CN112101638A - 一种城市物流配送范围协同优化方法 - Google Patents
一种城市物流配送范围协同优化方法 Download PDFInfo
- Publication number
- CN112101638A CN112101638A CN202010875016.2A CN202010875016A CN112101638A CN 112101638 A CN112101638 A CN 112101638A CN 202010875016 A CN202010875016 A CN 202010875016A CN 112101638 A CN112101638 A CN 112101638A
- Authority
- CN
- China
- Prior art keywords
- distribution
- cost
- matching
- center
- logistics
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种城市物流配送范围协同优化方法,包括步骤:1)获取城市路网结构信息、城市路网实时交通流数据、配送中心位置及相应容量信息、配送站点位置及相应需求量信息,将总配送成本最小设为优化原则;2)根据已获取的实时交通流数据等城市道路信息计算出每一个中心到各个站点的成本C,以步骤1)中的总成本最小原则进行匹配;3)步骤2)结束后仍未被匹配的剩余站点,将进入第二个匹配过程:该过程将以剩余站点为对象,寻找配送成本最小的配送中心进行匹配,所有站点被匹配满足后结束匹配过程;4)输出配送范围划分优化结果,包括配送成本和配送范围划分方案。通过本发明可以提高物流配送效率,降低配送成本。
Description
技术领域
本发明涉及交通物流配送的技术领域,尤其是指一种城市物流配送范围协同优化方法。
背景技术
随着互联网时代的高速发展以及国民经济的稳固提升,物流业在人们日益增长的物质需求中扮演着愈发重要的角色,对于物流企业而言,配送成本是整个配送过程中最重要的考量因素。在复杂多变的交通网络中,如何才能够拥有使总成本最小的物流配送方案是现今物流企业需要解决的首要问题。其中,配送范围划分在整个配送方案中显得尤为重要。配送范围划分是指在已知中心和站点位置的基础上,确定中心的配送范围、中心和站点进行相互匹配的过程。通过对配送范围的划分、有效地对中心和站点进行匹配,可以得出最优配送方案,从而达到节约配送成本的目的。目前的城市物流配送方法的不足之处大概有以下几点:(1)由于求解算法与优化方法的限制,对物流配送范围的划分通常难以具备全局最优性,只是具备可行性;(2)配送中心与站点间的权重计算是常数,不受时间、交通流、气候与油价等因素影响,与实际不符。(3)进行站点的配送范围聚类划分时,往往忽略了路网拓扑结构,仅考虑两点间几何位置距离,与实际不符,难以直接得以应用。鉴于此,提出一种城市物流配送范围协同优化方法,以达到使配送总成本最小的目的。本发明不仅能够对物流企业在配送范围划分过程进行优化,更适用于其他交通运输范围划分场景,即物流企业配送范围划分与其他交通运输范围划分优化场景均在本发明研究范围内,可为交通运输范围划分提供参考与支持。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提出了一种城市物流配送范围协同优化方法,基于城市路网交通状态以及配送中心和站点容量进行协同优化,以降低物流配送成本,使得配送范围划分方案更具有经济性、有效性和可靠性。
为实现上述目的,本发明所提供的技术方案为:一种城市物流配送范围协同优化方法,包括以下步骤:
1)获取城市路网结构信息、城市路网实时交通流数据、配送中心位置及相应容量信息、配送站点位置及相应需求量信息,对物流配送范围划分过程中成本构成进行分析,选取合理的成本构成要素,将总配送成本最小设为优化原则;
2)根据已获取的城市路网结构信息和实时交通流数据计算出每一个中心到各个站点的成本C,以步骤1)中的总配送成本最小原则进行匹配:由配送中心出发,选择配送站点进行匹配;
3)步骤2)结束后仍未被匹配的剩余站点,将进入第二个匹配过程,该过程将以剩余站点为对象,寻找配送成本最小的配送中心进行匹配,所有站点被匹配满足后结束匹配过程;
4)将前两个步骤得到的匹配方式作为优化后的物流配送范围,计算最终的总配送成本,输出配送范围划分优化结果,包括配送成本和配送范围划分方案。
