基于大数据分析的农村电商物流最后一公里的配送问题研究
陈婉婷
摘 要： 针对农村电商物流最后一公里配送问题，物流公司更新了多种配送方法，但均未能有效提高物流配送服务。因此，提出一种基于大数据分析的农村电商物流最后一公里配送方法。所提方法从收货人的利益和配送成本出发，采用以收货人间接取货为主的配送模式，设置了自助提货点和自动提货仪器，构建以无向图为基础的大数据分析模型，采用动态分析方法规划出最优配送路线，用来弥补不能及时将货物交由收货人手中而造成的配送成本高、效率低的问题。实验结果表明，所提方法的计算性能好，用户满意度高，能够从根本上解决农村电商物流最后一公里的相关配送问题。
关键词： 大数据分析； 农村电商物流； 配送问题； 自动提货仪器
中图分类号： TN911?34； F724.6 文献标识码： A 文章编号： 1004?373X（2017）22?0039?03
Abstract： In allusion to the last mile distribution problem of rural e?commerce logistics， logistics companies updated a variety of delivery methods， but all failed to effectively improve the logistics distribution service. Therefore， a last?mile distribution method based on big data analysis is proposed for rural e?commerce logistics. In the proposed method， the consignees′ indirect pick?up is mainly taken as the distribution mode considering the interests of the consignee and the distribution cost. Self?service pick?up points and automatic pick?up apparatus are set up. The big data analysis model based on undirected graph is constructed. The dynamic analysis method is adopted to plan out the optimal distribution route to resolve the problems of high distribution cost and low distribution efficiency caused by non?timely delivery of goods to consignees. The experimental results show that the proposed method has good computational performance and high user satisfaction， and can fundamentally resolve the last mile distribution problem of rural e?commerce logistics.
Keywords： big data analysis； rural e?commerce logistics； distribution problem； automatic pick?up apparatus
0 引 言
电子商务起源于1990年，目前，我国已经成为电子商务发展最快、技术最成熟的国家之一。据统计，我国2016年全年电商成交额已达到2万亿元，同比2015年增长[1]约80.27%，发展势头良好，现已普及到农村。与城市电商物流相同，农村电商物流分三步进行，依次是仓库点货、区域运输以及最后一公里配送[2]。除最后一公里配送之外，其他物流步骤均不进行与收货人的直接沟通，使最后一公里配送成为决定收货人满意度最为关键的一步[3]。由于农村收货人地址不明确，错误配送、多次配送等现象造成配送成本增高、收货人满意度下降，配送成功度不高一直是困扰最后一公里配送的主要问题[4]。针对农村电商物流最后一公里配送问题，一些大型电商公司开始与物流公司合作，采用了多种特殊形式的配送方法，以提高服务质量，但均未能有效提高配送成功度[5]。
由以上分析可知，正确分析区域分布状态与收货人生活情况才是解决农村电商物流最后一公里相关配送问题的有效措施。为此，提出基于大数据分析的农村电商物流最后一公里配送方法，以适应我国电子商务的运行模式，为新农村建设打下坚实基础。
1 农村电商物流最后一公里的配送问题研究
1.1 农村电商物流最后一公里配送模式设计
