針對“最后一公里”的智能配送優化研究

高萌 許興宇 張之凡 王海瑞 劉曉曼

摘要：電子商務物流中的最后一公里是接觸最終用戶的環節，但由于這個重要的環節還存在許多問題，所以制約著電商的發展，無論國內外，都需解決這個難題。

關鍵詞：電子商務物流;智能配送;研究

1 背景

電子商務物流中的最后一公里是接觸最終用戶的環節，但由于這個重要的環節還存在許多問題，所以制約著電商的發展，無論國內外，都需解決這個難題。

1.1 國外環境

對發達國家來說，其電商物流的模式也就是自主提貨或送貨上門等，但不同于國內的是，其技術水平更完善，主要表現在自主提貨的自動化程度上。

1 公共儲物柜

類似于自主提貨柜，是在一個指定的區域，由物流公司或電商建立的一種電子儲物系統，由最終用戶自己完成提貨，優點是很便利，長遠來看節約了成本。國外的這個系統自動化程度及信息共享程度很高，這也是國內需要改進的。

2 私人收貨箱

在國內并不常見，是屬于私人或一個團體的儲物箱，類似于郵箱。最終用戶可獨立取貨。該模式的優點是在時間及空間上便利了最終用戶，同時也一定程度上便利了快遞員，節約了成本。

1.2 國內環境

就目前而言，國內的問題還很多。主要是服務質量的問題，時效性、破損率、服務人員的服務態度，都是需要解決的問題。其次是信息方面的問題，信息共享程度低，也是制約電子商務物流發展的一個重要的因素。

1.3 解決方法

針對這些問題，國內也嘗試了許多辦法來解決。

首先就是自助提貨模式，意在解決用戶分散及投遞失敗所帶來的成本問題，國內一般選擇與便利店合作，或建立自助提貨點這兩種方式，不過收益不大。

第二個就是共同配送，這種模式是以一個城市為單位，各物流公司將貨物送達用戶所在城市后，交由專業配送單位來統籌規劃配送，總體來說降低成本，同時在一定程度上保護了環境，但是也引起了一些問題，如切斷了客戶與物流企業的聯系，加之信息共享程度不夠，易導致客戶流失。

總得來說，我國的最后一公里主要有四個方面的特征：1.用戶多，總體分布集中于城市，個體分布分散;2.用戶一般都是平民百姓，對價格較敏感，且要求支付方式靈活;3.用戶送貨上門的愿望強烈;4.國內物流企業多，合作統一不到位，信息共享問題亟待解決。

1.4 校園物流現狀

現代電子商務主要手段是信息網絡技術，主要內容就是以商品交換為中心的商務活動，確保商流、物流、資金流、信息流“四流”的暢通，是電子商務順利進行的主要保障，而物流是最基礎的保障?，F階段中國網民規模達7.72億，其中學生網民群體就有1.96億，占比最大。學生這個群體在網購過程中需要經濟的保障，現在大學生一方面擁有家庭的支持，另一方面還有自己做兼職掙錢，加之現在網上的商品價格普遍較為親民，學生網購的熱潮所帶來的校園快遞業務量也是急劇增長，當然校園物流的快速發展也暴露出了這個物流在校園內的配送的許多問題，尤其是最后一公里配送在校園的問題。

1.4.1 存在問題

第一，配送的服務質量差，第一個方面就是不能按時送達約定地點，導致學生無法按時提貨，影響了其對賣家的滿意度，第二個方面就是貨物損壞問題，由于賣家，或物流企業，或配送人員的疏忽而導致的貨物損壞也很常見;

第二，取貨排隊時間長。一般貨物到達驛站，驛站通過短信告知學生，學生一般情況下都在上課，只能課后去驛站，大多學生會選擇午休和傍晚去驛站提貨。而驛站一般保留貨物三天，三天后無人提取則退回賣家發貨地點，所以更加大了取貨排隊人數;

第三，提貨站點的設置，由于學校的特殊性，一方面是安全性的考慮，另一方面，釋站與快遞公司協商無法達成一致，一些快遞公司選擇不進駐校內驛站，導致學生只能出校取貨。

1.4.2 解決措施

對于此，我們也希望能通過以下的措施，解決或者緩解目前存在的問題。

（1）引入智能化物流管理工具智能化發展可以通過倉儲、配送、信息處理等方面進行技術分析，利用先進的操作技術和管理技術，使電商物流的智能化得以實現。自提柜投放便是解決校園物流“最后一公里”較為經濟便捷的方式之一。校園物流自提柜可以建在人流密集的地點，方便在校師生在合適的時間取出包裹，減少排隊時間，從而降低投遞失敗的風險和提高顧客滿意度。由于信息發送和包裹投遞同時進行，也解決了信息通知不及時或信息漏發的情況。

（2）構建新型校園快遞服務模式。靈活性、及時性、便捷性以及安全性是影響校園快遞服務質量的重要因素，學校內快遞服務采用了學生兼職派送的服務以實現“送貨上門”并取得了較好的成效，但整體的流程還需要優化，可以聯合校園管理、服務師生、學生實踐三方面力量構建新型校園快遞服務模式，解決校園物流“最后一公里”配送問題。

（3）搭建高校智能綜合物流服務平臺。學校內管理方式相對傳統，線下管理居多，缺少線上管理和數據整合，難以適應當前大學生網購的物流需要。諸如此類的整合點可以通過物流配送將顧客流量引入線上平臺，對顧客信息資源進行整合分析，建立良好的信息處理系統，實現物流功能的集成化和系統化發展。電子商務環境下的物流管理可以依托互聯網的物流信息平臺為依托，充分利用電子信息技術整合有效物流信息，提出更智能化的物流方案，使整個流程更加科學化、便捷化、合理化，提升操作速度，為創造出更大的經濟效益。另外，還可以考慮引入如“小麥公社”、“樂收”等類似的高校智能綜合物流服務平臺。

針對校園物流，我們分析他存在的問題，也從中列出以下措施，得出總結。

校園物流“最后一公里”是電子商務物流配送中最后一個環節，由于這個環節是直接與客戶面對面接觸，配送服務質量直接影響客戶的滿意度，從而影響校園電子商務和物流的發展，實現校園物流“最后一公里”配送服務的合理性和經濟性。就目前現狀來看，校園物流仍處于較原始的狀態，有必要盡快引入智能物流的方式改善“最后一公里”配送現象。

2 各配送方式成本利潤分析比較

2.1 快遞拒

（32個小柜，12個中軌，5個大柜）

豐巢（現已收購中集e棧）的經營情況。截至2017年11月，豐巢已在全國74個城市投放了約6萬組智能快件箱，格口總數達480多萬，注冊快遞員40萬，累計用戶超過5000萬，日均包裹量超300萬件。根據《深圳市豐巢科技有限公司自2017年1月1日至2017年6月30日止6個月期間財務報表》，豐巢2015年4月8日（公司成立日）至2017年6月30日期間的財務情況見表格。

豐巢2015年4月至2015年12月期間虧損約0.37億元，2016年虧損約2.5億元，2017年1-6月期間虧損約1.77億元。

1 .收費模式

（1）向快遞員收取派件收費

大箱0.6元

中箱0.5元

小箱0.4元

（2）向用戶寄件收費

大箱0.6*2元

中箱0.5*2元

小箱0.4*2元

（3）廣告業務收入

2500元洋

2.成本投入

建造成本：30000元

一年的電費：800元

占地成本： 4000元

C=0.5X+Y+2500-30000-800-4000=0.5X+Y-32300

2.2 菜逆驛站

菜鳥驛站是一個由菜鳥網絡牽頭建立面向社區和校園的物流服務平臺網絡平臺，作為菜鳥網絡五大戰略方向之一，為網購用戶提供包裹代收服務，致力于為消費者提供多元化的最后一公里服務。

目前在末端配送網絡建設上，在城市，超過4萬個菜鳥驛站構成菜鳥網絡的城市末端網絡。

2.2.1 收費模式

（1）派費收入0.4元/單

（2）寄件收入2元/單

2.2.2 成本投入

建造成本：10000元

人工成本：6500元/月

其他成本：100元/月

C-0.4X+2Y-10000-6500* 12-100*12=

0 .4X+2Y 89200

2.3 快遞員派送

月人工費用：4000

C=12*4000/2=24000

3 調查結果分析

本小組基于“最后一公里智能配送優化”的課題，為提高研究成果的真實性、有效性，注重研究過程的實踐性，立足于實際調研數據進行分析，從真實數據中預測消費者心理并客觀審視現狀、發現問題、反思原因、提出結論與對策，深化對“最后一公里”智能配送優化方案的思考。分析結果如下：

3.1 物流配送服務市場現狀

隨著經濟發展、生活水平的提高、消費觀念的轉變;電商銷售便捷、實惠;配套物流配送服務趨于成熟，多重因素刺激消費者消費。

根據調研所得“居民接收快遞頻率”數據顯示，74.46%的參與者每周接收0-3件快遞，而其余將近25.5%的參與者的快遞接收頻率更高，甚至2.6%的調查參與者每接收快遞數量十個及以上。

3.2 用戶習慣、心理引導服務反思

3.2.1 客戶快遞收取時間統計

經對消費者期望取快遞的時間進行多項選擇統計，每天12：00-14：00時間段可收取快遞的人數占比最重，達41.56%，其次為18：00-20：00，占32.9%，其他各時段在34%-37%范圍內波動，差異較小。

3.2.2 客戶快遞收取方式統計

而依調查顯示，在人工、驛站、豐巢等智能快遞柜這三項選擇中，目前最常用的方式為驛站寄取占66.67%，其次是人工配送占30.3%，豐巢等智能快遞柜使用相對較少僅為28.14%。

通過數據顯示，接受問卷調查的客戶中，住地附近安裝智能快遞柜的比例為71%，剩余未安裝智能快遞柜的地區占29%。

為了更貼切的體現各方式的利弊，本組成員對客戶可接受快遞接收距離進行調查，能接受簽收快遞距離超過500米的客戶僅占9.09%，有近百分之五十的客戶，最佳期望值是簽收距離在100米及以內。

對于智能快遞柜這一新興配送方式，經調查，影響因素最為重要的是收費標準和便捷程度，占比22%，其次取件地點比率為18%，操作難易程度也對客戶的使用態度起到一定影響作用，認為此項為重要因素的人數占16%，而外觀和取件速度影響程度相對較小，均占10%左右。

智能快遞柜收費的話題近期引起熱議，在本組成員的調查中，對智能快遞柜持肯定態度的人數占80%，其中包括無論價格多少都愿意接受的占23.83%及收費不貴愿意接受的56.17%，15.21%的參與者對智能快遞柜持無所謂態度，僅4.68%的參與者拒絕使用快遞柜，但是從中可以看出，費用是影響快遞柜使用受眾的重要因素。

根據對客戶選擇快遞公司的偏好，總結出影響客戶選擇的最重要因素為速度占總人數的36.17%，其次為服務占比11.06%、價格便宜占比6.81%、安全程度3.46%。

4 初步優化分析

通過問卷總結出的數據分析表明，大多數居民通常沒有太多空余時間而期望選擇利用碎片化的時間收取快遞;同時，人工驛站又存在著諸如亂收費，取件高峰等待時間長、營業時間限制等問題，而豐巢等智能快遞柜由于其快遞自取模式，相較于人工配送和驛站取件來說，收取時間更加靈活，收費標準相對統一，客戶隱私保護也更能得以保障。根據客戶需求調查得知，豐巢等智能快遞柜的投放可以滿足大量客戶的取件需求，因此可以把快遞柜作為一個客戶取件點和“最后一公里”配送路徑中的一個配送節點，在此基礎上，利用螞蟻算法對“最后一公路”配送路徑進行優化。

4.1 快遞站點規劃

智能快遞柜服務系統包括運輸、中轉、配送、客戶領取四個部分。快遞公司與智能快遞柜之間是“多對多”關系，而智能快遞柜與客戶之間是“一對多”關系。設有S個快遞公司，M個智能快遞柜和N位客戶，通過圖1表示包含智能快遞柜在內的服務系統所形成的物流網絡系統。

智能快遞柜的選址布局影響著快遞的末端配送和快遞柜的利用效率。通過優化網點布局，以最少數量的快遞柜來滿足服務區域內的最大需求，可以節約初始建設的固定成本。

選址優化方法

（1）集合覆蓋模型

集合覆蓋模型是指在已知有限的各需求點需求量的前提下制定合理的設備投放方案，以滿足各需求點的需求，該方案滿足總設施建設成本最小且各需求點至少被一個設施覆蓋。若定義候選點j的設備固定建立費用為f_j，再定義c_ij為第i個需求點是否被第j個設備覆蓋，再定義x_j為決策變量，如下：

X_j=1，在候選點j處建立

0，否則

集合覆蓋模型如下：

MinZ=∑f_jx_j

x_j=0，1（i）

總建設成本最小為集合覆蓋模型的目標，各需求點至少被一個設施覆蓋為約束條件。

（2）最大覆蓋模型

最大覆蓋模型是已知設施的數目和服務半徑，制定合理的方案使被覆蓋的總需求最大。定義下列幾個變量符號，用以描述最大覆蓋模型。

h_i——需求點i的需求量：

P——準備設立的設備個數;

Z_i=1，如果需求點i被覆蓋

0，否則

變量x_i和c_ij的定義同前，則最大覆蓋問題可以描述如下：

被覆蓋的總需求最大為最大覆蓋模型的目標;約束式（3-2）是說明某需求點的需求被覆蓋住需保證該需求點至少被一個設施覆蓋;約束式（3-3）是確定p為設立設施的個數;約束式（3-4）是約束決策變量是否設立某設施;約束式（3-5）是約束決策變量否覆蓋某需求點。

4.2 螞蟻算法的路徑優化原理

蟻群總能找到蟻穴到食物源的最優路徑，相比單只螞蟻更具有智能性，對于整個蟻群的每一只螞蟻在開始尋找食物時，隨機的選擇路徑，在尋找食物的路徑上釋放信息素，這種信息素隨著時間的推移會不斷的揮發，對于離食物越近的路徑，在一定的時間內可能會有更多的螞蟻從此路徑通過，從而能夠形成一種正反饋的機制，這條最短的路徑信息素濃度會變得越來越大，從而會導致更多的螞蟻選擇這條路徑來覓食，最后所有的螞蟻都會聚集到這條路徑，即為最優的蟻穴到食物的路徑。

蟻群算法的基本流程是：

（1）初始化參數，信息素的初始濃度、螞蟻和目的地個數等。

（2）螞蟻針對所有的目的節點進行隨機選擇，并將初始節點加入到搜索禁忌表。而后根據概率公式進行計算選擇下一個要走的節點。

（3）判斷禁忌搜索表是否已滿，是則表明螞蟻已訪問完所有節點，記錄螞蟻所走路徑。

（4）按照螞蟻所走的路徑更新各條路徑的信息素濃度。

（5）算法滿足終止條件，輸出最優路徑。否則，繼續運行步驟（2）。

綜上，蟻群算法是對現實中螞蟻的一種虛擬過程，但其比現實中的螞蟻更具有智能，原始蟻群算法的基本思想是將m只人工螞蟻隨機放置在n個結點，每一只螞蟻通過一定的概率規則進行結點間的狀態轉移，遍歷所有節點后形成一條有效路徑。螞蟻在創建路徑過程中或創建路徑后，根據相應的信息素更新規則進行各自路徑上的信息素更新操作。當每一只螞蟻都完成了各自對整條路徑的遍歷，則對所有路徑中的最佳路徑進行全局的信息素更新操作。

4.3 基于蟻群算法求解最后一公里配送最優路徑

4.3.1 最后一公里路徑選擇的原則

通過調查問卷的方式，向快遞員發放問卷總數130份，對回收的100份有效問卷進行分析，有77.55%的快遞員選擇在最后一公里末端配送過程中，在選擇配送節點時，比較傾向于選擇離其所在的配送點最近的配送點進行下一步的配送，尤其是對路線不熟的年輕快遞員，更容易做出這樣的選擇。其中，在影響路徑選擇的因素有路徑長度、道路的狀況、道路質量、天氣因素、交通流量、行車速度等。路徑長度、道路狀況、交通流量這些因素排在前三位，被超過78.63%的快遞員選擇是其路徑選擇過程中的重要考慮因素，遠超其他因素的影響程度。經過以上分析，在最后一公里末端配送路徑優化研究過程中應全面考慮道路的路徑長度、道路狀況、交通流量等，才能真正尋得一條較為合理配送路徑。因此，本文在用蟻群算法求解最后一公里末端配送最優路徑時，將綜合考慮以上三個因素，其中路徑長度、道路狀況、交通流量將采用層次分析法的方式設置權重。

4.3.2 求解物流末端配送最優路徑基本實現步驟

（1）初始化m、n、α、β以及循環參數NC等參數，設定初始信息素濃度C（C為常數）。

（2）將m只螞蟻在n個配送點進行隨機放置，將每只螞蟻的出發點寫入該螞蟻的搜索禁忌表。

（3）然后螞蟻根據概率公式選擇下一個配送點j，并將j放入自己的搜索禁忌表。

（4）若某只螞蟻的搜索禁忌表已滿，則該只螞蟻已完成整條路徑，保存螞蟻所尋路徑，對該只螞蟻所尋路徑按照信息素更新的模型進行信息素更新。

（5）若循環次數NC不滿足結束條件，則NC=NC+1。否則輸出最優路徑。

4.3.3 基于層次分析法的末端配送影響因素權重分析