基于大数据的物流运输网络优化分析

文/王斌

社会经济的飞速发展带动了电子商务进步，也推动了物流企业的发展[1]。研究表明，各个城市的物流运输网络都存在差异，因此本文基于大数据设计了物流运输网络优化方法，为后续的物流运输业发展作参考。

1.基于大数据的物流运输网络优化方法设计

1.1.分析物流运输网络运营成本

随着物流运输网络复杂化，整个运输网络运营也越来越困难，各个物流企业尚未形成完善的成本运营体系，也无法实现有效的运输网络运营成本控制，因此本文设计了标准物流运输网络运营框架来分析物流运输网络运营成本，如下图1所示。

图1 物流运输网络运营框架

由图1可知，上述物流运输网络运营框架能有效完成物流运输，由于物流运输成本与运输中各项损耗相关，因此可以通过分析运输中的各项影响因素判断物流运输成本。

常见的物流运输成本影响因素包括距离、时间、车辆损耗等[7]，与实际运输装载量也有一定的关系，为了保证物流运输成本最低，需要提高物流运输的协调性，基于此，可以设计物流运输协调参数Q计算式，如下（1）所示。

公式（1）中，g代表均衡参数，f代表物流运输基础数值，该参数可以有效反映运输过程中的成本损耗，增加成本分析的准确性。

本文设计的方法将影响物流运输的成本因素划分成几种，并进行了分别研究，首先分析与物流运输距离相关的成本因素[8]，其次分析了与时间相关的物流运输成本。最后分析载重相关成本[9]，可以计算载重成本系数，设计相关的成本计算函数来有效估计实际成本，本文根据载重成本函数绘制了相关的费用变化示意图，如下图2所示。

图2 载重成本变化示意图

由图2可知，随着运量的增加，运费也在不断增加，但随着运量持续增加，运费的增量在逐渐下降，也进一步确定了运输载重成本的变化关系。物流运输成本还包括储存成本、停留成本等，虽然这些成本所占的比重较低，但也会对实际运输造成一定的影响，因此也需要进行综合分析，保证物流运输网络的精确性。

1.2.基于大数据判断物流运输网络中途点停靠可行性

传统的物流运输网络优化方法无法处理运输过程中的各项停靠信息，无法准确地定位物流的位置，因此本文应用大数据技术采集分析了物流运输信息，判断了物流运输网络中途点停靠可行性。首先可以根据物流运输网络基础条件，设计停靠可行性参数A计算式，如下（2）所示。

公式（2）中，Z代表停靠初始点，L代表中途点停靠常数，此时可以根据参数计算结果进行可行性描述，得出物流需求权重D，计算式如下（3）所示。

公式（3）中，C代表物流供求因子，G代表误差因素值，G0代表需求常数，常见的物流运输网络多为直达模式，可以在最大程度上降低物流成本，保证物流时效，会在满载时进行中途停靠，因此，选取正确的中途停靠点，判定停靠可行性对保证物流运输可靠性十分重要。

本文设计的物流运输网络优化方法主要使用了四元组计算法分析了物流运输车辆的任务关系，根据实际装载情况，判断了中途点停靠可行性。假设分拨中心之间的车辆具有中途点，此时可以将该点差分成几个四元组，带入直发车辆运行参数完成分析。如果在选取中途点时出现了均衡性问题，需要计算车辆的空驶浪费值，重新设计停靠点，降低实际物流运输成本。确定停靠点后，需要验证停靠点的权重值范围，本文选取了几条线路进行取值范围分析，分析结果表明，当停靠点取值范围较大时，与实际运输成本差额较高，反之则与实际物流运输成本较接近，因此可以计算停靠点均值，保证物流运输网络的应用效果。

1.3.构建物流运输网络车辆路径优化模型

实现物流运输网络优化的最后一步就是构建物流运输网络车辆路径优化模型。在物流运输的过程中，经常使用直达运输法完成货物运输，因此本文假设车辆装载率和分拨中心货量稳定，根据直达运输的平衡性关系构建了物流运输网络车辆运输路径优化模型J，如下（4）所示。

该模型中，a代表优化参数，n代表初始坐标点，n0代表目标坐标点，应用该模型进行路径优化时应该满足运输优先原则，即避免运输返程浪费，保证每个车辆均符合运输装载率要求。

本文通过设置分拨中心，制定车辆分拨原则，实现干线运输网络优化，保证每个运输车辆的利用率最大化，研究发现，传统的运输网络在运输时容易受到车辆空载限制，造成额外的物流成本，但在中途点经停能有效地降低物流成本，保证车辆的运输有效性，为了进一步确定物流车辆运输路径，需要选取中途停靠目标，设计标准化中途点停靠模式。结合物流运输消耗的全部成本变量可以判断运输中心之间的供需关系，降低物流运输综合成本，因此本文将大数据技术与构造算法相结合，设置了TSPVSP运输路径规划算法，并进行求解，提高物流运输网络的综合性能，实现物流运输成本最小化。

2.物流运输网络优化效果分析

2.1.概况及准备

为了验证本文设计的物流运输网络优化方法的优化效果，本文选取了X公司的物流运输网络进行了实例分析。X物流公司属于大中型运输公司，在全国各地设置了300个处理中心，该物流运输公司内部包含超过5000条运输线路，且有20000以上用户与之签订长期运输契约，随着该物流运输公司的发展，逐渐形成了较大的集中运输车队，该车队总共有6418辆运输车，承载超过300个运输网点。X公司内部涉及的社会运力车辆已经超过了300000辆，能承载50kg~5000kg的运输货物。X物流运输公司主要以某几个发达城市的中心为运输枢纽，进行了转运分级，不同等级的转运中心会被划分到不同的运输网络中，该公司的最常见运输中心图如下图3所示。

图3 X物流运输公司常见运输中心

由图3可知，X公司常见运输中心内部包含多个运输节点，整个运输公司遵循以下运输原则：第一，需要根据各节点的功能关系确定运输归属，保证运输遵循城市特性原则，还需要考虑运输交通资源和运输网络需求设置转运距离。第二，需要满足规划原则，即必须考虑成本时效因素来规划中转运输方案，保证线路的有效性。第三是制约原则，即必须考虑现实制约因素对运输造成的影响，最大程度地降低运输成本，本文设计的线路库内包含了20条线路，线路的起始坐标如下表1所示。

表1 线路坐标

由表1可知，上述线路的起始坐标满足实例分析需求，可以根据坐标之间的关系设计物流运输网络优化指标q计算式，如下（5）所示。

公式（5）中，r代表物流归属数值，e代表综合运输权重，物流运输网络优化指标越高证明其优化效果越好，反之则证明其优化效果不佳。

为了保证实例分析效果，本文进一步分析了该公司的物流运输流程，首先下单的物品需要通过寄件网点进行揽收，通过支线运输输送到分拣中转中心，其次通过干线运输完成揽收配载，最后通过支线运输到派件点完成派送，因此，X物流中心的运输网络可以分为支线运输网络和干线运输网络两种，为了避免物流运输复杂性对实例分析造成的影响，本文分析了该物流运输网络的货运结构，点对点运输时经济效益较高，但会受供需限制，增加物流运输成本，中途停靠运输可以增加资源的利用效率，但装卸步骤较复杂，物流物品缺乏安全保障，该运输公司结合了上述运输方式的优点初步形成了有效的运输体系，可以结合全部运输体系进行优化效果分析。

2.2.优化效果及讨论

根据上述X物流运输公司的运输网络概况及坐标集合，分别使用本文设计的物流运输网络优化方法和传统的物流运输网络优化方法进行运输优化，随机抽取上述数据集合中的10组坐标，使用公式（1）计算物流运输网络优化指标，优化效果如下表2所示。

表2 优化效果

由表2可知，本文设计的物流运输网络优化方法优化后10组坐标的物流运输优化指标均较高，证明本文设计的方法优化效果较好，具有高效性。

结束语

综上所述，经济的发展和物联网的进步推动了电子商务的发展，也带动了物流产业进步，各个城市都形成了基础物流运输网络，随着物流信息量的增加，传统的物流运输网络已经逐渐无法满足目前的物流信息定位需求，因此本文从分析物流运输网络运营成本、基于大数据判断物流运输网络中途点停靠可行性、构建物流运输网络车辆路径优化模型，这几个方面设计了基于大数据的物流运输网络优化方法，进行实例分析，结果表明，设计的物流运输网络优化方法的物流运输优化指标较高，证明其优化效果较好，有一定的应用价值，可以为后续物流运输网络发展提供参考。C