社区新零售背景下网格仓需求预测——配送决策迭代优化研究

doi:10.16381/j.cnki.issn1003-207x.2022.1251

摘要/Abstract

摘要：

随着社区新零售的兴起，网格仓作为链接线上平台与线下门店的中转站，显得尤为重要。但网格仓配送环境复杂多变，送达时间难以保证，严重影响社区客户的线上购买需求，而社区线上需求分布的变动又会对网格仓的配送决策造成不可避免的影响，使其分拣及运输成本居高不下、难以盈利等问题突出。针对以上问题，本文在分析社区需求变动和网格仓配送决策的相互作用机制基础上，首先提出一种社区需求预测-网格仓配送决策迭代优化框架。其次构建基于支持向量回归算法的需求预测模型，实现社区订单需求量的预测。然后构建以利润最大化为目标的网格仓订单配送路径优化模型，并采用自适应大邻域搜索算法对模型求解。最后通过算例验证了迭代优化决策框架和相关模型方法的有效性和实用性。本文的研究成果将为社区新零售下网格仓的运营决策优化提供理论依据。

关键词: 社区新零售, 网格仓, 需求预测, 配送决策, 迭代优化

Abstract:

With the rise of new retail in the community， grid warehouse， as a transfer station linking online platforms and off line stores， is particularly important. However， online purchase demands of community customers are seriously affected by the changeable distribution environment of grid warehouses and the difficulty of delivery time. The decisions of grid warehouse operators are inevitably affected by the change of online demand distribution in communities， which brings high sorting and transportation costs and difficulties in profits making. Firstly， based on the analysis of interaction mechanism between the changes of community demand and the decision of grid bin distribution， a “community demand prediction and grid bin distribution decision making” iterative optimization framework is proposed in order to solve these problems. Secondly， a model of demand prediction based on support vector regression algorithm is constructed to predict the demand of community orders. Thirdly， an optimization model about distribution path of grid warehouse is constructed with the goal of profit maximization， using the adaptive large neighborhood search algorithm to solve it. Finally， an example with 35 communities is given to verify the effectiveness of the framework we proposed with the models and algorithms. Additionally， the changing rules of profit variation in different conditions is deeply explored based on the actual situation. It is shown that：（1） Using the iterative optimization framework considering different demands can increase total profit by about 50%. （2） In the stage of grid warehouse distribution decision， compared with the solution by Cplex solver， the Adaptive Large Neighborhood Search algorithm can Increase efficiency more than tenfold. （3） In the same region， the expansion of scale does not always lead to an increase in profits. As the number of pick-up points increases， the total profit shows a trend of “first increase and then decrease”. （4） For grid warehouse operators， it is recommended to use minivans and light trucks responsible for distribution tasks. The research achievement of this paper will provide a theoretical basis for the operation decision optimization of grid warehouse in the new retail environment.

Key words: new retail in community, grid warehouse, demand prediction, distribution decision, iterative optimization

中图分类号:

F724.6

胡玉真, 王思睿, 左傲宇. 社区新零售背景下网格仓需求预测——配送决策迭代优化研究[J]. 中国管理科学, 2025, 33(7): 168-177.

Yuzhen Hu, Sirui Wang, Aoyu Zuo. Iterative Optimization on Demand Prediction-Distribution Decision of Grid Warehouse under New Retail in Community[J]. Chinese Journal of Management Science, 2025, 33(7): 168-177.

图/表 16

图1

图2

表1

图3

表2

集合及模型参数"

符号	说明
$T l$ ：	最迟配送到达时间
$G$ ：	自提点集合
$V$ ：	配送车辆集合
$p o$ ：	平均每个订单带来的佣金收入
$p$ ：	每个自提点带来的佣金收入
$n$ ：	网格仓对应的自提点总量
$o i$ ：	服务于自提点 $i ∈ G$ 的订单需求（所属社区需求量/该社区自提点数）
$r i j$ ：	从自提点 $i ∈ G$ 到自提点 $j ∈ G$ 的车辆行驶距离
$p v$ ：	单位时间车辆运输成本（生鲜存储设备成本+司机工资+燃油费）
$p s$ ：	单位分拣时间的提成工资
$V v$ ：	车辆速度
$n V$ ：	车辆数量
$V s$ ：	分拣速度
$n s$ ：	网格仓的分拣员数量
$w s$ ：	网格仓的分拣员底薪
$p σ$ ：	平台补贴
$p r$ ：	租金系数
$S$ ：	网格仓面积
$Q$ ：	车辆最大容量
$s t$ ：	网格仓开仓时间
$l t$ ：	社区平台规定最晚送达时间
$a$ ：	车辆在社区中单个自提点的卸货时间
$t m$ ：	分拣员最大工作时间
决策变量
$x i j v$ ：	车辆 $v ∈ V$ 是否经过自提点 $i ∈ G$ 到 $j ∈ G$ 的路径，是为1，否为0
$y i v$ ：	自提点 $i ∈ G$ 是否由车辆 $v ∈ V$ 负责配送，是为1，否为0
$u i v$ ：	车辆 $v ∈ V$ 在自提点 $i ∈ G$ 时的商品运载量
$t i v$ ：	车辆 $v ∈ V$ 从自提点 $i ∈ G$ 出发去下一个自提点的时间

表2

图4

表2

图5

图6

图7

图8

图9

表3

图10

表4

图11

参考文献 32

[1]	胡祥培，王明征，王子卓，等. 线上线下融合的新零售模式运营管理研究现状与展望［J］. 系统工程理论与实践， 2020， 40（8）： 2023-2036.
	Hu X P， Wang M Z， Wang Z Z， et al. The overviews on operation management for the new retail mode of online and offline integration［J］. Systems Engineering-Theory & Practice， 2020， 40（8）： 2023-2036.
[2]	林航，林迎星. 社区新零售的发展模式——基于资源共享角度的分析［J］. 中国流通经济， 2018，32（9）： 3-10.
	Lin H， Lin Y X. The development model of new retail in community： The analysis based on resource sharing perspective［J］. China Business and Market， 2018， 32（9）： 3-10.
[3]	Liu J M， Chen W W， Yang J Y， et al. Iterative prediction-and-optimization for E-log-istics distribution network design［J］. INFORMS Journal on Computing， 2022， 34（2）： 769-789.
[4]	Bucko J， Kakalejčík L， Ferencová M， et al. Online shopping： Factors that affect consumer purchasing behaviour［J］. Cogent Business & Management， 2018， 5（1）： 1-15.
[5]	Zhang C， Tian Y X， Fan Z P， et al. Product sales forecasting using macroeconomic indicators and online reviews： A method combining prospect theory and sentiment analysis［J］. Soft Computing， 2020， 24（9）： 6213-6226.
[6]	Zhang S Y， Chen N， She Na， et al. Location optimization of a competitive distribution center for urban cold chain logistics in terms of low-carbon emissions［J］. Computers & Industrial Engineering， 2021， 154（9）： 107-120.
[7]	Mahapatra M S， Pradhan P C， Jha J K. Sourcing decisions with order allocation under supply disruption risk considering quantitative and qualitative criteria［J］. Operational Research， 2022，22（4）： 3291-3333.
[8]	Baloch G， Gzara F. Strategic network design for parcel delivery with drones under competition［J］. Transportation Science， 2020， 54（1）： 204-228.
[9]	Cheng C， Adulyasak Y， Rousseau L M. Robust facility location under demand uncertainty and facility disruptions［J］. Omega， 2021， 103： 102429.
[10]	Schneider M， Loeffler M. Large composite neighborhoods and large-scale benchmark insta- nces for the capacitated location-routing problem［J］. Transportation Science， 2019， 53（1）： 301-318.
[11]	Lim M K， Mak H Y， Shen Z M. Agility and proximity considerations in supply chain design［J］. Management Science， 2016， 63（4）： 1026-1041.
[12]	张源凯，胡祥培，黄敏芳，等. 网上超市拆分订单合并打包策略经济决策模型［J］. 管理科学学报， 2019， 22（10）： 24-36+100.
	Zhang Y K， Hu X P， Huang M F， et al. Economic decision model for package consolidation in fulfilling split orders of online supermarkets［J］. Journal of Management Sciences in China， 2019， 22（10）： 24-36+100.
[13]	赵泉午，姚珍珍，林娅. 面向新零售的生鲜连锁企业城市配送网络优化研究［J］. 中国管理科学， 2021， 29（9）： 168-179.
	Zhao Q W， Yao Z Z， Lin Y. Research on urban distribution network optimization of fresh chain enterprises under new retail［J］.Chinese Journal of Management Science， 2021， 29（9）： 168-179.
[14]	赵蒙，于梦琦，胡祥培. 新零售背景下药品协同配送优化研究［J］. 系统工程理论与实践， 2021， 41（2）： 297-309.
	Zhao M， Yu M Q， Hu X P. Optimization scheduling method of drug collaborative distribution under the background of new retail［J］. Systems Engineering-Theory & Practice， 2021， 41（2）： 297-309.
[15]	李文莉，李昆鹏，田倩南，等. 突发疫情环境下考虑订单释放时间的零售物流配送路径优化研究［J］. 中国管理科学， 2022， 30（9）： 195-205.
	Li W L， Li K P， Tian Q N， et al. The research on retail logistics distribution routing optimization considering order release dates in epidemic outbreak environment［J］. Chinese Journal of Management Science， 2022， 30（9）： 195-205.
[16]	范厚明，张跃光，田攀俊，等. 时变路网下异型车辆动态配置与路径优化［J］. 系统工程理论与实践， 2022， 42（2）： 455-470.
	Fan H M， Zhang Y G， Tian P J， et al. Dynamic vehicle routing problem of heterogeneous fleets with time dependent networks［J］. Systems Engineering Theory & Practice， 2022， 42（2）： 455-470.
[17]	李阳，范厚明，张晓楠. 动态需求下车辆路径问题的周期性优化模型及求解［J］. 中国管理科学， 2022， 30（8）： 254-266.
	Li Y， Fan H M， Zhang X N. A periodic optimization model and solution for capacitated vehicle routing problem with dynamic requests［J］. Chinese Journal of Management Science， 2022， 30（8）： 254-266.
[18]	葛显龙，温鹏哲，薛桂琴. 基于需求预测的两级动态配送路径优化研究［J］. 中国管理科学， 2022， 30（8）： 210-220.
	Ge X L， Wen P Z， Xue G Q. Two-echelon dynamic vehicle routing problem with request forecasting［J］. Chinese Journal of Management Science， 2022， 30（8）： 210-220.
[19]	Stroh A M， Erera A L， Toriello A. Tactical design of same-day delivery systems［J］. Management Science， 2021， 68（5）： 3444-3463.
[20]	Subramanyam A， Mufalli F， Laínez-Aguirre J M， et al. Robust multiperiod vehicle routing under customer order uncertainty［J］. Operations Research， 2020， 69（1）： 30-60.
[21]	Zhang J， Luo K， Florio A M， et al. Solving large-scale dynamic vehicle routing problems with stochastic requests［J］. European Journal of Operational Research， 2023， 306（2）：596-614.
[22]	Drucker H， Burges C J C， Kaufman L， et al. Support vector regression machines［J］. Advances in Neural Information Processing Systems，1997，28（7）： 779-784.
[23]	Platt J C. Fast training of support vector machines using sequential minimal optimization［M］. Cambridge： MIT Press， 1999.
[24]	Hastie T， Tibshirani R. Discriminant adaptive neighbor classification and regression［C］//Proceedings of Advances in Neural Information Processing Systems 8， Denver， United States， November 27-30， 1995.
[25]	Loh W Y. Classification and regression tree methods［M］. Manhattan： John Wiley & Sons， Ltd， 2008.
[26]	Liaw A， Wiener M. Classification and regression by random forest［J］. R News， 2002， 23（3）： 18-22.
[27]	Friedman J. Greedy function approximation： A gradient boosting machine［J］. Annals of Statistics， 2001， 29（5）： 1189-1232.
[28]	Hassoun M H. Fundamentals of artificial neural networks［M］. Cambridge： MIT Press， 1995.
[29]	Kennedy J， Eberhart R. Particle swarm optimization［C］//Proceedings of International Conference on Neural Networks， Perth， Australia， November 27-December 1， 1995.
[30]	Goldberg D E. Genetic algorithm in search， optimization， and machine learning［M］. Reading： Addison-Wesley Publishing Company， 1989.
[31]	Hwang C R. Simulated annealing： Theory and applications［J］. Acta Applicandae Mathematica， 1988， 12（1）： 108-111.
[32]	Glover F. Future paths for integer programming and links to artificial intelligence［J］. Computers & Operations Research， 1986， 13（5）： 533-549.

特征说明	特征类别
平均送达时间	送达时间
社区均价	社区购买力
社区区龄
社区楼栋数
社区居民数
周边生鲜市场数	线下消费替代性
周边商圈数
周边自提点数
平均生鲜市场距离
平均商圈距离
周边公交站数
平均公交站距离
平均自提点距离
平均气温
附近生鲜市场评分
附近商圈评分

常量	常量值
佣金系数：订单	0.5元/单
佣金系数：自提点	3元/点
单位时间运输成本	30元/小时
工资系数：分拣员	18元/小时
车辆速度	30千米/小时
分拣员工作速度	1.5个/分
分拣员底薪	1500元/月
平台补贴	400元/月
租金系数	0.6元/平方米/天
网格仓面积	500平方米
车辆最大容量	1000件
网格仓开仓时间	8:00
最迟配送到达时间	16:00
车辆在自提点的卸货时间	10分钟
分拣员最大工作时间	6小时/天
车辆数量	5辆
分拣员数量	6人

社区自提点数	CPLEX		ALNS
社区自提点数	求解时间	优化目标值	求解时间	优化目标值
35	1585	6494.28	93	6330.03
73	——	——	278	8527.20
102	——	——	835	7396.34
135	——	——	1176	5179.16
177	——	——	——	无解

车型	容量（单）	单位时间运输成本（元）
微型货车	300	25
轻型货车	500	27
	1000	30
	1500	40
中型货车	3000	50