JP2015201006A - Dynamic fleet routing - Google Patents
Dynamic fleet routing Download PDFInfo
- Publication number
- JP2015201006A JP2015201006A JP2014078593A JP2014078593A JP2015201006A JP 2015201006 A JP2015201006 A JP 2015201006A JP 2014078593 A JP2014078593 A JP 2014078593A JP 2014078593 A JP2014078593 A JP 2014078593A JP 2015201006 A JP2015201006 A JP 2015201006A
- Authority
- JP
- Japan
- Prior art keywords
- customer
- time
- delivery
- time slots
- slot
- 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
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 102
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000007726 management method Methods 0.000 claims abstract description 19
- 238000013439 planning Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 18
- 230000003068 static effect Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 2
- 230000014759 maintenance of location Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 11
- MWRWFPQBGSZWNV-UHFFFAOYSA-N Dinitrosopentamethylenetetramine Chemical compound C1N2CN(N=O)CN1CN(N=O)C2 MWRWFPQBGSZWNV-UHFFFAOYSA-N 0.000 description 6
- 238000013459 approach Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000012360 testing method 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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)
- Human Resources & Organizations (AREA)
- Economics (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)
- Traffic Control Systems (AREA)
Abstract
Description
本発明は、動的なフリートのルーティング方法およびフリート管理システムに関する。前記フリートは、配送サービスを実行する複数の車両を含み、初期配送計画が配送に対する顧客の需要に基づいて生成され、前記初期配送計画が、前記車両の経路を指定し、該経路における前記配送サービスの顧客をスケジューリングする。 The present invention relates to a dynamic fleet routing method and a fleet management system. The fleet includes a plurality of vehicles that perform a delivery service, an initial delivery plan is generated based on customer demand for delivery, the initial delivery plan specifies a route for the vehicle, and the delivery service in the route Scheduling customers.
オンラインショッピングの最近の成長に伴い、物流会社は、より高度なダイナミシティ（dynamicity）を有する顧客行動や外的条件における課題の困難化に対処するために、計画プロセスを改善することが必要となっている。ここでの課題は、商品の配送を保証することだけでなく、配送の速度および品質も（すなわち、顧客が家庭で配送を待つ期間を短縮することにより）保証することである。 With the recent growth of online shopping, logistics companies need to improve the planning process to address the challenges of customer behavior and external conditions with higher dynamicity. ing. The challenge here is not only to guarantee the delivery of goods, but also to guarantee the speed and quality of delivery (ie, by reducing the time a customer waits for delivery at home).
多くの物流会社は、１日１２時間の配送ウィンドウを計画する。その解法は、２段階プロセス（計画−実行）である。図１に模式的に例示したように、顧客行動（例えば、不在時配送、新規需要、受取人の時刻・場所変更等）や予測不可能な外的条件（例えば、交通渋滞、天候等）のような多くの動的因子がこの計画に影響を及ぼすため、多くの異常が発生する。特に、これらの異常は、顧客が不便になる場合、物流会社が追加コストを負う場合、物流会社の１日の配送計画が影響を受ける場合、あるいは、追加的な車両運行による環境影響の増大を含み得る。このため、物流会社は、運用コストを最小化することとともに、従来のフリートインフラストラクチャによって、顧客から期待されるＱｏＥ（Quality of Experience, 体感品質）需要を満たすことが要求されている。 Many logistics companies plan a delivery window of 12 hours a day. The solution is a two-stage process (planning-execution). As schematically illustrated in FIG. 1, customer behavior (eg, absence delivery, new demand, recipient time / place change, etc.) and unpredictable external conditions (eg, traffic jams, weather, etc.) Many anomalies occur because many dynamic factors such as this affect this plan. In particular, these anomalies can cause inconvenience to customers, the logistics company incurs additional costs, the logistics company's daily delivery plans are affected, or the increased environmental impact of additional vehicle operations. May be included. For this reason, logistics companies are required to minimize operating costs and meet QoE (Quality of Experience) demands expected by customers using conventional fleet infrastructure.
一般的に、上記のような物流の問題は、当技術分野においてＶＲＰとして広く知られている車両ルーティング問題（vehicle routing problem）の範囲に属する。車両ルーティング問題において、大きな可能性のある研究は、配送経路の動的計画、特に車両の動的な再スケジューリングおよび再ルーティングに集中している。従来の動的システムは、需要ノード間の運行時間の実時間変化や実時間サービス要求等の条件を考慮する。需要は、計画期間中の任意の時刻に到着し得る。例えば、動的車両ルーティング問題（Dynamic Vehicle Routing Problem, ＤＶＲＰ）においては、新規顧客注文が長時間にわたって出現し、既存の解を実行しながら新規経路を計算しなければならない。文献では、ＤＶＲＰに取り組む多くの方法および戦略が提案されている。一般的に、ＤＶＲＰは、ＤＶＲＰを静的ＶＲＰの列に分解してから、例えば蟻コロニー系アルゴリズムによりそれらを解くことによって、標準的なＶＲＰへの拡張とみなされる。既知の解法のいくつかは、ＤＶＲＰを解くためにリアクティブな方法（エージェントベースの制約プログラミング）を使用するが、いくつかの解法は問題にコンセンサスアプローチを導入する。 In general, such logistics problems fall within the scope of vehicle routing problems, commonly known in the art as VRP. In the vehicle routing problem, great potential research has focused on dynamic planning of delivery routes, especially dynamic rescheduling and rerouting of vehicles. Conventional dynamic systems consider conditions such as real-time changes in operating time between demand nodes and real-time service requests. Demand can arrive at any time during the planning period. For example, in the Dynamic Vehicle Routing Problem (DVRP), a new customer order appears for a long time, and a new route must be calculated while executing an existing solution. In the literature, many methods and strategies have been proposed to address DVRP. In general, DVRP is considered an extension to standard VRP by decomposing DVRP into a sequence of static VRPs and then solving them, eg, with an ant colony-based algorithm. Some of the known solutions use reactive methods (agent-based constraint programming) to solve DVRP, but some solutions introduce a consensus approach to the problem.
しかし、すべての従来技術の解法に共通することとして、現在の計画領域が、その計画、したがって運用コスト、に影響を及ぼすダイナミシティを含み得るという事実に対処していない。このような場合、通常のＶＲＰアプローチを用いて再計画（すなわち、スケジュール全体をゼロから再計画すること）を行うと、多くの車両スケジュールおよび事前調整された配送時刻が影響を受ける可能性があるため、多大なパフォーマンスの非効率（高いオーバーヘッド、不安定性、エラー、および高いコスト）を生じる。事業者の運用コストとともに、再計画は、顧客のＱｏＥに影響を及ぼし、その後、フリート事業者の事業に影響を及ぼす可能性がある。 However, as is common to all prior art solutions, it does not address the fact that the current planning domain may include dynamics that affect the plan and hence operational costs. In such cases, replanning (ie replanning the entire schedule from scratch) using the normal VRP approach can affect many vehicle schedules and pre-adjusted delivery times. This results in significant performance inefficiencies (high overhead, instability, errors, and high cost). Along with operator operating costs, rescheduling can affect the customer's QoE and then the fleet operator's business.
上記に鑑み、本発明の目的は、頭書のような動的なフリートのルーティング方法およびフリート管理システムにおいて、多大な追加的運用コストや顧客の不便（すなわち、複数の顧客の配送時刻を変更すること）を被ることなしに、動的変化を考慮した配送スケジュールの動的かつ高度な計画が可能となるような展開を行うことである。 In view of the above, an object of the present invention is to change a large additional operation cost and customer inconvenience (that is, to change the delivery times of a plurality of customers) in a dynamic fleet routing method and fleet management system such as a headline. ) To develop a dynamic and sophisticated plan for the delivery schedule in consideration of dynamic changes.
