基大数据的物流配送中心选址优化建议

摘要：近年来，随着我国社会经济的快速发展与科学技术水平的不断进步，互联网技术也随之快速发展，而随着物理信息数字化的发展、处理技术的革新以及社交网络的兴起，大数据技术营运而生，其中所包含的大交易数据、大交互数据以及大感知数据可为物流行业提供更多的可能。对于整个物流行业来说，物流配送占据了十分重要的作用，可有效对供应商与消费者之间的关系进行连接，而物流配送中心的位置可对物流配送的效率、成本以及配送时间造成较大影响。文章研究了基于大数据的物流配送中心选址优化建议。

　　关键词：大数据；物流配送；选址；

　　现如今，随着信息化技术以及互联网技术的快速发展，导致我国的贸易方式也发生了较大改变，依托于互联网技术的电子商务领域的兴起为物流行业提供了极大的发展机遇，推动其快速发展，同时也存在着较大的挑战。对于物流配送工作来说，物流配送中心位置的选择可对其配送效率、配送时间以及配送成本产生较大的影响，不科学的配送中心选址将导致大量人力物力的浪费。而基于大数据的物流配送中心选址优化方式可有效对其问题进行解决，通过大数据技术对物流配送工作的各方面内容进行分析研究，从而获得最优的物流配送中心选址位置，进而实现提高工作效率以及工作质量的最终目的。

　　1 研究物流配送中心选址问题的意义

　　要相对物流行业的配送环节进行优化，首先应对科学、合理的配送中心进行选择，合适的配送中心选址可有效降低物流企业的物流成本。因此要想提升物流配送效率，对物流配送环节进行优化，首先应做好物流配送中心的选址问题。对于整个物流中心来说，物流配送中心的位置占据了十分重要的地位，是货品从中转站至配送站的据点，可对物资进行分散与转运，所以对物流配送中心的选址问题进行深入研究具有十分重要的意义。

　　对于传统的物流配送中心选址来说，其约束条件为配送距离以及物流需求量，因此研究重点便是如何协调两者的关系使成本最小化。但随着互联网技术的飞速发展以及科学技术水平的不断提高，传统的物流配送中心选址方式的不足之处开始凸显。对于传统的物流需求量分析工作来说，是对往年的历史数据进行灰色模型以及回归分析等方式来进行预测。但由于近些年来电子商务领域的快速发展，线上购物方式的广泛应用，用户使用线上购物的次数越来越多，因此导致物流需求量的变化较大，只对历史数据进行参考具有较大的局限性，同时如果依然使用历史数据来分析物流需求量，将导致偏差情况的产生。在传统的物流运输成本分析工作中，其影响条件具有配送能力、配送时间以及地理距离等因素。但在实际的运输过程中，实际配送路径与地理测量距离同样可能出现偏差，导致配送时长常常会出现误差。以上问题产生的原因主要为物流领域技术水平的落后以及互联网技术的快速发展。

　　现如今，随着各个企业信息技术水平的提升以及互联网技术的快速发展，全球范围内的数据量快速上升。并且由于数据分析技术以及数据存储技术的快速提高，企业可对数据开展复杂程度较高的处理工作以及挖掘工作，同时越来越多的企业开始认识到了数据的重要性。针对数据价值的角度来说，大数据技术是随着物力信息数字化的发展、处理技术的革新以及社交网络的兴起所诞生的。具有大交易数据、大交互数据以及大感知数据的大数据技术可为物流领域带来较大的提升，而针对处理技术来说，大数据技术的应用可有效对大量的数据信息进行分析、决策、存储以及获取，拥有数据交互频繁、传输速度快、数据存储多以及数据量庞大的特点。因此可使用大数据技术成熟的数据决策能力、数据分析能力、数据组织能力、数据存储能力以及数据获取能力来对物流领域中社交网络、移动互联网以及传感网络的结构化数据以及半结构化数据进行处理，从而实现物流信息的预测、处理与分析，并促进大数据技术的物流配送中心选址优化方面的应用，对物流资源进行整合，在提高配送效率的同时降低物流配送成本。

　　2 大数据关键技术概述

　　对于大数据技术来说，其处理过程包含批处理以及流式处理两种类型。流式处理主要是对数据信息进行实时处理。在开展流式处理的过程中，数据信息使用数据流的方式不断产生，但大量的数据信息并不能全部保存，只有部分价值价高的数据信息可以保存下来。流式处理应用的主要目的便是对数据处理结果进行快速获取。在进行批处理的过程中，首先要对数据信息进行存储，随后在开展数据信息的分析与处理工作。在批处理中，MapReduce模块占据了十分重要的地位，该模块可将所有存储的数据信息分为多个数据堆，随后对不同数据堆进行并行处理，随后将所产生的分布式中间结果进行合并，得出最终结论。对于以上两种大数据关键技术来说，流式处理的应用较少，主要对数据信息进行快速处理。而批处理往往需要使用复杂程度较高的处理平台以及存储技术，因此在实际应用的过程中批处理的适用性更高。

　　针对大数据的批处理方式来看，可将大数据技术从数据的生成阶段到数据阶段进行全过程分析，具有数据的存储、数据的预处理、数据采集、数据生成以及数据传输等阶段。对于数据的生成来说，主要精力数据库系统、web系统以及移动终端三个部分。而大数据的数据源分别来自科学研究数据、网络数据以及商业数据三个领域。对于商业数据来说，其发展速度十分迅速，全世界范围内的企业数据每过一年便会增加一倍。对于数据的预处理、数据的传输以及数据的采集工作来说，首先数据的采集主要由数据的处理目标以及数据的属性所决定的，主要具有日志文件、网络爬虫以及传感数据等方式。传感器是使用无线以及有线等方式采集湿度、压力以及气温等信息，例如工程检测以及环境监测等。而数据在传输过程中首先应经过IP骨干网络进行传输，其数据的传输量以及传输速度受到物理性媒介的影响。数据预处理是对冗余的数据信息以及干扰数据信息进行清除。通常来说数据在进行预处理的过程中共有冗余消除、数据清洗以及数据集成三个阶段。

　　3 物流配送中心选址概述

　　在整个物流网络体系中，物流配送中心具有至关重要的作用，物流配送中心可将上游的供应商或生产商以及下游的消费者与分销点进行连接，对于物流配送来说，其并不直接参与货物的生产，而是从供应商处对货物进行接收，随后进行配送、存储或集中等活动，进而对物流资源进行整合，提高运送效率。在设立物流配送中心的过程中，应符合物流发展以及市场发展的要求，所以物流配送中心应注重货物的配送、分拣、加工以及流通等工作，从而对货物进行供应与销售。物流配送中心属于新兴的现代流通设施，可对市场多样化的需求进行满足，还可对物流运输成本进行降低。但不同物流公司在构建物流配送中心的过程中，对物流配送中心的构成需求以及未来用途也有所不同，所以在规划物流配送中心的过程中应对以上因素进行充分考虑。

　　物流配送中心的选址会受到多方面因素的影响。首先随着市场环境的不断变化以及快速发展，市场竞争情况不断加剧，大多数企业为了提高市场竞争力应对市场覆盖面进行扩大，所以在提供高质低价的产品时还应注重服务质量的提升，对配送服务进行增强。其次对于大型连锁企业、生产型企业以及物流企业来说，其主要目的便是对物流运输成本进行降低，所以大型物流配送中心的数量越来越多，其作用便是降低物流费用、提高运输效率以及优化配送过程。第三，随着我国社会经济的快速发展，人们的生活质量水平不断上升，因此消费者对于物流服务的要求也越来越高，一些物流配送服务质量不高的物流企业其发展速度也会受到一定程度的影响，因此对物流配送服务质量进行提升具有十分重要的作用。

　　4 基于大数据的物流配送中心选址优化方式

　　4.1 物流大数据应用概述

　　在物流领域应用大数据技术具有以下三方面优势：首先大数据技术的使用可帮助物流活动对用户的多样化需求进行满足。其次大数据技术在物流行业的应用可使其整体配送流程更加智能与高效。第三，大数据技术的预测功能可支撑物流行业的相关决策。在对物流行业的需求进行预测的过程中，大部分预测内容为GDP、管理成本、运输以及库存等因素，而针对当前的信息化物流行业来说，还应对交通情况、天气情况以及运力资源情况进行预测。对于物流需求量来说，可分为各环节需求量以及整体需求量两种。整体需求量是每季度以及每年全国或全世界范围内物流的需求量，在对其预测的过程中可对网络中流通加工、配送以及运输等关键词进行手机，综合分析可对物流需求量造成影响的因素，进而对该因素的动态进行预测。对于各环节需求量来说，拥有流通加工量以及物流仓储需求量等，可对流通加工、周期产品生产量、构建物流仓储、销售量以及进出口量等相关预测模型进行预测。还可对农业领域农产品的补贴数据、采购投入以及支付数据的趋势进行分析，从而了解仓储需求量以及运输需求量等内容。

　　大数据技术的应用还可对线上消费的消费者进行需求与分析预测，可对消费者的网络购物信息来对其产品的销量以及消费者的特征进行预测，此外对于电商来说，物流配送以及仓储分布规划与优化的基础便是消费者行为分析和特征。首先可针对消费者所点击的网页内容对其消费倾向、内容喜好以及媒介习惯进行分析，对消费者的行为特征进行洞察，构建消费者消费行为数据分析模型。其次还可对消费者购物情况进行划分，构建对应的物流体系。

　　4.2 大数据与运输配送的优化

　　大数据的应用可对物流运输配送流程进行优化，首先可对运输路径进行优化，将收集到的消费者位置分布、需求时间以及购买情况等信息进行分析，并整理车辆运输能力以及道路拥挤情况等因素，从而构建出多种运输方案，可针对时间以及成本等内容来对科学合理的运输路径以及运输车辆进行选择。其次可对配送效率进行提升。车辆在进行配送的过程中，需要使用大数据交互能力来对车辆位置、天气情况、平均车速以及油耗以及对路线通读状况进行分析，及时对行车路线进行优化，合理调配车辆，从而预防由于恶劣天气所导致的物流阻塞问题。第三可对运输成本进行优化，主要内容是对合理的运输路径进行选择，并研究对运输成本造成影响的因素，从而对其进行优化。例如在对历史数据进行分析的过程中，发现左转弯会提高大货车的危险系数以及耗油量，所以在规划行车路线的过程中可对左转路线进行减少。最后可对运输安全性进行提升，对车辆运行状态进行掌握，包含车辆的温度，物品的挤压度、车辆速度、压强、湿度以及温度等情况，及时对安全隐患进行发现，较少人员财产的损失，同时还应提前预防运输过程中的其他安全隐患，避免极端情况的发生。

　　4.3 配送中心选址大数据分析

　　在对配送中心选址问题进行研究的过程中可发现，起到决定性作用的便是配送中心建设成本、物流运输成本以及分拨中心需求量三个因素，因此可研究以上三个因素与大交互数据强弱相关性、大感知数据以及大交易数据之间的关系。对于大交易数据来说，可分为两个部分，首先是行业内的大交易数据，例如物流流通加工作业量、装卸搬运、包装以及运输等指标，这些数据信息对于物流分拨中心的需求量来说具有一定的强相关联系，可使用趋势拟合法、因果分析法以及时间序列分析法等方式来对各个分拨中心的需求量进行预测。其次是派生行业大交易数据，其他行业的派生需求也可看作为物流需求，与物料市场、消费品生产以及工业生产等领域具有一定联系，因此可使用日用品行业、医学、工业以及农业等产业的物料存储、加工和生产数据进行分析。而大感知数据技术可对运输成本造成较大影响，对于传统的物流运输来说，对其运输成本造成影响的因素有配送能力、配送时间以及地理距离等。而在实际的运输过程中预测距离与实际经过路径存在偏差，而感知设备的使用可对货物运输时长、货物周转轨迹以及配送轨迹等信息进行精准反映，从而对物流运输成本进行计算。

　　5 结语

　　现如今，随着我国科学技术水平的提高以及社会经济的快速发展，互联网技术对人们的生活造成了较大改变，也对物流行业造成了较大影响。因此物流配送中心在选址的过程中应积极使用大数据技术，从而对运输成本进行降低。

　　参考文献

　　[1]武方方。基于大数据的物流配送中心选址优化研究[D]合肥：合肥工业大学， 2015.

　　[2]张骏，巴文婷大数据背景下区域木材物流配送中心选址[J]物流技术， 2020,39（02）：84-87.

　　[3]李新运，唐保国，梁立魁基于GIS和粒子群算法的两级物流配送中心选址优化方法及应用[J].物流技术， 2012,31（01）：78-82.

　　[4]周嘉伟。基于WITNESS仿真的运营商最大覆盖物流配送中心的优化布局研究及设计[D].北京：北京邮电大学， 2014.

　　[5]刘宇笑。 HL冷链物流配送中心的Flexsim仿真与优化策略研究[D]南昌：江西财经大学， 2018.

　　[6]赵晶基于免疫优化算法的云物流覆盖选址-分配研究[D].杭州 :浙江理工大学， 2018.

　　[7]张丽萍。面向手机闭环供应网络的配送中心选址优化研究[D].南京：南京理工大学， 2018.