[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN111191873B - 配送车辆调度方法、装置、系统、计算机设备和存储介质 - Google Patents

配送车辆调度方法、装置、系统、计算机设备和存储介质 Download PDF

Info

Publication number
CN111191873B
CN111191873B CN201911171714.8A CN201911171714A CN111191873B CN 111191873 B CN111191873 B CN 111191873B CN 201911171714 A CN201911171714 A CN 201911171714A CN 111191873 B CN111191873 B CN 111191873B
Authority
CN
China
Prior art keywords
algorithm
path
vehicle
scheduling result
color
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
Application number
CN201911171714.8A
Other languages
English (en)
Other versions
CN111191873A (zh
Inventor
邢聪聪
李仙果
何丽
朱海兵
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.)
Zhejiang Shulian Technology Co ltd
Original Assignee
Zhejiang Shulian Technology 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 Zhejiang Shulian Technology Co ltd filed Critical Zhejiang Shulian Technology Co ltd
Priority to CN201911171714.8A priority Critical patent/CN111191873B/zh
Publication of CN111191873A publication Critical patent/CN111191873A/zh
Application granted granted Critical
Publication of CN111191873B publication Critical patent/CN111191873B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—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
    • G06Q10/04—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
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (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)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种配送车辆调度方法、装置、系统、计算机设备和存储介质。所述方法包括：根据车辆调度需求的输入数据确定调用单车型算法或者多车型算法，而且单车型算法和多车型算法均在排线算法的基础上进行计算，排线算法在使用快速贪婪算法获取第一路径之后更改第一路径中导致路径交叉的配送点的配送顺序以减少所述第一路径中的交叉路径，缩短了配送路径总长度；在调用单车型算法的情况下，依据车辆调度需求的输入数据和排线算法得到第一调度结果，在调用多车型算法的情况下，根据排线算法得到第二路径后，再通过大旅行商算法对第二路径进行切分，得到第二调度结果，提供了兼顾单车型问题和多车型问题的解决方案。

Description

配送车辆调度方法、装置、系统、计算机设备和存储介质
技术领域
本申请涉及物流调度技术领域，特别是涉及一种大规模订单的城市配送车辆调度方法、装置、系统、计算机设备和存储介质。
背景技术
随着互联网、电子技术和信息技术的迅速发展，电子商务、全球定位系统、智能交通系统、地理信息系统和全球移动通讯系统等工具的技术日趋成熟，使用成本越来越低，因此这些工具得到了愈加广泛的应用。物流配送企业借助这些技术工具，能够实时有效地获取当前顾客数量、顾客需求量、交通路况和任务车辆位置等信息，那么物流配送企业充分利用这些获取到的实时信息进一步降低成本。另一方面，电子商务环境下顾客的需求呈多批次、小批量的发展趋势，并且很多物流企业为了进一步节约配送成本进行企业合作配送，从而使配送的顾客数量急速增加。在上述两方面形势环境的影响下，大规模动态车辆路径问题随之出现，即有能力约束的车辆路径调度问题(Capacitated Vehicle RoutingProblem,CVRP)。目前相关技术中解决该问题的算法仍存在缺陷：一方面算法针对性较强，不能兼顾单车型和多车型问题，另一方面改进型算法运行效率较低，且容易陷入局部收敛，构建型算法如贪婪算法路线中存在路径交叉的情况，导致总体路径长度增加。
针对相关技术中，大规模动态车辆路径问题CVRP中的车型兼顾和路径交叉问题，目前尚未提出有效的解决方案。
发明内容
基于此，有必要针对上述技术问题，提供一种配送车辆调度方法、装置、系统、计算机设备和存储介质。
一种配送车辆调度方法，所述方法包括：
