所以，我正试图解决这个sku分离和配送路线问题。
情况如下：
有一个单一的区域中心或交货起点，
输入：
客户的地理地址-一对（经纬度）。
输入每个客户的订单数量。
问题：
我想建立路由（loc1-->loc2-->loc7-->-->（位置n）每个位置不超过50个，供一个人交付。
我想对这些路线进行分类，以便知道要发送到某个区域的SKU数量。
我尝试使用KMys＆HDBSCAN，但它不符合最大集群大小。
我能不能用某种方式推断出this smart solution在我的情况下是有效的，在我看来，我的情况更像是等级制度。
最佳答案
声明：在二维空间中，如果（并且仅当）同时属于同一个簇的一组点
它们在牛身上的投影是簇状的，在羊身上的投影是簇状的。
在ox上，a、b、c、d的投影是簇状的；在oy上，a、b、c、e的投影是簇状的；
总的来说，A、B和C是集群的。
确定在1D空间上聚集的点：
让我们在实心轴上展开一些点。直觉上，两点属于
如果它们被“小距离”分隔开，则为同一簇；如果它们被分隔开
在很大的距离内，它们属于不同的集群。现在我们必须确定
“大距离”和“小距离”。
让我们对所有的距离进行排序，并寻找一个阈值。
对于ox坐标为[0,1,3,4,14,15,16,19,29,30,31]的点集，距离
连续点之间为[1,2,1,10,1,1,3,10,1,1]同样的距离，当排序时，
看起来像[1,1,1,1,1,1,2,3,10,10]在3到10之间有一个阈值，所以我们将表示
距离我们如何选择门槛通过做两个相邻元素之间的差异在我们的
例如，10-3=7是最大的差异。
如果存在多个相同值的阈值，请选择
最右边的；选择最右边的阈值会导致很少的“大距离”，否则，
许多距离将被认为很大，因此，将有许多集群。
但这取决于您的业务需求你可以把30个地点分成3组，每组10个地点，
或者10个集群，每个集群有3个位置。
如果排序的距离类似于[2,4,6,8,10]（没有阈值候选），则选择一些百分位数
就像75%的人：最上面的四分之一是“大距离”，其他的都是“小距离”
根据在OX上的投影，将点分组为多个簇：
现在我们知道了如何对实数进行聚类，让我们对这些点进行OX投影，并对它们进行聚类。
让我们有以下几点，以及它们的OX坐标：
p1（101），p2（12），p3（201），p4（13），p5（202），p6（11），p7（102）；
相同点，按其OX坐标排序：
P6（11）、P2（12）、P4（13）、P1（101）、P7（102）、P3（201）、P5（202）；
接下来，我们将做另一个分组，根据OY预测。
观察1：当点的索引被排序时，ox投影不是；当我们对ox投影排序时，
现在索引将不会被排序。
观察2：当使用ox投影进行聚类时，我们不应该期望得到相同的结果
就像我们用oy投影进行聚类一样。实际上，我们将所得结果进行交叉。
由于一个点的oy坐标与ox坐标完全独立，聚类结果不同。
因此，Oy轴上的一组完全不同的值。
确定实际群集：
我们之前对ox和oy预测都做了一些聚类，得到
相同点的不同分组。现在我们将交叉这些簇，寻找共同点。
回到我们的第一张图片，在ox给出（a，b，c，d）cluster之后聚类，在oy得到（a，b，c，e）之后，
这些集合的交集将是（A，B，C）-最后一个簇但这只是一个简单的例子。
一般的策略是在OX上做簇的carthesian积，在OY上得到簇。
对于Carthesian产品的每个这样的元素，我们将使OX簇中的元素与OY簇中的元素相交。
如果在OX上有3个簇，在OY上有4个簇，那么carthesian产品将有12个元素我们挑一个吧。
它是a和B两个簇的对：a是OX上的簇，B是OY上的簇如果A和B有共同点
那么这些点确实是一个簇。
在上面的例子中，从7个点，我们只得到了一个单簇。不太令人印象深刻。但是我们
可以进一步加入邻居群集别忘了橙色部分代表“小距离”，
而黑色部分代表“大距离”在上图中，从“集群”P1到集群
p5或p3+p7，只有一个“大距离”。从集群p3+p7到集群p4，有两个大距离加
一小段距离。
免责声明：此过程将世界地图视为矩形（子午线是永不相交的平行线）。
而且，与其把1度和179度的经线看得那么近，它们会显得相距很远。
（它们之间的距离是178度，而不是2度）
然而，这不是一个问题，因为在大多数情况下，交付行为具有区域性，或者至多是国家一级的。
只要你的国家不被180子午线横穿，你就没事。
关于algorithm - 基于纬度/经度的物流路由和隔离算法，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/50366949/