CN116228073A - 低碳物流调度的优化方法、系统、智能终端及存储介质 - Google Patents

低碳物流调度的优化方法、系统、智能终端及存储介质 Download PDF

Info

Publication number
CN116228073A
CN116228073A CN202310209437.5A CN202310209437A CN116228073A CN 116228073 A CN116228073 A CN 116228073A CN 202310209437 A CN202310209437 A CN 202310209437A CN 116228073 A CN116228073 A CN 116228073A
Authority
CN
China
Prior art keywords
cargo
vehicle
transport vehicle
loading
transport
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
Application number
CN202310209437.5A
Other languages
English (en)
Inventor
周龙华
王浩
王锴典
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.)
Suzhou Xintai Zhongyun Logistics Co ltd
Original Assignee
Suzhou Xintai Zhongyun Logistics 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 Suzhou Xintai Zhongyun Logistics Co ltd filed Critical Suzhou Xintai Zhongyun Logistics Co ltd
Priority to CN202310209437.5A priority Critical patent/CN116228073A/zh
Publication of CN116228073A publication Critical patent/CN116228073A/zh
Pending legal-status Critical Current

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Educational Administration (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及安防监控技术领域，尤其是涉及一种低碳物流调度的优化方法、系统、智能终端及存储介质，其中方法包括获取运输任务；将装货地点以及送货地点标记在动态电子地图上；获取此时距离装货地点最近的外出车辆及其剩余载货量；将货物量与剩余载货量进行比较，若是货物量小于剩余载货量，则选取此外出车辆；若是货物量大于等于剩余载货量，则获取除此外出车辆距离装货地点最近的外出车辆再次进行比较；基于选取后的运输车辆的所有装货地点以及送货地点，使用Dijkstra算法对运输车辆进行路径优化，生成运输车辆的运输路径图。本申请能够在多种影响因素下尽可能合理地对物流运输中的车辆调度进行规划。

