• ISSN 0258-2724
  • CN 51-1277/U
  • EI Compendex
  • Scopus 收录
  • 全国中文核心期刊
  • 中国科技论文统计源期刊
  • 中国科学引文数据库来源期刊

考虑三方利益的车货匹配优化

倪少权 罗轩 肖斌

倪少权, 罗轩, 肖斌. 考虑三方利益的车货匹配优化[J]. 西南交通大学学报, 2023, 58(1): 48-57. doi: 10.3969/j.issn.0258-2724.20210859
引用本文: 倪少权, 罗轩, 肖斌. 考虑三方利益的车货匹配优化[J]. 西南交通大学学报, 2023, 58(1): 48-57. doi: 10.3969/j.issn.0258-2724.20210859
NI Shaoquan, LUO Xuan, XIAO Bin. Optimization of Vehicle–Cargo Matching Regarding Interests of Three Parties[J]. Journal of Southwest Jiaotong University, 2023, 58(1): 48-57. doi: 10.3969/j.issn.0258-2724.20210859
Citation: NI Shaoquan, LUO Xuan, XIAO Bin. Optimization of Vehicle–Cargo Matching Regarding Interests of Three Parties[J]. Journal of Southwest Jiaotong University, 2023, 58(1): 48-57. doi: 10.3969/j.issn.0258-2724.20210859

考虑三方利益的车货匹配优化

doi: 10.3969/j.issn.0258-2724.20210859
基金项目: 国家自然科学基金(52072314,52172321,52102391);四川省科技计划(2020YJ0268)
详细信息
    作者简介:

    倪少权(1967—),男,教授,博士,研究方向为交通运输规划与管理,E-mail:shaoquanni@163.com

  • 中图分类号: U492.3

Optimization of Vehicle–Cargo Matching Regarding Interests of Three Parties

  • 摘要:

    为研究平台模式下考虑车主、货主及平台三方异质化需求的车货匹配问题,在既往研究考虑车货双方利益的基础上,引入了平台方需求. 首先,在分析车货匹配活动参与方需求的基础上,构建了最大化送达时效满意度、最小化货运成本和最大化平台收益的多目标优化模型;其次,在模型求解方面,改进了带精英保留策略的快速非支配排序遗传算法(non-dominated sorting genetic algorithm Ⅱ,NSGA Ⅱ),一方面在子代种群更新过程中引入精英选择系数,提升种群的多样性,另一方面结合自适应的思想,在算法迭代过程中调整交叉变异的概率;最后,利用成渝区域间的车源和货源数据进行仿真实验. 结果表明:改进的NSGAⅡ在中小型算例上的准确率均超过91%,与传统的NSGAⅡ相比,平均收敛速度提升了45%左右;在算法稳定性方面,所提出的算法受随机初始化影响较低,多次实验的相对标准偏差值小于1%.

     

  • 图 1  车货匹配流程

    Figure 1.  Flowchart of vehicle–cargo matching

    图 2  时间窗内顾客满意度函数

    Figure 2.  Customer satisfaction function within time window

    图 3  算法流程

    Figure 3.  Algorithm flowchart

    图 4  非支配排序流程

    Figure 4.  Flowchart of non-dominated sorting

    图 5  各目标收敛情况对比

    Figure 5.  Comparing convergence of each target

    表  1  符号说明

    Table  1.   Symbol descriptions

    符号说明符号说明
    m车辆总数 PijH针对客户 j 的目的地,车主 i 对重货的单位质量报价
    n货主(货物)总数Ic成功匹配平台向货主收取的信息服务费
    dij车辆 i 与货主 j 之间的距离,i=1, 2, …, mj=1, 2, …, nIr平台在达成匹配后对车主收益进行抽成的比例
    dj货物 j 起始地与目的地之间的距离si车辆 i 的接货半径
    tij车辆 i 送达货物 j 的时间Pr促成一组车货匹配带来的平台收益
    Yi车辆 i 的类型编号Lkk 类货物发生货物损耗的可能性
    Yj可用于承运货主 j 货物的车辆类型编号集合Lp货损的货物质量占承运总质量的百分比
    Qi车辆 i 的额定载重Fj货物 j 的送达时间满意度
    Qj货主 j 的货物总重Tj,min,Tj,max货物 j 的最早收货时间和最迟收货时间
    Vi车辆 i 的可用容积τj,min,τj,max客户期望的货物 j 的最早送达时间和最迟送达时间
    Vj货主 j 的货物总体积Hj货主 j 的最高出价
    ci车辆 i 单位距离行驶成本cz单次服务的车辆折旧费
    cw单位时间等待成本ce单次服务过程中的花销
    cj货主 j 单位质量的货损赔偿费用θ货物最早送达的基本满意度
    cL单位装卸费用决策变量
    cFi车辆 i 单位距离通行费xij0-1 变量,表示车辆 i 与货主 j 是否匹配,
    0 代表不匹配,1 代表匹配
    PijL针对客户 j 的目的地,车主 i 对轻货的单位体积报价Bj0-1 变量,表示货物 j 是否购买保险,
    0 代表未购买,1 代表购买
    下载: 导出CSV

    表  2  不同载重车辆单位运输费用

    Table  2.   Transport costs per unit distance for different trucks

    Qi/tci/(元·km−1 Qi/tci/(元·km−1
    (0,2]0.6 (15,20]2.5
    (2,5]0.9(20,30]3.3
    (5,10]1.4> 304.5
    (10,15]1.8
    下载: 导出CSV

    表  3  不同品类货物货损概率

    Table  3.   Probability of cargo damage of different categories

    品类Lk/% 品类Lk/%
    蔬菜15 药品2
    水果15其他品类1
    畜产品10
    下载: 导出CSV

    表  4  不同载重车辆通行收费标准

    Table  4.   Tolls for different loaded vehicles

    Qi/t通行费/(元·km−1 Qi/t通行费/(元·km−1
    (0,2]0.45 (10,15]1.80
    (2,5]0.90> 152.25
    (5,10]1.35
    下载: 导出CSV

    表  5  车辆百公里折旧额

    Table  5.   Vehicle depreciation per 100 km

    Qi/t百公里折旧/元 Qi/t百公里折旧/元
    (0,5]19.00 (15,30]97.83
    (5,10]45.92> 30126.67
    (10,15]69.67
    下载: 导出CSV

    表  6  改进NSGAⅡ最优解集

    Table  6.   Optimal solution set of improved NSGAⅡ

    方案${Z_1}$${Z_2}$/元${Z_3}$/元
    10.7091715.0618872.94
    20.6941528.4316518.98
    30.7251815.8316216.22
    40.7241803.6415829.95
    50.7221796.4816556.88
    60.7031626.8417168.01
    70.7121728.1617565.18
    80.7211790.3816881.49
    90.7141762.5817205.61
    100.7061688.2817427.67
      注: 下划线数值表示各目标的最优值.
    下载: 导出CSV

    表  7  改进NSGAⅡ与穷举法对比情况

    Table  7.   Comparison of exhaustive search algorithm and improved NSGAⅡ

    车辆数/辆货物数/组穷举法Pareto
    解数量/个
    平均正确率/%
    20208100.00
    30306100.00
    40401491.67
    50501792.94
    60601296.00
    下载: 导出CSV

    表  8  传统NSGAⅡ最优解集

    Table  8.   Optimal solution set of conventional NSGAⅡ

    方案${Z_1}$${Z_2}$/元${Z_3}$/元
    10.7211790.3816881.49
    20.7011546.2817634.89
    30.6991602.9418202.03
    40.6971571.8717981.85
    50.7161784.6116781.28
    60.7151781.2117116.88
    70.7121728.1617565.18
    80.7081707.2217973.12
    90.7061688.2817427.67
    100.7031626.8417168.01
      注:下划线数值表示各目标的最优值.
    下载: 导出CSV

    表  9  改进前后算法结果对比

    Table  9.   Comparison of algorithm results before and after improvement

    车辆数/
    货物数/
    改进 NSGAⅡ传统 NSGAⅡ
    Z1
    优值
    Z2 最优
    值/元
    Z3 最优
    值/元
    解集数
    量/个
    平均收敛
    代数/次
    Z1
    优值
    Z2 最优
    值/元
    Z3 最优
    值/元
    解集数
    量/个
    平均收敛
    代数/次
    2892210.7461514.3642587.262875 0.7391525.0440527.8430135
    3893210.7611496.6860153.5836790.7561502.4959744.6537147
    4894210.7821488.3178308.6239860.7741492.7778005.9141155
    5895210.7971470.6293927.1747950.7921472.3691683.4746166
    下载: 导出CSV

    表  10  多次运行各目标相对标准偏差

    Table  10.   Relative standard deviation of each target after multiple operations

    重复数/次Z1/%Z2/%Z3/%
    200.520.610.74
    300.550.620.72
    400.540.620.73
    500.520.630.71
    下载: 导出CSV
  • [1] DENG J X, ZHANG H P, WEI S F. Prediction of vehicle-cargo matching probability based on dynamic Bayesian network[J]. International Journal of Production Research, 2021, 59(17): 5164-5178. doi: 10.1080/00207543.2020.1774677
    [2] WANG Z H, LI Y Y, GU F, et al. Two-sided matching and strategic selection on freight resource sharing platforms[J]. Physica A: Statistical Mechanics and Its Applications, 2020, 559: 125014. doi: 10.1016/j.physa.2020.125014
    [3] FENG M, CHENG Y R. Solving truck-cargo matching for drop-and-pull transport with genetic algorithm based on demand-capacity fitness[J]. Alexandria Engineering Journal, 2021, 60(1): 61-72. doi: 10.1016/j.aej.2020.05.015
    [4] XIE K W, XU H Y, LV H X. Two-sided matching on comprehensive transportation network emergency vehicles’ allocation[J]. Journal of Advanced Transportation, 2021, 2021: 6817013.1-6817013.13.
    [5] 李建斌,周泰,徐礼平,等. 货运O2O平台有时间窗同城零担集货匹配优化决策[J]. 系统工程理论与实践,2020,40(4): 978-988. doi: 10.12011/1000-6788-2018-2300-11

    LI Jianbin, ZHOU Tai, XU Liping, et al. Matching optimization decision of city LTL carpool based on time windows on the freight O2O platform[J]. Systems Engineering—Theory & Practice, 2020, 40(4): 978-988. doi: 10.12011/1000-6788-2018-2300-11
    [6] 牟向伟,陈燕,高书娟,等. 基于改进量子进化算法的车货供需匹配方法研究[J]. 中国管理科学,2016,24(12): 166-176. doi: 10.16381/j.cnki.issn1003-207x.2016.12.019

    MU Xiangwei, CHEN Yan, GAO Shujuan, et al. Vehicleand cargo matching method based on improved quantum evolutionary algorithm[J]. Chinese Journal of Management Science, 2016, 24(12): 166-176. doi: 10.16381/j.cnki.issn1003-207x.2016.12.019
    [7] 杨滨舟, 叶欣扬, 王睿, 等. 基于直觉模糊优化的车货双边公平匹配方法[J/OL]. 计算机集成制造系统: 1-14. (2021-01-06) [2021-09-15]. http://kns.cnki.net/kcms/detail/11.5946.tp.20210105.1654.051.html.

    YANG Binzhou, YE Xinyang, WANG Rui, et al. Method for vehicle-cargo two-sided fair matching based on intuitionistic fuzzy optimization[J/OL]. Computer Integrated Manufacturing Systems: 1-14. (2021-01-06)[2021-09-15]. http://kns.cnki.net/kcms/detail/11.5946.tp.20210105.1654.051.html.
    [8] 余以胜,刘鑫艳. 基于改进Balance算法的车货匹配研究[J]. 武汉理工大学学报,2016,38(10): 47-54. doi: 10.3963/j.issn.1671-4431.2016.10.009

    YU Yisheng, LIU Xinyan. Research on vehicles and cargos matching based on improved balance algorithm[J]. Journal of Wuhan University of Technology, 2016, 38(10): 47-54. doi: 10.3963/j.issn.1671-4431.2016.10.009
    [9] 陆慧娟,安春霖,程倬,等. 基于SaaS和CSCW的车货匹配系统研究与应用[J]. 华中科技大学学报(自然科学版),2012,40(增1): 324-327.

    LU Huijuan, AN Chunlin, CHENG Zhuo, et al. Research and application of goods vehicles matching system based on SaaS and CSCW[J]. Journal of Huazhong University of Science and Technology (Natural Science Edition), 2012, 40(S1): 324-327.
    [10] 张菲,张锦. 基于多目标优化的物流服务组合研究[J]. 西南交通大学学报,2018,53(6): 1278-1285,1307. doi: 10.3969/j.issn.0258-2724.2018.06.025

    ZHANG Fei, ZHANG Jin. Logistics service composition based on multi-objective optimization[J]. Journal of Southwest Jiaotong University, 2018, 53(6): 1278-1285,1307. doi: 10.3969/j.issn.0258-2724.2018.06.025
    [11] 王娜,李引珍,柴获. 考虑匹配均衡性的供需双方多对多双边匹配决策方法[J]. 西南交通大学学报,2022,57(2): 425-433. doi: 10.3969/j.issn.0258-2724.20200567

    WANG Na, LI Yinzhen, CHAI Huo. Decision-making approach of two-sided many-to-many matching of supply and demand for logistics service based on matching balance[J]. Journal of Southwest Jiaotong University, 2022, 57(2): 425-433. doi: 10.3969/j.issn.0258-2724.20200567
    [12] TVERSKY A, KAHNEMAN D. Advances in prospect theory: cumulative representation of uncertainty[J]. Journal of Risk and Uncertainty, 1992, 5(4): 297-323. doi: 10.1007/BF00122574
    [13] DEB K, PRATAP A, AGARWAL S, et al. A fast and elitist multiobjective genetic algorithm: NSGA-Ⅱ[J]. IEEE Transactions on Evolutionary Computation, 2002, 6(2): 182-197. doi: 10.1109/4235.996017
    [14] AHMADI A. Memory-based adaptive partitioning (MAP) of search space for the enhancement of convergence in pareto-based multi-objective evolutionary algorithms[J]. Applied Soft Computing, 2016, 41: 400-417. doi: 10.1016/j.asoc.2016.01.029
  • 加载中
图(5) / 表(10)
计量
  • 文章访问数:  624
  • HTML全文浏览量:  238
  • PDF下载量:  59
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-11-03
  • 修回日期:  2022-03-15
  • 网络出版日期:  2022-10-28
  • 刊出日期:  2022-03-31

目录

    /

    返回文章
    返回