CN114862038A - 冷链物流车辆的调度方法及相关设备 - Google Patents
冷链物流车辆的调度方法及相关设备 Download PDFInfo
- Publication number
- CN114862038A CN114862038A CN202210571006.9A CN202210571006A CN114862038A CN 114862038 A CN114862038 A CN 114862038A CN 202210571006 A CN202210571006 A CN 202210571006A CN 114862038 A CN114862038 A CN 114862038A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- vehicles
- total
- scheduling
- delivery route
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000003860 storage Methods 0.000 claims abstract description 28
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012417 linear regression Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 15
- 238000005457 optimization Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
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
- G06Q10/04—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
-
- 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
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (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)
Abstract
本公开的实施方式提供了冷链物流车辆的调度方法及装置、计算机可读存储介质和电子设备,属于计算机和通信技术领域。方法包括:获取需配送货物总量、车辆装载率和车辆最大装货量;根据需配送货物总量、车辆装载率和车辆最大装货量获取可能使用车辆数量集合;对于可能使用车辆数量集合中的每一个可能使用车辆数量,确定在容量约束、温层约束和时间约束下使得配送总超时最短的子最优配送路线;根据可能使用车辆数量集合中的每一个可能使用车辆数量对应的子最优配送路线和最短配送总超时,使用手肘法确定调度所使用的车辆数量和全局最优配送路线。本公开的方法可以实现冷链物流车辆的调度。
Description
技术领域
本公开涉及计算机和通信技术领域,具体而言,涉及冷链物流车辆的调度方法及装置、计算机可读存储介质和电子设备。
背景技术
冷链物流是指物品在生产、仓储或运输和销售过程中,一直到消费前的各个环节中始终处于产品规定的最佳低温环境下,才能保证食品质量,减少食品损耗的一项系统工程。冷链物流的货车揽货、配送调度优化具有巨大的市场价值和研究价值。冷链场景下的车货匹配和调度等问题具有一定的特殊性,例如,冷链的调度需要专门的调度中心,而冷链的运输也需要专门的车辆,同时,由于冷链产品需要防止化冻,对时效的要求比较高。这些特殊性决定了冷链场景中的调度等问题不能够直接使用通用场景下的调度方案。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开实施例提供冷链物流车辆的调度方法及装置、计算机可读存储介质和电子设备,能够实现冷链物流车辆的高效调度。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一个方面,提供一种冷链物流车辆的调度方法,包括:
获取需配送货物总量、车辆装载率和车辆最大装货量;根据所述需配送货物总量、所述车辆装载率和所述车辆最大装货量获取可能使用车辆数量集合;对于所述可能使用车辆数量集合中的每一个可能使用车辆数量,确定在容量约束、温层约束和时间约束下使得配送总超时最短的子最优配送路线;根据所述可能使用车辆数量集合中的每一个可能使用车辆数量对应的子最优配送路线和最短配送总超时,使用手肘法确定调度所使用的车辆数量和全局最优配送路线。
在一个实施例中,根据所述需配送货物总量、所述车辆装载率和所述车辆最大装货量获取可能使用车辆数量集合包括:将所述需配送货物总量除以第一车辆装载率和所述车辆最大装货量的乘积,并向上取整以获得所述可能使用车辆数量集合的上界;将所述需配送货物总量除以第二车辆装载率和所述车辆最大装货量的乘积,并向上取整以获得所述可能使用车辆数量集合的下界;将所述可能使用车辆数量集合的上界和所述可能使用车辆数量集合的下界之间的使用车辆数量组成所述可能使用车辆数量集合;其中,所述第一车辆装载率是所述车辆装载率减去第一比率,所述第二车辆装载率是所述车辆装载率加上第二比率,所述第一比率和所述第二比率均大于零且小于1。
在一个实施例中,根据所述可能使用车辆数量集合中的每一个可能使用车辆数量对应的子最优配送路线和最短配送总超时,使用手肘法确定调度所使用的车辆数量和全局最优配送路线,包括:将所述可能使用车辆数量集合分为第一集合和第二集合;根据所述第一集合和所述第二集合中每一个可能使用车辆数量和对应的最短配送总超时分别进行线性回归以获得第一预测模型和第二预测模型;根据所述第一预测模型和所述第二预测模型确定调度所使用的车辆数量和全局最优配送路线。
在一个实施例中,根据所述第一预测模型和所述第二预测模型确定调度所使用的车辆数量和全局最优配送路线,包括:根据所述第一预测模型获取所述第一集合的最小方均根差;根据所述第二预测模型获取所述第二集合的最小方均根差;以所述可能使用车辆数量集合的所述第一集合和所述第二集合划分组合中,所述第一集合的最小方均根差和所述第二集合的最小方均根差之和最小的、划分所述第一集合和所述第二集合的可能使用车辆数量和对应的子最优配送路线作为调度所使用的车辆数量和全局最优配送路线。
在一个实施例中,根据所述第一预测模型获取所述第一集合的最小方均根差,包括:根据所述第一集合中每一个可能使用车辆数量所对应的最短配送总超时、所述第一预测模型的预测值和所述第一集合中可能使用车辆数量的元素个数获取所述第一集合的最小方均根差。
在一个实施例中,根据所述第二预测模型获取所述第二集合的最小方均根差,包括:根据所述第二集合中每一个可能使用车辆数量所对应的最短配送总超时、所述第二预测模型的预测值和所述第二集合中可能使用车辆数量的元素个数获取所述第二集合的最小方均根差。
在一个实施例中,对于所述可能使用车辆数量集合中的每一个可能使用车辆数量,确定在容量约束、温层约束和时间约束下使得配送总超时最短的子最优配送路线,包括:将需配送货物按照需要的车辆温层要求进行分类;将分类完成的每类需配送货物根据车辆装载率和车辆最大装货量,分别分配给对应温层的车辆;按照可能的配送路线和客户要求的发货时间、送达时间,获取使得配送总超时最短的子最优配送路线。
在一个实施例中,按照可能的配送路线和客户要求的发货时间、送达时间,获取使得配送总超时最短的子最优配送路线,包括:在一个可能使用车辆数量的最短配送总超时等于零时,选择路程最短的配送路线为子最优配送路线。
在一个实施例中,车辆的温层为N个,其中N是大于等于2的整数。
在一个实施例中,获取需配送货物总量、车辆装载率和车辆最大装货量,包括:在车辆的车型不一致时,获取所述需配送货物总量、所述车辆装载率和加权车辆最大装货量。
根据本公开的一个方面,提供一种冷链物流车辆的调度装置,包括:第一获取模块,配置为获取需配送货物总量、车辆装载率和车辆最大装货量;第二获取模块,配置为根据所述需配送货物总量、所述车辆装载率和所述车辆最大装货量获取可能使用车辆数量集合;第一确定模块,对于所述可能使用车辆数量集合中的每一个可能使用车辆数量,确定在容量约束、温层约束和时间约束下使得配送总超时最短的子最优配送路线;第二确定模块,配置为根据所述可能使用车辆数量集合中的每一个可能使用车辆数量对应的子最优配送路线和最短配送总超时,使用手肘法确定调度所使用的车辆数量和全局最优配送路线。
根据本公开的一个方面,提供一种电子设备,包括:一个或多个处理器;存储装置,配置为存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上实施例中任一项所述的方法。
根据本公开的一个方面,提供一种计算机可读存储介质,所述计算机可读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如上实施例中任一项所述的方法。
本公开的冷链物流车辆的调度方法,根据所述车辆装载率、所述车辆最大装货量和所述需配送货物总量获取可能使用车辆数量集合,基于所述可能使用车辆数量集合、根据容量约束、温层约束和时间约束获取调度所使用的车辆数量和全局最优配送路线。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
以下附图描述了本发明的某些说明性实施方式,其中相同的附图标记表示相同的元件。这些描述的实施方式将是本公开的示例性实施方式,而不是以任何方式进行限制。
图1示出了可以应用本公开实施方式的冷链物流车辆的调度方法的示例性系统架构的示意图;
图2示意性示出了根据本公开的一实施方式的冷链物流车辆的调度方法的流程图;
图3示出了本公开一个实施例的一种使用手肘法确定调度所使用的车辆数量和全局最优配送路线的流程图;
图4示出了本公开一个实施例的另一种使用手肘法确定调度所使用的车辆数量和全局最优配送路线的流程图;
图5示出了对分界点两侧分别回归,选出方均根差之和最小的分界点;
图6示意性示出了根据本公开的一实施方式的冷链物流车辆的调度装置的框图;
图7示意性示出了根据本发明的另一个实施方式的冷链物流车辆的调度装置的方框图;
图8示意性示出了根据本发明的另一个实施方式的冷链物流车辆的调度装置的方框图;以及
图9示出了适于用来实现本公开实施方式的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
下面首先对本公开的一些术语进行说明:
需配送货物总量,是调度周期内待调度的总运单所包括的需配送货物总质量或总体积。
车辆装载率,是车辆实际装载的货物量与理论最大装货量的比值。
车辆最大装货量,是车辆能够装载的最大货物总质量或总体积。
容量约束,是指车辆的实际转载的货物量要小于等于车辆能够装载的最大货物总质量或总体积。
温层约束,是指车辆的温层(冷藏、冷冻或常温)要与货物的运送要求匹配。
时间约束,是指订单中客户要求的发货时间与送达时间等。
配送总超时,是指所有车辆完成订单的配送后,超出客户要求的送达时间的总超时时间。
配送路线,是指车辆配送过程所行使经过的路线。
可能使用车辆数量,是指在本公开的确定调度所使用的车辆数量和全局最优配送路线中,所用于计算的可能使用车辆的数量。可能使用车辆数量集合,即由所有可能使用车辆数量组成的集合。
图1示出了可以应用本公开实施方式的冷链物流车辆的调度方法的示例性系统架构100的示意图。
如图1所示,系统架构100可以包括终端101、102、103中的一种或多种,网络104和服务器105。网络104是用以在终端101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
应该理解,图1中的终端、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
