快遞配送中心農村配送路線優化研究

(云南大學工商管理與旅游管理學院 云南 昆明 650504)

一、引言

伴隨著電子商務的發展，快遞行業迎來了發展的黃金時期。有數據表明，2016年快遞業務量首次突破300億，而2017年相較于2016年增加28%，快遞業務量突破400億，達到400.6億件[1]。雖然快遞行業得到了高速發展，但是其在發展過程中也暴露了不少問題，使得快遞服務業的服務水平達不到國民要求，尤其是末端配送(最后一公里)問題，直接影響顧客的感知體驗，嚴重制約快遞業服務水平的提高。有關機構針對快遞服務的顧客滿意度進行的問卷調查，結果顯示其中近九成的受訪者表示曾遇到過快遞延誤送達的情況，更有10.0% 的受訪者經常遇到[2]，因而顧客感知體驗較差，滿意度不高。此外，末端配送的成本在物流的各個環節中最高，超過三成[3]，給相關企業帶來了巨大的經濟壓力。基于此背景，合理安排配送路線，降低運輸成本和時間成本，以提升企業效益和快遞業的服務水平、提高客戶滿意度是當務之急。

學術界對于快遞配送路線問題給予了極大的關注，經過不斷地發展，研究成果豐碩。從研究角度看，目前我國快遞配送主要集中于城市和農村的快遞配送，部分研究也涉及校園快遞配送問題。從城市角度出發，學者多采用構建相關研究問題的優化模型，并利用算法進行求解并驗證模型的研究方法進行研究[4-7]。例如，其中楊志清(2015)構建基于城市配送條件下的多目標帶時間窗的車輛路徑優化問題模型，實驗結果顯示時間窗因素以及多車型對優化路徑、降低成本有重要作用[4]；倪霖等人(2017)針對城市配送的空載問題，建立城市共同配送路徑優化模型，運用改進遺傳算法求解后，用算例驗證模型的有效性[5]；楊從平(2014)設計了基于蟻群算法的快遞物流配送車輛路徑問題的算法模型并進行驗證，驗證結果表明網絡優化后，配送車輛數量和配送總路程都得到大幅度的降低[6]；陸穎(2018)利用改進的最大最小蟻群算法來求解城市快遞路徑優化問題，構建了基于時間窗因素的新模型，實驗數據表明，該模型及算法是有效的[7]。

城市快遞配送優先得到發展，而近幾年隨著電商的普及，農村快遞配送異軍突起，發展迅速，部分學者也將研究角度轉向農村。范琳榜(2016)針對農村物流配送體系不發達的現實問題，以及農村電子商務快遞下鄉配送的重要意義進行分析，提出了一些針對性的建議[8]；秦維璟(2016)以大連市謝屯鎮為例,分析了農村快遞的發展現狀和阻礙因素,并提出解決相關對策,希望能激活農村快遞市場,提升農村居民的生活便捷度[9]；趙瀟潘等(2018)基于農村快遞配送效率低下的現狀,從基礎設施、網點覆蓋、信息化程度、人才缺失等四角度出發，闡明造成農村快遞配送效率低下的原因,并針對相關問題提出對策和建議[10]。

大學生對網購的巨大需求，為電子商務的發展注入新的動力，也使得校園快遞配送成為研究的一大熱點。林行(2016)在當前高校配送模式的基礎上,提出高校物流配送的改進建議[11]；楊士涓等(2017)和羅白璐等(2018)以“互聯網+”為背景，針對當下高校校園快遞配送模式的現狀、存在的問題，對今后高校校園快遞配送模式的完善提出了幾點建議[12-13]。

從以上分析可以發現，目前對快遞配送的研究角度多元，其中針對城市快遞配送的研究比較成熟，多數研究都構建相關研究模型以及利用算法進行求解，此外還進行數據分析，驗證模型和算法。而對于農村和校園的研究則稍顯滯后，基本處于理論描述階段，針對相關問題提出建議，實證研究較為缺乏。因而為了彌補這一問題，本文從農村快遞配送的角度出發，以A物流公司為例，綜合考慮快遞配送的運輸成本、時間成本和裝卸成本，引入運輸成本、時間成本和裝卸成本的權重系數ω、μ、ρ，將多目標規劃問題轉化為單目標線性規劃問題，建立關于快遞配送的多目標VRP模型，以期能夠給農村快遞配送路線的優化給出建議。

二、問題描述與分析

(一)問題的一般化描述

A物流公司快遞配送路線優化問題，即是在運輸車輛載重能力有一定限制的條件下，A物流公司的運輸車輛為了滿足每個鄉村快遞點的需求，確定合適的運輸路線，在恰當的時間將快遞運送到各個快遞點，最后使得車輛運輸總路程最短，并且滿足各個快遞點的時間要求，最終達到運輸成本、時間成本和裝卸成本最低，從而節約總體的運營成本。

(二)問題分析

A物流公司快遞配送路線優化問題可以具體作如下討論：

首先，A物流公司的運輸車輛從A公司出發，去向物流集散中心O裝載快遞包裹，在這一過程中，會產生空車的運輸成本；此外，運輸車輛必須在規定的時間到達物流集散中心，如果晚于規定的時間，則會產生等待的懲罰成本。運輸車輛達到后，需要將各個快遞點的快遞包裹統一裝載，產生裝載成本。

其次，運輸車輛裝載完成后，需要將各個快遞點的包裹依次送達。此時需要考慮運輸線路的優化問題，即如何確定運輸線路，使得運輸線路最短，并且滿足各個農村快遞點的時間要求。在此過程中，需要考慮車輛載重時的運輸成本和到達各個快遞點后的卸貨成本。

最后，當各個農村快遞點的配送任務都完成后，運輸車輛能夠返回A物流公司。

因而，整個快遞配送路線優化問題的最終目標是：在同時滿足運輸路線、運輸時間、運輸載重、車輛需求等約束條件下實現總運輸成本最低。

三、模型建立

(一)模型假設

(1)只有一個物流集散中心和A物流公司位置，且設A物流公司為運輸起點；

(2)運輸車輛車載容量已知，每輛運輸車輛進行運輸時的最大載重量不超過車輛載重限制；

(3)各個農村快遞點對配送時間有要求，運輸車輛知道各個快遞點的時間要求；

(4)每輛運輸車輛僅配送一條運輸回路，由A物流公司出發并最終返回A物流公司；

(5)每輛運輸車輛的運輸行駛距離不受限制；

(6)每輛運輸車輛到各快遞點能且只能配送一次；

(7)每輛運輸車輛可以配送多個快遞點。

(二)變量及參數符號說明

N：所有快遞節點的集合；

i,j：快遞節點，i,j=0,1,2…N，其中O為物流集散中心；

tf：卡車出發時間；

tC：卡車f規定到達物流集散中心的時間；

Pf：卡車出發地點(A物流公司所在地)；

Sf：卡車平均行駛速度；

ef：卡車空車狀態時平均每千米的運輸成本；

lf：卡車載重狀態時平均每千米的運輸成本；

cf：卡車單位延誤成本(每小時)；

ut：卡車每次裝貨所需時間；

mt：卡車每次卸貨所需時間；

Lo：單個快遞的裝載成本；

Uni：第i個快遞點的卸貨成本；

k：第k輛運輸車輛，k=1,2…K；

g：卡車到快遞點的每小時延遲成本；

Ti：卡車到每個快遞點的目標到達時間；

RTi：卡車到每個快遞點的實際到達時間；

qi：每個快遞點的快遞量；

w：平均每個快遞的重量；

Wk：第k輛運輸卡車的載重限量；

dij：快遞點i到快遞點j的行駛距離；

μ：綜合考慮時間成本，運輸成本和裝卸成本時，時間成本所占權重；

ω：綜合考慮時間成本，運輸成本和裝卸成本時，運輸成本所占權重；

ρ：綜合考慮時間成本，運輸成本和裝卸成本時，裝卸成本所占權重。

(三)模型構建

(1)卡車k從Pf出發去物流集散中心O轉載快遞

卡車k從Pf出發去物流集散中心O轉載快遞，產生的運輸成本為：

CPUf=dist(Pf,Po)ef；

卡車f到達物流集散中心O的時間為：

ta=tf+dist(Pf,Po)/Sf；

在卡車f到達物流集散中心O后，會出現3種情況，即第一，卡車f恰好滿足物流集散中心規定的時間要求，準時達到，無需等待即可裝載快遞包裹；第二，卡車f在規定時間之前達到；此時，以上兩種情況視作正常情況，物流集散中心無需等待卡車就可以進行裝卸，因而不產生延誤成本；第三，卡車f晚于需求時間，則物流集散中心原需立即裝載的快遞包裹需要等待卡車的達到之后才能被裝載，此時需要對卡車f進行罰款，即產生延誤成本，如下：

卡車f到達物流集散中心O后，需要將各個快遞點的包裹進行裝載，單個快遞產生裝載成本Lo，則該運輸車輛總的裝載成本為：

則這一過程產生的總成本為：

(2)卡車向各個快遞點配送快遞包裹

裝載完成后，卡車f需要將各快遞點的包裹進行運送，首先產生到各個快遞點的運輸費用，即

其次，每到一個快遞點都要完成改快遞點包裹的卸貨，因而產生相應卸貨成本，

此外，在運輸車輛達到各個快遞點時，如果達到時間晚于各個快遞點的規定時間，則會產生延誤成本，

因而，在這一運輸過程中，運輸車輛產生的總的成本為

(3)卡車返回物流公司

在運輸車輛所有快遞都運輸到達各個快遞點后，運輸車輛需要返回A物流公司，假設運輸卡車的最后一個目的地是r，從r出發返回Pf，產生空車運輸成本，

CPUr=dist(Pr,Pf)ef

綜上所述，針對研究問題，結合A 物流公司農村快遞點快遞配送路線優化問題的目標，構建如下的多目標函數，

綜合考慮時間成本，運輸成本和裝卸成本所占的權重，可得如下目標函數，

此時，目標函數有如下約束條件：

1)一次運輸，車輛的快遞總重量不超過運輸車輛的載重量的限制，

2)每個快遞點的快遞只能由同一輛卡車運送，并且每個快遞點只能運送一次，

3)每輛運輸車都是從物流公司Pf出發，完成運輸任務后再返回物流公司Pf，

四、結束語

針對農村快遞物流運輸的末端配送問題，本文以A物流公司農村快遞配送問題為研究對象，將運輸成本、時間成本以及裝卸成本綜合考慮，引入運輸成本、時間成本和裝卸成本的權重系數ω、μ、ρ，將多目標規劃問題轉化為單目標線性規劃問題，建立了關于快遞配送的多目標VRP模型，在降低多目標規劃問題在求解過程中的難度的同時，以期能夠給農村快遞配送路線的優化提出建議。但是本文也存在不足之處，首先，本文只是從理論上提出研究模型，未將實際數據帶入模型進行驗證，說服力不足；其次，為了簡化模型，在目標設定時只考慮了運輸成本、時間成本和裝卸成本最小化，然而現實中情況更為復雜。因而，未來研究空間的廣度和深度有待提升，如從驗證模型角度進行案例研究或者根據現實情況，修正模型使其更加符合實際。