自营车专项-自营车排班能力建设思路-京东云开发者社区

# 1 建设背景
目前整个物流输运行业已经进入精细化运营管理阶段，用日益成熟的自动化系统流程、智能化技术应用来升级物流系统，优化业务操作流程，提升运输效率。在整个过程中，核心围绕如何实现“货与资源”的高效匹配，如何将“人车货场”从线下到线上，从线上到自动化、智能化的管控演进。其中“车辆资源”的线上管控、自动化体系、智能化建设也变得非常重要。随着京东物流推出“全自动化调度”项目来为公司“降本增效”的战略目标保驾护航的同时，如何通过系统智能化、自动化来规划人、车、线路三者关系，实现车效人效最大化是提出“自营车排班”的主要原因。
# 2 行业情况
目前物流行业还无法做到统一“轻量化”运作，尤其是像京东物流这种头部企业，故针对车辆资源如何高效管控，最大化利用是每家物流企业共同的目标；
主流的做法主要分为基于车辆资源进行静态排班，任务过程中针对货量变化情况、实时环境（即人、车状态及位置变化）进行微调，尽可能实现在时效最优的化情况，车载货量最大化，从而实现降本增效的目的；但是该做法对于静态排班的前置条件，例如“货量预估”要求比较高，否则对于系统的实时计算能力，决策调整能力以及执行人员的要求很高；所以目前基本上每家公司都是在次基础上，结合各自企业业务特性进行探索，最终总结出一套适合自身的车辆管控系统、车货匹配逻辑。
# 3 当前业务现状
目前京东物流仅运力平台就拥有近7000辆自营车，每天运营线路xx条；但是整个人、车、线路之间的关系并没有一个系统合理的进行规划、安排、管控，都是通过“车队长”这一角色进行线下手动管理（凭靠经验将司机和车辆以及线路进行分组，安排；每天通过excel表手动排班，微信，咚咚通知司机；过程管控也是通过微信、咚咚线下联系，系统化程度低），整个管理过程难度复杂、工作量大，合理性无法完整评判。
# 4 建设思路&内容
## 4.1 车辆排班建设全景图

![](//img1.jcloudcs.com/developer.jdcloud.com/a7603da1-23e7-4fd7-9076-4e786902df7420221220184058.png)

## 4.2 车辆排班建设步骤拆解
针对整个车辆排班系统建设，主要围绕两个点：第一，怎么通过排班将人、车静态资源合理安排，并且最大化的利用；第二，如何在系统层面打通上下游业务壁垒，保证信息的及时交互和业务应用；主要分为如下几个步骤：
### 4.2.1 打通上游规划环节
对于车辆排班来说，需要有上游规划输入，即当前线路具体情况，例如：线路预计货量，线路时效要求、线路发车波次，线路要求靠台时间

### 4.2.2 车辆成本决策模型建立
车辆排班比较重要的一点是当前线路是选择自有车辆合理还是三方车辆合理，而合理性最根本的因素是成本的对比，故需要有一套完善的车辆成本决策模型，来快速合理决策运力的选择；三方车成本主要看合同成本数据，而自营车成本则主要是看分为车辆成本和人员成本
- 车辆成本拆解思路是将自营成本分摊到单趟任务，从而和三方单趟任务成本进行直接对比；车辆本主要是分为固定成本和变动成本，固定成本又分为折旧，管理，保险等成本，按照每天折旧成本/任务总时长，从而得到单趟任务固定成本，而浮动成本又主要分为油价、ECT、维修等成本，可根据每趟任务里程*单公里的油价、路桥费、维修费，从而得到单趟浮动成本，组成车辆单趟消耗成本

- 人员成本拆解思路和车辆成本拆解思路基本一致，固定成本主要分为基本工资、绩效工资、补助，摊出每日成本数据，结合任务时长，算出单趟任务的人员成本；变动成本主要分为夜班补助、公里数提成、点位/装卸提成，根据补助提点*单趟任务公路数，得出对应的成本，组成人员消耗成本

![](//img1.jcloudcs.com/developer.jdcloud.com/7e604ce2-269c-4dfc-bd68-334bdd645c1120221220184207.png)

### 4.2.3 实现车辆排班功能
基于算法能力的智能排班系统：主要是基于历史数据分析，看不同维度下，人、车、线路的规划组合情况，将稳定规律进行总结，不稳定的情况通过算法提供预测，从而建立一套“计划排班模型”；并且通过“计划排班模型”可以分析出，司机及车辆的空余时间，从而有一套“闲置排班模型”，专门对应上游临时任务下发的情况；同时，提供人工快速干预，调优的入口，并有线上通知、预警人工的机制，实现“人机结合”，保障系统功能的快速落地；
会动态监控车辆的当前位置及状态、司机的当前位置及状态，当前任务下发情况；同时，根据资源变化的情况来对车辆排班进行动态调整，具体因素如下：

![](//img1.jcloudcs.com/developer.jdcloud.com/1a608b4d-60c1-4eba-bcee-62926877b26820221220184224.png)

