本發(fā)明屬于備品備件庫房選址領(lǐng)域，尤其是涉及一種考慮區(qū)域交通狀況的服務(wù)型庫房選址方法。
背景技術(shù)：
對庫房進行選址首先要考慮的是企業(yè)的物流戰(zhàn)略，當前物流戰(zhàn)略考慮的主要因素是服務(wù)和成本，根據(jù)對這兩個因素的不同側(cè)重，可對物流戰(zhàn)略進行劃分：以提高服務(wù)水平為核心的“服務(wù)型”物流戰(zhàn)略；以降低成本為核心的“成本型”物流戰(zhàn)略。
目前，庫房選址算法主要包括定性和定量兩類方法。定性方法主要通過對影響庫房選址的各種因素進行分析，比較它們對選址決策的重要程度來得出每個因素的權(quán)重，并以此來評價各種方案的優(yōu)劣。定量方法是將選址問題建模成一定的數(shù)學(xué)模型，并結(jié)合統(tǒng)計學(xué)和運籌學(xué)的知識，用數(shù)學(xué)方法進行求解，以獲得問題的最優(yōu)解或近似最優(yōu)解。
實際應(yīng)用中，關(guān)注成本(主要根據(jù)距離來計算)的定量方法使用的較多，關(guān)注備品備件到客戶手中消耗的時間的定量方法則較少，例如，重心法主要考慮的是如何選址使得庫房到所有客戶的距離最小，同時，使庫房盡可能地接近運量比較大的網(wǎng)點，從而使較大的備品備件運量運輸路程相對較短。還有一些基于規(guī)劃或啟發(fā)式的算法使得滿足客戶需求的總成本最低，這些成本往往被建模成與距離有關(guān)的線性函數(shù)。
隨著城市人口和規(guī)模的不斷擴大，城市交通及路況越來越復(fù)雜，備品備件在運輸過程中需要消耗的時間越來越難以估算，并且往往跟運輸?shù)臅r間段有較大關(guān)系，即使同一庫房，在不同時間段，其到同一客戶需要消耗的時間也不盡相同，因此，實時交通狀況對物流的運輸時間有非常重要的影響，在庫房選址時不可忽略，但目前卻很少有考慮實時交通狀況的庫房選址算法。因此，如何開發(fā)一種考慮了城市區(qū)域?qū)崟r交通狀況的服務(wù)型庫房選址算法，降低由運輸時間過長帶來的客戶服務(wù)質(zhì)量的損失成為業(yè)界的迫切需要。
技術(shù)實現(xiàn)要素：
本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種快速、高效的考慮區(qū)域交通狀況的服務(wù)型庫房選址方法。
本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：
一種考慮區(qū)域交通狀況的服務(wù)型庫房選址方法，包括以下步驟：
1)建立基于真實路網(wǎng)的物流網(wǎng)絡(luò)模型，該物流網(wǎng)絡(luò)模型中，道路交叉路口為節(jié)點，相鄰節(jié)點間的路段為邊；
2)將客戶位置與物流網(wǎng)絡(luò)模型的節(jié)點進行映射，根據(jù)歷史備品備件需求信息，預(yù)測未來客戶對多類備品備件的需求信息，形成多個客戶請求；
3)基于歷史出租車軌跡數(shù)據(jù)預(yù)測物流網(wǎng)絡(luò)模型中各邊的權(quán)值；
4)基于步驟2)和步驟3)預(yù)測結(jié)果，基于改進的pam算法迭代優(yōu)化獲得最優(yōu)庫房選址位置集。
所述節(jié)點的數(shù)據(jù)結(jié)構(gòu)中存儲有節(jié)點的經(jīng)緯度信息，所述邊的數(shù)據(jù)結(jié)構(gòu)中存儲有道路信息。
所述步驟2)中，將客戶位置與物流網(wǎng)絡(luò)模型的節(jié)點進行映射具體為：用離客戶位置最近的節(jié)點代替客戶位置。
所述步驟2)中，預(yù)測未來客戶對多類備品備件的需求信息具體為：將一天劃分成24個時間段，統(tǒng)計每個客戶各時間段的歷史備品備件需求信息，預(yù)測該客戶未來在該時間段下對各類備品備件的需求信息。
所述步驟2)中，采用指數(shù)平滑法預(yù)測未來客戶對多類備品備件的需求信息。
所述步驟3)具體為：
首先根據(jù)各節(jié)點的經(jīng)緯度信息確定通過各路段的gps軌跡點的經(jīng)緯度坐標范圍，然后根據(jù)出租車歷史gps軌跡點的經(jīng)緯度信息，將出租車的gps軌跡與路段進行映射，計算出各路段的通行時間，用通過該路段的所有出租車在不同時間段下的平均通行時間作為該路段在該時間段下的預(yù)計通行時間，并將所述預(yù)計通行時間作為該路段對應(yīng)的邊的權(quán)值。
所述步驟4)中，基于改進的pam算法迭代優(yōu)化獲得最優(yōu)庫房選址位置集合具體為：
401)采用k-中心點聚類算法獲得初始庫房選址集合；
402)對物流網(wǎng)絡(luò)模型中的節(jié)點和客戶請求進行分組，預(yù)先計算各節(jié)點分組到請求分組的最短時間；
403)計算每個節(jié)點分組到各客戶請求的最短時間，過濾最短時間大于當前庫房選址集合總消耗時間的節(jié)點分組；
404)采用組替換的迭代策略進行優(yōu)化迭代，獲得最優(yōu)庫房選址位置集合。
與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：
1)本發(fā)明構(gòu)建一種考慮了實時交通狀況的服務(wù)型庫房的選址模型，選址快速、高效，能夠通過考慮各時間段的真實交通狀況，使得從庫房運送到客戶手中的備品備件消耗的總時間最小，從而使得由運送時間導(dǎo)致的服務(wù)質(zhì)量的損失最小，提升客戶的滿意度。
2)本發(fā)明基于真實的路網(wǎng)來對庫房到客戶的鏈路信息進行建模，并且還考慮了客戶同時對多種備品備件具有需求的情況，選址結(jié)果可靠性高。
3)本發(fā)明基于改進pam實現(xiàn)迭代選址，對路網(wǎng)節(jié)點進行分組，過濾掉那些最短時間大于現(xiàn)有庫房選址集合消耗時間的分組，減少需要考慮的迭代替換次數(shù)，同時對請求分組，進一步減少每次迭代時需要的關(guān)于通行時間的計算時間。
附圖說明
圖1為本發(fā)明的流程示意圖；
圖2為本發(fā)明的原理示意圖；
圖3為本發(fā)明改進pam的原理示意圖。
具體實施方式
下面結(jié)合附圖和具體實施例對本發(fā)明進行詳細說明。本實施例以本發(fā)明技術(shù)方案為前提進行實施，給出了詳細的實施方式和具體的操作過程，但本發(fā)明的保護范圍不限于下述的實施例。
如圖1-圖2所示，本發(fā)明提供一種考慮區(qū)域交通狀況的服務(wù)型庫房選址方法，包括以下步驟：
步驟1，建立基于真實路網(wǎng)的物流網(wǎng)絡(luò)模型，該物流網(wǎng)絡(luò)模型中，道路交叉路口為節(jié)點，相鄰節(jié)點間的路段為邊。
物流網(wǎng)絡(luò)模型通常包括庫房、客戶的位置信息，庫房到客戶的鏈路信息，以及客戶對備品備件的需求信息等。大多數(shù)情況下，庫房和客戶之間不會是一條簡單的直線通路相連，而是會隨著庫房和客戶之間的道路情況發(fā)生變化，通常會復(fù)雜地多。因此，本發(fā)明提出的物流網(wǎng)絡(luò)模型基于真實的路網(wǎng)來對庫房到客戶的鏈路信息進行建模，并且還考慮了客戶同時對多種備品備件具有需求的情況。
步驟1.1，建立路網(wǎng)模型：
區(qū)域道路網(wǎng)絡(luò)由許多道路相連、相交組成，道路間的地理位置關(guān)系十分復(fù)雜。首先利用mapinfo電子地圖提供的二次開發(fā)工具mapx讀取地圖中代表路網(wǎng)幾何和拓撲的特征點信息，然后對這些特征點集進行精簡加工，抽取道路交叉路口作為分析對象，并對道路以交叉路口為節(jié)點進行分割，成為路段。通過這種簡化，整個網(wǎng)絡(luò)將由交叉路口點和路段組成，并生成以圖表示的路網(wǎng)數(shù)據(jù)格式。在這種數(shù)據(jù)格式中，交叉路口點被定義為網(wǎng)絡(luò)的節(jié)點v，路段被定義為網(wǎng)絡(luò)的邊d。同時，各節(jié)點的數(shù)據(jù)結(jié)構(gòu)中還存有經(jīng)緯度信息，邊的數(shù)據(jù)結(jié)構(gòu)中還存有該路段是單向交通或雙向交通等道路信息。
使用當前最流行的可視化工具d3，調(diào)用步驟1.1所獲取的圖，結(jié)合html5、css等前端技術(shù)，使地圖信息展示在網(wǎng)頁上。
步驟1.2，客戶位置和路網(wǎng)節(jié)點的映射：
為了簡化，路網(wǎng)模型假設(shè)所有的客戶和庫房位于路網(wǎng)的節(jié)點位置(即路段與路段的交叉路口)，一方面，利用離客戶位置最近的交叉路口節(jié)點來代替客戶位置對庫房選址質(zhì)量造成的影響十分有限；另一方面，這種簡化大大減少了需要進行通行時間估計的路段數(shù)及可能的庫房候選位置，縮小了庫房選址的搜索空間，加快了算法的求解速度。具體來說，本發(fā)明用離客戶位置最近的節(jié)點來代替客戶位置，并限定庫房的候選位置只能位于路網(wǎng)的節(jié)點上。客戶位置在路網(wǎng)上進行映射后，可以通過對路網(wǎng)圖模型進行最短路徑分析來找出任意節(jié)點到客戶的最短路徑，本發(fā)明使用的最短路徑不是指一般地理意義上的距離最短，而是將其引申到了通行時間上，即最快到達。
步驟1.3，支持多種備品備件類型的客戶模型的實現(xiàn)：
本發(fā)明中，庫房可以提供多種類型的備品備件，而客戶(第三方it企業(yè))也可能需要多種類型的備品備件，如硬盤、網(wǎng)卡、光驅(qū)等，所以在對客戶需求進行建模時，考慮了多種備品備件的情況。
步驟2，客戶需求預(yù)測及路段通行時間估計。
客戶對備品備件的未來需求情況，以及各路網(wǎng)節(jié)點到每個客戶的最快通行時間對庫房選址的決策有重要影響。不同的客戶需求或不同的通行時間分布情況均會使得庫房選址的決策不同。因此，本發(fā)明將基于歷史的需求數(shù)據(jù)來預(yù)測未來各客戶的需求情況，同時基于大量的出租車歷史gps軌跡數(shù)據(jù)來估計各路段在不同時間段下的通行時間，為后面庫房選址優(yōu)化算法的設(shè)計打下基礎(chǔ)。
步驟2.1，基于歷史數(shù)據(jù)的客戶備品備件需求的預(yù)測：
本發(fā)明基于歷史需求數(shù)據(jù)的統(tǒng)計分析，對客戶未來各種備品備件的需求情況進行了預(yù)測，即利用歷史的備品備件需求來對未來該客戶的備品備件需求進行估計。具體實現(xiàn)使用改進的指數(shù)平滑法作為預(yù)測方法，結(jié)合實際情況對其進行了改進，并通過實驗選擇了適用與本模型的參數(shù)。
為了及時對客戶需求作出響應(yīng)，本發(fā)明將預(yù)測周期定為1周，即每7天進行一次預(yù)測，而考慮到備件在途時間等因素，是對大部分備件的6周的需求量進行預(yù)測，對電池類進行4周需求量的預(yù)測，另外該周期還可能發(fā)生變化。在指數(shù)平滑算法中，每一期只對該期的需求量進行預(yù)測，而在因此指數(shù)平滑法并不能直接套用在本模型中。針對這個問題，本發(fā)明采用以下方案進行解決：
依然采用原指數(shù)平滑法公式作為基礎(chǔ)，將其結(jié)果乘以6，即
其中，a為平滑指數(shù)，0<a<1，dt-1為上期實際消耗量，ft-1為上期預(yù)測值，ft為本期預(yù)測值。
下面將從理論和實際應(yīng)用兩方面此方案進行說明：
(1)理論方面，對公式進行推導(dǎo)，可得
(2)實際應(yīng)用方面，實際應(yīng)用過程中，預(yù)測的消耗量的周期是可能發(fā)生變化的。而當周期發(fā)生變化時，其結(jié)果是在原計算結(jié)果上乘以要預(yù)測的需求量的周期與進行預(yù)測的周期之商n，當n值發(fā)生變化時，只需乘以變化后的n即可解決這一問題。
可使用d3的提示框技術(shù)(tooltip)使客戶歷史真實需求量和未來預(yù)測需求量展示在網(wǎng)頁上。
步驟2.2，基于出租車gps軌跡的路段通行時間的估計：
首先根據(jù)各路網(wǎng)節(jié)點的經(jīng)緯度信息確定通過各路段的gps軌跡點的經(jīng)緯度坐標范圍，然后根據(jù)出租車歷史gps軌跡點的經(jīng)緯度信息，將出租車的gps軌跡與路網(wǎng)的路段進行映射，算出通過各路段經(jīng)歷的時間。由于每天不同時刻都有大量出租車經(jīng)過同一路段，本發(fā)明用通過該路段的所有出租車在不同時間段下的平均通行時間作為該路段在該時間段下的預(yù)計通行時間，并將這個預(yù)計時間作為路網(wǎng)模型中該路段對應(yīng)的邊的權(quán)值w，方便后面基于最快路徑算法來計算節(jié)點到各客戶位置的最短通行時間。
步驟3，基于改進pam的迭代選址算法的實現(xiàn)：
首先通過使用基于k-中心點的聚類算法找出一個較好的初始庫房選址集合f(位于道路交通網(wǎng)的頂點上)，較好的初始庫房選址集合會產(chǎn)生一個比較低的總消耗時間，因為在迭代時只有產(chǎn)生更低總消耗時間的替換才會真正被執(zhí)行，所以通過給出一個更好的初始庫房選址集合，可以降低后面需要的迭代次數(shù)。
另外，本發(fā)明采用的改進pam算法進行迭代選址，具體是在傳統(tǒng)pam算法中添加“刪去不必要置換”和“高效置換評估”兩個方法?！皠h去不必要置換”類似剪枝函數(shù)，對路網(wǎng)節(jié)點進行分組，先隨機選擇k個代表對象(路網(wǎng)節(jié)點)組成組，然后對剩余的對象根據(jù)其與代表對象的距離分配給最近的組，之后通過預(yù)先計算出每個路網(wǎng)節(jié)點分組到各客戶請求的最短時間，過濾掉那些最短時間大于現(xiàn)有庫房選址集合消耗時間的分組，減少需要考慮的迭代替換次數(shù)。“高效置換評估”主要是通過對請求分組(分組方式同路網(wǎng)節(jié)點)，利用pam算法預(yù)先計算出每個路網(wǎng)節(jié)點分組到各客戶請求分組的最短時間，進一步減少每次迭代時需要的關(guān)于通行時間的計算時間。這樣就可以減少迭代過程和時間復(fù)雜度，進而提高算法的效率。
步驟4，利用步驟3計算出的當前庫房選址位置集合滿足客戶請求r需要的時間
其中，t(m,v,r)表示在通行時間矩陣m下節(jié)點v到r的最短時間。
以上詳細描述了本發(fā)明的較佳具體實施例。應(yīng)當理解，本領(lǐng)域的普通技術(shù)人員無需創(chuàng)造性勞動就可以根據(jù)本發(fā)明的構(gòu)思作出諸多修改和變化。因此，凡本技術(shù)領(lǐng)域中技術(shù)人員依本發(fā)明的構(gòu)思在現(xiàn)有技術(shù)的基礎(chǔ)上通過邏輯分析、推理或者有限的實驗可以得到的技術(shù)方案，皆應(yīng)在由權(quán)利要求書所確定的保護范圍內(nèi)。