乐外卖物流配送调度系统设计
摘要
随着互联网时代的发展，以及人们对生活品质的追求，订外卖已经成为了一种普遍的消费行为，外卖因其快捷便利性广受青睐，也因配送不及时，不准确倍受指摘。为了改善当前外卖配送过程中存在的配送速度不能保证，物流成本高，订单信息反馈不及时，配送调度方案不科学等问题，本次研究致力于对外卖物流配送系统进行设计。发展一套以蚁群系统为依据，重新规划配送，以作配送路径上的规划，为了解决当今外卖配送系统中存在的一系列问题，建立合理的调度系统来响应需求。对传统的外卖配送管理模式进行优化设计，将有助于突破外卖业的发展瓶颈。为降低物流成本，加快智能化物流发展，提高物流配送合理优化起到示范作用。
关键词:配送、调度、信息系统
Abstract
With the development of the Internet age, and the pursuit of people's quality of life, the booking of takeout has become a common consumer behavior. Because of its quick convenience, the takeout is widely accepted, and the distribution is not timely and inaccurate. In order to improve the current distribution process, the distribution speed can not be guaranteed, the logistics cost is high, the order information feedback is not timely, the distribution scheduling scheme is not scientific and so on. This study is devoted to the design of the logistics distribution system.A set of ant colony system is developed to replan distribution on the route of distribution. In order to solve a series of problems in the distribution system, a reasonable scheduling system is established to respond to the demand. The optimized design of the traditional takeaway distribution management mode will help to break through the bottleneck of takeaway industry development. In order to reduce logistics costs, speed up the development of intelligent logistics, and enhance the rational optimization of logistics and distribution, it plays an exemplary role.
Keywords:Distribution, scheduling, information system
目 录
摘要 1
Abstract 2
1 绪论 5
1.1研究背景 5
1.2 研究目的和意义 5
1.2.1 研究目的 5
1.2.2 研究意义 5
1.3 国内外研究现状 5
1.3.1 国外研究现状 5
1.3.2 国内研究现状 5
1.4 本文的主要研究内容 6
2 相关理论基础 7
2.1 JSON 7
2.2 Mysql数据库技术 7
2.3 Java 8
2.4配送路径规划 8
2.5蚂蚁理论..........................................................................................................9
3 乐外卖配送调度现状分析 10
3.1 乐外卖现状分析 10
3.2 乐外卖平台问题分析 10
3.3 乐外卖配送调度系统需求分析 10
4 乐外卖配送调度系统设计 12
4.1 配送调度系统总体设计 12
4.1.1 Server端架构 12
4.1.2 APP端架构 13
4.2 整体功能设计 13
4.2.1 信息收集整合 13
4.2.2 优化配送路径 15
4.2.3 GPS定位跟踪 17
4.2.4 订单确认与信息反馈 18
4.3 数据存储设计 20
5 乐外卖配送调度系统实现 27
5.1 系统平台搭建 27
5.2 系统功能的实现 27
5.2.1 信息收集整合功能 27
5.2.2优化配送功能实现 28
5.2.3 GPS定位跟踪功能 31
5.2.4订单处理功能实现 31
5.3 系统测试 32
5.3.1优化配送测试 32
5.3.2运输管理测试 32
5.3.3订单管理测试 33
结 论 34
参考文献 35
1 绪论
1.1研究背景
网络营销模式随着移动互联网的发展也在发生变化，现在的网络营销模式被称作移动营销。在这人手一支智能型手机的时代中，移动商务所带来的价值也逐渐受到重视。通过手机进行点餐现在已经很常见，外卖O2O的发展与消费者的快速收到外卖心态的矛盾越发明显。“网站+送餐”的模式分为轻模式和重模式，区别在于配送团队是第三方配送还是自建配送团队。无论是轻模式还是重模式，配送团队的重要性不言而喻。配送团队的工作效率，服务的态度是各个公司考虑的几个关键问题之一。与之相应，配送人员的工资也与配送单数有关，如何提高配送人员的工作效率，提高服务水平是目前较为热点的问题。如何通过乐外卖物流配送系统实现快速的点餐和调度具有很强的现实意义。
1.2 研究目的和意义
1.2.1 研究目的
随着互联网时代的发展，以及人们对生活品质的追求，订外卖已经成为了一种普遍的消费行为，吸引了许多投资者加入外卖平台开发的浪潮中。外卖因其快捷便利性广受青睐，也因配送不及时，不准确倍受指摘。其中，配送调度系统是外卖物流的最核心环节，依托海量订单数据、送餐员定位数据、精准的商户特征数据，针对送餐员实时情景，对订单进行智能匹配，实现自动化调度以及资源的全局最优配置，在保证系统效率的前提下，最大限度地提高用户体验。为了改善当前外卖配送过程中存在的配送速度不能保证，物流成本高，订单信息反馈不及时，配送调度方案不科学等问题，本次研究致力于在大数据基础上对外卖物流配送系统进行设计。
1.2.2 研究意义
外卖平台不仅承担销售任务，同时也承担达成订单的最后一公里——物流配送业务。为了解决当今外卖配送系统中存在的一系列问题，建立合理的调度系统来响应需求。对传统的外卖配送管理模式进行优化设计，将有助于突破外卖业的发展瓶颈。为降低物流成本，加快智能化物流发展，提高物流配送合理优化起到示范作用。
本论文的研究目的为开发一个具便利性、机动性、丰富性且多元性外卖调度平台实现对本地美食的推荐和购买.依照本地对餐厅的多种分类方式，提供方便的查询功能，并提供餐厅地址、餐厅照片及餐厅特色等信息。另外，也有线上地图浏览及附近餐厅查询、关键字搜索等功能，希望借此提供一个完善的美食导览平台给民众使用。本论文将开发一个具便利性、机动性、丰富性且多元性的网络平台，来介绍各种美食，并提供道路名称、菜单及餐厅名称的关键字查询功能。另外，也有分类查询及附近餐厅查询的功能，希望借此提供一个完善的外卖调度平台。
1.3 国内外研究现状
1.3.1 国外研究现状
由于欧美共同的拉丁文化的大背景下，欧美的互联网公司很容易实现跨地域的合作，国际化是欧美外卖公司最主要的战略之一。Just Eat创办于丹麦，2006年到英国，并在英国上市。Yelp的国际化扩张更迅速。2012年，Yelp收购了其在欧洲的Qype。2013年，Yelp的新西兰分站、捷克等站点上线。截止到2014年，Yelp覆盖的市场数量上升至106个，其中国际市场达到50个，逐渐和美国本土市场持平。国内的外卖公司更多是专注国内一二线市场，并朝三四线市场下沉。但由于文化的差异，国际化需要付出比本土更多的精力和时间。
Eilon（2015）在《Optimization of logistics distribution line》等人提出将动态规划法用于固定车辆数的物流配送线路优化问题，通过递归方法求解。J.Lawrence（2015）在《Scheduling optimization based on genetic algorithm》将遗传算法应用于线路优化的研究，同年Desan和Gorar提出用模糊集理论来求解点数不确定的车辆线路优化。Modares，Somhom 和T. Enkawa（2015）在《Scheduling optimization based on neural network algorithm》提出用自组织的神经网络算法来求解线路优化问题。
1.3.2 国内研究现状
2014年，国过餐饮业收入计27000多亿元，同比增长9.7%。据预测，如按照外卖占餐饮收入30%的比例计算，未来餐饮外卖市场将达到万亿以上规模。这还仅仅是目前可以预估的数据，随着用户消费习惯的改变和外卖周边产业的衍化，未来巨大的市场空间使外卖配送自然成了各个新兴创业公司和巨头们必争的细分领域。
国内对配送路线优化逐步得到重视。陈子侠（2016）在《配送中心路径规划研究》运用网格划分技术和算法，对配送中心不同送货线路之间工作量不均衡问题进行了优化，使一条线路尽量集中，减少线路交叉，便于配送，大大降低了划分的复杂度，减少了运算量，可以判断出哪个区域网点较密集，对密集区域集中配送，提高配送效率。陈佳丽（2016）在《贵州卷烟配送路线优化》以贵州为例，运用节约里程法模型主要从打破行政区域限制的角度，实施卷烟配送路线优化。提升配送效率，克服了送货线路重复、送货成本偏高和送货量不均等问题。陈艳艳，宋健民（2017）在《基于遗传算法的优化决策研究》通过将地理信息系统与基于遗传算法的优化决策相结合，建立了一个综合优化决策模型，利用遗传算法进行优化决策，使总成本最小。
1.4 本文的主要研究内容
本文针对现阶段乐外卖物流配送调度存在的问题，通过针对配送调度业务流程的调研，釆用移动客户端实现手机前端功能，通过SSH框架以及Mysql数据库管理系统实现后台餐饮配送调度信息管理系统，在本系统中，利用json文档实现数据交换，使用Web Services实现面向服务架构，期望能够使餐饮配送调度信息系统在信息共享、可扩展性和可维护性方面有一个质的飞跃。
2相关理论基础
2.1 JSON
JSON 全名 JavaScript Object Notation是一种轻量级的数据交换语言属于一种具有自我描述特性与层次结构的文字格式，可经由Javascript或Jsp进行解析。主要与XML进行比较，JSON速度快，体积小，更为方便阅读，与XML不同的地方在于JSON没有结束标签，读写的速度更快，并且可以使用阵列，没有保留字的限制。使用JSON描述数据结构可以有以下6种形式:
1.对象:对象以{起始，并以}结束，一个对象中可包含许多的名称/数值对，并以，分开。
2.名称/值:名称和值之间用：隔开。
3.阵列:阵列以[起始，并以]结束，阵列内数值 ,分开。
4.字串:由双引号开始由双引号结束，表示为一字串。
5.数值: 0-9 的数字组合，包含负数与小数点。
6.布林值:表示true或false。
2.2 Mysql数据库技术
