CN113627839B - 一种分段式外卖配送方法 - Google Patents

Abstract

本发明公开一种分段式外卖配送方法。采用分段配送模式，取货与送货分离，避免了传统配送模式中因等待单一顾客货物(例如餐品)完成而造成其他顾客送货时间延误。通过数学建模的方式对配送路线进行优化，避免了传统抢单模式下因骑手路线规划不合理造成的时间损失。

Description

一种分段式外卖配送方法

技术领域

本发明属于物流配送技术领域，具体涉及一种分段式外卖配送方法。

背景技术

在当前外卖业务规模迅速扩大的背景下，外卖配送若能够缩短配送时间，提高运输效率，必然能够降低企业营运成本，提升顾客消费质量。其中，外卖配送的路线规划及配送模式对配送时间和运输效率的影响最大。合理的配送模式能大幅提高配送效率而智能的路线规划更能直接降低配送时间成本和运输成本。

目前存在的外卖配送方式多为外卖平台提供订单信息，外卖骑手进行抢单的方式。统一协调管理的缺乏，骑手路线规划的不够合理，单次运送订单数较少，都使得外卖配送的运输成本较高和配送时间较长。

发明内容

为了克服现有外卖配送方法存在的缺陷，本发明公开了一种分段式外卖配送模式和一种配套的外卖配送路线规划方法，采用分区域设立配送枢纽，分离取货与送货环节，然后使用路线规划方法进行配送路线规划，使每位骑手单次配送量达到最大，配送路线最优，实现配送成本的显著降低。

为了解决现有技术的问题，本发明的技术方案包含以下步骤：

步骤(1)：设立配送枢纽；基于密度聚类DBSCAN求解出配送枢纽最佳设立点，具体包括以下步骤：

步骤(1.1)：生成商家数据集；从外卖平台登记信息获取商家数据，所述的商家数据包括各商家的位置信息、月度订单量信息；

步骤(1.2)：构建邻域：

对所有商家构建各自的邻域，其中(Eps(m),MinPts)表示以商家m为中心构建的邻域内其他商家分布的紧密程度，Eps(m)表示商家m的邻域，MinPts表示除商家m，邻域内其他商家的个数阈值；

步骤(1.3)：密度聚类：基于外卖业务密度将商家划分为若干配送区块C_k；

步骤(1.4)：生成k个配送枢纽位置：

对于各配送区块，根据商家位置数据集D求得配送枢纽位置：

步骤(2)：匹配订单：获取实时订单信息，匹配订单与相应配送枢纽，决定配送开始时间，其步骤如下。

步骤(2.1)：获取订单信息：从外卖平台获取订单信息。

步骤(2.2)：分配订单：计算同一订单中商家、顾客与各个配送枢纽位置之和d，将订单分配置距离d最小的配送枢纽。

步骤(2.3)：建立双阈值判断模型：对于单个配送枢纽，当间隔时间t到达时间阈值T或实时订单总量h到达订单量阈值H，则进行一次配送。

步骤(3)：建立配送路线模型：建立数学模型并以配送总路线最短为目标求解最佳配送路线，具体包括以下步骤：

步骤(3.1)：生成实时数据集：通过外卖平台实时获取订单信息对商家和顾客分别生成实时数据集G＝(V,E)。其中节点集合V＝{0,1,2,…n}表示一个配送枢纽对应n个配送点，其中0表示配送枢纽，1……n表示配送点，配送点表示发货点或接收点；边集合E＝{(i,j)|0≤i≠j≤n}表示任意两节点形成的边，其实际意义为两节点间有可通行道路的最小距离d_ij；

步骤(3.2)：设定约束条件：设定外卖配送路线规划中各个约束条件，以配送时间最短成本最低为优化目标。

目标函数为：

其中表示第r位骑手在运输过程中是否存在从第i个节点到第j个节点的路线即：

步骤(3.3)：求解配送路线：

求解目标函数，得出M个骑手的最佳配送路线；

步骤(3.4)：推送路线规划：外卖平台将路线规划发送至每位骑手，由骑手完成配送任务。

本发明的另一个目的是提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的方法。

本发明的又一个目的是提供一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现上述的方法。

与现有技术相比，本发明具有以下优点：

1.配送时间缩短：

(1)采用分段配送模式，将取货与送货分离，避免了传统配送模式中因等待单一顾客货物(例如餐品)完成而造成其他顾客送货时间延误。

(2)通过数学建模的方式对配送路线进行优化，避免了传统抢单模式下因骑手路线规划不合理造成的时间损失。

2.配送成本降低：

(1)采用分段配送模式，统一管理骑手配送订单，充分利用每位骑手运载量，避免了传统抢单模式下，骑手单次运输单数较少造成的运力浪费。

(2)通过建立配送路线数学模型的方式对配送路线进行优化，避免了传统抢单模式骑手路线规划不合理造成的配送成本上升。

附图说明

图1为一种分段式外卖配送模式和一种配套的外卖配送路线规划方法流程图；

图2为外卖配送枢纽最佳设立点选址流程图；

图3为外卖订单与配送枢纽匹配及配送起始时间安排策略图；

图4为外卖路线规划流程图；

图5为外卖情景模拟图；

图6为外卖配送取餐路线规划模拟图；

图7为外卖配送送餐路线规划模拟图；

图8为模拟实验结果对比图。

具体实施方式

以下将结合附图对本发明提供的一种分段式外卖配送模式和一种配套的外卖配送路线规划方法作进一步说明。

参见图1为一种分段式外卖配送模式和一种配套的外卖配送路线规划方法的整体流程，图2，图3，图4为图1中各个模块的详细流程：

步骤(1)：设立配送枢纽；基于密度聚类DBSCAN求解出配送枢纽最佳设立点，具体包括以下步骤：

步骤(1.1)：生成商家数据集；

从外卖平台登记信息获取商家数据，构成商家数据集；

所述的商家数据包括各商家的位置信息、月度订单量信息；

所述的商家数据集包括商家位置数据集D、订单数据集O、商家间距数据集A；其中商家位置数据集D＝{x₁,x₂,…x_m},x_m为商家m对应的二维坐标信息，x_m由商家的位置信息转化为二维坐标得到；订单数据集O＝{v₁,v₂,…v_m}，v_m为商家m的月度订单量信息；商家间距数据集A＝{a₁₂,a₁₃,…a_pq}，1≤p＜q≤m，a_pq为商家p与商家q之间的距离，根据商家位置数据集中对应的商家二维坐标信息进行获知。

步骤(1.2)：构建邻域：

对所有商家构建各自的邻域，其中(Eps(m),MinPts)表示以商家m为中心构建的邻域内其他商家分布的紧密程度，Eps(m)表示商家m的邻域，MinPts表示除商家m，邻域内其他商家的个数阈值。

步骤(1.3)：密度聚类：基于外卖业务密度将商家划分为若干配送区块。

步骤(1.3.1)：初始化：将数据集O中所有商家标记为未处理状态，配送区块C_k为空，k表示配送区块数，初始化配送区块数k＝1；

步骤(1.3.2)：选取未处理状态的商家m，并标记为处理状态。

步骤(1.3.3)：邻域密度判别：

定义邻域密度判别式为：

N_Eps(x_m)＝|{x_q∈D|a_mq≤R_m}| (1)

其中R_m表示商家m的邻域半径；

若对于商家m,若N_Eps(x_m)≥MinPts，则认为m为核心点，并转至步骤(1.3.4)，反之则认为m为噪声点，并转至步骤(1.3.2)重新选取商家。

步骤(1.3.4)：将商家m加入到配送区块C_k；

步骤(1.3.5)：配送区块扩充：

判断Eps(m)中是否还存在未处理商家，若不存在则转至步骤(1.3.6)，若存在则Eps(m)中所有未处理商家u根据公式(1)进行邻域密度判别，若u为核心点，则将Eps(u)中未归入任何配送区块的商家划入配送区块C_k，得到扩充后的配送区块C_k，并把商家u状态标记为处理状态；反之则u为噪声点，对其不处理。

步骤(1.3.6)：迭代判定：

判断数据集O中是否还存在未处理商家，若存在则返回步骤(1.3.2)，并更新k＝k+1，若不存在则转至步骤(1.4)；

步骤(1.4)：生成k个配送枢纽位置：

对于各配送区块，根据商家位置数据集D求得配送枢纽位置：

步骤(2)：匹配订单：获取实时订单信息，匹配订单与相应配送枢纽，并决定配送开始时间，具体包括以下步骤：

步骤(2.1)：获取订单信息：

从外卖平台获取订单信息，生成数据集E_i(P_i,Q_i)(i＝1,2,…b)，b为实时订单总量，P_i、Q_i分别为对应订单E_i中商家位置和顾客位置。

步骤(2.2)：分配订单：

根据以下公式计算同一订单中商家、顾客与各配送枢纽位置间距之和，然后将订单分配至d最小的配送枢纽；

步骤(2.3)：设置迭代条件：

对于单个配送枢纽，当间隔时间t到达时间阈值T或区域实时订单量h到达订单量阈值H，则进行一次配送，反之则不处理；

订单量阈值由该配送枢纽当前可调动骑手量m₁与骑手单次最大配送量W决定：

H＝Wm₁ (4)

时间阈值可根据不同时段外卖订单量进行调整，早、中、晚3个外卖订餐高峰时期或节假日可将T值设定为较小以提升配送速度优化客户体验，非高峰时期可将T值设定为较大以充分利用骑手运力，降低配送成本。

步骤(3)：建立配送路线模型：建立数学模型并以配送总路线最短为目标求解最佳配送路线，具体包括以下步骤：

步骤(3.1)：生成实时数据集：

对于单个配送枢纽，通过外卖平台实时获取分配至该配送枢纽的订单信息，对商家和顾客分别生成数据集G＝(V,E)。其中节点集合V＝{0,1,2,…n}表示一个配送枢纽对应n个配送点，其中0表示配送枢纽，1……n表示配送点，配送点表示发货点或接收点。边集合E＝{(i,j)|0≤i≠j≤n}表示任意两节点形成的边，其实际意义为两节点间有可通行道路的最小距离d_ij。

步骤(3.2)：设定约束条件：设定外卖配送路线规划中各个约束条件，以配送时间最短成本最低为优化目标。

定义变量表示第r位骑手在运输过程中是否存在从第i个节点到第j个节点的路线即：

取货和送货约束：

每位骑手只完成取货或送货，且货物先到达配送枢纽，再从配送枢纽送出。

配送量约束：记每位骑手最大配送量为W，可调度骑手总数为M，n个配送点占用配送量为{q₁,q₂,…q_n}，由此得约束条件：

配送次数约束：每位骑手都从配送枢纽0出发，最后回到配送枢纽，且每个配送点只由一位骑手进行一次配送即：

配送路线约束：

由于每位骑手总是沿一条回路配送，配送路径形成一个简单圈，由此有：

其中S表示骑手需要配送的配送点集合，且/>

目标函数为：

步骤(3.3)：求解配送路线：

求解目标函数，得出M个骑手的最佳配送路线；

步骤(3.4)：推送路线规划：

外卖平台将路线规划发送至每位骑手，由骑手完成配送任务。

模拟案例：现结合本发明方案，设定相关参数，对实际外卖配送情况进行模拟，比较传统众包方案中的配送路线与本方案中优化后的配送路线的配送成本以及配送时间。

根据步骤(1)得出各项设定如下：

地图大小：5km×5km；模拟配送区块中，各地址均以二维坐标形式表示，设定各点间均有路线直接相连且两点间直线距离即为实际配送距离；

配送枢纽数：2个；

各配送枢纽可调用骑手：5名；

订单量：16份；

骑手单次最大配送量：10份；

骑手配送速度：50km/h

订单分布：70％订单集中分布在距离配送枢纽3km以内，详见图5；

配送枢纽位置：位于外卖业务密集区，详见图5；

按照步骤(2)，获取订单数据生成订单数据集E_i(P_i,Q_i)(i＝1,2,…16)，订单编号为1-16号，计算并比较与两配送枢纽d大小，得出订单3、5、8、10、11、12、13、14分配至配送枢纽a，订单1、2、4、6、7、9、15、16分配至配送枢纽b，设步骤(2.3)中阈值T，H已满足其中一项，此时开始配送。

按照步骤(3)，根据模拟外卖案例两配送枢纽对商家顾客分别生成数据集G＝(V,E)，其中点集V＝{0,1,2,…8}，边集合E＝{(i,j)|0≤i≠j≤8}。设定各项约束条件，其中配送量约束：配送次数约束：配送路线约束：

如图6、图7所示，以目标函数求解最佳路线得：

配送枢纽a取餐路线：a->14->5->8->3->13->12->10->11->a；路程：17791m。

配送枢纽a送餐路线：a->10->12->8->13->11->14->5->3->a；路程：20827m。

配送枢纽b取餐路线：b->15->6->9->16->7->1->4->2->b；路程：17402m。

配送枢纽b送餐路线：b->4->2->7->1->16->15->6->9->b；路程：14714m。

总路程：70734m；配送总时间46.3min；调用配送车辆：2；运力使用率：80％。

根据传统众包抢单模式，设1、2、3号订单由外卖员a接单；4、5号订单由外卖员b接单；7、9号订单由外卖员c接单；8、10、11号订单由外卖员d接单；6、15、16号订单由外卖员e接单；12、13、14号订单由外卖员f接单。设每位骑手与第一次取餐商家平均相距2000m，平均一份订单取餐需等待2min。

配送总路程：109316m；配送总时间61.4min；调用配送车辆：6；运力使用率26％。

图8显示了在模拟外卖配送情景下，传统配送方案与本发明所提出分段式配送方案的配送路程、配送时间、配送车辆数、运力使用率比较。其中，在配送路程、配送时间、配送车辆数的比较中将传统配送方案结果设为1进行比较，在运力使用率的比较中将100％运力使用率设为1进行比较。实验结果表明本方案在仅调用传统方案三分之一配送车辆的情况下，将配送路程缩短35.3％，配送时间缩短24.6％，运力使用率提升207.7％。

实验结果表明本发明的分段式外卖配送方案相对于传统众包外卖配送方案能够大幅缩短配送路程、降低配送时间、减少配送所调用车辆数、提升运力使用率。

以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (5)

1.一种分段式外卖配送方法，其特征在于包括以下步骤：

步骤(1)：设立配送枢纽：基于密度聚类DBSCAN求解出配送枢纽最佳设立点，具体包括以下步骤：

步骤(1.1)：生成商家数据集；

从外卖平台登记信息获取商家数据，构成商家数据集；

所述的商家数据包括各商家的位置信息、月度订单量信息；

所述的商家数据集包括商家位置数据集D、订单数据集O、商家间距数据集A；其中商家位置数据集D＝{x₁,x₂,…x_m},x_m为商家m对应的二维坐标信息，x_m由商家的位置信息转化为二维坐标得到；订单数据集O＝{v₁,v₂,…v_m}，v_m为商家m的月度订单量信息；商家间距数据集A＝{a_12,a_13,…a_pq}，1≤p＜q≤m，a_pq为商家p与商家q之间的距离，根据商家位置数据集中对应的商家二维坐标信息进行获知；

步骤(1.2)：构建邻域：

对所有商家构建各自的邻域，其中(Eps(m),MinPts)表示以商家m为中心构建的邻域内其他商家分布的紧密程度，Eps(m)表示商家m的邻域，MinPts表示除商家m，邻域内其他商家的个数阈值；

步骤(1.3)：密度聚类：基于外卖业务密度将商家划分为若干配送区块C_k；

步骤(1.4)：生成k个配送枢纽位置：

对于各配送区块，根据商家位置数据集D求得配送枢纽位置：

步骤(2)：匹配订单：获取实时订单信息，匹配订单与相应配送枢纽，并决定配送开始时间；具体包括以下步骤：

步骤(2.1)：获取订单信息：

从外卖平台获取订单信息，生成数据集E_i(P_i,Q_i)(i＝1,2,…b)，b为实时订单总量，P_i、Q_i分别为对应订单E_i中商家位置和顾客位置；

步骤(2.2)：分配订单：

根据以下公式计算同一订单中商家、顾客与各配送枢纽位置间距之和，然后将订单分配至d最小的配送枢纽；

步骤(2.3)：设定配送开始时间：

各配送枢纽间隔时间t到达时间阈值T或区域实时订单量h到达订单量阈值H，则进行一次配送，反之则不处理；

上述订单量阈值H由该配送枢纽当前可调动骑手量m₁与骑手单次最大配送量W决定：

H＝Wm₁ (4)

步骤(3)：建立配送路线模型：建立数学模型并以配送总路线最短为目标求解最佳配送路线，具体包括以下步骤：

步骤(3.1)：生成实时数据集：

对于单个配送枢纽，通过外卖平台实时获取分配至该配送枢纽的订单信息，对商家和顾客分别生成数据集G＝(V,E)；其中节点集合V＝{0,1,2,…n}表示一个配送枢纽对应n个配送点，其中0表示配送枢纽，1，……，n表示配送点，配送点表示发货点或接收点；边集合E＝{(i,j)|0≤i≠j≤n}表示任意两节点形成的边，其实际意义为两节点间有可通行道路的最小距离d_ij；

步骤(3.2)：设定外卖配送路线规划中各约束条件，以配送时间最短成本最低为优化目标；

目标函数为：

其中表示第r位骑手在运输过程中是否存在从第i个节点到第j个节点的路线即：

步骤(3.3)：求解配送路线：求解目标函数，得出M个骑手的最佳配送路线；

步骤(3.4)：推送路线规划：外卖平台将路线规划发送至每位骑手，由骑手完成配送任务。

2.根据权利要求1所述的一种分段式外卖配送方法，其特征在于步骤(1.3)具体包括以下步骤：

步骤(1.3.1)：初始化：将数据集O中所有商家标记为未处理状态，配送区块C_k为空，k表示配送区块数，初始化配送区块数k＝1；

步骤(1.3.2)：选取未处理状态的商家m，并标记为处理状态；

步骤(1.3.3)：邻域密度判别：

定义邻域密度判别式为：

N_Eps(x_m)＝|{x_q∈D|a_mq≤R_m}| (1)

其中R_m表示商家m的邻域半径；

若对于商家m,若N_Eps(x_m)≥MinPts，则认为m为核心点，并转至步骤(1.3.4)，反之则认为m为噪声点，并转至步骤(1.3.2)重新选取商家；

步骤(1.3.4)：将商家m加入到配送区块C_k；

步骤(1.3.5)：配送区块扩充：

判断Eps(m)中是否还存在未处理商家，若不存在则转至步骤(1.3.6)，若存在则Eps(m)中所有未处理商家u根据公式(1)进行邻域密度判别，若u为核心点，则将Eps(u)中未归入任何配送区块的商家划入配送区块C_k，得到扩充后的配送区块C_k，并把商家u状态标记为处理状态；反之则u为噪声点，对其不处理；

步骤(1.3.6)：迭代判定：

判断数据集O中是否还存在未处理商家，若存在则返回步骤(1.3.2)，并更新k＝k+1，若不存在则转至步骤(1.4)。

3.根据权利要求1所述的一种分段式外卖配送方法，其特征在于步骤(3.2)中各约束条件具体如下：

1)取货和送货约束：

每位骑手只完成取货或送货，且货物先到达配送枢纽，再从配送枢纽送出；

2)配送量约束：

其中每位骑手最大配送量为W，可调度骑手总数为M，n个配送点占用配送量为{q₁,q₂,…q_n}；

3)配送次数约束：每位骑手都从配送枢纽0出发，最后回到配送枢纽，且每个配送点只由一位骑手进行一次配送即：

4)配送路线约束：

由于每位骑手总是沿一条回路配送，配送路径形成一个简单圈，由此有：

其中S表示骑手需要配送的配送点集合，且/>

4.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-3中任一项所述的方法。

5.一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-3中任一项所述的方法。