空间大数据在物流中的发展与应用——“大数据与智慧物流”连载之七

韩璐懿/文

空间大数据在物流中的发展与应用
——“大数据与智慧物流”连载之七

韩璐懿/文

在京东的仓储、运输和配送环节中，每天都产生数以亿万计的空间数据。在仓储、运输和配送等各个环节，GIS技术和手段都发挥着至关重要的作用，成为京东智慧物流建设的重要技术基础。

在京东的仓储、运输和配送等各个环节，大数据发挥着举足轻重的作用，成为京东打造智慧物流的重要基础

为了给用户提供多功能、一体化的综合性服务，物流将运输、仓储、装卸搬运、加工、配送、信息处理等环节进行有机结合，形成完整的供应链。在物流的相关环节中，每一时刻都有海量的物流数据不断涌现，而这些数据无不具有空间尺度和空间特征的性质。据统计，物流信息中大约80%的信息与空间位置有关，而运输、仓储和配送等环节涉及到的信息几乎全部与空间位置有着直接的关系。

作为一门融合了计算机科学、地理学和地图学的综合性学科，地理信息系统（Geo Information System, 简称GIS）具有强大的采集、管理、存储、分析、处理、输出空间数据的能力，被广泛地用于空间信息的可视化和辅助决策。面对海量的空间数据，如何利用GIS相关技术和手段，整合空间数据信息，探索和挖据空间数据价值，已经成为物流企业在构建智慧物流的过程中亟待解决的问题。

物流行业中的空间大数据

不同于其它行业中的大数据，物流涉及到运输、仓储、配送等多个环节，其空间大数据带有很强的行业属性和特色。具体说来，物流空间大数据具有海量性、稀缺性、复杂性和丰富性的特点。

1.数据的海量性

物流车辆作为物流行业的业务承载主体，其数量巨大，分布广泛，在运输、配送等环节发挥着至关重要的作用。在货物的运输和配送过程中，物流车辆一般以10～30秒的间隔向数据中心发送当前位置信息，这些移动在全国各地路网中的物流车辆每天生成的定位数据都达到了GB甚至TB规模，并且还在不断增长中。这既是发展数据挖掘的驱动力，同时也是数据挖掘面临的难题。

2.数据的稀疏性

图1：京东GIS可视化配送区域编辑器

物流空间数据的稀缺性主要体现在两个方面：一方面，在物流运输过程中，虽然轨迹数据规模庞大，但由于地理因素、天气因素、设备故障等原因，并不能保证每一个路段都有完整的定位信息，甚至有些是错误的定位数据；另一方面，由于用户的分布不均匀，容易出现大城市数据量大，小城市数据量少，住宅区、商业区数据量大，工业区数据量小。这些都造成了物流数据在质量和分布上存在一定的稀疏性。

3.数据的复杂性

物流车辆在实际行驶过程中受各方面主客观因素影响，每个司机都有自己的驾驶习惯，即使同一个司机在驾驶过程中也会针对不同客观条件改变自己的驾驶行为，这些人为的改变无疑增加了轨迹数据挖掘的复杂性。此外，物流数据受到包括经济发展、需求变化等各种因素的影响，其流向具有一定的不确定性，也使得物流空间大数据更为复杂。这些都使得物流空间大数据难以简单通过某个模型或者理论来进行评估和预测。

4.数据的丰富性

在海量的物流运输轨迹数据背后隐藏着全国实时路况信息、物流运输状态信息和我国不同区域经济发展水平以及供需关系的变化，并且物流运输承载的货物种类十分丰富，每种货物具有多种附加属性信息。这些数据一起构建了多级别、多层次、多维度的物流大数据，对于我国道路基础建设、交通路径规划、物流车辆调度、经济指标预测等方面有着积极意义。

空间大数据在京东物流中的应用

京东作为中国最大的自营式电商企业，拥有完整覆盖采购、售卖到配送、客服等环节的全电商流程，拥有中国电商领域最完整、最精准、价值链最长的物流配送网络。在京东的仓储、运输和配送环节中，每天都产生数以亿万计的空间数据。在仓储、运输和配送等各个环节，GIS技术和手段都发挥了至关重要的作用，成为京东智慧物流建设的重要技术基础。随着京东物流业务的发展，原有的经验和行业知识已经不能完全支持业务发展的需要，需要将结合深度学习的大数据技术与GIS地图技术人工智能技术结合，在保证配送时效、服务质量的前提下，更进一步提高配送业务的科学性、精确性和系统性，实现精细化管理的目标。

1.货物分拣

图2：京东车辆调度系统图示

图3：基于地理位置的用户画像

面对每天数以百万计的订单，如何高效地根据用户的收货地址进行订单货物的分拣，快速精准地将订单商品准确的发送到库房、中转仓和配送站，是实现京东能够持续不断地提供一流配送服务的前提。在货物分拣方面，京东在过往运营过程中积累的海量订单数据发挥了至关重要的作用。京东已经积累了超过十亿条的地址数据，并利用这些数据建立了完善的地址库。基于此，京东建立了一套精准完善的预分拣系统，其中利用GIS技术，京东将配送区域根据配送站点的覆盖范围进行了划分。利用这套系统，管理人员可以非常方便地根据配送站点的数量和规模变化可视化地进行配送范围的调整。通过反向地理编码技术，GIS预分拣系统可以直接将用户下单地址转化为经纬度坐标，并通过将下单地址和配送站配送区域进行比较，直接将订单分配到用户所属的配送站点。随着配送大数据不断丰富，京东不断完善配送范围估算模型，使得越来越多的用户能够享受到包括“211”和“京准达”在内的高质量京东购物配送体验。

2.配送路线优化

配送环节作为是整个京东物流体系最为重要的组成部分，是京东物流中最为重要的环节。为了保持京东物流配送环节的高效性与准确性，利用GIS技术和手段，京东建立起了完善的物流配送网络，尤其在大件商品的配送中发挥了极为关键的作用。不同于小件商品的配送，京东大件商品由于配送成本高，并且涉及到预约、验货、安装等各个环节，如何利用技术手段有效降低大件商品配送成本，提升用户体验，是京东在很长一段时间内亟待探索的一个重要课题。利用GIS技术，大件商品调度系统根据用户送货地址计算出每一个订单的行驶里程和所需运输时间，并对所有的待配送大件商品订单运输的时间成本进行测算，在保证商品按照用户约定的时间范围内送达的前提下，给出最合理的大件商品配送线路。随着道路通行数据和交通数据的不断累积，利用机器学习技术，系统对于每一条线路在不同时刻的通行时间计算和预测愈发精准，使得京东大件商品的配送成本不断降低，履约效率不断提升。

3.订单实时跟踪

为了能给京东用户提供最佳的配送体验，京东物流针对每一个订单提供了完善详尽的订单跟踪信息。除了常见的文字跟踪信息外，京东还在业界率先提供了基于地图的可视化物流跟踪系统，而这套系统的核心就是GIS技术。京东的每一台物流配送车辆都安装了卫星定位设备，通过全球卫星定位系统，每秒钟都有上千台传站车辆和上万台快递车辆将其实时位置数据传送回数据中心。为了实现每秒上万条坐标数据的存储、读取和查询，京东建立了HDFS标准的分布式存储系统，通过对数据进行包括过滤、验证和抽稀等一系列处理，推送给前台用户进行订单轨迹的展示。

4.基于地理位置的用户画像

通过多年的运营，京东已经为上千万的用户提供了优质的购物体验，积累了亿万级的用户购物数据，而这其中的每一条购物数据都包含了位置信息。通过对这些购物位置大数据进行处理和分析，京东构建了业界最为完整、最富有价值的用户画像数据。通过分析这些精准的用户画像数据，京东不仅可以对单个用户的购物习惯和商品购买喜好进行分析，而且能够利用这些数据所携带的位置信息，将这些数据进行小区、街道级别的分析，从而建立起多个区域级别的用户画像数据。这些画像数据对库房商品的备货、线下促销选址提供了有力的决策支持。特别的，依据基于大数据的位置用户画像数据，京东推出了一系列特色服务，如一小时极速配送服务，通过分析特定区域用户对于特定商品的购买好，京东提前将特定商品直接投放到目标用户附近的配送站点，使得用户在下单后一个小时内就可以收到配送的商品，极大地提升了用户购物体验。

未来前景可期

从物流运输到货物分拣，从站点配送到用户画像，空间大数据的相关研究和应用涵盖了物流行业的全部链条，满足了物流企业的各个环节的发展需求。地理信息技术，以其对位置数据处理的高效性和空间分析的多样性，在处理与地理位置相关的空间数据方面具有得天独厚的优势。利用地理信息技术和手段进行企业空间大数据的分析和可视化，优化物流各个环节，必将有力地提升物流运输效率，降低物流管理成本，极大地促进企业智慧物流的建设和发展。

作者为京东X事业部智能导航研发部高级产品经理