物流服务市场中双边匹配问题的优化策略

（1）研究背景

货物运输业在国民经济中占有举足轻重的地位，是支撑国民经济发展的基础性和战略性产业。伴随着我国经济的健康、持续快速发展以及公路交通网络的不断完善，特别是高速公路通车里程的大幅度增加，我国公路货物运输业也取得了长足的发展。在我国公路货物运输业的发展过程中，由于公路货物运输市场的参与主体多、物流企业规模小、货车司机和货主地域分散、信息不对称等因素，长期以来一直存在着货车和货源得不到高效整合与匹配的问题，这具体体现在货车司机找货源难、货主找货车难、货车空驶率高、车辆资源闲置等方面，并由此导致公路物流运输成本高、物流运输效率低下、大量物流资源浪费等。车货匹配问题已经成为制约我国公路货物运输业快速发展的重要因素，是当前公路货物运输业亟须解决的关键问题，已引起国家的高度重视。在2014年国务院印发的《物流业发展中长期规划（2014—2020）》中明确提出，鼓励龙头物流企业搭建面向中小物流企业的物流信息平台，促进货源、车源和物流服务等信息的高效匹配，有效降低货车空驶率。2015年国务院又在《国务院关于积极推进“互联网+”行动的指导意见》中强调，发挥互联网信息集聚优势，聚合各类物流信息资源，鼓励骨干物流企业和第三方机构搭建面向社会的物流信息服务平台。2016年国家发展改革委为深入贯彻落实《国务院关于积极推进“互联网+”行动的指导意见》，印发了《“互联网+”高效物流实施意见》，并将“发展公路港等物流信息平台，整合线下物流资源，打造线上线下联动公路港网络，促进车货高效匹配”作为实施“互联网+”高效物流的一项主要任务[32-37]。因此，如何为货车快速找到货源，为货源快速找到合适的货车，实现车货的合理有效匹配，提高车货匹配效率，减少货车司机的等待时间，降低货车空驶率，降低运输成本，对于促进我国公路货物运输业的健康发展具有重要现实意义。

（2）物流双边匹配相关研究

①物流平台相关研究

Janssen和Verbraeck（2005，2008）[246，247]通过实证研究发现，当涉及多个货车司机和多个货主时，货车司机和货主更倾向于采用双边匹配机制，若由电子中介来运作交通运输市场将是最有效的一种方式。此外，他们还从货车司机和货主的角度采用基于Agent模拟的方法，对交通运输市场中基于互联网的电子匹配机制和传统匹配机制进行了比较分析，研究表明电子匹配机制能够降低交易时间和交易成本，并且货车司机和货主都倾向于采用实时的电子匹配机制进行车货匹配。Nandiraju和Regan（2008）[248]对在线货物运输市场进行了研究，研究表明在线货物运输市场拥有传统市场所不具有的优势，如可以聚集大量货车司机和货主、提高服务效率、降低交易成本、降低决策的复杂性等，此外，在线货物运输市场的成功与否取决于是否能达到所需交易效率的群聚效应，以及是否能够提供增值服务。Wang等（2018）[249]指出在每年价值1000亿美元的美国货运中介市场上，货运中介在匹配货主与承运人中发挥关键作用，并提出了一种具有引导聚合功能的知识梯度策略，目的是通过最大化信息价值来确定双方的交易价格。针对传统物流管理依靠人员经验和习惯的手工操作方式容易带来管理效率低下和管理质量降低的问题，Lee（2012）[250]等提出将移动物流信息平台与ERP、POS系统等进行集成，以此对整个物流业务流程和工作环境进行实时管理。Bǎdicǎ（2018）[251]等提出了一个基于Agent的货物中介系统，描述了Multi-Agent系统的架构及交互协议，在该系统中货运中介的角色是协调顾客与运输资源提供者之间的管理，为顾客找到可用的货车。Luncea等（2014）[252]认为提高物流服务质量和降低物流成本的关键是实现物流信息的有效管理，提出了一个基于Multi-Agent的物流服务智能中介系统，并给出了系统的初步分析和设计草图。为了实现基于Mulit-Agent的货运中介系统，Luncean和Becheru（2015）[253]提出了Agents之间通信与交互的方法，并从货物运输请求到达的信息流和将运输车辆添加到系统请求时的信息流两个方面，提高货运中介系统的信息流处理能力。Luncean等（2016）[254]为了自动匹配货物运输请求与可用运输资源，构建了一个基于Multi-Agent系统（MAS）的高度自主性的系统框架，该框架中运输者由aFTPAgents表示，货物拥有者由aCAgents表示，中介由aFBAgent表示，其中货运中介主要负责匹配货物运输请求与可用运输车辆以及通过一系列谈判达成aCAgents和aFTPAgents之间的运输协议。

