1.一种基于图搜索的城市众包配送任务分配方法，其特征在于，方法包括步骤如下：步骤1，构造众包配送网络图；

步骤2，映射众包骑手；

步骤3，配置众包配送任务；

步骤4，对众包配送任务分配建模；

步骤5，检查时间窗约束、实时负载约束和服务质量约束；

步骤6，对众包配送任务优化分配建模；

步骤7，基于蚁群规划配置众包任务分配算法；

步骤8，对众包分配结果进行可视化展示。

2.根据权利要求1所述的基于图搜索的城市众包配送任务分配方法，其特征在于，步骤1还包括：众包配送网络图表示为G＝(V，E)，其中，V为节点集合，节点的信息主要包括结点的编号、经纬度、位置的名称；E＝{(v,v′)|v,v′∈V}为的边集合，每条边的主要信息包括边的编号、路径长度、道路名称；

众包配送网络图将电子地图中标注的与配送相关的位置映射为众包配送网络图中的相应节点，将不同位置之间的优化路径映射为众包配送网络图中相应的边，并通过Dijkstra算法来计算边的最短距离。

3.根据权利要求1所述的基于图搜索的城市众包配送任务分配方法，其特征在于，步骤2还包括：利用位置服务和移动通信技术实时获取众包骑手的信息，并将其映射到配送网络图CDNG上；

众包骑手c的信息表示为：(lc,vc,ac,bc,Gc,Qc)，其中，lc为骑手c的当前位置，vc为骑手c的平均配送速度，[ac,bc]为骑手c的服务时间窗(ac

一个区域D内某个时间段R的所有众包骑手的集合表示为： 对于 骑手c的当前位置lc要在区域D的覆盖范围内，骑手c的服务时间窗[ac,bc]要在时段R内。

4.根据权利要求1所述的基于图搜索的城市众包配送任务分配方法，其特征在于，步骤3还包括：利用位置服务和移动通信技术实时获取众包配送任务的信息，并将其映射到众包配送网络图CDNG上；

众包配送任务t的信息表示为： 其中， 为任务t的取货位置， 为任务t的送货位置， 为任务t的取货时间窗， 为最早取货时刻， 为最晚取货始时刻， 为平均取货时间， 为任务t的送货时间窗，为最早送货时刻， 为最晚送货始时刻， 为平均送货时间，gt为任务t所包含的快件数量，qt为任务t的服务质量需求；

一个区域D内某个时段R的所有众包配送任务的集合表示为： 对于 任务t的取货位置 和送货位置 要在区域D所覆盖的范围内，任务t的最早取货时刻 和最晚送货完成时刻 要在时段R内。

5.根据权利要求1所述的基于图搜索的城市众包配送任务分配方法，其特征在于，步骤4还包括：将一个众包配送任务分配方案建模为一个从任务集合 到骑手集合的映射函数σ: 对于 如果 c＝σ(t)，表示将任务t分配给骑手c，φ表示一个空骑手，如果σ(t)＝φ，表示任务t没有被分配给任何骑手；

利 用 表示 分 配给 骑 手c 的 任务 集 合 ，利 用表示所有已分配的任务集合，利用

表示所有未分配的任务集合；

利用 表示分配给骑手 的所有任务的取货位置和送货位置的集合；

将骑手 的一条配送路径表示为一个位置排列Pc＝ρc(0)ρc(1)其中，ρc是一个从集合 到集合

的一一映射函数，ρc(k)表示骑手c第 个到达的位置，ρc(0)＝lc为骑手出发的位置；每个任务的取货位置应该在其送货位置之前出现，对于 有ρ-1(blt)>ρ-1(elt)，ρ-1为ρ的逆函数；

对于众包配送任务分配方案σ，如果对于 都存在一条可行的配送路径，称σ为一个可行众包配送任务分配方案。

6.根据权利要求1所述的基于图搜索的城市众包配送任务分配方法，其特征在于，步骤5中，检查时间窗约束方式包括：利用sc(k)表示骑手c在第k个位置ρc(k)的平均服务时间，如果ρc(k)为任务 的取货位置，则有 如果ρc(k)为任务的送货位置，则有

利用τc(k-1,k)表示骑手c从第k-1位置ρc(k-1)到第k个位置ρc(k)的平均行驶时间，dc(k-1,k)为第k-1个位置ρc(k-1)到第k个位置ρc(k)的最短距离；

利用τc(k)表示骑手c到达第 个位置ρc(k)的时刻，τc(0)为骑手c从位置lc＝ρc(0)出发的时刻，本发明采用公式τc(k)＝τc(k-1)+sc(k-1)+τc(k-1,k)来计算到达第k个位置的时刻；

采用如下规则来检查时间窗约束：

骑手c的出发时刻满足约束条件：τc(0)≥ac；

如果ρc(k)为任务 的取货位置，τc(k)应满足约束条件：如果ρc(k)为任务 的送货位置，τc(k)应满足约束条件：骑手a完成所有配送任务的时刻应满足约束条件：检查时间窗约束方式包括：

利用ηc(k)表示骑手c在第 个位置ρc(k)的增加或减少的快件数量，其中，ηc(0)＝0；如果ρc(k)为任务 的取货位置，则有ηc(k)＝gt；如果ρc(k)为任务 的送货位置，则有ηc(k)＝-gt；

利用gc(k)表示骑手c在第 个位置的实时负载，采用公式来计算每个位置的实时负载；

采用如下规则来检查实时负载约束：对于 有gc(k)≤Gt；

检查服务质量约束方式包括：

采用如下规则来检查服务质量约束：对于 如果Match(Qc,qt)＝

1，说明任务分配满足服务质量约束，否则，说明任务分配不满足服务质量约束；

Match(Qc,qt)为一个二值函数，其取值为1和0，如果Match(Qc,qt)＝1，表示Qc满足qt的需求，否则，表示Qc不满足qt的需求。

7.根据权利要求1所述的基于图搜索的城市众包配送任务分配方法，其特征在于，步骤

6还包括：

众包配送任务优化分配问题模型表示为：

s.t.σ∈Ω

σ是一个从任务集合 到骑手集合 的可行众包配送任务分配方案，Ω是所有可行众包配送任务分配方案集合。

8.根据权利要求1所述的基于图搜索的城市众包配送任务分配方法，其特征在于，步骤7还包括：Step(1):根据的时间窗约束检查、实时负载约束检查和服务质量约束检查得到每个骑手的可行任务集合 将骑手按照可行任务由多到少进行排序，得到c1,c2,…cn；

Step(2):k＝1，区域内任务分为已分配任务集合和未分配任务集合，即Step(3):对于ck，在可行任务集合 中分配任务，通过蚁群规划算法寻找可行的配送路径Pc，并生成分配的任务集合Step(4):区域内未分配的任务集合变为 同时更新剩余骑手的可行任务集合

Step(5):k≤n,k＝k+1，循环Step3，直到得到所有骑手ck的派单序列或者任务全部分配完成，输出骑手、分配的任务集合和配送路径，算法结束；

步骤7还包括：定义蚂蚁在t时刻从节点i转移到节点j的状态转移概率pij；

allowed表示在t时刻蚂蚁下一步允许选择的任务节点(任务节点访问有顺序规则，即起始节点先于终止节点),ηij表示由节点i转移到节点j的期望程度，ηij(t)由时间约束决定，ηij(t)＝1/tij，tij包含骑手达到节点i的时间及节点i到节点j的时间的和。tij越小，ηij(t)越大，pij(t)也就越大。τij(t)为时刻t由i到j的信息素强度,α表示信息启发式因子，反映了蚁群在运动过程中所残留的信息量的相对重要程度,β表示期望启发式因子，反映了期望值的相对重要程度；

蚁群规划的步骤为：

输入：骑手ck、可行任务集合

输出：骑手分配的任务集合 及骑手最优配送路径Pc；；

Step1:初始化各项参数，包括蚂蚁数量m，最大循环次数Ncmax，信息启发式因子α，期望启发式因子β，蚂蚁释放的信息素量Q，蚂蚁由节点i转移到节点j的状态转移概率pij，令循环次数Nc＝0；

Step2:将m只蚂蚁放置到骑手ck节点上，对每条路径上的信息素进行初始化，并以骑手节点为中心搜索下一步可移动的可行任务集合 中每个任务的起点；

Step3:初始化禁忌表，将骑手节点放置到禁忌表tabu_list中；

Step4:蚂蚁根据顺序规则及状态转移概率pij搜索下一个可移动的任务节点，并通过步骤5的时间窗约束检查、实时负载约束检查判断任务节点的可行性；并将可行任务节点放置到禁忌表tabu_list中，重复该步骤直到蚂蚁不能再访问任务；

Step5:更新各路径上的信息素；

Step6:Nc＝Nc+1；

Step7:若Nc＝Ncmax，循环结束，得到可行的配送路径Pc，并生成分配的任务集合若Nc≠Ncmax，清空禁忌表，循环Step3。

9.根据权利要求1所述的基于图搜索的城市众包配送任务分配方法，其特征在于，步骤8还包括：将骑手及其分配的任务集合以可视化的方式返回到电子地图中；骑手在地图中查看分配的任务集合，及规划好的行驶路径，并通过物联网技术进行实时监控。

10.一种实现基于图搜索的城市众包配送任务分配方法的装置，其特征在于，包括：存储器，用于存储计算机程序及基于图搜索的城市众包配送任务分配方法；

处理器，用于执行所述计算机程序及基于图搜索的城市众包配送任务分配方法，以实现如权利要求1至9任意一项所述基于图搜索的城市众包配送任务分配方法的步骤。