CN117077921A - 一种基于联合优化的空地协同即时配送调度系统及方法 - Google Patents
一种基于联合优化的空地协同即时配送调度系统及方法 Download PDFInfo
- Publication number
- CN117077921A CN117077921A CN202310870869.0A CN202310870869A CN117077921A CN 117077921 A CN117077921 A CN 117077921A CN 202310870869 A CN202310870869 A CN 202310870869A CN 117077921 A CN117077921 A CN 117077921A
- Authority
- CN
- China
- Prior art keywords
- unmanned
- replenishment
- aerial vehicle
- unmanned aerial
- vehicle
- 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 56
- 238000005457 optimization Methods 0.000 title claims abstract description 28
- 239000013589 supplement Substances 0.000 claims abstract description 23
- 238000012384 transportation and delivery Methods 0.000 claims description 50
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 15
- 230000001502 supplementing effect Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06—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
-
- 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
Abstract
本发明提出了一种基于联合优化的空地协同即时配送调度系统及方法。本发明方法全局控制器实时获取服务区内补给点、仓库、无人车、无人机的相关信息以及用户终端的订单请求信息。全局控制器捕获用户终端的订单请求后,分配无人车进行配送,并计算订单请求的配送优先级,无人车根据配送优先级顺序进行配送。若无人车的商品资源量低于阈值,则生成无人车的补给请求,全局控制器分配无人机根据综合补给成本顺序对相应的无人车在综合距离成本最低的补给点进行资源补给。最后,全局控制器计算服务区内资源的最优分配,后续补给阶段动态调整补给的商品资源量。本发明在实现降低配送成本的同时,保证了配送过程的时效性,提高了客户的服务满意度。
Description
技术领域
本发明属于车联网交通调度领域,尤其涉及一种基于联合优化的空地协同即时配送调度系统及方法。
背景技术
随着物联网、5G、AI等技术的蓬勃发展,人民生活水平不断提高,即时配送服务已成为城市消费者获取商品的热门选择。配送效率是衡量即时配送服务质量的关键指标,然而,传统的配送模式由快递员完成,而且配送效率受道路拥堵等复杂环境的影响,难以满足即时配送的需求。为应对这一挑战,提出使用无人机、无人车等自动化设备进行商品分拣和运输的技术,为客户提供更快捷、更可靠和更高效的配送服务。
无人机具有小巧高效、成本低等优点,被广泛应用于交通、基础设施、灾害管理、空气质量监测、农业、媒体、医疗保健等领域。与传统的物流配送方式(卡车或快递员)相比,无人机可高速飞行,且不受地面交通的限制,无人机即时配送很好地满足了配送市场对于高效、便捷、安全的需求。非接触式配送更受客户欢迎,因此无人机即时配送被认为是提高配送效率的替代方案,成为当前物流配送行业发展的重要方向。
无人车是一类无需人类操控可自主移动的车辆,可通过无线通信、传感器和先进的导航技术完成各种任务。在民用领域,使用无人车进行配送的应用实践也在逐渐增加。相比传统物流配送方式,无人车可自主行驶,避免了交通堵塞和人力资源不足等问题,同时无人车还能够快速适应商业区、工业园区等不同的配送场景。在配送过程中,无人车的加入可以提高物流配送效率,节省配送成本,更好地满足客户日益增长的配送需求。
无人机与无人车在传感、通信、载荷能力等方面具有很强的互补性,可进行协同工作,有效解决无人机独立执行任务功率低、负载小的问题,有效降低无人车独立配送的成本,提升配送的时效性,提高客户满意度。
无人车和无人机协同的即时配送调度可解决传统物流模式运输载体单一引起的问题,提升配送过程的安全性和便捷程度。然而,现有无人车和无人机协同的即时配送调度,侧重于通过任务的时间窗口或无人机的有效载荷约束来优化无人机的飞行路线,缺乏对在线即时配送调度的关注,特别是缺乏考虑动态订单对即时配送调度的影响,少有考虑动态指令下无人机的飞行路线,因此很难处理实际场景下的配送任务,导致配送订单延误。
