生鲜冷链中的多车舱车辆路径问题研究现状与展望

冯艳玲　张楚妮　苏芷宁　郭滔霏

关 键 词：生鲜产品；多车仓车辆路径问题；绿色配送；动态不确定环境

中图分类号：F25224文献标识码：A文章编号：2096-7934（2023）05-0080-07

一、引言

新冠肺炎疫情暴发后，各行业供应链遭受了不同程度的冲击，尤其是在果蔬、鲜肉和奶制品等生鲜产品的消费方面，传统的线下购买流程变得相对繁琐，为了应对这种情况，生鲜行业主动出击，采用线上与线下相结合的销售模式，并凭借强大的供应链、物流配送体系等有力地保障了居民的日常生活需求。为了更好地应对疫情的影响，并进一步促进产业的健康发展，生鲜产品车辆路径问题的研究和应用逐渐成为业界和学术界研究的热点。

生鲜产品保质期短且与食品特性、储藏温度和时间密切相关，这决定其品质易受外界温度变化的影响。目前我国生鲜产品物流配送中存在成本高昂、效率低下、设施管理不完善等问题，若在运输过程中未能稳定地控制好温度，将会导致其新鲜度迅速下降，腐坏的加速会带来产品浪费和冷链成本上升等问题。此外，生鲜产品对温度的要求因品牌而异，即使是相同品种但不同品牌的产品（例如牛奶），也不能混合存放。基于此，为满足环境、企业和消费者的需求，国内外学者从多个方面切入探究生鲜产品物流配送问题，其中研究的焦点之一即是多车舱车辆路径问题。

多车舱车辆路径问题属于NP难问题［1］，早在1979年被Christofides等人［2］ 以车辆路径问题变体的形式提出。总体来说，针对多车舱车辆路径问题，国外的研究相对较多且涉及领域相对较广，而国内研究相对较少且研究背景主要集中在油品配送领域［3］。从20世纪80年代起，学者们陆续就该问题展开深入研究。目前已有学者对多车舱车辆路径问题进行了相关综述 ［4-5］，但关于生鲜产品的多车舱车辆路径优化问题还未得到应有的关注。因此文章将针对相关文献进行整理和分析，首先根据现有文献系统整理了生鲜产品车辆路径规划问题。其次，对生鲜产品多车舱车辆路径问题进行整理。最后对考虑环境问题的生鲜产品多车舱车辆路径问题进行综述。分析当前研究存在的问题和未来可能的研究方向，力求推进生鲜产品多车舱车辆路径问题在实际应用领域的更好发展。

二、研究现状

随着经济的高速发展，人民生活水平随之提高，对于购物体验的要求也越来越高。尤其是受新冠肺炎疫情影响，人们对生鲜产品的品质和需求量均有提高，冷链物流已成为现代物流发展的趋势。然而，在现实情况下，生鲜产品冷链配送仍受到多种限制因素的制约，影响生鲜行业规模的进一步扩大和效率的进一步提高。在此背景下，不少学者对生鲜冷链物流问题进行研究。吴静旦［6］ 认为影响生鲜农产品配送的因素有产品品质、冷链技术和信息化管理等。赵秀荣和崔佳［7］ 认为对生鲜产品冷链配送业务的主要影响因素包括质量安全、配送车辆路径以及消费者需求的不确定性等。

游佳和王莺［8］ 研究发现生鲜农产品冷链物流配送面临成本高、效率低、车辆调度难、物流信息系统和职能平台不完善，以及缺少应急系统等问题。饶培俊［9］ 发现，生鲜产品冷链配送面临的困境主要包括基础设施薄弱、技术标准较低、专业人才缺乏、管理体系不完善以及市场化程度较低等。

陈见标和陆宇海［10］ 探讨了我国生鲜农产品配送的最后一公里问题，发现生鲜配送与客户收货之间存在时间错位、生鲜产品的时效性和费用之间不平衡、难以做到产品追溯、信息不完整且共享机制不健全等問题。

相飞［11］ 指出，通过互联网技术的应用，可以实现对生鲜产品冷链物流的全程追踪和监控，提高物流效率和产品品质，但客户需求的不确定性仍是重要的制约因素。由于客户对生鲜产品的需求是具有一定的不确定性的，如购买量、种类、时间、地点等方面的不确定性，这种不确定性会导致生鲜产品的冷链物流难以做到精准预测和规划，从而增加物流成本，降低物流配送效率。

在经典车辆路径问题的众多延伸中，多车舱车辆路径问题在最近几年被广泛研究。多车舱车辆能够联合收集并运输具有不同特性的货品，而单车舱运送就需要分别运输。多车舱车辆使得路径决策和订单分配有了更大的灵活性。在当下学术研究与实际应用中，与多车舱相关的车辆路径规划问题也被越来越频繁地提出。其中，多车舱车辆的应用对于生鲜产品冷链配送的发展尤为重要。

孙丽君等［5］ 分别从问题结构和研究领域两个视角，按照不同研究属性将多车舱车辆路径问题划分为许多子问题，并提出当前多车舱车辆路径问题文献的研究问题主要来自现实应用且集中在油品配送领域，而相关的模型算法在实际应用中还存在一定的局限性。现有研究对于生鲜产品冷链配送、多车舱车辆路径问题的研究都相对深入，但是将两者结合起来的研究较少。因此，文章首先概述生鲜产品VRP，再进一步对生鲜产品多车舱车辆路径问题进行综述，最后深入介绍考虑环境因素的生鲜产品多车舱车辆路径问题。

（一）生鲜产品车辆的路径

杨世坚和陈韬［12］ 归纳得出生鲜产品车辆路径问题的类型、算法和基本思路，强调实时信息对路径规划产生的影响具有时效性，并将随机VRP分为用户数量随机、旅行时间随机、用户需求随机和用户空间位置随机四种问题类型，指出现有多车舱车辆路径问题的研究主要集中在用户需求随机的类型。

1需求不确定的生鲜产品车辆路径问题

生鲜产品的需求不确定性反映了顾客需求的变化特性，为了应对顾客对生鲜产品的配送时间要求、配送数量和种类的不同要求，对于用户需求随机的生鲜产品车辆路径研究十分重要。

马向国等［13］ 研究冷链物流运营中包含随机需求的车辆路径问题时，为平衡客户服务时间需求与客户重要性，建立了以总成本最小为目标的混合时间窗模型，并采用混合遗传算法求解。崔岩等［14］ 为解决不确定环境下的生鲜产品车辆路径问题，建立配送成本最小化的生鲜产品配送路径的优化模型，采用改进的粒子群算法使问题得到解决。Ma等［15］ 考虑市场需求和时间的随机性，构建以预期收益最大化为目标的非线性整数规划模型，设计了一种混合遗传算法（GA-RA算法）对问题进行求解。

2时变路网下生鲜产品车辆路径问题

生鲜产品具有易腐特点，对交货时间和运输环境温度敏感。消费者购买生鲜产品的需求往往覆盖不同温度需求，配送成本较高。且实际情况中路网状态的变化往往引起配送车辆行驶时间的变化，影响生鲜时效性，考虑路网中车速的时变特性对配送路线优化决策更具现实意义。

优化物流配送过程对于提高效率和降低成本非常重要。李锋和魏莹［16］  针对车辆行驶速度随时间变化的时变性质，以配送成本最小为优化目标，构建数学模型并提出自适应优化算法对路线规划进行实时动态调整。由于冷链运输车辆对环境温度敏感，Hu等［17］ 综合分析了车辆制冷系统燃料的热损耗随环境温度变化的性质，建立了以总成本最低为目标的模型，并提出一种结合了变邻域搜索和粒子群优化的自适应启发式算法，采用两阶段分解的方法进行求解。Liu和Fan［18］  建立了一种基于实时交通情况的生鲜产品车辆配送模型，并利用遗传算法实现了初始路径的设计与优化调整，以实现更加高效的配送，削弱动态流量对客户满意度的负面影响。Padilla 等［19］ 利用国际粗糙度指数量化道路平坦度对车辆行车产生的影响，构建以载物损坏度最小和车辆行驶距离最短为目标的模型，通过非支配排序遗传算法对进行求解。

Zulvia等［20］  研究生鲜产品绿色车辆路径问题，构建综合考虑产品的新鲜度、交通、运行时间限制、时间窗以及碳排放等因素的模型，并使用多目标梯度演化算法对改模型进行求解。丁艳［21］ 分析了多温共配车辆路径优化的干扰因素，建立了以总成本、时间和风险（如：路况）为目标的路径模型，采用量子比特描述路径信息并通过蚁群算法进行求解，实现优化并验证了有效性。

（二）生鲜产品多车舱车辆的路径

针对商店配送的多车舱布局的车辆路径问题，Chajakis和Guignard［22］ 构建整数规划模型，并提出一种拉格朗日近似方法来解决只有储物箱、储物箱和隔板并存的两类多舱室问题，最后通过小规模实验确定该方法可以节约的派车数量。Derigs等［23］ 建立整数规划模型，并设计一套MCVRP求解器，分别针对固定和可变车辆舱室的两种情况进行求解。在Derigs等的工作基础上，Pirkwieser等［24］ 重点研究了车厢装载问题，以提高车厢的装载率，并提出使用可变邻域搜索算法和分支定界方法来求解该问题。

Kurnia等［25］ 提出旅行商问题（TSP）可以使用VRP进行建模，并针对蔬菜运输问题设计改进的遗传算法。Hübner和Ostermeier［26］ 为解决考虑装载和卸载成本的MCVRP问题，采用大邻域搜索算法，并通过实验表明总成本可进一步降低。

唐珍和王淑云［27］ 通过对比两类多温共配的冷链运输模式，研究了多温共配在冷链物流中的运行模式，实现了共配两种不同温度需求的货物，从而降低了配送总成本。胡卫等［28］ 使用一种特殊的编码方式和遗传算子来实现更好的结果，基于此设计的遗传算法能够有效解决不同温度需求下的产品共同配送问题。针对同时取送货的车辆路径优化问题（VRPDSP），这种冷冻区隔车多温共配模式与传统的模式相比，能够将总成本降低约46%。陶荣［29］ 综合考虑多种成本因素，构建了多温共配的优化模型，利用C++语言进行程序设计并实现对路径的优化，并采用蟻群算法针对此模型提供求解思路。陈久梅等［30］ 以最小化配送成本为目标，建立了生鲜产品多车舱车辆路径优化模型，采用粒子群算法进行求解，并证明了此算法的稳定性和良好的收敛性。牛燕青［31］ 构建了一个考虑软时间窗的冷链物流配送模型， 在随机环境下利用改进粒子群算法得到最优路径规划， 并通过算例证明了模型和算法的有效性。耿菲［32］ 通过设计两种多车舱车辆路径模型对冷链物流进行了优化，使车辆的固定成本、行驶成本、能源成本和货损成本最小化，运用改进的遗传算法对问题进行求解，并用算例验证模型和算法的有效性。

（三）考虑环境因素的生鲜多车舱车辆路径问题

国家统计局最新数据显示：截至2021年末我国民用汽车保有量30151万辆，以每年69%的幅度增长。据国家统计局发布的《中国统计年鉴-2022》统计，我国民用载货汽车保有量达到3258万辆，占民用汽车总量的1107%。交通运输、仓储和邮政业能源消耗总量已由2010年的271亿吨标准煤增至2020年的413亿吨标准煤，占我国能源消费总量的比例由751%提升至828%，交通运输业仍有很大的绿色化空间。

为积极响应国家对绿色物流、低碳发展的号召，面对物流业迅速发展的现实情况，学者们越来越关注绿色车辆问题。李英等［33］ 将绿色车辆路径问题分为两类：传统车辆以污染最低为目标，以及新能源汽车以运营成本最小为目标。Rabbani等［34］ 考虑车辆的污染排放，最大限度地减少负载、速度等车辆运行成本，选择两种元启发式算法（遗传算法和模拟退火算法）以及混合元启发式算法来解决所提出的问题，并将结果进行比较。Chen等［35］ 基于某家冷链配送公司的多车舱车辆路径问题建立了数学模型，最小化车辆运行成本和燃油消耗成本，并设计了一种自适应的大邻域搜索算法解决问题。徐诗雯［36］ 基于Chen等人的研究，考虑到减少碳排放，将燃油车辆替换为电动汽车，以总成本最低为目标设计了运用于冷链物流的多车舱电动汽车路径规划模型，采用混合蚁群算法求解，最后验证了电动车配送模式环保高效、节约成本。Chen等［37］ 考虑了碳排放对环境的影响，提出生鲜电商中出现的带时间窗的多车舱车辆路径问题。以出行成本、固定成本、制冷成本和碳排放成本的总和最小值为优化目标，提出一种变邻域搜索算法进行求解。

三、现有研究中较少涉及的问题

当前学术界对生鲜冷链 VRP 的研究涉及的类型较为丰富，相应的研究框架也相对完备。但仍存在一些鲜有涉及的方面，值得继续深入研究和完善。

（1）生鲜产品多车舱配送中，多种特性产品不能混装的特质以及相应隔室的增加、隔室容量的限制造成了研究的差异性及困难性，很多研究都还没有考虑到多车舱车辆独有的特点，如改舱、换舱等。同时现有算法还不能实时处理各种随机发生的信息，响应速度有待提高，对如何运用并行算法还有待进一步探讨。

（2）传统的车辆路径问题中忽略了对环境的保护，很少有考虑碳排放等环境因素的多车舱车辆路径规划研究。如何将减少燃料消耗、减少碳排放等因素纳入到路径规划中，是需要在研究中继续推进的内容。同时，为满足现代物流动态不确定环境下配送的需求，更加智能高效的实时动态路径优化方法也是值得深入研究的方向。

（3）随着网络信息系统、硬件设施和物流服务的发展，生鲜产品的配送需求数量和质量都逐步增加。多个品类生鲜产品的冷链物流配送为适应经济社会的发展趋势，对MCVRP方面的研究亟需补充。除了多车舱车辆的应用，库存管理、人事安排、选址、设备更新和高新技术应用等既是必须考虑的现实因素，也是重要研究的课题。然而如何将这些研究课题与生鲜产品的配送相结合以增加其实用性，是当下亟待解决的问题。

四、总结与展望

多车舱车辆的运用以及路线设計在实际的运输流程中，尤其是生鲜产品的冷链运输与配送上具有广阔的应用前景。但目前学术界对生鲜产品多车舱车辆的路径规划问题方面的研究还远远不够。本文通过总结梳理现有相关文献的研究问题和研究方法，从确定性因素和不确定性因素两个方面入手，另外考虑到环境保护的绿色物流问题，为后续研究提供参考。基于生鲜产品多舱车辆路径问题的研究现状，未来的研究方向可以概括为以下四点。

（1）扩展多车舱车辆路径问题考虑的因素范围。目前研究所考虑的因素有很多种，但大部分研究主要集中在某一因素上，在其他方面还存在一些研究空白，比如，将车辆路径问题中常见的因素引入多车舱车辆路径研究中，以及考虑多车舱车辆独有的特点，如改舱、换舱等因素。

（2）考虑动态因素的多车舱车辆路径设计。目前，关于动态MCVRP的实际应用研究较少，如新需求的动态生成、需求的随机性等。虽然现有算法无法满足实际应用中对车辆实时调度的需求，但如今物联网技术的高速发展已经能够即时掌握客户信息、车辆信息、载货信息等数据的变化，有能力处理随机动态因素，对实时动态配送调度的需求进一步增强。

（3）考虑环境因素的多车舱车辆路径规划问题。考虑环境因素的多车舱车辆路径规划研究近两年受到关注，但文献量相对较少。如今能源危机和环保问题受到人类重视，而多车舱车辆作为物流行业的交通工具，尤其在生鲜产品冷链运输中作用突出，相关考虑环境因素的路径规划问题亟待研究。

（4）多车舱车辆路径规划与高新技术和硬件设施的结合。为提升分析决策和自动化操作的能力，如何运用区块链技术、智能软硬件系统、物联网、大数据分析等技术手段，进行精细化、动态化、可视化的路径规划与管理，仍有待深入研发。

参考文献：

［1］ ABDELLAH E F， CHRISTIAN P， ROBERTO W C A memetic algorithm and a tabu search for the multi-compartment vehicle routing problem［J］. Computers and operations research， 2006， 35 （5）： 1725-1741

［2］ CHRISTOFIES N， MINGOZZI A， TOTH P The vehicle routing problem［J］. Traveling salesman problem， 1979： 315-338

［3］ 詹红鑫， 王旭坪， 孙自来，等 基于邻域搜索的成品油多舱多目标配送路径优化算法研究 ［J］. 系统工程理论与实践， 2019， 39 （10）： 2660-2667

［4］ MENDOZA J E， CASTANIER B， GUERET C， et al A memetic algorithm for the multi-compartment vehicle routing problem with stochastic demands［J］. Computers & operations research， 2010， 37 （11）：1886-1898

［5］ 孙丽君， 周雅娴， 滕玥，等 多车舱车辆路径问题的研究现状与发展［J］.系统工程理论与实践， 2021， 41 （6）：1535-1546

［6］ 吴静旦 基于O2O模式的生鲜农产品冷链物流配送网络创新研究［J］. 农业经济， 2019 （7）： 133-134

［7］ 赵秀荣， 崔佳 我国生鲜农产品冷链物流配送路径优化研究［J］. 农业经济， 2018 （5）： 130-132

［8］ 游佳， 王莺 生鲜农产品冷链物流配送模式研究［J］. 现代商业， 2017 （24）： 9-10

［9］ 饶培俊 生鲜农产品冷链物流配送问题探究［J］. 广东蚕业， 2020， 54 （11）： 119-120

［10］陈见标， 陆宇海 基于末端需求的生鲜食品物流配送模式优化［J］. 商业经济研究， 2021 （6）： 100-102

［11］ 相飞 生鲜农产品冷链物流共同配送路径优化［J］. 时代经贸， 2019 （18）： 16-17

［12］ 杨世坚， 陈韬 随机车辆路径问题研究综述［C］.中国系统工程学决策科学专业委员会第六届学术年会论文集， 2005

［13］ 马向国， 刘同娟， 杨平哲， 等 基于随机需求的冷链物流车辆路径优化模型［J］. 系统仿真学报， 2016， 28 （2）： 1824-1832， 1840

［14］ 崔岩， 张子祥， 时新， 等 考虑客户时间紧迫度的生鲜电商配送路径优化问题［J］. 郑州大学学报（工学版）， 2017， 38（6）： 59-63

［15］ MA X， WANG S， BAI Q Coordination of production scheduling and vehicle routing problems for perishable food productions［J］. International journal of internet manufacturing and services， 2019， 6 （1）： 79-96

［16］ 李锋， 魏莹 易腐货物配送中时变车辆路径问题的优化算法［J］. 系统工程学报， 2010， 25（4）： 492-498， 519

［17］ HU H， ZHANG Y， ZHEN L A two-stage decomposition method on fresh product distribution problem［J］. International journal of production research， 2017， 55 （6）： 4729-4952

［18］ LIU J R， FAN T J Optimization of dynamic vehicle routing problem for fresh agricultural products［J］. Science and engineering research center， 2017： 398-402

［19］ PADILLA M P B， NISPERUZA P A， LOPEZ J M， et al Vehicle routing problem for the minimization of perishable food damage considering road conditions［J］. Logistics research， 2018， 11 （2）： 1-13

［20］ ZULVIA F E， KUO R J， NUGROHO D Y A many objective gradient evolution algorithm for solving a green vehicle routing problem with time windows and dependency for perishable products［J］. Journal of clear production， 2020， 242： 118428

［21］ 丁艷多温共配冷链物流车辆配送路径优化仿真［J］. 沈阳工业大学学报， 2021， 43 （3）： 311-316

［22］ CHAJAKIS E D， GUIGNARD M Scheduling deliveries in vehicles with multiple compartment［J］. Journal of global optimization， 2003， 26 （1）： 43-78

［23］ DERIGS U， GOTTLIED J， KALKOFF J， et al Vehicle routing with compartments： applications， modelling and heuristics［J］. Or spectrum， 2011， 33 （4）： 885-914

［24］ PIRKWIESER S， RAIDL G R， GOTTLIED J Improved packing and routing of vehicles with compartments［C］.International conference on computer aided systems theory， 2011： 392-399

［25］ KURNIA， H， WAHYUNI， EG， PEMBRANI， EC， et al Vehicle routing problem using genetic algorithm with multi compartment on vegetable distribution［J］. 2018， 325，

［26］ Hübner A， Ostermeier M A multi-compartment vehicle routing problem with loading and unloading costs［J］. Transportation science， 2019， 53（1）： 282-300

［27］ 唐珍， 王淑云 多温共配冷链物流的优化研究［J］.物流工程与管理， 2012（11）： 126-127， 125

［28］ 胡卫，梁承姬，樊陆彬 基于同时取送货的多温共配冷链车辆路径优化［J］. 广西大学学报（自然科学版）， 2016， 41（5）， 1576-1584

［29］ 陶荣 基于蚁群算法的多温共配冷链物流配送问题研究［J］. 物流技术， 2014（9）： 302-304

［30］ 陈久梅， 周楠， 王勇 生鲜农产品多隔室冷链配送车辆路径优化［J］.系统工程， 2018， 36（8）： 106-113

［31］ 牛燕青 基于随机情况下的多温共配冷链物流配送方案研究［D］. 烟台：烟台大学， 2014

［32］ 耿菲 多车舱冷链物流车辆路径优化问题研究［D］. 大连：大连海事大学， 2018

［33］ 李英， 李慧， 成琪 基于文獻计量和知识图谱的国际绿色车辆路径问题研究发展分析［J］. 中国管理科学， 2016（24）： 206-216

［34］ RABBANI M， TAHAEI Z， FARROKHI A H，et al Using meta-heuristic algorithms and hybrid of them to solve multi-compartment vehicle routing problem［C］.International conference in industrial engineering and engineering management 2017： 1022-1026

［35］CHEN L， LIU Y， LANGEVIN A A multi-compartment vehicle routing problem in cold-chain distribution［J］. Computers & operations research， 2019， 111： 58-66

［36］ 徐诗雯 基于电动汽车的多温区冷链物流配送路径优化问题研究［D］.北京：北京交通大学， 2020

［37］CHEN J， DAN B， SHI J A variable neighborhood search approach for the multi-compartment vehicle routing problem with time windows considering carbon emission［J］. Journal of cleaner production， 2020， 277： 123932

Research Status and Prospect of Fresh Product Cold

Chain in Multi-Compartment Vehicle Routing Problem

FENG Yan-ling1， ZHANG Chu-ni1， SU Zhi-ning1， GUO Tao-fei2

（1School of Modern Post， Beijing University of Posts and Telecommunications， Beijing 100876;

2School of Cyberspace Security， Beijing University of Posts and Telecommunications， Beijing 100876）

Abstract：The Multi-compartment vehicle routing problem （MCVRP） is a significant issue in the domain of fresh products distribution and cold chain logistics Particularly in the context of recurring epidemics， the MCVRP exhibits extensive applications and promising development prospects in fresh product distribution In this paper， relevant studies of domestic and foreign scholars in recent years on vehicle routing optimization of fresh products are systematically summarized The problem is reviewed separately in terms of fresh products VRP， fresh products MCVRP and fresh products MCVRP considering environmental factors Additionally， this paper identifies current research gaps and presents future research prospects， with the goal of advancing the practical applications of the multi-compartment vehicle routing problem in the fresh products domain

Keywords： fresh products; multi-compartment vehicle routing problem;green distribution;dynamic uncertain environment