调整车辆排班的方法和装置与流程
本公开的实施例涉及物流，具体涉及调整车辆排班的方法和装置。
背景技术：
1、月台承载车辆装卸作业的任务，其中车辆的排班和调度是影响月台的作业效率最重要的因素之一。实际运营过程中，调度人员往往会根据经验或者作业现场的突发情况，手动调整由算法自动输出的排班/调度方案，对其中一部分车辆进行手动安排，然后再次运行算法，对余下车辆进行安排。然而，调度人员在执行手动调整决策时，往往基于当前局部的作业时间，无法从全局视角给出手动调整建议。这样会让调度方案难以找到质量更高的解，往往会造成非作业时间的延长，排班/调度方案的最优性下降。
2、现有技术主要缺点为，在调度人员可能根据现场的作业情况对排班和调度结果手动调整的情况下，忽略了手动调整对调度方案最优性的影响，同时没有考虑受到手动调整后的排班和调度方案如何调整从而以最小调整代价来提升最优性，减少非作业时间。
技术实现思路
1、本公开的实施例提出了调整车辆排班的方法和装置。
2、第一方面，本公开的实施例提供了一种调整车辆排班的方法，包括：获取车辆作业信息、仓库月台信息、车辆运输信息、第一排班方案数据集；响应于接收到车辆、仓库、月台或作业时间的第一调整请求，对所述第一排班方案数据集进行调整，得到第二排班方案数据集；计算第二排班方案数据集的非作业时间与第一排班方案数据集的非作业时间之间的第一差值；若所述第一差值大于预定阈值，则将所述车辆作业信息、所述仓库月台信息、所述车辆运输信息通过预设的多目标优化模型求解出第三排班方案数据集，其中，所述多目标优化模型的目标函数包括最小化所有决策变量的变动和最大化非作业时间的降低；输出所述第三排班方案数据集。
3、在一些实施例中，当所述第一排班方案数据集为前一天的排班方案数据集的情况下，所述将所述车辆作业信息、所述仓库月台信息、所述车辆运输信息通过预设的多目标优化模型求解出第三排班方案数据集，包括：通过求解月台车辆排班多目标优化模型构建前一天的第三排班方案数据集，其中，所述月台车辆排班多目标优化模型以下至少一种基于所述车辆作业信息、所述仓库月台信息、所述车辆运输信息的约束：最小化排班决策调整的期望、排班场景下的目标函数提升约束、排班场景下的起点和终点约束、排班场景下的仓库等待约束、排班场景下的车流量守恒约束、排班场景下的月台容量约束、排班场景下的作业时间约束。
4、在一些实施例中，当所述第一排班方案数据集为当天的排班方案数据集的情况下，所述将所述车辆作业信息、所述仓库月台信息、所述车辆运输信息通过预设的多目标优化模型求解出第三排班方案数据集，包括：通过求解月台车辆调度多目标优化模型构建当天的第三排班方案数据集，其中，所述月台车辆调度多目标优化模型以下至少一种基于所述车辆作业信息、所述仓库月台信息、所述车辆运输信息的约束：最小化调度决策调整、调度场景下的目标函数提升约束、调度场景下的起点和终点约束、调度场景下的仓库等待约束、调度场景下的车流量守恒约束、调度场景下的月台容量约束、调度场景下的作业时间约束。
5、在一些实施例中，所述第一调整请求为针对前一天的排班方案数据集的调整请求；以及所述方法还包括：响应于接收到车辆、仓库、月台或作业时间的第二调整请求，对所述第三排班方案数据集进行调整，得到第四排班方案数据集，其中，所述第二调整请求为针对当天的排班方案数据集的调整请求；计算第四排班方案数据集的非作业时间与第三排班方案数据集的非作业时间之间的第二差值；若所述第二差值大于预定阈值，则将所述车辆作业信息、所述仓库月台信息、所述车辆运输信息通过所述多目标优化模型求解出第五排班方案数据集；输出所述第五排班方案数据集。
6、在一些实施例中，所述排班方案数据集通过如下方式获得：通过求解月台车辆排班模型构建前一天的排班方案数据集，其中，所述月台车辆排班模型包括以下至少一种基于所述车辆作业信息、所述仓库月台信息、所述车辆运输信息的约束：排班场景下的起点和终点约束、排班场景下的仓库等待约束、排班场景下的车流量守恒约束、排班场景下的月台容量约束、排班场景下的作业时间约束。
7、在一些实施例中，所述排班方案数据集通过如下方式获得：通过求解月台车辆调度模型构建实时调度方案数据集，其中，所述月台车辆调度模型包括以下至少一种基于所述车辆作业信息、所述仓库月台信息、所述车辆运输信息的约束：调度场景下的起点和终点约束、调度场景下的仓库等待约束、调度场景下的车流量守恒约束、调度场景下的月台容量约束、调度场景下的作业时间约束。
