CN109003028A - 用于划分物流区域的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于划分物流区域的方法和装置。该方法的一具体实施方式包括：获取待划分区域内的历史订单的配送地址；将历史订单的配送地址作为待聚类的数据点进行聚类，得到包括至少一个候选聚簇的候选聚簇集合；计算候选聚簇的距离指标函数，并基于距离指标函数对候选聚簇进行分裂和/或合并，得到距离指标函数满足预设条件的至少一个聚簇，其中距离指标函数用于表征聚簇内的数据点与聚簇中心之间的距离的分布特征以及聚簇中心之间的距离特征；根据各距离指标函数满足预设条件的聚簇所覆盖的地理位置范围将待划分区域划分为至少一个物流区域。该实施方式提升了物流区域划分的准确性。

Description

用于划分物流区域的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及物流技术领域，尤其涉及用于划分物流区域的方法和装置。

背景技术

物流配送是物流系统中距离与客户直接交互的一个环节。物流配送场景中常常涉及到区域划分的问题。如何将一个城市或一个地区划分为空间上不重叠的子区域，针对每个子区域建立物流服务中心，从而高效地为客户提供物流服务，是物流配送环节的一个重要研究方向。

目前的物流区域划分方式主要采用基于专家知识给出物流区域划分方案，要求业务人员对区域内的客户对物流服务的需求度有深入的了解，然而专家知识存在一定的主观性，对客户需求了解程度不同的专家可能给出不同的划分方案。

发明内容

本申请实施例提出了用于划分物流区域的方法和装置。

第一方面，本申请实施例提供了一种用于划分物流区域的方法，包括：获取待划分区域内的历史订单的配送地址；将历史订单的配送地址作为待聚类的数据点进行聚类，得到包括至少一个候选聚簇的候选聚簇集合；计算候选聚簇的距离指标函数，并基于距离指标函数对候选聚簇进行分裂和/或合并，得到距离指标函数满足预设条件的至少一个聚簇，距离指标函数用于表征聚簇内的数据点与聚簇中心之间的距离的分布特征以及聚簇中心之间的距离特征；根据各距离指标函数满足预设条件的聚簇所覆盖的地理位置范围将待划分区域划分为至少一个物流区域。

在一些实施例中，上述候选聚簇的距离指标函数包括：两个候选聚簇的中心之间的距离和/或候选聚簇集合中的候选聚簇的数量；以及上述预设条件包括：任意两个聚簇的中心之间的距离达到预设的最小距离阈值；和/或聚簇的数量在预设的数量区间内。

在一些实施例中，上述计算候选聚簇的距离指标函数，并基于距离指标函数对候选聚簇进行分裂和/或合并，得到距离指标函数满足预设条件的至少一个聚簇，包括：迭代执行重聚类操作，在迭代次数达到预设的次数阈值时停止迭代；重聚类操作包括：将数据点的数量小于第一预设数据点数量阈值的候选聚簇中的数据点划分至其他候选聚簇中，并更新各候选聚簇的中心位置；响应于确定候选聚簇集合中的候选聚簇的数量小于预设的数量区间的最小值，对候选聚簇进行分裂处理，基于分裂处理的结果更新候选聚簇集合；响应于确定候选聚簇集合中的候选聚簇的数量大于预设的数量区间的最大值，对候选聚簇进行合并处理，基于合并处理的结果更新候选聚簇集合；响应于确定候选聚簇集合中的候选聚簇的数量位于预设的数量区间内，按照当前的迭代次数对候选聚簇进行合并处理或分裂处理。

在一些实施例中，上述对候选聚簇进行分裂处理，包括：对每个候选聚簇，确定该聚簇中数据点到聚簇中心的距离沿各预设维度的方差中方差最大的维度为候选聚簇的目标维度；响应于候选聚簇满足如下条件，将候选聚簇沿目标维度拆分为至少两个聚簇：候选聚簇中数据点到聚簇中心的距离沿目标维度的方差大于预设的方差阈值，候选聚簇中的数据点与候选聚簇中心的平均距离大于所有数据点到对应候选聚簇的中心之间的平均距离，候选聚簇中的数据点数目超过第二预设数据点数量阈值；计算拆分形成的至少两个聚簇的聚簇中心。

在一些实施例中，上述对候选聚簇进行合并处理，包括：计算候选聚簇的聚簇中心的两两之间的距离，得到中心间距集合；从中心间距集合中筛选出小于预设最小间距的中心间距，得到目标中心间距集合；对目标中心间距集合中的每一个目标中心间距，判断对应的两个候选聚簇是否为合并生成的候选聚簇；若目标中心间距对应的两个候选聚簇不是合并生成的候选聚簇，将目标中心间距对应的两个候选聚簇合并，生成合并后的候选聚簇；更新合并后的候选聚簇的聚簇中心。

在一些实施例中，上述方法还包括：获取物流地址在物流区域内的历史订单数据；对物流地址在物流区域的历史订单数据进行数据挖掘分析，以确定物流区域的订单属性特征。

第二方面，本申请实施例提供了一种用于划分物流区域的装置，包括：获取单元，被配置成获取待划分区域内的历史订单的配送地址；聚类单元，被配置成将历史订单的配送地址作为待聚类的数据点进行聚类，得到包括至少一个候选聚簇的候选聚簇集合；调整单元，被配置成计算候选聚簇的距离指标函数，并基于距离指标函数对候选聚簇进行分裂和/或合并，得到距离指标函数满足预设条件的至少一个聚簇，距离指标函数用于表征聚簇内的数据点与聚簇中心之间的距离的分布特征以及聚簇中心之间的距离特征；划分单元，被配置成根据各距离指标函数满足预设条件的聚簇所覆盖的地理位置范围将待划分区域划分为至少一个物流区域。

在一些实施例中，上述候选聚簇的距离指标函数包括：两个候选聚簇的中心之间的距离和/或候选聚簇集合中的候选聚簇的数量；以及上述预设条件包括：任意两个聚簇的中心之间的距离达到预设的最小距离阈值；和/或聚簇的数量在预设的数量区间内。

在一些实施例中，上述调整单元进一步被配置成：迭代执行重聚类操作，在迭代次数达到预设的次数阈值时停止迭代；重聚类操作包括：将数据点的数量小于第一预设数据点数量阈值的候选聚簇中的数据点划分至其他候选聚簇中，并更新各候选聚簇的中心位置；响应于确定候选聚簇集合中的候选聚簇的数量小于预设的数量区间的最小值，对候选聚簇进行分裂处理，基于分裂处理的结果更新候选聚簇集合；响应于确定候选聚簇集合中的候选聚簇的数量大于预设的数量区间的最大值，对候选聚簇进行合并处理，基于合并处理的结果更新候选聚簇集合；响应于确定候选聚簇集合中的候选聚簇的数量位于预设的数量区间内，按照当前的迭代次数对候选聚簇进行合并处理或分裂处理。

在一些实施例中，上述调整单元进一步被配置成按照如下方式对候选聚簇进行分裂处理：对每个候选聚簇，确定该聚簇中数据点到聚簇中心的距离沿各预设维度的方差中方差最大的维度为候选聚簇的目标维度；响应于候选聚簇满足如下条件，将候选聚簇沿目标维度拆分为至少两个聚簇：候选聚簇中数据点到聚簇中心的距离沿目标维度的方差大于预设的方差阈值，候选聚簇中的数据点与候选聚簇中心的平均距离大于所有数据点到对应候选聚簇的中心之间的平均距离，候选聚簇中的数据点数目超过第二预设数据点数量阈值；计算拆分形成的至少两个聚簇的聚簇中心。

在一些实施例中，上述调整单元进一步被配置成按照如下方式对候选聚簇进行合并处理：计算候选聚簇的聚簇中心的两两之间的距离，得到中心间距集合；从中心间距集合中筛选出小于预设最小间距的中心间距，得到目标中心间距集合；对目标中心间距集合中的每一个目标中心间距，判断对应的两个候选聚簇是否为合并生成的候选聚簇；若目标中心间距对应的两个候选聚簇不是合并生成的候选聚簇，将目标中心间距对应的两个候选聚簇合并，生成合并后的候选聚簇；更新合并后的候选聚簇的聚簇中心。

在一些实施例中，上述装置还包括数据挖掘单元，被配置成：获取物流地址在物流区域内的历史订单数据；对物流地址在物流区域的历史订单数据进行数据挖掘分析，以确定物流区域的订单属性特征。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面提供的用于划分物流区域的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，程序被处理器执行时实现第一方面提供的用于划分物流区域的方法。

本申请上述实施例的用于划分物流区域的方法和装置，通过获取待划分区域内的历史订单的配送地址，然后将历史订单的配送地址作为待聚类的数据点进行聚类，得到包括至少一个候选聚簇的候选聚簇集合，而后计算候选聚簇的距离指标函数，并基于距离指标函数对候选聚簇进行分裂和/或合并，得到使得距离指标函数满足预设条件的至少一个聚簇，距离指标函数用于表征聚簇内的数据点与聚簇中心之间的距离的分布特征以及聚簇中心之间的距离特征，最后根据各距离指标函数满足预设条件的聚簇所覆盖的地理位置范围将待划分区域划分为至少一个物流区域，有效利用了历史订单数据来分析客户需求的分布，进而根据客户需求的分布特征聚簇得到物流区域的划分结果，可以提升物流区域划分的准确性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于划分物流区域的方法的一个实施例的流程图；

图3是根据本申请的用于划分物流区域的方法中重聚类操作的流程示意图；

图4是本申请的用于划分物流区域的装置的一个结构示意图；

图5是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于划分物流区域的方法或用于划分物流区域的装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104、以及服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户110可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种数据交互，例如物流管理应用，搜索引擎客户端、地图客户端、物流管理应用、在线购物应用等等。

终端设备101、102、103可以是具有显示器并支持互联网访问的各种电子设备，包括但不限于智能手机、平板电脑、智能手表、笔记本电脑、膝上便携型电脑、电子书阅读器等。

服务器105可以是为终端设备提供物流管理服务的服务器，服务器105可以对终端设备101、102、103发出的物流管理请求进行解析，例如可以对终端设备101、102、103发出的物流区域划分请求进行解析，根据解析结果确定物流区域划分方案，并可以将确定出的物流区域划分方案的相关信息通过网络104反馈给终端设备101、102、103。

需要说明的是，本申请实施例所提供的用于划分物流区域的方法可以由服务器105执行，相应地，用于划分物流区域的装置可以设置于服务器105中。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络、服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络、服务器。

继续参考图2，其示出了根据本申请的用于划分物流区域的方法的一个实施例的流程200。该用于划分物流区域的方法，包括以下步骤：

步骤201，获取待划分区域内的历史订单的配送地址。

在本实施例中，用于划分物流区域的方法的执行主体可以获取待划分区域内的历史订单，并从历史订单中提取出每个订单的配送地址。在这里，待划分区域可以是用户指定的。覆盖一定的地理位置范围的区域，在实践中用户可以选定行政区域作为待划分区域，例如北京市海淀区。

用户提交物流区域划分请求时，可以一并提交待划分区域内的所有历史订单。该历史订单可以是配送地址在所选定的待划分区域内的所有线上/线下历史订单。配送地址可以表征配送目的地，也即订单的收获地址。

在本实施例的一些可选的实现方式中，上述执行主体可以从存储有历史订单信息的电子设备中获取历史订单信息。例如可以与存储历史订单信息的服务器建立连接，并从存储历史订单信息的服务器接收历史订单信息。然后可以从历史订单信息中提取出历史订单的配送地址，判断历史订单的配送地址是否在待划分区域内，从而获取待划分区域内的历史订单的配送地址。可选地，配送地址可以以地理位置坐标表示。

步骤202，将历史订单的配送地址作为待聚类的数据点进行聚类，得到包括至少一个候选聚簇的候选聚簇集合。

在本实施例中，可以采用各种聚类方法对步骤201获取的历史订单的配送地址进行聚类，将距离较近的配送地址划分为同一个聚簇，将距离较远的配送地址划分入不同的聚簇。具体地，可以直接基于各配送地址之间的距离进行聚类，也可以按照所获取的所有历史订单的配送地址的密度分布进行聚类，还可以采用诸如神经网络的机器学习模型进行聚类。上述待聚类的数据点在执行聚类操作后被划入至少一个聚簇，可以将聚类得到的各聚簇作为候选聚簇，生成候选聚簇集合。

在聚类操作中，可以首先确定至少两个聚类中心，然后将获取的配送地址分别聚类至各聚类中心所代表的聚簇中。在聚类过程中，还可以根据同一聚簇中数据点的分布以及不同聚簇之间数据点之间的距离调整聚簇数量和聚簇中心，得到更准确的聚类结果。例如可选地，可以迭代调整聚簇数量和聚簇中心的位置，在同一聚簇中数据点的分布以及不同聚簇中数据点之间的距离满足预设的条件时，停止迭代调整操作，得到聚类结果。

步骤203，计算候选聚簇的距离指标函数，并基于距离指标函数对候选聚簇进行分裂和/或合并，得到距离指标函数满足预设条件的至少一个聚簇。

可以设定用于表征聚簇内的数据点与聚簇中心之间的距离的分布特征以及聚簇中心之间的距离特征的距离指标函数。可选地，距离指标函数可以包括第一函数和第二函数，第一函数用于表征聚簇内的数据点与聚簇中心之间的距离的分布特征，第二函数用于表征不同聚簇中心之间的距离特征。作为示例，第一函数可以是聚簇内数据点与聚簇中心的距离的均值、方差或均方差，第二函数可以是聚簇中心之间的距离的均值、方差或均方差等。

在本实施例中，可以计算候选聚簇集合中的候选聚簇的距离指标函数，然后判断候选聚簇的距离指标函数是否满足预设条件。若候选聚簇的距离指标函数不满足预设条件，则可以对候选聚簇进行分裂处理和/或合并处理，将一个候选聚簇分裂为至少两个聚簇，和/或将至少两个候选聚簇合并为一个聚簇，得到新的候选聚簇集合。

上述对候选聚簇的分裂处理可以按照如下方式进行：在同一个候选聚簇中选择至少两个数据点作为新的聚簇中心，将候选聚簇中的数据点绑定至距离最近的新的聚簇中心下，所有绑定至同一聚簇中心的数据点形成分裂后的一个聚簇。

上述对候选聚簇的合并处理可以按照如下方式进行：计算两个候选聚簇的中心之间的距离，若两个候选聚簇的中心之间的距离小于预设的距离阈值，则将两个候选聚簇合并，根据两个候选聚簇中的数据点的分布计算得出合并后的聚簇的聚簇中心。

在对候选聚簇进行分裂和/或合并处理之后，可以继续判断分裂和/或合并得到的候选聚簇的距离指标函数是否满足预设条件，若不满足，则可以继续对候选聚簇进行分裂和/或合并处理，直到更新后的候选聚簇满足预设条件。

上述预设条件可以包括：聚簇内的数据点与聚簇中心之间的距离的分布满足预设的分布特征，聚簇中心之间的距离特征满足预设的距离特征。具体来说，预设条件可以包括：聚簇内的数据点与聚簇中心的距离之间的均值、方差、和均方差中的至少一项在对应的预设范围内，也可以包括聚簇中心之间的距离大于预设的阈值。

步骤204，根据各距离指标函数满足预设条件的聚簇所覆盖的地理位置范围将待划分区域划分为至少一个物流区域。

在得到距离指标满足预设条件的聚簇之后，可以确定出各聚簇所覆盖的地理位置范围，例如可以根据各聚簇内的数据点确定出聚簇所覆盖的地理位置范围的边界，可以将每个聚簇所覆盖的地理位置范围作为一个物流区域，例如根据确定出的聚簇覆盖的地理位置范围的边界确定出物流区域的边界。

在本实施例的一些可选的实现方式中，不同聚簇所覆盖的地理位置范围之间可能存在重叠部分，待划分区域也可能包含未被任意一个聚簇所覆盖的区域。在确定各聚簇所覆盖的地理位置范围之后，可以确定出与各聚簇一一对应的初始区域，之后对初始区域进行修正，具体包括区域的生长以及区域的裁剪。其中区域的生长为对相邻但边缘不相接的区域按照预设的范围向外扩张直到边缘相接；区域的裁剪是对相互覆盖的区域进行裁剪以去除重叠区域。这样，所得到的物流区域可以覆盖整个待划分区域，且不同的物流区域之间不交叠，有利于为待划分区域的提供全面、高效的物流服务。

本申请上述实施例的用于划分物流区域的方法和装置，通过获取待划分区域内的历史订单的配送地址，然后将历史订单的配送地址作为待聚类的数据点进行聚类，得到包括至少一个候选聚簇的候选聚簇集合，而后计算候选聚簇的距离指标函数，并基于距离指标函数对候选聚簇进行分裂和/或合并，得到使得距离指标函数满足预设条件的至少一个聚簇，距离指标函数用于表征聚簇内的数据点与聚簇中心之间的距离的分布特征以及聚簇中心之间的距离特征，最后根据各距离指标函数满足预设条件的聚簇所覆盖的地理位置范围将待划分区域划分为至少一个物流区域，有效利用了历史订单数据来分析客户需求的分布，进而根据客户需求的分布特征聚簇得到物流区域的划分结果，可以提升物流区域划分的准确性。

在本实施例的一些可选的实现方式中，上述候选聚簇的距离指标函数可以包括两个候选聚簇的中心之间的距离和/或候选聚簇集合中的候选聚簇的数量。相应地，上述预设条件可以包括任意两个聚簇的中心之间的距离达到预设的最小距离阈值，和/或聚簇的数量在预设的数量区间内。则在步骤202聚类得到候选聚簇集合之后，可以判断候选聚簇集合中候选聚簇的数量是否在预设的数量区间内，判断任意两个候选聚簇的中心之间的距离是否达到预设的最小距离阈值，若候选聚簇集合中候选聚簇的数量不在预设的数量区间内，和/或存在两个候选聚簇的中心之间的距离未达到预设的最小距离阈值，则可以对候选聚簇集合中的候选聚簇进行分裂和/或合并处理，以更新候选聚簇集合，在分裂和/或合并处理后继续判断更新的候选聚簇集合中的候选聚簇的数量是否在预设的数量区间内，判断更新后的候选聚簇集合中任意两个候选聚簇的中心之间的距离是否达到预设的最小距离阈值。这样，通过不断地对候选聚簇集合中的候选聚簇进行分裂合并，得到任意两个聚簇的中心之间的距离达到预设的最小距离阈值，和/或聚簇的数量在预设的数量区间内的至少一个聚簇。

在上述实施例的一些可选的实现方式中，上述计算候选聚簇的距离指标函数，并基于距离指标函数对候选聚簇进行分裂和/或合并，得到距离指标函数满足预设条件的至少一个聚簇的步骤203可以包括：迭代执行重聚类操作，在迭代次数达到预设的次数阈值时停止迭代。图3示出了重聚类操作一个示例性的流程图。如图3所示，本实施例的重聚类操作的流程300可以包括：

步骤301，将数据点的数量小于第一预设数据点数量阈值的候选聚簇中的数据点划分至其他候选聚簇中，并更新各候选聚簇的中心位置。

首先可以判断步骤202聚类得到的每个候选聚簇中的数据点的数量是否小于第一预设数据点数量阈值，若是，则可以将对应的候选聚簇中的数据点合并至其他距离最近的候选聚簇中，之后可以更新候选聚簇的中心位置。这样可以取消数据点数量过少的候选聚簇，使得聚类结果更可靠。

具体来说，假设输入N个历史订单的配送地址数据点{x_i，i＝1,2,…，N}，在步骤202聚类后得到N_c个候选聚簇，候选聚簇的中心为{c₁，c₂，…，c_Nc}，第一预设数据点数量阈值为n_min，即聚类得到的每一个聚簇中的数据点的最少数据点数目为n_min。对于步骤202生成的候选聚簇，如果某一个候选聚簇中的数据点数目小于n_min，则取消该候选聚簇，候选聚簇的总数N_c相应减去1。

对于每个候选聚簇S_j，更新对应的中心c_j的位置：

其中，N_j为候选聚簇S_j中的数据点数目，x表示数据点(一个历史订单的配送地址)的空间坐标。

步骤302，响应于确定候选聚簇集合中的候选聚簇的数量小于预设的数量区间的最小值，对候选聚簇进行分裂处理，基于分裂处理的结果更新候选聚簇集合。

如果当前迭代次数未达到预设的次数阈值，可以判断候选聚簇集合中的候选聚簇的数量是否小于预设的数量区间的最小值。

在这里，可以预先设定期望的聚簇数目为K，预设的数量区间为[K/2，2K]，则可以判断当前候选聚簇的数目N_c是否小于K/2，若N_c＜K/2，即当前候选聚簇的数目小于或等于预期聚簇数的一半，则对候选聚簇集合中的候选聚簇进行分裂处理，在候选聚簇集合中选出至少一个候选聚簇，将选出的每个候选聚簇分裂为至少两个子簇，以增加候选聚簇的数目N_c。

在本实施例的一些可选的实现方式中，可以按照如下方式对候选聚簇进行分裂处理：对每个候选聚簇，确定该聚簇中数据点到聚簇中心的距离沿各预设维度的方差中方差最大的维度为候选聚簇的目标维度；响应于候选聚簇满足如下条件，将候选聚簇沿目标维度拆分为至少两个聚簇：候选聚簇中数据点到聚簇中心的距离沿目标维度的方差大于预设的方差阈值，候选聚簇中的数据点与候选聚簇中心的平均距离大于所有数据点到对应候选聚簇的中心之间的平均距离，候选聚簇中的数据点数目超过第二预设数据点数量阈值；计算拆分形成的至少两个聚簇的聚簇中心。

具体来说，在分裂处理中，对于每个候选聚簇S_j，计算得到一个向量V_j＝(v_j1，v_j2，…，v_jd)，该向量的第i维表示聚簇S_j中数据点到聚簇中心的距离沿各预设维度的方差，也即表示：从该簇中的每个数据点x到该簇的聚类中心c_j连接形成的N_j个向量在d维空间中的第i条坐标轴上的投影坐标值的方差。其中，预设维度可以为聚簇中数据点的坐标维度，d为数据点的坐标的维数，例如配送地址用二维坐标表示时，d＝2，这时，V_j＝(v_j1，v_j2)，其中，v_j1和v_j1分别表示从候选聚簇S_j中的每个数据点x到该簇的聚类中心c_j连接形成的N_j个向量在二维平面空间中的横坐标的方差和纵坐标的方差。也就是说，向量V_j中的第t维v_jt为：

其中，c_jt为c_j在第t维的分量。

对于每一个标准差向量V_j＝(v_j1，v_j2，…，v_jd)，j＝1,2，…，N_c，找出该向量的d个维度的分量中的最大分量，即该聚簇S_j中数据点到聚簇中心的距离沿各预设维度的方差中方差最大的维度作为候选聚簇S_j的目标维度max，该最大方差记为v_j，max，j＝1,2，…，N_c。

之后可以判断候选聚簇S_j中数据点到聚簇中心的距离沿目标维度max的方差v_j，max是否大于预设的方差阈值σ_max，并判断候选聚簇S_j中的数据点与候选聚簇S_j中心的平均距离是否大于所有数据点到对应候选聚簇的中心之间的平均距离判断候选聚簇S_j中的数据点数目N_j是否超过第二预设数据点数量阈值，在这里，第二预设数据点数量阈值可以为2(n_min+1)。

其中，候选聚簇S_j中心的平均距离可以按照公式(3)计算：

所有数据点到对应候选聚簇的中心之间的平均距离可以按照式(4)计算：

若v_j，max＞σ_max，且N_j＞2(n_min+1)，表明候选聚簇S_j中数据点较分散，且簇中数据的数目超过预设的最少数据点数目的一倍以上，则可以将候选聚簇S_j拆分为m个聚簇(m是不小于2的整数)，并对当前的聚簇数N_c加(m-1)。

在拆分为至少两个聚簇后，可以根据拆分得到的至少两个聚簇内的数据点计算各个聚簇的中心。然后可以根据拆分得到的新簇更新候选聚簇集合。

可选地，可以将候选聚簇拆分为两个新簇，拆分出的两个新簇的中心位置分别为：候选聚簇S_j的聚类中心的坐标对应于目标维度max的分量增加v_j，max，以及候选聚簇S_j的聚类中心的坐标对应于目标维度max的分量减少v_j，max。这样，可以沿方差最大的维度将候选聚簇进行拆分，拆分后的聚簇内数据点与聚簇中心的方差缩小，能够进一步提升聚簇的准确度。

在拆分得到新簇之后，可以将迭代次数加一，返回步骤301，继续执行重聚类操作。

步骤303，响应于确定候选聚簇集合中的候选聚簇的数量大于预设的数量区间的最大值，对候选聚簇进行合并处理，基于合并处理的结果更新候选聚簇集合。

在本实施例中，如果候选聚簇集合中的候选聚簇的数量大于预设的数量区间的最大值，则可以对候选聚簇进行合并。其中，预设的数量区间的最大值可以为预先设定期望的聚簇数目的2倍，即2K。如果N_c＞2K，可以选择一些邻近的候选聚簇进行合并，或者可以将数据点数量较少的候选聚簇去除，将其中的数据点划分到其他候选聚簇中。合并后可以计算新的聚簇的中心位置。

在本实施例的一些可选的实现方式中，可以按照如下方式对候选聚簇进行合并处理：计算候选聚簇的聚簇中心的两两之间的距离，得到中心间距集合；从中心间距集合中筛选出小于预设最小间距的中心间距，得到目标中心间距集合；对目标中心间距集合中的每一个目标中心间距，判断对应的两个候选聚簇是否为合并生成的候选聚簇；若目标中心间距对应的两个候选聚簇不是合并生成的候选聚簇，将目标中心间距对应的两个候选聚簇合并，生成合并后的候选聚簇；更新合并后的候选聚簇的聚簇中心。

首先，可以计算全部候选聚类中心之间的距离d_ij：

d_ij＝||z_i-z_j||,1≤i≤j≤N_c； (5)

其中，z_i和z_j分别为第i个和第j个候选聚类的聚类中心的坐标。

对候选聚簇集合中的任意两个候选聚簇的中心间距进行计算，得到中心间距集合：{d₁₂，d₁₃，…，d_1Nc，d₂₃，d₂₄，…，d_2Nc，d₃₄，…，d_(Nc-1)Nc}。

随后，可以从上述中心间距集合中选出小于预设最小间距L_min的中心间距构成目标中心间距集合。

对于目标中心间距集合中的每个元素d_ij，都对应一对当前的候选聚簇S_i和S_j，可以判断这两个候选聚簇是否为经过合并处理生成的候选聚簇，如果不是，则可以将这两个候选聚簇合并，生成合并后的新簇，还可以计算合并后生成的新簇的聚簇中心。候选聚簇S_i和S_j合并后生成的新簇的聚类中心c_ij为：

其中，N_i和N_j分别是候选聚簇S_i和S_j包含的数据点数目，c_i和c_j分别是候选聚簇S_i和S_j的聚簇中心。

之后可以对当前的聚簇数N_c中减去被合并的聚簇数，并利用新簇替换候选聚簇集合中对应的候选聚簇。

在合并处理之后，可以对迭代次数加一，返回步骤301，基于当前的候选聚簇集合重新开始执行重聚类操作。

步骤304，响应于确定候选聚簇集合中的候选聚簇的数量位于预设的数量区间内，按照当前的迭代次数对候选聚簇进行合并处理或分裂处理。

如果当前的候选聚簇集合中的候选聚簇的数量N_c在预设的数量区间[K/2，2K]中，即K/2≤N_c≤2K，则可以按照当前的迭代次数来确定执行分裂处理或合并处理。具体来说，可以例如采用如下方案：当K/2≤N_c≤2K时，如果当前的迭代次数为奇数，则对候选聚簇执行分裂处理，如果当前的迭代次数为偶数，则对候选聚簇进行合并处理。这样当候选聚簇集合中的候选聚簇的数量N_c在预设的数量区间[K/2，2K]中时，执行的合并操作或分裂操作的次数相平衡。在每次执行完合并操作或分裂操作后，可以对迭代次数加一，并更新对应的当前候选聚簇数N_c。具体的分裂处理和合并处理可以分别参考步骤302和步骤303中的描述，此处不再赘述。

通过迭代执行图3所示的重聚类操作，可以不断优化聚类结果，使得聚类结果与真实的数据点分布一致，能够提升聚类进度，进而提升基于聚类结果划分的物流区域的可靠性。

在上述各实施例的一些可选的实现方式中，在划分出物流区域后，还可以获取物流地址在物流区域内的历史订单数据，对物流地址在物流区域的历史订单数据进行数据挖掘分析，以确定物流区域的订单属性特征。其中，订单属性特征可以包括订单的分布特征属性、订单的类别属性、发出订单的用户的特征属性等。物流地址可以包括配送地址和发货地址。可以获取配送地址和/或发货地址在物流区域内的历史订单的数据，包括历史订单的配送时间、发货时间、订单所承载的货物类型、货物数量和重量、发出订单的用户属性(如用户的标识、性别、年龄等基本属性、用户的兴趣特征、用户的订单操作习惯等)、订单时效性等数据。

可以采用各种数据挖掘方法对所获取的物流区域内的历史订单数据进行分析，例如可以统计同一物流区域内的订单数量，或者统计同一物流区域内订单所承载的货物重量，这样可以估算出改物流区域内配送中心的配送量需求。有利于可以根据各历史订单的配送地址，及历史订单所关联的获取类型、货物数量和货物重量，分析物流区域内不同配送中心的位置与配送成本之间的关系。可选地，可以将获取的历史订单数据输入已训练的订单数据分析模型，得到数据挖掘结果。该数据挖掘结果可以为配送中心选址规划、订单量预测、运输资源调度安排等实际场景提供可靠的数据支持。

进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种用于划分物流区域的装置的一个实施例，该装置实施例与图2和图3所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例的用于划分物流区域的装置400包括：获取单元401、聚类单元402、调整单元403以及划分单元404。其中，获取单元401被配置成获取待划分区域内的历史订单的配送地址；聚类单元402被配置成将历史订单的配送地址作为待聚类的数据点进行聚类，得到包括至少一个候选聚簇的候选聚簇集合；调整单元403被配置成计算候选聚簇的距离指标函数，并基于距离指标函数对候选聚簇进行分裂和/或合并，得到距离指标函数满足预设条件的至少一个聚簇，距离指标函数用于表征聚簇内的数据点与聚簇中心之间的距离的分布特征以及聚簇中心之间的距离特征；划分单元404被配置成根据各距离指标函数满足预设条件的聚簇所覆盖的地理位置范围将待划分区域划分为至少一个物流区域。

在一些实施例中，上述候选聚簇的距离指标函数包括：两个候选聚簇的中心之间的距离和/或候选聚簇集合中的候选聚簇的数量；以及上述预设条件包括：任意两个聚簇的中心之间的距离达到预设的最小距离阈值；和/或聚簇的数量在预设的数量区间内。

在一些实施例中，上述调整单元403可以进一步被配置成：迭代执行重聚类操作，在迭代次数达到预设的次数阈值时停止迭代；重聚类操作包括：将数据点的数量小于第一预设数据点数量阈值的候选聚簇中的数据点划分至其他候选聚簇中，并更新各候选聚簇的中心位置；响应于确定候选聚簇集合中的候选聚簇的数量小于预设的数量区间的最小值，对候选聚簇进行分裂处理，基于分裂处理的结果更新候选聚簇集合；响应于确定候选聚簇集合中的候选聚簇的数量大于预设的数量区间的最大值，对候选聚簇进行合并处理，基于合并处理的结果更新候选聚簇集合；响应于确定候选聚簇集合中的候选聚簇的数量位于预设的数量区间内，按照当前的迭代次数对候选聚簇进行合并处理或分裂处理。

在一些实施例中，上述调整单元403可以进一步被配置成按照如下方式对候选聚簇进行分裂处理：对每个候选聚簇，确定该聚簇中数据点到聚簇中心的距离沿各预设维度的方差中方差最大的维度为候选聚簇的目标维度；响应于候选聚簇满足如下条件，将候选聚簇沿目标维度拆分为至少两个聚簇：候选聚簇中数据点到聚簇中心的距离沿目标维度的方差大于预设的方差阈值，候选聚簇中的数据点与候选聚簇中心的平均距离大于所有数据点到对应候选聚簇的中心之间的平均距离，候选聚簇中的数据点数目超过第二预设数据点数量阈值；计算拆分形成的至少两个聚簇的聚簇中心。

在一些实施例中，上述调整单元403进一步被配置成按照如下方式对候选聚簇进行合并处理：计算候选聚簇的聚簇中心的两两之间的距离，得到中心间距集合；从中心间距集合中筛选出小于预设最小间距的中心间距，得到目标中心间距集合；对目标中心间距集合中的每一个目标中心间距，判断对应的两个候选聚簇是否为合并生成的候选聚簇；若目标中心间距对应的两个候选聚簇不是合并生成的候选聚簇，将目标中心间距对应的两个候选聚簇合并，生成合并后的候选聚簇；更新合并后的候选聚簇的聚簇中心。

在一些实施例中，上述装置400还可以包括数据挖掘单元，被配置成：获取物流地址在物流区域内的历史订单数据；对物流地址在物流区域的历史订单数据进行数据挖掘分析，以确定物流区域的订单属性特征。

应当理解，装置400中记载的诸单元与参考图2和图3描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征同样适用于装置400及其中包含的单元，在此不再赘述。

本申请上述实施例的用于划分物流区域的装置400，通过获取单元获取待划分区域内的历史订单的配送地址，然后聚类单元将历史订单的配送地址作为待聚类的数据点进行聚类，得到包括至少一个候选聚簇的候选聚簇集合，而后调整单元计算候选聚簇的距离指标函数，并基于距离指标函数对候选聚簇进行分裂和/或合并，得到使得距离指标函数满足预设条件的至少一个聚簇，距离指标函数用于表征聚簇内的数据点与聚簇中心之间的距离的分布特征以及聚簇中心之间的距离特征，最后划分单元根据各距离指标函数满足预设条件的聚簇所覆盖的地理位置范围将待划分区域划分为至少一个物流区域，有效利用了历史订单数据来分析客户需求的分布，进而根据客户需求的分布特征聚簇得到物流区域的划分结果，可以提升物流区域划分的准确性。

下面参考图5，其示出了适于用来实现本申请实施例的电子设备的计算机系统500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、聚类单元、调整单元和划分单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取待划分区域内的历史订单的配送地址的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取待划分区域内的历史订单的配送地址；将历史订单的配送地址作为待聚类的数据点进行聚类，得到包括至少一个候选聚簇的候选聚簇集合；计算候选聚簇的距离指标函数，并基于距离指标函数对候选聚簇进行分裂和/或合并，得到距离指标函数满足预设条件的至少一个聚簇，距离指标函数用于表征聚簇内的数据点与聚簇中心之间的距离的分布特征以及聚簇中心之间的距离特征；根据各距离指标函数满足预设条件的聚簇所覆盖的地理位置范围将待划分区域划分为至少一个物流区域。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种用于划分物流区域的方法，包括：

获取待划分区域内的历史订单的配送地址；

将所述历史订单的配送地址作为待聚类的数据点进行聚类，得到包括至少一个候选聚簇的候选聚簇集合；

计算所述候选聚簇的距离指标函数，并基于所述距离指标函数对所述候选聚簇进行分裂和/或合并，得到距离指标函数满足预设条件的至少一个聚簇，所述距离指标函数用于表征聚簇内的数据点与聚簇中心之间的距离的分布特征以及聚簇中心之间的距离特征；

根据各距离指标函数满足预设条件的聚簇所覆盖的地理位置范围将待划分区域划分为至少一个物流区域。

2.根据权利要求1所述的方法，其中，所述候选聚簇的距离指标函数包括：

两个候选聚簇的中心之间的距离和/或候选聚簇集合中的候选聚簇的数量；以及

所述预设条件包括：

任意两个聚簇的中心之间的距离达到预设的最小距离阈值；和/或聚簇的数量在预设的数量区间内。

3.根据权利要求2所述的方法，其中，所述计算所述候选聚簇的距离指标函数，并基于所述距离指标函数对所述候选聚簇进行分裂和/或合并，得到距离指标函数满足预设条件的至少一个聚簇，包括：

迭代执行重聚类操作，在迭代次数达到预设的次数阈值时停止迭代；

所述重聚类操作包括：

将数据点的数量小于第一预设数据点数量阈值的候选聚簇中的数据点划分至其他候选聚簇中，并更新各候选聚簇的中心位置；

响应于确定候选聚簇集合中的候选聚簇的数量小于所述预设的数量区间的最小值，对所述候选聚簇进行分裂处理，基于分裂处理的结果更新所述候选聚簇集合；

响应于确定候选聚簇集合中的候选聚簇的数量大于所述预设的数量区间的最大值，对所述候选聚簇进行合并处理，基于合并处理的结果更新所述候选聚簇集合；

响应于确定候选聚簇集合中的候选聚簇的数量位于所述预设的数量区间内，按照当前的迭代次数对所述候选聚簇进行合并处理或分裂处理。

4.根据权利要求3所述的方法，其中，所述对所述候选聚簇进行分裂处理，包括：

对每个候选聚簇，确定该聚簇中数据点到聚簇中心的距离沿各预设维度的方差中方差最大的维度为所述候选聚簇的目标维度；

响应于所述候选聚簇满足如下条件，将所述候选聚簇沿所述目标维度拆分为至少两个聚簇：所述候选聚簇中数据点到聚簇中心的距离沿所述目标维度的方差大于预设的方差阈值，所述候选聚簇中的数据点与候选聚簇中心的平均距离大于所有数据点到对应候选聚簇的中心之间的平均距离，所述候选聚簇中的数据点数目超过第二预设数据点数量阈值；

计算拆分形成的至少两个聚簇的聚簇中心。

5.根据权利要求3或4所述的方法，其中，所述对所述候选聚簇进行合并处理，包括：

计算候选聚簇的聚簇中心的两两之间的距离，得到中心间距集合；

从所述中心间距集合中筛选出小于预设最小间距的中心间距，得到目标中心间距集合；

对目标中心间距集合中的每一个目标中心间距，判断对应的两个候选聚簇是否为合并生成的候选聚簇；

若所述目标中心间距对应的两个候选聚簇不是合并生成的候选聚簇，将所述目标中心间距对应的两个候选聚簇合并，生成合并后的候选聚簇；

更新合并后的候选聚簇的聚簇中心。

6.根据权利要求1所述的方法，其中，所述方法还包括：

获取物流地址在所述物流区域内的历史订单数据；

对所述物流地址在所述物流区域的历史订单数据进行数据挖掘分析，以确定所述物流区域的订单属性特征。

7.一种用于划分物流区域的装置，包括：

获取单元，被配置成获取待划分区域内的历史订单的配送地址；

聚类单元，被配置成将所述历史订单的配送地址作为待聚类的数据点进行聚类，得到包括至少一个候选聚簇的候选聚簇集合；

调整单元，被配置成计算所述候选聚簇的距离指标函数，并基于所述距离指标函数对所述候选聚簇进行分裂和/或合并，得到距离指标函数满足预设条件的至少一个聚簇，所述距离指标函数用于表征聚簇内的数据点与聚簇中心之间的距离的分布特征以及聚簇中心之间的距离特征；

划分单元，被配置成根据各距离指标函数满足预设条件的聚簇所覆盖的地理位置范围将待划分区域划分为至少一个物流区域。

8.根据权利要求7所述的装置，其中，所述候选聚簇的距离指标函数包括：

两个候选聚簇的中心之间的距离和/或候选聚簇集合中的候选聚簇的数量；以及

所述预设条件包括：

任意两个聚簇的中心之间的距离达到预设的最小距离阈值；和/或聚簇的数量在预设的数量区间内。

9.根据权利要求8所述的装置，其中，所述调整单元进一步被配置成：

迭代执行重聚类操作，在迭代次数达到预设的次数阈值时停止迭代；

所述重聚类操作包括：

将数据点的数量小于第一预设数据点数量阈值的候选聚簇中的数据点划分至其他候选聚簇中，并更新各候选聚簇的中心位置；

响应于确定候选聚簇集合中的候选聚簇的数量小于所述预设的数量区间的最小值，对所述候选聚簇进行分裂处理，基于分裂处理的结果更新所述候选聚簇集合；

响应于确定候选聚簇集合中的候选聚簇的数量大于所述预设的数量区间的最大值，对所述候选聚簇进行合并处理，基于合并处理的结果更新所述候选聚簇集合；

响应于确定候选聚簇集合中的候选聚簇的数量位于所述预设的数量区间内，按照当前的迭代次数对所述候选聚簇进行合并处理或分裂处理。

10.根据权利要求9所述的装置，其中，所述调整单元进一步被配置成按照如下方式对所述候选聚簇进行分裂处理：

对每个候选聚簇，确定该聚簇中数据点到聚簇中心的距离沿各预设维度的方差中方差最大的维度为所述候选聚簇的目标维度；

响应于所述候选聚簇满足如下条件，将所述候选聚簇沿所述目标维度拆分为至少两个聚簇：所述候选聚簇中数据点到聚簇中心的距离沿所述目标维度的方差大于预设的方差阈值，所述候选聚簇中的数据点与候选聚簇中心的平均距离大于所有数据点到对应候选聚簇的中心之间的平均距离，所述候选聚簇中的数据点数目超过第二预设数据点数量阈值；

计算拆分形成的至少两个聚簇的聚簇中心。

11.根据权利要求9或10所述的装置，其中，所述调整单元进一步被配置成按照如下方式对所述候选聚簇进行合并处理：

计算候选聚簇的聚簇中心的两两之间的距离，得到中心间距集合；

从所述中心间距集合中筛选出小于预设最小间距的中心间距，得到目标中心间距集合；

对目标中心间距集合中的每一个目标中心间距，判断对应的两个候选聚簇是否为合并生成的候选聚簇；

若所述目标中心间距对应的两个候选聚簇不是合并生成的候选聚簇，将所述目标中心间距对应的两个候选聚簇合并，生成合并后的候选聚簇；

更新合并后的候选聚簇的聚簇中心。

12.根据权利要求7所述的装置，其中，所述装置还包括数据挖掘单元，被配置成：

获取物流地址在所述物流区域内的历史订单数据；

对所述物流地址在所述物流区域的历史订单数据进行数据挖掘分析，以确定所述物流区域的订单属性特征。

13.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

14.一种计算机可读存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。