根据农村电商物流最后一公里配送的收货人群属性，综合考虑配送成本核配送时间，以收货人为核心设计农村电商物流最后一公里配送模式，如图1所示。
由图1可知，因为农村路面不平整，难以快速找到收货人。所以基于大数据分析的农村电商物流最后一公里配送方法主要以间接取货为主，所提方法设置出自助提货点和自动提货仪器[6]。自助提货点的主要使用对象是学生、企业职工和其他收货人；自动提货仪器的使用对象以企业大客户为主、企业职工为辅。
1.2 基于大数据分析的最优配送路线匹配方法
1.2.1 大数据分析模型
大数据分析技术中的动态分析方法能够将复杂规划问题看成简单的子问题[7]，根据空间性质获取局部规划解集，按照局部规划解集的层次分析得到最优解。大数据分析技术先将能够到达农村电商物流配送目的地的路径提取出来。图2为大数据分析模型的时序图。
由图2可知，大数据分析模型用时序集合[T]同时表示时间以及对农村电商物流最后一公里配送目的地的搜索情况。[T]中任意一个时序元素[t]代表一个搜索指针，当配送目的地搜索结束，模型时序也走到终点[8]。设大数据分析模型时序状态集合为[S]，搜索结束时的状态集合为[ST]，进行状态集合输出时[ST]会自动滞后一位为下次搜索工作留位，表示为[ST+1]，[T=n+1]。大数据分析模型进行配送目的地搜索所使用到的分析函数表达式如下：
1.2.2 最优配送路线求解
通过求解大数据分析模型的分析函数来描述农村电商物流最后一公里的最优配送路线[9]，以弥补不能直接将货物交由收货人手中而造成的配送成本高、配送效率低等问题，分析函数的约束条件如下：
最优配送路线求解过程如图3所示，如果配送目的地中的任意两点满足式（4）给出的约束条件，这两点则为最优配送路线中的一条路径。假设[Vi]，[Vj]分别表示农村电商物流最后一公里配送出发点和终止点，使用式（1）从[Vi]点开始向能够到达[Vj]点的所有路径进行搜索，输出状态集合[ST+1]。使用式（2）获取[ST+1]中各状态的计算花费[CT]；将计算花费最小的点设为[Vk]，进行[Vi]到[Vk]以及[Vk]到[Vj]的搜索；如果搜索结果满足式（4），则将这条路径输出留用；否则，另外选择计算花费比较小的点重新进行搜索。重复以上步骤，当所有配送目的地都被纳入到最优配送路线中，求解结束。
2 实验分析
除本文所设计的基于大数据分析的农村电商物流最后一公里配送方法之外，与其原理相似的方法还有云计算配送路线优化方法、资源平衡分配方法以及基于图形处理器的配送解决方法。
在相同的中央处理器运行环境下，通过增加计算节点数量对这4种方法进行对比分析，分析结果如表1所示。
由表1可知，参与计算的节点数量越多，中央处理器计算过程所花费的时间越多。当节点数量低于50个时，4种方法的计算时间并无太大差别，虽然本文方法的时间最短，但在实际使用中并不会产生太大的性能优势。随节点数量不断增多，4种方法的计算性能逐渐展露出较大差异，云计算配送路线优化方法和本文方法的计算性能明显好于另外两种方法，并且本文方法的计算性能要比云计算配送路线优化方法高出一个层次。
3 结 论
本文提出基于大数据分析的农村电商物流最后一公里配送方法，其以合理的農村电商物流最后一公里配送模式为前提，使用大数据分析技术研究配送路线，从而提升收货人满意度。通过实验对本文方法的计算性能进行分析，分析结果显示出本文方法的计算性能好，能够有效减少配送成本、提高配送效率。
参考文献
[1] 钟燕.基于大数据的电子商务茶叶物流配送模式分析[J].福建茶叶，2016，38（5）：74?75.
[2] 詹斌，谷孜琪，李阳.“互联网+”背景下电商物流“最后一公里”配送模式优化研究[J].物流技术，2016，35（1）：1?4.
[3] 许媛.农村物流“最后一公里”信息系统的研究[J].科技资讯，2016，14（4）：20?21.
[4] 吴凯峰，刘万涛，李彦虎，等.基于云计算的电力大数据分析技术与应用[J].中国电力，2015，48（2）：111?116.
[5] 张华赢，朱正国，姚森敬，等.基于大数据分析的暂态电能质量综合评估方法[J].南方电网技术，2015，9（6）：80?86.
[6] 于丹阳，陈建华，王屾.货运交易平台大数据的统计应用分析与思考[J].物流工程与管理，2016，38（8）：15?16.
[7] 陶新洲.基于RFID技术的仓储物流管理系统设计[J].工业控制计算机，2015，28（12）：121?122.
[8] 冉文学，刘会娟，刘玉杰.基于客户订制的线上线下一体化生产物流系统设计[J].物流技术与应用，2016，21（11）：137?140.
[9] 李志民，赵一丁.基于工作流的大型仓库物流监控系统设计[J].现代电子技术，2016，39（6）：66?69.
[10] 李雯，齐晓杰，王强，等.大数据时代MOOC环境下微课程教学研究：以《物流系统建模与仿真》课程为例[J].黑龙江交通科技，2015，38（12）：200.
摘 要： 针对农村电商物流最后一公里配送问题，物流公司更新了多种配送方法，但均未能有效提高物流配送服务。因此，提出一种基于大数据分析的农村电商物流最后一公里配送方法。所提方法从收货人的利益和配送成本出发，采用以收货人间接取货为主的配送模式，设置了自助提货点和自动提货仪器，构建以无向图为基础的大数据分析模型，采用动态分析方法规划出最优配送路线，用来弥补不能及时将货物交由收货人手中而造成的配送成本高、效率低的问题。实验结果表明，所提方法的计算性能好，用户满意度高，能够从根本上解决农村电商物流最后一公里的相关配送问题。
关键词： 大数据分析； 农村电商物流； 配送问题； 自动提货仪器
中图分类号： TN911?34； F724.6 文献标识码： A 文章编号： 1004?373X（2017）22?0039?03
Abstract： In allusion to the last mile distribution problem of rural e?commerce logistics， logistics companies updated a variety of delivery methods， but all failed to effectively improve the logistics distribution service. Therefore， a last?mile distribution method based on big data analysis is proposed for rural e?commerce logistics. In the proposed method， the consignees′ indirect pick?up is mainly taken as the distribution mode considering the interests of the consignee and the distribution cost. Self?service pick?up points and automatic pick?up apparatus are set up. The big data analysis model based on undirected graph is constructed. The dynamic analysis method is adopted to plan out the optimal distribution route to resolve the problems of high distribution cost and low distribution efficiency caused by non?timely delivery of goods to consignees. The experimental results show that the proposed method has good computational performance and high user satisfaction， and can fundamentally resolve the last mile distribution problem of rural e?commerce logistics.
Keywords： big data analysis； rural e?commerce logistics； distribution problem； automatic pick?up apparatus
0 引 言
电子商务起源于1990年，目前，我国已经成为电子商务发展最快、技术最成熟的国家之一。据统计，我国2016年全年电商成交额已达到2万亿元，同比2015年增长[1]约80.27%，发展势头良好，现已普及到农村。与城市电商物流相同，农村电商物流分三步进行，依次是仓库点货、区域运输以及最后一公里配送[2]。除最后一公里配送之外，其他物流步骤均不进行与收货人的直接沟通，使最后一公里配送成为决定收货人满意度最为关键的一步[3]。由于农村收货人地址不明确，错误配送、多次配送等现象造成配送成本增高、收货人满意度下降，配送成功度不高一直是困扰最后一公里配送的主要问题[4]。针对农村电商物流最后一公里配送问题，一些大型电商公司开始与物流公司合作，采用了多种特殊形式的配送方法，以提高服务质量，但均未能有效提高配送成功度[5]。
由以上分析可知，正确分析区域分布状态与收货人生活情况才是解决农村电商物流最后一公里相关配送问题的有效措施。为此，提出基于大数据分析的农村电商物流最后一公里配送方法，以适应我国电子商务的运行模式，为新农村建设打下坚实基础。
1 农村电商物流最后一公里的配送问题研究
1.1 农村电商物流最后一公里配送模式设计
根据农村电商物流最后一公里配送的收货人群属性，综合考虑配送成本核配送时间，以收货人为核心设计农村电商物流最后一公里配送模式，如图1所示。
由图1可知，因为农村路面不平整，难以快速找到收货人。所以基于大数据分析的农村电商物流最后一公里配送方法主要以间接取货为主，所提方法设置出自助提货点和自动提货仪器[6]。自助提货点的主要使用对象是学生、企业职工和其他收货人；自动提货仪器的使用对象以企业大客户为主、企业职工为辅。
1.2 基于大数据分析的最优配送路线匹配方法
1.2.1 大数据分析模型
大数据分析技术中的动态分析方法能够将复杂规划问题看成简单的子问题[7]，根据空间性质获取局部规划解集，按照局部规划解集的层次分析得到最优解。大数据分析技术先将能够到达农村电商物流配送目的地的路径提取出来。图2为大数据分析模型的时序图。
由图2可知，大数据分析模型用时序集合[T]同时表示时间以及对农村电商物流最后一公里配送目的地的搜索情况。[T]中任意一个时序元素[t]代表一个搜索指针，当配送目的地搜索结束，模型时序也走到终点[8]。设大数据分析模型时序状态集合为[S]，搜索结束时的状态集合为[ST]，进行状态集合输出时[ST]会自动滞后一位为下次搜索工作留位，表示为[ST+1]，[T=n+1]。大数据分析模型进行配送目的地搜索所使用到的分析函数表达式如下：
1.2.2 最优配送路线求解
通过求解大数据分析模型的分析函数来描述农村电商物流最后一公里的最优配送路线[9]，以弥补不能直接将货物交由收货人手中而造成的配送成本高、配送效率低等问题，分析函数的约束条件如下：
最优配送路线求解过程如图3所示，如果配送目的地中的任意两点满足式（4）给出的约束条件，这两点则为最优配送路线中的一条路径。假设[Vi]，[Vj]分别表示农村电商物流最后一公里配送出发点和终止点，使用式（1）从[Vi]点开始向能够到达[Vj]点的所有路径进行搜索，输出状态集合[ST+1]。使用式（2）获取[ST+1]中各状态的计算花费[CT]；将计算花费最小的点设为[Vk]，进行[Vi]到[Vk]以及[Vk]到[Vj]的搜索；如果搜索结果满足式（4），则将这条路径输出留用；否则，另外选择计算花费比较小的点重新进行搜索。重复以上步骤，当所有配送目的地都被纳入到最优配送路线中，求解结束。
2 实验分析
除本文所设计的基于大数据分析的农村电商物流最后一公里配送方法之外，与其原理相似的方法还有云计算配送路线优化方法、资源平衡分配方法以及基于图形处理器的配送解决方法。
在相同的中央处理器运行环境下，通过增加计算节点数量对这4种方法进行对比分析，分析结果如表1所示。
由表1可知，参与计算的节点数量越多，中央处理器计算过程所花费的时间越多。当节点数量低于50个时，4种方法的计算时间并无太大差别，虽然本文方法的时间最短，但在实际使用中并不会产生太大的性能优势。随节点数量不断增多，4种方法的计算性能逐渐展露出较大差异，云计算配送路线优化方法和本文方法的计算性能明显好于另外两种方法，并且本文方法的计算性能要比云计算配送路线优化方法高出一个层次。
3 结 论
本文提出基于大数据分析的农村电商物流最后一公里配送方法，其以合理的農村电商物流最后一公里配送模式为前提，使用大数据分析技术研究配送路线，从而提升收货人满意度。通过实验对本文方法的计算性能进行分析，分析结果显示出本文方法的计算性能好，能够有效减少配送成本、提高配送效率。
参考文献
[1] 钟燕.基于大数据的电子商务茶叶物流配送模式分析[J].福建茶叶，2016，38（5）：74?75.
[2] 詹斌，谷孜琪，李阳.“互联网+”背景下电商物流“最后一公里”配送模式优化研究[J].物流技术，2016，35（1）：1?4.
[3] 许媛.农村物流“最后一公里”信息系统的研究[J].科技资讯，2016，14（4）：20?21.
[4] 吴凯峰，刘万涛，李彦虎，等.基于云计算的电力大数据分析技术与应用[J].中国电力，2015，48（2）：111?116.
[5] 张华赢，朱正国，姚森敬，等.基于大数据分析的暂态电能质量综合评估方法[J].南方电网技术，2015，9（6）：80?86.
[6] 于丹阳，陈建华，王屾.货运交易平台大数据的统计应用分析与思考[J].物流工程与管理，2016，38（8）：15?16.
[7] 陶新洲.基于RFID技术的仓储物流管理系统设计[J].工业控制计算机，2015，28（12）：121?122.
[8] 冉文学，刘会娟，刘玉杰.基于客户订制的线上线下一体化生产物流系统设计[J].物流技术与应用，2016，21（11）：137?140.
[9] 李志民，赵一丁.基于工作流的大型仓库物流监控系统设计[J].现代电子技术，2016，39（6）：66?69.
[10] 李雯，齐晓杰，王强，等.大数据时代MOOC环境下微课程教学研究：以《物流系统建模与仿真》课程为例[J].黑龙江交通科技，2015，38（12）：200.
