CN114595985A - 一种物流提货车辆的调度规划方法及系统 - Google Patents
一种物流提货车辆的调度规划方法及系统 Download PDFInfo
- Publication number
- CN114595985A CN114595985A CN202210250049.7A CN202210250049A CN114595985A CN 114595985 A CN114595985 A CN 114595985A CN 202210250049 A CN202210250049 A CN 202210250049A CN 114595985 A CN114595985 A CN 114595985A
- Authority
- CN
- China
- Prior art keywords
- goods
- picking
- vehicle
- logistics
- owner
- 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
-
- 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"
-
- 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
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种物流提货车辆的调度规划方法及系统,涉及物流提货车辆调度的技术领域,首先划分物流虚拟分部区域分区域,为每个物流虚拟分部区域配备自有提货车辆,从基础上保障了物流虚拟分部区域分区域范围内提货的效率,提高了自有提货车辆的提货数量,控了制成本;然后考虑货主实际出货时段不稳定的情况,基于货主历史订单提货数据进行提货时间预测,减少人工沟通成本和,通过合理调度数量有限的自有提货车辆,并结合租用外部车辆,降低物流提货成本,提升了提货时效性。
Description
技术领域
本发明涉及物流提货车辆调度的技术领域,更具体地,涉及一种物流提货车辆的调度规划方法及系统。
背景技术
在大票物流领域,面向货主进行提货时,提货车辆由调度人员和货主沟通提货时段,并基于自有车辆的配载、可分配时段、车辆分流的物流中心等多个因素分配车辆提货,或者租用外部车辆进行提货。
目前,为提升物流提货配送时车辆调动的智能性,从而提高物流提货配送效率,降低货物运输成本,众多本领域技术人员在这方面作出了努力,如现有技术中公开了一种用于最佳多车辆配送的方法及系统,考虑运输次数、过去的订单量、以及订单拥塞程度,若预设的区域已给定每个月的总订单量不少于预定值,则预设的区域被设为重叠的运输区域,允许其他邻近区域的共同运送,并最佳化复数个车辆的配送,使得适合的车辆能于预定的运输区域内执行货物的运送,以最小化各运输区域的总运输成本。
然而,在大票物流领域,中小企业货主的出货由于实际生产时间的不确定性,实际出货时间也无法确定,因此,货主发布货源的时间、方重均有随机性,同时货源的地理位置分布较为分散,调度人员一般需人工参与,而且待考虑可变因素较多,难以基于上述理想优化方式有效地调度车辆进行提货,难以控制提货成本及提货时效性。
发明内容
为解决现有调度车辆提货的方式难以适配大票物流多可变因素的问题,本发明提出一种物流提货车辆的调度规划方法及系统,合理调度数量有限的自有提货车辆,并结合租用外部车辆,降低物流提货成本,提升提货时效性。
为了达到上述技术效果,本发明的技术方案如下:
一种物流提货车辆的调度规划方法,所述方法包括:
S1.划分物流虚拟分部区域,并为每个物流虚拟分部区域配备自有提货车辆;
S2.对每个物流虚拟分部区域每天的订单量进行预估,根据预估的每个物流虚拟分部区域每天的订单量分配自有提货车辆;
S3.根据货主历史订单提货数据预测实际可提货时间和可提货时段列表;
S4.货主下单:根据货主在一周内下单的天次,结合S3预测的实际可提货时间和可提货时段列表,预测当前货主实际可提货时间和可提货时段列表,并结合S1确定货主归属的物流虚拟分部区域;
S5.判断货主归属的物流虚拟分部区域内配备的自有提货车辆是否能在当前货主实际可提货时间和可提货时段列表内提货,若是,调度自有提货车辆提货;否则,在配置范围内寻找邻近车辆进行提货调度,执行步骤S6;
S6.若邻近车辆无法进行提货调度,则匹配评估其它物流虚拟分部区域的自有提货车辆,若匹配评估通过,安排该自有提货车辆进行提货调度;否则,比较租用外部车辆的成本与安排其它物流虚拟分部区域的自有提货车辆的成本,选定两者中成本较低的作为用于提货的车辆,进行提货。
在本技术方案中,首先划分物流虚拟分部区域分区域,为每个物流虚拟分部区域配备自有提货车辆,从基础上保障了物流虚拟分部区域分区域范围内提货的效率,提高自有提货车辆的提货数量,控制成本;然后考虑货主实际出货时段不稳定的情况,基于货主历史订单提货数据进行提货时间预测,减少人工沟通成本和,通过合理调度数量有限的自有提货车辆,并结合租用外部车辆,降低物流提货成本,提升提货时效性。
