下载文档原格式
考虑合作覆盖的多级自提点选址问题韩珣;张锦;曾倩【摘要】自提点作为企业或企业联盟主导建设的公共服务设施,具有独立的品牌和完善的内部信息系统,而顾客行为受到一定区域内、同品牌的所有自提点的影响.通过信号强度函数和概率函数,刻画联合覆盖对顾客选择的影响,建立竞争环境下自提点选址模型.采用遗传算法进行求解,案例结果表明,随着预算的增加,每一单位的成本带来的加权需求覆盖量的增加值逐渐减小;合理较高水平的信号量阈值,有利于企业通过多级自提点布局获取竞争优势;通过与非联合覆盖模型对比,联合覆盖模型在加权需求覆盖量、覆盖成本、顾客效用方面都较优.【期刊名称】《交通运输系统工程与信息》【年(卷),期】2019(019)001【总页数】7页(P165-171)【关键词】物流工程;多级设施选址;合作覆盖;自提点;遗传算法【作者】韩珣;张锦;曾倩【作者单位】西南交通大学交通运输与物流学院,成都610031;西南交通大学交通运输与物流学院,成都610031;西南交通大学交通运输与物流学院,成都610031【正文语种】中文【中图分类】F270;F224.3;C9310 引言根据尼尔森和阿里研究院发布的《快递最后100米服务趋势报告》显示，当前有74%的顾客通过自提点交付包裹.自提凭借安全性和隐私性较强、灵活性高、1次交付失败率低和碳排放低等优点被政府和企业广泛推广，逐渐取代送货上门成为主要的末端配送方式.随着自提模式的逐渐深入，顾客异质性需求日益凸显，由于生活环境、收入水平等因素的影响，顾客对服务产品品类、数量要求呈现出不同的特点.面对这一挑战，自提服务企业根据历史数据挖掘顾客需求特征，建立更有针对性的、更加经济的多级自提网络.学者对于多类型或多等级设施选址的研究较少.李婷婷[1]考虑不同层次枢纽服务能力的约束，构建了基于层级选址模型的区域客运枢纽分层布局优化模型.周林[2]建立了送货上门与客户自提二元需求模型，设计包含多容量选址的两阶段模拟退火启发式算法.韩珣[3]提出了由自提服务中心、自提服务点和自提服务站构成的嵌套型多级自提网络结构，建立了以顾客效用最大和企业建设成本最小的多级自提点选址模型.结合现实场景，另一个重要考虑是竞争环境，其研究相对成熟[4-5].在以最大覆盖模型为基础的竞争性选址研究中，Plastria等[6]提出了基于预测的离散型竞争选址问题，构造了基于3种不同策略的竞争设施选址模型.范建华[7]引入顾客阶梯型效用函数，建立了考虑设施覆盖衰退和服务半径的连锁企业设施竞争性选址模型.效用函数是确定顾客选择的主要方法，无论是0-1覆盖还是渐进覆盖，其重要假设是顾客受到单个设施点的影响.在实际中，同一企业的多个设施并非独立不相关，而是共同对顾客的行为产生影响.联合覆盖模型刻画了顾客受到服务半径内所有设施点影响这一现象，适用于连锁设施、应急设施的布局优化问题.Berman等[8]提出了连续性和离散型需求联合覆盖模型，并通过警报器布局选址案例验证联合覆盖下需要的设施数目是传统单点覆盖的1/2.Berman等[9]归纳了渐进覆盖、联合覆盖和变半径覆盖等3种覆盖模型的应用情景，提出联合覆盖可描述为一定距离内的设施都会对顾客的惠顾行为有影响.综上所述，现有大部分设施选址问题以单层、单类型网点为对象，未考虑多个网点对顾客行为产生的共同影响.本文考虑了多类型网点功能的嵌套性，提出联合覆盖下，以目标企业覆盖需求最大为目标的多级自提点竞争选址模型，以期为自提点选址布局提供参考.1 模型建立1.1 问题描述竞争环境为顾客带来更多的自主选择权，同时也对企业的选址决策产生重要影响.在多级自提网络基础上[3]，如图1所示，已知顾客级别、位置和需求量，竞争者自提点位置、级别和个数，同时给出若干不同级别和容量的备选点，帮助目标企业决策自提点数量、级别和位置，以占据更大的市场份额.主要假设如下：(1)顾客受到与自提点距离、吸引力和信号强度的影响，选择到目标企业或竞争企业接受服务；(2)低级别的顾客可以到同等级或更高等级的自提点接受服务.图1 多级自提网络结构Fig.1 Structure of multi-level pickup network1.2 符号说明I——顾客集合，i∈I；J——候选自提点集合，j∈J；H——竞争企业自提点集合，h∈H；——s级顾客i的需求量；S——需求级别集合，S={1,2,3}，分别代表初级顾客、中级顾客、高级顾客，s∈S；T——服务级别集合，T={1,2,3}，分别代表一级自提点、二级自提点、三级自提点，t∈T；Ast——t级自提点对s级顾客的吸引力函数；——s级顾客的最小、最大临界距离；lij、lih——顾客i与目标企业自提点j或竞争企业自提点h的距离；——s级顾客i从区域内所有目标或竞争企业自提点接收到的信号量；ϖ——当顾客需求被覆盖的信号量阈值；——t级自提点j的最大容量限制；qs——s级顾客对企业的重要性程度；——t级自提点j的建设成本；pi——顾客i的需求分配到目标企业的概率；C——总成本预算；xj——取0-1变量，若在j点处建立自提点，xj=1，否则，xj=0.1.3 顾客感知函数距离影响顾客接受服务的可达性、便利性.吸引力Ast是顾客对网点服务质量的评价，定义为沟通便利性cost和服务产品多样性avst，其中cost,avst∈[0,1].具体计算公式为两者共同作用于顾客感知.通过分段函数刻画需求级别为s的顾客i对目标企业和竞争企业单个自提点的感知，其计算公式为1.4 信号强度函数在自提服务设施联合覆盖网络中，顾客在可接受最大临界距离内，可以接收到来自企业所有同级别或高级别自提点发射的信号.设施点共同表达的能力越强，顾客惠顾的可能性越大.需求级别为s的顾客i受到目标企业或竞争企业的对应级别或高级别自提点发射的信号的影响，计算公式为1.5 概率函数顾客是否选择自提点接受服务与该企业发出的信号强度有关.信号的组合强度如果超过了阈值ϖ，即顾客接受服务的满意度水平下限，则顾客被这些设施共同覆盖.需求级别为s的顾客i选择目标企业接受服务的概率pi为1.6 联合覆盖下的多级自提点选址模型本节考虑顾客的重要程度、自提点级别的嵌套性、自提点容量对各级顾客的分配、总成本预算等约束条件，以企业加权覆盖需求最大化为目标，具体模型及约束条件为其中，式(7)表示最大化目标企业覆盖的加权需求量；式(8)表示服务等级的嵌套性，高级自提点能为同级或低等级顾客服务；式(9)～式(11)表示自提点容量约束，且高等级自提点优先为高等级顾客服务；式(12)表示总成本约束；式(13)为决策变量的取值范围；式(14)为参数的取值范围.1.7 非联合覆盖下的多级自提点选址模型在不考虑联合覆盖的情况下，每个自提点作为独立个体对顾客进行覆盖.距离和吸引力影响顾客i是否在自提点j或h接受服务.因此，顾客i选择属于目标企业的自提点接受服务的概率为对照1.6节，未考虑联合覆盖的服务优化模型，其目标函数与约束条件相应修改为2 模型求解前文建立的选址段模型中，决策变量xj是0-1变量.而遗传算法是一种全局搜索优化算法，在0-1变量空间中有较高的搜索效率，因此采用遗传算法对模型进行求解.Step 1 编码规则与初始种群的生成.采用二进制0-1编码方式对种群个体进行编码，将每个个体划分为n个基因，表明有n个备选自提点.如果初始化个体不满足自提点建设的成本约束，则随机生成新个体替代原个体，直到种群中的个体都为可行个体.Step 2 需求点分配.①计算顾客对同级别或更高级别自提点的距离感知和收到的信号强度；②计算顾客选择目标企业接受服务的概率及需求量；③将顾客按照级别从高到低、需求量从大到小排序，优先将级别高、需求量大的需求点分配到目标企业，判断是否超过该企业同级或高级别自提点的剩余容量.如未超过，该需求点分配结束，顺次分配下一个顾客；否则，放弃该需求点，顺次分配下一个需求点.Step 3 计算目标函数的适应度.Step 4 采用轮盘赌法，以一定概率选择上一代中适应度较好的若干个个体.随机抽取一定数量的轮盘赌操作中选择的个体，通过万有引力搜索策略进行局部搜索，具体流程如图2所示.经过轮盘赌选择后，未选中进行局部搜索的个体直接进入下一代种群；对选中进行局部搜索的个体采用贪心策略，仅保留局部搜索后比原个体更优的解进入下一代种群.图2 局部搜索流程Fig.2 The flow diagram of local searchStep 5 采用两点交叉和离散变异法对染色体进行交叉和变异操作，产生新种群. Step 6 当达到规定的迭代次数，算法终止；否则，跳转回Step2.3 案例分析3.1 参数设置按照区街道行政划分将居民点聚类成30个需求点，编号1～5的需求点为高级顾客，编号6～15的需求点为中级顾客，其余为初级顾客.目标企业将在该商圈布局自提点，编号为1～5为三级备选点，编号为6～15为二级备选点，其余为一级备选点，建设总成本C=70 000.服务级别为t的各备选点的最大容量限制.s级顾客对企业的重要性程度qs={q1,q2,q3}={1.0,1.5,2.0.}顾客需求被覆盖的信号量阈值为75%.此外，竞争企业在该区域布局1个三级自提点、2个二级自提点和4个一级自提点.需求点、目标企业备选自提点和竞争企业自提点的分布情况如图3所示. 3.2 计算结果由进化图可以看出，374代以后加权需求覆盖量保持不变，可以认为获得最优解，如图4所示.企业加权覆盖需求量达到137 908单位，此时实际需求覆盖量为86 734单位，成本为68 110单位.对应的最优个体为(000110010000000000111000111011)，即建立2个三级自提点(编号为4、5)，1个二级自提点(编号为8)，8个一级自提点(编号为19、20、21、25、26、27、29).而非联合覆盖模型的加权覆盖需求量为110 220单位，实际覆盖需求量为66 901单位，成本为69 790单位，对应最优个体为(000101000000011100100110101011).对比联合覆盖模型，非联合覆盖模型下，目标企业的加权需求覆盖量减少了20.08%，成本增加了2.41%.两种覆盖模型顾客效用对比如图5所示.其中，灰色菱形和条形分别表示合作和非联合覆盖模型下，顾客有较大概率前往目标企业自提点，数值表示在该企业自提点所获得的效用；黑色则表示竞争企业的情况.图3 需求点、备选自提点和竞争企业自提点分布Fig.3 Distribution of demand points and pickup points图4 最优解的进化过程Fig.4 The evolution of the optimal solution可以得到如下结论：(1)顾客在联合覆盖模型下获得的效用不小于非联合覆盖下的效用.由于距离是影响顾客感知的重要因素，顾客往往选择距离更近的自提点接受服务，这是符合顾客一般行为准则的.然而在联合覆盖的假设下，顾客还受到服务半径内企业自提点的个数与布局的共同作用.顾客可获得服务的自提点数量增加，提升了服务的可靠性，将对顾客感知产生积极作用.(2)联合覆盖模型和非联合覆盖模型下，顾客选择企业接受服务的决策基本相同，但偶有例外.距离对顾客产生了重要而非绝对的影响，服务的可靠性也成为了顾客选择考虑的因素.编号为7的顾客，虽然目标企业的单个自提点对其效用最大，但目标企业只有2个自提点可以为其提供服务，而竞争企业有4个自提点在顾客服务半径内，意味着当距离最近的自提点资源被占用时，顾客可接受备选的自提点更多，服务的可靠性更大；编号为22的顾客则相反.可以看出，考虑联合覆盖的选址模型，无论是在加权需求覆盖量、覆盖成本和顾客效用方面，都优于非联合覆盖模型.图5 两种模型下顾客效用对比Fig.5 Customer utility comparison under two models3.3 敏感性分析(1)预算对加权需求覆盖量的影响.预算作为企业选址决策的重要因素，影响自提点建设个数、等级、位置等.以预算C={40 000,50 000,60 000,70 000,80 000,90 000,100 000,110 000,120 000,130 000}为例，求解各预算取值下加权需求覆盖量，对应各级自提点数量如图6所示.图6 预算对加权需求覆盖量的影响Fig.6 The influence of budget on weighted demand coverage可以得到如下结论：①加权需求覆盖量随预算增加而增加，增速逐渐放缓直至趋于平稳.当预算处于较低水平时，预算增加了10 000单位带来了加权需求覆盖量从52 542到99 578的飞跃，边际效益显著.而预算超过临界点后(C=80 000)，由于服务范围内顾客的位置、等级和需求量限制，企业的竞争态势已基本稳定，预算的增加无法再带来积极作用.企业在投资估算时要把握适度原则，以最少的投入获得最大的回报，而非一昧追求需求覆盖最大化.②当预算足够多的时候，优先建立容量更大、服务产品更多的三级自提点能带来加权需求覆盖量的提升.由于三级自提点能实现对需求量更多、顾客权重更大的高级别顾客的覆盖，同时由于自提点服务级别的嵌套特征，又兼顾低级别顾客的服务可获得性.企业在做出选址决策时，在预算范围内建立更多的三级自提点是更加明智的决定.(2)信号量阈值对加权覆盖量的影响.信号量阈值作为联合覆盖模型中的一个重要参数，其数值对企业加权需求覆盖量有深刻影响.以信号量阈值T={0.05,0.10,0.15,0.20,0.25,0.30,0.35,0.40,0.45,0.50,0.55,0.60,0.65,0.70,0.75,0 .80,0.85,0.90,0 .95}为例，求解各信号量阈值取值下加权需求覆盖量及其对应各级顾客实际需求覆盖量，如图7所示.图7 信号量阈值对加权需求覆盖量的影响Fig.7 The influence of signal threshold on weighted demand coverage可以看出，加权需求覆盖量随着信号量阈值的增加大体上呈现出先增后降的趋势.当信号量阈值较低时，加权需求覆盖量比较稳定，有较小范围的波动.当信号量阈值超过临界点后(T=0.6)，加权需求覆盖量出现陡增，到达最高点后又迅速下降.原因是过低的信号量阈值意味着顾客选择标准较低，目标企业和竞争企业的大部分都能够作为顾客选择的备选项，并按照概率进行需求分配，此时目标企业竞争优势较小.而当信号量阈值持续增加时，意味着顾客接受服务的满意度水平下限提升，顾客只能被设施的组合强度超过阈值的企业覆盖，目标企业在已知竞争企业布局的情况下，能通过选址决策提升信号强度，从而获得顾客全部需求.当信号量阈值过高时，目标企业和竞争企业都难以满足.企业应通过实地调查，合理估算目标市场中顾客的信号量阈值和竞争企业的组合信号强度，从而做出最优的选址决策.4 结论本文考虑了单个自提点的层级、距离和多个自提点的联合覆盖作用对顾客选择行为的影响，建立了以加权需求覆盖量最大为目标的竞争选址模型.加权需求覆盖量对预算的敏感度逐渐下降；信号量阈值处于合理较高水平时，有利于目标企业通过布局多级自提点获取竞争优势.问题的解决有利于指导企业在竞争环境中，充分利用品牌作用和信息共享形成的联合覆盖，共同影响顾客行为，在顾客满意度水平范围内，建立自提点以服务更多的需求，实现自提服务的供需匹配.【相关文献】[1] 李婷婷,宋瑞,何世伟,等.基于层级选址模型的区域客运枢纽布局优化研究[J].交通运输系统工程与信息,2014,14(6):36-41,78.[LI T T,SONG R,HE S W,et al.Regional passenger hub layout optimization based on hierarchical location model[J].Journal of Transportation Systems Engineering and Information Technology,2014,14(6):36-41,78.][2] 周林,林云,王旭,等.网购城市配送多容量终端选址与多车型路径集成优化[J].计算机集成制造系统,2016,22(4):1139-1147.[ZHOU L,LIN Y,WANG X,et al.Integrated optimization for multiclass terminal location-heterogeneous vehicle routing of urban distribution under online shopping[J].Computer Integrated Manufacturing Systems,2016,22(4):1139-1147.] [3] 韩珣,张锦,陈义友.基于顾客需求异质性的多级自提点选址研究[J].工业工程与管理,2017,22(4):23-29,39.[HAN X,ZHANG J,CHEN Y Y.Multi-level pickup point location based on customer demand heterogeneity[J].Industrial Engineering andManagement,2017,22(4):23-29,39.][4] BIESINGER B,HU B,RAIDL G.Models and algorithms for competitive facility location problems with different customer behavior[J].Annals of Mathematics &ArtificialIntelligence,2016,76(1-2):1-27.[5] 邵赛,关伟,毕军.考虑排队时间和里程约束的竞争充电站选址问题[J].交通运输系统工程与信息,2016,16(6):169-175.[SHAO S,GUAN W,BI J.Charging station location problem with queue and range in competitive multi-site service system[J].Journal of Transportation Systems Engineering and Information Technology,2016,16(6):169-175.][6] PLASTRIA F.Four-point fermat location problems revisited,new proofs and extensions of old results[J].Ima Journal of Management Mathematics,2006,17(4):387-396.[7] 范建华.基于阶梯型衰退效用函数的竞争选址问题[J].管理学报,2009,6(12):1638-1642.[FAN JH.The choice of competitive location for the chain-firm on the basis of step decay utility function[J].Chinese Journal of Management,2009,6(12):1638-1642.][8] ODED BERMAN,ZVI DREZNER,DMITRY KRASS.Cooperative cover location problems:The planar case[J].Iie Transactions,2009,42(3):232-246.[9] BERMAN O,DREZNER Z,KRASS D.Generalized coverage: New developmentsin covering location models[J].Computers&Operations Research,2010,37(10):1675-1687.。
摘要随着电子商务的迅猛发展，快递的业务量剧增，最后一公里的配送难题迅速成为快递行业的配送瓶颈。
由于快递人员与客户之间的送货时间与收货时间存在不一致性冲突，导致传统的送货上门模式配送延迟、二次配送率高、客户投诉率持续不下等问题，随之产生了客户自取模式，即智能快递柜的服务形式应运而生。
它联合了物流和信息流，成为处理快递末端配送难题的重要创举。
研究智能快递柜的选址优化问题，有助于改善传统的快递配送模式，有效提高物流最后一公里的配送效率，提升客户满意度，增加快递公司对物流最后一公里的投资收益。
本文首先探讨了智能快递柜在国内外研究中的发展现状，分析智能快递柜目前研究所留存的缺陷与不足，阐述了智能快递柜选址研究的现实需要和重大意义。
其次分析了关于选址方面的相关思想和研究，探讨快递公司的智能快递柜服务模式，并根据智能快递柜的独特属性以及现实生活的实际需要，在传统的最大覆盖模型的基础上，提出了基于快递公司视角的智能快递柜选址的收益最大化模型。
为解决智能快递柜选址中模型运算的NP难问题，在标准的粒子群优化算法的基础上，提出了基于多重方向进化的BPSO算法。
最后根据算例，应用BPSO算法得出模型的相应最优解，验证智能快递柜选址模型与算法的合理性，达到快递柜的选址目的。
关键词：智能快递柜；粒子群算法；选址优化；收益最大化ABSTRACTWith the rapid development of e-commerce, express delivery business has been rapid growth, making the delivery of the last mile puzzle has become the delivery bottleneck in the delivery industry. At the same time, due to the time conflict between courier and customer, some problems appeared, such as delayed delivery, high secondary delivery rate and continuous customer complaint rate. The resulting customer self-service model, that is, intelligent courier service model came into being. It combines logistics and information flow and has become an important initiative to solve the delivery end of the courier. Researching appropriate models and methods to solve the problem of intelligent crate distribution optimization can help improve the traditional express logistics mode, effectively improve the delivery efficiency of the last mile of the logistics, improve customer satisfaction, and then increase the third party investment profit.Firstly, this paper discusses the status of research and development of intelligent express delivery cabinets at home and abroad, as well as the existing shortcomings and deficiencies of it, and then expounds the necessity and importance of intelligent express delivery cabinet location research. Secondly, according to the related theories and researches on site selection, this paper presents the maximum profit model for the location of intelligent express cabinets based on the traditional maximal coverage model. Thirdly, in order to solve the NP-hard problem of model selection in the location of intelligent express cabinets, a BPSO algorithm of multiple directions evolution is proposed based on the standard Particle Swarm Optimization (PSO) algorithm. Finally, in the light of the example, the corresponding optimal solution of the model is obtained by using BPSO algorithm, so as to verify the rationality of the model and algorithm of the location of the intelligent express delivery cabinets, then, achieve the purpose of selecting the express delivery cabinet.KEYWORDS: Intelligent Express Cabinet; Particle Swarm Optimization; Site Optimization; Maximize Revenue目录第一章绪论 (1)1.1 研究背景、目的和意义 (1)1.1.1 研究背景 (1)1.1.2目的和意义 (2)1.2 国内外研究现状 (3)1.3 研究内容与结构 (6)1.4 研究方法及创新 (7)1.4.1 研究方法 (7)1.4.2 本文的创新之处 (8)第二章相关理论基础 (9)2.1 物流最后一公里 (9)2.2 选址模型与理论 (11)2.2.1 P中值模型 (11)2.2.2覆盖模型 (11)2.3 选址模型求解方法 (14)2.3.1 模糊综合评价法 (14)2.3.2 遗传算法 (15)2.3.3 粒子群优化算法 (15)2.4 本章小结 (18)第三章智能快递柜选址模型构建 (19)3.1 智能快递柜模式 (19)3.2 智能快递柜选址模型分析 (22)3.2.1 智能快递柜选址的原则 (22)3.2.2 智能快递柜选址因素分析 (23)3.3 智能快递柜选址模型建立 (24)3.3.1 问题描述与分析 (24)3.3.2 模型假设 (27)3.3.3 参数及决策变量设置 (27)3.3.4 使用率及成本确定 (28)3.3.5 模型构建 (28)3.4 本章小结 (29)第四章智能快递柜选址模型的求解 (30)4.1 改进算法BPSO的基本思想 (30)4.2 算法BPSO的流程框架 (32)4.3 算法验证与分析 (34)4.3.1 测试函数 (34)4.3.2 实验与结果分析 (34)4.4 基于BPSO算法的智能快递柜选址算例研究 (40)4.4.1 案例描述 (40)4.4.2 模型求解与结果分析 (43)4.5 本章小结 (48)第五章总结与展望 (49)5.1 总结 (49)5.2 展望 (50)参考文献 (51)攻读硕士学位期间的学术活动及成果情况 (55)插图清单图1. 1 本文研究框架 (7)图4. 1 粒子寻优状况图 (30)图4. 2 PSO算法的单粒子寻优路径图 (32)图4. 3 BPSO算法的单粒子寻优路径图 (32)图4. 4 BPSO算法流程图 (33)图4. 5 Griewank函数测试结果图 (36)图4. 6 Quadric函数测试结果图 (37)图4. 7 Ackley函数测试结果图 (37)图4. 8 Schwefel 函数测试结果图 (38)图4. 9 SDP函数测试结果图 (38)图4. 10 Rosenbrock 函数测试结果图 (39)图4. 11 Michalewicz函数测试结果图 (39)图4. 12快递柜位置 (43)表格清单表4. 1测试函数表 (34)表4. 2算法结果比较 (35)表4. 3需求点坐标 (40)表4. 4备选快递柜坐标 (42)表4. 5 Yij的取值 (44)表4. 6 Wij的取值 (46)表4. 7快递柜数量为3时的求解结果 (47)表4. 8快递柜数量为4时的求解结果 (48)第一章绪论第一章绪论电子商务的发展带来了物流和快递行业的蒸蒸日上，随之而来的物流最后一公里问题也成为制约其发展的重要方面，如何解决物流末端配送难、成本高的问题，成为智能快递柜产生的关键助力。
2021年5期科技创新与应用Technology Innovation and Application研究视界智能快递柜选址的优化实证研究———以YSL 社区为例张西莎，石立红（衡阳技师学院，湖南衡阳421101）目前，在衡阳地区，智能快递柜已经遍布市区，在衡阳的五大区中智能快递柜的覆盖率已经达到了93%，快递柜数量和覆盖面积与日俱增，但同时，也出现了许多问题，如体积有限、数量少、距离过远、不会操作、信息不及时等等，这些问题能否有效解决，极大地影响着衡阳地区快递末端派送效率及用户体验。
1YSL 社区智能快递柜运行现状分析为了进一步的研究智能快递柜尤其是在衡阳地区运营情况，本文选取衡阳市蒸湘区作为主要研究区域，通过百度地图的甄选、个别大型社区的实地调研后，最终选定衡阳YSL 社区作为研究对象，针对YSL 社区进行市场调研时我们发现，该社区智能快递柜在运营商在铺设方面仍存在以下两个方面的问题：1.1智能快递柜铺设与偏门和无人问津的地方，与用户的路线不在一起YSL 小区内智能快递柜的铺设虽然节约了铺设成本，但其位置未与用户的出行路线连在一起，使得用户在使用智能快递柜时需要绕路前往快递柜取件，易产生抵触情绪，降低用户服务满意度。
1.2铺设的数量问题YSL 社区对智能快递柜的铺设时没有考虑快递业务摘要：合理的快递柜分布不仅能提升用户取发件的满意度，而且能提高快递员送达效率。
文章以衡阳YSL 社区丰巢快递柜为研究对象，从楼栋数量及分布、社区每日快递量等调查的基础上，先运用集合覆盖模型建模，求解出可选方案，再运用层次分析法对可选方案进行分析建模，再利用MATLAB 软件求出各方案的权重排名，得出社区丰巢快递柜在理论上的最佳投放选址方案，旨在解决YSL 社区丰巢快递柜的网点分布不均问题。
关键词：YSL 社区；智能快递柜；选址中图分类号:TP391.44文献标志码:A文章编号:2095-2945(2021)05-0072-03Abstract :Reasonable distribution of express cabinets can not only improve the satisfaction of users,but also improve the delivery efficiency of couriers.This paper takes Fengchao express cabinet in Hengyang YSL community as the research object.Based on the investigation of the number and distribution of buildings and the daily express delivery volume of the community,this paper first uses the set coverage model to model,then uses the analytic hierarchy process (AHP)to analyze and model the optional schemes,and then uses MATLAB software to calculate the weight ranking of each scheme,and obtains the most theoretical value of the community Fengchao express cabinet The project aims to solve the problem of uneven distribution ofoutlets of Fengchao express cabinet in YSL community.Keywords :YSL community;intelligent express cabinet;site selection作者简介：张西莎（1989-），女，硕士，讲师，研究方向：物流系统规划与设计；石立红（1982-），女，本科，讲师，高级物流师，研究方向：市场营销。
基于K-means聚类的生鲜自提柜选址及配送方案优化
徐昊源;缪鸿志
【期刊名称】《物流技术》
【年(卷),期】2022(41)11
【摘要】通过分析生鲜自提柜选址影响因素,建立了考虑新鲜度损耗成本、配送成本和建设与运营成本的从商家到消费者的全链条运输成本模型。
基于K-means聚类方法,以新鲜度损耗成本最小为目标对生鲜自提柜进行选址,并结合建设与运营成本给出最佳的自提柜设置数量。
最后以长春市南关区3个配送中心至31个居民小区的生鲜配送为案例对该方法进行实际应用,每一个居民小区同时为生鲜自提柜备选点,为生鲜自提柜的选址决策提供借鉴和理论指导。
【总页数】5页(P50-54)
【作者】徐昊源;缪鸿志
【作者单位】大连海事大学交通运输工程学院
【正文语种】中文
【中图分类】F259.2;F724.6
【相关文献】
1.基于k-means聚类和遗传算法求解选址—路径优化问题研究
2.基于嵌套Logit 选择模型的城市配送自提柜选址-路径问题
3.基于k-means聚类算法和层次分析法的配送中心选址
4.基于k-means聚类和遗传算法求解选址——路径优化问题研究
5.基于K-means聚类算法的物流配送方案设计
因版权原因，仅展示原文概要，查看原文内容请购买。
Service EconomyDOI：10.19699/ki.issn2096-0298.2021.01.130高校智能快递柜网点选址问题研究华东交通大学交通运输与物流学院 张悦摘 要：高校快递量剧增，使得传统配送模式配送时间、服务水平不能满足现有需求。
为了提高高校快递配送效率和服务质量，建设智能快递柜成为首选。
结合智能快递柜特点、高校环境和师生购物喜好分析选址影响因素，构建考虑企业总成本和师生满意度的双层规划选址模型。
运用主要目标法简化求解，将双目标模型转化为单目标模型，以算例验证模型的有效性，为在高校推广智能快递柜提供了参考。
关键词：高校快递；智能快递柜；网点选址；双层规划中图分类号：F259.23 文献标识码：A 文章编号：2096-0298(2021)01(a)-130-03年轻一代逐渐成为拉动消费增长的主力军，最为瞩目的当属高校学生。
在校生追求个性和潮流，未来是消费升级群体，企业赢得他们青睐，也就赢得未来市场。
《校园快递行业发展报告(2019)》指出，全国校园快递数量从2018年的25亿件预计2019年将增加到30亿件。
如果按全国高校在校生3800余万人计算的话，意味着高校学生人均快递数量达到78件，为全国数量的1.8倍[1]。
面对如此广阔的市场，高校快递仍存在运营成本高、安全隐患多、服务水平不能适应市场需求等诸多问题。
为解决校园快递安全、提高校园师生幸福感，更好服务师生学习和生活，“驿站”和“快递柜”在高校陆续持证上岗，这对于快递末端生态建设的日趋完善具有推进作用。
智能快递柜在高校具有良好的应用前景。
朱溪亭[2]从苏州建雄职业技术学院快递业务存在的问题切入，提出构建校园智能快递柜服务点，以整合校园快递业务、提高服务水平。
王俊等[3]通过收集数据和调研分析合工大校区得出校园智能柜的应用前景优势。
林长弘[4]运用SWTO分析法，以贵州大学为例分析得到智能快递柜在高校市场普及应用具有很大机遇，并从优劣势、策略发展三方面提出建议。
带服务半径约束的多配送中心选址问题研究作者：荣亚军等来源：《物流科技》2013年第09期摘要：物流配送中心的选址问题是控制物流成本的直接影响因素。
在综合考虑运输成本、固定建设成本、存储成本的前提下，引入了服务半径这个约束，建立了使总费用最小的配送中心选址问题的数学模型。
之后对同一数学实验例子，用LINGO软件进行了数值试验并与区域划分选址方法进行了对比分析。
结果表明带服务半径约束的选址模型比企业普遍使用的区域划分选址方法成本更低，服务更高效，对解决实际问题具有一定的借鉴作用。
关键词：配送中心；选址问题；成本；服务半径中图分类号：F252.14 文献标识码：A0 引言物流配送中心是专门从事物资配送业务的物流基地，是通过转运、分类、保管、流通、加工和信息处理等作业，根据用户的订货要求备齐商品，并能够迅速准确和廉价地进行配送的基本设施。
物流配送中心连接着供应商、制造商和分销商及客户，决定着供应链的流通成本和运作效率。
在整个物流配送中心建设规划中，一个非常重要的问题就是配送中心的选址。
正确的选址策略不仅可以减少企业的各项成本，还能为客户提供更优质的服务。
一般来讲，配送中心是一个成本中心而非利润中心，如果使用绝对成本作为考核指标，管理人员将会更倾向于压缩支出，这样不利于高质量地完成物流服务。
因此，使用相对指标更加合理，例如企业配送中心的服务半径。
如果配送中心的服务半径过大，那么它的辐射范围也越大，覆盖的客户就越多，其服务能力将供不应求，这样会影响配送服务的质量及水平；另一方面，如果配送中心的服务半径过小，那么它的辐射范围也就越小，服务能力将会过剩，严重影响配送中心的使用效率。
21世纪以来，物流企业的侧重点已经由单纯地追求收益和利润向更好更高效地为客户服务转变。
例如，以前百胜的配送中心设定300公里的最远服务半径。
在2012年年末盼盼食品等17家食品企业为了合理地布局增加企业竞争力而大大缩短企业在全国各配送中心的配送半径。
石景山区丰巢自提柜网点布局研究作者：刘兆峰刘艳辉来源：《中国市场》2020年第36期[摘要]随着电子商务行业在中国蓬勃高速的发展，网上购物的人也越来越多，但是随之而来的是快递包裹数量不断地增加，使得在“最后一公里”环节上的问题越来越严重，如配送效率低、成本高等。
为了解决目前存在的问题，快递自提柜便应运而生。
如何更合理地进行自提柜网点的投放和布局对快递企业的发展起着举足轻重的作用。
因此，文章以石景山区为例，对丰巢自提柜的布局现状、使用情况进行调研分析，在满足用户需求的前提下建立自提柜网点布局优化的模型并用LINGO软件进行求解，为“最后一公里”提供一定的借鉴。
[关键词]自提柜;网点布局;集合覆盖模型[DOI]10.13939/ki.zgsc.2020.36.1681 引言在网购渗透率持续提升的背景下，快递业务量保持着高增长，在这样的高增长下如何利用现有的资源提升末端配送的效率是极其重要和迫切的。
近几年，快递柜作为一种便捷、准时、全天候收发件的自助式服务设备应运而生。
快递员派件时使用自提柜仅需约30秒/件，而传统派件方式平均需要7分钟/件，甚至更长;寄件时，快递员通过自提柜能统一时间揽收，为其节省很多时间。
一般来说，一组自提柜可配置100～200多个格口。
标准自提柜的配置一般包括1个主柜和4个副柜组成，11～12层结构，格口数在104～117个，还可以通过扩充副柜，将自提柜格口增加至200多个。
新型冠状病毒肺炎疫情推动“无接触配送”，加速培养用户习惯。
无接触配送带来了用户习惯的养成，以及智能快递柜等设施的增加。
如何提高末端自提柜的使用效率并合理布局是文章的主要研究内容，并以石景山区丰巢自提柜为例调查和分析。
2 调查分析目前石景山区的末端配送方式还是以送货上门模式和自提柜这两种主要的配送方式，送货上门模式主要集中在一些学校、商场、写字楼或者京东这样的电商网站需要货到付款等方面会用到送货上门的模式，而像住宅区的配送方式还是以自提柜为主。
