CN116797112A - 车辆调度方法、装置、电子设备和介质 - Google Patents

车辆调度方法、装置、电子设备和介质 Download PDF

Info

Publication number
CN116797112A
CN116797112A CN202210225628.6A CN202210225628A CN116797112A CN 116797112 A CN116797112 A CN 116797112A CN 202210225628 A CN202210225628 A CN 202210225628A CN 116797112 A CN116797112 A CN 116797112A
Authority
CN
China
Prior art keywords
vehicle
delivery
node
logistics
distribution
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
Application number
CN202210225628.6A
Other languages
English (en)
Inventor
王鹏
庄学坤
张成硕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dajiang Network Technology Shanghai Co ltd
Original Assignee
Dajiang Network Technology Shanghai Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dajiang Network Technology Shanghai Co ltd filed Critical Dajiang Network Technology Shanghai Co ltd
Priority to CN202210225628.6A priority Critical patent/CN116797112A/zh
Publication of CN116797112A publication Critical patent/CN116797112A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种车辆调度方法、装置、电子设备和介质，涉及车辆调度技术等领域。具体实现方案为：根据配送中心中待配送的各物流订单的订单信息中的配送时间和收货地址，对各物流订单进行聚类，得到至少一个聚簇；基于各聚簇中的物流订单的订单信息和各配送车辆的车辆信息，建立车辆调度模型；根据车辆调度模型，生成初始车辆调度方案；基于设定规则对初始车辆调度方案进行更新，以得到目标车辆调度方案。由此，可以实现根据物流订单的订单信息和各配送车辆的车辆信息，自动生成车辆调度方案，以实现合理地调度配送车辆，在兼顾配送效率的基础上，优化配送成本。

Description

车辆调度方法、装置、电子设备和介质
技术领域
本公开涉及车辆调度技术领域，尤其涉及车辆调度方法、装置、电子设备和介质。
背景技术
配送是物流***的核心环节，为电子商务的客户提供服务。在配送业务中，配送车辆优化调度问题的涉及面较广，需要考虑的因素很多，对配送企业提高服务质量、降低经营成本、增加经济效益的影响也很大。因此，如何实现配送车辆的自动且合理地调度是非常重要的。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本公开提出一种提供了一种车辆调度方法、装置、电子设备和介质。
根据本公开的一方面，提供了一种车辆调度方法，包括：
根据配送中心中待配送的各物流订单的订单信息中的配送时间和收货地址，对各所述物流订单进行聚类，得到至少一个聚簇，其中，属于同一聚簇的各物流订单的收货地址位于同一兴趣区域AOI，且属于同一聚簇的各物流订单的配送时间之间的差异小于设定阈值；
基于各所述聚簇中的物流订单的订单信息和各配送车辆的车辆信息，建立车辆调度模型；
根据所述车辆调度模型，生成初始车辆调度方案；
基于设定规则对初始车辆调度方案进行更新，以得到目标车辆调度方案。
本公开实施例的车辆调度方法，通过根据配送中心中待配送的各物流订单的订单信息中的配送时间和收货地址，对各物流订单进行聚类，得到至少一个聚簇，其中，属于同一聚簇的各物流订单的收货地址位于同一兴趣区域AOI，且属于同一聚簇的各物流订单的配送时间之间的差异小于设定阈值；基于各聚簇中的物流订单的订单信息和各配送车辆的车辆信息，建立车辆调度模型；根据车辆调度模型，生成初始车辆调度方案；基于设定规则对初始车辆调度方案进行更新，以得到目标车辆调度方案。由此，可以实现根据物流订单的订单信息和各配送车辆的车辆信息，自动生成车辆调度方案，以实现合理地调度配送车辆，在兼顾配送效率的基础上，优化配送成本。
根据本公开的另一方面，提供了一种车辆调度装置，包括：
聚类模块，用于根据配送中心中待配送的各物流订单的订单信息中的配送时间和收货地址，对各所述物流订单进行聚类，得到至少一个聚簇，其中，属于同一聚簇的各物流订单的收货地址位于同一兴趣区域AOI，且属于同一聚簇的各物流订单的配送时间之间的差异小于设定阈值；
建立模块，用于基于各所述聚簇中的物流订单的订单信息和各配送车辆的车辆信息，建立车辆调度模型；
生成模块，用于根据所述车辆调度模型，生成初始车辆调度方案；
更新模块，用于基于设定规则对初始车辆调度方案进行更新，以得到目标车辆调度方案。
本公开实施例的车辆调度装置，通过根据配送中心中待配送的各物流订单的订单信息中的配送时间和收货地址，对各物流订单进行聚类，得到至少一个聚簇，其中，属于同一聚簇的各物流订单的收货地址位于同一兴趣区域AOI，且属于同一聚簇的各物流订单的配送时间之间的差异小于设定阈值；基于各聚簇中的物流订单的订单信息和各配送车辆的车辆信息，建立车辆调度模型；根据车辆调度模型，生成初始车辆调度方案；基于设定规则对初始车辆调度方案进行更新，以得到目标车辆调度方案。由此，可以实现根据物流订单的订单信息和各配送车辆的车辆信息，自动生成车辆调度方案，以实现合理地调度配送车辆，在兼顾配送效率的基础上，优化配送成本。
根据本公开的又一方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现本公开上述一方面提出的车辆调度方法。
根据本公开的再一方面，提供了一种非临时性计算机可读存储介质，其上存储有计算机程序，当所述程序被处理器执行时实现本公开上述一方面提出的车辆调度方法。
根据本公开的还一方面，提供了一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，执行本公开上述一方面提出的车辆调度方法。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本公开实施例一所提供的车辆调度方法的流程示意图；
图2为本公开实施例二所提供的车辆调度方法的流程示意图；
图3为本公开实施例中POI、AOI和停靠点之间的位置关系示意图；
图4为本公开实施例三所提供的车辆调度方法的流程示意图；
图5为本公开实施例四所提供的车辆调度装置的结构示意图；
图6示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
下面参考附图描述本公开实施例的车辆调度方法、装置、电子设备和介质。在具体描述本公开实施例之前，为了便于理解，首先对常用技术词进行介绍：
车辆配送问题(Vehicle Routing Problem，简称VRP)，是指将配送中心的货物配送给顾客时，规划调用哪些配送车辆，按照何种配送顺序的问题。其中，VRP假设发货点与收货点之间的距离、配送车辆的载重量及配送车辆的可行驶距离均为已知，用于优化成本和配送效率。
带时间窗的车辆配送问题(Vehicle Routing Problem with Time Window，简称VRPTW)，是在VRP的基础上，额外附加配送时间约束条件而产生的一个变种。其中，VRPTW除了VRP的假设已知外，还给定配送车辆须到达收货点的最早时间和最晚时间，当配送车辆从一个或多个发货点向带时间窗约束的多个收货点配送货物时，求解费用最低的车辆调度方案。
配送车辆，可以为无人车，其中，无人车具有无人车车牌号、货箱格口数、实时位置、剩余电量、调度状态、可达区域等信息。目前，骑士具有骑士id、背单上限、实时位置、当前状态以及身份信息等，本公开中，无人车可以注册为一名正常骑士，在骑士上添加无人车专有的标记进行辨识，以便更好的整合到现有***，减少重复开发。
其中，无人车具有在配送中心等待、配送中、回程中、车辆故障等调度状态。无人车可以定期上传实时位置及剩余电量，从而可以根据无人车上传的当前位置，计算无人车与配送中心之间的距离。综合无人车的调度状态、无人车与配送中心之间的距离以及当前的剩余电量，可以将无人车的车辆状态抽象为可用状态和不可用状态。针对车辆状态为不可用状态的无人车，运营人员可以根据标准作业程序(Standard Operating Procedure，简称SOP)采取对应的处理方案。
禁忌搜索算法(Tabu Search，简称TS)，是一种亚启发式随机搜索算法。其从一个随机可行解出发，选择一系列的特定搜索方向作为试探，选择让目标函数的取值变化最多的搜索方向移动。为了避免陷入局部最优化解，禁忌搜索算法中采用了一种记忆技术，对已经进行的优化过程进行记录和选择，来指导下一步的搜索方向，即禁忌表的建立，在搜索过程中，有意识的避开搜索过的局部最优解，从而试探更多的搜索区域。
图1为本公开实施例一所提供的车辆调度方法的流程示意图。
本公开实施例的车辆调度方法，可以应用于本公开实施例的车辆调度装置，该车辆调度装置可被配置于任一具有计算能力的电子设备中。
如图1所示，该车辆调度方法可以包括以下步骤：
步骤101，根据配送中心中待配送的各物流订单的订单信息中的配送时间和收货地址，对各物流订单进行聚类，得到至少一个聚簇，其中，属于同一聚簇的各物流订单的收货地址位于同一兴趣区域AOI，且属于同一聚簇的各物流订单的配送时间之间的差异小于设定阈值。
其中，设定阈值为预先设定的，比如，设定阈值可以为半小时、1小时等等，本公开对此并不做限制。
在本公开实施例中，可以将每个物流订单的收货地址作为一个POI(Point OfInterest，兴趣点)，其中，同一小区中不同楼栋的POI不同，同一栋楼中不同楼层的POI也可能不同。
可以理解的是，实际应用时，可能发生同一小区或者相邻小区的客户同时下单的情况，此时，可能存在很多相近的POI。本公开中，为了兼顾配送效率和配送成本，可以对POI进行合理地聚类，将POI聚类到更大范围的地理区域—AOI(Area Of Interest，兴趣区域，或称为关注区域)，以保证同一AOI的物流订单由一辆配送车辆配送，配送距离最短。其中，AOI可以具有层级关系，最细粒度可以划分为一个小区的南区、北区或者一片写字楼的A座、B座等，而一个小区的整体也是一个AOI，与单独一部分小区AOI属父子关系。
具体地，可以根据配送中心中待配送的各物流订单的订单信息中的配送时间和收货地址，对各物流订单进行聚类，得到至少一个聚簇，其中，属于同一聚簇的各物流订单的收货地址位于同一兴趣区域AOI，并且，属于同一聚簇的各物流订单的配送时间之间的差异小于设定阈值。
例如，可以根据POI与AOI的匹配关系，将POI映射到AOI维度，比如将配送地址位于同一小区的物流订单聚类为同一AOI，该AOI继承了该AOI下所有POI的时效信息，其中，物流订单的时效均在一小时内，故物流订单聚类合并到AOI维度后，时间窗限制也在一小时内，能够保证同一小区的物流订单由一辆配送车辆配送，配送距离最短。
步骤102，基于各聚簇中的物流订单的订单信息和各配送车辆的车辆信息，建立车辆调度模型。
在本公开实施例中，配送车辆可以为车辆状态为可用状态的车辆。其中，车辆状态可以根据配送车辆的调度状态、配送车辆与配送中心之间的距离以及配送车辆的剩余电量确定，调度状态可以包括在配送中心等待、配送中、回程中、车辆故障等等。
举例而言，当配送车辆的剩余电量较低，或者，配送车辆的调度状态为车辆故障，或者，配送车辆与配送中心之间的距离较远时，可以确定配送车辆的车辆状态为不可用状态。
在本公开实施例中，可以基于各聚簇中的物流订单的订单信息和各配送车辆的车辆信息，建立车辆调度模型。
步骤103，根据车辆调度模型，生成初始车辆调度方案。
在本公开实施例中，可以根据车辆调度模型，生成初始车辆调度方案。比如，可以对车辆调度模型进行初始化，设定初始车辆调度方案为X*。
步骤104，基于设定规则对初始车辆调度方案进行更新，以得到目标车辆调度方案。
在本公开实施例中，可以基于设定规则，对初始车辆调度方案进行更新，以得到目标车辆调度方案。
本公开实施例的车辆调度方法，通过根据配送中心中待配送的各物流订单的订单信息中的配送时间和收货地址，对各物流订单进行聚类，得到至少一个聚簇，其中，属于同一聚簇的各物流订单的收货地址位于同一兴趣区域AOI，且属于同一聚簇的各物流订单的配送时间之间的差异小于设定阈值；基于各聚簇中的物流订单的订单信息和各配送车辆的车辆信息，建立车辆调度模型；根据车辆调度模型，生成初始车辆调度方案；基于设定规则对初始车辆调度方案进行更新，以得到目标车辆调度方案。由此，可以实现根据物流订单的订单信息和各配送车辆的车辆信息，自动生成车辆调度方案，以实现合理地调度配送车辆，在兼顾配送效率的基础上，优化配送成本。
需要说明的是，本公开的技术方案中，所涉及的用户个人信息(比如订单信息)的收集、存储、使用、加工、传输、提供和公开等处理，符合相关法律法规的规定，且不违背公序良俗。
为了更加清楚的说明本公开实施例中，是如何建立车辆调度模型的，本公开实施例还提供了一种车辆调度方法。
图2为本公开实施例二所提供的车辆调度方法的流程示意图。
如图2所示，该车辆调度方法可以包括以下步骤：
步骤201，根据配送中心中待配送的各物流订单的订单信息中的配送时间和收货地址，对各物流订单进行聚类，得到至少一个聚簇，其中，属于同一聚簇的各物流订单的收货地址位于同一兴趣区域AOI，且属于同一聚簇的各物流订单的配送时间之间的差异小于设定阈值。
步骤201的执行过程可以参见本公开任一实施例的执行过程，在此不做赘述。
步骤202，确定各聚簇对应的AOI的位置信息。
在本公开实施例中，针对每个聚簇，可以根据该聚簇中的各物流订单的收货地址，确定该聚簇对应的AOI的位置信息。举例而言，假设聚簇中的物流订单的收货地址均位于小区A中，则该聚簇对应的AOI的位置信息为小区A的位置信息(比如经纬度信息)。
步骤203，根据各AOI的位置信息，确定相邻AOI之间的停靠点。
在本公开实施例中，可以根据各AOI的位置信息，确定各AOI中相邻AOI之间的停靠点。例如，停靠点可以为小区之间的停靠点，比如站点，类似于公交车站。
也就是说，可以将相邻的AOI点规划为同一停靠点，该停靠点继承了相邻的AOI下物流订单的时效信息。其中，POI与AOI、AOI与停靠点之间的所属关系可以通过数据库维护。由此，可以实现将所有物流订单压缩至停靠点维度，极大减少了样本量。
作为一种示例，POI、AOI和停靠点之间的位置关系可以如图3所示。
步骤204，根据各聚簇中的物流订单的订单信息、各配送车辆的车辆信息以及各停靠点的位置信息，建立车辆调度模型。
在本公开实施例中，可以根据基于各聚簇中的物流订单的订单信息、各配送车辆的车辆信息以及各停靠点的位置信息，建立车辆调度模型。
其中，车辆调度模型对应的目标函数可以为：
其中，X表示调度方案；K、N、dij、xijk、Pi是指与调度方案X相关的各个参数，K表示调度方案X所需使用的车辆数，dij表示节点集合(n＝0,1,2,3,…,N，其中，0表示配送中心，1,2,3,…,N表示各停靠点)中节点i和节点j之间的距离，i,j∈n，xijk表示决策变量，当配送车辆k从节点i行驶到节点j时，xijk的取值为1，当配送车辆k未从节点i行驶到节点j时，xijk的取值为0，k∈配送车辆集合(m＝1,2,3,…,K)；Pi表示节点i的惩罚成本；C0表示配送车辆启动的固定成本，C1为配送车辆行驶单位距离所需的行驶成本。
其中，dij可以通过下述公式确定：
其中，(xi，yi)为节点i的位置信息，(xj，yj)为节点j的位置信息。
其中，节点i的惩罚成本Pi可以通过下述公式确定：
其中，LTi表示配送至节点i的物流订单的最晚服务时间，ETi表示配送至节点i的物流订单的最早服务时间，C2表示早于最早服务时间到达的单位时间的等待成本，C3表示晚于最晚服务时间到达的单位时间的惩罚成本。
在本公开实施例的一种可能的实现方式中，车辆调度模型需要满足以下至少一项约束条件：
1)配送中心约束：所有配送车辆均从配送中心出发，并且所有配送车辆在完成配送任务后返回至配送中心：
2)停靠点流量平衡约束：驶入停靠点的配送车辆数与驶出停靠点的配送车辆数相等：
其中，k∈m，
3)重量约束：配送车辆的装载量不超过配送车辆的最大载重量：
其中，k∈m，mj表示配送至节点j的物流订单的需求量(比如节点j为某个停靠点时，mj可以为该停靠点的需求量)，j∈n，M表示配送车辆的最大载重量。
4)停靠点服务约束：每个停靠点被服务一次：
其中，j＝1,2,3,…,N。
5)配送车辆行驶距离约束：配送车辆在配送过程中的行驶距离不超过配送车辆的最大行驶距离：
其中，k∈m，D表示配送车辆的最大行驶距离。
6)调度方案X所需使用的配送车辆数约束：
其中，K∈N。
7)等待时间约束：
wki＝max(0,ETi-tki)； (10)
其中，ETi表示配送至节点i的物流订单的最早服务时间，tki表示配送车辆k到达节点i的时间，wki表示配送车辆k早于最早服务时间达到节点i的等待时间，i∈n，k∈m。
8)行驶时间约束：
其中，V表示配送车辆行驶速度。
9)到达时间约束：
tkj＝tki+wki+Ti+tij； (12)
其中，tkj表示配送车辆k到达节点j的时间，tki表示配送车辆k到达节点i的时间，wki表示配送车辆在节点i的等待时间，Ti表示第i个节点的服务时长，tij表示配送车辆从节点i行驶到节点j的行驶时长。
步骤205，根据车辆调度模型，生成初始车辆调度方案。
步骤206，基于设定规则对初始车辆调度方案进行更新，以得到目标车辆调度方案。
步骤205至206的执行过程可以参见本公开任一实施例的执行过程，在此不做赘述。
本公开实施例的车辆调度方法，通过确定各聚簇对应的AOI的位置信息；根据各AOI的位置信息，确定相邻AOI之间的停靠点；根据各聚簇中的物流订单的订单信息、各配送车辆的车辆信息以及各停靠点的位置信息，建立车辆调度模型。由此，可以实现根据各聚簇中的物流订单的订单信息、各配送车辆的车辆信息以及各停靠点的位置信息，有效建立车辆调度模型。
为了更加清楚的说明上述任一实施例中，是对初始车辆调度方案进行更新，得到目标车辆调度方案的，本公开实施例还提供了一种车辆调度方法。
图4为本公开实施例三所提供的车辆调度方法的流程示意图。
如图4所示，该车辆调度方法可以包括以下步骤：
步骤401，根据配送中心中待配送的各物流订单的订单信息中的配送时间和收货地址，对各物流订单进行聚类，得到至少一个聚簇，其中，属于同一聚簇的各物流订单的收货地址位于同一兴趣区域AOI，且属于同一聚簇的各物流订单的配送时间之间的差异小于设定阈值。
步骤402，基于各聚簇中的物流订单的订单信息和各配送车辆的车辆信息，建立车辆调度模型。
步骤403，根据车辆调度模型，生成初始车辆调度方案。
步骤401至403的执行过程可以参见本公开任一实施例的执行过程，在此不做赘述。
步骤404，将初始车辆调度方案，作为当前最优解，其中，当前最优解满足车辆调度模型对应的约束条件。
在本公开实施例中，可以将初始车辆调度方案，作为当前最优解X*，其中，当前最优解满足车辆调度模型对应的约束条件。
步骤405，从当前最优解的邻域中，确定候选解集。
在本公开实施例中，可以通过邻域动作，在当前最优解X*的邻域N(X*)中，确定候选解集S。
步骤406，从候选解集中确定使得车辆调度模型的目标函数的取值最小的最小解。
在本公开实施例中，可以计算候选解集中各候选解对应的目标函数的取值，并将最小取值的候选解，作为最小解X1。
步骤407，在当前最优解对应的目标函数的取值大于或者等于最小解对应的目标函数的取值的情况下，利用最小解更新当前最优解，并重复执行从更新后的当前最优解的邻域中，重新确定候选解集，并从重新确定的候选解集中，重新确定使得车辆调度模型的目标函数的取值最小的最小解，在更新后的当前最优解对应的目标函数的取值大于或者等于重新确定的最小解对应的目标函数的取值的情况下，利用重新确定的最小解再次更新当前最优解的步骤，直至满足终止条件。
在本公开实施例中，终止条件可以包括当前最优解的更新次数达到设定次数。
在本公开实施例中，可以判断当前最优解X*对应的目标函数的取值f(X1)是否大于等于最小解对应的目标函数的取值f(X*)，在f(X*)≥f(X1)的情况下，比如f(X1)＜f(X*)，则可以利用最小解X1更新当前最优解X*，并重复执行从更新后的当前最优解的邻域中，重新确定候选解集，并从重新确定的候选解集中，重新确定使得车辆调度模型的目标函数的取值最小的最小解，在更新后的当前最优解对应的目标函数的取值大于或者等于重新确定的最小解对应的目标函数的取值的情况下，利用重新确定的最小解再次更新当前最优解的步骤，直至满足终止条件。
而在f(X*)＜f(X1)的情况下，可以将X*作为目标车辆调度方案。
步骤408，将最后一次更新的当前最优解，作为目标车辆调度方案。
在本公开实施例中，可以将最后一次更新的当前最优解，作为目标车辆调度方案。
作为一种示例，以设定规则为禁忌搜索算法进行示例性说明，可以通过以下几步，求解目标车辆调度方案：
一，假设初始调度方案X*，并将该初始调度方案X*作为当前最优解，将禁忌表H置空，候选解集S置空；
二，通过邻域动作，在当前最优解X*的邻域N(X*)中选择不受禁忌的候选解集S，并计算候选解集中各候选解的目标函数的取值，将最小取值的候选解记为X1；
三，如果f(X1)<f(X*)，则令X*＝X1；否则更新禁忌表H，保存f(X*)；
四，重复步骤二至三，直至满足终止条件；
五，输出最优解X*，即输出最后一次更新的当前最优解X*，并作为目标车辆调度方案。
其中，领域设计采用全排列的方式来设计候选解。
本公开实施例的车辆调度方法，通过将初始车辆调度方案，作为当前最优解，其中，当前最优解满足车辆调度模型对应的约束条件；从当前最优解的邻域中，确定候选解集；从候选解集中确定使得车辆调度模型的目标函数的取值最小的最小解；在当前最优解对应的目标函数的取值大于或者等于最小解对应的目标函数的取值的情况下，利用最小解更新当前最优解，并重复执行从更新后的当前最优解的邻域中，重新确定候选解集，并从重新确定的候选解集中，重新确定使得车辆调度模型的目标函数的取值最小的最小解，在更新后的当前最优解对应的目标函数的取值大于或者等于重新确定的最小解对应的目标函数的取值的情况下，利用重新确定的最小解再次更新当前最优解的步骤，直至满足终止条件；将最后一次更新的当前最优解，作为目标车辆调度方案。由此，可以实现有效对初始车辆调度方案进行更新，得到目标车辆调度方案。
与上述图1至图4实施例提供的车辆调度方法相对应，本公开还提供一种车辆调度装置，由于本公开实施例提供的车辆调度装置与上述图1至图4实施例提供的车辆调度方法相对应，因此在车辆调度方法的实施方式也适用于本公开实施例提供的车辆调度装置，在本公开实施例中不再详细描述。
图5为本公开实施例四所提供的车辆调度装置的结构示意图。
如图5所示，该车辆调度装置500可以包括：聚类模块510、建立模块520、生成模块530以及更新模块540。
其中，聚类模块510，用于根据配送中心中待配送的各物流订单的订单信息中的配送时间和收货地址，对各物流订单进行聚类，得到至少一个聚簇，其中，属于同一聚簇的各物流订单的收货地址位于同一兴趣区域AOI，且属于同一聚簇的各物流订单的配送时间之间的差异小于设定阈值。
建立模块520，用于基于各聚簇中的物流订单的订单信息和各配送车辆的车辆信息，建立车辆调度模型。
生成模块530，用于根据车辆调度模型，生成初始车辆调度方案。
更新模块540，用于基于设定规则对初始车辆调度方案进行更新，以得到目标车辆调度方案。
在本公开实施例的一种可能的实现方式中，建立模块520，用于：确定各聚簇对应的AOI的位置信息；根据各AOI的位置信息，确定相邻AOI之间的停靠点；根据各聚簇中的物流订单的订单信息、各配送车辆的车辆信息以及各停靠点的位置信息，建立车辆调度模型。
在本公开实施例的一种可能的实现方式中，车辆调度模型对应的目标函数为：
其中，X表示调度方案；K、N、dij、xijk、Pi是指与调度方案X相关的各个参数，K表示调度方案X所需使用的车辆数，dij表示节点集合(n＝0,1,2,3,…,N，其中，0表示配送中心，1,2,3,…,N表示各停靠点)中节点i和节点j之间的距离，i,j∈n，xijk表示决策变量，当配送车辆k从节点i行驶到节点j时，xijk的取值为1，当配送车辆k未从节点i行驶到节点j时，xijk的取值为0，k∈配送车辆集合(m＝1,2,3,…,K)；Pi表示节点i的惩罚成本；C0表示配送车辆启动的固定成本，C1为配送车辆行驶单位距离所需的行驶成本。
在本公开实施例的一种可能的实现方式中，车辆调度模型满足以下至少一项约束条件：
1)配送中心约束：所有配送车辆均从配送中心出发，并且所有配送车辆在完成配送任务后返回至配送中心：
2)停靠点流量平衡约束：驶入停靠点的配送车辆数与驶出停靠点的配送车辆数相等：
其中，k∈m，
3)重量约束：配送车辆的装载量不超过配送车辆的最大载重量：
其中，k∈m，mj表示配送至节点j的物流订单的需求量，j∈n，M表示配送车辆的最大载重量；
4)停靠点服务约束：每个停靠点被服务一次：
其中，j＝1,2,3,…,N；
5)配送车辆行驶距离约束：配送车辆在配送过程中的行驶距离不超过配送车辆的最大行驶距离：
其中，k∈m，D表示配送车辆的最大行驶距离；
6)调度方案X所需使用的配送车辆数约束：
其中，K∈N；
7)等待时间约束：
wki＝max(0,ETi-tki)；
其中，ETi表示配送至节点i的物流订单的最早服务时间，tki表示配送车辆k到达节点i的时间，wki表示配送车辆k早于最早服务时间达到节点i的等待时间，i∈n，k∈m；
8)行驶时间约束：
其中，V表示配送车辆行驶速度；
9)到达时间约束：
tkj＝tki+wki+Ti+tij；
其中，tkj表示配送车辆k到达节点j的时间，tki表示配送车辆k到达节点i的时间，wki表示配送车辆在节点i的等待时间，Ti表示第i个节点的服务时长，tij表示配送车辆从节点i行驶到节点j的行驶时长。
在本公开实施例的一种可能的实现方式中，节点i的惩罚成本Pi通过下述公式确定：
其中，LTi表示配送至节点i的物流订单的最晚服务时间，C2表示早于最早服务时间到达的单位时间的等待成本，C3表示晚于最晚服务时间到达的单位时间的惩罚成本。
在本公开实施例的一种可能的实现方式中，更新模块540，用于：将初始车辆调度方案，作为当前最优解，其中，当前最优解满足车辆调度模型对应的约束条件；从当前最优解的邻域中，确定候选解集；从候选解集中确定使得车辆调度模型的目标函数的取值最小的最小解；在当前最优解对应的目标函数的取值大于或者等于最小解对应的目标函数的取值的情况下，利用最小解更新当前最优解，并重复执行从更新后的当前最优解的邻域中，重新确定候选解集，并从重新确定的候选解集中，重新确定使得车辆调度模型的目标函数的取值最小的最小解，在更新后的当前最优解对应的目标函数的取值大于或者等于重新确定的最小解对应的目标函数的取值的情况下，利用重新确定的最小解再次更新当前最优解的步骤，直至满足终止条件；将最后一次更新的当前最优解，作为目标车辆调度方案。
在本公开实施例的一种可能的实现方式中，终止条件包括当前最优解的更新次数达到设定次数。
本公开实施例的模型训练装置，通过根据配送中心中待配送的各物流订单的订单信息中的配送时间和收货地址，对各物流订单进行聚类，得到至少一个聚簇，其中，属于同一聚簇的各物流订单的收货地址位于同一兴趣区域AOI，且属于同一聚簇的各物流订单的配送时间之间的差异小于设定阈值；基于各聚簇中的物流订单的订单信息和各配送车辆的车辆信息，建立车辆调度模型；根据车辆调度模型，生成初始车辆调度方案；基于设定规则对初始车辆调度方案进行更新，以得到目标车辆调度方案。由此，可以实现根据物流订单的订单信息和各配送车辆的车辆信息，自动生成车辆调度方案，以实现合理地调度配送车辆，在兼顾配送效率的基础上，优化配送成本。
为了实现上述实施例，本公开还提出一种电子设备。其中，电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，处理器被配置为执行指令，以实现如前任一实施例提出的车辆调度方法。
为了实现上述实施例，本公开还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如本公开前述任一实施例提出的车辆调度方法。
为了实现上述实施例，本公开还提出一种计算机程序产品，当计算机程序产品中的指令被处理器执行时，执行如本公开前述任一实施例提出的车辆调度方法。
根据本公开的实施例，本公开还提供了一种电子设备、一种非临时性计算机可读存储介质和一种计算机程序产品。
如图6所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，***存储器28，连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，***总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及***组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。
电子设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机***可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例，存储***34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc Read OnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本公开各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本公开各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本公开的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本公开的限制，本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (12)

1.一种车辆调度方法，其特征在于，所述方法包括：
根据配送中心中待配送的各物流订单的订单信息中的配送时间和收货地址，对各所述物流订单进行聚类，得到至少一个聚簇，其中，属于同一聚簇的各物流订单的收货地址位于同一兴趣区域AOI，且属于同一聚簇的各物流订单的配送时间之间的差异小于设定阈值；
基于各所述聚簇中的物流订单的订单信息和各配送车辆的车辆信息，建立车辆调度模型；
根据所述车辆调度模型，生成初始车辆调度方案；
基于设定规则对初始车辆调度方案进行更新，以得到目标车辆调度方案。
2.根据权利要求1所述的方法，其特征在于，所述基于各所述聚簇中的物流订单的订单信息和各配送车辆的车辆信息，建立车辆调度模型，包括：
确定各所述聚簇对应的AOI的位置信息；
根据各AOI的位置信息，确定相邻AOI之间的停靠点；
根据各所述聚簇中的物流订单的订单信息、各所述配送车辆的车辆信息以及各所述停靠点的位置信息，建立所述车辆调度模型。
3.根据权利要求2所述的方法，其特征在于，所述车辆调度模型对应的目标函数为：
其中，X表示调度方案；K、N、dij、xijk、Pi是指与调度方案X相关的各个参数，K表示调度方案X所需使用的车辆数，dij表示节点集合(n＝0,1,2,3,…,N，其中，0表示配送中心，1,2,3,…,N表示各停靠点)中节点i和节点j之间的距离，i,j∈n，xijk表示决策变量，当配送车辆k从节点i行驶到节点j时，xijk的取值为1，当配送车辆k未从节点i行驶到节点j时，xijk的取值为0，k∈配送车辆集合(m＝1,2,3,…,K)；Pi表示节点i的惩罚成本；C0表示配送车辆启动的固定成本，C1为配送车辆行驶单位距离所需的行驶成本。
4.根据权利要求3所述的方法，其特征在于，所述车辆调度模型满足以下至少一项约束条件：
1)配送中心约束：所有配送车辆均从所述配送中心出发，并且所有配送车辆在完成配送任务后返回至所述配送中心：
2)停靠点流量平衡约束：驶入停靠点的配送车辆数与驶出停靠点的配送车辆数相等：
其中，k∈m，
3)重量约束：配送车辆的装载量不超过配送车辆的最大载重量：
其中，k∈m，mj表示配送至节点j的物流订单的需求量，j∈n，M表示配送车辆的最大载重量；
4)停靠点服务约束：每个停靠点被服务一次：
其中，j＝1,2,3,…,N；
5)配送车辆行驶距离约束：配送车辆在配送过程中的行驶距离不超过配送车辆的最大行驶距离：
其中，k∈m，D表示配送车辆的最大行驶距离；
6)调度方案X所需使用的配送车辆数约束：
其中，K∈N；
7)等待时间约束：
wki＝max(0,ETi-tki)；
其中，ETi表示配送至节点i的物流订单的最早服务时间，tki表示配送车辆k到达节点i的时间，wki表示配送车辆k早于最早服务时间达到节点i的等待时间，i∈n，k∈m；
8)行驶时间约束：
其中，V表示配送车辆行驶速度；
9)到达时间约束：
tkj＝tki+wki+Ti+tij；
其中，tkj表示配送车辆k到达节点j的时间，tki表示配送车辆k到达节点i的时间，wki表示配送车辆在节点i的等待时间，Ti表示第i个节点的服务时长，tij表示配送车辆从节点i行驶到节点j的行驶时长。
5.根据权利要求4所述的方法，其特征在于，所述节点i的惩罚成本Pi通过下述公式确定：
其中，LTi表示配送至节点i的物流订单的最晚服务时间，C2表示早于最早服务时间到达的单位时间的等待成本，C3表示晚于最晚服务时间到达的单位时间的惩罚成本。
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述基于设定规则对初始车辆调度方案进行更新，以得到目标车辆调度方案，包括：
将所述初始车辆调度方案，作为当前最优解，其中，所述当前最优解满足所述车辆调度模型对应的约束条件；
从所述当前最优解的邻域中，确定候选解集；
从所述候选解集中确定使得所述车辆调度模型的目标函数的取值最小的最小解；
在所述当前最优解对应的目标函数的取值大于或者等于所述最小解对应的目标函数的取值的情况下，利用所述最小解更新当前最优解，并重复执行从更新后的所述当前最优解的邻域中，重新确定候选解集，并从重新确定的候选解集中，重新确定使得所述车辆调度模型的目标函数的取值最小的最小解，在更新后的当前最优解对应的目标函数的取值大于或者等于重新确定的最小解对应的目标函数的取值的情况下，利用重新确定的最小解再次更新当前最优解的步骤，直至满足终止条件；
将最后一次更新的当前最优解，作为目标车辆调度方案。
7.根据权利要求6所述的方法，其特征在于，所述终止条件包括当前最优解的更新次数达到设定次数。
8.一种车辆调度装置，其特征在于，所述装置包括：
聚类模块，用于根据配送中心中待配送的各物流订单的订单信息中的配送时间和收货地址，对各所述物流订单进行聚类，得到至少一个聚簇，其中，属于同一聚簇的各物流订单的收货地址位于同一兴趣区域AOI，且属于同一聚簇的各物流订单的配送时间之间的差异小于设定阈值；
建立模块，用于基于各所述聚簇中的物流订单的订单信息和各配送车辆的车辆信息，建立车辆调度模型；
生成模块，用于根据所述车辆调度模型，生成初始车辆调度方案；
更新模块，用于基于设定规则对初始车辆调度方案进行更新，以得到目标车辆调度方案。
9.根据权利要求8所述的装置，其特征在于，所述建立模块，用于：
确定各所述聚簇对应的AOI的位置信息；
根据各AOI的位置信息，确定相邻AOI之间的停靠点；
根据各所述聚簇中的物流订单的订单信息、各所述配送车辆的车辆信息以及各所述停靠点的位置信息，建立所述车辆调度模型。
10.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1-7中任一所述的车辆调度方法。
11.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的车辆调度方法。
12.一种计算机程序产品，其特征在于，当所述计算机程序产品中的指令由处理器执行时，执行如权利要求1-7中任一所述的车辆调度方法。
CN202210225628.6A 2022-03-09 2022-03-09 车辆调度方法、装置、电子设备和介质 Pending CN116797112A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210225628.6A CN116797112A (zh) 2022-03-09 2022-03-09 车辆调度方法、装置、电子设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210225628.6A CN116797112A (zh) 2022-03-09 2022-03-09 车辆调度方法、装置、电子设备和介质

Publications (1)

Publication Number Publication Date
CN116797112A true CN116797112A (zh) 2023-09-22

Family

ID=88045371

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210225628.6A Pending CN116797112A (zh) 2022-03-09 2022-03-09 车辆调度方法、装置、电子设备和介质

Country Status (1)

Country Link
CN (1) CN116797112A (zh)

Similar Documents

Publication Publication Date Title
Iglesias et al. A BCMP network approach to modeling and controlling autonomous mobility-on-demand systems
CN111366160B (zh) 路径规划方法、路径规划装置及终端设备
US20190339087A1 (en) Deep reinforcement learning for optimizing carpooling policies
Cheung et al. Dynamic routing model and solution methods for fleet management with mobile technologies
CN111950950A (zh) 订单配送路径的规划方法、装置、计算机介质及电子设备
US11332031B2 (en) Locating optimal charge stations
CN105868949A (zh) 物流配送调度方法以及装置
US11092448B2 (en) System and method for determining routing by learned selective optimization
WO2022143880A1 (zh) 换电站推荐方法、***、电子设备和存储介质
CN114692927A (zh) 换电站推荐方法、***、电子设备和存储介质
Qureshi et al. Exact solution for the vehicle routing problem with semi soft time windows and its application
CN110503528A (zh) 一种线路推荐方法、装置、设备和存储介质
Singh et al. A reinforcement learning based algorithm for multi-hop ride-sharing: Model-free approach
CN114092176A (zh) 一种基于公交车的城市通勤班车规划方法
US10635764B2 (en) Method and device for providing vehicle navigation simulation environment
CN108921448B (zh) 电能交易方法、装置、设备及存储介质
CN116797112A (zh) 车辆调度方法、装置、电子设备和介质
CN110956384A (zh) 配送任务的处理方法、装置、电子设备及可读存储介质
Zarrinmehr et al. A local search algorithm for finding optimal transit routes configuration with elastic demand
CN113011672A (zh) 物流时效预测方法、装置、电子设备及存储介质
CN112669603B (zh) 基于大数据的城市交通协同方法及装置
US20220270488A1 (en) Systems and methods for order dispatching and vehicle repositioning
CN113624245B (zh) 导航方法及装置、计算机存储介质、电子设备
CN111860918B (zh) 配送方法及装置、电子设备和计算机可读介质
CN113792900A (zh) 配送路线生成方法及装置、计算机存储介质、电子设备

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