CN113837495B - 基于多阶段优化的物流干线运输调度优化方法 - Google Patents
基于多阶段优化的物流干线运输调度优化方法 Download PDFInfo
- Publication number
- CN113837495B CN113837495B CN202111274867.2A CN202111274867A CN113837495B CN 113837495 B CN113837495 B CN 113837495B CN 202111274867 A CN202111274867 A CN 202111274867A CN 113837495 B CN113837495 B CN 113837495B
- Authority
- CN
- China
- Prior art keywords
- allocation
- vehicle
- optimization
- transportation
- trunk
- 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.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 15
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 238000004880 explosion Methods 0.000 description 6
- 238000005474 detonation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- 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)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于多阶段优化的物流干线运输调度优化方法,步骤包括:S1,根据获取的物流干线运输的快件信息和车辆信息,以物流成本最小为优化目标求解所构建的干线运输优化调度模型,得到优化后的干线运输调度优化方案;S2,以当前阶段的模型求解结果为下一阶段模型求解的约束条件进行模型求解,得到下一阶段的干线运输调度优化方案。本发明通过所构建的干线运输优化调度模型从物流运输全网层面对多分拨的快件调度方案和车辆调度方案进行协同优化调整,提高了干线运输调度方案优化的质量,并在下一阶段的干线运输调度方案优化中考虑前一阶段的方案优化结果,进一步提升了所生成的干线运输调度优化方案的合理性。
Description
技术领域
本发明涉及物流运输调度技术领域,具体涉及一种基于多阶段优化的物流干线运输调度优化方法。
背景技术
干线运输是指运输网中起骨干作用的线路运输。按分布的区域范围划分,一般跨越省、区(市)的运输线所完成的客货运输为干线运输,省、区(市)范围内的运输线上的客货运输为支线运输。
每日的干线运输调度是物流运输中的重要工作。分拨人员根据每日的货量制定调度计划,对于爆仓和空仓情况采用相应的调度策略,以减少货物在分拨的积压或车辆因空仓行驶导致的运力成本浪费。但人工调度方式工作量大、重复度高,且在考虑运力成本和运输时效时通常局限于单个分拨,无法站在全局的角度考虑货量与运力资源的匹配,以减少空仓或爆仓。另外,人为调度方式高度依赖个人的调度经验,难以判断人为作出的调度方案是否真正合理。
发明内容
本发明以自动优化物流干线运输调度方案,减少干线运输调度对个人经验的依赖,进一步提升干线运输调度方案的合理性为目的,提供了一种基于多阶段优化的物流干线运输调度优化方法。
为达此目的,本发明采用以下技术方案:
提供一种基于多阶段优化的物流干线运输调度优化方法,步骤包括:
S1,根据获取的物流干线运输的快件信息和车辆信息,以物流成本最小为优化目标求解所构建的干线运输优化调度模型,得到优化后的干线运输调度优化方案;
S2,以当前阶段的模型求解结果为下一阶段模型求解的约束条件进行模型求解,得到下一阶段的所述干线运输调度优化方案。
作为本发明的一种优选方案,所述快件信息包括干线运输网络中每个分拨的原始货量、始发分拨、目的分拨、规划下一站以及备选下一站集合;
所述车辆信息包括执行干线运输任务的车辆的班次号、运输线路、经停分拨集合和加班车集合。
作为本发明的一种优选方案,所述干线运输优化调度模型的目标函数通过以下公式(1)表达:
公式(1)中,V表示执行物流干线运输的所有车辆的集合;
v表示车辆集合V中的元素;
H表示物流干线运输网络中的所有分拨的集合;
i,j,d分别表示分拨集合H中的分拨i、分拨j和分拨d;
nv表示车辆v是否开行,nv=1表示车辆v开行,nv=0表示车辆v不开行;
