考虑碳排放的快递企业配送路径研究

文章编号：l003—142l(20l4)07一o07卜07 中图分类号：UI16．2；F259．22 文献标识码：A 考虑碳排放的快递企业 配送路径研究 Study on Express Enterprise’Detivery Routes with Considering Carbon Emission 代楚楚，徐菱 DAI Chu—chu，XU Ling (西南交通大学交通运输与物流学院，四川成都 61 0051) (School of Transportation and Logistics，Southwest Jiaotong University，Chengdu 610031，Sichuan，China) 摘 要：在传统的VRP问题研究的基础上，将车辆数、旅行时间及碳排放最少作为 模型的5个目标函数，构建基于时间依赖车辆路径问题模型的快递企业低碳配送车 辆路径选择模型，并设计多种群遗传算法对模型进行求解。以某快递企业在成都 的网点布局及早高峰配送数据为例，计算分析结果表明，多种群遗传算法求解基 于时间依赖车辆路径问题的碳减排车辆路径问题具有较好收敛性。 关键词：快递企业；车辆路径；碳排放模型；多种群遗传算法 Abstract：Based on problem study of traditional VR P’taking the vehicle number,traveling time and minimum carbon emission as three object functions of the mode1．the route selection model of low- carbon delivery vehicles by express enterprise was established which based on the modeI of Time Dependent Vehicle Route Problem(TDVRP)，and Multiple Population Genetic Algorithm(MPGA) was designed to make solution．Taking the network points distribution of certain express enterprise in Chengdu and its delivery data in morning peak time as examples，the calculation and study results show that the MPGA has good convergence on resolving the route problems of vehicles with reducing carbon emission based on TDVRP, Key Words：Express Enterprise；Vehicle Route；Carbon Emission Model；MPGA RI“~E no 睹 甘H 田 0引言 快递业作为城市内物流配送业的重要组成部 分，其营业额年均增速高达25％～30％。据测算， 我国快递市场规模与GDP的增长关系密切，GDP 每增长1％，快递市场规模将增长2．93％ 】。特别是 在电子商务的刺激下，快递业规模将进一步扩大。 根据中国电子商务研究中心的监测数据显示：仅 2013年上半年，中国网络购物用户规模达到2．774L人， 占中国网民的40．9％，网络零售市场交易规模达到 7 542亿元 】，每天由电子商务产生的快件已经超过 500万件。如此巨大数额的快件量配送势必导致碳 排放量的大幅提高，因而对快递企业配送路径选择 进行节能减排优化将对抑制温室气体排放具有较大 促进作用。 在传统的车辆路径问题(VehiCle Routing Problem，VRP)中，通常将车辆数最少和路径最短 作为模型的目标函数，既有研究成果较少将降低碳 排放作为一个目标在VRP模型中进行考虑。Figliozzi 在基于有时间窗约束的车辆路径问题(Vehie1e Routing Problem with Time Windows，VRPTW)中 构建考虑碳排放的车辆路径模型(Vehicle Routing Problem for Emission Minimization，EVRP)，首次 将降低碳排放和减少车辆能耗作为VRP问题的目 标，第一次将客户服务开始时间作为1个决策变量 考虑进有时间窗约束的VRP问题中，并且考虑不同 拥堵条件对车辆碳排放的影响，最后设计路径构造 算法(Iterated Route Construction and Improvement， IRCI)对模型进行求解 卅。