快递爆仓期电商物流末端配送路线规划仿真

陈 婷

(南宁师范大学物流管理与工程学院，广西 南宁，530299)

1 引言

分析中国物流行业的发展状况可知，由于季节原因，电商物流存在快递爆仓期，这期间容易出现配送线路重合或混乱的问题[1]。因此需要针对这期间的电商物流进行路线规划。其中电商物流末端的配送是快递爆仓期间配送路线较为模糊的阶段，因此需要针对末端配送路线进行具体规划。

物流配送的路线规划合理与否决定着物流配送的效率。对农产品电商而言，合理的配送路线规划可以减少配送的时间和距离，进而提高配送的效率，同时还能降低物流配送的总成本[2]。通过路线的合理规划，使得物流的运转效率提高，从而提高农产品电商的市场竞争力和经济效益。

传统的物流末端配送路线规划方法包括：GIS下的物流末端配送路线规划方法、离散微粒群的路线规划方法和基于遗传算法的配送路线规划方法。其中，GIS下的物流末端配送路线规划方法在GIS平台上根据配送点的分布生成配送车辆路径方案；基于离散微粒群的路线规划方法通过引入随机交换序、PMX算子优化微粒群优化算法，使之能够求解车辆路径的组合排列问题；基于遗传算法的配送路线规划方法利用具有较强全局搜索能力的引申刘海交叉法优化传统的遗传算法，更有的规划即时配送路线。然而这三种方法分别引用不同的技术、按照配送的先后顺序来安排静态的配送路线[3]。但它们存在着统一的问题，就是无法按照下单情况及时调整配送路线，致使规划出的路线更新速度慢，从而增加了物流配送的成本消耗。为了解决这一问题，引用传统路线规划方法的思路，并在传统方法的基础上进行优化改进，提出了一种新的电商物流末端配送路线规划方法。

2 电商物流末端配送路线规划方法设计

在快递爆仓期间，当农产品电子商务物流平台上产生物流订单后，对末端配送路线进行规划，具体的规划流程如图1所示。

图1 物流末端配送路线规划方法实现流程图

从图1可以看出，在路线规划的过程中引入了蚁群算法，可以得出动态更新的路线规划结果，总根本上节省配送过程中产生的成本。

2.1 采集配送路线起始点

电商物流末端配送路线规划方法的实现首先需要得到农产品配送的起点和终点的信息，为此搭建农产品的电子商务平台，并从中得到农产品的订单情况和配送信息[4]。搭建的农产品电子商务物流平台的运行机制如图2所示。

图2 农产品电商物流平台运行机制

农产品电子商务平台主要由两个体系四层结构组成，两个体系具体指的是身份认证安全体系和运行维护保障体系，其中身份认证体系中的身份主要有管理员身份和用户身份，用户身份可以在平台上进行任务下单，而管理员身份可以在平台内采集任务信息，而农产品电商物流瓶体中的四层结构是基础层、资源层、支持层和应用层[5]。按照物流平台的运行机制，用户在平台内下单之后，采集订单信息中的配送起始点，按照配送起始点进行路线规划。

2.2 物流配送中心选址

物流配送中心的选址应充分考虑物流资源和市场需求分析情况，并与之相适应。在确定物流末端配送模式的前提下，遵循适应性、协调性、经济性和前瞻性的原则[6]，具体的选址流程如图3所示。

图3 配送中心选址流程

假设在物流平台上确定配送区域内的需求点数量和地点，该配送区域内只允许存在一个配送中心，配送中心用来对区域内所有的需求点的货物进行供应[7]。连接需求点之间的道路，并确定通行配送方向。配送车辆从配送中心出发，经过配送需求点，设定配送中心点为i，到达任意需求点j的距离表示为xij，其取值为正整数M。那么中心选址的约束条件为：

(1)

(2)

分析式(2)，从模型中建立顶点与顶点之间的最短路径距离矩阵D，矩阵中第i行第j列表示顶点之间的距离。用顶点之间的路径长度来替换原始顶点距离[8]。分别求得顶点i为始发点的运输路径TC，选出TC中的最小值TC(x)，则x就是电商物流末端配送路线规划中的中心地址。

2.3 获取初始路径

以物流末端配送路线规划中心地址为中心，划分基本的送货区域，由于配送货物的属性不同，需要在配送之前对属性差别较大的货物进行区分。接着结合订单中顾客要求的送货到达时间，按照送货的距离进行配送排序，得到初始路径，具体情况如表1所示。

表1 初始配送路线方法表

2.4 优化物流配送原始路径

在获得初始路径的基础上，对初始路径进行优化规划。确定所需要进行物流配送的车型，各车型的数量、司机数量、各个车辆的配送顺序、送货量、行驶距离、油耗情况等参数，最终求得各个路线的综合费用，并通过遗传算法得到时间成本、路途成本以及运费成本最低的优化规划路径[9]。假设配送的中心点为起始点，需要配送到N个城市，令车辆的最大容量为P，配送的车辆分别为承载量7吨的车型P1和承载量为11吨的车型P2，各个需求点的需求量用Ri(i=1，2，…，N)来表示，设各个需求点之间的距离为dc，配送过程中所需的过路费收费距离为l。各需求点货物需求量、配送距离以及收费距离如表2所示。

表2 运输任务表

2.4.1 时间最短路线规划

实现时间最短路线的规划是将某两个回路合并为一个回路，若使得合并后的总运输时间缩短，就节约了运输的时间，节约的时间用Δt表示，如式(3)所示。

Δt=t0i+tj0+…+tij

(3)

式中t0i、tj0和tij分别表示的是各个节点之间配送所消耗的时间。0点为配送中心节点，则优化过程首选需要得出初始解，确定各个车辆配送的点集{I1，I2，…，Ik}，令Ij={j|j=1，2，…，n}，计算节约时间，并按照顺序对其进行排列，合并配送回路，从排列好的节约时间中的最大值开始，直到Δt的集合为空[10]。将合并完成的路线输出，得到的配送路线即为时间最短优化规划后的路线。

2.4.2 蚁群算法计算最短路径

利用蚁群算法对配送路线的最短距离进行计算，从而得出最短配送距离的路线规划结果。蚁群算法的路线计算路线流程如图4所示。

图4 蚁群算法计算流程图

用人工蚂蚁来代替车辆为各个需求点进行服务，当下一个需求点会使运载重量超载，或者是运距超过一次最大行驶距离时，就立即返回配送中心，该车辆完成一次运输[11]。编号为h的蚂蚁当从需求点A到需求点B的转移概率可以用式(4)来计算

(4)

式中vj表示的是需求点在A的表示方式，ηi，j可以用式(5)来计算。

(5)

同理可以计算出μi，j的值，τij表示的是蚁群算法的优化迭代数。

根据产生初始时刻的蚂蚁种群移动路径，对所产生的每一条可行移动路径进行调整，并对每一条路线进行迭代，得出目前最短路径作为结果输出。

2.4.3 运费最省路线规划

电商物流末端配送路线的运费主要分为固定成本和运输成本，路线运费的总成本可以用式(6)来计算

C=C1+C2

(6)

式中，C1为规划路线的固定成本，其计算方法如式(8)所示

(7)

式中，zk表示的是固定变量，即第k辆车的被使用情况，取值为0或1。gk为单量车辆所产生的固定成本。而式(6)中C2为车辆运输成本，计算公式为

(8)

其中，φ为单位行驶里程的运输成本，xijk为车辆k完成需求点i到需求点j的配送任务情况，完成任务取值为1，否则取值为0。在得出最短时间与最短路径规划路线结果中计算每一条线路的运费成本，取成本最低的路径为原始路径物流配送线路优化结果[12]。

2.5 配送路线动态更新

在路线规划的过程中，会生成新的物流任务，同时也会完成一些配送任务，因此需要对配送路线进行实时更新。更新示意图如图5所示。

图5 路线更新示意图

图5(a)中4为新增的配送需求点，而图5(b)中为路线调整情况。按照5中的更新情况便可以实现路径的信息素浓度更新，最终的动态物流配送路线规划结果如图6所示。

图6 规划配送路线输出结果

3 仿真与结果分析

为了验证快递爆仓期电商物流末端配送路线规划方法的有效性，设计如下仿真，并将传统的基于遗传算法的路线规划方法和GIS下的路线规划方法作为实验的对比方法。

仿真中所使用配送车辆型号与最大承载量相同，物流配送的需求点同为10个，且存在4个需求点的变化，其中2个需求点的变化类型为需求点增加，另外两个为需求点撤销或完成。

利用三种不同方法对快递爆仓期的配送路线进行规划，并从时间成本、运费成本与路途成本三个方面计算规划路径的成本消耗。其中，时间成本通过配送耗时来体现，运费成本通过配送费用、配送距离人工投入来体现，路途成本通过燃油和锅炉费用来体现。通过仿真得到有关于物流末端配送路线成本消耗的实验结果，如表3所示。

表3 仿真数据结果

从表中的数据可以看出，传统配送路线规划方法的平均时间成本为24h，平均配送路程消耗为2581.8元，而综合运费成本为333元。经过对比可知，所提方法比传统配送路线规划方法得出的路线时间成本节省8小时，配送距离成本节省633.1千米，综合配送费用成本节省200.1元。即时间成本节省了33.3%，路程成本节省了24.5%，运费成本节省了60.1%。因此该路径规划方法可以提升配送效率、节省配送成本。

4 结束语

在物流配送的过程中，物流车装载的当天需要从仓库中按计划提前做好每一个客户配送的最优配送路径,,最后返回到仓库。采用所提的电商物流末端配送路线规划方法，不仅可以得到最优的物流配送路线，还解决了传统方法中存在的配送成本过高的问题，具有明显的应用优势。物流配送路径优化规划方法只适用于部分物流公司，虽然整体方法运行良好，但由于时间限制，只模拟当某个配送点调整时配送线路的动态更新规划，无法对实际动态路况进行反馈更新，这一点将在未来的研究过程中继续深入研究。