社區(qū)商務云中大規(guī)模訂單撮合方法
【專利摘要】本發(fā)明公開了一種社區(qū)商務云中大規(guī)模訂單撮合方法，包括如下步驟：（1）基于基站、WIFI實現(xiàn)用戶的定位；（2）確定用戶的非定向需求；（3）通過云搜索算法，確定撮合范圍；（4）結合能達到的額度和所設定的額度進行訂單撮合；（5）根據(jù)商家優(yōu)選模塊選定若干家商家；（7）采用MonteCarlo模擬動態(tài)規(guī)劃方法，獲得大規(guī)模撮合訂單的商務采購及物流規(guī)劃方案；（8）大規(guī)模訂單撮合完成。目前主要應用于電子商務領域，以便將鄰近地域的同種類商務需求訂單撮合成一個大的訂單，以提高商務談判和交易的效率，尋求更低的協(xié)議價格，獲得更好的性價比，從而給買家?guī)砦锩纼r廉的購物經(jīng)歷，也可以加快高品質賣家的貨物及資金的周轉。
【專利說明】社區(qū)商務云中大規(guī)模訂單撮合方法
【技術領域】
[0001]本發(fā)明涉及一種訂單撮合方法，具體是一種社區(qū)商務云中大規(guī)模訂單撮合方法。【背景技術】
[0002]目前電子商務中，消費者獲利的方式主要有兩種:
比價網(wǎng)絡:買家可以通過網(wǎng)上的各種比價網(wǎng)絡，來獲得同類商品中不同商家的銷售價格，進而比較后從中做出選擇。雖然比價網(wǎng)絡能夠給用戶提供相關產品的最低零售價信息，但是不能保證最低售價的商品質量最優(yōu)，而且由于單個用戶需求量有限，從而也就無法從商家那里獲得大批量訂購的更優(yōu)惠價格。
[0003]團購:買家可以通過在線組團以獲得特定商家指定商品在指定時間段內的特定優(yōu)惠價格。但是團購的營銷推薦傾向性明顯，基本上都是各大電商網(wǎng)站推薦各自的商家及產品，而且各網(wǎng)站的團購基本上是由商家發(fā)起的，更多為了提高人氣、清除積壓的打折推銷方法，在時間、商品種類上有諸多限制，從而在一定程度上剝奪了用戶選擇權。另外，團購商品的質量也無法保證，有些無良商家將一些即將到期的產品組織開團，以次充好，以降低損失，實際上把損失轉移到消費者身上。
[0004]大規(guī)模訂單撮合技術目前主要應用于電子商務領域，以便將鄰近地域的同種類商務需求訂單撮合成一個大的訂單，以提高商務談判和交易的效率，尋求更低的協(xié)議價格，獲得更好的性價比，從而給買家?guī)砦锩纼r廉的購物經(jīng)歷，也可以加快高品質賣家的貨物及資金的周轉。另外，本技術也可以應用于物流領域、國際貿易等領域。

【發(fā)明內容】

[0005]為了解決現(xiàn)有技術中存在的上述技術問題，本發(fā)明提供了一種社區(qū)商務云中大規(guī)模訂單撮合方法，包括如下步驟:
(1)基于基站、WIFI等無線信號實現(xiàn)用戶的定位；
(2)確定用戶的非定向需求；
(3)通過云搜索算法，確定撮合范圍；
(4)結合能達到的額度和所設定的額度進行訂單撮合；
(5)根據(jù)商家優(yōu)選模塊選定若干家商家:
首先，定向采集各商家在各類電子商務交易平臺上的相關交易、評論和新聞信息，經(jīng)過預處理和量化生成商家即時客觀信用矩陣；然后結合用戶對商品質量、價格、銷量、服務和推薦度等商品附加屬性的偏好指數(shù)，生成支持該用戶目標的商家評價指數(shù)矩陣；最后，考慮庫存量信息，選定相應的高評價指數(shù)商家根據(jù)商家優(yōu)選模塊選定若干家商家；
