CN118134360A - 一种智慧冷链运输动态调度方法及系统 - Google Patents
一种智慧冷链运输动态调度方法及系统 Download PDFInfo
- Publication number
- CN118134360A CN118134360A CN202410558405.0A CN202410558405A CN118134360A CN 118134360 A CN118134360 A CN 118134360A CN 202410558405 A CN202410558405 A CN 202410558405A CN 118134360 A CN118134360 A CN 118134360A
- Authority
- CN
- China
- Prior art keywords
- cold chain
- transportation
- chain transportation
- path
- paths
- 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 52
- 238000005457 optimization Methods 0.000 claims abstract description 59
- 239000003016 pheromone Substances 0.000 claims abstract description 48
- 230000008569 process Effects 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000013441 quality evaluation Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000013178 mathematical model Methods 0.000 claims abstract description 12
- 230000001419 dependent effect Effects 0.000 claims abstract description 7
- 230000001133 acceleration Effects 0.000 claims description 29
- 230000008859 change Effects 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000000611 regression analysis Methods 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 description 8
- 241000257303 Hymenoptera Species 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000005057 refrigeration 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
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智慧冷链运输动态调度方法及系统,具体涉及动态调度技术领域,具体包括获得所有起始点到目的地的冷链运输路径,将运输过程中产生的振动信息以及路径复杂程度信息作为自变量,将道路质量作为因变量,通过Lasso回归构建评估道路质量的数学模型,根据冷链运输路径的道路质量评估结果,将道路质量、温度稳定性、运输成本、运输时间作为冷链运输路径的不同优化目标,通过蚁群算法确定不同优化目标下冷链运输路径的信息素浓度,通过加权求和计算得到路径的综合评分,本发明有助于将道路质量作为冷链运输路径选择的指标,提高运输效率和安全性,并根据实际情况动态选择最优的冷链运输路径,实现对运输车辆的调度。
Description
技术领域
本发明涉及动态调度技术领域,更具体地说,本发明涉及一种智慧冷链运输动态调度方法及系统。
背景技术
智慧冷链运输动态调度的当前应用中,智能算法被广泛用于优化路径选择、车辆调度和货物配送等问题,提高了冷链运输的效率和可靠性,但是忽略了道路质量对于最佳路径选择的重要性,由于道路的状态不同,选择的路径可能会受到振动、拥堵和道路条件的影响,这会导致选择的路径并不总是最精准和合适的,并且一些方案尝试将道路质量纳入路径选择的考虑,以提高路径的准确性和可靠性,然而,将道路质量作为路径选择的指标之一后,往往难以确定不同影响指标对于最佳路径的影响程度,造成了无法根据货物的属性、运输的策略以及客户的需求动态调整最佳冷链运输的路径的情况。
为了解决上述缺陷,现提供一种技术方案。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种智慧冷链运输动态调度方法及系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种智慧冷链运输动态调度方法,具体包括以下步骤:
S1:根据冷链运输的起始点和目的地,获得所有起始点到目的地的冷链运输路径,并对冷链运输路径的道路信息进行分析,其中,道路信息包括运输过程中产生的振动信息以及路径复杂程度信息;
S2:将运输过程中产生的振动信息以及路径复杂程度信息作为自变量,将道路质量作为因变量,通过Lasso回归构建评估道路质量的数学模型,确定不同冷链运输路径的道路质量评估结果;
S3:将道路质量、温度稳定性、运输成本、运输时间作为冷链运输路径的不同优化目标,通过蚁群算法确定不同优化目标下冷链运输路径的信息素浓度;
S4:通过层次分析法根据不同优化目标的重要性赋予不同的权重,将不同优化目标下得到信息素浓度通过加权求和计算,得到路径的综合评分,并选择综合评分最高的路径作为最优的冷链运输路径。
在一个优选的实施方式中,对冷链运输路径的道路信息进行分析,道路信息包括运输过程中产生的振动信息,其中:
运输产生的振动信息通过振动损伤系数表示,所述振动损伤系数的获取逻辑为:车辆在路径中的行驶过程中,实时获得冷链运输中的振动加速度,设置振动加速度阈值,获得冷链运输中大于振动加速度阈值的振动加速度,通过公式计算振动损伤系数。
在一个优选地实施方式中,道路信息包括路径复杂程度信息,其中:
路径复杂程度信息通过交通拥堵系数和交通多样系数表示,所述交通拥堵系数的获取逻辑为:获取车辆从初始点到目的地在交通顺畅且中途不停顿的情况下,以理想速度匀速行驶的理想时间,并获取实际车辆从初始点到目的地所需的实际时间,根据车辆冷链运输的实际时间和理想时间之差,确定车辆冷链运输的多余时间,通过在路径中的多次冷链运输,确定在路径中冷链运输的平均多余时间,通过平均多余时间与理想时间的比值确定路径的交通拥堵系数;
所述交通多样系数的获取逻辑为:记录实际车辆行驶过程中单位时间内经过的平均路口数量、平均变道次数、平均转向次数,设置理想情况下车辆单位时间内经过的平均路口数量的标准值、平均变道次数的标准值、平均转向次数的标准值,通过记录的实际数值与标准值的差值计算,获得平均路口数量偏差、平均变道次数偏差、平均转向次数偏差,并通过公式计算交通多样系数。
在一个优选的实施方式中,通过Lasso回归构建评估道路质量的数学模型,包括:
将振动损伤系数、交通拥堵系数以及交通多样系数作为自变量,将道路质量作为因变量,进行Lasso回归分析,设置振动损伤系数、交通拥堵系数以及交通多样系数对应的权重,建立评估道路质量的数学模型。
在一个优选的实施方式中,将道路质量、温度稳定性、运输成本、运输时间作为冷链运输路径的不同优化目标,包括:
通过使用图论中的路径搜索算法来获得所有起始点到目的地的冷链运输路径,将温度的稳定性、运输时间、运输成本以及道路质量作为启发因子,使用蚁群算法训练模型,获得温度稳定性、运输时间、运输成本以及道路质量作为启发因子的训练结果,得到不同启发因子下冷链运输的最佳路径,并获得所有起始点到目的地的冷链运输路径中的信息素浓度。
在一个优选地实施方式中,将不同优化目标下得到信息素浓度通过加权求和计算,得到路径的综合评分,包括:
使用层次分析法确定不同优化目标的相对重要性,通过构建层次结构,将优化目标划分为不同的层次,利用专家判断或者问卷调查等方法,确定各个目标的重要性比例,计算出每个优化目标的权重;
将温度稳定性、运输时间、运输成本以及道路质量的权重作为不同优化目标信息素浓度的权重,通过对不同优化目标的信息素浓度加权求和计算,确定所有起始点到目的地的冷链运输路径的综合性评分。
在一个优选的实施方式中,一种智慧冷链运输动态调度系统,包括路径收集模块、数据采集模块、道路质量评估模块、优化目标设定模块以及综合评估模块,模块之间信号连接;
路径收集模块,用于根据冷链运输中输入的起始点和目的地,确定所有起始点到目的地的冷链运输路径,并作为后续分析和评估的基础;
数据采集模块,用于采集所有起始点到目的地的冷链运输路径中的道路信息、温度稳定性、运输成本、运输时间;
道路质量评估模块,用于通过道路信息建立评估道路质量的数学模型,根据道路质量的Lasso模型,确定不同冷链运输路径的道路质量评估结果;
