基于GIS技術和加權kNN算法的實時攬件調度方法

應 毅，任 凱，劉亞軍

1.三江學院 計算機科學與工程學院，南京 210012

2.南京大學 金陵學院，南京 210089

3.東南大學 計算機科學與工程學院，南京 210096

1 引言

隨著信息通信技術的快速發展和基于互聯網/移動互聯網的各類應用的普及，以商品購銷為核心的電子商務逐漸成為經濟增長的新亮點。第三方物流是為電子商務活動提供物流服務的基礎設施，其基本流程由倉儲系統、運輸主干網、“最后一公里”配送三個階段組成[1]。

在物流末端的配送服務中，快遞人員從網點出發，沿預先設置好的路徑將快件派送到客戶手中，同時從客戶手中接收快件，最后將所有收件返回網點。在此情況下，快遞人員頻繁往返于客戶和網點之間。該問題在理論上可歸類為車輛路徑問題（Vehicle Routing Problem，VRP）的應用。VRP 在 1959 年首次被提出[2]，現已廣泛應用在分撥中心（倉庫/集散地）之間的車輛調度和路徑安排上。

物流管理尤其是物流配送過程對地理空間信息有著較強的依賴性，地理信息系統（Geographic Information System，GIS）[3]具備地理空間信息分析處理能力，能在獲取、存儲相關數據的基礎上進行有效加工，幫助決策。在移動操作系統、3G/4G 通信網絡和GPS 的支持下，基于位置服務（Location Based Service，LBS）越來越完善，結合GIS/移動GIS[4]，構成智慧物流建設的關鍵技術。文獻[5]結合GIS手段和SPSS分析對模擬退火算法改進來求解VRP問題。文獻[6]提出一種結合GIS模型約束的啟發式-模擬退火混合搜索算法解決VRP 問題。文獻[7]設計了GPS/GIS 協同下的智能車輛監控和調度系統，構建了基于實時信息且帶時間窗的動態VRP 混合整數規劃模型。文獻[8]將3G技術運用于配送管理，設計了一個物流配送系統模型。文獻[9]將Dijkstra算法與WebGIS相結合，調用pgRouting實現起始點定位查詢最短路徑的方法。文獻[10]結合MapGIS的網絡分析功能，探討城市配送中心選址及路徑優化問題。以上研究皆是依托GIS技術對傳統VRP求解的擴充和優化，但物流末端的攬送混合業務與單純的投遞業務又有較大不同，攬送混合業務的目標是快速響應客戶的寄件請求并保證行駛距離最短。針對此問題，本文在ArcGIS 平臺基礎上，構建智能物流信息系統，考慮寄件請求的動態性和任務調度的實時性，提出基于加權kNN 的實時攬件調度算法，實現快遞人員的攬件調度。實驗證明這種利用GIS技術和數據挖掘算法的人員調度方法，能更快地響應客戶需求，更好地縮短行駛距離，有效提高末端物流的配送效率。

本文首先闡述了智能物流信息系統的架構設計；在此框架下，詳述了實時攬件調度算法的原理和具體實現；最后在菜鳥驛站某網點的配送活動中進行算法實驗和應用。

2 智能物流信息系統架構與實現

現代物流系統是在智能交通和信息技術的基礎上運作的物流服務體系，通過對各物流環節的信息采集和數據處理，為物流企業和客戶提供高效管理和高質量服務。本文基于GIS 技術、Web 技術和移動開發技術，構建了針對“最后一公里”配送的智能物流信息系統。

2.1 基于ArcGIS的智能物流信息系統架構

智能物流信息系統采用三層架構體系，由應用服務層、業務邏輯層、物流數據層組成。如圖1 所示。系統整體基于Java語言和Esri ArcGIS 10.4開發實現。

圖1 智能物流信息系統架構

業務邏輯層是本系統的核心，包含Web Server 和ArcGIS Server兩部分，Web Server由傳統的Java EE服務器JBoss和ArcGIS Web Adaptor組成。Web Adaptor組件使ArcGIS Server 和傳統的Web 服務器相結合，提供更豐富的功能和更高的安全性（例如用戶鑒權），Web Adaptor 是GIS 服務使用者的單一入口，接收客戶端的請求，然后把請求轉發給站點內的ArcGIS Server。與GIS 相關的服務由ArcGIS Server 負責提供，如：空間數據管理、地圖可視化、路徑分析等。

在應用服務層，ArcGIS for Desktop[11]是GIS資源（如地圖）的創建者，并通過ArcMap 連接到ArcGIS Server將本地資源發布為Web 服務。ArcMap 是ArcGIS for Desktop中一個主要程序，具有基于地圖的所有功能，包括地圖制作、地理數據分析和編輯等。調度管理和移動終端是GIS服務的使用者和消費者，其中移動終端是物流配送人員的手持設備。

物流數據層完成數據的存儲功能。地理數據對象在Oracle數據庫中以表的形式保存；MySQL為Java EE應用存儲系統的普通業務數據（如客戶信息）。

2.2 智能物流信息系統的關鍵技術實現

（1）ArcGIS網絡分析與二次開發

傳統VRP 模型的搜索網絡圖比較簡單，是以客戶為節點、已知最短路徑為邊的無向圖。基于GIS的VRP問題的搜索網絡圖由客戶節點、路徑節點和路徑共同構成，還需考慮實際道路的通行限制（如單向/雙向行駛、道路通行能力）。因此，GIS 環境下的VRP 模型更加貼合實際情況，也更加復雜。

GeoProcessing Service（地理處理服務）可以將自定義的各種分析處理模型發布為Web 服務。智能物流信息系統中針對派件/攬件業務的智能調度算法即通過GeoProcessing 組件的二次開發來實現，其中ArcGISNetwork Analyst擴展模塊具有交通路網分析功能，可以求解實際道路的最短路徑問題，求解過程是在Dijkstra算法基礎上的效率優化改進。

（2）移動終端的實時定位和跟蹤

移動終端主要針對Android 操作系統，以ArcGIS Runtime SDK for Android 為開發框架。Android 自身提供了三種定位方式：GPS定位、網絡定位、基于基站的定位。移動終端每隔指定的時間（例如30 s）通過移動通信網絡向物流系統報告一次定位信息，信息內容包括：經度/緯度、車輛速度、行駛方向、上報時間等。物流系統實時接收所有終端定時上報的位置信息，依托ArcGIS的地圖服務可將這些位置數據反映在電子地圖上，方便監控物流車輛的運行軌跡和配送人員的活動情況。

（3）移動端功能實現

移動端APP為配送人員提供上報位置信息、接收調度指令等物流服務功能。ArcGIS對微軟Bing在線地圖支持較好，但Bing地圖要素精度較差，地址尤其是街道、小路標注不夠詳細，故選擇國內高德地圖。通過PcArc-BruTile 插件[12]在 ArcMap 中加載高德地圖為 BaseMap，制作矢量數據、配置符號化顯示、屬性域等信息，發布FeatureServer 至ArcGIS Server，開啟同步功能。ArcGIS Runtime SDK for Android 支持完全離線，移動端APP訪問FeatureServer，下載離線地圖數據。

2.3 智能物流業務流程

（1）大多數業務由調度管理或移動端應用（APP、微信小程序）觸發。

（2）ArcGIS Server收到服務請求后，收集位置信息（包括網點、快遞員、客戶），按需進行地址定位服務。定位服務是利用全國郵政協定將地址轉換成地理位置的方法，通過地址定位服務才可以由輸入地址信息找到地圖上對應的feature點，但是鑒于國內地理編碼工作還不完善，地名數據庫僅達到根據地名返回坐標范圍的程度，所以使用了自開發的地名地址檢索組件[13]。

（3）ArcGIS Server以地理位置作為輸入數據，調用GeoProcessing 的路徑查詢服務或二次開發的智能調度算法，進行地理數據的分析處理。

（4）將處理結果轉化成柵格格式數據，通過HTTP協議反饋給調度管理Web端或移動端APP。

（5）各客戶端通過瀏覽器或ArcGIS 內置插件將ArcGIS Server提供的服務呈現出來。

3 實時攬件調度算法

當前，大多數網點的派件和攬件業務混合在一起由快遞人員完成。基于成本考慮，快遞人員會根據經驗預先設置好送件路徑，但有些寄件業務是實時發生的。而且，在一個區域內，會同時有若干個快遞人員在工作。調度哪一個快遞人員前去攬件，在某種程度上決定了物流成本的高低。

