智慧物流下快遞配送效能的優(yōu)化

鄭雨婷，鄒 浩，金文宇

（湖南財政經濟學院，湖南 長沙 410205）

1 引言

網絡購物的迅猛發(fā)展給我國快遞業(yè)帶來了前所未有的發(fā)展契機，而日益激烈的行業(yè)競爭，不斷增加的客戶要求，促使快遞企業(yè)在提高服務水平的同時關注運作效率與成本。伴隨網購發(fā)展而得以壯大的快遞物流業(yè)，除了快件業(yè)務量猛烈增多之外，收貨人的特征、運送物品的內容等都發(fā)生了變化，對快遞行業(yè)的發(fā)展也提出了新的挑戰(zhàn)。

針對快遞配送問題，國內外對此展開了一系列研究。Boyer[1]等提出“最后一公里”概念的應用領域主要包括城市貨物配送、電子商務及便利店配送等，發(fā)展涵蓋了電子商務物流及其快遞配送的各個方面；Gevaers[2]主要從B2C電子商務物流的角度闡述了快遞配送可能涉及的一系列活動及過程，指出快遞配送是整個物流環(huán)節(jié)的末端環(huán)節(jié)，在該階段，需要將商品配送到最終收件人的家中、指定的地址或提貨點；鄭書淵[3]、詹瑤瑤[4]、鄧素美[5]提出可視化配送、設物流點與便利店、郵政公司合作、無人機配送等模式來解決快遞配送的問題；丁雪峰[6]提出了拆分裝載策略建立配送模型；王淵博[7]通過整合縣鄉(xiāng)物流網點的資源和快遞承運人力交通資源，搭建互聯網快遞配送信息服務平臺，并采用Spring+SpringMVC+MyBatis技術架構，提出了“農村快遞配送+增值服務”的互聯網生態(tài)構建方法；王凌霄[8]針對農村“最后一公里”配送速度慢、成本高等問題提出用無人機代替快遞員，實現快遞配送的無人化和智能化。

已有的對于快遞配送模式的研究大體可分為整合現有資源、使用現代科技技術、搭建信息平臺三類，缺乏對快遞配送過程中信息有效預處理問題的研究。本文構建了一套快遞需求參數機制，該機制從多個維度方面分析配送需求的特征，并以之為基礎，利用三維矢量評價模型對快遞業(yè)務的重要程度進行預排序，以作為快遞實際配送調度的信息基礎，從而提高快遞配送效能。

2 快遞配送現狀及存在的問題

目前，我國快遞業(yè)務量已經連續(xù)4年位居世界第一，對全球包裹快遞量的增長貢獻率超過了50%。快遞業(yè)務量從上世紀80年代的153萬件提升到2018年的507.1 億件，30 年年均增速高達41.5%，在2019年中國快遞業(yè)務量有望突破600億件，具體如圖1。

圖1 2014-2018年中國快遞服務企業(yè)業(yè)務量及增長速度（單位：億件，%）

隨著城市化進程的加快，如何科學完成城市快遞“最后一公里”配送已成為快遞行業(yè)急需解決的問題。網絡購物的飛速發(fā)展與物流配送仍存在不匹配現象，快遞配送效能不高已成為物流發(fā)展過程中一個較大的瓶頸，主要存在以下幾個問題：

（1）客戶要求高，快遞派送量大。隨著網購的快速壯大，快遞量越來越大。2018 年我國快遞業(yè)務量達到507.1 億件。巨量的快件對于快遞物流企業(yè)形成了較大的派送壓力。因為精力和時間有限，快遞員難以在滿足客戶要求的同時增加快遞派送量。

（2）配送時間錯位，導致二次配送。如今網購群體多為上班族，快遞員上班時間與上班族上班時間重合。傳統(tǒng)投遞模式使得投遞與取件時間錯位，不能精準派件，不但增加了快遞員的等待時間，降低了配送效率，而且還產生了二次配送，增加了運輸成本和時間成本。

（3）小批量、高頻次配送，配送成本高。日益激烈的行業(yè)競爭，不斷增加的客戶要求，促使快遞企業(yè)在提高服務水平的同時關注運作效率與成本。由于地區(qū)內的配送中顧客對及時性的要求不斷提高，物流公司為了更好地服務客戶、滿足客戶需求，只能進行小批量、高頻次的配送，從而使得地區(qū)內配送成本居高不下。另外網上購物客戶群體對物流費用的敏感度較高，使得成本不易向下游轉移。

