在物流運輸業(yè)務中，調(diào)度環(huán)節(jié)的存在，可以有效地實現(xiàn)運力的合理分配。那么，怎樣才能設計出合理的調(diào)度系統(tǒng)，以支撐運輸業(yè)務的正常運轉(zhuǎn)？本篇文章里，作者結(jié)合自身經(jīng)驗，對調(diào)度模式和調(diào)度系統(tǒng)設計做了拆解和總結(jié)，一起來看看吧。

調(diào)度即為運輸業(yè)務中，貨物與運力的匹配環(huán)節(jié)。調(diào)度系統(tǒng)是業(yè)務系統(tǒng)基礎屬性，鏈接上游OMS系統(tǒng)，下游司機/車隊系統(tǒng)；或調(diào)度模塊內(nèi)嵌到TMS系統(tǒng)中，做單獨的操作模塊。

隨著數(shù)據(jù)的積累，派車規(guī)則的總結(jié)完善，越來越多的調(diào)度系統(tǒng)力求實現(xiàn)智能調(diào)度即自動派車的功能，依托算法或規(guī)則配置，優(yōu)化運力分配。

調(diào)度系統(tǒng)的核心，一是派車的準確度高，系統(tǒng)匹配出的為派車的最優(yōu)解；二是操作的便捷高效性，調(diào)度目前還有大量人工操作的場景，系統(tǒng)的使用便捷交互流暢是非常重要的；三是數(shù)據(jù)的積累及可視化展現(xiàn)，歷史數(shù)據(jù)的宏觀微觀展示，均可以在多個環(huán)節(jié)對調(diào)度策略進行優(yōu)化指導。

一、搶單和派單

調(diào)度模式簡而言之分為兩種，搶單和派單。

1. 搶單

搶單的邏輯較為簡單，將符合條件的活放到資源池中，司機自行篩選以及預定訂單。這種模式基礎的要求是司機端有完善的產(chǎn)品而且司機愿意配合使用；司機搶到的單，理論講一定可以運，延伸對司機的管控，比如主動撤單率高的司機和履約情況良好的司機區(qū)別收入或評分，適用于有固定運力，司機管控較為完善的運輸公司；針對信息匹配平臺，及時記錄搶單及放單行為，完善推薦匹配策略。

搶單的弊端，就是訂單及運力分配的不均勻，平臺公司無法強管控如利潤、客戶服務等。

例如好客戶的好訂單，被“壞司機”搶到，可能影響平臺口碑；再例如“壞客戶”的壞訂單，被好司機搶到，可能影響司機的運輸體驗或收入，會加大司機對平臺的抱怨程度；搶單模式不靈活，給平臺角色的自由度較大，因而很難精細化管理。很多運輸公司選擇用固定路線或固定運力池作為搶單模式的場景，用搶單代替固定的排班，通過減少場景來加強管控。

2. 派單

派單的邏輯可以很深入，也可以很簡單。

簡單的派單，就是調(diào)度人員找到訂單，選派合適的司機，調(diào)度過程即結(jié)束。這其中需要考慮司機是否有時間接單，不會和上一單或下一單有重疊即可，這也是大部分TMS系統(tǒng)所實現(xiàn)的程度。再進一步，司機端多考慮一步，是否讓已分派的司機撤單或設置司機需點擊接單的模式，上下游互選后履約成立，這也是網(wǎng)絡貨運平臺要求的履約模式。這一步往往會設置反饋，不接或撤單的原因，便于日后數(shù)據(jù)分析。

數(shù)據(jù)及規(guī)則積累到可量化的程度，即可嘗試自動調(diào)度。基礎的自動調(diào)度，即把調(diào)度人員的派車規(guī)則轉(zhuǎn)換成為系統(tǒng)語言，自動推薦運力；到策略層，即會考慮路徑規(guī)劃，多因素相互影響的算法。

調(diào)度考慮的因素列舉起來有如下：司機作息、運輸是否可成立、定向匹配、司機偏好、司機收入、平臺利潤、平臺報價、第三方服務等等。要精確的量化以上條件，必須對三部分數(shù)據(jù)進行建模分析，即司機畫像、車輛基礎信息維護、地址畫像。

• 司機畫像標記司機的收入要求、運輸偏好遠途近途、運輸習慣休息時間等；
• 車輛基礎信息，如核定載質(zhì)量、軸數(shù)、燃油類型、國五國六等，以此來判斷運輸能否成立；
• 地址畫像，能否走國道、是否有山路、是否有高臺等屬性，依次直接可作為運力篩選條件使用。

1）調(diào)度順序模型

初步探索自動調(diào)度，首選建立一個匹配的順序模型，即把上述條件順次排列依次匹配，觸發(fā)到即停止匹配。下面簡單舉一個順序模型的例子：司機作息>定向匹配>收入>…

第一優(yōu)先級：司機作息；即保證司機有能力接這單活，如果司機還在途或需要休息，調(diào)度無法成立。

簡單舉例，如司機在途一個往返150公里的訂單，默認可以當天返程，后一天的單理論可以繼續(xù)派此司機；另一個簡單的維度是時間，同樣往返150公里的訂單，默認司機可接20小時后的訂單，也是理論成立；精細一些的分析方向，依靠貨車導航精確判斷司機返程情況，或根據(jù)歷史訂單及歷史路徑選擇，精確估算到達時間。

第二優(yōu)先級：定向匹配；即合約司機或固定路線司機優(yōu)先匹配。

例如一些專線司機，只跑某一條路線，即可在其作息允許的基礎上，直接匹配分派。這個模式必須留一個兼容性，固定司機可用數(shù)量為0時，系統(tǒng)觸發(fā)正常匹配邏輯，否則會導致無車可派的情況。如若多個固定司機對應一個路線，進入下一條條件的判斷。

第三優(yōu)先級：收入，司機收入和公司平臺收入。大部分運輸公司和司機的合作模式，都會有保證最低收入的限制，所以系統(tǒng)需將這個權重影響到自動調(diào)度中。廣義區(qū)分，近途訂單收入少，遠途訂單收入多，所以針對最低收入較低的司機，派近途訂單的權重高于遠途訂單的權重，反之亦然。針對社會車輛或臨時合作的車輛，平臺收入的優(yōu)先級高于司機收入的優(yōu)先級。

物流平臺調(diào)度環(huán)節(jié)的收入，即為既定派車價-司機運費，司機運費越低，平臺收入越高（此處暫不展開其他維度 僅舉例說明），保證平臺總體利潤最大化，是高優(yōu)條件，但是收淡旺季、油價波動等因素的印象，會導致平臺利潤最大化的條件“不是最優(yōu)解”，年度利潤最大不等于每天或每月的利潤最大，多因素的波動也會影響利潤的計算取舍。

第四優(yōu)先級 … 不同企業(yè)可自行選擇。

以上為較為簡化的順序模型，企業(yè)可以根據(jù)自身的情況，設置個性化的權重。如果是TMS或調(diào)度的SAAS平臺，可將優(yōu)先級做為可配置項，按需設置。

2）算法示例

自動調(diào)度的另一個方向，是用算法來進行路徑規(guī)劃選擇，一般會細分到某一行業(yè)或領域，如城市配送、干線配送或醫(yī)療行業(yè)、服裝行業(yè)等，都是在場景下尋找路徑的最優(yōu)解，綜合路徑、路況、路橋費等因素，計算最優(yōu)選擇。常用的如路徑規(guī)劃算法、遺傳算法、蟻群算法等。下面簡述兩個算法的應用邏輯。

遺傳算法是一種模擬自然選擇和遺傳機制的優(yōu)化算法，具體來說，遺傳算法可以通過以下步驟進行物流派車調(diào)度：

1. 個體編碼：將物流車輛的行駛路線和配送計劃轉(zhuǎn)化為染色體編碼，例如使用二進制編碼或者排列編碼。
2. 初始化種群：隨機生成一組初始染色體，作為種群的初始狀態(tài)。
3. 適應度函數(shù)：定義適應度函數(shù)，即評價染色體的好壞程度。在物流派車調(diào)度中，適應度函數(shù)可以根據(jù)物流車輛的行駛距離、時間、成本等綜合因素進行評價。
4. 選擇操作：根據(jù)適應度函數(shù)對種群進行選擇，從中選擇適應度較高的染色體進行進化。
5. 交叉操作：將選出的染色體進行交叉操作，生成新一代染色體。
6. 變異操作：對新一代染色體進行變異操作，以增加種群的多樣性。
7. 替換操作：將新一代染色體替換原始種群中適應度較低的染色體，以保證種群的進化方向。
8. 迭代操作：重復進行選擇、交叉、變異和替換操作，直到達到預定的停止條件，例如達到最大迭代次數(shù)或者適應度達到一定的閾值。

蟻群算法是一種基于模擬螞蟻覓食行為的優(yōu)化算法，蟻群算法可以通過以下步驟進行物流派車調(diào)度：

1. 螞蟻模擬：將物流車輛視為螞蟻，通過模擬螞蟻的覓食行為來尋找最佳的配送路徑和配送計劃。
2. 路徑選擇：螞蟻在搜索過程中，通過釋放信息素和選擇路徑的方式，尋找最佳的路徑。釋放信息素的方式是將信息素分布在路徑上，選擇路徑的方式是根據(jù)路徑上的信息素濃度進行選擇。在物流派車調(diào)度中，信息素可以表示為物流車輛的行駛距離、時間、成本等綜合因素。
3. 更新信息素：當螞蟻完成路徑選擇后，需要將路徑上的信息素進行更新，以影響其他螞蟻的選擇。在物流派車調(diào)度中，可以根據(jù)物流車輛的行駛距離、時間、成本等綜合因素，更新路徑上的信息素濃度。
4. 重復迭代：重復進行路徑選擇和更新信息素操作，直到達到預定的停止條件，例如達到最大迭代次數(shù)或者信息素濃度達到一定的閾值。
5. 通過以上的邏輯，自動調(diào)度模型已經(jīng)跑通，進一步可以加強運營管理和數(shù)據(jù)監(jiān)控。特別說明一點，自動調(diào)度的基礎建設是一個較為復雜且研發(fā)量較大的模塊，如果企業(yè)想自建的話，首先考慮企業(yè)的訂單量是否可以支持模型跑通，例如一個小三方每月一兩萬單的數(shù)量，就沒有必要做自動調(diào)度模塊，其次考慮投入產(chǎn)出比，投入較大進而ROI較低，可以橫向比較是否要做，做到什么程度。

關于監(jiān)測數(shù)據(jù)，檢測自動調(diào)度系統(tǒng)運行情況的指標，基礎的就是自動調(diào)度成功率=衡量系統(tǒng)是否能匹配到運力，自動調(diào)度接受率=衡量系統(tǒng)是否匹配的準，可以建立漏斗模型進一步分析再哪個環(huán)節(jié)需要改進，粗略的說，自動調(diào)度接受率超過10%可以說方向就是對的，超過30%已經(jīng)及格，超過60%是相當不錯的程度，初期的預測可以大致依此作為預測目標基數(shù)或階段。

二、調(diào)度支撐模塊

調(diào)度的背后有幾個支撐模塊，報價模型、司機評分和客戶分級。報價模型衡量調(diào)度的可行性，在上述例子中涉及利潤的環(huán)節(jié)均需要報價模型的支撐。司機評分考核司機的服務情況，類似滴滴專車快車的概念，可以區(qū)分定價影響分派?？蛻舴旨壷饕獏^(qū)分客戶，可以精細化運營“保大客戶”等運營策略。

1. 報價模型

物流公司的報價模式，常用成本定價法。從成本的基礎上加上利潤部分，作為對外報價，差值即為最終利潤。

首先確定公司的成本結(jié)構(gòu)，包括運輸成本、人工成本、燃料成本等，做加法后即為運輸成本價。在確定成本結(jié)構(gòu)后，需要設定利潤要求，以保證公司的盈利能力，使用一次函數(shù)模型即可，例如y=kx+b，x為成本，k為利潤系數(shù)，b為附加利潤值，得出的y即為客戶報價。其中k、b均為可延展參數(shù)，均可由多個參數(shù)疊加。

建立市場變化參數(shù)，監(jiān)測市場變化，包括油價波動、淡旺季等因素，及時更新成本結(jié)構(gòu)和利潤要求。通過實時監(jiān)測和分析市場變化，可以及時調(diào)整市場變化參數(shù)，定價實時跟隨市場波動。淡旺季同比大概穩(wěn)定，初期可固定參數(shù)降權考慮；油價波動可直接與國際油價表保持一致。

制定價格策略，根據(jù)基準價格、成本結(jié)構(gòu)和利潤要求，制定相應的價格策略。價格策略可以根據(jù)貨物類型、運輸距離、發(fā)貨時間等因素進行分類，以滿足不同的客戶需求。定價策略和業(yè)務類型緊密相關，例如快遞快運按重泡比的計費方式、大宗商品按重量考慮虧噸漲噸的場景、首重+續(xù)重的計費方式、階梯定價等等。

根據(jù)以上模型，實時更新價格策略，根據(jù)市場變化及時調(diào)整價格參數(shù)，計算實時準確報價。

2. 司機評分

司機評分按網(wǎng)絡貨運的官方要求，貨主可直接評價司機，但實際運營中，多建立司機、貨主、平臺三方互評的評級機制，各方加權平均的結(jié)論為最終評分。

評分項圍繞運輸環(huán)節(jié)展開，例如準點情況、駕駛安全、貨物安全、服務態(tài)度、專業(yè)技能等等，評分項公司可以自行細分。

評分后的結(jié)果，需要做歸一化的處理，保證分值的規(guī)范性。另外，分值的有效性需要考慮，例如前三個月或前半年的分數(shù)，是否可以代表目前司機的服務情況，依此思路設計評分的更新機制。司機紅線、退出機制需要提前設置。例如司機私自吞貨或司機毆打客戶等等紅線條例，觸發(fā)扣分甚至退出機制。

3. 客戶分級

客戶分級參數(shù)直接影響報價、調(diào)度。例如大客戶或重要客戶的報價，略低于市場價，并且該客戶的貨，需要調(diào)度保證可以匹配運力，甚至需要預留120%的運力給大客戶。不同的分級的客戶，制定不同的運營策略，用分級參數(shù)影響報價及自動調(diào)度的計算。

客戶如何分級是個頂層的議題，財務可以說利潤率高的是好客戶，業(yè)務可以說貨量大的是好客戶，老板可以說他的朋友公司是好客戶，各角色對好客戶的定義不盡相同。如果用歷史數(shù)據(jù)來測算結(jié)論，未必可以涵蓋全部訴求場景。初期的分級可以直接設置為高權限操作手動選擇，線下約定更新頻次及機制，以此來簡化系統(tǒng)及場景。

三、調(diào)度系統(tǒng)交互

調(diào)度系統(tǒng)的交互設計，可以嘗試脫離常規(guī)的列表表單的設計，因為其有大量圖形結(jié)合的場景，可在一張地圖上完成操作，即運輸可視化。主要包含以下幾方面內(nèi)容：運力監(jiān)控、地圖打點標記、路徑規(guī)劃/歷史路徑查看、延伸場景。

• 運力監(jiān)控；物流企業(yè)對運力的在途行駛、車輛狀態(tài)等的監(jiān)控，標記在地圖一目了然。常用的實現(xiàn)方式有兩種，一是車上放置硬件獲取實時定位，二是對接北斗獲取定位。
• 地圖打點標記；調(diào)度對部分地址會進行標記，輔助操作。例如某天同市的出口訂單標記紅色的點，聚合顯示數(shù)量，以便于預留運力。系統(tǒng)可保留篩選項，靈活打點標記，做好聚合放大縮小的信息展示。
• 路徑規(guī)劃/歷史路徑查看；針對某地址的路徑查看，可輔助調(diào)度選擇行駛路徑估算到達時間等。可對路線進行進行標簽建模，快速展示核心信息。
• 延伸場景較為綜合例如集裝箱運輸常用的匹配運輸、分段運輸?shù)?，通過上述地點標記、運力監(jiān)控功能的結(jié)合，輔助調(diào)度實現(xiàn)兩個小箱拼車或長途分段的操作。

四、寫在最后

自動調(diào)度是很多物流公司信息化的白月光，它就在那里，好像能夠一夠又好像去之甚遠。

我自己曾經(jīng)帶著二十多個研發(fā)，大干兩個月搞出來了一個自動調(diào)度1.0版，調(diào)度成功率僅1%，存在無數(shù)詬病，被老板噴、被調(diào)度噴、被司機噴…仿佛自動調(diào)度是個偽命題，通過不斷地迭代調(diào)度成功率緩慢提升，過程及其痛苦。

但不可忽視的一點，調(diào)度本身存在太多無法系統(tǒng)化公式化的場景，充斥著人情世故及私人交易。另一個角度如果都實現(xiàn)了自動化，傳統(tǒng)的調(diào)度崗位就不存在了么？所以調(diào)度人員內(nèi)心也不希望自動派車的結(jié)果那么準自然也不會那么配合…

總之確定立項自動調(diào)度前，一定做好打硬仗的準備。以上經(jīng)驗均為實踐中來，也歡迎各同行多多交流指正~