應(yīng) 毅,任 凱,劉亞軍
1.三江學(xué)院 計算機(jī)科學(xué)與工程學(xué)院,南京 210012
2.南京大學(xué) 金陵學(xué)院,南京 210089
3.東南大學(xué) 計算機(jī)科學(xué)與工程學(xué)院,南京 210096
隨著信息通信技術(shù)的快速發(fā)展和基于互聯(lián)網(wǎng)/移動互聯(lián)網(wǎng)的各類應(yīng)用的普及,以商品購銷為核心的電子商務(wù)逐漸成為經(jīng)濟(jì)增長的新亮點。第三方物流是為電子商務(wù)活動提供物流服務(wù)的基礎(chǔ)設(shè)施,其基本流程由倉儲系統(tǒng)、運輸主干網(wǎng)、“最后一公里”配送三個階段組成[1]。
在物流末端的配送服務(wù)中,快遞人員從網(wǎng)點出發(fā),沿預(yù)先設(shè)置好的路徑將快件派送到客戶手中,同時從客戶手中接收快件,最后將所有收件返回網(wǎng)點。在此情況下,快遞人員頻繁往返于客戶和網(wǎng)點之間。該問題在理論上可歸類為車輛路徑問題(Vehicle Routing Problem,VRP)的應(yīng)用。VRP 在 1959 年首次被提出[2],現(xiàn)已廣泛應(yīng)用在分撥中心(倉庫/集散地)之間的車輛調(diào)度和路徑安排上。
物流管理尤其是物流配送過程對地理空間信息有著較強(qiáng)的依賴性,地理信息系統(tǒng)(Geographic Information System,GIS)[3]具備地理空間信息分析處理能力,能在獲取、存儲相關(guān)數(shù)據(jù)的基礎(chǔ)上進(jìn)行有效加工,幫助決策。在移動操作系統(tǒng)、3G/4G 通信網(wǎng)絡(luò)和GPS 的支持下,基于位置服務(wù)(Location Based Service,LBS)越來越完善,結(jié)合GIS/移動GIS[4],構(gòu)成智慧物流建設(shè)的關(guān)鍵技術(shù)。文獻(xiàn)[5]結(jié)合GIS手段和SPSS分析對模擬退火算法改進(jìn)來求解VRP問題。文獻(xiàn)[6]提出一種結(jié)合GIS模型約束的啟發(fā)式-模擬退火混合搜索算法解決VRP 問題。文獻(xiàn)[7]設(shè)計了GPS/GIS 協(xié)同下的智能車輛監(jiān)控和調(diào)度系統(tǒng),構(gòu)建了基于實時信息且?guī)r間窗的動態(tài)VRP 混合整數(shù)規(guī)劃模型。文獻(xiàn)[8]將3G技術(shù)運用于配送管理,設(shè)計了一個物流配送系統(tǒng)模型。文獻(xiàn)[9]將Dijkstra算法與WebGIS相結(jié)合,調(diào)用pgRouting實現(xiàn)起始點定位查詢最短路徑的方法。文獻(xiàn)[10]結(jié)合MapGIS的網(wǎng)絡(luò)分析功能,探討城市配送中心選址及路徑優(yōu)化問題。以上研究皆是依托GIS技術(shù)對傳統(tǒng)VRP求解的擴(kuò)充和優(yōu)化,但物流末端的攬送混合業(yè)務(wù)與單純的投遞業(yè)務(wù)又有較大不同,攬送混合業(yè)務(wù)的目標(biāo)是快速響應(yīng)客戶的寄件請求并保證行駛距離最短。針對此問題,本文在ArcGIS 平臺基礎(chǔ)上,構(gòu)建智能物流信息系統(tǒng),考慮寄件請求的動態(tài)性和任務(wù)調(diào)度的實時性,提出基于加權(quán)kNN 的實時攬件調(diào)度算法,實現(xiàn)快遞人員的攬件調(diào)度。實驗證明這種利用GIS技術(shù)和數(shù)據(jù)挖掘算法的人員調(diào)度方法,能更快地響應(yīng)客戶需求,更好地縮短行駛距離,有效提高末端物流的配送效率。
本文首先闡述了智能物流信息系統(tǒng)的架構(gòu)設(shè)計;在此框架下,詳述了實時攬件調(diào)度算法的原理和具體實現(xiàn);最后在菜鳥驛站某網(wǎng)點的配送活動中進(jìn)行算法實驗和應(yīng)用。
