网络货运平台的三阶段车货供需匹配模型

摘要

为提高网络货运平台车货匹配效率，考虑车方、货方和网络货运平台三方需求设计三阶段车货供需匹配模型，第一阶段建立货物属性分类模型，识别并消除不同属性货物间的冲突关系；第二阶段建立车辆信息筛选模型，提取车辆的高频配送区域；第三阶段建立多目标匹配模型，以车方利润最大化、货方成本最小化和网络货运平台收益最大化为目标建立目标函数。引入贪心算子、Circle混沌映射、反向学习策略及模拟退火机制改进传统遗传算法，用于求解模型。以中国物通网公布的广州出发货源及车源信息为例对三阶段车货供需匹配模型及其求解算法开展实证分析。结果表明：采用改进遗传算法求解得到的车货匹配方案在整体装载效率与车辆利用率方面均优于传统遗传算法，在相同的货物总量下，改进遗传算法使用更少的车辆完成运输任务，平均每辆车装载的货物更多，装载集中度显著提高；改进遗传算法收敛速度快，收敛后曲线更平稳，波动较小；相较于传统遗传算法，改进遗传算法匹配方案的车方利润在4个货物集合分别增加约32.6%、40.6%、48.6%、31.3%,货方成本相应减少约3.2%、10.3%、11.5%、7.6%,平台收益分别增加约0.9%、0.1%、2.4%、0.1%,改进遗传算法在降低货方成本的基础上，显著提高车方利润，并实现网络货运平台收益微增。构建的三阶段车货供需匹配模型及改进遗传算法在统筹车方、货方与网络货运平台三方利益方面表现更优。

关键词

三阶段 / 网络货运平台 / 车货匹配 / 改进遗传算法