[发明专利]一种高铁快递专列运输网络优化方法及系统

权利要求书

1.一种高铁快递专列运输网络优化方法，其特征在于，包括以下步骤：

S1、建立地理经济属性快递需求模型，并根据地理经济属性快递需求模型识别有用地理经济要素，包括以下分步骤：

S11、建立地理经济属性快递需求模型，所述地理经济属性快递需求模型的表达式为：

其中，q_i为地理单元i的快递业务量，(u_i,v_i)为地理单元i的空间坐标，i为闭区间[1,N]内的正整数，N为地理单元的总数，x_i,j为地理单元i第j地理经济要素，β₀(u_i,v_i)为地理单元i第0地理经济要素关联度，β_j(u_i,v_i)为地理单元i第j地理经济要素关联度，ε_i为地理单元i偏置系数，j为闭区间[0,M]内的正整数，M为地理经济要素总数；

S12、通过加权最小二乘法，对地理经济属性快递需求模型的地理经济要素关联度进行估计，所述加权最小二乘法的表达式为：

其中，为地理单元i的地理经济要素关联度估计向量，为地理单元i第j地理经济要素关联度β_j(u_i,v_i)的估计值，W(i)为地理单元i的权重矩阵，为地理单元i与地理单元i₀间的权重值，X为经济要素矩阵，X^T为经济要素矩阵X的转置矩阵，b为第一反比系数，为地理单元i到地理单元i₀的距离，i₀为闭区间[1,N]内的正整数，q为快递业务量向量，e为自然对数的底数；

S13、通过赤池信息准则法评价地理经济要素关联度估计结果，识别出有用地理经济要素；

S2、收集有用地理经济要素和快递业务量的历史数据，训练快递需求预测模型；所述快递需求预测模型包括L个快递需求预测子模型，L为大于2的正整数；其中，至少1个快递需求预测子模型为BP神经网络，其包括：输入层、隐层和输出层；至少1个快递需求预测子模型为灰色预测模型；至少1个快递需求预测子模型为三次指数平滑模型；所述各个快递需求预测子模型的输出通过以下各式加权得到快递需求预测模型的输出：

Se′_m＝Se_m×η_e

其中，y为快递需求预测模型的输出，y_m为第m个快递需求预测子模型的输出，α_m为第m个快递需求预测子模型的加权系数，Se^′_m为第m个快递需求预测子模型的平均预测误差，Se_m为第m个快递需求预测子模型的原始平均预测误差，η_e为预测误差权重系数，c为第二反比系数；

S3、通过快递需求预测模型，根据当前有用地理经济要素数据，预测潜在快递业务量；

S4、根据快递业务量的历史数据，建立和训练交通快递分担率模型；所述交通快递分担率模型的表达式为：

U_n＝(γ_n,1T_n^-1+_n,2C_n+_n,3E_n^-1)·_n,4·_n·_n,5·_n

其中，P_n为第n种交通方式的分担率，U_n为第n种交通方式的效用，H为交通方式的总和，T_n为第n种交通方式的时效性，γ_n,1为第n种交通方式的时效性权重，C_n为第n种交通方式的便捷性，γ_n,2为第n种交通方式的便捷性权重，E_n为第n种交通方式的成本，γ_n,3为第n种交通方式的成本权重，S_n为第n种交通方式的安全系数，γ_n,4为第n种交通方式的安全系数权重，R_n为第n种交通方式的可靠系数，γ_n,5为第n种交通方式的可靠系数权重；

S5、根据潜在快递业务量，通过交通快递分担率模型，求解潜在高铁快递业务量；

S6、通过K均值聚类算法，根据有用地理经济要素和潜在高铁快递业务量，优化高铁快递专列运输网络，包括以下分步骤：

S61、将每一个地理单元均一一映射为K均值聚类算法的候选节点，并将每一个地理单元的有用地理经济要素和潜在高铁快递业务量作为对应候选节点的属性，得到候选节点集：

Z＝{z₁,z₂,z₃,…,z_N}

其中，Z为候选节点集，z₁至z_N分别为第1至第N个候选节点，z_p,1至z_p,I+1分别为第p个候选节点的第1至第I+1个属性，I为有用地理经济要素的总和；

S62、设定K均值聚类算法的类别数，根据K均值聚类约束和K均值聚类目标函数，进行高铁快递专列运输网络优化，求解得到高铁快递专列运输网络的最优网络节点地理位置和最优网络节点辖区；

所述K均值聚类目标函数为：

其中，min为求取最小值的函数，D_R为K均值聚类算法样本间综合距离，o_k为第k个聚类质心，d(z_p,o_k)为第p个候选节点到第k个聚类质心的距离，w′_kp为第p个候选节点到第k个聚类质心距离的权重，K为设定的类别数，u_p为第p个候选节点的横坐标，v_p为第p个候选节点的纵坐标，u_k为第k个聚类质心的横坐标，v_k为第k个聚类质心的纵坐标；

所述K均值聚类约束为：

w′_kp∈(0,1)