覃文庆和吴洁明（2010）[255]针对物流信息平台车源和货源信息获取的缺陷，提出采用移动通信技术和Internet技术相结合，构建了一个物流信息平台框架结构以实现车货实时智能配对。陈动福（2018）[256]以货车帮平台为例，研究得出车货精准匹配效率可通过高效的数据处理、打破信息壁垒、完善信用体系等方面得到提高。陆慧娟等（2012）[257]为降低公路运输成本，实现资源利用最大化，基于软件即服务（SaaS）和计算机支持的协同工作（CSCW）技术，构建了基于多实例Agent的、具有强化学习特性的系统框架，并最终实现了一个侧重货找车的高智能车货匹配系统。(www.xing528.com)

②物流双边匹配相关研究

Silver（2003）[258]将最优化技术在货运中介行业中进行了实际应用，并提出了向多个运输公司提供最佳的货车货运投标、优化零担型货运以及货物与货车之间的优化匹配三个工具。Kim等（2005）[259]研究了基于配货中介的车货匹配问题，建立了以送货人利润最大为目标，以运载量和时间窗为约束条件的优化匹配模型，采用拉格朗日松弛方法将模型分解为一个问题和多个子问题，利用次梯度优化技术求解模型。Zhang和Wang（2009）[260]针对分布式物流中心的货车负载匹配优化问题，建立了包含8个指标的评价体系，并提出了基于灰色定权聚类模型的货车负载匹配优化选择方法。Gifford（2010）[261]描述了一系列应用于大型货运公司规划、管理和运营中基于运筹学方法的决策支持系统，这些开发工具可以支持策略开发活动和业务流程，而涵盖的时间跨度从长期规划周期到实时的货车司机调度和负载管理决策，其中调度过程可以分配货车司机到指定货物以及实现货物运输途中调整司机以适应突发情况等。Leon和Bǎdicǎ（2017）[262]指出货运中介是匹配物流运输能力的提供者和货物商品的拥有者，提出了一个包括Agents和Webservices的一般中介系统框架并构建了以运输服务收益最大为目标的模型来优化匹配客户与运输服务提供者。Bǎdicǎ等（2017）[263]讨论了基于代理和约束的货运中介陈述式建模问题，该模型可用于货物从货源地运输到目的地的车辆分配，并且一辆车可以为运输路线上的多个客户提供服务，此外，该模型被映射到Eclipse约束逻辑编程系统，这样就可以采用可用的约束解算器自动计算最佳调度。

