优秀作品展示 | 基于共生物流平台的车货匹配方案设计

   研究背景

在“互联网＋物流”的热浪下，如何充分运用大数据、物联网、人工智能等新兴技术，落实到物流行业的实际应用，实现车货匹配的降本增效，是目前业内亟待解决的一个问题。

   研究目的

通过网络货运平台真实运单、订单、车型、位置等脱敏数据，利用工具软件和大数据挖掘与优化方法，寻求现实场景下的车货匹配问题解决方案。

   数据处理与可视化

根据本方案研究内容，首先从车辆数据和订单数据两方面提取出所需字段；然后分析出所选字段中的异常数据并作对应处理，再运用处理好的数据转换出如时间窗、距离矩阵等待用变量；最终仍从车辆和订单两维度对上述已有数据进行合并，即数据集成。从而合成完整的待用车辆和订单信息，用到后续问题求解当中。数据处理流程如下图所示：

为了在车货匹配之前，更加清晰直观地展现订单和车辆基本情况，本方案利用时间和空间相结合的大屏可视化技术，实时显示订单和车辆的变化，在此订单选取共生物流平台数据处理20批中的第一批和最后一批、车辆选取上文选取的200辆车为样例范围，进而对2018年共生物流平台的车辆和订单也进行可视化汇总。订单和2018年共生物流平台如下图所示。

   数据预测

考虑车货匹配实际运用场景，本方案认为运用已有实时数据进行即时的车货匹配方案略有不足。还需要有对未来车货情况的预测，从而提供未来对应时间内的车货匹配方案，为决策者和管理者提供决策支持的同时，起到一定的风险管控作用。基于此，本方案提出下述预测方案。选取2019年前六个月近180天的历史数据作为样本数据，针对预测目标，纵向分为预测数据准备、预测内容求解、预测结果分配三个环节，具体环节如下表所示。具体的预测内容包括订单吨数和方数、订单提卸货经纬度以及订单时间窗三大内容。 

   模型建立与算法设计

模型建立与算法设计主要包括目标函数、约束条件和算法求解三个方面，具体流程如下图所示。目标函数方面，本模型以物流降本增效为目标，从车辆行驶总距离最小化，车辆使用数目最小化两个角度综合考虑目标函数；约束条件方面，深入挖掘了此类车货匹配问题的典型特征，根据特征在传统车货匹配模型的基础上加入了车辆路径约束实现混合装卸，加入载重量、容积、时间窗约束使其更加符合实际；算法求解方面，进一步在传统粒子群优化算法基础上，对粒子群算法进行改进更新。

   算例求解

算例求解主要包括小规模算例、大规模算例和预测算例三个方面，具体流程如下图所示。小规模算例方面，取平台上可调用车辆8辆，共有7个供货方，7个需求方作为小规模算例，分别使用CPLEX和粒子群算法进行求解，发现CPLEX最优解有效，粒子群算法求解得到的近似最优解与最优解相比60%的运算结果接近于最优解，算法有效；大规模算例方面，取20批订单和200辆车作为大规模算例，利用MATLAB算法编写粒子群算法求解大规模问题，证明优化后平均减少使用9.2%的车辆，每月可降低7.96万元运输成本；预测算例方面，取预测数据中的2批订单和车辆作为预测算例，继续调用粒子群算法计算最优车货匹配结果，共减少使用车辆17辆，降低成本19773元，并提出了车队运营策略以及较优车队规模。

   方案评价与应用推广

数据处理与可视化方面，本方案利用时间和空间相结合的大屏可视化技术，以二十批订单、规划期可用车辆为切入点，以动态飞线图、动态列表、柱状图和折线图等组合为展现形式，实时显示共生物流平台车辆、订单的状态，从中挖掘订单和车辆的管理重点，并提出合理建议；数据预测方面，本方案的数据预测主要预测订单量、吨数和方数，其重点内容集中在预测准备和预测内容部分。预测准备利用k-means算法划分区域，并求得各个区域数据比例；预测内容不仅仅采用传统预测方法和神经网络预测，还采用了拟合的方法对吨数进行预测；车辆匹配模型和算法设计方面，本方案提出的方法主要有四点不同，分别为动态匹配，可以在任意时间节点进行车货匹配，将所有存在剩余载重量和剩余方数的车辆视为可用车辆，考虑其当前位置进行车货匹配；一辆车可以匹配多个货主，降低空载率；一辆车可以边装边卸，在满足动态时间窗、载重量、方数的约束下，尽可能提高运输效率；考虑整个运输网络的效益，使最合适的车匹配到最合适的货主，降低综合成本。

在未来推广过程中，调用API接口，实时展示车辆和货物的定位。基于历史数据的输入，设计基于粒子群算法、Anylogic仿真软件和动态路线图相结合的车货匹配系统，预测未来车货匹配可能的变化趋势，研究突发事件、中断风险等对运输调度的影响，并将该系统和车货匹配小程序相结合，辅助平台管理人员进行车货匹配决策与优化。

为了使车货匹配过程更加透明，传递过程更加快速，也为了解决信息传递不对称的问题，本方案在借鉴共生物流平台公众号基础上，专门为其车货匹配设计了一款微信小程序，名为“KBT车货匹配系统”，此程序也是本方案的推广应用载体。本车货匹配系统通过KBT货主端和KBT车主端小程序与用户进行交互，下图分别为KBT货主端和KBT车主端。