本技术属于物流，更具体地说，涉及一种智能运输方案匹配方法。
背景技术：
1、在现代物流和运输管理系统中，如何高效、准时地将货物从起点送到终点是一个关键挑战。随着城市化进程的加快和电子商务的快速发展，这一问题变得更加复杂和紧迫。运输过程中涉及多种变量，如地理数据、运输需求、车辆数据、运营数据以及各种约束条件，这些都需要在规划运输方案时加以考虑。
2、1.传统运输方案的局限性
3、传统的运输方案通常依赖于静态数据和预先规划的方法。这种方法在面对实时交通情况和突发需求变化时，显得力不从心。具体的局限性包括：
4、静态规划缺乏灵活性：传统方案多基于历史数据和固定的路线，无法及时应对实时交通拥堵、事故等突发情况。
5、无法动态调整：一旦方案确定，难以根据实时变化进行调整，导致运输效率低下和准时性差。
6、2.实时动态交通和需求变化的挑战
7、现代交通环境瞬息万变，车辆在行驶过程中会遇到各种不可预测的情况，如交通拥堵、道路施工、天气变化等。同时，客户的需求也可能会临时变化，如临时增加或取消订单、改变送货地址等。这些都对运输方案的动态调整提出了更高的要求。
技术实现思路
1、本发明提供了一种智能运输方案匹配方法，拟解决传统方法缺乏灵活性，无法动态调整的技术问题。
2、一种智能运输方案匹配方法，包括以下步骤：
3、步骤1：基于地理数据、运输需求数据、车辆数据、运营数据以及约束条件，采用启发式算法生成初步的运输方案；
4、步骤2：以最小化总行使距离、最小化时间为优化目标，采用优化算法寻找最短路径，得到第一优化运输方案；
5、步骤3：以最大车辆利用率和平衡装载为优化目标，采用线性规划根据车辆容量和货物需求来优化第一优化运输方案的装载方案，得到第二优化运输方案；
6、步骤4：以减少等待时间和准时送到为优化目标，应用时间窗约束的车辆路径问题模型，确保第二优化运输方案的车辆在规定时间范围内达到目的地，得到第三优化运输方案；
7、步骤5：基于实时情况下的交通问题以及突发需求变化，动态调整第三优化运输方案的车辆路径和装载方案；得到最优运输方案。
8、本发明通过优化路径和装载方案，减少车辆限制时间和等待时间，加快货物的运输速度；通过最大化车辆利用率和平衡装载，可以充分利用运输资源，减少资源浪费；并且通过时间窗约束模型，确保货物在规定时间范围内送达，提高准时率；通过基于实时情况的动态调整可以有效应对交通问题和突发需求变化，增强运输系统的灵活性和适应性；快速响应客户的突发需求变化，重新规划和调整运输方案，确保运输计划的灵活性和可靠性。
9、优选的，所述步骤1中采用最近邻启发式算法生成初步的运输方案，具体步骤如下：
10、对于每辆车，从当前节点currentnode出发，选择距离最近且未访问过且在车辆容量范围内的节点nextnode；
11、将选中的节点加入路径：pathj＝pathjc+[nextnode]；其中pathjc表示初始路径；pathj表示将节点nextnode加入后的路径；
12、更新车辆载货量：其中表示节点nextnode的货物需求量；loadj表示更新后的货物需求量；loadjc表示初始货物需求量；
13、更新当前节点：curentnode＝nextnode；将当前节点更新为下一个节点；
14、检查终止条件：若所有节点都已访问或车辆达到容量限制，则结束当前车辆的路径规划；
15、返回起点：完成一轮运输后，将车辆返回到起点；
16、若存在访问的节点，则分配给下一辆空闲车辆，重复上述步骤，直至到所有节点范文完毕；
17、初步方案输出：输出每辆车的路径集合以及每辆车的载货量集合。
18、优选的，所述步骤2包括以下步骤：
19、输入初步运输方案：每辆车的路径集合以及每辆车的载货量集合；
20、定义优化目标：最小化所有车辆的总行驶距离和总运输时间：
21、总行使距离：其中：d(pathj[i],pathj[i+1])表示路径中相邻节点之间的距离；
22、总运输时间：其中：t(pathj[i],pathj[i+1])表示路径中相邻节点之间的运输时间；
23、采用dijkstra算法进行优化：对于每辆车j，从起点开始，设起点到自身的距离为0，到其他所有节点的距离为无穷大；
24、构建优化队列：将起点加入优先队列，优先级为当前距离；
25、主循环：当前有队列不为空时，取出队列中优先级最高的节点，即当前距离最短的节点；
26、更新邻居节点：对当前节点的每个邻居节点，计算从起点到邻居节点的距离，若发现更短的路径，则更新距离，并将邻居节点加入优先队列；
27、distance[v]＝min(distance[v],distance[u]+d(u，v))；
28、式中：distance[v]表示从起点到节点v的当前最短距离；d(u,v)表示节点u到节点v的距离；distance[u]表示起点到节点u的当前最短距离；
29、记录路径：当所有节点的最短路径计算完成后，从终点逆向通过前驱节点记录路径；
30、生成第一优化运输方案：根据上述计算得到的最短路径，将其应用到每辆车的路径规划中，形成第一优化运输方案，包括每辆车的路径集合和每辆车的载货量集合。
31、优选的，所述步骤3包括以下步骤：
32、变量定义：xij表示二元变量，表示是否将第i个节点的货物分配给第j辆车，xij∈{0,1}；
33、约束条件：每个节点的货物智能由一辆车运输：
34、每辆车的总载货量不能超过其容量：其中di表示第i个节点的货物需求量；cj表示第j辆车的最大载货量；
35、定义优化目标：最大化车辆利用率和平衡各车的装载情况；
36、最大化车辆利用率：
37、平衡各车的装载情况，使得每辆车的载货量相近：minimize∑j(cj-∑idi·xij)2；
38、基于上述优化目标和约束条件，构建线性规划模型：
39、
40、式中：λ表示调节参数，用于在最大化车辆利用率和平衡装载之间进行权衡；
41、基于所构建的线性规划模型输出第二优化运输方案，得到更新后的路径集合和载货量集合。
42、优选的，所述步骤4包括以下步骤：
43、构建约束条件：每个节点只访问一次：车辆路径连续性：时间窗口约束：ei表示最早到达时间；xjk表示车辆是否从节点j直接驶向节点k，xjk∈{0,1}；
44、到达时间计算：其中：dij表示节点i到节点j的行驶时间，m表示常数，用于确保xij＝0，不强制执行时间约束；si表示节点i的服务时间；ti表示实际到达节点i的时间；tj表示实际达到节点j的时间；
45、优化目标：
46、减少等待时间：minimize∑i(ti-ei)；
47、准时达到：minimizeσimax(0，ti-li)；其中li表示最迟达到时间；
48、优化模型：
49、目标函数：minimize∑i(ti-ei)+minimizeσi max(0,ti-li)；
50、基于上述目标函数以及约束条件采用优化求解器求解上述线性回归问题，得到每辆车的具体路径和时刻表；
51、根据求解结果，输出每辆车的路径集合和到达时间集合，确保车辆在规定时间范围内达到目的地，得到第三优化运输方案。
52、优选的，所述步骤5包括以下步骤：
53、步骤5.1：收集实时交通数据，获取各路段的当前行驶速度和拥堵信息，并获取需求变换，包含新增的运输需求和取消的订单；
54、步骤5.2：对于每个取消的订单，移除取消订单的节点，并更新车辆的载货量；对于新增的订单，选择插入订单后路径代价最小的车辆，设新增订单的插入位置为pos，则插入后的路径代价公式如下：
55、vj′＝vj[1:pos]∪{ok}∪vj[pos+1：|vj|]；
56、式中：vj表示车辆j的路径；ok表示新增的订单；
57、选择最优车辆和插入位置的优化目标：minj,pos{cost(vj′)},其中cost(vj′)表示插入订单后路径的总代价；
58、载货量更新：q′j＝qj+qk；其中qk表示订单ok的货物量；qj表示车辆j的载货量；q′j表示更新后的载货量；
59、步骤5.3：使用实时交通数据计算每段路径的行驶距离和时间，重新规划路径使行驶时间最小；
60、步骤5.4：基于步骤5.3输出调整后的每辆车的路径集合载货量集合，形成新的最优运输方案。
61、优选的，所述步骤5.3采用动态规划重新计算最优路径，具体步骤如下：
62、获取路段距离和实时速度：对于路径vj中的每一段(ni,ni+1)，获取距离di,i+1和实时速度vi,i+1；
63、计算行驶时间：使用距离和实时速度计算每段路径的行驶时间ti,i+1；
64、
65、式中：ti,i+1表示节点ni到ni+1的行驶时间；di,i+1表示节点ni到ni+1的距离；vi,i+1表示节点ni到ni+1的实时行驶速度；
66、计算总路径行驶时间：将每段路径的行驶时间相加，得到路径的总行使时间tj；
67、
68、式中：nk,nk+1分别表示两个节点；
69、基于动态规划重新计算最优路径：
70、对于每个节点ni，寻找最优的前驱节点nk使得f(i)＝mink＜i{f(k)+tk,i}；其中tk,i是节点nk到节点ni的行驶时间；
71、最终的最短时间为f(m)，即从起点到终点的最短时间；
72、输出最优路径：根据动态规划计算结果，回溯得到最优路径。
73、本发明的有益效果包括：
74、本发明通过优化路径和装载方案，减少车辆限制时间和等待时间，加快货物的运输速度；通过最大化车辆利用率和平衡装载，可以充分利用运输资源，减少资源浪费；并且通过时间窗约束模型，确保货物在规定时间范围内送达，提高准时率；通过基于实时情况的动态调整可以有效应对交通问题和突发需求变化，增强运输系统的灵活性和适应性；快速响应客户的突发需求变化，重新规划和调整运输方案，确保运输计划的灵活性和可靠性。
1.一种智能运输方案匹配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种智能运输方案匹配方法，其特征在于，所述步骤1中采用最近邻启发式算法生成初步的运输方案，具体步骤如下：
3.根据权利要求1所述的一种智能运输方案匹配方法，其特征在于，所述步骤2包括以下步骤：
4.根据权利要求1所述的一种智能运输方案匹配方法，其特征在于，所述步骤3包括以下步骤：
5.根据权利要求1所述的一种智能运输方案匹配方法，其特征在于，所述步骤4包括以下步骤：
6.根据权利要求1所述的一种智能运输方案匹配方法，其特征在于，所述步骤5包括以下步骤：
7.根据权利要求6所述的一种智能运输方案匹配方法，其特征在于，所述步骤5.3采用动态规划重新计算最优路径，具体步骤如下：
