【摘要】：快遞網點在一個區(qū)域的重復選址或網點分布密集會導致分流、資源浪費現(xiàn)象,網點分布過稀疏又會導致對客戶需求覆蓋不夠。合理的快遞網點布局分析需要應用科學、綜合的研究方法,對該網點所在區(qū)域的地理、社會、經濟等因素進行全面研究。近些年來,隨著大數(shù)據技術的不斷發(fā)展和智慧城市研究的不斷深入,我們可以利用的數(shù)據不斷增多,利用這些大數(shù)據結合機器學習算法進行服務設施布局研究,有助于實現(xiàn)了城市規(guī)劃的智能化發(fā)展,然而機器學習在快遞網點選址和布局方面的應用仍然存在較大的空白。本研究采用機器學習及大數(shù)據分析技術,以北京市五環(huán)內為研究對象,擬在確定北京市快遞網點與其他服務設施之間布局的量化關系模型。首先,利用爬蟲技術收集影響網點布局的北京市人口、商業(yè)網點、交通站點的GIS位置,然后利用GIS的網格化手段將北京市五環(huán)內區(qū)域劃分成大小合適的網格,統(tǒng)計網格內的各類服務網點的數(shù)量得到的樣本數(shù)據。其次,利用多元線性回歸模型確定物流網點數(shù)量與各因素之間的定量關系,隨后又利用機器學習的神經網絡、支持向量機、隨機森林、GBDT算法,對樣本樣本數(shù)據集學習,從而建立了一系列快遞網點數(shù)量的機器學習模型。最后通過對單一模型進行強化,得到最優(yōu)的集成學習模型。本研究得到的模型和數(shù)據不僅為北京市五環(huán)內快遞網點建設的合理規(guī)劃提供決策依據,而且利用機器學習建立網點布局模型的思路為分析其他城市快遞網點或物流服務設施布局提供方法借鑒。本篇論文含圖47幅,表13個,參考文獻77篇。
【內部圖文】：

如圖１－１所示是目前北京市快遞網點（左）和住宅區(qū)（右）的分布熱力圖，可以看出二者的地理特征具有一定的相似性，其覆蓋范圍相似，無論是住宅區(qū)數(shù)據還快遞網點數(shù)據均集中于五環(huán)內，且沿環(huán)線分布，二環(huán)和三環(huán)附近分布最密集。ＩＩ，：：％二二；￣ｖ＇－蠱ｙ圖Ｍ北京市....


本文編號：2618966