O2O模式下生鮮電商末端配送路徑優化研究

鄧慧 張志彬

摘 要：運用蟻群算法，通過Matlab軟件實施仿真測試驗證某生鮮門店末端配送路徑的有用性。通過了解我國末端配送現狀，分析物流末端配送的問題提出解決方案，將盒馬自身的智慧調度算法結合蟻群算法實現路徑優化;降本增效為目標，同時滿足車輛安排合理、配送時長最短的約束條件，使用蟻群算法求解“最后一公里”最優路徑;盒馬鮮生在物流配送上開辟了智慧調度算法，實現配送路徑優化，提出盒馬鮮生將智慧調度算法與第三方物流公司合作。探究生鮮電商企業提供優化配送路徑智能算法，也為擁有智能算法的生鮮電商企業將智能算法與第三方物流公司共享實現共贏提供了經驗參考。

關鍵詞：生鮮電商;末端配送;路徑優化;蟻群算法

中圖分類號：F724 ? ? ? ?文獻標志碼：A ? ? ?文章編號：1673-291X（2021）19-0150-03

生鮮領域和人們生活息息相關，尼爾森研究顯示，79%消費者購買產品關注新鮮度，反映了生鮮市場的巨大潛力。隨著生鮮電商行業的迅速崛起，該行業的冷鏈產業也進入高速發展期。中國產業信息網數據顯示，2019年我國冷鏈物流市場規模總計2 886億元，較上年增長336億元，同比增長13.2%。市場規模呈快速增長趨勢，但冷鏈行業頻頻出現冷鏈供應鏈“斷鏈”、生鮮配送損耗大等問題，暴露出亟待解決的“最后一公里”末端配送問題。本文主要從物流末端配送問題著手，建立路徑優化模型，采用蟻群算法優化原來的行駛路徑，使用Matlab軟件仿真實驗并分析數據結果，以期解決“最后一公里”的末端配送難題，提高物流效率，為生鮮電商發展奠定堅實的基礎。

一、生鮮電商的發展現狀分析

電子商務的爆炸式發展，越來越多的人購物習慣已從線下轉向線上，消費模式升級，網購已經成為生活中不可或缺的一部分。隨著各領先資本布局生鮮電商，該行業市場規模越發膨脹，生鮮電商這條快車道越來越寬。基于O2O模式，消費者能夠實現線上助力線下的便捷。中國商務部數據顯示，2020年上半年我國網絡零售額達3.1萬億元，同比增長31.2%。我國生鮮電商市場規模預計在2020年將會保持62.9%的增長，達到2 638.4億元，預計到2021年升至3 177.4億元，平均能達到40%的增長率，是電子商務行業新的增長點。

生鮮電商市場規模不斷擴大，市場競爭也愈加劇烈。電商領先企業紛紛布局“線上+線下”生鮮領域，基于O2O模式的生鮮電商迅速崛起。生鮮電商興起過程中，最大困境就是冷鏈物流無法得到保證。其成本過高，導致所銷售的生鮮電商產品價格偏高，再者其物流配送時間問題一直處于顧客投訴量大的狀態。生鮮電商配送時效性低及配送路徑規劃不科學問題亟待解決。

二、生鮮電商末端配送的路徑優化分析和模型建立

（一）我國生鮮電商末端配送路徑優化分析

各電商領先者加持高科技產品的同時，提出路徑規劃過程中涉及合理選擇配送員、配送路徑路況、訂單如何分配等條件需考慮。在實際操作中，末端配送存在配送員規劃路徑不合理導致出現問題的現象。因此，末端配送路徑優化十分必要。物流優化模型常搭配使用粒子群算法、遺傳算法和蟻群算法等啟發式算法。相較于其他啟發式算法，蟻群算法有魯棒性能好等優勢，研究的物流路徑問題類似短途TSP旅行商問題，可采用蟻群算法來求解最優路徑。

（二）生鮮電商末端配送路徑優化模型建立

生鮮產品基于末端配送，配送路程遠、耗時長、成本高已成為常態。本文將物流末端配送問題歸于短途TSP旅行商問題。TSP問題，指一個商人去各地經商同時旅行，沿途需涉足多個城市，每個城市必須去且只能經過一次，行程目標是該路徑滿足所有可供選擇的路徑中最短的一條。設V={V1，V2....Vn}為配送目的地集合，用公式描述可簡單表示為：

模型中，Z公式是目標函數，V集合為頂點數（配送需求目的地數），S為回路節點數。約束條件中（1）和（2）指對于每個點而言，只能一條邊進一條邊出，約束條件（3）旨在保證只產生一條回路無子回路。因此，滿足約束條件（1）（2）（3）的解構成一條回路，該回路就是配送路徑。建立路徑模型后，采用蟻群算法求解最優路徑，最后使用Matlab軟件仿真模擬驗證結果的可行性和經濟性。

三、我國生鮮電商末端配送路徑優化實例分析

以盒馬鮮生平高店為例，進行末端配送路徑優化研究。盒馬鮮生末端配送主要存在以下幾點問題：一是盒馬鮮生門店產品供應地直采、自建物流配送系統造成高成本，顧客和整體規模達不到正比，造成浪費;二是物流配送30分鐘送達服務，限制了盒馬鮮生的配送范圍，只覆蓋門店3km范圍內配送;三是盒馬鮮生配送的智慧調度算法，造成了企業投入大、回收難等問題。

針對盒馬鮮生的具體問題，用蟻群算法、建立路徑規劃模型來實現配送路徑的優化，達到縮短實際總配送路徑目標。以下對盒馬鮮生平高店物流末端配送路徑進行優化實證研究。首先，確認門店線上訂單配送點地理位置。其次，確認配送門店中心網點以及各配送點經緯度坐標如表1所示，將坐標信息輸入到Matlab軟件并進行模擬測試。最后，確認配送中心與各配送點距離以及各配送點之間距離，在Matlab軟件中以矩陣形式導出。

確認數據后進行Matlab軟件測試，最終得到Matlab仿真測試迭代運行結果如下：最短路徑順序為1-8-7-2-6-5-4-3-1，即路徑為從盒馬鮮生門店出發到平高廣場、ONECUP、中國國旅、青少年俱樂部、添輝服務總部、游泳館、體育訓練中心最后回到配送中心盒馬鮮生門店。圖1是Matlab此次運行仿真計算最優路徑坐標圖，仿真測試得到最優總路徑長542m。

通過建立路徑模型，采用蟻群算法求解，將優化結果與原路徑進行比較分析。原有配送路徑為7條對應接單配送員配送路徑為1-2，1-3，1-4，1-5，1-6，1-7，1-8;配送總路程為2（102+157+204+238+178+80+42）=2 002米，對配送路徑優化后配送路徑為1-8-7-2-6-5-4-3，因為配送地點相距短，優化后使用一輛配送車輛進行配送，配送總距離為542米，優化后的路徑長度是原配送路徑長度的27%，配送車輛使用優化后為原來使用率的14.2%。該實例屬于短距離配送，對于較長距離配送的訂單采用蟻群算法和智能調度算法規劃路徑后能更好地降低配送成本、更高地提升配送效率。