同城配送的利润空间，往往不是被油价吃掉的，而是被空驶率一点点磨掉的。尤其对于同时经营日用百货批发与酒水副食经销的商贸企业而言，单票货值低、卸货点多、时效窗口碎，若调度仅凭经验拍脑袋，车辆绕路、等货、返程空载几乎成为常态。我们近期针对通辽城区及周边旗县的配送网络做了一次系统性的算法优化，数据改善相当直观。

痛点：经验调度在批量订单前的失效

过去三个月，我们的日均订单量从210票攀升至340票，单车日均行驶里程却一度突破168公里。问题不在司机，而在排单逻辑——同一商圈的订单被拆分到不同车辆，而不同车辆的返程路线又高度重叠。通辽兴黎商贸有限责任公司：商超供应链供货业务对卸货顺序有硬性要求（重货先卸、易碎品后卸），这进一步压缩了人工调度的优化空间。单纯靠老师傅记忆里的“顺路清单”，已经无法应对多约束条件下的成本失控。

解法：基于时间窗的邻域搜索算法

我们引入了一套轻量级自适应大邻域搜索（ALNS）算法，核心改动有三点：

• 将客户点按商圈网格预聚类，而非按行政区域划分，使同车订单的地理离散度降低31%；
• 在目标函数中同时加权燃油成本与司机超时补贴，而非单纯追求最短路径——因为等待卸货的时间成本往往高于绕路成本；
• 对返程空车强制匹配“回程捎带”订单（哪怕毛利仅够油费），使整体空驶率从27%压至14%。

实施两周后，单车日均里程降至133公里，单车日均配送票数从28票提升至39票。更关键的是，本地生活商品配送的准时送达率从92.4%提升至98.1%，这直接减少了商超客户因迟到拒收造成的损耗。

成本控制的隐形杠杆：不是省油，是省等待

很多同行把成本控制等同于“少跑路”，但我们的数据表明，等待时间成本才是最大黑洞。商超供应链供货场景下，月台排队平均耗时22分钟，若车辆调度未预留缓冲，司机怠速空调每小时耗油1.8升，叠加司机工时费，单次等待的实际成本超过40元。通过算法将每车每日的卸货窗口错峰（例如将易碎酒水类订单避开商超进货高峰），我们每月可节省约260小时的无效等待，折合成本约1.1万元。

另一个容易被忽视的细节是拼车装载率。酒水副食经销涉及大量啤酒箱和饮料瓶，形状不规则导致车厢空间利用率低。我们在算法中加入了“体积-重量双约束”，而非只看重量，使得单车装载率从71%升至86%——这相当于在不增加车辆的前提下，多出了15%的运力。

实践建议：先盘点数据，再谈算法

如果你所在的企业也面临类似问题，建议先花两周时间手工记录每台车的出发时间、到达时间、等待时长、卸货时长。没有这些基础数据，任何算法都是空谈。其次，不要一开始就上重型TMS系统，用Excel的规划求解或Python的OR-Tools库，处理50票以内的订单同样有效。我们目前仍保留着人工兜底机制——当算法结果与司机实际经验冲突时，以司机判断为准，但事后复盘数据。

未来方向：动态定价与新能源车的协同

下一步，我们计划将实时路况（拥堵指数）和充电桩位置纳入调度模型，因为通辽冬季寒冷，纯电配送车的续航衰减达35%，这直接影响末端派送效率。同时，针对日用百货批发客户中的中小超市，我们打算尝试“时段折扣”策略——鼓励非高峰时段收货，以平滑车辆调度波峰。这些探索未必能立刻复制，但至少证明了算法不是冷冰冰的公式，而是对每一公里、每一分钟的尊重。