CN114493453B - 一种基于区块链技术的末端物流运力共享服务平台 - Google Patents

一种基于区块链技术的末端物流运力共享服务平台 Download PDF

Info

Publication number
CN114493453B
CN114493453B CN202210113502.XA CN202210113502A CN114493453B CN 114493453 B CN114493453 B CN 114493453B CN 202210113502 A CN202210113502 A CN 202210113502A CN 114493453 B CN114493453 B CN 114493453B
Authority
CN
China
Prior art keywords
node
task
express
transfer
capacity
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
Application number
CN202210113502.XA
Other languages
English (en)
Other versions
CN114493453A (zh
Inventor
葛程捷
乐磊
易超
南江龙
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.)
Yto Express Co ltd
Original Assignee
Yto Express 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 Yto Express Co ltd filed Critical Yto Express Co ltd
Priority to CN202210113502.XA priority Critical patent/CN114493453B/zh
Publication of CN114493453A publication Critical patent/CN114493453A/zh
Application granted granted Critical
Publication of CN114493453B publication Critical patent/CN114493453B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Bioethics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种区块链技术的末端物流运力共享服务平台，通过转运任务区块来记录物流实际需求，从而解决了物流企业之间的信任难题，打破企业壁垒，建立互信机制。其技术方案如下：基于区块链技术的末端物流运力共享服务平台包括业务系统、资源池和服务端。其中，业务系统包括数据登记系统、任务分配系统、积压检测系统、信约监督系统和转运规划系统，用于调用资源池资源的数据资源执行转运任务。资源池包括节点资源池、快件池、运力资源池和任务池用于存储所述业务系统的数据资源。服务端包括区域分公司服务端、运力服务端和末端驿站服务端，作为区块链中的各节点用于对外提供服务。

Description

一种基于区块链技术的末端物流运力共享服务平台
技术领域
本发明涉及物流管理和区块链技术领域，具体涉及一种基于区块链技术的末端物流运力共享服务平台。
背景技术
在城市末端物流服务领域，运力资源往往由各物流企业提供，只服务于企业自身运转需求。尤其是分公司-网点之间的配送揽收，由于运载设备容积较小，专业转运人员缺乏，这部分的运力资源存在着极大程度的闲置浪费。
打破运力的企业壁垒，首先要解决信任问题。区块链交易系统采用全网节点共同存储账本的方式,账本数据安全由共识机制、块链式数据结构共同确保且账本内容公开、透明。本发明将区块链技术应用到运转任务的公开和运力共享平台的信任突破中，建立起透明的运力共享服务平台，并通过公开评价的方式，对运力单位进行信用监督。
发明内容
以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。
本发明的目的在于解决上述问题，提供了一种基于区块链技术的末端物流运力共享服务平台，包括业务系统、资源池和服务端，通过转运任务区块来记录物流实际需求和数据，从而解决了物流企业之间的信任难题，打破企业壁垒，建立互信机制。
本发明的技术方案为：
28.本发明提供一种基于区块链技术的末端物流运力共享服务平台，包括业务系统、资源池和服务端；其中，
所述业务系统用于调用资源池资源的数据资源执行转运任务；
所述资源池用于存储所述业务系统的数据资源；
所述服务端用于对外提供服务。
29.根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述业务系统包括数据登记系统、任务分配系统、积压检测系统、信约监督系统和转运规划系统；其中，
所述数据登记系统用于接收快件信息以及各节点传送的节点信息，并对所述资源池中的数据资源进行数据处理；
所述任务分配系统用于规划各待转运节点的最优转运路径；
所述积压检测系统用于处理积压的快件；
所述信约监督系统用于检查转运任务，并分配快件资源；
所述转运规划系统用于对转运任务进行路径规划，并执行所述信约监督系统发送的快件资源分配方案。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述资源池包括节点资源池、快件池、运力资源池和任务池；其中，
所述节点资源池包含各节点的历史中转信息和当前运力信息；
所述快件池包含各快件的注册信息、注销信息、转运路径信息和质量信息；
所述运力资源池包含运力的位置信息、状态信息和历史任务记录信息；
所述任务池用于对各转运任务的节点信息进行核对，并形成区块。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述服务端包括区域分公司服务端、运力服务端和末端驿站服务端，作为区块链中的各节点；其中，
所述区域分公司服务端为区块链的主节点，用于记录并存储转运任务的转运信息；
所述运力服务端为区块链的次级节点，用于上传转运任务的提件信息；
所述运力服务端为区块链的中间节点，用于上传转运任务的中间节点信息；
所述主节点、次级节点和中转节点组合成转运任务区块进行区块链操作。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述数据登记系统包括快件录入模块、快件登出模块、快件更新模块、运力容量分析模块、快件承载量分析模块和运力监测模块；其中，
所述快件录入模块用于录入快件揽件信息；
所述快件登出模块用于录入快件签收信息；
所述快件更新模块用于监测并更新快件的实时状态；
所述运力容量分析模块用于分析不同运力单位的不同运载工具的运载能力；
所述快件承载量分析模块用于分析区域分公司服务端和末端驿站服务端的空间承载能力；
所述运力监测模块用于监测各运力的闲置/运转状态和当前位置；
所述数据登记系统通过转运任务区块记录运转任务的转运信息。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述转运任务区块包括区块头、中间区块节和区块尾；其中，
所述区块头包括信息区块和快件出发节点块，用于记录并存储快件的运转信息；
所述中间区块节包括多个中间节点，用于记录快件经过的中间节点信息；
所述区块尾包括提件信息区块和目标节点，用于记录快件的提件信息。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述数据登记系统通过以下步骤记录快件的转运信息：
数据登记系统发起并注册转运任务，生成对应的分配信息；
根据快件发出节点为所述转运任务注册对应的转运任务区块，并记录快件出发节点块；
检测转运任务的快件是否在当前的中转节点进行卸货；若是，则记录卸货节点信息；若否；则为所述转运任务注册中间区块节，上传对应的中间节点信息；
判断快件是否达到目标节点；若是，则为所述转运任务注册区块尾，上传目标节点信息；若否，则继续执行运转任务；
判断用户是否提件；若是，则上传所述快件的提件信息；若否，则继续等待提件；
转运任务的分配信息结合中间节点信息和目标节点信息，组装转运任务区块对应的转运任务区块。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，转运任务区块通过基于区块链技术的末端物流运力共享服务平台广播到各主节点，所述主节点对所述转运任务区块进行存储。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述任务分配系统包括任务发生模块和运力节点筛选模块，采用单位申请结合临界触发的混合任务发起模式发起转运任务；其中，
所述任务发起模块用于发起转运任务；
所述运力节点筛选模块用于筛选当前可用运力和待转运节点；
所述转运任务包括运力申请转运任务和系统分配转运任务。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述运力节点筛选模块通过筛选转运路径节点进行转运路径规划,包括以下步骤：
接收筛选请求和转运路径的起始位置；
筛选起始位置预设范围内的所有待筛选节点；
判断转运任务方式为节点或运力；若转运任务方式为节点，则以发起方为任务发起点；若转运任务方式为运力，则及计算所有待筛选节点的全局支持度；
选择全局支持度最高的待筛选节点作为任务发起点；
开始规划转运路径。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，运力节点筛选模块通过筛选公式筛选起始位置预设范围内的所有待筛选节点，其中，筛选公式通过对比各节点当前累积快件量和本日预测快件量计算各节点的待转运评价系数，公式如下：
Figure BDA0003495563230000051
其中，s表示任务发起点，j表示当前评价节点，
Figure BDA0003495563230000052
表示当前评价节点j当前累积快件量，
Figure BDA0003495563230000053
指当前评价节点j本日预测快件量，
Dsj表示任务发起点s与当前评价节点j之间的距离，
AP表示任务发起点s内快件转运目的地评价系数，
Pj表示节点j的待转运评价系数。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述任务发起点包括节点和运力，快件转运目的地评价系数AP的计算公式如下：
Figure BDA0003495563230000054
其中，s表示任务发起点，
Ts表示任务发起点s的快件转运目的地的集合，
Tj表示当前评价节点j的快件转运目的地的集合。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述申请转运任务包括以下执行步骤：
运力单位根据运载设备检查情况和自身预期规划，确认可执行转运任务；
运力单位根据确认的可执行转运任务，向任务分配系统发出转运申请；
所述任务分配系统根据转运申请的当前运力信息，筛选可用节点；
基于筛选公式筛选可用节点，确定待转运节点；
根据运力信息和待转运节点信息，规划转运路线。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述系统分配转运任务包括以下执行步骤：
积压检测系统检测积压快件，向任务分配系统发出对应的积压节点信息；
任务分配系统根据积压节点信息，搜索距离积压节点最近的可用运力；
根据积压节点信息、可用运力和积压快件的目标节点信息，规划转运任务。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述积压检测系统包括快件量预测模块和快件池监督模块；其中，
所述快件量预测模块用于预测各节点当天的预测快件量；
所述快件池监督模块用于监督各节点的滞留快件量；
当各节点的滞留快件量超过预测快件量的预警值时，积压检测系统向任务分配系统发出请求处理积压的任务。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，各节点当天的预测快件量的计算公式如下：
Figure BDA0003495563230000061
其中，t表示第t天，
n表示节点资源池中第n个节点，
Figure BDA0003495563230000062
表示第n个节点第t天的快件中转量，
Figure BDA0003495563230000063
表示第n个节点第i天的预测快件量和实际的快件中转量的差值。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述信约监督系统包括节点认证模块、区块链广播模块、任务池检查模块、资金分配模块和驿站评价模块；其中，
所述节点认证模块用于认证新加入的节点，并将完成任务的新节点更新到节点资源池；
所述区块链广播模块用于检查任务池中的已完成任务，并将所述已完成任务对应的区块广播至所有主节点进行存储；
所述任务池检查模块用于定时检查任务池中未完成任务，并通知未完成任务的滞留节点进行处理；
所述资金分配模块根据各运力单位的服务情况和各节点的被服务情况统计各节点应付的服务费用，并为各运力单位分配报酬；
所述驿站评价模块用于对各末端驿站进行综合评分，设计所属区域内各末端驿站之间的分配模式。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，各末端驿站之间的分配模式计算公式如下：
Figure BDA0003495563230000071
其中，n表示末端驿站所属区域内的末端驿站总数，
Figure BDA0003495563230000072
表示末端驿站所属区域内第i个节点第t天的分配比例，
REt表示t天内用户投诉次数，
Ct-1指第t-1天末端驿站所属区域内的总揽收快件量，
Figure BDA0003495563230000073
指第t-1天第i个节点揽收的快件总数。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述转运规划系统通过部落算法规划转运任务路径，执行快件资源分配方案，包括以下步骤：
对转运任务的目标节点进行编号，并随机生成多个定长的序列作为初始种群；
计算初始种群中各个体的距离适应度和载货量适应度；
通过对距离适应度和载货量适应度消去量纲，获取各个体的平权适应度值；
基于平权适应度值对初始种群个体划分类型；其中，个体的类型包括首领、平民、距离精英和载量精英；
根据各个体的类型采取对应的迭代策略进行迭代，确地转运路线各位置的节点值；
判断迭代是否结束；若是，则输出各位置的节点值作为转运路径；若否，则再次计算各个体距离适应度和载货量适应度，继续规划转运路径；
输出最优个体。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，距离适应度u(x)通过距离适应度函数进行计算，公式如下：
Figure BDA0003495563230000074
其中，i表示第i个节点，n表示节点总数，i≤n，
Figure BDA0003495563230000075
表示节点i与下一个节点i+1之间的距离。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，载货量适应度通过载货量适应度函数进行计算，公式如下：
Figure BDA0003495563230000081
其中，i表示第i个快件，n表示快件总数，i≤n，
qi表示第i个快件的转运质量。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，对初始种群个体划分类型包括以下步骤：
判断初始种群中是否存在绝对支配个体；若是，则将所述绝对支配个体作为首领；若否，则选择平权适应度值最大的个体作为首领；
搜索初始种群中绝对被支配个体，并将所述绝对被支配个体作为平民；
判断初始种群中是否存在绝对被支配个体；若是，则继续搜索绝对被支配个体作为平民；若否，则将剩下的个体划分为距离精英和载量精英；
对比剩下的个体的距离适应度和转运载量适应度，将剩下的个体划分为距离精英和载量精英。
据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述迭代策略包括首领迭代策略、精英迭代策略和平民迭代策略，对于不同类型的个体采用不同的迭代策略来计算转运路线各位置的节点值。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，首领迭代策略包括以下步骤：
获取历代最优个体集合U；其中，历代最优个体集合U包括n个个体，各个体的长度为len,各个体长度的每一位表示一个转运节点的编号；
基于各个体的编号生成位序支持度数组S，计算公式如下：
Figure BDA0003495563230000082
其中，
Figure BDA0003495563230000083
表示历代最优个体集合U中第i个个体第j位的编号，
Figure BDA0003495563230000084
表示位序支持度数组S第j位上编号为P的概率；
根据位序支持度数组，为个体长度每一位随机选择一个编号，生成外来英雄的个体值；
对比新生的外来英雄与原来的首领的个体值，保留最优值。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述首领迭代策略的计算公式如下：
Figure BDA0003495563230000091
其中，
Figure BDA0003495563230000092
表示第i个个体在第t+1次迭代的值，
Figure BDA0003495563230000093
表示第t次迭代中第i个个体作为首领时的值，
h表示历史最优值，
OX表示交叉操作。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述精英迭代策略的计算公式如下：
Figure BDA0003495563230000094
其中，
Figure BDA0003495563230000095
表示第i个个体在第t+1次迭代的值，
Figure BDA0003495563230000096
表示第t次迭代中第i个个体的值，
Figure BDA0003495563230000097
表示第t次迭代中载量精英中的随机一个个体的值，
Figure BDA0003495563230000098
表示第t次迭代中距离精英中的随机一个个体的值，
nt表示第t次迭代中距离精英的集合，
mt表示第t次迭代中载量精英的集合
OX表示交叉操作。
根据本发明的基于区块链技术的末端物流运力共享服务平台的一实施例，所述平民迭代策略的计算公式如下：
Figure BDA0003495563230000099
Figure BDA00034955632300000910
其中，
Figure BDA0003495563230000101
表示第i个个体在第t+1次迭代的迭代结果，h表示历史最优值，
Figure BDA0003495563230000102
表示第t次迭代中第i个个体作为首领时的值，
Figure BDA0003495563230000103
表示第t次迭代中第i个个体的值，
Figure BDA0003495563230000104
表示第t次迭代中载量精英中的随机一个个体的值，
Figure BDA0003495563230000105
表示第t次迭代中距离精英中的随机一个个体的值，
nt表示第t次迭代中距离精英的集合，
mt表示第t次迭代中载量精英的集合，
pointNum为参与规划的节点数目，
OX表示交叉操作。
本发明对比现有技术有如下的有益效果：本发明包括业务系统、资源池和服务端，通过转运任务区块来记录物流实际需求，从而解决了物流企业之间的信任难题，打破企业壁垒，建立互信机制。其中，业务系统包括数据登记系统、任务分配系统、积压检测系统、信约监督系统和转运规划系统，用于调用资源池资源的数据资源执行转运任务。资源池包括节点资源池、快件池、运力资源池和任务池用于存储所述业务系统的数据资源。服务端包括区域分公司服务端、运力服务端和末端驿站服务端，作为区块链中的各节点用于对外提供服务。
附图说明
在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的上述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。
图1是示出本发明的基于区块链技术的末端物流运力共享服务平台一实施例的平台架构图。
图2是示出本发明的运力共享平台快件池一实施例的数据流向图。
图3是示出本发明的转运任务区块一实施例的结构图。
图4是示出的本发明的转运任务区块生成和广播一实施例的结构图。
图5是示出本发明的快件转运信息记录方法一实施例的流程图。
图6是示出本发明的积压检测系统转运模式一实施例的流程图。
图7是示出本发明的任务分配系统转运模式一实施例的流程图。
图8是示出本发明的节点筛选方法一实施例的流程图。
图9是示出本发明的基于部落算法的转运方法一实施例的流程图。
具体实施方式
以下结合附图和具体实施例对本发明作详细描述。注意，以下结合附图和具体实施例描述的诸方面仅是示例性的，而不应被理解为对本发明的保护范围进行任何限制。
在此公开一种基于区块链技术的末端物流运力共享服务平台的一实施例，图1示出了本发明的基于区块链技术的末端物流运力共享服务平台(以下有时简称共享服务平台)的一实施例的平台架构图。如图1所示，末端物流运力共享服务平台包括三层架构，分别为业务系统、资源池和服务端。其中，业务系统包括数据登记系统、任务分配系统、积压检测系统、信约监督系统和转运规划系统，通过调用资源池资源的数据资源执行服务平台的转运任务。资源池包括节点资源池、快件池、运力资源池和任务池，用于存储业务系统的数据资源。
服务端则分为区域分公司服务端、运力服务端和末端驿站服务端，分别用于对区域分公司、运力和末端驿站提供服务接口。但这并不意味着服务端只是单纯的用户接口，事实上，由于采取了区块链技术进行底层架构，平台内的所有数据和信息都是公开的，并分布式存储在区域分公司服务端和末端驿站服务端的节点中，平台只提供诸多功能服务，箭头所指向的并不是管理，而是服务提供。
在传统的末端物流配送中，运力资源由各物流企业所建立、支持和运转，只服务于本物流企业的快件转运工作。随着快件物流的日益成熟，诸如中申之家、菜鸟驿站以及各类小型私人驿站遍地开花，承接了快递最后一公里的转运工作。事实上，由于现代的生活节奏较快，点对点的快递转交签收往往会遇到种种问题，其签收人由于学习工作等原因，在白天往往无法及时和快递员达成联系。因此，除了部分贵重物品仍需当面签收外，绝大部分快件都由末端的驿站代为转发。在这种前提下，物流区域分公司在接收到来自城市转运中心的大批量快件后，其主要任务就是将快件转运至各驿站，转运效率大大提高。如果仍然采用传统的运力组织模式，运力将存在大量的空档期。同时，由于各家物流的目标终端大多相近，在转运过程中，存在着大量的路线重复，这同样浪费了运力资源。为提高运力资源利用率，减少运力浪费，一个打破物流企业壁垒的运力共享服务平台势在必行。在运力共享服务平台的搭建过程中，首先要保证的就是各物流企业自身的利益，以及原有运力的延续。对于每一个新节点的接入，都需要当前平台已有节点的一致确认，并上传必要的证明材料，以确保节点的可靠性和安全性。而转运任务的信息则必须存储在原末端配送的核心单位，物流企业区域分公司的节点中。
图2是示出本发明的运力共享平台快件池一实施例的数据流向图。如图2所示，运力共享平台内的数据流入包括从物流企业城市运转中心转运至区域分公司的快件和末端驿站从用户手中揽收的快件。数据流出则包括用户从驿站中提走的快件和区域分公司整合打包发往城市物流运转中心的新揽收快件。在这个过程中，需要对快件池进行登记、登出操作，由数据登记系统负责操作。
本实施例中，数据登记系统用于接收快件信息以及各节点传送的节点信息，并对所述资源池中的数据资源进行数据处理。任务分配系统则用于规划各待转运节点的最优转运路径，并通过信约监督系统用于检查转运任务。积压检测系统用于处理积压的快件，分配快件资源，通过转运规划系统对转运任务进行路径规划，并执行所述信约监督系统发送的快件资源分配方案。
具体地，资源池的节点资源池的快件池包含各快件的注册信息、注销信息、转运路径信息和质量信息，运力资源池包含运力的位置信息、状态信息和历史任务记录信息。任务池则用于对各转运任务的节点信息进行核对，并形成区块。
由于转运任务的持续时间较长，中间环节较多，且末端扫描设备不具备安全识别能力，为保障信息安全，防范信息造假，确保转运过程的物理可追溯性，本发明将不参与交易过程但存在物理联系的中转节点引入到交易认证中，采用多段上传，组合区块，广播存储的形式进行区块链的相关操作。基于此，本发明提出了一种的包括区块头、不定个中间区块节和区块尾的新型区块结构，图3是示出本发明的转运任务区块一实施例的结构图，下面结合图3，进一步说明本实施形态。
如图3所示，新型区块包括区块头、不定个中间区块节和区块尾。其中，区块头包括信息区块和快件出发节点块，用于记录并存储快件的运转信息。中间区块节包括多个中间节点，用于记录快件经过的中间节点信息。区块尾则包括提件信息区块和目标节点，用于记录快件的提件信息。
具体地，区块头分为Block Information块(信息区块)和Node块(快件出发节点块)。Block Information＝{front hash，Merkel Tree,block id,block length,assignment infomation}，assignment information＝{assignment id,carrierinfomation}。其中，front hash用于链接前一个区块，Merkel Tree用于快速归纳和校验区块数据的存在性和完整性,block id是区块的唯一标志，block length记录了该区块的长度信息，这些信息在区块其余部分填充完成后，在广播发送前生成。assignment id是转运任务的标志，carrier information记录了本次转运任务的承运单位，这些信息在区块生成时产生。此外，快件出发节点块Node＝{time stamp of passing,node signature}.其中，time stamp of passing是快件在该节点的经转时间戳，node signature是节点对该快件经转的认证签名。在区块头中，Node指快件的出发节点。
中间区块节包含若干个Node，其中，本实施例中的中间区块的Node指快件随运力单位经过的中间节点。区块尾由Node(目标节点)和Pick-up information(提件信息区块)组成，其中，Pick-up information＝{time stamp of pick-up,consignee infomation}。在区块尾中，Node指快件在到达收件人手中之前的寄存驿站节点。而time stamp of pick-up则指收件人提取快件的时间戳，consignee information指收件人用于证明提货身份的取件码、手写签名等信息。
在一种实施方式中，将共享服务平台的各服务端作为区块链中的各节点，共同完成业务系统发布的转运任务。其中，区域分公司服务端为区块链的主节点，用于记录并存储转运任务的转运信息。运力服务端为区块链的次级节点，用于上传转运任务的提件信息。运力服务端为区块链的中间节点，用于上传转运任务的中间节点信息。主节点、次级节点和中转节点组合成如图4所示的本发明的转运任务区块生成和广播一实施例的结构图，共享服务平台的服务系统通过转运任务区块进行区块链操纵执行各转运任务，并广播到各主节点，各主节点对转运任务区块进行存储。
本实施例中，数据登记系统包括快件录入模块、快件登出模块、快件更新模块、运力容量分析模块、快件承载量分析模块和运力监测模块，用于接收节点扫描仪录入的快件信息以及各节点传送的节点信息。
具体地，快件录入模块和快件登出模块用于对到达分公司的快件，由分公司发向总公司的快件，从用户处揽收的快件和被用户签收的快件的汇总处理，构建平台的区域快件池，为任务分配系统提供决策的数据支持。快件更新模块用于对处于转运阶段的快件的实时状态进行更新，并和转运任务进行横向对比，动态的监测快件状态并确保信息的可靠性。运力容量分析模块用于对不同运力单位所使用的不同运载工具的运载能力进行分析，并提供给任务分配系统作为决策的数据支持，确保转运规划在运力的承载能力范围之内。驿站、分公司快件承载量分析模块用于对区域分公司和末端驿站的空间承载能力进行分析，并提供给积压检测系统作为决策的数据支持，确保驿站、区域分公司的空间在被全部占据之前可以得到转运规划。运力容量分析模块和快件承载量分析模块共同用于对新加入平台的节点、运力进行能力分析，为任务分配系统提供决策的数据支持。运力监测模块用于对运力的闲置/运转状态和当前位置进行监测，一方面对任务分配系统提供决策的数据支持，另一方面根据运转任务期间位置信息对其进行信约监督。数据登记系统通过转运任务区块记录运转任务的转运信息，图5是示出本发明的快件转运信息记录方法一实施例的流程图，请参照图5，下面是对快件转运信息记录方法各步骤的详细说明。
步骤S1：数据登记系统发起并注册转运任务，生成对应的分配信息。
转运任务发起后，数据登记系统在任务池中注册一个转运任务，并生成assignment id,并记录carrier information。
步骤S2：根据快件发出节点为所述转运任务注册对应的转运任务区块，并记录快件出发节点块。
具体地，本实施例中，平台内信息的输入主要由扫描仪扫描快件条形码录入。运力抵达快件发出节点时，快件发出节点扫描待转运快件，并为对应的转运任务在任务池所对应的当次转运任务区域开辟一个区块，生成assignment information＝{assignment id,carrier infomation}，并上传经转时间戳和节点的认证签名，组合Node＝{time stamp ofpassing，node signature}。
步骤S3：检测转运任务的快件是否在当前的中转节点进行卸货；若是，则记录卸货节点信息；若否；则为所述转运任务注册中间区块节，上传对应的中间节点信息。
运力抵达中间节点时，或接收或卸下快件，共享服务平台会对该转运任务的快件进行检测，经由扫描仪上传信息，对该次转运任务所在区域的信息进行修改。若检测到该转运任务的快件存在卸货行为，节点对中转快件创建区块节，用于记录该卸货节点信息。若没有检测到，则为未卸货的快件注册中间区块节，并上传经转时间戳和节点的认证签名，组合Node＝{time stamp of passing，node signature}。
步骤S4：判断快件是否达到目标节点；若是，则为所述转运任务注册区块尾，上传目标节点信息；若否，则继续执行运转任务。
当快件到达目标节点卸货，经由扫描仪上传信息，节点对此快件创建区块尾，此时末端驿站为快件注册区块尾，此时生成Node信息，并上传经转时间戳和节点的认证签名，组合Node＝{time stamp of passing，node signature}。
步骤S5：判断用户是否提件；若是，则上传所述快件的提件信息；若否，则继续等待提件。
当用户提走快件时，末端驿站上传time stamp of pick-up和consigneeinformation至区块尾，并组合为Pick-up information＝{time stamp of pick-up,consignee infomation}。
步骤S6：转运任务的分配信息结合中间节点信息和目标节点信息，组装转运任务区块对应的转运任务区块。
区块尾完成签名后，数据登记系统根据区块链情况，生成front hash，MerkelTree,block id和block length,并与assignment information组合，生成BlockInformation＝{front hash，Merkel Tree,block id,block length,assignmentinfomation}。此时该转运任务对应的转运任务区块登记注册完毕，运力共享服务平台向各主节点广播该区块，各主节点存储区块。
本实施例中，任务分配系统包括任务发生模块和运力节点筛选模块，采用单位申请结合临界触发的混合任务发起模式发起转运任务。图7是示出本发明的任务分配系统转运模式一实施例的流程图，下面结合图7，进一步说明本实施形态。
具体地，任务发生模块用于接收运力单位的运转申请和积压检测模块发出的运转要求并发起转运任务。运力节点筛选模块用于对当前可用运力和当前所需转运节点进行筛选，并将筛选后的数据发送至转运规划模块求解最优路径。图8是示出本发明的节点筛选方法一实施例的流程图，请参照图8，详细说明本实施例的筛选节点的各步骤。
步骤E1:接收筛选请求和转运路径的起始位置。
步骤E2:筛选起始位置预设范围内的所有待筛选节点。
具体地，运力节点筛选模块通过筛选公式筛选起始位置预设范围内的所有待筛选节点。其中，筛选公式通过对比各节点当前累积快件量和本日预测快件量计算各节点的待转运评价系数筛选公式通过对比各节点当前累积快件量和本日预测快件量，计算各节点的待转运评价系数，公式如下：
Figure BDA0003495563230000161
其中，s表示任务发起点，j表示当前评价节点，
Figure BDA0003495563230000162
表示当前评价节点j当前累积快件量，
Figure BDA0003495563230000163
指当前评价节点j本日预测快件量，即当前累积的快件量，Dsj表示任务发起点s与当前评价节点j之间的距离，AP表示任务发起点s对节点j的快件转运目的地评价系数，Pj表示Pj指在任务发起点s的可行距离内的节点j的待转运评价系数。
步骤E3:判断转运任务方式为节点或运力；若转运任务方式为节点，则以发起方为任务发起点；若转运任务方式为运力，则及计算所有待筛选节点的全局支持度。
步骤E4:选择全局支持度最高的待筛选节点作为任务发起点。
本实施例中，任务发起点包括节点和运力单位，快件转运目的地评价系数AP的计算公式如下：
Figure BDA0003495563230000171
其中，s表示任务发起点，Ts表示任务发起点s的快件转运目的地的集合，Tj表示当前评价节点j的快件转运目的地的集合。
当任务发起点为节点时，则直接通过转运目的地评价系数AP来直接规划专利路线。
当任务发起点为一运力时，需要从范围内所有节点中选择最优节点作为任务发起点s，方法如下：
步骤E41：获取运力单位当前的快件转运目的地的集合；其中，每个快件转运目的地的为搜索节点。
转运目的地集合为Ai，其中，i＝1,2…,n，每个快件转运目的地包括n个节点。
计算各搜索节点的全局支持度。
对每个节点i，计算除该节点以外的n-1个节点对它的全局支持度，计算方式为：
Figure BDA0003495563230000172
其中，lsi为第i个节点的全局支持度。
步骤E4：对各搜索节点的全局支持度进行排序，选择全局支持度最大的搜索节点作为任务发起点s。
步骤E5:开始规划转运路径。
本实施例中，转运任务包括运力申请转运任务和系统分配转运任务；其中，运力申请转运任务包括以下执行步骤：
C1:运力单位根据运载设备检查情况和自身预期规划，确认可执行转运任务。
C2:运力单位根据确认的可执行转运任务，向任务分配系统发出转运申请。
C3:所述任务分配系统根据转运申请的当前运力信息，筛选可用节点。
C4:基于筛选公式筛选可用节点，确定待转运节点。
C5:根据运力信息和待转运节点信息，规划转运路线。
系统分配转运任务包括以下执行步骤：
D1:积压检测系统检测积压快件，向任务分配系统发出对应的积压节点信息。
D2:任务分配系统根据积压节点信息，搜索距离积压节点最近的可用运力；
D3:根据积压节点信息、可用运力和积压快件的目标节点信息，规划转运任务。
进一步地，本实施例中，积压检测系统包含快件量预测模块和快件池监督模块。图6是示出本发明的积压检测系统转运模式一实施例的流程图。下面结合图6，进一步说明本实施形态。快件量预测模块针对节点过往一段时间内的快件转运情况，根据公式预测当天快件量情况。单一节点的快件量波动并不大，而由于生活周期的原因，周内同一日的快件运转往往存在相似性，因此对快件量的预测需要同时考虑之前数日的转运情况和之前数周周内同一日的转运情况，同时，需要结合过往的预测误差进行综合考虑。
具体地，各节点当天的预测快件量的计算公式如下：
Figure BDA0003495563230000181
其中，t表示第t天，n表示节点资源池中第n个节点，
Figure BDA0003495563230000182
表示第n个节点第i天的快件中转量，
Figure BDA0003495563230000183
表示第n个节点第i天的预测快件量和实际的快件中转量的差值。
快件池监督模块对快件所属的节点容量进行监督，当滞留快件量达到当日预测快件量的1/3时，或者该节点可用容量不足1/10时，触发积压检测临界状态，调用任务分配系统，发布转运任务以减轻该节点的存储转运压力。
进一步地，本实施例中，信约监督系统包括节点认证模块、区块链广播模块、任务池检查模块、资金分配模块和驿站评价模块。其中，节点认证模块针对新加入节点，要求获得当前所有节点的一致认可，并上传相应的工商信息，在平台的信约监督系统中注册成为新节点，并对节点资源池做更新。区块链广播模块对任务池中已经完成的任务进行检查，广播至所有主节点进行分布式存储。任务池检查模块每天定时对任务池中未完成的任务进行检查，检测任务的滞留节点并通报所在节点进行处理。资金分配模块按月对运力单位的服务情况和节点的被服务情况进行统计，并根据物流情况从节点处收取费用，为运力单位提供报酬。驿站评价模块根据驿站的揽收快件情况和外界投诉情况，对驿站进行综合评分，并直接影响运达该区域的快件在多家驿站间的分配模式。此外，信约监督系统还用于接收来自消协或者国家邮政系统的投诉信息，根据单号对快件进行检查，定位到问题所在环节。如果在转运环节，则对运力单位做记过处理，如果在驿站环节，则根据评价系统对驿站的资源分配做出调整。
具体地，对于配送目的地的小范围内存在多家驿站的情况，采取以下分配模式：
Figure BDA0003495563230000191
其中，n表示末端驿站所属区域内的末端驿站总数，
Figure BDA0003495563230000192
表示末端驿站所属区域内第i个节点第t天的分配比例，REt表示t天内用户投诉次数，Ct-1指第t-1天末端驿站所属区域内的总揽收快件量，
Figure BDA0003495563230000193
指第t-1天第i个节点揽收的快件总数。
本实施例中，根据物流路径规划对转运量和路程的双优化需求，提出了一种基于多目标问题的新型启发式算法，即部落算法。图9是示出本发明的基于部落算法的转运方法一实施例的流程图。
步骤F1:对转运任务的目标节点进行编号，并随机生成多个定长的序列作为初始种群。
对所有节点进行编号为1，2，3……，n，并随机生成200个长度为n的个体。
步骤F2:计算初始种群中各个体的距离适应度和载货量适应度。
本实施例中，由于在转运过程中，为了最大化利用运力空间，需要将载货点和卸货点交叉错杂，以达到载货-卸货-载货-载货-卸货的模式，因此我们在路径规划的时候，需要同时对载货量和规划距离进行优化求解。
其中，距离适应度u(x)通过距离适应度函数进行计算，公式如下：
Figure BDA0003495563230000201
其中，i表示第i个节点，n表示节点总数，i≤n，
Figure BDA0003495563230000202
表示节点i与下一个节点i+1之间的距离。
载货量适应度通过载货量适应度函数进行计算，公式如下：
Figure BDA0003495563230000203
其中，i表示第i个快件，n表示快件总数，i≤n，qi表示第i个快件的转运质量。
步骤F3:通过对距离适应度和载货量适应度消去量纲，获取各个体的平权适应度值。
本实施例中，对适应度进行放缩，所有个体的某一适应度值集合U，有最大值Vmax和最小值Vmin，具体通过以下步骤获取各个体的平权适应度值：
步骤F31:将距离适应度和载货量适应度放缩至标准范围内，获取对应的适应度值集合U。
步骤F2:通过平权适应度计算公式计算适应度值集合U中各元素的平权适应度值，计算公式如下：
Figure BDA0003495563230000204
其中，Vi为第i个元素即第i个节点的平权适应度值，Vmax表示适应度值集合U中的最大值，Vmin表示适应度值集合U中的最小值。
步骤F4:基于平权适应度值对初始种群个体划分类型；其中，个体的类型包括首领、平民、距离精英和载量精英。
本实施例中，通过对比各个体的距离适应度和载货量适应度来判断各个体的支配性，根据支配性对个体进行划分，包括以下步骤：
步骤F41:判断初始种群中是否存在绝对支配个体；若是，则将所述绝对支配个体作为首领；若否，则选择平权适应度值最大的个体作为首领。
步骤F42:搜索初始种群中绝对被支配个体，并将所述绝对被支配个体作为平民。
步骤F43:判断初始种群中是否存在绝对被支配个体；若是，则继续搜索绝对被支配个体作为平民；若否，则将剩下的个体划分为距离精英和载量精英。
步骤F44:对比剩下的个体的距离适应度和转运载量适应度，将剩下的个体划分为距离精英和载量精英。
具体地，对于多目标优化问题而言，如果个体A的两种适应度都优于个体B，则称个体A支配个体B，个体B支配于个体A。首先对本代个体集合，选择支配其他所有个体的最优个体划分为首领，移出待划分集合。如果不存在绝对支配个体，则将两种适应度的数值平权相加，选择最优的个体划分为首领，移出待划分集合。然后选择绝对被支配个体划分为平民，将绝对被支配个体移除集合，再寻找绝对被支配个体划分为平民，直到集合中不存在绝对被支配个体。最后将剩余个体的两种适应度值进行比较，根据其较高的一方划分为距离精英和载量精英。
步骤F4:根据各个体的类型采取对应的迭代策略进行迭代，确地转运路线各位置的节点值。
具体地，迭代策略包括首领迭代策略、精英迭代策略和平民迭代策略，对于不同类型的个体采用不同的迭代策略来计算转运路线各位置的节点值。其中，首领迭代策略包括以下步骤：
F41：获取历代最优个体集合U；其中，历代最优个体集合U包括n个个体，各个体的长度为len,各个体长度的每一位表示一个转运节点的编号。
F42：基于各个体的编号生成位序支持度数组S，计算公式如下：
Figure BDA0003495563230000211
其中，
Figure BDA0003495563230000212
表示历代最优个体集合U中第i个个体第j位的编号，
Figure BDA0003495563230000213
表示位序支持度数组S第j位上编号为P的概率。
F43：根据位序支持度数组，为个体长度每一位随机选择一个编号，生成外来英雄的个体值。
F44：对比新生的外来英雄与原来的首领的个体值，保留最优值。
具体地，本实施例中，关于首领的迭代分为两步。其中，第一步迭代策略为根据历代最优解，即历代最优首领生成一个外来英雄，并和该最优首领进行经竞争，经适应度更好的一方留下，作为进行第二步迭代的首领。
步骤F5:判断迭代是否结束；若是，则输出各位置的节点值作为转运路径；若否，则再次计算各个体距离适应度和载货量适应度，继续规划转运路径。
本实施例中，第二步的首领迭代策略的计算公式如下：
Figure BDA0003495563230000221
其中，
Figure BDA0003495563230000222
表示第i个个体在第t+1次迭代的值，h表示历史最优值，OX表示交叉操作，
Figure BDA0003495563230000223
表示第t次迭代中第i个个体作为首领时的值，也就是个体值。以首领迭代策略为例，每一个个体是一个节点编号串，代表了行进路线。假设有5个节点编号12345，那其中一个个体可以是5，4，1，2，3这样的节点编号串，代表了目标问题的一种解。
精英迭代策略的计算公式如下：
Figure BDA0003495563230000224
其中，
Figure BDA0003495563230000225
表示第i个个体在第t+1次迭代的值，
Figure BDA0003495563230000226
表示第t次迭代中第i个个体的值，
Figure BDA0003495563230000227
表示第t次迭代中载量精英中的随机一个个体的值，
Figure BDA0003495563230000228
表示第t次迭代中距离精英中的随机一个个体的值，nt表示第t次迭代中距离精英的集合，mt表示第t次迭代中载量精英的集合OX表示交叉操作。
平民迭代策略的计算公式如下：
Figure BDA0003495563230000229
Figure BDA0003495563230000231
其中，
Figure BDA0003495563230000232
表示第i个个体在第t+1次迭代的迭代结果，h表示历史最优值，
Figure BDA0003495563230000233
表示第t次迭代中第i个个体作为首领时的值，
Figure BDA0003495563230000234
表示第t次迭代中第i个个体的值，
Figure BDA0003495563230000235
表示第t次迭代中载量精英中的随机一个个体的值，
Figure BDA0003495563230000236
表示第t次迭代中距离精英中的随机一个个体的值，nt表示第t次迭代中距离精英的集合，mt表示第t次迭代中载量精英的集合，pointNum为参与规划的节点数目，OX表示交叉操作。下面以两个个体为例，具体说明本实施例。
Example1为(12|345|67)，Example2：(27|163|54)。首先保留部分节点，得到E1:(|345|)和E2：(|163|)。然后Example2从第二处切割点重排序得到(5427163)，并将E1保留的节点去除，得到(2716)，再从第二处切割点处填充至E1中，得到Examle1New：(1635427)。同理得到Example2New：(4516372)。对于平民，则进行反向学习，避免陷入局部最优解。例如当
Figure BDA0003495563230000237
为(1635427)时，pointNum+1＝8，每位用8去减得到opC为(7253461)。
最后计算每个个体的两种适应度值，当连续10代最优解未发生变化或者迭代次数达到最大迭代次数时，结束迭代并输出结果，否则继续算法。
步骤F6:输出最优个体。
将最优个体作为最优转运路径的各节点，根据最优转运路径执行快件的转运任务。
提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。
本领域技术人员将进一步领会，结合本文中所公开的实施例来描述的各种解说性逻辑板块、模块、电路、和算法步骤可实现为电子硬件、计算机软件、或这两者的组合。为清楚地解说硬件与软件的这一可互换性，各种解说性组件、框、模块、电路、和步骤在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体系统的设计约束。技术人员对于每种特定应用可用不同的方式来实现所描述的功能性，但这样的实现决策不应被解读成导致脱离了本发明的范围。
结合本文所公开的实施例描述的各种解说性逻辑板块、模块、和电路可用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，该处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合，例如DSP与微处理器的组合、多个微处理器、与DSP核心协作的一个或多个微处理器、或任何其他此类配置。
结合本文中公开的实施例描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件模块中、或在这两者的组合中体现。软件模块可驻留在RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域中所知的任何其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读取和写入信息。在替换方案中，存储介质可以被整合到处理器。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替换方案中，处理器和存储介质可作为分立组件驻留在用户终端中。
在一个或多个示例性实施例中，所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现为计算机程序产品，则各功能可以作为一条或更多条指令或代码存储在计算机可读介质上或藉其进行传送。计算机可读介质包括计算机存储介质和通信介质两者，其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定，这样的计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。例如，如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外、无线电、以及微波之类的无线技术从web网站、服务器、或其它远程源传送而来，则该同轴电缆、光纤电缆、双绞线、DSL、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(CD)、激光碟、光碟、数字多用碟(DVD)、软盘和蓝光碟，其中盘(disk)往往以磁的方式再现数据，而碟(disc)用激光以光学方式再现数据。上述的组合也应被包括在计算机可读介质的范围内。
提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。

Claims (24)

1.一种基于区块链技术的末端物流运力共享服务平台，其特征在于，包括业务系统、资源池和服务端；其中，
所述业务系统用于调用资源池资源的数据资源执行转运任务；
所述资源池用于存储所述业务系统的数据资源；
所述服务端用于对外提供服务；
所述业务系统包括数据登记系统、任务分配系统、积压检测系统、信约监督系统和转运规划系统；其中，
所述数据登记系统用于接收快件信息以及各节点传送的节点信息，并对所述资源池中的数据资源进行数据处理；
所述任务分配系统用于规划各待转运节点的最优转运路径；
所述积压检测系统用于处理积压的快件；
所述信约监督系统用于检查转运任务，并分配快件资源；
所述转运规划系统用于对转运任务进行路径规划，并执行所述信约监督系统发送的快件资源分配方案；
所述任务分配系统包括任务发生模块和运力节点筛选模块，采用单位申请结合临界触发的混合任务发起模式发起转运任务；其中，
所述任务发起模块用于发起转运任务；
所述运力节点筛选模块用于筛选当前可用运力和待转运节点；
所述转运任务包括运力申请转运任务和系统分配转运任务；
所述运力节点筛选模块通过筛选转运路径节点进行转运路径规划,包括以下步骤：
接收筛选请求和转运路径的起始位置；
筛选起始位置预设范围内的所有待筛选节点；
判断转运任务方式为节点或运力；若转运任务方式为节点，则以发起方为任务发起点；若转运任务方式为运力，则及计算所有待筛选节点的全局支持度；
选择全局支持度最高的待筛选节点作为任务发起点；
开始规划转运路径。
2.根据权利要求1所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，所述资源池包括节点资源池、快件池、运力资源池和任务池；其中，
所述节点资源池包含各节点的历史中转信息和当前运力信息；
所述快件池包含各快件的注册信息、注销信息、转运路径信息和质量信息；
所述运力资源池包含运力的位置信息、状态信息和历史任务记录信息；
所述任务池用于对各转运任务的节点信息进行核对，并形成区块。
3.根据权利要求2所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，所述服务端包括区域分公司服务端、运力服务端和末端驿站服务端，作为区块链中的各节点；其中，
所述区域分公司服务端为区块链的主节点，用于记录并存储转运任务的转运信息；
所述运力服务端为区块链的次级节点，用于上传转运任务的提件信息；
所述运力服务端为区块链的中间节点，用于上传转运任务的中间节点信息；
所述主节点、次级节点和中转节点组合成转运任务区块进行区块链操作。
4.根据权利要求3所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，所述数据登记系统包括快件录入模块、快件登出模块、快件更新模块、运力容量分析模块、快件承载量分析模块和运力监测模块；其中，
所述快件录入模块用于录入快件揽件信息；
所述快件登出模块用于录入快件签收信息；
所述快件更新模块用于监测并更新快件的实时状态；
所述运力容量分析模块用于分析不同运力单位的不同运载工具的运载能力；
所述快件承载量分析模块用于分析区域分公司服务端和末端驿站服务端的空间承载能力；
所述运力监测模块用于监测各运力的闲置/运转状态和当前位置；
所述数据登记系统通过转运任务区块记录运转任务的转运信息。
5.根据权利要求4所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，所述转运任务区块包括区块头、中间区块节和区块尾；其中，
所述区块头包括信息区块和快件出发节点块，用于记录并存储快件的运转信息；
所述中间区块节包括多个中间节点，用于记录快件经过的中间节点信息；
所述区块尾包括提件信息区块和目标节点，用于记录快件的提件信息。
6.根据权利要求5所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，所述数据登记系统通过以下步骤记录快件的转运信息：
数据登记系统发起并注册转运任务，生成对应的分配信息；
根据快件发出节点为所述转运任务注册对应的转运任务区块，并记录快件出发节点块；
检测转运任务的快件是否在当前的中转节点进行卸货；若是，则记录卸货节点信息；若否；则为所述转运任务注册中间区块节，上传对应的中间节点信息；
判断快件是否达到目标节点；若是，则为所述转运任务注册区块尾，上传目标节点信息；若否，则继续执行运转任务；
判断用户是否提件；若是，则上传所述快件的提件信息；若否，则继续等待提件；
转运任务的分配信息结合中间节点信息和目标节点信息，组装转运任务区块对应的转运任务区块。
7.根据权利要求6所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，转运任务区块通过基于区块链技术的末端物流运力共享服务平台广播到各主节点，所述主节点对所述转运任务区块进行存储。
8.根据权利要求1所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，运力节点筛选模块通过筛选公式筛选起始位置预设范围内的所有待筛选节点，其中，筛选公式通过对比各节点当前累积快件量和本日预测快件量计算各节点的待转运评价系数，公式如下：
Figure FDA0003886941250000041
；
其中，s表示任务发起点，j表示当前评价节点，
Figure FDA0003886941250000042
表示当前评价节点j当前累积快件量，
Figure FDA0003886941250000043
指当前评价节点j本日预测快件量，
Dsj表示任务发起点s与当前评价节点j之间的距离，
AP表示任务发起点s内快件转运目的地评价系数，
Pj表示节点j的待转运评价系数。
9.根据权利要求8所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，所述任务发起点包括节点和运力，快件转运目的地评价系数AP的计算公式如下：
Figure FDA0003886941250000044
；
其中，s表示任务发起点，
Ts表示任务发起点s的快件转运目的地的集合，
Tj表示当前评价节点j的快件转运目的地的集合。
10.根据权利要求1所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，所述申请转运任务包括以下执行步骤：
运力单位根据运载设备检查情况和自身预期规划，确认可执行转运任务；
运力单位根据确认的可执行转运任务，向任务分配系统发出转运申请；
所述任务分配系统根据转运申请的当前运力信息，筛选可用节点；
基于筛选公式筛选可用节点，确定待转运节点；
根据运力信息和待转运节点信息，规划转运路线。
11.根据权利要求1所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，所述系统分配转运任务包括以下执行步骤：
积压检测系统检测积压快件，向任务分配系统发出对应的积压节点信息；
任务分配系统根据积压节点信息，搜索距离积压节点最近的可用运力；
根据积压节点信息、可用运力和积压快件的目标节点信息，规划转运任务。
12.根据权利要求2所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，所述积压检测系统包括快件量预测模块和快件池监督模块；其中，
所述快件量预测模块用于预测各节点当天的预测快件量；
所述快件池监督模块用于监督各节点的滞留快件量；
当各节点的滞留快件量超过预测快件量的预警值时，积压检测系统向任务分配系统发出请求处理积压的任务。
13.根据权利要求12所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，各节点当天的预测快件量的计算公式如下：
Figure FDA0003886941250000051
；
其中，t表示第t天，
n表示节点资源池中第n个节点，
Figure FDA0003886941250000052
表示第n个节点第t天的快件中转量，
Figure FDA0003886941250000053
表示第n个节点第i天的预测快件量和实际的快件中转量的差值。
14.根据权利要求2所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，所述信约监督系统包括节点认证模块、区块链广播模块、任务池检查模块、资金分配模块和驿站评价模块；其中，
所述节点认证模块用于认证新加入的节点，并将完成任务的新节点更新到节点资源池；
所述区块链广播模块用于检查任务池中的已完成任务，并将所述已完成任务对应的区块广播至所有主节点进行存储；
所述任务池检查模块用于定时检查任务池中未完成任务，并通知未完成任务的滞留节点进行处理；
所述资金分配模块根据各运力单位的服务情况和各节点的被服务情况统计各节点应付的服务费用，并为各运力单位分配报酬；
所述驿站评价模块用于对各末端驿站进行综合评分，设计所属区域内各末端驿站之间的分配模式。
15.根据权利要求14所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，各末端驿站之间的分配模式计算公式如下：
Figure FDA0003886941250000061
；
其中，n表示末端驿站所属区域内的末端驿站总数，
Figure FDA0003886941250000062
表示末端驿站所属区域内第i个节点第t天的分配比例，
REt表示t天内用户投诉次数，
Ct-1指第t-1天末端驿站所属区域内的总揽收快件量，
Figure FDA0003886941250000063
指第t-1天第i个节点揽收的快件总数。
16.根据权利要求2所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，所述转运规划系统通过部落算法规划转运任务路径，执行快件资源分配方案，包括以下步骤：
对转运任务的目标节点进行编号，并随机生成多个定长的序列作为初始种群；
计算初始种群中各个体的距离适应度和载货量适应度；
通过对距离适应度和载货量适应度消去量纲，获取各个体的平权适应度值；
基于平权适应度值对初始种群个体划分类型；其中，个体的类型包括首领、平民、距离精英和载量精英；
根据各个体的类型采取对应的迭代策略进行迭代，确地转运路线各位置的节点值；
判断迭代是否结束；若是，则输出各位置的节点值作为转运路径；若否，则再次计算各个体距离适应度和载货量适应度，继续规划转运路径；
输出最优个体。
17.根据权利要求16所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，距离适应度u(x)通过距离适应度函数进行计算，公式如下：
Figure FDA0003886941250000071
；
其中，i表示第i个节点，n表示节点总数，i≤n，
Figure FDA0003886941250000072
表示节点i与下一个节点i+1之间的距离。
18.根据权利要求16所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，载货量适应度通过载货量适应度函数进行计算，公式如下：
Figure FDA0003886941250000073
；
其中，i表示第i个快件，n表示快件总数，in，
qi表示第i个快件的转运质量，
t表示转运任务中经过的中间节点数目。
19.根据权利要求16所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，对初始种群个体划分类型包括以下步骤：
判断初始种群中是否存在绝对支配个体；若是，则将所述绝对支配个体作为首领；若否，则选择平权适应度值最大的个体作为首领；
搜索初始种群中绝对被支配个体，并将所述绝对被支配个体作为平民；
判断初始种群中是否存在绝对被支配个体；若是，则继续搜索绝对被支配个体作为平民；若否，则将剩下的个体划分为距离精英和载量精英；
对比剩下的个体的距离适应度和转运载量适应度，将剩下的个体划分为距离精英和载量精英。
20.根据权利要求16所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，所述迭代策略包括首领迭代策略、精英迭代策略和平民迭代策略，对于不同类型的个体采用不同的迭代策略来计算转运路线各位置的节点值。
21.根据权利要求20所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，首领迭代策略包括以下步骤：
获取历代最优个体集合U；其中，历代最优个体集合U包括n个个体，各个体的长度为len,各个体长度的每一位表示一个转运节点的编号；
基于各个体的编号生成位序支持度数组S，计算公式如下：
Figure FDA0003886941250000081
；
其中，
Figure FDA0003886941250000082
表示历代最优个体集合U中第i个个体第j位的编号，
Figure FDA0003886941250000083
表示位序支持度数组S第j位上编号为P的概率；
根据位序支持度数组，为个体长度每一位随机选择一个编号，生成外来英雄的个体值；
对比新生的外来英雄与原来的首领的个体值，保留最优值。
22.根据权利要求20所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，所述首领迭代策略的计算公式如下：
Figure FDA0003886941250000091
；
其中，
Figure FDA0003886941250000092
表示第i个个体在第t+1次迭代的值，
Figure FDA0003886941250000093
表示第t次迭代中第i个个体作为首领时的值，
h表示历史最优值，
OX表示交叉操作。
23.根据权利要求20所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，所述精英迭代策略的计算公式如下：
Figure FDA0003886941250000094
；
其中，
Figure FDA0003886941250000095
表示第i个个体在第t+1次迭代的值，
Figure FDA0003886941250000096
表示第t次迭代中第i个个体的值，
Figure FDA0003886941250000097
表示第t次迭代中载量精英中的随机一个个体的值，
Figure FDA0003886941250000098
表示第t次迭代中距离精英中的随机一个个体的值，
nt表示第t次迭代中距离精英的集合，
mt表示第t次迭代中载量精英的集合
OX表示交叉操作。
24.根据权利要求20所述的基于区块链技术的末端物流运力共享服务平台，其特征在于，所述平民迭代策略的计算公式如下：
Figure FDA0003886941250000099
Figure FDA00038869412500000910
；
其中，
Figure FDA0003886941250000101
表示第i个个体在第t+1次迭代的迭代结果，
h表示历史最优值，
Figure FDA0003886941250000102
表示第t次迭代中第i个个体作为首领时的值，
Figure FDA0003886941250000103
表示第t次迭代中第i个个体的值，
Figure FDA0003886941250000104
表示第t次迭代中载量精英中的随机一个个体的值，
Figure FDA0003886941250000105
表示第t次迭代中距离精英中的随机一个个体的值，
nt表示第t次迭代中距离精英的集合，
mt表示第t次迭代中载量精英的集合，
pointNum为参与规划的节点数目，
OX表示交叉操作。
CN202210113502.XA 2022-01-30 2022-01-30 一种基于区块链技术的末端物流运力共享服务平台 Active CN114493453B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210113502.XA CN114493453B (zh) 2022-01-30 2022-01-30 一种基于区块链技术的末端物流运力共享服务平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210113502.XA CN114493453B (zh) 2022-01-30 2022-01-30 一种基于区块链技术的末端物流运力共享服务平台

