基于Dijkstra算法的農(nóng)村快遞選址研究

孫玉良,楊光敏

摘 要：近年來，物流快遞快速發(fā)展，投送時效快，投送能力強(qiáng)，已經(jīng)成為該行業(yè)的鮮明的旗幟。同時也要看到，這僅僅只是針對城市而言。相反農(nóng)村的物流快遞則發(fā)展得極其不平衡，主要體現(xiàn)在“戰(zhàn)線長”，“分布廣”，“消費(fèi)低”等幾個方面從而導(dǎo)致了快遞公司的運(yùn)行成本高，投送時效長。本文通過AHP-TOPSIS模型多農(nóng)村配送點(diǎn)進(jìn)行排序選擇，在此基礎(chǔ)上提出了發(fā)散配送模式，最大化對配送節(jié)點(diǎn)進(jìn)行覆蓋。

關(guān)鍵詞：農(nóng)村配送點(diǎn);AHP-TOPSIS 組合評價模型;發(fā)散給送模式

在傳統(tǒng)的農(nóng)村模式下，鄉(xiāng)鎮(zhèn)快遞網(wǎng)點(diǎn)下沉的范圍較為分散且數(shù)量較少，主要由于傳統(tǒng)農(nóng)村的分散性且每個鄉(xiāng)村的“消費(fèi)密度”不平衡導(dǎo)致派送網(wǎng)點(diǎn)“無利可圖”“且時效慢”[5]。相比較城市而言，城市的網(wǎng)點(diǎn)分布較為密集，交通便利且多樣化，這樣在快遞的最初攬件和最后派件的時效大大提高。城市的“消費(fèi)密度”比鄉(xiāng)鎮(zhèn)高的多，使得派送的網(wǎng)點(diǎn)“有利可圖”“成本低”。隨著如今的鄉(xiāng)村振興的提出，一些農(nóng)村模式發(fā)生了轉(zhuǎn)變，比如集體農(nóng)莊即一整座村莊拆遷然后統(tǒng)一安排住處。這樣就大大減少每家住戶的距離。從而提高居民最后的取件和寄件，就目前來說，這并未全面普及。因此，此研究著重從地區(qū)人口數(shù)量和經(jīng)濟(jì)效益上的綜合評價結(jié)果的角度對鄉(xiāng)村配送點(diǎn)選址進(jìn)行研究探討[1]。在配送節(jié)點(diǎn)選址上，綜合考慮了該地址的經(jīng)濟(jì)效益及需求覆蓋率最大化因素，加入了日交通量及該村莊的商店數(shù)量、人均可支配收入[3]和人口數(shù)量等評價指標(biāo)。在求解算法上，將TOPSIS評價模型和AHP分析法結(jié)合起來。簡化了AHP分析法處理綜合指標(biāo)的復(fù)雜過程，相應(yīng)的提高了TOPSIS模型評價鄉(xiāng)村的準(zhǔn)確性。

1 基于AHP-TOPSIS發(fā)散配送模式的確定

車輛路線問題主要在于由一個配送點(diǎn)到另一個配送點(diǎn)的最佳路線，不僅要滿足路程最短，也要滿足整體配送周期變短。這就要要求配送模式，配送人員及車輛要合理。在一定的區(qū)域內(nèi)在一定的時間內(nèi)配送到各個客戶手中。以達(dá)到最佳的經(jīng)濟(jì)效益和配送時間效益。如圖所示，該配送路線在一定的區(qū)域類，設(shè)置了多條配送路線。

即表示的為一個配送中心向周圍所有的目標(biāo)進(jìn)行派送。派送效率大大提高，但是在鄉(xiāng)鎮(zhèn)農(nóng)村一級會造成過高的配送成本，即每一條配送路線就需要一名配送人員和相應(yīng)配送車輛[2]。由此可見這會大大加大配送中心的經(jīng)濟(jì)壓力。

1.1 模型的建立與求解

AHP-TOPSIS組合評價模型[6]是將AHP層次分析法和TOPSIS評價法組合起來，前者計(jì)算問題中參數(shù)影響權(quán)重，后者對前者進(jìn)行評價。通過對評價問題分別構(gòu)造最優(yōu)解和最差解，可以將得出的各影響因素的權(quán)重大小，并用來計(jì)算那些村莊可以作為配送節(jié)點(diǎn)合理性是否接近最理想的配送點(diǎn)的程度大小。越是靠近則合理性就越高，相反越是遠(yuǎn)離合理性就會越低。

1.2 模型的建立

1.2.1 配送點(diǎn)影響因素的選擇

參配送點(diǎn)選址影響因素的選擇參考主流研究的做法，本文選擇該村莊商店的數(shù)量、日平均交通總密度以及人均可支配收入作為該區(qū)域設(shè)置配送點(diǎn)的影響因素。

1.2.2 權(quán)重向量的確定

本文選取江蘇省灌云縣東王集鄉(xiāng)周邊的7個村莊T1，T2，T3，T4，T5，T6，T7。地理位置如圖2所示。

根據(jù)上述影響因素，統(tǒng)計(jì)了2021年4月內(nèi)觀測路段的車輛數(shù)和該村莊的人口數(shù)量如圖3所示，觀測路段的長度以及這段時間的人均可支配收入[6]，和交通量和人口數(shù)量如圖所示。

本文只考慮準(zhǔn)則層對目標(biāo)層的權(quán)重。設(shè)準(zhǔn)則層的人口數(shù)量、日平均交通總密度和人均可支配收入分別為3個變量。通過查詢1～9標(biāo)度法規(guī)則表，得到了準(zhǔn)則層的比較判別矩陣，結(jié)果如表1所示。

根據(jù)表1內(nèi)容，邀請相關(guān)領(lǐng)域的研究學(xué)者和專家進(jìn)行比較兩者之間的重要性，并進(jìn)行打分。從而構(gòu)造出W-U比較判斷矩陣為：

A=

然后對其判斷矩陣進(jìn)行一次性檢驗(yàn)[4]。通過計(jì)算，本文得出W-U比較判斷矩陣的權(quán)重向量為（0.473 8，0.216 8，0.309 4）T，由此可見對于配送點(diǎn)的選址的影響因素而言，其作用程度人口數(shù)量>人均可支配收入>日平均交通總密度。

由于上述3個影響因素都是極大型指標(biāo)，所以不需要對影響因素的數(shù)值進(jìn)行處理。為規(guī)避不同量綱對評價結(jié)果的影響，使評價體系中的指標(biāo)可以在相同量綱水平下進(jìn)行比較，需對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。具體處理的方法如下：

其中指第i個鄉(xiāng)鎮(zhèn)第j個影響因素標(biāo)準(zhǔn)化后的數(shù)值。

1.2.3 計(jì)算與理想解相對接近度并歸一化

通過標(biāo)準(zhǔn)化得到Z矩陣，可知最優(yōu)向量和最劣向量，然后計(jì)算選擇設(shè)置快遞自提機(jī)的合適的鄉(xiāng)鎮(zhèn)與最優(yōu)向量的歐式距離和最差距離：

，

最后得到最優(yōu)解的結(jié)合程度， 并歸一化。

1.3 模型結(jié)果與分析

通過改模型的結(jié)果可以得出W值，數(shù)值越大說明距離理想解就越近，反之亦然。并對7個鄉(xiāng)村數(shù)據(jù)進(jìn)行排序。如表2所示。

1.4 配送模式確定

對于表2數(shù)據(jù)，選取元邦村、鹽東村、條河村、封莊村、鹽河村、大南村作為配送節(jié)點(diǎn)。以元邦村為起點(diǎn)，鹽河村為終點(diǎn)。如圖4所示拓?fù)鋱D。

以元邦村為起點(diǎn)鹽河村為終點(diǎn)，通過Dijkstra算法求解最優(yōu)路線為元邦村-大南村-封莊村-鹽河村。路線總里程為8.8 km。在返程時路線為鹽河村-鹽東村-元邦村。路線總里程為6.2 km。則完整的配送路線總里程為15 km。

2 結(jié)束語

在農(nóng)村快遞領(lǐng)域中，配送是關(guān)鍵。主要在于農(nóng)村快遞費(fèi)時費(fèi)力成本高且無利可圖。本文在參考和閱讀其他學(xué)者的研究成果后提出了一種新的配送模式并以具體的某個鄉(xiāng)鎮(zhèn)為例進(jìn)行研究，結(jié)合Dijkstra算法來得出最優(yōu)的配送路徑。除此之外也大量的參考了一些評價模型來確保配送節(jié)點(diǎn)選擇的合理性。使得該配送模式更加科學(xué)有效，使得農(nóng)村快遞得到更好的發(fā)展。

參考文獻(xiàn)：

[1]趙金煜，王悅，王定河.基于AHP-熵權(quán)法的建筑工程BIM應(yīng)用障礙因素研究[J].建筑經(jīng)濟(jì)2020，41（S2）：182-187.

[2]李雪松，姜妍，繆穎.泰州地區(qū)鄉(xiāng)村物流配送現(xiàn)實(shí)困境及解決方案——基于政府部門、物流企業(yè)和線上農(nóng)戶的調(diào)研[J].中國市場，2021（14）：151-152+155.

[3]農(nóng)村居民人均可支配收入[J].中國經(jīng)濟(jì)景氣月報(bào)，2021（3）：39.

[4]姜能濤，呂夢琦.智能快遞柜在城市末端物流應(yīng)用現(xiàn)狀及發(fā)展對策研究——以蘇州為例[J].物流工程與管理，2019，41（10）：47-51.

[5]卜旺宇，李至偉，郭鈺，等.我國農(nóng)村電商發(fā)展研究[J].合作經(jīng)濟(jì)與科技，2021（10）：84-86.

[6]彭鵬，胡昌格，柴敏.基于AHP和TOPSIS的電飯煲設(shè)計(jì)評價[J].工業(yè)設(shè)計(jì)，2021（4）：153-154.