cv表示车辆v开行的成本;
sid表示当前分拨为i,目的分拨为d的快件未被发走的货量;
pid表示快件未发走的单位惩罚;
xijd表示当前分拨为i,目的分拨为d的快件中转到下一站分拨为j的货量;
opijd表示快件中转操作的单位成本。
作为本发明的一种优选方案,求解所述干线运输优化调度模型的约束条件包括分拨货量平衡约束、货量与车辆装载匹配约束、车辆装载的起发和额定货量限制约束、虚拟经停车辆开行数量约束、备用路由的数量和货量约束中的任意一种或多种。
作为本发明的一种优选方案,所述分拨货量平衡约束通过以下公式(2)表达:
公式(2)中,Pid表示当前分拨为i,目的分拨为d对应的上一站分拨集合,p∈Pid;
xpid表示当前分拨p,目的分拨为d的快件中转到下一站分拨为i的货量;
αpid表示当前分拨为p,目的分拨为d的快件是否能赶上下一站分拨i的发车,αpid=1表示能赶上发车,αpid=0表示赶不上发车;
lid表示始发分拨为i,目的分拨为d的待发货量。
作为本发明的一种优选方案,所述货量与车辆装载匹配约束通过以下公式(3)表达:
公式(3)中,Vij表示从分拨i带货到分拨j的车辆集合;
tvij表示车辆v在分拨i装载的下一站为分拨j的货量。
作为本发明的一种优选方案,所述车辆装载的起发和额定货量限制约束通过以下公式(4)-(5)表达:
公式(4)-(5)中,SHv,seg表示车辆v在线段seg上开行时可装载快件的当前分拨和下一站集合,例如,假设车辆线路为H1-H4-H2,其中H1、H4、H2均表示分拨,车辆直连线段包含H1-H4,H4-H2,则该车辆在线段H4-H2上开行时可装载当前分拨为H1和下一站为H2以及当前分拨为H4和下一站为H2的快件;
tvij表示车辆v从分拨i装载下一站为分拨j的货量;
表示车辆v在线段seg上开行的起发货量;
STv表示车辆v可执行干线运输任务的所有直连线段集合;
Qv表示车辆v的额定装载量。
作为本发明的一种优选方案,所述虚拟经停车辆开行数量约束通过以下公式(6)表达:
公式(6)中,Sv表示根据原始车辆v构建的所有的虚拟经停班次的集合;
v′表示车辆v的虚拟经停班次;
nv′表示虚拟经停班次v′是否开行,nv′=1表示虚拟经停班次v′开行,nv′=0表示虚拟经停班次v′不开行。
作为本发明的一种优选方案,所述备用路由的数量和货量约束通过以下公式(7)-(8)表达:
公式(7)-(8)中,N′id表示当前分拨为i,目的分拨为d的所有备选下一站集合;
yijd表示当前分拨为i,目的分拨为d的快件是否发往备选的下一站分拨j;
num表示备选路由个数的上限;
UBid表示备选分拨货量的上限。
作为本发明的一种优选方案,求解模型得到的所述干线运输调度优化方案包括快件调度优化方案和车辆调度优化方案,所述快件调度优化方案的内容包括当前分拨到下一站分拨的规划货量、备选分拨转入或转出到其他分拨的备选货量、备选分拨信息和当前分拨未发的快件货量;
所述车辆调度优化方案的内容包括每个车辆所装载的所有流向的快件货量、是否经停其他分拨、运输类型和班次线路。
本发明具有以下有益效果:
1、构建干线运输优化调度模型时,从全局角度考虑了各分拨可能出现的空仓和爆仓现象对整体的干线运输调度的影响,因此求解模型得到的干线运输调度优化方案更具合理性;
2、只需要根据获取的物流干线运输的快件信息和车辆信息求解模型即可得到干线运输调度优化方案,方案的生成不再依赖人工调度经验,大幅降低了分拨调度人员的日常工作量和工作重复度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的基于多阶段优化的物流干线运输调度优化方法的实现步骤图;
图2是快件运输的规划路由和备用线路示意图;
图3是车辆的原始线路和经停示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若出现术语“上”、“下”、“左”、“右”、“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发明和简化描述,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,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
在本发明的描述中,除非另有明确的规定和限定,若出现术语“连接”等指示部件之间的连接关系,该术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个部件内部的连通或两个部件的相互作用关系。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
