物流干线网络规划方法、装置、设备及存储介质

技术领域

本申请涉及物流运输技术领域，特别是涉及一种物流干线网络规划方法、装置、设备及存储介质。

背景技术

物流业务中，在从寄方揽收商品运至起始节点后，经过若干分拣中心到达末端节点，最后再投送至收方手中。其中，起始节点到末端节点之间运输过程组成的路径网络，对物流公司而言为干线网络。干线网络规划是物流运输中的重要工作。现有的干线网络规划一般通过两种方式实现，一种是人工规划，但是人工规划的方式工作量大、重复度高，且在考虑运力成本和运输时效时通常局限于单个分拨，无法站在全局的角度考虑货量与运力资源的匹配，导致最后规划的干线网络不够合理；另一种是利用求解器设备进行精确求解，但是求解器设备价格高昂，成本较高，且计算过程中时间复杂度高，效率较低，另外，对于复杂的业务问题，往往很难抽象成数学模型。

发明内容

本申请提供一种物流干线网络规划方法、装置、设备及存储介质，以解决现有的干线网络规划方式规划成本太高或规划结果不够理想的问题。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种物流干线网络规划方法，包括：生成各起始节点到目的节点的可行路径序列，并与各起始节点一天中的可行发车时间穷举组合，生成各起始节点的决策向量；根据各起始节点的决策向量构建可行干线网络；根据各起始节点预设的起始货量，按照预设货量推演规则确定所构建的干线网络中到达目的节点时间；根据所述到达目的节点时间计算可行干线网络的评价指标；选择所述评价指标达到预设条件所对应的干线网络。

作为本申请的进一步改进，所述货量推演规则，包括：按照发车批次对所构建的干线网络进行遍历；遍历时，以各起始节点作为首批次发车的开始，结合各起始节点在当前所构建干线网络下的可行路径，确定干线网络中各节点的货量变化和最后批次车辆到达目的节点的时间。

作为本申请的进一步改进，所述货量推演规则，包括：所述根据各起始节点的决策向量构建干线网络，包括：基于启发式算法和评价指标扰动决策向量，构建可行干线网络。

作为本申请的进一步改进，所述货量推演规则，包括：还包括：设置发车信息堆；当前发车批次下，遍历干线网络，依次确定各发车车辆包含到达下一节点时间、下一节点、车型、距离信息并送入已发车信息堆，直至当前批次车辆发完；当所有批次发车已完成，则从对已发车信息堆中按照到达目的节点时间先后依次弹出全部车辆信息。

作为本申请的进一步改进，所述货量推演规则，包括：所述干线网络中各节点的发车时间，根据最晚到达该节点车辆的到达时间确定。

作为本申请的进一步改进，所述货量推演规则，包括：所述评价指标包括成本和/或时效。

作为本申请的进一步改进，所述货量推演规则，包括：所述生成各起始节点到目的节点的可行路径序列前，设定中转节点的次数。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种物流干线网络规划装置，包括：生成模块，用于生成各起始节点到目的节点的可行路径序列，并与各起始节点一天中的可行发车时间穷举组合，生成各起始节点的决策向量；构建模块，用于根据各起始节点的决策向量构建可行干线网络；推演模块，用于根据各起始节点预设的起始货量，按照预设货量推演规则确定所构建的干线网络中到达目的节点时间；评价模块，用于根据所述到达目的节点时间计算可行干线网络的评价指标；选择所述评价指标达到预设条件所对应的干线网络。

为解决上述技术问题，本申请采用的再一个技术方案是：提供一种计算机设备，该计算机设备包括处理器、与处理器耦接的存储器，其中，存储器存储有用于实现上述物流干线网络规划方法的程序指令；处理器用于执行存储器存储的程序指令以物流干线网络规划。

为解决上述技术问题，本申请采用的再一个技术方案是：提供一种存储介质，存储有能够实现上述物流干线网络规划方法的程序指令。

本申请的有益效果是：本申请的物流干线网络规划方法通过数学抽象，将起始节点和目的节点之间的所有可行路径序列与一天所有可行发车时间的穷举组合，从而生成决策向量，再利用决策向量构建可行干线网络，因为每对起始节点和目的节点之间的可行路径和可行发车时间组合包括多种，所以可以构建多个可行干线网络，再根据起始节点的货量对可行干线网络中各节点进行货量推演各节点的到达目的节点时间，根据到达目的节点时间进行评价，从中选取评价达到预设条件的干线网络作为规划的最优结果，其不需要人为进行规划，能够节省人力且保证规划过程是基于全局优化得到的，同时相较于求解器求解其时间复杂度较低，规划效率更高且成本更低。

附图说明

图1是本发明实施例的物流干线网络规划方法的流程示意图；

图2本发明实施例的物流干线网络规划装置的功能模块示意图；

图3本发明实施例的计算机设备的结构示意图；

图4本发明实施例的存储介质的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是进一步的还包括没有列出的步骤或单元，或进一步的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

图1是本发明实施例的物流干线网络规划方法的流程示意图。需注意的是，若有实质上相同的结果，本发明的方法并不以图1所示的流程顺序为限。如图1所示，该方法包括步骤：

步骤S101：生成各起始节点到目的节点的可行路径序列，并与各起始节点一天中的可行发车时间穷举组合，生成各起始节点的决策向量。

为便于对方案内容进行说明，将整个物流运输过程勾画为取货点部——取货二级分拨站点——取货一级分拨站点——······——派货一级分拨站点——派货二级分拨站点——派货点部。其中，取货二级分拨站点和派货二级分拨站点之间的运输过程为干线运输过程。本申请中起始节点对应取货二级分拨站点，目的节点对应派货二级分拨站点。

具体地，由于一对起始节点和目的节点之间有多个一级分拨站点，因此，一对起始节点和目的节点之间会存在多条可行路径，例如，深圳坪山二级分拨站点至上海虹桥二级分拨站点，一种可行路径是途经广州白云一级分拨站点，再到无锡硕放一级分拨站点，最后到上海虹桥二级分拨站点，还一种可行路径是途经武汉天河一级分拨站点，再到上海浦东一级分拨站点，最后到上海虹桥二级分拨站点。可以理解的是，本方案对每一对起始节点和目的节点之间的一级分拨站点的数量并不作限制。可行发车时间是由用户预先设定的一天当中所有可能的发车时间，本示例中，将一天24小时按照等间隔，设定24个可行发车时间，即每个整点时刻发车。在得到可行路径序列和可行发车时间后，将可行路径序列与可行发车时间进行穷举组合，从而得到各起始节点的决策向量。假设需要进行M个起始节点到其所需到达的目的节点组成的干线网络规划，则该决策向量由M组变量组成，每组变量为每对起始节点到目的节点的可行路径序列与可行发车时间的穷举组合，如下表1示意：

表1

其中，M指起始节点和目的节点的对数，OD

进一步的，所述生成各起始节点到目的节点的可行路径序列前，设定中转节点的次数。

具体地，一般而言，每条可行路径序列的中转节点的次数不会太多，过多会导致运力成本上升，而且不符合实际的业务需求，因此，本实施例中，在生成可行路径序列之前，还需要预先设定中转节点的次数，如本实施例中，将中转节点的次数设置为2次，则起始节点到目的节点之间只能途经2个中转节点。同时，限定中转节点的次数也等于设定了发车批次，本实施例中，从起始节点到达目的节点，总共发车批次数相应为3次。

步骤S102：根据各起始节点的决策向量构建可行干线网络。

具体地，在得到决策向量后，根据决策向量构建可行干线网络。根据上述决策向量举例可知，对于每一对起始节点和目的节点其可行路径可以包括多条，同一条可行路径也可对应不同的可行发车时间，因此，在构建可行干线网络时，每次选取每一对起始节点和目的节点的一条可行路径和一个可行发车时间组成的干线路径，将所有对的干线路径构建为可行干线网络。鉴于可行路径和可行发车时间的组合，每对起始节点和目的节点可以对应多个干线路径，因此，最终可以得到多个可行干线网络。

进一步的，所述根据各起始节点的决策向量构建干线网络，包括：基于启发式算法和评价指标扰动决策向量，构建可行干线网络。具体地，在利用决策向量构建干线网络时，基于启发式算法，利用当前干线网络的评价指标扰动决策向量，生成下一干线网络。其中，首个干线网络由决策向量随机生成，后续的干线网络生成需要基于启发式算法以当前干线网络的评价指标对决策向量进行扰动后生成，从而实现对求解全局最优干线网络过程的迭代。具体地，该启发式算法包括遗传算法、模拟退火、自适应大领域搜索和蚁群算法等算法中的任一种，本实施例不做限制。由于自启发算法设计有克服陷入局部优化的机制，因此，更适合本方案寻求全局最优的干线网络。

步骤S103：根据各起始节点预设的起始货量，按照预设货量推演规则确定所构建的干线网络中到达目的节点时间。

通过数学抽象，构建出干线网络模型后，需要计算出各起始节点到目的节点的运输时间；该时间体现出运输时效、运输成本，是对干线网络进行评价的关键。由于干线网络运输过程中，涉及运输路径中间节点的交汇，产生集货动作，因此，起始节点到对应目的节点的花费时间计算，不是单纯的独立运算，而是需要根据货量推演来确定。

进一步的，预设的货量推演规则，包括：按照发车批次对所构建的干线网络进行遍历；遍历时，以各起始节点作为首批次发车的开始，结合各起始节点在当前所构建干线网络下的可行路径，确定干线网络中各节点的货量变化和最后批次车辆到达目的节点的时间。采用发车批车作为货量推演视角，而不是直接去追踪货量，可以有效缩短货量推演过程，提升计算效率。

具体地，在遍历干线网络时，对于起始节点而言，其不需要等待集货，因此，其发车货量即预设的货量，其发车时间即构建干线网络时设定的发车时间，根据该货量和发车时间即可得到起始节点的发车信息。其中，预设货量可根据一定周期内的历史货量，均分到各可行时间确定。如本实施例中，将起始节点一个月的历史货量，均分到24个可行时间中；对于中转节点而言，基于成本考虑，则尽可能进行集货处理。在上一批次车发出后，根据干线网络的路径走向，发下批次车时，各车的发车时间根据到达发车节点的最晚那辆车的到达时间确定。每批次车，各车在得到发车货量和发车时间后，再根据发车货量选择车型，并按发车时间发往下一个节点，从而得到中转节点的发车信息。依次类推，即可得到每个中转节点的货量变化，以及最后批次车辆到达目的节点的时间，完成对干线网络的遍历。

进一步的，在进行干线网络遍历时，还包括：设置发车信息堆；当前发车批次下，遍历干线网络，依次确定各发车车辆包含到达下一节点时间、下一节点、车型、距离信息并送入已发车信息堆，直至当前批次车辆发完；当所有批次发车已完成，则从对已发车信息堆中按照到达目的的时间先后依次弹出全部车辆信息。

每次进行发车批次计算时，遍历整个干线网络，从而得到发车车辆对应的到达下一节点时间、下一节点、车型、距离信息，直至本批次所有车辆均已发车完毕为止，每得到一辆车的发车信息，即将发车信息放入发车信息堆。最后批次发车计算完毕后，从该发车信息堆中按到达目的节点时间从早到晚的顺序依次弹出全部车辆信息。

步骤S104：根据所述到达目的节点时间计算可行干线网络的评价指标；选择所述评价指标达到预设条件所对应的干线网络。

进一步的，该评价指标包括成本和/或时效。由于各起始节点到目的节点的运输时间可以反映运输时效、运输成本，汇总后即可对整个干线网络进行评价。进一步的，根据最后发车批车得到的车辆的信息进行评价指标的计算。选择所述评价指标达到预设条件所对应的干线网络。在一个实施例中，当评价指标好于预设阈值，则终止干线网络规划，选择该评价指标好于预设阈值所对应的干线网络；在另一个实施例中，当自启发式算法迭代已经达到最大迭代次数，则停止干线网络规划，选择评价指标最优值所对应的干线网络；在又一个实施例中，当自启发式算法迭代陷入停滞，则停止干线网络规划，选择评价指标最优值所对应的干线网络。

本发明实施例的物流干线网络规划方法通过数学抽象，将起始节点和目的节点之间的所有可行路径序列与一天所有可行发车时间的穷举组合，生成决策向量，再利用决策向量构建可行干线网络，因为每对起始节点和目的节点之间的可行路径和可行发车时间组合包括多种，所以可以构建多个可行干线网络，再根据起始节点的货量对可行干线网络中各节点进行货量推演各节点的到达目的节点时间，根据到达目的节点时间进行评价，从中选取评价最优的干线网络作为规划的最优结果，其不需要人为进行规划，能够节省人力且保证规划过程是基于全局优化得到的，相较于求解器求解其时间复杂度较低，规划效率更高且成本更低。

图2是本发明实施例的物流干线网络规划装置的功能模块示意图。如图2所示，该装置物流干线网络规划20包括生成模块21、构建模块22、推演模块23和评价模块24。

生成模块21，用于生成各起始节点到目的节点的可行路径序列，并与各起始节点一天中的可行发车时间穷举组合，生成各起始节点的决策向量；

构建模块22，用于根据各起始节点的决策向量构建可行干线网络；

推演模块23，用于根据各起始节点预设的起始货量，按照预设货量推演规则确定所构建的干线网络中到达目的节点时间；

评价模块24，用于根据所述到达目的节点时间计算可行干线网络的评价指标；选择所述评价指标达到预设条件所对应的干线网络。

进一步的，所述货量推演规则，包括：按照发车批次对所构建的干线网络进行遍历；遍历时，以各起始节点作为首批次发车的开始，结合各起始节点在当前所构建干线网络下的可行路径，确定干线网络中各节点的货量变化和最后批次车辆到达目的节点的时间。

进一步的，构建模块22能够根据各起始节点的决策向量构建干线网络的操作，还可以为：基于启发式算法和评价指标扰动决策向量，构建可行干线网络。

进一步的，在对干线网络进行遍历时，还包括：设置发车信息堆；当前发车批次下，遍历干线网络，依次确定各发车车辆包含到达下一节点时间、下一节点、车型、距离信息并送入已发车信息堆，直至当前批次车辆发完；当所有批次发车已完成，则从对已发车信息堆中按照到达节点的时间先后依次弹出全部车辆信息。

进一步的，所述干线网络中各节点的发车时间，根据最晚到达该节点车辆的到达时间确定。

进一步的，所述评价指标包括成本和/或时效。

进一步的，所述生成各起始节点到目的节点的可行路径序列前，设定中转节点的次数。

关于上述实施例物流干线网络规划装置中各模块实现技术方案的其他细节，可参见上述实施例中的物流干线网络规划方法中的描述，此处不再赘述。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

请参阅图3，图3为本发明实施例的计算机设备的结构示意图。如图3所示，该计算机设备30包括处理器31及和处理器31耦接的存储器32，存储器32中存储有程序指令，程序指令被处理器31执行时，使得处理器31执行上述任一实施例所述的物流干线网络规划方法的步骤。

其中，处理器31还可以称为CPU(Central Processing Unit，中央处理单元)。处理器31可能是一种集成电路芯片，具有信号的处理能力。处理器31还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

参阅图4，图4为本发明实施例的存储介质的结构示意图。本发明实施例的存储介质存储有能够实现上述所有方法的程序指令41，其中，该程序指令41可以以软件产品的形式存储在上述存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等计算机设备。

在本申请所提供的几个实施例中，应该理解到，所揭露的计算机设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。以上仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。