基于物流车辆的数据挖掘和公路物流指数研究

摘要

在现代物流业蓬勃发展的背景下，城市物流已成为一个城市综合竞争力的组成部分之一；目前公路物流作为城市物流的主要运输方式，通过对城市公路物流指数的研究，有助于判断一个城市内的物流业和经济总体发展趋势，有利于进一步加强与世界发达国家物流的交流、比较和研究。随着物流行业应用大数据地逐渐深入，对物流大数据进行相关的数据挖掘，挖掘有价值的信息，有利于政府或企业在制定计划及决策方面提供有效准确的数据参考。鉴于之前没有专门的研究针对于公路物流，本文从物流车辆GPS数据作为切入点，结合影响公路物流的经济指标，构建城市公路物流指数。
　　利用从物流企业获得的相关数据，可分为两个部分，分别为由车载终端获取的GPS数据和物流企业的车辆运营数据，后者属于每个公司的商业机密，不适合公开用于公共学术研究。基于该原因，本文使用物流车辆GPS数据，进行数据的分析挖掘，为计算全国城市物流排名和构建城市公路物流指数奠定了基础。
　　1)利用Hadoop离线数据分析平台对物流车辆上传的GPS数据进行分析挖掘，挖掘一个城市的物流出度、入度、活跃车辆数、车辆停留时间，并在此基础上根据Google网页排名PageRank算法，提出其改进后的Urban Logistics Rank算法，计算全国城市物流排名，在一定程度上降低了网页链接现象及物流公司服务网带来的误差。
　　2)基于深圳市统计局和深圳交通管理委员会的相关货运统计数据及部分经济指标，通过主成分分析法计算合成城市公路物流指数，并将城市物流指数和城市主要宏观经济指标进行实证分析及非线性Granger因果检验，验证了本文构建城市公路物流指数的有效性与可靠性。
　　3)基于RBF神经网络模型，LS-SVM（最小二乘支持向量机）回归预测模型，以及本文结合主成分分析和LS-SVM预测模型的PCA－LS-SVM组合预测模型用于对城市公路物流指数的预测，并将结果进行对比分析。

目录

声明

第1章 绪论

1.1 课题来源

1.2 研究背景与意义

1.3 国内外研究概述

1.4 本文主要研究内容

1.5 本文的章节安排

第2章 基于Hadoop平台的数据处理

2.1 物流车辆GPS数据样本与字段含义

2.2 物流车辆GPS数据来源

2.3离线数据分析

2.4 本章小结

第3章 基于PCA的城市公路物流指数构建

3.1 挖掘影响城市公路物流的因素

3.2 分析挖掘物流车辆GPS数据

3.3 基于物流行为的全国城市物流影响力模型构建

3.4 城市公路物流指数模型

3.5 本章小结

第4章 城市公路物流指数的验证与预测

4.1 城市公路物流指数的结果分析

4.2 城市公路物流指数的因果检验

4.3 城市公路物流指数预测模型

4.4 预测算法结果的对比与分析

4.5 本章小结

第5章 总结与展望

5.1 全文总结

5.2 展望

致谢

参考文献