基于LBI银行管理系统网点选址算法.docVIP

基于LBI银行管理系统网点选址算法 　　[摘 要] 基于位置的商业智能管理系统中,网点选址是其重要组成部分,利用GIS进行网点选址能使银行网点布局更为合理#65377;顾客选择银行网点符合正态分布,通过改进哈夫模型的距离因素,让其反应分布规律,以此建立银行网点的选址模型,从而使顾客选择网点概率更合理#65377; 　　[关键词] GIS;选址;哈夫模型;正态分布 　　[中图分类号]F270.7;C931.6[文献标识码]A[文章编号]1673-0194(2009)03-0049-03 　　 　　1 引 言 　　 　　基于位置的商业智能(LBI,Location-based Business Intelligent)是GIS领域#65380;商业智能(BI,Business Intelligent)领域近年来兴起的新兴热点研究领域,是传统GIS领域#65380;商业智能领域的学科交叉研究方向,也是GIS领域#65380;商业智能领域的重要发展方向#65377;银行业正在经历一次迅速的变革,改进和完善支行网点是当务之急[1]#65377;对于直接面对储户的网点来说,合理的网点布局是完善支行网点的重要部分#65377;地理信息系统(GIS)能将各种信息集中并表现到地图中,提供更直观#65380;全面的信息,因而利用GIS进行网点选址能使银行网点布局更为合理#65377; 　　现在,利用GIS进行网点选址已有较多的研究,并提出了一些模型,如空间交互模型(spatial interaction models)或平面/网络优化模型(planar or network optimization models)[2]#65377;Huff模型是空间交互模型中的一种,在网点选址中有较多的应用,如Atsuyuki Okabe等用Huff模型来评估在街道网络中的零售网点的需求[3],Philip S.用Huff模型来建模银行网点撤销决策支持系统[4]等#65377;用Huff模型在对银行网点选址进行建模时,存在以下不足:首先,对具有大量客户的网点来说,Huff模型在评估客户时没有反应其统计规律;其次,当客户到网点的距离趋近于零时,其距离因子趋近于无究大;再次,Huff模型在应用中需要大量的统计工作来确定其相应参数,增加了应用成本#65377;因此,本文提出一种基于正态分布的Huff模型,减少了初步应用的参数,并用ArcEngine组件进行了实现,结果表明,本模型对具有大量客户的网点进行评估时具有更高的准确性和易用性#65377; 　　 　　2 基于正态分布的Huff模型 　　 　　2. 1Huff模型 　　在哈里斯的市场潜能模型的基础上,美国加利福尼亚大学的经济学者戴维?哈夫(D.L.Huff)教授于1963年提出了关于预测城市区域内商圈规模的模型――哈夫概率模型#65377; 　　哈夫概率模型可以表示为一个函数,其值为:一个位置的吸引力除以某顾客位置到该位置的距离,其值再除以所有顾客到该位置的值的总和[5]#65377;即: 　　 　　3 算 法 　　 　　使用nd-Huff模型进行银行选址分析时,首先要建立待选网点,然后对每个网点进行一定半径的缓冲区分析,找出该缓冲区内的潜在顾客;计算每个顾客到该网点进行业务的概率,根据概率计算该顾客在该网点存款的期望值;然后计算该网点的期望值,得出最优方案#65377;所以,选址分析要经过如下阶段: 　　(1)估计某个顾客到某个网点存款的概率; 　　(2)计算该顾客在该网点存款的期望值; 　　(3)计算每个网点吸纳存款的期望值; 　　(4)应用该模型评估银行网点#65377; 　　3. 1概率估计 　　 　　3. 4评估银行网点 　　在进行网点评估时,需要遍历所有待选网点,计算其吸纳存款的期望值,然后根据一定的规则进行比较(如选期望值最大的),即可得出最优解#65377; 　　 　　4 结 论 　　 　　在如图2所示的地图中,选取了3个待选网点net1(0.776 957 062 419 842,0.412 393 823 655 657),net2(0.655 548 389 212 575,0.133 257 090 777 184),net3(0.294 355 901 435 962,0.311 553 101 520 397),分别用Huff模型和nd-Huff模型进行分析,距离采用欧式距离,δ =0,结果如表1所示#65377;在Huff模型计算方式中,net3为最优方案,而在nd-Huff模型中,net1为最优方案#65377; 　　在图 2中,我们可以看出,在net1的0.5半径范围内,有17个点,而在net3的0.5半径范围内,