基于密度并结合小区数据的快递行业配送网点规划方法技术

本发明专利技术公开了一种基于密度并结合小区数据的快递行业配送网点规划方法，预先获取研究区域快递配送网点数据和小区数据，并对快递配送网点数据和小区数据进行数据清洗和数据处理；利用Geohash算法将研究区域划分区域，将其转化为坐标系，通过坐标得出各区域之间的距离，以此确定规划时的距离问题；利用DBSCAN聚类算法将配送网点数据分类，基于聚类结果可以提出一种规划构想；利用Anylogic建模验证规划构想的合理性与有效性；结合研究区域的小区数据，即可得到一种快递行业配送网点规划方案。本发明专利技术提出的规划方案对快递配送网点规划的进一步完善有着积极的意义，也对快递配送网点的发展有一定的推动作用，在此基础上推进快递网点向着便民，利民的方向发展。利民的方向发展。利民的方向发展。

【技术实现步骤摘要】
基于密度并结合小区数据的快递行业配送网点规划方法


[0001]本专利技术属于物流领域，具体涉及一种基于密度并结合小区数据的快递行业配送网点规划方案。

技术介绍

[0002]随着我国市场经济和电子商务等领域的飞速发展，快递服务行业现在已经逐渐成为商品流通的一个重要渠道。然而，由于一些区域的快递配送网点规划并不规范，导致消费者可能需要到很远的地方才能取到快递，部分消费者体验感较差。
[0003]目前快递配送网点规划存在以下问题：一些快递须到特定的配送网点取，一些区域的配送网点过多，而一些区域的配送网点过少。
[0004]另外，一些小区尤其是大型小区也存在没有快递配送网点的情况，小区由于其楼层较高，小区业主尤其是楼层高的业主在小区没有快递配送网点的情况下，取寄快递尤为麻烦，大大影响了小区业主的体验感。
[0005]因此，亟需一种方法来缓解目前快递配送网点规划不均、不合理、不规范问题。

技术实现思路

[0006]专利技术目的：针对现有技术中的不足之处，本专利技术提出一种基于密度并结合小区数据的快递行业配送网点规划方法，以缓解目前快递配送网点规划不均、不合理、不规范问题。
[0007]技术方案：本专利技术提供一种基于密度并结合小区数据的快递行业配送网点规划方法，具体包括以下步骤：
[0008](1)预先获取快递配送网点数据、小区数据和快递仓库数据，并对获取的数据进行预处理；
[0009](2)利用Geohash算法将所针对区域划分区域，并建立坐标系，通过坐标系中的坐标得出各区域之间的距离；
[0010](3)利用DBSCAN聚类算法将处理好的快递配送网点数据分类，聚类结果将快递配送网点数据分为核心点、边界点和噪音点三类，核心点为快递配送网点密度较大的区域，噪音点为密度小的区域，边界点的快递配送网点密度介于核心点与噪音点之间，基于聚类结果提出初步规划；
[0011](4)结合快递仓库数据，利用Anylogic建模验证规划构想的合理性与有效性；将规划构想与处理好的小区数据有机结合，提出调度方案。
[0012]进一步地，所述步骤(1)实现过程如下：
[0013](11)利用Python爬虫从百度地图开放平台创建百度地图应用，申请到一个信令AK，打开百度地图API的POI模块，选用检索方式，设置检索城市，检索关键字快递配送网点，将得到的URL和百度信令AK代入到Python中，利用 Python编码得到所需要的数据；
[0014](12)基于目前快递配送网点的分类现状，可以把现有快递配送网点数据分为两大
类，通过Python编码软件基于现实情况利用radians函数和degrees函数将快递配送网点标准化。
[0015]进一步地，所述步骤(2)包括以下步骤：
[0016](21)针对地理位置信息，得出地区Geohash编码；利用Geohash六位编码，设置精度，得出地区Geohash编码；
[0017](22)将快递配送网点数据的经纬度转化为Geohash码，记录快递配送网点数据量，具体过程为，根据Geohash编码图，建立平面直角坐标系作为快递配送网点距离坐标系，制作点线图，根据各点之间的距离得出区域之间的距离(区域之间的距离可用于DBSCAN聚类算法提出规划构想)；根据快递配送网点数据，将数据的经纬度转化为Geohash码(Geohash码就是将一个地区的经纬度信息，转换成一个可以排序，可以比较的字符串编码)。
[0018]进一步地，所述步骤(3)包括以下步骤：
[0019](31)计算设定区域中快递配送网点数据之间的欧式距离：
[0020]将快递配送网点数据设置为两个元组，计算两个元组内数据之间的欧式距离：
[0021][0022]其中，d为两个元组内数据之间的欧式距离，x1、y1为第一个元组内一组快递配送网点数据的经度和纬度；x2、y2为第二个元组内的一组快递配送网点数据的经度和纬度；
[0023](32)结合欧式距离数据确定半径参数r和邻域密度阈值minPts，利用Python 编码实现DBSCAN聚类算法：
[0024]利用Python编码引用sklearn中封装的数据集，结合得到的欧式距离计算点的数目，设置两个列表，一个列表放入已经访问的点，另一个列表放入还未访问的点，选择合适的半径r和邻域密度阈值Eps进行遍历处理；如果存放还未访问的点的列表还有点，继续遍历处理，直到该列表达到空集；根据所选的数据点邻域中的对象数与选定的阈值的大小关系来决定此数据点的属性；即若该数据点的邻域中的对象数大于选定阈值，说明该数据点是一个核心点；若该数据点的邻域中的对象数等于选定阈值，说明该数据点是一个边界点；若该数据点的邻域中的对象数小于选定阈值，说明该数据点是一个噪音点；
[0025](33)引用轮廓系数进行评估，公式如下：
[0026][0027]其中，a(i)为样本i到同类其他样本的平均距离，b(i)为样本i到其他某类的所有样本的平均距离，s(i)接近1，则说明样本i聚类合理；一般s(i)对于0.8，即聚类合理；若聚类合理，则结束；不合理，则选择新的半径r和邻域密度阈值 Eps，重复以上步骤；
[0028](34)基于聚类结果，提出规划构想：
[0029]基于所得的合理的聚类结果中的半径参数r和邻域密度阈值minPts，将研究区域的地图导入Python，利用Python编码随机取研究区域其中一点为起始点，确保以其为圆心，以r为半径的圆形区域内含有minPts个及以上标准化快递配送网点数据，并继续向下分支，
直至充满整个研究区域；由于利用Python编码选取的初始点不同或向下分支的方向不同等因素，所得的规划构想有无数种，需要利用下面的Anylogic建模验证，若合理则采用；若不合理，则重新得到一种规划构想，继续建模验证，重复操作。
[0030]进一步地，所述步骤(5)包括以下步骤：
[0031](51)构建了快递配送网点调度前后的两个模型，一个为对照组模型，另一个为实验组模型，通过比较运行模型结束后，快递仓库里的快递积存量来验证规划构想的合理性与有效性；
[0032](52)打开Anylogic建模软件中的GIS地图，找到并打开所在研究区域，输入清洗过的快递仓库数据的经纬度，建立快递仓库的数据库，即为两个模型的初步模型；
[0033](53)将规划构想中的快递配送网点数据的经纬度输入到实验组模型，将现有的快递配送网点数据输入到对照组模型；通过状态图对车队进行规划，无快递时，车辆在仓库停放，有快递时，运输车将快递从快递仓库送至快递站点，进行卸货，再折返回去，运输下一趟快递；
[0034](54)运行24小时后，对比快递仓库的快递积存量；若实验组模型每个快递仓库的积存快递数相比于对照组模型减少15％以上，则规划构想合理有效，结束；若没有减少或者减少程度没有15％，则规划构想不合理、不有效，返回步骤 (4)。
[0035]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于密度并结合小区数据的快递行业配送网点规划方法，其特征在于，包括以下步骤：(1)预先获取快递配送网点数据、小区数据和快递仓库数据，并对获取的数据进行预处理；(2)利用Geohash算法将所针对区域划分区域，并建立坐标系，通过坐标系中的坐标得出各区域之间的距离；(3)利用DBSCAN聚类算法将处理好的快递配送网点数据分类，聚类结果将快递配送网点数据分为核心点、边界点和噪音点三类，核心点为快递配送网点密度较大的区域，噪音点为密度小的区域，边界点的快递配送网点密度介于核心点与噪音点之间，基于聚类结果提出初步规划；(4)结合快递仓库数据，利用Anylogic建模验证规划构想的合理性与有效性；将规划构想与处理好的小区数据有机结合，提出调度方案。2.根据权利要求1所述的一种基于密度并结合小区数据的快递行业配送网点规划方法，其特征在于，所述步骤(1)实现过程如下：(11)利用Python爬虫从百度地图开放平台创建百度地图应用，申请到一个信令AK，打开百度地图API的POI模块，选用检索方式，设置检索城市，检索关键字快递配送网点，将得到的URL和百度信令AK代入到Python中，利用Python编码得到所需要的数据；(12)基于目前快递配送网点的分类现状，可以把现有快递配送网点数据分为两大类，通过Python编码软件基于现实情况利用radians函数和degrees函数将快递配送网点标准化。3.根据权利要求1所述的一种基于密度并结合小区数据的快递行业配送网点规划方法，其特征在于，所述步骤(2)包括以下步骤：(21)针对地理位置信息，得出地区Geohash编码；利用Geohash六位编码，设置精度，得出地区Geohash编码；(22)将快递配送网点数据的经纬度转化为Geohash码，记录快递配送网点数据量，具体过程为，根据Geohash编码图，建立平面直角坐标系作为快递配送网点距离坐标系，制作点线图，根据各点之间的距离得出区域之间的距离(区域之间的距离可用于DBSCAN聚类算法提出规划构想)；根据快递配送网点数据，将数据的经纬度转化为Geohash码(Geohash码就是将一个地区的经纬度信息，转换成一个可以排序，可以比较的字符串编码)。4.根据权利要求1所述的一种基于密度并结合小区数据的快递行业配送网点规划方法，其特征在于，所述步骤(3)包括以下步骤：(31)计算设定区域中快递配送网点数据之间的欧式距离：将快递配送网点数据设置为两个元组，计算两个元组内数据之间的欧式距离：其中，d为两个元组内数据之间的欧式距离，x1、y1为第一个元组内一组快递配送网点数据的经度和纬度；x2、y2为第二个元组内的一组快递配送网点数据的经度和纬度；(32)结合欧式距离数据确定半径参数r和邻域密度阈值minPts...

【专利技术属性】
技术研发人员：张新茹，吴鼎新，葛格，章宇轩，刘申奥，吴涛，庄俊杰，沙雯怡，李有康，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：