Mysql5.6由于有许多吸引人的特性，包括效能高、成本低、可靠性好，并且支持多种操作系统、为多种程序语言提供了 API、提供多语言支持、提供多种数据库连接途径、可以处理大量记录的大型数据库，支持多执行绪以充分利用CPU资源进而支持多用户，最佳化的 SQL查询算法，有效的提高查询速度，提供用于管理、检查、最佳化数据库操作的管理工具，更重要的是其对于自由软件的支持以及发展，前几年，很多中小型网站都钟爱Mysql5.6，正是看中它的众多便捷有效的特性。近几年来 Mysql5.6技术不断成熟，一些大型网站也开始使用Mysql5.6。非常流行的开源软件组合 LAMP中的M指的就是 Mysql5.6。但是在近期 Oracle 收购之后，在其商业考虑以及政策上，逐渐将 Mysql5.6商业版的售价提高，并且减少自由软件的支持以及开发，在公司这样的方针之下，不少软件社群也逐渐出现担忧，担忧其公司将不再开发自由软件，甚至于停止支持自由软件，导致不少原先使用 Mysql5.6开源软件的软件社群逐渐转移到其他的数据库系统，例如维基百科已于 2013年将数据库迁移至 MariaDB数据库。虽然Mysql5.6未必是使用上最好的数据库，但Mysql5.6是属于比较容易上手的平台，可以解决数据存放的问题，并可以建立有系统的关联式数据库，正规化后的Schema也适用，因此选用Mysql5.6。
2.3 Java
Java移除了许多在 C++上面会造成错误的元素，改以其他的特性来取代，加强了对象导向的应用。Java不同于一般的编译语言或直译语言。它可以将源代码单次编译成二进制码、依赖各种机器释译并多处应用。Java与在此之前的程序语言不同的地方在于，从一开始开发就是以开放的技术为主要目的，并且要求Java的软件必须要可以与其他程序语言互相融合，也因为如此使得Java得以深受使用者喜爱而快速疯行，成为了现在影响世界的重要程序语言之一。而我们会选择Java也是因为它有高度的通用性以及相容性，可以运作在不同OS，不会怕环境的问题，而且这个平台具备多种不同的接口，非常适合作为中间者，应付在不同平台互相调用。
2.4 配送路径规划
配送路径规划的目的，在于减少不必要的配送距离，达到最短而且最有效率的配送。探讨加入中间走道后的仓储系统，也即配送设备可以借由前、中、后的横向走道，转换配送走道，先以图形描绘出配送点，再以动态规划法发展出有效的算法，并找出最短配送旅行距离。除此之外，以三个主要影响配送旅行时间的因子作实验分析，分析结果发现整体而言，有中间走道的仓储设计均比没有中间走道的仓储设计来得省时，并且在大型仓储环境下更是显著。五种配送政策包括：(1)穿越策略；(2)返回策略；(3)中间点策略；(4)最大间隙策略；(5)合成策略，如图2.1所示。除了发展出配送途程规划的启发法外，并与Ratiliff与Rosentha1的算法进行仓储型式、存取站的位置以及单次拣取订单的数量来评估算法的绩效，实验结果显示，此五种方法均只有比最佳解的绩效差10%，除此之外，大量拣取数目采用合成与穿越策略，少量拣取数目则采用最大间隙以及中间点策略均有不错的拣取效率。
图2.1 配送路径政策
针对各种不同的配送策略比较在不同走道数目、不同订单数以及不同走道宽度的配送路径评估。求算最短路径的启发式算法包括：S型法(S-shape Heuristic)、最大间隙法(Largest Gap Heuristic)、走道接走道法(Aisle-by-aisle Heuristic)、最佳法(Optimal Algorithm)、组合启发法(Combined Heuristic)以及结合法改良策(Combine+Heuristic)。
2.5 蚂蚁理论
本文以蚂蚁系统为主体，应用于配送路径规划问题，因此在本小节中针对蚂蚁系统及其相关文献做探讨与整理。
2.5.1 蚂蚁族群
有鉴于蚂蚁系统变化与衍伸出来的许多算法已经可以有效的求解许多类型组合最佳化问题，例如：旅行推销员问题(Traveling salesman Problem；TSP)、二次指派问题(Quadratic assignment Problem；QAP)、车辆途程问题(Vehicle routing Problem)、连续性顺序问题(Sequential ordering Problem；SOP)等。
在自然界不断演化下，自然界中的蚂蚁族群已发展出一套完整且有效率的社会体系。1992年，Beckers etal发表的文章中指出，自然界中的蚂蚁借由它们本身特有分泌物－费落蒙素(Pheromone)帮助其他蚂蚁找寻食物的路径。由于蚂蚁的行走速率相当，较短路径的费落蒙素会累积较快，相对的也会有愈来愈多的蚂蚁走相同的路径，而较长路径的费落蒙素也会逐渐蒸发。
2.5.2 人工蚂蚁
然而人工蚂蚁便是借此特性找寻最短路径，在1997年，Dorigo与Gambardella提及了以人工蚂蚁自然界蚂蚁行为的三大关键特性为蚂蚁倾向在选择具有较高费落蒙的路径、对于较短的路径，其费落蒙累积的速度较为快速及蚂蚁通过费落蒙达到间接沟通(Indirect Communication)的效果。
蚂蚁算法最初是应用在旅行推销员问题，即推销员必须经过所有城市，凡走过城市不得重复，最终须回到起始城市，求最短路径。蚂蚁系统(ant system，简称AS)以方程式表示时间t，第k只蚂蚁从城市i到j的概率函数为Pijk (t) 。
3 乐外卖配送调度现状分析
3.1 乐外卖现状分析
乐外卖微信订餐系统是由迅享科技精心研发的基于微信公众帐号的产品。通过乐外卖，店家可以在微信上建立店铺，消费者只需关注店家的微信公众帐号，即可浏览商品与店家的信息，并轻松下单。店家可以通过GPRS无线打印机、商家版APP、短信、邮件、微信、电脑后台等多种方式即时查看订单，并为顾客提供相应的服务。乐外卖主要有两种收费方案，一种是按时间收费，可以按月或者按年按季度等，主要针对单个的外卖商家;一种是按订单收费，1毛钱一个订单，主要针对那种在学校运营公众帐号的创业学生团队，他们把学校周边的外卖店放在自己的公众帐号上进行推广，通过跟商家抽取提成来盈利，还有就是那种社会上的跑腿公司或者外卖配送团队，他们一般也是一个公众帐号上有多个店铺。据悉，2015年6月底，乐外卖新增了多店铺按年付费的方案。
3.2 乐外卖平台问题分析
目前乐外卖平台的订单排单和车辆调度、路线安排都是由公司里业务能手来完成，送货区域大了，客户多了，这项工作的效率和完成工作的成本控制都会不理想。
目前乐外卖平台实现对货物的有序登记、管理，保证这些货物的电子化管理。采用一人一单摘取式的配送作业，一张订单从头到尾皆由同一位配送员负责，配送员于某一区段配送完成时，需按照电子标签的作业指示，继续前往下一区段配送，待该订单经标签指示已配送完成时，配送员方可进行下一张订单的配送。通过配送人员位置和策略调整保证合理的实现配送速度。
1、供需分散
乐外卖涉及的店铺众多，各个外卖店铺之间距离非常远，店铺中销售商品大同小异，店铺会员分布状况不同、各自的营销策略、销售任务各不相同，由于店铺之间距离较远，如何保证外卖的成本和效率是一个必须权衡的问题。为了支持外卖行业的多批量，小品种以及客户的多样性需求，特别是针对网上的客户的零售需求，所以快速配送成了外卖行业一个比较重要的功能亮点。快速配送可以减小店铺的销售压力，可以把多批量整合后配送。
2、调度方式传统
传统的基于经验的方法，在企业规模有限，客户数量不是非常多，配送网络相对简单的情况下，只要员工和管理者技能过关，执行力好，都应该能够较好地完成配送任务，获得企业的发展。但是随着销售区域扩大，客户数量的不断增加，客户需求持续增长，配送业务量大增，配送周期缩短，配送线路更复杂，并且需求的随机性、变动性加大，光凭经验和手工安排，已无法做到配送计划的优化，必须借助于统计分析、利用数学模型和智能算法，才能获得较好的配送计划，节省时间，提高效率。本文就是针对这些问题，从企业应用的角度，提出先合理划分配送区域，再优化配送路线的方法，从而达到降低成本，提高竞争力的目标。
3.3 乐外卖配送调度系统需求分析
3.3.1功能需求
1、订单信息处理功能
配送员确认出车后，将出车时间记录于PDA或出车记录表上，结合 GPRS(通用分组无线服务技术)将出车信息传回公司主机以即时回报。若配送车辆并未具备GPRS功能，则必须等待配送完成后才将出车信息以批次方式向公司调度中心回报。配送员可由PDA的GPS/GIS功能即时掌握路况，公司主机与车辆的 GPRS连线，借此即时监控系统可掌握车辆行进路线、行车时间速度等，进而提供客户商品的即时配送状况，并可进行车辆的即时调度。PDA可读取配送商品的条码信息，并利用GPRS功能与公司数据库进行连接、确认。订单经TDSS分布式存储系统处理产生的输配送信息可借由 PDA 以图形方式显现示，并显现车厢的实际配置情形，装车人员便可依照显示的信息进行货物装车作业。配送员若发现无法及时将商品送达客户手中，其则可通过 PDA 将无法准时送达的信息送回公司进行即时回报。公司客服人员可即时地利用 E-mail、手机简讯或信息系统主动通知客户到达时间将有所变更。配送员到达目的地后，即可与客户端的作业员进行点检交货。配送员先请客户检验商品数量是否正确；若数量正确，即要求客户在配送表单上进行签收，同时配送员以 PDA（结合条码）确认已送达的货品信息，并利用GPRS功能将确认信息传回公司；若无相关电子信息设备支持则略去此步骤。后面配送员将客户签收的送货单据送回公司，以完成配送作业。若客户拒绝收货，配送员可利用PDA回报拒收条件（如订单错误、数量错误、产品污损等），并将客户拒绝的商品携回。而配送作业未完成的信息亦同时自 PDA 通过GPRS 传回公司，待公司确认退货信息无误后，由公司重新配送至客户端。如果配送员无法以电子设备即时回报客户拒绝收货的信息，配送员则央请客户填写相关表单并携回公司（或由客户自行以电话通知公司），待公司确认退货信息无误后，由公司重新配送至客户端。
2、优化配送路径
本系统模块根据历史订单情况，及路况情况，还有店铺销售任务，总和分析，根据一定统计分析算法。除历史销售数据分析，算法预测以外，店铺地理位置、当地天气情况、店铺促销力度也是影响销售重要因素，考虑到这一点，增加了系统人工参数设定阈值功能。系统经过评估、预测，给出既定调度方案。优化配送主要功能有设置快速配送规则、按照订单配送等。
3、GPS定位跟踪
现阶段采用GPS方式来对智能终端持有者进行定位，防止智能终端持有者位置，精度做到20米-50米，这部分主要由硬件实现。监听功能，管理者通过手机发送短信到智能终端设备中，设备进行识别，确认通过后，自动开启定位功能，对智能终端持有者当前所处的环境进行定位；整个过程，设备不会发出任何声音，也不会有任何显示。该功能主要是为了管理者通过智能终端持有者当前所处环境，来判断智能终端持有者是否有非正常行为进行监管。
4、订单信息反馈
在订单管理界面中，用户可以输入的信息有订餐人姓名、手机、付款方式。如果用户的输入为空白或者资料格式错误时，系统会出现错误信息，当所有资料都输入完毕，网站会给予修改完成信息。订单管理可以实现订单的下发、订单的状态监控、订单的关闭等。使用者在该页面中可以依照分类来查看菜色信息，例如附餐、口味、肉类选择、冰块等信息。当使用者点及送出时将会把页面导向详细设置界面，在该界面可以进行加购、肉类、冰块等选择，加购界面中可以选择要加购的饮品或甜点，最后加购完的总价格也会显是在界面中供使用者查看。使用者最后将详细设置中的数据都确认完毕并点击送出时，该手机将会把该笔数据储存在应用程序预设的数据库中，该数据将会储存在手机的数据库中随时可以依需求进行更改删除等动作。
3.3.2性能需求
服务器对硬件的要求比较高，因此，对服务器处理流程进行优化，有助于提升服务器在性能方面的表现。
(1)最大并发用户数量
根据公司目前的订单规模以，系统需要支持的最大并发用户数为5000。最大并发用户数量的保证需要公司投入大量的软硬件资源，只有这些资源满足的情况下才可能满足同时有5000人在线。
(2)最长反应时间
从用户发送请求，到获取服务器反馈的请求结果之间的时长，通常情况下系统的最长反应时间小于5s。在软件、硬件不断发展的过程中，人们对系统执行时间的要求不断提高。最长反应时间不但是评判系统性能的重要指标，同时还在一定程度上决定了用户的体验是否良好，如果执行时间过长，用户便会产生焦燥情绪。
(3)系统稳定性
系统稳定性指的是在保持系统硬件条件不变的情况下，在系统能最大处理的请求数量，它是衡量系统性能的重要指标。系统的系统稳定性主要由服务器性能所决定的，更准确来说和服务器的运算能力呈正相关关系。
4 乐外卖配送调度系统设计
4.1 配送调度系统总体设计
在系统需求分析的基础上，本章从系统结构、模块结构设计、数据库层设计等几个方面详细进行了系统设计思路的阐述，确定了用户的界面实现和系统开发原则。基于SSH的外卖配送调度系统常用的体系结构主要分为四层，即用户界面层、业务逻辑层，实体对象层、数据层。外卖配送调度系统的体系结构图如图4-1所示。
图4-1 系统的软件体系结构图
上面介绍的体系结构虽然很全面，但是很复杂。本文在开发外卖配送调度系统时，基于方便管理及提高系统执行效率的考虑，采用MVC模式的体系结构，即三层模式来进行开发。
4.2 整体功能设计
4.2.1 订单信息处理功能
订单信息处理来应对APP的请求：1）搜寻菜单；2）新增订单；3）搜寻特定菜单或订单。搜寻菜单的部分，我们会直接针对APP中的菜单页面进行搜寻，对应不同的类别回传相对应的菜单。这不需要APP携值回传，可直接取得回传数据。新增订单的部分，使用者将清单界面的订单传进数据库中，会先要求输入个人数据，在此个人数据包含姓名与电话。我们先将个人数据加入Customer数据表中，取得自动产生的订单编号后，再连同该订单编号与菜色一起将数据依序加入Order数据表中。搜寻特定菜单或订单与搜寻菜单不同的地方，在于它可以针对APP传送过来的值进行搜寻。例如想要查看使用者以前的所有订单，在APP中我们使用姓名与电话这两项数据回传至服务器中搜寻，并将搜寻后的值回传给APP。订单信息处理的流程分别如图4.2。
图4.2 订单处理流程图
4.2.2 优化配送路径
优化配送路径的流程分别如图4.3。
图4.3 优化配送路径流程图
如图4.3所示，系统获取到客户的订单请求后，输入到系统的后台核心蚂蚁算法调度策略，系统自动计算出订单的调度路线以及对应的调度员的电话，最后通过安排调度人员完成配送。
4.2.3 GPS定位跟踪
轨迹记录模式下左上角为状态信息框，另外在左下方有录制声音、停止记录、查询记录、返回上页等功能按键。以下为功能介绍：
1．状态信息框：可显示使用者目前所在位置的经纬度、移动速度(m/sec)、目前的时间以及定位来源。
2．录制声音：此功能可录音、并将相片上传至云端储存空间。结束录音后，返回记录模式并回传录音档名，文字记录及录音地点经纬度以供储存。
3．停止记录：此功能将停止记录模式，并将先前所行经的轨迹存档。
4．查询记录：此功能执行"停止记录"功能，但跳到查询列表界面。
5．返回上页：此功能可返回主选单界面。
GPS模块开启后，地图依以下的参数做改变
long minTime = 5000;
float minDist = 5.0f;
locationMgr.requestLocationUpdates(provider，minTime， minDist，locationListener);
如图5-1所示，设定GPS事件触发条件(移动距离5米或者静止状态下每5秒钟触发位置改变)。轨迹记录模式如图4-4所示，此功能可让使用者记录其行经轨迹，轨迹因为使用者移动而造成经纬度发生改变，若移动大于前面的设定值，GPS程序会被触发，而目前位置会被要求更新，界面轨迹也会跟着改变，记录轨迹的动作会持续到使用者按下结束按键。结束记录时会将档案写入手机内存卡。
图4-4轨迹记录模式状态图
4.2.4 订单信息反馈
如图4-5所示，此功能可让使用者查询之前所储存的订单反馈信息。订单反馈完成对轨迹的跟踪。订单信息反馈页面可看到数据库每一笔订单反馈数据。
图4-5 订单反馈流程图
订单反馈模式进入界面如图4-5所示，各个档案以其当初写档时的时间命名，红色框为欲浏览的档案。点选该文件名后，浏览界面即可呈现之前所记录的订单反馈轨迹、标记、照片。
4.3 数据存储设计
数据库设计需要根据表、索引的设计情况，合理设计表空间的大小。本系统的设计的E-R图如下：
图4-6系统E-R图
本网站的数据库主要分成以下数据表，主要有使用者数据表、员工数据表、菜单数据表、菜单明细数据表、餐点库存数据表、 餐桌数据表、订位数据表、订单数据表、订单明细一数据表、订单明细二数据表、供应商数据表、供应商细目数据表、原物料数据表、进货数据表。详细结构如下：
表 4-1 用户数据表
使用者 user
主键 名称 栏位名称 型态 类型 长度
是 使用者帐号 account varchar 字串 10
使用者密码 password varchar 字串 15
权限 permissions varchar 字串 6
备注 usermark varchar 字串 100
表 4-2 派送员数据表
员工 employee
主键 名称 栏位名称 型态 类型 长度
是 员工序号 empID int 数字 4
员工姓名 empname varchar 字串 6
昵称 nina varchar 字串 4
性别 empsex varchar 字串 1
职务 position varchar 字串 6
员工电话 empphone int 数字 10
备注 empremark varchar 字串 100
表 4-3 菜单数据表
菜单 menu
主键 名称 栏位名称 型态 类型 长度
是 菜单编号 menuID varchar 字串 2
菜单名称 menuname varchar 字串 8
菜单价格 menupric int 数字 3
表 4-4 菜单明细数据表
菜单明细 menulist
主键 名称 栏位名称 型态 类型 长度
是 菜单明细编号 meliID varchar 字串 2
是 菜单编号 menuID varchar 字串 8
菜单明细名称 meliname int 字串 6
菜单明细加价 meliadd int 数字 3
餐点库存编号 mestID varchar 字串 6
表 4-5 餐点库存数据表
餐点库存 mealDish
主键 名称 栏位名称 型态 类型 长度
是 餐点库存编号 mestID varchar 字串 6
餐点库存名称 mestname varchar 字串 6
库存类别 mestcate varchar 字串 10
安全库存 mestsast int 数字 3
库存量 inventory int 数字 3
新增库存时间 insert_time date
表 4-6 订单数据表
订单 order
主键 名称 栏位名称 型态 类型 长度
是 订单编号 ordID timestamp 日期 14
员工序号 empID int 数字 10
订单人数 ordper int 数字 2
订单状态 ordsta varchar 字串 10
订单总金额 ordsum int 数字 5
备注 ordmark varchar 字串 100
表 4-7 订单明细一数据表
订单明细 first orderfirst
主键 名称 栏位名称 型态 类型 长度
是 订单明细一编号 ordfID int 数字 2
是 订单编号 ordID timestamp 日期 14
菜单编号 menuID varchar 字串 6
菜单明细名称 meliname varchar 字串 10
数量 meliamt int 数字 2
单价 meliunpri int 数字 4
金额 melipri int 数字 4
状态 melista varchar 字串 10
备注 melimark varchar 字串 90
表 4-8 订单明细二数据表
订单明细 second
主键 名称 栏位名称 型态 类型 长度
是 订单明细二编号 ordsID varchar 字串 6
是 订单明细一编号 ordfID int 数字 2
菜单编号 menuID varchar 字串 6
菜单明细编号 meliID varchar 字串 6
菜单明细名称 meliname varchar 字串 10
数量 ordsamt int 数字 2
单价 ordsunpri varchar 数字 4
金额 ordspri int 数字 4
表 4-9 商家数据表
供应商 suppliers
主键 名称 栏位名称 型态 类型 长度
是 供应商编号 supID varchar 字串 8
供应商简称 supabbr varchar 字串 6
联络人 supconper varchar 字串 10
联络电话 supconpho int 数字 14
原物料类别 meliID varchar 字串 10
表 4-10 商家细目数据表
供应商细目 suppliers list
主键 名称 栏位名称 型态 类型 长度
是 供应商细目编号 suliID varchar 字串 6
是 供应商编号 supID varchar 字串 6
公司名称 sulicona varchar 字串 30
负责人 sulimaper varchar 字串 6
公司电话 sulicopho int 数字 14
地址 suliaddress varchar 字串 90
电子信箱 sulimail varchar 字串 50
网址 sulisite varchar 字串 50
5 乐外卖配送调度系统实现
5.1 系统平台搭建
表5.1与表5.2分别为实现的硬件与软件规格与介绍。
表5.1 硬件规格
硬件 规格/型号
CPU AMD FX6300 4.0 GHz
RAM 16 G
HDD 640 GB
网络 Download 20MB
Upload 5MB
手机 HUAWEI P9
表 5.2 软件规格
软件 版本
Apache 2.4.10
Jsp 5.5.24
MySQL 5.6.24
XAMPP v5.6.8
Eclipse SDK JUNO 4.2
JAVA JDK 1.8.0.45
OS Windows 7 64 bit
5.2 系统功能的实现
5.2.1 订单处理功能实现
在订单管理界面中，用户可以输入的信息有收货人姓名、性别、县/市、具体地址、邮递区号、手机、付款方式。如果用户的输入为空白或者资料格式错误时，系统会出现错误信息，当所有资料都输入完毕，网站会给予修改完成信息。订单管理可以实现添加订单信息、查询订单信息、修改订单信息、删除订单信息等。
图5.5 订单管理界面图
5.2.2 信息收集整合功能实现
使用者上传数据的功能，须先判断来源端是移动设备或个人电脑，若是移动设备则可浏览数据集、多媒体录音数据夹；若是个人电脑则直接跳出浏览档案工具。上传数据文档将有数据文档容量、数据文档格式、数据文档名称的判断，数据文档大小不可超过2MB（2048KB），若不符合条件则无法上传。上传的数据文档名若是与数据数据库中有相同的名称，则自动将新进数据档名自动+1再上传，避免档案名称重复。数据采集后系统将自动制作另一缩图，取较宽或较高者，显示于条列式清单的查询结果页面。使用者于数据采集模块将数据新增成功后，即可进入播放数据与新增数据数据模块，针对刚刚上传成功的数据，进而编辑数据，输入数据时，编号与名称不可留空值，其余数据可能在当下无法得知。使用者完成拍照后，随即显示文字编辑界面，该界面会呈现刚获取录音的缩图及文字编辑框，以供输入数据相关信息。使用者完成文字编辑后，即可按下相片上传按键将数据采集至后台，随即跳回纪录模式界面。数据采集需要先与服务器的服务程序建立连线，接着才将拍的数据采集。
图5.1 数据采集界面
5.2.3优化配送路径功能实现
本文探讨的配送路径应用蚂蚁理论找寻最短路径并对目标重新加以规划，以下就此两种方法加以详述。
在本文中，蚁群系统中第k只蚂蚁由目标i行走到下一个目标j的机率估算如文献所提的机率公式。其中τij代表的是蚂蚁在目标 i 到目标j沿途所释放的费洛蒙，ηij则表示目标 i 到目标j间距离的倒数，此通常表示蚂蚁的视觉能力，指越近的城市蚂蚁越容易看得见。为使蚁群系统在求解过程时，减少可能产生的停滞现象或过早收敛的情形，因此加入费洛蒙更新机制来改善此一状况，因全域更新方法较能参考到全域性的信息，故本文以全域性的搜寻作为改良费洛蒙的更新方式。利用蚁群系统作为目标指派的依据，乃起因于蚂蚁凡走过必留下费洛蒙值，蚁群更依循着费洛蒙值选择下一个拣取目标。因此，该路径上的费洛蒙值高者可能代表着以下三种情况：(如图5.2所示)
一、该路径所需拣取的订单数多。(如图5.2的路线1)
二、若图5.2中虚线所表示的路线2上费洛蒙值高，有可能是因为经常有订单出现只需拣取＊5及＊6，而造成蚁群浪费在＊5 到＊6的行走路径过高。
三、该路径的订单关联性高，也即订单中凡出现A产品，则随即出现B产品。
＊i：代表需被捡取订单 i 的目标
图5.2配送路线图
因此，本文目标互换的判断步骤如下：
一、首先，输入原始订单数据，并让蚁群系统找寻起始最佳解。
二、根据起始最佳解，观察所有路径的费洛蒙值，取出费洛蒙值高达所有费洛蒙值前20%的路段。
三、并针对费洛蒙值高达前20%路段上的目标作目标指派及互换的动作。
四、判断该路段上前半部走道或后半部走道被拣取的目标数比例是否低于50%，若是，则订单数少者移动至订单数多者的相邻目标，订单数相等时，则离Input较远者移至离Input点较近的相邻目标；若否，则停止。
本文因以蚁群系统走过路径上的费洛蒙值累积量当作路径选取的条件，因此被选取出发路径有可能只是一个路段，而非完整的路径。以图5.2为例，若路段1上的费洛蒙累积量为10，路段2上的费洛蒙累积量为9，路段3上的费洛蒙累积量为8，路段4上的费洛蒙累积量为7，路段5上的费洛蒙累积量为6。则占5条路段中费洛蒙累积量前20%为路段1。因此，判断路段1上被拣取的目标数，前半部走道被拣取的目标数比例为（前半部的总目标数/被拣取的目标数）=1/5=20%，也可求得后半部走道被拣取的目标数比例则为40%，都低于50%，于是＊1与＃13进行互换的动作，也即如箭头所示。
本文为反应实际上真实情况，以直角距离来计算，并由配送区布置图得到各目标之间的相对距离，例如目标i与目标j的距离为Dist(i, j) =| xi - x j |+| yi - y j| 。在配送法则方面，本文将考虑到任一产品的订单需求可能无法由一个目标获得满足时，因此必须以一个以上的目标供给。本文依交货期决定顾客订单顺序配送，其配送法则如下，若发生同产品在不同目标时，其之间距离为零时，其配送的法则是以任意选择其中之一目标拣取；若发生距离不等时，以先遇到的该产品目标先拣取，但此时又有二种情况，因本文的目标布置有交叉走道的设计，故有前、后区之分，当同产品位于前、后区时，此时必须以订单的总体性为考虑，也就是说一笔订单最好集中在同区块中，以利配送车承载时减少路径的绕行。且由于区块的前半部属于一群组，区块的后半部属于另一群组，在同群组之间的目标互换有可能影响行走距离，因此本文设计的搬运车从起始点出发，再回到起始点。
＊i：代表需被拣取订单i的目标；＃i：代表不需被拣取订单i的目标
图5.3 目标互换的范例说明
在蚁群系统中对于各参数的设置当中，尤以在控制τij与ηij及控制路径间重要关系程度的指数α值与β值，在历年的文献中均被告知其重要性，若设置不适当将使求解过程可能产生停滞不前或无解的现象，因此本文把α与β两个参数设置在建议的最佳组合状态，即α值与β值设置在(0.5,5)。除此之外，对于其它蚁群系统中的参数值，除依据文献建议须设置在可求解的范围内外，也须视求解问题的属性作设置：
1. 代表费洛蒙蒸发的系数ρ值设置在 0 <ρ< 1之间，ρ的设置值若倾向于0，则易发生费洛蒙过早蒸发的现象，蚁群将因无法参考到其它同伴所留下的轨迹密度值，增加了探索新路径的时间；若将ρ设置于1则蚂蚁易过早发生群聚行为。本文在此设置为0.9，目的是为了使蚁群能快速找到最短路径，避免产生停滞现象。
2. 代表费洛蒙累积量的Q为一常数值，一般均设置在10、100、1000…等整数值以方便计算出结果，在此，本文将Q值设置为100。
3. 本文以20只蚂蚁来进行整个模式的演练，每只蚂蚁依据所设置的参数值各自循环走1000周期，每组作20次，因为蚁群系统会因搜寻途程的不同而产生不同的求解结果，故本文将一组参数设置作20次，并取其平均值评比客观的结果。
5.2.4 GPS定位跟踪功能实现
定位完毕后系统提供三种查询方式，地图查询、用户查询及地名查询。地图查询可马上查看基于位置服务所提供的附近的环境，使用者也可以选择想要查询的条件，输入查询条件，符合的查询结果将标记在地图上，也可以利用多图层功能，点选多个标记并开启信息视窗。查询让使用者选择想要查询的条件，查询结果将以条列式清单呈现，使用者若想再进一步查看详细数据，可再点选该笔数据，即可进入详细数据页面。查询地图与查询清单均为选择特征条件查询，例如选择范围值、位置（输入地址），每个标点均可直接点选，即时在地图上开启信息视窗，显示每一笔数据库数据的特征值、数据，且具多重图层功能，可同时在地图上显示多笔详细数据。左图为 PC浏览器界面，右图为智能型手机浏览界面。查询清单功能以条列方式显示查询结果，在清单上点选想查看的单笔数据，可连结至标示该笔数据位置的分割网页，上下半部分别显示数据与地理位置。
图5.4 定位与查询结果界面
5.3 系统测试
5.3.1优化配送测试
针对优化配送模块需求分析所确定的功能进行测试，结果如表5.3所示：
表5.3 优化配送测试表
测试对象： 优化配送模块所述功能
测试内容： 优化配送主要功能，包括：设置快速配送规则、按照订单分货等。
合格标准： 各功能基本实现，无明显缺失，无明显错误
测试结果： 合格
测试总结及评估： 时间允许的话，可以考虑新加入一些实用的功能
5.3.2 运输管理测试
针对运输管理模块需求分析所确定的功能进行测试，结果如表5.4所示：
表5.4 运输管理测试表
测试对象： 运输管理模块所述功能
测试内容： 运输管理主要功能，包括：指派订单、订单监控、状态上报、查询运输状态等。
合格标准： 各功能基本实现，无明显缺失，无明显错误
测试结果： 合格
测试总结及评估： 时间允许的话，可以考虑新加入一些实用的功能
5.3.3 订单管理测试
针对订单管理模块需求分析所确定的功能进行测试，结果如表5.5所示：
表5.5 订单管理测试表
测试对象： 订单管理模块所述功能
测试内容： 订单管理主要功能，包括：添加订单信息、查询订单信息、修改订单信息、删除订单信息等。
合格标准： 各功能基本实现，无明显缺失，无明显错误
测试结果： 合格
测试总结及评估： 时间允许的话，可以考虑新加入一些实用的功能
结 论
为了改善当前外卖配送过程中存在的配送速度不能保证，物流成本高，订单信息反馈不及时，配送调度方案不科学等问题，本次研究致力于对外卖物流配送系统进行设计。本文的研究目的是在探讨为提高配送效率，提出应用蚂蚁理论在配送路径上，并验证应用蚂蚁理论在配送路径上确实对平均订单配送距离有所改善。因影响平均订单配送距离的因子并非仅配送路径方法，因此本文与过去学者所提出最佳的配送路径方法以及订单批量法、储存型态作比较，并验证在各因子间的组合都以应用蚂蚁理论的组合为最佳。除此之外，当订单数量越大时，蚁群的费落蒙素值累积量越大，其绩效更为显著。
参考文献
[1]Design and Development of the Mass Image Storage Platform Based on Hadoop[J] . Xiao Qing Zhou,Jia Xiu Sun,Xing Xian Luo. Applied Mechanics and Materials . 2015 (742)
[2]Jie Sun,Xin Wang. Study on the E-Commerce Logistics Distribution Modes of Fresh Agricultural Products[J]. Applied Mechanics and Materials,2015,3843(744):.
[3]Matej Kovalský,Branislav Mičieta. Support Planning and Optimization of Intelligent Logistics Systems[J]. Procedia Engineering,2017,192:.
[4]Mauro Dell’Amico,Selini Hadjidimitriou. Innovative Logistics Model and Containers Solution for Efficient Last Mile Delivery[J]. Procedia - Social and Behavioral Sciences,2012,48:.
[5]Wenxue Ran,Zhe Zhang,Sen Liu,Allan C. Peterson. A Flexible Logistics Distribution Hub Model considering Cost Weighted Time[J]. Discrete Dynamics in Nature and Society,2017,2017:.
[6]初良勇,邢大宁,王鸿鹏,许金财. 智能化物流配送调度优化平台设计及实现[J]. 集美大学学报(自然科学版),2012,17(06):433-437.
[7]陈永平,李赫. 大数据时代物流末端配送、消费体验需求满足及其价值创造能力提升[J]. 财经论丛,2017,(01):95-104.
[8]戴炳荣,宋俊典,钱俊玲. 云计算环境下海量分布式数据处理协同机制的研究[J]. 计算机应用与软件,2013,30(01):107-110+146.
[9]丁建立,郑峰弓,李永华,罗云生,曹卫东. 基于NoSQL的海量航空物流小文件分布式多级存储方法[J]. 计算机应用研究,2017,34(05):1433-1436+1441.
[10]侯建,帅仁俊,侯文. 基于云计算的海量数据存储模型[J]. 通信技术,2011,44(05):163-165.
[11]蒋凡,徐明泉,崔代锐. 基于外卖物流配送大数据的调度系统[J]. 大数据,2017,3(01):104-110.
[12]李昌兵,汪尔晶,袁嘉彬. 物联网环境下生鲜农产品物流配送路径优化研究[J]. 商业研究,2017,(04):1-9.
[13]李昌旺. 物流配送流程路径的优化分析——以食品外卖配送为例[J]. 经贸实践,2015,(10):289+291.
[14]李伟春,孙亮,闫子彤. 生鲜电商云物流平台构建[J]. 商业经济研究,2017,(13):78-79.
[15]齐会娟,李德雄,张诣. 基于物联网的多目标物流调度系统优化设计[J]. 物流技术,2015,34(12):173-175.
[16]石纳芳. 杭州市O2O智慧配送平台构建与运营研究[J]. 物流科技,2016,39(02):38-40+44.
[17]孙志伟. 大数据时代物流行业的O2O应对策略[J]. 物流科技,2014,37(09):70-73.
[18]涂汉江. 集中区域外卖即时配送调度系统的设计实现[D].南昌大学,2016.
[19]温荷. 基于大数据的云物流管理平台的架构设计[J]. 物流技术,2015,34(09):272-274+277.
[20]王健,王爽瑶,范爽. 重庆市渝中区百度外卖物流配送优化设计[J]. 中国市场,2017,(24):118-119.
[21]吴婷. 物流配送中心云计算服务平台的设计[J]. 物流技术与应用,2017,22(06):151-153.
[22]吴达远. 区域物流云服务平台关键技术研究[D].郑州轻工业学院,2017.
[23]王新强,李国燕. 基于智能决策支持系统的城市物流调度优化平台设计[J]. 物流技术,2015,34(24):171-173+205.
[24]袁大荣. 基于Hadoop的云物流调度系统研究[D].南京邮电大学,2014.
[25]游佳. 餐饮外卖平台配送模式研究[J]. 现代商业,2017,(26):11-12.
[26]杨菁,万川梅. 大数据时代基于云平台的智慧物流系统研究[J]. 科技经济导刊,2016,(14):24.
[27]张涛. 云计算环境下烟草物流调度系统设计与实现研究[J]. 电子技术与软件工程,2016,(14):68.
[28]章雪岩,桂欣,郑巧然. 最后一公里配送路径优化研究[J]. 物流技术,2017,36(06):116-121.
[29]赵桢. 餐饮O2O外卖配送方法研究[J]. 市场周刊(理论研究),2016,(08):33-34.
[30]张作昌. 基于GIS的仓储物流配送路线优化设计与实现[J]. 智能城市,2017,3(01):80-81.
致 谢
在本次论文的撰写中，我得到了张茹老师的精心指导，不管是从开始定方向还是在查资料准备的过程中，一直都耐心地给予我指导和意见，使我在总结学业及撰写论文方面都有了较大提高;在学习中,张老师严谨的治学态度、丰富渊博的知识、敏锐的学术思维、精益求精的工作态度以及侮人不倦的师者风范是我终生学习的楷模，张老师的高深精湛的造诣与严谨求实的治学精神，将永远激励着我。在此，我对张茹老师表示诚挚的感谢以及真心的祝福。
四年大学生活即将结束，回顾几年的历程，老师们给了我们很多指导和帮助。你们严谨的治学，优良的作风和敬业的态度，为我们树立了为人师表的典范。在此，我对所有的管理学院的老师表示感谢，祝你们身体健康，工作顺利!
附 录
随着互联网时代的发展，以及人们对生活品质的追求，订外卖已经成为了一种普遍的消费行为，外卖因其快捷便利性广受青睐，也因配送不及时，不准确倍受指摘。为了改善当前外卖配送过程中存在的配送速度不能保证，物流成本高，订单信息反馈不及时，配送调度方案不科学等问题，本次研究致力于对外卖物流配送系统进行设计。发展一套以蚁群系统为依据，重新规划配送，以作配送路径上的规划，为了解决当今外卖配送系统中存在的一系列问题，建立合理的调度系统来响应需求。对传统的外卖配送管理模式进行优化设计，将有助于突破外卖业的发展瓶颈。为降低物流成本，加快智能化物流发展，提高物流配送合理优化起到示范作用。
关键词:配送、调度、信息系统
Abstract
With the development of the Internet age, and the pursuit of people's quality of life, the booking of takeout has become a common consumer behavior. Because of its quick convenience, the takeout is widely accepted, and the distribution is not timely and inaccurate. In order to improve the current distribution process, the distribution speed can not be guaranteed, the logistics cost is high, the order information feedback is not timely, the distribution scheduling scheme is not scientific and so on. This study is devoted to the design of the logistics distribution system.A set of ant colony system is developed to replan distribution on the route of distribution. In order to solve a series of problems in the distribution system, a reasonable scheduling system is established to respond to the demand. The optimized design of the traditional takeaway distribution management mode will help to break through the bottleneck of takeaway industry development. In order to reduce logistics costs, speed up the development of intelligent logistics, and enhance the rational optimization of logistics and distribution, it plays an exemplary role.
Keywords:Distribution, scheduling, information system
目 录
摘要 1
Abstract 2
1 绪论 5
1.1研究背景 5
1.2 研究目的和意义 5
1.2.1 研究目的 5
1.2.2 研究意义 5
1.3 国内外研究现状 5
1.3.1 国外研究现状 5
1.3.2 国内研究现状 5
1.4 本文的主要研究内容 6
2 相关理论基础 7
2.1 JSON 7
2.2 Mysql数据库技术 7
2.3 Java 8
2.4配送路径规划 8
2.5蚂蚁理论..........................................................................................................9
3 乐外卖配送调度现状分析 10
3.1 乐外卖现状分析 10
3.2 乐外卖平台问题分析 10
3.3 乐外卖配送调度系统需求分析 10
4 乐外卖配送调度系统设计 12
4.1 配送调度系统总体设计 12
4.1.1 Server端架构 12
4.1.2 APP端架构 13
4.2 整体功能设计 13
4.2.1 信息收集整合 13
4.2.2 优化配送路径 15
4.2.3 GPS定位跟踪 17
4.2.4 订单确认与信息反馈 18
4.3 数据存储设计 20
5 乐外卖配送调度系统实现 27
5.1 系统平台搭建 27
5.2 系统功能的实现 27
5.2.1 信息收集整合功能 27
5.2.2优化配送功能实现 28
5.2.3 GPS定位跟踪功能 31
5.2.4订单处理功能实现 31
5.3 系统测试 32
5.3.1优化配送测试 32
5.3.2运输管理测试 32
5.3.3订单管理测试 33
结 论 34
参考文献 35
1 绪论
1.1研究背景
网络营销模式随着移动互联网的发展也在发生变化，现在的网络营销模式被称作移动营销。在这人手一支智能型手机的时代中，移动商务所带来的价值也逐渐受到重视。通过手机进行点餐现在已经很常见，外卖O2O的发展与消费者的快速收到外卖心态的矛盾越发明显。“网站+送餐”的模式分为轻模式和重模式，区别在于配送团队是第三方配送还是自建配送团队。无论是轻模式还是重模式，配送团队的重要性不言而喻。配送团队的工作效率，服务的态度是各个公司考虑的几个关键问题之一。与之相应，配送人员的工资也与配送单数有关，如何提高配送人员的工作效率，提高服务水平是目前较为热点的问题。如何通过乐外卖物流配送系统实现快速的点餐和调度具有很强的现实意义。
1.2 研究目的和意义
1.2.1 研究目的
随着互联网时代的发展，以及人们对生活品质的追求，订外卖已经成为了一种普遍的消费行为，吸引了许多投资者加入外卖平台开发的浪潮中。外卖因其快捷便利性广受青睐，也因配送不及时，不准确倍受指摘。其中，配送调度系统是外卖物流的最核心环节，依托海量订单数据、送餐员定位数据、精准的商户特征数据，针对送餐员实时情景，对订单进行智能匹配，实现自动化调度以及资源的全局最优配置，在保证系统效率的前提下，最大限度地提高用户体验。为了改善当前外卖配送过程中存在的配送速度不能保证，物流成本高，订单信息反馈不及时，配送调度方案不科学等问题，本次研究致力于在大数据基础上对外卖物流配送系统进行设计。
1.2.2 研究意义
外卖平台不仅承担销售任务，同时也承担达成订单的最后一公里——物流配送业务。为了解决当今外卖配送系统中存在的一系列问题，建立合理的调度系统来响应需求。对传统的外卖配送管理模式进行优化设计，将有助于突破外卖业的发展瓶颈。为降低物流成本，加快智能化物流发展，提高物流配送合理优化起到示范作用。
本论文的研究目的为开发一个具便利性、机动性、丰富性且多元性外卖调度平台实现对本地美食的推荐和购买.依照本地对餐厅的多种分类方式，提供方便的查询功能，并提供餐厅地址、餐厅照片及餐厅特色等信息。另外，也有线上地图浏览及附近餐厅查询、关键字搜索等功能，希望借此提供一个完善的美食导览平台给民众使用。本论文将开发一个具便利性、机动性、丰富性且多元性的网络平台，来介绍各种美食，并提供道路名称、菜单及餐厅名称的关键字查询功能。另外，也有分类查询及附近餐厅查询的功能，希望借此提供一个完善的外卖调度平台。
1.3 国内外研究现状
1.3.1 国外研究现状
由于欧美共同的拉丁文化的大背景下，欧美的互联网公司很容易实现跨地域的合作，国际化是欧美外卖公司最主要的战略之一。Just Eat创办于丹麦，2006年到英国，并在英国上市。Yelp的国际化扩张更迅速。2012年，Yelp收购了其在欧洲的Qype。2013年，Yelp的新西兰分站、捷克等站点上线。截止到2014年，Yelp覆盖的市场数量上升至106个，其中国际市场达到50个，逐渐和美国本土市场持平。国内的外卖公司更多是专注国内一二线市场，并朝三四线市场下沉。但由于文化的差异，国际化需要付出比本土更多的精力和时间。
Eilon（2015）在《Optimization of logistics distribution line》等人提出将动态规划法用于固定车辆数的物流配送线路优化问题，通过递归方法求解。J.Lawrence（2015）在《Scheduling optimization based on genetic algorithm》将遗传算法应用于线路优化的研究，同年Desan和Gorar提出用模糊集理论来求解点数不确定的车辆线路优化。Modares，Somhom 和T. Enkawa（2015）在《Scheduling optimization based on neural network algorithm》提出用自组织的神经网络算法来求解线路优化问题。
1.3.2 国内研究现状
2014年，国过餐饮业收入计27000多亿元，同比增长9.7%。据预测，如按照外卖占餐饮收入30%的比例计算，未来餐饮外卖市场将达到万亿以上规模。这还仅仅是目前可以预估的数据，随着用户消费习惯的改变和外卖周边产业的衍化，未来巨大的市场空间使外卖配送自然成了各个新兴创业公司和巨头们必争的细分领域。
国内对配送路线优化逐步得到重视。陈子侠（2016）在《配送中心路径规划研究》运用网格划分技术和算法，对配送中心不同送货线路之间工作量不均衡问题进行了优化，使一条线路尽量集中，减少线路交叉，便于配送，大大降低了划分的复杂度，减少了运算量，可以判断出哪个区域网点较密集，对密集区域集中配送，提高配送效率。陈佳丽（2016）在《贵州卷烟配送路线优化》以贵州为例，运用节约里程法模型主要从打破行政区域限制的角度，实施卷烟配送路线优化。提升配送效率，克服了送货线路重复、送货成本偏高和送货量不均等问题。陈艳艳，宋健民（2017）在《基于遗传算法的优化决策研究》通过将地理信息系统与基于遗传算法的优化决策相结合，建立了一个综合优化决策模型，利用遗传算法进行优化决策，使总成本最小。
1.4 本文的主要研究内容
本文针对现阶段乐外卖物流配送调度存在的问题，通过针对配送调度业务流程的调研，釆用移动客户端实现手机前端功能，通过SSH框架以及Mysql数据库管理系统实现后台餐饮配送调度信息管理系统，在本系统中，利用json文档实现数据交换，使用Web Services实现面向服务架构，期望能够使餐饮配送调度信息系统在信息共享、可扩展性和可维护性方面有一个质的飞跃。
2相关理论基础
2.1 JSON
JSON 全名 JavaScript Object Notation是一种轻量级的数据交换语言属于一种具有自我描述特性与层次结构的文字格式，可经由Javascript或Jsp进行解析。主要与XML进行比较，JSON速度快，体积小，更为方便阅读，与XML不同的地方在于JSON没有结束标签，读写的速度更快，并且可以使用阵列，没有保留字的限制。使用JSON描述数据结构可以有以下6种形式:
1.对象:对象以{起始，并以}结束，一个对象中可包含许多的名称/数值对，并以，分开。
2.名称/值:名称和值之间用：隔开。
3.阵列:阵列以[起始，并以]结束，阵列内数值 ,分开。
4.字串:由双引号开始由双引号结束，表示为一字串。
5.数值: 0-9 的数字组合，包含负数与小数点。
6.布林值:表示true或false。
2.2 Mysql数据库技术
Mysql5.6由于有许多吸引人的特性，包括效能高、成本低、可靠性好，并且支持多种操作系统、为多种程序语言提供了 API、提供多语言支持、提供多种数据库连接途径、可以处理大量记录的大型数据库，支持多执行绪以充分利用CPU资源进而支持多用户，最佳化的 SQL查询算法，有效的提高查询速度，提供用于管理、检查、最佳化数据库操作的管理工具，更重要的是其对于自由软件的支持以及发展，前几年，很多中小型网站都钟爱Mysql5.6，正是看中它的众多便捷有效的特性。近几年来 Mysql5.6技术不断成熟，一些大型网站也开始使用Mysql5.6。非常流行的开源软件组合 LAMP中的M指的就是 Mysql5.6。但是在近期 Oracle 收购之后，在其商业考虑以及政策上，逐渐将 Mysql5.6商业版的售价提高，并且减少自由软件的支持以及开发，在公司这样的方针之下，不少软件社群也逐渐出现担忧，担忧其公司将不再开发自由软件，甚至于停止支持自由软件，导致不少原先使用 Mysql5.6开源软件的软件社群逐渐转移到其他的数据库系统，例如维基百科已于 2013年将数据库迁移至 MariaDB数据库。虽然Mysql5.6未必是使用上最好的数据库，但Mysql5.6是属于比较容易上手的平台，可以解决数据存放的问题，并可以建立有系统的关联式数据库，正规化后的Schema也适用，因此选用Mysql5.6。
2.3 Java
Java移除了许多在 C++上面会造成错误的元素，改以其他的特性来取代，加强了对象导向的应用。Java不同于一般的编译语言或直译语言。它可以将源代码单次编译成二进制码、依赖各种机器释译并多处应用。Java与在此之前的程序语言不同的地方在于，从一开始开发就是以开放的技术为主要目的，并且要求Java的软件必须要可以与其他程序语言互相融合，也因为如此使得Java得以深受使用者喜爱而快速疯行，成为了现在影响世界的重要程序语言之一。而我们会选择Java也是因为它有高度的通用性以及相容性，可以运作在不同OS，不会怕环境的问题，而且这个平台具备多种不同的接口，非常适合作为中间者，应付在不同平台互相调用。
2.4 配送路径规划
配送路径规划的目的，在于减少不必要的配送距离，达到最短而且最有效率的配送。探讨加入中间走道后的仓储系统，也即配送设备可以借由前、中、后的横向走道，转换配送走道，先以图形描绘出配送点，再以动态规划法发展出有效的算法，并找出最短配送旅行距离。除此之外，以三个主要影响配送旅行时间的因子作实验分析，分析结果发现整体而言，有中间走道的仓储设计均比没有中间走道的仓储设计来得省时，并且在大型仓储环境下更是显著。五种配送政策包括：(1)穿越策略；(2)返回策略；(3)中间点策略；(4)最大间隙策略；(5)合成策略，如图2.1所示。除了发展出配送途程规划的启发法外，并与Ratiliff与Rosentha1的算法进行仓储型式、存取站的位置以及单次拣取订单的数量来评估算法的绩效，实验结果显示，此五种方法均只有比最佳解的绩效差10%，除此之外，大量拣取数目采用合成与穿越策略，少量拣取数目则采用最大间隙以及中间点策略均有不错的拣取效率。
图2.1 配送路径政策
针对各种不同的配送策略比较在不同走道数目、不同订单数以及不同走道宽度的配送路径评估。求算最短路径的启发式算法包括：S型法(S-shape Heuristic)、最大间隙法(Largest Gap Heuristic)、走道接走道法(Aisle-by-aisle Heuristic)、最佳法(Optimal Algorithm)、组合启发法(Combined Heuristic)以及结合法改良策(Combine+Heuristic)。
2.5 蚂蚁理论
本文以蚂蚁系统为主体，应用于配送路径规划问题，因此在本小节中针对蚂蚁系统及其相关文献做探讨与整理。
2.5.1 蚂蚁族群
有鉴于蚂蚁系统变化与衍伸出来的许多算法已经可以有效的求解许多类型组合最佳化问题，例如：旅行推销员问题(Traveling salesman Problem；TSP)、二次指派问题(Quadratic assignment Problem；QAP)、车辆途程问题(Vehicle routing Problem)、连续性顺序问题(Sequential ordering Problem；SOP)等。
在自然界不断演化下，自然界中的蚂蚁族群已发展出一套完整且有效率的社会体系。1992年，Beckers etal发表的文章中指出，自然界中的蚂蚁借由它们本身特有分泌物－费落蒙素(Pheromone)帮助其他蚂蚁找寻食物的路径。由于蚂蚁的行走速率相当，较短路径的费落蒙素会累积较快，相对的也会有愈来愈多的蚂蚁走相同的路径，而较长路径的费落蒙素也会逐渐蒸发。
2.5.2 人工蚂蚁
然而人工蚂蚁便是借此特性找寻最短路径，在1997年，Dorigo与Gambardella提及了以人工蚂蚁自然界蚂蚁行为的三大关键特性为蚂蚁倾向在选择具有较高费落蒙的路径、对于较短的路径，其费落蒙累积的速度较为快速及蚂蚁通过费落蒙达到间接沟通(Indirect Communication)的效果。
蚂蚁算法最初是应用在旅行推销员问题，即推销员必须经过所有城市，凡走过城市不得重复，最终须回到起始城市，求最短路径。蚂蚁系统(ant system，简称AS)以方程式表示时间t，第k只蚂蚁从城市i到j的概率函数为Pijk (t) 。
3 乐外卖配送调度现状分析
3.1 乐外卖现状分析
乐外卖微信订餐系统是由迅享科技精心研发的基于微信公众帐号的产品。通过乐外卖，店家可以在微信上建立店铺，消费者只需关注店家的微信公众帐号，即可浏览商品与店家的信息，并轻松下单。店家可以通过GPRS无线打印机、商家版APP、短信、邮件、微信、电脑后台等多种方式即时查看订单，并为顾客提供相应的服务。乐外卖主要有两种收费方案，一种是按时间收费，可以按月或者按年按季度等，主要针对单个的外卖商家;一种是按订单收费，1毛钱一个订单，主要针对那种在学校运营公众帐号的创业学生团队，他们把学校周边的外卖店放在自己的公众帐号上进行推广，通过跟商家抽取提成来盈利，还有就是那种社会上的跑腿公司或者外卖配送团队，他们一般也是一个公众帐号上有多个店铺。据悉，2015年6月底，乐外卖新增了多店铺按年付费的方案。
3.2 乐外卖平台问题分析
目前乐外卖平台的订单排单和车辆调度、路线安排都是由公司里业务能手来完成，送货区域大了，客户多了，这项工作的效率和完成工作的成本控制都会不理想。
目前乐外卖平台实现对货物的有序登记、管理，保证这些货物的电子化管理。采用一人一单摘取式的配送作业，一张订单从头到尾皆由同一位配送员负责，配送员于某一区段配送完成时，需按照电子标签的作业指示，继续前往下一区段配送，待该订单经标签指示已配送完成时，配送员方可进行下一张订单的配送。通过配送人员位置和策略调整保证合理的实现配送速度。
1、供需分散
乐外卖涉及的店铺众多，各个外卖店铺之间距离非常远，店铺中销售商品大同小异，店铺会员分布状况不同、各自的营销策略、销售任务各不相同，由于店铺之间距离较远，如何保证外卖的成本和效率是一个必须权衡的问题。为了支持外卖行业的多批量，小品种以及客户的多样性需求，特别是针对网上的客户的零售需求，所以快速配送成了外卖行业一个比较重要的功能亮点。快速配送可以减小店铺的销售压力，可以把多批量整合后配送。
2、调度方式传统
传统的基于经验的方法，在企业规模有限，客户数量不是非常多，配送网络相对简单的情况下，只要员工和管理者技能过关，执行力好，都应该能够较好地完成配送任务，获得企业的发展。但是随着销售区域扩大，客户数量的不断增加，客户需求持续增长，配送业务量大增，配送周期缩短，配送线路更复杂，并且需求的随机性、变动性加大，光凭经验和手工安排，已无法做到配送计划的优化，必须借助于统计分析、利用数学模型和智能算法，才能获得较好的配送计划，节省时间，提高效率。本文就是针对这些问题，从企业应用的角度，提出先合理划分配送区域，再优化配送路线的方法，从而达到降低成本，提高竞争力的目标。
3.3 乐外卖配送调度系统需求分析
3.3.1功能需求
1、订单信息处理功能
配送员确认出车后，将出车时间记录于PDA或出车记录表上，结合 GPRS(通用分组无线服务技术)将出车信息传回公司主机以即时回报。若配送车辆并未具备GPRS功能，则必须等待配送完成后才将出车信息以批次方式向公司调度中心回报。配送员可由PDA的GPS/GIS功能即时掌握路况，公司主机与车辆的 GPRS连线，借此即时监控系统可掌握车辆行进路线、行车时间速度等，进而提供客户商品的即时配送状况，并可进行车辆的即时调度。PDA可读取配送商品的条码信息，并利用GPRS功能与公司数据库进行连接、确认。订单经TDSS分布式存储系统处理产生的输配送信息可借由 PDA 以图形方式显现示，并显现车厢的实际配置情形，装车人员便可依照显示的信息进行货物装车作业。配送员若发现无法及时将商品送达客户手中，其则可通过 PDA 将无法准时送达的信息送回公司进行即时回报。公司客服人员可即时地利用 E-mail、手机简讯或信息系统主动通知客户到达时间将有所变更。配送员到达目的地后，即可与客户端的作业员进行点检交货。配送员先请客户检验商品数量是否正确；若数量正确，即要求客户在配送表单上进行签收，同时配送员以 PDA（结合条码）确认已送达的货品信息，并利用GPRS功能将确认信息传回公司；若无相关电子信息设备支持则略去此步骤。后面配送员将客户签收的送货单据送回公司，以完成配送作业。若客户拒绝收货，配送员可利用PDA回报拒收条件（如订单错误、数量错误、产品污损等），并将客户拒绝的商品携回。而配送作业未完成的信息亦同时自 PDA 通过GPRS 传回公司，待公司确认退货信息无误后，由公司重新配送至客户端。如果配送员无法以电子设备即时回报客户拒绝收货的信息，配送员则央请客户填写相关表单并携回公司（或由客户自行以电话通知公司），待公司确认退货信息无误后，由公司重新配送至客户端。
2、优化配送路径
本系统模块根据历史订单情况，及路况情况，还有店铺销售任务，总和分析，根据一定统计分析算法。除历史销售数据分析，算法预测以外，店铺地理位置、当地天气情况、店铺促销力度也是影响销售重要因素，考虑到这一点，增加了系统人工参数设定阈值功能。系统经过评估、预测，给出既定调度方案。优化配送主要功能有设置快速配送规则、按照订单配送等。
3、GPS定位跟踪
现阶段采用GPS方式来对智能终端持有者进行定位，防止智能终端持有者位置，精度做到20米-50米，这部分主要由硬件实现。监听功能，管理者通过手机发送短信到智能终端设备中，设备进行识别，确认通过后，自动开启定位功能，对智能终端持有者当前所处的环境进行定位；整个过程，设备不会发出任何声音，也不会有任何显示。该功能主要是为了管理者通过智能终端持有者当前所处环境，来判断智能终端持有者是否有非正常行为进行监管。
4、订单信息反馈
在订单管理界面中，用户可以输入的信息有订餐人姓名、手机、付款方式。如果用户的输入为空白或者资料格式错误时，系统会出现错误信息，当所有资料都输入完毕，网站会给予修改完成信息。订单管理可以实现订单的下发、订单的状态监控、订单的关闭等。使用者在该页面中可以依照分类来查看菜色信息，例如附餐、口味、肉类选择、冰块等信息。当使用者点及送出时将会把页面导向详细设置界面，在该界面可以进行加购、肉类、冰块等选择，加购界面中可以选择要加购的饮品或甜点，最后加购完的总价格也会显是在界面中供使用者查看。使用者最后将详细设置中的数据都确认完毕并点击送出时，该手机将会把该笔数据储存在应用程序预设的数据库中，该数据将会储存在手机的数据库中随时可以依需求进行更改删除等动作。
3.3.2性能需求
服务器对硬件的要求比较高，因此，对服务器处理流程进行优化，有助于提升服务器在性能方面的表现。
(1)最大并发用户数量
根据公司目前的订单规模以，系统需要支持的最大并发用户数为5000。最大并发用户数量的保证需要公司投入大量的软硬件资源，只有这些资源满足的情况下才可能满足同时有5000人在线。
(2)最长反应时间
从用户发送请求，到获取服务器反馈的请求结果之间的时长，通常情况下系统的最长反应时间小于5s。在软件、硬件不断发展的过程中，人们对系统执行时间的要求不断提高。最长反应时间不但是评判系统性能的重要指标，同时还在一定程度上决定了用户的体验是否良好，如果执行时间过长，用户便会产生焦燥情绪。
(3)系统稳定性
系统稳定性指的是在保持系统硬件条件不变的情况下，在系统能最大处理的请求数量，它是衡量系统性能的重要指标。系统的系统稳定性主要由服务器性能所决定的，更准确来说和服务器的运算能力呈正相关关系。
4 乐外卖配送调度系统设计
4.1 配送调度系统总体设计
在系统需求分析的基础上，本章从系统结构、模块结构设计、数据库层设计等几个方面详细进行了系统设计思路的阐述，确定了用户的界面实现和系统开发原则。基于SSH的外卖配送调度系统常用的体系结构主要分为四层，即用户界面层、业务逻辑层，实体对象层、数据层。外卖配送调度系统的体系结构图如图4-1所示。
