一种时空路径传播配送方案动态调整方法及相关设备

本发明属于物流配送领域，涉及一种时空路径传播配送方案动态调整方法及相关设备。

背景技术：

1、在数字化和全球化的浪潮下，物流配送行业正面临着前所未有的挑战与机遇。随着电子商务的蓬勃发展，消费者对于快速、准确、低成本的配送服务需求日益增长。传统的物流配送优化方法在面对城市交通的时变性与不确定性时，日益暴露出其局限性，难以实现高效、精准的配送调度。现有的相关技术与研究主要集中于静态路径优化方法，此类方法基于历史平均交通数据或固定成本进行路径规划，虽然计算简单，但完全无法应对实时的交通拥堵、事故等动态变化，缺乏对未来短时交通状态的预测能力，导致实际配送中出现大量计划外延误，无法满足现代物流对时效性的要求。

2、现有技术设计的多数系统未能将短时交通预测与动态调整策略进行深度融合。要么只做静态规划而无调整，要么只做被动调整而无预测缺乏自适应与持续优化能力。

技术实现思路

1、本发明的目的在于克服上述现有技术的缺点，提供一种时空路径传播配送方案动态调整方法及相关设备，能够降低配送延误，提升配送效率。

2、为达到上述目的，本发明采用以下技术方案予以实现：

3、一种时空路径传播配送方案动态调整方法，包括：

4、规划初始运输路径，并获取途径路段的多源异步监测数据；

5、对多源异步监测数据进行特征融合，生成路段状态表征向量；

6、基于路段状态表征向量推算车流波形态，并计算途径路段的行程时间增量；

7、当行程时间增量突破设定阈值时，依据车流波形态构建时空规避集合，并生成具有通行代价的动态路网拓扑；

8、在动态路网拓扑中基于时空路径传播机制选定最优路径。

9、可选的，获取途径路段的多源异步监测数据，包括：

10、接收来自车辆传感器、路侧单元、交通管控平台、视频监测设备及互联网交通信息服务的异步流数据；

11、从异步流数据中提取多模态交通流特征；

12、该对多源异步监测数据进行特征融合，生成路段状态表征向量，包括：

13、在时空注意力机制下，对提取的多模态交通流特征进行加权融合，生成统一的路段状态表征向量。

14、可选的，基于路段状态表征向量推算车流波形态，并计算途径路段的行程时间增量，包括：

15、获取上游到达流量、密度和速度以划分交通流状态；

16、计算集结波波速与消散波波速；

17、确定排队形成时间并计算最大排队长度；

18、基于集结波波速、消散波波速以及排队形成时间计算消散时间；

19、基于排队形成时间和消散时间求和计算总阻塞时间；

20、基于总阻塞时间计算受影响车辆总数、总延误时间及平均延误时间；

21、比较各路段在不同车流波状态下的车辆行驶时间，量化输出行程时间增量。

22、可选的，依据车流波形态构建时空规避集合，包括：

23、将突破设定阈值的路段标记为高风险路段；

24、提取实时交通事件所在相邻路段，将相邻路段加入高风险集合；

25、将高风险路段、相邻路段及直接上游影响路段合并，生成时空规避集合。

26、可选的，生成具有通行代价的动态路网拓扑，包括：

27、提取包含路段、节点、长度、车道数及法定限速固定属性的静态城市道路地理信息；

28、在静态城市道路地理信息中引入车流波形态的延误分析结果；

29、调用目标路段对应的预测平均行程速度；

30、将路段长度除以预测平均行程速度得到通畅路段的通行时间成本；

31、将高风险路段的理论自由流时间与延误增量相加得出复合权重；

32、按时间间隔刷新全路网路段的通行时间成本值，输出动态路网拓扑。

33、可选的，在动态路网拓扑中基于时空路径传播机制选定最优路径，包括：

34、在配送起点创建初始通行波；

35、当初始通行波准备进入路段时，调用路段的波场数据，推算波动传播轨迹与路段上集结波或消散波的相遇时间及相遇位置；

36、当初始通行波到达道路交叉口节点时，向可行的下游路段分裂出多个子波；

37、比较进入相同时空区域的不同子波的预计到达时间，保留最早到达的子波并淘汰其余子波；

38、沿首次传播到配送终点的子波传播轨迹进行反向回溯，生成候选路径集合；

39、对候选路径集合执行综合可行性评估以选定最优路径。

40、可选的，选定最优路径之后，还包括：

41、将最优路径分发至各车辆；

42、同步车辆实际时空轨迹与全路网交通态势演变的增量数据；

43、以车辆当前的实际位置和时刻作为新的决策原点，重新推算车流波形态；

44、对比车辆实际已过路段的通行耗时与预测值获取局部预测误差，比对车辆即将驶入路段的最新预测状态与原有方案预期；

45、当比对结果突破设定阈值时，生成新一代调度指令更新配送方案。

46、一种时空路径传播配送方案动态调整系统，包括：

47、初始运输路径规划模块，用于规划初始运输路径，并获取途径路段的多源异步监测数据；

48、特征融合模块，用于对多源异步监测数据进行特征融合，生成路段状态表征向量；

49、车流波形态推算模块，用于基于路段状态表征向量推算车流波形态，并计算途径路段的行程时间增量；

50、动态路网拓扑生成模块，用于当行程时间增量突破设定阈值时，依据车流波形态构建时空规避集合，并生成具有通行代价的动态路网拓扑；

51、最优路径获取模块，用于在动态路网拓扑中基于时空路径传播机制选定最优路径。

52、一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述时空路径传播配送方案动态调整方法的步骤。

53、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述时空路径传播配送方案动态调整方法的步骤。

54、与现有技术相比，本发明具有以下有益效果：

55、本发明通过将多源异步监测数据融合为路段状态表征向量，并在此基础上推算车流波形态与行程时间增量，打破了传统物流系统仅依赖静态历史数据进行路径规划的局限。利用车流波的动态演变规律提前预判拥堵态势，并在行程时间增量突破阈值时，主动构建时空规避集合与具有时变通行代价的动态路网拓扑，最后通过时空路径传播机制寻优。将短时交通预测与路径动态重规划进行了深度融合，使配送车辆能够在拥堵波及前提前绕行，降低了计划外延误，提升了配送调度的主动性、自适应性与整体时效性。

56、进一步地，针对底层交通数据的异构性和异步性，采用了时空注意力机制进行多模态特征融合。通过注意力网络模拟认知模式，动态评估连续时间切片上各节点多模态特征的相关性，自动赋予关键时空信息（如历史同期高频拥堵、上游流量骤降）高权重，并滤除漂移和冗余噪声。这使得生成的路段状态表征向量能够融合当前流量、速度以及拥堵传播的方向与演变趋势。

57、进一步地，利用车流波模型量化交通流的集结与消散过程，通过上游到达流量、密度和速度精确计算集结波与消散波波速，进而推演出排队形成时间、最大排队长度和总阻塞时间。能够将宏观的交通拥堵状态转化为针对具体路段的延误时间（行程时间增量），排除了主观经验估算的误差，为判断是否超出订单时限容忍范围以及是否触发动态调整策略提供了严密的数学量化判定依据。

58、进一步地，考虑了交通拥堵在空间上的蔓延特性（集结波回溯），通过提取实时交通事件的相邻路段，并将其与直接上游受影响的区域进行合并，能够框定未来可能陷入瘫痪的关联路网范围，避免了在路径重规划时车辆再次误入次生拥堵或级联拥堵区域的风险，从空间维度确保了时空替代路径的绝对畅通和极高的实际执行成功率。

59、进一步地，将短时预测的动态变量注入静态道路基底中，对于高风险路段，不仅计算理论自由流时间，更叠加了车流波模型推演出的具体延误增量，形成复合权重。通过按时间间隔滚动刷新全路网的通行时间成本，使路网拓扑图中的每条路段均携带随时间变化的通行阻力，提供了能真实反映未来动态交通波动趋势的决策环境，避免了静态权重导致的寻优偏差。

60、进一步地，基于时空路径传播机制选定最优路径，模拟车辆作为初始通行波在动态波场中的传播过程，在交叉口分裂子波并在相同时空区域内引入优胜劣汰的竞争规则。当波动轨迹与集结波或消散波相遇时动态调速，最终淘汰耗时较长的分支，仅保留最早抵达终点的波动轨迹。将计算资源高度集中于最快路径方向，在保障多目标协同寻优精度的同时，削减了冗余计算量，提升了算法在复杂动态路网中的计算效率与求解速度。

61、进一步地，以车辆当前实际位置和时刻作为新决策原点，持续将实际行驶轨迹的耗时与原规划方案进行实时比对，通过诊断局部预测误差来提前感知未来风险变化。当实际偏差或路况态势变化突破预设阈值时，重启决策链并下发新一代调度指令。赋予了配送系统在执行过程中的持续纠偏能力，确保了配送方案在面临突发交通事故或气象变化时始终保持高度的鲁棒性与最优性。