网格化城市联合配送区域智能划分方法

高 飞，史 纪

(盘锦职业技术学院，辽宁 盘锦 124000)

随着电子商务的兴起，越来越多的人们喜欢在网络上购买日常所需的用品，这导致了货物的运输量迅速上涨，仅仅依靠配送资源的增加，已经无法满足人们对于商品配送能力的要求。企业生产规模的扩大使物流配送的强度增加，配送成本也随之上涨，各大企业都急需低成本高效率的新型配送模式。且近年来城市化加快，但相应的交通发展相对落后，私家车数量激增导致了城市交通拥挤，这为货物配送增加了难度。幸而经济的快速发展使人们开始重视交通运输业落后的问题，现代物流理念正逐步形成[1]。

联合配送能够适应自由竞争的市场环境，满足环境保护需求，并尽可能地实现低成本高效率的具体需求。选择合适的配送线路，运送不同客户的货物，使电商企业脱离由配送费用上涨、经济市场疲软而导致的利润降低的困境。以联合配送的物流方式，将生产企业与零售商相连接，在减少配送工具使用的同时，提高货物运载率[2-4]。联合配送方式在国外已经十分普遍，自2010年起，日本的联合配送就已经达到了物流配送总数的20%。将多个配送中心相互联合，制定统一的配送计划，合理划分配送区域，共享配送资源及配送设备，这种方式打破了单个企业物流合理化的局限，各企业的合作使大范围的配送合理化得以实现[5-7]。针对这一配送方式，利用网格化管理，将城市划分成若干个网格状的配送单元，并对各个网格实行全方位管理，根据划分好的网格结构，针对不同的种类选择最合适的配送路线，在降低配送成本的同时，最大化地实现高效率低成本的配送。

1 网格化城市联合配送区域智能划分

1.1 配送网络特征分析

将城市物流配送网络分为配送路线与物流节点两部分。配送路线即物流节点与节点之间的连线，配送车辆由配送中心出发[8-10]，为所负责区域内的客户提供货物配送服务，并执行多条路径。在保证货物能够准时送达的前提下，保证同一区域内只能服务一次，且每个客户只有一辆车为其服务，具体如图1所示。

图1 联合配送区域划分车辆路径

需要注意的是，在实际的货物配送过程中，除了配送距离外，车辆的货物运输量以及车载率也会对运输成本产生直接影响。若仅仅将配送距离作为成本优化目标，而忽略车辆的货物运输量以及车载率，则所得出的最终结果不够全面，为此，综合各因素对其产生的影响，得到如下算式：

(1)

将单位油耗设置为zi，利用公式计算该配送路段的油耗成本如下：

Sij=zi·Gij

(2)

公式(2)当中，Gij表示配送所需油耗成本。

由上述计算可知，配送油耗的变化不仅受到配送距离的影响，车辆行驶速度及其载质量也会引起油耗变化，与此同时考虑空车行驶所需油耗，从而更加满足实际情况需要。

1.2 多中心多层次区域构建

物流配送作为现代交通运输的重要组成部分，已不仅仅是单一路线的配送，也不仅仅是为固定客户提供的服务。配送中心作为城市间物流企业的运营总部，拥有大量的货物，通常设置在每个城市的边缘，根据配送计划，每一件货物都会根据最终目的收集到这里，然后运到另一个城市，再配送到以客户为中心的区域性城市配送中心。区域配送中心以城市为总的区域范围，将整个城市划分为多个配送区域，根据客户需求的差异设置不同的配送服务。城市地理空间复杂，交通网络拥挤。要综合考虑各地区客户群体数量、人均收入水平、商业中心和住宅区的分布情况，协调中央配送中心与各配送网络的关系，区域配送中心应设置在合适的位置，承担货物配送和转运的主要责任。配送网络是整个商品配送网络的最后一环。区域配送中心配送的货物分类存放。根据顾客留下的信息，货物在约定的时间交付给顾客。配送网络作为城市快递网络与客户最直接的沟通端口，为了方便送货和客户反馈，配送网络通常设置在商业中心、居民区或交通便利区[11-13]。货物配送的网络结构主要结合实际情况，根据该城市的地理布局，构建多层次多中心的配送网络，具体如图2所示。

图2 配送网络结构

由图2可知，货物配送网络是在开放的客户网络基础上建立的，配送网络中的各个配送网点，都能够与周边节点产生联系，使配送信息在各网络节点中传输交换，且其网点数量能够无限增加，以此保证在货物数量上涨严重的情况下，依然能够按照所约定的时间，将货物送至指定地点，使企业规模不断扩大。物流信息的流畅程度，在极大程度上影响着整个配送网络的整合效应，在各个节点按照所接收到的物流信息，提前计划好合适的配送路线，提升整个配送网络的灵活性能，避免混乱的产生。将货物由城市主干道，或是内环高速，从物流园区送往城市内的分配送中心，再由分配送中心，按照实际的路况信息，合理利用配送资源，将城市物流网络的集散与中转功能发挥到最大化，选择最优配送路径，将货物送到客户手中。这个过程可以将分散在各处的配送节点，连接成为如图2所示的整体，使各个节点相互交叉、彼此联系，共同承担配送任务，而不再是单独的个体。所形成的联合效应，能够有效增强配送网络的抗风险能力。

1.3 实现联合配送区域智能划分

联合配送的成本主要由固定成本、配送成本、以及惩罚成本3个部分构成。而联合配送的目标则是将这三者最小化。固定成本作为一个定值，并不会跟随配送时间或距离的改变而改变，其主要由配送车辆的损耗与保养、配送员的固定薪资所组成[14]。配送成本是指车辆在配送行驶的过程中，需要消耗一定的燃油，其消耗程度与车型、车速及实际的路况都存在很大联系，利用下述计算式，对配送油耗展开计算。

FR=α(βNVs+Q/δ)/∂

(3)

公式(3)当中，α表示燃料与空气的质量比；β表示发动机摩擦因子；N表示发动机转速，单位为r·s-1；Q表示车辆的总牵引力；Vs表示发动机排量，单位为L；δ表示发动机的效率参数；∂表示燃油的热量值，单位为kg·g-1。

由于在货物配送过程中，不可避免地存在搬卸、磕碰等情况所导致的货物损坏或变质，为此惩罚成本中又包含了货物损坏成本与时间惩罚成本。时间成本则是由于交通拥堵等因素的影响，导致货物未能在规定时间到达指定地点所承担的相应损失，且该损失随着时间的流逝而逐渐增长[15]。若货物在理想时间段内到达，则时间惩罚成本为0；若未能在理想时间段内到达指定地点，但及时补救并在最短时间内送达，则会产生一定的惩罚成本；若超过了客户能够接受的限度，导致客户拒收或投诉，则给予最大惩罚，具体配送中产生的时间惩罚成本函数Qi(ti)如下：

(4)

上述内容通过网格化城市联合配送区域智能划分，有效改善了单个企业配送成本过高的问题，针对上述研究设计仿真实验，测试其实际应用效果。

2 仿真实验

为验证上述内容当中所提出的网格化城市联合配送区域智能划分方法，在实际应用中的具体效果，设计仿真对照实验，将所提出方法与现有方法相对照，所提出方法为实验组，现有方法为对照组。

由于配送店铺的分布具有随机性，为保证实验的严谨性，分别测试不同方法在店铺随机分布场景、正态分布场景以及伽马分布场景中对配送成本的影响。利用计算机程序，模拟店铺的分布情况，随机生成3种场景中的店铺分布图，如图3所示。

图3 店铺分布情况随机生成

考虑店铺分布特点的差异，将种群大小设置为100个，交叉概率设置为0.65，变异概率设置为0.05，终止代数为100。若每辆配送车辆的固定成本为50元，每行驶1 km需要消耗1.5元，卸载1 kg货物需要消耗0.1元的成本。假设每辆配送车辆能够载货3 000 kg的货物，在如图3所示的20 km*20 km区域范围内，以配送中心作为坐标系原点，利用曼哈顿距离求解各点之间的距离。曼哈顿距离作为一种使用在几何度量空间的几何学用语，经常被用来表示2个点在标准坐标系上的绝对轴距总和。

对比实验组与对照组的最小成本变化情况，当货物种类每增加一种，则为节点分配40～60 kg的需求量，得到如图4所示的对比结果。

图4 实验结果对比

由图4实验对比结果能够得知，在各个分布场景中，货物数量小于12种时，实验组与对照组的配送最低成本相差无几，而随着店铺数量的增长，所需配送的货物量也随之增长。正态分布场景中的店铺较为集中，使实验组与对照组的最小成本差距缩小，但总体趋势保持一致。伽马分布场景中，各店铺距离配送中心较近，为此其最小成本低于另两种分布场景。当店铺数量为3时，仅需要一辆车辆即可完成配送任务，故对照组的最小成本与实验组保持一致。但随着店铺数量的增加，以及货物种类数的增长，实验组的配送成本明显低于对照组，当店铺个数和货物种类数都为18时，随机分布情况下的实验组最小成本比对照1组节约了18.5%，比对照2组节约了23.6%。

3 结 论

针对城市物流运输的区域智能划分问题，分析了现有配送方式的不足，即货物种类越来越多，运输量增加的同时，运输成本也在增加。为降低配送成本，将城市配送区域网格化，考虑到配送距离、车辆行驶速度及车载率等因素，提出了新的划分方法，将其按照多中心多层次的形式加以细化，构建网格化配送区域，将物流节点细化为中央配送中心、区域配送中心及配送网点，为相关企业在配送问题上的研究与创新提供参考依据。

由于研究时间紧迫，在上述研究内容中未能考虑到在实际情况中客户的具体需求、天气原因等随机因素所造成的额外成本，这些问题将在后续的研究中加以改进。