一種基于車輛自組網(wǎng)的城市快遞配送方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于信息技術(shù)、城市交通、快遞配送領(lǐng)域，特別是涉及一種基于車輛自組網(wǎng) 的城市快遞配送方法。
【背景技術(shù)】
[0002] 隨著經(jīng)濟(jì)的發(fā)展以及人們網(wǎng)上購物習(xí)慣的形成，快遞行業(yè)得到了迅猛的發(fā)展，快 遞企業(yè)越來越多，產(chǎn)生的快件量也逐年增加。一方面，快件量的增加導(dǎo)致快遞企業(yè)的配送成 本逐步增高，另一方面，隨著各個(gè)快遞企業(yè)的物流配送車輛的增多，極大地增加城市交通的 負(fù)擔(dān)。因此，對(duì)傳統(tǒng)快遞配送模式的改進(jìn)和創(chuàng)新，減少快遞企業(yè)物流成本、緩解城市交通擁 擠有著非常重要的作用。
[0003] 快遞配送模式是物流企業(yè)的核心，相關(guān)研宄人員對(duì)快遞配送過程中的網(wǎng)點(diǎn)選址、 運(yùn)輸班次規(guī)劃、交通工具選取都做了深入的研宄，一些企業(yè)還各自進(jìn)行了配送模式的探索 嘗試，包括京東的自建倉儲(chǔ)模式以及阿里巴巴菜鳥網(wǎng)絡(luò)的"中國(guó)智能骨干網(wǎng)"項(xiàng)目等?？爝f 配送中的網(wǎng)點(diǎn)選址、運(yùn)輸班次規(guī)劃等研宄主要側(cè)重于企業(yè)在建立配送網(wǎng)絡(luò)之前的理論設(shè)計(jì) 與規(guī)劃，而企業(yè)的配送模式嘗試更是進(jìn)一步對(duì)這種理論設(shè)計(jì)的實(shí)踐，他們都是利用企業(yè)自 身的資源來實(shí)現(xiàn)快遞的配送。當(dāng)然也有一些快遞企業(yè)之間存在互相合作關(guān)系，比如兩家快 遞企業(yè)共用倉儲(chǔ)或者借用對(duì)方物流車隊(duì)等，但這還是局限于利用現(xiàn)有的物流資源，并沒有 很好的解決由于快遞量增長(zhǎng)導(dǎo)致快遞爆倉、快遞配送成本高升以及越來越嚴(yán)重的城市交通 擁堵問題。
[0004] 伴隨著"互聯(lián)網(wǎng)+"概念的提出，以及近年來打車拼車軟件（嘀嘀、Uber)、私家車 租賃（PP租車）等模式的迅速普及，在快遞配送過程引入第三方車輛（出租車、公交車、私 家車）的條件已經(jīng)越來越成熟。因此，本發(fā)明提出了利用第三方車輛參與快遞運(yùn)輸?shù)目爝f 配送方法。
[0005] 到目前為止，尚未見到有關(guān)本發(fā)明涉及的基于車輛自組網(wǎng)的快遞配送方法的報(bào) 道。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是克服現(xiàn)有技術(shù)的不足，提供一種基于車輛自組網(wǎng)（車載網(wǎng)）的城 市快遞配送方法。
[0007] 本發(fā)明的目的是通過以下技術(shù)方案來實(shí)現(xiàn)的：一種基于車輛自組網(wǎng)的城市快遞配 送方法，該方法包括如下步驟：
[0008] (1)利用城市道路及交通數(shù)據(jù)將配送區(qū)域聚類成k個(gè)區(qū)塊，具體包括以下子步驟：
[0009] (I. 1)基于城市道路信息以及交通數(shù)據(jù)，利用k-means聚類算法將城市的所有街 區(qū)聚類成k個(gè)區(qū)塊；k-means聚類算法在計(jì)算距離時(shí)采用的是兩個(gè)街區(qū)間的車輛行駛距離， 該距離可以從在線地圖服務(wù)（百度地圖、谷歌地圖）或者歷史交通數(shù)據(jù)獲得；
[0010] (1.2)在聚類得到的每個(gè)區(qū)塊的熱點(diǎn)區(qū)域設(shè)置快遞存放點(diǎn)以及通信模塊（RSU)， 作為該區(qū)塊的中心；所述熱點(diǎn)區(qū)域?yàn)楣卉囌?、購物中心、機(jī)場(chǎng)或中央商務(wù)區(qū)等車流量較大 的區(qū)域；
[0011] (2)利用車輛歷史軌跡計(jì)算步驟1中區(qū)塊間的鏈路信息，所述鏈路信息包括車輛 運(yùn)行時(shí)間和車輛到達(dá)間隔，其中車輛運(yùn)行時(shí)間用于描述鏈路的時(shí)延，車輛到達(dá)間隔用于描 述鏈路的容量；這里主要考慮兩類城市公共車輛，即公交車和出租車。不同的公共交通工具 有著不同的運(yùn)行模式，公交車的運(yùn)行模式相對(duì)固定，其車輛運(yùn)行時(shí)間、車輛到達(dá)間隔可通過 車輛歷史軌跡直接計(jì)算得到；出租車的運(yùn)行模式相對(duì)隨機(jī)，它受乘客的需求、司機(jī)的駕駛習(xí) 慣以及實(shí)時(shí)交通狀況影響，通過分析車輛歷史軌跡發(fā)現(xiàn)，區(qū)塊間出租車的運(yùn)行時(shí)間在每天 相同的時(shí)間段內(nèi)基本相同，該運(yùn)行時(shí)間可由車輛歷史軌跡計(jì)算得到，車輛到達(dá)間隔服從指 數(shù)分布X~e(X)，指數(shù)分布參數(shù)X可根據(jù)車輛歷史軌跡擬合得到；
[0012] (3)根據(jù)步驟1和2獲得的區(qū)塊以及鏈路信息，進(jìn)行拓?fù)浣?，?gòu)建加權(quán)有向圖 g，具體為：根據(jù)區(qū)塊及鏈路構(gòu)成加權(quán)有向圖g=(V，e，W)來建?？爝f配送網(wǎng)絡(luò)，其中V， e，W分別為節(jié)點(diǎn)集、邊集以及邊的權(quán)重集合；節(jié)點(diǎn)ieV為步驟1聚類得到的區(qū)塊，邊<i， j>Ge為區(qū)塊之間的鏈路，它表示快件可以通過交通工具從節(jié)點(diǎn)i運(yùn)送到節(jié)點(diǎn)j;邊的權(quán) 重《GW為快件在鏈路上運(yùn)輸?shù)幕ㄙM(fèi)，取決于快件配送的服務(wù)標(biāo)準(zhǔn)；
[0013] (4)從步驟3構(gòu)建的加權(quán)有向圖g中搜索得到快件起點(diǎn)到終點(diǎn)的子圖sub_g，具體 為：根據(jù)快件的起點(diǎn)和終點(diǎn)，利用深度優(yōu)先搜索算法從加權(quán)有向圖g中搜索得到所有從起 點(diǎn)到終點(diǎn)的路徑構(gòu)成的子圖sub_g;
[0014] (5)對(duì)步驟4中得到的子圖sub_g，利用Dijkstra最短路徑算法求取權(quán)重最小的 快遞配送路徑P，即費(fèi)用最小的最優(yōu)配送路徑；
[0015] (6)將快件按照步驟5得到的路徑p進(jìn)行配送，具體包括以下子步驟：
[0016] (6. 1)快件首先放入起點(diǎn)區(qū)塊的快遞存放點(diǎn)，并向起點(diǎn)區(qū)塊的RSU錄入快件信息， 所述快件信息包括快件的單號(hào)、起點(diǎn)區(qū)塊ID、終點(diǎn)區(qū)塊ID、放入起點(diǎn)區(qū)塊時(shí)間、快件大小、 快件重量；
[0017] (6.2)起點(diǎn)區(qū)塊RSU將該快件的起點(diǎn)與終點(diǎn)區(qū)塊信息上傳服務(wù)器，服務(wù)器按照步 驟1-5計(jì)算得到最優(yōu)的快遞配送路徑p，并將該快件單號(hào)與最優(yōu)的配送路徑p的信息發(fā)送給 路徑P經(jīng)過的所有區(qū)塊的RSU;
[0018] (6.3)當(dāng)車輛進(jìn)入快件當(dāng)前所在區(qū)塊時(shí)，車輛通過車載通信模塊向區(qū)塊RSU發(fā)送 注冊(cè)信息，報(bào)告車輛當(dāng)前位置、目的地；
[0019] (6. 4)基于車輛注冊(cè)信息，區(qū)塊RSU根據(jù)車輛選取原則選擇與快件下一跳路線重 合的車輛并向其發(fā)送廣播信息通知其前來取件，所述車輛選取原則為：由于相同鏈路上出 租車的運(yùn)行時(shí)間一般要小于公交車的運(yùn)行時(shí)間，并且出租車的到達(dá)間隔服從指數(shù)分布，所 以當(dāng)出租車的到達(dá)間隔小于公交車與出租車在鏈路上運(yùn)行時(shí)間之差時(shí)，則選擇出租車，否 貝IJ選擇最先到達(dá)的交通工具；所述廣播信息包括區(qū)塊中心位置、快件的下一跳區(qū)塊、快件大 小、快件重量；
