葛显龙，薛桂琴

(重庆交通大学，经济与管理学院，重庆400074)

摘要：针对互联网经济带来的需求不确定性问题，提出根据历史客户需求数据进行需求预测，解决基于前摄调度的配送路径优化问题。建立单周期和多周期车辆调度数学模型，并设计前摄性分区聚类算法，完成配送区域划分及配送路径优化。最后，以重庆某超市配送数据对模型及算法性能进行比较和验证。

关键字：前摄调度；车辆路径问题；分区；预测

中图分类号：F274           文献标识码：A

0引言

相较于传统的大批量规模运输，互联网经济条件的发展推动了需求个性化、碎片化的趋势，使得企业物流配送管理充满了不确定性。为应对客户配送过程中出现的不确定性并形成行之有效的应对策略，越来越多的企业希望根据累积的线上线下客户历史需求数据，利用数据分析和数据挖掘技术，预测客户需求，洞悉市场变化，为科学配送决策的制定提供数据支持。在配送决策实施过程中，企业往往将成本相近的客户需求进行聚类，以实现便捷配送和低成本配送。但是现有车辆路径问题多关注配送路径优化和成本优化，而对依托数据分析客户属性进而预测动态客户的研究相对较少。因此，本文在利用客户需求的历史表现预测动态需求的基础上，调度配送车辆，优化车辆配送路径，实现客户需求的快速响应。由于需求预测直接影响车辆路径优化，且二者存在先后顺序，故本文借用心理学概念，将本文研究成为基于前摄调度的车辆路径问题(vehicle routing problem,VRP)。