由于快件货量的波动或对货量预估不足,在每日的干线运输调度中会出现快件爆仓或车辆空仓的情况,须及时调整车辆或快件的路由,以减少爆仓带来的时效延误或空仓导致的运力资源浪费。考虑到若大幅度调整车辆或路由,全网需要较长的时间完成调整部署,且调整成本较大,所以对于短期内货量的波动,一般通过“微调”方式以较小的调整成本,尽可能的减少波动导致的空仓或爆仓。
每日的干线运输调度是在既定规划的基础上进行调整,规划信息包括快件的规划路由和规划运力。当按照规划路由和规划运力将快件装车出现空仓或爆仓时,分拨人员会采取临时调度策略,主要包括将爆仓的快件转至其他分拨发货、在规划的线路增加经停点带货填仓,或增加车辆、减少车辆四类操作协调快件货量与运力,这四类操作可简述为备选、经停、加班、停开。
快件的信息包含始发分拨和目的分拨,比如始发分拨为“杭州”,目的分拨为“广州”。在物流干线网络运输中,快件可以由始发分拨直接发往目的分拨,或由于货量不足,先从始发分拨中转至其他分拨,然后与中转分拨待发的快件一起运输到目的分拨或再次中转。在中转分拨,不同始发分拨的快件汇总,根据其目的流向不同运输到各自设定的下一站分拨。为考虑一般情形,快件的路由可表示为当前分拨到目的分拨所走的下一站。本方法中的规划路由表示当前分拨到目的分拨的规划下一站,即从当前分拨发出的大部分快件按照规划路由运输到规划下一站或目的分拨,少部分快件因为规划与实际的差异须转至其他分拨发货,这里的其他分拨即为备用下一站。如图2所示,当前分拨为H1,目的分拨为H2,快件的规划路由为直发,即快件没有在其他分拨落地中转。而图2中,备用路由指快件由H1首先运输到备用下一站的H3分拨(即中转分拨)卸货,再由H3分拨装车发往H2。
当车辆未装满出现空仓时,可以通过调整车辆的行驶线路,增加经停点带货填仓,即车辆可以装载当前分拨到经停分拨的货,或者运行到经停分拨,装载由经停分拨发往目的分拨的货,或者首先将装载当前分拨的货到经停分拨然后带上经停分拨的货再发往目的分拨。如图3所示,车辆的原始线路为H1-H2,表示车辆装载当前分拨为H1,下一站为H2的快件;假设该流向的快件货量不足以装满整车,车辆出现空仓,而当前分拨为H4,下一站为H2的快件爆仓货量可以用来填仓,则车辆可以经停分拨H4,车线调整为H1-H4-H2,即车辆在H1先装H1到H2的货,再运行到H4装上H4到H2的货,最终运行到H2卸货,既减少了车辆的空仓,又减少了H4到H2的爆仓。
当爆仓货量几近满车时,须考虑申请临时加班车资源,以满足当前的运输需求。
本发明实施例提供的基于多阶段优化的物流干线运输调度优化方法对当前物流干线运输调度问题进行抽象建模,并采用全局优化的方法进行求解,输出调度优化方案提供给调度人员参考实施。由于调度优化方案是在规划方案的基础上进行调整,且考虑到方案落地操作的难易程度,在实际调整过程中对于路由备选、车辆经停的策略可能存在优先级,因此为提升本发明作出的干线运输调度优化方案的合理性,我们采用多阶段优化的策略,先根据规划路由和规划运力生成规划方案,然后再根据优先级,分步考虑备选和经停等,逐步优化。具体地,如图1所示,本发明实施例提供的基于多阶段优化的物流干线运输调度优化方案,包括:
步骤S1,根据获取的物流干线运输的快件信息和车辆信息,以物流成本最小为优化目标求解所构建的干线运输优化调度模型,得到优化后的干线运输调度优化方案;
快线信息和车辆信息从物流企业的调度系统中获取,快件信息包括干线运输网络中每个分拨的原始货量、始发分拨、目的分拨、规划下一站以及备选下一站集合。快件信息内容的具体构成示例请见下表1:
表1
车辆信息包括执行干线运输任务的车辆的班次号、运输线路、经停分拨集合和加班车集合。车辆信息内容的具体构成示例请见下表2:
表2
本实施例中,物流干线运输调度优化问题可以描述为:给定货量和运力以及备选分拨和经停分拨,以运输成本最优为目标,优化车辆及快件调度方案。干线运输优化调度模型包括一个目标函数和多个约束条件,目标函数通过以下公式(1)表达:
公式(1)中,V表示执行物流干线运输的所有车辆的集合;
v表示车辆集合V中的元素;
H表示物流干线运输网络中的所有分拨的集合;
i,j,d分别表示分拨集合H中的分拨i、分拨j和分拨d;
nv表示车辆v是否开行,nv=1表示车辆v开行,nv=0表示车辆v不开行;
cv表示车辆v开行的成本;
sid表示当前分拨为i,目的分拨为d的快件未被发走的货量;
pid表示快件未发走的单位惩罚;
xijd表示当前分拨为i,目的分拨为d的快件中转到下一站分拨为j的货量;
opijd表示快件中转操作的单位成本。
由公式(1)可知,作为优化目标的运输成本包括车辆的开行成本、快件未发走的爆仓惩罚以及快件中转操作成本。
