[发明专利]一种基于GIS富网络属性路网的大规模分类配送方法

摘要

一种基于GIS富网络属性路网的大规模分类配送方法，包括以下步骤：A1、获得带有至少OBJECTID*，Shape*，NAME，Shape_Length4个字段的路网矢量数据，原始数据需要处理才能拓扑分析。A2、采用自动方法处理不及、超过和节点不相交的3种情况。A3、构建GIS富网络模型，同时利用GIS软件创建网络数据集，通过设置网络连通性和网络属性，进行网络分析，得到各个配送点之间的最短距离的OD矩阵。A4、建立配送目标节点分类模型。A5、构建车辆优化调度模型，A6、配送目标节点分类算法设计，同时确定每一类的中心地理坐标。A7、车辆优化调度算法的设计，设计车辆优化调度设法，使总体费用最小，并能准时，准确，高效的完成配送任务。

主权项

一种基于GIS富网络属性路网的大规模分类配送方法，其特征在于：所述富网络属性路网的目标节点分类配送方法包括以下步骤：A1、获得带有至少包含OBJECTID*，Shape*，NAME，Shape_Length4个字段的路网矢量数据，对原始的矢量数据的不及、超过和节点不相交3种情况进行处理；A2、处理不及、超过和节点不相交的3种情况，分3步纠正数据错误：①设置交点区间（即两条道路端点是否相交的最小距离）；②找出道路图层中每条道路对象的起点和终点（道路线路实体对象分为折线和直线）；③比较任意两线起点间距离，若距离大于零并且在交点区间内，则使亮点重合（用两点间的中点替代）；A3、建立GIS富网络路网模型；通过GIS软件（ArcGIS），建立网络数据集，同时设置网络数据集中的连通性，建立路网之间的拓扑关系；根据矢量数据中的Shap_Length字段属性建立网络数据集中的道路阻值;再对网络数据集进行网络分析，可以得到配送目标节点之间的最短距离的OD矩阵（源点到目标节点的距离矩阵），为车辆优化调度模型提供车辆行驶费用权值；A4、建立配送目标节点分类模型；分类的目的是减小配送目标节点的规模，将配送范围大而化小;在地理坐标下，提取各个目标节点的地理坐标；模型采用一种数据样本分布算法，算法依照数据分布动态选取聚类中心，直至将所有的目标节点分类；具体模型如下：假设样本数据集U={Lz|z=1,2,…,n}，Ch(h=1,2,…,k)为第h个样本数据集合，k为样本数据集个数，Lz为第z个样本数据，h为样本数据集的下标，z为样本数据的下标，n为样本数据集中样本数据的个数； c h = 1 n h Σ l ∈ C h l (h＝1，2，…，k)    (1)式(1)中ch为类Ch的聚集中心，其中l为Ch中的样本点，nh为各类数据集中的样本个数；样本数据具有m个属性，假设存在样本x，y，且x，y∈U，则样本数据x可以表示为x=(x1,x2，…,xm)，样本数据y可以表示为y=(y1,y2,…,ym)，x和y之间的距离采用欧式距离： dist [ x , y ] = ( x 1 - y 1 ) 2 + ( x 2 - y 2 ) 2 + . . . + ( x m - y m ) 2 - - - ( 2 ) dist[x,y]为样本x，y之间的欧式距离，x1,x2,…,xm是样本数据x的m个属性值，y1，y2，…，ym是样本数据y的m个属性值；limit为允许加入集合的最大空间距离阀值： limit = ( max 1 ≤ A ≤ n , 1 ≤ B ≤ n ( dist [ A , B ] ) - min 1 ≤ a ≤ n , 1 ≤ b ≤ n ( dist [ a , b ] ) ) / k - - - ( 3 ) 式(3)中，A，B为n个样本数据中最大欧式距离的两个样本数据，a，b为n个样本数据中最小欧式距离的两个样本数据；样本数据x与样本数据集合Ch之间的最小距离为：dist[x,Ch]=min(dist[x,l]),l∈Ch    (4)样本数据x与样本数据集合Cj之间的最大距离为：Dist[x,Ch]=max(dist[x,l]),l∈Ch    (5)A5、建立车辆优化调度模型，考虑到运输费用中的车辆费用、驾驶员补助费用、等待费用和车辆延迟费用建立目标函数；这里的车辆优化调度模型是针对分类后类中的目标节点建立的，模型中的配送目标点将小于原来整体的目标点；具体模型如下：配送车辆向L个客户送货，每个客户需求量为gi(i=1,2,…,L)，其中i为客户点，同时要求送货的时间窗及卸货时间分别为[eti,lti]和uti(i=1,2,…,L)；车辆每小时等待 费用为ei，每小时延迟费用为fi(i=1,2,…，L)；仓库与客户、客户与客户之间的最短运距、平均车速和车辆每公里费用分别为dij，vij和ωijrij(i,j=0,1,2,…,L)其中i，j为配送客户点中的任意两点；i=0时，为卷烟仓库，ωij为道路状况权重；配送车辆共有q0类，其中第q类车辆有p0辆，同时q类车辆载重量为vqp(p=1,2,…,p0)，每辆车每次配送最短大离不超过Dqp；驾驶员行车补助和加班补助每小时分别为s和es；驾驶员在行车途中到中午12:00和18:00时安排30min就餐时间，车辆当天返回配送仓库；运输费用分别由配送车辆费用、驾驶员补助费用、等待费用和车辆延迟费用组成；配送车辆费用由燃油费用、车辆折旧费用和维护费用组成，管理者可以根据经营情况核算出每车每公里应付的配送车辆费用，且能将车辆费用转化为线性变量；驾驶员补助费用中，如驾驶员工作时间不超过8小时，则以工作时间计算；如果驾驶员工作时间超过8小时，则超过部分时间应按加班补助费用计算；客户货运需求通常要在客户规定时间范围内送达，否则物流中心需要支付额外费用；如车辆提前达到客户点，则支付等待费用；若车辆延迟到达客户点，则支付延迟费用；使车辆qp（第q类车的第p辆）从客户j到达客户i时刻为ti，则ti=tj+utj+dij/vij，其中j为i的前一个客户点，若tj<12且ti≥12或tj<18且ti≥18，则需要考虑驾驶员的就餐时间；对tj<12且ti≥12的情况，有： t i = t j + ut i + d ij / v ij + 0.5 , t j + ut j < 12 d ij / v ij + 12.5,12 ≤ t j + ut j ≤ 12.5 t j + ut j + d ij / v ij , t j + ut j > 12.5 - - - ( 6 ) tj<18且ti≥18的情况与(6)式类似；弧段(i,j)表示仓库与客户或客户与客户之 间的最短路径，xijqp=1表示车辆qp经过弧段(i,j)，xijqp=0表示车辆qp未经过弧段(i,j)；yiqp=1表示车辆qp给客户i送货，yiqp=0表示车辆不给客户i送货；令wtqp表示驾驶员工作时间在8小时之内，可表示为wtqp=min(t00‑t0,8)，其中t0是发车时刻，t0=eti‑dti‑d0i/v0i（i是第一个客户点，dti为到达第一个客户点的等待时间）或t0=eti+yti‑d0i/v0i（i为第一个客户点，yti为达到第一个客户点的延迟时间），t00为车辆返回仓库时刻；ewtqp表示驾驶员的加班时间，可表示为ewtqp=max(t00‑t0‑8,0)；每条线路客户点配送量之和要小于线路车载量，可表示为： Σ i = 0 L Σ j = 0 L y iqp g i ≤ v qp A为惩罚因子，是一个足够大的正整数，Z为总配送费用；假定各项费用呈线性变化，则有目标函数： min Z = Σ i = 0 L Σ j = 0 L Σ q = 1 q 0 Σ p = 1 p 0 d ij ω ij r ij x ijqp + Σ i = 0 L Σ q = 1 q 0 Σ p = 1 p 0 y iqp ( wt qp · s + ewt qp · es ) + Σ i = 1 L e i · max ( et i - t i , 0 ) + Σ i = 1 L f i · max ( t i - lt i , 0 ) - - - ( 7 ) + A Σ q = 1 q 0 Σ p = 1 p 0 max ( Σ i = 0 L Σ j = 0 L d ij x ijqp - D qp , 0 ) 在上述目标函数式中，前4项分别为配送车辆费用、驾驶员补助费用、车辆等待费用和延迟费用；在第4项中，如客户i不允许配送车辆延迟到达，则可以使fi为足够大的正数；第5项限制车辆行驶距离不能超过最大配送距离，线路中任何一辆车超过最大配送距离都会引起上述目标函数急剧增大，从而保证搜索时在可行域之内；A6、分类算法设计；因为聚类簇是在数据分布密集区域形成，所以选取这些密集区域的平均值作为初始的聚类中心；为了找到与数据在空间分布上相一致且可代表k个聚类的数据集合，输入聚类个数k，含有n个样本的数据集合，同时输出k个数据中心；算法步骤如下：①利用式(2)计算距离矩阵D=(drs)，其中drs=dist[r,s](1≤r≤n,1≤s≤n)，其中r，s为样本数据；②扫描坐标距离矩阵D，寻找距离的最大值和最小值，用式(3)计算limit；③扫描坐标距离矩阵D，寻找矩阵中距离最小的2个数据a，b，将数据a，b加入集合Ch(h=1,2,…,k)，Ch={a,b}，同时将数据a，b从U中删除，更新距离矩阵D；④利用(4)式在U中寻找距离集合Ch最近的样本数据t，如果Dist[t,Ch]小于limit，则将t加入集合Ch，同时将t从集合U中删除，更新距离矩阵D，重复⑤，否则停止；⑤若r

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江工业大学，未经浙江工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201310202970.5/，转载请声明来源钻瓜专利网。