一组决策变量组的值，使得所述运输成本函数的值最小；

处理模块，被配置为按照确定的决策变量组的值相应的运输方式，对所述运输任务进行处理。

在一些实施例中，还包括：关键影响因素识别模块，被配置为：

设置因素组的多组第一待评估值组和一组参考值组；

根据因素组的多组第一待评估值组和一组参考值组，针对因素组中的每个运输影响因素确定多组第二评估值组；

根据参考值组相应的决策变量组的值形成的第一向量和每个运输影响因素的每组第二评估值组相应的决策变量组的值形成的第二向量，计算所述运输影响因素相应的相似性系数；

根据每个运输影响因素相应的各个相似性系数确定所述运输影响因素的相似性系数均值；

通过比较各个运输影响因素的相似性系数均值的大小从各个运输影响因素中识别出所述运输任务的关键影响因素。

本公开一些实施例提出一种非瞬时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述各个实施例的运输任务处理方法的步骤。

附图说明

下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍。根据下面参照附图的详细描述，可以更加清楚地理解本公开。

显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1示出本公开一些实施例的运输任务处理方法的流程示意图。

图2示出本公开另一些实施例的运输任务处理方法的流程示意图。

图3示出本公开一些实施例的一种示例性的路由数据模型。

图4为本公开一些实施例的运输任务处理装置的结构示意图。

图5为本公开另一些实施例的运输任务处理装置的结构示意图。

具体实施方式

下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。

除非特别说明，否则，本公开中的“第一”“第二”等描述用来区分不同的对象，并不用来表示大小或时序等含义。

图1示出本公开一些实施例的运输任务处理方法的流程示意图。

如图1所示，该实施例的运输任务处理方法包括：步骤110-140，根据任务分析需要，还可以包括步骤150。

在步骤110，获取运输任务相关的信息。

获取运输任务相关的信息包括：获取运输任务相关的数据，设置运输任务处理模型参数(简称“模型参数”)等，具体参见步骤210-250。

运输任务相关的数据包括：运输任务相关的运输网点，线路流向，线路，路由，车辆等数据信息。运输网点包括始发网点、各目的网点、中间网点等，运输网点包括机场、分拣中心、配送站等，配送站分为具有中转功能的配送站(称为中心站)和不具有中转功能的普通配送站，运输任务的始发网点例如为机场，运输任务的目的网点为至少一个配送站。线路流向是线路的起点和终点的组合，起点和终点均是运输网点。线路是线路的起点、终点和车辆型号的组合。路由是覆盖始发网点和目的网点的组合的整体路径，包括一条或多条线路。

模型参数包括：运输方式决策变量，运输方式非决策参数，运输影响因素等。运输方式决策变量包括x_i、y_j、z_k等。各运输方式决策变量组成决策变量组。运输方式非决策参数包括w_i、c_i、d_j、g_j、u_j、lb_j、ub_j、S_p、R、A、E、V、D、D_k、A_p、B_p等。运输影响因素包括h、α、t、δ等。各运输影响因素组成因素组。因素组的各个运输影响因素基于运输环境不确定性确定且因素值可配置，使得据此构建的运输任务处理模型(包括运输成本函数和约束条件等)可调整。因素组包括：第一因素组或第二因素组；第一因素组包括h、α、t；第二因素组包括h、α、t、δ。

下面描述各个参数的含义。

x_i表示第i条路由是否被选择，i的取值范围R根据满足时效要求t的路由确定，路由集合R＝{x₁，x₂，...x_m}中的各条路由均满足时效要求t。y_j表示第j条线路上的运输车辆数量，j的取值范围V根据满足时效要求t的线路确定，线路集合V＝{y₁，y₂，…，y_n}中的各条线路均满足时效要求t。z_k表示运输任务的始发网点和目的网点的第k个组合是否被选择。始发网点和目的网点的组合的集合D＝{1，2，…，f}。其中m为路由总数量，n为线路总数量，f为始发网点和目的网点的组合对数。

w_i表示第i条路由的运输单的数量。c_i表示第i条路由经过运输网点的数量。d_j表示第j条线路的运输距离。g_j表示第j条线路的单位距离的运输成本。u_j表示第j条线路上车辆的固定成本。lb_j表示第j条线路的最低通过量。ub_j表示第j条线路的最大通过量。s_p表示第p条线路流向的终点(如中心站，即，具有中转功能的配送站)的面积。A＝{p₁，p₂，…，}表示线路流向集合。E＝{p₁，p₂，…，}表示始发网点(如机场)到中心站的线路流向集合。D_k＝{x_k1，x_k2，...}表示始发网点和目的网点的第k个组合关联的路由。A_p＝{y_p1，y_p2，…，}表示第p条线路流向包含的线路。B_p＝{x_p1，x_p2，…，}经过第p条线路流向的路由。

t表示时效要求。h表示一个运输单在运输网点的操作成本。α表示满足时效要求t的运输任务的始发网点和目的网点的组合被选择的比例信息。当设置的α小于100％时，满足时效要求t的始发网点和目的网点的组合并不会全部被中提供服务，可以降低服务成本。δ表示具有中转功能的配送站在单位面积下的运输单处理量的最大值。t表示时效要求。

在步骤120，基于运输任务相关的信息，根据设置的包括至少一个运输影响因素的因素组和包括至少一个运输方式决策变量的决策变量组，构建运输任务的运输成本函数和运输约束条件，即构建运输任务处理模型。

该构建运输任务处理模型是整数规划(Integer Programming，IP)模型，其所有决策变量，如x_i、y_j、z_k，为整数型或0-1型。

运输任务的运输成本函数是使运输任务的运输成本最低。运输任务在各个运输网点的操作成本和车辆的使用成本。车辆的使用成本包括车辆固定成本以及与线路距离相关的车辆变动成本。

例如，运输任务的运输成本函数为：

其中，

表示运输任务在各个运输网点的操作成本。

表示车辆的使用成本，包含车辆固定成本以及与线路距离相关的车辆变动成本。w_i表示第i条路由的运输单的数量，c_i表示第i条路由经过运输网点的数量，d_j表示第j条线路的运输距离，g_j表示第j条线路的单位距离的运输成本，u_j表示第j条线路上车辆的固定成本，minimize表示取最小值。

运输任务的运输约束条件为第一运输约束条件或第二运输约束条件；第一运输约束条件包括约束一、约束二、约束四、约束六；第二运输约束条件包括约束一、约束二、约束四、约束六，还包括约束三、约束五中的至少一项。

约束一为被选择的始发网点和目的网点的组合的比例不小于α，即，

约束二为当始发网点和目的网点的一个组合被选择时，覆盖被选择的该组合的路由选择一条，当始发网点和目的网点的一个组合不被选择时，覆盖不被选择的该组合的路由均不选择，即，

约束三为针对起点和终点的组合形成的任一线路流向，经过该线路流向的各个路由的运输单数量之和不小于该线路流向包含的各个线路的最低通过量之和，即，

约束四为针对起点和终点的组合形成的任一线路流向，经过该线路流向的各个路由的运输单数量之和不大于该线路流向包含的各个线路的最大通过量之和，即，

约束五为具有中转功能的配送站处理的运输单数量不能超过其上限，即，

约束六为决策变量组中各个运输方式决策变量的取值约束，即，x_i∈{0，1}，z_k∈{0，1}，

k∈D，j∈V。

表示正整数。

在步骤130，在满足运输约束条件的情况下，确定至少一组决策变量组的值，使得运输成本函数的值最小。

运输成本函数例如可以使用scip，cplex等求解器进行求解。

在步骤140，按照确定的决策变量组的值相应的运输方式，对运输任务进行处理。

例如，针对该运输任务，根据确定的x_i、y_j、z_k的值，可以确定选择始发网点和目的网点的哪个组合、选择哪条路由、以及路由的线路上安排多少车辆数，可以使得该运输任务的运输成本最低。

从而，通过构建运输任务的运输成本函数和运输约束条件，利用最优化的方法在满足运输约束条件的情况下求解最小化运输成本得到运输任务最优的运输方式，从而保障运输任务规划结果的质量，减少规划运输任务的耗时。

在步骤150，从各个运输影响因素中识别出运输任务的关键影响因素。

识别出运输任务的关键影响因素包括如下的(1)-(5)。

(1)设置因素组的多组第一待评估值组和一组参考值组。

如下表所示，假设设置两组第一待评估值组，即，水平1和水平3对应的组，设置一组参考值组，即，水平2对应的组。

(2)根据因素组的多组第一待评估值组和一组参考值组，针对因素组中的每个运输影响因素确定多组第二评估值组。

针对因素组中的任一第一运输影响因素，将各组第一待评估值组中第一运输影响因素的值分别与参考值组中除第一运输影响因素之外的其他运输影响因素的值的组合，确定为第一运输影响因素相应的多组第二评估值组。

例如，针对运输影响因素t，确定两组第二评估值组：【2，85％，5000，09:30】、【2，85％，5000，15:30】。又例如，针对运输影响因素h，确定两组第二评估值组：【1，85％，5000，12:30】、【3，85％，5000，12:30】。

(3)根据参考值组相应的决策变量组的值形成的第一向量和每个运输影响因素的每组第二评估值组相应的决策变量组的值形成的第二向量，计算运输影响因素相应的相似性系数。

例如，计算第一向量和第二向量的简单匹配系数，并作为运输影响因素相应的相似性系数。

决策变量组的值形成的向量标记为S_{h，α，δ，t}＝{{x₁，x₂，...，}，{y₁，y₂，…，}，{z₁，z₂，…，}}。为了便于区分，第一向量标记为

第二向量标记为S′_{h，α，δ，t}。需要说明的是，S_{h，α，δ，t}中的各决策变量的顺序不限定，一致即可，例如，S_{h，α，δ，t}＝{{z₁，z₂，…，}，{y₁，y₂，…，}，{x₁，x₂，...，}}。

为了便于计算，还可以将S_{h，α，δ，t}中的线路变量V＝{y₁，y₂，…，}转换为二元变量V′＝{y′₁，y′₂，…，}，转换方法为：

将变量按顺序组合为向量Θ_{h，α，δ，t}＝{{x₁，x₂，...，}，{y′₁，y′₂，…，}，{z₁，z₂，…，}}。为了便于区分，转换后的第一向量标记为

转换后的第二向量标记为Θ′_{h，α，δ，t}。然后，计算

和Θ′_{h，α，δ，t}的简单匹配系数，并作为运输影响因素相应的相似性系数。

简单匹配系数的计算方法为：

其中，假设两个向量A与B分别有n个二值属性，则：

M₀₀表示A和B的数值均为0的属性数量，

M₀₁表示A的数值为0，B的数值为1的属性数量，

M₁₀表示A的数值为1，B的数值为0的属性数量，

M₁₁表示A和B的数值均为1的属性数量。

具体到本公开，两个向量A与B分别为

和Θ′_{h，α，δ，t}，或者，分别为S_{h，α，δ，t}和S′_{h，α，δ，t}。

(4)根据每个运输影响因素相应的各个相似性系数确定运输影响因素的相似性系数均值。

仍以运输影响因素t为例，由于其有两组第二评估值组：【2，85％，5000，09:30】、【2，85％，5000，15:30】，每组第二评估值组对应一个第二向量，共有两个第二向量，第一向量与两个第二向量分别进行相似性运算得到运输影响因素t的两个相似性系数，设为SMC_t1和SMC_t2，对二者进行平均，得到运输影响因素t的相似性系数均值，设为

类似的方法，还可以得到其他运输影响因素相似性系数均值，如运输影响因素h的相似性系数均值

运输影响因素α相似性系数均值

运输影响因素δ相似性系数均值

(5)通过比较各个运输影响因素的相似性系数均值的大小从各个运输影响因素中识别出运输任务的关键影响因素。

比较各个运输影响因素的相似性系数均值的大小，例如，比较

相似性系数均值越小，说明相应的运输影响因素对运输任务的影响越大。可以将影响越大的一个或多个运输影响因素确定为运输任务的关键影响因素。

从而，从不确定性的多个运输影响因素中识别出对运输任务的关键影响因素。

在识别出关键影响因素之后，可重点关注关键影响因素并改进，以改善整体的物流服务水平。例如，假设运输影响因素h是关键影响因素，则可以通过技术不断降低运输单在运输网点的操作成本，使得h的值减小，降低运输任务的总运输成本，改善整体的物流服务水平。

图2示出本公开另一些实施例的运输任务处理方法的流程示意图。

如图2所示，该实施例的运输任务处理方法包括：步骤210.280，根据任务分析需要，还可以包括步骤290。

在步骤210，获取运输任务相关的运输网点信息，具体参见步骤211-213。

在步骤211，从数据库中读取运输任务相关的运输网点信息。

其中，运输任务相关的运输网点包括运输任务的始发网点、各目的网点、各中间网点等，始发网点例如为机场、火车站等，各目的网点例如为配送站，各中间网点例如为分拣中心或中心站。

其中，运输网点信息例如包括运输网点的位置信息，中心站的面积信息等。

运输任务相关的运输网点信息的一个示例如下表所示。

在步骤212，根据运输任务的时效要求t筛选运输网点。

判断读取的每个配送站和分拣中心是否满足时效要求t，并选出满足时效要求t的配送站和分拣中心。

例如，要求到达配送站的时间小于10:30，货物到达分拣中心需要处理1个小时，才能继续向配送站运输，分拣中心到配送站的最小运输时间为T0，则筛选网点的时效要求是为：1)到达配送站的时间小于10:30；2)到达分拣中心的时间小于9:30-T0。

在步骤213，根据配送站的面积将配送站划分为“中心站”和“普通配送站”，并标识相应的类型标签。

例如，将面积大于等于预设面积MIN_AREA的配送站标识为“中心站”，将面积小于MIN_AREA的配送站标识为“普通配送站”。如前所述，中心站具有中转功能，从始发网点(如机场)提取的货物可以经过中心站中转一次，再运往目的配送站。

在步骤220，生成运输任务相关的始发网点(Origin)和目的网点(Destination)的组合(设为OD)的数据，具体参见步骤221-223。

在步骤221，生成运输任务相关的始发网点和目的网点的组合。

例如，将始发网点设置为某机场，目的网点设置为该机场周边的配送站(一个或多个)，OD数据为该机场与该机场周边的配送站。

在步骤222，计算各配送站的运输单数量占比。

例如，读取历史数据，计算各配送站每日的平均运输单数量，将某个配送站每日的平均运输单数量除以这些配送站每日的平均运输单总量得到该配送站的运输单数量占比。

在步骤223，按照各配送站的运输单数量占比，对始发网点和目的网点的组合进行排序，例如，逆序排列，排序的序号可以作为始发网点和目的网点的组合的标签(即，OD标签)。

在步骤230，生成运输任务相关的线路数据，具体参见步骤231-235。

在步骤231，生成运输任务相关的线路流向数据。

例如，生成始发网点(如机场)到配送站(或中心站)，始发网点(如机场)到分拣中心，分拣中心(或中心站)到配送站等的起点与终点的组合，并删除起点和终点相同的组合，然后调用导航工具计算每个组合中起点与终点之间的距离，从而生成完整的线路流向数据。还可将所有线路流向按起点排序，将序号作为起点和终点的组合数据的标签。

在步骤232，生成从始发网点(如机场)出发的线路。

例如，筛选出起点为始发网点(如机场)的线路流向，将其与备选的车型组合生成线路，并删除不满足时效性要求的线路。

在步骤233，生成中心站或分拣中心出发的线路。

例如，筛选出起点为分拣中心或中心站的线路流向，将其与备选的车型组合生成线路，并删除不满足时效性要求的线路。

在步骤234，删除不满足时效要求的线路，即，根据时效要求删除到达时间晚于时效要求的线路。

例如，针对步骤232生成的线路，删除不满足时效性要求的线路包括：根据车辆的速度，导航距离和始发网点(如机场)的出发时间，计算线路的最大速度、运输时长和到达时间，删除到达时间晚于时效要求的线路。

例如，针对步骤233生成的线路，根据导航距离、线路起始点特征、车辆的速度和车辆在中心站和分拣中心的处理时长，以及前一步骤得到的分拣中心和中心站的到达时间，计算此类线路的最大车速、出发时间，运输时长和到达时间，删除到达时间晚于时效要求的线路。

在步骤235，标签化线路数据。即，将线路按起点排序，将序号作为线路的线路标签(标签1)，然后将线路数据和线路流向数据按起点和终点关联，将与线路关联的线路流向数据作为线路的线路流向标签(标签2)。

在步骤240，生成运输任务相关的路由数据，具体参见步骤241-243。

在步骤241，通过串联线路数据，生成运输任务相关的路由数据。

例如，将机场→分拣中心(或中心站)类线路与分拣中心(或中心站)→配送站类线路串联起来，生成机场→分拣中心(或中心站)→配送站类路由，此外，还可以直接生成机场→配送站类路由。整理路由的出发网点，到达网点，出发时间、到达时间、经过的网点，以及经过网点数量等信息。图3示出了一种示例性的路由数据模型。

在步骤242，将路由数据与线路数据关联，为路由中的每段线路增加线路流向标签。

例如，针对路由：机场→分拣中心→配送站中的两段线路，增加路线1：机场→分拣中心的线路流向标签和路线2：分拣中心→配送站的线路流向标签。

在步骤243，将路由数据与始发网点和目的网点的组合关联。

将具有相同起点和终点的路由与始发网点和目的网点的组合关联，在路由数据中增加一个字段，名字为OD，值为OD标签。

在步骤250，设置模型参数。

如前所述，模型参数包括：运输方式决策变量，运输方式非决策参数，运输影响因素等。运输方式决策变量包括x_i、y_j、z_k等。各运输方式决策变量组成决策变量组。运输方式非决策参数包括w_i、c_i、d_j、g_j、u_j、lb_j、ub_p、S_p、R、A、E、V、D、D_k、A_p、B_p等。运输影响因素包括h、α、t、δ等。各运输影响因素组成因素组。各符号的含义参考前述，这里不再赘述。

在步骤260，构建运输任务处理模型，该模型是整数规划(Integer Programming，IP)模型，其所有决策变量为整数型或0-1型。

构建运输任务处理模型包括：基于步骤210-250获取的运输任务相关的各种信息，根据设置的包括至少一个运输影响因素的因素组和包括至少一个运输方式决策变量的决策变量组，构建运输任务的运输成本函数和运输约束条件，具体实现参考步骤120。

在步骤270，在满足运输约束条件的情况下，确定至少一组决策变量组的值，使得运输成本函数的值最小，具体实现参考步骤130。

在步骤280，按照确定的决策变量组的值相应的运输方式，对运输任务进行处理，具体实现参考步骤140。

在步骤290，从各个运输影响因素中识别出运输任务的关键影响因素，具体实现参考步骤150。

从而，通过构建运输任务的运输成本函数和运输约束条件，利用最优化的方法在满足运输约束条件的情况下求解最小化运输成本得到运输任务最优的运输方式，从而保障运输任务规划结果的质量，减少规划运输任务的耗时。此外，从不确定性的多个运输影响因素中识别出对运输任务的关键影响因素。在识别出关键影响因素之后，可重点关注关键影响因素并改进，以改善整体的物流服务水平。

图4为本公开一些实施例的运输任务处理装置的结构示意图。

如图4所示，该实施例的装置400包括：存储器410以及耦接至该存储器410的处理器420，处理器420被配置为基于存储在存储器410中的指令，执行前述各个实施例中的运输任务处理方法。

其中，存储器410例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。

装置400还可以包括输入输出接口430、网络接口440、存储接口450等。这些接口430，440，450以及存储器410和处理器420之间例如可以通过总线460连接。其中，输入输出接口430为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口440为各种联网设备提供连接接口。存储接口450为SD卡、U盘等外置存储设备提供连接接口。

图5为本公开另一些实施例的运输任务处理装置的结构示意图。

如图5所示，该实施例的装置500包括：模块510-530，根据业务分析需要，还可以包括模块540。

构建模块510，被配置为根据设置的包括至少一个运输影响因素的因素组和包括至少一个运输方式决策变量的决策变量组，构建运输任务的运输成本函数和运输约束条件。

确定模块520，被配置为在满足运输约束条件的情况下，确定至少一组决策变量组的值，使得运输成本函数的值最小。

处理模块530，被配置为按照确定的决策变量组的值相应的运输方式，对运输任务进行处理。

关键影响因素识别模块540，被配置为：

设置因素组的多组第一待评估值组和一组参考值组；

根据因素组的多组第一待评估值组和一组参考值组，针对因素组中的每个运输影响因素确定多组第二评估值组；

根据参考值组相应的决策变量组的值形成的第一向量和每个运输影响因素的每组第二评估值组相应的决策变量组的值形成的第二向量，计算运输影响因素相应的相似性系数；

根据每个运输影响因素相应的各个相似性系数确定运输影响因素的相似性系数均值；

通过比较各个运输影响因素的相似性系数均值的大小从各个运输影响因素中识别出运输任务的关键影响因素。

本公开一些实施例还提出一种非瞬时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现运输任务处理方法的步骤。

本领域内的技术人员应当明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机程序代码的非瞬时性计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅为本公开的较佳实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (15)

1.一种运输任务处理方法，其特征在于，包括：

根据设置的包括至少一个运输影响因素的因素组和包括至少一个运输方式决策变量的决策变量组，构建运输任务的运输成本函数和运输约束条件；

在满足所述运输约束条件的情况下，确定至少一组决策变量组的值，使得所述运输成本函数的值最小；

按照确定的决策变量组的值相应的运输方式，对所述运输任务进行处理。

2.根据权利要求1所述的方法，其特征在于，所述决策变量组包括x_i、y_j、z_k，其中，x_i表示第i条路由是否被选择，y_j表示第j条线路上的运输车辆数量，z_k表示所述运输任务的始发网点和目的网点的第k个组合是否被选择，每条线路是所述线路的起点、终点和车辆型号的组合，每条路由是覆盖始发网点和目的网点的任一组合的整体路径，并包括一条或多条线路。

3.根据权利要求2所述的方法，其特征在于，所述因素组的各个运输影响因素基于运输环境不确定性确定且因素值可配置。

4.根据权利要求3所述的方法，其特征在于，所述因素组包括：第一因素组或第二因素组；

所述第一因素组包括h、α、t；

所述第二因素组包括h、α、t、δ；

t表示时效要求，

h表示一个运输单在运输网点的操作成本，

α表示满足所述时效要求t的所述运输任务的始发网点和目的网点的组合被选择的比例信息，

δ表示具有中转功能的配送站在单位面积下的运输单处理量的最大值，

i的取值范围R根据满足所述时效要求t的路由确定，

j的取值范围V根据满足所述时效要求t的线路确定。

5.根据权利要求4所述的方法，其特征在于，所述运输任务的运输成本包括：所述运输任务在各个运输网点的操作成本和车辆的使用成本。

6.根据权利要求5所述的方法，其特征在于，所述运输任务的运输成本函数为：

minimize(∑_i∈Rx_i*w_i*c_i*h+∑_j∈Vy_j*(d_j*g_j+u_j))

其中，w_i表示第i条路由的运输单的数量，c_i表示第i条路由经过运输网点的数量，d_j表示第j条线路的运输距离，g_j表示第j条线路的单位距离的运输成本，u_j表示第j条线路上车辆的固定成本，minimize表示取最小值。

7.根据权利要求6所述的方法，其特征在于，所述运输任务的运输约束条件为第一运输约束条件或第二运输约束条件；

所述第一运输约束条件包括约束一、约束二、约束四、约束六；

所述第二运输约束条件包括约束一、约束二、约束四、约束六，还包括约束三、约束五中的至少一项；

其中，所述约束一为被选择的始发网点和目的网点的组合的比例不小于α，所述约束二为当始发网点和目的网点的一个组合被选择时，覆盖被选择的该组合的路由选择一条，当始发网点和目的网点的一个组合不被选择时，覆盖不被选择的该组合的路由均不选择，所述约束三为针对起点和终点的组合形成的任一线路流向，经过该线路流向的各个路由的运输单数量之和不小于该线路流向包含的各个线路的最低通过量之和，所述约束四为针对起点和终点的组合形成的任一线路流向，经过该线路流向的各个路由的运输单数量之和不大于该线路流向包含的各个线路的最大通过量之和，所述约束五为具有中转功能的配送站处理的运输单数量不能超过其上限，所述约束六为决策变量组中各个运输方式决策变量的取值约束。

8.根据权利要求1所述的方法，其特征在于，还包括：

设置因素组的多组第一待评估值组和一组参考值组；

根据因素组的多组第一待评估值组和一组参考值组，针对因素组中的每个运输影响因素确定多组第二评估值组；

根据参考值组相应的决策变量组的值形成的第一向量和每个运输影响因素的每组第二评估值组相应的决策变量组的值形成的第二向量，计算所述运输影响因素相应的相似性系数；

根据每个运输影响因素相应的各个相似性系数确定所述运输影响因素的相似性系数均值；

通过比较各个运输影响因素的相似性系数均值的大小从各个运输影响因素中识别出所述运输任务的关键影响因素。

9.根据权利要求8所述的方法，其特征在于，针对因素组中的每个运输影响因素确定多组第二评估值组包括：

针对因素组中的任一第一运输影响因素，将各组第一待评估值组中第一运输影响因素的值分别与参考值组中除第一运输影响因素之外的其他运输影响因素的值的组合，确定为第一运输影响因素相应的多组第二评估值组。

10.根据权利要求8所述的方法，其特征在于，计算所述运输影响因素相应的相似性系数包括：

计算第一向量和第二向量的简单匹配系数，并作为所述运输影响因素相应的相似性系数。

11.根据权利要求4所述的方法，其特征在于，

所述运输任务的始发网点包括机场，所述运输任务的目的网点包括至少一个配送站，运输网点包括机场、分拣中心、配送站。

12.一种运输任务处理装置，包括：

存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行权利要求1-11中任一项所述的运输任务处理方法。

13.一种运输任务处理装置，其特征在于，包括：

构建模块，被配置为根据设置的包括至少一个运输影响因素的因素组和包括至少一个运输方式决策变量的决策变量组，构建运输任务的运输成本函数和运输约束条件；

确定模块，被配置为在满足所述运输约束条件的情况下，确定至少一组决策变量组的值，使得所述运输成本函数的值最小；

处理模块，被配置为按照确定的决策变量组的值相应的运输方式，对所述运输任务进行处理。

14.根据权利要求13所述的装置，其特征在于，还包括：

关键影响因素识别模块，被配置为：

设置因素组的多组第一待评估值组和一组参考值组；

根据因素组的多组第一待评估值组和一组参考值组，针对因素组中的每个运输影响因素确定多组第二评估值组；

根据参考值组相应的决策变量组的值形成的第一向量和每个运输影响因素的每组第二评估值组相应的决策变量组的值形成的第二向量，计算所述运输影响因素相应的相似性系数；

根据每个运输影响因素相应的各个相似性系数确定所述运输影响因素的相似性系数均值；

通过比较各个运输影响因素的相似性系数均值的大小从各个运输影响因素中识别出所述运输任务的关键影响因素。

15.一种非瞬时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-11中任一项所述的运输任务处理方法的步骤。

Images