[发明专利]无人机-车辆联合配送路径优化方法及其模型构建方法

说明书

本发明公开了一种无人机‑车辆联合配送路径优化模型的构建方法，包括以下步骤：首先标记所有特殊点，再对单次配送无人机和车辆的路径进行规划，最后以总配送距离最小为目标，对整体路径进行优化。使用遗传算法和单次配送末端优化对问题进行求解，并将本文的联合配送与传统的车辆配送、以及无人机和车辆的独立配送进行比较，结果表明：无人机和车辆可以互相协作，完成所有顾客需求点的配送，无人机‑车辆联合配送可以有效减小总的配送距离。最后还对无人机的最大载重量、最大飞行距离、无人机和车辆的相对速度、以及阻抗系数进行灵敏度分析，得出放宽无人机的条件限制，可以使无人机单次配送更多的顾客点，和车辆联合高效完成配送任务。

技术领域

本发明涉及无人机应用技术领域技术领域，更具体地说，它涉及一种无人机-车辆联合配送路径优化方法及其模型构建方法。

背景技术

智慧交通不断发展，更快、更省的高效物流理念是企业和顾客所追求的。而“最后一公里”作为物流配送的最后一个环节，也是唯一一个直接与顾客面对面接触的环节，解决“最后一公里”配送问题，一直是研究的重点和难点。随着近年来电子商务的蓬勃发展，农村地区表现出强大的潜力，但相比于城镇地区，农村地区因为地形环境复杂、交通条件差等原因，物流配送经常受到山水相阻，如何高效的完成农村地区的“最后一公里”配送，是亟待解决的难题，而民用无人机的兴起，给此问题提供了解决方案。

无人机UAV(Unmanned Aerial Vehicle)是利用无线电遥控设备和自备程序控制装置操纵的航空器，一般具有自主飞行和独立完成某项任务的功能。起初，无人机主要用于军事领域的协同作战^[1]。近年来，民用无人机迅速发展，凭借其操作方便、使用灵活、作业效率高、相对成本低等优势，应用范围扩大到物流配送、地理探测、监控巡航、紧急救援、医药运输等多个领域。但因为载重容量较小，且不能支持长距离飞行，进行货物配送时受到诸多限制，而传统的配送车辆有着载重量大，可长距离运输的优势，两者相结合的联合配送受到国内外学者的广泛关注。

Wohlsen等首先提出了使用卡车和无人机进行协同货物配送，该问题中，无人机可以分别独立的对顾客完成配送，但无人机在每次配送结束后需要返回卡车取下一个包裹。由此想法，Agatz等将此路径问题称为无人机旅行商问题TSP-D(Traveling SalesmanProblem with Drone)，以最小化配送成本为目标，通过构造TSP-D的混合整数模型，基于局部搜索和动态规划，采用先路由后聚类的两阶段启发式算法解决该问题。Bouman等则改进了传统TSP问题的动态规划算法，并结合*算法进行优化，使其适宜解决大规模的TSP-D问题。Ha等针对单卡车和单无人机的TSP-D问题，以最小化总配送成本和卡车等待无人机的惩罚成本为目标，提出一种先聚类再路由的贪婪随机自适应搜索算法。

Mario等为更大限度利用无人机进行包裹配送，提出卡车不仅可以在固定节点收发无人机，而且可以沿配送路径进行无人机的发射和回收。此外，Murray等针对无人机与卡车协同送货提出了FSTSP(Flying sidekick traveling salesman problem)和PDSTSP(Parallel drone scheduling traveling salesmanproblem)两种模型，以最小化服务时间为目标。Yurek等设计了求解FSTSP的两阶段迭代算法，并与CPLEX的求解时间进行比对，结果表明该算法能减少对中等规模实例的求解时间。FSTSP扩展为多卡车与无人机联合配送问题，设计了可解决大规模问题的启发式算法，并与单卡车的配送结果进行比较。Ham则对PDSTSP进行扩展，考虑到无人机能同时在仓库或顾客点进行取货或送货，并用100个客户点的多卡车、多无人机和多仓库的联合配送问题来验证。