CN104700203B - 一种物流配送网点规划方法及装置 - Google Patents
一种物流配送网点规划方法及装置 Download PDFInfo
- Publication number
- CN104700203B CN104700203B CN201510021541.7A CN201510021541A CN104700203B CN 104700203 B CN104700203 B CN 104700203B CN 201510021541 A CN201510021541 A CN 201510021541A CN 104700203 B CN104700203 B CN 104700203B
- Authority
- CN
- China
- Prior art keywords
- demand point
- dispatching
- portfolio
- msub
- connected subgraph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000013439 planning Methods 0.000 title claims abstract description 18
- 238000005457 optimization Methods 0.000 abstract description 4
- 238000011160 research Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及物流配送技术领域,具体涉及一种物流配送网点规划方法及装置。通过以所述需求点为节点和各个需求点之间直接可达最短路径为边构建连通图;进而根据每个需求点的业务量将所述连通图划分成与配送网点数量相等的连通子图;针对每个连通子图规划配送路径,并且不断更新优化得到配送网点最优位置;计算得到当前运营利润。然后增加配送网点数量,重复上述步骤,直至运营利润增量小于或等于零为止,输出运营利润最大时所对应的配送网点数量以及位置。采用本发明技术方案能够对配送网点规划决策进行量化,避免了依靠经验和直觉进行规划所造成的不合理,进一步合理化利用资源,减少配送成本。
Description
技术领域
本发明涉及物流配送技术领域,具体涉及一种物流配送网点规划方法及装置。
背景技术
随着电子商务、快递业以及居民销售水平的飞速发展,物流配送已经形成一个发展势头强劲的新产业。该行业收入迅猛持续增加,参与企业数量越来越多(包括国企、民企、外企),在经营规模、网点覆盖和市场份额竞争越来越激烈。物流配送系统是经由集散中心以及各级网路配送到消费者手中的网络系统。而配送末端的配送网点的分布直接决定着配送服务的覆盖程度和服务质量。配送网点规划主要受到交通设施、区域经济、人口密度和房租地价等因素约束,直接影响配送企业运营成本、服务满意度、业务数量、企业利润和核心竞争力。
目前该领域研究主要针对于配送中心、商业网点规划的理论和定性研究,缺乏末端配送网络量化规划方法。末端网络主要靠管理者的经验和直觉进行决策,最终导致目前配送网点分布不合理,部分地区过密,形成无序竞争,造成大量的资源浪费;同时部分区域分布过于稀疏导致服务路途较远,服务得不到及时响应,配送成本较高。
发明内容
针对现有配送网点规划方法中主要靠管理者的经验和直觉进行决策,最终导致目前配送网点分布不合理的缺陷,本发明提供了一种物流配送网点规划方法及装置。
一方面,本发明提供的一种物流配送网点规划方法,包括:
S1,获取各个需求点之间直接可达最短路径的距离;
S2,以所述需求点为节点并以各个需求点之间直接可达最短路径为边构建连通图;
S3,初始化配送网点的数量,并估算每个需求点的业务量,根据每个需求点的业务量将所述连通图划分连通子图,所述连通子图的数量与所述配送网点数量相等;
S4,根据每个连通子图的质心位置确定该连通子图对应区域的配送网点的位置;
S5,获取所述连通子图对应区域的配送网点与需求点之间直接可达的最短路径的距离,以所述配送网点作为一个节点更新该连通子图;
S6,根据每个需求点的业务量确定每个连通子图内的配送路径,使每条配送路径所包含的业务量不大于预设运量容限;
S7,根据该连通子图内所有配送路径的始末需求点的位置更新配送网点位置;
S8,判断更新后的配送网点位置与更新前配送网点位置之间的距离是否大于预设阈值,若大于预设阈值则执行S5,否则执行S9;
S9,判断当前配送网点数量下运营利润增量是否大于零,若所述运营利润增量大于零则执行S3,且所述初始化配送网点的数量加1,否则执行S10;
S10,输出运营利润最大时的配送网点数量以及对应的配送网点位置。
进一步地,所述S3中,采用以下公式估算每个需求点的业务量:
m=s×h×ρ×α×β
其中,m为需求点的业务量,s为需求点建筑物投影面积,h为需求点建筑物层数,ρ为需求点建筑物的业务密度,α为市场占有率,β为规划期内业务量的增长预期系数。
进一步地,所述市场占有率采用以下公式计算得到:
其中,t为平均服务时间,Tmax为最大服务时间阈值,Tmin为最小服务时间阈值,αmax为最大市场占有率。
进一步地,所述S3中,根据每个需求点的业务量将所述连通图划分连通子图的步骤,包括:
S31,以所述连通图的中心作为圆心建立一个包含所有需求点的圆形区域;
S32,将所述圆形区域根据所有需求点的业务总量划分成业务量等分的扇区,每个扇区作为一个连通子图,所述连通子图的数量与所述配送网点数量相等。
进一步地,所述S6包括:
S61,选取所述连通子图中与所述配送网点距离最近的一个需求点;
S62,判断所选需求点的业务量总量与当前被选需求点距离最近的一个未被选取的需求点的业务量之和是否小于预设运量容限,若小于则执行S63,否则执行S64;
S63,选取所述连通子图中与当前被选需求点距离最近的一个未被选取的需求点,更新当前被选需求点为最新选取的需求点,并执行S62;
S64,输出包含当前所有被选需求点的配送路径,并判断是否存在未被选取的需求点,若存在则针对未被选取的需求点执行S61,否则结束操作。
进一步地,所述S7中,采用以下公式计算配送网点更新后的位置:
其中,xc为更新后配送网点位置的横坐标,xj为所有配送路径的始末需求点中第j个需求点的横坐标,yc为更新后配送网点位置的纵坐标,yj为所有配送路径的始末需求点中第j个需求点的纵坐标,n为所有配送路径的始末需求点的数量。
另一方面,本发明还提供一种物流配送网点规划装置,包括:
获取模块,用于获取各个需求点之间直接可达最短路径的距离;
构建模块,用于以所述需求点为节点并以各个需求点之间直接可达最短路径为边构建连通图;
划分模块,用于初始化配送网点的数量,并估算每个需求点的业务量,根据每个需求点的业务量将所述连通图划分连通子图,所述连通子图的数量与所述配送网点数量相等;
定位模块,用于根据每个连通子图的质心位置确定该连通子图对应区域的配送网点的位置;
第一更新模块,用于获取所述连通子图对应区域的配送网点与需求点之间直接可达的最短路径的距离,以所述配送网点作为一个节点更新该连通子图;
路径选取模块,用于根据每个需求点的业务量确定每个连通子图内的配送路径,使每条配送路径所包含的业务量不大于预设运量容限;
第二更新模块,用于根据该连通子图内所有配送路径的始末需求点的位置更新配送网点位置;
第一判断模块,用于判断更新后的配送网点位置与更新前配送网点位置之间的距离是否大于预设阈值;
第二判断模块,用于判断当前配送网点数量下运营利润增量是否大于零;
输出模块,用于输出运营利润最大时的配送网点数量以及对应的配送网点位置。
进一步地,所述划分模块中,每个需求点的业务量采用以下公式得到:
m=s×h×ρ×α×β
其中,m为需求点建筑物投影面积,h为需求点建筑物层数,ρ为需求点建筑物的业务密度,α为市场占有率,β为规划期内业务量的增长预期系数。
进一步地,所述划分模块具体用于:
以所述连通图的中心作为圆心建立一个包含所有需求点的圆形区域;将所述圆形区域根据所有需求点的业务总量划分成业务量等分的扇区,每个扇区作为一个连通子图,所述连通子图的数量与所述配送网点数量相等。
进一步地,所述路径选取模块具体用于:
选取所述连通子图中与所述配送网点距离最近的一个需求点;判断所选需求点的业务量总量与当前被选需求点距离最近的一个未被选取的需求点的业务量之和是否小于预设运量容限,若小于则选取所述连通子图中与当前被选需求点距离最近的一个未被选取的需求点,更新当前被选需求点为最新选取的需求点,并再次进行判断;
若所选需求点的业务量总量与当前被选需求点距离最近的一个未被选取的需求点的业务量之和大于或等于预设运量容限,则输出包含当前所有被选需求点的配送路径,并判断是否存在未被选取的需求点,若存在则针对未被选取的需求点重新执行上述操作。
本发明提供的一种物流配送网点规划方法及装置,通过以所述需求点为节点和各个需求点之间直接可达最短路径为边构建连通图;进而根据每个需求点的业务量将所述连通图划分成与配送网点数量相等的连通子图;针对每个连通子图规划配送路径,并且不断更新优化得到配送网点最优位置;计算得到当前运营利润。然后增加配送网点数量,重复上述步骤,直至运营利润增量小于或等于零为止,输出运营利润最大时所对应的配送网点数量以及位置。采用本发明技术方案能够对配送网点规划决策进行量化,避免了依靠经验和直觉进行规划所造成的不合理,进一步合理化利用资源,减少配送成本。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1是本发明一个实施例中物流配送网点规划方法流程示意图;
图2是本发明一个实施例中平均服务时间与市场占有率之间关系示意图;
图3是本发明一个实施例中每个连通子图内单条配送路径示意图;
图4是本发明一个实施例中物流配送网点规划装置结构示意图。
具体实施方式
现结合附图和实施例对本发明技术方案作进一步详细阐述。
图1示出了本实施例中物流配送网点规划方法流程示意图,如图1所示,本实施例提供的一种物流配送网点规划方法,包括:
S1,获取各个需求点之间直接可达最短路径的距离;
S2,以所述需求点为节点并以各个需求点之间直接可达最短路径为边构建连通图。
在现实当中,由于道路交通纵横交错四通八达,在一个区域内的两点之间可以有多条通路,而本实施例中所述直接可达路径则是指任意两个需求点之间或者配送网点与人一个需求点之间的通路上不会经过其它需求点的路径。
在构造路径连通图时,对于任意两个节点之间,寻找距离最短的那条路径进行判断,如果最短的路径是直接可达路径,则这两个节点之间存在一条边,否则这两个节点在构造的连通图中不存在边。
S3,初始化配送网点的数量,并估算每个需求点的业务量,根据每个需求点的业务量将所述连通图划分连通子图,所述连通子图的数量与所述配送网点数量相等。
物流理论研究证明,配送运输成本随着网点数量的增加,运输距离减少,从而使运输成本降低以及平均服务时间减少,也会带来一定的业务量的增加;同时随着网点数量增加,其建设成本与运营成本会进一步增加。初始化配送网点数量是指在进行优化前根据经验给出的一个较小的配送网点数量。
在确定了配送网点数量之后,则按照每个配送网点所分担的业务量基本相等的原则,将整个配送区域的连通图按照业务量平均分成与配送网点数量相等的连通子图,每个配送网点对应一个连通子图。
进一步地,采用以下公式估算每个需求点的业务量:
m=s×h×ρ×α×β
其中,m为需求点建筑物投影面积,h为需求点建筑物层数,ρ为需求点建筑物的业务密度,α为市场占有率,β为规划期内业务量的增长预期系数。
其中,如图2所示,所述市场占有率采用以下公式计算得到:
其中,t为平均服务时间,Tmax为最大服务时间阈值,Tmin为最小服务时间阈值,αmax为最大市场占有率。
具体地,所述S3中,根据每个需求点的业务量将所述连通图划分连通子图的步骤,包括:
S31,以所述连通图的中心作为圆心建立一个包含所有需求点的圆形区域;
S32,将所述圆形区域根据所有需求点的业务总量划分成业务量等分的扇区,每个扇区作为一个连通子图,所述连通子图的数量与所述配送网点数量相等。
S4,根据每个连通子图的质心位置确定该连通子图对应区域的配送网点的位置;
S5,获取所述连通子图对应区域的配送网点与需求点之间直接可达的最短路径的距离,以所述配送网点作为一个节点更新该连通子图;
S6,根据每个需求点的业务量确定每个连通子图内的配送路径,使每条配送路径所包含的业务量不大于预设运量容限。
每个连通子图内路径规划将分配到该网点的需求点采用最近邻点法进行路径规划。
进一步地,所述根据每个需求点的业务量选择每个连通子图内的配送路径具体包括:
S61,选取所述连通子图中与所述配送网点距离最近的一个需求点;
S62,判断所选需求点的业务量总量与当前被选需求点距离最近的一个未被选取的需求点的业务量之和是否小于预设运量容限,若小于则执行S63,否则执行S64;
S63,选取所述连通子图中与当前被选需求点距离最近的一个未被选取的需求点,更新当前被选需求点为最新选取的需求点,并执行S62;
S64,输出包含当前所有被选需求点的配送路径,并判断是否存在未被选取的需求点,若存在则针对未被选取的需求点执行S61,否则结束操作。
举例来说,如图3所示,0节点代表配送网点,细线长短表示路网距离,粗实线表示规划路径,括号内数字表示需求点的需求量。从配送网点0出发,寻找网点范围内路网距离最近的需求点1;以节点1为当前节点搜索最近的需求点,节点2;依次进行,路径为0-1-2-3-4-5-6-7;当到达节点7时,该路径的容量为190件(30+20+25+35+20+20+10),节点7需找邻近的未加入路径的节点时,找到节点8,节点8的容量为30,如果将8也纳入路径其容量会超出预设的运量容限200,因此路径由节点7直接回到网点0,完成该路径的规划。接着在剩余节点中采用类似方法重新建立一条路径,直至所有需求点都规划完毕。
S7,根据该连通子图内所有配送路径的始末需求点的位置更新配送网点位置。
具体地,根据所有已规划路径的第一个需求点和最后一个需求点计算重心作为网点的新位置,举例来说,采用以下公式计算配送网点更新后的位置:
其中,xc为更新后配送网点位置的横坐标,xj为所有配送路径的始末需求点中第j个需求点的横坐标,yc为更新后配送网点位置的纵坐标,yj为所有配送路径的始末需求点中第j个需求点的纵坐标,n为所有配送路径的始末需求点的数量。
S8,判断更新后的配送网点位置与更新前配送网点位置之间的距离是否大于预设阈值,若大于预设阈值则执行S5,否则执行S9;
S9,判断当前配送网点数量下运营利润增量是否大于零,若所述运营利润增量大于零,则执行S3,且所述初始化配送网点的数量加1,否则执行S10;
S10,输出运营利润最大时的配送网点数量以及对应的配送网点位置。
本实施例中,采用边际利润模型来表示运营利润增量,具体采用以下公式表示:
I=M×q;
C=k×C固定+L×k运输;
P=I-C;
ΔP=Pnew-Pold
其中,I表示每天的配送收入,M表示规划区域内总的配送业务量,M=Σm=Σ(s×h×ρ×α×β),q表示每件配送业务的平均收入;C表示每天的成本,k表示配送网点的数量,C固定表示每个配送网点建设根据折旧期和固定运营成本折算为每天的分担费用,L表示区域内总的配送距离,k运输表示每公里配送路径的运输价格。P表示运营利润,ΔP分别表示边际利润,Pnew表示网点增加后利润,Pold表示网点增加前利润。
本实施例提供的一种物流配送网点规划方法,通过以所述需求点为节点和各个需求点之间直接可达最短路径为边构建连通图;进而根据每个需求点的业务量将所述连通图划分成与配送网点数量相等的连通子图;针对每个连通子图规划配送路径,并且不断更新优化得到配送网点最优位置;计算得到当前运营利润。然后增加配送网点数量,重复上述步骤,直至运营利润增量小于或等于零为止,输出运营利润最大时所对应的配送网点数量以及位置。能够对配送网点规划决策进行量化,避免了依靠经验和直觉进行规划所造成的不合理,进一步合理化利用资源,减少配送成本。
另一方面,如图4所示,本实施例还提供一种物流配送网点规划装置,包括:
获取模块101,用于获取各个需求点之间直接可达最短路径的距离;
构建模块102,用于以所述需求点为节点并以各个需求点之间直接可达最短路径为边构建连通图;
划分模块103,用于初始化配送网点的数量,并估算每个需求点的业务量,根据每个需求点的业务量将所述连通图划分连通子图,所述连通子图的数量与所述配送网点数量相等;
定位模块104,用于根据每个连通子图的质心位置确定该连通子图对应区域的配送网点的位置;
第一更新模块105,用于获取所述连通子图对应区域的配送网点与需求点之间直接可达的最短路径的距离,以所述配送网点作为一个节点更新该连通子图;
路径选取模块106,用于根据每个需求点的业务量确定每个连通子图内的配送路径,使每条配送路径所包含的业务量不大于预设运量容限;
第二更新模块107,用于根据该连通子图内所有配送路径的始末需求点的位置更新配送网点位置;
第一判断模块108,用于判断更新后的配送网点位置与更新前配送网点位置之间的距离是否大于预设阈值;
第二判断模块109,用于判断当前配送网点数量下运营利润增量是否大于零;
输出模块110,用于输出运营利润最大时的配送网点数量以及对应的配送网点位置。
进一步地,所述划分模块103中,每个需求点的业务量采用以下公式得到:
m=s×h×ρ×α×β
其中,m为需求点的业务量,s为需求点建筑物投影面积,h为需求点建筑物层数,ρ为需求点建筑物的业务密度,α为市场占有率,β为规划期内业务量的增长预期系数。
进一步地,所述划分模块103具体用于:
以所述连通图的中心作为圆心建立一个包含所有需求点的圆形区域;将所述圆形区域根据所有需求点的业务总量划分成业务量等分的扇区,每个扇区作为一个连通子图,所述连通子图的数量与所述配送网点数量相等。
进一步地,所述路径选取模块106具体用于:
选取所述连通子图中与所述配送网点距离最近的一个需求点;判断所选需求点的业务量总量与当前被选需求点距离最近的一个未被选取的需求点的业务量之和是否小于预设运量容限,若小于则选取所述连通子图中与当前被选需求点距离最近的一个未被选取的需求点,更新当前被选需求点为最新选取的需求点,并再次进行判断;
若所选需求点的业务量总量与当前被选需求点距离最近的一个未被选取的需求点的业务量之和大于或等于预设运量容限,则输出包含当前所有被选需求点的配送路径,并判断是否存在未被选取的需求点,若存在则针对未被选取的需求点重新执行上述操作。
本实施例提供的一种物流配送网点规划装置,通过以所述需求点为节点和各个需求点之间直接可达最短路径为边构建连通图;进而根据每个需求点的业务量将所述连通图划分成与配送网点数量相等的连通子图;针对每个连通子图规划配送路径,并且不断更新优化得到配送网点最优位置;计算得到当前运营利润。然后增加配送网点数量,重复上述步骤,直至运营利润增量小于或等于零为止,输出运营利润最大时所对应的配送网点数量以及位置。能够对配送网点规划决策进行量化,避免了依靠经验和直觉进行规划所造成的不合理,进一步合理化利用资源,减少配送成本。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (8)
1.一种物流配送网点规划方法,其特征在于,所述方法包括:
S1,获取各个需求点之间直接可达最短路径的距离;
S2,以所述需求点为节点并以各个需求点之间直接可达最短路径为边构建连通图;
S3,初始化配送网点的数量,并估算每个需求点的业务量,根据每个需求点的业务量将所述连通图划分连通子图,所述连通子图的数量与所述配送网点数量相等;
S4,根据每个连通子图的质心位置确定该连通子图对应区域的配送网点的位置;
S5,获取所述连通子图对应区域的配送网点与需求点之间直接可达的最短路径的距离,以所述配送网点作为一个节点更新该连通子图;
S6,根据每个需求点的业务量确定每个连通子图内的配送路径,使每条配送路径所包含的业务量不大于预设运量容限;
S7,根据该连通子图内所有配送路径的始末需求点的位置更新配送网点位置;
S8,判断更新后的配送网点位置与更新前配送网点位置之间的距离是否大于预设阈值,若大于预设阈值则执行S5,否则执行S9;
S9,判断当前配送网点数量下运营利润增量是否大于零,若所述运营利润增量大于零则执行S3,且所述初始化配送网点的数量加1,否则执行S10;
S10,输出运营利润最大时的配送网点数量以及对应的配送网点位置;
其中,所述S3中,采用以下公式估算每个需求点的业务量:
m=s×h×ρ×α×β
其中,m为需求点的业务量,s为需求点建筑物投影面积,h为需求点建筑物层数,ρ为需求点建筑物的业务密度,α为市场占有率,β为规划期内业务量的增长预期系数。
2.根据权利要求1所述的方法,其特征在于,所述市场占有率采用以下公式计算得到:
<mrow>
<mi>&alpha;</mi>
<mo>=</mo>
<mfenced open = "{" close = "}">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mi>t</mi>
<mo>></mo>
<msub>
<mi>T</mi>
<mi>max</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<msub>
<mi>&alpha;</mi>
<mi>max</mi>
</msub>
<mn>2</mn>
</mfrac>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mi>cos</mi>
<mo>(</mo>
<mrow>
<mi>&pi;</mi>
<mo>&times;</mo>
<mfrac>
<mrow>
<mi>t</mi>
<mo>-</mo>
<msub>
<mi>T</mi>
<mi>min</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>T</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>T</mi>
<mi>min</mi>
</msub>
</mrow>
</mfrac>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>T</mi>
<mi>min</mi>
</msub>
<mo>&le;</mo>
<mi>t</mi>
<mo>&le;</mo>
<msub>
<mi>T</mi>
<mi>max</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&alpha;</mi>
<mi>max</mi>
</msub>
<mo>,</mo>
<mi>t</mi>
<mo><</mo>
<msub>
<mi>T</mi>
<mi>min</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,t为平均服务时间,Tmax为最大服务时间阈值,Tmin为最小服务时间阈值,αmax为最大市场占有率。
3.根据权利要求1所述的方法,其特征在于,所述S3中,根据每个需求点的业务量将所述连通图划分连通子图的步骤,包括:
S31,以所述连通图的中心作为圆心建立一个包含所有需求点的圆形区域;
S32,将所述圆形区域根据所有需求点的业务总量划分成业务量等分的扇区,每个扇区作为一个连通子图,所述连通子图的数量与所述配送网点数量相等。
4.根据权利要求1所述的方法,其特征在于,所述S6包括:
S61,选取所述连通子图中与所述配送网点距离最近的一个需求点;
S62,判断所选需求点的业务量总量与当前被选需求点距离最近的一个未被选取的需求点的业务量之和是否小于预设运量容限,若小于则执行S63,否则执行S64;
S63,选取所述连通子图中与当前被选需求点距离最近的一个未被选取的需求点,更新当前被选需求点为最新选取的需求点,并执行S62;
S64,输出包含当前所有被选需求点的配送路径,并判断是否存在未被选取的需求点,若存在则针对未被选取的需求点执行S61,否则结束操作。
5.根据权利要求1所述的方法,其特征在于,所述S7中,采用以下公式计算配送网点更新后的位置:
<mrow>
<msub>
<mi>x</mi>
<mi>c</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mo>/</mo>
<mi>n</mi>
</mrow>
<mrow>
<msub>
<mi>y</mi>
<mi>c</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mo>/</mo>
<mi>n</mi>
</mrow>
其中,xc为更新后配送网点位置的横坐标,xj为所有配送路径的始末需求点中第j个需求点的横坐标,yc为更新后配送网点位置的纵坐标,yj为所有配送路径的始末需求点中第j个需求点的纵坐标,n为所有配送路径的始末需求点的数量。
6.一种物流配送网点规划装置,其特征在于,所述装置包括:
获取模块,用于获取各个需求点之间直接可达最短路径的距离;
构建模块,用于以所述需求点为节点并以各个需求点之间直接可达最短路径为边构建连通图;
划分模块,用于初始化配送网点的数量,并估算每个需求点的业务量,根据每个需求点的业务量将所述连通图划分连通子图,所述连通子图的数量与所述配送网点数量相等;
定位模块,用于根据每个连通子图的质心位置确定该连通子图对应区域的配送网点的位置;
第一更新模块,用于获取所述连通子图对应区域的配送网点与需求点之间直接可达的最短路径的距离,以所述配送网点作为一个节点更新该连通子图;
路径选取模块,用于根据每个需求点的业务量确定每个连通子图内的配送路径,使每条配送路径所包含的业务量不大于预设运量容限;
第二更新模块,用于根据该连通子图内所有配送路径的始末需求点的位置更新配送网点位置;
第一判断模块,用于判断更新后的配送网点位置与更新前配送网点位置之间的距离是否大于预设阈值;
第二判断模块,用于判断当前配送网点数量下运营利润增量是否大于零;
输出模块,用于输出运营利润最大时的配送网点数量以及对应的配送网点位置;
其中,所述划分模块中,每个需求点的业务量采用以下公式得到:
m=s×h×ρ×α×β
其中,m为需求点的业务量,s为需求点建筑物投影面积,h为需求点建筑物层数,ρ为需求点建筑物的业务密度,α为市场占有率,β为规划期内业务量的增长预期系数。
7.根据权利要求6所述的装置,其特征在于,所述划分模块具体用于:
以所述连通图的中心作为圆心建立一个包含所有需求点的圆形区域;将所述圆形区域根据所有需求点的业务总量划分成业务量等分的扇区,每个扇区作为一个连通子图,所述连通子图的数量与所述配送网点数量相等。
8.根据权利要求6所述的装置,其特征在于,所述路径选取模块具体用于:
选取所述连通子图中与所述配送网点距离最近的一个需求点;判断所选需求点的业务量总量与当前被选需求点距离最近的一个未被选取的需求点的业务量之和是否小于预设运量容限,若小于则选取所述连通子图中与当前被选需求点距离最近的一个未被选取的需求点,更新当前被选需求点为最新选取的需求点,并再次进行判断;
若所选需求点的业务量总量与当前被选需求点距离最近的一个未被选取的需求点的业务量之和大于或等于预设运量容限,则输出包含当前所有被选需求点的配送路径,并判断是否存在未被选取的需求点,若存在则针对未被选取的需求点重新执行上述操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510021541.7A CN104700203B (zh) | 2015-01-15 | 2015-01-15 | 一种物流配送网点规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510021541.7A CN104700203B (zh) | 2015-01-15 | 2015-01-15 | 一种物流配送网点规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104700203A CN104700203A (zh) | 2015-06-10 |
CN104700203B true CN104700203B (zh) | 2017-10-31 |
Family
ID=53347296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510021541.7A Active CN104700203B (zh) | 2015-01-15 | 2015-01-15 | 一种物流配送网点规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104700203B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184412B (zh) * | 2015-09-21 | 2018-11-23 | 北京农业信息技术研究中心 | 基于地理位置的物流配送路径规划方法和系统 |
CN105678493B (zh) * | 2016-01-04 | 2020-09-01 | 北京京东尚科信息技术有限公司 | 多级配送路径的建立方法和多级配送系统 |
CN107180280A (zh) * | 2017-06-16 | 2017-09-19 | 深圳市凡谷大地股份有限公司 | 基于道路匹配的物流路线规划方法及系统 |
CN108830403B (zh) * | 2018-05-23 | 2022-03-22 | 广西中烟工业有限责任公司 | 基于商业价值计算的烟草零售户走访路径可视分析方法 |
CN109029475B (zh) * | 2018-05-23 | 2022-02-18 | 广西中烟工业有限责任公司 | 基于云计算的烟草零售户走访路径规划可视分析方法 |
CN108985692A (zh) * | 2018-07-13 | 2018-12-11 | 南京邮电大学 | 一种农化产品的物流网络规划方法 |
CN109583622A (zh) * | 2018-10-15 | 2019-04-05 | 顺丰科技有限公司 | 一种集散点选取方法、装置、服务器及存储介质 |
CN109949098B (zh) * | 2019-03-22 | 2020-12-08 | 山西省交通规划勘察设计院有限公司 | 一种高速公路收费站车道数的计算方法 |
CN111950758A (zh) * | 2019-05-17 | 2020-11-17 | 拉扎斯网络科技(上海)有限公司 | 配送路径规划方法、装置、服务器及存储介质 |
CN110543532A (zh) * | 2019-07-23 | 2019-12-06 | 深圳市跨越新科技有限公司 | 基于地图的物流网点管辖区域可视化划分的方法及装置 |
CN110930091B (zh) * | 2019-11-05 | 2023-08-18 | 哈尔滨工业大学(威海) | 基于邻域搜索模拟退火算法的快递末端网点优化整合方法 |
CN112037023B (zh) * | 2020-09-01 | 2023-08-18 | 中国银行股份有限公司 | 一种银行网点管理方法和相关装置 |
CN112686475B (zh) * | 2021-01-25 | 2024-04-26 | 上海泰聚数据技术有限公司 | 一种现场服务业务中的路径规划系统及方法 |
CN112785085B (zh) * | 2021-02-08 | 2022-11-29 | 日日顺供应链科技股份有限公司 | 一种配送路径优化方法及装置 |
CN113256123A (zh) * | 2021-05-27 | 2021-08-13 | 中国农业银行股份有限公司 | 基于网点分组的自助设备的补给方法和电子设备 |
CN114021036A (zh) * | 2021-11-15 | 2022-02-08 | 平安银行股份有限公司 | 网点筛选方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101814174A (zh) * | 2010-04-07 | 2010-08-25 | 北京交通大学 | 农资连锁经营物流配送中心选址优化方法 |
CN102496078A (zh) * | 2011-12-07 | 2012-06-13 | 山东电力集团公司济宁供电公司 | 一种电动汽车换电站系统电池配送中心选址方法 |
CN102903037A (zh) * | 2011-07-28 | 2013-01-30 | 上海拉手信息技术有限公司 | 配送中心选址的方法 |
-
2015
- 2015-01-15 CN CN201510021541.7A patent/CN104700203B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101814174A (zh) * | 2010-04-07 | 2010-08-25 | 北京交通大学 | 农资连锁经营物流配送中心选址优化方法 |
CN102903037A (zh) * | 2011-07-28 | 2013-01-30 | 上海拉手信息技术有限公司 | 配送中心选址的方法 |
CN102496078A (zh) * | 2011-12-07 | 2012-06-13 | 山东电力集团公司济宁供电公司 | 一种电动汽车换电站系统电池配送中心选址方法 |
Non-Patent Citations (2)
Title |
---|
物流配送中心选址的重心法探讨;程珩;《交通运输工程与信息学报》;20130315;第11卷(第1期);91-95 * |
物流配送中心选址规划方法研究;刘晓惠;《综合运输》;20120310;30-32 * |
Also Published As
Publication number | Publication date |
---|---|
CN104700203A (zh) | 2015-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104700203B (zh) | 一种物流配送网点规划方法及装置 | |
Brandstätter et al. | Determining optimal locations for charging stations of electric car-sharing systems under stochastic demand | |
Boyacı et al. | An integrated optimization-simulation framework for vehicle and personnel relocations of electric carsharing systems with reservations | |
Guo et al. | The battery charging station location problem: Impact of users’ range anxiety and distance convenience | |
Ahmed et al. | Solving urban transit route design problem using selection hyper-heuristics | |
CN110472764B (zh) | 基于强化学习使用半合作纳什平衡来协调多方服务的方法和系统 | |
Fu et al. | A two-stage robust approach to integrated station location and rebalancing vehicle service design in bike-sharing systems | |
CN108417031B (zh) | 一种基于Agent仿真的智能停车泊位预约策略优化方法 | |
CN103413209B (zh) | 多客户多仓库物流配送路径选择方法 | |
Van Ryzin et al. | Computing virtual nesting controls for network revenue management under customer choice behavior | |
CN112085349B (zh) | 一种基于乘客出行时间窗约束的需求响应公交调度方法 | |
Luo et al. | On service consistency in multi-period vehicle routing | |
CN107330586A (zh) | 一种基于改进蚁群算法的公共自行车动态调度方法 | |
Riley et al. | Real-time dispatching of large-scale ride-sharing systems: Integrating optimization, machine learning, and model predictive control | |
CN112418497A (zh) | 一种面向制造物联的物料配送路径优化方法 | |
Vishkaei et al. | Balancing public bicycle sharing system using inventory critical levels in queuing network | |
CN110097218B (zh) | 一种时变环境下无人商品配送方法及系统 | |
CN112418514B (zh) | 一种运用蚁群系统优化校园公交线路规划的方法 | |
CN109993408A (zh) | 一种基于服务区域划分的网约车运力调配方法 | |
Rizzoli et al. | Ant Colony Optimisation for vehicle routing problems: from theory to applications | |
CN113848970A (zh) | 一种车辆-无人机多目标协同路径规划方法 | |
Liu et al. | Stochastic one-way carsharing systems with dynamic relocation incentives through preference learning | |
Meskar et al. | Spatio-temporal pricing algorithm for ride-hailing platforms where drivers can decline ride requests | |
Lai et al. | A rolling-horizon decision framework for integrating relocation and user flexibility in one-way electric carsharing systems | |
Zargayouna et al. | Fleet organization models for online vehicle routing problems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |