摘 要：隨著生鮮農(nóng)產(chǎn)品需求的持續(xù)上升，優(yōu)化其配送路徑變得愈加重要。文章從供需匹配的角度探討了生鮮農(nóng)產(chǎn)品配送路徑的優(yōu)化問(wèn)題。首先，介紹了需求預(yù)測(cè)與路徑優(yōu)化的相關(guān)理論，并結(jié)合企業(yè)案例，采用居中移動(dòng)平均法對(duì)季節(jié)性需求進(jìn)行了分析和預(yù)測(cè)；其次，利用節(jié)約里程法對(duì)高峰期的配送路徑進(jìn)行了優(yōu)化，以減少油耗和運(yùn)輸公里數(shù)。研究表明，需求預(yù)測(cè)與路徑優(yōu)化的組合拳能有效提高配送效率，降低成本，減少資源浪費(fèi)和碳排放，促進(jìn)企業(yè)實(shí)現(xiàn)降本增效。

關(guān)鍵詞：生鮮農(nóng)產(chǎn)品；季節(jié)性需求；預(yù)測(cè)；路徑優(yōu)化

中圖分類號(hào)：F326.6 文獻(xiàn)標(biāo)志碼：A DOI：10.13714/j.cnki.1002-3100.2025.06.014

Research on the Optimization of Fresh Produce Distribution Paths Considering Seasonal Demand

LI Chuying，MO Songlin，XU Xiaojun，YUAN Juan

（School of Digital Economy and Management， Software Engineering Institute of Guangzhou， Guangzhou 510990， China）

Abstract： As the demand for fresh produce continues to rise， optimizing its distribution paths becomes more and more important. The paper discusses the distribution path optimization of fresh produce from the perspective of supply and demand matching. First， it introduces the relevant theories of demand forecasting and path optimization， and combines enterprise cases to analyze and predict the seasonal demand by using the centered moving average method. Second， the saving method is used to optimize the distribution path in the peak period in order to reduce the oil consumption and transportation kilometers. The result shows that the combination of demand forecasting and path optimization can effectively improve the distribution efficiency， reduce costs， minimze resource waste and carbon emissions， and promote enterprise cost reduction and efficiency improvement.

Key words： fresh produce; seasonal demand; forecasting; path optimization

0" " 引" " 言

生鮮農(nóng)產(chǎn)品與其他產(chǎn)品的屬性存在顯著差異[1]，具有鮮活性、易腐壞性、地域差異和季節(jié)波動(dòng)等特點(diǎn)。因此，在配送過(guò)程中，需要采用冷鏈運(yùn)輸并合理規(guī)劃配送路線，以保護(hù)產(chǎn)品的鮮活性，防止腐壞。

目前，已有學(xué)者對(duì)生鮮農(nóng)產(chǎn)品的運(yùn)輸和配送問(wèn)題展開(kāi)了深入研究，考慮了時(shí)間窗[2-3]、保鮮成本[4]、聯(lián)合配送[5]、客戶滿意度[6]等情景下的路徑優(yōu)化。近年來(lái)，也有學(xué)者開(kāi)始關(guān)注雙碳目標(biāo)[7-8]、區(qū)塊鏈技術(shù)[9]、鄉(xiāng)村振興[10]等對(duì)生鮮農(nóng)產(chǎn)品配送路徑優(yōu)化的影響?？傊?，在當(dāng)前的配送路徑研究中，如何在規(guī)定時(shí)間內(nèi)高效送達(dá)產(chǎn)品，并保持其新鮮度和安全品質(zhì)，成為一個(gè)亟待解決的重要議題[3]。然而，現(xiàn)有研究多從算法的優(yōu)化角度去解決，而較少站在供應(yīng)鏈的角度考慮問(wèn)題。因此，在此背景下，本文聚焦供需匹配，探討了生鮮農(nóng)產(chǎn)品配送路徑的優(yōu)化問(wèn)題。同時(shí)，結(jié)合企業(yè)案例，通過(guò)對(duì)季節(jié)性需求的分析，研究了生鮮農(nóng)產(chǎn)品基于峰值區(qū)間需求預(yù)測(cè)的配送路徑規(guī)劃。