現(xiàn)代物流系統(tǒng)是在智能交通和信息技術(shù)的基礎(chǔ)上運作的物流服務(wù)體系,通過對各物流環(huán)節(jié)的信息采集和數(shù)據(jù)處理,為物流企業(yè)和客戶提供高效管理和高質(zhì)量服務(wù)。本文基于GIS 技術(shù)、Web 技術(shù)和移動開發(fā)技術(shù),構(gòu)建了針對“最后一公里”配送的智能物流信息系統(tǒng)。
智能物流信息系統(tǒng)采用三層架構(gòu)體系,由應(yīng)用服務(wù)層、業(yè)務(wù)邏輯層、物流數(shù)據(jù)層組成。如圖1 所示。系統(tǒng)整體基于Java語言和Esri ArcGIS 10.4開發(fā)實現(xiàn)。
圖1 智能物流信息系統(tǒng)架構(gòu)
業(yè)務(wù)邏輯層是本系統(tǒng)的核心,包含Web Server 和ArcGIS Server兩部分,Web Server由傳統(tǒng)的Java EE服務(wù)器JBoss和ArcGIS Web Adaptor組成。Web Adaptor組件使ArcGIS Server 和傳統(tǒng)的Web 服務(wù)器相結(jié)合,提供更豐富的功能和更高的安全性(例如用戶鑒權(quán)),Web Adaptor 是GIS 服務(wù)使用者的單一入口,接收客戶端的請求,然后把請求轉(zhuǎn)發(fā)給站點內(nèi)的ArcGIS Server。與GIS 相關(guān)的服務(wù)由ArcGIS Server 負(fù)責(zé)提供,如:空間數(shù)據(jù)管理、地圖可視化、路徑分析等。
在應(yīng)用服務(wù)層,ArcGIS for Desktop[11]是GIS資源(如地圖)的創(chuàng)建者,并通過ArcMap 連接到ArcGIS Server將本地資源發(fā)布為Web 服務(wù)。ArcMap 是ArcGIS for Desktop中一個主要程序,具有基于地圖的所有功能,包括地圖制作、地理數(shù)據(jù)分析和編輯等。調(diào)度管理和移動終端是GIS服務(wù)的使用者和消費者,其中移動終端是物流配送人員的手持設(shè)備。
物流數(shù)據(jù)層完成數(shù)據(jù)的存儲功能。地理數(shù)據(jù)對象在Oracle數(shù)據(jù)庫中以表的形式保存;MySQL為Java EE應(yīng)用存儲系統(tǒng)的普通業(yè)務(wù)數(shù)據(jù)(如客戶信息)。
(1)ArcGIS網(wǎng)絡(luò)分析與二次開發(fā)
傳統(tǒng)VRP 模型的搜索網(wǎng)絡(luò)圖比較簡單,是以客戶為節(jié)點、已知最短路徑為邊的無向圖?;贕IS的VRP問題的搜索網(wǎng)絡(luò)圖由客戶節(jié)點、路徑節(jié)點和路徑共同構(gòu)成,還需考慮實際道路的通行限制(如單向/雙向行駛、道路通行能力)。因此,GIS 環(huán)境下的VRP 模型更加貼合實際情況,也更加復(fù)雜。
GeoProcessing Service(地理處理服務(wù))可以將自定義的各種分析處理模型發(fā)布為Web 服務(wù)。智能物流信息系統(tǒng)中針對派件/攬件業(yè)務(wù)的智能調(diào)度算法即通過GeoProcessing 組件的二次開發(fā)來實現(xiàn),其中ArcGISNetwork Analyst擴(kuò)展模塊具有交通路網(wǎng)分析功能,可以求解實際道路的最短路徑問題,求解過程是在Dijkstra算法基礎(chǔ)上的效率優(yōu)化改進(jìn)。
(2)移動終端的實時定位和跟蹤
