一种多无人机-多卡车协同物流配送路径规划方法技术

本发明专利技术公开了一种多无人机

【技术实现步骤摘要】
一种多无人机
‑
多卡车协同物流配送路径规划方法


[0001]本专利技术属于无人机物流
，具体涉及一种多无人机
‑
多卡车协同物流配送路径规划方法。

技术介绍

[0002]无人机(UAV，Unmanned Aerial Vehicle)，是由控制站进行远程操纵或自主完成飞行的航空器。近年来，随着无人机技术的不断发展，无人机在民用领域和军用领域都起到越来越重要的作用。无人机在民用领域的应用涉及基础设施建设、农业、交通物流、安全及灾害管理和娱乐等多个方面，也成为未来物流运输工具的选择。与传统配送方式相比，无人机具有速度快、不受道路限制、成本低廉等特点，这些特点使得无人机在当前快递行业迅猛发展、“最后一公里”成为配送行业难题的现状下具有广阔前景。另一方面，低空快递配送无人机受限于飞行器体积，较卡车配送存在续航时间短、有效载荷小的局限，仅使用无人机在仓库与客户间进行往返配送对快递配送的效率提升有限。而同时使用无人机与卡车进行配送，允许无人机在卡车上采取起降、补货等操作则可实现二者的优势互补。因此，无人机
‑
卡车联合配送为解决末端物流配送问题提供了全新的解决途径。
[0003]当无人机
‑
卡车进行联合配送时，需要规划无人机和卡车的配送对象与顺序，即对无人机和卡车进行路径规划，合理地路径规划可以在保证无人机和卡车安全完成所有用户的配送任务的基础上，进一步提高配送效率、降低服务成本。现有方法大多考虑从运输时间或运输成本角度提升无人机物流配送的优势，而对引入无人机影响配送工具购置成本的情况较为忽略。但在实际中，运输成本相较于卡车和无人机的购置成本存在数量级的差异，现有的方法在降低服务成本的考虑上仍有欠缺，因此进行无人机
‑
卡车联合路径规划时应综合考虑购置成本与运输成本，优化路径规划方案的总成本。

技术实现思路

[0004]本专利技术的技术解决问题：克服现有技术的不足，提供一种综合考虑购置成本和配送成本的多无人机
‑
多卡车协同物流配送路径规划方法，得到可执行、高效率的配送方案。
[0005]本专利技术建立了一种可以刻画上述问题的混合整数线性规划模型，并提出了一种基于K
‑
Means算法、遗传算法、变邻域搜索算法的两阶段启发式算法框架，弥补了现有任务规划模型与方法的不足。
[0006]本专利技术提供的多无人机
‑
多卡车协同物流配送路径规划，包括如下步骤：
[0007]步骤一：建立多无人机
‑
多卡车协同配送路径规划问题的混合整数线性规划模型；
[0008]步骤二：基于K
‑
Means算法和遗传算法对卡车配送路径进行初始规划；
[0009]步骤三：设计路径规划搜索算子，在卡车配送路线基础上引入变邻域搜索框架联合优化无人机与卡车的配送路径，求解构建的混合整数线性规划模型。
[0010]所述步骤一具体实现如下：
[0011]步骤一：建立多无人机
‑
多卡车协同配送路径规划问题的混合整数线性规划模型：
[0012]步骤1.1场景设置：
[0013]设配送网络包含一个仓库和若干客户需求点，记为：
[0014]N
c
＝{1，，2，
…
,n}
[0015]为区分出发与返回，仓库使用两个编号N0(N
n+1
)来表达，其中，N0代表配送的起点，N
n+1
则表示配送的终点；
[0016]设仓库至多可以存放有W辆卡车与U架无人机。
[0017]以单一卡车和单一无人机服务客户为例，如图1，本专利技术中涉及的无人机
‑
卡车联合配送场景为无人机与卡车共同离开仓库，在卡车服务客户的同时，无人机可跟随卡车共同服务，亦可在卡车上起飞，携带货物服务单一客户后在另一位置降落至卡车，完成电池的更换与货物的装载，并为再次配送做好准备。配送期间，一辆卡车可以搭载多架无人机。对全部客户服务点完成配送后，卡车与无人机返回仓库。
[0018]步骤1.2模型假设：
[0019]基于步骤1.1对问题场景的定义，本步骤在构建模型前做出假设，列举如下：
[0020]1.由于购置成本较高，且购置后将多次完成配送任务，在使用过程中，购置的成本将被每次的配送任务均摊。因此，在考虑运输工具配送的运输成本时，应乘上卡车或无人机在完全老化前可进行配送的次数，使运输成本和购置成本计算更合理；
[0021]2.一辆卡车可搭载多架无人机，且无人机可在不同卡车上起降；
[0022]3.卡车的载荷能力强，设定卡车从仓库出发时即携带需要配送的所有货物，不需中途补货，无人机的载荷能力较弱，因此假设单架无人机在单次配送过程中仅能服务一个客户点，随后需要回到卡车上进行补货；
[0023]4.无人机返回卡车上即可更换电量充足的电池，且卡车上备有足够多充满电量的电池。
[0024]步骤1.3参数及变量设置：
[0025]在物流配送模型中，网络主要由仓库N0(N
n+1
)、客户需求节点N
c
＝{1,,2,
…
,n}及节点间的弧构成，各节点间的距离用d
ij
表示，其中，若卡车可从节点i行驶至节点j，则弧(i,j)∈A，同理，若无人机可从节点i行驶至节点j，则弧(i,j)∈B。配送任务由卡车和无人机共同完成，其中，可以被无人机服务的客户节点集合设为N
U
，无人机的可行路径(i,j,k)的集合设为E。为了计算配送的总成本，设置卡车及无人机的购置成本分别为F
W
、F
U
，单位行驶距离的运输成本为C
W
、C
U
，单辆卡车及单架无人机在购置后的可使用T次，无人机单次起飞后可行驶最长距离为D
U
。
[0026]在进行配送方案设计时，若编号为w的卡车从节点i行驶到节点j，则x
ijw
＝1，若编号为u的无人机从节点i行驶到节点j，则y
ijku
＝1。变量m
i
记录了第i个客户节点被访问的次序，z
w
、z
u
则分别记录了第w辆卡车，及第u架无人机在配送方案中的使用情况。
[0027]步骤1.4模型构建：
[0028]本专利技术中的目标函数为最小化卡车及无人机配送所需要的购置成本及运输成本。其中，卡车的购置成本可用配送中使用的卡车的数量乘以卡车的单价；卡车的运输成本可用所有卡车在配送过程中走过的路径总和乘以单位距离的卡车运输成本再乘以其完全老化前可配送的次数。对于无人机也可以进行同样的计算。因此，模型的目标函数如式(1)所示：
[0029][0030]在整体配送过程中，每辆卡车都必须从仓库出发，并最终完成配送任务返回仓库，在客户需求点仅会暂本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多无人机
‑
多卡车协同物流配送路径规划方法，其特征在于，包括以下步骤：步骤一：建立多无人机
‑
多卡车协同物流配送路径规划问题的混合整数线性规划模型；步骤二：基于K
‑
Means算法和遗传算法对卡车配送路径进行初始规划；步骤三：设计路径规划搜索算子，在卡车配送路线基础上引入变邻域搜索框架联合优化无人机与卡车的配送路径，求解构建的混合整数线性规划模型。2.根据权利要求1所述的多无人机
‑
多卡车协同物流配送路径规划方法，其特征在于：所述步骤一具体实现如下：步骤1.1场景设置：设配送网络包含一个仓库和若干客户需求点，记为：N
c
＝{1，，2，...，n}为区分出发与返回，仓库使用两个编号N0(N
n+1
)来表达，其中，N0代表配送的起点，N
n+1
则表示配送的终点；设仓库至多可存放有W辆卡车与U架无人机；步骤1.2模型定义：基于步骤1.1对问题场景的定义，在构建模型前做出定义：1)在考虑运输工具配送的运输成本时，乘上卡车或无人机在完全老化前进行配送的次数，使运输成本和购置成本计算合理；2)一辆卡车能够搭载多架无人机，且无人机在不同卡车上起降；3)卡车从仓库出发时即携带需要配送的所有货物，不需中途补货，单架无人机在单次配送过程中仅能服务一个客户点，随后需要回到卡车上进行补货；4)无人机返回卡车上即可更换电量充足的电池，且卡车上备有电池；步骤1.3参数及变量设置：在物流配送模型中，网络由仓库N0(N
n+1
)、客户需求节点N
c
＝{1，，2，...，n}及节点间的弧构成，各节点间的距离用d
ij
表示，其中，若卡车从节点i行驶至节点j，则弧(i，j)∈A，若无人机从节点i行驶至节点j，则弧(i，j)∈B；配送任务由卡车和无人机共同完成，其中，被无人机服务的客户节点集合设为N
U
，无人机的可行路径(i，j，k)的集合设为E；设置卡车及无人机的购置成本分别为F
W
、F
U
，单位行驶距离的运输成本为C
W
、C
U
，单辆卡车及单架无人机在购置后的可使用T次，无人机单次起飞后可行驶最长距离为D
U
；在进行配送方案设计时，若编号为w的卡车从节点i行驶到节点j，则x
ijw
＝1，若编号为u的无人机从节点i行驶到节点j，则y
ijku
＝1；变量m
i
记录了第i个客户节点被访问的次序，z
w
、z
u
则分别记录了第w辆卡车，及第u架无人机在配送方案中的使用情况；步骤1.4模型构建：模型的目标函数为最小化卡车及无人机配送所需要的购置成本及运输成本；其中，卡车的购置成本可用配送中使用的卡车的数量乘以卡车的单价；卡车的运输成本用所有卡车在配送过程中走过的路径总和乘以单位距离的卡车运输成本再乘以其完全老化前可配送的次数，进而建立目标函数；
在整体配送过程中，每辆卡车都必须从仓库出发，并最终完成配送任务返回仓库，在客户需求点仅会暂时停留，因此满足如式(2)所示流平衡约束：限制同一架无人机在每个起降点处都仅起飞或降落一次，即：限制同一架无人机在每个起降点处都仅起飞或降落一次，即：实际配送过程中，一个客户点往往只会由卡车或无人机完成配送，而不需将货物拆分给卡车和无人机分开配送，因此，每个需求点仅会被卡车或无人机访问一次，产生如下约束：依据模型假设部分的内容，无人机的起降只能在卡车上完成，因此若无人机在i客户处起飞，服务j客户，并在k点降落，则必须有卡车经过i和k，与无人机汇合：由于在计算路径规划中派遣卡车及无人机的总成本时需要使用派遣出的卡车及无人机的数量，对z
w
及z
u
两个变量进行约束，其中对z
w
的约束如下：的约束如下：约束(7)
‑
(8)确定了每辆卡车的派遣状况，若第w辆卡车在配送过程中未服务任何客户，则∑
(i，j)∈A
x
ijw
‑
1＝0，约束(7)使得z
w
＝0；若服务了客户，则∑
(i，j)∈A
x
ijw
‑
1≥1，约束(8)使得z
w
＝1；对z
u
也同样的方式建立两条约束：
基于当前模型进行的路径规划可能会出现卡车在客户点之间形成环路的状况，因此需要增加约束来避免这种情况出现，约束如下：要增加约束来避免这种情况出现，约束如下：对于约束(11)，若无人机在客户i处起飞，服务了客户j后，在客户k处降落，则卡车访问i客户后再访问k客户；若无人机在i客户和k客户处无起降过程，则m
k
‑
m
i
≥1
‑
(n+2)＝
‑
n
‑
1，n为客户点的总数，即客户i和客户k的访问次序无特殊限制；而约束(12)则限制了卡车不能在客户点之间以环路的形式行驶；若卡车w从i行驶到j的路径存在，则不等式右侧值为0，m
i
‑
m
j
+1≤0，客户f的访问次序必须在客户j之前，避免卡车以环路的形式在客户点间行驶；无人机的航行由电池供电，有电量的限制，因此对于每架无人机都有其单次飞行距离的上限，从无人机在卡车上起飞到配送完回到卡车的过程中，无人机行驶的里程不能超过这个上限，即：对于整数变量m
i
，其代表的是第i个节点被卡车访问的次序，即：此外，模型中的0
‑
1变量约束条件如下：1变量约束条件如下：1变量约束条件如下：1变量约束条件如下：1变量约束条件如下：3.根据权利要求1所述的多无人机
‑
多卡车协同物流配送路径规划方法，其特征在于：所述步骤二具体实现如下：步骤2.1 K
‑
Means...

【专利技术属性】
技术研发人员：李伟，吕人力，杨蕤，管祥民，王志，佟路，邢家豪，贾小艺，
申请(专利权)人：中国民航管理干部学院北京航空航天大学，
类型：发明
国别省市：