基于物联网的多式联运配送路径规划研究

徐前景，王开利，何 诚，赵丙坤

（泸州老窖股份有限公司，泸州 646000）

0 引言

目前多式联运的研究多集中在运输层中实现运输线路的最短路径研究[1～6]、算法研究[7～11]、实现多种运输方式的组合优化研究[12～15]、实现区域物流基地、中转节点的选址研究[16～20]，多式联运仅仅是几种运输方式的简单组合，在整条供应链的前端和末端未能进行有效的资源及信息的整合匹配，在多种运输方式转换时未能进行及时有效的沟通，常常出现长时间的等待及运力不匹配现象，同时由于承运商间标准的不统一，出现多种运输单据的交接转换，大大延长了运输的时间，既浪费了资源又增加了人力、物力及运输成本[18,19]。因此，在多式联运的运输模式中，如何实现多种运输方式之间的高效转换衔接，降低整个运输过程的时间，成为制约多式联运发展的难题。

自国家十三五规划发展以来，物联网已成为多个行业强有力的经济驱动点[21]，随着智能识别技术、RFID、智能车载终端、自动驾驶、智能搬运等物联网技术的日渐成熟与应用，物联网在物流行业的使用规模呈指数式增长[22,23]，国家大量的政策出台鼓励发展多式联运，“无船承运人”[24]、“无车承运人”[25,26]等各种操作模式纷纷呈现并得到发展。

综上所述，目前少有学者将物联网、智能化思维及技术应用于多式联运领域[27]，本研究将物联网、智能化技术引入多式联运运输模式中，运用物联网的思维和技术解决物流节点间链接的难题，实现信息流、物流、资金流在整条供应链间的无缝流动。

1 模式研究

将物联网、智能化思维及技术应用于多式联运领域，从平台层、节点层到运输层进行详细剖析，解决多式联运多种运输方式转换中信息流流动不畅通的难题，从根源上找原因，实现多式联运无缝链接能力，同时将企业内部信息云平台与社会云平台进行对接，形成云平台网络域，将信息、货源及运力进行整合，实现整条供应链的透明性，降低了整条供应链的成本。

图1 物联网多式联运配送模式图解

1.1 平台层

打造供应链云平台，以物流为核心，将上游供应商、核心制造商直至下游客户联系起来，打通整条供应链，实现信息流在整个链条中的无缝透明的传递。

图2 公共信息云平台

在信息平台系统中，制造商作为整个供应链的核心，是整条供应链的管理者，对整个系统进行监控和维护，同时将供应商、承运商、制造商、客户的信息进行整合，供应商可以在本系统中随时掌握制造商的生产计划进而做出针对性的生产安排，并能随时监控制造要素部件、成品货物在途运输及仓储状态；客户可在此平台或与之相关的APP信息平台时刻掌握所购商品的运输状态并可在此信息平台的客户服务界面进行定制服务；制造商可以根据此信息平台中客户的需求信息进行生产预测。

图3 多式联运方案生成逻辑图

在企业内部将货源与运力进行整合，在企业外部将内部的信息平台与社会平台形成联动，借助APP，将外部资源整合到内部信息平台上，同时无论是自营、联营或者个体承运商均可在APP上对所有订单进行分段竞价、分段时效确认并进行在线签约，平台通过智能BI对订单信息、承运商信息、订单始发地、中转站、目的地、时效、运量等进行数据分析同时TMS系统结合码头、站场管理时刻表，结合中转站的转换时效，结合承运商的运输时效进行运输主体组合、运输方式组合和转驳方式组合，实现先定单，后定线，确定最优的多式联运方案。在不同运输方式切换时借助RFID系统，实现货物、订单运输工具之间的转换绑定，实现节点间的无缝链接；通过GPS、GIS系统实现货物的全程可视化跟踪。

1.2 运输层

在整条供应链上统一条码类型、格式，从供应链的源头开始，在供应商的每一个料盒、料箱货物、托盘货物上张贴条码，第三方物流公司进行循环取货，以及第三方物流公司将货物移交制造商只需直接扫描供应商条码即可，无需进行转换，同时结合公共信息平台，实现供应商、制造商、第三方物流公司均能查询货物在途仓储状态，实现货物信息的透明性，降低成本，实现共赢。

