CN114548772A - 配送任务调度方法、装置、存储介质及电子设备 - Google Patents
配送任务调度方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114548772A CN114548772A CN202210168580.XA CN202210168580A CN114548772A CN 114548772 A CN114548772 A CN 114548772A CN 202210168580 A CN202210168580 A CN 202210168580A CN 114548772 A CN114548772 A CN 114548772A
- Authority
- CN
- China
- Prior art keywords
- task
- delivery
- dispatching
- unmanned vehicle
- distribution
- 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
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
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Educational Administration (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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书公开了配送任务调度方法、装置、存储介质及电子设备,可先确定各配送任务对应的停靠点,并根据各对停靠点之间包含的若干有向路段的人工接管次数,确定各对停靠点之间的目标路径。之后,以最小化调度无人车的数量以及配送总时长为目标,以各配送限制条件为约束,根据各停靠点之间的目标路径、各配送任务对应的停靠点,构建最优解问题并解算,确定分配至各无人车的配送任务及配送顺序,并按照配送顺序控制各无人车执行任务。基于人工接管次数确定各停靠点之间的目标路径,进而通过构建最优解问题确定分配至各无人车的配送任务及其配送顺序,减少了任务配送过程中等待时间以及重复路径的行驶,节省了配送成本,提高了配送效率。
Description
技术领域
本申请涉及无人配送技术领域,尤其涉及配送任务调度方法、装置、存储介质及电子设备。
背景技术
随着无人驾驶技术的发展,无人驾驶设备也得到了广泛应用,尤其在配送领域,采用无人驾驶设备进行物品配送,大大提高了配送效率。
目前,在无人配送过程中,可先进行任务分配,将各待配送任务按照配送地址进行聚类,划分为若干簇。之后,由仓库管理人员基于各配送任务的预计送达时间,将各簇内的配送任务分配给若干无人车配送,在无人车将配送物品配送至指定停靠点后,再交由配送人员接力配送。
但是,仓库管理人员按照配送任务的预计送达时间向各无人车分配配送任务时,往往基于人为经验确定无人车执行各配送任务的先后顺序,可能造成无人车配送过程中重复路径较多,导致配送时间较长,配送成本较高。
发明内容
本说明书实施例提供一种配送任务调度方法、装置、存储介质及电子设备,用于部分解决现有技术中的问题。
本说明书实施例采用下述技术方案:
本说明书提供的一种配送任务调度方法,包括:
获取若干待分配的配送任务;
根据待分配的各配送任务的任务信息以及预设的各停靠点的位置信息,确定待分配的各配送任务与各停靠点之间的对应关系;
针对每对停靠点,预先根据该对停靠点中的起始点与终止点以及预先构建的有向有权图,通过寻路算法确定该对停靠点之间的目标路径;其中,所述有向有权图中包括基于历史行驶数据确定的各路口之间有向路段的路段权重,所述路段权重以人工接管次数为评价指标确定;
以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序;
按照分配至各无人车的配送任务及其配送顺序,控制各无人车执行所述配送任务。
可选地,根据待分配的各配送任务的任务信息以及预设的各停靠点的位置信息,确定待分配的各配送任务与各停靠点之间的对应关系,具体包括:
根据待分配的各配送任务的任务信息中的配送地址,与预设的各停靠点的位置信息中的停靠点地址,进行模糊匹配,确定待分配的各配送任务与各停靠点之间的对应关系。
可选地,根据待分配的各配送任务的任务信息以及预设的各停靠点的位置信息,确定待分配的各配送任务与各停靠点之间的对应关系,具体包括:
根据预设的各停靠点的位置信息,确定各停靠点的覆盖范围;
根据待分配的各配送任务的任务信息中的送达位置,以及各停靠点的覆盖范围,确定待分配的各配送任务与各停靠点之间的对应关系。
可选地,以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序,具体包括:
