CN114612046A - 配送路径智能优化的方法 - Google Patents

Abstract

本发明提供了配送路径智能优化的方法，属于物流配送技术领域，包括：将多个物流信息上传至系统中，使多个物流信息中相应的多个装货点和卸货点均标定在系统上。确定车辆起点与多个装货点之间的距离以及各个装货点与各个卸货点之间的距离，由系统进行整合并确定出多个运输方案。由系统确定完成运输方案的运输成本和预计时间，由多个物流信息的运费、运输成本和预计时间确定出收益率。将多个运输方案按照收益率由大到小的顺序进行排序并显示。本发明提供的配送路径智能优化的方法车主可以选择较高收益率的方案进行承运，结果准确可靠，保证了车主的收益。

Description

配送路径智能优化的方法

技术领域

本发明属于物流配送技术领域，更具体地说，是涉及配送路径智能优化的方法。

背景技术

随着物流信息化的推进，物流信息系统在我国飞速发展，物流信息平台通过网络将物流信息汇聚到一起，减少了物流需求与资源之间的不对称性。在通过物流信息平台匹配的业务中，运输(涉及车源和货源)是最主要的业务。

为了减少运输成本，现有技术往往会对运输距离和运输车辆的装载量等因素进行优化，上述优化能够从一定程度上减少运输成本。现有的通常是由车主根据自身的经验来通过物流系统选择装货点和卸货点，整个过程较为繁琐，并且使得部分运费较高的物流信息被忽视，从而使得车主的收益较低。

发明内容

本发明的目的在于提供配送路径智能优化的方法，旨在解决过程较为繁琐，车主的收益较低的问题。

为实现上述目的，本发明采用的技术方案是：提供配送路径智能优化的方法，包括：

将多个物流信息上传至系统中，使多个所述物流信息中相应的多个装货点和卸货点均标定在所述系统上；

确定车辆起点与多个所述装货点之间的距离以及各个所述装货点与各个所述卸货点之间的距离，由所述系统进行整合并确定出多个运输方案；

由所述系统确定完成所述运输方案的运输成本和预计时间，由多个所述物流信息的运费、所述运输成本和所述预计时间确定出收益率；

将多个所述运输方案按照所述收益率由大到小的顺序进行排序并显示。

在一种可能的实现方式中，所述由多个所述物流信息的运费、所述运输成本和所述预计时间确定出收益率包括：

将所述运费与所述运输成本做差，将做差的结果与所述预计时间相除得到所述收益率。

在一种可能的实现方式中，所述使多个所述物流信息中相应的多个装货点和卸货点均标定在系统上包括：

设定第一搜索值，以所述起点为圆心以所述第一搜索值为半径形成第一搜索范围，将位于所述第一搜索范围的多个所述装货点留存在所述系统内，其余剔除。

在一种可能的实现方式中，在所述以所述起点为圆心以所述第一搜索值为半径形成第一搜索范围之后包括：

设定位于所述搜索范围的多个所述装货点为对应的多个第一装货点；

设定第二搜索值，以所述第一装货点为圆心以所述第二搜索值为半径形成第二搜索范围，设定位于所述第二搜索范围的多个所述第一装货点为对应的多个第二装货点；

设定第三搜索值，以所述第二装货点为圆心以所述第三搜索值为半径形成第三搜索范围，设定位于所述第三搜索范围的多个所述第二装货点为对应的多个第三装货点。

在一种可能的实现方式中，所述第一搜索值、所述第二搜索值与所述第三搜索值分别由所述车辆当前的承载量和相应的所述第一装货点的装货量、所述第二装货点的装货量和所述第三装货点的装货量共同决定。

在一种可能的实现方式中，所述由所述系统进行整合并确定出多个运输方案包括：

将多个所述装货点和多个所述卸货点进行随即排列组合，形成多个待选方案；

根据先装货后卸货的原则，对多个所述待选方案进行筛选，筛选后的所述待选方案作为所述运输方案。

在一种可能的实现方式中，所述系统包括地图导航软件，所述系统借助所述地图导航软件确定所述起点与所述装货点，两个所述装货点之间，所述装货点与所述卸货点之间的最小距离并确定出所述运输成本和所述预计时间。

