本發(fā)明涉及智能包裝配送服務(wù)技術(shù)領(lǐng)域，具體為一種面向綠色物流的智能包裝服務(wù)建模與配送任務(wù)動態(tài)優(yōu)化方法，采用基于pi(physicalinternet)的綠色可回收智能包裝箱為快遞商品提供高性價比的包裝服務(wù)，進(jìn)而通過應(yīng)用pss(productservicesystem)方法和技術(shù)對各物流公司配送服務(wù)的集成與共享以及智能包裝箱的回收再利用，達(dá)到實時物流需求驅(qū)動的物流配送動態(tài)優(yōu)化方案，為低碳、高效的綠色物流服務(wù)提供重要的解決方案。

背景技術(shù)：

伴隨著電子商務(wù)的繁榮，人們的日常生活和工作方式已經(jīng)發(fā)生巨大的變革，特別是網(wǎng)上購物，導(dǎo)致了現(xiàn)代物流服務(wù)的飛速展。2015年中國快遞協(xié)會年會發(fā)布數(shù)據(jù)顯示全國快遞業(yè)的業(yè)務(wù)量達(dá)到206億件，同比2014年增長了48％。據(jù)國家郵政局發(fā)布《中國快遞領(lǐng)域綠色包裝發(fā)展現(xiàn)狀及趨勢報告》顯示，按照平均每單快件使用1米膠帶計算，2015年全國快遞業(yè)所使用的膠帶總量為169.85億米。國家郵政局預(yù)測，2016年我國將產(chǎn)生300億個快遞包裹，快遞行業(yè)每年使用大量不可自然降解塑料袋、膠帶，排放的二氧化碳約達(dá)到3000萬噸，給社會、環(huán)境與綠色經(jīng)濟(jì)帶來負(fù)面影響。因此，如何利用先進(jìn)的信息技術(shù)和管理方法，發(fā)明物流行業(yè)中所急缺的具有成本和環(huán)境效益的可共享標(biāo)準(zhǔn)智能箱和實時物流需求驅(qū)動的物流配送動態(tài)優(yōu)化方案，實現(xiàn)綠色環(huán)保低碳的物流商業(yè)模式已成為物流方向研究和實踐的熱點問題之一。為了解決上述問題，物聯(lián)網(wǎng)技術(shù)(pi)，產(chǎn)品服務(wù)系統(tǒng)(pss)和云計算(cloudcomputing,cc)這三個關(guān)鍵技術(shù)逐漸被人們應(yīng)用和重視。

在如何實現(xiàn)裝載方法的優(yōu)化和利用先進(jìn)的信息技術(shù)來節(jié)約物流資源與成本，提高物流企業(yè)配送效率方面的研究主要有：montreuil討論了全球物流可持續(xù)發(fā)展面臨的諸多現(xiàn)實挑戰(zhàn)，視pi(physicalinternet)為實現(xiàn)綠色物流的一種新穎、有效的技術(shù)手段^[1]；寧曉菊等開發(fā)了基于rfid(radiofrequencyidentificationdevices)的工業(yè)園區(qū)ship智能物流管理系統(tǒng)，輔助園區(qū)中制造企業(yè)進(jìn)行集成化、協(xié)同化和智能化的動態(tài)倉儲管理和實時物流管理^[2]；ribeiro和borsato提出了使pss應(yīng)用于新產(chǎn)品開發(fā)流程，使企業(yè)能提供可持續(xù)的產(chǎn)品^[3]；高連周分析了物聯(lián)網(wǎng)及云計算對物流業(yè)發(fā)展產(chǎn)生的影響，構(gòu)建基于物聯(lián)網(wǎng)和云計算的智能物流體系^[4]；林云等分析了物流云服務(wù)區(qū)別于以往物流服務(wù)方式的創(chuàng)新特征，提出了物流云服務(wù)的業(yè)務(wù)架構(gòu)和技術(shù)架構(gòu)，討論了實施物流云服務(wù)所需解決的關(guān)鍵技術(shù)和問題^[5]；劉程鵬構(gòu)造了物流配送路徑模型，通過與啟發(fā)式算法最優(yōu)解的比較，驗證了基于云計算的物流配送路徑優(yōu)化求解方法的有效性^[6]。

[1]montreuil,b.2011.“towardsaphysicalinternet:meetingthegloballogisticssustainabilitygrandchallenge.”logisticsresearch3(2-3):71-87.

[2]寧曉菊,陳艷,朱偉軍,屈挺,黃國全.基于rfid工業(yè)園區(qū)ship智能物流管理系統(tǒng)[j].制造業(yè)自動化,2014,36(2):10-20.

[3]ribeiro,v.c.,andm.borsato.2014.“integratingproduct-servicesystemtoolsintonewproductdevelopmentprogress.”journalofintegrateddesignandprogressscience18(3):3-18.

[4]高連周.大數(shù)據(jù)時代基于物聯(lián)網(wǎng)和云計算的智能物流發(fā)展模式研究[j].物流技術(shù),2014，33(6):350-352.

[5]林云,田帥輝.物流云服務(wù)：面向供應(yīng)鏈的物流服務(wù)新模式[j].計算機(jī)應(yīng)用研究,2012,29(1):224-228.

[6]劉程鵬.基于云計算的物流配送系統(tǒng)路徑優(yōu)化[j].物流與技術(shù),2014,33(6):99-101.

上述研究和發(fā)明對物流管理系統(tǒng)的發(fā)展起到了顯著的推進(jìn)作用，但是在實現(xiàn)低能耗，高效率的綠色物流配送的過程還存在以下挑戰(zhàn)：1)缺乏在不同企業(yè)間設(shè)計一個能及時分享物流信息并且可以動態(tài)合作的整體架構(gòu)和方法。2)缺乏為快遞商品設(shè)計一種高性價比的包裝方式及低成本和低碳的運營模式，以解決當(dāng)前快遞商品包裝方式帶來的易損壞以及嚴(yán)重的環(huán)境污染問題。3)缺乏為物流分配任務(wù)設(shè)計一個面向不同物流公司全局動態(tài)優(yōu)化方法來改善當(dāng)前配送車輛裝載比率低下和燃料浪費嚴(yán)重的問題。

技術(shù)實現(xiàn)要素：

為了應(yīng)對上述挑戰(zhàn)和問題，本發(fā)明設(shè)計了一種面向綠色物流的智能包裝服務(wù)建模與配送任務(wù)動態(tài)優(yōu)化方法，本發(fā)明采用了三個關(guān)鍵技術(shù)：物聯(lián)網(wǎng)(pi)，產(chǎn)品服務(wù)系統(tǒng)(pss)和云計算(cc)，旨在提供一個創(chuàng)新的、可持續(xù)的綠色物流服務(wù)和可回收的、高質(zhì)量的智能包裝方式，從而實現(xiàn)物流資源優(yōu)化配置、物流信息共享與企業(yè)優(yōu)化合作、降低物流成本和環(huán)境污染以及提升物流車的裝載率。設(shè)計的一種基于pi的綠色可回收智能包裝箱為快遞商品提供高性價比的包裝服務(wù)，其中pi為可回收利用的綠色智能箱實現(xiàn)智能箱使能的云物流服務(wù)提供技術(shù)支持與設(shè)計標(biāo)準(zhǔn)。pss技術(shù)提供了一種新穎的物流產(chǎn)品包裝服務(wù)，區(qū)別于傳統(tǒng)的物流封裝服務(wù)：客戶使用物流包裝服務(wù)同時需要購買包裝箱。對于基于pss的物流服務(wù)，物流公司提供智能箱，并且負(fù)責(zé)對其回收、維護(hù)和循環(huán)使用，客戶使用智能箱的包裝服務(wù)，實現(xiàn)了客戶與物流企業(yè)的共贏。設(shè)計了集成多源物流信息的云物流服務(wù)平臺，在該基于云計算的物流平臺中，實時物流需求驅(qū)動的物流配送任務(wù)動態(tài)優(yōu)化方法實現(xiàn)了物流任務(wù)的實時優(yōu)化和配送方案，使得云平臺中的物流資源得以優(yōu)化配置，其中裝載優(yōu)化服務(wù)、物流信息管理服務(wù)、路徑優(yōu)化導(dǎo)航服務(wù)實現(xiàn)了低碳、高效的綠色物流服務(wù)。

技術(shù)方案

來自客戶端的物流任務(wù)訂單可以分為三類。第一類是離線訂單，即客戶線下直接提交訂單給物流企業(yè)；第二類是在線訂單，即客戶登錄網(wǎng)上帳戶，在物流云平臺中注冊和提交訂單；第三是由離線轉(zhuǎn)在線的訂單，即客戶提交的物流訂單超過了第三方物流公司配送能力，轉(zhuǎn)而通過物流云平臺進(jìn)行離線計算，該平臺將物流訂單優(yōu)化分配給具有配送能力的物流公司。物流任務(wù)訂單被定義為cos，具體的技術(shù)方案如下：

所述一種面向綠色物流的智能包裝服務(wù)建模與配送任務(wù)動態(tài)優(yōu)化方法，其特征在于：包括以下步驟：

步驟1：定義符號表示涉及的數(shù)據(jù)以及相關(guān)決策變量：

步驟1.1：定義符號變量：

步驟1.2：定義決策變量符號：

zj如果選擇集裝箱j，二進(jìn)制變量等于1，否則為0；

γij如果選擇第i個cos裝載入集裝箱j，二進(jìn)制變量等于1，否則為0；

步驟2：建立cos數(shù)據(jù)標(biāo)準(zhǔn)化信息庫；具體步驟如下：

步驟2.1：根據(jù)物流訂單地址信息分類構(gòu)建cos數(shù)據(jù)標(biāo)準(zhǔn)化信息庫；

步驟2.2：錄入訂單信息，包括訂單編號、物品名稱、訂單類型、尺寸、重量、數(shù)量；

步驟2.3：錄入收件人信息，包括收件人姓名、地址、聯(lián)系電話；

步驟2.4：錄入第三方物流企業(yè)相關(guān)屬性，包括物流公司名稱、運輸公司名稱、電話、訂單狀態(tài)、分配方式；

步驟3：將cos與智能箱優(yōu)化匹配，優(yōu)化裝載規(guī)則如下：

如果cos的規(guī)格屬性滿足

li≤l′1∩wi≤w′1∩hi≤h′1→i∈b1(1)

則將其裝入第一類智能箱b1；

如果cos的規(guī)格屬性滿足

l′1≤li≤l′2∩w′1≤wi≤w′2∩h′1≤hi≤h′2→i∈b2(2)

則將其裝入第二類智能箱b2；

如果cos的規(guī)格屬性滿足

l′2≤li≤l′3∩w′2≤wi≤w′3∩h′2≤hi≤h′3→i∈b3(3)

則將其裝入第三類智能箱b3；

步驟4：對cos進(jìn)行基于距離的聚類分析，并分組：

步驟4.1：定義：dij和dij分別表示樣本xi和xj與聚類gi和gj兩者之間的距離，其中

假設(shè)聚類gp和gq被分組到一個新的聚類gr，則任意聚類gk和gr距離的關(guān)系：

步驟4.2：計算任意兩個樣本之間的距離，得到一個新的距離矩陣d(0)；

步驟4.3：找出最短的距離元素記為dpq，然后將gp和gq聚合為一個新的聚類gr，即gr＝{gp，gq}；

步驟4.4：每一個新的分組聚類按順序編號；

步驟4.5：計算新的聚類與其他聚類之間的距離；

步驟4.6：重復(fù)步驟4.3，步驟4.4和步驟4.5，并取r＝r+1；

步驟4.7：直到所有元素都被分組后結(jié)束；如果距離最短的元素的數(shù)目不止一個，則所有相應(yīng)的元素組合成一個聚類；

步驟5：建立裝載服務(wù)的動態(tài)優(yōu)化模型：

步驟5.1：建立函數(shù)關(guān)系，具體如下

li≤l′1∩wi≤w′1∩hi≤h′1→i∈b1(6)

l′1≤li≤l′2∩w′1≤wi≤w′2∩h′1≤hi≤h′2→i∈b2(7)

l′2≤li≤l′3∩w′2≤wi≤w′3∩h′2≤hi≤h′3→i∈b3(8)

m＝(lj·wj·hj)/(l′3·w′3·h′3)(9)

n＝(lj·wj·hj)/(l′1·w′1·h′1)(10)

步驟5.2：建立智能箱裝-集裝箱的裝載優(yōu)化方法，降低集裝箱的空載率，具體如下：

cos通過分層樹結(jié)構(gòu)網(wǎng)絡(luò)集群形成los：在初始的los(gp)中，cos的數(shù)量等于i0且初始值為0；如果集裝箱j的尺寸相對于cos是可用的，則將cos裝載到集裝箱j中，而且實時更新和輸出集裝箱j已使用和剩余的體積；如果cos的數(shù)量小于或等于i0，則返回繼續(xù)裝載，否則結(jié)束裝載；如果集裝箱j的尺寸相對于cos不可用，則輸出cos已裝載入集裝箱j的數(shù)量如果小于i0，然后尋找離gp距離最短的聚類gq，并形成一個新的聚類gpq，然后返回繼續(xù)裝載，否則結(jié)束裝載；

步驟5.3：智能箱裝載順序優(yōu)化：

按照訂單距離遠(yuǎn)近，在裝載過程中先裝載未裝載訂單中距離最遠(yuǎn)的訂單，依次裝載，則距離最近的訂單在最后裝載；

步驟5.4：裝載校驗優(yōu)化服務(wù)：

裝載校驗服務(wù)通過附著在智能箱、配送車輛上的智能rfid標(biāo)簽與手持式rfid閱讀器實現(xiàn)物流任務(wù)-智能箱的精確裝載；裝載校驗服務(wù)通過由手持式rfid閱讀器掃描附著在智能箱上的rfid標(biāo)簽，獲得的裝載信息與初始裝載列表的信息進(jìn)行自動匹配檢驗，當(dāng)且僅當(dāng)兩者完全匹配后，方可裝載；否則警示信息會提醒裝載工人可能存在信息不對稱問題；當(dāng)智能箱裝載入集裝箱時，通過在集裝箱入口位置嵌入的rfid閱讀器掃描智能箱上的rfid標(biāo)簽，獲得智能箱的相關(guān)信息，其中包括智能箱的規(guī)格和裝載內(nèi)容等，基于感知捕獲的信息，上傳載入的智能箱相關(guān)信息至物流平臺，同時更新、輸出裝載信息；

步驟6：構(gòu)建實時物流需求驅(qū)動的物流任務(wù)動態(tài)優(yōu)化模型：

步驟6.1：云配送中心按一定的時間間隔t觸發(fā)各配送車輛智能終端傳輸車輛實時狀態(tài)信息，過濾掉正在裝卸貨和剩余體積、剩余重量的車輛信息，構(gòu)建配送車輛資源庫，具體如下：

根據(jù)動態(tài)的任務(wù)信息構(gòu)建任務(wù)信息庫t，該任務(wù)信息庫中：tidi為第i個任務(wù)的編號、w表示重量、v表示體積、cp表示當(dāng)前位置、d表示任務(wù)目的地、dt表示任務(wù)交貨期、dp表示任務(wù)送達(dá)時超出交貨期單位時間的懲罰參數(shù)；具體如下：

其中對于車輛剩余體積sv和配送任務(wù)體積v均是一個三維向量，sv＝(length,width,height)，v＝(length,width,height)分別表示了配送車輛剩余體積和配送任務(wù)的長寬高；

步驟6.2：假設(shè)配送車輛資源集為

v＝(v1,v2,v3...vi...vn)^t

動態(tài)任務(wù)集為

t＝(t1,t2,t3...ti...tn)^t；

車輛配送的路徑從車輛當(dāng)前位置cpv開始配送，到下一個目的地ndv結(jié)束配送任務(wù)，根據(jù)此路徑建立車輛路徑導(dǎo)航向量tidi＝(cpt,ndt)，配送車輛信息和配送任務(wù)信息可以在二維坐標(biāo)中表示：

以車輛向量vidi的中點為圓心o(r)，以1/2的車輛向量模|vidi|為半徑r，建立配送車輛圓區(qū)域；

步驟6.3：假設(shè)圓區(qū)域中的配送任務(wù)為圓域中的元素，存在以下兩種情況：第一種：圓域有交集，第二種：圓域無交集；圓域有交集表示不同的圓域共同包含了若干個配送任務(wù)；圓域無交集表示圓域獨立地包含了n(n≥0)個元素，如果n＝0，則釋放該圓域，配送車輛按照既定任務(wù)路線完成配送活動；

步驟6.4：首先考慮配送車輛的剩余體積sv＝(length,width,height)作為約束條件，對于需要配送任務(wù)的體積為tv＝(length,width,height)，剔除不滿足約束條件的配送任務(wù)：具體通過一種編碼方程的方法判斷配送任務(wù)是否滿足約束條件，編碼方程如下：

其中ii為0，1變量，表示是否滿足各約束條件。如果i變量的值是0，則滿足約束條件，表示該配送車輛可以裝載配送任務(wù)；否則，剔除該任務(wù)；

步驟6.5：通過步驟6.4的過濾之后，圓域中的元素個數(shù)n(n≥0)；按照步驟6.3繼續(xù)進(jìn)行分類；對于交集圓域中的元素，選擇半徑r最小的配送圓域，即由該圓域所屬配送車輛進(jìn)行配送；對于無交集圓域中的元素轉(zhuǎn)步驟6.6；

步驟6.6：如果圓域中的元素n＝1，表示只有一個滿足條件的配送任務(wù)，即該配送任務(wù)由圓域所屬配送車輛進(jìn)行配送；如果n≥2，表示該配送圓域中有n個配送任務(wù)滿足所屬配送車輛的配送條件，則滿足以下兩個條件便得到最優(yōu)路徑規(guī)劃：

條件1：配送車輛向量和配送任務(wù)向量之間的夾角最小，即

條件2：配送車輛向量中點o(r)到配送任務(wù)向量中點m的距離d最?。?imgfile="bda0001340540340000083.gif"wi="700"he="77"img-content="drawing"img-format="gif"orientation="portrait"inline="no"/>其中配送任務(wù)tidi的坐標(biāo)為tidi＝(cpt,ndt)，cpt＝(xtij,ytij)，ndt＝(x′tij,y′tij)；

沒有分配到配送車輛的任務(wù)返回任務(wù)信息庫t重新進(jìn)行優(yōu)化分配

步驟6.7：基于不同的配送車輛具有不同的單位成本和不同任務(wù)具有不同的延遲懲罰參數(shù)，建立總成本目標(biāo)函數(shù)：總成本包含了任務(wù)配送成本和延遲懲罰成本；任務(wù)配送成本是完成既定配送任務(wù)產(chǎn)生的成本費用，延遲懲罰成本是接受配送任務(wù)tidi后導(dǎo)致車輛第j個配送任務(wù)交付時超過交貨期的延遲時間產(chǎn)生的成本費用；總成本目標(biāo)函數(shù)為

c＝mincost＝c1+c2+c3(19)

lx為車輛vidx為完成該任務(wù)多行駛的路程；為車輛vidx接受任務(wù)tidi后引起車輛第j個任務(wù)送達(dá)時超過其交貨期的延時時間，設(shè)vidx任務(wù)清單tlx中有y個任務(wù)，其中包含任務(wù)tidi；dpxj為車輛vidx任務(wù)清單tlx中第j個任務(wù)的延遲送貨懲罰參數(shù)；

步驟6.8：將車輛vidxx∈(1,n)信息庫中的各項信息參數(shù)以及配送中心系統(tǒng)模型動態(tài)模擬的參數(shù)信息(lx、dtxj)分別代入上述目標(biāo)函數(shù)；

步驟6.9：對于每個配送車輛，選擇讓其目標(biāo)函數(shù)取得最小值的任務(wù)，并將該配送車輛預(yù)分配給該任務(wù)。

有益效果

本發(fā)明采用了三個關(guān)鍵技術(shù)：物聯(lián)網(wǎng)(pi)，產(chǎn)品服務(wù)系統(tǒng)(pss)和云計算(cc)，旨在提供一個創(chuàng)新的、可持續(xù)的綠色物流服務(wù)和可回收的、高質(zhì)量的智能包裝方式，從而實現(xiàn)物流資源優(yōu)化配置、物流信息共享與企業(yè)優(yōu)化合作、降低物流成本和環(huán)境污染以及提升物流車的裝載率。設(shè)計的一種基于pi的綠色可回收智能包裝箱為快遞商品提供高性價比的包裝服務(wù)，其中pi為可回收利用的綠色智能箱實現(xiàn)智能箱使能的云物流服務(wù)提供技術(shù)支持與設(shè)計標(biāo)準(zhǔn)。pss技術(shù)提供了一種新穎的物流產(chǎn)品包裝服務(wù)，區(qū)別于傳統(tǒng)的物流封裝服務(wù)：客戶使用物流包裝服務(wù)同時需要購買包裝箱。對于基于pss的物流服務(wù)，物流公司提供智能箱，并且負(fù)責(zé)對其回收、維護(hù)和循環(huán)使用，客戶使用智能箱的包裝服務(wù)，實現(xiàn)了客戶與物流企業(yè)的共贏。設(shè)計了集成多源物流信息的云物流服務(wù)平臺，在該基于云計算的物流平臺中，實時物流需求驅(qū)動的物流配送任務(wù)動態(tài)優(yōu)化方法實現(xiàn)了物流任務(wù)的實時優(yōu)化和配送方案，使得云平臺中的物流資源得以優(yōu)化配置，其中裝載優(yōu)化服務(wù)、物流信息管理服務(wù)、路徑優(yōu)化導(dǎo)航服務(wù)實現(xiàn)了低碳、高效的綠色物流服務(wù)。

本發(fā)明的附加方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。

附圖說明

本發(fā)明的上述和/或附加的方面和優(yōu)點從結(jié)合下面附圖對實施例的描述中將變得明顯和容易理解，其中：

圖1是本發(fā)明方法的總體架構(gòu)圖；

圖2是本發(fā)明方法的客戶物流訂單信息標(biāo)準(zhǔn)化管理；

圖3是本發(fā)明方法的客戶物流訂單信息分層樹結(jié)構(gòu)網(wǎng)絡(luò)；

圖4是本發(fā)明方法的物流訂單聚類結(jié)果；

圖5本發(fā)明方法的智能箱優(yōu)化裝載算法流程；

圖6是本發(fā)明方法的物流任務(wù)優(yōu)化配送網(wǎng)絡(luò)。

具體實施方式

下面詳細(xì)描述本發(fā)明的實施例，所述實施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。

參考圖1，本發(fā)明設(shè)計了一種面向綠色物流的智能包裝服務(wù)建模與配送任務(wù)動態(tài)優(yōu)化方法，本發(fā)明采用了三個關(guān)鍵技術(shù)：物聯(lián)網(wǎng)(pi)，產(chǎn)品服務(wù)系統(tǒng)(pss)和云計算(cc)，旨在提供一個創(chuàng)新的、可持續(xù)的綠色物流服務(wù)和可回收的、高質(zhì)量的智能包裝方式，從而實現(xiàn)物流資源優(yōu)化配置、物流信息共享與企業(yè)優(yōu)化合作、降低物流成本和環(huán)境污染以及提升物流車的裝載率。設(shè)計的一種基于pi的綠色可回收智能包裝箱為快遞商品提供高性價比的包裝服務(wù)，其中pi為可回收利用的綠色智能箱實現(xiàn)智能箱使能的云物流服務(wù)提供技術(shù)支持與設(shè)計標(biāo)準(zhǔn)。pss技術(shù)提供了一種新穎的物流產(chǎn)品包裝服務(wù)，區(qū)別于傳統(tǒng)的物流封裝服務(wù)：客戶使用物流包裝服務(wù)同時需要購買包裝箱。對于基于pss的物流服務(wù)，物流公司提供智能箱，并且負(fù)責(zé)對其回收、維護(hù)和循環(huán)使用，客戶使用智能箱的包裝服務(wù)，實現(xiàn)了客戶與物流企業(yè)的共贏。設(shè)計了集成多源物流信息的云物流服務(wù)平臺，在該基于云計算的物流平臺中，實時物流需求驅(qū)動的物流配送任務(wù)動態(tài)優(yōu)化方法實現(xiàn)了物流任務(wù)的實時優(yōu)化和配送方案，使得云平臺中的物流資源得以優(yōu)化配置，其中裝載優(yōu)化服務(wù)、物流信息管理服務(wù)、路徑優(yōu)化導(dǎo)航服務(wù)實現(xiàn)了低碳、高效的綠色物流服務(wù)。

下面結(jié)合實例和附圖對本發(fā)明做進(jìn)一步的詳細(xì)說明。來自客戶端的物流任務(wù)訂單可以分為三類。第一類是離線訂單，即客戶線下直接提交訂單給物流企業(yè)；第二類是在線訂單，即客戶登錄網(wǎng)上帳戶在物流云平臺中注冊和提交訂單；第三是由離線轉(zhuǎn)在線的訂單，即客戶提交的物流訂單超過了第三方物流公司配送能力，轉(zhuǎn)而通過物流云平臺進(jìn)行離線計算，該平臺將物流訂單優(yōu)化分配給具有配送能力的物流公司，以上物流任務(wù)訂單被定義為cos。

以某地區(qū)的一個物流配送中心中的物流任務(wù)cos配送的研究為案例，驗證提出的實時物流需求驅(qū)動的物流配送任務(wù)動態(tài)優(yōu)化方法的效率和方案的可行性。某地區(qū)包含一個物流配送中心和八個街道，他們依次編號為0和1，2，…，8。在一段時間內(nèi)cos的總數(shù)是731。有三種規(guī)格的智能盒和一種集裝箱，分別是0.45(m)×0.3(m)×0.3(m)，0.9(m)×0.6(m)×0.45(m)，2(m)×1(m)×0.6(m)和4.02(m)×1.93(m)×1.9(m)。

步驟1：定義符號表示該技術(shù)方案模型中所涉及的數(shù)據(jù)以及相關(guān)決策變量。

步驟1.1：定義符號變量；

步驟1.2：定義決策變量符號：

zj如果選擇集裝箱j，二進(jìn)制變量等于1，否則為0；

γij如果選擇第i個cos裝載入集裝箱j，二進(jìn)制變量等于1，否則為0。

步驟2：參照圖2，建立cos數(shù)據(jù)標(biāo)準(zhǔn)化數(shù)據(jù)庫。

步驟2.1：根據(jù)物流訂單的地址信息分類構(gòu)建cos數(shù)據(jù)標(biāo)準(zhǔn)化信息庫；

根據(jù)地址信息對cos進(jìn)行分類，地址被劃分成多個層次，即國家、省、市、區(qū)、街道和詳細(xì)地址，如圖3所示?；赾os和地址的一對一的映射關(guān)系，建立cos分層樹結(jié)構(gòu)網(wǎng)絡(luò)。在相同層級里具有相同內(nèi)容的cos被歸為一個類。

步驟2.2：參照圖2，訂單信息的錄入，包括訂單編號、物品名稱、訂單類型、尺寸、重量、數(shù)量等。

步驟2.3：參照圖2，收件人信息的錄入，包括收件人姓名、地址、聯(lián)系電話等。

步驟2.4：參照圖2，第三方物流企業(yè)相關(guān)屬性的錄入，包括物流公司名稱、運輸公司名稱、電話、訂單狀態(tài)、分配方式等。

步驟3：將cos與智能箱優(yōu)化匹配，以增大智能箱的裝載率。定義如下：

li≤l′1∩wi≤w′1∩hi≤h′1→i∈b1(23)

l′1≤li≤l′2∩w′1≤wi≤w′2∩h′1≤hi≤h′2→i∈b2(24)

l′2≤li≤l′3∩w′2≤wi≤w′3∩h′2≤hi≤h′3→i∈b3(25)

步驟3.1：如果cos的規(guī)格屬性滿足式(23)，則將其裝入智能箱b1。

步驟3.2：如果cos的規(guī)格屬性滿足式(24)，則將其裝入智能箱b2。

步驟3.3：如果cos的規(guī)格屬性滿足式(25)，則將其裝入智能箱b3。

步驟4：參照圖4，對cos進(jìn)行基于距離聚類分析，并分組。

步驟4.1：基于分層樹形結(jié)構(gòu)網(wǎng)絡(luò)和距離聚類分析方法：

定義：dij和dij分別表示樣本(cos)xi和xj與聚類gi和gj兩者之間的距離

假設(shè)聚類gp和gq被分組到一個新的聚類gr，則任意聚類gk和gr距離的關(guān)系：

參照圖4，初始化cos分組為八組，定義為g1，g2，…，g8，分別如g1＝(63,24,4)。括號內(nèi)的數(shù)字分別表示小中大三種客戶訂單的數(shù)量，下同。

步驟4.2：參照圖4，計算任意兩個分組之間的距離，得到一個新的距離。

步驟4.3：參照圖4，找出最短的距離的兩個組定義為gp和gq，并將其聚合為一個新的聚類gr，即gr＝{gp,gq}。

步驟4.4：參照圖4每一個新的聚類分組按順序進(jìn)行編號，g1和g8聚集成一個新類g9((g1,g8)→g9)，(g3,g4)→g10，(g6,g7)→g11。

步驟4.5：參照圖4，按照最短距離原則，計算新的聚類與其他聚類之間的距離。

步驟4.6：參照圖4，重復(fù)步驟4.3，步驟4.4和步驟4.5，r＝r+1。

即(g5,g10)→g12，(g2,g11)→g13。

步驟4.7：參照圖4，直到所有元素都被分組聚類后結(jié)束。如果距離最短的元素的數(shù)目不止一個，則所有相應(yīng)的元素組合成一個聚類。所有cos基于距離聚類結(jié)果如圖4所示。

步驟5：建立裝載服務(wù)的動態(tài)優(yōu)化模型：

步驟5.1：建立函數(shù)關(guān)系，具體如下

li≤l′1∩wi≤w′1∩hi≤h′1→i∈b1(28)

l′1≤li≤l′2∩w′1≤wi≤w′2∩h′1≤hi≤h′2→i∈b2(29)

l′2≤li≤l′3∩w′2≤wi≤w′3∩h′2≤hi≤h′3→i∈b3(30)

m＝(lj·wj·hj)/(l′3·w′3·h′3)(31)

n＝(lj·wj·hj)/(l′1·w′1·h′1)(32)

該模型旨在建立基于實時物流需求驅(qū)動的裝載服務(wù)動態(tài)優(yōu)化模型，實現(xiàn)智能箱與物流車的優(yōu)化裝載，提高物流車的裝載率，降低物流成本?；诓襟E3中的智能箱與cos匹配模型，構(gòu)建b1、b2、b3分組?；趯崟r物流信息，構(gòu)建裝載服務(wù)動態(tài)優(yōu)化模型如下所示，其中公式(31)和(32)表示一個標(biāo)準(zhǔn)集裝箱中允許規(guī)格為b1和b3的智能箱最大裝載數(shù)量；約束(33)表示一個標(biāo)準(zhǔn)集裝箱可裝載的智能箱數(shù)量的范圍；允許裝載的cos數(shù)量滿足約束(34)；約束(35)表明可用數(shù)量的智能箱是充足的；決策變量(即0,1變量)定義為(36)和(37)，其中式(36)表示如果選擇集裝箱j裝載，決策變量值為1，否則為0；式(37)表示如果選擇第i個cos裝載入集裝箱j，則決策變量值為1，否則為0。式(38)和(39)表示最小化集裝箱空裝載率，最大化智能箱裝載數(shù)量。

步驟5.2：建立智能箱與集裝箱裝載優(yōu)化方法，目的在于提高集裝箱的裝載率。智能箱與集裝箱優(yōu)化裝載流程圖如圖5所示：

cos通過分層樹結(jié)構(gòu)網(wǎng)絡(luò)集群形成los。在初始的los(gp)中，cos的數(shù)量等于i0且初始值為0。如果集裝箱j的尺寸相對于cos是可用的，則將cos裝載到集裝箱j中，而且集裝箱j已使用和剩余的體積是實時更新和輸出；如果cos的數(shù)量小于或等于i0，則返回，否則結(jié)束裝載；如果集裝箱j的尺寸相對于cos不可用，則輸出cos已裝載入集裝箱j的數(shù)量如果小于i0，然后尋找離gp最短的聚類gp，并形成一個新的聚類gpq，然后返回，否則結(jié)束裝載。

步驟5.3：智能箱裝載順序優(yōu)化方案：

基于物流訂單的距離，目的地較近的訂單將首先被搬運出配送車輛，目的地較遠(yuǎn)的則最后被搬運出配送車。所以，按照訂單距離遠(yuǎn)近，在裝載過程中應(yīng)先裝載未裝載訂單中距離最遠(yuǎn)的訂單，依次裝載，則距離最近的訂單在最后裝載。

步驟5.4：裝載校驗優(yōu)化服務(wù)：

裝載校驗服務(wù)通過附著在智能箱、配送車輛上的智能rfid標(biāo)簽與手持式rfid閱讀器實現(xiàn)物流任務(wù)-智能箱的精確裝載。該裝載校驗服務(wù)通過由手持式rfid閱讀器掃描附著在智能箱上的rfid標(biāo)簽，獲得的裝載信息與初始裝載列表的信息進(jìn)行自動匹配檢驗，當(dāng)且僅當(dāng)兩者完全匹配后，方可裝載；否則警示信息會提醒裝載工人可能存在信息不對稱問題；當(dāng)智能箱裝載入集裝箱時，通過在集裝箱入口位置嵌入的rfid閱讀器掃描智能箱上的rfid標(biāo)簽，獲得智能箱的相關(guān)信息，其中包括智能箱的規(guī)格和裝載內(nèi)容等，基于感知捕獲的信息，上傳載入的智能箱相關(guān)信息至物流平臺，同時更新、輸出裝載信息。

步驟6：實時信息驅(qū)動的物流任務(wù)動態(tài)優(yōu)化模型的構(gòu)建

步驟6.1：云配送中心按一定的時間間隔t(t為可控參數(shù)，可根據(jù)配送車輛狀態(tài)和任務(wù)規(guī)模調(diào)節(jié)，默認(rèn)值為5分鐘)觸發(fā)各配送車輛智能終端傳輸車輛實時狀態(tài)信息，過濾掉正在裝卸貨和剩余體積、剩余重量的車輛信息，構(gòu)建配送車輛資源庫，具體如下：

根據(jù)動態(tài)的任務(wù)信息構(gòu)建任務(wù)信息庫t，該任務(wù)信息庫中：tidi為第i個任務(wù)的編號、w表示重量、v表示體積、cp表示當(dāng)前位置、d表示任務(wù)目的地、dt表示任務(wù)交貨期、dp(delaypenalty)表示任務(wù)送達(dá)時超出交貨期單位時間的懲罰參數(shù)，該參數(shù)由客戶交付任務(wù)時與配送中心協(xié)定。具體如下：

其中對于車輛剩余體積sv和配送任務(wù)體積v均是一個三維向量，即sv＝(length,width,height)，v＝(length,width,height)分別表示了配送車輛剩余體積和配送任務(wù)的長寬高。

步驟6.2：假設(shè)配送車輛資源集為

v＝(v1,v2,v3...vi...vn)^t

動態(tài)任務(wù)集為

t＝(t1,t2,t3...ti...tn)^t

通常情況下，車輛配送的路徑是從車輛當(dāng)前位置cpv開始配送，到下一個目的地ndv結(jié)束配送任務(wù)，這樣便可以根據(jù)此路徑建立車輛路徑導(dǎo)航向量tidi＝(cpt,ndt)，配送車輛信息和配送任務(wù)信息可以在二維坐標(biāo)中表示：

以車輛向量vidi的中點為圓心o(r)，以1/2的車輛向量模|vidi|為半徑r，建立配送車輛圓區(qū)域。

步驟6.3：假設(shè)圓區(qū)域中的配送任務(wù)為圓域中的元素，則存在以下兩種情況：第一種：圓域有交集，第二種：圓域無交集。圓域有交集表示不同的圓域共同包含了若干個配送任務(wù)；圓域無交集表示圓域獨立地包含了n(n≥0)個元素，如果n＝0，則釋放該圓域，則配送車輛按照既定任務(wù)路線完成配送活動。

步驟6.4：首先考慮配送車輛的剩余體積sv＝(length,width,height)作為約束條件，對于需要配送任務(wù)的體積為tv＝(length,width,height)，剔除不滿足約束條件的配送任務(wù)。在此提出一種編碼方程的方法判斷配送任務(wù)是否滿足約束條件，編碼方程如下：

其中ii為0，1變量，表示是否滿足各約束條件。如果i變量的值是0，則滿足約束條件，表示該配送車輛可以裝載配送任務(wù)；否則，剔除該任務(wù)。

步驟6.5：通過步驟6.4的過濾之后，圓域中的元素個數(shù)n(n≥0)。按照步驟6.3繼續(xù)進(jìn)行分類。對于交集圓域中的元素，選擇半徑r最小的配送圓域，即由該圓域所屬配送車輛進(jìn)行配送；對于無交集圓域中的元素轉(zhuǎn)步驟6.6。

步驟6.6：如果圓域中的元素n＝1，表示只有一個滿足條件的配送任務(wù)，即該配送任務(wù)由圓域所屬配送車輛進(jìn)行配送；如果n≥2，表示該配送圓域中有n個配送任務(wù)滿足所屬配送車輛的配送條件，則由圓內(nèi)三角形知識可知滿足以下兩個條件便得到最優(yōu)路徑規(guī)劃：

條件1：配送車輛向量和配送任務(wù)向量之間的夾角最小，即

條件2：配送車輛向量中點o(r)到配送任務(wù)向量中點m的距離d最?。?imgfile="bda0001340540340000172.gif"wi="700"he="77"img-content="drawing"img-format="gif"orientation="portrait"inline="no"/>其中配送任務(wù)tidi的坐標(biāo)為tidi＝(cpt,ndt)，cpt＝(xtij,ytij)，ndt＝(x′tij,y′tij)。

沒有分配到配送車輛的任務(wù)返回任務(wù)信息庫t重新進(jìn)行優(yōu)化分配。

步驟6.7：基于不同的配送車輛具有不同單位成本和不同任務(wù)具有不同的延遲懲罰參數(shù)不同，建立總成本目標(biāo)函數(shù)?？偝杀景巳蝿?wù)配送成本和延遲懲罰成本，任務(wù)配送成本是完成既定配送任務(wù)產(chǎn)生的成本費用，延遲懲罰成本是接受配送任務(wù)tidi后導(dǎo)致車輛交付第j個配送任務(wù)時超過交貨期的延遲時間產(chǎn)生的成本費用?？偝杀灸繕?biāo)函數(shù)為：

c＝mincost＝c1+c2+c3(41)

lx為車輛vidx為完成該任務(wù)多行駛的路程；j∈(1,y)為車輛vidx接受任務(wù)tidi后引起車輛第j個任務(wù)送達(dá)時超過其交貨期的延時時間(設(shè)vidx任務(wù)清單tlx中有y個任務(wù)(包含任務(wù)tidi))；dpxj，j∈(1,y)為車輛vidx任務(wù)清單tlx中第j個任務(wù)的延遲送貨懲罰參數(shù)。

步驟6.8：將車輛vidxx∈(1,n)信息庫中的各項信息參數(shù)以及配送中心系統(tǒng)模型動態(tài)模擬的參數(shù)信息(lx,dtxj,j∈(1,y))分別代入上述目標(biāo)函數(shù)。

步驟6.9：參照圖6，對于每個配送車輛，選擇讓其目標(biāo)函數(shù)取得最小值的任務(wù)，并將該配送車輛預(yù)分配給該任務(wù)。

傳統(tǒng)的配送方案是點對點單一配送模式，即直接從配送中心抵達(dá)目的地后直接返回配送中心，再開始下個目的地任務(wù)的配送。采用基于距離聚類和實時物流需求驅(qū)動的物流配送任務(wù)動態(tài)優(yōu)化方法，獲得的客戶訂單的配送方案如圖6所示。參照圖6，所有客戶訂單基于距離聚類分析后分組為8個聚類；實時物流需求驅(qū)動的物流配送任務(wù)動態(tài)優(yōu)化方法將8個聚類優(yōu)化分組為3個組，第一組為聚類1和8(g1,g8)，第二組為聚類7、6和2(g7,g6,g2)，第三組為聚類3、4和5(g3,g4,g5)。第一個分組中的所有cos優(yōu)化裝載配送方案分為(0,24,4)和(180,12,1)。前者優(yōu)化配送路線配送距離分別為0→1→0和14km，后者是0→1→8→0和20.8km，聚類1(63,0,0)剩余的cos和聚類8(117,12,1)的cos裝入一個集裝箱(180,12,1)。其中后者(180,12,1)的裝載順序是，先裝載(117,12,1)，然后裝載(63,0,0)。第一組的分配頻率和總的配送距離分別是2，34.8km，第一組傳統(tǒng)配送方案的分配頻率和總的配送距離分別是3，46.6km。第二組的分配頻率和總的配送距離分別是4，29.2km，第二組傳統(tǒng)配送方案的分配頻率和總的配送距離分別是6，37.4km。第三組的分配頻率和總的配送距離分別是3，29.4km，第三組傳統(tǒng)配送方案的分配頻率和總的配送距離分別是4，33.2km。

基于實時物流需求驅(qū)動的物流任務(wù)動態(tài)優(yōu)化方案中所有cos總的分配頻率為9，即使用9個集裝箱，而傳統(tǒng)的點對點單一配送模式中分配頻率為13，因此，本發(fā)明方法可以節(jié)約4個集裝箱，既降低了集裝箱成本又減少庫存成本；最優(yōu)方案中物流配送總距離為93.4km，傳統(tǒng)的點對點單一配送模式中物流配送總距離為117.2km?；趯崟r物流需求驅(qū)動的物流任務(wù)動態(tài)優(yōu)化方案減少了23.8公里的配送距離，降低了物流配送成本，有利綠色物流的可持續(xù)發(fā)展。

盡管上面已經(jīng)示出和描述了本發(fā)明的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本發(fā)明的限制，本領(lǐng)域的普通技術(shù)人員在不脫離本發(fā)明的原理和宗旨的情況下在本發(fā)明的范圍內(nèi)可以對上述實施例進(jìn)行變化、修改、替換和變型。