(6)根據(jù)用戶地域信息計算二次物流成本；
(7)采用MonteCarlo模擬動態(tài)規(guī)劃方法,獲得大規(guī)模撮合訂單的商務采購及物流規(guī)劃方案；
(8)大規(guī)模訂單撮合完成。[0006]進一步的，所述的云搜索算法是由K-均值聚類算法和改進的K-近鄰算法糅合而成。
[0007]進一步的，先利用K-均值聚類算法在用戶所在的云節(jié)點進行局部搜索，查找有相同需求的訂單，K-均值聚類算法具體如下:
輸入:簇的數(shù)目k和包含η個對象的數(shù)據(jù)庫；
輸出:k個簇，使平方誤差準則最??；
算法步驟:
1.為每個聚類確定一個初始聚類中心，這樣就有K個初始聚類中心；
2.將樣本集中的樣本按照最小距離原則分配到最鄰近聚類；
3.使用每個聚類中的樣本均值作為新的聚類中心；
4.重復步驟2.3直到聚類中心不再變化；
5.結束，得到K個聚類。
[0008]進一步的，所述的改進的K-近鄰空間球算法搜索鄰近云節(jié)點，以在固定時間內達到協(xié)議價格所需的相應預定額度為止，步驟如下:
1.以用戶所在云節(jié)點O為中心，以離ο最近的云節(jié)點i與云節(jié)點ο之間距離為半徑，在該空間范圍內搜索有相近需求的訂單；
2.若能達到協(xié)議價格所需額度，則終止搜索；
3.否則，取更大半徑進行搜索；
4.重復上述過程。
[0009]進一步的，所述步驟(7)具體如下:
首先，構造一個以商家、采購數(shù)量、二次物流成本等作為隨機變量，以總價最低作為目標的概率模型；其次，根據(jù)模型的特點和隨機變量的分布特性，并對每個隨機變量進行抽樣；再次，在所建立的模型上進行仿真試驗、計算，求出總價的隨機解；最后，通過反復模擬，給出最低總價的概率解以及解的精度估計，進而依據(jù)概率解確定具體的商務采購及物流規(guī)劃方案。
[0010]本發(fā)明的大規(guī)模訂單撮合方法目前主要應用于電子商務領域，以便將鄰近地域的同種類商務需求訂單撮合成一個大的訂單，以提高商務談判和交易的效率，尋求更低的協(xié)議價格，獲得更好的性價比，從而給買家?guī)砦锩纼r廉的購物經(jīng)歷，也可以加快高品質賣家的貨物及資金的周轉。另外，本方法也可以應用于物流領域、國際貿易等領域。
[0011]大規(guī)模訂單撮合方法可以使用戶主動動態(tài)并團，進而可以以更優(yōu)價格獲得高質量商品。與此同時，商家借助該平臺發(fā)布的趨勢信息，可以更有針對性地設計好他們的產品，訂單規(guī)模的擴大，允許他們向社區(qū)商務云承諾更實惠的協(xié)議價格。通過用戶群和商家的不斷良性交互，用戶、商家、電子商務平臺、社區(qū)商務云等將可能實現(xiàn)多贏局面，電子商務環(huán)境也將更為健康、有序。
[0012]當前的團購模式往往由商家發(fā)起，不是隨時有的，而且在待團購商品上用戶基本沒有選擇權。社區(qū)商務云中大規(guī)模訂單撮合技術很好的利用了社區(qū)云的規(guī)模效應，積極促成一定的規(guī)模商務，進而取得更低的協(xié)議價格，獲得更好的性價比，給買家?guī)砦锩纼r廉的購物經(jīng)歷；同時，大規(guī)模訂單也可以加快高品質賣家的貨物存銷及資金的周轉速度；另外，大規(guī)模訂單也創(chuàng)造了物流優(yōu)化的機會，進而有效地降低了商務談判和營銷成本以及電子商務中的物流費用。
【專利附圖】

【附圖說明】
[0013]圖1是本發(fā)明的社區(qū)商務云中大規(guī)模訂單撮合方法的流程示意圖。
【具體實施方式】
[0014]下面結合附圖對本發(fā)明作進一步說明。
[0015]本發(fā)明的社區(qū)商務云中大規(guī)模訂單撮合方法基于運營性能的考慮，撮合的對象僅限于鄰近地域且訂單列表比較相似的訂單，通過鄰近地域的同類商務需求的商務融合，實現(xiàn)社區(qū)商務云中大規(guī)模訂單撮合，即在全額保障用戶選擇權的基礎上實現(xiàn)全網(wǎng)范圍的商務需求的主動動態(tài)團購模式。具體步驟如下:
1、基于基站、WIFI等無線信號實現(xiàn)用戶的定位；
2、確定用戶的非定向需求；
3、通過特定的云搜索算法，確定撮合范圍:
所用的云搜索算法是由K-均值聚類算法和改進的K-近鄰算法糅合而成，先利用K-均值聚類算法在用戶所在的云節(jié)點進行局部搜索，查找有相同需求的訂單。K-均值聚類算法具體如下:
輸入:簇的數(shù)目k和包含η個對象的數(shù)據(jù)庫。
[0016]輸出:k個簇，使平方誤差準則最小。
[0017]算法步驟:
1.為每個聚類確定一個初始聚類中心，這樣就有K個初始聚類中心；
2.將樣本集中的樣本按照最小距離原則分配到最鄰近聚類；
3.使用每個聚類中的樣本均值作為新的聚類中心；
4.重復步驟2.3直到聚類中心不再變化；
5.結束，得到K個聚類。
[0018]將樣本分配給距離它們最近的中心向量，并使目標函數(shù)值減小:


>

Σ 麵 I Xj "Pj if
更新簇平均值:
^由Σν
計算準則函數(shù)E:
t — 2
如若相同需求的訂單數(shù)量達不到協(xié)議價格所需的預定額度，再利用改進的K-近鄰空間球算法搜索鄰近云節(jié)點，以在固定時間內達到協(xié)議價格所需的相應預定額度為止。具體算法步驟如下: 5.以用戶所在云節(jié)點ο為中心，以離ο最近的云節(jié)點i與云節(jié)點ο之間距離為半徑，在該空間范圍內搜索有相近需求的訂單；
6.若能達到協(xié)議價格所需額度，則終止搜索；
7.否則，取更大半徑進行搜索；
8.重復上述過程；
9.結合能達到的額度和所設定的額度進行訂單撮合；
10.根據(jù)商家優(yōu)選模塊選定若干家商家:
首先，定向采集各商家在各類電子商務交易平臺上的相關交易、評論和新聞信息，經(jīng)過預處理和量化生成商家即時客觀信用矩陣；然后結合用戶對商品質量、價格、銷量、服務和推薦度等商品附加屬性的偏好指數(shù)，生成支持該用戶目標的商家評價指數(shù)矩陣；最后，考慮庫存量信息，選定相應的高評價指數(shù)商家根據(jù)商家優(yōu)選模塊選定若干家商家
11.根據(jù)用戶地域信息計算二次物流成本
二次物流成本就是云節(jié)點在收到商品后配發(fā)到具體用戶所需的物流成本
12.采用MonteCarlo模擬動態(tài)規(guī)劃方法,獲得大規(guī)模撮合訂單的商務采購及物流規(guī)劃方案首先，構造一個以商家、采購數(shù)量、二次物流成本等作為隨機變量，以總價最低作為目標的概率模型；其次，根據(jù)模型的特點和隨機變量的分布特性，并對每個隨機變量進行抽樣；再次，在所建立的模型上進行仿真試驗、計算，求出總價的隨機解；最后，通過反復模擬，給出最低總價的概率解以及解的精度估計，進而依據(jù)概率解確定具體的商務采購及物流規(guī)劃方案。
[0019]13.大規(guī)模訂單撮合完成。
【權利要求】
1.一種社區(qū)商務云中大規(guī)模訂單撮合方法，包括如下步驟: (1)基于基站、WIFI等無線信號實現(xiàn)用戶的定位； (2)確定用戶的非定向需求； (3)通過云搜索算法，確定撮合范圍； (4)結合能達到的額度和所設定的額度進行訂單撮合； (5)根據(jù)商家優(yōu)選模塊選定若干家商家: 首先，定向采集各商家在各類電子商務交易平臺上的相關交易、評論和新聞信息，經(jīng)過預處理和量化生成商家即時客觀信用矩陣；然后結合用戶對商品質量、價格、銷量、服務和推薦度等商品附加屬性的偏好指數(shù)，生成支持該用戶目標的商家評價指數(shù)矩陣；最后，考慮庫存量信息，選定相應的高評價指數(shù)商家根據(jù)商家優(yōu)選模塊選定若干家商家； (6)根據(jù)用戶地域信息計算二次物流成本； (7)采用MonteCarlo模擬動態(tài)規(guī)劃方法,獲得大規(guī)模撮合訂單的商務采購及物流規(guī)劃方案； (8)大規(guī)模訂單撮合完成。
2.如權利要求1所述的社區(qū)商務云中大規(guī)模訂單撮合方法，其特征在于:所述的云搜索算法是由K-均值聚類算法和改進的K-近鄰算法糅合而成。
3.如權利要求2所述的社區(qū)商務云中大規(guī)模訂單撮合方法，其特征在于:先利用K-均值聚類算法在用戶所在的云節(jié)點進行局部搜索，查找有相同需求的訂單，K-均值聚類算法具體如下: 輸入:簇的數(shù)目k和包含η個對象的數(shù)據(jù)庫； 輸出:k個簇，使平方誤差準則最?。? 算法步驟: (O為每個聚類確定一個初始聚類中心，這樣就有K個初始聚類中心； (2)將樣本集中的樣本按照最小距離原則分配到最鄰近聚類； (3)使用每個聚類中的樣本均值作為新的聚類中心； (4)重復步驟2.3直到聚類中心不再變化； (5)結束，得到K個聚類。
4.如權利要求2所述的社區(qū)商務云中大規(guī)模訂單撮合方法，其特征在于:所述的改進的K-近鄰空間球算法搜索鄰近云節(jié)點，以在固定時間內達到協(xié)議價格所需的相應預定額度為止，步驟如下: 以用戶所在云節(jié)點O為中心，以離O最近的云節(jié)點i與云節(jié)點O之間距離為半徑，在該空間范圍內搜索有相近需求的訂單； 若能達到協(xié)議價格所需額度，則終止搜索； 否則，取更大半徑進行搜索； 重復上述過程。
5.如權利要求1所述的社區(qū)商務云中大規(guī)模訂單撮合方法，其特征在于:所述步驟(7)具體如下: 首先，構造一個以商家、采購數(shù)量、二次物流成本等作為隨機變量，以總價最低作為目標的概率模型；其次，根據(jù)模型的特點和隨機變量的分布特性，并對每個隨機變量進行抽樣；再次，在所建立的模型上進行仿真試驗、計算，求出總價的隨機解；最后，通過反復模擬，給出最低總價的概率解以及解的精度估計，進而依據(jù)概率解確定具體的商務采購及物流規(guī)劃方案。
【文檔編號】G06Q30/00GK103489108SQ201310368847
【公開日】2014年1月1日 申請日期:2013年8月22日 優(yōu)先權日:2013年8月22日
【發(fā)明者】徐斌 申請人:浙江工商大學