張凱月, 溫海駿*, 陳躍鵬, 巨雨亭

(1.中北大學(xué)機械工程學(xué)院, 太原 030051; 2.先進(jìn)制造技術(shù)山西省重點實驗室, 太原 030051)

應(yīng)急物流作為一類特殊的物流經(jīng)營活動,通常具備突然性、弱經(jīng)濟性、不確定性和非常規(guī)化等特點[1]。新冠疫情的暴發(fā),導(dǎo)致社會出現(xiàn)應(yīng)急物流輸運不暢、通道受阻等問題,使生活物資和必要醫(yī)療物資出現(xiàn)供需失衡[2]。疫情的特殊性使得生活醫(yī)療物資的品質(zhì)和時間呈負(fù)相關(guān)性,且物資與隔離點間需實現(xiàn)精準(zhǔn)配送。因此,在實現(xiàn)物資運輸路況信息與隔離點需求信息透明化的基礎(chǔ)上,實現(xiàn)物流配送路徑動態(tài)改進(jìn),有利于提高疫情期間配送效率且實現(xiàn)應(yīng)急物資精準(zhǔn)配送。

目前中外學(xué)者可針對多種疫情背景下物資運輸問題,提出路徑規(guī)劃方案。Mondal等[3]分析了疫情流行形勢下混合不確定性多目標(biāo)物流配送問題,并研究了應(yīng)急物資開環(huán)及閉環(huán)供應(yīng)鏈的可持續(xù)性意義;張春燕[4]和Jiang等[5]解決了大規(guī)模疫病背景下的生鮮農(nóng)產(chǎn)品應(yīng)急供應(yīng)問題,并詳細(xì)分析了物資需求程度不同對物流供應(yīng)的影響。近年來大部分學(xué)者多采用改進(jìn)算法及模型的方式來解決應(yīng)急物資配送精度及效率問題。韓孟宜等[6]設(shè)計了混合遺傳算法,尋求應(yīng)急物資的配送路徑更優(yōu)解;康斌等[7]和白東[8]構(gòu)建了多目標(biāo)應(yīng)急物資配送路徑優(yōu)化模型,提高了需求滿足率。

當(dāng)前中外研究從多種角度考慮了疫情背景下的應(yīng)急物資配送路徑規(guī)劃方案,但研究方法一般未充分結(jié)合各類電子信息技術(shù),同時對于解決物資運輸過程信息透明化及動態(tài)信息作用下的路徑規(guī)劃問題的研究較少。由于疫情期間應(yīng)急物流配送區(qū)域主要集中在市區(qū),道路結(jié)構(gòu)復(fù)雜,應(yīng)急物資運輸會受到多種動態(tài)不確定信息的干擾,因此,現(xiàn)借助智慧物流技術(shù)手段,解決物資儲備充足的條件下由于交通延誤無法實現(xiàn)物資及時送達(dá)的問題,建立智慧物流車輛運輸系統(tǒng)架構(gòu)使應(yīng)急物流各環(huán)節(jié)作業(yè)有效配合,實現(xiàn)基于智慧物流系統(tǒng)的車輛調(diào)度方案動態(tài)調(diào)整。

1 疫情背景下的智慧物流架構(gòu)體系

1.1 孿生數(shù)據(jù)驅(qū)動下的信息聯(lián)動架構(gòu)

目前智慧物流系統(tǒng)在對外國際貿(mào)易[9-10]、碳排放檢測發(fā)展綠色城市[11-13]、農(nóng)產(chǎn)品流通[14-15]等領(lǐng)域應(yīng)用較多。疫情期間物流運輸缺乏快速協(xié)同處理機制和方法,本文研究基于智慧物流系統(tǒng),結(jié)合物聯(lián)網(wǎng)、互聯(lián)網(wǎng)等技術(shù),實現(xiàn)物流各環(huán)節(jié)的數(shù)據(jù)集成,并對車輛路徑優(yōu)化方案進(jìn)行動態(tài)干擾,通過智慧物流系統(tǒng)可視化保障疫情期間物流決策智能運行,如圖1所示。

圖1 信息聯(lián)動模型Fig.1 Information linkage model

1.2 系統(tǒng)架構(gòu)設(shè)計

疫情期間基于智慧物流系統(tǒng)的應(yīng)急物資車輛運輸系統(tǒng)架構(gòu)主要分為數(shù)據(jù)獲取層、數(shù)據(jù)傳輸層、模型處理層及可視化管理層4個層次,如圖2所示。