图4-1 系统的软件体系结构图
上面介绍的体系结构虽然很全面，但是很复杂。本文在开发外卖配送调度系统时，基于方便管理及提高系统执行效率的考虑，采用MVC模式的体系结构，即三层模式来进行开发。
4.2 整体功能设计
4.2.1 订单信息处理功能
订单信息处理来应对APP的请求：1）搜寻菜单；2）新增订单；3）搜寻特定菜单或订单。搜寻菜单的部分，我们会直接针对APP中的菜单页面进行搜寻，对应不同的类别回传相对应的菜单。这不需要APP携值回传，可直接取得回传数据。新增订单的部分，使用者将清单界面的订单传进数据库中，会先要求输入个人数据，在此个人数据包含姓名与电话。我们先将个人数据加入Customer数据表中，取得自动产生的订单编号后，再连同该订单编号与菜色一起将数据依序加入Order数据表中。搜寻特定菜单或订单与搜寻菜单不同的地方，在于它可以针对APP传送过来的值进行搜寻。例如想要查看使用者以前的所有订单，在APP中我们使用姓名与电话这两项数据回传至服务器中搜寻，并将搜寻后的值回传给APP。订单信息处理的流程分别如图4.2。
图4.2 订单处理流程图
4.2.2 优化配送路径
优化配送路径的流程分别如图4.3。
图4.3 优化配送路径流程图
如图4.3所示，系统获取到客户的订单请求后，输入到系统的后台核心蚂蚁算法调度策略，系统自动计算出订单的调度路线以及对应的调度员的电话，最后通过安排调度人员完成配送。
4.2.3 GPS定位跟踪
轨迹记录模式下左上角为状态信息框，另外在左下方有录制声音、停止记录、查询记录、返回上页等功能按键。以下为功能介绍：
1．状态信息框：可显示使用者目前所在位置的经纬度、移动速度(m/sec)、目前的时间以及定位来源。
2．录制声音：此功能可录音、并将相片上传至云端储存空间。结束录音后，返回记录模式并回传录音档名，文字记录及录音地点经纬度以供储存。
3．停止记录：此功能将停止记录模式，并将先前所行经的轨迹存档。
4．查询记录：此功能执行"停止记录"功能，但跳到查询列表界面。
5．返回上页：此功能可返回主选单界面。
GPS模块开启后，地图依以下的参数做改变
long minTime = 5000;
float minDist = 5.0f;
locationMgr.requestLocationUpdates(provider，minTime， minDist，locationListener);
如图5-1所示，设定GPS事件触发条件(移动距离5米或者静止状态下每5秒钟触发位置改变)。轨迹记录模式如图4-4所示，此功能可让使用者记录其行经轨迹，轨迹因为使用者移动而造成经纬度发生改变，若移动大于前面的设定值，GPS程序会被触发，而目前位置会被要求更新，界面轨迹也会跟着改变，记录轨迹的动作会持续到使用者按下结束按键。结束记录时会将档案写入手机内存卡。
图4-4轨迹记录模式状态图
4.2.4 订单信息反馈
如图4-5所示，此功能可让使用者查询之前所储存的订单反馈信息。订单反馈完成对轨迹的跟踪。订单信息反馈页面可看到数据库每一笔订单反馈数据。
图4-5 订单反馈流程图
订单反馈模式进入界面如图4-5所示，各个档案以其当初写档时的时间命名，红色框为欲浏览的档案。点选该文件名后，浏览界面即可呈现之前所记录的订单反馈轨迹、标记、照片。
4.3 数据存储设计
数据库设计需要根据表、索引的设计情况，合理设计表空间的大小。本系统的设计的E-R图如下：
图4-6系统E-R图
本网站的数据库主要分成以下数据表，主要有使用者数据表、员工数据表、菜单数据表、菜单明细数据表、餐点库存数据表、 餐桌数据表、订位数据表、订单数据表、订单明细一数据表、订单明细二数据表、供应商数据表、供应商细目数据表、原物料数据表、进货数据表。详细结构如下：
表 4-1 用户数据表
使用者 user
主键 名称 栏位名称 型态 类型 长度
是 使用者帐号 account varchar 字串 10
使用者密码 password varchar 字串 15
权限 permissions varchar 字串 6
备注 usermark varchar 字串 100
表 4-2 派送员数据表
员工 employee
主键 名称 栏位名称 型态 类型 长度
是 员工序号 empID int 数字 4
员工姓名 empname varchar 字串 6
昵称 nina varchar 字串 4
性别 empsex varchar 字串 1
职务 position varchar 字串 6
员工电话 empphone int 数字 10
备注 empremark varchar 字串 100
表 4-3 菜单数据表
菜单 menu
主键 名称 栏位名称 型态 类型 长度
是 菜单编号 menuID varchar 字串 2
菜单名称 menuname varchar 字串 8
菜单价格 menupric int 数字 3
表 4-4 菜单明细数据表
菜单明细 menulist
主键 名称 栏位名称 型态 类型 长度
是 菜单明细编号 meliID varchar 字串 2
是 菜单编号 menuID varchar 字串 8
菜单明细名称 meliname int 字串 6
菜单明细加价 meliadd int 数字 3
餐点库存编号 mestID varchar 字串 6
表 4-5 餐点库存数据表
餐点库存 mealDish
主键 名称 栏位名称 型态 类型 长度
是 餐点库存编号 mestID varchar 字串 6
餐点库存名称 mestname varchar 字串 6
库存类别 mestcate varchar 字串 10
安全库存 mestsast int 数字 3
库存量 inventory int 数字 3
新增库存时间 insert_time date
表 4-6 订单数据表
订单 order
主键 名称 栏位名称 型态 类型 长度
是 订单编号 ordID timestamp 日期 14
员工序号 empID int 数字 10
订单人数 ordper int 数字 2
订单状态 ordsta varchar 字串 10
订单总金额 ordsum int 数字 5
备注 ordmark varchar 字串 100
表 4-7 订单明细一数据表
订单明细 first orderfirst
主键 名称 栏位名称 型态 类型 长度
是 订单明细一编号 ordfID int 数字 2
是 订单编号 ordID timestamp 日期 14
菜单编号 menuID varchar 字串 6
菜单明细名称 meliname varchar 字串 10
数量 meliamt int 数字 2
单价 meliunpri int 数字 4
金额 melipri int 数字 4
状态 melista varchar 字串 10
备注 melimark varchar 字串 90
表 4-8 订单明细二数据表
订单明细 second
主键 名称 栏位名称 型态 类型 长度
是 订单明细二编号 ordsID varchar 字串 6
是 订单明细一编号 ordfID int 数字 2
菜单编号 menuID varchar 字串 6
菜单明细编号 meliID varchar 字串 6
菜单明细名称 meliname varchar 字串 10
数量 ordsamt int 数字 2
单价 ordsunpri varchar 数字 4
金额 ordspri int 数字 4
表 4-9 商家数据表
供应商 suppliers
主键 名称 栏位名称 型态 类型 长度
是 供应商编号 supID varchar 字串 8
供应商简称 supabbr varchar 字串 6
联络人 supconper varchar 字串 10
联络电话 supconpho int 数字 14
原物料类别 meliID varchar 字串 10
表 4-10 商家细目数据表
供应商细目 suppliers list
主键 名称 栏位名称 型态 类型 长度
是 供应商细目编号 suliID varchar 字串 6
是 供应商编号 supID varchar 字串 6
公司名称 sulicona varchar 字串 30
负责人 sulimaper varchar 字串 6
公司电话 sulicopho int 数字 14
地址 suliaddress varchar 字串 90
电子信箱 sulimail varchar 字串 50
网址 sulisite varchar 字串 50
5 乐外卖配送调度系统实现
5.1 系统平台搭建
表5.1与表5.2分别为实现的硬件与软件规格与介绍。
表5.1 硬件规格
硬件 规格/型号
CPU AMD FX6300 4.0 GHz
RAM 16 G
HDD 640 GB
网络 Download 20MB
Upload 5MB
手机 HUAWEI P9
表 5.2 软件规格
软件 版本
Apache 2.4.10
Jsp 5.5.24
MySQL 5.6.24
XAMPP v5.6.8
Eclipse SDK JUNO 4.2
JAVA JDK 1.8.0.45
OS Windows 7 64 bit
5.2 系统功能的实现
5.2.1 订单处理功能实现
在订单管理界面中，用户可以输入的信息有收货人姓名、性别、县/市、具体地址、邮递区号、手机、付款方式。如果用户的输入为空白或者资料格式错误时，系统会出现错误信息，当所有资料都输入完毕，网站会给予修改完成信息。订单管理可以实现添加订单信息、查询订单信息、修改订单信息、删除订单信息等。
图5.5 订单管理界面图
5.2.2 信息收集整合功能实现
使用者上传数据的功能，须先判断来源端是移动设备或个人电脑，若是移动设备则可浏览数据集、多媒体录音数据夹；若是个人电脑则直接跳出浏览档案工具。上传数据文档将有数据文档容量、数据文档格式、数据文档名称的判断，数据文档大小不可超过2MB（2048KB），若不符合条件则无法上传。上传的数据文档名若是与数据数据库中有相同的名称，则自动将新进数据档名自动+1再上传，避免档案名称重复。数据采集后系统将自动制作另一缩图，取较宽或较高者，显示于条列式清单的查询结果页面。使用者于数据采集模块将数据新增成功后，即可进入播放数据与新增数据数据模块，针对刚刚上传成功的数据，进而编辑数据，输入数据时，编号与名称不可留空值，其余数据可能在当下无法得知。使用者完成拍照后，随即显示文字编辑界面，该界面会呈现刚获取录音的缩图及文字编辑框，以供输入数据相关信息。使用者完成文字编辑后，即可按下相片上传按键将数据采集至后台，随即跳回纪录模式界面。数据采集需要先与服务器的服务程序建立连线，接着才将拍的数据采集。
图5.1 数据采集界面
5.2.3优化配送路径功能实现
本文探讨的配送路径应用蚂蚁理论找寻最短路径并对目标重新加以规划，以下就此两种方法加以详述。
在本文中，蚁群系统中第k只蚂蚁由目标i行走到下一个目标j的机率估算如文献所提的机率公式。其中τij代表的是蚂蚁在目标 i 到目标j沿途所释放的费洛蒙，ηij则表示目标 i 到目标j间距离的倒数，此通常表示蚂蚁的视觉能力，指越近的城市蚂蚁越容易看得见。为使蚁群系统在求解过程时，减少可能产生的停滞现象或过早收敛的情形，因此加入费洛蒙更新机制来改善此一状况，因全域更新方法较能参考到全域性的信息，故本文以全域性的搜寻作为改良费洛蒙的更新方式。利用蚁群系统作为目标指派的依据，乃起因于蚂蚁凡走过必留下费洛蒙值，蚁群更依循着费洛蒙值选择下一个拣取目标。因此，该路径上的费洛蒙值高者可能代表着以下三种情况：(如图5.2所示)
一、该路径所需拣取的订单数多。(如图5.2的路线1)
二、若图5.2中虚线所表示的路线2上费洛蒙值高，有可能是因为经常有订单出现只需拣取＊5及＊6，而造成蚁群浪费在＊5 到＊6的行走路径过高。
三、该路径的订单关联性高，也即订单中凡出现A产品，则随即出现B产品。
＊i：代表需被捡取订单 i 的目标
图5.2配送路线图
因此，本文目标互换的判断步骤如下：
一、首先，输入原始订单数据，并让蚁群系统找寻起始最佳解。
二、根据起始最佳解，观察所有路径的费洛蒙值，取出费洛蒙值高达所有费洛蒙值前20%的路段。
三、并针对费洛蒙值高达前20%路段上的目标作目标指派及互换的动作。
四、判断该路段上前半部走道或后半部走道被拣取的目标数比例是否低于50%，若是，则订单数少者移动至订单数多者的相邻目标，订单数相等时，则离Input较远者移至离Input点较近的相邻目标；若否，则停止。
本文因以蚁群系统走过路径上的费洛蒙值累积量当作路径选取的条件，因此被选取出发路径有可能只是一个路段，而非完整的路径。以图5.2为例，若路段1上的费洛蒙累积量为10，路段2上的费洛蒙累积量为9，路段3上的费洛蒙累积量为8，路段4上的费洛蒙累积量为7，路段5上的费洛蒙累积量为6。则占5条路段中费洛蒙累积量前20%为路段1。因此，判断路段1上被拣取的目标数，前半部走道被拣取的目标数比例为（前半部的总目标数/被拣取的目标数）=1/5=20%，也可求得后半部走道被拣取的目标数比例则为40%，都低于50%，于是＊1与＃13进行互换的动作，也即如箭头所示。
本文为反应实际上真实情况，以直角距离来计算，并由配送区布置图得到各目标之间的相对距离，例如目标i与目标j的距离为Dist(i, j) =| xi - x j |+| yi - y j| 。在配送法则方面，本文将考虑到任一产品的订单需求可能无法由一个目标获得满足时，因此必须以一个以上的目标供给。本文依交货期决定顾客订单顺序配送，其配送法则如下，若发生同产品在不同目标时，其之间距离为零时，其配送的法则是以任意选择其中之一目标拣取；若发生距离不等时，以先遇到的该产品目标先拣取，但此时又有二种情况，因本文的目标布置有交叉走道的设计，故有前、后区之分，当同产品位于前、后区时，此时必须以订单的总体性为考虑，也就是说一笔订单最好集中在同区块中，以利配送车承载时减少路径的绕行。且由于区块的前半部属于一群组，区块的后半部属于另一群组，在同群组之间的目标互换有可能影响行走距离，因此本文设计的搬运车从起始点出发，再回到起始点。
＊i：代表需被拣取订单i的目标；＃i：代表不需被拣取订单i的目标
图5.3 目标互换的范例说明
在蚁群系统中对于各参数的设置当中，尤以在控制τij与ηij及控制路径间重要关系程度的指数α值与β值，在历年的文献中均被告知其重要性，若设置不适当将使求解过程可能产生停滞不前或无解的现象，因此本文把α与β两个参数设置在建议的最佳组合状态，即α值与β值设置在(0.5,5)。除此之外，对于其它蚁群系统中的参数值，除依据文献建议须设置在可求解的范围内外，也须视求解问题的属性作设置：
1. 代表费洛蒙蒸发的系数ρ值设置在 0 <ρ< 1之间，ρ的设置值若倾向于0，则易发生费洛蒙过早蒸发的现象，蚁群将因无法参考到其它同伴所留下的轨迹密度值，增加了探索新路径的时间；若将ρ设置于1则蚂蚁易过早发生群聚行为。本文在此设置为0.9，目的是为了使蚁群能快速找到最短路径，避免产生停滞现象。
2. 代表费洛蒙累积量的Q为一常数值，一般均设置在10、100、1000…等整数值以方便计算出结果，在此，本文将Q值设置为100。
3. 本文以20只蚂蚁来进行整个模式的演练，每只蚂蚁依据所设置的参数值各自循环走1000周期，每组作20次，因为蚁群系统会因搜寻途程的不同而产生不同的求解结果，故本文将一组参数设置作20次，并取其平均值评比客观的结果。
5.2.4 GPS定位跟踪功能实现
定位完毕后系统提供三种查询方式，地图查询、用户查询及地名查询。地图查询可马上查看基于位置服务所提供的附近的环境，使用者也可以选择想要查询的条件，输入查询条件，符合的查询结果将标记在地图上，也可以利用多图层功能，点选多个标记并开启信息视窗。查询让使用者选择想要查询的条件，查询结果将以条列式清单呈现，使用者若想再进一步查看详细数据，可再点选该笔数据，即可进入详细数据页面。查询地图与查询清单均为选择特征条件查询，例如选择范围值、位置（输入地址），每个标点均可直接点选，即时在地图上开启信息视窗，显示每一笔数据库数据的特征值、数据，且具多重图层功能，可同时在地图上显示多笔详细数据。左图为 PC浏览器界面，右图为智能型手机浏览界面。查询清单功能以条列方式显示查询结果，在清单上点选想查看的单笔数据，可连结至标示该笔数据位置的分割网页，上下半部分别显示数据与地理位置。
图5.4 定位与查询结果界面
5.3 系统测试
5.3.1优化配送测试
针对优化配送模块需求分析所确定的功能进行测试，结果如表5.3所示：
表5.3 优化配送测试表
测试对象： 优化配送模块所述功能
测试内容： 优化配送主要功能，包括：设置快速配送规则、按照订单分货等。
合格标准： 各功能基本实现，无明显缺失，无明显错误
测试结果： 合格
测试总结及评估： 时间允许的话，可以考虑新加入一些实用的功能
5.3.2 运输管理测试
针对运输管理模块需求分析所确定的功能进行测试，结果如表5.4所示：
表5.4 运输管理测试表
测试对象： 运输管理模块所述功能
测试内容： 运输管理主要功能，包括：指派订单、订单监控、状态上报、查询运输状态等。
合格标准： 各功能基本实现，无明显缺失，无明显错误
测试结果： 合格
测试总结及评估： 时间允许的话，可以考虑新加入一些实用的功能
5.3.3 订单管理测试
针对订单管理模块需求分析所确定的功能进行测试，结果如表5.5所示：
表5.5 订单管理测试表
测试对象： 订单管理模块所述功能
测试内容： 订单管理主要功能，包括：添加订单信息、查询订单信息、修改订单信息、删除订单信息等。
合格标准： 各功能基本实现，无明显缺失，无明显错误
测试结果： 合格
测试总结及评估： 时间允许的话，可以考虑新加入一些实用的功能
结 论
为了改善当前外卖配送过程中存在的配送速度不能保证，物流成本高，订单信息反馈不及时，配送调度方案不科学等问题，本次研究致力于对外卖物流配送系统进行设计。本文的研究目的是在探讨为提高配送效率，提出应用蚂蚁理论在配送路径上，并验证应用蚂蚁理论在配送路径上确实对平均订单配送距离有所改善。因影响平均订单配送距离的因子并非仅配送路径方法，因此本文与过去学者所提出最佳的配送路径方法以及订单批量法、储存型态作比较，并验证在各因子间的组合都以应用蚂蚁理论的组合为最佳。除此之外，当订单数量越大时，蚁群的费落蒙素值累积量越大，其绩效更为显著。
参考文献
[1]Design and Development of the Mass Image Storage Platform Based on Hadoop[J] . Xiao Qing Zhou,Jia Xiu Sun,Xing Xian Luo. Applied Mechanics and Materials . 2015 (742)
[2]Jie Sun,Xin Wang. Study on the E-Commerce Logistics Distribution Modes of Fresh Agricultural Products[J]. Applied Mechanics and Materials,2015,3843(744):.
[3]Matej Kovalský,Branislav Mičieta. Support Planning and Optimization of Intelligent Logistics Systems[J]. Procedia Engineering,2017,192:.
[4]Mauro Dell’Amico,Selini Hadjidimitriou. Innovative Logistics Model and Containers Solution for Efficient Last Mile Delivery[J]. Procedia - Social and Behavioral Sciences,2012,48:.
[5]Wenxue Ran,Zhe Zhang,Sen Liu,Allan C. Peterson. A Flexible Logistics Distribution Hub Model considering Cost Weighted Time[J]. Discrete Dynamics in Nature and Society,2017,2017:.
[6]初良勇,邢大宁,王鸿鹏,许金财. 智能化物流配送调度优化平台设计及实现[J]. 集美大学学报(自然科学版),2012,17(06):433-437.
[7]陈永平,李赫. 大数据时代物流末端配送、消费体验需求满足及其价值创造能力提升[J]. 财经论丛,2017,(01):95-104.
[8]戴炳荣,宋俊典,钱俊玲. 云计算环境下海量分布式数据处理协同机制的研究[J]. 计算机应用与软件,2013,30(01):107-110+146.
[9]丁建立,郑峰弓,李永华,罗云生,曹卫东. 基于NoSQL的海量航空物流小文件分布式多级存储方法[J]. 计算机应用研究,2017,34(05):1433-1436+1441.
[10]侯建,帅仁俊,侯文. 基于云计算的海量数据存储模型[J]. 通信技术,2011,44(05):163-165.
[11]蒋凡,徐明泉,崔代锐. 基于外卖物流配送大数据的调度系统[J]. 大数据,2017,3(01):104-110.
[12]李昌兵,汪尔晶,袁嘉彬. 物联网环境下生鲜农产品物流配送路径优化研究[J]. 商业研究,2017,(04):1-9.
[13]李昌旺. 物流配送流程路径的优化分析——以食品外卖配送为例[J]. 经贸实践,2015,(10):289+291.
[14]李伟春,孙亮,闫子彤. 生鲜电商云物流平台构建[J]. 商业经济研究,2017,(13):78-79.
[15]齐会娟,李德雄,张诣. 基于物联网的多目标物流调度系统优化设计[J]. 物流技术,2015,34(12):173-175.
[16]石纳芳. 杭州市O2O智慧配送平台构建与运营研究[J]. 物流科技,2016,39(02):38-40+44.
[17]孙志伟. 大数据时代物流行业的O2O应对策略[J]. 物流科技,2014,37(09):70-73.
[18]涂汉江. 集中区域外卖即时配送调度系统的设计实现[D].南昌大学,2016.
[19]温荷. 基于大数据的云物流管理平台的架构设计[J]. 物流技术,2015,34(09):272-274+277.
[20]王健,王爽瑶,范爽. 重庆市渝中区百度外卖物流配送优化设计[J]. 中国市场,2017,(24):118-119.
[21]吴婷. 物流配送中心云计算服务平台的设计[J]. 物流技术与应用,2017,22(06):151-153.
[22]吴达远. 区域物流云服务平台关键技术研究[D].郑州轻工业学院,2017.
[23]王新强,李国燕. 基于智能决策支持系统的城市物流调度优化平台设计[J]. 物流技术,2015,34(24):171-173+205.
[24]袁大荣. 基于Hadoop的云物流调度系统研究[D].南京邮电大学,2014.
[25]游佳. 餐饮外卖平台配送模式研究[J]. 现代商业,2017,(26):11-12.
[26]杨菁,万川梅. 大数据时代基于云平台的智慧物流系统研究[J]. 科技经济导刊,2016,(14):24.
[27]张涛. 云计算环境下烟草物流调度系统设计与实现研究[J]. 电子技术与软件工程,2016,(14):68.
[28]章雪岩,桂欣,郑巧然. 最后一公里配送路径优化研究[J]. 物流技术,2017,36(06):116-121.
[29]赵桢. 餐饮O2O外卖配送方法研究[J]. 市场周刊(理论研究),2016,(08):33-34.
[30]张作昌. 基于GIS的仓储物流配送路线优化设计与实现[J]. 智能城市,2017,3(01):80-81.
致 谢
在本次论文的撰写中，我得到了张茹老师的精心指导，不管是从开始定方向还是在查资料准备的过程中，一直都耐心地给予我指导和意见，使我在总结学业及撰写论文方面都有了较大提高;在学习中,张老师严谨的治学态度、丰富渊博的知识、敏锐的学术思维、精益求精的工作态度以及侮人不倦的师者风范是我终生学习的楷模，张老师的高深精湛的造诣与严谨求实的治学精神，将永远激励着我。在此，我对张茹老师表示诚挚的感谢以及真心的祝福。
四年大学生活即将结束，回顾几年的历程，老师们给了我们很多指导和帮助。你们严谨的治学，优良的作风和敬业的态度，为我们树立了为人师表的典范。在此，我对所有的管理学院的老师表示感谢，祝你们身体健康，工作顺利!
附 录