徐少堃

(安徽審計(jì)職業(yè)學(xué)院 商學(xué)系，合肥230001)

近幾年，我國(guó)農(nóng)產(chǎn)品物流行業(yè)獲得了快速發(fā)展，但城市數(shù)量的增長(zhǎng)速度要遠(yuǎn)遠(yuǎn)大于物流產(chǎn)品發(fā)展步伐，這就使得城市群內(nèi)農(nóng)產(chǎn)品物流管理問(wèn)題日益突出，而這毫無(wú)疑問(wèn)嚴(yán)重影響區(qū)域經(jīng)濟(jì)的發(fā)展[1-3].駕駛員每天在城市各道路上進(jìn)行物流運(yùn)輸，基于其職位特征，需要駕駛員在駕駛過(guò)程中選擇一條最優(yōu)的路徑，從而減少行駛時(shí)間[4-5].傳統(tǒng)的農(nóng)產(chǎn)品物流管理模式，往往需要能夠結(jié)合城市群的分布特點(diǎn)[6]，以從中找到距離與時(shí)間最短的路徑，很多學(xué)者為了得到最短路徑，從延誤、限制等角度出發(fā)，并且將道路收費(fèi)等因素考慮其中，而且還探究分析了費(fèi)用最少的路徑.

在城市交通道路上處處可見(jiàn)駕駛員的身影，他們?cè)谖锪髋渌偷倪^(guò)程中已經(jīng)對(duì)城市交通十分熟悉，但是在最優(yōu)路徑選擇的方面能力還很有限.因此，本文提出基于云端物流整合信息管理系統(tǒng)，針對(duì)動(dòng)態(tài)初始物流信息背景下區(qū)域經(jīng)濟(jì)的發(fā)展，結(jié)合云端物流整合方法構(gòu)建提出了動(dòng)態(tài)物流路徑規(guī)劃.實(shí)驗(yàn)結(jié)果表明：本文構(gòu)建的信息管理系統(tǒng)可以根據(jù)動(dòng)態(tài)的道路信息快速制定出最佳路徑.

1 云端物流整合信息算法

本文以路徑選擇信息素等級(jí)作為特征指標(biāo)，使得城市物流管理都能夠進(jìn)行等級(jí)劃分，而且還可進(jìn)行量化分析.將GPS采樣點(diǎn)插入到了單臺(tái)云端物流整合軌跡各路段中，并且對(duì)于相同路段，兩個(gè)采樣點(diǎn)的距離與時(shí)間間隔作除法，得到了平均通行速度.以此為基本前提，就該時(shí)段內(nèi)云端物流整合平均速度進(jìn)行了分析，最終可得到在該時(shí)段內(nèi)具有的平均通行速度Vi(t)：

(1)

通過(guò)對(duì)該時(shí)段內(nèi)該路段對(duì)應(yīng)平均通行速度的計(jì)算，能夠得到平均通行時(shí)間，即

(2)

式(2)中，Li代表的是路段i的長(zhǎng)度.

本文考慮到存在的物流數(shù)據(jù)量很大，而且在各路段上與統(tǒng)計(jì)學(xué)分布規(guī)律也是相符的，則對(duì)于路段i，在[Tstart,Tend]這一時(shí)間范圍內(nèi)，物流車(chē)量的通行頻率Ri(t)可進(jìn)一步簡(jiǎn)化，具體形式如下：

(3)

式(3)中，Δl代表的是采樣距離間隔；Δt對(duì)應(yīng)表示的是時(shí)間間隔；ΔT反映的是采樣的終止時(shí)間與起始時(shí)間之差；該路段上的平均速度為Vi.

將得到的通行頻率Ri按照遞增順序進(jìn)行排序，能夠得到{(1,R1),(2,R2),…,(i,Ri)}.分析可得，在起始時(shí)間[X0,X1]內(nèi)聚集著具有較低通信頻率的部分，而且頻率值的增長(zhǎng)是非常慢的.如果達(dá)到了一定閾值后，則在該區(qū)間內(nèi)，主體物流對(duì)應(yīng)的通行頻率將會(huì)表現(xiàn)為十分突出的指數(shù)分布特征.但是在整個(gè)路段分布中，這一區(qū)間的占比也非常少.

基于云端物流整合信息的分布情況，云端物流整合頻率等級(jí)c(Ei,t)可通過(guò)式(4)給出：

(4)

式(4)中，RX1、RX2、RXmax分別為路段，X1、X2、Xmax對(duì)應(yīng)的通行頻率；a為用于信息管理頻率分級(jí)的重要參數(shù).

2 城市群內(nèi)云端物流整合信息管理模型

云端物流整合在選擇物流路徑的時(shí)候需要考慮的因素有很多，包括路徑的長(zhǎng)度、已經(jīng)具體的時(shí)間、當(dāng)時(shí)的路況、所需的費(fèi)用等等.這些將會(huì)受到?jīng)Q策變量的影響，而且彼此是存在沖突的，而導(dǎo)致無(wú)法進(jìn)行合理的調(diào)和.整體來(lái)講，是很難于解空間中得到最優(yōu)解的，該問(wèn)題屬于多目標(biāo)組合制定出行問(wèn)題.在本文中，對(duì)于動(dòng)態(tài)時(shí)間序列，包括行駛物流管理過(guò)程中有關(guān)道路選擇積累的經(jīng)驗(yàn)，構(gòu)建了公眾出行物流管理模型，具體表示如下：

R(Ei,t)=E[S(t),T(t),P(t)]

(5)

式(5)中，S(t)代表的是對(duì)應(yīng)時(shí)段t內(nèi)，路徑具有的出行距離；T(t)反映的則是在該時(shí)段中，對(duì)應(yīng)的出行時(shí)間；P(t)反映的是相對(duì)的信息素等級(jí)；E[S(t),T(t),P(t)]則是基于上述因素構(gòu)建的決策制定模型；R(Ei,t)代表的則是基于云端物流整合信息素，進(jìn)行的公眾出行路線規(guī)劃.構(gòu)建該模型的主要目標(biāo)是為了確保路徑盡量短，而且所需時(shí)間盡量少，對(duì)應(yīng)的信息素等級(jí)應(yīng)當(dāng)是比較高的，關(guān)于S(t)、T(t)、P(t)的計(jì)算表達(dá)式分別為

(6)

(7)

(8)

式(6)～(8)中，V(En,t)表示的是在該時(shí)段內(nèi)En上具有的平均速度.

如果目標(biāo)之間具有博弈關(guān)系，那么在對(duì)此進(jìn)行分析時(shí)，一般需要參考經(jīng)驗(yàn)來(lái)實(shí)施決策.在本文中所設(shè)置的目標(biāo)決策函數(shù)，圍繞的是通行時(shí)間、路徑距離等信息素展開(kāi)的分析，在此基礎(chǔ)上開(kāi)展的綜合性考慮，可通過(guò)式(9)表達(dá)決策函數(shù):

(9)

式(9)中，S′、T′、P′分別為S(t)、T(t)、P(t)標(biāo)準(zhǔn)化后的值;w1、w2、w3依次表示的是S′、T′、P′的權(quán)重.

在本文中將云端物流整合制定出行系統(tǒng)引入模型的構(gòu)建，而且基于其具有的正反饋原理，與其于局部搜索中的特征，基于決策函數(shù)約束條件，可以選擇最為恰當(dāng)?shù)乃阉鞑呗?，而且能夠確保螞蟻可在解集范圍內(nèi)進(jìn)行路徑尋找，從中獲得最為滿意的解.

3 試驗(yàn)分析與比較

本文結(jié)合云端物流整合數(shù)據(jù)，選擇了徽州區(qū)農(nóng)產(chǎn)品在城市群內(nèi)產(chǎn)品物流部分路段進(jìn)行實(shí)例驗(yàn)證.基于Java+ArcEngine平臺(tái)進(jìn)行了試驗(yàn)，而且在信息素的基礎(chǔ)上進(jìn)行了物流管理，因?yàn)闊o(wú)法得到當(dāng)前的遙感影像，并且考慮到實(shí)際中城市交通是處于動(dòng)態(tài)變化之中的.因此，在不同的工作日中，相同的時(shí)間段下，對(duì)應(yīng)的路況水平存在較大相似性.在本文中，分析了高精度遙感影像，利用該影像能夠?qū)Ω鲿r(shí)段交通狀況進(jìn)行較為客觀的反映.如圖1所示.在該路段，具有較大的車(chē)流量，而且道路占用率也是相對(duì)較高的，并且整個(gè)通行速度是非常慢的，城市群內(nèi)農(nóng)產(chǎn)品物流管理程度較大，行車(chē)需要等待較長(zhǎng)時(shí)間.

圖1 2種系統(tǒng)規(guī)劃路線與物流人員實(shí)地路線對(duì)比

某駕駛?cè)藛T已經(jīng)有過(guò)30年的駕駛物流管理經(jīng)驗(yàn)，每天上午十點(diǎn)半出發(fā)，利用GPS來(lái)對(duì)其軌跡進(jìn)行記錄，每隔一秒進(jìn)行一次數(shù)據(jù)采集工作.如圖1所示為2種系統(tǒng)規(guī)劃路線與駕駛員實(shí)地路線對(duì)比.圖1中的A、B、C分別為選定的三條街道.

對(duì)比分析后能夠發(fā)現(xiàn)，利用本文系統(tǒng)進(jìn)行的物流管理，與駕駛?cè)藛T所選擇的路徑，都不會(huì)選擇這些路徑.故此，所需通行時(shí)間是較長(zhǎng)的，而且實(shí)驗(yàn)結(jié)果也驗(yàn)證了.本文結(jié)合駕駛?cè)藛T的經(jīng)驗(yàn)實(shí)施的物流管理，類(lèi)似于駕駛員的路徑選擇.存在差異的部分是由于該路段臨時(shí)施工，駕駛員選擇繞路.

在進(jìn)行的試驗(yàn)中，將云端物流整合數(shù)據(jù)庫(kù)以及本文制定出行路徑中，提取了含有起止時(shí)間的，駕駛員進(jìn)行的路徑選擇與規(guī)劃，并且將其展開(kāi)了對(duì)比分析，結(jié)合式(10)計(jì)算得出了路徑相似度.

(10)

式(10)中，s表示的是云端物流整合軌跡與本文系統(tǒng)制定出行路徑之間具有的相似度，其中：與云端物流整合軌跡完全一致的軌跡條數(shù)為F，A代表的是云端物流整合軌跡總數(shù)，p代表的是路徑中與劃路徑部分一樣的云端物流整合軌跡條數(shù)，在該軌跡上相同軌跡長(zhǎng)度為L(zhǎng)(b)；Lt代表的是利用本文系統(tǒng)進(jìn)行規(guī)劃得到的路徑長(zhǎng)度.

如表1所示，即為在5個(gè)不同地點(diǎn)進(jìn)行試驗(yàn)所得到的結(jié)果.對(duì)比后發(fā)現(xiàn)，連接5個(gè)節(jié)點(diǎn)來(lái)制定出行路徑，和云端物流整合數(shù)據(jù)庫(kù)結(jié)果具有將近90%的相似度.在本文中，合計(jì)進(jìn)行了10組試驗(yàn)，系統(tǒng)制定出行路徑和云端物流整合模擬路徑，最低相似度為85.5%，最高將近92.2%，平均相似度為89.2%.

表1 系統(tǒng)制定出行路徑與云端物流整合軌跡數(shù)據(jù)相似度

4 結(jié)語(yǔ)

以徽州區(qū)農(nóng)產(chǎn)品營(yíng)銷(xiāo)情況為依據(jù)，針對(duì)動(dòng)態(tài)初始物流信息進(jìn)行整合，同時(shí)結(jié)合云端物流整合算法設(shè)計(jì)了動(dòng)態(tài)信息管理系統(tǒng).實(shí)驗(yàn)結(jié)果表明本文構(gòu)建的云端物流整合信息管理系統(tǒng)，在物流管理方面更具優(yōu)勢(shì)，能夠?yàn)槌鞘腥簝?nèi)農(nóng)產(chǎn)品營(yíng)銷(xiāo)提供實(shí)時(shí)最佳的運(yùn)輸途徑.