基于異構數據的農產品冷鏈物流節點部署仿真

張 慧，滕志霞

(1.吉林建筑科技學院管理工程學院，吉林 長春 130114；2.東北林業大學信息與計算機工程學院，黑龍江 哈爾濱 150040)

1 引言

農產品因具有較強的季節性與易腐爛性[1]，對物流存儲、運輸條件具有極高的要求，但同時也促進了物流需求與模式的轉變。為適用于農產品運輸，作為特殊物流形態的冷鏈物流[2]模式脫穎而出，廣受關注的食品質量安全問題更是進一步推動了冷鏈物流形態的發展，該模式通過擺脫傳統物流在生產加工、庫存倉儲、配送運輸等一系列限制條件[3]，令消費者的品質要求得到滿足，并慢慢演變為食品物流領域的翹楚。

以助推農產品冷鏈物流發展、完成冷鏈物流升級轉型為目標，有學者提出物流節點的優化布置方法。文獻[2]提出，以各成本作為目標函數，結合2-opt局部搜索的改進蟻群算法，實現物流低碳配送的路徑優化；文獻[3]提出，以最短路徑、共同弧段和通道運能為重點構建多層級的物流節點協同布局模型，并結合點線能力約束進行優化；文獻[4]提出，利用改進的蟻群算法搜索物流節點，并尋找到最優的物流配送路徑。但上述方法普遍沒有考慮到節點資源數據的全面性，對配送量等沒有深入分析。

為此，本文基于異構數據，構建一種農產品冷鏈物流節點部署方法。引用可擴展標記語言文檔，通過中間數據庫完成轉變，減少所需模塊數量，并在一定程度上強化擴展性；通過集成物流異構數據，使物流鏈環環相扣，增加協作默契度，改善了物流節點部署時的內部數據覆蓋的完整性；添加可視化圖形交互功能，便于使用者運用XQuery語言查詢功能；分析粒子群優化算法下參數取值范圍，抑制負面影響發生，確保農產品冷鏈物流節點部署結果為最佳方位。該部署策略有助于降低物流成本，保證產品品質。

2 物流異構數據集成

物流初始階段中尚未樹立供應鏈理念，也不存在各環節間的共同協作關系，導致物流信息形成了規模龐大的異構數據源，對當前物流參與者間的協作關系產生了較大影響。為滿足實際的物流業務需求與應用要求，引用XML[5](Extensible Markup Language，可擴展標記語言)文檔，構建一個如圖1所示的異構數據集成模型，強化物流各環節關聯，增加協作默契度。

圖1 異構數據匯總模型

該模型由集成中心與服務模塊完成客戶訪問與操作，通過觸發器機制[6]同步管理各物流環節信息與集成中心信息，模型結構組成如下所述：

1)數據源模塊：用于生成信息與交換信息。信息從各類數據庫中生成；交換信息包括傳輸、申請、采集等。

2)轉變模塊：用于雙向轉變數據源與可擴展標記語言文檔。從數據源到可擴展標記語言文檔的轉變是將業務數據源封裝為可擴展標記語言文檔格式，逆向轉變是完成業務數據源中可擴展標記語言文檔格式數據的存儲。

以數據源到可擴展標記語言文檔的轉變順序為例，描述具體轉變流程。根據數據源的相關性、字段等界定，得到XSD(XML Schemas Definition，可擴展標記語言文檔結構定義)文件，將在數據源內獲得的數據轉變為可擴展標記語言文檔，依據可擴展標記語言文檔結構定義文件，完成可擴展標記語言文檔節點數據界定，如圖2所示。

圖2 數據源到可擴展標記語言文檔轉變模型示意圖

轉變階段里各數據源具有各不相同的數據庫框架，所以，針對每個數據庫的框架形式，采取對應的識別方法區別內部數據結構，按照可擴展標記語言文檔結構，統一轉變數據格式，將其存儲在可擴展標記語言文檔內。轉變步驟如圖3所示。

圖3 數據源到可擴展標記語言文檔轉變流程示意圖

利用SQL[7](Structured Query Language，結構化查詢語言)提取數據庫中相關的物流信息，通過XQuery語言查詢存儲于可擴展標記語言文檔內的可擴展標記語言文件。經添加可視化圖形交互功能，讓使用者更熟悉XQuery語言查詢功能。可擴展標記語言文檔的查詢流程如圖4所示。

圖4 可擴展標記語言文檔查詢流程示意圖

3)集成模塊：用于制定數據模式、提供相關服務。為滿足不同用戶需求，在自設的數據模式基礎上，給予模式轉變服務，比如轉變模式的映射機制與規則、共享模式的映射任務等。

4)應用模塊：用于實現使用者的程序運用。

由此，實現了對農產品冷鏈物流數據的集成，為優化冷鏈物流節點資源的配置與整合，提高整體冷鏈物流系統的運行效率提供保障。

3 基于異構數據的農產品冷鏈物流節點部署

經濟發展大幅提升了優質農產品的需求量，各申請點需求量與冷鏈物流中心流通量也隨之上升，導致冷鏈物流中心容量無法滿足申請點需求；增設提供點與申請點，將更改整個冷鏈物流結構；若冷鏈物流中心選取不合理，會增加物流成本與質量損耗。因此，為解決以上問題，基于適應性、協調性、戰略性以及經濟性等原則，結合經過集成的物流異構數據，提出一種冷鏈物流節點部署方法，取得最優的冷鏈物流節點布局，使與日俱增的需求量得到滿足，降低運營成本，提升產品品質。

3.1 冷鏈物流節點部署模型構架

假設農產品冷鏈物流整體布局用二維連續空間Z2界定，布局中的所有節點集合與覆蓋范圍集合分別用Ω、A表示，各指標表達式如下所示

Z2={(x，y)，0≤x≤a，0≤y≤a}

(1)

Ω={T1，T2，…，Tn}

(2)

A={A1，A2，…，An}

(3)

其中，n表示節點數量。

從布局節點中隨機選取節點Tk、Th，坐標分別為(xk，yk)、(xh，yh)，采用下列計算公式求解兩點間距dkh

(4)

若兩節點間距比雙倍節點感知半徑小，則判定兩節點呈相交關系，重合的覆蓋范圍為Akh；兩節點與節點Tg呈相交關系時的重合覆蓋范圍是Akhg；由此推導出節點T1，…，Tn-1與Tn呈相交關系時的重合覆蓋范圍為A1，…，n。

設定P為優化節點部署的決策變量，即冷鏈物流布局中的節點部署集合，表達式如下所示

P={(x1，y1)，(x2，y2)，…，(xk，yk)，…，(xn，yn)}

(5)

該決策變量的優化目標是最大化節點集合Ω中各節點覆蓋范圍，最終節點部署即為對應變量，即，冷鏈物流節點部署模型的目標函數F表示為

F(P)=maxσ

(6)

式中，σ表示n個節點的覆蓋率，由下列計算公式解得

(7)

式中，S表示覆蓋的范圍總和，表達式如下所示

(8)

由此，通過求解覆蓋率，并以覆蓋率最大化為目標，實現冷鏈物流節點的部署模型構建。

3.2 冷鏈物流節點部署模型求解

引用PSO(Particle Swarm Optimization，粒子群優化)算法[8]完成冷鏈物流節點部署模型的計算，獲取部署方案中的節點方位。具體求解流程描述如下：

1)初始化m群體規模的全部微粒，并使以下設定成立：微粒初始方位與速度分別為Xi、Vi，微粒初始方位是個體最佳方位Pi；微粒初始適應度是個體最佳適應度[9]；群體最佳適應度是個體最佳適應度內的最佳適應度；對應于群體最佳適應度的微粒方位是群體最佳方位Pg；

2)根據微粒初始方位Xi與速度Vi，求解各微粒適應度f(xi)；

3)對比各微粒適應度與其最佳方位Pi對應的適應度，適應度較大的對應方位即最佳方位；

4)對比各微粒適應度與其全局最佳方位Pg對應的適應度，適應度較大的對應方位即全局最佳方位；

5)利用下列兩項計算公式，重新求解微粒的初始方位Xi與速度Vi，若指標滿足越界條件，則設定成邊界值：

vij(t+1)=vij(t)+c1r1j(t)(pij(t)-xij(t))

+c2r2j(t)(pgj(t)-xij(t))

(9)

xij(t+1)=xij(t)+vij(t+1)

(10)

式中，微粒i的維度為j，迭代次數為t，加速常數分別為c1、c2，隨機函數分別為r1、r2，取值范圍是0到1；j維下的微粒速度與方位各是vij、xij，其最佳方位與全局最佳方位各是pij、pgj。

6)設定最多迭代次數Gmax為停止條件，若未達到最多迭代次數，返回第(2)步；反之，則迭代終止。其流程圖如下圖5所示：

圖5 基于粒子群優化算法的節點部署模型運算流程

利用微粒的最佳適應度對節點部署模型進行數次迭代求解，實現了各節點的模糊部署。

3.3 粒子群優化算法參數

為確保農產品冷鏈物流節點部署結果為最佳方位，深入分析嚴重影響粒子群優化算法尋優性能的極大速度vmax與加速常數c1、c2等指標參數[10-11]。各指標選取策略具體描述如下：

1)迭代時微粒可達到的最遠運動長度隨極大速度vmax改變，速度過快或過慢均會導致一定的負面影響，設定當前方位與最佳方位間的空間分辨率是極大速度vmax，通過動態限制速度vmax，隨算法運行逐漸降低步幅。

2)各微粒往最佳方位Pi與全局最佳方位Pg運動時的統計加速項權值即為加速常數c1、c2，當常數值較小時，微粒不屬于目標范圍內；反之，將無法準確抵達目標范圍中。因此，加速常數的取值范圍一般在0到2之間。由此，確定了優化的冷鏈物流節點部署方案，能夠改善節點規劃不合理、效率低下等問題，保障農產品冷鏈物流的可持續發展。

4 農產品冷鏈物流節點部署仿真

4.1 冷鏈物流節點相關設置

根據某市農產品冷鏈物流布局實際情況，采用Witness仿真軟件模擬布局中冷鏈物流中心、提供點以及申請點等十個物流節點的運作狀況，各節點間距、堵塞時長，備選節點需求量、單價、運營成本，分別如表1、2所示。其中，設定物流油耗是0.5元/噸/公里，過路費是0.06元/噸/公里，其它費用是油耗與過路費的0.8%計提費率。

表1 冷鏈物流節點間距(單位：公里)

表2 冷鏈物流備選節點其它相關信息

4.2 節點部署效果分析

利用本文方法得到冷鏈物流節點部署方案，如下圖6所示。

圖6 冷鏈物流節點部署示意圖

根據圖6的部署方案，以配送成本與需求量滿足度為評估指標，經仿真驗證方法性能。對比方法為文獻[2]方法、文獻[3]方法和文獻[4]方法，評估指標實驗結果分別如表3、表4所示。

表3 配送成本對比(單位：元)

表4 供應量與需求量對比(單位：千克)

根據表3所示的節點最佳部署方案與其它部署方案成本對比結果可知，相較于其它部署結果，盡管本文部署方案的固定成本與運輸成本相對較高，但因運營成本與懲罰成本的大幅下降，極大程度減少了成本總和，故總體來說，本文部署方案的總成本最低；由表4所示的申請點需求量、提供點供應量以及物流中心可配送量對比結果可知，提供點與冷鏈物流中心的供應量與可配送量遠遠大于申請點的需求量，即便申請點有額外數量的需求，依舊能夠得到滿足。本文部署方法的優越性能歸功于構建的異構數據集成模型，強化了物流各環節關聯，增加了協作默契度，基于此，利用設計的冷鏈物流節點部署方法，取得了最優的冷鏈物流節點布局，使冷鏈物流節點得到合理部署，滿足了申請點的不同需求量。

農產品易腐蝕，配送時長對其品質有直接影響，故通過不同的懲罰系數取值，探討農產品的時效性，具體結果如圖7所示。

圖7 懲罰系數與農產品時效性關系

從圖7所示的成本曲線走勢可以看出，總成本隨著懲罰系數的變大而上升，而配送成本卻與懲罰系數呈負相關性，說明懲罰系數的取值對農產品時效性有較大的決定性作用。從變化趨勢上來看，將懲罰系數控制在1.3到1.5之間時，配送成本與總成本最為均衡，在確保不浪費運營成本的前提下，保證了產品品質。

5 結論

農產品冷鏈物流的區域分布不合理，不僅加劇了物流成本與食品損耗，而且阻礙了冷鏈物流形式發展。為此，以物流異構數據為基礎，制定出一種農產品冷鏈物流節點部署策略，通過粒子群算法優化了節點部署方案。盡管本文方法降低了冷鏈物流運作成本，確保了產品品質與需求，但因節點部署策略中未考慮到實際物流運作中產生的中轉與庫存成本，所以，應在今后的工作中，將本文方法應用于實踐，結合真實情況完善方法性能。由于現實情況中存在低價低質產品，為順應市場發展，下一階段應就農產品新鮮度與用戶需求，構建準確的函數關系，探索低質產品的配送價值。