数字经济下生鲜农产品配送网络规划研究

周向红，邱筠闵，成鹏飞，温永芝，彭 璇

( 1.湖南科技大学 商学院，湖南 湘潭 411201；2.产业发展大数据与智能决策湖南省工程研究中心，湖南 湘潭 411201)

一、引言

数字经济快速发展，不断融入各个产业领域，推动了产业数字化的进程。商业电子化、物流信息化和支付数字化等技术创新，不仅从供给端深刻影响众多传统产品的经营方式，相应地，需求端消费模式也随着数字技术的融入而得以优化，给消费者带来更加便捷的体验，如产品更丰富、价格易比选、支付较简单、售后有保障等，有利于促进商品交易。生鲜农产品是人们生活中不可或缺的物品，但由于其生产地和消费地不在同一区域，距离较远，且具有需求急、易腐烂、价值低等特点，因此促进快速大量销售是实现农产品健康发展的关键。显然，数字经济可以扩大农产品的市场规模，缩短农产品的交易和运输时间，更好地响应消费者对生鲜农产品品种、新鲜度、配送及时的要求。考虑到生鲜农产品磕碰易腐的特点，如何合理设计农产品配送中心选址，在节约配送成本的同时，更加注重时效性，既保证农产品品质，又兼顾多合作主体效益和消费者满意度，已成为行业内普遍关注的焦点[1]。

近年来，许多学者研究了不同产品的配送网络选址规划，一般以最低运输费用、最短车辆行驶路径、最短配送时间等单个或多个联合作为目标函数，并考虑具有多约束条件的网络选址优化模型，以及针对复杂因素影响下多约束多目标的网络选址优化，运用各种不同的算法进行求解。蒋国清等(2015)[2]结合遗传算法(GA)和蚁群算法(ACO)的优点，建立了一种两阶段式的物流配送路径优化方法(GA-ACO)，并证明了该方案优于单一GA、ACO的物流配送路径方案，可以快速有效地获得物流配送路径的最优解。马祥丽等(2016)[3]设计了基于求解带时间窗物流配送车辆路径的改进蝙蝠算法，通过该方法可以合理安排车辆行驶路线，使得总运送距离最短、车辆数最少、运费最小、运时最短。王道平等(2017)[4]将客户重要度作为影响惩罚成本的因素，再利用双层规划法建立多目标整数规划模型，最后用改进的蚁群算法求最优解，考虑了客户关系对于车辆路径安排的影响，改进了传统的选址路径问题。樊世清等(2017)[5]综合考虑了固定成本、运输成本、货损成本、惩罚成本和能源成本等因素，构建了冷链物流车辆配送路径优化模型, 并采用改进的蚁群算法进行求解。为达到生鲜产品配送费用最少、客户满意度最高等目标，殷亚和张惠珍(2017)[6]建立了最优路径选择的多目标模型，并改进了混合蝙蝠算法对模型有效性进行验证。胡小宇等(2018)[7]提出了一种适用于解决带时间窗车辆路径问题的粒子群优化算法，针对实际生活中的车辆路径问题，可以在此算法的基础上根据不同要求进行优化，如应用到多仓储中心的物流配送优化中。徐君翔和郭静妮(2018)[8]提出了基于大数据平台的带时间窗限制的物流配送车辆路径问题。魏洁和王佳鑫(2019)[9]设计了连续选址模型的模糊C均值聚类-改进模拟退火(FCM-ISA)算法，并以杭州市为例验证了所建模型及设计算法的有效性。姚源果和贺盛瑜(2019)[10]基于交通大数据，设计了基于实时路况的农产品冷链配送优化模型和基于接驳点和实时路况的农产品冷链配送优化模型，通过蚁群算法证明这两模型可以有效地降低冷链配送成本和提高客户满意度。范厚明等(2019)[11]认为一种半开放式的多配送中心联合配送模式比传统的、具有独立配送中心的配送模式，能更好地减少生鲜品的损耗，降低总物流配送成本。王勇等(2020)[12]构建了包含生鲜商品配送的物流成本和生鲜商品价值损失的双目标优化模型，研究了带时间窗和温度控制的物流配送车辆路径问题，设计了一种基于K-means聚类的遗传-禁忌搜索混合算法(GA-TS)，并进行了实证研究，确定了不同生鲜商品在配送中的最佳配送温度和最佳聚类数。李敏和吴群琪(2020)[13]综合考虑了成本控制问题和鲜活农产品的特性，从约束规划的角度，提出约束规划模型，结果表明约束规划模型有助于鲜活农产品配送中心选址。

综上所述，可以发现大多数文献仅针对配送网络规划或者是单纯的配送中心选址的研究，缺乏对数字经济下农产品经营影响因素的分析，针对具体生鲜农产品配送网络选址规划方面的研究相对较少。本文将研究背景限定在数字经济下的物流配送网络规划，由于线上购物的便利性，农产品的来源广泛，年轻消费者群体更喜欢线上购买来自产地的特色农产品，但配送过程受各种因素的制约也会影响消费者的体验。因此，为满足消费者对配送时效的高要求，提高配送效率、降低运营成本是生鲜农产品急需解决的关键问题。本文通过构建一个以成本最小化和新鲜程度最大化的优化模型，求解得到最佳的生鲜农产品配送网络，以此实现农产品运营效益的最大化。

二、配送网络规划模型的设计

本文主要针对数字经济下生鲜农产品配送网络选址规划开展研究，相关问题描述如下：在数字经济中，由于生鲜农产品的规模化和运输成本的下降，其运输半径更大，覆盖范围更广。一个完整的农产品销售网络中包括多个分销商和多个配送中心。为更好地满足客户需求，提高配送效率，降低农产品销售成本，减少因滞销而导致的产品损失，在生鲜农产品配送需求已知且假设农产品出产地供应量足够大的情况下，对生鲜农产品进行配送网络选址规划。

根据对生鲜农产品生产销售的调研了解，生鲜农产品配送是一个复杂系统，拥有大量配送中心和分散客户，其网络配送结构如图1所示。本文拟提出一个考虑时间窗惩罚成本和随时间变化的新鲜度等因素影响的多目标优化模型。第一个目标是总成本最小化，主要包括配送成本、运输成本以及惩罚成本和货损成本，从出产地到配送中心主要是长途运输，所以损坏成本较大；而从配送中心到分销商为短途运输，主要考虑分销商时间窗要求而产生的惩罚成本。第二个目标是农产品新鲜程度最大化。假设分配系统包括一个产地、多个备选配送中心和多个分销商，同时，已知客户分销商需求和时间窗口。这些生鲜农产品需要发送给分销商，分销商的时间窗口有可能不同，要求任何提前到达的车辆都必须等到时间窗口才能开始，任何车辆迟到将受到处罚。一旦采摘过后，从冷库向分销商运输时开始，农产品的新鲜度就会下降。所有农产品的新鲜程度都会随着运输配送的时间延长而下降。为了描述新鲜度，本文确定新鲜度系数β=(1-α)t，即随着运输时间的延长，生鲜农产品的新鲜度会降低(张建和傅少川，2011)[14]。

图1 配送网络示意图

(一)模型假设

现实中，生鲜农产品配送网络选址规划是一个复杂的目标优化问题，其中包含大量的参变量，求解效率低。为更好地拟合消费者对生鲜农产品需求的实际，同时简化决策情境，提高求解效率，对不同环节主体地址、配送能力、新鲜度计量、配送时间、受损成本、运输速度、配送规则与产量充足性等给出假设，这些假设是模型构建的基础，是目标函数和约束条件设计的重要依据，由此构建基于数字经济模式下生鲜农产品配送网络规划模型，特作如下假设。

假设1：备选配送中心地址、分销商地址及其生鲜农产品需求都是已知的。

假设2：配送中心拥有足够能力完成市场所需的配送任务，即对配送能力大小无约束。

假设3：在配送过程中生鲜农产品的新鲜度是时间的线性函数，即时间越短，新鲜度越大，时间越长，新鲜度越低。

假设4：配送时间取决于配送距离和车辆运输速度。

假设5：配送过程中生鲜农产品适用于所有客户的时间窗口。

假设6：生鲜农产品受损成本等于损失率与需求数量的乘积。

假设7：配送过程中运输车辆均按统一的速度进行运输。

假设8：一个生鲜农产品的产地可向多个配送中心进行配送，一个配送中心可以分配给多个分销商，但一个分销商只能由一个配送中心配送。

假设9：分销商需求的农产品均一次性配送完，不考虑运输容量等因素的限制。

假设10：生鲜农产品产地产量足够大，能够满足分销商的需求。

(二)符号说明

1.参数

c1：从产地到配送中心的单位距离单位货物的运输成本；c2：从配送中心到分销商的单位距离单位货物的配送成本；di：产地到配送中心i的距离；dij：配送中心i到分销商j的距离；v：配送与运输的平均速度；ti：产地到配送中心i运输的时间；tij: 配送中心i到分销商j的配送时间；Qi：配送中心i的需求量；Qij：从配送中心i到分销商j的需求量；Pi：配送中心i的建设成本；Sij：配送中心i对分销中心j的供应量；β：农产品的新鲜度系数；α：生鲜农产品单位时间的损失率；w1：早到惩罚系数；w2：等待惩罚系数；[Tej，Tlj]：分销商需求的时间窗；Z1、Z2：生鲜农产品的目标函数值，其中Z1为成本目标函数，Z2为生鲜度目标函数。

2.决策变量

(三)模型构建

生鲜农产品供应商需要将农产品配送到客户处，显然配送过程会产生成本，其中货损成本的产生是因为在运输过程中随着时间的延长，产品新鲜度会随之下降，这可能会导致退货而不能获得预期利润。考虑产地到配送中心这一长距离的货损成本，配送中心到分销商的货损成本，以及采用分销商时间窗进行约束。

1.运输成本：

(1)

2.配送成本：

(2)

3.早到等待成本：

(3)

4.晚到惩罚成本：

(4)

5.货损成本：

(5)

6.固定成本：

(6)

由以上6个成本因素构建模型如下：

minZ1=C1+C2+C3+C4+C5+C6

(7)

(8)

约束条件：

(9)

(10)

(11)

(12)

(13)

(14)

Xi≥Yij

(15)

Qi,Qij≥0

(16)

目标函数(7)表示最小化农产品的总成本；目标函数(8)表示最大化农产品的平均新鲜度。约束(9)表示配送中心的需求量要大于等于分销商需求量；约束(10)表示配送量与需求量相等；约束(11)表示从产地到配送中心的时间；约束(12)表示配送中心到分销商的时间；约束(13)表示农产品新鲜度与时间的关系；约束(14)表示配送中心i服务于分销商j，每家分销商都只有一家配送中心供货；约束(15)表示配送中心i选中之后才能进行配送；约束(16)表示农产品需求量必须大于零。

在多目标函数求解过程中，由于目标函数具有冲突性，一般难以在整体约束下，使各目标函数同时达到最优。根据对目标函数的分析可知，目标函数Z1为成本型，其取值越小越好;目标函数Z2为生鲜度，其取值越大越好。为便于高效处理而又不影响模型优化求解，将模型中两个目标函数合并为一个目标函数，约束条件不变，得到模型(17)。

minF=Z1/Z2

(17)

Xi≥Yij

Qi,Qij≥0

对转化后的目标模型(17)进行求解，可以计算得到最优的配送中心选址。

三、实证分析

(一)案例情况

在数字经济模式下，跨区域的商品流通十分密切，尤其是生鲜农产品更加适合这一环境。苹果作为农产品的典型代表，其价格不高，需求量大，同时也是人们生活中不可缺少的农产品之一。本实证分析拟选择新疆某大型苹果供应商，根据其线上和线下业务发展需要，需从长沙、广州和贵州等3个城市中选择1个作为配送中心，负责区域苹果的快速配送，从配送中心再对备选的分销点进行配送。该苹果供应商与备选配送中心的距离、备选配送中心的需求量，以及建设成本如表1所示。分销商的需求量如表2所示，备选配送中心到各分销商的距离如表3所示，有关参数如表4所示。此外，分销商的容忍的时间窗为Tej=0.5 h，Tli=10 h，车辆运输的平均速度为v=60 h/km。表1中的距离是采用百度地图测算得到，其他相关数据均为通过对苹果供应商调研而获取的实际数据。

表1 新疆到备选配送中心的距离与建设成本

表2 分销商的需求量 (t)

表3 备选配送中心到需求地的距离 (km)

表4 配送相关系数

根据以上给定的数据，结合所建立的模型，通过Matlab进行求解，得到目标函数的结果，如表5所示。

表5 目标函数计算结果

由表5可知，将配送中心选在长沙的成本最小。当配送中心选在长沙时，其相关计算结果如表6所示。

表6 目标函数的相关计算结果

(二)结果讨论

由上述计算结果可以看出，当成本最小时，苹果新鲜度并不是最大的，但因为成本与新鲜度倒数的乘积是最小的，选择长沙作为配送中心则可以使得目标值达到最优。由于时间窗的取值是一定的，故在考虑时间对新鲜度和分销商时间窗影响的情况下，可得到模型的最优解。如果不考虑分销商时间窗和新鲜度的影响因素，其他条件不变，模型则变换为式(18)。

minZ1=

(18)

运用Matlab对模型(18)进行求解，可得到的结果如表7所示。

表7 目标函数计算结果

由表7可以看出，当不考虑新鲜度与分销商时间窗时，贵州作为配送中心的成本最小，结果值为75530.5，因此选择贵州为配送中心是合适的。然后综合考虑加入分销商时间窗和新鲜度这两个影响因素，可得出的结果如表8所示。

表8 目标函数的相关计算结果

当不考虑分销商时间窗和新鲜度的影响时，配送中心应选在贵州，目标函数值为82319.49，与表6相比，目标值多出了2964.73。在此基础上，对不同选址下的各项成本情况进行对比分析，具体结果如表9所示。

表9 分销商时间窗和新鲜度对选址和目标函数的影响分析

通过对表9中备选配送中心的比较分析可知，在贵州的配送成本较大，等待时间较长，这将导致客户体验下降。在该生鲜苹果配送网络规划中，配送的及时性和成本的大小是影响数字经济模式下客户满意度的重要因素。通过上述分析，可以得到如下结论：

(1)分销商所在地的需求量差异太大，对配送选址的结果影响较大，所以最好对未来近6～10年的需求进行预测，以选出最佳配送中心。

(2)当需求地的需求相差不大时，分销商的时间窗对优化结果影响最大。

(3)当分销商时间窗相差不大，且需求量相差在一定的范围内时，产地到需求地的距离越近，则可以作为最优配送中心的选址。

(4)通过对目标函数分析可知，在农产品配送中心选址时，如果能同时达到成本越小、新鲜度越大，则就越有利于确定最优分配中心选址。而现实中，往往难以同时确保成本最小和新鲜度最大，若不能同时满足这两个要求，则应根据整体目标综合值来加以确定。

(三)案例评价

该案例结果表明，数字经济模式下对苹果配送网络选址进行合理规划，可有效降低物流运输成本、物流设施建设投资以及运营成本，还可提高苹果的生鲜度，减少货物损失，从而为产地果农创造稳定的效益。一般而言，供应商的产品价格要与当地市场同类产品价格相比较，大部分供应商仅关注总成本的最小化，而对消费者来说，物流成本并不那么直接和显著，更多地关注苹果的新鲜度和到达时间。因此，在对生鲜苹果网络选址规划时，目标函数中不仅要考虑物流成本，还要考虑分销商时间窗和苹果新鲜度的影响。通过实证分析，对比不同影响因素下的网络选址规划决策，实证结果显示，考虑分销商时间窗和新鲜度能够进一步促进目标优化，并提高客户的满意度，由此验证模型的可行性和可靠性。

四、对策建议

数字经济时代，生鲜农产品的销售范围已大幅增加，而物流运输业的发展使得农产品的运输半径不断扩大。为更好地满足数字经济下生鲜农产品的市场需要，降低农产品流通成本，提升客户的满意度，由此提出以下建议：

1.优化网络配送中心选址，覆盖更大市场区域。配送中心作为连接产地和分销商的核心环节，其位置的选择十分关键，合适的配送中心位置能有效降低运输成本，缩短运送时间。可以利用大数据对市场所在区域的产品需求量进行预测，参考配送网络规划模型，对比多个备选地的数据，进行模拟实证分析，选择满足分销时间窗和新鲜度要求的最优选址方案。

2.加大保鲜技术创新，确保产品新鲜度在约束范围内。生鲜农产品在运输过程中容易损坏或者变质，应加大技术创新力度，研制先进与经济的冷链配送技术，以保证农产品的新鲜度。在配送前，考虑不同保鲜技术的成本，根据不同生鲜产品的特性，将其分为常温储存、冷藏和冷冻储存，综合考虑货物运输距离，并进行分类装箱运输，以控制运输成本。在配送包装方面，利用可循环使用的蓄冷材料，既环保，又节约成本。

3.建设数字化的物流管理平台，及时监管运输环节。从发货环节开始，使用统一的数字化的管理平台，为供应商提供实时的物流信息，并及时反馈运输过程中发生的各种问题。管理中心及时跟进，统一调度，尽快采取应对措施，减少损失；根据平台提供的信息，预估到达时间，降低早到等待成本和晚到惩罚成本，确保生鲜农产品以新鲜完好的状态及时送到消费者手中，提高消费者满意度。

五、结束语

生鲜农产品的跨区域流动，是我国东西部经济交流的重要形式之一。而配送网络选址规划是影响数字经济模式下生鲜农产品销售的重要因素之一，是研究的焦点。通过构建生鲜农产品配送网络规划的优化模型，有助于选择最佳的配送中心，使之能够有效地衔接产地与分销商之间的供应需求，有效降低成本，减少损失，提高客户满意度。此外，由于生鲜农产品本身的特殊性，导致配送时间的长短不一，直接影响农产品的新鲜度，也会间接影响客户的满意度。因此，配送网络的配送中心选址是生鲜农产品经营中的一个关键节点。

本文在原有生鲜农产品配送网络研究的基础上，根据生鲜农产品自身的特性，考虑生鲜农产品的新鲜度最大化、损失成本最小化，以及将客户的时间窗列为影响客户满意度的重要因素，由此将新鲜度与分销商时间窗纳入配送网络选址规划研究中，建立了一个由新鲜度和分销商时间窗影响下的配送网络规划模型。在构建生鲜农产品配送网络选址规划模型前，本文给出了10个假设，而这些假设对问题进行了限定以方便研究，但在简化问题的同时，也使得问题与决策实际有了一定的差距。因此，未来研究可以突破这些假设的限制，如考虑需求的动态变化，单个车辆运输容量的限制，以及新鲜度不仅受时间的影响，也与运输距离、装卸次数等有关，根据假设的变化需要设置更多的模型参数，使得配送选址规划模型更加拟合决策实际，这有利于进一步指导数字经济模式下生鲜农产品配送网络选址规划。