基于集群智能的智慧城市配送平台设计与研究

陈 双,李 旭,胥 松

(贵州道坦坦科技股份有限公司,贵州 贵阳 550000)

0 引言

随着我国国民经济的蓬勃发展,现代物流行业已经从过去的末端产业,逐渐上升为带动工业生产、推动居民消费的主导行业,市场空间巨大[1]。但是,由于当前城市配送物流现有水平参差不齐,尚不能完全满足社会各群体对物流效率和质量的要求,低效的城市配送物流服务模式普遍存在于各个行业与领域之中。同时,运输货物的不合理调度、运输资源的浪费及城市配送物流环节的低效整合也进一步增加了物流企业的运营成本、降低了利润率。以往的城市配送服务体系已经不能满足对物流组织效率和管理模式优化的需求,严重制约了城市配送物流行业的健康可持续发展,亟需从物流企业乃至整个城市配送物流行业的服务模式的专业化、信息化、智能化转变[2]。本文围绕城市配送数字化转型升级展开研究,通过构建专业的、规模化的、现代化的、整合能力强的智慧城市配送平台,加强城市配送优化运营的触角感知,进一步提升城市配送行业的网络化、数据化和智能化水平。

1 我国城市配送现状与问题分析

城市配送作为发展现代物流的关键环节,是保障和改善民生的重要基础,同时也是保障城市经济社会正常运行的重要支撑。城市配送的绿色可持续发展,对于整个市场经济、物流行业的降本增效具有重大意义[3],近年来,国家、地方层面均出台了相关政策,支持城市配送服务体系标准化、高效化建设。但是传统散、乱、杂的城市配送体制已不能满足城市发展需要,且制约着城市的经济发展,体现在供需难以协调、物流运力管理和保障不科学、流通手段落后、无法进行标准化协同管理[4]。主要存在的难点有:(1)由于各城市交通管制政策制约,不同城市配送车辆车型进入市区时段和区域受限;(2)城市交通路况复杂,市区交通过于拥堵且部分路况不佳;(3)城市配送运力资源调度不充分,运输车辆回程利用效率低;(4)城市配送基础设施不完善,停车卸货环境不佳;(5)城市配送车辆及人员缺乏统一管理和监督,配送过程中应急处理能力不足;(6)货运资源缺乏合理分配,运输工具难以实现市场细分和标准化作业。

2 构建智慧城市配送平台的需求和目的

城市配送作为物流闭环中的最后一环,在整个物流服务过程中起着极为重要的承接作用,是推进物流行业迈向社会化和专业化的重要支撑。目前,城市配送的物流环节协同不足,碎片化严重,物流供需信息缺乏有效的共享渠道和协调机制,信息化程度低、管理粗放[5]。随着大数据、物联网、人工智能、5G等信息技术在商业领域应用的不断深入,城市配送行业也亟需利用新一代信息技术,改变目前的城市配送服务模式以及运力资源的有效汇聚[6]。智慧城市配送平台正是适应新形势发展需求的产物,通过汇聚物流园区、社会闲散运力资源,利用平台实现城市配送供需智能化匹配,促成城市配送运力资源能够根据实际需求引导汇聚和分配,在有效降低城市配送物流成本的基础上,大大提高了服务品质和能效,带动城市配送物流产业服务体系向标准化、专业化发展,进一步提升城市配送资源的有效供给,增强物流企业核心竞争力[7]。

3 智慧城市配送平台总体设计

以实现城市配送运输透明化、路径最优化、配送智能化及管理和决策科学化为目标,打造覆盖全城镇、物流园区、社会闲散运力的城市配送综合服务体系,进行运力培养和考核,制定统一的标准化服务方案,形成以平台集中管控、运力资源统一调度为主要特征的物流供需匹配和闭环服务模式,快速汇聚城市物流供需资源,推进平台化、信息化技术在城市配送体系的融合应用,构建覆盖城市物流配送、运力资源调度、物流供需智能匹配等为一体的智慧城市配送平台,实现线上运输管理系统(Transportation Management System,TMS)和线下标准操作程序(Standard Operating Procedure, SOP)互动的体系模式。其中,TMS包括订单派发及签约、车辆配送管理、在途监控、动态排线、线路规划和优化、异常报警和处理、保单触发和生成等;SOP包括装卸、清点核货、搬运、运输、代收款、票据、出入仓操作、退货返仓、行业业务知识、行业操作规范与流程。同时,利用平台不断积累城市配送数据资源,构建城市配送数据中心,汇聚城市配送运力资源、运输路径、订单管理、人员监管等数据信息,提供数据存储管理、数据交互管理、数据分析管理、数据安全管理以及数据抓取-转换-加载(Extract-Transform-Load, ETL)等,并融合基于改进蚁群算法城市配送资源动态优化模型、多目标城市配送最佳路径匹配技术和城市配送订单智能分配技术,实现配送资源的优化配置和智能化分配,通过规范化、标准化运作,引入多种城市配送和金融创新产品,通过平台提供批量化客户服务,实现配送规模化,共同打造城市绿色货运配送新模式。

4 智慧城市配送关键技术研究

4.1 基于改进蚁群算法的城市配送资源动态优化模型

城市配送中的车辆、货物、路况等资源会随时间发生变化,从本质上来说是典型的动态优化问题,相较于静态的资源优化配置,求解动态资源优化问题更具难度,需要跟踪随时间变化的接续的最优资源配置。蚁群算法是一种用于寻找优化路径求解的概率型算法,适用于求解城市配送资源动态优化,但是该算法在求解过程中存在效率较低、易早熟等缺点。采用模拟退火与蚁群混合的算法可以有效提高原有算法的收敛速度,从而有效提高算法效率,避免陷入局部最优。模型在城市配送区域划分的基础上,结合城市配送作业特点,搭建以各配送区域配送车辆分配数量为决策变量,以综合配送成本最低为目标,考虑配送时间、车辆容积和载重、配送资源总量等多种约束的城市配送资源动态优化模型,通过改进蚁群算法,实现智能化配送。

4.2 基于多目标的城市配送最佳路径匹配技术

无论是从客户对物流实效性的要求,还是物流公司在配送时对成本控制的要求,亦或是对城市交通压力缓解的要求等方面考虑,都需要更加实用合理的城市配送路径规划,即将商品从配送中心配送到各客户的路径优化问题[8]。城市配送最优路径规划,不只是平常意义上的距离最短,更重要的是综合考量整个配送路径的经济成本、时间成本和通行成本,最大限度提升配送路径利用率,因此该问题属于多目标优化问题[9]。粒子群优化算法是另一种常用的多目标优化算法,该算法模拟鸟类群体中的信息传递和协作行为,能够有效解决多目标背景下城市配送最佳路径寻优问题。将配送路径评价指标的运输成本、运输时间、运输安全性、路径拥堵复杂情况作为独立的粒子,整个搜索空间包括粒子的位置和速度,根据目标函数将搜索空间中的粒子进行迭代,并努力找到全局最优解,进而实现城市配送最佳路径匹配,在兼顾运输企业的运输成本以及有效时间的基础上,通过合理规划车辆行驶路径,完成对所有客户的订单配送任务[10]。

4.3 基于强化学习的城市配送订单智能分配技术

城市配送平台的核心竞争力在于配送效率,配送效率的提高不仅可以直接提升平台品质,也间接提高了整个平台的运转效率。订单匹配作为配送效率中最为重要的一环,直接决定了配送效率的高低,是平台方技术进步的关键体现。传统运输车辆订单匹配方法大多仅针对短期目标进行优化,导致了调度策略短视的问题,无法实现对复杂交通环境的建模。强化学习算法的本质是在环境中不断尝试获取到奖励和惩罚,并且根据过去的信息从环境中积累经验,最后达到最优策略,适用于解决城市配送订单智能分配问题。通过将订单位置、车辆位置、货物数量、等待时长等动态信息融合时间参数进而转化为强化学习算法决策过程,通过智能的系统和算法组合,最大程度提高配送时效性,缩短物流配送时间,利用有限的配送资源进行合理配置,实现城市配送订单分配的智能化。

5 结语

随着线上电商平台和线下实体经济快速发展,社会经济和消费者价值观也在随之转变,对城市配送服务的要求也更加专业、严格和多样化。只有更加高效、安全、高质量的配送服务体系才能进一步满足消费者需求,这对城市配送集约化控制能力提出了一定的挑战。本文围绕城市配送的现状与问题展开论述,设计了智慧城市配送平台,通过推进平台化、信息化技术在城市配送体系的融合应用,有效促进城市物流产业转变发展模式和发展方式。