CN116384603A - 一种运输订单的处理方法、装置及设备 - Google Patents

一种运输订单的处理方法、装置及设备 Download PDF

Info

Publication number
CN116384603A
CN116384603A CN202310136472.9A CN202310136472A CN116384603A CN 116384603 A CN116384603 A CN 116384603A CN 202310136472 A CN202310136472 A CN 202310136472A CN 116384603 A CN116384603 A CN 116384603A
Authority
CN
China
Prior art keywords
transportation
path
mode
paths
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
CN202310136472.9A
Other languages
English (en)
Inventor
高金宝
王婉聪
王亚峰
邹晓强
徐海涛
吴杨
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.)
Faw Logistics Co ltd
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Faw Logistics Co ltd
Beijing Baidu Netcom Science and Technology 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 Faw Logistics Co ltd, Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Faw Logistics Co ltd
Publication of CN116384603A publication Critical patent/CN116384603A/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
    • G06Q10/04—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Finance (AREA)
  • Software Systems (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • General Factory Administration (AREA)

Abstract

本发明提供一种运输订单的处理方法、装置及设备，所述方法包括：获取运输订单信息；根据所述运输订单信息，生成运输网络有向图；根据运输模式对所述运输网络有向图进行遍历处理，获得满足所述运输模式的路径形成的候选路径集合；将所述候选路径集合，输入线性规划模型进行处理，得到目标路径集合；其中，根据运输需求、运输货量、运输模式和约束条件确定所述线性规划模型；按照路径规划规则对所述目标路径集合进行处理，得到最终路径；本发明的方案实现了对全局状态进行广域搜索，填补了运输规划的空白，在对全局路线选择与订单分配进行优化的同时，提高规划效率。