在干线运输调度优化模型中,为表示车辆是否经停其他分拨,本发明采用新增虚拟经停班次的方法。如图3所示,为表示车辆1是否经停分拨H4,本发明采用新增虚拟车辆的方式构建车辆2,且车辆2的运输线路为车辆1经停后的线路,比如如图3所示,车辆1的规划线路为从H1到H2,模型进行干线运输方案优化时若需要将线路H1-H2优化为H1-H4-H2,则本发明采用新增虚拟车辆的方式构建车辆2去执行H1-H4-H2这条运输线路,即车辆2的运输线路为车辆1经停H4分拨后的线路。由于同一辆车有多种经停的可能性,比如车辆1可以还经停分拨H5,运输线路为H1-H5-H2,在干线运输调度优化方案中,计算机为车辆1虚拟出车辆2和车辆3分别执行H1-H4-H2和H1-H5-H2这两条线路,但实际上虚拟出的车辆2和车辆3对应同一辆实物的车辆1,实物车辆1无法执行多个运输任务,所以本发明中为同一辆车虚拟出的所有车辆以及原始车辆需满足至多一辆开行的约束。例如,为满足空仓或爆仓需求,模型计算结果中车辆2开行,车辆1和车辆3停开,即表示模型将线路H1-H2优化为H1-H4-H2。
约束条件包含分拨货量平衡约束、货量与车辆装载匹配约束、车辆装载的起发和额定货量限制约束、虚拟经停车辆开行数量约束、备用路由的数量和货量约束。
其中,分拨货量平衡约束通过以下公式(2)表达:
公式(2)中,Pid表示当前分拨为i,目的分拨为d对应的上一站分拨集合,p∈Pid;
xpid表示当前分拨p,目的分拨为d的快件中转到下一站分拨为i的货量;
αpid表示当前分拨为p,目的分拨为d的快件是否能赶上下一站分拨i的发车,αpid=1表示能赶上发车,αpid=0表示赶不上发车;
lid表示始发分拨为i,目的分拨为d的待发货量。
以下对公式(2)所能起到的分拨货量平衡约束进行举例说明:
假设由分拨p(假设仅有一个分拨流入货量到分拨i)流入到当前分拨i的货量即xpid=100件,这100件货的运输目的地为目的分拨d;αpid=1,即当前分拨为p,目的分拨为d的快件能够赶上分拨i的发车,lid同样=100,即但从分拨i出发且以分拨d为目的地的车辆一次最多只能装载180件货运到中转分拨j,即xijd=180,所以留存在分拨i的目的分拨为d的未被发走的快件货量应该为20,由此而实现了对分拨货量平衡的约束。
货量与车辆装载匹配约束通过以下公式(3)表达:
公式(3)中,Vij表示从分拨i带货到分拨j的车辆集合;
tvij表示车辆v在分拨i装载的下一站为分拨j的货量。
以下对公式(3)所能起到的货量与车辆装载匹配约束作用进行举例说明:假设从分拨i带货到分拨j的车辆有两辆,一辆在分拨i装载的下一站为分拨j的货量为100,另一辆在分拨i装载的下一站为分拨j的货量为80,即公式(2)等式右边的由公式(2)的约束可得等式左边的∑d∈Hxijd同样应该=180,即当前分拨为i,目的分拨为d的快件中转到下一站分拨j的货量应该为180。
车辆装载的起发(即车辆开行对装载货量的要求)和额定货量限制约束通过以下公式(4)-(5)表达:
公式(4)-(5)中,SHv,seg表示车辆v在线段seg上开行时可装载快件的当前分拨和下一站集合,例如,假设车辆线路为H1-H4-H2,其中H1、H4、H2均表示分拨,车辆直连线段包含H1-H4,H4-H2,则该车辆在线段H4-H2上开行时可装载当前分拨为H1,下一站为H2以及当前分拨为H4,下一站为H2的快件;
tvij表示车辆v从分拨i装载下一站为分拨j的货量;
表示车辆v在线段seg上开行的起发货量;
STv表示车辆v可执行干线运输任务的所有直连线段集合;
Qv表示车辆v的额定装载量。
以下对公式(4)-(5)所能起到的约束作用进行举例说明:
如上述示例所示,假设车辆v的线路为H1-H4-H2,车辆的所有直连线段集合STv为{H1-H4,H4-H2},对于线段H4-H2,可装载的快件的当前分拨和下一站集合SHv,seg为{(H1,H2),(H4,H2)},假设车辆上装载的当前分拨为H1,下一站为H2的快件为100,当前分拨为H4,下一站为H2的快件为30,则公式(4)和(5)的不等式左边另外假设车辆v在线段H4-H2上的起发货量为120,车辆的额定装载货量为150,则若车辆开行,公式(4)的不等式右边/>公式(5)的不等式右边为nvQv=150,均满足约束。
虚拟经停车辆开行数量约束通过以下公式(6)表达:
公式(6)中,Sv表示车辆v所有的虚拟经停班次的集合;
v′表示车辆v的虚拟经停班次;
nv′表示虚拟经停班次v′是否开行,nv′=1表示虚拟经停班次v′开行,,nv′=0表示虚拟经停班次v′不开行。
以下对公式(6)所能起到的约束作用进行举例说明:
假设车辆v的原始线路为H1-H2,新增的2个虚拟经停车辆v′和v″的线路分别为H1-H4-H2和H1-H5-H2,即表示分别经停H4和H5,由于实际车辆v只能执行一条线路,因此最终车辆v、v′和v″最多只有1辆可以开行,即若nv=1,则nv′和nv″必须为0,表示车辆v并未经停其他任何分拨,执行原始线路H1-H2。
备用路由的数量和货量约束通过以下公式(7)-(8)表达:
公式(7)-(8)中,N′id表示始发分拨为i,目的分拨为d的所有备选下一站集合;
yijd表示当前分拨为i,目的分拨为d的快件是否发往备选的下一站分拨j;
num表示备选路由个数的上限;
UBid表示备选分拨货量的上限。
以下对公式(7)-(8)所能起到的约束作用进行举例说明:
对于当前分拨为i,目的分拨为d的快件,假设备选分拨集合N′id为{j,k,m},为减少快件中转操作的复杂性,公式(7)表示其备选方向的数量应少于一定数值num=2,即需满足yijd+yikd+yimd≤2,即该流向快件最多只能备选到{j,k,m}中的两个分拨。另外,为避免中转货量过多带来的操作压力,公式(8)表示对备选的总货量的限制,即最多可转货量为UBid
请继续参照图1,本发明实施例提供的物流干线运输调度优化方法还包括:
步骤S2,以当前阶段的模型求解结果为下一阶段模型求解的约束条件进行模型求解,得到下一阶段的干线运输调度优化方案。
具体地,多阶段求解的方式如下:确定当前阶段的模型输入,除各分拨的原始货量、规划运力、规划路由外,还可包括快件备选分拨集、车辆经停分拨集、加班车集合中的任意一种或多种,然后求解所构建的干线运输优化调度模型,模型输出的干线运输调度优化方案作为固定约束加入到下一阶段的模型求解中。例如,第一阶段的干线运输调度规划方案的计算,模型的输入数据值包含各分拨的原始货量、规划运力和规划路由,通过求解模型输出车辆开行和快件发货方案,在下一阶段求解模型时,该部分车辆必须开行,且快件按规划路由发货的货量不少于规划阶段即第一阶段的求解的规划路由发货货量。
本实施例中,求解模型得到的干线运输调度优化方案包括快件调度优化方案和车辆调度优化方案,快件调度优化方案的内容包括当前分拨到下一站分拨的规划货量、备选分拨转入或转出到其他分拨的备选货量、备选分拨信息和当前分拨未发件货量;
车辆调度优化包含每个车辆所装载的所有流向的快件货量、是否经停其他分拨、运输类型和班次线路等信息。
下表3和表4分别示出了快件方案和车辆方案的内容:
表3
表4
以宁波-广州流向为例,由表3和表4可知,宁波-广州有2条规划班次,分别为“QY01234”和“QY01235”,每个班次装货的额定容积均为130,宁波-广州这条线路的规划货量为80,因此可停开一个班次,对于另外一个班次“QY01234”的空仓可考虑由其他分拨的爆仓件填充。例如,金华-广州方向规划货量为160,有一个规划运力为130,装车后会爆仓30,这30货量可转到宁波填仓,另外,杭州-广州的规划货量为280,规划班次为“QY01893”,规划运力仅130,增加“JB00001”班次(该班次运力同样为130)后杭州-广州的运力仍然不足,仍爆仓20,则执行宁波-广州运输任务的班次号为“QY01234”的车辆可再经停杭州带货填仓。经过以上优化,杭州-广州、宁波-广州及金华-广州流向的快件就可以全部被发走。
综上,本发明从物流运输全网层面对多分拨的快件调度方案和车辆调度方案进行协同优化调整,提高了干线运输调度方案优化的质量,并在下一阶段的干线运输调度方案优化中考虑前一阶段的方案优化结果,进一步提升了所生成的干线运输调度优化方案的合理性。
需要声明的是,上述具体实施方式仅仅为本发明的较佳实施例及所运用技术原理。本领域技术人员应该明白,还可以对本发明做各种修改、等同替换、变化等等。但是,这些变换只要未背离本发明的精神,都应在本发明的保护范围之内。另外,本申请说明书和权利要求书所使用的一些术语并不是限制,仅仅是为了便于描述。
Claims (2)
1.一种基于多阶段优化的物流干线运输调度优化方法,其特征在于,步骤包括:
S1,根据获取的物流干线运输的快件信息和车辆信息,以物流成本最小为优化目标求解所构建的干线运输优化调度模型,得到优化后的干线运输调度优化方案;
S2,以当前阶段的模型求解结果为下一阶段模型求解的约束条件进行模型求解,得到下一阶段的所述干线运输调度优化方案;
所述快件信息包括干线运输网络中每个分拨的原始货量、始发分拨、目的分拨、规划下一站以及备选下一站集合;
所述车辆信息包括执行干线运输任务的车辆的班次号、运输线路、经停分拨集合和加班车集合;
所述干线运输优化调度模型的目标函数通过以下公式(1)表达:
公式(1)中,V表示执行物流干线运输的所有车辆的集合;
v表示车辆集合V中的元素;
H表示物流干线运输网络中的所有分拨的集合;
i,j,d分别表示分拨集合H中的分拨i、分拨j和分拨d;
nv表示车辆v是否开行,nv=1表示车辆v开行,nv=0表示车辆v不开行;
