CN114596040A - 物流区域划分方法、装置、存储介质及电子设备 - Google Patents

物流区域划分方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN114596040A
CN114596040A CN202210496118.2A CN202210496118A CN114596040A CN 114596040 A CN114596040 A CN 114596040A CN 202210496118 A CN202210496118 A CN 202210496118A CN 114596040 A CN114596040 A CN 114596040A
Authority
CN
China
Prior art keywords
community
area
logistics
network
logistics area
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
Application number
CN202210496118.2A
Other languages
English (en)
Inventor
柳亚威
张振
姜泰旭
朱兴
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.)
Zhejiang Koubei Network Technology Co Ltd
Original Assignee
Zhejiang Koubei Network 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 Zhejiang Koubei Network Technology Co Ltd filed Critical Zhejiang Koubei Network Technology Co Ltd
Priority to CN202210496118.2A priority Critical patent/CN114596040A/zh
Publication of CN114596040A publication Critical patent/CN114596040A/zh
Pending legal-status Critical Current

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
    • G06Q10/08—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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0639—Item locations
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种物流区域划分方法、装置、存储介质及电子设备，用于对目标地区进行物流区域划分，包括：基于所述目标地区的地理信息和历史订单信息，确定出包括多个单元格的格网结构网络；根据所述格网结构网络，对所述目标地区进行社区发现，其中，在社区发现中以模块度最大化为目标，将社区关系紧密度高的单元格簇划分为一个物流区域。本申请方案可挖掘出配送关系最紧密的社区结构形成物流区域，实现商圈内配送关系最紧密，提高配送效率。

Description

物流区域划分方法、装置、存储介质及电子设备
技术领域
本申请涉及数据处理技术领域，尤其是涉及到一种物流区域划分方法、装置、存储介质及电子设备。
背景技术
随着社会的高速发展，外卖行业越来越发达，越来越多人选择外卖的方式来点餐、购物等。而外卖服务的区域化特征很明显，所以外卖平台往往进行区域化配送管理，即将城市划分为不同商圈，每个商圈可以理解是一块地理上的多边形、一群商户和一群骑手对应关系的地理区域，每个商圈内商户（商家）的订单由该商圈内的骑手负责。但实际情况是，经常有商圈之外用户的订单，这就势必需要骑手进行出圈配送，而且由于调度系统设定骑手只能取到所属商圈内商户订单，骑手出圈配送后无法接到商圈外的取餐任务，需要空驶返回，导致运力极大浪费。另外出圈配送也会出现路途远、路线不熟悉等情况，增加了配送难度，造成配送效率低下。而过大的商圈区域又会带来调度系统计算困难、骑手线路不熟悉程度高、管理难度增加等问题。
发明内容
有鉴于此，本申请提供了一种物流区域划分方法、装置、存储介质及电子设备，主要目的在于解决配送效率低下的问题。
依据本申请的一个方面，提供了一种物流区域划分方法，用于对目标地区进行物流区域划分，包括：基于所述目标地区的地理信息和历史订单信息，确定出包括多个单元格的格网结构网络；根据所述格网结构网络，对所述目标地区进行社区发现，其中，在社区发现中以模块度最大化为目标，将社区关系紧密度高的单元格簇划分为一个物流区域。
依据本申请的一个方面，提供了一种物流区域划分装置，用于对目标地区进行物流区域划分，包括：网络确定单元，用于基于所述目标地区的地理信息和历史订单信息，确定出包括多个单元格的格网结构网络；社区发现单元，用于根据所述格网结构网络，对所述目标地区进行社区发现，其中，在社区发现中以模块度最大化为目标，将社区关系紧密度高的单元格簇划分为一个物流区域。
依据本申请的一个方面，提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述物流区域划分方法。
依据本申请的一个方面，提供了一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述物流区域划分方法。
借由上述技术方案，本申请提供的一种物流区域划分方法、装置、存储介质及电子设备，本申请基于历史订单信息构建格网结构网络，再进一步基于社区发现算法对格网结构网络进行社区发现，从而挖掘出配送关系最紧密的社区结构形成物流区域，实现商圈内配送关系最紧密，极大地降低了整体的订单出圈率，提高配送效率。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示出了本申请实施例提供的一种物流区域划分方法示例一流程图；
图2示出了本申请实施例提供的单元格示意图；
图3示出了本申请实施例提供的格网结构网络示意图；
图4示出了本申请实施例提供的一种物流区域划分方法示例二流程图；
图5示出了本申请实施例提供的位于设备端的一种物流划分装置结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
当前外卖即时配送服务半径大约在三至五公里左右，服务的区域化特征很显著。由于即时配送时效要求高，而外卖餐饮客单价较低，三至五公里是在物流成本和服务质量都能得到满足的权衡结果。这样的服务区域化也造成了物流管理人员分工的区域化，无论是骑手还是站点管理人员都只需要负责一小块区域。当前即时配送最小的业务分工单元是商圈，每个商圈划到一块地，一群商户和一群骑手。
商圈（外卖商圈）可以定义为：是物流作业单元，也是地理范围，由业务人员划定，一个城市可以划分多个彼此无重复、无遗漏的商圈。它是供需协同的业务最小单元，以及物流业务管理维度统一的基础，划分商圈的目的在于对一定区域内外卖签约商户和代理商骑手的统一管理。
骑手的定义是：每个商圈内都有固定的团队骑士来服务于商圈内的商户，仅取送该商圈内的签约商户。
上述提到每个商圈是由一组商户簇落构成，并且每个商户只会隶属于一个商圈。每个商圈内部会有独立的配送团队，调度系统会保证这些独立团队只会负责对应商圈内商户的订单。所以商户与商圈之间的对应关系不仅影响了团队的配送边界和管理规模，也影响了调度系统的执行效率。
由于商户侧招商管理需要，每个城市被划分为一组不重叠不遗漏的基础网格。网格是除商户本身以外最小的运营单元，本质是地理上的一块多边形，目前全部网格由人工绘制。平台招募的代理商绑定网格制定价格后，负责配送网格内的商户运单，不仅如此，物流系统中各业务线的运作都依赖网格。所以当前的商圈调整可以被看成是一个网格的组合优化问题。
所谓商圈规划，就是将若干网格进行组合形成最优的网格组合方案。而目前网格的划分是基于路网信息人工绘制，未考虑区域内部业务的联系和紧密度，基于不合理的网格组合的商圈区域不能基于实际业务数据达到全局最优，大量订单需要出圈配送，造成骑手配送效率低下。
综上，在本申请实施例提供一种物流区域划分方法，通过挖掘配送关系紧密的社区结构，进行物流区域划分。
参见图1，为本申请实施例提供的一种物流区域划分方法，用于对目标地区进行物流区域划分，该包括如下步骤S101-S102。
S101：基于目标地区的地理信息和历史订单信息，确定出包括多个单元格的格网结构网络。
S102：根据格网结构网络，对目标地区进行社区发现，其中，在社区发现中以模块度最大化为目标，将社区关系紧密度高的单元格簇划分为一个物流区域。
其中，目标地区可以理解是待进行物流区域划分的一个地理区域，例如，是一个城市（市或县），或者城市的一个行政区等。
在S101中，建立用于对目标地区进行物流区域划分的基础网络，这个网络是基于地理及历史订单两方面考虑来实现的。在一种实现方式中，该网络是基于全球离散格网结构的网络。全球离散格网，是一种新型全球建模解决方案，它借助特定方法将全球剖分成无缝无重叠，分层多分辨率的格网结构，并对格网进行统一编码。
在一种实现方式中，S101可以包括如下步骤：
S101-1：基于目标地区的地理信息，将目标地区分割成数个等边长、无重叠、无间隙的单元格，每个单元格作为网络结构的节点。
例如，基于全球离散格网技术，将城市分割成无数个等边长、无重叠、无间隙，并进行了统一编码的六边形单元格，每个单元格作为一个网络节点。
S101-2：基于目标地区的历史订单信息，确定每条订单中的商户信息与用户信息，并将商户信息、用户信息与单元格围栏边界进行判定，得到网格结构的边。
本申请实施例中，商户信息是指包括商户地理坐标的信息，用户信息是指包括用户地理坐标的信息。例如，每个订单都包含商户信息（O端）和用户信息(D端)，从商户到用户，每个订单就是一条配送线路。根据O端坐标点及D端坐标点，与各单元格围栏边界进行判断，将订单落到各单元格，O端和D端可能落在一个单元格，或者落在不同单元格，通过这层关系就建立了单元格与单元格之间的关系，作为网络的边。
S101-3：根据一段时间的订单数据，统计各个节点之间的权重。
例如，统计一个月的订单数据，根据O端和D端落到单元格的情况，统计单元格与单元格之间的订单量作为边的权重。
参见图2和图3，分别示出了单元格示意图及格网结构网络示意图。为了简化理解，仅以四个单元格为例进行说明。图2中，示出了单元格A、B、C、D，各个单元格是无重叠、无间隙的六边形。可见，这四个单元格在地理空间上是无缝隙不重叠的四个区域。现假设，通过历史订单数据，统计出一段时间内各个单元格之间订单的关系，例如，一条订单1，其O端（O1）落在单元格A中，其D端（D1）落在单元格B中，另一条订单2，其O端（O2）落在单元格B中，其D端（D2）落在单元格C中，另一条订单3，其O端（O3）落在单元格A中，其D端（D3）落在单元格C中，另一条订单4，其O端（O4）和D端（D4）均落在单元格D中。由此，确定出单元格之间的关系。由于每个单元格作为一个节点，因此可以得到如图3所示的格网结构网络，即节点A-B-C之间由于订单落在它们之间而确定出这三个节点具有连接关系，即连接A-B、B-C、A-C构成边，而节点D与他们没有连接关系。
可以理解上述图2-3仅仅是为了示例性说明，实际情况下，往往存在成千上万的节点，节点之间的关系也是非常复杂的。
在完成上述S101步骤之后，即建立了格网结构的网络，由于该网络是基于地理信息与历史订单数据建立的，也就是相对于现有方案仅仅依据地理信息建立的网络，考虑了订单中商户与用户之间的关系，即节点之间的关系体现了商户与用户的紧密度。该网络为下一步社区发现提供了基础。
在S102中，根据格网结构网络，对目标地区进行社区发现，其中，在社区发现中以模块度最大化为目标，将社区关系紧密度高的单元格簇划分为一个物流区域。其中，单元格簇是指包括多个单元格的簇，例如每簇包括500个单元格。
本领域技术人员可以理解，在社交网络中，用户相当于每一个点，用户之间通过互相的关注关系构成了整个网络的结构。在这样的网络中，有的用户之间的连接较为紧密，有的用户之间的连接关系较为稀疏。其中连接较为紧密的部分可以被看成一个社区，其内部的节点之间有较为紧密的连接，而在两个社区间则连接相对较为稀疏。
社区的节点间可以称为网络拓扑结构，即节点间存在一种共有关系，是存在拓扑连接结构的。在社区结构中，节点之间没有什么空间位置的概念。存在共有关系的节点在逻辑上会聚集为一个社区，而社区之间不存在或者存在很弱的共有关系，则呈现分离的逻辑拓扑结构。区别于空间结构，社区中的节点是因为逻辑上的共有关系而聚集在一起，彼此之间的位置没有实际意义，而社区族群之间的分离也是表达一种逻辑上的弱共有关系。
在S101建立的格网结构网络中，节点之间的关系是依靠用户与商户之间的紧密度建立的。继而，再对该格网结构网络中的各个节点的逻辑拓扑结构进行学习，进一步确定那些关系较为紧密的节点（单元格）作为一个社区，从而将这些关系紧密的单元格确定为一个物流区域（配送区域）。
社区发现（图聚类）算法包括但不限于：Measuring Algorithm、ComponentsAlgorithm、Label Propagation Algorithm、Louvain Modularity Algorithm等。模块度是描述社区内紧密程度的值，是评估一个社区网络划分好坏的度量方法，它的物理含义是网络中社区结构内部节点的边的数量与在同样的社团结构下随机连接两个节点的比例的期望值之差，或者是社区内节点的连边的权重之和与随机情况下的连边的权重之和的差距，它的取值范围是 [-1, 1]，若所有的节点都被划分到一个社区内部，则此时模块度为1，若所有的节点各自为一个社区，则模块度为-1。
其中Louvain算法是一种基于模块度的多层次（逐轮启发式迭代）优化Modularity的算法。该算法在效率和效果上均表现较好，是目前社区发现算法中计算速度最快的算法，并且能够发现层次性的社区结构，其优化目标是最大化整个社区网络的模块度，即让整个社区网络呈现出一种模块聚集的结构。通过模块度可以刻画划分的优劣，模块度越大，则社区划分的效果越好。
本申请实施例以Louvain算法为例子对社区发现过程进行示例性说明。
S102中“根据格网结构网络对目标地区进行社区发现”，具体可以包括模块度最大化计算过程和社区聚类过程，直至社区发现的网络结构不再发生变化或迭代次数达到迭代次数阈值，则停止社区发现。
S102-1：模块度最大化计算过程。
每个原始节点都看出一个独立的社区，社区内的连边权重为0，Louvain算法扫描数据中所有节点，针对每个节点遍历该节点的所有邻居节点，衡量把该节点加入其邻居节点所在的社区所带来的模块度的收益，并选择对应最大收益的邻居节点，加入其所在的社区。这一过程重复进行直到每一个节点的社区归属都不再发生变化。
S102-2：社区聚类过程。
对S102-1中形成的社区进行折叠，把每个社区折叠成一个单点，分别计算这些新生成的社区点之间的连边权重，以及社区内的所有节点之间的连边权重之和，用于下一轮的步骤S102-1。重复这一过程，直至网络中的结构不再发生改变为止。
需要说明的是，Louvain算法是一个迭代算法，每一轮迭代都会产生一个当前局部最优的社区结构，所以理论上，假如算法迭代了5次，则可以得到5个不同粒度层次的社区结构，从业务角度上，可以根据实际需求灵活设定迭代次数阈值。
基于模块度的社区发现算法，都是以最大化模块度为目标。可以看出，这种方式支持通过策略优化，去不断构造出一个内部聚集、外部稀疏连接的社区结构。在一轮迭代后，若整个模块度没有变化（变化小于变化阈值），则停止迭代，否则继续迭代，直至收敛。
至此，本申请实施例实现了基于外卖历史订单数据，采用图聚类算法对物流服务区域进行智能区域划分，挖掘出配送关系最紧密的社区结构形成物流区域（商圈区域），实现商圈内配送关系最紧密，极大地降低了订单出圈率，提高配送效率。
另外，在构建格网结构网络时，通过历史订单信息确定出网络节点的边以及权重的方式，可使商圈区域内的OD线路（OD线路是骑手的运力跑动起终点）尽量聚集，从而提升骑手运力跑动聚集密度。
参见图4，为本申请实施例提供的一种物流区域划分方法示例二流程图。
以Louvain算法为例，是以模块度最大为目标函数进行社区划分，往往会对大社区有偏好，追求数据表现最优。但追求数据表现最优得到的社区（商圈）如果过大的话，在业务上会给商户和骑手带来效率和管理上的问题，不能达到业务表现最优。
因此，与图1所示示例一的区别在于，本示例在社区发现出物流区域之后，进一步确定该物流区域是否需要进一步拆分。图4所示流程图包括如下步骤S401-S405。
S401：建立格网结构网络。
S402：对格网结构网络进行社区发现，划分出多个单元格簇作为各个物流区域。
步骤S401可参见前述S101的相关说明，步骤S402可参见前述S102的相关说明，此处不赘述。
S403：判断每个物流区域是否为过大物流区域，若是，执行S404，否则执行S405。
其中，步骤S403具体可以为：根据预先设置的区域阈值，判断物流区域是否为过大物流区域。其中，区域阈值是指预先设定的用以表示最大区域的指标，例如通过设定区域面积或/和订单量规模值等数据设定区域阈值。
S404：对过大物流区域进行拆分，并返回S403再次确认，直至拆分后的物流区域不是过大物流区域。
例如，可以采用聚类算法（例如Kmeans算法）对过大物流区域进行拆分。
步骤S404具体可以为：
S404-1：针对过大物流区域，确定出至少两个质心；
S404-2：针对过大物流区域的单元格簇，计算每个单元格与每个质心的欧氏距离；
S404-3：根据欧式距离，将单元格再划分为至少两簇，从而将过大物流区域拆分为至少两个物流区域。
例如，若对于一个包括500个单元格的单元格簇，通过步骤S403已经确定这个500单元格簇为过大物流区域，则，针对这500个单元格，首先指定2个分组，然后从500个单元格中随机取出2个作为初始聚类质心，然后分别计算这500个单元格每个单元格到两个质心的欧式距离，将距离质心1近的单元格划分为一簇，将距离质心2近的其他单元格划分为另一簇，确定出两个区域：区域1和区域2。然后基于两个区域中单元格，以累计产单量占比作为权重重新计算两个加权质心，并重新将500个单元格按照距离质心距离进行二分，生成新的两个区域。然后再次计算两个质心……，上述过程不断迭代，直至达到设定的停止条件，区域划分结果收敛，将500个单元格划分为稳定的两个簇。至此，实现了将过大物流区域进行拆分的目的。
S405：确定满足区域阈值的物流区域。
可见，在该示例中，为了应对物流区域过大造成业务不优的问题，对上述物流区域划分进行优化，提出物流区域两层划分的实现方式，首先采取社区发现算法输出商圈内核作为物流区域第一层划分，然后对各商圈内核的面积、单量规模加判断逻辑，设定阈值，如果超出阈值则视为超大商圈并采用聚类算法进行再次划分，并不断循环迭代，直到所有社区均符合条件，这一步作为物流区域第二层划分。这种两层划分物流区域的方案，可使划分的每个物流区域都在实际应用中达到最优的配送效率。请参见图5，示出了本申请实施例提供的一种物流区域划分装置结构示意图。该装置用于对目标地区进行物流区域划分，包括：
网络确定单元501，用于基于目标地区的地理信息和历史订单信息，确定出包括多个单元格的格网结构网络；
社区发现单元502，用于根据格网结构网络，对目标地区进行社区发现，其中，在社区发现中以模块度最大化为目标，将社区关系紧密度高的单元格簇划分为一个物流区域。
在一种实现方式中，网络确定单元501包括：
节点确定子单元5011，用于基于所述目标地区的地理信息，将所述目标地区分割成数个等边长、无重叠、无间隙的单元格，每个单元格作为网络结构的节点；
边确定子单元5012，用于基于所述目标地区的历史订单信息，确定每条订单中的商户信息与用户信息，并将所述商户信息、所述用户信息与单元格围栏边界进行判定，得到网格结构的边；
权重确定子单元5013，用于根据一段时间的订单数据，统计各个节点之间的权重。
在一种实现方式中，社区发现单元502包括：
模块度计算子单元5021，用于基于格网结构网络的数据，利用社区发现算法进行模块度最大化计算过程；
社区聚类子单元5022，用于基于格网结构网络的数据，利用社区发现算法进行社区聚类过程；
迭代停止子单元5023，用于确定社区发现的网络结构不再发生变化或迭代次数达到迭代次数阈值时，停止社区发现过程。
在一种实现方式中：
所述模块度计算子单元5021具体用于，针对当前节点遍历所有邻居节点，计算把当前节点加入其邻居节点所在的社区所带来的模块度的收益，并选择对应最大收益的邻居节点，加入当前节点所在的社区；
所述社区聚类子单元5022具体用于，将每个社区折叠成一个单点，分别计算社区点之间的连边权重，以及社区内的所有节点之间的连边权重之和，用于下一轮模块度最大化计算过程。
在一种实现方式中，该装置还包括：
判断单元503，用于根据预先设置的区域阈值，判断所述物流区域是否为过大物流区域；
拆分单元504，根据聚类算法拆分所述过大物流区域，得到满足区域阈值的物流区域。
在一种实现方式中，拆分单元504包括：
质心确定子单元5041，用于针对所述过大物流区域，确定出至少两个质心；
距离计算子单元5042，用于针对所述过大物流区域的单元格簇，计算每个单元格与每个质心的欧氏距离；
拆分执行子单元5043，用于根据欧式距离，将单元格再划分为至少两簇，从而将所述过大物流区域拆分为至少两个物流区域；
所述判断单元503还用于，判断拆分得到的物流区域是否仍为过大物流区域，若是，启动所述拆分单元继续拆分，直至得到满足区域阈值的物流区域。
在一种实现方式中，所述区域阈值通过区域面积或/和订单量规模值进行设定。
本申请的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
（1）基于目标地区的地理信息和历史订单信息，确定出包括多个单元格的格网结构网络；
（2）根据格网结构网络，对目标地区进行社区发现，其中，在社区发现中以模块度最大化为目标，将社区关系紧密度高的单元格簇划分为一个物流区域。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器（Read-Only Memory，简称为ROM）、随机存取存储器（Random Access Memory，简称为RAM）、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本申请的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
A：基于目标地区的地理信息和历史订单信息，确定出包括多个单元格的格网结构网络；
B：根据格网结构网络，对目标地区进行社区发现，其中，在社区发现中以模块度最大化为目标，将社区关系紧密度高的单元格簇划分为一个物流区域。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
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。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (16)

1.一种物流区域划分方法，其特征在于，用于对目标地区进行物流区域划分，包括：
基于所述目标地区的地理信息和历史订单信息，确定出包括多个单元格的格网结构网络；
根据所述格网结构网络，对所述目标地区进行社区发现，其中，在社区发现中以模块度最大化为目标，将社区关系紧密度高的单元格簇划分为一个物流区域。
2.根据权利要求1所述的方法，其特征在于，所述基于所述目标地区的地理信息和历史订单信息，确定出包括多个单元格的格网结构网络，包括：
基于所述目标地区的地理信息，将所述目标地区分割成数个等边长、无重叠、无间隙的单元格，每个单元格作为网络结构的节点；
基于所述目标地区的历史订单信息，确定每条订单中的商户信息与用户信息，并将所述商户信息、所述用户信息与单元格围栏边界进行判定，得到网格结构的边；
根据一段时间的订单数据，统计各个节点之间的权重。
3.根据权利要求2所述的方法，其特征在于，所述根据所述格网结构网络，对所述目标地区进行社区发现，包括：
基于所述格网结构网络的数据，利用社区发现算法，迭代执行模块度最大化计算过程和社区聚类过程，直至社区发现的网络结构不再发生变化或迭代次数达到迭代次数阈值，则停止社区发现过程。
4.根据权利要求3所述的方法，其特征在于，
所述模块度最大化计算过程包括：针对当前节点遍历所有邻居节点，计算把当前节点加入其邻居节点所在的社区所带来的模块度的收益，并选择对应最大收益的邻居节点，加入当前节点所在的社区；
所述社区聚类过程包括：将每个社区折叠成一个单点，分别计算社区点之间的连边权重，以及社区内的所有节点之间的连边权重之和，用于下一轮模块度最大化计算过程。
5.根据权利要求1-4任一项所述的方法，其特征在于，在得到所述物流区域之后，还包括：
根据预先设置的区域阈值，判断所述物流区域是否为过大物流区域，若是，根据聚类算法拆分所述过大物流区域，得到满足区域阈值的物流区域。
6.根据权利要求5所述的方法，其特征在于，所述根据聚类算法拆分过大物流区域，得到满足区域阈值的物流区域，包括：
拆分步骤：针对所述过大物流区域，确定出至少两个质心；针对所述过大物流区域的单元格簇，计算每个单元格与每个质心的欧氏距离；根据欧式距离，将单元格再划分为至少两簇，从而将所述过大物流区域拆分为至少两个物流区域；
判断步骤：判断拆分得到的物流区域是否仍为过大物流区域，若是，再返回执行拆分步骤，直至拆分得到满足区域阈值的物流区域。
7.根据权利要求5所述的方法，其特征在于，所述区域阈值通过区域面积或/和订单量规模值进行设定。
8.一种物流区域划分装置，其特征在于，用于对目标地区进行物流区域划分，包括：
网络确定单元，用于基于所述目标地区的地理信息和历史订单信息，确定出包括多个单元格的格网结构网络；
社区发现单元，用于根据所述格网结构网络，对所述目标地区进行社区发现，其中，在社区发现中以模块度最大化为目标，将社区关系紧密度高的单元格簇划分为一个物流区域。
9.根据权利要求8所述的装置，其特征在于，所述网络确定单元包括：
节点确定子单元，用于基于所述目标地区的地理信息，将所述目标地区分割成数个等边长、无重叠、无间隙的单元格，每个单元格作为网络结构的节点；
边确定子单元，用于基于所述目标地区的历史订单信息，确定每条订单中的商户信息与用户信息，并将所述商户信息、所述用户信息与单元格围栏边界进行判定，得到网格结构的边；
权重确定子单元，用于根据一段时间的订单数据，统计各个节点之间的权重。
10.根据权利要求9所述的装置，其特征在于，所述社区发现单元包括：
模块度计算子单元，用于基于所述格网结构网络的数据，利用社区发现算法进行模块度最大化计算过程；
社区聚类子单元，用于基于所述格网结构网络的数据，利用社区发现算法进行社区聚类过程；
迭代停止子单元，用于确定社区发现的网络结构不再发生变化或迭代次数达到迭代次数阈值时，停止社区发现过程。
11.根据权利要求10所述的装置，其特征在于，
所述模块度计算子单元具体用于，针对当前节点遍历所有邻居节点，计算把当前节点加入其邻居节点所在的社区所带来的模块度的收益，并选择对应最大收益的邻居节点，加入当前节点所在的社区；
所述社区聚类子单元具体用于，将每个社区折叠成一个单点，分别计算社区点之间的连边权重，以及社区内的所有节点之间的连边权重之和，用于下一轮模块度最大化计算过程。
12.根据权利要求8-11任一项所述的装置，其特征在于，还包括：
判断单元，用于根据预先设置的区域阈值，判断所述物流区域是否为过大物流区域；
拆分单元，根据聚类算法拆分所述过大物流区域，得到满足区域阈值的物流区域。
13.根据权利要求12所述的装置，其特征在于，所述拆分单元包括：
质心确定子单元，用于针对所述过大物流区域，确定出至少两个质心；
距离计算子单元，用于针对所述过大物流区域的单元格簇，计算每个单元格与每个质心的欧氏距离；
拆分执行子单元，用于根据欧式距离，将单元格再划分为至少两簇，从而将所述过大物流区域拆分为至少两个物流区域；
所述判断单元还用于，判断拆分得到的物流区域是否仍为过大物流区域，若是，启动所述拆分单元继续拆分，直至得到满足区域阈值的物流区域。
14.根据权利要求12所述的装置，其特征在于，所述区域阈值通过区域面积或/和订单量规模值进行设定。
15.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至7任一项中所述的方法。
16.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7任一项中所述的方法。
CN202210496118.2A 2022-05-09 2022-05-09 物流区域划分方法、装置、存储介质及电子设备 Pending CN114596040A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210496118.2A CN114596040A (zh) 2022-05-09 2022-05-09 物流区域划分方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210496118.2A CN114596040A (zh) 2022-05-09 2022-05-09 物流区域划分方法、装置、存储介质及电子设备

Publications (1)

Publication Number Publication Date
CN114596040A true CN114596040A (zh) 2022-06-07

Family

ID=81821299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210496118.2A Pending CN114596040A (zh) 2022-05-09 2022-05-09 物流区域划分方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN114596040A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117252496A (zh) * 2023-03-09 2023-12-19 江苏齐博冷链科技有限公司 分区域智慧物流协调系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018055401A (ja) * 2016-09-29 2018-04-05 グローリー株式会社 物品配送システム及び物品配送方法
CN109003028A (zh) * 2018-07-17 2018-12-14 北京百度网讯科技有限公司 用于划分物流区域的方法和装置
CN109102334A (zh) * 2018-08-07 2018-12-28 长沙市到家悠享家政服务有限公司 商圈划分方法、装置及电子设备
CN109118265A (zh) * 2018-06-27 2019-01-01 阿里巴巴集团控股有限公司 商圈确定方法、装置和服务器
CN109711783A (zh) * 2018-12-28 2019-05-03 拉扎斯网络科技（上海）有限公司 配送范围的生成方法、装置、服务器及存储介质
CN110503353A (zh) * 2018-05-16 2019-11-26 北京三快在线科技有限公司 一种配送区域表达方法及装置
CN110705793A (zh) * 2019-10-08 2020-01-17 北京工商大学 一种社区结构下的生鲜电商仓库选址系统及方法
CN110751446A (zh) * 2019-10-25 2020-02-04 上海德启信息科技有限公司 派送区域划分方法、装置、电子设备及可读存储介质
CN111932318A (zh) * 2020-09-21 2020-11-13 腾讯科技（深圳）有限公司 区域划分方法、装置、电子设备及计算机可读存储介质
CN113822768A (zh) * 2020-12-29 2021-12-21 京东科技控股股份有限公司 社区网络的处理方法、装置、设备及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018055401A (ja) * 2016-09-29 2018-04-05 グローリー株式会社 物品配送システム及び物品配送方法
CN110503353A (zh) * 2018-05-16 2019-11-26 北京三快在线科技有限公司 一种配送区域表达方法及装置
CN109118265A (zh) * 2018-06-27 2019-01-01 阿里巴巴集团控股有限公司 商圈确定方法、装置和服务器
CN109003028A (zh) * 2018-07-17 2018-12-14 北京百度网讯科技有限公司 用于划分物流区域的方法和装置
CN109102334A (zh) * 2018-08-07 2018-12-28 长沙市到家悠享家政服务有限公司 商圈划分方法、装置及电子设备
CN109711783A (zh) * 2018-12-28 2019-05-03 拉扎斯网络科技（上海）有限公司 配送范围的生成方法、装置、服务器及存储介质
CN110705793A (zh) * 2019-10-08 2020-01-17 北京工商大学 一种社区结构下的生鲜电商仓库选址系统及方法
CN110751446A (zh) * 2019-10-25 2020-02-04 上海德启信息科技有限公司 派送区域划分方法、装置、电子设备及可读存储介质
CN111932318A (zh) * 2020-09-21 2020-11-13 腾讯科技（深圳）有限公司 区域划分方法、装置、电子设备及计算机可读存储介质
CN113822768A (zh) * 2020-12-29 2021-12-21 京东科技控股股份有限公司 社区网络的处理方法、装置、设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117252496A (zh) * 2023-03-09 2023-12-19 江苏齐博冷链科技有限公司 分区域智慧物流协调系统

Similar Documents

Publication Publication Date Title
CN107392412B (zh) 订单调度方法和装置
Ben Mohamed et al. Modelling and solution approaches for the interconnected city logistics
Constantino et al. The mixed capacitated arc routing problem with non-overlapping routes
Deng et al. A reactive GRASP with path relinking for capacitated clustering
Owen et al. Price and assortment optimization for reusable resources
EP2179385A2 (en) Routing methods for multiple geographical entities
Jarrah et al. Large-scale pickup and delivery work area design
CN114596040A (zh) 物流区域划分方法、装置、存储介质及电子设备
Mao et al. New approach for quality function deployment using linguistic Z-numbers and EDAS method
Yao et al. Evaluation and development of sustainable urban land use plans through spatial optimization
CN106992942A (zh) 一种基于资源负载与用户需求的sdn资源定价方法
Münter Germany’s polycentric metropolitan regions in the world city network
CN110533280A (zh) 一种电力市场的动态分区方法及系统
Lespay et al. Territory design for the multi-period vehicle routing problem with time windows
Shao-hong et al. Location algorithm of transfer stations based on density peak and outlier detection
Huang et al. A novel social event organization approach for diverse user choices
CN107155215B (zh) 一种应用归属服务集群的分配方法和装置
Zhang et al. Combining affinity propagation with differential evolution for three-echelon logistics distribution optimization
Sreelekshmi et al. Dynamic vehicle routing for solid waste management
Hua et al. Clusters and filling-curve-based storage assignment in a circuit board assembly kitting area
CN108665115A (zh) 调度优化方法和装置
Zhou et al. A domain‐of‐influence based pricing strategy for task assignment in crowdsourcing package delivery
Saleh et al. Mechanism design for decentralized vehicle routing problem
CN115619304A (zh) 一种基于聚类算法的物流节点选址规划方法
Wang Performance evaluation of international container ports in Taiwan and neighborhood area by weakness and strength indices of FMCDM

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220607