基于GIS的农村地区快递配送路线规划研究

文/杨纤荷

随着国民经济的发展，农村地区在网络上的购物行为越来越频繁，随之带动的快递物流配送服务也已经将农村区域列为重要的发展市场。为了达到成本控制和服务提升的最终目的，快递企业需要借助于高新技术对配送路线进行合理的优化，在保证配送时效性的同时减少终端配送任务的人力成本和财力成本支出。本文基于农村快递配送任务的特点，研究基于GIS技术的农村地区快递配送路线优化，引入了Dijkstra算法和节约里程算法，并综合其他需要考虑的因素设计出最终的软件。

引言：

农村地区由于路况比较复杂，居住人口密度低且不集中，快递在配送时所获得时效较低，很多快递公司都选择建立快递投放站点集中进行配送，这种方式虽然可以减少农村地区的终端配送成本，并且能够提高农村地区配送的效率，但是会导致农村用户的快递使用体验降低，从无远来说不利于快递企业的可持续发展。随着人们生活水平的提高，农村地区的网购用户数量越来越多，农村市场已经成为了快递公司的业务主战场，并且由于农村地区实体站购物更加困难，故网购用户的增长速度非常快。快递公司想要在农村市场中占据竞争优势，就需要借助于现代化的科技手段，优化农村地区的快递配送路线，在保证成本合理控制的同时不断提升农村用户的产品使用体验。

一、农村地区的快递服务特点

农村地区最主要的特别是人口密度低，住户之间的直线距离长，村落与村落之间比较分散，在进行快递收发时，快递公司所需要支出的配送成本要远高于城市地区。特别是一些对时效要求较高的产品，在农村地区进行配送会面临比较大的挑战。比如生鲜食品、海鲜物品等，这些一般都要求配送时效在两天以内，但是由于农村地区的客户大多是分散且无规律的，快递公司在保证时效性的同时往往需要更高的运输成本和配送成本。在快递行业中，如果农村用户想要发件，快递员通常会在接到订单之间两小时之内上门取件，快件经过区域中转站汇聚到城市中转站，再从城市中转站装车（机）运输，到达目的地之间再由区域配送员配送到收件方手中。在这一过程中，收件和配送是最为耗时耗力的环节，优秀的路线规划和配送计划是保证快递时效的重要前提。

目前很多快递公司为了更好的服务于农村客户，共同组织并成立了快递联盟，通常是以乡镇为基本单位设立快递收发站，即快递驿站，同一个区域内的快递会被统一放在驿站中，由客户自行到驿站取件。这一方式可以大幅度的提高快递收发的效率，但是失去了送件上门的服务体验，甚至有些用户需要经过几公里的路才能够拿到快件。受限于农村地区的用户分布限制，想要实现送件到家，快递公司需要支出数倍于城市区域的人力成本和资金成本，并且其实效性也难以保证。基于此，是否有一种两全其美的解决方法成为了重要的研究方法，在大数据技术、GIS技术和云计算技术的支持下，路径优化途径目前被认为是最有效且可行的方法，通过配送路线的优化[1]，让快递配送更有计划性，也可以减少不合理路线的出现，让时效性和成本控制都得到保证。

二、基于GIS的快递配送路线优化设计理论

快递配送最优路线是指的在实现配送目的地覆盖的前提下，尽可能的缩短配送距离并且依据数据运算来合理的规划配送线路，保证配送用时最短。基于GIS的快递配送路线优化应满足以下几个主要条件。

（1）可通行路线短

路线短是减少成本支出的前提条件，农村地区由于收件方分布分散，一般会采用燃油车为主要配送交通工具，在国内油价居高不下的形势下，路线短就意味着耗油量少，所以想要控制配送成本就应选用最短的通行路线。除此之外，路线短也是保证时效性的前提条件，在通用算法下，最短路线的选择很容易实现，但是由于还有许多其他影响因素的存在，故而应保证路线短而不是最短。

（2）道路状况优

道路状况会直接影响到配送的时效性，在最短路线条件下，道路的交通状况也是不得不考虑的问题。农村道路大路较少，在遇到一些恶劣的天气时，很多乡间小道都会出现通行困难的情况，借助于GIS技术和天气预测功能，应在保证通行路线短的前提下尽可能的增加运输效率，选择交通道路良好的道路做为配送最优路线。

（3）整体优化

由于快件类型不同，有些时效性要求高的快件应优化配送，比如在最优的路线中，要充分考虑一些特殊快件的优化规划属性，特别是海鲜类商品和水果生鲜商品。一般来说，在合理的路线规划时，都会加入一些优化元素，时效性要求高的商品优先度会高于其他商品。另外，由于从配送中心到客户之间的路线有多条可以选择，在考虑整体优化的时候要以综合最优为最终方案，保证优先级的前提下，求得单源最短路线。

三、基于GIS的农村快递配送路线优化设计实现

（1）Dijkstra算法

Dijkstra实现的是单源最短路线计算，其原理是通过各个可行路线的距离计算来将所有线路进行长度递增排列，从而确定源点到终点的最短路线[2]。单源在这里指的就是单一的配送任务，具体的实现方法为：

设置出已经求出的最短路径集合S，其余顶点组合集合V-S，集合V-S中的各个顶点会被逐一添加到总集合S中[3]，在添加的过程中，源点V0到集合S中各个顶点的长度是始终保持在小于V0到集合V-S中各顶点的路线长度。在完成了添加之后，源单到目标地点的最短路线选择即可以被求出。

使用Dijkstra算法计算出的单源最短路线是最基本的优化路线，在这一求解之中，其他各个因素都没有被考虑在内，同时也没有结合当前的路况进行选择，所以Dijkstra算法可以当作是配送路线优化的第一步，可以在此基础上进行更进一步的优化选择。

（2）节约里程法

节约里程法最主要的应用场景是在运输车辆数目不确定的情况下，以最终里程数最小为计算结果的方法[4]。在农村配送体系中，配送车辆会根据当前所需要配件的数量进行动态调整，即在保证时效性的情况下，通过合理安排车辆数量来达到最优化的配送方案。之所以这样做是因为在业务较为复杂的情况下，多安排车辆进行配送有时反而会更加节省成本，让所有车辆行驶的最里程达到最小解。

节约里程法的基本实现方法是云计算总的车辆运输的吨公里数，如果吨公里数最小则配送中心的运输能力最大，然后再结合配送中心到客户之间的总距离来制定相应的配送计划。实现的基本理念是将运输问题中的两个回路合并为一个回路，让合并之后的总运输距离减小的幅度最大，当一辆车的装载的快件数量达到限制值的时候，再进行下一辆车的优化。

在这一算法中，需要根据路线的优化实现每一辆车快件的合理装载，一般都是以区域划分为基础条件，实现每一辆车在最短的总距离之内将所有快递配送完毕。

（3）路线优化实现

为了保证优化软件的易用性，在设计软件时一般会注重数据的可视化，以GIS技术为设计核心，将优化方案以可视化的方法呈现给配送人员。在本设计中，选用的是ArcGIS9系列软件，以VC#为首选开发语言，实现的最终目标是综合各个参考条件，以地图的形式为快递配送人员呈现最优化的路线解决方案。比如在本案例中，区域配送中转中心需要向10个客户来配送快件，这10个客户分布在不同的8个村庄之中，具体的实现方法为：

1.首先利用单源优化算法计算出每一个快递配送所需要经过的最短路线，然后将10条路径进行比对分析，确定有哪些路线是完全重合的，将重合的路线数据添加到同一个集合S之中，以此为基础数据进行下一步的分析。

2.结合当天的天气情况和AMAP所提供的道路交通情况，去除掉不利于配送的路线，并以与之对应的备选路线作为替换数据加入到集合S中，在这一步骤之中需要使用到电子地图数据，本软件采用高德地图的数据接口为可视化结果的输出参考，并获取实时的高德地图交通路况。

3.执行Dijkstra算法计算配送中心到各客户的最短可达路线，并在地图中以粗线条来表示，这一设计步骤的主要目的是呈现给配送员多个可选路线，让配送员可以人为更改路线计划。之所以这样做的主要原因是算法计算出来的最短路线没有充分考虑道路的实际情况，虽然有了高德地图的路况数据，但是农村地区的道路情况更加多变，比如学校门口、幼儿园门口停放车辆会比较多，再加上一些农村集市会对交通情况产生非常大的影响，所以在算法计算出结果之后需要将更多的优化路线提供给配送人员，由配送人员根据当前的状况进行人为优化。

4.分离出优先级更高的配送路线，路线以蓝色线条表示。在配送生鲜类快件时，快递员往往需要根据当天的任务量进行优先配送。

在本软件中，实现了可以根据任务量实现情况给予车辆装载建议，当然本10件快件最终计算出的结果是只需要一辆载重量为2t的车辆进行配送即可，如果有两辆以上车辆进行配送则需要节约里程法优化算法的介入，本次配送任务中计算所得的总配送里程为62Km，预计三个小时之内即可以送达完毕，其中有两份快递需要优化配送。

结束语

快递配送线路的优化是提升农村地区快递配送服务质量的关键性因素，为了有效的节省配送时间，优化整体配送方案，结合计算机技术和GIS技术针对农村地区快递配送的特点，对车辆的选择和车辆行驶的总里程进行最优判断。文章用到的主要算法是计算单源最短路径的Dijkstra算法和计算多车辆配送条件下的节约里程法，最终设计出一款具有路线可视化功能的C/S模式软件，通过软件的使用可以让配送人员灵活的参考系统给出的最优路线规划，为提升农村地区的快递业务发展速度打好基础。C

引用出处

[1]吴春颖,王娟,杜琨,雒辛芃,陈蕾,张立红.GIS结合Dijkstra算法的巡逻路径方案研究[J].福建电脑,2021,37(02):75-76.

[2]魏林金.基于BIM+GIS技术的道路选线系统设计与应用[J].黑龙江交通科技,2020,43(03):187-188.

[3]彭姗姗.“互联网+”高效物流背景下农村快递共同配送路线优化研究[J].赤峰学院学报(自然科学版),2019,35(02):36-38.

[4]周凤,杨智璇,迟安琦.基于GIS和Dijkstra算法的校车路线方案优化[J].地理空间信息,2018,16(06):60-63+8.