一种考虑时间窗的集装箱运输路径智能调度方法及系统与流程

本发明涉及运输调度领域，尤其涉及一种考虑时间窗的集装箱运输路径智能调度方法及系统。

背景技术：

1、随着全球贸易的不断发展，集装箱运输业面临着日益增长的运输需求和复杂的运输环境。传统的集装箱运输调度方法往往依赖于人工经验，难以应对运输过程中出现的各种不确定因素，如交通拥堵、天气变化、装卸作业延误等。

2、在集装箱运输过程中，时间窗的合理安排对于提高运输效率和降低运输成本具有重要意义。然而，传统的调度方法往往忽视了时间窗的动态调整，无法根据实际作业进度和资源变化灵活调整时间窗。此外，传统的调度方法在面对多式联运等复杂的运输模式时，难以实现不同运输方式之间的有效衔接和协调，无法满足客户对运输时效性和可靠性的要求。

3、一种考虑时间窗的集装箱运输路径智能调度方法及系统，通过优化算法和智能决策模型，实现对集装箱运输路径的动态优化和时间窗的智能调整，实现对运输过程的实时监控和动态调整，全方位优化运输流程，提升物流效能。

技术实现思路

1、本发明的目的是要提供一种考虑时间窗的集装箱运输路径智能调度方法及系统。

2、为达到上述目的，本发明是按照以下技术方案实施的：

3、本发明第一方面提供了一种考虑时间窗的集装箱运输路径智能调度方法，包括：

4、s100对调度任务进行子任务划分，对每个子任务基于运输时间进行聚类，形成调度分组；

5、s200确定每个所述调度分组在不同路段的最优运输成本的多模态运输组合；

6、s300根据所述多模态运输组合构建运输网络，根据运输优先级确定各节点的时间窗，并引入动态时间窗模型，根据节点的作业进度动态调整时间窗；

7、s400采用蒙特卡洛模拟对运输中不确定因素的随机性进行仿真，进一步进行集装箱运输模拟，以所述时间窗内没有集装箱等待的概率作为评估指标，获取高概率停滞节点；

8、s500基于所述高概率停滞节点中运输时间超出时间窗范围和运输优先级的情况，调整后续运输线路和调度资源分配，获得调度方案；

9、s600对集装箱运输需求进行预测，基于预测结果对所述调度方案进行不断优化。

10、作为进一步的方法，所述对调度任务进行子任务划分，对每个子任务基于运输时间进行聚类，形成调度分组的方法，包括：

11、根据运输任务的目标地理位置和货物类型，将整个调度任务划分为多个子任务，每个子任务包含具有相同目标地理位置和货物类型特征的运输任务；

12、对于每个子任务，以历史子任务的平均运输时长为标准设置聚类中心，设置每个子任务与历史子任务平均运输时长偏差为30%、60%的运输时间区间的阈值，进行聚类，得到调度分组。

13、作为进一步的方法，所述确定每个所述调度分组在不同路段的最优运输成本的多模态运输组合的方法，包括：

14、获取每个调度分组中的可用运输方式和运输中转点；

15、对各运输中转点间的路段，考虑最优运输成本构建目标函数，表达式为：

16、

17、其中，和分别为运输中转点的总数和运输方式的总数，为从运输中转点到选择运输方式的单位运输成本，为运输方式的运输量，为在运输中转点处从运输方式转换到运输方式的转换时间，为运输方式的单位时间成本，为在运输中转点处从运输方式转换到运输方式的转换费用；

18、在满足运输时间要求下，获取每个调度分组使运输成本的目标函数最小的多模态运输组合。

19、作为进一步的方法，所述根据所述多模态运输组合构建运输网络，根据运输优先级确定各节点的时间窗的方法，包括：

20、将多模态运输组合中的运输起点、运输中转点和运输终点作为节点，边为节点间的运输路径，构建运输网络的拓扑结构，并考虑运输网络的动态变化，实时更新运输网络的状态；

21、确定各类型集装箱的运输优先级、各节点的作业能力和资源限制信息；

22、按照集装箱优先级从高到低的顺序，优先为高优先级集装箱分配节点时间窗，以最小化集装箱在节点的作业时间为目标，满足各节点的约束条件下，求解各节点对于各集装箱的时间窗，其中各节点约束条件的表达式为：

23、

24、其中，、、、和分别表示为时间窗约束、运输时间连贯性约束、节点作业能力约束、等待时间约束和作业成本约束，和分别为第个集装箱在第个节点的开始时间和结束时间，和分别为集装箱的集合和运输网络中节点的集合，为第个集装箱在第个节点的开始时间，第个节点为第个节点的下一运输节点，为从第个节点到第个节点的运输时间，为在时间时，第个集装箱在第个节点的作业进度，为第个集装箱在第个节点的作业量，为第个节点的作业能力，为节点的作业时间范围，为第个集装箱在第个节点的等待时间，为第个集装箱的停留时间，为第个集装箱在第个节点的作业成本，为第个节点的固定成本，为第个节点的单位作业变动成本；

25、采用混合整数规划方法，将时间窗求解问题转化为混合整数规划问题，求解各节点的时间窗。

26、作为进一步的方法，所述并引入动态时间窗模型，根据节点的作业进度动态调整时间窗的方法，包括：

27、获取各节点的作业进度数据，包括装卸作业的完成百分比、设备的运行状态、作业人员的工作效率和当前时间点的集装箱处理量；

28、根据获取的作业进度数据，预测未来作业进度和资源需求；

29、将运输网络中的节点状态定义为状态空间，节点时间窗的调整策略作为行动空间，基于作业进度的预测构建状态转移概率矩阵，选择马尔可夫决策算法构建动态时间窗模型；

30、根据预测的作业进度的变化，在满足资源需求的条件下通过动态时间窗模型更新各节点的时间窗。

31、作为进一步的方法，所述采用蒙特卡洛模拟对运输中不确定因素的随机性进行仿真的方法，包括：

32、对运输过程中的项目数据进行敏感性分析，确定不确定因素；

33、为每个不确定因素构建概率分布模型，表达式为：

34、

35、其中，为不确定因素的取值，为归一化因子，为不确定因素中高斯分布的个数，为第个高斯分布的权重系数，和分别为第个高斯分布的标准差和均值，为不确定因素中泊松分布相关性的个数，为第个泊松分布相关项的权重系数，为第个泊松分布相关项的频率系数，为第个泊松分布相关项的偏移量；

36、根据不确定因素的概率模型，进行蒙特卡洛模拟生成大量随机样本，模拟不确定因素在运输过程中的各种可能情况。

37、作为进一步的方法，所述进一步进行集装箱运输模拟，以所述时间窗内没有集装箱等待的概率作为评估指标，获取高概率停滞节点的方法，包括：

38、将不确定因素在运输过程中的各种可能情况作为模拟场景，在每个模拟场景中，按照设定的运输流程和调度规则进行集装箱运输模拟；

39、对于运输网络中的每个节点，统计其在所有模拟场景中时间窗内没有集装箱等待的次数占总模拟场景数的比例；

40、将时间窗内没有集装箱等待的概率低于平均值的节点，确定为高概率停滞节点。

41、作为进一步的方法，所述基于所述高概率停滞节点中运输时间超出时间窗范围和运输优先级的情况，调整后续运输线路和调度资源分配的方法，包括：

42、对于高概率停滞节点中运输时间超出时间窗范围的所有集装箱，以运输时间最小化为目标，进行时间窗重新规划，若重新规划后的时间窗导致运输超时，则按照运输优先级由高到低的顺序对超时集装箱的时间窗再进行排序；

43、对于还未抵达高概率停滞节点的集装箱，在运输路径中的上一节点处，进行运输路径的重新规划，跳过高概率停滞节点；

44、获取当前可用调度资源，在满足进行重新规划后的时间窗和运输路径的条件下，获取调度资源分配的策略集；

45、以整体运输成本最小化，从策略集中选择最优策略作为调度方案。

46、作为进一步的方法，所述对集装箱运输需求进行预测，基于预测结果对所述调度方案进行不断优化的方法，包括：

47、预测集装箱运输需求的增长，获取预测结果的调度方案，计算预测结果的调度方案和当前调度方案的偏差值，确定当前调度方案的调整趋势；

48、将运输网络中各节点作为智能体，并为各节点构建数据通信协议，通过多智能体协同算法，根据各节点交互的数据和当前调度方案的调度趋势，进行自主决策，获得各节点的调度策略。

49、本发明第二方面提供了一种考虑时间窗的集装箱运输路径智能调度系统，包括：

50、子任务划分模块，用于对调度任务进行子任务划分，对每个子任务基于运输时间进行聚类，形成调度分组；

51、运输方式组合模块，用于确定每个所述调度分组在不同路段的最优运输成本的多模态运输组合；

52、时间窗确定模块，用于根据所述多模态运输组合构建运输网络，根据运输优先级确定各节点的时间窗，并引入动态时间窗模型，根据节点的作业进度动态调整时间窗；

53、模拟仿真评估模块，用于采用蒙特卡洛模拟对运输中不确定因素的随机性进行仿真，进一步进行集装箱运输模拟，以所述时间窗内没有集装箱等待的概率作为评估指标，获取高概率停滞节点；

54、路径资源调整模块，用于基于所述高概率停滞节点中运输时间超出时间窗范围和运输优先级的情况，调整后续运输线路和调度资源分配，获得调度方案；

55、预测优化模块，用于对集装箱运输需求进行预测，基于预测结果对所述调度方案进行不断优化。

56、相对于现有技术，本发明的实施例至少具有如下优点或有益效果：

57、(1)本发明通过分配节点时间窗，引入动态时间窗模型，通过采集节点作业进度数据，涵盖装卸完成百分比、设备运行状态、人员工作效率及集装箱处理量，预测未来作业走向与资源需求，进而动态调整时间窗。这种动态适应性能够确保运输流程的顺畅性，确保运输时效，降低运输延误率；

58、(2)本发明通过模拟不确定因素，构建包含高斯、泊松分布的概率模型以仿真其随机性，再模拟集装箱运输，后续根据高概率停滞节点运输时间超窗情况与优先级调整运输线路、调度资源，能够降低运输风险，保障运输稳定性；

59、(3)本发明通过对集装箱运输需求进行预测，基于预测结果对所述调度方案进行不断优化，能够快速响应市场需求波动，在需求高峰期能够合理调配资源，提高运输资源利用率。