CN116384869A - 车辆路径规划方法、路径规划装置、电子设备及存储介质 - Google Patents
车辆路径规划方法、路径规划装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116384869A CN116384869A CN202310300429.1A CN202310300429A CN116384869A CN 116384869 A CN116384869 A CN 116384869A CN 202310300429 A CN202310300429 A CN 202310300429A CN 116384869 A CN116384869 A CN 116384869A
- Authority
- CN
- China
- Prior art keywords
- path
- distribution
- cost data
- initial
- delivery
- 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 47
- 238000004590 computer program Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 abstract description 4
- 238000003780 insertion Methods 0.000 description 13
- 230000037431 insertion Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 235000019505 tobacco product Nutrition 0.000 description 9
- 241000208125 Nicotiana Species 0.000 description 8
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000956 alloy Substances 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect 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
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- 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)
- Economics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种车辆路径规划方法、路径规划装置、电子设备及存储介质，属于运输优化技术领域，通过生成多个初始配送路径，对初始配送路径进行分类，得到第一中间配送路径和第二中间配送路径，从第一中间配送路径中抽取一个初始需求节点，作为中间需求节点，将剔除了中间需求节点的第一中间配送路径，作为第一候选配送路径，将中间需求节点加入预设配送路径，得到第三中间配送路径，若第一配送成本数据小于第二配送成本数据，则将第三中间配送路径作为第二候选配送路径，计算候选配送路径集的第三配送成本数据，根据第三配送成本数据对候选配送路径集进行路径规划，得到目标配送路径，提高了车辆路径规划的准确性。
Description
技术领域
本申请涉及运输优化技术领域，尤其涉及一种车辆路径规划方法、路径规划装置、电子设备及存储介质。
背景技术
相关技术中，采用最短路径规划算法对车辆行驶路径进行规划。最短路径规划算法以距离作为度量指标，将供应节点至需求节点距离最短的路径作为车辆行驶路径，但是最短路径并非是最优路径，并未考虑到其他影响路径规划的因素，导致车辆路径规划的准确性降低。
发明内容
本申请实施例的主要目的在于提出一种车辆路径规划方法、路径规划装置、电子设备及存储介质，旨在提高车辆路径规划的准确性。
为实现上述目的，本申请实施例的第一方面提出了一种车辆路径规划方法，所述方法包括：
生成多个初始配送路径；所述初始配送路径包括多个初始需求节点，每个所述初始配送路径的所述初始需求节点均不同；
对所述初始配送路径进行分类，得到第一中间配送路径和第二中间配送路径；
从所述第一中间配送路径中抽取一个初始需求节点，作为中间需求节点；
将剔除了所述中间需求节点的所述第一中间配送路径，作为第一候选配送路径；
将所述中间需求节点加入预设配送路径，得到第三中间配送路径；所述预设配送路径为第一中间配送路径、第二中间配送路径或者第一候选配送路径；
若第一配送成本数据小于第二配送成本数据，则将所述第三中间配送路径作为第二候选配送路径；所述第一配送成本数据为所述第三中间配送路径的配送成本数据，所述第二配送成本数据为所述预设配送路径的配送成本数据以及供应节点至所述中间需求节点的配送成本数据之和；
根据所述第二候选配送路径构建候选配送路径集，计算所述候选配送路径集的第三配送成本数据；
根据所述第三配送成本数据对所述候选配送路径集进行路径规划，得到目标配送路径。
在一些实施例，所述对所述初始配送路径进行分类，得到第一中间配送路径和第二中间配送路径，包括：
获取第一路径长度和第二路径长度；所述第一路径长度为所述初始配送路径的路径总长度，所述第二路径长度为供应节点至预设需求节点的路径长度，所述预设需求节点为所述初始配送路径的多个初始需求节点中，距离所述供应节点最远的初始需求节点；
根据所述第一路径长度和所述第二路径长度对所述初始配送路径进行路径评估，得到路径评分；
根据所述路径评分对所述初始配送路径进行分类，得到所述第一中间配送路径和所述第二中间配送路径。
在一些实施例，所述根据所述路径评分对所述初始配送路径进行分类，得到所述第一中间配送路径和所述第二中间配送路径，包括：
比对路径评分和预设评分阈值；
若所述路径评分大于所述预设评分阈值，将所述初始配送路径作为所述第一中间配送路径；
若所述路径评分小于或者等于所述预设评分阈值，将所述初始配送路径作为所述第二中间配送路径。
在一些实施例，所述计算候选配送路径集的第三配送成本数据，包括：
根据候选配送路径集中的路径数目，确定车辆数目；
根据单位车辆启动成本与所述车辆数目进行启动成本评估，得到车辆启动成本数据；
根据单位体积运输成本与所述车辆数目进行运输成本评估，得到车辆单位体积运输成本数据；
根据单位时间惩罚成本与偏差时间进行时间成本评估，得到时间成本数据；
将所述车辆启动成本数据、所述车辆单位体积运输成本数据和所述时间成本数据进行数据求和，得到所述第三配送成本数据。
