CN104809549A - 一种货运车辆计划行驶路线的调度方法 - Google Patents
一种货运车辆计划行驶路线的调度方法 Download PDFInfo
- Publication number
- CN104809549A CN104809549A CN201510151256.7A CN201510151256A CN104809549A CN 104809549 A CN104809549 A CN 104809549A CN 201510151256 A CN201510151256 A CN 201510151256A CN 104809549 A CN104809549 A CN 104809549A
- Authority
- CN
- China
- Prior art keywords
- goods stock
- projected trip
- information
- cost
- vehicle
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种货运车辆计划行驶路线的调度方法,其中包括以下步骤:分别获取车辆起始位置和需要服务的客户的位置信息;将车辆的行驶线路定义为一系列连续的位置对,每对位置对代表了相应的起点和终点之间的直接行驶路径;计算每个位置对的里程成本与载重成本;利用定义的一系列连续的位置对和投放货车数量,确定满足所有客户运输需求的货运车辆计划行驶线路组合;利用里程成本和载重成本计算每组货运车辆计划行驶线路组合的总行程成本;根据计算出的各组总行程成本,确定所需要的最优货运车辆计划行驶线路组合;基于上述目标建立数学优化模型,以达到提高货运车辆运输效率和减少油耗的目的。
Description
技术领域
本发明涉及信息技术领域,具体地,涉及到货运车辆计划行驶路线的调度方法。
背景技术
在全球气候变暖和温室气体排放的压力之下,很多国家已经开始对汽油中的碳含量征收碳排放税和环境税,来减少工商业货物运输中的油耗。为了提高燃油效率、降低温室气体排放,货运行业已经开始运用很多新技术来提高车辆性能,并降低汽油中的碳排放量。但是,新技术因为需要采购新设备和使用档次较高的汽油,所以需要投入巨资。
现有的一种不需要采购新设备和使用档次较高的汽油的有效解决方案是:通过智能化的线路调度***来缩减货运车辆行驶里程。通常,大多数货运行业运用的运输管理***(TMS)是利用缩减货运车辆行驶里程的方式来管理货运业务。在运输管理***(TMS)中通过由电脑计划的货车行驶路线的优化引擎来降低行驶里程,以此降低成本,减少汽油的使用和温室气体的排放。但是,利用里程成本信息来选择优化的行驶线路并不一定能挑选出包括油耗在内的综合成本最低的最优行驶线路。
发明内容
本发明的目的在于,针对上述问题,提出一种货运车辆计划行驶路线的调度方法,以实现提升货运车辆运输效率和减少油耗的目的,本发明提出了基于包括载重成本在内的新的优化目标,和实现新优化目标的数学模型。
为实现上述目的,本发明采用的技术方案是:
一种货运车辆计划行驶路线的调度方法,包括以下步骤:
步骤1:分别获取车辆起始位置和需要服务的客户的位置信息;
步骤2:将车辆的行驶线路定义为一系列连续的位置对,每对位置对代表了相应的起点和终点之间的路径信息;
步骤3:计算每对位置对的里程成本与载重成本;
步骤4:利用上述定义的一系列连续的位置对以及投放货车数量,确定满足所有客户运输需求的货运车辆计划行驶线路组合;
步骤5:利用里程成本和载重成本实时计算每组货运车辆计划行驶线路的总行程成本;
步骤6:根据上述计算出的各组总行程成本,实时确定所需要的最优货运车辆计划行驶线路组合;
步骤7:接收与最优货运车辆计划行驶线路组合相关的实时的意外信息;
步骤8:根据这些实时的意外信息获取实时的额外优化的货运车辆计划行驶线路组合。
上述需要服务的客户的位置信息是从接收到的订单信息中获取。
上述实时意外信息包括实时的订单信息、交通信息、路况信息、事故信息、汽油费、客户位置与车辆状况等信息。
上述订单信息包含客户订单、客户位置以及服务时限。
上述车辆状况包括车辆能源类型、车辆等级、车辆尺寸、车辆重量、车辆容量、车辆耗耗能函数和车辆保养记录。
上述总行程成本计算公式如下:
总行程成本=里程成本+换算常数*载重成本。
步骤6中,根据总行程成本实时确定所需要的最优货运车辆计划行驶线路组合的高层主体算法如下:
1)在已决定的货运车辆计划行驶线路组合库中选取第一组与第二组 货运车辆计划行驶线路组合;
2)获取第一组和第二组货运车辆计划行驶线路组合的总行程成本信息;
3)比较第一组与第二组货运车辆计划行驶线路组合的总行程成本信息;
4)将总行程成本小的一组作为当前最优的一组货运车辆计划行驶线路组合;
5)重复以下步骤:选取下一组货运车辆计划行驶线路组合与当前最优组货运车辆计划行驶线路组合相比较、获取两组车辆计划行驶线路的总行程成本信息、比较两组货运车辆计划行驶线路组合的总行程成本、将总行程成本小的一组作为更好的货运车辆计划行驶线路组合,直至完成所有组合的比较。
6)同时,本发明还公开了一种实现上述的货运车辆计划最优行驶线路调度方法的运输管理***,包括中央处理器、货运车辆计划行驶线路调度信息***和货运车辆计划行驶线路优化引擎。
其中,货运车辆计划行驶线路调度信息***包括:
A.读取车辆起始/终止位置和需要服务的客户的位置信息的位置读取模块;
B.利用车辆起始/终止位置和需要服务的客户位置生成一系列连续的位置对的位置对生成模块;
C.用于计算每一对位置对的里程成本信息的里程成本计量的模块;
D.用于计算每一对位置对的载重成本信息的载重成本计量的模块。
上述货运车辆计划行驶线路优化引擎会根据一系列连续的位置对信息和现有车辆,实时决定多组货运车辆计划行驶线路组合,随后,引擎自动计算出这些货运车辆计划行驶线路组合的里程成本信息和载重成本信息,进而计算出每组货运车辆计划行驶线路组合的总行程成本信息,通过对比货运车辆计划行驶线路组合中所有线路的总行程成本信息,最终确定最优的货运车辆计划行驶线路组合。
本***还包括,用于存储与最优货运车辆计划行驶线路组合有关的实时意外信息的实时意外信息模块;利用实时意外信息进一步优化线路组合的货运车辆计划行驶线路优化引擎。
本***还包括:订单信息模块、车队信息模块和公司业务规则模块,分别用于存储订单信息、车队信息和用于车辆调度的公司业务规则。其中,订单信息包含期限、客户订单和客户地址,车队信息包含若干空闲的车辆和车辆特征。
本发明还包括上述运输管理***的核心数学规划决策模型,其特征还包含:决策变量、常数量、辅助变量、目标函数和一系列的约束条件。
本技术方案具有以下效益:
本技术方案,利用车辆起始位置和需要服务的客户的位置信息生成一系列连续的位置对,并利用里程成本和载重成本实时计算每组货运车辆计划行驶线路的总行程成本,从而确定所需要的最优货运车辆计划行驶线路组合。本发明针对整个物流过程进行统筹管理,达到提高货运车辆运输效率和减少油耗的目的。而本技术方案中的运输管理***针对该方法的实现提供了相应的模块,以实现其功能。本技术方案所包含的核心数学模型准确地定义了优化的函数和目标,有助于在实际中测试各类算法的优化度。
附图说明
图1为本发明实施例所述的货运车辆计划行驶路线的调度方法流程图;
图2为利用了新增的载重成本信息的货运车辆计划行驶路线的调度方 法规划阶段流程图;
图3为利用了新增的载重成本信息的货运车辆计划行驶路线的调度方法执行阶段流程图;
图4为用于优化货运车辆计划行驶路线的调度信息***的原理框图;该***利用了新增的载重成本信息;
图5和图6为运用本技术方案的案例示意图;
图7为本发明的运输管理***的原理框图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明的应用和保护。
图1描述了本发明所述的货运车辆计划行驶路线的调度方法的流程,包括以下步骤:
步骤1:分别获取车辆起始位置和需要服务的客户的位置信息;
步骤2:将车辆的行驶线路定义为一系列连续的位置对,每对位置对代表了相应的起点和终点间的路径信息,如仓库(起点)到第一个客户位置,现在的客户位置到下一个客户的位置,最后的客户位置到仓库(终点)的位置,都可以用位置对来表示;
步骤3:计算每对位置对的里程成本与载重成本;
步骤4:利用上述定义的一系列连续的位置对和投放货车数量,确定满足所有客户运输需求的货运车辆计划行驶线路组合;
步骤5:利用里程成本和载重成本实时计算每组货运车辆计划行驶线路的总行程成本;
步骤6:根据上述计算出的各组总行程成本,实时确定所需要的最优货运车辆计划行驶线路组合;
步骤7:接收与最优货运车辆计划行驶线路组合相关的实时意外信息;
步骤8:根据这些意外信息进一步优化货运车辆计划行驶线路组合。
其中,需要服务的客户的位置信息是从接收到的订单信息中获取。
上述意外信息包括实时的订单信息、交通信息、路况信息、事故信息、汽油费、客户位置与车辆状况。
上述订单信息包含客户订单、客户位置以及服务时限。
上述车辆状况包括车辆能源类型、车辆等级、车辆尺寸、车辆重量、车辆容量、车辆耗能函数和车辆保养记录。
总行程成本计算公式如下:
总行程成本=里程成本+换算常数*载重成本。
步骤6中根据总行程成本,实时确定所需要的最优货运车辆计划行驶线路组合。具体算法如下:
1)在已决定的货运车辆计划行驶线路组合库中选取第一组与第二组货运车辆计划行驶线路组合;
2)获取第一组和第二组货运车辆计划行驶线路组合的总行程成本信息;
3)比较第一组与第二组货运车辆计划行驶线路组合的总行程成本信息;
4)将总行程成本小的一组作为当前最优的一组货运车辆计划行驶线路组合;
5)重复以下步骤:选取下一组货运车辆计划行驶线路组合与当前最优货运车辆计划行驶线路组合相比较、获取两组车辆计划行驶线路的总行程成本信息、比较两组货运车辆计划行驶线路组合的总行程成本、将总行程成本小的一组作为更好的货运车辆计划行驶线路组合,直至完成所有组合的比较。
作为一个实现货运车辆计划最优行驶线路调度方法的运输管理***,包括中央处理器、货运车辆计划行驶线路的调度信息***和货运车辆计划行驶线路的优化引擎。
其中,货运车辆计划行驶线路调度信息***包括:
A.读取车辆起始/终止位置和需要服务的客户的位置信息的位置读取模块;
B.利用车辆起始/终止位置和需要服务的客户位置生成一系列连续的位置对的位置对生成模块;
C.用于计算每一对位置对的里程成本信息的里程成本计量的模块;
D.用于计算每一对位置对的载重成本信息的载重成本计量的模块。
上述货运车辆计划行驶线路优化引擎根据一系列连续的位置对信息和投放货车数量,决定多组货运车辆计划行驶线路组合,随后,优化引擎自动计算出这些货运车辆计划行驶线路组合的里程成本信息和载重成本信息,进而计算出每组货运车辆计划行驶线路的总行程成本信息,通过对比货运车辆计划行驶线路组合中所有线路的总行程成本信息,最终确定最优的货运车辆计划行驶线路组合。
本***还包括:
●用于存储与最优货运车辆计划行驶线路组合有关的实时意外信息的实时意外信息模块;
●利用实时意外信息进一步优化车辆计划行驶线路优化引擎。
本***还包括:订单信息模块、车队信息模块和公司业务规则模块,分别用于存储订单信息、车队信息和公司业务规则。其中,订单信息包含期限、客户订单和客户地址,车队信息包含若干空闲的车辆和车辆特征。
本发明还包括上述运输管理***的核心数学规划模型,还包含数学模型相应的组成部分:决策变量、常数量、辅助变量、目标函数和一系列的约束条件。该核心数学模型准确地定义了优化的函数和目标,有助于在实际中测试各类算法的优化度。
为简化问题,我们假设只考虑车辆的重量限制的货车送货模型。具体而言,本发明的核心优化引擎的简化数学模型如下:
首先模型的各类符号定义如下:
常数:
N:需要服务的客户数目(假定客户0为仓库或车队车库)
K:可用的车辆数目
Qk:车辆k的装载量(重量单位)
qi:客户i的需求量(重量单位)
cij:车辆由客户i行驶到客户j单位公里运输成本(里程成本)
rij:车辆由客户i行驶到客户j单位吨公里的额外成本(载重成本)
V:各类位置集合,V={0,1,2,...,N}
决策变量:
辅助变量:
uik:车辆k服务完客户i之后的载重(重量单位)
模型可以一个二次数学整数规划表示如下:
目标函数:
约束条件:
qi+qj≤Qk,
k=1,...,m
该数学模型描述了本发明所用的核心优化模型的基本特征和公式。在应用时,根据不同的业务要求,一些额外的目标及约束条件可能会加入其中。
上述各个功能模块作为软件实现的功能模块,可以保存在内存或硬盘 内供中央处理器调用,来实现其在本技术方案中阐述的具体功能。
如图1所示的是由计算机实现的基于载重成本信息的货运车辆计划行驶路线的调度方法。订单信息、车队信息和公司业务规则被货运车辆计划行驶线路调度信息***所接收。订单信息包括:时间限制、客户订单、客户地址和与其他有关客户的信息。典型的车队信息包括:可用车辆数量、车辆特性等。车辆特性又包括基于能源消耗的车辆能源类型、车辆类型(例如商用卡车或拖车)、车辆尺寸、车辆重量(估计重量或实际重量)、车辆容量、车辆耗能函数、车辆保养记录等等。
起始位置(或仓库/车库)和需要服务的客户的位置信息分别由货运车辆计划行驶线路调度信息***获取。在实施例中,与客户相对应的客户位置从事先接收到的订单信息或相关的客户地址中获取。货运车辆调度信息***将利用起始位置和一系列的需要服务的客户位置,计算每一对位置对的里程成本信息和载重成本信息。其中,载重成本信息是指与车辆载重行驶过程中相对应的成本信息。
利用所有位置对和投放货车数量,货运车辆计划行驶线路优化引擎确定满足所有客户运输需求的多组货运车辆计划行驶线路组合,我们称之为货运车辆计划行驶线路组合库。其中,每组货运车辆计划行驶线路组合包含一条或多条基于投放货车数量的线路。进一步讲,每组货运车辆计划行驶线路组合包含一条或多条利用投放的货运车辆覆盖所有客户位置的线路组合。在一些应用过程中,投放货车数量由货运车辆计划行驶线路优化引擎根据可用车辆数的需要计算得出。在另外一些应用过程中,投放货车数量也可由用户提供。
利用里程成本信息和载重成本信息,货运车辆计划行驶线路调度信息***可以实时计算出每组货运车辆计划行驶线路组合的总行程成本信息。每组货运车辆计划行驶线路组合的总行程成本可由以下方程计算:
总行程成本=里程成本+换算常数*载重成本。
货运车辆计划行驶线路调度信息***利用计算得出的总行程成本信息,实时地从货运车辆计划行驶线路组合库中确定出最优货运车辆计划行驶线路组合。在实际应用中,先从货运车辆计划行驶线路组合库中选出第一组和第二组货运车辆计划行驶线路组合,分别计算出相应的总行程成本,然后比较这两组货运车辆计划行驶线路组合的总行程成本,将总行程成本小的一组作为当前最优组。接着,引擎选取下一组线路组合与本次得出的当前一组最优线路组合重复以上比较过程,直到组合库中所有货运车辆计划行驶线路组合全部比较完毕,最终获得最优货运车辆计划行驶线路组合。
在具体实施时,调度信息***将获取与最优货运车辆计划行驶线路组合相对应的实时意外信息。典型的实时意外信息包含:实时的订单信息、交通信息、路况信息、事故信息、燃油成本、车辆状况、客户位置相关的情况等。利用实时意外信息,货运车辆计划行驶线路调度信息***可重新计算得出进一步优化的货运车辆计划行驶线路组合。在实际应用中,货运车辆计划行驶线路调度信息***可分别实时获取起始位置(或仓库/车库)和需要服务的客户的位置信息。在具体实施时,客户位置可以从实时接收的订单信息或相关的客户地址中获取。然后,利用起始位置和这些需要服务的客户的位置信息,并根据实时获得的意外信息,货运车辆计划行驶线路调度信息***获取一系列相关的位置对,进而获得进一步优化的货运车辆计划行驶线路组合。
如图2所示的是利用了新增的载重成本信息的货运车辆计划行驶路线的调度方法在规划阶段的流程图。首先,***将获取相应的订单信息,例如时间限制、客户订单、客户地址等。其次,***将获取车队信息,例如可用车辆数、车辆特性等。车辆特性又包括车辆能源类型、车辆类别(例如:商用卡车或拖车)、车辆尺寸、车辆重量(估计重量和实际重量)、 车辆容量、车辆耗能函数、车辆保养记录等。***同时也获取用于车辆调度的公司业务规则。
然后,调度信息***将计算每一组位置对的里程成本信息。在具体实施时,调度信息***分别获取起始位置(或仓库/车库)和需要服务的客户的位置信息。例如:调度信息***从接收到的订单信息或相关客户地址中获取需要服务的客户的位置对组信息。然后,调度信息***将利用起始位置和一系列需要服务的客户位置,计算每一对位置对的里程成本信息和载重成本信息。随后,这些位置对所对应的里程成本信息被货运车辆计划行驶线路优化引擎所获取。
接着,货运车辆计划行驶线路优化引擎将获取每组位置对的载重成本信息。在具体实施时,调度信息***将会首先计算出每组位置对所对应的载重成本信息。接着,货运车辆计划行驶线路优化引擎将会获取这些载重成本信息。随后,货运车辆计划行驶线路优化引擎会确定一组最优的货运车辆计划行驶线路组合。在实际应用中,订单信息经常在执行阶段的数天前就被预先接收。当订单信息被货运车辆计划行驶线路调度信息***接收时,货运车辆计划行驶线路优化引擎将确定出一组基于里程成本和载重成本信息的最优线路组合。用户将会判定这组最优线路组合是否可行。换言之,由用户最终决定最优线路组合是否可行。例如:用户可根据车辆运输的货物种类或者在一条线路组合中一辆货车所服务的客户数量等条件来做出决定。如果之前选出的最优线路组合不可行,那么货运车辆计划行驶线路优化引擎将会提示输入额外的限制,以获取一组更新的最优线路组合。实施例中,如果当前最优线路组合不可行,***将提示用户输入额外的限制,以重新计算获得更新的最优线路组合。典型的附加约束包括:“货运车辆不符合客户的要求”,“单辆货运车辆服务的客户上限”等。如果该最优线路组合满足所有要求,那么它将被确认。然后该最优线路组合将会分派给合适的司机。
如图3所示的是利用了新增的载重成本信息的货运车辆计划行驶路线的调度方法在执行阶段的流程图。首先,货运车辆计划行驶线路优化引擎将获取每对位置对的里程成本信息和载重成本信息。其次,优化引擎将获得一系列最优线路组合。然后在实施时,优化引擎将获取与一系列最优线路组合相关的实时意外信息。典型的实时意外信息包括:实时的订单信息、交通信息、路况信息、事故信息、汽油成本、车辆状况、客户位置相关的情况等。在具体实施时的执行阶段,货运车辆计划行驶线路调度信息***将获取实时意外信息。然后,信息***将根据这些信息进一步优化现有的线路组合。比如,执行货运车辆计划行驶线路时,调度信息***会接收实时的订单信息、交通信息、路况信息、车辆故障信息等,从而修正或修复一系列最优线路组合,以得到基于最新实时信息、比现有计划更为优化的可行的货运车辆计划行驶线路组合。
本发明将作为一种决策辅助***,帮助用户确定现有的优化线路组合是否可行。换言之,用户将最终决定现有优化的货运车辆计划行驶线路组合是否可实施。例如:顾客需要运送的货物种类和现有车辆的匹配、每辆货车能够服务的客户数量等,都将决定现有优化的线路组是否可实施。如果现有优化的线路组合不可行,货运车辆计划行驶线路的优化引擎将提示用户输入额外限制,以重新优化计划行驶线路组合。比如,如果现有优化的货运车辆计划行驶线路组合不可行,***将提示用户输入额外限制,并根据这些限制重新运行货运车辆计划行驶线路优化引擎。一些常见的附加约束包括:“某些货车不能服务某些顾客的货物”,“单辆货车服务的客户数上限”等。如果现有优化的货运车辆计划行驶线路组合可行,那么它将被确定为最终的货运车辆计划最优行驶线路组合。
如图4所示的是本发明所提出的货运车辆计划行驶线路调度信息*** 的框图。该信息***包括的子模块计有:订单信息模块4A、车队信息模块4B、公司业务规则模块4C、位置对信息的读取模块4D、位置读取模块4E、载重成本计量模块4F、里程成本计量模块4G、货运车辆计划行驶线路优化引擎4H、最优货运车辆计划行驶线路组合模块4I、司机调度模块4J、实时意外信息模块4K、实时货运车辆计划行驶线路调度引擎4L和进一步优化货运车辆计划行驶线路组合模块4M。值得指出的是,司机调度模块4J用来将得到的优化行驶路线分配给最合适的司机来执行。它并不属于本发明的范畴,但常常被包括在传统的运输调度***内。
由本图可见,本发明的核心模块货运车辆计划行驶线路优化引擎4H需要订单信息模块4A、车队信息模块4B、公司业务规则模块4C与位置读取模块4D的信息。同时从订单信息模块4A可以分解出位置读取模块4D、位置对读取模块4E、载重成本计量模块4F所需要的信息,位置对读取模块4E提供里程成本计量模块4G需要信息,加上载重成本计量模块4F为货运车辆计划行驶线路优化引擎4H提供所需的成本信息。此外里程成本计量模块4G和载重成本计量模块4F还为实时货运车辆计划行驶线路优化引擎4L提供成本信息。
另外,货运车辆计划行驶线路优化引擎4H将产生最优货运车辆计划行驶线路组合模块4I的信息,其将用于外部的司机调度模块。实时意外信息模块4K和计划产生的最优货运车辆计划行驶线路组合模块4I的信息将注入实时货运车辆计划行驶线路优化引擎4L进行优化,产生的结果将用于进一步优化货运车辆计划行驶线路组合引擎4M相连接,最终注入外部的司机调度模块4J。
在具体实施时,订单信息模块4A包括订单信息,如时间限制、客户需求量、与客户相对应的客户地址,并和地图数据相结合产生位置和位置对信息及载重信息。车队信息模块4B包括可用车辆数量、车辆特征等。例如:车辆特征包括车辆能源类型、车辆类型(例如商用卡车或拖车)、 车辆大小、车辆重量(估计重量或实际重量)、车辆容量、车辆耗能函数、车辆保养记录等。公司业务规则模块4C包含了用于车辆调度的一些公司业务规则。
在操作中,位置读取模块4D获取起始位置(或仓库/车库)和需要服务的客户的位置信息,如:从订单信息或相关的客户地址中获取需要服务的客户位置信息。然后,位置对读取模块4E根据起始位置和需要服务的客户位置来获取所有位置对。接着,里程成本计量模块4G计算出每对位置对的里程成本信息。同时,载重成本计量模块4F为每对位置对计算载重成本信息。载重成本信息是综合了行驶里程和该行程上的载重的成本信息,如基于吨公里的成本。
货运车辆计划行驶线路优化引擎4H从订单信息模块4A、车队信息模块4B、公司业务规则模块4C、位置读取模块4D、里程成本计量模块4G和载重成本计量模块4F中,接收各类信息用于优化调度。与此同时,根据根据所有位置对的运输需求和投放车量的数目确定满足所有客户运输任务的货运车辆计划行驶线路组合。在具体实施时,每组货运车辆计划行驶线路组合包括:一条或多条的货运车辆计划行驶线路使之覆盖所有需要服务的客户位置。在一些应用过程中,实际需要货车数量由货运车辆计划行驶线路优化引擎根据可用车辆数量计算得出。但在另外一些应用过程中,可用车辆的数量由用户规定。另外,优化引擎4H利用里程成本信息和载重成本信息,实时计算每组货运车辆计划行驶线路组合的总行程成本信息。每组货运车辆计划行驶线路组合的总行程成本信息用以下公式计算:
总行程成本=里程成本+换算常数*载重成本。
另外,货运车辆计划行驶线路优化引擎4H利用计算得出的总行程成本信息来确定最优的货运车辆计划行驶线路组合。在具体实施时,优化引擎从所有货运车辆计划行驶线路组合中首先选取第一组和第二组货运车辆计划行驶线路组合。然后计算与第一组和第二组线路组合相对应的总行 程成本信息。接着比较第一组和第二组线路组合的总行程成本。然后根据比较的结果,把两组线路中总行程成本小的一组作为当前最优的货运车辆计划行驶线路组合。优化引擎4H不断重复上述步骤,直到组合库中所有货运车辆计划行驶线路组合全部比较完毕,最终获得最优货运车辆计划行驶线路组合。
货运车辆计划行驶线路优化引擎针对货运车辆计划行驶线路组合中的当前最优线路组合和下一组线路组合,重复选择、获取、比较和确认等步骤来获得最优货运车辆计划行驶线路组合。例如,货运车辆计划行驶线路优化引擎4H可以通过禁忌搜索法来获得最优货运车辆计划行驶线路组合。
另外,货运车辆计划行驶线路优化引擎4H把最优货运车辆计划行驶线路组合存储到最优货运车辆计划行驶线路组合模块4I中。然后,4I把最优货运车辆计划行驶线路组合发送到司机调度模块。更详细的解释请参照图2。在具体实施时,实时货运车辆计划行驶线路调度引擎4L从实时意外信息模块4K中获取实时意外信息,如实时的订单信息、交通信息、路况信息、事故信息、实时订单信息、车辆状况、汽油成本、客户位置相关状况等。之后,实时货运车辆计划行驶线路调度引擎4L利用实时意外信息来进一步优化货运车辆计划行驶线路组合。
在具体实施时,由于存在海量的可行线路组合(例如,一部车辆为10名客户送货,就存在3628800种可能的货运车辆计划行驶线路组合),一般必须使用计算机***(例如图7所示的一个运输管理***)来计算和获取优化的货运车辆计划行驶线路。接着,实时货运车辆计划行驶线路调度引擎4L会把根据实时意外信息模块4K提供的额外实时信息来优化的一系列可执行的货运车辆计划行驶线路组合,输入到行驶线路模块4M中,然后传送到司机调度模块4J中来调整执行。
如图5所示的是一个简单的交通运输网络,利用本技术方案的货运车 辆计划最优行驶线路调度方法,可以确定最优的交通运输线路组合。现要从仓库W把货物送至两个客户A和B处。W与A的距离为5公里,A和B之间的距离为8公里,B和W之间的距离为5公里。在具体实施时,用一辆货车将货物从W运送至A和B,而A和B的客户订单重量分别为500公斤和1000公斤。
确定最优货运车辆行驶线路的过程如下:***读取位置W、A、B及一系列位置对:(W,A),(W,B)和(A,B)。信息***将计算出每对位置对的里程成本信息和载重成本信息(载重成本信息是指与车辆载重行驶过程中相对应的成本信息)。随后,利用这一系列位置对,信息***确定出W、A和B之间所有货运车辆计划行驶线路。假设有一辆货车来完成运货。根据该例,运货可以经由第一条计划行驶线路(W,A,B,W)或第二条计划行驶线路(W,B,A,W)来完成。接着,利用里程成本信息和载重成本信息,信息***计算出每条线路的总行程成本信息。每条线路的总行程成本信息用以下方程计算:
总行程成本=里程成本+换算常数*载重成本。
通过比较第一条线路与第二条线路的总行程成本信息,可以确定最优货运车辆的计划行驶线路。显然第二条计划行驶线路会比第一条计划行驶线路耗油要少,所以第二条线路被确定为更好的货运车辆计划行驶线路。因为相比于第一条线路将1000公斤货物从A运到B,将500公斤货物从B运到A耗油更少。所以第二条货运车辆计划行驶线路确定为最优的计划行驶线路。
如图6所示的是在另一个简单的交通运输网络中,如何按照本技术方案来获得最优货运车辆计划行驶线路组合。现需从仓库s出发为3个客户x,y和z配送货物。具体实施时,客户x、y和z的订单重量分别为900公斤、100公斤和100公斤。现有两部车辆(车辆1和车辆2)负责从s到 x,y和z处配送货物,每部车辆的容量均为1000公斤。s,x,y和z的距离矩阵如下:
确定最优线路组合的过程如下:利用s,x,y和z,信息***首先读取出一系列位置对,包括:(s,x),(s,y),(s,z),(x,y),(y,z),(x,z)等。然后,信息***将计算出每组位置对的里程成本信息。在这个例子中,假设:
里程成本(Mij)=1.0*dij (1)
其中dij是距离矩阵,1.0是每公里成本。
然后,信息***将计算出每组位置对的载重成本信息。在这个例子中,假设:
载重成本(TMij)=0.04*wij*dij (2)
其中dij是距离矩阵,wij是从位置i到j的载重,0.04是每公斤每公里成本。
接着,利用各位置对,信息***确定出s,x,y和z之间的所有货运车辆计划行驶线路组合。假设第一组货运车辆计划行驶线路包括r1=(s,x,z,s)和r2=(s,y,s),第二组货运车辆计划行驶线路包括r1′=(s,x,s)和r2′=(s,z,y,s)。其中,r1和r1′是车辆1的货运车辆计划行驶线路,r2和r2′是车辆2的货运车辆计划行驶线路。
然后,信息***将计算出每组货运车辆计划行驶线路组合的总行程成本信息。本例中,每组货运车辆计划行驶线路组合的总行程成本信息可用以下方程计算:
总行程成本=里程成本+换算常数*载重成本 (3)
在具体实施时,第一组货运车辆计划行驶线路组合的里程成本为:
M=第一组货运车辆计划行驶线路中一系列位置对的里程成本之和
第一组货运车辆计划行驶线路组合中的位置对包括:(x,y),(y,z),(z,s),(s,y)和(y,s)。那么,第一组货运车辆计划行驶线路的里程成本信息由如下方程得出:
M=Msx+Mxz+Mzs+Msy+Mys
利用(1)式,(s,x)的里程成本信息为:
Msx=1.0*dsx=1.0*50=50元
Mxz=1.0*dxz=1.0*35=35元
Mzs=1.0*dzs=1.0*30=30元
Msy=1.0*dsy=1.0*50=50元
Mys=1.0*dys=1.0*50=50元
第一组货运车辆计划行驶线路组合的里程成本信息为215元。
第一组货运车辆计划行驶线路组合的载重成本信息为:
第一组货运车辆计划行驶线路组合中的一系列位置对的载重成本之和TM由下式得出:
TM=TMsx+TMxz+TMsy
TMsx=0.04*wsxdsx=0.04*1000*50=2000元
TMxz=0.04*wxzdxz=0.04*100*35=140元
TMsy=0.04*wsydsy=0.04*100*50=200元
第一组货运车辆计划行驶线路组合的TM为2340元。假设换算常数k=1,第一组线路组合的总行程成本信息可利用(3)式计算得出:
总行程成本信息T1=215+2340=2555元
相似的,第二组货运车辆计划行驶线路组合的总行程成本信息T2可利用第二组货运车辆计划行驶线路组合的里程成本信息M2和第二组货运车辆计划行驶线路组合载重成本信息TM2,由下式计算得出:
T2=M2+k*TM2
在具体实施时,第二组货运车辆计划行驶线路组合的一系列位置对包括(s,x),(x,s),(s,z),(z,y)和(y,s)。利用式(1)和式(2),分别计算出每组位置对的里程成本信息和载重成本信息。利用里程成本信息和载重成本信息,分别计算出M2和TM2如下:
M2=210元,TM2=2160元。
同样假设k=1,T2为2370元。因为T2<T1,第二组货运车辆计划行驶线路组合被确定为最优货运车辆计划行驶线路组合。
如图7所示的是本技术方案的运输管理***(TMS),它包含了图4所述的货运车辆计划行驶线路调度引擎。
该运输管理***包含一个中央处理器7C、非永久内存7D和永久内存7E、移动存储器7H、和固定存储器7I。此外,该运输管理***还包括总线7F和网络接口7G。运输管理***所处的计算机***环境包括一个或多个输入设备7A,一个或多个输出设备7B。
典型的用户输入设备7A包括数字化仪屏幕、触针、轨迹球、键盘,小型键盘、鼠标等。典型的用户输出设备7B包括个人电脑的显示装置、移动设备诸如此类。典型的***的通信连接包括局域网、广域网和/或其他网络。
内存706还包括非永久内存7D和永久内存7E。各种计算机可读存储介质可存储于交通运输***的内存中中访问,例如非永久内存7D和永久内存7E,移动存储器7H和固定存储器7I。内存包括任何可用于存储数据和机器可读指令的记忆装置,比如只读存储器、随机存取存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器、硬盘驱动器、可移动光盘驱动器、数码影碟、磁盘、磁带、内存卡、内存棒等等。
在此使用的中央处理器7C意为各种类计算电路,例如但不限于微处 理器、微控制器、复杂指令集计算微处理器、精简指令集计算微处理器、长指令字微处理器、显示并行指令计算微处理器、图形处理器、数字信号处理器或其他种类的处理电路。中央处理器7C还包括嵌入式控制器,例如通用或可编程逻辑器件或阵列、专用集成电路、单片机、智慧卡等。
本技术方案目前可与包括各类函数、程序、数据结构和应用程序的程序模块一起应用,用于执行任务,或定义抽象数据类型和低级硬件环境。保存在上述存储媒介中的机读指令可由该运输管理***中的中央处理器7C执行。例如,该运输管理***中的计算机程序包含了优化货车运输线路调度的机读指令。在具体实施时,计算机程序可能被收录在一张只读光盘中,然后被永久存储器中的硬盘读取。根据本发明的不同实例,机读指令指挥运输管理***编码。
计算机程序包括货运车辆计划行驶线路调度引擎。例如,货运车辆计划行驶线路调度引擎可以是存储在永久计算机可读存储媒介中的指令。当货运车辆计划行驶线路调度引擎执行存储在永久计算机可读存储媒介中的指令时,将会引起运输管理***执行一个或多个由图1至图4描述的方法。
货运车辆计划行驶线路调度引擎根据载重成本信息,最终获得一组由一辆或多辆货车装载着货物,从起始位置运输到需要服务的客户位置的最优货运车辆计划行驶线路组合,这样就减少了货运车的耗油。而且,车辆的保养和修理成本也随着车胎磨损和车辆发动机使用功率的降低而降低。另外,优化程序的应用将增强对物流和运输企业对运营的监控和对财务的管理能力。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明。尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可能对上述各实施例所记载的技术方案进行相应修改,或者对其中部分技术特征进行等同替换。凡在本发明的原则框架 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 (7)
1.一种货运车辆计划行驶路线的调度方法,其特征在于,包括以下步骤:
步骤1:分别获取车辆起始位置和需要服务的客户的位置信息;
步骤2:将车辆的行驶线路定义为一系列连续的位置对,每对位置
对代表了相应的起点和终点之间的路径信息;
步骤3:计算每对位置对的里程成本与载重成本;
步骤4:利用上述定义的一系列连续的位置对以及投放货车数量,
确定满足所有客户运输需求的货运车辆计划行驶线路组合;
步骤5:利用里程成本和载重成本计算每组货运车辆计划行驶线路的总行程成本;
步骤6:根据上述计算出的各组总行程成本,确定所需要的最优的货运车辆计划行驶线路的组合。
2.根据权利要求1所述的货运车辆计划行驶路线的调度方法,其特征在于,包括:
步骤7:在执行最优货运车辆计划行驶线路时,接收相关的实时意外信息;
步骤8:根据这些实时意外信息进一步优化货运车辆计划行驶线路组合。
3.根据权利要求1或2所述的货运车辆计划行驶路线的调度方法,其特征在于,上述需要服务的客户的位置信息是从接收到的订单信息中获取的。
4.根据权利要求2所述的货运车辆计划行驶路线的调度方法,其特征在于,上述实时意外信息包括实时的订单信息、交通信息、路况信息、事故信息、汽油费、客户位置与车辆状况等计划外的信息。
5.根据权利要求4所述的货运车辆计划行驶路线的调度方法,其特征在于,上述订单信息包含客户订单、客户位置以及服务时限;上述车辆状况包括车辆能源类型、车辆等级、车辆尺寸、车辆重量、车辆容量、车辆耗能函数和车辆保养记录。
6.根据权利要求1或2所述的货运车辆计划行驶路线的调度方法,其特征在于,上述总行程成本的计算公式如下:
总行程成本=里程成本+换算常数*载重成本。
7.根据权利要求1或2所述的货运车辆计划行驶路线的调度方法,其特征在于,根据上述步骤6中的总行程成本,确定所需要的最优货运车辆计划行驶线路组合,具体算法如下:
1)在已决定的货运车辆计划行驶线路组合库中选取第一组与第二组货运车辆计划行驶线路组合;
2)获取第一组和第二组货运车辆计划行驶线路组合的总行程成本信息;
3)比较第一组与第二组货运车辆计划行驶线路组合的总行程成本信息;
4)将总行程成本小的一组作为当前最优的货运车辆计划行驶线路组合;
5)重复以下步骤:选取下一组货运车辆计划行驶线路组合与当前最优货运车辆计划行驶线路组合,获取两组货运车辆计划行驶线路组合的总行程成本信息,比较两组货运车辆计划行驶线路组合的总行程成本,将总行程成本小的一组作为更好的货运车辆计划行驶线路组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510151256.7A CN104809549A (zh) | 2015-04-02 | 2015-04-02 | 一种货运车辆计划行驶路线的调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510151256.7A CN104809549A (zh) | 2015-04-02 | 2015-04-02 | 一种货运车辆计划行驶路线的调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104809549A true CN104809549A (zh) | 2015-07-29 |
Family
ID=53694357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510151256.7A Pending CN104809549A (zh) | 2015-04-02 | 2015-04-02 | 一种货运车辆计划行驶路线的调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104809549A (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355291A (zh) * | 2016-09-23 | 2017-01-25 | 湖南科技大学 | 基于门店点群平分线的物流路径规划方法 |
CN106651051A (zh) * | 2016-12-30 | 2017-05-10 | 宁波贤晟信息技术有限公司 | 一种物流运输调度*** |
CN107274019A (zh) * | 2017-06-15 | 2017-10-20 | 成都华药共享网络科技有限公司 | 智能调度货运管理*** |
CN107392358A (zh) * | 2017-06-30 | 2017-11-24 | 上海汽车集团股份有限公司 | 一种车辆分配方法及装置 |
CN107944807A (zh) * | 2017-12-27 | 2018-04-20 | 广西师范学院 | 物流管理*** |
CN108122326A (zh) * | 2016-11-30 | 2018-06-05 | 日立欧姆龙金融***有限公司 | 一种数据处理方法、装置及*** |
CN108648440A (zh) * | 2018-05-31 | 2018-10-12 | 广州亿程交通信息集团有限公司 | 基于车联网监控的车辆调度平台 |
CN108961833A (zh) * | 2018-08-31 | 2018-12-07 | 王爱国 | 停车场车辆进出效率分析方法及装置 |
CN109242154A (zh) * | 2018-08-16 | 2019-01-18 | 深圳前海启航供应链管理有限公司 | 货物运输路线规划方法 |
CN109299810A (zh) * | 2018-08-08 | 2019-02-01 | 西南交通大学 | 一种货运车辆配载方法 |
CN109523179A (zh) * | 2018-11-23 | 2019-03-26 | 英华达(上海)科技有限公司 | 车队管理方法、装置、***、电子设备、存储介质 |
CN110689289A (zh) * | 2018-07-05 | 2020-01-14 | 优信数享(北京)信息技术有限公司 | 一种行程成本计算方法、装置及*** |
CN111191813A (zh) * | 2019-10-14 | 2020-05-22 | 重庆邮电大学 | 基于货物载重与软时间窗限制的车辆配送路径优化方法 |
CN111353759A (zh) * | 2020-03-11 | 2020-06-30 | 上海东普信息科技有限公司 | 车线运输成本动态计算方法、装置、设备和存储介质 |
CN111582701A (zh) * | 2020-04-30 | 2020-08-25 | 南京福佑在线电子商务有限公司 | 订单处理方法、装置、存储介质及电子设备 |
CN112633587A (zh) * | 2020-12-28 | 2021-04-09 | 车主邦(北京)科技有限公司 | 一种物流信息的处理方法和装置 |
CN112700236A (zh) * | 2020-12-31 | 2021-04-23 | 车主邦(北京)科技有限公司 | 订单管理方法和装置 |
WO2021184265A1 (zh) * | 2020-03-18 | 2021-09-23 | 驭势(上海)汽车科技有限公司 | 基于多车协同的车辆调度***、方法、电子设备及存储介质 |
CN113808426A (zh) * | 2020-06-11 | 2021-12-17 | 丰田自动车株式会社 | 资材输送辅助装置以及资材输送方法 |
CN114912955A (zh) * | 2022-05-20 | 2022-08-16 | 福建至简至一信息科技有限公司 | 网络货运的运费核算方法 |
US11959758B2 (en) | 2020-10-05 | 2024-04-16 | Ford Global Technologies, Llc | Systems and methods for optimizing vehicle deployment |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011066468A1 (en) * | 2009-11-24 | 2011-06-03 | Telogis, Inc. | Vehicle route selection based on energy usage |
CN102496096A (zh) * | 2011-11-25 | 2012-06-13 | 深圳市赛格导航科技股份有限公司 | 一种高效的物流调度***和方法 |
WO2012105889A1 (en) * | 2011-02-03 | 2012-08-09 | Scania Cv Ab | Method and management unit pertaining to vehicle trains |
CN103186879A (zh) * | 2013-01-30 | 2013-07-03 | 广州智盈网络科技有限公司 | 公路运输调度方法 |
CN103778522A (zh) * | 2014-02-14 | 2014-05-07 | 苏州得尔达国际物流有限公司 | 一种汽车零部件配送*** |
-
2015
- 2015-04-02 CN CN201510151256.7A patent/CN104809549A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011066468A1 (en) * | 2009-11-24 | 2011-06-03 | Telogis, Inc. | Vehicle route selection based on energy usage |
CN102859323A (zh) * | 2009-11-24 | 2013-01-02 | 特洛吉斯有限公司 | 基于能源利用的车辆路线选择 |
WO2012105889A1 (en) * | 2011-02-03 | 2012-08-09 | Scania Cv Ab | Method and management unit pertaining to vehicle trains |
CN102496096A (zh) * | 2011-11-25 | 2012-06-13 | 深圳市赛格导航科技股份有限公司 | 一种高效的物流调度***和方法 |
CN103186879A (zh) * | 2013-01-30 | 2013-07-03 | 广州智盈网络科技有限公司 | 公路运输调度方法 |
CN103778522A (zh) * | 2014-02-14 | 2014-05-07 | 苏州得尔达国际物流有限公司 | 一种汽车零部件配送*** |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355291A (zh) * | 2016-09-23 | 2017-01-25 | 湖南科技大学 | 基于门店点群平分线的物流路径规划方法 |
CN108122326A (zh) * | 2016-11-30 | 2018-06-05 | 日立欧姆龙金融***有限公司 | 一种数据处理方法、装置及*** |
CN108122326B (zh) * | 2016-11-30 | 2020-07-07 | 日立欧姆龙金融***有限公司 | 一种数据处理方法、装置及*** |
CN106651051A (zh) * | 2016-12-30 | 2017-05-10 | 宁波贤晟信息技术有限公司 | 一种物流运输调度*** |
CN107274019A (zh) * | 2017-06-15 | 2017-10-20 | 成都华药共享网络科技有限公司 | 智能调度货运管理*** |
CN107274019B (zh) * | 2017-06-15 | 2020-12-08 | 成都华药共享网络科技有限公司 | 智能调度货运管理*** |
CN107392358A (zh) * | 2017-06-30 | 2017-11-24 | 上海汽车集团股份有限公司 | 一种车辆分配方法及装置 |
CN107944807A (zh) * | 2017-12-27 | 2018-04-20 | 广西师范学院 | 物流管理*** |
CN108648440A (zh) * | 2018-05-31 | 2018-10-12 | 广州亿程交通信息集团有限公司 | 基于车联网监控的车辆调度平台 |
CN110689289A (zh) * | 2018-07-05 | 2020-01-14 | 优信数享(北京)信息技术有限公司 | 一种行程成本计算方法、装置及*** |
CN109299810A (zh) * | 2018-08-08 | 2019-02-01 | 西南交通大学 | 一种货运车辆配载方法 |
CN109242154A (zh) * | 2018-08-16 | 2019-01-18 | 深圳前海启航供应链管理有限公司 | 货物运输路线规划方法 |
CN108961833A (zh) * | 2018-08-31 | 2018-12-07 | 王爱国 | 停车场车辆进出效率分析方法及装置 |
CN109523179A (zh) * | 2018-11-23 | 2019-03-26 | 英华达(上海)科技有限公司 | 车队管理方法、装置、***、电子设备、存储介质 |
CN109523179B (zh) * | 2018-11-23 | 2021-02-19 | 英华达(上海)科技有限公司 | 车队管理方法、装置、***、电子设备、存储介质 |
CN111191813A (zh) * | 2019-10-14 | 2020-05-22 | 重庆邮电大学 | 基于货物载重与软时间窗限制的车辆配送路径优化方法 |
CN111353759A (zh) * | 2020-03-11 | 2020-06-30 | 上海东普信息科技有限公司 | 车线运输成本动态计算方法、装置、设备和存储介质 |
WO2021184265A1 (zh) * | 2020-03-18 | 2021-09-23 | 驭势(上海)汽车科技有限公司 | 基于多车协同的车辆调度***、方法、电子设备及存储介质 |
KR20220144849A (ko) * | 2020-03-18 | 2022-10-27 | 우이시 (상하이) 오토모티브 테크놀로지스 리미티드 | 다중 차량 조정 기반 차량 스케줄링 시스템, 방법, 전자 장치 및 저장 매체 |
KR102537002B1 (ko) | 2020-03-18 | 2023-05-26 | 우이시 (상하이) 오토모티브 테크놀로지스 리미티드 | 다중 차량 조정 기반 차량 스케줄링 시스템, 방법, 전자 장치 및 저장 매체 |
CN111582701A (zh) * | 2020-04-30 | 2020-08-25 | 南京福佑在线电子商务有限公司 | 订单处理方法、装置、存储介质及电子设备 |
CN113808426A (zh) * | 2020-06-11 | 2021-12-17 | 丰田自动车株式会社 | 资材输送辅助装置以及资材输送方法 |
US11959758B2 (en) | 2020-10-05 | 2024-04-16 | Ford Global Technologies, Llc | Systems and methods for optimizing vehicle deployment |
CN112633587A (zh) * | 2020-12-28 | 2021-04-09 | 车主邦(北京)科技有限公司 | 一种物流信息的处理方法和装置 |
CN112700236A (zh) * | 2020-12-31 | 2021-04-23 | 车主邦(北京)科技有限公司 | 订单管理方法和装置 |
CN114912955A (zh) * | 2022-05-20 | 2022-08-16 | 福建至简至一信息科技有限公司 | 网络货运的运费核算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104809549A (zh) | 一种货运车辆计划行驶路线的调度方法 | |
Perumal et al. | Electric bus planning & scheduling: A review of related problems and methodologies | |
US11416787B2 (en) | Parallel processing for solution space partitions | |
Brar et al. | Milk run logistics: literature review and directions | |
Wu et al. | The multi-depot electric vehicle scheduling problem with power grid characteristics | |
US20120226624A1 (en) | Optimization system of smart logistics network | |
Li-ying et al. | Multiple charging station location-routing problem with time window of electric vehicle. | |
CN109063899A (zh) | 车辆运输规划方法及装置、电子设备及可读存储介质 | |
Mei et al. | The modeling of milk-run vehicle routing problem based on improved CW algorithm that joined time window | |
CN104240052A (zh) | 返空车配货交易服务方法及软件*** | |
CN107748976B (zh) | 商品混凝土智能物流运输运营***及其方法 | |
US20130138330A1 (en) | System and method to optimize mass transport vehicle routing based on ton-mile cost information | |
WO2018072040A1 (en) | Systems and methods for facilitating freight transportation | |
Li et al. | Research on optimization of electric vehicle routing problem with time window | |
Qiu et al. | The value of sharing inland transportation services in a dry port system | |
Basso et al. | An optimization approach and a heuristic procedure to schedule battery charging processes for stackers of palletized cargo | |
Asghari et al. | Disruption management for the electric vehicle routing problem in a geographically flexible network | |
Tekil-Ergün et al. | Solving a hybrid mixed fleet heterogeneous dial-a-ride problem in delay-sensitive container transportation | |
Wang et al. | The mobile production vehicle routing problem: Using 3D printing in last mile distribution | |
CN114529241A (zh) | 一种基于运筹学理论的公路零担货运物流路径规划算法 | |
Apostolopoulos et al. | Seizing the potential of transport pooling in urban logistics-the case of thriasio logistics centre in Greece | |
CN114492904A (zh) | 物流管理***的运输路径优化方法 | |
CN115936567A (zh) | 一种物流运输智能调度方法、***、设备及存储介质 | |
Chen et al. | Modeling and performance assessment of intermodal transfers at cargo terminals | |
CN118103675A (zh) | 货运车队的管理和优化 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate 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: 20150729 |