基于集群智能的智慧城市配送平臺設計與研究

陳 雙,李 旭,胥 松

(貴州道坦坦科技股份有限公司,貴州 貴陽 550000)

0 引言

隨著我國國民經濟的蓬勃發展,現代物流行業已經從過去的末端產業,逐漸上升為帶動工業生產、推動居民消費的主導行業,市場空間巨大[1]。但是,由于當前城市配送物流現有水平參差不齊,尚不能完全滿足社會各群體對物流效率和質量的要求,低效的城市配送物流服務模式普遍存在于各個行業與領域之中。同時,運輸貨物的不合理調度、運輸資源的浪費及城市配送物流環節的低效整合也進一步增加了物流企業的運營成本、降低了利潤率。以往的城市配送服務體系已經不能滿足對物流組織效率和管理模式優化的需求,嚴重制約了城市配送物流行業的健康可持續發展,亟需從物流企業乃至整個城市配送物流行業的服務模式的專業化、信息化、智能化轉變[2]。本文圍繞城市配送數字化轉型升級展開研究,通過構建專業的、規模化的、現代化的、整合能力強的智慧城市配送平臺,加強城市配送優化運營的觸角感知,進一步提升城市配送行業的網絡化、數據化和智能化水平。

1 我國城市配送現狀與問題分析

城市配送作為發展現代物流的關鍵環節,是保障和改善民生的重要基礎,同時也是保障城市經濟社會正常運行的重要支撐。城市配送的綠色可持續發展,對于整個市場經濟、物流行業的降本增效具有重大意義[3],近年來,國家、地方層面均出臺了相關政策,支持城市配送服務體系標準化、高效化建設。但是傳統散、亂、雜的城市配送體制已不能滿足城市發展需要,且制約著城市的經濟發展,體現在供需難以協調、物流運力管理和保障不科學、流通手段落后、無法進行標準化協同管理[4]。主要存在的難點有:(1)由于各城市交通管制政策制約,不同城市配送車輛車型進入市區時段和區域受限;(2)城市交通路況復雜,市區交通過于擁堵且部分路況不佳;(3)城市配送運力資源調度不充分,運輸車輛回程利用效率低;(4)城市配送基礎設施不完善,停車卸貨環境不佳;(5)城市配送車輛及人員缺乏統一管理和監督,配送過程中應急處理能力不足;(6)貨運資源缺乏合理分配,運輸工具難以實現市場細分和標準化作業。

2 構建智慧城市配送平臺的需求和目的

城市配送作為物流閉環中的最后一環,在整個物流服務過程中起著極為重要的承接作用,是推進物流行業邁向社會化和專業化的重要支撐。目前,城市配送的物流環節協同不足,碎片化嚴重,物流供需信息缺乏有效的共享渠道和協調機制,信息化程度低、管理粗放[5]。隨著大數據、物聯網、人工智能、5G等信息技術在商業領域應用的不斷深入,城市配送行業也亟需利用新一代信息技術,改變目前的城市配送服務模式以及運力資源的有效匯聚[6]。智慧城市配送平臺正是適應新形勢發展需求的產物,通過匯聚物流園區、社會閑散運力資源,利用平臺實現城市配送供需智能化匹配,促成城市配送運力資源能夠根據實際需求引導匯聚和分配,在有效降低城市配送物流成本的基礎上,大大提高了服務品質和能效,帶動城市配送物流產業服務體系向標準化、專業化發展,進一步提升城市配送資源的有效供給,增強物流企業核心競爭力[7]。

3 智慧城市配送平臺總體設計

以實現城市配送運輸透明化、路徑最優化、配送智能化及管理和決策科學化為目標,打造覆蓋全城鎮、物流園區、社會閑散運力的城市配送綜合服務體系,進行運力培養和考核,制定統一的標準化服務方案,形成以平臺集中管控、運力資源統一調度為主要特征的物流供需匹配和閉環服務模式,快速匯聚城市物流供需資源,推進平臺化、信息化技術在城市配送體系的融合應用,構建覆蓋城市物流配送、運力資源調度、物流供需智能匹配等為一體的智慧城市配送平臺,實現線上運輸管理系統(Transportation Management System,TMS)和線下標準操作程序(Standard Operating Procedure, SOP)互動的體系模式。其中,TMS包括訂單派發及簽約、車輛配送管理、在途監控、動態排線、線路規劃和優化、異常報警和處理、保單觸發和生成等;SOP包括裝卸、清點核貨、搬運、運輸、代收款、票據、出入倉操作、退貨返倉、行業業務知識、行業操作規范與流程。同時,利用平臺不斷積累城市配送數據資源,構建城市配送數據中心,匯聚城市配送運力資源、運輸路徑、訂單管理、人員監管等數據信息,提供數據存儲管理、數據交互管理、數據分析管理、數據安全管理以及數據抓取-轉換-加載(Extract-Transform-Load, ETL)等,并融合基于改進蟻群算法城市配送資源動態優化模型、多目標城市配送最佳路徑匹配技術和城市配送訂單智能分配技術,實現配送資源的優化配置和智能化分配,通過規范化、標準化運作,引入多種城市配送和金融創新產品,通過平臺提供批量化客戶服務,實現配送規模化,共同打造城市綠色貨運配送新模式。

4 智慧城市配送關鍵技術研究

4.1 基于改進蟻群算法的城市配送資源動態優化模型

城市配送中的車輛、貨物、路況等資源會隨時間發生變化,從本質上來說是典型的動態優化問題,相較于靜態的資源優化配置,求解動態資源優化問題更具難度,需要跟蹤隨時間變化的接續的最優資源配置。蟻群算法是一種用于尋找優化路徑求解的概率型算法,適用于求解城市配送資源動態優化,但是該算法在求解過程中存在效率較低、易早熟等缺點。采用模擬退火與蟻群混合的算法可以有效提高原有算法的收斂速度,從而有效提高算法效率,避免陷入局部最優。模型在城市配送區域劃分的基礎上,結合城市配送作業特點,搭建以各配送區域配送車輛分配數量為決策變量,以綜合配送成本最低為目標,考慮配送時間、車輛容積和載重、配送資源總量等多種約束的城市配送資源動態優化模型,通過改進蟻群算法,實現智能化配送。

4.2 基于多目標的城市配送最佳路徑匹配技術

無論是從客戶對物流實效性的要求,還是物流公司在配送時對成本控制的要求,亦或是對城市交通壓力緩解的要求等方面考慮,都需要更加實用合理的城市配送路徑規劃,即將商品從配送中心配送到各客戶的路徑優化問題[8]。城市配送最優路徑規劃,不只是平常意義上的距離最短,更重要的是綜合考量整個配送路徑的經濟成本、時間成本和通行成本,最大限度提升配送路徑利用率,因此該問題屬于多目標優化問題[9]。粒子群優化算法是另一種常用的多目標優化算法,該算法模擬鳥類群體中的信息傳遞和協作行為,能夠有效解決多目標背景下城市配送最佳路徑尋優問題。將配送路徑評價指標的運輸成本、運輸時間、運輸安全性、路徑擁堵復雜情況作為獨立的粒子,整個搜索空間包括粒子的位置和速度,根據目標函數將搜索空間中的粒子進行迭代,并努力找到全局最優解,進而實現城市配送最佳路徑匹配,在兼顧運輸企業的運輸成本以及有效時間的基礎上,通過合理規劃車輛行駛路徑,完成對所有客戶的訂單配送任務[10]。

4.3 基于強化學習的城市配送訂單智能分配技術

城市配送平臺的核心競爭力在于配送效率,配送效率的提高不僅可以直接提升平臺品質,也間接提高了整個平臺的運轉效率。訂單匹配作為配送效率中最為重要的一環,直接決定了配送效率的高低,是平臺方技術進步的關鍵體現。傳統運輸車輛訂單匹配方法大多僅針對短期目標進行優化,導致了調度策略短視的問題,無法實現對復雜交通環境的建模。強化學習算法的本質是在環境中不斷嘗試獲取到獎勵和懲罰,并且根據過去的信息從環境中積累經驗,最后達到最優策略,適用于解決城市配送訂單智能分配問題。通過將訂單位置、車輛位置、貨物數量、等待時長等動態信息融合時間參數進而轉化為強化學習算法決策過程,通過智能的系統和算法組合,最大程度提高配送時效性,縮短物流配送時間,利用有限的配送資源進行合理配置,實現城市配送訂單分配的智能化。

5 結語

隨著線上電商平臺和線下實體經濟快速發展,社會經濟和消費者價值觀也在隨之轉變,對城市配送服務的要求也更加專業、嚴格和多樣化。只有更加高效、安全、高質量的配送服務體系才能進一步滿足消費者需求,這對城市配送集約化控制能力提出了一定的挑戰。本文圍繞城市配送的現狀與問題展開論述,設計了智慧城市配送平臺,通過推進平臺化、信息化技術在城市配送體系的融合應用,有效促進城市物流產業轉變發展模式和發展方式。