在一种可能的实现方式中，所述将多个所述运输方案按照所述收益率由大到小的顺序进行排序并显示包括：

由车主对相应的所述运输方案进行调整；

所述系统根据车主反馈的结果对多个所述运输方案最终的收益率进行调整。

在一种可能的实现方式中，所述运输成本包括油费、过路费、住宿费和维修费等。

在一种可能的实现方式中，所述由多个所述物流信息的运费、所述运输成本和所述预计时间确定出收益率包括：

以载重越多所述油费越高的原则，根据所述车辆目前的承载量，对所述油费进行调整。

本发明提供的配送路径智能优化的方法的有益效果在于：与现有技术相比，本发明配送路径智能优化的方法中系统内有多个物流信息，每个物流信息包括运费、装货点和卸货点。确定车辆起点与多个装货点之间的距离以及各个装货点与各个卸货点之间的距离；当距离确定之后，通过系统的整合从而会形成多个运输方案，每个运输方案均是以起点为出发点，然后依次到达装货点和对应的卸货点，或者是依次到达多个装货点然后再进行卸货。

当运输方案确定之后，系统即可确定出多个物流信息对应的运费、运输成本和预计时间，预计时间为运输方案中自起点至到达最后一个卸货点的时间，计算的收益率能够以时间为单位确定收益情况。

本申请中由系统根据距离的远近以及运费的高低等因素，确定出多个运输方案，车主可以选择较高收益率的方案进行承运，结果准确可靠，保证了车主的收益。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中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为本发明实施例提供的配送路径智能优化的方法的流程图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1，现对本发明提供的配送路径智能优化的方法进行说明。配送路径智能优化的方法，包括：

将多个物流信息上传至系统中，使多个物流信息中相应的多个装货点和卸货点均标定在系统上。

确定车辆起点与多个装货点之间的距离以及各个装货点与各个卸货点之间的距离，由系统进行整合并确定出多个运输方案。

由系统确定完成运输方案的运输成本和预计时间，由多个物流信息的运费、运输成本和预计时间确定出收益率。

将多个运输方案按照收益率由大到小的顺序进行排序并显示。

本发明提供的配送路径智能优化的方法的有益效果在于：与现有技术相比，本发明配送路径智能优化的方法中系统内有多个物流信息，每个物流信息包括运费、装货点和卸货点。确定车辆起点与多个装货点之间的距离以及各个装货点与各个卸货点之间的距离；当距离确定之后，通过系统的整合从而会形成多个运输方案，每个运输方案均是以起点为出发点，然后依次到达装货点和对应的卸货点，或者是依次到达多个装货点然后再进行卸货。

当运输方案确定之后，系统即可确定出多个物流信息对应的运费、运输成本和预计时间，预计时间为运输方案中自起点至到达最后一个卸货点的时间，计算的收益率能够以时间为单位确定收益情况。

本申请中由系统根据距离的远近以及运费的高低等因素，确定出多个运输方案，车主可以选择较高收益率的方案进行承运，结果准确可靠，保证了车主的收益。

随着网络技术的不断发展，如今大多将物流信息发布到互联网上，然后由人工根据车辆目前的所在地以及以往的经验选择认为合适的物流信息，然后驱车将货物由装货点运送至卸货点。

以上方法虽然能够保证物流系统的持续运行，但是并没有将车主的利益最大化，因为车辆在行驶过程中会产生油费、住宿费、饭费、过路费和车辆维修等。一些物流信息虽然标注运费较高，但是相应的行驶距离以及所花费的天数可能也较高，而接收哪个物流信息目前更多凭借车主的个人经验，最终导致某些车主利润较低，甚至无法盈利。

本申请在于提供一种物流路径的智能优化方法，该方法结合车辆的运行成本和运输所需的时间并根据发布的物流信息进行综合的考虑，最终将相应的物流信息换算为效益率，通过效益率能够向车主清晰的展示可能的收益情况，保证了车主的合理收益。

在本申请提供的配送路径智能优化的方法的一些实施例中，由多个物流信息的运费、运输成本和预计时间确定出收益率包括：

将运费与运输成本做差，将做差的结果与预计时间相除得到收益率。

为了最大限度的提高车主的收益，如果一次仅完成一个物流任务，虽然便于操作，但是相应的收益可以较低，尤其是当两个物流任务的装货点和卸货点均较近时。为了解决上述问题，首先根据车主设定的起点为基础，在搜索范围内计算车辆到达所有装货点的距离、时间以及相应的成本。

需要特别指出的是，装货点所对应的货物的体积以及重量应与本车辆的类型以及型号相匹配。当一个装货点即可使车辆接近满载时，那么就根据装货点与卸货点之间的距离，确定出到达卸货点的时间以及相应的收益率。

