针对这一问题，可以用数据挖掘中的分类树方法来加以解决。分类树的目标是连续的划分数据，使依赖变量的差别最大。分类树的真正的目的是将数据分类到不同组或分支中，在依赖变量的值上建立最强划分。用分类树的方法解决这个问题时，通常需要以下四个方面的数据：中心点的位置、每个中心点的业务需求量、备选点的位置、在中心点和备选点之间的距离。
配送中心在规划设计时应考虑哪些因素
配送中心规划设计需考虑的要素包括：1. 土地条件：
- 配送中心选址时需考虑土地的可用性和成本，确保符合国家土地政策和城市规划要求。
2. 交通条件：
- 交通便捷性是关键，配送中心应邻近交通枢纽，如高速公路、铁路货运站、港口和机场，以降低物流成本和提高效率。
3. 货物分布和数量：
- 配送中心应考虑货物的来源、去向及历史与未来的运输需求，以实现与生产地和配送区域的近距离优化配送。
- 随着配送规模的扩大，考虑货物增长率，选址时需确保配送中心的合理性，减少不必要的输送浪费。
4. 经营环境：
- 配送中心所在地的物流产业政策及其对物流企业经济效益的影响需被重点考虑。
- 劳动力资源充足且素质高是选址的重要条件之一。
- 不同类型的商品配送中心应考虑分开布局，以优化产业结合和布局。
5. 物流费用：
- 配送中心选址时应考虑降低运距和运费等物流成本，如选择靠近大型工业区、商业区等需求地。
6. 其他因素：
- 人力资源、投资预算限制、运输与服务便利性等也是规划设计时需综合考虑的因素。
北京空港物流园区的选址原则
1.接近市中心由于市中心商业网点集中，是配送中心的主要供、配货对象，靠近市场、缩短运距、降低运费、迅速供货是配送中心布局的主要考虑因素之一。
2.追求较低的地价区位
物流企业以效益为宗旨，一般占地面积较大，地价的高低对其区位的选择有重要影响。
3.靠近交通主干道出入口
公路是配送中心供、配货的主要货运方式，靠近交通便捷的干道进出口便成为配送中心布局的主要考虑因素之一。
4.数量充足、素质较高的劳动力条件
随着物流园区的建设，许多大规模的配送中心聚集在一起，现代化的运作需要机械化处理设备，拥有一定数量和素质的劳动力也就成为影响配送中心区位选择的重要因素。
5.良好的可达性
因配送产品类型和市场数量不同，配送中心对可达性的要求也有所不同，经销易损坏、腐烂的产品需要频繁快速的输送，需要较好的可达性，因此更要求靠近市场分布，这在一定程度上导致了这类产品配送中心的分散布置。
6.靠近铁路枢纽
铁路具有运力强和运费低的优势，但运距超过400～480公里时，铁路才具有竞争力。
7.位于集中消费物流区
这主要因为：第一，消费物流是流量最大的物流，消费物流主要是从国际和区域物流中转化而来的，是国际物流和区域物流的下游物流，对国际和区域物流有着很大的影响。第二， 物流配送中心接近市场和消费地是其空间布局的一大发展趋势。
物流园区如何选址，取决于建立物流园区的主要目的。以市场需求为依据，物流园区的建设要结合当地的实际物流需求，以免建成后无人进驻、有场无市。
什么是Cluster法
n. 丛； 簇，串； 群； [语言]辅音群vi. 丛生； 群聚
vt. 使密集，使聚集
1. N-COUNT
可数名词
(人或物的)组，群，簇 A cluster of people or things is a small group of them close together. 【搭配模式】：oft N of n
...clusters of men in formal clothes...
一群群身着正装的男人
There's no town here, just a cluster of shops, cabins and motels at the side of the highway.
这儿没有城镇，只在公路边上有一片商店、小木屋和汽车旅馆。
2. VERB
动词
See also: clustered; (人)聚集 If people cluster together, they gather together in a small group. 【语法信息】：V together【语法信息】：V around/round n【语法信息】：Also V prep
The passengers clustered together in small groups...
乘客们三五成群聚在一起。
The children clustered around me.
孩子们聚集在我的周围。
物流选址中心点法概念
选址问题物流中心的选址属于最小成本问题，即求解为运输成本、变动处理成本和固定成本等之和的最小化问题。选址需要考虑到中心点数量和中心点如何分布等情况，尤其是多中心选址的问题。多中心选址是指在一些已知的备选地点中选出一定数目的地点来设置物流中心，使形成的物流网络的总费用最小。在实际操作中，当问题规模变得很大，或者要考虑一些市场因素（比如顾客需求量）时，数学规划就存在一些困难。针对这一问题，可以用数据挖掘中的分类树方法来加以解决。
分类树的目标是连续的划分数据，使依赖变量的差别最大。分类树的真正的目的是将数据分类到不同组或分支中，在依赖变量的值上建立最强划分。用分类树的方法解决这个问题时，通常需要以下四个方面的数据：中心点的位置、每个中心点的业务需求量、备选点的位置、在中心点和备选点之间的距离。
通过分类树的方法，不仅确定了中心点的位置，同时也确定每年各个地址间物品的运输量，使整个企业必要的销售量得到保证，企业长期折现的总成本也会达到最小值。
