運輸和物流趨勢

段硯 王翠

摘要：早在計算機和運籌學用于支持決策之前，就必須要解決運輸和物流方面的問題。在開發出第一個優化模型后，運籌學在提高運輸系統效率方面做出了重大貢獻，并且具有復雜運輸和物流問題的公司具有競爭力。本文將簡要回顧運輸和物流中的問題和運籌學貢獻的歷史以及技術的演變。然后，將討論該領域的未來趨勢以及潛在的運籌學貢獻。

關鍵詞：運輸和物流;歷史;運籌學;趨勢

1.介紹

在計算機發明之前很久就必須解決運輸和物流方面的問題。運籌學成為一門旨在開發模型和技術以支持決策的學科。在開發出第一個優化模型后，運籌學在提高運輸系統效率方面做出了重大貢獻，并在復雜運輸和物流問題中具有競爭力。

運籌學作為一門系統科學，它捕捉到了問題的復雜性以及系統各部分之間的相互作用，從而提高了決策質量。運籌學方法依賴于數據可用性，并且在大多數情況下依賴于計算機。更多數據和更多計算能力的可用性使運籌學方法更加強大。

隨著計算機技術的不斷發展也促進了運籌學的不斷發展。互聯網技術的發展，信息和通信設備的個人使用，大量數據的廣泛可用性為運輸和物流系統以及運籌學的研究人員帶來了新的挑戰和機遇。

2.運輸和物流歷史簡述

2.1運輸與物流

運輸和物流的歷史與人類的發展史一樣長，但最近的里程碑已經標志著。19世紀發明了鐵路，1903年發明了飛機，1956年發明了海運集裝箱。海上集裝箱的發明對海上運輸產生了巨大的影響。如今，物流和供應鏈管理的概念更主要是作為一種商業的功能，強調在需要的時間、地點提供所需的貨物數量。當涉及到業務流程時，運輸管理也被視為物流的一部分。在運輸的途中不僅僅需要運輸的貨物也需要運輸人員來晚上這些工作，所以運輸管理不僅僅是對于貨物的管理也是對人員的管理。

2.2運籌學

運籌學對運輸和物流的貢獻是基于實際問題的演變，同時也是信息和通信技術的發展，可分為以下幾個時期：

（1）20世紀60年代至70年代：交通科學的出現。交通運輸意味著交通和公共交通，而物流是一個年輕的領域，涉及物流和庫存管理。在同一時期，開發了不同的編程語言。事實上，第一個編譯器Fortran（Formula Translation）于1957年產生，在60年代，有40個Fortran編譯器可用。Fortran是為科學和工程應用而開發的，并且在半個多世紀的時間里都是使用Fortran進行編譯。除了Fortran之外，還開發了其他語言：1968年Logo，1970年Pascal，1972年CSmalltalk，Prolog，1978年SQL等語言。

（2）20世紀80年代：這是卡車運輸的研究時期。在這十年中，出現了鐵路和海上運輸。航空運輸也成為一個獨特的研究領域。在20世紀80年代早期，家用計算機是為了家庭使用而開發，出現了用于編程和游戲的軟件。

（3）20世紀90年代：運輸包括客運和貨運。物流發展的重點是運營和托運人進入供應鏈管理。運輸和物流的出現涵蓋了更廣泛的問題。自20世紀90年代中期以來，互聯網對文化和商業產生了革命性的影響，包括通過電子郵件，即時消息和萬維網及其論壇，博客，社交網絡和在線提供近乎即時的通信，購物網站等。

（4）2000年至2010年：運輸和物流涵蓋了越來越多的應用。貨運和客運之間的傳統障礙似乎變得越來越薄。移動應用程序通過數字分發平臺提供給移動設備，如智能手機和平板電腦。

運輸和物流方面的研究不僅促進了知識的進步，而且在發表的論文和組織的會議上也可以衡量學術成果。運輸和物流方面的研究始終受到實際問題的驅使，已經制作了嵌入軟件包中的模型和算法供企業使用。

3 大數據和物聯網

現如今的數據呈現出爆炸增長的趨勢，這和大數據技術是脫不開關系的，以及由互聯網的概念擴展到的物聯網。谷歌搜索“大數據”的搜索次數在2013年超過了“供應鏈管理”的搜索次數，這并不意味著數據就要比供應鏈管理更重要，但肯定的是人們越來越注意到大數據的重要性。

是什么讓大數據與傳統數據不同？在McAfee和Brynjolfsson（2012）[1]中，確定了三個主要差異：體積，速度和多樣性。數據創建的速度對于許多應用程序來說非常重要，這可能比數據量更重要。大數據有多種形式，從消息到圖像，來自手機的全球定位系統（GPS）信號，來自傳感器的讀數，社交網絡。智能手機和移動設備已經變得無處不在，智能手機和移動設備是大數據的來源，并提供與人，活動，位置相關的大量數據。通過大數據，管理者和決策者可以更多地了解用戶，并將這些知識轉化為改進的決策和績效。

數據驅動的決策是最好的決策。大數據為運營研究人員創造了新的大量的機會，特別是在運輸和物流領域。大數據是高級定量工具的輸入，可以引導公司和機構做出更好的決策[2]。

大數據現象與物聯網有關，物聯網是物理對象或嵌入有電子，軟件，傳感器和網絡連接的“東西”的網絡[3]，它使這些對象能夠收集和交換數據。物聯網允許在現有網絡基礎設施上遠程感知和控制對象，為物理世界和基于計算機的系統之間的更直接集成創造機會。物聯網包括智能電網，智能家居，智能交通和智能城市。在物聯網中，每件事物都由其嵌入式技術識別，并且能夠在現有的互聯網基礎設施內互操作。物聯網將增加互聯網的普及性，并導致高度分布的設備網絡與人類以及其他設備進行通信。大數據和物聯網為大量新穎的應用和研究項目帶來了巨大的機遇。

4 供應鏈管理趨勢

本部分的目的是概述供應鏈管理中的新趨勢和研究機會。供應鏈活動的環境正在發生變化，專家預測在不久的將來會發生許多變化。在Stank，Autry，Daugherty和Closs[4]的研究中，十大趨勢被認為在供應鏈管理行業的不久的將來具有影響力。我們在這里簡要總結一下與運籌學最相關的趨勢：

（1）系統關注：優化整個供應鏈網絡，實現客戶價值共創。

（2）信息綜合：信息是全面共享的，聯合解釋以提高績效。

（3）協作關系：聯合責任和獎勵，總系統價值創造。

（4）需求塑造：主動影響需求，創造系統總價值。

（5）轉型敏捷性：不斷變化的條件。

（6）靈活的網絡集成：動態選擇上游和下游的合作伙伴。

（7）全局優化。

研究的三個主要方向可以從這些趨勢中得出：系統的，協作的和動態的這三個方向。在下文中，我們將討論與這些相關的研究機會。

4.1 系統方向

運營研究有助于供應鏈管理的若干領域的決策。系統方向表明，當供應鏈的更廣泛部分聯合建模和優化時，可以找到更好的問題解決方案。事實上，近年來已經在這方面進行了一些研究工作。

例如，在車輛路線領域，一些論文研究了關于經典路線問題的更多全局問題，這些問題旨在僅根據位置，客戶需求，時間窗口找到車輛的路線。集成的車輛路徑問題越來越多地用于表示路由決策與其他決策一起處理的問題類別。位置路由問題共同優化了位置和路由。庫存路由問題結合了路由和庫存管理。生產路由問題集成了生產，路由，通常還有庫存決策。多級路由問題優化了包括兩個或更多個梯隊的分配系統中的車輛路線。加載約束的路由問題同時優化了車輛的路線和貨物的裝載。

集成的車輛路徑問題結合了路由問題（路由問題是最難的組合問題）。然而，即使通過精確的方法獨立地解決問題，也會導致針對集成問題的次優解決方案。最近，Archetti和Speranza[5]將庫存路徑問題的啟發式解決方案與通過順序和最優地解決庫存管理和路由問題獲得的解決方案進行了比較。順序解決方案模擬了供應鏈的傳統管理方式，客戶可以控制其最佳庫存管理策略并確定訂單時間和數量。只有在此之后，供應商才會組織最佳分配，然而，必須將客戶時間和數量作為約束。庫存路由問題模擬了一種更新的集成管理策略，稱為供應商管理庫存（VMI），供應商負責其分銷以及客戶的庫存針對更加綜合的問題的研究方向與上面概述的趨勢一致。更多集成的優化問題模擬了供應鏈的更多集成管理風格，有助于利用集成的優勢并可以量化收益。在Archetti和Speranza[5]的研究中，計算測試的結果表明，庫存路由問題的解決方案允許平均節省10%，平均節省的庫存和運輸成本分別為15%和9%。因此，如果啟發式用于解決產生小于10%的平均誤差的集成問題，則集成提供關于各個問題的順序解決方案的益處，即使是最優的。

4.2 協作方向

在供應鏈管理方面的合作得到了廣泛的討論。協作可被視為實現供應鏈集成和全局優化的工具。探討協作計劃實施的復雜性并討論協作何時以及為何在實踐中有效，超出了本文的范圍。這里的目標是從觀察開始，即協作是供應鏈管理的一個趨勢，由技術支持并受到競爭和預期收益的激勵，并且認為在協作環境中進行決策時會出現新的優化問題。協作舉措可能由于多種原因而失敗，并且缺乏對潛在利益的利用是其中一個原因。

協作計劃的合作伙伴決定合作，因為他們希望通過協作來提高自己業務的績效。雖然合作將改變他們的行為并暗示合作伙伴之間的互動，共同努力實現整合，但每個合作伙伴將更多地關注自己的業務而不是全球業績。因此，整合必須以個人興趣為中介，以使協作計劃成功。協作中的這一基本概念可以使協作計劃中的決策支持模型與全局優化模型不同。

例如，運營商之間的合作。統計數據顯示[6]大約90%的貨物在公路上行駛，而在所有歐洲國家，在公路上行駛并造成交通，污染和事故的空車的比例在15%至30%之間。卡車的平均負載遠低于其容量，尤其是城市分布的低負荷。道路上的卡車數量遠高于應有的卡車數量。可以確定這些負面統計數據的幾個原因。其中，我們當然擁有運營商的規模，客戶的分散，訂單和交貨時間之間的較短交付時間，尤其是電子商務活動產生的交易量增加。運營商之間的合作可以改善統計數據并為所涉及的運營商帶來經濟利益以及社會和環境效益。

4.3 動態方向

變革敏捷性和不斷變化的條件被列為趨勢，這是由于客戶，采購，交付，地點，庫存等數據的不斷變化所造成的。反過來使問題本質上比以前更加動態。由于電子商務的數量不斷增加，系統應該對變化更加敏感，并為需求變得越來越多變化的客戶提供更有效的響應。后一種趨勢使得需求也難以預測。由于基于預測的計劃活動在供應鏈管理中仍然至關重要，特別是在供應鏈的上部[7]，模型還應該捕獲有關未來結果的所有可能的，不確定的信息。

大多數經典優化模型都假設所有相關信息在構建模型時都可用，然后運行模型并完全實現解決方案。在一個收集數據非常耗時且成本高昂并且數據很少更新的世界中，這是一個現實的假設。這種假設變得越來越不可接受，因為解決方案需要在完全實施之前很快進行修訂。盡管長期以來一直在討論運輸中的動態問題，但動態和隨機車輛路徑問題的研究僅在過去十年中受到越來越多的關注[8]（參考Ritzinger，Puchinger和Hartl的調查）。概述了對動態事件進行適當建模并同時納入有關未來事件不確定性的信息的重要性。

Waller和Fawcett[9]討論了與供應鏈管理中的動態方向相關的幾個研究機會。而且，數據不斷變化，并且長的計算時間變得越來越不可接受。在一個只能部分實現解決方案的模型中投入多少計算量？當數據變化是否意味著重新運行模型？或者數據的哪些變化會使重新運行模型變得有益？由于數據的不斷更新，需要經常運行模型會產生其他相關的研究問題。我們是否可以利用算法所做的工作來解決優化問題，以加快下一個問題的解決方案，其中一些數據已經發生變化？

5 交通趨勢

雖然私家車仍然是絕大多數人的主要交通工具，但是隨著近幾年滴滴打車等網上預約叫車的業務的不斷發展，越來越多的年輕人也更傾向于選擇網約車，并推遲購買汽車和獲得駕駛執照的想法。

在Porter，Linse和Barasz[10]中，提出了人員交通的六大趨勢，這將改變我們的行動方式：

（1）自動駕駛汽車：免提和無腳駕駛是現實，完全自動駕駛汽車將很快成為現實。

（2）電動汽車：目前電動汽車和短程汽車主要是電動汽車，電動汽車越來越經濟，行駛時間更長，無需充電。

（3）聯網車輛：交通數據在車輛上可用，車輛配備互聯網連接。

（4）協同消費：按需移動選項正在增長，協作選項可實現移動性，而無需大部分未使用的個人汽車。

（5）高效的多模式網絡：眾包公交數據將根據旅行者的需求調整時間表，為旅行者提供多種旅行選擇。

（6）新材料：將設計更輕的車輛，也增加電動車輛的行駛距離。

5.1 電動汽車

混合動力電動汽車，電池電動汽車，插電式混合動力電動汽車已成為當今任何潛在汽車買家的選擇的一部分。我們將所有這些類別的車輛稱為電動車輛。電池的持續時間增加，因此車輛的自主性。充電站雖然仍然很少，但數量正在增加。成本仍然很高，但預計會下降。使用電動汽車的激勵措施來自政治機構，它們看到了改變環境帶來的積極影響。雖然大規模替代傳統電動汽車的全球影響仍有待評估，特別是在電力生產方面，但使用電動汽車的趨勢似乎是不可逆轉的。

5.2 減少行駛車輛和停車位

交通擁堵是每個國家的一個重大問題。人們不得不每天排隊到他們的工作地點，帶孩子上學，進行任何定期活動。排隊不是一個例外事件，而是特別是在城市地區，這是一個導致延誤和壓力的常規事件。反過來，延誤會產生巨大的經濟和社會后果。用電動汽車代替傳統車輛不會減少行駛車輛的數量，停車位的需要或擁堵問題。

僅通過減少需要旅行的人數和/或通過增加在同一車輛中運輸的人數，可以減少行駛車輛的數量。雖然我們很難為前一種選擇做出貢獻，但我們的貢獻可能與支持后者有關。導致人們使用自己的私人車輛的主要原因之一是公共交通系統缺乏靈活性。這種移動系統通常在固定的行程和固定的時間表上工作。在大多數情況下，頻率太低，行程時間太長。這些特征使得這些系統不適合于在空間和時間上極其分散的運輸需求，并且要求快速響應和短的行進時間。

Demand Responsive Transit（DRT）系統（也稱為撥號系統）是提供“門到門”運輸的靈活服務。Martínez，Viegas和Eiró[11]建議對DRT系統進行分類：

有固定的行程和站點，預訂

有固定的行程和可能的彎路

未指定的行程和預定義的停靠點

未指定的行程和未指定的停靠點

最后一種類型的服務是最靈活的服務，可以被認為是最接近共享出租車概念的服務。DRT系統正在吸引越來越多的興趣，DRT服務提供商開始對提高其運營效率感興趣。馬爾科維奇[12]等人提出了馬里蘭州DRT系統的實施。計算機化路由和調度系統每天有450次旅行請求，估計每年可節省82萬美元，相當于人工操作的年度總費用的18%。

在Archetti，Speranza和Weyland[12]進行的模擬研究中，傳統的公共交通系統，例如公共汽車系統，與按需服務一起提供，而沒有固定的行程和時間表，允許用戶傳達旅行所需的出發時間，出發地和目的地。按需服務通過小巴提供。如果用戶在到達目的地的時間可接受的情況下，小巴將提供在旅行的起點接收用戶并將他/她送到目的地的服務。如果傳統公共汽車和按需小巴都沒有向用戶提供可接受的服務，他/她將使用私家車。所進行的分析表明按需服務將在傳統公交車上占據主導地位，包括吸引的出行次數，出行時間和成本等。

5.3 減少擁堵

人們更傾向于認為擁堵是由道路上的車輛數量唯一決定的。事實上，這只是部分正確，因為擁堵也是由行駛車輛所遵循的路徑以及車輛行駛的時間決定的。當許多車輛同時沿同一條道路行駛時會發生擁堵。利用現有技術，對于給定數量的具有給定起點和目的地的行駛車輛，可以協調行駛路徑和時間。

旨在支持路徑選擇中的駕駛員的最常見的車載設備基于數字化道路網絡地圖和GPS天線。給定目的地，導航系統通常在距離或旅行時間方面提供最佳路線。最近，導航系統擁有一些實時交通數據，并且可以將駕駛員重新路由到非擁擠路徑。但是，這些系統不考慮所提供方向的系統影響。導航設備為起點和目的地提供相同信息的駕駛員，因此，路線引導可以簡單地將擁堵轉移到其他道路。協調和減少擁堵的可能性是巨大的。

6 結論

現在的計算機技術和汽車技術的進步正在迅速改變供應鏈的管理方式以及貨物和人員的運輸方式。經濟壓力通過利用技術進步推動企業提高效率和效率。與此同時，機構受可持續性目標的驅動，旨在滿足當前需求而不損害后代滿足其需求的能力。預計物流成本對公司和運輸對環境的巨大經濟影響以及新出現的商機將迅速改變運輸和物流。運營研究為供應鏈管理和運輸問題做出了重要貢獻，預計會有更多重要貢獻應對新的研究挑戰。

參考文獻：

[1] A. McAfee， E. Brynjolfsson.《大數據：管理革命》，哈佛商業評論， 90 （2012）， 第60-68頁.

[2] D. Barton， D. Court.Making advanced analytics work for you，

Harvard Business Review， 90 （2012）， pp. 79-83.

[3] L. Atzori， A. Iera， G. Morabito.《物聯網：一項調查》，計算機網絡，54 （2010）， 第2787-2805頁.

[4] T. Stank， C. Autry， P. Daugherty， D.Closs.《重新設想將徹底改變供應鏈物流的10大趨勢》，運輸日志，54 （2015）， 第7-32頁.

[5] C. Archetti， M.G. Speranza.《庫存路徑問題：集成的價值》，國際運籌學交易，23（2016），第393-407頁.

[6] Giachino， B. Il piano nazionaledellalogistica 2011/2020. MinisterodelleInfrastrutture e deiTrasporti， ConsultaGenerale per lAutostrasporto e la Logistica， December 2010.

[7] D. Simchi-Levi， P. Kaminsky， E. Simchi-Levi.《管理供應鏈：商業專業人士的最終指南》麥格勞-希爾公司（2004）.

[8] U. Ritzinger， J. Puchinger， R.F. Hartl.《動態隨機車輛路徑問題綜述》，國際生產研究雜志，54（2015），第215-231頁

[9] M.A. Waller， S.E. Fawcett.《數據科學、預測分析和大數據：將改變供應鏈設計和管理的革命》，商業物流雜志，34（2013），第77-84頁.

[10] B. Porter， M. Linse， Z. Barasz.《六種交通趨勢將改變我們如何移動》，福布斯（2015年）

[11] .Markovi？， R. Nair， P. Schonfeld， E.Miller-Hooks， M. Mohebbi.《優化馬里蘭的Dial-a-Ride服務：計算機路由和調度的好處》，運輸研究第C部分：新興技術，55（2015），第156-165頁

[12] Archetti， C.， Speranza， M.G.， &Weyland， D.（2015）. On-demand public transportation.submitted for publication.

作者簡介：

段硯，1996.09，女，青海省海東市，碩士研究生，學生，物流工程.