链上镖师 / Chain Biaoshi

TRE|快递包装回收的城市逆向物流:回收网络选址与路径优化

香港案例下的多层逆向物流、顺序 HSA 算法与分拣方案比较

论文信息

论文题名:Optimization of urban reverse logistics networks in express packaging recycling

作者:Qinyu Zhuo,Yuhong Wang,Fangni Zhang

期刊/年份:Transportation Research Part E,2026

这篇 TRE 论文面向高密度城市快递包装废弃物回收,把 EDP、WTS、RC 和 LF 串成多层逆向物流网络,并用顺序 HSA 算法求解多仓、拆分配送和载重相关碳排放优化问题。

  • 01:研究对象是香港快递包装废弃物回收,案例包含 618 个快递网点,并接入 WTS、RC 和 LF 等设施。
  • 02:论文比较分散式分拣和集中式分拣两类回收网络,并分别考察时间、距离和碳排放目标。
  • 03:方法上使用改进 K-means 聚类、30 天实测交通时间数据和饱和优先解码,解决高密度城市节点分散带来的路径复杂度。

研究背景

快递包装废弃物增长正在把城市回收系统推向更细碎的操作场景。论文指出,包装废弃物大多流向填埋或焚烧,高密度城市里的废弃物产生点分散、道路网络复杂,传统回收路径容易出现空载率高、运输成本高和理论路径难落地的问题。

这项研究把问题放在逆向物流框架下处理,核心对象包括快递网点 EDP、废物转运站 WTS、回收中心 RC 和填埋场 LF。作者把跨多个设施层级的废弃物流向、车辆装载和分拣位置选择放在同一套网络优化框架中处理。

方案一的分散式分拣网络示意图,EDP 到 WTS 后分流至 RC 或 LF

来源:Fig. 1。方案一采用分散式分拣,EDP 收集后的包装废弃物先进入 WTS,再由 WTS 将可回收部分送往 RC,将不可回收部分送往 LF。

方案二的集中式分拣网络示意图,WTS 汇入 RC 后再由 RC 处理残余物

来源:Fig. 2。方案二采用集中式分拣,WTS 主要承担转运功能,废弃物先汇入 RC 进行精细分拣,再将残余物送往 LF。

核心问题

论文要解决的第一个难点是空间碎片化。快递网点数量多、单点废弃物量小,单车单次访问的传统模型难以充分利用车辆容量。作者引入拆分配送,让同一节点的需求可以由多辆车分批承接,减少因小批量需求带来的装载浪费。

第二个难点是城市道路的真实不对称性。直线距离和对称距离会忽略单行线、隧道、高速路和方向性拥堵,进而放大模型路径和实际行驶路径之间的偏差。论文将路网表示为有向图,并使用经验交通时间和距离矩阵。

香港案例中的 EDP、WTS、RC 和 LF 空间分布图

来源:Fig. 6。香港案例纳入 618 个 EDP,并与 WTS、RC 和 LF 的空间位置共同构成多层逆向物流网络。

这篇论文的核心问题可以概括为:在高密度城市中,如何把分散快递网点的包装废弃物,经由转运站、回收中心和填埋场完成回收与处置,同时在时间、距离和碳排放目标之间形成可计算的方案比较。

方法框架

作者把全局问题建模为多层、多仓、拆分配送车辆路径问题 ME-MD-SDVRP。Stage 1 处理 EDP 到 WTS 的收集,Stage 2 处理 WTS 到 RC 或 LF 的转运,方案二还包含 Stage 3 中 RC 到 LF 的残余物运输。上一阶段输出的废弃物流量会成为下一阶段输入需求。

顺序 HSA 框架图,包含阶段分解、HSA 搜索和饱和优先解码

来源:Fig. 5。顺序 HSA 框架把 ME-MD-SDVRP 分解为多个阶段性的 MD-SDVRP 子问题,并在每个阶段使用混合模拟退火和饱和优先解码生成路径。

1先构建 EDP、WTS、RC、LF 之间的多层有向网络,并设置时间、距离、碳排放三个单目标优化任务。

2再把全局网络按阶段拆成多个 MD-SDVRP 子问题,使阶段输出流量继续约束后续阶段。

3随后使用 HSA 搜索路线序列,并通过饱和优先解码尽量填满车辆容量,必要时拆分节点需求。

4最后分别评价最短时间、最短距离和最低碳排放方案,比较两种分拣网络的运营表现。

改进 K-means 聚类流程图,用于 Stage 1 服务区划分

来源:Fig. 7。改进 K-means 用于把大规模 EDP 网络拆成可求解子网络,边界点按地理距离重新分配,以贴合香港不均衡的空间结构。

香港 EDP 聚类结果图,最终形成 18 个服务区

来源:Fig. 8。聚类过程将初始 20 个簇优化为 18 个服务区,使 Stage 1 的大规模网点收集问题更适合分区求解。

案例或实验设置

案例使用香港真实空间数据。设施坐标来自香港政府开放数据,EDP 数据覆盖 HKSHIP Express 和 Cainiao Express 的 618 个网点。作者先用 Google Maps API 批量解析可识别地址,成功率为 92.7%,再用 OpenCage Geocoder 补齐剩余 7.3%,最终实现 100% 坐标匹配。

交通数据来自 Baidu API。作者在 2024 年 11 月 15 日至 12 月 14 日连续 30 天采集节点之间的行驶时间和距离,并用平均行驶时间削弱天气与拥堵波动。论文报告显示,各阶段行驶时间会随天气和交通变化,平均绝对波动低于 10 分钟。

案例网点

618 个 EDP

来自香港两家主要快递服务商的网点数据

交通观测

30 天

2024-11-15 至 2024-12-14 的行驶时间与距离数据

实验还设置了明确的车辆和废弃物假设。样本 EDP 的日均派件量为 400 至 500 件,收集周期为每 3 天一次,平均包装重量设为每件 0.2 kg。车辆方面,5.5 吨以下为轻型货车,5.5 至 24 吨为中型货车,实验统一假设车辆使用柴油。

结果分析

论文的算法实验分成多层验证:小规模实例用于和 MILP 对照,策略实验用于比较不同启发式搜索,大规模实验用于检验可扩展性。结果表明,HSA 在解质量和收敛速度之间取得较稳定的平衡,适合处理包含 600 多个 EDP 的城市级回收网络。

HSA 与 MILP 等方法在不同规模实验中的解质量和耗时对比表

来源:Table 6。该表汇总最优性验证、策略权衡和可扩展性实验,展示 HSA 在不同规模下相对精确方法和经典启发式方法的表现。

HSA、HC、TS、ILS 在三类目标下的结果分布和运行时间对比图

来源:Fig. 12。该图比较 HSA、HC、TS、ILS 在时间、距离和碳排放目标下的结果分布与运行时间,用于支撑算法稳定性判断。

基准容量下方案一与方案二的总时间、总距离和总碳排放对比表

来源:Table 9。该表集中比较分散式分拣和集中式分拣在基准容量下的总时间、总距离和总碳排放表现,是两种回收策略取舍的主要证据。

结果部分传递出的关键信息是:高密度城市回收网络不能只按距离最短来设计,时间、距离和载重相关碳排放会导向不同路线,分拣位置和车辆容量也会改变整体绩效。

管理启示

对城市管理者和回收运营方来说,论文给出的第一条启示是先把回收网络拆成可操作的层级。EDP 到 WTS、WTS 到 RC 或 LF、RC 到 LF 的阶段划分,可以让不同设施能力、车辆来源和分拣精度分别进入模型。

Stage 1 车辆容量敏感性分析图

来源:Fig. 13。Stage 1 车辆容量敏感性分析显示,前端收集车辆容量会影响时间、距离和碳排放目标,是 EDP 收集环节配置车辆的重要依据。

Stage 2 和 Stage 3 车辆容量敏感性分析图

来源:Fig. 14。Stage 2 和 Stage 3 的容量敏感性结果把 WTS、RC 和 LF 之间的下游运输纳入配置判断,补充了前端收集环节之外的运营证据。

容量优化后方案一与方案二总体绩效变化表

来源:Table 12。容量优化后的总体指标比较可用于判断两种方案在资源配置、运输效率和减排目标之间的匹配关系。

集中式分拣能依托 RC 的专业设备提升分拣精度,分散式分拣则利用既有 WTS 基础设施降低组织复杂度。论文的管理价值在于把这两类策略放进同一套路径、容量和碳排放评估框架,帮助运营方按设施能力和政策目标选择回收网络。

论文:Optimization of urban reverse logistics networks in express packaging recycling

作者:Qinyu Zhuo,Yuhong Wang,Fangni Zhang

期刊:Transportation Research Part E

链上镖师、先卜交通、先卜运筹通用论文ID

raw-000004174

保存此推文 ID,可在粉丝群内获取相关材料,未来更多功能敬请期待

先卜科技团队:常文婕、张巧巧、王一航、夏子帆、张晓乐、祁园园、张仁义