基于地下物流的城市物流服務供應系統仿真優化

倪洪亮, 侯龍龍*, 胡萬杰, 陳志龍

(1.北京工業大學城市建設學部, 北京 100124; 2.陸軍工程大學國防工程學院, 南京 210007)

2021年上半年國內網上零售額達到6.11萬億元,同比增長23.2%[1],其中,快遞業上半年業務量達到583.3億件,同期增長超過40%[2]。作為物流運輸的末端環節,城市物流需求的激增對城市發展和環境造成了巨大壓力。一方面,城市道路承載力遠遠無法滿足準時配送的要求,擁堵、貨運限行等問題已成為制約國民經濟流通的主要“瓶頸”[3];另一方面,城市物流的污染問題日趨嚴重,車輛尾氣排放在城市霧霾成因中占比超過30%,其中貨運車輛的貢獻率超過70%[4]。因此,現階段的物流服務供應方式難以支撐未來城市“低碳、智能、高效”發展的戰略要求。作為繼海、空、公、鐵之后的第五代新型物流及供應系統,地下物流系統(underground logistics systems, ULS)被廣泛認為是改善城市環境和交通擁堵,提升城市物流服務供應績效,釋放城市土地資源,促進城市可持續發展的重要措施[5]。

基于ULS構建一種城市物流服務供應系統以符合智慧型和可持續發展型城市的要求成為必然。在成本和運輸效率方面,為了解決交通擁擠堵塞問題,目前各大城市主要推廣“分時間段”“分路段”限制通行的粗放、簡單化的城市貨運管理方案。由此而引發的物流成本上升、運行效率低下等成為各物流企業不得不面對的難題[8]。根據關于ULS成本和效率的研究顯示,地下物流系統的綜合成本約為地上道路運輸的34.3%[9],運輸時間減少83%[10]。Shahooei等[11]認為運行車頭時距、裝卸時間、運行速度和路線長度等因素會對地下物流系統運行效率產生重要影響,另外,ULS的收益與每天的發車次數直接相關; Shahooei等[12]認為裝卸平臺及其內部操作員和裝卸工具的數量對ULS運營效率產生影響。李莉等[13]認為訂單處理分級處理可提升配送效率。

在城市物流可持續發展方面,Dong等[14]認為運營ULS在環境效益以及社會效益方面均有良好的表現,環境效益主要體現在減少地面卡車的數量,從而減少廢氣排放;社會效益方面,可緩解交通擁堵,改善道路安全,減少土地使用,甚至提高區域活力和價值;Chen等[15]在上海洋山港ULS研究中得出相較于原物流供應系統,基于ULS的城市貨運方式最高能使碳排放量減少91.40%。

現有文獻結合地下物流的特征研究了ULS運營的問題。Chen等[16]強調發車間隔是影響ULS運營和調度的重要因素;Hu等[17]提出一種結合非支配分選和染色體重組策略的改進多目標協同進化算法,為提高ULS運輸效率以及合理分配運能提供了參考;曾艾婧等[18]基于數字孿生技術建立與現實物流配送完全映射的3D模型模擬現有物流配送展開優化研究。從文獻的數量來看,關于ULS運營方面的研究目前還處于初始階段,而且多是對地下物流自身運營的研究。

盡管ULS憑借其獨特的運輸方式具有傳統城市物流服務提供商難以企及的服務能力,但是,無論是從發展的角度還是從市場資源配置的角度來看,ULS作為城市交通方式的補充方案需要與原城市物流供應參與者進行互動合作。故現將ULS的運營商定位成從事城市物流服務的關鍵參與者。在文獻[19]的基礎上,選取實際城市案例,對基于ULS的城市物流服務模式進行設計,重點針對各參與方在新型供應系統中的資源配置與運營組織方式提供仿真解決方案,得到系統優化策略,以期為解決城市物流問題獻策。

1 城市物流服務供應流程建模

1.1 案例介紹

選擇研究團隊前期已發表的案例[20]Alpha市的ULS網絡為背景(圖1)。該網絡分為地面、地下兩層,由2個物流園區(以下簡稱園區)、9個地下物流綜合服務站點(以下簡稱服務站)和35個需求點構成。其中,園區位于地圖邊界,視為入城貨物的發出點和出城貨物的目的地;服務站定義為地下運輸與地面配送的交接點,站內配備有終端云柜、上、下貨區和垂直運輸系統等物流設施。Alpha市的貨運流量包含3個方面:園區至需求點的正向流量;需求點至園區的逆向流量;需求點之間的同城流量。

圖1 Alpha市ULS網絡規劃Fig.1 ULS network planning of Alpha City

1.2 服務模式及訂單排隊原則

城市物流服務供應系統提供出城、入城和同城業務的專列A/B兩種服務模式。假設所有入城貨物均在園區處聚集,可設置貨運訂單生成模塊來模擬入城業務的客戶需求場景。在訂單生成模塊,根據訂單內部包含的貨物數量等級分為大、中、小3種類型的訂單。

專列A模式聚焦于城市居民對于配送高效性需求以及生產制造企業對于“準時到貨(just-in-time)”和“精益生產(lean production)”的需求。此模式下,“散戶屬性”是中小型訂單的共同特征,該屬性下的訂單通過優先級的設置確定排隊順序,大型訂單則具有“專列屬性”。

園區裝貨的排隊原則設置如下:優先安排“專列屬性”的大型訂單進入ULS機車車廂,當車廂剩余容量小于隊列最前端的具有“專列屬性”的訂單貨物量時,安排“散戶屬性”訂單的貨物按照優先級進入車廂,直至補滿機車。當車廂剩余貨運容量也小于隊列最前端的具有“散戶屬性”的某個訂單貨物量時,機車出發。

在專列B模式下,“專列屬性”訂單與“散戶屬性”訂單分階段產生。該模式的服務場景是針對送達時效不敏感的大型訂單客戶,其訂單排隊原則是:首先,“散戶屬性”訂單按照優先級依次進入機車;其次,“專列屬性”訂單貨物裝車時不再涉及“散戶屬性”訂單補滿機車,當車廂剩余貨運容量小于隊列最前端的具有“專列屬性”的訂單貨物量時,ULS機車即可發運。專列A、B模式皆遵循一個訂單內的所有貨物必須在同一輛機車上的訂單式服務原則。

從貨運的角度來看,總體的運營流程如圖2所示。

圖2 基于ULS的城市物流服務供應系統運營流程Fig.2 Operation process of urban logistics service supply system based on ULS

1.2.1 入城業務

首先,訂單產生及排隊環節。訂單在生成后會出現延遲處理的現象,需求管理部門則根據排隊原則控制訂單裝車次序,并將實時的訂單排隊情況發送至信息中心;其次,ULS機車發車前準備環節。供應管理部門實時統計各服務站的剩余服務能力容量,并傳遞給信息中心,為ULS機車發車提供決策依據,而環境監測部則進行全流程碳排放記錄,并實時更新數據。

最后,ULS運輸及地面配送環節。當所有發車條件滿足后,ULS機車從園區開出,途徑服務站時,所屬訂單進入站點下貨區,同時,該站點上貨區存在的同向運輸的訂單進入ULS機車,隨機車到達其所屬站點,并在站點的下貨區根據訂單屬性進行分流,一部分訂單進入服務站的終端云柜,另一部分則通過垂直運輸系統進入地上堆場等待,當訂單滿足配送車輛發車需求時,裝車并運至所屬需求點。

1.2.2 出城及同城業務

首先,訂單在需求點產生,由于出城和同城的訂單量較少,故按照先產生先出發的原則進行排隊和裝車,隨后經配送車輛送達至服務站的上貨區,等待ULS機車靠站,同時服務站向信息中心更新服務需求信息;其次,當機車靠站時,訂單根據自身歸屬點進入相對應的機車。即定義ULS機車從園區發往中轉站點為正向運輸,則待出城的貨物需搭載返向運輸的機車,而同城訂單則根據出發站點和歸屬站點的相對位置選擇進入相對應機車;最后,訂單隨ULS機車到達對應的服務站或園區。

另外,無論入城、同城還是出城業務,基于規范運作流程的考慮,流通加工服務流程的位置需要在園區和服務站兩者之間進行抉擇,于是這成為系統優化的一部分內容。就運作流程而言,當流通加工布置在園區時(以下簡稱情景1),訂單產生后根據訂單屬性選擇裝車前排隊或進入流通加工排隊;當流通加工布置在服務站時(以下簡稱情景2),訂單進入站點下貨區后,根據訂單屬性選擇進入流通加工流程或進入電梯的排隊隊列。

1.3 供應系統服務績效指標

1.3.1 客戶滿意度

在城市物流供應過程中,服務效率是影響滿意度的重要原因。因此客戶滿意度將從以下幾個指標中量化統計。

(1)

(2)

式中:Tc為單位訂單處理時間;Da為總訂單數量;Ta為總運營時間;Ao為準時率;Ds為小于等于標準時間的訂單量。

另外,根據美國心理學家亞當斯提出的公平理論,當個體獲得收益時,他們并不會只關心所獲得收益的絕對量,而是將自己所獲收益與所付出的努力之比值與他人相比來判定其所獲收益是否公平。因此,需要增加各訂單類型之間時效的對比。

散戶訂單滿意度:

(3)

式(3)中:Rs為散戶滿意度;Tp1c為優先級1單位訂單處理時間;Tp2c為優先級2單位訂單處理時間。

配送車輛等待時間:

(4)

式(4)中:Taw為平均發車等待時間;Twdv為配送車輛等待總時間;Tnd為發車次數。

該指標主要用于觀察配送服務、倉儲、流通加工服務供應商以及ULS運營商的資源配置方式和數量是否合拍。

1.3.2 碳排放量

該指標用于測量供應系統在運營過程中對環境造成的影響,如式(5)所示。

(5)

式(5)中:ei為第i種運輸方式的碳排放量;di為第i種運輸方式的距離。

1.3.3 供應系統中各參與方的成本

1)配送服務成本

Cd=RAdDISd+(DEPd+WAGd)NUMdTd

(6)

式(6)中:Cd為配送服務成本;RAd為服務費率;DISd為線路里程;DEPd為單位車輛折舊費;WAGd為司機工資;NUMd為配置數量,含NUM的代數皆為數量相關參數;Td為服務完成時間。

2)倉儲服務成本

Cscp=RAscpMUPscpTss+RAscpNUMPscpTscp+

DEPscpT

(7)

式(7)中:Cscp為流通加工服務成本;RAscp為站點單位貨物處理費率;DEPscp為設施折舊費率;T為時間相關參數。

3)流通加工服務成本

Cpcp=RApcpNUMPpcp+DEPpcpNUMpcpT

(8)

式(8)中:Cpcp為流通加工服務成本;RApcp為站點單位貨物處理費率;DEPpcp為設施折舊費率。

4)ULS運營成本

Cu=UECuDISuNUMTu+(DEPuNUMu+

WAGuNUMWu)T

(9)

式(9)中:Cu為ULS運營成本;UECu為單位機車能耗;DISu為線路里程;NUMTu為發車次數;DEPu為單位機車的折舊費率;WAGu為各站點配置人員工資。

2 仿真模型構建

供應系統仿真模型的架構依據Alpha市的軸輻式網絡規劃進行設計如圖3所示。描述的服務供應流程、相關的行為原則和假設以及各指標數據的統計在仿真模型中通過設計流程模塊、智能體、離散事件來實現。由于其他模塊的設置需要依托各智能體來實現對應實體的行為特征,將從各智能體Agent設計的視角來說明仿真模型的功能實現過程。

圖3 供應系統仿真模型結構Fig.3 Supply system simulation model structure

2.1 園區Agent模型

園區智能體的流程模塊設計如圖4所示,首先order A Source控件模擬生成入城業務需求訂單,利用代碼來實現提到的訂單分類和排隊原則,通過調用Order智能體生成相應的訂單。另外,調整3個order A Source發生器的觸發時間屬性來實現專列A和專列B兩種服務模式的分類;其次service控件的設置是為了實現情景1下的流通加工服務功能,通過調整process Capacity和num F參數來控制其服務能力,并且這些參數與成本形成關聯,為模型優化打下基礎;最后,delay控件是基于園區提供倉儲服務而設置,與其服務成本有關的服務時間數據也在此處進行統計。

圖4 園區智能體的流程模塊Fig.4 Process module of park agent

Select Output控件主要是根據需求數據控制各類訂單的分流及其數量。基于Alpha市案例規劃的貨運服務需求量置于附件中,在模型中,可通過initial Limit函數調用。另外,信息中心根據各站點實時反饋數據安排訂單裝載的設計,主要通過ULS機車發車控件generate Train Event調用capacity Download Zone參數和volumn Down Zone變量來實現。

2.2 服務站Agent模型

服務站是城市物流服務系統的中間節點,向上負責承接并發送園區及其他站點到達的貨運訂單,向下負責匯集各個需求點發出的貨運訂單,并在此統一裝車發送。服務站模型流程如圖5所示,select Output為流通加工配置方式控件,設置目的是方便流通加工服務設施配置方式的優化,默認狀態下為false,即情景2狀態。Select Output1是用來判斷訂單貨物是否需要進行流通加工,service2代表倉儲和流通加工服務,select Output2用于控制進入批處理和垂直電梯等待區的隊列數量,將超過隊列容量的訂單貨物暫存在堆場delay中,select Output3用于判斷訂單進入配送環節或終端云柜。正如上文中提到的服務站是地面配送的接駁點,因此服務站Agent需要調用配送車輛智能體Truck和Electric Tricycle。車輛調用函數take Away和車輛智能體控制事件的詳細情況見附件。

圖5 服務站智能體的流程模塊Fig.5 Process module of service station agent

2.3 需求點Agent模型

需求點模型流程如圖6所示,與園區智能體類似,兩個order Source控件用于生成不同類型的訂單(觸發代碼見附件)。Select Output、select Output1用于控制兩種訂單產生的貨運訂單業務量,當達到設置的需求量時,表示停止接收客戶發出的訂單。另外,需求點到達服務站的發車邏輯依然遵循單位訂單內的所有貨物必須由同一組配送車輛運達的服務原則。

圖6 需求點智能體的流程模塊Fig.6 Process module of demand point agent

3 仿真實驗

3.1 模型參數與初始化

仿真實驗背景是根據Alpha市規劃案例中一定的貨物量情況[20],模擬某一天城市物流服務供應系統提供服務的狀況,4:00—24:00為系統運行時間,零點到四點為系統維護時間。在貨物種類方面,模型采用平均質量3.5 kg和平均體積0.021 m3(275 mm×275 mm×275 mm)的標準包裹進行計算。在不確定環節,如每個訂單包含的貨物量、訂單歸屬需求點等環節加入隨機模塊。最后,各流程時間,如ULS運行速度、發車間隔、配送速度等來自專家咨詢和企業調研,以求盡可能真實地體現現實狀況。

3.2 實驗結果

首先將circulation Process參數設置為true,即在情景1狀態下,系統顯示臺如圖7(a)所示。當模型運行到4:26時發出第一班ULS機車,ULS運營成本開始明顯上升,如圖7(b)所示。從時間來看,符合25 min的發車間隔設置,并且園區流通加工能力能夠滿足的發車間隔需求。當模型運行5:17時,模型中出現首批到達需求點的訂單,如圖7(c)所示。但是當模型運行到7:56時,訂單準時率斷崖式下跌,如圖7(d)所示,這可能與機車、配送車輛發車間隔過大或者配送車輛較少有關。在模型運行到23:22,最后一組回程的卡車到達目的地,到此基于ULS的城市物流服務供應系統一天的運營結束。雖然系統能夠在最大運營時間內完成總作業量,但是訂單準時率僅為17%,需要進行優化調整,具體數據如圖7(e)所示。由于為初次實驗,成本狀況需對比后再做分析,另外配送車輛平均等待時間為5.36 min,根據經驗判斷較為良好。

圖7 不同情景下ULS仿真結果展示Fig.7 Display of ULS simulation results in different scenarios

其次,將Circulation Process參數設置為False,即在情景2狀態下,具體數據如圖7(f)所示,相較于情景1,總運營成本有所增加,尤其是流通加工成本,但是ULS運營成本得到減少。并且流通加工成本的上升主要是由服務費率變化導致的,不能充分說明問題,所以需要進行多次仿真實驗。

步驟1以準時率為優化目標,確定第一輪最優發車間隔。在各服務供應商初始服務能力條件下,經過多次試驗確定ULS機車最優發車間隔為10 min,反復試驗結果不變。

步驟2在此發車間隔條件下,首先調整流通加工服務供應商的能力,確定該狀態下園區、服務站的流通加工能力分別為4 000和2 300。其次通過調整配送車輛數量和發車間隔尋求合適的配送服務能力。

步驟3重復以上步驟進一步尋找相對最優的資源配置方案,由于實驗統計數據過多,統計圖僅展示關鍵實驗節點中各方案的輸出結果。另外,由于流通加工產生的費用一般不計入城市物流服務成本,而在此處設置是出于服務流程完整性的考慮,故在總成本對比時排除此項。再者,由于模型中考慮配送外包的存在,有部分貨物在服務站結束流程,為了體現供應系統相對真實的成本狀況,故在統計時將配送成本放大兩倍處理。

多次實驗確定專列A模式下的最優配置方案如下:ULS機車和配送車輛發車間隔分別設置為5 min和15 min,當在情景1時,服務站配置卡車12輛和三輪車11輛;當情景2時,配置14輛卡車和11輛三輪車。單位貨物的服務成本分別達到0.205 4元和0.196 6元,輸出結果如圖8(a)和圖8(b)的專列A(T)9、專列A(F)9所示。

圖8 不同情景下ULS專列A和專列B各方案結果Fig.8 Results of ULS special train A and B programs under different scenario

專列B模式方面,首先根據貨運量確定入城業務的訂單產生速度,由于該模式將散戶訂單和專列訂單分階段產生,所以根據各類訂單貨運量的比例,設置4:00—10:20為散戶訂單服務階段,10:20之后為專列訂單服務階段。

優化依然從ULS機車發車間隔開始,其次是流通加工服務能力和配送服務能力,依次進行反復仿真實驗。從仿真的效果來看,由于兩種服務模式都采用訂單式運輸且盡量滿載的服務原則,所以專列A模式的最優方案中流通加工服務能力、配送車輛的發車間隔設置在此處依然為相對最優配置,但是專列B模式對ULS機車的發車間隔以及服務站配送車輛的配置數量降低了要求。其最優配置為:當情景1(T)時,ULS機車的發車間隔設置為8 min,配送工具數量為卡車14輛三輪車9輛;當情景2(F)時,發車間隔為7 min,配送車輛分別為12輛和6輛。輸出結果如圖8(c)和圖8(d)的專列B(T)8和專列B(F)7。

4 比較分析與優化建議

從優化效果的角度選取最優配置方案與臨近關鍵實驗節點方案進行對比分析,實驗數據如表1、表2所示。首先,就專列A模式而言,前者較后者兩種情景下的準時率升高, 并且,配送成本、ULS運營成本、倉儲成本以及碳排放等都得到降低;但是,散戶滿意度也出現降低情況。從結果來看,一方面,隨著流通加工、配送服務能力的提升,ULS的服務能力將成為系統服務能力的瓶頸,適時增加此項能力不僅能夠提升供應系統效率,而且有助于降低運營成本;另一方面,由于系統效率的提升,訂單在園區和服務站滯留時間以及機車使用時間的縮短,引起ULS成本和倉儲服務成本的降低。

表1 專列A模式對照試驗Table 1 Special train mode A control test

表2 專列B模式對照試驗Table 2 Special train mode B control test

再者,隨著系統供應能力的大幅提升,優先級2類訂單的時效提升程度相對更快,這會降低優先級1類訂單的滿意度。因此,在未來服務供應系統的調整過程中應當關注此項指標的變化,當出現這種情況時,可以采取以下措施:①提高優先級2類訂單價格或者降低優先級1類訂單價格;②增加優先級隊列更新時間來降低優先級2類訂單因系統服務能力大幅提升而獲益的程度。

在流通加工服務資源配置方面,情景2相較于情景1,碳排放量和主要成本都相對較低,但是流通加工的服務成本增長較多。所以該項服務資源的放置問題主要取決于其在服務站的成本能否實質性的降低,但是這一點需要在系統應用過程中結合實際進行判斷。可采取的優化措施如下:①ULS運營商幫助流通加工服務供應商實質性地降低包括地下空間租金在內的成本;②提升該服務供應商對于降低成本的積極性。

專列B模式下,當適用于情景1的最優配置方案應用在情景2時,輸出的成本和服務質量結果差強人意,反過來也同樣成立。另外,該模式下,盡管情景2在散戶滿意度方面有所優勢,但是前者在其余統計指標的表現上更勝一籌。而且,散戶滿意度問題可以利用所述的優化建議解決。因此,如果沒有特殊需求,在規劃條件下,優先考慮將流通加工服務設施放置到園區。

兩種模式對比來看,雖然專列B模式較專列A模式成本稍有上升,但是兩種模式下的相對最優配置輸出的服務質量及成本狀況相差不大,并且它們反映了不同的現實城市物流服務需求。所以,二者都可以在該服務供應系統運作過程中依據方案應用,并根據未來運行中的實際服務場景進行靈活調整,不必在二者之間選擇其一。當然,如果在實際運營中出現兩種模式之間調整成本過高或者操作復雜等問題時,可以考慮通過價格激勵等手段刺激消費者向其中一種模式靠攏,也可以通過標準化調整流程等手段維持兩種運營模式的系統靈活性。

5 結論

利用any Logic仿真軟件建立了基于專列A和B兩種服務模式的全流程ULS城市物流服務供應系統仿真模型,詳細論述了仿真模型的建模過程、內部邏輯。通過仿真記錄分析了仿真實驗的過程。

依據仿真實驗中各方案的統計指標輸出結果得出兩種模式下不同服務情景中相對最優的資源配置方案以及各配置方案下的ULS城市物流服務供應系統中服務質量和運行成本的表現情況,希望可為ULS更好地融入城市物流體系提供決策優化支持。