CN117494911A - 订单配送路径规划方法、系统、服务器及存储介质 - Google Patents
订单配送路径规划方法、系统、服务器及存储介质 Download PDFInfo
- Publication number
- CN117494911A CN117494911A CN202210868874.3A CN202210868874A CN117494911A CN 117494911 A CN117494911 A CN 117494911A CN 202210868874 A CN202210868874 A CN 202210868874A CN 117494911 A CN117494911 A CN 117494911A
- Authority
- CN
- China
- Prior art keywords
- path planning
- order
- real
- time
- distribution
- 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
- 238000013439 planning Methods 0.000 title claims abstract description 600
- 238000009826 distribution Methods 0.000 title claims abstract description 342
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims abstract description 78
- 238000012384 transportation and delivery Methods 0.000 claims description 380
- 230000006870 function Effects 0.000 claims description 78
- 238000012545 processing Methods 0.000 claims description 15
- 238000012795 verification Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 30
- 238000010845 search algorithm Methods 0.000 description 19
- 230000008859 change Effects 0.000 description 7
- 230000002354 daily effect Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000003203 everyday effect Effects 0.000 description 4
- 230000032683 aging Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/04—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
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种订单配送路径规划方法、系统、服务器及存储介质,涉及了物流技术领域,解决了传统决策方案存在的无法平衡配送人员的工作时间和无法避免配送人员绕路的问题,包括根据集配站数据、时间距离矩阵数据和配送人员数据,基于预设的第一路径规划目标,对可规划订单的第一路径规划策略进行求解,确定目标配送人员以及确定目标配送人员的待配送订单;根据实时时间距离矩阵数据和实时位置数据,基于预设的第二路径规划目标,对待配送订单的第二路径规划策略进行求解,确定目标配送人员的实时配送路径规划信息,本申请实现了配送人员和可规划订单的智能匹配以及配送人员和配送路径的智能决策,提升了配送人员的配送效率。
Description
技术领域
本申请涉及物流技术领域,具体涉及一种订单配送路径规划方法、系统、服务器及存储介质。
背景技术
车辆路径问题(Vehicle Routing Problem,VRP)是物流领域非常经典的问题,常见项目解决方案包括工作人员凭借经验指派、根据场景开发调度模型或启发式算法,学术上有分支定价算法(branch-and-price algorithm)和分支割平面算法(branch-and-cut-and-price algorithm)等精确算法的研发。
目前的物流配送方式通常是在客户收到订单前,订单会发送至客户附近的快递网点由快递员发起配送。为了提升客户购物体验,部分企业会在城市内部选址多个集配站,每个集配站覆盖不同城市区域,每个集配站按照需求配置多个快递员,客户收到订单前,订单不再流经快递网点,而是集中到所属集配站,由所属集配站的快递员统一配送。
对于任一集配站,都存在集配站的配送订单与快递员之间无法实现均衡分配的问题,快递员在待配送订单时,又难以考虑实时路况,导致配送出现绕路和配送时间长的问题。
发明内容
本申请提供一种解决了现有路径规划方式存在的无法决策投入配送人员数量、无法平衡配送人员工作时间且无法避免配送人员绕路等问题,能够优化配送订单与配送人员的匹配方式,更好地决策配送人员配送路径的一种订单配送路径规划方法、系统、服务器及存储介质。
一方面,本申请提供一种订单配送路径规划方法,包括:
获取当前集配站的集配站数据、可规划订单的时间距离矩阵数据和待规划配送人员的配送人员数据;
根据所述集配站数据、所述时间距离矩阵数据和所述配送人员数据,基于预设的第一路径规划目标,对所述可规划订单的第一路径规划策略进行求解,确定至少一个所述待规划配送人员为目标配送人员以及确定至少一个所述可规划订单为所述目标配送人员的待配送订单;
获取所述目标配送人员的实时位置数据和所述待配送订单的实时时间距离矩阵数据;
根据所述实时时间距离矩阵数据和所述实时位置数据,基于预设的第二路径规划目标,对所述待配送订单的第二路径规划策略进行求解,确定所述目标配送人员的实时配送路径规划信息。
在本申请一种可能的实现方式中,所述获取当前集配站的集配站数据、可规划订单的时间距离矩阵数据和待规划配送人员的配送人员数据,包括:
获取包含至少一个所述可规划订单的多个初始订单;
解析所述集配站数据中的当前集配站地址和所述多个初始订单中的初始订单地址,得到当前集配站经纬度信息和多个初始订单地址经纬度信息;
将所述当前集配站经纬度信息和多个所述初始订单地址经纬度信息的并集进行笛卡尔积处理,得到所述当前集配站地址与多个初始订单地址之间以及不同的所述初始订单地址之间的多个第一流向数据;
根据多个所述第一流向数据,对所述多个初始订单进行流向校验,确定所述多个初始订单中的至少一个所述可规划订单以及的至少一个所述可规划订单之间的所述时间距离矩阵数据。
在本申请一种可能的实现方式中,所述基于预设的第一路径规划目标,对所述可规划订单的第一路径规划策略进行求解,确定至少一个所述待规划配送人员为目标配送人员以及确定至少一个所述可规划订单为所述目标配送人员的待配送订单,包括:
基于配送人员投入数量最小化、每个配送人员工作时间平均和订单配送时间最小化的目标,对所述可规划订单的第一路径规划策略进行求解,得到所述可规划订单的第一配送路径规划决策结果;
根据所述第一配送路径规划决策结果,确定至少一个所述待规划配送人员为目标配送人员以及确定至少一个所述可规划订单为所述目标配送人员的待配送订单。
在本申请一种可能的实现方式中,所述对所述可规划订单的第一路径规划策略进行求解,得到所述可规划订单的第一配送路径规划决策结果,包括:
以配送人员投入数量最小化作为初始目标,生成满足预设的多个路径规划约束条件的路径规划初始解;
将所述路径规划初始解设置为路径规划当前解和路径规划最优解;
基于所述路径规划当前解进行邻域搜索迭代,并更新所述路径规划当前解和所述路径规划最优解,直至邻域搜索迭代停止;
将更新完毕后得到的路径规划最优解作为所述可规划订单的所述第一配送路径规划决策结果。
在本申请一种可能的实现方式中,所述基于所述路径规划初始解进行邻域搜索迭代,并更新所述路径规划当前解和所述路径规划最优解,直至邻域搜索迭代停止,包括:
基于所述路径规划当前解进行邻域搜索,得到满足多个所述路径规划约束条件的路径规划邻域解;
根据预设的多个路径规划评分函数,对所述路径规划邻域解进行评分,得到邻域解评分结果;
根据所述邻域解评分结果,对所述路径规划当前解和所述路径规划最优解进行更新;
重复上述步骤,直至邻域搜索迭代停止。
在本申请一种可能的实现方式中,所述获取所述目标配送人员的实时位置数据和所述待配送订单的实时时间距离矩阵数据,包括:
获取实时配送路径规划触发指令;
根据所述实时配送路径规划触发指令,获取所述目标配送人员的实时位置数据和所述待配送订单的实时时间距离矩阵数据。
在本申请一种可能的实现方式中,在所述获取实时配送路径规划触发指令之后,所述方法还包括:
根据所述实时配送路径规划触发指令,判断所述目标配送人员对应的所述待配送订单是否全部配送完成,以及
当所述待配送订单未全部配送完成时,对所述目标配送人员的待配送订单进行更新;
当所述待配送订单全部配送完成时,结束所述目标配送人员的订单配送路径规划
在本申请一种可能的实现方式中,所述获取所述目标配送人员的实时位置数据和所述待配送订单的实时时间距离矩阵数据,包括:
解析所述实时位置数据中的实时位置地址和所述待配送订单中的待配送订单地址,得到实时位置经纬度信息和至少一个待配送订单地址经纬度信息;
将所述实时位置经纬度信息和至少一个所述待配送订单地址经纬度信息的并集进行笛卡尔积处理,得到所述实时位置地址与至少一个所述待配送订单地址之间以及不同的所述待配送订单地址之间的多个第二流向数据;
根据多个所述第二流向数据,对所述待配送订单进行流向校验,确定所述待配送订单之间的所述实时时间距离矩阵数据。
在本申请一种可能的实现方式中,所述基于预设的第二路径规划目标,对所述待配送订单的第二路径规划策略进行求解,确定所述目标配送人员的实时配送路径规划信息,包括:
基于订单配送次数最小化的目标,生成满足预设的多个实时路径规划约束条件的实时路径规划初始解;
将所述实时路径规划初始解设置为实时路径规划当前解和实时路径规划最优解;
基于实时路径规划当前解进行邻域搜索迭代,并更新所述实时路径规划当前解和所述实时路径规划最优解,直至邻域搜索迭代停止;
将更新完毕后得到的实时路径规划最优解作为所述目标配送人员的实时配送路径规划信息。
在本申请一种可能的实现方式中,所述基于实时路径规划当前解进行邻域搜索迭代,并更新所述实时路径规划当前解和所述实时路径规划最优解,直至邻域搜索迭代停止,包括:
基于所述实时路径规划当前解进行邻域搜索,得到满足多个所述实时路径规划约束条件的实时路径规划邻域解;
根据预设的多个实时路径规划评分函数,对所述实时路径规划邻域解进行评分,得到实时邻域解评分结果;
根据所述实时邻域解评分结果,对所述实时路径规划当前解和所述实时路径规划最优解进行更新;
重复上述步骤,直至邻域搜索迭代停止。
另一方面,本申请提供一种订单配送路径规划系统,所述系统包括:
第一获取模块,用于获取当前集配站的集配站数据、可规划订单的时间距离矩阵数据和待规划配送人员的配送人员数据;
第一路径规划模块,用于根据所述集配站数据、所述时间距离矩阵数据和所述配送人员数据,基于预设的第一路径规划目标,对所述可规划订单的第一路径规划策略进行求解,确定至少一个所述待规划配送人员为目标配送人员以及确定至少一个所述可规划订单为所述目标配送人员的待配送订单;
第二获取模块,用于获取所述目标配送人员的实时位置数据和所述待配送订单的实时时间距离矩阵数据;
第二路径规划模块,用于根所述实时时间距离矩阵数据和所述实时位置数据,基于预设的第二路径规划目标,对所述待配送订单的第二路径规划策略进行求解,确定所述目标配送人员的实时配送路径规划信息。
另一方面,本申请还提供一种服务器,所述服务器包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现所述的订单配送路径规划方法。
另一方面,本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行所述的订单配送路径规划方法中的步骤。
本申请根据当前集配站的集配站数据、可规划订单的时间距离矩阵数据和待规划配送人员的配送人员数据,并基于预设的第一路径规划目标,对可规划订单的第一路径规划策略进行求解,确定至少一个待规划配送人员为目标配送人员以及确定至少一个可规划订单为目标配送人员的待配送订单,以优化投入的目标配送人员的数量,并平衡每个目标配送人员配送的待配送订单数量,从而平衡所有投入配送人员的工作时间;在目标配送人员实时配送过程中,根据目标配送人员的实时时间距离矩阵数据和实时位置数据,基于预设的第二路径规划目标,对待配送订单的第二路径规划策略进行求解,确定目标配送人员的实时配送路径规划信息,即根据目标配送人员的待配送订单和实时位置,实时规划目标配送人员的配送路径,减少目标配送人员绕路的情况;因此,采用上述方案得到的配送路径规划决策结果能够满足减少配送人员绕路和平衡所有投入配送人员的工作时间的两个指标要求,解决了传统决策方案存在的无法决策投入配送人员数量、无法平衡配送人员的工作时间,无法避免配送人员绕路的问题,本申请实现了配送人员和可规划订单的智能匹配,并实现了可规划订单的配送人员和配送路径的智能决策,提升了配送人员的配送效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例中提供的配送人员的动作节点场景示意图;
图2是本申请实施例中提供的配送人员的配送订单场景示意图;
图3是本申请实施例中提供的订单配送路径规划方法的实施例流程示意图;
图4是本申请实施例中提供的订单池模型的一个实施例结构示意图;
图5是本申请实施例中提供的对当前解进行邻域搜索的实施例流程示意图;
图6是本申请实施例中提供的对当前解进行邻域搜索的场景示意图;
图7是本申请实施例中提供的订单配送路径规划系统的一个实施例结构示意图;
图8是本申请实施例中提供的服务器的一个实施例结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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。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。基于本发明中的实施例,本领域技术人员在没有作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。
在本发明的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本发明。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本发明的描述变得晦涩。因此,本发明并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
目前的物流配送方式通常是在客户收到订单前,订单会发送至客户附近的快递网点由配送人员发起配送。为了提升客户购物体验,部分企业会在城市内部选址多个集配站,每个集配站覆盖不同城市区域,每个集配站按照需求配置多个配送人员,客户收到订单前,订单不再流经快递网点,而是集中到所属集配站,由所属集配站的配送人员统一配送。如图1所示,对于任一集配站,集配站的配送人员的动作节点可以是以下步骤:配送人员上班后首先分拣出自己负责配送的订单,然后开始配送,配送人员逐一到达订单对应的订单地址,向客户交付订单,所有订单配送完毕则原地下班。
通常配送人员的工作时间与配送人员的当日待配送订单量、订单地址相关,因为每日订单量、订单地址都在变化,如果固定配送人员负责配送区域,进而给配送人员安排待配送订单,很难保证每个配送人员工作时间的平均。
目前的业务模式都存在以下几种场景:集配站每日固定出勤的配送人员数量有限,订单数量较少时,当日出勤配送人员都要被安排配送任务,订单数量较多时,当日出勤配送人员数量无法保证所有订单任务按时完成,则临时调用其他的配送人员来完成订单任务;配送人员拿到所有待配送订单后,配送人员人工决定订单配送顺序难以考虑到实时路况,且容易造成绕路问题;配送人员拿到待配送订单后存在相互转单的场景;存在订单在当天首次配送时由于客户原因无法接收,需要当天二次配送或者第二天配送等场景。
目前,已有的决策方案是通过优化配送人员配送订单量和配送人员工作时间等指标,来实现集配站的每个配送人员的工作量平均,但已有的决策方案在优化配送人员配送订单量和配送人员工作时间时,会存在不合理的场景。示例性的,如图2所示,配送人员A只有一个远距离订单需要配送,配送人员B有多个近距离且集中的订单需要配送,此时配送人员A和配送人员B的工作时间可能相同;若该场景下追求配送人员的配送订单量平均,配送人员A在配送完远距离订单后需要回到近距离订单集中区域再配送1-2个订单,而配送人员B一直在近距离订单集中区域活动,但只能配送2-3个订单。显然后者不符合业务实际运营场景。
通常配送人员配送订单会有减少绕路的需求,不绕路意味着所有投入配送人员的总工作时间最少,一味追求配送人员工作时间平均,会使模型在分配订单时,分配给配送人员绕路的订单来达成平均,而绕路的订单又会使得配送人员的总工作时间增加。
另外,本申请中涉及的集配站业务场景中,配送人员可分为两类,集配站的固定出勤配送人员和临时调用配送人员。根据业务要求,若固定出勤配送人员可在规定时间之前配送完所有当日订单,则不需要安排临时调用配送人员,且固定出勤配送人员工作量平均;若固定出勤配送人员在规定时间之前不能配送完所有当日订单,则需要合理投入临时调用配送人员,且所有投入配送人员工作量平均。显然,是否投入、投入多少临时调用配送人员的决策也是依赖集配站的当日订单量,而且也要在集配站的“分拣货物”时间节点之前进行决策。
由于配送人员的收益和工作量挂钩,考虑到配送人员工作量的平均,即在未调用临时配送人员时,需要保证固定出勤配送人员的工作时间相对均衡,在调用临时配送人员时,需要同时保证固定出勤配送人员和临时配送人员的工作时间相对均衡。
因此,如何根据该业务要求决策配送人员投入数量,同时减少配送人员绕路、平衡所有投入配送人员的工作时间,最终确定每位配送人员的待配送订单,实现配送人员和订单的匹配,供配送人员上班后完成订单货物分拣,以及在分拣货物时间节点之后,如何解决配送人员实时配送订单的过程中无法规避道路拥堵等问题,按照传统方式中的通过人工经验决策上述内容,难以给出高质量的决策结果。
为解决上述问题,本申请实施例提供一种订单配送路径规划方法、系统、服务器及存储介质,以下分别进行详细说明。
如图3和图4所示,为本申请实施例中订单配送路径规划方法的一个实施例流程示意图,该订单配送路径规划方法包括步骤101~104:
101、获取当前集配站的集配站数据、可规划订单的时间距离矩阵数据和待规划配送人员的配送人员数据。
实际应用中,物流配送企业会根据业务要求在某个城市设置多个集配站,每个集配站覆盖该城市的不同区域,客户在收到订单前,订单会集中到订单所属区域的集配站,通过该集配站的配送人员进行统一配送。本申请是针对多个集配站中的任意一个集配站进行阐述说明,在本实施例中,将该集配站定义为当前集配站。
当前集配站的集配站数据可以包括当前集配站名称、当前集配站地址以及当前集配站营业时间等数据,也可以包括其他数据,这里不做具体限定;多个初始订单数据为归属于当前集配站的订单的相关数据,这里不做具体限定。
待规划配送人员包括归属于当前集配站的固定配送人员和临时配送人员,配送人员数据可以包括固定配送人员和临时配送人员的姓名、编号和主要负责的配送区域信息等数据,也可以包括其他数据,这里不做具体限定。
在本实施例中,将当前集配站每天收到的订单定义为初始订单,由于当前集配站每天收到的初始订单都是不固定的,当前集配站的初始订单中有些订单是可以进行规划,有些订单是不可规划、需要专人专送的订单。因此,每天在进行配送路径规划决策之前,需要获取当前集配站与初始订单中的订单地址之间的时间距离信息,筛选出多个初始订单中的可规划订单,并解析出可规划订单之间的流向数据,将可规划订单之间的流向数据作为可规划订单的时间距离矩阵数据。
当前集配站的集配站数据和待规划配送人员的配送人员数据均存储于当前集配站的服务器中,若当前集配站分配有新的待配送订单时,服务器可以对应地记录与待配送订单相关的多个初始订单数据。应用过程中,可以通过从服务器直接调用上述数据的方式获取上述数据,也可以通过手动输入的方式直接获取上述数据,本实施例对集配站数据、可规划订单的时间距离矩阵数据和配送人员数据的获取方式不做具体限定。
102、根据集配站数据、时间距离矩阵数据和配送人员数据,基于预设的第一路径规划目标,对可规划订单的第一路径规划策略进行求解,确定至少一个待规划配送人员为目标配送人员以及确定至少一个可规划订单为目标配送人员的待配送订单。
在本实施例中,可以通过模型来确定配送路径规划决策结果,即通过模型来确定至少一个待规划配送人员为目标配送人员以及确定至少一个可规划订单为目标配送人员的待配送订单。因此,本申请将分配给目标配送人员的多个待配送订单定义为目标配送人员的待配送订单池,将用于确定投入目标配送人员和给目标配送人员分配待配送订单的模型定义为订单池模型,实际上,订单池模型也决策了每个配送人员的配送线路,应用过程中,采用邻域搜索算法对订单池模型进行求解,以确定配送路径规划决策结果。
具体的,在本实施例中,如图4所示,将集配站数据、可规划订单数据、可规划订单的时间距离矩阵数据和配送人员数据作为订单池模型的输入数据,基于邻域搜索算法,对可规划订单的第一路径规划策略进行求解,得到至少一个待规划配送人员为目标配送人员以及确定至少一个可规划订单为目标配送人员的待配送订单,即得到目标配送人员的订单池。
103、获取目标配送人员的实时位置数据和待配送订单的实时时间距离矩阵数据。
当前集配站的服务器在确定目标配送人员和目标配送人员的待配送订单之后,向该多个目标配送人员分配对应的多个待配送订单,在目标配送人员端形成对应的待配送订单池,在“分拣货物”阶段,当前集配站的目标配送人员则根据待配送订单池分拣出对应的待配送订单进行订单配送。
目标配送人员的实时位置数据为目标配送人员在配送过程中所处的当前位置,实时位置数据可以采用地理文字信息、坐标数据或者其他形式的数据表示,可以通过目标配送人员自行上传实时位置数据,也可以通过服务器远程获取目标配送人员的实时位置数据。本实施例对此不做具体限定;
通过解析目标配送人员的实时位置数据和待配送订单的地址数据,以获取待配送订单的实时时间距离矩阵数据,待配送订单的实时时间距离矩阵数据即为待配送订单的之间的流向数据;
由于目标配送人员的实时位置数据和待配送订单池中的实时订单数据在实时变化,示例性的,目标配送人员之间的相互转单、待配送订单配送完成后会从待配送订单池中移除等情况都会导致待配送订单池中的待配送订单在实时变化。因此,在目标配送人员配送过程中,需要获取目标配送人员的实时位置数据以及不同的待配送订单的实时时间距离矩阵数据,再根据目标配送人员的实时位置数据和待配送订单的实时时间距离矩阵数据来进行路径规划。
目标配送人员的实时位置数据和待配送订单的实时时间距离矩阵数据均存储于当前集配站的服务器中,若目标配送人员在配送待派送订单时,服务器可以对应地记录目标配送人员的实时位置数据和待配送订单的实时时间距离矩阵数据。应用过程中,可以通过从服务器直接调用上述数据的方式获取上述数据,也可以通过手动输入的方式直接获取上述数据,本实施例对目标配送人员的实时位置数据和待配送订单的实时时间距离矩阵数据的获取方式不做具体限定。
104、根据实时时间距离矩阵数据和实时位置数据,基于预设的第二路径规划目标,对待配送订单的第二路径规划策略进行求解,确定目标配送人员的实时配送路径规划信息。
在本实施例中,可以通过模型来确定目标配送人员的实时配送路径规划信息。本申请将用于确定目标配送人员的实时配送路径规划信息的模型定义为实时路径规划模型,采用邻域搜索算法对实时路径规划模型进行求解,以确定目标配送人员的实时配送路径规划信息。
具体的,在本实施例中,将实时时间距离矩阵数据和实时位置数据作为实时路径规划模型的输入数据,基于邻域搜索算法,对待配送订单的第二路径规划策略进行求解,得到目标配送人员的实时配送路径规划信息,并实时将目标配送人员的实时配送路径规划信息发送至目标配送人员的终端,以引导目标配送人员的按照配送路径规划信息进行订单配送,从而减少配送人员绕路的情况,并减少配送人员的工作时间。
因此,本申请通过上述方案能够优化投入的目标配送人员的数量,并平衡每个目标配送人员配送的待配送订单数量,从而平衡所有投入配送人员的工作时间;且根据目标配送人员的待配送订单和实时位置,实时规划目标配送人员的配送路径,减少目标配送人员绕路的情况;因此,采用上述方案得到的配送路径规划决策结果能够满足减少配送人员绕路和平衡所有投入配送人员的工作时间的两个指标要求,解决了传统决策方案存在的无法决策投入配送人员数量、无法平衡配送人员的工作时间,无法避免配送人员绕路的问题,本申请实现了配送人员和可规划订单的智能匹配,并实现了可规划订单的配送人员和配送路径的智能决策,提升了配送人员的配送效率。
在本申请中,由于是采用订单池模型确定投入目标配送人员和给目标配送人员分配待配送订单,并采用实时路径规划模型确定目标配送人员的实时配送路径规划信息的模型,为了便于订单池模型和实时路径规划模型进行决策,需要对输入至订单池模型和实时路径规划模型中的多个不同数据变量进行定义。示例性的,在本申请中对多个不同数据变量进行以下定义:
当前集配站:C;
当前集配站地址:addc;
当前集配站拥有待规划配送人员数量:cqty;
初始订单集合:O,其中o∈O,o表示初始订单集合O中一个初始订单;
初始订单地址:addo;
当前集配站的当日初始订单量:oqty;
待派送订单送达时间:to;
待派送订单最晚送达时间:duet=最晚送达时间(按实际需求设定);
不可规划订单集合:NPSO;
可规划订单集合:PSO;
待规划配送人员集合:I,其中i∈I,i表示待规划配送人员集合中一位配送人员,由于待规划配送人员包括固定出勤配送人员和临时调用配送人员,临时调用配送人员数量没有限制,所以当前集配站当日投入的目标配送人员数量初始化为iqty=oqty,即认为目标配送人员投入数量等于初始订单数量,即每个初始订单都安排一位配送人员配送;
目标配送人员工作时长:ti;
目标配送人员最大工作时长:max t=最大工作时长(按实际需求设定),目标配送人员工作时间=配送待派送订单时间+服务客户时间,目标配送人员工作时间也可以包括午休时间、晚休时间、等待客户签收时间等,可按实际需求设定;
目标配送人员行驶里程:di;
目标配送人员最大行驶里程:max d=最大行驶里程(按实际需求设定);
目标配送人员是否投入决策变量:xi,xi∈{0,1}。在本实例中,在本申请中对多个不同数据变量包括但不限于上述几种,另外,可以根据需求,对本申请中对多个不同数据变量采用其他定义方式进行变量定义,本实施例对此不做具体限定。
在本申请的另一个实施例中,获取当前集配站的集配站数据、可规划订单的时间距离矩阵数据和待规划配送人员的配送人员数据,具体包括以下步骤201~204:
201、获取包含至少一个可规划订单的多个初始订单;
在本实施例中,获取多个初始订单,即相当于获取多个初始订单对应的多个初始订单数据,每日当前集配站收到当前集配站配送范围内的多个初始订单后,多个初始订单的初始订单数据对应保存至当前集配站的服务器中;多个初始订单数据可以包括所属集配站信息、订单号、订单收件地址、订单收件人以及订单收件人联系方式等,也可以包括其他数据,本实施例对此不做具体限定。
202、解析集配站数据中的当前集配站地址和多个初始订单中的初始订单地址,得到当前集配站经纬度信息和多个初始订单地址经纬度信息;在本实施例中,采用经纬度查询函数对当前集配站地址的经纬度坐标和多个初始订单地址的经纬度坐标进行解析,得到当前集配站经纬度信息和多个初始订单地址经纬度信息;经纬度查询函数可以是GeoHash索引函数,也可以其他的函数或者算法,本申请对此不做具体限定。
其中,在解析过程中,由于当前集配站的当前集配站经纬度信息是固定不变的,所以不会解析失败,但是多个初始订单会因初始订单地址不够详细而解析失败。因此,在本实施例中,将获得了初始订单地址经纬度信息的初始订单作为可规划订单,将无法获得初始订单地址经纬度的初始订单作为不可规划订单。
在本实施例中,为了方便理解,定义服务器中用于存放可规划订单的集合为可规划订单集合PSO,定义服务器中用于存放不可规划订单的集合为不可规划订单集合NPSO。
203、将当前集配站经纬度信息和多个初始订单地址经纬度信息的并集进行笛卡尔积处理,得到当前集配站地址与多个初始订单地址之间以及不同的初始订单地址之间的多个第一流向数据。
示例性的,例如n个初始订单地址经纬度信息和1个当前集配站经纬度信息的并集进行笛卡尔积处理,将得到(n+1)*(n+1)条第一流向数据。
204、根据多个第一流向数据,对多个初始订单进行流向校验,确定多个初始订单中的至少一个可规划订单以及的至少一个可规划订单之间的时间距离矩阵数据;
具体的,调用导航软件对步骤203中得到的每一条第一流向数据进行分析,获取流向起始地址到流向目的地址的导航距离信息和导航时间信息;
在本实施例中,由于从步骤203中得到的部分第一流向数据会存在获取失败的情况,因此需对多个初始订单数据进行流向校验,进一步确定多个初始订单数据的可规划订单和不可规划订单。
具体的,将待校验初始订单地址作为起始地址,判断是否至少有一条待校验初始订单地址指向其他初始订单地址的流向获取成功,并且将待校验初始订单地址作为目的地址,判断是否至少有一条其他初始订单地址指向待校验初始订单地址的流向获取成功。
在步骤202的基础上,即在将获得了初始订单地址经纬度信息的初始订单放入可规划订单集合PSO之后,将可规划订单集合PSO中满足双向流向均获取成功的初始订单保留于可规划订单集合PSO中,将可规划订单集合PSO中不满足双向流向均获取成功的初始订单转移至不可规划订单集合NPSO中。
在本实施例中,将最终得到的可规划订单集合PSO中的所有初始订单作为可规划订单,将最终得到的不可规划订单集合NPSO中的所有初始订单作为不可规划订单。
在本申请中,将可规划订单集合PSO中的可规划订单通过当前集配站的业务模式进行配送,将不可规划订单集合NPSO中的不可规划订单通过专人专送的配送方式进行配送,本实施例对不可规划订单的配送方式不做具体限定。
通过以上步骤201至步骤204,即可获得可规划订单以及与可规划订单对应的时间距离矩阵数据,在本实施例中,可规划订单对应的时间距离矩阵数据即为可规划订单中的多个订单地址之间的第一流向数据。
在本申请的另一个实施例中,如图5所示,设定配送人员投入数量最小化、每个配送人员工作时间平均和订单配送时间最小化作为第一路径规划目标,因此,基于预设的第一路径规划目标,对可规划订单的第一路径规划策略进行求解,确定至少一个待规划配送人员为目标配送人员以及确定至少一个可规划订单为目标配送人员的待配送订单,包括:
基于配送人员投入数量最小化、每个配送人员工作时间平均和订单配送时间最小化的目标,对可规划订单的第一路径规划策略进行求解,得到可规划订单的第一配送路径规划决策结果;
根据第一配送路径规划决策结果,确定至少一个待规划配送人员为目标配送人员以及确定至少一个可规划订单为目标配送人员的待配送订单。
具体的,对可规划订单的第一路径规划策略进行求解,得到可规划订单的第一配送路径规划决策结果,包括:
以配送人员投入数量最小化作为初始目标,生成满足预设的多个路径规划约束条件的路径规划初始解;将路径规划初始解设置为路径规划当前解和路径规划最优解;基于路径规划当前解进行邻域搜索迭代,并更新路径规划当前解和路径规划最优解,直至邻域搜索迭代停止;将更新完毕后得到的路径规划最优解作为可规划订单数据的第一配送路径规划决策结果。
其中,初始解为采用邻域搜索算法进行邻域搜索时设定的第一个解;在本实施例的邻域搜索初始化中,以配送人员投入数量最小化作为初始目标,满足多个路径规划约束条件的解作为第一个解,即路径规划初始解;
由图5可知,在进行邻域搜索算法时,是对一个当前解做邻域搜索,得到多个新的邻域解,再从多个新的邻域解中选择一个较好的解更新当前解;在本实施例的邻域搜索初始化中,将路径规划初始解作为路径规划当前解;
最优解即为在进行邻域搜索迭代时,搜索得到的最优的解,最优的解即为订单池模型运行得到的所有解中最满足以配送人员投入数量最小化、每个配送人员工作时间平均和订单配送时间最小化的目标的解;在本实施例的邻域搜索初始化中,将路径规划初始解作为路径规划最优解;在邻域搜索迭代停止后,将更新完毕的路径规划最优解作为可规划订单的第一配送路径规划决策结果。
在本实施例中,基于路径规划初始解进行邻域搜索迭代,并更新路径规划当前解和路径规划最优解,直至邻域搜索迭代停止,相当于是多次循环执行图5流程图所展示的流程步骤,可以具体包括以下步骤301~304:
301、基于路径规划当前解进行邻域搜索,得到满足多个路径规划约束条件的路径规划邻域解。
具体的,采用邻域搜索算法对路径规划当前解进行邻域搜索,得到满足多个路径规划约束条件的路径规划邻域解。
下面采用一组示例对本实施例的步骤进行具体描述。
具体的,如图6所示,假设当前集配站拥有的可规划订单数量为k+m个订单。
首先,在邻域搜索算法对订单池模型求解时,以配送人员投入数量最小化作为初始目标,得到满足预设的多个路径规划约束条件的路径规划初始解,在本实施例中,下文所述的配送人员即待规划配送人员,下文所述的订单即为可规划订单,即得到的路径规划初始解可以如图6中的6-1所示,具体为:
当前集配站投入的配送人员数量为2个;
配送人员A的路径规划策略为依次配送订单1、订单2、…、订单k;
配送人员B的路径规划策略为依次配送订单k+1、订单k+2、…、订单k+m。
在进行邻域搜索的初始阶段,将上述路径规划初始解作为路径规划当前解和路径规划最优解。
采用邻域搜索算法基于上述路径规划当前解进行邻域搜索迭代,得到满足多个路径规划约束条件的路径规划邻域解,得到的路径规划邻域解可以为如图6中的6-2所示的路径规划邻域解1和如图6中的6-3所示的路径规划邻域解2。
具体的,如图6中的6-2所示,路径规划邻域解1是基于路径规划当前解,将订单1从配送人员A移动至配送人员B,并将订单1设置在订单k+1之前配送,得到的路径规划邻域解1具体为:
当前集配站投入的配送人员数量为2个;
配送人员A的路径规划策略为依次配送订单2、…、订单k;
配送人员B的路径规划策略为依次配送订单1、订单k+1、订单k+2、…、订单k+m。
如图6中的6-3所示,路径规划邻域解2是基于路径规划当前解,将配送人员A的订单1与配送人员B的订单k+1进行交换,得到的路径规划邻域解2具体为:
当前集配站投入的配送人员数量为2个;
配送人员A的路径规划策略为依次配送订单k+1、订单2、…、订单k;
配送人员B的路径规划策略为依次配送订单1、订单k+2、…、订单k+m。
上述邻域搜索迭代方式仅为举例说明,实际应用过程中,邻域搜索的动作可以在路径规划当前解中的任意订单之间进行,也可以在路径规划当前解中的任意配送人员之间进行,并且可以采用任意策略进行邻域搜索,只需要使得到的路径规划邻域解满足多个路径规划约束条件即可。
因此,本实施例采用邻域搜索算法基于路径规划当前解进行邻域搜索迭代,所得到路径规划邻域解是多种多样的,本申请对路径规划当前解进行邻域搜索迭代的邻域搜索方式不做具体限定,可以根据需要任意设定。
在本实施例中,在基于路径规划当前解进行邻域搜索之前,该订单配送路径规划方法还包括:配置多个路径规划约束条件;
即在采用邻域搜索算法对订单池模型进行求解之前,预先配置订单池模型中的多个路径规划约束条件。其中,多个路径规划约束条件包括但不限于以下至少一种约束条件:
约束条件一:∑i∈Ixi≥cqty,即表示投入目标配送人员总数量∑i∈Ixi大于等于当前集配站拥有的待规划配送人员数量cqty;
约束条件二:di≤maxd,即表示任意配送人员的行驶里程di不超过最大行车里程maxd,且未投入配送人员的行驶里程di为0;
约束条件三:ti≤maxt,即表示任意配送人员的工作时间ti不超过最大工作时间maxt,未投入配送人员的工作时间为0;
约束条件四:to≤duet,即表示任意订单的送达时间to不超过该订单的最晚送达时间duet。
下面采用一组示例对本实施例的约束条件的应用场景进行具体描述。
在本实施例中,示例性的,将约束条件设定为:当前集配站拥有的固定出勤配送人员为1个或者2个,最大行车里程maxd可以设定为maxd=250公里,最大工作时间maxt可以设定为maxt=690分钟,订单的最晚送达时间duet可以设定为duet=晚间20点;
若设定图6中的6-2所示的解为满足上述多个路径规划约束条件的路径规划邻域解。该路径规划邻域解表示:
当前集配站投入的配送人员数量为2个,即满足上述约束条件一;
配送人员A的路径规划策略为依次配送订单k+1、订单2、…、订单k,并且配送人员A服务完订单k行驶里程小于等于250公里、工作时间不超过690分钟且服务结束时间不超过20点,即该配送人员A的路径规划策略满足上述约束条件二、约束条件三和约束条件四;
配送人员B的路径规划策略为依次配送订单1、订单k+2、…、订单k+m,同理,并且配送人员B服务完订单k行驶里程也小于等于250公里、工作时间不超过690分钟且服务结束时间不超过20点,即该配送人员B的路径规划策略也满足上述约束条件二、约束条件三和约束条件四。
302、根据预设的多个路径规划评分函数,对路径规划邻域解进行评分,得到邻域解评分结果。
在采用邻域搜索算法进行邻域搜索迭代过程中,需要通过多个路径规划评分函数对邻域搜索得到的多个路径规划邻域解评价解的优劣,得到对应的邻域解评分结果,在本实施例中,可以设定邻域解评分结果中评分越小的路径规划邻域解越优。
示例性的,若邻域搜索的多个路径规划邻域解中包括路径规划邻域解1和路径规划邻域解2,采用多个路径规划评分函数对路径规划邻域解1和路径规划邻域解1进行评分。若路径规划邻域解1的评分小于路径规划邻域解2的评分,score(1)<score(2),则邻域解评分结果为路径规划邻域解1优于路径规划邻域解2。
由于本申请的主要目的是为了得到能够同时满足“决策投入配送人员数量,同时减少配送人员绕路、平衡所有投入配送人员的工作时间”的路径规划最优解。其中,一方面,一个评分函数难以同时量化表示投入配送人员数量、绕路情况和投入配送人员的工作时间平均这三个指标,若采用上述三个指标以加权的形式统一量纲,加权参数的取值难以估量,且取值直接影响邻域搜索算法对路径规划邻域解的评价,进而影响路径规划最优解的筛选。
因此,为了避免指标加权调参,在本实施例中,根据上述三个指标要求,采用多级评分函数作为本实施例中的路径规划评分函数。
在本实施例中,多级路径规划评分函数具体包括但不限于以下几种路径规划评分函数:
第一级路径规划评分函数,第一级路径规划评分函数具体为:∑i∈Ixi;
其中,i为配送人员标签,xi为第i个配送人员,I为当前集配站的配送人员总数量,∑i∈Ixi为路径规划邻域解中投入的配送人员数量;
第二级路径规划评分函数,第二级路径规划评分函数具体为:max(τ,max error(A));
maxerror(A)=max(dbs(x1-avg(A)),abs(x2-avg(A))...,abs(xm-avg(A))),
avg(A)=∑i∈Ixi*ti/∑i∈Ixi;
其中,ti为第i个配送人员的工作时长,∑i∈Ixi*ti为路径规划邻域解中投入的所有配送人员的总工作时长,A为路径规划邻域解,avg(A)为路径规划邻域解中所有配送人员的平均工作时长,abs(xm-avg(A)为第m个配送人员的工作时长tm偏离平均工作时长avg(A)的偏离时长,maxerror(A)为m个偏离时长中的偏离时长最大值,τ为工作时长最大偏离值阈值,max(τ,max error(A))为偏离时长最大值与工作时长最大偏离值阈值的进行比较后的最大值;
第三级路径规划评分函数,第三级路径规划评分函数具体为:∑i∈Ixi*ti;
其中,∑i∈Ixi*ti为路径规划邻域解中投入的所有配送人员的总工作时长。
对应的,邻域解评分结果包括一级邻域解评分结果、二级邻域解评分结果和三级邻域解评分结果。
因此,在本实施例中,根据预设的多个路径规划评分函数,对路径规划邻域解进行评分,得到邻域解评分结果,具体包括:
基于上述第一级路径规划评分函数、第二级路径规划评分函数和第三级路径规划评分函数,对路径规划邻域解进行评分,得到对应的邻域解评分结果。具体包括以下步骤401~404:
401、根据第一级路径规划评分函数,对路径规划邻域解进行一级评分,得到一级邻域解评分结果。
由于在对可规划订单的第一路径规划策略进行求解的初始阶段,已经以配送人员投入数量最小化作为初始目标,生成了路径规划初始解,即在初始阶段已确定了满足投入的配送人员数量最少的目标和多个路径规划约束条件。
因此,采用第一级路径规划评分函数对路径规划邻域解进行一级评分,即对路径规划邻域解中投入的配送人员数量进行评价,使得邻域搜索算法迭代过程中,会基于已经确定的投入的配送人员数量,再根据一级邻域解评分结果中投入的配送人员数量来判断路径规划邻域解的优劣性,从而避免邻域搜索算法接受增加配送人员投入数量的路径规划邻域解作为最优解,便于进一步平衡各配送人员的工作时间和减少配送人员绕路。
402、在得到一级邻域解评分结果之后,根据第二级路径规划评分函数,对路径规划邻域解进行二级评分,得到二级邻域解评分结果。
在得到一级邻域解评分结果的基础上,采用第二级路径规划评分函数对路径规划邻域解进行二级评分,即对路径规划邻域解中配送人员的工作时长偏离平均工作时长的偏离时长最大值进行评价,且第二级路径规划评分函数中设定了工作时长最大偏离值阈值τ,使得邻域搜索算法迭代过程中,根据二级邻域解评分结果中每个配送人员的工作时间偏离情况来判断路径规划邻域解的优劣性,便于邻域搜索算法筛选出平衡了各配送人员的工作时间的路径规划邻域解作为最优解。
示例性的,设定路径规划邻域解包括路径规划邻域解A和路径规划邻域解B,由于第二级路径规划评分函数中设置了工作时长最大偏离值阈值τ,使得邻域搜索算法迭代过程中在比较解的优劣性时,只要解A和解B的二级邻域解评分结果为maxerror(A)和maxerror(B)均小于工作时长最大偏离值阈值τ,则确定路径规划邻域解A和路径规划邻域解B的在第二级路径规划评分函数阶段具有相同的优劣。
在本实施例中,第二级路径规划评分函数中设定了工作时长最大偏离值阈值τ,使得邻域搜索算法对配送人员工作时间平均的优化满足业务需求,即可根据不同业务场景按需设置工作时长最大偏离值阈值τ的取值,实现配送人员的工作时长平均,同时也给配送人员总工作时间(不绕路)的优化留优化空间。
403、在得到二级邻域解评分结果之后,根据第三级路径规划评分函数,对路径规划邻域解进行三级评分,得到三级邻域解评分结果。
在得到二级邻域解评分结果的基础上,采用第三级路径规划评分函数对路径规划邻域解进行三级评分,即对路径规划邻域解中所有配送人员的总工作时长进行评价,使得邻域搜索算法迭代过程中,根据三级邻域解评分结果中所有配送人员的总工作时长来判断路径规划邻域解的优劣性,便于邻域搜索算法筛选出配送人员的总工作时长最短的路径规划邻域解作为最优解,从而保留配送人员不绕路的最优解。
404、将三级邻域解评分结果作为最终的邻域解评分结果。
由于三级邻域解评分结果是路径规划邻域解经过第一级路径规划评分函数、第二级路径规划评分函数和第三级路径规划评分函数评价后得到的评分结果,将三级邻域解评分结果作为最终的邻域解评分结果,便于邻域搜索算法迭代筛选出最能够同时满足“决策投入配送人员数量,同时减少配送人员绕路、平衡所有投入配送人员的工作时间”的路径规划邻域解作为最优解。
示例性的,当路径规划邻域解包括两个解时,例如包括路径规划邻域解A和路径规划邻域解B,优先通过第一级路径规划评分函数判断路径规划邻域解A和路径规划邻域解B的优劣,若无法区分,再通过第二级路径规划评分函数判断路径规划邻域解A和路径规划邻域解B的优劣,若无法区分,最终通过第三级路径规划评分函数判断路径规划邻域解A和路径规划邻域解B的优劣,以筛选出路径规划邻域解A和路径规划邻域解B中最能够同时上述目标的路径规划邻域解。
303、根据邻域解评分结果,对路径规划当前解和路径规划最优解进行更新。
根据邻域解评分结果,对路径规划当前解和路径规划最优解进行更新,具体包括:
获取接收规则,接收规则包括第一接收规则和第二接收规则;
基于第一接收规则或第二接收规则,根据邻域解评分结果,对路径规划当前解和路径规划最优解进行更新。
在本申请的另一个实施例中,基于第一接收规则,根据邻域解评分结果,对路径规划当前解和路径规划最优解进行更新。
在本实施例中,第一接收规则具体为:在每次循环迭代过程中,均选择最优的路径规划邻域解更新路径规划当前解和路径规划最优解,路径规划最优解始终用多次循环迭代过程中最优的路径规划邻域解更新(路径规划最优解记录历史上搜索过的最好的解)。
即在每次循环迭代的过程中,通过多个路径规划评分函数对路径规划最优解进行评价,得到邻域解评分结果后,根据预设的第一接收规则,选择邻域解评分结果中最优的路径规划邻域解对路径规划当前解进行更新,即将本次循环中得到的最优的路径规划邻域解,作为下一循环中的路径规划当前解和路径规划最优解,路径规划最优解只记录当前迭代和历史上多次循环迭代搜索到的最好解。
在本申请的另一个实施例中,基于第二接收规则,根据邻域解评分结果,对路径规划当前解和路径规划最优解进行更新。
在本实施例中,第二接收规则具体为:随机在某次循环迭代过程中,随机选择较劣或较优的路径规划邻域解更新路径规划当前解和路径规划最优解,路径规划最优解仍然是当前迭代和历史上多次循环迭代搜索到的最好解。
即随机在某次循环迭代的过程中,通过多个路径规划评分函数对路径规划最优解进行评价,得到邻域解评分结果后,根据预设的第二接收规则,并采用模拟退火算法随机选择邻域解评分结果中较劣或较优的路径规划邻域解对路径规划当前解进行更新,即随机选取本次循环中较劣或较优的路径规划邻域解,作为下一次循环中的路径规划当前解和路径规划最优解,路径规划最优解仍然是当前迭代和历史上多次循环迭代搜索到的最好解。
304、重复上述步骤301~303,直至邻域搜索迭代停止。
在本实施例中,根据预设的结束条件,执行邻域搜索迭代停止操作。
结束条件可以具体为邻域搜索算法的执行时间超过设定时间则结束执行,或者路径规划最优解在设定时间内没有更新则结束执行,邻域搜索迭代停止操作后,将路径规划最优解作为第一配送路径规划决策结果进行输出。
在得到第一配送路径规划决策结果后,当前集配站的服务器根据该第一配送路径规划决策结果,确定目标配送人员和目标配送人员的待配送订单,并向该多个目标配送人员分配对应的多个待配送订单,在目标配送人员端形成对应的待配送订单池,在“分拣货物”阶段,当前集配站的目标配送人员则根据待配送订单池分拣出对应的待配送订单进行订单配送。
目标配送人员在实时配送过程中,由于待配送订单池会根据配送进程发生变化,任一目标配送人员在配送订单过程中,实时路况也在实时变化。示例性的,目标配送人员的待配送订单池会根据配送进程发生变化具体可以包括但不限于以下情况:
(1)待配送订单被客户签收,目标配送人员将已签收的待配送订单移出待配送订单池;
(2)待配送被客户拒收,目标配送人员将已拒收待配送订单移出待配送订单池;
(3)待配送订单当日首次配送失败,客户要求修改配送地址,目标配送人员修改待配送订单的信息并保留在订单池;
(4)待配送订单当日首次配送失败,客户要求修改配送时间,若客户要求当日某时刻配送,该待配送订单仍保留在当前目标配送人员的待配送订单池中,并记录配送时间要求;若客户要求非当日配送,将待配送订单移出订单池,该待配送订单后续进入其他渠道进行配送;
(5)目标配送人员A由于突发状况无法继续配送其待配送订单池中的待配送订单,需要将部分待配送订单或全部待配送订单移交给目标配送人员B配送,目标配送人员B的待配送订单池将增加目标配送人员A的部分待配送订单或全部待配送订单,同时目标配送人员A移出对应的部分待配送订单或者清空待配送订单池;
与此同时,目标配送人员的实时位置和所处区域的实时路况也会实时变化,基于上述变化,使得目标配送人员基于实时位置的最优配送线路需要实时重新规划才能获得,因此,需要基于目标配送人员的实时位置数据和多个待配送订单的实时时间距离矩阵数据,确定目标配送人员的实时配送路径规划信息,以进一步实时规划目标配送人员的最优配送线路。
在本申请的另一个实施例中,获取目标配送人员的实时位置数据和待配送订单的实时时间距离矩阵数据,包括:
获取实时配送路径规划触发指令,根据实时配送路径规划触发指令,获取目标配送人员的实时位置数据和待配送订单的实时时间距离矩阵数据。
在本实施例中,可以是目标配送人员在目标配送人员终端(本实施例的后文简称终端)发出实时配送路径规划触发指令(本实施例的后文简称指令),也可以是当前集配站的服务器在设定情况下自动生成指令,服务器接收到指令后,根据指令,获取目标配送人员的实时位置数据和待配送订单的实时时间距离矩阵数据。
在本实施例中,目标配送人员可以在任意场景从终端发出指令,示例性的,可以在以下场景但不限于以下场景发出指令:
(1)目标配送人员完成待配送订单的分拣之后;
(2)目标配送人员到达其中一个待配送订单的地点且完成该待配送订单,将待配送订单从待配送订单池移出之后;
(3)目标配送人员A和目标配送人员B发生转单行为时,目标配送人员A和目标配送人员B分别在各自的终端发出指令;
(4)其中一个待配送订单的客户要求更改配送地址和配送时间时;
(5)目标配送人员获取到前往待配送订单地点的实时路况存在拥堵,需要重新规划配送路线时;
(6)目标配送人员获取到当前规划的订单配送路径的起点和终点与实际配送路径的起点和终点不同时;
(7)目标配送人员由于自身原因使目标配送人员的实时位置发生变化时。
在本实施例中,还可以设定服务器在设定的间隔时间内生成一次指令,本实施例对实时配送路径规划触发指令的获取场景以及获取方式不做具体限定。
在本实施例中,通过获取指令,根据指令,获取目标配送人员的实时位置数据和待配送订单的实时时间距离矩阵数据,使得目标配送人员可以在需要的时候触发实时路径规划模型,使实时配送路径规划的灵活性更强,也使得目标配送人员可以随时随地根据其实时位置、实时待配送订单池、实时路况获取下一个要去的位置,案保障了目标配送人员每次行驶去往的下一位置都是当前最好的选择,这也使得当目标配送人员配送所有待配送订单时所行驶的配送路径是合理的。
在本申请的另一个实施例中,为避免在目标配送人员完成了所有待配送订单的配送任务之后,出现不必要的循环获取目标配送人员的实时位置数据和待配送订单的实时时间距离矩阵数据的情况,在本实施例中,在获取实时配送路径规划触发指令之后,订单配送路径规划方法还包括:
根据实时配送路径规划触发指令,判断目标配送人员对应的待配送订单是否全部配送完成,以及
当待配送订单未全部配送完成时,对目标配送人员的待配送订单进行更新;
当待配送订单全部配送完成时,结束目标配送人员的订单配送路径规划。
即在目标配送人员发出实时配送路径规划触发指令或者服务器在生成一次实时配送路径规划触发指令时,此时,通过判断目标配送人员的待配送订单是否都已配送完成,若是则结束目标配送人员的订单配送路径规划,从而避免再次服务器再次获取目标配送人员的实时位置数据和待配送订单的实时时间距离矩阵数据,以避免造成资源浪费。
在本实施例中,判断目标配送人员当日的所有待配送订单已配送完成的方式可以包括但不限于以下情况:
(1)当目标配送人员在配送完一个待配送订单时,从该目标配送人员的待配送订单池中移出该待配送订单,当目标配送人员的待配送订单池中的所有待配送订单均删除时,则表示该目标配送人员当日的所有待配送订单已配送完成;
(2)当目标配送人员在配送完一个待配送订单时,在目标配送人员的终端对该待配送订单标记配送完成标识,当目标配送人员的待配送订单池中的所有待配送订单均标记有配送完成标识时,则表示该目标配送人员当日的所有待配送订单已配送完成。
本实施例对判断目标配送人员当日的所有待配送订单已配送完成的方式不做具体限定。
在本申请的另一个实施例中,获取目标配送人员的实时位置数据和待配送订单的实时时间距离矩阵数据,具体包括以下步骤501~503:
501、解析实时位置数据中的实时位置地址和待配送订单中的待配送订单地址,得到实时位置经纬度信息和至少一个待配送订单地址经纬度信息;
在本实施例中,采用经纬度查询函数对实时位置地址的经纬度坐标和多个待配送订单地址的经纬度坐标进行解析,得到实时位置经纬度信息和至少一个待配送订单地址经纬度信息;经纬度查询函数可以是GeoHash索引函数,也可以其他的函数或者算法,本申请对此不做具体限定。
在本实施例中,由于待配送订单已经是经纬度信息解析成功的订单,因此,当前解析的待配送订单均为可解析订单,若目标配送人员的实时位置地址出现解析失败情况,可以通过目标配送人员手动在目标配送人员终端调整目标配送人员的实时位置地址以实现解析成功,因此,实时位置经纬度信息和至少一个待配送订单地址经纬度信息均能够解析成功。
502、将实时位置经纬度信息和至少一个待配送订单地址经纬度信息的并集进行笛卡尔积处理,得到实时位置地址与至少一个待配送订单地址之间以及不同的待配送订单地址之间的多个第二流向数据。
示例性的,例如n个待配送订单地址经纬度信息和1个实时位置经纬度信息的并集进行笛卡尔积处理,将得到(n+1)*(n+1)条第二流向数据。
503、根据多个第二流向数据,对待配送订单进行流向校验,确定待配送订单之间的实时时间距离矩阵数据。
调用导航软件对步骤502中得到的每一条第二流向数据进行分析,获取流向起始地址到流向目的地址的导航距离信息和导航时间信息;
通过以上步骤,即可获得目标配送人员的实时位置数据和待配送订单的实时时间距离矩阵数据。
在本申请的另一个实施例中,设定订单配送次数最小化为第二路径规划目标,因此,基于预设的第二路径规划目标,对待配送订单的第二路径规划策略进行求解,确定目标配送人员的实时配送路径规划信息,包括:
基于订单配送次数最小化的目标,生成满足预设的多个实时路径规划约束条件的实时路径规划初始解;将实时路径规划初始解设置为实时路径规划当前解和实时路径规划最优解;
基于实时路径规划当前解进行邻域搜索迭代,并更新实时路径规划当前解和实时路径规划最优解,直至邻域搜索迭代停止;
将更新完毕后得到的实时路径规划最优解作为目标配送人员的实时配送路径规划信息。
在本实施例中,预设的实时路径规划约束条件包括每个待配送订单只配送一次,因此,将订单配送次数最小化作为初始目标,满足每个待配送订单只配送一次的路径规划约束条件的解作为第一个解,即实时路径规划初始解;
在本实施例的邻域搜索初始化中,将路径规划初始解作为路径规划当前解,并将路径规划初始解作为路径规划最优解;在邻域搜索迭代停止后,将更新完毕的路径规划最优解作为可规划订单的第一配送路径规划决策结果,其中,实时路径规划最优解即为实时路径规划模型运行得到的所有解中最满足订单配送次数最小化的目标,以及每个待配送订单只配送一次的路径规划约束条件的解。在本申请的另一个实施例中,基于实时路径规划当前解进行邻域搜索迭代,并更新实时路径规划当前解和实时路径规划最优解,直至邻域搜索迭代停止,可以具体包括以下步骤601~604:
601、基于实时路径规划当前解进行邻域搜索,得到满足多个实时路径规划约束条件的实时路径规划邻域解。
具体的,采用邻域搜索算法对实时路径规划当前解进行邻域搜索,得到满足多个实时路径规划约束条件的实时路径规划邻域解。
实际应用过程中,邻域搜索的动作可以在实时路径规划当前解中的任意待配送订单之间进行,并且可以采用任意策略进行邻域搜索,只需要使得到的实时路径规划邻域解满足实时路径规划约束条件即可。
因此,本实施例采用邻域搜索算法基于实时路径规划当前解进行邻域搜索迭代,所得到实时路径规划邻域解是多种多样的,本申请对实时路径规划当前解进行邻域搜索迭代的邻域搜索方式不做具体限定,可以根据需要任意设定。
在本实施例中,在基于实时路径规划当前解进行邻域搜索之前,该订单配送路径规划方法还包括:配置多个实时路径规划约束条件;
即在采用邻域搜索算法对订单池模型进行求解之前,预先配置实时路径规划模型中的多个实时路径规划约束条件;在本实施例中,将实时路径规划约束条件包括每个待配送订单只配送一次;也可以根据不同的实时配送路径规划需求,设定目标配送人员的行驶里程约束和目标配送人员的工作时长约束,本实施例对此不做具体限定。
602、根据预设的多个实时路径规划评分函数,对实时路径规划邻域解进行评分,得到实时邻域解评分结果。
在采用邻域搜索算法进行邻域搜索迭代过程中,需要通过多个实时路径规划评分函数对邻域搜索得到的多个实时路径规划邻域解评价解的优劣,得到对应的实时邻域解评分结果,在本实施例中,基于实时邻域解评分结果,筛选出所有实时路径规划邻域解中最优的解。
由于在实际应用过程中,实时订单首次配送失败后客户可修改配送时间,若该时间还是当日时间,实时路径规划模型会将在该配送时间的基础上,加或减一段时长,配置为当前实时订单的送达时间窗。若当前实时订单未在配送时间加一段时长的时间内之前送达,实时路径规划模型认为该当前实时订单配送迟到。
为了避免目标配送人员在配送过程中出现配送迟到情况,可以通过设定实时路径规划模型的实时路径规划评分函数来获取最优的实时路径规划最优解。
因此,在本实施例中,为了满足上述避免迟到的指标要求,采用多级实时路径规划评分函数,具体的,实时路径规划模型预设的多个实时路径规划评分函数包括但不限于以下几种实时路径规划评分函数:
第一级实时路径规划评分函数:迟到待配送订单的数量最少;
第二级实时路径规划评分函数:迟到订单的迟到总时间最短;
第三级实时路径规划评分函数:目标配送人员总配送时间最短;
对应的,实时邻域解评分结果分别包括一级实时邻域解评分结果、二级实时邻域解评分结果和三级实时邻域解评分结果。
因此,在本实施例中,根据预设的多个实时路径规划评分函数,对实时路径规划邻域解进行评分,得到实时邻域解评分结果,具体包括:
基于上述第一级实时路径规划评分函数、第二级实时路径规划评分函数和第三级实时路径规划评分函数,对实时路径规划邻域解进行评分,得到对应的实时邻域解评分结果。
具体包括以下步骤701~704:
701、根据第一级实时路径规划评分函数,对实时路径规划邻域解进行一级评分,得到一级实时邻域解评分结果。
为了优先保障客户对订单时效的满意度,实时路径规划模型的一级实时路径规划评分函数允许存在待配送订单迟到,且迟到的待配送订单数量最少;因为待配送订单池中的实时待配送订单的订单时间窗都集中在同一个时间段时,一位目标配送人员无法同时保证这些订单按时送达,此时按照迟到待配送订单的数量最少的原则进行配送,以保障配送满意度。
702、在得到一级实时邻域解评分结果之后,根据第二级实时路径规划评分函数,对实时路径规划邻域解进行二级评分,得到二级实时邻域解评分结果。
在得到一级实时邻域解评分结果的基础上,采用第二级实时路径规划评分函数对路径规划邻域解进行二级评分,第二级实时路径规划评分函数是对配送迟到的待配送订单而言,将所有待配送订单迟到的总时间降到最低,避免特殊场景下订单时效的过度损失。
703、在得到二级实时邻域解评分结果之后,根据第三级实时路径规划评分函数,对实时路径规划邻域解进行三级评分,得到三级实时邻域解评分结果。
第三级实时路径规划评分函数是在避免订单时效过度损失的基础上减少目标配送人员的工作时间,即减少目标配送人员绕路。邻域搜索算法按照该上述三种实时路径规划评分函数,从多个实时路径规划邻域解中筛选出最优的实时路径规划邻域解,将最优的实时路径规划邻域解作为实时路径规划最优解。
示例性的,当实时路径规划邻域解包括两个解时,例如包括实时路径规划邻域解A和实时路径规划邻域解B,优先通过一级实时路径规划评分函数判断实时路径规划邻域解A和实时路径规划邻域解B的优劣,若无法区分,再通过二级实时路径规划评分函数判断实时路径规划邻域解A和实时路径规划邻域解B的优劣,若无法区分,最终通过三级实时路径规划评分函数判断实时路径规划邻域解A和实时路径规划邻域解B的优劣,以筛选出实时路径规划邻域解A和实时路径规划邻域解B中最优的解。
603、根据实时邻域解评分结果,对实时路径规划当前解和实时路径规划最优解进行更新。
根据实时邻域解评分结果,从多次迭代的实时路径规划邻域解中记录最优的实时路径规划解,对实时路径规划当前解和实时路径规划最优解进行更新,根据实时路径规划最优解,确定目标配送人员的实时配送路径规划信息,从而指导目标配送人员下一步的车辆路径,实现目标配送人员配送路径的实时规划。
604、重复上述步骤601~603,直至邻域搜索迭代停止。
为了更好实施本申请实施例中订单配送路径规划方法,在订单配送路径规划方法基础之上,本申请实施例中还提供一种订单配送路径规划系统800,如图7所示,订单配送路径规划系统800包括:
第一获取模块801,用于获取当前集配站的集配站数据、可规划订单的时间距离矩阵数据和待规划配送人员的配送人员数据;
第一路径规划模块802,用于根据集配站数据、时间距离矩阵数据和配送人员数据,基于预设的第一路径规划目标,对可规划订单的第一路径规划策略进行求解,确定至少一个待规划配送人员为目标配送人员以及确定至少一个可规划订单为目标配送人员的待配送订单;
第二获取模块803,用于获取目标配送人员的实时位置数据和待配送订单的实时时间距离矩阵数据;
第二路径规划模块804,用于根据实时时间距离矩阵数据和实时位置数据,基于预设的第二路径规划目标,对待配送订单的第二路径规划策略进行求解,确定目标配送人员的实时配送路径规划信息。
第一获取模块801还具体为:
用于获取包含至少一个可规划订单的多个初始订单;
用于解析集配站数据中的当前集配站地址和多个初始订单中的初始订单地址,得到当前集配站经纬度信息和多个初始订单地址经纬度信息;
用于将当前集配站经纬度信息和多个初始订单地址经纬度信息的并集进行笛卡尔积处理,得到当前集配站地址与多个初始订单地址之间以及不同的初始订单地址之间的多个第一流向数据;
用于根据多个第一流向数据,对多个初始订单进行流向校验,确定多个初始订单中的至少一个可规划订单以及的至少一个可规划订单之间的时间距离矩阵数据。
第一路径规划模块802还具体为:
用于基于配送人员投入数量最小化、每个配送人员工作时间平均和订单配送时间最小化的目标,对可规划订单的第一路径规划策略进行求解,得到可规划订单的第一配送路径规划决策结果;
用于根据第一配送路径规划决策结果,确定至少一个待规划配送人员为目标配送人员以及确定至少一个可规划订单为目标配送人员的待配送订单。
第一路径规划模块802还具体为:
用于以配送人员投入数量最小化作为初始目标,生成满足预设的多个路径规划约束条件的路径规划初始解;
用于将路径规划初始解设置为路径规划当前解和路径规划最优解;
用于基于路径规划当前解进行邻域搜索迭代,并更新路径规划当前解和路径规划最优解,直至邻域搜索迭代停止;
用于将更新完毕后得到的路径规划最优解作为可规划订单的第一配送路径规划决策结果。
第一路径规划模块802还具体为:
用于基于路径规划当前解进行邻域搜索,得到满足多个路径规划约束条件的路径规划邻域解;
用于根据预设的多个路径规划评分函数,对路径规划邻域解进行评分,得到邻域解评分结果;
用于根据邻域解评分结果,对路径规划当前解和路径规划最优解进行更新;
用于重复上述步骤,直至邻域搜索迭代停止。
第二获取模块803还具体为:
用于获取实时配送路径规划触发指令;
用于根据实时配送路径规划触发指令,获取目标配送人员的实时位置数据和待配送订单的实时时间距离矩阵数据。
第二获取模块803还具体为:
用于根据实时配送路径规划触发指令,判断目标配送人员对应的待配送订单是否全部配送完成,以及
用于当待配送订单未全部配送完成时,对目标配送人员的待配送订单进行更新;
用于当待配送订单全部配送完成时,结束目标配送人员的订单配送路径规划。
第二路径规划模块804还具体为:
用于解析实时位置数据中的实时位置地址和待配送订单中的待配送订单地址,得到实时位置经纬度信息和至少一个待配送订单地址经纬度信息;
用于将实时位置经纬度信息和至少一个待配送订单地址经纬度信息的并集进行笛卡尔积处理,得到实时位置地址与至少一个待配送订单地址之间以及不同的待配送订单地址之间的多个第二流向数据;
用于根据多个第二流向数据,对待配送订单进行流向校验,确定待配送订单之间的实时时间距离矩阵数据。
第二路径规划模块804还具体为:
用于基于订单配送次数最小化的目标,生成满足预设的多个实时路径规划约束条件的实时路径规划初始解;
用于将实时路径规划初始解设置为实时路径规划当前解和实时路径规划最优解;
用于基于实时路径规划当前解进行邻域搜索迭代,并更新实时路径规划当前解和实时路径规划最优解,直至邻域搜索迭代停止;
用于将更新完毕后得到的实时路径规划最优解作为目标配送人员的实时配送路径规划信息。
第二路径规划模块804还具体为:
用于基于实时路径规划当前解进行邻域搜索,得到满足多个实时路径规划约束条件的实时路径规划邻域解;
用于根据预设的多个实时路径规划评分函数,对实时路径规划邻域解进行评分,得到实时邻域解评分结果;
用于根据实时邻域解评分结果,对实时路径规划当前解和实时路径规划最优解进行更新;
用于重复上述步骤,直至邻域搜索迭代停止。在本申请的另一个实施例中,本申请还提供一种服务器,如图8所示,其示出了本申请实施例所涉及的服务器的结构示意图,具体来讲:
该服务器可以包括一个或者一个以上处理核心的处理器901、一个或一个以上计算机可读存储介质的存储器902、电源903和输入单元904等部件。本领域技术人员可以理解,图8中示出的该服务器结构并不构成对该服务器的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器901是该服务器的控制中心,利用各种接口和线路连接整个该服务器的各个部分,通过运行或执行存储在存储器902内的软件程序和/或模块,以及调用存储在存储器902内的数据,执行该服务器的各种功能和处理数据,从而对该服务器进行整体监控。可选的,处理器901可包括一个或多个处理核心;处理器901可以是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Pr ogrammable Gate Array,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。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,优选的,处理器901可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器901中。
存储器902可用于存储软件程序以及模块,处理器901通过运行存储在存储器902的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器902可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据该服务器的使用所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器902还可以包括存储器控制器,以提供处理器901对存储器902的访问。
该服务器还包括给各个部件供电的电源903,优选的,电源903可以通过电源管理系统与处理器901逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源903还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该服务器还可包括输入单元904,该输入单元904可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,该服务器还可以包括显示单元等,在此不再赘述。具体在本实施例中,该服务器中的处理器901会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器902中,并由处理器901来运行存储在存储器902中的应用程序,从而实现各种功能,如下:
获取当前集配站的集配站数据、可规划订单的时间距离矩阵数据和待规划配送人员的配送人员数据;
根据集配站数据、时间距离矩阵数据和配送人员数据,基于预设的第一路径规划目标,对可规划订单的第一路径规划策略进行求解,确定至少一个待规划配送人员为目标配送人员以及确定至少一个可规划订单为目标配送人员的待配送订单;
获取目标配送人员的实时位置数据和待配送订单的实时时间距离矩阵数据;
根据实时时间距离矩阵数据和实时位置数据,基于预设的第二路径规划目标,对待配送订单的第二路径规划策略进行求解,确定目标配送人员的实时配送路径规划信息。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
在本申请的另一个实施例中,本申请还提供一种计算机可读存储介质,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random AccessMemory)、磁盘或光盘等。其上存储有计算机程序,计算机程序被处理器进行加载,以执行本申请实施例所提供的订单配送路径规划方法中的步骤。例如,计算机程序被处理器进行加载可以执行如下步骤:
获取当前集配站的集配站数据、可规划订单的时间距离矩阵数据和待规划配送人员的配送人员数据;
根据集配站数据、时间距离矩阵数据和配送人员数据,基于预设的第一路径规划目标,对可规划订单的第一路径规划策略进行求解,确定至少一个待规划配送人员为目标配送人员以及确定至少一个可规划订单为目标配送人员的待配送订单;
获取目标配送人员的实时位置数据和待配送订单的实时时间距离矩阵数据;
根据实时时间距离矩阵数据和实时位置数据,基于预设的第二路径规划目标,对待配送订单的第二路径规划策略进行求解,确定目标配送人员的实时配送路径规划信息。
以上对本申请实施例所提供的一种订单配送路径规划方法、系统、服务器及存储介质,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本发明的限制。
Claims (13)
1.一种订单配送路径规划方法,其特征在于,包括:
获取当前集配站的集配站数据、可规划订单的时间距离矩阵数据和待规划配送人员的配送人员数据;
根据所述集配站数据、所述时间距离矩阵数据和所述配送人员数据,基于预设的第一路径规划目标,对所述可规划订单的第一路径规划策略进行求解,确定至少一个所述待规划配送人员为目标配送人员以及确定至少一个所述可规划订单为所述目标配送人员的待配送订单;
获取所述目标配送人员的实时位置数据和所述待配送订单的实时时间距离矩阵数据;
根据所述实时时间距离矩阵数据和所述实时位置数据,基于预设的第二路径规划目标,对所述待配送订单的第二路径规划策略进行求解,确定所述目标配送人员的实时配送路径规划信息。
2.如权利要求1所述的一种订单配送路径规划方法,其特征在于,所述获取当前集配站的集配站数据、可规划订单的时间距离矩阵数据和待规划配送人员的配送人员数据,包括:
获取包含至少一个所述可规划订单的多个初始订单;
解析所述集配站数据中的当前集配站地址和所述多个初始订单中的初始订单地址,得到当前集配站经纬度信息和多个初始订单地址经纬度信息;
将所述当前集配站经纬度信息和多个所述初始订单地址经纬度信息的并集进行笛卡尔积处理,得到所述当前集配站地址与多个初始订单地址之间以及不同的所述初始订单地址之间的多个第一流向数据;
根据多个所述第一流向数据,对所述多个初始订单进行流向校验,确定所述多个初始订单中的至少一个所述可规划订单以及的至少一个所述可规划订单之间的所述时间距离矩阵数据。
3.如权利要求1所述的一种订单配送路径规划方法,其特征在于,所述基于预设的第一路径规划目标,对所述可规划订单的第一路径规划策略进行求解,确定至少一个所述待规划配送人员为目标配送人员以及确定至少一个所述可规划订单为所述目标配送人员的待配送订单,包括:
基于配送人员投入数量最小化、每个配送人员工作时间平均和订单配送时间最小化的目标,对所述可规划订单的第一路径规划策略进行求解,得到所述可规划订单的第一配送路径规划决策结果;
根据所述第一配送路径规划决策结果,确定至少一个所述待规划配送人员为目标配送人员以及确定至少一个所述可规划订单为所述目标配送人员的待配送订单。
4.如权利要求3所述的一种订单配送路径规划方法,其特征在于,所述对所述可规划订单的第一路径规划策略进行求解,得到所述可规划订单的第一配送路径规划决策结果,包括:
以配送人员投入数量最小化作为初始目标,生成满足预设的多个路径规划约束条件的路径规划初始解;
将所述路径规划初始解设置为路径规划当前解和路径规划最优解;
基于所述路径规划当前解进行邻域搜索迭代,并更新所述路径规划当前解和所述路径规划最优解,直至邻域搜索迭代停止;
将更新完毕后得到的路径规划最优解作为所述可规划订单的所述第一配送路径规划决策结果。
5.如权利要求4所述的一种订单配送路径规划方法,其特征在于,所述基于所述路径规划初始解进行邻域搜索迭代,并更新所述路径规划当前解和所述路径规划最优解,直至邻域搜索迭代停止,包括:
基于所述路径规划当前解进行邻域搜索,得到满足多个所述路径规划约束条件的路径规划邻域解;
根据预设的多个路径规划评分函数,对所述路径规划邻域解进行评分,得到邻域解评分结果;
根据所述邻域解评分结果,对所述路径规划当前解和所述路径规划最优解进行更新;
重复上述步骤,直至邻域搜索迭代停止。
6.如权利要求1所述的一种订单配送路径规划方法,其特征在于,所述获取所述目标配送人员的实时位置数据和所述待配送订单的实时时间距离矩阵数据,包括:
获取实时配送路径规划触发指令;
根据所述实时配送路径规划触发指令,获取所述目标配送人员的实时位置数据和所述待配送订单的实时时间距离矩阵数据。
7.如权利要求6所述的一种订单配送路径规划方法,其特征在于,在所述获取实时配送路径规划触发指令之后,所述方法还包括:
根据所述实时配送路径规划触发指令,判断所述目标配送人员对应的所述待配送订单是否全部配送完成,以及
当所述待配送订单未全部配送完成时,对所述目标配送人员的待配送订单进行更新;
当所述待配送订单全部配送完成时,结束所述目标配送人员的订单配送路径规划。
8.如权利要求7所述的一种订单配送路径规划方法,其特征在于,所述获取所述目标配送人员的实时位置数据和所述待配送订单的实时时间距离矩阵数据,包括:
解析所述实时位置数据中的实时位置地址和所述待配送订单中的待配送订单地址,得到实时位置经纬度信息和至少一个待配送订单地址经纬度信息;
将所述实时位置经纬度信息和至少一个所述待配送订单地址经纬度信息的并集进行笛卡尔积处理,得到所述实时位置地址与至少一个所述待配送订单地址之间以及不同的所述待配送订单地址之间的多个第二流向数据;
根据多个所述第二流向数据,对所述待配送订单进行流向校验,确定所述待配送订单之间的所述实时时间距离矩阵数据。
9.如权利要求8所述的一种订单配送路径规划方法,其特征在于,所述基于预设的第二路径规划目标,对所述待配送订单的第二路径规划策略进行求解,确定所述目标配送人员的实时配送路径规划信息,包括:
基于订单配送次数最小化的目标,生成满足预设的多个实时路径规划约束条件的实时路径规划初始解;
将所述实时路径规划初始解设置为实时路径规划当前解和实时路径规划最优解;
基于实时路径规划当前解进行邻域搜索迭代,并更新所述实时路径规划当前解和所述实时路径规划最优解,直至邻域搜索迭代停止;
将更新完毕后得到的实时路径规划最优解作为所述目标配送人员的实时配送路径规划信息。
10.如权利要求1所述的一种订单配送路径规划方法,其特征在于,所述基于实时路径规划当前解进行邻域搜索迭代,并更新所述实时路径规划当前解和所述实时路径规划最优解,直至邻域搜索迭代停止,包括:
基于所述实时路径规划当前解进行邻域搜索,得到满足多个所述实时路径规划约束条件的实时路径规划邻域解;
根据预设的多个实时路径规划评分函数,对所述实时路径规划邻域解进行评分,得到实时邻域解评分结果;
根据所述实时邻域解评分结果,对所述实时路径规划当前解和所述实时路径规划最优解进行更新;
重复上述步骤,直至邻域搜索迭代停止。
11.一种订单配送路径规划系统,其特征在于,所述系统包括:
第一获取模块,用于获取当前集配站的集配站数据、可规划订单的时间距离矩阵数据和待规划配送人员的配送人员数据;
第一路径规划模块,用于根据所述集配站数据、所述时间距离矩阵数据和所述配送人员数据,基于预设的第一路径规划目标,对所述可规划订单的第一路径规划策略进行求解,确定至少一个所述待规划配送人员为目标配送人员以及确定至少一个所述可规划订单为所述目标配送人员的待配送订单;
第二获取模块,用于获取所述目标配送人员的实时位置数据和所述待配送订单的实时时间距离矩阵数据;
第二路径规划模块,用于根据所述实时时间距离矩阵数据和所述实时位置数据,基于预设的第二路径规划目标,对所述待配送订单的第二路径规划策略进行求解,确定所述目标配送人员的实时配送路径规划信息。
12.一种服务器,其特征在于,所述服务器包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现权利要求1至10中任一项所述的订单配送路径规划方法。
13.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行权利要求1至10任一项所述的订单配送路径规划方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210868874.3A CN117494911A (zh) | 2022-07-22 | 2022-07-22 | 订单配送路径规划方法、系统、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210868874.3A CN117494911A (zh) | 2022-07-22 | 2022-07-22 | 订单配送路径规划方法、系统、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117494911A true CN117494911A (zh) | 2024-02-02 |
Family
ID=89674954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210868874.3A Pending CN117494911A (zh) | 2022-07-22 | 2022-07-22 | 订单配送路径规划方法、系统、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117494911A (zh) |
-
2022
- 2022-07-22 CN CN202210868874.3A patent/CN117494911A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210110323A1 (en) | Optimizing charging, fueling, and parking overheads of fleet vehicles in a maas architecture | |
CN108846623B (zh) | 基于多目标蚁群算法的整车物流调度方法及装置、存储介质、终端 | |
CN109214756B (zh) | 整车物流调度方法及装置、存储介质、终端 | |
Cheung et al. | Dynamic routing model and solution methods for fleet management with mobile technologies | |
Ghannadpour et al. | A multi-objective vehicle routing and scheduling problem with uncertainty in customers’ request and priority | |
Grzybowska et al. | Decision support system for real-time urban freight management | |
Angelopoulos et al. | Incentivization schemes for vehicle allocation in one-way vehicle sharing systems | |
Qiu et al. | Dynamic pricing in shared mobility on demand service | |
Shafahi et al. | SpeedRoute: Fast, efficient solutions for school bus routing problems | |
Liu et al. | Bus pooling: A large-scale bus ridesharing service | |
CN112906980B (zh) | 订单处理方法、装置、系统及可读存储介质 | |
CN111860957B (zh) | 一种考虑二次配送和平衡用时的多车型车辆路径规划方法 | |
CN112348426B (zh) | 信息处理方法及装置 | |
Fielbaum et al. | Anticipatory routing methods for an on-demand ridepooling mobility system | |
Zhang et al. | Dynamic vehicle routing with random requests: A literature review | |
JP7242700B2 (ja) | 中央制御システムおよび方法 | |
CN112418475A (zh) | 物流路径规划方法、装置、电子设备及存储介质 | |
CN112382118B (zh) | 车位智能预约管理系统、方法、存储介质、计算机设备 | |
CN111260161A (zh) | 一种众包任务下发的方法及设备 | |
CN117494911A (zh) | 订单配送路径规划方法、系统、服务器及存储介质 | |
Chen et al. | Multiconstrained network intensive vehicle routing adaptive ant colony algorithm in the context of neural network analysis | |
Yu et al. | Coordinating matching, rebalancing and charging of electric ride-hailing fleet under hybrid requests | |
CN115062868A (zh) | 一种预聚类的车辆配送路径规划方法和装置 | |
KR20230082753A (ko) | 물류를 위한 경로 정보를 제공하는 서버, 방법 및 컴퓨터 프로그램 | |
Hadded et al. | Platoon Route Optimization for Picking up Automated Vehicles in an Urban Network |
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 |