以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,将各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系作为输入,输入车辆路径规划模型,确定分配至各无人车的配送任务、各配送任务的配送顺序以及各无人车按照所述配送顺序执行配送任务的配送路径。
可选地,所述配送限制条件为配送时长的限制;
以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序,具体包括:
根据待分配的各配送任务的任务信息,确定各配送任务的预计送达时间;
以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以无人车配送各配送任务的实际送达时间不超出各配送任务的预计送达时间为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序。
可选地,所述配送限制条件为容量的限制;
以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序,具体包括:
根据待分配的各配送任务的任务信息,确定各配送物品的物品体积;
根据待调度的各无人车的车辆信息,确定各无人车的容量;
以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以分配给各无人车的各配送任务的物品体积之和不大于各无人车的容量为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序。
可选地,各无人车提取配送物品的仓库为起始停靠点;
所述配送限制条件还包括以下一种或多种:
各无人车的运行时间处于所述起始停靠点的运营时间范围内;
各无人车的运行时间不超出总电量允许时间;
各无人车必须从所述起始停靠点出发,且只能出发一次;
各无人车必须返回至所述起始停靠点,且只能返回一次;
各无人车在运行过程中不得停车等待;
各无人车在所述起始停靠点的准备时间为第一预设时长;
各无人车在各停靠点放置配送物品的时长为第二预设时长。
本说明书提供一种配送任务调度装置,包括:
获取模块,配置为获取若干待分配的配送任务;
关系确定模块,配置为根据待分配的各配送任务的任务信息以及预设的各停靠点的位置信息,确定待分配的各配送任务与各停靠点之间的对应关系;
路径确定模块,针对每对停靠点,预先根据该对停靠点中的起始点与终止点以及预先构建的有向有权图,通过寻路算法确定该对停靠点之间的目标路径;其中,所述有向有权图中包括基于历史行驶数据确定的各路口之间有向路段的路段权重,所述路段权重以人工接管次数为评价指标确定;
构建及解算模块,配置为以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序;
配送模块,配置为按照分配至各无人车的配送任务及其配送顺序,控制各无人车执行所述配送任务。
本说明书提供的一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述配送任务调度方法。
本说明书提供的一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述配送任务调度方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书中进行配送任务调度时,可先根据待分配的各配送任务的任务信息以及预设的各停靠点的位置信息,确定待分配的各配送任务与各停靠点之间的对应关系。并根据各对停靠点之间包含的若干有向路段的人工接管次数,确定各对停靠点之间的目标路径。之后,以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,根据各停靠点之间的目标路径、各配送任务与各停靠点之间的对应关系,构建最优解问题并进行解算,确定分配至各无人车的配送任务及其配送顺序,以按照分配的各配送任务及其配送顺序,控制各无人车执行配送任务。基于人工接管次数确定各停靠点之间的目标路径,进而通过构建最优解问题确定分配至各无人车的配送任务及其配送顺序,减少了任务配送过程中等待时间以及重复路径的行驶,节省了配送成本,提高了配送效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书实施例提供的一种配送任务调度方法的流程示意图;
图2为本说明书实施例提供的构建有向有权图的示意图;
图3为本说明书实施例提供的一种配送任务调度装置的结构示意图;
图4为本说明书实施例提供的实现配送任务调度方法的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于说明书中的实施例,本领域普通技术人员在没有做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。
本说明书提供一种配送任务调度方法,可基于任务信息合理规划各配送任务的配送顺序,减少无人车在配送过程中的等待时间以及重复路径的行驶,节省了配送时间和配送成本。以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为本说明书实施例提供的一种配送任务调度方法的流程示意图,具体可包括以下步骤:
