基于車輛運營數據的商用車服務網絡優化

劉科強 徐國強 趙圣娟

摘 要：隨著國內商用車整體設計制造水平的提高，售后服務網絡的完善程度和服務質量已成為客戶購車的一個關鍵因素。文章通過對車輛歷史運營軌跡、停靠熱點等的分析，探討車輛運營數據在商用車服務網點評價、優化和選址上的應用，為商用車服務網絡部署與優化提供數據參考。

關鍵詞：車輛；運營數據；服務網絡優化

中圖分類號：U461.99 文獻標識碼：B 文章編號：1671-7988（2018）17-29-04

Abstract： With the improvement of the overall design and manufacturing level In the field of omestic commercial vehicles， the quality and perfection of customer service network have become a key factor for customers to buy cars. Based on the analysis of vehicle running track and hotspot， this paper discusses the application of vehicle operation data in the commercial vehicle Service Network evaluation and optimization and location， in order to provide data reference for the deployment and optimization of commercial vehicle service network.

Keywords： commercial vehicles； the operation data； the optimization of service network

CLC NO.： U461.99 Document Code： B Article ID： 1671-7988（2018）17-29-04

前言

隨著國內商用車整體設計制造水平的提高，商用車銷售市場的競爭越來越激烈，客戶購買車輛不僅考慮車輛的產品質量，對產品的售后服務的要求越來越高。科學合理的商用車服務網絡布局和優質的售后服務已成為客戶決策購買車輛的決定因素之一，商用車生產企業急需圍繞汽車產品結構和布局，構建合理、方便、快捷的服務網絡，提升售后服務質量。

汽車廠家傳統的服務網絡選擇方式存在諸多缺陷，由于缺乏數據的精確支撐，導致很多服務站選點不合理，不符合客戶實際運營。而車聯網技術的興起，應用大數據為精確化選址提供了新的方法等等。

本文通過研究旨在規劃落地售后服務邁向大數據的高端分析運營模式，逐步深化主動服務機制，以某品牌商用汽車市場保有量為基礎，整合車輛實時數據、路網數據、服務站信息，圍繞服務站服務效能、布局與選址統籌分析，以實現對現有服務網絡布局優化、科學識別服務網絡空白區域的目的。

1 車輛數據采集與預處理

研究采用的車輛樣本數據包括，運營軌跡樣本車輛數182918輛，停靠事件車輛數158934輛。

采集主要數據項：GPS數據（經度、緯度）、停靠事件（位置、時長）、服務網點信息等。

1.1 車輛數據采集

車輛數據采集過程依賴智能車載終端獲取車輛的運營過程中的各項數據。感知設備獲取到車輛多源數據后，通過 CAN 總線連接，由網關完成鏈路通訊，通過統一的協議和接口進行通訊，將數據完整、快速地收集到智能車載終端中，車載終端利用無線通信技術通過內置 GSM/GPRS/3G 和 GPS 模塊將數據上傳到云端數據存儲服務器。

1.2 車輛數據預處理

通過智能終端獲得的海量車輛數據可能存在一定噪聲信息，因此對數據的預處理就是不可或缺的部分。按照數據清洗的分類標準，可以將清洗問題分為4種：單源實時問題、多源實時問題，單源系統問題以及多源系統問題。單源實時問題指的是：對單一數據進行實時檢測，就能夠實現錯誤識別的（例如GPS定位錯誤）；而多源實時問題主要是指矛盾的數據（例如GPS車速和脈沖車速嚴重偏離）；而單源或多源的系統性錯誤主要指的是數據的沖突。解決實時問題采用數據剖析（Data profiling）的手段實現，而系統性問題需要采用數據挖掘（Data mining）的手段實現。數據剖析主要是考察數據的類型、長度、有效區間、頻率、方差等指標，來實現數據錯誤的識別與清洗。

本文分析中的數據處理過程需要完成 GPS 數據與地圖匹配，將含有噪聲和誤差的 GPS測量數據通過地圖匹配算法校正到道路上；其次，從車輛位置信息中提取車輛運行軌跡，對運行軌跡采取道格拉斯抽稀算法進行處理，使單車的一天多條軌跡信息簡化為一條軌跡信息，標簽化車輛運行軌跡，并為該標簽建立快速檢索方法。

2 服務站服務效能分析

通過匹配車輛行駛軌跡與服務網點信息，分析服務站覆蓋范圍內的運營熱度、停靠熱度以及停靠平均時長，綜合三項指標，評價服務站的服務效能，并對服務站進行綜合排名，嘗試性建立服務站服務效能評價指標，為服務效能提高提供依據。

2.1 服務站覆蓋區域運營熱度

運營熱力圖是由車輛有效運營軌跡點聚集而成。如圖1，車輛運營熱力圖的分布與服務站的分布趨勢基本一致，華北、華中、華東是高熱度區域，也是服務站高密度區域；同時服務站沿車輛軌跡，分布在交通干道周邊。說明服務站選址應與車輛運營軌跡呈正相關，運營熱度越高的區域，對服務站的需求越多。

2.2 服務站停靠熱度分析

停靠事件由基礎軌跡數據聚集而成，考慮每天原始軌跡數據量較大，計算復雜開發周期長，因此本次僅基于2017年已生成的停靠事件數據進行計算，具有一定參考意義。

2.2.1 車輛停靠熱點與服務站分布

停靠熱力圖是由車輛有效停靠點（停靠時長超過20分鐘的點）聚集而成。如圖2，停靠熱點的分布與運營熱點分布略有差異：（1）高熱度區域明顯少于運營熱力圖；（2）停靠熱點主要聚集在城市周邊，說明車輛的歸屬地或者貨源主要分布于城市周圍；（3）服務站分布與停靠熱點重合度并不高，說明除車輛維保外，還有較多其他停靠原因。因此以下僅選取服務站附近的停靠熱點來評價服務效能。

2.2.2 服務站停靠熱度分析

以服務站為中心，選擇1km范圍內、20分鐘以上的停靠事件，做為與服務站相關的停靠事件。

統計停靠事件發生頻次，來反映站內維修事務的熱度。統計結果如圖3，高停靠頻次的服務站數量成明顯下降趨勢，停靠頻次超過2000的服務站不到13%，即約87%的服務站停靠頻次都在2000次以下。

對停靠頻次2000以下的服務站分布進一步分析：如圖4，頻次在2000以下的服務站，分布與總體趨勢一致，說明部分服務站的服務效能尚未充分發揮，其中有333個服務站停靠頻次在100以下，占比達28.7%。

2.2.3 服務站停靠時長分析

如圖5，服務站內車輛的平均停靠時長主要在80到200分鐘之間，停靠平均時長為164分鐘，反應出大部分服務事件的工作時長。

2.3 服務站服務效能分析

在信息論中，熵是對不確定性的一種度量。信息量越大，不確定性就越小，熵也就越小；信息量越小，不確定性越大，熵也越大。

根據熵的特性，可以通過計算熵值來判斷一個事件的隨機性及無序程度，也可以用熵值來判斷某個指標的離散程度，指標的離散程度越大，該指標對綜合評價的影響（權重）越大。比如樣本數據在某指標下取值都相等，則該指標對總體評價的影響為0，權值為0。

熵權法是一種客觀賦權法，因為它僅依賴于數據本身的離散性。

選擇停靠頻次、平均停靠時長兩個指標，利用熵權法，綜合評價服務站效能。

如圖6，通過熵權法，計算得出服務站對應的停靠頻次權重為0.62，平均停靠時長為0.38，停靠頻次更為重要；30分以下的服務站48個，需重點關注；60分以下的服務站有439個，占比39.3%，這些服務效能有待優化。

研究嘗試性的利用停靠頻次、實車建立評價模型，提供效能評價的思路及應用場景探索，如能引入更豐富、更全面的服務記錄數據，該模型將有較大的優化空間。

3 服務站新址推薦

將車輛的運營熱點、停靠點與服務網絡整體布局關聯分析，重點發掘尚未覆蓋的運營熱區，同時尋找該區域內存在的停靠熱點，即為有服務需求而沒有服務站點的“盲區”。將這些位置標注在地圖上，為新建服務站選址提供參考，提高選址的合理性。

3.1 服務盲區分析篩選

綜合考慮運營熱點和停靠熱點，對基礎數據進行分析，發現服務盲區，推薦算法邏輯如下：

（1）對車輛的運營熱點、停靠熱點按照熱度值倒序排列。

（2）遍歷運營熱點，如果運營熱點屬于現有服務站覆蓋范圍（半徑100km），繼續遍歷；否則，以運營熱點為中心，遍歷范圍內的停靠熱點，如果停靠熱點也不屬于現有服務站覆蓋范圍，記為有效停靠點。

（3）以運營熱點為中心，標記范圍內存在有效停靠點的區域為推薦區域。

通過上述算法擬合計算的結果標記在地圖上如圖7。標記出的“盲區”在進行新建選址時，可參考推薦區域內的停靠點，保證車輛既高頻經過該區域，同時又具備高頻停靠行為。

3.2 推薦服務站地址

圖7在運營熱點、現有服務站圖層基礎上，展示了服務盲區的區域與位置，服務盲區是優先考慮建立服務站的區域。

從全國范圍看，華北、華中區域服務網絡覆蓋比較完整，服務盲區較少。服務盲區主要分布在西北、華南、東北三個區域，這三個區域具有運營熱度適中、原有站址覆蓋不充分的共同特點。

3.2.1 西北區域推薦服務站地址

如圖8，西北區域推薦站點沿主干道分布，貫穿于主要城市之間，重點關注交通干道周邊的盲點區域，評價現有服務站的間距能否滿足服務要求，進一步篩選合適的服務站址。

3.2.2 華南區域推薦服務站地址

如圖9，華南區域推薦站點主要分布在原有服務站間隔的“空白”區域，是對原服務站服務范圍的補充，可考慮新建站點或調整原有服務站位置，以適應市場發展與變化。

3.2.3 東北區域推薦服務站地址

如圖10，東北區域推薦站點主要分布在衛星城市或城市互聯的道路周邊。由圖分析得出，哈爾濱、長春、沈陽成熟的運營熱點路線周邊，服務站基本飽和，應重點關注其他中小城市及之間互聯的道路。

3.3 優選建立服務站位置

根據推薦區域的運營熱力、停靠總頻次，優選出10個停運營熱力、停靠總頻次在10000以上的位置作為重點考察設置服務站的地方，具體位置如表1。

4 小結

商用車售后服務站選址與車輛運營軌跡呈正相關，運營熱度越高的區域，對服務站的需求越多，同時參可考車輛停靠熱點位置，進一步優化服務站址。

參考服務效能評價模型，關注得分較低的服務站，提高服務站服務效能。

參考車輛運營數據獲得的推薦建站位置，還須結合市場發展動向、路網信息，才能夠科學合理的匹配出服務站新址。

參考文獻

[1] 孫小紅.車聯網的關鍵技術及應用研究[J].通信技術，2013，46（04）： 47-50.

[2] 趙春玲，寧紅云.Apriori 算法的改進及其在物流信息挖掘中的應用[J].天津理工大學學報，2007（1）：30-33.