EN中文

Economic geography >

2020 , Vol. 40 >Issue 7: 115 - 123

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.07.013

Optimization of the Spatial Layout of Logistics Supply Chain Nodes in the Capital Circulation Circle

  • CHEN Hongli ,
  • ZHAO Shuang ,
  • YANG Haibo ,
  • ZHANG Lili
Expand
  • Logistics School，Beijing Wuzi University，Beijing 101149，China

Received date: 2019-04-30

  Revised date: 2020-03-22

  Online published: 2025-04-01

Fold

Abstract

Under the spontaneous adjustment of the market mechanism,we should exert the influence of government regulation,integrate the logistics and distribution resources of the Beijing-Tianjin-Hebei region,and construct the logistics supply chain system of agricultural products in the capital circulation circle based on the "one core" consumer market orientation with the "double-layer + multi-center" logistics distribution nodes according to Beijing-Tianjin-Hebei regional traffic network. The CLRIP integrated optimization method is used to coordinate and optimize the distribution center locations,distribution routes and inventory control of the agricultural product logistics supply chain around the capital ring,and establish the optimization model of the spatial layout of logistics supply chain nodes. With reference to Winner Big Data,the 27 business districts within Beijing's Sixth Ring Road are used as customer points,and the existing distribution centers and proposed distribution centers near Beijing's Sixth Ring Road are used as alternative distribution centers to verify the feasibility and practicality of the optimization model which would provide the optimal spatial location layout,distribution routes and inventory levels for the distribution centers on the agricultural product logistics supply chain in the capital circulation circle to achieve the most preferable address-path-inventory and to form a number of "group" Logistics Supply chain node space layout under the controllable cost.

Key words： central circulation circle; logistics supply chain; logistics node; integrated location routing and inventory problem; tabu search algorithm

Cite this article

CHEN Hongli , ZHAO Shuang , YANG Haibo , ZHANG Lili . Optimization of the Spatial Layout of Logistics Supply Chain Nodes in the Capital Circulation Circle[J]. Economic geography, 2020 , 40(7) : 115 -123 . DOI: 10.15957/j.cnki.jjdl.2020.07.013

在有序推进北京区域性专业市场、区域性物流基地等非首都功能产业疏解的同时，为了促进物流产业转型升级更好地适应消费升级对物流配送服务的要求，京津冀三地商务部门规划到2020年基本建成布局合理、高效畅通、环境友好和协作共赢的环首都1小时鲜活农产品流通圈。随着疏解非首都功能的推进，北京市区内各批发市场与物流仓储设施逐步外迁，北京市区居民对农产品的需求在很大程度上依赖于高效的物流体系建设。国内外大量研究成果表明，城市物流发展定位确定和发展路径规划应建立在城市自身能力特征和城市体系结构的基础上，物流企业的空间布局及区位选择是影响物流业健康发展的重要因素，郊区以其低廉的土地价格、联系城市中心和远程物流的优势成为物流企业优先选择的区位[1]；并从宏观环境、市场规模与交通基础设施等角度研究城市物流企业的区位选择问题，探索物流企业的空间分布及其演化特征[2⇓⇓⇓⇓-7]。
随着新算法的不断涌现，有学者开始关注于节点选址、库存控制与运输管理三个问题的集成优化研究。Liu等尝试将库存控制引入到节点选址—运输管理问题中，提出选址—路径—库存集成问题（Combined Location Routing and Inventory Problem，CLRIP），以最小成本为目标建立数学模型，应用两阶段启发式算法进行求解，并用模拟的方法对模型及算法进行了测试和评价[8]；崔广彬等在多时期随机库存决策的供应链二级分销网络中使用双层规划法，在给定的多个潜在物流供应链节点中选出较好物流供应链节点的位置并确定巡回运输路径以及每条路径上的最佳订货量[9]；马汉武等采用了JITD策略，从决策者和客户两个角度出发，用先聚类再分配的方法解决了制造商到潜在分销中心的距离对选址产生的影响，使用双层规划建立了CLRIP集成优化模型[10]；陈德慧等在模糊随机需求变化条件下将模糊随机的成本模型利用模糊可能均值法转化为确定的混合0－1整数规划CLRIP模型，设计了在最优库存策略下再运用禁忌搜索算法改进初始解的两阶段混合启发算法[11]；唐金环等针对产供销一体化企业，引入碳配额差值系数，构建了结合碳配额差值的多目标CLRIP模型，并使用多目标混合粒子群算法对问题进行求解[12]。
物流供应链节点空间布局涉及节点选址、库存控制和运输管理三个方面，在以往的文献中，节点选址、库存控制与运输管理常常被分别考虑，无法实现最优物流节点空间布局且研究对象通常具有确定性，对模糊随机需求下的多因素组合决策问题少有研究。为此，本文从物流供应链的视角研究环首都流通圈农产品物流供应链系统，构建具有模糊随机需求的鲜活农产品三级物流供应链节点空间布局优化问题，在成本可控下实现配送中心及时、可达地完成配送。

1 确定优化对象与目标

北京最新城市规划（2016—2035年）的出发点就是着力解决供给、需求、质量方面存在的问题，推动相关产业向品质化、便利化、精细化方向发展。为了适应消费结构升级、促进京津冀协同发展、推动物流产业转型升级、疏解非首都核心功能的发展目标，2017年5月京津冀三地商务部门联合出台《环首都1小时鲜活农产品流通圈规划》[13]，到2020年形成“一核双层、五通道、多中心”的环首都1小时鲜活农产品流通圈。结合政府规划所制环首都流通圈示意图（图1）。
图1 环首都流通圈示意图

Fig.1 Diagram of circulation circle around the capital

其中，中间红色区域是“一核”，即北京市六环以内的特大型消费市场；灰色区域是“内层”，泛指从北京六环到河北天津的临近地区；灰色区域向外延伸至灰色环线之间的黄色、绿色区域是“外层”，地理上指天津、河北这两个环京区；“五通道”是以进京高速公路为主，国/省道及铁路为辅，打造西北、西南、东部、南部、东南五个方向的农产品进京通道；“多中心”则是依托“五通道”干线，建设集聚生产、中转、加工、仓储、交易、配送等功能的物流基地。
为落实规划目标，构建环首都流通圈鲜活农产品物流供应链，以由产地组织（“多中心”）、物流平台企业（“双层”）和含有宅配、自提功能的销售终端（“一核”）所组成的物流供应链系统为优化对象，采用CLRIP集成优化方法，参考赢商大数据选取北京市六环内27个商圈为代表，形成多个“组团式”的供应链物流节点空间布局，提高产地、物流中心、配送中心等节点衔接度，缩短物流中心与交通枢纽的流转距离，加快环首都农产品流通主体集约化、均衡化和规模化发展，推进农业产业、物流产业转型升级。对环首都流通圈鲜活农产品物流供应链系统的研究，可以充分利用规模效应和协同效应提升物流服务效率和效益，优化资源配置，提高农产品的配送效率，提升服务质量。

2 构建农产品物流供应链系统

物流供应链是以第三方物流企业为核心，通过优化配置流通过程中的资金流、物流、信息流、商流等，实现物流各功能环节、功能组织相互协同的网络组织，其中包含了提供产品或服务的整个过程中的所有物流活动[14]。目前有关物流供应链的研究主要集中在以成本、效率为考量的物流供应链构建研究和供应链协调及风险预警等方面[15⇓-17]。
鲜活农产品物流供应链，是以生鲜农产品为研究对象，围绕链上第三方物流企业，将产品从生产、预冷、初级加工包装、冷藏贮存、冷藏运输、流通加工、末端配送、分销过程中的物流、信息流、商流进行调控，协调鲜活农产品生产者、农资供应商、流通加工企业及消费者之间的利益关系，最终实现鲜活农产品在低温状态下高效、安全、低损耗的流通，使供应链整体效益最佳。而物流供应链的效率则取决于各节点的有效衔接与合理布局，其主要节点情况：上游节点为各类产品产地及加工中心；中游节点为中转点，包括各类冷藏库、产销批发市场及配送中心等；下游节点集聚销售终端群体，如超市、餐厅等[18]。本文结合环首都流通圈规划落实目标，基于物流供应链的内涵、环首都流通圈规划布局及已调研第三方物流企业与物流基地的建设情况，构建由产地组织、物流平台企业和含有宅配、自提功能的销售终端所组成的鲜活农产品三级物流供应链系统（图2）。
图2 鲜活农产品三级物流供应链系统

Fig.2 Three-level logistics supply chain system for fresh agricultural products

①产地组织（“多中心”）。产地组织为沿西南、南部、东南、东北、西北五条进京通道的农业生产基地以及农产品交易集散中心。产地主要配置了鲜活农产品生产、初级加工、临时贮存、产品中转、运输配送、完成交易等的设施。
②物流平台企业（“双层”）。“外层”区域形成基于流通加工的大型冷链物流生产加工基地和物流基地，包括集散中心、仓储中心、流通加工中心等，主要完成鲜活农产品清洗、整理、分级、保鲜等初级加工，一般分布于农产品生产基地附近。“内层”建设流通、分拨、配送中心，集农产品的冷藏贮存、冷链运输、冷链配送、终端零售以及信息处理等环节于一体的整套现代物流服务体系，主要用于及时为北京郊区和来自津冀集散中心的鲜活农产品进入首都消费市场提供便捷高效优质的配送服务，以实现最后1小时配送。
③销售终端主要是“一核”内北京地区的各类销售网点，比如新发地、农贸市场、连锁超市、社区实体店、宅配或自提功能的新零售商店等。区域内重点加快传统农产品批发市场的疏解和转型升级，完善流通终端网点建设，改造、升级社区菜市场和连锁销售便民终端，发展产地直供社区终端，提升鲜活农产品品牌化、连锁化、规范化发展水平。

3 建立配送中心空间布局优化模型

3.1 模糊随机需求的数学描述

供应商根据末端客户的订货来决策订货量和配送中心的库存，由于鲜活农产品的生产周期和提前订货期问题，在这段时间里市场变幻莫测，客户需求可能高于预期订货量，或者相近，或者减少，这种情况下用模糊随机变量来描述最合适，只用随机或者模糊都不够准确。例如，下个周期的农产品市场需求增加，可达5 000单位的概率为0.3，与预期目标需求量相近即4 000的概率是0.5，需求量接近减3 000单位的可能性为0.2。此时，用模糊随机变量来描述下一周期的市场需求最为恰当，即：
D ˜ - = d ˜ 1 , 市 场 需 求 增 加 ,                               p 1 = 0.3 d ˜ 2 , 市 场 需 求 与 预 测 相 近 ,   p 2 = 0.5 d ˜ 3 , 市 场 需 求 减 少 ,                               p 3 = 0.2
式中：用符号 D ˜ -表示模糊随机需求量（“－”表示随机需求，“~”表示模糊需求）； d ˜ 1、 d ˜ 2和 d ˜ 3为三种情况下的模糊需求。一般地，模糊需求可采用标准三角模糊数表示，如 d ˜ f = d _ f , d f , d ¯ f， f = 1,2 , 3，表示第 f种市场情形下的客户模糊需求， d ˜ f的隶属函数为：
u x f = L x f d _ f ≤ x f ≤ d f R x f d f ≤ x f ≤ d ¯ f 0 其 它
式中： d ¯ f、 d f、 d _ f均为实数且向左函数 L x f = x f - d _ f d f - d _ f , 向 右 函 数 R x f = d ¯ f - x f d ¯ f - d _ f。三角模糊数 d ˜ f也可由其 α水平集 d f = d f α - , d f α +， α ∈ 0,1表示，其中： d f α - = d _ f + α d f - d _ f， d f α + = d ¯ f - α d ¯ f - d f。模糊数 d ˜ f的模糊可能均值为：
M ¯ d ˜ f = M * d ˜ f + M * d ˜ f / 2 = ∫ 0 1 α d f α - + d f α + d α
式中： M * d ˜ f、 M * d ˜ f分别为 d ˜ f的最小可能均值和最大可能均值。

3.2 问题描述与模型构建

3.2.1 问题描述

CLRIP模型是一种集成优化模型，可用来解决潜在配送中心的最优空间布局情况，为便于研究这里做一些抽象处理。由于终端实体店数量比较多且分散，不便于规划设计，所以可以将一条线路上的和地理位置相近的实体店及超市抽象为一个客户需求点，这样也可以保证每个点的日需求量。三级物流供应链系统抽象化结构（图3），其中物流基地到配送中心为一级网络，配送中心到客户需求点为二级网络。客户点的需求是模糊随机的，在客户需求点的数量与位置、备选配送中心点的数量与位置确定的情形下，备选配送中心点会根据上游供应商的决策确定库存量。由于鲜活农产品的生产周期性，所以存在订货提前期，采用周期性检查库存与生产周期相匹配的策略保证库存量，提供配送服务时采用巡回方式。基于上述情况确定配送中心最优空间布局、最佳订货周期、库存保有量及最优配送路径。
图3 三级物流供应链系统抽象化结构图

Fig.3 Structure diagram of three-level logistics supply chain system

3.2.2 基本假设

①环首都配送中心所配送的鲜活农产品为单一农产品。②各备选配送中心的位置已知，即目前北京六环附近所有潜在的配送中心位置点，并且各个备选配送中心在单位时间内的固定成本已知。③每个备选配送中心点年工作天数均为360天，且工作日内都要为其客户需求点提供一次配送服务。④每个客户需求点只配置一组车，每条配送线路仅有一组车为其提供服务，且各线路运输车辆数量车型均相同；任一条配送线路上的客户日需求量总和不能超过车辆的载重能力，且配送车辆从备选配送中心点巡回路线回到出发点。⑤各客户点日需求量模糊随机，各自独立。⑥采取 T , S j周期性检查库存策略。

3.2.3 模型参数和决策变量

①模型参数。I为所有客户需求点集合 I = i；J为所有备选配送中心点集合 J = j；K为所有冷藏运输车辆集合 K = k； F j为各备选配送中心点 j的选址成本，即固定费用； C 1为物流基地到各个备选配送中心点的一级网络的单位量运输成本； C 2为各备选配送中心点到客户需求点的单位距离成本； C 3为每次的订货成本；T为订货时间周期；L为订货提前期； d i s j为备选配送中心点j提供配送服务的冷藏车辆运输距离； C q为冷藏车辆群的承载能力； D ˜ ¯ j为备选配送中心点j的日模糊随机需求量； D ˜ ¯ L + T , j， D ˜ ¯ L , j和 D ˜ ¯ T , j分别为备选配送中心点j提供配送服务的客户需求点在L+T、L和T时期（单位：天）内的模糊随机需求，其中， D ˜ ¯ L + T , j = D ˜ ¯ j L + T， D ˜ ¯ L , j = D ˜ ¯ j × L， D ˜ ¯ T , j = D ˜ ¯ j × T； d ˜ ¯ i为客户需求点 i的日模糊随机需求； S j为备选配送中心点 j的目标库存量； η为各备选配送中心点的年工作时间（单位：天）； C h为单位农产品的年库存持有成本； C s为单位农产品的缺货带来的成本损失。
②决策变量。
X g h k = 1 , 当 车 辆 k 从 节 点 g 经 过 节 点 h , g ≠ k ; g ,   h = 1,2 … , n + m ; k = 1,2 … , I 0 ,   否 则
Y j = 1 ,   若 配 送 中 心 j 开 放 , j = 1,2 , … , m 0 ,   否 则
Z i j = 1 , 若 配 送 中 心 j 为 客 户 i 提 供 服 务 , i = 1,2 , … , n ; j = 1,2 , … , m 0 , 否 则

3.2.4 CLRIP优化模型的构建

m i n C ˜ ¯ S , T , x , y = ∑ j = 1 m F j y j + ∑ j = 1 m η C 3 T + C h S j - D ˜ ¯ L , j - 1 2 D ˜ ¯ T , j + η C s T M ¯ D ˜ ¯ L + T , j - S j + y j + ∑ j = 1 m η D ˜ ¯ j C 1 y j + ∑ j = 1 m η d i s j C 2 y j
s . t .   ∑ g = 1 n + m ∑ k = 1 l x g h k = 1 ,     h = 1,2 , ⋯ , n
∑ g = 1 n + m ∑ i = 1 n d ˜ ¯ i x g i k ≤ C q ,     k = 1,2 , ⋯ , l
∑ g = 1 m ∑ h = 1 m x g h k ≤ 1 ,     k = 1,2 , ⋯ , l
∑ g , h = 1 n + m x g h k - ∑ g , h = 1 n + m x h g k = 0 ,     k = 1,2 , ⋯ , l
y j ≥ z i j , i = 1,2 , ⋯ , n   ;   j = 1,2 , ⋯ , m
D ˜ ¯ L + T , j - ∑ i = 1 n d ˜ ¯ L + T , i z i j = 0   ; j = 1,2 , ⋯ , m
x g h k = 0 或 1 ; g ≠ h ; g , h = 1,2 , ⋯ , n + m ; k = 1,2 , ⋯ , l
y j = 0 或 1 , j = 1,2 , ⋯ , m
z i j = 0 或 1 ; i = 1,2 , ⋯ , n ; j = 1,2 , ⋯ , m
式（2）为最优成本目标函数，由配送中心的选址成本、库存成本和运输成本构成；式（3）为约束条件，确保任一客户点仅有一组车为其配送，即在一条配送巡回线路中；式（4）约束每条配送线路上的客户需求总量，它是不能超过车辆群的承载能力的；式（5）保证每组配送车辆最多从其中一个配送中心出发；式（6）保证每组车辆都是从一个客户需求点进入，又从该点离开的连续运行；式（7）保证只有开放使用的配送中心才能为客户需求点配送商品；式（8）表示每个备选配送中心点的需求量等于其配送客户点的总体需求；式（9）~（11）为0~1决策变量。

3.3 CLRIP优化模型求解

本文先根据枚举法算出的最优库存量、订货周期，再采用启发算法计算模型的初始解，提高初始解的质量，最后利用禁忌搜索算法对初始解进一步改进直到搜索最优解。禁忌搜索算法流程如图4。
图4 禁忌搜索算法流程图

Fig.4 Flow chart of tabu search algorithm

主要步骤如下：
步骤1：根据优化过程与约束条件得出最优库存水平与订货周期，并进行随机匹配客户和配送中心，车辆群与配送中心匹配，得到初始解；随机将客户分配给各配送中心和车辆，取得初始解；
步骤2：初始解的优化改进。运用禁忌搜索算法，改进选址分配，并在此优化基础上继续改进库存—路径。通过两阶段的持续改进，不断优化选址—路径—库存决策，直到满足终止条件为止。
步骤3：按照情形1和情形2分别求出最优解，两相比较确定最终结果。

4 验证模型的可行性和实用性

以北京市六环附近已建配送中心及拟建配送中心为备选配送中心点，以北京市六环内27个商圈为客户点，依据各类参数为环首都流通圈农产品物流供应链的配送中心节点提供最优空间位置布局、配送路径和库存水平点，在成本可控下实现最优选址—路径—库存。为了便于计算确定最优配送中心的空间布局方案，这里随机选用河北省沧州市盐山县东北部的北京新发地盐山农副产品批发市场作为鲜活农产品的物流基地。

4.1 相关节点的选择

4.1.1 客户需求点的确定

本文研究环首都流通圈“一核”这个北京市六环内居民鲜活农产品消费需求，选择赢商大数据中心统计区域客流量大小的数据作为典型代表，通过综合考量、整理、归纳，北京市六环内商圈主要有27个（图5），分别为：三里屯、CBD、王府井、西单、望京、燕莎、金融街、东直门、朝青、西红门、常营、西直门、崇文门、双井、朝外、太阳宫、中关村、亚奥、北苑立水桥、公主坟、万柳、东坝、鲁谷、通州、黄村、顺义、亦庄。为便于数据处理计算，根据商圈地理位置及常住居民数，综合聚类分析整理，将商圈划分成12个范围，拟定为12个客户需求点，并运用重心法算出的重心位置作为客户需求点坐标，12个客户需求点的坐标依次为：（77，84），（75，122），（90，83），（90，106），（55，39），（83，49），（62，91），（120，90），（85，92），（138，160），（36，85），（49，117）。北京市客户需求点聚类示意图，如图6。
图5 北京客户点位置分布示意图

Fig.5 Beijing customer location distribution Diagram

图6 北京市客户需求点聚类示意图

Fig.6 Beijing customer point clustering diagram

4.1.2 备选配送中心点的确定

在确定备选配送中心点时，将已建成的配送中心或者正在改建的为保障城市农产品供应的冷链物流配送中心直接作为备选点，例如：通州马驹桥物流基地、黑庄户农产品物流配送中心、东郊农产品配送中心、南口农产品物流配送中心、北京超市发物流配送中心、大红门货场等6个。北京市规划拟建的配送中心及流通加工中心分布在昌平、朝阳、海淀、通州和丰台区，在规划拟建配送中心的区域，则根据土地价格以及政府规划（在五环路、六环路周边建立功能完善的物流中心）[19]找出比较符合条件的位置作为潜在配送中心点5个，虽然位置模糊，但是对最后结果影响不大，所以这里做假定处理。所有的备选配送中心点位置及选址成本见表1。
表1 所有备选配送中心点位置及成本参数（单位：元）

Tab.1 Alternative distribution center point locations and cost parameters（Unit：Yuan）

备选配送中心点j 坐标 选址成本Fj
1 （117，30） 18 980 000
2 （138，73） 14 600 000
3 （121，70） 43 800 000
4 （75，140） 48 180 000
5 （55，98） 56 940 000
6 （67，54） 18 720 000
7 （72，35） 15 780 000
8 （18，45） 949 000
9 （40，158） 4 500 000
10 （118，148） 1 168 000
11 （120，125） 1 224 000
综上，北京市客户需求点与备选配送中心点位置分布示意图如图7。
图7 北京市客户需求点与备选配送中心点位置分布

Fig.7 The location distribution of customer points and alternative distribution centers in Beijing

4.2 原始数据采集及分析

选定的环首都鲜活农产品三级物流供应链系统中，备选配送中心点不仅包括已建或者正在改建的6个配送中心点，还有5个规划拟建的比较合适的潜在配送点，其相对位置见表1。12个客户点的坐标位置和日均需求量见表2。
表2 12个客户需求点的坐标位置和日均需求量（单位：t）

Tab.2 End store customer point parameters（Unit：ton）

I 坐标 d i 1 ~ d i 2 ~ d i 3 ~
1 （77，84） 230 248 260
2 （75，122） 183 200 224
3 （90，83） 216 262 271
4 （90，106） 260 316 318
5 （55，39） 154 169 196
6 （83，49） 138 159 170
7 （62，91） 265 278 308
8 （120，90） 211 247 267
9 （85，92） 278 286 319
10 （138，160） 117 134 140
11 （36，85） 150 173 187
12 （49，117） 202 214 263
已知下列参数：C1=3，C2=4，C3=800，L=10天， C q=600， C h=1，Cs=4，η=360天。其中1、2、3、4、5、6分别代表通州马驹桥物流基地、黑庄户农产品物流配送中心、东郊农产品配送中心、南口农产品物流配送中心、北京超市发物流配送中心、大红门货场，是目前北京市在建和已经运行的配送中心，其余j点代表的是潜在配送中心， i表示客户点， d ˜ i f（f=1，2，3）的可能性分别为p1=0.3，p2=0.5，p3=0.2。

4.3 分析数据确定最优配送方案

运用Matlab 2014a开发了4.1所设计的方法的算法程序。禁忌搜索算法是一种随机搜索算法，它的初始解关联它的最优结果，因此选择8种不同的初始解数据，并记录相应的最优解，然后使用所设计的基于禁忌搜索算法的两阶段启发式算法，优化初始解（表3）。
表3 环首都配送中心CLRIP模型初始解和最优解的目标函数值（单位：元）

Tab.3 The objective function value of the initial solution and the optimal solution of the CLRIP model of the Capital Distribution Center（Unit：Yuan）

序号 初始解目标函数值 最优解目标函数值 偏差（%）
1 275 524 000 225 930 000 0.18
2 253 740 000 225 830 000 0.11
3 250 930 000 225 840 000 0.10
4 272 170 000 225 900 000 0.17
5 253 920 000 225 990 000 0.21
6 259 470 000 225 740 000 0.13
7 282 210 000 225 770 000 0.20
8 242 790 000 225 800 000 0.07
由表3可知，使用所设计的基于禁忌搜索算法的两阶段启发算法所求得的最优解总成本数都比较接近，8组数据中最大值是225 990 000元，最小值为225 740 000元，它们彼此之间的偏差很小，仅为0.1%，且总成本的最优解与初始解之间偏差范围为0.07%~0.21%，证明设计的CLRIP集成优化模型与基于禁忌搜索算大的两阶段启发算法是可行有效的。通过这种方法，计算得出的配送中心最优空间布局及库存、路径方案结果是相对准确。因此，由表3可以得出最优成本方案目标函数值为225 740 000元。在最优成本条件下，运用倒推法计算拟开放的备选配送中心点位置及其配送路径、选址成本、库存成本、运输成本（表4）。
表4 环首都流通圈鲜活农产品配送系统CLRIP模型的最优解（单位：元）

Tab.4 The optimal solution of CLRIP model for fresh agricultural products distribution system in the Capital Circulation Circle（Unit：Yuan）

最优成本/元 开放的配送中心 路径 T/d S j / t
选址成本 108 432 000 2 8→3 36 12 250
5 11→12 36 8 417
库存成本 113 595 000 6 1→7 36 11 806
7 5→6 36 8 749
运输成本 3 713 000 10 2→10 36 10 057
11 4→9 36 14 443
总成本 225 740 000
在最优解的各单项成本中，库存成本所占比重最大，是农产品的生产周期与订货周期之间客户需求点的总需求量导致的库存成本高，是为了保证需求；选址成本次之，选址成本偏高是由于北京市的地域位置所决定的，是没有办法调和的土地价格矛盾，属于正常范畴；运输成本相对较低，是由于大部分的备选配送中心点在选址时都考略到流通时间与配送效率，设立于北京市六环附近，本身运输距离就短，加之进京交通的便利性，因此运输成本属于三项成本中所占比例最低无可厚非。参照最优解，从备选配送中心点中开放2、5、6、7、10、11共6个配送中心，例如车辆从配送中心2出发，给客户需求点8配货后再到客户需求点3，然后回到配送中心，其余线路以此类推，集成绘制相应的配送中心最优选址—路径方案（图8）和配送中心最优空间布局（图9）。
图8 环首都流通圈配送中心的最优选址—路径方案简图

Fig.8 Optimal location-route scheme of distribution center in the capital circulation circle

图9 环首都流通圈配送中心的最优选址—路径方案空间布局图

Fig.9 Optimum location-route plan spatial layout of distribution center in the capital circulation circle

下面对案例中的相关数据和结果做简单的分析与总结。由表1可以看出，各备选配送中心点选址成本相差较大，例如北京超市发物流配送中心是黑庄户农产品物流配送中心选址成本的3.9倍，造成这种大落差的关键原因是地理位置不同，土地价格相差大。因此在规划物流节点布局时选址合理与否直接影响整个选址的成本高低，如果选择土地成本比较高的区域甚至对整个目标函数总成本的影响都比较显著。在本算例中，由于需求量与供应量的匹配度，11个备选配送中心点中只需要开放6个配送中心就能满足需求，各个方案的目标函数成本，除了选址成本这一影响总成本的因素外，库存成本与运输成本也会随着方案的不同波动比较大。不同的方案中各个配送中心的配送客户需求点、配送路径均不同，点与点之间运输距离会随之改变，相应的运输成本就会相差很大；而各个配送中心匹配的客户需求点的总需求量波动不同，库存水平、缺货损失就会出现连锁反应的不同，也会带来目标函数值差异很大。因此，在规划配送中心的空间节点布局时，要使选址—路径—库存方案尽可能的达到最优化，除了考虑选址成本，各个配送中心的配送路径与库存水平同样影响重大，它们不仅控制末端运输成本，同时制约着配送的及时性与集成优化程度。

5 结论

本文根据北京市最新规划与环首都流通圈的规划布局，运用物流供应链、物流节点、环首都流通圈鲜活农产品三级物流供应链模型等相关理论，构建了以河北省盐山县的鲜活农产品物流基地为产地，以北京市六环内的27个商圈为客户需求点，确定环首都流通圈鲜活农产品配送中心的最优选址—路径—库存方案，实现鲜活农产品供应链物流节点最优空间布局，为落实环首都流通圈规划，优化物流配送企业组织结构提供参考。
本研究的不足之处在于环首都流通圈的范围比较大，涉及到的供应链系统复杂，由于调研样本有限，考虑的因素可能不够全面。结合目前阶段性研究成果，指出进一步研究的方向：目标函数总成本除了选址成本、库存成本与运输成本外，在后续研究中可以将其他成本考虑在内，使成本最优方案更加准确；客户需求点是按照商圈进行规划，统计的客户需求相对比较模糊，后续研究可以考虑找到更好的统计方法；环首都流通圈鲜活农产品物流供应链的优化，除了优化配送中心空间节点布局外，还可以考虑从组织结构布局、供应链管理系统等方面进行优化。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Markus Hesse, Jean-Paul Rodrigue. The transport geography of logistics and freight distribution[J]. Journal of Transport Geography, 2004(12):171-184.

[2]
Junjie Hong, Anthony T. H. CHIN. Modeling the location choic-es of foreign investment in Chinese logistics industry[J]. China Economic Review, 2007, 18(4):425-437.

[3]
韩增林, 李晓娜. 第三方物流企业的区位影响因素研究[J]. 地域研究与开发, 2007, 26(2):16-25.

[4]
曹卫东. 城市物流企业区位分布的空间格局及其演化——以苏州市为例[J]. 地理研究, 2011, 30(11):1 997-2 007.

[5]
梁双波, 曹有挥, 吴威. 上海大都市区港口物流企业的空间格局演化[J]. 地理研究, 2013, 32(8):1 448-1 456.

[6]
秦璐, 高歌. 中国物流运营网络中的城市节点层级分析[J]. 经济地理, 2017, 37(5):101-109.

[7]
蒋天颖, 史亚男. 宁波市物流企业空间格局演化及影响因素[J]. 经济地理, 2015, 35(10):130-138.

[8]
Liu S C, Lee S B. A two-phase heuristic method for the multi-depot location routing problem taking inventory control decisions into consideration[J]. International Journal of Advanced Manufacturing Technology, 2003, 22(11-12):941-950.

[9]
崔广彬, 李一军. 基于双层规划的物流系统集成定位—运输路线安排—库存问题研究[J]. 系统工程理论与实践, 2007(6):49-55.

DOI

[10]
马汉武, 朱晖. 基于JITD的服务备件二级分销网络集成研究[J]. 工业工程, 2011, 14(6):76-80.

[11]
陈德慧, 陈东彦. 模糊随机环境下B2C电子商务配送系统CLRIP集成优化模型[J]. 系统管理学报, 2017, 26(4):744-753.

[12]
唐金环, 戢守峰, 蓝海燕, 等. 考虑碳配额差值的选址—路径—库存联合优化多目标模型与求解[J]. 管理工程学报, 2017, 31(1):162-168.

[13]
北京市商务委, 天津市商务委. 河北省商务厅环首都1小时鲜活农产品流通圈规划[R]. 2017.

[14]
梁双波, 曹有挥, 吴威. 长江三角洲地区物流供应链时空演化及其影响因素——基于国际货代企业数据的分析[J]. 地理研究, 2017, 36(11):2 156-2 170.

[15]
郑哲文. 基于可靠技术的应急物流供应链构建[J]. 中国流通经济, 2009, 23(10):54-56.

[16]
夏佐铎, 谭亮. 北京奥运物流供应链的构建[J]. 商业研究, 2008(2):126-129.

[17]
李晓宇, 张明玉. 农产品物流供应链风险生成机制及预警模式[J]. 管理现代化, 2009(4):47-49.

[18]
Dey O, Chakraborty D. A fuzzy random periodic review sys-tem with variable lead-time and negative exponential crashing cost[J]. Applied Mathematical Modelling, 2012, 36(12):6 312-6 322.

[19]
北京市商务委员会, 北京市发展和改革委员会. 北京市“十三五”时期物流业发展规划[R]. 2016.

Options
Outlines

/

〈 〉