摘要
近年，随着网购等线上模式的增长，物流行业得到迅猛发展，然而面对物流业务 规模的快速增长，当前主流的配送方案仍采用卡车协同中型车载无人机的方法，该方 法车载无人机尺寸小、续航差、卡车配送成本高，导致配送效率较低、成本较高。传 统的配送模式已无法匹配日益严重的“最后一公里”问题。本文以降低物流运输成本 为目标，在传统协同配送模式的基础上引入一种载重和续航能力更强的大型无人机， 通过更细化的协同方式优化上述传统配送模式无法解决的问题，研究卡车联合两类型 无人机的混合配送模式，优化农村地区物流运输系统。 包含了两类型无人机的混合配送模式较好的优化了传统配送模式存在的问题，但 与此同时，诸如卡车与两类型无人机的协同方式，卡车停靠点和无人机起降点的选取， 多配送平台的调度等新问题也被引入。针对此类问题本文提出了两个混合配送模式求 解算法并通过实验验证: (1)卡车辅助两类型无人机配送模式的算法研究。首先使用基于载重和距离等约 束优化改进的K均值聚类算法(K-means Clustering Algorithm，K-means)确定初始卡 车停靠点，再对其使用本文提出的停靠点优化算法对卡车停靠点根据权重转移。接下 来通过改进的飞行段选择算法分别求解和优化大型无人机与车载无人机的飞行段配送 路径，得到两类型无人机配送路线后，对卡车路径进行二次规划，最后对全局路线进 行优化。 (2)卡车与两类型无人机协同配送模式的算法研究。基于卡车与两类型无人机协 同配送模式的数学模型，设计了协同配送模式的算法结构，确定了算法规划思路。首 先使用基于载重和距离等约束优化的DBSCAN聚类算法(Density-Based Spatial Clustering of Applications with Noise)对全部客户点进行分段并选出重件点和异常点的 集合。其次使用改进的遗传算法以配送成本为目标对车载无人机和卡车的路径进行求 解规划。再通过载重限制的C-W算法(Clarke & Wright''s Savings Algorithm，C-W)对 满足约束条件的客户聚类以及重件点进行大型无人机的路径规划，完成后更新车载无 人机和大型无人机的配送路径，基于更新后的两类型无人机路径规划结果对卡车配送 路径二次规划，最终得到成本较低的卡车与两类型无人机混合配送的路径。 (3)两种混合配送算法的实验研究。本文选择了基于CVRPLIB和随机生成的两 种测试数据集，通过实验对比分析了本文设计的两种混合配送算法在不同客户点数量、 载重能力等参数数据集下的优化结果，并对结果的敏感性进行了对比。实验结果表明 两种混合配送算法都能在短时间内找到较优的可行解，且其成本皆优于传统配送模式， 但二者存在一定的差异，当村落分布较为零散，卡车辅助两类型无人机配送模式降低 成本效果最为显著;当村落分布呈局部聚集即各聚类中心距离较远时，卡车与两类型 无人机协同配送模式成本降低作用最为明显。此外，结果表明卡车辅助两类型无人配 送模式对无人机性能的参数影响较为敏感，对客户点数量改变的适应能力较强;卡车 与两类型无人机协同配送模式则对卡车性能的改变非常敏感，对重件数量的增长适应 能力较强。 根据本研究的研究结果表明所设计的混合配送算法对降低成本效果较为显著，帮 助农村场景无人机协同公路物流配送的进一步落地，对优化公路物流运输研究具有工 程实用意义。
NETL