配送路线规划方法和配送路线规划装置专利检索-本技术领域的技术人员说明书国际申请第I章专利权专利检索查询-专利查询网

积极推动地理标志专门立法

2022-03-10 地理标志，立法，知识产权
保护知识产权是对创新最大的激励

2022-03-10 保护知识产权，创新，激励
谢商华：加快制定知识产权基本法

2022-03-10 知识产权基本法
擦亮“双奥之城”品牌

2022-03-10 双奥，知识产权
让冰雪运动“热”力全开

2022-03-10 冰雪运动，知识产权
携手共奋进　走好强国路

2022-03-10 强国，知识产权
坚持创新引领　方能稳中求进

2022-03-10 创新，稳中求进，知识产权
答好“两张卷” 奋进新征程

2022-03-10 知识产权
专家解读政府工作报告中的创新和知识产权相关部署

2022-03-10 政府工作报告，创新，知识产权
今年政府工作报告指出：加强知识产权保护和运用

2022-03-10 政府工作报告，知识产权保护

配送路线规划方法和配送路线规划装置

阅读：240发布：2021-02-26

IPRDB可以提供配送路线规划方法和配送路线规划装置专利检索，专利查询，专利分析的服务。并且本发明属于配送技术领域，涉及配送路线规划方法和装置。该方法包括：获取当前待配送的所有用户订单的地点及配送人员的初始定位；根据所有用户订单的地点及配送人员的初始定位，采用逆向多目标启发式搜索方法对所有用户订单的待配送地点进行全局规划，获得实现配送的最优路线集合；对于在配送过程中出现的配送地点不包含于当前的所述待配送地点的新订单时，根据新增订单的地点匹配从所述最优路线集合中选中并执行的配送路线，并对所述配送路线的剩余未配送地点相对所述新增订单的地点和配送人员的当前定位做增量重规划，并更新所述最优路线集合。其针对不定期的新订单插入，为配送人员提供优化线路并推送给配送人员，节约配送人员在途花费的时间。，下面是配送路线规划方法和配送路线规划装置专利的具体信息内容。

权利要求

1.一种配送路线规划方法，其特征在于，包括步骤：

获取当前待配送的所有用户订单的地点及配送人员的初始定位；

根据所有用户订单的地点及配送人员的初始定位，采用逆向多目标启发式搜索方法对所有用户订单的待配送地点进行全局规划，获得实现配送的最优路线集合，其中：所述最优路线集合包括至少一条供配送人员选择的配送路线；

对于在配送过程中出现的配送地点不包含于当前的所述待配送地点的新订单时，根据新增订单的地点匹配从所述最优路线集合中选中并执行的配送路线，并对所述配送路线的剩余未配送地点相对所述新增订单的地点和配送人员的当前定位做增量重规划，并更新所述最优路线集合，以供配送人员重新选择并执行配送路线。

2.根据权利要求1所述的配送路线规划方法，其特征在于，根据所有用户订单的地点及配送人员的初始定位，采用逆向多目标启发式搜索方法对所有用户订单的待配送地点进行全局规划，获得实现配送的最优路线集合的步骤中，包括：将所述待配送地点的其中一地点设定为目标地点，将配送人员的当前地点作为初始地点；

设置初始的待选路径集合与初始的最优路线集合，初始的所述待选路径集合包括所述目标地点，初始的所述最优路线集合为空集，所述待选路径集合包括所有所述目的地点扩展形成的所有未扩展路径，所述最优路线集合包括自所述目标地点至所述初始地点联通的路线；

搜索自所述目标地点朝向所述初始地点之间的一目的地点，以将所述目标地点作为起点逐一扩展形成生成路径，所述目的地点为除所述目标地点和所述目标地点之外的其他所述待配送地点，所述每一所述生成路径表示为三元组函数，路径三元组函数包括地点空间图、路径代价向量和路径代价估值；

将逐一扩展的所述生成路径，根据所述路径代价向量筛选非支配路径，并遍历所述目的地点获得从所述目标地点到达所述初始地点的非支配解路径；

将所述非支配解路径记录至所述最优路线集合中。

3.根据权利要求2所述的配送路线规划方法，其特征在于，将逐一扩展的所述生成路径，根据所述路径代价向量筛选非支配路径，并遍历所述目的地点获得从所述目标地点到达所述初始地点的非支配解路径的步骤，包括：根据搜索的所述目的地点，从初始的所述待选路径集合中逐一选择所述目的地点的一条非支配的所述未扩展路径朝向所述初始地点进行路径扩展，并在扩展路径的过程中将针对每一所述目的地点的所述生成路径中的非支配未扩展路径记录至未扩展路径集、将非支配已扩展路径集记录至已扩展路径集；所述非支配路径指在到达所述目的地点的所有路径上都不存在其他路径优于该路径；

以及，根据所述生成路径的目的地点是否为所述初始地点，判断所述未扩展路径是否为非支配解路径，直到获得从所述目标地点到达所述初始地点的所有非支配解路径。

4.根据权利要求3所述的配送路线规划方法，其特征在于，根据所述生成路径的目的地点是否为所述初始地点，判断所述未扩展路径是否为非支配解路径，直到获得从所述目标地点到达所述初始地点的所有非支配解路径的步骤，包括：若对所述未扩展路径进行扩展的所述生成路径的目的地点为所述初始地点，则：判断所述未扩展路径为所述非支配解路径，将所述非支配解路径加入所述最优路线集合；

若对所述未扩展路径进行扩展的目的地点不为所述初始地点，则：生成自所述目的地点的所有前驱地点的前驱路径；

当生成的所述前驱路径在所有到达该前驱地点的路径中非支配时，计算该所述前驱路径的代价估值：若所述前驱路径的路径代价估值不受所述最优路线集合中当前任何最优解路径支配，则将该所述生成路径插入所述待选路径集合中，作为下一次扩展的候选路径。

5.根据权利要求3所述的配送路线规划方法，其特征在于，根据所述生成路径的目的地点是否为所述初始地点，判断所述未扩展路径是否为非支配解路径，直到获得从所述目标地点到达所述初始地点的所有非支配解路径的步骤，还包括在将所述前驱路径插入所述待选路径集合之前进行过滤，包括：若所述前驱路径被所述最优路线集合中的一条解路径支配，则所述前驱路径不被插入所述待选路径集合；

以及，在每求出一条所述非支配解路径时，过滤掉所述待选路径集合中所有被其支配的路径。

6.根据权利要求1所述的配送路线规划方法，其特征在于，对于在配送过程中出现的配送地点不包含于当前的所述待配送地点的新订单时，根据新增订单的地点匹配从所述最优路线集合中选中并执行的配送路线，并对所述配送路线的剩余未配送地点相对所述新增订单的地点和配送人员的当前定位做增量重规划，并更新所述最优路线集合的步骤，包括：将新增订单的新增地点加入所述目的地点，更新当前所述未扩展路径集和所述已扩展路径集中所有包括新增订单地点的路径；

