CN116342005A - 物流系统网络构建方法及相关设备 - Google Patents
物流系统网络构建方法及相关设备 Download PDFInfo
- Publication number
- CN116342005A CN116342005A CN202211739190.XA CN202211739190A CN116342005A CN 116342005 A CN116342005 A CN 116342005A CN 202211739190 A CN202211739190 A CN 202211739190A CN 116342005 A CN116342005 A CN 116342005A
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- freight
- logistics
- primary
- 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
- 238000010276 construction Methods 0.000 title claims description 21
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000012546 transfer Methods 0.000 claims abstract description 19
- 238000003064 k means clustering Methods 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
-
- 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
-
- 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)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种物流系统网络构建方法及相关设备,方法包括:根据地区的交通货运情况建立区域节点部署模型,区域节点部署模型中的节点包括一级节点及二级节点;确定最小化的一级节点、二级节点的总数量,使用K‑Means聚类算法确定一级节点、二级节点的位置,进而确定目标区域地下物流网络节点群;建立单目标多元线性规划模型,优化目标区域地下物流网络节点群的一级节点、二级节点的个数和位置,以及二级节点的从属情况;计算各节点实际货运量以及各一级节点的转运率,设计分配调度策略,使得实际货运量降低。本发明的有益效果在于:降低城市交通拥堵问题,提高城市物流运输效率。
Description
技术领域
本发明涉及物流系统技术领域,尤其是指一种物流系统网络构建方法及相关设备。
背景技术
交通拥堵是世界各大城市都正面临并亟需解决的问题之一,由于交通需求的激增所带来的地面道路上车辆、车次数量巨增是导致城市交通拥堵的主要原因,而车辆、车次数量的巨增中部分是来源于货物物流的需求增长。由于货运车辆一般存在体积较大、载重时行驶较慢,当车流中混入重型车辆时,就会极大地降低道路的通行能力,甚至阻塞交通。因此,规划、开发城市地下物流系统也获得了越来越多的重视。
地下物流系统(Underground Logistics System,ULS)是一种在城市内部及城市间通过地下空间实现货物的运输和供应的系统。它不占用地面道路,减轻了地面道路的交通压力,从而缓解城市交通拥堵,提高城市物流运输效率。地下物流系统的基本特征如下:
1.建造与运营成本高,网络形式多样(环型、树形、网状等等)且随区域特征变化。
2.地下物流无法完全替代地面物流,“多式联运”是其重要运输组织方式。
3.对于货物单一、流量大且稳定、地面交通差的区域应该优先建立线路。
4.地下物流系统可以适应不同货物的运输需求,管道或隧道直径可根据需求进行设计。
5.地下物流网络系统是由一级节点、二级节点以及节点间的地下通道构成,各级节点均与地面衔接并实现多式联运的方式;一级节点与物流园区相连,并可以跨区域调运货物;一级节点从地面收发货物,一级节点之间连通;二级节点与非本区域一级节点仅能通过本区域一级节点与其连通。
发明内容
本发明所要解决的技术问题是:提供一种物流系统网络构建方法及相关设备,旨在提高城市物流运输效率。
为了解决上述技术问题,本发明采用的技术方案为:一种物流系统网络构建方法,包括步骤:
S10、根据地区的交通货运情况建立区域节点部署模型,区域节点部署模型中的节点包括一级节点及二级节点;
S20、确定最小化的一级节点、二级节点的总数量,使用K-Means聚类算法确定一级节点、二级节点的位置,进而确定目标区域地下物流网络节点群;
S30、建立单目标多元线性规划模型,优化目标区域地下物流网络节点群的一级节点、二级节点的个数和位置,以及二级节点的从属情况;
S40、计算各节点实际货运量以及各一级节点的转运率,设计分配调度策略,使得实际货运量降低。
进一步的,步骤S10中,建立的区域节点部署模型为:
min(λ1+λ2)(1)
其中,表示从第k个区域中心点运输到第j个二级节点的货运量,以此类推;d表示物流园的总个数;Ai表示第i个一级节点,1≤i≤λ1;Bj表示第j个二级节点,1≤j≤λ2;λ1表示一级节点的个数;λ2表示二级节点的个数;λ表示节点总数;k表示区域中心的编号;Ck表示第k个区域中心,1≤k≤110;W表示货运量;Wmax表示总货运量上限;/>一级节点从地面收发货物总量上限;/>表示二级节点从地面收发货物总量上限;WDE表示需要减少的总货运量;/>表示第k个中心区域需要减少的货运量;/>表示第k个中心区域的货运量;xki表示第k个区域中心到节点的货运量;β表示拥堵指数;n表示在Bj服务范围内C的个数;m表示在Ai服务范围内C的个数;l表示Ai下级的二级节点的个数;D1~Dd表示d个物流园区;
