本发明涉及农产品配送领域，特别是一种针对零售农产品智能配送方法。
背景技术：
当今农业，正朝着新型农业、智慧农业、互联网农业迈进。作为最为传统的第一产业，农业的产品销售现状往往会存在着巨大的问题。传统的农产品的销售往往是从农药生产厂家到众多经销商和零售商，最后进入到农户的手中，销售的过程中，无论是厂家、经销商、农户都对整个过程一无所知。所存在的问题如下：某个地区的农药销售会因为农药厂家需求的判断不足而产生产品的囤积或者不足；某个区域内的农药经销商可以跨区域内对农产品进行“窜货”等违规行为；最终到用户手中的农药真伪是否能够保证。
对于一家大型的农产品生产厂家，农产品如何分配，如何记录农药的销售状况，用户反馈如何，这些都是现阶段农产品需要考虑的问题。
申请号为201180075071.2的专利《配送管理方法》提出了一种基于资源节约、能源节约等的配送管理方法。该发明的配送管理方法能够使用回收箱将产品直接配送到取货地点，并且因此节约资源、节约能源并有利于生态保护。对于产品的整个配送过程，该方案没有提及，在现实情况下，特别是农产品的售卖，一般都会经过厂家-经销商-零售商-农户的过程，该方案无法对整个过程溯源，其销售流程更加无法对以后配送方案实现相关的智能配送推荐。
申请号为201510085945.2的专利《一种农产品线上线下溯源营销的实现方法》提出了一种农产品线上线下溯源营销的实现方法，本方法配有配送券介质与数据管理系统通讯，条形码、序列码、二维码验证识别判断支付对农产品进行线上线下结合的可溯源营销。该专利通过对整个农产品进行溯源，但缺乏线下交易对线上营销的促进作用。本专利通过采集效果数据实现对整体的农产品的配送智能化建议。
技术实现要素：
针对现有技术中存在的问题，本发明提供了一种能够完全反映产供销工程中的信息溯源功能、能够合理化农药调度、可以尽量避免了个区域内的农药经销商可以跨区域内对农产品进行“窜货”等违规行为的针对零售农产品智能配送方法。
本发明的目的通过以下技术方案实现。
一种针对零售农产品智能配送方法，依次包括溯源阶段和基于多维度熵值分析的智能化配送推荐阶段，所述基于多维度熵值分析的智能化配送推荐阶段的步骤包括：
1)对经销商、零售商、农户的信息进行画像分析，所述画像分析是通过小组座谈会、用户深访、日志法、laddering阶梯法、透射法分析来自于平常用户生活中的相关数据，并基于农情信息贴上相关标签；
2)根据核心标签的性质进行相关扩展，放大相似人群规模，进行更广大范围内的群体行为分析，对区域内的整体状况进行扩展，样本数据是来自于用户的文本化数据，扩展工作就是通过传统的聚类化手段，将小类概念汇聚到大类概念之下，得到大类的整体相似度计算；
3)引入多维度熵分析的概念，对相关的配送地点、配送厂家、配送数量进行合理化配送，通过公式rec(area)＝∑rec(person)计算得出不同区域的推荐数量系数，数量并通过地图热力插件直观显示出来，由图像可以清晰的读出智能推荐系统的推荐信息分布，由色度的变化读出推荐数量推荐。
所述溯源阶段步骤包括：
1)农药生产厂家的生产数据输入数据库：工人在装箱时，先使用扫码器扫描箱码，再扫瓶码，每个箱子额定能装的农药扫完之后，系统自动关联箱码和瓶码；
2)各经销商和零售商的入库出库，仓库存储数据输入数据库：在入库时候使用扫码器扫描箱码，出库时在装车前进行扫描箱码的操作，系统在这批货运到下级销售单位，会自动整合销售链数据；
3)将经销商到零售商，零售商到农户的一条完整销售链的数据输入数据库；
4)农药生产厂家、经销商、零售商、农户可通过数据库查询信息。
相比于现有技术，本发明的优点在于：1.能够完全反映产供销工程中的信息溯源功能，具体包括：田块编号、生长情况、农药使用、采收批号、加工批号、包装批号和仓储批号等等信息；
2.能够直观的从农户得到反馈，并且科学的指导相关的农产品分配。避免区域之间的再调度问题，实现合理化农药调度。
3.对比现阶段对农药产品的配送方案，该方案具有科学化的预测过程，可以尽量避免了个区域内的农药经销商可以跨区域内对农产品进行“窜货”等违规行为。
附图说明
图1为本发明溯源阶段结构示意图。
具体实施方式
下面结合说明书附图和具体的实施例，对本发明作详细描述。
一种针对零售农产品智能配送方法，依次包括溯源阶段和基于多维度熵值分析的智能化配送推荐阶段，如图1所示，所述溯源阶段步骤包括：
1)农药生产厂家的生产数据输入数据库：工人在装箱时，先使用扫码器扫描箱码，再扫瓶码，每个箱子额定能装的农药扫完之后，系统自动关联箱码和瓶码；
2)各经销商和零售商的入库出库，仓库存储数据输入数据库：在入库时候使用扫码器扫描箱码，出库时在装车前进行扫描箱码的操作，系统在这批货运到下级销售单位，会自动整合销售链数据；
3)将经销商到零售商，零售商到农户的一条完整销售链的数据输入数据库；
4)农药生产厂家、经销商、零售商、农户可通过数据库查询信息。
瓶装农药生产线进行调研，为了达到溯源功能，又在尽量不改变农药生产线的前提下，我们设计了一种建立追溯信息的方法，其通过在装箱前增加扫码工序来实现。工人在装箱时，先使用扫码器扫描箱码，再扫瓶码，每个箱子额定能装的农药扫完之后，系统自动关联箱码和瓶码(装箱这步可能需要增加人力)。装箱完毕之后，进行封箱。产线包装结束之后，需要进入各销售阶段和他们的入库出库步骤。销售阶段需要使用扫码器，在入库时候扫描箱码，填写库位信息(可不填)，出库时在装车前进行扫描箱码的操作，系统在这批货运到下级销售单位，会自动整合销售链数据，达到可溯源的信息采集功能。
所述基于多维度熵值分析的智能化配送推荐阶段对不同区域内的农药销售情况进行评估，其步骤包括：
1)对经销商、零售商、农户的信息进行画像分析，通过如小组座谈会、用户深访、日志法、laddering阶梯法、透射法等方法分析来自于平常用户生活中的相关数据，主要是通过开放性的问题潜入用户真实的心理需求，具象用户特征。基于农情信息贴上相关标签；例如：酸性土壤大户，中型水稻养殖户，大型农产品经销商等等。
2)根据核心标签的性质进行相关扩展，放大相似人群规模，进行更广大范围内的群体行为分析，对区域内的整体状况进行扩展；
拓展相似人群数据：样本数据是来自于用户的文本化数据，扩展工作就是通过传统的聚类化手段，例如：利用word2vec一类工具，可以将文本的关键词聚类，然后根据topic将文本向量化。将小类概念汇聚到大类概念之下，得到大类的整体相似度计算。
用的最多的计算方法还是信息检索中常用的词频-逆文档频率(termfrequency-inversedocumentfrequency，简称tf-idf)。第j篇文章中与词典里第k个词对应的tf-idf为：
其中tf(tk，dj)是第k个词在文章j中出现的次数，而nk是所有文章中包括第k个词的文章数量。
最终第k个词在文章j中的权重由下面的公式获得：
做归一化的好处是不同文章之间的表示向量被归一到一个量级上
行为分析手段：相似度分析采用的基于内容的推荐算法做支撑，并做一下每一个关键词的权重，在计算相似度时引入这个权重的影响，就可以达到更精确的效果。
sim(user，item)＝文本相似度(user，item)*词权
3)引入多维度熵分析的概念，对相关的配送地点、配送厂家、配送数量进行合理化配送，通过公式rec(area)＝∑rec(person)计算得出不同区域的推荐数量系数，数量并通过地图热力插件直观显示出来，由图像可以清晰的读出智能推荐系统的推荐信息分布，由色度的变化读出推荐数量推荐。建议在红色区域内的经销商重点分配派送，绿色与黄色区域内的经销商点轻量配送。
通过a部分的溯源阶段，能够获得农药所有的经销商信息，通过与地区等相关数据挖掘信息相关联，可以获得农药的区域销售情况预估信息。所得信息如下：
a地区，10位经销商，40位零售商，2015年共计5000名购买农药的农户，一共该区域内的预售农药数目是20000瓶，10000瓶吡蚜酮使用过，10000瓶吡蚜酮在仍各级经销商、零售商库中。
b地区，20位经销商，50位零售商，2015年共计9000名购买农药的农户，一共该区域内的预售农药数目是15000瓶，8000瓶吡蚜酮使用过，7000瓶吡蚜酮在仍各级经销商、零售商库中。
c地区，30位经销商，70位零售商，2015年共计10000名购买农药的农户，一共该区域内的预售农药数目是40000瓶，28000瓶吡蚜酮使用过，12000瓶吡蚜酮在仍各级经销商、零售商库中。
本发明方案以用户为主线来建立数据采集指标维度：用户身份信息、用户社会生活信息、用户资产信息、用户行为偏好信息、用户购物偏好、用户价值、用户反馈、用户忠诚度等多个维度，依据建立的采集数据维度，可以细分到数据指标或数据属性项。例如，其中一位农户“张三”的标签信息是这样的：水稻养殖大户，进而通过大数据在反馈问卷中获取其用户信息，可以得到多维数据图形，最后得出计算的预测采购量。
通过分析5000名a地区农户信息，计数得到预测他们的明年采购量，减去仍然在该地未流通的10000瓶，得到该地区的推荐配送数量。