CN104715675A - 一种适用于物流配送路径优化的gis电子地图 - Google Patents

一种适用于物流配送路径优化的gis电子地图 Download PDF

Info

Publication number
CN104715675A
CN104715675A CN201510154404.0A CN201510154404A CN104715675A CN 104715675 A CN104715675 A CN 104715675A CN 201510154404 A CN201510154404 A CN 201510154404A CN 104715675 A CN104715675 A CN 104715675A
Authority
CN
China
Prior art keywords
layer
information
logistics distribution
distribution path
electronic chart
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
Application number
CN201510154404.0A
Other languages
English (en)
Inventor
唐海均
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.)
Chengdu Shuo Yun Science And Technology Ltd
Original Assignee
Chengdu Shuo Yun Science And Technology 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 Chengdu Shuo Yun Science And Technology Ltd filed Critical Chengdu Shuo Yun Science And Technology Ltd
Priority to CN201510154404.0A priority Critical patent/CN104715675A/zh
Publication of CN104715675A publication Critical patent/CN104715675A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003Maps
    • G09B29/006Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
    • G09B29/007Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes using computer methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Ecology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

为了解决物流配送路线优化问题,本发明提供了一种适用于物流配送路径优化的GIS电子地图,包括:对象层,其具有根据物流配送路径确定的区域内的地理对象;图标层,其对对象层的地理对象进行放大、缩小、平移;分析层,其根据对象层的信息进行物流配送路径区域内的分析并对地理对象进行维护;交通道路信息层,其在对象层上设置交通道路信息;物流配送网点设置层,其对物流配送网点信息进行设置。本发明可在电子地图上自动求出任意两点间的最短经济距离,自动求出这两点间所经过的街道名称和送货先后顺序。

Description

一种适用于物流配送路径优化的GIS电子地图
技术领域
本发明涉及一种GIS电子地图,更具体地,涉及一种适用于物流配送路径优化的GIS电子地图。
背景技术
物流配送路线优化问题,是配送过程中最重要的问题之一,它直接影响到配送的效率、服务质量和配送的成本。配送路径寻优以最短路为基础,可以归结为正费用网络的最短路问题。
城市物流配送以城市为配送范围,配送路线繁多复杂,在配送过程中各路段受各种交通信息的影响较大,节点之间的可受到制约。通常存在两类交通限制信息:第一类是动态交通限制信息,其特点是随时间变化而动态变化,如交通堵塞;第二类是静态交通限制信息,这类限制信息随时间变化较慢,如交管部门制定出的一系列限速、禁行、禁止转弯和单向行驶等交通规则或交通管制。另一方面,物流企业的运力是一定的,也就是说,车辆的数量和驾驶员的数量是有限的。如何充分利用这些有限的资源进行物流配送路径的优化配置问题就成了物流行业普遍需要考虑和必须面对的问题。
在涉及交通最短路和运输最短路问题时,多数文章只是简单地将地理距离或花费时间作为各弧的权重,求最短路问题或者最优路径问题即是求空间距离最短的路线或所用时间最少的路线。这种确定权重的方式,其最直接的好处就是方便快捷,容易操作,便于理解。但它存在明显的缺陷。对于配送问题而言,它不是简单的单目标规划,它涉及到很多因素,而且各种影响因素还是动态变化的,因而,配送路径优化问题实质上是一个多目标动态规划问题。单以距离或时间为权重,不能获得配送过程整体最优。有时地理距离可能很短,但由于交通拥挤或者路况不佳,也会花很长的时间。和很高的费用,降低了配送的效率。相反,对于交通顺畅的路段而言,尽管距离较长,但所用的时间可能很短,同时还涉及到过路费、过桥费等问题。
邹旭东,郑四发,班学钢等人撰写的《具有交通限制约束的道路网络最优路径算法》(公路交通科技,2002,(8):82~84)给出一种改进的权重确定方法,根据道路拥挤的程度对给定路段要素加权,用路段长度乘以加权系数作为路段加权长度,路段交通越堵塞,此路段的加权系数越大。该权重确定方法较前两种有所改进,但文中没有具体说明加权系数如何确定?也没有说明权重为定值还是为变值。因为交通拥挤程度是动态的,受意外事件影响较大,所以加权系数不易确定,其参照基准也不易确定。同时,没有考虑可能附加的额外成本费用问题,所以对配送路径优化的可行性值得探讨。综上所述,以地理距离和时间决定权重,以及该文献给出的方法确定权重,都具有片面性,存在不同程度的缺陷。
文中通过对影响权重的各种因素的深入剖析,建立基于成本的权重模型。这里的成本包括配送费用和时间成本,由于配送费用最小化与最短路问题实质相类似,所以基于成本最小路径寻优实质上是基于距离、费用和时间综合最小的路线选择。该方法尽管看起来比较繁琐,但其客观、全面,充分包含地理距离、时间距离、路况信息以及附加费用等信息,而且它还是一个动态变化控制方法,根据不同的时段、不同的路段,确定不同的加权系数,反映了道路的实际情况。
为了达到城市物流配送路线的最优化,将各路段的配送成本系数作为各段弧的权重,求解的最优路线即是成本系数最小的路线。在确定权重(成本系数)时,为体现交通堵塞对配送的动态影响,将物流配送成本主要划分成耗油成本F1,人工和运输工具时间占用机会成本F2以及附加成本F3三大部分。其中F1不仅反映配送的距离,而且也反映路况信息;F2主要反映不同路段、不同时段的道路拥挤状况;F3主要指前面提到的过路费、过桥费等额外费用,一般依据路段比较固定。各费用表达式如式(1),(2)。
Fi1=Y×Li×(1+Hi) (1)
Fi2=(CH+CT)Tvi(1+Kij)=(CH+CT)(Livli)(1+Hi)(1+Kij) (2)
式中:Fi1为第i路段耗油成本;Fi2为第i路段时间占用机会成本;Fi3为第i路段附加成本;Y为单位距离耗油成本;Li为第i路段Euclid直线距离;Hi为第i路段实际距离与直线距离修正系数;CH为单位时间人工成本;CT为单位时间运输工具机会成本;Tvi为通过第i路段的平均时间;vli为通过第i路段的平均速度;Kij为第i路段第j时段道路拥挤状况修正系数.其中,参数Hi可根据城市道路交通经验值加以确定。
另外,宋柏撰写的《物流***单个设施的定点决策方法》(集装箱化,2000(7):5~8)给出将直线距离近似换算成公路、铁路和城市街道实际距离的换算系数,分别增加21%,24%和42%。Kij可以根据历史数据回归分析得到,或通过经验值判断,若道路通畅即车流速度等于Vvi时,Kij取0。
同时,考虑费用和时间的权衡,建立配送网络权重模型,第i路段的成本权重为
wi=A
i×Fi1+(1-Ai)×Fi2+Fi3 (3)
式中:Ai为第i路段费用偏好系数;(1-Ai)为第i路段时间偏好系数。
线路优化调度最终实现的目标线路优化调度最终目标是实现物流中心操作流程改造,真正实现访送分离。(1)目前的操作流程目前车辆的送货清单生成完全是按照线路来确定的,很难从整体上优化,提高送货效率。(2)改造后的操作流程改造后的操作流程在零售物流配送网点布局的地理信息***(GIS)和决策支持***(DSS)作用下,根据电子排单***,生成优化后的送货清单,改变了原有按线路定送货线路的缺陷,在操作流程上真正实现访送分离。
目前上下已形成一个共识:要想实现送货线路优化设置,必须首先有一个切实可行的GIS应用平台。而与之相配套的GIS电子地图是解决这一问题所首要解决的。
发明概述
一种适用于物流配送路径优化的GIS电子地图,包括:
对象层,其具有根据物流配送路径确定的区域内的地理对象;
图标层,其对对象层的地理对象进行放大、缩小、平移;
分析层,其根据对象层的信息进行物流配送路径区域内的分析并对地理对象进行维护;
交通道路信息层,其在对象层上设置交通道路信息;
物流配送网点设置层,其对物流配送网点信息进行设置。
进一步地,所述物流配送网点信息包括序号、名称、网点级别、联系方式。
进一步地,所述交通道路信息包括:从物流中心到各物流配送网点的道路情况,主要设置线路编号、派车时间、各街道距离、始发点、终端点。
进一步地,地理对象的维护包括基础地理信息和专题信息的维护,设置和/或修改驾驶员的信息,车辆的信息。
进一步地,驾驶员的信息包括姓名、编号、待命状态、送货区域。
进一步地,车辆的信息包括车型、车牌、编号、容载量、车龄、待命状态。
进一步地,所述电子地图还包括气象状态层。
进一步地,所述电子地图还包括经纬度层。
本发明的有益效果包括:该电子地图具有道宽窄按比例绘制、街道门牌号自动显示的功能。该电子地图GIS信息更新及时。可在电子地图上自动求出任意两点间的最短经济距离,自动求出这两点间所经过的街道名称和送货先后顺序。
附图说明
图1示出了本发明实现的电子地图。
具体实施方式
根据本发明的实施例,适用于物流配送路径优化的GIS电子地图包括:
对象层,其具有根据物流配送路径确定的区域内的地理对象;该层中包括经纬度层,每个地理对象均具有经纬度这一属性。该属性表示每个地理对象所在的空间位置,以在地图上能够区分它们的相对位置关系。
图标层,其对对象层的地理对象进行放大、缩小、平移;该层包括所述每个地理对象的图标,以及对应地各个图标的被放大图标和被缩小图标。
分析层,其根据对象层的信息进行物流配送路径区域内的分析并对地理对象进行维护;该层基于对象层中的经纬度坐标,建立各个地理对象之间的最短路线关系,并基于该最短路线关系,根据优化调度决策支持***模型确定最佳物流配送路径。同时,该分析层也更新或删除对象层的地理对象及图标层中与该地理对象相关联的图标。
交通道路信息层,其在对象层上设置交通道路信息;该层辅助分析层确定最短路线关系。在两个地理对象之间建立根据交通道路信息确定的全部路线,以利于计算它们之间的最短路径。
物流配送网点设置层,其对物流配送网点信息进行设置。这些网点被按照优先级设置,以表示物流配送时各个网点的级别。
所述物流配送网点信息包括序号、名称、网点级别、联系方式。
所述交通道路信息包括:从物流中心到各物流配送网点的道路情况,主要设置线路编号、派车时间、各街道距离、始发点、终端点。
地理对象的维护包括基础地理信息和专题信息的维护,设置和/或修改驾驶员的信息,车辆的信息。
驾驶员的信息包括姓名、编号、待命状态、送货区域。
车辆的信息包括车型、车牌、编号、容载量、车龄、待命状态。
根据本发明的优选实施例,所述电子地图还包括气象状态层。该气象状态层能够对应地表示交通道路信息层中各个交通道路的天气情况,从而向分析层提供天气参数。优选地,在这种情形中,分析层还根据该天气参数调整最佳物流配送路径选取最短路径还是次短路径或其他路径。
物流配送GIS电子地图具备下述目标:(1)电子地图的基本操作功能,包括视图的放大、缩小、平移,主要配送位置的标注(打点),鼠标交互的距离和面积的量算,查询地理对象的属性信息等。(2)网络分析功能。如物流配送网点之间最短路径查询、经济距离计算、最近设施查找,辐射区域分析。(3)提供地理对象的维护功能,包括基础地理信息和专题信息的维护,如设置修改驾驶员的信息(包括姓名、编号、待命状态、送货区域等参数),车辆的信息(包括车型、车牌、编号、容载量、车龄、待命状态等参数)。(4)交通道路信息设置,主要是指从物流中心到各物流配送网点的道路情况,主要设置线路编号、派车时间、各街道距离(要精确到1米)、始发点、终端点等参数。(5)对物流配送网点主要设置,包括序号、名称、网点级别、联系方式等数据的设置修改。目前上下已形成一个共识:要想实现送货线路优化设置,必须首先有一个切实可行的GIS应用平台。
建立物流线路优化调度决策支持***模型,采用先进可靠的求解算法(如节约法、遗传算法等),同时把该模型和算法融入到计算机应用软件中,输入各种限制边界条件和目标函数,最终输出每天每次每辆车的电子送货清单,改变以原批发部为轴心的与线路对应的送货线路模式,实现工作量相对均衡的送货安排。(1)模型和算法分析物流线路优化打破了原来按照线路确定送货线路的弊端,圈定优化对象为整个城区10000多家物流配送网点,由物流中心统一调度车辆,集中车次送货。这里采用节约算法或遗传算法,把在局部优化时的最优路线继承下来,应用于整体,而其他剩余的部分则结合区域周围的剩余部分(即非遗传的部分)进行优化。如此下去,逐渐把其他的区域并入优化的范畴,最后便扩展到整体,模型得出的信息即可用来决策输出,即根据每次送货数量的不同、各位置的不同,以及相应订货量的不同,输出本次送货线路车辆调度的动态优化方案。该***模型算法的主要实现步骤如下:①根据不同送货线路的订货信息,统计订货数量,目前这部分的信息从公司计算中心订货***模块的数据库中获得。②查询物流中心车辆数据库,获得可用车辆的型号和数量。对需要的车辆作个前期估计,估计的数量为:总的定货量除以车的容量,若有多种类型,则先选容量大,再选容量小的,如此下去。③利用GIS提供的信息构造本次送货所有物流配送网点的网络图。④利用图论的有关知识,试着搜索一条最短的路径,在搜索的同时,累加经过的经销点的销售量,以不能超过车辆的容量为限,这样得到的便是一条最优路径。选车的原则是以容量从大到小为序。⑤重复第三步,找出该区域的所有优化路径。⑥预置一个满意值,当车辆的实际装载量与车辆容量的比值大于所设满意值时,认为是最优的(因为在实际操作中车辆往往不能满载的),这样的路径就可以继承下来;而对那些小于满意值的,则结合起来,再次利用最优路径的算法找出最优的路径;由于车辆的规格有大有小,一般来说,是能保证所有的优化路径的比值大于满意值。而且这个满意值也可以根据不断实践的结果不断修正,慢慢增大。这样的话,就会逐渐趋向整体的最优解。⑦增大满意值重复计算所有的路径,如此反复,直到满意值不能增大为止,这时的优化路径便是所要的结果。其中满意值的设定是可变的,它是小于1的一个量,它反映车辆的容量实际装载效率,也是成本计算的一个要素。
线路优化设计后,主要有以下几点明显优势:①使物流送货派单***的应用达到国内现代物流发展同步水平;②划分后的各个区域布局将更合理、地理位置相对集中,预计可减少总的送货车辆数10%以上,耗油量送货里程减少20%左右。③各条路线工作量大体平衡,可减少一线员工的抱怨,提高员工满意度,从而更好的完成工作;④流程改造以后,将在信息流上真正实现访送分离。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.一种适用于物流配送路径优化的GIS电子地图,其特征在于,包括:
对象层,其具有根据物流配送路径确定的区域内的地理对象;
图标层,其对对象层的地理对象进行放大、缩小、平移;
分析层,其根据对象层的信息进行物流配送路径区域内的分析并对地理对象进行维护;
交通道路信息层,其在对象层上设置交通道路信息;
物流配送网点设置层,其对物流配送网点信息进行设置。
2.根据权利要求1的适用于物流配送路径优化的GIS电子地图,其特征在于,所述物流配送网点信息包括序号、名称、网点级别、联系方式。
3.根据权利要求1的适用于物流配送路径优化的GIS电子地图,其特征在于,所述交通道路信息包括:从物流中心到各物流配送网点的道路情况,主要设置线路编号、派车时间、各街道距离、始发点、终端点。
4.根据权利要求1的适用于物流配送路径优化的GIS电子地图,其特征在于,地理对象的维护包括基础地理信息和专题信息的维护,设置和/或修改驾驶员的信息,车辆的信息。
5.根据权利要求4的适用于物流配送路径优化的GIS电子地图,其特征在于,驾驶员的信息包括姓名、编号、待命状态、送货区域。
6.根据权利要求4的适用于物流配送路径优化的GIS电子地图,其特征在于,车辆的信息包括车型、车牌、编号、容载量、车龄、待命状态。
7.根据权利要求4的适用于物流配送路径优化的GIS电子地图,其特征在于,所述电子地图还包括气象状态层。
8.根据权利要求7的适用于物流配送路径优化的GIS电子地图,其特征在于,所述电子地图还包括经纬度层。
CN201510154404.0A 2015-04-02 2015-04-02 一种适用于物流配送路径优化的gis电子地图 Pending CN104715675A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510154404.0A CN104715675A (zh) 2015-04-02 2015-04-02 一种适用于物流配送路径优化的gis电子地图

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510154404.0A CN104715675A (zh) 2015-04-02 2015-04-02 一种适用于物流配送路径优化的gis电子地图

Publications (1)

Publication Number Publication Date
CN104715675A true CN104715675A (zh) 2015-06-17

Family

ID=53414960

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510154404.0A Pending CN104715675A (zh) 2015-04-02 2015-04-02 一种适用于物流配送路径优化的gis电子地图

Country Status (1)

Country Link
CN (1) CN104715675A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105205555A (zh) * 2015-09-18 2015-12-30 浪潮软件股份有限公司 一种基于点线位置关系的客户线路最优归属算法
CN106022699A (zh) * 2016-06-13 2016-10-12 句容市富达双马商务管理有限公司 一种长短途多模式货物配送服务***
TWI557659B (zh) * 2015-12-01 2016-11-11 財團法人工業技術研究院 物流配送效率評估系統及其方法
CN109064003A (zh) * 2018-07-26 2018-12-21 南京博赛顿电器销售有限公司 按照路线规划智能分派工单的方法
CN110617829A (zh) * 2018-06-18 2019-12-27 罗伯特·博世有限公司 用于预测车辆的可能行驶路线的方法和装置
CN110659858A (zh) * 2019-09-11 2020-01-07 达疆网络科技(上海)有限公司 一种解决跨江、跨桥配送范围过长的方法
CN111723965A (zh) * 2019-03-18 2020-09-29 丰田自动车株式会社 信息处理装置、信息处理方法及程序
CN113916233A (zh) * 2021-10-20 2022-01-11 上海擎朗智能科技有限公司 导航路线确定方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103123704A (zh) * 2013-01-21 2013-05-29 浙江工业大学 一种基于富网络属性路网的物流配送方法
CN103473659A (zh) * 2013-08-27 2013-12-25 西北工业大学 配送车辆端实时状态信息驱动的物流任务动态优化分配方法
CN104657834A (zh) * 2013-11-16 2015-05-27 西安博昱新能源有限公司 基于移动互联网的物流管理***

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103123704A (zh) * 2013-01-21 2013-05-29 浙江工业大学 一种基于富网络属性路网的物流配送方法
CN103473659A (zh) * 2013-08-27 2013-12-25 西北工业大学 配送车辆端实时状态信息驱动的物流任务动态优化分配方法
CN104657834A (zh) * 2013-11-16 2015-05-27 西安博昱新能源有限公司 基于移动互联网的物流管理***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张金龙: "基于GIS的物流配送路径优化***开发", 《科技致富向导》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105205555A (zh) * 2015-09-18 2015-12-30 浪潮软件股份有限公司 一种基于点线位置关系的客户线路最优归属算法
TWI557659B (zh) * 2015-12-01 2016-11-11 財團法人工業技術研究院 物流配送效率評估系統及其方法
CN106022699A (zh) * 2016-06-13 2016-10-12 句容市富达双马商务管理有限公司 一种长短途多模式货物配送服务***
CN110617829A (zh) * 2018-06-18 2019-12-27 罗伯特·博世有限公司 用于预测车辆的可能行驶路线的方法和装置
CN110617829B (zh) * 2018-06-18 2024-01-23 罗伯特·博世有限公司 用于预测车辆的可能行驶路线的方法和装置
CN109064003A (zh) * 2018-07-26 2018-12-21 南京博赛顿电器销售有限公司 按照路线规划智能分派工单的方法
CN111723965A (zh) * 2019-03-18 2020-09-29 丰田自动车株式会社 信息处理装置、信息处理方法及程序
CN110659858A (zh) * 2019-09-11 2020-01-07 达疆网络科技(上海)有限公司 一种解决跨江、跨桥配送范围过长的方法
CN113916233A (zh) * 2021-10-20 2022-01-11 上海擎朗智能科技有限公司 导航路线确定方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN104715675A (zh) 一种适用于物流配送路径优化的gis电子地图
US20210383321A1 (en) Vehicle fleet control systems and methods
Qian et al. Fuel emissions optimization in vehicle routing problems with time-varying speeds
Ubeda et al. Green logistics at Eroski: A case study
Sayarshad et al. A scalable non-myopic dynamic dial-a-ride and pricing problem for competitive on-demand mobility systems
Yan et al. A planning model and solution algorithm for multi-trip split-delivery vehicle routing and scheduling problems with time windows
Ramos et al. Delimitation of service areas in reverse logistics networks with multiple depots
Huang et al. Flexible route optimization for demand-responsive public transit service
Alvarez et al. The impact of traffic congestion when optimising delivery routes in real time. A case study in Spain
Gan et al. The identification of truck-related greenhouse gas emissions and critical impact factors in an urban logistics network
Chu et al. A multi-trip split-delivery vehicle routing problem with time windows for inventory replenishment under stochastic travel times
Khanchehzarrin et al. A model for the time dependent vehicle routing problem with time windows under traffic conditions with intelligent travel times
Hu et al. Understanding the unbalance of interest in taxi market based on drivers' service profit margins
Rönnqvist et al. Calibrated Route Finder: Improving the safety, environmental consciousness, and cost effectiveness of truck routing in Sweden
Qureshi et al. Application of exact route optimization for the evaluation of a city logistics truck ban scheme
Cui et al. GIS-based method of delimitating trade area for retail chains
Madadi et al. Multi-stage optimal design of road networks for automated vehicles with elastic multi-class demand
CN108985510B (zh) 基于人工智能的大规模智能物流路径判定***
Kavianipour et al. Effects of electric vehicle adoption for state-wide intercity trips on emission saving and energy consumption
Errousso et al. A hybrid modeling approach for parking assignment in urban areas
Grabenschweiger et al. Finding the trade-off between emissions and disturbance in an urban context
CN112949889A (zh) 一种基于物联网与大数据技术的分级库存及二次配送方法
Hosseini-Motlagh et al. A multi-path traffic-covering pollution routing model with simultaneous pickup and delivery
Zhen et al. Vehicle routing for customized on-demand bus services
Ge et al. Proactive Two‐Level Dynamic Distribution Routing Optimization Based on Historical Data

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20150617