CN114881580A - 一种基于智能供应链的电商物流配送管理系统及方法 - Google Patents

一种基于智能供应链的电商物流配送管理系统及方法 Download PDF

Info

Publication number
CN114881580A
CN114881580A CN202210808615.1A CN202210808615A CN114881580A CN 114881580 A CN114881580 A CN 114881580A CN 202210808615 A CN202210808615 A CN 202210808615A CN 114881580 A CN114881580 A CN 114881580A
Authority
CN
China
Prior art keywords
commodities
distribution
commodity
goods
vehicle
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.)
Granted
Application number
CN202210808615.1A
Other languages
English (en)
Other versions
CN114881580B (zh
Inventor
梁清儿
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.)
Shenzhen Yuanmei Supply Chain Management Co ltd
Original Assignee
Shenzhen Yuanmei Supply Chain Management 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 Shenzhen Yuanmei Supply Chain Management Co ltd filed Critical Shenzhen Yuanmei Supply Chain Management Co ltd
Priority to CN202210808615.1A priority Critical patent/CN114881580B/zh
Publication of CN114881580A publication Critical patent/CN114881580A/zh
Application granted granted Critical
Publication of CN114881580B publication Critical patent/CN114881580B/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
    • 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"

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (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

本发明公开了一种基于智能供应链的电商物流配送管理系统及方法，包括：配送数据采集模块、数据库、商品配送分析模块、配送站点选择模块和配送顺序规划模块，通过配送数据采集模块采集商品的配送信息、装载商品的车辆数据以及配送站点的运营数据，通过数据库存储采集到的全部数据，通过商品配送分析模块对车辆装载商品的空间进行建模，定位已装载完成的商品位置，并分析已装载完成的商品的卸货难度和不同配送路线的风险系数，通过配送站点选择模块选择最佳的驿站暂存商品，通过配送顺序规划模块选择最优的配送顺序配送商品，在提高整体配送效率的同时减轻了配送人员的工作难度，帮助完善了配送、卸货、取货整体的管理工作。

