收运路线的构建方法及装置

1.本发明涉及路线规划领域，尤其涉及一种收运路线的构建方法及装置。


背景技术：

2.随着城市人口的持续增长，城市固体废弃物(municipal solid waste,msw)产生量快速增加，对人类生产环境的威胁日益严重。msw管理是一项多过程活动，包括产生、源头垃圾分类、储存、收集、运输、回收、处置等，其中，收集和运输，即收运是msw管理过程中的重要环节，且收运成本占固体废物管理支出的大部分。对固体废弃物收运过程进行优化，有助于降低成本和改善环境。
3.msw收运路径优化方案主要涉及旅行商问题(travelling salesman problem，tsp)的求解，即给定一系列节点和每对节点之间的距离，求解访问每个节点一次并回到起始节点的最短回路。但在解决实际问题时，仅考虑距离最短并不能很好地优化收运过程，由此，如何优化收运过程以提高msw管理效率，为当下的研究热点之一。


技术实现要素：

4.有鉴于此，本发明提供了一种收运路线的构建方法及装置，用于优化收运过程以提高msw管理效率。
5.第一方面，本发明实施例公开了一种收运路线的构建方法包括：
6.将获取到的目标区域的地理信息输入至地理信息系统，构建目标区域的起点-终点矩阵，其中，地理信息包括所有中转站的地理位置、所有收集点的地理位置以及路网数据；
7.根据起点-终点矩阵确定各个收集点最近的中转站，得到各个中转站的收运范围；
8.针对每一个中转站的收运范围，以运输总成本最小为目标构建目标函数，并通过预设的遗传算法求解目标函数，得到各个收运范围的收运路线。
9.第二方面，本发明实施例公开了一种收运路线的构建装置包括：
10.起点-终点矩阵获取模块，用于获取目标区域的地理信息，并将地理信息输入至地理信息系统，构建目标区域对应的起点-终点矩阵，其中，地理信息包括所有中转站的地理位置、所有收集点的地理位置以及路网数据；
11.收运范围确定模块，用于根据起点-终点矩阵确定各个收集点最近的中转站，得到各个中转站的收运范围；
12.收运路线确定模块，用于针对每一个中转站的收运范围，以运输总成本最小为目标构建目标函数，并通过预设的遗传算法求解目标函数，得到各个收运范围的收运路线。
13.第三方面，本发明实施例公开了一种计算机设备，包括存储器以及处理器，存储器存储有计算机程序，计算机程序在处理器上运行时执行如上述第一方面所公开的收运路线的构建方法。
14.第四方面，本发明实施例公开了一种计算机可读存储介质，计算机可读存储介质
上存储有计算机程序，计算机程序在处理器上运行时执行如上述第一方面所公开的收运路线的构建方法。
15.本技术实施例所公开的收运路线的构建方法，通过地理信息系统，将获取到的目标区域的地理信息用于构建目标区域的起点-终点矩阵，再通过起点-终点矩阵确定各个收集点最近的中转站，从而得到各个中转站的收运范围，而针对每一个中转站的收运范围，构建以运输总成本最小为目标的目标函数，并通过预设的遗传算法求解目标函数，以得到各个收运范围的收运路线。
16.由此，本技术实施例利用目标区域中的多个中转站，将占地面积相对较大的目标区域，划分成多个占地面积相对较小的收运范围后，再进行运输路线的求解，进而目标区域中的每一条收运路线均是针对对应的收运范围，从而使每一条收运路线具备针对性和实际性。而针对各个收运范围，利用预设的遗传算法来求解运输总成本最小的收运路线，保证了车辆在每一条收运路线运作时，所花费的成本最小，进而保证了行驶距离最短，优化了msw中的收运过程，提高了msw的管理效率。
附图说明
17.为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
18.图1示出了本发明实施例提供的一种收运路线的构建方法的流程示意图；
19.图2示出了本发明实施例提供的一种路线示意图；
20.图3示出了本发明实施例提供的另一种路线示意图；
21.图4示出了本发明实施例提供的收运路线的构建方法中的步骤130的子步骤的流程示意图；
22.图5a示出了本发明实施例提供的一个初始个体的编码示意图；
23.图5b示出了本发明实施例提供的一个初始个体的路线示意图；
24.图6示出了本发明实施例提供的一种变异操作的执行示意图；
25.图7示出了本发明实施例提供的一种收运路线的构建装置的结构示意图。
具体实施方式
26.下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
27.通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
28.在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一
个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
29.此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
30.除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
31.实施例1
32.如图1所示，图1示出了本发明实施例提供的一种收运路线的构建方法的流程示意图，上述收运路线的构建方法包括：
33.s110，将获取到的目标区域的地理信息输入至地理信息系统，构建目标区域的起点-终点矩阵，其中，地理信息包括所有中转站的地理位置、所有收集点的地理位置以及路网数据。
34.可选的，上述地理信息(geography information)可通过数据平台获取；而上述地理信息系统，也即geography information system(gis)，是一种具有信息系统空间专业形式的数据管理系统，常应用于科学调查、资源管理、财产管理、发展规划、绘图和路线规划。
35.进一步的，将包括所有中转站的地理位置、所有收集点的地理位置以及路网数据的地理信息输入地理信息系统后，地理信息系统能根据地理信息生成目标区域的实际路线图，以及能生成起点-终点(origin-destination)矩阵，示范性的，起点-终点矩阵的具体形式可如表1所示。
36.表1某目标区域的起点-终点矩阵
[0037] 中转站0收集点1收集点2
…
收集点n中转站00distance01distance02
…
distance0n收集点1
…
0distance12
…
distance1n收集点2
……0…
distance2n
………………
收集点n
…………0[0038]
除此之外，还能理解的是，在优化msw中的收运过程，本发明实施例中的收集点可以理解为各个小区/社区，中转站则对应理解为垃圾中转站。而在确定其他类型的收运路线时，本发明实施例中的收集点和中转站可根据实际情况变更。
[0039]
s120，根据起点-终点矩阵确定各个收集点最近的中转站，得到各个中转站的收运范围。
[0040]
可选的，在通过s110得到起点-终点矩阵，也即得到任意一个中转站与任意一个收集点的距离后，针对任意一个收集点，均能通过起点-终点矩阵直接地得出与此收集点距离最近的中转站，由此，将各个收集点与距离最近的中转站关联，从而将占地面积较大的目标区域，划分成多个以占地面积较小的、中转站为中心的收运区域。进而在后续的收运路径求解中，避免了直接求解目标区域的收运路径而出现的计算量大且复杂的情形，并保证了每一条收运路径更贴切实际情况，更具针对性。
[0041]
除此之外，在本发明实施例的一种可实现的方式中，在划分各个中转站的收运范围时，还需考虑各个中转站的收运范围所能承受的收集点的数量。示范性的，假设一个中转站最多承受7个收集点所生产的垃圾，当中转站x1的收运范围中已包含7个收集点时，若存在一收集点y8，且距离收集点y8距离最近的中转站为x1，因x1的收运范围中已包含7个收集点，故将收集点y8划分至距离收集点y8第二近的中转站x2。可以理解的是，此种方式能避免了一个中转站过多地分配有多个收集点的情况，保证了每一个中转站的收运范围的合理性。还能理解的是，在确定每个中转站的收运范围时，约束条件的形式和数量可根据实际情况调整。
[0042]
s130，针对每一个中转站的收运范围，以运输总成本最小为目标构建目标函数，并通过预设的遗传算法求解目标函数，得到各个收运范围的收运路线。
[0043]
可以理解的是，将收运路线的规划可视作旅行商问题(travelling salesman problem，tsp)，也即求解收运车辆从起始节点出发，遍历所有中间节点的最短的、单一的回路。
[0044]
但与常规tsp不同的是，在实际的收运作业中，不能仅考虑行驶路径最短。以图2为例，图2示出了本发明实施例提供的一种路线的示意图，即求解常规tsp后，得到的路线是一个完整的回路，任意一个节点有且仅有两条相连的线。除节点1和节点6外，起始点不再与其他的节点相连。而在实际的垃圾收运过程中，运载垃圾的运输车辆在经过节点1、节点2以及节点3后，可能会出现满载或者超载的情况，进而需要前往起始点，也即中转站，以将垃圾卸下并前往节点6或节点4，直至遍历所有的中间节点并返回起始点。因此，实际的收运作业并不能视作常规tsp，并且，实际作业中，每一个中转站中能调用的车辆不固定；而在一个中转站能调用多辆车辆时，收运路线的确定应视作多旅行商问题(multiple travelling salesman problem，mtsp)。
[0045]
因此，本发明实施例将车辆在作业过程中的运输总成本作为切入点，将收运路线的确定视作特殊的mtsp。可以理解的是，在同一时间节点，相似车型的单位吨公里数运输成本可视为固定，而运输吨公里数和运输距离越小，运输成本越低。降低收运环节的成本，也即降低运输总成本，而当运输总成本最低，则运输距离也为实际作业环境中的最短行驶路径。由此，本发明实施例通过求解运输总成本最小，得到了运输总成本最小的、包含多个回路的收运路线，既保证实际的行驶路径最短，也保证了实际作业的可行性。
[0046]
进而，在本发明实施例的一种实施方式中，目标函数的具体形式如下：
[0047][0048]
其中，totalcost代表运输总成本；m代表车次数量；α代表单位公里数运输成本；transquantityj代表车次j经过各收集点的转运量与转运量对应的运输距离的乘积之和；β为空车行驶状态下单位公里数的车辆行驶成本；traveldistancej代表车次j的运输总距离；γ为车辆超载惩罚权重；mj代表车辆超载判断系数，当车辆超载时mj取1，否则取0；n代表车次j需经过的最后一个收集点的序号，代表车次j经过收集点i时的转运量；capacityj代表车次j所使用的车辆的最大承载量。
[0049]
可以理解的是，上述代表车次数量的m的值，可根据车辆容量capacityj和各个收
集点的产生量之和确定，而各个收集点垃圾产生量，可通过收运主体的数据确定，例如，通过收运公司的历史收运数据进行趋势推断来获得，也可通过设置在各个收集点的智能垃圾箱实时获得的垃圾产生量确定。
[0050]
而车次j，参考图3，图3示出了本发明实施例提供的另一种路线的示意图。其中，图3中共包含三趟车次，车次可视作经过特定节点的回路。可以理解的是，车次2为起始点与节点3的回路，为避免混淆故未标出。此外，下文中在对图2或图3中的起始点进行描述时，会将起始点视作节点0。
[0051]
可选的，关于transquantityj的计算，以图3中的车次1为例，transquantity1可通过以下过程得到：
[0052]
将车辆从节点1经过节点2最后回到节点0(起始点)的距离乘以节点1的转运量得到的加上车辆从节点2开往节点0的距离乘以节点2的转运量得到的也即换言之，transquantityj可通过下式计算：
[0053][0054]
其中，nj代表车次j需经过的收集点的数量，i代表车次j已经过的收集点数，i取0或nj时，j0和代表中转站；而k代表已经过的i个收集点中的第k个收集点。
[0055]
而关于traveldistancej，可通过下式计算得出：
[0056][0057]
关于车辆超载判断系数mj，以图3中的车次1为例，当车次1的总转运量大于车辆的最大承受量capacityj时，即时，即时，mj取1，否则取0。示范性的，mj可通过下式判定：
[0058][0059]
进一步的，本发明实施例所公开的目标函数，即式(1)，表明了优化目标是最小化运输总成本totalcost，而totalcost是车辆运重成本α*transquantityj、车辆行驶距离成本β*traveldistancej和车辆超载惩罚的总和。
[0060]
由此，求解式(1)以得到运输总成本最小时，运输总成本最小对应的收运路径也将是实际作用环境下的最短路径。
[0061]
本发明实施例所公开的收运路线的构建方法，将占地面积相对较大的目标区域，划分成多个占地面积相对较小的收运范围后，再进行运输路线的求解，即目标区域中的每一条收运路线均是针对的是对应的收运范围，因而使每一条收运路线具备针对性和实际性。而针对各个收运范围，利用预设的遗传算法来求解运输总成本最小的收运路线，保证了车辆在每一条收运路线运作时，所花费的成本最小，进而保证了行驶距离最短，优化了msw中的收运过程，提高了msw的管理效率。
[0062]
在本发明实施例的另一种实施方式中，以图4示出的本发明实施例提供的另一种收运路线的流程示意图为例，上述s130包括：
[0063]
s131，针对任意一个中转站的收运范围，将中转站作为始末节点，将各个收集点作为中间节点，并基于预设的编码规则和预设的约束条件集，重复的随机生成初始个体，以构成初始种群。
[0064]
具体的，遗传算法作为一种启发式算法，并不包含具体的公式，是一种参考了种群进化的计算模型，通过计算机仿真完成计算求解。而本技术基于遗传算法，生成了多个初始个体以构成初始种群，其中，每一个初始个体可理解为一种遵循约束条件集的可能解。
[0065]
在本发明实施例的一种实施方式中，预设的编码规则包括：每一个中转站的收运范围中，始末节点至少出现两次，所有的中间节点仅出现一次。
[0066]
示范性的，参照图5a和图5b，图5a示出了本发明实施例提供的一个初始个体的编码形式图，图5b本发明实施例提供的一个初始个体的路线形式图。图5a中，任意一个数字代表一个节点，0代表始末节点，非0数字代表中间节点，图5b中，始末节点可理解为节点0。与图3类似，为了避免混淆，图5b中的车次2亦未标出，车次2即始末节点-中间节点4-始末节点的回路。
[0067]
参照图5a和图5b，可知始末节点至少出现两次，也即任意一个初始个体的第一个节点和最后一个节点必然是始末节点，进而生成的路径中至少包含一个回路；而所有的中间节点仅可出现一次，保证了回路的唯一和互不干扰，进而保证了每一个初始个体的合理性。
[0068]
此外，可以理解的是，预设的编码规则还可以包括：始末节点不可连续出现两次，也即图5a中，不可能出现相连的两个节点均为0的情况。还能理解的是，此规则用于避免无效路线，或者说无用个体的生成，进一步保证了各个初始个体的合理性。
[0069]
而预设的约束条件集包括：容量约束、第一路线约束以及第二路线约束；
[0070]
其中，容量约束如下：
[0071][0072]
式(5)中，m代表车次数量，j代表车次序号，capacityj代表当前车次j所使用的车辆的承载能力，c代表中间节点的数量，v代表中间节点的序号，weightv代表中间节点v的转运量。
[0073]
可以理解的是，容量约束保证了经过m趟车次后，中转站的收运范围中的每一个中间节点所能产生的垃圾，均能被车辆收集并运回始末节点。
[0074]
第一路线约束如下：
[0075][0076]
式(6)中，代表车辆到达变量，nj代表车次j需经过的中间节点数量，i代表车次j已经过的中间节点数，当达到中间节点v时，若车次j已经过i个中间节点，则取为1，否则取0。
[0077]
具体而言，以图5b为例，在车次1中，当车辆到达中间节点6时，已经过0个中间节
点，则取1；当车辆到达中间节点1，已经过1个中间节点，则取1。
[0078]
第二路线约束如下：
[0079][0080]
式(7)中，代表任意一趟车次j经过i个中间节点的过程中，需经过中间节点v且中间节点v只能被车次j访问，若满足则取1，若否则取0。
[0081]
示范性的，以图5b为例，当车次1中的和均取1，车次2中的取1，车次3中的取1，车次3中的以及均取1时，取1。
[0082]
可以理解的是，式(5)、式(6)以及式(7)用于保证初始种群中，每一个初始个体的合理性，也即代表目标函数的可能解是能够合理的完成收运任务。
[0083]
还能理解的是，本发明实施例所公开的编码规则和约束条件集，可根据实际情况调整。
[0084]
s132，根据目标函数计算各个初始个体对应的适应度，并将适应度最高的初始个体存储至初始种群对应的优秀个体集合中。
[0085]
在本技术实施例中，适应度用于衡量一个初始个体是否能在种群进化的过程中，保留该初始个体的遗传因子的能力；如本实施例中，运输总成本越小，则适应度越大，成为精英个体的概率越高，进而保留遗传因子的能力越强。
[0086]
进一步的，在迭代过程中，为了保证初始种群中的最优秀个体，不因客观因素而失去遗传因子的传承，本发明实施例在每一次计算完所有的初始个体的适应度后，将适应度最高的初始个体存储至优秀个体集合中，从而保证了优选遗传因子的存留。并避免了后续的变异步骤中，优秀个体尝试变异导致原本的遗传因子消失的情况。
[0087]
可选的，在本发明实施例的一种可实现的方式中，适应度的计算过程包括：
[0088]
根据目标函数计算每一个初始个体对应的运输总成本，并将运输总成本的倒数作为每一个所述初始个体的适应度。
[0089]
换言之，本发明实施例中，运输总成本与适应度成反比，当运输总成本越小，则适应度越大，反之越小。
[0090]
s133，重复抽取初始种群中的初始个体，并将抽取得到的初始个体作为精英个体以构成精英种群，且当精英种群的种群规模与初始种群的种群规模相同时，停止抽取。
[0091]
具体而言，抽取初始个体作为精英个体以构成精英种群，即代表种群进化。可选的，抽取初始个体作为精英个体，可以是随机抽取初始个体，也可以是随机抽取适应度高于预设阈值的初始个体。具体的抽取方式可根据实际情况调整。
[0092]
可选的，在本发明实施例提供的一种实施方式里，s133包括：
[0093]
通过预设的抽取算式计算每一个初始个体的抽取概率，并根据每一个初始个体的抽取概率，重复抽取每一个初始个体以作为精英个体，构成精英种群；
[0094]
其中，抽取算式如下：
[0095][0096]
式(8)中，r
in
代表初始个体in的抽取概率，fitness
in
代表初始个体in的适应度，ps代表初始种群的种群规模。
[0097]
在此实施方式中，式(8)表明每一个初始个体的抽取概率与之适应度相关，当初始个体的适应度越高，则被抽取为精英个体的概率越大。各个初始个体的抽取概率由自身适应度决定，也即意味着高适应度的个体更容易在进化过程中保留自身的遗传因子。
[0098]
进一步的，由于高适应度的初始个体被抽取为精英个体的概率相对较高，且精英种群的种群规模与初始种群的种群规模相同，也即代表精英种群中，高适应度的初始个体会以较高的概率出现在精英种群中，并且出现的次数可能比低适应度的初始个体较多，进一步保证了高适应度个体的遗传因子的保留。
[0099]
此外，关于抽取算式(8)，仅为本发明实施例所提供的一个可选的实现方式，抽取算式可根据实际情况调整。
[0100]
s134，根据每一个精英个体的适应度确定每一个精英个体的自适应变异算子，基于每一个自适应变异算子对每一个精英个体执行变异操作，得到变异后的精英种群，并将变异后的精英种群作为新的初始种群。
[0101]
可以理解的是，s134表明本发明实施例所公开的遗传算法计算流程中，任意一个精英个体的变异概率与该精英个体的适应度相关，进而可知各个不同适应度的精英个体间的变异概率不同。
[0102]
示范性的，参见图6，图6示出了本发明实施例提供的一种变异操作的执行示意图。可以理解的是，在本发明实施例中，变异操作将改变精英个体的遗传因子，即除去第一个始末节点和最后一个始末节点外，任意两个节点的位置可能随之改变。
[0103]
可选的，在本发明实施例的一种实现方式里，s134包括：
[0104]
根据每一个精英个体的适应度和预设的变异算子计算式确定每一个精英个体的自适应变异算子；
[0105]
预设的变异算子计算式如下：
[0106]ein
＝0.8-0.4*(fitness
in-fitness
min
/fitness
max-fitness
min
)
ꢀꢀ
(9)
[0107]
式(9)中，e
in
代表初始个体in的自适应变异算子，fitness
in
代表初始个体in的适应度，fitness
min
代表初始种群中适应度的最低值，fitness
max
代表初始种群中适应度的最高值。
[0108]
本发明实施例所提供的此种实现方式，即式(9)表明精英个体的变异概率与之本身的适应度fitness
in
成反比，适应度越高，则变异概率越高，也即自适应变异算子越大。进一步保证了优秀个体的遗传因子的保留。
[0109]
并且，高适应度的个体的变异概较低，低适应度的个体的变异概率较高，因而低适应度的个体在变异操作后，由于遗传因子的改变，则对应的更改了外在表现，也即适应度会随之变化，而当适应度变高后，在下一个迭代过程中，进入精英种群的概率也随之变大，由此，保证了遗传算法的有效性。
[0110]
s135，重复执行s132至s134，直至达到预设的遗传代数后，针对每一个中转站的收
运范围，遍历各个收运范围对应的优秀个体集合，并选取各个优秀个体集合中适应度最高的初始个体以作为各个收运范围的收运路线，得到各个收运范围的收运路线。
[0111]
相对于常规的遗传算法的计算流程，本发明实施例所公开的改进的遗传算法，也即s131至s135，去除了交叉算子的计算过程与执行过程，减少了计算量并优化了计算时间，还避免了“交叉过程”对高适应度个体的编码的破坏，使得较优解对应的个体在遗传过程中更容易保留下来。
[0112]
还能理解的是，当s131中采用预设的编码规则，也即“每一个中转站的收运范围中，始末节点至少出现两次，所有的中间节点仅出现一次”的规则时，交叉过程可能将导致交叉操作后的个体出现“编码违规”的情况，即0以外的某一数字出现两次，另一数字不出现在编码中的现象。由此，本发明实施例去除了“交叉过程”后，还保证了种群进化的合理性，以及遗传算法的有效性。
[0113]
本发明实施例所公开的收运路线的构建方法，通过gis网络分析技术和改进后的遗传算法来解决多中转站-多垃圾产生源之间收运路径优化问题。将中转站-多垃圾产生源之间收运路径的确定问题，视作特殊的mtsp的求解，并在求解过程中，将各垃圾产生源的清运量差异、车辆容重、车辆运输吨公里数的因素一并考虑，使得遗传算法多能得到的解更符合实际情况。并且，在改进后的遗传算法中，通过精英个体保留策略和自适应变异因子计算环节，优化了求解效率并提高了求解准确性。
[0114]
实施例2
[0115]
参照图7，图7示出了本发明实施例提供的一种收运路线的构建装置200的结构示意图，包括：
[0116]
起点-终点矩阵获取模块210，用于获取目标区域的地理信息，并将地理信息输入至地理信息系统，构建目标区域对应的起点-终点矩阵，其中，地理信息包括所有中转站的地理位置、所有收集点的地理位置以及路网数据；
[0117]
收运范围确定模块220，用于根据起点-终点矩阵确定各个收集点最近的中转站，得到各个中转站的收运范围；
[0118]
收运路线确定模块230，用于针对每一个中转站的收运范围，以运输总成本最小为目标构建目标函数，并通过预设的遗传算法求解目标函数，得到各个收运范围的收运路线。
[0119]
可以理解的是，本发明实施例公开的收运路线的构建装置200的技术方案通过上述各个功能模块的协同作用，用于执行上述实施例中所公开的收运路线的构建方法，收运路线的构建装置200所涉及的实施方案以及有益效果在本实施例中同样适用，在此不再赘述。
[0120]
本发明实施例还提供一种计算机设备，包括存储器以及处理器，存储器存储有计算机程序，计算机程序在处理器上运行时执行如上述实施例中公开的收运路线的构建方法。
[0121]
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序在处理器上运行时执行如上述实施例中公开的收运路线的构建方法。
[0122]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构
图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0123]
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
[0124]
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0125]
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。