提出问题
图-2006-2016我国快递业务量增长情况
电子商务，已然成为中国新四大发明之一。城市末端物流配送，是整个电字商务货物供应链的最后环节，也是最关键的环节，决定一个快递企业成功与否真正在于连接网购的两端，物流发展的困局集中在最后几公里的配送上面。末端配送不仅影响消费者的网络购物体验，也在物流配送整个流程的成本中占决定性地位。最后环节的配送意义已经不仅仅局限于物品何时送达到顾客手中，更在于通过末端配送体系衡量该地区末端物流配送的等级，这也是电子商务的发现环节和实现环节，是资金流、信息流、物流的入口，也是未来电商的主要竞争场地。日益增加的需求量迫切的需要快递业在已有水平上提高配送效率。而物流公司也希望能够优化自己的配送方案，以实现公司经济效益的最大化。
因此本文将基于大数据分析对网点分布进行优化，以达到节省社会资本、提高城市末端物流效率的目的。
分析问题
本作品中用到的数据是某物流企业在某地区的站点信息、2015 年的运单信息表。
为研究方便，选取某快递公司在上海某地的A008、A009、A010、A011、A012这五个网点作为研究对象。其中 A008、A009、A012位处郊区，A010、A011位于市中心。
通过对网点包裹量的分析，发现：A008、A009、A012 揽收包裹数大体相似，共占整体的80%； 网点 A011、A010 揽收包裹数相似，共占整体的20%。市中心的网点揽件量较少而远离市中心的网点揽件量却反而增多。
通过对网点布局的分析，发现：距离比较相近的网点，有些网点所管辖的配送点数量较多，有些网点所管辖的配送点数量较少，每个网点所管辖的配送点数量存在诸多差异，这使得每个网点面临的商业压力和所取得经济效益具有较大差异。
解决问题
基于问题一进行分区处理
针对分析发现的第一个问题，对这些配送点进行图像密度处理，将配送点进行划分区域，得到下图：
基于问题二进行优化网点范围的划分
选取上图区域 4 作为研究对象，经过统计结果，在该区域内，每个网点所管辖的配送点应在 50~60 个之间，我们这里采用中值思想，设定每个网点所管辖的配送点数量为 55 个。
此时要确定一个优化的网点，需要考虑三个方面：
1.配送点所包含包裹量
2.配送点位置
3.配送过程中的经济效益
于是得到如下模型：
优化网点=k1 拟网点1+k2 拟网点2+k3 拟网点3
其中看k1 ,k2 ,k3 是修正系数，即每个条件对最终优化网点确立的权重，拟网点 1，拟网点 2，拟网点 3分别代表三个条件确立的拟网点。
注：在下文处理中，把经纬度用横纵坐标来表示。
配送点包裹量
包裹量的多少在本质上决定了我们要在这里投入人力和物力，是物流配送的核心。于是我们在这里利用包裹量的个数，类比质心的求解，做出由包裹量决定的拟网点 1，模型如下：
注：X1，Y1表示拟网点的经纬度，Xi，Yi表示每一个配送点的经纬度，ni表示每一个配送点的包裹量。
将圈定的 55 个配送点的经纬度和包裹量带入模型，得到拟网点1的坐标为（121.5803，31.3438）。
配送点位置
配送点位置是我们在处理网点位置的基础，每一配送点的经纬度是不变的，所以网点的位置选取应该由配送点的位置所决定，本文利用 K - means 算法，对配送点的经纬度进行聚类分析，得到的聚类结果如下图 ：
通过对所选配送点的聚类分析故可以得到由配送点位置所决定的拟网点2的坐标为（121.5845，31.3573）。
配送过程中的经济效益
对于网点的选定与优化，经济效益同样也是一个不可忽略的因素。建立任何商业设施都应当考虑当前的收益和潜在的收益以及对沿途环境的破坏的亏损经济值。当前的收益就为每个配送站中每个包裹的利润，潜在收益包括因顾客对该项服务的满意程度而产生的长远利益和配送点提供就业岗位所产生的经济效益为的就业效益，而对沿途环境破坏的亏损值则与整体路程有关。于是，我们可以得到如下模型：
注： P 为总的配送成中的经济效益值， mi为每个配送点包裹平均经济价格， ni 为每个配送站包裹数
在我们在已知包裹量和其经济价格以及每个配送点的潜在经济效益系数，则当配送整体距离越小时，整体的配送过程经济效益值越大。我们假设从网点出发到各个配送点运送的交通工具都一样，均为货车，且每一辆车都有相应负责的配送点。则运送距离为：
注：S1 为每个配送点相连的距离，S 2 为网点到各个配送点的距离之和。
此时利用蚁群算法，得到每个配送点相连的距离的最小值，并将每个配送点标明序号并连线，算得最小距离值为 29.9422 千米，其仿真图像如下图：
网点到各个配送点的距离之和s2的计算公式为：
要使网点到各个配送点的距离之和达到最小，则需要找到由蚁群算法所得到的图形的费马点，由于各个点的其他因素（如：交通状况，地形地势）无法确定， 所以在这里采用拉格朗日松弛算法，进行模糊运算。我们取序号为21，27，9， 6，55，46，44，35这八个点进行费马点的确定,最终坐标确定为（121.5720，31.3520）。
将由三种因素所确定的拟网点标注在地图上，如下图：
由于修正系数ki 的值会根据不同的区域而发生改变，不能定量处理，这时我们采用的等效处理方法，以这三个不共线的拟网点做圆处理，可得到下图：
通过计算，可以得到圆心坐标为（121.5796，31.3514），半径为 0.8436 千米。所以在网点可以这个圆内选择。这也为网点的确定提供了动态模型。
当这三个拟网点共线时，则选择距离相对较远的两个拟网点作为直径的两个端点，并作出圆域。
类似地，我们将每一个优化网点圆形选择范围地圆心标注在地图上，并于原网点对比得到下图：
优化建议
基于以上情况，我们对该地区末端运输提出优化建议：
1. 市区内网点较集中，覆盖片区重复，运力利用率不能的到充分发挥，郊区网点分布较分散，运力过载，导致郊区运输时间较长，这是应该引起有关部门注意的，可以合并部分市区内的网点，在市区和郊区间设立中继站，分担两端的压力。
2. 网点作为末端运输的核心，在所匹配的分配点区间的分布不够具有代表性而且具体分析配送点坐标，发现配送点也有重复，对此可以将线下实体配送点应该统一整合，密集处的片区小店可统一合并成区域大店，从而降低管理成本，实现对配送点利用的最大化。
3. 在网点选择时要注重多方面的衡量，综合地理位置包裹量等条件，以实现在配送过程中的经济效益最大化，这不仅让消费者能够感受到在信息时代物流产业的便捷，也节约了社会成本，达到了多方面效益最大化。
4. 对配送点进行分区域划分，从多个维度来考虑网点的优化。
作 者：长春理工大学-追光者
团队成员：杜岩松、付小健、贾天泽、肖琨武、董宏伟
指导老师：王崇娥
近期长风大数据公众号将于每周一、三、五定期推出2017大数据分析专业竞赛作品赏析系列，评论里留下你想看到的作品，小编会努力满足你的要求哦
同时，竞赛的优秀作品集也在密集整理当中，想要获取免费赠送名额的小伙伴，记得点赞转发哦
幸运会敲你的门
声明：微信文章为独家原创，欢迎个人用户分享到朋友圈；其他任何形式的转载，请联系本公号取得授权，否则将追究法律责任。长风大数据（微信号：cf-dsj）隶属于Logis北京络捷斯特科技发展股份有限公司，简称：络捷斯特，证券代码：834832。
长风大数据（微信号：cf-dsj）基于多行业的海量数据资源，为企业运营和院校科研提供先进的数据挖掘分析工具，帮助用户释放数据价值、捕获深层信息。
联系电话：010-65568598转8013
电子邮箱：cfdsj@logis.cn
网址：http://www.cfdsj.cn
