城市配送路径获取方法和系统技术领域
本发明涉及物流配送技术领域，特别是涉及城市配送路径获取方法和系统。
背景技术
配送是物流业中的关键步骤，其好坏直接影响整个物流系统的效率以及客户的满
意度。随着物流业向全球化、信息化以及一体化发展，配送在整个物流系统中变得越来越重
要。然而，在物流配送中，配送路径的选择是否合理直接影响配送速度、成本和效益，是一项
非常复杂的系统工程。配送路径的优化就是通过制定合理的配送路径，快速而经济地将货
物运送至用户手上。当前大部分配送企业都是采用人工调度，效率低、配送成本高；部分配
送企业有调度(配送路径)系统，但系统里的调度方案也是企业人员凭经验安排，无相关算
法支持。社会上，对于配送路径的研究多数还处于理论研究的阶段，学者们的研究虽然也取
得了一系列的成果。
节约算法是由Clarke和Wright于1964年提出的，该算法思想简单，该算法主要是
通过计算配送点与各用户之间以及各个用户之间的最短距离，然后根据最短距离计算出各
用户之间的节约里程值，然后节约里程值最大的路径为最优路径，这种算法已经被同于解
决旅行商问题，能快速得到问题的满意解。例如，一种基于基类和节约算法的路线优化推荐
方法，它主要是利用K-means聚类方法将零售户划分为不同区域，再利用节约算法大规模计
算目的地节约值，该方法路径优化至考虑路径节约值，将路径节约值最大的路径选定为客
户最优拜访路径。然而，在现实任务中，传统的节约算法在配送路径计算时容易产生错误，
如当几个节约值非常接近时，并非最大的节约值对应的路径为最优配送路径，有时采用较
小的节约值结果反而更优。
发明内容
基于此，有必要针对配送获取路径中传统节约算法容易产生错误的问题，提供一
种城市配送路径获取方法。
一种城市配送路径获取方法，包括以下步骤：
获取门店节约值列表、各个门店剩余需求量以及可用车辆队列；
在第一参考节约值与所述门店节约值列表中的当前节约值的差值小于波动阈值，
且当前节约值所关联的门店剩余需求量之和小于可用车辆队列中待派车辆最大承载量时，
则将当前节约值对应的门店添加至初始配送路径方案列表中；所述第一参考节约值为门店
节约值列表中满足第一条件的所有节约值中最大的节约值，所述第一条件为节约值所关联
的门店需求量之和小于可用车辆队列中待派车辆最大承载量；
根据初始配送路径方案列表中的初始路径方案确定最终配送路径方案。
一种城市配送路径获取系统，包括：
信息获取模块，用于读取门店节约值列表、各个门店剩余需求量以及可用车辆队
列；
初始路径方案生成模块，用于在第一参考节约值与所述门店节约值列表中的当前
节约值的差值小于波动阈值，且当前节约值所关联的门店剩余需求量之和小于可用车辆队
列中待派车辆最大承载量时，则将当前节约值对应的门店添加至初始配送路径方案列表
中；所述第一参考节约值为门店节约值列表中的节约值，所述门店节约值列表中的节约值
所关联的门店需求量之和小于可用车辆队列中待派车辆最大承载量且为最大节约值；
最终配送路径确定模块，用于根据初始配送路径方案列表中的初始路径方案确定
最终配送路径方案。
本发明实施例所提供的城市配送路径优化方法和应用系统，利用了节约算法的基
本思想，并且在传统的节约算法中引入参考节约值的概念，通过控制参考节约值与各门店
节约值的差值小于指定的波动阈值，经过反复计算得到最佳优化路径，计算过程效率高、结
果精确，避免了盲目选择最大节约值对应的路径为最佳配送路径。
附图说明
图1为本发明的城市配送路径获取方法在一个实施例中的流程示意图；
图2为本发明实施例中根据初始配送路径方案列表中的初始路径方案确定最终配
送路径方案的流程示意图；
图3为本发明实施例中根据初始配送路径方案列表中的初始路径方案确定最终配
送路径方案的另一个流程示意图；
图4为本发明实施例中根据最终配送路径方案列表中的路径方案确定最终配送路
径方案的流程示意图；
图5为本发明实施例中根据最终配送路径方案列表中的路径方案确定最终配送路
径方案的另一个流程示意图；
图6为本发明的城市配送路径获取方法在另一个实施例中的流程示意图；
图7为本发明的城市配送路径获取系统在一个实施例中的结构示意图；
图8为本发明的城市配送路径获取系统中最终确定模块的结构示意图；
图9为本发明的城市配送路径获取系统在另一个实施例中的结构示意图。
具体实施方式
下面将结合较佳实施例及附图对本发明的内容作进一步详细描述。显然，下文所
描述的实施例仅用于解释本发明，而非对本发明的限定。基于本发明中的实施例，本领域普
通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的
范围。应当说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
图1是本发明的城市配送路径获取方法在一个实施例中的流程示意图，如图1所
示，本实施例中的城市配送路径获取方法包括以下步骤：
步骤S110，获取门店节约值列表、各个门店剩余需求量以及可用车辆队列。
本实施例中，门店节约值列表存储着一系列各门店的节约值。门店节约值是根据
各门店的位置以及配送中心的位置计算得到，节约值计算过程首先是计算出各门店之间以
及门店与配送中心之间最短的距离得到距离矩阵，然后根据距离矩阵计算出各门店之间的
节约里程，即节约值，并把节约值存储至各门店节约值列表中。
为了详细说明节约值计算过程，进行举例说明，假设P为配送中心，A和B分别为两
个门店，其中配送中心P与门店A之间的距离为a(即PA＝a)，配送中心P与门店B之间的距离
为b(即PB＝b)，门店A与门店B之间的距离为c(即AB＝c)。如果用两辆车分别从P向A和B配送
货物，车辆的行驶里程为2a+2b；如果只派一辆车，从P向A、B巡回配送，则车辆总里程为a+b+
c，节约值就为(2a+2b)-(a+b+c)＝a+b-c。
门店初始需求量就是各门店所需的货物数量，门店剩余需求量，就是门店的初始
需求量经过某个运算后配送了一部分货物数量，剩余的部分即为门店剩余需求量。可用车
辆队列包括可用车辆的最大承载量、车辆数量。另外，可用车辆队列还可以包括各车辆的编
号、司机信息等，方便货物的派送。波动阈值是用户可以设定的，通常用百分比表示(例如波
动阈值为3％)，在不同的路径获取方案中，波动阈值可以不同。
步骤S120，在第一参考节约值与所述门店节约值列表中的当前节约值的差值小于
波动阈值，且当前节约值所关联的门店剩余需求量之和小于可用车辆队列中待派车辆最大
承载量时，则将当前节约值对应的门店添加至初始配送路径方案列表中；第一参考节约值
为门店节约值列表中满足第一条件的所有节约值中最大的节约值，第一条件为节约值所关
联的门店需求量之和小于可用车辆队列中待派车辆最大承载量。
在本实施中，首先确定第一参考节约值。计算门店节约值列表中的节约值所关联
的门店需求量之和，当节约值所关联的门店需求量之和小于可用车辆队列中待派车辆最大
的承载量，并且该节约值在门店节约值列表中是最大值时，令该节约值为第一参考节约值。
例如门店节约值列表中存储有节约值S1、S2、S3、S4等，其中S1>S2>S3>S4,S1、S2、S3、S4所关
联的门店需求量之和都小于可用车辆队列中待派车辆最大的承载量，那么设置S1为第一参
考节约值。接下来计算门店节约值列表中的下一个节约值与第一参考节约值的差值，当差
值小于波动阈值(例如δ1)，并且节约值所关联的门店的需求量之和小于可用车辆队列中待
派车辆最大承载量时，将节约值对应的门店添加至初始配送路径方案列表中；通过反复计
算，初始配送路径方案列表中存储着一系列的初始路径方案。
步骤S130，根据初始配送路径方案列表中的初始路径方案确定最终配送路径方
案。
根据初始配送路径方案列表中的初始路径方案确定最终配送路径放案的过程中，
可以根据现有技术确定最终配送路径方案。在初始配送路径方案列表中的初始路径方案中
添加第3个门店、第4个门店等，组成新的路径方案，依次类推，可以确定最终的配送路径方
案。
本发明实施例所提供的城市配送路径优化方法，利用了节约算法的基本思想，在
传统的节约算法进行改进，在传统算法中引入参考节约值的概念，通过控制参考节约值与
各门店节约值的差值小于波动阈值，能有效减少传统算法在计算路径时的错误，并且经过
反复计算得到最佳优化路径，避免了盲目选择最大节约值对应的路径为最佳配送路径。
作为一种优选的实施方式，如图2所示，本实施例中的城市配送路径获取方法中根
据初始配送路径方案列表中的初始路径方案确定最终配送路径方案还可以采用波动节约
算法，具体包括以下步骤：
步骤S210，在初始配送路径方案列表中当前初始路径方案所关联的门店与门店节
约值列表中当前节约值所关联的门店中的任一个门店相同，且第二参考节约值的与当前节
约值与差值小于波动阈值时，计算当前初始路径方案所关联的门店需求与当前节约值所关
联的门店剩余需求量之和；第二参考节约值为门店节约值列表中的满足第二条件的所有节
约值中最大节约值，第二条件为节约值所关联的门店剩余需求量之和小于可用车辆队列中
待派车辆最大承载量且节约值所关联的门店与当前初始路径方案所关联的门店中的任一
个相同；
步骤S220，在当前初始路径方案所关联的门店总需求量与所述当前节约值所关联
的门店剩余需求量之和小于可用车辆队列中待派车最大承载量时，将所述当前节约值对应
的门店添加至所述当前初始路径方案并更新初始路径方案，直至当前初始路径方案所关联
的门店需求量总和与可用车辆队列中待派车辆最大承载量之差的绝对值小于剩余门店中
任一个门店剩余需求量；
步骤S230，将初始配送路径方案列表中的所有更新后的初始路径方案添加至最终
配送路径方案列表中；
为了便于理解，给出一个详细实施例。初始配送路径方案列表TL中存储有N个初始
路径方案，分别为L1、L2、……Ln，设当前初始路径方案为Li(1≤i≤n)，其包含门店A、B(可
表示为Li＝AB)，门店节约值列表S中有节约值S1、S2、……Sn，其中S1、S2……Sn所关联的门
店的需求量之和都小于待派车辆的最大承载量，且S1>S2……>Sn，若S1、S2……Sn关联的门
店与当前初始路径方案Li(Li＝AB)所关联的门店A或B任一个相同时，在Li所关联的初始路
径方案A和B的总需求量和S1所关联的门店需求量总和小于待派车量最大承载量，那么设置
S1为第二参考节约值，并将S1所关联的门店添加至Li中组成新的路径方案Li1。当S1与S2，
S1与S3....S1与Sn的差值都小于波动阈值，在Li所关联的初始路径方案A和B的需求量和
S2……、Sn所关联的门店需求量总和小于待派车量最大承载量，则将S2.....、Sn所关联的
门店添加至Li中组成新的路径方案Li2....、Lin。取新的路径方案Li1、Li2....、Lin按照上
述方法再次更新路径方案，直至Li1、Li2....、Lin所关联的门店的需求量之和与待派车辆
的最大承载量之差的绝对值小于任一个门店剩余需求量时，将当前初始路径方案添加至最
终配送路径方案列表中。
为了便于理解，给出一个更加详细实施例。设当前初始路径方案为TLi(1≤i≤n)，
并将TLi记为Li，其包含门店A、B(可表示为Li＝AB)，门店节约值S1、S2、S3，(S1>S2>S3)其中
S1关联的门店为AC，S2关联的门店为BE、S3关联的门店为CD。待派车最大承载量为N，波动阈
值为δ2，A、B、C、D、E门店剩余需求量分别为N1、N2、N3、N4、N5。其中门店AB、AC、BE、CD的需求