圖2 基于智慧物流系統(tǒng)的應(yīng)急物資車輛運輸系統(tǒng)架構(gòu)Fig.2 Architecture of emergency material vehicle transportation system based on smart logistics system

(1)數(shù)據(jù)獲取層主要為實現(xiàn)實時呈現(xiàn)物資需求信息、物流資源信息、通道及環(huán)境信息的功能。借助條形碼、射頻識別(radio frequency identification, RFID)等技術(shù)及時根據(jù)社會各項需求預(yù)測更新、完善所儲備的應(yīng)急物資;利用全球定位系統(tǒng)(global positioning system, GPS)、地理信息系統(tǒng)(geographic infor-mation system, GIS)技術(shù)及時獲取物資流通過程的車輛實時定位信息;通過百度地圖應(yīng)用程序編程接口(application programming interface, API),獲取實時交通路況擁堵情況,及實況路網(wǎng)數(shù)據(jù)。

(2)數(shù)據(jù)傳輸層主要利用5G網(wǎng)絡(luò)的廣域覆蓋特性,實現(xiàn)同網(wǎng)絡(luò)下的數(shù)據(jù)交互與傳輸,避免信息通訊的延遲,保證各項工作有序開展。

(3)模型處理層通過對應(yīng)急物資車輛配送預(yù)測模型獲取的數(shù)據(jù),結(jié)合仿真模型的路徑規(guī)劃算法,對車輛調(diào)度方案進(jìn)行實時動態(tài)調(diào)整和優(yōu)化。

(4)可視化管理層通過前端應(yīng)用設(shè)計交互界面,在平臺內(nèi)真實地反饋應(yīng)急物資配送進(jìn)度,整合不同條件下物流信息數(shù)據(jù),保證應(yīng)急物資配送每環(huán)節(jié)的信息透明化,實現(xiàn)智慧物流系統(tǒng)車路協(xié)同功能。

1.3 實時路況監(jiān)測

將運輸路徑定義為有向圖G=(V,A),其中V={0, 1,2,…,n,n+1}表示路網(wǎng)中的節(jié)點,0和n+1為應(yīng)急物資配送中心,N=V(〗0,n+1}表示隔離點集合,A視為節(jié)點與節(jié)點之間的弧的集合。則疫情期間應(yīng)急物資調(diào)配網(wǎng)絡(luò)可視為一個依賴時間變化的動態(tài)網(wǎng)絡(luò)。本文選取太原市交通路網(wǎng),QGIS軟件獲取太原市路網(wǎng)矢量圖如圖3所示。通過百度地圖獲取太原市實時路況如圖4所示。疫情突發(fā)使得運輸路徑受堵或應(yīng)急物資車輛運輸過程中須按規(guī)定進(jìn)行車輛消毒而造成的運輸時間增加,可模擬為網(wǎng)絡(luò)中弧上的權(quán)值發(fā)生改變,路阻模型可用美國聯(lián)邦公路局(Bureau of Public Road, BRP)路阻函數(shù)表示,如式(1)所示。

圖3 太原市交通路網(wǎng)矢量圖Fig.3 Taiyuan traffic road network vector diagram

圖4 太原市實時路況Fig.4 Real-time road conditions in Taiyuan

(1)

式(1)中:tr為道路流量為r時的車輛通行時間;tf為車輛順暢通行時間;c為道路通行最大可承載交通流量;α、β為路阻函數(shù)代標(biāo)定參數(shù),取值α=0.15,β=4。

車輛從k從隔離點i開始行駛到隔離點j的行駛距離和實際運行時間之間的關(guān)系如式(2)所示。計算流量系數(shù)<0.7時,說明當(dāng)前路況相對暢通,計算當(dāng)前通行時間可不考慮路況;當(dāng)流量系數(shù)≥0.7時,說明當(dāng)前道路進(jìn)入交通擁堵狀態(tài),實際行車時間同時受路阻函數(shù)及實際行駛總車速的影響。

(2)

2 問題的描述

在疫情期間的應(yīng)急物資運輸過程中,路徑上的運輸距離、費用等參數(shù)都隨著時間的變化而變化,若運載工具在行駛過程中由于區(qū)域性疫情集中暴發(fā),病人或密接等集中轉(zhuǎn)移隔離導(dǎo)致的交通暫時性擁堵,則該時刻路段權(quán)值發(fā)生動態(tài)變化。應(yīng)急物資配送按照據(jù)點需求緊急情況設(shè)置時間窗,同時為了節(jié)約資源,可在隔離點同時回收部分已在智慧物流系統(tǒng)錄入的過期或不具備使用條件的物資。因此,疫情期間應(yīng)急物資配送問題可模擬為時間窗約束條件下的同時取送貨動態(tài)網(wǎng)絡(luò)問題,以此保證物資配送的及時性與連貫性。

針對所研究問題,做出以下假設(shè):①配送中心和隔離點的坐標(biāo)經(jīng)緯度已知,各坐標(biāo)點間實際距離已知;②隔離點必須全部被服務(wù),并且每個隔離點只允許訪問一次;③隔離點的回收量、需求量已上傳至智慧物流系統(tǒng),且于車輛從配送中心出發(fā)時間點開始不發(fā)生動態(tài)變化;④各隔離點過期物資回收量、需求量均不超過車輛的最大負(fù)載能力;⑤按照隔離點需求緊急程度,規(guī)定各隔離點時間窗要求;⑥車輛需在隔離點規(guī)定的時間窗內(nèi)完成配送任務(wù)。

2.1 模型的建立

(1)目標(biāo)函數(shù)成本包括車輛固定成本和時間懲罰成本;車輛固定成本又分為車輛使用成本和運輸油耗成本。目標(biāo)函數(shù)為

(3)

式(3)中:Z為總成本;F為應(yīng)急物資配送車輛固定使用成本;k為所需車輛總數(shù);C為運輸油耗成本;時間懲罰成本中,e為早于隔離點規(guī)定最早時間到達(dá)懲罰系數(shù);l為遲于隔離點規(guī)定最晚時間到達(dá)懲罰系數(shù);ETj為隔離點j規(guī)定的左時間窗;LTj為隔離點j規(guī)定的右時間窗;Hj為物資配送車到達(dá)隔離點的實際時間。

(2)根據(jù)以上分析,建立約束條件為

(4)

(5)

(6)

(7)

(8)

ETj≤Hj≤LTj

(9)

q0k≤Q

(10)

(11)

(12)

(13)

(14)

(15)

式中:Q為車輛最大載重;M為一個足夠大的正數(shù)。

式(4)表示應(yīng)急物資配送車輛需從配送中心出發(fā)與結(jié)束;式(5)～式(6)表示配送車輛k在運輸路徑上的流量限制;式(7)表示配送車輛以速度v從隔離點i到隔離點j的路程消耗時間;式(8)表示配送車輛k行駛時間的連續(xù)性,其中w為開始服務(wù)時間點,s為服務(wù)時長;式(9)表示車輛到達(dá)隔離點的服務(wù)時間需在隔離點的左右時間窗之內(nèi);式(10)表示車輛k在配送中心所裝載應(yīng)急物資總量q0k應(yīng)小于車輛最大載重;式(11)表示配送車輛k在對所在路線的任意隔離點服務(wù)結(jié)束后的車輛裝載量qj不超過最大載量;式(12)表示車輛k在配送中心裝載物資計算公式;式(13)表示車輛k在對所在路線第一個客戶服務(wù)結(jié)束后的車輛裝載計算公式,其中pj為隔離點j的回收量;式(14)表示車輛k在對所在路線任意一個顧客(不包括第一個顧客)服務(wù)結(jié)束后的車輛裝載計算公式;式(15)表示二值變量。

2.2 頭腦風(fēng)暴算法內(nèi)核分析

智慧物流系統(tǒng)下的應(yīng)急物資車輛調(diào)度相當(dāng)于在傳統(tǒng)車輛調(diào)度系統(tǒng)的基礎(chǔ)上增強了數(shù)據(jù)信息的透明化、精準(zhǔn)化展示,使算法內(nèi)核結(jié)合物流系統(tǒng)對各信息要素的收集、更新與反饋,對車輛配送方案進(jìn)行實時動態(tài)調(diào)整,結(jié)合道路擁堵情況使整個物流配送過程的路線、配送時間及成本不斷地迭代優(yōu)化,并于智慧物流系統(tǒng)可視化管理層實現(xiàn)最優(yōu)路徑規(guī)劃方案的實時調(diào)整與雙向交互功能。本文將選用頭腦風(fēng)暴算法作為內(nèi)核對疫情期間的應(yīng)急物資車輛路徑規(guī)劃問題進(jìn)行求解,主要流程如圖5所示。

圖5 頭腦風(fēng)暴算法協(xié)調(diào)邏輯Fig.5 Brainstorming algorithm coordination logic

3 實驗驗證

假設(shè)以山西省人民醫(yī)院為中心,有應(yīng)急物資配送車輛10輛,針對太原市迎澤區(qū)15個隔離點建立基于智慧物流系統(tǒng)的應(yīng)急物資車輛配送方案?；诎俣鹊貓DAPI選取15個隔離點如表1所示,覆蓋包括居民住宅小區(qū)、寫字樓及學(xué)校,并獲取其地理坐標(biāo)經(jīng)緯度、各點需求量、回收量、時間窗及各點服務(wù)時間如表2所示。各隔離點間相對距離均取百度地圖導(dǎo)航實際最短路徑如表3所示。

初始種群數(shù)為50,聚類數(shù)目為5,運用MATLAB結(jié)合頭腦風(fēng)暴算法內(nèi)核,得出未考慮路況信息的應(yīng)急物資車輛配送方案如圖6所示,最優(yōu)配送方案選用4輛車,最佳路徑為,路線1:0-13-2-1-0;路線2:0-10-15-11-12-0;路線3:0-7-6-4-3-0;路線4:0-5-8-9-14-0。

根據(jù)疫情期間道路通行情況的突發(fā)性變化,動態(tài)調(diào)整6條路徑6-4、10-3、11-5、13-1、15-10、15-11之間的道路擁堵情況,經(jīng)過150次迭代后,得出基于智慧物流系統(tǒng)的應(yīng)急物資配送車輛路徑優(yōu)化方案如圖7所示,其最佳路徑為,路線1:0-10-15-0;路線2:0-14-6-4-3-1-0;路線3:0-5-7-8-9-0;路線4:0-2-13-11-12-0。

表2 隔離點坐標(biāo)經(jīng)緯度、需求量、回收量、時間窗及服務(wù)時間Table 2 Coordinates of isolation point latitude and longitude, demand, recovery, time window and service time

疫情期間應(yīng)急物資車輛路徑規(guī)劃主要集中在道路交通網(wǎng)復(fù)雜多變的市區(qū),智慧物流系統(tǒng)結(jié)合各類電子信息技術(shù),使物流配送過程信息透明化,能夠更加準(zhǔn)確且直觀地顯示物資配送實際路線的動態(tài)變化,基于百度地圖顯示應(yīng)急物資車輛在太原市內(nèi)1個配送中心,15個隔離點的配送路徑如圖8所示,其百度地圖實際導(dǎo)航全局配送路線如圖9所示,以路線3為例展示詳細(xì)配送路線如圖10所示。

圖6 最優(yōu)配送路徑Fig.6 Optimal distribution path

圖7 基于智慧物流系統(tǒng)的最優(yōu)配送路徑Fig.7 Optimal distribution path based on smart logistics system

表3 配送中心及隔離點間百度地圖最短相對距離

經(jīng)分析,傳統(tǒng)應(yīng)急物資車輛配送方案的行駛距離為19 730 m, 基于智慧物流系統(tǒng)的應(yīng)急物資車輛配送方案行駛總距離為19 820 m,經(jīng)結(jié)合實際路況對其路徑進(jìn)行優(yōu)化后,行駛距離差距不大,僅相差90 m,但其配送時間卻獲得4.8%的縮減,較為符合在新冠肺炎疫情背景下對應(yīng)急物資配送及時性的需求。

4 結(jié)論

提出了一種基于智慧物流系統(tǒng)的應(yīng)急物資車輛路徑優(yōu)化方法。

圖9 百度地圖全局配送路線Fig.9 Baidu map global distribution route

圖10 路線3配送路徑展示Fig.10 Route 3 delivery path display

(1)在傳統(tǒng)物流的基礎(chǔ)上結(jié)合智慧物流系統(tǒng)框架,使疫情當(dāng)下的應(yīng)急物資配送實現(xiàn)信息透明化。

(2)基于百度地圖API獲取隔離點實際地理坐標(biāo)信息進(jìn)行實驗驗證,并將頭腦風(fēng)暴算法作為內(nèi)核建立數(shù)學(xué)模型。

(3)以路況變化為主要考慮因素,實現(xiàn)了基于智慧物流系統(tǒng)的車輛調(diào)度方案動態(tài)調(diào)整。

(4)實驗驗證了該方法的可行性及有效性,能夠提高疫情期間應(yīng)急物資配送過程信息交互功能及運輸效率。