顾佳婧（2013）[264]用Java程序设计语言搭建了一个基于语义网的公路货运信息平台，给出了车货匹配率的计算方法，设计了对车源或货源进行匹配排序的算法规则。熊宜强（2015）[265]给出了一种确定货车司机和货主双方匹配指标权重的反馈式竞争法，通过综合评价计算得到候选货主和货车司机的综合匹配率，进而获得候选货主和货车司机的排序。胡觉亮等（2018）[266]针对公路干线货运平台车货匹配效率低下、匹配成功率不高的问题，提出了平台利用信用评价体系筛选高信用车主的匹配调度新模式，并建立了以最小匹配成本为目标的一对多车货匹配调度模型。余以胜和刘鑫艳（2016）[267]针对贪婪算法可能存在集中匹配同一车型的不足，在综合考虑当前车货匹配收益和车型匹配数量情况下，提出基于改进Balance算法的车货匹配模型。郭静妮（2017）[268]建立了车源和货源的多指标语言评价体系，通过三角模糊数将语言评价集进行量化，提出了基于车源和货源相互满意度整体最高的模糊群决策方法[23]。朱江洪等（2018）[269]为了解决车货匹配双方以不确定语言评价表征属性信息的最优匹配问题，利用WULBM算子集成多属性不确定语言关联信息以综合不确定语言信息，构建了体现公平性和满意度尽可能高的匹配优化模型。牟向伟等（2016）[270]为了提高货运供需匹配效率，采用改进量子进化算法解决车货匹配问题，实验表明改进的量子进化算法可以高效地搜索到较为优秀的车货匹配方案，为车主和货主推荐较为合理的车货供需信息资源。Peng等（2016）[271]针对干散货航运市场中船舶与货物之间的匹配问题，构建了以船货总体效用最大为优化目标的稳定匹配模型，开发了基于Gale-Shapley算法的价格博弈机制，并以托运人主导的市场、以承运人主导的市场和均衡市场三种情景为计算实验，研究表明如果弱势参与者以价格博弈机制出价，即使处于不利位置他们也可能获得更多收益。孙有才等（2015）[272]针对某电力集团运营过程中的复杂性致使煤炭的需求、采购和运输存在协调和调度的困难，造成整个集团工作效率低下与成本过高问题，通过对历史数据的分析建立经验指标体系作为匹配优化的指标。首先将电厂需求计划与采购计划进行匹配来指导煤炭的采购，然后再将前两者的匹配结果与船舶进行第二次匹配来进行船舶调度。模型使用Lingo 11.0软件求解，以实际运营数据进行算例分析，实验结果表明该模型很好地解决了协调与调度问题，可达到提高集团工作效率与节约成本的目的。贺政纲等（2018）[273]探究了新模式下的业务流程与货物运输流程；在此基础上，通过结合物流流线网络理论与双边匹配理论，对“无车承运+多式联运”的流线网络以及联运过程中各个层级之间的匹配度函数进行了构建；结合车货匹配度函数与联运匹配度函数建立了整个流线网络的匹配度模型。

（3）评述与展望

物流运输业已成为国民经济的重要产业，但我们必须要面对的一个问题是我国物流业运输成本居高不下，远远高于欧美发达国家。近年来，无论是国家层面还是地方政府、行业企业都在努力借助互联网、大数据、云计算等信息技术解决这一难题，运满满、货拉拉等企业借鉴滴滴打车的运营模式，在短时间内聚集了大量的货车司机和货源信息，并依靠大数据技术实现车源和货源的快速匹配，在一定程度上降低了货车司机的等待时间。相关学者也从双边匹配理论层面进行了大量研究：Janssen和Verbraeck、Nandiraju和Regan、Beuthe和Bouffioux等的实证研究已经表明双边匹配机制在解决公路货物运输车货匹配问题中的重要性，如提高交易效率、降低交易成本等。顾佳婧、李慧、熊宜强等针对车货匹配问题的研究给出了车源和货源的筛选方法；Jeffrey研究的是快递运输中的车货优化匹配；Kim研究了基于分布式电子中介的车货匹配方法；朱江洪、牟向伟、Peng等对公路货物运输中的车源和货源匹配问题进行了研究，给出了相关的匹配度计算，进而构建了基于满意度的优化模型来获得车源与货源最优匹配。物流运输领域的车源和货源匹配问题比较复杂，不像滴滴打车在匹配乘客和出租车方面只需考虑乘客与出租车距离，车源类型复杂、货物种类繁多、运输地域广泛等都加剧了这个问题的复杂度。