申请/专利权人：中南大学

申请日：2018-12-10

公开（公告）日：2020-04-10

公开（公告）号：CN109636282B

主分类号：G06F17/18(20060101)

分类号：G06F17/18(20060101);G06Q10/08(20120101);G06Q10/10(20120101)

优先权：

专利状态码：有效-授权

法律状态：2020.04.10#授权;2019.05.10#实质审查的生效;2019.04.16#公开

摘要：本发明公开了一种航空货邮配送方法，包括以下步骤：步骤一，获取航班数据和货邮订单数据；步骤二，以起飞时间的先后为顺序，对同一天同航段的航班进行排序；步骤三，针对同一天同航段所有货邮订单配送，建立以运送的缓急程度为目标的次要目标规划模型，其约束条件中包含调节参数β；步骤四，迭代调整β的取值，每次迭代之后对次要目标规划模型进行求解；并建立以航班利用率的均衡性为目标的主要目标规划模型，以判断迭代过程中求解得出的最优方案。本发明综合考虑了货邮订单运送的缓急程度和同航段航班利用率的均衡性，实现了航空货邮配送过程中的双目标优化。

主权项：1.一种航空货邮配送方法，其特征在于，包括以下步骤：步骤一，获取航班数据和货邮订单数据；步骤二，以起飞时间的先后为顺序，对同一天同航段的航班进行排序；步骤三，针对同一天同航段所有货邮订单配送，建立以运送的缓急程度为目标的次要目标规划模型： 约束条件为： VyK＝0或1且其中，d为该天该航段的货邮订单总数，N为该天该航段的航班总数，By表示第y个货邮订单的优先运送系数，其值根据货邮订单运送的缓急程度确定，VyK表示第y个货邮订单是否被装入第K个航班，VyK＝1表示第y个货邮订单被装入第K个航班，VyK＝0表示第y个货邮订单不装入第K个航班；Wy为第y个货邮订单对应的商品重量；GK为第K个航班的运行可供，β是对于的调节参数，β的取值范围为为该航段的航班平均利用率，P为该天该航段所有货邮订单对应的商品重量总和，T为该天该航段所有航班的运行可供总和；步骤四，迭代调整次要目标规划模型约束条件中β的取值，记第m次迭代之后得到的β值为βm，具体的迭代调整方法为：设置β的初始值为迭代精度为即令第m次迭代之后得到的β值当时，停止迭代；每次迭代之后进行以下操作：1求解次要目标规划模型，得到VyK的取值，记为2根据的取值，计算第m次迭代过程中分配到第K个航班的合计货邮 3计算第K个航班的利用率 4计算反映该航段第K个航班利用率与该航段所有航班平均利用率的离散程度的指标函数： 5计算航段中各航班利用率的方差： 步骤五，求解以航班利用率的均衡性为目标的主要目标规划模型：f＝min{δ0，δ1，δ2，...}；f对应的βm即为β的最优取值，相应的即为最优货邮配送方案。

