CN117077869B - 一种场景化的定制访问顺序的车辆分配及路线规划的方法 - Google Patents
一种场景化的定制访问顺序的车辆分配及路线规划的方法 Download PDFInfo
- Publication number
- CN117077869B CN117077869B CN202311311768.6A CN202311311768A CN117077869B CN 117077869 B CN117077869 B CN 117077869B CN 202311311768 A CN202311311768 A CN 202311311768A CN 117077869 B CN117077869 B CN 117077869B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- customer
- point
- points
- variable
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 abstract 3
- 239000000463 material Substances 0.000 description 3
- 101100182248 Caenorhabditis elegans lat-2 gene Proteins 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 101100182247 Caenorhabditis elegans lat-1 gene Proteins 0.000 description 1
- 101150061388 LON1 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 101150004293 lon2 gene Proteins 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
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
- G06Q10/06—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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种场景化的定制访问顺序的车辆分配及路线规划的方法,包括以下步骤:S1、获取结构化业务数据;S2、获取范围内可进行分配的车辆集合;S3、获取所有顾客的位置点集合,并得到所有位置点的集合;S4、建立车辆分配路线规划模型,确定优化目标和约束条件;S5、采用整数规划的方法求解车辆分配路线规划模型,并将结果转换为路径规划方案。本发明通过在数学模型中加入访问的顾客点与车辆的指派关系,解决异质车辆的容量控制问题;通过数学模型的约束条件动态创建,解决复数个顾客点顺序指定问题;通过设计线性的数学模型并使用求解器,解决启发式算法结果不稳定的问题。通过本发明,可以求解任意指定顺序下,异质车辆的路径规划问题。
Description
技术领域
本发明涉及智能交通技术领域,尤其涉及一种场景化的定制访问顺序的车辆分配及路线规划的方法。
背景技术
随着互联网的发展,城市物流业务在人们的工作生活中所占比重逐步增加。从外卖配送,到企业的取料送货,在人们的生活和工作中处处可见,具体的业务场景也是五花八门。其中,取送货问题是一个具有较多应用场景的实际问题,这类问题的特点是要求车辆先到指定地点去取货,再到目的地送货。如何合理的进行任务分配和安排路线,不仅影响成本,也会影响企业的服务水平,影响客户对企业的忠诚度。因此,降低物流消耗成本,提高物流运行效率是提高企业竞争力的有效措施。
取送货问题是车辆路径问题的一种扩展场景,NP难问题。该问题无法通过常规的遍历操作来取得最优的结果。求解方法包括精确算法和启发式算法等。精确算法常见的有动态规划算法、分支定界法等,它主要求解小规模的问题。启发式算法包括模拟退火法、禁忌搜索法、遗传算法等,它需要设计者具备较强的专业知识并且专用性比较强;另外,启发式方法的结果随机性强,结果不稳定。
传统的取送货问题只是考虑了一个取货点与一个送货点之间的关系,但是在实际的场景中,却存在着需要向多个点送货,而货源也是多点,也就是需要指定多个顺序点。并且,传统的取送货问题只是考虑了访问顺序的问题,但是没有考虑车辆容量的影响。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的一种场景化的定制访问顺序的车辆分配及路线规划的方法。
为实现上述目的,本发明通过对问题进行数学建模,以线性规则问题的视角来描述当前场景下的路径规划问题,之后通过开源方法求解线性规划问题,以得到当前场景下的路径规划方案。具体采用了如下技术方案:一种场景化的定制访问顺序的车辆分配及路线规划的方法,包括以下步骤;
S1、获取结构化业务数据;
所述结构化业务数据包括:车场信息、顾客数据、车辆数据、访问顺序数据;
所述车场信息包括:车场名称、车场详细地址、车场备注信息,每一辆车所在车场的详细地址为一个车辆点;
所述顾客数据包括:顾客ID、顾客名称、顾客详细地址、装货/卸货分类、货物总质量、顾客备注信息,每一个顾客所在顾客的详细地址为一个顾客点;
所述车辆数据包括:车辆编号、车牌号、车辆描述、车辆载重、车辆备注信息;
所述访问顺序数据为顾客名称的顺序列表。
S2、获取范围内可进行分配的车辆集合;
设V = { 0, 1, 2, ... }为所有可以进行分配的车辆编号集合,集合V中的每个元素表示一辆可进行分配的车辆,元素值为车辆编号;所述车辆不要求都要使用,所述车辆为异质车辆,即容量不相同。
S3、获取所有顾客的位置点集合,并得到所有位置点的集合;
设C = { 1, 2, ..., n }为所有顾客的位置点集合,n表示有n个顾客点,集合C中的每个元素表示一个顾客点;
设集合N为所有位置点的集合,包括所有车辆的出发地点和所有顾客的位置点,集合N = { 0, 1, 2, ..., n }= {0}∪C,{0}为所有车辆的出发地点,即车场详细地址。
S4、建立车辆分配路线规划模型,确定优化目标和约束条件;
使用表示从位置点i行驶到位置点j的行驶距离;
使用表示车辆k是否从位置点i行驶到位置点j,其中,/>是决策变量,、/>、/>、/>;如果/>,则表示车辆k从位置点i行驶到位置点j,否则,/>,车辆k不从位置点i行驶到位置点j;
使用表示车辆k从位置点i行驶到位置点h,使用/>表示车辆k从位置点h行驶到位置点j;
使用表示顾客点i是否分配给车辆k来进行服务,其中,/>、/>、;如果/>,则表示顾客点i分配给车辆k来进行服务;同理,/>值是1表示顾客点h分配给车辆k来进行服务;
使用为一个计数变量,表示顾客点i是车辆k第几个访问到的顾客;同理,/>表示顾客点j是车辆k第几个访问到的顾客;
使用表示车辆k从顾客点i向顾客点j行驶的过程中车辆的当前货物量;同理,表示车辆k从顾客点h向顾客点j行驶的过程中车辆的当前货物量,/>表示车辆k从顾客点i向顾客点h行驶的过程中车辆的当前货物量;
使用表示车辆k的总的容量,/>是常量;
使用表示顾客点h的顾客需求,/>是常量;/>值如果是负值,则表示车辆在顾客点h是卸货操作。
建立车辆分配路线规划模型为:
;
约束条件包括以下公式:
;
;
;
;
;
;
;
;
;
;
;
其中,所述车辆分配路线规划模型中的各公式说明如下:
公式(1)为目标函数,表示总的行驶距离最小;
公式(2)~(12)为约束条件;
公式(2)表示对于每个顾客点有且只有一辆车提供服务,即一个顾客分配一辆车;同时,公式(2)将变量与变量/>关联到了一起;
公式(3)表示到达顾客点h的车辆要与离开顾客点h的车辆是同一辆车;并且,配合公式(2)的条件,也就产生了每个顾客有且只有一辆车提供服务;
公式(4)表示若车辆k从顾客点i行驶到顾客点j,则,公式(4)同时也将变量/>、/>与变量/>关联到了一起;
公式(5)中的i、j表示指定访问顺序的顾客点,这个公式的目的是保证指定顺序点的顾客要分配给同一台车进行服务;需要注意的是,这个公式不用对所有的顾客点来指定,仅需要对有顺序关系要求的顾客点来设定;
公式(6)中的i、j表示指定访问顺序的顾客点,该公式的目的是确保被访问到的时候,计数的大小关系正确;需要注意的是,这个公式不用对所有的顾客点来指定,仅需要对有顺序关系要求的顾客点来设定;
公式(7)表示车辆k访问顾客点h,访问前后的车辆当前载重的变化;同时,这个公式将变量与变量/>关联起来了,也就是间接的将变量/>与变量/>关联起来;
公式(8)表示车辆k的累计载重变量z在各个位置点的值的大小与变量的关系;如果变量/>是0,那么/>也是0;
公式(9)指定变量的值的范围,只有0或1两个值;如果/>的值是1,则表示车辆k从位置点i行驶到位置点j;
公式(10)指定变量的值的范围,只有0或1两个值;如果/>的值是1,则表示顾客点i分配给车辆k来进行服务;
公式(11)指定变量的值的范围,最大值就是车辆k的容量;
公式(12)指定变量的值的范围,用来标记访问各个顾客的顺序。
S5、采用整数规划的方法求解车辆分配路线规划模型,并将结果转换为路径规划方案;具体包括以下步骤:
S51、数据预处理;
将结构化业务数据转换为步骤S4中车辆分配路线规划模型可以理解的数据。
具体包括以下子步骤:
S511、将车场详细地址和顾客详细地址进行逆地理变换,转换为经纬度信息。
S512、将车场详细地址的经纬度信息与顾客详细地址的经纬度信息保存成固定顺序的列表。
车场地址的顺序下标是0,顾客地址的下标是1、2、... 、n。
S513、根据经纬度信息计算任意两点的地球平面距离;
以方阵的结构保存位置点0到n的距离,单位是米。
S514、根据装货/卸货分类和货物总质量,计算顾客需求,整理成列表q。
