一种基于最优化算法的物流运输管理方法

技术领域

本发明涉及数据处理技术领域，特别是涉及一种基于最优化算法的物流运输管理方法。

背景技术

物流运输管理是指在供应链物流管理中，对物流运输环节的规划、组织、协调、执行和监控等全过程的管理，旨在提高物流供应链运作的效率。物流运输管理的难点主要为路线选择和计划难度较大、运输过程中的安全风险较大，物流运输管理需要考虑各种因素以确定最优的运输路线和计划。

传统的路径规划算法基于最短路径的算法，计算速度快，但不适用于物流运输管理中大规模的复杂路径规划。例如，A*算法速度相对较快，能够应用于大规模网络和复杂路径规划问题，但找不到可行解时，时间复杂度与空间复杂度会较高，且可能会陷入局部最优解；蚁群算法全局搜索能力强，并且通过并行处理，实现并行求解，提高了运行效率，但在不同场景中对启发因子设置不同，可能会对结果产生一定影响，不能保证得到全局最优解。

发明内容

鉴于上述问题，本申请提供了一种基于最优化算法的物流运输管理方法，通过构建更符合物流运输特点的启发因子改进蚁群算法，能够得到物流运输的最优运输路径。

本申请实施例提供了一种基于最优化算法的物流运输管理方法，包括：

确定多个运输终端，获取每个所述运输终端之间的路径数据；

基于每个所述运输终端之间的路径数据计算每个所述运输终端之间的车辆折旧指标、污染物排放比指标、交通事故发生可能性；

基于每个所述运输终端之间的所述车辆折旧指标、所述污染物排放比指标和所述交通事故发生可能性计算每个所述运输终端之间的启发因子；

基于每个所述运输终端之间的所述启发因子结合蚁群算法中对信息素的更新计算每辆车在每个所述运输终端之间的运输概率；

基于所述每辆车在各个所述运输终端之间的所述运输概率确定最优物流运输路径，将所述最优物流运输路径发送至每个车辆的驾驶员。

在一种可能的实现方式中，所述确定多个运输终端和每个所述运输终端之间的路径数据，包括：

从物流调度中心获取物流订单信息，根据物流订单信息确定多个运输终端，获取每个运输终端之间的路径数据。

在一种可能的实现方式中，所述路径数据包括天气信息、温度、湿度、坡度、红绿灯数量和车流量数据。

在一种可能的实现方式中，所述基于每个所述运输终端之间的路径数据计算每个所述运输终端之间的车辆折旧指标、污染物排放比指标、交通事故发生可能性之前，还包括：

初始化车辆的数量和每个所述运输终端之间的信息素。

在一种可能的实现方式中，所述基于每个所述运输终端之间的路径数据计算每个所述运输终端之间的车辆折旧指标、污染物排放比指标、交通事故发生可能性，包括：

基于每个运输终端之间的路径数据计算每个所述运输终端之间的车辆折旧指标，所述车辆折旧指标的计算公式为：

其中，

在一种可能的实现方式中，所述基于每个所述运输终端之间的路径数据计算每个所述运输终端之间的车辆折旧指标、污染物排放比指标、交通事故发生可能性，包括：

基于每个运输终端之间的路径数据计算每个所述运输终端之间的污染物排放比指标，所述污染物排放比指标的计算公式为：

其中，

在一种可能的实现方式中，所述基于每个所述运输终端之间的路径数据计算每个所述运输终端之间的车辆折旧指标、污染物排放比指标、交通事故发生可能性，包括：

基于每个运输终端之间的路径数据计算每个所述运输终端之间的交通事故发生可能性，所述交通事故发生可能性的计算公式为：

其中，

在一种可能的实现方式中，所述基于每个所述运输终端之间的所述车辆折旧指标、所述污染物排放比指标和所述交通事故发生可能性计算每个所述运输终端之间的启发因子的计算公式为：

其中，

在一种可能的实现方式中，所述基于每个所述运输终端之间的所述启发因子结合蚁群算法中对信息素的更新计算每辆车在每个运输终端之间的运输概率的计算公式为：

其中，

在一种可能的实现方式中，所述基于所述每辆车在各个运输终端之间的所述运输概率确定最优物流运输路径，将所述最优物流运输路径发送至每个车辆的驾驶员，包括：

基于所述每辆车在各个运输终端之间的所述运输概率确定最优物流运输路径，将所述最优物流运输路径上传至物流调度中心，由所述物流调度中心将所述最优物流运输路径发送至每个车辆的驾驶员。

