大规模的物流路径规划系统的制作方法

本发明具体涉及一种大规模的物流路径规划系统。

背景技术：

物流配送，即从商品流通的经营方式看的一种商品流通方式。是一种现代的流通方式。物流配送定位在为电子商务的客户提供服务，根据电子商务的特点，对整个物流配送体系实行统一的信息管理和调度，按照用户订货要求，在物流基地进行理货工作，并将配好的货物送交收货人的一种物流方式；但现有的物流系统在运营成本控制和路规划上存在不足，所以急需一种大规模的物流路径规划系统以解决这一问题。

技术实现要素：

本发明的目的在于针对现有技术的不足，提供一种大规模的物流路径规划系统，该大规模的物流路径规划系统可以很好地解决上述问题。

为达到上述要求，本发明采取的技术方案是：提供一种大规模的物流路径规划系统，该大规模的物流路径规划系统包括路径规划系统、价格引导系统及转运最优建议系统；路径规划系统中定义了三种类型的标志点：起点、终点和转运点，且具有这些标志点的地理位置信息，这些信息通过移动终端采集；价格引导系统用于对所述路径规划系统规划出的路径，实时计算出最低的运营成本，从而对业务员报价给出建议；转运最优建议系统通过引入自学习或最优化的技术，能够根据历史数据规划出最优的转运点。

该大规模的物流路径规划系统具有的优点如下：

该大规模的物流路径规划系统引入自学习的方式规划出最优的转运点，合并部分分散的运输需求，降低运营成本；同时价格引导系统的引入，保障了运营商的最小利益，并且将gpu应用到系统中，在满足系统实时性的要求的同时，还能有效降低机房的建设成本和维护成本。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1示意性地示出了根据本申请一个实施例的大规模的物流路径规划系统模块示意图。

图2示意性地示出了根据本申请一个实施例的大规模的物流路径规划系统的硬件结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本申请作进一步地详细说明。

在以下描述中，对“一个实施例”、“实施例”、“一个示例”、“示例”等等的引用表明如此描述的实施例或示例可以包括特定特征、结构、特性、性质、元素或限度，但并非每个实施例或示例都必然包括特定特征、结构、特性、性质、元素或限度。另外，重复使用短语“根据本申请的一个实施例”虽然有可能是指代相同实施例，但并非必然指代相同的实施例。

为简单起见，以下描述中省略了本领域技术人员公知的某些技术特征。

根据本申请的一个实施例，提供一种大规模的物流路径规划系统，如图1-2所示，包括路径规划系统、价格引导系统及转运最优建议系统；路径规划系统中定义了三种类型的标志点：起点、终点和转运点，且具有这些标志点的地理位置信息，这些信息通过移动终端采集；价格引导系统用于对所述路径规划系统规划出的路径，实时计算出最低的运营成本，从而对业务员报价给出建议；

转运最优建议系统通过引入自学习或最优化的技术，能够根据历史数据规划出最优的转运点；运营企业可以选择是否在该建议的转运点设立新的转运点。

根据本申请的一个实施例，该大规模的物流路径规划系统的转运点可以同时实现起点和终点的功能，能够装货或者临时卸货。

根据本申请的一个实施例，该大规模的物流路径规划系统的价格引导系统在无人值守的系统上，作为报价的参考依据。

根据本申请的一个实施例，该大规模的物流路径规划系统的路径规划系统、价格引导系统及转运最优建议系统均设在gpu服务器中。

根据本申请的一个实施例，该大规模的物流路径规划系统利用gpu的特性，并且应对大规模的需求，转运最优建议系统和路径规划系统可以采用遗传算法这类并行度高的算法来实现。

根据本申请的一个实施例，该大规模的物流路径规划系统引入自学习的方式规划出最优的转运点，合并部分分散的运输需求，降低运营成本；同时价格引导系统的引入，保障了运营商的最小利益，并且将gpu应用到系统中，在满足系统实时性的要求的同时，还能有效降低机房的建设成本和维护成本。

根据本申请的一个实施例，该大规模的物流路径规划系统中定义了两类规划出的路径：起点->终点，起点->(转运点1)->(转运点2)...->(转运点n)->终点。

根据本申请的一个实施例，该大规模的物流路径规划系统中的路径规划算法可以使用a*算法来实现，快速找到从起点到终点的最短(或成本最低)距离。a*是路径搜索中最受欢迎的选择，因为它相当灵活，并且能用于多种多样的情形之中。和其它的图搜索算法一样，a*潜在地搜索图中一个很大的区域。和dijkstra一样，a*能用于搜索最短路径。和bfs一样，a*能用启发式函数(注：原文为heuristic)引导它自己。在简单的情况中，它和bfs一样快。它把dijkstra算法(靠近初始点的结点)和bfs算法(靠近目标点的结点)的信息块结合起来。

其公式表示为：

f(n)＝g(n)+h(n)

其中，f(n)是从初始状态经由状态n到目标状态的代价估计，g(n)是在状态空间中从初始状态到状态n的实际代价，h(n)是从状态n到目标状态的最佳路径的估计代价。

保证找到最短路径(最优解的)条件，关键在于估价函数f(n)的选取(或者说h(n)的选取)。

我们以d(n)表达状态n到目标状态的距离，那么h(n)的选取大致有如下三种情况：

(1)如果h(n)<d(n)到目标状态的实际距离，这种情况下，搜索的点数多，搜索范围大，效率低。但能得到最优解。

(2)如果h(n)＝d(n)，即距离估计h(n)等于最短距离，那么搜索将严格沿着最短路径进行，此时的搜索效率是最高的。

如果h(n)>d(n)，搜索的点数少，搜索范围小，效率高，但不能保证得到最优解。

根据本申请的一个实施例，该大规模的物流路径规划系统的价格引导系统(pgs)特征在于：该系统能够对路径规划系统规划出的路径，实时计算出最低的运营成本，从而对业务员报价给出建议。或者，在无人值守的系统上，作为自动报价的参考依据。在路径规划系统的基础上，可以快速计算出路径规划系统得到的路径的运营成本。在自动系统上可以估算出一个参考价格。参考价格的计算公式如下：

(3)g(c,t)＝c*(1+a)*exp(-bt)

(4)c是根据最优路径计算出的运营成本

(5)t是该用户在一段时间内的货运总交易量

(6)g(c,t)表示建议的价格，是关于c和t的函数

(7)a是模型中的参数，表示一个新用户的基础利润率，如a＝0.2

(8)b是模型中的参数，表示对老用户和大客户的优惠力度，如b＝0.01。

根据本申请的一个实施例，该大规模的物流路径规划系统的转运最优建议系统实现方法针对运营商可能会遇到的如何建设转运点的问题，本发明设计了一种如何设置转运点的方法。

(1)收集一段时间(如三个月)内的物流数据d；

(2)根据物流订单路线的历史数据，统计路线交叉的位置，从路线频繁交叉的位置中选择出n个作为候选转运点c1,c2,…cn；

(3)对候选转运点c1进行评估。假设将转运点c1添加到物流系统中，使用物流数据d对历史物流订单进行仿真，计算出完成这些历史物流订单的所需运营成本，hc1；

(4)按步骤3的方法模拟出n个转运点的运营成本(需包含转运点建设成本的估计)，hc1,hc2,hc3,…hcn；

将hc1,hc2,hc3,…hcn中的最小值对应的转运点作为最优的转运点，完成最优转运点的选择。

根据本申请的一个实施例，该大规模的物流路径规划系统gpu实现的可行性分析如下：计算行业正在从只使用cpu的“中央处理”向cpu与gpu并用的“协同处理”发展。为打造这一全新的计算典范cpu与gpu并用的“协同处理”，nvidiatm(英伟达tm)发明了cuda(computeunifieddevicearchitecture，统一计算设备架构)这一编程模型，是想在应用程序中充分利用cpu和gpu各自的优点。在消费级市场上，几乎每一款重要的消费级视频应用程序都。

在科研界，cuda一直受到热捧。例如，cuda现已能够对amber进行加速。amber是一款分子动力学模拟程序，全世界在学术界与制药企业中有超过60,000名研究人员使用该程序来加速新药的探索工作。

在金融市场，numerix以及compatibl针对一款全新的对手风险应用程序发布了cuda支持并取得了18倍速度提升。numerix为近400家金融机构所广泛使用。

cuda的广泛应用造就了gpu计算专用teslagpu的崛起。全球财富五百强企业现在已经安装了700多个gpu集群，这些企业涉及各个领域，例如能源领域的斯伦贝谢与雪佛龙以及银行业的法国巴黎银行。

支持cuda的gpu销量已逾1亿，数以千计的软件开发人员正在使用免费的cuda软件开发工具来解决各种专业以及家用应用程序中的问题。这些应用程序从视频与音频处理和物理效果模拟到石油天然气勘探、产品设计、医学成像以及科学研究，涵盖了各个领域。

nvidia进军高性能计算领域，推出了tesla&cuda高性能计算系列解决方案，cuda技术，一种基于nvidia图形处理器(gpu)上全新的并行计算体系架构，让科学家、工程师和其他专业技术人员能够解决以前无法解决的问题，作为一个专用高性能gpu计算解决方案，nvidia把超级计算能够带给任何工作站或服务器，以及标准、基于cpu的服务器集群。

cuda是用于gpu计算的开发环境，它是一个全新的软硬件架构，可以将gpu视为一个并行数据计算的设备，对所进行的计算进行分配和管理。在cuda的架构中，这些计算不再像过去所谓的gpgpu架构那样必须将计算映射到图形api(opengl和direct3d)中，因此对于开发者来说，cuda的开发门槛大大降低了。cuda的gpu编程语言基于标准的c语言，因此任何有c语言基础的用户都很容易地开发cuda的应用程序。

以上所述实施例仅表示本发明的几种实施方式，其描述较为具体和详细，但并不能理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明保护范围。因此本发明的保护范围应该以所述权利要求为准。