在确定车辆由起点、装货点和卸货点总的运行成本后，还需要所需的天数以及到达卸货点的预计时间。

如果在装货点装货即可使车辆接近装满的状态，在装货完成之后行驶至卸货点即可完成物流任务。根据所花费的时间、该物流任务的运费和运行成本即可确定出收益率。

收益率为运费减去运行成本然后将做差之后的结果除以时间得出，完成两个以及以上的物流任务收益率的算法依然按照上述公式，但是相应的运费由多个物流任务叠加而来。

在本申请提供的配送路径智能优化的方法的一些实施例中，使多个物流信息中相应的多个装货点和卸货点均标定在系统上包括：

设定第一搜索值，以起点为圆心以第一搜索值为半径形成第一搜索范围，将位于第一搜索范围的多个装货点留存在系统内，其余剔除。

首先由车主确定出当前车辆的所在地以及车辆的相关信息，系统根据车主上传的信息进行筛选，将一些无法运输的物流信息进行屏蔽，车辆信息包括车辆的可承载重量、可承载体积等。

根据车主提交的信息将各个合适的物流信息的装货点均标定在系统中。当系统对车主设定的起点进行确认之后，系统以起点为圆心，以设置的第一搜索值为半径设定第一搜索范围，然后将处于该第一搜索范围装货点进行留存，其余的进行剔除。系统中包括地图导航软件，由地图导航软件判断出起点距离多个装货点的最短距离。

一般情况下，第一搜索值由车主和系统一同进行设置，并且为了保证车主的收益，系统会根据第一搜索值适当的放大，以提高比较的样本的量，使车主利益最大化。

在本申请提供的配送路径智能优化的方法的一些实施例中，在以起点为圆心以第一搜索值为半径形成第一搜索范围之后包括：

设定位于搜索范围的多个装货点为对应的多个第一装货点。

设定第二搜索值，以第一装货点为圆心以第二搜索值为半径形成第二搜索范围，设定位于第二搜索范围的多个第一装货点为对应的多个第二装货点。

设定第三搜索值，以第二装货点为圆心以第三搜索值为半径形成第三搜索范围，设定位于第三搜索范围的多个第二装货点为对应的多个第三装货点。

当车辆上已经装载货物，并且货物的重量越大那么车辆的油耗也越多。当车辆在第一装货点装载了货物之后，如果所装的货物越多，那么车辆长时间行驶所需的成本也就越高。

因此根据在第一装货点所装载货物的多少需要相应的对第二搜索值进行调整。为了更加详细的进行说明，通过系统的筛选一共有三个第一装货点在第一搜索值范围内。三个第一装货点所对应的货物分别为A、B和C，并且A＞B＞C。那么当A、B和C均没有使车辆接近满载时，此时需要分别以三个第一装货点为圆心，以第二搜索值为半径进行搜索。但是这三个第二搜索值的大小递减。这样做的目的就是，避免车辆携带货物行驶较长的距离，从而导致运输成本的增加。

为了提高整个系统运行的效率，以车辆的型号为基准建立数据库，在数据库中将车辆的承载量与搜索值进行一一对应并存储。在数据库中存储有车辆不同的承载重量与适宜的搜索值，随着车辆载重的增加，那么搜索值相应的会减小。

数据库的建立，可由各个车主提供，也需要根据车辆实际的运行情况对数据库中原有的存储的数据进行调整，以保证车主最大的收益。

在本申请提供的配送路径智能优化的方法的一些实施例中，第一搜索值、第二搜索值与第三搜索值分别由车辆当前的承载量和相应的第一装货点的装货量、第二装货点的装货量和第三装货点的装货量共同决定。

第一搜索值通常由车主来确定，在第一搜索值确定了第一装货点之后，如果车辆上还可以继续装载，那么以车辆可装载的最大的货物体积和重量为最大阈值对合适的物流任务进行筛选。

由于车辆在达到第二装货点时车辆上有可能有货物，因此第二搜索值会相应的降低，第三搜索值相较于第二搜索值也会相应的降低，以此类推。

在本申请提供的配送路径智能优化的方法的一些实施例中，由系统进行整合并确定出多个运输方案包括：

将多个装货点和多个卸货点进行随即排列组合，形成多个待选方案。

根据先装货后卸货的原则，对多个待选方案进行筛选，筛选后的待选方案作为运输方案。

当第一装货点用于运输的货物较少或者车辆还可以继续装载其他货物时，那么分别以当前的第一装货点为圆心，然后以第二搜索值为原则确定出位于第二搜索值的范围内的所有待装货点并留存，根据车辆的承载能力和第一装货点相应的货物做差，将做差的结果与各个第二装货点所对应的货物量进行对比，当车辆可以承载时，则设定为第二装货点，否则剔除。

由于第一装货点和第二装货点之间的相对位置千差万别，并且第一装货点可能对应有多个第二装货点。为了确定出最优化的方案，计算出第一装货点与第二装货点之间的距离、第一卸货点为第一装货点之间的距离和第一卸货点与第二卸货点之间的距离，从而确定出三个方案。第一方案是依次从第一装货点和第二装货点装货，然后依次到第一卸货点和第二卸货点卸货；第二方案是先达到第一装货点和第一卸货点，然后到第二装货点和第二卸货点；第三方案是依次到第一装货点和第二装货点，然后到达第二卸货点和第一卸货点。

由于上述三个方案所涉及的距离不同，那么就导致所需的成本以及所需的天数存在差异，为此需要分别计算三种方案的运行成本和预计时间，然后确定三个收益值。

三个收益值确定之后，均通过系统发送至车主，由车主根据自身情况选择哪种方案。

由于部分车辆可承载的货物较多或者装货点用于运输的货物较少，此时在两个装货点装载货物之后仍然有空间继续装载。

此时需要设置第三搜索值，以第二装货点为圆心以第三搜索值为半径确定第三装货点，此时需要计算的数据较多。如果需要进行非常庞大的数据计算，人工无法完成快速上述工作，因此需要调用系统中相关的功能模块来完成相关的计算。

为了更详细的进行说明将第一装货点、第二装货点、第三装货点、第一卸货点、第二卸货点和第三卸货点分别用A、B、C、D、E和F来代替，然后以A为首个字母，将其他5个字母进行随即排列组合会得到120种方案，然后在这些方案中剔除不合理的方案，比如先去E后到B以及先到F后到C。

在剔除不合理方案之后，分别计算两个字母所指代的地点之间的距离，然后根据计算的结果求出多个收益值，然后将多个收益值按照由大到小的顺序进行排序并发送至车主。

在本申请提供的配送路径智能优化的方法的一些实施例中，系统包括地图导航软件，系统借助地图导航软件确定起点与装货点，两个装货点之间，装货点与卸货点之间的最小距离并确定出运输成本和预计时间。

将一次仅完成一个物流任务所对应的方案按照收益率从大到小的排列，将一次完成两个物流任务所对应的方案按照收益率从大到小进行排列，将一次完成三个物流任务所对应的方案按照收益率从大到小进行排列。当全部排列完成之后，由车主根据规划的路程以及相应的预计时间进行选择。

当确定开始运输之后，将相关的物流信息从系统中进行剔除，并向车主发送下一目的地的时间以及路径并进行实时的导航。

当车主已经开始运输之后，系统根据车辆行驶的速度计算预计到达的时间，并将相应的信息告知司机。

在本申请提供的配送路径智能优化的方法的一些实施例中，将多个运输方案按照收益率由大到小的顺序进行排序并显示包括：

由车主对相应的运输方案进行调整。

系统根据车主反馈的结果对多个运输方案最终的收益率进行调整。

由于车辆上司机的人数不同，司机的行驶时间存在差异，因此系统确定的到达相应地点的时间可能与车辆实际到达的时间存在差异，这就可能导致最终确定的效益值与实际的收益情况存在较大的差异。为了解决上述问题，当系统确定了预计时间之后，由车主对上述时间进行确认并根据自身情况对预计时间进行修改和调整。

系统接收到车主反馈的修改之后，重新对效益值进行相应的更改。当车主将车辆预计到达相应地点的时间提前之后，则根据提前的时间将效益值进行适当的放大；当车辆预计到达相应地点的时间延后之后，则将效益值适当的缩小。

由于地图导航软件上道路信息可能更新不及时，或者车主有自身的规划路线，此时当系统向车主反馈运输方案之后，车主可根据自身的情况对系统给出的预计路径进行修改，由于路径修改，那么相应的预计时间和效益值也需要进行相应的调整。

在本申请提供的配送路径智能优化的方法的一些实施例中，运输成本包括油费、过路费、住宿费和维修费等。随着预计时间的延长，运输成本会相应的增加，油费、过路费、住宿费和维修费由系统以及车主共同来确定。

在本申请提供的配送路径智能优化的方法的一些实施例中，由多个物流信息的运费、运输成本和预计时间确定出收益率包括：

以载重越多油费越高的原则，根据车辆目前的承载量，对油费进行调整。

当车辆上承载有货物时，那么车辆行驶过程中的油耗为相应的增加，此时如果仍然以空载时每公里的油耗来确定收益率，那么最终得出的结果必然与真实的情况存在差异。

为了解决上述问题，需要由车主上传相应的车辆信息，然后通过该车辆的型号确定出不同的承载量时车辆的油耗数据。当车辆到达装货点并装载货物之后，系统会根据装载的货物的重量以及车辆行驶下一目的地的距离确定出相应的油费。

当车辆再次装载货物时或者卸下相应的货物时，系统会根据此时车辆上承载的货物的量对油耗再进行实时调整。

通过上述调整，保证了最终的收益率更接近真实的水平，耗油量等数据也可提前储存至数据库中，方便系统的随时调用。

以上仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明的保护范围之内。

Claims (10)

1.配送路径智能优化的方法，其特征在于，包括：

将多个物流信息上传至系统中，使多个所述物流信息中相应的多个装货点和卸货点均标定在所述系统上；

确定车辆起点与多个所述装货点之间的距离以及各个所述装货点与各个所述卸货点之间的距离，由所述系统进行整合并确定出多个运输方案；

由所述系统确定完成所述运输方案的运输成本和预计时间，由多个所述物流信息的运费、所述运输成本和所述预计时间确定出收益率；

将多个所述运输方案按照所述收益率由大到小的顺序进行排序并显示。

2.如权利要求1所述的配送路径智能优化的方法，其特征在于，所述由多个所述物流信息的运费、所述运输成本和所述预计时间确定出收益率包括：

将所述运费与所述运输成本做差，将做差的结果与所述预计时间相除得到所述收益率。

3.如权利要求1所述的配送路径智能优化的方法，其特征在于，所述使多个所述物流信息中相应的多个装货点和卸货点均标定在系统上包括：

设定第一搜索值，以所述起点为圆心以所述第一搜索值为半径形成第一搜索范围，将位于所述第一搜索范围的多个所述装货点留存在所述系统内，其余剔除。

4.如权利要求3所述的配送路径智能优化的方法，其特征在于，在所述以所述起点为圆心以所述第一搜索值为半径形成第一搜索范围之后包括：

设定位于所述搜索范围的多个所述装货点为对应的多个第一装货点；

设定第二搜索值，以所述第一装货点为圆心以所述第二搜索值为半径形成第二搜索范围，设定位于所述第二搜索范围的多个所述第一装货点为对应的多个第二装货点；

设定第三搜索值，以所述第二装货点为圆心以所述第三搜索值为半径形成第三搜索范围，设定位于所述第三搜索范围的多个所述第二装货点为对应的多个第三装货点。

5.如权利要求4所述的配送路径智能优化的方法，其特征在于，所述第一搜索值、所述第二搜索值与所述第三搜索值分别由所述车辆当前的承载量和相应的所述第一装货点的装货量、所述第二装货点的装货量和所述第三装货点的装货量共同决定。

6.如权利要求1所述的配送路径智能优化的方法，其特征在于，所述由所述系统进行整合并确定出多个运输方案包括：

将多个所述装货点和多个所述卸货点进行随即排列组合，形成多个待选方案；

根据先装货后卸货的原则，对多个所述待选方案进行筛选，筛选后的所述待选方案作为所述运输方案。

7.如权利要求1所述的配送路径智能优化的方法，其特征在于，所述系统包括地图导航软件，所述系统借助所述地图导航软件确定所述起点与所述装货点，两个所述装货点之间，所述装货点与所述卸货点之间的最小距离并确定出所述运输成本和所述预计时间。

8.如权利要求1所述的配送路径智能优化的方法，其特征在于，所述将多个所述运输方案按照所述收益率由大到小的顺序进行排序并显示包括：

由车主对相应的所述运输方案进行调整；

所述系统根据车主反馈的结果对多个所述运输方案最终的收益率进行调整。

9.如权利要求1所述的配送路径智能优化的方法，其特征在于，所述运输成本包括油费、过路费、住宿费和维修费等。

10.如权利要求9所述的配送路径智能优化的方法，其特征在于，所述由多个所述物流信息的运费、所述运输成本和所述预计时间确定出收益率包括：

以载重越多所述油费越高的原则，根据所述车辆目前的承载量，对所述油费进行调整。

Images