基于图神经网络的豪华车经销商网络优化：站点选择
机器学习
2024-11-20 v2 社会与信息网络
摘要
本研究提出了一种新颖的图神经网络（GNN）应用，用于优化豪华汽车制造商在美国的经销商网络规划。通过对经销商地点决定因素的系统文献综述，研究确定了 65 个县级解释变量，并增添了两个来自社交和 mobility 数据派生的区域 interconnectedness measures。涉及 34 种变量组合和十种最先进 GNN 运算符的消失实验揭示了各种变量在预测中的作用，尤其强调了竞争、人口统计因素和 mobility 模式对经销商地点决策的重要性。分析确定了七个具体县作为网络扩张的有前景目标。该研究不仅说明了 GNN 在解决复杂地理空间决策问题中的有效性，也为行业从业者提供了可操作的建议和宝贵的方法论见解。
引用
@article{arxiv.2408.13961,
title = {Optimizing Luxury Vehicle Dealership Networks: A Graph Neural Network Approach to Site Selection},
author = {Luca Silvano Carocci and Qiwei Han},
journal= {arXiv preprint arXiv:2408.13961},
year = {2024}
}
备注
Accetped at IEEE BigData 2024, 10 pages, 4 figures, 6 tables, code and data are available at https://github.com/carocciluca/gnn-site-selection