具体实施方式

下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。

发明人发现，相关技术中的物流载体选择时，尽可能的满足快递件满足履约时效，但由于复杂度高、剩余载运量不足等的影响，在运输效率、价格等方面难以得到最优的选择方案；交由航空公司等运营方来协调、配置的策略，也难以得到最优的选择方案，也降低了物流企业对于物流载体选择方案的可控程度，降低了方案的制定效率。

为了方便描述，下文中以物流载体为飞机为例，物流载体选择方案为散航订购方案为例。

本公开的物流载体选择方案生成方法的一些实施例的流程图如图1所示。

在步骤101中，获取物品的总发运量、发运时间限制、源地址和目的地址。在一些实施例中，可以基于订单信息进行汇总，对于每项 (源地址，目的地址)的组合，获取源地址和目的地址相同，且发运时间限制相当的订单，统计订单的发运量，获取总发运量。在另一些实施例中，对于每项(源地址，目的地址)的组合，可以根据历史发运量预估发运时间限制对应的时间区间的总发运量。

在一些实施例中，源地址、目的地址可以以市为粒度，也可以以多个市为粒度，如预定路程范围内的区域。在一些实施例中，对于不同的地区，源地址、目的地址的粒度可以各不相同，可以根据对应区域的机场数量、部署位置确定粒度大小。例如，当源地址(或目的地址)对应的城市中包括多个机场时，则源地址的粒度为城市；当源地址对应的城市中没有机场时，源地址的粒度为多个城市的集合，该集合中至少包括一个机场。

在一些实施例中，发运时间限制可以包括最早发运时间、履约时效(即最晚到达时间)。

在步骤102中，确定始发地、目的地和航行日期分别与源地址、目的地址和发运时间限制相匹配的物流载体，获取物流载体的参数信息。

在一些实施例中，可以通过与航空公司之间的数据接口，根据发运时间限制、源地址和目的地址搜索匹配的物流载体，进而提取搜索出的物流载体的参数信息。

在步骤103中，根据总发运量、发运时间限制和物流载体的参数信息，基于约束条件和目标函数，通过由计算机运行的求解器，确定选择的物流载体的集合，以及在集合中的每个物流载体分别占用的货舱量；其中，目标函数包括：在集合中的每个物流载体订购对应的货舱量时，代价总和最小。

在一些实施例中，可以在求解器中设置目标函数和约束函数，进而带入总发运量、发运时间限制和物流载体的参数信息，通过求解器的求解操作获得选择的物流载体的集合，以及在集合中的每个物流载体分别占用的货舱量。在一些实施例中，求解器可以为scip求解器。

在一些实施例中，目标函数可以为线性函数；约束条件可以为多个不等式的集合。

通过这样的方法，能够通过数据收集和匹配，通过由计算及执行的目标函数运算，得到符合约束条件的物流载体选择方案，从而提高物流载体选择方案的制定效率，同时优化制定的物流载体选择方案。

本公开的物流载体选择方案生成方法的另一些实施例的流程图如图2A所示。

在步骤201中，预测预定时间长度之后的源地址和目的地址之间的物品的总发运量。在一些实施例中，可以调取数据库中的数据，根据历史对应时段的源地址和目的地址之间的发运量，结合近期的发运量变化趋势，预估物品的总发运量。在一些实施例中，预定时间长度可以为定值，如一个月，从而提前预定一个月后的航班。

在步骤202中，根据预定时间长度确定发运时间限制。在一些实施例中，根据预定时间长度和当前日期确定发运日期，根据日常物品运输规律，如每天物品发运时间、运达目的地的时间等，确定在发运日期的发运时间、履约时效(即最晚到达时间)，作为发运时间限制。

在一些实施例中，发运量相关的信息可以如表1、表2所示。下述表格仅做示例，不作为具体情况限制。

表1发运量详细信息例

表2每个发运量到达各目的城市的货量

在步骤203中，根据源地址获取物流载体的始发站点集合。在一些实施例中，源地址可以为物品的发货点对应的城市，如图3所示，例如佛山。从佛山出发的货物既可以选择广州白云机场作为始发机场，也可以选择深圳宝安机场作为始发机场，则始发站点集合包括广州白云机场和深圳宝安机场。

在步骤204中，根据目的地址获取物流载体的目的站点集合。在一些实施例中，目的地址可以为物品的收货点对应的城市，如图3所示，例如昆山、苏州或者嘉兴。发往昆山、苏州或者嘉兴的货物可以选择上海虹桥机场或上海浦东国际机场，因此目的站点集合包括广州上海虹桥机场或上海浦东国际机场。

在步骤205中，筛选出符合始发站点集合和目的站点集合、且行程时间与发运时间限制相匹配的物流载体。在一些实施例中，可以调用航空公司的接口，输入发运日期，始发站点和目的站点，筛选出合适的航班。

在步骤206中，提取筛选出的航班的参数信息。在一些实施例中，航班的详细信息可以如表3、4所示。下述表格仅做示例，不作为具体情况限制。

表3航班详细信息例

表4每个航班满足各城市的最早时效

从表格中可以得到如图4中所示的发运量、航班时序图。例如，在不考虑履约时效的情况下，发运量4可以使用航班3、4和5。

在步骤207中，根据总发运量、发运时间限制和物流载体的参数信息，基于约束条件和目标函数，通过由计算机运行的求解器确定选择的物流载体的集合，以及在集合中的每个物流载体分别占用的货舱量。

在一些实施例中，考虑到预定的航班要满足发送总发运量对应的所有物品的需求，约束条件包括在集合中的物流载体占用的货舱量的总和不小于物品总发运量；为了保证物品能够在航班截止集货前到达，发运时间限制中物品到物流载体的始发站点的时间不晚于物流载体的集货截止时间；为了保证物品到达目的地的时间不超出履约时效，约束条件还可以包括发运时间限制中物品的履约时效不早于物流载体到达目的地址的时效；考虑到航班的剩余货舱量有限，约束条件还包括在每个物流载体占用的货舱量小于等于对应的物流载体的剩余承载能力。另外，考虑到将物品发送到多个始发站点的成本更高、效率更低，还可以设置选择的物流载体的始发站点相同，从而可以将所有物品运往同一个机场，分发至不同航班运输。

通过这样的约束条件，能够确保基于求解器的运算结果能够满足物品运输、履约需求，且提高将物品运往机场的便捷度。

在一些实施例中，由于考虑到与部分航空公司、部分航班的合作关系，需要优先使用这部分航班。约束条件还可以包括：在集合中属于优先物流载体的物流载体占用的货舱量之和与总发运量的比值大于等于预定比例。通过设置比例值的大小控制优先航班运载的货量在总发运量中比例，根据需要调节比例值的大小，进而实现方案调整。

通过这样的方法，能够提前较长时间预定航班货舱，一方面能够确保剩余航班承载能力充足，扩大可选范围，提高方案生成的成功率，保证全部物品得到运输；另一方面，也能够使历史数据和航空公司提供的提前预定折扣价格得到充分应用，降低运货成本。

本公开的货舱预定方法的一些实施例的流程图如图2B所示。

在步骤211中，通过上文中任意一项的物流载体选择方案生成方法，确定选择的物流载体的集合，以及在集合中的每个物流载体分别占用的货舱量。在一些实施例中，可以将集合和集合中每项对应的货舱量展示给工作人员，或输出至表格，或输出给预定端口。

在步骤212中，根据确定的物流载体的集合，以及对于集合中的每个物流载体分别占用的货舱量，预定物流载体的货舱。在一些实施例中，可以由工作人员按照输出的信息发起预定；在另一些实施例中，可以调用与航空公司之间的接口，触发航空公司的预定平台完成预定操作。

通过这样的方法，能够提高物流载体选择方案的制定效率，同时优化制定的物流载体选择方案，提高货舱预定的效率，降低成本，提高运输效率。

在一些实施例中，当预定货舱后，航班的实际情况发生变化时，例如某一航班临时取消，可以将该航班设为不可用，重新执行本公开的物流载体选择方案生成方法，从而在上述步骤205、206中不再获得该航班的信息，进而通过求解器的重新运算，得到新的临时决策方案，提高应对异常情况的能力，提高方案生成方法的可靠性。

在一些实施例中，为了便于后续描述，下文中的符号和含义的关系如表5所示。

表5符号-含义对应关系

在一些实施例中，先创建混合整数规划模型：

采用g_ib表示第i个发运量是否选择第b个机场的航班，g_ib∈ {0，1}，i∈I，b∈B；

采用x_ivj表示第i个发运量到达第v个目的城市使用第j个航班的货量比例，0≤x_ivj≤1，i∈I，v∈V，j∈J；

采用y_j表示定购第j个航班的货舱量，y_j∈[0，g_j]

模型目标函数为：

模型约束条件包括：

每个发运量只能前往一个始发机场：

∑_b∈Bg_ib＝1，i∈I， (1)

第i个发运量选择了第b个机场，才能使用该机场的航班：

z_ij≤g_ib，b∈B，j∈J_b，i∈I， (2)

当确定发运量前往的机场后，其货物只能被这个机场的航班运输：

当第i个发运量使用第j个航班时，第i个发运量的货物才能被第j 个航班运输：

x_ivj≤z_ij，i∈I，b∈B，v∈V， (4)

每个发运量被其对应的优先航班运输的货量的比例应不低于α

每个发运量到达机场b的时间应早于其所选择航班的集货截止时间，其中M表示一个很大的数，在一些实施例中，可以为g_j：

每个发运量的履约时效小于其所选择航班覆盖目的城市的最晚时效，其中M表示一个很大的数，在一些实施例中，可以为g_j：

每个航班的装载量不超过该航班的货舱订购量：

变量的取值范围：

进一步的，由于航班的折扣价格往往是以订购的货舱量为变量的阶梯函数，如图5所示，分别用和表示第j个航班第k个折扣价格段货舱量的下界和上界，k为价格分段的段序号，有如下关系：

用h_j(y_j)表示货舱订购价格与货舱订购量之间的函数关系，如当时(q为价格分段的段序号)，货舱订购价格为h_j(y_j)＝ c_jq。因此，目标函数中的h_j(y_j)是一个分段函数，这也就导致了上文中的目标函数为非线性函数。

在一些实施例中，设置约束条件：

f_jk∈{0，1}，v∈V，j∈K_j. (12)

f_jk表示使用的第j个航班的折扣价格区间。公式(9)表示订购的货舱量只能位于1个折扣区间，公式(10)表示货舱订购量必须位于所选区间的上界和下界之间，公式(11)表示了变量(f_jk)的取值范围。例如，当时，由于公式(10)的限制，k＞1；将的值带入公式(11)后为

由于本公开求解器只能表示小于等于的情况，y_j不能取下界的值。于是，通过使用eps，将严格小于转换为小于等于，以方便调用求解器求解，其中，eps是一个很小的数，可以为计算机的最小精度。

通过这样的方法，解决了阶梯价格导致的非线性化的问题，降低了非线性化程度，降低了运算难度，提高了求解器的运算效率。

在一些实施例中，将折扣价格线性化后，模型的目标函数转化为：

由于y_j和f_jk均为变量，该目标函数仍然是非线性函数。在一些实施例中，设置变量γ_jk，该变量的物理含义为每种货舱订购价格的货舱使用量，即γ_jk＝y_j*f_jk。设定变量后，目标函数转化为线性函数：

其中，γ_jk为变量，c_jk为常数。相应的γ_jk应满足公式(13)-(16)

公式(13)和公式(14)是γ_jk的上界约束，公式(15)是γ_jk的下界约束，公式(16)是γ_jk的取值范围约束。M为一个较大的数，为了提高求解效率，可以用g_j代替M。

当f_jk＝1时，公式(11)确保了y_j的取值范围，公式(12)和公式(14)可保证γ_jk＝y_j；当f_jk＝0时，公式(13)可保证γ_jk＝0，从而证明这样的转换方式有效。

通过上述方法，将非线性化的目标函数线性化，模型转化为一个 MILP(MixInteger Linear Programming，混合整数线性问题)。将目标函数(17)和约束条件(1)-(16)带入混合整数线性函数的求解器，如开源求解器(如scip)对模型进行求解。

通过求解器输出的变量x_ivj的值能够确定选用的航班。在一些实施例中，可以显示求解结果，例如导出到表格中，供操作人员查看和执行预定操作。

在一些实施例中，还可以调整α的值，并运用开源求解器求解，得到选用航班的成本与α值之间的关系，并用折线图表达出来。在环境发生变化后，这张图可以为决策者选择最佳的α值提供参考，进一步优化后续方案生成过程。

通过上文中的方法，从数据库中读取预测发运量和航班的信息，并处理出后续混合整数规划模型需要的数据；以定购成本最小化为目标，以发运量的时效要求和每个航班的货舱量为限制，以及货舱量的折扣价格为阶梯函数，建立混合整数规划模型；在模型中采用两种线性化方式，分别将阶梯函数和二次函数转换为线性函数；利用求解器解出最优方案，并通过调整模型中的参数，观察不同参数水平下的最佳方案，充分利用了历史数据、航班折扣，并将运算模型线性化，提高了求解结果的可靠性和运算效率。

本公开的物流载体选择方案生成装置的一些实施例的示意图如图6所示。

物品信息获取单元601能够获取物品的总发运量、发运时间限制、源地址和目的地址。在一些实施例中，可以基于订单信息进行汇总，对于每项(源地址，目的地址)的组合，获取源地址和目的地址相同，且发运时间限制相当的订单，统计订单的发运量，获取总发运量。在另一些实施例中，对于每项(源地址，目的地址)的组合，可以根据历史发运量预估发运时间限制对应的时间区间的总发运量。

载体信息获取单元602能够确定始发地、目的地和航行日期分别与源地址、目的地址和发运时间限制相匹配的物流载体，获取物流载体的参数信息。在一些实施例中，可以通过与航空公司之间的数据接口，根据发运时间限制、源地址和目的地址搜索匹配的物流载体，进而提取搜索出的物流载体的参数信息。

方案生成单元603根据总发运量、发运时间限制和物流载体的参数信息，基于约束条件和目标函数，通过由计算机运行的求解器确定选择的物流载体的集合，以及在集合中的每个物流载体分别占用的货舱量；其中，目标函数包括：在集合中的每个物流载体订购对应的货舱量时，代价总和最小。在一些实施例中，可以在求解器中设置目标函数和约束函数，进而带入总发运量、发运时间限制和物流载体的参数信息，通过求解器的求解操作获得选择的物流载体的集合，以及在集合中的每个物流载体分别占用的货舱量。在一些实施例中，求解器可以为scip求解器。

这样的装置能够通过数据收集和匹配，通过由计算及执行的目标函数运算，得到符合约束条件的物流载体选择方案，从而提高物流载体选择方案的制定效率，同时优化制定的物流载体选择方案。

本公开物流载体选择方案生成装置的一个实施例的结构示意图如图7所示。物流载体选择方案生成装置包括存储器701和处理器 702。其中：存储器701可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储上文中物流载体选择方案生成方法的对应实施例中的指令。处理器702耦接至存储器701，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器702用于执行存储器中存储的指令，能够提高物流载体选择方案的制定效率，同时优化制定的物流载体选择方案。

在一个实施例中，还可以如图8所示，物流载体选择方案生成装置800包括存储器801和处理器802。处理器802通过BUS总线803 耦合至存储器801。该物流载体选择方案生成装置800还可以通过存储接口804连接至外部存储装置805以便调用外部数据，还可以通过网络接口806连接至网络或者另外一台计算机系统(未标出)。此处不再进行详细介绍。

在该实施例中，通过存储器存储数据指令，再通过处理器处理上述指令，能够提高物流载体选择方案的制定效率，同时优化制定的物流载体选择方案。

本公开的货舱预定系统的一些实施例的示意图如图9所示。货舱预定系统包括上文中提到的任意一种物流载体选择方案生成装置91。货舱预定系统还包括预定单元92，能够根据从物流载体选择方案生成装置91获取的物流载体的集合，以及对于集合中的每个物流载体分别占用的货舱量，预定物流载体的货舱。

这样的系统能够提高物流载体选择方案的制定效率，同时优化制定的物流载体选择方案，提高货舱预定的效率，降低成本，提高运输效率。

在一个实施例中，本公开提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现物流载体选择方案生成方法、货舱预定方法对应实施例中的方法的步骤。本领域内的技术人员应明白，本公开的实施例可提供为方法、装置、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质 (包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本公开是参照根据本公开实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/ 或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和 /或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。

可能以许多方式来实现本公开的方法以及装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法以及装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。

最后应当说明的是：以上实施例仅用以说明本公开的技术方案而非对其限制；尽管参照较佳实施例对本公开进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本公开的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本公开技术方案的精神，其均应涵盖在本公开请求保护的技术方案范围当中。