基于地鐵的城市物流配送路徑優(yōu)化

劉亞楠 鄭長(zhǎng)江 沈金星

摘 要：為了應(yīng)對(duì)日益增長(zhǎng)的快遞需求，緩解貨運(yùn)車輛加重的城市交通擁堵，提高城市配送效率，本文提出了整合地鐵資源進(jìn)行城市物流配送的構(gòu)想。本文將從企業(yè)和用戶的角度出發(fā)，考慮地鐵與末端地面配送車輛的容量限制，以運(yùn)輸成本、車輛成本和時(shí)間成本最小為目標(biāo)函數(shù)建立多目標(biāo)優(yōu)化模型，優(yōu)化地鐵列車班次的客戶分配和末端地面車輛的路徑選擇，更加符合實(shí)際。然后采用遺傳算法對(duì)模型進(jìn)行求解。最后以南京市地鐵2、4號(hào)線為例，驗(yàn)證了模型和算法的實(shí)用性及有效性。結(jié)果表明，基于地鐵的城市物流配送的總成本遠(yuǎn)低于單獨(dú)貨車配送，具有較強(qiáng)的應(yīng)用價(jià)值。

關(guān)鍵詞：地鐵;城市配送;容量限制;多目標(biāo)

中圖分類號(hào)：U121

文獻(xiàn)標(biāo)識(shí)碼： A

隨著城市化進(jìn)程的加速與電子商務(wù)的蓬勃發(fā)展，城市里各類車輛數(shù)目激增，道路交通擁堵現(xiàn)象愈發(fā)嚴(yán)重。而城市中有60%的車流是運(yùn)貨的，如果將地面貨運(yùn)轉(zhuǎn)至地下，將大大減少交通壓力[1]，有效緩解交通環(huán)境和空間資源的矛盾。但是由于地下空間開(kāi)發(fā)目前還處于起步階段，存在建筑地下基礎(chǔ)深淺不同、地下空間受力環(huán)境復(fù)雜等問(wèn)題，地下物流系統(tǒng)建設(shè)面臨成本與技術(shù)的雙重難題?；诘罔F的城市物流配送構(gòu)想，既能充分利用地鐵資源，又能為地下物流系統(tǒng)的成功實(shí)施減少阻力?！丁笆濉苯煌I(lǐng)域科技創(chuàng)新專項(xiàng)規(guī)劃》也提出要開(kāi)發(fā)適于城軌客運(yùn)空檔期專用的智能及經(jīng)濟(jì)性載運(yùn)工具。因此，將地鐵引入城市配送將是未來(lái)的重要研究方向，具有重要的研究?jī)r(jià)值。

將公共地鐵服務(wù)與傳統(tǒng)的貨車運(yùn)營(yíng)相結(jié)合，把貨物從郊區(qū)運(yùn)送到城市中心，可以有效緩解交通擁堵、延誤、環(huán)境污染等城市交通問(wèn)題[2]。國(guó)內(nèi)外許多學(xué)者已經(jīng)從技術(shù)上和經(jīng)濟(jì)上驗(yàn)證了其可行性。MOTRAGHI等[3]利用 Arean 仿真軟件建立模型，用于分析現(xiàn)狀評(píng)估備選方案并最大限度地利用地鐵系統(tǒng)，結(jié)果表明利用地鐵實(shí)現(xiàn)城市貨運(yùn)是可能的。張涵等[4]提出了“云平臺(tái)+公共交通”的智慧物流整合設(shè)計(jì)方案，包括以地鐵為末端配送主力， 輔助小型運(yùn)輸工具完成配送。劉崇獻(xiàn)[5]分析了把北京地鐵在晚問(wèn)和非高峰期用作城市物流系統(tǒng)的必要性和可行性。史毅飛等[6]提出了使地鐵兼具載客、物流功能的改造方案，分析了客流低谷、非載客兩個(gè)時(shí)間區(qū)間地鐵運(yùn)行模式。彭玫貞等[7]通過(guò)地下物流系統(tǒng)與地鐵在技術(shù)系統(tǒng)結(jié)構(gòu)、網(wǎng)絡(luò)布局、實(shí)施環(huán)境與運(yùn)營(yíng)等方面均的異同，證明兩者之間的協(xié)同具有可行性，并具有較大優(yōu)勢(shì)。陳梓毓[8]分析了適合地鐵配送的貨物類型、運(yùn)載工具、貨物流向、區(qū)間范圍和貨物量。

目前國(guó)內(nèi)外對(duì)基于地鐵的城市物流配送路徑優(yōu)化的研究較少。GHILAS等[9]探討了利用現(xiàn)有的按預(yù)定路線和時(shí)間表運(yùn)營(yíng)的公共交通車輛運(yùn)輸貨物的機(jī)會(huì)和可行性，提出了一種適用于帶時(shí)間窗和預(yù)定線路的收送貨問(wèn)題的自適應(yīng)大鄰域搜索算法。楊浩雄等[10]從利用軌道交通配送鮮活農(nóng)產(chǎn)品出發(fā)，研究了配送模式的流程、配送線路規(guī)劃原則及基礎(chǔ)設(shè)施的建設(shè)與改造問(wèn)題。周芳汀等[11-12]以貨物平均送達(dá)時(shí)間最小為目標(biāo)函數(shù)構(gòu)建模型，以優(yōu)化配送中心與地鐵出站點(diǎn)的選擇和末端地面配送路徑，其后又以配送成本最小化為目標(biāo)，優(yōu)化了地鐵列車的客戶分配及末端地面配送路徑。

雖然已有少量文獻(xiàn)對(duì)基于地鐵配送的城市物流路徑優(yōu)化進(jìn)行了研究，但其研究對(duì)象僅為單條線路，沒(méi)有考慮受客流影響的地鐵列車班次剩余能力情況，研究目標(biāo)多從物流企業(yè)的角度考慮運(yùn)輸成本最小化，忽視了客戶利益。因此，本文將從企業(yè)和用戶的角度出發(fā)，考慮地鐵與末端地面配送車輛的容量限制，以運(yùn)輸成本、車輛成本和時(shí)間成本最小為目標(biāo)函數(shù)建立多目標(biāo)優(yōu)化模型。在算例中采用遺傳算法求解，優(yōu)化地鐵列車班次的客戶分配和末端地面車輛的路徑選擇。

1?問(wèn)題描述與建模

1.1?問(wèn)題描述

配送中心的貨物分揀后由貨車運(yùn)往指定的地鐵進(jìn)站點(diǎn)，經(jīng)過(guò)地鐵運(yùn)輸至出站點(diǎn)，再由末端的地面配送車輛運(yùn)輸給客戶，如圖1所示。配送中心可以就近選擇某幾條地鐵線路作為配送線路，其中地鐵線路剩余能力已知。進(jìn)站點(diǎn)到出站點(diǎn)的距離和時(shí)間已知?？蛻舻氖肇浶枨蠛妥鴺?biāo)位置已知。配送完成后地面配送車輛（包括從配送中心出發(fā)的貨車及從出站點(diǎn)出發(fā)的末端配送車輛）需要返回起始點(diǎn)，地鐵列車不需要。貨物一般為中小型包裹和低密度高附加值貨物，需要盡快送達(dá)。

1.2?模型假設(shè)

模型基本假設(shè)如下：

（1）地鐵、貨車與末端配送車輛的運(yùn)輸成本只與貨物重量與運(yùn)輸距離有關(guān)，不考慮其它因素的影響。

（2）配送中心對(duì)應(yīng)有固定的地鐵進(jìn)站點(diǎn)。

（3）進(jìn)站點(diǎn)到出站點(diǎn)的容量限制是固定的，暫時(shí)不考慮其隨客流變化情況。

（4）在考慮配送網(wǎng)絡(luò)上地鐵的容量限制下，地鐵線路運(yùn)輸貨物不會(huì)影響乘客服務(wù)質(zhì)量。

（5）不同的運(yùn)輸方式轉(zhuǎn)運(yùn)時(shí)，會(huì)有一定的時(shí)間損耗。

1.3?模型建立

1.3.1?貨物運(yùn)輸成本

由圖1的配送網(wǎng)絡(luò)層級(jí)結(jié)構(gòu)可以看出，貨物運(yùn)輸成本應(yīng)當(dāng)包含三部分：配送中心至地鐵進(jìn)站點(diǎn)的地面運(yùn)輸部分，地鐵進(jìn)站點(diǎn)至出站點(diǎn)的地鐵運(yùn)輸部分以及地鐵出站點(diǎn)至用戶的末端地面運(yùn)輸部分。在建立模型時(shí)，考慮到假設(shè)了物流園有固定的進(jìn)站點(diǎn)，因此，當(dāng)已知進(jìn)站點(diǎn)時(shí)，配送中心到該進(jìn)站點(diǎn)的距離、時(shí)間等成本亦可得到。故可將運(yùn)輸成本的前兩部分合并，建立的貨物運(yùn)輸成本模型如下：

C1=∑d∈VD∑k∈VK∑j∈VC∑r∈VRcodkqjxjrdk+∑i∈VK∪VC∑j∈VC∑v∈VVcijqjyjvij

其中，C1為貨物運(yùn)輸總成本，VD為進(jìn)站點(diǎn)d的集合，VK為出站點(diǎn)k的集合，VC為客戶j的集合，末端地面配送節(jié)點(diǎn)i∈VK∪VC，VR為地鐵班次r的集合， VV為路面配送車輛v的集合;codk為從配送中心經(jīng)過(guò)進(jìn)站點(diǎn)d到出站點(diǎn)k的單位貨物運(yùn)輸成本，qj為第j個(gè)客戶的貨物需求量，cij為末端配送從節(jié)點(diǎn)i到j(luò)的單位貨物運(yùn)輸成本，決策變量xjrdk表示客戶j的貨物由配送中心經(jīng)過(guò)進(jìn)站點(diǎn)d到出站點(diǎn)k通過(guò)列車班次r配送時(shí)取值為1，否則為0;決策變量yjvkj表示客戶j的貨物從出站點(diǎn)k到客戶j由車輛v配送時(shí)取值為1，否則為0。

1.3.2?車輛成本

在城市物流配送中，應(yīng)該盡量提高配送車輛的滿載率，減少車輛的使用。這樣不僅能夠降低成本，也是緩解交通擁堵的關(guān)鍵。因此車輛成本目標(biāo)函數(shù)如下：

C2=crNr+cvNv

其中，C2為車輛總成本，Cr為每班次地鐵列車車輛成本，Cv為單輛末端地面配送車輛成本，Nr為所需地鐵列車班次數(shù)，Nv為所需末端配送車輛數(shù)。

1.3.3?時(shí)間成本

時(shí)間成本的目標(biāo)函數(shù)一般為最大服務(wù)時(shí)間最小、平均服務(wù)時(shí)間最小等。本文選擇使用平均配送時(shí)間最小為目標(biāo)函數(shù)。與運(yùn)輸成本一樣，配送中心到地鐵進(jìn)站點(diǎn)的時(shí)間成本與進(jìn)站點(diǎn)到出站點(diǎn)的時(shí)間成本也可以合并在一起計(jì)算。由此得到如下目標(biāo)函數(shù)：

T=∑d∈VD∑k∈VK∑j∈VC∑r∈VRtodkxjrdk+∑i∈VK∪VC∑j∈VC∑v∈VVtijyjvijNC

其中，T為貨物平均送達(dá)時(shí)間，todk為從配送中心經(jīng)過(guò)進(jìn)站點(diǎn)d到出站點(diǎn)k的單位貨物運(yùn)輸成本，tij為從節(jié)點(diǎn)i到節(jié)點(diǎn)j的單位貨物成本，NC為客戶的數(shù)量。上述公式第一部分表示配送中心到達(dá)出站點(diǎn)的時(shí)間之和，第二部分表示出站點(diǎn)到達(dá)客戶的是時(shí)間之和，兩者相加即為所有貨物配送的總時(shí)間，除以客戶總數(shù)量即為貨物的平均送達(dá)時(shí)間。

因此，統(tǒng)一量綱后，模型目標(biāo)函數(shù)的數(shù)學(xué)形式可以表述如下：

minZ=C1+C2+T=∑d∈VD∑k∈VK∑j∈VC∑r∈VR（codkqj+todk/NC）xjrdk+∑i∈VK∪VC∑j∈VC∑v∈VV（cijqj+tij/NC）yjvij+crNr+cvNv

1.4?約束條件

∑v∈VVyjvkjSymbolcB@

∑d∈VD∑r∈VRxjrdk，k∈VK;r∈VR

∑d∈VD∑k∈VK∑j∈VCqjxjrdkSymbolcB@

Qr，r∈VR

∑i∈VK∪VC∑j∈VCqjyjvijSymbolcB@

Qv，v∈VV

∑j∈VCyjvij=∑j∈VCyjvjiSymbolcB@

1，i∈VK∪VC;v∈VV

∑d∈VD∑k∈VK∑r∈VRxjrdk=1，j∈VC

∑i∈VK∪VC∑v∈VVyjvij=1，j∈VC

xjrdk∈{0，1}，d∈VD;k∈VK;j∈VC;r∈VR

yjvkj∈{0，1}，k∈VK;j∈VC;v∈VV

其中，為Qr為地鐵r的最大容量，Qv為末端配送車輛v的最大容量。式（5）表示若客戶j的貨物運(yùn)輸使用了d到k地鐵線路，那么地面配送車輛應(yīng)該在k處轉(zhuǎn)運(yùn)。式（6）、（7）分別為地鐵r的容量限制和末端配送車輛v的容量限制。公式（8）確保末端地面配送車輛從出站點(diǎn)出發(fā)，最終回到出站點(diǎn)。公式（9）（10）為決策變量約束，分別表示客戶j的貨物必須且只能由一列地鐵班次和一輛地面配送車來(lái)提供服務(wù)。式（11）、（12）為決策變量的0-1約束。

2?模型求解

遺傳算法是一種進(jìn)化算法，其基本原理是仿效生物界匯總的“物競(jìng)天擇、適者生存”的演化法則。它通過(guò)把問(wèn)題參數(shù)編碼為染色體，再利用迭代的方式盡心選擇交叉以及變異等運(yùn)算來(lái)交換種群中染色體信息，最終生成符合優(yōu)化目標(biāo)的染色體[13]。

Step0：編碼。由于真實(shí)值編碼可以將個(gè)體中性狀優(yōu)良的基因片斷遺傳到下一代，使該片斷在子代中中仍然保持優(yōu)良，因此，本文采用自然數(shù)編碼方式。

Step1：初始種群的產(chǎn)生。將客戶隨機(jī)分配各個(gè)出站點(diǎn)，如分配給某個(gè)出站點(diǎn)的需求點(diǎn)數(shù)量N1，隨機(jī)生成該組需求點(diǎn)的1個(gè)排列，計(jì)算需在改排列中插入進(jìn)站點(diǎn)和配送中心的數(shù)量N2=N1-1，并將N2個(gè)進(jìn)站點(diǎn)和配送中心隨機(jī)插入排列中，生成新的排列[14]。對(duì)其它出站點(diǎn)重復(fù)上述過(guò)程，最終將得到的排列順次組合，得到一個(gè)初始種群。

Step2：對(duì)各染色體編碼進(jìn)行可行性檢驗(yàn)。若某染色體編碼存在一條配送路徑上的貨物超過(guò)配送車輛的最大容量，則重新隨機(jī)生成新染色體編碼替換該染色體編碼，直至所有染色體編碼均通過(guò)容量限制要求。

Step3：計(jì)算適應(yīng)值。計(jì)算此時(shí)種群中的各個(gè)染色體i的適應(yīng)值Fi，評(píng)估個(gè)體的優(yōu)劣性。

Step4：選擇操作?；谫€輪選擇法，計(jì)算選擇概率Pi。從種群中隨機(jī)產(chǎn)生一些染色體，產(chǎn)生并組成新的種群。

Step5：交叉操作。采用部分映射雜交，即確定交叉操作的父代，將父代樣本兩兩分組，交叉后同一個(gè)體不重復(fù)的編號(hào)保留，有沖突的數(shù)字編號(hào)利用中間段的對(duì)應(yīng)關(guān)系進(jìn)行映射。

Step6：變異操作。變異策略選擇隨機(jī)選取2個(gè)點(diǎn)，將其對(duì)換位置。

Step7：終止準(zhǔn)則。采用最大進(jìn)化代數(shù)終止準(zhǔn)則，即如果算法尚未達(dá)到則返回Step3繼續(xù)進(jìn)行計(jì)算。

3?實(shí)例分析

某企業(yè)需要經(jīng)過(guò)南京三志物流園向市區(qū)16個(gè)客戶運(yùn)送貨物，選取地鐵2、4號(hào)線作為配送線路，仙林湖站和經(jīng)天路站為進(jìn)站點(diǎn)，西安門站、大行宮站、九華山站和雞鳴寺站作為出站點(diǎn)。物流園到地鐵進(jìn)站點(diǎn)的裝運(yùn)時(shí)間分別為20 min（仙林湖站）、24 min（經(jīng)天路站）。根據(jù)客流數(shù)據(jù)，假設(shè)地鐵2、4號(hào)線可用于貨物運(yùn)輸?shù)娜萘肯拗品謩e為60、100。末端配送車輛的速度取10 km/h，容量限制為40。為方便計(jì)算，假設(shè)客戶需求均為10，地理位置服從均勻分布，可通過(guò)百度地圖獲取坐標(biāo)及其之間距離。物流園區(qū)到進(jìn)站點(diǎn)運(yùn)輸、地鐵運(yùn)輸、末端配送以及貨車單獨(dú)配送的單位貨物單位距離運(yùn)輸成本分別為0.4、0.05、0.2、0.4。貨車、地鐵、末端配送車輛成本分別取10、2、3。轉(zhuǎn)運(yùn)時(shí)間和客戶服務(wù)時(shí)間分別取5 min、1 min。

在matlab中編碼，種群規(guī)模取100，交叉概率取0.9，變異概率取0.05，代溝取0.9，用O表示物流園區(qū)，A表示仙林湖，B表示經(jīng)天路，c表示雞鳴寺，d表示九華山，e表示大行宮，f表示西安門?；诘罔F的配送路徑優(yōu)化結(jié)果為：O→A→c→1→2→6→5→c，O→A→d→13→14→10→9→d，O→B→e→8→4 →3→7→e，O→B→f→12→11→15→16→f。2號(hào)線需要2列列車班次，4號(hào)線需要1列列車班次。對(duì)貨車單獨(dú)配送路徑優(yōu)化結(jié)果為：O→15→16→12→8→4→3→7 →6→2→1→5→9→13→14→10→11→O。兩種配送方式的成本如下表：

由上表數(shù)據(jù)可知，基于地鐵的城市配送，配送車輛在完成配送時(shí)所需的平均配送時(shí)間為54.4 min，運(yùn)輸成本為897.3。由于在配送過(guò)程中，存在車輛轉(zhuǎn)運(yùn)情況，故所需的車輛成本高于貨車單獨(dú)配送。但是，車輛成本增加了21，運(yùn)輸成本卻減少了1267.1，平均配送時(shí)間縮短了48.1 min。

4?結(jié)論

本文構(gòu)建了基于地鐵的城市物流配送路徑優(yōu)化模型，利用遺傳算法求解模型?？紤]了地鐵、末端配送車輛的容量限制與多條地鐵線路共同配送的情況，得到的結(jié)果更加符合實(shí)際。

（1）基于南京地鐵2、4號(hào)線的實(shí)例分析，證明了模型可以反映不同車輛間的轉(zhuǎn)運(yùn)關(guān)系，得到的配送方案優(yōu)化了地鐵列車的客戶分配和末端地面配送車輛的路徑選擇，有利于道路與地鐵配送網(wǎng)絡(luò)整體能力的發(fā)揮。

（2）優(yōu)化模型與單獨(dú)貨車配送的配送方案相比，雖然車輛成本增加了21，運(yùn)輸成本卻減少了1267.1，平均配送時(shí)間也縮短了48.1 min，有效減少了配送總成本。

研究成果可以為城市配送企業(yè)提供決策支持。根據(jù)客流情況考慮地鐵在不同時(shí)段、路段的動(dòng)態(tài)剩余能力是本文今后的研究方向。

參考文獻(xiàn)：

[1]陳小堅(jiān)， 李海華. ?拓展建設(shè)“節(jié)約型城市”的新思路，合理開(kāi)發(fā)利用城市地下空間：訪中國(guó)工程院院士錢七虎先生[J]. 現(xiàn)代城市研究， 2005， 20（6）：14-16.

[2]KIKUTA J ， ITO T ， TOMIYAMA I ， et al. New subway￣integrated city logistics szystem[J]. Procedia-Social and Behavioral Sciences， 2012， 39：476-489.

[3]MOTRAGHI A ， MARINOV M V . Analysis of urban freight by rail using event based simulation [J]. Simulation Modelling Practice and Theory. 2012， 25：73-89.

[4]張涵， 孫偉彤. ?基于“云平臺(tái)+公共交通”的城市智慧物流末端配送體系構(gòu)建設(shè)想[J]. 中國(guó)戰(zhàn)略新興產(chǎn)業(yè)， 2017（20）：84.

[5]劉崇獻(xiàn). ?北京地鐵晚間和非高峰期用作城市物流系統(tǒng)探討[J]. 城市發(fā)展研究， 2011， 18（06）： 122-124.

[6]史毅飛. ?關(guān)于地鐵兼具載客、物流功能的可行性分析[J]. 物流技術(shù)， 2014， 33（1）：197-199.

[7]彭玫貞， 董建軍， 任睿， 等. ?城市地下物流系統(tǒng)與地鐵的協(xié)同運(yùn)行探析[J/OL]. 解放軍理工大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2017[2019-10-29].http：//kes. cnki.net/kcms/detail/32.1430.DOI：20170926.1428.008.html.

[8]陳梓毓. 南京地鐵開(kāi)展城市配送的可行性研究[D]. 南京：南京大學(xué)， 2017.

[9]GHILAS V， DEMIR E， VAN WOENSEL T. An adaptive large neighborhood search heuristic for the pickup and delivery problem with time windows and scheduled lines[J]. Computers & Operations Research， 2016， 72：12-30.

[10]楊浩雄， 殷娟娟. ?利用城市軌道交通配送鮮活農(nóng)產(chǎn)品的研究[J]. 黑龍江農(nóng)業(yè)科學(xué)， 2012， （8）：114-117.

[11]周芳汀， 周國(guó)華， 張錦. 基于地鐵開(kāi)展城市配送的選點(diǎn)-路徑問(wèn)題[J]. 控制與決策， 2018， 33（7）：1247-1254.

[12]周芳汀， 張錦， 周國(guó)華. 帶時(shí)間窗的地鐵配送網(wǎng)絡(luò)路徑優(yōu)化問(wèn)題[J]. 交通運(yùn)輸系統(tǒng)工程與信息， 2018， 18（05）：88-94.

[13]郁磊， 史峰， 王輝， 等. ?Matlab智能算法30個(gè)案例分析[M]. 2 版， 北京：北京航空航天大學(xué)出版社， 2015：1-2.

[14]楊忠振， 穆雪， 朱曉聰. 交通流變化下的多配送中心-多需求點(diǎn)配送網(wǎng)絡(luò)優(yōu)化模型[J]. 交通運(yùn)輸工程學(xué)報(bào)， 2015， 15（1）：100-107.

（責(zé)任編輯：于慧梅）

Optimization of Urban Logistics Distribution Routing Based on Subway

LIU Yanan1， ZHENG Changjiang1*， SHEN Jinxing

（College of Civil and Transportation Engineering， Hohai University， Nanjing 210098，China）

Abstract：

In order to cope with the increasing demand for express delivery， alleviate the urban traffic congestion caused by freight vehicles， and improve the efficiency of urban distribution， this paper puts forward the idea of integrating subway resources for urban logistics distribution. Considering the capacity limitation of subway and terminal ground distribution vehicles， it established a multi￣objective optimization model from the perspective of enterprises and users with the objective function of transportation cost， vehicle cost and time cost， to optimize customer assignments for subway trains and routing selection for terminal ground distribution vehicles. The establishment of this model is more in line with the actual situation. Then the genetic algorithm is used to solve the model. Finally， taking Nanjing Metro Lines 2 and 4 as an example， the practicability and effectiveness of the model and algorithm are verified. The results show that the total cost of urban logistics distribution based on subway is much lower than that of individual trucks， which has strong application value.

Key words：

subway; urban distribution： capacity limitation; multi￣objective