Description

一种运输订单的处理方法、装置及设备
技术领域
本发明涉及物流运输技术领域，特别是一种运输订单的处理方法、装置及设备。
背景技术
现阶段对于运输订单的处理多是从电子导航获取公路运输路线信息，从铁路、水路官网获取铁路与水路班次信息，再通过人工凭借经验与主观臆断进行路线的选择与订单的分配。这种人工主观处理的方式，一方面运输路线与模式的选择缺少科学性，仅凭借当时状态下的数据信息进行局部的人工规划，不能实现系统化分配，即全局优化；另一方面对于订单较多的规划任务，人工规划效率低，需大量时间进行规划作业，效率和准确度比较低。
发明内容
本发明要解决的技术问题是提供一种运输订单的处理方法、装置及设备，通过构建线性规划模型，将现实问题标准化、模型化，通过对全局状态进行广域搜索，填补了运输规划的空白，在对全局路线选择与订单分配进行优化的同时，为企业优化运营成本，提高了规划效率。
为解决上述技术问题，本发明的技术方案如下：
一种运输订单的处理方法，包括：
获取运输订单信息；
根据所述运输订单信息，生成运输网络有向图；
根据运输模式对所述运输网络有向图进行遍历处理，获得满足所述运输模式的路径形成的候选路径集合，所述运输模式包括：公路运输模式、水路运输模式和铁路运输模式中的至少一种；
将所述候选路径集合，输入线性规划模型进行处理，得到目标路径集合；其中，根据运输需求、运输货量、运输模式和约束条件确定所述线性规划模型；
按照路径规划规则对所述目标路径集合进行处理，得到最终路径。
可选的，根据所述运输订单信息，生成运输网络有向图，包括：
根据所述运输订单信息中的起始点、中转点和终点形成多条路径；
获取多条路径中各路径的运输成本；
将运输成本赋予到起始点、中转点和终点之间的各条边，作为有向图中边的权重，得到运输网络有向图。
可选的，根据运输模式对所述运输网络有向图进行遍历处理，获得满足所述运输模式的路径形成的候选路径集合，包括：
遍历所述运输网络有向图中从起始点到任一个终点的K个最短路径，K为正整数；
将运输成本高于公路运输模式的运输成本的路径，从K个最短路径中滤除，得到候选路径集合，所述公路运输模式的运输成本大于水路运输模式的运输成本，且大于铁路运输模式的运输成本。
可选的，根据运输需求、运输货量、运输模式和约束条件确定所述线性规划模型，包括：
依据节点吞吐量、铁水比例上下限等约束条件和运输需求、运输货量、运输模式构建约束条件；
将满足所述约束条件的运输成本最小的目标函数确定为所述线型规划模型。
可选的，所述目标函数为：
Figure BDA0004085894030000021
约束条件包括：
xp≥0,p∈P，
Figure BDA0004085894030000022
Figure BDA0004085894030000023
Figure BDA0004085894030000031
Figure BDA0004085894030000032
Figure BDA0004085894030000033
其中，p为路径集合P中的路径；Cp为路径p的发运成本；xp为决策变量，表示路径p分配的货量；r为运输需求；R为运输需求的集合；rp为路径p对应的运输需求；Qr为运输需求r对应的货量；a为始发站/始发港；A为始发站/始发港的集合；ap为路径p对应的始发站/始发港；Ua为始发站/始发港a的发运能力上限；b为目的站/目的港；B为目的站/目的港的集合；bp为路径p对应的目的站/目的港；Ub为目的站/目的港b的到达能力上限；o为基地；O为基地集合；op为路径p对应的基地；Uo为基地o的铁水发运能力上限；m为运输模式，当m＝1时表示运输模式为公路，当m＝2时表示运输模式为铁路，当m＝3时表示运输模式为水路；mp为路径p的运输模式；y为目的地；Y为目的地集合；yp为路径p对应的目的地；Loy为基地o到目的地y的公路运量下限；Uoy为基地o到目的地y的公路运量上限。
可选的，按照路径规划规则对所述目标路径集合进行处理，得到最终路径，包括：
根据路径的成本、路由、中转时间中的至少一项，对所述目标路径集合中的路径进行遍历，得到最终路径。
可选的，根据路径的成本、路由、中转时间中的至少一项，对所述目标路径集合中的路径进行遍历，得到最终路径，包括：
根据y＝C+L+T+α对所述目标路径集合中的路径进行遍历，得到Y，Y＝{y1,y2,y3,……,yn}；其中，y1,y2,y3,yn分别为路径的综合成本，C为路径的成本、L为路由、T为中转时间、α为路径综合成本的辅助计算参数；
将Y＝{y1,y2,y3,……,yn}中的最小值ym作为所述最终路径。
本发明还提供一种运输订单的处理装置，包括：
获取模块，用于获取运输订单信息；
处理模块，用于根据所述运输订单信息，生成运输网络有向图；根据运输模式对所述运输网络有向图进行遍历处理，获得满足所述运输模式的路径形成的候选路径集合，所述运输模式包括：公路运输模式、水路运输模式和铁路运输模式中的至少一种；将所述候选路径集合，输入线性规划模型进行处理，得到目标路径集合；其中，根据运输需求、运输货量、站点运输能力、运输模式和约束条件确定所述线性规划模型；按照路径规划规则对所述目标路径集合进行处理，得到最终路径。
本发明还提供一种计算设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上所述的方法。
本发明还提供一种计算机可读存储介质，存储指令，当所述指令在计算机上运行时，使得计算机执行如上所述的方法。
本发明的上述方案至少包括以下有益效果：
本发明的上述方案，通过获取运输订单信息；根据所述运输订单信息，生成运输网络有向图；根据运输模式对所述运输网络有向图进行遍历处理，获得满足所述运输模式的路径形成的候选路径集合，所述运输模式包括：公路运输模式、水路运输模式和铁路运输模式中的至少一种；将所述候选路径集合，输入线性规划模型进行处理，得到目标路径集合；其中，根据运输需求、运输货量、站点运输能力、运输模式和约束条件确定所述线性规划模型；按照路径规划规则对所述目标路径集合进行处理，得到最终路径；实现了对全局状态进行广域搜索，填补了运输规划的空白，在对全局路线选择与订单分配进行优化的同时，提高规划效率。
附图说明
图1是本发明实施例的运输订单的处理方法的流程示意图；
图2是本发明实施例的运输订单的处理方法的运输网络有向图；
图3是本发明实施例的运输订单的处理方法的算法流程图；
图4是本发明实施例的运输订单的处理方法的输出结果展示图；
图5是本发明实施例的运输订单的处理装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示，本发明的实施例提出一种运输订单的处理方法，包括：
步骤11，获取运输订单信息；
步骤12，根据所述运输订单信息，生成运输网络有向图；
步骤13，根据运输模式对所述运输网络有向图进行遍历处理，获得满足所述运输模式的路径形成的候选路径集合，所述运输模式包括：公路运输模式、水路运输模式和铁路运输模式中的至少一种；
步骤14，将所述候选路径集合，输入线性规划模型进行处理，得到目标路径集合；其中，根据运输需求、运输货量、运输模式和约束条件确定所述线性规划模型；
步骤15，按照路径规划规则对所述目标路径集合进行处理，得到最终路径。
该实施例中，所述运输订单信息包括起始点、可用节点、目的点和订单量等，一个订单信息对应至少一个运输需求；通过在既定模板中输入运输订单信息，明确所有运输需求并构建运输网络有向图；在所述运输网络有向图上遍历获得候选路径集合；利用整数规划求解器对根据所述候选路经集合建立的线性规划模型求解，得到目标路经集合；对所述目标路径集合进一步处理，得到最终路径。
需要说明的是，所述线型规划模型依据所述候选路径集合和运输需求、运输货量、运输模式和约束条件构建，所述约束条件包括站点运输能力、铁水比例等；最终所述整数规划求解器输出的结果包括目标路径集合和每一条目标路径分配的货量。
该实施例，通过上述方法实现了对全局状态进行广域搜索，填补了运输规划的空白，在对全局路线选择与订单分配进行优化的同时，提高规划效率。
本发明一可选的实施例中，步骤12包括：
步骤121，根据所述运输订单信息中的起始点、中转点和终点形成多条路径；
步骤122，获取多条路径中各路径的运输成本；
步骤123，将运输成本赋予到起始点、中转点和终点之间的各条边，作为有向图中边的权重，得到运输网络有向图。
如图2所示，本实施例中，根据各订单的起始点，中转点和终点，初步构建运输网络有向图；剖析不同节点间水路、公路和铁路三种运输模式，将两两节点相连，代表运输路径，明确各个运输路径的成本，将运输成本赋予到有向图的各条边，作为有向图中边的权重；如各节点具有商品车仓储成本，则将商品车仓储成本计入经过该节点的运输成本中，与所述运输成本合并赋予到有向图的各条边，作为有向图中边的权重；如涉及节点吞吐量的要求，所述节点吞吐量即站点运输能力，则在节点赋予吞吐量特征变量进行标记，作为约束条件供构建所述线型规划模型时使用；最终完成所述运输网络有向图的构建。
本发明一可选的实施例中，步骤13包括：
步骤131，遍历所述运输网络有向图中从起始点到任一个终点的K个最短路径，K为正整数；
步骤132，将运输成本高于公路运输模式的运输成本的路径，从K个最短路径中滤除，得到候选路径集合，所述公路运输模式的运输成本大于水路运输模式的运输成本，且大于铁路运输模式的运输成本。
本实施例中，依据运输需求，遍历获取所述运输网络有向图中的每一对起始点和终点的K个可行最短路径，而后依据公路运输成本对K个可行最短路径进行初步筛选，因同一条运输路径，公路模式所需运输成本最高，如一条路径的运输成本大于此路径选公路时的运输成本，则此条路径不予考虑；通过此方法对有向图中的路径集初步筛选，得到候选路径集合。
本发明一可选的实施例中，步骤14包括：
步骤141，依据节点吞吐量、铁水比例上下限等约束条件和运输需求、运输货量、运输模式构建约束条件；
步骤142，将满足所述约束条件的运输成本最小的目标函数确定为所述线型规划模型。
本实施例中，运用所述整数规划求解器对所述线型规划模型进行求解，为每个运输需求在所述候选路径集合上寻找最优路径并分配运量，在满足约束条件的情况下使得目标函数值最小。
本发明一可选的实施例中，所述目标函数为：
Figure BDA0004085894030000071
约束条件包括：
xp≥0,p∈P，
Figure BDA0004085894030000072
Figure BDA0004085894030000073
Figure BDA0004085894030000074
Figure BDA0004085894030000075
Figure BDA0004085894030000076
其中，min为求最小值，p为路径集合P中的路径；Cp为路径p的发运成本；xp为决策变量，表示路径p分配的货量；r为运输需求；R为运输需求的集合；rp为路径p对应的运输需求；Qr为运输需求r对应的货量；a为始发站/始发港；A为始发站/始发港的集合；ap为路径p对应的始发站/始发港；Ua为始发站/始发港a的发运能力上限；b为目的站/目的港；B为目的站/目的港的集合；bp为路径p对应的目的站/目的港；Ub为目的站/目的港b的到达能力上限；o为基地；O为基地集合；op为路径p对应的基地；Uo为基地o的铁水发运能力上限；m为运输模式，当m＝1时表示运输模式为公路，当m＝2时表示运输模式为铁路，当m＝3时表示运输模式为水路；mp为路径p的运输模式；y为目的地；Y为目的地集合；yp为路径p对应的目的地；Loy为基地o到目的地y的公路运量下限；Uoy为基地o到目的地y的公路运量上限。
目标函数的含义为：路径集合P内，每一条路径p的发运成本Cp与路径p上分配的货量xp的乘积之和的最小值；
约束条件xp≥0,p∈P的含义为：路径p分配的货量大于等于0；
约束条件
Figure BDA0004085894030000081
的含义为：对于任一运输需求r的货量等于该运输需求所对应的各个运输路径上分配的货量之和；
约束条件
Figure BDA0004085894030000082
的含义为：对于任一始发站/始发港a，始发站/始发港为a的所有路径分配的货量之和小于等于始发站/始发港a的发运能力上限；
约束条件
Figure BDA0004085894030000083
的含义为：对于任一目的站/目的港b，目的站/目的港为b的所有路径分配的货量之和小于等于目的站/目的港b的到达能力上限；
约束条件
Figure BDA0004085894030000084
的含义为：对于任一基地o，起始点为o且运输模式为铁路或水路的所有路径分配的货量之和小于等于基地o的铁水发运能力上限；
约束条件
Figure BDA0004085894030000085
的含义为：对于任一基地o，任一目的地y，起始点为o目的地为y且运输模式为公路的所有路径分配的货量之和大于等于基地o到目的地y的公路运量下限，小于等于基地o到目的地y的公路运量上限；
所述约束条件中，始发站/始发港表示运输模式为铁路或水路时的始发站点或始发港口，目的站/目的港表示运输模式为铁路或水路时的目的站或目的港口；约束条件
Figure BDA0004085894030000086
和约束条件/>
Figure BDA0004085894030000087
是对采用铁路或水路运输时节点吞吐量的限定，当采用公路运输时，节点无吞吐量的限制；
约束条件
Figure BDA0004085894030000091
和约束条件
Figure BDA0004085894030000092
是对基地公铁水运输比例的限定。
所述整数规划求解器将在满足约束条件的前提下，目标函数值最小时对应的每一条最优路径p与最优路径p对应的货量x的数值输出。
本发明一可选的实施例中，步骤15包括：
步骤151，根据路径的成本、路由、中转时间中的至少一项，对所述目标路径集合中的路径进行遍历，得到最终路径。
本发明一可选的实施例中，步骤151可以包括：
步骤1511，根据y＝C+L+T+α对所述目标路径集合中的路径进行遍历，得到Y，Y＝{y1,y2,y3,……,yn}；其中，y1,y2,y3,yn分别为路径的综合成本，C为路径的成本、L为路由、T为中转时间、α为路径综合成本的辅助计算参数；
步骤1512，将Y＝{y1,y2,y3,……,yn}中的最小值ym作为所述最终路径。
本实施例中，综合考虑路径的成本、路由和中转时间等其他因素，对所述整数规划求解器输出的目标路径集合进行筛选，输出最终路径。
如图3所示，本发明的上述实施例的具体实现流程包括：
步骤21，输入订单信息，包括起始地、可用节点、目的地和订单量等；
步骤22，依据所述订单信息构建有向图，在有向图的各节点和边界中输入吞吐量和运输成本，作为构建所述线型规划模型的约束条件；
步骤23，读取前期维护到数据库中的所有路径，生成所有可以选择的路径集；
步骤24，读取所述路径集中每一对起始点和终点的可选路径；
步骤241，计算K个最短路径的成本；
步骤242，筛选掉成本超过公路模式成本的路径；
步骤243，将符合要求的路径加入路径集合；
步骤25，遍历完成，输出候选路径集合；
步骤26，根据所述候选路经集合、订单信息和约束条件等，构建线性规划模型，所述线性规划模型的目标函数为：
Figure BDA0004085894030000101
约束条件包括：
xp≥0,p∈P，
Figure BDA0004085894030000102
Figure BDA0004085894030000103
Figure BDA0004085894030000104
Figure BDA0004085894030000105
Figure BDA0004085894030000106
步骤27，运用整数规划求解器对所述线型规划模型进行求解，为每个运输需求在候选路径集合上分配货量，在满足约束条件的情况下使得全局最优；输出目标路径集合和每一条目标路径分配的货量；
步骤28，初始化输出结果对象；
步骤29，遍历获取结果中的每个路径；
步骤291，综合考虑其他因素如成本、路由和中转时间等，对所述整数规划求解器输出的路径进行计算；
步骤292，将符合要求的路径加入到输出结果对象中；
步骤20，输出每个运输需求的最优路径与货量分配结果。
如图4所示，本发明一可选的实施例中，最终输出的结果可在应用软件上进行展示，并可依据基地、到货地和运输模式等既定条件，对输出的结果进行选择性展示。
本发明的该实施例，较现有的人工规划，将系统化降低运输总成本；运输网络越复杂、订单量越大，成本降低效果越显著；以某物流企业业务为例，涉及5大基地，21个分拨中心，500+经销商，铁路站台27个，港口11个，不同流向3000条，通过以该方法为核心的算法运算，预计优化年运输成本5％；同时较人工规划，提高规划效率90％以上。
本发明的该实施例，不仅适用于整车运输，对于零部件等运输体系同样适用；是物流运输核心竞争力的重要组成要素，能够为企业优化运营成本，提高业务效率。
如图5所示，本发明的实施例还提供一种运输订单的处理装置50，包括：
获取模块51，用于获取运输订单信息；
处理模块52，用于根据所述运输订单信息，生成运输网络有向图；根据运输模式对所述运输网络有向图进行遍历处理，获得满足所述运输模式的路径形成的候选路径集合，所述运输模式包括：公路运输模式、水路运输模式和铁路运输模式中的至少一种；将所述候选路径集合，输入线性规划模型进行处理，得到目标路径集合；其中，根据运输需求、运输货量、站点运输能力、运输模式和约束条件确定所述线性规划模型；按照路径规划规则对所述目标路径集合进行处理，得到最终路径。
可选的，根据所述运输订单信息，生成运输网络有向图，包括：
根据所述运输订单信息中的起始点、中转点和终点形成多条路径；
获取多条路径中各路径的运输成本；
将运输成本赋予到起始点、中转点和终点之间的各条边，作为有向图中边的权重，得到运输网络有向图。
可选的，根据运输模式对所述运输网络有向图进行遍历处理，获得满足所述运输模式的路径形成的候选路径集合，包括：
遍历所述运输网络有向图中从起始点到任一个终点的K个最短路径，K为正整数；
将运输成本高于公路运输模式的运输成本的路径，从K个最短路径中滤除，得到候选路径集合，所述公路运输模式的运输成本大于水路运输模式的运输成本，且大于铁路运输模式的运输成本。
可选的，根据运输需求、运输货量、运输模式和约束条件确定所述线性规划模型，包括：
依据节点吞吐量、铁水比例上下限等约束条件和运输需求、运输货量、运输模式构建约束条件；
将满足所述约束条件的运输成本最小的目标函数确定为所述线型规划模型。
可选的，所述目标函数为：
Figure BDA0004085894030000121
约束条件包括：
xp≥0,p∈P，
Figure BDA0004085894030000122
Figure BDA0004085894030000123
Figure BDA0004085894030000124
Figure BDA0004085894030000125
Figure BDA0004085894030000126
其中，min为求最小值，p为路径集合P中的路径；Cp为路径p的发运成本；xp为决策变量，表示路径p分配的货量；r为运输需求；R为运输需求的集合；rp为路径p对应的运输需求；Qr为运输需求r对应的货量；a为始发站/始发港；A为始发站/始发港的集合；ap为路径p对应的始发站/始发港；Ua为始发站/始发港a的发运能力上限；b为目的站/目的港；B为目的站/目的港的集合；bp为路径p对应的目的站/目的港；Ub为目的站/目的港b的到达能力上限；o为基地；O为基地集合；op为路径p对应的基地；Uo为基地o的铁水发运能力上限；m为运输模式，当m＝1时表示运输模式为公路，当m＝2时表示运输模式为铁路，当m＝3时表示运输模式为水路；mp为路径p的运输模式；y为目的地；Y为目的地集合；yp为路径p对应的目的地；Loy为基地o到目的地y的公路运量下限；Uoy为基地o到目的地y的公路运量上限。
可选的，按照路径规划规则对所述目标路径集合进行处理，得到最终路径，包括：
根据路径的成本、路由、中转时间中的至少一项，对所述目标路径集合中的路径进行遍历，得到最终路径。
可选的，根据路径的成本、路由、中转时间中的至少一项，对所述目标路径集合中的路径进行遍历，得到最终路径，包括：
根据y＝C+L+T+α对所述目标路径集合中的路径进行遍历，得到Y，Y＝{y1,y2,y3,……,yn}；其中，y1,y2,y3,yn分别为路径的综合成本，C为路径的成本、L为路由、T为中转时间、α为路径综合成本的辅助计算参数；
将Y＝{y1,y2,y3,……,yn}中的最小值ym作为所述最终路径。
需要说明的是，该装置是与上述方法对应的装置，上述方法实施例中的所有实现方式均适用于该装置的实施例中，也能达到相同的技术效果。
本发明的实施例一种计算设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本发明的实施例还提供一种计算机可读存储介质，存储有指令，所述指令在计算机上运行时，使得计算机执行如上述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
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、或者计算机软件和电子硬件的结合来实现。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。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，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。
在本发明所提供的实施例中，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，所述单元的划分，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。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元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，也可以两个或两个以上单元集成在一个单元中。
所述功能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取存储介质中。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，服务器，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。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外，需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行，某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言，能够理解本发明的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此，本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此，本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说，这样的程序产品也构成本发明，并且存储有这样的程序产品的存储介质也构成本发明。显然，所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种运输订单的处理方法，其特征在于，包括：
获取运输订单信息；
根据所述运输订单信息，生成运输网络有向图；
根据运输模式对所述运输网络有向图进行遍历处理，获得满足所述运输模式的路径形成的候选路径集合，所述运输模式包括：公路运输模式、水路运输模式和铁路运输模式中的至少一种；
将所述候选路径集合，输入线性规划模型进行处理，得到目标路径集合；其中，根据运输需求、运输货量、运输模式和约束条件确定所述线性规划模型；
按照路径规划规则对所述目标路径集合进行处理，得到最终路径。
2.根据权利要求1所述的运输订单的处理方法，其特征在于，根据所述运输订单信息，生成运输网络有向图，包括：
根据所述运输订单信息中的起始点、中转点和终点形成多条路径；
获取多条路径中各路径的运输成本；
将运输成本赋予到起始点、中转点和终点之间的各条边，作为有向图中边的权重，得到运输网络有向图。
3.根据权利要求1所述的运输订单的处理方法，其特征在于，根据运输模式对所述运输网络有向图进行遍历处理，获得满足所述运输模式的路径形成的候选路径集合，包括：
遍历所述运输网络有向图中从起始点到任一个终点的K个最短路径，K为正整数；
将运输成本高于公路运输模式的运输成本的路径，从K个最短路径中滤除，得到候选路径集合，所述公路运输模式的运输成本大于水路运输模式的运输成本，且大于铁路运输模式的运输成本。
4.根据权利要求1所述的运输订单的处理方法，其特征在于，根据运输需求、运输货量、运输模式和约束条件确定所述线性规划模型，包括：
依据节点吞吐量、铁水比例上下限等约束条件和运输需求、运输货量、运输模式构建约束条件；
将满足所述约束条件的运输成本最小的目标函数确定为所述线型规划模型。
5.根据权利要求4所述的运输订单的处理方法，其特征在于，所述目标函数为：
Figure FDA0004085894020000021
约束条件包括：
xp≥0,p∈P，
Figure FDA0004085894020000022
Figure FDA0004085894020000023
Figure FDA0004085894020000024
Figure FDA0004085894020000025
Figure FDA0004085894020000026
其中，min为求最小值，p为路径集合P中的路径；Cp为路径p的发运成本；xp为决策变量，表示路径p分配的货量；r为运输需求；R为运输需求的集合；rp为路径p对应的运输需求；Qr为运输需求r对应的货量；a为始发站/始发港；A为始发站/始发港的集合；ap为路径p对应的始发站/始发港；Ua为始发站/始发港a的发运能力上限；b为目的站/目的港；B为目的站/目的港的集合；bp为路径p对应的目的站/目的港；Ub为目的站/目的港b的到达能力上限；o为基地；O为基地集合；op为路径p对应的基地；Uo为基地o的铁水发运能力上限；m为运输模式，当m＝1时表示运输模式为公路，当m＝2时表示运输模式为铁路，当m＝3时表示运输模式为水路；mp为路径p的运输模式；y为目的地；Y为目的地集合；yp为路径p对应的目的地；Loy为基地o到目的地y的公路运量下限；Uoy为基地o到目的地y的公路运量上限。
6.根据权利要求1所述的运输订单的处理方法，其特征在于，按照路径规划规则对所述目标路径集合进行处理，得到最终路径，包括：
根据路径的成本、路由、中转时间中的至少一项，对所述目标路径集合中的路径进行遍历，得到最终路径。
7.根据权利要求6所述的运输订单的处理方法，其特征在于，根据路径的成本、路由、中转时间中的至少一项，对所述目标路径集合中的路径进行遍历，得到最终路径，包括：
根据y＝C+L+T+α对所述目标路径集合中的路径进行遍历，得到Y，Y＝{y1,y2,y3,……,yn}；其中，y1,y2,y3,yn分别为路径的综合成本，C为路径的成本、L为路由、T为中转时间、α为路径综合成本的辅助计算参数；
将Y＝{y1,y2,y3,……,yn}中的最小值ym作为所述最终路径。
8.一种运输订单的处理装置，其特征在于，包括：
获取模块，用于获取运输订单信息；
处理模块，用于根据所述运输订单信息，生成运输网络有向图；根据运输模式对所述运输网络有向图进行遍历处理，获得满足所述运输模式的路径形成的候选路径集合，所述运输模式包括：公路运输模式、水路运输模式和铁路运输模式中的至少一种；将所述候选路径集合，输入线性规划模型进行处理，得到目标路径集合；其中，根据运输需求、运输货量、站点运输能力、运输模式和约束条件确定所述线性规划模型；按照路径规划规则对所述目标路径集合进行处理，得到最终路径。
9.一种计算设备，其特征在于，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，存储指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1至7任一项所述的方法。
CN202310136472.9A 2023-01-18 2023-02-20 一种运输订单的处理方法、装置及设备 Pending CN116384603A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202320113541X 2023-01-18
CN202320113541 2023-01-18

Publications (1)

Publication Number Publication Date
CN116384603A true CN116384603A (zh) 2023-07-04

Family

ID=86977734

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310136472.9A Pending CN116384603A (zh) 2023-01-18 2023-02-20 一种运输订单的处理方法、装置及设备

Country Status (1)

Country Link
CN (1) CN116384603A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116611761A (zh) * 2023-07-18 2023-08-18 深圳市恒顺合鑫科技有限公司 一种基于智慧物流的信息处理方法及系统
CN117114560A (zh) * 2023-10-25 2023-11-24 中科云谷科技有限公司 用于确定物品运输路径的方法、装置、存储介质及处理器
CN118378862A (zh) * 2024-06-24 2024-07-23 浙江四港联动发展有限公司 一种基于多种不确定因素的多地空箱调配方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116611761A (zh) * 2023-07-18 2023-08-18 深圳市恒顺合鑫科技有限公司 一种基于智慧物流的信息处理方法及系统
CN116611761B (zh) * 2023-07-18 2024-01-05 深圳市恒顺合鑫科技有限公司 一种基于智慧物流的信息处理方法及系统
CN117114560A (zh) * 2023-10-25 2023-11-24 中科云谷科技有限公司 用于确定物品运输路径的方法、装置、存储介质及处理器
CN117114560B (zh) * 2023-10-25 2024-01-05 中科云谷科技有限公司 用于确定物品运输路径的方法、装置、存储介质及处理器
CN118378862A (zh) * 2024-06-24 2024-07-23 浙江四港联动发展有限公司 一种基于多种不确定因素的多地空箱调配方法

Similar Documents

Publication Publication Date Title
Wang et al. Modeling and optimization of a road–rail intermodal transport system under uncertain information
CN116384603A (zh) 一种运输订单的处理方法、装置及设备
Jha et al. A multi-objective meta-heuristic approach for transit network design and frequency setting problem in a bus transit system
Meng et al. Intermodal hub-and-spoke network design: incorporating multiple stakeholders and multi-type containers
Goerigk et al. Line planning with user-optimal route choice
Ben-Akiva et al. The aggregate-disaggregate-aggregate (ADA) freight model system
Berglund et al. Robust facility location problem for hazardous waste transportation
Michel et al. A column-generation based tactical planning method for inventory routing
Shang et al. Stochastic hierarchical multimodal hub location problem for cargo delivery systems: Formulation and algorithm
Ben Ticha et al. The time-dependent vehicle routing problem with time windows and road-network information
Chow et al. A network option portfolio management framework for adaptive transportation planning
CN110689165A (zh) 一种基于路网可达性的车辆路径优化方法
Sun et al. Finding p‐Hub Median Locations: An Empirical Study on Problems and Solution Techniques
Oliveira et al. Benders decomposition applied to profit maximizing hub location problem with incomplete hub network
Hasany et al. Two-stage stochastic programming for the railroad blocking problem with uncertain demand and supply resources
Jiang et al. A scheme for determining vehicle routes based on Arc-based service network design
CN107025504A (zh) 一种考虑区域交通状况的服务型库房选址方法
Bärmann et al. A decomposition method for multiperiod railway network expansion—with a case study for Germany
Ouyang et al. Community logistics and dynamic community partitioning: A new approach for solving e-commerce last mile delivery
Macharis et al. Modal choice in freight transport: combining multi-criteria decision analysis and geographic information systems
Boujelben et al. A distribution network design problem in the automotive industry: MIP formulation and heuristics
Krushinsky et al. Location flexibility in parcel delivery operations: framework and empirical analysis
Prokudin et al. Optimizing unbalanced freight deliveries in transportation networks
Gangeraj et al. Estimation of origin–destination matrix from traffic counts based on fuzzy logic
Mauttone et al. Public transportation

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