校园配送下无人机全自动机场选址研究项目组
摘 要：基于大学生的取件需求与驿站供给服务不匹配，产生取件时间长、疫情防控不严密等问题，提出无人机联合全自动机场共同配送的新模式。而在目前研究中，相关方面的研究较少。文章建立了无人机全自动机场选址问题模型，并设计暴力搜索算法进行求解。结果显示，通过对无人机性能、在校学生快递需求等因素的分析，运用模型及算法可求取校园内宿舍区域取货总过程时间最短的全自动无人机机场坐标及集中取货点坐标。
关键词：无人机物流配送;全自动无人机机场;选址问题;校园配送
中图分类号：TP311 文献标识码：A文章编号：2096-4706（2022）05-0079-05
Research and Application of Campus UAV Fully Automatic Airport Site Selection
—Based on the Campus of Civil Aviation University of China
UAV Fully Automatic Airport Site Selection Research Project Team under Campus Distribution
（Civil Aviation University of China， Tianjin 300300， China）
Abstract： Based on the mismatch between the pick-up demand and the supply service of the delivery station for college students， it occurs the problems such as long pick-up time and lack of strict COVID-19 epidemic prevention and control， then a new model of joint delivery by UAVs and fully automatic airports is proposed. However， there are fewer studies on related aspects in the current research. This paper establishes a UAV fully automatic airport site selection problem model， and designs a violent search algorithm for solving. The results show that， through the analysis of factors such as the UAV performance and express delivery needs of students in school， the model and algorithm can be used to find the location of the fully automatic UAV airport and centralized pick-up point with the shortest total process time for picking up goods in the dormitory area of the campus.
Keywords： UAV logistics delivery; fully automatic UAV airport; site selection issue; campus delivery
0 引 言
受近两年新冠疫情影响，物流配送模式产生了一定的变革。疫情期间人民生活保障物资、前线医疗设备物资等的运输需求不断提升，“无接触配送”“自动化分拣”“无人机配送”等词语形成热潮。无人机配送使无接触配送成为可能，无人机配送的实现更符合疫情防控的需要。此外，它还具有节省配送时间、提高配送准确率、保证配送信息流畅等优势。目前，迅蚁、亚马逊、京东等企业积极探索无人机配送新模式。