Description

低碳物流调度的优化方法、系统、智能终端及存储介质
技术领域
本申请涉及物流调度管理技术领域，尤其是涉及一种低碳物流调度的优化方法、系统、智能终端及存储介质。
背景技术
随着物联网和互联网的不断发展，物流运输愈发被广泛地应用于人们的生活中，物流运输主要的流程简单概括为物流中心接收订单信息后，派出运输车辆前往第三方物流企业的出货仓，货物确认后装车发运，由运输车辆运往订单的指定地点。其中，运输车辆的调度是物流运输工作的重点，正确合理的车辆调度能够有效减少车辆的空驶率，实现合理路径运输，从而有效减少运输成本，节约运输时间，同时由于碳排放量有所减少，也起到了节能环保的作用。
当前车辆的优化调度问题一般可分为车辆路径问题和车辆调度问题，即如何选择最为合适的车辆沿着最为有效的规划路径进行运输，其中存在较多需要考虑的影响因素，例如车辆运输途中的剩余载货量、车辆驾驶人员的休息时间、订单时间的紧急程度、订单所需车辆数量等因素，因此如何在多种影响因素下尽可能合理地对物流运输中的车辆调度进行规划是目前需要解决的难题。
发明内容
为了能够在多种影响因素下尽可能合理地对物流运输中的车辆调度进行规划，本申请提供一种低碳物流调度的优化方法、系统、智能终端及存储介质。
第一方面，本申请提供一种低碳物流调度的优化方法，采用如下的技术方案：
一种低碳物流调度的优化方法，包括以下步骤：
获取运输任务，所述运输任务包括货物量、装货地点以及送货地点；
将所述装货地点以及所述送货地点标记在预设的动态电子地图上，所述动态电子地图上显示有外出车辆的实时位置以及剩余载货量；
获取此时距离所述装货地点最近的外出车辆及其剩余载货量；将所述货物量与所述剩余载货量进行比较，若是所述货物量小于所述剩余载货量，则选取此外出车辆；若是所述货物量大于等于所述剩余载货量，则获取除此外出车辆距离所述装货地点最近的外出车辆再次进行比较，依此类推，直至选出外出车辆；
基于选取后的运输车辆的所有装货地点以及送货地点，使用Dijkstra算法对运输车辆进行路径优化，生成运输车辆的运输路径图。
通过采用上述技术方案，首先获取运输任务，得知运输任务的货物量、装货地点以及送货地点，随后将装货地点和送货地点均标记在预设的动态电子地图上，随后开始选取距离装货地点最近的外出车辆，当选取的外出车辆能够满足货物量时则选取，否则获取下一辆距离装货地点最近的外出车辆继续进行比较，直至选取成功。最后基于选取的运输车辆其所有待到达的装货地点以及送货地点，使用Dijkstra算法对其路径进行优化，从而生成运输车辆的运输路径图。通过尽可能选取较为合适的运输车辆之后，再利用Dijkstra算法对所选取的运输车辆进行路径优化，从而能够尽可能合理地对物流运输中的车辆调度进行规划。
在一个具体的可实施方案中，所述获取运输任务，所述运输任务包括货物量、装货地点以及送货地点之后还包括：
判断运输任务是否满足物流中心发车条件，所述物流中心发车条件包括所述运输任务内存在紧急派送需求和所述装货地点距离物流中心的距离小于等于预设距离阈值；
若是满足所述物流中心发车条件，则在物流中心内选取运输车辆。
通过采用上述技术方案，在选取外出车辆之前，先判断运输任务是否存在紧急派送需求以及装货地点是否就在物流中心附近，通过此设置能够尽可能地先将适合物流中心内运输车辆适合的运输任务所筛选掉，从而使得后续物流运输车辆的调度更为合理。
在一个具体的可实施方案中，所述动态电子地图上显示有加油站地点；
获取所述运输车辆的实时剩余油量与距离最近的加油站地点的实时距离，基于所述实时剩余油量和所述距离最近的加油站地点的实时距离对所述运输车辆进行判断是否发出加油指令。
在一个具体的可实施方案中，所述基于所述实时剩余油量和所述距离最近的加油站地点的实时距离对所述运输车辆进行判断是否发出加油指令包括：
将下列计算公式得出的结果和常数1进行比较：
C1/C2（L+k）
其中C1是运输车辆的实时剩余油量，C2是运输车辆每公里的平均油耗量，L是运输车辆与距离最近的加油站地点的实时公里数，k是一个安全值常数；当计算得出的结果小于等于1时，则对当前运输车辆发出加油指令。
通过采用上述技术方案，通过获取到的运输车辆的实时剩余油量与距离最近的加油站地点的实时距离，再结合计算公式对车辆的实时油量进行判断，从而使得运输车辆不易出现忘记加油的窘况，安全值常数k的设置能够进一步地保障车辆的油量健康。
在一个具体的可实施方案中，获取所述运输车辆的连续运行时间，将所述连续运行时间与预设时间阈值进行比较，若是连续运行时间大于等于预设时间阈值，则对当前运输车辆发出就近休息指令。
通过采用上述技术方案，通过获取到的运输车辆连续时间与预设时间阈值的比较，判断运输车辆驾驶人员是否存在疲劳驾驶并发出就近休息的指令，从而尽可能减少运输车辆运输时的安全隐患。
在一个具体的可实施方案中，所述基于选取后的运输车辆的所有装货地点以及送货地点，使用Dijkstra算法对运输车辆进行路径优化，生成运输车辆的运输路径图包括：
对所述动态电子地图进行栅格化处理；
基于选取后的运输车辆的所有装货地点以及送货地点在所述动态电子地图上进行标记；其中运输车辆当前位置为起点，所有装货地点以及送货地点为标记点，限定必须先经过同一运输任务的装货地点的标记点才可到达送货地点的标记点；
通过Dijkstra算法得出起点的最优路径。
通过采用上述技术方案，由于Dijkstra算法必须要在有栅格的地图中才能进行，因此先对动态电子地图进行栅格化处理，随后将所有运输车辆所涉及到的地点进行标记形成若干标记点，再限定先取后送的计算规则，从而利用Dijkstra算法得出此时运输车辆位置作为起点的最优路径，使得物流运输中的车辆调度更为合理化。
在一个具体的可实施方案中，所述对所述动态电子地图进行栅格化处理包括：
使用Python以及Matplotlib对所述动态电子地图进行栅格化处理。
通过采用上述技术方案，通过Python以及Matplotlib对动态电子地图进行栅格化处理，相较于pyecharts或者echarts等其他工具，使用起来更加稳定且便于展现。
第二方面，本申请提供一种低碳物流调度的优化系统，采用如下的技术方案：
一种低碳物流调度的优化系统，包括：
任务获取模块，用于获取运输任务，所述运输任务包括货物量、装货地点以及送货地点；
地点标记模块，用于将所述装货地点以及所述送货地点标记在预设的动态电子地图上，所述动态电子地图上显示有外出车辆的实时位置以及剩余载货量；
车辆选取模块，用于获取此时距离所述装货地点最近的外出车辆及其剩余载货量；将所述货物量与所述剩余载货量进行比较，若是所述货物量小于所述剩余载货量，则选取此外出车辆；若是所述货物量大于等于所述剩余载货量，则获取除此外出车辆距离所述装货地点最近的外出车辆再次进行比较，依此类推，直至选出外出车辆；
路径优化模块，用于基于选取后的运输车辆的所有装货地点以及送货地点，使用Dijkstra算法对运输车辆进行路径优化，生成运输车辆的运输路径图。
通过采用上述技术方案，首先获取运输任务，得知运输任务的货物量、装货地点以及送货地点，随后将装货地点和送货地点均标记在预设的动态电子地图上，随后开始选取距离装货地点最近的外出车辆，当选取的外出车辆能够满足货物量时则选取，否则获取下一辆距离装货地点最近的外出车辆继续进行比较，直至选取成功。最后基于选取的运输车辆其所有待到达的装货地点以及送货地点，使用Dijkstra算法对其路径进行优化，从而生成运输车辆的运输路径图。通过尽可能选取较为合适的运输车辆之后，再利用Dijkstra算法对所选取的运输车辆进行路径优化，从而能够尽可能合理地对物流运输中的车辆调度进行规划。
第三方面，本申请提供一种智能终端，采用如下的技术方案：
一种智能终端，所述智能终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面任一所述的一种低碳物流调度的优化方法。
通过采用上述技术方案，智能终端中的处理器可以根据存储器中存储的相关计算机程序，实现上述一种低碳物流调度的优化方法，在尽可能选取较为合适的运输车辆之后，再利用Dijkstra算法对所选取的运输车辆进行路径优化，从而能够尽可能合理地对物流运输中的车辆调度进行规划。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如第一方面任一所述的一种低碳物流调度的优化方法。
通过采用上述技术方案，能够存储相应的程序，实现尽可能选取较为合适的运输车辆之后，再利用Dijkstra算法对所选取的运输车辆进行路径优化，从而能够尽可能合理地对物流运输中的车辆调度进行规划。
综上所述，本申请包括以下至少一种有益技术效果：
1.首先获取运输任务，得知运输任务的货物量、装货地点以及送货地点，随后将装货地点和送货地点均标记在预设的动态电子地图上，随后开始选取距离装货地点最近的外出车辆，当选取的外出车辆能够满足货物量时则选取，否则获取下一辆距离装货地点最近的外出车辆继续进行比较，直至选取成功。最后基于选取的运输车辆其所有待到达的装货地点以及送货地点，使用Dijkstra算法对其路径进行优化，从而生成运输车辆的运输路径图。通过尽可能选取较为合适的运输车辆之后，再利用Dijkstra算法对所选取的运输车辆进行路径优化，从而能够尽可能合理地对物流运输中的车辆调度进行规划；
2.通过获取到的运输车辆的实时剩余油量与距离最近的加油站地点的实时距离，再结合计算公式对车辆的实时油量进行判断，从而使得运输车辆不易出现忘记加油的窘况，安全值常数k的设置能够进一步地保障车辆的油量健康；
3.由于Dijkstra算法必须要在有栅格的地图中才能进行，因此先对动态电子地图进行栅格化处理，随后将所有运输车辆所涉及到的地点进行标记形成若干标记点，再限定先取后送的计算规则，从而利用Dijkstra算法得出此时运输车辆位置作为起点的最优路径，使得物流运输中的车辆调度更为合理化。
附图说明
图1是本申请实施例中低碳物流调度的优化方法的流程示意图。
图2是本申请实施例中低碳物流调度的优化方法的举例示意图。
图3是本申请实施例中低碳物流调度的优化系统的结构框图。
附图标记说明：100、任务获取模块；200、地点标记模块；300、车辆选取模块；400、路径优化模块。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本申请实施例公开一种低碳物流调度的优化方法，参照图1，低碳物流调度的优化方法包括以下步骤：
S100、获取运输任务并判断是否直接从物流中心发车。
在实施中，先获取运输任务，运输任务包括货物量、装货地点、送货地点以及是否存在紧急派送需求。然后判断运输任务是否满足物流中心发车条件，物流中心发车条件包括运输任务内存在紧急派送需求和装货地点距离物流中心的距离小于等于预设距离阈值，若是满足物流中心发车条件中的任一项，则在物流中心内直接选取运输车辆。在选取外出的运输车辆之前，先判断运输任务是否存在紧急派送需求或者装货地点是否就在物流中心附近，通过此设置能够尽可能地先将适合物流中心内运输车辆适合的运输任务所筛选掉，从而使得后续物流运输车辆的调度更为合理。
S200、基于剩余载货量以及最短距离选取外出车辆。
当需要根据运输任务选取外出车辆时，首先将运输任务内的装货地点以及送货地点均标记在预设的动态电子地图上，通过设置在运输车辆上的GPS定位模块和压力传感器能够分别获取外出运输车辆的实时位置以及剩余载货量，其中，压力传感器设在车辆货箱的底部，动态电子地图会实时显示外出运输车辆的实时位置以及剩余载货量。获取此时距离装货地点最近的外出车辆及其剩余载货量，将货物量与剩余载货量进行比较，若是运输任务的货物量小于此外出车辆的剩余载货量，则选取此外出车辆作为该运输任务的运输车辆。若是运输任务的货物量大于等于此外出车辆的剩余载货量，则继续获取除此外出车辆距离该运输任务装货地点最近的外出车辆再次进行比较，重复以上步骤，直至选出符合条件的外出运输车辆。
S300、使用Dijkstra算法对运输车辆进行路径优化，生成运输车辆的运输路径图。
选取完运输任务的运输车辆之后，接下来对运输车辆的运输路径进行优化。由于Dijkstra算法必须要在有栅格的地图中才能进行，因此首先对动态电子地图进行栅格化处理，具体的，使用Python以及Matplotlib对动态电子地图进行栅格化处理，相较于使用pyecharts或者echarts等其他工具，Python与Matplotlib结合的处理方式使得动态电子地图起来更加稳定且便于展现。随后基于选取后的运输车辆的所有装货地点以及送货地点在动态电子地图上逐一进行标记，其中运输车辆的当前位置标为起点，所有装货地点以及送货地点为标记点。需要注意的是需要限定必须先经过同一运输任务的装货地点的标记点才可到达送货地点的标记点，再通过Dijkstra算法得出起点的最优路径。结合图2举例说明，0相当于运输车辆当前的位置，即为起点，A1和A2相当于运输任务A的装货地点和送货地点，B1和B2相当于运输任务B的装货地点和送货地点，C1和C2相当于运输任务C的装货地点和送货地点。从0开始必须要经过全部的六个点，且必须先经过A1才能到A2，先经过B1才能到B2，先经过C1才能到C2。通过Dijkstra算法即可算出如何从0出发，且在符合通行规则的前提下，利用最短路径将全部六个点全部经过。总而言之，先对动态电子地图进行栅格化处理，随后将所有运输车辆所涉及到的地点进行标记形成若干标记点，再限定先取后送的计算规则，从而利用Dijkstra算法得出此时运输车辆位置作为起点的最优路径并生成运输车辆的运输路径图，使得物流运输中的车辆调度更为合理化。
此外，动态电子地图上还始终显示有所有加油站的地点，当运输车辆运输的同时，通过设置在运输车辆上的油量传感器和GPS定位模块始终获取运输车辆的实时剩余油量与距离最近的加油站地点的实时距离，其中油量传感器设在运输车辆的油箱内，再根据下列计算公式得出的结果和常数1进行比较：
C1/C2（L+k）
其中C1是运输车辆的实时剩余油量，C2是运输车辆每公里的平均油耗量，L是运输车辆与距离最近的加油站地点的实时公里数，k是一个安全值常数；当计算得出的结果小于等于1时，则对当前运输车辆发出加油指令。通过获取到的运输车辆的实时剩余油量与距离最近的加油站地点的实时距离，再结合计算公式对车辆的实时油量进行判断，从而使得运输车辆不易出现忘记加油的窘况，安全值常数k的设置考虑到意外的影响因素例如油耗增加、路途堵车等，从而进一步地保障车辆的油量健康。
当运输车辆运输的同时，还会实时获取运输车辆的连续运行时间，具体的，通过运输车辆是否在动态电子地图上进行移动从而判断是否在运行，运输车辆移动的同时通过设置在动态电子地图上的计时器进行计时从而得到连续运行时间，并将连续运行时间与预设时间阈值进行比较，若是连续运行时间大于等于预设时间阈值，则对当前运输车辆发出就近休息指令。通过获取到的运输车辆连续时间与预设时间阈值的比较，判断运输车辆驾驶人员是否存在疲劳驾驶并发出就近休息的指令，从而尽可能减少运输车辆运输时的安全隐患。
首先获取运输任务，得知运输任务的货物量、装货地点以及送货地点，再判断是否需要在物流中心选取运输车辆，随后将装货地点和送货地点均标记在预设的动态电子地图上，开始选取距离装货地点最近的外出车辆，当选取的外出车辆能够满足货物量时则选取，否则获取下一辆距离装货地点最近的外出车辆继续进行比较，直至选取成功。最后基于选取的运输车辆其所有待到达的装货地点以及送货地点，使用Dijkstra算法对其路径进行优化，从而生成运输车辆的运输路径图。通过尽可能选取较为合适的运输车辆之后，再利用Dijkstra算法对所选取的运输车辆进行路径优化，从而能够尽可能合理地对物流运输中的车辆调度进行规划。同时在运输车辆的物流运输过程中，会实时判断是否向运输车辆发送加油指令或者就近休息指令。
本申请实施例还公开一种低碳物流调度的优化系统。参照图3，低碳物流调度的优化系统包括：
任务获取模块100，用于获取运输任务，运输任务包括货物量、装货地点以及送货地点。
地点标记模块200，用于将装货地点以及送货地点标记在预设的动态电子地图上，动态电子地图上显示有外出车辆的实时位置以及剩余载货量。
车辆选取模块300，用于获取此时距离装货地点最近的外出车辆及其剩余载货量；将货物量与剩余载货量进行比较，若是货物量小于剩余载货量，则选取此外出车辆；若是货物量大于等于剩余载货量，则获取除此外出车辆距离装货地点最近的外出车辆再次进行比较，依此类推，直至选出外出车辆。
路径优化模块400，用于基于选取后的运输车辆的所有装货地点以及送货地点，使用Dijkstra算法对运输车辆进行路径优化，生成运输车辆的运输路径图。
可选的，任务获取模块100之后还包括：
发车判断模块，用于判断运输任务是否满足物流中心发车条件，物流中心发车条件包括运输任务内存在紧急派送需求和装货地点距离物流中心的距离小于等于预设距离阈值。
可选的，路径优化模块400包括：
地图处理子模块，用于对动态电子地图进行栅格化处理。
地点标记子模块，用于基于选取后的运输车辆的所有装货地点以及送货地点在动态电子地图上进行标记；其中运输车辆当前位置为起点，所有装货地点以及送货地点为标记点，限定必须先经过同一运输任务的装货地点的标记点才可到达送货地点的标记点。
算法优化子模块，用于通过Dijkstra算法得出起点的最优路径。
可选的，任务获取模块100之后还包括：
油量提醒模块，用于获取运输车辆的实时剩余油量与距离最近的加油站地点的实时距离，随后将下列计算公式得出的结果和常数1进行比较：
C1/C2（L+k）
其中C1是运输车辆的实时剩余油量，C2是运输车辆每公里的平均油耗量，L是运输车辆与距离最近的加油站地点的实时公里数，k是一个安全值常数；当计算得出的结果小于等于1时，则对当前运输车辆发出加油指令。
本申请实施例还公开一种智能终端，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述低碳物流调度的优化方法的步骤。此处一种低碳物流调度的优化方法的步骤可以是上述一种低碳物流调度的优化方法中的步骤。
本申请实施例还公开一种计算机可读存储介质，包括能够被处理器加载执行时实现上述一种低碳物流调度的优化方法流程中的各个步骤。
计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
所属领域的技术人员可以清楚地了解到，为描述的方便和简化，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
以上实施例仅用以对本申请的技术方案进行了详细介绍，但以上实施例的说明只是用于帮助理解本申请的方法及其核心思想，不应理解为对本申请的限制。本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。

Claims (10)

1.一种低碳物流调度的优化方法，其特征在于，包括以下步骤：
获取运输任务，所述运输任务包括货物量、装货地点以及送货地点；
将所述装货地点以及所述送货地点标记在预设的动态电子地图上，所述动态电子地图上显示有外出车辆的实时位置以及剩余载货量；
获取此时距离所述装货地点最近的外出车辆及其剩余载货量；将所述货物量与所述剩余载货量进行比较，若是所述货物量小于所述剩余载货量，则选取此外出车辆；若是所述货物量大于等于所述剩余载货量，则获取除此外出车辆距离所述装货地点最近的外出车辆再次进行比较，依此类推，直至选出外出车辆；
基于选取后的运输车辆的所有装货地点以及送货地点，使用Dijkstra算法对运输车辆进行路径优化，生成运输车辆的运输路径图。
2.根据权利要求1所述的低碳物流调度的优化方法，其特征在于：所述获取运输任务，所述运输任务包括货物量、装货地点以及送货地点之后还包括：
判断运输任务是否满足物流中心发车条件，所述物流中心发车条件包括所述运输任务内存在紧急派送需求和所述装货地点距离物流中心的距离小于等于预设距离阈值；
若是满足所述物流中心发车条件，则在物流中心内选取运输车辆。
3.根据权利要求1所述的低碳物流调度的优化方法，其特征在于：所述动态电子地图上显示有加油站地点；
获取所述运输车辆的实时剩余油量与距离最近的加油站地点的实时距离，基于所述实时剩余油量和所述距离最近的加油站地点的实时距离对所述运输车辆进行判断是否发出加油指令。
4.根据权利要求3所述的低碳物流调度的优化方法，其特征在于：所述基于所述实时剩余油量和所述距离最近的加油站地点的实时距离对所述运输车辆进行判断是否发出加油指令包括：
将下列计算公式得出的结果和常数1进行比较：
C1/C2（L+k）
其中C1是运输车辆的实时剩余油量，C2是运输车辆每公里的平均油耗量，L是运输车辆与距离最近的加油站地点的实时公里数，k是一个安全值常数；当计算得出的结果小于等于1时，则对当前运输车辆发出加油指令。
5.根据权利要求1所述的低碳物流调度的优化方法，其特征在于：获取所述运输车辆的连续运行时间，将所述连续运行时间与预设时间阈值进行比较，若是连续运行时间大于等于预设时间阈值，则对当前运输车辆发出就近休息指令。
6.根据权利要求1所述的低碳物流调度的优化方法，其特征在于：所述基于选取后的运输车辆的所有装货地点以及送货地点，使用Dijkstra算法对运输车辆进行路径优化，生成运输车辆的运输路径图包括：
对所述动态电子地图进行栅格化处理；
基于选取后的运输车辆的所有装货地点以及送货地点在所述动态电子地图上进行标记；其中运输车辆当前位置为起点，所有装货地点以及送货地点为标记点，限定必须先经过同一运输任务的装货地点的标记点才可到达送货地点的标记点；
通过Dijkstra算法得出起点的最优路径。
7.根据权利要求6所述的低碳物流调度的优化方法，其特征在于：所述对所述动态电子地图进行栅格化处理包括：
使用Python以及Matplotlib对所述动态电子地图进行栅格化处理。
8.一种低碳物流调度的优化系统，其特征在于，包括：
任务获取模块(100)，用于获取运输任务，所述运输任务包括货物量、装货地点以及送货地点；
地点标记模块(200)，用于将所述装货地点以及所述送货地点标记在预设的动态电子地图上，所述动态电子地图上显示有外出车辆的实时位置以及剩余载货量；
车辆选取模块(300)，用于获取此时距离所述装货地点最近的外出车辆及其剩余载货量；将所述货物量与所述剩余载货量进行比较，若是所述货物量小于所述剩余载货量，则选取此外出车辆；若是所述货物量大于等于所述剩余载货量，则获取除此外出车辆距离所述装货地点最近的外出车辆再次进行比较，依此类推，直至选出外出车辆；
路径优化模块(400)，用于基于选取后的运输车辆的所有装货地点以及送货地点，使用Dijkstra算法对运输车辆进行路径优化，生成运输车辆的运输路径图。
9.一种智能终端，其特征在于，所述智能终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至7任一所述的一种低碳物流调度的优化方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至7任一所述的一种低碳物流调度的优化方法。
CN202310209437.5A 2023-03-07 2023-03-07 低碳物流调度的优化方法、系统、智能终端及存储介质 Pending CN116228073A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310209437.5A CN116228073A (zh) 2023-03-07 2023-03-07 低碳物流调度的优化方法、系统、智能终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310209437.5A CN116228073A (zh) 2023-03-07 2023-03-07 低碳物流调度的优化方法、系统、智能终端及存储介质

Publications (1)

Publication Number Publication Date
CN116228073A true CN116228073A (zh) 2023-06-06

Family

ID=86584144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310209437.5A Pending CN116228073A (zh) 2023-03-07 2023-03-07 低碳物流调度的优化方法、系统、智能终端及存储介质

Country Status (1)

Country Link
CN (1) CN116228073A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117669996A (zh) * 2024-02-01 2024-03-08 天津小铁马科技有限公司 一种车辆调度方法、装置、电子设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117669996A (zh) * 2024-02-01 2024-03-08 天津小铁马科技有限公司 一种车辆调度方法、装置、电子设备及存储介质
CN117669996B (zh) * 2024-02-01 2024-04-26 天津小铁马科技有限公司 一种车辆调度方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
US11993506B2 (en) Method, device and system for automatically fueling vehicle
US11685643B2 (en) Method, device and system for automatically fueling vehicle
CN107844937B (zh) 一种物流配送管理方法和装置
CN114862226B (zh) 一种仓储物流智能调度及装卸货管理方法及系统
CN110580546A (zh) 基于同种车辆运载人和货物的线路规划方法及系统
CN116228073A (zh) 低碳物流调度的优化方法、系统、智能终端及存储介质
CN114971196A (zh) 车型选择方法、装置、设备及存储介质
CN113743878B (zh) 氢能运输车辆的派单方法、装置和计算机设备
CN107730161A (zh) 依据路线和承运人信息分解重组订单的方法和装置
CN109767148A (zh) 智能顺风车物流管理方法
CN114742500A (zh) 基于地理位置信息的智能物流调度管理方法、系统
US20030149491A1 (en) System for supplying fuel to construction machine and construction machine
US20210024346A1 (en) Method, device and system for automatic oiling of long-distance transport vehicle
CN109784576A (zh) 物流运输时效监控方法及平台
CN111507700A (zh) 车辆支付电子标签识别方法
CN117114556A (zh) 一种提高运力调度效率的管理方法、系统及装置
CN110705936A (zh) 一种物流监控安全运输方法
JP2001023073A (ja) 物流情報システム
CN110348794A (zh) 一种运输车辆燃油成本管理方法及相关设备
US12049152B2 (en) Information processing method and information processing system for generating a delivery plan using tractor information, trailer information, and delivery information
CN115210733A (zh) 供氢网络管理优化平台及其方法
CN110454679B (zh) 船舶液化天然气加注信息化方法及其系统
CN113393042A (zh) 一种货物配送的自动规划排线方法
CN117433556A (zh) 一种基于历史运输信息的车辆导航方法、系统及装置
CN113034016B (zh) 设备加油方法及系统

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