Saberi等 认为客户点 连续均匀分布，存在密度函数，并且任意2个客户 点间的距离与分布密度有关，因而将速度处理成随 旅行时间连续变化的函数，应用连续近似分析模型 对问题进行求解。杨子岳 研究考虑碳排放的B2C 电子商务企业配送路径优化，通过道路条件、天气 状况等参数将电商实际配送路径转化为考虑碳排放 的虚拟路径，以此处理速度对车辆碳排放的影响， 并且通过禁忌搜索算法对模型进行求解。 由于车辆在行驶过程中的碳排放与行驶距离、 行驶速度2个变量有关，如果仅在传统的静态车辆 路径问题(Static Vehicle Routing Problem，SVRP)目 考虑碳排放的快递企业配送路径研究代楚楚等 标函数中加入碳排放最少这一目标并不符合实际。 为此，参考Figliozzi所建模型，在考虑旅行速度时 间依赖性的同时将车辆数最少、旅行时间最短及碳 排放最少作为模型的3个目标函数，建立基于时间 依赖车辆路径模型(Time Dependent Vehicle Routing Problem，TDVRP)模型的EVRP模型，并且设计多 种群遗传算法求解模型，为快递企业选择低碳配送 路径提供理论支撑。 1快递企业配送EVRP模型建立 1．1 问题描述 快递企业配送EVRP模型基于TDVRP模型构 建，具有旅行时间严格依赖于出发时间的特点。 TDVRP模型最早由Malandraki和Daskin在1 992年 提出，问题描述为有n个客户点，每个客户点的需 求量及位置已知，至多用 辆车从配送中心出发去 服务这批客户点，要求车辆在规定时间内完成任务 并返回配送中心，每辆车载质量一定，要求安排车 辆的行驶线路使总旅行时间最短。其中，每个客户 点的服务时间窗已知，任意2个客户点间的旅行时 间与距离、出发时间有关 J。 考虑到快递企业的特殊性，EVRP模型所描述 的问题还需要满足以下条件：①配送与揽收独立进 行。在快递企业1台车服务1个网点的情况下，为 避免大量的资源浪费和成本劣势，将配送和揽收同 步进行，但国内的快递企业可以达到上述规模的很 少，考虑操作的方便性，简化操作流程，节省时 间，默认快递企业的配送和揽收独立进行。②每条 线路上的客户需求不超过车辆的最大载质量。③每 条配送线的距离不超过车辆的1次行驶最大距离。 ④每个客户点有且只有1辆车服务。 1．2模型建立 TDVRP模型描述与VRP模型基本相同，只是 在时问段的划分及车辆出发时间的定义上有所不 同。TDVRP模型描述如下。 在1个无向图G=( ， )上，V={v。， 1，1，…，v )为顶点集合，A={(v ，1，，)：i≠ 八i， J∈ }为弧集合。顶点v。为配送中心，停放着 辆 型号相同、载质量为Q的车；顶点集合c={v ， … ，1， )为需要服务的客户集， 中每个顶点都有 目熙 伽 考虑碳排放的快递企业配送路径研究代楚楚等 1个相应的非负需求量g ≤Q与之对应，服务时 间g ≥0。其中，g。=0，q。=0。每个顶点允许服 务的时间窗为[e ，， 】；车辆到达客户i(i∈C)的 时间定义为a ，服务开始时间定义为s ，离开时间 定义为b ；对于任意弧(v ，vj．)，对称的距离矩阵 ，≥0，旅行时间 ，(b )≥0。假设每辆车的固定成 本为C，系统规划时间被分成 段，记为 =T ， ， … ， M 定义。一·变量 拈= 定y．o-1~一 当且仅当车辆 经过 客户i到达客户 时 其他情况 当且仅当车辆 1支使用时 其他情况 在TDVRP模型中，旅行时间为出发时间函 数，为方便区分，用 (f)表示车辆在时刻t出发， 从节点i经过(i，J)到达 的旅行时间，建立模型 如下。 min Z1：∑∑fo．(s +gi)x眦+∑cyk k∈K ，J∈V ∈K S．t． K H ∑∑X社 1， ∈ {0) 七=1 i=0 K ∑∑X 一1， iE {0} 七=1，=0 (1) (2) (3) ∑ 叭一 ，Vk=1，2，…， (4) J=0 ∑X枞一∑Xhjk=0，Vh∈V，Vk 1，2，…，K o 0 f5) ∑Xiok~Yk， k 1，2，…，K (6) ∑q，X潍≤Q，Vk=1，2，…，K (7) f， =0 K Sf+ +f )一 (1一∑XU )≤sj， f， ∈V， ∈o。 l8) a ≤ ≤b ， f∈ (9) af≤ +ff≤b ， ∈V 【l0J ∑yk~K (11) 七=1 其中：(2)式为每个客户点有且只有1辆车到 达和服务；(3)式为离开每个客户点的车辆有且只 圜 有1辆；(4)式为每辆车均从车场出发；(5)式为抵达 客户的车同时也是离开客户的车；(6)式为每辆车 最后回到车场；(7)式为车容量约束；(8 J、(9)式为 时间窗约束，具体含义为假如1辆车从客户i到 客户 ，那么其在客户 开始服务的时间不能早于 到达时间 +， ，( +， )，同时在／的服务时间窗 [口 6，]内；(10)式为硬时间窗约束，表示车辆在任 意客户点服务完成时间必须在该客户点的服务时间 窗内；(1ni 为车辆数约束。 1．3碳排放最小化模型 英国交通运输研究实验室研究表明，车辆在行 驶过程中的碳排放与行驶速度、行驶距离2个因素 有关，并且存在以下关系H]。 r 1 、1 3+03 】 0 其中，英国交通运输研究实验室经过大量实验 模拟出的3者关系参数{a。，a ，a：，a，)={1 576， 一17．6，0．001 17，36 067}。在TDVRP模型中，每 个时间段T =[ ，t ]都有相应的即时速度s ≥0， 对于任意i，J，均有S ，={Sm (b，)， (bf)’…， S m ， (b )}。其中， m ，(b )发生在时间段 ，表示 离开客户i的速度； (b )发生在时间段 ， 表示到达客户 的速度，1≤m≤m+P≤M。 D (b ) { ， ，…， m+卢}与 (b ) {t m ， ，…，f }为相应的距离与时间，满足以下条件。 t ，(be)=∑ ㈦ ，(6 )=∑ (14) 『_f × ， ，∈{0，1，…，P) (15) ≤f bf≤t (16】 一 tm+P≤f l m ， =af≤tm印 (17) 其中：(13)式为客户i，J之间的旅行时间为分段 之和；(14)式为客户i，J之间的距离为分段之和；(15) 式为车辆在某段时间的行驶距离为对应时间段的速 度与时间的乘积；(16)式为时间窗约束，表示将时间 段划分，则每个客户点的到达时间和离开时间必在 其所属时间段范围内。 任意客户i，J之间的碳排放模型计算公式为 叁 ，亩 ㈦ 从(18)式可知，任意两点间的碳排放为车辆在不 同时间段行驶时碳排放的和。 为对快递企业碳排放进行预防监督，采用碳 税换算将快递企业的碳排放成本化。假设碳税税率 为W，则碳排放成本模型计算公式为 minz2 W∑∑xukp f191 i．，E 七∈K 1．4模型求解 快递企业配送EVRP模型与一般VRP模型的不 同之处在于：①旅行时间的时间依赖性；②将降低 碳排放成本作为目标函数之一。通过调研可知，快 递企业通常将1次配送的持续时间作为衡量企业1 次配送作业完成的优劣，考虑将配送车辆1次配送 的旅行时间近似为快递企业1次配送的可变成本。 因此，模型目标函数为旅行时间、车辆固定费用和 碳排放费用之和。快递企业EVRP模型的目标函数 和约束条件如下。 minZ=∑ ∑N(s + ) +∑ +w∑ ∑ k∈K I，j∈V k∈K i，j∈y kEK (20) 约束条件同(2)式至(11)式，这里不再赘述。 2模型的求解 (1)染色体编码设计。VRP问题与旅行商问 题(Travelling Salesman Problem，TSP)一样，适 合采用自然数编码的方式来构造染色体[8]。在编 码中，数字“0”为配送中心，数字1，2，…， Ⅳ为Ⅳ个客户点，形成的客户点序列首尾均为0， 表示车辆从配送中心出发最后又返回配送中心，其 余的“0”插入到客户点序列中，形成诸如0，1， 2，0，3，4，5，0，6，0，7，8，9，0的序列， 表示4辆车遍历9个客户点形成的4条路径：O一1— 2—0，0—3—4—5—0，0—6—0及O一7—8—9一O。 (2)生成初始解。采用节约法、贪心算法和 随机产生初始解的方式生成3个初始解，以初始化 3个种群。其中，节约法的流程描述为首先将n个 客户点初始成n条独立的路线，每条路线上的1辆 车服务完当前客户即返回配送中心，形成路径(0， 考虑碳排放的快递企业配送路径研究代楚楚等 i，0)；在不违反车容量限制的条件下合并2条独 立路线，合并方法为“首尾相连”，合并条件为 路径节约值最大，这样每次合并即可减少1辆车。 例如，路线1的最后1个客户为i，路线2的第1个 客户为．，，则合并路线1和路线2的方式为将弧(i， 0)和弧(0，J)移除，同时添加弧(i，J)，不断重复 上述步骤直到某辆车的车容量不再满足为止 ]。 某2条路线的路径节约值计算公式为 Say ：f(i，0)+t(o， )一f(i， ) Q1) 对贪心算法的流程进行描述：从配送中心0开 始，从未服务的客户中选择1群不违反车容量约束 的客户，再在其中挑选1个旅行时间最小的添加到 已有路线中，同时不能违反该客户点的时间窗； 如果从未服务的客户中找不到满足车容量约束的 客户，那么该辆车返回配送中心，即1条新路径生 成。重复上述步骤，直到所有客户均有车辆经过。 (3)种群初始化。每个种群由1个初始解通过 随机互换算子得到，随机互换算子随机互换路径中 2个客户点的位置，每个子种群分别由1个初始解 通过随机互换产生。 (4)适应度评价。评价前应先形成可评价的 染色体，具体操作为在随机产生的客户点序列中插 入车辆“0”，插入准则为车容量约束，直至找出不 满足容量约束条件的客户在其前插入“0”，以此形 成1个可评价解。 (5)选择算子。将所有的个体进行交叉变 异，并且按照其适应度值大小进行排序，取一定数 量的优秀子代进入新群体。 (6)交叉算子。个体的交叉策略采用OX顺序 交叉，具体操作方法：随机在父代个体中产生2个 交叉点(交叉点相同)，中间部分为交叉区域，把1 个父代染色体的交叉区域部分放置于另1父代染色 体的交叉区域中，后者检查交叉区域后的部分依次 删除与交叉区域中相同的数字，得到1条子代染色 体，另1父代染色体进行同样操作得到另1条子代 染色体。 (7)变异算子。采用随机互换、随机插入和 随机逆转3个变异算子，分别用于3个种群的变异 操作。随机互换算子如图1所示，随机插入示意图 如图2所示，随机逆转算子示意图如图3所示。 考虑碳排放的快递企业配送路径研究代楚楚等 O f 1 f f+1 0———o—O—o t 0 J 1 J j+l 0 0 J一1 i j+l 0 客户i与客户，互换位置 图1随机互换算子 图2随机插入示意图 = o———————o———O f+1 ‘0 0———————0一…o 0 J j-1 图3逆转算子示意图 (8)移民算子。在多种群遗传算法(Multiple Population Generation Algorithm，MPGA)中，移民 算子将各种群在遗传迭代中产生的最优个体间隔固 定代数迁移至另外的种群中，从而实现彼此的基因 交换。 (9)产生精华种群。在负责遗传操作群进化 过程中，每隔一定的代数将最优个体存储到精华种 群中，该操作通过人工选择算子实现。 (10)算法终止条件。通过采用精华种群中的 最优个体最少保持代数作为算法的停止依据 J。 3算例分析 3．1 算例描述 以成都市某快递企业为例，其有1个大型配送 中心，位于成都市边缘地区，设其坐标为[5，10]。 企业在成都市共有50个网点，配送车辆每天在配 送中心和网点之间进行5次配送作业，配送时间段 分别为(6：30，9：30)、(9：30，12：30)、(12：30， 15：30)、(15：30，18：30)及(18：30，21：30)，其 中第1次配送持续时间段(6：30，9：30)和第4次配 送持续时间段(15：30，18：30)与城市路网的早高 峰和晚高峰时段有重叠。由于所建模型的旅行速度 考虑到城市路网交通拥堵影响，以每天第1次配送 为例进行算例分析。在调研中发现，快递企业各网 点的服务时间窗均为1次配送的持续时间，配送中 心与客户网点的工作时间均为1次配送持续时间段 (6：30，9：30)，配送车辆在每个客户点的服务时间 为10 min。将配送车辆数的上限设为50，即在最 坏的情况下1个网点配备1辆车，配送车辆型号统 一 ，1辆车的1次投入成本为1 000。碳排放成本采 用碳税制为10元。 (1)客户坐标。通过查阅资料，成都市辖区 面积为1 412 km ，将客户坐标限制在边长为40的 矩形中，通过随机生成产生。客户坐标信息如表1 所示。 (2)客户需求。通过调研可知，该快递企业 在配送过程中，每辆车容量平均可以满足3～5个 客户网点的需求。因此，每次等概率地从集合 {10，12，15，20，25}中随机选取1个数作为某 个客户点的需求量，并将配送车辆的容量上限设为 50。各网点需求量如表1所示。 (3)服务时间。快递企业的车辆在各网点 不存在服务等待时问，故a =s ，车辆每次配送时 间约为10 min。将算例中客户网点的服务时间定 为11 min，其中1 min表示配送车辆在起步和减速 过程中浪费的时间。 (4)时间窗限制。由于模型研究对象为快递 企业早高峰配送，因而各客户的服务时间窗均为系 统规划的3 h，即(6：30，9：30)。 (5)时间依赖旅行速度。以快递企业早高峰 配送为例，将早高峰3 h分为6：30—7：30、7：3O一 8：30、8：30—9：30，为与城市路网的实际运行相符 合，将中间时段设为出行高峰期(拥堵时段)，两端 为非高峰期(畅行时段)。在城市路网中，通常将道 路分成主干路、次干路和支路，不同路段上的实时 速度不同，主要与道路的长度、车道数、通行能力 等因素有关。为尽可能模拟实际路网，将客户点问 的距离按照长度进行划分，各路段上高峰期与非高 峰期对应的速度如表2所示。 (6)初始化种群。采用节约法、贪心算法及 随机生成初始解的方法生成3个初始解。其中，节 约法与贪心算法生成的初始解如表3和表4所示。 (7)算法控制参数。种群内个体数目为3O； 交叉概率P =0．9；变异概率P =O．09；每隔20代进 行1次移民操作；精华种群中最优解保持50代算法 停【匕。 表1客户坐标及需求量 考虑碳排放的快递企业配送路径研究代楚楚等 客户编号 1 2 3 4 5 6 7 8 9 10 坐标 (12，6) (19，15) (11，1O) (2，25) (23，39) (5，5) (32，2) (10，27) (8，24) (34，31) 需求 25 25 25 25 20 12 15 25 25 1O 时间窗 [0，180] [0，180] [0，180] [0，180] [0，180] [0，180] [0，180] [0，180] [0，180] [0，180] 客户编号 l1 12 13 14 15 16 17 l8 l9 20 坐标 [15，17】 [29，36】 [38，20】 【0，11] [8，35] [38，9] [36，1】 [0，17] [3，17] [36，19] 需求 10 l2 10 20 20 15 25 10 10 1O 时间窗 [0，180] [0，180] [0，180】 [0，180] 【0，180] [0，180] [0，180] [0，180] [0，180] [0，180】 客户编号 21 22 23 24 25 26 27 28 29 30 坐标 [19，35】 [25，11] 【4，26] [4，28】 [19，30] [28，16] [28，33] [23，21] [6，0] [33，7] 需求 15 15 25 15 25 15 20 15 12 15 时间窗 [0，180] [0，180] [0，180】 【0，180] [0，180] [0，180] [0，180] [0，180] [0，180] [0，180】 客户编号 31 32 33 34 35 36 37 38 39 40 坐标 [24，17] [33，29】 [5，6] [38，14] [10，30] [13，38] [29，28] [2，38] 【23，8】 [3，0】 需求 15 15 10 20 25 12 15 12 10 20 时间窗 [0，180] [0，180】 [0，180] [0，180] [0，180] [0，180] [0，180] [0，180] [0，180] [0，180】 客户编号 41 42 43 44 45 46 47 48 49 50 坐标 [17，39] [29，11】 [20，10] [23，29】 [9，16] [17，7] [16，22] [23，1】 [35，18] [2，3】 需求 20 25 12 20 10 20 20 20 12 10 时间窗 [0，180] [0，18O] [0，180] [0，180] [0，180] [0，180】 [0，180] [0，180] [0，180] [0，180] 表2各路段上高峰期与非高峰期速度 主干路 次干路 支路 路段长度d／km 10 2 ≤10 ≤2 Vm ／(km／h) 60 40 32 Vm。 ／(km／h) 20 20 16 3．2计算结果分析 每次程序运行136 min。Matlab运行5次，5次 运行的收敛性均较好。5次运行结果中有2次结果 相同，合去1组结果，保留4组运行结果，该结果 与2组构造算法产生的局部最优解进行比较，最优 表3节约法生成初始解 路径 0—9—35一O 0—1 48 0 0—3—42—0 0 20 13—49—32一O 0—23 38 36—0 O一7—1 7—39—0 旅行时间／rain 84．200 78．590 101．032 155．038 142．107 134．080 路径 0 2 34 0 0—8—41一O 0 4 15—0 0—14—18 19 45—0 0—25—21—33—0 0 44 26 31—0 旅行时间／rain 131．067 l26．396 105．730 107．498 141．705 129．686 路径 0一l1—37 27 0 0—5—12—10—0 0 6 29—4O一0 0—46 30 16—0 0—47—28 22 0 O一24—43—50—0 旅行时间／rain l36．634 145．936 71．117 140．939 155．558 142．829 表4贪心算法生成初始解 路径 0—33—6—50—29—0 0—14—18—19—45—0 0—3—1—0 0—40—46—39—0 0 l1 2 43 0 0 9 23 0 旅行时间／rain 91．569 98．455 51．071 122．422 107．756 58．889 路径 0 48—7—30—0 0—26—49—13—12—0 0—22—42—20—0 O一4 24 10—0 0—15—36—21—0 0—27—32—0 旅行时间／rain 133．769 172．439 136．030 154．689 123．719 l36．481 路径 0—25—44 0 0—47—28—3 1一O 0 8 35—0 0—17—16—0 O一38—41 37—0 0—34—5—0 旅行时间／rain l17．497 123．095 79．058 136．613 122．768 153．229 ■ 考虑碳排放的快递企业配送路径研究代楚楚等 解比较表如表5所示。通过比较分析，选取最优 的1组作为算例最优解，最优解车辆成本为18 000 元，即需要1 8辆车，时间成本为2 033．97元，碳 排放成本为9 194．023元，总成本为23 963．59元， 最优解相关指标、最优路径规划图分别如表6和 图4所示，图4中每种颜色的线条代表1辆车服务 客户点的旅行路径，共有18种颜色，分别代表18 辆车。 表5 MPGA4组运行结果与2组周部最优解比较表 节约法局部最优解 贪心算法局部最优解 第一次运行 第二次运行 第三次运行 第四次运行 车辆成本／元 18 000．000 18 000．000 l8 000．000 18 000．000 18 000．000 18 000．000 时间成本／元 2 230．142 2 l19．549 2 055．724 2 033．970 2 039．284 2 068．595 碳排放成本／元 9 356．745 9 194．023 9 342．203 9 512．678 总成本／元 29 412．469 29 227．990 29 381．488 29 581．270 表6 EVRP模型最优解相关指标 子路径 0 7—17—39—0 0—1—50—6 0 0—32—10 44—0 0～23 9—0 0 34—26一l1 0 0—42—2 0 旅行时间／min 124．005 3 105．955 5 80．049 5 73．660 1 141．18O 4 116．775 7 碳排放成本／元 569．642 0 500．185 0 380．948 7 234．761 2 670．443 3 530．003 4 子路径 0—36 41—38—0 0—15～8—0 0—25 47—0 0～35—3—0 0 l3—20—49 31—0 0—16—30 48—0 旅行时间／min 138．322 4 132．633 7 136．893 9 135．873 7 152．969 2 l40．958 6 碳排放成本／元 648．042 7 531．264 1 650．689 9 643．651 4 720．09l 7 685．203 9 子路径 0—21—5 37—0 0 40—29—33 0 0—22—43 46—0 0 4 24—45—0 0—19—18 14—0 O 27—12—28—0 旅行时间／rain 73．369 8 148．727 6 54．942 3 58．889 3 92．089 1 148．427 9 碳排放成本／元 233．480 2 747．815 1 230．276 6 280．857 6 372．400 1 726．987 9 互 ＼ 褪 0 5 10 l5 2O 25 30 35 4O 距离／km 图4 EVRP模型最优解规划图 4结束语 在研究1种新车辆路径问题时，通过考虑碳排 放的车辆路径问题(EVRP)，构建基于时间依赖车 辆路径问题模型(TDVRP)，将碳排放、车辆数和 旅行时间最少共同作为模型的目标函数，并且首次 将该模型与快递企业的配送特殊性相结合，应用到 快递企业配送路径选择中。通过设计适合该模型的 多种群遗传算法求解模型，以某快递企业在成都市 的网点布局和早高峰配送数据为例进行算例分析， 结果表明MPGA用于求解EVRP问题具有良好的收 敛性和时间特性，这对快递企业低碳配送路径选择 具有重要意义。 (下转第85页) 城市轨道交通线网规划研究果晓锋等 市轨道交通模式时应综合考虑客流需求与建设、运 营成本之间的平衡关系，从而建立由市区向外多模 式多层级不同轨道交通方式的城市轨道交通综合 系统。 (2)关注支线、并行(快)线路的规划建设。 根据我国城市规划特点，在市中心繁忙的区段上， 应考虑修建多条并行(快)线路，以提高区段通过能 力和列车服务频率，方便乘客无缝换乘；在郊区， 应考虑多支线修建模式，为分布分散的郊区旅客出 行提供更便捷的服务，扩大线网覆盖范围，充分发 挥城市轨道交通系统的功能。 (3)加强换乘站一体化综合建设。提高网络 的覆盖密度、直达性和换乘便利性是发展以人为 本、高效、集约型的城市交通系统网络体系的核 心，从而提高轨道交通分担公共交通出行的比例。 同时，换乘站除衔接城市轨道交通系统不同线路 外，更应注重与铁路、公交、汽车等多种交通方式 的无缝衔接，并向集交通、购物、休闲娱乐于一体 的综合型立体化交通枢纽发展。 (4)加强车站人性化的客运服务设施设计。 国外人性化设计经验表明，基础设施设计落实人性 关怀才能实现其可持续发展。因此，城市轨道交通 车站客运服务设施人性化设计的优劣，对其发展有 着现实与深远的意义。我国城市轨道交通车站站内 客运服务设施设计应以社会实践及社会调研为依 托，从整体到局部、从宏观到细节进行统筹优化设 计，以最大限度地给予乘客方便、快捷的服务。 参考文献： [1】中华人民共和国建设部．GB／T 5655 1985城市公共交通常 用名词术语is]．北京：国家标准局，1985． [2]程 斌．轨道交通与城市交通可持续发展[J]．中国铁道科 学，2001，22(1)：108-111． [3]丁建隆．合理构建城市轨道交通网络体系[J]．中国铁路， 2006(11)：35—38． [4]周翊民，孙章，季令．城市轨道交通市郊线的功能及 技术特征[J]．城市轨道交通研究，2007(8)：1-5． [5]金辰虎．世界主要城市轨道交通建设经验及管理水平[J]．铁 道运输与经济，2002，24(10)：56-58． [6]禹丹丹，韩宝明，李得伟．波士顿线路布局及运营组织特 点[J]．都市快轨交通，2013，25(3)：115—119． [7]马超群．城市轨道交通网络规划理论与方法研究[D】．西 安：长安大学，2007． 收稿日期：2014—05—27 责任编辑：王菲 (上接第77页) 参考文献： [1]张洪斌．我国快递业现状和发展趋势预测[J]．中国物流与采 购，2006，8(9)：34 37 [2]中国电子商务研究中心．2013(上)中国电子商务市场数据监 测报告[M]．杭州：中国电子商务研究中心，2013． (3]FigliozziI M A．The Impacts of Congestion on Commercial Vehicle Tour Characteristics and Costs[J]．Forthcoming TranSPOrtati0n Re Search Part E：L0gi StiC S and Transportation，2009(46)：496—506． [4]Miguel Figliozzi．Emissions Minimization Vehicle Routing Problem[J】．Transportation Research Board，20 1 0(1)：1 0- 14． [5]Meead Saberi，I Omer Verbas．Continuous Approximation Model for the Vehicle Routing Problem for Emissions 期 ￡一 Minimization at the StrateglC Leve1[J】．Journal of Transportation Engineering，2012(138)：1368-1376． [6】杨子岳．低碳视角下B2C电子商务配送路径优化研究 [D]．成都：西南交通大学，2012． [7]Malandraki C，Daskin M S．Time—dependent Vehicle-routing Problems—formulations，Properties and Heuristic Algorithms [J】．Transportation Science，1992，26(3)：185—200． [8]周 冬．基于TDVRP和STDVRP模型的金融押运车辆路径 问题研究[D】．北京：清华大学，2010． [9]史峰，王辉，郁磊，等．Matlab智能算法3O个案例 分析【M]．北京：北京航空航天大学出版社，2011． 收稿日期：2014—04—25 责任编辑：吴文娟