System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及物流配送领域中的路径优化方法,具体涉及一种基于短时交通流预测的物流配送路径优化方法和系统。
技术介绍
1、物流配送目的是把物资分发给相应的客户手中,在运输过程中,如何在最短时间,最低花销完成配送是物流配送主要研究的问题。物流配送成本在整个环节中占了最大的比例。配送线路安排的合理与否,对配送速度、成本、效益影响很大,特别是在当今道路交通拥堵,车辆增多的情况下,科学地规划物流配送,能很好地提高物流效益,增进经济的发展。基于此,本专利技术结合交通路况预测,提出了一种短时交通流预测的物流配送路径优化方法,旨在提高配送效率,减少配送时间,降低配送成本。
2、目前,已有的路径优化方法,在不考虑交通路况的条件下主要是蚁群算法、遗传算法、模拟退火算法和粒子群算法等。在众多研究中,大家把物流配送路径选择作为旅行商问题来解决,但以前的研究基于一个静态的交通网络,但现在我国物流业高速发展,交通压力变大,必须要考虑道路交通状况对物流配送路径选择的影响。根据以往研究分析,总体而言,禁忌搜索在求解vrp方面最为有效,能在最短时间得到最优解,其缺点在于难以确定适当禁忌期限;模拟退火算法竞争力相对较弱,存在方法过于复杂,运算量大,涉及复杂的求解策略等问题,若是允许较长的计算时间,模拟退火是最好的选择;遗传算法性能优良,目标函数值相对变化很小,然而产生初始种群的随机数选择、交叉和变异过程对求解有很大影响;蚁群算法则存在搜索速度较慢、较易早熟等问题,虽经多次改进,但综合比对,其求解速度和解质量仍难让研究者满意。
>技术实现思路
1、以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览,并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。
2、本专利技术的目的在于解决上述问题,提供了一种基于短时交通流预测的物流配送路径优化方法和系统,基于交通状况的预测需要考虑天气、路况、节假日和上下班高峰等因素,提高实际配送中配送速度、降低物流成本,提升经济效益。
3、本专利技术的技术方案为:本专利技术揭示了一种基于短时交通流预测的物流配送路径优化方法,方法包括:
4、步骤1:收集天气、时间、交通流数据;
5、步骤2:vgg模型处理路况数据,进行数据预处理;
6、步骤3:拟合基于自注意力机制的cnn-gru预测模型,并对模型进行求解;
7、步骤4:将步骤3的模型预测结果赋予道路权重;
8、步骤5:基于动态权重调整策略的禁忌搜索算法求解最优路径。
9、根据本专利技术的基于短时交通流预测的物流配送路径优化方法的一实施例,在步骤2中,vgg模型中添加一个额外的回路层以进一步提取特征,vgg模型中的全连接层用于通过调整其节点数来控制模型的复杂度和表达能力,改进后的vgg模型在全连接层后面添加该回路层,并将输出连接到输出层进行预测。
10、根据本专利技术的基于短时交通流预测的物流配送路径优化方法的一实施例,在步骤2中,在vgg模型中使用leakyrelu作为激活函数,以增加模型的非线性表达能力。
11、根据本专利技术的基于短时交通流预测的物流配送路径优化方法的一实施例,在步骤5中,禁忌搜索算法的动态权重调整策略:
12、初始化权重;
13、设定禁忌列表和相邻解搜索的迭代次数在内的参数;
14、进入以下循环:
15、步骤a.更新实时交通数据和短时交通流预测结果;
16、步骤b.根据实时数据和预测结果调整权重;
17、步骤c.进行禁忌搜索算法的相邻解生成和目标函数计算;
18、步骤d.判断是否满足终止条件,如果满足则结束循环;
19、步骤e.更新当前解为相邻解;
20、步骤f.继续下一次循环;
21、根据上述步骤进行迭代,并更新权重和路径,直到达到设定的迭代次数或终止条件,最终得到优化后的路径,使得总出行时间最小化。
22、本专利技术还揭示了一种基于短时交通流预测的物流配送路径优化系统,系统包括:
23、数据收集模块,用于收集天气、时间、交通流数据;
24、vgg模型模块,用于采用vgg模型处理路况数据,进行数据预处理;
25、cnn-gru预测模型模块,用于拟合基于自注意力机制的cnn-gru预测模型,并对模型进行求解;
26、权重模块,用于将cnn-gru预测模型模块的模型预测结果赋予道路权重;
27、禁忌搜索模块,用于基于动态权重调整策略的禁忌搜索算法求解最优路径。
28、根据本专利技术的基于短时交通流预测的物流配送路径优化系统的一实施例,vgg模型模块中,vgg模型中添加一个额外的回路层以进一步提取特征,vgg模型中的全连接层用于通过调整其节点数来控制模型的复杂度和表达能力,改进后的vgg模型在全连接层后面添加该回路层,并将输出连接到输出层进行预测。
29、根据本专利技术的基于短时交通流预测的物流配送路径优化系统的一实施例,vgg模型模块中,在vgg模型中使用leakyrelu作为激活函数,以增加模型的非线性表达能力。
30、根据本专利技术的基于短时交通流预测的物流配送路径优化系统的一实施例,禁忌搜索模块进一步配置为执行以下的处理:
31、初始化权重;
32、设定禁忌列表和相邻解搜索的迭代次数在内的参数;
33、进入以下循环:
34、步骤a.更新实时交通数据和短时交通流预测结果;
35、步骤b.根据实时数据和预测结果调整权重;
36、步骤c.进行禁忌搜索算法的相邻解生成和目标函数计算;
37、步骤d.判断是否满足终止条件,如果满足则结束循环;
38、步骤e.更新当前解为相邻解;
39、步骤f.继续下一次循环;
40、根据上述步骤进行迭代,并更新权重和路径,直到达到设定的迭代次数或终止条件,最终得到优化后的路径,使得总出行时间最小化。
41、本专利技术对比现有技术有如下的有益效果:本专利技术考虑到机动车和非机动车的末端配送具有不同的配送流程,采集交通流等有效数据建立基于自注意力机制的cnn-gru(convolutional neural networks卷积神经网络-gated recurrent unit门控循环单元)融合算法的交通流预测模型;对vgg(visual geometry group)模型进行改进,在预测模型中增加对于施工路段和交通事故的图像处理分类环节;引入动态调整策略改进禁忌搜索算法并利用该禁忌搜索算法制定最优的路径优化方案。相较于现有技术,本专利技术通过合理安排配送线路,能够提高配送效率,减少配送时间,降低配送成本,特别是在道路交通拥堵、车辆增多的情况下,本文档来自技高网...
【技术保护点】
1.一种基于短时交通流预测的物流配送路径优化方法,其特征在于,方法包括:
2.根据权利要求1所述的基于短时交通流预测的物流配送路径优化方法,其特征在于,在步骤2中,VGG模型中添加一个额外的回路层以进一步提取特征,VGG模型中的全连接层用于通过调整其节点数来控制模型的复杂度和表达能力,改进后的VGG模型在全连接层后面添加该回路层,并将输出连接到输出层进行预测。
3.根据权利要求1所述的基于短时交通流预测的物流配送路径优化方法,其特征在于,在步骤2中,在VGG模型中使用LeakyReLU作为激活函数,以增加模型的非线性表达能力。
4.根据权利要求1所述的基于短时交通流预测的物流配送路径优化方法,其特征在于,在步骤5中,禁忌搜索算法的动态权重调整策略:
5.一种基于短时交通流预测的物流配送路径优化系统,其特征在于,系统包括:
6.根据权利要求5所述的基于短时交通流预测的物流配送路径优化系统,其特征在于,VGG模型模块中,VGG模型中添加一个额外的回路层以进一步提取特征,VGG模型中的全连接层用于通过调整其节点数来控制模型的复
7.根据权利要求5所述的基于短时交通流预测的物流配送路径优化系统,其特征在于,VGG模型模块中,在VGG模型中使用LeakyReLU作为激活函数,以增加模型的非线性表达能力。
8.根据权利要求5所述的基于短时交通流预测的物流配送路径优化系统,其特征在于,禁忌搜索模块进一步配置为执行以下的处理:
...【技术特征摘要】
1.一种基于短时交通流预测的物流配送路径优化方法,其特征在于,方法包括:
2.根据权利要求1所述的基于短时交通流预测的物流配送路径优化方法,其特征在于,在步骤2中,vgg模型中添加一个额外的回路层以进一步提取特征,vgg模型中的全连接层用于通过调整其节点数来控制模型的复杂度和表达能力,改进后的vgg模型在全连接层后面添加该回路层,并将输出连接到输出层进行预测。
3.根据权利要求1所述的基于短时交通流预测的物流配送路径优化方法,其特征在于,在步骤2中,在vgg模型中使用leakyrelu作为激活函数,以增加模型的非线性表达能力。
4.根据权利要求1所述的基于短时交通流预测的物流配送路径优化方法,其特征在于,在步骤5中,禁忌搜索算法的动态权重调整策略:
【专利技术属性】
技术研发人员:洪一玮,易超,南江龙,黄振东,张海霞,伍美熹,
申请(专利权)人:圆通速递有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。