本发明涉及物流运输技术领域，具体为一种检验物流运输路径优化结果的方法。
背景技术：
一个好的运输路径优化结果可以大大降低成本，提高工作效率，提高顾客满意度。而在实际过程中，因为实际路况，没有找到停车位，顾客临时有事，装卸货时间延长，错过顾客时间窗等原因，往往车辆无法按照安排好的路径和顺序配送，由此带来的绕路，无法准时送达的问题极大地浪费了时间和运力成本。
目前还没有专门的针对检验物流运输路径优化结果的确认技术。已有的检验主要依赖人工手段：司机根据优化结果实际配货运输。这种检验方法是可行的。但缺陷是司机无法模拟可能出现的所有情况，且成本较高。
技术实现要素：
本发明的目的在于提供一种检验物流运输路径优化结果的方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种检验物流运输路径优化结果的方法,包括运输事件数据采集，模拟运输事件，调整运输线路，评价优化结果四部分，包括以下步骤：
a、将汇通天下dsp的数据库里的数十万条货车行车轨迹，与历史车辆运输事件匹配，历史车辆运输事件包括路段拥堵、订单时间窗调整、配送服务超时，获取配送过程中每次配送触发运输事件概率，生成按时间段分组的事件概率矩阵；
b、产生事件的概率因子，对于优化结果中的每一条线路，依据线路的通行时间，路段，顾客，模拟这条运输线路中可能发生的事件；其中运输线路中可能发生的事件包括：路段拥堵，顾客取、送货时间窗调整，配送服务时间调整；
c、当模拟事件触发时，其中触发事件包括时间、路段、耗时变化，根据车辆在途状态，将拥堵路段设为禁行区域，规避拥堵路段，应用新的时间窗和服务时间，调用已有的路径优化算法，重新规划车辆配送顺序和线路；
d、调整后的顺序和线路如果仍能满足顾客的时间窗需求，则认定结果是健壮的和可实施的，通过检验；如果不能满足顾客需求，则认定优化结果是有风险的，未通过检验，需要重新计算路线、调整订单数量或时间，直到新的优化结果通过检验为止。
优选的，所述步骤a中事件概率矩阵包括如下：
a、路段拥堵事件指车辆在当天的哪个时间段，哪个路段，拥堵时长。拥堵时长按拥堵时间长短分组；
b、订单时间窗调整指顾客在当天的哪个时间段，将原有时间窗调整到新的时间窗；最早配送时间和最晚配送时间的调整按时间长短分别分组；
c、配送服务超时指顾客在当天的哪个时间段，在配送点装卸货的时间比预计耗时增加了多少，超时时间按长短分组；
d、运输事件概率为在一定的历史时间内，在当天的每个时间段，发生运输事件的次数与历史轨迹中同一时段，同一路段，同一个顾客轨迹条数的比例。
优选的，所述步骤b中，路段拥堵时长按概率从事件概率矩阵获取；送货时间调整时长按路段拥堵时长按概率从事件概率矩阵获取；服务时间增加时长按路段拥堵时长按概率从事件概率矩阵获取。
优选的，所述步骤c中，重新规划车辆配送顺序和线路：设置禁行区域，应用新的时间窗和服务时间，是现有路径优化算法的部分输入参数，此算法可以给出原始的路径优化结果，同时也支持在途的动态路径优化调整。
与现有技术相比，本发明的有益效果是：本发明能够快速地、批量地模拟实际运输事件，极大地降低了人工检验成本；本发明能够提前预判运输事件，并给出调整后的配送线路和顺序，极大地提高了实际配送中的准点率，节省了运力成本；本发明还能够根据系统里数十万条真实货车轨迹计算运输事件概率，有效地避免了人工采集、记录可能存在的错误，使得模拟事件与实际相似度高，保障了优化结果可实施度的准确性。
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供如下技术方案：一种检验物流运输路径优化结果的方法,包括运输事件数据采集，模拟运输事件，调整运输线路，评价优化结果四部分，包括以下步骤：
a、将汇通天下dsp的数据库里的数十万条货车行车轨迹，与历史车辆运输事件匹配，历史车辆运输事件包括路段拥堵、订单时间窗调整、配送服务超时，获取配送过程中每次配送触发运输事件概率，生成按时间段分组的事件概率矩阵；
b、产生事件的概率因子，对于优化结果中的每一条线路，依据线路的通行时间，路段，顾客，模拟这条运输线路中可能发生的事件；其中运输线路中可能发生的事件包括：路段拥堵，顾客取、送货时间窗调整，配送服务时间调整；
c、当模拟事件触发时，其中触发事件包括时间、路段、耗时变化，根据车辆在途状态，将拥堵路段设为禁行区域，规避拥堵路段，应用新的时间窗和服务时间，调用已有的路径优化算法，重新规划车辆配送顺序和线路；
d、调整后的顺序和线路如果仍能满足顾客的时间窗需求，则认定结果是健壮的和可实施的，通过检验；如果不能满足顾客需求，则认定优化结果是有风险的，未通过检验，需要重新计算路线、调整订单数量或时间，直到新的优化结果通过检验为止。同一条线路要经过多轮模拟事件，达标比例达到设定值后才会通过检验；只有所有线路都通过检验，整个路径优化结果才可以实施。
本发明中，步骤a中事件概率矩阵包括如下：
a、路段拥堵事件指车辆在当天的哪个时间段，哪个路段，拥堵时长。拥堵时长按拥堵时间长短分组；
b、订单时间窗调整指顾客在当天的哪个时间段，将原有时间窗调整到新的时间窗；最早配送时间和最晚配送时间的调整按时间长短分别分组；
c、配送服务超时指顾客在当天的哪个时间段，在配送点装卸货的时间比预计耗时增加了多少，超时时间按长短分组；
d、运输事件概率为在一定的历史时间内，在当天的每个时间段，发生运输事件的次数与历史轨迹中同一时段，同一路段，同一个顾客轨迹条数的比例。
本发明中，步骤b中，路段拥堵时长按概率从事件概率矩阵获取；送货时间调整时长按路段拥堵时长按概率从事件概率矩阵获取；服务时间增加时长按路段拥堵时长按概率从事件概率矩阵获取。
本发明中，步骤c中，重新规划车辆配送顺序和线路：设置禁行区域，应用新的时间窗和服务时间，是现有路径优化算法的部分输入参数，此算法可以给出原始的路径优化结果，同时也支持在途的动态路径优化调整。
本发明在实际运用中，会将运输事件时间段按半小时分组，拥堵时长每10分钟分一组，配送超时每10分钟分一组，事件概率因子优选为1.2-1.5倍实际概率之间，每条线路经过10轮模拟事件，达标率>＝90％则认为线路通过检验，在满足事件发生准确度的情况下提升获得检验结果的效率。
本发明能够快速地、批量地模拟实际运输事件，极大地降低了人工检验成本；本发明能够提前预判运输事件，并给出调整后的配送线路和顺序，极大地提高了实际配送中的准点率，节省了运力成本；本发明还能够根据系统里数十万条真实货车轨迹计算运输事件概率，有效地避免了人工采集、记录可能存在的错误，使得模拟事件与实际相似度高，保障了优化结果可实施度的准确性。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。