無(wú)車承運(yùn)人運(yùn)力資源組織優(yōu)化研究

常連玉，陳海燕

(1.長(zhǎng)安大學(xué)　汽車學(xué)院，陜西　西安　710064；2.交通運(yùn)輸部管理干部學(xué)院，北京　065201)

?

無(wú)車承運(yùn)人運(yùn)力資源組織優(yōu)化研究

常連玉1,2，陳海燕2

(1.長(zhǎng)安大學(xué)汽車學(xué)院，陜西西安710064；2.交通運(yùn)輸部管理干部學(xué)院，北京065201)

為了對(duì)無(wú)車承運(yùn)人承運(yùn)的運(yùn)力資源進(jìn)行優(yōu)化，降低運(yùn)營(yíng)成本，建立了帶有機(jī)會(huì)約束條件的無(wú)車承運(yùn)人運(yùn)力資源組織優(yōu)化模型。該模型針對(duì)無(wú)車承運(yùn)人運(yùn)營(yíng)過(guò)程中要充分考慮不同主體利益、運(yùn)力資源分散異質(zhì)、運(yùn)價(jià)形成以及利益分配模式等特點(diǎn)，旨在實(shí)現(xiàn)多重約束下的無(wú)車承運(yùn)人效益最大，運(yùn)輸企業(yè)盈利處于合理區(qū)間，對(duì)運(yùn)力資源、貨源和運(yùn)輸線路進(jìn)行了匹配優(yōu)化。在此基礎(chǔ)上，設(shè)計(jì)了針對(duì)該模型的微粒子群和神經(jīng)網(wǎng)絡(luò)混合智能算法對(duì)模型進(jìn)行求解，并通過(guò)算例對(duì)其進(jìn)行了驗(yàn)證。結(jié)果表明：該模型及其算法具有有效性和實(shí)用性，能為無(wú)車承運(yùn)人管理者提供決策依據(jù)。

運(yùn)輸經(jīng)濟(jì)；運(yùn)力資源組織優(yōu)化；微粒子群算法；無(wú)車承運(yùn)人；機(jī)會(huì)約束

0　引言

無(wú)車承運(yùn)人是指公路貨運(yùn)市場(chǎng)以承運(yùn)人的名義承攬貨源，與貨主方簽訂運(yùn)輸合同，然后無(wú)車承運(yùn)人將貨源外包給實(shí)際承運(yùn)人，并與實(shí)際承運(yùn)人簽訂運(yùn)輸合同，由實(shí)際承運(yùn)人按照無(wú)車承運(yùn)人的要求完成運(yùn)輸服務(wù)[1]。無(wú)車承運(yùn)人模式的典型特征在于“承運(yùn)人”，即區(qū)別于普通貨運(yùn)中介，它需要承擔(dān)運(yùn)輸合同約定的法律責(zé)任，而“無(wú)車”是指一般不從事具體的運(yùn)輸業(yè)務(wù)，主要從事運(yùn)輸組織、貨物分撥、運(yùn)輸方式和運(yùn)輸線路的選擇等工作。一方面由無(wú)車承運(yùn)人與分散的、規(guī)模較小的運(yùn)輸企業(yè)或運(yùn)輸個(gè)體簽署合作協(xié)議，由這些分散的、規(guī)模較小的運(yùn)輸企業(yè)或運(yùn)輸個(gè)體作為實(shí)際承運(yùn)人，承擔(dān)實(shí)際運(yùn)輸任務(wù)，無(wú)車承運(yùn)人則負(fù)責(zé)提供貨運(yùn)任務(wù)，車輛的組織調(diào)配和信息技術(shù)支持。另一方面，無(wú)車承運(yùn)人則以其名義負(fù)責(zé)尋找貨源，與貨主簽署運(yùn)輸合同，并承擔(dān)承運(yùn)人的權(quán)利和義務(wù)。這種運(yùn)輸組織模式比較適合貨源相對(duì)集中，而運(yùn)輸企業(yè)力量相對(duì)薄弱、分散的運(yùn)輸市場(chǎng)，無(wú)車承運(yùn)人通過(guò)聯(lián)合小、散、弱的運(yùn)輸企業(yè)形成穩(wěn)定合作關(guān)系，從而可以更好地滿足貨主(托運(yùn)人)的需求，也同時(shí)可以為運(yùn)輸企業(yè)爭(zhēng)取更合理的運(yùn)價(jià)，有利于運(yùn)輸企業(yè)專注于運(yùn)輸環(huán)節(jié)，實(shí)現(xiàn)了專業(yè)化分工，提升運(yùn)輸市場(chǎng)的運(yùn)作效率。在“互聯(lián)網(wǎng)+”背景下，無(wú)車承運(yùn)人利用信息技術(shù)平臺(tái)整合車源和貨源，進(jìn)行有效匹配和高效運(yùn)作，通過(guò)網(wǎng)絡(luò)產(chǎn)生用戶黏性，以運(yùn)力整合和增值服務(wù)創(chuàng)造價(jià)值；通過(guò)合理組織資源和精細(xì)組織，低成本、高質(zhì)量及高效率完成客戶專業(yè)化與個(gè)性化的需求，為客戶提供完整物流解決方案或供應(yīng)鏈優(yōu)化方案。