全文数据：一种航空货邮配送方法技术领域本发明属于航空技术领域，具体涉及一种航空货邮配送方法。背景技术伴随着经济全球化的发展，航空运输业务也得到了极大的发展。根据2017年民航行业发展统计公报的数据显示，截至2017年年底，中国共有颁证运输机场229个，比上年年底增加11个；2017年货邮运输收入水平达1.48元吨公里，比上年提高0.15元吨公里。中国航空货邮运输业务快速发展的同时必然会出现许多不可忽视的问题。在目前的航空运输机队里，中国民航货机总数为143架，仅占运输飞机总数的4.34％，客机占运输飞机总数的95.66％，从货邮的载运方式可以看出，客机的腹舱载货是我国航空货邮业务的主要运载方式，但客机的腹舱载货方式也受到一些条件的限制：1航班运行可供值不确定。通常情况下航班的可供运力客运飞机腹舱能承载的总重量是固定的，本机乘客托运物品的重量与航班运行可供的和为本次航班的可供运力。乘客托运物品的重量与航班运行可供成负相关。航空公司一般会根据历史经验对航班的运行可供进行预估。2存在飞机起飞时间固定而货邮订单装载时间不固定的情况。由于是客机，飞机会在预定起飞时间起飞，不会因为本次航班存在剩余业载，或者剩余业载过大而推迟起飞时间，未赶上装载的货物只能装载到下一班飞机的腹舱内。3航空公司每年会与各货运代理公司签订订单合同，代理商按一定价格承包部分货邮量，而剩余的货邮量放在市场上进行自由销售。货邮订单代理销售和自由销售的比例一般由航空公司通过经验判断，对繁杂航段的线路具有一定的局限性。4航空货邮订单中未对快件、急件等高附加值的货邮订单进行优先配送。对货邮的配送方式的合理性直接会影响物流业整体的发展，现有的方法多是通过对货邮代理商的研究来建立航空货邮配送模型，没有考虑自由销售订单对航空货邮业务的影响；并且实现的目标较为单一，以收益最大为主，无法对同航段航班利用率的均衡性进行优化，其中航班利用率＝航班货物总重量航班运行可供；订单种类庞杂，没有对货邮订单进行分类，没有对时间价值较高的同批货物进行优先配送，其中时间价值较高的同批货物指的是在同一天同一航段所运送的货物中，单位时间内价值比较高的货物，即时效性较高的货物；在航空货物中，一般急件、快件的时间价值最高，易腐货物的附加值次高。解决优先性和均衡性的问题是航空货邮业务良性发展的重要保证。因此，有必要提供一种考虑货邮订单运送优先级和同航段航班利用率的均衡性的航空货邮配送方法。发明内容本发明所解决的技术问题是，针对现有技术的不足，提出一种航空货邮配送的方法，以货邮订单运送的缓急程度为次要目标，同航段航班利用率的均衡性为主要目标，建立目标函数，求解航空货邮配送方案，达到了多目标优化的效果。一种航空货邮配送方法，包括以下步骤：步骤一，获取航班数据和货邮订单数据；步骤二，以起飞时间的先后为顺序，对同一天同航段的航班进行排序；步骤三，针对同一天同航段所有货邮订单配送，建立以运送的缓急程度为目标的次要目标规划模型：约束条件为：VyK＝0或1且其中，d为该天该航段的货邮订单总数，N为该天该航段的航班总数，By表示第y个货邮订单的优先运送系数表示货邮订单运送的优先度，其值根据货邮订单运送的缓急程度不同确定，By为正整数；VyK表示第y个货邮订单是否被装入第K个航班，VyK＝1表示第y个货邮订单被装入第K个航班，VyK＝0表示第y个货邮订单不装入第K个航班；VyK为待求解的参数，由VyKy＝1，2，...，d；K＝1，2，...，N构成配送矩阵Wy为第个货邮订单对应的商品重量，Wy≥0，单位为千克；GK为第K个航班的运行可供，β是对于的调节参数，β的取值范围为为该航段的航班平均利用率，P为该天该航段所有货邮订单对应的商品重量总和，T为该天该航段所有航班的运行可供总和，步骤四，迭代调整次要目标规划模型约束条件中β的取值，记第m次迭代之后得到的β值为βm，每次迭代之后进行以下操作：1求解次要目标规划模型，得到VyK的取值，记为2根据的取值，计算第m次迭代过程中分配到第K个航班的合计货邮3计算第K个航班的利用率4计算反映该航段第K个航班利用率与该航段所有航班平均利用率的离散程度的指标函数：5计算航段中各航班利用率的方差：方差反映该航段各航班利用率离散程度，用于衡量航班利用率的均衡性；步骤五，若干次迭代调整之后，求解以航班利用率的均衡性为目标的主要目标规划模型：f＝min{δ0，δ1，δ2，…}；f对应的βm即为β的最优取值，相应的即为最优货邮配送方案。进一步地，所述步骤一中，获取航班数据和货邮订单数据，将两种数据中的无效、空值数据进行剔除处理后提取有效信息；航班数据中的有效信息包括航班号、航班日期、起飞地点、到达地点和起飞时间；货邮订单数据中的有效信息包括每个货邮订单对应的主运单号、商品重量、运送的缓急程度以及该货邮订单原始分配至的航班信息，包括航班号、航班日期、起飞地点、到达地点和运行可供。进一步地，根据货邮订单数据中的有效信息，统计得到同一天同航段所有航班的运行可供总和，以及同一天同航段所有货邮订单对应的商品重量总和，进而计算航段的航班平均利用率。进一步地，根据货邮订单运送的缓急程度将优先运送系数划分为三个等级：第一等级By＝3，为加急订单的优先运送系数；第二等级By＝2，为易腐类订单运的优先运送系数；第三等级By＝1，为普通订单的优先运送系数。进一步地，所述步骤四中，β的迭代调整方法为：设置β的初始值为迭代精度为即令第m次迭代之后得到的β值m＝1，2，...；当时，停止迭代。有益效果：本发明提供了一种航空货邮订单的分配方法，不同于传统的运筹学方法，本方法是基于多重规划，将线性规划和动态规划相结合起来，求解多目标多阶段决策过程最优化的一种方法。它以动态规划为基本框架，动态规划的目标函数f即是多重规划主要的实现目标，利用线性规划对动态规划的决策变量的取值范围进行限制，即在实现多重规划次要目标maxZ的基础上确定决策变量XK的最优“定义域”；把多阶段决策问题变换成一系列相互联系的单阶段问题，然后逐个加以解决，实现最终的目标。本方法采用多重规划的方法来实现航空货邮订单的分配，将货邮订单的运送优先度定为次要目标，各航段利用率均衡定为主要目标，并通过方差最小来体现。该方法效果良好，极大程度地满足了同一航段中所有航班均衡性的要求。本方法在满足最优决策集合的同时达到次要目标，在整个多重规划过程中，基于线性规划阶段确定的决策变量的最优决策集合，在动态规划阶段确定所要达到的最优目标。本方法在航空货邮订单上的应用，有利于促进航空货邮运输业务的发展，降低航班空载率，满足人民对航空货运速度的需求，优化同一航段的航班利用率，降低个别航班的载重消耗，基于本方法，可对未来货邮订单的配送提供合理的配送方案，对整体物流业的发展有着重要的意义。附图说明图1为本发明流程示意图图2为2018年1月-3月加急订单By＝3利用本方法前后的运送时间概率分布对比图，图2a、图2b和图2c分别为2018年1月、2月和3月加急订单By＝3运送时间概率分布对比图。图3为2018年1月-3月货邮订单利用本方法前后的航班利用率方差概率分布对比图，图3a和图3b分别为2018年1月的货邮订单利用本方法优化前后的航班利用率方差概率分布对比图；图3c和图3d分别为2018年2月货邮订单利用本方法优化前后的航班利用率方差概率分布对比图；图3e和图3f分别为2018年3月货邮订单利用本方法优化前后的航班利用率方差概率分布对比图。具体实施方式本发明提出了一种航空货邮订单配送的方法，下面结合附图和具体实施例对本发明作进一步详细描述，但不作为对本发明的限定，本发明具体实施如图1所示，包括以下步骤。步骤一，获取2018年1月至3月全民航的航班数据和货邮订单数据，将两种数据中的无效、空值数据进行剔除处理后进行有效信息提取。航班数据中的有效信息包括航班号、航班日期、起飞地点、到达地点、起飞时刻、达到时刻；货邮订单数据中的有效信息包括每个货邮订单对应的主运单号、商品代码、商品重量、运送的缓急程度以及该货邮订单原始分配至的航班信息，包括航班号、航班日期、起飞地点、到达地点、可供运力和运行可供。进一步地，将第一季度同一天的航班以起飞时间的先后为顺序，对同航段的航班进行排序，为后续分配做准备。其中一个起飞地点和一个到达地点所形成的区间叫做一个航段。步骤二，分别计算出每个航段的航班平均利用率将某一天某一航段所有货邮订单分配给该航段的N个航班。该航段的航班平均利用率的计算方程为：其中，P为该天该航段所有货邮订单对应的商品重量总和，T为该天该航段所有航班的运行可供总和，GK为第K个航班的运行可供；进一步地，在所述步骤二中，把每个航段的每一个航班视为一个阶段，则某一航段共N个航班。设状态变量SK表示第K个航班初始拥有的总合计货邮量，第K个航班是N个航班中的其中一个航班，则表示为：K＝1，2，…，N步骤三，根据订单的缓急程度不同，确定同日货邮订单的优先运送系数B以及确定订单是否被装入的0-1变量V。设该航段共有d个订单，第y个货邮订单是d个订单中的其中一个订单。已知第y个订单的重量为Wy千克，Wy≥0，并定义第y个订单的优先运送系数为By，来表示货邮订单运送的优先度。VyK表示第y个货邮订单是否被装入第K个航班，VyK＝1表示第y个货邮订单被装入第个航班，VyK＝0表示第y个货邮订单不装入第K个航班。对订单数据中的货邮等级进行划分，本例根据货物运送的缓急程度划分为三个等级：第一等级a1＝3，为加急订单运送系数值；第二等级a2＝2，为易腐类订单运送系数值；第三等级a3＝1，为普通订单运载系数值。步骤四，建立以运送的缓急程度为目标的次要目标规划模型：约束条件为VyK＝0或1且By＝1或2或3VyK＝0或1其中，β′是调节参数；δ是未优化时该航段各航班利用率的方差，式中QK表示未优化时第K个航班的利用率，表示原始未优化时分配至第K个航班的货邮订单对应的商品重量之和；步骤五，对β′进行迭代调整，求解出整个航段的最优目标；具体步骤为：0设置β′的初始值为迭代精度为用m表示迭代次数；1求解次要目标规划模型，得到VyKy＝1，2，...，d；K＝1，2，...，N的取值，记为2根据的取值，计算第m次迭代过程中分配到第K个航班的合计货邮3计算第K个航班的利用率4计算反映该航段第K个航班利用率与该航段所有航班平均利用率的离散程度的指标函数：5计算航段中各航班利用率的方差：方差反映该航段各航班利用率离散程度，用于衡量航班利用率的均衡性。6计算第m次迭代调整之后得到的β′值：若转步骤1；否则若时，停止迭代，进入步骤六；步骤六、求解以航班利用率的均衡性为目标的主要目标规划模型：f＝min{δ0，δ1，δ2，…}；f对应的βm即为β的最优取值，相应的即为最优货邮配送方案。为验证本发明的效果，采用本发明方法对历史货邮订单重新分配，并与原始分配方案进行对比，结果如图2和图3所示。图2为2018年1月-3月加急订单By＝3利用本方法前后的运送时间概率分布对比图，图2a、图2b和图2c分别为2018年1月、2月和3月的加急订单By＝3运送时间概率分布对比图，在作图2过程中，以1个小时为时间窗长度一天为24个时间窗，将载有货邮的航班的起飞时间划分在24个时间窗内，通过单位时间窗内订单数量与总订单数量的比值计算概率分布，作出了历史货邮订单与运用本发明分配后的订单对比概率分布图。从图2可以看出，加急订单由原来每日6点到24点不同航班配送，通过本方法配送后主要集中到每日早上6点到9点的航班，并能在19点前全部配送完毕。图3为2018年1月-3月货邮订单利用本方法前后的航班利用率方差概率分布对比图，在作图3过程中，以0.05为子区间长度，将每一天每个航段航班利用率的方差划分在[最小方差，最大方差]间的子区间内，并通过落在各子区间内的方差个数与总的方差个数的比值计算概率分布。此外，建立航班利用率均衡性优化程度衡量指标θ：其中，δ优化后即运用本方法获得的f值，δ优化前为原始分配方案中的同一天同航段航班利用率的方差。图3a和图3b分别为2018年1月的货邮订单利用本方法优化前后的航班利用率方差概率分布对比图，从图3a和图3b中可以看出，1月份的方差由原来最高达1.12，在优化后最高方差下降到0.32，并通过计算航班利用率均衡性优化程度衡量指标θ，得到1月份航班利用率均衡性的平均优化程度为33.22％；图3c和图3d分别为2018年2月货邮订单利用本方法优化前后的航班利用率方差概率分布对比图，从图3c和图3d中可以看出，2月份的方差由原来最高达0.44，在优化后最高方差下降到0.16，并通过计算优化程度衡量指标θ，得到2月份航班利用率均衡性平均优化程度为53.78％；图3e和图3f分别为2018年3月货邮订单利用本方法优化前后的航班利用率方差概率分布对比图，3月份的方差由原来最高达0.69，在优化后最高方差下降到0.33，并通过计算优化程度衡量指标θ，得到3月份航班利用率均衡性平均优化程度为54.32％。

权利要求：1.一种航空货邮配送方法，其特征在于，包括以下步骤：步骤一，获取航班数据和货邮订单数据；步骤二，以起飞时间的先后为顺序，对同一天同航段的航班进行排序；步骤三，针对同一天同航段所有货邮订单配送，建立以运送的缓急程度为目标的次要目标规划模型：约束条件为：VyK＝0或1且其中，d为该天该航段的货邮订单总数，N为该天该航段的航班总数，By表示第y个货邮订单的优先运送系数，其值根据货邮订单运送的缓急程度确定，VyK表示第y个货邮订单是否被装入第K个航班，VyK＝1表示第y个货邮订单被装入第K个航班，VyK＝0表示第y个货邮订单不装入第K个航班；Wy为第y个货邮订单对应的商品重量；GK为第K个航班的运行可供，β是对于的调节参数，β的取值范围为为该航段的航班平均利用率，P为该天该航段所有货邮订单对应的商品重量总和，T为该天该航段所有航班的运行可供总和；步骤四，迭代调整次要目标规划模型约束条件中β的取值，记第m次迭代之后得到的β值为βm，每次迭代之后进行以下操作：1求解次要目标规划模型，得到VyK的取值，记为2根据的取值，计算第m次迭代过程中分配到第K个航班的合计货邮3计算第K个航班的利用率4计算反映该航段第K个航班利用率与该航段所有航班平均利用率的离散程度的指标函数：5计算航段中各航班利用率的方差：步骤五，若干次迭代调整之后，求解以航班利用率的均衡性为目标的主要目标规划模型：f＝min{δ0，δ1，δ2，...}；f对应的βm即为β的最优取值，相应的即为最优货邮配送方案。2.根据权利要求1所述的航空货邮配送方法，其特征在于，所述步骤一中，获取航班数据和货邮订单数据，将两种数据中的无效、空值数据进行剔除处理后提取有效信息；航班数据中的有效信息包括航班号、航班日期、起飞地点、到达地点和起飞时间；货邮订单数据中的有效信息包括每个货邮订单对应的主运单号、商品重量、运送的缓急程度以及该货邮订单原始分配至的航班信息，包括航班号、航班日期、起飞地点、到达地点和运行可供。3.根据权利要求2所述的航空货邮配送方法，其特征在于，根据货邮订单数据中的有效信息，统计得到同一天同航段所有航班的运行可供总和，以及同一天同航段所有货邮订单对应的商品重量总和，进而计算航段的航班平均利用率。4.根据权利要求1所述的航空货邮配送方法，其特征在于，根据货邮订单运送的缓急程度将优先运送系数划分为三个等级：第一等级By＝3，为加急订单的优先运送系数；第二等级By＝2，为易腐类订单运的优先运送系数；第三等级By＝1，为普通订单的优先运送系数。5.根据权利要求1～4中任一项所述的航空货邮配送方法，其特征在于，所述步骤四中，β的迭代调整方法为：设置β的初始值为迭代精度为即令第m次迭代之后得到的β值m＝1，2，...；当时，停止迭代。

百度查询： 中南大学 一种航空货邮配送方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD