作者：xinixin
物流配送也称为多旅行商分析，是指在网络数据集中，给定 M 个配送中心点和 N 个配送目的地（M，N 为大于零的整数），查找经济有效的配送路径，并给出相应的行走路线。物理配送可以更合理分配配送次序和送货路线，使配送总花费达到最小或每个配送中心的花费达到最小。下面小编将用SuperMap产品，以小车每天配送包裹8（9:00—17:00）小时为例分享物流配送的数据制作和功能实现。
一、 数据制作
1、 数据准备
准备研究区域的道路线数据集、包裹配送中心点和包裹配送点（小编准备了1个包裹中心点和20个包裹配送点）。
2、 构建网络数据
将线数据集构建二维网络数据集，如下图所示：
3、 添加字段
在上一步生成的网络数据集中添加小车跑的速度（单位默认：米/分钟）和每个弧段耗时（单位默认：分钟），可以通过更新列先设置网络数据集中小车速度字段（SuDu）值为60（应不同的交通工具设置合理的行驶速度）；然后再更新耗时字段（Times）值，在更新列中使用“双字段运算”（SmLength / SuDu）得到。
二、 功能实现
在功能这块小编使用SuperMap iObjects Java来实现，在9D版本前，iObjects Java中是用TransportationAnalyst类下的findMTSPPath（）方法来实现，但无法设置配送车辆信息、需求量等的设置，所以为了更充分满足现实生活中不同的使用场景，从9D版本开始，TransportationAnalyst类下增加了findVRPPath（）方法更好的实现物流配送。下面将分享物流配送的具体实现：
1、打开数据
可以通过工作空间或者数据源打开iDesktop中准备好的数据，具体代码就不做过多介绍。
2、参数设置
1）物流配送分析属于交通网络分析中的一种，所以需要先对交通网络分析参数对象并进行相应设置，具体参数设置如下：
//创建交通网络分析参数对象并进行相应设置
TransportationAnalystSetting transportationAnalystSetting = new
TransportationAnalystSetting();
//设置物流配送分析的网络数据集
transportationAnalystSetting.setNetworkDataset(networkDataset);
//设置网络数据集中的节点ID
transportationAnalystSetting.setNodeIDField ("SmNodeID");
//设置网络数据集中的弧段ID
transportationAnalystSetting.setEdgeIDField ("SmEdgeID");
//设置网络数据集中表示弧段的起始点ID的字段
transportationAnalystSetting.setFNodeIDField("SmFNode");
//设置网络数据集中表示弧段的终止点ID的字段
transportationAnalystSetting.setTNodeIDField("SmTNode");
2）设置分析过程中的字段权重信息，如果想要在分析过程中有耗时限制和分析结果中含有时间点信息，除了要设置弧段长度字段权重信息外，还需要设置耗时字段权重信息。具体实现代码如下：
//设置权重信息(用时间和长度字段设置权重)
WeightFieldInfos weightInfos = new WeightFieldInfos();
WeightFieldInfo weightInfo = new WeightFieldInfo();
weightInfo.setFTWeightField ("Times");
weightInfo.setTFWeightField ("Times");
weightInfo.setName ("time");
WeightFieldInfo weightFieldInfo1 = new WeightFieldInfo();
weightFieldInfo1.setFTWeightField("SmLength");
weightFieldInfo1.setTFWeightField("SmLength");
weightFieldInfo1.setName("length");
weightInfos.add(weightInfo);
weightInfos.add(weightFieldInfo1);
transportationAnalystSetting.setWeightFieldInfos (weightInfos);3）设置分析对象并加载模型，具体代码如下：
//创建交通网络分析对象并设置分析环境对象
TransportationAnalyst transportationAnalyst = new TransportationAnalyst();
transportationAnalyst.setAnalystSetting (transportationAnalystSetting);
//加载网络模型
transportationAnalyst.load();4）构造物流分析参数设置对象，设置权重名称、分析模式，具体代码如下：
扫描二维码关注公众号，回复：
933818 查看本文章
//构造物流分析参数设置对象，设置权重名称、分析模式：
VRPAnalystParameter parameter = new VRPAnalystParameter();
//设置权值字段信息的名称
parameter.setWeightName(weightFieldInfo1.getName());
//设置时间字段信息的名称
parameter.setTimeWeight(weightInfo.getName());
//耗费最少模式
parameter.setAnalystType(AnalystType.LEASTCOST);
//设置分析结果中包含路由（GeoLineM）对象的集合
parameter.setRoutesReturn(true);
//设置分析结果中包含途经弧段的集合
parameter.setEdgesReturn(true);
//设置分析结果中包含结点的集合
parameter.setNodesReturn(true);
//设置分析结果中是否要包含站点索引的集合
parameter.setStopIndexesReturn(true);
//设置分析结果的路线条数
parameter.setRouteCount(5);其中parameter.setRouteCount()方法在9.10版本才添加，如果不设置这个参数，那么物流配送的分析结果和安排的配送车的耗载量有关。
5）设置5量配送车一天工作8小时配送包裹，具体实现如下：
Date startTime = new Date();
Date endTime = new Date();
//设置5辆车信息数组：
VehicleInfo[] vehicles = new VehicleInfo[5];
for (int i = 0; i < vehicles.length; i++) {
vehicles[i] = new VehicleInfo();
//每辆车的发车时间最多8小时，28800秒
vehicles[i].setCost(28800);
//每辆车的耗载量1000
vehicles[i].setLoadWeights(new double[]{1000});
SimpleDateFormat format = new SimpleDateFormat("HH:mm:ss");
try {
startTime = format.parse("09:00:00");
endTime = format.parse("17:00:00");
} catch (ParseException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
//设置车辆的发车和收车时间（早9点晚5点）
vehicles[i].setStartTime(startTime);
vehicles[i].setEndTime(endTime);
}6）设置包裹配送中心点，具体设置如下
//设置中心点信息数组（1个中心点）：
CenterPointInfo[] centers = new CenterPointInfo[1];
centers[0] = new CenterPointInfo();
//通过节点id设置中心点（也可以通过节点坐标设置）
centers[0].setCenterID(109329);
//centers[0].setCenterPoint(new Point2D(116.4081654,40.10596173));其中配送中心点可以通过节点ID来设置，也可以通过节点的坐标系来设置，下面设置派送点时也是类似的。
7）包裹派送点设置，具体代码如下：
//设置需求点信息数组（20个派送点）：
DemandPointInfo[] demands = new DemandPointInfo[20];
demands[0] = new DemandPointInfo();
demands[0].setDemandID(108051);
//每个派送点有10斤包裹
demands[0].setDemands(new double[]{10});
demands[1] = new DemandPointInfo();
demands[1].setDemandID(108068);
demands[1].setDemands(new double[]{10});
demands[2] = new DemandPointInfo();
demands[2].setDemandID(109415);
demands[2].setDemands(new double[]{10});
demands[3] = new DemandPointInfo();
demands[3].setDemandID(104702);
demands[3].setDemands(new double[]{10});
demands[4] = new DemandPointInfo();
demands[4].setDemandID(110859);
demands[4].setDemands(new double[]{10});
demands[5] = new DemandPointInfo();
demands[5].setDemandID(112135);
demands[5].setDemands(new double[]{10});
demands[6] = new DemandPointInfo();
demands[6].setDemandID(110785);
demands[6].setDemands(new double[]{10});
demands[7] = new DemandPointInfo();
demands[7].setDemandID(107938);
demands[7].setDemands(new double[]{10});
demands[8] = new DemandPointInfo();
demands[8].setDemandID(113287);
demands[8].setDemands(new double[]{10});
demands[9] = new DemandPointInfo();
demands[9].setDemandID(114764);
demands[9].setDemands(new double[]{10});
demands[10] = new DemandPointInfo();
demands[10].setDemandID(114637);
demands[10].setDemands(new double[]{10});
demands[11] = new DemandPointInfo();
demands[11].setDemandID(116237);
demands[11].setDemands(new double[]{10});
demands[12] = new DemandPointInfo();
demands[12].setDemandID(114596);
demands[12].setDemands(new double[]{10});
demands[13] = new DemandPointInfo();
demands[13].setDemandID(113256);
demands[13].setDemands(new double[]{10});
demands[14] = new DemandPointInfo();
demands[14].setDemandID(107949);
demands[14].setDemands(new double[]{10});
demands[15] = new DemandPointInfo();
demands[15].setDemandID(113210);
demands[15].setDemands(new double[]{10});
demands[16] = new DemandPointInfo();
demands[16].setDemandID(111995);
demands[16].setDemands(new double[]{10});
demands[17] = new DemandPointInfo();
demands[17].setDemandID(110714);
demands[17].setDemands(new double[]{10});
demands[18] = new DemandPointInfo();
demands[18].setDemandID(107971);
demands[18].setDemands(new double[]{10});
demands[19] = new DemandPointInfo();
demands[19].setDemandID(104661);
demands[19].setDemands(new double[]{10});8）进行物流配送分析，返回分析结果，并根据项目需求得到分析结果的具体信息（比如每条配送路线经过派送点的时间点）或者将结果路线以不同的颜色显示在地图上，部分实现代码如下：
//进行物流分析，返回物流分析方案
VRPAnalystResult result = transportationAnalyst.findVRPPath(parameter,
vehicles, centers, demands);
if (result==null) {
JOptionPane.showMessageDialog(null, "分析失败");
}
//返回物流配送中每条线路中到达每个配送点的时间
Date[][] datas = result.getTimes();
for (int i = 0; i < datas.length; i++) {
int n = i + 1;
System.out.println("第"+ n + "条到达包裹点时间");
for (int j = 0; j < datas[i].length; j++) {
Date time = datas[i][j];
System.out.println(time.toString());
}
}
//将分析结果线以不同颜色显示在地图上
GeoLineM[] lineMs = result.getRoutes();
int count = lineMs.length;
System.out.println(String.valueOf(count));
//填充路由列表
for (int i = 0; i < count; i++)
{
switch (i) {
case 0:
GeoLineM geoLineM0 = result.getRoutes()[i];
com.supermap.data.GeoStyle style0 = new com.supermap.data.GeoStyle();
style0.setLineColor(Color.BLUE);
style0.setLineWidth(1);
geoLineM0.setStyle(style0);
trackingLayer.add(geoLineM0, "result");
break;
case 1:
GeoLineM geoLineM1 = result.getRoutes()[i];
com.supermap.data.GeoStyle style1 = new com.supermap.data.GeoStyle();
style1.setLineColor(Color.RED);
style1.setLineWidth(1);
geoLineM1.setStyle(style1);
trackingLayer.add(geoLineM1, "result");
break;
case 2:
GeoLineM geoLineM2 = result.getRoutes()[i];
com.supermap.data.GeoStyle style2 = new com.supermap.data.GeoStyle();
style2.setLineColor(Color.GREEN);
style2.setLineWidth(1);
geoLineM2.setStyle(style2);
trackingLayer.add(geoLineM2, "result");
break;
case 3:
GeoLineM geoLineM3 = result.getRoutes()[i];
com.supermap.data.GeoStyle style3 = new com.supermap.data.GeoStyle();
style3.setLineColor(Color.CYAN);
style3.setLineWidth(1);
geoLineM3.setStyle(style3);
trackingLayer.add(geoLineM3, "result");
break;
case 4:
GeoLineM geoLineM4 = result.getRoutes()[i];
com.supermap.data.GeoStyle style4 = new com.supermap.data.GeoStyle();
style4.setLineColor(Color.ORANGE);
style4.setLineWidth(1);
geoLineM4.setStyle(style4);
trackingLayer.add(geoLineM4, "result");
break;
default:
break;
}
}物流配送分析的结果路线经过各自配送点的时间输出打印如下：
其中每条路线的第一行时间是配送车从配送中心点出发的时间，最后一行是配送车回到中心点的时间，中间的是该路线经过的派送点时间。
物流配送分析结果线在地图中显示的效果图如下：
结语：这个只是小编模拟的一个物流配送的使用场景，给大家实现的思路，大家在实现的时候还是要根据自己的项目需求来做相应的设置。