CN111882123B - 一种大数据智能决策的智慧社区物流终端选址方法 - Google Patents
一种大数据智能决策的智慧社区物流终端选址方法 Download PDFInfo
- Publication number
- CN111882123B CN111882123B CN202010686246.4A CN202010686246A CN111882123B CN 111882123 B CN111882123 B CN 111882123B CN 202010686246 A CN202010686246 A CN 202010686246A CN 111882123 B CN111882123 B CN 111882123B
- Authority
- CN
- China
- Prior art keywords
- cell
- consumer
- terminal
- point
- package
- 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
Images
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
- G06Q10/0836—Recipient pick-ups
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种大数据智能决策的智慧社区物流终端选址方法,具体为:提出“物流小区”概念,并依据小区人口数、小区日快递量、小区现有快递揽投网点数量、小区现有快递揽投网点成本等因素,将物流小区进行二级分类;再根据时间效率和消费者满意度建立小区揽投末端选址优化模型;根据物流小区分类结果,在各类型物流小区环境下对优化模型求解。本发明有助于合理规划城市社区揽投末端网点的选址,从而达到节省人力资源,提高配送效率以及降低配送成本等目标的同时,提高消费者的满意度和满意率。
Description
技术领域
本发明属于物流工程技术领域,具体涉及一种大数据智能决策的智慧社区物流终端选址方法。
背景技术
随着快递行业井喷式发展,末端配送作为直接面向客户的快递“最后一公里”配送服务,其形式多种多样,如中通快递超市,韵达、圆通、申通菜鸟驿站,蓝店、聚点等第三方代收寄网点,以及各品牌快递柜等等。然而,由于各大企业自身资金情况差异性较大,造成城市社区末端选址存在重复建设、资源浪费等问题。针对该问题,国内外学者通过现有配送模式,通过实地调研以及理论模型优化等方法进行了相关研究。国外学者通过实地调研,分别通过快递配送企业日常运营费用、快递服务态度以及消费者网购数据,研究分析了单一配送模式网点末端选址对消费者日常生活的影响。然而,随着城市化现代发展进程的加快,以及消费者群体多样性变化,多种末端联合配送不仅可以提高末端配送效率,同时能够合理利用现有资源。
针对多种末端联合配送模式,Iwand等人揭示了自提点位置对末端配送效率的影响机理,Savelsbergeh等人通过量化末端配送选址对城市道路占用率的影响,提出了一种能够适应城市发展的多种末端联合配送模式下自提点网络选址优化模型。国内学者结合我国城市社区末端揽投选址存在的问题,通过考虑消费者群体对快递的时效性,配送效率,满意度等多个方面,建立了城市社区末端网点的选址模型。
另一方面,由于城市区域人口的集中、消费者群体多样化,城市经济发展状况以及交通运输等条件,导致城市社区揽投末端选址复杂化,从而造成资源紧张或浪费现象的出现,致使消费者对最后网点快递配送的理性和满意度下降。针对该问题,国内学者基于多种理论,构建了多种选址优化模型。陈仪友和肖卡飞等人采用逐渐覆盖理论,研究分析了自提柜容量、类型和覆盖距离三种影响因素对选址结果的影响,并构建了以自提柜为末端配送的选址优化模型;同时,逄宇通过建立混合整数规划模型,分析研究了以便利店为主的末端配送选址布局的可行性。此外,大量研究成果以消费者满意度为切入点,利用逐渐覆盖理论、集合覆盖模型、二次聚类算法分析等方法,研究分析了末端配送服务质量对选址的影响,并构建了多层级自提点选址双目标优化模型。
综合上述,国内外现有研究多集中于通过单一末端配送模式,如自提柜、便利店等,通过实地调研或理论分析,建立相应的选址优化模型,但是并未考虑到城市内部社区环境和经济性对末端配送选址的影响,以及小区内部末端配送多方式结合条件下的选址优化。
发明内容
针对以上问题,本发明提供一种大数据智能决策的智慧社区物流终端选址方法。
本发明的一种大数据智能决策的智慧社区物流终端选址方法,包括以下步骤:
步骤1:物流小区的分类。
(1)依据小区房价HP、住房面积HA和入住率OR,采用聚类分析方法对小区进行一级分类,将小区分为三种物流小区,即高档小区UC、普通小区GC和老旧小区OC。
(2)考虑小区人口数CP、小区日快递量CDDN、小区现有快递揽投网点数量CEPN、小区现有快递揽投网点成本CEPC四因素,对物流小区进行二级分类;包括高揽投小区HC、中揽投小区MC和低揽投小区LC。
步骤2:构建小区揽投末端选址优化模型,包括上层规划模型和下层规划模型。
(1)上层规划模型
小区揽投末端选址的上层规划模型的数学模型表示为:
其中,rij表示上游配送网点i对小区揽投末端网点j配送的惩罚值,表达式为:
约束条件为:
yij-yj≤0,i=1,2,...,M;j=1,2,...,N+N0 (4)
yj,yij∈{0,1},i=1,2,...,N;j=1,2,...,N+N0 (5)
式中,tij:上游配送网点i到小区揽投末端网点j的配送时间;yij:0-1变量,上游配送网点i是否提供服务给小区揽投末端网点j;xi:上游配送网点;T1:上游配送网点至小区揽投末端网点配送时间的下限;T2:上游配送网点至小区揽投末端网点配送时间的上限;K:足够大的惩罚函数;b:适当大的正常数;M:上游配送网点总数;N:备选小区揽投末端网点总数;N0:已有小区揽投末端网点总数。
式(3)表示一个上游配送网点只能给小区内的一个小区揽投末端网点投递货物;式(4)表示若是上游网点并未给选定的小区揽投末端网点送货,那么yij为0;式(5)表示yj和yij是0-1变量。
(2)下层规划模型
小区揽投末端选址的下层规划模型是以消费者满意度为优化目标进行建立,其中包括:距离对消费者选择小区揽投末端网点的影响程度成本模型C1;价格对消费者选择小区揽投末端网点的影响程度成本模型C2;快递完好程度对消费者选择小区揽投末端网点的影响程度成本模型C3。
为调整各个因素对消费者选择小区揽投末端网点的影响程度,分别引入λ1、λ2、λ3作为消费者满意度三个指标的权重,权重值根据市场和消费者两者的特性进行标定;得到消费者满意度最优的成本模型C,即
minC=λ1C1+λ2C2+λ3C3 (6)
通过公式(6)得到下层城市小区揽投末端选址的数学模型,即
约束条件为:
djl≤Dmax (12)
zjl-yj≤0 (13)
qjl≥0 (18)
式中,L:消费者总数;i:配送网点,i∈{1,2,…,M};j:小区揽投末端网点,j∈{1,2,…,N};l:消费者,l∈{1,2,…,L};αl:小区揽投末端网点j到消费者l的包裹快递揽投量中,消费者从网点取件部分的占比;1-αl:小区揽投末端网点j到消费者l的包裹快递揽投量中,消费者从网点寄件部分的占比;djl:小区揽投末端网点j到消费者l的距离;cdl:小区揽投末端网点j到消费者l的平均距离服务费用;yj:0-1变量,备选小区揽投末端网点j是否被选择;zjl:0-1变量,小区揽投末端配送网点j是否为消费者l提供服务;B:快递企业根据市场情况、网点成本等设定的小区揽投末端网点的投资预算;fj:小区揽投末端网点j的固定成本;Dmax:最大服务半径;qjl:小区揽投末端网点j在一定时期内服务消费者l的包裹快递量;qj:小区揽投末端网点j在一定时期内的包裹快递揽投总量;cpj:消费者到备选小区揽投末端网点j的单位快递包裹的物流成本;hjmin:小区揽投末端网点j在一定时期内最小包裹快递揽投量;hjmax:小区揽投末端网点j在一定时期内最大包裹快递揽投量;εN:任意大的正数;cri:小区揽投末端网点j收件后发送单位包裹快递时消费者需要承担的平均风险成本。
式(8)和(9)表示yj、zjl是0-1变量;式(10)表示所有选择的小区揽投末端网点最少1个,最多N+N0个;式(11)表示所选择的小区揽投末端网点的总成本不能超过快递企业的投资预算;式(12)表示小区揽投末端网点j到消费者l的服务距离不能超过最大服务半径;式(13)表示仅当小区揽投末端网点j被选择时才能为消费者l提供服务;式(14)表示每个消费者只能从一个网点揽投包裹快递。式(15)表示消费者l在一定时期内的总的包裹快递揽投量;式(16)表示消费者l在一定时期内总包裹快递揽投量在小区揽投末端网点j的最小和最大包裹快递揽投量之间;式(17)和(18)表示消费者l所选小区揽投末端网点j的包裹快递揽投量不超过任意大正数,且不低于0。
步骤3:根据物流小区分类结果,在各类型物流小区环境下对优化模型求解。
进一步的,还包括对模型进行求解,计算得到消费者满意度和满意率之间的关系,调整不同物流小区环境下的满意度权重系数。
本发明与现有技术相比的有益技术效果为:
本发明提出“物流小区”的概念将物流小区进行二级分类,再在各分类环境下对优化模型求解。有助于合理规划城市社区揽投末端网点的选址,从而达到节省人力资源,提高配送效率以及降低配送成本等目标的同时,提高消费者的满意度和满意率。
附图说明
图1为物流小区一级分类树状图;
图2为高档小区二级分类树状图;
图3为普通社区二级分类树状图;
图4为物流小区分类示意图;
图5为消费者选择社区揽投末端网点总影响程度成本。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细说明。
本发明的一种大数据智能决策的智慧社区物流终端选址方法具体为:
1、物流小区的划分
以成都市小区为例进行实地调研,通过实地调研,依据小区房价(HP)、住房面积(HA)、入住率(OR)等因素,采用聚类分析对标准化调研数据(如表1所示)进行数据处理,可得到一级聚类树状图,如图1所示。
表1选定小区一级分类相关处理后数据
通过图1分析可知,依据HP、HA、OR对物流小区进行一级分类,可将物流小区大致分为三类,即社区编号为3、4、6、9的物流小区可定义为高档小区(UC);社区编号为1、5、7、8的物流小区可定义位普通社区(GC);社区编号为2的物流小区可定义为老旧社区(OC)。
在此基础上,联合考虑小区人口数(CP)、小区日快递量(CDDN)、小区现有快递揽投网点数量(CEPN)、小区现有快递揽投网点成本(CEPC)四因素,对物流小区进行二级分类。由于本例分析中老旧社区(OC)仅有一例,因此仅对高档小区(UC)和普通社区(GC)进行二级分类,对调研数据进行标准化处理如表2所示。
表2选定小区二级分类相关处理后数据
对表2中得到的物流小区标准化数据进行聚类分析,可得到各类型物流小区二级分类树状图,如图2和图3所示。
分析可知,各类物流小区二级分类可大致分为三类。如图2所示,针对高档小区(UC),社区编号为9的物流小区可定义为高档高揽投小区;社区编号为4、6的物流小区可定义为高档中揽投小区;社区编号为3的物流小区可定义为高档低揽投小区。同样,如图3所示,针对普通社区(GC),社区编号为7、8的物流小区可定义为普通高揽投小区;社区编号为5的物流小区可定义为普通中揽投小区;社区编号为1的物流小区可定义为普通低揽投小区;
综上,通过考虑物流小区的经济市场、居住环境和快递揽投网点等影响因素可将物流小区进行分类,如图4所示。
2、构建小区揽投末端选址优化模型
模型假设
(1)假设一个上游配送网点只配送小区内的一个社区揽投末端网点;(2)假设每个消费者只由一个社区揽投末端网点提供服务;(3)消费者在整个系统中均是前往社区揽投末端网点揽投包裹快递,即社区揽投末端网点不存在上门服务;(4)假设新建社区揽投末端的总成本只包括建设成本和人力成本;(5)假设消费者满意度最优系统中所有消费者取件时只考虑距离因素,寄件时考虑价格和包裹快递完好程度两个因素;(6)假设新建社区揽投末端网点能够满足消费者的基本需求;(7)假设新建社区揽投末端存在已有末端网点,且两者之间存在竞争关系,消费者选择某个社区揽投末端时需要承担风险成本,包裹快递的完好程度和价格成正比;(8)假设消费者取件采用的出行方式全部是步行,且消费者收寄件的包裹快递不分类型;(9)假设所有的社区揽投末端居位于小区内部,揽投的包裹快递全部是小区居民件;(10)假设包裹快递的体积和重量是标准的。
模型构建
(1)上层规划模型
小区揽投末端选址的上层规划模型的数学模型表示为:
其中,rij表示上游配送网点i对小区揽投末端网点j配送的惩罚值,表达式为:
约束条件为:
yij-yj≤0,i=1,2,...,M;j=1,2,...,N+N0 (4)
yj,yij∈{0,1},i=1,2,...,N;j=1,2,...,N+N0 (5)
式中,tij:上游配送网点i到小区揽投末端网点j的配送时间;yij:0-1变量,上游配送网点i是否提供服务给小区揽投末端网点j;xi:上游配送网点;T1:上游配送网点至小区揽投末端网点配送时间的下限;T2:上游配送网点至小区揽投末端网点配送时间的上限;K:足够大的惩罚函数;b:适当大的正常数;M:上游配送网点总数;N:备选小区揽投末端网点总数;N0:已有小区揽投末端网点总数。
式(3)表示一个上游配送网点只能给小区内的一个小区揽投末端网点投递货物;式(4)表示若是上游网点并未给选定的小区揽投末端网点送货,那么yij为0;式(5)表示yj和yij是0-1变量。
(2)下层规划模型
小区揽投末端选址的下层规划模型是以消费者满意度为优化目标进行建立,其中包括:距离对消费者选择小区揽投末端网点的影响程度成本模型C1;价格对消费者选择小区揽投末端网点的影响程度成本模型C2;快递完好程度对消费者选择小区揽投末端网点的影响程度成本模型C3。
为调整各个因素对消费者选择小区揽投末端网点的影响程度,分别引入λ1、λ2、λ3作为消费者满意度三个指标的权重,权重值根据市场和消费者两者的特性进行标定;得到消费者满意度最优的成本模型C,即
minC=λ1C1+λ2C2+λ3C3 (6)
通过公式(6)得到下层城市小区揽投末端选址的数学模型,即
约束条件为:
djl≤Dmax (12)
zjl-yj≤0 (13)
qjl≥0 (18)
式中,L:消费者总数;i:配送网点,i∈{1,2,…,M};j:小区揽投末端网点,j∈{1,2,…,N};l:消费者,l∈{1,2,…,L};αl:小区揽投末端网点j到消费者l的包裹快递揽投量中,消费者从网点取件部分的占比;1-αl:小区揽投末端网点j到消费者l的包裹快递揽投量中,消费者从网点寄件部分的占比;djl:小区揽投末端网点j到消费者l的距离;cdl:小区揽投末端网点j到消费者l的平均距离服务费用;yj:0-1变量,备选小区揽投末端网点j是否被选择;zjl:0-1变量,小区揽投末端配送网点j是否为消费者l提供服务;B:快递企业根据市场情况、网点成本等设定的小区揽投末端网点的投资预算;fj:小区揽投末端网点j的固定成本;Dmax:最大服务半径;qjl:小区揽投末端网点j在一定时期内服务消费者l的包裹快递量;qj:小区揽投末端网点j在一定时期内的包裹快递揽投总量;cpj:消费者到备选小区揽投末端网点j的单位快递包裹的物流成本;hjmin:小区揽投末端网点j在一定时期内最小包裹快递揽投量;hjmax:小区揽投末端网点j在一定时期内最大包裹快递揽投量;εN:任意大的正数;cri:小区揽投末端网点j收件后发送单位包裹快递时消费者需要承担的平均风险成本。
式(8)和(9)表示yj、zjl是0-1变量;式(10)表示所有选择的小区揽投末端网点最少1个,最多N+N0个;式(11)表示所选择的小区揽投末端网点的总成本不能超过快递企业的投资预算;式(12)表示小区揽投末端网点j到消费者l的服务距离不能超过最大服务半径;式(13)表示仅当小区揽投末端网点j被选择时才能为消费者l提供服务;式(14)表示每个消费者只能从一个网点揽投包裹快递。式(15)表示消费者l在一定时期内的总的包裹快递揽投量;式(16)表示消费者l在一定时期内总包裹快递揽投量在小区揽投末端网点j的最小和最大包裹快递揽投量之间;式(17)和(18)表示消费者l所选小区揽投末端网点j的包裹快递揽投量不超过任意大正数,且不低于0。
3、优化模型计算结果分析
根据物流小区分类结果,选取UHC和GHC类型物流小区作为城市小区揽投末端网点选址算例,即小区代号为9、7、8的物流小区,记为j={1,2,3}。备选小区揽投末端网点上游具有4个快递配送点,配送范围为5km,分别记为xi={x1、x2、x3、x4}。上游配送网点与备选小区揽投末端网点之间的距离(m),如表3所示。
表3上游配送网点与备选小区揽投末端网点之间的距离(m)
以20km/h进行配送工作,可得到上游配送点至各物流小区的配送时间,如表4所示。
表4上游配送网点与备选小区揽投末端网点之间的配送时间(min)
根据公式(2)计算时间惩罚系数时,不受惩罚的最长配送时间设为1min;最大惩罚的最短配送时间设为13min,b取100,k取3000,计算结果如表5所示。
表5各上游配送网点到各备选小区揽投末端网点配送时间惩罚系数
本例计算中设计到的模型参数如表6所示。
表6模型服务参数
运用MATLAB R2014a对模型进行求解,计算得到消费者满意度和满意率之间的关系,如表7所示。
表7消费者满意度和满意率
通过表7不难发现,消费者的满意度和满意率具有一定差异性,针对高档高揽投小区(UHC)而言,消费者满意度和满意率相对要高。通过模型求解计算可得到距离、价格、快递完好度三个方面对消费者选择小区揽投末端网点的总影响成本,如图5所示。
通过图5分析,不难发现,高档高揽投小区(UHC)所得到的距离成本明显小于其余二者;在普通高揽投小区(GHC)中,距离成本呈现出较大差异。结合表7分析可知,对物流小区的合理划分以及城市揽投末端选址的优化有助于提高消费者满意度和满意率,同时还有助于降低总体影响成本。
Claims (2)
1.一种大数据智能决策的智慧社区物流终端选址方法,其特征在于,包括以下步骤:
步骤1:物流小区的分类:
(1)依据小区房价HP、住房面积HA和入住率OR,采用聚类分析方法对小区进行一级分类,将小区分为三种物流小区,即高档小区UC、普通小区GC和老旧小区OC;
(2)考虑小区人口数CP、小区日快递量CDDN、小区现有快递揽投网点数量CEPN、小区现有快递揽投网点成本CEPC四因素,对物流小区进行二级分类;包括高揽投小区HC、中揽投小区MC和低揽投小区LC;
步骤2:构建小区揽投末端选址优化模型,包括上层规划模型和下层规划模型;
(1)上层规划模型
小区揽投末端选址的上层规划模型的数学模型表示为:
其中,rij表示上游配送网点i对小区揽投末端网点j配送的惩罚值,表达式为:
约束条件为:
yij-yj≤0,i=1,2,...,M;j=1,2,...,N+N0 (4)
yj,yij∈{0,1},i=1,2,...,N;j=1,2,...,N+N0 (5)
式中,tij:上游配送网点i到小区揽投末端网点j的配送时间;yij:0-1变量,上游配送网点i是否提供服务给小区揽投末端网点j;xi:上游配送网点;T1:上游配送网点至小区揽投末端网点配送时间的下限;T2:上游配送网点至小区揽投末端网点配送时间的上限;K:足够大的惩罚函数;b:适当大的正常数;M:上游配送网点总数;N:备选小区揽投末端网点总数;N0:已有小区揽投末端网点总数;
式(3)表示一个上游配送网点只能给小区内的一个小区揽投末端网点投递货物;式(4)表示若是上游网点并未给选定的小区揽投末端网点送货,那么yij为0;式(5)表示yj和yij是0-1变量;
(2)下层规划模型
小区揽投末端选址的下层规划模型是以消费者满意度为优化目标进行建立,其中包括:距离对消费者选择小区揽投末端网点的影响程度成本模型C1;价格对消费者选择小区揽投末端网点的影响程度成本模型C2;快递完好程度对消费者选择小区揽投末端网点的影响程度成本模型C3;
为调整各个因素对消费者选择小区揽投末端网点的影响程度,分别引入λ1、λ2、λ3作为消费者满意度三个指标的权重,权重值根据市场和消费者两者的特性进行标定;得到消费者满意度最优的成本模型C,即
minC=λ1C1+λ2C2+λ3C3 (6)
通过公式(6)得到下层城市小区揽投末端选址的数学模型,即
约束条件为:
djl≤Dmax (12)
zjl-yj≤0 (13)
qjl≥0 (18)
式中,L:消费者总数;i:配送网点,i∈{1,2,…,M};j:小区揽投末端网点,j∈{1,2,…,N};l:消费者,l∈{1,2,…,L};αl:小区揽投末端网点j到消费者l的包裹快递揽投量中,消费者从网点取件部分的占比;1-αl:小区揽投末端网点j到消费者l的包裹快递揽投量中,消费者从网点寄件部分的占比;djl:小区揽投末端网点j到消费者l的距离;cdl:小区揽投末端网点j到消费者l的平均距离服务费用;yj:0-1变量,备选小区揽投末端网点j是否被选择;zjl:0-1变量,小区揽投末端配送网点j是否为消费者l提供服务;B:快递企业根据市场情况、网点成本等设定的小区揽投末端网点的投资预算;fj:小区揽投末端网点j的固定成本;Dmax:最大服务半径;qjl:小区揽投末端网点j在一定时期内服务消费者l的包裹快递量;qj:小区揽投末端网点j在一定时期内的包裹快递揽投总量;cpj:消费者到备选小区揽投末端网点j的单位快递包裹的物流成本;hjmin:小区揽投末端网点j在一定时期内最小包裹快递揽投量;hjmax:小区揽投末端网点j在一定时期内最大包裹快递揽投量;εN:任意大的正数;cri:小区揽投末端网点j收件后发送单位包裹快递时消费者需要承担的平均风险成本;
式(8)和(9)表示yj、zjl是0-1变量;式(10)表示所有选择的小区揽投末端网点最少1个,最多N+N0个;式(11)表示所选择的小区揽投末端网点的总成本不能超过快递企业的投资预算;式(12)表示小区揽投末端网点j到消费者l的服务距离不能超过最大服务半径;式(13)表示仅当小区揽投末端网点j被选择时才能为消费者l提供服务;式(14)表示每个消费者只能从一个网点揽投包裹快递;式(15)表示消费者l在一定时期内的总的包裹快递揽投量;式(16)表示消费者l在一定时期内总包裹快递揽投量在小区揽投末端网点j的最小和最大包裹快递揽投量之间;式(17)和(18)表示消费者l所选小区揽投末端网点j的包裹快递揽投量不超过任意大正数,且不低于0;
步骤3:根据物流小区分类结果,在各类型物流小区环境下对优化模型求解。
2.根据权利要求1所述的一种大数据智能决策的智慧社区物流终端选址方法,其特征在于,还包括对模型进行求解,计算得到消费者满意度和满意率之间的关系,调整不同物流小区环境下的满意度权重系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010686246.4A CN111882123B (zh) | 2020-07-16 | 2020-07-16 | 一种大数据智能决策的智慧社区物流终端选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010686246.4A CN111882123B (zh) | 2020-07-16 | 2020-07-16 | 一种大数据智能决策的智慧社区物流终端选址方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111882123A CN111882123A (zh) | 2020-11-03 |
CN111882123B true CN111882123B (zh) | 2023-06-23 |
Family
ID=73155640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010686246.4A Active CN111882123B (zh) | 2020-07-16 | 2020-07-16 | 一种大数据智能决策的智慧社区物流终端选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111882123B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488343B (zh) * | 2020-12-01 | 2023-06-16 | 云南省设计院集团有限公司 | 一种基于超启发式算法的智慧城市智能感知终端选址方法 |
CN114022195A (zh) * | 2021-10-21 | 2022-02-08 | 淮阴工学院 | 基于密度并结合小区数据的快递行业配送网点规划方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503948A (zh) * | 2016-10-28 | 2017-03-15 | 广东亿迅科技有限公司 | 一种基于智能移动终端的物流管理系统 |
CN106557841A (zh) * | 2016-11-15 | 2017-04-05 | 国家电网公司 | 一种基于大数据的电网规划投资预算方法 |
CN109255570A (zh) * | 2018-08-28 | 2019-01-22 | 北京环球之翼航空科技有限责任公司 | 无人机物流社区起降点编码方法 |
CN110826841A (zh) * | 2019-08-31 | 2020-02-21 | 华南理工大学 | 考虑用户充电体验和配电网运行风险的充电站规划方法 |
-
2020
- 2020-07-16 CN CN202010686246.4A patent/CN111882123B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503948A (zh) * | 2016-10-28 | 2017-03-15 | 广东亿迅科技有限公司 | 一种基于智能移动终端的物流管理系统 |
CN106557841A (zh) * | 2016-11-15 | 2017-04-05 | 国家电网公司 | 一种基于大数据的电网规划投资预算方法 |
CN109255570A (zh) * | 2018-08-28 | 2019-01-22 | 北京环球之翼航空科技有限责任公司 | 无人机物流社区起降点编码方法 |
CN110826841A (zh) * | 2019-08-31 | 2020-02-21 | 华南理工大学 | 考虑用户充电体验和配电网运行风险的充电站规划方法 |
Non-Patent Citations (1)
Title |
---|
共同配送下城市快递末端网点布局研究;孙虎;闫超;;武汉理工大学学报(信息与管理工程版)(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111882123A (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210312347A1 (en) | Dispatching distribution | |
CN111882123B (zh) | 一种大数据智能决策的智慧社区物流终端选址方法 | |
CN102663501A (zh) | 智能电网评价系统及方法 | |
CN108038578B (zh) | 基于需求预测和中心辐射网络的公共自行车静态调度方法 | |
CN109919532B (zh) | 一种物流节点确定方法及装置 | |
CN101777990A (zh) | 多目标免疫优化组播路由路径选择方法 | |
CN109948954A (zh) | 一种面向电力系统分布式资源的配电网双向阻塞调度方法 | |
CN110363455A (zh) | 一种物品收集的路线规划方法及系统 | |
CN106651277A (zh) | 一种基于区域物流信息的网络传输系统及数据分析方法 | |
CN115496301B (zh) | 一种面向国土空间规划的土地利用与交通协同评价方法 | |
CN108711878A (zh) | 考虑出力特性的光伏电站多类型组件容量配置方法 | |
CN115471153A (zh) | 一种新农村智慧物流管理系统 | |
CN109359771A (zh) | 一种基于大数据的干线运输车货匹配算法 | |
CN115330014A (zh) | 一种垃圾分类清运路线规划方法、装置和存储介质 | |
Hao et al. | Research on e-commerce distribution optimization of rice agricultural products based on consumer satisfaction | |
CN113191716A (zh) | 一种面向快递柜存储资源优化的奖罚策略方法 | |
CN109740938A (zh) | 基于订单分布密度的网约货运汽车平台运力调度系统及方法 | |
CN109583634A (zh) | 一种基于现代投资组合理论的外卖配送路径选择方法 | |
CN101127059A (zh) | 虚拟物品转换方法和系统 | |
CN112257946A (zh) | 一种突发紧急状态下装备运输多目标优化模型 | |
CN105701717B (zh) | 一种基于改进遗传算法的配电网互动方案编制方法 | |
Cui et al. | A Time‐Dependent Vehicle Routing Problem for Instant Delivery Based on Memetic Algorithm | |
CN110135007A (zh) | 一种基于多方合作博弈的电能替代效益分析方法 | |
CN116227817A (zh) | 一种动态车辆路径全链路问题分析与模型求解方法 | |
CN115689081A (zh) | 基于适应性协同机制的厨余垃圾收运路径动态优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |