本文目录
路线不长,为什么仍会迟到:把收货时间窗放进配送排程
全文共 3280 字,阅读约需 7 分钟
用四点双车模拟说明到达、等待、服务开始与离开,保留容量约束,独立检查时间窗与卸货,并比较匿名服装和禾味案例。

一辆车把货装好,并不意味着当天的配送已经安排妥当。服装协同收货点可能只在交接人员在岗时接货;餐饮门店则可能在开餐准备前集中收货。路线里程看起来很短,车也没有超载,司机却可能在第一站等门、在第二站错过窗口。
D22解决的是“货能不能分给这些车”。今天把问题推进一步:按这个顺序走,每一站什么时候到、什么时候开始卸货、什么时候离开?
本文所有数据均为模拟,不连接生产、不真实派车。两个案例分别从D22的十点网络取仓库0和配送点1—4,不换坐标、不改距离与每点2箱的需求,仍有两辆容量12箱的车。四点总需求8箱,一辆车在容量上已经装得下,另一辆允许不出车。这不意味着十点问题突然少了一半工作,而是为了让每一步能手算,明确缩小了问题规模。
一、先约定:窗口限制的究竟是哪一个时点
“8:30收货”可能指车到门口、开始卸货,也可能要求全部卸完。三种口径对应不同约束,不能混用。
本练习明确约束开始服务的时刻。例如窗口8:20—9:00,8:10到达可以等待,8:20开始卸货合规;9:00开始卸货也合规,即使卸完时已过9:00。若真实业务要求9:00前卸完,就必须改为“服务开始+服务时长不超过窗口终点”,不能照搬本文。
对每一站记四个时点:
- 到达=上一站离开+本段行驶时间。
- 开始服务=到达时间与窗口起点中的较晚者。
- 等待=开始服务-到达。
- 离开=开始服务+本站卸货时长。
窗口检查为“起点≤开始服务≤终点”。等待并不是行驶,也不是卸货;把这三段拆开,才能解释到底为什么迟到。

这里采用最早开始服务的确定性排程。固定出发时刻和路线,在允许等待、行驶及服务时长确定的假设下,尽早服务不会使后续更晚。它适合独立核验路线;不是要求现实司机无条件提前到场,也没有建模停车、排队和提前等待费用。
二、距离和时间分开保存,卸货不能丢
距离矩阵以米计,沿用D22的正交道路教学模型;时间矩阵以分钟计,另存为time_matrix。本次教学时间假设是每公里3分钟,再加每一段2分钟的固定开销,对角线为0。它不是实时导航数据,也不是对实际城市速度的估计。
例如匿名服装仓库到点1为3000米,对应11分钟;点1到点2为2000米,对应8分钟。不能直接把3000填进时间维度,也不能认为所有时间成本都与距离成比例,因为每一段还有固定开销。
| 点 | 需求(箱) | 服务开始窗口 | 服装卸货(分钟) | 禾味卸货(分钟) |
|---|---|---|---|---|
| 1 | 2 | 8:20—9:00 | 8 | 5 |
| 2 | 2 | 8:30—9:10 | 10 | 6 |
| 3 | 2 | 8:40—9:40 | 8 | 5 |
| 4 | 2 | 8:40—9:50 | 6 | 4 |
两车均固定8:00出发,最迟10:00回仓;不用的车以0→0表示。数据保存的是从午夜起的整数分钟:8:00=480,8:30=510。窗口、行驶时间、服务时长不可混用时间戳或秒数。
匿名服装案例只模拟装箱货物向协同点配送,不涉及工序先后、取货、换厂或质检等待。禾味仍是虚构教学案例,原背景为2店、8食材SKU、14天小样本;本篇四点来自其十点配送教学扩展,不能冒充原两店真实数据。每点2箱是外生假设,并非将原SKU公斤数直接相加所得;温层、保鲜时效和混装兼容性也不在本模型中。
三、先手算一条服装路线
先不求最优,只检查按编号走的0→1→2→3→4→0。
| 站点 | 到达 | 等待 | 开始服务 | 离开 |
|---|---|---|---|---|
| 1 | 8:11 | 9分钟 | 8:20 | 8:28 |
| 2 | 8:36 | 0 | 8:36 | 8:46 |
| 3 | 8:54 | 0 | 8:54 | 9:02 |
| 4 | 9:10 | 0 | 9:10 | 9:16 |
| 回仓 | 9:33 | 0 | 不适用 | 不适用 |
第一站早到9分钟,这9分钟会进入整条路线的时间账。第二站到达8:36,不是8:28,因为点1还要卸货8分钟,再行驶8分钟。全部站点的开始服务都在各自窗口内,9:33回仓也满足10:00上限。
这条路线距离14公里,出仓8箱,逐站剩余6、4、2、0箱。距离、时间、载荷三本账都通过,才称为可行。不能只截图求解器输出的一行“Objective”。
四、求解器怎么表达,而不是怎么替你判断
配套代码的目标仍是最小化总行驶距离,不是总行驶时间,不是最少车辆,也不是最短总作业时长。未设置用车固定费,结果使用一辆车只是这次结果,不能推广为最少用车证明。
实现上保留需求回调和容量维度,再增加时间维度。时间回调对弧i→j返回:
service_minutes[i] + time_matrix[i][j]此时节点累计时间解释为“开始服务时刻”,不是直接解释为车到场时刻。等待余量允许服务时刻向后推,窗口范围加在客户节点,出发点固定480,终点限制不晚于600。独立检查器根据路线重新计算到达与等待,不把求解器内部累计值直接改名为实际到达。
OR-Tools的时间窗示例提供时间矩阵、等待余量和窗口设置的基本方法。本练习另外保留了容量、加入卸货时长,且距离目标与时间约束分开设置。因此,官方示例不能直接当成这里完整的业务模型。
本次使用OR-Tools 9.14.6206,首解为PATH_CHEAPEST_ARC,局部搜索为GUIDED_LOCAL_SEARCH,时限5秒。每次求解保存版本、设置、原始状态和路线;找到路线后再交独立检查器。没有返回路线时,不应擅自写成“已证明无解”。数据格式错误则应在求解前报告,不能与业务不可行混成一种失败。
五、收紧同一个窗口,两类业务并不必然得到同一种结果
将点2窗口从8:30—9:10严格收紧到仅允许8:30开始服务。这是极窄窗口的教学压力测试,不建议真实业务直接采用零宽窗口。
匿名服装按编号路线在8:36才到点2,晚6分钟,因此失效。可是“旧顺序不能用了”不代表整个问题无解。重新安排为0→2→1→4→3→0:点2在8:17到达,等13分钟至8:30卸货;点1在8:48服务;点4在9:04服务;点3在9:18服务,9:49回仓,仍然合规。
禾味同样按编号走,点1在8:08到达、等到8:20服务、8:25离开,再行驶5分钟,恰好8:30到点2。收紧窗口后,这条旧路线仍然可行。同样一个“收紧窗口”动作,效果取决于路网、服务时长和原排程中的余量。

