考慮季節性需求的生鮮農產品配送路徑優化研究

摘 要：隨著生鮮農產品需求的持續上升，優化其配送路徑變得愈加重要。文章從供需匹配的角度探討了生鮮農產品配送路徑的優化問題。首先，介紹了需求預測與路徑優化的相關理論，并結合企業案例，采用居中移動平均法對季節性需求進行了分析和預測；其次，利用節約里程法對高峰期的配送路徑進行了優化，以減少油耗和運輸公里數。研究表明，需求預測與路徑優化的組合拳能有效提高配送效率，降低成本，減少資源浪費和碳排放，促進企業實現降本增效。

關鍵詞：生鮮農產品；季節性需求；預測；路徑優化

中圖分類號：F326.6 文獻標志碼：A DOI：10.13714/j.cnki.1002-3100.2025.06.014

Research on the Optimization of Fresh Produce Distribution Paths Considering Seasonal Demand

LI Chuying，MO Songlin，XU Xiaojun，YUAN Juan

（School of Digital Economy and Management， Software Engineering Institute of Guangzhou， Guangzhou 510990， China）

Abstract： As the demand for fresh produce continues to rise， optimizing its distribution paths becomes more and more important. The paper discusses the distribution path optimization of fresh produce from the perspective of supply and demand matching. First， it introduces the relevant theories of demand forecasting and path optimization， and combines enterprise cases to analyze and predict the seasonal demand by using the centered moving average method. Second， the saving method is used to optimize the distribution path in the peak period in order to reduce the oil consumption and transportation kilometers. The result shows that the combination of demand forecasting and path optimization can effectively improve the distribution efficiency， reduce costs， minimze resource waste and carbon emissions， and promote enterprise cost reduction and efficiency improvement.

Key words： fresh produce; seasonal demand; forecasting; path optimization

0" " 引" " 言

生鮮農產品與其他產品的屬性存在顯著差異[1]，具有鮮活性、易腐壞性、地域差異和季節波動等特點。因此，在配送過程中，需要采用冷鏈運輸并合理規劃配送路線，以保護產品的鮮活性，防止腐壞。

目前，已有學者對生鮮農產品的運輸和配送問題展開了深入研究，考慮了時間窗[2-3]、保鮮成本[4]、聯合配送[5]、客戶滿意度[6]等情景下的路徑優化。近年來，也有學者開始關注雙碳目標[7-8]、區塊鏈技術[9]、鄉村振興[10]等對生鮮農產品配送路徑優化的影響。總之，在當前的配送路徑研究中，如何在規定時間內高效送達產品，并保持其新鮮度和安全品質，成為一個亟待解決的重要議題[3]。然而，現有研究多從算法的優化角度去解決，而較少站在供應鏈的角度考慮問題。因此，在此背景下，本文聚焦供需匹配，探討了生鮮農產品配送路徑的優化問題。同時，結合企業案例，通過對季節性需求的分析，研究了生鮮農產品基于峰值區間需求預測的配送路徑規劃。

1" " 需求量預測及路徑優化相關理論和方法

1.1" " 居中移動平均法概述

1.1.1" " 居中移動平均法的含義

移動平均主要用于分析時間序列，能去除不同時間步長序列間的差異。居中移動平均法（Centered Moving Average， CMA）是移動平均法的一種方式，在物流需求預測中常被用來平滑數據波動，捕捉趨勢，并對未來需求進行預測。與傳統簡單的移動平均法相比，居中移動平均法更注重時間序列中的中期數據，而不是僅關注最近的數據點或等權重地考慮所有數據點。

1.1.2" " 居中移動平均法的計算步驟

數據選擇：選擇一個適當的移動平均期數（即窗口大小），該期數決定了在計算平均值時需要考慮的歷史數據點。

計算平均值：將選定窗口內的數據點相加，然后除以數據點的數量，得到移動平均值。該平均值被用作預測未來一段時間內的物流需求。

滑動窗口：隨著時間推移，窗口在時間序列上會向前滑動，且每次移動都會得出一個新的移動平均值。如此，就可得到一個連續的預測值序列。

計算季節性指數：用每月平均物流指數（實際值/居中移動平均數）除以總數，即可得到季節性指數。該數值能動態反映當月數據偏離均值的情況。

預測未來值：最后計算出的移動平均值常被用作下一個時間點的預測值。如果需要預測更遠的時間點，可將預測值作為實際值的一部分輸入模型中，但同時也會增加預測的不確定性。

在物流需求預測中，居中移動平均法特別適用于具有明顯季節性或周期性波動，但長期趨勢相對穩定的情況。然而，需要注意的是，其可能無法很好地應對突然的需求變化或非線性趨勢。

1.2" " 節約里程法概述

1.2.1" " 節約里程法的原理

節約里程法是用于解決運輸車輛數目不確定問題的啟發式算法。優化過程分為并行方式和串行方式兩種。其核心思想是在滿足約束條件的前提下，依次將運輸問題中的兩個回路合并為一個回路，并使每次合并后的總運輸距離減小的幅度最大化，直到達到一輛車的裝載限制時再進行下一輛車的配送路徑優化，以此類推，直到把所有客戶的貨物配送完畢[11]。

利用節約里程法確定配送路線的基本方法是根據配送中心的載體能力和配送中心到各個站點及各個站點間的距離，設計使總載體量最大、里程數最少的配送方案。此外，還需要滿足以下條件。

確定需求：收集下游各站點所需的物流量，并根據站點物流需求量合理分配載體工具實施運輸。

優化路線規劃：通過分析貨物的流動方向和目的地，合理規劃貨物運輸路線，避免繞行和重復運輸，從而減少運輸里程和時間，實現降碳的目標。

1.2.2" " 節約里程法對運輸路徑的優化

在眾多優化算法中，節約里程算法對于小規模配送問題具有較強的實用性和易操作性，且可同時實現多種類型車輛的配置[12]。節約里程法可優化合并回路、規劃路線，以及協同多車輛，不僅能降低運輸成本，減少運輸損耗，還能提高配送效率和企業競爭力。

2" " 案例分析

2.1" " 基礎數據

本文以T生鮮食材配送公司（下文簡稱T公司）為例展開分析。該公司主要為當地餐飲店配送生鮮農產品。研究將公司2021年1月—2024年2月間各個月份的物流需求量（數據經脫敏處理，下文同）制成折線圖，如圖1所示。數據顯示，每年7—8月份公司的物流需求量達到全年峰值。這是因為在暑假期間，當地正值旅游旺季，游客數量增加，餐飲店客流量較大，使得生鮮農產品的需求量提升。

2.2" " 存在的問題

根據T公司的現狀分析，發現需求高峰期時主要存在以下問題。

第一，沒有系統地對高峰期下游餐飲店的需求展開預測，僅憑過往經驗和習慣準備生鮮農產品。一方面，可能會出現大量貨損，增加額外成本；另一方面，可能會出現無法滿足供應而臨時補貨的混亂局面。

第二，已有的運輸方案只適用于淡季下游餐飲店的需求量，并沒有根據高峰期需求設計運輸方案，導致高峰期配送效率低下、配送時間長，容易影響生鮮農產品的品質。

因此，為更好地為餐飲店供應生鮮農產品，避免出現供應不足、產品損壞、配送時間長等問題，公司需要提前做好備貨準備，運用季節性預測模型對當期峰值的需求量做出預測，有效應對需求上漲帶來的產品供應問題。

2.3" " 優化分析

2.3.1" " 基于居中移動平均法的季節性需求量分析

基于居中移動平均法，對季節性需求展開處理分析。季節性周期以年為觀測周期，移動平均窗口大小為一個月。2021—2023年公司配送中心的季節性物流指數如表1所示。

求解季節性物流指數后，為判斷預測結果是否貼合實際，本文通過R-squared判斷預測值的擬合程度，并運用RSQ函數將預測物流量與實際物流量進行比較。結果顯示，R-squared預測值為0.902 2，接近于1，說明數據擬合程度較好，預測精確度較高。因此，利用2024年1—2月數據及季節性指數計算2024年7—8月的預測物流量分別為467.16 t和444.24 t，兩月總計需求量911.40 t。

然而，R-squared判斷預測值的擬合程度并不能完全體現模型的準確度。例如，對于受到季節因素影響的產品，或者銷售變動幅度較大、難以形成銷售規律的產品而言，即使R-squared的值很高，但仍會存在預測不準確的可能。針對這一情況，居中移動平均法并不能有效提供準確的數據支撐及參考依據，還需結合其他指標展開綜合分析。因此，針對時新產品或緊跟市場潮流的產品，企業預測未來需求量時需要提高一定的容錯率。

2.3.2" " 基于節約里程法的路徑優化研究

2.3.2.1" " T公司運輸路徑現狀分析

據地圖測算，T公司配送中心（P）到每個下游站點（a—h）的距離如表2所示。

每個站點的需求量根據上述物流預測量，以及往年比例進行預測分配，結果如表3所示。

另外，公司現有最大載重量為3 t、6 t的運輸貨車各2輛。為減少配送時間和成本、車輛的維護成本，以及設備損耗，公司規定每輛車的單次配送最大行駛距離應盡量不超過30 km。根據站點需求量及距離，可畫出配送中心的配送網絡。具體如圖2所示。

目前，根據公司在淡季時的運輸配送方案，可分析出8個站點配送最常行駛的配送路徑。具體如圖3所示。

按照原有的配送方案，配送總里程如表4所示。

2.3.2.2" " 基于節約里程法對運輸路徑的優化

a.計算節約里程數。根據節約里程法的基本原理，算出T公司配送中心P和各站點間節約的最大里程。具體如表5所示。

b.排序。將上述節約里程數從大到小進行排序，如表6所示。

綜合考慮車輛最大行駛距離、裝載量，以及站點間的距離，按照排序表中節約里程從大到小的順序進行路徑優化。得到的優化方案如表7所示。

優化后的配送路線如圖4所示。

在優化后的配送路徑方案中，配送中心完成所有站點的任務僅需使用2輛最大裝載量為6 t的貨車，以及一輛裝載量為3 t的貨車，車輛行駛總里程為56.7 km。優化前后的對比結果如表8所示。

由此可見，在運用節約里程法后，優化后的運輸配送方案比原方案節省了19.05 km的里程數，減少了1輛配送貨車的使用，降低了配送中心的運營成本。

2.4" " 優化結果

調研發現，T公司裝載量3 t的貨車百公里油耗為14升左右；裝載量6 t的貨車百公里油耗18升左右。當期油價，柴油的單價為7.7元/升。通過計算可知，裝載量3 t的貨車平均每公里油耗為1.08元；裝載量6 t的貨車平均每公里油耗為1.39元。按照原有運輸方案，總里程為75.75 km，需要2輛3 t的配送車輛和2輛6 t的配送車輛，由此可計算出配送成本合計為（31.05+18.6）×1.39+（12.6+13.5）×1.08=97.2元。

根據優化后的運輸方案，總里程為56.7km，需要一輛3 t的配送車輛和2輛6 t的配送車輛，由此計算出優化后的配送成本為12.6×1.08+（28.65+15.45）×1.39=74.9元。

3" " 結" " 論

本文分析了生鮮農產品易腐和實效要求高的配送特點，通過分析季節性特征，以油耗少、運輸公里數低為目標，針對峰值時間段的需求量重新規劃配送路徑。同時，通過案例分析發現，需求預測與配送路徑優化的組合拳在一定程度上能降低配送過程的成本，減少資源浪費和碳排放，促進企業降本增效。

參考文獻：

[1] 張榮，龐夢荻，劉斌．生鮮農產品車輛和無人機組合配送路徑優化及效果測試[J]．河南農業大學學報，2024，58（1）：96-105.

[2] WU Daqing， WU Chenxiang．Research on the time-dependent split delivery green vehicle routing problem for fresh agricultural"products with multiple time windows[J/OL]．Agriculture， 2022， 12（6）.[2024-09-10].https：//doi.org/10.3390/agriculture12060793.

[3] 李季．考慮時間窗的生鮮農產品冷鏈配送路徑優化方法[J]．中國航務周刊，2024（33）：75-77.

[4] ZHU Shenjun， FU Hongming， LI Yanhui．Optimization research on vehicle routing for fresh agricultural products based on"the investment of freshness-keeping cost in the distribution process[J/OL]．Sustainability， 2021， 13（14）.[2024-09-10].https：//doi.org/10.3390/su13148110.

[5] YANG Xuewen， ZHANG Zhiguo， WU You. Research on joint distribution route optimization of cold-chain logistics for fresh"agricultural products[J/OL]. Journal of Physics： Conference Series， 2020， 1624（4）： 1-5.[2024-09-12]. https：//iopscience.iop.org/artic le/10.1088/1742.6596/1624/4/042032/pdf.

[6] 何拓．考慮客戶滿意度生鮮農產品配送路徑優化研究[J]．鐵路采購與物流，2024（2）：46-49.

[7] 楊捷．低碳視角下的生鮮農產品冷鏈物流配送路徑優化[J]．中國航務周刊，2023（39）：68-70.

[8] FU Qimin， LU Jun， CHEN Huanhuan， et al. Resource scheduling method for optimizing the distribution path of fresh agricultural"products under low-carbon environmental constraints[J/OL]．Scientific Programming，2022： 1-10.[2024-09-15].https：//on linelibrary."wiley. com/doi/pdf/10.1155/2022/7692135.

[9] 方梅，彭川匯．區塊鏈技術下生鮮產品電商優化路徑及應用研究[J]．湖北科技學院學報，2023，43（5）：49-56， 156.

[10]" 葛顯龍，楊斯然．鄉村振興背景下生鮮農產品上行集貨路徑優化研究[J]．運籌與管理，2024，33（2）：22-28.

[11]" 王智靈，周薔，王情香．基于節約里程法的車輛配送路徑優化研究[J]．物流科技，2023，46（12）：14-17.

[12]" 張睿智，何云飛．基于節約里程法的快遞配送路徑優化[J]．物流技術，2022，41（12）：80-83.

基金項目：廣東省教育廳普通高校青年創新人才類項目（2022WQNCX090）；廣東省“質量工程”建設項目專項人才培養計劃（粵教高函[2023]4號）；廣東省高等教育教學研究和改革項目（粵教高函[2024]9號，1209）；廣州軟件學院2023年質量工程項目（JYJG202303）；廣州軟件學院校級科研項目（KY202432）

作者簡介：黎楚瑩（1996—），女，廣東廣州人，廣州軟件學院數字經濟與管理學院，助教，碩士，研究方向：低碳供應鏈、供應鏈運作與協調；許曉君（1992—），本文通信作者，女，廣東廣州人，廣州軟件學院數字經濟與管理學院，助教，碩士，研究方向：供應鏈管理。

引文格式：黎楚瑩，莫松霖，許曉君，等．考慮季節性需求的生鮮農產品配送路徑優化研究[J]．物流科技，2025，48（6）：51-55，59.