具体计算方法为:
如果顾客是要装货,则顾客需求 = 货物总质量;
如果顾客是要卸货,则顾客需求= -1 *货物总质量;
其中,下标是0表示车场时,值固定是0。
S515、根据车辆数据,整理车辆的可载重量的列表 Q。
S516、根据访问顺序数据列表及步骤S512中的顺序列表,创建顾客下标的前后关系的列表。
S52、按照求解器的语法,将步骤S4中的目标函数和约束条件传递给求解器,所述求解器是指求解数学方程的工具包;采用整数规划的求解方法,解得并保存目标函数的值,以及对应变量和变量/>的值。
S53、数学结果转换为路径规划方案返回。
将步骤S52中保存的目标函数的值和变量、/>,以及未参与计算的结构化业务数据,转化为路径规划方案;
通过变量的结果值及所对应的k、i的值,得到顾客点与车辆的分配关系,即哪个顾客由哪辆车提供服务;
通过变量结果值为1时i、j、k的值,得出具体车辆在顾客中的行驶顺序,即路径规划;
目标函数的值为最小的行驶总里程。
与现有技术相比,本发明的有益效果为:
本发明通过在车辆分配路线规划模型中加入访问的顾客点与车辆的指派关系,解决异质车辆的容量控制问题;通过车辆分配路线规划模型的约束条件动态创建,解决复数个顾客点顺序指定问题;通过设计线性的车辆分配路线规划模型并使用求解器,解决启发式算法结果不稳定的问题。通过本发明,可以求解任意指定顺序下,异质车辆的路径规划问题。
实施方式
为使对本发明的目的、构造、特征、及其功能有进一步的了解,兹配合实施例详细说明如下。
一种场景化的定制访问顺序的车辆分配及路线规划的方法,包括以下步骤;
S1、获取结构化业务数据;
所述结构化业务数据包括:车场信息、顾客数据、车辆数据、访问顺序数据;
所述车场信息包括:车场名称、车场详细地址、车场备注信息,每一辆车所在车场的详细地址为一个车辆点;
所述顾客数据包括:顾客ID、顾客名称、顾客详细地址、装货/卸货分类、货物总质量、顾客备注信息,每一个顾客所在顾客的详细地址为一个顾客点;
所述车辆数据包括:车辆编号、车牌号、车辆描述、车辆载重、车辆备注信息;
所述访问顺序数据为顾客名称的顺序列表,例如:顾客名称的顺序列表为[["c1","c3", "c4", "c2"],["c6", "c5"],["c1", "c10", "c8"],...],其中,c1, c2, ... , c10都是顾客数据中的顾客名称。 ["c1", "c3", "c4", "c2"]的意思是指顾客c3要在c1之后进行访问,c4要在c1和c3之后进行访问,c2要在c1、c3和c4之后访问;但是其他的顾客,比如c6,则可以在c1~c4中任意位置被访问。同理,["c1", "c10", "c8"]定义的是顾客c1、c8和c10之间的访问顺序。而["c1", "c3", "c4", "c2"]、["c1", "c10", "c8"]没有合并成一个顺序数组,是因为c10和c8与c2~c4没有顺序要求。
S2、获取范围内可进行分配的车辆集合;
设V = { 0, 1, 2, ... }为所有可以进行分配的车辆编号集合,集合V中的每个元素表示一辆可进行分配的车辆,元素值为车辆编号;所述车辆不要求都要使用,所述车辆为异质车辆,即容量不相同。
S3、获取所有顾客的位置点集合,并得到所有位置点的集合;
设C = { 1, 2, ..., n }为所有顾客的位置点集合,n表示有n个顾客点,集合C中的每个元素表示一个顾客点;
设集合N为所有位置点的集合,包括所有车辆的出发地点和所有顾客的位置点,集合N = { 0, 1, 2, ..., n }= {0}∪C,{0}为所有车辆的出发地点,即车场详细地址。
S4、建立车辆分配路线规划模型,确定优化目标和约束条件;
使用表示从位置点i行驶到位置点j的行驶距离;
使用表示车辆k是否从位置点i行驶到位置点j,其中,/>是决策变量,、/>、/>、/>;如果/>,则表示车辆k从位置点i行驶到位置点j,否则,/>,车辆k不从位置点i行驶到位置点j;
使用表示车辆k从位置点i行驶到位置点h,使用/>表示车辆k从位置点h行驶到位置点j;
使用表示顾客点i是否分配给车辆k来进行服务,其中,/>、/>、;如果/>,则表示顾客点i分配给车辆k来进行服务;同理,/>值是1表示顾客点h分配给车辆k来进行服务;
使用为一个计数变量,表示顾客点i是车辆k第几个访问到的顾客;同理,/>表示顾客点j是车辆k第几个访问到的顾客;
使用表示车辆k从顾客点i向顾客点j行驶的过程中车辆的当前货物量;同理,表示车辆k从顾客点h向顾客点j行驶的过程中车辆的当前货物量,/>表示车辆k从顾客点i向顾客点h行驶的过程中车辆的当前货物量;
使用表示车辆k的总的容量,/>是常量;
使用表示顾客点h的顾客需求,/>是常量;/>值如果是负值,则表示车辆在顾客点h是卸货操作。
建立车辆分配路线规划模型为:
;
约束条件包括以下公式:
;
;
;
;
;
;
;
;
;
;
;
其中,所述车辆分配路线规划模型中的各公式说明如下:
公式(1)为目标函数,表示总的行驶距离最小;
公式(2)~(12)为约束条件;
公式(2)表示对于每个顾客点有且只有一辆车提供服务,即一个顾客分配一辆车;同时,公式(2)将变量与变量/>关联到了一起;
公式(3)表示到达顾客点h的车辆要与离开顾客点h的车辆是同一辆车;并且,配合公式(2)的条件,也就产生了每个顾客有且只有一辆车提供服务;
公式(4)表示若车辆k从顾客点i行驶到顾客点j,则,公式(4)同时也将变量/>、/>与变量/>关联到了一起;
公式(5)中的i、j表示指定访问顺序的顾客点,这个公式的目的是保证指定顺序点的顾客要分配给同一台车进行服务;需要注意的是,这个公式不用对所有的顾客点来指定,仅需要对有顺序关系要求的顾客点来设定;
公式(6)中的i、j表示指定访问顺序的顾客点,该公式的目的是确保被访问到的时候,计数的大小关系正确;需要注意的是,这个公式不用对所有的顾客点来指定,仅需要对有顺序关系要求的顾客点来设定;
公式(7)表示车辆k访问顾客点h,访问前后的车辆当前载重的变化;同时,这个公式将变量与变量/>关联起来了,也就是间接的将变量/>与变量/>关联起来;
公式(8)表示车辆k的累计载重变量在各个位置点的值的大小与变量/>的关系;如果变量/>是0,那么/>也是0;
公式(9)指定变量的值的范围,只有0或1两个值;如果/>的值是1,则表示车辆k从位置点i行驶到位置点j;
公式(10)指定变量的值的范围,只有0或1两个值;如果/>的值是1,则表示顾客点i分配给车辆k来进行服务;
公式(11)指定变量的值的范围,最大值就是车辆k的容量;
公式(12)指定变量的值的范围,用来标记访问各个顾客的顺序。
S5、采用整数规划的方法求解车辆分配路线规划模型,并将结果转换为路径规划方案;具体包括以下步骤:
S51、数据预处理;
将结构化业务数据转换为步骤S4中车辆分配路线规划模型可以理解的数据。
具体包括以下子步骤:
S511、将车场详细地址和顾客详细地址进行逆地理变换,转换为经纬度信息。
S512、将车场详细地址的经纬度信息与顾客详细地址的经纬度信息保存成固定顺序的列表;
车场地址的顺序下标是0,顾客地址的下标是1、2、... 、n。
S513、根据经纬度信息计算任意两点的地球平面距离;
以方阵的结构保存位置点0到n的距离,单位是米;方阵中的距离值即为公式中的值。
具体计算方法为:首先将纬度和经度转换为弧度,然后使用Haversine公式计算两个点之间的距离,最后乘以地球半径得到距离的结果;
Haversine公式是一种常用的球面三角法公式,用于计算球面上两个点之间的距离,特别是用于计算地球表面上两个点之间的距离;下面是Haversine公式的表达式:
d = 2 * r * arcsin(sqrt(sin^2((lat2 - lat1)/2) + cos(lat1) * cos(lat2) * sin^2((lon2 - lon1)/2))),其中,
d表示两点之间的距离;
r是地球的半径,通常取平均半径,例如:6371千米;
lat1和lon1是第一个点的纬度和经度,以弧度表示;
lat2和lon2是第二个点的纬度和经度,以弧度表示;
sin和cos是标准的三角函数;
需要注意的是,Haversine公式计算的是两点之间的最短球面距离,而不考虑地球的形状和地表曲率。因此,在处理全球距离时,例如计算两个点之间的航线距离时,可能存在一定的误差。对于更精确的距离计算,可以使用Vincenty公式或其他更复杂的算法。
S514、根据装货/卸货分类和货物总质量,计算顾客需求,整理成列表q。
如:[ 0, 12, 5, 7, -5, 11, -8, ... ];
具体计算方法为:
如果顾客是要装货,则顾客需求 = 货物总质量;
如果顾客是要卸货,则顾客需求= -1 *货物总质量;
其中,下标是0表示车场时,值固定是0。
S515、根据车辆数据,整理车辆的可载重量的列表 Q。
如:[60, 60, 40, 30, 80, 80, ...]。
S516、根据访问顺序数据列表及步骤S512中的顺序列表,创建顾客下标的前后关系的列表;该步骤得到的结果,用来创建模型中公式(5)和公式(6)。
在上述S1例子的基础上,[["c1", "c3", "c4", "c2"],["c6", "c5"],["c1", "c10", "c8"],...]变成两个顾客的顺序关系,如["c1", "c3", "c4", "c2"]会变成[["c1", "c3"], ["c1", "c4"], ["c1", "c2"], ["c3", "c4"], ["c3", "c2"], ["c4", "c2"]],表示顾客c3要在c1之后访问,顾客c4要在c1之后访问,顾客c2要在c1之后访问,顾客c4要在c3之后访问等。
所以整体的访问顺序就变成如下:
[[["c1", "c3"], ["c1", "c4"], ["c1", "c2"], ["c3", "c4"], ["c3", "c2"],["c4", "c2"]], ["c6", "c5"], [["c1", "c10"], ["c1", "c8"], ["c10", "c8"]],...]。
根据步骤S512的顺序列表,将顾客名称变成顺序列表的下标,则变成如下的二维数组:
[[1, 3], [1, 4], [1, 2], [3, 4], [3, 2], [4, 2], [6, 5], [1, 10], [1,8], [10, 8], ...]。
S52、按照求解器的语法,将步骤S4中的目标函数和约束条件传递给求解器,所述求解器是指求解数学方程的工具包;采用整数规划的求解方法,解得并保存目标函数的值,以及对应变量和变量/>的值。
所述求解器是指求解数学方程的工具包,分为商用求解器和开源求解器,这里就是将步骤S4中的目标函数和约束条件组成数学的方程组,使用求解器可以自动计算出结果。可以使用开源求解器or-tools,若对运行速度有较高要求的话,可以切换成付费的商用求解器。
S53、数学结果转换为路径规划方案返回。
将步骤S52中保存的目标函数的值和变量、/>,以及未参与计算的结构化业务数据,转化为路径规划方案;
通过变量的结果值及所对应的k、i的值,得到顾客点与车辆的分配关系,即哪个顾客由哪辆车提供服务;
通过变量结果值为1时i、j、k的值,得出具体车辆在顾客中的行驶顺序,即路径规划;
目标函数的值为最小的行驶总里程。
具体实施时,返回的路径规划方案包括详细路线规划,其中包括所选车辆的车辆编号、车牌号、车辆的载重;路径规划方案还包括每一个途经位置,其中具体包括顾客ID、顾客名称、详细地址、装货/卸货分类、货物总质量。
本发明已由上述相关实施例加以描述,然而上述实施例仅为实施本发明的范例。必需指出的是,已揭露的实施例并未限制本发明的范围。相反地,在不脱离本发明的精神和范围内所作的更动与润饰,均属本发明的专利保护范围。
Claims (4)
1.一种场景化的定制访问顺序的车辆分配及路线规划的方法,其特征在于:包括以下步骤;
S1、获取结构化业务数据;
S2、获取范围内可进行分配的车辆集合;
S3、获取所有顾客的位置点集合,并得到所有位置点的集合;
S4、建立车辆分配路线规划模型,确定优化目标和约束条件;
所述步骤S4包括:
使用cij表示从位置点i行驶到位置点j的行驶距离;
使用表示车辆k是否从位置点i行驶到位置点j,其中,/>是决策变量,如果/>则表示车辆k从位置点i行驶到位置点j,否则,/>车辆k不从位置点i行驶到位置点j;
使用表示车辆k从位置点i行驶到位置点h,使用/>表示车辆k从位置点h行驶到位置点j;
使用yki表示顾客点i是否分配给车辆k来进行服务,其中,yki∈{0,1}、k∈V、i∈N;如果yki=1,则表示顾客点i分配给车辆k来进行服务;同理,ykh值是1表示顾客点h分配给车辆k来进行服务;
使用uki为一个计数变量,表示顾客点i是车辆k第几个访问到的顾客;同理,ukj表示顾客点j是车辆k第几个访问到的顾客;
使用表示车辆k从顾客点i向顾客点j行驶的过程中车辆的当前货物量;同理,/>表示车辆k从顾客点h向顾客点j行驶的过程中车辆的当前货物量,/>表示车辆k从顾客点i向顾客点h行驶的过程中车辆的当前货物量;
使用Qk表示车辆k的总的容量,Qk是常量;
使用qh表示顾客点h的顾客需求,qh是常量;qh值如果是负值,则表示车辆在顾客点h是卸货操作;
建立车辆分配路线规划模型为:
约束条件包括以下公式:
其中,所述车辆分配路线规划模型中的各公式说明如下:
公式(1)为目标函数,表示总的行驶距离最小;
公式(2)~(12)为约束条件;
公式(2)表示对于每个顾客点有且只有一辆车提供服务,即一个顾客分配一辆车;
公式(3)表示到达顾客点h的车辆要与离开顾客点h的车辆是同一辆车;
公式(4)表示若车辆k从顾客点i行驶到顾客点j,则有uki<ukj;
公式(5)中的i、j表示指定访问顺序的顾客点,该公式保证指定顺序点的顾客要分配给同一台车进行服务;需要注意的是,这个公式不用对所有的顾客点来指定,仅需要对有顺序关系要求的顾客点来设定;
公式(6)中的i、j表示指定访问顺序的顾客点,该公式确保被访问到的时候,计数的大小关系正确;需要注意的是,这个公式不用对所有的顾客点来指定,仅需要对有顺序关系要求的顾客点来设定;
公式(7)表示车辆k访问顾客点h,访问前后的车辆当前载重的变化;
公式(8)表示车辆k的累计载重变量在各个位置点的值的大小与变量/>的关系;如果变量/>是0,那么/>也是0;
公式(9)和公式(10)为决策变量定义;
公式(9)指定变量的值的范围,只有0或1两个值;如果/>的值是1,则表示车辆k从位置点i行驶到位置点j;
公式(10)指定变量yki的值的范围,只有0或1两个值;如果yki的值是1,则表示顾客点i分配给车辆k来进行服务;
公式(11)指定变量的值的范围,最大值就是车辆k的容量;公式(12)指定变量uki的值的范围,用来标记访问各个顾客的顺序;
S5、采用整数规划的方法求解车辆分配路线规划模型,并将结果转换为路径规划方案;
步骤S5具体包括以下步骤:
S51、数据预处理;
将结构化业务数据转换为步骤S4中车辆分配路线规划模型可以理解的数据;
步骤S51具体包括以下子步骤:
S511、将车场详细地址和顾客详细地址进行逆地理变换,转换为经纬度信息;
S512、将车场详细地址的经纬度与顾客详细地址的经纬度信息保存成固定顺序的列表;
车场地址的顺序下标是0,顾客地址的下标是1、2、...、n;
S513、根据经纬度信息计算任意两点的地球平面距离;
以方阵的结构保存位置点0到n的距离,单位是米;
S514、根据装货/卸货分类和货物总质量,计算顾客需求,整理成列表q;
步骤S514中顾客需求的具体计算方法为:
如果顾客是要装货,则顾客需求=货物总质量;
如果顾客是要卸货,则顾客需求=-1*货物总质量;
其中,下标是0表示车场时,值固定是0;
S515、根据车辆数据,整理车辆的可载重量的列表Q;
S516、根据访问顺序数据列表及步骤S412中的顺序列表,创建顾客下标的前后关系的列表;
S52、按照求解器的语法,将步骤S4中的目标函数和约束条件传递给求解器,所述求解器是指求解数学方程的工具包;采用整数规划的求解方法,解得并保存目标函数的值,以及对应变量和变量yki的值;
S53、数学结果转换为路径规划方案返回;
将步骤S52中保存的目标函数的值和变量以及未参与计算的结构化业务数据,转化为路径规划方案;
通过变量yki的结果值及所对应的k、i的值,得到顾客点与车辆的分配关系,即哪个顾客由哪辆车提供服务;
通过变量结果值为1时i、j、k的值,得出具体车辆在顾客中的行驶顺序,即路径规划;
目标函数的值为最小的行驶总里程。
2.如权利要求1所述的场景化的定制访问顺序的车辆分配及路线规划的方法,其特征在于:
所述结构化业务数据包括:车场信息、顾客数据、车辆数据、访问顺序数据;
所述车场信息包括:车场名称、车场详细地址、车场备注信息;所述顾客数据包括:顾客ID、顾客名称、顾客详细地址、装货/卸货分类、货物总质量、顾客备注信息,每一个顾客所在顾客的详细地址为一个顾客点;
所述车辆数据包括:车辆编号、车牌号、车辆描述、车辆载重、车辆备注信息;
所述访问顺序数据为顾客名称的顺序列表。
3.如权利要求2所述的场景化的定制访问顺序的车辆分配及路线规划的方法,其特征在于:
步骤S2中,设V={0,1,2,...}为所有可以进行分配的车辆编号集合,集合V中的每个元素表示一辆可进行分配的车辆,元素值为车辆编号;所述车辆不要求都要使用,所述车辆为异质车辆,即容量不相同。
4.如权利要求3所述的场景化的定制访问顺序的车辆分配及路线规划的方法,其特征在于:
步骤S3中,设C={1,2,...,n}为所有顾客的位置点集合,n表示有n个顾客点,集合C中的每个元素表示一个顾客点;
设集合N为所有位置点的集合,包括所有车辆的出发地点和所有顾客的位置点,集合N={0,1,2,...,n}={0}∪C,{0}为所有车辆的出发地点,即车场详细地址。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311311768.6A CN117077869B (zh) | 2023-10-11 | 2023-10-11 | 一种场景化的定制访问顺序的车辆分配及路线规划的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311311768.6A CN117077869B (zh) | 2023-10-11 | 2023-10-11 | 一种场景化的定制访问顺序的车辆分配及路线规划的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117077869A CN117077869A (zh) | 2023-11-17 |
CN117077869B true CN117077869B (zh) | 2023-12-19 |
Family
ID=88702706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311311768.6A Active CN117077869B (zh) | 2023-10-11 | 2023-10-11 | 一种场景化的定制访问顺序的车辆分配及路线规划的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117077869B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034481A (zh) * | 2018-07-31 | 2018-12-18 | 北京航空航天大学 | 一种基于约束规划的带时间窗车辆路径问题建模及优化方法 |
CN109919359A (zh) * | 2019-02-01 | 2019-06-21 | 陕西科技大学 | 一种基于adp算法的车辆路径规划方法 |
CN110197311A (zh) * | 2019-06-12 | 2019-09-03 | 江苏航运职业技术学院 | 一种基于智能优化的物流配送路径规划方法 |
CN113139678A (zh) * | 2021-04-02 | 2021-07-20 | 长沙理工大学 | 无人机-车辆联合配送路径优化方法及其模型构建方法 |
CN113627669A (zh) * | 2021-08-10 | 2021-11-09 | 中国联合网络通信集团有限公司 | 交通路线优化处理方法、装置及设备 |
CN114037380A (zh) * | 2021-11-09 | 2022-02-11 | 陕西科技大学 | 一种取送货问题的车辆路径规划方法 |
CN114936690A (zh) * | 2022-05-16 | 2022-08-23 | 北京交通大学 | 仓店一体模式下前置仓选址与路径联合优化方法 |
CN115729106A (zh) * | 2022-11-22 | 2023-03-03 | 东南大学 | 一种多时间约束下行驶里程优化的轻量化拼车调度方法 |
CN116151497A (zh) * | 2022-10-11 | 2023-05-23 | 安徽大学 | 一种带有取送货的多隔间车辆路径规划方法及*** |
CN116227817A (zh) * | 2022-12-16 | 2023-06-06 | 东北大学 | 一种动态车辆路径全链路问题分析与模型求解方法 |
CN116358593A (zh) * | 2023-06-01 | 2023-06-30 | 湖南工商大学 | 考虑非线性能耗的电动车辆路径规划方法、装置和设备 |
CN116499486A (zh) * | 2023-06-26 | 2023-07-28 | 北京理工大学 | 一种复杂越野环境路径规划方法、***及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101906190B1 (ko) * | 2014-04-04 | 2018-10-10 | 테슬라, 인크. | 에너지 제약이 있는 이동 계획 |
-
2023
- 2023-10-11 CN CN202311311768.6A patent/CN117077869B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034481A (zh) * | 2018-07-31 | 2018-12-18 | 北京航空航天大学 | 一种基于约束规划的带时间窗车辆路径问题建模及优化方法 |
CN109919359A (zh) * | 2019-02-01 | 2019-06-21 | 陕西科技大学 | 一种基于adp算法的车辆路径规划方法 |
CN110197311A (zh) * | 2019-06-12 | 2019-09-03 | 江苏航运职业技术学院 | 一种基于智能优化的物流配送路径规划方法 |
CN113139678A (zh) * | 2021-04-02 | 2021-07-20 | 长沙理工大学 | 无人机-车辆联合配送路径优化方法及其模型构建方法 |
CN113627669A (zh) * | 2021-08-10 | 2021-11-09 | 中国联合网络通信集团有限公司 | 交通路线优化处理方法、装置及设备 |
CN114037380A (zh) * | 2021-11-09 | 2022-02-11 | 陕西科技大学 | 一种取送货问题的车辆路径规划方法 |
CN114936690A (zh) * | 2022-05-16 | 2022-08-23 | 北京交通大学 | 仓店一体模式下前置仓选址与路径联合优化方法 |
CN116151497A (zh) * | 2022-10-11 | 2023-05-23 | 安徽大学 | 一种带有取送货的多隔间车辆路径规划方法及*** |
CN115729106A (zh) * | 2022-11-22 | 2023-03-03 | 东南大学 | 一种多时间约束下行驶里程优化的轻量化拼车调度方法 |
CN116227817A (zh) * | 2022-12-16 | 2023-06-06 | 东北大学 | 一种动态车辆路径全链路问题分析与模型求解方法 |
CN116358593A (zh) * | 2023-06-01 | 2023-06-30 | 湖南工商大学 | 考虑非线性能耗的电动车辆路径规划方法、装置和设备 |
CN116499486A (zh) * | 2023-06-26 | 2023-07-28 | 北京理工大学 | 一种复杂越野环境路径规划方法、***及电子设备 |
Non-Patent Citations (5)
Title |
---|
"Autonomous vehicle path planning for smart logistics mobile applications based on modified heuristic algorithm";Fusic S Julius 等;《 Measurement Science and Technology》;第34卷(第3期);第1-3页 * |
"基于深度强化学习的无人物流车队配送路径规划研究";韩岩峰;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;第I140-223页 * |
"带时间窗多隔室车辆路径问题研究";原雅坤;《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》;第C034-2页 * |
"路径最优的移动机器人路径规划研究";杨恒,李越 等;《机械设计》;第39卷(第8期);第58-67页 * |
不确定车数的随机车辆路径问题模型及算法;运怀立;刘兴;王贵强;;工业工程(第03期);第 15-127页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117077869A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ulmer et al. | Same-day delivery with pickup stations and autonomous vehicles | |
CN110245890B (zh) | 货品分拣方法及货品分拣*** | |
CN109919376B (zh) | 多车场与多车型车辆路径调度控制方法 | |
JP6707125B2 (ja) | 共有可能な注文を割り当てるためのシステムおよび方法 | |
US20190251485A1 (en) | Vehicle fleet routing system | |
CN113393040B (zh) | 一种基于博弈论的工业园区物流调度方法及*** | |
CN108858179B (zh) | 确定分拣机器人行车路径的方法和装置 | |
CN102542395B (zh) | 一种应急物资调度***及计算方法 | |
Tao et al. | Joint planning of berth and yard allocation in transshipment terminals using multi-cluster stacking strategy | |
US20130339266A1 (en) | Vehicle fleet routing system | |
CN109345091B (zh) | 基于蚁群算法的整车物流调度方法及装置、存储介质、终端 | |
CN112183812B (zh) | 一种计及短时低成本的成品卷烟物流车辆调度方法 | |
CN109299810A (zh) | 一种货运车辆配载方法 | |
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 | |
Manchella et al. | PassGoodPool: Joint passengers and goods fleet management with reinforcement learning aided pricing, matching, and route planning | |
CN111667085B (zh) | 物流路由网络的确定方法、装置、介质及电子设备 | |
CN111724086A (zh) | 物流订单的配送方法、***、存储介质及电子设备 | |
Nugymanova et al. | CHOOSING A SERVICING COMPANY’S STRATEGY WHILE INTERACTING WITH FREIGHT OWNERS AT THE ROAD TRANSPORT MARKET. | |
CN113469471A (zh) | 聚类方法、运输车辆路径规划方法、电子设备及存储介质 | |
KR20160070699A (ko) | 권역지정을 통한 자동배차계획 설계방법 | |
CN115860613A (zh) | 一种考虑预约机制的零担车货匹配及车辆调度方法 | |
CN117077869B (zh) | 一种场景化的定制访问顺序的车辆分配及路线规划的方法 | |
CN108985510B (zh) | 基于人工智能的大规模智能物流路径判定*** | |
CN109583634A (zh) | 一种基于现代投资组合理论的外卖配送路径选择方法 | |
JP2005043974A (ja) | 輸送スケジュール作成方法及びシステム |
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 |