| 案例 | 原窗口求解结果 | 收紧后求解结果 | 按编号旧路线是否失效 |
|---|---|---|---|
| 匿名服装 | 14公里,1辆出车 | 18公里,1辆出车 | 是,点2迟到6分钟 |
| 禾味教学扩展 | 10公里,1辆出车 | 10公里,1辆出车 | 否,点2恰好8:30服务 |
服装原窗口求解路线为0→1→4→3→2→0,与手算路线顺序不同但距离同为14公里。收紧后的18公里是新约束下找到的可行结果,不能说算法“退步4公里”,更不能把两种约束下的差额包装成优化收益。禾味结果持平,也不说明时间窗无用,只说明本次原路线已经满足新窗口。
实践包另枚举四点全排列及两车分割,共120个带车辆标签的候选组合;原窗口分别有66个服装可行组合、88个禾味可行组合,收紧后为28和52。这个小规模枚举用于交叉检查可行性,不作为通用VRP求解能力,也没有把启发式输出宣称为全局最优。空车及两车互换都会被计入,所以这些数字不是不同业务方案的去重数量。
六、验收要故意把路线弄坏
独立检查器不调用OR-Tools,根据原始需求、矩阵与路线重算。至少要故意制造以下失败:漏一个点、重复服务、超载、回仓太晚、窗口迟到、内部插入仓库节点、非法编号。输入端另检查矩阵大小、非负整数、窗口起止顺序与单位。
配套测试还包含点2窗口设为8:00的矛盾例。两车都8:00出发,仓库到点2行驶时间大于0,所以不可能按时服务;四点完整枚举也没有可行组合。这个结论来自明确的时间矛盾与穷举,不是因为某次搜索超时。
目前模型仍假设行驶和卸货时长确定、各点一次完整服务、车辆同速、无休息时间和排队随机性。现实上线前还要确认:早到能否等候、等在哪里、司机工时、卸货资源共享、窗口是谁承诺、晚到是否硬性拒收。没有这些业务口径,求解器参数再多也不能使错误模型变成可执行安排。
实践资料与下一步
先运行不依赖求解器的已保存路线复核,再按说明安装锁定版本重新求解。重新运行可能返回不同但可行的路线,实测耗时也会变化,不能要求逐字复现启发式搜索的内部路径。
D24将继续把容量、窗口与搜索时限拆成单因素实验。今天最值得保留的不是一条看起来漂亮的线路,而是一张可以逐站核对的排程:车何时到,等多久,何时开始服务,何时离开。