8、在一些实施例中，所述第一调整请求为针对前一天的排班方案数据集的调整请求；以及所述方法还包括：若所述第一差值小于等于预定阈值，则输出第二排班方案数据集；响应于接收到车辆、仓库、月台或作业时间的第三调整请求，对所述第二排班方案数据集进行调整，得到第六排班方案数据集，其中，所述第三调整请求为针对当天的排班方案数据集的调整请求；计算第六排班方案数据集的非作业时间与第二排班方案数据集的非作业时间之间的第三差值；若所述第三差值大于预定阈值，则将所述车辆作业信息、所述仓库月台信息、所述车辆运输信息通过预设的多目标优化模型求解出第七排班方案数据集，其中，所述多目标优化模型的目标函数包括最小化所有决策变量的变动和最大化非作业时间的降低；输出所述第七排班方案数据集。
9、第二方面，本公开的实施例提供了一种调整车辆排班的装置，包括：获取单元，被配置成获取车辆作业信息、仓库月台信息、车辆运输信息、第一排班方案数据集；调整单元，被配置成响应于接收到车辆、仓库、月台或作业时间的第一调整请求，对所述第一排班方案数据集进行调整，得到第二排班方案数据集；计算单元，被配置成计算第二排班方案数据集的非作业时间与第一排班方案数据集的非作业时间之间的第一差值；优化单元，被配置成若所述第一差值大于预定阈值，则将所述车辆作业信息、所述仓库月台信息、所述车辆运输信息通过预设的多目标优化模型求解出第三排班方案数据集，其中，所述多目标优化模型的目标函数包括最小化所有决策变量的变动和最大化非作业时间的降低；输出单元，被配置成输出所述第三排班方案数据集。
10、在一些实施例中，当所述第一排班方案数据集为前一天的排班方案数据集的情况下，所述优化单元进一步被配置成：通过求解月台车辆排班多目标优化模型构建前一天的第三排班方案数据集，其中，所述月台车辆排班多目标优化模型以下至少一种基于所述车辆作业信息、所述仓库月台信息、所述车辆运输信息的约束：最小化排班决策调整的期望、排班场景下的目标函数提升约束、排班场景下的起点和终点约束、排班场景下的仓库等待约束、排班场景下的车流量守恒约束、排班场景下的月台容量约束、排班场景下的作业时间约束。
11、在一些实施例中，当所述第一排班方案数据集为当天的排班方案数据集的情况下，所述优化单元进一步被配置成：通过求解月台车辆调度多目标优化模型构建当天的第三排班方案数据集，其中，所述月台车辆调度多目标优化模型以下至少一种基于所述车辆作业信息、所述仓库月台信息、所述车辆运输信息的约束：最小化调度决策调整、调度场景下的目标函数提升约束、调度场景下的起点和终点约束、调度场景下的仓库等待约束、调度场景下的车流量守恒约束、调度场景下的月台容量约束、调度场景下的作业时间约束。
12、在一些实施例中，所述第一调整请求为针对前一天的排班方案数据集的调整请求；以及所述优化单元进一步被配置成：响应于接收到车辆、仓库、月台或作业时间的第二调整请求，对所述第三排班方案数据集进行调整，得到第四排班方案数据集，其中，所述第二调整请求为针对当天的排班方案数据集的调整请求；计算第四排班方案数据集的非作业时间与第三排班方案数据集的非作业时间之间的第二差值；若所述第二差值大于预定阈值，则将所述车辆作业信息、所述仓库月台信息、所述车辆运输信息通过所述多目标优化模型求解出第五排班方案数据集；输出所述第五排班方案数据集。
13、在一些实施例中，所述排班方案数据集通过如下方式获得：通过求解月台车辆排班模型构建前一天的排班方案数据集，其中，所述月台车辆排班模型包括以下至少一种基于所述车辆作业信息、所述仓库月台信息、所述车辆运输信息的约束：排班场景下的起点和终点约束、排班场景下的仓库等待约束、排班场景下的车流量守恒约束、排班场景下的月台容量约束、排班场景下的作业时间约束。
14、在一些实施例中，所述排班方案数据集通过如下方式获得：通过求解月台车辆调度模型构建实时调度方案数据集，其中，所述月台车辆调度模型包括以下至少一种基于所述车辆作业信息、所述仓库月台信息、所述车辆运输信息的约束：调度场景下的起点和终点约束、调度场景下的仓库等待约束、调度场景下的车流量守恒约束、调度场景下的月台容量约束、调度场景下的作业时间约束。
15、在一些实施例中，所述第一调整请求为针对前一天的排班方案数据集的调整请求；以及所述优化单元进一步被配置成：若所述第一差值小于等于预定阈值，则输出第二排班方案数据集；响应于接收到车辆、仓库、月台或作业时间的第三调整请求，对所述第二排班方案数据集进行调整，得到第六排班方案数据集，其中，所述第三调整请求为针对当天的排班方案数据集的调整请求；计算第六排班方案数据集的非作业时间与第二排班方案数据集的非作业时间之间的第三差值；若所述第三差值大于预定阈值，则将所述车辆作业信息、所述仓库月台信息、所述车辆运输信息通过预设的多目标优化模型求解出第七排班方案数据集，其中，所述多目标优化模型的目标函数包括最小化所有决策变量的变动和最大化非作业时间的降低；输出所述第七排班方案数据集。
16、第三方面，本公开的实施例提供了一种用于调整车辆排班的电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个计算机程序，当所述一个或多个计算机程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面中任一项所述的方法。
17、第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如第一方面中任一项所述的方法。
18、本公开的实施例提供的调整车辆排班的方法和装置，旨在解决如下问题：
19、(1)针对手动调整后的月台车辆排班方案，建立了t-1基于随机规划的月台车辆排班最优性调整建议多目标优化模型，手动作业决策最小变动前提下，提升手动调整后排班方案的月台资源的利用率。
20、(2)针对手动调整后的月台车辆实时调度问题，建立了t月台车辆实时调度最优性调整建议多目标优化模型，旨在以最小的调整代价，提升手动调整后实时调度方案的最优性的下降，尽量少的变动调度人员的手动决策，同时缩短月台的非作业时间，兼顾调度人员的手动调整决策和实时调度方案的最优性。
21、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
技术特征：
1.一种调整车辆排班的方法，包括：
2.根据权利要求1所述的方法，其中，当所述第一排班方案数据集为前一天的排班方案数据集的情况下，所述将所述车辆作业信息、所述仓库月台信息、所述车辆运输信息通过预设的多目标优化模型求解出第三排班方案数据集，包括：
3.根据权利要求1所述的方法，其中，当所述第一排班方案数据集为当天的排班方案数据集的情况下，所述将所述车辆作业信息、所述仓库月台信息、所述车辆运输信息通过预设的多目标优化模型求解出第三排班方案数据集，包括：
4.根据权利要求1所述的方法，其中，所述第一调整请求为针对前一天的排班方案数据集的调整请求；以及
5.根据权利要求1所述的方法，其中，所述排班方案数据集通过如下方式获得：
6.根据权利要求1所述的方法，其中，所述排班方案数据集通过如下方式获得：
7.根据权利要求1所述的方法，其中，所述第一调整请求为针对前一天的排班方案数据集的调整请求；以及
8.一种调整车辆排班的装置，包括：
9.一种调整车辆排班的电子设备，包括：
10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
技术总结
本公开的实施例公开了调整车辆排班的方法和装置。该方法的具体实施方式包括：获取车辆作业信息、仓库月台信息、车辆运输信息、第一排班方案数据集；响应于接收到车辆、仓库、月台或作业时间的第一调整请求，对第一排班方案数据集进行调整，得到第二排班方案数据集；计算第二排班方案数据集的非作业时间与第一排班方案数据集的非作业时间之间的第一差值；若第一差值大于预定阈值，则将车辆作业信息、仓库月台信息、车辆运输信息通过预设的多目标优化模型求解出第三排班方案数据集，其中，多目标优化模型的目标函数包括最小化所有决策变量的变动和最大化非作业时间的降低。该实施方式能够最小化人工调整的排班结果的作业时间和决策变量的变动。
技术研发人员：刘柏彤,刘洋
受保护的技术使用者：北京京东乾石科技有限公司
技术研发日：
技术公布日：2024/9/23