CN104866911B - 用于优化物流配载的设备和方法 - Google Patents
用于优化物流配载的设备和方法 Download PDFInfo
- Publication number
- CN104866911B CN104866911B CN201410059945.0A CN201410059945A CN104866911B CN 104866911 B CN104866911 B CN 104866911B CN 201410059945 A CN201410059945 A CN 201410059945A CN 104866911 B CN104866911 B CN 104866911B
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- vehicle
- loading pattern
- unit
- distribution path
- 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.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
提供了一种用于优化物流配载的设备,包括:数据获取单元,被配置为获取与物流配载有关的数据;装载方案产生单元,被配置为基于与物流配载有关的数据来产生装载方案,并获得所需车辆数最少的装载方案的集合;能耗计算单元,被配置为针对所述集合中的每一个装载方案计算能耗最小的配送路径;以及输出单元,被配置为输出最优装载方案和相应的配送路径,其中,所述最优装载方案的配送路径的能耗是所有装载方案的配送路径的能耗中最小的。还提供了一种用于优化物流配载的方法。
Description
技术领域
本申请涉及数据分析领域,具体涉及一种用于优化物流配载的设备和方法。
背景技术
随着电子商务的迅猛发展以及现代消费方式的不断升级,物流配送需求日益增长。与此同时,随着资源的不断减少和环境污染的加剧,配送过程中产生的环境污染和能源消耗等问题日益受到人们的重视。
物流配载是配送过程中的一个重要环节,配载方法的好坏不但会影响到所需的车辆数量,也会影响配送时间和配送路径,从而对配送过程中产生的能耗起到较大的影响。通过研究物流配载的优化方法,可以减少物流过程中产生的能耗,不仅降低了企业的成本,也能够减少环境污染。
配载问题可描述为:由多个收货客户组成、其货品体积和质量均小于单车额定载重量和装载体积,为实现车辆装载效率、降低运输成本,采用何种拼装形式使得装载货品的车辆数尽可能少,车辆的利用率最大,或者使得车辆的送货所得收益最大。
然而,在现有的物流配载过程中,仅仅是以货物的体积、重量、稳定性以及给定的货物配送顺序等条件作为约束,以最少的运输车辆数作为目标函数。从而使得现有的方法只能优化车辆成本,并未考虑运输过程中油耗等运输成本。
因此,如何能够综合考虑车辆成本和油耗问题以优化物流配载,是亟待解决的问题。
发明内容
与传统的以车辆数最少为优化目标的物流配载问题不同,本发明以配送车辆数和能耗最小作为双层优化目标(其中车辆数最少为第一优化目标),以实现保证车辆成本最少的情况下最大限度的降低运输成本,从而使得总成本最低。如图4所示,在同样使用两辆车完成货物装载(车辆成本相同)的情况下,可以通过对车辆内配送点的组合以及各车辆满载率的调整,减少配送距离并降低配送成本,从而实现物流总成本的减少。
根据本发明的第一方面,提供了一种用于优化物流配载的设备,包括:数据获取单元,被配置为获取与物流配载有关的数据;装载方案产生单元,被配置为基于与物流配载有关的数据来产生装载方案,并获得所需车辆数最少的装载方案的集合;能耗计算单元,被配置为针对所述集合中的每一个装载方案计算能耗最小的配送路径;以及输出单元,被配置为输出最优装载方案和相应的配送路径,其中,所述最优装载方案的配送路径的能耗是所有装载方案的配送路径的能耗中最小的。
在一个实施例中,所述与物流配载有关的数据包括货物信息、客户点信息、车辆信息和配送次序。
在一个实施例中,所述装载方案产生单元被配置为:首先按照先下后装的站点顺序产生初始装载方案,然后通过对货物进行调整而产生调整后的装载方案。
在一个实施例中,所述调整包括以下一个或更多个:摆放位置调整、摆放顺序调整和车辆组合调整。
在一个实施例中,所述能耗计算单元被配置为:基于车辆要经过的地点和路网信息、车辆出发时间、车辆经过相应路段时对应的交通状况,通过路径算法来计算针对所述集合中的每一个装载方案的能耗最小的配送路径。
