智能果蔬环保筐及其智能调度方法与流程

摘要: 本发明涉及信息,尤其涉及智能果蔬环保筐及其智能调度方法。背景技术:1、在现代果蔬冷链物流系统中,可循环智能环保筐作为连接生产端与消费端的核心载具,其高效调度直接...
智能果蔬环保筐及其智能调度方法与流程

本发明涉及信息,尤其涉及智能果蔬环保筐及其智能调度方法。

背景技术:

1、在现代果蔬冷链物流系统中,可循环智能环保筐作为连接生产端与消费端的核心载具,其高效调度直接关系到整个供应链的运营成本和服务质量。随着生鲜电商快速发展和环保政策趋严,智能果蔬环保筐的应用规模持续扩大,如何在复杂多变的物流网络中实现筐体资源的最优配置,已成为制约行业降本增效的关键瓶颈。

2、现有物流调度方法将车辆路径规划与筐体资源分配视为两个独立环节——先根据订单需求规划配送路线,再根据既定路线分配筐体,或者先确定筐体调拨方案,再安排车辆执行运输任务。这种串行决策模式忽略了两者之间的制约关系:车辆选择的配送路径会直接影响筐体在不同地点的流转速度和积压程度,而各地筐体的库存状况又会反过来限制车辆可承接的订单类型和装载方案。当某仓储中心的特定规格筐体出现短缺时,即使车辆有能力配送更多订单,也会因筐体供应不足而闲置运力;而当客户点积压大量待回收空筐时,车辆若只执行单向配送任务,就会造成空筐滞留和筐体资源的全局性失衡。这种路径与筐体调度的脱节导致了筐体流转过程中的两大核心矛盾。一方面,筐体本身存在物理损耗和健康状态差异,新出厂的高健康度筐体与使用多次后的低健康度筐体具有不同的承载能力和适用场景,但现有调度方法通常将所有可用筐体等同对待,导致高健康度筐体被浪费在短途低要求任务上,而低健康度筐体又被派往长途高强度运输中加速损坏。另一方面,筐体在各节点的动态供需关系呈现显著的时空不均衡性,某些仓储中心在早高峰面临筐体短缺,而其他中心却有大量空筐闲置,传统的固定周期调拨机制无法响应这种实时波动。

3、例如在某次实际运营中,a仓库因集中接收大批订单导致特定型号筐体在两小时内耗尽,而距离仅十公里的b仓库却有该型号空筐二百余个待清洗,但由于调度系统未能将这种供需缺口与正在执行配送任务的车辆路径关联起来,最终a仓库不得不延迟订单交付,b仓库的空筐则继续积压占用仓储空间。

4、因此,如何在车辆路径规划过程中同步考虑筐体的健康状态分级、动态库存分布和回收流转需求,实现路径决策与筐体调度的深度耦合优化,使车辆在完成重货配送的同时高效回收空筐、使筐体资源在不同健康等级和空间位置之间动态平衡流转,成为智能果蔬环保筐仓储物流系统亟待突破的关键问题。

技术实现思路

1、本发明提供了智能果蔬环保筐的智能调度方法,主要包括:

2、获取各流转节点在目标时间周期内的物资配送任务需求量以及智能果蔬环保筐的结构损耗监测数据;通过所述结构损耗监测数据确定所述智能果蔬环保筐的结构完整性健康等级;根据所述物资配送任务需求量获取各流转节点的可用智能果蔬环保筐实时库存数量;根据所述结构完整性健康等级确定所述智能果蔬环保筐的最大物资承载质量能力;针对所述可用智能果蔬环保筐实时库存数量与所述物资配送任务需求量进行数量差值比对,获得各流转节点在不同配送时间段的智能果蔬环保筐供需缺口数量;针对所述智能果蔬环保筐供需缺口数量以及所述最大物资承载质量能力,采用预测模型处理所述智能果蔬环保筐供需缺口数量对应的历史载具流转轨迹数据,得到所述智能果蔬环保筐在当前配送网络环境下的平均流转周转速度;根据所述平均流转周转速度以及所述最大物资承载质量能力,对所述物资配送任务需求量包含的超过预设质量阈值的重载配送任务进行可行性筛选,确定所述智能果蔬环保筐与所述重载配送任务之间的承载匹配关系;根据所述承载匹配关系获取各末端节点在历史配送周期内的未回收空载具滞留数量统计值;若所述未回收空载具滞留数量统计值大于预设的滞留数量阈值,则确定对应的末端节点为优先执行空载具回收的回收节点;针对所述优先执行空载具回收的回收节点以及所述智能果蔬环保筐供需缺口数量,采用优化算法对所述承载匹配关系对应的配送路线进行交叉变异优化操作,得到同时包含重载配送任务和空载具回收任务的优化设备行驶路径;获取所述优化设备行驶路径对应的预期载具流转数量总和;若所述预期载具流转数量总和大于所述智能果蔬环保筐供需缺口数量,则根据所述优化设备行驶路径生成包含配送时间节点和回收时间节点的载具调度执行指令。 进一步的,所述通过所述结构损耗监测数据确定所述智能果蔬环保筐的结构完整性健康等级,包括:获取各流转节点的初始库存数量以及流转节点间的节点距离和载荷分布数据;通过所述结构损耗监测数据包含的载具框架形变量和承重板磨损深度结合预设权重进行加权求和,得到损耗程度参数;根据所述损耗程度参数确定所述智能果蔬环保筐的结构完整性健康等级;若所述结构完整性健康等级为重度受损级别,则从所述初始库存数量中剔除对应载具,获得各流转节点的可用智能果蔬环保筐实时库存数量;通过所述物资配送任务需求量与所述可用智能果蔬环保筐实时库存数量的差值,确定各流转节点的补充数量;采用预先训练的支持向量机模型对所述补充数量和所述节点距离进行分类映射,得到各流转节点间的调拨优先级;根据所述调拨优先级构建调拨矩阵;根据所述调拨矩阵提取对应的运力匹配数值;通过所述运力匹配数值结合所述载荷分布数据确定最终的配送路线; 进一步的,所述针对所述可用智能果蔬环保筐实时库存数量与所述物资配送任务需求量进行数量差值比对,获得各流转节点在不同配送时间段的智能果蔬环保筐供需缺口数量,包括:根据所述智能果蔬环保筐供需缺口数量提取对应的缺口严重级别;若所述缺口严重级别高于预设级别阈值,则采用随机森林算法对所述智能果蔬环保筐供需缺口数量和所述不同配送时间段进行特征提取,获得各流转节点的紧急补充量;通过所述紧急补充量结合各流转节点的地理坐标信息构建空间距离矩阵;根据所述空间距离矩阵计算各流转节点之间的调拨成本数值;获取各流转节点的备用载具数;根据所述调拨成本数值与所述备用载具数进行加权求和,确定各流转节点的载具调度优先级;通过所述载具调度优先级生成各流转节点的目标调度指令;根据所述目标调度指令控制运输设备执行载具调拨操作; 进一步的,所述采用预测模型处理所述智能果蔬环保筐供需缺口数量对应的历史载具流转轨迹数据,得到所述智能果蔬环保筐在当前配送网络环境下的平均流转周转速度,包括:获取所述智能果蔬环保筐的供需缺口数量与最大物资承载质量能力;根据所述供需缺口数量与所述最大物资承载质量能力,筛选出符合条件的历史载具流转轨迹数据,所述历史载具流转轨迹数据包括流转节点到末端节点的往返周转时长和途中停留时长;针对所述历史载具流转轨迹数据,提取所述往返周转时长和所述途中停留时长;根据所述往返周转时长和所述途中停留时长计算各流转节点的平均流转耗时;若所述平均流转耗时大于预设耗时阈值,则获取当前配送网络环境下的实时路况数据;采用随机森林回归预测模型对所述平均流转耗时和所述实时路况数据进行特征提取与融合,获得所述智能果蔬环保筐的动态流转特征;根据所述动态流转特征与所述最大物资承载质量能力进行加权计算,确定所述智能果蔬环保筐在当前配送网络环境下的平均流转周转速度; 进一步的,所述确定所述智能果蔬环保筐与所述重载配送任务之间的承载匹配关系,包括:从物资配送任务需求量中提取超过预设质量阈值的重载配送任务;获取所述重载配送任务的物资空间体积与物资堆叠限制;根据所述最大物资承载质量能力、所述物资空间体积与所述物资堆叠限制,计算单个智能果蔬环保筐可承载的重载订单数量;获取所述重载配送任务的节点装卸耗时;根据所述平均流转周转速度以及所述节点装卸耗时,计算所述重载配送任务的配送流转效率;若所述配送流转效率大于预设效率阈值,则根据所述单个智能果蔬环保筐可承载的重载订单数量以及所述重载配送任务包含的订单总数,计算得到所需智能果蔬环保筐总数量;根据所述单个智能果蔬环保筐可承载的重载订单数量与所述所需智能果蔬环保筐总数量,确定所述智能果蔬环保筐与所述重载配送任务之间的承载匹配关系; 进一步的,所述若所述未回收空载具滞留数量统计值大于预设的滞留数量阈值,则确定对应的末端节点为优先执行空载具回收的回收节点,包括:根据所述承载匹配关系提取各末端节点在历史配送周期内的空载具滞留量;计算所述空载具滞留量的统计值;若所述统计值大于预设的滞留数量阈值,则判定对应的末端节点为优先执行空载具回收的回收节点;获取所述回收节点的地理位置坐标;采用层次聚类算法对所述地理位置坐标进行聚类划分,得到多个回收点簇;针对所述回收点簇,获取簇内各回收节点之间的道路网络数据;根据所述道路网络数据提取相邻回收节点之间的距离值与耗时值;根据所述距离值与所述耗时值,采用迪杰斯特拉算法计算所述回收点簇内的最短遍历路径,生成针对所述回收点簇的初始路线图;获取执行回收任务的运输设备的最大装载量;若所述回收点簇内的空载具滞留量总和小于所述最大装载量,则根据所述初始路线图生成对应的回收派车单; 进一步的,所述采用优化算法对所述承载匹配关系对应的配送路线进行交叉变异优化操作,得到同时包含重载配送任务和空载具回收任务的优化设备行驶路径,包括:获取重载配送任务和回收任务作为基因节点;采用遗传算法的染色体编码机制对所述基因节点进行排列,生成初始基因编码序列;针对所述初始基因编码序列,按照预设的交叉概率选取两个父代基因编码序列;对所述父代基因编码序列中的部分基因节点进行片段交换,得到交叉重组序列;针对所述交叉重组序列,按照预设的变异概率随机选取变异节点;对所述变异节点对应的回收节点插入位置进行调整,得到变异优化序列;根据所述变异优化序列中的重载配送任务和所述智能果蔬环保筐供需缺口数量,计算所述变异优化序列对应的单车累计载重量;若所述单车累计载重量小于预设的设备最大载重阈值,则对所述变异优化序列进行解码操作,得到同时包含重载配送任务和空载具回收任务的优化设备行驶路径; 进一步的,所述根据所述优化设备行驶路径生成包含配送时间节点和回收时间节点的载具调度执行指令,包括:根据所述优化设备行驶路径提取各站点的空间坐标序列;通过所述空间坐标序列计算相邻站点之间的物理距离集合;根据所述物理距离集合以及预设的设备行驶速度阈值,计算得到各相邻站点之间的基础行驶耗时序列;根据所述基础行驶耗时序列以及预设的站点装卸作业时间,累加得到所述优化设备行驶路径对应的配送时间节点以及回收时间节点;根据所述配送时间节点以及回收时间节点构建初始时间轴序列;获取新配送智能果蔬环保筐数量以及回收空载具数量;对所述新配送智能果蔬环保筐数量以及所述回收空载具数量进行求和计算得到预期载具流转数量总和;若所述预期载具流转数量总和大于所述智能果蔬环保筐供需缺口数量,则采用决策树算法对所述初始时间轴序列进行分类处理,得到带有优先级标签的目标时间轴序列;根据所述带有优先级标签的目标时间轴序列生成包含配送时间节点以及回收时间节点的载具调度执行指令。

3、智能果蔬环保筐,其特征在于,包括:

4、筐体,包括底部和围绕所述底部设置的侧壁,所述侧壁与所述底部围合形成用于容纳果蔬的容纳空间;加强结构,设置于所述底部和/或所述侧壁上,用于提高所述筐体的承载能力;结构损耗监测标签,设置于所述筐体上,用于提供所述智能果蔬环保筐的结构损耗监测数据,以确定所述智能果蔬环保筐的结构完整性健康等级及最大物资承载质量能力;所述智能果蔬环保筐采用智能果蔬环保筐的智能调度方法进行调度。

5、本发明实施例提供的技术方案可以包括以下有益效果:

6、本发明针对物流配送网络中容器供需失衡和回收效率低下的业务场景问题,通过结构损耗监测数据评估容器健康等级并确定最大承载能力,结合实时库存与订单需求进行缺口分析,采用随机森林回归模型预测容器流转周转速度,从而精准筛选重货配送任务的承载匹配关系。在识别出未回收空容器滞留数量超标的终端节点后,利用遗传算法对配送路线进行交叉变异优化,将空容器回收任务与重货配送任务整合到同一行驶路径中,当预期容器流转总量满足供需缺口时生成调度指令。该方法实现了容器健康状态感知下的动态调度与回收一体化,提高了容器利用率和流转效率,降低了物流运营成本,解决了传统调度模式中容器空载回流和供需错配的问题。