优化目标设定模块,用于设定道路质量、温度稳定性、运输成本、运输时间作为蚁群算法的优化目标,计算不同冷链运输路径的信息素浓度;
综合评估模块,用于使用层次分析法确定不同优化目标的权重,将不同路径的信息素浓度和不同优化目标的权重进行加权求和计算,确定不同冷链运输路径的综合性评分,得到最优的冷链运输路径。
本发明的技术效果和优点:
1、本发明通过对冷链运输中不同路径的道路信息进行分析,通过Lasso回归构建不同路径的道路质量评估结果,能够获得在考虑路径振动和路径复杂程度对于选择冷链运输路径的影响,根据不同路径的道路质量评估结果,有助于将道路质量作为冷链运输路径选择的指标,选择质量较好的道路能够降低振动损伤和运输拥堵带来的风险,提高运输效率和安全性;
2、本发明通过使用蚁群算法,获得不同优化目标中冷链运输路径的信息素浓度,通过信息素浓度的高低,判断在不同优化目标条件下路径的优先级,并通过层次分析法确定不同优化目标的权重,通过加权求和计算,获得冷链运输路径的综合性评分,有助于根据运送的货物、客户的需求、运输的策略动态选择最优的冷链运输路径,实现对运输车辆的调度。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明一种智慧冷链运输动态调度方法的流程示意图;
图2为本发明一种智慧冷链运输动态调度系统的结构示意图。
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。
实施例1,本发明提供了如图1所示的一种智慧冷链运输动态调度方法的流程示意图,具体包括以下步骤:
S1:根据冷链运输的起始点和目的地,获得所有起始点到目的地的冷链运输路径,并对冷链运输路径的道路信息进行分析,其中,道路信息包括运输过程中产生的振动信息以及路径复杂程度信息;
S2:将运输过程中产生的振动信息以及路径复杂程度信息作为自变量,将道路质量作为因变量,通过Lasso回归构建评估道路质量的数学模型,确定不同冷链运输路径的道路质量评估结果;
S3:将道路质量、温度稳定性、运输成本、运输时间作为冷链运输路径的不同优化目标,通过蚁群算法确定不同优化目标下冷链运输路径的信息素浓度;
S4:通过层次分析法根据不同优化目标的重要性赋予不同的权重,将不同优化目标下得到信息素浓度通过加权求和计算,得到路径的综合评分,并选择综合评分最高的路径作为最优的冷链运输路径。
冷链运输是指在整个运输的过程中控制和维持一定的温度,保持运输货物的品质,通常在水果、生鲜、蔬菜等多个领域中,为保证冷链运输中温度的稳定性,设置多个节点,如中转站等,用于对货物增加制冷。
确定货物的起始点、目的地、需要经过的节点后,使用图论中的路径搜索算法来获得所有起始点到目的地的冷链运输路径,常用的算法包括广度优先搜索(BFS)、深度优先搜索(DFS)和Dijkstra算法等,并将获得的冷链运输路径用于后续的冷链运输规划和调度。
道路质量为通过对路径中道路信息综合性分析的结果,其中,道路信息包括运输产生的振动信息以及路径复杂程度信息,道路质量直接影响货物的稳定性和安全性,良好的道路质量可以减少振动和颠簸,降低货物受损的风险,良好的道路质量可以减少交通拥堵和堵塞情况,提高了车辆的通行效率,避免交通拥堵,减少了资源的浪费。
需要说明的是,路径的不平整程度可以通过运输产生的振动信息表示,路径的不平整程度越高,说明冷链运输中产生的振动加速度越大,运送水果受到振动影响的可能越大,水果更可能由于振动损伤进而引发一系列的生理生化异常变化,导致水果贮期变短;
路径复杂程度信息能够反映冷链运输中因为交通导致的不可抗因素,即路径出现的拥堵情况的可能性,路径复杂程度越高,则说明路径中可能出现多个匝道变道、多个路口以及多次转向,可能导致冷链运输延误的可能性越高。
运输产生的振动信息通过振动损伤系数表示,所述振动损伤系数的获取逻辑为:车辆在路径中的行驶过程中,通过安装振动加速度传感器,实时获得冷链运输中的振动加速度,并将冷链运输中的振动加速度标记为:,其中,n=1、2、3、……、N,N为正整数,n表示不同时刻振动加速度的编号;设置振动加速度阈值,将振动加速度阈值标记为:/>,获得冷链运输中大于振动加速度阈值的振动加速度,并将冷链运输中大于振动加速度阈值的振动加速度标记为:/>,其中,i=1、2、3、……、I,I为正整数,i表示链运输中大于振动加速度阈值的振动加速度的编号;
需要说明的是,正常车辆运输下振动加速度为0.3到1.5g(g为重力加速度)时,当振动加速度大于1g时,对水果的振动损伤变成冲击损伤,振动加速度越大,对运输水果造成的损伤越大,振动加速度阈值由专业领域的工作人员设置,当振动加速度超过振动加速度阈值时,表示水果出现损伤的可能性更高。
