| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 公共/财税 |
| 灾害区应急条件下“货车+无人机”协同配送研究 |
| 第734期 作者：□文/朱刘红1 郑梓萌1 沙孟炽2 叶爱山1 邓洋阳1 时间：2024/8/1 11:26:42 浏览：241次 |
［提要］ 从灾害区应急条件电子商务物流需求出发，针对货车无法到达的障碍区进行“货车+无人机”协同配送研究。首先，应用面积内插模型将灾害区转化为规则的格网区域；其次，运用重心法获取灾害区无人机配送物品中心选址位置；最后，在确保无人机运输安全前提下，结合蚁群算法，对灾害区应急条件下物流系统结构进行优化。这样能够有效破解灾害区物流配送障碍，并推动电子商务行业的完善和发展。
关键词：协同配送；重心法；蚁群算法；应急物流系统
基金项目：江苏省大学生创新创业训练计划项目：“‘货车+无人机’联合配送路径多目标优化研究”（编号：202312056022Y）。通讯作者：邓洋阳
中图分类号：F252.1 文献标识码：A
收录日期：2023年11月24日
随着电子商务的快速发展，应急物流成为电商行业中不可或缺的一环。在面对突发事件或季节性高峰时，如何有效地应对物流挑战并保障商品快速、准时地送达给消费者，已成为电商企业日益关注的重要问题。因此，建立和完善电商应急物流体系，以应对各种突发情况和市场变化，不仅能提升企业的竞争力和品牌形象，也能更好地满足消费者的需求，促进电商行业的持续健康发展。本研究将探讨电商应急物流的重要性，以及如何通过科技手段和合理规划来提升应急物流效率和服务质量。公共卫生事件爆发和洪涝灾害频发等，对灾区物流都将造成巨大冲击。我国物流企业虽做出积极响应并不断完善了应急性基础设施，但在应对突如其来的重大灾害时，仍无法保证应急物流及时性和可达性，也在一定程度上弱化了其经济性特征。无人机因其在进行空中作业时有低风险、易跨越特殊地形等优势，这对于节约成本、减少人员流动、缩短配送时间等方面具有显著优势。但不可否认，当前无人机配送也存在诸多问题，譬如负载容量小、电池续航能力弱、配送秩序混乱等问题，从而在商业化运输上受到限制。也有学者提出，将货车和无人机协同作业，以达到延长无人机作业时间，进而让无人机空中作业实现非接触、差异化配送。现有的诸多研究基本认为整合货车地面配送和无人机空中配送，将大幅提升配送效率，特别是在发生重大公共灾害事件后更具有较强应用性。基于此，本研究在引入案例基础上，模拟建立灾区模型，将灾区范围呈现在网格上以精准描述边缘范围，方便货车停靠点及无人机电源补充点选址的建立，并运用重心法探寻无人机配送物品的中心选址位置，构建起灾害区应急条件下末端物流派送网络。此外，还将无人机配送过程进行分解，利用蚁群算法，得到灾区各部分局部无人机物流的最优路径，使其进一步在非接触、差异化物流领域满足人群需求，以推动电子商务行业的全面发展。
一、问题描述
我国作为自然灾害较为严重的国家之一，极端天气趋强趋重趋频，各类异常天气因素导致洪涝、干旱、草原森林火灾可能性增强，高温热浪、低温雨雪冰冻呈现波动反弹，地震灾害风险复杂严峻。“十四五”期间，国家全面部署应急管理体系与应急能力现代化，各级政府积极响应防范各类突发性、异常性、隐蔽性、复杂性、耦合性灾害，还要承担起化解重特大灾害引发的次生、衍生事故及形成的多样灾害链、复杂事故链。可见，构建高效科学的应急物资保障系统是国家及政府应急治理的重要组成部分。自然灾害事发突然、猝不及防，第一时间掌握灾情是赈灾的前提条件，关系到决策部署的下达执行、救援力量的排兵布阵、物资保障的科学调配、被困人员的生命安危。无人机因其体积小，具有操作简单、灵活机动、适合复杂气象条件作业、受交通条件限制小等优点，可以代替人、载人飞机执行观察灾情、评估灾情、空投物资、空中喊话、通信中继等任务，既能有效补充卫星侦察等手段的不足，也能执行抗震救灾、抗洪抢险等多样化任务。
在灾害中完善便捷化应急采购机制、应急物资调配体系及应急物流运输，是应急物资保障的三大重要支撑。关于应急采购机制方面：为完善应急采购机制，政府部门可制定应急物资产能储备清单，应用电子商务公共资源交易平台和大数据技术及时发布采购预案与清单，以实用需求为导向实现智能化“互联网+供应链”物资采购，并建立起“绿色采购通道”强化实施应急物资采购。关于应急物流调配体系方面：应能做到应急物资与安全应急服务的调配信息全线共享与透明。应急服务应具体细化为数据采集、高空应急通信、物探测绘、高空照明、航测建模、勘灾回传、高空广播等一系列应急服务。应急物流配送方面：是沿着科学专业化轨道构建的智能化、高效化配送，并且能够针对配送物质板块不同进行无人机精准调度，尤其是医疗药品等特殊物质对储存环境的特定要求。
二、模型建立
（一）面积内插模型。当地区物流系统呈现最大程度封闭时，有效的物流配送必须建立在对地区路径全面掌握基础上。发生公共卫生事件及洪灾等突发事件的地区，地区边缘往往表现为不规则化，对无人机物流的路径规划将造成一定的困扰。本研究应用面积内插模型将灾区呈现不规则的矢量多边形区域转化为规则的格网区域，其步骤具体如下：第一，将受灾区不规则的区域挪移到方形网格中。第二，计算区域边缘不满方形网格的比重。第三，将区域边缘不满方形网格的比重进行分类，从而确定规划后的区域横纵坐标值。区域所占方形网格面积小于30%时选取网格线较小的值，区域所占方形网格面积大于30%小于50%时将选取方形网格的中点坐标，区域所占方形网格面积大于50%时选取网格线较大值。第四，按照分类后面积比重值，重新选取横纵坐标。考虑受灾区存在扩大的风险，规划后的区域边缘需要做出预留，将其横纵坐标再增加0.5个值，以保证无人机运输稳定性。（图1）
（二）重心法模型。在应用面积内插模型之后，可得知灾区无人机物流运输的面积及边缘范围。货车运载无人机和货物从物流部同时出发，到达灾区边缘后，以无人机稳定的作业范围为半径，圈出每架无人机的作业范围，建立多个灾区边缘货车停靠点。无人机运载货物从货车停靠点出发，根据需求点的排布依次运输，确保每个需求点服务一次并满足运输里程最短、成本最低的要求，待无人机所携带的货物运输完成后，回到货车停靠点进行下一次运输货物的载装或进行电源补充，随后并持续作业。其问题假设条件如下：第一，灾区各需求点位置已知、需求量已知，且都可得到服务；第二，货车的载重量可容纳需运载的物品和无人机及无人机电源；第三，无人机在运输物品时以稳定的速度作业；第四，运输物品重量在无人机荷载量内；第五，无人机操控员具有熟练的操控技巧。（图2）
若需求点所在位置超出无人机携带货物稳定运输的范围，或无人机从停靠点所在的位置出发至完成运输服务后所剩电量无法再次回到停靠点，需在灾区建立无人机配送的中心选址，本研究选取重心法模型来确定中心选址。
重心法模型常用于解决建立物流配送中心选址的问题，该方法将灾区中的各个需求点设为定位坐标，把每个需求点的运输量当成重量，重心作为无人机物品配送中心的最佳设置点，以达到减少运输成本的目的。本研究选取的需求点为两两相邻的无人机运输范围相交点。假设上述灾区应用无人机物流运输，覆盖其边缘需要五架无人机，其需求点为五个，将其网格化后坐标分别为：P1（30，50），P2（100，20），P3（155，20），P4（145，120），P5（60，120），需求点坐标为D1（70，70），D2（100，45），D3（130，60），D4（115，90），D5（75，90）。新建立的配送中心坐标为P（X0，Y0）。假设每个需求点的需求量分别为40、50、30、40、50。假设每次配送成功成本为10元。重心法公式如式（1）与式（2）所示：
X0＝■，i=1，2，3，4，5 （1）
Y0＝■，i=1，2，3，4，5 （2）
联立方程组求解得：P（95.5，71.2）为无人机需求点的重心，在此处建立的无人机配送中心完成无人机物流配送的效率最高、成本最低。
（三）二维化处理。规划好灾区范围、建立货车停靠点和无人机配送中心选址后，由无人机完成相应物品的配送。无需经过灾区配送中心的无人机配送过程可分为五步：装载物品、起飞、水平飞行、悬停、降落。需经过灾区配送中心的无人机配送过程可分为十步：装载物品、起飞、水平飞行、悬停、降落、补充电源、起飞、水平飞行、悬停、降落。无人机运输理想化过程如图3所示。（图3）
三、路径优化算法设计
（一）蚁群算法原理。无人机配送路径优化问题属于NP-hard问题，国内外学者主要选择的算法有精确算法和启发式算法，启发式算法更适用于规模较大、对局部信息进行搜索、在合理时间内找到相对优解的研究，被广泛应用到解决车辆路径优化的问题。启发式算法包括遗传算法、粒子群算法、模拟退火算法、蚁群算法、禁忌搜索算法等。蚁群算法源于自然界中蚂蚁的集体觅食活动，蚁群在寻找食物的路上不断留下信息素，随着蚂蚁多次对食物的搜寻，优化后路径上留下的信息素浓度越来越高，也在不断忽略不能达到食物的路径，信息素就随之在不断挥发，从而找到蚁巢到食物的最短路程。蚁群算法是一种依据蚁群探寻食物所表现出来的智能行为形成的算法，具有较强的鲁棒性和可靠性。
（二）蚁群算法设计。假设将m只蚂蚁投入解决灾区的路径优化问题上，存在以下两种情况：一是将灾区边缘的货车停靠点当作蚁巢，服务的需求点当作食物；二是将灾区边缘的货车停靠点当作蚁巢，灾区中的无人机物流配送中心当作食物，将灾区中无人机物流配送中心当作蚁巢，服务的需求点当作食物。蚁群探寻过程中经过节点i至节点j，共n个节点，最初路径上的信息素为Rij（0）=0，启发信息为Qij，在无人机路径优化问题中，取Qij=1/Sij，Sij表示节点i至j的距离。随着蚁群不断地探寻，信息素也将会发生变化。在t时刻，第k只蚂蚁将根据路径上信息素的浓度Rij（t）与启发式信息Qij，在此节点的下一个节点集合Jk（t）中，选择要留下信息素的路径，此时，这只蚂蚁选择的节点概率为p■■（t），如公式（3）所示：
p■■（t）＝■0，其他,j∈Jk（t） （3）
其中，α表示信息素的相对重要程度，β表示启发信息的相对重要程度，j∈JK（t）表示第k只蚂蚁可以选择的节点集合。
由于蚁群依据留在路径上的信息素来辨别节点，存在对同一个节点进行重复访问的问题，遂将蚁群访问过的节点记作集合Cij（k），对每一只蚂蚁都将保存一个集合Cij（k），而Cij（k）也将随着蚁群优化路径的过程不断改变。由于大量蚁群在寻找最优路径时会留下未来得及消散的信息素及残留信息，将会覆盖启发信息，在每一只蚂蚁完成从蚁巢到食物的过程后，都要对无用信息进行处理，即可得到在（t+n）时刻蚁群在路径上留下的清晰的信息素，如公式（4）所示：
Rij（t+n）＝θRij（t）+△Rij（t+n），△Rij（t+n）=■△R■■ （4）
公式（4）中，θ表示蚁群路径优化中信息素保留率，在大量蚂蚁进行路径优化的过程中，存在信息素的无限堆积，为避免此种状况，限制θ的取值范围介于0～1之间。△Rij（t+n）表示的是第k只蚂蚁在t至（t+n）时间段在节点i至节点j路径上留下的信息素增量。△R■■表示第k只蚂蚁在探寻蚁巢至食物过程中在路径（i，j）节点上的信息素增量，其值的大小由蚁群完成路径优化的效率而定，若第k只蚂蚁没有经过路径上节点i至节点j，△R■■的值为0，如公式（5）所示：