當(dāng)前，我國(guó)物流企業(yè)中絕大部分是傳統(tǒng)貨運(yùn)企業(yè)，物流運(yùn)作水平不高，總體規(guī)模不大、組織化程度低，尤其是占市場(chǎng)主體90%以上的公路貨運(yùn)業(yè)戶呈現(xiàn)典型的“多、小、散、弱”結(jié)構(gòu)特點(diǎn)，導(dǎo)致全社會(huì)貨源、運(yùn)力、站場(chǎng)等物流資源集約利用不足、整體運(yùn)作效率不高。無(wú)車承運(yùn)人模式能夠有效對(duì)接車、貨資源，提升物流運(yùn)作效率，降低車輛空駛率，提高組織化程度，降低社會(huì)和企業(yè)的物流成本。為此，交通運(yùn)輸部也將發(fā)展無(wú)車承運(yùn)人作為推動(dòng)運(yùn)輸服務(wù)提質(zhì)增效升級(jí)的重點(diǎn)工作內(nèi)容[2]。無(wú)車承運(yùn)人在我國(guó)尚屬新鮮事物，成熟的運(yùn)作模式和成功經(jīng)驗(yàn)較少，在推動(dòng)無(wú)車承運(yùn)人模式發(fā)展的過(guò)程中，要解決的核心問(wèn)題就是無(wú)車承運(yùn)人在承攬貨源的基礎(chǔ)上，利用科學(xué)的方法對(duì)其掌握的大量分散、差異化的運(yùn)力資源進(jìn)行高效組織配置，與貨主個(gè)性化的運(yùn)輸需求進(jìn)行合理匹配，這是降低運(yùn)輸成本，發(fā)揮無(wú)車承運(yùn)人模式優(yōu)勢(shì)的關(guān)鍵。近年來(lái)，學(xué)術(shù)界對(duì)運(yùn)力資源優(yōu)化整合的運(yùn)輸系統(tǒng)決策問(wèn)題逐漸有較多的關(guān)注，并且取得了一系列有價(jià)值的研究成果，但目前的研究主要集中在運(yùn)輸車輛調(diào)度、車輛路徑優(yōu)化、路徑和調(diào)度的混合問(wèn)題等方面。Alireza圍繞多車場(chǎng)多周期和車輛容量及運(yùn)行時(shí)間限制下，構(gòu)建了總運(yùn)輸成本最小的模型[3]。侯爽在多車場(chǎng)協(xié)同工作背景下，針對(duì)多車場(chǎng)車輛路徑問(wèn)題和多車場(chǎng)車輛任務(wù)優(yōu)化調(diào)度問(wèn)題成本最優(yōu)模型，提出了“先指派,后優(yōu)化”的多階段啟發(fā)式算法，結(jié)論證明模型及算法能夠有效降低運(yùn)輸空駛率[4]。Repoussis的研究以降低運(yùn)輸總成本為目標(biāo)，在運(yùn)輸需求已知的前提下，構(gòu)建了車輛運(yùn)行最優(yōu)運(yùn)輸路線模型，優(yōu)化了迭代禁忌搜索算法進(jìn)行求解[5]。Subramanian針對(duì)混合車型車輛路徑優(yōu)化問(wèn)題，設(shè)計(jì)根據(jù)不同車型確定最優(yōu)車隊(duì)構(gòu)成并通過(guò)線路優(yōu)化模型以實(shí)現(xiàn)總成本最優(yōu)，并利用基于啟發(fā)式的混合整數(shù)規(guī)劃算法求解了360個(gè)客戶運(yùn)輸優(yōu)化問(wèn)題，驗(yàn)證了模型的有效性[6]。Huth建立了在動(dòng)態(tài)物流網(wǎng)絡(luò)中，基于運(yùn)力限制下車輛路徑優(yōu)化和物流資源調(diào)度的整合數(shù)學(xué)模型[7]。在多目標(biāo)運(yùn)力資源優(yōu)化組織模型研究方面，Lin建立了企業(yè)物流資源與服務(wù)匹配導(dǎo)向下的多目標(biāo)決策模型[8]。彭大衡、房巧紅等基于機(jī)會(huì)約束下，建立了機(jī)會(huì)約束多目標(biāo)規(guī)劃模型，對(duì)資源組織情況進(jìn)行優(yōu)化，并通過(guò)算例對(duì)目標(biāo)結(jié)構(gòu)下的最優(yōu)決策進(jìn)行求解[9-10]；分別針對(duì)物流車輛調(diào)度的單車、多車物流合乘匹配問(wèn)題，以及在運(yùn)輸過(guò)程中的服務(wù)需求換乘和路網(wǎng)時(shí)變情況，構(gòu)建了4類模型，并主要采用蟻群算法求解，通過(guò)算例證明模型能夠降低車輛運(yùn)輸成本[11]。王旭提出面向物流任務(wù)的跨組織邊界物流資源優(yōu)化組織策略，建立以時(shí)間、成本、質(zhì)量和服務(wù)為目標(biāo)函數(shù)的包括車輛在內(nèi)物流資源選擇組織模型，并采用算法對(duì)模型進(jìn)行求解[12]。

綜上所述，現(xiàn)有文獻(xiàn)主要是基于車輛路徑優(yōu)化(VehicleRoutingProblem，VRP)和車輛排程(VehicleSchedulingProblem，VSP)擴(kuò)展延伸發(fā)展起來(lái)，所構(gòu)建的模型的目標(biāo)函數(shù)更多考慮整體運(yùn)輸成本最低，缺少對(duì)無(wú)車承運(yùn)人多方參與主體的分類研究，并且以研究單車場(chǎng)同質(zhì)車輛(同一型號(hào)、載重量等)問(wèn)題為主，而缺少對(duì)多車場(chǎng)異質(zhì)車輛問(wèn)題的研究。無(wú)車承運(yùn)人的運(yùn)力資源優(yōu)化組織是一個(gè)復(fù)雜的系統(tǒng)工程，其運(yùn)力資源和貨源分布具有地理分散性、資源不平衡性、運(yùn)力復(fù)雜性、主體相對(duì)獨(dú)立性等特點(diǎn)。在對(duì)無(wú)車承運(yùn)人運(yùn)力資源進(jìn)行優(yōu)化的過(guò)程中，首先需要兼顧多主體利益，即無(wú)車承運(yùn)人、運(yùn)輸車隊(duì)(一般為服務(wù)于無(wú)車承運(yùn)人的中小型企業(yè))、貨主三方要實(shí)現(xiàn)效益最大化。其次要符合運(yùn)輸市場(chǎng)實(shí)際情況，充分考慮分散的運(yùn)力車型、載重能力等參差不齊，運(yùn)價(jià)的形成和盈利模式，以及綜合運(yùn)輸成本構(gòu)成等情況。第三要結(jié)合無(wú)車承運(yùn)人在對(duì)運(yùn)力資源進(jìn)行整合的同時(shí)也對(duì)貨源分布進(jìn)行整合，實(shí)現(xiàn)車貨最優(yōu)匹配。本文以此為出發(fā)點(diǎn)，構(gòu)建帶有機(jī)會(huì)約束條件無(wú)車承運(yùn)人運(yùn)力資源優(yōu)化配置數(shù)學(xué)模型，為決策者提供參考，進(jìn)而設(shè)計(jì)了微粒子群和神經(jīng)網(wǎng)絡(luò)混合智能算法進(jìn)行求解，給出算例加以驗(yàn)證，該方法能夠很好適應(yīng)無(wú)車承運(yùn)人運(yùn)力和貨運(yùn)分散、個(gè)體獨(dú)立、運(yùn)力異構(gòu)、整合增值等特點(diǎn)。

1　運(yùn)力資源組織優(yōu)化模型

1.1問(wèn)題描述

將無(wú)車承運(yùn)人運(yùn)力資源組織優(yōu)化問(wèn)題定義為：某無(wú)車承運(yùn)人在某一特定時(shí)期內(nèi)在整個(gè)運(yùn)輸市場(chǎng)上主要為n個(gè)運(yùn)輸需求企業(yè)提供運(yùn)輸服務(wù)，這些運(yùn)輸需求企業(yè)共有A類貨物需要運(yùn)往特定目的地，運(yùn)輸距離分別為L(zhǎng)a，無(wú)車承運(yùn)人與運(yùn)輸需求企業(yè)i談判的第a(a∈A)類貨物運(yùn)輸價(jià)格為pia，無(wú)車承運(yùn)人合理安排運(yùn)輸車隊(duì)j將運(yùn)輸需求企業(yè)i的貨物a采用k種運(yùn)輸方式運(yùn)送至目的地，無(wú)車承運(yùn)人按照與車隊(duì)j協(xié)定的價(jià)格Pj與該車隊(duì)進(jìn)行結(jié)算，該價(jià)格與pia之間一般存在差價(jià)，無(wú)車承運(yùn)人達(dá)到其收益R的最大化。

1.2基本假設(shè)

本文在構(gòu)建無(wú)車承運(yùn)人運(yùn)力資源組織優(yōu)化模型時(shí)基于以下假設(shè)：

(1)無(wú)車承運(yùn)人在運(yùn)輸市場(chǎng)上可組織到一定規(guī)模的運(yùn)力資源；

(2)在貨物裝載過(guò)程中，均按照規(guī)定進(jìn)行合理配裝；

(3)貨物的運(yùn)輸均可按照運(yùn)輸需求企業(yè)的要求在指定的時(shí)間內(nèi)運(yùn)送至指定的目的地；

(4)各種貨物的貨運(yùn)量矩陣及起點(diǎn)和終點(diǎn)之間的距離矩陣均為已知。

1.3模型構(gòu)建

無(wú)車承運(yùn)人組織模式的關(guān)鍵是與運(yùn)輸需求企業(yè)簽訂運(yùn)輸合同，通過(guò)合理組織與無(wú)車承運(yùn)人開(kāi)展合作的運(yùn)輸車隊(duì)或者企業(yè)的運(yùn)力資源完成整個(gè)運(yùn)輸服務(wù)過(guò)程，因此無(wú)車承運(yùn)人資源的組織優(yōu)化涉及到運(yùn)輸市場(chǎng)上的3個(gè)主體：無(wú)車承運(yùn)人、運(yùn)輸需求企業(yè)及運(yùn)輸車隊(duì)或運(yùn)輸企業(yè)。無(wú)車承運(yùn)人在取得貨源的前提下，合理選擇運(yùn)輸車隊(duì)或企業(yè)進(jìn)行價(jià)格談判，通過(guò)與運(yùn)輸需求企業(yè)談判的運(yùn)輸價(jià)格和與運(yùn)輸車隊(duì)談判的運(yùn)輸價(jià)格之間的差價(jià)賺取利潤(rùn)，并且期望利潤(rùn)最大化；對(duì)運(yùn)輸需求企業(yè)而言，其目的就是選擇某種運(yùn)輸服務(wù)將貨物在規(guī)定的時(shí)間內(nèi)運(yùn)至目的地；運(yùn)輸車隊(duì)在買方市場(chǎng)的環(huán)境下，其目的是保證利潤(rùn)在一定的可接受水平內(nèi)。因此，構(gòu)建運(yùn)力資源組織優(yōu)化模型如下所示。

目標(biāo)函數(shù)：

(1)

約束條件：

(2)

(3)

(4)

1.4參數(shù)與模型說(shuō)明

模型中，R為無(wú)車承運(yùn)人的收益；i為貨物運(yùn)輸需求企業(yè)，n為貨物運(yùn)輸需求企業(yè)總數(shù)；A為貨物的種類數(shù)；K為運(yùn)力類型總數(shù)；Qiak為貨物運(yùn)輸需求企業(yè)i使用k種運(yùn)力運(yùn)輸a類貨物的需求量；Qia為運(yùn)輸需求企業(yè)i需要運(yùn)輸?shù)腶類貨物的總量；piak為無(wú)車承運(yùn)人針對(duì)采用k種運(yùn)力運(yùn)輸a類貨物向貨物運(yùn)輸需求企業(yè)i收取的價(jià)格；Liak為貨物運(yùn)輸需求企業(yè)i使用k種運(yùn)力運(yùn)輸a類貨物的運(yùn)輸距離；j為與無(wú)車承運(yùn)人簽訂運(yùn)輸合作協(xié)議的車隊(duì)或者運(yùn)輸企業(yè)；Ljka為車隊(duì)j采用運(yùn)輸k種運(yùn)力運(yùn)輸a類貨物的實(shí)際運(yùn)輸距離；cjka為車隊(duì)j采用運(yùn)輸k種運(yùn)力運(yùn)輸a類貨物運(yùn)輸價(jià)格；m為車隊(duì)或者運(yùn)輸企業(yè)總數(shù)；Pj為無(wú)車承運(yùn)人與j車隊(duì)的結(jié)算價(jià)格；xj為邏輯變量，若無(wú)車承運(yùn)人選取j車隊(duì)合作，xj值則取1，否則取0；C為無(wú)車承運(yùn)人的日常運(yùn)營(yíng)成本；Ck為k種運(yùn)力的運(yùn)輸能力；xk為邏輯變量，α為車隊(duì)j的利潤(rùn)率；β為置信水平。

式(1)為模型的目標(biāo)函數(shù)，表示無(wú)車承運(yùn)人的收益R最大化；式(2)為運(yùn)力的容量限制，表示各類貨物的載運(yùn)量總和不超過(guò)各種運(yùn)力的運(yùn)輸能力的總和；式(3)為機(jī)會(huì)約束條件，表示車隊(duì)j的利潤(rùn)率不低于α的概率，不小于置信水平β；式(4)為對(duì)邏輯變量xj和xk的定義。

2　算法設(shè)計(jì)

本文構(gòu)建的模型為一個(gè)帶有機(jī)會(huì)約束條件的非線性規(guī)劃問(wèn)題?？紤]到微粒子群算法具有可實(shí)現(xiàn)且具有較小的調(diào)整參數(shù)、收斂速度快、解的質(zhì)量高、魯棒性較好等優(yōu)點(diǎn)，而神經(jīng)網(wǎng)絡(luò)算法具有很強(qiáng)的非線性擬合能力、可映射任意復(fù)雜的非線性關(guān)系、學(xué)習(xí)規(guī)則簡(jiǎn)單等優(yōu)點(diǎn)，因此采用微粒子群和神經(jīng)網(wǎng)絡(luò)混合智能算法求解該模型[13-15]，具體算法步驟如下所示。

第1步：利用隨機(jī)模擬為下列不確定函數(shù)U產(chǎn)生輸入輸出數(shù)據(jù)：(xt,yk)，t，k分別為輸入、輸出神經(jīng)元的個(gè)數(shù)。利用線性函數(shù)轉(zhuǎn)換法對(duì)xt，yk分別進(jìn)行歸一化處理，以歸一化后的輸入輸出數(shù)據(jù)作為訓(xùn)練樣本。

(5)U2:x→MaxR。

(6)

第2步：利用以上訓(xùn)練樣本訓(xùn)練一個(gè)BP神經(jīng)網(wǎng)絡(luò)以逼近不確定函數(shù)U1和U2。

第4步：利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)計(jì)算每個(gè)歸一化后微粒的網(wǎng)絡(luò)仿真輸出值，并進(jìn)行反歸一化，即計(jì)算MaxR作為每個(gè)微粒的適應(yīng)值。

第5步：對(duì)每一個(gè)微粒將其最好適應(yīng)值與全局所經(jīng)歷的最好適應(yīng)值進(jìn)行比較，較好者作為當(dāng)前的全局最好位置，并再按照式(7)和式(8)對(duì)速度和位置進(jìn)行更新。

(7)

(8)

第6步：對(duì)更新后的微粒再次進(jìn)行歸一化處理，利用神經(jīng)網(wǎng)絡(luò)計(jì)算網(wǎng)絡(luò)的仿真輸出值并進(jìn)行反歸一化，檢驗(yàn)微粒的可行性。若為可行解，則接受，否則保持原位置不變。

第7步：如果完成K次迭代，則輸出模型最優(yōu)值，否則返回第4步。

3　實(shí)例分析

3.1數(shù)據(jù)準(zhǔn)備

以浙江省某無(wú)車承運(yùn)人為例，采用本文構(gòu)建的運(yùn)力資源組織優(yōu)化模型對(duì)運(yùn)輸車隊(duì)和運(yùn)力類型的選擇進(jìn)行仿真模擬。在運(yùn)輸市場(chǎng)上，該無(wú)車承運(yùn)人承運(yùn)的5家貨主企業(yè)需要其將4類貨物分別運(yùn)往5個(gè)不同的目的地，該無(wú)車承運(yùn)人有7家運(yùn)輸車隊(duì)可供其選擇進(jìn)行合作完成該項(xiàng)運(yùn)輸業(yè)務(wù)，每個(gè)車隊(duì)具有多種類型的運(yùn)力可使用。在原運(yùn)輸市場(chǎng)中，由于運(yùn)力資源分散、且貨主企業(yè)對(duì)運(yùn)力進(jìn)行選擇具有隨機(jī)性和路徑依賴性，運(yùn)力資源的組織往往達(dá)不到最優(yōu)，造成運(yùn)力資源浪費(fèi)的問(wèn)題，現(xiàn)通過(guò)無(wú)車承運(yùn)人的模式對(duì)運(yùn)力資源的優(yōu)化調(diào)整以提高其使用效率。根據(jù)調(diào)查，各企業(yè)需運(yùn)輸?shù)呢浳锓N類、目的地、運(yùn)輸距離等信息如表1所示，7家運(yùn)輸車隊(duì)的運(yùn)力資源情況如表2所示。

表1　5家企業(yè)運(yùn)輸需求情況表Tab.1　Transport needs of 5 enterprises

注：a/b分別為運(yùn)輸量和運(yùn)輸距離，單位分別為t和km。

由調(diào)查所得的不同噸位車型運(yùn)輸費(fèi)用情況，可以得到單位運(yùn)輸費(fèi)用函數(shù)F(x)， 單位為t·km，其中x為貨運(yùn)量，單位為t。

(9)

3.2計(jì)算結(jié)果

按照微粒子群和神經(jīng)網(wǎng)絡(luò)混合智能算法，設(shè)置個(gè)參數(shù)值為：c1=c2=2，慣性權(quán)重w=0.4，最大迭代次數(shù)為K=100，訓(xùn)練樣本50個(gè)，粒子種群規(guī)模10，神經(jīng)元3個(gè)，隱形神經(jīng)元15個(gè)，輸出神經(jīng)元3個(gè)。根據(jù)模型計(jì)算，將車隊(duì)預(yù)期利潤(rùn)率設(shè)置為5%時(shí)，運(yùn)力資源組織優(yōu)化的結(jié)果如表3所示。

表2　運(yùn)輸車隊(duì)運(yùn)力及到貨源地的距離情況表Tab.2　Transport capacity and distance to goods sourcing destinations of transport enterprises

注：8/3/(5/7/2/4/8)分別為運(yùn)力的載重、運(yùn)力數(shù)量、車隊(duì)到企業(yè)1的距離、車隊(duì)到企業(yè)2的距離、車隊(duì)到企業(yè)3的距離、車隊(duì)到企業(yè)4的距離、車隊(duì)到企業(yè)5的距離，單位分別為t,veh,km,km,km,km,km。其他項(xiàng)以此類推。

表3　運(yùn)力資源組織優(yōu)化結(jié)果表(α=5%)Tab.3　Optimal organization result of transport resources(α=5%)

注：E3aD1(8)+E3dD5(8)分別為運(yùn)輸需求企業(yè)、貨物種類、目的地及貨物運(yùn)輸量，單位為t。其他項(xiàng)以此類推。

3.3結(jié)果分析

(1)車隊(duì)A安排13輛貨車，其中2輛V1型貨車、7輛V2型貨車、4輛V4型貨車，運(yùn)力共計(jì)275t，有效運(yùn)力使用率為99.3%；車隊(duì)B安排27輛貨車，其中4輛V1型貨車、6輛V2型貨車、8輛V3型貨車、9輛V4型貨車，運(yùn)力共計(jì)684t，有效運(yùn)力使用率為98.0%；車隊(duì)C安排7輛貨車，其中2輛V3型貨車、5輛V4型貨車，運(yùn)力共計(jì)225t，有效運(yùn)力使用率為98.2%；車隊(duì)D安排17輛貨車，其中2輛V1型貨車、3輛V2型貨車、9輛V3型貨車、3輛V4型貨車，運(yùn)力共計(jì)397t，有效運(yùn)力使用率為96.5%；車隊(duì)E安排9輛貨車，其中4輛V2型貨車、2輛V3型貨車、3輛V4型貨車，運(yùn)力共計(jì)223t，有效運(yùn)力使用率為97.3%；車隊(duì)F安排1輛V2型貨車，運(yùn)力共計(jì)17t，有效運(yùn)力使用率為64.7%；車隊(duì)G安排17輛貨車，其中6輛V1型貨車、3輛V2型貨車、3輛V3型貨車、5輛V4型貨車，運(yùn)力共計(jì)349t，有效運(yùn)力使用率為99.7%。

(2)無(wú)車承運(yùn)人的利潤(rùn)為11 526.95元，利潤(rùn)率為6.76%。車隊(duì)A的運(yùn)輸成本為17 547.95元，利潤(rùn)率為5.26%；車隊(duì)B的運(yùn)輸成本為45 262.4元，利潤(rùn)率為5.52%；車隊(duì)C的運(yùn)輸成本為8 129.6元，利潤(rùn)率為5.41%；車隊(duì)D的運(yùn)輸成本為54 527.6元，利潤(rùn)率為5.57%；車隊(duì)E的運(yùn)輸成本為14 762.8元，利潤(rùn)率為5.16%；車隊(duì)F的運(yùn)輸成本為955.9元，利潤(rùn)率為5.23%；車隊(duì)G的運(yùn)輸成本為19 293.3元，利潤(rùn)率為5.45%。

4　結(jié)論

(1)無(wú)車承運(yùn)人通過(guò)整合貨源，并對(duì)運(yùn)力進(jìn)行合理組織，開(kāi)展與運(yùn)輸需求企業(yè)及運(yùn)輸企業(yè)之間的協(xié)作，能夠提供高質(zhì)量的運(yùn)輸服務(wù)，有效提高運(yùn)輸組織化程度，降低運(yùn)輸車輛空駛率，降低物流成本，可以降低能源消耗，減少污染物排放，對(duì)交通運(yùn)輸業(yè)節(jié)能減排具有重要意義。

(2)針對(duì)無(wú)車承運(yùn)人全程收費(fèi)、通過(guò)合理調(diào)度收取運(yùn)費(fèi)差價(jià)的盈利模式以及與運(yùn)輸需求企業(yè)和運(yùn)輸企業(yè)之間進(jìn)行運(yùn)價(jià)談判的特點(diǎn)，綜合考慮運(yùn)輸成本、運(yùn)輸車型等因素，構(gòu)建了帶有機(jī)會(huì)約束條件無(wú)車承運(yùn)人運(yùn)力資源優(yōu)化配置模型。

(3)案例計(jì)算結(jié)果分析表明，通過(guò)合理組織，7個(gè)車隊(duì)的平均有效運(yùn)力使用率為93.39%，平均利潤(rùn)率達(dá)5.37%，不僅能夠保證無(wú)車承運(yùn)人和運(yùn)輸企業(yè)利潤(rùn)在一定的可接受范圍內(nèi)，而且能夠降低運(yùn)輸成本，對(duì)科學(xué)組織運(yùn)力資源，具有重要的應(yīng)用價(jià)值。

(4)無(wú)車承運(yùn)人的運(yùn)力資源優(yōu)化配置受運(yùn)輸價(jià)格、供需雙方、運(yùn)輸過(guò)程等多重因素的影響，在今后的研究中，將考慮運(yùn)輸市場(chǎng)價(jià)格波動(dòng)、運(yùn)輸過(guò)程時(shí)間窗要求等因素對(duì)運(yùn)力資源配置結(jié)果的影響。

[1]董娜.無(wú)車承運(yùn)人的優(yōu)勢(shì)分析和發(fā)展建議[J].交通標(biāo)準(zhǔn)化,2011,12(24):87-90.

DONGNa.SuperiorityandAdviceofNon-CarOperatingCarrier[J].TransportationStandardization, 2011, 12(24): 87-90.

[2]楊傳堂. 堅(jiān)持五大發(fā)展理念 推進(jìn)結(jié)構(gòu)性改革為全面建成小康社會(huì)當(dāng)好先行 [EB/OL]. (2015-12-28)[2016-02-28].http://www.moc.gov.cn/zhuanti/2016jiaotonggongzuo_HY/201512/t20151228_1966865.html.

YANGChuan-tang.Uphold5DevelopmentConcepts,andPromoteStructuralReformsBeingaGoodFirstforBuildingaWell-offSocietyComprehensively[EB/OL]. (2015-12-28)[2016-02-28].http://www.moc.gov.cn/zhuanti/2016jiaotonggongzuo_HY/201512/t20151228_1966865.html.

[3]RAHIMI-VAHEDA,CRAINICTG,GENDREAUM,etal.APathRelinkingAlgorithmforaMulti-DepotPeriodicVehicleRoutingProblem[J].JournalofHeuristics, 2013，19(3): 497-524.

[4]侯爽. 多車場(chǎng)整車任務(wù)調(diào)度問(wèn)題研究[D]. 濟(jì)南:山東大學(xué)，2012.

HOUShuang.ResearchonMulti-depotVehicleSchedulingProblemwithFullCarLoad[D].Jinan:ShandongUniversity,2012.

[5]REPOUSSISPP,TARANTILISCD.SolvingtheFleetSizeandMixVehicleRoutingProblemwithTimeWindowsviaAdaptiveMemoryProgramming[J].TransportationResearchPartC:EmergingTechnologies, 2010, 18(5):695-712.

[6]SUBRAMANIANA,PENNAPHV,UCHOAE,etal.AHybridAlgorithmfortheHeterogeneousFleetVehicleRoutingProblem[J].EuropeanJournalofOperationalResearch, 2012, 221(2): 285-295.

[7]HUTHT,MATTFELDDC.IntegrationofVehicleRoutingandResourceAllocationinaDynamicLogisticsNetwork[J].TransportationResearchPartC:EmergingTechnologies,2009,17(2):149-162.

[8]LINZi-kui,CHENLei.NoticeofRetractionMulti-targetOptimizationModelofLogisticsResourcesAllocation[C]//2009InternationalConferenceonMachineLearning&Cybernetics.Washington,D.C.:IEEE,2009:2587-2592.

[9]胡青蜜,胡志華,陶莎.二級(jí)軸輻式零擔(dān)物流網(wǎng)絡(luò)設(shè)計(jì)的資源均衡利用問(wèn)題[J].公路交通科技,2013,30(4):124-131.

HUQin-mi,HUZhi-hua,TAOSha.ResourceBalancedUsageProblemforBi-levelHub-and-spokeLTLLogisticsNetworkDesign[J].JournalofHighwayandTransportationResearchandDevelopment, 2013,30(4):124-131.

[10]房巧紅,陳功玉.再制造逆向物流網(wǎng)絡(luò)的機(jī)會(huì)約束目標(biāo)規(guī)劃模型[J].工業(yè)工程與管理,2010,15(1):74-81.FANGQiao-hong,CHENGong-yu.Chance-constrainedGoalProgrammingModelforRemanufacturingReverseLogisticsNetwork[J].IndustrialEngineeringandManagement, 2010, 15(1): 74-81.

[11]邵增珍.物流匹配問(wèn)題的調(diào)度模型和算法研究[D].濟(jì)南：山東師范大學(xué), 2013.

SHAOZeng-zhen.ResearchonSchedulingModelandAlgorithmsofLogisticsMatchingProblem[D].Jinan:ShandongNormalUniversity,2013.

[12]王旭,田帥輝,王振鋒.面向物流任務(wù)的跨組織邊界物流資源優(yōu)化配置[J].計(jì)算機(jī)集成制造系統(tǒng),2012,18(2):389-395.

WANGXu,TIANShuai-hui,WANGZhen-feng.Inter-organizationalBoundaries’LogisticsResourceOptimizedAllocationOrientedtoLogisticsTask[J].ComputerIntegratedManufacturingSystems, 2012, 18(2): 389-395.

[13]肖寧.求解隨機(jī)機(jī)會(huì)約束規(guī)劃的混合智能算法[J].計(jì)算機(jī)工程與應(yīng)用,2010,46(22):43-46.

XIAONing.SolvingStochasticChance-constrainedProgrammingProblemswithHybridIntelligentAlgorithm[J].ComputerEngineeringandApplications, 2010, 46(22): 43-46.

[14]HONGSP,KIMYH.AGeneticAlgorithmforJointReplenishmentBasedontheExactInventoryCost[J].ComputersOperationsResearch, 2009, 36(1): 167-175.

[15]劉志雄,梁華.粒子群算法中隨機(jī)數(shù)參數(shù)的設(shè)置與實(shí)驗(yàn)分析[J].控制理論與應(yīng)用,2010,27(11):1489-1496.

LIUZhi-xiong,LIANGHua.ParameterSettingandExperimentalAnalysisoftheRandomNumberinParticleSwarmOptimizationAlgorithm[J].ControlTheory&Applications, 2010, 27(11): 1489-1496.

Study on Optimal Organization of Transport Resources for No-car Operating Carrier

CHANG Lian-yu1,2，CHEN Hai-yan2

(1.SchoolofAutomobile,Chang’anUniversity,Xi’anShaanxi710064,China;2.ManagementInstitute,MinistryofTransport,Beijing065201,China)

Tooptimizethetransportresourcesofno-caroperatingcarrierandreduceoperationalcosts,theoptimalorganizationmodeloftransportresourcesforno-caroperatingcarrierwithchanceconstraintsisestablished.Themodelaimstogetmaximumbenefitsofno-caroperatingcarrierwithmultipleconstraints,tomaketransportenterprise’benefitsbeinreasonablerange,tomatchandoptimizeresources,goodsandtransportroutesbasedonconsiderationofthecharacteristicsofdifferentsubjects’benefits,heterogeneityanddispensabilityoftransportresources,formationoftransportpriceandmodeofbenefitdistribution.Onthisbasis,thehybridintelligentalgorithmwithparticleswarmalgorithmandneuralnetworkalgorithmisdesignedtosolvethemodel,whichisverifiedbyanumericalexample.Thecalculatingresultshowsthatthemodelanditssolvingalgorithmhaseffectivenessandpracticability,andcanprovideadecision-makingbasisforno-caroperatingcarrier’smanager.

transporteconomics;optimalorganizationoftransportresources;particleswarmalgorithm；no-caroperatingcarrier;chanceconstraint

2016-03-02

國(guó)家自然科學(xué)基金項(xiàng)目(51278057)；國(guó)家社會(huì)科學(xué)基金項(xiàng)目(09XJY004)；中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目(310823160314)

常連玉(1979-)，男，河南鄧州人，講師，博士研究生.(sly319@126.com)

10.3969/j.issn.1002-0268.2016.10.024

U491

A

1002-0268(2016)10-0152-07