Publications (2)

Publication Number Publication Date
CN114493453A CN114493453A (zh) 2022-05-13
CN114493453B true CN114493453B (zh) 2022-11-15

Family

ID=81478101

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210113502.XA Active CN114493453B (zh) 2022-01-30 2022-01-30 一种基于区块链技术的末端物流运力共享服务平台

Country Status (1)

Country Link
CN (1) CN114493453B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109583820A (zh) * 2018-12-19 2019-04-05 东莞市盟大塑化科技有限公司 一种基于区块链技术的货物跟踪方法
CN112418584A (zh) * 2019-08-23 2021-02-26 深圳顺丰泰森控股(集团)有限公司 任务规划方法、装置、计算机设备及存储介质
CN113191534A (zh) * 2021-04-14 2021-07-30 上海东普信息科技有限公司 物流资源分配方法、装置、设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113435994A (zh) * 2017-03-31 2021-09-24 唐晓领 基于区块链的金融借贷多方共享交易元数据信息的方法、装置及系统
CN109636547A (zh) * 2019-01-02 2019-04-16 浙江师范大学 一种基于区块链的分布式停车共享系统及实现方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109583820A (zh) * 2018-12-19 2019-04-05 东莞市盟大塑化科技有限公司 一种基于区块链技术的货物跟踪方法
CN112418584A (zh) * 2019-08-23 2021-02-26 深圳顺丰泰森控股(集团)有限公司 任务规划方法、装置、计算机设备及存储介质
CN113191534A (zh) * 2021-04-14 2021-07-30 上海东普信息科技有限公司 物流资源分配方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN114493453A (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
Kim et al. Deriving decision rules to locate export containers in container yards
CN108038578B (zh) 基于需求预测和中心辐射网络的公共自行车静态调度方法
CN111105084B (zh) 物流信息处理方法、装置、设备及计算机存储介质
CN110909952B (zh) 一种带移动配送站的城市两级配送及调度方法
Wang et al. An enhanced artificial bee colony algorithm for the green bike repositioning problem with broken bikes
US20210256646A1 (en) Diversified and connected freight allocation system and method
CN110097218B (zh) 一种时变环境下无人商品配送方法及系统
Parragh et al. A survey on pickup and delivery models Part II: Transportation between pickup and delivery locations
CN114493453B (zh) 一种基于区块链技术的末端物流运力共享服务平台
Alaia et al. Optimization of the multi-depot & multi-vehicle pickup and delivery problem with time windows using genetic algorithm
Nguyen et al. Pareto routing and scheduling of dynamic urban rail transit services with multi-objective cross entropy method
CN115330014A (zh) 一种垃圾分类清运路线规划方法、装置和存储介质
Yin et al. Scheduling quay cranes and shuttle vehicles simultaneously with limited apron buffer capacity
CN112288232B (zh) 干线网点的货物运输批次规划方法及系统
CN108197879A (zh) 一种多模式客货共运方法及系统
CN112070275A (zh) 一种轨道交通路网协同限流的方法和装置及设备
Xue et al. An improved adaptive large neighborhood search algorithm for the heterogeneous customized bus service with multiple pickup and delivery candidate locations
EP4064158A1 (en) Method and system for dynamically optimizing the operations of logistics management system
CN108022070B (zh) 一种混合装卸车辆协同调度运输方法
CN115796528A (zh) 一种重载铁路装车端空车调配方法、装置、设备及介质
CN116090689B (zh) 一种基于中转接驳的货运资源优化方法及优化系统
Zhang et al. p‐hub median location optimization of hub‐and‐spoke air transport networks in express enterprise
Kancharla et al. Simulated annealing algorithm for multi depot two-echelon capacitated vehicle routing problem
NL2013937B1 (en) Method and system for loading packages in a plurality of delivery vehicles.
Hvattum The Multistage Stochastic Vehicle Routing Problem with Dynamic Occasional Drivers

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