在一些实施例，所述单位体积运输成本根据以下方式计算得到：
获取车辆体积、车辆装载率、片区系数、运量系数、所述初始需求节点的产品需求量以及所述初始需求节点之间的距离；
根据所述车辆装载率、所述片区系数、所述运量系数、所述产品需求量和所述距离，得到运输成本数据；
根据所述运输成本数据和所述车辆体积，得到所述单位体积运输成本。
在一些实施例，所述根据所述第三配送成本数据对所述候选配送路径集进行路径规划，得到目标配送路径，包括：
根据所述第三配送成本数据对所述候选配送路径集进行路径更新，得到第一配送路径集，并计算所述第一配送路径集的第四配送成本数据；
对所述第四配送成本数据和所述第三配送成本数据进行数据求差，得到成本差异数据；
根据所述成本差异数据与所述第四配送成本数据的比值对所述第一配送路径集进行路径规划，得到所述目标配送路径。
在一些实施例，所述根据所述第三配送成本数据对所述候选配送路径集进行路径规划，得到目标配送路径，包括：
根据所述第三配送成本数据对所述候选配送路径集进行路径更新，得到第二配送路径集；
获取所述第二配送路径集的路径未更新次数；
若所述路径未更新次数大于或者等于预设次数阈值，则将所述第二配送路径集中的路径作为所述目标配送路径。
为实现上述目的，本申请实施例的第二方面提出了一种路径规划装置，所述装置包括：
路径生成模块，用于生成多个初始配送路径；所述初始配送路径包括多个初始需求节点，每个所述初始配送路径的所述初始需求节点均不同；
路径分类模块，用于对所述初始配送路径进行分类，得到第一中间配送路径和第二中间配送路径；
节点抽取模块，用于从所述第一中间配送路径中抽取一个初始需求节点，作为中间需求节点；
第一路径确定模块，用于将剔除了所述中间需求节点的所述第一中间配送路径，作为第一候选配送路径；
节点加入模块，用于将所述中间需求节点加入预设配送路径，得到第三中间配送路径；所述预设配送路径为第一中间配送路径、第二中间配送路径或者第一候选配送路径；
第二路径确定模块，用于若第一配送成本数据小于第二配送成本数据，则将所述第三中间配送路径作为第二候选配送路径；所述第一配送成本数据为所述第三中间配送路径的配送成本数据，所述第二配送成本数据为所述预设配送路径的配送成本数据以及供应节点至所述中间需求节点的配送成本数据之和；
计算模块，用于根据所述第二候选配送路径构建候选配送路径集，计算候选配送路径集的第三配送成本数据；
路径规划模块，用于根据所述第三配送成本数据对所述候选配送路径集进行路径规划，得到目标配送路径。
为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的车辆路径规划方法。
为实现上述目的，本申请实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读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实现上述第一方面所述的车辆路径规划方法。
本申请提出的车辆路径规划方法、路径规划装置、电子设备及计算机可读存储介质,通过生成多个初始配送路径,能够得到每个车辆的初始配送路径。为了区分多个初始配送路径中的优秀个体和较差个体，对初始配送路径进行分类，得到第一中间配送路径和第二中间配送路径。从第一中间配送路径中抽取一个初始需求节点，作为中间需求节点，将剔除了中间需求节点的第一中间配送路径，作为第一候选配送路径，以对较差个体进行优化。为了增加个体多样性，将所述中间需求节点加入预设配送路径，得到第三中间配送路径，以产生新个体。若第一配送成本数据小于第二配送成本数据，则将第三中间配送路径作为第二候选配送路径，说明第三中间配送路径作为新个体可以参与到车辆的路径规划中。计算候选配送路径集的第三配送成本数据，根据第三配送成本数据对候选配送路径集进行路径规划，得到目标配送路径，通过配送成本对车辆的路径进行规划，与基于最短路径进行车辆路径规划的方式相比，能够提高车辆规划的准确性。
附图说明
图1是本申请实施例提供的车辆路径规划方法的流程图；
图2是图1中的步骤S120的流程图；
图3是图2中的步骤S230的流程图；
图4是图1中的步骤S170的流程图；
图5是本申请另一实施例提供的车辆路径规划方法的流程图；
图6是图1中的步骤S180的流程图；
图7是图1中的步骤S180的另一流程图；
图8是本申请实施例提供的路径规划装置的结构示意图；
图9是本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
区域配送是现代物流服务体系的重要组成部分，配送路径的合理化能够使供应节点快速响应需求节点的需求，提高供应节点的服务质量。
相关技术中，采用最短路径规划算法或者人工经验对车辆行驶路径进行规划。最短路径规划算法以距离作为度量指标，将供应节点至需求节点距离最短的路径作为车辆行驶路径，但是最短路径并非是最优路径，并未考虑到其他影响路径规划的因素，导致车辆路径规划的准确性降低。采用人工经验对车辆行驶路径进行规划，车辆路径规划完全依靠人为主观经验，使得车辆路径规划的准确性以及效率都比较低。
基于此，本申请实施例提供了一种车辆路径规划方法、路径规划装置、电子设备及计算机可读存储介质，旨在提高车辆路径规划的准确性和效率。
本申请实施例提供的车辆路径规划方法、路径规划装置、电子设备及计算机可读存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中的车辆路径规划方法。
本申请实施例提供的车辆路径规划方法，涉及运输优化技术领域。本申请实施例提供的车辆路径规划方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、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、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；软件可以是实现车辆路径规划方法的应用等，但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
图1是本申请实施例提供的车辆路径规划方法的一个可选的流程图，图1中的方法可以包括但不限于包括步骤S110至步骤S180。
步骤S110，生成多个初始配送路径；初始配送路径包括多个初始需求节点，每个初始配送路径的初始需求节点均不同；
步骤S120，对初始配送路径进行分类，得到第一中间配送路径和第二中间配送路径；
步骤S130，从第一中间配送路径中抽取一个初始需求节点，作为中间需求节点；
步骤S140，将剔除了中间需求节点的第一中间配送路径，作为第一候选配送路径；
步骤S150，将中间需求节点加入预设配送路径，得到第三中间配送路径；预设配送路径为第一中间配送路径、第二中间配送路径或者第一候选配送路径；
步骤S160，若第一配送成本数据小于第二配送成本数据，则将第三中间配送路径作为第二候选配送路径；第一配送成本数据为第三中间配送路径的配送成本数据，第二配送成本数据为预设配送路径的配送成本数据以及供应节点至中间需求节点的配送成本数据之和；
步骤S170，根据第二候选配送路径构建候选配送路径集，计算候选配送路径集的第三配送成本数据；
步骤S180，根据第三配送成本数据对候选配送路径集进行路径规划，得到目标配送路径。
在一些实施例的步骤S110中，随机生成多个初始配送路径，得到初始配送路径集合，初始配送路径包括供应节点和多个初始需求节点，供应节点为初始配送路径的起始节点。初始配送路径具有如下特点：多个初始配送路径具有同一供应节点，每个初始配送路径的初始需求节点均不同，全部初始配送路径的全部初始需求节点构成需求节点集合。初始配送路径的起始节点和终止节点大多不属于同一区域，且各初始需求节点大多也不属于同一区域，导致初始配送路径的路径长度较长。
当存在多个供应节点，且供应节点属于同一区域，可将这多个供应节点视为一个供应节点。例如A公司有5个供应节点，从全局大范围来看，这5个供应节点属于同一区域，将这5个供应节点视为1个供应节点，从而将多供应节点配送问题转化为单供应节点配送问题。
初始配送路径是由多个节点按照配送顺序串接起来的串，通过初始配送路径的节点配送顺序进行烟草产品运输，以供应节点为起点将产品配送至初始配送路径上的多个初始需求节点，每个初始需求节点只由一辆车负责配送。产品运输为单向运输，即只能从供应节点向需求节点配送产品，不存在逆向物流。
请参阅图2，在一些实施例中，步骤S120可以包括但不限于包括步骤S210至步骤S230：
步骤S210，获取第一路径长度和第二路径长度；第一路径长度为初始配送路径的路径总长度，第二路径长度为供应节点至预设需求节点的路径长度，预设需求节点为初始配送路径的多个初始需求节点中，距离供应节点最远的初始需求节点；
步骤S220，根据第一路径长度和第二路径长度对初始配送路径进行路径评估，得到路径评分；
步骤S230，根据路径评分对初始配送路径进行分类，得到第一中间配送路径和第二中间配送路径。
在一些实施例的步骤S210中，随机生成的多个初始配送路径中存在优秀路径个体和较差路径个体。为了使路径规划合理，避免通过较差路径进行产品运输降低服务质量，对于所有初始配送路径，判断每个初始配送路径是否优秀。具体地，对初始配送路径进行分类，得到第一中间配送路径和第二中间配送路径，第一中间配送路径为较差路径个体，第二中间配送路径为优秀路径个体。本申请实施例采用路径长度评估路径是否优秀。通过地图api接口获取初始配送路径的路径总长度，作为第一路径长度，并通过地图api接口获取初始配送路径上供应节点至每一初始需求节点的路径长度，将路径长度最大的作为第二路径长度。
在一些实施例的步骤S220中，将第一路径长度和第二路径长度的比值，作为初始配送路径的路径评分，路径评分用于表示初始配送路径是否为优秀路径个体。
在一些实施例的步骤S230中，比对路径评分和预设评分阈值，若路径评分大于预设评分阈值，将初始配送路径作为第一中间配送路径，若路径评分小于或者等于预设评分阈值，将初始配送路径作为第二中间配送路径。
通过上述步骤S210至步骤S230，能够识别初始配送路径是优秀路径个体，还是较差路径个体，以对较差路径个体进行优化。
请参阅图3，在一些实施例中，步骤S230可以包括但不限于包括步骤S310至步骤S330：
步骤S310，比对路径评分和预设评分阈值；
步骤S320，若路径评分大于预设评分阈值，将初始配送路径作为第一中间配送路径；
步骤S330，若路径评分小于或者等于预设评分阈值，将初始配送路径作为第二中间配送路径。
在一些实施例的步骤S310中，比对初始配送路径的路径评分和预设评分阈值，预设评分阈值是一个给定的常数k。
在一些实施例的步骤S320中，若路径评分大于预设评分阈值，说明初始配送路径绕路较远，会产生较大的配送成本，初始配送路径不优秀，为较差路径个体，将初始配送路径作为第一中间配送路径。
在一些实施例的步骤S330中，若路径评分小于或者等于预设评分阈值，说明初始配送路径中各初始需求节点的配送次序合理，初始配送路径为优秀路径个体，将初始配送路径作为第二中间配送路径。
通过上述步骤S310至步骤S330,能够基于路径评分判断初始配送路径是否优秀,以对较差路径进行路径优化。
在一些实施例的步骤S130中，若有n个初始配送路径，对n个初始配送路径分类后，得到n1个第一中间配送路径和n2个第二中间配送路径，n1和n2均为非负整数，且n1和n2的和值为n。从n1第一中间配送路径中随机选取m个第一中间配送路径，针对这m个第一中间配送路径，从每个第一中间配送路径中随机抽取一个初始需求节点，得到m个中间需求节点，m小于或者等于n1。
在一些实施例的步骤S140中，将剔除了中间需求节点的第一中间配送路径，作为第一候选配送路径，从而得到m个第一候选配送路径，以对较差路径进行优化。
在一些实施例的步骤S150中，将中间需求节点加入预设配送路径，以增加路径个体的多样性，在m等于n1的情况下，即对全部第一中间配送路径进行节点抽取后，从n1个第一候选配送路径和n2个第二中间配送路径构成的路径集合中随机选取m个路径，得到m个预设路径，预设路径可以是第一候选配送路径，也可以是第二中间配送路径，将中间需求节点随机插入预设路径中。在m小于n1的情况下，即对m个第一中间配送路径进行节点抽取后，从m个第一候选配送路径、未进行节点抽取的n1-m个第一中间配送路径和n2个第二中间配送路径构成的路径集合中随机选取m个路径，得到m个预设路径，预设路径可以是第一候选配送路径、第一中间配送路径或者第二中间配送路径。
具体地，对于一个中间需求节点，遍历这m个预设路径，并遍历预设路径的插入点，将中间需求节点加入该插入点。插入点可以是供应节点与初始需求节点之间的位置，也可以是相邻初始需求节点之间的位置。需要说明的是，在一次迭代中，若预设路径已加入一中间需求节点后，对于其他的中间需求节点，则不再遍历该预设路径。
在一些实施例的步骤S160中，若第一配送成本数据小于第二配送成本数据，说明插入点为最佳插入点，将预设路径移出初始配送路径集合，并将第三中间配送路径作为第二候选配送路径。若预设路径为第一候选配送路径，则将第一候选配送路径对应的第一中间配送路径移出初始配送路径集合。需要说明的是，第二候选配送路径为使第一配送成本数据最小的初始需求节点排列构成的路径。通过判断插入点是否为最佳插入点，能够减少插入不优路径后计算初始需求节点排列的代价。
若第一配送成本数据大于或者等于第二配送成本数据，则继续将中间需求节点加入该预设路径的另一插入点，并计算加入该插入点得到的第一配送成本数据和第二配送成本数据，以根据第一配送成本数据和第二配送成本数据判断该插入点是否为最佳插入点。重复该过程，直至中间需求节点加入任一预设路径中。若在这m个预设路径中均无法找到中间需求节点的最佳插入点，则重新生成新路径，将该中间需求节点作为新路径上的第一个需求节点，并将新路径加入初始配送路径集合。由于现实中的一次配送，一条路径上的初始需求节点不会过多，能够通过遍历提高找到最佳插入点的效率。
第三中间配送路径St*的配送成本数据f(St*)为第一配送成本数据,预设配送路径St的配送成本数据为f(St),供应节点至中间需求节点Pnew的配送成本数据为f(Pnew),将f(St)和f(Pnew)的配送成本数据之和f(St)+f(Pnew)作为第二配送成本数据。
请参阅图4，在一些实施例中，步骤S170可以包括但不限于包括步骤S410至步骤S450：
步骤S410，根据候选配送路径集中的路径数目，确定车辆数目；
步骤S420，根据单位车辆启动成本与车辆数目进行启动成本评估，得到车辆启动成本数据；
步骤S430，根据单位体积运输成本与车辆数目进行运输成本评估，得到车辆单位体积运输成本数据；
步骤S440，根据单位时间惩罚成本与偏差时间进行时间成本评估，得到时间成本数据；
步骤S450，将车辆启动成本数据、车辆单位体积运输成本数据和时间成本数据进行数据求和，得到第三配送成本数据。
在一些实施例的步骤S410中，将第二候选配送路径加入新集合，得到候选配送路径集，候选配送路径集中的全部第二候选配送路径的全部初始需求节点构成需求节点集合，计算候选配送路径集的第三配送成本数据，以根据第三配送成本数据进行车辆路径规划。一个路径上的配送任务只由一辆车负责，获取候选配送路径集中的路径数目，得到车辆数目K，需求节点集合由这K辆车完成配送。
在一些实施例的步骤S420中，单位车辆启动成本为一辆车的固定启动成本，将单位车辆启动成本与车辆数目相乘，以进行启动成本评估，得到车辆启动成本数据。若单位车辆启动成本为C0，车辆数目为K，则车辆启动成本数据为C0K。
在一些实施例的步骤S430中，负责配送任务的车辆均为无特殊功能的常温普通车辆，但车辆类型不唯一。不同车辆类型的单位体积运输成本不同，将每辆车的单位体积运输成本进行成本求和，得到车辆单位体积运输成本数据。
在一些实施例的步骤S440中，偏差时间为车辆配送超时的时间，即车辆到达需求节点的实际时间与期望时间的时间差。在烟草产品送达方面，烟草产品具有可存放、质量轻、价值大等特性，需求节点一般都会保留一定的安全库存水平提前订购，超出期望时间对需求节点一般不会造成太大影响；在货损货差方面，烟草产品属于抗挤压、抗摔打的产品类型，再加上包装箱的保护及紧密堆叠，一般不会出现货损货差。需求节点对物流服务水平一般不做要求，但从供应节点的角度看会产生较大的时间成本，若产品未在预期时间到达，对于供应节点来说，会产生和需求节点之间协调的时间成本。因此，在烟草产品配送过程中，车辆送达需求节点的时间为软时间约束，配送时间应尽量满足期望时间，也可以超出期望时间，超出期望时间则需要承担惩罚成本。通过加入时间成本数据对配送超时情况进行惩罚，以对路径进行优化，提高配送效率。时间成本数据的计算方式如公式(1)所示。
其中，r表示第r个初始需求节点；N为初始需求节点的节点数目；K为车辆数目；β为单位时间惩罚成本，为车辆未在期望时间到达初始需求节点而产生的惩罚成本，β为无限大的常数；Tkr为第k辆车到达第r个初始需求节点的偏差时间，表示车辆k到达初始需求节点r的实际时间与初始需求节点r期望时间的时间间隔。
在一些实施例的步骤S450中，将车辆启动成本数据、车辆单位体积运输成本数据和时间成本数据进行数据求和，得到候选配送路径集的第三配送成本数据。
通过上述步骤S410至步骤S450，能够得到候选配送路径集的第三配送成本数据，以根据第三配送成本数据进行车辆路径规划，从而提高配送效率，减少运输成本。
请参阅图5，在一些实施例中，步骤S430中的单位体积运输成本的计算过程可以包括但不限于包括步骤S510至步骤S530：
步骤S510，获取车辆体积、车辆装载率、片区系数、运量系数、初始需求节点的产品需求量以及初始需求节点之间的距离；
步骤S520，根据车辆装载率、片区系数、运量系数、产品需求量和距离，得到运输成本数据；
步骤S530，根据运输成本数据和车辆体积，得到单位体积运输成本。
在一些实施例的步骤S510中，第k辆车的车辆体积为Vk，车辆装载率用于反映车辆装载烟草产品的充盈程度，为车辆装载量占车辆最大装载限制的比例，可表示为γ。片区系数用于反映不同区域的发展情况，表示为μ。运量系数是与车辆装载量存在映射关系的系数，表示为
第j个初始需求节点的产品需求量表示为qj。片区系数和运量系数均是与运输成本相关的常数。初始需求节点i与初始需求节点j之间的距离表示为dij。从预设的片区系数表中查询不同地点的片区系数。调用地图api接口获取初始需求节点之间的距离。可以理解的是，配送开始前，各需求节点的地点位置信息以及各需求节点的产品需求量均为已知信息。不同类型车辆的车辆体积会有所不同，不同车辆的车辆装载率也会有所不同。
在一些实施例的步骤S520中，根据需求节点的产品需求量和预设路径决策信息得到车辆装载量，预设路径决策信息用于反映车辆是否经过该路径。预设路径决策信息表示为xijk，当xijk为1时，说明第k辆车从初始需求节点i行驶到初始需求节点j，经过由初始需求节点i和初始需求节点j构成的路径，当xijk为0时，说明第k辆车未经过由初始需求节点i和初始需求节点j构成的路径。将车辆经过路径上每个初始需求节点的产品需求量的和值作为车辆装载量。第k辆车的车辆装载量τk的计算方法如公式(2)所示，第k辆车的车辆装载率γk的计算方法如公式(3)所示。
其中，Qk为第k辆车的车辆最大装载限制，N为初始需求节点的个数。
单个初始需求节点的产品需求量较大，为了在一定程度上保证运输效率，对单条第二候选配送路径允许有限的配送次数，即单条路径所服务的产品需求量有一定的限制。车辆的载重是一定的，同一路径上的各初始需求节点的产品需求量的总和不得超过车辆最大装载限制，满足重量约束条件，重量约束条件如公式(4)所示。
每个初始需求节点均被服务一次，即经过任意初始需求节点i至初始需求节点j构成的路径的车辆在车辆集合中只有一个，满足需求节点服务约束条件。
需求节点服务约束条件如公式(5)所示。
初始需求节点i的位置信息为(xi,yi)，初始需求节点j的位置信息为(xj,yj)，x为位置信息的横坐标，y为位置信息的纵坐标，初始需求节点i与初始需求节点j之间的距离
在进行配送任务时，每辆车的配送距离不得超过最大配送距离，满足车辆行驶距离约束条件。车辆行驶距离约束条件如公式(6)所示。
其中，Dk为第k辆车的车辆最大行驶距离。
车辆运输形成闭环，即所有车辆均从供应节点出发，完成第二候选配送路径上所有初始需求节点的配送任务后，返回供应节点，满足供应节点约束条件。车辆进入一路径的次数与从该路径返回的次数相等，以达到流量平衡，满足需求节点约束条件，供应节点约束条件如公式(7)所示，需求节点约束条件如公式(8)所示。
需要说明的是，本申请实施例不限制车辆数目，假设车辆数目是充足的，车辆数目K为需要使用的车辆数。
车辆装载的烟草产品以箱或者万支为单位，第k辆车的运量系数
满足运量系数约束条件，运量系数约束条件如公式(9)所示。
将单位距离行使成本C1、第k辆车的车辆装载率γk、片区系数μ、第k辆车的运量系数
车辆运载量τk以及初始需求节点之间的距离dij进行相乘，得到第k辆车的运输成本数据。运输成本数据的计算方法如公式(10)所示。
车辆数目K服从所需车辆数约束条件，所需车辆数约束条件如公式(11)所示。
其中，Q为车辆平均最大载重限制。
配送时间满足时间约束条件，时间约束条件如公式(12)和公式(13)所示。
Tkr＝akr-tr,akr>tr 公式(13)
设置汽车出发时间为0，akr为车辆k到达初始需求节点r的实际时间；[0,tr]为初始需求节点r期望的最佳服务时间；v为车辆行驶的平均速度。
可以理解的是，当实际送达时间akr超出最晚服务时间tr，会产生时间成本数据。
每辆车的体积是一定的，每辆车所装载的物品总底面积不超过车的底面积，服从装载约束条件。装载约束条件如公式(14)所示。
其中，Nk为第k辆车服务的初始需求节点的数目，1≤k≤K。Xkh为第k辆车服务的第h个初始需求节点，1≤h<g≤N，g表示初始需求节点h之后的第g个初始需求节点。S为车厢底面积，S＝W×L，W为车厢底面宽度，L为车厢底面长度。
为初始需求节点Xkh所需产品的总底面积。
若Xkh为r，1≤r≤N，I(r,s)为初始需求节点r所需的第s件产品，(wrs,lrs)为产品I(r,s)在车厢摆放时的宽、长，wrs为产品I(r,s)的底面宽度，lrs为产品I(r,s)的底面长度，1≤s≤mr，mr为初始需求节点r所需的产品数量，则初始需求节点r所需产品的总底面积
通过(xrs,yrs)和/>
表示产品I(r,s)在车厢中的位置，(xrs,yrs)为产品底面左上角的坐标,即产品底面的顶点中距原点最近的顶点的坐标，/>
为产品底面右下角的坐标,即产品底面的顶点中距原点最远的顶点的坐标。需要说明的是，物流配送数据包括需求节点的数量、每个需求节点需要的烟草种类以及各烟草种类的需求量、需求节点的期望送达时间、车辆数目、车辆长宽高、烟箱长宽高、片区系数、烟箱中的烟草产品支数，不同需求节点之间的距离。烟草产品存放于烟箱中，将第s个烟箱视为第s件产品，烟草种类以烟箱长宽高的不同进行区分。
产品必须放在车厢内，且不能超过车厢地面范围，服从产品摆放约束条件。
产品摆放约束条件如公式(15)至公式(18)所示。
其中，
为第k辆车服务的第h个初始需求节点所需的第u件产品的产品底面右下角的横坐标，1≤k≤K，/>
为该第u件产品的产品左上角的横坐标；
为该第u件产品的底面宽度；/>
为该第u件产品的产品底面右下角的纵坐标；/>
为该第u件产品的产品底面左上角的纵坐标；/>
为该第u件产品的底面长度。
产品在配送过程中因路况等原因会发生位置变化，满足产品旋转约束条件；产品旋转约束条件如公式(19)所示。
其中，Trs为若干二元组构成的集合，每个二元组对应产品I(r,s)的一种摆放位置。
为第k辆车服务的第h个初始需求节点所需的第u件产品的摆放位置的集合。
同一车厢内，产品的物理空间不能重合，两个产品之间满足的产品摆放约束如公式(20)所示。
后卸载的产品不能阻挡先卸载的产品，当h>g时,
当h<g时,
U为第k辆车服务的第g个初始需求节点所需产品的产品集合，
且当g＝h时,v≠u}表示与产品I(Xkh,u)放在同一辆车内的其他物品集合。
在一些实施例的步骤S530中，将第k辆车的运输成本数据与车辆体积Vk相除，得到第k辆车的单位体积运输成本。单位体积运输成本的计算方法如公式(21)所示。
通过上述步骤S510至步骤S530，能够得到车辆的单位体积运输成本。
请参阅图6，在一些实施例中，步骤S180可以包括但不限于包括步骤S610至步骤S630：
步骤S610，根据第三配送成本数据对候选配送路径集进行路径更新，得到第一配送路径集，并计算第一配送路径集的第四配送成本数据；
步骤S620，对第四配送成本数据和第三配送成本数据进行数据求差，得到成本差异数据；
步骤S630，根据成本差异数据与第四配送成本数据的比值对第一配送路径集进行路径规划，得到目标配送路径。
在一些实施例的步骤S610中，通过最大邻域搜索算法(Large NeighborhoodSearch，LNS)以最小化第三配送成本数据为目标函数，重复步骤S120至S170对候选配送路径集进行更新，选取第三配送成本数据最小的候选配送路径集，将候选配送路径集中的全部第二候选配送路径作为目标配送路径。具体地，若第三配送成本数据不是最小值，且当前路径迭代次数未达到预设迭代次数，根据第三配送成本数据对候选配送路径集进行路径更新，得到第一配送路径集，并计算第一配送路径集的新路径成本，得到第四配送成本数据。第四配送成本数据与第三配送成本数据的计算方法相同，此处不再赘述。
在一些实施例的步骤S620中，将第四配送成本数据与第三配送成本数据进行相减得到的差值的绝对值作为成本差异数据。
在一些实施例的步骤S630中，在路径迭代过程中，为了防止陷入局部最优解，本申请实施例根据成本差异数据与第四配送成本数据的比值进行路径规划。具体地，将成本差异数据除以第四配送成本数据得到比值，若比值小于预设比值阈值，则第一配送路径集有预设概率为目标配送路径。例如，比值小于0.03，则有0.1的概率将第一配送路径集作为目标配送路径。若比值大于或者等于预设比值阈值，则第一配送路径集不是目标配送路径，继续对第一配送路径集进行更新。
上述步骤S610至步骤S630，能够避免得到的目标配送路径是局部最优解，提高了路径规划的准确性。
请参阅图7，在一些实施例中，步骤S180还可以包括但不限于包括步骤S710至步骤S730：
步骤S710，根据第三配送成本数据对候选配送路径集进行路径更新，得到第二配送路径集；
步骤S720，获取第二配送路径集的路径未更新次数；
步骤S730，若路径未更新次数大于或者等于预设次数阈值，则将第二配送路径集中的路径作为目标配送路径。
在一些实施例的步骤S710中，通过LNS以最小化第三配送成本数据为目标函数，对候选配送路径集进行路径更新，得到第二配送路径集。
在一些实施例的步骤S720至S730中，若当前路径迭代次数达到迭代次数阈值或者最优解不再更新超过一定的次数，则停止路径迭代，将当前得到的路径集作为目标配送路径。
通过上述步骤S710至步骤S730，在当前路径迭代次数未达到迭代次数阈值的情况下，能够得到目标配送路径，而不再继续进行路径迭代，提高了路径规划的效率。
请参阅图8，本申请实施例还提供一种路径规划装置，可以实现上述车辆路径规划方法，该装置包括：
路径生成模块810，用于生成多个初始配送路径；初始配送路径包括多个初始需求节点，每个初始配送路径的初始需求节点均不同；
路径分类模块820，用于对初始配送路径进行分类，得到第一中间配送路径和第二中间配送路径；
节点抽取模块830，用于从第一中间配送路径中抽取一个初始需求节点，作为中间需求节点；
第一路径确定模块840，用于将剔除了中间需求节点的第一中间配送路径，作为第一候选配送路径；
节点加入模块850，用于将中间需求节点加入预设配送路径，得到第三中间配送路径；预设配送路径为第一中间配送路径、第二中间配送路径或者第一候选配送路径；
第二路径确定模块860，用于若第一配送成本数据小于第二配送成本数据，则将第三中间配送路径作为第二候选配送路径；第一配送成本数据为第三中间配送路径的配送成本数据，第二配送成本数据为第二中间配送路径的配送成本数据以及供应节点至中间需求节点的配送成本数据之和；
计算模块870，用于计算候选配送路径集的第三配送成本数据；候选配送路径集包括第一候选配送路径和第二候选配送路径；
路径规划模块880，用于根据第三配送成本数据对候选配送路径集进行路径规划，得到目标配送路径。
该路径规划装置的具体实施方式与上述车辆路径规划方法的具体实施例基本相同，在此不再赘述。
本申请实施例还提供了一种电子设备，电子设备包括括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述车辆路径规划方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
请参阅图9，图9示意了另一实施例的电子设备的硬件结构，电子设备包括：
处理器910，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；
存储器920，可以采用只读存储器(ReadOnlyMemory，ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory，RAM)等形式实现。存储器920可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器920中，并由处理器910来调用执行本申请实施例的车辆路径规划方法；
输入/输出接口930，用于实现信息输入及输出；
通信接口940，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；
总线950，在设备的各个组件(例如处理器910、存储器920、输入/输出接口930和通信接口940)之间传输信息；
其中处理器910、存储器920、输入/输出接口930和通信接口940通过总线950实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述车辆路径规划方法。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例提供的车辆路径规划方法、路径规划装置、电子设备及计算机可读存储介质，其通过生成多个初始配送路径,能够得到每个车辆的初始配送路径。为了区分多个初始配送路径中的优秀个体和较差个体，对初始配送路径进行分类，得到第一中间配送路径和第二中间配送路径。从第一中间配送路径中抽取一个初始需求节点，作为中间需求节点，将剔除了中间需求节点的第一中间配送路径，作为第一候选配送路径，以对较差个体进行优化。为了增加个体多样性，将中间需求节点加入预设配送路径，得到第三中间配送路径，以产生新个体。若第一配送成本数据小于第二配送成本数据，则将第三中间配送路径作为第二候选配送路径，说明第三中间配送路径作为新个体可以参与到车辆的路径规划中。计算候选配送路径集的第三配送成本数据，根据第三配送成本数据对候选配送路径集进行路径规划，得到目标配送路径，通过配送成本对车辆的路径进行规划，与基于最短路径进行车辆路径规划的方式相比，能够提高车辆规划的准确性。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的，其中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，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。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请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，上述单元的划分，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。
上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，在本申请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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请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，包括多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)执行本申请各个实施例的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、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。
Claims (10)
1.车辆路径规划方法，其特征在于，所述方法包括：
生成多个初始配送路径；所述初始配送路径包括多个初始需求节点，每个所述初始配送路径的所述初始需求节点均不同；
对所述初始配送路径进行分类，得到第一中间配送路径和第二中间配送路径；
从所述第一中间配送路径中抽取一个初始需求节点，作为中间需求节点；
将剔除了所述中间需求节点的所述第一中间配送路径，作为第一候选配送路径；
将所述中间需求节点加入预设配送路径，得到第三中间配送路径；所述预设配送路径为第一中间配送路径、第二中间配送路径或者第一候选配送路径；
若第一配送成本数据小于第二配送成本数据，则将所述第三中间配送路径作为第二候选配送路径；所述第一配送成本数据为所述第三中间配送路径的配送成本数据，所述第二配送成本数据为所述预设配送路径的配送成本数据以及供应节点至所述中间需求节点的配送成本数据之和；
根据所述第二候选配送路径构建候选配送路径集，计算候选配送路径集的第三配送成本数据；
根据所述第三配送成本数据对所述候选配送路径集进行路径规划，得到目标配送路径。
2.根据权利要求1所述的车辆路径规划方法，其特征在于，所述对所述初始配送路径进行分类，得到第一中间配送路径和第二中间配送路径，包括：
获取第一路径长度和第二路径长度；所述第一路径长度为所述初始配送路径的路径总长度，所述第二路径长度为供应节点至预设需求节点的路径长度，所述预设需求节点为所述初始配送路径的多个初始需求节点中，距离所述供应节点最远的初始需求节点；
根据所述第一路径长度和所述第二路径长度对所述初始配送路径进行路径评估，得到路径评分；
根据所述路径评分对所述初始配送路径进行分类，得到所述第一中间配送路径和所述第二中间配送路径。
3.根据权利要求2所述的车辆路径规划方法，其特征在于，所述根据所述路径评分对所述初始配送路径进行分类，得到所述第一中间配送路径和所述第二中间配送路径，包括：
比对路径评分和预设评分阈值；
若所述路径评分大于所述预设评分阈值，将所述初始配送路径作为所述第一中间配送路径；
若所述路径评分小于或者等于所述预设评分阈值，将所述初始配送路径作为所述第二中间配送路径。
4.根据权利要求1所述的车辆路径规划方法，其特征在于，所述计算候选配送路径集的第三配送成本数据，包括：
根据候选配送路径集中的路径数目，确定车辆数目；
根据单位车辆启动成本与所述车辆数目进行启动成本评估，得到车辆启动成本数据；
根据单位体积运输成本与所述车辆数目进行运输成本评估，得到车辆单位体积运输成本数据；
根据单位时间惩罚成本与偏差时间进行时间成本评估，得到时间成本数据；
将所述车辆启动成本数据、所述车辆单位体积运输成本数据和所述时间成本数据进行数据求和，得到所述第三配送成本数据。
5.根据权利要求4所述的车辆路径规划方法，其特征在于，所述单位体积运输成本根据以下方式计算得到：
获取车辆体积、车辆装载率、片区系数、运量系数、所述初始需求节点的产品需求量以及所述初始需求节点之间的距离；
根据所述车辆装载率、所述片区系数、所述运量系数、所述产品需求量和所述距离，得到运输成本数据；
根据所述运输成本数据和所述车辆体积，得到所述单位体积运输成本。
6.根据权利要求1至5任一项所述的车辆路径规划方法，其特征在于，所述根据所述第三配送成本数据对所述候选配送路径集进行路径规划，得到目标配送路径，包括：
根据所述第三配送成本数据对所述候选配送路径集进行路径更新，得到第一配送路径集，并计算所述第一配送路径集的第四配送成本数据；
对所述第四配送成本数据和所述第三配送成本数据进行数据求差，得到成本差异数据；
根据所述成本差异数据与所述第四配送成本数据的比值对所述第一配送路径集进行路径规划，得到所述目标配送路径。
7.根据权利要求1至5任一项所述的车辆路径规划方法，其特征在于，所述根据所述第三配送成本数据对所述候选配送路径集进行路径规划，得到目标配送路径，包括：
根据所述第三配送成本数据对所述候选配送路径集进行路径更新，得到第二配送路径集；
获取所述第二配送路径集的路径未更新次数；
若所述路径未更新次数大于或者等于预设次数阈值，则将所述第二配送路径集中的路径作为所述目标配送路径。
8.路径规划装置，其特征在于，所述装置包括：
路径生成模块，用于生成多个初始配送路径；所述初始配送路径包括多个初始需求节点，每个所述初始配送路径的所述初始需求节点均不同；
路径分类模块，用于对所述初始配送路径进行分类，得到第一中间配送路径和第二中间配送路径；
节点抽取模块，用于从所述第一中间配送路径中抽取一个初始需求节点，作为中间需求节点；
第一路径确定模块，用于将剔除了所述中间需求节点的所述第一中间配送路径，作为第一候选配送路径；
节点加入模块，用于将所述中间需求节点加入预设配送路径，得到第三中间配送路径；所述预设配送路径为第一中间配送路径、第二中间配送路径或者第一候选配送路径；
第二路径确定模块，用于若第一配送成本数据小于第二配送成本数据，则将所述第三中间配送路径作为第二候选配送路径；所述第一配送成本数据为所述第三中间配送路径的配送成本数据，所述第二配送成本数据为所述预设配送路径的配送成本数据以及供应节点至所述中间需求节点的配送成本数据之和；
计算模块，用于根据所述第二候选配送路径构建候选配送路径集，计算候选配送路径集的第三配送成本数据；
路径规划模块，用于根据所述第三配送成本数据对所述候选配送路径集进行路径规划，得到目标配送路径。
9.电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的车辆路径规划方法。
10.计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的车辆路径规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310300429.1A CN116384869A (zh) | 2023-03-20 | 2023-03-20 | 车辆路径规划方法、路径规划装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310300429.1A CN116384869A (zh) | 2023-03-20 | 2023-03-20 | 车辆路径规划方法、路径规划装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116384869A true CN116384869A (zh) | 2023-07-04 |
Family
ID=86980026
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310300429.1A Pending CN116384869A (zh) | 2023-03-20 | 2023-03-20 | 车辆路径规划方法、路径规划装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116384869A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111950950A (zh) * | 2019-05-17 | 2020-11-17 | 北京京东尚科信息技术有限公司 | 订单配送路径的规划方法、装置、计算机介质及电子设备 |
| CN112101841A (zh) * | 2020-07-20 | 2020-12-18 | 安徽正诺智能科技有限公司 | 一种物流路径规划方法、装置、设备及存储介质 |
| CN112633609A (zh) * | 2021-01-06 | 2021-04-09 | 南方科技大学 | 车辆路径规划方法、装置、设备和存储介质 |
| WO2021184793A1 (zh) * | 2020-03-17 | 2021-09-23 | 深圳先进技术研究院 | 路径规划方法、装置、电子设备及存储介质 |
| CN114707693A (zh) * | 2022-02-21 | 2022-07-05 | 山东科技大学 | 一种车辆配送路径规划方法及系统 |
| US20220364872A1 (en) * | 2019-11-04 | 2022-11-17 | Beijing Jingdong Qianshi Technology Co., Ltd. | Vehicle scheduling method, apparatus and system |
-
2023
- 2023-03-20 CN CN202310300429.1A patent/CN116384869A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111950950A (zh) * | 2019-05-17 | 2020-11-17 | 北京京东尚科信息技术有限公司 | 订单配送路径的规划方法、装置、计算机介质及电子设备 |
| US20220364872A1 (en) * | 2019-11-04 | 2022-11-17 | Beijing Jingdong Qianshi Technology Co., Ltd. | Vehicle scheduling method, apparatus and system |
| WO2021184793A1 (zh) * | 2020-03-17 | 2021-09-23 | 深圳先进技术研究院 | 路径规划方法、装置、电子设备及存储介质 |
| CN112101841A (zh) * | 2020-07-20 | 2020-12-18 | 安徽正诺智能科技有限公司 | 一种物流路径规划方法、装置、设备及存储介质 |
| CN112633609A (zh) * | 2021-01-06 | 2021-04-09 | 南方科技大学 | 车辆路径规划方法、装置、设备和存储介质 |
| CN114707693A (zh) * | 2022-02-21 | 2022-07-05 | 山东科技大学 | 一种车辆配送路径规划方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 何芳;: "物流区域配送车辆运输路径优化调度仿真", 计算机仿真, no. 08, 15 August 2018 (2018-08-15) * |
| 王力锋;刘双双;刘抗英;: "物流运输快速配送路径规划仿真", 计算机仿真, no. 08, 15 August 2017 (2017-08-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108510095B (zh) | 一种拣货路径的确定方法及装置 | |
| CN102542395B (zh) | 一种应急物资调度系统及计算方法 | |
| CN107194656A (zh) | 一种基于标准箱订单的配送路径的规划方法及装置 | |
| CN106156961B (zh) | 一种车辆调度方法和装置 | |
| CN108256903A (zh) | 基于物流平台的订单计费方法及装置 | |
| CN107274014A (zh) | 一种基于标准箱的配送任务的处理方法、系统及终端 | |
| CN112508542A (zh) | 一种订单处理方法、装置、设备及存储介质 | |
| CN110992123B (zh) | 一种订单派发方法及装置 | |
| Moutaoukil et al. | A comparison of homogeneous and heterogeneous vehicle fleet size in green vehicle routing problem | |
| CN111461396A (zh) | 物流排线方法、装置、电子设备及可读存储介质 | |
| CN116384869A (zh) | 车辆路径规划方法、路径规划装置、电子设备及存储介质 | |
| CN113705966A (zh) | 一种封闭厂区满足道路负荷率的车辆运输调度方法 | |
| CN112465384A (zh) | 一种运力调度的方法、装置、计算机设备及计算机可读存储介质 | |
| CN108399524A (zh) | 信息处理方法及系统 | |
| CN112364262A (zh) | 一种找货路线推荐方法、装置、电子设备及存储介质 | |
| CN113650997A (zh) | 一种物品出库定位方法和装置 | |
| CN109034494A (zh) | 公交调度方法 | |
| CN114331568A (zh) | 基于车联网的商用车细分市场识别方法、设备和介质 | |
| CN112001646A (zh) | 一种物料调度方法、装置、存储介质及电子设备 | |
| CN113570176B (zh) | 货物装箱方案输出方法、装置、计算机设备和存储介质 | |
| CN110210797B (zh) | 生产覆盖区域确定方法和装置以及计算机可读存储介质 | |
| CN110633924B (zh) | 用于将商品分仓间存储的方法和系统 | |
| CN111652550A (zh) | 一种智能寻找最佳环线集合的方法、系统及设备 | |
| Pollaris et al. | THE IMPACT OF AXLE WEIGHT CONSTRAINTS ON THE DEPLOYMENT OF A MIXED-FLEET IN VEHICLE ROUTING DECISIONS. | |
| CN116228053A (zh) | 货物配送优化方法、装置、计算机设备及存储介质 |
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 |