第三方物流的车辆调度模型及优化——以喜百年供应链科技公司为例

摘 要

随着近年以来物流发展的趋势，第三方物流是必不可少的物流行业，其具有的独特性与日益增长的行业地位，让众多企业看到了机遇，但是这样让整个第三方物流的市场良莠不齐。其中以车辆调度模型为核心的配送问题，是许多企业在发展中无法避免的一环，线路优化以及车辆调度计划的完善迫在眉睫。

本文针对第三方物流的车辆调度问题，以东莞地区的喜百年供应链科技公司为例，剖析其存在的问题，提出合理化的建议和对策。以点见面，映射出其他企业所存在的问题，以更好地提高第三方物流的车辆调度配送效率。设计使用遗传算法，对喜百年供应链车辆调度建立模型，并结合公司的实际情况，为喜百年供应链科技公司的发展提出一套车辆调度模型供其参考。

关键词：第三方物流 遗传算法 模型优化

　　一、引言

随着世界经济的不断发展，物流已经不是简简单单的运输，它和企业与客户服务紧密联系，如今的物流服务是社会进步的现代化体现。伴随着市场竞争的加剧，物流企业由单纯的运输发展到了商品追踪、包装、分拣、仓储等各方面的需要。由于工业企业的精力受限，需要把工作的重心放在自身核心竞争力上，因此第三方物流行业应运而生。更多的工业企业选择把运输作业和仓储管理任务转交给其他的专业公司去管理，在这种趋势下，第三方物流的强大潜力被不断地开发。

而在所有的物流环节当中，最为重要的就是配送问题。第三方物流企业需要承担起供应链上游企业向下游企业之间的配送重担，面临着如此挑战，许多企业的车辆调度模型尚不完善甚至没有，这将大大影响企业的发展速度以及合作前景。所以，对于第三方物流企业而言，一个优良的车辆调度模型是面临挑战时首要解决的难题。

二、喜百年供应链车辆调度现状

喜百年供应链技术有限公司成立于2010年。负责卸货运输、车辆运输、冷链运输、社区服务，并为第三方物流公司提供整合供应链管理服务。公司经过多年的发展，在广东省东莞市建立了多间的供应链网点，在全国拥有大量的出口、仓储、配送定点资产，总面积达6万多平方米。拥有80多辆公司自营车辆和800多辆合作车辆。公司拟在福建宁德建设约60公顷仓储基地，期望打造成为智能化、标准化的现代仓库。

喜百年供应链现采用自有的同一车型的车辆进行物流配送，配送车辆为同一型号的重型运输车辆，车辆的行驶路径最大为1500km，车辆的载重量最大为5t，该车型的平均行驶速度为60km/h。公司的主要客户对象为中小型企业，客户需求较为个性化，商品种类较为繁杂。服务范围多数集中于广东、福建两省内，同时也覆盖到我国的东南部。

喜百年供应链现今的车辆调度模型是不完整的，由于公司未对其进行统一的规划，所以是分为数个部门进行协同完成的。其车辆调度过程如下：

（1）根据货运量确定运输车辆数目。当喜百年供应链科技公司接收到订单时，综合物流部会在第一时间根据订单的特点进行分类。一般而言，订单会先按照目的地被划分，其次再根据货运量进行细分。当分类完成之后，物流部会将订单信息及车辆需求发送到车队。

（2）根据运输计划确定运输路径。当车队负责人接收到物流部发来的信息时，会按照具体内容编制运输计划，对具体车辆进行派遣。由于喜百年供应链使用的是固定客户使用固定车辆行驶固定路径方法，因此车队的司机会对每条线路的行驶路径进行确定。

基于这种车辆调度的方法，可以认为喜百年供应链是通过人工的主观意识经验配合实际情况进行调度的方法。这种人工调度方法存在较大的浪费和不合理性，对公司的发展有着长远的影响。

三、基于喜百年供应链车辆调度存在的问题

（一）车辆运力的浪费

物流配送作为第三方物流整个流程最重要的末端环节，是浪费较大的活动，例如资源配置上的不合理和不科学性，人力职能的浪费和车辆运力经营的成本较高等。喜百年供应链无法保证运力合理使用的主要原因在于，缺乏一个对现有资源运力的系统规划和调度模型，难以实现公司配送架构的合理运行。车辆调度网络的运营成本包括基础设施成本、库存成本、管理成本、运输成本等。由于喜百年供应链所使用的的人工调度方法，导致运力浪费现象较为严重，在2019年7月31号到2019年8月31号中共计完成订单509单，派遣车次达到4571辆。其中有743辆为空车折返。

（二）车辆对于个性化需求装载率低

喜百年供应链作为综合型第三方物流企业，服务的客户对象虽然多为中小型个性化需求企业，但也包含大型的供应商，那么就意味着客户订单会带来包罗万象的货物。由于客户的群体大，所接受的货物种类繁多，而喜百年供应链的车辆调度系统之中，装载这一流程没有进行详细的分配，多数依靠车辆司机进行决策。这就会导致车辆的装载率低下，无法合理地分配好货物的装载，对车辆的运输空间有着极大地浪费。根据与喜百年供应链车队司机的交流，得知一般情况下大宗货物运输的装载率都在95％以上，但是当遇到小批量多种类的个性化客户时，装载率仅有60％到70％之间。

（三）取送货作业准时性不高

物流配送作为第三方物流服务的保证环节，对卖方和买方来说都十分担心供应配送服务的准时性，由此会延伸出影响客户满意度和公司经营成本额的问题，如不及时取货和不按规定时间送货的问题。

首先，喜百年供应链目前的物流配送投诉率较高，在2019年2月1号到2019年7月31号之间，根据喜百年供应链物流部的统计数据，公司一共完成了3571个订单，接到921单投诉，而投诉原因为未能在时间内完成配送的订单达到了83.62％。对于客户的个性化配送要求难以满足，也无法做到提高而不是降低用户的服务体验。其次，喜百年供应链主要是靠司机师傅的人工经验选择去判断当天的车辆行驶路径，难以保证都能在规定时间内取送货，若提早到达地点，则会浪费公司一定的时间成本；若是晚到达了目的地，则会造成缺货影响，会极大地妨碍用户的生产计划和日常经营。喜百年供应链的人工调度模式，在遇到即时运输时，配送能力和速度都完全无法跟上，而即时配送是客户十分看重的物流配送保证能力指标，也会大大影响客户的满意度。

（四）信息化水平较低

第三方物流作为一种新型的物流行业，其所包含的技术层面应该与时俱进。喜百年供应链目前进行的物流配送过程以及客户跟踪回馈，基本上是处于纯人工化或半人工化的处理方式。例如在车辆运输计划的编制上，大多是靠调度人员的经验所完成，没有一个实时可靠的信息平台以供使用。而对于订单的分类更是依靠人工进行手动分类，效率普遍较低，也可能存在一定量的误差订单。

四、基于喜百年供应链车辆调度建立模型分析

本模型是根据喜百年供应链科技公司具体车辆调度运作模式过程进行分析，解决的是第三方物流公司的车辆调度问题，与传统的物流配送模型相比，第三方物流配送更需要符合以下特征：

（1）运载合理化。第三方物流通常需要面对多个企业或者客户的业务需求，在这些服务需求之中，许多业务是不相关联的，也有相互联系紧密的业务。在车辆运输的路径上，需要保证客户的货物能最大程度的装载，不能超重的同时也要客户的需求量。唯有符合了这一约束条件之后，才能去节约车辆行驶的路径，对车辆调度进行适当的修改。

（2）个性化。传统的物流运作模式是单一的，这样对客户和企业的需求变化带来极大的不变。第三方物流的运作需要贴合客户与企业的个性化需求，这样的个性化需求一般具有不确定性，但是有迹可循。例如要求配送的产品不一，时间上的特殊要求，以及个性化的包装等，如何在满足个性化需求的同时最大程度地降低运作成本，这是第三方物流配送中所面临的巨大挑战。

（3）科学化。第三方物流的发展趋势迫使第三方物流企业进行科学化的管理，现代化的信息技术也起着至关重要的作用。人力有穷时，以人工为主的车辆调度模型，必然会存在不合理之处。反之，通过科学计算的车辆调度模型，对于大数据而言，必然精准于人工意识的判断，而且也能节约人力、提高效率。

根据以上三点的归纳，暂时将喜百年供应链科技公司的车辆调度问题定义为有时间约束的单一配送中心单一车型车辆调度问题。根据公司的发展现状，暂设定问题内容：在规定时间内，即不早于也不晚于时间窗范围内完成配送，只有唯一一个配送中心拥有多台车辆向多个客户进行服务，每台车辆的最大载重量、最远运输距离已知，配送中心位置与客户位置距离为直线距离且路况通顺，车辆的起点和终点都必须为配送中心位置。

关于时间窗的设定分为软时间窗与硬时间窗：用Si表示为i客户服务所需要的时间，而i客户所允许的最早服务时间为Ei，最晚服务时间为Li，配送时间为[Ei，Li]之内。如果车辆过早到达客户位置则需要等待，造成时间成本的浪费，而过晚到达则会导致客户服务水平的下降，甚至对客户造成一定程度上的损失。软时间窗是指不在时间窗范围内到达配送的情况会产生一定的惩罚措施，而硬时间窗是指不在时间窗范围内到达配送的情况是不可行解，不考虑在车辆调度计划内。

以di为车辆到达客户位置的时间，一般情况下应符合关系式：Ei＜di＜Li，本文需要解决的问题为硬时间窗问题，即车辆配送必须要在最晚配送时间Li之前完成，车辆可以在最早配送时间Ei之前到达，但是需要等待，若不满足条件，则会得到不可行解。

（一）模型建立

基于上述假设，设置目标函数为配送车辆行驶里程数最小化，建立硬时间窗配送车辆调度模型：

目标函数：

约束条件如下：

在所建立的模型中，设定L为客户数量，K为车辆数量，Qk为车辆的最大载重量，Dk为车辆的最大配送距离，si为车辆到达客户i的时刻，qi为客户i的货物运输量，ai为最早配送时间，bi为最晚配送时间，nk为第k台车的客户配送数量，rki为客户在路径中的顺序。

在上述模型中，公式（1）表示总物流配送路径最短；公式（2）是保证车辆最大载重量大于或等于路径上的客户货物需求量；公式（3）是保证车辆的行驶路径大于或等于该配送路径的总长度；公式（4）是保证总客户数大于或等于每条路径上的客户数；公式（5）是保证所有客户的需求得到满足；公式（6）是保证客户路径顺序为存在可行；公式（7）是保证一个客户必须只能由一台车辆服务。

（二）基本遗传算法原理

遗传算法是对大自然“物竞天择，适者生存”的自然进化原理进行借鉴而产生的算法，主要是模仿自然界物种的进化过程中的交叉、变异、自然选择等一系列运作模式，在多次的更迭中形成最优解的优化方法。有学者根据结构简单的基础遗传算子，总结出了统一的、最基本的算法，其简易的特点可以成为算法改良和发展的雏形，这种算法被成为基本遗传算法。基本遗传算法的算法步骤如下：

（1）构建染色体。要使用基本遗传算法必须将解编码成为染色体的形式，根据问题的特点和约束条件不同，编码方法也多种多样，但是为了更好地产生模型最优解，染色体编码原则越符合约束条件，则计算效率和求解效果越好。

（2）构建初始群体。初始群体是遗传算法产生的初代染色体，数量的选择要恰当，否则将会影响后面的迭代过程。

（3）计算适应度值。适应度值是筛选下一代染色体的唯一衡量标准，染色的优劣程度、能否进行下一步遗传都需要通过适应度值来反馈，在多次迭代中寻找适应度值最大的染色体是基础遗传算法的目标所在。

（4）选择算子。遗传算法中基本的三种算子是：选择算子、交叉算子和变异遗传算子，分别体现了优胜劣汰、有性繁殖、基因突变三种自然规律。通过使用三种算子产生子群体时，必须贴合遗传算法的基本原理。

（5）重复（3）（4）两个步骤，直到满足条件的最优解出现或已完成最高迭代数时停止。

具体图示如下：

（三）基础遗传算法设计

车辆调度问题很难使用一般方法来进行求解最优解，本文采用基础遗传算法作为喜百年供应链科技公司车辆调度模型的算法。遗传算法具有计算效率高，搜索能力强等优势，以下就解决本文硬时间窗下单一配送中心单一车型配送问题设计方案进行详细介绍。

编码。使用遗传算法解决建模问题时，由于遗传算法的原理特征，需要将目标函数通过编码成为染色体，如今选择适当的编码方法是首要任务。本文使用的基本遗传算法有着统一简易的特点，而最基础的编码方式是二进制编码法。采用二进制编码法能够更加容易生成与问题相关联的初始染色群体，也能更简易自然地表达问题所描述的实际内容。本文目标函数可行解是服务客户的所有车辆路径组合，遗传算法不能直接计算该空间的数据，所以现将目标函数解的形式编码为染色体结构，以便于计算。现假设喜百年供应链科技公司共有车辆m台，需要服务的客户数量为N个，则有个虚拟配送中心，形成一条的染色体编码串。在染色体之中相邻的两个0之间为一条路径，且采用客户位置与配送中心位置进行排列的编码方法。

（2）初始化群体

遗传算法初始群体是进化的起点，在初代选择搜索时是多个个体同时进行的，所以初始群体种群大小必须慎重，一般对于染色体不大的种群会设定20～200的数目作为初始群体较为合适。根据本文的实际情况，暂将初始群体规模设定为100，方便计算出更优解。

（3）计算适应度值

适应度是遗传算法中评价染色体的唯一指标，根据遗传算法的适者生存原则，染色体能否生存下去进行下一代遗传决定于适应度值的大小。为了计算的简便和更好地将染色体生存能力与适应度值联系，适应度值取非负数。一个染色体的适应度值越大，表示该染色体的性能越好，越值得遗传。

将本文的目标函数转换为适应度函数为：

上述公式中Zi表示群体中的第i条染色体所表示的目标函数值，fi表示第i条染色体的适应度值，该值越大，该染色体产生后代的概率越大。

选择算子选择算子是迭代变化中的重要步骤，为了产生性能更优异的下一代新群体，需要从上一代旧群体中选择生存能力较强的染色体个体进行交叉、复制、变异。

本文使用的选择策略是根据染色体个体适应度值在种群适应度总值中的占比来判定，若该染色体个体占种群适应度总值越大，则被选中的几率越大。使用这个方法的前提是要计算出每个染色体个体的适应度值，所有个体适应度值之和，再根据个体占总值的比例决定该个体被选择的概率。

现设定规模为n的群体P=｛a1，a2，…，an｝，个体ai∈P的适应度值为f（ai），被选择的概率为：

（5）交叉算子

在遗传算法之中，两个染色体进行交叉重组，从而产生一个新的染色体是模拟自然进化的必不可少的过程。但是完全仅仅简单地采用一点或多点算子进行交配重组是不可行的，这样会导致很多配送路径上的客户无法得到服务，所以需要对交叉算子进行适当合理的修正措施。

本文区别于传统将染色体交叉段直接进行互换的方法，使用客户排列的自然数编码方法。该方法是将染色体的交叉部分置于对方染色体基因段的首个基因，然后逐个去掉相同的染色体基因，从而得到新的染色体个体。这样依然可以得到新的个体，新个体摆脱了对物种多样性的要求，也降低了迭代后产生的计算误差。

（6）变异算子

变异算子是遗传算法中模仿自然界基因突变所产生的，通过变异算子可以发现染色体中基因组合的多样性。

本文在这一过程中会随机选择染色体的变异点，并且将变异区域倒位产生新的个体，这种方法被称为倒位变异算子。这样产生的新个体可以在进化中修正种群中的其他个体，防止过早得出局部最优解。

（7）终止进化

遗传算法是模仿自然界的搜索算法，必须提前设置终止规则，否则会无限循环下去。一般的终止进化规则有以下三种：第一种是已经达到了目标最优解；第二种是多次迭代后的结果没有变化，自动终止；第三种是完成了设定的迭代次数。

本文根据实际情况，为了提高计算的精确度，减少算法运行所需要的时间，决定采用第三种终止进化规则。

（四）遗传算法应用求解

（1）问题假设

本文假设一张喜百年供应链科技公司订单作为求解范例，该订单共20个客户，订单信息如表1所示。

目标函数所建立的模型为硬时间窗约束的单一配送中心单一车型调度模型，即设定一个配送中心信息及其运输车辆，车辆均为相同型号，载重量均为5t平均行驶速度均为60km/h，最大行驶距离均为1500km。该配送中心及车辆信息如表2.

表1：订单信息表

表2：配送中心信息表

（2）算法求解对比

根据上文所描述的喜百年供应链科技公司现行的车辆调度模式可知：当公司综合物流部接到该订单时，会根据订单的客户信息进行分配分流，再通知车队司机。而车队司机会依据物流部给予的运输计划以及实际情况，人工判断车辆的行驶路径。基于这个流程，当公司接到上述订单时，处理方式如表3所示：

表3：喜百年供应链科技公司调度现状表

现本文将同一批20个顾客数据采用基本遗传算法求解，在求解之前按要求设定参数表，参数表如表4。

表4：遗传算法参数表

依据上文的基础遗传算法设计方案和遗传算法原理示意图，将计算过程分为以下多个具体步骤进行：

步骤1：使用基本的二进制编码方式，对顾客进行直接的自然数编码，构造满足客户服务行驶路径的可行解染色体；

步骤2：进行染色体长度、种群规模、终止进化规则等参数设置；

步骤3：将最初染色体群体记为第一代，即，随机产生初始群体；

步骤4：检测是否满足终止进化规则，是则输出结果，否则继续进行进化；

步骤5：标记循环变量

步骤6：计算染色体的适应度值；

步骤7：

步骤8：若，则返回步骤5进行，否则转为步骤9；

步骤9：根据染色体适应度值大小，按照个体占总体比例大小，判断被选择几率，进行下一代染色体复制；

步骤10：进行算子交叉、倒位变异操作，重组

步骤11：标记

步骤12：若已达到事先设定迭代代数则终止算法，若未达到则转回步骤4。

通过上述多个步骤求解，最终得到了该群体中性能最优的染色体行驶路径，即目标模型的最优解，将其作为最后结果输出，得到如表5所示：

表5：遗传算法实验结果表

经检验，上述所有行驶路径均可满足车辆的容量及客户需要的时间窗条件，即基本遗传算法得到的最优解为：7267.5748km，共由6条行驶路径组成。将此数据与喜百年供应链科技公司现有的车辆调度模型产生数据对比，为直观表达对比优化结果，可通过观察表6：

表6：对比结果

由表可见，通过遗传算法运用求解喜百年供应链科技公司的车辆调度模型问题，对于同一订单数据而言，可以发现遗传算法能够有效缩短车辆行驶路径总距离，并且降低服务车辆的数目，达到更低成本、高效率的调度模式。

五、总结

第三方物流的发展趋势如火如荼，随着日以变革的社会潮流，第三方物流可能会涉及到日常生活中的方方面面。其中不能与时代共同进步，逐渐优化自身技术能力，提升核心竞争力的企业必将会被淘汰。所以，对车辆调度这一在物流运输中占有巨大比重的问题进行优化分析，是具有十分重要意义的问题。

本文通过文献资料点明了车辆调度对于第三方物流企业的重要程度，分析了车辆调度模型的基础构成和约束条件，针对喜百年供应链科技公司的现状进行详细研究，根据其特点选用遗传算法作为本文的优化算法。

为了保证建立的优化模型具有优化作用，本文对于喜百年供应链科技公司的现有车辆调度模型进行了深入的研究，并确立了一个假设订单。通过对比现有的车辆调度模型和新建的车辆调度模型结果，寻求更优的方法处理订单，最后证明新建模型的有效性和可行性。从实际问题出发，从硬时间窗约束的单一配送中心单一车型调度问题，可以映射出有时间窗约束的多配送中心多车型调度问题，供给喜百年供应链科技公司进行参考。

　　参考文献

[1]向甜甜，XY公司电子商务物流配送业务车辆调度优化研究，2018-5-23

[2]王秀娥，第三方物流管理[M].北京：清华大学出版社，2017

[3]卢军莉，城市物流配送车辆调度模型及优化，2017-11-22

[4]徐世达，考虑部分联合运输策略下物流车辆调度模型及优化研究，2019-6-4

[5]何芳，物流区域配送车辆运输路径调度优化仿真，2017-12-8

[6]李贺，物流企业车辆调度优化方法研究，2016-6-20

[7]李美龙，第三方物流配送中心选址模型研究，2014-6-19

[8]邓延洁，第三方物流管理模式及其信息系统，2013-2-27

[9]孔芹，基于规模经济的第三方物流配送优化研究，2013-12-13

[10]王钧，第三方物流运输管理系统的分析与设计，2013-10-10

[11]袁世军,基于POS算法的应急物流车辆调度，2019-6-6

第三方物流的车辆调度模型及优化——以喜百年供应链科技公司为例

价格 ¥9.90 发布时间 2023年3月19日

下载查看全文内容

已付费？登录 或 刷新