快遞爆倉期電商物流末端配送路線規劃仿真

陳 婷

(南寧師范大學物流管理與工程學院，廣西 南寧，530299)

1 引言

分析中國物流行業的發展狀況可知，由于季節原因，電商物流存在快遞爆倉期，這期間容易出現配送線路重合或混亂的問題[1]。因此需要針對這期間的電商物流進行路線規劃。其中電商物流末端的配送是快遞爆倉期間配送路線較為模糊的階段，因此需要針對末端配送路線進行具體規劃。

物流配送的路線規劃合理與否決定著物流配送的效率。對農產品電商而言，合理的配送路線規劃可以減少配送的時間和距離，進而提高配送的效率，同時還能降低物流配送的總成本[2]。通過路線的合理規劃，使得物流的運轉效率提高，從而提高農產品電商的市場競爭力和經濟效益。

傳統的物流末端配送路線規劃方法包括：GIS下的物流末端配送路線規劃方法、離散微粒群的路線規劃方法和基于遺傳算法的配送路線規劃方法。其中，GIS下的物流末端配送路線規劃方法在GIS平臺上根據配送點的分布生成配送車輛路徑方案；基于離散微粒群的路線規劃方法通過引入隨機交換序、PMX算子優化微粒群優化算法，使之能夠求解車輛路徑的組合排列問題；基于遺傳算法的配送路線規劃方法利用具有較強全局搜索能力的引申劉海交叉法優化傳統的遺傳算法，更有的規劃即時配送路線。然而這三種方法分別引用不同的技術、按照配送的先后順序來安排靜態的配送路線[3]。但它們存在著統一的問題，就是無法按照下單情況及時調整配送路線，致使規劃出的路線更新速度慢，從而增加了物流配送的成本消耗。為了解決這一問題，引用傳統路線規劃方法的思路，并在傳統方法的基礎上進行優化改進，提出了一種新的電商物流末端配送路線規劃方法。

2 電商物流末端配送路線規劃方法設計

在快遞爆倉期間，當農產品電子商務物流平臺上產生物流訂單后，對末端配送路線進行規劃，具體的規劃流程如圖1所示。

圖1 物流末端配送路線規劃方法實現流程圖

從圖1可以看出，在路線規劃的過程中引入了蟻群算法，可以得出動態更新的路線規劃結果，總根本上節省配送過程中產生的成本。

2.1 采集配送路線起始點

電商物流末端配送路線規劃方法的實現首先需要得到農產品配送的起點和終點的信息，為此搭建農產品的電子商務平臺，并從中得到農產品的訂單情況和配送信息[4]。搭建的農產品電子商務物流平臺的運行機制如圖2所示。

圖2 農產品電商物流平臺運行機制

農產品電子商務平臺主要由兩個體系四層結構組成，兩個體系具體指的是身份認證安全體系和運行維護保障體系，其中身份認證體系中的身份主要有管理員身份和用戶身份，用戶身份可以在平臺上進行任務下單，而管理員身份可以在平臺內采集任務信息，而農產品電商物流瓶體中的四層結構是基礎層、資源層、支持層和應用層[5]。按照物流平臺的運行機制，用戶在平臺內下單之后，采集訂單信息中的配送起始點，按照配送起始點進行路線規劃。

2.2 物流配送中心選址

物流配送中心的選址應充分考慮物流資源和市場需求分析情況，并與之相適應。在確定物流末端配送模式的前提下，遵循適應性、協調性、經濟性和前瞻性的原則[6]，具體的選址流程如圖3所示。

圖3 配送中心選址流程

假設在物流平臺上確定配送區域內的需求點數量和地點，該配送區域內只允許存在一個配送中心，配送中心用來對區域內所有的需求點的貨物進行供應[7]。連接需求點之間的道路，并確定通行配送方向。配送車輛從配送中心出發，經過配送需求點，設定配送中心點為i，到達任意需求點j的距離表示為xij，其取值為正整數M。那么中心選址的約束條件為：

(1)

(2)

分析式(2)，從模型中建立頂點與頂點之間的最短路徑距離矩陣D，矩陣中第i行第j列表示頂點之間的距離。用頂點之間的路徑長度來替換原始頂點距離[8]。分別求得頂點i為始發點的運輸路徑TC，選出TC中的最小值TC(x)，則x就是電商物流末端配送路線規劃中的中心地址。

2.3 獲取初始路徑

以物流末端配送路線規劃中心地址為中心，劃分基本的送貨區域，由于配送貨物的屬性不同，需要在配送之前對屬性差別較大的貨物進行區分。接著結合訂單中顧客要求的送貨到達時間，按照送貨的距離進行配送排序，得到初始路徑，具體情況如表1所示。

表1 初始配送路線方法表

2.4 優化物流配送原始路徑

在獲得初始路徑的基礎上，對初始路徑進行優化規劃。確定所需要進行物流配送的車型，各車型的數量、司機數量、各個車輛的配送順序、送貨量、行駛距離、油耗情況等參數，最終求得各個路線的綜合費用，并通過遺傳算法得到時間成本、路途成本以及運費成本最低的優化規劃路徑[9]。假設配送的中心點為起始點，需要配送到N個城市，令車輛的最大容量為P，配送的車輛分別為承載量7噸的車型P1和承載量為11噸的車型P2，各個需求點的需求量用Ri(i=1，2，…，N)來表示，設各個需求點之間的距離為dc，配送過程中所需的過路費收費距離為l。各需求點貨物需求量、配送距離以及收費距離如表2所示。

表2 運輸任務表

2.4.1 時間最短路線規劃

實現時間最短路線的規劃是將某兩個回路合并為一個回路，若使得合并后的總運輸時間縮短，就節約了運輸的時間，節約的時間用Δt表示，如式(3)所示。

Δt=t0i+tj0+…+tij

(3)

式中t0i、tj0和tij分別表示的是各個節點之間配送所消耗的時間。0點為配送中心節點，則優化過程首選需要得出初始解，確定各個車輛配送的點集{I1，I2，…，Ik}，令Ij={j|j=1，2，…，n}，計算節約時間，并按照順序對其進行排列，合并配送回路，從排列好的節約時間中的最大值開始，直到Δt的集合為空[10]。將合并完成的路線輸出，得到的配送路線即為時間最短優化規劃后的路線。

2.4.2 蟻群算法計算最短路徑

利用蟻群算法對配送路線的最短距離進行計算，從而得出最短配送距離的路線規劃結果。蟻群算法的路線計算路線流程如圖4所示。

圖4 蟻群算法計算流程圖

用人工螞蟻來代替車輛為各個需求點進行服務，當下一個需求點會使運載重量超載，或者是運距超過一次最大行駛距離時，就立即返回配送中心，該車輛完成一次運輸[11]。編號為h的螞蟻當從需求點A到需求點B的轉移概率可以用式(4)來計算

(4)

式中vj表示的是需求點在A的表示方式，ηi，j可以用式(5)來計算。

(5)

同理可以計算出μi，j的值，τij表示的是蟻群算法的優化迭代數。

根據產生初始時刻的螞蟻種群移動路徑，對所產生的每一條可行移動路徑進行調整，并對每一條路線進行迭代，得出目前最短路徑作為結果輸出。

2.4.3 運費最省路線規劃

電商物流末端配送路線的運費主要分為固定成本和運輸成本，路線運費的總成本可以用式(6)來計算

C=C1+C2

(6)

式中，C1為規劃路線的固定成本，其計算方法如式(8)所示

(7)

式中，zk表示的是固定變量，即第k輛車的被使用情況，取值為0或1。gk為單量車輛所產生的固定成本。而式(6)中C2為車輛運輸成本，計算公式為

(8)

其中，φ為單位行駛里程的運輸成本，xijk為車輛k完成需求點i到需求點j的配送任務情況，完成任務取值為1，否則取值為0。在得出最短時間與最短路徑規劃路線結果中計算每一條線路的運費成本，取成本最低的路徑為原始路徑物流配送線路優化結果[12]。

2.5 配送路線動態更新

在路線規劃的過程中，會生成新的物流任務，同時也會完成一些配送任務，因此需要對配送路線進行實時更新。更新示意圖如圖5所示。

圖5 路線更新示意圖

圖5(a)中4為新增的配送需求點，而圖5(b)中為路線調整情況。按照5中的更新情況便可以實現路徑的信息素濃度更新，最終的動態物流配送路線規劃結果如圖6所示。

圖6 規劃配送路線輸出結果

3 仿真與結果分析

為了驗證快遞爆倉期電商物流末端配送路線規劃方法的有效性，設計如下仿真，并將傳統的基于遺傳算法的路線規劃方法和GIS下的路線規劃方法作為實驗的對比方法。

仿真中所使用配送車輛型號與最大承載量相同，物流配送的需求點同為10個，且存在4個需求點的變化，其中2個需求點的變化類型為需求點增加，另外兩個為需求點撤銷或完成。

利用三種不同方法對快遞爆倉期的配送路線進行規劃，并從時間成本、運費成本與路途成本三個方面計算規劃路徑的成本消耗。其中，時間成本通過配送耗時來體現，運費成本通過配送費用、配送距離人工投入來體現，路途成本通過燃油和鍋爐費用來體現。通過仿真得到有關于物流末端配送路線成本消耗的實驗結果，如表3所示。

表3 仿真數據結果

從表中的數據可以看出，傳統配送路線規劃方法的平均時間成本為24h，平均配送路程消耗為2581.8元，而綜合運費成本為333元。經過對比可知，所提方法比傳統配送路線規劃方法得出的路線時間成本節省8小時，配送距離成本節省633.1千米，綜合配送費用成本節省200.1元。即時間成本節省了33.3%，路程成本節省了24.5%，運費成本節省了60.1%。因此該路徑規劃方法可以提升配送效率、節省配送成本。

4 結束語

在物流配送的過程中，物流車裝載的當天需要從倉庫中按計劃提前做好每一個客戶配送的最優配送路徑,,最后返回到倉庫。采用所提的電商物流末端配送路線規劃方法，不僅可以得到最優的物流配送路線，還解決了傳統方法中存在的配送成本過高的問題，具有明顯的應用優勢。物流配送路徑優化規劃方法只適用于部分物流公司，雖然整體方法運行良好，但由于時間限制，只模擬當某個配送點調整時配送線路的動態更新規劃，無法對實際動態路況進行反饋更新，這一點將在未來的研究過程中繼續深入研究。