考慮不確定能耗和個性化客戶需求的電動冷藏車輛路徑優化

甘俊偉 李鈞 羅永 廖虎昌

摘 要： 在國家“雙碳”戰略下，采用電動冷藏車替代傳統燃油車，開展城市冷鏈配送是大勢所趨. 電動冷藏車配送作業易受諸多不確定因素的影響，導致電能消耗難以精準估算. 如何在能耗不確定條件下確保車輛電池續航里程能完成配送任務，并滿足客戶對產品新鮮度和個性化時間窗的需求，是電動冷藏車輛路徑優化面臨的挑戰. 本文借助車輛縱向動力學模型和微分方程及魯棒優化理論分析了電動冷藏車配送作業中的能耗影響因素，如電池續航能力限制、能耗不確定性、產品新鮮度和客戶軟時間窗約束等，及其產生的各項成本，構建了以總成本最小為目標的兩階段路徑優化模型，并設計混合遺傳粒子群算法對模型求解，最后以案例驗證了模型和算法的有效性.

關鍵詞： 電動冷藏車； 車輛路徑優化； 能耗； 不確定性； 混合遺傳粒子群算法

中圖分類號： F253 文獻標志碼： A DOI： 10. 19907/j. 0490-6756. 2024. 037002

1 引言

受益于國家冷鏈物流政策、全社會食品安全意識提升、生鮮電商蓬勃發展、鄉村振興強力帶動及消費結構不斷升級等因素，我國冷鏈物流市場規模持續高速增長，并于2023 年超過5000 億. 相比常溫物流，冷鏈物流要求全程控溫不斷鏈，因而物流成本和能源消耗更高. 研究表明，冷鏈物流成本比常溫物流高40%～60%，燃油冷藏車溫室氣體排放量較常溫車高30%［1］. 在國家“ 雙碳”戰略下，采用電動冷藏車替代傳統燃油車開展城市配送是大勢所趨. 然而，電動冷藏車配送作業易受道路狀況、風阻系數、動力系統轉換效率等不確定因素影響，造成車輛電能消耗難以精準估算，存在因車輛因電池續航里程不足而無法完成配送任務的風險. 此外，冷鏈產品的易腐蝕性特征以及消費者對產品品質和食品安全的越發重視，使得配送作業面臨客戶更高新鮮度和個性化時間窗的要求.這就需要對電動冷藏車的行駛路徑進行優化.

相較于傳統燃油車配送常溫產品，電動冷藏車輛路徑優化更具挑戰性. Dantzig 和Ramser［2］首次闡述了車輛路徑優化問題（Vehicle RoutingProblem，VRP）. 隨著冷鏈物流的發展，越來越多學者開始關注冷藏車輛路徑優化問題. 部分國內外學者主要以燃油車輛冷鏈配送為背景，關注配送作業碳排放管控［1，3，4］、客戶滿意度目標達成［5，6］、道路交通情況影響［7-9］、多溫共配模式采用［10，11］、應急情景融入［12，13］、干擾事件影響［14，15］、客戶服務時間窗滿足［16，17］以及產品新鮮度保持［7，17］等. 其中，對客戶服務時間窗的考慮，現有研究普遍通過構建懲罰成本函數來反映冷鏈產品實際送達時間與客戶要求時間的偏離程度. 然而，這些函數多假定提前送達與延遲送達產生相同的單位時間懲罰成本［17-20］，未能正確反映這兩類不同情形對冷鏈產品品質的差異化影響. 在冷鏈產品新鮮度刻畫方面，現有研究主要采用貨損成本函數，但大多僅考慮配送作業時間、開關門次數對貨物損耗的線性影響［7，18，21］. 隨著電動冷藏車的推廣應用，部分學者開始關注電動冷藏車配送路徑優化問題. 馮杰等［22］考慮了客戶軟時間窗和車輛里程約束，構建數學模型并設計蟻群算法進行求解，但該模型對車輛電能消耗情況缺乏刻畫. 趙志學等［23］構建了時變交通條件下車輛路徑優化模型，并設計蟻群算法進行求解，但該研究工作在確定情形下考慮車輛自重、實際車載量、行駛速度、動力系統轉化效率等構建車輛能耗模型，忽視了影響因素的不確定性對車輛能耗的影響.

綜上，現有研究存在三方面的不足. 第一，現有研究鮮有從電動冷藏車輛能耗機理入手，系統分析車輛配送作業能耗的影響因素. 這些因素的不確定性所帶來的能耗不確定性及其對車輛路徑優化的影響尚未受到應有的關注，這在一定程度使得所構建的數學優化模型可應用性不強. 第二，現有研究大多將提前和超過客戶規定服務時間窗所產生的單位時間懲罰成本等同化處理，未能正確反映冷鏈產品隨時間推移其品質變化的客觀規律，且與現實中消費者對兩類情形的心理接受意愿不符. 第三，現有研究對于貨損成本的刻畫多基于數據統計分析或直接應用線性模型描述，鮮有從產品質變的微觀機理入手對貨損變化進行精準描述.

針對現有研究的不足，本文考慮車輛速度、加速度、路況、電池轉換效率、摩擦力等因素的不確定性對電動冷藏車輛能耗的影響，構建能耗魯棒優化模型計算能耗成本. 同時，考慮冷鏈產品提前和延遲送達產生差異化的單位時間影響構建懲罰成本函數，以及參考生物種群變化規律，設計微分方程模型來構建貨損成本函數. 最后，針對模型特點，設計混合遺傳粒子群算法，并應用實際案例對算法及模型的有效性進行驗證.