1" " 需求量預(yù)測(cè)及路徑優(yōu)化相關(guān)理論和方法

1.1" " 居中移動(dòng)平均法概述

1.1.1" " 居中移動(dòng)平均法的含義

移動(dòng)平均主要用于分析時(shí)間序列，能去除不同時(shí)間步長(zhǎng)序列間的差異。居中移動(dòng)平均法（Centered Moving Average， CMA）是移動(dòng)平均法的一種方式，在物流需求預(yù)測(cè)中常被用來(lái)平滑數(shù)據(jù)波動(dòng)，捕捉趨勢(shì)，并對(duì)未來(lái)需求進(jìn)行預(yù)測(cè)。與傳統(tǒng)簡(jiǎn)單的移動(dòng)平均法相比，居中移動(dòng)平均法更注重時(shí)間序列中的中期數(shù)據(jù)，而不是僅關(guān)注最近的數(shù)據(jù)點(diǎn)或等權(quán)重地考慮所有數(shù)據(jù)點(diǎn)。

1.1.2" " 居中移動(dòng)平均法的計(jì)算步驟

數(shù)據(jù)選擇：選擇一個(gè)適當(dāng)?shù)囊苿?dòng)平均期數(shù)（即窗口大?。撈跀?shù)決定了在計(jì)算平均值時(shí)需要考慮的歷史數(shù)據(jù)點(diǎn)。

計(jì)算平均值：將選定窗口內(nèi)的數(shù)據(jù)點(diǎn)相加，然后除以數(shù)據(jù)點(diǎn)的數(shù)量，得到移動(dòng)平均值。該平均值被用作預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)的物流需求。

滑動(dòng)窗口：隨著時(shí)間推移，窗口在時(shí)間序列上會(huì)向前滑動(dòng)，且每次移動(dòng)都會(huì)得出一個(gè)新的移動(dòng)平均值。如此，就可得到一個(gè)連續(xù)的預(yù)測(cè)值序列。

計(jì)算季節(jié)性指數(shù)：用每月平均物流指數(shù)（實(shí)際值/居中移動(dòng)平均數(shù)）除以總數(shù)，即可得到季節(jié)性指數(shù)。該數(shù)值能動(dòng)態(tài)反映當(dāng)月數(shù)據(jù)偏離均值的情況。

預(yù)測(cè)未來(lái)值：最后計(jì)算出的移動(dòng)平均值常被用作下一個(gè)時(shí)間點(diǎn)的預(yù)測(cè)值。如果需要預(yù)測(cè)更遠(yuǎn)的時(shí)間點(diǎn)，可將預(yù)測(cè)值作為實(shí)際值的一部分輸入模型中，但同時(shí)也會(huì)增加預(yù)測(cè)的不確定性。

在物流需求預(yù)測(cè)中，居中移動(dòng)平均法特別適用于具有明顯季節(jié)性或周期性波動(dòng)，但長(zhǎng)期趨勢(shì)相對(duì)穩(wěn)定的情況。然而，需要注意的是，其可能無(wú)法很好地應(yīng)對(duì)突然的需求變化或非線性趨勢(shì)。

1.2" " 節(jié)約里程法概述

1.2.1" " 節(jié)約里程法的原理

節(jié)約里程法是用于解決運(yùn)輸車(chē)輛數(shù)目不確定問(wèn)題的啟發(fā)式算法。優(yōu)化過(guò)程分為并行方式和串行方式兩種。其核心思想是在滿足約束條件的前提下，依次將運(yùn)輸問(wèn)題中的兩個(gè)回路合并為一個(gè)回路，并使每次合并后的總運(yùn)輸距離減小的幅度最大化，直到達(dá)到一輛車(chē)的裝載限制時(shí)再進(jìn)行下一輛車(chē)的配送路徑優(yōu)化，以此類推，直到把所有客戶的貨物配送完畢[11]。

利用節(jié)約里程法確定配送路線的基本方法是根據(jù)配送中心的載體能力和配送中心到各個(gè)站點(diǎn)及各個(gè)站點(diǎn)間的距離，設(shè)計(jì)使總載體量最大、里程數(shù)最少的配送方案。此外，還需要滿足以下條件。

確定需求：收集下游各站點(diǎn)所需的物流量，并根據(jù)站點(diǎn)物流需求量合理分配載體工具實(shí)施運(yùn)輸。

優(yōu)化路線規(guī)劃：通過(guò)分析貨物的流動(dòng)方向和目的地，合理規(guī)劃貨物運(yùn)輸路線，避免繞行和重復(fù)運(yùn)輸，從而減少運(yùn)輸里程和時(shí)間，實(shí)現(xiàn)降碳的目標(biāo)。

1.2.2" " 節(jié)約里程法對(duì)運(yùn)輸路徑的優(yōu)化

在眾多優(yōu)化算法中，節(jié)約里程算法對(duì)于小規(guī)模配送問(wèn)題具有較強(qiáng)的實(shí)用性和易操作性，且可同時(shí)實(shí)現(xiàn)多種類型車(chē)輛的配置[12]。節(jié)約里程法可優(yōu)化合并回路、規(guī)劃路線，以及協(xié)同多車(chē)輛，不僅能降低運(yùn)輸成本，減少運(yùn)輸損耗，還能提高配送效率和企業(yè)競(jìng)爭(zhēng)力。