在一个实施例中,所述能耗计算单元被配置为:根据车速和车辆载重的不同,将配送路径分为若干片段;计算每一个片段上的修正后的能耗因子;以及基于每一个片段上的修正后的能耗因子和每一个片段的相应长度,计算所述配送路径的能耗。
在一个实施例中,所述能耗计算单元被配置为:基于车辆的车速和载重,计算每一个片段上的修正后的能耗因子。
根据本发明的第二方面,提供了一种用于优化物流配载的方法,包括:获取与物流配载有关的数据;基于与物流配载有关的数据来产生装载方案,并获得所需车辆数最少的装载方案的集合;针对所述集合中的每一个装载方案计算能耗最小的配送路径;以及输出最优装载方案和相应的配送路径,其中,所述最优装载方案的配送路径的能耗是所有装载方案的配送路径的能耗中最小的。
在一个实施例中,所述与物流配载有关的数据包括货物信息、客户点信息、车辆信息和配送次序。
在一个实施例中,基于与物流配载有关的数据来产生装载方案包括:首先按照先下后装的站点顺序产生初始装载方案,然后通过对货物进行调整而产生调整后的装载方案。
在一个实施例中,所述调整包括以下一个或更多个:摆放位置调整、摆放顺序调整和车辆组合调整。
在一个实施例中,基于车辆要经过的地点和路网信息、车辆出发时间、车辆经过相应路段时对应的交通状况,通过路径算法来计算针对所述集合中的每一个装载方案的能耗最小的配送路径。
在一个实施例中,该方法包括:根据车速和车辆载重的不同,将配送路径分为若干片段;计算每一个片段上的修正后的能耗因子;以及基于每一个片段上的修正后的能耗因子和每一个片段的相应长度,计算所述配送路径的能耗。
在一个实施例中,基于车辆的车速和载重,计算每一个片段上的修正后的能耗因子。
采用本发明,可以有效改善现有装载方案的不足,能够在优化车辆成本的基础上进行运输成本的优化,从而进一步降低了物流总成本并减少了环境污染。
附图说明
通过下文结合附图的详细描述,本发明的上述和其它特征将会变得更加明显,其中:
图1是示出了根据本发明一个示例实施例的用于优化物流配载的设备的框图。
图2是示出了根据本发明一个示例实施例的车辆组合调整的示意图。
图3是示出了根据本发明一个示例实施例的配送点位置及配送点之间的时间关系的示意图。
图4是示出了根据本发明一个示例实施例的原理的示意图。
图5是示出了根据本发明一个示例实施例的用于优化物流配载的方法的流程图。
具体实施方式
下面,通过结合附图对本发明的具体实施例的描述,本发明的原理和实现将会变得明显。应当注意的是,本发明不应局限于下文所述的具体实施例。另外,为了简便起见,省略了与本发明无关的公知技术的详细描述。
图1是示出了根据本发明一个示例实施例的用于优化物流配载的设备的框图。如图1所示,设备10包括数据获取单元110、装载方案产生单元120、能耗计算单元130和输出单元140。下面,详细描述用于优化物流配载的设备10中的各个单元的操作。
数据获取单元110被配置为获取与物流配载有关的数据101。例如,该物流配载数据101可以包括货物信息(尺寸、重量等)、客户点信息、车辆信息(例如尺寸、最大载重等)和配送次序。
装载方案产生单元120被配置为基于与物流配载有关的数据来产生装载方案,并获得所需车辆数最少的装载方案的集合。例如,装载方案产生单元120可以首先按照先下后装的站点顺序产生初始装载方案,然后通过对货物进行调整而产生调整后的装载方案。然后,从记录下来的所有车辆数中找到最小的车辆数,并筛选出该最小车辆数所对应的所有装载方案,形成车辆数最少的装载方案的集合,该集合中包括一个或更多个装载方案。
在本申请中,上述调整可以包括以下一个或更多个:摆放位置调整、摆放顺序调整和车辆组合调整。以下,对这三种调整方式详细进行介绍。
(1)摆放位置调整:摆放位置调整是针对某一个配送点的某一类货物进行的,每进行一次摆放位置调整,即将现有摆放方位的编号+1。例如,假设现在摆放方位为1,则令其加1后变为2;又假设现在摆放方位为6,则令其加1后变为1。具体的货物摆放方位定义如下表1所示。注意,摆放位置调整是以货物种类为单位进行的。
摆放方位 | 对应货箱长、宽、高三方向的长度 |
1 | 长、宽、高 |
2 | 宽、长、高 |
3 | 长、高、宽 |
4 | 高、长、宽 |
5 | 宽、高、长 |
6 | 高、宽、长 |
表1
(2)摆放顺序调整:摆放顺序调整是对某一配送点的不同种类货物之间进行操作,每进行一次货物摆放顺序的变化,随机产生某个配送点的两类货物交换摆放顺序。注意,摆放顺序调整是以货物种类为单位进行的。