目标函数(1)表示一级节点、二级节点总个数应达到最小;约束条件(2)确保了对于每个Ck,即第k个区域中心点,交通拥堵系数小于β;约束条件(3)确保了二级节点从地面收发货物总量不超过上限吨;约束条件(4)确保了一级节点从地面收发货物总量不超过上限/>吨;约束条件(5)和约束(6)保证了所有一级节点在地下进或出总货运量均不超过上限Wmax吨。
进一步的,步骤S20具体包括:
S21、初始化一级节点个数与物流园区的个数一致,即λ1=d,且一级节点选取与物流园距离最近的λ1个;
S22、二级节点覆盖范围为半径三公里的圆形区域,即用最少的圆来覆盖整片区域,计算总的需要减少的货运量:
假设一级节点满负荷运作,二级节点最小个数为:
S23、选取λ1+λ2个对象初始聚类的中心点,并且通过K-Means聚类算法获得了λ1+λ2个节点坐标,进而确定初始一级节点、二级节点的位置。
进一步的,步骤S23中,确定初始一级节点、二级节点的位置,可得到节点坐标FlagPoint、区域中心点坐标矩阵CenterPoint,并可得到Index矩阵,Index矩阵是λ×110的0-1矩阵,其中若αik=1表示区域中心点Ck在节点i的服务半径内,αik=0则表示区域中心点Ck不在节点i的服务半径内;
现设矩阵X
其中,xki代表区域中心到节点i的货运量;
则可计算得到:
其中,Wcenter矩阵表示每个区域中心的实际地下货运量,WFlagPoint表示各节点的货运量。
进一步的,步骤S30具体包括:
S31、提出以下单目标多元线性规划模型,即最大化各个中心区域货运量与需减少的货运量之差的总和,以优化节点位置:
xki≥0 (13)
其中,表示中心区域点Ck的实际地下货运量;约束条件(12)确保了区域中心Ck到节点i的货运量大于此区域需减少的货运量,并且小于此区域货运量总额;约束条件(13)确保了区域中心Ck到节点i的货运量大于零,是有效值;约束条件(14)确保了各个节点的货运量均小于其约束上限;
S32、基于对偶单纯型算法求解上述线型规划问题,通过运用并修改Matlab中Linprog函数仿真迭代计算得出优化后的一级节点、二级节点的坐标位置以及二级节点的从属情况。
进一步的,步骤S40具体包括:
设一级节点到物流园区的进出货运量相等,在分配各个区域中心点的减少的货运量采用以下分配调度策略:
S44、计算各一级节点与物流园区之间的货运量,可得各节点的转运率。
进一步的,步骤S44中,计算各一级节点与物流园区之间的货运量,可得各节点的转运率采用的公式为:
本发明还提供了一种物流系统网络构建装置,包括:
区域节点部署模型建立模块,用于根据地区的交通货运情况建立区域节点部署模型,区域节点部署模型中的节点包括一级节点及二级节点;
物流网络节点群确定模块,用于确定最小化的一级节点、二级节点的总数量,使用K-Means聚类算法确定一级节点、二级节点的位置,进而确定目标区域地下物流网络节点群;
节点位置优化模块,用于建立单目标多元线性规划模型,优化目标区域地下物流网络节点群的一级节点、二级节点的个数和位置,以及二级节点的从属情况;
节点转运率计算模块,用于计算各节点实际货运量以及各一级节点的转运率,设计分配调度策略,使得实际货运量降低。
本发明还提供了一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如上所述的物流系统网络构建方法。
本发明还提供了一种存储介质,所述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可实现如上所述的物流系统网络构建方法。
本发明的有益效果在于:采用单目标优化模型得到了最小化的一级节点、二级节点总数,用K-Means聚类算法确定一级节点、二级节点的位置,从而确定了该区域地下物流网络节点群,保证了缓解交通拥堵直至至少基本畅通,且降低了节点建设成本;然后为改进K-Means算法的不足而建立了新的单目标多元线性规划模型,并通过对偶单纯形算法求得模型最优解,获得优化改进后的一级节点、二级节点的位置以及各节点的货运量;又考虑到转运率低可减少工作量,设计了合理的分配调度策略使得实际货运量得到很大程度地降低;同时本发明简化了模型计算的复杂程度,提高了模型的可行性。
附图说明
下面结合附图详述本发明的具体结构。
图1为本发明实施例的城市地下物流系统网络构建方法流程图;
图2为本发明实施例的城市地下物流系统网络构建装置框图;
图3为本发明实施例的节点分布图;
图4为本发明实施例的节点覆盖范围图;
图5为本发明实施例的优化的节点分布图及二级节点附属情况图;
图6为本发明实施例的优化后的节点覆盖范围图;
图7为本发明实施例的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如图1所示,本发明第一实施例为:本发明提供一种城市地下物流系统网络构建方法,主要包括以下步骤:
S10、根据地区的交通货运情况建立区域节点部署模型,区域节点部署模型中的节点包括一级节点及二级节点;
假设某城市某区物流区域布局情况如表1所示,其中区域1-4为物流园,区域791-900位区域中心。为,假设一级节点从地面收发货物总量不超过4000吨,二级节点从地面收发货物总量不超过3000吨,总货运量不超过14400吨。
表1:某城市物流区域布局情况
为了在满足运输需求的基本上,设立一级节点与二级节点,且使得一级节点与二级节点总个数最小,以达到减小建造及运输成本的目的。区域节点部署模型为:
min(λ1+λ2)(16)
其中,表示从第k个区域中心点运输到第j个二级节点的货运量,以此类推;d表示物流园的总个数;Ai表示第i个一级节点,1≤i≤λ1;Bj表示第j个二级节点,1≤j≤λ2;λ1表示一级节点的个数;λ2表示二级节点的个数;λ表示节点总数;k表示区域中心的编号;Ck表示第k个区域中心,1≤k≤110;W表示货运量;Wmax表示总货运量上限;/>一级节点从地面收发货物总量上限;/>表示二级节点从地面收发货物总量上限;WDE表示需要减少的总货运量;/>表示第k个中心区域需要减少的货运量;/>表示第k个中心区域的货运量;xki表示第k个区域中心到节点的货运量;β表示拥堵指数;n表示在Bj服务范围内C的个数;m表示在Ai服务范围内C的个数;l表示Ai下级的二级节点的个数;D1~Dd表示d个物流园区。
S20、求解目标函数(16),确定该区域地下物流网络节点群,包括一级节点、二级节点的数目及其位置、各节点的服务范围。具体包括步骤:
S21、考虑到从一级节点到物流园区的管道的铺设的费用较高,因此,初始化一级节点个数与物流园区的个数一致,即λ1=d=4;
S22、二级节点覆盖范围为半径三公里的圆行区域,即如何用最少的圆来覆盖整片区域,即圆覆盖问题。计算总的需要减少的货运量:
可得WDE=76241吨。
S23、选取25个对象初始聚类的中心点,并且通过K-Means聚类算法获得了25个节点坐标;根据步骤S21的设定,从25个节点中选取了4个距离物流园区最近的4个节点作为地下网络的一级节点,而剩下的21个节点作为二级节点,如图3所示。图4显示了各个一级节点、二级节点分别以半径为3公里的服务覆盖范围。
S30、建立单目标多元线性规划模型,优化目标区域地下物流网络节点群的一级节点、二级节点的个数和位置,以及二级节点的从属情况。具体包括:
S31、基于K-Means聚类算法选取初始节点,提出单目标多元线性规划模型,即最大化各个中心区域货运量与需减少的货运量之差的总和,以优化节点位置。
xki≥0 (24)
S32、求解上述线型规划问题,通过运用并修改Matlab中Linprog函数计算得出优化后的一节点、二级节点的坐标位置以及二级节点的从属情况。二级节点的从属情况如图5所示,一级节点、二级节点的坐标及货运量分别如表2、表3所示。
表2:一级节点坐标
表3:二级节点坐标
图5显示了优化后的一、二级节点的分布情况以及二级节点对于一级节点的附属情况,一级节点与其附属的二级节点由黑色虚线连接,4个物流园区与4个一级节点之间也分别由黑色虚线连接,所以在图中可以清晰地看出每一个二级节点与一级节点和物流园区的连通情况。图6显示了优化后的一、二级节点对区域中心的覆盖情况。
S40、计算各节点实际货运量以及各一级节点的转运率,设计分配调度策略,使得实际货运量降低。具体包括:
S44、计算各一级节点与物流园区之间的货运量,如表4所示。
表4:物流园区运输到各一级节点的货运量(单位:吨)
S45、计算各一级节点与物流园区之间的货运量,可得各节点的转运率
通过式(26)可计算出转运率,计算结果如表5所示。
表5:各一级节点转运率
本发明实施例中,采用单目标优化模型得到了最小化的一级节点、二级节点总数,用K-Means聚类算法确定一级节点、二级节点的位置,从而确定了该区域地下物流网络节点群,保证了缓解交通拥堵直至至少基本畅通,且降低了节点建设成本;然后为改进K-Means算法的不足而建立了新的单目标多元线性规划模型,并通过对偶单纯形算法求得模型最优解,获得优化改进后的一级节点、二级节点的位置以及各节点的货运量;又考虑到转运率低可减少工作量,设计了合理的分配调度策略使得实际货运量得到很大程度地降低;同时本发明简化了模型计算的复杂程度,提高了模型的可行性。
如图2所示,本发明的另一实施例为一种物流系统网络构建装置,包括:
区域节点部署模型建立模块10,用于根据地区的交通货运情况建立区域节点部署模型,区域节点部署模型中的节点包括一级节点及二级节点;
物流网络节点群确定模块20,用于确定最小化的一级节点、二级节点的总数量,使用K-Means聚类算法确定一级节点、二级节点的位置,进而确定目标区域地下物流网络节点群;
节点位置优化模块30,用于建立单目标多元线性规划模型,优化目标区域地下物流网络节点群的一级节点、二级节点的个数和位置,以及二级节点的从属情况;
节点转运率计算模块40,用于计算各节点实际货运量以及各一级节点的转运率,设计分配调度策略,使得实际货运量降低。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述物流系统网络构建装置的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述物流系统网络构建装置可以实现为一种计算机程序的形式,该计算机程序可以在如图7所示的计算机设备上运行。
请参阅图7,图7是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是终端,也可以是服务器,其中,终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图7,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种物流系统网络构建方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种物流系统网络构建方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如上所述的物流系统网络构建方法。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessingUnit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中计算机程序包括程序指令。该程序指令被处理器执行时使处理器执行如上所述的物流系统网络构建方法。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,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,各个单元的划分,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。例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元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,也可以是两个或两个以上单元集成在一个单元中。
该集成的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,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种物流系统网络构建方法,其特征在于,包括步骤:
S10、根据地区的交通货运情况建立区域节点部署模型,区域节点部署模型中的节点包括一级节点及二级节点;
S20、确定最小化的一级节点、二级节点的总数量,使用K-Means聚类算法确定一级节点、二级节点的位置,进而确定目标区域地下物流网络节点群;
S30、建立单目标多元线性规划模型,优化目标区域地下物流网络节点群的一级节点、二级节点的个数和位置,以及二级节点的从属情况;
S40、计算各节点实际货运量以及各一级节点的转运率,设计分配调度策略,使得实际货运量降低。
2.如权利要求1所述的物流系统网络构建方法,其特征在于,步骤S10中,建立的区域节点部署模型为:
min(λ1+λ2)(1)
其中,表示从第k个区域中心点运输到第j个二级节点的货运量,以此类推;d表示物流园的总个数;Ai表示第i个一级节点,1≤i≤λ1;Bj表示第j个二级节点,1≤j≤λ2;λ1表示一级节点的个数;λ2表示二级节点的个数;λ表示节点总数;k表示区域中心的编号;Ck表示第k个区域中心,1≤k≤110;W表示货运量;Wmax表示总货运量上限;/>一级节点从地面收发货物总量上限;/>表示二级节点从地面收发货物总量上限;WDE表示需要减少的总货运量;/>表示第k个中心区域需要减少的货运量;/>表示第k个中心区域的货运量;xki表示第k个区域中心到节点的货运量;β表示拥堵指数;n表示在Bj服务范围内C的个数;m表示在Ai服务范围内C的个数;l表示Ai下级的二级节点的个数;D1~Dd表示d个物流园区;
5.如权利要求4所述的物流系统网络构建方法,其特征在于,步骤S30具体包括:
S31、提出以下单目标多元线性规划模型,即最大化各个中心区域货运量与需减少的货运量之差的总和,以优化节点位置:
xki≥0 (13)
其中,表示中心区域点Ck的实际地下货运量;约束条件(12)确保了区域中心Ck到节点i的货运量大于此区域需减少的货运量,并且小于此区域货运量总额;约束条件(13)确保了区域中心Ck到节点i的货运量大于零,是有效值;约束条件(14)确保了各个节点的货运量均小于其约束上限;
S32、基于对偶单纯型算法求解上述线型规划问题,通过运用并修改Matlab中Linprog函数仿真迭代计算得出优化后的一级节点、二级节点的坐标位置以及二级节点的从属情况。
6.如权利要求5所述的物流系统网络构建方法,其特征在于,步骤S40具体包括:
设一级节点到物流园区的进出货运量相等,在分配各个区域中心点的减少的货运量采用以下分配调度策略:
S44、计算各一级节点与物流园区之间的货运量,可得各节点的转运率。
8.一种物流系统网络构建装置,其特征在于,包括:
区域节点部署模型建立模块,用于根据地区的交通货运情况建立区域节点部署模型,区域节点部署模型中的节点包括一级节点及二级节点;
物流网络节点群确定模块,用于确定最小化的一级节点、二级节点的总数量,使用K-Means聚类算法确定一级节点、二级节点的位置,进而确定目标区域地下物流网络节点群;
节点位置优化模块,用于建立单目标多元线性规划模型,优化目标区域地下物流网络节点群的一级节点、二级节点的个数和位置,以及二级节点的从属情况;
节点转运率计算模块,用于计算各节点实际货运量以及各一级节点的转运率,设计分配调度策略,使得实际货运量降低。
9.一种计算机设备,其特征在于:所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的物流系统网络构建方法。
10.一种存储介质,其特征在于:所述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可实现如权利要求1至7中任一项所述的物流系统网络构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211739190.XA CN116342005A (zh) | 2022-12-30 | 2022-12-30 | 物流系统网络构建方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211739190.XA CN116342005A (zh) | 2022-12-30 | 2022-12-30 | 物流系统网络构建方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116342005A true CN116342005A (zh) | 2023-06-27 |
Family
ID=86881125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211739190.XA Pending CN116342005A (zh) | 2022-12-30 | 2022-12-30 | 物流系统网络构建方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116342005A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116596349A (zh) * | 2023-07-18 | 2023-08-15 | 湘江实验室 | 基于城市轨道交通网络的夜间地下物流规划方法及系统 |
-
2022
- 2022-12-30 CN CN202211739190.XA patent/CN116342005A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116596349A (zh) * | 2023-07-18 | 2023-08-15 | 湘江实验室 | 基于城市轨道交通网络的夜间地下物流规划方法及系统 |
CN116596349B (zh) * | 2023-07-18 | 2023-10-17 | 湘江实验室 | 基于城市轨道交通网络的夜间地下物流规划方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108470444B (zh) | 一种基于遗传算法优化的城市区域交通大数据分析系统与方法 | |
CN106156898B (zh) | 一种基于MoCD算法的商品配送路径规划方法 | |
Dong et al. | Network planning method for capacitated metro-based underground logistics system | |
Bertaud | The spatial structures of Central and Eastern European cities | |
CN111428931B (zh) | 物流配送线路规划方法、装置、设备及存储介质 | |
CN105070044A (zh) | 一种基于乘客预约的定制公交合乘车辆动态调度方法 | |
US20210256646A1 (en) | Diversified and connected freight allocation system and method | |
Badia | Comparison of bus network structures in face of urban dispersion for a ring-radial city | |
CN116342005A (zh) | 物流系统网络构建方法及相关设备 | |
CN108229741B (zh) | 一种基于空地协同医疗救援的设施点预选址方法 | |
CN104537836A (zh) | 路段行驶时间分布预测方法 | |
CN103246941A (zh) | 一种出口集装箱码头堆存空间调度方法 | |
CN105243837A (zh) | 一种公交客流走廊甄别方法 | |
Yu et al. | Air express network design based on express path choices–Chinese case study | |
Chen et al. | Using a multi-objective programming model to validate feasibility of an underground freight transportation system for the Yangshan port in Shanghai | |
CN113077103A (zh) | 运输网络规划方法和装置 | |
Zhong et al. | Hierarchical hub location model and hybrid algorithm for integration of urban and rural public transport | |
CN113962481A (zh) | 一种应急物资的资源配置方法、装置和服务器 | |
CN111325371B (zh) | 一种运输线路规划方法及系统 | |
Huang et al. | A bi-level model and hybrid heuristic algorithm for the optimal location of prefabricated building industrial park | |
CN114529241A (zh) | 一种基于运筹学理论的公路零担货运物流路径规划算法 | |
CN113547949B (zh) | 换电任务生成方法、装置、终端及存储介质 | |
CN107153891A (zh) | 区域转移调度方法、装置、设备及存储介质 | |
CN105956687A (zh) | 一种使无效交通减少的交通网络规划方法 | |
CN115619304A (zh) | 一种基于聚类算法的物流节点选址规划方法 |
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 |