针对“最后一公里”的智能配送优化研究

高萌 许兴宇 张之凡 王海瑞 刘晓曼

摘要：电子商务物流中的最后一公里是接触最终用户的环节，但由于这个重要的环节还存在许多问题，所以制约着电商的发展，无论国内外，都需解决这个难题。

关键词：电子商务物流;智能配送;研究

1 背景

电子商务物流中的最后一公里是接触最终用户的环节，但由于这个重要的环节还存在许多问题，所以制约着电商的发展，无论国内外，都需解决这个难题。

1.1 国外环境

对发达国家来说，其电商物流的模式也就是自主提货或送货上门等，但不同于国内的是，其技术水平更完善，主要表现在自主提货的自动化程度上。

1 公共储物柜

类似于自主提货柜，是在一个指定的区域，由物流公司或电商建立的一种电子储物系统，由最终用户自己完成提货，优点是很便利，长远来看节约了成本。国外的这个系统自动化程度及信息共享程度很高，这也是国内需要改进的。

2 私人收货箱

在国内并不常见，是属于私人或一个团体的储物箱，类似于邮箱。最终用户可独立取货。该模式的优点是在时间及空间上便利了最终用户，同时也一定程度上便利了快递员，节约了成本。

1.2 国内环境

就目前而言，国内的问题还很多。主要是服务质量的问题，时效性、破损率、服务人员的服务态度，都是需要解决的问题。其次是信息方面的问题，信息共享程度低，也是制约电子商务物流发展的一个重要的因素。

1.3 解决方法

针对这些问题，国内也尝试了许多办法来解决。

首先就是自助提货模式，意在解决用户分散及投递失败所带来的成本问题，国内一般选择与便利店合作，或建立自助提货点这两种方式，不过收益不大。

第二个就是共同配送，这种模式是以一个城市为单位，各物流公司将货物送达用户所在城市后，交由专业配送单位来统筹规划配送，总体来说降低成本，同时在一定程度上保护了环境，但是也引起了一些问题，如切断了客户与物流企业的联系，加之信息共享程度不够，易导致客户流失。

总得来说，我国的最后一公里主要有四个方面的特征：1.用户多，总体分布集中于城市，个体分布分散;2.用户一般都是平民百姓，对价格较敏感，且要求支付方式灵活;3.用户送货上门的愿望强烈;4.国内物流企业多，合作统一不到位，信息共享问题亟待解决。

1.4 校園物流现状

现代电子商务主要手段是信息网络技术，主要内容就是以商品交换为中心的商务活动，确保商流、物流、资金流、信息流“四流”的畅通，是电子商务顺利进行的主要保障，而物流是最基础的保障。现阶段中国网民规模达7.72亿，其中学生网民群体就有1.96亿，占比最大。学生这个群体在网购过程中需要经济的保障，现在大学生一方面拥有家庭的支持，另一方面还有自己做兼职挣钱，加之现在网上的商品价格普遍较为亲民，学生网购的热潮所带来的校园快递业务量也是急剧增长，当然校园物流的快速发展也暴露出了这个物流在校园内的配送的许多问题，尤其是最后一公里配送在校园的问题。

1.4.1 存在问题

第一，配送的服务质量差，第一个方面就是不能按时送达约定地点，导致学生无法按时提货，影响了其对卖家的满意度，第二个方面就是货物损坏问题，由于卖家，或物流企业，或配送人员的疏忽而导致的货物损坏也很常见;

第二，取货排队时间长。一般货物到达驿站，驿站通过短信告知学生，学生一般情况下都在上课，只能课后去驿站，大多学生会选择午休和傍晚去驿站提货。而驿站一般保留货物三天，三天后无人提取则退回卖家发货地点，所以更加大了取货排队人数;

第三，提货站点的设置，由于学校的特殊性，一方面是安全性的考虑，另一方面，释站与快递公司协商无法达成一致，一些快递公司选择不进驻校内驿站，导致学生只能出校取货。

1.4.2 解决措施

对于此，我们也希望能通过以下的措施，解决或者缓解目前存在的问题。

（1）引入智能化物流管理工具智能化发展可以通过仓储、配送、信息处理等方面进行技术分析，利用先进的操作技术和管理技术，使电商物流的智能化得以实现。自提柜投放便是解决校园物流“最后一公里”较为经济便捷的方式之一。校园物流自提柜可以建在人流密集的地点，方便在校师生在合适的时间取出包裹，减少排队时间，从而降低投递失败的风险和提高顾客满意度。由于信息发送和包裹投递同时进行，也解决了信息通知不及时或信息漏发的情况。

