CN114169817A - 一种适用于低密度人口的乡村快递配送站选址方法 - Google Patents

Abstract

本发明公开了一种适用于低密度人口的乡村地区快递配送站选址方法，包括：获取研究区域内相关数据，通过t个月的历史快递量数据，完成第(t+h)个月区域总体快递量预测；再逐级分析影响快递量的因素，并逐级进行打分，根据上级分数确定下级快递量分配的权重；以最大化被覆盖的行政村数量Z为目标，使用最大覆盖模型进行配送站选址；根据预测的乡镇快递量，计算各个乡镇快递，结合确定的配送站选址方案，分析预设站点的快递量，评估预设站点的盈亏状况。本发明以乡村的历史快递需求信息为基础，以供需和路网动态作为基础数据，提供最佳的物流中心选址、盈亏规划方案，避免了不必要的投资和支出。

Description

一种适用于低密度人口的乡村快递配送站选址方法

技术领域

本发明涉及物流配送技术领域，具体而言涉及一种适用于低密度人口的乡村快递配送站选址方法。

背景技术

近年来，电商快递发展迅猛，“四通一达”等快递企业在城镇地区建立了高效的配送体系，但对乡村的覆盖能力仍有不足。乡村快递的配送距离长、快件数量少，导致了配送站高成本与低收入之间的冲突。快递往往只能配送到县、镇一级的服务点，而农村居民无法享受便利的快递服务。这已经日益成为制约乡村经济发展和居民生活水平提高的一项重要问题。

但是快递配送及站点选址主要面向城镇等人口大的地区，追求高利润，而没有关注到广大偏远乡村配送需求和站点的生存问题。关于乡村快递的配送往往只有一个物流站点，且多以巡回配送的方式进行，但是，在实际物流配送过程中，乡村站点的需求量可能很大，且不同时期的需求配送量是不同的。现有的物流系统对于物流中心的选址、规划等方面明显考虑不足，物流中心通常固定设立，无法考虑供需和路网动态变化，在进行快递配送时，常常因距离、路况等因素增加了配送时间，对于乡村的需求信息考虑不到位，无法及时进行配送，造成不必要的损失。

发明内容

本发明针对现有技术中的不足，提供一种考虑乡村人口、配送范围、收益情况等不同情况的，适用于低密度人口的乡村地区快递配送站选址方法。

为实现上述目的，本发明采用以下技术方案：

第一方面，本发明实施例提出了一种适用于低密度人口的乡村地区快递配送站选址方法，所述选址方法包括以下步骤：

S1，获取研究区域内与快递配送相关的各项数据；

S2，通过时间序列法Holt-Winters乘性模型，结合t个月的历史快递量数据，对第(t+h)个月区域总体快递量进行预测，h是大于等于1的正整数；

S3，自市域向下逐级分析影响快递量的因素，结合分析结果对各个地域的影响因素的综合影响力进行评分根据综合影响力确定每个地域快递量分配的权重，将步骤S2中预测得到的区域总体快递量分配至各乡镇；

S4，建立研究区域模型，以最大化被覆盖的行政村数量Z为目标，调整预设的配送站数量和服务范围，多次进行模型测算，直至同时满足下述两个限制条件：(1)行政村覆盖数量Z达到行政村数量总数的80-90％，(2)增减任意一个站点所导致的行政村覆盖数量变化ΔZ/Δs大于最小允许阈值，确定配送站选址方案；

S5，根据步骤S3预测的乡镇快递量，计算各个乡镇快递密度，结合步骤S4确定的配送站选址方案，计算各个配送站服务范围内的快递量，评估各个配送站点的盈亏状况。

进一步地，步骤S1中，所述研究区域内与快递配送相关的各项数据包括：历史快递业务量、行政区划、人口分布、地区生产总值和乡镇企业数量。

进一步地，步骤S2中，对第(t+h)个月区域总体快递量进行预测的过程包括以下步骤：

S21，使用时间序列法Holt-Winters乘性模型，结合t个月的历史快递量数据，训练平滑系数α，β和γ，计算水平平滑值L_t，趋势平滑值B_t和季节平滑值S_t；

S22，通过上述步骤S21计算的平滑值，完成第(t+h)个月区域总体快递量预测，计算公式如下：

F_t+h|t＝(L_t+hB_t)S_t+h-m(k+1)

其中，m为变化周期，k为(h-1)/m的整数部分。

进一步地，步骤S3中，所述逐级分析影响快递量的因素的过程包括以下步骤：

S31，选取居民人口和地区生产总值指标，对市域之内的各区县进行打分，根据分数确定快递量分配的权重，将预测得到的市区域内快递总量分配到各区县；

S32，根据居民人口、企业数量和商超数量指标，对每个区县下管辖的各乡镇进行打分，根据分数确定快递量分配的权重，将预测得到的每个区县的快递量进一步分配到各乡镇。

进一步地，步骤S4中，所述以最大化被覆盖的行政村数量Z为目标，使用最大覆盖模型进行配送站选址过程包括以下步骤：

将研究区域内每一个行政村作为一个需求点，所有行政村和城镇中心地区作为备选地点，预设配送站总数和服务范围，以最大化被覆盖的行政村数量Z为目标，采用下述最大覆盖模型进行配送站选址：

其中，决策变量X_j表示是否建立配送站j，Y_i表示是否覆盖行政村i，参数d_ij为需求点i到配送站j的距离，D_i为需求点i能接受的最远服务距离，s为配送站个数，I为需求点集合，J为配送站备选地址集合，N(i)＝{j|d_ij≤D_i}表示能够覆盖需求点i的设施点备选地址集合。

进一步地，所述最小允许阈值是指研究范围内规模最小的乡的行政村数量。

进一步地，步骤S5中，评估各个配送站点的盈亏状况的过程包括以下步骤：

计算预设站点每年的盈亏状况，根据下述公式计算运营利用和成本回收期限：

TR＝TI-TOC

T＝TNC/TR

其中，TR代表运营利润；TI代表运营收入，包括常规收入、额外收费和增值收入，根据各配送站快递量预测进行计算得到；TOC代表运营成本，包括租金、人员工资、人员培训、油电费用和其他费用；T代表成本回收期限；TNC代表投资成本，包括装修、购置设备、购置车辆和加盟费。

进一步地，所述运营成本的计算过程包括以下步骤：

在配送站快递量预测的基础上估算人员数、车辆数和场地规模，再结合区域经济水平确定员工工资、油耗费用和场地租金，根据当地快递从业人员的意见修正参数，进行计算。

进一步地，所述投资成本的计算过程包括以下步骤：

根据估算车辆数、场地规模、装修单价和车辆单价，结合市场行情修正参数，进行计算。

本发明的有益效果是：

发明提出的选址方法能够基于地区快递发展情况和人口分布，实现最大化的覆盖配送范围基础上的配送站点位置的选取；同时，以乡村的历史快递需求信息为基础，以供需和路网动态作为基础数据，提供最佳的物流中心选址、盈亏规划方案，避免了不必要的投资和支出。

附图说明

图1是本发明实施例的配送站选址方法的结构示意图。

图2为本发明实施例的各乡镇快递揽收量预测的示意图。

图3为本发明实施例的各乡镇快递投递量预测的示意图。

图4为本发明实施例的快递配送站选址的最终方案图的示意图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。

需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。

实施例一

图1是本发明实施例一的配送站选址方法的结构示意图。本实施例可适用于低密度人口的乡村地区快递配送站选址方法，所述选址方法包括以下步骤：

S1，获取研究区域内与快递配送相关的各项数据。

S2，通过时间序列法Holt-Winters乘性模型，结合t个月的历史快递量数据，对第(t+h)个月区域总体快递量进行预测，h是大于等于1的正整数。

S3，自市域向下逐级分析影响快递量的因素，结合分析结果对各个地域的影响因素的综合影响力进行评分根据综合影响力确定每个地域快递量分配的权重，将步骤S2中预测得到的区域总体快递量分配至各乡镇。

S4，建立研究区域模型，以最大化被覆盖的行政村数量Z为目标，调整预设的配送站数量和服务范围，多次进行模型测算，直至同时满足下述两个限制条件：(1)行政村覆盖数量Z达到行政村数量总数的80-90％，(2)增减任意一个站点所导致的行政村覆盖数量变化ΔZ/Δs大于最小允许阈值，确定配送站选址方案。

S5，根据步骤S3预测的乡镇快递量，计算各个乡镇快递密度，结合步骤S4确定的配送站选址方案，计算各个配送站服务范围内的快递量，评估各个配送站点的盈亏状况。

一、获取研究区域内相关数据

在上述步骤S1中，研究区域内与快递配送相关的各项数据包括：历史快递业务量、行政区划、人口分布、地区生产总值和乡镇企业数量。

二、区域总体快递量预测

在上述步骤S2中，对第(t+h)个月区域总体快递量进行预测的过程包括以下子步骤：

S21，使用时间序列法Holt-Winters乘性模型，结合t个月的历史快递量数据，训练平滑系数α，β和γ，计算水平平滑值L_t，趋势平滑值B_t和季节平滑值S_t。

S22，通过上述步骤S21计算的平滑值，完成第(t+h)个月区域总体快递量预测，计算公式如下：

F_t+h|t＝(L_t+hB_t)S_t+h-m(k+1)

其中，变化周期m＝12，k为(h-1)/m的整数部分。

例如，以2016年1月到2021年3月拉萨市的历史快递量数据为例，训练平滑系数α＝0.052，β＝0.005，γ＝0.153，从而计算三个平滑值，预测拉萨市2025年快递揽件量为1566万件，以此认为拉萨市2025年快递揽件量为1600万件，并根据物流场站收发货比例，大致认为拉萨市2025年快递投递量为14400万件。

三、乡镇快递量预测

图2为本发明实施例的各乡镇快递揽收量预测的示意图。图3为本发明实施例的各乡镇快递投递量预测的示意图。本实施例步骤S3中，逐级分析影响快递量的因素的过程包括以下步骤：

S31，选取居民人口和地区生产总值指标，对市域之内的各区县进行打分，根据分数确定快递量分配的权重，将预测得到的市区域内快递总量分配到各区县。

例如，以拉萨市为例，根据拉萨市内居民人口、地区生产总值指标对各区县进行打分，根据分数确定快递量分配的权重，将上述预测得到的市域快递总量分配到各区县，其中，揽件量分配依据是区县生产总值，投递量分配的依据是户籍人口，这两项指标本身即可视为打分，此外，城关区作为主城区，被赋予了额外的比重，具体分配情况如下表：

S32，根据居民人口、企业数量和商超数量指标，对每个区县下管辖的各乡镇进行打分，根据分数确定快递量分配的权重，将预测得到的每个区县的快递量进一步分配到各乡镇。

例如，以曲水县为例，投递量仅依据户籍人口进行打分，分配情况如下表所示：

四、配送站选址

图4为本发明实施例的快递配送站选址的最终方案图的示意图。本实施步骤S4中，所述以最大化被覆盖的行政村数量Z为目标，使用最大覆盖模型进行配送站选址过程包括以下步骤：

S41，将研究区域内每一个行政村作为一个需求点，所有行政村和城镇中心地区作为备选地点，预设配送站总数和服务范围，以最大化被覆盖的行政村数量Z为目标，采用下述最大覆盖模型进行配送站选址：

其中，决策变量X_j表示是否建立配送站j，Y_i表示是否覆盖行政村i，参数d_ij为需求点i到配送站j的距离，D_i为需求点i能接受的最远服务距离，s为配送站个数，I为需求点集合，J为配送站备选地址集合，N(i)＝{j|d_ij≤D_i}表示能够覆盖需求点i的设施点备选地址集合。

优选的，最小允许阈值是指研究范围内规模最小的乡的行政村数量。

例如，拉萨市331个行政单元作为需求点，将所有行政村和城镇中心地区作为配送站备选地点，以最大化被覆盖的行政村数量Z为目标，使用最大覆盖模型进行配送站选址。

调整预设的配送站数量s和服务范围D，多次运行模型，记录ΔZ/Δs在3附近时的结果：

D	s	Z	ΔZ/Δs
				25000	12	305	6
20000	16	300	6
				15000	22	294	3
12000	27	281	3
				10000	26	255	3
8000	35	255	2.4

上述结果的前5项满足行政村覆盖数量Z达到总数的80-90％，通过增、减一个站点所导致的行政村覆盖数量变化ΔZ/Δs符合特定阈值要求，例如以尼木县麻江乡为例，尼木县麻江乡有3个行政村，确定阈值为3，在上述结果中选取服务范围和配送站数量相对均衡适中的为第三个方案，最终确定的配送站选址方案，设定服务范围15000m、配送站数量22，可以达到行政村覆盖率88.8％。

五、站点快递量预测

根据步骤S3预测的乡镇快递量，计算各个乡镇快递密度，快递密度为快递量与乡镇面积之比，结合步骤S4确定的配送站选址方案，计算各个配送站服务范围内的快递量，快递量则是快递密度的累加。计算结果如下表：

六、盈亏状况评估

根据步骤S5中，评估各个配送站点的盈亏状况的过程包括以下步骤：

计算预设站点每年的盈亏状况，根据下述公式计算运营利用和成本回收期限：

TR＝TI-TOC

T＝TNC/TR

其中，TR代表运营利润；TI代表运营收入，包括常规收入、额外收费和增值收入，根据各配送站快递量预测进行计算得到；TOC代表运营成本，包括租金、人员工资、人员培训、油电费用和其他费用；T代表成本回收期限；TNC代表投资成本，包括装修、购置设备、购置车辆和加盟费。

优选的，运营成本的计算过程包括以下步骤：

在配送站快递量预测的基础上估算人员数、车辆数和场地规模，再结合区域经济水平确定员工工资、油耗费用和场地租金，根据当地快递从业人员的意见修正参数，进行计算。

优选的，投资成本的计算过程包括以下步骤：

根据估算车辆数、场地规模、装修单价和车辆单价，结合市场行情修正参数，进行计算。

例如，以拉萨市具体情况，列出计算公式如下：

根据上述公式评估22个乡村快递配送站的未来的盈亏状况，大致分为三种：

1)仲萨村、塔杰村等12个配送站，预计能在2025年实现盈利，且有可能做到持续盈利，以收回前期投入的一次性投资成本。

2)班觉林乡、新村等6个配送站，大致能够做到收支平衡，依靠常规业务收入勉强维持自身运营，但难以在短期内收回一次性投资成本。

3)邦达村、达琼村等4个配送站，预计亏损数额较大，需要依赖政府支持，或依托零售、客运、供销等其他业务体系来追求增值收入。

计算结果如下表：

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (9)

1.一种适用于低密度人口的乡村地区快递配送站选址方法，其特征在于，所述选址方法包括以下步骤：

S1，获取研究区域内与快递配送相关的各项数据；

S2，通过时间序列法Holt-Winters乘性模型，结合t个月的历史快递量数据，对第(t+h)个月区域总体快递量进行预测，h是大于等于1的正整数；

S3，自市域向下逐级分析影响快递量的因素，结合分析结果对各个地域的影响因素的综合影响力进行评分根据综合影响力确定每个地域快递量分配的权重，将步骤S2中预测得到的区域总体快递量分配至各乡镇；

S4，建立研究区域模型，以最大化被覆盖的行政村数量Z为目标，调整预设的配送站数量和服务范围，多次进行模型测算，直至同时满足下述两个限制条件：(1)行政村覆盖数量Z达到行政村数量总数的80-90％，(2)增减任意一个站点所导致的行政村覆盖数量变化ΔZ/Δs大于最小允许阈值，确定配送站选址方案；

S5，根据步骤S3预测的乡镇快递量，计算各个乡镇快递密度，结合步骤S4确定的配送站选址方案，计算各个配送站服务范围内的快递量，评估各个配送站点的盈亏状况。

2.根据权利要求1所述的一种适用于低密度人口的乡村地区快递配送站选址方法，其特征在于，步骤S1中，所述研究区域内与快递配送相关的各项数据包括：历史快递业务量、行政区划、人口分布、地区生产总值和乡镇企业数量。

3.根据权利要求1所述的一种适用于低密度人口的乡村地区快递配送站选址方法，其特征在于，步骤S2中，对第(t+h)个月区域总体快递量进行预测的过程包括以下步骤：

S21，使用时间序列法Holt-Winters乘性模型，结合t个月的历史快递量数据，训练平滑系数α，β和γ，计算水平平滑值L_t，趋势平滑值B_t和季节平滑值S_t；

S22，通过上述步骤S21计算的平滑值，完成第(t+h)个月区域总体快递量预测，计算公式如下：

F_t+h|t＝(L_t+hB_t)S_t+h-m(k+1)

其中，m为变化周期，k为(h-1)/m的整数部分。

4.根据权利要求1所述的一种适用于低密度人口的乡村地区快递配送站选址方法，其特征在于，步骤S3中，所述逐级分析影响快递量的因素的过程包括以下步骤：

S31，选取居民人口和地区生产总值指标，对市域之内的各区县进行打分，根据分数确定快递量分配的权重，将预测得到的市区域内快递总量分配到各区县；

S32，根据居民人口、企业数量和商超数量指标，对每个区县下管辖的各乡镇进行打分，根据分数确定快递量分配的权重，将预测得到的每个区县的快递量进一步分配到各乡镇。

5.根据权利要求1所述的一种适用于低密度人口的乡村地区快递配送站选址方法，其特征在于，步骤S4中，所述以最大化被覆盖的行政村数量Z为目标，使用最大覆盖模型进行配送站选址过程包括以下步骤：

将研究区域内每一个行政村作为一个需求点，所有行政村和城镇中心地区作为备选地点，预设配送站总数和服务范围，以最大化被覆盖的行政村数量Z为目标，采用下述最大覆盖模型进行配送站选址：

其中，决策变量X_j表示是否建立配送站j，Y_i表示是否覆盖行政村i，参数d_ij为需求点i到配送站j的距离，D_i为需求点i能接受的最远服务距离，s为配送站个数，I为需求点集合，J为配送站备选地址集合，N(i)＝{j|d_ij≤D_i}表示能够覆盖需求点i的设施点备选地址集合。

6.根据权利要求5所述的一种适用于低密度人口的乡村地区快递配送站选址方法，其特征在于，所述最小允许阈值是指研究范围内规模最小的乡的行政村数量。

7.根据权利要求1所述的一种适用于低密度人口的乡村地区快递配送站选址方法，其特征在于，步骤S5中，评估各个配送站点的盈亏状况的过程包括以下步骤：

计算预设站点每年的盈亏状况，根据下述公式计算运营利用和成本回收期限：

TR＝TI-TOC

T＝TNC/TR

其中，TR代表运营利润；TI代表运营收入，包括常规收入、额外收费和增值收入，根据各配送站快递量预测进行计算得到；TOC代表运营成本，包括租金、人员工资、人员培训、油电费用和其他费用；T代表成本回收期限；TNC代表投资成本，包括装修、购置设备、购置车辆和加盟费。

8.根据权利要求7所述的一种适用于低密度人口的乡村地区快递配送站选址方法，其特征在于，所述运营成本的计算过程包括以下步骤：

在配送站快递量预测的基础上估算人员数、车辆数和场地规模，再结合区域经济水平确定员工工资、油耗费用和场地租金，根据当地快递从业人员的意见修正参数，进行计算。

9.根据权利要求7所述的一种适用于低密度人口的乡村地区快递配送站选址方法，其特征在于，所述投资成本的计算过程包括以下步骤：

根据估算车辆数、场地规模、装修单价和车辆单价，结合市场行情修正参数，进行计算。

Images