Description

一种基于智能供应链的电商物流配送管理系统及方法
技术领域
本发明涉及物流配送管理技术领域，具体为一种基于智能供应链的电商物流配送管理系统及方法。
背景技术
供应链管理指的是在管理企业从接收客户订单后到将商品交给客户的所有过程，供应链管理包括物流管理、资金流管理和信息流管理，在物流管理方面，物流配送是物流活动中一种非单一的业务形式，与商流、物流、资金流紧密联系，做好物流配送管理工作在整个电商交易过程中起着举足轻重的作用；
然而，现有的管理方式存在以下问题：首先，在配送商品时，会将配送往不同地点或中转站装载到同一辆车中进行配送，由于装载货物具有随机性，选择不当的配送顺序会增加卸货的难度，现有的管理方式无法规划合适的配送顺序配送商品以提高全程的商品配送效率；其次，配送的大部分商品会通过驿站暂存，等待用户前来签收，对于短距离内存在多个驿站的情况，现有的管理方式无法对驿站进行预先选择以为用户签收商品带来便利，无法提高用户签收商品时的满意度。
所以，人们需要一种基于智能供应链的电商物流配送管理系统及方法来解决上述问题。
发明内容
本发明的目的在于提供一种基于智能供应链的电商物流配送管理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于智能供应链的电商物流配送管理系统，所述系统包括：配送数据采集模块、数据库、商品配送分析模块、配送站点选择模块和配送顺序规划模块；
通过所述配送数据采集模块采集商品的配送信息、装载商品的车辆数据以及配送站点的运营数据；
通过所述数据库存储采集到的全部数据；
通过所述商品配送分析模块对车辆装载商品的空间进行建模，定位已装载完成的商品位置，并分析已装载完成的商品的卸货难度和不同配送路线的风险系数；
通过所述配送站点选择模块分析取货驿站的运营数据，根据运营数据选择最佳的驿站暂存商品；
通过所述配送顺序规划模块根据卸货难度和风险系数预测按不同顺序配送商品的总配送效率，比较总配送效率并选择最优的配送顺序配送商品。
进一步的，所述配送数据采集模块包括商品信息采集单元和设备信息采集单元，所述商品信息采集单元用于采集需要配送的商品在车辆中装载的位置信息、商品的尺寸、发往的目的地信息以及取货驿站的运营数据；所述设备信息采集单元用于采集配送商品的车辆容纳的空间大小信息，将采集到的全部数据传输到所述数据库中。
进一步的，所述商品配送分析模块包括商品装载建模单元、装载数据分析单元和配送路线分析单元，所述商品装载建模单元用于对车辆装载商品的空间进行三维建模；所述装载数据分析单元用于调取需要配送商品在车辆中装载的位置信息，并分析已装载完成的车辆中，发往同一目的地的商品的卸货难度；所述配送路线分析单元用于分析随机选择配送顺序后生成的配送路线的风险系数，将分析结果传输到所述配送顺序规划模块中。
进一步的，所述站点选择模块包括站点数据分析单元和站点规划单元，所述站点数据分析单元用于对商品接收点进行定位，分析商品接收点与驿站间的距离；所述站点规划单元用于调取取货驿站的运营数据：不同取货驿站的用户取货并签收商品的时间，并分析不同取货驿站签收商品的高峰时间段，结合高峰时间段和距离数据选择最佳的驿站暂存商品。
进一步的，所述配送顺序规划模块包括配送效率预测单元和配送顺序选择单元，所述配送效率预测单元用于预测按照不同顺序配送商品的总配送效率；所述配送顺序选择单元用于比较按照不同配送顺序配送商品的总配送效率，选择最优的配送顺序配送商品。
一种基于智能供应链的电商物流配送管理方法，包括以下步骤：
S1：采集商品的配送信息、装载商品的车辆数据和配送站点的运营数据；
S2：对车辆装载商品的空间进行建模，对已装载完成的商品进行定位，分析商品的卸货难度；
S3：随机选择配送顺序，生成配送路线，分析按对应配送顺序配送商品的风险系数；
S4：依据卸货难度和风险系数预测按不同配送顺序配送商品的总配送效率，比较总配送效率并选择最优的配送顺序配送商品；
S5：调取并分析取货驿站的运营数据，并选择最佳的驿站暂存商品。
进一步的，在步骤S1中：采集到车辆装载商品的空间长度为a，宽度为b，高度为c，采集到在已装载完成的车辆中，商品发往的目的地数量为n，所述商品发往的目的地指的是物流中转站，将商品分为n类，不同类型的商品数量集合为F={F1，F2，…，Fn}，随机选择配送顺序配送商品：共有
Figure DEST_PATH_IMAGE001
种配送顺序，在按照随机一种配送顺序配送商品时：采集到对随机一类商品进行卸货时：需要在对应类型商品卸货前卸货的商品数量集合为e={e1，e2，…，ek}，在步骤S2中：对车辆装载商品的空间进行三维建模，得到车门所在平面方程为：y=b，获取到对应类型商品的位置坐标集合为（x，y，z）={（x1，y1，z1），（x2，y2，z2），…，（xk，yk，zk）}，其中，k=Fj，k表示对应类型的商品数量，需要在对应类型的随机一个商品卸货前卸货的商品体积集合为V={V1，V2，…，Vf}，其中，f=ei，f表示需要在对应类型的随机一个商品卸货前卸货的商品数量，根据下列公式计算对应类型的随机一个商品的卸货难度Gi：
Figure 864328DEST_PATH_IMAGE002
；
其中，yi表示对应类型中随机一个商品的纵坐标，Vj表示需要在对应类型中随机一个商品在卸货前卸货的随机一个商品的体积，通过相同计算方式得到对应类型所有商品的卸货难度集合为G={G1，G2，…，Gk}，得到对应类型商品的总卸货难度为G总j：
Figure DEST_PATH_IMAGE003
，得到在按照随机一种配送顺序配送商品时所有商品的总卸货难度为G总i ’：
Figure 356490DEST_PATH_IMAGE004
，得到按照不同配送顺序配送商品时所有商品的总卸货难度集合为G总 ’={G总1 ’，G总2 ’，…， G总m ’}，按照同一车辆中商品发往的目的地将商品进行分类，发往相同目的地的商品需要同时进行卸货，配送顺序的不同导致卸货的顺序也不同，由于装载车辆中商品的摆放位置具备随机性，导致按不同卸货顺序卸货时的难度不同，对装载商品的空间进行建模，离车门所在平面越远且在卸货前需要预先卸下的商品越多、商品体积越大，说明商品的卸货难度越大，计算卸货难度的目的在于根据最低卸货难度选择配送顺序，节省了商品配送时卸货的时间。
进一步的，在步骤S3中：采集到在按照随机一种配送顺序配送商品时，生成的配送路线的路程集合为d={d1，d2，…，dn-1}，共有n-1段配送路线，n≥2，车辆在配送路线上行驶时需要改变行驶方向的次数集合为B={B1，B2，…，Bn-1}，统计到配送路线出现拥堵的次数集合为M={M1，M2，…，Mn-1}，配送路线出现拥堵时的平均持续时长集合为t={t1，t2，…，tn-1}，根据下列公式计算按照随机一种配送顺序配送商品时的风险系数Wi：
Figure DEST_PATH_IMAGE005
；
其中，dj表示随机一段配送路线的路程，Bj表示车辆在对应段配送路线上行驶时需要改变行驶方向的次数，Mj表示对应段配送路线出现拥堵的次数，tj表示对应段配送路线出现拥堵时的平均持续时长，通过相同计算方式得到按照不同配送顺序配送商品时的风险系数集合为W={W1，W2，…，Wm}，在步骤S4中：预测按对应配送顺序配送商品时的总配送效率为Qi：
Figure 660432DEST_PATH_IMAGE006
，得到按不同配送顺序配送商品时的总配送效率集合为Q={Q1，Q2，…，Qm}，比较总配送效率，选择总配送效率最高的配送顺序作为最优的配送顺序，按照最优的配送顺序配送商品，不同的配送顺序会产生不同的配送路线，对配送路线的历史路况信息进行分析以计算在配送顺序对应生成的配送路线上配送商品时的风险系数，结合配送路线的风险系数和卸货难度预测总体的配送效率，风险系数越低、卸货难度越低表示总体的配送效率越高，通过比较配送效率选择配送顺序，有利于提高商品配送的整体效率。
进一步的，在步骤S5中：对商品的接收点和取货驿站进行定位，得到取货驿站的位置坐标集合为（X，Y）={（X1，Y1），（X2，Y2），…，（Xp，Yp）}，其中，p表示取货驿站数量，利用随机增量法求得覆盖所有商品接收点的最小圆圆心坐标为（X’，Y’），获取到取货驿站一天内签收商品的高峰时间段数量集合为H={H1，H2，…，Hp}，随机一个取货驿站签收商品高峰持续时长集合为T={T1，T2，…，Tq}，其中，q=Hi，q表示随机一个取货驿站一天内签收商品的高峰时间段数，根据下列公式选择最佳的驿站暂存商品：
Figure DEST_PATH_IMAGE007
；
其中，Xi和Yi分别表示随机一个取货驿站所在位置的横、纵坐标，Li表示用户前往随机一个取货驿站签收商品的难度系数，通过相同计算方式得到用户前往所有取货驿站签收商品的难度系数集合为L={L1，L2，…，Lp}，比较难度系数，得到最小难度系数为Lmin，选择最小难度系数对应的驿站暂存商品，所述商品接收点指的是商品的收货地址所在位置，随机增量法是计算几何的一个重要算法，算法时间复杂度低，应用范围广，利用随机增量法来解决最小圆覆盖衍生问题，有利于快速确认所有商品接收点的覆盖范围，分析驿站每天的高峰时间段的目的是分析驿站的繁忙程度，结合驿站的繁忙程度和驿站到商品接收点的综合距离选择最佳的驿站，有利于帮助用户节省取货的总体时间，提高了用户取货时的满意度。
与现有技术相比，本发明所达到的有益效果是：
本发明通过采集并分析装载在同一辆车上的商品位置信息，预先判断不同商品的卸货难度，通过大数据采集不同的配送顺序生成的配送路线的历史路况信息，根据整条配送路线的历史路况信息分析对应配送路线上配送商品的风险系数，结合卸货难度、风险系数选择最优的配送顺序配送商品，提高了配送过程、卸货过程的效率，有效节省了商品配送的时间，也在一定程度上减轻了配送人员的工作难度；通过采集商品接收点位置信息，利用随机增量法快速确认覆盖所有接收点的最小范围，进一步分析驿站的繁忙程度，根据距离数据和驿站运营数据选择最佳的取货驿站暂存商品，帮助用户节省了取货的总体时间，提高了用户取货时的满意度，帮助完善了配送、卸货、取货整体的管理工作。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于智能供应链的电商物流配送管理系统的结构图；
图2是本发明一种基于智能供应链的电商物流配送管理方法的流程图；
图3是本发明的对车辆装载商品的空间进行建模的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
请参阅图1-图3，本发明提供技术方案：一种基于智能供应链的电商物流配送管理系统，系统包括：配送数据采集模块、数据库、商品配送分析模块、配送站点选择模块和配送顺序规划模块；
通过配送数据采集模块采集商品的配送信息、装载商品的车辆数据以及配送站点的运营数据；
通过数据库存储采集到的全部数据；
通过商品配送分析模块对车辆装载商品的空间进行建模，定位已装载完成的商品位置，并分析已装载完成的商品的卸货难度和不同配送路线的风险系数；
通过配送站点选择模块分析取货驿站的运营数据，根据运营数据选择最佳的驿站暂存商品；
通过配送顺序规划模块根据卸货难度和风险系数预测按不同顺序配送商品的总配送效率，比较总配送效率并选择最优的配送顺序配送商品。
配送数据采集模块包括商品信息采集单元和设备信息采集单元，商品信息采集单元用于采集需要配送的商品在车辆中装载的位置信息、商品的尺寸、发往的目的地信息以及取货驿站的运营数据；设备信息采集单元用于采集配送商品的车辆容纳的空间大小信息，将采集到的全部数据传输到数据库中。
商品配送分析模块包括商品装载建模单元、装载数据分析单元和配送路线分析单元，商品装载建模单元用于对车辆装载商品的空间进行三维建模；装载数据分析单元用于调取需要配送商品在车辆中装载的位置信息，并分析已装载完成的车辆中，发往同一目的地的商品的卸货难度；配送路线分析单元用于分析随机选择配送顺序后生成的配送路线的风险系数，将分析结果传输到配送顺序规划模块中。
站点选择模块包括站点数据分析单元和站点规划单元，站点数据分析单元用于对商品接收点进行定位，分析商品接收点与驿站间的距离；站点规划单元用于调取取货驿站的运营数据：不同取货驿站的用户取货并签收商品的时间，并分析不同取货驿站签收商品的高峰时间段，结合高峰时间段和距离数据选择最佳的驿站暂存商品。
配送顺序规划模块包括配送效率预测单元和配送顺序选择单元，配送效率预测单元用于预测按照不同顺序配送商品的总配送效率；配送顺序选择单元用于比较按照不同配送顺序配送商品的总配送效率，选择最优的配送顺序配送商品。
一种基于智能供应链的电商物流配送管理方法，包括以下步骤：
S1：采集商品的配送信息、装载商品的车辆数据和配送站点的运营数据；
S2：对车辆装载商品的空间进行建模，对已装载完成的商品进行定位，分析商品的卸货难度；
S3：随机选择配送顺序，生成配送路线，分析按对应配送顺序配送商品的风险系数；
S4：依据卸货难度和风险系数预测按不同配送顺序配送商品的总配送效率，比较总配送效率并选择最优的配送顺序配送商品；
S5：调取并分析取货驿站的运营数据，并选择最佳的驿站暂存商品。
在步骤S1中：采集到车辆装载商品的空间长度为a，宽度为b，高度为c，采集到在已装载完成的车辆中，商品发往的目的地数量为n，将商品分为n类，不同类型的商品数量集合为F={F1，F2，…，Fn}，随机选择配送顺序配送商品：共有
Figure 263452DEST_PATH_IMAGE001
种配送顺序，在按照随机一种配送顺序配送商品时：采集到对随机一类商品进行卸货时：需要在对应类型商品卸货前卸货的商品数量集合为e={e1，e2，…，ek}，在步骤S2中：对车辆装载商品的空间进行三维建模，得到车门所在平面方程为：y=b，获取到对应类型商品的位置坐标集合为（x，y，z）={（x1，y1，z1），（x2，y2，z2），…，（xk，yk，zk）}，其中，k=Fj，k表示对应类型的商品数量，需要在对应类型的随机一个商品卸货前卸货的商品体积集合为V={V1，V2，…，Vf}，其中，f=ei，f表示需要在对应类型的随机一个商品卸货前卸货的商品数量，根据下列公式计算对应类型的随机一个商品的卸货难度Gi：
Figure 110185DEST_PATH_IMAGE002
；
其中，yi表示对应类型中随机一个商品的纵坐标，Vj表示需要在对应类型中随机一个商品在卸货前卸货的随机一个商品的体积，通过相同计算方式得到对应类型所有商品的卸货难度集合为G={G1，G2，…，Gk}，得到对应类型商品的总卸货难度为G总j：
Figure 38827DEST_PATH_IMAGE003
，得到在按照随机一种配送顺序配送商品时所有商品的总卸货难度为G总i ’：
Figure 236590DEST_PATH_IMAGE004
，得到按照不同配送顺序配送商品时所有商品的总卸货难度集合为G总 ’={G总1 ’，G总2 ’，…， G总m ’}，根据最低卸货难度选择配送顺序，有效节省了商品配送时卸货的时间。
在步骤S3中：采集到在按照随机一种配送顺序配送商品时，生成的配送路线的路程集合为d={d1，d2，…，dn-1}，共有n-1段配送路线，n≥2，车辆在配送路线上行驶时需要改变行驶方向的次数集合为B={B1，B2，…，Bn-1}，统计到配送路线出现拥堵的次数集合为M={M1，M2，…，Mn-1}，配送路线出现拥堵时的平均持续时长集合为t={t1，t2，…，tn-1}，根据下列公式计算按照随机一种配送顺序配送商品时的风险系数Wi：
Figure 580983DEST_PATH_IMAGE005
；
其中，dj表示随机一段配送路线的路程，Bj表示车辆在对应段配送路线上行驶时需要改变行驶方向的次数，Mj表示对应段配送路线出现拥堵的次数，tj表示对应段配送路线出现拥堵时的平均持续时长，通过相同计算方式得到按照不同配送顺序配送商品时的风险系数集合为W={W1，W2，…，Wm}，在步骤S4中：预测按对应配送顺序配送商品时的总配送效率为Qi：
Figure 666577DEST_PATH_IMAGE006
，得到按不同配送顺序配送商品时的总配送效率集合为Q={Q1，Q2，…，Qm}，比较总配送效率，选择总配送效率最高的配送顺序作为最优的配送顺序，按照最优的配送顺序配送商品，提高了商品配送的整体效率。
在步骤S5中：对商品的接收点和取货驿站进行定位，得到取货驿站的位置坐标集合为（X，Y）={（X1，Y1），（X2，Y2），…，（Xp，Yp）}，其中，p表示取货驿站数量，利用随机增量法求得覆盖所有商品接收点的最小圆圆心坐标为（X’，Y’），获取到取货驿站一天内签收商品的高峰时间段数量集合为H={H1，H2，…，Hp}，随机一个取货驿站签收商品高峰持续时长集合为T={T1，T2，…，Tq}，其中，q=Hi，q表示随机一个取货驿站一天内签收商品的高峰时间段数，根据下列公式选择最佳的驿站暂存商品：
Figure 907065DEST_PATH_IMAGE007
；
其中，Xi和Yi分别表示随机一个取货驿站所在位置的横、纵坐标，Li表示用户前往随机一个取货驿站签收商品的难度系数，通过相同计算方式得到用户前往所有取货驿站签收商品的难度系数集合为L={L1，L2，…，Lp}，比较难度系数，得到最小难度系数为Lmin，选择最小难度系数对应的驿站暂存商品，帮助用户节省了取货的总体时间，提高了用户取货时的满意度。
实施例一：采集到车辆装载商品的空间长度为a=5，宽度为b=3，高度为c=2，单位为：米，采集到在已装载完成的车辆中，商品发往的目的地数量为n=3，将商品分为n=3类，不同类型的商品数量集合为F={F1，F2，F3}={3，20，17}，随机选择配送顺序配送商品：共有
Figure 451179DEST_PATH_IMAGE008
种配送顺序，在按照随机一种配送顺序配送商品时：采集到对第一类商品进行卸货时：需要在第一类商品卸货前卸货的商品数量集合为e={e1，e2，e3}={10，3，8}，对车辆装载商品的空间进行三维建模，得到车门所在平面方程为：y=b：y=3，获取到第一类商品的位置坐标集合为（x，y，z）={（x1，y1，z1），（x2，y2，z2），（x3，y3，z3）}={（1，1，1），（1，2，1），（2，2，4）}，需要在第一类中随机一个商品卸货前卸货的商品体积集合为V={V1，V2，V3}={0.08，0.12，0.25}，根据公式
Figure 536947DEST_PATH_IMAGE002
计算第一类中随机一个商品的卸货难度Gi=1.35，通过相同计算方式得到对应类型所有商品的卸货难度集合为G={G1，G2，G3}={3.02，1.35，0.86}，得到第一类商品的总卸货难度为G总j：
Figure DEST_PATH_IMAGE009
，得到在按照随机一种配送顺序配送商品时所有商品的总卸货难度为G总i ’：
Figure 951748DEST_PATH_IMAGE010
，得到按照不同配送顺序配送商品时所有商品的总卸货难度集合为G总 ’={G总1 ’，G总2 ’, G总3 ’，G总4 ’，G总5 ’, G总6 ’}={15.8，12.6，10.2，8.8，17.3，16.5}，采集到在按照第一种配送顺序配送商品时，生成的配送路线的路程集合为d={d1，d2}={6，15}，车辆在配送路线上行驶时需要改变行驶方向的次数集合为B={B1，B2}={3，5}，统计到配送路线出现拥堵的次数集合为M={M1，M2}={3，5}，配送路线出现拥堵时的平均持续时长集合为t={t1，t2}={0.3，0.5}，单位为：小时，根据公式
Figure 159875DEST_PATH_IMAGE005
计算按照第一种配送顺序配送商品时的风险系数W1=21.9，通过相同计算方式得到按照不同配送顺序配送商品时的风险系数集合为W={W1，W2，W3，W4，W5，W6}={21.9，10.2，12.5，4.5，6.8，15.0}，预测按第一种配送顺序配送商品时的总配送效率为Q1：
Figure DEST_PATH_IMAGE011
，得到按不同配送顺序配送商品时的总配送效率集合为Q={Q1，Q2，Q3，Q4，Q5，Q6}={0.11，0.23，0.10，0.56，0.62，0.34}，比较总配送效率，选择总配送效率最高的配送顺序作为最优的配送顺序，按照第5中配送顺序配送商品；
实施例二：对商品的接收点和取货驿站进行定位，得到取货驿站的位置坐标集合为（X，Y）={（X1，Y1），（X2，Y2），（X3，Y3）}={（0，0），（2，5），（3，6）}，利用随机增量法求得覆盖所有商品接收点的最小圆圆心坐标为（X’，Y’）=（5，5），获取到取货驿站一天内签收商品的高峰时间段数量集合为H={H1，H2，H3}={2，3，1}，第二个取货驿站签收商品高峰持续时长集合为T={T1，T2，T3}={2，1.5，1}，单位为：小时，根据公式
Figure 394547DEST_PATH_IMAGE012
选择最佳的驿站暂存商品，得到用户前往所有取货驿站签收商品的难度系数集合为L={L1，L2，L3}={7.07，6.75，3.20}，比较难度系数，得到最小难度系数为Lmin=3.20，选择第三个取货驿站暂存商品。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于智能供应链的电商物流配送管理系统，其特征在于：所述系统包括：配送数据采集模块、数据库、商品配送分析模块、配送站点选择模块和配送顺序规划模块；
通过所述配送数据采集模块采集商品的配送信息、装载商品的车辆数据以及配送站点的运营数据；
通过所述数据库存储采集到的全部数据；
通过所述商品配送分析模块对车辆装载商品的空间进行建模，定位已装载完成的商品位置，并分析已装载完成的商品的卸货难度和不同配送路线的风险系数；
通过所述配送站点选择模块分析取货驿站的运营数据，根据运营数据选择最佳的驿站暂存商品；
通过所述配送顺序规划模块根据卸货难度和风险系数预测按不同顺序配送商品的总配送效率，比较总配送效率并选择最优的配送顺序配送商品。
2.根据权利要求1所述的一种基于智能供应链的电商物流配送管理系统，其特征在于：所述配送数据采集模块包括商品信息采集单元和设备信息采集单元，所述商品信息采集单元用于采集需要配送的商品在车辆中装载的位置信息、商品的尺寸、发往的目的地信息以及取货驿站的运营数据；所述设备信息采集单元用于采集配送商品的车辆容纳的空间大小信息，将采集到的全部数据传输到所述数据库中。
3.根据权利要求1所述的一种基于智能供应链的电商物流配送管理系统，其特征在于：所述商品配送分析模块包括商品装载建模单元、装载数据分析单元和配送路线分析单元，所述商品装载建模单元用于对车辆装载商品的空间进行三维建模；所述装载数据分析单元用于调取需要配送商品在车辆中装载的位置信息，并分析已装载完成的车辆中，发往同一目的地的商品的卸货难度；所述配送路线分析单元用于分析随机选择配送顺序后生成的配送路线的风险系数，将分析结果传输到所述配送顺序规划模块中。
4.根据权利要求1所述的一种基于智能供应链的电商物流配送管理系统，其特征在于：所述站点选择模块包括站点数据分析单元和站点规划单元，所述站点数据分析单元用于对商品接收点进行定位，分析商品接收点与驿站间的距离；所述站点规划单元用于调取取货驿站的运营数据：不同取货驿站的用户取货并签收商品的时间，并分析不同取货驿站签收商品的高峰时间段，结合高峰时间段和距离数据选择最佳的驿站暂存商品。
5.根据权利要求1所述的一种基于智能供应链的电商物流配送管理系统，其特征在于：所述配送顺序规划模块包括配送效率预测单元和配送顺序选择单元，所述配送效率预测单元用于预测按照不同顺序配送商品的总配送效率；所述配送顺序选择单元用于比较按照不同配送顺序配送商品的总配送效率，选择最优的配送顺序配送商品。
6.一种基于智能供应链的电商物流配送管理方法，其特征在于：包括以下步骤：
S1：采集商品的配送信息、装载商品的车辆数据和配送站点的运营数据；
S2：对车辆装载商品的空间进行建模，对已装载完成的商品进行定位，分析商品的卸货难度；
S3：随机选择配送顺序，生成配送路线，分析按对应配送顺序配送商品的风险系数；
S4：依据卸货难度和风险系数预测按不同配送顺序配送商品的总配送效率，比较总配送效率并选择最优的配送顺序配送商品；
S5：调取并分析取货驿站的运营数据，并选择最佳的驿站暂存商品。
7.根据权利要求6所述的一种基于智能供应链的电商物流配送管理方法，其特征在于：在步骤S1中：采集到车辆装载商品的空间长度为a，宽度为b，高度为c，采集到在已装载完成的车辆中，商品发往的目的地数量为n，将商品分为n类，不同类型的商品数量集合为F={F1，F2，…，Fn}，随机选择配送顺序配送商品：共有
Figure 283212DEST_PATH_IMAGE001
种配送顺序，在按照随机一种配送顺序配送商品时：采集到对随机一类商品进行卸货时：需要在对应类型商品卸货前卸货的商品数量集合为e={e1，e2，…，ek}，在步骤S2中：对车辆装载商品的空间进行三维建模，得到车门所在平面方程为：y=b，获取到对应类型商品的位置坐标集合为（x，y，z）={（x1，y1，z1），（x2，y2，z2），…，（xk，yk，zk）}，其中，k=Fj，k表示对应类型的商品数量，需要在对应类型的随机一个商品卸货前卸货的商品体积集合为V={V1，V2，…，Vf}，其中，f=ei，f表示需要在对应类型的随机一个商品卸货前卸货的商品数量，根据下列公式计算对应类型的随机一个商品的卸货难度Gi：
Figure 21361DEST_PATH_IMAGE002
；
其中，yi表示对应类型中随机一个商品的纵坐标，Vj表示需要在对应类型中随机一个商品在卸货前卸货的随机一个商品的体积，通过相同计算方式得到对应类型所有商品的卸货难度集合为G={G1，G2，…，Gk}，得到对应类型商品的总卸货难度为G总j：
Figure 603652DEST_PATH_IMAGE003
，得到在按照随机一种配送顺序配送商品时所有商品的总卸货难度为G总i ’：
Figure 122358DEST_PATH_IMAGE004
，得到按照不同配送顺序配送商品时所有商品的总卸货难度集合为G总 ’={G总1 ’，G总2 ’，…，G总m ’}。
8.根据权利要求7所述的一种基于智能供应链的电商物流配送管理方法，其特征在于：在步骤S3中：采集到在按照随机一种配送顺序配送商品时，生成的配送路线的路程集合为d={d1，d2，…，dn-1}，共有n-1段配送路线，n≥2，车辆在配送路线上行驶时需要改变行驶方向的次数集合为B={B1，B2，…，Bn-1}，统计到配送路线出现拥堵的次数集合为M={M1，M2，…，Mn-1}，配送路线出现拥堵时的平均持续时长集合为t={t1，t2，…，tn-1}，根据下列公式计算按照随机一种配送顺序配送商品时的风险系数Wi：
Figure 549929DEST_PATH_IMAGE005
；
其中，dj表示随机一段配送路线的路程，Bj表示车辆在对应段配送路线上行驶时需要改变行驶方向的次数，Mj表示对应段配送路线出现拥堵的次数，tj表示对应段配送路线出现拥堵时的平均持续时长，通过相同计算方式得到按照不同配送顺序配送商品时的风险系数集合为W={W1，W2，…，Wm}，在步骤S4中：预测按对应配送顺序配送商品时的总配送效率为Qi：
Figure 204901DEST_PATH_IMAGE006
，得到按不同配送顺序配送商品时的总配送效率集合为Q={Q1，Q2，…，Qm}，比较总配送效率，选择总配送效率最高的配送顺序作为最优的配送顺序，按照最优的配送顺序配送商品。
9.根据权利要求6所述的一种基于智能供应链的电商物流配送管理方法，其特征在于：在步骤S5中：对商品的接收点和取货驿站进行定位，得到取货驿站的位置坐标集合为（X，Y）={（X1，Y1），（X2，Y2），…，（Xp，Yp）}，其中，p表示取货驿站数量，利用随机增量法求得覆盖所有商品接收点的最小圆圆心坐标为（X’，Y’），获取到取货驿站一天内签收商品的高峰时间段数量集合为H={H1，H2，…，Hp}，随机一个取货驿站签收商品高峰持续时长集合为T={T1，T2，…，Tq}，其中，q=Hi，q表示随机一个取货驿站一天内签收商品的高峰时间段数，根据下列公式选择最佳的驿站暂存商品：
Figure 958093DEST_PATH_IMAGE007
；
其中，Xi和Yi分别表示随机一个取货驿站所在位置的横、纵坐标，Li表示用户前往随机一个取货驿站签收商品的难度系数，通过相同计算方式得到用户前往所有取货驿站签收商品的难度系数集合为L={L1，L2，…，Lp}，比较难度系数，得到最小难度系数为Lmin，选择最小难度系数对应的驿站暂存商品。
CN202210808615.1A 2022-07-11 2022-07-11 一种基于智能供应链的电商物流配送管理系统及方法 Active CN114881580B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210808615.1A CN114881580B (zh) 2022-07-11 2022-07-11 一种基于智能供应链的电商物流配送管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210808615.1A CN114881580B (zh) 2022-07-11 2022-07-11 一种基于智能供应链的电商物流配送管理系统及方法

Publications (2)

Publication Number Publication Date
CN114881580A true CN114881580A (zh) 2022-08-09
CN114881580B CN114881580B (zh) 2022-09-27

Family

ID=82682586

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210808615.1A Active CN114881580B (zh) 2022-07-11 2022-07-11 一种基于智能供应链的电商物流配送管理系统及方法

Country Status (1)

Country Link
CN (1) CN114881580B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116703101A (zh) * 2023-06-16 2023-09-05 青岛鲁诺金融电子技术有限公司 一种基于大数据的汽车销售服务管理系统及方法
CN117436776A (zh) * 2023-12-19 2024-01-23 广东鑫港湾供应链管理有限公司 一种供应链智能物流配送管理系统
CN116703101B (zh) * 2023-06-16 2024-06-04 青岛鲁诺金融电子技术有限公司 一种基于大数据的汽车销售服务管理系统及方法

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070233374A1 (en) * 2006-03-30 2007-10-04 Norbert Diekhans Method for creating a route plan for agricultural machine systems
CN107274033A (zh) * 2017-06-29 2017-10-20 安徽电信规划设计有限责任公司 一种简便易行的动态配送路径优化方法
US20190172361A1 (en) * 2017-12-04 2019-06-06 Ge Aviation Systems Llc Route planning and movement of an aircraft on the ground based on a navigation model trained to increase aircraft operational efficiency
CN110589328A (zh) * 2019-09-08 2019-12-20 上海海事大学 基于仓储链的危险品仓库双叉车同时作业线路规划方法
JP2020187620A (ja) * 2019-05-16 2020-11-19 Ｎｅｃフィールディング株式会社 物流管理システム、物流管理方法及びプログラム
CN112078672A (zh) * 2020-09-06 2020-12-15 广州潘娜娜信息技术有限公司 一种实时统计与显示车载笼子装载情况的运输系统
WO2020263035A1 (ko) * 2019-06-28 2020-12-30 최중인 온라인 주문 최적화를 기반으로 직접수령 고객에게 상품을 제공하기 위한 물류서비스 제공 방법 및 시스템
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
WO2021015663A1 (en) * 2019-07-23 2021-01-28 Hitachi, Ltd. Delivery route planning apparatus and methods of generating delivery route plans
CN112381293A (zh) * 2020-11-13 2021-02-19 姚少弟 一种基于大数据的智能快递配送系统及方法
CN112507545A (zh) * 2020-12-04 2021-03-16 北京邮电大学 一种基于系统仿真的室内无人配送模式设计方法
CN112906949A (zh) * 2021-02-02 2021-06-04 满帮信息咨询有限公司 路线规划方法、装置、电子设备及可读存储介质
CN112926769A (zh) * 2021-02-08 2021-06-08 日日顺供应链科技股份有限公司 一种物流配送路径规划方法及装置
CN113222291A (zh) * 2021-06-04 2021-08-06 重庆交通大学 一种基于空间区域划分模型的三维装载优化方法
CN113642775A (zh) * 2021-07-12 2021-11-12 广东顶固集创家居股份有限公司 一种成品仓发货管理方法、装置及计算机设备
CN113780609A (zh) * 2020-11-26 2021-12-10 北京京东振世信息技术有限公司 调整物品配送路径的方法、装置、计算设备及介质
CN114399246A (zh) * 2021-12-17 2022-04-26 杭州但丁云科技有限公司 一种智能配送调度系统

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070233374A1 (en) * 2006-03-30 2007-10-04 Norbert Diekhans Method for creating a route plan for agricultural machine systems
CN107274033A (zh) * 2017-06-29 2017-10-20 安徽电信规划设计有限责任公司 一种简便易行的动态配送路径优化方法
US20190172361A1 (en) * 2017-12-04 2019-06-06 Ge Aviation Systems Llc Route planning and movement of an aircraft on the ground based on a navigation model trained to increase aircraft operational efficiency
JP2020187620A (ja) * 2019-05-16 2020-11-19 Ｎｅｃフィールディング株式会社 物流管理システム、物流管理方法及びプログラム
WO2020263035A1 (ko) * 2019-06-28 2020-12-30 최중인 온라인 주문 최적화를 기반으로 직접수령 고객에게 상품을 제공하기 위한 물류서비스 제공 방법 및 시스템
WO2021015663A1 (en) * 2019-07-23 2021-01-28 Hitachi, Ltd. Delivery route planning apparatus and methods of generating delivery route plans
CN110589328A (zh) * 2019-09-08 2019-12-20 上海海事大学 基于仓储链的危险品仓库双叉车同时作业线路规划方法
CN112078672A (zh) * 2020-09-06 2020-12-15 广州潘娜娜信息技术有限公司 一种实时统计与显示车载笼子装载情况的运输系统
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
CN112381293A (zh) * 2020-11-13 2021-02-19 姚少弟 一种基于大数据的智能快递配送系统及方法
CN113780609A (zh) * 2020-11-26 2021-12-10 北京京东振世信息技术有限公司 调整物品配送路径的方法、装置、计算设备及介质
CN112507545A (zh) * 2020-12-04 2021-03-16 北京邮电大学 一种基于系统仿真的室内无人配送模式设计方法
CN112906949A (zh) * 2021-02-02 2021-06-04 满帮信息咨询有限公司 路线规划方法、装置、电子设备及可读存储介质
CN112926769A (zh) * 2021-02-08 2021-06-08 日日顺供应链科技股份有限公司 一种物流配送路径规划方法及装置
CN113222291A (zh) * 2021-06-04 2021-08-06 重庆交通大学 一种基于空间区域划分模型的三维装载优化方法
CN113642775A (zh) * 2021-07-12 2021-11-12 广东顶固集创家居股份有限公司 一种成品仓发货管理方法、装置及计算机设备
CN114399246A (zh) * 2021-12-17 2022-04-26 杭州但丁云科技有限公司 一种智能配送调度系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘敏 等: "基于三维地理信息行走扩张域模型的研究", 《测绘与空间地理信息》 *
吴先赋等: "基于Node.js和WebGIS的商超物流配送路径规划系统的设计与实现", 《测绘与空间地理信息》 *
邹东文等: "基于装配特征的半挂车车架快速装配系统开发研究", 《汽车技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116703101A (zh) * 2023-06-16 2023-09-05 青岛鲁诺金融电子技术有限公司 一种基于大数据的汽车销售服务管理系统及方法
CN116703101B (zh) * 2023-06-16 2024-06-04 青岛鲁诺金融电子技术有限公司 一种基于大数据的汽车销售服务管理系统及方法
CN117436776A (zh) * 2023-12-19 2024-01-23 广东鑫港湾供应链管理有限公司 一种供应链智能物流配送管理系统
CN117436776B (zh) * 2023-12-19 2024-03-29 广东鑫港湾供应链管理有限公司 一种供应链智能物流配送管理系统

Also Published As

Publication number Publication date
CN114881580B (zh) 2022-09-27

Similar Documents

Publication Publication Date Title
Rizzoli et al. Ant colony optimization for real-world vehicle routing problems: from theory to applications
Powell et al. Maximizing profits for North American Van Lines' truckload division: A new framework for pricing and operations
US7363126B1 (en) Core area territory planning for optimizing driver familiarity and route flexibility
US7389249B2 (en) Automated supply management method for dynamically fulfilling a customer requested order
Lee et al. A hybrid hub-and-spoke postal logistics network with realistic restrictions: A case study of Korea Post
Jiang et al. Picking-replenishment synchronization for robotic forward-reserve warehouses
Nurprihatin et al. An integrated transportation models and savings algorithm to minimize distribution costs
CN116307306B (zh) 基于大数据的智能调度方法、装置、设备以及存储介质
Gambardella et al. Ant colony optimization for vehicle routing in advanced logistics systems
CN107194638A (zh) 一种仓库管理优化方法
CN114881580B (zh) 一种基于智能供应链的电商物流配送管理系统及方法
CN116228089B (zh) 一种基于最短里程的门店配送路径规划方法
CN116629738B (zh) 一种物流路径优化方法、相关方法、装置、设备及介质
US20130060712A1 (en) Bulk Distribution Method
CN115965172A (zh) 一种成品油二次配送车辆的路径优化算法、系统、设备
US20150248638A1 (en) Methods and arrangement for freight transportation management
Ouyang et al. Community logistics for dynamic vehicle dispatching: The effects of community departure “time” and “space”
Calvete et al. Vehicle routing problems with soft time windows: An optimization based approach
Chen et al. Using scheduled ordering to improve the performance of distribution supply chains
JP4285232B2 (ja) 物流費予測装置と予測方法とそのためのプログラム
Safia et al. Optimization of vehicle routing for smart city: Real case study in Casablanca
WO2021107860A1 (en) Method, system, and device for matching deliveries
Hosoda et al. Location routing problem with delivery modes
Huber et al. Dealing with scarce optimization time in complex logistics optimization: a study on the biobjective swap-body inventory routing problem
Xie et al. Joint Optimization for the Spare Part Support System Location-Inventory-Allocation Problem under (T, S) Policy

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