3 基于智能信息處理的快遞配送效能優(yōu)化方案

本文針對快遞配送過程中客戶要求高、快件派送量大、二次配送情況多、配送成本高等問題，構建了一套快遞需求參數機制。該機制從多個維度方面分析配送需求的特征，并以之為基礎，利用三維矢量評價模型對快遞業(yè)務的重要程度進行預排序，以作為快遞實際配送調度的信息基礎，并通過本文所構建的綜合指標隊列來提升配送的有效性，增加配送業(yè)務的整體水平，達到精準派件、減少二次配送、提高顧客滿意度、降低配送成本的目的。

3.1 智能處理機制多維參數的構建

3.1.1 多維參數構建的必要性。在大數據時代，依托網絡信息技術手段，通過網絡平臺來收集快件信息和客戶行為數據，應用數據挖掘、機器學習等分析和挖掘快件信息和客戶行為特征。從快件時效性、貨物重要程度、取貨時間、顧客屬性這四個方面來構建多維參數。對快件時效性、貨物重要程度、取貨時間、顧客屬性參數進行提取和排序，快遞員能夠明確貨物與客戶對配送時間的需求。基于此，合理安排配送時間，準時把貨物送到客戶手中，最大限度的避免二次配送問題，提高快遞配送效能，并為不同客戶群體提供專業(yè)化、差異化、個性化的服務，提高配送過程中的顧客滿意度。

3.1.2 多維參數構建的內容

（1）取貨時間指標（I1）。客戶取貨時間主要由客戶需求決定，客戶取貨時間的不確定性嚴重影響快遞員的配送效率。若快遞員按照客戶自定的取貨時間對貨物進行配送，可以最大限度的避免二次配送，客戶自定的取貨時間用I1表示。

（2）時效性指標（I2）。時效性是貨物與客戶對配送時間需求的統(tǒng)一，同一貨物在不同時間，對客戶具有不同方面的差異。通過權衡時效性的影響因素，比較客戶對貨物的體驗感隨時間推移的變化情況，根據貨物時效性等指標對貨物進行排序，合理安排配送時間。影響貨物時效性的主要因素是貨物的“保質期”，即當前貨物的配送期限,用Q表示。一方面是食品的食用期限，主要考慮水果、農副產品和普通食品；另一方面是物品的客戶要求期限，主要考慮散單藥品、文件和其他貨物，貨物根據保質期權衡的時效性遞減排序為：文件＞散單藥品＞農副產品＞水果＞普通食品＞其他。貨物時效性用I2表示，若I2值越大說明貨物越緊急，其優(yōu)先配送級別越高。

（3）貨物相對重要程度指標（I3）。貨物相對重要程度是指該貨物在客戶心中的地位，客戶對該貨物的看重程度。對貨物的重要性參數進行賦權計算得出的貨物相對重要程度用I3表示，I3值越大說明此貨物在該客戶心中的相對重要程度越高。貨物相對重要程度受多種因素的影響，具體影響見表1。

表1 貨物重要程度影響因素表

貨物相對重要程度計算公式如下（其中Bi(i=1,2,3)為貨物相對重要程度指標中各影響因素的權重，且B1+B2+B3=1）：

（4）客戶屬性指標（I4）。客戶屬性是指客戶對貨物等待的可忍耐度以及客戶價值，通過整合客戶群體信息，根據客戶屬性特征將客戶劃分為不同群體，協(xié)調快遞員與客戶間的信息不匹配問題，在客戶可接受的范圍內，對配送進行調整以滿足配送需求，在保證快遞員派送效率的前提下，為不同客戶群體提供專業(yè)化、差異化、個性化服務，以此提高客戶滿意度。I4值越大說明這個顧客對貨物等待時間忍耐度越低，優(yōu)先派送級別越高。以下分析客戶屬性的三個影響因素：