随着电子商务的发展，现代大学生的网购频率也不断增加，驿站收到的配送订单逐渐趋于大批量、多批次，且校园是疫情防控的重点关注领域之一，校园内实现无人机配送不仅为同学们解决了快递最后一公里配送的问题，并且也符合疫情防控的要求。
国内外针对物流无人机全自动机场选址相关问题进行了大量研究，例如张洪海[1]在其研究中以总经济成本最小和客户满意度最高为目标，设计人类学习优化算法（HLO），引入随机学习算子、个体学习算子和社会学习算子，进行城市物流无人机起降点布局的问题规划;钱欣悦[2]考虑物流特点、无人机性能、空域环境等，建立物流无人机起降点选址分配规划模型.设计遗传算法，以LRP（location-routing problems）数据集为算例，进行末端配送中物流无人机起降点选址分配问题的研究。但从目前物流无人机配送发展来看，仍较缺乏基于快递配送需求和特定校园环境所进行的无人机配送模式与无人机全自动机场选址相结合的研究。本文基于校园配送下，将无人机自动化机场的选址作为重点，以实现最小成本下最大面积覆盖为研究目的展开研究。
1 校园内无人机配送需求及环境调查
经我们了解校园驿站占地面积有限，所容纳人数因此受到局限，移动货架排列的不固定性使在校学生寻件取件难度增加，且高峰时段取件人数较多、排队时间较长，整体取件效率低不利于疫情防控。同时我们汇总了在校学生认为目前在驿站取件所遇到的困难。学生反映最多的是“驿站人流量大，较拥挤”和“排队时间等待长”这两个困难。为改变现有模式，解决在校学生遇到的取件困难，运用无人机进行快递配送，除了考虑飞行的限制（本文因空域限制问题暂不考虑，假设可以正常运行），还要考虑选址问题，因此做了“平均每周取包裹快递个数”“可接受无人机快递柜与宿舍距离”等相关问题的调查，数据结果如图1、图2、图3所示。
本研究基于中国民航大学校区展开调查，向部分在校学生发布关于校园内无人机快递配送需求的调查问卷。假设不考虑家庭收入状况、购物喜好、在校时间长短等因素对快递配送的影响，对中国民航大学南校区通过抽样问卷的方式进行调查，对南苑的23栋宿舍楼各抽取50个样本，共计收回有效问卷1 150份。经调查统计，在校学生平均每周快递需求量大，如图3所示，高峰时期取快递排队时间约10～15分钟，造成驿站拥堵严重，而无人机的运量可以基本满足绝大多数学生每周的配送需求。
无人机校园配送的目的之一是缩短同学们的取件距离，从统计的数据可看出，八成以上的学生可以接受200米以内的距离，可以作为无人机机场选址的关键因素之一。无人机机场选址综合考虑各公寓的总体需求量进行了合理分布，避免了驿站距离向“一边倒”的现象，即对于部分公寓距离近，对其余部分公寓距离较远的不平衡状态。其次选址设置在公寓楼外的空旷场地避免驿站的拥挤。与此同时，学生可以通过输入手机接收到的取件码或通过取件二维码扫描直接提取货柜中的包裹，避免寻找快递困难和排队时间较长等问题。
2 校园内无人机全自动机场选址问题描述
2.1 无人机配送模式及选址问题描述
目前校园快递配送模式是快递公司将快件寄存在驿站，收货人通过菜鸟驿站APP获取快递取件码，并在驿站自助排队取件。近年来，由于电子商务和快递公司的快速发展[3]与人们的消费习惯逐渐向线上购物偏移，快递需求量持续上升，收货人自助取件时，取件位置不固定、排队时间长、高峰时段拥堵等现象仍待解决，加之疫情肆虐，拥堵的环境不利于疫情防控，因此可以采用无人机进行配送，不仅可以节省大量的排队时间，而且可以减少人流，降低疫情传播风险。目前，无人机组合配送模式[4]有无人机与配送员相结合模式、无人机与快递柜相结合模式、无人机与无人车相结合模式等，从校园快递需求量与购买频次出发，结合同学们的实际取件频次与配送成本，选择无人机与快递柜相结合的模式进行研究，无人机全自动机场设施参考迅蚁公司无人机枢纽站RH1，如图4所示。
无人机配送尚未成为主流配送模式，该配送模式的大范围应用仍需要结合更多实际因素进行研究，因此我们以中国民航大学南区为研究点展开对全自动无人机机场选址的问题进行研究，以实现在校学生取货总过程时间最短。
2.2 构建模型选址
2.2.1 符号定义
对校园无人机全自动机场选址模型的各变量符号定义如表1、表2、表3所示。
2.2.2 假设条件
（1）假设无人机货物装卸在需求点和无人机仓库的速度相同;
（2）假设在无人机机载重量范围内速度不变，不考虑无人机电池寿命损耗对无人机飞行配送速度的影响;
（3）不考虑无人机机型及各类风、雨、雪天气状况对无人机配送工作产生的影响;
（4）不考虑物体及建筑物碰撞以及同线路无人机碰撞;
（5）不考虑额外的人为破坏等干扰因素;
（6）中国民航大学的地理位置比较特别，因靠近天津滨海国际机场属于禁飞区域[5]，但本项目研究侧重于校园内无人机配送选址方法的研究，该研究不考虑禁飞区域的影响，即假设校园内无人机可正常飞行。
2.2.3 选址模型
以无人机全自动机场配送模式的总运行时间最短为优化目标，并根据无人机全自动机场及无人机自身的特性、无人机配送的特征与在校学生活动特征进行约束。即无人机从集中配送仓库到无人机全自动机场的飞行时间、需求点到无人机全自动机场的步行取货时长、在机场前取货的等待时长、无人机派遣前的准备时间、无人机货物的装卸时间。
（1）
Xij≤R1 （2）
（3）
（4）
（5）
Cj∈N+ （6）
Q≤C （7）
模型中的式（1）为目标函数，使得包含无人机派遣前的准备时间、无人机a的派遣准备时间、无人机货物装卸时间、顾客到达无人机全自动机场的排队等待时间、行人的步行时间的总时间最短;式（2）表示顾客从需求点i到无人机全自动机场j的步行距离不大于无人机全自动机场的覆盖半径;式（3）表示需求点所需要的配件数在无人机的最大有效负荷半径内;式（4）表示每一个需求点只能被一个全自动机场服务，若覆盖范围内出现多个全自动机场时，默认选择距离最近的全自动机场接受服务;式（5）表示无人机全自动机场的建设数量不超过可接受范围;式（6）表示无人机机场建设数量的整数约束;式（7）表示决策变量。
2.3 模型求解
根据网络调查显示，人能接受的步行距离是200 m以内，因此以半径200 m的覆盖区域对中国民航大学南苑进行分区，结果包括三个区域，如图5所示。
区域一包括：S1、S2、S3、S4、S5、S6、S7、S8、S13、S14;
区域二包括：S9、S10、S11、S12、S15、S16、S17、S18、S19;
区域三包括：S20、S21、S22、S23;
图5 宿舍楼区域划分
步骤一，求需求点到无人机全自动机场的步行取货时长。
在南苑的整个宿舍楼区域中，从这片区域的右上角到左下角，遍经每一个点，根据每次经度不变时，使纬度减小，当纬度减小到该区域的最小时，经度减小，再在新的经度上减小纬度，一直循环，利用递归的方法和重心法公式求解出取件时间最短的点的位置坐标。整个过程利用Python求解。
步骤二，求无人机从集中配送仓库到无人机全自动机场的飞行时间。
根据求解得出的三个区域内的全自动无人机机场坐标，再次利用重心法求解得出集中配送仓库的坐标，使得无人机从集中配送仓库飞行至全自动无人机机场的飞行时间最短。
步骤三，无人机派遣前的准备时间、无人机货物的装卸时间tp，tc
考虑讯蚁公司生产的多旋翼无人机RA3基本性能和运行数据，如表4所示，根据数据分析得出无人机派遣前的准备时间、无人机货物的装卸时间，算出最短时间。
步骤四，所有时间相加求和得到总运行最短时间，完成模型求解。
2.4 结果
2.4.1 无人机全自动机场位置求解
根据对校园内的需求点的区域划分，将中国民航大学南区宿舍楼区域划分为三个区域，以实现无人机对需求点的全面覆盖，即图4所示，在Python中以取货时间最短为目标，利用递归的方法逐步求出耗时最短的无人机全自动机场的位置，其中圆圈（半径为200 m）表示全自动无人机机场覆盖范围，包含需求点宿舍楼。
根据每一个区域中需求点的坐标，以及对应的快递需求量，运用Python进行分区域依次求解出每个目标区域的全自动机场位置坐标，具体结果如表5所示。
将需求点通过无人机全自动机场的覆盖范围划分成3个区域，如图6（a）～（c）所示，无人机全自动机场覆盖区域内需求点，且位于中心位置。图6（a）中，无人机全自动机场位置处于宿舍楼S5附近，这10栋宿舍楼是女生公寓楼，较其他宿舍楼，需求产生较大，对配送时间要求较高，快件的形状、重量、类型差异较大。
当在校学生快递需求量发生变化，其他因素保持不变时，所求的全自动无人机机场坐标会同时发生相应程度的偏移。例如，某一区域内的某一宿舍楼发生较明显的该宿舍楼在校学生快递需求量变化时，全自动无人机机场坐标会由于需求关系的变化导致重心转移，相应地向该宿舍楼方向进行一定程度的偏移，从而得以保持该区域内各方向取货时间最短。
2.4.2 集中配送仓库的选址
集中配送仓库是集配送与仓储于一体的场所，是满足校园内师生日常快递运转处理中心，同时是各无人机全自动机场的管控中心，无人机的飞行调度由集中配送中心安排，也是无人机定期检查、维修与更新的主要场所。根据无人机的性能可知无人机飞行服务范围为5公里，考虑到无人机的工作方式，需要来回往返于仓库与需求点之间，根据上述求解出所划分三个区域内的全自动无人机机场的坐标，并再次利用重心法求解得出集中配送仓库的坐标，即如图7所示，求得无人机从集中配送仓库飞行至三个全自动无人机机场耗时最短的地点位置坐标。集中配送仓库位于S14、S6与S20公寓之间，周围环境空旷，靠近学生散步休闲区域，有充足的空间处理每日快递周转量。选址结果表明集中配送仓库配送一次货物到最远宿舍楼的时间约为5分钟，相比骑手或自行取货可节约约4分钟。
3 结 论
基于校园驿站配送模式的不完善与中国民航大学南苑校区在校学生快件包裹的配送需求，从在校学生平均每周快递需求量出发，开展校园内全自动无人机机场选址项目，使无人机配送进入校园成为可能，加之无人机能实现“零接触”式配送，更能满足疫情防控需要，减少人群聚集，同时也能提高校园内在校学生快递取件效率，解在校学生取件所遇到的困难。
本文以无人机全自动机场配送模式的总运行时间最短为优化目标进行建模求解，并根据无人机性能、在校学生快递需求等因素分析，将中国民航大学南区宿舍楼分布划分为半径200 m（假设无人机全自动机场的覆盖半径为200 m）的三个区域，利用重心法公式和递归的方法并结合Python进行全自动无人机机场选址，得出在校学生步行至全自动无人机机场取货时间最短的坐标，以及由三个区域内的三个全自动无人机机场坐标反推求出集中配送仓库的坐标。
本文基于中国民航大学南区作为研究对象，考虑到该区域地理位置的特殊性（中国民航大学南区属于禁飞区），并未将空域限制、各类风、雨、雪天气状况、物体及建筑物碰撞以及同线路无人机碰撞等影响因素考虑在内，更复杂更动态的各类限制因素研究也是全自动无人机机场选址在未来的研究中需要考虑、改善和优化的影响因素。
图7 集中配送仓库选址点
参考文献：
[1] 张洪海，冯棣坤，张晓玮，等.城市物流无人机起降点布局规划研究 [J/OL].交通运输系统工程与信息：1-11.（2022-01-14）.http：//kns.cnki.net/kcms/detail/11.4520.U.20220113.1716.012.html.
[2] 钱欣悦，张洪海，张芳，等.末端配送物流无人机起降点选址分配问题研究 [J].武汉理工大学学报（交通科学与工程版），2021，45（4）：682-687+693.
[3] 王贺，刘帅志，李桢瑶，等.基于大学生需求的校园快递无人配送项目——以辽宁理工学院为例 [J].商场现代化，2021（4）：23-25.
[4] 任新惠，王柳，邹心彤.基于多因素的城市即时配送创新模式研究 [J].商业经济研究，2020（11）：133-136.
[5] 任新惠，王柳.即时配送下无人机全自动机场分区选址模型 [J].计算机工程与应用，2021，57（10）：266-272.
作者简介：曾嘉怡（2001—），女，汉族，广西，就读于交通科学与工程学院，本科在读，研究方向：物流管理;顾子龙（2000—），男，汉族，新疆，就读于交通科学与工程学院，本科在读，研究方向：物流管理;秦成欣（2001—），男，汉族，重庆，就读于电子信息与自动化学院，本科在读，研究方向：通信工程;马成（2001—），男，回族，甘肃，就读于安全科学与工程学院，本科在读，研究方向：安全工程;任奕天（2002—），男，汉族，陕西，就读于交通科学与工程学院，本科在读，研究方向：无人驾驶航空器系统工程;杨竣旭（2001—），男，汉族，河南，就读于交通科学与工程学院，本科在读，研究方向：无人驾驶航空器系统工程。