(3)车辆组合调整:车辆组合调整是对车辆内的配送点组合进行改变。该操作的具体方法是每次选择两个相邻的车辆,对配送点的组合以及配送点所在的车辆进行调整。车辆组合调整的具体方法如图2所示。如图2所示,经过车辆组合调整后,5个配送点可以产生多种车辆组合。
优选地,上述3种调整方式的操作过程可以是:每进行一次车辆组合调整之后,等概率地多次执行摆放位置调整以及摆放顺序调整操作。
能耗计算单元130被配置为针对集合中的每一个装载方案计算能耗最小的配送路径。优选地,能耗计算单元130可以基于车辆要经过的地点和路网信息,通过路径算法来计算针对所述集合中的每一个装载方案的能耗最小的配送路径。
例如,能耗计算单元130可以基于每辆车要经过的客户地点,通过路径算法(如Dijkstra、A*算法等)算出每辆车的配送路径。然后根据输入的路网、出发时间、路况等信息,计算每辆车的配送能耗。该能耗是随车速以及车辆载重变化而变化的动态能耗。
例如,根据GB/T19233-2003所列的碳平衡法公式,可以得到车辆燃油消耗因子的公式:
FC=f(V)
在上式中,FC为燃油消耗因子(单位是kg/100km),V为车辆速度(单位是km/h)。
在本申请中,对基本能耗消耗模型进行质量修正,得到修正后的车辆燃油消耗因子的公式如下:
FCM,V=α(M-M0)+FC
其中,FCm,V为经过质量修正后的综合燃油消耗因子(单位是kg/100km),α为修正系数(取值为1.09E-3/100km),M为车辆实际质量(单位是kg),M0为车辆基本质量(单位是kg)。
优选地,根据车速和车辆载重不同,可将配送方案k的配送线路分成n个片段,片段w的长度为L(w),同一片段内的车速和载重是固定值,相应的能耗因子也是固定值,而不同片段的车速或载重是不同的,相应的能耗因子也是不同的。因此,装载方案k的总能耗的计算公式如下:
其中,FCm,V为片段w上的能耗因子;L(w)为片段w的长度,Ek为路段w的能耗。
回到图1,输出单元140被配置为输出最优装载方案和相应的配送路径102。其中,最优装载方案的配送路径的能耗是所有装载方案的配送路径的能耗中最小的。
下面,通过一个具体示例来描述图1所示的设备10的操作。
首先,假设数据获取单元1 10获取的车辆信息、货物信息以及各配送点的需求量及到达时间窗要求如下表2-4中所示:
车名 | 长(m) | 宽(m) | 高(m) | 自重(kg) | 额定载重(kg) |
东风小霸王 | 3 | 2 | 2 | 2000 | 1000 |
表2-车辆信息
货物种类 | 长(m) | 宽(m) | 高(m) | 重量(kg) |
1 | 0.75 | 0.3 | 0.5 | 3.0 |
2 | 0.6 | 0.45 | 0.6 | 8.5 |
3 | 0.825 | 0.5 | 0.8 | 18 |
表3-货物信息
表4-各配送点的需求量及到达时间窗要求
图3是示出了根据本发明一个示例实施例的配送点位置及配送点之间的时间关系的示意图。参考图3,假设配送点之间的距离关系如下表5中所示(单位是千米):
表5-配送点之间的距离
交通状况假设:由于在早高峰时期道路较拥挤,车辆行驶速度较慢。因此,简单假设九点前从配送点出发的车辆行驶速度为40km/h,九点后从配送点出发的车辆行驶速度为45km/h。
装载方案产生单元120可以基于上述与物流配载有关的数据来产生装载方案,并获得所需车辆数最少的装载方案的集合。在本示例中,按照先下后装的站点顺序,装载方案产生单元120产生的初始装载方案如下表6中所示:
表6-装载方案
得到初始装载方案后,装载方案产生单元120通过对货物进行调整而产生调整后的装载方案。然后,从记录下来的所有车辆数中找到最小的车辆数,并筛选出该最小车辆数所对应的所有装载方案,形成车辆数最少的装载方案的集合,该集合中包括一个或更多个装载方案。
能耗计算单元130针对上述集合中的每一个装载方案,计算能耗最小的配送路径。具体地,能耗计算单元130利用车辆燃油消耗因子计算公式,结合道路动态交通信息,可以计算得到各方案的总能耗。
以中型运输车为例,
FC=103.633/V-0.104V+8.560×10-4V2+6.163
在本示例中,质量修正后的车辆燃油消耗因子公式为:
FCm,V=α(M-M0)+103.633/V-0.104V+8.560×10-4V2+6.163
其中,FCm,v是经过质量修正后的综合燃油消耗因子(单位是kg/100km),α为修正系数(取值为1.09E-3/100km),M为车辆实际质量(单位是kg),M0为车辆基本质量(单位是kg),V为平均速度(单位是km/h)。能耗计算单元130计算得到的针对各个装载方案的能耗如下表7所示:
序号 | 调整后的装载方案 | 方案能耗(kg) |
1 | A-B-C-E-A;A-D-A | 16.585 |
2 | A-B-D-E-A;A-C-A | 15.033 |
3 | A-C-D-E-A;A-B-A | 13.298 |
4 | A-B-C-A;A-D-E-A | 15.558 |
5 | A-B-D-A;A-C-E-A | 11.9573 |
6 | A-B-E-A;A-C-D-A | 14.398 |
表7-调整后的装载方案
以上表中的最小能耗11.9573(第5行)为例,详细说明能耗的计算过程。
第一辆车:
第二辆车:
该配送方案的总能耗为:8.10+3.8573=11.9573(kg)
最后,输出单元140输出最优装载方案和相应的配送路径,如下表8中所示:
表8-最优装载方案
即,经过设备10的优化之后,在最优装载方案中,车辆1的载重为295kg,车辆2的载重是334kg,两者相对均衡,而且总行进距离也有所减少。
采用本实施例,能够在优化车辆成本的基础上进行运输成本的优化,进一步降低了物流总成本并减少了环境污染。
图5是示出了根据本发明一个示例实施例的用于优化物流配载的方法的流程图。如图5所示,方法50在步骤S510处开始。
在步骤S520,获取与物流配载有关的数据。例如,该数据可以包括货物信息(尺寸、重量等)、客户点信息、车辆信息(例如尺寸、最大载重等)和配送次序。
在步骤S530,基于与物流配载有关的数据来产生装载方案,并获得所需车辆数最少的装载方案的集合。例如,可以首先按照先下后装的站点顺序产生初始装载方案,然后通过对货物进行调整而产生调整后的装载方案。然后,从记录下来的所有车辆数中找到最小的车辆数,并筛选出该最小车辆数所对应的所有装载方案,形成车辆数最少的装载方案的集合,该集合中包括一个或更多个装载方案。在本申请中,上述调整可以包括以下一个或更多个:摆放位置调整、摆放顺序调整和车辆组合调整。
在步骤S540,针对所述集合中的每一个装载方案计算能耗最小的配送路径。优选地,可以基于车辆要经过的地点和路网信息,通过路径算法(如Dijkstra、A*算法等)来计算针对所述集合中的每一个装载方案的能耗最小的配送路径。
在步骤S550,输出最优装载方案和相应的配送路径,其中,所述最优装载方案的配送路径的能耗是所有装载方案的配送路径的能耗中最小的。
最后,方法50在步骤S560处结束。
应该理解,本发明的上述实施例可以通过软件、硬件或者软件和硬件两者的结合来实现。例如,上述实施例中的设备内的各种组件可以通过多种器件来实现,这些器件包括但不限于:模拟电路、数字电路、通用处理器、数字信号处理(DSP)电路、可编程处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、可编程逻辑器件(CPLD),等等。
另外,本领域的技术人员可以理解,本发明实施例中描述的初始参数可以存储在本地数据库中,也可以存储在分布式数据库中或者可以存储在远程数据库中。
此外,这里所公开的本发明的实施例可以在计算机程序产品上实现。更具体地,该计算机程序产品是如下的一种产品:具有计算机可读介质,计算机可读介质上编码有计算机程序逻辑,当在计算设备上执行时,该计算机程序逻辑提供相关的操作以实现本发明的上述技术方案。当在计算***的至少一个处理器上执行时,计算机程序逻辑使得处理器执行本发明实施例所述的操作(方法)。本发明的这种设置典型地提供为设置或编码在例如光介质(例如CD-ROM)、软盘或硬盘等的计算机可读介质上的软件、代码和/或其他数据结构、或者诸如一个或多个ROM或RAM或PROM芯片上的固件或微代码的其他介质、或一个或多个模块中的可下载的软件图像、共享数据库等。软件或固件或这种配置可安装在计算设备上,以使得计算设备中的一个或多个处理器执行本发明实施例所描述的技术方案。
尽管以上已经结合本发明的优选实施例示出了本发明,但是本领域的技术人员将会理解,在不脱离本发明的精神和范围的情况下,可以对本发明进行各种修改、替换和改变。因此,本发明不应由上述实施例来限定,而应由所附权利要求及其等价物来限定。
Claims (12)
1.一种用于优化物流配载的设备,包括:
数据获取单元,被配置为获取与物流配载有关的数据;
装载方案产生单元,被配置为基于与物流配载有关的数据来产生装载方案,并获得所需车辆数最少的装载方案的集合;
能耗计算单元,被配置为针对所述集合中的每一个装载方案计算能耗最小的配送路径;以及
输出单元,被配置为输出最优装载方案和相应的配送路径,其中,所述最优装载方案的配送路径的能耗是所有装载方案的配送路径的能耗中最小的;
其中,所述能耗计算单元被配置为:根据车速和车辆载重的不同,将配送路径分为若干片段;计算每一个片段上的修正后的能耗因子;以及基于每一个片段上的修正后的能耗因子和每一个片段的相应长度,计算所述配送路径的能耗,
修正后的能耗因子公式为:
FCm,V=α(M-M0)+103.633/V-0.104V+8.560×10-4V2+6.163
其中,FCm,v是修正后的能耗因子,单位是kg/100km;α为修正系数,取值为1.09E-3/100km;M为车辆实际质量,单位是kg;M0为车辆基本质量,单位是kg;V为平均速度,单位是km/h。
2.根据权利要求1所述的设备,其中,所述与物流配载有关的数据包括货物信息、客户点信息、车辆信息和配送次序。
3.根据权利要求1所述的设备,其中,所述装载方案产生单元被配置为:首先按照先下后装的站点顺序产生初始装载方案,然后通过对货物进行调整而产生调整后的装载方案。
4.根据权利要求3所述的设备,其中,所述调整包括以下一个或更多个:摆放位置调整、摆放顺序调整和车辆组合调整。
5.根据权利要求1所述的设备,其中,所述能耗计算单元被配置为:基于车辆要经过的地点和路网信息、车辆出发时间、车辆经过相应路段时对应的交通状况,通过路径算法来计算针对所述集合中的每一个装载方案的能耗最小的配送路径。
6.根据权利要求1所述的设备,其中,所述能耗计算单元被配置为:基于车辆的车速和载重,计算每一个片段上的修正后的能耗因子。
7.一种用于优化物流配载的方法,包括:
获取与物流配载有关的数据;
基于与物流配载有关的数据来产生装载方案,并获得所需车辆数最少的装载方案的集合;
针对所述集合中的每一个装载方案计算能耗最小的配送路径;以及
输出最优装载方案和相应的配送路径,其中,所述最优装载方案的配送路径的能耗是所有装载方案的配送路径的能耗中最小的;
其中,根据车速和车辆载重的不同,将配送路径分为若干片段;计算每一个片段上的修正后的能耗因子;以及基于每一个片段上的修正后的能耗因子和每一个片段的相应长度,计算所述配送路径的能耗,
修正后的能耗因子公式为:
FCm,V=α(M-M0)+103.633/V-0.104V+8.560×10-4V2+6.163
其中,FCm,v是修正后的能耗因子,单位是kg/100km;α为修正系数,取值为1.09E-3/100km;M为车辆实际质量,单位是kg;M0为车辆基本质量,单位是kg;V为平均速度,单位是km/h。
8.根据权利要求7所述的方法,其中,所述与物流配载有关的数据包括货物信息、客户点信息、车辆信息和配送次序。
9.根据权利要求7所述的方法,其中,基于与物流配载有关的数据来产生装载方案包括:首先按照先下后装的站点顺序产生初始装载方案,然后通过对货物进行调整而产生调整后的装载方案。
10.根据权利要求9所述的方法,其中,所述调整包括以下一个或更多个:摆放位置调整、摆放顺序调整和车辆组合调整。
11.根据权利要求7所述的方法,其中,基于车辆要经过的地点和路网信息、车辆出发时间、车辆经过相应路段时对应的交通状况,通过路径算法来计算针对所述集合中的每一个装载方案的能耗最小的配送路径。
12.根据权利要求7所述的方法,其中,基于车辆的车速和载重,计算每一个片段上的修正后的能耗因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410059945.0A CN104866911B (zh) | 2014-02-21 | 2014-02-21 | 用于优化物流配载的设备和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410059945.0A CN104866911B (zh) | 2014-02-21 | 2014-02-21 | 用于优化物流配载的设备和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104866911A CN104866911A (zh) | 2015-08-26 |
CN104866911B true CN104866911B (zh) | 2019-11-12 |
Family
ID=53912731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410059945.0A Active CN104866911B (zh) | 2014-02-21 | 2014-02-21 | 用于优化物流配载的设备和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104866911B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105523184B (zh) * | 2015-12-15 | 2018-10-09 | 广东南航天合信息科技有限公司 | 一种民航飞机自动配载的方法 |
CN105809401A (zh) * | 2016-03-11 | 2016-07-27 | 惠龙易通国际物流股份有限公司 | 一种基于动态规划算法的货运信息处理方法及*** |
CN106203700B (zh) * | 2016-07-11 | 2017-10-31 | 中联物流(中国)有限公司 | 物流管理***的物流运输方案确定方法和*** |
CN109215333B (zh) * | 2017-07-07 | 2021-03-19 | 杭州中策车空间汽车服务有限公司 | 调度配置方法和*** |
CN109902987B (zh) * | 2018-02-06 | 2023-12-08 | 华为技术有限公司 | 确定运输方案的方法、训练快速装载模型的方法及设备 |
CN108960747B (zh) * | 2018-08-21 | 2021-10-01 | 安吉汽车物流股份有限公司 | 物流调度的优化方法及装置、存储介质、终端 |
CN108846623B (zh) * | 2018-09-17 | 2021-02-19 | 安吉汽车物流股份有限公司 | 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 |
CN109740910A (zh) * | 2018-12-27 | 2019-05-10 | 秒针信息技术有限公司 | 运输车辆确定方法和装置 |
CN110789900A (zh) * | 2019-11-19 | 2020-02-14 | 深圳市丰巢科技有限公司 | 一种货物存取方法、装置、智能仓和存储介质 |
CN113537675B (zh) * | 2020-04-20 | 2024-06-21 | 顺丰科技有限公司 | 装载方案输出方法、装置、计算机设备和存储介质 |
CN113450005B (zh) * | 2021-07-02 | 2022-06-07 | 北京科技大学 | 一种封闭区域无人驾驶车辆集群管理调度方法及装置 |
CN115809842B (zh) * | 2022-12-12 | 2024-05-17 | 中外运空运有限公司 | 一种航空货运智能配载的实现方法与*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101673382A (zh) * | 2009-10-21 | 2010-03-17 | 北京交通大学 | 一种农资连锁经营物流配送配载组合优化方法 |
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 |
-
2014
- 2014-02-21 CN CN201410059945.0A patent/CN104866911B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101673382A (zh) * | 2009-10-21 | 2010-03-17 | 北京交通大学 | 一种农资连锁经营物流配送配载组合优化方法 |
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 |
Non-Patent Citations (2)
Title |
---|
"Optimisation of MSW collection routes for minimum fuel consumption using 3D GIS modelling";Tavares G等;《Waste Management》;20081231;第29卷(第3期);第1176-1185页 * |