发明内容
为了解决上述技术问题,本发明一种基于联合优化的空地协同即时配送调度系统及方法。
本发明系统的技术方案为一种基于联合优化的空地协同即时配送调度系统,包括:
第1台无人车、第2台无人车、...、第J台无人车、第1个用户终端、第2个用户终端、...、第M个用户终端、无人机、全局控制器;
在服务区内部署所述的第1台无人车、第2台无人车、...、第J台无人车、所述的第1个用户终端、第2个用户终端、...、第M个用户终端、所述的无人机、所述的全局控制器;
所述全局控制器与所述第j台无人车依次无线连接,j∈[1,J];
所述全局控制器与所述第m个用户终端依次无线连接,m∈[1,M];
所述全局控制器与所述无人机无线连接;
在服务区内中心部署仓库,所述仓库用存放多个商品种类的多个商品;
在服务区内设定多个补给点;
全局控制器通过无人车配送调度决策算法进行配送优先级排序,根据更新后每个待服务的订单请求的配送优先级顺序进行配送;全局控制器通过补给优先级决策算法进行综合补给成本由低到高排序,得到更新后每个待服务的资源补给请求的综合补给成本的顺序;全局控制器进行综合距离成本计算得到每个补给点的综合距离成本,在多个补给点的综合距离成本中选择综合距离成本最低的补给点作为目标补给点;全局控制器进行优化资源供给量计算,并更新无人车的补给请求得到优化后无人车的补给请求,根据生成的目标补给点的位置信息飞行至目标补给点进行无人车的资源补给。
本发明方法的技术方案为一种基于联合优化的空地协同即时配送调度方法,具体包括以下步骤:
步骤1:全局控制器获取每个补给点的位置信息以及仓库的位置信息,每台无人车将每台无人车的位置信息、每台无人车的配送区域信息、每台无人车的每个商品种类、每台无人车的每个商品种类的商品数量、每台无人车的多个待服务的订单请求、每台无人车的补给请求无线传输至全局控制器,全局控制器将多台无人车的资源补给请求作为多个待服务的资源补给请求,无人机将无人机的位置信息无线传输至全局控制器,全局控制器实时捕获每个用户终端的订单请求;
步骤2:若全局控制器捕获到用户终端的订单请求,全局控制器根据捕获的用户终端的订单请求中的客户期望的收货位置所属配送区域选择一台无人车进行订单请求配送,并将捕获的用户终端的订单请求更新至对应无人车的多个待服务的订单请求中,全局控制器将对应无人车的更新后多个待服务的订单请求通过无人车配送调度决策算法进行配送优先级排序,得到更新后每个待服务的订单请求的配送优先级顺序,分配捕获的用户终端的订单请求的无人车根据更新后每个待服务的订单请求的配送优先级顺序进行配送;
步骤3:全局控制器遍历每台无人车的每个商品种类以及每台无人车的每个商品种类的商品数量,若无人车的商品种类的商品数量小于商品种类阈值,则生成对应无人车的补给商品种类、无人车的补给商品种类的数量,并根据步骤1生成增量的无人车的补给请求,并更新至多个待服务的资源补给请求得到更新后多个待服务的资源补给请求,全局控制器将更新后多个待服务的资源补给请求通过补给优先级决策算法进行综合补给成本由低到高排序,得到更新后每个待服务的资源补给请求的综合补给成本的顺序,全局控制器将综合补给成本最低的更新后待服务的资源补给请求作为无人机等待补给请求,无线传输至无人机;
步骤4:全局控制器根据无人机等待补给请求中对应的无人车的位置信息、无人机的位置信息、每个补给点的位置信息进行综合距离成本计算,得到每个补给点的综合距离成本,在多个补给点的综合距离成本中选择综合距离成本最低的补给点作为目标补给点,全局控制器将目标补给点的位置信息、仓库的位置信息无线传输至无人机;
步骤5:全局控制器根据每台无人车的每个商品种类的商品数量的历史消耗记录进行优化资源供给量计算,得到每台无人车的每个商品种类的商品数量的优化后补给量,取无人车的补给请求中无人车的补给商品种类的数量和无人车的补给商品种类的优化后补给量中的较大值为无人车的补给商品种类的补给量,并更新无人车的补给请求得到优化后无人车的补给请求,全局控制器将优化后无人车的补给请求作为优化后无人机等待补给请求传输至无人机,无人机根据优化后无人机等待补给请求飞行至仓库进行商品补给,根据步骤4生成的目标补给点的位置信息飞行至目标补给点进行无人车的资源补给;
作为优选,步骤1所述多个待服务的订单请求中,每个待服务的订单请求由客户期望的收货位置、客户所需商品种类、客户所需商品种类的数量、客户期望的交货时间构成;
步骤1所述多个待服务的资源补给请求中,每个待服务的资源补给请求由无人车的补给商品种类、无人车的补给商品种类的数量构成;
步骤1所述全局控制器实时捕获每个用户终端的订单请求,具体如下:
全局控制器实时判断是否收到用户终端订单请求,若全局控制器收到用户终端的订单请求则判断为捕获到用户终端订单请求,否则未捕获到;
作为优选,步骤2所述通过无人车配送调度决策算法进行配送优先级排序,具体如下:计算无人车的更新后每个待服务的订单请求的综合配送成本,具体如下:
α+β=1
j∈[1,J],m∈[1,M]
其中,表示第j台无人车的更新后第m个待服务的订单请求的综合配送成本,α为中心化指数的权重因子,β为待服务的订单请求的紧急程度的权重因子,DIm,j表示第j台无人车的更新后第m个待服务的订单请求的客户期望的收货位置距离第j台无人车的其他多个更新后待服务的订单请求中客户期望的收货位置的靠近程度,J表示无人车的数量,M表示更新后待服务的订单请求的数量,max表示取最大值,/>表示更新后第m个待服务的订单请求中客户期望的交货时间,tcur为当前时间,第j台无人车为分配捕获的用户终端的订单请求的无人车;
dm,j为更新后第m个待服务的订单请求中客户期望的收货位置到第j台无人车的距离,dm,m′为更新后第m个待服务的订单请求中客户期望的收货位置和更新后第m′个待服务的订单请求中客户期望的收货位置之间的距离;
将从小到大进行排序作为更新后每个待服务的订单请求的配送优先级顺序;
分配捕获的用户终端的订单请求的无人车根据更新后每个待服务的订单请求的配送优先级顺序进行配送;
作为优选,步骤3通过补给优先级决策算法进行综合补给成本由低到高排序,具体如下:
所述每个更新后待服务的资源补给请求的综合补给成本,具体计算如下:
γ+∈=1
j∈[1,J],k∈[1,K],p∈[1,Pj]
其中,表示无人机收到的第j个更新后待服务的资源补给请求的综合补给成本,γ为需求紧急程度的权重因子,∈为更新后待服务的资源补给请求的最远飞行距离的权重因子,Uj,k为第j台无人车对第k类补给商品的需求紧急程度,J表示无人车的数量,/>为无人机执行第j个更新后待服务的资源补给请求的最远飞行距离,max表示取最大值,无人机为收到无人机等待补给请求的无人机;
Rj,k为第j台无人车中第k类补给商品的当前数量,为第j台无人车对第k类补给商品的消耗速率,第j台无人车为生成待服务的资源补给请求的无人车;
为无人机飞行至第Pj个补给点执行第j个更新后待服务的资源补给请求的飞行距离,Dj,p为无人机飞行至第p个补给点执行第j个更新后待服务的资源补给请求的飞行距离,Pj表示第j台无人车所属配送区域内的补给点的数量;
tcur为当前时间,为第j台无人车上次待服务的资源补给请求被执行的时间;
dds为无人机到仓库的飞行距离,dsp为仓库到第p个补给点的距离,为无人机当前装载第k类补给商品的数量,/>为第j台无人车对第k类补给商品的需求量;
K表示商品种类的数量;
将从小到大进行排序作为更新后待服务的资源补给请求的补给优先级顺序;
作为优选,步骤4所述进行综合距离成本计算,具体计算如下:
j∈[1,J],p∈[1,Pj],q∈[1,Qj]
其中,为无人机到第p个补给点执行补给任务的综合距离成本,/>为无人机到第p个补给点的已知距离成本,/>为第j台无人车完成补给后执行下一个待服务的订单请求的预测距离成本,第j台无人车为无人机等待补给请求中对应信息的无人车;
Dp为无人机飞行至第p个补给点进行无人车的资源补给的飞行距离,dj,p为第j台无人车到第p个补给点的行驶距离;
dj,qp为第j台无人车完成补给后进行第q个待服务的订单请求的预测距离,Qj为第j台无人车的下一次更新后多个待服务的订单请求的数量;
Pj表示第j台无人车所属配送区域内的补给点的数量;
将从小到大进行排序,选择综合距离成本最低的补给点作为目标补给点;
作为优选,步骤5所述进行优化资源供给量计算,具体计算如下:
j∈[1,J],k∈[1,K]
其中,为第j台无人车的第k类补给商品的优化后补给量,argmin表示取令最小时的j,k值,J表示无人车的数量,K表示商品种类的数量;
Sj,k表示第j台无人车对第k类补给商品的需求程度,为第j台无人车对第k类补给商品的消耗速率,Rj,k为第j台无人车中第k类补给商品的当前数量;
取和对应无人车的补给请求中无人车的补给商品种类的数量中的较大值为无人车的补给商品种类的补给量,并更新无人车的补给请求得到优化后无人车的补给请求;
本发明对于现有技术具有如下优势及效果:
采用无人车和无人机空地协同双阶段调度模式,在实现降低配送成本的同时,保证了配送过程的时效性,提高了客户的服务满意度;
配送过程中各配送区域资源消耗导致分布不均,因此联合优化资源配置可以保证配送区域资源消耗与无人机资源补给之间的平衡。
附图说明
图1:本发明实施例的空地协同即时配送调度方法流程图;
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,所描述的实施例仅仅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。
具体实施时,本发明技术方案提出的方法可由本领域技术人员采用计算机软件技术实现自动运行流程,实现方法的系统装置例如存储本发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计算机设备,也应当在本发明的保护范围内。
下面结合图1介绍本发明实施例的技术方案为一种基于联合优化的空地协同即时配送调度系统及方法。
本发明实施例系统的技术方案为一种基于联合优化的空地协同即时配送调度系统,包括:
第1台无人车、第2台无人车、...、第J台无人车、第1个用户终端、第2个用户终端、...、第M个用户终端、无人机、全局控制器;
在服务区内部署所述的第1台无人车、第2台无人车、...、第J台无人车、所述的第1个用户终端、第2个用户终端、...、第M个用户终端、所述的无人机、所述的全局控制器;
所述的第1台无人车、第2台无人车、...、第J台无人车可以采用京东无人配送车;
所述的第1个用户终端、第2个用户终端、...、第M个用户终端采用移动手机的应用程序;
所述的无人机的型号可以采用迅蚁TR7系列无人机;
所述的全局控制器的型号可以采用IBM BladeCenter HS23;
所述全局控制器与所述第j台无人车依次无线连接,j∈[1,J],J=9;
所述全局控制器与所述第m个用户终端依次无线连接,m∈[1,M],M=108;
所述全局控制器与所述无人机无线连接;
在服务区内中心部署仓库,所述仓库用存放多个商品种类的多个商品;
在服务区内设定多个补给点;
用户终端:潜在客户通过泊松分布随机分布在服务区内,以移动应用程序作为用户终端发出订单请求,订单请求信息包括客户期望的收货位置、客户所需商品种类、客户所需商品种类的数量、客户期望的交货时间。
无人车:无人车是整个空地协同即时配送调度方法中的关键实体。在服务区内,分布着若干无人车,负责运载有限的商品资源,在各自所属配送区域内响应用户终端的订单请求并提供即时配送服务。收到用户终端的订单请求后,无人车根据用户终端的订单请求信息、多个待服务的订单请求和相关条件执行配送任务。
无人机:无人机是整个空地协同即时配送调度方法中的关键实体,负责装载商品,往返于仓库和各个配送区域之间,根据待服务的资源补给请求对相应无人车进行资源补给。
仓库:仓库在给定服务区内只有一个,位于区域中心,有多种类型的商品资源和无人机电池,无人机可在仓库进行商品补给并更换电池。
全局控制器:全局控制器是整个空地协同即时配送调度方法的核心组成部分,负责管理无人车配送调度和无人机资源补给调度过程。全局控制器捕获用户终端的订单请求并更新至对应无人车的多个待服务的订单请求中,同时获取无人车的位置信息、无人车的每个商品种类、无人车的每个商品种类的商品数量、无人车的多个待服务的订单请求、无人车的补给请求,当无人车的商品种类的商品数量小于商品种类阈值时,安排无人机对其进行补给。
假设无人机、无人车的装卸商品和无人车服务客户的时间均为常数值。
忽略无人机的起降过程和无人车的启停过程。
无人机每次到仓库取货时对电池进行更换,其有足够的电量支持后续补给过程。
本发明实施例方法所采用的技术方案为一种基于联合优化的空地协同即时配送调度方法,如图1所示,具体步骤如下:
步骤1:全局控制器获取每个补给点的位置信息以及仓库的位置信息,每台无人车将每台无人车的位置信息、每台无人车的配送区域信息、每台无人车的每个商品种类、每台无人车的每个商品种类的商品数量、每台无人车的多个待服务的订单请求、每台无人车的补给请求无线传输至全局控制器,全局控制器将多台无人车的资源补给请求作为多个待服务的资源补给请求,无人机将无人机的位置信息无线传输至全局控制器,全局控制器实时捕获每个用户终端的订单请求;
步骤1所述多个待服务的订单请求中,每个待服务的订单请求由客户期望的收货位置、客户所需商品种类、客户所需商品种类的数量、客户期望的交货时间构成;
步骤1所述多个待服务的资源补给请求中,每个待服务的资源补给请求由无人车的补给商品种类、无人车的补给商品种类的数量构成;
步骤1所述全局控制器实时捕获每个用户终端的订单请求,具体如下:
全局控制器实时判断是否收到用户终端订单请求,若全局控制器收到用户终端的订单请求则判断为捕获到用户终端订单请求,否则未捕获到;
步骤2:若全局控制器捕获到用户终端的订单请求,全局控制器根据捕获的用户终端的订单请求中的客户期望的收货位置所属配送区域选择一台无人车进行订单请求配送,并将捕获的用户终端的订单请求更新至对应无人车的多个待服务的订单请求中,全局控制器将对应无人车的更新后多个待服务的订单请求通过无人车配送调度决策算法进行配送优先级排序,得到更新后每个待服务的订单请求的配送优先级顺序,分配捕获的用户终端的订单请求的无人车根据更新后每个待服务的订单请求的配送优先级顺序进行配送;
步骤2所述通过无人车配送调度决策算法进行配送优先级排序,具体如下:
计算无人车的更新后每个待服务的订单请求的综合配送成本,具体如下:
α+β=1
j∈[1,J],m∈[1,M]
其中,表示第j台无人车的更新后第m个待服务的订单请求的综合配送成本,α=0.5为中心化指数的权重因子,β=0.5为待服务的订单请求的紧急程度的权重因子,DIn,j表示第i台无人车的更新后第m个待服务的订单请求的客户期望的收货位置距离第j台无人车的其他多个更新后待服务的订单请求中客户期望的收货位置的靠近程度,J=9表示无人车的数量,M=45表示更新后待服务的订单请求的数量,max表示取最大值,/>表示更新后第m个待服务的订单请求中客户期望的交货时间,tcur为当前时间,第j台无人车为分配捕获的用户终端的订单请求的无人车;