工作人员可以使用终端101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端101、102、103可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、便携式计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器。例如工作人员通过终端103(也可以是终端101或102)向服务器105发送冷链物流车辆的调度的指令时,服务器105可以获取需配送货物总量、车辆装载率和车辆最大装货量;根据所述需配送货物总量、所述车辆装载率和所述车辆最大装货量获取可能使用车辆数量集合;对于所述可能使用车辆数量集合中的每一个可能使用车辆数量,确定在容量约束、温层约束和时间约束下使得配送总超时最短的子最优配送路线;根据所述可能使用车辆数量集合中的每一个可能使用车辆数量对应的子最优配送路线和最短配送总超时,使用手肘法确定调度所使用的车辆数量和全局最优配送路线。服务器105可以将调度所使用的车辆数量和全局最优配送路线显示于终端103或其他终端,进而工作人员或其他人员(例如,用户)可以基于终端上显示的内容查看调度所使用的车辆数量和全局最优配送路线。
物流车辆调度时,需要同时考虑减少调度车辆的数量和减少配送延迟情况。虽然目前存在多目标优化的技术可以在一些场景下解决类似的问题,但实现起来较为复杂。同时,多目标优化一般会输出多组解,但实际运用时只能从中选取一个,但选取的标准较难定义。本公开每次固定调度可用的车辆的数量,并求解能够最小化配送延迟相关的惩罚的调度方案,通过不断增加给定调度车数量,来在每个子问题中获得不同“成本支出-最优效益”组合,最后再通过“手肘法”自动筛选出所有组合中最优调度方案。
图2示意性示出了根据本公开的一实施方式的冷链物流车辆的调度方法的流程图。本公开实施方式的方法步骤可以由终端或服务器执行,或由终端和服务器交互执行,或由服务器集群执行,例如,可以由上述图1中的服务器105执行,但本公开并不限定于此。
在步骤S210中,获取需配送货物总量、车辆装载率和车辆最大装货量。
在该步骤中,终端或服务器获取车辆装载率、车辆最大装货量和需配送货物总量。
在一个实施例中,获取需配送货物总量、车辆装载率和车辆最大装货量包括:
在车辆的车型不一致时,获取所述需配送货物总量、所述车辆装载率和加权车辆最大装货量。
在一个实施例中,在实际的使用过程中,车辆调度时首先要对数据进行收集,收集的数据包括但不限于:需要调度的运单的单号,运单的目的地,运单上货物的总体积,运单上货物的总重量,运单要求的开始配送时间,运单要求的最晚配送时间,可以选择的车型等。通过以上信息的收集可以获取需配送货物总量等信息。
在实际开始调度之前,本公开的车辆调度方法还需要根据业务经验了解到历史调度中车辆的平均装载率水平,了解优化空间并据此设定车辆装载率r。
当调度规划开始时,该调度周期内待调度的总运单不再发生变化,因此周期内需配送货物总量(质量或体积)V是确定的。但当货车不止有一种车型,即不同车k有不同最大装货量vk时,车辆数量上界Vl和车辆数量下界Vu的计算变得复杂。本公开按照各类车型的比例算出加权车辆最大装货量这里的“权”应理解为由历史数据所得的大致比例,例如假设过去三个月两种车型的日均调度次数分别为39次和11次,其最大装货量分别为v1和v2,则按照4:1对两种车型加权平均,即加权车辆最大装货量
在步骤S220中,根据所述需配送货物总量、所述车辆装载率和所述车辆最大装货量获取可能使用车辆数量集合。
在该步骤中,终端或服务器根据所述需配送货物总量、所述车辆装载率和所述车辆最大装货量获取可能使用车辆数量集合。
在一个实施例中,将所述需配送货物总量除以第一车辆装载率和所述车辆最大装货量的乘积,并向上取整以获得所述可能使用车辆数量集合的上界;
将所述需配送货物总量除以第二车辆装载率和所述车辆最大装货量的乘积,并向上取整以获得所述可能使用车辆数量集合的下界;
将所述可能使用车辆数量集合的上界和所述可能使用车辆数量集合的下界之间的使用车辆数量组成所述可能使用车辆数量集合;
其中,所述第一车辆装载率是所述车辆装载率减去第一比率,所述第二车辆装载率是所述车辆装载率加上第二比率,所述第一比率和所述第二比率均大于零且小于1。
例如,根据所述需配送货物总量、所述车辆装载率和所述车辆最大装货量获取可能使用车辆数量集合包括:
根据以下公式获得车辆数量下界:
其中,r是车辆装载率,v是车辆最大装货量,V是需配送货物总量,Vl是车辆数量上界,Vu是车辆数量下界,Vl中第一比率是0.1,Vu中第二比率也是0.1,但是本公开不以此为限,第一比率和第二比率也可以不同的数值。
在一个实施例中,设定本公开调度车辆装载率大致目标水平为r。同时已知当次(日)需配送货物总量为V,假设每辆车可装载最大装货量为v,则算出使用车辆数量下界使用车辆数量上界其代表平均装载率为第二车辆装载率(r+0.1)与第一车辆装载率(r-0.1)时分别对应的所需车辆数。得到可能使用车辆数量的集合S={s|Vl≤s≤Vu,s∈N+},即Vl与Vu之间的所有整数都是可能使用的车辆数。
在一个实施例中,车型有多种,例如m种时,将多种车型按历史调度频率(例如过去三个月每种车的日均调度次数)从高到低排序分别编号为1,2,..,m,设各类车历史调度频率比为f1:f2:...:fm,令对于本公开的不同给定车辆数的子问题集合S={s|Vl≤s≤Vu,s∈N+},而每一个子问题s所对应的车辆集合确定方式可以如下:以s除以f得到商quo和余数rem,则编号为i的车数量为本公开上述模式下,每种车型能分到fi·quo辆,直到剩下的车辆数rem小于f,这时优先分配过去更常用的车(即fi更大的车),直到用完所有可分配的额度,因此在这一阶段每种车i应分配辆,且其上界为fi辆,下界为0辆。以上方法可以确定每个子问题s对应的实际车辆集合Ks。
在步骤S230中,对于所述可能使用车辆数量集合中的每一个可能使用车辆数量,确定在容量约束、温层约束和时间约束下使得配送总超时最短的子最优配送路线。
在该步骤中,终端或服务器对于所述可能使用车辆数量集合中的每一个可能使用车辆数量,确定在容量约束、温层约束和时间约束下使得配送总超时最短的子最优配送路线。
在一个实施例中,所述最短配送总超时是指一个可能使用车辆数量完成配送后,超出客户要求送达时间的最短时间长度,所述最短配送总超时大于等于零,最短配送总超时等于零表示所有货物提前或者按时送达。
例如,在一个实施例中,本公开可能使用车辆数量的集合S中每一个取值s对应一个子问题,即给定送货车辆数目s,求出满足容量、温层约束的子最优车辆配送路线,使得配送总超时最短。具体来说,求解如下优化子问题:
s.t.
