CN114493036A - 一种多车型的物流运输规划方法 - Google Patents
一种多车型的物流运输规划方法 Download PDFInfo
- Publication number
- CN114493036A CN114493036A CN202210137520.1A CN202210137520A CN114493036A CN 114493036 A CN114493036 A CN 114493036A CN 202210137520 A CN202210137520 A CN 202210137520A CN 114493036 A CN114493036 A CN 114493036A
- Authority
- CN
- China
- Prior art keywords
- logistics transportation
- logistics
- planning
- vehicle
- vehicle type
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Finance (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及物流运输规划的技术领域,公开了一种多车型的物流运输规划方法,包括:分析物流运输规划要素,构建多车型物流运输模型;根据多车型物流运输模型确定物流规划目标函数和约束条件;利用共轭梯度算法对物流规划目标函数进行优化求解,确定最优解;将求解得到的最优解作为多车型的物流运输策略。本发明所述方法通过基于物流运输成本、运输距离以及车辆的平均装载率构建多车型物流运输模型,利用共轭梯度算法对模型的目标函数进行优化求解,将求解得到的最优解作为多车型的物流运输规划策略,最终实现的物流运输规划策略保证了物流运输成本最小、运输距离最短以及车辆平均装载率最高。
Description
技术领域
本发明涉及物流运输规划的技术领域,尤其涉及一种多车型的物流运输规划方法。
背景技术
车型车辆规划问题是指将货物从仓库点配送至各货物需求点时,如何选择各车型的车 辆组合问题。当前多车型车辆规划问题的研究多以单一车型为主,基于装载率优先进行车 辆规划,而基于装载率的车辆规划只包含车辆装载率约束,不考虑分区配送和车辆运输距 离,车辆规划时多集中于小车型的选择,导致整体物流运输费用增加。
鉴于此,本发明提出一种多车型的物流运输规划方法,通过分析物流运输规划要素构 建多车型物流运输模型,利用共轭梯度算法对模型的目标函数进行优化求解,将求解得到 的最优解作为多车型的物流运输策略,实现多车型的物流运输。
发明内容
本发明提供一种多车型的物流运输规划方法,目的在于(1)构建多车型物流运输模 型;(2)对模型的目标函数进行优化求解,将求解得到的最优解作为多车型的物流运输策 略,实现多车型的物流运输。
实现上述目的,本发明提供的一种多车型的物流运输规划方法,包括以下步骤:
S1:分析物流运输规划要素,构建多车型物流运输模型;
S2:根据多车型物流运输模型确定物流规划目标函数和约束条件;
S3:利用共轭梯度算法对物流规划目标函数进行优化求解,确定最优解;
S4:将求解得到的最优解作为多车型的物流运输策略。
作为本发明的进一步改进方法:
所述S1步骤中分析物流运输规划要素中的物流运输区域,包括:
将物流运输区域划分为仓库物流运输区域以及货物物流运输区域,其中仓库物流运输 区域为物流配送中心与仓库之间的运输区域,货物物流运输区域为物流配送中心与配送目 标之间的运输区域;
在本发明一个具体实施例中,每个城市具有3个仓库以及1个物流配送中心,货物由 仓库运输到物流配送中心,再经由物流配送中心配送到指定的货物配送目标点。
所述S1步骤中分析物流运输规划要素中的物流区域配送距离,包括:
计算货物物流运输区域内配送目标的配送距离:
其中:
m表示将货物物流运输区域划分为m个子区域;
cdev表示配送目标与物流配送中心距离的标准差;
stdev表示配送目标与物流配送中心在经纬度的标准差,其中stdevx表示配送目标与物 流配送中心在经度的标准差,stdevy表示配送目标与物流配送中心在纬度的标准差;
R表示货物物流运输区域的面积;
在本发明一个具体实施例中,所述距离的计算公式为欧式距离计算公式;
计算仓库物流运输区域内从仓库到物流配送中心的行驶距离Dh,i,其中Dh,i表示车辆从 第i个仓库行驶到物流配送中心的行驶距离,i=1,2,3。
所述S1步骤中分析物流运输规划要素中的车辆规划参数,包括:
确定配送目标的数目为n,待配送货物总量为M,将货物物流运输区域划分为m个子区域,使得每个子区域的配送目标数目大于4,每个子区域地理中心的坐标集合为:
{(x1,y1),(x2,y2),(x3,y3),…,(xi,yi),…,(xm,ym)}
其中:
(xi,yi)表示划分的第i个子区域地理中心的坐标;
确定仓库中共有c种车型,每种车型的数量为{e1,e2,…,ec},最大装载量为 {w1,w2,…,wc},每公里油耗为{q1,q2,…,qc},其中ec表示仓库中车型c的数量,wc表示仓 库中车型c的最大装载量,qc表示仓库中车型c的每公里油耗量。
所述S1步骤中构建多车型物流运输模型,包括:
设各车型所需的车辆数为{r1,r2,…,rc}时,可以实现总量M的货物配送,且总运输成 本最小,则所构建的多车型物流运输模型为:
Cost=Cost1+Cost2
其中:
ri,j表示从第i个仓库调取车型j的车辆数,i=1,2,3;在本发明一个具体实施例中,第 1个仓库的车型数以及车辆数多于第2个仓库,第2个仓库的车型数以及车辆数多于第3 个仓库;
sj表示车型j的车辆的实际装载量;
qj表示车型j的每公里油耗量;
g*表示车辆的平均装载率。
所述S2步骤中确定物流规划目标函数和约束条件,包括:
确定多车型物流运输模型中物流规划目标函数:
其中:
sj表示车型j的车辆的实际装载量;
wj表示车型j的车辆的最大装载量;
确定目标函数的约束条件如下:
其中:
M为待配送货物总量。
所述S3步骤中利用共轭梯度算法对目标函数进行优化求解,包括:
利用共轭梯度算法对多车型物流运输模型进行参数优化,所述参数优化流程为:
1)生成U种车辆规划方案,所述车辆规划方案包括各车型所需的车辆数以及各车型 的装载量,计算目标函数F在不同车辆规划方案u的梯度gu;初始化u=0;在本发明一个具体实施例中,所生成的车辆规划方案均满足目标函数的约束条件,且u的值越大,所需 要的车辆类型数越多;
2)若||gu||<∈,则停止参数优化,此时参数为最优的物流运输规划方案,其中∈表示 优化阈值;否则转4);
4)计算步长系数:
根据上述两式确定算法的步长系数α;
6)则由方案u转向方案u+αdu,并返回步骤3)。
所述S4步骤中将得到的最优求解结果作为多车型的物流运输策略,包括:
将利用共轭算法求解得到的参数结果作为最优的物流运输规划方案,所述物流运输规 划方案包括各车型所需的车辆数以及各车型的货物装载量,实现多车型的物流运输规划。
相对于现有技术,本发明提出一种多车型的物流运输规划方法,该技术具有以下优势:
首先,本方案提出一种多车型物流运输模型,设各车型所需的车辆数为{r1,r2,…,rc}时, 可以实现总量M的货物配送,且总运输成本最小,则所构建的多车型物流运输模型为:
Cost=Cost1+Cost2
其中:ri,j表示从第i个仓库调取车型j的车辆数,i=1,2,3;qj表示车型j的每公里油耗量; g*表示车辆的平均装载率。根据所构建的多车型物流运输模型,确定多车型物流运输模型 中物流规划目标函数:
其中:sj表示车型j的车辆的实际装载量;wj表示车型j的车辆的最大装载量;表 示使得物流运输规划方案中的车辆平均装载率g*最大; 表示使得物流运输规划方案中的运输成本最小;确定目标函数的约束条件 如下:
其中:M为待配送货物总量。相较于传统方案,本方案所构建多车型物流模型综合考虑了 不同车型的数量以及装载率,通过对车型数量以及装载率进行优化控制,实现物流运输成 本最小的多车型物流运输规划。
同时,本方案提出一种多车型物流运输模型目标函数的求解方法,所述参数优化流程 为:1)生成U种车辆规划方案,所述车辆规划方案包括各车型所需的车辆数以及各车型 的装载量,计算目标函数F在不同车辆规划方案u的梯度gu;初始化u=0;所生成的车辆规划方案均满足目标函数的约束条件,且u的值越大,所需要的车辆类型数越多;2)若 ||gu||<∈,则停止参数优化,此时参数为最优的物流运输规划方案,其中∈表示优化阈值; 否则转4);3)取步长系数参数因子du满足其中T 表示转置,Fu表示方案u下的运输成本以及车辆平均装载率;4)计算步长系数:
根据上述两式确定算法的步长系数α;6)则由方案u转向方案u+αdu,并返回步骤3)。 将利用共轭算法求解得到的参数结果作为最优的物流运输规划方案,所述物流运输规划方 案包括各车型所需的车辆数以及各车型的货物装载量,实现多车型的物流运输规划。
附图说明
图1为本发明一实施例提供的一种多车型的物流运输规划方法的流程示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
S1:分析物流运输规划要素,构建多车型物流运输模型。
所述S1步骤中分析物流运输规划要素中的物流运输区域,包括:
将物流运输区域划分为仓库物流运输区域以及货物物流运输区域,其中仓库物流运输 区域为物流配送中心与仓库之间的运输区域,货物物流运输区域为物流配送中心与配送目 标之间的运输区域;
在本发明一个具体实施例中,每个城市具有3个仓库以及1个物流配送中心,货物由 仓库运输到物流配送中心,再经由物流配送中心配送到指定的货物配送目标点。
所述S1步骤中分析物流运输规划要素中的物流区域配送距离,包括:
计算货物物流运输区域内配送目标的配送距离:
其中:
m表示将货物物流运输区域划分为m个子区域;
cdev表示配送目标与物流配送中心距离的标准差;
stdev表示配送目标与物流配送中心在经纬度的标准差,其中stdevx表示配送目标与物 流配送中心在经度的标准差,stdevy表示配送目标与物流配送中心在纬度的标准差;
R表示货物物流运输区域的面积;
在本发明一个具体实施例中,所述距离的计算公式为欧式距离计算公式;
计算仓库物流运输区域内从仓库到物流配送中心的行驶距离Dh,i,其中Dh,i表示车辆从 第i个仓库行驶到物流配送中心的行驶距离,i=1,2,3。
所述S1步骤中分析物流运输规划要素中的车辆规划参数,包括:
确定配送目标的数目为n,待配送货物总量为M,将货物物流运输区域划分为m个子区域,使得每个子区域的配送目标数目大于4,每个子区域地理中心的坐标集合为:
{(x1,y1),(x2,y2),(x3,y3),…,(xi,yi),…,(xm,ym)}
其中:
(xi,yi)表示划分的第i个子区域地理中心的坐标;
确定仓库中共有c种车型,每种车型的数量为{e1,e2,…,ec},最大装载量为 {w1,w2,…,wc},每公里油耗为{q1,q2,…,qc},其中ec表示仓库中车型c的数量,wc表示仓 库中车型c的最大装载量,qc表示仓库中车型c的每公里油耗量。
所述S1步骤中构建多车型物流运输模型,包括:
设各车型所需的车辆数为{r1,r2,…,rc}时,可以实现总量M的货物配送,且总运输成 本最小,则所构建的多车型物流运输模型为:
Cost=Cost1+Cost2
其中:
ri,j表示从第i个仓库调取车型j的车辆数,i=1,2,3;在本发明一个具体实施例中,第 1个仓库的车型数以及车辆数多于第2个仓库,第2个仓库的车型数以及车辆数多于第3 个仓库;
sj表示车型j的车辆的实际装载量;
qj表示车型j的每公里油耗量;
g*表示车辆的平均装载率。
S2:根据多车型物流运输模型确定物流规划目标函数和约束条件。
所述S2步骤中确定物流规划目标函数和约束条件,包括:
确定多车型物流运输模型中物流规划目标函数:
其中:
sj表示车型j的车辆的实际装载量;
wj表示车型j的车辆的最大装载量;
确定目标函数的约束条件如下:
其中:
M为待配送货物总量。
S3:利用共轭梯度算法对物流规划目标函数进行优化求解,确定最优解。
利用共轭梯度算法对多车型物流运输模型进行参数优化,所述参数优化流程为:
1)生成U种车辆规划方案,所述车辆规划方案包括各车型所需的车辆数以及各车型 的装载量,计算目标函数F在不同车辆规划方案u的梯度gu;初始化u=0;在本发明一个具体实施例中,所生成的车辆规划方案均满足目标函数的约束条件,且u的值越大,所需 要的车辆类型数越多;
2)若||gu||<∈,则停止参数优化,此时参数为最优的物流运输规划方案,其中∈表示 优化阈值;否则转4);
4)计算步长系数:
根据上述两式确定算法的步长系数α;
6)则由方案u转向方案u+αdu,并返回步骤3)。
S4:将求解得到的最优解作为多车型的物流运输策略。
将利用共轭算法求解得到的参数结果作为最优的物流运输规划方案,所述物流运输规 划方案包括各车型所需的车辆数以及各车型的货物装载量,实现多车型的物流运输规划。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本 文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括 一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的 其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、 物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可 借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者 是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡 献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储 介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机, 计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说 明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领 域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种多车型的物流运输规划方法,其特征在于,所述方法包括:
S1:分析物流运输规划要素,构建多车型物流运输模型;
S2:根据多车型物流运输模型确定物流规划目标函数和约束条件;
S3:利用共轭梯度算法对物流规划目标函数进行优化求解,确定最优解;
S4:将求解得到的最优解作为多车型的物流运输策略。
2.如权利要求1所述的一种多车型的物流运输规划方法,其特征在于,所述S1步骤中分析物流运输规划要素中的物流运输区域,包括:
将物流运输区域划分为仓库物流运输区域以及货物物流运输区域,其中仓库物流运输区域为物流配送中心与仓库之间的运输区域,货物物流运输区域为物流配送中心与配送目标之间的运输区域。
3.如权利要求2所述的一种多车型的物流运输规划方法,其特征在于,所述S1步骤中分析物流运输规划要素中的物流区域配送距离,包括:
计算货物物流运输区域内配送目标的配送距离:
其中:
m表示将货物物流运输区域划分为m个子区域;
cdev表示配送目标与物流配送中心距离的标准差;
stdev表示配送目标与物流配送中心在经纬度的标准差,其中stdevx表示配送目标与物流配送中心在经度的标准差,stdevy表示配送目标与物流配送中心在纬度的标准差;
R表示货物物流运输区域的面积;
计算仓库物流运输区域内从仓库到物流配送中心的行驶距离Dh,i,其中Dh,i表示车辆从第i个仓库行驶到物流配送中心的行驶距离,i=1,2,3。
4.如权利要求1所述的一种多车型的物流运输规划方法,其特征在于,所述S1步骤中分析物流运输规划要素中的车辆规划参数,包括:
确定配送目标的数目为n,待配送货物总量为M,将货物物流运输区域划分为m个子区域,使得每个子区域的配送目标数目大于4,每个子区域地理中心的坐标集合为:
{(x1,y1),(x2,y2),(x3,y3),...,(xi,yi),...,(xm,ym)}
其中:
(xi,yi)表示划分的第i个子区域地理中心的坐标;
确定仓库中共有c种车型,每种车型的数量为{e1,e2,...,ec},最大装载量为{w1,w2,...,wc},每公里油耗为{q1,q2,...,qc},其中ec表示仓库中车型c的数量,wc表示仓库中车型c的最大装载量,qc表示仓库中车型c的每公里油耗量。
7.如权利要求6所述的一种多车型的物流运输规划方法,其特征在于,所述S3步骤中利用共轭梯度算法对目标函数进行优化求解,包括:
利用共轭梯度算法对多车型物流运输模型进行参数优化,所述参数优化流程为:
1)生成U种车辆规划方案,所述车辆规划方案包括各车型所需的车辆数以及各车型的装载量,计算目标函数F在不同车辆规划方案u的梯度gu;初始化u=0;
2)若||gu||<∈,则停止参数优化,此时参数为最优的物流运输规划方案,其中∈表示优化阈值;否则转4);
4)计算步长系数:
根据上述两式确定算法的步长系数α;
6)则由方案u转向方案u+αdu,并返回步骤3)。
8.如权利要求7所述的一种多车型的物流运输规划方法,其特征在于,所述S4步骤中将得到的最优求解结果作为多车型的物流运输策略,包括:
将利用共轭算法求解得到的参数结果作为最优的物流运输规划方案,所述物流运输规划方案包括各车型所需的车辆数以及各车型的货物装载量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210137520.1A CN114493036B (zh) | 2022-02-15 | 2022-02-15 | 一种多车型的物流运输规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210137520.1A CN114493036B (zh) | 2022-02-15 | 2022-02-15 | 一种多车型的物流运输规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114493036A true CN114493036A (zh) | 2022-05-13 |
CN114493036B CN114493036B (zh) | 2022-08-09 |
Family
ID=81480050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210137520.1A Active CN114493036B (zh) | 2022-02-15 | 2022-02-15 | 一种多车型的物流运输规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114493036B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114757629A (zh) * | 2022-06-16 | 2022-07-15 | 北京京东振世信息技术有限公司 | 物品配送方法、车型信息发送方法、装置、设备和介质 |
CN116911711A (zh) * | 2023-07-25 | 2023-10-20 | 重庆工程职业技术学院 | 一种物流运输规划方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016127918A1 (zh) * | 2015-02-13 | 2016-08-18 | 北京嘀嘀无限科技发展有限公司 | 一种运力调度方法及*** |
CN111324827A (zh) * | 2020-02-12 | 2020-06-23 | 上海东普信息科技有限公司 | 智能推荐货源订单信息的方法、装置、设备及存储介质 |
CN112215473A (zh) * | 2020-09-18 | 2021-01-12 | 拉扎斯网络科技(上海)有限公司 | 一种配送压力数据的获得方法、装置、电子设备 |
CN112990528A (zh) * | 2020-06-28 | 2021-06-18 | 青岛盈智科技有限公司 | 一种物流运输配载管理方法及装置 |
-
2022
- 2022-02-15 CN CN202210137520.1A patent/CN114493036B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016127918A1 (zh) * | 2015-02-13 | 2016-08-18 | 北京嘀嘀无限科技发展有限公司 | 一种运力调度方法及*** |
CN111324827A (zh) * | 2020-02-12 | 2020-06-23 | 上海东普信息科技有限公司 | 智能推荐货源订单信息的方法、装置、设备及存储介质 |
CN112990528A (zh) * | 2020-06-28 | 2021-06-18 | 青岛盈智科技有限公司 | 一种物流运输配载管理方法及装置 |
CN112215473A (zh) * | 2020-09-18 | 2021-01-12 | 拉扎斯网络科技(上海)有限公司 | 一种配送压力数据的获得方法、装置、电子设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114757629A (zh) * | 2022-06-16 | 2022-07-15 | 北京京东振世信息技术有限公司 | 物品配送方法、车型信息发送方法、装置、设备和介质 |
CN114757629B (zh) * | 2022-06-16 | 2023-04-07 | 北京京东振世信息技术有限公司 | 物品配送方法、车型信息发送方法、装置、设备和介质 |
CN116911711A (zh) * | 2023-07-25 | 2023-10-20 | 重庆工程职业技术学院 | 一种物流运输规划方法 |
CN116911711B (zh) * | 2023-07-25 | 2024-04-05 | 重庆工程职业技术学院 | 一种物流运输规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114493036B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114493036B (zh) | 一种多车型的物流运输规划方法 | |
JP3161529B2 (ja) | 配車装置 | |
US20110178945A1 (en) | System for assisting determination of delivery system, route creation system, method for assisting determination of delivery system, and route creation method | |
CN116187896B (zh) | 绿色车辆路径问题求解方法、装置、计算机设备以及介质 | |
CN108416559B (zh) | 一种货运平台车主收益最大化智能拼车匹配方法 | |
CN113393020A (zh) | 物流智能调度方法、装置、设备及存储介质 | |
CN116228089B (zh) | 一种基于最短里程的门店配送路径规划方法 | |
US20210090023A1 (en) | Systems And Methods For Delivery Vehicle Routing In Urban Areas Based On Package Information | |
CN115994725A (zh) | 物流零担货运方法、装置、设备及存储介质 | |
CN114399246A (zh) | 一种智能配送调度*** | |
JP4616710B2 (ja) | 排出量按分プログラムおよび排出量按分装置 | |
CN116187092A (zh) | 一种考虑运力***供需状态的动态配送订单分配优化方法 | |
CN117196457A (zh) | 一种基于互联网的物流运输路径规划方法 | |
CN112016871B (zh) | 一种订单派送方法、装置、设备及存储介质 | |
CN115310917B (zh) | 一种入库管理方法 | |
JP4025652B2 (ja) | 輸送計画作成システム及び方法 | |
CN115796750B (zh) | 货物入库方法、出库方法、装置和计算机设备 | |
CN111126643B (zh) | 一种月台的预约方法、预约装置及可读存储介质 | |
CN111461395A (zh) | 临时配送中心的选址方法和*** | |
CN112801310B (zh) | 一种基于c-w节约算法的车辆路径优化方法 | |
CN114548880A (zh) | 物流规划方法、设备、装置和存储介质 | |
CN113627839A (zh) | 一种分段式外卖配送方法 | |
CN116911711B (zh) | 一种物流运输规划方法 | |
CN111507662A (zh) | 一种规划物流车辆路径的方法 | |
Piechnik et al. | Innovative Consolidation Techniques for Improved Transportation Efficiency |
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 |