优选地,在步骤S1中,基于货主出货的地理位置划分物流虚拟分部区域,在划分时,获取货主历史订单提货数据,从货主历史订单提货数据中提取特征,所述特征包括:活跃货主数、订单数、货物方重及下单周期,然后结合机器学习算法进行聚类操作,将每个货主出货的地理位置划分为c1*w1个物流虚拟分部区域,其中,c1为某一物流虚拟分部区域配置的自有提货车辆数,w1为配置参数,0<w1<=1;在完成物流虚拟分部区域划分后,对物流虚拟分部区域进行裁剪,以进行高效提货调度。
优选地,在步骤S2中,预估时考虑每周的天数的环比、节假日及促销周期,每天的订单量预估包括非节假日的单量预估和节假日的单量预估,非节假日的单量y1的预估公式为:
y1=(c2*w2+c3*(1-w2))*c4/c5*w3
其中,c2表示上月同周同天的日单量;c3表示上周同天的日单量;日单量预估中的环比包括月环比和周环比,w2表示日单量预估中月环比的占比,为配置值,0<=w2<=1;c4表示过去7天的总单量;c5表示上月c4同期对应7天的总单量;w3表示促销周期的影响因子;
节假日的单量y2的预估公式为:
y2=c6/c7*c8*(1+w4)
其中,c6表示本周期法定假日前7日的日单量总和;c7表示上一周期同一法定假日前7日的日单量总和;c8表示上一周期同一法定假日同天的日单量;w4表示假日价格调整系数,-1<w4<1;
根据预估的每个物流虚拟分部区域每天的订单量分配自有提货车辆的公式为:
其中,xp表示第p个物流虚拟分部区域分配的自有提货车辆,yi p表示第p个物流虚拟分部区域每天的预估日单量,非节假日时,i取1,节假日时,i取2;w6表示配置的总自有提货车辆的数量。
优选地,在步骤S3中,从货主历史订单提货数据中获取特征要素,特征要素包括:货主下单时间、期望提货时间、实际提货时间,根据货主历史订单提货数据预测实际可提货时间和可提货时段列表的过程包括:
S31.计算实际提货时间和期望提货时间的均方差,并进行归一化处理;
其中,均方差f计算公式为:
其中,fmin表示均方差的最小值,fmix表示均方差的最大值,g表示归一化处理后的值;
S32.预测货主实际提货时间的延迟时间t,表达式为:
其中,r为货主历史订单对应的历史周天的订单实际提货时间,h为货主历史订单对应的历史周天的订单期望提货提货时间,n为总订单数,j为配置参数,默认值为2;
S33.将当日订单的期望提货时间与货主实际提货时间的延迟时间t相加,得到预测的实际可提货时间;
S34.通过货主历史订单实际提货时间数据统计得出可提货时段列表,货主历史在对应时段有提货,则将对应时段加入可提货时段列表,用于无法在预测时段进行提货时进行,筛选下一个可提货时段。
优选地,在步骤S4中,判断货主归属的物流虚拟分部区域内配备的自有提货车辆是否能在当前货主实际可提货时间和可提货时段列表内提货时,根据货主归属的物流虚拟分部区域确定分配于该物流虚拟分部区域的自有提货车辆,查找对应实际可提货时间和可提货时段列表内是否存在能提货车辆,若存在能在当前货主实际可提货时间和可提货时段列表内提货的自有提货车辆,调度自有提货车辆提货,并创建车辆提货记录,包括订单信息、提货时段及车辆。
优选地,若不存在能在当前货主实际可提货时间和可提货时段列表内提货的自有提货车辆,在配置范围内寻找的邻近车辆,邻近车辆指在预测提货时段空闲,或在提货时段、提货区域配置范围的车辆,所述的配置范围为第一配置范围,第一配置范围以货主归属的物流虚拟分部区域的中心为圆心,半径为5km。
优选地,在步骤S6中,匹配评估其它物流虚拟分部区域的自有提货车辆的过程为:
S61.匹配其它物流虚拟分部区域的自有提货车辆在当前货主实际可提货时间和可提货时段列表内是否空闲,且在第二配置范围内,所述的第二配置范围以上一单提货的地点,以及下一单提货地点的中心点作为参考地点,半径大于第一配置范围的半径;
S62.若在第二配置范围内,配置每小时每辆车平均提货单数参数w7,利用以下公式评估其它物流虚拟分部区域的自有提货车辆是否能用于提货,公式为:
rd=(r1-r2)/r3/(r4-r5)
其中,rd表示每小时每辆车预估平均需提货单数,r1为对应其它物流虚拟分部区域的当日预估订单数,r2为对应其它物流虚拟分部区域的当日实际订单数,r3为对应其它物流虚拟分部区域的绑定自有提货车辆数,r4为当日截单小时数,r5为实际可提货时间的当时小时数;
若rd>=w7,则其它物流虚拟分部区域的自有提货车辆不能用于提货,否则,其它物流虚拟分部区域的自有提货车辆能用于提货;
S63.若在第二配置范围外,比较租用外部车辆的成本与安排其它物流虚拟分部区域的自有提货车辆的成本,其中,安排其它物流虚拟分部区域的自有提货车辆的成本计算表达式为:
cost1=k1+k2*2*k3/100*L
其中,cost1表示安排其它物流虚拟分部区域的自有提货车辆的成本;k1表示自有提货车辆单次提货均摊固定成本,k2表示提货行驶距离,k3表示自有提货车辆行驶每百公里的平均油耗,L表示为每升的油价;
租用外部车辆的成本计算表达式为:
cost2=k4+(k2*2-k5)*q
其中,cost2表示租用外部车辆的成本;k2表示提货行驶距离;k4表示根据货物的方重设置的不同档次的车辆的租用起步价格;k5表示租用外部车辆的苗费公里数,q表示租用外部车辆的额外公里数的单价;
当cost1>=cost2时,安排其它物流虚拟分部区域的自有提货车辆进行提货,否则,租用外部车辆能行提货。
优选地,步骤S6之后生成物流提货车辆的提货计划,所述提货计划包括提货时段和用于提货的车辆,调度人员通过短信通知至货主,根据提货计划通知货主预约提货时段和用于提货的车辆;在货主改约提货时段时,调度人员改约提货时段为车辆的空闲能预约时段,自有提货车辆的空闲能预约时段从自有提货车辆的排班计划中提取,外部车辆的空闲能预约时段进行一次时段改派,改约提货阶段为货主最终确认提货时段。
优选地,在提货后,货物配载完成,对车辆进行分流,在分流完成后,自有提货车辆回归各自归属的物流虚拟分部区域,等待下一次提货调度。
本发明还提出一种物流提货车辆的调度规划系统,包括:
虚拟分部划分配置模块,用于划分物流虚拟分部区域,并为每个物流虚拟分部区域配备自有提货车辆;
订单量预估配置模块,用于对每个物流虚拟分部区域每天的订单量进行预估,根据预估的每个物流虚拟分部区域每天的订单量分配自有提货车辆;
提货预测模块,根据货主历史订单提货数据预测实际可提货时间和可提货时段列表;
货主模块,用于货主下单:根据货主在一周内下单的天次,结合提货预测模块预测的实际可提货时间和可提货时段列表,预测当前货主实际可提货时间和可提货时段列表,并结合虚拟分部划分配置模块确定货主归属的物流虚拟分部区域;
判断模块,用于判断货主归属的物流虚拟分部区域内配备的自有提货车辆是否能在当前货主实际可提货时间和可提货时段列表内提货,若是,调度自有提货车辆提货;否则,在配置范围内寻找邻近车辆进行提货调度;
匹配评估模块,在邻近车辆无法进行提货调度时,匹配评估其它物流虚拟分部区域的自有提货车辆,若匹配评估通过,安排该自有提货车辆进行提货调度;否则,比较租用外部车辆的成本与安排其它物流虚拟分部区域的自有提货车辆的成本,选定两者中成本较低的作为用于提货的车辆,进行提货。
与现有技术相比,本发明技术方案的有益效果是:
本发明提出一种物流提货车辆的调度规划方法及系统,首先划分物流虚拟分部区域分区域,为每个物流虚拟分部区域配备自有提货车辆,从基础上保障了物流虚拟分部区域分区域范围内提货的效率,提高了自有提货车辆的提货数量,控了制成本;然后考虑货主实际出货时段不稳定的情况,基于货主历史订单提货数据进行提货时间预测,减少人工沟通成本和,通过合理调度数量有限的自有提货车辆,并结合租用外部车辆,降低物流提货成本,提升了提货时效性。
附图说明
图1表示本发明实施例1中提出的物流提货车辆的调度规划方法的流程示意图;
图2表示本发明实施例1中提出的根据货主历史订单提货数据预测实际可提货时间和可提货时段列表的流程示意图;
图3表示本发明实施例3中提出的物流提货车辆的调度规划系统的结构示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好地说明本实施例,附图某些部位会有省略、放大或缩小,并不代表实际尺寸;
对于本领域技术人员来说,附图中某些公知内容说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
附图中描述位置关系的仅用于示例性说明,不能理解为对本专利的限制;
实施例1
如图1所示,本实施例提出一种物流提货车辆的调度规划方法,参见图1,所述方法包括:
S1.划分物流虚拟分部区域,并为每个物流虚拟分部区域配备自有提货车辆;
在本实施例中,划分物流虚拟分部区域是十分重要的,物流虚拟分部区域是为了在分部范围内将重要客户和订单密度高的地理位置汇集成不同的虚拟区域,实际的参考维度和权重需要依据具体的业务模型针对性的设定,基于货主出货的地理位置划分物流虚拟分部区域,在划分时,获取货主历史订单提货数据,从货主历史订单提货数据中提取特征,特征包括:活跃货主数、订单数、货物方重及下单周期,然后结合机器学习算法进行聚类操作,将每个货主出货的地理位置划分为c1*w1个物流虚拟分部区域,其中,c1为某一物流虚拟分部区域配置的自有提货车辆数,w1为配置参数,0<w1<=1;在此过程中,若获取的货主历史订单提货数据充足,可以结合CNN神经网络进行聚类操作,若数据量不足,采用传统的机器学习算法,如带权重的Kmeans++进行聚类,使用此种算法,需要设定区域的数量,区域的数据量需要参考区域的车辆数目,每个区域的数量至少要能配备一辆车。
另外,因为分部所包含的实际地理区域较大,在实际完成物流虚拟分部区域划分后,对边缘区域低订单密度的范围进行裁剪以控制区域的半径,能更高效的进行调度,即在完成物流虚拟分部区域划分后,对物流虚拟分部区域进行裁剪,实际执行时可以采用配置的虚拟区域中心的半径值,超过配置半径的区域可以划离对应区域,可参考的半径初始值为5-10km。
S2.对每个物流虚拟分部区域每天的订单量进行预估,根据预估的每个物流虚拟分部区域每天的订单量分配自有提货车辆;
在步骤S2中,预估时考虑每周的天数的环比、节假日及促销周期,每天的订单量预估包括非节假日的单量预估和节假日的单量预估,非节假日的单量y1的预估公式为:
y1=(c2*w2+c3*(1-w2))*c4/c5*w3
其中,c2表示上月同周同天的日单量;c3表示上周同天的日单量;日单量预估中的环比包括月环比和周环比,w2表示日单量预估中月环比的占比,为配置值,0<=w2<=1;c4表示过去7天的总单量;c5表示上月c4同期对应7天的总单量;w3表示促销周期的影响因子;