### 4.2.4 车辆排班信息对外应用
- 调度(通过动态资源池)下发任务后，车辆排班系统会根据不同场景获取最优的可用的人车资源，然后通过动态资源池集成推荐给调度使用；并且若排班动态调整后，也会及时将信息通知给上游，最终通知到调度环节，针对派车任务做实时更新操作
- 车辆排班完成后，系统会自动通知到对应司机的京管家app，并且司机可针对排班任务进行线上申诉，包括：新增排班，取消排班，修改排班，申诉完成后，车队长进行线上审批，审批通过后自动调整排班，调整上游任务；形成一套完整闭环
- 打通人资考勤系统，车辆排班之后，将人员上下班时间推送给人资系统，做司机出勤状态判断，最终核酸司机工资，绩效（待对接）

![](//img1.jcloudcs.com/developer.jdcloud.com/6e746c43-d0c9-4341-a583-f393ea1e504f20221220184313.png)

### 4.2.5 车辆排班的分析及评价
针对目前的车辆排班系统进行数据埋点，采集排班标签，例如：人车占用率，人车使用等情况，同时通过历史数据进行对比评价（历史履约能力，历史车效、人效，历史车辆成本投入情况），实现通过系统来对车辆排班系统进行自动评判、分析校正，逐步完善车辆排班系统建设；
## 4.3 车辆排班算法模型介绍（一期）

![](//img1.jcloudcs.com/developer.jdcloud.com/6f32c94b-2913-4c82-a5b8-8be8601df54e20221220184335.png)

# 5 建设路径
因目前整个车辆排班业务都处于线上操作及管理，所以该系统的建设路径主要是分为“线上化、自动化、智能化”三个方面进行展开，打造一套高效合理的车辆排班管控系统，逐步解决“排班工作量大，管控难度复杂，车辆安排合理性无法评估”。Q1，Q2主要通过如下子项解决“排班工作量大，管控难度复杂”的问题；
- 车辆排班功能线上化，打通算法静态排班推荐服务，人工只需进行确认排班推荐的准确性，无需每天线下重复excel表格制作，同时可调整算法排班，保留业务灵活性，降低排班工作量；
- 打通上游规划、调度环节，下游执行环节，现成系统调度体系的闭环；自营车规划后，会线上通知排班系统具体的线路及车队、车型，排班系统会根据规划进行车辆排班，排班完成后会线上通知对应的待执行司机，以及上游调度环节，等待任务自动下发，资源自动获取；同时，打通线上联动机制，及司机侧可针对排班任务进行申请调整（新增、修改、取消），车队长线上审批，通过后自动生成新的排班信息，并自动通知上游调度环节，及时做派车任务的调整；并且针对临时排班，无排班等场景做好异常日志记录，保证线上流转畅通，减少线下微信咚咚低效沟通，同时做好整套环节的线上管控；

**下一步重点建设（Q3）：成本决策模型及应用**
目前整个车辆排班系统的线上第一阶段已完成，对于线下的低效管理及信息交互做了一次系统化升级；但整个算法的静态排班准确率有待提升，人工干预的工作量仍然存在，所以接下来重点需要提升算法推荐的准确性、合理性；而车辆排班的准确性、合理性评判标准是已有资源的基础上实现用车成本最小化，故需要量化成本，针对成本最优解做出排班决策；
- 成本指标的量化及数据埋点采集，即上述介绍的“成本模型”，主要是人、车成本；
- 对比三方成本消耗，来决策线路运营运的归属方；
- 根据线路的发车波次，将人、车进行分组，，同时针对线路长途，上班时间长短，货量峰期低谷，增加轮班机制，保证排班的人、车成本最小化，且人员绩效均衡；
- 计划生成静态排班，推荐车队长；同时自动生成“闲置排班”，来承运临时任务或人车复用，提升资源复用率，降低成本；

# 6 总结
车辆排班是整个物流行业-调配智能化环节中重要的一环，因为资源安排的合理性，会直接影响整个运输环节的成本和效率，从而影响甚至决定一个企业的直接竞争力，对于某丰如此，对于京东更是如此；而以上不该只是全部靠线下人力堆积式的管理，短时间内能以高额的人工成本换取企业的正常运转，但在高喊“技术是第一生产力”的京东并非长久之计；所以系统的建设，必须是以“技术赋能业务”为第一导向；
对于车辆排班系统的建设也是一样，目前业务的复杂性导致线下管理难度过大，人力堆积式的管理对于成本的管控，效率的提升的帮助会日益有限；只有剖析目前业务的痛点，将复杂的业务进行纵向拆解，找到关键影响因素；同时将目前线下模式逐步实现线上化，针对关键因素做好系统化埋点；总结业务经验，沉淀业务数据，结合业务规则，并针对性的引入大数据算法模型，将目前排班系统进行升级优化，实现自动化排班，甚至智能化排班，最终实现减少人工干预的同时加强成本效率管控。

------------

自猿其说Tech-JDL京东物流技术与数据智能部
**作者：黄涛**