基于交通大数据的农产品冷链物流配送路径优化研究

       随着人们物质生活水平的逐渐提高，对多样化、绿色、营养的果蔬、鲜肉、蛋、奶等生鲜农产品的需求也不断提高。生鲜农产品是一类特殊的农产品，其易腐败变质的特点对物流过程中的温度、湿度等环境因素要求较高，为了将这些天然的农产品最大程度地保鲜并送到消费者手中，需要在合适的低温环境对这些生鲜农产品进行预冷、转运、存贮和配送[1]。农产品冷链物流通常是指使肉(含水产)、禽、蛋、奶、水果、蔬菜等生鲜农产品从采摘(屠宰或捕捞)后，在农产品初加工、贮藏、转运、销售等各个环节均在一个能保证产品质量安全的低温环境下的，减少农产品过程损耗、防止产品污染的一个特殊的供应链系统。近年来，由于居民的消费水平和对生鲜农产品的质量(包括商品的新鲜度、安全性、品种等)要求不断增加[2]，加快发展农产品冷链物流特别是冷链配送环节，将安全、高品质的生鲜农产品送到居民的餐桌上，这既能满足了居民更高的生活需求，同时也促进农村和农业发展、保证农民持续增收。从2003年一直到2017年，中央持续15年通过“一号文件”将全国目光都聚焦在“三农”问题上，足可见从国家层面上都非常重视包括农产品生产流通问题在内的各种农业、农村、农民发展问题。

       《中国冷链产业发展报告》(2016年)显示，我国冷链物流成本比普通物流高出40％-60％，随着能源价格的不断调整，冷链物流的成本呈总体走高的趋势。由于农产品原产地价格本来已经很低、加之产业链条整合度不高、上下游企业之间竞争大于合作等因素农产品经销商往往从降低物流成本(含冷链运输成本和产品损耗成本等)着手。配送是冷链物流中一个极其重要但也容易被“掉链”的环节，生鲜产品从生产者到最终消费者的过程中，有80％以上的时间消耗在配送运输上面[3]。因此，充分利用现有资源和信息(数据)，优化配送方案，尽量减少生鲜农产品配送的在途时间、降低冷链物流配送成本，这对提高生鲜农产品市场竞争力、间接促进农民增收具有重大意义。

       文献回顾及研究方法

       自1959年美国学者Dantzig和Ramser首次提出交通运输中的车辆路径问题(VRP)以后，引起了很多学者的关注并做了大量研究。现实中，由于顾客对生鲜农产品的配送有一定的时间要求，配送中的VRP就发展成了带时间窗的配送车辆路径问题(VRPTW)。Chen等[4]和Azi等[5]建立了一个对配送车辆行驶时间即易腐食品送达时间有硬性要求的冷链物流配送VRPTW模型，研究了如果考虑将硬时间窗放宽至软时间窗后，配送总成本会有何变化，并以一个鲜肉配送为例用启发式算法对配送路径进行了优化。认识到启发式算法在解决车辆路径问题的优势，更多的学者参与到对启发式算法的研究，Brito等[6]在近距离开放式带时间窗的车辆路径问题中加入了模糊约束条件并用混合蚁群算法进行了求解；Dearmas和Melián[7]在研究动态多目标车辆路径问题时，使用一种变领域搜索策略的启发式算法很好地解决了此类问题；Kücükoglu和[8]利用了基于禁忌搜索和模拟退火算法的混合算法，解决带有回程和时间窗的车辆路径问题。针对生鲜农产品易腐性和配送复杂性，蔡浩原和潘郁[9]构建了鲜活农产品的变质函数，并依此建立带有时间窗的鲜活农产品冷链物流路径优化模型，通过人工蜂群算法对模型进行求解；樊世清等[10]研究有软时间窗的生鲜农产品冷链配送车辆路径优化问题模型时，以配送成本最小为目标函数，在成本中考虑了违反时间窗的惩罚成本。针对冷链物流网络的网点布局、配送中心选址与流量分配问题，张文峰和梁凯豪[11]提出了以冷链物流的节点建设成本和运营成本为目标的非线性规划优化模型并用量子粒子群算法对模型求解；陈淑童等[12]以配送中心建造费用、运营费用、运输费用最小为目标并考虑货损成本情形下构建了考虑时效和货损的混合整数线性规划模型并运用CPLEX求解，分析了时效性与货损性的变化对于冷链物流网络构建的影响。

       潘茜茜和干宏程[13]针对日益严峻的环境问题，将碳排放转化成相应的经济效益，构建了一个考虑碳排放成本的冷链物流配送路径优化数学模型并采用蚁群算法求解，结果表明考虑碳排放的冷链物流配送路径总成本降低。随着社会环境和计算机、物联网科技的发展，对于车辆路径问题的研究也有所侧重，向敏等[14]研究了基于电子商务环境下的生鲜农产品物流配送路径优化问题；李昌兵等[15]以物联网技术优势构建了考虑客户满意度和配送费用的物联网环境下多目标路径优化模型并利用改进后的遗传算法对模型进行仿真。

       以往对于冷链物流配送的车辆路径优化研究主要侧重于静态网络下的车辆路径问题，即在配送中心、配送车辆、交通状况、货物需求量及时间窗确定的情况下，如何安排装载和规划配送路线以达到满足时间窗的前提下配送成本的最优化[16]。但在实际冷链配送的管理过程中，冷链品的变质速度、变质率、交通状况、客户需求等因素往往呈现出不确定性的变化。同时，由于投入资本、区域规划、城市地价等因素的影响，冷链物流企业不可能设置太多的冷链配送中心[17]，同时考虑到城市中心地段地价较高，一般冷链物流企业会将冷链配送中心设置在地价较低的城郊[18]。而接受生鲜农产品配送服务的超市、便利店、饭店、食堂等需求点往往位于交通拥挤的市中心，甚至是狭小的街道弄堂。如果冷链配送车辆太大，除了频繁地卸货会增加制冷成本外，对某些道路狭窄的需求点无法提供服务；而冷链配送车辆太小，会大大增加运输成本和人力成本。再加上日益糟糕的城市交通，使得农产品冷链物流“最后一公里”的城市配送环节困难重重。

       为研究降低农产品冷链物流配送成本的路径，本文首先建立一个基于简洁、低成本方式从大数据中获取城市道路拥堵信息并用之于农产品冷链配送的车辆路径优化模型。为了减少冷链配送车辆往返配送中心的次数，参照一些快递公司利用大型卡车进行接驳补货的思路[19]，进而提出在生鲜农产品的冷链配送中引入接驳点和配备接驳车辆的方案(冷链配送接驳车辆以投入成本和运营成本较低的小微型电动厢式货车为主，一般采用相变蓄冷材料制冷①或是泡沫箱保温方式来保证生鲜农产品的低温状态)。在基于接驳点情形下进一步研究接驳点选择及冷链物流配送路径优化，建立一个含接驳点的基于交通大数据的农产品冷链配送路径优化模型。最后通过一个实例验证性分析上述两个模型的有效性。

       交通大数据在农产品冷链物流配送中的应用