基于數(shù)字孿生技術的危化品車輛運輸路徑優(yōu)化方法

張凱月, 溫海駿*, 陳躍鵬, 孟華嚴, 巨雨亭

(1.中北大學機械工程學院, 太原 030051; 2.先進制造技術山西省重點實驗室, 太原 030051)

危化品具有腐蝕、毒害、爆炸等性質(zhì),在運輸過程中由于運輸路線規(guī)劃不合理或安全監(jiān)管力度不足等原因發(fā)生事故,對人體或周邊環(huán)境易造成嚴重危害[1-2],成為制約合規(guī)利用危化品促進社會經(jīng)濟發(fā)展的關鍵因素。因此,制定合理的危化品運輸車輛調(diào)度方案變得至關重要。

危化品車輛調(diào)度問題本質(zhì)上屬于車輛路徑規(guī)劃問題(vehicle routing problem,VRP),目前中外針對車輛路徑問題的衍生問題有大量研究。Zhang等[3]、Jose等[4]和Islam等[5]運用了遺傳算法或蟻群算法求解帶時間窗的VRP問題。李魁梅等[6]采用混合蝙蝠算法求解帶車輛載重量約束的多式聯(lián)運車輛路徑優(yōu)化模型。危化品路徑問題作為VRP問題的重要一項,很多學者也對此類問題做過相關研究。郭碩等[7]結(jié)合概率語言平均解距離評價法,對危化品道路運輸路徑?jīng)Q策問題進行了求解。李樹民[8]用深度遍歷搜索算法與非支配排序算法,求解了降低運輸事故風險和成本雙目標的危險貨物運輸路徑優(yōu)化問題。范杰[9]將可靠性選址與路徑優(yōu)化問題結(jié)合,解決了危化品物流系統(tǒng)中儲存和運輸環(huán)節(jié)的風險和成本控制問題。

現(xiàn)有文獻主要集中于建立固定風險模型并結(jié)合啟發(fā)式算法實現(xiàn)危化品車輛路徑規(guī)劃研究,針對危化品路徑問題的研究中考慮實時性動態(tài)信息因素較少,且一般未充分結(jié)合新興電子信息技術實現(xiàn)對動態(tài)信息數(shù)據(jù)的獲取。由于危化品物流運輸介質(zhì)的特殊性和風險管控難度大的特點,危化品物流的特殊性主要表現(xiàn)在企業(yè)運輸許可、運輸車輛和駕駛?cè)藛T的專門要求兩方面。因此現(xiàn)將數(shù)字孿生技術融于不確定性因素下多目標優(yōu)化的危化品運輸車輛路徑問題研究,動態(tài)獲取駕駛員疲勞狀態(tài)預警及車輛故障預警的實時數(shù)據(jù)與調(diào)度方案進行交互融合,降低貨物配送的成本及發(fā)生風險概率。

1 數(shù)字孿生驅(qū)動下危化品物流配送系統(tǒng)框架構建

1.1 基于數(shù)字孿生的聯(lián)動信息構架

數(shù)字孿生技術在車間管控[10-11]、產(chǎn)品制造工藝[12-13]以及裝備管理[14-15]等方面應用的研究較多。基于數(shù)字孿生的危化品車輛調(diào)度系統(tǒng),主要是在孿生數(shù)據(jù)的驅(qū)動下,先對危化品物流運輸物理空間中的數(shù)據(jù)信息,根據(jù)需求與約束進行提前儲存與分析計算。虛擬空間針對數(shù)據(jù)模型制定初始車輛調(diào)度計劃,并實時接收動態(tài)數(shù)據(jù),從而實現(xiàn)虛擬模型在動態(tài)性干擾的作用下結(jié)合優(yōu)化算法對調(diào)度方案進行不斷優(yōu)化仿真。如圖1所示。

1.2 系統(tǒng)體系架構設計

基于以上聯(lián)動信息架構運行機制,提出了基于數(shù)字孿生技術的危化品物流配送系統(tǒng)整體框架,分為物理層、服務層、模型層、運維服務層4個層次,如圖2所示。

圖2 危化品物流配送系統(tǒng)數(shù)字孿生框架Fig.2 Digital twin framework of hazardous chemicals logistics distribution system

(1)物理層。該層負責接收危化品車輛調(diào)度系統(tǒng)指令,并獲取運輸車輛危險駕駛物理信息。依據(jù)主動安全智能防控系統(tǒng)的疲勞監(jiān)測系統(tǒng)(driver status monitor, DSM)獲取駕駛員疲勞狀態(tài)視頻圖像,也可通過汽車自診斷(on-board diagnostics, OBD)系統(tǒng),應用基于控制局域網(wǎng)總線(controller area network, CAN)的相關協(xié)議,通過OBD檢測儀獲取車主駕駛行為習慣、車輛故障信息碼及油耗、車速等關鍵信息,實現(xiàn)對車輛駕駛情況進行實時監(jiān)管。

(2)服務層。該層利用孿生數(shù)據(jù)采集模塊與5G通信技術實現(xiàn)運維服務層和物理層之間的數(shù)據(jù)采集和傳輸。

(3)模型層。該層通過對危化品車輛配送過程中采集的數(shù)據(jù)結(jié)合路徑規(guī)劃算法,對危化品車輛調(diào)度方案進行實時動態(tài)調(diào)整和優(yōu)化。為基于數(shù)字孿生技術的配送管理提供動態(tài)數(shù)字孿生模型。

(4)運維服務層。該層其他三層的基礎上,通過前端應用設計交互界面,實現(xiàn)對危化品車輛調(diào)度系統(tǒng)的數(shù)據(jù)表示與處理、信息管理與接收以及配送場景虛擬映射的數(shù)字可視化功能,并對物理層進行實時交互反饋與控制。

2 問題描述與數(shù)學建模

2.1 問題描述

基于數(shù)字孿生技術,考慮危化品運輸過程中駕駛員疲勞狀態(tài)及車輛故障等多種動態(tài)危險因素的時變性,構建在運輸時間窗的約束下,以運輸成本最小為目標的危化品運輸動態(tài)決策模型。

針對所研究的問題,做出以下假設。

(1)每輛車僅配送于一條路徑,且要保證配送初始點和結(jié)束點都是配送中心。

(2)每輛車可經(jīng)過多個客戶點,每個客戶點只能被一輛車經(jīng)過。

(3)危化品運輸車輛類型單一。

(4)每輛車服務其路徑上的每個客戶時,應在客戶規(guī)定的時間窗內(nèi)到達配送地點,或早或晚都將面臨懲罰。

(5)所有的危化品運輸車輛在行駛過程中速度恒定且相同,不考慮行駛過程中道路擁堵等影響因素。

(5)配送中心和客戶點的位置坐標為已知。

(6)客戶點的服務時長,最早、最晚服務時間點及貨物需求量已知。

2.1.1 運輸成本

(1)

當系統(tǒng)監(jiān)測到司機疲勞駕駛或車輛故障等信息后,此時車輛在運輸過程中發(fā)生事故的概率會隨著行駛距離的增加而增加,將司機疲勞駕駛危險度系數(shù)設為ρ1,將車輛故障危險度系數(shù)設為ρ2,為方便計算,取ρ1=ρ2,綜合表示為危險度系數(shù)ρ取值1.5。且風險成本與車輛行駛里程成正比。

車輛固定成本主要包括車輛行駛油耗成本以及車輛累計損耗、相關車輛監(jiān)測設施裝備及相關軟件系統(tǒng)的損耗,其中油耗成本與行駛里程成正比。

2.1.2 懲罰成本

(2)

(3)

根據(jù)以上分析建立數(shù)學模型為

minT=min(T1+T2)

(4)

s.t.

