陳婉婷

摘 要： 針對農(nóng)村電商物流最后一公里配送問題，物流公司更新了多種配送方法，但均未能有效提高物流配送服務(wù)。因此，提出一種基于大數(shù)據(jù)分析的農(nóng)村電商物流最后一公里配送方法。所提方法從收貨人的利益和配送成本出發(fā)，采用以收貨人間接取貨為主的配送模式，設(shè)置了自助提貨點和自動提貨儀器，構(gòu)建以無向圖為基礎(chǔ)的大數(shù)據(jù)分析模型，采用動態(tài)分析方法規(guī)劃出最優(yōu)配送路線，用來彌補不能及時將貨物交由收貨人手中而造成的配送成本高、效率低的問題。實驗結(jié)果表明，所提方法的計算性能好，用戶滿意度高，能夠從根本上解決農(nóng)村電商物流最后一公里的相關(guān)配送問題。

關(guān)鍵詞： 大數(shù)據(jù)分析； 農(nóng)村電商物流； 配送問題； 自動提貨儀器

中圖分類號： TN911?34； F724.6 文獻標識碼： A 文章編號： 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

電子商務(wù)起源于1990年，目前，我國已經(jīng)成為電子商務(wù)發(fā)展最快、技術(shù)最成熟的國家之一。據(jù)統(tǒng)計，我國2016年全年電商成交額已達到2萬億元，同比2015年增長[1]約80.27%，發(fā)展勢頭良好，現(xiàn)已普及到農(nóng)村。與城市電商物流相同，農(nóng)村電商物流分三步進行，依次是倉庫點貨、區(qū)域運輸以及最后一公里配送[2]。除最后一公里配送之外，其他物流步驟均不進行與收貨人的直接溝通，使最后一公里配送成為決定收貨人滿意度最為關(guān)鍵的一步[3]。由于農(nóng)村收貨人地址不明確，錯誤配送、多次配送等現(xiàn)象造成配送成本增高、收貨人滿意度下降，配送成功度不高一直是困擾最后一公里配送的主要問題[4]。針對農(nóng)村電商物流最后一公里配送問題，一些大型電商公司開始與物流公司合作，采用了多種特殊形式的配送方法，以提高服務(wù)質(zhì)量，但均未能有效提高配送成功度[5]。

由以上分析可知，正確分析區(qū)域分布狀態(tài)與收貨人生活情況才是解決農(nóng)村電商物流最后一公里相關(guān)配送問題的有效措施。為此，提出基于大數(shù)據(jù)分析的農(nóng)村電商物流最后一公里配送方法，以適應(yīng)我國電子商務(wù)的運行模式，為新農(nóng)村建設(shè)打下堅實基礎(chǔ)。

1 農(nóng)村電商物流最后一公里的配送問題研究

1.1 農(nóng)村電商物流最后一公里配送模式設(shè)計

根據(jù)農(nóng)村電商物流最后一公里配送的收貨人群屬性，綜合考慮配送成本核配送時間，以收貨人為核心設(shè)計農(nóng)村電商物流最后一公里配送模式，如圖1所示。

由圖1可知，因為農(nóng)村路面不平整，難以快速找到收貨人。所以基于大數(shù)據(jù)分析的農(nóng)村電商物流最后一公里配送方法主要以間接取貨為主，所提方法設(shè)置出自助提貨點和自動提貨儀器[6]。自助提貨點的主要使用對象是學(xué)生、企業(yè)職工和其他收貨人；自動提貨儀器的使用對象以企業(yè)大客戶為主、企業(yè)職工為輔。

1.2 基于大數(shù)據(jù)分析的最優(yōu)配送路線匹配方法

1.2.1 大數(shù)據(jù)分析模型

大數(shù)據(jù)分析技術(shù)中的動態(tài)分析方法能夠?qū)?fù)雜規(guī)劃問題看成簡單的子問題[7]，根據(jù)空間性質(zhì)獲取局部規(guī)劃解集，按照局部規(guī)劃解集的層次分析得到最優(yōu)解。大數(shù)據(jù)分析技術(shù)先將能夠到達農(nóng)村電商物流配送目的地的路徑提取出來。圖2為大數(shù)據(jù)分析模型的時序圖。endprint

由圖2可知，大數(shù)據(jù)分析模型用時序集合[T]同時表示時間以及對農(nóng)村電商物流最后一公里配送目的地的搜索情況。[T]中任意一個時序元素[t]代表一個搜索指針，當(dāng)配送目的地搜索結(jié)束，模型時序也走到終點[8]。設(shè)大數(shù)據(jù)分析模型時序狀態(tài)集合為[S]，搜索結(jié)束時的狀態(tài)集合為[ST]，進行狀態(tài)集合輸出時[ST]會自動滯后一位為下次搜索工作留位，表示為[ST+1]，[T=n+1]。大數(shù)據(jù)分析模型進行配送目的地搜索所使用到的分析函數(shù)表達式如下：

1.2.2 最優(yōu)配送路線求解

通過求解大數(shù)據(jù)分析模型的分析函數(shù)來描述農(nóng)村電商物流最后一公里的最優(yōu)配送路線[9]，以彌補不能直接將貨物交由收貨人手中而造成的配送成本高、配送效率低等問題，分析函數(shù)的約束條件如下：

最優(yōu)配送路線求解過程如圖3所示，如果配送目的地中的任意兩點滿足式（4）給出的約束條件，這兩點則為最優(yōu)配送路線中的一條路徑。假設(shè)[Vi]，[Vj]分別表示農(nóng)村電商物流最后一公里配送出發(fā)點和終止點，使用式（1）從[Vi]點開始向能夠到達[Vj]點的所有路徑進行搜索，輸出狀態(tài)集合[ST+1]。使用式（2）獲取[ST+1]中各狀態(tài)的計算花費[CT]；將計算花費最小的點設(shè)為[Vk]，進行[Vi]到[Vk]以及[Vk]到[Vj]的搜索；如果搜索結(jié)果滿足式（4），則將這條路徑輸出留用；否則，另外選擇計算花費比較小的點重新進行搜索。重復(fù)以上步驟，當(dāng)所有配送目的地都被納入到最優(yōu)配送路線中，求解結(jié)束。

2 實驗分析

除本文所設(shè)計的基于大數(shù)據(jù)分析的農(nóng)村電商物流最后一公里配送方法之外，與其原理相似的方法還有云計算配送路線優(yōu)化方法、資源平衡分配方法以及基于圖形處理器的配送解決方法。

在相同的中央處理器運行環(huán)境下，通過增加計算節(jié)點數(shù)量對這4種方法進行對比分析，分析結(jié)果如表1所示。

由表1可知，參與計算的節(jié)點數(shù)量越多，中央處理器計算過程所花費的時間越多。當(dāng)節(jié)點數(shù)量低于50個時，4種方法的計算時間并無太大差別，雖然本文方法的時間最短，但在實際使用中并不會產(chǎn)生太大的性能優(yōu)勢。隨節(jié)點數(shù)量不斷增多，4種方法的計算性能逐漸展露出較大差異，云計算配送路線優(yōu)化方法和本文方法的計算性能明顯好于另外兩種方法，并且本文方法的計算性能要比云計算配送路線優(yōu)化方法高出一個層次。

3 結(jié) 論

本文提出基于大數(shù)據(jù)分析的農(nóng)村電商物流最后一公里配送方法，其以合理的農(nóng)村電商物流最后一公里配送模式為前提，使用大數(shù)據(jù)分析技術(shù)研究配送路線，從而提升收貨人滿意度。通過實驗對本文方法的計算性能進行分析，分析結(jié)果顯示出本文方法的計算性能好，能夠有效減少配送成本、提高配送效率。

參考文獻

[1] 鐘燕.基于大數(shù)據(jù)的電子商務(wù)茶葉物流配送模式分析[J].福建茶葉，2016，38（5）：74?75.

[2] 詹斌，谷孜琪，李陽.“互聯(lián)網(wǎng)+”背景下電商物流“最后一公里”配送模式優(yōu)化研究[J].物流技術(shù)，2016，35（1）：1?4.

[3] 許媛.農(nóng)村物流“最后一公里”信息系統(tǒng)的研究[J].科技資訊，2016，14（4）：20?21.

[4] 吳凱峰，劉萬濤，李彥虎，等.基于云計算的電力大數(shù)據(jù)分析技術(shù)與應(yīng)用[J].中國電力，2015，48（2）：111?116.

[5] 張華贏，朱正國，姚森敬，等.基于大數(shù)據(jù)分析的暫態(tài)電能質(zhì)量綜合評估方法[J].南方電網(wǎng)技術(shù)，2015，9（6）：80?86.

[6] 于丹陽，陳建華，王屾.貨運交易平臺大數(shù)據(jù)的統(tǒng)計應(yīng)用分析與思考[J].物流工程與管理，2016，38（8）：15?16.

[7] 陶新洲.基于RFID技術(shù)的倉儲物流管理系統(tǒng)設(shè)計[J].工業(yè)控制計算機，2015，28（12）：121?122.

[8] 冉文學(xué)，劉會娟，劉玉杰.基于客戶訂制的線上線下一體化生產(chǎn)物流系統(tǒng)設(shè)計[J].物流技術(shù)與應(yīng)用，2016，21（11）：137?140.

[9] 李志民，趙一丁.基于工作流的大型倉庫物流監(jiān)控系統(tǒng)設(shè)計[J].現(xiàn)代電子技術(shù)，2016，39（6）：66?69.

[10] 李雯，齊曉杰，王強，等.大數(shù)據(jù)時代MOOC環(huán)境下微課程教學(xué)研究：以《物流系統(tǒng)建模與仿真》課程為例[J].黑龍江交通科技，2015，38（12）：200.endprint