节假日的单量y2的预估公式为:
y2=c6/c7*c8*(1+w4)
其中,c6表示本周期法定假日前7日的日单量总和;c7表示上一周期同一法定假日前7日的日单量总和;c8表示上一周期同一法定假日同天的日单量;w4表示假日价格调整系数,-1<w4<1;
根据预估的每个物流虚拟分部区域每天的订单量分配自有提货车辆的公式为:
其中,xp表示第p个物流虚拟分部区域分配的自有提货车辆,yi p表示第p个物流虚拟分部区域每天的预估日单量,非节假日时,i取1,节假日时,i取2;w6表示配置的总自有提货车辆的数量。
在实际实施时,可在当日凌晨进行历史订单数据获取和计算,如凌晨两点,w2、w3、w4可配置为:w2为0.5,w3为0.3,w5为-0.5;企业可以按照业务实际的订单数据对配置参数进行调整,如,在业务旺季,订单增长量较快,可以根据订单增长趋势,将w2,设置为0.3,给以近期销售占比更高的权重。
根据每个物流虚拟分部区域的预估订单数量,需要将分部的车辆,按照比例分配到不同的物流虚拟分部区域,每个区域需要保障到分配到至少一辆车,此处设定的是车辆的比例,并不实际将具体车辆进行实际绑定,在每日实际进行提货派车时,才将车辆绑定到对应区域。
此外,每天的上班车辆数目因为调休等原因,实际数目是不同的,具体的上班车辆可以人工建立排班表,更灵活的方式,可以通过车辆定位系统确定每天的活动车辆确认每日的上班的车辆信息。
S3.根据货主历史订单提货数据预测实际可提货时间和可提货时段列表;
在大票零担领域,中小企业货主的货量根据实际的生产情况进行发货,实际的出货时间点会根据生产计划有所调整,要依据不同类型货主进行预测。因此,在步骤S3中,从货主历史订单提货数据中获取特征要素,特征要素包括:货主下单时间、期望提货时间、实际提货时间,参见图2,根据货主历史订单提货数据预测实际可提货时间和可提货时段列表的过程包括:
S31.计算实际提货时间和期望提货时间的均方差,并进行归一化处理;
其中,均方差f计算公式为:
其中,表示货主历史实际提货时间和期望提货时间的差额的均值,dp表示每周具体一天的单一订单实际提货时间和期望提货时间的差额;此时,即首先统计每个货主每周中每天的下单次数,期望提货时间和实际提货时间的平均延时,总下单次数,总期望提货时间和实际提货时间的平均延时,带入公式计算并将数据保存到数据库。归一化处理的公式为:
其中,fmin表示均方差的最小值,fmix表示均方差的最大值,g表示归一化处理后的值;
S32.预测货主实际提货时间的延迟时间t,表达式为:
其中,r为货主历史订单对应的历史周天的订单实际提货时间,h为货主历史订单对应的历史周天的订单期望提货提货时间,n为总订单数,j为配置参数,默认值为2;
S33.将当日订单的期望提货时间与货主实际提货时间的延迟时间t相加,得到预测的实际可提货时间;
S34.通过货主历史订单实际提货时间数据统计得出可提货时段列表,货主历史在对应时段有提货,则将对应时段加入可提货时段列表,用于无法在预测时段进行提货时进行,筛选下一个可提货时段。在时效服务无法满足的情况下,需要生成货主的可提货时段列表。此处,对货主历史的实际提货时段进行统计,得出货主可提货时段。
更好的方法,可以通过实际发生提货时段的次数,以及占比,来更好的确认货主的可提货时段。
S4.货主下单:根据货主在一周内下单的天次,结合S3预测的实际可提货时间和可提货时段列表,预测当前货主实际可提货时间和可提货时段列表,并结合S1确定货主归属的物流虚拟分部区域;
当货主计划发货,打开货主下单客户端下单后,后端系统确认订单后,会根据货主预期的提货时段,和步骤S3确认的货主提货延时和货主可提货时段,生成当前货主的实际可提货时段和可提货时段列表。
对于新货主,在缺少历史订单数据的情况下,需要通过同类新货主的历史平均数据进行预测。同样,对于新货主需要设定默认的可提货时段列表,具体如:10,11,14,15,17,18等多个工作时段作为通用提货时段。
因为车辆是每日动态绑定,当前区域尚未绑定车辆时,需要确认当日上班的车辆数目,按照S1规划的车辆比例选择绑定附近未被其它区域绑定的车辆,具体的,执行步骤S5。
S5.判断货主归属的物流虚拟分部区域内配备的自有提货车辆是否能在当前货主实际可提货时间和可提货时段列表内提货,若是,调度自有提货车辆提货;否则,在配置范围内寻找邻近车辆进行提货调度;
判断货主归属的物流虚拟分部区域内配备的自有提货车辆是否能在当前货主实际可提货时间和可提货时段列表内提货时,根据货主归属的物流虚拟分部区域确定分配于该物流虚拟分部区域的自有提货车辆,查找对应实际可提货时间和可提货时段列表内是否存在能提货车辆,若存在能在当前货主实际可提货时间和可提货时段列表内提货的自有提货车辆,调度自有提货车辆提货,并创建车辆提货记录,包括订单信息、提货时段及车辆,首先获取当前区域绑定车辆的列表,检查每辆车的已安排的提货计划。
如果当前车辆预测的提货时段空闲,亦或者对应时段有提货,但两个区域行驶路程较近(较近为参数配置值,实际配置可为1KM),则可安排此辆车进行提货,如区域车辆对应时段均无法提货,则根据货主的可提货时段列表,匹配货主可提货时段的下一个时段,重复匹配过程,直至匹配到提货车辆或者匹配完货主的所有可提货时段。
此外,在大票零担领域,由于货主的货物方重普遍较大,装货耗时较长,为更合理的评估车辆是否可提货,可设置参数配置装货延时,参考值为20分钟;
若不存在能在当前货主实际可提货时间和可提货时段列表内提货的自有提货车辆,在配置范围内寻找的邻近车辆,邻近车辆指在预测提货时段空闲,或在提货时段、提货区域配置范围的车辆,所述的配置范围为第一配置范围,第一配置范围以货主归属的物流虚拟分部区域的中心为圆心,半径为5km,邻近车辆对货主的所有可提货时段进行判定,直至输出可提货车辆和对应可提货时段,或者直至邻近车辆均无法进行提货,执行步骤S6;
S6.若邻近车辆无法进行提货调度,则匹配评估其它物流虚拟分部区域的自有提货车辆,若匹配评估通过,安排该自有提货车辆进行提货调度;否则,比较租用外部车辆的成本与安排其它物流虚拟分部区域的自有提货车辆的成本,选定两者中成本较低的作为用于提货的车辆,进行提货。
其中,匹配评估其它物流虚拟分部区域的自有提货车辆的过程为:
S61.匹配其它物流虚拟分部区域的自有提货车辆在当前货主实际可提货时间和可提货时段列表内是否空闲,且在第二配置范围内,所述的第二配置范围对应的跨区域空闲车辆的位置判定以上一单提货的地点,以及下一单提货地点的中心点作为参考地点,半径大于第一配置范围的半径,在本实施例中,取10km,当跨区域距离间隔满足时,根据虚拟区域预测订单量判定是否可以安排车辆进行提货;
S62.若在第二配置范围内,配置每小时每辆车平均提货单数参数w7,可设定为1.5,利用以下公式评估其它物流虚拟分部区域的自有提货车辆是否能用于提货,公式为:
rd=(r1-r2)/r3/(r4-r5)
其中,rd表示每小时每辆车预估平均需提货单数,r1为对应其它物流虚拟分部区域的当日预估订单数,r2为对应其它物流虚拟分部区域的当日实际订单数,r3为对应其它物流虚拟分部区域的绑定自有提货车辆数,r4为当日截单小时数,r5为实际可提货时间的当时小时数;
若rd>=w7,则其它物流虚拟分部区域的自有提货车辆不能用于提货,否则,其它物流虚拟分部区域的自有提货车辆能用于提货;
S63.若在第二配置范围外,比较租用外部车辆的成本与安排其它物流虚拟分部区域的自有提货车辆的成本,其中,安排其它物流虚拟分部区域的自有提货车辆的成本计算表达式为:
cost1=k1+k2*2*k3/100*L
其中,cost1表示安排其它物流虚拟分部区域的自有提货车辆的成本;k1表示自有提货车辆单次提货均摊固定成本,k2表示提货行驶距离,k3表示自有提货车辆行驶每百公里的平均油耗,L表示为每升的油价;
租用外部车辆的成本计算表达式为:
cost2=k4+(k2*2-k5)*q
其中,cost2表示租用外部车辆的成本;k2表示提货行驶距离;k4表示根据货物的方重设置的不同档次的车辆的租用起步价格;k5表示租用外部车辆的苗费公里数,q表示租用外部车辆的额外公里数的单价;
具体的,参见表1,以货物重量作为参考标准为例,参见以下配置:
表1
实际进行外部车辆租用时,可考虑和合作的车队进行系统对接,自动租用车辆。也可以通过人工输入后台系统,对应的租用车辆信息。
当cost1>=cost2时,安排其它物流虚拟分部区域的自有提货车辆进行提货,否则,租用外部车辆能行提货。
实施例2
在实施例1所提的步骤S6之后生成物流提货车辆的提货计划,提货计划包括提货时段和用于提货的车辆,调度人员通过短信通知至货主,根据提货计划通知货主预约提货时段和用于提货的车辆;在货主改约提货时段时,调度人员改约提货时段为车辆的空闲能预约时段,自有提货车辆的空闲能预约时段从自有提货车辆的排班计划中提取,外部车辆的空闲能预约时段进行一次时段改派,改约提货阶段为货主最终确认提货时段,其中对应的自有提货车辆的司机通过移动端系统进行实时通知,租用外部车辆的司机通过调度人员进行人工通知。另外,在自有提货车辆部分,可以通过地图系统提供行驶路径和预期时间,辅助司机更好的出发提货。
根据提货计划,移动客户端提醒司机进行提货,司机按照约定时段进行提货。
货物装上提货车辆后,自有提货车辆的司机通过移动客户端点击提货完成按钮,对于外部租用车辆,调度人员通过人工确认,在PC端管理后台操作完成提货。
此外,整个物流系统还可以通过提货车辆定位,确认提货车辆到达和离开提货地点区域的时间,自动计算大约的提货完成时间点。
其中,需要配置两个参数:
提货区域半径范围,此参数需要考虑使用的具体环境和设备精度进行调整,参考设定值为200;
提货区域确认时间长度,此参数用于确认提货车辆进入提货区域后持续的时间长度,用于判定提货车辆在进行提货过程中,用于减少途径对应区域的误判,参考设定值为5分钟。
在提货后,货物配载完成,对车辆进行分流,在分流完成后,自有提货车辆回归各自归属的物流虚拟分部区域,等待下一次提货调度。需要说明的是,在本实施例中,物流系统自动调度司机进行分流,是为了将货物第一时间交付干线运输,并将车辆重新投入提货,提高自有提货车辆的使用率。
实施例3
如图3所示,本实施例还提出一种物流提货车辆的调度规划系统,参见图3,该系统包括:
虚拟分部划分配置模块101,用于划分物流虚拟分部区域,并为每个物流虚拟分部区域配备自有提货车辆;
订单量预估配置模块102,用于对每个物流虚拟分部区域每天的订单量进行预估,根据预估的每个物流虚拟分部区域每天的订单量分配自有提货车辆;
提货预测模块103,根据货主历史订单提货数据预测实际可提货时间和可提货时段列表;
货主模块104,用于货主下单:根据货主在一周内下单的天次,结合提货预测模块103预测的实际可提货时间和可提货时段列表,预测当前货主实际可提货时间和可提货时段列表,并结合虚拟分部划分配置模块101确定货主归属的物流虚拟分部区域;
判断模块105,用于判断货主归属的物流虚拟分部区域内配备的自有提货车辆是否能在当前货主实际可提货时间和可提货时段列表内提货,若是,调度自有提货车辆提货;否则,在配置范围内寻找邻近车辆进行提货调度;
匹配评估模块106,在邻近车辆无法进行提货调度时,匹配评估其它物流虚拟分部区域的自有提货车辆,若匹配评估通过,安排该自有提货车辆进行提货调度;否则,比较租用外部车辆的成本与安排其它物流虚拟分部区域的自有提货车辆的成本,选定两者中成本较低的作为用于提货的车辆,进行提货。
显然,本发明的上述实施例仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种物流提货车辆的调度规划方法,其特征在于,所述方法包括:
S1.划分物流虚拟分部区域,并为每个物流虚拟分部区域配备自有提货车辆;
S2.对每个物流虚拟分部区域每天的订单量进行预估,根据预估的每个物流虚拟分部区域每天的订单量分配自有提货车辆;
S3.根据货主历史订单提货数据预测实际可提货时间和可提货时段列表;
S4.货主下单:根据货主在一周内下单的天次,结合S3预测的实际可提货时间和可提货时段列表,预测当前货主实际可提货时间和可提货时段列表,并结合S1确定货主归属的物流虚拟分部区域;
S5.判断货主归属的物流虚拟分部区域内配备的自有提货车辆是否能在当前货主实际可提货时间和可提货时段列表内提货,若是,调度自有提货车辆提货;否则,在配置范围内寻找邻近车辆进行提货调度,执行步骤S6;
S6.若邻近车辆无法进行提货调度,则匹配评估其它物流虚拟分部区域的自有提货车辆,若匹配评估通过,安排该自有提货车辆进行提货调度;否则,比较租用外部车辆的成本与安排其它物流虚拟分部区域的自有提货车辆的成本,选定两者中成本较低的作为用于提货的车辆,进行提货。
2.根据权利要求1所述的物流提货车辆的调度规划方法,其特征在于,在步骤S1中,基于货主出货的地理位置划分物流虚拟分部区域,在划分时,获取货主历史订单提货数据,从货主历史订单提货数据中提取特征,所述特征包括:活跃货主数、订单数、货物方重及下单周期,然后结合机器学习算法进行聚类操作,将每个货主出货的地理位置划分为c1*w1个物流虚拟分部区域,其中,c1为某一物流虚拟分部区域配置的自有提货车辆数,w1为配置参数,0<w1<=1;在完成物流虚拟分部区域划分后,对物流虚拟分部区域进行裁剪,以进行高效提货调度。
3.根据权利要求2所述的物流提货车辆的调度规划方法,其特征在于,在步骤S2中,预估时考虑每周的天数的环比、节假日及促销周期,每天的订单量预估包括非节假日的单量预估和节假日的单量预估,非节假日的单量y1的预估公式为:
y1=(c2*w2+c3*(1-w2))*c4/c5*w3
其中,c2表示上月同周同天的日单量;c3表示上周同天的日单量;日单量预估中的环比包括月环比和周环比,w2表示日单量预估中月环比的占比,为配置值,0<=w2<=1;c4表示过去7天的总单量;c5表示上月c4同期对应7天的总单量;w3表示促销周期的影响因子;
节假日的单量y2的预估公式为:
y2=c6/c7*c8*(1+w4)
其中,c6表示本周期法定假日前7日的日单量总和;c7表示上一周期同一法定假日前7日的日单量总和;c8表示上一周期同一法定假日同天的日单量;w4表示假日价格调整系数,-1<w4<1;
根据预估的每个物流虚拟分部区域每天的订单量分配自有提货车辆的公式为:
其中,xp表示第p个物流虚拟分部区域分配的自有提货车辆,yi p表示第p个物流虚拟分部区域每天的预估日单量,非节假日时,i取1,节假日时,i取2;w6表示配置的总自有提货车辆的数量。
4.根据权利要求3所述的物流提货车辆的调度规划方法,其特征在于,在步骤S3中,从货主历史订单提货数据中获取特征要素,特征要素包括:货主下单时间、期望提货时间、实际提货时间,根据货主历史订单提货数据预测实际可提货时间和可提货时段列表的过程包括:
S31.计算实际提货时间和期望提货时间的均方差,并进行归一化处理;
其中,均方差f计算公式为:
其中,fmin表示均方差的最小值,fmix表示均方差的最大值,g表示归一化处理后的值;
S32.预测货主实际提货时间的延迟时间t,表达式为:
其中,r为货主历史订单对应的历史周天的订单实际提货时间,h为货主历史订单对应的历史周天的订单期望提货提货时间,n为总订单数,j为配置参数,默认值为2;
S33.将当日订单的期望提货时间与货主实际提货时间的延迟时间t相加,得到预测的实际可提货时间;
S34.通过货主历史订单实际提货时间数据统计得出可提货时段列表,货主历史在对应时段有提货,则将对应时段加入可提货时段列表,用于无法在预测时段进行提货时进行,筛选下一个可提货时段。
5.根据权利要求4所述的物流提货车辆的调度规划方法,其特征在于,在步骤S4中,判断货主归属的物流虚拟分部区域内配备的自有提货车辆是否能在当前货主实际可提货时间和可提货时段列表内提货时,根据货主归属的物流虚拟分部区域确定分配于该物流虚拟分部区域的自有提货车辆,查找对应实际可提货时间和可提货时段列表内是否存在能提货车辆,若存在能在当前货主实际可提货时间和可提货时段列表内提货的自有提货车辆,调度自有提货车辆提货,并创建车辆提货记录,包括订单信息、提货时段及车辆。
6.根据权利要求5所述的物流提货车辆的调度规划方法,其特征在于,若不存在能在当前货主实际可提货时间和可提货时段列表内提货的自有提货车辆,在配置范围内寻找的邻近车辆,邻近车辆指在预测提货时段空闲,或在提货时段、提货区域配置范围的车辆,所述的配置范围为第一配置范围,第一配置范围以货主归属的物流虚拟分部区域的中心为圆心,半径为5km。
7.根据权利要求6所述的物流提货车辆的调度规划方法,其特征在于,在步骤S6中,匹配评估其它物流虚拟分部区域的自有提货车辆的过程为:
S61.匹配其它物流虚拟分部区域的自有提货车辆在当前货主实际可提货时间和可提货时段列表内是否空闲,且在第二配置范围内,所述的第二配置范围以上一单提货的地点,以及下一单提货地点的中心点作为参考地点,半径大于第一配置范围的半径;
S62.若在第二配置范围内,配置每小时每辆车平均提货单数参数w7,利用以下公式评估其它物流虚拟分部区域的自有提货车辆是否能用于提货,公式为:
rd=(r1-r2)/r3/(r4-r5)
其中,rd表示每小时每辆车预估平均需提货单数,r1为对应其它物流虚拟分部区域的当日预估订单数,r2为对应其它物流虚拟分部区域的当日实际订单数,r3为对应其它物流虚拟分部区域的绑定自有提货车辆数,r4为当日截单小时数,r5为实际可提货时间的当时小时数;
若rd>=w7,则其它物流虚拟分部区域的自有提货车辆不能用于提货,否则,其它物流虚拟分部区域的自有提货车辆能用于提货;
S63.若在第二配置范围外,比较租用外部车辆的成本与安排其它物流虚拟分部区域的自有提货车辆的成本,其中,安排其它物流虚拟分部区域的自有提货车辆的成本计算表达式为:
cost1=k1+k2*2*k3/100*L
其中,cost1表示安排其它物流虚拟分部区域的自有提货车辆的成本;k1表示自有提货车辆单次提货均摊固定成本,k2表示提货行驶距离,k3表示自有提货车辆行驶每百公里的平均油耗,L表示为每升的油价;
租用外部车辆的成本计算表达式为:
cost2=k4+(k2*2-k5)*q
其中,cost2表示租用外部车辆的成本;k2表示提货行驶距离;k4表示根据货物的方重设置的不同档次的车辆的租用起步价格;k5表示租用外部车辆的免费公里数,q表示租用外部车辆的额外公里数的单价;
当cost1>=cost2时,安排其它物流虚拟分部区域的自有提货车辆进行提货,否则,租用外部车辆能行提货。
8.根据权利要求7所述的物流提货车辆的调度规划方法,其特征在于,步骤S6之后生成物流提货车辆的提货计划,所述提货计划包括提货时段和用于提货的车辆,调度人员通过短信通知至货主,根据提货计划通知货主预约提货时段和用于提货的车辆;在货主改约提货时段时,调度人员改约提货时段为车辆的空闲能预约时段,自有提货车辆的空闲能预约时段从自有提货车辆的排班计划中提取,外部车辆的空闲能预约时段进行一次时段改派,改约提货阶段为货主最终确认提货时段。
9.根据权利要求8所述的物流提货车辆的调度规划方法,其特征在于,在提货后,货物配载完成,对车辆进行分流,在分流完成后,自有提货车辆回归各自归属的物流虚拟分部区域,等待下一次提货调度。
10.一种物流提货车辆的调度规划系统,其特征在于,包括:
虚拟分部划分配置模块,用于划分物流虚拟分部区域,并为每个物流虚拟分部区域配备自有提货车辆;
订单量预估配置模块,用于对每个物流虚拟分部区域每天的订单量进行预估,根据预估的每个物流虚拟分部区域每天的订单量分配自有提货车辆;
提货预测模块,根据货主历史订单提货数据预测实际可提货时间和可提货时段列表;
货主模块,用于货主下单:根据货主在一周内下单的天次,结合提货预测模块预测的实际可提货时间和可提货时段列表,预测当前货主实际可提货时间和可提货时段列表,并结合虚拟分部划分配置模块确定货主归属的物流虚拟分部区域;
判断模块,用于判断货主归属的物流虚拟分部区域内配备的自有提货车辆是否能在当前货主实际可提货时间和可提货时段列表内提货,若是,调度自有提货车辆提货;否则,在配置范围内寻找邻近车辆进行提货调度;
匹配评估模块,在邻近车辆无法进行提货调度时,匹配评估其它物流虚拟分部区域的自有提货车辆,若匹配评估通过,安排该自有提货车辆进行提货调度;否则,比较租用外部车辆的成本与安排其它物流虚拟分部区域的自有提货车辆的成本,选定两者中成本较低的作为用于提货的车辆,进行提货。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210250049.7A CN114595985A (zh) | 2022-03-14 | 2022-03-14 | 一种物流提货车辆的调度规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210250049.7A CN114595985A (zh) | 2022-03-14 | 2022-03-14 | 一种物流提货车辆的调度规划方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114595985A true CN114595985A (zh) | 2022-06-07 |
Family
ID=81809105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210250049.7A Pending CN114595985A (zh) | 2022-03-14 | 2022-03-14 | 一种物流提货车辆的调度规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114595985A (zh) |
-
2022
- 2022-03-14 CN CN202210250049.7A patent/CN114595985A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210383321A1 (en) | Vehicle fleet control systems and methods | |
Drexl | Rich vehicle routing in theory and practice | |
US5265006A (en) | Demand scheduled partial carrier load planning system for the transportation industry | |
US8260650B2 (en) | Transportation scheduling system | |
Glaschenko et al. | Multi-agent real time scheduling system for taxi companies | |
CN105512747B (zh) | 物流智能优化调度系统 | |
US9958272B2 (en) | Real-time computation of vehicle service routes | |
US20100299177A1 (en) | Dynamic bus dispatching and labor assignment system | |
CN110348613A (zh) | 分拨中心智能物流管理方法及系统 | |
US20060059023A1 (en) | Method system and apparatus for providing transportation services | |
US20100185486A1 (en) | Determining demand associated with origin-destination pairs for bus ridership forecasting | |
US20110258134A1 (en) | Method and system for providing adaptive processing and delivery of food catering orders | |
Attanasio et al. | Real-time fleet management at Ecourier Ltd | |
US11636563B1 (en) | Centralized scheduling for deliveries via vehicles | |
EP3472762A1 (en) | Vehicle fleet control systems and methods | |
EP2242011A1 (en) | Method for managing the distribution of products or goods. | |
US20220198352A1 (en) | System and Method for Vehicle Relocation | |
US7634421B2 (en) | System and method for tour planning | |
US7657452B2 (en) | System and method for tour optimization | |
CN114595985A (zh) | 一种物流提货车辆的调度规划方法及系统 | |
Deng et al. | A modelling study of a taxi service operation | |
TWI416431B (zh) | Commercial fleet dispatch system and method | |
Diehl | Examining the Effects of Common Carrier Lockers on Residential Deliveries | |
Diehl | Examining the Effects of Common Carrier Lockers on Residential Delivery | |
CN115438910A (zh) | 车辆调度方法 |
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 |