"Optimizing the VRP by minimizing fuel consumption";KUO Y等;《Management Of Environmental Quality: An International Journal》;20111231;第22卷(第4期);第440-450页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104866911A (zh) | 2015-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104866911B (zh) | 用于优化物流配载的设备和方法 | |
Adulyasak et al. | Optimization-based adaptive large neighborhood search for the production routing problem | |
Abdullahi et al. | Modelling and multi-criteria analysis of the sustainability dimensions for the green vehicle routing problem | |
CN104102953B (zh) | 一种物流送货线路优化生成方法及*** | |
CN110390409A (zh) | 配送方案的确定方法、装置以及计算机可读存储介质 | |
CN111428931B (zh) | 物流配送线路规划方法、装置、设备及存储介质 | |
CN101673382A (zh) | 一种农资连锁经营物流配送配载组合优化方法 | |
CN107844935B (zh) | 一种基于环保和成本节约的车辆调度和路径规划方法 | |
CN106530680B (zh) | 一种基于大站快车的公交线路组合服务方法 | |
CN111126799B (zh) | 基于二分图的共享网络司乘匹配方法 | |
Wang et al. | Research on optimal hub location of agricultural product transportation network based on hierarchical hub-and-spoke network model | |
CN110619441A (zh) | 基于领导者的ga-pso的软时间窗车辆路径优化方法 | |
CN111428902B (zh) | 确定运输线路的方法及装置 | |
WO2015039182A1 (en) | Determining network maps of transport networks | |
CN110544055A (zh) | 订单处理方法和装置 | |
Hosapujari et al. | Development of a hub and spoke model for bus transit route network design | |
Zhao | Based on gravity method of logistics distribution center location strategy research | |
CN111680382A (zh) | 等级预测模型训练方法、等级预测方法、装置及电子设备 | |
Sedehzadeh et al. | Optimization of a multi-modal tree hub location network with transportation energy consumption: A fuzzy approach | |
CN108932595A (zh) | 一种运输车辆评价方法及设备 | |
Iliopoulou et al. | Route planning for a seaplane service: The case of the Greek Islands | |
CN111461396A (zh) | 物流排线方法、装置、电子设备及可读存储介质 | |
CN113420926A (zh) | 一种城市枢纽间多交通方式运力协同优化方案编制方法 | |
CN111832599B (zh) | 一种基于机器学习随机森林的加油站预测方法 | |
Liu et al. | Green vehicle routing problem with path flexibility |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |