基于多车型多约束的动态车辆调度算法研究_王阳明

1
概述
现代物流业的发展改变日新月异，表现在政策规章明 文化、客户需求随机化、时间要求苛刻化、服务平台一体 化等。随着我国北斗定位技术和互联网通信技术的发展和 使用，第三方物流企业要想提高自身的竞争能力，必须对 其物流网络进行智能化、信息化管理。如何低成本高效率 地完成物流车辆管理和调度成为第三方物流企业思考的重 要问题。北斗定位技术为实现动态车辆调度提供了必要技 术，应用这些技术，能够实时获取车载终端位置信息、运 行时间和状态(主要指车辆速度、 耗油量和故障参数等信息) 等，实现动态车辆的监控管理和调度。 车辆调度问题是典型的组合优化问题，在国内外学者 均有很多研究。 在求解策略方法方面， 对问题的不确定性[1]、 复杂性[2][3][4]进行分析并构造了动态加速自适应算法[5]、两 阶段法[6]、 “分派－节约启发式算法[7]” 、大临域搜索法[8]等 高质量算法。在求解阶段，引入聚类法[9][10]、遗传算法[11]、
第1期
：Βιβλιοθήκη Baidu
3
往任务出发地产生费用最小的车辆考虑优先调度； f 3 、 f 4 表示满足运输任务的时间要求； f 5 表示车辆载重约束； f 6 表示车辆容积约束；
f 7 表示实际运货量满足任务运货量；
f8 表示实际运货体积满足任务运货体积。
利用线性加权和法和外部惩罚函数法可得到该模型的 增广目标函数为：
vk 为ｋ车速度(公里/小时)； qk 为 k 车载重量 V q' V' (吨) ； k 为 k 车额定容积； k 为 k 车实际运货量(吨)； k e 为 k 车实际载货体积； k 为 k 车空载运费(主要为耗油费
假设： 用)(元/公里)； k 为 k 车运货所需额外费用(主要为额外耗 油费用)(元/吨公里)；g 为装货时间(小时/吨)；i、j 为出发地 和目的地；M 为所需车辆数；
e'
tk 为 k 车接受任务的时刻；
Tmin ， Tmax 为客户要求最早最迟到达时间；Q 为要求运货
量(吨)；
cki 为 k 车与任务出发地距离(公里)； cij 为出发地
与目的地距离(公里)，各子目标函数[10]及约束条件如下：
M ' ' × qk f1 = min (cki × ek + cij × (ek + ek ) k =1
2
问题描述及数学模型的建立
第三方物流公司根据客户需求，通过车载终端实时获 取公司运输车辆信息，依据车辆相关属性(分布地、运量、
基金项目：2014 年广西区科技计划项目“基于北斗的物联网定位跟踪通信系统的研发及示范应用”(桂科攻 14122007-11) 作者简介：王阳明(1989－)，男，硕士研究生，主研方向：导航与通信系统；赵利，教授、博士。 收稿日期：2012-0-0 修回日期：2012-0-0 E-mail：
M f 2 = min (cki × ek ) k =1
M ' +(aki +cij )/ vk −Tmax,0) f3 = minmax(tk + g×qk k=1 M ' f4 = m inm ax(Tmin −(tk + g×qk +(aki +cij )/ vk ),0) k=1
网络出版时间：2015-11-17 15:28:05 网络出版地址：http://www.cnki.net/kcms/detail/31.1289.TP.20151117.1528.014.html
第 41 卷 第 期 Vol.41 No. ・ ・
计 算 机 工 程 Computer Engineering
2
计
算
机
工
程
2014 年 1 月 15 日
耗油量等)，选取若干车辆及时完成运输任务。物流公司承 担运输任务的车辆，具有多种车型(载重、容积和耗油量各 不相同)，任意时刻动态分布在各个地区，由管理平台依据 运输任务进行集中调度分配。单车完成运输任务后可参与 下次运输任务的调度，在没有任务的情况下可临时停靠在 目的地保持待命状态，尽量减少空载运输，降低成本。同 时，任务周期长时，车辆完成单次运输任务之后可以被同 一任务重复调度。 基于北斗定位与应用的物流管理平台 调度过程对车辆位置、状态信息有很强的依赖性，基 于北斗定位与应用的物流管理平台以 MYSQL 数据库实时 存储车辆信息、任务信息，为每次动态车辆调度提供了基 础数据信息。 2.1 2.1.1 平台功能介绍 整个系统平台共分为实时监控、 轨迹回放、 路径规划、 电子围栏、任务发布、智能调度和统计报表 7 个子系统。 实时监控系统主要负责监控物流每一辆车，并在电子地图 上显示，当鼠标点击到某一车辆时即可详细显示该车辆的 经纬度、状态(是否执行运输任务，执行任务的出发地和目 的地)、车辆属性(速度、方向、耗油量） 、运货情况等信息； 轨迹回放可以回放任意指定时间段内车辆的运行路线，获 知司机是否有违规行驶现象；路径规划系统根据运输任务 目的地和出发地经纬度或者详细地址，利用百度地图 API， 进行运输任务路线规划；电子围栏系统中，可手动设置矩 形、圆形区域，对车辆终端进入或离开该区域的行为信息 反馈给平台，做出相应处理；有任务需求的客户可在平台 的任务发布系统中进行发布，主要包括任务描述和要求， 提交后自动存入平台的 MYSQL 数据库中；智能调度系统 根据任务情况，主要负责分布在各地动态车辆的调度；统 计报表系统分类统计了平台的各项基础信息和日志情况， 主要包括驾驶员信息、车辆运行情况、警情统计、终端设 备参数信息等。 2.1.2 动态车辆调度流程 利用平台提供的实时车辆信息，智能调度系统可实现 物流车辆运输任务分配的动态调度规划，主要流程如下。 (1)客户发布任务需求。客户可通过需求发布系统发布 即时任务或者通过人工服务发布，以便物流公司查询并及 时调度空闲车辆，进行运输。 (2)车辆信息采集。车载终端上传的位置、运载情况、 车辆属性等信息及时存入平台 MYSQL 数据库，作为调度 基础数据。 初始化调度数据。系统根据车辆位置、任务出发地和 目的地信息， 利用百度地图 API， 以最小距离为标准估算出 任务车辆与出发地以及出发地与目的地之间的距离，结合 车辆属性信息，完成一次调度任务参数初始化。 (3)选择任务车辆。本文算法依据目标函数要求，综合 考虑载重量、车辆体积、运货量、运货体积以及时间窗要
f (s) = min Z = λ1 f1 + λ2 f2 +α3 f3 +α4 f4 + β5 f5 + β6 f6
文章编号：1000—3428(2015)01—00—0 文献标识码：A
2015 年 月 2015
中图分类号：
基于多车型多约束的动态车辆调度算法研究
王阳明１，赵
摘
利２
(桂林电子科技大学信息与通信学院，广西 桂林 541004) 要：在基于北斗定位与应用的物流管理与运输调度系统中，如何低成本高效率地实现运输车辆的动态调度是一个重要问题。
求等约束条件，算出较优调度方案，完成调度任务。 (4)下达运输任务。将筛选出的任务车辆信息存入数据 库，对相应任务车辆下达运输指令，司机根据指令开始任 务，同时上传车辆信息到平台，完成车辆信息更新，便于 下次任务调度。 车辆调度问题的数学模型 本文基于平台的实时数据，对第三方物流多车型动态 车辆调度问题进行研究。不考虑人工费用、天气和交通状 况影响，且每种车型的耗油量、速度均相同。模型的目标 是尽量达到企业可用车辆运力最大化，运营效益最大化。 模型[14]受到以下条件约束：(1)总的运输费用最低；(2)运货 到达时间介于客户要求的时间窗内；(3)每辆车不能超载行 驶；(4)每辆车载货体积不能超过车辆容积(5)优先选择距离 运输任务出发地最近的车辆。 2.2
Study of dynamic vehicle scheduling algorithm based on multiple vehicle and multiple constraints
Wang Yangming1，Zhao Li2
(School of Information and Communication, Guilin University of Electronic Technology, Guilin 541004, China) 【Abstract】In the logistics management and transport scheduling system based on BDS, how to achieve cost-effective transport vehicle dynamic scheduling is an important issue. This paper focuses on multiple vehicle and multiple constraints optimized problem of dynamic vehicle scheduling.After analyzing and Describing this kind of question and through the establishment of appropriate mathematical models, this article have proposed the "rigid constraints classification - objective function optimal" multi-stages algorithm. The simulation results show that the algorithm can more fully meet the requirements of the load of multiple vehicles and the vehicle’s volume rigid constraints and time windows and not only can get a good a scheduling result but also has the characteristics of faster optimizing speed and good convergence consistency. 【Key words】Logistics management;Dynamic Vehicle Scheduling;Multiple Vehicles;Multi-constraints;Staged
M ' − qk , 0) f 5 = min max( qk k =1
M f6 = min max(Vk' − Vk ,0) k =1
s.t.
q
k =1
M
k
≥Q
V
k =1
M
k
≥V
其中， f1 表示完成运输任务费用的最小化； f 2 表示前
第 40 卷
————————————
蚁群算法[12]、粒子群算法[13]等多项人工智能算法和改进的 混合算法，为不同的车辆调度模型提供了不同的解决方案。 现在的车辆调度问题更加注重信息化、实时化、动态 化和高效化。传统的人工智能算法多以静态数据研究为基 础，在解决车辆调度问题的全局搜索上存在一定缺陷，并 且容易出现局部早熟现象。本文基于北斗定位与应用的物 流管理平台，结合地理信息数据以及车载终端的实时数据， 根据客户实时发布的运输任务及各项软硬性约束条件，对 动态车辆调度问题提出一种“硬性约束条件分类－综合目 标函数最优”的分阶段解决方法。经实际仿真测试结果表 明，此方案耗时少效率高，可以有效解决此类动态车辆调 度问题，为现代物流企业担供了一种新的迅捷的智能调度 手段。
本文围绕多车型多约束的动态车辆调度问题优化这一主题，在对该类问题进行分析与描述的基础上，通过建立相应数学模型，提 出了“硬性约束条件分类－综合目标函数最优”的分阶段算法。仿真结果表明，该算法能够充分满足多车型的载重和体积硬性约 束条件以及时间窗要求，不仅可以取得很好的调度结果，而且具有寻优速度较快，收敛一致性好的特点。 关键词：物流管理；动态车辆调度；多车型；多约束；分阶段