在步骤1)中,所述城市路网结构信息包括城市路网交叉口邻接信息、路段长度信息,能够从城市规划设计方案获取城市路网结构信息资料;所述城市路网实时交通流数据包括城市路网各路段车辆平均行驶速度以及交叉口通行平均延误的实时信息,能够从城市道路交通指挥中心获取城市路网实时交通流数据;所述配送中心位置及相应容量信息,能够从物流企业获取规划后配送中心数据资料;所述配送站点位置及相应需求量信息,能够从物流网络管理后台获取各站点货物需求配送量;所述成本构成要素包括车辆的油耗成本和途经收费站时的过路费成本;所述优化原则为:考虑距离和延误产生的油耗成本、路线中过路费成本,以物流运输的总配送成本C最小为目标函数进行优化,即为:
MinC=C1+C2 (1)
其中,C1为运送距离和延误时间产生的油耗成本,C2为路径中的过路费成本。
在步骤2)、3)中,根据配送范围划分过程中配送中心与站点间的匹配过程,构建协同优化的基础框架,将配送中心与站点间的匹配选取分为两个子过程,第一个过程为由配送中心i出发,考虑配送成本C最小,以波纹扩散算法原理选择配送站点,直到达到该配送中心i的最大配送范围Ri或累积最大配送量Si,此时该配送中心i与k个站点匹配完毕,进行下一个配送中心i+1的匹配,直到所有配送中心都达到最大配送范围或累积最大配送量的约束条件;第一个过程结束后仍未被匹配的剩余站点,将进入第二个匹配过程,该过程将以剩余站点为对象,以成本最小为目标寻找未达到累积最大容量的配送中心,由寻找到的配送中心对该站点进行配送。
在步骤2)、3)中,根据城市道路车辆运行特性,引入波纹扩散算法并改进其波纹接力赛的终止条件,提出一种边界波纹扩散算法,具体情况如下:
自然界中波纹的扩展现象反映了这样一种优化原则,即波纹总是首先到达那些最接近波纹中心的空间点,因为波纹扩展速度在所有方向上是相同的,并且在波纹到达某一个空间点时,将会产生新的波纹继续向外扩散,波纹扩散算法通过模拟自然界中波纹扩散现象,从源空间点产生一个初始波纹,初始波纹在扩散时在其它空间点触发新的波纹,新的波纹也能够在更远的空间点产生波纹,直到k个波纹到达目的地。
在步骤4)中,将配送成本分为两部分,设C1为运输过程中所有的油耗成本,其值与距离和运送时间有关,分为运送距离产生的油耗成本和延误产生的油耗成本,单价分别为p1和p2;C2为路径中的过路费成本,单价为p3,因此有:
tik=tr-tt (3)
其中,m为配送中心数量,n为配送站点数量,tik为延误时间,tr为实际配送时间,tt为理论配送时间,lik为配送中心i到站点k的配送距离;
C2为路径中的过路费成本:
其中,fik∈Wi,Wi为配送路径中途经的收费路段集合。
在步骤4)中,配送范围优化完成后,将为配送中心更新配送范围,匹配配送站点,输出配送成本和配送范围划分方案。
本发明与现有技术相比,具有如下优点与有益效果:
1、在本发明提出的城市物流配送范围协同优化方法中,使用了边界波纹扩散算法,该算法是一种寻找最优路径的算法,具有出色的鲁棒性和高效性,利用边界波纹扩散算法可以快速寻找最优的匹配方案。
2、在静态路网中,配送时间有大幅降低,利用本发明可以大大节省时间成本;在动态路网中,波纹扩散时虽受到路网中拥堵延误等影响,但利用本发明仍可有效降低配送时间。
3、使用本发明可以有效降低配送成本。不管处于何种路网中,使用本发明都能有效降低配送成本。传统的配送范围划分方式多采用聚类方法,只考虑欧式距离因素,很少考虑路网中各种实际情况,而本发明会综合衡量路网中距离、时间等因素,最终得到成本最低的配送范围划分方案。
4、配送范围划分在物流配送中常常被忽视,本发明填补了配送范围划分优化方法中不足的部分,为日后物流配送过程中涉及到相关问题的学者或企业提供便利和决策思路。
5、根据本发明步骤进行优化后,形成***的计算方法,相比现有配送范围优化方法可操作性更强,提高配送范围划分的效率与可靠性,具有重要的理论意义和社会价值。
附图说明
图1为本发明方法的流程框架图。
图2为本发明边界波纹扩散算法基本流程图。
图3为本发明边界波纹扩散原理示意图。
图4为本发明边界波纹接力赛运行示意图。
图5为本发明配送范围协同优化基本框架图。
图6为本发明未优化的配送范围划分结果示意图。
图7为本发明中输出的配送范围划分协同优化结果示意图。
图8为本发明优化前后相关结果对比示意图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
如图1所示,本实施例所提供的城市物流配送范围协同优化方法,包括以下步骤:
1)获取城市路网结构信息、城市路网实时交通流数据、配送中心位置及相应容量信息、配送站点位置及相应需求量信息,对物流配送范围划分过程中成本构成进行分析,选取合理的成本构成要素,将总配送成本最小设为优化原则。
所述城市路网结构信息包括城市路网交叉口邻接信息、路段长度信息,可从城市规划设计方案获取城市路网结构信息资料;所述城市路网实时交通流数据包括城市路网各路段车辆平均行驶速度以及交叉口通行平均延误的实时信息,可从城市道路交通指挥中心获取城市路网实时交通流数据;所述配送中心位置及相应容量信息,可从物流企业获取规划后配送中心数据资料;所述配送站点位置及相应需求量信息,可从物流网络管理后台获取各站点货物需求配送量;所述成本构成要素包括车辆的油耗成本和途经收费站时的过路费成本。
城市路网结构信息为:路网节点规模为N=400,路网中每个节点连接其他2-4个节点,在节点上随机生成配送中心和站点,配送中心数m=5,站点数n=50,相应容量参数di的范围为[1,3],单位是立方米;模拟城市道路交通状况生成速度动态演变的仿真路网,节点间路段速度不同,普通路段速度取值范围在[15,60]km/h,快速路段在路网图中加粗表示,速度取值为[60,80]km/h;中心和站点间路段距离不同,节点之间的距离为[150,300],单位是米;由于配送车辆到达交叉口具有随机性,在此假设配送车辆通过交叉口时的延误为随机取值,取值范围为[30,60],单位是秒。
将配送过程中总成本C最小设为优化目标,同时以聚类算法所得到的中心最大配送范围值的2/3作为本优化方法各配送中心的最大范围,以聚类算法结果中站点匹配给中心的累积容量作为本优化方法各配送中心的最大容量。
考虑距离和延误产生的油耗成本、路线中过路费成本,以物流运输的总配送成本C最小为目标函数进行优化,即为:
MinC=C1+C2 (1)
其中,C1为运送距离和延误时间产生的油耗成本,C2为路径中的过路费成本。
2)根据配送范围划分过程中配送中心与站点间的匹配过程,构建协同优化的基础框架,将配送中心与站点间的匹配选取分为两个子过程,第一个过程为由配送中心i出发,考虑配送成本C最小,以波纹扩散算法原理选择配送站点,直到达到该配送中心i的最大配送范围Ri或累积最大配送量Si,此时该配送中心i与k个站点匹配完毕,进行下一个配送中心i+1的匹配,直到所有配送中心都达到最大配送范围或累积最大配送量的约束条件;第一个过程结束后仍未被匹配的剩余站点,将进入第二个匹配过程,该过程将以剩余站点为对象,以成本最小为目标寻找未达到累积最大容量的配送中心,由寻找到的配送中心对该站点进行配送。
根据城市道路车辆运行特性,引入波纹扩散算法并改进其波纹接力赛的终止条件,提出一种边界波纹扩散算法,其基本流程如图2所示,其扩散原理如图3所示,其波纹接力赛改进后的运行形式如图4所示,具体情况如下:
自然界中波纹的扩展现象反映了这样一种优化原则,即波纹总是首先到达那些最接近波纹中心的空间点,因为波纹扩展速度在所有方向上是相同的,并且在波纹到达某一个空间点时,将会产生新的波纹继续向外扩散,波纹扩散算法通过模拟自然界中波纹扩散现象,从源空间点产生一个初始波纹,初始波纹在扩散时在其它空间点触发新的波纹,新的波纹也能够在更远的空间点产生波纹,直到k个波纹到达目的地。
如图5所示,第一个过程为由配送中心出发,以波纹扩散算法原理选择站点进行匹配。
3)第一个过程结束后仍未被匹配的剩余站点,将进入第二个匹配过程,如图6所示,该过程将以剩余站点为对象,利用波纹扩散算法寻找符合条件的配送中心进行匹配,所有站点被匹配满足后结束匹配过程。
4)将配送成本分为两部分,C1为运输过程中所有的油耗成本,其值与距离和运送时间有关,分为运送距离产生的油耗成本和延误产生的油耗成本,单价分别为p1和p2;C2为路径中的过路费成本,单价为p3,因此有:
tik=tr-tt (3)
其中,m为配送中心数量,n为配送站点数量,tik为延误时间,tr为实际配送时间,tt为理论配送时间,lik为配送中心i到站点k的配送距离;
C2为路径中的过路费成本:
其中,fik∈Wi,Wi为配送路径中途经的收费路段集合。
配送范围优化完成后,将为配送中心更新配送范围,匹配配送站点,输出配送成本和配送范围划分方案。
下面我们取大型货车正常油耗为19.09升/100千米,根据2020年2月广东省柴油平均价格6.67升/元,可以得到距离油耗单价为p1=1.27元/千米,怠速油耗约为正常油耗的10%—30%,取怠速油耗为3.818升/100千米,可得延误油耗单价设为p2=0.25元/秒,根据2020年广东省高速公路收费标准,取快速路过路费为1.42元/千米。根据上述公式计算出配送成本。
为防止偶然因素,进行了100次实验取平均值作为结果参数,优化前配送范围划分方案如图6所示,优化后配送范围划分方案如图7所示,相关结果参数如下表1所示:
