山西煤炭无车承运人车货匹配研究——以KC物流公司为例

摘要

《关于推进改革试点加快无车承运物流创新发展的意见》的下发，无车承运人正式进入物流行业。在经济高速发展的环境下，高效的车货匹配管理体系已经逐渐变成了无车承运人试点企业决胜的关键要素。因此，企业需要拥有一套高效的车货匹配管理体系来应对不断变化的市场需求，以此提升市场竞争地位。 KC物流公司是一家主营煤炭公路货运的无车承运人企业，随着业务逐步扩大其车货匹配管理体系暴露出匹配效率低等问题。对该公司车货匹配中存在的具体问题进行了分析和总结，找到了关键的问题是承运商选择和车货匹配调度算法。首先，通过文献综述和德尔菲专家调查法，构建了承运商选择评价指标体系；运用层次分析法计算各个指标的权重，运用模糊综合评价法对模糊指标进行量化打分，通过实际案例进行验证。其次，基于承运商选择评价指标体系，建立了以最小运输成本为目标的车货匹配调度模型，在路径最短的基础上对车辆配载进行优化，主要计算过程是运用粒子群算法求得局部最优解，再将其作为初始解运用禁忌搜索算法求得全局最优解，并通过实际案例验证了PSO-TS混合算法的有效性。 研究对KC物流公司原本的车货匹配管理流程进行优化升级，构建的物流承运商选择评价体系和车货匹配调度模型可以为同类型行业的无车承运人企业提供一定的借鉴。

目录

声明

1 绪论

1.1 研究背景和意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 煤炭无车承运人管理体系研究综述

1.2.2 承运商选择评价研究综述

1.2.3 车货匹配研究综述

1.3 研究内容、框架和方法

1.3.1 研究内容

1.3.2 研究框架

1.3.3 研究方法

2 相关理论与方法

2.1 车货匹配问题

2.1.1 车货匹配平台产生的背景

2.1.2 车货匹配平台存在的问题

2.2 无车承运人

2.2.1 无车承运人的概念及特点

2.2.2 无车承运人的优势

2.3 模糊层次分析法

2.3.1 模糊层次分析法相关概述

2.3.2 模糊层析分析法的步骤

2.4 PSO-TS混合算法

2.4.1 粒子群算法相关概述

2.4.2 禁忌搜索算法相关概述

2.4.3 PSO-TS混合算法相关概述

3 KC物流公司车货匹配管理现状及问题分析

3.1 山西煤炭物流无车承运人运营模式分析

3.2 KC物流公司简介

3.3 KC物流公司车货匹配管理现状

3.3.1 组织架构现状

3.3.2 承运商选择评价现状

3.3.3 车货匹配现状

3.4 KC物流公司车货匹配管理问题分析

3.5 KC物流公司车货匹配管理优化设计小结

4 KC物流公司承运商选择评价优化

4.1 KC物流公司承运商选择评价的步骤

4.2 KC物流公司承运商选择评价指标体系构建

（1）指标的选取

（2）构建KC 物流公司承运商选择评价的指标体系

（3）构建承运商选择评价的指标评分标准

4.3 KC物流公司承运商选择评价指标的权重确定

4.3.1 AHP法确定KC物流公司指标权重

4.3.2 KC物流公司评语等级评分评级

4.4 案例分析

5 KC物流公司车货匹配优化

5.1 问题描述

5.2 模型参数及符号说明

5.3 模型构建

5.3.1 PSO-TS混合算法流程

5.3.2 PSO-TS混合算法编码解码过程

5.4 案例分析

6 结论与展望

6.1 主要结论

6.2 研究不足和展望

附录1

附录2

附录3

参考文献

致谢