JP2005263447A - 最適配車計画方法およびそのプログラム記憶媒体 - Google Patents

Abstract

【課題】Ｎ箇所の経路順序の算出において、各個所が基幹輸送におけるＡデポ(積点)−Ｂデポ(積降点) −Ｃデポ(降点)である場合の最適配車計画方、法並びに確定された資源に依らず、経路順序と各指標（積載率・コスト・輸送台数）の関係の配車候補を指標ごとに昇順又は降順で結果を提供する。
【解決手段】入力データ登録Ｓ１に基づいて地理上の移動ベクトルを生成する移動ベクトルの算出Ｓ２と、入力データに基づいてリードタイムベクトルを生成するリードタイムベクトルの算出Ｓ３と、地理上の移動ベクトルに基づいてグループ識別値を生成するグループ識別値の算出Ｓ４と、グループ識別値とリードタイムベクトルから経路順序のを生成するグループ識別値の整合性適性判定Ｓ５と 最大積載量の適正判定を行う最大積載量（容積、重量）の適正判定Ｓ６と、積載率・コスト・台数を生成する指標算出Ｓ７と、結果出力Ｓ８とから成る手順をデータ処理装置に実行させる。
【選択図】図３

Description

物流業における最適な配車計画方法に関する。

近年の経済発展に伴い、多様化、高度化する消費者のニーズに対応するため、物流システムも高度のものが要求されるようになってきた。特に、情報通信技術の発達は消費者ニーズの地域格差の低減に大きな影響をもたらしており、ジャスト・イン・タイム輸送は、全国規模で行われるようになった。また、地球環境問題が近年の社会問題の１つに挙げられている。地球温暖化の対策における二酸化炭素ＣＯ₂規制は、交通環境を取り巻く課題の中でも、重点テーマとして挙げられ、モータルシフトや輸送効率化など様々な課題を抱えている。

このような状況下、近年、物流業における配車の最適化を図るため、高度な配車システムを行う構築活動が行われている。例えば、最小輸送台数又は最低コストの経路順序の最適化を行うにあたり、遺伝的ニューロ処理により、最適解を算出するものがある（特許文献１）。また、前記最適化をエネルギー関数の最小化問題として定式化したシミュレーテッド・アニーリング法を用いて、最適解を算出するものがある（特許文献２）。及び前記最適化を確率論的な方法より、最適解を算出するものがある（特許文献３）。

遺伝的ニューロ処理につき説明する。

配送、実績、統計データの入力を行う入力装置が１つ、配車計画に必要なデータを受信し短時間でコストが最小となる最適配車計画を立案する配車計画処理装置が１つ、前記入力情報と配車計画に要する基本情報と配車計画結果を少なくとも記憶する記憶装置が１つ、配車計画の結果を表示する出力装置が１つで構成される。遺伝的ニューロ処理により最適の配車計画案を選出する。

また、エネルギー関数の最小化問題として定式化したシミュレーテッド・アニーリング法につき説明する。

配送計画問題をエネルギー関数の最小化問題として定式化してシミュレーテッド・アニーリング法を用いてこのエネルギー関数の最小状態を求めることにより、配車と配送順序との最適解を探索するようにした配送計画問題の最適解探索方法又は装置において、エネルギー関数における重み係数を試行錯誤によらず、自動調節する。
前記自動調節は、具体的に目標値を設定し得る制約条件を表す制約項と、制約条件以外の最小にしたいコスト関数を表すコスト項とに分けて定義されたエネルギー関数中の制約項に関して、重み係数の調節手段によって、その重み係数の値をパラメータ更新則によって自動調節する。

及び、確率論的な方法につき説明する。

所要時間分布を演算する所要時間分布演算部が１つ、早着および遅刻ペナルティを演算する早着／遅刻ペナルティ演算部が１つ、すべての顧客を巡回するのに要した総費用を演算する総費用演算部が１つ、所定の条件の下で総費用が最小になるように顧客の訪問順序を設定する訪問順序決定部が１つ、各部の制御を行う演算制御部が１つで構成される。所要時間の増減の確率分布である所要時間分布に基づいて早着および遅刻ペナルティを演算し、その演算結果を考慮に入れてトラックの割当てと顧客の訪問順序の設定を行う。
特開平７−２３４９９７号公報（図３、図４） 特開平８−１５３０８５号公報（図１、図４） 特開２００１−１４２９６号公報（図２、図３）

前記の方法は、１拠点(デポ:工場,倉庫,配送センターなどの積点)を発地としたＮ個所(降点)しか考慮されないので、基幹輸送におけるＡデポ(積点)−Ｂデポ(積降点) −Ｃデポ(降点)という場合の最適化の算出が出来ないという問題がある。

また、前記の方法は、種々の資源（使用可能な輸送手段（車、列車、飛行機など）、台数、種類（最大積載容量、最大積載重量、車種）など）を基に算出を行うため、例えば、輸送手段を委託する場合では、前記資源の事前把握を行うタイミングにより最適化結果が適用できないという問題がある。

また、前記の方法は、前記資源に着目すると、例えば、日常的に資源変化が発生する場合では、最適解のベスト結果のみの出力であり、資源変化時の次手の対応に手間が発生するという問題がある。

本発明は、このような従来技術の問題点に鑑み、Ｎ箇所の経路順序の算出において、各個所が基幹輸送におけるＡデポ(積点)−Ｂデポ(積降点) −Ｃデポ(降点)である場合の最適配車計画方法を提供することを目的とする。

また、本発明は、確定された前記資源に依らず、経路順序と各指標（積載率・コスト・輸送台数）の関係の配車候補を前記指標ごとに昇順又は降順で結果を提供することを目的とする。

本発明の最適配車システムは、入力データを登録する入力データ登録ステップと、入力データに基づいて地理上のベクトルマスタを作成するマップベクトルマスタ生成ステップと、前記入力データに基づいて手番ベクトルマスタを作成するタイムベクトルマスタ生成ステップと、マップベクトルマスタ生成ステップで生成されたデータから近似ベクトルのグループを生成するマップ近似グループ生成ステップと、マップ近似グループ生成ステップで生成されたデータとタイムベクトルマスタ生成ステップで生成されたデータとを比較しマップ近似グループ生成ステップで生成されたデータのグループ適正の判定を行うマップ近似グループタイム適正判定ステップと、マップ近似グループ生成ステップで生成されたデータと輸送条件データ（前記輸送手段の最大積載容量、最大積載重量）とを比較しマップ近似グループ生成ステップで生成されたデータのグループ適正の判定を行うマップ近似グループ輸送条件適正判定ステップとマップ近似グループ輸送条件適正判定ステップで生成されたデータとタリフデータ（前記輸送手段の料金表）から前記各指標の算出を生成する指標算出ステップと、指標算出ステップで生成されたデータを結果として出力する結果出力ステップから成る手順をデータ処理装置に実行させるものである。

この発明によれば、Ｎ箇所の経路順序の算出において、積載増減（容量、重量）を考慮しているため、各個所が基幹輸送におけるＡデポ(積点)−Ｂデポ(積降点) −Ｃデポ(降点)である場合の最適配車計画方法を提供することができる。

また、この発明によれば、確定された前記資源に依らず、地理上のベクトルマスタと手番ベクトルマスタより組合せ可能な全ての配車候補を前記指標ごとの昇順又は降順で出力するため、日常的に前記資源状況変動が発生する場合や、突発的に前記資源状況変動が発生した場合でも配車を可能とすることができる。

以下、本発明の実施例を図１〜図６に基づいて説明する。

図１は、この発明の一実施例による最適配車システムのハードウエア構成のブロック図である。この例では、システムは、入力装置１、中央処理装置２、外部記憶装置３、メモリ装置４、出力装置５とを備える。外部記憶装置３に入力データ記憶ファイル３１、マップベクトルマスタデータ記憶ファイル３２、タイムベクトルマスタデータ記憶ファイル３３、マップ近似グループデータ記憶ファイル３４、マップ近似グループタイム適正判定データ記憶ファイル３５、マップ近似グループ輸送条件適正判定データ記憶ファイル３６、指標算出データ記憶ファイル３７、輸送条件データ記憶ファイル３８、タリフデータ記憶ファイル３９を保管する。

図２は、システムの概略構成のブロック図である。この例では、入力データ登録部４１、マップベクトルマスタ生成部４２、タイムベクトルマスタ生成部４３、マップ近似グループ生成部４４、マップ近似グループタイム適正判定生成部４５、マップ近似グループ輸送条件適正判定生成部４６、指標算出生成部４７、結果出力生成部４８とを備える。

入力データ登録部４１は、図１の入力装置１より入力された物量の情報（例えば、発地・着地の位置、発地・着地の日時、発地・着地の時間指定、荷貨の容積・重量 等）を図１の外部記憶装置３の入力データ記憶ファイル３１に保存する。

マップベクトルマスタ生成部４２は、図１の外部記憶装置３に保存された入力データ記憶ファイル３１より入力された物量情報の発地・着地の位置を基に前記輸送手段の移動ベクトル（方向と大きさ）の算出を行う。マップベクトルマスタ生成部４２は、着地の位置情報から発地の位置情報の差により方向の算出を行う。マップベクトルマスタ生成部４２は、着地の位置情報から発地の位置情報の差の絶対値により大きさの算出を行う。また、マップベクトルマスタ生成部４２は、算出された前記移動ベクトルの値を図１の外部記憶装置３のマップベクトルマスタデータ記憶ファイル３２に保存する。

タイムベクトルマスタ生成部４３は、図１の外部記憶装置３に保存された入力データ記憶ファイル３１より入力された物量情報の発地・着地の日時を基に前記輸送手段のリードタイムベクトル（方向は１方向のみのため、大きさのみ）の算出を行う。タイムベクトルマスタ生成部４３は、着地の日時情報から発地の日時情報の差により大きさの算出を行う。また、タイムベクトルマスタ生成部４３は、算出された前記リードタイムベクトルの値を図１の外部記憶装置３のタイムベクトルマスタデータ記憶ファイル３３に保存する。

マップ近似グループ生成部４４は、図１の外部記憶装置３に保存されたマップベクトルマスタデータ記憶ファイル３２より方向が近似しているデータのグループ識別値の算出を行う。マップ近似グループ生成部４４は、可能であるグループの全パターンの算出を行う。例えば、３つのデータが同一グループ識別値である場合、前記３つのデータは、組合せ式_３Ｃ_２で分けられる別のグループ識別値を持つ。同様に前記３つのデータは、組合せ式_３Ｃ_１で分けられるさらに別の識別値を持つ。また、マップ近似グループ生成部４４は、算出された前記グループ群の識別値を図１の外部記憶装置３のマップ近似グループデータ記憶ファイル３４に保存する。

マップ近似グループタイム適正判定生成部４５は、図１の外部記憶装置３に保存されたマップ近似グループデータ記憶ファイル３４のグループ識別値の整合性適正判定値の算出を行う。マップ近似グループタイム適正判定生成部４５は、前記グループ識別値の整合性適正判定値の算出に、図１の外部記憶装置３に保存されたタイムベクトルマスタデータ記憶ファイル３３を基に前記グループ識別値ごとにリードタイムの整合性判定によりグループ識別値の整合性適正判定値の算出を行う。また、マップ近似グループタイム適正判定生成部４５は、算出された前記グループ識別値の整合性適正判定値を図１の外部記憶装置３のマップ近似グループタイム適正判定データ記憶ファイル３５に保存する。

マップ近似グループ輸送条件適正判定生成部４６は、図１の外部記憶装置３に保存されたマップ近似グループタイム適正判定データ記憶ファイル３５の前記グループ識別値の整合性適正判定値が可のデータを対象に最大積載容量、最大積載重量の適正判定値の算出を行う。マップ近似グループ輸送条件適正判定生成部４６は、前記最大積載容量、最大積載重量の適正判定値の算出に、図１の外部記憶装置３に保存された輸送条件データ記憶ファイル３８を基にグループ識別値の整合性適正判定値が可のデータを対象に前記グループ識別値ごとに最大積載容量、最大積載重量の適正判定により前記最大積載容量、最大積載重量の適正判定値の算出を行う。また、マップ近似グループ輸送条件適正判定生成部４６は、算出された前記最大積載容量、最大積載重量の適正判定値を図１の外部記憶装置３のマップ近似グループ輸送条件適正判定データ記憶ファイル３６に保存する。

指標算出生成部４７は、図１の外部記憶装置３に保存されたマップ近似グループ輸送条件適正判定データ記憶ファイル３６の前記各指標の算出を行う。指標算出生成部４７は、前記各指標の算出に、図１の外部記憶装置３に保存されたタリフデータ記憶ファイル３９を基に前記グループ識別値ごとに積載率、コスト、輸送台数の算出を行う。また、指標算出生成部４７は、算出された前記各指標を図１の外部記憶装置３の指標算出データ記憶ファイル３７に保存する。

結果出力生成部４８は、図１の外部記憶装置３に保存された指標算出データ記憶ファイル３７を図１の出力装置５に出力を行う。また、図１の中央演算処理装置２は、上述の各部の制御を行う。

図３は、この発明に係わる配車方法の処理動作を示すフローチャート図である。以下、このフローチャート図に基づいて、一実施例の動作説明を行う。

まず、入力データの登録を行う（Ｓ１）。入力データは前記物量の情報などである。また、このとき、後述する輸送条件データ（例えば、最大積載容量・最大積載重量、最大仰角など）及び、タリフデータ（例えば、輸送手段の料金など）は既知であり、それぞれ図１の外部記憶装置３の輸送条件データ記憶ファイル３８、図１の外部記憶装置３のタリフデータ記憶ファイル３９に保存されているとする。

つぎに、マップベクトルマスタ生成部４２にて移動ベクトルの算出を行う（Ｓ２）。具体的には、着地の位置情報から発地の位置情報の差の符号により方向の算出を行う。また、着地の位置情報から発地の位置情報の差の絶対値により大きさの算出を行う。

方向の算出の算出を行う式は、（１）式で表される。但し、ａは算出結果のベクトル、Ｘは発地点、Ｙは着地点、（ｘａ、ｙａ）はａの成分、（ｘ１、ｙ１）はＸの座標、（ｘ２、ｙ２）はＹの座標である。
ａ＝Ｙ−Ｘ
（ｘａ、ｙａ）＝（ｘ２−ｘ１、ｙ２−ｙ１） ・・・（１）
（１）式において、ａの成分（ｘａ、ｙａ）のｘａ、ｙａの符号を算出結果とする。

大きさの算出の算出を行う式は、（２）式で表される。但し、｜ａ｜はａの絶対値、ｘａはａのＸ軸成分、ｙａはａのＹ軸成分である。
｜ａ｜＝√（ｘａ^２＋ｙａ^２） ・・・（２）
（２）式において、｜ａ｜を算出結果とする。

つぎに、タイムベクトルマスタ生成部４３にてリードタイムベクトルの算出を行う（Ｓ３）。具体的には、着地の日付情報から発地の日付情報の差の日数により大きさの算出を行う。このとき、方向は１方向のみの為、方向の算出は行わない。

大きさの算出の算出を行う式は、（３）式で表される。但し、Ｄａは差の日数、Ｄｘは発日、Ｄｙは着日である。
Ｄａ＝（Ｄｙ−Ｄｘ）＋１ ・・・（３）
（３）式において、Ｄａを算出結果とする。

つぎに、マップ近似グループ生成部４４にてグループ識別値の算出を行う（Ｓ４）。図４にこのＳ４の詳細ブロック図を示す。具体的には、第一段階では、発地座標同士、着地座標同士が同一のデータをグループ候補１とする。また、発地・着地座標同士が同一のデータをグループ候補２とする。第二段階では、移動ベクトルの算出（Ｓ２）で算出された符号より、Ｘ軸成分が同符号のデータをＸ軸成分グループとする。また、移動ベクトルの算出（Ｓ２）で算出された符号より、Ｙ軸成分が同符号のデータをＹ軸成分グループとする。第三段階では、前記グループ候補１〜２の適正判定を行う。前記適正判定は、前記Ｘ軸成分グループ若しくは、前記Ｙ軸成分グループに少なくとも１つ以上に属するグループであれば可とし、何れにも属さない場合は否とする。第四段階では、前記適正判定で可とされた前記グループ候補１〜２のそれぞれのグループ候補内のデータにおいて、仰角判定を行う。前記仰角判定は、図１の外部記憶装置３の輸送条件データ記憶ファイル３８の最大仰角以下である場合は可とし、前記最大仰角
より大きい場合は否とする。第五段階では、前記仰角判定で可とされた前記グループ候補１〜２のグループ識別値を適正グループ１とする。第六段階では、前記適正グループ１内において、組合せ可能なパターンの全てのグループにおいて、前記第四段階〜第五段階を繰返し行う。但し、第六段階における複数回行われる第五段階において可とされたグループは適正グループ２以降とし、第五段階の試行回数＋１で表される。

つぎに、マップ近似グループタイム適正判定生成部４５にてグループ識別値の整合性適性判定を行う（Ｓ５）。図５にこのＳ５の詳細ブロック図を示す。具体的には、第一段階では、前記グループ識別値内のデータと紐づくデータを前記リードタイムベクトルの算出（Ｓ３）で算出されたデータを取得する。第二段階では、前記第一段階で取得されたデータの前記（３）式で算出された日数の合計を算出する。第三段階では、前記第一段で取得されたデータの最も小さい発日と最も大きい着日の差を算出する。第四段階では、前記二段階で算出された日数の合計と前記第三段階で算出されたデータとを比較し、条件が前記二段階で算出された日数の合計≧前記第三段階で算出されたデータならば可とし、前記条件以外の場合は否とする。第五段階では、前記第一段階で取得されたデータを発日・着日の昇順に並べる。但し、前記第四段階で可とされた場合のみを対象とする。第六段階では、前記グループ識別値内のデータを前記第五段階の並びと同じ並びにソートし経路順の適正を行う。但し、前記第四段階で可とされた場合のみを対象とする。第七段階では、前記第六段階でソートされた前記グループ識別値内の各発地、着地における荷貨の容積・重量の算出を行う。但し、前記第四段階で可とされた場合のみを対象とする。

つぎに、マップ近似グループ輸送条件適正判定生成部４６にて最大積載量（容積、重量）の適性判定を行う（Ｓ６）。図６にこのＳ６のブロック図を示す。具体的には、前記グループ識別値の整合性適性判定（Ｓ５）の第七段階で算出された荷貨の容積・重量の積載量判定を行う。前記積載量判定は図１の外部記憶装置３の輸送条件データ記憶ファイル３８の最大積載容量・最大積載重量以下である場合は可とし、前記最大積載容量・最大積載重量より大きい場合は否とする。 但し、前記グループ識別値の整合性適性判定（Ｓ５）の第五段階で可とされた前記グループ識別値のデータを対象とする。

つぎに、指標算出生成部４７にて指標算出（Ｓ７）を行う。具体的には、前記グループ識別値の整合性適性判定（Ｓ５）の第五段階で可とされた前記グループ識別値のデータを対象に、積載率・コスト・輸送台数の算出を行う。前記積載率は図１の外部記憶装置３の輸送条件データ記憶ファイル３８の最大積載容量・最大積載重量に対する前記グループ識別値の整合性適性判定（Ｓ５）の第六段階で算出された荷貨の容積・重量の割合とする。
また、前記コストは、図１の外部記憶装置３のタリフデータ記憶ファイル３９の輸送手段の料金より算出する。また、前記輸送台数は、前記グループ識別値の種類の数より算出する。

つぎに、結果出力生成部４８にて結果出力（Ｓ８）を行う。具体的には、前記グループ識別値の整合性適性判定（Ｓ５）の第五段階で可とされた前記グループ識別値のデータを対象に、前記指標算出（Ｓ７）で算出された積載率・コスト・輸送台数ごとの昇順または降順で結果出力を行う。

配車計画問題に対して、複数のデポ：基幹輸送におけるＡデポ(積点)−Ｂデポ(積降点) −Ｃデポ(降点)とする経路順序の配車、及び、前記資源に依存しない配車候補提供を生成することができる配車プログラムに有用である。

本発明の第１実施例の全体構成を概略的に示すブロック図である。 本発明の第１実施例のシステムの概略構成のブロック図である。 本発明の第１実施例の全体処理制御を示すフローチャート図である。 本発明のグループ識別値の算出を行うステップ（Ｓ４）の詳細ブロック図である。 本発明のグループ識別値の整合性適性判定（Ｓ５）の詳細ブロック図である。 本発明の最大積載量（容積、重量）の適性判定を行うステップ（Ｓ６）の詳細ブロック図である。

符号の説明

１ 入力装置
２ 中央演算装置
３ 外部記憶装置
４ メモリ装置
５ 出力装置
４１ 入力データ登録部
４２ マップベクトルマスタ生成部
４３ タイムベクトルマスタ生成部
４４ マップ近似グループ生成部
４５ マップ近似グループタイム適正判定生成部
４６ マップ近似グループ輸送条件適正判定生成部
４７ 指標算出生成部
４８ 結果出力生成部
Ｓ１ 入力データ登録ステップ
Ｓ２ 移動ベクトルの算出ステップ
Ｓ３ リードタイムベクトルの算出ステップ
Ｓ４ グループ識別値の算出ステップ
Ｓ５ グループ識別値の整合性適性判定ステップ
Ｓ６ 最大積載量（容積、重量）の適正判定ステップ
Ｓ７ 指標算出ステップ
Ｓ８ 結果出力ステップ

Claims (6)

1. 入力データを登録する入力データ登録ステップと、
   前記入力データに基づいて地理上のベクトルマスタを作成するマップベクトルマスタ生成ステップと、
   前記入力データに基づいて手番ベクトルマスタを作成するタイムベクトルマスタ生成ステップと、
   マップベクトルマスタ生成ステップで生成されたデータから近似ベクトルのグループを生成するマップ近似グループ生成ステップと、
   マップ近似グループ生成ステップで生成されたデータとタイムベクトルマスタ生成ステップで生成されたデータとを比較しマップ近似グループ生成ステップで生成されたデータのグループ適正の判定を行うマップ近似グループタイム適正判定ステップと、
   マップ近似グループ生成ステップで生成されたデータと、輸送手段の最大積載容量、最大積載重量からなる輸送条件データとを比較し、マップ近似グループ生成ステップで生成されたデータのグループ適正の判定を行うマップ近似グループ輸送条件適正判定ステップと、
   マップ近似グループ輸送条件適正判定ステップで生成されたデータと、輸送手段の料金表であるタリフデータから積載率・コスト・輸送台数を含む各指標の算出を生成する指標算出ステップと、
   前記指標算出ステップで生成されたデータを出力する結果出力ステップから成ることを特徴とする最適配車計画方法。
2. 入力データとなる発・着に関する位置情報及び日時情報、物量に関する容積・重量情報を記憶し、前記マップベクトルマスタ生成ステップと前記タイムベクトルマスタ生成ステップと前記マップ近似グループ生成ステップと前記マップ近似グループタイム適正判定ステップと前記マップ近似グループ輸送条件適正判定ステップと前記指標算出ステップで算出されたデータを記憶し、前記輸送条件データと前記タリフデータのデータベースを有する請求項１記載の最適配車計画方法。
3. 前記マップ近似グループ生成ステップは、地理的な組合せ可能なパターン全て算出することを特徴とする請求項１記載の最適配車計画方法。
4. 前記指標算出ステップは、請求項３で記載したパターン全てに対して、前記各指標を算出することを特徴とする請求項１記載の最適配車計画方法。
5. 前記結果出力ステップは、請求項４で記載した前記各指標ごとの昇順または降順で結果出力することを特徴とする請求項１記載の最適配車計画方法。
6. 入力データを登録する入力データ登録ステップと、
   前記入力データに基づいて地理上のベクトルマスタを作成するマップベクトルマスタ生成ステップと、
   前記入力データに基づいて手番ベクトルマスタを作成するタイムベクトルマスタ生成ステップと、
   マップベクトルマスタ生成ステップで生成されたデータから近似ベクトルのグループを生成するマップ近似グループ生成ステップと、
   マップ近似グループ生成ステップで生成されたデータとタイムベクトルマスタ生成ステップで生成されたデータとを比較しマップ近似グループ生成ステップで生成されたデータのグループ適正の判定を行うマップ近似グループタイム適正判定ステップと、
   マップ近似グループ生成ステップで生成されたデータと、輸送手段の最大積載容量、最大積載重量からなる輸送条件データとを比較し、マップ近似グループ生成ステップで生成されたデータのグループ適正の判定を行うマップ近似グループ輸送条件適正判定ステップと、
   マップ近似グループ輸送条件適正判定ステップで生成されたデータと、輸送手段の料金表であるタリフデータから積載率・コスト・輸送台数を含む各指標の算出を生成する指標算出ステップと、
   前記指標算出ステップで生成されたデータを出力する結果出力ステップを記録したプログラム記憶媒体。

Images