S100:获取若干待分配的配送任务。
本说明书提供的配送任务调度方法,可应用于社区团购、买菜以及物流运输等业务场景下,将各配送任务分配给各无人车,实现无人配送。
其中,无人车需要从统一的取货地点(如,仓库)出发,分别前往不同目的地执行配送任务。例如,在社区团购场景下,需要从统一的仓库装载货物,分别配送至各社区的停靠点。或者在物流运输过程中,将一定区域范围内的配送物品集中转运至区域站点,再从区域站点分别配送至各任务的送达位置。
在本说明书一个或多个实施例中,可由配送平台的服务器获取待分配的配送任务,并通过后续步骤进行任务调度。其中,该服务器既可以是单个服务器,也可以是若干服务器组成的系统,例如:分布式服务器等。本说明书对此不做限制,可根据需要设置。
为了缩短配送距离以及配送时效,配送平台通常预先划分若干区域范围,每个区域范围内对应有一个取货地点,以及若干辆待调度的无人车,同一区域范围内的配送任务,从该区域范围对应的取货地点取货,并由该区域范围的无人车进行配送。其中,区域范围可根据需要设置,如,以区级为单位设置,以街道为单位设置等。
通常为了提高配送效率、减少资源浪费,配送平台可按照预设的调度周期进行任务分配。如,每5分钟根据获取到的配送任务进行一次任务分配。于是在本说明书中,针对预先划分的每个区域范围,该服务器可根据预设的调度周期,确定当前调度周期内待分配的配送任务。
S102:根据待分配的各配送任务的任务信息以及预设的各停靠点的位置信息,确定待分配的各配送任务与各停靠点之间的对应关系。
目前,受自动驾驶能力的限制,无人车无法直接将配送物品配送至用户手中,通常配送至配送地址附近的停靠点,再由配送人员接力配送,或者用户前往自提。于是,在本说明书中进行任务分配时还需匹配各配送任务对应的停靠点。
具体的,针对每个区域范围内待分配的每个配送任务,该服务器可根据该配送任务的任务信息,确定该配送任务的配送地址。之后,根据该配送任务的配送地址,以及该区域范围内预设的各停靠点的位置信息中的停靠点地址,进行模糊匹配,确定该配送任务对应的停靠点。其中,任务信息中还包括配送任务的预计送达时间,配送物品的重量、体积等。
在本说明书另一种实施例中,该服务器还可基于配送任务的任务信息,确定该配送任务的送达位置。之后,根据预设的各停靠点的位置信息,确定各停靠点的覆盖范围,并根据该配送任务的送达位置以及各停靠点的覆盖范围,确定该配送任务对应的停靠点。其中,各停靠点的覆盖范围可基于各停靠点的位置信息自行设置,本说明书对此不做限制,如,设置以停靠点为圆心,以10m为半径的圆所包含的区域,作为停靠点的覆盖范围。
需要说明的是,上述配送地址指的是用户填写的住址,如A小区1号楼401,而送达位置指的是位置坐标(包括经纬度)。具体采用哪种匹配规则可根据需要设置,可以采用地址匹配,也可以采用距离匹配,本说明书对此不作限制。
在本说明书中预先设置各停靠点时,考虑到用户取货方便,需要尽量减少用户抵达停靠点取货的路程,并且配送地址一般集中分布在写字楼或小区内,地理分布具有一定的集中性。于是,可基于历史上大量的配送任务,根据配送任务的配送地址进行聚类,得到若干分组。之后,针对每个分组,根据该分组内各配送任务的配送地址进行聚合,得到该分组对应的若干停靠点。其中,聚类算法可以采用K均值聚类算法(k-means clusteringalgorithm,k-means)、基于密度的聚类算法(Density-Based Spatial Clustering ofApplications with Noise,DBSCAN)、高斯混合模型(Gaussian mixture model,GMM)等,本说明书对此不做限制。
并且,在对各配送任务的配送地址进行聚类时,考虑到实际配送情况,可根据该区域范围内待调度的无人车的数量,以及各配送任务的配送地址之间的距离,确定分组数量,并基于该分组数量聚类得到各分组。
由于无人车导航行驶依赖于高精地图,而高精地图并非覆盖全部区域,于是在设置各停靠点时,还需保障停靠点存在于高精地图中,以保障无人车的自主导航。并且由于各无人车需要从仓库取货并出发,因此仓库可设置为停靠点中的起始停靠点。
S104:针对每对停靠点,预先根据该对停靠点中的起始点与终止点以及预先构建的有向有权图,通过寻路算法确定该对停靠点之间的目标路径。
在配送过程中,无人车需要将配送任务分别配送至相应的停靠点,为了提高配送效率,无人车在各停靠点之间行驶时,可查找目标路径,如行驶路程最短、行驶时间最短、人工接管次数最少等。以基于各停靠点之间的目标路径,进行配送任务的分配。
于是可预先构建该区域范围内各路段的有向有权图。如图2所示,以该区域范围内各路口为节点,连接各路口之间的路段。其中,各路段标注有行驶方向,如由路口A行驶至路口B的路段,与从路口B行驶至路口A的路段,基于行驶方向的不同可认为是不同的路段。根据预设的评价指标以及历史行驶数据,确定各路口之间有向路段的路段权重。其中,评价指标至少包括人工接管次数,还可包括行驶路程、行驶时间等,历史行驶数据中包括无人车在各历史时段,沿该区域范围内各有向路段行驶时,所行驶的路程、速度、行驶时间以及被人工接管次数等,历史时段包括白天、夜晚、节假日、工作日等等。当无人车行驶至人流密集区(如学校、商场)路段,以及事故多发地时则需要由人工接管控制。
之后,针对每对停靠点,根据该对停靠点中的起始点与终止点,以及预先构建的有向有权图中各有向路段的路段权重,通过寻路算法,确定该对停靠点之间的目标路径。其中,寻路算法可采用A星算法、迪杰斯特拉(Dijkstra)算法等,以从各有向路段中,连接到路径权重最小的目标路径。
需要说明的是,由于各停靠点之间的目标路径基于行驶路程、行驶时间以及人工接管次数等评价指标确定,而各评价指标受所处时段的影响。如,国庆节假日期间交通拥堵严重,导致无人车行驶速度较慢,行驶时间较长,目标路径可能发生变化,于是还需根据当前所处时段,选取相应的历史时段的历史行驶数据,更新目标路径。
S106:以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序。
在本说明书中进行配送任务调度时,为了避免无人车等待时间过长以及出现重复绕行的问题,节省配送成本,可以最小化各无人车的配送总时长为目标,合理规划各配送任务的配送顺序进行配送。
具体的,该服务器可根据待分配的各配送任务与各停靠点之间的对应关系,以及各停靠点之间的目标路径,以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,构建最优解问题。之后,解算该最优解问题,确定分配至各无人车的配送任务及其配送顺序。
其中,在构建最优解问题时,可基于配送业务进行建模构建车辆路径规划模型(Vehicle Routing Problem,VRP)。将各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系作为输入,输入车辆路径规划模型,确定分配至各无人车的配送任务、各配送任务的配送顺序以及各无人车按照该配送顺序配送各配送任务的配送路径,以使各无人车按照规划的配送路径行驶,依次进行任务配送。
其中,该VPR模型的输入还包括各配送任务的任务信息以及各无人车的车辆信息等,任务信息中至少包括配送任务的配送地址、送达位置、配送物品的体积、重量、配送任务的下单时间以及预计送达时间中的一种,车辆信息至少无人车的数量、容量、载重中的一种。
由于该最优解以最小化各无人车的配送总时长为目标进行求解,因此还需要已知各无人车在配送过程中的行驶速度。在本说明书一种或多种实施例中,可以为各无人车设置固定的行驶速度,或者也可以基于历史行驶数据,确定各无人车沿各目标路径的行驶速度。
并且,该VRP模型以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以配送限制条件作为约束,实现配送任务的分配。可采用分支定界法(branch-and-bound)、分支剪界法(branch-and-cut)、动态规划法(dynamic programming)等求解得到配送任务的分配情况及其配送顺序。由于各求解方法已经是较为成熟的现有技术,本说明书对此并无改进,在此不做赘述。
进一步的,考虑到实际配送情况,各配送任务具有配送时间的限制,且无人车也有容量、载重的限制。于是上述采用的VRP模型为带有容量约束以及时间约束的车辆路径规划模型(Capacitated Vehicle Routing Problem with Time Windows,CVRPTW)。
其中,各配送任务的配送限制条件包括配送时间的限制,可根据待分配的各配送任务的任务信息,确定各配送任务的预计送达时间,并以无人车配送各配送任务的实际送达时间不超出各配送任务的预计送达时间为约束,确定分配至各无人车的配送任务及其配送顺序。
在一种实施例中,可能不存在全部配送任务不超时的分配方式,则可以无人车配送各配送任务的实际送达时间超出各配送任务的预计送达时间的配送任务量最少为约束,确定分配至各无人车的配送任务及其配送顺序。
各配送任务的配送限制条件还包括容量的限制,可根据待分配的各配送任务的任务信息,确定各配送任务的物品体积,并根据待调度的各无人车的车辆信息,确定各无人车的容量。针对每个无人车,以分配给该无人车的各配送任务的物品体积之和不大于该无人车的容量为约束,确定分配至各无人车的配送任务及其配送顺序。
此外,除时间和容量的约束条件外,由于业务自身特点以及提高求解效率。还设置了一些配送限制条件,按照类型可分为业务侧约束、非业务侧约束以及辅助约束。
其中,业务侧约束至少包括:
a、各无人车的运行时间处于起始停靠点的运营时间范围内,也即从无人车分拣商品出发,到无人车完成配送时间返回,需要处于该运营时间范围内。
b、各无人车的运行时间不超出总电量允许时间。
c、各配送任务的配送物品配送至各配送任务对应的停靠点。
非业务侧约束至少包括:
d、同一配送任务只能配送一次,且有且只有一辆无人车配送。
e、各无人车必须从起始停靠点出发,且只能出发一次。
f、各无人车必须返回至起始停靠点,且只能返回一次,不能中途返回后再次出发。
