[发明专利]一种基于时间预约的智能配送路径规划方法

说明书

技术领域

本发明涉及一种基于时间预约的智能配送路径规划方法，属于快递配送技术领域。

背景技术

电子商务通过快捷、高效的信息处理手段可以比较容易地解决信息流、商流、和资金流的问题，而将商品及时地配送到用户手中，即完成商品的空间转移（物流）才标志着电子商务过程的结束，因此物流配送系统的效率高低是电子商务成功与否的关键，而物流配送效率的高低很大一部分取决于物流配送现代化的水平。及时、高效的物流配送是对生产活动的有力保障。合理、高效及现代化的物流配送，通过降低物流配送费用来降低生产作业成本、优化库存结构、减少资金占用、缩短生产周期。

目前物流配送过程主要包括：备货、储存、配货、配装、送货。而在配货、配装、送货过程与客户要求息息相关。现有配送方式一般是由配送中心直接对货物进行分拣、配装、送货。配送员到客户指定配送地点时才与客户联系，由客户进行签收。在此过程中，客户只能被动等待货物送达，而无法事先预约货物送达时间；有时客户不在指定地点就无法签收货物，即使配送员已经将货物送到指定地点也无法完成物流配送过程，反而浪费了人力，物力，同时也会影响其他客户的签收，此外也大大降低了客户的满意度。因此，配送过程中应该允许客户提前设置配送时间等配送需求，物流公司应该根据客户的配送需求，进行个性化的配送，进一步提高配送成功性，才能进一步节约配送成本，提升客户满意度。

基于模糊预约时间的LRP（Location-Routing Problem运输路线安排）技术，根据用户配送地点、配送路线、车辆承重范围和车辆数量建立多目标的规划函数。此外，配送的一个重要特点在于客户往往会指定发送或交货的时间要求, 即属于带时间窗的问题。传统的车辆优化调度问题, 对运输服务时间的约束用时间窗表示服务在该时间范围内开始, 则顾客完全满意;否则, 顾客满意度为在连接两节点时检验时间窗约束, 能够构造出求解有时间窗约束运输线路选择的启发式算法。

带预约时间的车辆路径问题及多目标优化蚁群算法，根据B2C(商家对客户)电子商务环境下物流配送的特点建立了带预约时间的车辆路径问题(VRP)数学模型, 设计了求解多目标优化的蚁群算法, 各个目标具有相同的重要性. 在蚁群的状态转移概率中引入预约时间窗宽度及车辆等待时间因素, 记录优化过程中产生的Pareto最优解, 用Pareto最优解集来指导蚁群的信息素更新策略。

通过上述现有技术，可知现有技术存在如下问题：（1）只是单纯的考虑用户设置一个时间段，没有考虑用户配送点有物流代收点，或者用户本身没有时间预约的需求；（2）没有考虑客户配送的时间预约方式，只是单纯的假设用户预约的时间段；（3）没有路径动态规划功能，需要考虑用客户可能临时有事，取消或修改配送时间，配送路径设置也需要根据客户的临时改动而变动。

发明内容

本发明所要解决的技术问题是提供一种采用全新设计构思，能够有效提高快递配送工作效率的基于时间预约的智能配送路径规划方法。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于时间预约的智能配送路径规划方法，其特征在于，首先针对订单进行等级划分，针对非指定配送时间的订单设置为A类等级标记，针对指定配送时间的订单设置为B类等级标记；然后分别在各个配送时间段之前，将即将来临的配送时间段作为当前配送时间段，执行智能配送路径规划方法，包括如下步骤：

步骤1. 首先针对所有未装载的A类订单进行配送地址聚类，获得未装载A类订单所对应的各个配送点；以及针对所有未装载B类等级标记订单，按其配送时间段进行划分；然后针对B类订单进行调整，保证当前配送时间段所对应所有B类订单的货物总重量，不超过当前所有待命配送车辆总承重的预设百分比，然后进入步骤2；其中，预设百分比大于0%，且小于100%；

步骤2. 将当前配送时间段内所对应的所有B类等级标记订单按配送地址进行聚类，获得当前配送时间段所对应B类等级标记订单的各个配送点，并以配送中心为原点，获得当前配送时间段B类订单最短路径L，并计算获得相邻配送点之间的配送时间，然后进入步骤3；

步骤3. 根据当前配送时间段B类订单最短路径L，依次将各个配送点的货物向各辆待命配送车辆进行装载，并结合相邻配送点之间的配送时间，保证待命配送车辆不超载，以及各辆待命配送车辆对应配送点的累积配送时长不超过该配送时间段时长的前提下，获得当前配送时间段内各辆待命配送车辆分别所对应的B类订单配送点和B类订单货物，然后进入步骤4；