直觀上看，快遞人員距離客戶的遠近決定了收件是否及時。可以將客戶視為kNN 算法中的未知樣本，所有快遞人員看作訓練樣本，調度最合適快遞人員即為尋找最接近新樣本的1個訓練樣本。

3.1 kNN分類算法理論

最近鄰分類法（Nearest Neighbor Classifier）[14]基于類比學習，通過將給定的檢驗樣本與和它相似的訓練樣本進行比較來學習。當給定一個未知樣本時，kNN搜索模式空間，找出最接近未知樣本的k個訓練樣本，這k個訓練樣本是未知樣本的k個“最近鄰”[15]。當k=1 時，未知樣本被指派到模式空間中最接近它的訓練樣本所在的類。

世界是五彩繽紛的，色彩存在于人類生活的每一個空間，色彩既可以裝點生活，美化環境，給人以美的享受，也是社會發展和人類精神文明的一種體現。色彩具有很強的心理作用,每一種顏色都具有特殊的心理作用，影響人的溫度知覺，給人錯落有致的節奏感，在園林景觀設計中，色彩最容易將人的視覺美感激發起來，最明朗的體現園林景觀的特色，作為園林景觀的重要組成部分，色彩景觀的妥善處理具有十分重要的意義。

3.2 基于加權kNN的實時攬件調度算法

作為一種惰性學習方法，kNN算法直到有樣本需要分類時才建立分類模型，逐個計算與訓練樣本的相似程度，相似程度一般以樣本間的距離作為評判指標。

傳統kNN 算法對所有訓練樣本同等對待，但攬件調度的分類過程不僅要考慮實際距離，還要考慮快遞人員是否順路、當前道路狀況等因素。因此，使用加權kNN 算法對訓練樣本賦予不同的權值以體現其貢獻度的高低[16]。一般做法是將距離轉換為權值，較近的訓練樣本被賦予較大的權值。

令di為訓練樣本i與未知樣本x的距離，wi代表其權重，加權kNN 算法最簡單的形式是返回距離的倒數，即wi=1/di。但倒數形式使得近鄰的樣本權重很大，稍遠一點的樣本權重又衰減迅速。高斯函數克服了倒數函數的缺點，在距離為0時權重為1，隨著距離的增加，權重逐漸減小，但衰減不會過快，且保證衰減不會為0。其形式為：

同時，設置懲罰因子δ，通過快遞人員的行駛方向是否與寄件人地址一致來調整樣本權值的計算。定義如下：

經懲罰因子δ調整后的權值計算公式為：

計算所有訓練樣本的wi′，wi′最大的訓練樣本即為最合適的攬件人員。

在智能物流信息系統的基礎上，結合加權kNN 算法的實時攬件調度過程如下：

（1）客戶下單觸發攬件調度任務，將寄件人地址通過地名地址檢索技術轉換為位置信息。

（2）利用GPS/4G 定位技術通過移動端APP 的定時上報功能得到各快遞人員的位置信息。

（3）調用 ArcGIS GeoProcessing 的NAServer 模塊，計算各快遞人員與寄件人在道路網絡中的實際最短距離di。

（4）根據di和快遞人員的方向信息執行加權kNN算法計算wi′，選擇最合適的攬件人員，發送調度指令。

整個流程如圖2所示。

圖2 實時攬件調度執行流程

4 應用實例

4.1 實驗區域概況

菜鳥驛站莫愁新寓網點為客戶提供自助提貨和送件、收件等門到門服務。網點配送范圍為漢北街、北圩路、水西門大街、莫愁湖西路、漢中門大街構成的四邊形區域，區域面積大約0.4 km2，服務莫愁新寓、勁順花園、金貿新寓、金基唐城等居民小區，服務人口約3.2 萬人。區域內住宅小區多，人口密度大，對物流服務質量要求高，通過對網點實際配送情況的調研，將本文設計的智能物流信息系統進行應用，取得了較為成功的效果。

4.2 電子地圖制作

城市道路網在電子地圖中的表現形式為數字化的矢量地圖，GIS 中矢量地圖是按照圖層組織的，每個圖層存放一類專題或一類信息，它由點、線、面等空間對象的集合組成。本次實驗所需的電子地圖制作流程如下：

（1）以高德地圖南京市鼓樓區地圖為基礎，使用ArcMAP建立配送區域的矢量地圖底圖（BaseMap）。

（2）制作道路圖層，用于描述道路的地理靜態信息，如通行車輛限制、單行/雙行、平交/立交，這在NAServer模塊計算最短路徑時具有實際作用。

（3）制作網點和客戶圖層，標注網點和主要客戶的經度/緯度數據，經緯度數據可以通過定位儀器實地勘測或高德地圖抓取（例如網點門店地理坐標為32°03′86″N，118°75′59″E；金貿新寓西北門坐標為 32°03′97″N，118°76′16″E）。實際應用時，由于許多客戶距離主干道有一定距離，如小區內的住戶，車輛在小區內行駛不存在優化空間。因此，對于非臨街客戶點，簡化的處理方法是將其映射到路邊。這個映射過程由地名地址檢索組件完成。

4.3 實驗結果分析

網點共有4 名快遞服務人員，根據業務繁忙情況，一般有2～3人進行上門服務。圖3顯示了一次快遞人員攬件調度的移動端推送結果。表1 羅列了2019 年2 月25日上午的實際攬件情況。數據表明，快遞人員每一次攬件行駛300～800 m不等，城市道路中電動自行車的行駛速度大約是20 km/h，故一次攬件的服務響應時間不超過5 min。

圖3 攬件調度移動端推送結果

表1 2月25日上午的實際攬件情況

表2統計了2019年2月底至3月初網點整體的上門攬件情況。由于服務區域大多為居民小區，攬件需求明顯呈現出節假日偏多的特性。15天共上門攬件447件，快遞人員共行駛310 249 m，平均一次攬件行駛近700 m。根據行業報告[17]，單個收件包裹行駛1 km左右。與此相比，實時攬件調度方法降低了30%的行駛距離。

為了衡量新方法的有效性和優越性，將本文提出的基于加權kNN的實時攬件調度算法與基于預知時間的快遞車輛攬件路徑模型[18]進行了對比實驗。以表1所示的2月25日上午的實際情況作為實驗數據，假設有2名快遞人員進行配送服務，初始時刻快遞人員位于網點。根據客戶的寄件需求，基于預知時間的快遞車輛攬件路徑模型規劃出2條攬件路線，對路線結果在智能物流信息系統中統計總行駛距離，與基于加權kNN 的實時攬件調度算法的實際距離進行比較，如表3所示。

表2 網點整體攬件情況（15天）

表3 兩種算法計算結果對比m

分析數據可知，基于預知時間的快遞車輛攬件路徑模型在未考慮實時性的前提下，即寄件需求全部提前知曉，規劃出的總行駛距離為5 650 m，基于加權kNN 的實時攬件調度算法指派快遞人員的實際行駛距離為5 171 m，后者比前者有8.5%的距離優化。由此可見，相比傳統算法，本文設計的實時攬件調度方法，有效縮短攬件路程，節省了上門服務的時間和成本。

5 結束語

現代物流系統已經進入了信息化、網絡化、智能化的發展階段。本文利用ArcGIS、Android、GPS等關鍵技術構建了適用于物流末端配送業務的智能物流信息系統。在該系統中改進加權kNN分類算法應用于快遞人員的實時攬件調度，實現了調度結果在移動端APP上的可視化推送。通過實驗驗證了算法的正確性與GIS 技術在物流行業中應用模式的有效性，提高了物流信息的管理效率。寄件訂單的并單處理和人員調度是進一步研究的重點，在智能系統下改進傳統VRP 模型進行送件路徑規劃也是一個較好的研究方向。