(5)

(6)

(7)

(8)

(9)

(10)

EETi≤tik≤ELTi

(11)

(12)

(13)

(14)

式中:T為總成本。

式(5)表示配送初始點和結(jié)束點都是配送中心;式(6)～式(8)表示貨車k在路徑上的流量限制;式(9)表示每輛車所承載的貨物總量qi不應超過車輛的載重量Q;式(10)表示車輛k行駛時間不間斷,其中si為客戶i的服務時長,wi為從節(jié)點i到j的路程消耗時間,M為足夠大的正數(shù);式(11)表示車輛的到達時間必須在客戶i規(guī)定的最早和最晚時間窗范圍內(nèi);式(12)為二值變量,值取1時表示車輛k由客戶i行駛到客戶j;式(13)為二值變量,值取1時表示車輛k服務客戶i;式(14)為二值變量,取值1時表示車輛k完成了客戶i的服務。

2.2 算法內(nèi)核設計

基于數(shù)字孿生技術的危化品物流配送系統(tǒng)相比于傳統(tǒng)物流配送調(diào)度系統(tǒng),增添了運維服務層和物理層之間的數(shù)據(jù)驅(qū)動反饋,使選擇的算法內(nèi)核根據(jù)物理層實時獲取的物理信息和運維服務層的數(shù)據(jù)交互,實現(xiàn)對危化品車輛狀態(tài)信息進行實時把握和動態(tài)調(diào)整。本文研究選擇遺傳算法作為算法內(nèi)核對危化品物流配送調(diào)度問題進行求解,遺傳算法流程如圖3所示。

圖3 遺傳算法協(xié)調(diào)邏輯Fig.3 Genetic algorithm coordination logic

(1)編碼。選用一種傳統(tǒng)編碼方式--自然數(shù)編碼,染色體長度設為v+K-1,v表示客戶點數(shù)量,K為配送車輛總數(shù)。配送中心編碼為0,編碼1～n代表各個客戶點。

(2)解碼。將客戶點按任意順序排列,qi代表染色體中第i個客戶點的需求總量。如果承載貨物總量沒有超過車輛最大載重,則判斷時間窗約束插入客戶點,否則增派車輛,遍歷剩余客戶點。

(3)適應度函數(shù)。根據(jù)本文研究的問題,需要在進行選擇操作時判斷適應度值大的個體并將其選擇,所以取綜合配送成本倒數(shù)作為染色體適應度函數(shù),即fit(i)=1/T。

(4)個體選擇。選用輪盤賭選擇法,通過判斷適應度值的大小來選取綜合配送成本更低的個體進行后續(xù)操作。

(5)交叉。使用OX交叉的方式,在兩個父代染色體中任意選擇a、b兩點,將兩點間的片段確定為交叉片段。將兩個父代染色體的交叉片段分別移動到另一條父代染色體的前面,按照從前到后的順序刪除第2個重復基因位,從而形成兩個子代染色體。

(6)變異。隨機選擇兩個變異位置,互換后重新判斷該個體是否滿足約束條件。

根據(jù)數(shù)字孿生技術,改變傳統(tǒng)車輛調(diào)度方案中固定的客戶服務時間,根據(jù)危化品車輛故障信息以及駕駛員疲勞報警信息的數(shù)據(jù)上報,經(jīng)系統(tǒng)判斷報警次數(shù)達到上限后,車輛在到達客戶點后可動態(tài)選擇在客戶點的服務時間。例如,客戶服務時間為[50,100],若選擇服務時間為50 min,則說明車輛行駛狀態(tài)正常,選擇了固定裝卸貨物的時間;若選擇區(qū)間范圍內(nèi)的值,則說明駕駛員根據(jù)需要自行選擇了服務時間;若選擇服務時間100 min,則說明根據(jù)系統(tǒng)提醒強制選擇了最長的服務時間用于駕駛員休整以及車輛故障維修,從而對初始調(diào)度方案中客戶服務順序做出改變,生成新的路徑規(guī)劃方案,如圖4所示。

圖4 配送路線Fig.4 Delivery route

3 實驗與驗證

假設某配送中心有危化品運輸車輛10輛,針對區(qū)域內(nèi)25個配送點建立基于數(shù)字孿生技術的危化品車輛配送方案,配送模型相關參數(shù)設定如表1所示,客戶坐標、需求量、時間窗、客戶動態(tài)服務時間及選擇的服務時間等信息如表2所示,每個客戶服務時間可根據(jù)系統(tǒng)報警提醒進行動態(tài)選擇區(qū)間范圍內(nèi)服務時間。

表1 物流配送模型參數(shù)設定Table 1 Parameter setting of logistics distribution model

表2 客戶點坐標、需求量、時間窗及動態(tài)服務時間Table 2 Customer point coordinates, demand, time window and dynamic service time

初始種群數(shù)為100,交叉概率0.9,變異概率為0.05,經(jīng)過1 000次迭代之后得出,基于數(shù)字孿生技術的車輛調(diào)度方案如下。

配送路線1:0-1-2-15-12-13-22-8-19-16-3-0;配送路線2:0-4-21-9-25-17-18-5-0;配送路線3:0-6-7-14-23-24-10-11-20-0。

其中第1、3條路線的危化品運輸車輛在經(jīng)過第22、7顧客后,基于數(shù)字孿生技術的車輛監(jiān)控系統(tǒng)檢測到了車輛發(fā)生多次危險駕駛警告,經(jīng)過系統(tǒng)提醒在客戶點8、14處強制選擇最長服務時間進行了車輛維修或駕駛員休整,導致其后續(xù)客戶服務順序發(fā)生改變。第1、2條路線的危化品運輸車輛在經(jīng)過第19、17客戶點時根據(jù)需要在普通裝卸貨物需要的時間基礎上自行增加了10 min的服務時間,但并未對其原始路徑規(guī)劃方案產(chǎn)生變動。其實際路線方案如圖5所示。

圖5 最優(yōu)配送路徑Fig.5 Optimal delivery route

經(jīng)分析,傳統(tǒng)物流配送車輛調(diào)度方案中總成本為22 290元,基于數(shù)字孿生技術的車輛調(diào)度方案中總成本為21 909元,其中事故風險成本為1 789元,由于危化品配送車輛經(jīng)過了車輛維修及駕駛員休整,不僅降低了危化品運輸過程中發(fā)生風險的概率,還在一定程度上降低了發(fā)生事故后對企業(yè)及社會的損失成本。所以減免配送過程中的事故風險成本后的總成本為20 120元,基于數(shù)字孿生優(yōu)化仿真方法得到的物流配送總成本比在傳統(tǒng)優(yōu)化仿真方法下的物流配送總成本降低了9.73%。

4 結(jié)論

危化品運輸環(huán)節(jié)中的發(fā)生事故不僅會對企業(yè)造成嚴重損失,還會引發(fā)重大人員傷亡事故,并且對周邊生態(tài)環(huán)境也會造成嚴重污染與破壞。

(1)結(jié)合危化品物流配送系統(tǒng)數(shù)字孿生框架,實現(xiàn)對危化品配送過程中的時變物理信息動態(tài)掌握。

(2)通過仿真分析,驗證了基于數(shù)字孿生技術的危化品車輛調(diào)度方案可以根據(jù)動態(tài)不安全信息調(diào)整路徑優(yōu)化方案。

(3)本文方法不僅使危化品在運輸過程中的配送總成本降低了9.73%。同時由于在一定程度上降低了危險品在運輸過程中發(fā)生事故的概率,對事故后續(xù)可能產(chǎn)生的生態(tài)影響也有一定程度的減輕。