基于降本增效的农村快递物流最后一公里配送研究

孙慧 高皓雪

摘  要：考虑到农村快递物流“低分布密度+长运输线”[1]的实际情况，通过共同配送和众包配送并结合车辆路径优化来解决农村物流最后一公里配送问题。根据最后一公里的配送特征，构建满足车辆容量最大化、配送成本最小化的模型，并在模型中加入配送人员工作时间这一约束条件，然后运用自适应遗传算法对模型进行求解，将设计的算法和构建的模型实际应用在农村快递物流最后一公里车辆路径优化上，确定最佳配送路径，提高效率，节约成本，为相关配送网点提供参考。

关键词：农村快递物流;最后一公里;自适应遗传算法;车辆路径优化

中图分类号：F252.14    文献标识码：A

Abstract： Considering the actual situation of“low distribution density+long transportation line”in rural express logistics， to solve the last kilometer distribution problem of rural express logistics through co-distribution and crowd-sourcing distribution combined with vehicle routing optimization. Based on the distribution characteristics of the last kilometer， building a model to maximize vehicle capacity and minimize distribution cost， and adding a constraint condition of working time of distribution personnel into the model， then using adaptive genetic algorithm to solve the model. Both the design and the model are applied to the vehicle path optimization of the last kilometer of rural express logistics to determine the optimal distribution path which will improve transportation efficiency and save cost， and then provide reference for related distribution network.

Key words： rural express logistics; last mile; adaptive genetic algorithm; vehicle path optimization

0  引  言

互联网的迅速发展使得网购在农村地区越来越普遍，但目前农村快递物流还是蓝海市场，有待开发，且农村快递物流存在客户居住分散，送货上门成本高等一系列问题。在解决农村快递物流最后一公里的问题上，不少学者也提出了相关的研究方案和解决策略。丁红英[2]等分析我国农村电商物流现状，提出加大建设农村物流基础设施设备，选择合理的配送网点等方法。李亚东[3]通过剖析最后一公里的现有配送模式，提出综合配送模式，充分考虑配送效率、配送成本和客户体验性等多个因素。姚天姿[4]则提出要充分利用现有科技，在人工智能技术下利用無人机完成最后一公里的配送。

以上学者的方案对解决农村快递物流最后一公里具有很大的启发作用，但想要实现高效、低成本的配送也绝非易事。在解决最后一公里的问题上，要改变传统的配送方式，采取同时共用分拨中心和终端网点的共同配送模式。或者采取部分众包配送模式，由工厂人员兼职快递员，将快递顺路送至各村落。为使配送中心的覆盖面更广，增强客户体验，就必须以快递的统一配送代替客户自提，而农村地区交通不便和客户密度低等带来的成本问题使配送网点望而却步。因此，要在共同配送和众包配送的基础上重点进行车辆路径规划，优化配送路径，提高配送效率，使配送成本降到最低。

1  农村快递物流车辆路径优化模型的建立

1.1  问题描述

农村地区交通不发达，客户居住分散，快递员经常为了十几件快递在村落之间重复往返，来回穿梭。效率不高，成本增加。矛盾在于快递网点想尽量缩短配送路径，使配送成本最小化。因此，如何进行合理的路径规划是我们应该考虑的问题。

1.2  模型假设

（1）车辆从配送中心出发结束后返回配送中心;

（2）村落的位置、数量和送货量均已知，且在配送中心的配送范围之内;

（3）配送车辆类型相同，且均保持匀速行驶;

（4）每辆车可为多个村落提供配送服务，但其仅有一条配送路线;

（5）每个村落的服务车辆不得超过一辆;

（6）农村地区很少有网络商家入驻，由农村地区寄出的快递可忽略不计，因此此模型不涉及取货问题，仅考虑单纯的送货问题。

1.3  模型参数说明

（1）Z：配送成本;

（2）K：服务车辆集合，K=1，2，…，n;

（3）J：客户点集合，J=1，2，…，m，其中1为配送中心;

（4）s：车辆k的固定成本;

（5）s：车辆单位运输成本;

（6）l：客戶i和j之间的距离;

（7）t：客户点j处的服务时间;

（8）v：车辆行驶速度;

（9）T：配送人员的最长工作时间;

（10）Q：客户j的需求量;

（11）Q：车辆最大载重量;

（12）u：表示车辆k是否被使用，是为1，否为0;

（13）x：表示车辆k是否从客户i行驶至客户j，是为1，否为0;

（14）y：表示客户j是否由车辆k服务，是为1，否为0。

1.4  模型建立

目标函数：

MinZ=su+slx                                      （1）

约束条件：

x=1， ？坌j∈J                                           （2）

y=1， ？坌j∈J                                             （3）

x-x=0， ？坌k∈K                                         （4）

x≤1， ？坌k∈K                                            （5）

ty+x≤T                                         （6）

Qy≤Q                                              （7）

y∈0，1， ？坌i∈J， ？坌k∈K                                       （8）

x∈0，1， ？坌i，j∈J， ？坌k∈K                                       （9）

式（1）为目标函数，表示配送总成本最小化;式（2）、式（3）指每个客户有且仅有一辆车提供服务且仅有一条服务路径;式（4）为进出平衡约束，保证每个节点到达和离开的车辆相同;式（5）保证每辆车从配送中心出发返回配送中心，且只有一条服务路径;式（6）表示配送人员的工作时间约束，保证每辆车的运行时间要少于车辆和司机的工作时间;式（7）代表容量约束，保证每辆车服务的客户总需求量不超过车辆的最大装载量;式（8）和式（9）为决策变量属性。

1.5  模型求解

自适应遗传算法是遗传算法的改进，此算法可在搜索过程中自适应调整[5]交叉、变异概率，解决了遗传算法容易陷入局部最优[6]这一缺陷。本文利用自适应遗传算法结合MATLAB进行模型求解。

在自适应遗传算法中，对变异概率p和交叉概率p调整如下：

p=                                         （10）

p=                                         （11）

上式中，f為种群的平均适应值，f为种群最大的适应值，f为要变异个体的适应值，f为将要进行交叉的两个个体适应值的大者，k，k，k，k∈0，1。

由式中可以看出，分母越大，即个体适应度分散时，交叉和变异的概率越小;反之则交叉和变异的概率越大。由此可见，此算法中交叉和变异概率会根据种群的适应度进行调整。

2  实例验证

2.1  数据处理

将提出的算法应用在以下车辆路径问题中：某镇下辖13个行政村，由于村落快递量少，为了尽可能平衡配送成本和客户满意度，在跟客户协商之后，以三天为一次配送周期，车辆由镇邮政支局（配送中心）出发为13个村提供配送服务。现任意选取三天，各村的送货量如表1所示。

客户点的抽象网络图如图1所示。

各农村客户点的距离（单位：km）如表2所示。

各客户点的坐标如表3所示。

2.2  参数设定

表4和表5分别为农村快递物流车辆路径优化模型的相关参数和自适应遗传算法的相关参数。

2.3  数据求解

运用MATLABR2018a编程求解最后一公里路径优化问题，参数设定完毕后将程序代码导入到MATLABR2018a中，得到相应的配送方案如图2所示。

根据优化后的运行结果显示，从配送中心同时安排三辆车进行货物配送最合理，具体配送方案信息如表6所示。

由表6可知，三种配送方案均是由配送中心出发，配送任务完成后返回配送中心。且每辆车均无超载现象，配送人员工作时长也在规定时间内，此时所产生的配送成本最低，为188.7元。

3  结束语

本文综合考虑了农村快递物流的制约因素，首先简要提出解决农村快递物流最后一公里的两种配送方式，其次将设计的自适应遗传算法中加入配送容量和配送人员最长工作时间这两个约束条件，以成本最小化为目标进行车辆路径规划。通过实际案例，优化配送路径，提高配送效率，使配送方案在成本最小化的基础上达到了整体最优。该算法适应度高，为解决农村快递物流最后一公里问题提供了新思路。

参考文献：

[1] 郭月. 农村电商物流最后一公里车辆路径问题研究[D]. 北京：北京交通大学（硕士学位论文），2019.

[2] 丁红英. 农村电子商务“最后一公里”物流配送问题及对策[J]. 技术与市场，2020，27（11）：146-147.

[3] 李亚东. 快递“最后一公里”配送模式改进研究[J]. 科技创新导报，2020，17（19）：165-166，169.

[4] 姚天姿. 人工智能下的农村快递物流最后一公里配送探讨[J]. 产业创新研究，2020（9）：103，105.

[5] 朱鳌鑫. 遗传算法的适应度函数研究[J]. 系统工程与电子技术，1998（11）：60-64.

[6] 葛继科，邱玉辉，吴春明，等. 遗传算法研究综述[J]. 计算机应用研究，2008（10）：2911-2916.