根据车辆调度需求的输入数据确定调用单车型算法或者调用多车型算法；
在调用单车型算法的情况下，依据排线算法处理所述输入数据得到第一调度结果，其中，所述排线算法的计算过程包括通过快速贪婪算法获取第一路径，以及更改第一路径中导致路径交叉的配送点的配送顺序，得到第一调度结果；
在调用多车型算法的情况下，调用所述排线算法得到第二路径，通过大旅行算法对所述第二路径进行切分，得到第二调度结果。
在其中一个实施例中，所述依据排线算法处理所述输入数据得到第一调度结果，得到第一调度结果包括：
通过快速贪婪算法获取第一路径；获取所述第一路径中的配送点；获取所述配送点的距离矩阵；基于所述距离矩阵，调用Held-Karp算法，得到第一调度结果。
在其中一个实施例中，调用所述排线算法得到第二路径，再通过大旅行算法对所述第二路径进行切分，得到第二调度结果包括：
调用所述排线算法；将所述排线算法中的车辆容量、车辆最大行驶里程设置为无限大，形成第二路径；调用大旅行商算法，将所述第二路径切分得到分段路径，将所述分段路径的起点和终点分别和所述配送中心连接，得到第二调度结果。
在其中一个实施例中，所述得到第一调度结果或者第二调度结果之后，所述方法还包括：
对所述第一调度结果或者所述第二调度结果中的路径进行路径着色，其中，所述路径着色是指将单条路径以及该路径上的配送点用相同颜色标识，不同的路径用不同的颜色标识。
在其中一个实施例中，所述对所述第二调度结果进行路径着色，包括：
计算第一分组中配送点与第二分组中的配送点的最近距离值，其中，所述第一分组的配送点为所述第二调度结果中第一单条路径中所包含的配送点，第二分组的配送点为所述第二调度结果中的第二单条路径中所包含的配送点。比较所述最近距离值与预设的距离阈值的大小，在所述最近距离值小于所述距离阈值的情况下，判定所述第一分组和所述第二分组相邻；
所述第一分组中的配送点用第一颜色标记，若所述第一分组和所述第二分组判定为相邻，则第二分组中的所述配送点用第二颜色标记。
在其中一个实施例中，所述比较所述最近距离与预设的距离阈值的大小，如果所述最近距离小于所述距离阈值则判定第一分组和第二分组相邻，包括：
随机选择所述第二调度结果中的第一数量值的分组，计算第一分组的最大经度、最大纬度、最小经度和最小纬度，其中，所述第一分组属于所述第一数量分组；
计算所述最大经度与所述最小经度的第一差值，计算所述最大纬度与所述最小纬度的第二差值；
选择所述第一差值和所述第二差值中数值较大的差值作为所述第一分组的分散直径；
计算所述第一数量组的平均分散直径，将所述平均分散直径长度的预设长度占比作为预设的距离阈值；
比较所述最近距离值与所述距离阈值的大小，如果所述最近距离值小于所述距离阈值则判定第一分组和第二分组相邻。
在其中一个实施例中，第一分组中的配送点用第一颜色标记，若所述第一分组和所述第二分组判定为相邻，则第二分组中的所述配送点用第二颜色标记包括：
获取用户预设的禁用颜色，若所述第一分组和所述第二分组判定为相邻，获取标记所述第一分组中的配送点的第一颜色，将所述禁用颜色和所述第一颜色作为禁止使用颜色；从颜色空间中选择与所述禁止使用颜色差异最大的第二颜色，将第二分组中的所述配送点用第二颜色标记。
在其中一个实施例中，从颜色空间中选择与所述禁止使用颜色差异最大的第二颜色，将第二分组中的所述配送点用第二颜色标记包括：
将所述禁止使用颜色的H、S、L分量分别标注在H、S、L空间中，取H、S、L三个分量中每个分量的最大区间的中点值，组合得到第二颜色。
在其中一个实施例中，还提供了一种配送车辆调度装置，所述装置包括：
判定模块，用于根据车辆调度需求的输入数据确定调用单车型算法或者调用多车型算法；
调度模块，用于在调用单车型算法的情况下，依据排线算法处理所述输入数据得到第一调度结果，其中，所述排线算法的计算过程包括通过快速贪婪算法获取第一路径，以及更改第一路径中导致路径交叉的配送点的配送顺序，得到第一调度结果；或者，用于在调用多车型算法的情况下，调用所述排线算法得到第二路径，通过大旅行商算法对所述第二路径进行切分，得到第二调度结果。
在其中一个实施例中，还提供了一种配送车辆调度系统，所述系统包括终端和服务器：
所述终端创建配送订单，接收车辆调度的输入数据，获取所述服务器返回的第一调度结果或者第二调度结果；
所述服务器接收所述终端发送的车辆调度需求的输入数据，根据车辆调度需求的输入数据确定调用单车型算法或者调用多车型算法；在调用单车型算法的情况下，依据排线算法处理所述输入数据得到第一调度结果，其中，所述排线算法的计算过程包括通过快速贪婪算法获取第一路径，以及更改第一路径中导致路径交叉的配送点的配送顺序，得到所述第一调度结果，在调用多车型算法的情况下，调用所述排线算法得到第二路径，通过大旅行商算法对所述第二路径进行切分，得到所述第二调度结果；对所述第一调度结果或者所述第二调度结果中的路径进行路径着色；返回所述第一调度结果或者所述第二调度结果给所述终端。
在其中一个实施例中，还提供了一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现上述配送车辆调度方法。
在其中一个实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述配送车辆调度方法。
上述配送车辆调度方法、装置、系统、计算机设备和存储介质，根据车辆调度需求的输入数据确定调用单车型算法或者多车型算法，而且单车型算法和多车型算法均在排线算法的基础上进行计算，排线算法在使用快速贪婪算法获取第一路径之后更改第一路径中导致路径交叉的配送点的配送顺序以减少所述第一路径中的交叉路径，缩短了配送路径总长度；在调用单车型算法的情况下，依据车辆调度需求的输入数据和排线算法得到第一调度结果；在调用多车型算法的情况下，根据排线算法得到第二路径后，再通过大旅行商算法对第二路径进行切分，得到第二调度结果，提供了兼顾单车型问题和多车型问题的解决方案。
