摘 要：隨著現(xiàn)代物流與大數(shù)據(jù)技術的快發(fā)展，大數(shù)據(jù)分析在物流領域發(fā)揮越來越重要的作用。為了快速適應現(xiàn)代物流發(fā)展趨勢，在多車場狀態(tài)下有效降低成本，提高作業(yè)效率，探究大數(shù)據(jù)技術在多車場動態(tài)車輛路徑問題中的應用成為研究的熱點。本文結合工作實踐，以大數(shù)據(jù)分析技術為研究視角，基于交通流的多車場動態(tài)車輛路徑規(guī)劃問題進行研究，并提出針對性的建議。

關鍵詞：現(xiàn)代物流;大數(shù)據(jù);車輛路徑;交通流

隨著現(xiàn)代經濟的快速發(fā)展，社會對物流行業(yè)發(fā)展的要求越來越高，而且物流行業(yè)在國民經濟中的地位越來越高。相關統(tǒng)計數(shù)據(jù)顯示，不同國家物流成本在GDP中的占比存在較大差異，在歐美發(fā)達國家，物流成本約占GDP的10%，在中等發(fā)達國家，物流成本約占GDP的16%，而我國目前物流成本約占GDP的18%。由此可見，積極探索現(xiàn)代技術融入物流行業(yè)發(fā)展，充分發(fā)揮大數(shù)據(jù)技術提升物流效率、降低物流成本，對國民經濟發(fā)展具有積極的意義。

1.多車場車輛路徑問題

（1）多車場車輛路徑問題描述

在傳統(tǒng)單車場模式下，車輛在單一車場規(guī)劃下完成客戶任務。但隨著物流業(yè)的高速發(fā)展，以及物流配送任務的網(wǎng)絡化、專業(yè)化和復雜化，單一車場模式很難滿足多客戶需求，且容易造成成本過高、效率下降等問題。在大數(shù)據(jù)技術的支持下，企業(yè)開始建立多個配送中心，面對多客戶個性需求，實現(xiàn)小批量、小范圍、近距離、多批次的配送活動。在這種情況下，需要對車輛路徑進行重新規(guī)劃、設計與優(yōu)化，涉及要素包括車場、配送車輛、運輸網(wǎng)絡、配送貨物、客戶、模型的目標函數(shù)與約束條件等。

多車場車輛路徑問題是在單車場車輛路徑問題上發(fā)展而來的，對于多車場車輛路徑問題的解決，涉及到更多的因素，而且也更加貼近生產實際。在多車場下，為滿足不同客戶的不同需求，所有車場均可同時為這些客戶服務，并在各種約束條件下，通過科學的車輛路徑安排，完成配送活動。為客戶服務完成配送是最基本的目標，而從降低成本、提高效率的目標來看，如何高效規(guī)劃車輛路徑，使動態(tài)車輛路徑最優(yōu)化是目前需要解決的多車場動態(tài)車輛路徑問題。

（2）問題處理方法

從目前學術研究領域關于多車場車輛路徑問題的研究成果來看，車輛路徑問題處理的方法主要有兩種，一種是整體法，另一種是分解法。

相對于單一車場車輛路徑問題的解決而言，多車場的問題則要復雜的多，在求解中需要涉及到海量數(shù)據(jù)，而且求解的算法也相對復雜，這就需要引入大數(shù)據(jù)技術，借助大數(shù)據(jù)分析能力，尋找最優(yōu)化答案。在分解法方案下，參考單一車場車輛路徑問題的解決方法，將多車場車輛路徑問題轉化為幾個單車場車輛路徑問題進行逐一求解，運用模型公式獨立求解最優(yōu)化方案，然后再將這些獨立的最優(yōu)方案組合起來，最終得到多車場車輛路徑問題最優(yōu)化解決方案。在這個過程中，轉換方法是最終獲得最優(yōu)化解決方案的關鍵，也就是說尋求一種轉換策略，使不同客戶按照要求分配到不同車場，已獲得最優(yōu)答案。但實踐中，分解法一定程度上破壞了整體最優(yōu)化求解的思路，影響了全局尋優(yōu)能力。

整體法求解時，將多車場視作一個整體，以單一車場的思路不分配具體客戶，而是每個車場都能服務各客戶。這種方法下，計算變得更加復雜，對大數(shù)據(jù)分析的要求更高，求解最優(yōu)化方案的步驟變得更多，因此如何有效簡化步驟是該方法的關鍵。整體法能夠很好的體現(xiàn)整體最優(yōu)化的思路，并且真正達到整體最優(yōu)化，使其能夠獲得比分解法更好的效果。

從目前越來越發(fā)達的物流業(yè)發(fā)展情況來看，客戶對物流的要求越來越高，而且呈現(xiàn)多元化，在大數(shù)據(jù)技術的支撐下，可以嘗試將整體法與分解法融合，集二者優(yōu)點，在降低計算量的同時，還避免陷入局部最優(yōu)，從而獲得整體最優(yōu)化方案。

2.交通流與車輛路徑問題關系

（1）交通流對車輛路徑影響

交通流是指車輛在道路上連續(xù)行駛形成的車流，其基本要素是人、車輛、道路，從交通流可衡量道路交通的實時情況，一般用交通流量（Q）、車輛密度（K）和行車速度（V）三個參數(shù)進行定量描述，三者關系為：

交通流量=車輛密度×行車速度（Q=KV）

實踐表明，交通流要素對多車場動態(tài)車輛路徑問題具有最直接、最明顯的影響，這是顯而易見的。通常當交通流量較大時，說明道路上車輛密度較大，行車速度相對較小，這會影響車輛配送時效，造成配送時間大幅增加，進而影響貨物到達客戶的時間。在這種情況下，運用大數(shù)據(jù)技術，充分發(fā)揮大數(shù)據(jù)分析的作用，計算歸納出每日道路上交通流量的時段特征，并劃分為自由流、過渡、排隊擁擠三個階段，并根據(jù)三個階段的交流通特征與具體交通流量數(shù)據(jù)分布情況，以及配送任務的情況，合理設置車輛路徑，以尋求多車場動態(tài)車輛路徑最優(yōu)化解決方案。

（2）不同交流通下速度分布

交通流最多車場車輛路徑問題的影響主要表現(xiàn)在對車輛行駛速度的影響，一般是交流通量越大，車輛行駛速度越小，反之則越快。如果僅以簡單的確定性函數(shù)進行定量計算，顯然不能有效避免交通流變化的波動性和隨機性，因此需要更細致、準確的分析模型，在大數(shù)據(jù)分析的基礎上真實反映速度與車輛路徑間的關系。結合學術研究領域的相關研究成果，在不同交通流狀態(tài)下，速度分布呈現(xiàn)不同的特征，通常在自由狀態(tài)下，速度分布符合對數(shù)正態(tài)分布，而隨著交通流量的增大，速度分布接近正態(tài)分布，這時可接速度分布構建多車場車輛路徑問題分析模型如下：

3.大數(shù)據(jù)分析下車輛路徑問題最優(yōu)解分析

結合構建的分析模型，在多車場狀態(tài)下，車輛路徑問題解決需要建立在大數(shù)據(jù)分析的基層上，選擇遺傳算法進行計算。遺傳算法是一種隨機搜索法，其基本步驟為：產生初始解→評估適應度→形成匹配集→繁殖→最優(yōu)解判斷。在多車場車輛配送問題的解決上，先明確車場數(shù)量，并進行標號，然后明確每個車場的車輛及編號，以及客戶數(shù)量和要求。之后計算出每輛車的固定成本與單位時間運輸成本，然后進行速度分布參數(shù)設置，根據(jù)車場信息表、客戶坐標位置及需求量表等信息，運用分解法和整體法對模型進行求解，最終數(shù)據(jù)最優(yōu)化解決方案。

參考文獻：

[1]李波，邱紅艷.基于雙層模糊聚類的多車場車輛路徑遺傳算法[J].計算機工程與應用.2014.5

[2]閆凱，李愛光，郭健，陳冰.基于時間窗的多車場車輛路徑問題研究[J].地理空間信息.2017.5

[3]徐君翔，郭靜妮.基于大數(shù)據(jù)平臺下的物流配送車輛路徑問題研究[J].交通運輸系統(tǒng)工程與信息.2018.S1

[4]浦攀.基于實時信息的動態(tài)車輛路徑問題模型與算法研究[D].杭州電子科技大學.2019

基金項目 ：邵陽市科技局科研項目（2018GX23，2019ZD23）

作者簡介：

鄧波，男，碩士，講師。研究方向：計算機網(wǎng)絡、大數(shù)據(jù)。

（邵陽學院信息工程學院 ? 湖南 邵陽 ?422004）