基于自适应遗传算法的物流路径优化方法及系统与流程

本发明涉及冷链物流与智能路径规划，具体为基于自适应遗传算法的物流路径优化方法及系统。

背景技术：

1、冷链物流配送中的路径优化是优化多车辆协同配送路径和降低货物温度偏差的控制方法，通常需要结合待访问节点、时间窗、载重能力以及运输过程中的路段通行情况，对配送路线进行规划和调整；随着冷链运输情况的复杂化，路径优化已不再仅关注行驶距离或到达时效，还需要兼顾货箱温度变化、制冷能源消耗、车门开闭影响以及车辆执行状态等多种运行因素；

2、然而，现有物流路径优化方法大多基于静态配送任务或单一交通信息进行路线生成，对车辆运行过程中的温度状态、制冷状态、通信状态和执行偏差缺少联动处理，难以及时反映冷链车辆在运输中的动态变化；尤其是在出现路况拥堵、温度风险、设备异常或通信中断等情况时，现有方法往往难以同时兼顾后续路线可行性与货物温控安全，导致路线调整滞后，增加配送时间延迟并导致货物温度超出设定阈值。

技术实现思路

1、本发明的目的在于提供基于自适应遗传算法的物流路径优化方法及系统，避免现有方法因基于静态任务或单一交通信息导致路线调整滞后而造成配送时间延迟并导致货物温度超出设定阈值，通过控制冷链车辆在运输中面临路况拥堵、温度风险、设备异常或通信中断等动态变化时的路线局部重规划与联动调整，兼顾后续路线的可行性与货物的温控安全。

2、本发明的目的可以通过以下技术方案实现：

3、基于自适应遗传算法的物流路径优化方法，包括：

4、获取含待访问节点、时间窗、货物重量以及温度上限的多车辆配送任务，以及实时的各批货物对应的货箱分区温度、车辆位置、车门开闭状态、制冷机组运行状态、剩余冷源、当前剩余载重、路段行驶时间、通信状态；

5、比对车辆位置及当前时间与计划路线的对应执行段得到车辆执行偏差量，比对路段行驶时间与预设基准时间得到路段行驶时间变化量；

6、当车辆位置、货箱分区温度、剩余冷源、当前剩余载重或通信状态变化时，生成含前述五项参数的车辆实时状态数据并递增状态更新序号；

7、根据货箱分区温度和温度上限确定各批货物的剩余温度容限；

8、将路段行驶时间变化量、剩余温度容限、车门开闭状态、制冷机组运行状态、车辆执行偏差量及通信状态与对应阈值比对以确定异常事件；

9、以车辆实时状态数据为起点，构建含预计到达时间、剩余温度容限、剩余冷源、当前剩余载重及状态更新序号的路径规划表；

10、以多车辆节点访问序列为染色体编码初始化当前种群，采用自适应遗传算法迭代优化生成候选路线，并依据剩余温度容限、时间窗、剩余冷源及当前剩余载重筛选；

11、将路线及状态更新序号发至车载终端，触发车载终端在与本地状态更新序号一致时确认首个待行驶路段；

12、根据车载终端的执行反馈数据更新当前种群及受影响车辆后续路线。

13、作为优选，生成车辆实时状态数据并递增状态更新序号的步骤，包括：

14、按照预设采样周期获取各货箱分区的温度、车辆位置、车门开闭状态、开门持续时间、制冷机组启停状态、出风温度、回风温度、剩余冷源、路段行驶时间及通信状态，并按照时间戳写入车载存储器；

15、根据车辆位置、未完成配送任务集合、剩余温度容限、制冷机组运行状态、剩余冷源及通信状态，生成车辆实时状态数据；

16、在上述任一信息变化时，递增状态更新序号。

17、作为优选，确定各批货物的剩余温度容限的步骤，包括：

18、针对第i批货物，获取预设的温度上限，获取第i批货物对应的货箱分区温度；

19、对max(所述货箱分区温度-温度上限，0）在当前路段起止时间内进行时间积分，作为累计温度暴露量；

20、根据预设的温度容限初始值和累计温度暴露量确定剩余温度容限；对于不同货箱分区、不同温度上限或不同温度容限初始值的货物，分别确定对应的累计温度暴露量和剩余温度容限。

21、作为优选，确定异常事件的步骤，包括：

22、若路段行驶时间变化量大于或等于预设时间阈值，则确定发生路况拥堵事件；

23、若任一批货物的剩余温度容限小于或等于预警阈值，则确定发生温度预警事件；

24、获取环境温度及单位时间能耗；根据出风温度、回风温度、环境温度及单位时间能耗确定制冷效率；若车门开闭状态显示持续开启时间大于或等于预设开门时长，则确定发生开门异常事件；若制冷效率小于或等于预设制冷阈值，则确定发生设备故障事件；

25、若车辆执行偏差量大于或等于预设位置偏差阈值，则确定发生执行偏差事件；若通信状态为中断且中断时间大于或等于预设通信时长，则确定发生通信异常事件；

26、根据确定的上述异常事件生成包含异常类型、发生时间及车辆标识的异常报警信息。

27、作为优选，构建路径规划表的步骤，包括：

28、将多车辆配送任务编码为多个车辆节点访问序列；

29、以车辆当前的实时状态数据为起点，逐段演算每一车辆节点访问序列，生成包括预计到达时间、各批货物剩余温度容限、剩余冷源、当前剩余载重及状态更新序号的路径规划表；

30、根据路段环境温度、制冷效率、预计行驶时间、开门持续时间及开门次数确定温度暴露增加量，并从上一节点的剩余温度容限中扣除温度暴露增加量；

31、完成节点配送后，将已交付货物从后续的路径规划表中移除，并更新当前剩余载重及未完成配送任务集合。

32、作为优选，用自适应遗传算法迭代优化生成候选路线的步骤，包括：

33、根据异常事件对应的路段行驶时间变化量、剩余温度容限差额、制冷效率差额或中断时长作为影响参数，确定异常影响值；

34、根据不同个体路线中相同相邻节点对所占比例确定种群相似程度；

35、根据异常影响值、种群相似程度及温度预警事件调整遗传算法的交叉率和变异率，其中在异常影响值增大时提高变异率，在种群相似程度高于相似阈值时降低交叉率；

36、对路线节点执行交换、插入、删除后重新插入中的至少一种操作，或执行局部反转操作；

37、根据路线距离、延误时间、能源消耗、温度暴露量及路线变更量确定路线适应度值。

38、作为优选，调整交叉率和变异率后，还包括：

39、将已完成节点、已确认执行节点以及车辆当前所在行驶路段标记为禁止调整对象；将尚未执行但已确认的首个待行驶路段设定为待执行节点；

40、根据异常事件确定首个受影响节点，并从首个受影响节点开始选取未完成节点形成局部节点序列；仅在局部节点序列内执行交叉或变异操作；

41、每次遗传操作后，重新生成受影响节点及其后续节点的路径规划表，若违反剩余温度容限、时间窗、剩余冷源或当前剩余载重约束，则撤销当前遗传操作。

42、作为优选，交叉操作还包括：

43、使交叉操作的两条父代路线对应于相同状态更新序号下的车辆实时状态数据；

44、在交叉位置，比较两条父代路线在同一交叉节点处对应货物的剩余温度容限差值及预计到达时间差值；

45、当剩余温度容限差值不超过预设容限误差、预计到达时间差值不超过预设时间误差，且交叉后两条父代路线在同一交叉节点处的当前剩余载重差值及剩余冷源差值均满足小于或等于各自对应预设误差阈值的一致性校验条件时，允许执行交叉操作；否则禁止执行交叉操作。

46、作为优选，触发车载终端在与本地状态更新序号一致时确认首个待行驶路段的步骤，包括：

47、将路线序列数据、路径规划表、路线对应的状态更新序号及允许执行的首个待行驶路段发送至车载终端；

48、将路线对应的状态更新序号与车辆最新的状态更新序号进行比较，并比较已下发路线中的车辆位置、时间、货物剩余温度容限及剩余冷源与车辆当前实际值的偏差；

49、若状态更新序号相同，或者状态更新序号不同但位置偏差、时间偏差、温度容限偏差及能源偏差均未超过各自对应的偏差阈值，且首个待行驶路段满足车辆当前剩余载重与道路限重、车辆高度与道路限高的匹配条件，则确认首个待行驶路段；

50、若校验失败，则拒绝执行未确认的路线，并根据车辆最新状态重新生成受影响车辆的后续路线；

51、车辆到达节点、完成节点服务或发生新的异常事件后，将更新后的状态更新序号及车辆执行反馈数据发送至调度服务器，以更新受影响车辆的后续路线。

52、基于自适应遗传算法的物流路径优化系统，包括：

53、调度服务器，用于获取多车辆配送任务，生成车辆初始全局路线、维护并更新当前种群，接收执行反馈数据并输出路线至车载终端；

54、车载控制器，用于接收传感器网络输入，生成车辆实时状态数据，递增状态更新序号，确定异常事件，并通过校验状态更新序号、车辆位置偏差、时间偏差、温度容限偏差及能源偏差执行路线校验，输出状态数据至车云通信模块；

55、传感器网络，用于获取货箱分区温度、车辆位置、车门开闭状态、制冷机组启停状态、出风温度、回风温度及剩余冷源，并输出至车载控制器；

56、车云通信模块，用于在车载控制器与调度服务器之间传输异常报警信息、路线、状态更新序号及车辆执行反馈数据；

57、执行反馈模块，设置于车载终端侧，用于根据节点到达、节点服务及新的异常事件生成车辆执行反馈数据，并通过车云通信模块发送至调度服务器。

58、本发明的有益效果：

59、本发明调度服务器获取包含待访问节点、时间窗和货物重量的多车辆配送任务，车载控制器结合货箱分区温度、车辆位置、车门开闭状态、制冷机组运行状态、剩余冷源、路段行驶时间及通信状态生成车辆实时状态数据，并在状态变化时递增状态更新序号，再根据剩余温度容限、路段行驶时间变化量、车辆执行偏差量和异常事件构建路径规划表，利用自适应遗传算法对多车辆节点访问序列进行迭代优化，并在路线下发后通过状态更新序号一致性和偏差阈值执行车端校验；该发明尤其适用于冷链物流配送中的动态路径优化，具有能够使路线生成同时结合货物温度风险、制冷能源状态、车辆执行状态和通信状态，从而减少路线调整滞后并提高后续路线可行性与冷链运输质量的优点。