一种考虑预约机制的零担车货匹配及车辆调度方法技术

本发明专利技术公开了一种考虑预约机制的零担车货匹配及车辆调度方法包括：配送中心首先收集车辆与货物信息，放入待匹配队列，同时对预约单信息进行筛选，将满足条件的预约单加入匹配队列；根据目前的专线情况，选择一部分货物由专线班车进行配送；建立车货匹配模型并通过改进人工蜂鸟算法求解；根据结果对车辆进行调度，最后对班车专线进行分析与调整。本发明专利技术结合预约机制，综合考虑货物的到达时间与装货时间，建立基于预约机制的动态车货匹配模型，充分考虑了预约机制下订单取消、订单时间变更等情况，在保证货物运输的基础上，降低配送中心的运输成本，同时规划出零担物流专线，满足货主的运输需求，提升了配送中心的配送效率。提升了配送中心的配送效率。提升了配送中心的配送效率。

【技术实现步骤摘要】
一种考虑预约机制的零担车货匹配及车辆调度方法


[0001]本专利技术涉及物流
，具体为一种考虑预约机制的零担车货匹配及车辆调度方法。

技术介绍

[0002]车货匹配，是指在互联网+的背景下，充分利用在线平台，借助互联网与计算机的匹配效率、高速信息检索能力，对货物与货车进行匹配，同时进行货车调度，从而减少信息不对称、信息更新不及时等问题，提高车辆与货物的匹配效率，节约配送成本。
[0003]零担货物是指一个货物订单所托运的货物体积或重量不够装满一车的货物，该类货物往往与其他订单的货物共用一辆货车，一起进行配送。以分布在城市中的营业网点作为零担货物收货点及零担货物配送点，承运部门会将不同货主的订单凑整一车后再进行运输。随着移动网络的发展，货主会在手机上提前下单，生成货物配送预约单，货物在一定时间后到达配送中心进行配送。
[0004]现有的车货匹配模型主要有以下问题：首先大部分模型只考虑当前货物与当前车辆的匹配，虽然能够求解出当前时间点的最优解，但并不一定是整个配送周期内的最优解，其次部分模型没有加入对突发状况的处理，无法应对实际车货匹配中复杂的情况，最后对于历史车货匹配数据，没有进行分析处理。若是将未来到达货物纳入当前车货匹配的决策中，加入对突发状况的处理，保存历史数据并进行分析规划，能够进一步提升匹配效率，节约配送成本。

技术实现思路

[0005]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0006]鉴于上述存在的问题，提出了本专利技术。
[0007]因此，本专利技术解决的技术问题是：现有的车货匹配模型更关注当前可配送货物与车辆的匹配，存在匹配不准确、配送效率低的问题，以及如何将未来到达的货物纳入当前车货匹配决策中的优化问题。
[0008]为解决上述技术问题，本专利技术提供如下技术方案：一种考虑预约机制的零担车货匹配及车辆调度方法，包括：配送中心收集车辆与货物信息，放入待匹配队列，同时对预约单信息进行筛选，将满足条件的预约单加入匹配队列；根据零担物流班车专线规划情况，选择部分货物由专线班车进行配送；建立车货匹配模型并通过改进人工蜂鸟算法求解得到配送成本最小的车货匹配结果，规划出车辆调度表；根据车辆调度表对车辆进行调度，对班车专线进行分析与调整。
[0009]作为本专利技术所述的考虑预约机制的零担车货匹配及车辆调度方法的一种优选方案，其中：所述车辆与货物信息包括目前在配送中心的可调度车辆信息和已到达配送中心的货物信息，其中车辆信息包括车辆载重，可容纳货物体积，发车基础费用，油耗，行驶速度；货物信息包括物体积，重量，超时罚款，目的地，允许的最大配送时间，到达配送中心时间；所述预约单用于描述预约货物信息，所述预约单信息包括货物的体积、载重、超时罚款、目的地、到达配送中心时间、允许的最大配送时间；所述配送中心为周边区域的零担货物收货点及零担货物配送点，需要配送的货物必须先到达配送中心进行装车，货物分为已到达配送中心货物与预订单货物两种，配送中心有若干车辆，配送中心需要安排车辆配送的货物与车辆发车时间；货物有允许的最大配送时间，若从货物送达配送中心到货物配送至目的地所耗费的时间超过货物允许的最大配送时间，则会产生超时罚款。
[0010]作为本专利技术所述的考虑预约机制的零担车货匹配及车辆调度方法的一种优选方案，其中：所述对预约单信息进行筛选，将满足条件的预约单加入匹配队列的步骤还包括：根据所述配送中心的开始配送时间和结束配送时间对预约单的货物到达配送中心时间进行筛选；将早于所述结束配送时间到达的货物划分到当前配送周期并纳入匹配；进行所述匹配时，允许将还未到达配送中心的货物与已到达配送中心的货物分配到同一辆车上，货车需要等待所有分配的货物均到达配送中心且装载完成才能够发车。
[0011]作为本专利技术所述的考虑预约机制的零担车货匹配及车辆调度方法的一种优选方案，其中：所述零担物流班车专线为：每天固定时间固定路线的配送，班车由配送中心出发，将负责的货物配送完成后再回到配送中心；所述零担物流专线根据配送量较大的路径与时间点规划得出，若货物的配送点在专线班车的配送路线中，且根据班车发车的时间点计算，货物的配送不会超时，则该货物符合专线班车的配送条件。
[0012]作为本专利技术所述的考虑预约机制的零担车货匹配及车辆调度方法的一种优选方案，其中：所述建立车货匹配模型包括：目标函数，表示为：，其中，为车辆发车的基础费用， 为根据车辆行驶路径计算的油耗费用，为货物的包装与装卸费用，为超时货物的罚款；式中，V表示车辆集合{1,2,3
……
v}；P表示配送中心以及配送点，P={0,1,2
……
p}，其中0表示配送中心，其余编号表示需要配送的地点；表示车辆v是否从点i行驶到点j；表示车辆v发车的基础费用；表示点i到点j的距离；表示车辆v的油耗；C表示所有货物集合{1,2,3
……
c}；表示货物c是否由车辆v负责运输；表示货物c的
包装、装卸费用；表示货车v的发车时间；表示当前配送方案下货物c距离目的地的距离；表示货车v的行驶速度；表示当前匹配方案中，车辆v负责且计划在货物c之前配送的货物集合{1,2,3
……
e}；表示货物c的装/卸货时间；表示货物c到达配送中心的时间点；表示货物c允许的最大配送时间；表示货物c的超时罚款。
[0013]作为本专利技术所述的考虑预约机制的零担车货匹配及车辆调度方法的一种优选方案，其中：所述通过改进人工蜂鸟算法求解的步骤包括：初始化参数，包括：最大迭代次数，维度，解空间下限，解空间上限，种群数量，迁徙系数；引入sobol序列初始化种群，在解空间中生成初始食物源的位置，使食物源在解空间的分布更均匀，保证解的多样性；初始化适应度表格，对种群中的个体计算适应度，并初始化食物源访问表；蜂鸟飞行方式包括：全向飞行、轴向飞行和对角飞行，引入飞行方式奖励机制，使每只蜂鸟更趋向于选择获取花蜜多的飞行方式，初始化每只蜂鸟的飞行习惯表，初始时蜂鸟选择三种飞行的概率相等；根据蜂鸟的飞行习惯表，选择蜂鸟本次觅食的飞行方式；随机选择蜂鸟的觅食方式：引导觅食或区域觅食；判断蜂鸟的觅食方式是否为引导觅食；若是，查询食物源访问表与适应度表，选择长时间未访问且花蜜补充率高的食物源作为目标食物源，引入优秀食物源记忆机制，大部分蜂鸟根据目标食物源与飞行方式生成下一次迭代的候选食物源，同时蜂鸟有一定概率会结合上一次迭代的优秀食物源与本次目标食物源进行飞行，并生成下一次迭代的候选食物源，避免蜂鸟总是在自己的目标食物源处飞行，陷入局部最优；否则，蜂鸟不访问其他现有的食物源，移动到自己领地外的邻近地区寻找新食物源作为候选食物源；比较候选食物源与蜂鸟的原食物源，选择适应度高的食物源作为蜂鸟的新食物源，并根据食物源的选择更新访问表与适应度表，若蜂鸟本次飞行后在候选食物源处获得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑预约机制的零担车货匹配及车辆调度方法，其特征在于，包括：配送中心收集车辆与货物信息，放入待匹配队列，同时对预约单信息进行筛选，将满足条件的预约单加入匹配队列；根据零担物流班车专线规划情况，选择部分货物由专线班车进行配送；建立车货匹配模型并通过改进人工蜂鸟算法求解得到配送成本最小的车货匹配结果，规划出车辆调度表；根据车辆调度表对车辆进行调度，对班车专线进行分析与调整。2.如权利要求1所述的考虑预约机制的零担车货匹配及车辆调度方法，其特征在于：所述车辆与货物信息包括目前在配送中心的可调度车辆信息和已到达配送中心的货物信息，其中车辆信息包括车辆载重，可容纳货物体积，发车基础费用，油耗，行驶速度；货物信息包括物体积，重量，超时罚款，目的地，允许的最大配送时间，到达配送中心时间；所述预约单用于描述预约货物信息，所述预约单信息包括货物的体积、载重、超时罚款、目的地、到达配送中心时间、允许的最大配送时间；所述配送中心为周边区域的零担货物收货点及零担货物配送点，需要配送的货物必须先到达配送中心进行装车，货物分为已到达配送中心货物与预订单货物两种，配送中心有若干车辆，配送中心需要安排车辆配送的货物与车辆发车时间；货物有允许的最大配送时间，若从货物送达配送中心到货物配送至目的地所耗费的时间超过货物允许的最大配送时间，则会产生超时罚款。3.如权利要求1或2所述的考虑预约机制的零担车货匹配及车辆调度方法，其特征在于：所述对预约单信息进行筛选，将满足条件的预约单加入匹配队列的步骤还包括：根据所述配送中心的开始配送时间和结束配送时间对预约单的货物到达配送中心时间进行筛选；将早于所述结束配送时间到达的货物划分到当前配送周期并纳入匹配；进行所述匹配时，允许将还未到达配送中心的货物与已到达配送中心的货物分配到同一辆车上，货车需要等待所有分配的货物均到达配送中心且装载完成才能够发车。4.如权利要求1所述的考虑预约机制的零担车货匹配及车辆调度方法，其特征在于：所述零担物流班车专线为：每天固定时间固定路线的配送，班车由配送中心出发，将负责的货物配送完成后再回到配送中心；所述零担物流专线根据配送量较大的路径与时间点规划得出，若货物的配送点在专线班车的配送路线中，且根据班车发车的时间点计算，货物的配送不会超时，则该货物符合专线班车的配送条件。5.如权利要求1所述的考虑预约机制的零担车货匹配及车辆调度方法，其特征在于：所述建立车货匹配模型包括：目标函数，表示为：，其中，为车辆发车的基础费用， 为根据车辆行驶路径计算的油耗费用，为货物的包装与装卸费用，
为超时货物的罚款；式中，V表示车辆集合{1,2,3
……
v}；P表示配送中心以及配送点，P={0,1,2
……
p}，其中0表示配送中心，其余编号表示需要配送的地点；表示车辆v是否从点i行驶到点j；表示车辆v发车的基础费用；表示点i到点j的距离；表示车辆v的油耗；C表示所有货物集合{1,2,3
……
c}；表示货物c是否由车辆v负责运输；表示货物c的包装、装卸费用；表示货车v的发车时间；表示当前配送方案下货物c距离目的地的距离；表示货车v的行驶速度；表示当前匹配方案中，车辆v负责且计划在货物c之前配送的货物集合{1,2,3
……
e}；表示货物c的装/卸货时间；表示货物c到达配送中心的时间点；表示货物c允许的最大配送时间；表示货物c的超时罚款。6.如权利要求1或5所述的考虑预约机制的零担车货匹配及车辆调度方法，其特征在于：所述通过改进人工蜂鸟算法求解的步骤包括：初始化参数，包括：最大迭代次数，维度，解空间下限，解空间上限，种群数量，迁徙系数；引入sobol序列初始化种群，在解空间中生成初始食物源的位置，使食物源在解空间的分布更均匀，保证解的多样性；初始化适应度表格，对种群中的个体计算适应度，并初始化食物源访问表；蜂鸟飞行方式包括：全向飞行、轴向飞行和对角飞行，引入飞行方式奖励机制，使每只蜂鸟更趋向于选择获取花蜜多的飞行方式，初始化每只蜂鸟的飞行习惯表，初始时蜂鸟选择三种飞行的概率相等；根据蜂鸟的飞行习惯表，选择蜂鸟本次觅食的飞行方式；随机选择蜂鸟的觅食方式：引导觅食或区域觅食；判断蜂鸟的觅食方式是否为引导觅食；若是，查询食物源访问表与适应度表，选择长时间未访问且花蜜补充率高的食物源作为目标食物源，引入优秀食物源记忆机制，大部分蜂鸟根据目标食物源与飞行方式生成下一次迭代的候选食物源，同时蜂鸟有一定概率会结合上一次迭代的优秀食物源与本次目标食物源进行飞行，并生成下一次迭代的候选食物源，避免蜂鸟总是在自己的目标食物源处飞行，陷入局部最优；否则，蜂鸟不访问其他现有的食物源，移动到自己领地外的邻近地区寻找新食物源作为候选食物源；比较候选食物源与蜂鸟的原食物源，选择适应度高的食物源作为蜂鸟的新食物源，并根据食物源的选择更新访问表与适应度表，若蜂鸟本次飞行后在候选食物源处获得了更多花蜜，则调整蜂鸟的飞行...

【专利技术属性】
技术研发人员：孙知信，刘毅，赵学健，孙哲，曹亚东，宫婧，汪胡青，胡冰，徐玉华，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：