CN116228088A - 基于事件与人员联合匹配的车辆调度方法、装置及设备 - Google Patents
基于事件与人员联合匹配的车辆调度方法、装置及设备 Download PDFInfo
- Publication number
- CN116228088A CN116228088A CN202310231407.4A CN202310231407A CN116228088A CN 116228088 A CN116228088 A CN 116228088A CN 202310231407 A CN202310231407 A CN 202310231407A CN 116228088 A CN116228088 A CN 116228088A
- Authority
- CN
- China
- Prior art keywords
- distribution
- delivery
- initial
- scheme
- person
- 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 37
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 326
- 238000013439 planning Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 239000003016 pheromone Substances 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material 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
- G06Q10/08—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
-
- 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
- G06Q10/06—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
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及车辆调度技术领域,揭露了一种基于事件与人员联合匹配的车辆调度方法、装置及设备,包括:根据配送任务集查找配送人员集以及对应的配送节点集;根据配送人员集以及配送节点集生成多个初始配送方案,并计算每个初始配送方案中的配送超载量;根据初始配送方案及对应的配送超载量计算每个初始配送方案的配送成本;根据配送成本选取最优配送方案,并确定配送人员集中每个配送人员的目标配送节点集;对每个配送人员的目标配送节点集规划配送路径,根据配送路径对每个配送人员的配送车辆进行调度。本发明可以提高车辆调度的效果。
Description
技术领域
本发明涉及车辆调度技术领域,尤其涉及一种基于事件与人员联合匹配的车辆调度方法、装置及设备。
背景技术
随着电子商务的发展,物流配送行业对配送员的需求持续快速增长,传统配送模式面临着在需求高峰时人手短缺的风险。为降低物流企业的配送成本,同时满足特定时段激增的订单量,一种基于共享经济理念而提出的“众包”配送模式被提出并得到了应用。
传统配送模式需要配送人员统一从一个配送中心出发,完成配送后再返回配送中心,在配送路径上是闭环的;在传统配送模式中,一辆车往往需要服务多个客户节点,返回配送中心时是空载运行,而这一部分路径也被算入配送成本,造成了配送资源的浪费;通过众包配送可以极大地缓解传统的物流配送所面临的配送成本、人员等压力,更好地配置资源,提高配送效率,降低物流公司风险,但没有考虑配送车型不同而造成的配送价格、可使用数量的差异,以及不同配送节点对车型的限制,也未能同时考虑“抢单”和“派单”这两种众包配送模式在众包配送问题中的应用,导致对进行配送的车辆调度的效果较差。
发明内容
本发明提供一种基于事件与人员联合匹配的车辆调度方法、装置及设备,其主要目的在于解决车辆调度的效果较差的问题。
为实现上述目的,本发明提供的一种基于事件与人员联合匹配的车辆调度方法,包括:
获取配送任务集,根据所述配送任务集查找配送人员集以及所述配送人员集对应的配送节点集;
根据所述配送人员集以及所述配送节点集生成多个初始配送方案,并计算每个所述初始配送方案的配送超载量;
根据每个所述初始配送方案及每个所述初始配送方案对应的配送超载量计算每个所述初始配送方案的配送成本;
根据所述配送成本从所述多个初始配送方案中选取最优配送方案,根据所述最优配送方案确定所述配送人员集中每个配送人员的目标配送节点集;
对每个所述配送人员的目标配送节点集规划配送路径,根据所述配送路径对每个所述配送人员的配送车辆进行调度。
可选地,所述根据所述配送任务集查找配送人员集以及所述配送人员集对应的配送节点集,包括:
获取所述配送任务集中每个配送任务的配送地址及配送要求,根据所述配送要求获取可用配送人员集;
根据所述配送地址从所述可用配送人员集中选取配送人员集,以及根据所述配送地址生成所述配送人员集的配送节点集。
可选地,所述根据所述配送人员集以及所述配送节点集生成多个初始配送方案,包括:
获取所述配送人员集以及所述配送节点集的配送信息,对所述配送信息进行匹配,得到多个匹配组合;
根据所述多个匹配组合对所述配送节点中的每个节点进行分配,得到节点分配结果;
根据所述节点分配结果生成多个初始方案。
可选地,所述计算每个所述初始配送方案的配送超载量,包括:
查找每个所述初始配送方案中每个配送车辆的配送任务,并获取所述配送车辆的配送类型;
根据所述配送类型对应的准载量计算每个配送车辆的配送超载量,得到每个所述初始配送方案的配送超载量。
可选地,所述根据每个所述初始配送方案及每个所述初始配送方案对应的配送超载量计算每个所述初始配送方案的配送成本,包括:
利用如下公式计算每个所述初始配送方案的配送成本:
其中,C为每个所述初始配送方案的配送成本,k为所述配送方案中第k个配送车辆,K为所述配送方案中配送车辆的集合,p为所述配送方案中第p个配送车型,P为所述配送方案中配送车型的集合,mpk为决策变量,配送车型为p的配送车辆k被使用时为1,否则为0,Epk为配送车型为p的配送车辆k的起步成本,i.j为所述配送方案中第i个配送任务,N为所述配送方案中配送任务的集合,di为第i个配送任务的配送距离,L为预设的固定成本,Gpk为配送车型为p的配送车辆k的单位成本,δ为预设的超载配送奖励因子,f为所述配送超载量所需的配送车辆。
可选地,所述对每个所述配送人员的目标配送节点集规划配送路径,包括:
根据每个配送人员的目标配送节点集查找每个所述配送人员的可移动路径信息;
构建所述可移动路径信息的栅格环境并初始化蚁群算法的参数,得到栅格路径信息以及目标蚁群算法;
利用所述目标蚁群算法对所述栅格路径信息进行算法迭代,直至所述算法迭代的次数达到预设的迭代次数,得到每个所述配送人员的配送路径。
可选地,所述利用所述目标蚁群算法对所述栅格路径信息进行算法迭代,包括:
获取所述栅格路径信息中的起点及目标点,并对所述栅格路径信息中每个栅格进行蚂蚁信息素浓度初始化;
根据每个所述栅格的蚂蚁信息素浓度初始化结果计算所述起点的蚁群选择下一栅格的概率;
根据所述概率控制所述蚁群在所述栅格路径信息中行进,直至所述蚁群行进至所述目标点。
可选地,所述根据所述配送路径对每个所述配送人员的配送车辆进行调度,包括:
提取所述配送路径中的配送目的地,并确定所述配送目的地的配送优先级;
根据所述配送优先级对每个所述配送人员的配送车辆进行调度。
为了解决上述问题,本发明还提供一种基于事件与人员联合匹配的车辆调度装置,所述装置包括:
配送任务查找模块,用于获取配送任务集,根据所述配送任务集查找配送人员集以及所述配送人员集对应的配送节点集;
初始方案生成模块,用于根据所述配送人员集以及所述配送节点集生成多个初始配送方案,并计算每个所述初始配送方案的配送超载量;
配送成本计算模块,用于根据每个所述初始配送方案及每个所述初始配送方案对应的配送超载量计算每个所述初始配送方案的配送成本;
目标配送节点确定模块,用于根据所述配送成本从所述多个初始配送方案中选取最优配送方案,根据所述最优配送方案确定所述配送人员集中每个配送人员的目标配送节点集;
车辆调度模块,用于对每个所述配送人员的目标配送节点集规划配送路径,根据所述配送路径对每个所述配送人员的配送车辆进行调度。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的基于事件与人员联合匹配的车辆调度方法。
本发明实施例通过配送任务查找配送人员集以及对应的配送节点集并生成初始方案,并计算每个方案的配送超载量,能够充分利用配送人员的车辆容积进行配送且不会出现超载;再通过计算每个配送方案的配送成本选取最优配送方案,使得配送成本最低;根据最优配送方案确定每个配送人员的目标配送节点集,并对目标配送节点进行路径规划,使得配送时间最小化,通过配送路径规划的结果对每个配送人员进行调度,使得配送成本及时间最小,并将配送任务与可用的配送人员进行联合匹配,从而有效地提高配送车辆调度的效果。因此本发明提出的基于事件与人员联合匹配的车辆调度方法、装置及设备,可以解决车辆调度效果较差的问题。
附图说明
图1为本发明一实施例提供的基于事件与人员联合匹配的车辆调度方法的流程示意图;
图2为本发明一实施例提供的生成初始配送方案的流程示意图;
图3为本发明一实施例提供的路径规划的流程示意图;
图4为本发明一实施例提供的基于事件与人员联合匹配的车辆调度装置的功能模块图;
图5为本发明一实施例提供的实现所述基于事件与人员联合匹配的车辆调度方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
本申请实施例提供一种基于事件与人员联合匹配的车辆调度方法。所述基于事件与人员联合匹配的车辆调度方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于事件与人员联合匹配的车辆调度方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于事件与人员联合匹配的车辆调度方法的流程示意图。在本实施例中,所述基于事件与人员联合匹配的车辆调度方法包括:
S1、获取配送任务集,根据所述配送任务集查找配送人员集以及所述配送人员集对应的配送节点集。
本发明实施例中,所述配送任务集是用户在线点单形成的配送事件集,每个配送事件需要进行符合预设条件的配送人员进行配送,例如,符合配送距离要求的配送人、还有配送能力的配送人员,符合配送要求的配送人员的等,同时能够查找每个配送人员的配送地址所组成的配送节点。
本发明实施例中,所述根据所述配送任务集查找配送人员集以及所述配送人员集对应的配送节点集,包括:
获取所述配送任务集中每个配送任务的配送地址及配送要求,根据所述配送要求获取可用配送人员集;
根据所述配送地址从所述可用配送人员集中选取配送人员集,以及根据所述配送地址生成所述配送人员集的配送节点集。
本发明实施例中,所述配送地址是每个配送任务需要送达的地址,所述配送要求可以是每个配送任务的具体要求,例如、配送时间、配送物件以及配送车辆的类型等,因此可以根据每个配送任务的配送要求获取可用配送人员集,例如,对线上正在进行配送的配送人员的信息进行筛选,包括配送人员的可配送时间、配送车辆类型等,进而查找出满足配送要求的配送人员集。
本发明另一可选实施例中,由于不同的地址对于配送人员来说需要不同的配时间去完成,为了保证及时完成配送,根据配送地址从可用配送人员集中选取配送人员集,并根据配送地址所在的范围生成配送节点,将配送地址划分为单独的配送单元,使得配送地址更集中,从而提高配送的效率。
S2、根据所述配送人员集以及所述配送节点集生成多个初始配送方案,并计算每个所述初始配送方案的配送超载量。
本发明实施例中,所述初始配送方案是根据不同的配送人员以及配送节点为每个配送人员分配配送任务,不同的初始配送方案下每个配送人员的配送任务不同,可能会导致部分配送人员存在超载配送的情况,不符合配送规定,超载量对应的配送任务需要进行二次配送,造成配送成本的上升。
本发明实施例中,参阅图2所示,所述根据所述配送人员集以及所述配送节点集生成多个初始配送方案,包括:
S21、获取所述配送人员集以及所述配送节点集的配送信息,对所述配送信息进行匹配,得到多个匹配组合;
S22、根据所述多个匹配组合对所述配送节点中的每个节点进行分配,得到节点分配结果;
S23、根据所述节点分配结果生成多个初始方案。
本发明实施例中,配送信息是配送人员的基本信息以及配送节点的基本信息,包括,配送人员的所在地址、配送人员的配送车辆类型、配送节点的地址、配送节点的配送要求等,根据配送信息对配送人员以及配送节点进行匹配,例如,配送信息中配送地址与配送人员的所在地址不超过预设的距离阈值,同时配送人员的配送车辆满足配送任务的要求,则可以进行匹配。从而可以得到每个配送人员以及配送节点的多个匹配组合,从匹配组合中生成配送方案对每个配送节点进行分配,得到多个初始配送方案,保证每个配送节点的配送任务都能完成。
本发明实施例中,所述计算每个所述初始配送方案的配送超载量,包括:
查找每个所述初始配送方案中每个配送车辆的配送任务,并获取所述配送车辆的配送类型;
根据所述配送类型对应的准载量计算每个配送车辆的配送超载量,得到每个所述初始配送方案的配送超载量。
本发明实施例中,每个配送人员的配送车辆的类型具有不同的准载量,超过准载量可能会发生危险,每个初始方案的配送超载量是每个配送方案中每个配送人员的配送超载量的总和,超载量对应的配送任务需要进行二次配送,提高配送的成本。
本发明实施例中,通过生成多个初始方案并计算每个初始方案的超载量能够保证每个配送节点的任务都能在满足配送要求的情况下完成配送,同时将配送节点的配送任务与配送人员进行综合匹配,满足配送任务与配送人员的双方要求。
S3、根据每个所述初始配送方案及每个所述初始配送方案对应的配送超载量计算每个所述初始配送方案的配送成本。
本发明实施例中,所述配送成本包括配送人员的成本以及配送超载量对应法人二次配送的成本,其中,配送人员的成本包括固定公里的配送价格以及超出配送距离的可变成本以及超出时间的惩罚成本以及二次配送的成本。
本发明实施例中,所述根据每个所述初始配送方案及每个所述初始配送方案对应的配送超载量计算每个所述初始配送方案的配送成本,包括:
利用如下公式计算每个所述初始配送方案的配送成本:
其中,C为每个所述初始配送方案的配送成本,k为所述配送方案中第k个配送车辆,K为所述配送方案中配送车辆的集合,p为所述配送方案中第p个配送车型,P为所述配送方案中配送车型的集合,mpk为决策变量,配送车型为p的配送车辆k被使用时为1,否则为0,Epk为配送车型为p的配送车辆k的起步成本,i.j为所述配送方案中第i个配送任务,N为所述配送方案中配送任务的集合,di为第i个配送任务的配送距离,L为预设的固定成本,Gpk为配送车型为p的配送车辆k的单位成本,δ为预设的超载配送奖励因子,f为所述配送超载量所需的配送车辆。
本发明实施例中,每个配送方案中具有不同的配送人员,每个配送人员的配送车辆不同,不同的配送车辆对应不同的起步价以及单位成本,其中,单位成本可以是每个配送车辆的每公里的配送成本,配送超载量需要进行二次配送,则需要进行配送奖励,以保证每个配送任务都会完成。
本发明实施例中,通过计算每个初始方案的配送成本能够在考虑每个配送方案的配送完成度的同时确定每个配送方案的配送成本,使得配送车辆调度的成本可控,从而保证派送车辆调度的效果。
S4、根据所述配送成本从所述多个初始配送方案中选取最优配送方案,根据所述最优配送方案确定所述配送人员集中每个配送人员的目标配送节点集。
本发明实施例中,所述最优配送方案是多个初始配送方案中配送成本最小的配送方案,使得最优配送方案的配送成本最小。
本发明实施例中,最优配送方案中包括每个配送车辆需要进行配送的配送节点,每个配送车辆需要执行至少一个的配送任务,则每个配送人员的配送节点不同,从而得到每个配送人员对应的配送节点集。
S5、对每个所述配送人员的目标配送节点集规划配送路径,根据所述配送路径对每个所述配送人员的配送车辆进行调度。
本发明实施例中,规划配送路径是使得每个配送人员的配送时间最短,以保证每个配送任务都能被准时执行,以避免不能及时配送造成的赔偿,导致配送成本的增加。
本发明实施例中,通过规划配送路径能够对每个配送人员进行导航,保证每个配送人员在配送时间最短的情况下进行调度,提高配送的效率。
本发明实施例中,参阅图3所示,所述对每个所述配送人员的目标配送节点集规划配送路径,包括:
S31、根据每个配送人员的目标配送节点集查找每个所述配送人员的可移动路径信息;
S32、构建所述可移动路径信息的栅格环境并初始化蚁群算法的参数,得到栅格路径信息以及目标蚁群算法;
S33、利用所述目标蚁群算法对所述栅格路径信息进行算法迭代,直至所述算法迭代的次数达到预设的迭代次数,得到每个所述配送人员的配送路径。
本发明实施例中,所述可移动路径信息是实时路况可以进行车辆行进的路径信息,通过构建可移动路径信息的栅格环境使得目标蚁群算法能够在栅格环境下进行蚁群信息素迭代,从而对每个配送人员的目标配送节点集规划配送路径。
本发明实施例中,所述利用所述目标蚁群算法对所述栅格路径信息进行算法迭代,包括:
获取所述栅格路径信息中的起点及目标点,并对所述栅格路径信息中每个栅格进行蚂蚁信息素浓度初始化;
根据每个所述栅格的蚂蚁信息素浓度初始化结果计算所述起点的蚁群选择下一栅格的概率;
根据所述概率控制所述蚁群在所述栅格路径信息中行进,直至所述蚁群行进至所述目标点。
本发明实施例中,所述初始化蚂蚁信息素浓度是通过栅格环境进行不同蚂蚁信息素浓度的初始化,例如,不可通行的栅格的蚂蚁信息素浓度低,可通行栅格的蚂蚁信息素浓度高,蚂蚁信息素浓度高的栅格蚁群下一步行进的概率就越大,同时蚁群行进时会留下信息素,对蚂蚁信息素浓度初始化结果进行更新,完成一次迭代。
本发明实施例中,所述根据所述配送路径对每个所述配送人员的配送车辆进行调度,包括:
提取所述配送路径中的配送目的地,并确定所述配送目的地的配送优先级;
根据所述配送优先级对每个所述配送人员的配送车辆进行调度。
本发明实施例中,所述配送优先级是距离配送人员最近的配送目的地,通过配送优先级对配送车辆进行调度,能够有效地避免无效的路程,提高配送效率。
本发明实施例中,通过蚁群算法对每个配送人员规划配送路径,使得每个配送路径的时间最短,通过规划路径对每个配送人员进行调度,使得配送车辆调度的效果更高。
本发明实施例通过配送任务查找配送人员集以及对应的配送节点集并生成初始方案,并计算每个方案的配送超载量,能够充分利用配送人员的车辆容积进行配送且不会出现超载;再通过计算每个配送方案的配送成本选取最优配送方案,使得配送成本最低;根据最优配送方案确定每个配送人员的目标配送节点集,并对目标配送节点进行路径规划,使得配送时间最小化,通过配送路径规划的结果对每个配送人员进行调度,使得配送成本及时间最小,并将配送任务与可用的配送人员进行联合匹配,从而有效地提高配送车辆调度的效果。因此本发明提出的基于事件与人员联合匹配的车辆调度方法,可以解决车辆调度的效果较差的问题。
如图4所示,是本发明一实施例提供的基于事件与人员联合匹配的车辆调度装置的功能模块图。
本发明所述基于事件与人员联合匹配的车辆调度装置100可以安装于电子设备中。根据实现的功能,所述基于事件与人员联合匹配的车辆调度装置100可以包括配送任务查找模块101、初始方案生成模块102、配送成本计算模块103、目标配送节点确定模块104及车辆调度模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述配送任务查找模块101,用于获取配送任务集,根据所述配送任务集查找配送人员集以及所述配送人员集对应的配送节点集;
所述初始方案生成模块102,用于根据所述配送人员集以及所述配送节点集生成多个初始配送方案,并计算每个所述初始配送方案的配送超载量;
所述配送成本计算模块103,用于根据每个所述初始配送方案及每个所述初始配送方案对应的配送超载量计算每个所述初始配送方案的配送成本;
所述目标配送节点确定模块104,用于根据所述配送成本从所述多个初始配送方案中选取最优配送方案,根据所述最优配送方案确定所述配送人员集中每个配送人员的目标配送节点集;
所述车辆调度模块105,用于对每个所述配送人员的目标配送节点集规划配送路径,根据所述配送路径对每个所述配送人员的配送车辆进行调度。
详细地,本发明实施例中所述基于事件与人员联合匹配的车辆调度装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于事件与人员联合匹配的车辆调度方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明一实施例提供的实现基于事件与人员联合匹配的车辆调度方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于事件与人员联合匹配的车辆调度程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于事件与人员联合匹配的车辆调度程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如基于事件与人员联合匹配的车辆调度程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图中示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于事件与人员联合匹配的车辆调度程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取配送任务集,根据所述配送任务集查找配送人员集以及所述配送人员集对应的配送节点集;
根据所述配送人员集以及所述配送节点集生成多个初始配送方案,并计算每个所述初始配送方案的配送超载量;
根据每个所述初始配送方案及每个所述初始配送方案对应的配送超载量计算每个所述初始配送方案的配送成本;
根据所述配送成本从所述多个初始配送方案中选取最优配送方案,根据所述最优配送方案确定所述配送人员集中每个配送人员的目标配送节点集;
对每个所述配送人员的目标配送节点集规划配送路径,根据所述配送路径对每个所述配送人员的配送车辆进行调度。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于事件与人员联合匹配的车辆调度方法,其特征在于,所述方法包括:
获取配送任务集,根据所述配送任务集查找配送人员集以及所述配送人员集对应的配送节点集;
根据所述配送人员集以及所述配送节点集生成多个初始配送方案,并计算每个所述初始配送方案的配送超载量;
根据每个所述初始配送方案及每个所述初始配送方案对应的配送超载量计算每个所述初始配送方案的配送成本;
根据所述配送成本从所述多个初始配送方案中选取最优配送方案,根据所述最优配送方案确定所述配送人员集中每个配送人员的目标配送节点集;
对每个所述配送人员的目标配送节点集规划配送路径,根据所述配送路径对每个所述配送人员的配送车辆进行调度。
2.如权利要求1所述的基于事件与人员联合匹配的车辆调度方法,其特征在于,所述根据所述配送任务集查找配送人员集以及所述配送人员集对应的配送节点集,包括:
获取所述配送任务集中每个配送任务的配送地址及配送要求,根据所述配送要求获取可用配送人员集;
根据所述配送地址从所述可用配送人员集中选取配送人员集,以及根据所述配送地址生成所述配送人员集的配送节点集。
3.如权利要求1所述的基于事件与人员联合匹配的车辆调度方法,其特征在于,所述根据所述配送人员集以及所述配送节点集生成多个初始配送方案,包括:
获取所述配送人员集以及所述配送节点集的配送信息,对所述配送信息进行匹配,得到多个匹配组合;
根据所述多个匹配组合对所述配送节点中的每个节点进行分配,得到节点分配结果;
根据所述节点分配结果生成多个初始方案。
4.如权利要求1所述的基于事件与人员联合匹配的车辆调度方法,其特征在于,所述计算每个所述初始配送方案的配送超载量,包括:
查找每个所述初始配送方案中每个配送车辆的配送任务,并获取所述配送车辆的配送类型;
根据所述配送类型对应的准载量计算每个配送车辆的配送超载量,得到每个所述初始配送方案的配送超载量。
5.如权利要求1所述的基于事件与人员联合匹配的车辆调度方法,其特征在于,所述根据每个所述初始配送方案及每个所述初始配送方案对应的配送超载量计算每个所述初始配送方案的配送成本,包括:
利用如下公式计算每个所述初始配送方案的配送成本:
其中,C为每个所述初始配送方案的配送成本,k为所述配送方案中第k个配送车辆,K为所述配送方案中配送车辆的集合,p为所述配送方案中第p个配送车型,P为所述配送方案中配送车型的集合,mpk为决策变量,配送车型为p的配送车辆k被使用时为1,否则为0,Epk为配送车型为p的配送车辆k的起步成本,i.j为所述配送方案中第i个配送任务,N为所述配送方案中配送任务的集合,di为第i个配送任务的配送距离,L为预设的固定成本,Gpk为配送车型为p的配送车辆k的单位成本,δ为预设的超载配送奖励因子,f为所述配送超载量所需的配送车辆。
6.如权利要求1所述的基于事件与人员联合匹配的车辆调度方法,其特征在于,所述对每个所述配送人员的目标配送节点集规划配送路径,包括:
根据每个配送人员的目标配送节点集查找每个所述配送人员的可移动路径信息;
构建所述可移动路径信息的栅格环境并初始化蚁群算法的参数,得到栅格路径信息以及目标蚁群算法;
利用所述目标蚁群算法对所述栅格路径信息进行算法迭代,直至所述算法迭代的次数达到预设的迭代次数,得到每个所述配送人员的配送路径。
7.如权利要求6所述的基于事件与人员联合匹配的车辆调度方法,其特征在于,所述利用所述目标蚁群算法对所述栅格路径信息进行算法迭代,包括:
获取所述栅格路径信息中的起点及目标点,并对所述栅格路径信息中每个栅格进行蚂蚁信息素浓度初始化;
根据每个所述栅格的蚂蚁信息素浓度初始化结果计算所述起点的蚁群选择下一栅格的概率;
根据所述概率控制所述蚁群在所述栅格路径信息中行进,直至所述蚁群行进至所述目标点。
8.如权利要求1所述的基于事件与人员联合匹配的车辆调度方法,其特征在于,所述根据所述配送路径对每个所述配送人员的配送车辆进行调度,包括:
提取所述配送路径中的配送目的地,并确定所述配送目的地的配送优先级;
根据所述配送优先级对每个所述配送人员的配送车辆进行调度。
9.一种基于事件与人员联合匹配的车辆调度装置,其特征在于,所述装置包括:
配送任务查找模块,用于获取配送任务集,根据所述配送任务集查找配送人员集以及所述配送人员集对应的配送节点集;
初始方案生成模块,用于根据所述配送人员集以及所述配送节点集生成多个初始配送方案,并计算每个所述初始配送方案的配送超载量;
配送成本计算模块,用于根据每个所述初始配送方案及每个所述初始配送方案对应的配送超载量计算每个所述初始配送方案的配送成本;
目标配送节点确定模块,用于根据所述配送成本从所述多个初始配送方案中选取最优配送方案,根据所述最优配送方案确定所述配送人员集中每个配送人员的目标配送节点集;
车辆调度模块,用于对每个所述配送人员的目标配送节点集规划配送路径,根据所述配送路径对每个所述配送人员的配送车辆进行调度。
10.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至8中任意一项所述的基于事件与人员联合匹配的车辆调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310231407.4A CN116228088A (zh) | 2023-03-01 | 2023-03-01 | 基于事件与人员联合匹配的车辆调度方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310231407.4A CN116228088A (zh) | 2023-03-01 | 2023-03-01 | 基于事件与人员联合匹配的车辆调度方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116228088A true CN116228088A (zh) | 2023-06-06 |
Family
ID=86571120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310231407.4A Pending CN116228088A (zh) | 2023-03-01 | 2023-03-01 | 基于事件与人员联合匹配的车辆调度方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116228088A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160104909A (ko) * | 2015-02-27 | 2016-09-06 | 고려대학교 산학협력단 | 개미 알고리즘을 이용한 물류배송용 배차 스케줄링 방법 및 시스템 |
CN109214551A (zh) * | 2018-08-08 | 2019-01-15 | 北京三快在线科技有限公司 | 一种配送调度方法及装置 |
CN111461624A (zh) * | 2020-04-20 | 2020-07-28 | 上海东普信息科技有限公司 | 物流线路规划方法、装置、设备及存储介质 |
CN113469416A (zh) * | 2021-06-08 | 2021-10-01 | 哈尔滨工业大学 | 一种派件任务规划方法及设备 |
WO2022000924A1 (zh) * | 2020-07-01 | 2022-01-06 | 北京工业大学 | 基于ammas-ga嵌套算法的双资源模具作业车间调度优化方法 |
CN114781966A (zh) * | 2022-04-08 | 2022-07-22 | 重庆大学 | 物流配送路径规划方法、装置、设备及存储介质 |
-
2023
- 2023-03-01 CN CN202310231407.4A patent/CN116228088A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160104909A (ko) * | 2015-02-27 | 2016-09-06 | 고려대학교 산학협력단 | 개미 알고리즘을 이용한 물류배송용 배차 스케줄링 방법 및 시스템 |
CN109214551A (zh) * | 2018-08-08 | 2019-01-15 | 北京三快在线科技有限公司 | 一种配送调度方法及装置 |
CN111461624A (zh) * | 2020-04-20 | 2020-07-28 | 上海东普信息科技有限公司 | 物流线路规划方法、装置、设备及存储介质 |
WO2022000924A1 (zh) * | 2020-07-01 | 2022-01-06 | 北京工业大学 | 基于ammas-ga嵌套算法的双资源模具作业车间调度优化方法 |
CN113469416A (zh) * | 2021-06-08 | 2021-10-01 | 哈尔滨工业大学 | 一种派件任务规划方法及设备 |
CN114781966A (zh) * | 2022-04-08 | 2022-07-22 | 重庆大学 | 物流配送路径规划方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | Memory-based ant colony system approach for multi-source data associated dynamic electric vehicle dispatch optimization | |
CN107094165A (zh) | 配送能力确定、配送任务获取、配送资源调度方法和设备 | |
Tao et al. | An efficient self-adaptive artificial bee colony algorithm for the distributed resource-constrained hybrid flowshop problem | |
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 | |
CN111340318B (zh) | 一种车辆动态调度方法、装置及终端设备 | |
CN115796399B (zh) | 基于电力物资的智能调度方法、装置、设备及存储介质 | |
Liu et al. | RFID: Towards low latency and reliable DAG task scheduling over dynamic vehicular clouds | |
CN113127176A (zh) | 一种用于工作平台的多角色任务分配方法及系统 | |
CN114240162A (zh) | 人员调度方法、装置、设备及存储介质 | |
CN115829124A (zh) | 充电桩选址方法、装置、设备及存储介质 | |
CN117193975A (zh) | 任务调度方法、装置、设备及存储介质 | |
CN114844844A (zh) | 延时消息处理方法、装置、设备及存储介质 | |
CN117522087B (zh) | 虚拟电厂资源配置方法、装置、设备及介质 | |
Dan et al. | Improved multi-agent system for the vehicle routing problem with time windows | |
CN115827179B (zh) | 一种物理机设备的算力调度方法、装置、设备及存储介质 | |
CN117130888A (zh) | 基于历史数据和机器学习的服务器自动调优方法及系统 | |
CN116228088A (zh) | 基于事件与人员联合匹配的车辆调度方法、装置及设备 | |
CN111429237A (zh) | 订单价格的确定方法、装置、服务器及存储介质 | |
CN116823437A (zh) | 基于配置化风控策略的准入方法、装置、设备及介质 | |
CN115796398A (zh) | 基于电力物资的需求智能分析方法、系统、设备及介质 | |
CN113704407B (zh) | 基于类别分析的投诉量分析方法、装置、设备及存储介质 | |
CN113407322B (zh) | 多终端的任务分配方法、装置、电子设备及可读存储介质 | |
CN115174619A (zh) | 一种车辆算力共享方法、系统、电子设备及可读存储介质 | |
CN114912870A (zh) | 基于决策树的智能物流调度方法、装置、设备及存储介质 | |
Zhang et al. | Learned Unmanned Vehicle Scheduling for Large-Scale Urban Logistics |
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 |