基于地下物流的城市物流服务供应系统仿真优化

倪洪亮, 侯龙龙*, 胡万杰, 陈志龙

(1.北京工业大学城市建设学部, 北京 100124; 2.陆军工程大学国防工程学院, 南京 210007)

2021年上半年国内网上零售额达到6.11万亿元,同比增长23.2%[1],其中,快递业上半年业务量达到583.3亿件,同期增长超过40%[2]。作为物流运输的末端环节,城市物流需求的激增对城市发展和环境造成了巨大压力。一方面,城市道路承载力远远无法满足准时配送的要求,拥堵、货运限行等问题已成为制约国民经济流通的主要“瓶颈”[3];另一方面,城市物流的污染问题日趋严重,车辆尾气排放在城市雾霾成因中占比超过30%,其中货运车辆的贡献率超过70%[4]。因此,现阶段的物流服务供应方式难以支撑未来城市“低碳、智能、高效”发展的战略要求。作为继海、空、公、铁之后的第五代新型物流及供应系统,地下物流系统(underground logistics systems, ULS)被广泛认为是改善城市环境和交通拥堵,提升城市物流服务供应绩效,释放城市土地资源,促进城市可持续发展的重要措施[5]。

基于ULS构建一种城市物流服务供应系统以符合智慧型和可持续发展型城市的要求成为必然。在成本和运输效率方面,为了解决交通拥挤堵塞问题,目前各大城市主要推广“分时间段”“分路段”限制通行的粗放、简单化的城市货运管理方案。由此而引发的物流成本上升、运行效率低下等成为各物流企业不得不面对的难题[8]。根据关于ULS成本和效率的研究显示,地下物流系统的综合成本约为地上道路运输的34.3%[9],运输时间减少83%[10]。Shahooei等[11]认为运行车头时距、装卸时间、运行速度和路线长度等因素会对地下物流系统运行效率产生重要影响,另外,ULS的收益与每天的发车次数直接相关; Shahooei等[12]认为装卸平台及其内部操作员和装卸工具的数量对ULS运营效率产生影响。李莉等[13]认为订单处理分级处理可提升配送效率。

在城市物流可持续发展方面,Dong等[14]认为运营ULS在环境效益以及社会效益方面均有良好的表现,环境效益主要体现在减少地面卡车的数量,从而减少废气排放;社会效益方面,可缓解交通拥堵,改善道路安全,减少土地使用,甚至提高区域活力和价值;Chen等[15]在上海洋山港ULS研究中得出相较于原物流供应系统,基于ULS的城市货运方式最高能使碳排放量减少91.40%。

现有文献结合地下物流的特征研究了ULS运营的问题。Chen等[16]强调发车间隔是影响ULS运营和调度的重要因素;Hu等[17]提出一种结合非支配分选和染色体重组策略的改进多目标协同进化算法,为提高ULS运输效率以及合理分配运能提供了参考;曾艾婧等[18]基于数字孪生技术建立与现实物流配送完全映射的3D模型模拟现有物流配送展开优化研究。从文献的数量来看,关于ULS运营方面的研究目前还处于初始阶段,而且多是对地下物流自身运营的研究。

尽管ULS凭借其独特的运输方式具有传统城市物流服务提供商难以企及的服务能力,但是,无论是从发展的角度还是从市场资源配置的角度来看,ULS作为城市交通方式的补充方案需要与原城市物流供应参与者进行互动合作。故现将ULS的运营商定位成从事城市物流服务的关键参与者。在文献[19]的基础上,选取实际城市案例,对基于ULS的城市物流服务模式进行设计,重点针对各参与方在新型供应系统中的资源配置与运营组织方式提供仿真解决方案,得到系统优化策略,以期为解决城市物流问题献策。

1 城市物流服务供应流程建模

1.1 案例介绍

选择研究团队前期已发表的案例[20]Alpha市的ULS网络为背景(图1)。该网络分为地面、地下两层,由2个物流园区(以下简称园区)、9个地下物流综合服务站点(以下简称服务站)和35个需求点构成。其中,园区位于地图边界,视为入城货物的发出点和出城货物的目的地;服务站定义为地下运输与地面配送的交接点,站内配备有终端云柜、上、下货区和垂直运输系统等物流设施。Alpha市的货运流量包含3个方面:园区至需求点的正向流量;需求点至园区的逆向流量;需求点之间的同城流量。

图1 Alpha市ULS网络规划Fig.1 ULS network planning of Alpha City

1.2 服务模式及订单排队原则

城市物流服务供应系统提供出城、入城和同城业务的专列A/B两种服务模式。假设所有入城货物均在园区处聚集,可设置货运订单生成模块来模拟入城业务的客户需求场景。在订单生成模块,根据订单内部包含的货物数量等级分为大、中、小3种类型的订单。

专列A模式聚焦于城市居民对于配送高效性需求以及生产制造企业对于“准时到货(just-in-time)”和“精益生产(lean production)”的需求。此模式下,“散户属性”是中小型订单的共同特征,该属性下的订单通过优先级的设置确定排队顺序,大型订单则具有“专列属性”。

园区装货的排队原则设置如下:优先安排“专列属性”的大型订单进入ULS机车车厢,当车厢剩余容量小于队列最前端的具有“专列属性”的订单货物量时,安排“散户属性”订单的货物按照优先级进入车厢,直至补满机车。当车厢剩余货运容量也小于队列最前端的具有“散户属性”的某个订单货物量时,机车出发。

在专列B模式下,“专列属性”订单与“散户属性”订单分阶段产生。该模式的服务场景是针对送达时效不敏感的大型订单客户,其订单排队原则是:首先,“散户属性”订单按照优先级依次进入机车;其次,“专列属性”订单货物装车时不再涉及“散户属性”订单补满机车,当车厢剩余货运容量小于队列最前端的具有“专列属性”的订单货物量时,ULS机车即可发运。专列A、B模式皆遵循一个订单内的所有货物必须在同一辆机车上的订单式服务原则。

从货运的角度来看,总体的运营流程如图2所示。

图2 基于ULS的城市物流服务供应系统运营流程Fig.2 Operation process of urban logistics service supply system based on ULS

1.2.1 入城业务

首先,订单产生及排队环节。订单在生成后会出现延迟处理的现象,需求管理部门则根据排队原则控制订单装车次序,并将实时的订单排队情况发送至信息中心;其次,ULS机车发车前准备环节。供应管理部门实时统计各服务站的剩余服务能力容量,并传递给信息中心,为ULS机车发车提供决策依据,而环境监测部则进行全流程碳排放记录,并实时更新数据。

最后,ULS运输及地面配送环节。当所有发车条件满足后,ULS机车从园区开出,途径服务站时,所属订单进入站点下货区,同时,该站点上货区存在的同向运输的订单进入ULS机车,随机车到达其所属站点,并在站点的下货区根据订单属性进行分流,一部分订单进入服务站的终端云柜,另一部分则通过垂直运输系统进入地上堆场等待,当订单满足配送车辆发车需求时,装车并运至所属需求点。

1.2.2 出城及同城业务

首先,订单在需求点产生,由于出城和同城的订单量较少,故按照先产生先出发的原则进行排队和装车,随后经配送车辆送达至服务站的上货区,等待ULS机车靠站,同时服务站向信息中心更新服务需求信息;其次,当机车靠站时,订单根据自身归属点进入相对应的机车。即定义ULS机车从园区发往中转站点为正向运输,则待出城的货物需搭载返向运输的机车,而同城订单则根据出发站点和归属站点的相对位置选择进入相对应机车;最后,订单随ULS机车到达对应的服务站或园区。

另外,无论入城、同城还是出城业务,基于规范运作流程的考虑,流通加工服务流程的位置需要在园区和服务站两者之间进行抉择,于是这成为系统优化的一部分内容。就运作流程而言,当流通加工布置在园区时(以下简称情景1),订单产生后根据订单属性选择装车前排队或进入流通加工排队;当流通加工布置在服务站时(以下简称情景2),订单进入站点下货区后,根据订单属性选择进入流通加工流程或进入电梯的排队队列。

1.3 供应系统服务绩效指标

1.3.1 客户满意度

在城市物流供应过程中,服务效率是影响满意度的重要原因。因此客户满意度将从以下几个指标中量化统计。

(1)

(2)

式中:Tc为单位订单处理时间;Da为总订单数量;Ta为总运营时间;Ao为准时率;Ds为小于等于标准时间的订单量。

另外,根据美国心理学家亚当斯提出的公平理论,当个体获得收益时,他们并不会只关心所获得收益的绝对量,而是将自己所获收益与所付出的努力之比值与他人相比来判定其所获收益是否公平。因此,需要增加各订单类型之间时效的对比。

散户订单满意度:

(3)

式(3)中:Rs为散户满意度;Tp1c为优先级1单位订单处理时间;Tp2c为优先级2单位订单处理时间。

配送车辆等待时间:

(4)

式(4)中:Taw为平均发车等待时间;Twdv为配送车辆等待总时间;Tnd为发车次数。

该指标主要用于观察配送服务、仓储、流通加工服务供应商以及ULS运营商的资源配置方式和数量是否合拍。

1.3.2 碳排放量

该指标用于测量供应系统在运营过程中对环境造成的影响,如式(5)所示。

(5)

式(5)中:ei为第i种运输方式的碳排放量;di为第i种运输方式的距离。

1.3.3 供应系统中各参与方的成本

1)配送服务成本

Cd=RAdDISd+(DEPd+WAGd)NUMdTd

(6)

式(6)中:Cd为配送服务成本;RAd为服务费率;DISd为线路里程;DEPd为单位车辆折旧费;WAGd为司机工资;NUMd为配置数量,含NUM的代数皆为数量相关参数;Td为服务完成时间。

2)仓储服务成本

Cscp=RAscpMUPscpTss+RAscpNUMPscpTscp+

DEPscpT

(7)

式(7)中:Cscp为流通加工服务成本;RAscp为站点单位货物处理费率;DEPscp为设施折旧费率;T为时间相关参数。

3)流通加工服务成本

Cpcp=RApcpNUMPpcp+DEPpcpNUMpcpT

(8)

式(8)中:Cpcp为流通加工服务成本;RApcp为站点单位货物处理费率;DEPpcp为设施折旧费率。

4)ULS运营成本

Cu=UECuDISuNUMTu+(DEPuNUMu+

WAGuNUMWu)T

(9)

式(9)中:Cu为ULS运营成本;UECu为单位机车能耗;DISu为线路里程;NUMTu为发车次数;DEPu为单位机车的折旧费率;WAGu为各站点配置人员工资。

2 仿真模型构建

供应系统仿真模型的架构依据Alpha市的轴辐式网络规划进行设计如图3所示。描述的服务供应流程、相关的行为原则和假设以及各指标数据的统计在仿真模型中通过设计流程模块、智能体、离散事件来实现。由于其他模块的设置需要依托各智能体来实现对应实体的行为特征,将从各智能体Agent设计的视角来说明仿真模型的功能实现过程。

图3 供应系统仿真模型结构Fig.3 Supply system simulation model structure

2.1 园区Agent模型

园区智能体的流程模块设计如图4所示,首先order A Source控件模拟生成入城业务需求订单,利用代码来实现提到的订单分类和排队原则,通过调用Order智能体生成相应的订单。另外,调整3个order A Source发生器的触发时间属性来实现专列A和专列B两种服务模式的分类;其次service控件的设置是为了实现情景1下的流通加工服务功能,通过调整process Capacity和num F参数来控制其服务能力,并且这些参数与成本形成关联,为模型优化打下基础;最后,delay控件是基于园区提供仓储服务而设置,与其服务成本有关的服务时间数据也在此处进行统计。

图4 园区智能体的流程模块Fig.4 Process module of park agent

Select Output控件主要是根据需求数据控制各类订单的分流及其数量。基于Alpha市案例规划的货运服务需求量置于附件中,在模型中,可通过initial Limit函数调用。另外,信息中心根据各站点实时反馈数据安排订单装载的设计,主要通过ULS机车发车控件generate Train Event调用capacity Download Zone参数和volumn Down Zone变量来实现。

2.2 服务站Agent模型

服务站是城市物流服务系统的中间节点,向上负责承接并发送园区及其他站点到达的货运订单,向下负责汇集各个需求点发出的货运订单,并在此统一装车发送。服务站模型流程如图5所示,select Output为流通加工配置方式控件,设置目的是方便流通加工服务设施配置方式的优化,默认状态下为false,即情景2状态。Select Output1是用来判断订单货物是否需要进行流通加工,service2代表仓储和流通加工服务,select Output2用于控制进入批处理和垂直电梯等待区的队列数量,将超过队列容量的订单货物暂存在堆场delay中,select Output3用于判断订单进入配送环节或终端云柜。正如上文中提到的服务站是地面配送的接驳点,因此服务站Agent需要调用配送车辆智能体Truck和Electric Tricycle。车辆调用函数take Away和车辆智能体控制事件的详细情况见附件。

图5 服务站智能体的流程模块Fig.5 Process module of service station agent

2.3 需求点Agent模型

需求点模型流程如图6所示,与园区智能体类似,两个order Source控件用于生成不同类型的订单(触发代码见附件)。Select Output、select Output1用于控制两种订单产生的货运订单业务量,当达到设置的需求量时,表示停止接收客户发出的订单。另外,需求点到达服务站的发车逻辑依然遵循单位订单内的所有货物必须由同一组配送车辆运达的服务原则。

图6 需求点智能体的流程模块Fig.6 Process module of demand point agent

3 仿真实验

3.1 模型参数与初始化

仿真实验背景是根据Alpha市规划案例中一定的货物量情况[20],模拟某一天城市物流服务供应系统提供服务的状况,4:00—24:00为系统运行时间,零点到四点为系统维护时间。在货物种类方面,模型采用平均质量3.5 kg和平均体积0.021 m3(275 mm×275 mm×275 mm)的标准包裹进行计算。在不确定环节,如每个订单包含的货物量、订单归属需求点等环节加入随机模块。最后,各流程时间,如ULS运行速度、发车间隔、配送速度等来自专家咨询和企业调研,以求尽可能真实地体现现实状况。

3.2 实验结果

首先将circulation Process参数设置为true,即在情景1状态下,系统显示台如图7(a)所示。当模型运行到4:26时发出第一班ULS机车,ULS运营成本开始明显上升,如图7(b)所示。从时间来看,符合25 min的发车间隔设置,并且园区流通加工能力能够满足的发车间隔需求。当模型运行5:17时,模型中出现首批到达需求点的订单,如图7(c)所示。但是当模型运行到7:56时,订单准时率断崖式下跌,如图7(d)所示,这可能与机车、配送车辆发车间隔过大或者配送车辆较少有关。在模型运行到23:22,最后一组回程的卡车到达目的地,到此基于ULS的城市物流服务供应系统一天的运营结束。虽然系统能够在最大运营时间内完成总作业量,但是订单准时率仅为17%,需要进行优化调整,具体数据如图7(e)所示。由于为初次实验,成本状况需对比后再做分析,另外配送车辆平均等待时间为5.36 min,根据经验判断较为良好。

图7 不同情景下ULS仿真结果展示Fig.7 Display of ULS simulation results in different scenarios

其次,将Circulation Process参数设置为False,即在情景2状态下,具体数据如图7(f)所示,相较于情景1,总运营成本有所增加,尤其是流通加工成本,但是ULS运营成本得到减少。并且流通加工成本的上升主要是由服务费率变化导致的,不能充分说明问题,所以需要进行多次仿真实验。

步骤1以准时率为优化目标,确定第一轮最优发车间隔。在各服务供应商初始服务能力条件下,经过多次试验确定ULS机车最优发车间隔为10 min,反复试验结果不变。

步骤2在此发车间隔条件下,首先调整流通加工服务供应商的能力,确定该状态下园区、服务站的流通加工能力分别为4 000和2 300。其次通过调整配送车辆数量和发车间隔寻求合适的配送服务能力。

步骤3重复以上步骤进一步寻找相对最优的资源配置方案,由于实验统计数据过多,统计图仅展示关键实验节点中各方案的输出结果。另外,由于流通加工产生的费用一般不计入城市物流服务成本,而在此处设置是出于服务流程完整性的考虑,故在总成本对比时排除此项。再者,由于模型中考虑配送外包的存在,有部分货物在服务站结束流程,为了体现供应系统相对真实的成本状况,故在统计时将配送成本放大两倍处理。

多次实验确定专列A模式下的最优配置方案如下:ULS机车和配送车辆发车间隔分别设置为5 min和15 min,当在情景1时,服务站配置卡车12辆和三轮车11辆;当情景2时,配置14辆卡车和11辆三轮车。单位货物的服务成本分别达到0.205 4元和0.196 6元,输出结果如图8(a)和图8(b)的专列A(T)9、专列A(F)9所示。

图8 不同情景下ULS专列A和专列B各方案结果Fig.8 Results of ULS special train A and B programs under different scenario

专列B模式方面,首先根据货运量确定入城业务的订单产生速度,由于该模式将散户订单和专列订单分阶段产生,所以根据各类订单货运量的比例,设置4:00—10:20为散户订单服务阶段,10:20之后为专列订单服务阶段。

优化依然从ULS机车发车间隔开始,其次是流通加工服务能力和配送服务能力,依次进行反复仿真实验。从仿真的效果来看,由于两种服务模式都采用订单式运输且尽量满载的服务原则,所以专列A模式的最优方案中流通加工服务能力、配送车辆的发车间隔设置在此处依然为相对最优配置,但是专列B模式对ULS机车的发车间隔以及服务站配送车辆的配置数量降低了要求。其最优配置为:当情景1(T)时,ULS机车的发车间隔设置为8 min,配送工具数量为卡车14辆三轮车9辆;当情景2(F)时,发车间隔为7 min,配送车辆分别为12辆和6辆。输出结果如图8(c)和图8(d)的专列B(T)8和专列B(F)7。

4 比较分析与优化建议

从优化效果的角度选取最优配置方案与临近关键实验节点方案进行对比分析,实验数据如表1、表2所示。首先,就专列A模式而言,前者较后者两种情景下的准时率升高, 并且,配送成本、ULS运营成本、仓储成本以及碳排放等都得到降低;但是,散户满意度也出现降低情况。从结果来看,一方面,随着流通加工、配送服务能力的提升,ULS的服务能力将成为系统服务能力的瓶颈,适时增加此项能力不仅能够提升供应系统效率,而且有助于降低运营成本;另一方面,由于系统效率的提升,订单在园区和服务站滞留时间以及机车使用时间的缩短,引起ULS成本和仓储服务成本的降低。

表1 专列A模式对照试验Table 1 Special train mode A control test

表2 专列B模式对照试验Table 2 Special train mode B control test

再者,随着系统供应能力的大幅提升,优先级2类订单的时效提升程度相对更快,这会降低优先级1类订单的满意度。因此,在未来服务供应系统的调整过程中应当关注此项指标的变化,当出现这种情况时,可以采取以下措施:①提高优先级2类订单价格或者降低优先级1类订单价格;②增加优先级队列更新时间来降低优先级2类订单因系统服务能力大幅提升而获益的程度。

在流通加工服务资源配置方面,情景2相较于情景1,碳排放量和主要成本都相对较低,但是流通加工的服务成本增长较多。所以该项服务资源的放置问题主要取决于其在服务站的成本能否实质性的降低,但是这一点需要在系统应用过程中结合实际进行判断。可采取的优化措施如下:①ULS运营商帮助流通加工服务供应商实质性地降低包括地下空间租金在内的成本;②提升该服务供应商对于降低成本的积极性。

专列B模式下,当适用于情景1的最优配置方案应用在情景2时,输出的成本和服务质量结果差强人意,反过来也同样成立。另外,该模式下,尽管情景2在散户满意度方面有所优势,但是前者在其余统计指标的表现上更胜一筹。而且,散户满意度问题可以利用所述的优化建议解决。因此,如果没有特殊需求,在规划条件下,优先考虑将流通加工服务设施放置到园区。

两种模式对比来看,虽然专列B模式较专列A模式成本稍有上升,但是两种模式下的相对最优配置输出的服务质量及成本状况相差不大,并且它们反映了不同的现实城市物流服务需求。所以,二者都可以在该服务供应系统运作过程中依据方案应用,并根据未来运行中的实际服务场景进行灵活调整,不必在二者之间选择其一。当然,如果在实际运营中出现两种模式之间调整成本过高或者操作复杂等问题时,可以考虑通过价格激励等手段刺激消费者向其中一种模式靠拢,也可以通过标准化调整流程等手段维持两种运营模式的系统灵活性。

5 结论

利用any Logic仿真软件建立了基于专列A和B两种服务模式的全流程ULS城市物流服务供应系统仿真模型,详细论述了仿真模型的建模过程、内部逻辑。通过仿真记录分析了仿真实验的过程。

依据仿真实验中各方案的统计指标输出结果得出两种模式下不同服务情景中相对最优的资源配置方案以及各配置方案下的ULS城市物流服务供应系统中服务质量和运行成本的表现情况,希望可为ULS更好地融入城市物流体系提供决策优化支持。