货物整合研究评述与展望＊

■ 仲邵伟 周光辉 敬帅

1.中国科学院大学中丹学院 北京100190

2.中国科学院大学经济与管理学院 北京100190

0 引言

经济、社会和环境的协调发展已经成为人类社会可持续发展的必然选择。物流业对经济社会的发展起着重要的支撑和保障作用。在促进经济、社会发展和提高人类生活水平的同时,物流对环境也造成了不可忽视的负面影响。物流业的迅猛发展也暴露出规章制度不够完善、物流效益低、成本较高等亟待解决的问题。据统计，2014年我国社会物流总费用占GDP 的比重为16.6%，2017年为14.6%，社会物流总费用占GDP 的比重逐年下降，而2019年社会物流总费用占GDP 的比重提高到14.7%，高出发达国家物流成本将近1 倍，对国民经济的贡献率不高。此外，低效粗放的物流运作也给环境带来了巨大冲击。经济、社会和环境协调可持续发展的时代要求为现代物流的发展带来了挑战，当前亟待深入研究协调经济、社会和环境发展的现代物流管理问题，解决这一前沿领域中的关键科学和技术问题，因此国家自然科学基金委员会设立《面向经济、社会和环境协调发展的现代物流管理研究》重大项目，该项目立足于中国经济、社会和环境的现实背景和物流实践，针对现代物流的新特征，结合先进信息技术,深入研究面向经济、社会和环境协调发展的现代物流中的重大科学问题，以期推动现代物流理论创新和应用实践紧密结合,促进我国经济、社会和环境协调发展。

随着供应商管理库存（Vendor Managed Inventory,VMI）、第三方物流（Third Party Logistics，3PL）等概念的发展，货物整合成为节约物流成本的有效手段。货物整合（Shipment Consolidation），又称货物集运，最早起源于20世纪70年代，是指积聚多批次小规模货物，在达到经济运输量后再配送，以充分利用物流资源，提高经济效益[1]。对于货物承运商来说，货物整合能够实现规模经济，节约运输成本。而货物托运商也能从延迟配送中获取价格折扣，节约成本。此外，货物整合能够提高车辆的满载率，减少配送频次，提升资源利用效率，对于缓解物流运作对环境的冲击也具有重要意义。

经过近60年的发展，货物整合研究无论是从科学问题的内涵还是应用角度，都获得了长足的发展，而国内外对于货物整合研究的文献综述十分匮乏。本文针对货物整合研究进行了分析、评述与展望，相较于早期货物整合研究的综述，本文更加全面深入地分析了货物整合的内涵、研究现状以及未来研究方向。首先分析了货物整合的类型、配送策略以及影响因素，从采用的建模工具，以及是否考虑其他相关物流运作过程的协调等角度，对文献进行了回顾与总结。此外，为了更好地展示其发展脉络和演进过程，采用文献计量法，基于Web of Science（WOS）和Scopus 数据库，对已有研究进行分析和评述，深入全面地梳理并分析货物整合的内涵及研究现状，展望其发展趋势，以期推动货物整合研究理论创新，为当前经济新常态和科技现代化背景下物流实践提供借鉴与启示。

1 货物整合类型、配送策略与影响因素分析

1.1 货物整合类型

广义上的货物整合主要分为3 种类型：（在途）车辆整合（Vehicle Consolidation）、库存整合（Inventory/Tem‐poral Consolidation）和终端整合（Terminal Consolida‐tion）[2]。

（1）（在途）车辆整合指车辆配送途中在不同节点的取送货而引起的整合，代表性问题如循环取货问题（Milk Run）、取送货问题（Pickup and Delivery Problem,PDP）等。经典的PDP 是指在满足具有取货或者送货的客户需求的条件下，寻找完成配送任务的最佳路径，以最小化运输成本[3]。Savelsbergh和Sol[4]对PDP及其解决方法做了总结；Parragh 等[5-6]对PDP 做出了更详尽的综述调查，分别对车场与客户点之间的运输和取货点与送货点之间的运输这两类问题进行了分类总结。

（2）库存整合又称为临时整合，指积聚小批次货物，直到达到预先设定的配送标准才配送。常见的货物整合概念多指库存整合。库存整合需要做出两方面的决策：在不违反配送截止时间要求的前提下决定配送时间，在达到规模经济前提下决定配送数量。因此，库存整合包括3 种货物整合配送策略：基于数量的配送策略（Quantity-based Dispatch/Consolidation Policies）、基于时间的配送策略（Time-based Dispatch/Consolidation Poli‐cies）和混合配送策略（Hybrid Dispatch/Consolidation Policies）。Jackson[7]，Higginson和Bookbinder[8]针对库存整合问题，对三种不同的配送策略进行了对比。

（3）终端整合指将来自不同节点的货物在一个中间节点进行分拣、重新装载并配送到货物终点。中心辐射网络（Hub-and-spoke）中的货物整合就是典型的终端整合。与库存整合相比，终端整合的网络结构复杂，货物类型更加丰富，是指对来自多个起点的不同种类货物进行整合并配送到不同的终点。而库存整合往往针对一个上游节点的单一种类货物进行整合，决定配送时间和数量。Estrada-Romeu 和Robusté[9]介绍了采用随机货物整合策略来解决零担货运服务商长途运输的路线问题，研究中途停留和中心辐射的运输策略，根据接近度和成本标准分配货物设计初始长途运输方案。

1.2 货物整合配送策略

根据配送标准的差异，货物整合的配送策略可以分为以下3种：

（1）基于数量的配送策略即货物数量达到设定的经济运输量时进行配送[7-8]。基于数量的配送策略适用于整车运输，能够充分利用车厢空间，节约物流资源。Lai[10]基于合作博弈论，考虑了基于时间和数量的配送策略下，合作库存集运的成本分配问题，并提出了两种策略下较为稳定的成本分配规则。Satır 等[11]构建了一个连续时间的马尔科夫决策过程模型，基于数量的配送策略，以最小化包括运输成本和库存持有成本的总预期折现成本为目标，来优化货物整合和车辆容量分配决策。

图1 1960～2020年货物整合研究发文量趋势图

（2）基于时间的配送策略指在满足货物配送截止时间前提下，基于一定的周期整合货物并进行配送，或者当某些货物的送货截止时间临近时进行配送[7-8]。基于时间的配送策略更加适用于需要限时交付的货物，能够确保配送时效性，提高客户满意度。Stenius 等[12]基于时间的配送策略，分析服从泊松需求的分散库存系统，基于不同库存水平的概率分布函数，确定预期成本和零售商补货率。Zhang[13]研究了最后一公里配送中的货物整合问题，基于时间的配送策略，在满足配送期限的前提下确定每批订单的配送时间，建立整数规划模型，并设计三阶段启发式算法对模型进行求解。

（3）混合配送策略综合考虑数量与时间策略，满足设定的经济运输量或者达到预先设定的时间周期的任意一个条件时进行配送[7-8]。混合配送策略能够更加灵活地对货物进行整合，但是会造成配送的不规律性，增加车队调度管理的复杂度。Bookbinder 和Higginson[14]采用随机清算系统理论，基于混合配送策略，求解最大的货物停留时间与最优的配送数量。Cetinkaya 等[15]分析了库存补给与运输协调决策的出站式配送策略下的成本和服务表现，结果表明，与基于时间的配送策略相比，运用基于数量与混合的配送策略能够节约成本。

1.3 货物整合影响因素

影响货物整合的因素主要包括以下3个方面：

（1）货物流相关的因素：货物流大小（当货物流量足够大时才有必要进行货物整合），运输频率（当不同批次货物的运输周期重合时才进行货物整合）、货物流起点和终点所属区域（当货物流来自邻近区域，其终点也属于邻近区域时才有必要进行货物整合）[16]。

（2）货物特性相关因素：货物类型（不同类型的货物对装载和运输的要求不同，具有相似装载和运输要求的货物才能进行货物整合）、货物尺寸（影响交通方式的选择）、时间窗/交付时间（时间窗的长短以及交付时间的紧急度会影响配送时间和交通方式的选择）[17]。

（3）管理相关因素：物流信息透明度（物流信息透明度高更有利于货物整合）、物流管理系统的智能化程度（包括运筹调度系统、仓储管理系统、运输管理系统、订单管理系统等，智能化程度越高越利于运作决策者及时掌握物流信息，做出整合决策）[18]。

4 货物整合研究综述

1960～2020年间货物整合研究发文数量趋势图如图1所示。截至2020年5月16日，WOS核心合集和Scopus数据库中公开发表的文献共有1182篇，其中，1960～1970年间存在少量的研究报告和文献[19-20]，而真正有代表性的权威文献出现于20世纪70年代[1]；1960年至21世纪初属于该主题的萌芽阶段，学术关注度较低；2000年至2010年间发文数量较快增长，货物整合研究逐渐得到学术界关注；2010年2020年间发文数量呈快速波动式增长，增速稳定，表明货物整合研究已得到学术界的持续重点关注。

关于货物整合研究的综述，Min 和Cooper[21]回顾了1980年至1990年间的26 篇货物整合相关文章，Çetinka‐ya[22]从实践与定量两个角度对货物整合与库存决策协调优化问题进行了综述。

从建模工具上，货物整合研究相关文献主要包括模拟、经济分析、数学规划、随机理论等。

货物整合早期文献主要关注不同的货物整合配送策略的表现，主要采用模拟的方法，例如蒙特卡洛摩模拟。一些学者采用模拟的方法对基于数量、时间以及混合配送策略进行了对比[7-8]。Sarraj[23]等基于物理互联网(Physical Internet,PI)背景提出了一套运输协议，允许货物在多个中转站进行整合，建立仿真模型来测试与评估PI 在如成本、满载率、二氧化碳排放、交货时间等指标方面的表现。Zheng[24]基于PI背景，运用多主体仿真方法，模拟包括机场、仓库以及多个中转站的物流网络，论证了PI 相对于传统物流模式在经济与运作效率等方面的优势。

经济分析常被用于研究考虑库存补给与货物配送协调决策的问题，主要基于如经济订货量模型、折扣定价模型、博弈论等经济模型对货物整合进行研究，从而确定最优整合数量以最小化交通、库存等成本。Ke 和Bookbinder[25]研究了零售商、批发商和零担运输公司之间考虑货物整合和库存决策的折扣决策协调问题，基于经济订货量模型，对比了集中式和分散式两种策略，验证了折扣协调能有效提升供应链整体效益。Fan 等[26]研究了港口-内陆多式联运问题，构建分析模型对货车运输（无整合）、集装箱整合运输、集装箱与货车运输结合3种情况下运营成本和碳排放量进行了比较。

数学规划是刻画物流优化问题的有效工具。常见模型如整数规划模型、混合整数规划模型等。Qin 等[27]研究货物整合和集装箱问题，基于整数规划模型以成本最小化，针对大小可变装箱问题，采用文化基因算法求解问题。Bookbinder[28]针对空运货物整合问题建立混合整数规划模型，提出基于分支定价、最佳拟合递减启发式算法、以及两个扩展的局部分支启发式算法。Hanba‐zazah 等[29]研究两级供应链中的货物整合，考虑交付时间、集装箱整箱运输与拼箱运输相结合的运输方式，建立混合整数规划模型。Ji等[30]在PI背景下，研究生产-库存-配送问题，构建三阶段集成的混合整数规划模型。

随机理论常用于研究货物到达时间具有随机性的问题，例如马尔科夫理论[11]、随机清算系统理论[14]等。Cai 等[31]采用树形结构马尔科夫过程刻画货物整合过程，并采用启发式算法来确定一系列配送策略的参数；Nguyen等[32]研究易腐产品长途运输的货物整合问题，考虑多个供应商-单个货物整合中心的配送网络，构建随机动态规划模型，并设计前瞻启发式算法。Konur 等[33]针对随机需求下的库存和配送问题，构建多目标（总成本和碳排放最小化）混合整数非线性规划模型；Chen 等[34]构建基于质量和数量策略的易腐货物整合的随机规划模型，考虑订单需求呈泊松分布，分析在不同政策参数下易腐产品保鲜的条件。Satır[11]基于数量的配送策略，构建了连续时间的马尔科夫决策过程模型。

根据是否考虑其他相关物流运作过程的协调，文献可分为单一性货物整合策略研究和库存与货物整合协调策略研究。

单一性货物整合策略（Pure Consolidation Policies），即不考虑货物整合对其他物流运作过程的影响，以客户满意度或成本最小化等指标作为选择货物整合策略的标准[35]。货物整合会产生短暂的库存持有成本，因此单一性货物整合也称为临时性整合或库存整合[22]。Chen等[34]建立基于数量、质量（根据易腐货物的新鲜度保持时间）和混合配送策略的随机规划模型，研究了物流运作和产品质量对配送整合决策、保鲜效果和运营成本的影响。Mutlu 等[36]针对单一性货物整合问题，构建基于时间和数量的配送策略的模型，得到期望长期平均成本，结果表明，混合配送策略优于基于时间的配送策略，基于数量的配送策略优于其它两种策略。

库存与货物整合协调策略（Integrated Inventory/Shipment Consolidation Policies）是指VMI背景下考虑库存与运输协调运作的货物整合策略[22]。库存与货物整合协调策略要求决策者对库存补给方案（包括库存策略、频率和数量）以及货物整合与运输协调决策，以最优化包括运输、库存成本、客户满意度等的系统总目标。代表性问题有库存路径问题（Inventory Routing Prob‐lem, IRP）、生产路径问题（Production Routing Problem,PRP）等。IRP 指在供应商供货能力、客户需求、库存容量、配送能力已知，并满足一系列约束（如库存水平要求，车辆容量限制，配送时间要求等）前提下，对补货策略、配送方案做出决策[37]。PRP 结合了批量生产问题和IRP，将生产决策纳入决策目标之一[38]。例如，Coelho等[39]对IRP 的分类做了详尽综述；Hu 等[40]研究易腐商品IRP与货物整合问题，针对供应商-货物整合中心-零售商两级配送网络，考虑两阶段路径优化和整合策略，提出以运输和库存成本最小的混合整数规划模型；Adulyasak等[41]针对PRP 变种问题、模型和求解方法提供了一个详尽的综述。

3 基于Web of Science 和Scopus 的货物整合研究分析

3.1 数据来源

本文的数据来源于WOS 核心合集和Scopus 数据库，其中，WOS 数据库的检索表达式为：TS=((shipment consolidat*)OR (freight consolidat*)OR (cargo consoli‐dat*))，出版时间选择1960至2020年，文献类型选择所有类型；Scopus 数据库的检索表达式为：(TITLE-ABS-KEY (shipment AND consolidat*)OR TITLE-ABS-KEY(freight AND consolidat*)OR TITLE-ABS-KEY (cargo AND consolidat*))，出版时间选择1960 至2020年，文献类型选择所有类型；数据库最后更新时间为2020年5月16日。根据以上检索条件，WOS数据库检索到561篇有效文献，Scopus 数据库检索到1068 篇有效文献，经过去重处理后共获得1182 篇有效文献，27387 篇有效参考文献。

表1 关键词词频分析

3.2 研究方法与参数设置

文献计量法利用情报学和统计学等方法对文献内部知识单元及其相关信息进行分析，是汇总历史研究成果，回顾研究领域动态演变过程，预测未来研究趋势的有效方法[42]。本文基于文献标题、关键词、摘要、作者等数据，利用CiteSpace和VOSviewer进行统计和可视化处理，并基于共词网络、国家（地区）共现网络、合作网络进行分析。

本节采用文献计量方法，对货物整合研究从1960～2020年的文献进行归纳与梳理，分析其演化趋势、合作状况、知识基础以及热点问题。其中，CiteSpace 的参数设置如下：参数选取为Top 50 per slice，时间切片为From 1960 to 2020,Year Per slice:1，节点类型为Author、Institution、Country、Keyword、Category、Reference。

3.3 研究结果

3.3.1 共词分析

共词分析针对文献的标题、摘要及关键词中的词组及其之间关系进行分析，挖掘研究热点。在1960～2020年间的1182 篇有效文献中，出现25 次以上的关键词共有30个。表1展示了前30个高频关键词，可以看出，“货物运输”、“（城市）物流”、“供应链（管理）”等是货物整合的主要研究背景；“数学建模”是货物整合研究的常用研究方法，“数学规划”是货物整合研究最常用的数学建模工具，而“启发式算法”常被用来求解基于数学规划的货物整合模型；货物整合常与其它问题相结合研究，例如“车辆路径”、“库存管理”、“网络设计”、“选址”等问题。

共词分析的时间线视图能够进一步展现该领域的动态演变过程。图2为共词分析时间线视图，图中每个节点代表一篇文献，节点标签为文献关键词，根据关键词间的相似性进行聚类，筛选出连通性最强的8个聚类，清晰地展现货物整合研究随时间演化的发展脉络。图3筛选了15个突现关键词，关键词突现分析可以直观地展现不同时间段的研究热点。从图2和图3可以看出，该主题的研究最早可追溯到聚类4 的“库存控制”，在2002～2008年间最为活跃，至今仍是备受研究者关注的话题[12,15]。此外，在研究方法上，从19世纪80年代开始，“数学建模”，特别是基于整数规划的建模（聚类0和5）被学者们广泛采用[29,34,43]，此前，货物整合相关研究多为分析的文献。同时，“遗传算法”在2004年至2010年间也是常被学者们采用的求解算法[44-45]。大约从1980 开始，货物整合就已经被应用到航空货运领域（聚类7）[28,46-47]，此后，很多学者也将研究兴趣转移到城市物流（聚类2）[48-49]以及逆向物流（聚类6）[45,50-51]问题上，而2010年之后，考虑环境因素的货物整合（聚类8）[52-54]吸引了很多学者的关注，从2017年至今，货物整合与复杂的路径问题相结合研究，以及绿色或可持续货物整合研究[40,55-56]成为研究热点。

图2 共词网络时间线视图

图3 突现关键词列表

3.3.2 国家（地区）共现分析

从文献发表的地理分布来看，表2展示了前10 个出现频次最高的文献来源国家及其中心度。图4为国家（地区）共现网络，节点紫色圆环的宽度代表节点的中心度大小。可以看出，美国无论是从出现频次还是中心度来看都排在首位，体现了美国在该领域的领先地位；出现频次排在其次的是中国，但是中心度排名比较落后，说明中国学者对货物整合研究的国际影响力尚有不足；韩国是前10国家中除中国以外的唯一的亚洲国家；在排名前10 的国家中，北美洲占据两位，且出现频次和中心度均排在前列，而欧洲国家占据半数以上，体现了欧美国家在货物整合研究的领先地位。

3.3.3 合作网络分析

合作网络和著者分析能够揭示该领域学者间的合作关系，识别权威的高被引学者及其主要研究贡献。由于本主题作者合作网络较分散，合作强度较低，CiteSpace 的合作网络图可读性较差，因此采用VOS‐viewer 制作合作网络图。合作网络中的节点代表作者，节点间的连线代表作者间的合作关系。由图5可得知，货物整合研究的学者之间主要的合作关系包括：以Te‐odor Gabriel Crainic 教授为主形成的合作网络，以James H.Bookbinder 教授为主形成的合作网络和以Michael Browne教授为主形成的合作网络。可以看出，该领域经过近60年的发展，形成了较稳定的合作关系，但也存在部分作者相对独立地开展研究。合作网络各主要节点之间关联性较低，合作跨度较小，合作强度较低，学者们大多趋向于在小规模合作范围内开展研究。

表2 国家（地区）频次与中心度

图4 国家（地区）共现网络

表3展示了被引频次排名前12 位的学者，其中，排在首位的是Teodor Gabriel Crainic 教授，谷歌学术总引用次数19868 次，研究领域主要为运筹学、货物运输、物流、组合优化。排在其次的是Sila Çetinkaya 教授，主要研究方向为运筹学、供应链管理、物流、库存理论和动态规划，并与James H.Bookbinder 和Chung-Yee Lee 两位教授建立了长期稳定合作关系。Chung-Yee Lee 是排名前10的高被引学者中唯一的华人学者，所属机构为中国香港科技大学，谷歌学术被引频次高达15435 次。从学者发表文献的平均年份来看，Shenle Pan和Eric Ballot两位学者发表的文献平均年份较晚，并在绿色或可持续货物整合[57]、基于PI[58-59]的货物整合等问题上形成了较稳定的合作关系。绿色或可持续货物整合、基于PI的货物整合等虽然是比较新颖的研究问题，但被引频次较高，得到了学者们的广泛关注，但由于发展时间较短，仍具有很高的学术研究价值，也将是未来货物整合的前沿研究方向。

4 研究结论与展望

本文针对货物整合研究提供了详尽的评述。首先分析了货物整合的类型、配送策略以及影响因素，从采用的建模工具，以及是否考虑其他相关物流运作过程的协调等角度，对文献进行了回顾与总结。此外，采用文献计量法，基于WOS 和Scopus 数据库，从关键词、国家（地区）、作者等维度，针对货物整合研究的演化趋势、发展现状和研究热点进行了分析。

图5 合作网络图

表3 前12位高被引学者列表

研究发现：（1）广义上的货物整合主要包括（在途）车辆整合、库存整合和终端整合三种类型；货物整合的配送策略根据配送标准的不同可分为基于数量、基于时间和混合配送策略等；影响货物整合的因素主要有货物流、货物特性素和管理相关因素等。（2）从建模工具上，主要采用模拟、经济分析、数学规划和随机理论等工具开展研究；根据是否考虑其他相关物流运作过程的协调，货物整合策略分为单一性货物整合策略和库存与货物整合协调策略。（3）货物整合多应用于城市物流、航空货运等领域，数学建模是货物整合研究的常用研究方法，数学规划是货物整合研究最常用的数学建模工具，而启发式算法常被用来求解基于数学规划的货物整合模型；货物整合的研究主力是美国、欧洲国家、中国和韩国，欧美国家无论从文献出现频次还是中心度方面都处于领先地位，而中国与韩国虽发文较多，但中心度较低，国际影响力不足；经过近60年的发展，学者们基本建立了较稳定的合作网络，但从整体来看，合作网络中主要节点之间关联性很低，合作跨度较小，学者们大多趋向于在小规模合作范围内开展研究；同时，中国乃至亚洲地区在该领域缺少权威学者。

通过对货物整合研究演变过程进行梳理，可以总结出货物整合研究的几个未来研究热点：（1）与复杂的路径问题相结合研究。现实的物流运作过程越发复杂，货物整合已成为物流运作中不可或缺的过程。基于复杂物流网络的货物整合与路径问题，例如考虑多级物流网络、越库转运、时间限制（包括考虑转运时间窗同步、库存或服务时间限制）的货物整合与路径问题，以及具有多种运输要求的多品类货物整合与路径问题，例如考虑易腐货物、多品类互斥货物、不规则装箱等；（2）绿色或可持续货物整合研究。研究环境、社会与货物整合相关问题的运作决策之间的相互作用，即通过量化环境、社会因素，研究不同碳排放政策、社会因素对货物整合及相关运作决策的影响，并通过优化货物整合及其相关的运作决策来减少对环境、社会的影响。