徐前景，王開利，何 誠，趙丙坤

（瀘州老窖股份有限公司，瀘州 646000）

0 引言

目前多式聯(lián)運(yùn)的研究多集中在運(yùn)輸層中實(shí)現(xiàn)運(yùn)輸線路的最短路徑研究[1～6]、算法研究[7～11]、實(shí)現(xiàn)多種運(yùn)輸方式的組合優(yōu)化研究[12～15]、實(shí)現(xiàn)區(qū)域物流基地、中轉(zhuǎn)節(jié)點(diǎn)的選址研究[16～20]，多式聯(lián)運(yùn)僅僅是幾種運(yùn)輸方式的簡單組合，在整條供應(yīng)鏈的前端和末端未能進(jìn)行有效的資源及信息的整合匹配，在多種運(yùn)輸方式轉(zhuǎn)換時未能進(jìn)行及時有效的溝通，常常出現(xiàn)長時間的等待及運(yùn)力不匹配現(xiàn)象，同時由于承運(yùn)商間標(biāo)準(zhǔn)的不統(tǒng)一，出現(xiàn)多種運(yùn)輸單據(jù)的交接轉(zhuǎn)換，大大延長了運(yùn)輸?shù)臅r間，既浪費(fèi)了資源又增加了人力、物力及運(yùn)輸成本[18,19]。因此，在多式聯(lián)運(yùn)的運(yùn)輸模式中，如何實(shí)現(xiàn)多種運(yùn)輸方式之間的高效轉(zhuǎn)換銜接，降低整個運(yùn)輸過程的時間，成為制約多式聯(lián)運(yùn)發(fā)展的難題。

自國家十三五規(guī)劃發(fā)展以來，物聯(lián)網(wǎng)已成為多個行業(yè)強(qiáng)有力的經(jīng)濟(jì)驅(qū)動點(diǎn)[21]，隨著智能識別技術(shù)、RFID、智能車載終端、自動駕駛、智能搬運(yùn)等物聯(lián)網(wǎng)技術(shù)的日漸成熟與應(yīng)用，物聯(lián)網(wǎng)在物流行業(yè)的使用規(guī)模呈指數(shù)式增長[22,23]，國家大量的政策出臺鼓勵發(fā)展多式聯(lián)運(yùn)，“無船承運(yùn)人”[24]、“無車承運(yùn)人”[25,26]等各種操作模式紛紛呈現(xiàn)并得到發(fā)展。

綜上所述，目前少有學(xué)者將物聯(lián)網(wǎng)、智能化思維及技術(shù)應(yīng)用于多式聯(lián)運(yùn)領(lǐng)域[27]，本研究將物聯(lián)網(wǎng)、智能化技術(shù)引入多式聯(lián)運(yùn)運(yùn)輸模式中，運(yùn)用物聯(lián)網(wǎng)的思維和技術(shù)解決物流節(jié)點(diǎn)間鏈接的難題，實(shí)現(xiàn)信息流、物流、資金流在整條供應(yīng)鏈間的無縫流動。

1 模式研究

將物聯(lián)網(wǎng)、智能化思維及技術(shù)應(yīng)用于多式聯(lián)運(yùn)領(lǐng)域，從平臺層、節(jié)點(diǎn)層到運(yùn)輸層進(jìn)行詳細(xì)剖析，解決多式聯(lián)運(yùn)多種運(yùn)輸方式轉(zhuǎn)換中信息流流動不暢通的難題，從根源上找原因，實(shí)現(xiàn)多式聯(lián)運(yùn)無縫鏈接能力，同時將企業(yè)內(nèi)部信息云平臺與社會云平臺進(jìn)行對接，形成云平臺網(wǎng)絡(luò)域，將信息、貨源及運(yùn)力進(jìn)行整合，實(shí)現(xiàn)整條供應(yīng)鏈的透明性，降低了整條供應(yīng)鏈的成本。

圖1 物聯(lián)網(wǎng)多式聯(lián)運(yùn)配送模式圖解

1.1 平臺層

打造供應(yīng)鏈云平臺，以物流為核心，將上游供應(yīng)商、核心制造商直至下游客戶聯(lián)系起來，打通整條供應(yīng)鏈，實(shí)現(xiàn)信息流在整個鏈條中的無縫透明的傳遞。

圖2 公共信息云平臺

在信息平臺系統(tǒng)中，制造商作為整個供應(yīng)鏈的核心，是整條供應(yīng)鏈的管理者，對整個系統(tǒng)進(jìn)行監(jiān)控和維護(hù)，同時將供應(yīng)商、承運(yùn)商、制造商、客戶的信息進(jìn)行整合，供應(yīng)商可以在本系統(tǒng)中隨時掌握制造商的生產(chǎn)計(jì)劃進(jìn)而做出針對性的生產(chǎn)安排，并能隨時監(jiān)控制造要素部件、成品貨物在途運(yùn)輸及倉儲狀態(tài)；客戶可在此平臺或與之相關(guān)的APP信息平臺時刻掌握所購商品的運(yùn)輸狀態(tài)并可在此信息平臺的客戶服務(wù)界面進(jìn)行定制服務(wù)；制造商可以根據(jù)此信息平臺中客戶的需求信息進(jìn)行生產(chǎn)預(yù)測。

圖3 多式聯(lián)運(yùn)方案生成邏輯圖

在企業(yè)內(nèi)部將貨源與運(yùn)力進(jìn)行整合，在企業(yè)外部將內(nèi)部的信息平臺與社會平臺形成聯(lián)動，借助APP，將外部資源整合到內(nèi)部信息平臺上，同時無論是自營、聯(lián)營或者個體承運(yùn)商均可在APP上對所有訂單進(jìn)行分段競價、分段時效確認(rèn)并進(jìn)行在線簽約，平臺通過智能BI對訂單信息、承運(yùn)商信息、訂單始發(fā)地、中轉(zhuǎn)站、目的地、時效、運(yùn)量等進(jìn)行數(shù)據(jù)分析同時TMS系統(tǒng)結(jié)合碼頭、站場管理時刻表，結(jié)合中轉(zhuǎn)站的轉(zhuǎn)換時效，結(jié)合承運(yùn)商的運(yùn)輸時效進(jìn)行運(yùn)輸主體組合、運(yùn)輸方式組合和轉(zhuǎn)駁方式組合，實(shí)現(xiàn)先定單，后定線，確定最優(yōu)的多式聯(lián)運(yùn)方案。在不同運(yùn)輸方式切換時借助RFID系統(tǒng)，實(shí)現(xiàn)貨物、訂單運(yùn)輸工具之間的轉(zhuǎn)換綁定，實(shí)現(xiàn)節(jié)點(diǎn)間的無縫鏈接；通過GPS、GIS系統(tǒng)實(shí)現(xiàn)貨物的全程可視化跟蹤。

1.2 運(yùn)輸層

在整條供應(yīng)鏈上統(tǒng)一條碼類型、格式，從供應(yīng)鏈的源頭開始，在供應(yīng)商的每一個料盒、料箱貨物、托盤貨物上張貼條碼，第三方物流公司進(jìn)行循環(huán)取貨，以及第三方物流公司將貨物移交制造商只需直接掃描供應(yīng)商條碼即可，無需進(jìn)行轉(zhuǎn)換，同時結(jié)合公共信息平臺，實(shí)現(xiàn)供應(yīng)商、制造商、第三方物流公司均能查詢貨物在途倉儲狀態(tài)，實(shí)現(xiàn)貨物信息的透明性，降低成本，實(shí)現(xiàn)共贏。

從開始的訂單錄入，到最后的貨物交付結(jié)算，以公共信息平臺為中心，聯(lián)合WMS系統(tǒng)、GIS系統(tǒng)、移動終端，對貨源和運(yùn)力進(jìn)行合理匹配，一單到底，以“一碼制”實(shí)現(xiàn)“一單制”，將上游客戶與下游承運(yùn)商有效的銜接起來，實(shí)現(xiàn)票據(jù)流、信息流、實(shí)物流全程可視化監(jiān)督，降低了節(jié)點(diǎn)轉(zhuǎn)換的等待時間，大大縮短了交付周期。

圖4 運(yùn)輸層全程可視化跟蹤示意圖

1.3 節(jié)點(diǎn)層

通過RFID手持終端輸入包材物料信息、托盤碼信息及成品物流碼信息，運(yùn)用移動黑盒設(shè)備在途可視化跟蹤，運(yùn)輸方式轉(zhuǎn)換時運(yùn)用RFID技術(shù)掃描集裝箱條碼，實(shí)時掌握貨物與運(yùn)輸方式的轉(zhuǎn)換及調(diào)度信息，實(shí)現(xiàn)包材物料信息、成品信息、承運(yùn)商信息及訂單信息的全程掌控。同時通過信息平臺也可對條碼錄入的信息進(jìn)行分析，進(jìn)行拼箱拼單操作，對于提高裝載率，運(yùn)輸組合優(yōu)化，降低運(yùn)輸成本等具有實(shí)質(zhì)性的作用。

圖5 RFID技術(shù)應(yīng)用示意圖

2 數(shù)學(xué)模型

考慮鐵路運(yùn)能限制，避免出現(xiàn)回流，減少節(jié)點(diǎn)區(qū)域覆蓋重復(fù)度，使節(jié)點(diǎn)最少，綜合考慮節(jié)點(diǎn)城市交通、經(jīng)濟(jì)發(fā)展、政策等因素，考慮地理位置、發(fā)運(yùn)量等聚類分析指標(biāo)，利用模糊聚類分析即將各城市的發(fā)運(yùn)量按集中程度進(jìn)行區(qū)域劃分，定性與定量相結(jié)合，以成本最優(yōu)，時間最少為目標(biāo)，建立數(shù)學(xué)模型，并運(yùn)用遺傳算法逐步迭代得出最優(yōu)多式聯(lián)運(yùn)方案。

2.1 符號定義

I所有經(jīng)過的城市集合；

J所有運(yùn)輸方式集合；

T從起始點(diǎn)到目標(biāo)城市的容許運(yùn)輸期限；

M一個充分大的懲罰因子。

2.2 建立數(shù)學(xué)模型

其中目標(biāo)函數(shù)（1）為整個運(yùn)輸過程中的成本最少。目標(biāo)函數(shù)（2）為整個運(yùn)輸過程中的綜合運(yùn)輸時間最少，包含節(jié)點(diǎn)之間的運(yùn)輸時間和中轉(zhuǎn)節(jié)點(diǎn)的中轉(zhuǎn)時間。

約束條件（3）表示在城市i到城市i+1之間只能選擇一種運(yùn)輸形式；約束條件（4）表示在城市i只能采用一種運(yùn)輸轉(zhuǎn)換方式；約束條件（5）表示運(yùn)輸?shù)牟婚g斷性；約束條件（6）表示貨物的運(yùn)輸時間不能超過運(yùn)輸期限；約束條件（7）表明貨物的運(yùn)輸量必須在裝載工具的載重范圍內(nèi)；約束條件（8）表示決策變量取整數(shù)0或1。

3 應(yīng)用分析

3.1 案例概述

四川某知名酒企欲將產(chǎn)品銷往大連、開封、南京、廣州、蘇州、青島、合肥、定州、徐州、上海、哈爾濱、南昌、咸陽、昆明、白銀市、寧德市、北京17個城市，該企業(yè)可以提前14天拿到訂單，2天內(nèi)可實(shí)現(xiàn)生產(chǎn)并滿足運(yùn)輸條件，表1為這些城市的地理位置及訂單量信息。

表1 目標(biāo)城市位置及訂單量

經(jīng)查詢，該成品酒換算后的空運(yùn)、鐵路、水運(yùn)及公路運(yùn)輸運(yùn)費(fèi)情況如表2所示。

表2 空運(yùn)、鐵路、水運(yùn)及公路運(yùn)輸計(jì)費(fèi)情況

根據(jù)運(yùn)輸時效性設(shè)計(jì)時間懲罰權(quán)重如表3所示。

表3 四種運(yùn)輸方式的懲罰權(quán)重值

統(tǒng)計(jì)等待時間后，空運(yùn)平均時速650km/小時，鐵路平均時速70km/小時，水運(yùn)平均時速35km/小時，公路平均時速85km/小時。

假設(shè)在某兩個相鄰的城市節(jié)點(diǎn)之間，在滿足運(yùn)輸?shù)倪B續(xù)性的前提下只能選擇一種運(yùn)輸方式，通過前面所述的數(shù)學(xué)模型，將此配送問題轉(zhuǎn)化為最短路徑問題，可采用改進(jìn)自適應(yīng)遺傳算法進(jìn)行求解。

3.2 算法說明

1）編碼

采取整數(shù)編碼，x=（x1，x2，x3，…，xi）為一條染色體，x表示規(guī)劃方案，染色體中的每個基因xi表示一個城市，i代表城市的數(shù)量。

2）初始種群

隨機(jī)生成一定數(shù)量的染色體組成種群，染色體越長，種群規(guī)模應(yīng)該越大。經(jīng)過仿真實(shí)驗(yàn)發(fā)現(xiàn)本文初始種群規(guī)模設(shè)置為300比較合適，既能保證算法精度又能保障算法效率。

3）適應(yīng)度函數(shù)

適應(yīng)度函數(shù)設(shè)置為目標(biāo)函數(shù),表示為：Zfit=Z（x）。

4）選擇算子

采取輪盤賭選擇算子，染色體適應(yīng)度值越大，染色體被選擇的機(jī)會越大。假設(shè)有x個染色體，其中第i個染色體的適應(yīng)度值為Fi，那么第i個染色體被選擇的概率為

5）交叉算子

使用兩點(diǎn)交叉算子。隨機(jī)產(chǎn)生一個數(shù)r，r∈（0，1）。用r與交叉概率比較，以判斷是否發(fā)生交叉操作。然后隨機(jī)產(chǎn)生兩個整數(shù)I1，I2，將染色體I1，I2間這一段的基因與另一染色體I1，I2間的基因進(jìn)行對調(diào)。最后采用映射的方法解決染色體互換后的重復(fù)部分問題。

6）變異算子

本文采取的變異策略為交換染色體內(nèi)的兩個基因，先隨機(jī)產(chǎn)生一個數(shù)r，r∈（0，1）。用r與變異概率比較，以判斷變異的發(fā)生情況，隨機(jī)交換染色體內(nèi)兩處不同位置的基因即完成變異操作。

7）修正算子

標(biāo)準(zhǔn)的遺傳算法存在早熟的缺陷，即采用標(biāo)準(zhǔn)遺傳算法所得解集仍有繼續(xù)優(yōu)化的空間，本文采用修正算子，降低算法早熟可能性。操作如下：

步驟1：在 [1，n+m]區(qū)間內(nèi)隨機(jī)產(chǎn)生k1和k2；

步驟2：若k1和k2均為非零整數(shù)，則將其前的基因序列和其后的基因序列進(jìn)行逆轉(zhuǎn)。

步驟3：檢查子代染色體，依次進(jìn)行迭代操作。

以染色體032740581069為例，若k1=7，k2=5，則利用上述算子，產(chǎn)生的染色體為：018504723069，如圖6所示。

圖6 進(jìn)化修正操作

經(jīng)過兩邊逐次修正算法的運(yùn)行，修正前后的配送方案對比如圖7所示：

圖7 兩邊逐次修正算法效果示意圖

3.3 算法性能分析

選取Solomon算例驗(yàn)證所設(shè)計(jì)算法的性能是否能滿足求解該問題，其中Solomon算例包含三種目標(biāo)類型，目標(biāo)數(shù)量分別為25、50和100，每種目標(biāo)集對應(yīng)A類、B類和C類三類不同的空間分布類別，其中A類為聚類分布，B類為隨機(jī)分布，C類兼具聚類和隨機(jī)分布，采用禁忌搜索算法、一般遺傳算法與改進(jìn)自適應(yīng)遺傳算法求解該問題，并對比分析三種算法的求解效果，驗(yàn)證所設(shè)計(jì)算法的求解能力。運(yùn)行MATLAB編程，每種算法運(yùn)行30次，數(shù)據(jù)測試結(jié)果如表4所示。

表4 數(shù)據(jù)測試統(tǒng)計(jì)

以目標(biāo)集為50的C類分布為例，三種算法運(yùn)行的收斂示意圖如圖8所示。

圖8 算法收斂圖

試驗(yàn)證明，所設(shè)計(jì)的改進(jìn)自適應(yīng)遺傳算法求解速度更快，尋找最優(yōu)解的能力更優(yōu)，滿足此配送問題的求解。

3.4 算法求解

在算法運(yùn)行之前首先對案例進(jìn)行初步數(shù)據(jù)分析處理，為了方便求解，引入水運(yùn)及鐵路中轉(zhuǎn)樞紐如圖9所示。

圖9 中轉(zhuǎn)樞紐圖

表5 中轉(zhuǎn)樞紐統(tǒng)計(jì)

表5 （續(xù)）

采用模糊聚類分析法將各城市的訂單量按集中程度進(jìn)行區(qū)域劃分，如圖10所示。

圖10 模糊聚類劃分區(qū)域圖

通過云平臺提前獲得各中轉(zhuǎn)樞紐節(jié)點(diǎn)的班列時刻表，通過仿真模擬計(jì)算得節(jié)點(diǎn)運(yùn)輸方式轉(zhuǎn)換時間如表6所示。

表6 節(jié)點(diǎn)運(yùn)輸方式轉(zhuǎn)換時間

表7 多式聯(lián)運(yùn)配送組合結(jié)果

采用MATLAB語言編程，設(shè)置算法參數(shù)：種群規(guī)模設(shè)置為100，迭代代數(shù)設(shè)置為500，在Intel（R）Core i5-9300H CPU@2.40GHz，內(nèi)存8GB，操作系統(tǒng)為Win10的PC上多次運(yùn)行算法程序，所得節(jié)點(diǎn)連線結(jié)果如圖11所示。

圖11 運(yùn)行散點(diǎn)連線圖

所得多式聯(lián)運(yùn)配送組合結(jié)果如表7所示。

采用基于物聯(lián)網(wǎng)的多式聯(lián)運(yùn)配送模式與傳統(tǒng)多式聯(lián)運(yùn)模式和傳統(tǒng)公路配送模式比較如表8所示。

表8 三種配送模式對比表

表8說明采用了物聯(lián)網(wǎng)+多式聯(lián)運(yùn)配送模式所花費(fèi)的成本低于傳統(tǒng)多式聯(lián)運(yùn)配送模式和傳統(tǒng)公路配送模式，傳統(tǒng)多式聯(lián)運(yùn)配送模式所花費(fèi)的時間最多，這是由于其在中轉(zhuǎn)節(jié)點(diǎn)信息傳遞的不及時性造成的，物聯(lián)網(wǎng)+多式聯(lián)運(yùn)配送模式和傳統(tǒng)公路配送模式所花費(fèi)時間相差不大。對比結(jié)果表明在滿足配送時效要求的前提下，物聯(lián)網(wǎng)+多式聯(lián)運(yùn)配送模式具有非常明顯的優(yōu)勢，可大幅降低配送成本，配送量越大時效果越明顯。

4 結(jié)語

本研究運(yùn)用互聯(lián)網(wǎng)、智能化技術(shù)解決多式聯(lián)運(yùn)多種運(yùn)輸方式轉(zhuǎn)換中信息流流動不暢通的難題，從根源上找原因，降低了“牛鞭效應(yīng)”的影響，實(shí)現(xiàn)了多式聯(lián)運(yùn)無縫鏈接能力，創(chuàng)新了多式聯(lián)運(yùn)物流模式。同時在總成本和總運(yùn)輸時間最小的原則下，建立了求解模型，并設(shè)計(jì)改進(jìn)自適應(yīng)算法針對具體算例進(jìn)行求解，對解決當(dāng)前多式聯(lián)運(yùn)無縫鏈接的難題具有良好的借鑒意，本研究考慮約束條件有限，帶有裝載約束、兼具解決逆向運(yùn)輸返空率等問題將是下一步的研究方向。