CN110533354A - 一种基于等货量密度线的连锁加盟店物流配送分区方法 - Google Patents
一种基于等货量密度线的连锁加盟店物流配送分区方法 Download PDFInfo
- Publication number
- CN110533354A CN110533354A CN201810513385.XA CN201810513385A CN110533354A CN 110533354 A CN110533354 A CN 110533354A CN 201810513385 A CN201810513385 A CN 201810513385A CN 110533354 A CN110533354 A CN 110533354A
- Authority
- CN
- China
- Prior art keywords
- shops
- density
- subregion
- goods
- isopycnic
- 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.)
- Pending
Links
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- 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
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于等货量密度线的连锁加盟店物流配送分区方法,包括以下步骤:步骤一:计算门店配送货量密度;步骤二:生成闭合等密度值线;步骤三:形成密度中心区域;步骤四:划分配送区域。本发明门店货量密度能反映配送门店及配送货量的动态变化;在生成等值线时增加零值密度点能使处于图幅边缘的等值线闭合,同时能使配送途径相距较远的门店聚集区域分属不同的配送分区,从而改善分区内门店内的可达性;通过设置不同的货量阈值,能使分区反映门店与仓库之间的距离特征,增强分区的合理性。其具有操作简单、计算效率高、分区合理性好的优点。
Description
技术领域
本发明属于物流技术领域,具体涉及一种基于等货量密度线的连锁加盟店物流配送分区方法。
背景技术
商业连锁加盟是当今实体店运营的主要商业模式,连锁加盟店主要分布于城区,城市的分布受地形地貌的影响,其分布是不均匀的;不同城市离配送仓库的距离差异较大,门店在不同的城市、城市不同的区域分布也不均匀,城区内允许通行的车型也不相同,各门店的需配送量也不一致;所有的这些因素均影响物流配送。
物流配送车辆调度问题(VRP)是一个NP-Hard问题,求解十分困难,要想做到时间和成本达到最优是极难实现的。当门店数量较少时通常采用启发式优化计算方法,如遗传算法、粒子群算法等,当门店数量较大,同时需要考虑门店分布、配送距离、时间、车型、装载率等多种条件约束时,启发式算法容易造成局部最优,计算耗时太长。分区配送有利于结合人工知识及压缩优化搜索空间,从而提高配送效率。
配送分区研究包括两方面的内容,一是存在多个仓库时把门店划归为不同仓库负责配送,二是把单一仓库所有门店按不同的配送属性划分为不同的分区。单一仓库配送分区方法主要有同心圆法和基于密度的分区方法,同心圆法适用于门店分布较均匀的情况;基于密度的方法按密度计算方法可分为门店分布密度和货量密度,门店分布密度主要依据门店之间距离及其数量,不能反映配送货量;货量密度依据一定范围内需配送货物量,密度值随配送量而变化,密度中心不一定是门店聚集中心;按密度中心形成方法有基于聚类的方法和中心点筛选法,基于聚类的方法除了考虑密度值,同时还需考虑空间位置,运算速度慢;中心点筛选法对于远离仓库区域、门店密集的城市商业中心区域难以统一筛选标准,另外,不论是聚类法还是筛选法均需事先设定分区数量,不能根据当前波次门店货量进行自适应调整。
基于货量密度的分区方法能充分反映配送动态变化,但形成密度中心难度较大,本发明一种基于等货量密度线的商业连锁加盟店物流配送分区方法,可以根据配送货量动态划分配送货量密度中心区域,在此基础上,无需事先确定中心数量实现自动分区。
发明内容
本发明的目的是针对现有分区方法的缺陷,本发明提供一种基于等货量密度线的连锁加盟店物流配送分区方法,其操作简单、运算效率高、分区合理。
本发明提供的一种基于等货量密度线的连锁加盟店物流配送分区方法,包括以下步骤:
步骤一:计算门店配送货量密度;
步骤二:生成闭合等密度值线;
步骤三:形成密度中心区域;
步骤四:划分配送区域。
进一步优选,所述步骤一的执行过程如下:
1-1:获取密度半径;
其中,先计算单个待配送门店的平均距离,再基于所述平均距离计算密度半径;
1-2:基于所述密度半径计算门店配送量密度。
进一步优选,所述步骤二的执行过程如下:
2-1:确定图幅范围添加零值密度矢量点;
2-2:对矢量图栅格化;
2-3:确定等值距,生成等密度线。
进一步优选,所述步骤三的执行过程如下:
3-1:计算等密度线所包含配送货量;
3-2:并构建等密度线之间拓扑关系;
3-3:设定等密度线作为密度中心包络线的货量阈值,形成密度中心区域。
进一步优选,所述步骤四的执行过程如下:
4-1:以密度中心区域作缓冲区分析;
4-2:处理处于重叠缓冲区门店分区归属;
4-3:做分区门店外接多边形,形成配送分区。
有益效果
本发明首先计算门店配送货量密度,生成闭合等密度线,然后根据等密度线的拓扑关系,形成密度中心区域,最后对密度中心区域进行缓冲区分析确定配送分区。该发明门店货量密度能反映配送门店及配送货量的动态变化;在生成等值线时增加零值密度点能使处于图幅边缘的等值线闭合,同时能使配送途径相距较远的门店聚集区域分属不同的配送分区,从而改善分区内门店内的可达性;通过设置不同的货量阈值,能使分区反映门店与仓库之间的距离特征,增强分区的合理性。本发明较现有的分区方法具有操作简单、计算效率高、分区合理性好的优点。即具有如下效果:
(1)分区能动态反映配送门店及其货量变化;
(2)能较好地解决商业连锁加盟门店数量多、分布不均匀的问题;
(3)较易形成分区中心区域,方法运算效率高;
(4)所形成的分区在可达性、连通度、闭合度等各项指标较优,分区合理性好。
附图说明
图1为本发明的流程图。
图2为本发明步骤二中未添加零值点生成等密度线的结果图。
图3为本发明步骤二中添加零值点生成等密度线的结果图。
图4为本发明步骤三中构建等密度线之间拓扑关系图,其中(a)图为等密度线圈,(b)图为树形结构图。
图5为本发明的分区结果示意图。
具体实施方式
下面将结合实施例对本发明做进一步的说明。
如图1所示,一种基于等货量密度线的连锁加盟店物流配送分区方法,包括以下步骤:
步骤一:计算门店配送货量密度。
设配送门店集合为{a1,a2,…ai,…,an},待配送门店货量分别为:{v1,v2,…,vi,…,vn},门店经纬度已知,门店ai到aj的路径为Lij=<ai,aj>,路径Lij可通过电子地图获取。
步骤一的具体步骤为:
1-1)确定密度半径:利用公式计算单个待配送门店的平均距离,接着利用公式计算密度半径R,其中m为设定的变值,可取0~1,用于改变密度半径大小。
1-2)计算待配送门店配送量密度:
上式中Pi为待配送门店ai的配送量密度,R为距离半径,vj为在该中心点半径R范围内的待派点货物量,Lij为门店ai到门店aj的实际里程。
步骤二:生成闭合等密度值线。
2-1)确定图幅范围添加零值密度矢量点:遍历待配送门店集合找到的最大纬度latmax,最小纬度为latmin,最大经度为lonmax,最小经度为lonmin,即可生成矩形图幅。以一定的宽度w将图幅划分为众多正方形网格。而w的取决于河流的宽度、密度半径R之间的最大值。
依次遍历判断网格内是否存在门店,如果不存在,则在网格内添加零值矢量点。其益处在于有效的闭合在河流附近的等密度线而不跨越河流、使得远区域的多个孤立散点生成的等密度线能闭合、使得密集门店区域不会产生零散等密度线圈而更有效的聚类。
最后在图幅边缘添加零值,设初始网格Z为n行n列,在其四周各添加2行2列零值点,达到n+4行n+4列网格ZΔ,故利用下式添加零值矢量点:
其益处在于使得边缘区域的网格值不会骤然变化,存在一个减缓边缘区域网格值的效果,使得等密度线闭合。
2-2)对矢量图栅格化:对已添加了零值的待配送门店矢量图进行重新栅格化,再利用反距离权重插值法计算栅格值。其中栅格的大小应尽量小,其益处在于增加了计算精度,使得生成的等值线更光滑。计算栅格值的公式如下:
上式中,zi代表插值网格的密度值,dj为第j个待配送门店点到插值网格中心点距离,u为距离衰减变量,其作用是随着距离的增加会减少其他待配送门店点对插值点的影响,Pj为待配送门店点的密度值。
2-3)确定等值距,生成等密度线:设置一定的等值距,进行等值点的生成,等值线的追踪,生成等密度线形成等密度线圈。如图2所示,为未添加零值点生成的等密度线,存在未闭合曲线,如图3所示,为添加零点后使得等密度线圈闭合。
步骤三:形成密度中心区域。
步骤三的具体步骤:
3-1)计算等密度线所包含配送货量:可以将等密度线圈看出一个个面,设面图层为{S1,S2,…,Si,…,Sn},遍历面图层与待配送门店,利用空间拓扑关系,设Si中存在的待配送门店点集为Gi,计算面内待配送门店的货物量
3-2)构建等密度线之间拓扑关系:将每个等密度线圈看成结点,利用空间拓扑包含关系提取出树形结构。举例来说,如图4所示,(a)图为等密度线圈(取自图3的部分),(b)图则为树形结构图。
3-3)设定等密度线作为密度中心包络线的货量阈值,形成密度中心区域:
3-3-1)根据区域的远近与该区域可装车型的最低装载量设定一个阈值Ω,如果等密度线圈内的货物量Wi小于Ω,则将其并入其双亲结点,形成新的树形结构。
3-3-2)设当前判断的结点为Ti,当其双亲结点的度大于1时停止递归,将Ti作为密度中心。
3-3-3)设3-2)中所得到的树形结构{T1,T2,…,Ti,…,Tn},找出叶子结点设为{Y1,Y2,…,Yi,…,Yn},遍历每个叶子结点Yi,执行3-3-1)并根据3-3-2)来选取密度中心并结束当前叶子结点循环。
步骤四:划分配送区域。
步骤四的具体步骤:
4-1)以密度中心区域作缓冲区分析:在3-3)中选取的密度中心,进行缓冲区分析,向外延伸遇到待配送门店,将其放入其中。
4-2)处理处于重叠缓冲区门店分区归属:如果存在两个密度中心包含同一个待配送门店,需要判断该待配送门店离哪个密度中心更近,则放入其中。设待派点m为密度中心b与密度中心c共有,取b中的离m点最近的n个已派点集BP取得总路径和同理取得Lc,对比Lb与Lc,放入值较小的密度中心。
4-3)做分区门店外接多边形,形成配送分区:根据每个密度中心已派车点生成外接多边形,完成最后的配送分区。
采用本发明生成的实际物流配送分区如图5,图中共有283个派车点,生成5个多边形区域。通过与当前较为常用的中心点筛选分区算法对比,并计算两者的分区评价参数(可达性,连通度,网络闭合度)。可达性用来评估交通区域内某点出发抵达任一目的地的距离、时间或者其他费用权重的大小,反映了交通区域内交通的便利程度;连通度表现了区域内各节点之间的连通程度,是一个综合了节点数、路网长度与区域面积的指标;网络闭合度可以说明网络中存在孤立节点比例,可以反映区域的聚集情况,可以很好的反映区域内的成本占比。
可达性:计算某点i的可达性,可以利用该点到分区内的其他点的平均距离,其计算公式为:
式中Dij表示点i到点j的最短行程距离,N表示分区内的点数。若要计算整个分区的可达性,先计算分区内所有点的可达性,再取平均值。
连通度:其计算公式如下:
其中,Dn为所求连通度,Li为第i种交通方式的总里程,A为区域面积,N为总派车点数,ζi表示第i种运输方式的变形系数(反映了道路的弯曲程度),可取1.1-1.3。
网络闭合度:计算公式如下:
Ct=Nb/N
式中,Ct为整个区域的网络闭合度,Nb表示孤点数量,N为总派车点数。
本发明与中心点筛选算法的分区评价参数平均值与用时结果如下表1。
表1
可达性(m) | 连通度 | 网络闭合度 | 用时(秒) | |
本发明 | 5373.050 | 0.503 | 0.200 | 88.564 |
中心点筛选法 | 7286.854 | 0.354 | 0.337 | 152.867 |
上述实验表明:从定量来看,根据分区评价参数的公式而知,结果的评价标准为可达性越小越好5373.050<7286.854,连通度越大效果越好0.503>0.354,网络闭合度越小越好0.200<0.337。因此可以比较三者的平均值,可以很好的看出本发明提出的分区算法优于中心点筛选分区算法,且用时更少,运算效率高。从定性来看,本发明的分区算法并没有跨越河流,不同于一般的聚类方法,利用等密度线分区可以根据距离很好聚类同密度货物,使得远区域的一些抱团孤点也能形成等密度线圈并得到配送分区。
需要强调的是,本发明所述的实例是说明性的,而不是限定性的,因此本发明不限于具体实施方式中所述的实例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,不脱离本发明宗旨和范围的,不论是修改还是替换,同样属于本发明的保护范围。
Claims (5)
1.一种基于等货量密度线的连锁加盟店物流配送分区方法,其特征在于:包括以下步骤:
步骤一:计算门店配送货量密度;
步骤二:生成闭合等密度值线;
步骤三:形成密度中心区域;
步骤四:划分配送区域。
2.根据权利要求1所述的方法,其特征在于:所述步骤一的执行过程如下:
1-1:获取密度半径;
其中,先计算单个待配送门店的平均距离,再基于所述平均距离计算密度半径;
1-2:基于所述密度半径计算门店配送量密度。
3.根据权利要求1所述的方法,其特征在于:所述步骤二的执行过程如下:
2-1:确定图幅范围添加零值密度矢量点;
2-2:对矢量图栅格化;
2-3:确定等值距,生成等密度线。
4.根据权利要求1所述的方法,其特征在于:所述步骤三的执行过程如下:
3-1:计算等密度线所包含配送货量;
3-2:并构建等密度线之间拓扑关系;
3-3:设定等密度线作为密度中心包络线的货量阈值,形成密度中心区域。
5.根据权利要求1所述的方法,其特征在于:所述步骤四的执行过程如下:
4-1:以密度中心区域作缓冲区分析;
4-2:处理处于重叠缓冲区门店分区归属;
4-3:做分区门店外接多边形,形成配送分区。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810513385.XA CN110533354A (zh) | 2018-05-25 | 2018-05-25 | 一种基于等货量密度线的连锁加盟店物流配送分区方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810513385.XA CN110533354A (zh) | 2018-05-25 | 2018-05-25 | 一种基于等货量密度线的连锁加盟店物流配送分区方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110533354A true CN110533354A (zh) | 2019-12-03 |
Family
ID=68657786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810513385.XA Pending CN110533354A (zh) | 2018-05-25 | 2018-05-25 | 一种基于等货量密度线的连锁加盟店物流配送分区方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110533354A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111461779A (zh) * | 2020-03-31 | 2020-07-28 | 拉扎斯网络科技(上海)有限公司 | 地图信息处理的方法、装置、可读存储介质和电子设备 |
CN112766862A (zh) * | 2021-02-04 | 2021-05-07 | 浙江科技学院 | 一种石化产品供应链配送区域的划分与选址方法 |
CN113408775A (zh) * | 2020-07-31 | 2021-09-17 | 上海中通吉网络技术有限公司 | 基于物流网络的路由规划方法、装置、设备和存储介质 |
-
2018
- 2018-05-25 CN CN201810513385.XA patent/CN110533354A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111461779A (zh) * | 2020-03-31 | 2020-07-28 | 拉扎斯网络科技(上海)有限公司 | 地图信息处理的方法、装置、可读存储介质和电子设备 |
CN111461779B (zh) * | 2020-03-31 | 2023-10-24 | 拉扎斯网络科技(上海)有限公司 | 地图信息处理的方法、装置、可读存储介质和电子设备 |
CN113408775A (zh) * | 2020-07-31 | 2021-09-17 | 上海中通吉网络技术有限公司 | 基于物流网络的路由规划方法、装置、设备和存储介质 |
CN112766862A (zh) * | 2021-02-04 | 2021-05-07 | 浙江科技学院 | 一种石化产品供应链配送区域的划分与选址方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106156898B (zh) | 一种基于MoCD算法的商品配送路径规划方法 | |
CN110533354A (zh) | 一种基于等货量密度线的连锁加盟店物流配送分区方法 | |
CN104881710A (zh) | 一种基于车辆自组网的城市快递配送方法 | |
CN108256969B (zh) | 一种公共自行车租赁点调度区域划分方法 | |
CN109886468A (zh) | 基于改进的自适应遗传算法的充电站规划方法 | |
CN108765944B (zh) | 基于多重路径集的最优交通流预测方法与拥挤收费方法 | |
CN108683448B (zh) | 适用于航空网络的影响力节点识别方法及系统 | |
CN109214549B (zh) | 一种基于图论的供水管网辅助dma分区方法和系统 | |
Gao et al. | Optimal multi-taxi dispatch for mobile taxi-hailing systems | |
CN109934382B (zh) | 一种基于轴幅式布局的多级地铁货运网络系统及建构方法 | |
CN109921997A (zh) | 一种命名数据网络缓存方法、缓存器和存储介质 | |
CN105050095B (zh) | 一种基于能量预测的异构无线传感网的拓扑构建方法 | |
CN103824127B (zh) | 云计算环境下服务的自适应组合优化方法 | |
CN101782986A (zh) | 一种基于免疫算法的物流配送分区均衡优化方法 | |
CN107545272A (zh) | 一种MapReduce框架下的空间网络对象聚类方法 | |
CN112487560A (zh) | 基于ev车主意愿的电力交通耦合系统协调博弈调度方法 | |
CN109978227A (zh) | 一种基于遗传蚁群融合算法的共享单车优化调度方法 | |
CN109840625A (zh) | 一种快递员群路径导航的方法 | |
CN110516785A (zh) | 一种基于粒子群和鲸鱼群的求解双层线性规划混合算法 | |
CN103595652A (zh) | 一种电力通信网络中QoS能效的分级方法 | |
CN110705793A (zh) | 一种社区结构下的生鲜电商仓库选址系统及方法 | |
Shao-hong et al. | Location algorithm of transfer stations based on density peak and outlier detection | |
CN112887943B (zh) | 一种基于中心度的缓存资源分配方法及系统 | |
CN113868812A (zh) | 一种基于智能蚁群算法的中压配电网电缆路径规划方法 | |
CN111882123A (zh) | 一种大数据智能决策的智慧社区物流终端选址方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191203 |