（2）构建新型校园快递服务模式。灵活性、及时性、便捷性以及安全性是影响校园快递服务质量的重要因素，学校内快递服务采用了学生兼职派送的服务以实现“送货上门”并取得了较好的成效，但整体的流程还需要优化，可以联合校园管理、服务师生、学生实践三方面力量构建新型校园快递服务模式，解决校园物流“最后一公里”配送问题。

（3）搭建高校智能综合物流服务平台。学校内管理方式相对传统，线下管理居多，缺少线上管理和数据整合，难以适应当前大学生网购的物流需要。诸如此类的整合点可以通过物流配送将顾客流量引入线上平台，对顾客信息资源进行整合分析，建立良好的信息处理系统，实现物流功能的集成化和系统化发展。电子商务环境下的物流管理可以依托互联网的物流信息平台为依托，充分利用电子信息技术整合有效物流信息，提出更智能化的物流方案，使整个流程更加科学化、便捷化、合理化，提升操作速度，为创造出更大的经济效益。另外，还可以考虑引入如“小麦公社”、“乐收”等类似的高校智能综合物流服务平台。

针对校园物流，我们分析他存在的问题，也从中列出以下措施，得出总结。

校园物流“最后一公里”是电子商务物流配送中最后一个环节，由于这个环节是直接与客户面对面接触，配送服务质量直接影响客户的满意度，从而影响校园电子商务和物流的发展，实现校园物流“最后一公里”配送服务的合理性和经济性。就目前现状来看，校园物流仍处于较原始的状态，有必要尽快引入智能物流的方式改善“最后一公里”配送现象。

2 各配送方式成本利润分析比较

2.1 快递拒

（32个小柜，12个中轨，5个大柜）

丰巢（现已收购中集e栈）的经营情况。截至2017年11月，丰巢已在全国74个城市投放了约6万组智能快件箱，格口总数达480多万，注册快递员40万，累计用户超过5000万，日均包裹量超300万件。根据《深圳市丰巢科技有限公司自2017年1月1日至2017年6月30日止6个月期间财务报表》，丰巢2015年4月8日（公司成立日）至2017年6月30日期间的财务情况见表格。

丰巢2015年4月至2015年12月期间亏损约0.37亿元，2016年亏损约2.5亿元，2017年1-6月期间亏损约1.77亿元。

1 .收费模式

（1）向快递员收取派件收费

大箱0.6元

中箱0.5元

小箱0.4元

（2）向用户寄件收费

大箱0.6*2元

中箱0.5*2元

小箱0.4*2元

（3）广告业务收入

2500元洋

2.成本投入

建造成本：30000元

一年的电费：800元

占地成本： 4000元

C=0.5X+Y+2500-30000-800-4000=0.5X+Y-32300

2.2 菜逆驿站

菜鸟驿站是一个由菜鸟网络牵头建立面向社区和校园的物流服务平台网络平台，作为菜鸟网络五大战略方向之一，为网购用户提供包裹代收服务，致力于为消费者提供多元化的最后一公里服务。

目前在末端配送网络建设上，在城市，超过4万个菜鸟驿站构成菜鸟网络的城市末端网络。

2.2.1 收费模式

（1）派费收入0.4元/单

（2）寄件收入2元/单

2.2.2 成本投入

建造成本：10000元

人工成本：6500元/月

其他成本：100元/月

C-0.4X+2Y-10000-6500* 12-100*12=

0 .4X+2Y 89200

2.3 快遞员派送

月人工费用：4000

C=12*4000/2=24000

3 调查结果分析

本小组基于“最后一公里智能配送优化”的课题，为提高研究成果的真实性、有效性，注重研究过程的实践性，立足于实际调研数据进行分析，从真实数据中预测消费者心理并客观审视现状、发现问题、反思原因、提出结论与对策，深化对“最后一公里”智能配送优化方案的思考。分析结果如下：

3.1 物流配送服务市场现状

随着经济发展、生活水平的提高、消费观念的转变;电商销售便捷、实惠;配套物流配送服务趋于成熟，多重因素刺激消费者消费。

根据调研所得“居民接收快递频率”数据显示，74.46%的参与者每周接收0-3件快递，而其余将近25.5%的参与者的快递接收频率更高，甚至2.6%的调查参与者每接收快递数量十个及以上。

3.2 用户习惯、心理引导服务反思

3.2.1 客户快递收取时间统计

经对消费者期望取快递的时间进行多项选择统计，每天12：00-14：00时间段可收取快递的人数占比最重，达41.56%，其次为18：00-20：00，占32.9%，其他各时段在34%-37%范围内波动，差异较小。

3.2.2 客户快递收取方式统计

而依调查显示，在人工、驿站、丰巢等智能快递柜这三项选择中，目前最常用的方式为驿站寄取占66.67%，其次是人工配送占30.3%，丰巢等智能快递柜使用相对较少仅为28.14%。

通过数据显示，接受问卷调查的客户中，住地附近安装智能快递柜的比例为71%，剩余未安装智能快递柜的地区占29%。

为了更贴切的体现各方式的利弊，本组成员对客户可接受快递接收距离进行调查，能接受签收快递距离超过500米的客户仅占9.09%，有近百分之五十的客户，最佳期望值是签收距离在100米及以内。

对于智能快递柜这一新兴配送方式，经调查，影响因素最为重要的是收费标准和便捷程度，占比22%，其次取件地点比率为18%，操作难易程度也对客户的使用态度起到一定影响作用，认为此项为重要因素的人数占16%，而外观和取件速度影响程度相对较小，均占10%左右。

智能快递柜收费的话题近期引起热议，在本组成员的调查中，对智能快递柜持肯定态度的人数占80%，其中包括无论价格多少都愿意接受的占23.83%及收费不贵愿意接受的56.17%，15.21%的参与者对智能快递柜持无所谓态度，仅4.68%的参与者拒绝使用快递柜，但是从中可以看出，费用是影响快递柜使用受众的重要因素。

根据对客户选择快递公司的偏好，总结出影响客户选择的最重要因素为速度占总人数的36.17%，其次为服务占比11.06%、价格便宜占比6.81%、安全程度3.46%。

4 初步优化分析

通过问卷总结出的数据分析表明，大多数居民通常没有太多空余时间而期望选择利用碎片化的时间收取快递;同时，人工驿站又存在着诸如乱收费，取件高峰等待时间长、营业时间限制等问题，而丰巢等智能快递柜由于其快递自取模式，相较于人工配送和驿站取件来说，收取时间更加灵活，收费标准相对统一，客户隐私保护也更能得以保障。根据客户需求调查得知，丰巢等智能快递柜的投放可以满足大量客户的取件需求，因此可以把快递柜作为一个客户取件点和“最后一公里”配送路径中的一个配送节点，在此基础上，利用蚂蚁算法对“最后一公路”配送路径进行优化。

4.1 快递站点规划

智能快递柜服务系统包括运输、中转、配送、客户领取四个部分。快递公司与智能快递柜之间是“多对多”关系，而智能快递柜与客户之间是“一对多”关系。设有S个快递公司，M个智能快递柜和N位客户，通过图1表示包含智能快递柜在内的服务系统所形成的物流网络系统。

智能快递柜的选址布局影响着快递的末端配送和快递柜的利用效率。通过优化网点布局，以最少数量的快递柜来满足服务区域内的最大需求，可以节约初始建设的固定成本。

选址优化方法

（1）集合覆盖模型

集合覆盖模型是指在已知有限的各需求点需求量的前提下制定合理的设备投放方案，以满足各需求点的需求，该方案满足总设施建设成本最小且各需求点至少被一个设施覆盖。若定义候选点j的设备固定建立费用为f_j，再定义c_ij为第i个需求点是否被第j个设备覆盖，再定义x_j为决策变量，如下：

X_j=1，在候选点j处建立

0，否则

集合覆盖模型如下：

MinZ=∑f_jx_j

x_j=0，1（i）

总建设成本最小为集合覆盖模型的目标，各需求点至少被一个设施覆盖为约束条件。

（2）最大覆盖模型

最大覆盖模型是已知设施的数目和服务半径，制定合理的方案使被覆盖的总需求最大。定义下列几个变量符号，用以描述最大覆盖模型。

h_i——需求点i的需求量：

P——准备设立的设备个数;

Z_i=1，如果需求点i被覆盖

0，否则

变量x_i和c_ij的定义同前，则最大覆盖问题可以描述如下：

被覆盖的总需求最大为最大覆盖模型的目标;约束式（3-2）是说明某需求点的需求被覆盖住需保证该需求点至少被一个设施覆盖;约束式（3-3）是确定p为设立设施的个数;约束式（3-4）是约束决策变量是否设立某设施;约束式（3-5）是约束决策变量否覆盖某需求点。

4.2 蚂蚁算法的路径优化原理

蚁群总能找到蚁穴到食物源的最优路径，相比单只蚂蚁更具有智能性，对于整个蚁群的每一只蚂蚁在开始寻找食物时，随机的选择路径，在寻找食物的路径上释放信息素，这种信息素随着时间的推移会不断的挥发，对于离食物越近的路径，在一定的时间内可能会有更多的蚂蚁从此路径通过，从而能够形成一种正反馈的机制，这条最短的路径信息素浓度会变得越来越大，从而会导致更多的蚂蚁选择这条路径来觅食，最后所有的蚂蚁都会聚集到这条路径，即为最优的蚁穴到食物的路径。

蚁群算法的基本流程是：

（1）初始化参数，信息素的初始浓度、蚂蚁和目的地个数等。

（2）蚂蚁针对所有的目的节点进行随机选择，并将初始节点加入到搜索禁忌表。而后根据概率公式进行计算选择下一个要走的节点。

（3）判断禁忌搜索表是否已满，是则表明蚂蚁已访问完所有节点，记录蚂蚁所走路径。

（4）按照蚂蚁所走的路径更新各条路径的信息素浓度。

（5）算法满足终止条件，输出最优路径。否则，继续运行步骤（2）。

综上，蚁群算法是对现实中蚂蚁的一种虚拟过程，但其比现实中的蚂蚁更具有智能，原始蚁群算法的基本思想是将m只人工蚂蚁随机放置在n个结点，每一只蚂蚁通过一定的概率规则进行结点间的状态转移，遍历所有节点后形成一条有效路径。蚂蚁在创建路径过程中或创建路径后，根据相应的信息素更新规则进行各自路径上的信息素更新操作。当每一只蚂蚁都完成了各自对整条路径的遍历，则对所有路径中的最佳路径进行全局的信息素更新操作。

4.3 基于蚁群算法求解最后一公里配送最优路径

4.3.1 最后一公里路径选择的原则

通过调查问卷的方式，向快递员发放问卷总数130份，对回收的100份有效问卷进行分析，有77.55%的快递员选择在最后一公里末端配送过程中，在选择配送节点时，比较倾向于选择离其所在的配送点最近的配送点进行下一步的配送，尤其是对路线不熟的年轻快递员，更容易做出這样的选择。其中，在影响路径选择的因素有路径长度、道路的状况、道路质量、天气因素、交通流量、行车速度等。路径长度、道路状况、交通流量这些因素排在前三位，被超过78.63%的快递员选择是其路径选择过程中的重要考虑因素，远超其他因素的影响程度。经过以上分析，在最后一公里末端配送路径优化研究过程中应全面考虑道路的路径长度、道路状况、交通流量等，才能真正寻得一条较为合理配送路径。因此，本文在用蚁群算法求解最后一公里末端配送最优路径时，将综合考虑以上三个因素，其中路径长度、道路状况、交通流量将采用层次分析法的方式设置权重。

4.3.2 求解物流末端配送最优路径基本实现步骤

（1）初始化m、n、α、β以及循环参数NC等参数，设定初始信息素浓度C（C为常数）。

（2）将m只蚂蚁在n个配送点进行随机放置，将每只蚂蚁的出发点写入该蚂蚁的搜索禁忌表。

（3）然后蚂蚁根据概率公式选择下一个配送点j，并将j放入自己的搜索禁忌表。

（4）若某只蚂蚁的搜索禁忌表已满，则该只蚂蚁已完成整条路径，保存蚂蚁所寻路径，对该只蚂蚁所寻路径按照信息素更新的模型进行信息素更新。

（5）若循环次数NC不满足结束条件，则NC=NC+1。否则输出最优路径。

4.3.3 基于层次分析法的末端配送影响因素权重分析