本発明によれば、上記の目的は、請求項１の構成を備えた方法によって達成される。この請求項に記載の通り、本方法は、
前記初期配送計画の計画期間を複数のタイムスロットに分割するステップと、
前記タイムスロットのそれぞれを、該タイムスロットにおけるダイナミシティに寄与する因子に応じたスロット不整合因子に関連づけるステップと、
前記スロット不整合因子に基づいて、動的変化を吸収するように、前記タイムスロットのそれぞれを個別のスラックタイムに割り当てるステップと
を備えたことを特徴とする。
According to the invention, the above object is achieved by a method with the arrangement of
Dividing the planning period of the initial delivery plan into a plurality of time slots;
Associating each of the time slots with a slot mismatch factor depending on a factor contributing to the dynamics in the time slot;
Assigning each of the time slots to a separate slack time so as to absorb dynamic changes based on the slot mismatch factor.
また、上記の目的は、請求項１５の構成を備えたフリート管理システムによって達成される。この請求項に記載の通り、本システムは、
前記初期配送計画の計画期間を複数のタイムスロットに分割し、
前記タイムスロットのそれぞれを、該タイムスロットにおけるダイナミシティに寄与する因子に応じたスロット不整合因子に関連づけ、
前記スロット不整合因子に基づいて、動的変化を吸収するように、前記タイムスロットのそれぞれを個別のスラックタイムに割り当てる
ように構成された計算手段を備えたことを特徴とする。
The above object is achieved by a fleet management system having the structure of
Dividing the planning period of the initial delivery plan into a plurality of time slots;
Associating each of the time slots with a slot mismatch factor according to a factor contributing to the dynamics in the time slot;
Computation means configured to allocate each of the time slots to an individual slack time so as to absorb dynamic changes based on the slot mismatch factor is provided.
本発明によって認識されたこととして、フリートルーティングにおいて、運用時間をタイムスロットに分割し、各タイムスロットに関連する不整合を判定し、適当なバッファ時間を導入することによって、多大な追加的運用コストを負うことなく動的変化を考慮に入れることができる。これにより、本発明は、配送サービスの計画に影響を及ぼす多次元のダイナミシティを分析する解法を提供するので、不整合に基づく動的かつ高度な、時空間需要変動に対するフリートルーティングとみなすことができる。具体的実施形態によれば、本発明は、顧客行動／外部因子による経路の不整合を判定し、不整合に基づくバッファ時間を各経路に割り当て、判定された不整合に基づいて該経路における顧客をスケジューリングする。 It has been recognized by the present invention that, in fleet routing, significant additional operational costs are introduced by dividing operating time into time slots, determining inconsistencies associated with each time slot, and introducing appropriate buffer times. Dynamic changes can be taken into account without incurring As a result, the present invention provides a solution to analyze multidimensional dynamics that affect delivery service planning, so it can be considered as fleet routing for dynamic and advanced spatiotemporal demand fluctuations based on inconsistencies. it can. According to a specific embodiment, the present invention determines path inconsistencies due to customer behavior / external factors, assigns buffer time based on the inconsistencies to each path, and based on the determined inconsistencies, To schedule.
本発明によるシステムは、単独使用も可能であるし、配送の効果的な計画および再スケジューリングのために既存の計画ツールに統合されることも可能である。本発明は、フリート事業者のＯＰＥＸ（OPerational EXpenditure, 事業費）および顧客のＱｏＥを最適化するために、計画に影響を及ぼすダイナミシティの変動を計数してそれに応答する戦略を提供する。 The system according to the present invention can be used alone or can be integrated into existing planning tools for effective planning and rescheduling of deliveries. The present invention provides a strategy for counting and responding to dynamics fluctuations affecting the plan to optimize fleet operator OPEX (operating expenses) and customer QoE.
好ましい実施形態によれば、前記初期配送計画が、ＶＲＰ（車両ルーティング問題）アルゴリズムを適用することによって、配送に対する需要に基づいて生成されてもよい。この目的のために、任意の既知のＶＲＰアルゴリズムが使用可能である。 According to a preferred embodiment, the initial delivery plan may be generated based on demand for delivery by applying a VRP (Vehicle Routing Problem) algorithm. Any known VRP algorithm can be used for this purpose.
上記のように、本発明によれば、基礎ＶＲＰ解の計画領域が、より小さいタイムスロットに分割される。好ましい実施形態によれば、時間領域を分割するために２つの異なるタイムスロット方式が使用可能である。第１の方式として、等分配された、等しい長さの顧客指向のタイムスロットに領域を分割してもよい。顧客が配送を待つ時間をなるべく短くするようにＱｏＥを向上させるため、それらのタイムスロットの時間フレームは、できるだけ最小限に（例えば１時間）保たれる。第２の方式として、運用指向の方式が考えられる。この場合、近接した顧客（クラスタ化された顧客）の数に比例して時間領域を分割してもよい。「近接」の厳密な定義は実装ごとにそれぞれであり、システムのユーザ（例えば物流会社）によって設定されてもよい。地理的近接性以外に、顧客は、低トン数、狭い路地／市街地の巡回可能性のような他の任意の因子に基づいたグループにクラスタ化されてもよい。いずれの場合でも、クラスタ顧客は、比例的なタイムスロットに割り当てられ、その後、各タイムスロットの不整合に基づいてタイムスラック（空き時間）が割り当てられる。以下でさらに詳細に説明するように、タイムスロット不整合は、地理的近接性とともに、顧客のプロファイル（すなわち、各顧客の不在時配送記録）に関するログ分析、過去の運行時間および交通条件とタイムスロットに割り当てられた顧客数との抵触に関するログ分析から導出してもよい。 As described above, according to the present invention, the planning area of the basic VRP solution is divided into smaller time slots. According to a preferred embodiment, two different time slot schemes can be used to divide the time domain. As a first method, the area may be divided into equally distributed customer-oriented time slots of equal length. In order to improve QoE so that the customer waits for delivery as short as possible, the time frames of those time slots are kept as minimal as possible (eg, 1 hour). As a second method, an operation-oriented method can be considered. In this case, the time domain may be divided in proportion to the number of close customers (clustered customers). The exact definition of “proximity” is different for each implementation, and may be set by a system user (for example, a logistics company). In addition to geographical proximity, customers may be clustered into groups based on any other factor such as low tonnage, narrow alley / city patrol potential. In either case, cluster customers are assigned to proportional time slots, and then time slack is assigned based on the mismatch of each time slot. As explained in more detail below, time slot inconsistency is a log analysis of customer profiles (ie, each customer's out-of-office delivery record), historical service times and traffic conditions and time slots, as well as geographic proximity. May be derived from log analysis regarding conflicts with the number of customers assigned to.
さらに好ましい実施形態によれば、管理フリートシステムが、顧客と（例えば適当なインタフェース経由で）対話することができるようにしてもよい。この場合、顧客は、あらかじめ計算されたリストから複数のタイムスロットを提示され、次のように、配送の希望を示すように要求される：例えば、「９時から正午までの間に配送しますので、次のような構文で（ＳＭＳで）希望を示してください：９−１０＞１１−１２＞１０−１」。タイムスロットは、あるタイムスロットの終わりが次のタイムスロットの始まりに重なるように割り当てられてもよい。 According to a further preferred embodiment, the management fleet system may be able to interact with the customer (eg via a suitable interface). In this case, the customer will be presented with multiple time slots from a pre-calculated list and will be required to indicate delivery wishes as follows: For example, “delivery between 9 o'clock and noon So please indicate your wish (in SMS) with the following syntax: 9-10> 11-12> 10-1. Time slots may be assigned such that the end of one time slot overlaps the start of the next time slot.