cv表示车辆v开行的成本;
sid表示当前分拨为i,目的分拨为d的快件未被发走的货量;
pid表示快件未发走的单位惩罚;
xijd表示当前分拨为i,目的分拨为d的快件中转到下一站分拨为j的货量;
opijd表示快件中转操作的单位成本;
求解所述干线运输优化调度模型的约束条件包括分拨货量平衡约束、货量与车辆装载匹配约束、车辆装载的起发和额定货量限制约束、虚拟经停车辆开行数量约束、备用路由的数量和货量约束中的任意一种或多种;
所述分拨货量平衡约束通过以下公式(2)表达:
公式(2)中,Pid表示当前分拨为i,目的分拨为d对应的上一站分拨集合,p∈Pid;
xpid表示当前分拨p,目的分拨为d的快件中转到下一站分拨为i的货量;
αpid表示当前分拨为p,目的分拨为d的快件是否能赶上下一站分拨i的发车,αpid=1表示能赶上发车,αpid=0表示赶不上发车;
lid表示始发分拨为i,目的分拨为d的待发货量;
所述货量与车辆装载匹配约束通过以下公式(3)表达:
公式(3)中,Vij表示从分拨i带货到分拨j的车辆集合;
tvij表示车辆v在分拨i装载的下一站为分拨j的货量;
所述车辆装载的起发和额定货量限制约束通过以下公式(4)-(5)表达:
公式(4)-(5)中,SHv,seg表示车辆v在线段seg上开行时可装载快件的当前分拨和下一站集合;
tvij表示车辆v从分拨i装载下一站为分拨j的货量;
表示车辆v在线段seg上开行的起发货量;
STv表示车辆v可执行干线运输任务的所有直连线段集合;
Qv表示车辆v的额定装载量;
所述虚拟经停车辆开行数量约束通过以下公式(6)表达:
公式(6)中,Sv表示根据原始车辆v构建的所有的虚拟经停班次的集合;
v′表示车辆v的虚拟经停班次;
nv′表示虚拟经停班次v′是否开行,nv′=1表示虚拟经停班次v′开行,nv′=0表示虚拟经停班次v′不开行;
所述备用路由的数量和货量约束通过以下公式(7)-(8)表达:
公式(7)-(8)中,N′id表示当前分拨为i,目的分拨为d的所有备选下一站集合;
yijd表示当前分拨为i,目的分拨为d的快件是否发往备选的下一站分拨j;
num表示备选路由个数的上限;
UBid表示备选分拨货量的上限。
2.根据权利要求1所述的基于多阶段优化的物流干线运输调度优化方法,其特征在于,求解模型得到的所述干线运输调度优化方案包括快件调度优化方案和车辆调度优化方案,所述快件调度优化方案的内容包括当前分拨到下一站分拨的规划货量、备选分拨转入或转出到其他分拨的备选货量、备选分拨信息和当前分拨未发的快件货量;
所述车辆调度优化方案的内容包括每个车辆所装载的所有流向的快件货量、是否经停其他分拨、运输类型和班次线路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111274867.2A CN113837495B (zh) | 2021-10-29 | 2021-10-29 | 基于多阶段优化的物流干线运输调度优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111274867.2A CN113837495B (zh) | 2021-10-29 | 2021-10-29 | 基于多阶段优化的物流干线运输调度优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113837495A CN113837495A (zh) | 2021-12-24 |
CN113837495B true CN113837495B (zh) | 2024-04-26 |
Family
ID=78966711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111274867.2A Active CN113837495B (zh) | 2021-10-29 | 2021-10-29 | 基于多阶段优化的物流干线运输调度优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113837495B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115860601B (zh) * | 2022-11-23 | 2023-11-24 | 交通运输部公路科学研究所 | 基于快递量的高铁-公路快递网络脆弱节点预警监测平台 |
CN115796422B (zh) * | 2023-02-06 | 2023-04-28 | 临沂贺信科技发展有限公司 | 一种智能干线运输的物流调度优化方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999060543A1 (fr) * | 1998-05-15 | 1999-11-25 | Suntory Limited | Systeme d'attribution de vehicules et dispositif d'attribution de vehicules |
JP2001023073A (ja) * | 1999-07-05 | 2001-01-26 | Ishikawajima Harima Heavy Ind Co Ltd | 物流情報システム |
EP1887499A1 (en) * | 2006-08-07 | 2008-02-13 | Deutsche Post AG | Method for transporting physical objects, transportation system and transportation means |
CN103111425A (zh) * | 2013-01-09 | 2013-05-22 | 张革伕 | 快件分拣、派送系统和方法 |
CN105512747A (zh) * | 2015-11-25 | 2016-04-20 | 安吉汽车物流有限公司 | 物流智能优化调度系统 |
CN106203900A (zh) * | 2016-06-29 | 2016-12-07 | 新石器龙码(北京)科技有限公司 | 智能物流管理系统和方法 |
CN107609719A (zh) * | 2017-11-01 | 2018-01-19 | 佛山杰致信息科技有限公司 | 一种物流作业运输线路优化系统及其使用方法 |
CN108921467A (zh) * | 2018-06-15 | 2018-11-30 | 重庆城市管理职业学院 | 面向动态变更收件信息客户需求的智能体分散调度方法 |
CN111768149A (zh) * | 2020-06-23 | 2020-10-13 | 华院数据技术(上海)有限公司 | 一种快递物流网络规划优化方法及系统 |
CN113379102A (zh) * | 2021-05-20 | 2021-09-10 | 浙江百世技术有限公司 | 一种多网干线运输优化方法、计算机设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101410209B1 (ko) * | 2011-12-19 | 2014-06-23 | 주식회사 한국무역정보통신 | 화주중심의 물류거점 최적화시스템 |
CN106156966A (zh) * | 2015-04-03 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 物流监测方法及设备 |
-
2021
- 2021-10-29 CN CN202111274867.2A patent/CN113837495B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999060543A1 (fr) * | 1998-05-15 | 1999-11-25 | Suntory Limited | Systeme d'attribution de vehicules et dispositif d'attribution de vehicules |
JP2001023073A (ja) * | 1999-07-05 | 2001-01-26 | Ishikawajima Harima Heavy Ind Co Ltd | 物流情報システム |
EP1887499A1 (en) * | 2006-08-07 | 2008-02-13 | Deutsche Post AG | Method for transporting physical objects, transportation system and transportation means |
CN103111425A (zh) * | 2013-01-09 | 2013-05-22 | 张革伕 | 快件分拣、派送系统和方法 |
CN105512747A (zh) * | 2015-11-25 | 2016-04-20 | 安吉汽车物流有限公司 | 物流智能优化调度系统 |
CN106203900A (zh) * | 2016-06-29 | 2016-12-07 | 新石器龙码(北京)科技有限公司 | 智能物流管理系统和方法 |
CN107609719A (zh) * | 2017-11-01 | 2018-01-19 | 佛山杰致信息科技有限公司 | 一种物流作业运输线路优化系统及其使用方法 |
CN108921467A (zh) * | 2018-06-15 | 2018-11-30 | 重庆城市管理职业学院 | 面向动态变更收件信息客户需求的智能体分散调度方法 |
CN111768149A (zh) * | 2020-06-23 | 2020-10-13 | 华院数据技术(上海)有限公司 | 一种快递物流网络规划优化方法及系统 |
CN113379102A (zh) * | 2021-05-20 | 2021-09-10 | 浙江百世技术有限公司 | 一种多网干线运输优化方法、计算机设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
基于陆海协同的海上战略投送选址-路径优化;王诺;田玺环;吴迪;吴暖;;系统工程理论与实践(11);全文 * |
需求点位置随机的分批配送VRP优化;石建力;张锦;;计算机应用研究(11);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113837495A (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113837495B (zh) | 基于多阶段优化的物流干线运输调度优化方法 | |
CN109816147B (zh) | 一种航空货运路由规划方法、装置、设备和存储介质 | |
CN107844937B (zh) | 一种物流配送管理方法和装置 | |
Armacost et al. | Composite variable formulations for express shipment service network design | |
US8438118B2 (en) | Transportation management processes and systems | |
CN109726863A (zh) | 一种多目标优化的物流方法和系统 | |
Koo et al. | Fleet sizing and vehicle routing for container transportation in a static environment | |
CN110009272A (zh) | 多策略并行的物流资源调度方法和相关装置 | |
WO1999060543A1 (fr) | Systeme d'attribution de vehicules et dispositif d'attribution de vehicules | |
CN111967828A (zh) | 一种面向全程物流的公铁联运产品协同优化方法 | |
CN113379102B (zh) | 一种多网干线运输优化方法、计算机设备及存储介质 | |
KR102164170B1 (ko) | 다각 및 연계 배차 시스템 및 방법 | |
CN109902866B (zh) | 铁路快运班列开行方案与车底运用的协同优化方法 | |
Brandt | The air cargo load planning problem | |
KR102604656B1 (ko) | 인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 시스템 및 방법 | |
CN109934532A (zh) | 双向运输的路线规划方法和相关装置 | |
WO2004058608A1 (ja) | 航空混載貨物管理システム及び管理方法 | |
CN116583468A (zh) | 用于订单履行排序和设施管理的系统和方法 | |
Wong et al. | A maritime container repositioning yield-based optimization model with uncertain upsurge demand | |
KR20010075961A (ko) | 물류 워크플로우용 차량 배차 방법 | |
KR101108622B1 (ko) | 컨테이너의 복합운송 일정계획 결정 방법 | |
CN113761458A (zh) | 物流载体选择方案生成方法、装置、货舱预定方法及系统 | |
CN113988425A (zh) | 物流网络发车方案测算方法及装置 | |
JP3163286B2 (ja) | 配車システム | |
Schenk et al. | Intramarket optimization for express package carriers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |