盒马鲜生“最后一公里”配送路径优化研究——以深圳市3区为例

广东东软学院本科生毕业设计（论文）盒马鲜生“最后一公里”配送路径优化研究以深圳市3区为例Research on Optimization of "Last Kilometer" Distribution Route for HemaTake three districts of shenzhen as examples内容摘要随着我国经济的快速发展，电子商务在我国得到了飞跃性的发展，生鲜电商作为其中的一个分支，也得到了极大的发展，尤其在一线城市。深圳市是我国经济中心城市之一，属于一线发达城市，生鲜电商在其中得到了迅速的发展。本文以深圳市的盒马鲜生为研究对象，针对生鲜产品订单小、批次多和顾客对物流配送时间要求严格的特点，选取南山区、宝安区和罗湖区的门店为研究对象。采用实地调研法、访谈分析法以及实证研究法对其门店“最后一公里”配送现状、配送模式、配送服务进行调查研究，找出其在“最后一公里”配送过程中存在的问题，建立带顾客满意时间窗的配送路径优化模型，结合实际运用节约里程算法进行求解，并以盒马鲜生配送员“最后一公里”实际配送单为例，在满足客户实际配送时间要求下，以节约订单配送里程为优化目标，选择最优配送路径实现“最后一公里”配送路径优化。关键词： 生鲜电商 “最后一公里” 配送路径优化AbstractWith the rapid development of economy in our country, the development of electronic commerce in our country got a leap, fresh produce electronic business as one of the branches, also got great development, especially in cities. Shenzhen is one of the economic center cities in our country and belongs to a first-tier developed city, in which fresh e-commerce has developed rapidly.This article takes HEMA of Shenzhen City as the research object, and according to the characteristics of small fresh products orders, large batches, and strict customer requirements for logistics and distribution time, the stores in Nanshan District, Baoan District and Luohu District are selected as research samples. By using the methods of field research, interview analysis and empirical research, this paper investigates the distribution status, distribution mode and distribution service of "last kilometer" in HEMA store, finds out the problems existing in the distribution process of "last kilometer", establishes the distribution path optimization model with customer satisfaction time window, and solves them with mileage saving algorithm. Taking the "last kilometer" actual delivery order of HEMA delivery staff as an example, under the condition of meeting the actual delivery time requirements of customers, taking saving the order delivery mileage as the optimization goal, the optimal distribution path is selected to realize the "last kilometer" distribution path optimization.Key word：Fresh E-commerce “Last Kilometer” Distribution Route Optimization广东东软学院本科生毕业设计（论文）目 录1 引 言11.1 研究背景11.2 研究目的与意义21.2.1 研究目的21.2.2 研究意义21.3 研究内容与方法21.3.1 研究内容21.3.2 研究方法32 深圳市盒马鲜生“最后一公里”相关概念界定和研究现状42.1 深圳市盒马鲜生“最后一公里”配送相关概念界定42.1.1 配送路径优化的含义42.1.2 配送时间窗的要求52.1.3 基于时间窗的“最后一公里”配送路径优化52.2 国内外生鲜电商“最后一公里”配送研究现状62.2.1 国内外生鲜电商“最后一公里”配送研究现状62.2.2 文献综合评述62.3 深圳市盒马鲜生“最后一公里”配送现状72.3.1 深圳市盒马鲜生“最后一公里”配送现状72.3.2 深圳市盒马鲜生“最后一公里”配送模式92.3.3 深圳市盒马鲜生“最后一公里”配送业务流程93 深圳市盒马鲜生“最后一公里”配送的问题分析123.1 深圳市盒马鲜生“最后一公里”配送成本123.2 深圳市盒马鲜生“最后一公里”配送时间123.3 深圳市盒马鲜生“最后一公里”配送质量134 深圳市盒马鲜生“最后一公里”配送路径优化144.1 基于时间窗的“最后一公里”配送路径优化模型建立144.1.1 问题描述144.1.2 建模假设144.1.3 符号说明144.1.4 模型建立154.1.5 运算步骤154.2 模型验证与分析165 结论与展望245.1 结论245.2 展望256 结束语26参考文献27附录29致谢301 引 言1.1 研究背景随着我国经济的快速发展与互联网的迅速普及，电子商务在我国得到了飞跃性的发展，生鲜电商作为电子商务的一个分支，在近几年也得到了极大的发展。根据相关统计数据显示，2017年我国生鲜电商市场交易规模约为1391.3亿元，同比增长59.7%。1观研天下发布2019年中国生鲜电商行业分析报告-行业深度调研与发展趋势预测的报告显示，进入2018年我国生鲜电商行业市场交易规模突破2000亿元，达到2103.2亿元，并预测在2020年我国生鲜电商行业市场交易规模或将达到3470亿元。2由此可见，生鲜电商在我国具有广阔的市场前景，但由于生鲜产品保质期短，品类多且杂，对温控要求高等特点，在运输配送途中极易出现损毁现象。从国务院办公厅于2017年4月发布的关于加快发展冷链物流保障食品安全促进消费升级的意见；3商务部、公安部、交通运输部等五部于2017年12月联合印发的城乡高效配送专项行动计划（2017-2020年）4中可看出我国政府对生鲜电商物流配送环节十分重视；与此同时，我国生鲜电商行业竞争激烈，具有资金优势的巨头企业开始收购生鲜产业链上下游企业，如阿里系的盒马鲜生、京东系的7Fresh、永辉的超级物种，他们发挥全渠道优势，加强对生鲜产品的供应链整合，提升生鲜电商物流配送能力。国家政策支持与巨头企业牵引，联合解决了生鲜产品在运输过程中存在的问题，为我国生鲜电商的配送发展提供良性的环境。基于一、二线城市居民的生活节奏较快，时间观念强烈，对快速便捷购买到生鲜的需求更强，生鲜电商主要布局于一、二线城市。在新零售的背景下，生鲜电商企业在一、二线城市开设线下门店，在实体门店的基础上，提升线上生鲜电商服务。他们依托自营生鲜门店作为线下实体零售终端，为消费者提供高品质产品和优质体验服务。“最后一公里”配送是门店为线上顾客提供产品服务的重要一环，其直接与线上顾客接触，也直接影响线上顾客的消费体验。由于生鲜产品“最后一公里”配送订单的产品数目规模小、顾客购买频次高、顾客即时性的个性化需求强等特点，对线下门店“最后一公里”配送能力提出了更高的要求和挑战，而生鲜电商线下门店在“最后一公里”的配送方式通常为“配送员+电动车”。为提升线下门店“最后一公里”配送服务能力，通常采用增加配送车辆和配送人员的方法，该方法一定程度增加了配送成本，不利于生鲜电商发展。因此，合理地调用现有的配送资源和对“最后一公里”配送路径进行优化成了线下门店控制“最后一公里”配送成本的关键。本文深圳市盒马鲜生线下门店为研究对象，对其门店“最后一公里”配送路径进行优化。1.2 研究目的与意义1.2.1 研究目的盒马鲜生是一家新型生鲜电商企业，属新零售业态，经过短短几年的发展，成为生鲜电商行业的巨头，在国民中拥有极高的知名度，是国内生鲜电商的极具代表性的生鲜电商企业。由于盒马鲜生的门店大多设立在一、二线城市，配送的货物以生鲜为主，本文以深圳市南山区、宝安区和罗湖区的盒马鲜生门店为例，通过分析盒马鲜生线下门店在“最后一公里”配送中实际存在的问题，对盒马鲜生“最后一公里”配送存在的问题进行分析，提出解决方案，在保证生鲜质量和顾客满意度的情况下，帮助盒马鲜生降低运营成本；通过配送路径优化问题研究，提高盒马鲜生门店配送资源的利用率，提高配送人员的配送效率，进而提升“最后一公里”配送服务质量，增强盒马鲜生在生鲜电商行业内的竞争力。1.2.2 研究意义在理论意义方面，本文着眼于生鲜电商企业“最后一公里”配送问题，从优化配送路径出发，丰富了电子商务物流“最后一公里”配送体系的内容。针对现今有关于生鲜电商企业“最后一公里”配送的研究内容分散，尚未形成系统规模的情况，本文能够充实生鲜电商行业“最后一公里”配送的相关研究内容，为相应的科学实践提供理论依据和指导意见。在实践意义方面，针对城市居民生活节奏快、时间观念强的特点，本文分析盒马鲜生线下门店目前的配送现状，在门店直接与线上消费顾客接触的“最后一公里”重要配送环节，提出带顾客满意时间窗的配送优化模型，对“最后一公里”配送路径进行优化，同时在保证配送不超时的情况下，以节约配送里程为目标，合理调用门店现有资源，缩短配送时间，降低配送成本。1.3 研究内容与方法1.3.1 研究内容本文通过调查深圳市盒马鲜生线下门店“最后一公里”的配送现状，结合盒马鲜生“线上+线下”运作流程及和运营特点，对其配送现状、配送模式以及配送业务流程进行分析，指出配送服务过程中存在的问题，找出影响“最后一公里”配送成本、配送时间以及配送质量的原因，进而根据深圳市盒马鲜生门店的实际配送需求，结合配送员的实际配送订单，在满足顾客满意时间窗的条件下，以配送总里程最小和配送时间用时最小为优化目标，采用节约算法对门店“最后一公里”配送路径进行优化。1.3.2 研究方法本论文将采取理论分析与综合研究相结合的方式，综合运用多种理论和方法，研究深圳市盒马鲜生门店目前“最后一公里”的配送现状，对门店“最后一公里”配送模式、配送服务、配送流程进行分析，对“最后一公里”配送路径进行优化。（1）实地调研法通过对深圳市盒马鲜生门店“最后一公里”实际配送环节进行观察，了解“最后一公里”的配送流程，从门店管理、配送人员、配送服务等方面分析配送环节。（2）访谈分析法通过对深圳市盒马鲜生门店的配送负责人以及相关配送人员进行访问，了解影响深圳市盒马鲜生“最后一公里”配送的因素，同时从影响因素深入了解深圳市盒马鲜生“最后一公里”现状。（3）模型构建法建立顾客满意时间窗，采用节约算法对盒马鲜生门店“最后一公里”配送路径进行优化，减少不必要的配送里程，缩短配送时间，降低配送成本，提升盒马鲜生线上用户的生鲜购物满意度，提高线下配送服务质量。2 深圳市盒马鲜生“最后一公里”相关概念界定和研究现状盒马鲜生是一家新型生鲜电商企业，属新零售业态，经过短短几年的发展，成为生鲜电商行业的巨头，在国民中拥有极高的知名度，是国内生鲜电商的极具代表性的生鲜电商企业。它以数据和技术驱动为核心力量，集零售电商、零售超市和餐饮三业态为一体；在结构上呈现前店后仓的特点，每个门店都是一个中小型的仓储配送中心，用以满足“最后一公里”配送需求。与传统生鲜电商相比，“盒马鲜生”门店大多设立于一、二线城市，分布在人流较为密集的地方或商圈地带，服务对象定位于中高收入人群。此类人群为城市居民，一、二线城市的生活节奏快速，城市顾客在快节奏的生活环境下，对时间准时度的要求比三、四线城市的顾客更为严格。 “最后一公里”配送是指顾客通过在网络上购物，购买商品从商家仓库经过层层配送，由末端配送员把商品交到顾客手中的最终物流活动。“最后一公里”并不是数字意义上的一公里,而是物品从配送网点最终交付给顾客的距离,这是与最终用户亲密接触的环节。5即“最后一公里”并不真正的一公里，而是泛指末端配送环节商品到达顾客手中的最终配送距离。由于末端配送环节属于短距离配送，俗称“最后一公里”配送。电商物流的"最后一公里"是唯一一个电商与客户直接联系的环节,对电商的发展有着重要意义物流。6盒马鲜生本质属于生鲜电商，在“最后一公里”物流配送上有着许多与电商物流相同的特点，说明该环节对盒马鲜生的发展具有极大的影响。2.1 深圳市盒马鲜生“最后一公里”配送相关概念界定2.1.1 配送路径优化的含义随着物流行业的迅速发展，物流配送路径优化问题在现今是物流学者研究的热点问题。学者吴竞鸿认为，合理的配送路径选择规划是提升零售企业的配送作业效益与服务水平的关键因素,对物流配送路径优化问题的研究具有现实意义。7物流配送路径优化问题可以描述为有一个物流配送中心,从配送中心出发,用若干辆汽车向多个客户配送货物,最后再返回配送中心。配送中心的位置和每个客户的位置、需求量一定,每辆汽车的载重一定,要求每条路线的客户需求量之和不能超过车辆的最大载重,而且每个客户点的配送必须且只能有一个车辆来完成原则上一个客户的需求量不会大于车辆的最大载重,通过合理配送路线,使总运行距离最短或总成本最低。82.1.2 配送时间窗的要求配送时间窗基于顾客期望的配送时间而设定，假若货物送达顾客的时间在顾客期望的配送时间内，这个时候的顾客满意度最高。为保证顾客最大的满意度，配送员在配送时，需将商品在顾客期望的服务时间内送达，当商品送达的时间提前或延后，都会导致顾客不满意，使其产生不满意感。本文采用硬时间窗约束，要求配送员必须在顾客期望的时间窗内将货物送达顾客手中，否则拒绝服务。影响顾客满意度的因素许多，但本文只基于配送准时性来设立顾客满意时间窗，t表示配送员将配送商品送达顾客的时间，当到达的时间t超出了时间窗E,L，说明顾客满意度最低，当到达的时间t在时间窗E,L内，说明顾客满意度最高。例如，顾客1期望的配送时间为10：0010:30，顾客的配送时间窗就为10.00,10.50，配送员在这个时间内将货物送达顾客手中，顾客满意度最高，假若在10:00之前或者在10:30分之后到，顾客满意度最低，拒绝服务。2.1.3 基于时间窗的“最后一公里”配送路径优化带时间窗的物流配送路径优化问题，是一般物流配送路径问题的拓展，其表述一般可为：用于服务的若干车辆从站点出发，为处在不同地理位置、具有不同货物需求和不同服务时间窗要求的所有顾客提供服务，然后返回站点，其中为每个顾客仅提供一次服务。其目标是在时间窗内为顾客提供服务时，使车辆的行驶时间和等待时间之和最短。9盒马鲜生“最后一公里”配送服务存在时间约束，配送员在对配送订单进行配送时。在对其“最后一公里”配送路径进行优化时，需建立配送时间约束，顾客期望的服务时间即配送约束时间。在现实配送中，配送员每到达一个配送地点，除去配送途中产生的行驶时间，还会产生对每个顾客提供相应的服务时间。在对“最后一公里”配送路径优化时，配送员的配送行驶时间与给顾客提供的时间都要算入其中，在满足时间窗要求的条件下，采用节约里程法进行配送路径优化。节约里程法又称节约法，用来解决运输路线较多且车辆数目不确定问题的方法，是最有名的启发式算法。节约法核心思想是逐步把配送运输问题中的两个回路合并成一个回路， 使得每次合并后总的运输距离可以达到最大限度的减幅。 当一辆车达到满载或者达到里程限制时，再对下一辆车进行优化。10 在满足约束的情况下，节约里程的原理如图1所示，节约的距离为(2a+2b)-(a+b+c)=a+b-c。图1：节约里程原理图 2.2 国内外生鲜电商“最后一公里”配送研究现状2.2.1 国内外生鲜电商“最后一公里”配送研究现状对相关的文献进行分析，了解生鲜电商行业的发展现状、生鲜电商企业的配送模式、“最后一公里”配送存在的问题以及配送路径优化的方式与模型搭建。国外学者对生鲜电商“最后一公里”配送问题做了研究，Victor Pillac等人描述了动态路径选择，从信息质量和演化的视角对路径问题进行了分类，针对目前研究并没有为动态问题提供通用模型的研究现状，提出了一般通用模型11。Aized等建立电商物流配送网络的层次构模型，并利用Petri网路方法对模型求解，提出在交通拥挤情况下的配送路线规划方法12。Hiassat等人考虑易腐品特性，建立配送中心库存配送路径问题的优化模型，并用遗传算法和局部搜索启发法求解13。国内学者王乐对盒马鲜生公司末端配送路径优化进行了研究，分析盒马鲜生的末端配送现状，确定顾客满意度模型，构建配送路径优化模型，并利用遗传算法对模型进行求解14。陈耀庭和黄和亮对我国生鲜电商“最后一公里”众包配送模式可能存在的问题进行研究和分析，提出可行的解决方案15。张晓雯等人研究分析了以众包物流为主的配送模式对解决生鲜电商"最后一公里"配送的优势和风险16。单懿昕站在新零售的角度上，对生鲜企业的配送成本、配送时间、配送质量三个问题进行了优化分析，针对性的提出了提升订单密度的方法和使用循环配送袋模式17。邰晓红、李璐在节约法的基础上加入了客户对时间的约束，对节约法提出改进，在满足关于时间约束的情况下有效的节约配送时间,缩短配送距离,进而节约成本，优化了之前的路径优化方法,使之更具有现实意义18。2.2.2 文献综合评述综上所述，国内外研究学者对生鲜电商“最后一公里”配送模式、配送路径优化问题等相关领域进行深入研究，大大丰富了生鲜电商“最后一公里”配送环节相关领域的理论和方法，给研究学者提供了大量的研究依据。国外学者对生鲜电商“最后一公里”配送问题研究从路径优化模型出发，针对生鲜产品的特性进行算法创新与应用。国内学者则是对生鲜电商企业的配送运营模式，通过分析配送模式、配送成本、客户需求等问题搭建“最后一公里”配送路径优化模型，结合实际改进算法。目前，对生鲜电商“最后一公里”配送路径优化仍然是国内学者研究的热点。就目前的研究现状而言，我国对生鲜电商企业“最后一公里”配送路径优化仍旧存在一些不足。不足之处表现在研究学者对生鲜电商“最后一公里”配送路径优化的研究较少，以实际生鲜电商企业为研究对象，针对生鲜电商企业实际配送特点进行配送路径优化的研究也不多；对小范围、短时限的配送问题研究少，现有研究多针对配送范围大的配送问题研究，极少涉及对分配订单的路径优化研究。2.3 深圳市盒马鲜生“最后一公里”配送现状2.3.1 深圳市盒马鲜生“最后一公里”配送现状通过资料查询法与对深圳市宝安区、南山区与罗湖区的门店进行实地调研与对相关人员进行访谈，可从订单情况、配送环节、配送人员、配送管理四个方面了解盒马鲜生的配送现状。（1）订单情况经了解，深圳市盒马门店的营业时间一般在7:00到22:00之间，订单的高峰期出现在11:0013:00和17:0020:00，低峰期出现在7:0011:00、13:0017:00和20:0022:00，高峰配送总时长为5小时，低峰时长为10小时。在11:0013:00和17:0020:00出现订单高峰时段，是因为正值顾客做饭时段，人们对生鲜食材的需求集中在这个时段，这个时段的顾客购买的多为果蔬肉类；7:0011:00是一天订单中最少的时段，人们也会在这个时段购买食材，但此时的订单量远不如11:0013:00和17:0020:00这两个时段；13:0017:00这个时段的订单量比7:0011:00和20:0022:00的高，但又比11:0013:00和17:0020:00的低，这个时候的顾客购买商品品类比较杂，但大多以水果、零食为主。20:0022:00这个时段订单量比7:0011:00点的多，顾客倾向于在这个时段购买熟食和半成制品。顾客在不同时段购买的主要商品如表1所示。表1：顾客在不同时段购买的主要商品时段主要购买商品备注7：0011:00乳制品早餐11:0013:00、17:0020:00果蔬、肉类午饭、晚饭高峰期13:0017:00水果、零食20:0022:00熟食、半成制品夜宵（2）配送环节门店对配送环节的管理主要分为两大块，一个是配货环节，一个是送货环节。a）配货环节配货过程分拣货与打包两个环节。拣货员与打包员在入职之后，门店会给每一个工作人员开设ERP账号，拣货员与打包员每次上岗工作前，需要登录个人ERP账号。拣货员使用的拣货工具是RF扫描枪。RF扫描枪是用来进行扫描的一款手持设备，主要通过设备自身带的激光头、红外头、自感应设备等来对条码或者专门的芯片进行识别的设备。拣货员通过在RF扫描枪领取拣货任务，根据领取的拣货任务内容进行作业，再根据拣货任务中显示的所需商品，找到商品所在的位置，使用RF扫描枪的红外线扫描功能对商品条形码或企业内部条形码进行扫描，如果货物信息与RF扫描枪上显示的一致，则说明拣取的商品正确，输入需要的商品件数，随后将商品下架，确认该商品拣货完成后，系统自动跳转到下一个拣取的商品，直至拣货任务结束。当拣货员拣选商品出错时，该商品条码扫描出来的货物信息与拣货任务的信息无法对应。这种拣货方式大大降低了配货环节的出错率，提高配送商品的准确性。打包员需要对拣货员拣取的商品进行检查，同时需要根据商品的特性，选择合适的打包材料，根据盒马的打包标准对商品进行打包，如易碎物品需要使用气柱袋、冷冻食品需放置冰袋、严格遵照“重不压轻”、“大不压小”等原则。门店打包的保温箱内设置隔板，对不同性质的商品进行隔离，保证配送产品新鲜度，以降低商品在运输途中出现生鲜产品变质毁损的概率。b）送货环节深圳市盒马鲜生门店统一使用同型号的两轮电动车，送货员在入职时，门店配备送货工具和送货防护装备，如头盔、手套、面巾等。送货员在“盒马驾到”APP上注册账号，并在该APP上领取送货订单。送货员可以通过门店的指派订单模式和抢单模式领取送货任务，在成功领取送货任务后，送货员到送货区领取打包好的保温箱，通过扫描二维码的方式确认已打包的保温箱是否与送货任务匹配，当信息匹配时，送货员还应打开保温箱，对照订单商品条目大致检查箱内商品的准确性与完好度。当一切确认无误后，送货员开始根据订单送货地点，依据自己的经验来规划送货路线。送货员到达订单送货点后，根据该地点的订单信息，打开保温箱将订单所需的商品拣取出来，并拣取出来的货物进行装袋，该过程即为二次分拣。二次分拣结束并对商品信息检查无误后，送货员最终将商品送达顾客手中；接着送货员抵达下一个订单送货地点，将商品送达顾客手中，直至整个送货任务结束。（3）配送人员经了解，深圳市盒马门店自有配送员一般不低于50人，该处描述的配送员特指送货员，配送人员数量与门店线上订单数量相匹配。在对多名配送人员的访问中，笔者得知大多数的配送员为非深户籍人员，其中不乏非广东籍人员。他们学历大多在初中、高中水平，年龄大多在2038周岁。近三成配送人员的入职时间低于3个月，约五成配送员入职时间在3月1年，剩下两成入职时间高于1年。在订单量充足的情况下，一般配送员单次配送订单量一般为45单。（4）配送管理门店配送管理包括对配送环节、配送人员、数据监控三个方面。针对配送环节的管理有具体的操作标准，实行精细化管理，尽可能将整个配送环节流畅连接，并将操作标准尽可能落实到拣货、打包与送货环节；针对配送人员管理，门店管理员对配送人员进行培训，要求并监督他们按照盒马鲜生门店的配送标准来进行操作作业，实行奖惩制度，对业绩突出的优秀员工予以金钱或物质嘉奖，对业绩低下者进行惩罚。在数据监控方面，门店使用ERP系统，在ERP系统中实现对门店不同时段的线上订单量监控，以便更合理地制定配送计划和安排配送人员，还要对每个配送人员的工作效率进行监控。2.3.2 深圳市盒马鲜生“最后一公里”配送模式与传统的生鲜电商相比，深圳市盒马鲜生门店在配送环节除具订单顾客地点分散、订单商品单次配送数量少、生鲜配送品类杂和配送频次多的特点，还具有单一门店配送范围小、订单配送时限短的特点。基于这些特点，深圳市盒马鲜生门店需组建一个较大规模的配送团队，并且有计划性的制定配送计划，合理利用门店现有的物流配送人力和资源来进行“最后一公里”配送。经了解，深圳市盒马鲜生门店的配送模式为“自营+第三方”，即自建配送团队和第三方配送团队相结合，共通完成线上订单配送。若门店的配送模式只以自建物流团队来进行“最后一公里”配送，相比于“自营+第三方模式”模式，门店能更好地对配送团队进行管理，把控服务质量，但这需要门店在配送队伍搭建上投入更多的资产。若单一采用第三方配送模式，虽然可以减少深圳市盒马鲜生门店正式在职的配送员数量，但门店难以把控第三方物流的配送员的工作效率和配送服务质量，给“最后一公里”配送服务带来较大的不确定性，影响线上顾客购物体验，不利于盒马鲜生的发展。在采用“自营+第三方”模式时，深圳市盒马鲜生门店应建立完善的考核机制，从门店业务要求方面考核和监督配送员，以保证配送该服务质量。2.3.3 深圳市盒马鲜生“最后一公里”配送业务流程深圳市盒马鲜生线下门店的配送业务需在线上顾客订单的驱动下开启。如图2所示，盒马鲜生的配送业务流程可分为两大模块，第一个模块是系统操作下的配送订单集合与任务分配，第二个模块是配送员操作下配送订单履约与配送。（1）系统操作盒马物流使用智能履约集单算法则，基于线路、时序、客户需求、温层、区块以及整个POI的智能履约集单算法则实现了最优的订单履约成本，并在该算法指导下，系统把订单串联起来，并且保证串联出最优的配送批次，实现多单配送19。在生成配送集合单之后，系统将配送集合单以任务的形式分配至配送员操作环节。（2）配送员操作配送操作过程中不同环节的配送员，如拣货员、打包员、送货员，他们根据配送订单的信息来进行该工作岗位相应的工作内容与要求来操作。从配送订单拣货、打包完成到送货员领取包裹送货出库，再到顾客签收包裹，在该过程中，任何一个环节出现问题，都会导致包裹无法正常出库。图2：盒马鲜生配送业务流程图3 深圳市盒马鲜生“最后一公里”配送的问题分析3.1 深圳市盒马鲜生“最后一公里”配送成本配送成本是指配送过程中所支付的费用总和。根据配送流程及配送环节，配送成本实际上是含配送运输费用、分拣费用、配装及流通加工费用等全过程。盒马鲜生线下门店开设大多开设在经济较为发达的一、二线城市，相比于经济较为普通的三、四线城市，一、二线城市的门店租金水平与工作人员的薪资水平都会比三、四线城市高，但又由于一、二线城市的整体消费水平较高，可以保证门店的日常销量，通过密集的订单数量来保证门店的盈利。订单数量的上升对门店的配送环节影响最大，这意味着盒马鲜生线下门店需要建立强大的配送团队来支撑订单的履约与配送，说明盒马鲜生线下门店需要招募大量的配送员。配送员的数目增多，便会导致盒马鲜生线下门店的员工成本支出上升。想要控制“最后一公里”配送环节的员工成本支出，需要对“最后一公里”配送路径进行优化，尽可能在现有配送团队的基础上，有计划地、合理地安排和使用门店现有的配送资源，从减少不必要的配送里程入手，缩短配送时间，提高配送员的送单速度与能力，提升配送效率。3.2 深圳市盒马鲜生“最后一公里”配送时间由于生鲜产品易腐易损的的特性与城市居民对时间精确度把握的要求，配送响应速度的快慢影响着生鲜电商顾客的消费体验度，同时影响着生鲜电商企业的发展。响应速度的快慢体现在配送时间上，“最后一公里”配送员在顾客需求的时间内将商品送达顾客手中，既能保证了生鲜产品的新鲜度，又能让顾客拥有良好的消费体验。为保证配送时效性，盒马鲜生线下门店对“最后一公里”配送范围和配送时间都做了相应的规定，如图3所示，它以线下门店为中心点，对距离门店大约三公里的小区与住所进行相应配送，即门店是圆心，半径为三公里的区域是，呈辐射性配送。同时，门店还对配送员的配送效率进行监控。但因为现实运营中，配送员在领取到配送的订单之后，根据自己的经验进行配送路线规划，这种方式增加了配送时间的不确定性，一旦配送员判断失误，容易造成配送超时的情况。图3：盒马鲜生线下门店“最后一公里”配送范围图3.3 深圳市盒马鲜生“最后一公里”配送质量顾客对生鲜电商企业配送服务质量的评定一般从生鲜产品的完好程度、配送商品的准确度、配送时间准、配送人员服务态度好等方面进行。顾客满意度的高低影响着门店的长远发展。盒马鲜生线下门店的经营主旨是为了满足顾客对优质服务和优质消费体验体验的需求。对线上顾客而言，“最后一公里”配送服务质量的高低直接影响顾客消费体验。“最后一公里”配送服务直面线上顾客，顾客满意度太低容易导致盒马鲜生丧失消费者，高效优质的配送服务方可提高顾客复购可能性。提高配送服务质量可从“最后一公里”配送路径优化入手，有效的路径优化有助于减少配送员在“最后一公里”配送过程中不必要的行驶时间，缩短“最后一公里”配送时间，提升“最后一公里”配送的准时性，满足线上顾客的消费需求和体验的同时，提高“最后一公里”配送服务质量。4 深圳市盒马鲜生“最后一公里”配送路径优化4.1 基于时间窗的“最后一公里”配送路径优化模型建立4.1.1 问题描述本文研究的是盒马鲜生线下门店“最后一公里”服务过程，对“最后一公里”配送路径进行优化。该配送问题可以描述为：盒马门店通过对顾客订单信息进行分析，对一辆配送车辆或多辆车行驶路线进行合理规划，并合理分配配送员送货任务，在满足门店需求以及一定的约束条件下，依据顾客对产品送达时间的要求将产品从配送门店送至配送地点，实现门店配送总里程最小的目标。4.1.2 建模假设基于构建数学模型的方便性考虑，本文对盒马鲜生线下门店“最后一公里”配送路径优化问题进行简化处理，做出如下假设。 所有车辆均从一个配送门店出发，仅考虑单向物流配送，不考虑退货物流； 已知各客户点之间的距离及各点到配送公司的距离； 已知每个客户的需求量； 门店供应充足，不考虑缺货情况，满足顾客需求； 已知顾客配送时间要求； 满足顾客配送时间要求； 假设配送员为顾客提供的服务时长为固定值； 车辆只能从配送公司出发，并返回到配送公司； 一辆车可以为多个客户送货； 已知每车的最大承载量； 配送车辆的装载量小于该车辆的最大容量； 每个客户只能在适当的时间范围内接受一次服务； 假设道路状况良好，每辆车在运输过程中速度恒定不变，不考虑交通拥堵等特殊情况；4.1.3 符号说明Pi配送节点集，P0表示配送门店，i=1,2,n；dij顾客点i到顾客点j的距离；bjk车辆k对顾客j开始送货的时间；Q车辆的最大载重量；ETi顾客i最开始接收货物的时间；LTi顾客i最晚接收货物的时间；UTi顾客i的服务时间；RTi车辆到达顾客i的时间，ETiRTiLTi；tij车辆从顾客i到顾客j的配送时间；V所有配送车辆；xijk如果车辆k从顾客i到顾客j，且ij，则值为1，否则为0；oi顾客i的货物重量；R配送员单次送单最大量4.1.4 模型建立目标函数：min(kV)(iN)(jN)dijxijk约束条件：(kV)(iN)xijk=1 jN0 （1）(kV)(jN)xijk=1 iN0 （2）(iN)oi(jN)xijkQ kV （3）(iN)xilk(jN)xljk=0 lN0,kV （4）(jN0)x0jk=1 kV （5）(iN0)xi0k =1 kV （6）(bik+tij+UTi)xijkbjk iN,jN,kV （7）ETiRTiLTi iN0 （8）(iN)xikR iN0,kV （9）xijk0 iN,jN,kV （10）该模型优化的目标是配送总里程最小。约束条件中，式子（1）表示车辆k来自顾客i，顾客j只能接受来自客户i货物一次，且客户j不能是配送起点；式子（2）表示车辆k只能从顾客i到顾客j，且顾客i不是配送起点；式子（3）表示顾客配送货物的重量不能超过车辆的最大载重量；式子（4）表示每个顾客点都不能当作配送起点与终点；式子（5）表示车辆只能从配送门店出发，顾客点不能当作配送起点；式子（6）表示车辆完成配送任务后返回到配送门店；式子（7）表示最迟到达顾客j的车辆时间应在约束时间范围中；式子（8）表示车辆到达顾客的时间满足时间窗约束；式子（9）表示每辆配送车辆单次配送的订单数不超过配送订单要求数上限；式子（10）表示xijk的值为0或1。4.1.5 运算步骤（1）时间约束在连接点i与j之前，我们用已知点i、j之间的距离和配送车辆的行驶速度，求出点i和j之间的行驶时间tij，用车辆到达i的时间bik加上行驶时间tij和车辆在i点的服务时间UTi，车辆到达点j的时间为RTj=(bik+tij+UTi)，若RTj处于顾客点j的配送时间约束内，则点i与点j可以连接。若RTj不处于顾客点j的配送时间约束内，则点i与点j不可以连接，接着根据时间窗先后顺序选择下一个顾客点。（2）配送车辆载重量约束在连接点i和点j之前，我们预先计算点i到点j的货物重量，当i点累计货物重量加上点j所需的货物重量oj小于配送车辆最大载重量时，即qi+ojQ时，可以直接连接点i与点j，否则不可以连接。车辆最大载重量不仅仅是计算两个顾客点所需的货物量，而是需要累计路径上所经过的客户需求货物量，使得配送路径上的不同顾客点之间累计货物重量qQ。（3）配送车辆单次服务顾客最大量约束在对顾客点进行配送时，当服务顾客的个数累计到达规定的最大上限R，该车辆立即停止配送，同时返回配送门店。第一步：通过调研分析，获得并分析原配送路线的基本数据，整理得出各点之间的距离；第二步：利用节约里程公式，计算每个配送点的节约里程数，并进行降序排序，整理成节约里程排序表；第三步：按照节约里程数的降序排序，依次对回路进行合并，并根据各项约束，在满足约束的情况下，对配送路线不断修正，直到达到极限，从而获得最优配送路径方案。4.2 模型验证与分析对深圳市盒马鲜生某门店的配送订单进行分析，门店配送工具与配送人员充足。已知门店配送车辆的平均行驶速度为20km/小时，每位配送员每次配送最多只能带6位顾客的订单，即在满足各项条件约束下，一个配送员可为6名顾客提供配送服务，车辆最大载重量为25kg。配送员对每个顾客服务的时间均为2分钟。P0表示配送门店。配送员从门店出发，以配送路径中第一个顾客点的配送时间为出发时间。假设第一个顾客的期望配送时间为17：1517：45，即配送员从17：15分从门店出发，开始为该条路径的不同顾客进行配送。顾客订单信息如表2所示，已知顾客配送地点，配送时间要求，以及订单配送重量，通过高德地图，对收集到配送地点进行测距，以两轮电车在不同地点之间的实际行驶距离为研究依据，得出结果如图4所示，图4表示配送门店与订单配送地点以及不同配送地点的距离。通过计算得出不同点之间节约的里程量，节约里程量如图5所示，由于对实际配送路程进行测距，有些顾客节点之间不符合节约里程的算法，于是记得出节约里程数为负数的节点为的节约里程量为0，说明该两点之间没有节约里程。对节约量进行修正得到图6。根据时间约束，对顾客先后服务时间进行排序，排序结果如表3所示；各点之间节约里程量进行排序如图7所示。表2：顾客订单信息标号顾客最早接受服务时间顾客最晚接受服务时间地点订单所需货物重量P117:1517:45天骄世家1.82kgP217:1517:45中粮澜山5kgP317:1517:45鸿雅苑2.14kgP417:0017:30弘雅花园1期3.5kgP517:0017:30百花苑2.43kgP617:1517:45裕安花园1.18kgP717:1517:45恒安花园6.11kgP817:0017:30怡合花园4.53kgP917:0017:30宝民花园2.81kgP1017:1517:45嘉华花园东区1.45kgP1117:1517:45弘雅花园2期1.92kgP1217:3018:00上合花园3kgP1317:0017:30冠城世家2.38kgP1417:0017:30甲岸花园1.71kgP1517:0017:30宝湖居花园2kgP1617:1517:45华联城市全景3.53kgP1717:1517:45上合花园1.91kgP1817:0017:30颐合花园8.08kgP1917:1517:45鸣乐花园4.67kgP2017:1517:45鸿昌花园2.92kgP2117:1517:45泰华锦绣城1.32kg图4：配送门店与配送地点之间的距离图5：各配送点间节约的里程图图6：修正后各配送点间节约的里程图表3：顾客服务时间先后顺序排序表地点时间配送点到各点距离/米重量/千克P917:0010002.81P517:0015002.43P417:0015003.5P817:0018004.53P1517:0024002P1317:0024002.38P1417:0034001.71P1817:0037008.08P117:1510001.82P1717:1511001.91P1017:1516001.45P1117:1518001.92P1617:1519003.53P617:1522001.18P2017:1523002.92P2117:1526001.32P1917:1529004.67P217:1529005P317:1530002.14P717:1530006.11P1217:3011003图7：各点之间节约里程量排序对照节约里程表，找到节约里程数最大的连接节点P13-P14与P14-P15，再查看顾客配送服务先后顺序表，该处相同节约里程的节点均属于17:0017:30的配送服务时间窗，则构建回路P0-P13-P4-P0与回路P0-P14-P15-P0，由于出现两个回路，需进行比较两条回路的各项约束差异，择优选取。通过计算得出这两个回路的配送总里程均为6000m，到达最后一个配送顾客点的时间也相同，花费时间为12.8分钟，转化的时间是17:12:48，满足两条回路中顾客点P14与P15对17:0017:30的配送时间约束；P0-P13-P14-P0回路的配送车辆载重为4.09KG，P0-P14-P15-P0回路的配送车辆载重为3.71kg，考虑配送车辆的满载程度，选择P0-P13-P14-P0为第一条配送路径，基于此回路结合各项约束条件进行优化，直至到达约束上限，方才结束对该路径进行优化。由于P0-P13-P14-P0并没有达到约束上限，还可以对其进行线路合并，重复对照配送里程节约量表，将P15纳入该回路，计算各项约束，得出车辆到P15共花费的时间18.4分钟，转化为时间是17:18:24，满足P15对17:0017:30的配送时间约束，P0-P13-P14-P15-P0回路的配送车辆载重为6.09KG，满足顾客累计货物重量小于配送车辆最大装载量约束条件，可形成P0-P13-P14-P15-P0回路。由于约束条件未达到上限，可重复以上步骤，不断合并满足约束条件的回路，直至该线路不能再合并。剔除已经合并的顾客点，结合节约里程法和时间约束等约束条件，用以上方法将所有顾客配送点纳入配送路线中，并不断修正配送路线，从而得出较为优化的配送路径。优化后的配送路径如表5所示。计算原配送路径，得出配送总里程为64461m，优化过后的配送里程为49010m，与原配送路线进行比较分析，在满足各项约束的条件下，可知使用基于时间窗的节约里程法一共优化了15451m，平均每个顾客点约可节约735米；以平均速度20km/小时计算，该方案可节约时间约0.77个小时，约等于46.5分钟。假若门店一天配送订单客户为5000单，则配送总里程约可节约3675km。门店若能合理规划使用配送工具与安排配送人员，较少配送员在配送过程中不必要浪费的配送里程，门店的配送效率会有所提高，同时相应的配送成本会有减少。表5：原配送路径与优化路径原配送路径优化后的配送路径P0-P18-P14-P0P0-P13-P14-P15-P8-P7-P6-P0P0-P4-P21-P19-P0P0-P18-P2-P3-P10-P12-P0P0-P8-P2-P1-P0P0-P4-P5-P9-P11-P20-P21-P0P0-P13-P5-P11-P10-P12-P0P0-P17-P16-P19-P0P0-P9-P3-P20-P0P0-P1-P0P0-P15-P17-P0P0-P6-P7-P16-P0295 结论与展望5.1 结论本文通过研究深圳市盒马鲜生线下门店的配送服务过程，对配送服务现状进行分析，找出其在“最后一公里”配送过程中存在的问题，针对不合理的配送现象提出解决办法，主要通过带顾客满意时间窗约束的车辆配送路径优化模型，建立配送里程最短的函数模型，运用节约里程算法，来对盒马鲜生“最后一公里”配送路径进行优化，并以配送员的实际配送订单为例，验证模型的实用性。实证分析证明该模型对盒马鲜生“最后一公里”配送路径优化有一定优化作用。（1）从配送成本上看，配送路径优化可以减少配送员在配送途中不必要的行驶里程，节约两轮电动车的电量，减少两轮电动车充电的次数，延长两轮电动车电池的使用寿命，尽可能降低门店在配送车辆折旧与耗损上支出的费用。同时配送路径优化可以提高配送人员的配送效率，提升配送员的配送订单能力，降低对配送人员的支出成本。假若门店不对配送路径进行优化，原本只需安排一名配送员的配送路线，有可能会安排两名配送员进行配送，当门店迎来订单高峰期时，不合理的配送路线安排极有可能出现订单无人配送的现象。当这一现象出现，门店更多的是招聘配送员与添置配送工具，增加了配送成本。（2）从配送时间上看，配送路径优化可以减少配送员在配送途中不必要的行驶时间，缩短在途的配送时间。节约的里程可以转化为节约的时间，配送车辆在完成配送任务之后，回到门店等待领取新配送任务，提高了配送车辆的周转使用次数，便于门店对配送车辆资源的整合与运力安排。同时还能激发配送员的工作热情与工作满意度，由于配送员的薪资除固定底薪外，额外部分以多劳多得计算，在途配送时间的缩短，增加了他们领取更多配送订单的可能性，这在无形中提高配送员的积极性。（3）从配送质量上看，配送路径优化可以缩短配送时间，一定程度上提高了配送的准时性。配送质量的优劣一部分体现在配送的准时性上，尤其在生活节奏快速的一线城市，人们的时间观念感强，对配送准时性的要求高，配送准时性会成为影响线上消费顾客满意度的重要因素之一，而顾客满意度的高低会直接影响门店的订单量。盒马鲜生门店运营的营业额超50%来自线上用户，因为配送不准时而造成顾客满意度低，不仅会影响门店配送质量，造成客源流失，还不利于门店的长远发展。配送路径优化能够提升门店的配送服务质量，降低配送不准时性带来的线上用户流失风险。5.2 展望本文是基于对生鲜电商实体门店的调查研究，具有一定的针对性。但本文的建模假设过于理想化，且只从节约里程、最短配送里程、顾客服务时间窗约束几个方面进行路径规划。真正的生鲜电商企业在“最后一公里”配送过程中，往往会出现各种各样的问题，例如城市对两轮电动车的交通管制、门店配送人员的配送业务水平高低、门店自身配送运力等等，问题十分复杂，本文并没有将不确定因素纳入模型，存在着很多不足之处。在后续的研究中需要深入不确定因素给生鲜电商企业“最后一公里”配送带来的影响，将其纳入配送路径优化模型，提升模型的适用性。6 结束语我国生鲜电商行业发展迅速，经历了不同阶段的发展，但由于生鲜产品的特性，生鲜电商在“最后一公里”物流配送环节中存在诸多问题