智慧交通在物流最优配送路径规划中的应用

文/陈泽平

0.引言

传统物流配送路径规划耗时较长，成本随之增加，设计基于智慧交通的物流最优配送路径规划方法。采集智慧交通车流量数据，解决物流数据精准一致性问题；构建物流最优配送模型，缩短最优路径迭代时间；基于智慧交通划分区域拥堵相关指标，提高路径规划的真实有效性；进而实现最优物流配送路径。利用仿真实验，验证新方法规划时间更短，极具推广价值。

随着网络的发展，物流业开始兴起。在城市道路交通的快速建设的环境下，具体交通规划逐渐增加，导致物流车辆缺乏管理经验。要想解决上述问题，实时了解交通情况是重中之重[1]。目前，物流人员的角色定位相对简单，通过车辆存储设备，分析经济损失和效益，受到数据分析和处理技术的限制，导致数据传输缺乏可靠性、一致性[2]。此外，随着智能化的到来，物流车辆在城市地区货物配送中，发挥着越来越重要的作用。由于传统路径规划方法规划时间长，无法解决物流车队配送时效性问题，最优路径规划增加了各项指标的计算强度。基于此，本文提出了一种改进的基于智慧交通的物流最优配送路径规划方法，并将其应用于智慧交通中，旨在缩短物流规划最优路径的时间，提高规划路径的实时性，为物流业的发展创造条件。

1.基于智慧交通的物流最优配送路径规划设计

1.1 采集智慧交通车流量数据

为了更好地规划物流路径，需要根据智能交通，采集车流大数据，并对交通进行实时监测、采集、分析和计算处理，进而获得客观、规律的数据结果，作为规划路径的依据。本文采集指挥家通查流量数据是基于ApacheHadoop技术的平台，采用内存为ApacheSpark的大数据框架采集，替代传统方法中Hadoop的基础低效MapReduce框架[3]。本文采集数据的过程中，可以提供离线数据处理和真实的数据处理集成解决方案。当交通道路上行驶的车辆与基站建立链路时，基站可以通过车载系统进行交互，进而采集行驶数据信息。由于交通环境的限制，采集数据时通常无法提供多辆物流车辆之间的数据传输，对实时数据传输造成影响，本文摒弃以上缺点，编写一个数据模拟程序，模拟行车数据写入特定文件，通过ApacheFlume监控目标车辆的变化，写入消息队列Kafka集群[4]。进而接收车辆发送的数据，确保数据的准确性和完整性，解决数据冗余性与一致性问题。

1.2 构建物流最优配送模型

通过数据采集，可以保证规划路径的数据真实有效，本文将进一步构建出物流最优配送模型。本文引入软时间窗口，以客户的需求为准，建立出最佳路径。软时间窗口示意图如下图1所示。

图1 惩罚函数图

如图1所示，[ETi，LTi]表示最佳配送路径的时长；[Ei，ETi]与[LTi，Li]为配送过程中，产生超时或延时的情况；M 为惩罚成本。具体的惩罚函数如下所示。

式（1）中，其中，Fi表示物流人员在路径i中，产生的惩罚成本；Tik表示物流车辆k到达路径i的时间；ETi为最佳路径配送时间；Ei为交通故障产生的成本；LTi为最远路径配送时间[5]；C2表示客户单位时间等待成本；C3表示单位时间物流车辆迟到成本。基于此创建出的最优配送模型如下：

式（3-9）中，qi为物流车辆的装载货物重量/t；Cap为物流车辆的规定载重/t；Tik为物流车辆到达路径i的时间；tok为车辆k从配送中心出发的时刻；v为物流车辆的行驶速度；tk为车辆k一天的工作量。

1.3 实现最优物流配送路径

为了实现最优路径规划，本文根据上文中的设计分析，得出物流配送最优路径的关键要素是：配送中心、商品、客户点、配送车辆、配送路径、目的函数，以及约束条件等。物流配送中心，也就是整个物流服务的调度中心，配备专门的物流相关设施，主要负责物流卸货、调度，以及物流规划。由于运输的货物类型及服务的客户不同，各个配送中心也可能不同[7-8]。商品，也就是货物，贯穿整个配送过程，是物流配送规划路径的核心。本文设计的配送中心会针对不同的产品，选择不同的配送方式，以及相应的配送路径。客户点，也就是物流配送的终点。由于每个客户都有不同的货运要求，以及可配送时间，物流中心会在服务时间内合理规划，尽可能满足客户需求的物流路线，也就是最佳路径。

2.仿真实验

针对本文构建的配送模型，对物流最优配送路径进行仿真，采用1.4GHz四核IntelCorei5，运行内存8GB，仿真平台为MATLAB2020a，仿真过程及结果如下所示。

2.1 实验过程

本文以客户点规模50为例，假设1个配送中心拥有25辆配送车辆，需要服务的科目个数为50个，没辆物流车辆最大载重为20t，耗损费用为500元/天/车。物流配送服务的最早时间为早上6：00，最晚为8：00，物流人员最长工作时长为8小时，超过8小时，则提供加班费。根据客户需求，制定配送时间，无论超时或是提前均会产生惩罚费用。

2.2 实验结果

为了求证本文设计的方法是否有效，对传统规划方法与本文设计的规划方法作对比，在客户为25位时，路径变化如下图2所示。

如图2所示，传统方法在迭代次数为80时，路径最优；而本文设计的规划方法，在迭代次数为20时，路径即达到最优，相比传统方法，本文设计的方法耗时明显较少。基于此，在客户为50位时，路径变化如下图3所示。

图2 两种方法的路径变化图

如图3所示，当客户达到50位时，传统方法在迭代次数为90时，路径达到最优；本文设计的规划方法在迭代次数为60时，路径达到最优。由此可知，无论客户量大或小，本文设计的方法在路径最优规划过程中，均可以减少时间，进而达到规划路径最优的目的，符合本文研究目的。

图3 两种方法的路径变化图

结束语

物流配送路径在物流业中至关重要，可以影响到物流企业的配送效率与服务效率。因此，规划物流配送最优路径极具现实意义。本文通过对智慧交通数据的采集，构建出相应的模型，进而设计相关指标，实现规划最优路径的目的。并对此进行试验，得出本文设计的规划方法耗时较短的结论。本文针对物流业的经济效益与客户满意度，设计将智慧交通应用于物流最优路径规划中，旨在提高配送效率，加快寻找最优路径的时间，为物流业的发展创造条件。C

引用出处

[1]赵辉.基于混合量子遗传算法的外贸企业物流配送车辆优化调度[J].齐齐哈尔大学学报(自然科学版),2021,37(01):26-30+35.

[2]任长安,黄银珍,罗庆云,等.基于改进萤火虫算法的物流配送路径规划系统[J].现代电子技术,2020,43(20):105-108.

[3]王金妹,尹显龙.乳制品冷链物流配送中心选址及配送路径优化[J].福州大学学报(哲学社会科学版),2020,34(01):45-53.

[4]吴征,王维娜.多模糊信息条件下电子商务物流配送路径规划研究[J].兰州文理学院学报(自然科学版),2019,33(02):56-61.

[5]马龙,王春嬉,张正义,等.多目标多时间窗车辆路径问题的鸽群-水滴算法[J].计算机工程与应用,2021,57(02):237-250.

[6]吴征,王维娜.多模糊信息条件下电子商务物流配送路径规划研究[J].兰州文理学院学报(自然科学版),2019,33(02):56-61.

[7]赵志学,李夏苗,周鲜成,等.考虑交通拥堵的冷链物流城市配送的GVRP研究[J].计算机工程与应用,2020,56(01):224-231.

[8]邹娟平,袁鑫,骆金鸿.双层蚁群优化算法的舰船应急物流路径规划方法研究[J].舰船科学技术,2019,41(16):205-207.