dm,j为更新后第m个待服务的订单请求中客户期望的收货位置到第j台无人车的距离,dm,m′为更新后第m个待服务的订单请求中客户期望的收货位置和更新后第m′个待服务的订单请求中客户期望的收货位置之间的距离;
将从小到大进行排序作为更新后每个待服务的订单请求的配送优先级顺序;
分配捕获的用户终端的订单请求的无人车根据更新后每个待服务的订单请求的配送优先级顺序进行配送;
步骤3:全局控制器遍历每台无人车的每个商品种类以及每台无人车的每个商品种类的商品数量,若无人车的商品种类的商品数量小于商品种类阈值,则生成对应无人车的补给商品种类、无人车的补给商品种类的数量,并根据步骤1生成增量的无人车的补给请求,并更新至多个待服务的资源补给请求得到更新后多个待服务的资源补给请求,全局控制器将更新后多个待服务的资源补给请求通过补给优先级决策算法进行综合补给成本由低到高排序,得到更新后每个待服务的资源补给请求的综合补给成本的顺序,全局控制器将综合补给成本最低的更新后待服务的资源补给请求作为无人机等待补给请求,无线传输至无人机;
步骤3通过补给优先级决策算法进行综合补给成本由低到高排序,具体如下:
所述每个更新后待服务的资源补给请求的综合补给成本,具体计算如下:
γ+∈=1
j∈[1,J],k∈[1,K],p∈[1,Pj]
其中,表示无人机收到的第j个更新后待服务的资源补给请求的综合补给成本,γ=0.5为需求紧急程度的权重因子,∈=0.5为更新后待服务的资源补给请求的最远飞行距离的权重因子,Uj,k为第j台无人车对第k类补给商品的需求紧急程度,j=9表示无人车的数量,/>为无人机执行第j个更新后待服务的资源补给请求的最远飞行距离,max表示取最大值,无人机为收到无人机等待补给请求的无人机;
Rj,k为第j台无人车中第k类补给商品的当前数量,为第j台无人车对第k类补给商品的消耗速率,第j台无人车为生成待服务的资源补给请求的无人车;
为无人机飞行至第Pj个补给点执行第j个更新后待服务的资源补给请求的飞行距离,Dj,p为无人机飞行至第p个补给点执行第j个更新后待服务的资源补给请求的飞行距离,Pj=2表示第j台无人车所属配送区域内的补给点的数量;
tcur为当前时间,为第j台无人车上次待服务的资源补给请求被执行的时间;
dds为无人机到仓库的飞行距离,dsp为仓库到第p个补给点的距离,为无人机当前装载第k类补给商品的数量,/>为第j台无人车对第k类补给商品的需求量;
K=4表示商品种类的数量;
将从小到大进行排序作为更新后待服务的资源补给请求的补给优先级顺序;
步骤4:全局控制器根据无人机等待补给请求中对应的无人车的位置信息、无人机的位置信息、每个补给点的位置信息进行综合距离成本计算,得到每个补给点的综合距离成本,在多个补给点的综合距离成本中选择综合距离成本最低的补给点作为目标补给点,全局控制器将目标补给点的位置信息、仓库的位置信息无线传输至无人机;
步骤4所述进行综合距离成本计算,具体计算如下:
j∈[1,J],p∈[1,Pj],q∈[1,Qj]
其中,为无人机到第p个补给点执行补给任务的综合距离成本,/>为无人机到第p个补给点的已知距离成本,/>为第j台无人车完成补给后执行下一个待服务的订单请求的预测距离成本,第j台无人车为无人机等待补给请求中对应信息的无人车;
Dp为无人机飞行至第p个补给点进行无人车的资源补给的飞行距离,dj,p为第j台无人车到第p个补给点的行驶距离;
dj,qp为第j台无人车完成补给后进行第q个待服务的订单请求的预测距离,Qj为第j台无人车的下一次更新后多个待服务的订单请求的数量;
Pj=2表示第j台无人车所属服务区内的补给点的数量;
将从小到大进行排序,选择综合距离成本最低的补给点作为目标补给点;
步骤5:全局控制器根据每台无人车的每个商品种类的商品数量的历史消耗记录进行优化资源供给量计算,得到每台无人车的每个商品种类的商品数量的优化后补给量,取无人车的补给请求中无人车的补给商品种类的数量和无人车的补给商品种类的优化后补给量中的较大值为无人车的补给商品种类的补给量,并更新无人车的补给请求得到优化后无人车的补给请求,全局控制器将优化后无人车的补给请求作为优化后无人机等待补给请求传输至无人机,无人机根据优化后无人机等待补给请求飞行至仓库进行商品补给,根据步骤4生成的目标补给点的位置信息飞行至目标补给点进行无人车的资源补给;
步骤5所述进行优化资源供给量计算,具体计算如下:
j∈[1,J],k∈[1,K]
其中,为第j台无人车的第k类补给商品的优化后补给量,argmin表示取令最小时的j,k值,J=9表示无人车的数量,K=4表示商品种类的数量;
Sj,k表示第j台无人车对第k类补给商品的需求程度,为第j台无人车对第k类补给商品的消耗速率,Rj,k为第j台无人车中第k类补给商品的当前数量;
取和对应无人车的补给请求中无人车的补给商品种类的数量中的较大值为该无人车的补给商品种类的补给量,并更新无人车的补给请求得到优化后无人车的补给请求;
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (7)
1.一种基于联合优化的空地协同即时配送调度系统,其特征在于,包括:
第1台无人车、第2台无人车、...、第J台无人车、第1个用户终端、第2个用户终端、...、第M个用户终端、无人机、全局控制器;
在服务区内部署所述的第1台无人车、第2台无人车、...、第J台无人车、所述的第1个用户终端、第2个用户终端、...、第M个用户终端、所述的无人机、所述的全局控制器;
所述全局控制器与所述第j台无人车依次无线连接,j∈[1,J];
所述全局控制器与所述第m个用户终端依次无线连接,m∈[1,M];
所述全局控制器与所述无人机无线连接;
在服务区内中心部署仓库,所述仓库用存放多个商品种类的多个商品;
在服务区内设定多个补给点;
全局控制器通过无人车配送调度决策算法进行配送优先级排序,根据更新后每个待服务的订单请求的配送优先级顺序进行配送;全局控制器通过补给优先级决策算法进行综合补给成本由低到高排序,得到更新后每个待服务的资源补给请求的综合补给成本的顺序;全局控制器进行综合距离成本计算得到每个补给点的综合距离成本,在多个补给点的综合距离成本中选择综合距离成本最低的补给点作为目标补给点;全局控制器进行优化资源供给量计算,并更新无人车的补给请求得到优化后无人车的补给请求,根据生成的目标补给点的位置信息飞行至目标补给点进行无人车的资源补给。
2.一种应用于权利要求1所述的基于联合优化的空地协同即时配送调度系统的基于联合优化的空地协同即时配送调度方法,其特征在于:
步骤1:全局控制器获取每个补给点的位置信息以及仓库的位置信息,每台无人车将每台无人车的位置信息、每台无人车的配送区域信息、每台无人车的每个商品种类、每台无人车的每个商品种类的商品数量、每台无人车的多个待服务的订单请求、每台无人车的补给请求无线传输至全局控制器,全局控制器将多台无人车的资源补给请求作为多个待服务的资源补给请求,无人机将无人机的位置信息无线传输至全局控制器,全局控制器实时捕获每个用户终端的订单请求;
步骤2:若全局控制器捕获到用户终端的订单请求,全局控制器根据捕获的用户终端的订单请求中的客户期望的收货位置所属配送区域选择一台无人车进行订单请求配送,并将捕获的用户终端的订单请求更新至对应无人车的多个待服务的订单请求中,全局控制器将对应无人车的更新后多个待服务的订单请求通过无人车配送调度决策算法进行配送优先级排序,得到更新后每个待服务的订单请求的配送优先级顺序,分配捕获的用户终端的订单请求的无人车根据更新后每个待服务的订单请求的配送优先级顺序进行配送;
步骤3:全局控制器遍历每台无人车的每个商品种类以及每台无人车的每个商品种类的商品数量,若无人车的商品种类的商品数量小于商品种类阈值,则生成对应无人车的补给商品种类、无人车的补给商品种类的数量,并根据步骤1生成增量的无人车的补给请求,并更新至多个待服务的资源补给请求得到更新后多个待服务的资源补给请求,全局控制器将更新后多个待服务的资源补给请求通过补给优先级决策算法进行综合补给成本由低到高排序,得到更新后每个待服务的资源补给请求的综合补给成本的顺序,全局控制器将综合补给成本最低的更新后待服务的资源补给请求作为无人机等待补给请求,无线传输至无人机;
步骤4:全局控制器根据无人机等待补给请求中对应的无人车的位置信息、无人机的位置信息、每个补给点的位置信息进行综合距离成本计算,得到每个补给点的综合距离成本,在多个补给点的综合距离成本中选择综合距离成本最低的补给点作为目标补给点,全局控制器将目标补给点的位置信息、仓库的位置信息无线传输至无人机;
步骤5:全局控制器根据每台无人车的每个商品种类的商品数量的历史消耗记录进行优化资源供给量计算,得到每台无人车的每个商品种类的商品数量的优化后补给量,取无人车的补给请求中无人车的补给商品种类的数量和无人车的补给商品种类的优化后补给量中的较大值为无人车的补给商品种类的补给量,并更新无人车的补给请求得到优化后无人车的补给请求,全局控制器将优化后无人车的补给请求作为优化后无人机等待补给请求传输至无人机,无人机根据优化后无人机等待补给请求飞行至仓库进行商品补给,根据步骤4生成的目标补给点的位置信息飞行至目标补给点进行无人车的资源补给。
3.根据权利要求2所述的基于联合优化的空地协同即时配送调度方法,其特征在于:
步骤1所述多个待服务的订单请求中,每个待服务的订单请求由客户期望的收货位置、客户所需商品种类、客户所需商品种类的数量、客户期望的交货时间构成;
步骤1所述多个待服务的资源补给请求中,每个待服务的资源补给请求由无人车的补给商品种类、无人车的补给商品种类的数量构成;
步骤1所述全局控制器实时捕获每个用户终端的订单请求,具体如下:
全局控制器实时判断是否收到用户终端订单请求,若全局控制器收到用户终端的订单请求则判断为捕获到用户终端订单请求,否则未捕获到。
4.根据权利要求3所述的基于联合优化的空地协同即时配送调度方法,其特征在于:
步骤2所述通过无人车配送调度决策算法进行配送优先级排序,具体如下:
计算无人车的更新后每个待服务的订单请求的综合配送成本,具体如下:
α+β=1
j∈[1,J],m∈[1,M]
其中,表示第j台无人车的更新后第m个待服务的订单请求的综合配送成本,α为中心化指数的权重因子,β为待服务的订单请求的紧急程度的权重因子,DIm,j表示第j台无人车的更新后第m个待服务的订单请求的客户期望的收货位置距离第j台无人车的其他多个更新后待服务的订单请求中客户期望的收货位置的靠近程度,J表示无人车的数量,M表示更新后待服务的订单请求的数量,max表示取最大值,/>表示更新后第m个待服务的订单请求中客户期望的交货时间,tcur为当前时间,第j台无人车为分配捕获的用户终端的订单请求的无人车;
dm,j为更新后第m个待服务的订单请求中客户期望的收货位置到第j台无人车的距离,dm,m′为更新后第m个待服务的订单请求中客户期望的收货位置和更新后第m′个待服务的订单请求中客户期望的收货位置之间的距离;
将从小到大进行排序作为更新后每个待服务的订单请求的配送优先级顺序;
分配捕获的用户终端的订单请求的无人车根据更新后每个待服务的订单请求的配送优先级顺序进行配送。
5.根据权利要求4所述的基于联合优化的空地协同即时配送调度方法,其特征在于:
步骤3通过补给优先级决策算法进行综合补给成本由低到高排序,具体如下:
所述每个更新后待服务的资源补给请求的综合补给成本,具体计算如下:
γ+∈=1
j∈[1,J],k∈[1,K],p∈[1,Pj]
其中,表示无人机收到的第j个更新后待服务的资源补给请求的综合补给成本,γ为需求紧急程度的权重因子,∈为更新后待服务的资源补给请求的最远飞行距离的权重因子,Uj,k为第j台无人车对第k类补给商品的需求紧急程度,J表示无人车的数量,/>为无人机执行第j个更新后待服务的资源补给请求的最远飞行距离,max表示取最大值,无人机为收到无人机等待补给请求的无人机;
Rj,k为第j台无人车中第k类补给商品的当前数量,为第j台无人车对第k类补给商品的消耗速率,第j台无人车为生成待服务的资源补给请求的无人车;
Dj,Pj为无人机飞行至第Pj个补给点执行第j个更新后待服务的资源补给请求的飞行距离,Dj,p为无人机飞行至第p个补给点执行第j个更新后待服务的资源补给请求的飞行距离,Pj表示第j台无人车所属配送区域内的补给点的数量;
tcur为当前时间,为第j台无人车上次待服务的资源补给请求被执行的时间;
dds为无人机到仓库的飞行距离,dsp为仓库到第p个补给点的距离,为无人机当前装载第k类补给商品的数量,/>为第j台无人车对第k类补给商品的需求量;
K表示商品种类的数量;
将从小到大进行排序作为更新后待服务的资源补给请求的补给优先级顺序。
6.根据权利要求5所述的基于联合优化的空地协同即时配送调度方法,其特征在于:步骤4所述进行综合距离成本计算,具体计算如下:
j∈[1,J],p∈[1,Pj],q∈[1,Qj]
其中,为无人机到第p个补给点执行补给任务的综合距离成本,/>为无人机到第p个补给点的已知距离成本,/>为第j台无人车完成补给后执行下一个待服务的订单请求的预测距离成本,第j台无人车为无人机等待补给请求中对应信息的无人车;
Dp为无人机飞行至第p个补给点进行无人车的资源补给的飞行距离,dj,p为第j台无人车到第p个补给点的行驶距离;
dj,qp为第j台无人车完成补给后进行第q个待服务的订单请求的预测距离,Qj为第j台无人车的下一次更新后多个待服务的订单请求的数量;
Pj表示第j台无人车所属配送区域内的补给点的数量;
将从小到大进行排序,选择综合距离成本最低的补给点作为目标补给点。
7.根据权利要求6所述的基于联合优化的空地协同即时配送调度方法,其特征在于:
步骤5所述进行优化资源供给量计算,具体计算如下:
j∈[1,J],k∈[1,K]
其中,为第j台无人车的第k类补给商品的优化后补给量,argmin表示取令最小时的j,k值,J表示无人车的数量,K表示商品种类的数量;
Sj,k表示第j台无人车对第k类补给商品的需求程度,为第j台无人车对第k类补给商品的消耗速率,Rj,k为第j台无人车中第k类补给商品的当前数量;
取和对应无人车的补给请求中无人车的补给商品种类的数量中的较大值为无人车的补给商品种类的补给量,并更新无人车的补给请求得到优化后无人车的补给请求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310870869.0A CN117077921A (zh) | 2023-07-14 | 2023-07-14 | 一种基于联合优化的空地协同即时配送调度系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310870869.0A CN117077921A (zh) | 2023-07-14 | 2023-07-14 | 一种基于联合优化的空地协同即时配送调度系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117077921A true CN117077921A (zh) | 2023-11-17 |
Family
ID=88718344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310870869.0A Pending CN117077921A (zh) | 2023-07-14 | 2023-07-14 | 一种基于联合优化的空地协同即时配送调度系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117077921A (zh) |
-
2023
- 2023-07-14 CN CN202310870869.0A patent/CN117077921A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11900819B2 (en) | Determining VTOL departure time in an aviation transport network for efficient resource management | |
US20220122467A1 (en) | Efficient VTOL Resource Management in an Aviation Transport Network | |
US20190370713A1 (en) | System and method for managing supply of service | |
US9746332B2 (en) | Method and system for scheduling vehicles along routes in a transportation system | |
CN110046857A (zh) | 一种基于遗传算法的无人机物流系统及配送方法 | |
CN105489061A (zh) | 公共自行车云端智能泊车及调配系统 | |
Bischoff et al. | A framework for agent based simulation of demand responsive transport systems | |
CN110544040A (zh) | 一种车辆调度优化决策系统 | |
US8688496B1 (en) | System and method for transferring articles such as airline transfer bags | |
CN117077921A (zh) | 一种基于联合优化的空地协同即时配送调度系统及方法 | |
Hu et al. | Autonomous valet parking optimization with two-step reservation and pricing strategy | |
CN113222248B (zh) | 一种自动驾驶出租车充电桩选择方法 | |
CN108197865A (zh) | 物流配送任务快速调度控制方法及装置 | |
CN111539674A (zh) | 一种用于工程机械租赁场景物流运输的拼单方法 | |
CN116402426A (zh) | 基于大数据的无人机智能物流配送方法、系统及介质 | |
Sun et al. | UAV-rider coordinated dispatching for the on-demand delivery service provider | |
Zhang et al. | Collaborative Optimization of Community Bus and Flexible Feeder Bus Connection System | |
Gao et al. | Sharing instant delivery UAVs for crowdsensing: A data-driven performance study | |
CN116384872A (zh) | 基于动态奖励机制及众包的无人机车辆协同配送规划方法 | |
Varnousfaderani et al. | Deep-Dispatch: A Deep Reinforcement Learning-Based Vehicle Dispatch Algorithm for Advanced Air Mobility | |
CN115423406A (zh) | 一种无人机结合公交车区域协同配送系统及方法 | |
CN114595985A (zh) | 一种物流提货车辆的调度规划方法及系统 | |
CN114004546A (zh) | 网约车分配方法、装置、电子设备及存储介质 | |
CN114706397A (zh) | 一种基于导航定位的钢铁物流路线规划方法及系统 | |
JP2024005388A (ja) | 情報処理システム、情報処理装置、情報処理方法、およびプログラム |
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 |