计算振动损伤系数,计算公式为:;其中,/>为冷链运输中路径的振动损伤系数;
由公式可知,振动损伤系数越大,说明路径的不平整程度可能越大,因此产生的振动加速度越大,并且出现不平整路段的次数可能越多,表示道路质量越差。
路径复杂程度信息通过交通拥堵系数和交通多样系数表示,所述交通拥堵系数的获取逻辑为:获取车辆从初始点到目的地在交通顺畅且中途不停顿的情况下,以理想速度匀速行驶的理想时间,并将理想时间标记为:,获取实际车辆从初始点到目的地所需的实际时间,并将实际时间标记为:/>;
根据车辆冷链运输的实际时间和理想时间之差,确定车辆冷链运输的多余时间,通过在路径中的多次冷链运输,确定每次冷链运输的多余时间,并将车辆冷链运输的多余时间标记为:,其中,d=1、2、3、……、D,D为正整数,d表示每次冷链运输的编号;
根据每次冷链运输的多余时间,确定在路径中冷链运输的平均多余时间,并将平均多余时间标记为:,通过平均多余时间与理想时间的比值确定路径的交通拥堵系数,计算公式为:/>;其中,/>为冷链运输中路径的交通拥堵系数,;
路径中冷链运输的理想时间为定值,交通拥堵系数越大,则平均多余时间越大,表示在路径中出现交通拥堵的时间可能更长,并且出现交通拥堵的可能性更高,导致冷链运输延误的可能性越高,道路质量越差。
所述交通多样系数的获取逻辑为:记录实际车辆行驶过程中单位时间内经过的平均路口数量、平均变道次数、平均转向次数,设置理想情况下车辆单位时间内经过的平均路口数量的标准值、平均变道次数的标准值、平均转向次数的标准值,并将平均路口数量的标准值标记为:,平均变道次数的标准值标记为:/>,平均转向次数的标准值标记为:/>,通过记录的实际数值与标准值的差值计算,获得平均路口数量偏差、平均变道次数偏差、平均转向次数偏差,并将平均路口数量偏差标记为:/>,平均变道次数偏差标记为:/>,平均转向次数偏差标记为:/>,计算交通多样系数,计算公式为:,其中,/>为冷链运输中路径的交通多样系数;
由公式可知,交通多样系数越大,表示单位时间内经过的平均路口数量、平均变道次数、平均转向次数可能越多,说明路径的复杂程度越高,出现交通拥堵的可能性越高,并且增加了驾驶员的风险。
将振动损伤系数、交通拥堵系数以及交通多样系数作为自变量,将道路质量作为因变量,进行Lasso回归分析,设置振动损伤系数、交通拥堵系数以及交通多样系数对应的权重,并将振动损伤系数、交通拥堵系数、交通多样系数对应的权重标记为:、/>、/>,建立评估道路质量的数学模型,道路质量的Lasso模型为:;其中,/>为不同冷链运输路径的道路质量评估结果,b为道路质量的Lasso模型的截距项,/>、/>、/>小于0;
若振动损伤系数、交通拥堵系数、交通多样系数越大,则道路质量越小,表示路径可能不适合冷链运输,若振动损伤系数、交通拥堵系数、交通多样系数越小,则道路质量越大,表示路径可能适合冷链运输。
需要说明的是,振动损伤系数、交通拥堵系数以及交通多样系数对应的权重和道路质量的Lasso模型的截距项通过最小化损失函数确定,确定道路质量的Lasso模型后,将冷链运输中不同路径的振动损伤系数、交通拥堵系数以及交通多样系数代入道路质量的Lasso模型,确定不同冷链运输路径的道路质量评估结果。
本实施例通过对冷链运输中不同路径的道路信息进行分析,通过Lasso回归构建不同路径的道路质量评估结果,能够获得在考虑路径振动和路径复杂程度对于选择冷链运输路径的影响,根据不同路径的道路质量评估结果,有助于将道路质量作为冷链运输路径选择的指标,选择质量较好的道路能够降低振动损伤和运输拥堵带来的风险,提高运输效率和安全性。
实施例2,上述实施例通过不同路径的道路质量评估结果,将道路质量作为冷链运输路径选择的指标,将道路质量、温度稳定性、运输时间以及运输成本作为冷链运输路径的优化目标,获得在不同优化目标下冷链运输路径的信息素浓度,通过层次分析法为不同优化目标设定权重,确定最终冷链运输的路径。
在确定货物的起始点、目的地、需要经过的节点后,通过使用智能算法确定冷链运输的路径,通常使用蚁群算法确定冷链运输的路径,其中,确定冷链运输路径需要考虑温度稳定性、运输时间、运输成本以及道路质量,通过将温度的稳定性、运输时间、运输成本以及道路质量作为启发因子,选择信息素浓度最高的路径作为不同启发因子下的最佳路径;
温度稳定性是确保冷链运输中需要保持的温度范围,受外界环境的影响不同路径可能对会导致货物的温度范围出现变化,并且不同路径可能经过的增加制冷的节点数量和时间不同,导致货物的温度范围出现变化,因此,选择路径的蚂蚁释放信息素的量与温度稳定性成正比;
运输时间作为考虑货物的紧急程度和保质期限,通常选择运输时间较短的路径,因此,选择路径的蚂蚁释放信息素的量与运输时间成反比;
运输成本包括运输费用、制冷设备成本、人工成本等,根据不同的成本因素来选择合适的运输路径,通常选择运输成本较少的路径,因此,选择路径的蚂蚁释放信息素的量与运输成本成反比;
道路质量反映了在冷链运输中货物受到的振动程度以及路径的复杂程度,对于水果而言过高的振动和复杂的路径可能会导致货物损坏或变质,并且路径的复杂程度越高意味着路径中可能出现的延误、拥堵以及运输中出现的复杂交通情况的概率越高,因此,选择路径的蚂蚁释放信息素的量与道路质量成正比。
其中,通过采集货物的温度阈值和在冷链运输中的实时温度,将冷链运输中的实时温度与货物的温度阈值范围相比较,获得冷链运输中处于温度阈值范围内的时间长度,并获得冷链运输中的总运输时间长度,温度稳定性为冷链运输中处于温度阈值范围内的时间长度与总运输时间长度的比值;
运输时间表示车辆从起始点到目的地,在交通畅通无阻且中间不停顿,按照理想速度匀速行驶所需要的时间;
运输成本表示在冷链运输中运输费用、制冷设备成本、人工成本等一系列所需成本的综合。
通过将温度的稳定性、运输时间、运输成本以及道路质量作为启发因子,使用蚁群算法训练模型,获得温度稳定性、运输时间、运输成本以及道路质量作为启发因子的训练结果,得到不同启发因子下冷链运输的最佳路径,并获得所有起始点到目的地的冷链运输路径中的信息素浓度;
将温度稳定性作为启发因子时,所有起始点到目的地的冷链运输路径中的信息素浓度标记为:,其中,m=1、2、3、……、M,M为正整数,m表示对所有起始点到目的地的冷链运输路径的编号;
将运输时间作为启发因子时,所有起始点到目的地的冷链运输路径中的信息素浓度标记为:,将运输成本作为启发因子时,所有起始点到目的地的冷链运输路径中的信息素浓度标记为:/>,将道路质量作为启发因子时,所有起始点到目的地的冷链运输路径中的信息素浓度标记为:/>;
需要说明的是,用于表示路径的吸引力或优劣程度,信息素浓度越高,表示路径越受蚂蚁的青睐,被选择的概率也就越大,每条路径上都有一个信息素浓度,蚂蚁经过路径时,会根据信息素浓度选择路径,当蚂蚁选择了一条路径后,会释放信息素到路径上,增加该路径的信息素浓度;而信息素会随着时间的推移逐渐蒸发或衰减,以保持算法的多样性和灵活性,经过合理的训练和参数调整,能够获得不同路径的信息素浓度,并作为路径选择的参考标准。
使用层次分析法确定不同优化目标的相对重要性,通过构建层次结构,将优化目标划分为不同的层次,然后利用专家判断或者问卷调查等方法,确定各个目标的重要性比例,计算出每个优化目标的权重;
需要说明的是,不同优化目标可能根据运送的货物不同、客户的要求不同、运送公司的配送策略不同等原因,对于不同优化目标的权重不同,因此需要动态地调整不同优化目标的权重,例如:对于某些货物来说,时间可能是最关键的,而对于另一些货物,则可能更关注成本或温度稳定性。
通过层次分析法确定温度稳定性、运输时间、运输成本以及道路质量的权重后,将温度稳定性、运输时间、运输成本以及道路质量的权重作为不同优化目标信息素浓度的权重,通过对不同优化目标的信息素浓度加权求和计算,确定所有起始点到目的地的冷链运输路径的综合性评分,综合评分的计算公式为:;其中,/>为所有起始点到目的地的冷链运输路径的综合性评分,/>、/>、/>、/>为温度稳定性信息素浓度、运输时间信息素浓度、运输成本信息素浓度、道路质量信息素浓度的权重,/>、/>、/>、/>大于0。
将所有起始点到目的地的冷链运输路径的综合性评分进行排序,选择综合性评分最高的路径作为最优的冷链运输路径,确保选择出最适合的冷链运输路径,以满足货物和客户的需求。
本实施例通过使用蚁群算法,获得不同优化目标中冷链运输路径的信息素浓度,通过信息素浓度的高低,判断在不同优化目标条件下路径的优先级,并通过层次分析法确定不同优化目标的权重,通过加权求和计算,获得冷链运输路径的综合性评分,有助于根据运送的货物、客户的需求、运输的策略动态选择最优的冷链运输路径,实现对运输车辆的调度。
实施例3,本发明提供了如图2所示的一种智慧冷链运输动态调度系统的结构示意图,包括路径收集模块、数据采集模块、道路质量评估模块、优化目标设定模块以及综合评估模块,模块之间信号连接;
路径收集模块,用于根据冷链运输中输入的起始点和目的地,确定所有起始点到目的地的冷链运输路径,并作为后续分析和评估的基础;
数据采集模块,用于采集所有起始点到目的地的冷链运输路径中的道路信息、温度稳定性、运输成本、运输时间;
道路质量评估模块,用于通过道路信息建立评估道路质量的数学模型,根据道路质量的Lasso模型,确定不同冷链运输路径的道路质量评估结果;
优化目标设定模块,用于设定道路质量、温度稳定性、运输成本、运输时间作为蚁群算法的优化目标,计算不同冷链运输路径的信息素浓度;
综合评估模块,用于使用层次分析法确定不同优化目标的权重,将不同路径的信息素浓度和不同优化目标的权重进行加权求和计算,确定不同冷链运输路径的综合性评分,得到最优的冷链运输路径。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本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部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种智慧冷链运输动态调度方法,其特征在于,具体包括以下步骤:
S1:根据冷链运输的起始点和目的地,获得所有起始点到目的地的冷链运输路径,并对冷链运输路径的道路信息进行分析,其中,道路信息包括运输过程中产生的振动信息以及路径复杂程度信息;
S2:将运输过程中产生的振动信息以及路径复杂程度信息作为自变量,将道路质量作为因变量,通过Lasso回归构建评估道路质量的数学模型,确定不同冷链运输路径的道路质量评估结果;
S3:将道路质量、温度稳定性、运输成本、运输时间作为冷链运输路径的不同优化目标,通过蚁群算法确定不同优化目标下冷链运输路径的信息素浓度;
S4:通过层次分析法根据不同优化目标的重要性赋予不同的权重,将不同优化目标下得到信息素浓度通过加权求和计算,得到路径的综合评分,并选择综合评分最高的路径作为最优的冷链运输路径。
2.根据权利要求1所述的一种智慧冷链运输动态调度方法,其特征在于,对冷链运输路径的道路信息进行分析,道路信息包括运输过程中产生的振动信息,其中:
运输产生的振动信息通过振动损伤系数表示,所述振动损伤系数的获取逻辑为:车辆在路径中的行驶过程中,实时获得冷链运输中的振动加速度,设置振动加速度阈值,获得冷链运输中大于振动加速度阈值的振动加速度,通过公式计算振动损伤系数。
3.根据权利要求2所述的一种智慧冷链运输动态调度方法,其特征在于,道路信息包括路径复杂程度信息,其中:
路径复杂程度信息通过交通拥堵系数和交通多样系数表示,所述交通拥堵系数的获取逻辑为:获取车辆从初始点到目的地在交通顺畅且中途不停顿的情况下,以理想速度匀速行驶的理想时间,并获取实际车辆从初始点到目的地所需的实际时间,根据车辆冷链运输的实际时间和理想时间之差,确定车辆冷链运输的多余时间,通过在路径中的多次冷链运输,确定在路径中冷链运输的平均多余时间,通过平均多余时间与理想时间的比值确定路径的交通拥堵系数;
所述交通多样系数的获取逻辑为:记录实际车辆行驶过程中单位时间内经过的平均路口数量、平均变道次数、平均转向次数,设置理想情况下车辆单位时间内经过的平均路口数量的标准值、平均变道次数的标准值、平均转向次数的标准值,通过记录的实际数值与标准值的差值计算,获得平均路口数量偏差、平均变道次数偏差、平均转向次数偏差,并通过公式计算交通多样系数。
4.根据权利要求3所述的一种智慧冷链运输动态调度方法,其特征在于,通过Lasso回归构建评估道路质量的数学模型,包括:
将振动损伤系数、交通拥堵系数以及交通多样系数作为自变量,将道路质量作为因变量,进行Lasso回归分析,设置振动损伤系数、交通拥堵系数以及交通多样系数对应的权重,建立评估道路质量的数学模型。
5.根据权利要求4所述的一种智慧冷链运输动态调度方法,其特征在于,将道路质量、温度稳定性、运输成本、运输时间作为冷链运输路径的不同优化目标,包括:
通过使用图论中的路径搜索算法来获得所有起始点到目的地的冷链运输路径,将温度的稳定性、运输时间、运输成本以及道路质量作为启发因子,使用蚁群算法训练模型,获得温度稳定性、运输时间、运输成本以及道路质量作为启发因子的训练结果,得到不同启发因子下冷链运输的最佳路径,并获得所有起始点到目的地的冷链运输路径中的信息素浓度。
6.根据权利要求5所述的一种智慧冷链运输动态调度方法,其特征在于,将不同优化目标下得到信息素浓度通过加权求和计算,得到路径的综合评分,包括:
使用层次分析法确定不同优化目标的相对重要性,通过构建层次结构,将优化目标划分为不同的层次,计算出每个优化目标的权重;
将温度稳定性、运输时间、运输成本以及道路质量的权重作为不同优化目标信息素浓度的权重,通过对不同优化目标的信息素浓度加权求和计算,确定所有起始点到目的地的冷链运输路径的综合性评分。
7.一种智慧冷链运输动态调度系统,用于实现权利要求1-6任一项所述的一种智慧冷链运输动态调度方法,其特征在于,包括路径收集模块、数据采集模块、道路质量评估模块、优化目标设定模块以及综合评估模块,模块之间信号连接;
路径收集模块,用于根据冷链运输中输入的起始点和目的地,确定所有起始点到目的地的冷链运输路径,并作为后续分析和评估的基础;
数据采集模块,用于采集所有起始点到目的地的冷链运输路径中的道路信息、温度稳定性、运输成本、运输时间;
道路质量评估模块,用于通过道路信息建立评估道路质量的数学模型,根据道路质量的Lasso模型,确定不同冷链运输路径的道路质量评估结果;
优化目标设定模块,用于设定道路质量、温度稳定性、运输成本、运输时间作为蚁群算法的优化目标,计算不同冷链运输路径的信息素浓度;
综合评估模块,用于使用层次分析法确定不同优化目标的权重,将不同路径的信息素浓度和不同优化目标的权重进行加权求和计算,确定不同冷链运输路径的综合性评分,得到最优的冷链运输路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410558405.0A CN118134360A (zh) | 2024-05-08 | 2024-05-08 | 一种智慧冷链运输动态调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410558405.0A CN118134360A (zh) | 2024-05-08 | 2024-05-08 | 一种智慧冷链运输动态调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118134360A true CN118134360A (zh) | 2024-06-04 |
Family
ID=91240919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410558405.0A Pending CN118134360A (zh) | 2024-05-08 | 2024-05-08 | 一种智慧冷链运输动态调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118134360A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967668A (zh) * | 2020-08-17 | 2020-11-20 | 安徽理工大学 | 一种基于改进蚁群算法的冷链物流路径优化方法 |
CN113011644A (zh) * | 2021-03-11 | 2021-06-22 | 华南理工大学 | 基于蚁群优化算法的智慧城市动态冷链物流调度方法 |
CN116070984A (zh) * | 2023-04-06 | 2023-05-05 | 成都运荔枝科技有限公司 | 一种基于数据分析的冷链物流车辆的运输评估系统 |
CN117151321A (zh) * | 2023-10-31 | 2023-12-01 | 临沂慧商物流信息技术有限公司 | 一种基于最优化算法的物流运输管理方法 |
CN117422357A (zh) * | 2023-10-30 | 2024-01-19 | 扬州大学 | 一种基于改进蚁群算法的冷链物流配送路径优化方法 |
-
2024
- 2024-05-08 CN CN202410558405.0A patent/CN118134360A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967668A (zh) * | 2020-08-17 | 2020-11-20 | 安徽理工大学 | 一种基于改进蚁群算法的冷链物流路径优化方法 |
CN113011644A (zh) * | 2021-03-11 | 2021-06-22 | 华南理工大学 | 基于蚁群优化算法的智慧城市动态冷链物流调度方法 |
CN116070984A (zh) * | 2023-04-06 | 2023-05-05 | 成都运荔枝科技有限公司 | 一种基于数据分析的冷链物流车辆的运输评估系统 |
CN117422357A (zh) * | 2023-10-30 | 2024-01-19 | 扬州大学 | 一种基于改进蚁群算法的冷链物流配送路径优化方法 |
CN117151321A (zh) * | 2023-10-31 | 2023-12-01 | 临沂慧商物流信息技术有限公司 | 一种基于最优化算法的物流运输管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11582249B2 (en) | Computer-implemented method and arrangement for classifying anomalies | |
Guo et al. | Modeling parking behavior under uncertainty: a static game theoretic versus a sequential neo-additive capacity modeling approach | |
Mostafaeipour et al. | Prediction of air travel demand using a hybrid artificial neural network (ANN) with Bat and Firefly algorithms: a case study | |
Xu et al. | A real-time decision support framework to mitigate degradation in perishable supply chains | |
CN107886188B (zh) | 液化天然气公交尾气排放预测方法 | |
CN106022846A (zh) | 车险定价及二手车定价方法和装置 | |
CN105716620A (zh) | 一种基于云计算和大数据的导航方法 | |
CN116824861A (zh) | 基于城市大脑平台多维数据的共享单车调度方法和系统 | |
CN113283548B (zh) | 一种车辆安全评分方法、装置、设备和存储介质 | |
Wieland et al. | Predicting sector complexity using machine learning | |
CN118134360A (zh) | 一种智慧冷链运输动态调度方法及系统 | |
CN116934200A (zh) | 一种基于大数据的物流运输监管系统和方法 | |
Aickelin et al. | Using simulation to incorporate dynamic criteria into multiple criteria decision-making | |
CN113688506B (zh) | 基于微站等多维数据的潜在大气污染源识别方法 | |
Balamurugan et al. | Error Calculation for Prediction of Flight Delays using Machine Learning Classifiers | |
Orugbo et al. | RCM and AHP hybrid model for road network maintenance prioritization | |
Lee et al. | Operation analysis of the electronic screening system at a commercial vehicle weigh station | |
CN112950131A (zh) | 一种物流管理系统的运输路径优化系统和方法 | |
CN117933857B (zh) | 售后平台的物流订单调度方法、设备和可读存储介质 | |
CN111832599A (zh) | 一种基于机器学习随机森林的加油站预测方法 | |
CN117993589B (zh) | 基于物联网的智慧冷链物流调度方法及系统 | |
CN117236779B (zh) | 一种大型数据库的数据运输评估方法 | |
Yin et al. | Intelligent decision support system for bridge monitoring | |
JP7487759B2 (ja) | モデル作成装置、データ生成装置、モデル作成方法及びデータ生成方法 | |
Hayashi et al. | Prioritization of Lane-Specific Traffic Jam Detection for Automotive Navigation Framework Utilizing Suddenness Index and Automatic Threshold Determination |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |