快递配送中心农村配送路线优化研究

(云南大学工商管理与旅游管理学院 云南 昆明 650504)

一、引言

伴随着电子商务的发展，快递行业迎来了发展的黄金时期。有数据表明，2016年快递业务量首次突破300亿，而2017年相较于2016年增加28%，快递业务量突破400亿，达到400.6亿件[1]。虽然快递行业得到了高速发展，但是其在发展过程中也暴露了不少问题，使得快递服务业的服务水平达不到国民要求，尤其是末端配送(最后一公里)问题，直接影响顾客的感知体验，严重制约快递业服务水平的提高。有关机构针对快递服务的顾客满意度进行的问卷调查，结果显示其中近九成的受访者表示曾遇到过快递延误送达的情况，更有10.0% 的受访者经常遇到[2]，因而顾客感知体验较差，满意度不高。此外，末端配送的成本在物流的各个环节中最高，超过三成[3]，给相关企业带来了巨大的经济压力。基于此背景，合理安排配送路线，降低运输成本和时间成本，以提升企业效益和快递业的服务水平、提高客户满意度是当务之急。

学术界对于快递配送路线问题给予了极大的关注，经过不断地发展，研究成果丰硕。从研究角度看，目前我国快递配送主要集中于城市和农村的快递配送，部分研究也涉及校园快递配送问题。从城市角度出发，学者多采用构建相关研究问题的优化模型，并利用算法进行求解并验证模型的研究方法进行研究[4-7]。例如，其中杨志清(2015)构建基于城市配送条件下的多目标带时间窗的车辆路径优化问题模型，实验结果显示时间窗因素以及多车型对优化路径、降低成本有重要作用[4]；倪霖等人(2017)针对城市配送的空载问题，建立城市共同配送路径优化模型，运用改进遗传算法求解后，用算例验证模型的有效性[5]；杨从平(2014)设计了基于蚁群算法的快递物流配送车辆路径问题的算法模型并进行验证，验证结果表明网络优化后，配送车辆数量和配送总路程都得到大幅度的降低[6]；陆颖(2018)利用改进的最大最小蚁群算法来求解城市快递路径优化问题，构建了基于时间窗因素的新模型，实验数据表明，该模型及算法是有效的[7]。

城市快递配送优先得到发展，而近几年随着电商的普及，农村快递配送异军突起，发展迅速，部分学者也将研究角度转向农村。范琳榜(2016)针对农村物流配送体系不发达的现实问题，以及农村电子商务快递下乡配送的重要意义进行分析，提出了一些针对性的建议[8]；秦维璟(2016)以大连市谢屯镇为例,分析了农村快递的发展现状和阻碍因素,并提出解决相关对策,希望能激活农村快递市场,提升农村居民的生活便捷度[9]；赵潇潘等(2018)基于农村快递配送效率低下的现状,从基础设施、网点覆盖、信息化程度、人才缺失等四角度出发，阐明造成农村快递配送效率低下的原因,并针对相关问题提出对策和建议[10]。

大学生对网购的巨大需求，为电子商务的发展注入新的动力，也使得校园快递配送成为研究的一大热点。林行(2016)在当前高校配送模式的基础上,提出高校物流配送的改进建议[11]；杨士涓等(2017)和罗白璐等(2018)以“互联网+”为背景，针对当下高校校园快递配送模式的现状、存在的问题，对今后高校校园快递配送模式的完善提出了几点建议[12-13]。

从以上分析可以发现，目前对快递配送的研究角度多元，其中针对城市快递配送的研究比较成熟，多数研究都构建相关研究模型以及利用算法进行求解，此外还进行数据分析，验证模型和算法。而对于农村和校园的研究则稍显滞后，基本处于理论描述阶段，针对相关问题提出建议，实证研究较为缺乏。因而为了弥补这一问题，本文从农村快递配送的角度出发，以A物流公司为例，综合考虑快递配送的运输成本、时间成本和装卸成本，引入运输成本、时间成本和装卸成本的权重系数ω、μ、ρ，将多目标规划问题转化为单目标线性规划问题，建立关于快递配送的多目标VRP模型，以期能够给农村快递配送路线的优化给出建议。

二、问题描述与分析

(一)问题的一般化描述

A物流公司快递配送路线优化问题，即是在运输车辆载重能力有一定限制的条件下，A物流公司的运输车辆为了满足每个乡村快递点的需求，确定合适的运输路线，在恰当的时间将快递运送到各个快递点，最后使得车辆运输总路程最短，并且满足各个快递点的时间要求，最终达到运输成本、时间成本和装卸成本最低，从而节约总体的运营成本。

(二)问题分析

A物流公司快递配送路线优化问题可以具体作如下讨论：

首先，A物流公司的运输车辆从A公司出发，去向物流集散中心O装载快递包裹，在这一过程中，会产生空车的运输成本；此外，运输车辆必须在规定的时间到达物流集散中心，如果晚于规定的时间，则会产生等待的惩罚成本。运输车辆达到后，需要将各个快递点的快递包裹统一装载，产生装载成本。

其次，运输车辆装载完成后，需要将各个快递点的包裹依次送达。此时需要考虑运输线路的优化问题，即如何确定运输线路，使得运输线路最短，并且满足各个农村快递点的时间要求。在此过程中，需要考虑车辆载重时的运输成本和到达各个快递点后的卸货成本。

最后，当各个农村快递点的配送任务都完成后，运输车辆能够返回A物流公司。

因而，整个快递配送路线优化问题的最终目标是：在同时满足运输路线、运输时间、运输载重、车辆需求等约束条件下实现总运输成本最低。

三、模型建立

(一)模型假设

(1)只有一个物流集散中心和A物流公司位置，且设A物流公司为运输起点；

(2)运输车辆车载容量已知，每辆运输车辆进行运输时的最大载重量不超过车辆载重限制；

(3)各个农村快递点对配送时间有要求，运输车辆知道各个快递点的时间要求；

(4)每辆运输车辆仅配送一条运输回路，由A物流公司出发并最终返回A物流公司；

(5)每辆运输车辆的运输行驶距离不受限制；

(6)每辆运输车辆到各快递点能且只能配送一次；

(7)每辆运输车辆可以配送多个快递点。

(二)变量及参数符号说明

N：所有快递节点的集合；

i,j：快递节点，i,j=0,1,2…N，其中O为物流集散中心；

tf：卡车出发时间；

tC：卡车f规定到达物流集散中心的时间；

Pf：卡车出发地点(A物流公司所在地)；

Sf：卡车平均行驶速度；

ef：卡车空车状态时平均每千米的运输成本；

lf：卡车载重状态时平均每千米的运输成本；

cf：卡车单位延误成本(每小时)；

ut：卡车每次装货所需时间；

mt：卡车每次卸货所需时间；

Lo：单个快递的装载成本；

Uni：第i个快递点的卸货成本；

k：第k辆运输车辆，k=1,2…K；

g：卡车到快递点的每小时延迟成本；

Ti：卡车到每个快递点的目标到达时间；

RTi：卡车到每个快递点的实际到达时间；

qi：每个快递点的快递量；

w：平均每个快递的重量；

Wk：第k辆运输卡车的载重限量；

dij：快递点i到快递点j的行驶距离；

μ：综合考虑时间成本，运输成本和装卸成本时，时间成本所占权重；

ω：综合考虑时间成本，运输成本和装卸成本时，运输成本所占权重；

ρ：综合考虑时间成本，运输成本和装卸成本时，装卸成本所占权重。

(三)模型构建

(1)卡车k从Pf出发去物流集散中心O转载快递

卡车k从Pf出发去物流集散中心O转载快递，产生的运输成本为：

CPUf=dist(Pf,Po)ef；

卡车f到达物流集散中心O的时间为：

ta=tf+dist(Pf,Po)/Sf；

在卡车f到达物流集散中心O后，会出现3种情况，即第一，卡车f恰好满足物流集散中心规定的时间要求，准时达到，无需等待即可装载快递包裹；第二，卡车f在规定时间之前达到；此时，以上两种情况视作正常情况，物流集散中心无需等待卡车就可以进行装卸，因而不产生延误成本；第三，卡车f晚于需求时间，则物流集散中心原需立即装载的快递包裹需要等待卡车的达到之后才能被装载，此时需要对卡车f进行罚款，即产生延误成本，如下：

卡车f到达物流集散中心O后，需要将各个快递点的包裹进行装载，单个快递产生装载成本Lo，则该运输车辆总的装载成本为：

则这一过程产生的总成本为：

(2)卡车向各个快递点配送快递包裹

装载完成后，卡车f需要将各快递点的包裹进行运送，首先产生到各个快递点的运输费用，即

其次，每到一个快递点都要完成改快递点包裹的卸货，因而产生相应卸货成本，

此外，在运输车辆达到各个快递点时，如果达到时间晚于各个快递点的规定时间，则会产生延误成本，

因而，在这一运输过程中，运输车辆产生的总的成本为

(3)卡车返回物流公司

在运输车辆所有快递都运输到达各个快递点后，运输车辆需要返回A物流公司，假设运输卡车的最后一个目的地是r，从r出发返回Pf，产生空车运输成本，

CPUr=dist(Pr,Pf)ef

综上所述，针对研究问题，结合A 物流公司农村快递点快递配送路线优化问题的目标，构建如下的多目标函数，

综合考虑时间成本，运输成本和装卸成本所占的权重，可得如下目标函数，

此时，目标函数有如下约束条件：

1)一次运输，车辆的快递总重量不超过运输车辆的载重量的限制，

2)每个快递点的快递只能由同一辆卡车运送，并且每个快递点只能运送一次，

3)每辆运输车都是从物流公司Pf出发，完成运输任务后再返回物流公司Pf，

四、结束语

针对农村快递物流运输的末端配送问题，本文以A物流公司农村快递配送问题为研究对象，将运输成本、时间成本以及装卸成本综合考虑，引入运输成本、时间成本和装卸成本的权重系数ω、μ、ρ，将多目标规划问题转化为单目标线性规划问题，建立了关于快递配送的多目标VRP模型，在降低多目标规划问题在求解过程中的难度的同时，以期能够给农村快递配送路线的优化提出建议。但是本文也存在不足之处，首先，本文只是从理论上提出研究模型，未将实际数据带入模型进行验证，说服力不足；其次，为了简化模型，在目标设定时只考虑了运输成本、时间成本和装卸成本最小化，然而现实中情况更为复杂。因而，未来研究空间的广度和深度有待提升，如从验证模型角度进行案例研究或者根据现实情况，修正模型使其更加符合实际。