[发明专利]社区商务云中大规模订单撮合方法

说明书

技术领域

本发明涉及一种订单撮合方法，具体是一种社区商务云中大规模订单撮合方法。

背景技术

目前电子商务中，消费者获利的方式主要有两种：

比价网络：买家可以通过网上的各种比价网络，来获得同类商品中不同商家的销售价格，进而比较后从中做出选择。虽然比价网络能够给用户提供相关产品的最低零售价信息，但是不能保证最低售价的商品质量最优，而且由于单个用户需求量有限，从而也就无法从商家那里获得大批量订购的更优惠价格。

团购：买家可以通过在线组团以获得特定商家指定商品在指定时间段内的特定优惠价格。但是团购的营销推荐倾向性明显，基本上都是各大电商网站推荐各自的商家及产品，而且各网站的团购基本上是由商家发起的，更多为了提高人气、清除积压的打折推销方法，在时间、商品种类上有诸多限制，从而在一定程度上剥夺了用户选择权。另外，团购商品的质量也无法保证，有些无良商家将一些即将到期的产品组织开团，以次充好，以降低损失，实际上把损失转移到消费者身上。

大规模订单撮合技术目前主要应用于电子商务领域，以便将邻近地域的同种类商务需求订单撮合成一个大的订单，以提高商务谈判和交易的效率，寻求更低的协议价格，获得更好的性价比，从而给买家带来物美价廉的购物经历，也可以加快高品质卖家的货物及资金的周转。另外，本技术也可以应用于物流领域、国际贸易等领域。

发明内容

为了解决现有技术中存在的上述技术问题，本发明提供了一种社区商务云中大规模订单撮合方法，包括如下步骤：

（1）基于基站、WIFI等无线信号实现用户的定位；

（2）确定用户的非定向需求；

（3）通过云搜索算法，确定撮合范围；

（4）结合能达到的额度和所设定的额度进行订单撮合；

（5）根据商家优选模块选定若干家商家：

    首先，定向采集各商家在各类电子商务交易平台上的相关交易、评论和新闻信息，经过预处理和量化生成商家即时客观信用矩阵；然后结合用户对商品质量、价格、销量、服务和推荐度等商品附加属性的偏好指数，生成支持该用户目标的商家评价指数矩阵；最后，考虑库存量信息，选定相应的高评价指数商家根据商家优选模块选定若干家商家；

（6）根据用户地域信息计算二次物流成本；

（7）采用Monte Carlo模拟动态规划方法，获得大规模撮合订单的商务采购及物流规划方案；

（8）大规模订单撮合完成。

进一步的，所述的云搜索算法是由K-均值聚类算法和改进的K-近邻算法糅合而成。

进一步的，先利用K-均值聚类算法在用户所在的云节点进行局部搜索，查找有相同需求的订单，K-均值聚类算法具体如下：

输入：簇的数目k和包含n个对象的数据库；

输出：k个簇，使平方误差准则最小；

算法步骤： 

1.为每个聚类确定一个初始聚类中心，这样就有K 个初始聚类中心； 

2.将样本集中的样本按照最小距离原则分配到最邻近聚类；

3.使用每个聚类中的样本均值作为新的聚类中心；

4.重复步骤2.3直到聚类中心不再变化；

5.结束，得到K个聚类。

进一步的，所述的改进的K-近邻空间球算法搜索邻近云节点，以在固定时间内达到协议价格所需的相应预定额度为止，步骤如下：

1.      以用户所在云节点o为中心，以离o最近的云节点i与云节点o之间距离为半径，在该空间范围内搜索有相近需求的订单；

2.      若能达到协议价格所需额度，则终止搜索；

3.      否则，取更大半径进行搜索；

4.      重复上述过程。

进一步的，所述步骤（7）具体如下：

首先，构造一个以商家、采购数量、二次物流成本等作为随机变量，以总价最低作为目标的概率模型；其次，根据模型的特点和随机变量的分布特性，并对每个随机变量进行抽样；再次，在所建立的模型上进行仿真试验、计算，求出总价的随机解；最后，通过反复模拟，给出最低总价的概率解以及解的精度估计，进而依据概率解确定具体的商务采购及物流规划方案。