量之和都小于N，因为S1关联的门店AC与当前初始路径方案Li(Li＝AB)中的A相同，并且A、
B、C三个门店剩余需求量总和小于待派车最大承载量时，即N1+N2+N3<N，设置S1为第二参考
节约值，就将S1关联的门店A、C添加至Li中组成ABC路径方案。
由于S2关联的门店BE与当前初始路径方案Li(Li＝AB)中的B相同，那么BE可能可
以添加至Li路径中，组成ABC路径方案。由于S3关联的门店CD与当前初始路径方案Li(Li＝
AB)中的任一门店即A、B都不相同，那么S3关联的门店将不能添加至Li路径中。当S2与第二
参考节约值S1的差值小于波动阈值δ2(S1-S2<δ2)，并且A、B、E三个门面的需求量总和小于
待派车最大承载量时，即N1+N2+N5<N，就可以组成ABE路径方案，反之，则不可以。本实施例
中的波动阈值δ2可以与计算初始配送路径时的波动阈值δ1一致，也可以不同，即δ2＝δ1或
者δ2≠δ1。
按照上述方法依次对路径方案ABC、ABE添加第4个、第5个等门店(例如组成路径
ABCD，ABDE，ABCDE，ABCEF等)，直至这个路径方案达最大值(例如ABCEF)，没有任何一个门店
可以添加至初始路径方案中，即当前路径方案中所有门店总需求量于待派车辆中最大承载
量的差值的绝对值小于剩余门店中任意一个门店剩余需求量，将该路径方案添加至最终配
送路径方案列表中。
步骤S240，根据最终配送路径方案列表中的路径方案确定最终配送路径方案。
本实施中的城市配送路径获取方法中在根据初始配送路径方案确定最终配送路
径时，也采用了波动节约算法，比传统计算方法更加精确，得到的结果更加优化。
可选地，参考图3所示，本实施例中的城市配送路径获取方法中根据初始配送路径
方案列表中的初始路径方案确定最终配送路径方案，还包括以下步骤：
步骤S2201，在运行步骤S210时，当所述当前初始路径方案所关联的门店总需求量
与所述当前节约值所关联的门店剩余需求量之和大于可用车辆队列中待派车最大承载量，
且当前初始路径方案所关联的门店总需求量总和与可用车辆队列中待派车辆最大承载量
之差的绝对值大于分割阈值时，对所述当前节约值所关联的门店剩余需求量进行分割，并
将所述当前节约值对应的门店添加至所述当前初始路径方案,并更新初始路径方案。
为了便于理解，提供一个详细的实施例，在满足步骤S210的条件下，
初始配送路径方案列表TL中存储有N个初始路径方案，分别为L1、L2、……TLn，设
当前初始路径方案为Li(1≤i≤n)，并将Li记为Li，其包含门店A、B、C、D(可表示为Li＝
ABCD)，门店节约值列表S中有节约值S1、S2、……Sn，设置当前节约值为Si(1≤i≤n)，A、B、
C、D门店的需求量为N1、N2、N3、N4，当前节约值关联的门店为DE，需求量分别为N4、N5。待派
车辆最大承载量为N，分割阈值为θ，在当前路径方案Li对应的门店A、B、C、D需求量之和与当
前节约值Si关联的门店D、E的需求量总和大于待派车辆最大承载量N，且在当前路径方案Li
对应的门店A、B、C、D需求量之和与待派车辆最大承载量N之差的绝对值小于分割阈值θ时，
即N1+N2+N3+N4+N5>N且|N1+N2+N3+N4-N<θ，将当前节约值Si对应的门店D、E的需求量进行
分割，并组成新的路径方案ABCDE。
例如当前初始路径方案为ABCD总需求量为350，车辆最大承载量为400，剩余门店
E、F需求量分别为60、100，分割阈值θ＝10，ABCDE和ABCDF的需求量总和都大于最大车载量
为400。在ABCD需求量总和与车辆最大承载量之差的绝对值大于分割阈值时(例如|350-400
|＝50>10)，对E、F门店需求量进行分割，并把E、F添加至ABCD路径中，组成ABCDE、ABCDF路径
方案。本实施例中分割阈值θ是可以设置的，不是一个定值。
在本实施例中，在根据初始配送路径确定最终配送路径方案时，采用了分割方法，
可以有效保障车辆以最大承载量进行配送，能有效节约资源。
在另一实施例中，参考图4所示，本实施例中的城市配送路径获取方法，还包括：
步骤S250，获取各门店初始需求量，在当前门店初始需求量大于可用车辆队列中
待派车辆的最大车载量时，将当前门店添加至最终配送路径方案中，并根据当前门店初始
需求量和可用车辆队列中待派车辆的最大承载量计算当前门店剩余需求量。
优选地，在计算初始配送路径之前，判断是否具有需要单独配送的路径方案，当某
一门店初始需求量大于可用车辆队列中待派车辆的最大车载量时，将该门店添加至最终配
送路径方案中，并根据当前门店的需求量和可用车辆队列中待派车辆的最大承载量计算当
前门店剩余需求量。例如有许多门店A、B.....K，门店A、B....K的需求量为N1、N2…Nk，车辆
的最大车载量为N，将K门店需求量Nk大于N，将N添加至优先配送路径方案中，并计算门店K
剩余的需求量为Nk-N。
优选地，本实施例中的城市配送路径获取方法，根据最终配送路径方案列表中的
路径方案确定最终配送路径方案，如图所示5，还包括以下步骤，
步骤S2401，计算最终配送路径方案列表中的各配送路径方案的总路程，找出最优
路径方案。
利用波动节约算法计算出的最终配送路径方案中包含多种配送方式，即具有多种
配送路径方案，对每一种配送路径方案进行二次计算，得出每一种配送路径方案实际的总
路程，实际总路程最小的配送路径方案为最终配送路径方案。
本实施例中城市配送路径获取方法，对计算出的一系列配送路径方案进行二次计
算优化，找到最优化的路径方案，将最优化的路径方案确定为最终配送路径方案。
在另一实施例中，参照图6，一种城市配送路径的获取方法，包括以下步骤：
步骤1：读取门店节约值列表S、门店初始需求量、可用车辆队列以及波动阈值。
步骤2：初始化门店节约值列表S(令节约值从大到小排列)，并定义用于存储最终
全部配送路径方案的列表F。
步骤3：检测各门店的需求量是否大于可用车辆队列中待派车辆的最大车载量时，
若是，将该门店添加到列表Q中，并计算该门店剩余需求量。若否，则列表Q为空。
步骤4：初始化索引值Qindex＝0。从Q中提取位于Qindex位置的派车方案，记为Qi。可
用车辆队列中有多种待派车辆车型，就对应有多种派车方案。
步骤5：计算门店剩余需求量和可用车辆队列，并结合节约值列表S中节约值计算
初始配送路径方案并将该方案存储至TL列表中。
具体步骤为：
步骤5.1：根据列表Qi信息，计算剩余门店需求量列表RP，以及可用车辆队列列表
RC。
步骤5.2：根据节约值列表S确定第一参考节约值；查找节约值列表S中下一个节约
值为Snext，当Snext关联的两个门店均在RP中；
步骤5.3：计算Snext跟第一参考节约值的差值是否小于波动阈值；
步骤5.4：若是，判断Snext关联的两个门店剩余需求量之和是否小于可用车辆队
列列表RC待派车辆最大承载值；若是，运行步骤5.5。
步骤5.5：将Snext对应的两个门店添加至初始配送路径方案列表TL中。
步骤5.6：Snext增加1，继续重复运行步骤5.2至步骤5.5。
步骤5.7：返回初始配送路径方案列表TL
步骤6：初始化TLindex＝0，从TL列表中提取TLindex位置初始配送路径方案，记为Li。
步骤7：根据Li中包含的门店信息，剩余门店需求量和可用车辆列队，结合门店节
约值列表中S节约值，计算可以添加至Li中的门店列表，即为AP；
具体方法为：
步骤7.1：根据列表Li信息，计算剩余门店需求量列表RP，以及可用车辆队列列表
RC。
步骤7.2：根据节约值列表S确定第二参考节约值；查找节约值列表S中下一个节约
值级为Snext，当Snext关联的两个门店有一个在RP中，另一个门店Px可以合并到Li对应的
配送路径中；
步骤7.3：计算Snext跟第二参考节约值的差值是否小于波动阈值；
步骤7.4：若是，判断Snext关联的门店需求量与Li关联的门店需求量总和是否小
于可用车辆队列列表RC待派车辆最大承载值；若是，运行步骤7.5。若否，继续返回7.2步骤
查找；
步骤7.5：将门店Px添加到可以追加到Li中门店方案AP列表中。
步骤7.6：Snext增加1，继续重复运行步骤7.2至步骤7.5。
步骤7.7：返回AP列表；
步骤8：判断AP是否为空；否是，运行步骤10；若否，运行步骤9。
步骤9：初始化索引值APindex＝0，从AP中提取位于APindex位置的门店，即为APi，将
APi添加至Li中。
步骤10：判断是否允许分割门店剩余需求量。若是，运行步骤11；若否，运行步骤
12。
步骤11：计算Li关联的门店需求量总和与可用车辆队列中待派车辆最大承载量的
差值的绝对值是否大于分割阈值；若是，运行步骤12；若否，运行步骤13。
步骤12：根据节约值列表S中节约值，查找可以跟Li关联的门店，分割一部分需求
量并增加到Li中。
步骤13：根据Li需求量，安排合适的车型并形成一次派送路径，将Li路径添加Qi
中。
步骤14：判断Qi是否包含了所有的门店信息；若是，运行步骤16；若否，运行步骤
15。
步骤15：根据Qi值，继续计算剩余门店的配送路径方案。
步骤16：将Qi添加至最中配送路径方案列表F中。
步骤17：判断AP中是否还有可以添加至Li中门店。若是，运行步骤18；若否，运行步
骤19。
步骤18：APindex增加1，循环运行步骤7。
步骤19：判断初始配送路径列表TL中是否还有其他初始配送路径方案需要进一步
计算；若是，运行步骤20；若否，运行步骤21。
步骤20：TLindex增加1，循环步骤4。
步骤21：判断列表Q还有其他方案需要进一步计算。若是，运行步骤22；若否，运行
步骤23。
步骤22：Qindex增加1，循环运行步骤6。
步骤23：将全部方案存储至最终配送路径方案列表F中。
步骤24：对F中每一种最终配送路径方案进行二次计算优化，计算每种最终配送路
径方案的总路程，路程最小的配送路径方案，记为Fbest。
步骤25：输出Fbest。其中Fbest为最终配送路径方案。
其中步骤5和7是反复循环的过程。
根据上述本发明的城市配送路径优化方法，本发明还提供一种城市配送路径获取
系统，下面结合附图及较佳实施例对本发明的城市配送路径优化的系统进行详细说明。
图7为本发明的城市配送路径优化方法的系统在一个实施例中的结构示意图。如
图7所示，该实施例中的城市配送路径获取系统，包括：
信息获取模块10，用于读取门店节约值列表、各个门店剩余需求量以及可用车辆
队列；
初始路径方案生成模块20，用于在第一参考节约值与门店节约值列表中的当前节
约值的差值小于波动阈值，且当前节约值所关联的门店剩余需求量之和小于可用车辆队列
中待派车辆最大承载量时，则将当前节约值对应的门店添加至初始配送路径方案列表中；
第一参考节约值为门店节约值列表中的节约值，所述门店节约值列表中的节约值所关联的
门店需求量之和小于可用车辆队列中待派车辆最大承载量且为最大节约值；
最终配送路径确定模块30，用于根据初始配送路径方案列表中的初始路径方案确
定最终配送路径方案。
图8为本发明的城市配送路径优化方法的系统在另一个实施例中的结构示意图。
如图8所示，所述最终配送路径确定模块，包括：
门店需求量计算模块301，用于在初始配送路径方案列表中当前初始路径方案所
关联的门店与门店节约值列表中当前节约值所关联的门店中的任一个门店相同，且第二参
考节约值的与当前节约值与差值小于波动阈值时，计算当前初始路径方案所关联的门店需
求与当前节约值所关联的门店剩余需求量之和；第二参考节约值为门店节约值列表中的节
约值，门店节约值列表中的节约值所关联的门店剩余需求量之和小于可用车辆队列中待派
车辆最大承载量及门店节约值列表中的节约值所关联的门店中与当前初始路径方案所关
联的门店中的任一个相同，且为最大节约值；
初始路径方案更新模块302，用于在当前初始路径方案所关联的门店总需求量与
当前节约值所关联的门店剩余需求量之和小于可用车辆队列中待派车最大承载量时，将当
前节约值对应的门店添加至当前初始路径方案并更新初始路径方案，直至当前初始路径方
案所关联的门店需求量总和与可用车辆队列中待派车辆最大承载量之差的绝对值小于剩
余门店中任一个门店剩余需求量时，将当前初始路径方案添加至最终配送路径方案列表
中；更新初始配送路径方案列表中的所有初始路径方案，并将更新后的初始路径方案添加
至最终配送路径方案列表中；
最终路径方案计算模块303，用于根据最终配送路径方案列表中的路径方案确定
最终配送路径方案。
仍参照图8，在另一实施例中的城市配送路径获取系统，所述初始路径方案更新模
块，还包括：
门店需求量分割模块3021，用于在当前初始路径方案所关联的门店总需求量与当
前节约值所关联的门店剩余需求量之和大于可用车辆队列中待派车最大承载量，且当前初
始路径方案所关联的门店总需求量总和与可用车辆队列中待派车辆最大承载量之差的绝
对值大于分割阈值时，对当前节约值所关联的门店剩余需求量进行分割，并将当前节约值
对应的门店添加至当前初始路径方案,并更新初始路径方案。
仍参照图9，在另一实施例中的城市配送路径获取系统，还包括：
门店需求量获取模块40，用于获取各门店初始需求量，
单独配送路径生成模块50，用于在当前门店初始需求量大于可用车辆队列中待派
车辆的最大车载量时，将当前门店添加至最终配送路径方案中，并根据当前门店初始需求
量和可用车辆队列中待派车辆的最大承载量计算当前门店剩余需求量。
仍参照图8，在另一实施例中的城市配送路径获取系统，所述最终路径方案计算模
块，还包括
路径优化模块3031，用于计算最终配送路径方案列表中的各配送路径方案的总路
程，找出最终配送路径方案。
上述城市配送路径优化的系统可执行本发明实施例所提供的城市配送路径优化
方法，具备执行方法相应的功能模块和有益效果。至于其中各个功能模块所执行的处理方
法，例如信息获取模块10、路径优化模块3031等的处理方法，可参照上述方法实施例中的描
述，此处不再进行赘述。
仍参照图9，在另一实施例中的城市配送路径获取系统，还包括：
节约值计算模块60，用于在电子地图上获取各个门店之间的路径距离，根据各门
店之间路径距离计算各门店节约值，并将各门店节约值存储至门店节约值列表中；
显示模块70，用于显示最终配送路径方案。
所述电子地图可以为百度地图、高德地图、谷歌地图等。
在本实施例中的城市配送路径获取系统，在该系统中添加电子地图，直接在电子
地图上获取各门店之间的距离，所得里程值更贴近实际，计算所得节约值等更加精确。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实
施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存
在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并
不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来
说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护
范围。因此，本发明专利的保护范围应以所附权利要求为准。