[0020] (6. 5)車輛接受取件請(qǐng)求后，到達(dá)區(qū)塊中心的快遞存放點(diǎn)將快件取走并開往快件 的下一跳區(qū)塊；
[0021] (6. 6)車輛進(jìn)入下一區(qū)塊后，車輛向區(qū)塊RSU發(fā)送注冊(cè)信息，報(bào)告車輛的位置、目 的地以及攜帶的快件信息；區(qū)塊RSU通知當(dāng)前車輛附近的其它車輛來負(fù)責(zé)快件的下一跳運(yùn) 輸，如果沒有符合要求的車輛，當(dāng)前車輛將快件暫時(shí)存放在區(qū)塊的快遞存放點(diǎn)以等待開往 下一跳的車輛到達(dá)；
[0022] (6. 7)重復(fù)步驟（6. 3) (6. 4) (6. 5) (6. 6)直到快件到達(dá)終點(diǎn)區(qū)塊的快遞存放點(diǎn)；
[0023] (6. 8)終點(diǎn)區(qū)塊RSU通知收件人前來取件，完成快遞配送過程。
[0024] 本發(fā)明的有益效果是：根據(jù)該配送模式能極大地降低快遞配送成本，利用城市車 輛替代快件運(yùn)輸車輛，改善城市交通擁堵狀況。
【附圖說明】
[0025] 圖1是以上海市為例，區(qū)塊17到區(qū)塊2的鏈路以及區(qū)塊24到區(qū)塊17的鏈路上出 租車到達(dá)間隔分布示意圖；
[0026] 圖2是以上海市為例，快件從虹橋機(jī)場(chǎng)運(yùn)送到浦東機(jī)場(chǎng)，利用DFS深度優(yōu)先搜索算 法得到的子圖；
[0027] 圖3是根據(jù)圖2中的子圖利用Dijkstra最短路徑算法得到快遞配送路徑。
【具體實(shí)施方式】
[0028] 下面結(jié)合附圖詳細(xì)描述本發(fā)明，本發(fā)明的目的和效果將變得更加明顯。
[0029] 本發(fā)明一種基于車輛自組網(wǎng)的城市快遞配送方法，包括如下步驟：
[0030] (1)利用城市道路及交通數(shù)據(jù)將配送區(qū)域聚類成k個(gè)區(qū)塊，具體包括以下子步驟：
[0031] (I. 1)基于城市道路信息以及交通數(shù)據(jù)，利用k-means聚類算法將城市的所有街 區(qū)聚類成k個(gè)區(qū)塊；k-means聚類算法在計(jì)算距離時(shí)采用的是兩個(gè)街區(qū)間的車輛行駛距離， 該距離可以從在線地圖服務(wù)（百度地圖、谷歌地圖）或者歷史交通數(shù)據(jù)獲得。以上海市為 例，通過k-means聚類算法可以將上海市區(qū)聚成40個(gè)區(qū)塊，比如區(qū)塊18代表虹橋機(jī)場(chǎng)，而 區(qū)塊37代表浦東機(jī)場(chǎng)。
[0032](1.2)在聚類得到的每個(gè)區(qū)塊的熱點(diǎn)區(qū)域設(shè)置快遞存放點(diǎn)以及通信模塊（RSU)， 作為該區(qū)塊的中心；所述熱點(diǎn)區(qū)域?yàn)楣卉囌?、購物中心、機(jī)場(chǎng)或中央商務(wù)區(qū)等車流量較大 的區(qū)域。
[0033] (2)利用車輛歷史軌跡計(jì)算步驟1中區(qū)塊間的鏈路信息，所述鏈路信息包括車輛 運(yùn)行時(shí)間和車輛到達(dá)間隔，其中車輛運(yùn)行時(shí)間用于描述鏈路的時(shí)延，車輛到達(dá)間隔用于描 述鏈路的容量；這里主要考慮兩類城市公共車輛，即公交車和出租車。不同的公共交通工具 有著不同的運(yùn)行模式，公交車的運(yùn)行模式相對(duì)固定，其車輛運(yùn)行時(shí)間、車輛到達(dá)間隔可通過 車輛歷史軌跡直接計(jì)算得到；出租車的運(yùn)行模式相對(duì)隨機(jī)，它受乘客的需求、司機(jī)的駕駛習(xí) 慣以及實(shí)時(shí)交通狀況影響，通過分析車輛歷史軌跡發(fā)現(xiàn)，區(qū)塊間出租車的運(yùn)行時(shí)間在每天 相同的時(shí)間段內(nèi)基本相同，該運(yùn)行時(shí)間可由車輛歷史軌跡計(jì)算得到，車輛到達(dá)間隔服從指 數(shù)分布X~e(X)，指數(shù)分布參數(shù)X可根據(jù)車輛歷史軌跡擬合得到；圖1是以上海市為例， 經(jīng)過步驟1聚類得到的區(qū)塊17到區(qū)塊2的