好ましい実施形態において、タイムスロットにおけるダイナミシティに寄与し、不整合因子を判定するために考慮される因子として、顧客の信頼性がある。有利な態様として、顧客の信頼性は、記録された顧客プロファイルのログ分析から、特に過去の不在時配送の発生を考慮に入れることによって、導出される。この目的のため、フリート管理システムは、顧客のプロファイル（特に顧客の不在時配送記録）に関するログ情報、地理的エリア内で相異なる交通条件に対して複数の配送に対応するために費やされる全運行時間に関するログ情報、相異なる時間中の相異なる地理的エリアにおける交通条件に関するログ情報、および／またはダイナミシティに反応する車両ドライバの行動に関するログ情報を分析するログアナライザを備えてもよい。ログ情報は、適当な通信手段経由で車両からフリート管理システムへ送信されてもよい。この通信手段は、フリート管理システムから路上のフリートの車両へ、新規の経路および／または適応された経路に関する指令を送信するために使用されてもよい。 In a preferred embodiment, customer confidence is a factor that contributes to dynamics in time slots and is considered to determine inconsistency factors. Advantageously, customer reliability is derived from log analysis of recorded customer profiles, particularly by taking into account the occurrence of past out-of-office deliveries. For this purpose, the fleet management system is responsible for log information about customer profiles (especially customer out-of-office delivery records), all operations spent to accommodate multiple deliveries for different traffic conditions within a geographic area. A log analyzer may be provided that analyzes log information regarding time, log information regarding traffic conditions in different geographical areas during different times, and / or log information regarding vehicle driver behavior in response to dynamics. The log information may be transmitted from the vehicle to the fleet management system via suitable communication means. This communication means may be used to send commands regarding new and / or adapted routes from the fleet management system to vehicles on the road.
顧客プロファイル分析の結果に基づいて、顧客の信頼性が所定の設定可能なしきい値を超過する場合に、該顧客に準静止行動インデックスが割り当てられるようにしてもよい。運用コストに対するダイナミズムの影響を最小化するため、より不整合の高い顧客が、例えば適当な重み因子を割り当てることによって、タイムスロットの最初にスケジューリングされてもよい。 Based on the result of the customer profile analysis, a quasi-static behavior index may be assigned to a customer when the customer's reliability exceeds a predetermined configurable threshold. To minimize the impact of dynamism on operational costs, more inconsistent customers may be scheduled at the beginning of the time slot, for example by assigning an appropriate weight factor.
さらに好ましい実施形態によれば、タイムスロットにおけるダイナミシティに寄与し、前記不整合因子を判定するために考慮される前記因子が、以下の因子、すなわち、
前記タイムスロットにおいて複数の配送を行うための推定時間、
前記タイムスロットに含まれる期間中に、検査された地理的エリアにおいて予想される交通量、および
初期配送計画の実行中に発生したダイナミシティに対する前記車両のドライバの反応
の少なくとも１つを含む
According to a further preferred embodiment, the factor that contributes to the dynamics in the time slot and is considered for determining the inconsistency factor is the following factor:
An estimated time for performing multiple deliveries in the time slot;
Including at least one of the expected traffic in the inspected geographic area during the period included in the time slot and the vehicle driver's response to the dynamics that occurred during execution of the initial delivery plan
上記のように、各タイムスロットの終わりに、計画領域にわたる動的変化を吸収するようにタイムスラックが導入される。有利な態様として、運用コストを最適化するため、前記タイムスロットに割り当てられた前記個別のスラックタイムの長さは、該スロットに存在する不整合が高いほど長くなるように設計されてもよい。特に、タイムスラックの長さは、該タイムスロットに存在する不整合に比例するように設計されてもよい。 As described above, time slack is introduced at the end of each time slot to absorb dynamic changes across the planning area. Advantageously, in order to optimize operating costs, the length of the individual slack time assigned to the time slot may be designed to be longer as the mismatch present in the slot is higher. In particular, the time slack length may be designed to be proportional to the mismatch present in the time slot.
顧客の体感品質（ＱｏＥ）の有効で確実な計算のため、ＱｏＥは、スケジューリングされたタイムスロットで実行される配送の百分率、事前調整された配送タイムスロットにおいて配送を受け取った顧客の数、および顧客保持インデックスの関数として判定されるようにしてもよい。 For effective and reliable calculation of customer quality of experience (QoE), QoE calculates the percentage of deliveries performed in scheduled time slots, the number of customers that received deliveries in pre-adjusted delivery time slots, and the customers It may be determined as a function of the holding index.
タイムスロットおよびタイムスラックを使用することによって、基礎運用コストを大幅に増大させることなく配送需要に対する時空間変化に対処し、他の顧客の配送に対する乱れが最小限に保たれる。実行中、不在時配送や時空間需要変化について、タイムスロット解を連続的にモニタリングしてもよい。配送を保証するため、すべての利用可能な運用指向タイムスロットに対して再帰的にオープンＶＲＰアルゴリズムを実行することによって、各タイムスロットの最初および最後の顧客が常に同一となるような再割当て方法を適用してもよい。すべての利用可能なタイムスロットに対してオープンＶＲＰアルゴリズムを適用した後、企図された再配送に対して最も適当な運用指向タイムスロットが選択される。タイムスロット選択の判断基準は、負う運用コストの最小化に基づいてもよい。しかし、当業者には認識されるように、さまざまな最適化コードがシステム運用者によって指定されてもよい。 By using time slots and time slacks, the spatio-temporal changes to delivery demands are addressed without significantly increasing the basic operating costs, and other customer delivery disruptions are kept to a minimum. During execution, the time slot solution may be continuously monitored for absence delivery and spatiotemporal demand changes. In order to guarantee delivery, a reassignment method is implemented so that the first and last customers of each time slot are always the same by recursively executing the open VRP algorithm on all available operational oriented time slots. You may apply. After applying the open VRP algorithm to all available time slots, the most appropriate operational oriented time slot for the intended redistribution is selected. The criteria for selecting a time slot may be based on minimizing the operating costs incurred. However, as will be appreciated by those skilled in the art, various optimization codes may be specified by the system operator.
本発明を好ましい態様で実施するにはいくつもの可能性がある。このためには、一方で請求項１および１５に従属する諸請求項を参照しつつ、他方で図面により例示された本発明の好ましい実施形態についての以下の説明を参照されたい。図面を用いて本発明の好ましい実施形態を説明する際には、本発明の教示による好ましい実施形態一般およびその変形例について説明する。
There are a number of possibilities for implementing the invention in a preferred embodiment. To this end, reference is made on the one hand to the claims subordinate to
図１は、従来技術による静的配送計画を、配送計画に影響を及ぼしその円滑な実行を妨げるさまざまな因子とともに模式的に例示している。図１から分かるように、配送計画の経路（実線矢印で示す）は、倉庫から出発し、例えば「１」に例示するような複数の静止した顧客（黒丸で示す）を含む。「２」に例示するように、顧客は不在だったため、追加のアイドル時間が生じる。また、不在顧客にサービスするため、不在顧客に対する再配送を企図する追加経路が指定される。「４」に例示するように、新経路に沿った新規顧客要求にサービスする可能性もある。追加的な欠点として、「３」に例示するように、顧客（白丸で示す）は、外的因子、例えば経路に沿った交通渋滞により、スケジューリングされた配送における遅延を被ることがある。静的配送計画に影響を及ぼし得るこれらの因子の結果として、顧客が不便を被り、物流会社が追加的コストを負う可能性がある。 FIG. 1 schematically illustrates a prior art static delivery plan with various factors that affect the delivery plan and prevent its smooth execution. As can be seen from FIG. 1, the route of the delivery plan (indicated by solid arrows) starts from the warehouse and includes a plurality of stationary customers (indicated by black circles) as exemplified by “1”. As illustrated in “2”, since the customer was absent, additional idle time occurs. In addition, in order to serve absent customers, an additional route for redelivery to absent customers is designated. There is also the possibility of serving new customer requests along a new route, as illustrated in “4”. As an additional drawback, as illustrated in “3”, customers (indicated by white circles) may suffer delays in scheduled delivery due to external factors such as traffic congestion along the route. As a result of these factors that can affect static delivery planning, customers can be inconvenienced and logistics companies can incur additional costs.
これらの課題を解決するため、本発明の実施形態は、計画された配送および顧客の地理的近接性に基づいて、配送計画領域をタイムスロットに分割する方法に関する。顧客の行動、交通および天候の条件やダイナミシティに寄与する因子に依存して、各タイムスロットは、適当な不整合因子に関連づけられる。そして、スロット不整合を利用して、可変なスラックタイムを各スロットに割り当て、顧客は、多次元ダイナミシティに対処するために、顧客の不整合に基づいてスケジューリングされる。すなわち、顧客の不整合が、配送の順序を計算するための判断基準として利用される。本方法は、計画に影響を及ぼす時空間ダイナミシティを処理するために調整される。 In order to solve these problems, embodiments of the present invention relate to a method for dividing a delivery plan area into time slots based on planned delivery and customer geographical proximity. Depending on factors that contribute to customer behavior, traffic and weather conditions and dynamics, each time slot is associated with an appropriate inconsistency factor. Then, using slot mismatch, variable slack time is assigned to each slot, and customers are scheduled based on customer mismatches to deal with multi-dimensional dynamics. That is, customer mismatch is used as a criterion for calculating the order of delivery. The method is adjusted to handle space-time dynamics that affect planning.
図２は、本発明の実施形態によるフリート管理システムのシステム例を模式的に示している。本システムは、運用コストの過度な負担なしに、ユーザの期待ＱｏＥを満たすように動的な時空間変化に対処する。本システムは、物流会社によってすでに使用されている既存の解法とともに使用されることも可能であるし、単独の解法として扱うことも可能である。いずれの場合でも、本システムは、フリート管理センタ１に配置可能であり、通信ネットワーク２経由で路上のフリートの車両との通信を可能にする通信手段を備える。道路網は、フリートの車両の位置とともに、図２の右側に模式的に示されている。フリート管理システムとフリートの車両との間の通信は双方向である。特に、フリートの車両は、連続的に、または、ある間隔で、車両によって経験される時空間変動に関する情報とともに自己のログ情報をフリート管理システムへ送信し、フリート管理システムは、新規または修正経路に関する指令を個々の車両へ送信する。
FIG. 2 schematically shows a system example of the fleet management system according to the embodiment of the present invention. The system addresses dynamic spatio-temporal changes to meet the user's expected QoE without undue operational costs. The system can be used with existing solutions already used by logistics companies or can be treated as a single solution. In any case, the present system can be disposed in the
また、図２に示されているように、フリート管理システムは計算ユニット３を備える。図３に関してさらに詳細に説明するように、計算ユニット３は、フリートの車両から受信される運行／ログ情報を分析し、フリートの車両から受信される時空間変動に関する情報を分析し、場合により、新規の最適経路を計算するように構成される。図２には明示していないが、フリート管理システムは、例えば顧客が配送の希望時間ウィンドウを指定することを可能にするために、顧客との対話を可能にするインタフェースを備えてもよい。
In addition, as shown in FIG. 2, the fleet management system includes a
図３は、本発明の実施形態によるフリート管理システムの機能アーキテクチャを例示する流れ図である。本実施形態は、以下の課題言明を基礎とする。
関連する運用コストＯｃおよび関連するダイナミズムの程度δの基礎ＶＲＰ解が与えられた場合、既存の顧客のＱｏＥが影響を受けないような目的関数は
ｍｉｎ｛Ｏｃ（δ）｝ （１）
で与えられる。ただし、Ｏｃ（δ）は、δにより誘導される運用コストである。
FIG. 3 is a flow diagram illustrating the functional architecture of a fleet management system according to an embodiment of the invention. This embodiment is based on the following problem statement.
Given a basic VRP solution with associated operational cost Oc and associated dynamism δ, the objective function that does not affect the existing customer's QoE is min {Oc (δ)} (1)
Given in. However, Oc (δ) is an operation cost induced by δ.
まず最初に、３０１に例示するように、経路の集合を導入した後、フリートサイズおよび顧客位置に基づいて、配送需要を満たし既存の制約を考慮した初期配送計画（基礎計画）が生成される。この目的のため、文献にあるＶＲＰ技法のいずれを使用してもよい（例えば非特許文献１または非特許文献２参照）。基礎計画は、計画ツールへの入力として使用され（一般的に３０２に例示）、以下でさらに詳細に説明するように、時空間変動に対処することを目的とする。基本的に、この段階で、初期配送計画を最適化するためにログ分析が実行されることにより、当該物流会社によって指定可能な最適化目標を考慮に入れる。
First, as illustrated in 301, after introducing a set of routes, based on the fleet size and the customer position, an initial delivery plan (basic plan) satisfying the delivery demand and considering existing constraints is generated. For this purpose, any of the VRP techniques in the literature may be used (see, for example,
＜基礎計画を最適化するためのフリートログに基づく学習メカニズム＞
基礎ＶＲＰアルゴリズムの出力、すなわち、標準的なＶＲＰアルゴリズムによって上記のように生成される初期配送計画は、静止した顧客集合に対しては最適であるかもしれない。しかし、この解は、各車両がとる経路にダイナミシティが加わると最適でなくなる可能性が高い。本発明の実施形態によれば、利用可能なフリートデータにより、より良い顧客のクラスタを生成できることが考えられる。これは、経路不整合をより良好に処理可能な形で顧客を割り当てることに役立つ。
<Learning mechanism based on fleet log to optimize basic plan>
The output of the basic VRP algorithm, ie the initial delivery plan generated as described above by the standard VRP algorithm, may be optimal for a stationary customer set. However, this solution is likely to be less optimal when dynamicity is added to the path taken by each vehicle. According to an embodiment of the present invention, it is conceivable that a better customer cluster can be generated from the available fleet data. This helps to assign customers in a way that can better handle route mismatches.
学習メカニズム段階の第１の部分で、すべての顧客プロファイルに関するログ分析を利用して、各顧客の信頼性の指標を求めることが可能である。顧客の信頼度は、その顧客の過去の不在時配送記録に応じて判定されてもよい。ログ分析に基づいて、各顧客ｊの信頼性をモデル化するために、次のパラメータθが使用される。すなわち、θｊ∈［０，１］であり、当該顧客が全く信頼できない場合はθｊ＝０であり、当該顧客に不在時配送記録がない場合はθｊ＝１である。θｊが１に近いこと（信頼性が高い顧客）に基づいて、顧客ｊは、完全静止または準静止に分類されることも可能である。顧客の正確な分類は、フリートデータ分析から導出可能であり、これは安定なスロットの形成に役立つ。以下でさらに詳細に説明するように、準静止顧客に対する完全静止顧客の比は、顧客の動的再割当てにおいて使用される。 In the first part of the learning mechanism phase, log analysis on all customer profiles can be used to determine an index of each customer's reliability. The customer's reliability may be determined according to the customer's past absence delivery record. Based on log analysis, the following parameter θ is used to model the reliability of each customer j. That is, θ j ∈ [0, 1], θ j = 0 if the customer is completely unreliable, and θ j = 1 if the customer has no absence delivery record. Based on θ j being close to 1 (a highly reliable customer), customer j can also be classified as fully stationary or semi-static. The exact classification of customers can be derived from fleet data analysis, which helps to form stable slots. As described in more detail below, the ratio of fully quiesced customers to quasi-quiesced customers is used in the dynamic reassignment of customers.
