考虑运营风险的无人机药品配送网络设计

《Computers & Operations Research》：Drone pharmaceutical delivery network design considering operational risks

　　

## 摘要

本研究通过构建一个双目标优化模型，研究了无人机药品配送网络设计问题，该模型同时确定电池换电站位置、无人机机队规模、配送模式选择和路径决策，以最大化利润并最小化运营风险。模型纳入效用函数以刻画不同区域客户对专属配送和通用配送模式的偏好，并整合了一个涵盖三个维度的综合运营风险评估框架。本文提出了一种定制的PLS-NSGA-III算法，该算法集成了基于匹配的初始化策略、电池换电站插入算子和Pareto局部搜索。基于上海真实数据的计算实验表明，所提算法在收敛性、多样性和解质量方面始终优于基准多目标算法。研究结果揭示了盈利性与运营安全之间的显著权衡关系，并进一步表明区域空间特征共同影响配送模式选择和电池换电站部署。特别是，最优配送策略在人口密集的城市区域偏好专属配送，在地理分散的郊区偏好通用配送。此外，研究表明电池换电站的部署主要取决于无人机路径网络的空间拓扑结构，而非仅仅取决于需求量。这些发现为城市无人机药品配送网络的规划与运营提供了实践指导。

## 引言

近年来，药品物流配送需求不断增加，服务能力显著提升。据数据显示，2023年全球医药物流市场规模达到1000亿美元，预计到2029年将增长至1570亿美元，复合年增长率约为7%。[1] 与此同时，中国医药物流市场近年来也经历了快速增长，这得益于医药电商的扩张以及对高效、及时、可靠药品配送服务需求的增加。[2]

为满足这一不断增长的请求，叮当快药、京东健康等医药电商平台通过与专业医药物流提供商合作，已成为按需药品配送的主要提供商。[3] 例如，专业医药物流公司（如上海医药物流有限公司）处理通过互联网医院或延伸处方服务开具的处方，并将药品配送至指定社区医院或直接送至患者家中，实现当日甚至更快的配送。

尽管取得了上述进展，医药物流行业仍面临重大运营挑战。与普通消费品相比，药品虽然轻便，但需要更严格的处理条件，特别是在配送时效性和温度控制方面。因此，传统B2C医药配送系统主要依赖常规地面运输，往往难以满足这些专业化配送需求。在偏远地区，有限的交通可达性可能导致配送延迟；而在人口密集的城市地区，高峰时段的交通拥堵经常影响配送效率，妨碍患者及时获取药品。

无人机技术为医药物流的发展带来了新的机遇。无人机配送可以绕过交通拥堵，实现快速精确的物资供应，尤其是在紧急医疗物资配送方面展现出独特优势。例如，大疆的首款配送无人机——大疆飞运30（DJI FlyCart 30），可实现30公斤双电机载重和20米/秒的最大飞行速度，远快于其他常规地面配送服务。[4] 据中金公司研究报告显示，无人机物流可降低整体运营成本约30%。到2030年，中国无人机物流市场规模预计将超过2000亿元人民币。[5] 事实上，全球已实施了多项成功的无人机药品配送项目，如运送急救药品、检测样本、血液和血浆、疫苗、呼吸机等。自2016年以来，美国无人机物流公司Zipline已使用固定翼无人机在非洲不同地区运输药品、疫苗和血液。[6] 继Zipline的成功之后，Matternet与UPS合作，为佛罗里达州老年居民提供从CVS药店出发的急救处方药配送服务。[7] 该服务为社区居民提供经济的当日药品配送方案，尤其适用于时效性强的药品需求，进一步优化了医疗物资的按需配送系统。2024年7月，国药集团完成了苏州首次急救医疗无人机配送，无人机仅用11分钟便将急需药品运送至7.8公里外的儿童医院，相比传统地面运输，配送距离缩短了44%，配送时间减少了60%。[8] 此外，菜鸟网络（Antwork）在中国多地提供无人机核酸样本运输服务。从2020年到2022年，共运输了700万管样本，飞行超过10,000次，展现了无人机运输医疗样本的安全性和可靠性，有效避免了二次污染。[9]

