[发明专利]一种融入粒子群优化思想的带约束铁路物流场站空间聚类方法

说明书

技术领域

本发明包括群集智能、空间数据挖掘技术领域知识，具体涉及一种融入粒子群优化思想的带约束铁路物流场站空间聚类方法。特别适用于铁路口岸物流园区空间布局。

技术背景

随着中国加入WTO，中国经济与世界经济接轨，市场竞争日趋激烈。一方面，国际间、国内各区域间以及各区域内的物资流通量持续增长，呼唤高效率的现代综合物流服务来做支撑；另一方面，在关税减让、关税壁垒不再成为国际贸易主要障碍的条件下，其它非关税壁垒的作用将更加突出。其中，有无发达的现代物流基础设施及高水平的现代物流服务，对一个国家或地区，尤其是对发展中国家改善投资环境、吸引外资和跨国企业、提高经济运行效率和运行质量，具有特别重要的作用。

物流园区作为一种新型的物流节点，成为物流企业大量集聚的空间区域，通过物流园区型供应链集成管理平台的开发，推动物流企业依托物流园区，以各种各样的物流供应链组织形式为区域经济、社会发展提供高效的物流服务，成为当前发展的趋势。目前国际上对于物流园区并没有统一的定义，很多学者试图定义物流园区，并作了大量的研究工作，如Meidute，Ieva等采用比较分析法来对物流园区进行定义分析。在己出版的专著和发表的学术论文中对物流园区/中心规划问题作了大量的研究。其研究内容大致可概括为以下几个方面：1)分析物流园区/中心对改善城市交通、降低社会经济运行成本等的重要作用；2)使用排队论和非线性理论等建立数学模型进行物流园区区位选择决策研究；3)立足供应链体系进行物流设施布局研究，分析仓库布局与运输、库存之间的相互关系。

物流园区的物流服务容量、选址决策问题是国内外的研究重点之一，并为此构建了许多数学模型，诸如最小平方根法、最小距离法、线性决策等，研究成果斐然，完成了多项研究报告与研究成果。其研究成果大致可概括为以下几个方面：1)物流园区选址决策研究；2)物流园区整体布局研究；3)物流需求预测；4)物流园区内部功能及工艺研究；5)物流园区规模网。从研究对象来看，主要是综合型物流园区的规划设计，其次是港口型物流园区，而陆路口岸特别是铁路口岸物流园区到目前为止研究较少。

因此，我们研究铁路口岸物流园区布局问题。引入群集智能技术，充分考虑空间布局受地理、环境、经济发展、人口密度、工业分布等因素的影响，提出一种融入粒子群优化思想的带约束铁路物流场站空间聚类方法。通过该方法科学合理有效得选择最优的布局点。

发明内容

本发明要克服现有物流园区布局方法的不足，结合粒子群算法和聚类分析方法的优点，提出一种融入粒子群优化思想的带约束铁路物流场站空间聚类方法，合理有效的选择最优的布局点。

本发明提出的融入粒子群优化思想的带约束铁路物流场站空间聚类方法，包括以下步骤：

1)数据获取：确定物流园区各项指标数据，在常用的物流园区空间布局5大指标体系11个变量（一级指标：地区国民经济总体发展水平、地区社会再生产条件、工商业发展水平、交通运输支持条件、对外经济贸易的发展水平；二级指标：地区经济总水平、地区人均经济发展水平、工业市场物流客户潜在规模、工业发展水平、地区零售市场规模、地区运输量规模、交通通达度、外贸发展规模、外资利用规模；三级指标等）的基础上，加入地域性政策导向差异化指标。

2)数据预处理：对数据进行噪声处理，主要是对数据集进行空缺值处理。假设数据集X中数据x_i的属性个数为m，如果空缺属性个数则认为该条数据是噪声，直接过滤；反之，将空缺属性补充为所有该属性的加权平均(通常取平均值)；

3)确定聚类簇K值，使用相关系数ρ_xy的倒数作为计算距离，这样可以将K-Medoids应用到范畴数据上，而且拥有较高的精度，对于非球型聚类的适应性好于欧几里德距离。同时考虑各个地区中桥梁、河流、公路等物理障碍物对距离计算的影响，综合设置带处理操作和障碍的约束条件。使用目标函数动态评价每次迭代的聚类质量，G越大说明聚类质量越好，其中C_i为聚类簇，C′_i是类C_i的中心，是数据对象x_j与相应的聚类中心的相关系数。改进型K-Medoids的K个聚类中心不需要事先指定，而是通过计算得到最佳聚类数K_opt。初始选取计算K-1和K的聚类质量，调整K的大小，迭代至聚类K簇不再发生变化。