物联网背景下的工业危化品电子物流配送路径规划
2021-04-27高增亮刘皓若王霞
高增亮 刘皓若 王霞
摘 要：针对工业危化品物流配送成本高昂、风险性大的特点，本研究基于物联网，提出一套危化品电子物流配送路径规划与监控系统，以提高危化品的运输效率，进而减小危化品运输的成本和风险。首先，本研究根据系统的主要工作和目的，對系统整体架构进行了设计。然后结合工业危化品的配送特点，提出MODVRP模型和预优化、实时优化两阶段求解策略。最后，通过实验验证了研究提出的模型和算法。实验结果表明，本研究提出的模型和算法可有效解决多目标动态路径优化问题，大大降低了运输成本和风险。
关键词：物联网;电子物流配送;路径规划;MODVRP
中图分类号：TN929.5 文献标识码：A 文章编号：1001-5922（2021）08-0166-04
Path Planning of Electronic Logistics Distribution of Industrial Hazardous Chemicals under the Background of Internet of Things
Gao Zengliang， Liu Haoruo， Wang Xia
（Industrial Internet Innovation Center （Shanghai） Co.， Ltd.， Shanghai 201306， China）
Abstract：In view of the characteristics of high cost and high risk of industrial hazardous chemicals logistics distribution， based on the Internet of things， this study proposes a set of hazardous chemicals electronic logistics distribution path planning and monitoring system， in order to improve the transportation efficiency of hazardous chemicals， and then reduce the cost and risk of hazardous chemicals transportation. First of all， according to the main work and purpose of the system， the overall architecture of the system is designed. Then， combined with the distribution characteristics of industrial hazardous chemicals， the MODVRP model and a two-stage solution strategy of pre-optimization and real-time optimization were proposed. Finally， the proposed model and algorithm are verified by experiments. The experimental results show that the model and algorithm proposed in this study can effectively solve the multi-objective dynamic path optimization problem， and greatly reduce the transportation costs and risks.
Key words：Internet of things; electronic logistics distribution; path planning; MODVRP
随着我国化工业的发展，危化品的种类和运输量在不断上升。由于危化品具有易燃、易爆、腐蚀等特性，因此在运输环节往往具有高成本和高风险性。在此情况下，物流企业如何掌控危化品的配送全过程，降低配送的风险和成本，是物流企业亟需解决的问题。目前，常见的工业危化品物流配送路径规划与监控系统对动态信息的处理能力较弱，无法满足危化品运输对实时性的要求。因此，本研究在采用物联网对车辆数据进行采集的前提下，提出提出危化品电子物流配送路径优化目标函数，并通过MODVRP对模型进行求解，以此达到时间、成本和满意度最优。
1 目标函数
在现代物流配送过程中，成本、旅行时间、客户满意度是影响企业利益的和对车辆路径规划的主要因素[3]。因此本研究在寻求危化品车辆物流配送最优路径时，以这3个对象作为模型的目标函数。
1.1 问题编码
问题编码包括车场编码、客户、道路编码[4]。其中，车场包括配送中心和第三方机构。设配送中心为m（m=N+1，N+2，…N+M），负责给N个不同地理位置的客户送货，每个配送中心有Rm辆车，每辆车的最大载量为Qkm（k=1，2，…Rm），发车成本为Fkm;第三方机构为h（h=N+M+1，…N+M+H），每个机构有Rh辆车，每辆车的最大载量为Qkh，租赁成本为Zhk。客户i（i=1，2，...，N），客户需求量为Qi，每个客户的服务时间窗为[Ei，Li]，开始服务时间为ti，客户在ti时间的满意度可表示为：
道路编码即对用户i到j的距离dij进行编码。设每段路
1.2 目标函数构建
定义决策变量为：
以成本、时间和客户满意度作为优化目标，得到目标函数为：
式中，f1，f2，f3分别表示成本目标、旅行时间目标、客户满意度目标。
2 目标函数求解
对目標函数的求解分为预优化和实时优化两个阶段，整体求解流程如下图1所示。在求解过程中，采用预优化和实时优化的方式进行求解[5]。预优化阶段是根据用户需求和相关参数建立MODVRP模型产生预优化路径。同时考虑到MODVRP具有动态性，采用局部优化用于实时优化阶段的路线调整。
2.1 预优化阶段
引入Pareto最优解求解预优化阶段的最优解，然后应用自适应网格技术进一步求得pareto最优解。算法具体流程如下：①采用整数编码的方式对问题编码，并初始化粒子群设置每个粒子的初始位置、速度以及个体的最优解和全局最优解;②选取距离用户最近的车场中载重量最大的车辆进行配送，计算各个粒子的目标向量值;③应用递归法建立非劣解集Ndset，并从中选取个体最优解bestPi和全局最优解bestG;④更新粒子状态得到新种群，应用自适应网格技术求得Ndset。⑤若满足终止条件，则停止算法;若不满足终止条件，则重复步骤③④⑤。
2.2 实时优化阶段
实时优化阶段主要目的是根据用户需求的变动信息，实现对路径的重新规划，具体优化过程分为两步，第1步对预优化得到的子路径进行过滤跟踪，将服务过的用户和待服务的用户设置为不变点;第2步对剩余的用户进行局部优化。当用户需求发生变化时，只需修改路径中的配送量即可。本研究通过GI和VNS两种方式结合进行实时优化。
（1）GI优化路径。GI即贪婪插入，主要操作原理是为新增加的用户点寻找距离最近的点，然后插入在最近点的后面[6]。然后根据不同的车辆装载量、最大路径约束等约束条件对路径进行阶段，形成新的路径。这样的操作方式可以满足每个子路径能插入最多的用户需求点。虽然GI操作得到了车辆配送的新路径，但这条路径并不是最优的，故需要再次对新路径进行VNS优化。
（2）VNS优化路径。VNS即变邻域搜索，主要通过改变邻域结构首先求得局部最优解，然后再求得全局最优解[7]。对于VNS搜索，本研究设计4种邻域结构，即路径内2-opt、路径间点插入、路径间点交换、路径间片段交换。则在上述邻域结构的基础上，通过以下步骤进行操作：①令t=0，w=0。任意选择两个用户点，根据两点路径选择邻域结构搜索;②判断得到的新路径相较于原路径是否有所改进，若有改进，则保留最新路径;若有改进，但得到的新解f '小于f+σ，则接受新解;若没有改进，则令w=w+1。其中，σ表示偏差值，值为0.2f。③当t=t+1时，若w>β（β表示最大迭代次数），则停止搜索;反之，重复以上步骤。
3 仿真验证
本研究实验中的算法均在MATLAB程序上进行编写，并在 Intel（R） Core（TM） i5-3470 CPU 3.2GHz，4.0GB上运行。由于MODVRP的特殊性，目前没有一个统一的测试库对本研究提出的算法进行测试，故本研究采用设计的实例和标准的MDVRPTW实例库对提出的算法进行分析。
设计实例为4个配送中心，2个第三方机构，14个初始客户服务。具体用户信息和车场车辆信息如下表1和表2所示。
应用本研究提出的MODVRP模型和两阶段求解算法对设计的实例进行求解。首先，设置预优化阶段种群大小为50，迭代次数为120次，得到Pareto最优解集，具体见图2所示。
从中选取成本最小的（ 5523.8，35.4，0.52 ）、用户不满意度最小的（5764.9，43.6，0.33 ）、旅行时间最小的（ 5561.4，35.2，0.41 ）的3个目标向量进行路线优化，如表3所示。
在实时优化阶段，增加10个新用户，老用户中有4个用户需求增加。根据用户需求变化，采用VNS算法再次进行路径优化，并设置非改进最大迭代次数为10次，由此可得Pareto最优解集为具体见图3所示。
根据图8的结果，对成本最小（ 6001.3，55.6，0.67 ）、用户不满意度最小（ 6872.9，53.8，0.32 ）、旅行时间最小（ 6792.2，48.4，0.45 ）的3个目标向量进行优化，得到最优路径见表4所示。
4 结语
由于工业危化品的特殊性，其物流配送的成本和风险性较大。在保障安全运输的基础上，减少运输的成本顺应了物流企业的需求。本研究基于物联网，对工业危化品的电子物流配送路径进行了规划与监控，实现了对危化品的低成本、低风险的运输。首先，本研究根据工业危化品运输调度与监控的主要工作，对系统整体架构进行了设计。然后结合工业危化品的配送特点，提出MODVRP模型和预优化、实时优化两阶段求解策略。最后，完成了对提出的模型和算法的实验。实验结果表明，本研究提出的模型和算法可有效解决多目标动态路径优化问题，降低了运输成本和风险。
参考文献
[1]王兰敬. 基于物联网的我国区域智慧物流配送能力评价[J]. 商业经济研究，2020（16）：122-124.
[2]赵晨聪，陶文瀚，凌雅文，等. 云计算技术对现代物流业的影响[J]. 计算机时代，2020（08）：85-86+90.
[3]于江霞，杜红亚，罗太波. 基于客户分类的即时配送路径优化研究[J]. 交通运输系统工程与信息，2020，20（04）：202-208.
[4]先梦瑜. 基于人工鱼群算法的民航运输路径智能规划算法[J]. 电子设计工程，2020，28（17）：20-24.
[5]谢龙光，王磊，杨芳，等. 基于模糊算法的带电作业机器人路径跟踪方法研究[J]. 电子设计工程，2020，28（17）：33-36+41.
[6]王红艳. 基于粒子群算法的物流路径优化方法研究[J]. 电子设计工程，2020，28（17）：61-65.
[7]黄富禹，刘春. 基于物联网技术的隧道自动化变形监测系统设计[J]. 科学技术创新，2020（26）：118-119.
[8]吴志峰，吴子岳. 基于GPS/MATLAB的AUV路径优化分析[J]. 计量学报，2020，41（08）：926-931.
[9]郭荣佐，邓涵文，陈芳莹，等. 物联网边缘计算资源分配模糊建模与优化研究[J]. 小型微型计算机系统，2020，41（09）：1878-1886.
[10]张志丽，王力权，王艳君，等. 卫星物联网系统随机接入前导序列设计[J/OL]. 无线电通信技术：1-7.