尽管无人机药品配送已通过不同地区的试点项目得到验证，并已实施了有限的小规模医疗物资配送运营，但大规模部署尚未实现。主要原因之一是在复杂的城市环境中，无人机配送所需的基础设施尚未充分发展，特别是缺乏充电站和电池换电站等关键组成部分，这限制了无人机的续航能力和持续运营能力。因此，设计高效的无人机药品配送网络，充分利用现有城市基础设施，对于支持无人机配送服务的大规模部署以及提高药品配送的效率和可达性至关重要。

然而，高运营风险是限制无人机在药品配送领域广泛应用的另一原因。无人机运营面临各种运营风险，包括碰撞、坠毁、噪声污染和违反禁飞限制等。这些风险在城市环境中尤为突出，城市环境的特点是高层建筑密集、交通繁忙和人口密度高。此外，塔吊、电线杆和电力线路等障碍物无处不在，大大增加了低空药品配送任务的碰撞风险。无人机药品配送的真实案例也进一步说明了这一问题的严重性。例如，瑞士邮政（Swiss Post）和Matternet曾在瑞士使用无人机在医院与实验室之间运输医疗样本，但2019年发生的两起事故揭示了潜在的运营风险。一起事故由GPS电源短路引起，无人机最终坠入苏黎世湖，增加了搜救难度；另一起事故发生在应急降落伞触发后，无人机因降落伞绳索断裂而坠落，坠毁地点靠近儿童活动区域，对附近行人安全构成威胁。[10] 随后该项目被暂停并进行安全审查。此外，美国Riverside Health的无人机药品配送项目在确定服务对象患者后，对服务区域进行了地理调查，以识别可能影响配送的电线和树冠等障碍物，表明障碍物风险也是无人机药品配送的关注点。[11] 英国医疗无人机倡议Project CAELUS评估了无人机起飞、降落和飞行操作中相关的噪声影响，同时将禁飞限制纳入路径规划。该项目强调噪声影响和受限空域是药品无人机配送网络的关键运营约束。[12] 因此，在设计无人机药品配送网络时，有必要将运营风险纳入网络设计中，以增强系统安全性和实际可行性。

尽管人们对无人机药品配送的兴趣日益增长，但大多数现有研究关注非城市或应急场景，对具有复杂空域环境、多样化风险因素和异质需求的城市场景下的无人机配送网络关注不足。此前关于无人机配送网络设计的研究仅从碰撞和坠毁风险（Svaty et al., 2022）、噪声和隐私风险（Tan et al., 2023）、禁飞区和受限空域风险（Zeng et al., 2026）等单一具体方面考虑无人机运营风险，而非建立综合风险评估模型来量化无人机运营风险。此外，从配送模式角度看，大多数现有无人机配送研究仅考虑了同质化配送模式（Karatas et al., 2022, Enayati et al., 2023, Zou et al., 2024），未进一步分析无人机配送需求异质性。此外，从无人机网络设计角度看，充电站或电池换电站的选址决策对于延长无人机飞行续航至关重要（Ghelichi et al., 2021, Pinto and Lagorio, 2022, Wang et al., 2026）。

因此，基于实际药品配送场景和上述研究空白，本文系统研究了无人机药品配送网络设计问题，构建了同时考虑利润最大化和运营风险最小化的双目标优化模型。所提模型考虑两种配送模式：专属配送和通用配送。专属配送是指无人机直接配送至患者需求节点，提供更快速但资源消耗更大的服务；通用配送则是将药品订单合并后配送至社区医院，患者可在该处获取医疗用品。模型考虑了区域间的异质配送偏好，通过效用函数进行量化。具体而言，所提模型从三个方面反映了药品配送网络的特征。第一，网络由药品仓库、社区医院、患者需求节点和候选电池换电站组成。第二，通过将专属配送和通用配送的区域偏好区分开来，在网络设计中明确纳入药品配送服务的异质需求，使所提网络能更好地匹配本地服务需求。第三，按照中国民航局发布的指南，我们提出了包含三个方面的无人机运营风险评估模型：路径安全、运营可靠性和公众接受度。为求解所提双目标优化模型，开发了带有新型Pareto局部搜索启发式（即PLS-NSGA-III）的定制NSGA-Ⅲ算法框架。基于上海真实地理数据进行了广泛的数值实验分析。

本研究的主要贡献总结如下。第一，在无人机药品配送网络设计研究中，本文将无人机运营风险明确纳入决策框架，系统量化并全面评估多维风险因素，同时考虑需求异质性和不同配送模式。构建了一个双目标优化模型，同时涉及无人机电池换电站选址、无人机机队规模、配送模式选择和路径规划等决策，为医药物流背景下无人机网络设计提供了全面的建模框架。第二，通过小规模算例使用商业求解器Gurobi验证了所提双目标模型的合理性，并进一步开发PLS-NSGA-Ⅲ算法求解大规模算例。实验结果表明，所提算法在解质量和收敛性能方面优于各种多目标启发式算法。第三，通过全面的敏感性分析，从风险与利润偏好、风险类型权重、电池容量、载重约束、配送费用和区域空间特征等多个维度获得了实用的管理洞察，为无人机药品配送网络的战略规划提供了决策支持。

本文其余部分组织如下。第2节综述了相关领域的研究进展。第3节呈现了双目标无人机药品配送网络设计问题的数学模型。第4节介绍了所提的PLS-NSGA-Ⅲ算法；第5节基于真实案例进行了广泛的数值实验和结果分析；第6节总结研究并讨论了未来研究方向。

## 无人机在医药物流领域的应用

与一般消费品物流相比，医药物流对配送系统在时效性、安全性和可靠性方面提出了更严格的要求。特别是在公共卫生事件、自然灾害或医疗资源分布不均的背景下，传统运输方式往往难以快速响应需求（Lejeune and Ma, 2025）。无人机在医药物流中具有显著优势。首先，它们可以绕过地面交通……

## 问题描述

所提的双目标无人机药品配送网络设计问题（BO-DPDND）将经典的选址路径问题（LRP）扩展至无人机药品配送领域。该模型联合优化电池换电站位置、无人机机队配置、配送模式选择、仓库-服务分配和无人机路径规划。同时考虑两种配送模式，即专属配送和通用配送。在专属配送模式下，无人机……

## 算法设计

本研究提出的总体算法框架如图4所示。

该算法基于NSGA-III多目标进化框架构建，融入了针对BO-DPDND定制的PLS策略，以提升在复杂决策空间中的搜索性能。本研究采用NSGA-III，是因为其基于参考点的环境选择机制有助于维持分布均匀的Pareto前沿，并能够引导算法搜索数值实验之间多样化的权衡解方案。数值实验在Python 3.10环境下实施，并在64位Windows操作系统上运行。实验平台配备Intel(R) Core(TM) i9-14900 K处理器（3.2 GHz）和128 GB内存。本节的组织结构如下：第5.1节介绍基于不同配送患者规模的算例设置，第5.2节报告算法参数设置。在此基础上，第5.3节使用Gurobi进行小规模算例实验。

研究结论

本研究针对无人机药品配送网络设计开发了一个双目标优化模型，综合考虑了换电站选址、无人机机队规模、配送模式选择（专属配送与通用配送）以及路径决策，目标为最大化利润和最小化运营风险。所提模型纳入了区域需求异质性，并采用效用函数来捕捉不同配送模式之间的偏好差异。

CRediT作者贡献声明

Xuting Sun：写作—审阅与编辑、写作—初稿撰写、可视化、验证、软件、方法学、调查研究、资金获取、形式分析、概念化。Zeyang Li：写作—审阅与编辑、写作—初稿撰写、可视化、验证、软件、方法学、调查研究、形式分析、概念化。Jiage Huo：写作—审阅与编辑、写作—初稿撰写、可视化、验证、软件、方法学、调查研究、形式分析、概念化。

利益冲突声明

作者声明不存在可能影响本文所述工作的已知竞争性经济利益或个人关系。

致谢

本研究得到了中国国家自然科学基金（项目编号72471132）的支持。

Xuting Sun | Zeyang Li | Jiage Huo | Yichen Qin

上海大学管理学院，上海 201899，中国