陳婧怡 邱榮祖

摘要：為降低冷鏈物流成本，研究多溫共配模式下生鮮農(nóng)產(chǎn)品冷鏈配送問題。采用多溫區(qū)冷藏車，構(gòu)建考慮運輸成本、貨損成本、制冷成本的路徑優(yōu)化模型，利用遺傳算法對算例進行求解，借助ArcGIS規(guī)劃最短路徑。算例結(jié)果顯示，與傳統(tǒng)配送模式相比，多溫共配模式可減少2輛冷藏車的調(diào)度，總成本降低34.1%，實際運輸距離縮短54.1%。多溫共配模式可有效解決生鮮農(nóng)產(chǎn)品配送小批量、多品種、高成本的問題。

關鍵詞：多溫共配; 路徑優(yōu)化; ArcGIS; 冷藏車輛

中圖分類號： ?U492.31

文獻標志碼： ?A

Abstract：In order to reduce the cost of cold chain logistics， the cold chain distribution of fresh agricultural products under the multi-temperature joint distribution mode is researched. The multi-temperature refrigerated vehicles are used， and the route optimization model considering transportation cost， damage cost and refrigeration cost is constructed. The example is solved by the genetic algorithm， and the shortest path is programmed by ArcGIS. The result of an example shows that： compared with the traditional distribution mode， the multi-temperature joint distribution mode can reduce the scheduling of 2 refrigerated vehicle， the total cost by 34.1% and the actual transportation distance by 54.1%. The multi-temperature joint distribution mode can effectively solve the problem of small batch， multiple species and high cost of fresh agricultural product distribution.

Key words：multi-temperature joint distribution; route optimization; ArcGIS; refrigerated vehicle

0 引 言

冷鏈物流行業(yè)在政策利好和需求旺盛的雙重驅(qū)動下發(fā)展勢頭迅猛，未來前景廣闊，作為第三利潤源已引起廣泛關注[1]。在消費轉(zhuǎn)型升級的今天，生鮮農(nóng)產(chǎn)品電子商務的不斷崛起給冷鏈物流帶來了新的生命力，冷鏈物流行業(yè)進入了新的發(fā)展階段。然而，冷鏈物流配送成本居高不下是阻礙冷鏈物流企業(yè)發(fā)展的短板，也是行業(yè)內(nèi)亟待解決的問題之一[2]。

在多種冷鏈物流配送方式中，應用最廣泛、最成功的配送模式就是共同配送[3]。共同配送多以第三方物流企業(yè)或大型集團企業(yè)自營物流為主體，將區(qū)域內(nèi)的配送任務進行整合，共享區(qū)域內(nèi)的配送設施和設備，完成區(qū)域內(nèi)企業(yè)的配送任務。車輛路徑問題最早由DANTZIG等[4]于1959年提出，是網(wǎng)絡優(yōu)化問題中最基本的問題之一。TAS等[5]在目標函數(shù)中考慮懲罰成本，并以軟時間窗為約束進行配送路徑優(yōu)化。AMORIM等[6]考慮生鮮農(nóng)產(chǎn)品的易腐性，以配送成本最小化和生鮮程度最大化為目標建立了配送車輛路徑規(guī)劃模型，使得模型更貼合實際。李明澤[7]在城市農(nóng)產(chǎn)品配送路徑優(yōu)化研究中，在模型中考慮了交通擁堵系數(shù)，使路徑優(yōu)化與實時路況緊密結(jié)合。陶榮[8]和董冬艷[9]均考慮了生鮮農(nóng)產(chǎn)品的易腐性，以腐敗特性函數(shù)來衡量貨損。黃星星等[10]在碳稅和碳限兩種規(guī)則下，以物流總成本最低為目標優(yōu)化生鮮農(nóng)產(chǎn)品冷鏈配送路徑，但配送模式仍然為單溫區(qū)冷藏車配送。

綜上，以往的研究存在以下不足：一是

缺乏用理論模型探究

多溫共配模式在應對小批量、多品種以及配送成本居高不下等問題時是否能夠發(fā)揮顯著優(yōu)勢;二是鮮有結(jié)合真實路網(wǎng)對配送路徑進行最短路徑規(guī)劃和真實運距計算的研究。針對以上不足，本文針對配送中心向超市門店或大型餐飲店配送貨物的物流服務，在多溫共配模式的基礎上，以多溫區(qū)冷藏車為主體建立理論優(yōu)化模型，運用MATLAB求解最優(yōu)路徑，借助ArcGIS實現(xiàn)基于真實路網(wǎng)的最短路徑規(guī)劃，旨在為冷鏈物流行業(yè)探尋發(fā)展方向，為冷鏈物流配送方案的制定提供重要思路和技術(shù)支持。為適應冷鏈市場實際情況，本文選取多溫區(qū)冷藏車為研究對象。多溫區(qū)冷藏車分別以-10 ℃、4℃、25 ℃劃分冷凍區(qū)、冷藏區(qū)和常溫區(qū)，由制冷機提供所需溫度。

1 模型建立

在冷鏈物流實際作業(yè)中，配送中心向超市門店或大型餐飲店配送的貨物往往種類繁多，各種貨物所需要的溫度不盡相同，單溫區(qū)冷藏車難以滿足當前生鮮農(nóng)產(chǎn)品消費需求“小批量、多品種”的特點。因此，本文在多溫共配模式的基礎上，建立特定的數(shù)學模型，分溫區(qū)進行成本分析，綜合考慮固定成本、可變成本、貨損成本和制冷成本，以多溫區(qū)冷藏車總成本最低為目標進行路徑優(yōu)化。

1.1 模型描述、假設及數(shù)學符號定義

研究由一個配送中心向多個超市門店或大型餐飲店配送常溫品、冷藏品和冷凍品的問題。以多溫區(qū)冷藏車為運輸工具。配送中心和各需求點的地理位置已知，各需求點接受一輛車提供的一次服務，各車輛最后返回配送中心，同時每輛車及其各溫區(qū)有容積限制。

為保證冷藏區(qū)和冷凍區(qū)溫度達標，冷藏區(qū)、冷凍區(qū)溫度一旦分別高于4 ℃、-10 ℃，制冷機就開始制冷，從而產(chǎn)生制冷成本;在配送中心裝卸貨物所花費的時間不計;所有車輛的容積相同并已知;配送車輛均勻速行駛。

2 遺傳算法

2.1 編碼與解碼

采用自然數(shù)編碼規(guī)則，將車輛路徑上的各客戶節(jié)點當作染色體中的基因，路徑上的客戶節(jié)點集合就可以轉(zhuǎn)化為染色體串。編碼時生成1～n的無重復自然數(shù)表示客戶點，將其隨機排列作為車輛遍歷節(jié)點的順序，即為一條初始染色體。此方法將每條路徑上的最后一個客戶與下一條路徑上的第一個客戶連接在一起，中間沒有其他分隔。解碼時車輛從配送中心出發(fā)，尋找第i個節(jié)點，使車輛各溫區(qū)裝載貨物體積不超過其容積限制。若在第i+1個節(jié)點車輛容量約束不能被滿足，則該車輛所服務的客戶為該條染色體串中第1個至第i個基因代表的客戶。下一輛車從第i+1個節(jié)點開始遍歷，以此類推，直至遍歷完所有的節(jié)點。

2.2 生成初始種群

遺傳算法是從可能的問題解組成的種群中開始搜索，生成一個由若干個體組成的初始種群作為進化起點和遺傳操作的對象。種群規(guī)模將影響遺傳算法性能，規(guī)模過小將出現(xiàn)樣本不充分從而導致結(jié)果非優(yōu);種群規(guī)模過大將出現(xiàn)收斂速度過慢、容易陷入局部最優(yōu)等現(xiàn)象并大大增加求解的復雜程度。

在編碼過程中，將n個自然數(shù)隨機排列生成1×n的染色體，將這個過程重復m次，得到規(guī)模為m×n的種群。本文取m=80，即對編碼過程中隨機生成染色體的操作重復80次，形成80條染色體組成初始種群。

2.3 遺傳操作

在循環(huán)交叉運算的基礎上對交叉運算進行改進，設計循環(huán)交叉算子，即找出父代兩個個體中的一條循環(huán)后，父代A循環(huán)位置上的客戶復制給后代1，父代B循環(huán)位置上的客戶復制給后代2;父代A非循環(huán)位置上的客戶隨機排列在后代2的剩余位置上，父代B非循環(huán)位置上的客戶隨機排列在后代1的剩余位置上。變異操作則是隨機選取父代中的兩個基因，調(diào)換其位置。交叉概率在0.50至0.85間取值為優(yōu)，本文交叉概率取0.80。一般而言，變異概率比較小，取0.01。

2.4 適應度函數(shù)

3.2 基于ArcGIS的最短路徑規(guī)劃

借助ArcGIS實現(xiàn)基于真實路網(wǎng)的最短路徑規(guī)劃并計算實際運距，具體操作過程如下：在ArcGIS中加載福州市區(qū)路網(wǎng)圖（北京54坐標系），對路網(wǎng)圖進行拓撲中的打斷相交線操作，建立網(wǎng)絡數(shù)據(jù)集;根據(jù)道路功能，將步行街、棧道等非車行道路剔除;計算各條路的長度;加載節(jié)點投影坐標，在“加載位置”操作中對各節(jié)點進行編號，將配送中心編號為0。特別說明，由于某些節(jié)點沒有直接落在路網(wǎng)中的某條路上或由于基礎數(shù)據(jù)中該區(qū)域路網(wǎng)數(shù)據(jù)不清晰，路網(wǎng)未覆蓋到某些節(jié)點，因此在計算前先對這些節(jié)點做近鄰分析，將其定位到與之垂直距離最短的真實道路上。本文計算出的行程均是基于真實路網(wǎng)的最短距離。

4 結(jié) 論

考慮將冷藏車分成常溫區(qū)、冷藏區(qū)、冷凍區(qū)進行多溫共配能有效滿足冷鏈物流“小批量、多品種”的特點，本文以多溫共配模式為基礎構(gòu)建數(shù)學模型，分多溫區(qū)進行成本分析，用MATLAB對模型進行求解，利用ArcGIS為車輛規(guī)劃真實的最短路徑并計算車輛行駛路程。結(jié)果表明，采用多溫共配模式能大大降低物流成本、縮短車輛行駛路程。在本文算例中，多溫共配模式較之傳統(tǒng)冷鏈配送模式減少了2

輛車的調(diào)度，降低了34.1%的成本。同時，配送車輛的基于真實路網(wǎng)的實際行駛路程僅為優(yōu)化前的45.9%，避免了傳統(tǒng)的專車專送導致的行程重復。第三方冷鏈物流企業(yè)配置多溫區(qū)冷藏車相比于配置單溫區(qū)冷藏車能產(chǎn)生更高的經(jīng)濟效益。

參考文獻：

[1]陳紅麗， 陸華. 冷鏈物流服務過程的質(zhì)量評價[J]. 中國流通經(jīng)濟， 2013， 27（1）： 34-39. DOI： 10.14089/j.cnki.cn11-3664/f.2013.01.005.

[2]王金妹. 高級計劃排程與冷鏈物流研究文獻綜述[J]. 西安電子科技大學學報（社會科學版）， 2013， 23（1）： 30-35. DOI： 10.16348/j.cnki.cn61-1336/c.2013.01.020.

[3]TANIGUCHI E. Concepts of city logistics for sustainable and liveable cities[J]. Procedia-Social and Behavioral Science， 2014， 151： 310-317. DOI： 10.1016/j.sbspro.2014.10.029.

[4]DANTZIG G B， RAMSER J H. The truck dispatching problem[J]. Management Science， 1959， 10（6）： 80-91.

[5]TAS D， DELLAERT N， VAN WOENSEL T， et al. Vehicle routing problem with stochastic travel times including soft time windows and service costs[J]. Computers & Operations Research， 2013， 40（3）： 214-224. DOI： 10.1016/j.cor.2012.06.008.

[6]AMORIM P， ALMADA-LOBO B. The impact of food perishability issues in the vehicle routing problem[J]. Computers & Industrial Engineering， 2014， 67： 223-233. DOI： 10.1016/j.cie.2013.11.006.

[7]李明澤. 城市農(nóng)產(chǎn)品冷鏈物流配送路徑優(yōu)化研究[D]. 大連： 大連海事大學， 2013.

[8]陶榮. 基于蟻群算法的多溫共配冷鏈物流配送問題研究[J]. 物流技術(shù)， 2014， 33（5）： 302-304. DOI： 10.3969/j.issn.1005-152X.2014.05.097.

[9]董冬艷. 基于生鮮農(nóng)產(chǎn)品的冷鏈物流配送路徑優(yōu)化研究[D]. 沈陽： 沈陽大學， 2017.

[10]黃星星， 胡堅堃， 黃有方. 碳稅和碳限規(guī)則下生鮮農(nóng)產(chǎn)品冷鏈配送路徑優(yōu)化[J]. 上海海事大學學報， 2018， 39（1）： 74-79. DOI： 10.13340/j.jsmu.2018.01.013.

[11]錢光宇. 考慮碳排放的生鮮農(nóng)產(chǎn)品冷鏈配送路徑優(yōu)化研究[D]. 北京： 北京交通大學， 2016.

[12]謝晶， 徐倩， 方恒和. 多溫區(qū)冷藏車熱負荷計算的研究[J]. 食品與機械， 2007， 23（4）： 98-101. DOI： 10.13652/j.issn.1003-5788.2007.04.024.

[13]繆小紅. 基于GIS的生鮮食品冷鏈物流配送路徑優(yōu)化研究[D]. 福建： 福建農(nóng)林大學， 2010.

[14]胡衛(wèi)， 梁承姬， 樊陸彬， 等. 基于同時取送貨的多溫共配冷鏈車輛路徑優(yōu)化[J]. 廣西大學學報（自然科學版）， 2016， 41（5）： 1576-1584. DOI： 10.13624/j.cnki.issn.1001-7445.2016.1576.

[15]蔣倫山. 冷鏈物流多溫配送路徑優(yōu)化研究[J]. 中國市場， 2015（50）： 26-27.

[16]董立娟. 帶時間窗約束的冷鮮肉制品配送路徑優(yōu)化[D]. 長沙： 中南大學， 2011.

（編輯 趙勉）