附图说明
图1为根据本发明一个实施例的配送车辆调度方法的应用场景示意图；
图2为根据本发明一个实施例的配送车辆调度方法流程图；
图3为根据本发明一个实施例的配送车辆调度方法中的排线算法流程图；
图4为根据本发明一个实施例的配送车辆调度方法中的着色方法流程图一；
图5为根据本发明一个实施例的配送车辆调度方法中的着色方法流程图二；
图6为根据本发明一个具体实施例的配送车辆调度方法的流程图；
图7为根据本发明一个具体实施例的配送车辆调度装置的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。
本申请提供的配送车辆调度方法，可以用于物流配送企业对配送路径的规划和可视化呈现，图1为根据本发明一个实施例的配送车辆调度方法的应用场景示意图，上述方法可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。终端102创建配送订单，获取车辆调度的输入数据，并将上述车辆调度的输入数据传给服务器104；服务器104服务器接收终端102发送的车辆调度需求的输入数据，根据车辆调度需求的输入数据确定调用单车型算法或者调用多车型算法；在调用单车型算法的情况下，依据排线算法处理输入数据得到第一调度结果，其中，排线算法的计算过程包括通过快速贪婪算法获取第一路径，以及更改第一路径中导致路径交叉的配送点的配送顺序，得到第一调度结果，在调用多车型算法的情况下，调用排线算法得到第二路径，通过大旅行算法对第二路径进行切分，得到第二调度结果；返回第一调度结果或者第二调度结果给终端102。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现，在一些应用环境中，终端102和服务器104可以为同一个设备。
在一个实施例中，图2为根据本发明一个实施例的配送车辆调度方法流程图，如图2所示，提供了一种配送车辆调度方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：
步骤S210，根据车辆调度需求的输入数据确定调用单车型算法或者调用多车型算法；
在本步骤S210中，服务器104根据接收到的车辆调度需求的输入数据，该输入数据中包括配送中心和顾客位置的坐标值、顾客需求量、车辆容量和车辆最大行驶里程；可以预选设置通过车辆容量和顾客需求量来确定调用单车型算法或者多车型算法，也可以通过配送中心和顾客的位置坐标值以及车辆的最大行驶里程来确定调用单车型算法或者多车型算法，或者，也可以由终端102获取关于车辆数目的指令并将该指令发给服务器104，服务器104根据该指令选择调用单车型算法或者多车型算法，该步骤根据车辆调度需求，提供了兼顾单车型问题和多车型问题的解决方案。
步骤S220，在调用单车型算法的情况下，依据排线算法处理输入数据得到第一调度结果，其中，排线算法的计算过程包括通过快速贪婪算法获取第一路径，以及更改第一路径中导致路径交叉的配送点的配送顺序，得到第一调度结果；或者，
在调用多车型算法的情况下，调用排线算法得到第二路径，通过大旅行算法对第二路径进行切分，得到第二调度结果。
在本步骤S220中，根据步骤S210中的调用指令使用相应的算法来获取调度结果，单车型算法和多车型算法的基础都是排线算法，该算法通过快速贪婪算法获取第一路径，用于求解CVRP问题的快速贪婪算法包括三个组成部分：求解CVRP的标准贪婪算法、基于K维空间二叉搜寻树(K-dimensional binary search tree，K-d tree)的提高速度策略、基于Held-Karp模型的改进质量策略。根据该快速贪婪算法得到第一路径之后，由于第一路径中可能出现交叉的路线，导致配送路径的路程较长，因此本步骤S220通过更改第一路径中导致路径交叉的配送点的配送顺序减少第一路径中的交叉路径，在本步骤S220中可以根据第一路径在地图上的呈现改变引起交叉的配送点前后顺序，对第一路径进行优化。单车型算法根据接收到的车辆调度需求的输入数据和排线算法计算出由配送中心出发，经历所有顾客位置最后回到配送中心的一条配送路线，该配送路线即为第一调度结果。多车型算法则利用排线算法生成第二路径，该第二路径是一条从配送中心出发，经历所有顾客位置最后回到配送中心的配送路线，再通过大旅行算法对第二路径进行切分，切分后的每一段路径对应一辆配送车辆，即第二调度结果；在多车型算法调用排线算法生成第二路径时，排线算法使用的计算参数并不完全根据接收到的车辆调度需求的输入数据，而是根据算法预设的要求选取。根据上述步骤，该方法实现了根据车辆调度需求选择单车型算法或者多车型算法得到相应的调度结果，并且，减少了配送路径中的交叉路线，缩短了配送路径总长度，提高了配送决策效率以及配送效率。
在一个实施例中，图3为根据本发明一个实施例的配送车辆调度方法中的排线算法流程图，如图3所示，依据排线算法处理输入数据得到第一调度结果：
S310：通过快速贪婪算法获取第一路径；
S320：获取第一路径中的配送点；
S330：获取配送点的距离矩阵；
S340：基于距离矩阵，调用Held-Karp算法，得到第一调度结果。
在本实施例中，利用Held-Karp算法来对第一路径进行优化，减少第一路径中的路径交叉。由于Held-Karp是通过一个实数向量π＝(π1，π2，π3，…，πn)来改造距离矩阵但却不改变最终的路径最优解中所包含的配送点，其中n为该路径中的配送点数目。通过上述方法，Held-Karp改造距离矩阵可以改变距离矩阵中任意两点之间的距离，从而使得第一路径中的各个配送点重新规划了配送顺序，而且，该算法可以更高效地对存在交叉的配送点进行派送顺序的更改，以减少线路中原本存在的路径交叉，缩短了配送路径总长度。
在一个实施例中，调用排线算法得到第二路径，再通过大旅行算法对第二路径进行切分，得到第二调度结果包括：
调用所述排线算法；将所述排线算法中的车辆容量、车辆最大行驶里程设置为无限大，形成第二路径；调用大旅行算法，将第二路径切分得到分段路径，将分段路径的起点和终点分别和配送中心连接，得到第二调度结果。
在本实施例中，多车型算法首先调用排线算法，并且将排线算法中的车辆的容量限制、行驶里程限制设为无限大，从而获得一条从配送中心出发，经过所有配送点的第二路径，然后再根据Bruce Golden提出的大旅行算法(Giant Tour Algorithms)，根据车辆数目、车辆容量、车辆最大行驶里程等信息将该第二路径切分为与车辆数目对应的若干分段路径，并将分段路径的起点和终点分别和配送中心连接，即可得到第二调度结果。通过上述方法，无需再重新编写多车型的算法而是在排线算法的基础上结合大旅行算法，获取到可以解决多车型问题的第二调度结果，提高了配送决策效率
在一个实施例中，得到第一调度结果或者第二调度结果之后还包括：
对第一调度结果或者第二调度结果中的路径进行路径着色，其中，路径着色是指将单条路径上以及该路径上的配送点用相同颜色标识，不同的路径用不同的颜色标识。
当得到第一调度结果或者第二调度结果，服务器端104要将该结果返回给终端102，算法输出的路配送点众多，即使将每条路径的配送点都映射到预先设置的地图上，可视化程度不高，通过上述方法，对每条路径上的配送节点以及路径本身用相同颜色标识，不同的路径用不同的颜色标识，从而能在地图上有效地显示准确的配送路径和每条配送路径上的配送节点。
在一个实施例中，图4为根据本发明一个实施例的配送车辆调度方法中的着色方法流程图一，如图4所示，对第二调度结果进行路径着色，包括：
S410：计算第一分组中配送点与第二分组中的配送点的最近距离值，其中，第一分组的配送点为第二调度结果中第一单条路径中所包含的配送点，第二分组的配送点为第二调度结果中的第二单条路径中所包含的配送点:；
S420：比较最近距离值与预设的距离阈值的大小，在最近距离值小于距离阈值的情况下，判定所述第一分组和所述第二分组相邻；
S430：第一分组中的配送点用第一颜色标记，若第一分组和第二分组判定为相邻，则第二分组中的配送点用第二颜色标记。
在本实施例中，通过将两条路径中的配送点距离与预设的距离阈值比较来判断两条路径是否为相邻路径，相邻路径采用不同的颜色来标识而不相邻的路径则可以用相同颜色标记，优选地，相邻路径采用差异度大的颜色，通过上述方法，用尽量少的颜色来对调度结果进行标识，防止最终生成的调度结果中路径颜色太多导致因为颜色相近不方便辨认的问题。
在一个实施例中，图5为根据本发明一个实施例的配送车辆调度方法中的着色方法流程图二，如图5所示，比较最近距离与预设的距离阈值的大小，如果最近距离小于距离阈值则判定第一分组和第二分组相邻，包括：
S510：随机选择第二调度结果中的第一数量值的分组，计算第一分组的最大经度、最大纬度、最小经度和最小纬度，其中，第一分组属于第一数量分组；
S520：计算最大经度与最小经度的第一差值，计算最大纬度与最小纬度的第二差值；
S530：选择第一差值和第二差值中数值较大的差值作为第一分组的分散直径；
S540：计算第一数量组的平均分散直径，将平均分散直径长度的预设长度占比作为预设的距离阈值；
S550：比较最近距离值与距离阈值的大小，如果最近距离值小于距离阈值则判定第一分组和第二分组相邻。
在本实施例中，提供了一种距离阈值的计算方法，以配送路径中的配送点的分散直径为参考，计算随机采样的若干条配送路径的分散直径的平均值，将该平均值的的预设长度占比作为预设的距离阈值，优选地，预设长度占比可以选择该平均值的一半，通过上述方法，可以更好地根据不同的调度结果来调节对于相邻的判断，而不是用一个预设的距离阈值来判断所有的配送情况，使得判断过程更具适应性，着色结果更加准确明白。
在一个实施例中，第一分组中的配送点用第一颜色标记，若第一分组和第二分组判定为相邻，则第二分组中的配送点用第二颜色标记包括：获取用户预设的禁用颜色，若第一分组和第二分组判定为相邻，获取标记第一分组中的配送点的第一颜色，将禁用颜色和第一颜色作为禁止使用颜色；从颜色空间中选择与禁止使用颜色差异最大的第二颜色，将第二分组中的所述配送点用第二颜色标记。
在本实施例中，用户可以指定禁用颜色，从而在着色过程中会避免使用该禁用颜色并且选择与该颜色差异尽量大的颜色进行路径着色。在对相邻的配送线路进行着色时，将用户选择的禁用颜色和标记第一路径使用的第一颜色均被视为禁止使用颜色，再通过对禁止使用颜色的定量分析，利用如RBG、HSL或者HSV等色彩模型，找到与禁止使用颜色差异最大的颜色，用于标记第二路径，通过上述方案，可以在满足用户对标记路径所用颜色的特殊需求的同时，将相邻的配送路径用差异大的颜色标记，从而使得配送结果更加直观、方便识别。
在一个实施例中，从颜色空间中选择与禁止使用颜色差异最大的第二颜色，将第二分组中的所述配送点用第二颜色标记包括：将禁止使用颜色的H、S、L分量分别标注在H、S、L空间中，取H、S、L三个分量中每个分量的最大区间的中点值，组合得到第二颜色。
在本实施例中，将禁止使用颜色的H、S、L分量分别标注在各自的空间中，此时此三个分量空间将被划分为多个区间，将这三个分量中各自最大区间的中点值取出，重新组合得到一个新的颜色(H1，S1，L1)，此颜色即为第二颜色，即与禁止使用颜色差异最大的颜色。例如，禁止使用颜色包括禁用颜色(H2，S2，L2)和第一颜色(H3，S3，L3)，将上述两个颜色分别标注在各自分量的空间中，由于H分量指示色相角度的值域为[0,360]，H分量的空间就被H2和H3分为两个区间，则选择较大区间的中点值，即为第二颜色的H1；类似地，对S与L分量进项相同的计算，就可以得到第二颜色的H1、S1和L1分量，从而确定第二颜色。通过上述方法，可以利用HSL模型定量地对差异最大的颜色进行计算，将相邻的配送路径用差异最大的颜色进行标记，提高了颜色选取的效率，使得着色结果更加易于识别。
在一个具体实施例中，图6为根据本发明一个具体实施例的配送车辆调度方法的流程图如图6所示，
终端102接收输入数据，该输入数据包括配送中心和顾客位置的坐标值、顾客需求量、车辆容量Q和车辆最大行驶里程L；
步骤S602：创建配送订单，配送业务系统接收终端102发送的配送需求的输入数据，创建配送订单，通过输入数据判断要解决的配送方案属于单车型还是多车型问题；
步骤S604：调用算法，配送业务系统向算法系统调用与单车型问题相应的单车型算法或者与多车型问题相应的多车型算法；
步骤S606-a：在调用单车型算法的情况下，调用排线算法，具体算法步骤是：
读取输入数据，配送中心和顾客位置的坐标值、顾客需求量；车辆容量Q和车辆最大行驶里程L信息；
基于Held-Karp模型，设置距离矩阵的调节系数α；
根据顾客和配送中心的坐标信息，计算顾客点距离矩阵，建立K-d树；
计算顾客点到配送中心的距离向量，乘以调节系数a得到向量π；顾客点距离矩阵中每个元素d(ij)，都加上π(i)+π(j)，得到改造的距离矩阵M；
基于K-d树及矩阵M，计算每个节点i对应的最邻近节点j，并将边(i，j)和对应长度d(ij)+π(i)+π(j)存至结构数组H，且H中的元素依照长度升序排列；
提取H中的最短边，即第一条边，假设为(x，y)；
判断边(x，y)至当前路径是否满足所有约束条件，满足返回“是”添加边(x，y)到当前路径中，否则返回“否”执行下一步骤；
更新Heap，更新当前数组H，即保证每个可连接节点与最邻近节点形成的边均在H中，然后执行“提取H中的最短边，即第一条边，假设为(x，y)”步骤；
确定是否还有合法边存在，如果有执行更新Heap步骤；否则将形成的m条路径的端点分别与配送中心节点连接得到最终解；
对于每一条基础路径，在距离矩阵中提取和路径中配送点相关的距离矩阵。
基于上述子距离矩阵，调用Held-Karp算法，优化基础路径。
输出优化后的所有路径，即为单车型情况下的第一调度结果。
步骤S606-b：如果是多车型问题，首先调用排线算法，将排线算法中车辆的容量限制、行驶里程限制设为无限大，形成一条第二路径；再调用大旅行算法，将第二路径切分，得到分段路径，将分段路径的起点和终点分别和配送中心连接，得到第二调度结果。
步骤S608：调用着色算法，得到第一调度结果或者第二调度结果后，根据以下步骤对调度结果进行着色：
从调度结果中随机选择10个路径，每个路径中的顾客位置为一个分组，计算这些分组的最大经度、纬度以及最小经度、纬度；
计算最大经度与最小经度的第一差值，计算最大纬度与最小纬度的第二差值；
选择第一差值与第二差值中较大的值作为该分组分散直径；
求这10个分组的平均分散直径；
将平均分散直径的一半作为距离阈值返回；
计算每一个分组中的点与其他分组中的点的最近的距离；
比较各分组之间的最近距离与距离阈值的大小，如果小于阈值则判定为相邻，否则为不相邻
单条路径以及路径上的节点着相同颜色，相邻的路径着色所用的颜色差异大。
步骤S610：调度结果和着色结果返回，算法系统将得到的第一调度结果和第一调度结果的着色结果胡或者第二调度结果和第二调度结果的着色结果返回给配送业务系统，配送业务系统将调度结果和着色结果整合为可视化程度更高的配送分组结果。
步骤S612：返回配送分组结果，配送业务系统将配送分组结果返回终端。
步骤S614：人为调整，在本步骤S614中，用户根据显示在终端上的配送结果，可以根据额外的需求，比如指定某台配送车或者配送人员负责某条线路，来对配送结果进行认为调整，得到最终的配送任务。
步骤S616：终端将最终的配送任务下发给配送业务系统。
步骤S618：返回配送结果，在有需要的情况下，配送业务系统执行配送任务后将配送的结果返回给终端。
在一个实施例中，图7为根据本发明一个具体实施例的配送车辆调度装置的示意图，如图7所示，该配送车辆调度装置包括：
判定模块72，用于根据车辆调度需求的输入数据确定调用单车型算法或者调用多车型算法；
调度模块74，用于在调用单车型算法的情况下，依据排线算法处理所述输入数据得到第一调度结果，其中，排线算法的计算过程包括通过快速贪婪算法获取第一路径，以及通过Held-karp算法减少第一路径中的交叉路径，得到第一调度结果；或者，用于在调用多车型算法的情况下，调用排线算法得到第二路径，通过大旅行商算法对第二路径进行切分，得到第二调度结果。
在一个实施例中，调度模块还用于获取第一路径中的配送点；获取配送点的距离矩阵；基于距离矩阵，调用Held-Karp算法，得到第一调度结果。
在一个实施例中，调度模块还用于调用排线算法；将排线算法中的车辆容量、车辆最大行驶里程设置为无限大，形成第二路径；调用大旅行算法，将第二路径切分得到分段路径，将分段路径的起点和终点分别和配送中心连接，得到第二调度结果。
在一个实施例中，配送车辆调度装置还包括着色模块，用于对第一调度结果或者第二调度结果中的路径进行路径着色，其中，路径着色是指将单条路径以及该路径上的配送点用相同颜色标识，不同的路径用不同的颜色标识。
在一个实施例中，着色模块还用于计算第一分组中配送点与第二分组中的配送点的最近距离值，其中，第一分组的配送点为第二调度结果中第一单条路径中所包含的配送点，第二分组的配送点为第二调度结果中的第二单条路径中所包含的配送点。比较最近距离值与预设的距离阈值的大小，在最近距离值小于距离阈值的情况下，判定第一分组和第二分组相邻；第一分组中的配送点用第一颜色标记，若第一分组和第二分组判定为相邻，则第二分组中的配送点用第二颜色标记。
在一个实施例中，着色模块还用于随机选择第二调度结果中的第一数量值的分组，计算第一分组的最大经度、最大纬度、最小经度和最小纬度，其中，第一分组属于第一数量分组；计算最大经度与最小经度的第一差值，计算最大纬度与最小纬度的第二差值；选择第一差值和第二差值中数值较大的差值作为第一分组的分散直径；计算第一数量组的平均分散直径，将平均分散直径长度的预设长度占比作为预设的距离阈值；比较最近距离值与距离阈值的大小，如果最近距离值小于距离阈值则判定第一分组和第二分组相邻。
上述车辆调度装置可以根据车辆调度需求的输入数据确定调用单车型算法或者多车型算法，而且单车型算法和多车型算法均在排线算法的基础上进行计算，排线算法在使用快速贪婪算法获取第一路径之后更改第一路径中导致路径交叉的配送点的配送顺序以减少第一路径中的交叉路径，缩短了配送路径总长度；在调用单车型算法的情况下，依据车辆调度需求的输入数据和排线算法得到第一调度结果；在调用多车型算法的情况下，根据排线算法得到第二路径后，再通过大旅行商算法对第二路径进行切分，得到第二调度结果，提供了兼顾单车型问题和多车型问题的解决方案。
在一个实施例中，还提供了一种配送车辆调度系统，包括终端和服务器：
终端102创建配送订单，接收车辆调度的输入数据，获取服务器104返回的第一调度结果或者第二调度结果；
服务器104接收终端102发送的车辆调度需求的输入数据，根据车辆调度需求的输入数据确定调用单车型算法或者调用多车型算法；在调用单车型算法的情况下，依据排线算法处理输入数据得到第一调度结果，其中，排线算法的计算过程包括通过快速贪婪算法获取第一路径，以及通过held-karp算法减少第一路径中的交叉路径，得到第一调度结果，在调用多车型算法的情况下，调用排线算法得到第二路径，通过大旅行算法对第二路径进行切分，得到第二调度结果；对第一调度结果或者第二调度结果中的路径进行路径着色；返回第一调度结果或者第二调度结果给终端102。
上述配送车辆调度系统根据车辆调度需求的输入数据确定调用单车型算法或者多车型算法，而且单车型算法和多车型算法均在排线算法的基础上进行计算，排线算法在使用快速贪婪算法获取第一路径之后更改第一路径中导致路径交叉的配送点的配送顺序以减少第一路径中的交叉路径，缩短了配送路径总长度；在调用单车型算法的情况下，依据车辆调度需求的输入数据和排线算法得到第一调度结果；在调用多车型算法的情况下，根据排线算法得到第二路径后，再通过大旅行商算法对第二路径进行切分，得到第二调度结果，提供了兼顾单车型问题和多车型问题的解决方案。
在一个实施例中，还提供了一种计算机设备，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，处理器执行计算机程序时实现上述配送车辆调度方法。
上述计算机设备，通过在处理器执行计算机程序，可以实现车型兼顾和减少路径交叉问题。
在一个实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述配送车辆调度方法。
上述计算机可读存储介质，通过在处理器执行计算机程序，可以实现车型兼顾和减少路径交叉问题。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (12)

1.一种配送车辆调度方法，所述方法包括：
根据车辆调度需求的输入数据确定调用单车型算法或者调用多车型算法；
在调用单车型算法的情况下，依据排线算法处理所述输入数据得到第一调度结果，其中，所述排线算法的计算过程包括通过快速贪婪算法获取第一路径，以及通过Held-karp算法减少所述第一路径中的交叉路径，得到第一调度结果；
在调用多车型算法的情况下，调用所述排线算法得到第二路径，通过大旅行商算法对所述第二路径进行切分，得到第二调度结果。
2.根据权利要求1所述的方法，其特征在于，所述依据排线算法处理所述输入数据得到第一调度结果包括：
通过快速贪婪算法获取第一路径；
获取所述第一路径中的配送点；
获取所述配送点的距离矩阵；
基于所述距离矩阵，调用Held-Karp算法，得到第一调度结果。
3.根据权利要求1所述的方法，其特征在于，调用所述排线算法得到第二路径，再通过大旅行商算法对所述第二路径进行切分，得到第二调度结果包括：
调用所述排线算法；
将所述排线算法中的车辆容量、车辆最大行驶里程设置为无限大，形成第二路径；
调用大旅行商算法，将所述第二路径切分得到分段路径，将所述分段路径的起点和终点分别和配送中心连接，得到第二调度结果。
4.根据权利要求1至3任意一项所述的方法，其特征在于，所述得到第一调度结果或者第二调度结果之后，所述方法还包括：
对所述第一调度结果或者所述第二调度结果中的路径进行路径着色，其中，所述路径着色是指将单条路径以及该路径上的配送点用相同颜色标识，不同的路径用不同的颜色标识。
5.根据权利要求4所述的方法，其特征在于，对所述第一调度结果或者第二调度结果进行路径着色，包括：
计算第一分组中配送点与第二分组中的配送点的最近距离值，其中，所述第一分组的配送点为所述第一调度结果或者所述第二调度结果中第一单条路径中所包含的配送点，第二分组的配送点为所述第一调度结果或者第二调度结果中的第二单条路径中所包含的配送点，比较所述最近距离值与预设的距离阈值的大小，在所述最近距离值小于所述距离阈值的情况下，判定所述第一分组和所述第二分组相邻；
所述第一分组中的配送点用第一颜色标记，若所述第一分组和所述第二分组判定为相邻，则所述第二分组中的所述配送点用第二颜色标记。
6.根据权利要求5所述的方法，其特征在于，所述比较所述最近距离与预设的距离阈值的大小，如果所述最近距离小于所述距离阈值则判定第一分组和第二分组相邻，包括：
随机选择所述第二调度结果中的第一数量值的分组，计算第一分组的最大经度、最大纬度、最小经度和最小纬度，其中，所述第一分组属于所述第一数量值的分组；
计算所述最大经度与所述最小经度的第一差值，计算所述最大纬度与所述最小纬度的第二差值；
选择所述第一差值和所述第二差值中数值较大的差值作为所述第一分组的分散直径；
计算所述第一数量值的分组的平均分散直径，将所述平均分散直径长度的预设长度占比作为预设的距离阈值；
比较所述最近距离值与所述距离阈值的大小，如果所述最近距离值小于所述距离阈值则判定所述第一分组和所述第二分组相邻。
7.根据权利要求5所述的方法，其特征在于，所述第一分组中的配送点用第一颜色标记，若所述第一分组和所述第二分组判定为相邻，则第二分组中的所述配送点用第二颜色标记包括：
获取用户预设的禁用颜色，若所述第一分组和所述第二分组判定为相邻，获取标记所述第一分组中的配送点的第一颜色，将所述禁用颜色和所述第一颜色作为禁止使用颜色；从颜色空间中选择与所述禁止使用颜色差异最大的第二颜色，将第二分组中的所述配送点用第二颜色标记。
8.根据权利要求7所述的方法，其特征在于，所述从颜色空间中选择与所述禁止使用颜色差异最大的第二颜色，将第二分组中的所述配送点用第二颜色标记包括：
在HSL色彩模式中，将所述禁止使用颜色的H、S、L分量分别标注在H、S、L空间中，取H、S、L三个分量中每个分量的最大区间的中点值，得到第二颜色。
9.一种配送车辆调度装置，其特征在于，所述装置包括：
判定模块，用于根据车辆调度需求的输入数据确定调用单车型算法或者调用多车型算法；
调度模块，用于在调用单车型算法的情况下，依据排线算法处理所述输入数据得到第一调度结果，其中，所述排线算法的计算过程包括通过快速贪婪算法获取第一路径，以及通过Held-karp算法减少所述第一路径中的交叉路径，得到第一调度结果；或者，所述用于在调用多车型算法的情况下，调用所述排线算法得到第二路径，通过大旅行商算法对所述第二路径进行切分，得到第二调度结果。
10.一种配送车辆调度系统，其特征在于，所述系统包括终端和服务器：
所述终端创建配送订单，接收车辆调度的输入数据，获取所述服务器返回的第一调度结果或者第二调度结果；
所述服务器接收所述终端发送的车辆调度需求的输入数据，根据车辆调度需求的输入数据确定调用单车型算法或者调用多车型算法；在调用单车型算法的情况下，依据排线算法处理所述输入数据得到第一调度结果，其中，所述排线算法的计算过程包括通过快速贪婪算法获取第一路径，以及通过held-karp算法减少所述第一路径中的交叉路径，得到所述第一调度结果，在调用多车型算法的情况下，调用所述排线算法得到第二路径，通过大旅行商算法对所述第二路径进行切分，得到所述第二调度结果；对所述第一调度结果或者所述第二调度结果中的路径进行路径着色；返回所述第一调度结果或者所述第二调度结果给所述终端。
11.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
CN201911171714.8A 2019-11-26 2019-11-26 配送车辆调度方法、装置、系统、计算机设备和存储介质 Active CN111191873B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911171714.8A CN111191873B (zh) 2019-11-26 2019-11-26 配送车辆调度方法、装置、系统、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911171714.8A CN111191873B (zh) 2019-11-26 2019-11-26 配送车辆调度方法、装置、系统、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN111191873A CN111191873A (zh) 2020-05-22
CN111191873B true CN111191873B (zh) 2023-06-16

Family

ID=70709434

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911171714.8A Active CN111191873B (zh) 2019-11-26 2019-11-26 配送车辆调度方法、装置、系统、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN111191873B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113762572B (zh) * 2020-10-29 2024-04-16 北京京东振世信息技术有限公司 一种物流方法、系统、装置、电子设备及其存储介质
JP7026980B1 (ja) * 2021-04-28 2022-03-01 ＧＢｔｅｃｈｎｏｌｏｇｙ株式会社 配送管理支援システム、配送管理支援方法および配送管理支援プログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160104909A (ko) * 2015-02-27 2016-09-06 고려대학교 산학협력단 개미 알고리즘을 이용한 물류배송용 배차 스케줄링 방법 및 시스템
CN106503836A (zh) * 2016-10-09 2017-03-15 电子科技大学 一种多目标优化的纯电动汽车物流配送优化调度方法
CN107358326A (zh) * 2017-07-20 2017-11-17 深圳市凯立德科技股份有限公司 一种单车多点配送线路处理方法
CN110197327A (zh) * 2019-05-22 2019-09-03 长春知和智能包装设备有限公司 基于系统记录信息的调度算法自优化方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2551467A1 (en) * 2006-07-04 2008-01-04 University Of New Brunswick System and method for optimizing linehaul operations
US8572001B2 (en) * 2008-04-08 2013-10-29 The Boeing Company Simultaneous vehicle routing, vehicle scheduling, and crew scheduling
CN107977739B (zh) * 2017-11-22 2021-07-06 深圳北斗应用技术研究院有限公司 物流配送路径的优化方法、装置及设备
EP3511878A1 (en) * 2018-01-11 2019-07-17 Tata Consultancy Services Limited Systems and methods for scalable multi-vehicle task allocation
CN109800896A (zh) * 2018-12-21 2019-05-24 浙江数链科技有限公司 车辆调度方法、装置、计算机设备和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160104909A (ko) * 2015-02-27 2016-09-06 고려대학교 산학협력단 개미 알고리즘을 이용한 물류배송용 배차 스케줄링 방법 및 시스템
CN106503836A (zh) * 2016-10-09 2017-03-15 电子科技大学 一种多目标优化的纯电动汽车物流配送优化调度方法
CN107358326A (zh) * 2017-07-20 2017-11-17 深圳市凯立德科技股份有限公司 一种单车多点配送线路处理方法
CN110197327A (zh) * 2019-05-22 2019-09-03 长春知和智能包装设备有限公司 基于系统记录信息的调度算法自优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
武汉市烟草配送路径及运力优化;于蒙;王少梅;;东南大学学报(自然科学版)(S2);全文 *
车辆优化调度问题的研究现状评述;郭耀煌，李军;西南交通大学学报(04);全文 *

Also Published As

Publication number Publication date
CN111191873A (zh) 2020-05-22

Similar Documents

Publication Publication Date Title
CN109034481B (zh) 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
CN106980912B (zh) 一种多点配送线路规划方法及系统
Pelzer et al. A partition-based match making algorithm for dynamic ridesharing
Lai et al. An heuristic search for the routing of heterogeneous trucks with single and double container loads
CN106600036B (zh) 基于Android多点快递配送方法
CN104616070B (zh) 一种物流配送路径规划方法及装置
CN109165787B (zh) 公交路线定制方法、装置以及设备
US20170011324A1 (en) Dispatch system for matching drivers and users
CN107945507A (zh) 行程时间预测方法及装置
CN111191873B (zh) 配送车辆调度方法、装置、系统、计算机设备和存储介质
JP6243045B2 (ja) グラフデータクエリ方法および装置
CN111080198A (zh) 车辆物流路径生成的方法、装置、计算机设备及存储介质
CN115860441B (zh) 工单信息的生成方法、装置、计算机设备
CN116934056A (zh) 车辆调度方法、装置、计算机设备和存储介质
CN115062868B (zh) 一种预聚类的车辆配送路径规划方法和装置
CN111144659B (zh) 物流调度方法、装置、计算机设备及存储介质
CN114676911A (zh) 一种运输车辆行车路线确定方法及装置
CN115705593A (zh) 物流运输方法、装置、计算机设备和存储介质
CN110889738B (zh) 一种订单派发方法及装置
CN111506777B (zh) 数据处理方法、装置、电子设备和存储介质
CN110992123B (zh) 一种订单派发方法及装置
US20200200555A1 (en) System and method for controlling vehicular pollution concentration and providing maximum traffic flow throughput
CN112950248A (zh) 物流网点选址方法、装置、计算机设备和可读存储介质
CN116442787A (zh) 一种电动汽车能耗预警方法、装置、介质及设备
CN112785062B (zh) 一种基于大数据的物流运输路径规划系统

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