電子商務(wù)環(huán)境下的配送區(qū)域劃分

王旭東 （上海大學(xué)，上海200444）

WANG Xu-dong (Shanghai University, Shanghai 200444, China)

隨著電商市場的膨脹，網(wǎng)購的規(guī)模不斷擴大，網(wǎng)購的人數(shù)不斷增加，快遞業(yè)以空前的速度發(fā)展。近年來，快遞服務(wù)實現(xiàn)了幾近翻番式增長，僅從一個數(shù)據(jù)看，2011 年1 800 萬件，2012 年3 000 萬件，2013 年達6 500 萬件，2014 年我國快遞業(yè)務(wù)量為140 億件，預(yù)計2015 年，我國快遞業(yè)務(wù)量的增幅在40%～50%之間，即在2014 年超越美國的躍居全球第一大快件國的基礎(chǔ)上，2015 年快遞業(yè)務(wù)量將在180 億件至210 億件之間。企業(yè)在組織資源的速度、規(guī)模、效率和資源的合理配置方面都是傳統(tǒng)的物流和配送不可比擬的。物流配送的統(tǒng)一和效率影響著整個供應(yīng)鏈流通的效率，因此也就自然而然的成為影響快遞業(yè)乃至電商企業(yè)核心競爭力的一個重要組成部分。然而當(dāng)前快遞配送中存在著諸多問題：

（1） 配送成本過高：“四通一達”以及順豐等快遞企業(yè)都是最近幾年快速興起的物流企業(yè)，基礎(chǔ)設(shè)施不夠完善，管理模式混亂，導(dǎo)致人力資源等方面的成本不斷提升。

（2） 配送效率低下：資源分配的不均衡，重復(fù)配送的產(chǎn)生，責(zé)任明確的不到位，造成派送的延誤，如“雙十一”大量的貨品堆積，造成分揀困難，派送停滯。

（3） 顧客滿意度不夠：配送效率造成的顧客時間成本高，顧客取貨時間不靈活，物業(yè)的管理嚴格導(dǎo)致終端無法進入社區(qū)。收貨地點的不穩(wěn)定，部分快遞員工作超負荷，服務(wù)態(tài)度得不到保證[1]。

有效地提高配送效率和配送質(zhì)量成為解決這些問題的關(guān)鍵，快遞最后一公里其實屬于多車輛多點間的大規(guī)模配送問題，而且配送需求存在很大的不確定性，然而規(guī)模效應(yīng)卻使得快遞的客戶分布存在一定規(guī)律性，即每天派送的范圍和取派送點分布存在很強的規(guī)律性和重復(fù)性。快遞企業(yè)在解決這類實際問題時，采用的是對配送區(qū)域進行劃分，然后分派給各快遞員進行配送。一般情況下為保證業(yè)務(wù)熟練度和客戶穩(wěn)定性，每個分派區(qū)域由合同期內(nèi)固定的快遞員負責(zé)。這里所說的快遞配送區(qū)域是指每輛送貨車提供配送及各種快遞服務(wù)的區(qū)域，是基于服務(wù)需求而自然形成和客觀存在的專項經(jīng)濟區(qū)域，它是以經(jīng)濟區(qū)域為標(biāo)準(zhǔn)，它的劃分必須建立在具體的服務(wù)需求上，以降低成本，提高效率為目的[2]。

目前企業(yè)進行配送區(qū)域劃分的方式主要是區(qū)域經(jīng)理主觀判斷，根據(jù)快件預(yù)估的派送數(shù)量和距離因素大致分劃，尤其是“四通一達”以承包制為主要經(jīng)營模式的主流快遞業(yè)，配送區(qū)域劃分混亂，并且隨著人事調(diào)整會存在很強的不穩(wěn)定性。由于配送區(qū)域劃分確實存在一定難度，不僅要考慮區(qū)位因素，交通狀況，還有考慮配送的成本和工作量因素。針對快遞配送還要考慮快遞網(wǎng)點的經(jīng)濟效益，以及多種送遞形式共存的問題，如學(xué)校是設(shè)點代收，村莊有約點交貨，自提貨[3]，還有物業(yè)代簽等多種形式。不同配送點貨品特征也不同，比如學(xué)校、家屬區(qū)多是些小型淘寶商品，而公司廠區(qū)等經(jīng)常接收一些原料、配件類大中型貨物。配送點屬性的不同導(dǎo)致每單快件的配送難度和配送成本存在明顯差異[4]。從企業(yè)效益角度看，每個配送點發(fā)貨的可能性也不同，快遞配送區(qū)域其實是由大量屬性存在明顯差異的點構(gòu)成的，區(qū)域劃分時應(yīng)充分考慮到這一點。配送區(qū)域的明確劃分能有力促進快遞流程的規(guī)范化和管理模式的規(guī)范化，使快遞行業(yè)未來變革中更易產(chǎn)生規(guī)模化效應(yīng)。

所以如果僅憑人為經(jīng)驗和主觀判斷很難對區(qū)域進行有效的劃分，不僅容易導(dǎo)致各區(qū)域快遞員工作量得不到合理分配，配送效率得不到最大程度的實現(xiàn)，取件不及時還會影響網(wǎng)點的經(jīng)濟效益，降低客戶的滿意度。以承包制為主體的企業(yè)還會出現(xiàn)職責(zé)劃分不明確，管理人員無法對各派送區(qū)間的實際情況充分了解，造成管理的困難和混亂。此外，快遞員從業(yè)思想不穩(wěn)定，流動率大，沒有明確的區(qū)域機制，每次人員變動都會給組織協(xié)調(diào)和管理帶來極大的麻煩。區(qū)域劃分能有效降低企業(yè)自身的風(fēng)險[5]。

1 國內(nèi)外研究現(xiàn)狀

物流領(lǐng)域的區(qū)域劃分屬于專項經(jīng)濟區(qū)域的劃分，所以區(qū)別于行政區(qū)域的劃分方法，應(yīng)該充分考慮服務(wù)需求的指標(biāo)。基于這個原則，在搜集相關(guān)文獻時有針對性的展開。已知配送區(qū)域劃分的方法有：

（1） 運用網(wǎng)格劃分法進行區(qū)域劃分。對區(qū)域內(nèi)點進行網(wǎng)格劃分，判斷關(guān)鍵點然后填入。采用網(wǎng)格劃分的優(yōu)勢是：使一條線路盡量集中，減少線路交叉，便于配送；大大降低了劃分的復(fù)雜度，減少了運算量；可以判斷出哪個區(qū)域網(wǎng)點較密集，對密集區(qū)域集中配送，提高配送效率[6]。

（2） 運用泰森多邊形理論進行區(qū)域劃分。泰森多邊形在空間劃分上的等分性特征，可用于解決最近點、最小封閉圓等問題，以及許多空間分析問題，文獻[7]用泰森多邊形進行區(qū)域劃分，并得出區(qū)域集群特征。文獻[8]在原有多邊形算法上進行改進提出了探測線法。

（3） 運用搜索式算法進行區(qū)域劃分。基于遺傳算法、禁忌算法等搜索式算法求解配送區(qū)域劃分的問題，得到了學(xué)者們的廣泛關(guān)注[9-11]。劉洪娟、甘明將影響配送的因素轉(zhuǎn)化成配送成本，運用層次分析法求權(quán)重，把區(qū)域劃分和選址轉(zhuǎn)化成決策問題，然后用遺傳算法求解。Bozkaya. B 等學(xué)者設(shè)計了解決劃分問題的禁忌搜索式算法，后又應(yīng)用遺傳算法設(shè)計了編碼方式和選擇、交叉、變異算子進行計算機仿真求解模型，獲得配送區(qū)域劃分的優(yōu)化布局方案。

（4） 運用圖論的方法進行區(qū)域劃分。文獻[12]配送區(qū)域劃分是在靜態(tài)成本最小路徑矩陣的基礎(chǔ)上劃分。配送區(qū)域劃分不分割道路網(wǎng)，某區(qū)的配送可以使用它區(qū)的道路。劃分方法是通過給每段路段兩端的節(jié)點賦配送點屬性，劃分其歸屬。還有運用圖論的知識，轉(zhuǎn)化成最小生成樹問題建模，得到區(qū)域劃分[13]。集覆蓋也是一類求解思路，但這些方法可以解決需求點較少的特定問題，沒能形成一類具體的求解思路。

（5） 運用聚類算法解決區(qū)域劃分。運用該方法的文獻比較多，方法比較成熟，適合解決大規(guī)模配送點的問題，本文結(jié)合聚類算法單獨對解決該類問題的文獻進行總結(jié)。為解決煙草配送中配送區(qū)域劃分問題，朱培芬、漢吉慶等人提出了一種改進的k-means 聚類算法，計算每個點的密度并取其中最大的k個點作為初始聚類中心，通過分析比較邊緣點到聚類中心距離與所有點間的平均距離，在可選范圍內(nèi)優(yōu)先考慮邊緣點，以避免邊緣點對整體最優(yōu)性的干擾[14]。

從對以上文獻的研究中發(fā)現(xiàn)，在解決區(qū)域劃分問題時大部分作者僅考慮距離因素對區(qū)域劃分的影響，本文之前討論過實際配送過程中影響配送效率的因素很多，除了距離因素外還有很多因素制約著配送人員的工作量。文獻[15]提出了weighted-kmeans 算法這一改進方法，該方法根據(jù)物流配送中的實際情況，充分考慮配送點的差異性給每一點都賦以各自的權(quán)重，在聚類的時候?qū)⒚恳活惖臋?quán)重作為一個約束條件，從而使得每一個類的權(quán)重大體相等，從在區(qū)域劃分時能有效控制權(quán)重使劃分結(jié)果更貼近實際需求。谷煒、張群、胡睿在此思想的基礎(chǔ)上設(shè)計了兩階段k-means 算法，第一部分運用傳統(tǒng)聚類算法結(jié)束后，第二部分利用不同配送點給定的相應(yīng)工作量衡量指標(biāo)對第一部分完成后形成的k個聚類進行調(diào)整，最終目的是使各個類的工作量大致相同[16]。但第二部工作量指標(biāo)的算法過于復(fù)雜，本文對算法進行了改進。而且以上文獻沒有對影響配送人員工作量的指標(biāo)進行具體分析，下面本文就來進行這方面的研究和闡釋。

2 工作量指標(biāo)分析

當(dāng)然我們不能忽略距離因素對配送產(chǎn)生最直接影響，若配送區(qū)域內(nèi)各需求點之間的距離過大，必然會使配送員在區(qū)域內(nèi)送貨時，要行駛更多的路程。若需求點距離配送中心的距離過遠，則配送員會在路途中花費更多的時間。其實在實際配送過程中影響配送效率的因素還有很多，比如在寬敞舒緩的街道可以駕駛面包車進行配送，而在擁擠繁華的都市配送員只能駕駛電動自行車。若只考慮配送效率的話，通過這兩種情況我們可以發(fā)現(xiàn)，僅僅考慮配送過程中的距離因素是遠遠不夠的。

影響配送效率的其他因素：

（1） 周邊路況：配送環(huán)境的復(fù)雜度是影響配送效率的重要因素之一，擁堵的路段和曲折的鄉(xiāng)村公路都會讓快遞員花費更多的時間在路上，而人流相對稀疏的家屬區(qū)路段和上班時刻的城市廣場、商務(wù)樓會為快遞員節(jié)省更多的時間，比如上下樓和在附近停車都會比較方便。

（2） 貨品的屬性：調(diào)查發(fā)現(xiàn)，目前大部分快遞行業(yè)并沒有規(guī)定統(tǒng)一包裝等方面的要求，一些快件可能形狀很不規(guī)則，貨品形狀差異往往使配送受到影響，比如送往工業(yè)園區(qū)物流園區(qū)的貨品，還有一些辦公區(qū)會收到一些產(chǎn)品樣品，它們的外形包裝往往很難預(yù)測而且有可能數(shù)量巨大，這樣的貨物配送員在每次裝卸過程中都會耗費大量的時間和精力。即使形狀規(guī)則但有的包裹可能體積過大，配送過程中要改換運輸車輛，比如快遞員的電動自行車后座無法承載如此大體積的物品。當(dāng)然，還有貨物的重量也會對配送效率產(chǎn)生直接影響。

（3） 客戶因素：有些配送點物業(yè)不允許快遞進入，配送員需要下車后把每個快件搬運至客戶手中，有時需往返好幾趟。這種家屬區(qū)或工業(yè)園會花費配送員大量的時間。有些家屬區(qū)的客戶電話聯(lián)系會非常困難（有可能不在家），還有可能要臨時更換配送地址。在校學(xué)生需要提前電話或者短信預(yù)約（學(xué)生白天可能在上課），這些都會占用配送員大量時間，加大配送的工作量。

（4） 簽收率是影響配送效率的重要指標(biāo)，很多時候家屬區(qū)和大學(xué)校園是簽收率普遍較低的地方，家屬區(qū)很可能白天上班家里沒有人，學(xué)校因為有代理點的緣故，學(xué)生往往不著急取貨。還有些影響簽收率的因素如配送員到達指定地點后聯(lián)系不到客戶，造成一天或者兩天內(nèi)對該件重復(fù)配送。所以有經(jīng)驗的快遞員會挑選可能出現(xiàn)類似情況的客戶點提前電話聯(lián)系，但這種聯(lián)系同樣會耗費時間成本。

（5） 等待服務(wù)時間。很多時候把快件送到客戶手中到客戶簽收還會花費一定時間，比如一些網(wǎng)購的商品，客戶需要拆箱檢驗。一些公司或者倉庫對于一些體積較小的價值較高的貨物也可能選擇走零擔(dān)或者快遞，對這種貨品會有嚴格的進貨檢驗過程，可能要找兩個以上部門負責(zé)人簽字后才能簽收，還有些快遞對一些企業(yè)客戶提供代收貨款或者簽回單等方面的服務(wù)，在往這些公司配送時，快遞員往往要預(yù)留足夠的等待時間，否則有可能影響其他貨物的配送。

（6） 每個配送點的需求量當(dāng)然也是影響配送效率的重要指標(biāo)，雖然配送員更希望盡可能在一個需求點放下多個貨物，比如校園配送點，只需一趟路程能夠賺取幾百件的配送費用，但是把這幾百個件安置好需要花費的時間、聯(lián)系成本和等待成本也是配送過程不可忽視的環(huán)節(jié)。

（7） 除此之外配送過程還有些影響配送效率的因素，例如物業(yè)或前臺的配合度，有些前臺會幫助員工代簽，有些則需要等待客戶自行取件，有些配送點有自動取貨裝置，會節(jié)省快遞員一些時間，目前很多村落被劃分的配送范圍內(nèi)，對這些村落的配送難度往往是非常大的，很多地址含糊不清，門牌指示不準(zhǔn)確，客戶的不配合都會增加配送的工作量。對于均衡指標(biāo)的計算我們作如下目標(biāo)層的分析（各項指標(biāo)如表1 所示）：首先，需要計算均衡工作量指標(biāo)ti對第i個配送點j項因素層進行打分wij，這一指標(biāo)的現(xiàn)實意義是幫助各個聚類之間實現(xiàn)工作量的均衡。

Tj代表第j個聚類的所有點的工作量指標(biāo)之和即權(quán)重和，即Tj=∑ti。從計算出的k個T中，篩選出最大值Tm和最小值Tn，由于劃分的目的是每個配送區(qū)域工作量均衡，也就表示要將最大值Tm和最小值Tn的差控制在合理范圍之內(nèi)，ε 表示可接受的殘差，該數(shù)值是在運算前人工輸入的且取值大小取決于可接受的工作量差異。

3 運用改進k-means 算法進行配送區(qū)域劃分

k-means 最基本的算法思想是選取初始聚類中心，通過迭代把數(shù)據(jù)劃分到不同的簇中，使簇內(nèi)對象之間的相似度很大，而簇與簇之間對象的相似度盡可能小。由于聚類的特殊性，在對配送系統(tǒng)進行區(qū)域劃分中使用聚類算法可以使得到的區(qū)域比較緊密且更符合實際需求。

在進行聚類算法解決該區(qū)域劃分時，應(yīng)該注意以下幾個方面：第一，聚類的數(shù)量。假設(shè)每個配送區(qū)域只配一輛交通工具，總需求量為wtotal，如果每輛車的載貨量最大為wmax，則理想的要劃分的配送區(qū)域數(shù)目應(yīng)該大致為：第二，每個聚類內(nèi)配送點的分布相對集中，這樣配送員就不會花費大量的時間在路途中。這也是聚類能滿足的基本原理。第三，每個分好的類內(nèi)的工作量大體相當(dāng)，這樣可以避免某個配送員送貨格外少或者格外多的情況出現(xiàn)。第四，聚類之間不能有重合，否則會出現(xiàn)重復(fù)送貨的情形。配送區(qū)域內(nèi)的每一個點都必須包含在某一個類中。

3.1 改進的k-means算法思想

根據(jù)文獻[16]的算法思想首先將聚類過程劃分為兩部分：第一部分為傳統(tǒng)的k-means聚類過程，經(jīng)過多次迭代，將配送點劃分為k個類。第二部分進行調(diào)整，利用計算出來的工作量衡量指標(biāo)，對第一步完成的k個聚類進行調(diào)整，從而使每個類內(nèi)配送員的工作量差距最小化。具體調(diào)整方法如下：

計算平均工作量指標(biāo)T，即計算平均每個分區(qū)內(nèi)的工作量，將每個分區(qū)內(nèi)的工作量指標(biāo)與平均工作量指標(biāo)相比較來權(quán)衡該區(qū)域工作量是否超標(biāo)不成立意味著在此時的聚類中，工作量極差較大。當(dāng)這個條件滿足時，就表示現(xiàn)在的區(qū)域劃分能夠滿足工作量基本均衡的條件，而且第一步聚類也滿足了能使客戶安排相對集中，送貨效率較高的要求。利用彈出點機制對工作量超標(biāo)聚類內(nèi)的點進行彈出，為防止一些點被反復(fù)彈出對彈出點進行標(biāo)記，防止算法不收斂的情況發(fā)生。映射到實際工作中，第二部分的目的就是每個配送區(qū)域的工作時間大致相同，工作量基本持平。

3.2 兩階段的k-means算法的具體步驟總結(jié)如下：

Step1 根據(jù)公式計算分區(qū)數(shù)目k，選取k個點作為初始聚類中心。

Step2 計算每一個點與k個聚類中心的距離用于標(biāo)記某個中心點坐標(biāo)，（xi,yi）為第i個點的坐標(biāo)。在這里坐標(biāo)值是根據(jù)經(jīng)緯度模擬出的平面坐標(biāo)值，并存儲在數(shù)據(jù)庫表中。

Step3 對于每一個非中心點，在計算出的k個距離中選擇最小的一個，并將該點加入對應(yīng)類。

Step4 通過k-means算法進行聚類，得到k個聚類。計算每一個聚類T值，Tj為配送區(qū)域內(nèi)總工作量指標(biāo)。j取值為1,2,…,k。

Step7 令Tm=Tj，對m類中的dim進行排序，得到將第m類中距中心最遠的點彈出并加以標(biāo)記，在今后的循環(huán)迭代中遇到此標(biāo)記則不予處理，而轉(zhuǎn)向處理次遠的點。

Step8 對dαk進行排序，將該點加入到除m外距它最近的類中，重新計算Tk。轉(zhuǎn)向Step5繼續(xù)檢查，直至收斂。

4 實例驗證

通過實例驗證來確定算法的有效性和劃分結(jié)果的合理性。研究針對X快運公司青島經(jīng)濟開發(fā)區(qū)分部進行實例分析，青島經(jīng)濟開發(fā)區(qū)快遞運營起步較晚，但發(fā)展相當(dāng)迅速，開發(fā)區(qū)內(nèi)有眾多的大學(xué)、工業(yè)園，住宅區(qū)和保稅區(qū)，其獨特的區(qū)位優(yōu)勢導(dǎo)致物流服務(wù)需求量近幾年快速增長，很多站點存在不穩(wěn)定性，分區(qū)不合理造成的管理困難和利潤無法達到最優(yōu)。研究擬對區(qū)域內(nèi)所有配送點進行分析，選擇了該地區(qū)基本上平均每天都會產(chǎn)生需求的配送點50個，轉(zhuǎn)化為平面坐標(biāo)。首先根據(jù)第2小節(jié)中提到的有關(guān)聚類數(shù)量的計算公式，得出需將該地區(qū)劃分成10個配送分區(qū)。

對影響目標(biāo)層工作量的各項指標(biāo)數(shù)據(jù)來源主要為之前工作經(jīng)驗、同行咨詢和實地調(diào)查，得出該地區(qū)的各因素權(quán)重指標(biāo)，然后對每個配送點進行打分，得出每個配送點的工作量指標(biāo)Ti。其中p1=0.1；p2=0.1；p3=0.1；p4=0.2；p5=0.2；p6=0.25；p7=0.05。

運用matlab軟件，按照兩階段k-means算法的具體流程進行計算得到聚類中心如表2。

經(jīng)兩階段算法進行區(qū)域劃分并進行點集的調(diào)整得到結(jié)果如圖1所示，從圖中可以發(fā)現(xiàn)一個非常特殊的點，因為距離其他聚類中心都很遠，所以被單獨分為一類。根據(jù)實際情況可將該點劃分給距離該區(qū)域最近的配送員，最終調(diào)整結(jié)果標(biāo)注在青島經(jīng)濟開發(fā)區(qū)地圖上如圖2。

5 總 結(jié)

該區(qū)域劃分方法基于對實際配送過程中的影響因素進行分析，適用于解決實際問題，但基于配送環(huán)境的復(fù)雜性，該要素分析還有一定的局限性，如考慮到地區(qū)差異時，指標(biāo)的權(quán)重值還需針對具體情況進行調(diào)整，但這種方法提供了在解決這類問題時的一種思路。

關(guān)于兩階段k-means算法，其實是對傳統(tǒng)聚類k-means算法的改進，克服了基本k-means算法無法增加外部約束的問題，而且由于第一步基于傳統(tǒng)算法，無需驗證算法收斂性，程序容易實現(xiàn)。在第二階段引入了外部調(diào)整量來衡量各個聚類的工作量，以保證每個配送區(qū)域所需要做的工作量控制在合理的范圍內(nèi)，衡量指標(biāo)的各個系數(shù)則是通過數(shù)據(jù)統(tǒng)計分析總結(jié)而來，該指標(biāo)源自實際研究數(shù)據(jù)，在應(yīng)用中更加可靠。

[1] 章成成. 電子商務(wù)環(huán)境下的終端配送新模式探究[J]. 時代金融，2014(1):49-50.

[2] 黎鷹. 電子商務(wù)環(huán)境下物流配送問題與策略[J]. 中國管理信息化，2009(11):122-125.

[3] 文龍光，潘立軍. 我國農(nóng)村地區(qū)開展B2C 電子商務(wù)物流配送的新模式[J]. 運籌與管理，2011(3):195-200.

[4] 田思源，白小偉，付文祎. 網(wǎng)購環(huán)境下商品快遞環(huán)節(jié)存在的問題與對策[J]. 電子商務(wù)，2014(2):53-58.

[5] 潘文安. GIS 決策支持系統(tǒng)下的物流中心配送分區(qū)[J]. 經(jīng)濟地理，2007(1):57-61.

[6] 陳子俠. 城市卷煙配送線路的網(wǎng)格劃分算法[J]. 上海交通大學(xué)學(xué)報，2003(7):1014-1020.

[7] 宋潔華，李少偉，趙志忠,等. 泰森多邊形在居民點空間分布特征分析中的應(yīng)用研究[J]. 海南師范大學(xué)學(xué)報，2013(6):223-228.

[8] 周志超，周杰，朱贊,等. 一種面向網(wǎng)絡(luò)拓撲圖的多邊形區(qū)域分配方法[J]. 中國電子商務(wù)，2012(22):52-54.

[9] 劉洪娟，甘明，姜玉宏,等. 基于遺傳算法的配送中心選址及配送區(qū)域劃分問題研究[J]. 物流技術(shù)，2010(4):43-48.

[10] Bozkaya B, Zhang J, Erkut E. An efficient genetic algorithm for the p-media problem[C]//Facility location: Applications and theory, Berlin Springem, 2002:179-205.

[11] Bozkaya B, Erkut E, Laporte G. A Tabu Search heuristic and adaptive memory procedure for political districting[J]. European Journal of Operational Research, 2003(144):12-26.

[12] 符淼. 集成的零售配送區(qū)域劃分和運輸計劃模型研究[J]. 國際經(jīng)貿(mào)探索，2005(1):81-84.

[13] 池潔, 李莉. 物流中配送區(qū)域與配送路線的網(wǎng)絡(luò)優(yōu)化法[J]. 運籌與管理，2003(2):123-127.

[14] 朱培芬，漢吉慶，楊華龍,等. 基于改進K-means 算法的煙草配送區(qū)域劃分[J]. 物流工程與管理，2009(6):84-85.

[15] 謝可. 物流配送系統(tǒng)中聚類算法的研究與應(yīng)用[D]. 杭州：浙江大學(xué)（碩士學(xué)位論文），2006.

[16] 谷煒，張群，胡睿. 基于改進K-means 聚類的物流配送區(qū)域劃分方法研究[J]. 中國管理信息化，2012(12):60-64.