零售物流的运输线路与成本优化

　 随着中国经济的快速发展，中国零售业在过去十几年迅速成为流通业的一支主力军。伴随不断扩大的企业规模和迅速扩张的店铺数量而来的，是持续增长的零售物流成本。如何在满足所有店铺的配送请求前提下，有效控制并缩减物流成本，提升企业盈利能力，从而在激烈的市场竞争中脱颖而出，几乎是所有零售业管理者不得不直面的挑战。

　　根据中国物流与采购网的统计数据分析，2010年全国社会物流总额125.4万亿元，同比增长15%;全国社会物流总费用7.1万亿元，同比增长16.7%，其中运输费用为3.8万亿元，同比增长14%，占社会物流总费用的比重为54%;而物流业增加值占GDP的比重为6.9%，占服务业增加值的比重为16%，表明物流业发展对服务业贡献突出，已经成为国民经济的主导产业，在社会经济发展中发挥着重要作用。但从当前情况看，我国物流业仍处于初级阶段，物流行业普遍面临着专业化程度低、高耗低效等问题，造成我国物流成本较高。我国全社会物流总费用与GDP的比率为17.8%，而欧美经济发达国家的全社会物流总费用约占GDP的9%;据统计，我国一般工业品流通费用约占商品价格的50%，其中蔬菜、水果的流通费用约占70%，而在美国、德国、日本等发达国家这一比率仅占8%左右，这些费用上的消耗为物流业的发展留下了巨大的空间。因此，如何有效控制并降低占物流成本比重54%左右的运输成本，对于降低物流成本、提高我国物流水平有着举足轻重的作用。

　　海鼎作为中国零售信息化专家，与零售业和物流业一起思考降低运输成本之道，共同寻求解决方案，并成立专门的工作组对该课题展开研究，已形成一些研究成果。本文抛砖引玉，通过运输成本组成成分的详细分析和实例数据来说明影响运输成本的主要因素是车辆的行驶路径，学术界称之为“车辆路径问题(Vehicle Routing Problem)”。进而对车辆路径问题进行抽象、提炼，建立数学模型，并设计高效算法来优化运输线路。为了提高文章的易读性，文中略去数学模型和算法代码，用通俗易懂的文字进行描述。

　　一、分析运输成本的构成要素，清晰成本优化的目标

　　由商品从配送中心到各零售网点配送过程中所发生的各项成本来看，运输成本可分两部分进行考虑，即人力成本和车辆成本。其中，人力成本主要指企业需要向司机、装卸工等参与运输配送的员工支付工资、津贴、奖金、福利等费用，本文暂不作分析。车辆成本按其性质分为静态费用和动态费用。其中，静态费用指与货物周转量无关的固定成本，当车队归配送中心所有时，则主要包含车辆折旧费，车辆每年交的保养费、保险费、养路费以及各种税费等，与车队所拥有的车辆数量有关;而当配送业务外包给第三方物流公司时，缩减运输成本的关注者从零售企业转换至第三方物流公司，也可引用配送中心自有车辆同样的分析套路。动态费用则指与货物周转量相关的变动成本，主要包含燃油费、路桥费、轮胎等物耗费以及各种事故费等。随着车辆行驶距离的增加，动态费用成线性增长。

　　详细的零售物流运输成本各构成要素的简介如下表所示。

　　
　　为了进一步研究每个构成要素在零售物流运输成本中的占比情况，我们以5吨车为例，以一年为周期计算其运输费用，最终的分析结果如下图所示。由图表的数据，我们可以得出燃油费占运输成本的百分比高达50%，因此缩减运输成本关键是缩减燃油费。燃油费是行驶距离、单位行驶距离油耗和油价的乘积，从企业控制运输成本角度看，一方面可以通过选购百公里油耗低的货车，另一方面，可以在满足业务需求的前提下，通过优化缩短车辆的总行驶距离来控制燃油费。文章接下来将介绍如何通过线路优化缩短行驶距离，从而控制运输成本。

　　
　　二、最优化运输线路，控制运输成本

　　通过前面章节的分析，我们需要通过优化车辆的行驶路线来达到缩减运输成本的目的，也就是广受学术界关注的带容量约束的车辆路径问题(Capacitated Vehicle Routing Problems，简称CVRP)。车辆路径问题最早由Dantzing和Ramser于1959年提出，结合连锁零售企业特有的配送特性，可将CVRP定义为：有多家门店需要从配送中心补货，已知所有门店的位置以及其需求量，每家门店的需求量都不会超过车辆的最大载重量/最大容量，且每个客户最多只能由一辆车配送;配送中心拥有的车辆数固定，即每天可安排进行配送的车辆数有上限，允许一辆车跑多趟;每辆车都在配送中心先装完货，从配送中心发车，按预先规划好的线路逐一送货至门店，配送完线路所包含的所有门店后，最后返回至配送中心;要求在满足所有门店配送请求的前提下，在不超出车辆最大载重量/最大容量的约束下，安排车辆调度并设计所有车辆的行车路径，实现运输距离最短、运输成本最小化的目标。

　　通过问题定义，不难看出CVRP是个典型并且比较复杂的规划问题。理论研究中，我们运用数学及运筹学知识，建立整数规划模型，设计启发式算法进行优化求解模型。由于这部分内容涉及到许多数学符号、数学模型以及大段的代码，考虑到文章的易读性，因此不在文章中进行描述。数学模型是用数学的语言描述CVRP问题，而算法实现则是将管理思想和解决问题的思路，借用计算机之力实现并解决问题的一种有效方法，因此，接下来，将用通俗易懂的文字描述优化算法的核心思想。

　　针对大规模零售网点线路的规划和优化，需要对高复杂度的问题进行逐级降解，因此采用基于划分的三阶段启发式算法。首先，第一阶段，结合行政区域、道路主干道，按离配送中心距离的远近，划分配送网点，形成不同分区，这里，可以通过设置上下界参数来调整和平衡各分区的配送工作量。第二阶段，对各个分区，采用简单的扫描算法即在地图上将配送中心和门店连线，固定配送中心，按逆时针方向或者顺时针方向旋转，在不超出车辆最大载重量的前提下，构造配送线路，直至所有门店都已加入至某条配送线路中，从而形成一个可行的初始解。第三阶段，以初始解为输入，采用禁忌搜索算法(一种人工智能搜索算法)进行优化，从而得到优化解，形成每日配送线路的构造模板。

　　而在实际的应用场景中，一方面，并不是所有的门店都要求每日配，有些门店隔日配或者3日一配的都有;另一方面，门店每日的需求量都会随着市场情况而发生变化，因此每日运输线路需要在收到所有待配送的门店订单后生成。每天，在收到所有待配门店的需求量等信息后，在线路模板基础上，采用禁忌搜索算法进行优化，生成当天的配送方案。同时，司机也可根据实际的路网情况和对道路的熟悉情况，在配送过程中灵活更改甚至优化运输线路进行配货。

　　三、总结与展望

　　文章引用中国物流与采购网的统计数据来说明控制物流成本的紧迫性和重要意义，同时根据统计数据结果，着重关注高居54%的运输成本;进而对运输成本展开充分研究，详细分析其组成要素及各要素的占比，最后将焦点锁定在占运输成本50%的燃油费上，并最终引入科学的研究方法来对运输线路进行优化，缩减燃油费、有效控制运输成本，从而提高零售企业的盈利能力。

　　车辆路径优化问题涉及许多诸如客户地址、经纬度、订单需求量等变量和诸如车辆最大载重量/最大容量等约束条件，随着变量和约束条件的不同组合可引发其他问题，比如在我们所研究的问题上，加入客户送货时间这一变量，就是带时间窗的车辆路径问题，其算法的复杂度就要复杂许多。此外，随着经济的发展，零售企业得以迅速扩张店铺，其店铺数量也以较快的速度增长着，迫使车辆配送线路不断变动。但考虑到司机对往日配送线路的熟悉以及与特定线路上的门店交接人员之间建立的熟识信任关系将大大缩短在门店的逗留服务时间，同时服务质量也得以保证，车辆配送线路应尽量保持一致，不允许较大波动。变动和一致，这两者之间的矛盾，如何解决以及如何与GIS、GPS等信息系统相结合等等一系列的问题，都将囊括在海鼎公司专业推动的车辆路径优化专题系列的研究中，逐步得以探索和解决。