物流配送車輛優化調度的綜述

閆晨陽

[摘要]物流車輛的調度工作是否完善、能否根據實際的物流路況做出動態化的積極調整，將成為物流配送是否具有高效率的決定性因素。文章在對物流配送車輛調度方式研究中，對影響物流車輛配送效率的影響因素進行了總結分析，同時以動態化管理為基礎，進行依靠信息條件實現調度功能的調度優化模型，提升物流配送車輛的調度能力，提高配送效率。

[關鍵詞]物流配送；高效率；車輛調度；優化模型

[DOI]1013939/jcnkizgsc201915168

1引言

物流配送車輛所處的行駛環境和行駛軌跡規劃，是物流配送效率的保證，調度工作主要依靠環境分析和運行情況判斷，做出實時的調度調整，以此保證車輛行駛與實際的氣候、配送環境、交通環境相適應，從而達到最佳的配送路線選擇、實現最短時間、高效率的物流配送服務，提升物流企業的市場形象和核心競爭價值。

2影響物流配送車輛配送效率的主要因素

21客觀不可抗力因素

環境因素和非預見性的人為不可抗力因素，都是造成物流配送車輛無法提升效率、達到最優配送的主要阻礙因素。其中大部分因素的出現有著明顯的隨機特征，無法預先判斷，導致物流配送車輛的調度工作陷入被動，調度實現無法滿足實際的物流需求，造成二者之間存在差異。

常見的環境問題主要體現在天氣、氣候、地質災害等方面，例如在雷雨天、暴風雪天氣等環境當中，配送車輛的行駛路線規劃和行駛速度都將受到一定限制，部分路段還會發生較為嚴重的堵塞問題，影響物流配送和物流調度工作。不過這一類型的環境問題往往可以借助人類科技的預測手段完成預先判斷，調度部門可以根據具體的天氣情況盡早完成規劃，從而避免車輛受阻過于嚴重。

而諸如地震、交通事故、道路故障等客觀因素，同樣對配送車輛的行駛造成嚴重影響，但由于其所具有的不可預見性，事故的出現往往處于突發狀態，一旦調度部門缺乏信息溝通或者無法做出第一時間的判斷和處理，極有可能造成車輛受阻嚴重程度增加，導致車輛無法準時完成物流配送。

22路線規劃與車輛行駛速度

路線規劃是調度部門主要應當完成的調度工作內容，部門結合所獲取的配送地區的地理交通信息和行車信息，從預期規劃和實時調度規劃兩個方面，開展車輛行駛路線規劃工作，引導車輛選擇最優線路完成物流配送工作。但實際上，受限于信息資源的時效性和動態性，調度部門所進行的規劃難以針對具體的線路問題做出精準、快速的應度。[1]部分物流公司還存在調度與實際情況不符的情況，導致物流配送十分緩慢，引發客戶流失等問題。

車輛的行駛速度同樣是制約物流配送效率的關鍵，我國大部分城市內部交通車道都具有限速要求，因此配送車輛的行駛速度，也成為調度工作當中應當充分考量的重點內容。

3基于信息化的動態調度管理優化方案

31建立動態交通規劃模型

交通情況的模擬是物流調度部門必須建立的工作內容，通過開展動態化的交通環境模擬方案，可以實現可視化的調度策略分析方案，從而解決因環境、不可抗力等因素所造成的配送車輛阻礙。傳統物流公司的調度工作開展，主要依靠直角坐標的方式，對各個配送點和物流車輛所在點進行坐標模擬，并通過輸入量的方式，構建直角坐標模型。但事實上，這種直角坐標模型對于真實道路交通的模擬程度十分有限，大量配送線路尤其是城市配送線路交通環境十分復雜，配送點與客戶之間的線路眾多，直角坐標無法精準描述，因此調度部門難以結合坐標完成調度規劃。[2]而在信息化時代，動態化的交通環境模擬模型，應當以立體、具象、實時更新為基本要求，筆者提出，可以將地圖信息當中的可測節點作為基本點，通過將基本點與虛擬點相互結合的方式，形成交通模型，其中基本點是實際配送路線當中真實存在的，而虛擬點則是經過算法計算后所得出的最優化節點中的路口，從而實現對于車輛運行軌跡和所處交通狀態的準確模擬。此外，在交通模型當中，還需要引入信息系統，通過實時的交通道路信息獲取的方式，來進行節點判斷，例如當A節點所處最優線路出現無法通行或通行受阻問題后，系統將重新進行當前配送車輛和目標基本點之間的聯絡，完成次優化線路的選擇，爭取壓縮配送時間，提高配送效率。

32模型算法應用

如前所述，交通模擬模型的實際應用，除了需要對交通信息和交通狀況進行精準的可視化表達之外，還需要結合算法的應用，來實現對于最優路線的選擇，從而建立起調度方案。筆者在進行算法選用和算法實際應用中，通過對比觀察的方式選取了“蟻群算法”進行交通模型的模擬和應用。所謂蟻群算法是指科學家通過對螞蟻覓食過程的觀察，發現螞蟻群體會通過遺留“信息素”的方式，引領同伴找尋到最佳的覓食路線?？茖W家將其總結為正反饋機制算法，被稱為“蟻群算法”。在物流車輛配送過程中，調度優化可以由蟻群算法來實現規劃和線路優化分析。調度部門可以結合物流工作當中物流公司與客戶之間形成交易的流程，來設置蟻群算法的優化策略。首先，物流公司在收獲到客戶物流服務請求后，需要首先判斷車輛空閑狀態，只有車輛滿足情況下，方可進行初始參數、車輛運輸容量、車輛行駛節點的導入和配送。其中車輛行駛節點需要通過設置初始化的禁忌表的方式，將已經根據轉移概率完成配送的螞蟻所到達的節點q設置到禁忌表當中，同時結合禁忌表的數據信息，對所獲取到禁忌表內容中的信息素做出局域更新。隨后，對客戶節點做出信息反饋，判斷車輛到達情況，得出其“是否已被訪問”結論，隨后依據路徑的全局更新，進行數據信息迭代。迭代結果得到最大值，則對數據結果進行輸出，以此作為車輛的配送序列情況和路線規劃情況，完成交通模型內的路線最優化選取。

33功能模塊設計

為了實現調度優化方案的實際應用，本文結合信息平臺的設計方案，提出了調度優化方式的模塊化功能調整性設計，使其滿足選優的路線控制方案和信息分析能力。

模塊設計主要以滿足功能需求為前提，因此本文所進行的模塊設計主要集中在物流車輛的在途管理、位置管理、發車方案管理以及調整管理等幾個方面，其中在途管理和位置管理是通過信息手段對配送過程中的車輛運行狀態所進行信息匯總的功能模塊，模塊需要完成對常態信息和非常態信息進行分辨，從而實現對車輛及車輛周邊環境的判斷；發車方案模塊是規劃結果功能的實現，要求調度部門依照預期分析，完成調度設置；調整管理則是算法和交通模型模擬功能模塊，主要應對處理突發狀況下的車輛路線的重新調整，保證配送運行的動態性和時效性。對于調度部門來說，通過建設行之有效的信息化動態規劃平臺，能夠實現調度能力和調度水平的提升，保障車輛配送的實際運行效率。[3]

4結論

綜上所述，上市公司的內部控制體系管理工作的開展、財務工作風險評估和風險控制成為市場化發展當中重要的環節。上市公司需要以指標權重方案形成對于風險內容的識別，并通過加強內部環境優化和企業經營能力的提升，來保障企業擁有財務風險的控制能力。對于上市來說，如何進行內部優化管理的實施和開展，成為企業自身發展創新的關鍵。

參考文獻：

[1]陳禹默，宋劍萍同城物流配送車輛調度問題研究——以西安飛雕電器為例[J].甘肅科學學報，2018，30（5）：142-147.

[2]趙建峰，梁伯棟物流車輛調度一般模型及啟發式算法求解現狀及研究方向[J].物流技術，2017，36（12）：119-123.

[3]林偉強，張袖斌，何志杰基于物聯網的高職智能物流實訓室設計與探索——以廣州科技貿易職業學院物流車輛調度實訓室為例[J].科技創新導報，2015，12（31）：15-16.