△R■■（t，t+1）＝F/Lk0 （5）
在公式（5）中，F表示的是蚁群在路径优化上节点i至节点j留下的信息素的增强系数，Lk表示第k只蚂蚁在完成一次蚁巢至食物过程所走过的路程长度。本研究选取蚁周模型，公式中信息素的增量关系到的是信息素增强系数，除以第k只蚂蚁完成一次路径的长度，而不单独选取节点i至节点j之间的路程，这可以很好地避免节点与节点之间陷入路径最优。蚁周模型考虑的是蚁巢至食物整个路径的信息素信息，在完成对每个节点访问后，再更新路径上的信息素，当每一只蚂蚁都完成一次蚁巢至食物的路径优化后，再次将m只蚂蚁投入探寻路径优化过程中，重复上述公式直至一条路径上的蚁群信息素达到最大值或蚁群访问某一节点的次数达到最大值后，选出蚁巢至食物的最优路径，得到目标函数的最优值。
（三）仿真实验。本仿真实验是在MATALB软件下进行，使用16m×20m大小的方形网格模拟实验环境，灰色方格表示障碍物所占面积，白色方格表示无人机可运行所占面积，直线表示无人机行驶路线。蚁群最大迭代次数为100，每一个节点的初始信息量为8，实验无人机数量为50，Jk（t）集合初始值为0。（图4）
经过仿真实验后可得知，未经优化的路径长度为38m，经蚁群优化后的长度为（12+14■）m，明显小于未经优化路径的38m。优化过后的路径呈现出运输距离少的特性，能够大幅地降低无人机在运输时所需的时间、能源消耗，适应灾区在物流需求方面的急迫性。在“货车+无人机”协同配送服务灾区的过程中，配送的物品常具有重量低、批次多、时间紧的特点，选择蚂蚁算法可以有效地优化灾区物流配送系统，提高了灾区配送效率、缩减了成本。
综上，本研究分析灾害区应急条件下“货车+无人机”协同配送路径，旨在不断优化“货车+无人机”配送路径。通过模拟灾区物流运输，对指导电商应急物流具有一定的科学性和可靠性。然而，在协同作业的流程和路径探索上，仍存在一些局限性，将来的进一步探索可以从以下几点拓展：第一，未来关于“货车+无人机”协同配送的流程研究将随着无人机运行环境的变化不断更新，需要进一步探寻协同配送流程的更优解。第二，在面对灾区对物流的急需性时，蚁群算法会表现出时间利用效率不够状况，应不断修正算法以满足不同情况下更加复杂、量大的计算要求。第三，在未来对无人机路径优化中灾区范围、货车停靠点、需求点的数据选择上，最好选择随现实情况而定数据，对无人机电量、机型、负载等数据进行细化研究，从而使无人机物流配送系统更加稳定、标准。
（作者单位：1.南通理工学院商学院；2.南通理工学院电气与能源工程学院）
主要参考文献：
［1］黎红梅，周冲.全面推进乡村振兴背景下农村高效物流体系构建分析［J］.理论探讨，2021（03）.
［2］周扬，黄晗，刘彦随.中国村庄空间分布规律及其影响因素［J］.地理学报，2020.75（10）.
［3］钱盈.乡村振兴战略下农村电商物流“最后一公里”建设现状及策略［J］.绥化学院学报，2023.43（09）.
［4］王永桐.浅析“互联网+”时代应急物流行业的发展现状与趋势［J］.才智，2019（23）.
［5］钱婧，陈兆波.互联网+时代应急物流行业发展模式探析［J］.物流工程与管理，2018.40（12）.
［6］马永红.无人机在物流末端配送中的应用研究［J］.物流科技，2022.45（11）.
［7］孔少哲，张戎.基于改进重心法的上海市快递分拨中心选址研究［J］.交通与运输，2022.38（04）.
［8］朱良峰，吴信才，刘修国.GIS中矢量多边形网格化问题研究［J］.地理与地理信息科学，2004（01）.
［9］黄莉，刘卿，许佳佳.基于重心法的安顺市茶叶物流配送中心选址研究［J］.全国流通经济，2021（07）.
|
|
|
|
