快递包裹配送中心车辆配送路径优化及应用研究开题报告

1. 研究目的与意义

(一) 研究背景

快递物流是现代服务业的重要组成部分，是推动流通方式转型、促进消费升级的现代化先导性产业。随着电子商务的快速发展和基于互联网的商业模式创新不断加快，中国快递物流行业保持快速增长。据国家邮政局统计，2017年，全国快递服务企业累计完成业务量为400.6亿件，同比增长28%。据国家统计局发布的数据，2017年中国社会消费品零售总额36.63万亿元，同比增长10.2%。同年，网络零售额达7.18万亿元，同比增长32.2%，实体物品网络零售额占社会消费品零售总额的比例已经达到15.0%。据统计，电子商务网络零售中，75%的交易商品需要快递支撑和保障。

近年来，中国快递业发展势头强劲迅猛。2010年之前，中国快递业处于起步期，业务量增长率保持在20%以上。2010年以后，电子商务网络零售需求开始爆发，对快递业的影响开始加深，快递业增长率出现较大跃升。2011年至2016年，中国快递业在较高规模基础上持续高速增长，业务量年均增速达到53.50%。2014年，中国完成快递业务量139.6亿件，首次超过美国，成为全球第一大快递国，并且连续4年稳居世界第一。目前，我国已形成了国际快递、异地快递和同城快递三大市场板块，国内比较知名的内资快递企业包括邮政速递、顺丰速运、中通快递、圆通快递、申通快递、百世快递、高铁速递、韵达快递、宅急送等，中国市场上主要的外资快递企业包括美国联合包裹（ups）与联邦快递（fedex）、德国敦豪国际快递（dhl）、日本“雅玛多”黑猫宅急送等。

2. 研究内容和预期目标

本文研究的是快递包裹配送中心车辆配送路径优化问题，在阅读了大量国内外专家和学者对配送路径问题的相关研究成果的基础上，对本文研究问题进行详细研究。首先对快递包裹配送中心运营现状进行调查研究，包括快递的特征，快递业务流程和特点等，在此基础上发现快递包裹配送中心存在的问题，特别是路径选择上存在的问题，由此分别建立了不同类别的快递车辆配送模型，并针对同城配送路径优化进行了重点研究。

在同城配送研究时，第一层快递配送问题为在整个城市路网中，快递包裹配送中心使用配送车辆对城市内所有配送中转站以包装箱为单位进行配送，车队需要走遍路网图中的所有需求“点”，考虑现实路网的复杂性，并且考虑限制条件早、晚出行高峰拥堵情况，以最短时间为优化目标建立模型，采用优化的启发式算法对该模型进行求解。第二层快递配送问题为，区域路网中，各配送中转站内快递员采用电动车对其所属区域内的客户进行“一对一”快递配送，以双重时限约束下所需快递员最少为优化目标建立模型，采用优化的启发式算法对该模型进行求解。异地配送属于一点对一点的运输，属于优化路径问题中的最短路问题，考虑公路、铁路、航空这三种运输方式的选择以及运输方式间的协作，以时间最短为优化目标建立模型，采用优化的启发式算法对该模型进行求解。最后从实际路网出发，将构建的模型与算法进行算例研究。

本课题的预期目标是通过对快递包裹配送中心车辆配送路径优化的研究，可以为快递包裹配送中心的车辆调度提供一定的实践依据，由此降低快递包裹配送中心的配送成本，提升服务质量，改善快递配送中心经营状况和企业形象。

3. 研究的方法与步骤

本课题主要使用定性分析法和数学建模法这两种研究方法。定性分析方面，前期收集有关快递行业整体环境发展现状和快递包裹配送中心的运营情况的文献资料，并根据这些资料，全面分析现在快递业及快递包裹配送中心存在的问题。在数学建模方面，同城配送时，第一层考虑到现实路网的复杂性，并且考虑早、晚出行高峰拥堵情况，加入硬时间窗，利用Dijkstra算法搜索需要配送的两点间的最短时间路径，而整条配送路径由遗传算法搜索得出，即在遗传算法中套用Dijkstra算法进行求解。第二层将路网中一条有向弧或无向边上的所有客户归集为一个服务对象，然后将各需求弧通过图转换法转化为需求点，考虑其时间限制级装载量限制，利用优化的启发式算法进行求解。异地配送时，将三种交通运输方式以数学语言表达，利用优化的启发式算法进行求解。

本课题的研究步骤是先通过图书馆馆藏及电子数据库搜集快递业和快递包裹配送中心的相关资料和文献，并通过阅读理解、巩固。其次，理解算法并建立数学模型。接着，利用Matlab软件编程求解。

4. 参考文献

[1] 麻存瑞,柏赟,赵欣苗,曾伟.快递配送车辆路径优化研究[j].交通运输系统工程与信息,2017,17(4):182-187.

[2] 代楚楚,徐菱.考虑碳排放的快递企业配送路径研究[j].环保与能耗,2014,36(7):71-77 83.

[3] 金辉,黄子龙,葛丽娜.城市快递配送路线选择方法研究[j].辽宁工业大学学报(自然科学版),2015,35(6):396-398.

5. 计划与进度安排

1.2022-2022学年第1学期，第15-16周，收集相关资料

2.2022-2022学年第2学期，第3-6周，前期研究

3.2022-2022学年第2学期，第7周，开题报告