タイムスロットρにおいて、顧客ｉρ＝｛１，２，...，Ｎ｝が与えられた場合、スロット不整合はφρに比例する。ただし
である。
In the time slot ρ, given customer i ρ = {1, 2,..., N}, the slot mismatch is proportional to φ ρ . However,
It is.
学習メカニズム段階の第２の部分は、類似の特性を有する将来の配送に役立つように、行われる各配送に対して、必要な時間およびそれに伴う変動を推定するために、費やされる全運行時間Ａに関する履歴データを含む。このため、地理的エリア内で相異なる交通条件に対して複数の配送に対応するために費やされる全時間の過去の記録に関するログ分析が実行される。これは、計画された経路時間からの、実際の経路時間のずれを理解するのに有用である。また、これは不整合判定に役立つ。 The second part of the learning mechanism phase is the total operating time A spent to estimate the time required and the associated variation for each delivery to be made to help future deliveries with similar characteristics. Contains historical data about. For this reason, log analysis is performed on past records of the total time spent to accommodate multiple deliveries for different traffic conditions within a geographic area. This is useful for understanding the actual path time deviation from the planned path time. This is also useful for inconsistency determination.
さらに、長期間にわたる車両の位置および速度のログを含む履歴データにより、相異なる時間中の各地理的エリアにおける交通条件の推定値Ｂに対するログ分析が実行される。 Furthermore, log analysis is performed on the traffic condition estimates B in each geographic area during different times with historical data including vehicle position and speed logs over time.
最後に、車両ドライバの反応が記録され、計画の実行中に生じるダイナミシティに対してドライバによってとられた行為の基礎運用コストに対する影響が推定される。例えば、ドライバは、再配送に追加費用を課することによって、配送を再試行する可能性がある。 Finally, the vehicle driver response is recorded and the impact on the basic operating costs of the actions taken by the driver on the dynamics that occur during the execution of the plan is estimated. For example, a driver may retry delivery by imposing additional costs on redelivery.
ログ分析結果が与えられた場合、複数の顧客を含む各タイムスロットは、関連する不整合Ｆ（Ａ，Ｂ，Ｃ）を有する。ただし、
Ａは、検査されたタイムスロットにおいて複数の配送を行うための、ログ分析から推定される法定時間（すなわち、与えられた地域に対する実際の経路時間）であり、
Ｂは、タイムスロットに含まれる期間中に、検査された地理的エリアにおいて、ログ分析に基づいて予想される交通量であり、
Ｃは、基礎運用計画の実行中に生じた各ダイナミシティに対するドライバの反応である。
Given a log analysis result, each time slot containing multiple customers has an associated inconsistency F (A, B, C). However,
A is the statutory time estimated from log analysis (ie, the actual route time for a given region) to make multiple deliveries in the examined time slot;
B is the expected traffic volume based on log analysis in the geographical area examined during the period included in the time slot;
C is the driver's reaction to each dynamic that occurred during the execution of the basic operation plan.
＜顧客体感品質（ＱｏＥ）の測定＞
体感品質（ＱｏＥ）は、顧客に配送される際の、フリートサービスの実際のパフォーマンスを理解するプロセスである。
<Measurement of customer experience quality (QoE)>
Quality of Experience (QoE) is the process of understanding the actual performance of a fleet service when delivered to a customer.
本発明の実施形態によれば、ＱｏＥは、３個のパラメータに基づいて定量化される。第１のパラメータは、フリートログ分析を通じて取得可能な、スケジューリングされたスロットで実行される配送の百分率であり、ログ分析中に取得される（上記のような）因子「Ａ」に対応する。 According to an embodiment of the present invention, QoE is quantified based on three parameters. The first parameter is the percentage of deliveries performed in the scheduled slot that can be obtained through fleet log analysis and corresponds to the factor “A” (as described above) obtained during log analysis.
第２のパラメータは、配送延期に関する通知を受け取ることなく、事前調整された配送タイムスロット内に配送を受け取った顧客の数Ｎｃに対応する。 The second parameter corresponds to the number Nc of customers who received delivery in a pre-adjusted delivery time slot without receiving notification about delivery postponement.
第３のパラメータは顧客保持インデックスでありＣｉで表す。このインデックスは、ログの分析から取得可能であり、戻る顧客の百分率を決定することができる。 The third parameter is a customer retention index, expressed as Ci. This index can be obtained from log analysis and can determine the percentage of customers returning.
したがって、ＱｏＥは、「Ａ」、「Ｎｃ」および「Ｃｉ」によって支配される関数、すなわちｆ（Ａ，Ｎｃ，Ｃｉ）として表すことができる。 Thus, QoE can be expressed as a function dominated by “A”, “Nc” and “Ci”, ie, f (A, Nc, Ci).
＜タイムスロットにおける顧客のグループ化およびタイムスラックの割当て＞
営業時間制約により、フリート事業者は、ｔｓに始まりｔｅに終わる営業時間ＯＴと呼ばれる特定の時間中に操業する。フリート車両が路上にある実際の営業時間は、各経路Ｋに対しｔｓ′に始まりｔｅ′に終わる経路時間ＲＴ Ｋで表され、実際の営業時間ＯＴの一部である。したがって、空いているバッファ時間はスラックタイムＡＳＴとして使用可能であり、次式で与えられる。
ＡＳＴ Ｋ＝ＯＴ−ＲＴ Ｋ （３）
<Customer grouping and time slack allocation in time slots>
By operating time constraints, fleet operators, to operate during a specific period of time, called the opening hours O T ending in t e beginning to t s. Actual Hours fleet vehicle is on the road is represented by the path time R T K ending in 't e begins in' t s for each path K, it is a part of the actual operating hours O T. Therefore, in that the buffer time available may be used as a slack time AS T, it is given by the following equation.
AS T K = O T -R T K (3)
顧客は、全利用可能経路時間ＲＴ中にサービスされ、経路時間ＲＴはタイムスロット／期間Ｔｐに分割される。これらのタイムスロットは、一様な継続時間であることも可能であるし（顧客指向）、地域においてサービスされる顧客の数を考慮することによって調整されることも可能である（運用指向）。顧客のダイナミシティ（特に、不在時配送および時空間需要変動から生じる）を吸収するため、各タイムスロット（部分経路ｉに対応する）はタイムスラックＳＴ ｉに関連づけられる。 Customer is serviced in total available route time R T, the path time R T is divided into time slots / period T p. These time slots can be of uniform duration (customer oriented) or can be adjusted by taking into account the number of customers served in the region (operation oriented). Each time slot (corresponding to partial path i) is associated with a time slack S T i to absorb customer dynamics (especially arising from out-of-office delivery and spatio-temporal demand fluctuations).
経路Ｋ内の部分経路ｉに関連づけられる最大のスラックタイムは次式で与えられる。
静的タイムスラックは最適でない。というのは、各タイムスロットが、顧客行動およびその他のダイナミシティに寄与する因子に基づく相異なるダイナミクスを有するからである。各タイムスロットに対する静的スラックタイムの結果としてリソースが浪費されるので、スラックタイムを最適化することが好ましい。本発明の実施形態によれば、このような改良が、各部分経路ｉに関連づけられたスラック影響因子αを考慮することによって達成される。 Static time slack is not optimal. This is because each time slot has a different dynamic based on factors that contribute to customer behavior and other dynamics. Since resources are wasted as a result of static slack time for each time slot, it is preferable to optimize slack time. According to an embodiment of the present invention, such an improvement is achieved by considering the slack influence factor α associated with each partial path i.
最適なスラックタイムは次式で与えられる。
ＯＳＴ ｉ＝αｉ・ＭＳＴ ｉ （５）
ただし０≦α≦１である。
The optimal slack time is given by:
OS T i = α i · MS T i (5)
However, 0 ≦ α ≦ 1.
各部分経路ｉに関連づけられたこのスラック影響因子αは、スロット不整合因子ＳＩＦｉによって支配され、これは次式のように表される。
ＳＩＦｉ＝（ＮＣ ｉ×ρ（φρ））＋Ｆ（Ａ，Ｂ，Ｃ） （６）
ただし、
ＮＣ ｉは、部分経路ｉにおける顧客の数であり、
ρ（φρ）は、ログ分析に基づいて各顧客に関連づけられたダイナミシティの程度であり、
Ｆ（Ａ，Ｂ，Ｃ）は、上記で導入したようなスロット不整合因子であり、ログ分析からの各配送に対して費やされる推定時間Ａ、推定交通条件Ｂ、および加えられたダイナミシティに対するドライバの反応Ｃに基づく。
This slack influence factor α associated with each partial path i is governed by the slot mismatch factor SIF i , which is expressed as:
SIF i = (N C i × ρ (φ ρ )) + F (A, B, C) (6)
However,
N C i is the number of customers in partial path i,
ρ (φ ρ ) is the degree of dynamics associated with each customer based on log analysis,
F (A, B, C) is a slot mismatch factor as introduced above, for the estimated time A, estimated traffic condition B, and added dynamics spent for each delivery from log analysis. Based on driver response C.
したがって、次式のようになる。
本発明の実施形態によるタイムスロット生成およびタイムスラック導入の可能な実現を図４に例示する。 A possible realization of time slot generation and time slack introduction according to an embodiment of the present invention is illustrated in FIG.
＜顧客の動的再割当ておよび最適なスラックタイムの再最適化＞
実行段階中に、基礎ＶＲＰアルゴリズムから得られるタイムスロット化された解が、不在時配送や時空間需要変化について連続的にモニタリングされる。車両Ｖｋが、動的需要を有する顧客Ｃｉに遭遇すると、再割当てアルゴリズムがこの顧客を異なる実現可能なタイムスロットに割り当てる。この段階中（一般的に３０３に例示）には、ＶＲＰ解を古典的に実行する（各経路が倉庫に始まり終わる）代わりに、本方法は、修正されたオープンＶＲＰアプローチを利用する。なお、オープンＶＲＰとは、車両が倉庫から出発するがその倉庫に戻ることは要求されないＶＲＰ技法である（例えば非特許文献３に記載）。本実施形態では、このようなオープンＶＲＰが修正され、倉庫から出発する代わりに、計画は、車両が現在位置する任意のランダムな顧客から出発可能であるようになる。換言すれば、車両はランダムな顧客から出発しランダムな顧客に終着する。
<Dynamic customer reallocation and optimal slack time reoptimization>
During the execution phase, the time-slotted solution obtained from the basic VRP algorithm is continuously monitored for unattended delivery and spatio-temporal demand changes. When the vehicle V k encounters a customer C i with dynamic demand, the reallocation algorithm assigns this customer to a different possible time slot. During this phase (generally illustrated at 303), instead of classically executing the VRP solution (each path starts and ends in the warehouse), the method utilizes a modified open VRP approach. The open VRP is a VRP technique in which a vehicle starts from a warehouse but does not require returning to the warehouse (for example, described in Non-Patent Document 3). In this embodiment, such an open VRP is modified so that instead of leaving from the warehouse, the plan can start from any random customer where the vehicle is currently located. In other words, the vehicle starts from a random customer and ends up at a random customer.
このアプローチでは、修正オープンＶＲＰが、次のようなすべての利用可能な運用指向タイムスロットＴｐ ｉについて再帰的に実行される。
Ｓｉ，Ｅｊ∈Ｑ
ただし、Ｓｉ，Ｅｊはタイムスロット内の始点および終点ノードであり、Ｑは、静止行動インデックスを有する顧客の集合である。換言すれば、修正オープンＶＲＰ法は、各タイムスロットにおいて、顧客行動インデックスに基づいてランダムなノードで経路を開始し終了することによって動作する。
In this approach, a modified open VRP is recursively performed for all available operational oriented time slots T p i as follows:
S i , E j ∈Q
Where S i and E j are the start and end nodes in the time slot, and Q is a set of customers having a static behavior index. In other words, the modified open VRP method operates by starting and ending a route at a random node based on the customer behavior index in each time slot.
実行中、アルゴリズムは、３０４に示すように、運用コスト最小化に基づいて、顧客Ｃｉへの企図された再配送に対する適当なスロットを求める。再スケジューリングされた配送のタイミングを設定した後、配送待ち時間の通知が顧客に与えられる。待ち時間は、顧客指向タイムスロット（すなわち１時間）に等しい。再割当て段階中に、アルゴリズムは、顧客Ｃｉの時空間需要に対処するために、静止顧客に強くコミットし続けることによりそれらの顧客のタイムスロット時間Ｔｐ ｉが影響を受けないようにしようと試みる。そのアルゴリズムのフローチャートを図５に示す。
Running the algorithm, as shown in 304, based on operating cost minimization, obtaining the appropriate slot for redistribution which is contemplated to customer C i. After setting the rescheduled delivery timing, the customer is notified of delivery latency. Latency is equal to a customer-oriented time slot (
再割当て中に、各スロットは、準静止顧客に対する完全静止顧客の比についてチェックされる。再割当てアルゴリズムは、準静止顧客を同じスロットに保持することも可能であるし、図５に示すように、より良好なＯＰＥＸが達成されるのであればその顧客を別のスロットに移動することも可能である。この場合、影響を受けた／不在時の顧客Ｃ３への配送は、初期タイムスロット「Ｔ＋１」から新規タイムスロット「Ｔ＋２」へ再割当てされる。顧客Ｃ１−Ｃ５を囲むボックス（初期計画）およびＣ２−Ｃ５を囲むボックス（オンライン最適化された計画）は、それぞれ、全体計画の残りの全期間を示す。点線ボックスは、すでにサービス済みの顧客を示す。このアプローチは、信頼できる顧客を不利にすることなく、フリート事業者のＯＰＥＸをさらに最適化するのに役立つ。 During reassignment, each slot is checked for the ratio of fully stationary customers to quasi-stationary customers. The reassignment algorithm can keep the quasi-stationary customer in the same slot, or move the customer to another slot if better OPEX is achieved, as shown in FIG. Is possible. In this case, delivery to the affected / absent customer C3 is reassigned from the initial time slot “T + 1” to the new time slot “T + 2”. The box surrounding customers C1-C5 (initial plan) and the box surrounding C2-C5 (online optimized plan) each show the entire remaining period of the overall plan. Dotted boxes indicate already served customers. This approach helps to further optimize the fleet operator's OPEX without penalizing trusted customers.
計画の実行中、配送が成功するごとに、関連づけられたスロット不整合因子ＳＩＦｉがデクリメントされ、新規のＯＳＴ ｉが関連づけられる。スラックタイムを動的に更新する（とともに、実行時に、特に時空間データに基づいて、タイムスラックを再調整する）ことにより、経路時間が大幅に短縮されることで、フリート事業者は、より多くの配送を営業時間内にスケジューリングすることが可能となる。 During the execution of the plan, every successful delivery, the associated slot mismatch factor SIF i is decremented and a new OS T i is associated. Fleet operators are able to increase their fleet by significantly reducing slack time (and re-adjusting time slack at run time, especially based on spatio-temporal data), thereby significantly reducing route time. Can be scheduled within business hours.
なお、顧客の再スケジューリングは、イベントを変更することに制限されない。本システムが、実行中に、新規計画が全体的なＯＰＥＸにとって有益であると評価した場合にも、顧客は再スケジューリングされることが可能である。上記のように、計画におけるいずれの変更も、顧客のＱｏＥを考慮する。 Note that customer rescheduling is not limited to changing events. Customers can also be rescheduled if the system evaluates the new plan as beneficial to the overall OPEX during execution. As noted above, any change in the plan takes into account the customer's QoE.
ＯＰＥＸに対するダイナミズムの影響を最小化するために、全体的なスロット不整合が判定された後、本発明の実施形態は、より高い不整合を有する顧客をスロットタイムの最初にスケジューリングしようとする。このアクションを実行するため、オープンＶＲＰアルゴリズムの入力が修正される。 In order to minimize the impact of dynamism on OPEX, after an overall slot mismatch is determined, embodiments of the present invention attempt to schedule customers with higher mismatch at the beginning of the slot time. To perform this action, the input of the open VRP algorithm is modified.
顧客には、重み因子Ｗ（Ｃｉ）が関連づけられ、不整合が高いほど重み因子は低い。オープンＶＲＰアルゴリズムは、顧客の距離や運行時間のような輸送関連パラメータだけでなく、各顧客に関連づけられた重み因子にも基づいて、配送の順序を計算する。 The customer is associated with a weight factor W (C i ), and the higher the mismatch, the lower the weight factor. The open VRP algorithm calculates the order of delivery based not only on transport related parameters such as customer distance and operating time, but also on weighting factors associated with each customer.
上記のアプローチは、単一の出発地および目的地を有するサプライチェーン物流にも適用可能である。サプライチェーン物流における重要な効果は、さまざまなエンティティにわたって広がる、関連するドミノ効果である。本発明により提案される方法は、このような効果を識別し時間を調整することによりその効果を最小化するために使用可能である。 The above approach is also applicable to supply chain logistics with a single origin and destination. An important effect in supply chain logistics is the related domino effect spreading across various entities. The method proposed by the present invention can be used to identify such effects and minimize them by adjusting the time.
本発明の実施形態は、Solomon's Test Instance（ソロモンのテスト例）でテストされた。Solomon'sは、２５〜２００の顧客例に対するよく知られた解である。予備的結果（不在時配送が１０％の場合を図６に、２０％の場合を図７に例示する）は次の通りである。
・運行距離は、不在時顧客を翌日に再スケジューリングする場合に比べて２０％短縮される。
・不在時顧客を他の顧客集合とともに再計画すると、容量の浪費および追加的経路が生じる。
Embodiments of the present invention have been tested with Solomon's Test Instance. Solomon's is a well-known solution for 25-200 customer examples. Preliminary results (illustrated delivery is 10% in FIG. 6 and 20% in FIG. 7 are illustrated) are as follows.
• Travel distance is reduced by 20% compared to rescheduling a customer who is absent the next day.
• Replanning out-of-office customers with other customer sets results in wasted capacity and additional paths.
したがって、本発明は、負担コストおよび必要なリソースに関して、現在の再スケジューリングシステムに比べてＯＰＥＸを改善する。 Thus, the present invention improves OPEX over current rescheduling systems with respect to burden costs and required resources.
上記の説明および添付図面の記載に基づいて、当業者は本発明の多くの変形例および他の実施形態に想到し得るであろう。したがって、本発明は、開示した具体的実施形態に限定されるものではなく、変形例および他の実施形態も、添付の特許請求の範囲内に含まれるものと解すべきである。本明細書では特定の用語を用いているが、それらは総称的・説明的意味でのみ用いられており、限定を目的としたものではない。 Based on the above description and accompanying drawings, those skilled in the art will be able to conceive of many variations and other embodiments of the present invention. Accordingly, the invention is not limited to the specific embodiments disclosed, but variations and other embodiments should be construed within the scope of the appended claims. Although specific terms are used herein, they are used in a generic and descriptive sense only and are not intended to be limiting.
Claims (18)
前記フリートは、配送サービスを実行する複数の車両を含み、
初期配送計画が配送に対する顧客の需要に基づいて生成され、前記初期配送計画が、前記車両の経路を指定し、該経路における前記配送サービスの顧客をスケジューリングし、
該方法は、
前記初期配送計画の計画期間を複数のタイムスロットに分割するステップと、
前記タイムスロットのそれぞれを、該タイムスロットにおけるダイナミシティに寄与する因子に応じたスロット不整合因子に関連づけるステップと、
前記スロット不整合因子に基づいて、動的変化を吸収するように、前記タイムスロットのそれぞれを個別のスラックタイムに割り当てるステップと
を備えたことを特徴とする、動的なフリートのルーティング方法。 In the dynamic fleet routing method,
The fleet includes a plurality of vehicles that perform a delivery service;
An initial delivery plan is generated based on customer demand for delivery, wherein the initial delivery plan specifies a route for the vehicle and schedules customers for the delivery service on the route;
The method
Dividing the planning period of the initial delivery plan into a plurality of time slots;
Associating each of the time slots with a slot mismatch factor depending on a factor contributing to the dynamics in the time slot;
Assigning each of the time slots to a separate slack time so as to absorb dynamic changes based on the slot mismatch factor. A dynamic fleet routing method comprising:
前記タイムスロットにおいて複数の配送を行うための推定時間、
前記タイムスロットに含まれる期間中に、検査された地理的エリアにおいて予想される交通量、および
初期配送計画の実行中に発生したダイナミシティに対する前記車両のドライバの反応
の少なくとも１つを含むことを特徴とする請求項１ないし９のいずれか１項に記載の方法。 The factors that contribute to the dynamics in time slots and are considered to determine the inconsistency factor are the following factors:
An estimated time for performing multiple deliveries in the time slot;
Including at least one of the expected traffic in the inspected geographic area during the period included in the time slot and the vehicle driver's response to the dynamics that occurred during execution of the initial delivery plan. 10. A method according to any one of the preceding claims, characterized in that it is characterized in that
前記フリートは、配送サービスを実行する複数の車両を含み、
初期配送計画が配送に対する顧客の需要に基づいて生成され、前記初期配送計画が、前記車両の経路を指定し、該経路における前記配送サービスの顧客をスケジューリングし、
該システムは、
前記初期配送計画の計画期間を複数のタイムスロットに分割し、
前記タイムスロットのそれぞれを、該タイムスロットにおけるダイナミシティに寄与する因子に応じたスロット不整合因子に関連づけ、
前記スロット不整合因子に基づいて、動的変化を吸収するように、前記タイムスロットのそれぞれを個別のスラックタイムに割り当てる
ように構成された計算手段を備えたことを特徴とするフリート管理システム。 A fleet management system, particularly for performing a method according to any one of claims 1 to 14,
The fleet includes a plurality of vehicles that perform a delivery service;
An initial delivery plan is generated based on customer demand for delivery, wherein the initial delivery plan specifies a route for the vehicle and schedules customers for the delivery service on the route;
The system
Dividing the planning period of the initial delivery plan into a plurality of time slots;
Associating each of the time slots with a slot mismatch factor according to a factor contributing to the dynamics in the time slot;
A fleet management system comprising calculation means configured to allocate each of the time slots to an individual slack time so as to absorb dynamic changes based on the slot mismatch factor.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014078593A JP5944431B2 (en) | 2014-04-07 | 2014-04-07 | Dynamic fleet routing |
| PCT/EP2014/075260 WO2015154831A1 (en) | 2014-04-07 | 2014-11-21 | Dynamic fleet routing |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014078593A JP5944431B2 (en) | 2014-04-07 | 2014-04-07 | Dynamic fleet routing |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015201006A true JP2015201006A (en) | 2015-11-12 |
| JP5944431B2 JP5944431B2 (en) | 2016-07-05 |
Family
ID=52016030
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014078593A Active JP5944431B2 (en) | 2014-04-07 | 2014-04-07 | Dynamic fleet routing |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP5944431B2 (en) |
| WO (1) | WO2015154831A1 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110276488A (en) * | 2019-06-18 | 2019-09-24 | 浙江财经大学 | A kind of vehicle routing optimization method based on matrix in block form and fuzzy haulage time |
| JP2020009355A (en) * | 2018-07-12 | 2020-01-16 | Kddi株式会社 | Delivery management device, privilege application device, delivery management method, and privilege application method |
| JP2020098573A (en) * | 2018-10-15 | 2020-06-25 | アクセンチュア グローバル ソリューションズ リミテッド | Continuous delivery |
| US11367031B2 (en) | 2020-02-21 | 2022-06-21 | Hitachi, Ltd. | Delivery plan creating device and delivery plan creating method |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105550471A (en) * | 2016-01-19 | 2016-05-04 | 公安部道路交通安全研究中心 | Method and apparatus for calculating motor vehicle bearing capacity of road network |
| SG11201809130VA (en) | 2016-04-25 | 2018-11-29 | Hitachi Transport System Ltd | Delivery plan making system and delivery plan making method |
| CN111768043A (en) * | 2017-07-28 | 2020-10-13 | 株式会社日立制作所 | Distribution plan generation method, device and system for distribution vehicle |
| CN110516871B (en) * | 2019-08-22 | 2023-09-19 | 安庆师范大学 | Dynamic vehicle path optimization method based on fuzzy rolling time domain control strategy |
| CN111985698B (en) * | 2020-07-30 | 2024-03-08 | 中国外运股份有限公司 | Method and device for determining split loading of kitchen and bathroom type vehicles conveyed and installed at home |
| CN117151321A (en) * | 2023-10-31 | 2023-12-01 | 临沂慧商物流信息技术有限公司 | Logistics transportation management method based on optimization algorithm |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000062938A (en) * | 1998-08-21 | 2000-02-29 | Fujitsu Ten Ltd | Delivery control system |
| JP2002187622A (en) * | 2000-12-21 | 2002-07-02 | Honda Express Co Ltd | Method of optimizing loading pattern in vehicle transportation system and base server for the same and memory medium recorded with program for the same |
| JP2004345792A (en) * | 2003-05-22 | 2004-12-09 | Grantio:Kk | Nighttime delivery control system |
| JP2014059770A (en) * | 2012-09-18 | 2014-04-03 | Toshiba Corp | Delivery object delivery support system and delivery object information management server |
-
2014
- 2014-04-07 JP JP2014078593A patent/JP5944431B2/en active Active
- 2014-11-21 WO PCT/EP2014/075260 patent/WO2015154831A1/en active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000062938A (en) * | 1998-08-21 | 2000-02-29 | Fujitsu Ten Ltd | Delivery control system |
| JP2002187622A (en) * | 2000-12-21 | 2002-07-02 | Honda Express Co Ltd | Method of optimizing loading pattern in vehicle transportation system and base server for the same and memory medium recorded with program for the same |
| JP2004345792A (en) * | 2003-05-22 | 2004-12-09 | Grantio:Kk | Nighttime delivery control system |
| JP2014059770A (en) * | 2012-09-18 | 2014-04-03 | Toshiba Corp | Delivery object delivery support system and delivery object information management server |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020009355A (en) * | 2018-07-12 | 2020-01-16 | Kddi株式会社 | Delivery management device, privilege application device, delivery management method, and privilege application method |
| JP2020098573A (en) * | 2018-10-15 | 2020-06-25 | アクセンチュア グローバル ソリューションズ リミテッド | Continuous delivery |
| US11079243B2 (en) | 2018-10-15 | 2021-08-03 | Accenture Global Solutions Limited | Continuous delivery |
| CN110276488A (en) * | 2019-06-18 | 2019-09-24 | 浙江财经大学 | A kind of vehicle routing optimization method based on matrix in block form and fuzzy haulage time |
| US11367031B2 (en) | 2020-02-21 | 2022-06-21 | Hitachi, Ltd. | Delivery plan creating device and delivery plan creating method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP5944431B2 (en) | 2016-07-05 |
| WO2015154831A1 (en) | 2015-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5944431B2 (en) | Dynamic fleet routing | |
| US20220172175A1 (en) | Transportation system and method for allocating frequencies of transit services therein | |
| Psaraftis et al. | Dynamic vehicle routing problems: Three decades and counting | |
| Schuijbroek et al. | Inventory rebalancing and vehicle routing in bike sharing systems | |
| Legato et al. | Berth planning and resources optimisation at a container terminal via discrete event simulation | |
| Kliewer et al. | Multiple depot vehicle and crew scheduling with time windows for scheduled trips | |
| Xue et al. | Optimization of rider scheduling for a food delivery service in O2O business | |
| US20080222644A1 (en) | Risk-modulated proactive data migration for maximizing utility in storage systems | |
| EP2476578B1 (en) | Dynamic load profiling | |
| Covic | Re-marshalling in automated container yards with terminal appointment systems | |
| Kim et al. | A framework for the assessment of collaborative en route resource allocation strategies | |
| CN103765408A (en) | Quality of service aware captive aggregation with true datacenter testing | |
| US20120158451A1 (en) | Dispatching Tasks in a Business Process Management System | |
| Cats et al. | Optimizing the number and location of time point stops | |
| Pérez Rivera et al. | Integrated scheduling of drayage and long-haul operations in synchromodal transport | |
| Larsen et al. | Classification of dynamic vehicle routing systems | |
| Spieser et al. | Vehicle routing for shared-mobility systems with time-varying demand | |
| Ferrucci | Pro-active dynamic vehicle routing: real-time control and request-forecasting approaches to improve customer service | |
| Liu et al. | Solving a multi-period home health care routing and scheduling problem using an efficient matheuristic | |
| Simoni et al. | Crowdsourced on-demand food delivery: An order batching and assignment algorithm | |
| Zou et al. | A look-ahead partial routing framework for the stochastic and dynamic vehicle routing problem | |
| Shen et al. | The stochastic vehicle routing problem for minimum unmet demand | |
| Jenelius | Data-driven bus crowding prediction based on real-time passenger counts and vehicle locations | |
| Zhou et al. | A scalable vehicle assignment and routing strategy for real-time on-demand ridesharing considering endogenous congestion | |
| Lima et al. | Simulation‐Based Planning and Control of Transport Flows in Port Logistic Systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20150824 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20150924 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20151026 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20151118 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160427 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160525 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5944431 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |