CN117236546B - 一种物流配送车辆路径优化方法 - Google Patents

一种物流配送车辆路径优化方法 Download PDF

Info

Publication number
CN117236546B
CN117236546B CN202311518785.7A CN202311518785A CN117236546B CN 117236546 B CN117236546 B CN 117236546B CN 202311518785 A CN202311518785 A CN 202311518785A CN 117236546 B CN117236546 B CN 117236546B
Authority
CN
China
Prior art keywords
fresh
position point
vehicle
cost
current
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.)
Active
Application number
CN202311518785.7A
Other languages
English (en)
Other versions
CN117236546A (zh
Inventor
揭闽
刘建文
章秋艳
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.)
Sichuan Xinyuanyi Food Technology Co ltd
Original Assignee
Sichuan Xinyuanyi Food 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 Sichuan Xinyuanyi Food Technology Co ltd filed Critical Sichuan Xinyuanyi Food Technology Co ltd
Priority to CN202311518785.7A priority Critical patent/CN117236546B/zh
Publication of CN117236546A publication Critical patent/CN117236546A/zh
Application granted granted Critical
Publication of CN117236546B publication Critical patent/CN117236546B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种物流配送车辆路径优化方法,属于路径规划技术领域,本发明中根据车内的生鲜类型,计算每种类型的生鲜当前的可运输时间,再根据车辆所在的当前位置点找到临近范围内多个卸货位置点,并判断生鲜当前的可运输时间是否低于时间阈值,若是的话,说明该生鲜着急配送,因此,将该生鲜对应的卸货位置点加入备选位置点集合中,从而从车辆当前位置点以及备选位置点集合中卸货位置点找到最优路径,使得本发明中路径规划始终在部分区域内进行,保障路径规划的时效性,提高路径规划的精度,并且把着急配送的生鲜进行优先配送。

