基于GIS的西安烟草物流配送线路优化系统分析与设计

基于GIS的西安烟草物流配送线路优化系统分析与设计

一、研究内容及设计目標

“基于GIS的西安烟草物流配送线路优化系统分析与设计”课题在分析了西安烟草公司物流业务系统特点的基础上，通过电子地图引擎定制烟草电子地图，将烟草销售业务数据矢量化，通过对电子地图数据的应用，优化物流配送线路，达到缩短配送周期、降低配送成本、提高服务质量等目標。

实现对整个销售区域的趋势进行宏观的分析，以满足宏观把握，提供辅助决策支持；实现以GIS应用为基础的烟草物流配送线路优化，有效提高物流作业环节的工作效率、降低劳动强度、减少车辆和司机人员、降低油耗和配送里程数，从而大幅度降低运行成本，提高企业面向市场的能力，进而支持西安烟草实施整体发展战略，推动企业综合竞争力的持续提升。

二、GIS应用与线路优化问题分析

将地理信息系统引入物流配送系统中，将使前面所述的模型及算法不再显得抽象。它将面向动态及现实世界中的真实数据，并根据这些数据，运用前面所述的分析方法及算法，得出相应的方案，并直观的显示在地图上。物流对地理空间具有较大的依赖性，货物运输中的交通路网数据就属于空间信息，因此将GIS 引入到物流配送系统是必要的，GIS的引入极大方便了运输中的路网信息的管理和处理，借助GIS用户可以根据需要添加各种路网信息，如路长、路的类型和时速限制等，同时也可以将各个供应点和需求点以及所有在运输中涉及的信息在GIS中直观的表现出来，方便决策者使用。GIS是以图形与属性数据管理及模型分析为基础的，它能获取、存储、检索、分析和显示各种空间动态信息。进行辅助决策。GIS将具有空间特征的信息可视化。为信息的使用者提供更为直观、清晰的表达形式。因此采用GIS具有许多优越性。表现在以下几点：

1图形显示输出上的优势。除了图形的显示、输出功能以外。还能根据属性做不同的主题展示，将图形根据需要进行缩放。此外，GIS制图可以解决传统单一主题叠合问题，将统一坐標系下的不同主题叠合。

2分析功能上的优势。GIS既具各处理图形和与图形特征相关的属性内容，又能处理大量的统计资料，使图形资料能灵活应用，任意叠合、分割、截取和统计分析。GIS的空间分析功可对点、线、面做不同的空间分析，在物流的最短路径分析、配送区域划分中有独特作用。

3模型模拟上的优势。GIS能根据不同的模型进行仿真模拟，模拟目標物体发展过程。在可视化的操作界面下展示模拟目標物体的发展过程。GIS有利于车辆与人员的调度的优化，能较大限度地利用人力、物力资源，使配送达到最优。对于物流中的许多决策问题，如配送中心的选址、货物组配方案、配送线路优化等，借助GIS都可以得到更好的解决。

研究表明运输成本约占整个物流成本1／3至2／3左右，因此规划一个合理的配送路线来降低运输成本很重要。配送车辆优化调度，包括集货线路优化、货物配装及送货线路优化。在国外，类似工作已广泛应用于生产、生活的各个方面，如报纸投递、牛奶配送的优化、垃圾车的线路优化、连锁商店的送货及线路优化等。

配送车辆线路优化问题可以描述为：从某物流中心(仓库)用多辆配送车辆向多个客户送货，每个客户的位置和货物需求量一定，每辆配送车辆的载重量一定，配送车每次配送的最大行驶距离一定]，要求合理安排车辆路线，使目標线路得到优化，并满足以下条件：

1每条路径上客户的需求量之和不超过配送车辆的载重量；

2每条路径长度不超过配送车辆一次配送的最大行驶距离；

3每个客户的需求必须得到满足，且只能由一台配送车辆送货。

配送线路优化系统是以市级公司卷烟配送中心为基点，实现合理规划配送区域、优化送货线路等卷烟配送业务中所必需的内容，如图1所示。

三、系统调度流程分析与设计

线路优化系统包括：周期性线路优化、线路调整、订单导入、订单确认、每日线路优化、线路优化现实、车辆调度和配送单据打印等功能。

1调度流程分析：

(1)GIS信息维护，通过零售户信息采集，将烟草专有的信息加载到电子地图中。形成线路优化所需要的客户地理信息。

(2)GIS线路优化，系统调用GIS线路优化算法，生成最优线路。

(3)生成当日优化线路，当日订单访销结束后，经过确认，导入订单到物流系统中，系统调用GIS线路优化算法，进行当日线路优化，生成当日优化线路。

(4)进行配车计算，通过提前设置的配车参数，系统通过配送运算，调用当日线路优化结果，进行配车，生成相关配送单据。如图2所示。

2算法流程设计

按照以上配送线路优化的问题描述和约束条件，将优化算法主要流程设计如下：

第一步：对配送中心辐射范围进行分区

(1)计算出每一个配送点到别的配送点的距离(考虑到单行道的情况，两个配送点之间的距离是2个数值)。

(2)根据历史订单记录，从配送中心出发，取离配送中心最近一点作为下一个配送的第一点，按此方法，遍历配送中心辖区的所有配送点，求出总体工作强度。

(3)将配送点按工作日的天数将整个区域进行分区。

第二步：在分区内部进行聚类

首先进行聚类中心的选择：设某一个候选的配送点作为聚类中心，初始权重为0。扩散N步，根据一定范围内其他点的个数以及到该点的通达性，计算并调整聚类中心的权重，再根据权重的排序来反复进行聚类中心的筛选。

聚类扩散的规则是配送点的送货量、送货里程数和配送点的数量等数据，满足预设值才能进行扩散，同时计算出该聚类的总体工作强度，当达到或者接近饱和(由人工设置参数来控制饱和的阈值)的时候停止聚类。

第三步：对分区内的聚类进行VRP问题的求解

根据第二步完成后形成的多个聚类，即多条路径进行VRP问题的求解。

卷烟配送实例

目前，烟草商业企业卷烟配送多为人工制定配送线路，有的发达省份虽然开始推行电子配送，即在3G技术支持下的可视化车辆调度，但是往往只做到了行车路线演示，而缺乏深层次的由科学合理的解决方法及高性能优化算法为基础的配色线路优化及车辆调度。

以商洛市为例，在周期线路优化过程中，先将商洛按照经济区域划分为五个配送区域，如图3：

将周一(以周一配送区域为例，其余日期计算方法跟周一相同)区域的零售商户进行聚类运算，图4为优化之前的零售商信息分布图：

聚类之后得到所有送货顺序号，如图5所示：

然后进行VRP计算，传入所有配送点的位置和送货序号，得到相应的配送任务单：如图6所示：

由表1，总运行公里由3348.75km下降为3226.83km，平均改进率3.64％。原配送线路平衡指標由90.19％提高到92.28％。表中线路平衡率=(1－(最长配送线路里程数一最短配送线路里程数)／平均配送线路里程数)×100％。应用IACO 算法对该配送区域的配送线路进行优化虽然取得了较好效果，但是也发现算法收敛速度较慢，因此，如何提高算法效率成为今后研究重点。如果对该市1.55万个配送点进行线路规划，除对密集分布的经烟户要向关键节点聚类之外，利用扇形或环形分区方法进行模型简化与分区优化是必要的。

四、效益分析

1实现效益和效率的结合

从目前西安烟草GIS应用实施的范围来看，优化后的线路和装载方式，使得第一条线路仅有一辆车不能做到满载，整体装载率可以确保在95％——100％之间，在GIS系统的管理和调度之下，优化的线路和调度方式使车辆装载率提高了35％，与未启用GIS的配送区域相比，送货趟次降低了67％，避免了不满载出行的现象，极大程度提高了工作效率。

这个实例仅是GIS应用的直接功效，从长远来看，GIS物流致力于在卷烟物流体的配送系中梳理、整合，建立一个统一、开放、竞争、有序、安全的物流配送体系，初步实现区域流通产业现代化和物流服务现代化。在社会效益上，既可