本申请的有益效果在于：通过每个运输终端之间的环境温度与环境湿度构建车辆折旧指标，反映运输车在行驶过程中车辆的折旧程度；通过每个运输终端之间的坡度、红绿灯数构建污染物排放比指标，反映运输车在每个运输终端之间行驶时与正常行驶时相比产生的污染物排放比；通过每个运输终端之间的天气情况、车流量构建交通事故发生可能性，反映运输车在每个运输终端路径上车辆发生事故的可能性；并基于车辆折旧指标、污染物排放比指标和交通事故发生可能性构建每个运输终端之间的通行阻碍指数，能够更准确的描述运输车在每个运输终端之间行驶时遇到的阻碍，进而构建更符合物流运输特点的启发因子，使用蚁群算法求解最优运输路径，得到物流运输的最优运输路径。

附图说明

图1是本申请实施例提供的一种基于最优化算法的物流运输管理方法的步骤流程图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明，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。基于本申请中的实施例，本领域普通技术人员所获得的所有其它实施例，都属于本申请保护的范围。

本申请的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释，而非旨在限定本申请。

需要注意，本申请中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

下面结合附图，对本申请的实施例进行描述。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

参见图1所示，本申请实施例公开了一种基于最优化算法的物流运输管理方法，包括：

步骤S11，确定多个运输终端，获取每个所述运输终端之间的路径数据；

步骤S12，基于每个所述运输终端之间的路径数据计算每个所述运输终端之间的车辆折旧指标、污染物排放比指标、交通事故发生可能性；

步骤S13，基于每个所述运输终端之间的所述车辆折旧指标、所述污染物排放比指标和所述交通事故发生可能性计算每个所述运输终端之间的启发因子；

步骤S14，基于每个所述运输终端之间的所述启发因子结合蚁群算法中对信息素的更新计算每辆车在每个所述运输终端之间的运输概率；

步骤S15，基于所述每辆车在各个所述运输终端之间的所述运输概率确定最优物流运输路径，将所述最优物流运输路径发送至每个车辆的驾驶员。

在上述实施例步骤中，首先确定多个运输终端(即各运输车辆要将包裹送达的目的地)，通过各种数据接口，获取每个所述运输终端之间的路径数据(步骤S11)。蚁群算法寻找最优路径的原理为蚂蚁在经过一条路径时，会留下信息素，由于信息素会随着时间挥发，故较短路径中留下的信息素要大于较长路径中留下的信息素，后面的蚂蚁根据各路径留下的信息素以及对目标地点的价值估计选择路径前进。上述实施例步骤基于在物流运输路径中的车辆折旧指标、污染物排放比指标和交通事故发生可能性构建启发因子，进而得到最优的配送路径。具体为：基于每个所述运输终端之间的路径数据计算每个所述运输终端之间的车辆折旧指标、污染物排放比指标、交通事故发生可能性(步骤S12)，描述在运输车行驶过程中的主要困难，其中车辆折旧指标反映运输车在行驶过程中车辆的折旧程度，污染物排放比指标反映运输车在每个运输终端之间行驶时与正常行驶时相比产生的污染物排放比，交通事故发生可能性反映运输车在每个运输终端路径上车辆发生事故的可能性；接下来基于每个所述运输终端之间的所述车辆折旧指标、所述污染物排放比指标和所述交通事故发生可能性计算每个所述运输终端之间的启发因子(步骤S13)，通过描述运输车行驶过程中的主要困难的各项主要指标构建更符合物流运输特点的启发因子。接下来基于每个所述运输终端之间的所述启发因子结合蚁群算法中对信息素的更新计算每辆车在每个所述运输终端之间的运输概率(步骤S14)，利用更符合物流运输特点的启发因子作为蚁群算法中的启发因子，同时结合蚁群算法中对信息素的更新计算运输概率；最终基于所述每辆车在各个所述运输终端之间的所述运输概率确定最优物流运输路径，将所述最优物流运输路径发送至每个车辆的驾驶员(步骤S15)，完成物流运输的最优化运输路径管理。

在本申请一个可选的实施例中，所述确定多个运输终端和每个所述运输终端之间的路径数据，包括：

从物流调度中心获取物流订单信息，根据物流订单信息确定多个运输终端，获取每个运输终端之间的路径数据。

在上述实施例步骤中，每个运输车辆要将包裹送达的目的地(即多个运输终端)通过从物流调度中心获取的物流订单信息进行确定，每个运输终端之间的路径数据可以通过各种数据接口获取，如根据天气API接口获取当天每个运输终端之间的天气信息、温度、湿度等，根据地图API接口获取每个运输终端之间的坡度、红绿灯数量等，通过当地交通管理部门网站获取每个运输终端之间的车流量数据等。

在本申请一个可选的实施例中，所述路径数据包括天气信息、温度、湿度、坡度、红绿灯数量和车流量数据。

在上述实施例步骤中，路径数据包括每个运输终端的天气信息(如大雾、暴雨、冰雪、大风等)、温度、湿度、坡度、红绿灯数量和车流量数据(如通行车辆数量等)。

在本申请一个可选的实施例中，所述基于每个所述运输终端之间的路径数据计算每个所述运输终端之间的车辆折旧指标、污染物排放比指标、交通事故发生可能性之前，还包括：

初始化车辆的数量和每个所述运输终端之间的信息素。

在上述实施例步骤中，初始化车辆的数量和每个所述运输终端之间的信息素；其中，在初始时刻，各个执行物流运输的车辆均位于物流调度中心，每个运输终端路径之间的信息素含量也设置为相同，均为

在本申请一个可选的实施例中，所述基于每个所述运输终端之间的路径数据计算每个所述运输终端之间的车辆折旧指标、污染物排放比指标、交通事故发生可能性，包括：

基于每个运输终端之间的路径数据计算每个所述运输终端之间的车辆折旧指标，所述车辆折旧指标的计算公式为：

其中，

车辆折旧受到多种因素影响，其中主要影响因素为车辆的使用环境，即行驶过程中路径上的温度、湿度等，车辆处于高温高湿的环境中，车辆的橡胶件、电线等易老化受损，车辆的折旧速度会迅速增加。在上述实施例步骤中，基于每个运输终端之间的路径数据计算每个所述运输终端之间的车辆折旧指标。需要说明的是，车辆行驶时的最佳温度

在本申请一个可选的实施例中，所述基于每个所述运输终端之间的路径数据计算每个所述运输终端之间的车辆折旧指标、污染物排放比指标、交通事故发生可能性，包括：

基于每个运输终端之间的路径数据计算每个所述运输终端之间的污染物排放比指标，所述污染物排放比指标的计算公式为：

其中，

同样地，车辆在启动瞬间的油耗要显著大于正常行驶时的油耗，进而会产生较多的污染物，如温室气体

需要说明的是，红绿灯等待系数

在本申请一个可选的实施例中，所述基于每个所述运输终端之间的路径数据计算每个所述运输终端之间的车辆折旧指标、污染物排放比指标、交通事故发生可能性，包括：

基于每个运输终端之间的路径数据计算每个所述运输终端之间的交通事故发生可能性，所述交通事故发生可能性的计算公式为：

其中，

进一步地，运输车辆发生交通事故时会影响配送效率，而其他车辆发生交通事故时也会影响事故车辆行驶路段的交通状况，对运输车辆的配送效率也会产生一定影响。因此，在上述实施例步骤中，基于每个运输终端之间的路径数据计算每个所述运输终端之间的交通事故发生可能性；所述事故发生可能性是指在行驶过程中，运输车辆及其他车辆发生交通事故的可能性。交通事故受多种因素影响，其中天气状况与车流量为主要影响因素，当处于冰雪、大雨、浓雾等各种极端天气时，影响路况与驾驶员对周围情况的判断，进而产生交通事故，当车流量较大时，同样容易产生交通事故，且当两个影响因素同时出现时，交通事故发生可能性将呈指数级增长。

需要说明的是，车辆从第

在本申请一个可选的实施例中，所述基于每个所述运输终端之间的所述车辆折旧指标、所述污染物排放比指标和所述交通事故发生可能性计算每个所述运输终端之间的启发因子的计算公式为：

其中，

在传统的蚁群算法中，以两个运输终端之间的路径长度的倒数作为启发因子。在上述实施例步骤中，基于两个运输终端之间的车辆折旧指标、污染物排放比指标和交通事故发生可能性构建通行阻碍指数，将通行阻碍指数作为蚁群算法中两地之间的路径“长度”，进而构建启发因子。

需要说明的是，车辆折旧对通行阻碍指数的影响权重

在本申请一个可选的实施例中，所述基于每个所述运输终端之间的所述启发因子结合蚁群算法中对信息素的更新计算每辆车在每个运输终端之间的运输概率的计算公式为：

其中，

在上述实施例步骤中，根据前一步骤得到第

需要说明的是，信息素对搜索结果的影响权重

在本申请一个可选的实施例中，所述基于所述每辆车在各个运输终端之间的所述运输概率确定最优物流运输路径，将所述最优物流运输路径发送至每个车辆的驾驶员，包括：

基于所述每辆车在各个运输终端之间的所述运输概率确定最优物流运输路径，将所述最优物流运输路径上传至物流调度中心，由所述物流调度中心将所述最优物流运输路径发送至每个车辆的驾驶员。

在上述实施例步骤中，基于所述每辆车在各个运输终端之间的所述运输概率确定最优物流运输路径(例如选择各个运输终端运输概率最大的路径作为最优物流运输路径)，将所述最优物流运输路径上传至物流调度中心，由所述物流调度中心将所述最优物流运输路径发送至每个车辆的驾驶员，最优物流运输路径的发送可以通过数据线等有线通讯方式或蓝牙、2G、3G、4G、5G或WIFI等无线通讯方式，在此不对其进行具体限定；车辆的驾驶员可以通过智能手机、智能穿戴、车辆智能仪表盘等智能终端接收最优物流运输路径的数据信息，在此不对其进行具体限定；最终完成物流运输的最优化运输路径管理。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本申请所提供的一种基于最优化算法的物流运输管理方法进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本申请的限制。