上述优化问题设计的变量包括:K是车辆集合;N表示所有订单的目标送货地集合;o表示出发地,即冷库;d表示送货结束的终点(若不需要回到统一终点,可以设d到所有点距离为0);表示货车k经过路径(i,j)的指示变量;ei表示约定送货开始时间点;fi表示约定送货结束时间点;ai表示到达送货点i的时间;wi表示从到达送货点i直至可以开始卸货的时间,既包括排队等待时间qi,也包括先于约定收货时间到达的情况,即wi=max(qi,ei-ai);si表示卸货时间;tij行驶路径(i,j)所需时间;li表示送货点i处订单量;Qk表示货车k的最大容量;gti表示订单i货物的温层;vtk表示货车k的温层。
上述优化问题设计的约束包括:(1)-(5)是车辆路由问题的经典约束,分别涉及到:(1)每位顾客有且仅有一辆车提供服务;(2)对于任何j∈N,进入它的车k都要出去;(3)每辆车k都要从o出发;(4)每辆车k都要最后回到d;(5)消除子回路。约束(6)是到达时间的恒等式,(7)则是时间窗起始点约束,包含两种情形:一是先于约定时间到达只能等待,二是实际场景中卸货可能需要排队等待;(8)是货车容量约束;(9)是冷链物流中特有的温层约束;(10)是整数规划中的整数约束。
上述优化子问题可以通过各类免费或者商业优化求解器求解,也可以自行编写程序,用各类元启发式方法获得优质解,因此对每一个s对应的子问题可以得出一个近似最短配送总超时t(s)。
在一个实施例中,对于所述可能使用车辆数量集合中的每一个可能使用车辆数量,确定在容量约束、温层约束和时间约束下使得配送总超时最短的子最优配送路线,包括:将需配送货物按照需要的车辆温层要求进行分类;将分类完成的每类需配送货物根据车辆装载率和车辆最大装货量,分别分配给对应温层的车辆;按照可能的配送路线和客户要求的发货时间、送达时间,获取使得配送总超时最短的子最优配送路线。
在一个实施例中,在一个可能使用车辆数量的最短配送总超时等于零时(即,提前或者按时送达),选择配送路程最短的配送路线为子最优配送路线。
在一个实施例中,wi定义为max(qi,ei-ai),其中对于排队时间qi的建模依赖于过往历史数据的挖掘,比如可以把每个订单运送地点按忙碌状态分为不同类别,对每个类型的运送地点用经典排队论建模,假设到达速率和服务速率,从而取期望等待时间作为qi;卸货时间si可以根据业务人员经验,假设一个平均卸货速度vd,计算si=li/vd来求得;两送货目标地点i,j之间的行驶时间tij同样可以根据历史经验,假设货车的平均行驶速度u,计算来求得,其中dij表示i,j之间的距离,在不同物流场景中可以有不同的计算方式,比如在城际尤其是跨省运输中,dij可以直接取大圆球面距离;而在城配(同城配送)场景中,则可以用曼哈顿距离或者其他更精确的路由距离。
在一个实施例中,车辆的温层可以为N个,其中N是大于等于2的整数。在本公开中,假设的是每一辆车k有且只有一种确定的温层vtk,但实际情况中,一辆车可以通过多制冷机、货箱加隔板的方式实现一车多温层,尤其对于大型车辆远程运送的场景,客户之间一般距离较远,且客户可能同时订购多个温层的不同货物,此时采用一车多温层的调度方案能够大大降低运输成本。比如一辆车既要配送“冷藏”温层的货物,也要配送“冷冻”温层的货物。这时可对应调整优化子问题的约束(9),数学化的表述为:车k有两个可运送温层和则约束(9)改为
在步骤S240中,根据所述可能使用车辆数量集合中的每一个可能使用车辆数量对应的子最优配送路线和最短配送总超时,使用手肘法确定调度所使用的车辆数量和全局最优配送路线。
在该步骤中,终端或服务器根据所述可能使用车辆数量集合中的每一个可能使用车辆数量对应的子最优配送路线和最短配送总超时,使用手肘法确定调度所使用的车辆数量和全局最优配送路线。
本公开的冷链物流车辆的调度方法,根据所述车辆装载率、所述车辆最大装货量和所述需配送货物总量获取可能使用车辆数量集合,基于所述可能使用车辆数量集合、根据车辆的容量约束、温层约束和时间约束获取调度所使用的车辆数量和全局最优配送路线。
图3示出了本公开一个实施例的一种使用手肘法确定调度所使用的车辆数量和全局最优配送路线的流程图。
参考图3,使用手肘法确定调度所使用的车辆数量和全局最优配送路线包括:
在步骤S241中,将所述可能使用车辆数量集合分为第一集合和第二集合;
在步骤S242中,根据所述第一集合和所述第二集合中每一个可能使用车辆数量和对应的最短配送总超时分别进行线性回归以获得第一预测模型和第二预测模型;
在步骤S243中,根据所述第一预测模型和所述第二预测模型确定调度所使用的车辆数量和全局最优配送路线。
图3的实施例中,将可能使用车辆数量集合分为第一集合和第二集合,根据第一集合和第二集合中每一个可能使用车辆数量和对应的最短配送总超时分别进行线性回归以获得第一预测模型和第二预测模型,然后根据第一预测模型和第二预测模型确定调度所使用的车辆数量和全局最优配送路线,可以实现冷链物流车辆的调度。
图4示出了本公开一个实施例的另一种使用手肘法确定调度所使用的车辆数量和全局最优配送路线的流程图。
参考图4,根据所述第一预测模型和所述第二预测模型确定调度所使用的车辆数量和全局最优配送路线,包括:
在步骤S2431中,根据所述第一预测模型获取所述第一集合的最小方均根差;
在一个实施例中,根据所述第一预测模型获取所述第一集合的最小方均根差,包括:
根据所述第一集合中每一个可能使用车辆数量所对应的最短配送总超时、所述第一预测模型的预测值和所述第一集合中可能使用车辆数量的元素个数获取所述第一集合的最小方均根差。
在步骤S2432中,根据所述第二预测模型获取所述第二集合的最小方均根差;
在一个实施例中,根据所述第二预测模型获取所述第二集合的最小方均根差,包括:
根据所述第二集合中每一个可能使用车辆数量所对应的最短配送总超时、所述第二预测模型的预测值和所述第二集合中可能使用车辆数量的元素个数获取所述第二集合的最小方均根差。
在步骤S2433中,以所述可能使用车辆数量集合的所述第一集合和所述第二集合划分组合中,所述第一集合的最小方均根差和所述第二集合的最小方均根差之和最小的、划分所述第一集合和所述第二集合的可能使用车辆数量和对应的子最优配送路线作为调度所使用的车辆数量和全局最优配送路线。
