2017大数据分析专业竞赛赛事回顾之江西赛区|看他们如何解决城市物流末端配送难题- 大数跨境

首页

2017大数据分析专业竞赛赛事回顾之江西赛区|看他们如何解决城市物流末端配送难题

长风大数据

2017-10-21

导读：秋风萧瑟层林尽染天气渐凉大数据却依然火热我们的2017大数据分析专业竞赛也在不断升温

秋风萧瑟

层林尽染

天气渐凉

大数据却依然火热

我们的2017大数据分析专业竞赛也在不断升温

2017年10月14日，第十届全国大学生网络商务创新应用大赛-2017大数据分析专业竞赛江西分区赛在江西理工大学经济管理学院二楼报告厅举行。

南昌大学管理学院教授、博士生导师刘春年教授，赣州市统计局副局长刘友辉、赣南师范大学商学院教授、硕士生导师孙剑斌教授，江西理工大学经济管理学院工商管理系主任邹国良博士、大赛主办单位北京络捷斯特科技发展股份有限公司大数据部总监李宇航先生作为本次分区赛现场的嘉宾和评委出席了本次活动。

各团队经过方案陈述和答辩两个环节，由专家评审团最终评选出江西分赛区各参赛作品的名次，并进行了现场颁奖。

学校	团队	奖项
南昌大学	one more thing	特等奖
江西理工大学	酷的五次方	一等奖
江西理工大学	智韵	一等奖
江西理工大学	数据大爆炸	二等奖
江西理工大学	“赣江源”	二等奖
江西理工大学	飞跃队	二等奖
江西理工大学	五环之歌	三等奖
江西理工大学	红领巾	三等奖
南昌大学	麦芽威士忌	三等奖
南昌大学	融我金采	三等奖

纵观各个团队的参赛作品，有人解决仓储作业优化问题，有人解决物流末端配送问题，同样的数据不一样的思路，小伙伴们的创造力总能给人以耳目一新的感觉。同学们运用长风大数据平台提供的数据和工具结合企业实际的业务需求，提出问题、分析问题、解决问题，设计了物流末端配送优化方案、交通路网优化方案等。其中不乏数据处理技术水平高、分析角度新颖、方案设计完善的作品，很多作品也得到了专家评审团的高度认可。

下面我们以江西理工大学-酷的五次方团队的参赛作品为例，来看看这些年轻人是如何解决城市物流末端配送的问题的：

数据分析

首先，他们利用logis PMT平台对上海的城市末端物流数据展开分析发现：网点相对于配送点过于集中，如下图所示：

然后对网点与商户的位置进行分析得出结论：网点相对于商户过于分散。如下图所示：

之后他们继续对数据进行分析发现:送达配送点的包裹和配送点所在地理位置有明显关系，从A类到E类，包裹的离散度越来越低，数量大的包裹大部分来自于市中心的配送点。（将接收包裹数量在1-18的配送点统一归为A类，将接收包裹数量在19-35的配送点统一归为B类，将接收包裹数量在36-52的配送点统一归为C类，将接收包裹数量在53-72的配送点统一归为D类。将接收包裹数量在73-99的配送点统一归为E类），在各类范围内，由颜色深浅表示包裹量（颜色越深，包裹越多）。

在此基础上，他们分析了各个网点的辐射范围以及网点与配送点关系发现：中心区域的网点辐射区域小但受服务配送点密度大，边沿的网点辐射区域大但受服务配送点密度小，如图所示(在区域内受服务于同一个网点的配送点用同一种颜色标识，即可直观地得出该区域内网点的辐射范围、配送点密度)：

继续分析包裹数量与用户密度之间的关系发现：包裹量在1-16之间的用户量最多，在74-99之间的最少。总体来看，包裹量不超过52个的用户占比超过70%，末端物流服务的主体还是“散户”，包裹量大的“大户”占比较少。

经过进一步对各类用户从经度和维度两方面分析发现：C4类的用户不管在经度还是在纬度上跨度都是最大的，说明C4类用户在整个地区最为分散，以此类推可得，按照用户离散程度从大到小排列可得C4、C3、C5、C1、C2。

再对同城配送中的包裹数量和领取时间以及订单量进行分析之后发现：配送需求比较高的时间段为11：30-13：00和17：30以后。

对快递领取时间和订单数量进行分析得出：

建模解决

最后，该团队用模糊逻辑搜索法根据之前的分析结果进行了网点的重新安排。在现有网点基础上，以这些网点为中心囊括附近5个商户以及90个配送点，尽量靠近订单量大的商户以及包裹量大的配送点重新选址，对网点的重新排布相当于在原来网点的位置上向这个区域内送货量相对较大的地方移动，这里是一个比重权值，比重越大，向这个方向上移动的越多。在网点密集的区域，若有重复则按顺序在剔除重复配送点和商户后尽可能多地选择。此外，对于少量重新选择后不符合实际地理情况地的网点进行人为干预选址。