CN116090931A - 一种基于客户分类的末端配送方法及装置 - Google Patents
一种基于客户分类的末端配送方法及装置 Download PDFInfo
- Publication number
- CN116090931A CN116090931A CN202310252998.3A CN202310252998A CN116090931A CN 116090931 A CN116090931 A CN 116090931A CN 202310252998 A CN202310252998 A CN 202310252998A CN 116090931 A CN116090931 A CN 116090931A
- Authority
- CN
- China
- Prior art keywords
- distribution
- delivery
- express
- client
- distributed
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000007621 cluster analysis Methods 0.000 claims abstract description 14
- 241001481710 Cerambycidae Species 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 7
- 238000010845 search algorithm Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000002716 delivery method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000254173 Coleoptera Species 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于客户分类的末端配送方法及装置,方法包括:识别到达末端网点的快递包裹信息,将所有识别出的快递包裹信息录入网点数据库;从客户信息数据库调取待配送快递的客户信息,利用所述客户信息进行聚类分析,将客户进行分类;基于网点数据库和聚类分析结果,将当前需要配送的快递加入配送订单中;将所有待配送地点在地图中进行标注,结合当前车辆使用情况、实时路况信息进行路径规划,快递员或无人车根据规划好的路径进行配送;本发明通过基于客户分类的方式对快递进行末端配送,提升了配送效率,并有效考虑了客户的取件时间和取件方式等因素,从而提升客户满意度,优化末端服务质量。
Description
技术领域
本发明涉及的技术领域是末端配送技术领域,尤其涉及一种基于客户分类的末端配送方法及装置。
背景技术
随着国内电商行业不断发展,物流行业也随之蓬勃发展,人们开始关注到物流行业的各个环节,并对于末端配送提出了更高的要求。
末端配送是2012年提出了一种创新的“最后一公里”配送模式,以解决城市配送中日益严重的交通、噪音及污染问题。
近年来,国内外学者对于末端配送的模型及算法的研究逐步增多,虽然目前已经有许多关于末端配送的研究,如将取货和送货点整合到城市最后一公里的电子商务分销网络中,利用多个货物被拆分开来多次送货给同一个客户解决了最后一公里拆分送货的问题。但是“最后一公里”成本高、效率低问题仍未得到有效解决。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述存在的问题,提出了本发明。
因此,本发明解决的技术问题是:末端配送成本高、效率低问题仍未得到有效解决。
为解决上述技术问题,本发明提供如下技术方案:
第一方面,本发明实施例提供了一种基于客户分类的末端配送方法,包括:
识别到达末端网点的快递包裹信息,将所有识别出的快递包裹信息录入网点数据库;
从客户信息数据库调取待配送快递的客户信息,利用所述客户信息进行聚类分析,将客户进行分类;
基于网点数据库和聚类分析结果,将当前需要配送的快递加入配送订单中;
将所有待配送地点在地图中进行标注,结合当前车辆使用情况、实时路况信息进行路径规划,快递员或无人车根据规划好的路径进行配送。
作为基于客户分类的末端配送方法的一种优选方案,其中:所述快递包裹信息包括:快递的客户取件时间、家庭住址信息,识别到达末端网点的快递包裹信息后,对数据进行清洗,筛选出可用的客户数据。
作为基于客户分类的末端配送方法的一种优选方案,其中:所述聚类分析包括:选取待分类客户的取件时间、家庭住址、取件方式属性和各预设客户类型对应的聚类中心进行聚类分析,将待分类客户划分为相应的客户类型。
作为基于客户分类的末端配送方法的一种优选方案,其中:所述将当前需要配送的快递加入配送订单中包括:根据当前时间、车辆使用情况与待配送客户类型进行比较,判断快递在当前是否需要进行配送,将需要进行配送的快递加入配送订单;将所有待配送地点在地图中进行标注包括:将网点所覆盖的区域栅格化,将当前所有需配送的快递地址在栅格地图中进行标注。
作为基于客户分类的末端配送方法的一种优选方案,其中:所述路径规划包括:结合当前车辆情况与实时路况信息以最小配送成本为目标进行路径规划,将规划好的路径发给对应的快递员或无人车,开始进行末端快递配送。
作为基于客户分类的末端配送方法的一种优选方案,其中:所述最小配送成本表示为:
;其中表示末端配送的总成本,为固定配送成本、为充电成本、为时间惩罚成本;
所述固定配送成本公式为:
;其中为配送点数量,为配送中心快递小车数量,为配送中心无人车数量,为第个配送点到第个配送点之间的距离,为第个配送点到第个配送点之间快递小车的运输成本,为第个配送点到第个配送点之间无人车的运输成本;
所述充电成本为:
;其中、分别为峰时与谷时的单位时长电量价格,为第辆无人车电池总容量,为第辆无人车当前剩余电量,为快递小车的充电效率,所述充电效率为单位时间内的充电量;为第辆无人车电池总容量,为无人车快充阈值,为第辆无人车当前剩余电量,、分别为无人车快充与慢充的充电效率;
所述时间惩罚成本计算公式为:
;其中为每次配送时的等待时间,为惩罚时间函数;
目标函数的约束条件:
;其中表示配送点到配送点的车辆配送时间,和分别为快递员与无人车的工作时间,为无人车自身最大载重,是指任意车辆装载的货物不能超过自身最大载重,是指在该区域个配送点进行配送时,快递车数量不能超过,是指在该区域个配送点进行配送时,无人车数量不能超过。
作为基于客户分类的末端配送方法的一种优选方案,其中:所述路径规划还包括:利用改进的天牛群搜索算法进行全局路径规划,并将得到的路径规划线路通过四阶贝塞尔曲线进行平滑处理;
所述改进的天牛群搜索算法包括:在初始点将单个天牛拓展成为天牛群,在每一轮迭代中,选取最优个体,并将所有的天牛移动至该最优个体处,进行下一轮迭代,直至寻找到目标点,将每轮迭代的最优点进行拼接得到全局最优路径;
所述四阶贝塞尔曲线方程为:
;其中,、分别为路径规划中连续的两个路径点,、、为满足当前行驶速度以及方向所产生的控制点。
第二方面,本发明实施例提供了基于客户分类的末端配送***,其特征在于,包括:
录入模块,用于识别到达末端网点的快递包裹信息,将所有识别出的快递包裹信息录入网点数据库;
分类模块,用于调取待配送快递的客户信息,利用所述客户信息进行聚类分析,将客户进行分类;
配送分配模块,用于根据聚类分析结果,将当前需要配送的快递加入配送订单中;将所有待配送地点在地图中进行标注,结合当前车辆使用情况、实时路况信息进行路径规划,快递员或无人车根据规划好的路径进行配送。
第三方面,本发明实施例提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例所述的基于客户分类的末端配送方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现所述的基于客户分类的末端配送方法。
本发明的有益效果:本发明通过基于客户分类的方式对快递进行末端配送,提升了配送效率,并有效考虑了客户的取件时间和取件方式等因素,从而提升客户满意度,优化末端服务质量。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1 是本发明第一个实施例所述的基于客户分类的末端配送方法的整体流程图;
图2 是本发明第一个实施例所述的基于客户分类的末端配送方法的客户分类流程图;
图3 是本发明第一个实施例所述的基于客户分类的末端配送方法的路径规划算法流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1-3,为本发明的第一个实施例,该实施例提供了一种基于客户分类的末端配送方法,包括:
S1:识别到达末端网点的快递包裹信息,将所有识别出的快递包裹信息录入网点数据库;
具体的,所述快递包裹信息包括:快递的客户取件时间、家庭住址信息,识别到达末端网点的快递包裹信息后,对数据进行清洗,筛选出可用的客户数据。
S2:从客户信息数据库调取待配送快递的客户信息,利用所述客户信息进行聚类分析,将客户进行分类;基于网点数据库和聚类分析结果,将当前需要配送的快递加入配送订单中;
具体的,所述聚类分析包括:选取待分类客户的取件时间、家庭住址、取件方式属性和各预设客户类型对应的聚类中心进行聚类分析,将待分类客户划分为相应的客户类型。所述将当前需要配送的快递加入配送订单中包括:根据当前时间、车辆使用情况与待配送客户类型进行比较,判断快递在当前是否需要进行配送,将需要进行配送的快递加入配送订单;将所有待配送地点在地图中进行标注包括:将网点所覆盖的区域栅格化,将当前所有需配送的快递地址在栅格地图中进行标注。
应说明的是,对于客户的取件时间偏好及取件方式偏好进行聚类分析,用于判断订单在当前时间是否需要进行配送。
S3:将所有待配送地点在地图中进行标注,结合当前车辆使用情况、实时路况信息进行路径规划,快递员或无人车根据规划好的路径进行配送。
具体的,所述路径规划包括:结合当前车辆情况与实时路况信息以最小配送成本为目标进行路径规划,将规划好的路径发给对应的快递员或无人车,开始进行末端快递配送。
所述最小配送成本表示为:
;其中表示末端配送的总成本,为固定配送成本、为充电成本、为时间惩罚成本;
所述固定配送成本公式为:
;其中为配送点数量,为配送中心快递小车数量,为配送中心无人车数量,为第个配送点到第个配送点之间的距离,为第个配送点到第个配送点之间快递小车的运输成本,为第个配送点到第个配送点之间无人车的运输成本;
所述充电成本为:
;其中、分别为峰时与谷时的单位时长电量价格,为第辆无人车电池总容量,为第辆无人车当前剩余电量,为快递小车的充电效率,所述充电效率为单位时间内的充电量;为第辆无人车电池总容量,为无人车快充阈值,为第辆无人车当前剩余电量,、分别为无人车快充与慢充的充电效率;
所述时间惩罚成本计算公式为:
;其中为每次配送时的等待时间,为惩罚时间函数;
目标函数的约束条件:
;其中表示配送点到配送点的车辆配送时间,和分别为快递员与无人车的工作时间,为无人车自身最大载重,是指任意车辆装载的货物不能超过自身最大载重,是指在该区域个配送点进行配送时,快递车数量不能超过,是指在该区域个配送点进行配送时,无人车数量不能超过;利用改进的天牛群搜索算法进行全局路径规划,并将得到的路径规划线路通过四阶贝塞尔曲线进行平滑处理;
所述改进的天牛群搜索算法包括:在初始点将单个天牛拓展成为天牛群,在每一轮迭代中,选取最优个体,并将所有的天牛移动至该最优个体处,进行下一轮迭代,直至寻找到目标点,将每轮迭代的最优点进行拼接得到全局最优路径;
所述四阶贝塞尔曲线方程为:
;其中,、分别为路径规划中连续的两个路径点,、、为满足当前行驶速度以及方向所产生的控制点。应说明的是,路径规划用于对当前所有需进行末端配送的订单进行处理,结合实时路况、车辆使用情况进行路径规划,以最小配送成本实现所有订单的配送任务。
实施例2
参照表1-2,为本发明的一个实施例,提供了一种基于客户分类的末端配送方法,为了验证本发明的有益效果,通过仿真实验进行科学论证。
表1 快递包裹信息
客户 | 配送点坐标 | 配送时间类型 | 配送方式类型 | 预约配送时间 |
A | (0,3) | 任意 | 任意 | / |
B | (3,3) | 早上 | 任意 | 9:05 |
C | (0,0) | 早上 | 无人车 | 9:00 |
D | (2,2) | 任意 | 快递车 | / |
E | (1,1) | 晚上 | 任意 | 19:00 |
当前到达末端快递点F(位置坐标为(2,1))五个客户的快递,当前时间为8:40,末端快递点有一辆无人车及一辆快递车,以最小成本为目标函数,改进的天牛须搜索对于无人车及快递车规划的路径分别为:无人车F→C→A→F;快递车F→D→B→F。传统方法中,未经过客户分类的末端配送的快递车或无人车则会经过E点,导致二次配送的现象。
综合多次实验结果,表2提供了两种方案的对比结果。
表2 两种方案对比结果
本方发明 | 传统发明 | |
单次配送成功率 | 92% | 65% |
配送成本 | 76% | 82% |
求解速度 | 3.67s | 4.34s |
收敛速度 | 收敛速度快 | 收敛速度慢 |
由此可见,本发明通过基于客户分类的方式对快递进行末端配送,提升了配送效率,并有效考虑了客户的取件时间和取件方式等因素,从而提升客户满意度,优化末端服务质量。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于客户分类的末端配送方法,其特征在于,包括:
识别到达末端网点的快递包裹信息,将所有识别出的快递包裹信息录入网点数据库;
从客户信息数据库调取待配送快递的客户信息,利用所述客户信息进行聚类分析,将客户进行分类;
基于网点数据库和聚类分析结果,将当前需要配送的快递加入配送订单中;
将所有待配送地点在地图中进行标注,结合当前车辆使用情况、实时路况信息进行路径规划,快递员或无人车根据规划好的路径进行配送。
2.如权利要求1所述的基于客户分类的末端配送方法,其特征在于,所述快递包裹信息包括:快递的客户取件时间、家庭住址信息,识别到达末端网点的快递包裹信息后,对数据进行清洗,筛选出可用的客户数据。
3.如权利要求1或2所述的基于客户分类的末端配送方法,其特征在于,所述聚类分析包括:选取待分类客户的取件时间、家庭住址、取件方式属性和各预设客户类型对应的聚类中心进行聚类分析,将待分类客户划分为相应的客户类型。
4.如权利要求3所述的基于客户分类的末端配送方法,其特征在于,所述将当前需要配送的快递加入配送订单中包括:根据当前时间、车辆使用情况与待配送客户类型进行比较,判断快递在当前是否需要进行配送,将需要进行配送的快递加入配送订单;将所有待配送地点在地图中进行标注包括:将网点所覆盖的区域栅格化,将当前所有需配送的快递地址在栅格地图中进行标注。
5.如权利要求1或4所述的基于客户分类的末端配送方法,其特征在于,所述路径规划包括:结合当前车辆情况与实时路况信息以最小配送成本为目标进行路径规划,将规划好的路径发给对应的快递员或无人车,开始进行末端快递配送。
6.如权利要求5所述的基于客户分类的末端配送方法,其特征在于,所述最小配送成本表示为:
;其中表示末端配送的总成本,为固定配送成本、为充电成本、为时间惩罚成本;
所述固定配送成本公式为:
;其中为配送点数量,为配送中心快递小车数量,为配送中心无人车数量,为第个配送点到第个配送点之间的距离,为第个配送点到第个配送点之间快递小车的运输成本,为第个配送点到第个配送点之间无人车的运输成本;
所述充电成本为:
;其中、分别为峰时与谷时的单位时长电量价格,为第辆无人车电池总容量,为第辆无人车当前剩余电量,为快递小车的充电效率,所述充电效率为单位时间内的充电量;为第辆无人车电池总容量,为无人车快充阈值,为第辆无人车当前剩余电量,、分别为无人车快充与慢充的充电效率;
所述时间惩罚成本计算公式为:
;其中为每次配送时的等待时间,为惩罚时间函数;
目标函数的约束条件:
;其中表示配送点到配送点的车辆配送时间,和分别为快递员与无人车的工作时间,为无人车自身最大载重,是指任意车辆装载的货物不能超过自身最大载重,是指在该区域个配送点进行配送时,快递车数量不能超过,是指在该区域个配送点进行配送时,无人车数量不能超过。
7.如权利要求6所述的基于客户分类的末端配送方法,其特征在于,所述路径规划还包括:利用改进的天牛群搜索算法进行全局路径规划,并将得到的路径规划线路通过四阶贝塞尔曲线进行平滑处理;
所述改进的天牛群搜索算法包括:在初始点将单个天牛拓展成为天牛群,在每一轮迭代中,选取最优个体,并将所有的天牛移动至该最优个体处,进行下一轮迭代,直至寻找到目标点,将每轮迭代的最优点进行拼接得到全局最优路径;
所述四阶贝塞尔曲线方程为:
;其中,、分别为路径规划中连续的两个路径点,、、为满足当前行驶速度以及方向所产生的控制点。
8.一种基于客户分类的末端配送***,其特征在于,包括:
录入模块,用于识别到达末端网点的快递包裹信息,将所有识别出的快递包裹信息录入网点数据库;
分类模块,用于调取待配送快递的客户信息,利用所述客户信息进行聚类分析,将客户进行分类;
配送分配模块,用于根据聚类分析结果,将当前需要配送的快递加入配送订单中;将所有待配送地点在地图中进行标注,结合当前车辆使用情况、实时路况信息进行路径规划,快递员或无人车根据规划好的路径进行配送。
9.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述基于客户分类的末端配送方法的步骤。
10.一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述基于客户分类的末端配送方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310252998.3A CN116090931B (zh) | 2023-03-16 | 2023-03-16 | 一种基于客户分类的末端配送方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310252998.3A CN116090931B (zh) | 2023-03-16 | 2023-03-16 | 一种基于客户分类的末端配送方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116090931A true CN116090931A (zh) | 2023-05-09 |
CN116090931B CN116090931B (zh) | 2024-02-09 |
Family
ID=86200923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310252998.3A Active CN116090931B (zh) | 2023-03-16 | 2023-03-16 | 一种基于客户分类的末端配送方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116090931B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118095605A (zh) * | 2024-04-22 | 2024-05-28 | 全盛物流科技(山东)有限公司 | 一种物流路线规划方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109658038A (zh) * | 2019-02-27 | 2019-04-19 | 邯郸学院 | 快递物品配送方法、装置及终端设备 |
CN113219998A (zh) * | 2021-06-15 | 2021-08-06 | 合肥工业大学 | 一种基于改进双向informed-RRT*的车辆路径规划方法 |
CN114418497A (zh) * | 2022-01-19 | 2022-04-29 | 圆通速递有限公司 | 基于混合麻雀算法的物流路径优化方法 |
CN114677087A (zh) * | 2022-03-31 | 2022-06-28 | 上海圆徕科技有限公司 | 一种车辆组合无人机协同配送方法 |
CN115271175A (zh) * | 2022-06-28 | 2022-11-01 | 长安大学 | 一种无人机与卡车物流配送路径优化方法及*** |
CN115903888A (zh) * | 2022-11-10 | 2023-04-04 | 山东科技大学 | 一种基于天牛群算法的旋翼无人机自主路径规划方法 |
-
2023
- 2023-03-16 CN CN202310252998.3A patent/CN116090931B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109658038A (zh) * | 2019-02-27 | 2019-04-19 | 邯郸学院 | 快递物品配送方法、装置及终端设备 |
CN113219998A (zh) * | 2021-06-15 | 2021-08-06 | 合肥工业大学 | 一种基于改进双向informed-RRT*的车辆路径规划方法 |
CN114418497A (zh) * | 2022-01-19 | 2022-04-29 | 圆通速递有限公司 | 基于混合麻雀算法的物流路径优化方法 |
CN114677087A (zh) * | 2022-03-31 | 2022-06-28 | 上海圆徕科技有限公司 | 一种车辆组合无人机协同配送方法 |
CN115271175A (zh) * | 2022-06-28 | 2022-11-01 | 长安大学 | 一种无人机与卡车物流配送路径优化方法及*** |
CN115903888A (zh) * | 2022-11-10 | 2023-04-04 | 山东科技大学 | 一种基于天牛群算法的旋翼无人机自主路径规划方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118095605A (zh) * | 2024-04-22 | 2024-05-28 | 全盛物流科技(山东)有限公司 | 一种物流路线规划方法 |
CN118095605B (zh) * | 2024-04-22 | 2024-07-02 | 全盛物流科技(山东)有限公司 | 一种物流路线规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116090931B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pelzer et al. | A partition-based match making algorithm for dynamic ridesharing | |
CN110189077B (zh) | 一种考虑三维装载约束的多阶段车货匹配方法 | |
CN107145971A (zh) | 一种动态调整的快递配送优化方法 | |
CN107101643B (zh) | 一种拼车匹配方法 | |
CN116090931B (zh) | 一种基于客户分类的末端配送方法及装置 | |
Cepolina et al. | A new urban freight distribution scheme and an optimization methodology for reducing its overall cost | |
CN114037180B (zh) | 一种基于分支定价切割算法的协同配送路径优化方法 | |
CN115577886A (zh) | 一种多无人机站的组合配送方法及*** | |
Chen et al. | The linehaul-feeder vehicle routing problem with virtual depots | |
CN111626469A (zh) | 一种面向运能提升的快慢车开行优化方法 | |
Rabe et al. | Evaluating the consolidation of distribution flows using a discrete event supply chain simulation tool: Application to a case study in Greece | |
Cerna et al. | Efficient automation of an HEV heterogeneous fleet using a two-stage methodology | |
Goel et al. | Solving a dynamic real-life vehicle routing problem | |
CN113793062A (zh) | 一种提高网约车运力下单效率的派单方法 | |
CN112200336A (zh) | 一种车辆行驶路径规划的方法和装置 | |
Kokubugata et al. | Vehicle routing methods for city logistics operations | |
CN113627839A (zh) | 一种分段式外卖配送方法 | |
KR20230085326A (ko) | 물류를 위한 경로를 도출하는 서버, 방법 및 컴퓨터 프로그램 | |
CN112801310A (zh) | 一种基于c-w节约算法的车辆路径优化方法 | |
CN113741418A (zh) | 异构车机编队协同路径的生成方法和装置 | |
CN110675299B (zh) | 一种线路规划方法和装置 | |
Huang et al. | Split-order consolidation optimization for online supermarkets: Process analysis and optimization models | |
CN111652550A (zh) | 一种智能寻找最佳环线集合的方法、***及设备 | |
CN112001646A (zh) | 一种物料调度方法、装置、存储介质及电子设备 | |
Mourad et al. | Combining people and freight flows using a scheduled transportation line with stochastic passenger demands |
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 |