一种物流运输方式和路径智能优化的方法及系统的制作方法
【技术领域】
[0001] 本发明涉及智能优化方法，特别是指一种物流运输方式和路径智能优化方法。
【背景技术】
[0002] 货物运输的两大核心内容：快捷、准确、节约的配送服务；安全、可靠的货物运输 与结算。目前，货运现状还处在粗放型发展阶段，返程车船的空驶运力还不能得到充分利 用，一方面物流费用居高不下、另一方面空驶运力浪费严重。现有货物配货站还停留在原始 的司机找货和货找车的阶段；如何减少运输过程中的运力浪费和降低运输过程的成本，提 高货运的效率，就需要对车船的行驶路况进行系统分析，根据货物运输的需要优先的选择 费用最少路线或者事件最短的路线，本发明解决了给定货物、起始地和目的地，从不同的运 输方式和运输路径中，按照价格优先、时间优先等限制要素，智能地计算和选择最佳的运输 方式和运输路径的问题。
[0003] 目前为止对Johnson算法、Bellman-Ford算法和Dijkstra算法大部分的应用还 处于单纯研究算法本身，并没有现有技术将他们有机结合起来，共同应用于物流运输行业 从而解决运输方式及路径优化的技术问题，因此，本发明创新的对上述多个算法进行了深 入研究，并基于大量数据模拟仿真及实地测试验证，成功地提出了基于上述算法的路径智 能优化方法及系统，并有效解决了车船运行时的运输方式和运输路径的问题。
【发明内容】
[0004] 本发明提供了一种物流运输方式和路径智能优化方法，具体如下：
[0005] 包括从时间优先和费用优先两种条件下分析运输方式和路径的优化，优化方法步 骤如下：
[0006] (1)准备结点数据
[0007] 结点数据是指铁路货运场站、公路货运场站和港口码头的集合，结点数据作为货 运起始地和货运目的地，车船主在一次运力运输中的起始地和目的地是确定的，则设货运 起始地为X，货运目的地为Y。
[0008] (2)准备边数据
[0009] 1)边数据是指任意两个通过某一运输方式连通的结点之间所有可能的路径，路径 数为N，包括从两结点X到Y或者Y到X的特定运输方式所需要花费的时间和费用代价。 [0010] 2)根据现实应用场景排除可能的下列路径
[0011] 货物与运输方式的适配问题，有些货物因为尺寸、安全因素仅能使用特定的方式 运输；
[0012] 运输工具的限制，包括车、船、火车的数量及运能问题；
[0013] 货运场站、港口码头的仓储能力、装卸能力的限制；
[0014] 跨省和市的官方检查而消耗时间的问题；
[0015] 运输工具的调度因素，特定时间段内，运输工具的高度问题；
[0016] 不同运输方式之间的装卸代价问题，从一种运输方式转变成另一种方式需要的时 间的费用。
[0017] 3)最后得到有限条可能的运输路径Μ;
[0018] (3)计算获取最佳运输方式和路径
[0019] 步骤1:把结点数据和边数据用带权有向图表示，表示为G= (V，L);
[0020]V代表结点数据的集合，即所述铁路货运场站、公路货运场站和港口码头的集合， 用代数式表示为V= {Vi，V2,V3}，Vi，ν2, ^分别表示铁路货运场站、公路货运场站和港口码 头的结点数据集合，其中Vi=lvn,Vm. . .Vii，. . .ViJ，其中1彡i彡r,r彡Μ，￥;表示在有 向图中铁路货运场站的第i个结点数据，同样的可表示公路货运场站和港口码头的结点数 据。
[0021] L表示边数据，即任意两个通过某一运输方式连通的结点之间的路径，代数式表示 为L= {Vi,V』，其中1彡i,j彡M，Vi, '表示节点数据v'之间的路径。
[0022] 所述带权有向图的权值ω从任意两个结点数据之间行驶每单位长度所需的时 间、费用、紧急程度考虑，并在实际运行中不断训练学习。
[0023] 步骤2:计算图G加入新结点后的图G' = (V'，L'），加入的新结点X到所有原结 点之间的权值为零，即Υ?「，V' =VU(X)，L' =LU{(X，u):ueV}，对所有的ueV， ω(X，u) = 0 ;其中X是新加入的物流铁路货运场站、公路货运场站或者港口码头中的货运 起始地，u表示从货运起始地到货运目的地之间的某个结点。
[0024] 步骤3:所述货运起始地为X到其他所述结点数据u或者v之间的距离表示为 dis(X，u)或者dis(X，v)，边数据为L(u,v)，其对应的权值为ω(u,v);
[0025]执行循环若dis(X,ιι) +ω(u,v)〈dis(X,ν)，则更新dis(X,ν) =dis(X,ιι) +ω(u,ν )，若dis(X，v)没有更新或者部分点数据不可达，则结束循环，得到所述货运起始地X到其 他节点数据的最短距离集合R(dis)，并把所述货运起始地X到其他结点数据的各个最短距 离存放在数组h(x)中；其中XeR(dis)即X在所述货运起始地X到其他节点数据的最短 距离集合R(dis)中。
[0026] 步骤4:对所有边数据的权值ω(u,ν)，更新为ω,(u,ν)=ω(u,v)+h(u)_h(ν)，其 中u,v表示从货运起始地到货运目的地之间的某个结点，ω(u,v)表示u,v对应的边数据 的权值，即两个物流铁路货运场站、公路货运场站或者港口码头之间经过的路径的可能性。
[0027] 步骤5:所述所有结点数据表示为V= {S，U}，S= {u}，U= {除了u以外的其他 结点数据};其中S为已求出最优路径的结点数据的集合，U为其余未确定最优路径的结点 数据的集合，并且ω'（u) = 〇,νeU。
[0028]步骤6:从U中选取权值ω'（u，k)，所述权值符合的条件是u到k的权值小于到 其他结点数据的权值，并把所述结点数据k加入S中，以k为新的结点数据，修改U中各结 点数据的权值，设置dis(k,v) =min[dis(k,v) (k,ν)];其中k为新选定的物流铁路货运 场站、公路货运场站或者港口码头中的符合条件的结点数据，ν表示车船没有经过的物流铁 路货运场站、公路货运场站或者港口码头中的某结点数据，ω'（k，v)表示从结点数据k到 ν的权值。
[0029] 步骤7、根据步骤6优化出费用优先的运输路径：
[0030]costmin(k，v) =min[(dis(k，v)*up)，（（dis(k，ν) +ω(k，v))*up)]，重复步骤 6 直 到所有结点数据都包含在S中，从而计算出从所述货运起始地到其他结点数据之间的花费 优先最优路径cost_(X，V);其中up表示某种货运车船型在运输1KM的距离并且同样的其 他运输环境下的平均花费。
[0031] 根据步骤6优化出时间优先的运输路径：
[0032]timemin(k，v) =min[(dis(k，v)/vel)，（（dis(k，ν) +ω(k，v))/vel)]，重复步骤 6 直到所有结点数据都包含在S中，从而计算出从所述货运起始地到其他结点数据之间的时 间优先最优路径time_(X，v);其中vel表示某种货运车船型号在具备同样的其他运输环 境下的平均速度。
[0033] 上述物流铁路货运场站、公路货运场站或者港口码头主要包括配货点、配货站、车 船主、物流园、货主、物流公司、货代公司、港口码头。
[0034] 优先的，优化方法还可以首先分别优化铁路货运场站、公路货运场站和港口码头 Vi，v2,v3的运输方式和路径，再进行数据整合。
[0035] 本发明首先对节点数据和边数据进行整理，即整理物流铁路货运场站、公路货运 场站或者港口码头等配货站点，然后用Johnson算法计算获取最佳运输方式和路径，主要 包括：把所述的结点数据和边数据用带权有向图表示；计算图G加入新结点后的图；使用 Bellman-Ford算法处理G'，并形成新结点到各结点的最小距离；更新边数据的权值；对图 G中所有结点数据运行Dijkstra算法计算与其他结点数据的最短距离；优化费用优先和时 间优先的运输方式和路径。该方法解决了给定货物、起始地和目的地，从不同的运输方式和 运输路径中，按照价格优先、时间优先等限制要素，智能地计算和选择最佳的运