首页> 中国专利> 一种基于集装箱智能管理派位的无人集卡调度方法

一种基于集装箱智能管理派位的无人集卡调度方法

摘要

本发明提供了一种基于集装箱智能管理无人集卡调度的派位方法,具体为构建港口‑公路运输协同调度的优化模型,以总成本最小为优化目标,完成最优化的线路,设定总成本为目标函数Z,采用Kuhn‑Munkres算法对目标函数Z进行求解及分析,包括通过简化模型进行二分图匹配、增广路径、带权二分图最优匹配处理后,再进行算例分析,获得集卡车对的最优路径及箱量。该方法是通过对问题的分析,以运输成本最低为优化目标建立模型,再通过采用KM算法进行求解和分析,进行智能优化派位,能够做到灵活调度,并通过对于集卡车队运输路径的优化,可使二级运输任务空载率降低约40%,显著提高整体运输效率,降低运输成本。

著录项

  • 公开/公告号CN113095753A

    专利类型发明专利

  • 公开/公告日2021-07-09

    原文格式PDF

  • 申请/专利权人 江苏省港口集团信息科技有限公司;

    申请/专利号CN202110366370.7

  • 发明设计人 林政;张阳;田申申;曹泉;

    申请日2021-04-06

  • 分类号G06Q10/08(20120101);G06Q10/06(20120101);G06Q10/04(20120101);

  • 代理机构32341 南京中律知识产权代理事务所(普通合伙);

  • 代理人祝坤

  • 地址 210000 江苏省南京市鼓楼区中山北路540号下关大厦

  • 入库时间 2023-06-19 11:45:49

说明书

技术领域

本发明属于集装箱智能生产管理的技术领域,特别涉及一种基于集装箱智能管理派位的无人集卡调度方法。

背景技术

随着进出口贸易的迅猛发展,进出口商品的货运需求与日俱增。作为进出口贸易的关键节点,港口是构建综合运输网络的枢纽,也是物流运输业发展所依托的重要战略资源。不断增加的港口吞吐量对港口服务水平提出了更高的要求,迫切需要建立起高效的港口集疏运系统,从而提高港口的运营能力,满足经济社会发展需求。

根据国内外港口集疏运的发展变化,公路集疏运在集疏运体系中的占比正不断提高,这也导致了诸多问题,具体表现为公路集疏运拥堵引起的运输效率问题和货运车辆带来的环境污染问题,如何进行改善港口集疏运系统,进一步地做到如何有效解决当前港口所面临的交通拥挤、环境污染等问题,已经成为这一领域困扰工作人员的关键点。

发明内容

为了解决上述技术难题,本发明将港口系统与公路运输系统作为整体进行研究,根据动态的实时车货信息,如港口货运量、客户需求量、货物装卸作业时间、车辆行程等信息,实现港口货物以公路运输的方式进行高效集散,具体地提供了一种基于集装箱智能管理无人集卡调度的派位方法。

具体调度步骤为:(1)构建港口-公路运输协同调度的优化模型,是以总成本最小为优化目标,在调度时间内通过公路运输进行港口集装箱的派位运输,将货物运送至客户处,及将客户处的货物运送至港口,完成最优化的线路,其中设定总成本为目标函数Z;

(2)通过港口集装箱运输情况,进行设定为一级运输任务或二级运输任务,采用算法进行求解;

(3)当为二级运输任务时,采用Kuhn-Munkres算法对目标函数Z进行求解及分析,包括通过简化模型进行二分图匹配、增广路径、带权二分图最优匹配处理后,再进行算例分析,获得集卡车对的最优路径及箱量。

这一模型的建立是以港口集疏运为研究重点,调度时段内,通过公路运输满足港口进口货物的运输需求,将港口货物运送至客户处;同时满足客户的出口货物的运输需求,将客户货物运送至港口。通常可以收集的数据为;客户数、客户需求量、客户供给量、客户、货运场站及港口间的距离、配送车队数量等,具体是以总成本最小为优化目标,以无人驾驶技术的应用为核心,以实际调度时段内工作可行性为指导,通过算法求解目标函数,从而使港—公调度整个过程最优。

作为改进,步骤(1)中,目标函数Z为

公式(1-1)中S表示货运场站集合;s为某一个货运场站;

作为改进,目标函数的约束条件为:

其中,公式1-2表示集卡从货运场站

作为改进,步骤(3)中,进行二分图匹配时,具体的方法是:将所有待作业任务分为两个集合,划分去程任务集合M与回程任务集合N,设定货运场站看作任务起始点,每条匹配边即代表完成去程任务后接续回程任务所需空载行驶的距离,当得到二分图的最大匹配后,所有匹配边长之和即为简化后目标函数后半部分。

作为改进,当货运场站与客户点间需求不平衡时构成的图不存在完备匹配时,如果去程作业任务少于回程作业任务,则在去程作业任务中补充

作为改进,步骤(3)中增广路径,具体是通过从一个未匹配点出发,依次交替经过非匹配边、匹配边,至另一个未匹配点即非出发点形成的交替路径,直到达到最大匹配。

作为改进,步骤(3)中带权二分图最优匹配处理时,具体方法:通过对顶点赋值初始化,再寻找完备匹配,当未找到完备匹配时,修改可行顶标的值,直到找到相等子图的完备匹配为止,即完成空载形式总路程最短的最优匹配过程。

有益效果:本发明提供的基于集装箱智能管理无人集卡调度的派位方法,是在港口输运集装箱过程中,来解决货运场站与客户点之间的混合集卡调度,通过对问题的分析,以运输成本最低为优化目标建立模型,再通过采用KM算法进行求解和分析,进行智能优化派位,能够做到灵活调度,并通过对于集卡车队运输路径的优化,可使二级运输任务空载率降低约40%,显著提高整体运输效率,降低运输成本。

附图说明

图1为本发明构建二分图的示意图。

图2为本发明的增广路径示意图。

具体实施方式

下面对本发明附图结合实施例作出进一步说明。

一种基于集装箱智能管理无人集卡调度的派位方法,具体调度步骤为:(1)构建港口-公路运输协同调度的优化模型,是以总成本最小为优化目标,在调度时间内通过公路运输进行港口集装箱的派位运输,将货物运送至客户处,及将客户处的货物运送至港口,完成最优化的线路,其中设定总成本为目标函数Z;

(2)通过港口集装箱运输情况,进行设定为一级运输任务或二级运输任务,采用算法进行求解;

(3)当为二级运输任务时,采用Kuhn-Munkres算法对目标函数Z进行求解及分析,包括通过简化模型进行二分图匹配、增广路径、带权二分图最优匹配处理后,再进行算例分析,获得集卡车对的最优路径及箱量。

这一模型的建立是以港口集疏运为研究重点,调度时段内,通过公路运输满足港口进口货物的运输需求,将港口货物运送至客户处;同时满足客户的出口货物的运输需求,将客户货物运送至港口。通常可以收集的数据为;客户数、客户需求量、客户供给量、客户、货运场站及港口间的距离、配送车队数量等,具体是以总成本最小为优化目标,以无人驾驶技术的应用为核心,以实际调度时段内工作可行性为指导,通过算法求解目标函数,从而使港—公调度整个过程最优。

步骤(1)中,目标函数Z为

公式(1-1)中S表示货运场站集合;s为某一个货运场站;

其中,公式1-2表示集卡从货运场站

本发明中进行二分图处理时,每辆集卡每次仅可装载一个标准集装箱,而各节点的需求量均为整数个标准集装箱,不存在散货的现象。可以将所有待作业任务分为两个集合,若将货运场站看作任务起始点,则可以划分去程任务集合M与回程任务集合N,如图1所示。

每条匹配边即代表完成去程任务后接续回程任务所需空载行驶的距离。当得到该图的最大匹配后,所有匹配边长之和即为简化后目标函数后半部分。

当货运场站与客户点间需求不平衡时构成的图不存在完备匹配,当去程作业任务少于回程作业任务时,在去程作业任务中补充m个代表从货运场站空载出发的任务,m的值通过约束条件确定;反之,当回程作业任务少于去程作业任务时,在回程作业任务中补充n个代表从客户点空载返回的任务,n的值通过约束条件确定。

本发明中在进行增广路径处理时,具体是通过从一个未匹配点出发,依次交替经过非匹配边、匹配边,至另一个未匹配点即非出发点形成的交替路径,直到达到最大匹配。具体可见图2中所示,该增光路径由未匹配点3出发,依次交替经过非匹配边、匹配边,至另一未匹配点5。显然,增广路径的非匹配边比匹配边多1条。因此,可以通过把增广路中的匹配边和非匹配边的进行互换,从而改进匹配。由于中间的匹配节点不存在其他相连的匹配边,互换后匹配的性质并不会改变,匹配边的数目将比原来增加 1 条。

进一步地,步骤(3)中带权二分图最优匹配处理时,具体方法:通过对顶点赋值初始化,再寻找完备匹配,当未找到完备匹配时,修改可行顶标的值,直到找到相等子图的完备匹配为止,即完成空载形式总路程最短的最优匹配过程。为了更好地说明带权二分图最优匹配处理的方法,以下面例子进行说明。

假设二分图的左顶点集为

若由二分图中所有满足

实施例1

进一步地对上述算法进行算例分析,假设该港口周边拥有2个可进行换装周转作业的公路货运场站A和B,为周边10个客户点进行服务,货运场站与各客户点间的距离如下表1所示。

表1货运场站与客户点间的距离(单位:km)

货运场站中各布置有多辆集卡,且有完成一级运输任务的无人集卡待命。根据作业任务安排,各客户点具体货运需求分布如表2所示。

表2客户点货运需求分布

货运场站应当服务临近客户点,即每个客户点的运输任务所选取的场站可直接根据距离确定。因此,由客户点的需求分布可以得到货运场站A主要服务客户点1、客户点2、客户点3、客户点4和客户点5,需要配送40标箱货物,接收25标箱货物;货运场站B主要服务客户点6、客户点7、客户点8、客户点9和客户点10,需要配送60标箱货物,接收25标箱货物。由于货运场站配送货物的来源以及接收货物的去向均为该港口,该港口与货运场站间的调度计划也将随之确定。

根据上述数据,利用Kuhn-Munkres算法编程求解得到集卡车队最优路径及箱量如表-所示。

表3混合集卡车队最优路径

利用无人集卡特性,灵活调度,并通过对于集卡车队运输路径的优化,可使二级运输任务空载率降低约40%,显著提高整体运输效率,降低运输成本。

以上所述实施例仅表达了本发明的几种实施方式,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。因此,本发明专利的保护范围应以所附权利要求为准。

去获取专利,查看全文>

相似文献

  • 专利
  • 中文文献
  • 外文文献
获取专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号