表1-100次随机试验的平均结果参数
配送成本 | 配送距离 | 行程时间 | |
聚类方法 | 431126.4 | 283138.4 | 53965.9 |
本发明方法 | 330229.2 | 247127.8 | 23931.69 |
由表1可知,对比优化前后产生的结果,从图6和7中可以看出,部分站点在两种方法中产生了不同的匹配方案,从而也改变了中心的配送范围划分。在此基础上,利用本发明进行范围划分,配送成本降低,配送成本平均降低23.4%,配送距离降低12.7%,配送时间平均降低55.7%,优化前后相关结果对比如图8所示。实验结果表明利用本发明的城市物流配送范围协同优化方法,其性能优于传统划分方法,在实际应用中具有较强的可行性,值得推广。
以上所述实施例只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (6)
1.一种城市物流配送范围协同优化方法,其特征在于:包括以下步骤:
1)获取城市路网结构信息、城市路网实时交通流数据、配送中心位置及相应容量信息、配送站点位置及相应需求量信息,对物流配送范围划分过程中成本构成进行分析,选取合理的成本构成要素,将总配送成本最小设为优化原则;
2)根据已获取的城市路网结构信息和实时交通流数据计算出每一个中心到各个站点的成本C,以步骤1)中的总配送成本最小原则进行匹配:由配送中心出发,选择配送站点进行匹配;
3)步骤2)结束后仍未被匹配的剩余站点,将进入第二个匹配过程,该过程将以剩余站点为对象,寻找配送成本最小的配送中心进行匹配,所有站点被匹配满足后结束匹配过程;
4)将前两个步骤得到的匹配方式作为优化后的物流配送范围,计算最终的总配送成本,输出配送范围划分优化结果,包括配送成本和配送范围划分方案。
2.根据权利要求1所述的一种城市物流配送范围协同优化方法,其特征在于:在步骤1)中,所述城市路网结构信息包括城市路网交叉口邻接信息、路段长度信息,能够从城市规划设计方案获取城市路网结构信息资料;所述城市路网实时交通流数据包括城市路网各路段车辆平均行驶速度以及交叉口通行平均延误的实时信息,能够从城市道路交通指挥中心获取城市路网实时交通流数据;所述配送中心位置及相应容量信息,能够从物流企业获取规划后配送中心数据资料;所述配送站点位置及相应需求量信息,能够从物流网络管理后台获取各站点货物需求配送量;所述成本构成要素包括车辆的油耗成本和途经收费站时的过路费成本;所述优化原则为:考虑距离和延误产生的油耗成本、路线中过路费成本,以物流运输的总配送成本C最小为目标函数进行优化,即为:
MinC=C1+C2 (1)
其中,C1为运送距离和延误时间产生的油耗成本,C2为路径中的过路费成本。
3.根据权利要求1所述的一种城市物流配送范围协同优化方法,其特征在于:在步骤2)、3)中,根据配送范围划分过程中配送中心与站点间的匹配过程,构建协同优化的基础框架,将配送中心与站点间的匹配选取分为两个子过程,第一个过程为由配送中心i出发,考虑配送成本C最小,以波纹扩散算法原理选择配送站点,直到达到该配送中心i的最大配送范围Ri或累积最大配送量Si,此时该配送中心i与k个站点匹配完毕,进行下一个配送中心i+1的匹配,直到所有配送中心都达到最大配送范围或累积最大配送量的约束条件;第一个过程结束后仍未被匹配的剩余站点,将进入第二个匹配过程,该过程将以剩余站点为对象,以成本最小为目标寻找未达到累积最大容量的配送中心,由寻找到的配送中心对该站点进行配送。
4.根据权利要求1所述的一种城市物流配送范围协同优化方法,其特征在于:在步骤2)、3)中,根据城市道路车辆运行特性,引入波纹扩散算法并改进其波纹接力赛的终止条件,提出一种边界波纹扩散算法,具体情况如下:
自然界中波纹的扩展现象反映了这样一种优化原则,即波纹总是首先到达那些最接近波纹中心的空间点,因为波纹扩展速度在所有方向上是相同的,并且在波纹到达某一个空间点时,将会产生新的波纹继续向外扩散,波纹扩散算法通过模拟自然界中波纹扩散现象,从源空间点产生一个初始波纹,初始波纹在扩散时在其它空间点触发新的波纹,新的波纹也能够在更远的空间点产生波纹,直到k个波纹到达目的地。
6.根据权利要求1所述的一种城市物流配送范围协同优化方法,其特征在于:在步骤4)中,配送范围优化完成后,将为配送中心更新配送范围,匹配配送站点,输出配送成本和配送范围划分方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010875016.2A CN112101638B (zh) | 2020-08-27 | 2020-08-27 | 一种城市物流配送范围协同优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010875016.2A CN112101638B (zh) | 2020-08-27 | 2020-08-27 | 一种城市物流配送范围协同优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112101638A true CN112101638A (zh) | 2020-12-18 |
CN112101638B CN112101638B (zh) | 2022-06-14 |
Family
ID=73757944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010875016.2A Active CN112101638B (zh) | 2020-08-27 | 2020-08-27 | 一种城市物流配送范围协同优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112101638B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529469A (zh) * | 2020-12-25 | 2021-03-19 | 昆明珍茗食品有限责任公司 | 产品配送方法、装置、电子设备和计算机可读存储介质 |
CN113469505A (zh) * | 2021-06-10 | 2021-10-01 | 哈尔滨工业大学 | 一种面向快件非标准服务的多主体协同运输资源调度方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10239299C1 (de) * | 2002-08-27 | 2003-12-18 | Siemens Ag | Verfahren zur kostenoptimalen Aufteilung eines Telekommunikationsnetzes in Gruppen von Basisstationen |
CN105184412A (zh) * | 2015-09-21 | 2015-12-23 | 北京农业信息技术研究中心 | 基于地理位置的物流配送路径规划方法和*** |
CN107578128A (zh) * | 2017-08-31 | 2018-01-12 | 南京理工大学 | 基于免疫粒子群算法的跨级配送网络规划方法 |
CN107730033A (zh) * | 2017-09-27 | 2018-02-23 | 上海与德科技有限公司 | 一种物流路径规划方式 |
CN110119839A (zh) * | 2019-04-24 | 2019-08-13 | 华南理工大学 | 一种城市道路交通事故应急救援路径规划方法 |
CN110298474A (zh) * | 2019-04-28 | 2019-10-01 | 武汉理工大学 | 一种基于ais与gis的船舶备品备件的物流选址方法 |
-
2020
- 2020-08-27 CN CN202010875016.2A patent/CN112101638B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10239299C1 (de) * | 2002-08-27 | 2003-12-18 | Siemens Ag | Verfahren zur kostenoptimalen Aufteilung eines Telekommunikationsnetzes in Gruppen von Basisstationen |
CN105184412A (zh) * | 2015-09-21 | 2015-12-23 | 北京农业信息技术研究中心 | 基于地理位置的物流配送路径规划方法和*** |
CN107578128A (zh) * | 2017-08-31 | 2018-01-12 | 南京理工大学 | 基于免疫粒子群算法的跨级配送网络规划方法 |
CN107730033A (zh) * | 2017-09-27 | 2018-02-23 | 上海与德科技有限公司 | 一种物流路径规划方式 |
CN110119839A (zh) * | 2019-04-24 | 2019-08-13 | 华南理工大学 | 一种城市道路交通事故应急救援路径规划方法 |
CN110298474A (zh) * | 2019-04-28 | 2019-10-01 | 武汉理工大学 | 一种基于ais与gis的船舶备品备件的物流选址方法 |
Non-Patent Citations (1)
Title |
---|
周彤等: "考虑多成本的多车型多种类生鲜农产品配送模型研究", 《物流科技》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529469A (zh) * | 2020-12-25 | 2021-03-19 | 昆明珍茗食品有限责任公司 | 产品配送方法、装置、电子设备和计算机可读存储介质 |
CN113469505A (zh) * | 2021-06-10 | 2021-10-01 | 哈尔滨工业大学 | 一种面向快件非标准服务的多主体协同运输资源调度方法 |
CN113469505B (zh) * | 2021-06-10 | 2022-09-27 | 哈尔滨工业大学 | 一种面向快件非标准服务的多主体协同运输资源调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112101638B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034465B (zh) | 考虑充电站选址与出行路径耦合的充电站两层规划方法 | |
CN112101638B (zh) | 一种城市物流配送范围协同优化方法 | |
CN107180274B (zh) | 一种电动汽车充电设施规划典型场景选取和优化方法 | |
Omidvar et al. | Sustainable vehicle routing: Strategies for congestion management and refueling scheduling | |
CN108647221B (zh) | 一种基于gis的公交路径规划方法 | |
CN108871354B (zh) | 道路信息处理方法及处理*** | |
CN104881710A (zh) | 一种基于车辆自组网的城市快递配送方法 | |
CN105865476A (zh) | 一种动态交通环境下的汽车最低碳路径搜索方法 | |
CN107909187B (zh) | 一种快速匹配电子地图中公交站点与路段的方法 | |
CN101650876A (zh) | 城市路段交通流平均速度获取方法 | |
CN105957348B (zh) | 一种基于gis和pems的城市公交线路节点处排放估算方法 | |
CN102567389B (zh) | 组合交通网络的形成方法和设备、路径搜索方法和设备 | |
CN111199320B (zh) | 基于出行概率矩阵的电动汽车充电负荷时空分布预测方法 | |
CN101986102A (zh) | 一种城市地理信息***中电子地图匹配方法 | |
Croce et al. | Energy consumption of electric vehicles: Models’ estimation using big data (FCD) | |
CN107545318B (zh) | 公交线路优先级确定、公交换乘线路排序方法及装置 | |
CN114925483A (zh) | 城市交通网络的碳排放测定方法 | |
CN102445208B (zh) | 一种从地图数据中获取多车辆导航路径的方法 | |
CN110674990B (zh) | 设置滑动窗口更新机制的即时配送路径选择方法及*** | |
CN117553818A (zh) | 一种基于改进a*算法的路径规划方法及*** | |
CN109572479A (zh) | 一种城市配电网络中电动汽车快速充电站的优化选址方法 | |
Jiang et al. | Vehicle logistics path optimization based on ant colony and particle hybrid algorithm | |
CN114862018B (zh) | 考虑充电行驶距离的电动汽车充电站选址和定容规划方法 | |
CN115423286A (zh) | 一种市域轨道交通郊区段车站吸引范围划分方法 | |
CN113256966B (zh) | 基于时空速度域重构的路网排放清单建立方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |