CN112541624A - 一种揽投网点的选址方法、装置、介质及电子设备 - Google Patents
一种揽投网点的选址方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN112541624A CN112541624A CN202011415088.5A CN202011415088A CN112541624A CN 112541624 A CN112541624 A CN 112541624A CN 202011415088 A CN202011415088 A CN 202011415088A CN 112541624 A CN112541624 A CN 112541624A
- Authority
- CN
- China
- Prior art keywords
- points
- candidate
- point
- determining
- selection
- 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
Links
- 238000005266 casting Methods 0.000 title claims abstract description 23
- 238000010187 selection method Methods 0.000 title claims abstract description 13
- 238000009826 distribution Methods 0.000 claims abstract description 115
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 238000012216 screening Methods 0.000 claims abstract description 20
- 238000003860 storage Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 239000002609 medium Substances 0.000 description 13
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- 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)
- 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
本申请实施例公开了一种揽投网点的选址方法、装置、介质及电子设备。包括:根据布置区域中的客户分布点,采用集合覆盖模型确定网点的初选点集合;按照预设规则对初选点集合进行筛选,将筛选后的初选点和已有网点确定为候选点集合;采用P‑中值模型对候选点集合的候选点数量进行约束,确定各候选点数量的最优解;采用平衡算法,以约束范围内的各个数量的候选点进行业务范围重分配;根据时窗约束条件和车辆容量约束条件,采用预设算法确定车辆在候选点到客户分布点的串行路线,以串行路线确定最优的候选点数量,得到候选点的最终选择结果。执行本方案解决在大数据量上求解该类选址问题的方法,对候选模型进行优化,成本低,且能够满足实际需求。
Description
技术领域
本申请实施例涉及物流技术领域,尤其涉及一种揽投网点的选址方法、装置、介质及电子设备。
背景技术
随着物流业的快速发展,快递作为第三方物流的先锋,日益渗透到社会、经济的各个领域。揽投网点作为物流网络的重要末端节点,是物流***中的基础设施。在加强揽投网点优化建设、提升揽投能力和服务品质的工作过程中,需要对揽投网点的选址布局、服务范围和资源配置等进行科学合理的规划,实现揽投网点的人力、物力、财力等资源的有效分配与利用,提高投递运营效率和服务质量。
常见的选址模型一般假设网点至客户点的配送是放射线状的,即从网点出发的车辆在访问每一个客户后返回网点。
传统的方法需要通过人工现场勘查,获取数据量少,且只考虑网点至客户点的距离,忽略了对车辆巡回路线的考虑,造成对成本高、选址后实际配送路线困难等问题。
发明内容
本申请实施例提供一种揽投网点的选址方法、装置、介质及电子设备,可以解决在大数据量上求解该类选址问题的方法,对候选模型进行优化,成本低,且能够满足实际需求。
第一方面,本申请实施例提供了一种揽投网点的选址方法,所述方法包括:
根据布置区域中的客户分布点,采用集合覆盖模型确定网点的初选点集合;
按照预设规则对所述初选点集合进行筛选,将筛选后的初选点和所述已有网点确定为候选点集合;
采用P-中值模型对所述候选点集合的候选点数量进行约束,确定各候选点数量的最优解;其中,所述P-中值模型的目标为当前候选点数量的候选点到被分配的客户分布点的加权距离最短;
根据时窗约束条件和车辆容量约束条件,采用预设算法确定车辆在候选点到客户分布点的串行路线,以所述串行路线确定最优的候选点数量,得到候选点的最终选择结果。
第二方面,本申请实施例提供了一种揽投网点的选址装置,所述装置包括:
初选点集合确定模块,用于根据布置区域中的客户分布点,采用集合覆盖模型确定网点的初选点集合;
候选点集合确定模块,用于按照预设规则对所述初选点集合进行筛选,将筛选后的初选点和所述已有网点确定为候选点集合;
最优解确定模块,用于采用P-中值模型对所述候选点集合的候选点数量进行约束,确定各候选点数量的最优解;其中,所述P-中值模型的目标为当前候选点数量的候选点到被分配的客户分布点的加权距离最短;
最终选择结果确定模块,用于根据时窗约束条件和车辆容量约束条件,采用预设算法确定车辆在候选点到客户分布点的串行路线,以所述串行路线确定最优的候选点数量,得到候选点的最终选择结果。
第三方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请实施例所述的揽投网点的选址方法。
第四方面,本申请实施例提供了一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,所述处理器执行所述计算机程序时实现如本申请实施例所述的揽投网点的选址方法。
本申请实施例所提供的技术方案,根据布置区域中的客户分布点,采用集合覆盖模型确定网点的初选点集合;按照预设规则对初选点集合进行筛选,将筛选后的初选点和已有网点确定为候选点集合;采用P-中值模型对候选点集合的候选点数量进行约束,确定各候选点数量的最优解;根据时窗约束条件和车辆容量约束条件,采用预设算法确定车辆在候选点到客户分布点的串行路线,以串行路线确定最优的候选点数量,得到候选点的最终选择结果。通过执行本技术方案,可以解决在大数据量上求解该类选址问题的方法,对候选模型进行优化,成本低,且能够满足实际需求。
附图说明
图1是本申请实施例一提供的一种揽投网点的选址方法的流程图;
图2是本申请实施例一提供的初选点模型原理图;
图3是本申请实施例二提供的一种揽投网点的选址装置的结构示意图;
图4是本申请实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1是本申请实施例一提供的一种揽投网点的选址方法的流程图,本实施例可适用于对揽投网址进行选址的情况,该方法可以由本申请实施例所提供的揽投网点的选址装置执行,该装置可以由软件和/或硬件的方式来实现,并可集成于揽投网址进行选址的电子设备中。
如图1所示,所述揽投网点的选址方法包括:
S110、根据布置区域中的客户分布点,采用集合覆盖模型确定网点的初选点集合。
在本实施例中,布置区域可以是一定范围的区域。例如,该区域可以是距离已有网点半径2千米的区域,或者距离已有网点半径3千米的区域等。
在本实施例中,客户分布点可以是客户的在地图上的位置,也可以是客户的地址。优选的,客户分布点可以是客户的地址。
在本实施例中,初选点集合可以是由客户分布点构成的新的初选点组成的。
在本实施例中,集合覆盖模型可以是用于对的初选点进行选择的模型。
在本实施例中,采用集合覆盖模型确定网点的初选点集合,首先将所有客户分布点作为备选点,然后集合覆盖模型从备选点中选取最少数量的点作为初选点,使其在已有网点的平均服务半径范围内覆盖所有客户分布点。
图2是本实施例一提供的初选点模型原理图,如图2所示,图中小圆圈代表客户分布点,大圆圈的中心则代表初选点,大圆圈的大小是基于平均服务半径确定的。本方案的目的在于,使大圆圈覆盖所有小圆圈的基础上,初选点的数量尽量少。
示例性的,采用集合覆盖模型确定网点的初选点集合,可以采用如下具体步骤:设d为已有网点的平均服务半径,P为客户分布点及其d范围内的客户分布点组成的键值对,键为客户分布点p,值为与p距离小于等于d的所有客户分布点的集合s。步骤1:在P中选择s数量最多的键值对,将其键值p1取出进入初选点集合;步骤2:更新P,删除p1,在所有s中删除p1对应的客户分布点集合;步骤3:重复步骤1及步骤2,直到所有的客户分布点都被覆盖;步骤4:输出初选点集合。
在本技术方案中,可选的,在根据布置区域中的客户分布点,采用集合覆盖模型确定网点的初选点集合之前,所述方法还包括:
获取布置区域中的客户分布点;
根据所述客户分布点的经纬度数据,对所述客户分布点采用至少一种经纬度抓取平台进行预处理。
在本实施例中,客户分布点的经纬度数据可以是客户地址的经纬度数据。其中,经纬度是经度与纬度的合称组成一个坐标***,称为地理坐标***,它是一种利用三度空间的球面来定义地球上的空间的球面坐标***,能够标示地球上的任何一个位置。通过确定经纬度可以精确的确定客户分布点。
在本实施例中,抓取平台可以是百度地图抓取平台,也可以是高德地图抓取平台。
在本实施例中,根据客户分布点的经纬度数据,对客户分布点采用至少一种经纬度抓取平台进行预处理,首先清洗客户地址数据,包括去除特殊字符、去除无关信息以及去除单元楼信息等,清洗后的地址保留一个实体的地址信息;其次,根据地址数据获取经纬度数据。获得经纬度数据后,将抓取的经纬度数据进行网格化处理,保留小数点后的精度。即完成了对客户分布点的预处理。优选的,可以保留小数点后4精度。其中,对于多个地址对应同一经纬度情况需要换平台抓取。
通过对客户分布点进行预处理,可以获得统一规则客户分布点的经纬度数据,可以为后续计算提供数据支撑。
S120、按照预设规则对所述初选点集合进行筛选,将筛选后的初选点和所述已有网点确定为候选点集合。
在本实施例中,候选点集合可以是预先作为揽投网点的候选集合。可以理解的,对初选点进行筛选,并将筛选后的初选点和已有网点确定为候选点集合,该集合能够满足作为揽投网点的部分要求。
在本实施例中,预设规则可以是对初选点的覆盖范围包含的客户分布点的数量有一定要求的规则,也可以是对初选点半径有一定要求的规则。可以理解的,通过预设规则对初选点集合进行筛选,可以将将满足一定条件的初选点作为候选点。例如,可以将包含的客户分布点的数量超过5个初选点作为候选点;也可以将半径大于2千米的初选点作为候选点。
在本技术方案中,可选的,按照预设规则对所述初选点集合进行筛选,包括:
根据初选点与已有网点之间的距离,以及各初选点预设服务半径内的客户分布点的数量,对所述初选点集合进行筛选。
其中,初选点与已有网点之间的距离可以是直线距离。
其中,各初选点预设服务半径内的客户分布点的数量可以在确定初选点集合的时候就可以进行确定。
在本实施例中,初选点与已有网点之间的距离,对初选点集合进行筛选,可以是初选点与已有网点之间的距离大于已有网点的平均服务半径作为筛选条件对初选点集合进行筛选;也可以是初选点与已有网点之间的距离等于已有网点的平均服务半径作为筛选条件对初选点集合进行筛选。
在本实施例中,各初选点预设服务半径内的客户分布点的数量,对初选点集合进行筛选,可以是各初选点预设服务半径内的客户分布点的数量大于一定阈值作为筛选条件对初选点集合进行筛选;也可以是各初选点预设服务半径内的客户分布点的数量小于一定阈值作为筛选条件对初选点集合进行筛选。其中,阈值可以根据网点选址需求进行设定。
根据初选点与已有网点之间的距离,以及各初选点预设服务半径内的客户分布点的数量,对初选点集合进行筛选,充分考虑了候选点相对于客户的位置,以及可以筛选出满足网点最大容量以及客户业务量初选点,提高了揽投的效率。
在本技术方案中,可选的,根据初选点与已有网点之间的距离,以及各初选点预设服务半径内的客户分布点的数量,对所述初选点集合进行筛选,包括:
若初选点与已有网点之间的距离小于预设服务半径,则删除所述初选点;以及,
若初选点预设服务半径内的客户分布点的数量小于设定阈值,则删除所述初选点。
在本实施例中,预设服务半径可以是网点构建时根据需求设定的半径。例如,预设服务半径可以是2千米,也可以是3千米。
在本实施例中,阈值可以是根据网点选址需求进行设定。例如,阈值可以是10,也可以是15。即初选点预设服务半径内的客户分布点的数量至少有10个,或者15个。
在本实施例中,将初选点与已有网点之间的距离小于预设服务半径的初选点和初选点预设服务半径内的客户分布点的数量小于设定阈值的初选点进行删除,并将其余初选点作为候选点,与已有网点共同构成候选点集合。
通过对初选点与已有网点之间的距离,以及各初选点预设服务半径内的客户分布点的数量进行筛选,并删除不满足条件的初选点,充分考虑了候选点相对于客户的位置,以及可以筛选出满足网点最大容量以及客户业务量初选点,提高了揽投的效率。
S130、采用P-中值模型对所述候选点集合的候选点数量进行约束,确定各候选点数量的最优解;其中,所述P-中值模型的目标为当前候选点数量的候选点到被分配的客户分布点的加权距离最短。
在本实施例中,P-中值模型可以是指在一个给定数量和位置的需求集合和一个候选设施位置的集合下,分别为p个设施找到合适的位置并指派每个需求点到一个特定的设施,使之达到在工厂和需求点之间的运输费用最低。可以理解的,采用P-中值模型对所述候选点集合的候选点数量进行约束,可以是通过计算候选点到被分配的客户分布点的加权距离,并将加权距离最短作为候选点数据的最优解。
在本实施例中,采用P-中值模型对候选点集合的候选点数量进行约束可以是对候选点集合的候选点数量进行删除,也可以是候选点集合的候选点数量进行增加,优选的,可以是对候选点集合的候选点数量进行删除。
在本技术方案中,可选的,对所述候选点集合的候选点数量进行约束的约束区间采用如下公式确定:
k∈[m×(1-30%),m×(1+30%)];
其中,k为候选点数量,m为候选点集合中已有网点的数量。
在本实施例中,候选点数量可以根据候选点集合中已有网点的数量进行确定。例如,当候选点集合中已有网点的数量为10,则候选点数量为7-13。
示例性的,设l为客户的业务量,d为初选点到客户分布点的距离,m为该地区已有网点的数量,J初始化为初选点集合,对于区间[m*(1-30%),m*(1+30%)]内的每一个整数值k进行求解。其中,该区域可以是由已有网点确定的。具体步骤如下:步骤1:计算每个客户分布点至J中所有点的距离;步骤2:设置循环变量p=初选点集合数量,计算客户分布点最近的选址点,将距离与业务量l的乘积作为权重p,目标C为所有p的和;步骤3:取遍J中的任意一个选址点j,将指派给j的客户分布点按照最近的原则重新指派给其它选址点,计算新的指派下的目标,记为Cj;步骤4:当j取遍集合J后,选取j0,使Cj0=max{Cj};并在集合中将j0删除;步骤5:当p=k时,算法停止,否则返回步骤2。
可以理解的,设初选点集合包含15个初选点,已有网点为10个,则该区间为7-13,即该区间内的候选点数量为7-13,对该区间内的候选点数量的目标进行计算,确定各候选点数量的最优解。首先计算每个客户分布点至分布点的距离,将每个客户分布点分配给距离最近的候选点,然后选择并取走一个候选点;其中,目标满足最小条件;依次重复,直至候选点数据为7,结束计算。则可以确定各候选点数量的最优解。
候选点数量可以根据候选点集合中已有网点的数量进行确定,通过对候选点数量进行确定,可以充分考虑客户分布点以及网点容量,可以提高揽投配送的效率。
在本技术方案中,可选的,在采用P-中值模型对所述候选点集合的候选点数量进行约束,确定各候选点数量的最优解之后,所述方法还包括:
采用平衡算法,以约束范围内的各个数量的候选点进行业务范围重分配。
在本实施例中,可以利用平衡算法调整候选点的投递范围,使网点处理量满足约束条件,得到优化后的各数量的候选点的业务范围。其中,约束条件可以是指派结果存在日处理量小于最小处理量,也可以是网点处理量小于网点最大容量的80%。
示例性的,平衡算法对各个数量的候选点进行业务范围的计算如下具体步骤:设d为已有网点的平均服务半径,步骤1:将客户分布点离候选点的距离作为优先级给选址点分派客户,当候选点容量达到最大容量时,将客户指派给次近的候选点;步骤2:若步骤1的指派结果存在日处理量小于最小处理量的候选点,限制该候选点的最大容量为原值的80%,重复步骤1;步骤3:步骤2重复5次后指派结果中仍然存在日处理量小于最小日处理量的候选点时,替换该候选点,重复步骤1、2至所有候选点满足网点处理量约束;步骤4:计算新的指派下的平均服务半径,若平均服务半径大于d,则删除该数量的候选点,逐步增加候选点数量,重复步骤1、2、3。
通过采用平衡算法,约束范围内的各个数量的候选点进行业务范围重分配,可以均衡每个候选点中的客户分布点的分布,提高了揽投配送效率。
S140、根据时窗约束条件和车辆容量约束条件,采用预设算法确定车辆在候选点到客户分布点的串行路线,以所述串行路线确定最优的候选点数量,得到候选点的最终选择结果。
在本实施例中,时窗约束条件可以是车辆行驶时间与到达客户地址后的处理时间之和小于单趟处理时长。其中,单趟处理时长可以是车辆从出发到回来的时间。例如,当车辆早上8点出发,12点回来,则单趟处理时长为4小时。可以理解的,通过确定候选点后,车辆从候选点开始行驶到达客户地址后的处理时间之和若小于单趟处理时长,则说明此时车辆行驶时间与到达客户地址后的处理时间较短,路线更优。
在本实施例中,车辆容量约束条件可以是车辆的装载量小于或者等于车辆最大容量。例如,车辆最大容量为10L,则车辆的装载量可以是5L或者8L等。可以根据车辆最大容量和车辆的装载量确定最优的车辆配置。
在本实施例中,预设算法可以是路径规划算法。用于对车辆行驶路径进行规划,使得车辆在候选点到客户分布点的行驶路线最短。
在本实施例中,首先采用预设算法确定车辆在候选点到客户分布点的串行路线,确定串行路线后,可以根据串行路线确定最优的候选点数量。例如,当候选点数量为8时,串行路线比候选点数量为9时的串行路线更优,则最优的候选点数量为8。其中,可以根据串行路线之和最短确定最优的候选点数量。确定最优的候选点数量后,可以从候选点集合中选择最优的满足数量的候选点作为候选点的最终选择结果。
在本技术方案中,可选的,根据时窗约束条件和车辆容量约束条件,采用预设算法确定车辆在候选点到客户分布点的串行路线,以所述串行路线确定最优的候选点数量,得到候选点的最终选择结果,包括:
根据时窗约束条件和车辆容量约束条件,利用ortools求解器确定车辆在候选点到客户分布点的串行路线;
以串行路线最短作为寻优条件,以各个数量的候选点确定的串行路线中最短的确定为最优的候选点数量;
以所述最优的候选点数量,以及预先确定最优的候选点数量的最优解,作为候选点的最终选择结果。
在本实施例中,针对得到的不同数量的选址点及服务范围,根据时间窗约束和车辆容量约束条件,利用ortools求解器求解最优车辆配置及串行行驶路线,并根据行驶路线最短确定最优的候选点数量,得到对应最优选址点的服务范围、资源配置与车辆路径规划,确定候选点的最终选择结果。其中,ortools算法是一个用于优化的开源软件套件,用于解决车辆路径、流程、整数和线性规划以及约束编程等问题。
可以理解的,根据时窗约束条件和车辆容量约束条件,然后利用ortools算法,可以确定车辆在候选点到客户分布点的串行路线,然后选择串行路线最短作为寻优条件,就可以确定最优的候选点数量。当确定最优的候选点数量后,可以根据最优的候选点数量,以及预先确定最优的候选点数量的最优解,作为最终的选择结果。例如,候选点集合中包含有3个候选点,候选点为A、B和C,确定的候选点数量为2,分别计算客户分布点距离候选点之间的串行路线,当客户分布点距离候选点A和B的串行路线为5千米,距离候选点A和C的串行路线为10千米,距离候选点B和C的串行路线为15千米,则可以将候选点A和B作为候选点的最终选择结果。
通过确定串行路线,然后根据串行路线最短作为寻优条件,确定最优的候选点数量,并根据最优的候选点数量,以及预先确定最优的候选点数量的最优解,作为候选点的最终选择结果。充分考虑了客户分布点、网点量以及串行路线,解决在大数据量上求解该类选址问题的方法,对候选模型进行优化,成本低,且能够满足实际需求。
本申请实施例所提供的技术方案,根据布置区域中的客户分布点,采用集合覆盖模型确定网点的初选点集合;按照预设规则对初选点集合进行筛选,将筛选后的初选点和已有网点确定为候选点集合;采用P-中值模型对候选点集合的候选点数量进行约束,确定各候选点数量的最优解;根据时窗约束条件和车辆容量约束条件,采用预设算法确定车辆在候选点到客户分布点的串行路线,以串行路线确定最优的候选点数量,得到候选点的最终选择结果。通过执行本技术方案,可以解决在大数据量上求解该类选址问题的方法,对候选模型进行优化,成本低,且能够满足实际需求。
实施例二
图3是本申请实施例二提供的一种揽投网点的选址装置。如图3所示,揽投网点的选址装置包括:
初选点集合确定模块310,用于根据布置区域中的客户分布点,采用集合覆盖模型确定网点的初选点集合;
候选点集合确定模块320,用于按照预设规则对所述初选点集合进行筛选,将筛选后的初选点和所述已有网点确定为候选点集合;
最优解确定模块330,用于采用P-中值模型对所述候选点集合的候选点数量进行约束,确定各候选点数量的最优解;其中,所述P-中值模型的目标为当前候选点数量的候选点到被分配的客户分布点的加权距离最短;
最终选择结果确定模块340,用于根据时窗约束条件和车辆容量约束条件,采用预设算法确定车辆在候选点到客户分布点的串行路线,以所述串行路线确定最优的候选点数量,得到候选点的最终选择结果。
在本技术方案中,可选的,所述装置还包括:
业务范围重分配模块,用于采用平衡算法,以约束范围内的各个数量的候选点进行业务范围重分配。
在本技术方案中,可选的,所述装置还包括:
客户分布点获取模块,用于获取布置区域中的客户分布点;
数据预处理模块,用于根据所述客户分布点的经纬度数据,对所述客户分布点采用至少一种经纬度抓取平台进行预处理。
在本技术方案中,可选的,对所述候选点集合的候选点数量进行约束的约束区间采用如下公式确定:
k∈[m×(1-30%),m×(1+30%)];
其中,k为候选点数量,m为候选点集合中已有网点的数量。
在本技术方案中,可选的,候选点集合确定模块320,包括:
初选点集合筛选单元,用于根据初选点与已有网点之间的距离,以及各初选点预设服务半径内的客户分布点的数量,对所述初选点集合进行筛选。
在本技术方案中,可选的,初选点集合筛选单元,具体用于:
若初选点与已有网点之间的距离小于预设服务半径,则删除所述初选点;以及,
若初选点预设服务半径内的客户分布点的数量小于设定阈值,则删除所述初选点。
在本技术方案中,可选的,最终选择结果确定模块340,包括:
串行路线确定单元,用于根据时窗约束条件和车辆容量约束条件,利用ortools求解器确定车辆在候选点到客户分布点的串行路线;
候选点数量确定单元,用于以串行路线最短作为寻优条件,以各个数量的候选点确定的串行路线中最短的确定为最优的候选点数量;
最终选择结果确定单元,用于以所述最优的候选点数量,以及预先确定最优的候选点数量的最优解,作为候选点的最终选择结果。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
实施例三
本申请实施例三还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种揽投网点的选址方法,该方法包括:
根据布置区域中的客户分布点,采用集合覆盖模型确定网点的初选点集合;
按照预设规则对所述初选点集合进行筛选,将筛选后的初选点和所述已有网点确定为候选点集合;
采用P-中值模型对所述候选点集合的候选点数量进行约束,确定各候选点数量的最优解;其中,所述P-中值模型的目标为当前候选点数量的候选点到被分配的客户分布点的加权距离最短;
根据时窗约束条件和车辆容量约束条件,采用预设算法确定车辆在候选点到客户分布点的串行路线,以所述串行路线确定最优的候选点数量,得到候选点的最终选择结果。
存储介质是指任何的各种类型的存储器电子设备或存储电子设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机***存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的计算机***中,或者可以位于不同的第二计算机***中,第二计算机***通过网络(诸如因特网)连接到计算机***。第二计算机***可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同未知中(例如在通过网络连接的不同计算机***中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的揽投网点的选址操作,还可以执行本申请任意实施例所提供的揽投网点的选址方法中的相关操作。
实施例四
本申请实施例四提供了一种电子设备,该电子设备中可集成本申请实施例提供的揽投网点的选址装置,该电子设备可以是配置于***内的,也可以是执行***内的部分或者全部功能的设备。图4是本申请实施例四提供的一种电子设备的结构示意图。如图4所示,本实施例提供了一种电子设备400,其包括:一个或多个处理器420;存储装置410,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器420执行,使得所述一个或多个处理器420实现本申请实施例所提供的揽投网点的选址方法,该方法包括:
根据布置区域中的客户分布点,采用集合覆盖模型确定网点的初选点集合;
按照预设规则对所述初选点集合进行筛选,将筛选后的初选点和所述已有网点确定为候选点集合;
采用P-中值模型对所述候选点集合的候选点数量进行约束,确定各候选点数量的最优解;其中,所述P-中值模型的目标为当前候选点数量的候选点到被分配的客户分布点的加权距离最短;
根据时窗约束条件和车辆容量约束条件,采用预设算法确定车辆在候选点到客户分布点的串行路线,以所述串行路线确定最优的候选点数量,得到候选点的最终选择结果。
当然,本领域技术人员可以理解,处理器420还实现本申请任意实施例所提供的揽投网点的选址方法的技术方案。
图4显示的电子设备400仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示,该电子设备400包括处理器420、存储装置410、输入装置430和输出装置440;电子设备中处理器420的数量可以是一个或多个,图4中以一个处理器420为例;电子设备中的处理器420、存储装置410、输入装置430和输出装置440可以通过总线或其他方式连接,图4中以通过总线450连接为例。
存储装置410作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块单元,如本申请实施例中的揽投网点的选址方法对应的程序指令。
存储装置410可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储装置410可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置410可进一步包括相对于处理器420远程设置的存储器,这些远程存储器可以通过网络连接。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字、字符信息或语音信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏、扬声器等电子设备。
本申请实施例提供的电子设备,可以解决在大数据量上求解该类选址问题的方法,对候选模型进行优化,成本低,且能够满足实际需求。
上述实施例中提供的揽投网点的选址装置、介质及电子设备可执行本申请任意实施例所提供的揽投网点的选址方法,具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的揽投网点的选址方法。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (10)
1.一种揽投网点的选址方法,其特征在于,该方法包括:
根据布置区域中的客户分布点,采用集合覆盖模型确定网点的初选点集合;
按照预设规则对所述初选点集合进行筛选,将筛选后的初选点和所述已有网点确定为候选点集合;
采用P-中值模型对所述候选点集合的候选点数量进行约束,确定各候选点数量的最优解;其中,所述P-中值模型的目标为当前候选点数量的候选点到被分配的客户分布点的加权距离最短;
根据时窗约束条件和车辆容量约束条件,采用预设算法确定车辆在候选点到客户分布点的串行路线,以所述串行路线确定最优的候选点数量,得到候选点的最终选择结果。
2.根据权利要求1所述的方法,其特征在于,在采用P-中值模型对所述候选点集合的候选点数量进行约束,确定各候选点数量的最优解之后,所述方法还包括:
采用平衡算法,以约束范围内的各个数量的候选点进行业务范围重分配。
3.根据权利要求1所述的方法,其特征在于,在根据布置区域中的客户分布点,采用集合覆盖模型确定网点的初选点集合之前,所述方法还包括:
获取布置区域中的客户分布点;
根据所述客户分布点的经纬度数据,对所述客户分布点采用至少一种经纬度抓取平台进行预处理。
4.根据权利要求1所述的方法,其特征在于,对所述候选点集合的候选点数量进行约束的约束区间采用如下公式确定:
k∈[m×(1-30%),m×(1+30%)];
其中,k为候选点数量,m为候选点集合中已有网点的数量。
5.根据权利要求1所述的方法,其特征在于,按照预设规则对所述初选点集合进行筛选,包括:
根据初选点与已有网点之间的距离,以及各初选点预设服务半径内的客户分布点的数量,对所述初选点集合进行筛选。
6.根据权利要求5所述的方法,其特征在于,根据初选点与已有网点之间的距离,以及各初选点预设服务半径内的客户分布点的数量,对所述初选点集合进行筛选,包括:
若初选点与已有网点之间的距离小于预设服务半径,则删除所述初选点;以及,
若初选点预设服务半径内的客户分布点的数量小于设定阈值,则删除所述初选点。
7.根据权利要求2所述的方法,其特征在于,根据时窗约束条件和车辆容量约束条件,采用预设算法确定车辆在候选点到客户分布点的串行路线,以所述串行路线确定最优的候选点数量,得到候选点的最终选择结果,包括:
根据时窗约束条件和车辆容量约束条件,利用ortools求解器确定车辆在候选点到客户分布点的串行路线;
以串行路线最短作为寻优条件,以各个数量的候选点确定的串行路线中最短的确定为最优的候选点数量;
以所述最优的候选点数量,以及预先确定最优的候选点数量的最优解,作为候选点的最终选择结果。
8.一种揽投网点的选址装置,其特征在于,该方法包括:
初选点集合确定模块,用于根据布置区域中的客户分布点,采用集合覆盖模型确定网点的初选点集合;
候选点集合确定模块,用于按照预设规则对所述初选点集合进行筛选,将筛选后的初选点和所述已有网点确定为候选点集合;
最优解确定模块,用于采用P-中值模型对所述候选点集合的候选点数量进行约束,确定各候选点数量的最优解;其中,所述P-中值模型的目标为当前候选点数量的候选点到被分配的客户分布点的加权距离最短;
最终选择结果确定模块,用于根据时窗约束条件和车辆容量约束条件,采用预设算法确定车辆在候选点到客户分布点的串行路线,以所述串行路线确定最优的候选点数量,得到候选点的最终选择结果。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的揽投网点的选址方法。
10.一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的揽投网点的选址方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011415088.5A CN112541624B (zh) | 2020-12-03 | 2020-12-03 | 一种揽投网点的选址方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011415088.5A CN112541624B (zh) | 2020-12-03 | 2020-12-03 | 一种揽投网点的选址方法、装置、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112541624A true CN112541624A (zh) | 2021-03-23 |
CN112541624B CN112541624B (zh) | 2024-02-27 |
Family
ID=75016335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011415088.5A Active CN112541624B (zh) | 2020-12-03 | 2020-12-03 | 一种揽投网点的选址方法、装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112541624B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113077181A (zh) * | 2021-04-22 | 2021-07-06 | 上海钧正网络科技有限公司 | 一种停车站点设置方法、装置、介质及电子设备 |
CN116451503A (zh) * | 2023-05-15 | 2023-07-18 | 宁波安得智联科技有限公司 | 物流平台设施选址方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107967590A (zh) * | 2017-12-13 | 2018-04-27 | 浙江理工大学 | 一种城市地下物流***的最优化建构方法 |
CN109583622A (zh) * | 2018-10-15 | 2019-04-05 | 顺丰科技有限公司 | 一种集散点选取方法、装置、服务器及存储介质 |
CN111383051A (zh) * | 2020-03-02 | 2020-07-07 | 杭州比智科技有限公司 | 实体对象的选址方法、装置、计算设备及计算机存储介质 |
CN111461470A (zh) * | 2019-01-21 | 2020-07-28 | 顺丰科技有限公司 | 中转场选址方法、装置和计算机可读存储介质 |
-
2020
- 2020-12-03 CN CN202011415088.5A patent/CN112541624B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107967590A (zh) * | 2017-12-13 | 2018-04-27 | 浙江理工大学 | 一种城市地下物流***的最优化建构方法 |
CN109583622A (zh) * | 2018-10-15 | 2019-04-05 | 顺丰科技有限公司 | 一种集散点选取方法、装置、服务器及存储介质 |
CN111461470A (zh) * | 2019-01-21 | 2020-07-28 | 顺丰科技有限公司 | 中转场选址方法、装置和计算机可读存储介质 |
CN111383051A (zh) * | 2020-03-02 | 2020-07-07 | 杭州比智科技有限公司 | 实体对象的选址方法、装置、计算设备及计算机存储介质 |
Non-Patent Citations (3)
Title |
---|
周晓晔: "快递包装回收网络中回收点选址研究", 《包装工程》, vol. 41, no. 11, pages 130 * |
朱秀峰;: "终端物流车辆综合调度管理研究", 中国商贸, no. 12, pages 130 * |
赖垠淳: "集合覆盖模型在京东快递配送中心选址问题中的研究", 《现代物流》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113077181A (zh) * | 2021-04-22 | 2021-07-06 | 上海钧正网络科技有限公司 | 一种停车站点设置方法、装置、介质及电子设备 |
CN116451503A (zh) * | 2023-05-15 | 2023-07-18 | 宁波安得智联科技有限公司 | 物流平台设施选址方法、装置、设备及存储介质 |
CN116451503B (zh) * | 2023-05-15 | 2023-11-07 | 宁波安得智联科技有限公司 | 物流平台设施选址方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112541624B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108133619B (zh) | 停车场停车预测的方法、装置、存储介质及终端设备 | |
CN105933294B (zh) | 网络用户定位方法、装置及终端 | |
CN110009906B (zh) | 基于交通预测的动态路径规划方法 | |
CN105674994A (zh) | 获取行车路线的方法、装置及导航设备 | |
CN110413905B (zh) | 获取道路线形的方法、装置、设备及存储介质 | |
CN112541624B (zh) | 一种揽投网点的选址方法、装置、介质及电子设备 | |
WO2013167085A2 (zh) | 一种基于栅格映射生长的交通网络划分方法及配置服务器 | |
CN108981739A (zh) | 一种路径规划方法、装置、服务器及存储介质 | |
CN106055607B (zh) | 用户到访预测模型建立、用户到访预测方法和装置 | |
CN104596531A (zh) | 一种导航路线的生成方法、装置及服务器 | |
CN106484748A (zh) | 一种确定兴趣点poi布设需求的方法及装置 | |
CN110111599B (zh) | 一种基于大数据的停车诱导方法、终端设备及存储介质 | |
CN110276401A (zh) | 样本聚类方法、装置、设备及存储介质 | |
CN113108792A (zh) | Wi-Fi指纹地图重建方法、装置、终端设备及介质 | |
CN114548811A (zh) | 一种机场可达性的检测方法、装置、电子设备及存储介质 | |
CN112988933A (zh) | 地址信息管理的方法和装置 | |
CN113850996B (zh) | 路段公交线路重复系数数据计算方法、装置及存储介质 | |
CN116737392B (zh) | 一种非矢量数据的处理方法、装置及计算设备 | |
CN114357102A (zh) | 一种路网数据生成方法和装置 | |
CN113761397B (zh) | 一种定制客运路线的推荐方法、***、设备及存储介质 | |
CN111767295B (zh) | 地图数据的处理方法、装置、计算设备和介质 | |
Stadler et al. | A method for the optimized placement of bus stops based on voronoi diagrams | |
Starkey et al. | A genetic type-2 fuzzy logic based approach for the optimal allocation of mobile field engineers to their working areas | |
CN115660157A (zh) | 智慧城市充电桩建造规划方法和物联网***、装置及介质 | |
CN114971412A (zh) | 订单分配方法、订单分配平台、订单分配***及存储介质 |
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 | ||
GR01 | Patent grant |