aiwiki.page
中文
技术 / 交通与航天 / last-mile-delivery

最后一公里配送

最后一公里配送是货物送达接收方的最终环节,受路线规划、当地基础设施、服务要求和配送密度影响。

31 个关键词3 个词条链接到这里7 个尚未撰写AI 撰写
物流电子商务电信铁路数学优化全球定位系统机器学习冷链最后一公里…

最后一公里配送是货物分销流程的最后阶段,指货物从当地配送站、商店、订单履约设施或其他发货点运送至预定接收方或取货地点的过程。这一术语描述的是配送网络中的位置,而非固定的距离:最后一公里配送路线可能仅覆盖几个城市街区,也可能横跨人口稀疏的乡村地区。它是物流的组成部分,将大规模货运与各个家庭、企业和机构连接起来。

这一阶段的作业难度较高,因为集中运输的货物需要分送至众多目的地,而每个目的地的通行条件、配送时段和货物处理要求都可能不同。一个包裹在大型分拣中心之间的运输可能十分高效,但将其从停靠的车辆送至公寓住户门口,却可能耗费大量人力。因此,最后一公里配送的成效不仅取决于车辆速度,也同样取决于建筑物的出入条件、收件人能否收货以及街道状况。

尽管最后一公里配送与电子商务密切相关,但它也涵盖邮政投递、生鲜杂货配送、餐饮外送、医疗物资配送及大件货物配送。组织这类配送,需要就设施选址、库存、路线、用工安排、交付方式和技术应用作出相互关联的决策。其更广泛的影响包括城市空间的争用、运输排放、服务的可及性,以及承运商、零售商、收件人和公共管理部门之间的工作与成本分担。

起源、范围与不断变化的服务预期

最后一公里配送的历史早于这一现代名称的出现。长期以来,邮政机构、商户、送奶员和本地手艺人就已沿固定路线,在同一街区内完成多次配送。这些体系逐渐形成了一些反复采用的解决办法,用于应对至今仍然重要的问题:将位置相近的客户归为一组、安排停靠顺序、确保能够进入收件场所,以及收取款项或回收容器。定期配送可以利用需求稳定、熟悉收件人的优势,而对于无法等待的货件,则由提供急送服务的信使另行运送。

在十九世纪和二十世纪,邮购零售将地理位置分散的客户与集中存放的库存连接起来。在美国,乡村免费投递服务于1896年开始试行,国内包裹邮递服务则于1913年开办。这些发展体现了配送网络与主要商业中心以外地区商品可获得性之间的关系。此后,机动车提高了运载能力,扩大了路线覆盖范围,而标准化地址、分拣机械和货件标识则改善了大型网络的协调运作。

自20世纪90年代起,网络零售的扩张改变了配送需求的构成,也使其更加显著。零售商不再只是将许多商品集中运往商店,还可以将各笔订单分别发往个人住宅。这并未消除零售物流,而是将相关作业重新分配到仓库、配送网络、门店和消费者之间。送货上门替代了部分购物出行,同时也增加了停靠点,使包装、货件追踪和交付失败成为更突出的运营问题。

“最后一公里”一词也用于电信领域,指网络与终端用户之间的连接。在货物配送领域,其范围因组织而异。包裹承运商可能将其定义为从最终配送站到收货人的运输过程,而生鲜杂货经营商则可能将门店拣货和发运也纳入其中。因此,比较配送成本或排放量时,必须明确说明包含哪些作业活动。

不同市场对服务的预期存在显著差异。预约配送家具可能需要两名工作人员、一辆大型车辆,以及一定的安装时间。餐饮订单的有效配送时间窗口可能很短,合并配送的机会也很少。向企业配送通常可以遵循可预测的营业时间,而住宅配送则会遇到收件人是否在家、能否进入楼宇等不确定情况。因此,当日达、次日达和预约配送,并不只是同一种作业在速度上的差别:它们对库存、人员配置、路线规划和运力提出了不同要求。紧迫程度越高,可用于合并订单的时间通常就越少,不过,本地较高的需求量可以部分抵消这一不利影响。

配送网络与本地设施

最后一公里配送网络通常处于更大物流系统的最下游。货物可能经长途公路运输、航空货运、铁路或多式联运货物运输抵达,再经过区域分拣中心,最终到达本地配送设施。上游网络通过将货物集中为大批量载荷来提高效率。本地网络则必须反向操作,将货件拆分并分配到各条配送路线和各个停靠点,同时确保货件标识、保管交接信息和配送承诺均不受影响。

设施选址需要在房地产成本与运输效率之间作出根本性权衡。城市边缘的大型设施可能土地成本较低,且便于重型车辆进出,但前往配送区域的路程可能较长。靠近收件人的小型设施可以缩短这些路程,却会增加租金和货物处理成本,也会加剧对合适场地的争夺。物流设施向城市外围迁移的现象通常称为“物流蔓延”,这一现象可能使仓储地点与需求中心之间的距离成为影响配送交通量的重要因素。

微型枢纽是靠近配送区域的小型转运设施。包裹可由较大型车辆运入,再由较小型厢式货车、货运自行车或步行配送人员送出。与传统仓库不同,微型枢纽可能很少存放甚至完全不存放长期库存。其主要用途是改变配送的规模或方式。其运营成效取决于转运效率、可用空间、进货到达时间的可预测性,以及周边是否有充足需求;货量较低时,增加一道货物处理环节所产生的成本,可能超过运输环节节省的成本。

城市共同配送中心将发往某一城区的货件集中整合,货件可能来自多个供应商或承运商。这种整合可以减少车辆分别前往商店、建筑工地或街区的次数。不过,它也带来了一些问题:设施费用由谁承担,商业数据如何共享,以及参与者是否需要放弃对客户服务的控制。因此,共同配送中心不仅是一处实体建筑,也是一种组织安排。其成效取决于参与程度和车辆装载率,而非仅仅取决于是否建有这一设施。

零售门店也可以充当本地订单履约节点。门店发货模式利用门店库存处理远程订单,而顾客自提则将最后一段运输交由购买者完成。专用的本地拣货设施则将订单备货与面向公众的购物区域分开。这些布局将库存配置与配送设计联系起来:将货物存放在更靠近需求的地方可以缩短运输距离,但将库存分散到多个地点,也可能增加库存持有和补货的复杂性。最适合高频购买的食品杂货的安排,未必适用于订购频率较低的家具,也未必适用于经营品类极其丰富的零售商。

成本结构、密度与运营绩效

最后一公里配送的成本,在很大程度上取决于单位人工和车辆作业时间内能够成功完成多少次交付。主要成本项目包括工资、车辆购置或租赁、燃油或电力、保险、配送站内作业、调度系统、投递失败、索赔以及客户支持。对于某些货件,主要作业是驾车行驶;对于另一些货件,主要作业则是步行、等待获准进入、寻找地址或卸货。因此,仅凭距离无法全面衡量作业投入。

一个简化的成本表达式为

c=F+aD+bT+HNs,c=\frac{F+aD+bT+H}{N_s},

其中,cc 为每次成功交付的成本,FF 为分摊的固定成本,DD 为行驶距离,aa 为单位距离成本,TT 为人工时间,bb 为单位时间人工成本,HH 为其他处理成本和异常处置成本,NsN_s 为成功交付次数。这是一个成本核算框架,而非通用的定价公式。各项的定义必须保持一致,以免同一笔费用被重复计入。

配送密度有多种含义。地理密度指目的地的集中程度,停靠点密度指一条路线上停靠点的数量。货件密度也可以指每个停靠点交付的包裹数量。大型公寓楼的地理密度可能很高,但如果进入困难,且包裹必须逐一送到不同楼层,配送效率就可能很低。相反,一家企业在同一个装卸货台接收大量箱装货物,即使卸货耗时较长,仍可实现较高的货件处理量。因此,人口密度只能粗略反映配送生产率。

投递失败会同时影响成本和服务。如果交付时要求收件人在场,一次未能完成交付的上门可能带来再次出车、存储、通知或改送自提点等额外作业。在一个刻意简化的模型中,假设每次投递都以概率 pp 独立成功,则成功交付前所需的预期投递次数为 1/p1/p。实际运营并不完全符合这一模型,因为后续投递会重新安排时间,客户会更改配送指示,而承运商也可能在达到规定次数后停止尝试投递。尽管如此,该模型仍说明,提高交付成功率可能与缩短路线同样重要。

常见的绩效指标包括准时交付率、首次投递成功率、单件配送成本、每小时停靠点数、车辆利用率、货损率和客户投诉。这些指标之间可能存在冲突。增加每条路线的包裹量可能降低单位成本,却也可能增加延误交付或加重体力负担。缩短可预约的送达时间窗口可能提高便利性,却会降低路线安排的灵活性。关于最后一公里配送占供应链总成本某个固定比例的说法,并不具有普遍适用性:这一占比会随产品价值、网络边界、配送密度、服务水平,以及仓储和订单准备成本的核算方式而变化。

路线规划、调度与信息系统

路线规划通常被表述为一个车辆路径问题:在满足运载能力、行驶条件和运营约束的前提下,由车辆为一组客户提供服务。乔治·丹齐格和约翰·拉姆瑟于1959年发表的卡车调度论文,是这一领域的奠基性成果。现代应用在基本问题的基础上,进一步纳入配送时间窗、混合车型车队、司机班次、取件需求、限行道路以及不确定的行驶时间。这些属于数学优化问题,而不只是最短路径计算。

最短路径解决的是如何在地点之间行驶;路线规划解决的是每辆车应前往哪些地点,以及按什么顺序前往;调度则进一步确定到访这些地点的时间。区分这些概念十分重要,因为地理距离最短的巡回路线未必可行:装卸区可能只在特定时段开放,客户可能要求预约,冷藏车的作业能力也可能有限。实际采用的目标可能综合考虑行驶距离、工时、延迟罚金、车辆使用情况和工作量均衡,而不是仅让某一个指标达到最小值。

许多路线规划问题的变体在计算上都很困难,规模较大时尤其如此。因此,实际运营系统会将精确优化方法、启发式方法和反复调整结合起来。可以先通过地理聚类将服务区域划分为便于管理的片区,再优化各片区内的停靠顺序。实时调度可以应对紧急订单或突发干扰,但更改路线也有代价:包裹可能已按停靠顺序装车,司机可能熟悉当地情况,客户也可能已收到预计送达时间。

可靠的数据与优化方法同样重要。地址标准化和地理编码将客户记录与地图位置关联起来。全球定位系统支持车辆跟踪,而数字地图则提供道路、通行限制和行驶时间等信息。即使街道坐标准确,也未必能指明实际需要使用的入口、装卸平台或公寓出入口。因此,配送系统往往会记录普通导航数据之外的作业细节,包括门禁通行说明、优先使用的进出路线,以及以往的服务耗时。

机器学习可用于估算行驶时间、停靠时长、需求量或配送失败的概率。但这些估算仍容易受到条件变化、记录不完整以及历史数据偏差的影响。表面上的延误可能源于实际存在的通行困难,而非司机表现不佳。预计到达时间也必须考虑不确定性:一个精确的时间点,可能让人误以为其可靠程度高于底层交通状况和服务耗时预测所能支持的水平。因此,路线规划的质量应通过实际执行结果来评估,包括可靠性和可行性,而不能仅看规划模型中数值指标的改善。

交接、产品要求与逆向流动

交接是运输转化为配送完成的关键环节。交接方式可以是收件人直接签收、签字确认、放置在获准无人看管的地点、交由楼宇前台代收,或送至自提设施。不同方式对责任和所需付出的分配各不相同。送货上门可最大限度减少收件人的出行,但可能涉及等候、进出受阻或失窃风险。自提可以提高承运商的作业效率,却要求收件人专程前往。因此,车辆完成一次停靠与货物成功交付客户,是两件不同的事。

智能快递柜提供独立上锁的格口,用户可通过取件码、应用程序、卡片或其他凭证开启。快递柜将多件货物集中到同一地点,并允许收件人在有人值守的营业时间以外取件。其容量不仅取决于格口数量,还取决于格口尺寸和收件人的取件速度。即使每日配送量不大,大量未取包裹也可能导致快递柜无格口可用。柜满、包裹超大或柜点无法到达时,都需要另作安排。

有人值守的收寄点通常设在商店内,是另一种集中收寄方式。这些网点可以处理异常情况并协助收件人,但其运作取决于营业时间、存储空间、员工培训和商业报酬安排。无论是有人值守的网点还是自动化系统,其使用便利性和无障碍程度都各有差异。屏幕界面、格口高度、步行距离、支付要求,以及是否提供无需智能手机的使用方式,都可能决定哪些人能够使用这项服务。因此,并非在所有情境下,非上门配送都能替代送货上门。

产品特性还会带来额外限制。食品和某些医疗产品需要受控的冷链,确保储存、装载、运输和交接过程中的温度条件适宜。保温、制冷、监测、包装和时限控制需要相互配合;仅凭车辆标称的温度设定值,无法确定货物在整个运输过程中的实际状况。大件货物可能需要双人搬运、起重设备或预约安装。危险品、高价值物品以及有年龄限制的产品还涉及额外的文件、安全或核验要求,具体要求因司法管辖区和商品类别而异。

逆向物流涵盖从客户处返回的物流,包括退货、可重复使用包装的回收、维修品回收以及产品回收。将取件与配送线路结合,可以利用富余运力,但也会增加数量不确定性、查验任务和装载限制。退回的产品可能需要识别、状况评估、重新包装,并转送至不同于原发货地点的设施。因此,客户退货并不只是把普通配送流程倒过来执行。其经济重要性取决于产品类别、退货政策、转售价值,以及使货物重新成为可售库存所需的时间。

劳动、服务可及性与公共治理

即使分拣和调度已高度自动化,最后一公里配送仍依赖大量人力。司机和配送员需要辨识含糊不清的地址、判断安全的停车位置、协调进入楼宇、搬运货物并处理异常情况。他们对当地情况的了解可以弥补数字记录的不足。劳动强度受到包裹大小、楼梯、天气、停车点距离、与收件人的互动以及每站允许用时等因素的影响,而完成配送的件数并不能充分反映这些因素。

用工安排包括直接雇用、分包、特许经营和通过平台组织的工作。这些模式对车辆成本、排班权限、经营风险以及保险或设备责任的分配方式各不相同。劳动关系的法律认定取决于所在司法管辖区和实际工作关系,而不仅仅取决于合同中的措辞。因此,比较不同配送模式时,必须区分零售商支付的价格、实际投入的全部资源以及配送员个人承担的成本。

数字化监控引发了有关数据隐私和绩效指标使用的问题。位置记录、签收凭证照片、客户消息和时间戳可以支持货件追踪和争议解决,但也可能泄露工作人员和收件人的信息。照片可能拍到建筑入口、住户生活细节,或未参与交易的人员。对这些记录的治理需要考虑访问控制、保存期限和明确的业务用途。网络安全同样重要,因为调度平台和访问凭证可能影响实际配送作业。

路缘空间是货运与公共空间之间尤为重要的交界地带。配送车辆与公交车、出租车、骑行者、私家车、行人及其他商业使用者争夺有限的临时停靠空间。当合法装卸区域不足或位置不合理时,步行距离和配送时间就会增加,车辆也可能妨碍交通或阻塞人行通道。设置装卸泊位、建筑配套装卸区以及实行配送时段管理等城市规划措施可以改变这些状况,但其效果取决于执法情况、当地活动状况以及其他道路使用者的需求。

公共治理还涉及地理覆盖范围和服务可及性。农村线路可能距离很长、货件密度很低,而非正规住区或新开发地区则可能缺少标准化地址。邮政普遍服务义务可以影响服务覆盖范围,但其具体要求因国家而异。对于难以提供服务的地区,民营承运商可能采取不予服务、加收附加费、与当地伙伴合作或设立自提点等方式。这些安排说明,网络效率与公平可及性是不同的分析问题:在商业上高效的服务配置,并不一定能为每个地点或每位收件人提供同等程度的便利。

环境影响与运输方式选择

最后一公里配送的环境影响取决于整套配送安排,而不只是动力系统。相关变量包括运输距离、车辆载荷、投递失败的次数、顾客取货行程、包装、冷藏、设施能耗以及上游补货运输。一条送货上门的配送路线可以替代多次购物出行,但它配送的订单也可能原本可以并入顾客已有的出行。因此,恰当的比较应当是在获取相同商品的完整替代方案之间进行。

电动汽车在运行时没有车辆尾气排放,但评价其整体环境表现时,还需考虑发电、车辆生产和电池制造。频繁启停的路线可以受益于再生制动,而以配送站为基地的车队,其充电时机可能相对容易预测。实际限制因素包括载重量、续航里程、冬季能耗、充电设施的可及性,以及当地电网的容量。冷藏设备和车厢供暖设备等辅助设备也可能显著影响能源需求。

