基于大數據的物流運輸網絡優化分析

文/王斌

社會經濟的飛速發展帶動了電子商務進步，也推動了物流企業的發展[1]。研究表明，各個城市的物流運輸網絡都存在差異，因此本文基于大數據設計了物流運輸網絡優化方法，為后續的物流運輸業發展作參考。

1.基于大數據的物流運輸網絡優化方法設計

1.1.分析物流運輸網絡運營成本

隨著物流運輸網絡復雜化，整個運輸網絡運營也越來越困難，各個物流企業尚未形成完善的成本運營體系，也無法實現有效的運輸網絡運營成本控制，因此本文設計了標準物流運輸網絡運營框架來分析物流運輸網絡運營成本，如下圖1所示。

圖1 物流運輸網絡運營框架

由圖1可知，上述物流運輸網絡運營框架能有效完成物流運輸，由于物流運輸成本與運輸中各項損耗相關，因此可以通過分析運輸中的各項影響因素判斷物流運輸成本。

常見的物流運輸成本影響因素包括距離、時間、車輛損耗等[7]，與實際運輸裝載量也有一定的關系，為了保證物流運輸成本最低，需要提高物流運輸的協調性，基于此，可以設計物流運輸協調參數Q計算式，如下（1）所示。

公式（1）中，g代表均衡參數，f代表物流運輸基礎數值，該參數可以有效反映運輸過程中的成本損耗，增加成本分析的準確性。

本文設計的方法將影響物流運輸的成本因素劃分成幾種，并進行了分別研究，首先分析與物流運輸距離相關的成本因素[8]，其次分析了與時間相關的物流運輸成本。最后分析載重相關成本[9]，可以計算載重成本系數，設計相關的成本計算函數來有效估計實際成本，本文根據載重成本函數繪制了相關的費用變化示意圖，如下圖2所示。

圖2 載重成本變化示意圖

由圖2可知，隨著運量的增加，運費也在不斷增加，但隨著運量持續增加，運費的增量在逐漸下降，也進一步確定了運輸載重成本的變化關系。物流運輸成本還包括儲存成本、停留成本等，雖然這些成本所占的比重較低，但也會對實際運輸造成一定的影響，因此也需要進行綜合分析，保證物流運輸網絡的精確性。

1.2.基于大數據判斷物流運輸網絡中途點停靠可行性

傳統的物流運輸網絡優化方法無法處理運輸過程中的各項停靠信息，無法準確地定位物流的位置，因此本文應用大數據技術采集分析了物流運輸信息，判斷了物流運輸網絡中途點停靠可行性。首先可以根據物流運輸網絡基礎條件，設計停靠可行性參數A計算式，如下（2）所示。

公式（2）中，Z代表停靠初始點，L代表中途點停靠常數，此時可以根據參數計算結果進行可行性描述，得出物流需求權重D，計算式如下（3）所示。

公式（3）中，C代表物流供求因子，G代表誤差因素值，G0代表需求常數，常見的物流運輸網絡多為直達模式，可以在最大程度上降低物流成本，保證物流時效，會在滿載時進行中途停靠，因此，選取正確的中途停靠點，判定停靠可行性對保證物流運輸可靠性十分重要。

本文設計的物流運輸網絡優化方法主要使用了四元組計算法分析了物流運輸車輛的任務關系，根據實際裝載情況，判斷了中途點停靠可行性。假設分撥中心之間的車輛具有中途點，此時可以將該點差分成幾個四元組，帶入直發車輛運行參數完成分析。如果在選取中途點時出現了均衡性問題，需要計算車輛的空駛浪費值，重新設計停靠點，降低實際物流運輸成本。確定停靠點后，需要驗證停靠點的權重值范圍，本文選取了幾條線路進行取值范圍分析，分析結果表明，當停靠點取值范圍較大時，與實際運輸成本差額較高，反之則與實際物流運輸成本較接近，因此可以計算停靠點均值，保證物流運輸網絡的應用效果。

1.3.構建物流運輸網絡車輛路徑優化模型

實現物流運輸網絡優化的最后一步就是構建物流運輸網絡車輛路徑優化模型。在物流運輸的過程中，經常使用直達運輸法完成貨物運輸，因此本文假設車輛裝載率和分撥中心貨量穩定，根據直達運輸的平衡性關系構建了物流運輸網絡車輛運輸路徑優化模型J，如下（4）所示。

該模型中，a代表優化參數，n代表初始坐標點，n0代表目標坐標點，應用該模型進行路徑優化時應該滿足運輸優先原則，即避免運輸返程浪費，保證每個車輛均符合運輸裝載率要求。

本文通過設置分撥中心，制定車輛分撥原則，實現干線運輸網絡優化，保證每個運輸車輛的利用率最大化，研究發現，傳統的運輸網絡在運輸時容易受到車輛空載限制，造成額外的物流成本，但在中途點經停能有效地降低物流成本，保證車輛的運輸有效性，為了進一步確定物流車輛運輸路徑，需要選取中途停靠目標，設計標準化中途點停靠模式。結合物流運輸消耗的全部成本變量可以判斷運輸中心之間的供需關系，降低物流運輸綜合成本，因此本文將大數據技術與構造算法相結合，設置了TSPVSP運輸路徑規劃算法，并進行求解，提高物流運輸網絡的綜合性能，實現物流運輸成本最小化。

2.物流運輸網絡優化效果分析

2.1.概況及準備

為了驗證本文設計的物流運輸網絡優化方法的優化效果，本文選取了X公司的物流運輸網絡進行了實例分析。X物流公司屬于大中型運輸公司，在全國各地設置了300個處理中心，該物流運輸公司內部包含超過5000條運輸線路，且有20000以上用戶與之簽訂長期運輸契約，隨著該物流運輸公司的發展，逐漸形成了較大的集中運輸車隊，該車隊總共有6418輛運輸車，承載超過300個運輸網點。X公司內部涉及的社會運力車輛已經超過了300000輛，能承載50kg~5000kg的運輸貨物。X物流運輸公司主要以某幾個發達城市的中心為運輸樞紐，進行了轉運分級，不同等級的轉運中心會被劃分到不同的運輸網絡中，該公司的最常見運輸中心圖如下圖3所示。

圖3 X物流運輸公司常見運輸中心

由圖3可知，X公司常見運輸中心內部包含多個運輸節點，整個運輸公司遵循以下運輸原則：第一，需要根據各節點的功能關系確定運輸歸屬，保證運輸遵循城市特性原則，還需要考慮運輸交通資源和運輸網絡需求設置轉運距離。第二，需要滿足規劃原則，即必須考慮成本時效因素來規劃中轉運輸方案，保證線路的有效性。第三是制約原則，即必須考慮現實制約因素對運輸造成的影響，最大程度地降低運輸成本，本文設計的線路庫內包含了20條線路，線路的起始坐標如下表1所示。

表1 線路坐標

由表1可知，上述線路的起始坐標滿足實例分析需求，可以根據坐標之間的關系設計物流運輸網絡優化指標q計算式，如下（5）所示。

公式（5）中，r代表物流歸屬數值，e代表綜合運輸權重，物流運輸網絡優化指標越高證明其優化效果越好，反之則證明其優化效果不佳。

為了保證實例分析效果，本文進一步分析了該公司的物流運輸流程，首先下單的物品需要通過寄件網點進行攬收，通過支線運輸輸送到分揀中轉中心，其次通過干線運輸完成攬收配載，最后通過支線運輸到派件點完成派送，因此，X物流中心的運輸網絡可以分為支線運輸網絡和干線運輸網絡兩種，為了避免物流運輸復雜性對實例分析造成的影響，本文分析了該物流運輸網絡的貨運結構，點對點運輸時經濟效益較高，但會受供需限制，增加物流運輸成本，中途停靠運輸可以增加資源的利用效率，但裝卸步驟較復雜，物流物品缺乏安全保障，該運輸公司結合了上述運輸方式的優點初步形成了有效的運輸體系，可以結合全部運輸體系進行優化效果分析。

2.2.優化效果及討論

根據上述X物流運輸公司的運輸網絡概況及坐標集合，分別使用本文設計的物流運輸網絡優化方法和傳統的物流運輸網絡優化方法進行運輸優化，隨機抽取上述數據集合中的10組坐標，使用公式（1）計算物流運輸網絡優化指標，優化效果如下表2所示。

表2 優化效果

由表2可知，本文設計的物流運輸網絡優化方法優化后10組坐標的物流運輸優化指標均較高，證明本文設計的方法優化效果較好，具有高效性。

結束語

綜上所述，經濟的發展和物聯網的進步推動了電子商務的發展，也帶動了物流產業進步，各個城市都形成了基礎物流運輸網絡，隨著物流信息量的增加，傳統的物流運輸網絡已經逐漸無法滿足目前的物流信息定位需求，因此本文從分析物流運輸網絡運營成本、基于大數據判斷物流運輸網絡中途點停靠可行性、構建物流運輸網絡車輛路徑優化模型，這幾個方面設計了基于大數據的物流運輸網絡優化方法，進行實例分析，結果表明，設計的物流運輸網絡優化方法的物流運輸優化指標較高，證明其優化效果較好，有一定的應用價值，可以為后續物流運輸網絡發展提供參考。C