一种能适应复杂交通变化的物流配送系统及方法与流程

本发明涉及物流配送技术领域，特别是涉及一种能适应复杂交通变化的物流配送系统及方法。

背景技术：

随着物流行业的飞速发展，物流配送已经成为现代物流系统中重要的一环。成本俨然是其中首要考虑的问题，如何准时取货并送货，如何节约路程降低成本，这些都是这个行业不得不面临的问题。传统的物流行业中，虽然有些人员已经使用了不少软件来替代纸质记录，但是，在面临有多个配送点的时候，司机往往是按照自己的主观意识来选择配送的顺序，这可能会和实际的最优的配送顺序有很大的出入，造成不能准时到达，及运力资源的浪费。

技术实现要素：

为解决现有技术中存在的问题，本发明提供了一种能适应复杂交通变化的物流配送系统及方法，利用迪杰斯特拉最短路径算法和贪心算法相结合，来确定最优配送顺序，使得配送总路程达到最优，为司机提供最优的配送路线。

为实现上述目的，本发明采用的技术方案是：

一种能适应复杂交通变化的物流配送系统，包括地图创建模块、配送点输入模块、路线规划模块和配送点显示模块，其中：

地图创建模块，用于创建地图应用；

配送点输入模块，用于在地图创建模块上输入配送点信息；

路线规划模块，用于规划配送路线，确定各配送点的配送顺序；

配送点显示模块，用于显示路线规划模块所规划的各配送点的配送顺序信息。

优选的，所述路线规划模块包括路况信息监控模块、路况信息判断模块、最短路线规划模块和最优路线规划模块，其中：

路况信息监控模块，用于实时监控路况信息；

路况信息判断模块，用于判断当前路况信息为良好或拥堵，如果良好，则发送配送点信息给最短路线规划模块；如果拥堵，则发送配送点信息给最优路线规划模块；

最短路线规划模块，用于根据良好路况信息，规划最短配送路线；

最优路线规划模块，用于根据拥堵路况信息，规划最优配送路线。

优选的，所述最短路线规划模块包括第一配送点信息整理模块、迪杰斯特拉算法处理模块和最短路线输出模块，其中：

第一配送点信息整理模块，用于收集配送点信息，建立路况良好时各配送点的地图模型；

迪杰斯特拉算法处理模块，用于结合迪杰斯特拉算法和地图模型中的数据，计算最短配送路线；

最短路线输出模块，用于输出最短配送路线信息。

优选的，所述最优路线规划模块包括第二配送点信息整理模块、贪心算法处理模块和最优路线输出模块，其中：

第二配送点信息整理模块，用于收集配送点信息，建立路况拥堵时各配送点的地图模型；

贪心算法处理模块，用于结合贪心算法和地图模型中的数据，计算最优配送路线；

最优路线输出模块，用于输出最优配送路线信息。

本发明还提供了一种能适应复杂交通变化的物流配送方法，其技术方案如下：

一种能适应复杂交通变化的物流配送方法，包括以下步骤：

S1、基于高德地图的SDK，创建地图应用；

S2、在地图应用上录入各配送点的位置信息；

S3、规划配送路线，确定各配送点的配送顺序；

S4、在地图应用上显示规划后的各配送点的配送顺序信息。

优选的，步骤S3具体包括以下步骤：

S31、实时监控路况信息；

S32、判断当前的路况信息为良好或拥堵，如果路况良好，则进入步骤S33；如果路况拥堵，则进入步骤S34；

S33、根据良好路况信息，切换迪杰斯特拉算法模式，规划最短配送路线；

S34、根据拥堵路况信息，切换贪心算法，规划最优配送路线。

优选的，步骤S33具体包括以下步骤：

S331、收集各配送点信息，根据高德地图SDK，计算每两个配送点的距离，生成路况良好时各配送点的地图数据模型；

S332、结合迪杰斯特拉算法和地图模型中的数据，计算最短配送路线；

S333、输出最短配送路线信息。

优选的，步骤S34具体包括以下步骤：

S341、收集各配送点信息，建立路况拥堵时各配送点的地图模型；

S342、结合贪心算法和地图模型中的数据，计算最优配送路线；

S343、输出最优配送路线信息。

迪杰斯特拉算法，是从一个顶点到其余各顶点的最短路径算法，解决的是有向图中最短路径问题。迪杰斯特拉算法主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止，是一种广度优先的搜索方法。

贪心算法(又称贪婪算法)是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的仅是在某种意义上的局部最优解。

本发明的有益效果是：本发明利用高德地图SDK以及后台服务端，并将迪杰斯特拉最短路径算法和贪心算法相结合，来确定最优配送顺序，使得配送总路程达到最优，为司机提供最优的配送路线，大大的提高了配送效率。

附图说明

图1为本发明实施例1的原理图；

图2为本发明实施例2的流程图。

附图标记：

1、配送点输入模块；2、地图创建模块；3、路况信息监控模块；4、路况信息判断模块；5、第一配送点信息整理模块；6、迪杰斯特拉算法处理模块；7、最短路线输出模块；8、第二配送点信息整理模块；9、贪心算法处理模块；10、最优路线输出模块；11、配送点显示模块。

具体实施方式

下面结合附图对本发明的实施例进行详细说明。

实施例1

如图1所示，一种能适应复杂交通变化的物流配送系统，包括地图创建模块、配送点输入模块、路线规划模块和配送点显示模块，其中：

地图创建模块，用于创建地图应用；

配送点输入模块，用于在地图创建模块上输入配送点信息；

路线规划模块，用于规划配送路线，确定各配送点的配送顺序；

路线规划模块包括路况信息监控模块、路况信息判断模块、最短路线规划模块和最优路线规划模块，其中：

路况信息监控模块，用于实时监控路况信息；

路况信息判断模块，用于判断当前路况信息为良好或拥堵，如果良好，则发送配送点信息给最短路线规划模块；如果拥堵，则发送配送点信息给最优路线规划模块；

最短路线规划模块，用于根据良好路况信息，规划最短配送路线；

最短路线规划模块包括第一配送点信息整理模块、迪杰斯特拉算法处理模块和最短路线输出模块，其中：

第一配送点信息整理模块，用于收集配送点信息，建立路况良好时各配送点的地图模型；

迪杰斯特拉算法处理模块，用于结合迪杰斯特拉算法和地图模型中的数据，计算最短配送路线；

最短路线输出模块，用于输出最短配送路线信息；

最优路线规划模块，用于根据拥堵路况信息，规划最优配送路线；

最优路线规划模块包括第二配送点信息整理模块、贪心算法处理模块和最优路线输出模块，其中：

第二配送点信息整理模块，用于收集配送点信息，建立路况拥堵时各配送点的地图模型；

贪心算法处理模块，用于结合贪心算法和地图模型中的数据，计算最优配送路线；

最优路线输出模块，用于输出最优配送路线信息；

配送点显示模块，用于显示路线规划模块所规划的各配送点的配送顺序信息。

实施例2

如图2所示，一种能适应复杂交通变化的物流配送方法，包括以下步骤：

S1、基于高德地图的SDK，创建地图应用；

S2、在地图应用上输入各配送点的位置信息；

S3、实时监控路况信息，分析当前路况信息为良好或拥堵，若路况良好则进入步骤S4；若路况拥堵则进入步骤S5；

S4、选择迪杰斯特拉算法模式，根据高德地图SDK，计算每两个配送点的距离，生成各配送点的位置数据模型，再迪杰斯特拉算法和地图模型中的数据，计算得到最短配送路线；

S5、选择贪心算法模式，建立各配送点的位置数据模型，结合贪心算法和地图模型中的数据，进行局部最优配送路线规划，计算得到各配送点的最优配送路线；

S6、在地图应用上显示规划后的最短配送路线或最优配送路线的配送顺序信息。

本发明首先根据高德地图SDK，计算出每两个配送点的距离，生成数据模型，再根据迪杰斯特拉算法原理，得到各配送点的最优配送顺序，通过高德地图SDK按照优化后的配送顺序，得到最终的路径规划，实现最短配送路径的选择，大大的提高了配送效率。当遇到严重拥堵或者前方道路无法通行的，就会自动切换到使用贪心算法的模式，争取达到局部最优解，进一步提高配送效率。

以上所述实施例仅表达了本发明的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。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，这些都属于本发明的保护范围。