图4的实施例中,根据第一预测模型获取第一集合的最小方均根差,根据第二预测模型获取第二集合的最小方均根差,然后以可能使用车辆数量集合的第一集合和第二集合划分组合中,第一集合的最小方均根差和第二集合的最小方均根差之和最小的、划分所述第一集合和所述第二集合的可能使用车辆数量和对应的子最优配送路线作为调度所使用的车辆数量和全局最优配送路线,实现了冷链物流车辆的调度。
例如,在一个实施例中,当求得每个可能使用车辆数量所对应的最短配送总超时t(s)后,将可能使用车辆数量集合S分解为第一集合S1={Vl,Vl+1,Vl+2,...,Vm}(其中Vm可取{Vl+1,Vl+2,...,Vu-1}中的任何数)和第二集合S2={Vm+1,Vm+2,...,Vu-1,Vu},故可知S=S1∪S2。
对第一集合S1对应的点集合{(s,t(s))|s∈S1}进行线性回归,得到第一预测模型p1(s),并求出最小方均根差其中p1(s)是上述线性回归拟合出的第一预测模型的预测值,|S1|是S1中元素个数;
类似的,求出第二集合S2对应的点集合{(s,t(s))|s∈S2}进行线性回归,得到第一预测模型p2(s),求出最小方均根差其中p2(s)是上述线性回归拟合出的第二预测模型的预测值,|S2|是S2中元素个数。
图5示出了对分界点两侧分别回归,选出方均根差之和最小的分界点。
参考图5,对于每一个Vm,能求出两部分方均根差之和RMSE(Vm)=RMSE1(Vm)+RMSE2(Vm),遍历Vm所有取值{Vl+1,Vl+2,...,Vu-2},求出RMSE(Vm)最小的值RMSE*所对应的以此作为调度车辆数目,并以其对应的子问题解出的路径规划方案作为全局最优配送路线。
本公开提出一种物流配送场景的车辆调度方法,对于揽收场景也适用。本公开方法在优化目标方面平衡了服务质量与成本节省两个维度的需求,而在约束条件方面不但考虑了传统的货车容量限制,还考虑了冷链场景下特有的温层约束。
图6示意性示出了根据本公开的一实施方式的冷链物流车辆的调度装置的框图。本公开实施方式提供的冷链物流车辆的调度装置600可以设置在服务器端上,或者部分设置在终端上,部分设置在服务器端上,例如,可以设置在图1中的服务器105,但本公开并不限定于此。
本公开实施方式提供的冷链物流车辆的调度装置600可以包括第一获取模块610、第二获取模块620、第一确定模块630和第二确定模块640。
其中,第一获取模块610配置为获取需配送货物总量、车辆装载率和车辆最大装货量;
第二获取模块620配置为根据所述需配送货物总量、所述车辆装载率和所述车辆最大装货量获取可能使用车辆数量集合;
第一确定模块630配置为对于所述可能使用车辆数量集合中的每一个可能使用车辆数量,确定在容量约束、温层约束和时间约束下使得配送总超时最短的子最优配送路线;
第二确定模块640配置为根据所述可能使用车辆数量集合中的每一个可能使用车辆数量对应的子最优配送路线和最短配送总超时,使用手肘法确定调度所使用的车辆数量和全局最优配送路线。
根据本公开的实施方式,上述冷链物流车辆的调度装置600根据车辆装载率、车辆最大装货量和需配送货物总量获取可能使用车辆数量集合,基于所述可能使用车辆数量集合、根据容量约束、温层约束和时间约束可以获取调度所使用的车辆数量和全局最优配送路线,可以实现冷链物流车辆的调度。
根据本公开的实施方式,上述冷链物流车辆的调度装置600可以用于实现图2至图4的实施方式描述的冷链物流车辆的调度方法。
图7示意性示出了根据本发明的另一个实施方式的冷链物流车辆的调度装置700的方框图。
如图7所示,除了图7实施方式描述的第一获取模块610、第二获取模块620、第一确定模块630和第二确定模块640之外,该冷链物流车辆的调度装置700还包括显示模块710。
具体地,显示模块710在第二确定模块640获取调度所使用的车辆数量和全局最优配送路线后,向客户或工作人员显示调度所使用的车辆数量和全局最优配送路线。
在该冷链物流车辆的调度装置700中,通过显示模块710可以显示调度所使用的车辆数量和全局最优配送路线。
图8示意性示出了根据本发明的另一个实施方式的冷链物流车辆的调度装置800的方框图。
如图8所示,除了图6实施方式描述的第一获取模块610、第二获取模块620、第一确定模块630和第二确定模块640之外,冷链物流车辆的调度装置800还包括存储模块810。
具体地,存储模块810用于对冷链物流车辆的调度过程中的数据进行存储,以方便后续调用和参考。
可以理解的是第一获取模块610、第二获取模块620、第一确定模块630和第二确定模块640、显示模块710和存储模块810可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本发明的实施方式,第一获取模块610、第二获取模块620、第一确定模块630和第二确定模块640、显示模块710和存储模块810的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式的适当组合来实现。或者,第一获取模块610、第二获取模块620、第一确定模块630和第二确定模块640、显示模块710和存储模块810的至少一个可以至少被部分地实现为计算机程序模块,当该程序被计算机运行时,可以执行相应模块的功能。
由于本发明的示例实施方式的冷链物流车辆的调度装置的各个模块可以用于实现上述图2至图4描述的冷链物流车辆的调度方法的示例实施方式的步骤,因此对于本发明装置实施方式中未披露的细节,请参照本发明上述的冷链物流车辆的调度方法的实施方式。
本公开实施方式提供的冷链物流车辆的调度装置中的各个模块、单元和子单元的具体实现可以参照上述冷链物流车辆的调度方法中的内容,在此不再赘述。
图9示出了适于用来实现本公开实施方式的电子设备的计算机系统的结构示意图。
需要说明的是,图9示出的电子设备的计算机系统900仅是一个示例,不应对本公开实施方式的功能和使用范围带来任何限制。
如图9所示,计算机系统900包括中央处理单元(CPU,Central Processing Unit)901,其可以根据存储在只读存储器(ROM,Read-Only Memory)902中的程序或者从储存部分908加载到随机访问存储器(RAM,Random Access Memory)903中的程序而执行各种适当的动作和处理。在RAM 903中,还存储有系统操作所需的各种程序和数据。CPU 901、ROM902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT,Cathode Ray Tube)、液晶显示器(LCD,Liquid Crystal Display)等以及扬声器等的输出部分907;包括硬盘等的储存部分908;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入储存部分908。
特别地,根据本公开的实施方式,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施方式包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时,执行本申请的方法和/或装置中限定的各种功能。
需要说明的是,本公开所示的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM(Erasable Programmable Read Only Memory,可擦除可编程只读存储器)或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质,该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF(RadioFrequency,射频)等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施方式的方法、装置和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所框选的功能也可以以不同于附图中所框选的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的模块和/或单元和/或子单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的模块和/或单元和/或子单元也可以设置在处理器中。其中,这些模块和/或单元和/或子单元的名称在某种情况下并不构成对该模块和/或单元和/或子单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施方式中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如下述实施方式中所述的方法。例如,所述的电子设备可以实现如图2至图4的各个步骤。
相关技术中,例如可以采用机器学习方法、深度学习方法等进行冷链物流车辆的调度,不同方法适用的范围不同。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块、单元和子单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块、单元和子单元的特征和功能可以在一个模块、单元和子单元中具体化。反之,上文描述的一个模块、单元和子单元的特征和功能可以进一步划分为由多个模块、单元和子单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施方式仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (13)
1.一种冷链物流车辆的调度方法,其特征在于,包括:
获取需配送货物总量、车辆装载率和车辆最大装货量;
根据所述需配送货物总量、所述车辆装载率和所述车辆最大装货量获取可能使用车辆数量集合;
对于所述可能使用车辆数量集合中的每一个可能使用车辆数量,确定在容量约束、温层约束和时间约束下使得配送总超时最短的子最优配送路线;
根据所述可能使用车辆数量集合中的每一个可能使用车辆数量对应的子最优配送路线和最短配送总超时,使用手肘法确定调度所使用的车辆数量和全局最优配送路线。
2.根据权利要求1所述的方法,其特征在于,根据所述需配送货物总量、所述车辆装载率和所述车辆最大装货量获取可能使用车辆数量集合包括:
将所述需配送货物总量除以第一车辆装载率和所述车辆最大装货量的乘积,并向上取整以获得所述可能使用车辆数量集合的上界;
将所述需配送货物总量除以第二车辆装载率和所述车辆最大装货量的乘积,并向上取整以获得所述可能使用车辆数量集合的下界;
将所述可能使用车辆数量集合的上界和所述可能使用车辆数量集合的下界之间的使用车辆数量组成所述可能使用车辆数量集合;
其中,所述第一车辆装载率是所述车辆装载率减去第一比率,所述第二车辆装载率是所述车辆装载率加上第二比率,所述第一比率和所述第二比率均大于零且小于1。
3.根据权利要求1所述的方法,其特征在于,根据所述可能使用车辆数量集合中的每一个可能使用车辆数量对应的子最优配送路线和最短配送总超时,使用手肘法确定调度所使用的车辆数量和全局最优配送路线,包括:
将所述可能使用车辆数量集合分为第一集合和第二集合;
根据所述第一集合和所述第二集合中每一个可能使用车辆数量和对应的最短配送总超时分别进行线性回归以获得第一预测模型和第二预测模型;
根据所述第一预测模型和所述第二预测模型确定调度所使用的车辆数量和全局最优配送路线。
4.根据权利要求3所述的方法,其特征在于,根据所述第一预测模型和所述第二预测模型确定调度所使用的车辆数量和全局最优配送路线,包括:
根据所述第一预测模型获取所述第一集合的最小方均根差;
根据所述第二预测模型获取所述第二集合的最小方均根差;
以所述可能使用车辆数量集合的所述第一集合和所述第二集合划分组合中,所述第一集合的最小方均根差和所述第二集合的最小方均根差之和最小的、划分所述第一集合和所述第二集合的可能使用车辆数量和对应的子最优配送路线作为调度所使用的车辆数量和全局最优配送路线。
5.根据权利要求4所述的方法,其特征在于,根据所述第一预测模型获取所述第一集合的最小方均根差,包括:
根据所述第一集合中每一个可能使用车辆数量所对应的最短配送总超时、所述第一预测模型的预测值和所述第一集合中可能使用车辆数量的元素个数获取所述第一集合的最小方均根差。
6.根据权利要求5所述的方法,其特征在于,根据所述第二预测模型获取所述第二集合的最小方均根差,包括:
根据所述第二集合中每一个可能使用车辆数量所对应的最短配送总超时、所述第二预测模型的预测值和所述第二集合中可能使用车辆数量的元素个数获取所述第二集合的最小方均根差。
7.根据权利要求1所述的方法,其特征在于,对于所述可能使用车辆数量集合中的每一个可能使用车辆数量,确定在容量约束、温层约束和时间约束下使得配送总超时最短的子最优配送路线,包括:
将需配送货物按照需要的车辆温层要求进行分类;
将分类完成的每类需配送货物根据车辆装载率和车辆最大装货量,分别分配给对应温层的车辆;
按照可能的配送路线和客户要求的发货时间、送达时间,获取使得配送总超时最短的子最优配送路线。
8.根据权利要求7所述的方法,其特征在于,按照可能的配送路线和客户要求的发货时间、送达时间,获取使得配送总超时最短的子最优配送路线,包括:
在一个可能使用车辆数量的最短配送总超时等于零时,选择路程最短的配送路线为子最优配送路线。
9.根据权利要求1所述的方法,其特征在于,车辆的温层为N个,其中N是大于等于2的整数。
10.根据权利要求1所述的方法,其特征在于,获取需配送货物总量、车辆装载率和车辆最大装货量,包括:
在车辆的车型不一致时,获取所述需配送货物总量、所述车辆装载率和加权车辆最大装货量。
11.一种冷链物流车辆的调度装置,其特征在于,包括:
第一获取模块,配置为获取需配送货物总量、车辆装载率和车辆最大装货量;
第二获取模块,配置为根据所述需配送货物总量、所述车辆装载率和所述车辆最大装货量获取可能使用车辆数量集合;
第一确定模块,对于所述可能使用车辆数量集合中的每一个可能使用车辆数量,确定在容量约束、温层约束和时间约束下使得配送总超时最短的子最优配送路线;
第二确定模块,配置为根据所述可能使用车辆数量集合中的每一个可能使用车辆数量对应的子最优配送路线和最短配送总超时,使用手肘法确定调度所使用的车辆数量和全局最优配送路线。
12.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,配置为存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至10中任一项所述的方法。
13.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至10中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210571006.9A CN114862038A (zh) | 2022-05-24 | 2022-05-24 | 冷链物流车辆的调度方法及相关设备 |
PCT/CN2023/072706 WO2023226459A1 (zh) | 2022-05-24 | 2023-01-17 | 冷链物流车辆的调度方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210571006.9A CN114862038A (zh) | 2022-05-24 | 2022-05-24 | 冷链物流车辆的调度方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114862038A true CN114862038A (zh) | 2022-08-05 |
Family
ID=82638777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210571006.9A Pending CN114862038A (zh) | 2022-05-24 | 2022-05-24 | 冷链物流车辆的调度方法及相关设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114862038A (zh) |
WO (1) | WO2023226459A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023226459A1 (zh) * | 2022-05-24 | 2023-11-30 | 北京京东乾石科技有限公司 | 冷链物流车辆的调度方法及相关设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010075961A (ko) * | 2000-01-21 | 2001-08-11 | 오길록 | 물류 워크플로우용 차량 배차 방법 |
CN112270135A (zh) * | 2020-11-13 | 2021-01-26 | 吉林烟草工业有限责任公司 | 一种物流发运调度智能配送方法、装置、设备及存储介质 |
CN113449895A (zh) * | 2020-03-25 | 2021-09-28 | 北京沃东天骏信息技术有限公司 | 车辆调度方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106803136A (zh) * | 2017-01-24 | 2017-06-06 | 苏州工业职业技术学院 | 一种基于混合遗传算法的生鲜配送实时优化方法 |
US10909494B2 (en) * | 2018-03-27 | 2021-02-02 | Accenture Global Solutions Limited | System for collaborative logistics using a collaborative logistics map and a knowledge graph |
CN112183812B (zh) * | 2020-08-25 | 2022-07-01 | 昆明理工大学 | 一种计及短时低成本的成品卷烟物流车辆调度方法 |
CN114862038A (zh) * | 2022-05-24 | 2022-08-05 | 北京京东乾石科技有限公司 | 冷链物流车辆的调度方法及相关设备 |
-
2022
- 2022-05-24 CN CN202210571006.9A patent/CN114862038A/zh active Pending
-
2023
- 2023-01-17 WO PCT/CN2023/072706 patent/WO2023226459A1/zh unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010075961A (ko) * | 2000-01-21 | 2001-08-11 | 오길록 | 물류 워크플로우용 차량 배차 방법 |
CN113449895A (zh) * | 2020-03-25 | 2021-09-28 | 北京沃东天骏信息技术有限公司 | 车辆调度方法和装置 |
CN112270135A (zh) * | 2020-11-13 | 2021-01-26 | 吉林烟草工业有限责任公司 | 一种物流发运调度智能配送方法、装置、设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023226459A1 (zh) * | 2022-05-24 | 2023-11-30 | 北京京东乾石科技有限公司 | 冷链物流车辆的调度方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2023226459A1 (zh) | 2023-11-30 |
WO2023226459A9 (zh) | 2024-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220172175A1 (en) | Transportation system and method for allocating frequencies of transit services therein | |
US10692039B2 (en) | Cargo logistics dispatch service with integrated pricing and scheduling | |
US10776750B2 (en) | System and method for fulfilling e-commerce orders from a hierarchy of fulfilment centres | |
Liu et al. | A two-phase heuristic method for the multi-depot location routing problem taking inventory control decisions into consideration | |
CN110659839A (zh) | 一种物流智能配载调度方法 | |
CN114902257A (zh) | 改进的物流管理系统 | |
Luo et al. | A rejected-reinsertion heuristic for the static dial-a-ride problem | |
CN110544055A (zh) | 订单处理方法和装置 | |
CN112184100A (zh) | 物品库存监控方法、装置、电子设备和计算机可读介质 | |
CN111932189B (zh) | 库存相关信息显示方法、装置、电子设备和计算机介质 | |
CN111667085A (zh) | 物流路由网络的确定方法、装置、介质及电子设备 | |
CN110826951A (zh) | 运输线路配载方法、装置、电子设备及计算机可读介质 | |
CN113034090A (zh) | 运输设备调度方法、装置、电子设备和计算机可读介质 | |
WO2023226459A1 (zh) | 冷链物流车辆的调度方法及相关设备 | |
CN111382894A (zh) | 一种订舱规划方法、装置、设备和存储设备 | |
CN113592282A (zh) | 一种物品分配方法和装置 | |
CN115409439A (zh) | 基于改进蚁群算法的多车型供应链调度方法及电子设备 | |
US8688496B1 (en) | System and method for transferring articles such as airline transfer bags | |
US20150248638A1 (en) | Methods and arrangement for freight transportation management | |
CN112184092A (zh) | 物流节点确定方法、装置、服务器及存储介质 | |
CN111582701B (zh) | 订单处理方法、装置、存储介质及电子设备 | |
CN115271573A (zh) | 货物配送方法、装置、计算机设备和存储介质 | |
CN112085442A (zh) | 设备操作方法、装置、电子设备和计算机可读介质 | |
Pourakbar et al. | The floating stock policy in fast moving consumer goods supply chains | |
Wei et al. | MILP formulations for highway petrol station replenishment in initiative distribution mode |
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 |