①客戶快遞服務反饋頻率（P2）。即客戶對本公司提供的快遞服務反饋頻率。其中n2為客戶對本公司快遞服務反饋次數，N2為本公司為該客戶提供快遞服務總數。

②客戶快遞服務差評率（P3）。即客戶對本公司提供的快遞服務差評頻率。其中n3為該客戶對本公司快遞服務的差評次數。

客戶屬性指標計算公式如下（其中Di(i=1,2,3)為各指標的權重，且D1+D2+D3=1）：

3.2 綜合指標隊列的構建

目前配送中心依據貨物先進先出的原則進行配送，雖然減少了部分貨物的滯留積壓時間，但存在二次派送、資源浪費、成本過高、客戶滿意度難以提高等問題。本文構建的智能處理機制隊列依據時效性、貨物相對重要程度、取貨時間和客戶屬性四個指標，通過不同的條件約束與數據挖掘，對比傳統(tǒng)先進先出隊列，建立了綜合指標隊列。

3.2.1 先進先出隊列。在計算機中，先入先出隊列是一種傳統(tǒng)的按序執(zhí)行方式，先進入的指令先完成并引退，跟著才執(zhí)行第二條指令。當CPU 在某一時段來不及響應所有的指令時，指令就會被安排在FIFO 隊列中，比如0 號指令先進入隊列，接著是1 號指令……當CPU完成當前指令以后就會從隊列中取出0 號指令先行執(zhí)行，此時1 號指令就會接替0 號指令的位置，同樣，2號指令……都會向前挪一個位置。

目前，配送中心基于先進先出原則對貨物進行配送，即先到達配送中心的貨物優(yōu)先配送，后到的貨物晚配送。如圖2所示，配送中心根據先后順序先將貨物A 派送完，接著派送貨物B、貨物C……以此類推，直到貨物派送完為止，而快遞員根據配送中心給定的貨物清單進行配送。

圖2 先進先出隊列流程

當前配送中心根據先進先出原則對貨物進行多批次、小批量配送，實際配送過程中由于快遞員和客戶時間的錯位，出現了二次配送、貨物積壓等問題，導致配送成本上升，存在嚴重的資源浪費現象。先進先出隊列貨量分布如圖3所示。

圖3 先進先出隊列貨量分布圖

如圖3所示，快遞員根據配送中心給定的配送清單在時間段1配送貨物A、B、C、D，由于貨物D的收貨人無法準時簽收貨物，快遞員只能將貨物D 帶回配送中心，在時間段2連同貨物E、F一起配送，此時，由于快遞員與客戶時間的錯位，導致了貨物的二次配送問題；快遞員在時間段2 接收到的配送清單只有E、F 和上一時間段累積的貨物D，此時配送需求較低，快遞員處于配送相對空閑期，快遞配送能力未充分利用，存在人力資源浪費現象；快遞員在最后一個時間段3接收到貨物G、H、I、J、K、L的配送清單，此時的配送需求遠遠大于快遞員的配送能力，快遞員無法準時完成配送任務，導致出現貨物積壓的現象。

3.2.2 綜合指標隊列。綜合指標隊列用于對配送中心的貨物進行優(yōu)先配送排序。本文基于貨物時效性、貨物相對重要程度、客戶屬性三個指標，建立由貨物屬性、客戶屬性、緊急程度為三維矢量的綜合指標貨物評價模型，分析不同貨物的緊急程度，以此進行貨物排序，決定貨物的配送順序。其原理是在直角坐標系統(tǒng)中建立簡易的三維矢量綜合評價簡化模型，將各評價指標采用矢量的形式加以表征，然后按照矢量的運算法則獲得最終的綜合評價向量及其對應的評價值，并以此作為參數選擇的依據。

（1）三維矢量評價模型的構建（其中α3=1，α1+α2=1）。三維矢量指標見表2。

表2 三維矢量指標表

（2）三維矢量評價模型建模的步驟。首先確立工作空間。由控制圓弧和控制向量組成，工作空間的建立是為綜合評價指標體系搭建平臺，保證在不同條件下各項指標的單一性和可比性。該模型選取灰色預測模型中某一時間段所有貨物的貨物屬性(y軸)和客戶屬性(x軸)作為二維矢量計算平臺，計算出貨物的綜合評價分數，判斷出貨物的緊急程度，并以此進行排序，再將排序情況反映到緊急程度屬性（z軸）上，形成綜合指標隊列。

其次選擇評價指標矢量。基于前文對多維度貨物綜合指標的理論研究，評價指標矢量分別選取某一時間段客戶屬性(x軸)、貨物屬性(y軸)和緊急程度(z軸)。

最后進行數據處理。歐式距離（euclidean metric）在m維空間中指兩個點之間的真實距離，或者向量的自然長度（即該點到原點的距離）。在二維和三維空間中的歐氏距離就是兩點之間的實際距離。本文根據客戶屬性和貨物屬性兩個評價指標對貨物采用矢量的形式加以表征，得到相應的X 和Y 值，而貨物在二維坐標系的坐標與原點O之間的距離為貨物的重要程度。設點M（x，y）為貨物在二維坐標系的坐標，線段OM 的長度表示該貨物的緊急程度，OM 值越大，該貨物緊急程度越高。

不同貨物根據其客戶屬性和貨物屬性指標得到的二維坐標不同，再按照運算法則計算獲得的貨物緊急程度值也不同，將某一時間段的所有貨物進行三維矢量評價，可得到一個某時間段的三維矢量圖，如圖4 所示，貨物坐標離原點越遠，其貨物重要程度越高。

圖4 三維矢量圖

4 案例分析

針對快遞配送問題，在實際操作中采用三維矢量評價模型對貨物的各項指標參數進行評價打分，得到各個貨物的緊急程度，并將其合理地歸類到相應合適的取貨時間段。根據調查與研究，本文假設十二個貨物的相應指標數據和相關權重分別見表3、表4。

表3 客戶相關指標表

表4 客戶相關指標表

配送中心采用綜合指標隊列，先對所有貨物依據取貨時間指標進行分類，見表5。

表5 貨物時間歸類表

然后得到不同時間段需要配送的貨物，如圖5所示。

圖5 貨物配送時間歸類圖

如圖5所示，配送中心根據取貨時間指標對貨物進行時間段歸類，時間段1需要配送貨物C、D、H、L，時間段2 需要配送貨物B、J，時間段3 需要配送貨物A、E、F、G、I、K。將三個時間段的貨物量進行比較，時間段1的配送需求較正常，時間段2的配送需求較少，時間段3 的配送需求較多，存在配送需求不均衡的現象。假設快遞員的配送能力僅可以完成時間段1 和時間段2 的貨物配送任務，而時間段3 的配送需求遠大于快遞員配送能力，快遞員無法完成時間段3的配送任務，因此導致容易出現貨物積壓問題。

針對以上問題，可將配送需求遠遠大于配送能力時間段的貨物依據貨物時效性、客戶取貨時間和客戶屬性三個指標進行分析，將一部分貨物安排到合適的時間段配送。如圖5所示，對時間段3的貨物A、E、F、G、I、K進行分析。根據表3中的指標數據，利用式（2）—式（5）計算這些貨物的時效性和對應客戶的客戶屬性指標，結果見表6。

表6 時間段3貨物配送順序表

表6 中，比較貨物A、E、F、G、I、K 的時效性指標和客戶屬性指標，其中貨物G和貨物K的時效性指標和客戶屬性指標比較高，適合安排到時間段2進行配送，且時間段3剩下的貨物按照I、A、E、F的順序進行配送，對貨物時間歸類圖進行相應調整，結果如圖6所示。

圖6 貨物配送時間歸類改進圖

將其他時間段的貨物根據客戶屬性和貨物屬性進行矢量運算，得到時間段1、2 的貨物配送順序，見表7。

表7 時間段1、2貨物配送順序表

最后整合整個時間段的貨物配送順序，見表8。

得到各時間段快遞員需要配送的排序貨物清單，如圖7所示。

表8 各時間段貨物排序表

圖7 綜合隊列貨物配送排序圖

5 結語

本文針對快遞配送量大、快遞配送效能較低、配送成本高等問題，提出了構建多維參數與綜合指標隊列的方案，并通過三維矢量評價模型得到貨物的緊急程度，確定了貨物配送的優(yōu)先級別，提高了貨物精準配送程度。通過該智能處理機制合理規(guī)劃貨物配送時間，從而減少二次配送、降低配送成本、提高配送業(yè)務的整體水平。本文所構建的參數雖然具有代表性，但沒有考慮不同配送方式下的效能優(yōu)化問題，這將成為未來進一步研究的方向。