设置初始的所述最优路线集合为到达所述新增订单的地点的非支配的未扩展路径与非支配已扩展路径之和；

对所述目标地点扩展到所述新增订单的地点过程中所有目的地点非支配的所述未扩展路径，计算路径代价向量和路径代价估值；

根据所述新增地点的所述生成路径是否为非支配解路径，更新所述最优路线集合。

7.一种配送路线规划装置，其特征在于，包括位置获取模组、配送路线计算模组、配送路线更新模组，其中：所述位置获取模组，用于获取当前待配送的所有用户订单的地点及配送人员的初始定位，以及获取新订单的地点和配送人员的当时定位；

所述配送路线计算模组，用于根据所有用户订单的地点及配送人员的初始定位，采用逆向多目标启发式搜索方法对所有用户订单的待配送地点进行全局规划，获得实现配送的最优路线集合，其中：所述最优路线集合包括至少一条供配送人员选择的配送路线；

所述配送路线更新模组，用于对于在配送过程中出现的配送地点不包含于当前的所述待配送地点的新订单时，根据新增订单的地点匹配从所述最优路线集合中选中并执行的配送路线，并对所述配送路线的剩余未配送地点相对所述新增订单的地点和配送人员的当前定位做增量重规划，并更新所述最优路线集合，以供配送人员重新选择并执行配送路线。

8.根据权利要求6所述的配送路线规划装置，其特征在于，所述配送路线计算模组包括设定模块、地点搜索模块、路径计算模块和最优路径记录模块，其中：所述设定模块，用于将所述待配送地点的其中一地点设定为目标地点，将配送人员的当前地点作为初始地点；以及，设置初始的待选路径集合与初始的最优路线集合，初始的所述待选路径集合包括所述目标地点，初始的所述最优路线集合为空集，所述待选路径集合包括所有所述目的地点扩展形成的所有未扩展路径，所述最优路线集合包括自所述目标地点至所述初始地点联通的路线；

所述地点搜索模块，用于搜索自所述目标地点朝向所述初始地点之间的一目的地点，以将所述目标地点作为起点逐一扩展形成生成路径，所述目的地点为除所述目标地点和所述目标地点之外的其他所述待配送地点，所述每一所述生成路径表示为三元组函数，路径三元组函数包括地点空间图、路径代价向量和路径代价估值；

所述路径计算模块，用于将逐一扩展的所述生成路径，根据所述路径代价向量筛选非支配路径，并遍历所述目的地点获得从所述目标地点到达所述初始地点的非支配解路径；

所述最优路径记录模块，用于将所述非支配解路径记录至所述最优路线集合中。

9.根据权利要求8所述的配送路线规划装置，其特征在于，所述路径计算模块包括路径扩展单元和路径判断单元，其中：所述路径扩展单元，用于根据搜索的所述目的地点，从初始的所述待选路径集合中逐一选择所述目的地点的一条非支配的所述未扩展路径朝向所述初始地点进行路径扩展，并在扩展路径的过程中将针对每一所述目的地点的所述生成路径中的非支配未扩展路径记录至未扩展路径集、将非支配已扩展路径集记录至已扩展路径集；所述非支配路径指在所有到达所述目的地点的所有路径上都不存在其他路径优于该路径；

所述路径判断单元，用于根据所述生成路径的目的地点是否为所述初始地点，判断所述未扩展路径是否为非支配解路径，直到获得从所述目标地点到达所述初始地点的所有非支配解路径。

10.根据权利要求9所述的配送路线规划装置，其特征在于，所述路径扩展单元包括路径转移部、前驱路径生成部和前驱路径计算部，所述路径判断单元包括路径支配判断部，其中：所述路径支配判断部，用于在若对所述未扩展路径进行扩展的所述生成路径的目的地点为所述初始地点时，判断所述未扩展路径为所述非支配解路径，使得所述路径转移部将所述非支配解路径从所述未扩展路径集转移到所述已扩展路径集加入所述最优路线集合；

所述路径支配判断部，用于在若对所述未扩展路径进行扩展的目的地点不为所述初始地点时，使得所述前驱路径生成部生成自所述目的地点的所有前驱地点的前驱路径；

所述路径支配判断部，用于在当生成的所述前驱路径在所有到达该前驱地点的路径中非支配时，使得所述前驱路径计算部计算该所述前驱路径的代价估值：所述路径支配判断部，用于在若所述前驱路径的路径代价估值不受所述最优路线集合中当前任何最优解路径支配时，使得所述路径转移部将该所述生成路径插入所述待选路径集合中，作为下一次扩展的候选路径。

11.根据权利要求9所述的配送路线规划装置，其特征在于，所述路径扩展单元还包括过滤部，用于在将所述前驱路径插入所述待选路径集合之前进行过滤，包括：若所述前驱路径被所述最优路线集合中的一条解路径支配，则所述前驱路径不被插入所述待选路径集合；

以及，在每求出一条所述非支配解路径时，过滤掉所述待选路径集合中所有被其支配的路径。

12.根据权利要求7所述的配送路线规划装置，其特征在于，所述配送路线更新模组包括位置更新模块、路径集合更新模块、更新计算模块和更新路线模块，其中：所述位置更新模块，用于将新增订单的新增地点加入所述目的地点，更新当前所述未扩展路径集和所述已扩展路径集中所有包括新增订单地点的路径；

所述路径集合更新模块，用于设置初始的所述最优路线集合为到达所述新增订单的地点的非支配的未扩展路径与非支配已扩展路径之和；

所述更新计算模块，用于对所述目标地点扩展到所述新增订单的地点过程中所有目的地点非支配的所述未扩展路径，计算路径代价向量和路径代价估值；

所述更新路线模块，用于根据所述新增地点的所述生成路径是否为非支配解路径，更新所述最优路线集合。

说明书全文

配送路线规划方法和配送路线规划装置

技术领域

[0001] 本发明属于配送技术领域，具体涉及一种配送路线规划方法和配送路线规划装置。

背景技术

[0002] 对于通过网上订单定制宽带或电话报装业务的用户，由配送人员到家为其提供配送服务。网上下单对于用户而言无疑更便捷和灵活，而对于配送人员的工作而言却可能造成困扰。目前的路线规划方法通常为基于蚁群方法的路线优化模型：即通过蚁群方法遍历所有用户点的最短路线，来得到最优的路线结果，此方法适用于固定的路径目标下的路线规划。

[0003] 然而，由于网络订单下单时间的不确定性，一旦当有新的目标加入时需要重新启动方法遍历最短的距离，难以节约配送人员的路途时间，还有可能造成延误。尤其是对于优先级别较高的紧急订单，必须在设定时间内完成配送。例如，比如配送电话卡设定为10分钟，安装宽带设定为30分钟。根据目前的路线规划方法，新配送订单地点距离已纳入配送计划的某一订单地点很近，或者很顺路，但是根据目前的路线规划方法不能及时更新路线规划，不利于配送人员节约时间，难以提高效率，也降低了用户的体验度。

[0004] 可见，如何针对不定期的新订单插入，为配送人员提供优化线路并推送给配送人员，从而节约配送人员在路途上花费的时间成为目前亟待解决的技术问题。

发明内容

[0005] 本发明所要解决的技术问题是针对现有技术中上述不足，提供一种配送路线规划方法和配送路线规划装置，针对不定期的新订单插入，为配送人员提供优化线路并推送给配送人员，从而节约配送人员在路途上花费的时间。

[0006] 解决本发明技术问题所采用的技术方案是该配送路线规划方法，其包括步骤：

[0007] 获取当前待配送的所有用户订单的地点及配送人员的初始定位；

[0008] 根据所有用户订单的地点及配送人员的初始定位，采用逆向多目标启发式搜索方法对所有用户订单的待配送地点进行全局规划，获得实现配送的最优路线集合，其中：所述最优路线集合包括至少一条供配送人员选择的配送路线；

[0009] 对于在配送过程中出现的配送地点不包含于当前的所述待配送地点的新订单时，根据新增订单的地点匹配从所述最优路线集合中选中并执行的配送路线，并对所述配送路线的剩余未配送地点相对所述新增订单的地点和配送人员的当前定位做增量重规划，并更新所述最优路线集合，以供配送人员重新选择并执行配送路线。

[0010] 优选的是，根据所有用户订单的地点及配送人员的初始定位，采用逆向多目标启发式搜索方法对所有用户订单的待配送地点进行全局规划，获得实现配送的最优路线集合的步骤中，包括：

[0011] 将所述待配送地点的其中一地点设定为目标地点，将配送人员的当前地点作为初始地点；

[0012] 设置初始的待选路径集合与初始的最优路线集合，初始的所述待选路径集合包括所述目标地点，初始的所述最优路线集合为空集，所述待选路径集合包括所有所述目的地点扩展形成的所有未扩展路径，所述最优路线集合包括自所述目标地点至所述初始地点联通的路线；

[0013] 搜索自所述目标地点朝向所述初始地点之间的一目的地点，以将所述目标地点作为起点逐一扩展形成生成路径，所述目的地点为除所述目标地点和所述目标地点之外的其他所述待配送地点，所述每一所述生成路径表示为三元组函数，所述路径三元组函数包括地点空间图、路径代价向量和路径代价估值；

[0014] 将逐一扩展的所述生成路径，根据所述路径代价向量筛选非支配路径，并遍历所述目的地点获得从所述目标地点到达所述初始地点的非支配解路径；

[0015] 将所述非支配解路径记录至所述最优路线集合中。

[0016] 优选的是，将逐一扩展的所述生成路径，根据所述路径代价向量筛选非支配路径，并遍历所述目的地点获得从所述目标地点到达所述初始地点的非支配解路径的步骤，包括：

[0017] 根据搜索的所述目的地点，从初始的所述待选路径集合中逐一选择所述目的地点的一条非支配的所述未扩展路径朝向所述初始地点进行路径扩展，并在扩展路径的过程中将针对每一所述目的地点的所述生成路径中的非支配未扩展路径记录至未扩展路径集、将非支配已扩展路径集记录至已扩展路径集；所述非支配路径指在所有到达所述目的地点的所有路径上都不存在其他路径优于该路径；

[0018] 以及，根据所述生成路径的目的地点是否为所述初始地点，判断所述未扩展路径是否为非支配解路径，直到获得从所述目标地点到达所述初始地点的所有非支配解路径。

[0019] 优选的是，根据所述生成路径的目的地点是否为所述初始地点，判断所述未扩展路径是否为非支配解路径，直到获得从所述目标地点到达所述初始地点的所有非支配解路径的步骤，包括：

[0020] 若对所述未扩展路径进行扩展的所述生成路径的目的地点为所述初始地点，则：判断所述未扩展路径为所述非支配解路径，将所述非支配解路径加入所述最优路线集合；

[0021] 若对所述未扩展路径进行扩展的目的地点不为所述初始地点，则：生成自所述目的地点的所有前驱地点的前驱路径；

[0022] 当生成的所述前驱路径在所有到达该前驱地点的路径中非支配时，计算该所述前驱路径的代价估值：

[0023] 若所述前驱路径的路径代价估值不受所述最优路线集合中当前任何最优解路径支配，则将该所述生成路径插入所述待选路径集合中，作为下一次扩展的候选路径。

[0024] 优选的是，根据所述生成路径的目的地点是否为所述初始地点，判断所述未扩展路径是否为非支配解路径，直到获得从所述目标地点到达所述初始地点的所有非支配解路径的步骤，还包括在将所述前驱路径插入所述待选路径集合之前进行过滤，包括：

[0025] 若所述前驱路径被所述最优路线集合中的一条解路径支配，则所述前驱路径不被插入所述待选路径集合；

[0026] 以及，在每求出一条所述非支配解路径时，过滤掉所述待选路径集合中所有被其支配的路径。

[0027] 优选的是，对于在配送过程中出现的配送地点不包含于当前的所述待配送地点的新订单时，根据新增订单的地点匹配从所述最优路线集合中选中并执行的配送路线，并对所述配送路线的剩余未配送地点相对所述新增订单的地点和配送人员的当前定位做增量重规划，并更新所述最优路线集合的步骤，包括：

[0028] 将新增订单的新增地点加入所述目的地点，更新当前所述未扩展路径集和所述已扩展路径集中所有包括新增订单地点的路径；

[0029] 设置初始的所述最优路线集合为到达所述新增订单的地点的非支配的未扩展路径与非支配已扩展路径之和；

[0030] 对所述目标地点扩展到所述新增订单的地点过程中所有目的地点非支配的所述未扩展路径，计算路径代价向量和路径代价估值；

[0031] 根据所述新增地点的所述生成路径是否为非支配解路径，更新所述最优路线集合。

[0032] 一种配送路线规划装置，其包括位置获取模组、配送路线计算模组、配送路线更新模组，其中：

[0033] 所述位置获取模组，用于获取当前待配送的所有用户订单的地点及配送人员的初始定位，以及获取新订单的地点和配送人员的当时定位；

[0034] 所述配送路线计算模组，用于根据所有用户订单的地点及配送人员的初始定位，采用逆向多目标启发式搜索方法对所有用户订单的待配送地点进行全局规划，获得实现配送的最优路线集合，其中：所述最优路线集合包括至少一条供配送人员选择的配送路线；

[0035] 所述配送路线更新模组，用于对于在配送过程中出现的配送地点不包含于当前的所述待配送地点的新订单时，根据新增订单的地点匹配从所述最优路线集合中选中并执行的配送路线，并对所述配送路线的剩余未配送地点相对所述新增订单的地点和配送人员的当前定位做增量重规划，并更新所述最优路线集合，以供配送人员重新选择并执行配送路线。

[0036] 优选的是，所述配送路线计算模组包括设定模块、地点搜索模块、路径计算模块和最优路径记录模块，其中：

[0037] 所述设定模块，用于将所述待配送地点的其中一地点设定为目标地点，将配送人员的当前地点作为初始地点；以及，设置初始的待选路径集合与初始的最优路线集合，初始的所述待选路径集合包括所述目标地点，初始的所述最优路线集合为空集，所述待选路径集合包括所有所述目的地点扩展形成的所有未扩展路径，所述最优路线集合包括自所述目标地点至所述初始地点联通的路线；

[0038] 所述地点搜索模块，用于搜索自所述目标地点朝向所述初始地点之间的一目的地点，以将所述目标地点作为起点逐一扩展形成生成路径，所述目的地点为除所述目标地点和所述目标地点之外的其他所述待配送地点，所述每一所述生成路径表示为三元组函数，所述路径三元组函数包括地点空间图、路径代价向量和路径代价估值；

[0039] 所述路径计算模块，用于将逐一扩展的所述生成路径，根据所述路径代价向量筛选非支配路径，并遍历所述目的地点获得从所述目标地点到达所述初始地点的非支配解路径；

[0040] 所述最优路径记录模块，用于将所述非支配解路径记录至所述最优路线集合中。

[0041] 优选的是，所述路径计算模块包括路径扩展单元和路径判断单元，其中：

[0042] 所述路径扩展单元，用于根据搜索的所述目的地点，从初始的所述待选路径集合中逐一选择所述目的地点的一条非支配的所述未扩展路径朝向所述初始地点进行路径扩展，并在扩展路径的过程中将针对每一所述目的地点的所述生成路径中的非支配未扩展路径记录至未扩展路径集、将非支配已扩展路径集记录至已扩展路径集；所述非支配路径指在所有到达所述目的地点的所有路径上都不存在其他路径优于该路径；

[0043] 所述路径判断单元，用于根据所述生成路径的目的地点是否为所述初始地点，判断所述未扩展路径是否为非支配解路径，直到获得从所述目标地点到达所述初始地点的所有非支配解路径。

[0044] 优选的是，所述路径扩展单元包括路径转移部、前驱路径生成部和前驱路径计算部，所述路径判断单元包括路径支配判断部，其中：

[0045] 所述路径支配判断部，用于在若对所述未扩展路径进行扩展的所述生成路径的目的地点为所述初始地点时，判断所述未扩展路径为所述非支配解路径，使得所述路径转移部将所述非支配解路径从所述未扩展路径集转移到所述已扩展路径集加入所述最优路线集合；

[0046] 所述路径支配判断部，用于在若对所述未扩展路径进行扩展的目的地点不为所述初始地点时，使得所述前驱路径生成部生成自所述目的地点的所有前驱地点的前驱路径；

[0047] 所述路径支配判断部，用于在当生成的所述前驱路径在所有到达该前驱地点的路径中非支配时，使得所述前驱路径计算部计算该所述前驱路径的代价估值：

[0048] 所述路径支配判断部，用于在若所述前驱路径的路径代价估值不受所述最优路线集合中当前任何最优解路径支配时，使得所述路径转移部将该所述生成路径插入所述待选路径集合中，作为下一次扩展的候选路径。

[0049] 优选的是，所述路径扩展单元还包括过滤部，用于在将所述前驱路径插入所述待选路径集合之前进行过滤，包括：

[0050] 若所述前驱路径被所述最优路线集合中的一条解路径支配，则所述前驱路径不被插入所述待选路径集合；

[0051] 以及，在每求出一条所述非支配解路径时，过滤掉所述待选路径集合中所有被其支配的路径。

[0052] 优选的是，所述配送路线更新模组包括位置更新模块、路径集合更新模块、更新计算模块和更新路线模块，其中：

[0053] 所述位置更新模块，用于将新增订单的新增地点加入所述目的地点，更新当前所述未扩展路径集和所述已扩展路径集中所有包括新增订单地点的路径；

[0054] 所述路径集合更新模块，用于设置初始的所述最优路线集合为到达所述新增订单的地点的非支配的未扩展路径与非支配已扩展路径之和；

[0055] 所述更新计算模块，用于对所述目标地点扩展到所述新增订单的地点过程中所有目的地点非支配的所述未扩展路径，计算路径代价向量和路径代价估值；

[0056] 所述更新路线模块，用于根据所述新增地点的所述生成路径是否为非支配解路径，更新所述最优路线集合。

[0057] 本发明的有益效果是：

[0058] 该配送路线规划方法和相应的配送路线规划装置，基于地理位置信息、订单信息、以及订单类型所决定的操作时长等大数据，通过建立路径三元组函数、待选路径集合与最优路线集合，利用逆向多目标启发式搜索方法、动态多目标路径规划方法计算最优路线，利用机器学习的方法分析的装机时效，规划当有新订单产生时配送人员的路线，进而提高配送人员的工作效率，缩短用户需要等待的时间，优化用户体验。

附图说明

[0059] 图1为本发明实施例中配送路线规划方法的流程图；

[0060] 图2为本发明实施例中配送路线规划方法的一种实现方式流程示意图；

[0061] 图3为本发明实施例中订单地点示意图；

[0062] 图4为本发明实施例中多目标地点分布示意图；

[0063] 图5为本发明实施例中配送路线规划装置的结构示意图；

[0064] 图6为图5中配送路线规划装置的配送路线计算模块的细化结构示意图；

[0065] 图7为图5中配送路线规划装置的配送路线更新模组的细化结构示意图；

[0066] 附图标识中：

[0067] 1-位置获取模组；

[0068] 2-配送路线计算模组；21-设定模块；22-地点搜索模块；23-路径计算模块；231-路径扩展单元；232-路径判断单元；24-最优路径记录模块；

[0069] 3-配送路线更新模组；31-位置更新模块；32-路径集合更新模块；33-更新计算模块；34-更新路线模块。

具体实施方式

[0070] 为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明配送路线规划方法和配送路线规划装置作进一步详细描述。

[0071] 多目标地点的路线规划方法中，多目标地点的引入使得问题的求解与单目标条件下不同，由于各个地点之间通常都存在着冲突，一个路线对于某个地点来说可能是较好的，对于其他地点来说可能较差，这样就造成了多目标路线规划问题一般不存在唯一确定的最优路线，而是一组无法进行相互比较的最优路径构成的路线的集合。由于随时可能会有新增订单，目的地点也不局限于初始的目的地点集，因此造成配送信息的动态的、不确定的变动。当配送人员在服务过程中因增加新订单而产生变化的目的地点信息时，需要实时地重新规划出新的配送或装机路线，以最快的速度计算出当前地点与目标地点之间的最优路线集合。本因，发明的技术构思在于：考虑到用户装机需求的变化情况，方便配送人员按照需求的随机变更来调整路线，提供一种逆向路径全局规划以及增量重规划的动态多目标路线规划方法，从而求解一系列动态不确定环境下的多目标路线规划问题，提升路径搜索的效率。

[0072] 如图1所示，本实施例的配送路线规划方法包括步骤：

[0073] 获取当前待配送的所有用户订单的地点及配送人员的初始定位；

[0074] 根据所有用户订单的地点及配送人员的初始定位，采用逆向多目标启发式搜索方法对所有用户订单的待配送地点进行全局规划，获得实现配送的最优路线集合，其中：最优路线集合包括至少一条供配送人员选择的配送路线；

[0075] 对于在配送过程中出现的配送地点不包含于当前的待配送地点的新订单时，根据新增订单的地点匹配从最优路线集合中选中并执行的配送路线，并对配送路线的剩余未配送地点相对新增订单的地点和配送人员的当前定位做增量重规划，并更新最优路线集合，以供配送人员重新选择并执行配送路线。

[0076] 在该配送路线规划方法中，首先采用逆向多目标启发式搜索方法BMHS进行全局规划，再用动态多目标路线规划方法DMPP来计算出匹配的最佳路线结果。通过该方式规划的配送人员的最优路线，在面对有新的优先级别高的订单产生时，可以快速的分析新订单地点与当前已有目标地点的关系，如果路径代价较低可尽快的重新规划配送人员的路线，进而提高配送人员的工作效率，在保证已有订单用户配送时间的前提下，缩短高优先级别用户需要等待的时间，优化用户体验。

[0077] 以下将结合图1和图2详细说明本实施例的配送路线规划方法，以示例求解多个目标地点条件下配送人员的最优路线问题的一种实现方式。

[0078] 步骤S1)：获取当前待配送的所有用户的订单地点及配送人员的实时定位。

[0079] 在该步骤中，如图3所示，用户的订单地点可以从订单配送位置中提炼得到，配送人员的实时定位信息可通过GPS(Global Positioning System)得到。结合地理位置信息，用经纬度来表示地点信息，得到一组初始数据如图3所示。图3中，(xi，yi)，i∈(1，N)，为地点的经度及纬度。

[0080] 步骤S2)：根据所有用户订单的地点及配送人员的初始定位，采用逆向多目标启发式搜索方法对所有用户订单的待配送地点进行全局规划，获得实现配送的最优路线集合，其中：最优路线集合包括至少一条供配送人员选择的配送路线。

[0081] 步骤S21)：将待配送地点的其中一地点设定为目标地点，将配送人员的当前地点作为初始地点；以及，设置初始的待选路径集合与初始的最优路线集合，初始的待选路径集合包括目标地点，初始的最优路线集合为空集，待选路径集合包括所有目的地点扩展形成的所有未扩展路径，最优路线集合包括自目标地点至初始地点联通的路线。

[0082] 待配送地点即所有用户订单的地点，设定为目标地点的一个原则可以根据优先等级或其他限制条件来确定，这里不做限定。根据所有用户的订单地点信息及配送人员的实时定位信息，可建立路径三元组函数、初始待选路径集合与初始最优路线集合。

[0083] 在本发明中，路线指由多条可实现的路径构成的从初始地点到目标地点之间的距离，路径是指相邻的两个地点之间的距离，路径是路线的局部。假设地点m到地点n的一段完整路线由q段小路径组成，则C(m.n)＝{g1，g2，...gq}。

[0084] 初始的待选路径集合包括目标地点，初始的最优路线集合为空集，待选路径集合包括所有目的地点扩展形成的所有未扩展路径，最优路线集合包括自目标地点至初始地点联通的路线。

[0085] 步骤S22)：搜索自目标地点朝向初始地点之间的一目的地点，以将目标地点作为起点逐一扩展形成生成路径，目的地点为除目标地点和目标地点之外的其他待配送地点，每一生成路径表示为三元组函数，路径三元组函数包括地点空间图、路径代价向量和路径代价估值。

[0086] 在该步骤中，首先向目标地点的四周搜索建立通道的路径，在以该目的地点建立路径之后，再逐步向前搜索新的目的地点建立更长的多段的路径。根据多目标路线规划原则，建立路径三元组函数，并设置初始的待选路径集合OPEN与初始的最优路线集合COSTS。这里通过路径三元组的表达式表示路径规划过程，三元组函数包括地点空间图G、初始地点Sstart和目标地点Sgoal。地点空间图G＝(N,A,C)中，N为地点集合，A为弧的集合，C(m，n)为转移代价函数，表示由地点Sm转移到地点Sn的q维代价向量；初始地点Sstart∈N，目标地点Sgoal∈N；当G为无向图时，C(m，n)＝C(n，m)。

[0087] 待选路径集合内包含当前目的地点上所有未扩展的路径，通俗说就是所有可以到达下个目的地点的路径集合，待选路径集合OPEN记录当前各个地点下一阶段可实现的路径；最优路线集合COSTS用于记录已求得的从目标地点到初始地点的最优路线，初始的最优路线集合COSTS为空集。

[0088] 待选路径集合OPEN和最优路线集合COSTS中的路径或路线包含数个小路径，即其中的元素是各个小段路径。每小段路径的表达式为：

[0089] P＝(Sm,g(p),f(p)) 公式(1)

[0090] 公式(1)中，每一路径P以记录项(Sm,g(p),f(g))表示，其中：g(p)为路径P的代价向量，表示该路径与所有订单地点所拟合的路径之间的差；f(p)为此路径的代价估值。

[0091] 其中的代价估值f(p)即对步骤S1)中所有订单1至订单N的地点进行线性回归，得到曲线Si＝Axi2+B，其中A、B为常数。对于路径P为到达目的地点Sm的一条路线，有：

[0092] f(p)＝g(p)+hm 公式(2)

[0093] 代价向量表示路径的权重，可以为代表线路行进过程中的参量的一个值，这里的参量例如可以为距离、行车油耗、路途红绿灯(数量及其等待时间)、路段限速等等。

[0094] 例如，代价向量参照公式(3)的g(p)进行计算：

[0095] g(p)＝min{(xm-xi)2+(ym-yi)2} 公式(3)

[0096] 公式(2)、公式(3)中，g(p)可表示为当前地点到路线S的最短距离，xi及yi表示曲线S上的任意点的横坐标和纵坐标；

[0097] hm为目的地点Sm的启发信息，估计每一个目标函数上从地点Sm到达目标地点的最小代价，hm取[0，∞)任意值，具体可按实际情况设定。

[0098] 需注意的是，Sm是路径P这个小段路线的目的地点，而目标地点指的是整个路径规划过程的最终目的地点，即Sgoal表示的地点；并且，计算路径代价时使用两者之间的直线距离。

[0099] 步骤S23)：将逐一扩展的生成路径，根据路径代价向量筛选非支配路径，并遍历目的地点获得从目标地点到达初始地点的非支配解路径。

[0100] 在该步骤中，即采用逆向用多目标启发式搜索方法，对包括初始地点和目标地点的所有地点进行全局规划，获得初始地点和目标地点之间的最优路线集合。

[0101] 逆向搜索时，路径P为从目标地点Sgoal到达目的地点Sm的一条路径，g(p)为Sm的目标距离,hm为从Sm到达初始地点的代价估值。针对多目标搜索，则利用向量之间的支配关系从待选路径集合中选择将要扩展的路径并识别最优解路径，从非空的待选路径集合中选择一条非支配待选路径进行扩展，并将扩展出的路径插入待选路径集合OPEN中作为下一次扩展的候选路径，在此过程中，用最优路线集合COSTS记录当前已求得的最优路径。这里的未扩展路径即根据待选择目的地点未对其周围的可达到地点生成的路径，扩展意味着即将计算这条路径的路径代价。例如从一个点A出发有P1、P2、P3三条路径，则这三条路径都是将要扩展的路径。

[0102] 基于逆向多目标启发式搜索方法，在初始待选路径集合中逐点前驱形成生成路径，并比较路径代价向量求解最优路线，形成最优路线集合。其包括反复执行目标地点和初始地点之间各目的地点的路径扩展和路径判断的步骤，直到得到初始地点和目标地点之间的最优路线集合。

[0103] 逆向多目标启发式搜索方法表示为BMHS(,OPEN,COSTS)，具体包括如下反复执行的步骤S231)和步骤S232)：

[0104] 步骤S231)：根据搜索的目的地点，从初始的待选路径集合中逐一选择目的地点的一条非支配的未扩展路径朝向初始地点进行路径扩展，并在扩展路径的过程中将针对每一目的地点的生成路径中的非支配未扩展路径记录至未扩展路径集Gop(n)、将非支配已扩展路径集记录至已扩展路径集Gel(n)；非支配路径指在所有到达目的地点的所有路径上都不存在其他路径优于该路径。

[0105] 这里的未扩展路径集、已扩展路径集是记录目的地点搜索过程中形成的路径集合，包括随着搜索到的目的地点得到的生成路径。从另一个角度考虑，未扩展路径集为待选路径集合OPEN中的局部路径，而在经扩展计算后，未扩展路径集中的路径会转移至已扩展路径集中，当已扩展路径集中的多段路径为同时包括初始地点和目标地点的路线时，则可能转移至最优路线集合COSTS。未扩展路径集、已扩展路径集以目标地点为起点，由Sgoal到Sgoal遍历目的地点生成的路径的过渡路径集合，最终将从待选路径集合OPEN中选出来的最优路径放入最优路线集合COSTS的过程，或者说使得待选路径集合为空，即无下一阶段可实现的路径，通俗讲就是已到达目标地点的效果。

[0106] 步骤S232)：根据生成路径的目的地点是否为初始地点，判断未扩展路径是否为非支配解路径，直到获得从目标地点到达初始地点的所有非支配解路径。

[0107] 通俗的理解，非支配路径即指两点之间的最小距离，即由相邻两地点之间互不交叉的所有路径构成的使目标地点和初始地点联通的路线。在该步骤中，首先从初始的待选路径集合内，根据路径代价估值选择非支配路径进行扩展，将非支配路径所对应的记录项从待选路径集合内删除，并建立对非支配路径的未扩展路径集和已扩展路径集。

[0108] 设路径p1为待选路径集合中一条未扩展路径，f(p1)为路径p1的代价估值，当且仅当使得f(p2)＞f(p1)，称p1为一条非支配待选路径。由此，支配路径与非支配路径定义为：如果路径P1优于路径P2，则称路径P1支配路径P2，如果没有比路径P1更好的选择，则称路径P1为非支配路径。支配关系是代价向量之间的一种偏序关系，偏序关系表示的先后，例如地点A一定在地点B之前。

[0109] 从待选路径集合中根据路径代价估值选择一条非支配待选路径集合路径px进行扩展，令g(px)为路径px的代价向量，将px所对应的记录项(Sm,g(px)，f(px))从待选路径集合中删除，并将px从未扩展路径集Gop(m)转移到已扩展路径集Gel(m)，即从未扩展的路径集中删除，添加到已扩展的路径集当中。

[0110] 接着，根据生成路径的目的地点是否为初始地点，判断未扩展路径是否为非支配解路径，直到获得从目标地点到达初始地点的所有非支配解路径的步骤，包括：

[0111] 若对未扩展路径进行扩展的生成路径的目的地点为初始地点，即当前目的地点为初始地点，即Sm＝Sstart，则判断未扩展路径为非支配解路径，即px为一条解路径，g(px)为解路径的代价，将非支配解路径加入最优路线集合，即将g(px)加入最优路线集合并从待选路径集合中删除所有被g(px)支配的未扩展路径；

[0112] 若对未扩展路径进行扩展的目的地点不为初始地点，即当前地点非初始地点，即Sm≠Sstart，则生成自目的地点的所有前驱地点的前驱路径(即相对该目的地点更朝向初始地点的另一目的地点的路径)，即对sm的所有前驱地点sn，生成到sn的路径py，令：

[0113] f(py)＝g(px)+c(m，n) 公式(4)

[0114] 公式(4)用于求解一条前驱路径的代价估值，然而，所求目的地点Sm到前驱地点Sn之间可能存在很多的路径，因此公式(4)中采用c(m,n)，将所有路径的代价求和。

[0115] 若f(py)不被待选路径集合中包含于Gop(n)∪Gel(n)内的任意路径代价支配，即当生成的前驱路径在所有到达该前驱地点的路径中非支配时，则将py插入最优路线集合中Gop(n)内，并删除Gop(n)∪Gel(n)中所有被py支配的路径；并计算前驱路径py的代价估值f(py)，若前驱路径的路径代价估值不受最优路线集合中当前任何最优解路径支配，即f(px)不受最优路线集合COSTS中任何解路径支配，则将该生成路径插入待选路径集合中，即将(Sn,g(px)，f(px))插入待选路径集合OPEN作为下一次扩展的候选路径，并记录相关的前驱信息，前驱信息已经确定了的逆向推导的优化路径。

[0116] 优选的是，根据生成路径的目的地点是否为初始地点，判断未扩展路径是否为非支配解路径，直到获得从目标地点到达初始地点的所有非支配解路径的步骤，还包括在将前驱路径插入待选路径集合之前进行过滤，包括：

[0117] 若前驱路径被最优路线集合中的一条解路径支配，则前驱路径不被插入待选路径集合；以及，在每求出一条非支配解路径时，过滤掉待选路径集合中所有被其支配的路径。通过上述两次过滤过程，保证了每次循环从待选路径集合中选出将要扩展的路径是不被任意解路径支配的。

[0118] 步骤S24)：将非支配解路径记录至最优路线集合中。

[0119] 从而，根据最优路线集合中包含初始地点与目标地点的最优路径中，选择一条实际装机路径，配送人员选择并执行配送路线。

[0120] 步骤S3)：对于在配送过程中出现的配送地点不包含于当前的待配送地点的新订单时，根据新增订单的地点匹配从最优路线集合中选中并执行的配送路线，并对配送路线的剩余未配送地点相对新增订单的地点和配送人员的当前定位做增量重规划，并更新最优路线集合，以供配送人员重新选择并执行配送路线。

[0121] 在该步骤中，对于在配送过程中出现的配送地点不包含于当前的待配送地点的新订单时，采用动态多目标路线规划方法匹配到达目标地点的最优装机路径。基于动态多目标路径规划方法DMPP(Dynamic Multiobjective Path Planning)及迭代更新方法UPDATE匹配最优路线。

[0122] 动态多目标路线规划方法DMPP(G,Sstart,Sgoal)为：

[0123] 步骤S31)：将新增订单的新增地点加入目的地点，更新当前未扩展路径集和已扩展路径集中所有包括新增订单地点的路径。

[0124] 根据最优路线集合，配送人员根据实际需求可选择其中的任一条最优路线进行装机/配送。根据实时获取的配送人员的位置，通过监测实际装机路径结合配送人员的GPS定位系统，可以实现配送人员的定位与装机/配送路径匹配。配送人员沿最优路径向目标地点移动，若成功到达目标地点，则输出所移动的路径，结束。

[0125] 若出现新订单地址，即新增地点Schange，则判断订单优先级是否为“普通”或者“紧急”，若为普通订单，则可继续执行当前选中的最优路线；若为“紧急”，则更新当前未扩展路径集和已扩展路径集中所有包括新增订单地点的路径，根据新订单的优先级配置执行路线。

[0126] 对新增订单和还未完成的订单地点执行局部重规划过程，首先执行更新过程UPDATE(Schange)，继续如下步骤。

[0127] 步骤S32)：设置初始的最优路线集合为到达新增订单的地点的非支配的未扩展路径与非支配已扩展路径之和.

[0128] 在该步骤中，随着配送的进行，配送人员每到一个地方都可能对后续路径的规划产生影响。生成以到达新增地点Schange为中心的扩展及未扩展的路径中所有从配送人员的当前地点Sv到Schange的路线，即Gop(Schange)∪Gel(Schange)中所有包括(Schange,Sv)的路径。

[0129] 步骤S33)：对目标地点扩展到新增订单的地点过程中所有目的地点非支配的未扩展路径，计算路径代价向量和路径代价估值。

[0130] 在该步骤中，对Sgoal扩展到Schange过程中所有路径，计算路径代价，选择路径代价最小的对应的路线为最优路径。这里的每一路径代价是确定的，可以直接相加得到路径代价，路径代价最小即指其值最小。

[0131] 步骤S34)：根据新增地点的生成路径是否为非支配解路径，更新最优路线集合。

[0132] 配送人员在实际的路线选择中，若新订单优先级为“紧急”订单，则计算耗时T＝S最佳/平均速率。如果T小于等于规定时间，则从更新的最优路线集合中选择最优路线；如果T大于加急订单规定时间，则直接处理加急订单。

[0133] 例如，在实际的配送/装机路线规划中，如图4所示，假设目标地点为①、⑤、⑥、⑨，配送人员的初始地点位置为结合地理位置信息得出路线图：

[0134] 执行BMHS算法，因BMHS算法为逆序的执行过程，即从目标地点的目标地点即⑨作为初始地点，起始地点即作为目标地点。

[0135] 首先，计算从目标地点⑨出发的路径有P97、P98、P96，分别计算此三条路径的代价向量g(p97)、g(p98)、g(p96)，取最小值对应的路径，即，若g(p97)

[0136] 接着，如果地点⑦是初始地点，则P97为一条解路径。将g(p97)加入到最优路线集合并从待选路径集合中删除所有代价向量大于g(p97)的未扩展的路径。

[0137] 如果地点⑦不是初始地点，则对状态地点⑦的所有前驱状态生成到达下一个目标地点⑥的路径。例如：路径P1代表⑦→⑥、路径P2代表⑦→④→⑥，求得：

[0138] g(P1)＝g(P76)+g(P97)

[0139] g(P2)＝g(P97)+g(P74)+g(P46)

[0140] 取代价向量为最小值对应的路径为最优路径，从待选路径集合中删除，添加到多条最优路径集成所代表的最优路线集合中。此处假设g(P1)＜g(P2)，则选择路径P1为最优路径，下一目标地点为地点⑥。

[0141] 以此类推，反复执行从当前地点到下一地点的代价向量的最优路径，直至最优路径包含所有的目标地点，且最后一个目标地点为初始地点将最优路径存入到最优路线集合中，输出结果。

[0142] 相应的，本实施例还提供一种配送路线规划装置，如图5所示，其包括位置获取模组1、配送路线计算模组2、配送路线更新模组3，其中：

[0143] 位置获取模组1，用于获取当前待配送的所有用户订单的地点及配送人员的初始定位，以及获取新订单的地点和配送人员的当时定位；

[0144] 配送路线计算模组2，用于根据所有用户订单的地点及配送人员的初始定位，采用逆向多目标启发式搜索方法对所有用户订单的待配送地点进行全局规划，获得实现配送的最优路线集合，其中：最优路线集合包括至少一条供配送人员选择的配送路线；通过配送路线计算模组2，可以将最终的最优路线推送给配送人员，并实时监测和匹配配送路线；

[0145] 配送路线更新模组3，用于对于在配送过程中出现的配送地点不包含于当前的待配送地点的新订单时，根据新增订单的地点匹配从最优路线集合中选中并执行的配送路线，并对配送路线的剩余未配送地点相对新增订单的地点和配送人员的当前定位做增量重规划，并更新最优路线集合，以供配送人员重新选择并执行配送路线。通过配送路线更新模组3，可以将最终的最优路线推送给配送人员，并用图形显示化输出。

[0146] 其中，如图6所示，配送路线计算模组2包括设定模块21、地点搜索模块22、路径计算模块23和最优路径记录模块24，其中：

[0147] 设定模块21，用于将待配送地点的其中一地点设定为目标地点，将配送人员的当前地点作为初始地点；以及，设置初始的待选路径集合与初始的最优路线集合，初始的待选路径集合包括目标地点，初始的最优路线集合为空集，待选路径集合包括所有目的地点扩展形成的所有未扩展路径，最优路线集合包括自目标地点至初始地点联通的路线；

[0148] 地点搜索模块22，用于搜索自目标地点朝向初始地点之间的一目的地点，以将目标地点作为起点逐一扩展形成生成路径，目的地点为除目标地点和目标地点之外的其他待配送地点，每一生成路径表示为三元组函数，路径三元组函数包括地点空间图、路径代价向量和路径代价估值；

[0149] 路径计算模块23，用于将逐一扩展的生成路径，根据路径代价向量筛选非支配路径，并遍历目的地点获得从目标地点到达初始地点的非支配解路径；

[0150] 最优路径记录模块24，用于将非支配解路径记录至最优路线集合中。

[0151] 进一步的，路径计算模块23包括路径扩展单元231、路径判断单元232，其中：

[0152] 路径扩展单元231，用于根据搜索的目的地点，从初始的待选路径集合中逐一选择目的地点的一条非支配的未扩展路径朝向初始地点进行路径扩展，并在扩展路径的过程中将针对每一目的地点的生成路径中的非支配未扩展路径记录至未扩展路径集、将非支配已扩展路径集记录至已扩展路径集；非支配路径指在所有到达目的地点的所有路径上都不存在其他路径优于该路径；

[0153] 路径判断单元232，用于根据生成路径的目的地点是否为初始地点，判断未扩展路径是否为非支配解路径，直到获得从目标地点到达初始地点的所有非支配解路径。

[0154] 路径扩展单元231包括路径转移部、前驱路径生成部和前驱路径计算部，路径判断单元232包括路径支配判断部，其中：

[0155] 路径支配判断部，用于在若对未扩展路径进行扩展的生成路径的目的地点为初始地点时，判断未扩展路径为非支配解路径，使得路径转移部将非支配解路径从未扩展路径集转移到已扩展路径集加入最优路线集合；

[0156] 路径支配判断部，用于在若对未扩展路径进行扩展的目的地点不为初始地点时，使得前驱路径生成部生成自目的地点的所有前驱地点的前驱路径；

[0157] 路径支配判断部，用于在当生成的前驱路径在所有到达该前驱地点的路径中非支配时，使得前驱路径计算部计算该前驱路径的代价估值：

[0158] 路径支配判断部，用于在若前驱路径的路径代价估值不受最优路线集合中当前任何最优解路径支配时，使得路径转移部将该生成路径插入待选路径集合中，作为下一次扩展的候选路径。

[0159] 路径扩展单元231还包括过滤部，用于在将前驱路径插入待选路径集合之前进行过滤，包括：

[0160] 若前驱路径被最优路线集合中的一条解路径支配，则前驱路径不被插入待选路径集合；

[0161] 以及，在每求出一条非支配解路径时，过滤掉待选路径集合中所有被其支配的路径。

[0162] 如图7所示，配送路线更新模组3包括位置更新模块31、路径集合更新模块32、更新计算模块33和更新路线模块34，其中：

[0163] 位置更新模块31，用于将新增订单的新增地点加入目的地点，更新当前未扩展路径集和已扩展路径集中所有包括新增订单地点的路径；

[0164] 路径集合更新模块32，用于设置初始的最优路线集合为到达新增订单的地点的非支配的未扩展路径与非支配已扩展路径之和；

[0165] 更新计算模块33，用于对目标地点扩展到新增订单的地点过程中所有目的地点非支配的未扩展路径，计算路径代价向量和路径代价估值；

[0166] 更新路线模块34，用于根据新增地点的生成路径是否为非支配解路径，更新最优路线集合。

[0167] 该配送路线规划方法和相应的配送路线规划装置，基于地理位置信息、订单信息、以及订单类型所决定的操作时长等大数据，通过建立路径三元组函数、待选路径集合与最优路线集合，利用逆向多目标启发式搜索方法、动态多目标路径规划方法计算最优路线，利用机器学习的方法分析的装机时效，规划当有新订单产生时配送人员的路线，进而提高配送人员的工作效率，缩短用户需要等待的时间，优化用户体验。

[0168] 可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

标题	发布/更新时间	阅读量
居家养老人员活动异常预警方法和装置-专利编号CN110349372A	2020-05-12	645
城市活动人口统计方法及其装置、计算机可读介质-专利编号CN109118413A	2020-05-12	607
建筑企业人员证书管理方法及系统-专利编号CN107689018A	2020-05-12	364
一种基于网络数据库技术的工程监理信息管理方法和系统-专利编号CN108492090A	2020-05-11	400
一种基于深度学习的施工现场人员制服穿着识别的方法-专利编号CN108491830A	2020-05-13	918
一种人员隔离观察箱及基板加工设备-专利编号CN110312368A	2020-05-13	838
人员识别方法和装置-专利编号CN102521583A	2020-05-11	227
一种基于人脸识别的数据更新方法及装置-专利编号CN108961495A	2020-05-11	173
一种煤矿井下人员管理系统-专利编号CN101436318A	2020-05-11	702
人员进出管理方法、装置、设备和存储介质-专利编号CN109726898A	2020-05-13	171

配送路线规划方法和配送路线规划装置

配送路线规划方法和配送路线规划装置

技术领域

背景技术

发明内容

附图说明

具体实施方式

IPRDB

热门服务

关于我们

友情链接

联系方式