移動終端主要針對Android 操作系統(tǒng),以ArcGIS Runtime SDK for Android 為開發(fā)框架。Android 自身提供了三種定位方式:GPS定位、網(wǎng)絡(luò)定位、基于基站的定位。移動終端每隔指定的時間(例如30 s)通過移動通信網(wǎng)絡(luò)向物流系統(tǒng)報告一次定位信息,信息內(nèi)容包括:經(jīng)度/緯度、車輛速度、行駛方向、上報時間等。物流系統(tǒng)實時接收所有終端定時上報的位置信息,依托ArcGIS的地圖服務(wù)可將這些位置數(shù)據(jù)反映在電子地圖上,方便監(jiān)控物流車輛的運行軌跡和配送人員的活動情況。
(3)移動端功能實現(xiàn)
移動端APP為配送人員提供上報位置信息、接收調(diào)度指令等物流服務(wù)功能。ArcGIS對微軟Bing在線地圖支持較好,但Bing地圖要素精度較差,地址尤其是街道、小路標(biāo)注不夠詳細(xì),故選擇國內(nèi)高德地圖。通過PcArc-BruTile 插件[12]在 ArcMap 中加載高德地圖為 BaseMap,制作矢量數(shù)據(jù)、配置符號化顯示、屬性域等信息,發(fā)布FeatureServer 至ArcGIS Server,開啟同步功能。ArcGIS Runtime SDK for Android 支持完全離線,移動端APP訪問FeatureServer,下載離線地圖數(shù)據(jù)。
(1)大多數(shù)業(yè)務(wù)由調(diào)度管理或移動端應(yīng)用(APP、微信小程序)觸發(fā)。
(2)ArcGIS Server收到服務(wù)請求后,收集位置信息(包括網(wǎng)點、快遞員、客戶),按需進(jìn)行地址定位服務(wù)。定位服務(wù)是利用全國郵政協(xié)定將地址轉(zhuǎn)換成地理位置的方法,通過地址定位服務(wù)才可以由輸入地址信息找到地圖上對應(yīng)的feature點,但是鑒于國內(nèi)地理編碼工作還不完善,地名數(shù)據(jù)庫僅達(dá)到根據(jù)地名返回坐標(biāo)范圍的程度,所以使用了自開發(fā)的地名地址檢索組件[13]。
(3)ArcGIS Server以地理位置作為輸入數(shù)據(jù),調(diào)用GeoProcessing 的路徑查詢服務(wù)或二次開發(fā)的智能調(diào)度算法,進(jìn)行地理數(shù)據(jù)的分析處理。
(4)將處理結(jié)果轉(zhuǎn)化成柵格格式數(shù)據(jù),通過HTTP協(xié)議反饋給調(diào)度管理Web端或移動端APP。
(5)各客戶端通過瀏覽器或ArcGIS 內(nèi)置插件將ArcGIS Server提供的服務(wù)呈現(xiàn)出來。
當(dāng)前,大多數(shù)網(wǎng)點的派件和攬件業(yè)務(wù)混合在一起由快遞人員完成?;诔杀究紤],快遞人員會根據(jù)經(jīng)驗預(yù)先設(shè)置好送件路徑,但有些寄件業(yè)務(wù)是實時發(fā)生的。而且,在一個區(qū)域內(nèi),會同時有若干個快遞人員在工作。調(diào)度哪一個快遞人員前去攬件,在某種程度上決定了物流成本的高低。
直觀上看,快遞人員距離客戶的遠(yuǎn)近決定了收件是否及時。可以將客戶視為kNN 算法中的未知樣本,所有快遞人員看作訓(xùn)練樣本,調(diào)度最合適快遞人員即為尋找最接近新樣本的1個訓(xùn)練樣本。
最近鄰分類法(Nearest Neighbor Classifier)[14]基于類比學(xué)習(xí),通過將給定的檢驗樣本與和它相似的訓(xùn)練樣本進(jìn)行比較來學(xué)習(xí)。當(dāng)給定一個未知樣本時,kNN搜索模式空間,找出最接近未知樣本的k個訓(xùn)練樣本,這k個訓(xùn)練樣本是未知樣本的k個“最近鄰”[15]。當(dāng)k=1 時,未知樣本被指派到模式空間中最接近它的訓(xùn)練樣本所在的類。
世界是五彩繽紛的,色彩存在于人類生活的每一個空間,色彩既可以裝點生活,美化環(huán)境,給人以美的享受,也是社會發(fā)展和人類精神文明的一種體現(xiàn)。色彩具有很強(qiáng)的心理作用,每一種顏色都具有特殊的心理作用,影響人的溫度知覺,給人錯落有致的節(jié)奏感,在園林景觀設(shè)計中,色彩最容易將人的視覺美感激發(fā)起來,最明朗的體現(xiàn)園林景觀的特色,作為園林景觀的重要組成部分,色彩景觀的妥善處理具有十分重要的意義。
作為一種惰性學(xué)習(xí)方法,kNN算法直到有樣本需要分類時才建立分類模型,逐個計算與訓(xùn)練樣本的相似程度,相似程度一般以樣本間的距離作為評判指標(biāo)。
傳統(tǒng)kNN 算法對所有訓(xùn)練樣本同等對待,但攬件調(diào)度的分類過程不僅要考慮實際距離,還要考慮快遞人員是否順路、當(dāng)前道路狀況等因素。因此,使用加權(quán)kNN 算法對訓(xùn)練樣本賦予不同的權(quán)值以體現(xiàn)其貢獻(xiàn)度的高低[16]。一般做法是將距離轉(zhuǎn)換為權(quán)值,較近的訓(xùn)練樣本被賦予較大的權(quán)值。
令di為訓(xùn)練樣本i與未知樣本x的距離,wi代表其權(quán)重,加權(quán)kNN 算法最簡單的形式是返回距離的倒數(shù),即wi=1/di。但倒數(shù)形式使得近鄰的樣本權(quán)重很大,稍遠(yuǎn)一點的樣本權(quán)重又衰減迅速。高斯函數(shù)克服了倒數(shù)函數(shù)的缺點,在距離為0時權(quán)重為1,隨著距離的增加,權(quán)重逐漸減小,但衰減不會過快,且保證衰減不會為0。其形式為:
同時,設(shè)置懲罰因子δ,通過快遞人員的行駛方向是否與寄件人地址一致來調(diào)整樣本權(quán)值的計算。定義如下:
經(jīng)懲罰因子δ調(diào)整后的權(quán)值計算公式為:
計算所有訓(xùn)練樣本的wi′,wi′最大的訓(xùn)練樣本即為最合適的攬件人員。
在智能物流信息系統(tǒng)的基礎(chǔ)上,結(jié)合加權(quán)kNN 算法的實時攬件調(diào)度過程如下:
(1)客戶下單觸發(fā)攬件調(diào)度任務(wù),將寄件人地址通過地名地址檢索技術(shù)轉(zhuǎn)換為位置信息。
(2)利用GPS/4G 定位技術(shù)通過移動端APP 的定時上報功能得到各快遞人員的位置信息。
(3)調(diào)用 ArcGIS GeoProcessing 的NAServer 模塊,計算各快遞人員與寄件人在道路網(wǎng)絡(luò)中的實際最短距離di。
(4)根據(jù)di和快遞人員的方向信息執(zhí)行加權(quán)kNN算法計算wi′,選擇最合適的攬件人員,發(fā)送調(diào)度指令。
整個流程如圖2所示。
圖2 實時攬件調(diào)度執(zhí)行流程
菜鳥驛站莫愁新寓網(wǎng)點為客戶提供自助提貨和送件、收件等門到門服務(wù)。網(wǎng)點配送范圍為漢北街、北圩路、水西門大街、莫愁湖西路、漢中門大街構(gòu)成的四邊形區(qū)域,區(qū)域面積大約0.4 km2,服務(wù)莫愁新寓、勁順花園、金貿(mào)新寓、金基唐城等居民小區(qū),服務(wù)人口約3.2 萬人。區(qū)域內(nèi)住宅小區(qū)多,人口密度大,對物流服務(wù)質(zhì)量要求高,通過對網(wǎng)點實際配送情況的調(diào)研,將本文設(shè)計的智能物流信息系統(tǒng)進(jìn)行應(yīng)用,取得了較為成功的效果。
城市道路網(wǎng)在電子地圖中的表現(xiàn)形式為數(shù)字化的矢量地圖,GIS 中矢量地圖是按照圖層組織的,每個圖層存放一類專題或一類信息,它由點、線、面等空間對象的集合組成。本次實驗所需的電子地圖制作流程如下:
(1)以高德地圖南京市鼓樓區(qū)地圖為基礎(chǔ),使用ArcMAP建立配送區(qū)域的矢量地圖底圖(BaseMap)。
(2)制作道路圖層,用于描述道路的地理靜態(tài)信息,如通行車輛限制、單行/雙行、平交/立交,這在NAServer模塊計算最短路徑時具有實際作用。
(3)制作網(wǎng)點和客戶圖層,標(biāo)注網(wǎng)點和主要客戶的經(jīng)度/緯度數(shù)據(jù),經(jīng)緯度數(shù)據(jù)可以通過定位儀器實地勘測或高德地圖抓取(例如網(wǎng)點門店地理坐標(biāo)為32°03′86″N,118°75′59″E;金貿(mào)新寓西北門坐標(biāo)為 32°03′97″N,118°76′16″E)。實際應(yīng)用時,由于許多客戶距離主干道有一定距離,如小區(qū)內(nèi)的住戶,車輛在小區(qū)內(nèi)行駛不存在優(yōu)化空間。因此,對于非臨街客戶點,簡化的處理方法是將其映射到路邊。這個映射過程由地名地址檢索組件完成。
網(wǎng)點共有4 名快遞服務(wù)人員,根據(jù)業(yè)務(wù)繁忙情況,一般有2~3人進(jìn)行上門服務(wù)。圖3顯示了一次快遞人員攬件調(diào)度的移動端推送結(jié)果。表1 羅列了2019 年2 月25日上午的實際攬件情況。數(shù)據(jù)表明,快遞人員每一次攬件行駛300~800 m不等,城市道路中電動自行車的行駛速度大約是20 km/h,故一次攬件的服務(wù)響應(yīng)時間不超過5 min。
圖3 攬件調(diào)度移動端推送結(jié)果
表1 2月25日上午的實際攬件情況
表2統(tǒng)計了2019年2月底至3月初網(wǎng)點整體的上門攬件情況。由于服務(wù)區(qū)域大多為居民小區(qū),攬件需求明顯呈現(xiàn)出節(jié)假日偏多的特性。15天共上門攬件447件,快遞人員共行駛310 249 m,平均一次攬件行駛近700 m。根據(jù)行業(yè)報告[17],單個收件包裹行駛1 km左右。與此相比,實時攬件調(diào)度方法降低了30%的行駛距離。
為了衡量新方法的有效性和優(yōu)越性,將本文提出的基于加權(quán)kNN的實時攬件調(diào)度算法與基于預(yù)知時間的快遞車輛攬件路徑模型[18]進(jìn)行了對比實驗。以表1所示的2月25日上午的實際情況作為實驗數(shù)據(jù),假設(shè)有2名快遞人員進(jìn)行配送服務(wù),初始時刻快遞人員位于網(wǎng)點。根據(jù)客戶的寄件需求,基于預(yù)知時間的快遞車輛攬件路徑模型規(guī)劃出2條攬件路線,對路線結(jié)果在智能物流信息系統(tǒng)中統(tǒng)計總行駛距離,與基于加權(quán)kNN 的實時攬件調(diào)度算法的實際距離進(jìn)行比較,如表3所示。
表2 網(wǎng)點整體攬件情況(15天)
表3 兩種算法計算結(jié)果對比m
分析數(shù)據(jù)可知,基于預(yù)知時間的快遞車輛攬件路徑模型在未考慮實時性的前提下,即寄件需求全部提前知曉,規(guī)劃出的總行駛距離為5 650 m,基于加權(quán)kNN 的實時攬件調(diào)度算法指派快遞人員的實際行駛距離為5 171 m,后者比前者有8.5%的距離優(yōu)化。由此可見,相比傳統(tǒng)算法,本文設(shè)計的實時攬件調(diào)度方法,有效縮短攬件路程,節(jié)省了上門服務(wù)的時間和成本。
現(xiàn)代物流系統(tǒng)已經(jīng)進(jìn)入了信息化、網(wǎng)絡(luò)化、智能化的發(fā)展階段。本文利用ArcGIS、Android、GPS等關(guān)鍵技術(shù)構(gòu)建了適用于物流末端配送業(yè)務(wù)的智能物流信息系統(tǒng)。在該系統(tǒng)中改進(jìn)加權(quán)kNN分類算法應(yīng)用于快遞人員的實時攬件調(diào)度,實現(xiàn)了調(diào)度結(jié)果在移動端APP上的可視化推送。通過實驗驗證了算法的正確性與GIS 技術(shù)在物流行業(yè)中應(yīng)用模式的有效性,提高了物流信息的管理效率。寄件訂單的并單處理和人員調(diào)度是進(jìn)一步研究的重點,在智能系統(tǒng)下改進(jìn)傳統(tǒng)VRP 模型進(jìn)行送件路徑規(guī)劃也是一個較好的研究方向。