g、各无人车从一个停靠点(起点)到另一个停靠点(终点)的行驶时间,等于各无人车在起点的卸货时间以及从起点行驶至终点的行驶时间之和。
h、对于任意配送任务,未配送该配送任务的无人车不可能从该配送任务对应的停靠点完成离开。
辅助约束至少包括:
i、各无人车在运行过程中不得停车等待。
j、各无人车在起始停靠点的准备时间为第一预设时长。
k、各无人车在各停靠点放置配送物品的时长(卸货时间)为第二预设时长,其中,第一预设时长与第二预设时长可根据需要设置。
当然,基于上述限制条件,该VRP模型的输入还包括取货地点(仓库)的运营时间、无人车在取货地点的准备时间以及无人车在各停靠点的卸货时间等等。该VRP模型的输出还可包括各配送任务的实际送达时间,以及各无人车从起始停靠点的出发时间以及返回时间等。
S108:按照分配至各无人车的配送任务及其配送顺序,控制各无人车执行所述配送任务。
在确定出配送任务的调度结果后,针对待调度的每个无人车,该服务器可按照分配至该无人车的配送任务、各配送任务的配送顺序,以及该无人车按照该配送顺序配送各配送任务的配送路径,控制该无人车进行配送任务配送,将各配送任务配送至其对应的停靠点。
基于图1所示的配送任务调度方法,可先根据待分配的各配送任务的任务信息以及预设的各停靠点的位置信息,确定待分配的各配送任务与各停靠点之间的对应关系。并根据各对停靠点之间包含的若干有向路段的人工接管次数,确定各对停靠点之间的目标路径。之后,以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,根据各停靠点之间的目标路径、各配送任务与各停靠点之间的对应关系,构建最优解问题并进行解算,确定分配至各无人车的配送任务及其配送顺序,以按照分配的各配送任务及其配送顺序,控制各无人车执行配送任务。基于人工接管次数确定各停靠点之间的目标路径,进而通过构建最优解问题确定分配至各无人车的配送任务及其配送顺序,减少了任务配送过程中等待时间以及重复路径的行驶,节省了配送成本,提高了配送效率。
需要说明的是,在本说明书中对于步骤S104中确定各停靠点之间的目标路径的时间顺序不做限制,至少在向各无人车分配各配送任务之前确定即可,步骤S104与步骤S100、步骤S102的执行先后顺序不做限制。
基于图1所示的一种配送任务调度方法,本说明书实施例还对应提供一种配送任务调度装置的结构示意图,如图3所示。
图3为本说明书实施例提供的一种配送任务调度装置的结构示意图,包括:
获取模块200,配置为获取若干待分配的配送任务;
关系确定模块202,配置为根据待分配的各配送任务的任务信息以及预设的各停靠点的位置信息,确定待分配的各配送任务与各停靠点之间的对应关系;
路径确定模块204,配置为针对每对停靠点,预先根据该对停靠点中的起始点与终止点以及预先构建的有向有权图,通过寻路算法确定该对停靠点之间的目标路径;其中,所述有向有权图中包括基于历史行驶数据确定的各路口之间有向路段的路段权重,所述路段权重以人工接管次数为评价指标确定;
构建及解算模块206,配置为以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序;
配送模块208,配置为按照分配至各无人车的配送任务及其配送顺序,控制各无人车执行所述配送任务。
可选地,所述关系确定模块202具体用于,根据待分配的各配送任务的任务信息中的配送地址,与预设的各停靠点的位置信息中的停靠点地址,进行模糊匹配,确定待分配的各配送任务与各停靠点之间的对应关系。
可选地,所述关系确定模块202具体用于,根据预设的各停靠点的位置信息,确定各停靠点的覆盖范围,根据待分配的各配送任务的任务信息中的送达位置,以及各停靠点的覆盖范围,确定待分配的各配送任务与各停靠点之间的对应关系。
可选地,所述构建及解算模块206具体用于,以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,将各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系作为输入,输入车辆路径规划模型,确定分配至各无人车的配送任务、各配送任务的配送顺序以及各无人车按照所述配送顺序执行配送任务的配送路径。
可选地,所述配送限制条件为配送时长的限制,所述构建及解算模块206具体用于,根据待分配的各配送任务的任务信息,确定各配送任务的预计送达时间,以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以无人车配送各配送任务的实际送达时间不超出各配送任务的预计送达时间为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序。
可选地,所述配送限制条件为容量的限制,所述构建及解算模块206具体用于,根据待分配的各配送任务的任务信息,确定各配送任务的物品体积,根据待调度的各无人车的车辆信息,确定各无人车的容量,以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以分配给各无人车的各配送任务的物品体积之和不大于各无人车的容量为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序。
可选地,各无人车提取配送物品的仓库为起始停靠点,所述配送限制条件还包括以下一种或多种:各无人车的运行时间处于所述起始停靠点的运营时间范围内,各无人车的运行时间不超出总电量允许时间,各无人车必须从所述起始停靠点出发,且只能出发一次,各无人车必须返回至所述起始停靠点,且只能返回一次,各无人车在运行过程中不得停车等待,各无人车在所述起始停靠点的准备时间为第一预设时长,各无人车在各停靠点放置配送物品的时长为第二预设时长。
本说明书实施例还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1提供的配送任务调度方法。
根据图1所示的一种配送任务调度方法,本说明书实施例还提出了图4所示的电子设备的示意结构图。如图4,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所示的配送任务调度方法。
当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和生成专用的集成电路芯片。而且,如今,取代手工地生成集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(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。
本发明是参照根据本发明实施例的方法、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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书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,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(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。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种配送任务调度方法,其特征在于,包括:
获取若干待分配的配送任务;
根据待分配的各配送任务的任务信息以及预设的各停靠点的位置信息,确定待分配的各配送任务与各停靠点之间的对应关系;
针对每对停靠点,预先根据该对停靠点中的起始点与终止点以及预先构建的有向有权图,通过寻路算法确定该对停靠点之间的目标路径;其中,所述有向有权图中包括基于历史行驶数据确定的各路口之间有向路段的路段权重,所述路段权重以人工接管次数为评价指标确定;
以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序;
按照分配至各无人车的配送任务及其配送顺序,控制各无人车执行所述配送任务。
2.如权利要求1所述的方法,其特征在于,根据待分配的各配送任务的任务信息以及预设的各停靠点的位置信息,确定待分配的各配送任务与各停靠点之间的对应关系,具体包括:
根据待分配的各配送任务的任务信息中的配送地址,与预设的各停靠点的位置信息中的停靠点地址,进行模糊匹配,确定待分配的各配送任务与各停靠点之间的对应关系。
3.如权利要求1所述的方法,其特征在于,根据待分配的各配送任务的任务信息以及预设的各停靠点的位置信息,确定待分配的各配送任务与各停靠点之间的对应关系,具体包括:
根据预设的各停靠点的位置信息,确定各停靠点的覆盖范围;
根据待分配的各配送任务的任务信息中的送达位置,以及各停靠点的覆盖范围,确定待分配的各配送任务与各停靠点之间的对应关系。
4.如权利要求1所述的方法,其特征在于,以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序,具体包括:
以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,将各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系作为输入,输入车辆路径规划模型,确定分配至各无人车的配送任务、各配送任务的配送顺序以及各无人车按照所述配送顺序执行配送任务的配送路径。
5.如权利要求1所述的方法,其特征在于,所述配送限制条件为配送时长的限制;
以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序,具体包括:
根据待分配的各配送任务的任务信息,确定各配送任务的预计送达时间;
以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以无人车配送各配送任务的实际送达时间不超出各配送任务的预计送达时间为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序。
6.如权利要求1所述的方法,其特征在于,所述配送限制条件为容量的限制;
以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序,具体包括:
根据待分配的各配送任务的任务信息,确定各配送物品的物品体积;
根据待调度的各无人车的车辆信息,确定各无人车的容量;
以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以分配给各无人车的各配送任务的物品体积之和不大于各无人车的容量为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序。
7.如权利要求1所述的方法,其特征在于,各无人车提取配送物品的仓库为起始停靠点;
所述配送限制条件还包括以下一种或多种:
各无人车的运行时间处于所述起始停靠点的运营时间范围内;
各无人车的运行时间不超出总电量允许时间;
各无人车必须从所述起始停靠点出发,且只能出发一次;
各无人车必须返回至所述起始停靠点,且只能返回一次;
各无人车在运行过程中不得停车等待;
各无人车在所述起始停靠点的准备时间为第一预设时长;
各无人车在各停靠点放置配送物品的时长为第二预设时长。
8.一种配送任务调度装置,其特征在于,包括:
获取模块,配置为获取若干待分配的配送任务;
关系确定模块,配置为根据待分配的各配送任务的任务信息以及预设的各停靠点的位置信息,确定待分配的各配送任务与各停靠点之间的对应关系;
路径确定模块,配置为针对每对停靠点,预先根据该对停靠点中的起始点与终止点以及预先构建的有向有权图,通过寻路算法确定该对停靠点之间的目标路径;其中,所述有向有权图中包括基于历史行驶数据确定的各路口之间有向路段的路段权重,所述路段权重以人工接管次数为评价指标确定;
构建及解算模块,配置为以最小化调度无人车的数量以及调度的各无人车的配送总时长为目标,以各配送任务的配送限制条件为约束,根据各停靠点之间的目标路径、待分配的各配送任务与各停靠点之间的对应关系,构建最优解问题,并解算所述最优解问题,确定分配至各无人车的配送任务及其配送顺序;
配送模块,配置为按照分配至各无人车的配送任务及其配送顺序,控制各无人车执行所述配送任务。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~7任一所述的方法。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210168580.XA CN114548772A (zh) | 2022-02-23 | 2022-02-23 | 配送任务调度方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210168580.XA CN114548772A (zh) | 2022-02-23 | 2022-02-23 | 配送任务调度方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114548772A true CN114548772A (zh) | 2022-05-27 |
Family
ID=81677653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210168580.XA Pending CN114548772A (zh) | 2022-02-23 | 2022-02-23 | 配送任务调度方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114548772A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115034715A (zh) * | 2022-06-17 | 2022-09-09 | 阿里巴巴(中国)有限公司 | 数据处理方法及装置 |
CN115130791A (zh) * | 2022-08-30 | 2022-09-30 | 广东翼景信息科技有限公司 | 面向车载智能机场的无人机与车辆协同调度方法及装置 |
CN115375249A (zh) * | 2022-10-26 | 2022-11-22 | 埃克斯工业有限公司 | 物料搬运调度方法、装置、设备及可读存储介质 |
CN115619063A (zh) * | 2022-12-02 | 2023-01-17 | 华侨大学 | 一种社区共同配送方法、系统、电子设备及存储介质 |
-
2022
- 2022-02-23 CN CN202210168580.XA patent/CN114548772A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115034715A (zh) * | 2022-06-17 | 2022-09-09 | 阿里巴巴(中国)有限公司 | 数据处理方法及装置 |
CN115130791A (zh) * | 2022-08-30 | 2022-09-30 | 广东翼景信息科技有限公司 | 面向车载智能机场的无人机与车辆协同调度方法及装置 |
CN115130791B (zh) * | 2022-08-30 | 2023-01-03 | 广东翼景信息科技有限公司 | 面向车载智能机场的无人机与车辆协同调度方法及装置 |
CN115375249A (zh) * | 2022-10-26 | 2022-11-22 | 埃克斯工业有限公司 | 物料搬运调度方法、装置、设备及可读存储介质 |
CN115619063A (zh) * | 2022-12-02 | 2023-01-17 | 华侨大学 | 一种社区共同配送方法、系统、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114548772A (zh) | 配送任务调度方法、装置、存储介质及电子设备 | |
CN110472764B (zh) | 基于强化学习使用半合作纳什平衡来协调多方服务的方法和系统 | |
CN111366160B (zh) | 路径规划方法、路径规划装置及终端设备 | |
US10909494B2 (en) | System for collaborative logistics using a collaborative logistics map and a knowledge graph | |
CN108701283B (zh) | 用于使用作业位置之间的行驶成本进行作业调度的方法、系统和计算机可读介质 | |
JP2014526072A (ja) | 複数車両資源配分および経路指定解決策のためのシステムおよび方法 | |
WO2015089207A1 (en) | Optimizing selection of drivers for transport requests | |
CN110741225B (zh) | 确定目标站点的系统和方法 | |
CN110956375B (zh) | 一种订单处理的方法及装置 | |
Linares et al. | A simulation framework for real-time assessment of dynamic ride sharing demand responsive transportation models | |
CN111815076A (zh) | 一种物流配送路径的优化方法、存储介质和计算机设备 | |
CN112990786A (zh) | 一种无人机配送方法及装置 | |
Preisler et al. | Self-organizing redistribution of bicycles in a bike-sharing system based on decentralized control | |
CN110087187B (zh) | 一种业务执行方法及装置 | |
CN113064439B (zh) | 一种控制无人驾驶设备及设置枢纽的方法及装置 | |
Situ et al. | A parallel ant colony system based on region decomposition for taxi-passenger matching | |
Li et al. | Multi-AGVs conflict-free routing and dynamic dispatching strategies for automated warehouses | |
CN115547023A (zh) | 一种车辆控制方法、装置及系统 | |
CN104680782A (zh) | 一种交通控制云端系统 | |
CN115640986B (zh) | 基于奖励的机器人调度方法、装置、设备及介质 | |
US11587001B2 (en) | Rebalancing autonomous vehicles according to last-mile delivery demand | |
Beirigo et al. | Overcoming mobility poverty with shared autonomous vehicles: A learning-based optimization approach for Rotterdam Zuid | |
EP4350661A1 (en) | Vehicle control method and apparatus, and system | |
KR102591342B1 (ko) | 인공지능 기반 배송 지역 별 물류 기사 배정 최적화 방법, 장치 및 시스템 | |
Wu et al. | Fuzzy scheduling optimization system for multi-objective transportation path based on ant colony algorithm |
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 |