考慮交通擁堵的城市物流配送路徑規劃研究

劉建仁

摘 ?要： 為了解決城市物流配送路徑規劃過程中存在的一些難題，以獲得更優的城市物流配送路徑規劃結果，提出考慮交通擁堵的城市物流配送路徑規劃算法。首先分析城市物流配送路徑規劃的影響因素，并建立相應的約束條件;然后建立城市物流配送路徑規劃的目標函數，采用蟻群算法找到最優城市物流配送路徑規劃方案;最后在相同實驗環境下，與其他城市物流配送路徑規劃算法進行對比測試。結果表明，所提算法獲得了十分理想的城市物流配送路徑規劃方案，降低了城市物流配送成本，具有更高的實際應用價值。

關鍵詞： 城市物流; 配送路徑; 目標函數; 數學模型; 蟻群算法; 規劃方案; 影響因素分析

中圖分類號： TN911.1?34; TP391 ? ? ? ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）23?0116?04

Abstract： In order to cope with the difficulties existing in the process of urban logistics distribution path planning and obtain better results of urban logistics distribution path planning， an urban logistics distribution path planning algorithm considering traffic congestion is proposed. The influence factors of urban logistics distribution path planning are analyzed， and the corresponding constraints are established. And then， the objective function of urban logistics distribution path planning is established. The ant colony algorithm is used to obtain the optimal planning scheme of urban logistics distribution path. In the same experimental environment， the proposed algorithm is compared with logistics distribution path planning algorithms used in other cities. The results show that the proposed algorithm can produce a satisfactory planning scheme of urban logistics distribution path， which reduces the cost of urban logistics distribution. Therefore， it has a higher practical application value.

Keywords： urban logistics; distribution path; objective function; mathematical model; ant colony algorithm; planning scheme; influence factor analysis

0 ?引 ?言

隨著城市規模的不斷擴大，城市常住人口越來越多，城市物流需求量快速增長，物流行業在城市經濟發展過程中具有十分重要的地位[1?3]。配送最優路徑規劃是城市物流管理中的一項關鍵技術，城市物流配送路徑規劃方案不僅可以提高物流企業核心競爭力，而且能夠提高物流企業經濟效益[4?6]。尋找最優城市物流配送路徑，提高物流服務質量具有重要的現實意義[7]。

根據配送中心的結構，可以劃分為單中心和多中心兩種城市物流配送路徑優化問題，由于城市越來越大，當前主要研究多中心的城市物流配送路徑優化問題。根據車輛類型，可以劃分為同質車輛和異質車輛的城市物流配送路徑優化問題[8?10]。城市物流配送路徑規劃問題與多種因素相關，建立的數學模型十分復雜，約束條件多。近幾十年以來，國內外學者對該問題進行了大量的研究，提出了許多城市物流配送路徑規劃算法[11]。城市物流配送路徑規劃算法可以劃分為兩類：精確算法和啟發式算法。精確算法主要有：動態規劃法、支定界算法，它們主要針對小規模的城市物流配送路徑優化問題，隨著客戶數量的增加，求解城市物流配送路徑的時間呈爆炸性增長，無法滿足現代城市物流配送路徑發展要求[12]。啟發式算法分為傳統啟發式算法和群智能優化算法兩類，其中傳統啟發式算法主要有：插入算法、最近鄰算法等，它們本質上與精確算法相差不大，因此求解城市物流配送路徑效率低;群智能優化算法模擬自然界生物一些行為，對城市物流配送路徑優化問題進行求解，主要有遺傳算法、人工魚群算法、粒子群算法等[12?14]，它們求解城市物流配送路徑效率更高，可以獲得更優的城市物流配送路徑規劃方案。在實際中，群智能優化算法存在一些不足，如：遺傳算法易過早收斂，難以得到城市物流配送路徑優化問題的全局最優解;人工魚群算法局部搜索能力差，得到局部最優城市物流配送路徑規劃方案的概率高;粒子群算法存在搜索時間長，易出現停滯現象等[15?16]。

為了獲得更優的城市物流配送路徑規劃方案，減少城市物流配送成本，本文提出了考慮交通擁堵的城市物流配送路徑規劃算法。該方法將交通擁堵條件考慮到城市物流配送路徑規劃數學模型構建中，并對蟻群算法進行改進，用于數學模型的求解，采用具體仿真對比測試，驗證了本文城市物流配送路徑規劃算法的優越性。

1 ?城市物流配送路徑優化問題的數學模型構建

1.1 ?城市物流配送流程

隨著電子商務的發展，城市物流得到了迅速的發展，城市物流配送服務質量成為描述一個城市綜合實力的重要指標，可以保障整個城市消費和生活品需要，更好地完善城市現代化功能。城市物流配送根據客戶要求，將貨物在有效時間內發送到客戶手中。城市物流配送流程如圖1所示。從圖1可以看出，城市物流配送包括許多內容，如收集貨物、存儲、車輛貨物裝配、配送路徑規劃等，其中物流配送路徑規劃是最為關鍵的技術，合理的物流配送路徑可以減少重復運輸，在提高了物流配送效率和企業經濟效益的同時，可以有效緩解交通壓力，減少城市污染，因此城市物流配送路徑優化問題是當今城市物流管理系統中的關鍵問題。

1.2 ?考慮交通擁堵的城市物流配送路徑優化問題數學模型

城市物流配送路徑規劃問題本質上是車輛路徑優化問題，可以定義為：在配送中心和客戶點已知的條件下，找到一條車輛配送最優路徑方案，在規定的時間內將貨物發到客戶手中，通常情況下以配送成本最小為目標。

1） 設車輛管理使用成本為[C1]，計算公式如下：

[C1=k∈Kηkgk+k∈K i∈N j∈N h∈Hzijkhtijkh（μ+ψ）+k∈K j∈Nyjkstj+k∈K j∈Nyjkσjk*（μ+ψ）] ?（1）

式中：[ηk]表示是否使用第[k]輛車，如果使用，其值為1，否則為0;[K]表示配送車輛集合;[gk]表示第[k]輛車的發車費用;[μ]和[ψ]分別表示車輛使用單位時間和單位人力成本;[yjk]表示第[k]輛車是否為第[j]個客戶服務，如果服務其值為1，否則為0;[stj]表示第[j]個客戶的卸貨服務時間;[tijkh]表示在道路[（i，j）]的路段[h]，第[k]輛車行駛的時間;[zijkh]表示第[k]輛車是否在道路[（i，j）]的路段[h]上行駛，如果行駛，其值為1，否則為0;[N]表示城市物流網絡的節點集合;[σjk]表示第[k]輛車在客戶點[j]的等待時間。

2） 設車輛運行成本為[C2]，其計算公式為：

[C2=gf×k∈K i∈N j∈N h∈Hzijkhvijkhtijkhfijkh] （2）

式中：[gf]表示單位油耗費用;[fijkh]表示第[k]輛車行駛在路段[h]上的油耗率;[vijkh]表示第[k]輛車在路段[h]上的行駛速度。

3） 在城市物流配送過程中，由于交通擁擠，配送車輛有時不能在規定的時間段將貨物發送到客戶手中，那么要進行一定的懲罰，設時間懲罰成本為[C3]，其計算公式為：

2.3 ?城市物流配送路徑規劃算法的工作步驟

1） 對城市物流配送路徑規劃問題進行分析，并設定相應的約束條件。

2） 以城市物流配送成本最低為目標，建立城市物流配送路徑的數學模型。

3） 設置蟻群算法的參數，如最大迭代次數NCmax、螞蟻的數量[m]等。

4） 初始化蟻群，每一只螞蟻均布置于城市物流配送中心，并對每一條路徑上的信息素量進行初始化。

5） [NC]=1。

6） 計算每一只螞蟻下一個節點的轉移概率，并根據轉移概率爬行相應的節點。

7） 對路徑上的信息素進行更新。

8） [NC=NC+1]。

9） 如果滿足條件[NC]≥[NC]max，那么由最優路徑得到城市物流配送路徑規劃方案，否則，返回步驟6）繼續進行搜索。

綜上可知，考慮交通擁堵的城市物流配送路徑規劃算法的工作流程如圖2所示。

3 ?城市物流配送路徑規劃算法的仿真實驗

3.1 ?實驗環境

為了測試考慮交通擁堵的城市物流配送路徑規劃算法的性能，選擇粒子群算法的城市物流配送路徑規劃算法進行對比實驗，實驗環境如表1所示。兩種算法的最大迭代次數均為500，種群的數量為20。

采用5個城市物流配送路徑規劃問題作為實驗對象，它們的配送中心以及客戶點的數量如表2所示。

3.2 ?找到最優路徑規劃方案的迭代次數對比

兩種算法找到城市物流配送路徑規劃方案的迭代次數如圖3所示。從圖3可以看出，相對于對比算法，本文算法找到城市物流配送路徑規劃方案的迭代次數明顯減少，這表明本文算法找到城市物流配送路徑規劃問題的效率更高，可以滿足城市物流配送向大規模方向發展的要求。

3.3 ?找到最優路徑規劃方案的成功率對比

每一個問題進行100次仿真實驗，統計兩種算法找到城市物流配送路徑規劃方案的成功率，具體如圖4所示。從圖4可以看出，相對于對比算法，本文算法找到城市物流配送路徑規劃方案的成功率大幅度增加，說明本文設計的城市物流配送路徑規劃算法具有十分明顯的優越性，這主要是考慮了交通擁堵，并對蟻群算法進行了改進。

3.4 ?城市物流配送成本對比

對于5個城市物流配送路徑規劃問題，兩種方法的配送成本如圖5所示。從圖5可以看出，本文算法的城市物流配送成本有所減少，可以提高城市物流配送企業的利潤。

4 ?結 ?語

城市物流配送路徑規劃問題的約束條件多，當前算法的城市物流配送路徑規劃求解成功率低，為了獲得理想的最優路徑規劃方案，本文提出了考慮交通擁堵的城市物流配送路徑規劃算法。首先在已有的算法基礎上，引入交通擁堵條件，建立更優的城市物流配送路徑規劃數學模型，然后對傳統蟻群算法進行改進，最后通過蟻群算法找到了更優的城市物流配送路徑規劃方案，具有十分廣泛的應用前景。

參考文獻

[1] 周曉曄，崔瑤，何亮，等.基于地鐵?貨車聯運的物流配送路徑優化[J].交通運輸系統工程與信息，2020，20（3）：111?117.

[2] 羅慶，周軍.基于混合遺傳算法的農產品物流配送路徑優化[J].江蘇農業科學，2017，45（12）：174?177.

[3] 葛顯龍，孔陽.帶有時間窗的生鮮物流配送路徑優化研究[J].數學的實踐與認識，2016，46（12）：78?87.

[4] 邰曉紅，李璐.改進節約法下的物流配送路徑優化問題[J].遼寧工程技術大學學報（自然科學版），2016，35（6）：667?672.

[5] 葛顯龍，許茂增，王偉鑫.基于聯合配送的城市物流配送路徑優化[J].控制與決策，2016，31（3）：503?512.

[6] 蘭輝，何琴飛，邊展，等.考慮道路通行狀況的冷鏈物流配送路徑優化[J].大連海事大學學報，2015，41（4）：67?74.

[7] 侯玉梅，賈震環，田歆，等.帶軟時間窗整車物流配送路徑優化研究[J].系統工程學報，2015，30（2）：240?250.

[8] 張勇.基于改進蟻群算法物流配送路徑優化的研究[J].控制工程，2015，22（2）：252?256.

[9] 蔣國清，潘勇，胡飛躍.兩階段式的物流配送路徑優化方法[J].計算機工程與應用，2015（2）：255?258.

[10] 戴昕.基于反向學習策略粒子群的物流配送路徑優化研究[J].物流技術，2014，33（7）：291?294.

[11] 姚臻，張毅.基于物聯網和低碳雙視角下冷鏈物流配送路徑優化研究[J].生態經濟，2020，36（2）：61?66.

[12] 尚猛，曹峻瑋.基于鯊魚優化算法的農產品物流配送路徑優化[J].揚州大學學報（自然科學版），2019，22（4）：1?5.

[13] 方文婷，艾時鐘，王晴，等.基于混合蟻群算法的冷鏈物流配送路徑優化研究[J].中國管理科學，2019，27（11）：107?115.

[14] 王登清.新零售模式下單中心物流配送路徑優化研究[J].福州大學學報（自然科學版），2019，47（5）：695?699.

[15] 劉炎寶，王珂，楊智勇，等.考慮碳排放與新鮮度的冷鏈物流配送路徑優化[J].江西師范大學學報（自然科學版），2019，43（2）：188?195.

[16] 周顯春，楊婷婷，劉小飛，等.基于改進蟻群算法的智能物流配送路徑優化方法[J].內蒙古師范大學學報（自然科學漢文版），2017，46（6）：888?892.