2" " 案例分析

2.1" " 基礎(chǔ)數(shù)據(jù)

本文以T生鮮食材配送公司（下文簡(jiǎn)稱T公司）為例展開(kāi)分析。該公司主要為當(dāng)?shù)夭惋嫷昱渌蜕r農(nóng)產(chǎn)品。研究將公司2021年1月—2024年2月間各個(gè)月份的物流需求量（數(shù)據(jù)經(jīng)脫敏處理，下文同）制成折線圖，如圖1所示。數(shù)據(jù)顯示，每年7—8月份公司的物流需求量達(dá)到全年峰值。這是因?yàn)樵谑罴倨陂g，當(dāng)?shù)卣德糜瓮?，游客?shù)量增加，餐飲店客流量較大，使得生鮮農(nóng)產(chǎn)品的需求量提升。

2.2" " 存在的問(wèn)題

根據(jù)T公司的現(xiàn)狀分析，發(fā)現(xiàn)需求高峰期時(shí)主要存在以下問(wèn)題。

第一，沒(méi)有系統(tǒng)地對(duì)高峰期下游餐飲店的需求展開(kāi)預(yù)測(cè)，僅憑過(guò)往經(jīng)驗(yàn)和習(xí)慣準(zhǔn)備生鮮農(nóng)產(chǎn)品。一方面，可能會(huì)出現(xiàn)大量貨損，增加額外成本；另一方面，可能會(huì)出現(xiàn)無(wú)法滿足供應(yīng)而臨時(shí)補(bǔ)貨的混亂局面。

第二，已有的運(yùn)輸方案只適用于淡季下游餐飲店的需求量，并沒(méi)有根據(jù)高峰期需求設(shè)計(jì)運(yùn)輸方案，導(dǎo)致高峰期配送效率低下、配送時(shí)間長(zhǎng)，容易影響生鮮農(nóng)產(chǎn)品的品質(zhì)。

因此，為更好地為餐飲店供應(yīng)生鮮農(nóng)產(chǎn)品，避免出現(xiàn)供應(yīng)不足、產(chǎn)品損壞、配送時(shí)間長(zhǎng)等問(wèn)題，公司需要提前做好備貨準(zhǔn)備，運(yùn)用季節(jié)性預(yù)測(cè)模型對(duì)當(dāng)期峰值的需求量做出預(yù)測(cè)，有效應(yīng)對(duì)需求上漲帶來(lái)的產(chǎn)品供應(yīng)問(wèn)題。

2.3" " 優(yōu)化分析

2.3.1" " 基于居中移動(dòng)平均法的季節(jié)性需求量分析

基于居中移動(dòng)平均法，對(duì)季節(jié)性需求展開(kāi)處理分析。季節(jié)性周期以年為觀測(cè)周期，移動(dòng)平均窗口大小為一個(gè)月。2021—2023年公司配送中心的季節(jié)性物流指數(shù)如表1所示。

求解季節(jié)性物流指數(shù)后，為判斷預(yù)測(cè)結(jié)果是否貼合實(shí)際，本文通過(guò)R-squared判斷預(yù)測(cè)值的擬合程度，并運(yùn)用RSQ函數(shù)將預(yù)測(cè)物流量與實(shí)際物流量進(jìn)行比較。結(jié)果顯示，R-squared預(yù)測(cè)值為0.902 2，接近于1，說(shuō)明數(shù)據(jù)擬合程度較好，預(yù)測(cè)精確度較高。因此，利用2024年1—2月數(shù)據(jù)及季節(jié)性指數(shù)計(jì)算2024年7—8月的預(yù)測(cè)物流量分別為467.16 t和444.24 t，兩月總計(jì)需求量911.40 t。

然而，R-squared判斷預(yù)測(cè)值的擬合程度并不能完全體現(xiàn)模型的準(zhǔn)確度。例如，對(duì)于受到季節(jié)因素影響的產(chǎn)品，或者銷售變動(dòng)幅度較大、難以形成銷售規(guī)律的產(chǎn)品而言，即使R-squared的值很高，但仍會(huì)存在預(yù)測(cè)不準(zhǔn)確的可能。針對(duì)這一情況，居中移動(dòng)平均法并不能有效提供準(zhǔn)確的數(shù)據(jù)支撐及參考依據(jù)，還需結(jié)合其他指標(biāo)展開(kāi)綜合分析。因此，針對(duì)時(shí)新產(chǎn)品或緊跟市場(chǎng)潮流的產(chǎn)品，企業(yè)預(yù)測(cè)未來(lái)需求量時(shí)需要提高一定的容錯(cuò)率。

2.3.2" " 基于節(jié)約里程法的路徑優(yōu)化研究

2.3.2.1" " T公司運(yùn)輸路徑現(xiàn)狀分析

據(jù)地圖測(cè)算，T公司配送中心（P）到每個(gè)下游站點(diǎn)（a—h）的距離如表2所示。

每個(gè)站點(diǎn)的需求量根據(jù)上述物流預(yù)測(cè)量，以及往年比例進(jìn)行預(yù)測(cè)分配，結(jié)果如表3所示。

另外，公司現(xiàn)有最大載重量為3 t、6 t的運(yùn)輸貨車(chē)各2輛。為減少配送時(shí)間和成本、車(chē)輛的維護(hù)成本，以及設(shè)備損耗，公司規(guī)定每輛車(chē)的單次配送最大行駛距離應(yīng)盡量不超過(guò)30 km。根據(jù)站點(diǎn)需求量及距離，可畫(huà)出配送中心的配送網(wǎng)絡(luò)。具體如圖2所示。

目前，根據(jù)公司在淡季時(shí)的運(yùn)輸配送方案，可分析出8個(gè)站點(diǎn)配送最常行駛的配送路徑。具體如圖3所示。

按照原有的配送方案，配送總里程如表4所示。

2.3.2.2" " 基于節(jié)約里程法對(duì)運(yùn)輸路徑的優(yōu)化

a.計(jì)算節(jié)約里程數(shù)。根據(jù)節(jié)約里程法的基本原理，算出T公司配送中心P和各站點(diǎn)間節(jié)約的最大里程。具體如表5所示。

b.排序。將上述節(jié)約里程數(shù)從大到小進(jìn)行排序，如表6所示。

綜合考慮車(chē)輛最大行駛距離、裝載量，以及站點(diǎn)間的距離，按照排序表中節(jié)約里程從大到小的順序進(jìn)行路徑優(yōu)化。得到的優(yōu)化方案如表7所示。

優(yōu)化后的配送路線如圖4所示。

在優(yōu)化后的配送路徑方案中，配送中心完成所有站點(diǎn)的任務(wù)僅需使用2輛最大裝載量為6 t的貨車(chē)，以及一輛裝載量為3 t的貨車(chē)，車(chē)輛行駛總里程為56.7 km。優(yōu)化前后的對(duì)比結(jié)果如表8所示。

由此可見(jiàn)，在運(yùn)用節(jié)約里程法后，優(yōu)化后的運(yùn)輸配送方案比原方案節(jié)省了19.05 km的里程數(shù)，減少了1輛配送貨車(chē)的使用，降低了配送中心的運(yùn)營(yíng)成本。

2.4" " 優(yōu)化結(jié)果

調(diào)研發(fā)現(xiàn)，T公司裝載量3 t的貨車(chē)百公里油耗為14升左右；裝載量6 t的貨車(chē)百公里油耗18升左右。當(dāng)期油價(jià)，柴油的單價(jià)為7.7元/升。通過(guò)計(jì)算可知，裝載量3 t的貨車(chē)平均每公里油耗為1.08元；裝載量6 t的貨車(chē)平均每公里油耗為1.39元。按照原有運(yùn)輸方案，總里程為75.75 km，需要2輛3 t的配送車(chē)輛和2輛6 t的配送車(chē)輛，由此可計(jì)算出配送成本合計(jì)為（31.05+18.6）×1.39+（12.6+13.5）×1.08=97.2元。

根據(jù)優(yōu)化后的運(yùn)輸方案，總里程為56.7km，需要一輛3 t的配送車(chē)輛和2輛6 t的配送車(chē)輛，由此計(jì)算出優(yōu)化后的配送成本為12.6×1.08+（28.65+15.45）×1.39=74.9元。

3" " 結(jié)" " 論

本文分析了生鮮農(nóng)產(chǎn)品易腐和實(shí)效要求高的配送特點(diǎn)，通過(guò)分析季節(jié)性特征，以油耗少、運(yùn)輸公里數(shù)低為目標(biāo)，針對(duì)峰值時(shí)間段的需求量重新規(guī)劃配送路徑。同時(shí)，通過(guò)案例分析發(fā)現(xiàn)，需求預(yù)測(cè)與配送路徑優(yōu)化的組合拳在一定程度上能降低配送過(guò)程的成本，減少資源浪費(fèi)和碳排放，促進(jìn)企業(yè)降本增效。

參考文獻(xiàn)：

[1] 張榮，龐夢(mèng)荻，劉斌．生鮮農(nóng)產(chǎn)品車(chē)輛和無(wú)人機(jī)組合配送路徑優(yōu)化及效果測(cè)試[J]．河南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2024，58（1）：96-105.

[2] WU Daqing， WU Chenxiang．Research on the time-dependent split delivery green vehicle routing problem for fresh agricultural"products with multiple time windows[J/OL]．Agriculture， 2022， 12（6）.[2024-09-10].https：//doi.org/10.3390/agriculture12060793.

[3] 李季．考慮時(shí)間窗的生鮮農(nóng)產(chǎn)品冷鏈配送路徑優(yōu)化方法[J]．中國(guó)航務(wù)周刊，2024（33）：75-77.

[4] ZHU Shenjun， FU Hongming， LI Yanhui．Optimization research on vehicle routing for fresh agricultural products based on"the investment of freshness-keeping cost in the distribution process[J/OL]．Sustainability， 2021， 13（14）.[2024-09-10].https：//doi.org/10.3390/su13148110.

[5] YANG Xuewen， ZHANG Zhiguo， WU You. Research on joint distribution route optimization of cold-chain logistics for fresh"agricultural products[J/OL]. Journal of Physics： Conference Series， 2020， 1624（4）： 1-5.[2024-09-12]. https：//iopscience.iop.org/artic le/10.1088/1742.6596/1624/4/042032/pdf.

[6] 何拓．考慮客戶滿意度生鮮農(nóng)產(chǎn)品配送路徑優(yōu)化研究[J]．鐵路采購(gòu)與物流，2024（2）：46-49.

[7] 楊捷．低碳視角下的生鮮農(nóng)產(chǎn)品冷鏈物流配送路徑優(yōu)化[J]．中國(guó)航務(wù)周刊，2023（39）：68-70.

[8] FU Qimin， LU Jun， CHEN Huanhuan， et al. Resource scheduling method for optimizing the distribution path of fresh agricultural"products under low-carbon environmental constraints[J/OL]．Scientific Programming，2022： 1-10.[2024-09-15].https：//on linelibrary."wiley. com/doi/pdf/10.1155/2022/7692135.

[9] 方梅，彭川匯．區(qū)塊鏈技術(shù)下生鮮產(chǎn)品電商優(yōu)化路徑及應(yīng)用研究[J]．湖北科技學(xué)院學(xué)報(bào)，2023，43（5）：49-56， 156.

[10]" 葛顯龍，楊斯然．鄉(xiāng)村振興背景下生鮮農(nóng)產(chǎn)品上行集貨路徑優(yōu)化研究[J]．運(yùn)籌與管理，2024，33（2）：22-28.

[11]" 王智靈，周薔，王情香．基于節(jié)約里程法的車(chē)輛配送路徑優(yōu)化研究[J]．物流科技，2023，46（12）：14-17.

[12]" 張睿智，何云飛．基于節(jié)約里程法的快遞配送路徑優(yōu)化[J]．物流技術(shù)，2022，41（12）：80-83.

基金項(xiàng)目：廣東省教育廳普通高校青年創(chuàng)新人才類項(xiàng)目（2022WQNCX090）；廣東省“質(zhì)量工程”建設(shè)項(xiàng)目專項(xiàng)人才培養(yǎng)計(jì)劃（粵教高函[2023]4號(hào)）；廣東省高等教育教學(xué)研究和改革項(xiàng)目（粵教高函[2024]9號(hào)，1209）；廣州軟件學(xué)院2023年質(zhì)量工程項(xiàng)目（JYJG202303）；廣州軟件學(xué)院校級(jí)科研項(xiàng)目（KY202432）

作者簡(jiǎn)介：黎楚瑩（1996—），女，廣東廣州人，廣州軟件學(xué)院數(shù)字經(jīng)濟(jì)與管理學(xué)院，助教，碩士，研究方向：低碳供應(yīng)鏈、供應(yīng)鏈運(yùn)作與協(xié)調(diào)；許曉君（1992—），本文通信作者，女，廣東廣州人，廣州軟件學(xué)院數(shù)字經(jīng)濟(jì)與管理學(xué)院，助教，碩士，研究方向：供應(yīng)鏈管理。

引文格式：黎楚瑩，莫松霖，許曉君，等．考慮季節(jié)性需求的生鮮農(nóng)產(chǎn)品配送路徑優(yōu)化研究[J]．物流科技，2025，48（6）：51-55，59.