深入解析供應(yīng)鏈產(chǎn)品經(jīng)理在運(yùn)輸管理系統(tǒng)（TMS）路徑規(guī)劃中的關(guān)鍵挑戰(zhàn)與解決方案，本文將指導(dǎo)你如何結(jié)合業(yè)務(wù)規(guī)則、算法和數(shù)據(jù)，打造一套切實可行的路徑規(guī)劃策略，并提供源碼以供參考。

今天這篇文章，我想解決一個供應(yīng)鏈產(chǎn)品經(jīng)理在運(yùn)輸管理系統(tǒng)（TMS）路徑規(guī)劃上的核心痛點(diǎn)：如何從業(yè)務(wù)調(diào)研到算法實現(xiàn)，完成一套可落地的路徑規(guī)劃方案？

起因：最近在幫地區(qū)龍頭超市優(yōu)化食百大倉的便利店配送體系時，發(fā)現(xiàn)他們的部分場景運(yùn)輸成本居高不下——同一街道配送3家店和5家店的運(yùn)費(fèi)幾乎相同，但實際運(yùn)營效率卻天差地別。更頭疼的是，業(yè)務(wù)方提的需求往往是“能不能讓系統(tǒng)自動算最優(yōu)路線”，但到底什么算“最優(yōu)”？是成本最低？時效最快？還是車輛裝載率最高？

結(jié)論：TMS的路徑規(guī)劃絕不是簡單調(diào)用高德API畫條線，而是業(yè)務(wù)規(guī)則+算法+數(shù)據(jù)的三重結(jié)合。

本文將圍繞以下核心脈絡(luò)展開：

• 業(yè)務(wù)場景穿透：為什么便利店計費(fèi)的“趟次加點(diǎn)”規(guī)則會影響算法設(shè)計？
• 數(shù)據(jù)建模：如何從零構(gòu)建主數(shù)據(jù)表（含Python模擬數(shù)據(jù)代碼）？
• 算法選擇：遺傳算法、禁忌搜索、OR-Tools怎么選？
• 匯報邏輯：如何向領(lǐng)導(dǎo)證明你的方案能省下30%運(yùn)費(fèi)？（附可視化代碼）

一、業(yè)務(wù)場景穿透：從“趟次加點(diǎn)”到算法約束

為什么業(yè)務(wù)規(guī)則決定算法設(shè)計？

物美的配送有一個關(guān)鍵規(guī)則：

“趟次加點(diǎn)”：同一街道配送≤3家店算一趟（固定運(yùn)費(fèi)），每多1家店額外加50元。

這意味著：

算法目標(biāo)不僅是縮短距離，還要盡量讓同一街道的配送門店數(shù)接近3的倍數(shù)（如3家、6家）。

約束條件包括：車輛載重（板數(shù)）、門店收貨時間窗口、車型匹配（如四環(huán)外可用全天時段）。

業(yè)務(wù)方案≠產(chǎn)品方案：

業(yè)務(wù)方可能說“系統(tǒng)自動排線就行”，但產(chǎn)品經(jīng)理要拆解出量化指標(biāo)：

• 成本維度：單趟運(yùn)費(fèi)、加點(diǎn)費(fèi)用、空駛率；
• 效率維度：車輛裝載率、門店等待時間。
• 主數(shù)據(jù)建模：6張表決定路徑規(guī)劃上限

路徑規(guī)劃依賴高質(zhì)量的主數(shù)據(jù)，以下是核心表結(jié)構(gòu)（附Python生成代碼）：

（1）街道辦管轄信息表

import pandas as pdimport random

# 模擬北京/河北街道辦數(shù)據(jù)

streets = [“朝陽區(qū)望京街道”,?“海淀區(qū)中關(guān)村街道”,?“東城區(qū)東華門街道”,?“通州區(qū)梨園街道”,?“燕郊鎮(zhèn)迎賓路街道”]data = {

“街道辦名稱”: streets,

“管轄范圍”: [(39.9 + random.random()*0.1, 116.4 + random.random()*0.2) for _ in streets]

# 模擬經(jīng)緯度范圍

}df_street = pd.DataFrame(data)

（2）門店信息表

（關(guān)鍵字段）stores = []for?i?in?range(60):

store_code =?f”ST{random.randint(1000,9999)}”

street = random.choice(streets)

lat, lon =?39.9?+ random.random()*0.5,?116.3?+ random.random()*0.6

# 模擬經(jīng)緯度

stores.append({

“門店編碼”: store_code,

“門店地址”:?f”北京市{street.split(‘區(qū)’)[0]}區(qū){street}路{random.randint(1,100)}號”,

“門店經(jīng)緯度”: (lat, lon),

“限定車型”: random.choice([“T4.2”,?“T5.6”,?“T7.6”]),

“收貨時段”:?“4:00-7:00”?if?“朝陽”?in?street?else?“全天”

})df_stores = pd.DataFrame(stores)

二、算法實戰(zhàn)：如何用Python實現(xiàn)最優(yōu)路徑規(guī)劃？

1. 算法選型：為什么用OR-Tools？

遺傳算法：適合復(fù)雜約束，但調(diào)參難；

禁忌搜索：局部優(yōu)化強(qiáng)，但全局性弱；

OR-Tools：Google開源，支持時間窗、載重等約束，最適合業(yè)務(wù)規(guī)則明確的場景。

2. 核心代碼邏輯

from?ortools.constraint_solver?import?routing_enums_pb2from?ortools.constraint_solver?import?pywrapcp

# 1. 定義距離矩陣（計算門店間駕車距離）def?create_distance_matrix(locations):

# 調(diào)用高德API或OSRM計算實際距離

return?distance_matrix

# 2. 設(shè)置OR-Tools求解器

def?optimize_routes(data):

manager = pywrapcp.RoutingIndexManager(len(data[‘distance_matrix’]), data[‘num_vehicles’], data[‘depot’])

routing = pywrapcp.RoutingModel(manager)

# 添加距離約束

def?distance_callback(from_index, to_index):

return?data[‘distance_matrix’][manager.IndexToNode(from_index)][manager.IndexToNode(to_index)]

transit_callback_index = routing.RegisterTransitCallback(distance_callback)

routing.SetArcCostEvaluatorOfAllVehicles(transit_callback_index)

# 添加載重約束（板數(shù)）

def?demand_callback(from_index):

return?data[‘demands’][manager.IndexToNode(from_index)]

routing.AddDimensionWithVehicleCapacity(

demand_callback_index,?0, data[‘vehicle_capacities’],?True,?‘Capacity’)

# 設(shè)置搜索參數(shù)

search_parameters = pywrapcp.DefaultRoutingSearchParameters()

search_parameters.first_solution_strategy = routing_enums_pb2.FirstSolutionStrategy.PATH_CHEAPEST_ARC

# 3. 求解并輸出? ? solution = routing.SolveWithParameters(search_parameters)

return?solution

四、匯報呈現(xiàn)：用數(shù)據(jù)說服領(lǐng)導(dǎo)的3個技巧

4.1 具象案例對比

舊方案：燕郊線日均里程182km，運(yùn)費(fèi)￥2100

新方案：通過街道拼單，里程降至145km（↓20%），運(yùn)費(fèi)￥1750

4.2 量化改進(jìn)價值指標(biāo)

優(yōu)化前優(yōu)化后降幅日均總里程680km540km20.60%趟次加點(diǎn)費(fèi)用￥950￥60036.80%門店投訴率12%3%75%

4.3 風(fēng)險預(yù)判

技術(shù)風(fēng)險：高德API日均調(diào)用量超限？→ 本地緩存路徑矩陣。

業(yè)務(wù)風(fēng)險：司機(jī)拒接新路線？→ 上線前用“影子模式”對比新舊方案。

總結(jié)：TMS路徑規(guī)劃的“三重思維”

1. 業(yè)務(wù)穿透力：識別“趟次加點(diǎn)”等隱性規(guī)則，比算法本身更重要。
2. 數(shù)據(jù)驅(qū)動力：用主數(shù)據(jù)表構(gòu)建最小可行業(yè)務(wù)單元（如街道辦多邊形）。
3. 戰(zhàn)略對齊力：將路徑優(yōu)化與公司“降本30%”目標(biāo)掛鉤，而非單純技術(shù)升級。