基于云边端协同的动态车辆配送路径优化方法及装置制造方法及图纸

本发明专利技术公开了一种基于云边端协同的动态车辆配送路径优化方法及装置，涉及备品备件物流配送领域。根据各个需求位置的备品备件请求以及企业的配送资源，在配送开始前使用遗传算法，按照配送的时效、总体所耗费的成本等优化目标，对全部的配送需求做出相应的路径规划。通过在道路边缘的边缘计算设备，可以实时地对道路状况进行监听，并判断出当前路段的通行时间是否会大幅度发生变化。本发明专利技术方法采用在边缘端对路况变化进行处理，并根据实际情况，采用动态通行时间表和改进的A*算法，实时地优化调整车辆剩余配送任务的配送路径。调整车辆剩余配送任务的配送路径。调整车辆剩余配送任务的配送路径。

【技术实现步骤摘要】
基于云边端协同的动态车辆配送路径优化方法及装置


[0001]本专利技术涉及工业备品备件物流配送领域，特别是一种基于云边端协同的动态车辆配送路径优化方法及装置。

技术介绍

[0002]工业备品备件是大型机械设备正常运作的保障性物资，必须保证有效且及时的备品备件供应，高效的备品备件物流配送方法对提高企业的经济效益具有重要意义。
[0003]对工业备品备件需求的快速响应是保证企业稳定生产的关键因素，因此有必要通过对物流配送路径的合理规划，有效地缩短备品备件在物流系统中的停滞时间，从而降低物流成本，达到经济效益的最大化。
[0004]随着云计算、物联网、电子商务的快速发展，物流配送与云计算、物联网、智能交通等新技术相结合，不同于传统物流配送模型的云配送模型。云配送模式解决了传统物流配送模式难以适应现代物流配送需求的问题。然而，随着各类移动设备数量和计算需求的快速增长，以云数据中心为核心的传统云计算集中处理模式面临着网络传输延迟大、数据传输成本高、计算安全和隐私风险等问题。这是无法有效地满足移动用户，特别是需要即时响应的用户对计算服务的需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云边端协同的动态车辆配送路径优化方法，其特征在于，包括以下步骤：S1、对配送车辆路径规划问题进行定性分析，确定配送时间和配送成本为第一阶段路径规划的优化目标；S2、在根据需求点提出的货物需求量和时间窗约束下，考虑配送中心的配送能力，在车辆出发前，根据第一阶段路径规划的优化目标，使用遗传算法在云端对整体配送路径提前进行优化，得到初始配送路径规划方案，该初始配送路径规划方案的整体花费的配送时间最少，耗费的配送成本最低；S3、配送车辆出发后，对路况数据进行感应并做出判断，更新初始配送路径规划方案中相应路段的路网信息；S4、根据动态更新的路网信息以及配送车辆所处的位置，对余下的配送路径进行动态调整，直至全部配送任务结束，计算配送花费的时间；S5、根据路况变化对路径作出优化调整，更新当前更新后的配送路径所耗费的成本；S6、以配送中心为车辆出发起始点，以最后一辆配送车辆完成配送任务为截止，在整个配送过程中，按照步骤S4和S5，对整个配送区域内的配送车辆路径进行动态的调整。2.根据权利要求1所述的基于云边端协同的动态车辆配送路径优化方法，其特征在于，步骤S1中，配送成本为车辆运输成本TC、时间窗惩罚成本PC和车辆成本之和；其中，步骤S1中，配送成本为车辆运输成本TC、时间窗惩罚成本PC和车辆成本之和；其中，步骤S1中，配送成本为车辆运输成本TC、时间窗惩罚成本PC和车辆成本之和；其中，其中，K为车辆的总数量，N为待访问的需求点总数目，c
ij
为需求点i与需求点j之间的单位运输成本，d
ij
为需求点i与需求点j之间的距离，x
ijk
的取值为0或1，取值为1表示车辆k从需求点i离开后前往需求点j，否则取值为0；a，b为配送时间窗惩罚系数，w
ik
为车辆k在需求点i的等待时间，t
ik
为车辆k到达配送点i的时间，l
i
为需求点i的最晚服务时间窗；x
0jk
取值为0或1，当其值为1时表示车辆k从配送中心0出发前往需求点j。3.根据权利要求1所述的基于云边端协同的动态车辆配送路径优化方法，其特征在于，步骤S2的具体实现过程包括：1)构建惩罚函数p(x)：其中，x代表相应的种群个体编号，T是正数，D
u_max
表示第u种车型的最大行驶距离；N为待访问的需求点总数目；2)对所述惩罚函数p(x)进行解码，构造与所述惩罚函数p(x)对应的染色体；3)根据备件需求数据、路网数据和配送资源，随机产生初始种群；4)通过选择、交叉和变异算子，在不满足终止条件的情况下对初始种群进行循环进化，直至产生最优解，得到初始配送路径规划方案。4.根据权利要求1所述的基于云边端协同的动态车辆配送路径优化方法，其特征在于，步骤S3的具体实现过程包括：A)根据每个边缘结点采集到的路况变化信息计算边缘结点所属路段的通行时间的变化，根据计算的结果，更新各个路段在道路通行时间表中的当前通行时间；B)根据车辆速度更新配送车辆当前所处的位置，结合将要前往的下一个需求点的位
置，得到两个位置之间在初始配送路径规划方案中的行进路线所需要经过的路段，完成对初始配送路径规划方案中相应路段的路网信息的更新；C)根据所有配送车辆的当前位置及要前往的下一配送位置，查询道路通行时间表，判断发生变化的路况信息是否会对各配送车辆当前的配送任务造成恶劣影响：若车辆即将前往路段变化后的道路通行时间大于原通行时间的N倍，即视为该路况信息的变化对配送任务造成了恶劣影响，进入步骤S4。5.根据权利要求1所述的基于云边端协同的动态车辆配送路径优化方法，其特征在于，步骤S4的具体实现过程包括：I)取f(n)值最小的节点作为最优路径上的下一个节点，f(n)＝g(n)+h(n)，g(n)是起始节点到当前节点实际的通行代价，h(n)是当前节点到终点的通行代价的估计值；II)对A*算法所维护的P表和Q表进行操作，具体包括：i)P表、Q表置空，将起点S加入P表，其g(n)值置0，父节点为空，路网中其他节点g(n)值置为无穷大；ii)若P表为空，则算法失败，否则选取P表中f(n)值最小的节点，记为BT，将其加入Q表中；判断BT是否为终点T，若是，转到步骤iii)；否则根据路网拓扑属性和交通规则找到BT的每个邻接节点NT，执行以下步骤：
①
计算NT的启发值f(NT)＝g(NT)+h(NT)；g(NT)＝g(BT)+cost(BT，NT)；其中，cost(BT，NT)是BT到NT的通行代价；
②
若NT在P表中，且通过公式g(NT)＝...

【专利技术属性】
技术研发人员：李天才，文一凭，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：