一种基于大模型的物流运输车辆调度方法及系统与流程

本发明涉及物流运输，具体是涉及一种基于大模型的物流运输车辆调度方法及系统。

背景技术：

1、当前，智能物流领域正日益引起广泛的关注与研究，其核心问题之一是如何高效地进行物流运输车辆调度，以实现运输效率的提升和成本的降低。

2、然而，现有的物流运输车辆调度方法依赖于手动调度和简单的规则制定，这些方法在应对复杂多变的运输场景时显得有限，使得调度方案难以适应实际运输情况的波动性，导致车辆的利用率不高、运输效率低下，以及运输成本的不必要增加。此外，现有方法往往只关注任务的分配问题，而忽视了发货顺序、预测货物到达时间和调度成本关键指标，限制了整体运输效益的提升。

技术实现思路

1、为解决上述技术问题，提供一种基于大模型的物流运输车辆调度方法及系统，本技术方案解决了上述背景技术中提出的现有的物流运输车辆调度方法依赖于手动调度和简单的规则制定，这些方法在应对复杂多变的运输场景时显得有限，使得调度方案难以适应实际运输情况的波动性，导致车辆的利用率不高、运输效率低下，以及运输成本的不必要增加。此外，现有方法往往只关注任务的分配问题，而忽视了发货顺序、预测货物到达时间和调度成本关键指标，限制了整体运输效益提升的问题。

2、为达到以上目的，本发明采用的技术方案为：

3、一种基于大模型的物流运输车辆调度方法，包括：

4、从物流站数据库中进行提取操作，获取若干个客户的物流货物信息，所述物流货物信息包括货物包装盒的数量信息、货物包装盒的大小信息、货物的终点信息；

5、根据货物包装盒的数量信息、货物包装盒的大小信息对车辆的规格以及数目进行最优化选择，确定最优化车辆规划方案；

6、基于最优化车辆规划方案中的车辆规格信息和车辆数目信息，对未出行的车辆进行筛选，获取所需规格的车辆数目；

7、根据所需规格的车辆数目与最优化车辆规划方案中车辆数目信息进行比对，确定车辆调度信息；

8、基于车辆调度信息和最优化车辆规划方案，获取若干个调度站中可调度车辆的位置信息，基于若干个调度站的位置信息和物流站位置信息分别计算若干个相对应的调度成本，所述调度成本至少包括行驶成本和行驶损耗；

9、获取若干个调度站的调度能力，确定最优化调度时间段；

10、基于最优化调度时间段和最优化车辆规划方案，预测货物到达时间；

11、基于物流站中若干个客户的物流货物信息、预测货物到达时间和调度成本，建立最优化发货模型；

12、根据最优化发货模型对若干个客户的物流货物依次发货。

13、优选的，所述确定最优化车辆规划方案的具体步骤为：

14、根据货物的终点信息，将同一个终点的货物包装盒挑选出来；

15、基于同一个终点的货物包装盒数目以及大小，确定运输货物的总体积；

16、获取不同车辆的运输体积；

17、基于不同车辆的运输体积和运输货物的总体积进行计算处理，确定最小用车方案，所述最小用车方案即为最优化车辆规划方案。

18、在本方案中，同一个地点指的是同一个城市，同一个城市不同客户的订单可以同时送出，更加方便，因此将同一个城市的所有包装盒挑选出来，最优化车辆规划方案即为最小用车方案，所需要的车辆是最少的，这样确保尽量为后续发货留有可调度的车辆。

19、优选的，所述调度成本的计算公式为：

20、

21、式中，m1为行驶成本指标，cj为行驶成本，kw为调度里程，m2为行驶损耗指标，σ为行驶损耗率，cd为车辆司机成本，m为调度成本指标。

22、在本方案中，调度过程中需要司机将车开过来，所以不仅包括用车成本还有司机成本，该指标可有效的反映出终点位置每单位里程的平均成本，该指标越小，则代表着调度站向物流站调度的成本越低。

23、优选的，所述获取若干个调度站的调度能力并基于调度成本，确定最优化调度时间段的具体步骤为：

24、从若干个调度站数据库中进行提取操作，获取若干个调度站对不同物流站的历史调度需求数据，进行拟合计算调度站的每个调度需求－时间段变化曲线；

25、获取若干个调度站的最大车辆调度能力；

26、基于若干个调度站的最大车辆调度能力和物流站的每个调度需求－时间段变化曲线进行计算调度过剩值－时刻段的变化曲线；

27、筛选出若干个调度站所有过剩值为正值的时刻段，确定为最优化调度时间段。

28、优选的，所述调度过剩值－时刻段的变化曲线的表达式为：

29、

30、式中，g(t)为调度过剩值－时刻段的变化曲线的表达式，gd为调度站的最大供货能力，n为调度站的可调度车辆的总数，xd(t)i为调度站的第i个可调度车辆的调度需求－时间段变化曲线的表达式。

31、在本方案中，若调度过剩值存在负值，则判断调度站在该时间段不可以满足最优调度需求，而调度过剩值为正值时，该调度站在该时间段可以满足最优调度需求。

32、优选的，所述基于最优化调度时间段和最优化车辆规划方案，预测货物到达时间的具体步骤为：

33、获取调度车辆的历史平均速度和调度站到物流站的距离；

34、根据历史平均速度和调度站到物流站的距离，计算调度时间；

35、获取货物的终点和物流站的距离；

36、获取货物终点和物流站的历史运输车辆的历史平均速度，计算运输时间；

37、基于调度时间和运输时间，确定预测货物到达时间。

38、优选的，所述预测货物到达时间具体计算公式为：

39、

40、式中，d1为调度站到物流站的距离；v1为调度车辆的历史平均速度；d2为货物的终点和物流站的距离；v2为货物终点和物流站的历史运输车辆的历史平均速度。

41、优选的，所述最优化发货模型为：

42、

43、式中，q为当前待发货的客户总量，m为若干个客户的物流货物信息，li

44、为第i个客户的预测货物到达时间，k为待发货总数，为第k个待发货对于第i个客户的预测货物到达时间的线性回归方程函数，bk为调度成本。

45、一种基于大模型的物流运输车辆调度系统，包括：

46、获取模块，所述获取模块用于获取若干个客户的物流货物信息、获取所需规格的车辆数目、获取若干个调度站的调度能力；

47、第一最优化模块，所述第一最优化模块用于根据货物包装盒的数量信息、货物包装盒的大小信息对车辆的规格以及数目进行最优化选择，确定最优化车辆规划方案；

48、筛选模块，所述筛选模块用于基于最优化车辆规划方案中的车辆规格信息和车辆数目信息，对未出行的车辆进行筛选；

49、比对模块，所述比对模块用于根据所需规格的车辆数目与最优化车辆规划方案中车辆数目信息进行比对，确定车辆调度信息。

50、优选的，还包括：

51、计算模块，所述计算模块用于基于若干个调度站的位置信息和物流站位置信息分别计算若干个相对应的调度成本；

52、第二最优化模块，所述第二最优化模块用于获取若干个调度站的调度能力，确定最优化调度时间段；

53、预测模块，所述预测模块用于基于最优化调度时间段和最优化车辆规划方案，预测货物到达时间；

54、第三最优化模块，所述第三最优化模块用于基于物流站中若干个客户的物流货物信息、预测货物到达时间和调度成本，建立最优化发货模型；

55、发货模块，所述发货模块用于根据最优化发货模型对若干个客户的物流货物依次发货。

56、与现有技术相比，本发明提供了一种基于大模型的物流运输车辆调度方法及系统，具备以下有益效果：

57、物流站中有不同的客户的物流订单，订单中有货物包装盒的数量信息、货物包装盒的大小信息及货物的终点信息，根据货物包装盒的数量信息和货物包装盒的大小信息可以确定最优化车辆规划方案，该最优化车辆规划方案为用车最少方案，若未出行的车辆无法满足用车最少方案，则需要向车辆调度站中进行调取车辆来运输，由于不同的调度站的调度能力是不同的，且在每个时间段内可调度的车辆也是不同的，对不同调度站的历史数据进行分析，确定最优化调度时间段，调度需要一定的调度成本，也需要时间，而时间也会影响客户的货物到达时间，对调度成本和货物到达时间进行分析，确定均是最小值，而最优化调度时间段和最差的调度时间段内，会影响货物的到达时间，因此在若干个客户的物流货物信息、预测货物到达时间和调度成本基础上，建立最优化发货模型，使得所有客户的物流订单在若干个调度站最优化调度时间段内依次全部发完，也保证客户尽快能拿到货物，以及达到物流站所花费的成本是最少的。