CN113762577A - 一种站点确定方法、装置、设备及计算机可读存储介质 - Google Patents

一种站点确定方法、装置、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN113762577A
CN113762577A CN202011547428.XA CN202011547428A CN113762577A CN 113762577 A CN113762577 A CN 113762577A CN 202011547428 A CN202011547428 A CN 202011547428A CN 113762577 A CN113762577 A CN 113762577A
Authority
CN
China
Prior art keywords
group
distance
site
constraint information
station
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.)
Granted
Application number
CN202011547428.XA
Other languages
English (en)
Other versions
CN113762577B (zh
Inventor
刘洋
林天泽
刘博洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Zhenshi Information Technology Co Ltd
Original Assignee
Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Zhenshi Information Technology Co Ltd filed Critical Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority to CN202011547428.XA priority Critical patent/CN113762577B/zh
Publication of CN113762577A publication Critical patent/CN113762577A/zh
Application granted granted Critical
Publication of CN113762577B publication Critical patent/CN113762577B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • 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
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例公开了一种站点确定方法，该方法包括：获取待确定区域内的地点数量和每两个地点之间的距离参数；其中，所述地点为所述待确定区域内的待选址站点；基于所述地点数量和所述距离参数，生成距离矩阵；基于第一约束信息和第二约束信息对所述距离矩阵中每一元素进行处理，确定出与目标数匹配的地点群；其中，所述第一约束信息表征所述每一地点匹配一个所述地点群；所述第二约束信息表征站点的部署信息和/或所述站点的配置信息；基于所述地点群确定所述待确定区域内的目标站点。本申请实施例同时还公开了一种站点确定装置、设备及计算机可读存储介质。

Description

一种站点确定方法、装置、设备及计算机可读存储介质
技术领域
本申请涉及信息技术领域，尤其涉及一种站点确定方法、装置、设备及计算机可读存储介质。
背景技术
物流行业中，物流网络规划一直是业内重点关注的问题，且站点选址是物流网络规划的重要环节；相对技术中，通常采用启发式算法进行站点选址，而启发式算法通常会通过减小计算复杂度的方式来确保站点选址有解，因而只能在条件较单一的应用场景下采用启发式算法进行站点选址求解，进而使得求解出来的站点不能应用于多种不同场景。
发明内容
为解决上述技术问题，本申请实施例期望提供一种站点确定方法、装置、设备及计算机可读存储介质，实现了求解出来的站点能够应用于多种不同场景，进而扩展了站点的应用场景。
为达到上述目的，本申请的技术方案是这样实现的：
一种站点确定方法，所述方法包括：
获取待确定区域内的地点数量和每两个地点之间的距离参数；其中，所述地点为所述待确定区域内的待选址站点；
基于所述地点数量和所述距离参数，生成距离矩阵；
基于第一约束信息和第二约束信息对所述距离矩阵中每一元素进行处理，确定出与目标数匹配的地点群；其中，所述第一约束信息表征所述每一地点匹配一个所述地点群；所述第二约束信息表征站点的部署信息和/或所述站点的配置信息；
基于所述地点群确定所述待确定区域内的目标站点。
在一些实施方式中，所述基于所述地点数量和所述距离参数，生成距离矩阵，包括：
基于所述地点数量构建初始矩阵；
基于所述初始矩阵和所述距离参数，生成所述距离矩阵。
在一些实施方式中，所述基于第一约束信息和第二约束信息对所述距离矩阵中每一元素进行处理，确定出与目标数匹配的地点群，包括：
基于所述第一约束信息和所述第二约束信息，采用层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到与所述目标数匹配的目标距离群；
基于所述目标距离群，从所述待确定区域的地点中确定与所述目标距离群对应的所述地点群。
在一些实施方式中，所述第二约束信息包括候选地点群和/或已知站点群，所述基于所述第一约束信息和所述第二约束信息，采用层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到与所述目标数匹配的目标距离群，包括：
获取所述候选地点群和/或所述已知站点群中每一地点与所述待确定区域内每一地点之间的第一距离值；
基于所述第一距离值和所述第一约束信息，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群。
在一些实施方式中，所述第二约束信息还包括所述站点的距离阈值和/或所述站点的服务阈值，所述基于所述第一距离值和所述第一约束信息，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群，包括：
获取所述待确定区域内的每一地点的业务量；
基于所述站点的距离阈值和/或所述站点的服务阈值，以及所述第一约束信息、所述第一距离值和所述业务量，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群。
在一些实施方式中，所述第二约束信息还包括第一地点群，所述基于所述站点的距离阈值和/或所述站点的服务阈值，以及所述第一约束信息、所述第一距离值和所述业务量，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群，包括：
从所述第一地点群中获取第一地点组；其中，所述第一地点组中包括的两个地点关联同一站点；
对所述第一地点组按照关联站点信息进行分析，得到至少一个关联地点群；其中，所述关联地点群至少包括两个所述地点；
获取所述每一关联地点群中每两个地点之间的第二距离值；
基于所述站点的距离阈值和/或所述站点的服务阈值，以及所述第一约束信息、所述第一距离值、所述第二距离值和所述业务量，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群。
在一些实施方式中，所述第二约束信息还包括第二地点群，所述基于所述站点的距离阈值和/或所述站点的服务阈值，以及所述第一约束信息、所述第一距离值和所述业务量，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群，还包括：
从所述第二地点群中获取第二地点组；其中，所述第二地点组中包括的两个地点关联不同的两个站点；
获取所述第二地点组中每两个地点之间的第三距离值；
基于所述站点的距离阈值和/或所述站点的服务阈值，以及所述第一约束信息、所述第一距离值、所述第三距离值和所述业务量，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群。
在一些实施方式中，所述第二约束信息还包括第二地点群，所述基于所述站点的距离阈值和/或所述站点的服务阈值，以及所述第一约束信息、所述第一距离值、所述第二距离值和所述业务量，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群，包括：
从所述第二地点群中获取第二地点组；其中，所述第二地点组中包括的两个地点关联不同的两个站点；
获取所述第二地点组中每两个地点之间的第三距离值；
基于所述站点的距离阈值和/或所述站点的服务阈值，以及所述第一约束信息、所述第一距离值、所述第二距离值、所述第三距离值和所述业务量，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群。
在一些实施方式中，所述第二约束信息还包括第一地点群，所述基于所述第一距离值和所述第一约束信息，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群，还包括：
从所述第一地点群中获取第一地点组；其中，所述第一地点组中包括的两个地点关联同一站点；
对所述第一地点组按照关联站点信息进行分析，得到至少一个关联地点群；其中，所述关联地点群至少包括两个所述地点；
获取所述每一关联地点群中每两个地点之间的第二距离值；
基于所述第一约束信息、所述第一距离值和所述第二距离值，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群。
在一些实施方式中，所述第二约束信息还包括第二地点群，所述基于所述第一距离值和所述第一约束信息，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群，还包括：
从所述第二地点群中获取第二地点组；其中，所述第二地点组中包括的两个地点关联不同的两个站点；
获取所述第二地点组中每两个地点之间的第三距离值；
基于所述第一约束信息、所述第一距离值和所述第三距离值，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群。
在一些实施方式中，所述第二约束信息还包括第二地点群，所述基于所述第一约束信息、所述第一距离值和所述第二距离值，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群，包括：
从所述第二地点群中获取第二地点组；其中，所述第二地点组中包括的两个地点关联不同的两个站点；
获取所述第二地点组中每两个地点之间的第三距离值；
基于所述第一约束信息、所述第一距离值、所述第二距离值和所述第三距离值，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群。
在一些实施方式中，所述采用层次聚类算法对所述距离矩阵中每一元素进行聚类处理，包括：
采用所述层次聚类算法和回溯算法对所述距离矩阵中每一元素进行聚类处理。
在一些实施方式中，所述基于所述地点群确定所述待确定区域内的目标站点，包括：
对所述每一地点群进行解析，获取所述每一地点群中每一地点与所处地点群中其余地点之间的距离并求和，生成所述每一地点的距离之和；
基于所述距离之和，从所述每一地点群中选择符合比值条件的地点为所述每一地点群的目标站点。
一种站点确定装置，包括：获取模块、生成模块和确定模块；
所述获取模块，用于获取待确定区域内的地点数量和每两个地点之间的距离参数；其中，所述地点为所述待确定区域内的待选址站点；
所述生成模块，用于基于所述地点数量和所述距离参数，生成距离矩阵；
所述确定模块，用于基于第一约束信息和第二约束信息对所述距离矩阵中每一元素进行处理，确定出与目标数匹配的地点群；其中，所述第一约束信息表征所述每一地点匹配一个所述地点群；所述第二约束信息表征站点的部署信息和/或所述站点的配置信息；
所述确定模块，还用于基于所述地点群确定所述待确定区域内的目标站点。
一种站点确定设备，包括：处理器、存储器和通信总线；
所述通信总线用于实现所述处理器和所述存储器之间的通信连接；
所述处理器用于执行所述存储器中的程序，以实现上述任一所述的站点确定方法。
一种计算机可读存储介质，该计算机可读存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现上述的站点确定方法的步骤。
本申请实施例所提供的站点确定方法、装置、设备及计算机可读存储介质，获取待确定区域内的地点数量和每两个地点之间的距离参数；其中，地点为待确定区域内的待选址站点；基于地点数量和距离参数，生成距离矩阵；基于第一约束信息和第二约束信息对距离矩阵中每一元素进行处理，确定出与目标数匹配的地点群；其中，第一约束信息表征每一地点匹配一个地点群；第二约束信息表征站点的部署信息和/或站点的配置信息；基于地点群确定待确定区域内的目标站点；如此，通过表征每一地点匹配一个地点群的第一约束信息，以及表征站点的部署信息和/或站点的配置信息的第二约束信息，对待确定区域内对应的距离矩阵中每一元素进行处理，确定出目标站点；实现了求解出来的站点能够应用于多种不同场景，进而扩展了站点的应用场景。
附图说明
图1为本申请实施例提供的一种站点确定方法的流程示意图；
图2为本申请实施例提供的另一种站点确定方法的流程示意图；
图3为本申请实施例提供的又一种站点确定方法的流程示意图；
图4为本申请实施例提供的又一种站点确定方法的流程示意图；
图5为本申请实施例提供的又一种站点确定方法的流程示意图；
图6为本申请实施例提供的又一种站点确定方法的流程示意图；
图7为本申请实施例提供的一种确定目标站点的流程示意图；
图8为本申请实施例提供的一种站点确定装置的结构示意图；
图9为本申请实施例提供的一种站点确定设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
应理解，说明书通篇中提到的“本申请实施例”或“前述实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“本申请实施例中”或“在前述实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中应。在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
为了能够更加详尽地了解本申请实施例的特点与技术内容，下面结合附图对本申请实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本申请。
在物流行业中，站点选址主要作用是在一个区域范围内的多个地址中选择若干个作为配送站点，服务于其它地址的商品配送和揽收；而出现站点选址的前提是:某一区域内的仓库或站点门店的合约到期，使得原有位置不再支持作为仓库或站点门店；或随着业务发展，原有的仓库/分拣中心/站点的产能已经不能支持现有业务；同时站点选址时需考虑以下信息：该区域内的仓库-站点或站点-用户的覆盖关系，或新的仓库/分拣中心/站点影响现有对应关系的分布情况。
一般将站点选址的问题用运筹优化的技术进行求解：将最小化所有的站点到其服务的所有地址之间的距离之和作为优化目标。在某些情况下也需要同时满足一定的约束条件：站点必须在给定的一个少于全部地址的地址范围内选取、有的地址必须被当作站点等。以上条件被使用数学方式建模，形成一个标准的优化问题，再进行求解。
相对技术中，求解的方法一般有两种不同的路线，一种是使用标准求解器如大规模数学规划优化器Gurobi、科学计算软件Cplex等求解软件进行精确求解，一种是根据问题本身的特性发明一些启发式算法。
其中，标准求解器一般是基于比较完善而深入的数学理论对优化问题进行求解，对细节的处理也比较成熟，能够给出问题的精确解；但由于选址问题是非确定多项式(Non-deterministic Polynomial-hard，NP-hard)问题，求取精确解需要的计算量一般非常大，若问题的规模大(所服务的地址数量太多)，那么求解需要消耗极长时间，同时也需要比较多的计算资源：内存、中央处理器(Central Processing Unit，CPU)或图形处理器(Graphics Processing Unit，GPU)等，其中求取精确解需要将目标函数和约束条件都写成优化问题要求的标准表达形式，但在实际场景中，有些约束的逻辑过于复杂，很难用数学形式表达清楚，在这种情况下得到的最优解可能背离现实场景，出现舍近求远的分配关系，规划方案往往不会被一线人员采纳。且有能力开发标准求解器的机构数量少，因此价格一般也非常贵，使用成本高。
相对而言，启发式算法结合具体问题的特性来设计求解方式，一般也不追求精确解，能够在保证解的质量的前提下会有效减小计算复杂度，因而只能在条件较单一的应用场景下采用启发式算法进行站点选址求解，进而使得求解出来的站点不能应用于多种不同场景。
基于以上问题，本申请的实施例提供一种站点确定方法，应用于站点确定设备，参照图1，该方法包括以下步骤：
步骤101、获取待确定区域内的地点数量和每两个地点之间的距离参数。
其中，地点为待确定区域内的待选址站点。
在本申请实施例中，站点确定设备获取待确定区域内需要进行商品配送和揽收服务的地点数量N，以及每两个地点之间的距离参数；其中，距离参数可以是每两个地点之间的直线距离，还可以是每两个地点之间按照实际线路测量出来的距离，还可以是每两个地点之间的欧式距离或导航距离，本申请对此不作任何限定。
需要说明的是，待确定区域内包括的地点数量N可以是两个及以上；同时待选址站点，即负责商品配送和揽收服务的地点即站点是从待确定区域内的地点选择的。
步骤102、基于地点数量和距离参数，生成距离矩阵。
在本申请实施例中，站点确定设备基于地点数量N来确定距离矩阵的行数以及列数，并基于该行数、列数以及距离参数，生成距离矩阵。
其中，站点确定设备获取的待确定区域内地点数量N，其中，每两个地点i、j之间的距离表示为di，j，每个地点都有对应的服务需求量即业务量，表示为ri；站点确定设备在N个地点中选择M个建设目标站点，同时站点的集合表示为Φ，每个站点服务若干个地点，且每个地点只能被一个站点服务。对于M个目标站点中任一站点m，其服务地点的集合为Em。
步骤103、基于第一约束信息和第二约束信息对距离矩阵中每一元素进行处理，确定出与目标数匹配的地点群。
其中，第一约束信息表征每一地点匹配一个地点群。
第二约束信息表征站点的部署信息和/或站点的配置信息。
在本申请实施例中，站点确定设备基于第一约束信息和第二约束信息生成的条件，对距离矩阵中每一元素进行处理，确定出与目标数匹配的地点群；在一种可行的实现方式中，站点确定设备基于第一约束信息和第二约束信息，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，确定出与目标数匹配的地点群。
其中，目标数可以是待确定区域内给定的站点数M。
在本申请实施例中，与目标数匹配的地点群可以是待确定区域内的地点规划为与目标数M匹配的地点集合；其中，地点群的数量也是M。
需要说明的是，第一约束信息可以是每一地点只能被一个站点服务，同时待确定区域内规划的站点数量M是一定的；且站点的部署信息和/或站点的配置信息可以通过约束条件：(1)、待确定区域内的站点必须从待确定区域内的某些特定地点中选择；其中，待确定区域内的某些特定地点可以用候选地点群表示；(2)、待确定区域内某些特定地点必须规划为站点；其中，待确定区域内某些特定地点可以用已知站点群表示；(3)、每个站点所覆盖的服务半径不能超过一定距离值；其中，该距离值可以用站点的距离阈值表示；(4)、每个站点的配送和揽收服务能力不能超过该站点处理能力的上限；其中，站点处理能力的上限可以用站点的服务阈值表示；(5)、待确定区域内的某两个地点必须由同一个站点服务；其中，可以用第一地点群来表征必须由同一个站点服务的每两个地点；(6)、待确定区域内的某两个地点不可以由同一个站点服务；其中，可以用第二地点群来表征必须由不同站点服务的每两个地点；按照预设规则进行组合生成的，即约束条件(1)至(6)按照一定的组合逻辑来构成第二约束信息。
在一种可行的实施方式中，站点确定设备可以用Ψ来表示候选地点群，同时站点确定设备最终选择出来的目标站点的集合必须为Ψ的一个子集Φ，即
Figure BDA0002856814420000104
站点确定设备使用Φf来表征已知站点群，站点确定设备可以基于此对待确定区域内其余地点进行筛选，即可以将Φ分为两部分：Φf和Φd；同时Φ＝Φf∪Φd，Φd为站点确定设备需要确定的变量信息。
站点确定设备使用D来表示站点的距离阈值；其中，
Figure BDA0002856814420000101
Figure BDA0002856814420000102
站点确定设备使用R来表示站点的服务阈值；其中，
Figure BDA0002856814420000103
其中，第一地点群中必须由同一个站点服务某两个地点表示为A和B，即Em∈Φ，A∈Em，B∈Em。站点确定设备可以将第一地点群表达为Must-Link(A，B)或者ML(A，B)。
第二地点群中不能由同一个站点服务某两个地点，表示为C和D，即Em∈Φ，En∈Φ，m≠n，A∈Em，B∈En。站点确定设备把这个第二地点群表达为Cannot-Link(C，D)或者CL(C，D)。
其中，Φ和Em，
Figure BDA0002856814420000111
为要求解的变量。
步骤104、基于地点群确定待确定区域内的目标站点。
在本申请实施例中，站点确定设备基于每一地点群确定一个目标站点，换而言之，站点确定设备确定出来的目标站点是与目标数M匹配的。
其中，站点确定设备确定出M个目标站点，并对M个目标站点中任一站点m选择其对应的服务地点集合Em，使所有的目标站点到其服务的地点之和最小，即
Figure BDA0002856814420000112
并且满足|Φ|＝M。
本申请实施例所提供的站点确定方法，获取待确定区域内的地点数量和每两个地点之间的距离参数；其中，地点为待确定区域内的待选址站点；基于地点数量和距离参数，生成距离矩阵；基于第一约束信息和第二约束信息对距离矩阵中每一元素进行处理，确定出与目标数匹配的地点群；其中，第一约束信息表征每一地点匹配一个地点群；第二约束信息表征站点的部署信息和/或站点的配置信息；基于地点群确定待确定区域内的目标站点；如此，通过表征每一地点匹配一个地点群的第一约束信息，以及表征站点的部署信息和/或站点的配置信息的第二约束信息，对待确定区域内对应的距离矩阵中每一元素进行处理，确定出目标站点；实现了求解出来的站点能够应用于多种不同场景，进而扩展了站点的应用场景。
基于前述实施例，本申请的实施例提供一种站点确定方法，参照图2所示，该方法包括以下步骤：
步骤201、站点确定设备获取待确定区域内的地点数量和每两个地点之间的距离参数。
其中，地点为待确定区域内的待选址站点。
步骤202、站点确定设备基于地点数量和距离参数，生成距离矩阵。
在一种可行的实现方式中，站点确定设备执行步骤202时还可以通过执行步骤202a至步骤202b的方式来实现：
步骤202a、站点确定设备基于地点数量构建初始矩阵。
在本申请实施例中，站点确定设备可以基于地点数量N来生成初始矩阵的行数和列数，并给该初始矩阵中每个元素赋值为0。
步骤202b、站点确定设备基于初始矩阵和距离参数，生成距离矩阵。
在本申请实施例中，站点确定设备基于初始矩阵和获取的距离参数，按照距离参数所对应的地点信息来依次赋值至初始矩阵中每一元素，生成距离矩阵。
步骤203、站点确定设备基于第一约束信息和第二约束信息，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到与目标数匹配的目标距离群。
其中，第一约束信息表征每一地点匹配一个地点群。
第二约束信息表征站点的部署信息和/或站点的配置信息。
在本申请实施例中，站点确定设备采用层次聚类算法对距离矩阵中每一元素依次进行聚类处理，直至聚类到与目标数M匹配的目标距离群；其中，每一目标距离群中至少包括一个距离参数。
在一种可行的实现方式中，站点确定设备基于第一约束信息和第二约束信息，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，直至得到与目标数M对应的类，基于与目标数M对应的类，确定出与目标数M匹配的地点群。
需要说明的是，层次聚类算法的主体思想是一层一层的进行聚类，可以是由上向下对大的类别分割，即分裂法；也可以是由下向上对小的类别进行聚合，即凝聚法；在本申请实施例中，站点确定设备采用分裂法对距离矩阵中每一元素进行聚类处理。
步骤204、站点确定设备基于目标距离群，从待确定区域的地点中确定与目标距离群对应的地点群。
在本申请实施例中，站点确定设备基于目标距离群，确定与目标距离群中每一距离对应两个地点的信息，并基于该地点信息确定出与目标距离群对应的地点群；其中，每一地点群中至少包括一个地点。
步骤205、站点确定设备基于地点群确定待确定区域内的目标站点。
在一种可行的实施方式中，站点确定设备执行步骤205时还可以通过步骤205a至步骤205b的方式来实现：
步骤205a、站点确定设备对每一地点群进行解析，获取每一地点群中每一地点与所处地点群中其余地点之间的距离并求和，生成每一地点的距离之和。
在本申请实施例中，站点确定设备对每一地点群进行解析，得到每一地点群中每一地点，然后计算每一地点群中每一地点与地点群中其余地点之间的距离并求和，生成每一地点群中每一地点的距离之和。
步骤205b、站点确定设备基于距离之和，从每一地点群中选择符合比值条件的地点为每一地点群的目标站点。
在本申请实施例中，站点确定设备基于每一地点群中每一地点的距离之和，从每一地点群中距离之和最短的一个地点，作为每一地点群的目标站点；同时，每一地点群中除作为目标站点的地点之外，其余地点都作为目标站点的服务地点。
需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。
本申请实施例所提供的站点确定方法，站点确定设备通过表征每一地点匹配一个地点群的第一约束信息，以及表征站点的部署信息和/或站点的配置信息的第二约束信息，采用层次聚类算法对待确定区域内对应的距离矩阵中每一元素进行处理，确定出目标站点；实现了求解出来的站点能够应用于多种不同场景，进而扩展了站点的应用场景。
基于前述实施例，本申请的实施例还提供一种站点确定方法，如图3所示，该方法包括以下步骤：
步骤301、站点确定设备获取待确定区域内的地点数量和每两个地点之间的距离参数。
其中，地点为待确定区域内的待选址站点。
步骤302、站点确定设备基于地点数量构建初始矩阵。
步骤303、站点确定设备基于初始矩阵和距离参数，生成距离矩阵。
步骤304、站点确定设备获取候选地点群和/或已知站点群中每一地点与待确定区域内每一地点之间的第一距离值。
其中，第一约束信息表征每一地点匹配一个地点群。
第二约束信息包括候选地点群和/或已知站点群。
在本申请实施例中，第二约束信息包括候选地点群和/或已知站点群，即前述实施例提到的约束条件(1)和/或(2)。
在第一种情况下，第二约束信息包括约束条件(1)，即第二约束信息包括待确定区域内的站点必须从待确定区域内的某些特定地点中选择；其中，目标站点必须从一个候选地点群中即候选集合Ψ选取，站点确定设备则在基于层次聚类算法对距离矩阵中每一元素进行处理前，需先计算候选集合Ψ中的每一个地点与待确定区域内每一地点之间的第一距离值。
在第二种情况下，第二约束信息包括约束条件(2)，即第二约束信息包括待确定区域内某些特定地点必须规划为站点；其中，Φf为待确定区域内已经确定为必须规划为站点的信息集；站点确定设备先确定Φf中每一地点到待确定区域每一地点的第一距离值。
在第三种情况下，第二约束信息包括约束条件(1)和(2)，即第二约束信息包括：候选地点群即候选集合Ψ，以及已知站点群Φf；站点确定设备先计算一个新候选集合Ψ′＝Ψ∪Φf，再确定该Ψ′中每一地点与待确定区域内每一地点的第一距离值。
步骤305、站点确定设备基于第一距离值和第一约束信息，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请实施例中，站点确定设备基于上述得到至少包括有一个参数的第一距离值和第一约束信息，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
与上述对应，在第一种情况下，即第二约束信息包括约束条件(1)，站点确定设备将候选地点群即Ψ中每一地点都建立一个类，建立的方式为将在Ψ之外的每一个地点都与Ψ中距离最近的一个地点聚为一类；站点确定设备再基于第一距离值和第一约束信息，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，进行聚类处理过程中需考虑Ψ中包括的地点范围内挑选到这两个类别中所有其它地点距离之和最短的一个。
在第二种情况下，即第二约束信息包括约束条件(2)，站点确定设备基于第一距离值和第一约束信息，采用层次聚类算法对距离矩阵中每一元素进行聚类处理；其中，站点确定设备采用层次聚类对距离矩阵中每一元素进行处理的过程中，若距离矩阵中的元素是都不含有Φf中的地点对应的距离值时，则按照只有第一约束信息来处理；若是都含有Φf中的地点对应的距离值时，则将两个元素划分为两类，因为一个类别中不能含有两个站点；若其中一个含有Φf中的地点，另一个不含，则在处理过程中，只处理其中包含的Φf中的地点距离这两个类别中其它所有地点的距离之和，作为这两个类别的距离。在最终选择这个类别中的站点时，也直接将其中包含Φf中的地点作为站点。
在第三种情况下，即第二约束信息包括约束条件(1)和(2)，站点确定设备对于Ψ′中的每一个地点都初始化一个类别，并基于每一类别确定出每一类别中每一地点到待确定区域内每一地点的距离，再进行层次聚类；其中，站点确定设备采用层次聚类算法对距离矩阵中每一元素进行处理的过程中，若两个类别中均不具有Ψ或Φf中的地点，即两个类别对应的距离矩阵中的元素需基于第一约束信息来计算；若两个类别中只含有Ψ中的地点，而不具有Φf中的地点，即两个类别对应的距离矩阵中的元素需基于第一约束信息和候选地点群即Ψ来处理；若含有Φf中的地点(同时含有Φf和Ψ中的地点或只含有Φf中的地点)，即两个类别对应的距离矩阵中的元素需基于第一约束信息、已知站点群Φf来处理。
步骤306、站点确定设备基于目标距离群，从待确定区域的地点中确定与目标距离群对应的地点群。
步骤307、站点确定设备对每一地点群进行解析，获取每一地点群中每一地点与所处地点群中其余地点之间的距离并求和，生成每一地点的距离之和。
步骤308、站点确定设备基于距离之和，从每一地点群中选择符合比值条件的地点为每一地点群的目标站点。
需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。
本申请实施例所提供的站点确定方法，站点确定设备通过表征每一地点匹配一个地点群的第一约束信息，以及表征站点的部署信息和/或站点的配置信息的第二约束信息，采用层次聚类算法对待确定区域内对应的距离矩阵中每一元素进行处理，确定出目标站点；实现了求解出来的站点能够应用于多种不同场景，进而扩展了站点的应用场景。
基于前述实施例，本申请的实施例还提供一种站点确定方法，如图4所示，该方法包括以下步骤：
步骤401、站点确定设备获取待确定区域内的地点数量和每两个地点之间的距离参数。
其中，地点为待确定区域内的待选址站点。
步骤402、站点确定设备基于地点数量构建初始矩阵。
步骤403、站点确定设备基于初始矩阵和距离参数，生成距离矩阵。
步骤404、站点确定设备获取候选地点群和/或已知站点群中每一地点与待确定区域内每一地点之间的第一距离值。
其中，第一约束信息表征每一地点匹配一个地点群。
其中，第二约束信息包括候选地点群和/或已知站点群。
步骤405、站点确定设备获取待确定区域内的每一地点的业务量。
其中，第二约束信息还包括站点的距离阈值和/或站点的服务阈值。
在本申请实施例中，站点确定设备获取待确定区域内每一地点的业务量；其中，业务量包括不限于每一地点的商品配送和揽收服务量。
其中，第二约束信息包括候选地点群和/或已知站点群，以及站点的距离阈值和/或站点的服务阈值，即第二约束信息包括上述提到的约束条件(1)和/或(2)，以及(3)和/或(4)。
步骤406、站点确定设备基于站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值和业务量，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请实施例中，站点确定设备基于已知站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值和业务量，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在一种可行的实现方式中，第二约束信息包括约束条件(1)、(3)时，或第二约束信息包括约束条件(2)、(3)时，或第二约束信息包括约束条件(1)、(2)以及(3)时，站点确定设备采用层次聚类算法对距离矩阵中每一元素进行聚类处理时，存在服务半径上限的限制即站点的距离阈值，需考虑到不能够直接选择距离其它地点距离最小的作为站点，此时需考虑距离矩阵中每一元素对应的地点到其余地点的最远距离，在最远距离满足服务半径上限约束的地点中选择距离其它地点距离之和最小的一个作为站点，并以该点到两个类别中其它地点距离之和作为两个类别的距离，同时若距离矩阵中的某一元素对应的地点所对应的业务量都大于服务半径的上限，则将这两个地点对应的距离在层次聚类过程中划分为两类。
在另一种可行的实现方式中，第二约束信息包括约束条件(1)、(4)时，或第二约束信息包括约束条件(2)、(4)时，或第二约束信息包括约束条件(1)、(2)以及(4)时，站点确定设备采用层次聚类算法对距离矩阵中每一元素进行聚类处理时，需考虑中间聚类过程产生类中距离元素对应的地点的服务需求量的总和，若发现其大于每个站点能够处理的配送和揽收服务能力的上限即服务阈值，则对该类中的距离元素重新分类。
在又一种可行的实现方式中，第二约束信息包括约束条件(1)、(3)以及(4)时，或第二约束信息包括约束条件(2)、(3)以及(4)时，或第二约束信息包括约束条件(1)、(2)、(3)以及(4)时，站点确定设备需同时考虑间聚类过程产生类中距离元素对应的地点的服务需求量的总和，以及存在服务半径上限的限制即站点的距离阈值对聚类过程的影响。
在一种可行的实现方式中，站点确定设备在执行步骤406时还可以通过执行步骤406a至步骤406d的方式来实现：
步骤406a、站点确定设备从第一地点群中获取第一地点组。
其中，第一地点组中包括的两个地点关联同一站点。
其中，第二约束信息还包括第一地点群。
在本申请实施例中，第二约束信息包括约束条件(5)的同时，还包括约束条件(1)和/或(2)，以及约束条件(3)和/或(4)，即第二约束信息包括候选地点群和/或已知站点群，站点的距离阈值和/或站点的服务阈值，以及第一地点群。
需要说明的是，第一地点群中包括至少一个第一地点组，第一地点组中包括两个地点；其中，第一地点组中的两个地点必须由同一个站点服务。
其中，第一地点组之间具有传递性(Transitivity)。
步骤406b、站点确定设备对第一地点组按照关联站点信息进行分析，得到至少一个关联地点群。
其中，关联地点群至少包括两个地点。
在本申请实施例中，站点确定设备对第一地点组按照关联站点信息进行解析；其中，
Figure BDA0002856814420000181
站点确定设备基于此创建出r个连通分量(Connected Component)，其中连通分量标记为R＝{M1，M2，…，Mr}。对于每个连通分量Mi，站点确定设备把它建立成一个类，找出Mi中到其它所有地点距离之和最短的一个地点作为站点。
需要说明的是，站点确定设备创建S为所有地点的集合即包括N个参数；其中，S1表示不受ML条件所约束的地点的集合，即
Figure BDA0002856814420000191
步骤406c、站点确定设备获取每一关联地点群中每两个地点之间的第二距离值。
在本申请实施例中，站点确定设备获取每一关联地点群每两个地点之间的第二距离值。
步骤406d、站点确定设备基于站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值、第二距离值和业务量，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请实施例中，站点确定设备基于站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值、第二距离值和业务量，生成对应的参数以及条件，采用层次聚类算法对距离矩阵中每一元素进行聚类处理来得到目标距离群。
其中，站点确定设备创建出r个关联地点群，每一关联地点群标记为R＝{M1，M，…，Mr}，并求出S和S1；其中，若存在候选地点群，需先对R进行初始化；其中，初始化可以通过以下方式来实现：若Mi中不含候选站点，且Mi符合约束条件(3)和约束条件(4)的前提下，从Ψ中找出到Mi所有地点距离之和最短的候选站点，并将Mi分配给该站点。若Mi中含有一个候选站点，且Mi符合约束条件(3)和约束条件(4)的前提下，将Mi分配给该站点；若Mi中含有两个及以上的候选站点，且在Mi符合约束条件(2)、(3)以及(4)的前提下，从Ψ∩Mi中找出到Mi所有地点距离之和最短的候选站点，并将Mi分配给该站点。
在一种可行的实现方式中，站点确定设备在执行步骤406d时还可以通过执行步骤d1至步骤d3的方式来实现：
步骤d1、站点确定设备从第二地点群中获取第二地点组。
其中，第二地点组中包括的两个地点关联不同的两个站点。
其中，第二约束信息还包括第二地点群。
在本申请实施例中，第二约束信息包括约束条件(5)和(6)的同时，还包括约束条件(1)和/或(2)，以及(3)和/或(4)，即第二约束信息包括候选地点群和/或已知站点群，站点的距离阈值和/或站点的服务阈值，以及第一地点群和第二地点群。
需要说明的是，第二地点群中包括至少一个第二地点组，第二地点组中包括两个地点；其中，第二地点组中的两个地点不能由同一个站点服务。
步骤d2、站点确定设备获取第二地点组中每两个地点之间的第三距离值。
步骤d3、站点确定设备基于站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值、第二距离值、第三距离值和业务量，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请实施例中，站点确定设备采用层次聚类算法对距离矩阵中每一元素进行聚类处理的过程中，需考虑距离矩阵中每一元素对应的地点所对应的业务量、以及站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值、第二距离值、第三距离值，来得到目标距离群。
其中，第三距离值中每一距离元素对应的两个地点是不能由同一站点服务。
在另一种可行的实现方式中，站点确定设备在执行步骤406时还可以通过执行步骤406e至步骤406g的方式来实现：
步骤406e、站点确定设备从第二地点群中获取第二地点组。
其中，第二地点组中包括的两个地点关联不同的两个站点。
其中，第二约束信息还包括第二地点群。
在本申请实施例中，第二约束信息包括约束条件(6)的同时，还包括约束条件(1)和/或(2)，以及(3)和/或(4)时，即第二约束信息包括候选地点群和/或已知站点群，站点的距离阈值和/或站点的服务阈值，以及第二地点群。
需要说明的是，第二地点群中包括至少一个第二地点组，第二地点组中包括两个地点；其中，第二地点组中的两个地点不能由同一个站点服务。
步骤406f、站点确定设备获取第二地点组中每两个地点之间的第三距离值。
步骤406g、站点确定设备基于站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值、第三距离值和业务量，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
步骤407、站点确定设备基于目标距离群，从待确定区域的地点中确定与目标距离群对应的地点群。
步骤408、站点确定设备对每一地点群进行解析，获取每一地点群中每一地点与所处地点群中其余地点之间的距离并求和，生成每一地点的距离之和。
步骤409、站点确定设备基于距离之和，从每一地点群中选择符合比值条件的地点为每一地点群的目标站点。
需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。
本申请实施例所提供的站点确定方法，站点确定设备通过表征每一地点匹配一个地点群的第一约束信息，以及表征站点的部署信息和/或站点的配置信息的第二约束信息，采用层次聚类算法对待确定区域内对应的距离矩阵中每一元素进行处理，确定出目标站点；实现了求解出来的站点能够应用于多种不同场景，进而扩展了站点的应用场景。
基于前述实施例，本申请的实施例还提供一种站点确定方法，如图5所示，该方法包括以下步骤：
步骤501、站点确定设备获取待确定区域内的地点数量和每两个地点之间的距离参数。
其中，地点为待确定区域内的待选址站点。
步骤502、站点确定设备基于地点数量构建初始矩阵。
步骤503、站点确定设备基于初始矩阵和距离参数，生成距离矩阵。
步骤504、站点确定设备获取候选地点群和/或已知站点群中每一地点与待确定区域内每一地点之间的第一距离值。
其中，第一约束信息表征每一地点匹配一个地点群。
其中，第二约束信息包括候选地点群和/或已知站点群。
步骤505、站点确定设备从第一地点群中获取第一地点组。
其中，第一地点组中包括的两个地点关联同一站点。
第二约束信息还包括第一地点群。
在本申请实施例中，第二约束信息包括约束条件(1)和(5)，或第二约束信息包括约束条件(2)和(5)，或第二约束信息包括约束条件(1)、(2)以及(5)。
步骤506、站点确定设备对第一地点组按照关联站点信息进行分析，得到至少一个关联地点群。
其中，关联地点群至少包括两个地点。
步骤507、站点确定设备获取每一关联地点群中每两个地点之间的第二距离值。
步骤508、站点确定设备基于第一约束信息、第一距离值和第二距离值，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请实施例中，站点确定设备采用层次聚类算法对距离矩阵中每一元素进行聚类处理的过程中，需考虑到第一约束信息、第一距离值和第二距离值，得到目标距离群。
在一种可行的实现方式中，站点确定设备执行步骤508时还可以通过步骤508a至步骤508c的方式来实现：
步骤508a、站点确定设备从第二地点群中获取第二地点组。
其中，第二地点组中包括的两个地点关联不同的两个站点。
其中，第二约束信息还包括第二地点群。
在本申请实施例中，第二约束信息包括约束条件(1)、(5)以及(6)，或第二约束信息包括约束条件(2)、(5)以及(6)，或第二约束信息包括约束条件(1)、(2)、(5)以及(6)。
步骤508b、站点确定设备获取第二地点组中每两个地点之间的第三距离值。
步骤508c、站点确定设备基于第一约束信息、第一距离值、第二距离值和第三距离值，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请实施例中，站点确定设备采用层次聚类算法对距离矩阵中每一元素进行聚类处理的过程中，需考虑到第一约束信息、第一距离值、第二距离值和第三距离值，来得到目标距离群。
步骤509、站点确定设备基于目标距离群，从待确定区域的地点中确定与目标距离群对应的地点群。
步骤510、站点确定设备对每一地点群进行解析，获取每一地点群中每一地点与所处地点群中其余地点之间的距离并求和，生成每一地点的距离之和。
步骤511、站点确定设备基于距离之和，从每一地点群中选择符合比值条件的地点为每一地点群的目标站点。
需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。
本申请实施例所提供的站点确定方法，站点确定设备通过表征每一地点匹配一个地点群的第一约束信息，以及表征站点的部署信息和/或站点的配置信息的第二约束信息，采用层次聚类算法对待确定区域内对应的距离矩阵中每一元素进行处理，确定出目标站点；实现了求解出来的站点能够应用于多种不同场景，进而扩展了站点的应用场景。
基于前述实施例，本申请的实施例还提供一种站点确定方法，如图6所示，该方法包括以下步骤：
步骤601、站点确定设备获取待确定区域内的地点数量和每两个地点之间的距离参数。
其中，地点为待确定区域内的待选址站点。
步骤602、站点确定设备基于地点数量构建初始矩阵。
步骤603、站点确定设备基于初始矩阵和距离参数，生成距离矩阵。
步骤604、站点确定设备获取候选地点群和/或已知站点群中每一地点与待确定区域内每一地点之间的第一距离值。
其中，第一约束信息表征每一地点匹配一个地点群。
其中，第二约束信息包括候选地点群和/或已知站点群。
步骤605、站点确定设备从第二地点群中获取第二地点组。
其中，第二地点组中包括的两个地点关联不同的两个站点。
其中，第二约束信息还包括第二地点群。
在本申请实施例中，第二约束信息包括约束条件(1)和(6)，或第二约束信息包括约束条件(2)和(6)，或第二约束信息包括约束条件(1)、(2)以及(6)。
步骤606、站点确定设备获取第二地点组中每两个地点之间的第三距离值。
步骤607、站点确定设备基于第一约束信息、第一距离值和第三距离值，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请实施例中，站点确定设备采用层次聚类算法对距离矩阵中每一元素进行聚类处理的过程中，需考虑到第一约束信息、第一距离值和第三距离值，来得到目标距离群。
步骤608、站点确定设备基于目标距离群，从待确定区域的地点中确定与目标距离群对应的地点群。
步骤609、站点确定设备对每一地点群进行解析，获取每一地点群中每一地点与所处地点群中其余地点之间的距离并求和，生成每一地点的距离之和。
步骤610、站点确定设备基于距离之和，从每一地点群中选择符合比值条件的地点为每一地点群的目标站点。
需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。
本申请实施例所提供的站点确定方法，站点确定设备通过表征每一地点匹配一个地点群的第一约束信息，以及表征站点的部署信息和/或站点的配置信息的第二约束信息，采用层次聚类算法对待确定区域内对应的距离矩阵中每一元素进行处理，确定出目标站点；实现了求解出来的站点能够应用于多种不同场景，进而扩展了站点的应用场景。
在本申请其他实施例中，站点确定设备通过编程来实现上述任一实施例时，可以通过以下方式来实现：
输入包含如下内容：1、待确定区域内的所有地址的编号，由0开始一次递增，作为列表输入，表示为idx；2、待确定区域需要建立的站点的数量，表示为num；3、生成距离矩阵，距离矩阵中每一元素对应了相对应两个地址之间的距离，其中，由于计算机程序中的编号从0开始，因此，矩阵第一行和第一列的编号都为0，余下依次递增。距离的定义方式可以根据业务的要求来选择，例如欧氏距离，导航距离等，同时矩阵表示为dis_mat；4、每个地址的服务量，作为列表输入，表示为demand_list；5、每一站点覆盖半径的上限，为一个浮点数，若没有此约束则设置为无穷大，表示为rad_lim；6、每一站点服务能力的上限，为一个整数，若没有此约束则设置为无穷大，表示为cap_lim；7、待确定区域内必须作为站点的地点的集合，为一个包含这些地点编号的列表，表示为m_addr；8、待确定区域内的站点的候选集合，为一个包含这些地点编号的列表，表示为cand；9、待确定区域内受ML条件所约束的地点的集合，为一个包含这些地点的二维列表，表示为ML；如：ML[j]是一个长度为2的列表，代表必须由同一个站点服务的两个地点，如没有此约束则设置为[[]]；10、待确定区域内受CL条件所约束的地点的集合，为一个包含这些地点的二维列表，表示为CL，如：CL[j]是一个长度为2的列表，代表不能被同一个站点服务的两个地点，如没有此约束则设置为[[]]。
若站点确定设备求解选址问题的函数名称为site_selec()，其参数列表为indices：地址列表；num_sites：站点的数量；distances：距离矩阵；demand：服务量列表；radius_limit：覆盖半径上限；capability_limit：处理能力上限；mandatory_address：必须作为站点的地点；candidate_set：候选集合；must_link：必须由同一个站点服务的两个地点的集合；cannot_link：不能由同一个站点服务的两个地点的集合。
站点确定设备最终确定出的目标站点以及目标站点需要服务的地点的信息如下：1、被选为站点的地点作为一个列表，其中包含所有被选为站点的地点的编号，假如为[0，1]，则0和1两个地点被选为站点，列表表示为site_idx；2、每个站点所服务的地点作为一个列表，其中每个元素同样是一个列表，假如为[[0，2，3]，[1，4，5]]，则表示0，2，3三个站点被地点0的站点所服务；1，4，5三个地点被地点1的站点所服务，列表表示为loc_idx；3、所有的站点到其服务的地点的距离之和，即
Figure BDA0002856814420000261
同时可能存在无解标识，即标识站点确定设备采用层次聚类算无法找到可行解，则输出无解标识，该无解标识在程序执行发下无解时会作为错误信息输出；如图7给出了本申请实施例中基于各种约束条件组合后得到的目标站点的流程示意图；其中，步骤701：输入本申请实施例中给出的距离矩阵；步骤702：输入本申请实施例中给出的第一约束信息；步骤703：同样输入第二约束信息；其中，第二约束信息可以由约束条件(1)至(6)按照预设规则进行组合形成；步骤704、采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标站点。
其中，站点确定设备调用选址算法函数的方式可以用下面代码进行输入，其中，下文的代码以在上述进行具体解释说明。
site_idx,loc_idx＝site_select(indices＝idx,
num_sites＝num,
distances＝dis_mat,
demand＝demand_list,
radius_limit＝rad_lim,
capability_limit＝cap_lim,
mandatory_address＝m_addr,
candidate_set＝cand,
must_link＝ML,
cannot_link＝CL)
在本申请其他实施例中，站点确定设备在采用层次聚类算法对距离矩阵中每一元素进行聚类处理时，还可以通过以下步骤A的方式来实现：
步骤A、站点确定设备采用层次聚类算法和回溯算法对距离矩阵中每一元素进行聚类处理。
其中，站点确定设备使用层次聚类的思想，先将待确定区域内的每个地点都初始化成一个类别并相应地计算每两个地点之间的距离，然后迭代式进行聚类。在每一次迭代过程中，选出距离最短的两个类，表示为A和B。若目标数为M的情况下，聚类出现的结果如果现在已经有M+1个类，那么站点确定设备将A和B融合成一类，然后退出迭代。如果类的数量大于M+1，那站点确定设备采用以下方法：先将A和B暂时合并到一类，然后观察是否仍然存在可以合并的两个类。如果在合并A和B之后，仍然有其它可以合并的类，那么站点确定设备将A和B其融合到一起成为一类，并进入下一步迭代。如果在合并A和B之后，没有可以合并的类，站点确定设备放弃融合A和B，从其它的类别中，选出距离最短的两个类，然后重复此过程。
其中，回溯算法的主体思想是基于“看两步”的策略，换而言之，是采用前瞻性的策略。站点确定设备在合并了A和B之后仍然存在其它可以合并的类别，站点确定设备才会合并A和B。站点确定设备在基于层次聚类算法的基础上叠加回溯算法可保证不会大幅增加计算量的前提下，部分的解决“死胡同”的问题。重复此迭代过程，直到类的数量为M。而在聚类完成后，每个类别中距离所有其它地点的距离之和最小的地点被选择为站点。
需要说明的是，本申请实施例中为了跳出层次聚类算法带来的局部最优的陷阱，对层次聚类算法叠加前瞻性策略是一种有效的方法，同时，在本申请实施例中“看两步”的策略中的步数可拓展到任意步数的前瞻。同时需要考虑到随着前瞻步数的增加，所需要的计算量也会相应地大幅增加。当前瞻步数为N-M时，该算法与穷举搜索并无任何差异。出于对实际计算资源的考虑，这里只演示了“看两步”的策略。在计算资源足够的前提下，使用者可以对前瞻步数进行适当的调整。
基于前述实施例，本申请的实施例还提供一种站点确定装置8，该站点确定装置8可以应用于图1至6对应的实施例提供的一种站点确定方法中，参照图8所示，该站点确定装置8可以包括：获取模块81、生成模块82和确定模块83，其中：
获取模块81，用于获取待确定区域内的地点数量和每两个地点之间的距离参数；其中，地点为待确定区域内的待选址站点；
生成模块82，用于基于地点数量和距离参数，生成距离矩阵；
确定模块83，用于基于第一约束信息和第二约束信息对距离矩阵中每一元素进行处理，确定出与目标数匹配的地点群；其中，第一约束信息表征每一地点匹配一个地点群；第二约束信息表征站点的部署信息和/或站点的配置信息；
确定模块83，还用于基于地点群确定待确定区域内的目标站点。
在本申请其他实施例中，生成模块82，还用于基于地点数量构建初始矩阵；
基于初始矩阵和距离参数，生成距离矩阵。
在本申请其他实施例中，确定模块83，还用于基于第一约束信息和第二约束信息，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到与目标数匹配的目标距离群；
基于目标距离群，从待确定区域的地点中确定与目标距离群对应的地点群。
在本申请其他实施例中，第二约束信息包括候选地点群和/或已知站点群，确定模块83，还用于获取候选地点群和/或已知站点群中每一地点与待确定区域内每一地点之间的第一距离值；
基于第一距离值和第一约束信息，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请其他实施例中，第二约束信息还包括站点的距离阈值和/或站点的服务阈值，确定模块83，还用于获取待确定区域内的每一地点的业务量；
基于站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值和业务量，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请其他实施例中，第二约束信息还包括第一地点群，确定模块83，还用于从第一地点群中获取第一地点组；其中，第一地点组中包括的两个地点关联同一站点；
对第一地点组按照关联站点信息进行分析，得到至少一个关联地点群；其中，关联地点群至少包括两个地点；
获取每一关联地点群中每两个地点之间的第二距离值；
基于站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值、第二距离值和业务量，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请其他实施例中，第二约束信息还包括第二地点群，确定模块83，还用于从第二地点群中获取第二地点组；其中，第二地点组中包括的两个地点关联不同的两个站点；
获取第二地点组中每两个地点之间的第三距离值；
基于站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值、第三距离值和业务量，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请其他实施例中，第二约束信息还包括第二地点群，确定模块83，还用于从第二地点群中获取第二地点组；其中，第二地点组中包括的两个地点关联不同的两个站点；
获取第二地点组中每两个地点之间的第三距离值；
基于站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值、第二距离值、第三距离值和业务量，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请其他实施例中，第二约束信息还包括第一地点群，确定模块83，还用于从第一地点群中获取第一地点组；其中，第一地点组中包括的两个地点关联同一站点；
对第一地点组按照关联站点信息进行分析，得到至少一个关联地点群；其中，关联地点群至少包括两个地点；
获取每一关联地点群中每两个地点之间的第二距离值；
基于第一约束信息、第一距离值和第二距离值，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请其他实施例中，第二约束信息还包括第二地点群，确定模块83，还用于从第二地点群中获取第二地点组；其中，第二地点组中包括的两个地点关联不同的两个站点；
获取第二地点组中每两个地点之间的第三距离值；
基于第一约束信息、第一距离值和第三距离值，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请其他实施例中，第二约束信息还包括第二地点群，确定模块83，还用于从第二地点群中获取第二地点组；其中，第二地点组中包括的两个地点关联不同的两个站点；
获取第二地点组中每两个地点之间的第三距离值；
基于第一约束信息、第一距离值、第二距离值和第三距离值，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请其他实施例中，确定模块83，还用于采用层次聚类算法和回溯算法对距离矩阵中每一元素进行聚类处理。
在本申请其他实施例中，确定模块83，还用于对每一地点群进行解析，获取每一地点群中每一地点与所处地点群中其余地点之间的距离并求和，生成每一地点的距离之和；
基于距离之和，从每一地点群中选择符合比值条件的地点为每一地点群的目标站点。
需要说明的是，本实施例中各个模块所执行的步骤的具体实现过程，可以参照图1至6对应的实施例提供的站点确定方法中的实现过程，此处不再赘述。
本申请实施例所提供的站点确定装置，通过表征每一地点匹配一个地点群的第一约束信息，以及表征站点的部署信息和/或站点的配置信息的第二约束信息，采用层次聚类算法对待确定区域内对应的距离矩阵中每一元素进行处理，确定出目标站点；实现了求解出来的站点能够应用于多种不同场景，进而扩展了站点的应用场景。
基于前述实施例，本申请的实施例还提供一种站点确定设备9，该站点确定设备9可以应用于图1至6对应的实施例提供的一种站点确定方法中，参照图9所示，该站点确定设备9可以包括：处理器91、存储器92和通信总线93，其中：
通信总线93用于实现处理器91和存储器92之间的通信连接。
处理器91用于执行存储器92中存储的站点确定方法的程序，以实现以下步骤：
获取待确定区域内的地点数量和每两个地点之间的距离参数；其中，地点为待确定区域内的待选址站点；
基于地点数量和距离参数，生成距离矩阵；
基于第一约束信息和第二约束信息对距离矩阵中每一元素进行处理，确定出与目标数匹配的地点群；其中，第一约束信息表征每一地点匹配一个地点群；第二约束信息表征站点的部署信息和/或站点的配置信息；
基于地点群确定待确定区域内的目标站点。
在本申请的其他实施例中，处理器91用于执行存储器92中存储的基于地点数量和距离参数，生成距离矩阵，还可以实现以下步骤：
基于地点数量构建初始矩阵；
基于初始矩阵和距离参数，生成距离矩阵。
本申请的其他实施例中，处理器91用于执行存储器92中存储的基于第一约束信息和第二约束信息对距离矩阵中每一元素进行处理，确定出与目标数匹配的地点群，还可以实现以下步骤：
基于第一约束信息和第二约束信息，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到与目标数匹配的目标距离群；
基于目标距离群，从待确定区域的地点中确定与目标距离群对应的地点群。
在本申请的其他实施例中，第二约束信息包括候选地点群和/或已知站点群，处理器91用于执行存储器92中存储的基于第一约束信息和第二约束信息，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到与目标数匹配的目标距离群，还可以实现以下步骤：
获取候选地点群和/或已知站点群中每一地点与待确定区域内每一地点之间的第一距离值；
基于第一距离值和第一约束信息，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请的其他实施例中，第二约束信息还包括站点的距离阈值和/或站点的服务阈值，处理器91用于执行存储器92中存储的基于第一距离值和第一约束信息，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群，还可以实现以下步骤：
获取待确定区域内的每一地点的业务量；
基于站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值和业务量，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请的其他实施例中，第二约束信息还包括第一地点群，处理器91用于执行存储器92中存储的基于站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值和业务量，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群，还可以实现以下步骤：
从第一地点群中获取第一地点组；其中，第一地点组中包括的两个地点关联同一站点；
对第一地点组按照关联站点信息进行分析，得到至少一个关联地点群；其中，关联地点群至少包括两个地点；
获取每一关联地点群中每两个地点之间的第二距离值；
基于站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值、第二距离值和业务量，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请的其他实施例中，第二约束信息还包括第二地点群，处理器91用于执行存储器92中存储的基于站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值和业务量，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群，还可以实现以下步骤：
从第二地点群中获取第二地点组；其中，第二地点组中包括的两个地点关联不同的两个站点；
获取第二地点组中每两个地点之间的第三距离值；
基于站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值、第三距离值和业务量，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请的其他实施例中，第二约束信息还包括第二地点群，处理器91用于执行存储器92中存储的基于站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值、第二距离值和业务量，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群，还可以实现以下步骤：
从第二地点群中获取第二地点组；其中，第二地点组中包括的两个地点关联不同的两个站点；
获取第二地点组中每两个地点之间的第三距离值；
基于站点的距离阈值和/或站点的服务阈值，以及第一约束信息、第一距离值、第二距离值、第三距离值和业务量，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请的其他实施例中，第二约束信息还包括第一地点群，处理器91用于执行存储器92中存储的基于第一距离值和第一约束信息，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群，还可以实现以下步骤：
从第一地点群中获取第一地点组；其中，第一地点组中包括的两个地点关联同一站点；
对第一地点组按照关联站点信息进行分析，得到至少一个关联地点群；其中，关联地点群至少包括两个地点；
获取每一关联地点群中每两个地点之间的第二距离值；
基于第一约束信息、第一距离值和第二距离值，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请的其他实施例中，第二约束信息还包括第二地点群，处理器91用于执行存储器92中存储的基于第一距离值和第一约束信息，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群，还可以实现以下步骤：
从第二地点群中获取第二地点组；其中，第二地点组中包括的两个地点关联不同的两个站点；
获取第二地点组中每两个地点之间的第三距离值；
基于第一约束信息、第一距离值和第三距离值，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请的其他实施例中，第二约束信息还包括第二地点群，处理器91用于执行存储器92中存储的基于第一约束信息、第一距离值和第二距离值，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群，还可以实现以下步骤：
从第二地点群中获取第二地点组；其中，第二地点组中包括的两个地点关联不同的两个站点；
获取第二地点组中每两个地点之间的第三距离值；
基于第一约束信息、第一距离值、第二距离值和第三距离值，采用层次聚类算法对距离矩阵中每一元素进行聚类处理，得到目标距离群。
在本申请的其他实施例中，处理器91用于执行存储器92中存储的采用层次聚类算法对距离矩阵中每一元素进行聚类处理，还可以实现以下步骤：
采用层次聚类算法和回溯算法对距离矩阵中每一元素进行聚类处理。
在本申请的其他实施例中，处理器91用于执行存储器92中存储的基于地点群确定待确定区域内的目标站点，还可以实现以下步骤：
对每一地点群进行解析，获取每一地点群中每一地点与所处地点群中其余地点之间的距离并求和，生成每一地点的距离之和；
基于距离之和，从每一地点群中选择符合比值条件的地点为每一地点群的目标站点。
需要说明的是，本实施例中处理器所执行的步骤的具体实现过程，可以参照图1至6对应的实施例提供的站点确定方法中的实现过程，此处不再赘述。
本申请实施例所提供的站点确定设备，通过表征每一地点匹配一个地点群的第一约束信息，以及表征站点的部署信息和/或站点的配置信息的第二约束信息，采用层次聚类算法对待确定区域内对应的距离矩阵中每一元素进行处理，确定出目标站点；实现了求解出来的站点能够应用于多种不同场景，进而扩展了站点的应用场景。
基于前述实施例，本申请的实施例提供一种计算机可读存储介质，计算机可读存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现如图1～6对应的实施例提供的站点确定方法的步骤。
需要说明的是，上述计算机可读存储介质可以是只读存储器(Read Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory，FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory，CD-ROM)等存储器；也可以是包括上述存储器之一或任意组合的各种站点确定设备，如移动电话、计算机、平板设备、个人数字助理等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所描述的方法。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (16)

1.一种站点确定方法，其特征在于，所述方法包括：
获取待确定区域内的地点数量和每两个地点之间的距离参数；其中，所述地点为所述待确定区域内的待选址站点；
基于所述地点数量和所述距离参数，生成距离矩阵；
基于第一约束信息和第二约束信息对所述距离矩阵中每一元素进行处理，确定出与目标数匹配的地点群；其中，所述第一约束信息表征所述每一地点匹配一个所述地点群；所述第二约束信息表征站点的部署信息和/或所述站点的配置信息；
基于所述地点群确定所述待确定区域内的目标站点。
2.根据权利要求1所述的方法，其特征在于，所述基于所述地点数量和所述距离参数，生成距离矩阵，包括：
基于所述地点数量构建初始矩阵；
基于所述初始矩阵和所述距离参数，生成所述距离矩阵。
3.根据权利要求1所述的方法，其特征在于，所述基于第一约束信息和第二约束信息对所述距离矩阵中每一元素进行处理，确定出与目标数匹配的地点群，包括：
基于所述第一约束信息和所述第二约束信息，采用层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到与所述目标数匹配的目标距离群；
基于所述目标距离群，从所述待确定区域的地点中确定与所述目标距离群对应的所述地点群。
4.根据权利要求3所述的方法，其特征在于，所述第二约束信息包括候选地点群和/或已知站点群，所述基于所述第一约束信息和所述第二约束信息，采用层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到与所述目标数匹配的目标距离群，包括：
获取所述候选地点群和/或所述已知站点群中每一地点与所述待确定区域内每一地点之间的第一距离值；
基于所述第一距离值和所述第一约束信息，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群。
5.根据权利要求4所述的方法，其特征在于，所述第二约束信息还包括所述站点的距离阈值和/或所述站点的服务阈值，所述基于所述第一距离值和所述第一约束信息，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群，包括：
获取所述待确定区域内的每一地点的业务量；
基于所述站点的距离阈值和/或所述站点的服务阈值，以及所述第一约束信息、所述第一距离值和所述业务量，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群。
6.根据权利要求5所述的方法，其特征在于，所述第二约束信息还包括第一地点群，所述基于所述站点的距离阈值和/或所述站点的服务阈值，以及所述第一约束信息、所述第一距离值和所述业务量，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群，包括：
从所述第一地点群中获取第一地点组；其中，所述第一地点组中包括的两个地点关联同一站点；
对所述第一地点组按照关联站点信息进行分析，得到至少一个关联地点群；其中，所述关联地点群至少包括两个所述地点；
获取所述每一关联地点群中每两个地点之间的第二距离值；
基于所述站点的距离阈值和/或所述站点的服务阈值，以及所述第一约束信息、所述第一距离值、所述第二距离值和所述业务量，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群。
7.根据权利要求5所述的方法，其特征在于，所述第二约束信息还包括第二地点群，所述基于所述站点的距离阈值和/或所述站点的服务阈值，以及所述第一约束信息、所述第一距离值和所述业务量，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群，还包括：
从所述第二地点群中获取第二地点组；其中，所述第二地点组中包括的两个地点关联不同的两个站点；
获取所述第二地点组中每两个地点之间的第三距离值；
基于所述站点的距离阈值和/或所述站点的服务阈值，以及所述第一约束信息、所述第一距离值、所述第三距离值和所述业务量，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群。
8.根据权利要求6所述的方法，其特征在于，所述第二约束信息还包括第二地点群，所述基于所述站点的距离阈值和/或所述站点的服务阈值，以及所述第一约束信息、所述第一距离值、所述第二距离值和所述业务量，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群，包括：
从所述第二地点群中获取第二地点组；其中，所述第二地点组中包括的两个地点关联不同的两个站点；
获取所述第二地点组中每两个地点之间的第三距离值；
基于所述站点的距离阈值和/或所述站点的服务阈值，以及所述第一约束信息、所述第一距离值、所述第二距离值、所述第三距离值和所述业务量，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群。
9.根据权利要求4所述的方法，其特征在于，所述第二约束信息还包括第一地点群，所述基于所述第一距离值和所述第一约束信息，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群，还包括：
从所述第一地点群中获取第一地点组；其中，所述第一地点组中包括的两个地点关联同一站点；
对所述第一地点组按照关联站点信息进行分析，得到至少一个关联地点群；其中，所述关联地点群至少包括两个所述地点；
获取所述每一关联地点群中每两个地点之间的第二距离值；
基于所述第一约束信息、所述第一距离值和所述第二距离值，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群。
10.根据权利要求4所述的方法，其特征在于，所述第二约束信息还包括第二地点群，所述基于所述第一距离值和所述第一约束信息，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群，还包括：
从所述第二地点群中获取第二地点组；其中，所述第二地点组中包括的两个地点关联不同的两个站点；
获取所述第二地点组中每两个地点之间的第三距离值；
基于所述第一约束信息、所述第一距离值和所述第三距离值，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群。
11.根据权利要求9所述的方法，其特征在于，所述第二约束信息还包括第二地点群，所述基于所述第一约束信息、所述第一距离值和所述第二距离值，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群，包括：
从所述第二地点群中获取第二地点组；其中，所述第二地点组中包括的两个地点关联不同的两个站点；
获取所述第二地点组中每两个地点之间的第三距离值；
基于所述第一约束信息、所述第一距离值、所述第二距离值和所述第三距离值，采用所述层次聚类算法对所述距离矩阵中每一元素进行聚类处理，得到所述目标距离群。
12.根据权利要求3至11任一所述的方法，其特征在于，所述采用层次聚类算法对所述距离矩阵中每一元素进行聚类处理，包括：
采用所述层次聚类算法和回溯算法对所述距离矩阵中每一元素进行聚类处理。
13.根据权利要求1所述的方法，其特征在于，所述基于所述地点群确定所述待确定区域内的目标站点，包括：
对所述每一地点群进行解析，获取所述每一地点群中每一地点与所处地点群中其余地点之间的距离并求和，生成所述每一地点的距离之和；
基于所述距离之和，从所述每一地点群中选择符合比值条件的地点为所述每一地点群的目标站点。
14.一种站点确定装置，其特征在于，所述站点确定装置包括：获取模块、生成模块和确定模块；
所述获取模块，用于获取待确定区域内的地点数量和每两个地点之间的距离参数；其中，所述地点为所述待确定区域内的待选址站点；
所述生成模块，用于基于所述地点数量和所述距离参数，生成距离矩阵；
所述确定模块，用于基于第一约束信息和第二约束信息对所述距离矩阵中每一元素进行处理，确定出与目标数匹配的地点群；其中，所述第一约束信息表征所述每一地点匹配一个所述地点群；所述第二约束信息表征站点的部署信息和/或所述站点的配置信息；
所述确定模块，还用于基于所述地点群确定所述待确定区域内的目标站点。
15.一种站点确定设备，其特征在于，所述站点确定设备包括：处理器、存储器和通信总线；
所述通信总线用于实现处理器和存储器之间的通信连接；
所述处理器用于执行所述存储器中的程序，以实现如权利要求1至13任一所述的站点确定方法。
16.一种计算机存储介质，其特征在于，所述计算机存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至13中任一项所述的站点确定方法的步骤。
CN202011547428.XA 2020-12-24 2020-12-24 一种站点确定方法、装置、设备及计算机可读存储介质 Active CN113762577B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011547428.XA CN113762577B (zh) 2020-12-24 2020-12-24 一种站点确定方法、装置、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011547428.XA CN113762577B (zh) 2020-12-24 2020-12-24 一种站点确定方法、装置、设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN113762577A true CN113762577A (zh) 2021-12-07
CN113762577B CN113762577B (zh) 2023-09-26

Family

ID=78786176

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011547428.XA Active CN113762577B (zh) 2020-12-24 2020-12-24 一种站点确定方法、装置、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113762577B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114386814A (zh) * 2021-12-31 2022-04-22 广州市城市规划勘测设计研究院 一种公共服务设施服务半径获取方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016024619A (ja) * 2014-07-18 2016-02-08 富士通株式会社 情報処理方法、情報処理装置および情報処理プログラム
CN109345166A (zh) * 2018-09-20 2019-02-15 北京百度网讯科技有限公司 用于生成信息的方法和装置
CN109413661A (zh) * 2018-09-20 2019-03-01 中国联合网络通信集团有限公司 一种计算站距的方法及装置
CN110175780A (zh) * 2019-05-28 2019-08-27 广东工业大学 一种电动汽车充电站选址方法、系统及相关装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016024619A (ja) * 2014-07-18 2016-02-08 富士通株式会社 情報処理方法、情報処理装置および情報処理プログラム
CN109345166A (zh) * 2018-09-20 2019-02-15 北京百度网讯科技有限公司 用于生成信息的方法和装置
CN109413661A (zh) * 2018-09-20 2019-03-01 中国联合网络通信集团有限公司 一种计算站距的方法及装置
CN110175780A (zh) * 2019-05-28 2019-08-27 广东工业大学 一种电动汽车充电站选址方法、系统及相关装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHOU JUNLING ET AL.: "Research on Resource Allocation Optimization of Smart City Based on Big Data", 《IEEE ACCESS》 *
张雨: "基于时间路径的物流中心选址与优化研究", 《软件导刊》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114386814A (zh) * 2021-12-31 2022-04-22 广州市城市规划勘测设计研究院 一种公共服务设施服务半径获取方法及装置
CN114386814B (zh) * 2021-12-31 2022-12-06 广州市城市规划勘测设计研究院 一种公共服务设施服务半径获取方法及装置

Also Published As

Publication number Publication date
CN113762577B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
Murray Maximal coverage location problem: impacts, significance, and evolution
CN104683405B (zh) 在车联网中集群服务器分发地图匹配任务的方法和装置
AU2021201527A1 (en) Method and system for automated intent mining, classification and disposition
Zheng et al. Periodic hierarchical load balancing for large supercomputers
US20120254153A1 (en) Shortest path determination in databases
CN102609244B (zh) 灵活通信算子
US8326783B2 (en) Method and system for optimizing configuration classification of software
Delling et al. Faster customization of road networks
US20120250535A1 (en) Hub label based routing in shortest path determination
CN1866206A (zh) 利用马尔可夫链根据uml规范生成性能测试
Duque et al. A computationally efficient method for delineating irregularly shaped spatial clusters
CN111627494A (zh) 基于多维特征的蛋白质性质预测方法、装置和计算设备
Ghiandoni et al. Enhancing reaction-based de novo design using a multi-label reaction class recommender
CN113762577A (zh) 一种站点确定方法、装置、设备及计算机可读存储介质
Moreno et al. A hybrid K-means and integer programming method for commercial territory design: a case study in meat distribution
Arfat et al. Parallel shortest path big data graph computations of US road network using apache spark: survey, architecture, and evaluation
Santini et al. Decomposition strategies for vehicle routing heuristics
CN115796041A (zh) 神经网络模型部署方法、系统、设备及存储介质
US10726944B2 (en) Recommending novel reactants to synthesize chemical products
CN112860850B (zh) 人机交互方法、装置、设备及存储介质
CN115331751A (zh) 基于机器学习的化学通路分析预测方法及终端设备
US20140129594A1 (en) Bounds for graph bisection
CN114490899B (zh) 多图层空间大数据叠加合并方法、装置、设备及存储介质
CN113821550B (zh) 路网拓扑图的划分方法、装置、设备及计算机程序产品
WO2022126646A9 (en) Automated platform for managing, deploying and orchestrating highly distributed service applications

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