CN114418499B - 一种基于多层筛选策略的农村快递配送中心选址方法 - Google Patents
一种基于多层筛选策略的农村快递配送中心选址方法 Download PDFInfo
- Publication number
- CN114418499B CN114418499B CN202210068608.2A CN202210068608A CN114418499B CN 114418499 B CN114418499 B CN 114418499B CN 202210068608 A CN202210068608 A CN 202210068608A CN 114418499 B CN114418499 B CN 114418499B
- Authority
- CN
- China
- Prior art keywords
- express delivery
- center
- rural
- point
- points
- 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
- 238000012216 screening Methods 0.000 title claims abstract description 43
- 238000010187 selection method Methods 0.000 title claims description 9
- 238000010276 construction Methods 0.000 claims abstract description 26
- 238000010586 diagram Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000002068 genetic effect Effects 0.000 claims abstract description 9
- 230000035772 mutation Effects 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 9
- 230000001174 ascending effect Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及快递配送中心选址方法,特别涉及一种基于多层筛选策略的农村快递配送中心选址方法,包括初始化配送点集合和配送中心集合,基于道路交通网络图中各节点的道路通达性和人口数量,从配送中心集合选出第一可选集;基于农村快递配送中心建设成本,从第一可选集中选出第二可选集;基于配送中心到农村各配送点间的道路运输成本,从第二可选集中选出第三可选集;以总成本最小为目标函数,并基于遗传算法以目标函数的倒数作为适应度函数,从第三可选集中获取配送中心;本发明对于农村快递中心的选址应用契合度更高,对农村快递中心的选址具有一定的参考价值。
Description
技术领域
本发明涉及快递配送中心选址方法,特别涉及一种基于多层筛选策略的农村快递配送中心选址方法。
背景技术
随着电子商务在我国农村地区普及程度的加深,农村地区对于快递配送的需求也越来越大。据统计,2021年上半年,我国农村地区快递量超过200亿件,占全国快递业务量的三分之一,相较去年同期增长30%。虽然近年来农村地区的快递量井喷式增长,已然成了最为重要的快递配送领域,但是我国农村地区的快递配送中心覆盖率却很低,从而导致农村快递配送服务质量不高、快递配送效率低下等问题。
农村快递配送中心的布局不仅对单个快递企业的发展有着积极影响,而且对整个农村区域的经济发展也有着至关重要的作用。合理选择快递配送中心能够减少配送成本,显著提升配送效率,提高服务质量,加快农村与外界的商品流通,促进经济发展,缩小城乡差距。
现有的选址方法大多是针对快递配送中心的选址,且其更加偏向于模型和求解算法。此类方法虽然能够在理论层面找到最优解,但是往往假设条件过多,对于农村快递配送网点选址的契合度较弱。并且每一个快递配送点(行政村)都是潜在的配送中心选址点,若前期不进行筛选而直接采用优化算法进行选址将会大大降低算法效率和计算结果可用度。
发明内容
针对上述问题,本发明提出一种基于多层筛选策略的农村快递配送中心选址方法,具体包括以下步骤:
S1、初始化农村快递配送点集合B和农村快读配送中心可选点集合A0;
S2、基于道路交通网络图中各节点的道路通达性和人口数量,筛选农村快递配送中心可选点集合A0中的元素,得到第一可选集A1;
S3、基于农村快递配送中心建设成本,从第一可选集A1中筛选配送中心可选点,得到第二可选集A2;
S4、基于配送中心到农村各配送点间的道路运输成本,从第二可选集A2中筛选配送中心可选点,得到第三可选集A3;
S5、建立以总成本最小为目标函数的快递配送中心选址优化模型;
S6、基于遗传算法,并以目标函数的倒数作为适应度函数,从第三可选集A3中选出α个快递配送中心选址点,并得到所选快递服务中心所服务的客户点。
进一步的,农村快递配送点集合B由各行政村的快递服务点组成,若选址范围内有m个行政村,则集合B包含m个快递配送点;初始时,农村快递配送中心可选点的集合A0=B。
进一步的,步骤S2包括:将快递配送中心可选集A0中的可选点按照所对应路网图中的节点度的大小进行降序排列,本发明中节点度指路网中与之相连的道路的条数,当节点度大小相同时,依据节点所在地的人口数量进行排序,并且筛选出前α1个可选点,得到第一可选集A1。
进一步的,基于农村快递配送中心建设成本,从第一可选集A1中筛选配送中心可选点,得到第二可选集A2的过程,即计算第一可选集A1中可选点i作为快递配送中心时的建设成本bi按升序排序,筛选前α2个可选点,得到配送中心的第二可选集A2,可选点i作为快递配送中心时的建设成本bi表示为:
bi=p*si*(di*β1+ei*β2);
其中,p为城镇中心房价;si为农村快递配送中心建设面积;di为配送中心i的距离系数;β1为距离因素权重,可由决策者根据偏好确定,或者通过第一可选集A1中可选点i与城镇中心的距离和所有可选点与城镇中心距离的总和之比来确定,本发明不对该权重作具体限定,本领域技术人员可以根据实际情况基于现有的权重选取方式确定该权重;ei为配送中心i的经济系数;β2为经济因素权重,由决策者根据偏好确定,或者根据当地政府关于公布的“集体建设征用地使用权土地级别和基准地价的通知”文件,通过可选点i的土地基价与第一可选集A1中所有可选点土地基价总和之比来确定,本发明不对该权重进行具体限定,本领域技术人员可以根据实际情况对该权重进行限定,例如以政府发布的当年税收分布等经济因素作为参考设置该权重。
进一步的,基于配送中心到农村各配送点间的道路运输成本,从第二可选集A2中筛选配送中心可选点,得到第三可选集A3包括:
根据第二可选集A2刻画快递配送网络图,并计算各快递配送中心可选点至各快递配送点间的最短运输距离dij;
预估各快递配送点的日快递配送量;
计算第二可选集A2中配送中心可选点i向快递配送点j提供服务而产生的快递运输成本ct=dij*f*qj;
将根据第二可选集A2中的元素计算出的运输成本ct按升序排序,筛选前α3个可选点,得到配送中心的第三可选集A3;
其中,f为最短运输距离dij对应的费率值;qj为递配送点j的日快递配送量。
进一步的,根据第二可选集A2刻画快递配送网络图,即在地图上标识快递配送点和配送中心可选点,用道路测距功能得到各点间道路运输距离,刻画农村快递配送网络图;计算各快递配送中心可选点至各快递配送点间的最短运输距离dij,即根据农村快递配送网络图,使用迪杰斯特拉算法得出可选点i到配送点j间的最短运输距离dij。
进一步的,预估各快递配送点的日快递配送量包括:
根据最短运输距离dij查询货车运输此距离所对应的费率值f;
查询各快递配送点对应行政村的人数pi、当地近一年的人均快递使用量u及每件快递平均重量w,计算快递配送点i的日配送量
进一步的,建立以总成本最小为目标函数的快递配送中心选址优化模型包括:
约束条件:
其中,F为目标函数;α3为第三可选集A3中节点的数量;m为集合B中快递配送点个数;f为最短运输距离dij对应的费率值;dij为配送中心i与配送点j之间的最短运输距离;qj为配送点j的日快递配送量;xij表示配送中心i是否服务配送点j;p为城镇中心房价;si为农村快递配送中心建设面积;di为配送中心i与城镇中心的距离;β1为距离因素权重;ei为配送中心i的经济系数;β2为经济因素权重;yi表示是否选择配送中心i;vi为配送中心i的容量。
进一步的,基于遗传算法从第三可选集A3中选出α个快递配送中心选址点的过程包括:
101、采用自然数编码,随机生成长度为α3+m的自然数串,1~α3代表配送中心,(α3+1)~(α3+m)代表配送点,根据数字对应关系解码得到配送中心选址方案;
102、随机生成N个长度为α3+m的自然数串,作为初始种群;
103、以目标函数的倒数作为适应度函数,计算适应度值并以此作为群体的评价;
104、对群体中的个体采用带自适应的交叉算子进行交叉操作,交叉概率为0.95;采用带自适应的变异算子进行变异操作,变异概率为0.05;
105、将经过交叉操作和变异操作的个体通过轮盘赌进行选择,选择的个体构成新群体,判断是否达到最大迭代次数,若达到则输出当前群体,否则返回步骤103。
进一步的,根据数字对应关系解码得到配送中心选址方案,即若数字为配送中心,且其后数字为配送点,则代表该配送中心服务其后所有数字表示的配送点;若即若数字为配送中心,且其后数字也为配送中心,则表示无配送点选择该配送中心。
本发明基于快递配送中心可选点路网分布情况,结合当地经济水平,提出多层筛选策略下的农村快递配送中心选址方法,较更加偏向于模型和方法的现有快递配送中心选址策略,本发明对于农村快递中心的选址应用契合度更高,对农村快递中心的选址具有一定的参考价值。
附图说明
图1为本发明一种基于多层筛选策略的农村快递配送中心选址方法流程图;
图2为本发明中基于遗传算法选择配送点和配送中心的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提出一种基于多层筛选策略的农村快递配送中心选址方法,包括以下步骤:
S1、初始化农村快递配送点集合B和农村快读配送中心可选点集合A0;
S2、基于道路交通网络图中各节点的道路通达性和人口数量,筛选农村快递配送中心可选点集合A0中的元素,得到第一可选集A1;
S3、基于农村快递配送中心建设成本,从第一可选集A1中筛选配送中心可选点,得到第二可选集A2;
S4、基于配送中心到农村各配送点间的道路运输成本,从第二可选集A2中筛选配送中心可选点,得到第三可选集A3;
S5、建立以总成本最小为目标函数的快递配送中心选址优化模型;
S6、基于遗传算法,并以目标函数的倒数作为适应度函数,从第三可选集A3中选出α个快递配送中心选址点,并得到所选快递服务中心所服务的客户点。
在本实施例中,如图1,一种基于多层筛选策略的农村快递配送中心选址方法,包括以下步骤:
1.初始化农村快递配送点集合B和农村快递配送中心可选点的集合A0。其中,农村快递配送点集合B由各行政村的快递服务点组成,若选址范围内有m个行政村,则集合B包含m个快递配送点;初始时,农村快递配送中心可选点的集合A0=B。
2.基于道路交通网络图中各节点的道路通达性和人口数量,筛选农村快递配送中心可选点集合A0中的元素,得到第一可选集A1。除了所在配送点的人口数量多少外,农村快递配送中心所在地的道路通达性对于提升客户服务水平和降低企业运营成本也具有重要影响。可选点的道路通达性以道路交通网络图中所对应节点的度来表示,具体指路网中与之相连的道路条数。道路网络中可选点的度越大,其道路通达性越好。具体操作为:将快递配送中心可选集A0中的可选点按照所对应路网图中的节点度的大小进行降序排列,当节点度大小相同时,依据节点所在地的人口数量进行排序,并且筛选出前α1个可选点,得到第一可选集A1。
3.基于农村快递配送中心建设成本,从第一可选集A1中筛选配送中心可选点,得到第二可选集A2。农村快递配送中心建设成本的主要影响因素是土地价格,土地价格可根据配送中心可选点与城镇中心的距离和当地的经济水平等两个因素确定。
3.1确定第一可选集A1中各可选点的距离系数dj。将当地政府所在地作为城镇中心,使用测距工具得出每个快递配送中心可选点与城镇中心的距离,分阶梯确定距离系数dj,j∈A1。
3.2确定第一可选集A1中各可选点的经济系数ej。查询当地最近三年的统计年鉴,得到城镇中心居民年人均可支配收入r,以及各行政村年人均可支配收入ri,并计算可选点j的经济系数j∈A1。
3.3确定距离因素和经济因素在土地价格计算中所占权重β1和β2。其取值可由决策者根据偏好确定,或者β1通过第一可选集A1中可选点i与城镇中心的距离和所有可选点与城镇中心距离的总和之比来确定,β2通过当地政府关于公布的“集体建设征用地使用权土地级别和基准地价的通知”文件,由可选点i的土地基价与第一可选集A1中所有可选点土地基价总和之比来确定。
3.4确定农村快递配送中心建设面积sj、城镇中心房价p和配送中心容量vj。其中sj、vj和p的单位分别是m2、元/m2和吨。
3.5计算第一可选集A1中可选点j作为快递配送中心时的建设成本bj:bj=p*sj*(dj*β1+ej*β2)。
3.6将根据第一可选集A1中的元素计算出的建设成本bj按升序排序,筛选前α2个可选点,得到配送中心的第二可选集A2。
4.基于配送中心到农村各配送点间的道路运输成本,从第二可选集A2中筛选配送中心可选点,得到第三可选集A3。配送中心到农村各配送点间的道路运输成本与运输距离和运输量直接相关。
4.1根据第二可选集A2刻画快递配送网络图,并计算各快递配送中心可选点至各快递配送点间的最短运输距离dij,i∈A2,j∈B。
4.1.1在地图上标识快递配送点和配送中心可选点,用道路测距功能得到各点间道路运输距离,刻画农村快递配送网络图。
4.1.2根据农村快递配送网络图,使用迪杰斯特拉算法得出可选点i到配送点j间的最短运输距离dij。
4.2预估各快递配送点的日快递配送量。
4.2.1根据步骤4.1中的最短运输距离dij查询货车运输此距离所对应的费率值f,单位:元/吨·公里。
4.2.2查询各快递配送点对应行政村的人数pi、当地近一年的人均快递使用量u及每件快递平均重量w,计算快递配送点i的日配送量
4.3计算第二可选集A2中配送中心可选点i向快递配送点j提供服务而产生的快递运输成本ct=dij*f*qj。
4.4将根据第二可选集A2中的元素计算出的运输成本ct按升序排序,筛选前α3个可选点,得到配送中心的第三可选集A3。
5.建立以总成本最小为目标函数的快递配送中心选址优化模型。其中,总成本由配送中心建设成本、配送中心向各配送点提供服务产生的运输成本两部分构成。
5.1模型的目标函数为:
5.2模型的约束条件有:
(1)各快递配送中心容量须满足需求:
(2)一个快递配送点只由一个快递配送中心服务:
(3)配送中心选址地总数限制:
(4)被选择的配送中心,一定会提供服务:
(5)没有选择的配送中心不会提供服务:
(6)
(7)
6.遗传算法进行最终的农村快递配送中心选址计算,从第三可选集A3中选出α个快递配送中心选址点,并得到所选快递服务中心所服务的客户点。由于本发明在每个行政村都选取了一个快递配送点,所涉及的快递配送点数量巨大,并且每一个快递配送点都是潜在的配送中心选址点。若直接采用优化算法进行选址将会大大降低算法效率,并且所得到的选址地可能不满足实际需要。因此,为提升计算效率和准确度,首先从大量数据中多次筛选少量可选点得到第三可选集A3,然后采用遗传算法从第三可选集A3中选出α个快递配送中心选址点(α1>α2>α3>α)。
6.1采用自然数编码,随机生成长度为α3+m的自然数串。1~α3代表配送中心,(α3+1)~(α3+m)代表配送点,根据数字对应关系解码得到配送中心选址方案。若1~2代表配送中心,3~6代表配送点,则数串“1 3 6 2 4 5”表示配送中心1服务配送点3和6,配送中心2服务配送点4和5;数串“1 2 3 4 5 6”则表示不选择配送中心1,由配送中心2服务配送点2、3、4、5、6。
6.2生成种群规模为N的初始种群。随机生成N个长度为α3+m的自然数串,作为初始种群。
6.3以目标函数的倒数作为适应度函数。
6.4采用带自适应的交叉算子进行交叉操作。交叉概率为0.95。
6.5采用带自适应的变异算子进行变异操作。变异概率为0.05。
6.6采用赌轮盘法进行选择操作。
本实施例以C市F县为例,进行农村快递配送中心选址具体包括以下步骤:
1.初始化农村快递配送点集合B和农村快递配送中心可选点的集合A0。其中,农村快递配送点集合B由各行政村的快递服务点组成,F县辖区内有314个行政村,则集合B中有m=314个快递配送点。初始时,农村快递配送中心可选点的集合A0=B。
2.基于道路交通网络图中各节点的道路通达性和人口数量,筛选农村快递配送中心可选点集合A0中的元素,得到第一可选集A1。将快递配送中心可选集A0中的可选点按照所对应道路网网络图的节点度的大小进行降序排列,当节点度大小相同时,依据节点所在地的人口数量进行排序,并且筛选出前192个可选点,得到第一可选集A1。
3.基于农村快递配送中心建设成本,从第一可选集A1中筛选配送中心可选点,得到第二可选集A2。
3.1确定第一可选集A1中各可选点的距离系数dj。将当地政府所在地作为城镇中心,使用测距工具得出每个快递配送中心可选点与城镇中心的距离,分阶梯确定距离系数dj,j∈A1。
3.2确定第一可选集A1中各可选点的经济系数ej。查询当地最近三年的统计年鉴,得到城镇中心居民的年人均可支配收入r,以及各行政村年人均可支配收入ri,并计算可选点j的经济系数ej:j∈A1。
3.3确定距离因素和经济因素在土地价格计算中所占权重。根据决策者偏好赋值距离因素权重β1=0.6和经济因素权重重β2=0.4。
3.4确定每个快递配送中心建设面积s=2000m2、容量v=150吨。查询到城镇中心的房价p=5000元/m2。
3.5计算第一可选集A1中可选点j作为快递配送中心时的建设成本:bj=p*sj*(dj*β1+ej*β2)。
3.6将根据第一可选集A1中的元素计算出的建设成本bj按升序排序,筛选前116个可选点,得到配送中心的第二可选集A2。
4.基于配送中心到农村各配送点间的道路运输成本,从第二可选集A2中筛选配送中心可选点,得到第三可选集A3。配送中心到农村各配送点间的道路运输成本与运输距离和运输量直接相关。
4.1根据第二可选集A2刻画快递配送网络图,并计算各快递配送中心可选点至各快递配送点间的最短运输距离dij,i∈A2,j∈B。
4.1.1在地图上标识快递配送点和配送中心可选点,用道路测距功能得到各点间道路运输距离,刻画农村快递配送网络图。
4.1.2根据农村快递配送网络图,使用迪杰斯特拉算法得出可选点i到配送点j间的最短运输距离dij。
4.2预估各快递配送点的日快递配送量。
4.2.1根据步骤4.1中的最短运输距离dij查询货车运输此距离所对应的费率值f,单位:元/吨·公里。
4.2.2查询各快递配送点对应行政村的人数pi、当地近一年的人均快递使用量u及每件快递平均重量w,计算快递配送点i的日配送量
4.3计算第二可选集A2中配送中心可选点i向快递配送点j提供服务而产生的快递运输成本:ct=dij*f*qj。
4.4将根据第二可选集A2中的元素计算出的运输成本ct按升序排序,筛选前30个可选点,得到配送中心的第三可选集A3。
5.建立以总成本最小为目标函数的快递配送中心选址优化模型。其中,总成本由配送中心建设成本、配送中心向各配送点提供服务产生的运输成本两部分构成。
5.1模型的目标函数为:
5.2模型的约束条件有:
(1)各快递配送中心容量须满足需求:
(2)一个快递配送点只由一个快递配送中心服务:
(3)配送中心选址地总数限制:
(4)被选择的配送中心,必须提供服务:
(5)没有选择的配送中心不会提供服务:
(6)
(7)
6.如图2,遗传算法进行最终的农村快递配送中心选址计算,从第三可选集A3中选出α=2个配送中心选址点(α1>α2>α3>α)。
6.1采用自然数编码,随机生成长度为30+314=344的自然数串。1~30代表配送中心,31~344代表配送点,根据数字对应关系解码得到配送中心选址方案。若1~2代表配送中心,3~6代表配送点,数串“1 3 6 2 4 5”表示选择配送中心1服务配送点3和6,配送中心2服务配送点4和5;数串“1 2 3 4 5 6”则表示不选择配送中心1,由配送中心2服务配送点2、3、4、5、6。
6.2生成种群规模为N的初始种群。随机生成1000个长度为344的自然数串,作为初始种群。
6.3以目标函数的倒数作为适应度函数。
6.4采用带自适应的交叉算子进行交叉操作,交叉概率为0.95。
6.5采用带自适应的变异算子进行变异操作,变异概率为0.05。
6.6采用赌轮盘法进行选择操作。
设置算法的终止条件为种群迭代到1000代时停止,得到最终的快递配送中心选址方案为:选择两个配送中心可选点作为配送中心,这两个可选点分别是东溪村和阳北村。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.一种基于多层筛选策略的农村快递配送中心选址方法,其特征在于,包括以下步骤:
S1、初始化农村快递配送点集合B和农村快递配送中心可选点集合A0;
S2、基于道路交通网络图中各节点的道路通达性和人口数量,筛选农村快递配送中心可选点集合A0中的元素,得到第一可选集A1;
S3、基于农村快递配送中心建设成本,从第一可选集A1中筛选配送中心可选点,得到第二可选集A2;
S4、基于配送中心到农村各配送点间的道路运输成本,从第二可选集A2中筛选配送中心可选点,得到第三可选集A3,具体包括以下步骤:
根据第二可选集A2刻画快递配送网络图,即在地图上标识快递配送点和配送中心可选点,用道路测距功能得到各点间道路运输距离,刻画农村快递配送网络图;并计算各快递配送中心可选点至各快递配送点间的最短运输距离dij,即根据农村快递配送网络图,使用迪杰斯特拉算法得出可选点i到配送点j间的最短运输距离dij;
预估各快递配送点的日快递配送量,包括:
根据最短运输距离dij查询货车运输此距离所对应的费率值f;
查询各快递配送点对应行政村的人数pi、当地近一年的人均快递使用量u及每件快递平均重量w,计算快递配送点i的日配送量
计算第二可选集A2中配送中心可选点i向快递配送点j提供服务而产生的快递运输成本ct=dij*f*qj;
将根据第二可选A2中的元素计算出的运输成本ct按升序排序,筛选前α3个可选点,得到配送中心的第三可选集A3;
其中,f为最短运输距离dij对应的费率值;qj为递配送点j的日快递配送量;
S5、建立以总成本最小为目标函数的快递配送中心选址优化模型,表示为:
约束条件:
其中,F为目标函数;α3为第三可选集A3中节点的数量;m为集合B中快递配送点个数;f为最短运输距离dij对应的费率值;dij为配送中心i与配送点j之间的最短运输距离;qj为配送点j的日快递配送量;xij表示配送中心i是否服务配送点j;p为城镇中心房价;si为农村快递配送中心建设面积;di为配送中心i的距离系数;β1为距离因素权重;ei为配送中心i的经济系数;β2为经济因素权重;yi表示是否选择配送中心i;vi为配送中心i的容量;
S6、基于遗传算法,并以目标函数的倒数作为适应度函数,从第三可选集A3中选出α个快递配送中心选址点,并得到所选快递服务中心所服务的客户点,具体包括:
101、采用自然数编码,随机生成长度为α3+m的自然数串,1~α3代表配送中心,(α3+1)~(α3+m)代表配送点,根据数字对应关系解码得到配送中心选址方案;
102、随机生成N个长度为α3+m的自然数串,作为初始种群;
103、以目标函数的倒数作为适应度函数,计算适应度值并以此作为群体的评价;
104、对群体中的个体采用带自适应的交叉算子进行交叉操作,交叉概率为0.95;采用带自适应的变异算子进行变异操作,变异概率为0.05;
105、将经过交叉操作和变异操作的个体通过轮盘赌进行选择,选择的个体构成新群体,判断是否达到最大迭代次数,若达到则输出当前群体,否则返回步骤103。
2.根据权利要求1所述的一种基于多层筛选策略的农村快递配送中心选址方法,其特征在于,农村快递配送点集合B由各行政村的快递服务点组成,若选址范围内有m个行政村,则集合B包含m个快递配送点;初始时,农村快递配送中心可选点的集合A0=B。
3.根据权利要求1所述的一种基于多层筛选策略的农村快递配送中心选址方法,其特征在于,步骤S2包括:将快递配送中心可选集A0中的可选点按照所对应路网图中的节点度的大小进行降序排列,当节点度大小相同时,依据节点所在地的人口数量进行排序,并且筛选出前α1个可选点,得到第一可选集A1。
4.根据权利要求1所述的一种基于多层筛选策略的农村快递配送中心选址方法,其特征在于,基于农村快递配送中心建设成本,从第一可选集A1中筛选配送中心可选点,得到第二可选集A2的过程,即计算第一可选集A1中可选点i作为快递配送中心时的建设成本bi按升序排序,筛选前α2个可选点,得到配送中心的第二可选集A2,可选点i作为快递配送中心时的建设成本bi表示为:
bi=p*si*(di*β1+ei*β2);
其中,p为城镇中心房价;si为农村快递配送中心建设面积;di为配送中心i的距离系数;β1为距离因素权重;ei为配送中心i的经济系数;β2为经济因素权重。
5.根据权利要求1所述的一种基于多层筛选策略的农村快递配送中心选址方法,其特征在于,根据数字对应关系解码得到配送中心选址方案,即若数字为配送中心,且其后数字为配送点,则代表该配送中心服务其后所有数字表示的配送点;若即若数字为配送中心,且其后数字也为配送中心,则表示无配送点选择该配送中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210068608.2A CN114418499B (zh) | 2022-01-20 | 2022-01-20 | 一种基于多层筛选策略的农村快递配送中心选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210068608.2A CN114418499B (zh) | 2022-01-20 | 2022-01-20 | 一种基于多层筛选策略的农村快递配送中心选址方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114418499A CN114418499A (zh) | 2022-04-29 |
CN114418499B true CN114418499B (zh) | 2024-06-18 |
Family
ID=81274868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210068608.2A Active CN114418499B (zh) | 2022-01-20 | 2022-01-20 | 一种基于多层筛选策略的农村快递配送中心选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114418499B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108985692A (zh) * | 2018-07-13 | 2018-12-11 | 南京邮电大学 | 一种农化产品的物流网络规划方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070055469A (ko) * | 2007-05-10 | 2007-05-30 | 이성렬 | 개미 알고리즘을 이용한 택배 배송 시스템 및 그 시스템에따른 택배 배송 최단경로 생성 방법 |
KR20110052054A (ko) * | 2009-11-12 | 2011-05-18 | 부산대학교 산학협력단 | 운송 물류 네트워크 관리 시스템 및 그 방법 |
CN106971282A (zh) * | 2016-01-14 | 2017-07-21 | 阿里巴巴集团控股有限公司 | 一种仓储方案有效性的确定方法和系统 |
CN108874801B (zh) * | 2017-05-09 | 2021-08-17 | 西安京迅递供应链科技有限公司 | 一种配送站选址的方法和装置 |
CN110555654A (zh) * | 2019-08-30 | 2019-12-10 | 广州大学 | 一种社区生鲜连锁店的物流配送中心选址方法及装置 |
CN111178582B (zh) * | 2019-11-29 | 2022-07-15 | 浙江工业大学 | 一种基于改进遗传算法的物流配送优化方法 |
CN113159686B (zh) * | 2021-04-27 | 2023-09-22 | 重庆邮电大学 | 考虑运输损耗和配送成本的冷链配送网络可靠性评估方法 |
-
2022
- 2022-01-20 CN CN202210068608.2A patent/CN114418499B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108985692A (zh) * | 2018-07-13 | 2018-12-11 | 南京邮电大学 | 一种农化产品的物流网络规划方法 |
Non-Patent Citations (1)
Title |
---|
基于生鲜前置仓的选址研究;衡欢乐;《万方数据》;20200615;1-91 * |
Also Published As
Publication number | Publication date |
---|---|
CN114418499A (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rekha et al. | Accessibility analysis of health care facility using geospatial techniques | |
CN109299438B (zh) | 一种基于网约车数据的公共交通设施供给水平评价方法 | |
CN112990654B (zh) | 基于人口流动数据的城乡基础设施系统协同规划方法 | |
CN110909434B (zh) | 一种低碳导向下的城市公共交通干线网络设计方法 | |
CN108388970B (zh) | 一种基于gis的公交站点选址方法 | |
CN109522475A (zh) | 一种基于用户历史消费数据的商家推荐方法 | |
CN105528649A (zh) | 一种基于聚类和节约算法的路线优化推荐方法 | |
CN104636457B (zh) | 一种位置搜索认知的方法及装置 | |
CN106951981A (zh) | 一种车辆路径选择方法 | |
CN108717642B (zh) | 一种基于gis的城市商场选址方法 | |
CN108256969A (zh) | 一种公共自行车租赁点调度区域划分方法 | |
CN112966899A (zh) | 一种影响人口密度的城市公共服务设施建设决策方法 | |
Huang et al. | A GIS-based framework for bus network optimization using genetic algorithm | |
CN110222183A (zh) | 一种供电客户满意度评价模型的构建方法 | |
CN114418499B (zh) | 一种基于多层筛选策略的农村快递配送中心选址方法 | |
CN114154880A (zh) | 一种评价街道单元层面公共服务设施步行可达性的方法 | |
CN111008730B (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
CN109190816B (zh) | 一种基于gis的商品配送中心选址方法 | |
CN108717640B (zh) | 旅游信息的数据处理方法和电子设备 | |
US20120136691A1 (en) | System and method for managing postal delivery operation load | |
CN115759319B (zh) | 一种考虑职住分布的快递网点和中转站选址方法 | |
US20210150554A1 (en) | Systems and methods for electronically forming, clustering and managing a plurality of strategically plotted locations | |
TWI739372B (zh) | 不動產比較價格地理資訊評估方法及其系統 | |
CN116911680A (zh) | 一种城市旅游公交服务水平评价方法 | |
CN116756439B (zh) | 选址方法、装置、服务器和计算机可读存储介质 |
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 |