一種基于gis富網(wǎng)絡(luò)屬性路網(wǎng)的大規(guī)模分類配送方法
【專利摘要】一種基于GIS富網(wǎng)絡(luò)屬性路網(wǎng)的大規(guī)模分類配送方法，包括以下步驟：A1、獲得帶有至少OBJECTID*，Shape*，NAME，Shape_Length4個字段的路網(wǎng)矢量數(shù)據(jù)，原始數(shù)據(jù)需要處理才能拓撲分析。A2、采用自動方法處理不及、超過和節(jié)點不相交的3種情況。A3、構(gòu)建GIS富網(wǎng)絡(luò)模型，同時利用GIS軟件創(chuàng)建網(wǎng)絡(luò)數(shù)據(jù)集，通過設(shè)置網(wǎng)絡(luò)連通性和網(wǎng)絡(luò)屬性，進行網(wǎng)絡(luò)分析，得到各個配送點之間的最短距離的OD矩陣。A4、建立配送目標節(jié)點分類模型。A5、構(gòu)建車輛優(yōu)化調(diào)度模型，A6、配送目標節(jié)點分類算法設(shè)計，同時確定每一類的中心地理坐標。A7、車輛優(yōu)化調(diào)度算法的設(shè)計，設(shè)計車輛優(yōu)化調(diào)度設(shè)法，使總體費用最小，并能準時，準確，高效的完成配送任務(wù)。
【專利說明】—種基于GIS富網(wǎng)絡(luò)屬性路網(wǎng)的大規(guī)模分類配送方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種地理信息數(shù)據(jù)處理、計算機應(yīng)用領(lǐng)域，運籌學(xué)，圖論與網(wǎng)絡(luò)分析，交通運輸工程，管理科學(xué)與工程，尤其涉及的是，物流配送領(lǐng)域。
【背景技術(shù)】
[0002]隨著經(jīng)濟全球化和網(wǎng)絡(luò)信息技術(shù)的飛速發(fā)展，物流配送作為一個新的經(jīng)濟增長點已經(jīng)引起了人們的普遍關(guān)注。配送是物流系統(tǒng)的核心環(huán)節(jié)，是伴隨著市場而誕生的一種必然的市場行為，隨著市場競爭的日益激烈以及客戶要求的不斷提高，配送在未來的市場競爭中將起到舉足輕重的作用。
[0003]國內(nèi)外學(xué)者著力于研究 VRPTW(vehicle routing problem with time windows)問題，主要因為它是物流配送和交通運輸?shù)暮诵膯栴}，只有解決了調(diào)度問題才能使配送有效合理。VRPTW問題的目標函數(shù)可以描述為車輛從倉庫(單倉庫)到各分散客戶點之間的行駛總距離最短和線路總花費最小。線路設(shè)計原則是，每個一個客戶點只能被一輛車訪問，同時必須在規(guī)定的時間窗之內(nèi)。所有的線路的起點和終點必須是同一個倉庫，并且在每一條線上的客戶點的貨運需求總量不能超過線路上的車輛的載重量。VRPTW問題實用性較強，尤其在3PL (thirdparty logistic)中。對于上百個客戶點的配送問題,通過可伸縮方法在限制的時間內(nèi)能得到較好的結(jié)果。Lenstra和Kan (1981)證明VRPTW問題屬于NP難組合優(yōu)化問題。VRPTW問題的解法豐富，比較常見的可以分為精確算法和啟發(fā)式算法。采用精確算法解決VRPTW問題時，時間復(fù)雜度過高。近幾年，雖然一些學(xué)者在研究VRPTW問題中用到了精確算法，但是啟發(fā)式算法能在可行的時間復(fù)雜度之內(nèi)優(yōu)化問題，大多數(shù)學(xué)者還是著力研究啟發(fā)式算法來解決VRPTW問題?？偟膩碚f，VRPTff問題比VRP問題難些。因此，采用啟發(fā)式算法解決VRPTW問題更好些。近期以來，用啟發(fā)式算法解決VRPTW問題已取得了較好的結(jié)果。
[0004]但是，不管用哪種方法求解物流配送問題都很少能顧及下面3個問題:①各個配送客戶點之間的距離是以其直線距離作為計算依據(jù)，脫離了配送客戶點之間的實際路網(wǎng)；
②現(xiàn)有的VRPTW問題的研究，沒有考慮道路的行車實際情況，如:車道數(shù)、通流能力等地理信息因素考慮進去現(xiàn)有的研究多是針對網(wǎng)點數(shù)據(jù)較小的情況(一般不超過20個)，但在網(wǎng)點數(shù)目龐大的情況下，從計算量上，很難得到精確解。
[0005]因此，現(xiàn)有的物流配送方法存在缺陷，需要改進。

【發(fā)明內(nèi)容】

[0006]為了克服已有的配送中的各個配送點之間是以直線距離為計算依據(jù)、沒有考慮道路質(zhì)量，流通能力等地理信息因素、網(wǎng)點數(shù)較小等不足，本發(fā)明提供一種以配送點間的實際路網(wǎng)線路距離為計算依據(jù)，同時考慮道路實際行車能力、網(wǎng)點數(shù)較大、配送點對貨運需求時間的物流配送方法。
[0007]本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:[0008]一種基于富網(wǎng)絡(luò)屬性路網(wǎng)的物流配送方法，包括以下步驟:
[0009]Al、獲取矢量地圖(Shape files)，它是ESRI提供的一種矢量數(shù)據(jù)格式，沒有拓撲信息。一個Shape files由一組文件組成，其中必要的基本文件包括坐標文件(.shp)、索引文件(.shx)和屬性文件(.dbf)三個文件。坐標文件(.shp)用于記錄空間坐標信息。坐標文件由頭文件和實體信息兩部分構(gòu)成。索引文件(.shx)主要包含文件的索引信息，文件中每個記錄包含對應(yīng)的坐標文件記錄距離坐標文件的文件頭的偏移量。通過索引文件可以方便地在坐標文件中定位到指定目標的坐標信息。屬性文件(.dbf)包含一 feature—個記錄的feature的特征。這三個文件是一一對應(yīng)的關(guān)系。原始地圖中的道路中至少包含0BJECTID*，Shape*，NAME，Shape_Length，4個字段，這4個字段為下面基于實際路網(wǎng)的分析提供保證。
[0010]A2、地圖數(shù)據(jù)檢查。構(gòu)建道路圖層時，影響拓撲關(guān)系建立的空間數(shù)據(jù)關(guān)聯(lián)錯誤有3中情況，分別是，不及、超過和節(jié)點不相交。這種處理一般量比較大，要是手工逐個修改，耗時大。一般采用自動判斷并且糾正數(shù)據(jù)錯誤，分為3步:
[0011]①設(shè)置交點區(qū)間(即兩條道路端點是否相交的最小距離)；
[0012]②找出道路圖層中每條道路對象的起點和終點(道路線路實體對象分為折線和直線)。
[0013]③比較任意兩線起終點間距離，若距離大于零并且在交點區(qū)間內(nèi)，則使亮點重合(用兩點間的中點替代)。
[0014]A3、建立GIS富網(wǎng)絡(luò)路網(wǎng)模型。通過GIS軟件(ArcGIS)，建立網(wǎng)絡(luò)數(shù)據(jù)集，同時設(shè)置網(wǎng)絡(luò)數(shù)據(jù)集中的連通性，建立路網(wǎng)之間的拓撲關(guān)系；根據(jù)數(shù)據(jù)中的字段屬性建立網(wǎng)絡(luò)數(shù)據(jù)集中的道路阻值。再對網(wǎng)絡(luò)數(shù)據(jù)集進行網(wǎng)絡(luò)分析，可以得到配送目標節(jié)點之間的最短距離的OD矩陣(源點到目標節(jié)點的距離矩陣)，為下面車輛優(yōu)化調(diào)度模型提供車輛行駛費用權(quán)值。
[0015]A4、配送目標點分類模型。分類的目的是減小配送目標點的規(guī)模，大而化小。具體模型如下:
[0016]采用一種數(shù)據(jù)樣本分布算法，算法依照數(shù)據(jù)分布動態(tài)選取聚類中心。假設(shè)樣本數(shù)據(jù)集U= {Lz I Z=1, 2，…，n}，Ch (h=1, 2，…，k)為第h個樣本數(shù)據(jù)集合，k為樣本數(shù)據(jù)集個數(shù)，Lz為第z個樣本數(shù)據(jù)，h為樣本數(shù)據(jù)集的下標，z為樣本數(shù)據(jù)的下標，η為樣本數(shù)據(jù)集中樣本數(shù)據(jù)的個數(shù)。
[0017]
【權(quán)利要求】
1.一種基于GIS富網(wǎng)絡(luò)屬性路網(wǎng)的大規(guī)模分類配送方法，其特征在于:所述富網(wǎng)絡(luò)屬性路網(wǎng)的目標節(jié)點分類配送方法包括以下步驟: Al、獲得帶有至少包含OBJECTID*，Shape*，NAME, Shape_Length4個字段的路網(wǎng)矢量數(shù)據(jù)，對原始的矢量數(shù)據(jù)的不及、超過和節(jié)點不相交3種情況進行處理； A2、處理不及、超過和節(jié)點不相交的3種情況，分3步糾正數(shù)據(jù)錯誤: ①設(shè)置交點區(qū)間(即兩條道路端點是否相交的最小距離); ②找出道路圖層中每條道路對象的起點和終點(道路線路實體對象分為折線和直線)； ③比較任意兩線起點間距離，若距離大于零并且在交點區(qū)間內(nèi)，則使亮點重合(用兩點間的中點替代)； A3、建立GIS富網(wǎng)絡(luò)路網(wǎng)模型；通過GIS軟件(ArcGIS)，建立網(wǎng)絡(luò)數(shù)據(jù)集，同時設(shè)置網(wǎng)絡(luò)數(shù)據(jù)集中的連通性，建立路網(wǎng)之間的拓撲關(guān)系；根據(jù)矢量數(shù)據(jù)中的Shap_Length字段屬性建立網(wǎng)絡(luò)數(shù)據(jù)集中的道路阻值；再對網(wǎng)絡(luò)數(shù)據(jù)集進行網(wǎng)絡(luò)分析，可以得到配送目標節(jié)點之間的最短距離的OD矩陣(源點到目標節(jié)點的距離矩陣)，為車輛優(yōu)化調(diào)度模型提供車輛行駛費用權(quán)值； A4、建立配送目標節(jié)點分類模型；分類的目的是減小配送目標節(jié)點的規(guī)模，將配送范圍大而化??；在地理坐標下，提取各個目標節(jié)點的地理坐標；模型采用一種數(shù)據(jù)樣本分布算法，算法依照數(shù)據(jù)分布動態(tài)選取聚類中心，直至將所有的目標節(jié)點分類；具體模型如下: 假設(shè)樣本數(shù)據(jù)集U= {Lz I z=l，2，…，n}，Ch(h=l，2，…，k)為第h個樣本數(shù)據(jù)集合，k為樣本數(shù)據(jù)集個數(shù)，Lz為第z個樣本數(shù) 據(jù) ，h為樣本數(shù)據(jù)集的下標，z為樣本數(shù)據(jù)的下標，η為樣本數(shù)據(jù)集中樣本數(shù)據(jù)的個數(shù)；
(h = 1,2, k) (I)
nh 式(I)中Ch為類Ch的聚集中心，其中I為Ch中的樣本點，nh為各類數(shù)據(jù)集中的樣本個數(shù)；樣本數(shù)據(jù)具有m個屬性，假設(shè)存在樣本X，y，且X，y e U，則樣本數(shù)據(jù)x可以表示為X= (χι, X2?…，xm)，樣本數(shù)據(jù)I可以表示為y=^ y2,…，ym)，χ和y之間的距離采用歐式距離:
cfoi[x，)>] = ^(X1 -J..,)2 +(X2 -V2)2 +--- + (.Y,,, - Vra)2 (2) dist[x, y]為樣本χ, y之間的歐式距離，X1, X2,…，Xm是樣本數(shù)據(jù)x的m個屬性值，y1；12，…，ym是樣本數(shù)據(jù)y的m個屬性值為允許加入集合的最大空間距離閥值:
limif = ( max (cfisi[A,B])- min (dist[a,b])) / k (3)
ls^s?.1<5sn1<?7<Η.式(3)中，Α，Β為η個樣本數(shù)據(jù)中最大歐式距離的兩個樣本數(shù)據(jù)，a，b為η個樣本數(shù)據(jù)中最小歐式距離的兩個樣本數(shù)據(jù)；樣本數(shù)據(jù)χ與樣本數(shù)據(jù)集合Ch之間的最小距離為:dist [x, Ch] =min (dist [χ, I]), I e Ch (4) 樣本數(shù)據(jù)X與樣本數(shù)據(jù)集合之間的最大距離為:
Dist [x, Ch] =max (dist [χ, I]), I e Ch (5) Α5、建立車輛優(yōu)化調(diào)度模型，考慮到運輸費用中的車輛費用、駕駛員補助費用、等待費用和車輛延遲費用建立目標函數(shù)；這里的車輛優(yōu)化調(diào)度模型是針對分類后類中的目標節(jié)點建立的，模型中的配送目標點將小于原來整體的目標點；具體模型如下:配送車輛向L個客戶送貨，每個客戶需求量為gi(i=l，2，…，L)，其中i為客戶點，同時要求送貨的時間窗及卸貨時間分別為[etpltj和11\(1=1，2，一，0 ;車輛每小時等待費用為^，每小時延遲費用為4(1=1，2，...，L);倉庫與客戶、客戶與客戶之間的最短運距、平均車速和車輛每公里費用分別為Clij, Vij和oijrij(i，j=0, I, 2，…，L)其中i，j為配送客戶點中的任意兩點；i=0時，為卷煙倉庫，Wij為道路狀況權(quán)重；配送車輛共有％類，其中第q類車輛有Po輛，同時q類車輛載重量為Vqp (P=I, 2，…，P0)，每輛車每次配送最短大離不超過Dqp ;駕駛員行車補助和加班補助每小時分別為s和es ;駕駛員在行車途中到中午12:00和18:00時安排30min就餐時間，車輛當天返回配送倉庫； 運輸費用分別由配送車輛費用、駕駛員補助費用、等待費用和車輛延遲費用組成；配送車輛費用由燃油費用、車輛折舊費用和維護費用組成，管理者可以根據(jù)經(jīng)營情況核算出每車每公里應(yīng)付的配送車輛費用，且能將車輛費用轉(zhuǎn)化為線性變量；駕駛員補助費用中，如駕駛員工作時間不超過8小時，則以工作時間計算；如果駕駛員工作時間超過8小時，則超過部分時間應(yīng)按加班補助費用計算；客戶貨運需求通常要在客戶規(guī)定時間范圍內(nèi)送達，否則物流中心需要支付額外費用；如車輛提前達到客戶點，則支付等待費用；若車輛延遲到達客戶點，則支付延遲費用； 使車輛Φ (第q類車的第P輛)從客戶j到達客戶i時刻為t ,則tetj+utj+dij/Vij,其中j為i的前一個客戶點，若tj〈12且\≤12或tj〈18且\≤18，則需要考慮駕駛員的就餐時間；對tj<12且\ > 12的情況，有:
2.如權(quán)利要求1所述的一種基于GIS富網(wǎng)絡(luò)屬性路網(wǎng)的大規(guī)模分類配送方法，其特征在于: 步驟A4所述的建立配送目標節(jié)點分類模型，結(jié)合了 GIS技術(shù)，以配送目標節(jié)點的實際地理位置坐標為分類基礎(chǔ)，將配送目標節(jié)點分類。
3.如權(quán)利要求1所述的一種基于GIS富網(wǎng)絡(luò)屬性路網(wǎng)的大規(guī)模分類配送方法，其特征在于:步驟A5所述的車輛優(yōu)化調(diào)度模型，考慮到了實際道路不同路況對車輛維護所產(chǎn)生不同的費用。
4.如權(quán)利要求1所述的一種基于GIS富網(wǎng)絡(luò)屬性路網(wǎng)的大規(guī)模分類配送方法，其特征在于:步驟A5所述的車輛優(yōu)化調(diào)度模型，考慮到了駕駛員在外出送貨時，到12點和18點的30分鐘就餐時間。
5. 如權(quán)利要求1所述的一種基于GIS富網(wǎng)絡(luò)屬性路網(wǎng)的大規(guī)模分類配送方法，其特征在于:步驟A4、A6所述的將大規(guī)模配送點分類，以聚類集合為整體和物流倉庫形成一對一的配送。
6.如權(quán)利要求1所述的一種基于GIS富網(wǎng)絡(luò)屬性路網(wǎng)的大規(guī)模分類配送方法，其特征在于:步驟A3所述的建立GIS富網(wǎng)絡(luò)屬性模型，結(jié)合GIS技術(shù)得到配送目標節(jié)點之間的最短距離的OD矩陣，為A5中的車輛優(yōu)化調(diào)度模型提供車輛費用權(quán)值。
7.如權(quán)利要求1所述的一種基于GIS富網(wǎng)絡(luò)屬性路網(wǎng)的大規(guī)模分類配送方法，其特征在于:步驟A7所述的采用車輛優(yōu)化調(diào)度算法實現(xiàn)路線配送方案后，結(jié)合GIS技術(shù)在配送圖中渲染出路線效果，給調(diào)度決策者和配送司機提供直觀、清晰和友好的人機交互界面。
【文檔編號】G06F17/30GK103489082SQ201310202970
【公開日】2014年1月1日 申請日期:2013年5月27日 優(yōu)先權(quán)日:2013年5月27日
【發(fā)明者】張貴軍, 姚春龍, 張貝金, 陳麒伉, 程正華, 鄧勇躍, 明潔, 劉玉棟, 秦傳慶 申請人:浙江工業(yè)大學(xué)