Description

一种物流配送车辆路径优化方法
技术领域
本发明涉及路径规划技术领域,具体而言,涉及一种物流配送车辆路径优化方法。
背景技术
物流配送作为物流行业发展的重要组成部分,而生鲜运输又是物流运输的重要部分,关系到每个人的日常需求。但是现有物流配送路径规划方法根据所有配送目的地,找到遍历所有目的地的路径,从所有路径中寻找最优路径,其导致路径选择的时效性较差,精度较低,且装载的生鲜货品无法得到及时的配送。
发明内容
本发明的目的在于提供一种物流配送车辆路径优化方法,其解决了现有物流配送路径规划方法存在时效性差、精度低和生鲜货品无法得到及时的配送的问题。
本发明的实施例通过以下技术方案实现:一种物流配送车辆路径优化方法,包括以下步骤:
S1、根据车内的生鲜类型,计算每种类型的生鲜当前的可运输时间;
S2、在当前位置点处找到临近范围内多个卸货位置点,构建为备选位置点集合;
S3、判断车内是否存在生鲜当前可运输时间低于时间阈值,若是,将对应生鲜的卸货位置点作为急配送卸货位置点加入到备选位置点集合,并跳转至步骤S4,若否,则直接跳转至步骤S4;
S4、从备选位置点集合中选出最优路径;
S5、以最优路径中最后一个卸货位置点为当前位置点,通过步骤S2~S4重新寻找新的最优路径,直到车内货物卸载完。
进一步地,所述S1中计算每种类型的生鲜当前的可运输时间的公式为:
其中,为第/>种类型的生鲜当前的可运输时间,/>为第/>种类型的生鲜用户可接受的最大腐败程度,/>为第/>种类型的生鲜当前腐败程度,/>为第/>种类型的生鲜的腐败速度。
上述进一步地方案的有益效果为:本发明中通过生鲜用户可接受的最大腐败程度与生鲜当前腐败程度相差,得到生鲜的可腐败范围,再除以腐败速度,得到可运输时间,生鲜当前腐败程度和腐败速度是随时间变化的量,因此,生鲜当前的可运输时间是随时间变化的,提高路径规划的时效性,能提高生鲜的配送品质。
进一步地,所述第种类型的生鲜的腐败速度/>的计算公式为:
其中,为第/>种类型的生鲜的腐败速度,/>为第/>种类型的生鲜在/>时刻的腐败程度,/>为第/>种类型的生鲜在/>时刻的腐败程度,/>为第/>种类型的生鲜在/>时刻的腐败程度,/>为第/>种类型的生鲜当前腐败程度,/>为当前时刻,/>为统计的邻近时刻,/>为邻近时刻的编号,/>为从腐败程度/>到/>的时间。
上述进一步地方案的有益效果为:本发明中取邻近时刻的腐败程度,计算出邻近时刻中平均腐败程度,再结合当前时刻的腐败程度,并对当前时刻的腐败程度赋予较大权重,保障计算腐败速度的时效性,同时,滤除个别异常点对腐败速度的影响程度。
进一步地,所述S4包括以下分步骤:
S41、计算车辆当前位置点与到备选位置点集合中每个卸货位置点之间的运输成本;
S42、计算备选位置点集合中两卸货位置点之间的运输成本;
S43、根据S41和S42中两位置点之间的运输成本和各位置点的坐标,建立路径规划图;
S44、计算车辆遍历完路径规划图中所有节点的总成本,其中,路径规划图所有节点仅需遍历一次;
S45、选出总成本最小的路径,作为最优路径;
S46、判断最优路径中的总时间成本是否小于等于生鲜的当前可运输时间,若是,则按最优路径行驶,若否,则跳转至步骤S47;
S47、从当前位置点先配送至急配送卸货位置点,再通过步骤S41至S45找到新的最优路径,按新的最优路径行驶。
上述进一步地方案的有益效果为:本发明中算出两位置点间的运输成本,从而找到车辆遍历完备选位置点集合中卸货位置点所有路径,将每条路径中两位置点间的运输成本进行相加,得到每条路径的运输成本,从而选出最小路径,得到最优路径,判断出最优路径中的总时间成本是否小于等于生鲜的当前可运输时间,若是,则说明时间充足,无需优先派送备选位置点集合中的快腐败生鲜,若否,则需要进行优先派送,在优先派送后,再选取最优路径进行配送,本发明中的总时间成本为路径中所有两位置点的所有时间成本相加。
进一步地,所述S41和S42中计算的运输成本的公式为:
其中,为两位置点间的运输成本,/>为时间成本,/>为油耗成本,/>为生鲜腐败成本,/>为时间权重,/>为油耗权重,/>为生鲜权重。
上述进一步地方案的有益效果为:本发明中时间成本、油耗成本和生鲜腐败成本给运输成本带来的影响不同,因此,分别赋予不同权重,找到最低的运输成本。
进一步地,所述时间成本的计算公式为:
其中,为时间成本,/>为一个位置点到另一个位置点的路途中拥堵路段的长度,/>为拥堵路段的车速,/>为一个位置点到另一个位置点的路途中红绿灯的数量,/>为遇到红绿灯的比例系数,/>为等待红绿灯的时间,/>为一个位置点到另一个位置点的路途中非拥堵路段的长度,/>为非拥堵路段的车速。
上述进一步地方案的有益效果为:本发明中根据两个位置点间的路途的拥堵情况和等待红绿灯情况算出预计通过的时间,本发明中是将临近范围内的多个卸货位置点进行一次路径规划,一次路径规划则会计算一次拥堵情况和等待红绿灯情况,因此,本发明的时效性更高,能选出更优路径。
进一步地,所述油耗成本的计算公式为:
其中,为油耗成本,/>为一个位置点到另一个位置点的路途中拥堵路段的长度,/>为一个位置点到另一个位置点的路途中非拥堵路段的长度,/>为车辆的平均油耗,/>为一个位置点到另一个位置点的路途中车辆和所载货物的总载重,/>为车辆本身的重量。
上述进一步地方案的有益效果为:本发明中考虑车辆的基本油耗量,并且考虑车辆和所载货物的总载重,在不同位置点处,卸货量不同,因此,其重量减少会降低油耗,在同等条件下,更容易选择卸货量更多的路径,从而达到油耗更少。
进一步地,所述生鲜腐败成本的计算公式为:
其中,为生鲜腐败成本,/>为第/>种类型的生鲜的总价值,/>为第/>种类型的生鲜当前腐败程度,/>为调节系数,/>为车内生鲜的种类。
上述进一步地方案的有益效果为:本发明中生鲜的腐败成本跟生鲜当前腐败程度有关,生鲜当前腐败程度越高,生鲜腐败成本越高。
进一步地,所述S43包括以下步骤:
S431、将车辆当前位置点和备选位置点集合中各卸货位置点的坐标作为路径规划图中节点;
S432、将各位置点之间的运输成本作为对应节点之间的运输成本,得到路径规划图。
上述进一步地方案的有益效果为:本发明中将车辆当前位置点和备选位置点集合中各卸货位置点标注在路径规划图中,从而将各位置点各条路径进行连接,将各个路径间对应节点的运输成本相加,得到每条路径的总运输成本。
本发明实施例的技术方案至少具有如下优点和有益效果:本发明中根据车内的生鲜类型,计算每种类型的生鲜当前的可运输时间,再根据车辆所在的当前位置点找到临近范围内多个卸货位置点,并判断生鲜当前的可运输时间是否低于时间阈值,若是的话,说明该生鲜着急配送,因此,将该生鲜对应的卸货位置点加入备选位置点集合中,从而从车辆当前位置点以及备选位置点集合中卸货位置点找到最优路径,使得本发明中路径规划始终在部分区域内进行,保障路径规划的时效性,提高路径规划的精度,并且把着急配送的生鲜进行优先配送。
附图说明
图1为一种物流配送车辆路径优化方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
如图1所示,一种物流配送车辆路径优化方法,包括以下步骤:
S1、根据车内的生鲜类型,计算每种类型的生鲜当前的可运输时间;
所述S1中计算每种类型的生鲜当前的可运输时间的公式为:
其中,为第/>种类型的生鲜当前的可运输时间,/>为第/>种类型的生鲜用户可接受的最大腐败程度,/>为第/>种类型的生鲜当前腐败程度,/>为第/>种类型的生鲜的腐败速度。
腐败程度的具体类型包括:总挥发性盐基氮、三甲胺、K值、PH值、过氧化值、酸价等。
本发明中通过生鲜用户可接受的最大腐败程度与生鲜当前腐败程度相差,得到生鲜的可腐败范围,再除以腐败速度,得到可运输时间,生鲜当前腐败程度和腐败速度是随时间变化的量,因此,生鲜当前的可运输时间是随时间变化的,提高路径规划的时效性,能提高生鲜的配送品质。
所述第种类型的生鲜的腐败速度/>的计算公式为:
其中,为第/>种类型的生鲜的腐败速度,/>为第/>种类型的生鲜在/>时刻的腐败程度,/>为第/>种类型的生鲜在/>时刻的腐败程度,/>为第种类型的生鲜在/>时刻的腐败程度,/>为第/>种类型的生鲜当前腐败程度,/>为当前时刻,/>为统计的邻近时刻,/>为邻近时刻的编号,/>为从腐败程度/>到/>的时间。
本发明中取邻近时刻的腐败程度,计算出邻近时刻中平均腐败程度,再结合当前时刻的腐败程度,并对当前时刻的腐败程度赋予较大权重,保障计算腐败速度的时效性,同时,滤除个别异常点对腐败速度的影响程度。
S2、在当前位置点处找到临近范围内多个卸货位置点,构建为备选位置点集合;
在本发明中,临近范围可为1KM、2KM或3KM等距离范围,也可以为最近2个卸货位置点、3个卸货位置点或4个卸货位置点等卸货位置点范围。
S3、判断车内是否存在生鲜当前可运输时间低于时间阈值,若是,将对应生鲜的卸货位置点作为急配送卸货位置点加入到备选位置点集合,并跳转至步骤S4,若否,则直接跳转至步骤S4;
S4、从备选位置点集合中选出最优路径;
所述S4包括以下分步骤:
S41、计算车辆当前位置点与到备选位置点集合中每个卸货位置点之间的运输成本;
S42、计算备选位置点集合中两卸货位置点之间的运输成本;
S43、根据S41和S42中两位置点之间的运输成本和各位置点的坐标,建立路径规划图;
S44、计算车辆遍历完路径规划图中所有节点的总成本,其中,路径规划图所有节点仅需遍历一次;
在S44中路径规划图所有节点仅需遍历一次,即达到一次,从而得到所有节点仅达到一次的所有实现路径,将每条路径上所有运输成本相加,得到总成本。
S45、选出总成本最小的路径,作为最优路径;
S46、判断最优路径中的总时间成本是否小于等于生鲜的当前可运输时间,若是,则按最优路径行驶,若否,则跳转至步骤S47;
本发明中,在S3中,已经将急配送卸货位置点加入到备选位置点集合,因此,最优路径中的总时间成本小于生鲜的当前可运输时间,也就说按最优路径遍历完整个备选位置点集合中所有位置点,不会导致生鲜坏掉,用户无法接受,又能实现最低的总成本。
S47、从当前位置点先配送至急配送卸货位置点,再通过步骤S41至S45找到新的最优路径,按新的最优路径行驶。
在S47中,车辆到达急配送卸货位置点后,再回到步骤S41中,则当前位置点则为急配送卸货位置点,本发明中的当前位置点可为上货位置点、急配送卸货位置点、其他卸货位置点。
本发明中算出两位置点间的运输成本,从而找到车辆遍历完备选位置点集合中卸货位置点所有路径,将每条路径中两位置点间的运输成本进行相加,得到每条路径的运输成本,从而选出最小路径,得到最优路径,判断出最优路径中的总时间成本是否小于等于生鲜的当前可运输时间,若是,则说明时间充足,无需优先派送备选位置点集合中的快腐败生鲜,若否,则需要进行优先派送,在优先派送后,再选取最优路径进行配送,本发明中的总时间成本为路径中所有两位置点的所有时间成本相加。
所述S41和S42中计算的运输成本的公式为:
其中,为两位置点间的运输成本,/>为时间成本,/>为油耗成本,/>为生鲜腐败成本,/>为时间权重,/>为油耗权重,/>为生鲜权重。
本发明中时间成本、油耗成本和生鲜腐败成本给运输成本带来的影响不同,因此,分别赋予不同权重,找到最低的运输成本。
所述时间成本的计算公式为:
其中,为时间成本,/>为一个位置点到另一个位置点的路途中拥堵路段的长度,/>为拥堵路段的车速,/>为一个位置点到另一个位置点的路途中红绿灯的数量,/>为遇到红绿灯的比例系数,/>为等待红绿灯的时间,/>为一个位置点到另一个位置点的路途中非拥堵路段的长度,/>为非拥堵路段的车速。
本发明中根据两个位置点间的路途的拥堵情况和等待红绿灯情况算出预计通过的时间,本发明中是将临近范围内的多个卸货位置点进行一次路径规划,一次路径规划则会计算一次拥堵情况和等待红绿灯情况,因此,本发明的时效性更高,能选出更优路径。
所述油耗成本的计算公式为:
其中,为油耗成本,/>为一个位置点到另一个位置点的路途中拥堵路段的长度,/>为一个位置点到另一个位置点的路途中非拥堵路段的长度,/>为车辆的平均油耗,/>为一个位置点到另一个位置点的路途中车辆和所载货物的总载重,/>为车辆本身的重量。
本发明中考虑车辆的基本油耗量,并且考虑车辆和所载货物的总载重,在不同位置点处,卸货量不同,因此,其重量减少会降低油耗,在同等条件下,更容易选择卸货量更多的路径,从而达到油耗更少。
所述生鲜腐败成本的计算公式为:
其中,为生鲜腐败成本,/>为第/>种类型的生鲜的总价值,/>为第/>种类型的生鲜当前腐败程度,/>为调节系数,/>为车内生鲜的种类。
本发明中生鲜的腐败成本跟生鲜当前腐败程度有关,生鲜当前腐败程度越高,生鲜腐败成本越高。
所述S43包括以下步骤:
S431、将车辆当前位置点和备选位置点集合中各卸货位置点的坐标作为路径规划图中节点;
S432、将各位置点之间的运输成本作为对应节点之间的运输成本,得到路径规划图。
本发明中将车辆当前位置点和备选位置点集合中各卸货位置点标注在路径规划图中,从而将各位置点各条路径进行连接,将各个路径间对应节点的运输成本相加,得到每条路径的总运输成本。
S5、以最优路径中最后一个卸货位置点为当前位置点,通过步骤S2~S4重新寻找新的最优路径,直到车内货物卸载完。
本发明中根据车内的生鲜类型,计算每种类型的生鲜当前的可运输时间,再根据车辆所在的当前位置点找到临近范围内多个卸货位置点,并判断生鲜当前的可运输时间是否低于时间阈值,若是的话,说明该生鲜着急配送,因此,将该生鲜对应的卸货位置点加入备选位置点集合中,从而从车辆当前位置点以及备选位置点集合中卸货位置点找到最优路径,使得本发明中路径规划始终在部分区域内进行,保障路径规划的时效性,提高路径规划的精度,并且把着急配送的生鲜进行优先配送。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (5)

1.一种物流配送车辆路径优化方法,其特征在于,包括以下步骤:
S1、根据车内的生鲜类型,计算每种类型的生鲜当前的可运输时间;其中,可运输时间的计算公式为:
其中,为第/>种类型的生鲜当前的可运输时间,/>为第/>种类型的生鲜用户可接受的最大腐败程度,/>为第/>种类型的生鲜当前腐败程度,/>为第/>种类型的生鲜的腐败速度;
所述第种类型的生鲜的腐败速度/>的计算公式为:
其中,为第/>种类型的生鲜的腐败速度,/>为第/>种类型的生鲜在/>时刻的腐败程度,/>为第/>种类型的生鲜在/>时刻的腐败程度,/>为第/>种类型的生鲜在/>时刻的腐败程度,/>为第/>种类型的生鲜当前腐败程度,/>为当前时刻,/>为统计的邻近时刻,/>为邻近时刻的编号,/>为从腐败程度/>到/>的时间;
S2、在当前位置点处找到临近范围内多个卸货位置点,构建为备选位置点集合;
S3、判断车内是否存在生鲜当前可运输时间低于时间阈值,若是,将对应生鲜的卸货位置点作为急配送卸货位置点加入到备选位置点集合,并跳转至步骤S4,若否,则直接跳转至步骤S4;
S4、从备选位置点集合中选出最优路径;具体包括以下分步骤:
S41、计算车辆当前位置点与到备选位置点集合中每个卸货位置点之间的运输成本;
S42、计算备选位置点集合中两卸货位置点之间的运输成本;
S43、根据S41和S42中两位置点之间的运输成本和各位置点的坐标,建立路径规划图;
S44、计算车辆遍历完路径规划图中所有节点的总成本,其中,路径规划图所有节点仅需遍历一次;
S45、选出总成本最小的路径,作为最优路径;
S46、判断最优路径中的总时间成本是否小于等于生鲜的当前可运输时间,若是,则按最优路径行驶,若否,则跳转至步骤S47;
S47、从当前位置点先配送至急配送卸货位置点,再通过步骤S41至S45找到新的最优路径,按新的最优路径行驶;
其中,所述S41和S42中计算的运输成本的公式为:
其中,为两位置点间的运输成本,/>为时间成本,/>为油耗成本,/>为生鲜腐败成本,/>为时间权重,/>为油耗权重,/>为生鲜权重;
S5、以最优路径中最后一个卸货位置点为当前位置点,通过步骤S2~S4重新寻找新的最优路径,直到车内货物卸载完。
2.根据权利要求1所述的物流配送车辆路径优化方法,其特征在于,所述时间成本的计算公式为:
其中,为时间成本,/>为一个位置点到另一个位置点的路途中拥堵路段的长度,/>为拥堵路段的车速,/>为一个位置点到另一个位置点的路途中红绿灯的数量,/>为遇到红绿灯的比例系数,/>为等待红绿灯的时间,/>为一个位置点到另一个位置点的路途中非拥堵路段的长度,/>为非拥堵路段的车速。
3.根据权利要求2所述的物流配送车辆路径优化方法,其特征在于,所述油耗成本的计算公式为:
其中,为油耗成本,/>为一个位置点到另一个位置点的路途中拥堵路段的长度,为一个位置点到另一个位置点的路途中非拥堵路段的长度,/>为车辆的平均油耗,为一个位置点到另一个位置点的路途中车辆和所载货物的总载重,/>为车辆本身的重量。
4.根据权利要求3所述的物流配送车辆路径优化方法,其特征在于,所述生鲜腐败成本的计算公式为:
其中,为生鲜腐败成本,/>为第/>种类型的生鲜的总价值,/>为第/>种类型的生鲜当前腐败程度,/>为调节系数,/>为车内生鲜的种类。
5.根据权利要求1所述的物流配送车辆路径优化方法,其特征在于,所述S43包括以下步骤:
S431、将车辆当前位置点和备选位置点集合中各卸货位置点的坐标作为路径规划图中节点;
S432、将各位置点之间的运输成本作为对应节点之间的运输成本,得到路径规划图。
CN202311518785.7A 2023-11-15 2023-11-15 一种物流配送车辆路径优化方法 Active CN117236546B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311518785.7A CN117236546B (zh) 2023-11-15 2023-11-15 一种物流配送车辆路径优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311518785.7A CN117236546B (zh) 2023-11-15 2023-11-15 一种物流配送车辆路径优化方法

Publications (2)

Publication Number Publication Date
CN117236546A CN117236546A (zh) 2023-12-15
CN117236546B true CN117236546B (zh) 2024-02-20

Family

ID=89084752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311518785.7A Active CN117236546B (zh) 2023-11-15 2023-11-15 一种物流配送车辆路径优化方法

Country Status (1)

Country Link
CN (1) CN117236546B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503855A (zh) * 2016-10-26 2017-03-15 广州智网联运物流有限公司 一种物流运输方法及系统
CN106803136A (zh) * 2017-01-24 2017-06-06 苏州工业职业技术学院 一种基于混合遗传算法的生鲜配送实时优化方法
EP3779363A1 (en) * 2019-08-14 2021-02-17 Bayerische Motoren Werke Aktiengesellschaft Method and system for vehicle routing based on parking probabilities
CN114926081A (zh) * 2022-06-07 2022-08-19 大连理工大学 一种农产品生产与冷链运输联合优化调度系统及方法
CN116167680A (zh) * 2023-04-26 2023-05-26 成都运荔枝科技有限公司 一种冷链系统智能流控方法
CN116362651A (zh) * 2023-04-21 2023-06-30 东南大学 一种多车型冷链车辆取货路径优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022149501A1 (ja) * 2021-01-06 2022-07-14 株式会社デンソー 情報管理方法、及び情報提供方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503855A (zh) * 2016-10-26 2017-03-15 广州智网联运物流有限公司 一种物流运输方法及系统
CN106803136A (zh) * 2017-01-24 2017-06-06 苏州工业职业技术学院 一种基于混合遗传算法的生鲜配送实时优化方法
EP3779363A1 (en) * 2019-08-14 2021-02-17 Bayerische Motoren Werke Aktiengesellschaft Method and system for vehicle routing based on parking probabilities
CN114926081A (zh) * 2022-06-07 2022-08-19 大连理工大学 一种农产品生产与冷链运输联合优化调度系统及方法
CN116362651A (zh) * 2023-04-21 2023-06-30 东南大学 一种多车型冷链车辆取货路径优化方法
CN116167680A (zh) * 2023-04-26 2023-05-26 成都运荔枝科技有限公司 一种冷链系统智能流控方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Risk management in perishable food distribution operations A distribution route selection model and whale optimization algorithm;Wang, Yingchao等;Industrial management & data systems;20200130;第120卷(第2期);291-311 *
物流配送线路优化Matlab算法研究;刘亚娟 等;中国市场;20160812(第32期);41-42 *
考虑交通拥堵的冷链物流城市配送的GVRP研究;赵志学 等;;计算机工程与应用;20190925;第56卷(第01期);224-231 *

Also Published As

Publication number Publication date
CN117236546A (zh) 2023-12-15

Similar Documents

Publication Publication Date Title
CN107918849B (zh) 一种电动物流货车的智能调度装置及方法
CN110909952A (zh) 一种带移动配送站的城市两级配送及调度方法
CN107958315B (zh) 智能物流配送方法
CN111815076A (zh) 一种物流配送路径的优化方法、存储介质和计算机设备
CN114662929A (zh) 物流配载方法、系统、电子设备和计算机可读存储介质
CN115081674B (zh) 新型卡车排队行驶模式下的本地集装箱运输排版优化方法
CN112633555A (zh) 一种物流运输方案的优化方法及系统
CN111861009A (zh) 一种智能路由规划方法、装置和设备
CN112907188A (zh) 一种基于自适应邻域搜索算法的共享单车搬运优化方法
CN114358677A (zh) 物流运输分配方法、装置、计算机设备和存储介质
CN117236546B (zh) 一种物流配送车辆路径优化方法
CN113256975A (zh) 基于级联失效的机场陆侧道路交通拥堵影响范围确定方法
CN110544040A (zh) 一种车辆调度优化决策系统
CN114612046A (zh) 配送路径智能优化的方法
CN113408775A (zh) 基于物流网络的路由规划方法、装置、设备和存储介质
CN112926915B (zh) 一种物流大数据统计管理系统
CN116167687B (zh) 一种冷链系统智能调度方法
CN117010778B (zh) 一种基于多式联运的数据管理方法
CN115617049B (zh) 基于混凝土运输平台的agv小车控制系统
CN116167680B (zh) 一种冷链系统智能流控方法
CN111428902B (zh) 确定运输线路的方法及装置
CN112418550A (zh) 一种物流行业中多种司机工作状态下的车货匹配方法
CN114037257B (zh) 一种特种船舶竞争力分析方法及系统
CN113705966A (zh) 一种封闭厂区满足道路负荷率的车辆运输调度方法
CN111507662B (zh) 一种规划物流车辆路径的方法

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
GR01 Patent grant
GR01 Patent grant