李 旭，劉兆惠 （山東科技大學 交通學院，山東 青島266000）

0 引 言

盒馬鮮生超市的主要目標客戶為80 后、90 后等年輕消費者，為消費者提供高品質(zhì)的食品和快速服務。截至2020 年2 月，根據(jù)官網(wǎng)統(tǒng)計盒馬鮮生超市已經(jīng)有150 多家門店，遍布在全國21 個城市，主要分布在北上廣深等發(fā)達一線城市及武漢、成都、杭州、西安等新一線城市，近年也逐漸向福州、?？凇⑶鄭u等二線城市擴張[1]。其業(yè)務范圍包括線上和線下兩個渠道，線下主要是利用以自營生鮮門店作為實體零售終端，為消費者提供高品質(zhì)產(chǎn)品和優(yōu)質(zhì)體驗服務，線上渠道主要是顧客通過線上APP下單，由門店配送員進行上門配送，新零售生鮮電商門店提供的末端配送服務是新零售生鮮電商為線上顧客提供產(chǎn)品服務的重要環(huán)節(jié)，是提高顧客消費體驗的重要手段，其配送效果直接影響線上消費者的產(chǎn)品體驗，本文以新零售生鮮電商的原型標桿盒馬鮮生為研究對象，分析其在末端配送過程中存在的問題，根據(jù)存在的問題找到合理有效的方法規(guī)劃末端配送路線。

1 盒馬鮮生物流配送作業(yè)流程

盒馬鮮生門店后臺系統(tǒng)在接收到顧客訂單信息后大致經(jīng)過處理訂單信息、分揀、打包及配送員配送以及客戶確認收貨售后處理。

（1） 處理訂單信息

客戶通過手機APP 查看是否在門店的配送范圍內(nèi)，以及選擇購買的門店，其次挑選好需要的產(chǎn)品加入購物車，挑選完畢后統(tǒng)一結算，填寫收貨地址及收件人等信息，選擇送達時間，服務時間為07:45~21:15，付款方式只能只用盒馬鮮生APP 綁定的支付寶付款。在客戶下單后，門店后臺系統(tǒng)接收到訂單并對訂單進行處理。

（2） 分揀

門店后臺將訂單信息發(fā)送到前店工作人員的手持終端上，由同一個工作人員通過摘果式的方式將訂單上的所有物品全部揀選完畢后裝入專用的保溫揀選袋，并把揀選袋掛到懸掛鏈上輸送到后臺合流區(qū)，當前訂單任務完成，繼續(xù)進行下一訂單任務[2]。每一個揀貨的工作人員每次僅處理一份訂單，在當前訂單全部揀選完畢后方可進行下一單任務。

（3） 包裝

后臺合流區(qū)收到前店輸送的揀貨袋后對訂單信息進行核實，核實無誤后將所有物品進行包裝，主要使用紙箱、泡沫箱等包裝材料，并將打包好的箱子放入專用配送箱。在現(xiàn)實包裝過程中可能會根據(jù)不同物品的特性加入特殊的包裝材料來單獨包裝，而不是統(tǒng)一進行包裝，如對溫度要求較高的食物會加入保溫或保濕袋。

（4） 配送

配送員將打包好的箱子裝入專用配送箱，根據(jù)訂單要求的配送時間及配送地址進行上門配送，同一個門店的配送車輛都是同一型號兩輪電動車。

2 盒馬鮮生在末端配送中存在的問題

（1） 配送路線未經(jīng)過合理規(guī)劃

盒馬鮮生的后臺系統(tǒng)在進行訂單配送信息發(fā)布時，僅對訂單進行搶單式分配，關于搶單成功后的配送路徑并沒有進行規(guī)劃。配送員在拿到配送訂單后，往往憑借配送經(jīng)驗對配送路徑進行選擇，但有些配送員為了搶單多獲得配送任務，對搶到的訂單配送地址可能并不熟悉，這時候僅憑借配送經(jīng)驗選擇配送路徑出錯率較高，造成訂單不能按時配送的現(xiàn)象，影響顧客滿意度。因此合理的配送路線不僅能保證顧客的時間要求得到滿足，更能提高公司的配送服務質(zhì)量。

（2） 配送成本過高

盒馬鮮生的線上訂單采用用戶每天首單無門檻免費配送方式，在訂單金額較小時，除去運輸成本、包裝分揀人工成本，一個訂單的利潤可能難以支付配送員的提成。當出現(xiàn)不合理的配送路徑使得總訂單的配送質(zhì)量受到影響時，不得不增加配送員的數(shù)量來保證訂單能及時送到，直接導致配送成本增加。若不能嚴格控制配送成本，門店利潤入不敷出是常見現(xiàn)象。

（3） 配送準時性難以保證

盒馬鮮生的配送特色是對訂單的響應能力強，30 分鐘內(nèi)送達，但在實際配送過程中時常出現(xiàn)早于或晚于配送時間要求的現(xiàn)象，很多在APP 上下單的顧客都是上班族，打算在下班到家時能及時收到菜品，才能不耽誤下午上班，若提前送達，會出現(xiàn)配送不成功，若晚于約定時間送達，耽誤顧客的時間，使得不少顧客產(chǎn)生抱怨情緒，配送服務和用戶體驗都會直接受到影響。配送服務質(zhì)量是線上購物滿意度的一個重要因素，準時的配送不僅能提高顧客滿意度，更能增加顧客粘性。

3 建立模型

3.1 問題描述及符號說明

此VRPTW 可以描述為：盒馬鮮生門店有若干輛兩輪電動車，需要向N個客戶提供上門配送服務，配送車輛從門店出發(fā)，根據(jù)顧客要求的配送時間依次進行配送，最終返回門店進行下一次的配送。其中，顧客的地理位置已知，每輛車K的最大裝載量為Qk，顧客點i到顧客點j的距離為dij，顧客要求配送的最早和最晚時間分別為ETi和LTi，配送服務車輛數(shù)為K，需要服務的顧客數(shù)量為N，顧客i的貨物重量為qi，配送員為顧客i提供服務的時間為λi，配送車輛從顧客點i到顧客點j的行駛時間為tij，Xijk是0-1 型變量，當Xijk=1 時表示車輛k從顧客點i駛向顧客點j，當Xijk=0 時表示車輛k沒有從顧客點i駛向顧客點j，Xik是0-1 變量，當Xik=1 時表示車輛k為顧客點i提供服務，當Xik=0 時表示車輛k沒有為顧客點i提供服務。

3.2 模型假設

（1） 假設門店倉庫產(chǎn)品供應量大于出售數(shù)量，不存在缺貨現(xiàn)象。

（2） 假設配送路徑為門店—顧客間的單向配送，只涉及產(chǎn)品配送，不包括回收退貨任務。

（3） 假設同一門店的配送車輛是統(tǒng)一規(guī)格的。

（4） 假設配送車輛在配送途中的行駛速度是不變的。

（5） 假設配送道路上不存在交通擁堵等情況。

（6） 配送員服務單個顧客的時間是一樣的。

3.3 目標函數(shù)設計

（1） 配送總里程目標函數(shù)設計

（2） 顧客滿意度目標函數(shù)設計

將顧客滿意度函數(shù)通過梯形函數(shù)來表示，顧客要求的配送時間窗為［ETi,LTi］，大多數(shù)顧客可以接受配送時間點比要求的配送時間窗提前或推遲一點時間，設顧客可接受的配送時間窗為［eti,lti］，橫坐標ti表示配送時間，縱坐標f ti（）代表顧客滿意度，顧客滿意度與配送時間的關系圖如圖1 所示：

圖1 顧客滿意度函數(shù)

由圖1 可以得出，配送的具體偏離時長為：

則顧客滿意度函數(shù)為：

目標函數(shù)為：

3.4 約束條件

4 算法設計及驗證

4.1 算法設計

遺傳算法采用概率搜索規(guī)則搜索方向，引導整個搜索過程向更優(yōu)解空間移動，并且遺傳算法具有可以并行執(zhí)行，算法效率高，能夠處理復雜問題，較高的全局搜索能力等優(yōu)點[3]，相結合本文所建立的模型特點，選擇遺傳算法作為此模型的求解方法。

（1） 確定編碼方式

由于本文研究對象是路徑規(guī)劃，所以染色體的編碼采用自然數(shù)編碼方式，染色體中的基因順序表示在一次配送路徑中依次被配送的順序，每一個基因代表一個顧客，其中0 表示從盒馬鮮生門店出來的配送員。例如，一個有10 個顧客需要3 輛配送車的路徑優(yōu)化問題，編碼為［0,2,5,7,0,3,8,6,0,1,9,4,10,0 ］，表示三個配送子路徑。

（2） 種群初始化

隨機生成初始種群是遺傳算法最常用的策略，本文首先用隨機順序的方法得到初始的染色體，然后對初始種群進行映射，直到生成規(guī)模足夠且均符合條件的初始種群。

（3） 約束條件

具體的約束條件見3.4 中設計的約束條件。

（4） 適應度函數(shù)設計

原優(yōu)化目標函數(shù)為配送里程最小和顧客滿意度最高，并在前文中已將顧客滿意度最高轉化為最小化函數(shù)，現(xiàn)通過權重系數(shù)相加后得到新的目標函數(shù)表達式如式（12） 所示：

在適應度函數(shù)設計中，一般需要將極小化目標函數(shù)轉化為極大化目標函數(shù)，因此，適應度函數(shù)可設計為：

在式（13） 中，fit（i）代表第i個染色體的適應度函數(shù)值，Zi代表第i個染色體對應解的目標函數(shù)值。

（5） 設計遺傳算子

本文在選擇操作過程中確定使用錦標賽選擇并結合精英保留策略，不僅能保持種群的多樣性，又將適應度最好的個體保留到下一代群體中；根據(jù)模型的特點對交叉算子和變異算子進行改進。

（6） 局部搜索

利用2-Opt 算法對染色體的某些基因進行局部搜索。

4.2 實例驗證

（1） 整理數(shù)據(jù)

本文對青島市某一盒馬鮮生門店進行實地調(diào)研，某日9:15~11:45 之間在APP 后臺共獲取147 個訂單，所有訂單均在門店3公里配送范圍內(nèi)，部分訂單信息整理后如表1 所示。

表1 處理后的顧客信息表

配送車輛的具體參數(shù)如表2 所示：

表2 配送車輛屬性參數(shù)

利用百度地圖搜索確定門店到顧客點及顧客之間的距離信息。

（2） 設置參數(shù)

求解結果如圖2 所示。

Z1=0.4,Z2=0.6，種群規(guī)模popsize=50，交叉概率Pa=0.80，變異概率Pb=0.15，迭代次數(shù)為1 000 次。迭代收斂圖如圖3 所示。

（3） 模型求解

在圖2 和圖3 中可以看出，大概經(jīng)過230 次迭代后得出該門店用了4 個配送員完成了30 個訂單的配送，并且每個配送員的任務數(shù)量分配的較合理。具體的配送線路表如表3 所示。

各路徑的優(yōu)化結果如表4 所示。

（4） 經(jīng)過優(yōu)化后的配送結果與原配送結果對比分析

原配送路線如表5 和表6 所示。

圖2 配送路線圖

圖3 迭代收斂圖

表3 門店到顧客的具體配送路線表

表4 各路徑的優(yōu)化結果

表5 原配送路線表

表6 原配送路線具體信息表

通過對比可以發(fā)現(xiàn)，經(jīng)過優(yōu)化后的路徑的配送總里程比原方案少19.41 公里，配送總時長短40 分鐘，顧客滿意度高2.45，說明經(jīng)過優(yōu)化后的配送路徑行駛距離較少，可以節(jié)省配送時間，在顧客滿意度方面有了較大的提升，配送員基本能在顧客要求的配送時間內(nèi)送達，總體來說優(yōu)化后的路徑對于新零售背景下的生鮮電商末端配送更有優(yōu)勢。

5 結 論

經(jīng)過優(yōu)化后的路徑配送效果優(yōu)于原方案，使得配送總里程最小，且提高了顧客滿意度，可應用于盒馬鮮生門店末端配送的實際場景，對其他生鮮電商門店的末端配送路徑的改進有一定的借鑒價值。