上QQ阅读APP看书，第一时间看更新

城市轨道交通物流配送计算机辅助系统研究

张　琨

（中铁第四勘察设计院集团有限公司，湖北武汉　430063）

摘　要：随着计算机技术的飞速发展，智能化、网络化和信息化已经成为时代的主题，本文根据城市轨道交通物流配送体系的特点，提出了城市轨道交通物流配送计算机辅助系统的框架。同时利用蜂群算法，结合全寿命周期理论，针对建设费用、维护费用和配送费对物资总库的选址进行优化；并研究和利用网络通信获取配送车辆的动态信息，并且融合路网的实时动态信息，采用蚁群算法对配送路径进行优化，形成最优的配送方案。

关键词：交通运输系统工程；智能物流；物资总库；蜂群算法；蚁群算法

1　引言

城市轨道交通物流配送是城市轨道交通安全运行的重要保证，为了确保维修的及时性和可靠性，需要有布局合理、使用方便、管理高效的物资配送系统作为保证。然而在现在的城市轨道交通物流系统中，往往是采用1条线路建设1个物资总库用于本线的物资、设备的存储和发放，其结果是会增加占地和投资，物资和备品重复存储，造成资源浪费；在配送过程中缺乏合理的路径规划、监控和跟踪系统，难以确保物流配送的及时性和高效性。

显然，当前城市轨道交通物流配送体系难以满足现代化社会的需求。随着计算机技术的飞速发展，智能化、网络化和信息化已经成为时代的主题，针对城市轨道交通物流配送系统的特点，本文提出了城市轨道交通物流配送计算机辅助系统，通过对物资总库的优化、配送路径的智能规划等方法，达到降低城市轨道交通物流配送的费用、提高配送效率的目的。

2　系统构建

城市轨道交通物流配送计算机辅助系统由智能决策系统、用户需求管理系统、物资总库管理系统、车辆管理系统和智能配送系统等不同的子系统组成。其中，智能决策系统是整个系统的核心，其他各个子系统通过网络与之进行通信，将各自的信息上传，供其进行决策，从而制定最优的配送方案。系统结构图如图1所示。

图1　城市轨道交通物流配送计算机辅助系统

作者简介：张琨，男，教授级高级工程师。

2.1　用户需求管理系统

用户需求是整个物流配送的目的，为了能够快速准确地把握和满足用户的需求，达到对用户需求的快速响应的目的，需要将用户需求纳入到整个系统中。

城市轨道交通是由不同的线路组成的，不同的线路的需求也不一样，通过采用网络的形式，建立用户需求管理系统，能够快速地搜集用户的需求信息，从而进行统一决策和安排。

2.2　物资总库管理系统

物资总库管理系统负责对存放在物资总库中的产品进行统一的管理，包括物品的入库、存放和出库等操作。

物资总库是轨道交通备品备件集中存放的主要场所，由于轨道交通中备品备件数量众多、品种复杂，通过采用RFID、传感器、二维码等技术能够对物品进行快速地感知和识别，并且通过网络进行统一的管理。

2.3　车辆管理系统

车辆管理系统主要对车辆的状态进行统一管理、分配和协调。车辆的状态包括本身的健康状态和工作状态，其中健康状态可分为可用和不可用状态；工作状态可分为：在库、在送货途中、在返回途中、到达目的地等状态。

2.4　智能配送系统

智能配送系统能实时获取车辆的位置信息、配送的物品信息以及路况信息等，通过与智能决策系统的通信，获取最优的配送方案。

3　系统实现关键技术研究

3.1　物资总库管理系统

3.1.1　物资的分类研究

在轨道交通中，每一条线路都会设置相应的物资总库，其位置是相对是固定的，如图2所示，由于轨道交通的备品备件品类复杂，数量众多，在每个物资总库中将这些备品备件都备足，是不合理的。根据某类备品备件种数占物资品种数的百分数和该类物资金额占库存物资总金额的百分数大小为标准，本文将物资总库库存物资分为3类。

图2　城市轨道交通中物资总库的分布

A类备件的特点一般为储存期长（周转速度慢）、重要程度高、储存件数较少、采购制造较困难而价格又较高的物资。

B类物资，可以应用储存理论进行合理的储存，采取定量订货方式。对于B类物资的控制不如A类那样严格，订货批量可以适当加大，时间可稍有变动，对库存量的控制也可比A类稍宽一些。

C类物资，由于其耗用量不太大而品种又较多，可简化管理，一般采用集中订货的方式，按照计划需用量一次订货，或适当延长订货间隔期，减少订货次数。

3.1.2　物资总库选址的优化

针对每一条线设立一个物资总库的问题，本文提出采用蜂群遗传算法对物资总库最优的选址进行优化的方法。

（1）建立物资总库总费用函数。该模型的优化目标是物资总库的总费用最省，其中总费用包括物资总库的建设费用C1、物资总库的维护费用C2、物资的配送费用C3。

式中，xij是一个0/1变量，表示物资总库i是否向轨道交通线j配送物资，yi表示轨道交通线i上是否设置物资总库表示物资总库i供应了几条轨道交通线路，Cbuild是指单个物资总库的建设费用，CMbuild是负责多条线路时建设费用的增加部分。C10是物资总库的基本建设费用，C11（x）是一个额外费用的计算函数。它可以是一个根据经验总结出来的函数，来近似拟合这种增加趋势。

式中，C20是物资总库的基本维护费用，C21（x）是一个额外费用的计算函数，Coperate是单个总库的维护费用，CMoperate是负责多条线路时维护费用增加的部分。

式中，配送距离和费用都是服从某种分布的随机变量，配送次数按一年的次数来计算。Ttimes是物资配送次数，Ctij是两地之间的配送费用，D为两地之间的距离，关系为Ttimes=365/Pperiod，Pperiod为配送周期（单位：天）。

（2）编码。根据轨道交通网中物资总库的数量确定编码的位数，编码由两部分组成：第二部分表示各条线路设置物资总库与否，如果设置该位置值为1，否则为0；第一部分表示各条线路具体有哪个物资总库负责物资供应。如图3所示。

图3　物资总库编码示意

（3）适应度评价。蜂群中每个个体的适应度由该个体的费用表示，而费用主要由3个部分组成，即物资总库的建设费用、维护费用和运营费用：

Ffitness=M-（C1+C2+C3）

其中Ffitness是蜂群中个体的适应度，它与物资总库的各项费用有关，M是一个尽可能大的数字，即物资总库的总费用越大，该个体的适应度就越小，反之则越大。

（4）交叉算子。如图4所示，两个个体P1和P2发生交叉生成新个体01，由于每个个体由两部分组成，因此，交叉操作分两步：首先是Part 2的交叉，本文采用两点交叉方法；随后进行Part 1的交叉。

图4　单点交叉算子示意

以武汉城市轨道交通物资总库为例，采用蜂群遗传算法进行优化后，得到如图5所示的物资总库选址方案，优化前后物流费用对比如图6所示。

图5　优化后的物资总库选址方案

图6　优化前后物流费用对比

3.2　智能路径规划结构

在货品的运输过程中，需要实时掌握货物在途的状态，并且通过对路面信息的全局掌握，才能合理的对运输路径进行规划。本文提出了如图7所示的智能路径规划框架。

图7　智能路径规划框架

智能规划模块是智能路径规划的核心，通过网络通信获取车货的动态信息，并且融合路网的实时动态信息，从而对路径进行合理的规划，形成最优的配送方案。本文提出采用基于路网信息的蚁群算法对配送方案的最优路径进行求解。

在传统的蚁群算法中，蚂蚁通常以两个城市之间距离的倒数作为路径选择的启发信息，根据各条路径上的信息素量和启发信息量决定转移方向。然而，在城市轨道物流配送系统中，由于堵车等外在因素的影响，路径最短的方案不一定是时间最少的方案，为了保证物流配送的及时性，在物流配送系统中，应该以配送时间作为最佳方案的衡量的标准。为此，本文构建了以下的蚁群算法。

3.2.1　经验数据库和交通控制中心的运用

交通控制中心能够为物流配送系统提供实时的交通路网情况；经验数据库是对线路以往交通情况的总结，根据经验数据库对线路的描述，可以推理出线路的状态。经验数据库结合交通控制中心的运用为蚂蚁对线路的选择提供参考。

3.2.2　基于路网信息的蚁群算法

（1）设dij为两地之间的几何距离；m为蚂蚁总数；τij表示t时刻在边（i，j）上的信息素量，由经验数据库中读取，表示根据经验判断该路径通行的难易程度；ηij表示t时刻在边（i，j）上的启发信息量，与两地之间的距离和边（i，j）上路况有关，即；蚂蚁k（k=1，2，3，…，m）在运动过程中，根据各条路径上的信息素量和启发信息量决定转移方向，则蚂蚁k在t时刻由地点i转移到地点j的概率按下式计算：