在停靠点密集、货物量不超出运载能力的地区,货运自行车和电助力货运自行车可以发挥良好作用。它们占用的空间比厢式货车少,而且在当地规则允许的情况下,可以利用大型车辆无法通行的道路网络抵达目的地。其局限包括载重量、包裹尺寸、天气影响、地形和骑行人员的工作负荷。货运自行车通常与附近的转运点配合使用,因为反复返回远处的配送站会削弱其优势。步行配送同样依赖于紧凑的服务区域,以及适合搬运货物或补充待配送货物的方法。

环境评价通常区分总排放量与每件包裹的排放量。如果货运量增长足够大,一项服务即使降低了每次配送的排放,也仍可能增加总排放量。同样,缩短配送时限可能减少集中配送的机会,并增加所需车辆数量。运输排放强度的一种示例性衡量指标为

e=∑iEifiN,e=\frac{\sum_i E_i f_i}{N},

其中,EiE_i 为纳入计算的某项活动或某种能源的能源用量,fif_i 为对应的排放因子,NN 为货件数量。计算结果取决于系统边界,并不自动涵盖车辆制造、包装或顾客出行。

生命周期评价提供了一个框架,用于考察生产、运行和报废处置各阶段的环境影响。评价结果仍然对车辆使用寿命、利用率、电力供应以及被替代方案等方面的假设较为敏感。自提柜可能减少厢式货车的停靠次数,但如果选址不当,也可能导致额外的驾车出行。货物集运可能减少当地交通量,却需要增加装卸作业和接驳运输。因此,政策评价会将温室气体排放与当地空气污染、噪声、道路安全风险和空间占用区分开来;一项干预措施可能改善其中某一项结果,却未必能改善所有结果。

自动化、配送机器人与航空系统

自动化已应用于分拣、贴标、货件扫描、调度和客户通知。相比之下,将最后一段实际运输过程自动化更为困难,因为公共道路和建筑入口的环境变化多端。机器必须应对障碍物、特殊路面、临时施工、动物、天气以及难以预测的人类行为。抵达地图上标定的目的地只是任务的一部分:系统还必须以安全、便于使用的方式完成交付,并能在无法正常运行时采取补救措施。

地面配送机器人涵盖小型人行道行驶设备和可在道路上行驶的自动驾驶车辆。其感知系统可结合摄像头、激光雷达、雷达及其他传感器,再通过传感器融合整合测量数据,用于定位和障碍物识别。运动规划则将目的地和环境模型转化为可行的运动方案。小型机器人通常载重有限、行驶缓慢,因此更适合某些范围紧凑的服务区域,而非配送点分散、货量大的线路。

自主运行并不一定意味着完全无人参与。远程工作人员可能需要监控机器人车队、授权执行特定行驶操作、协助处理异常情况,或回收无法移动的车辆。因此,操作人员与运行中机器人的数量比例,与电池充电、维护、装载和清洁一样,都是重要的运营变量。演示机器人能够完成一次配送,并不能证明这项服务在规模化运营时具有经济可行性。大量配送行程中的可靠性以及人工介入的频率,决定了究竟有多少人力劳动被替代或重新组织。

配送无人机可以绕过道路拥堵和地理障碍,因此适用于部分重量轻、时效要求高的货件。其限制因素包括载重、航程、风、降水、噪声、起降场地,以及与人员和其他航空器保持安全间隔的要求。有些系统会降落交付货物,另一些则将包裹向下降放,或在指定地点投放。超出驾驶员目视视距的运行通常需要具备相应的法规依据,而且不同司法管辖区的航空规则各不相同。因此,向偏远地区运输医疗物资与向居民住宅进行日常包裹配送,面临的运营条件和监管要求并不相同。

自动化也只是改变了交付问题,并未将其消除。收件人可能需要打开机器人的货舱、前往指定降落点,或从设有安保措施的区域领取包裹。楼梯、上锁的建筑入口和复杂的室内路线仍然是重大障碍。因此,评估指标应包括每个运营小时内成功完成的配送次数、人工介入频率、无障碍可用性、车辆利用率和安全表现,而不只是最高速度或标称续航里程。自动化系统的部署有赖于界定明确的运行环境,使技术能力、服务要求和法律许可相互匹配。