从开始的订单录入，到最后的货物交付结算，以公共信息平台为中心，联合WMS系统、GIS系统、移动终端，对货源和运力进行合理匹配，一单到底，以“一码制”实现“一单制”，将上游客户与下游承运商有效的衔接起来，实现票据流、信息流、实物流全程可视化监督，降低了节点转换的等待时间，大大缩短了交付周期。

图4 运输层全程可视化跟踪示意图

1.3 节点层

通过RFID手持终端输入包材物料信息、托盘码信息及成品物流码信息，运用移动黑盒设备在途可视化跟踪，运输方式转换时运用RFID技术扫描集装箱条码，实时掌握货物与运输方式的转换及调度信息，实现包材物料信息、成品信息、承运商信息及订单信息的全程掌控。同时通过信息平台也可对条码录入的信息进行分析，进行拼箱拼单操作，对于提高装载率，运输组合优化，降低运输成本等具有实质性的作用。

图5 RFID技术应用示意图

2 数学模型

考虑铁路运能限制，避免出现回流，减少节点区域覆盖重复度，使节点最少，综合考虑节点城市交通、经济发展、政策等因素，考虑地理位置、发运量等聚类分析指标，利用模糊聚类分析即将各城市的发运量按集中程度进行区域划分，定性与定量相结合，以成本最优，时间最少为目标，建立数学模型，并运用遗传算法逐步迭代得出最优多式联运方案。

2.1 符号定义

I所有经过的城市集合；

J所有运输方式集合；

T从起始点到目标城市的容许运输期限；

M一个充分大的惩罚因子。

2.2 建立数学模型

其中目标函数（1）为整个运输过程中的成本最少。目标函数（2）为整个运输过程中的综合运输时间最少，包含节点之间的运输时间和中转节点的中转时间。

约束条件（3）表示在城市i到城市i+1之间只能选择一种运输形式；约束条件（4）表示在城市i只能采用一种运输转换方式；约束条件（5）表示运输的不间断性；约束条件（6）表示货物的运输时间不能超过运输期限；约束条件（7）表明货物的运输量必须在装载工具的载重范围内；约束条件（8）表示决策变量取整数0或1。

3 应用分析

3.1 案例概述

四川某知名酒企欲将产品销往大连、开封、南京、广州、苏州、青岛、合肥、定州、徐州、上海、哈尔滨、南昌、咸阳、昆明、白银市、宁德市、北京17个城市，该企业可以提前14天拿到订单，2天内可实现生产并满足运输条件，表1为这些城市的地理位置及订单量信息。

表1 目标城市位置及订单量

经查询，该成品酒换算后的空运、铁路、水运及公路运输运费情况如表2所示。

表2 空运、铁路、水运及公路运输计费情况

根据运输时效性设计时间惩罚权重如表3所示。

表3 四种运输方式的惩罚权重值

统计等待时间后，空运平均时速650km/小时，铁路平均时速70km/小时，水运平均时速35km/小时，公路平均时速85km/小时。

假设在某两个相邻的城市节点之间，在满足运输的连续性的前提下只能选择一种运输方式，通过前面所述的数学模型，将此配送问题转化为最短路径问题，可采用改进自适应遗传算法进行求解。

3.2 算法说明

1）编码

采取整数编码，x=（x1，x2，x3，…，xi）为一条染色体，x表示规划方案，染色体中的每个基因xi表示一个城市，i代表城市的数量。

2）初始种群

随机生成一定数量的染色体组成种群，染色体越长，种群规模应该越大。经过仿真实验发现本文初始种群规模设置为300比较合适，既能保证算法精度又能保障算法效率。

3）适应度函数

适应度函数设置为目标函数,表示为：Zfit=Z（x）。

4）选择算子

采取轮盘赌选择算子，染色体适应度值越大，染色体被选择的机会越大。假设有x个染色体，其中第i个染色体的适应度值为Fi，那么第i个染色体被选择的概率为

5）交叉算子

使用两点交叉算子。随机产生一个数r，r∈（0，1）。用r与交叉概率比较，以判断是否发生交叉操作。然后随机产生两个整数I1，I2，将染色体I1，I2间这一段的基因与另一染色体I1，I2间的基因进行对调。最后采用映射的方法解决染色体互换后的重复部分问题。

6）变异算子

本文采取的变异策略为交换染色体内的两个基因，先随机产生一个数r，r∈（0，1）。用r与变异概率比较，以判断变异的发生情况，随机交换染色体内两处不同位置的基因即完成变异操作。

7）修正算子

标准的遗传算法存在早熟的缺陷，即采用标准遗传算法所得解集仍有继续优化的空间，本文采用修正算子，降低算法早熟可能性。操作如下：

步骤1：在 [1，n+m]区间内随机产生k1和k2；

步骤2：若k1和k2均为非零整数，则将其前的基因序列和其后的基因序列进行逆转。

步骤3：检查子代染色体，依次进行迭代操作。

以染色体032740581069为例，若k1=7，k2=5，则利用上述算子，产生的染色体为：018504723069，如图6所示。

图6 进化修正操作

经过两边逐次修正算法的运行，修正前后的配送方案对比如图7所示：

图7 两边逐次修正算法效果示意图

3.3 算法性能分析

选取Solomon算例验证所设计算法的性能是否能满足求解该问题，其中Solomon算例包含三种目标类型，目标数量分别为25、50和100，每种目标集对应A类、B类和C类三类不同的空间分布类别，其中A类为聚类分布，B类为随机分布，C类兼具聚类和随机分布，采用禁忌搜索算法、一般遗传算法与改进自适应遗传算法求解该问题，并对比分析三种算法的求解效果，验证所设计算法的求解能力。运行MATLAB编程，每种算法运行30次，数据测试结果如表4所示。

表4 数据测试统计

以目标集为50的C类分布为例，三种算法运行的收敛示意图如图8所示。

图8 算法收敛图

试验证明，所设计的改进自适应遗传算法求解速度更快，寻找最优解的能力更优，满足此配送问题的求解。

3.4 算法求解

在算法运行之前首先对案例进行初步数据分析处理，为了方便求解，引入水运及铁路中转枢纽如图9所示。

图9 中转枢纽图

表5 中转枢纽统计

表5 （续）

采用模糊聚类分析法将各城市的订单量按集中程度进行区域划分，如图10所示。

图10 模糊聚类划分区域图

通过云平台提前获得各中转枢纽节点的班列时刻表，通过仿真模拟计算得节点运输方式转换时间如表6所示。

表6 节点运输方式转换时间

表7 多式联运配送组合结果

采用MATLAB语言编程，设置算法参数：种群规模设置为100，迭代代数设置为500，在Intel（R）Core i5-9300H CPU@2.40GHz，内存8GB，操作系统为Win10的PC上多次运行算法程序，所得节点连线结果如图11所示。

图11 运行散点连线图

所得多式联运配送组合结果如表7所示。

采用基于物联网的多式联运配送模式与传统多式联运模式和传统公路配送模式比较如表8所示。

表8 三种配送模式对比表

表8说明采用了物联网+多式联运配送模式所花费的成本低于传统多式联运配送模式和传统公路配送模式，传统多式联运配送模式所花费的时间最多，这是由于其在中转节点信息传递的不及时性造成的，物联网+多式联运配送模式和传统公路配送模式所花费时间相差不大。对比结果表明在满足配送时效要求的前提下，物联网+多式联运配送模式具有非常明显的优势，可大幅降低配送成本，配送量越大时效果越明显。

4 结语

本研究运用互联网、智能化技术解决多式联运多种运输方式转换中信息流流动不畅通的难题，从根源上找原因，降低了“牛鞭效应”的影响，实现了多式联运无缝链接能力，创新了多式联运物流模式。同时在总成本和总运输时间最小的原则下，建立了求解模型，并设计改进自适应算法针对具体算例进行求解，对解决当前多式联运无缝链接的难题具有良好的借鉴意，本研究考虑约束条件有限，带有装载约束、兼具解决逆向运输返空率等问题将是下一步的研究方向。