【摘要】快递中转网点的布局结构特征对上游分拨和下游分发、集货效率都有重要影响。为了修正网点标签信息载量的单一性，更精准描述网点地理属性特征，采用了先提取地理区域边界再分析特征的思路。以西安市快递网络中转网点为研究对象，采用网点周边兴趣点（POI）数据分析中转网点选址地点的地理区域属性。首先，将POI地址规则化处理，采用DBSCAN算法去除POI的噪声点；其次，计算POI权重并引入拐点检测方法找到多数POI的等级权重分布；再次，采用Chi-shape算法生成给定快递中转网点周边POI点集的凹包，计算凹包的复杂度和空洞率指标，生成能够平衡地理区域复杂性和空洞率的凹包，通过最小化适应度函数找到区域边界长度参数最长边的阈值，最终确定快递中转网点的区域边界；最后，采用TF-IDF算法挖掘快递中转网点划定地理区域的文本信息，获得中转网点地理区域属性。研究结论表明：提取的地理区域呈现出多样化和不规则的形状，比传统使用的物理距离确定空间范围的方法更能够精确定义网点的地理属性。

　　【关键词】公路运输；地理区域；Chi-shape算法；快递网络；TF-IDF算法；区域边界

　　近年来，关于公共设施的地理空间研究为基于地理位置而展开的服务（LBS）和网络制图（Web Mapping）功能优化提供了可能性[1-2]，为城市设施规划和设计提供了重要参考[3]。城市快递行业是城市经济增长的新引擎，也是人们现代生活中不可或缺的重要部分。在行业竞争压力的驱动下，行业服务标准被不断拉升，灵活高效的递送服务成为快递企业日益注重的个性化服务项目。为了全力保障消费者的便利性，简化快递包裹的处理与跟踪手续，开拓更多细分服务领域，需要对快递网络进行科学规划和布局。不仅如此，快递网络结构优化还有助于降低运营成本，整合网络资源，强化网络管控。然而，目前的快递网络布局不合理导致的配送低效问题依然存在。例如，派送效率低下[4-5]、车辆燃油消耗不合理[6]、废气排放和噪声污染较大[7-8]。

　　学者们对如何优化城市快递网络进行了一系列探讨。首先是枢纽的选址。O’Kelly提出了多个枢纽的选址模型[9]。紧接着，学者们在此基础上提出了多分配快递轴辐网络的枢纽选址方案和连接关系优化方法[10-11]。由于快递枢纽网络主要依托航空运输，因此航空枢纽选址问题受到了较多关注。Jaillet等引入了基于流量的网络设计模型[12]。随后，学者们相继开展了混合枢纽选址问题[13]、不确定需求网络枢纽选址[14]、互动竞争下的网络构建问题[15]和网络成本最小化[16]

　　的研究。枢纽选址影响到运力配置和枢纽构建成本[17]，在竞争合作背景下，航空网络与洲际枢纽链接有助于扩大网络和提高利润[18]，近些年来，出现了依托高速铁路的快递网络，学者们开始研究高铁快递网络转运枢纽选址规划，建立了基于总费用最小的覆盖范围限制选址模型[19]、陆空联运下降低碳排放的策略[20]和多式联运枢纽选址问题[21-22]。其次是网络的优化。杨从平等应用复杂网络理论，构建了以配送时效为约束条件的最小连接成本优化网络[23]，继而将节点的传输能力加以考虑，构建了能够平衡网络连通能力和连接成本的控制模型[24]。同理，赵晋等也是从全局优化视角进行网络结构优化，不同的是作者应用混合轴辐式网络规划模型调整了上下游网点的指派关系[25]。黄建华、党延忠以社区结构和子核划分了不同指派社区之间的边界[26]。第三是网络的空间结构特征。唐承辉、马学广以中国336个城市为样本对象，应用社会网络分析方法探析了中国城市网络的空间特征[27]。李苑君等以中国三大城市群为研究案例，在快递网络空间结构特征分析的基础上研究了网络形成机制[28]。这些研究为了解城市快递网络整体结构提供了很好的思路和价值。

　　城市快递网络的中转网点是介于一级分拨中心和三级末端网点之间的节点，主要承担货物的仓储、分发和集配、订单信息的处理和装卸搬运等运营操作。中转网点的布局结构特征对上游分拨和下游分发、集货效率都有重要影响。中转场既承担了分拨中心到中转网点的干线运输任务，又参与了中转网点到末端派送点的末端运输，因此常优先布局于运输条件非常便利的区域。然而，中转场还具有哪些地理属性，如何更加全面地刻画其周边的地理属性和微观空间结构特征，这一方面还较少有人研究。

　　首先，现有文献对中转网点或配送中心空间结构的研究侧重于选址影响因素分析和选址模型构建与应用，这种方法适用于未建成场景。对于已建成的网点，则可根据周边分布设施类型反观网点选址要素和总体空间结构特点。其次，尽管中转网点地理标签或位置数据对于提取或理解网点地理空间信息具有重要价值，但是由于这些标签信息载量的单一性，并不能总体反映该位置的全貌。如何提取和划定中转网点地理区域边界是揭示网点空间地理信息的重要途径。为了能够多维度描述中转网点的地理区域特征，首先需要划定其周边的地理场所区域边界。在空间地理领域和地理信息科学研究中，最早使用一定半径范围内的缓冲区作为区域边界，这种方式无法模拟道路和设施实况，例如，半径范围内有河道、桥梁等情况，只能粗略地用以判断周边设施情况。后来人文调查被用来提取地理空间的模糊边界[29]。另一方面，数据驱动的研究方法也可以获得与传统调查方法相同的效果。比如使用地理照片来提取兴趣面（Area of Interest,AOI）的最小边界多边形[30]。核密度[31]和机器学习分类算法[32]通常可以用来消除模糊地理区域的无关边界。自然语言处理方法（Natural Language Processing,NLP）[33]和改进的单词转换为向量的模型[34]也被引入，可以从语义标签中获得地理区域的属性特征。

　　因此，本文将以空间理论为指导，以中转网点周边POI类型特征为基础数据，采用Chi-shape算法生成给定网点周边POI点集的凹包，生成能够平衡地理区域复杂性和空洞率的凹包，通过最小化适应度函数找到区域边界长度参数最长边的阈值，构建最终的地理区域边界，从而判断城市快递网络中转网点的空间结构特征。

　　1研究思路与方法

　　1.1研究思路

　　通过提取人们对网点的模糊地理区域可识别该网点的语义，进而借助设施类型的认知空间判断设施选址的合理性和规律性特征，也是判断快递派送距离、便利性和辐射范围的重要前提。基于上述缘由，本文从地理区域视角研究中转网点空间结构特征，使用兴趣点（Point of Interest，POI）数据分析中转网点选址地点名称的地理区域，进而总结其选址规律和空间结构特征。根据本文研究目标，论文设计的研究思路包括五个步骤。首先是收集和整理数据中转网点信息和地理位置数据，其次是对原始数据进行预处理，第三是计算POI权重，根据权重筛选POI，据此提取地理区域，第四是精确划定地理区域边界，最后是进行划定区域的地理特征识别。基本思路和采用的研究方法如图1所示。

　　1.2研究方法

　　1.2.1 DBSCAN算法

　　在集合或对象的聚类分析中，常见的主要聚类算法有K-means和Hierarchical Clustering算法，但是这些算法都是基于距离创建簇，对于距离不敏感的数据而言聚类效果差强人意。由于POI在一定距离范围内的分布具有不均衡性，为了解决这一问题，论文采用DBSCAN（Density-based Spatial Clustering of Applications with Noise）算法，即基于POI密度寻找样本点的所有聚集区域，并形成聚类簇，从而去除POI的噪声点或离群点。另外，该算法不要求预定集群簇类数量，可以有效规避异常值，对任意形状和大小的集群都能生成很好的聚类效果。DBSCAN的算法实现步骤包括三个阶段。首先是寻找核心点形成临时聚类簇，其次是根据运算规则继续生成临时聚类簇，最后合并临时聚类簇获得聚类簇。

　　第一，寻找核心点形成的临时聚类簇。DBSCAN算法根据一定的规则把点归类为核心点、边界点和噪声点。如果给定半径Epsilon内含有大于或等于最小点数据的点，则将其归类为核心点。反之，如果以某点A为圆心，当给定半径Epsilon内含有点的数量小于最小点，但是A又在核心点B的Epsilon半径内时，则将其归类为边界点。不符合这两种情况的点被归类为噪声点。

　　第二，算法首先扫描全部样本点，选择符合要求的核心点，放入核心点集合，并将其密度直达的点生成临时聚类簇。

　　第三，合并临时聚类簇获得聚类簇。以上述任意一个核心点为起始点，遍历密度可达的样本生成聚类簇，直到访问所有核心点。每次迭代时，如果簇间是密度可达的，则合并生成聚类簇。

　　1.2.2 Chi-Shape算法

　　中转网点的地理区域提取需要描绘或划定主要点集范围的最小边界几何形状。寻找最小边界几何的典型方法有凸包、圆形、矩形和包络图等，但是由于这些几何图形通常包含没有被原始点集占据的大片空白区域，无法准确描绘点集的形状。为了填补这一空白，Duckham等[35]提出了Chi-shape算法来生成给定点集的凹包。

　　Chi-shape算法共包括四个实施步骤。首先，基于点集生成一个Delaunay三角凸包。然后，在（1,100）范围内归一化后的长度参数λp决定生成凹包的最长边的阈值。同一个点集在不同的λp值下可生成不同的凹包。当λp=1时，多边形最接近原始点集，但边缘非常尖锐，形状复杂。当λp较大时，多边形

　［参考文献］

　　［1］Zhang,D.T.,et al.Effective shortest traveltime path caching and estimating for locationbased services[J].World Wide WebInternet and Web Information Systems,2019,22（2）:455-475.

　　［2］Werner,P.A.Review of implementation of augmented reality into the georeferenced analogue and digital maps and images[J].Information,2019,10（1）:14.

　　［3］Liu,K.,et al.Investigating urban metro stations as cognitive places in cities using points of interest[J].Cities,2020,97:13.

　　［4］Alfandari,L.,I.Ljubic,M.D.M.da Silva.A tailored Benders decomposition approach for last-mile delivery with autonomous robots[J].European Journal of Operational Research,2022,299（2）:510-525.

　　［5］Merkert,R.,M.C.J.Bliemer,M.Fayyaz.Consumer preferences for innovative and traditional last-mile parcel delivery[J].International Journal of Physical Distribution&Logistics Management,2022,52（3）:261-284.

　　［6］Prajapati,D.,et al.Sustainable vehicle routing of agro-food grains in the e-commerce industry[J].International Journal of Production Research,2022,60（24）:7319-7344.

　　［7］Salama,M.R.,S.Srinivas.Collaborative truck multi-drone routing and scheduling problem:Package delivery with flexible launch and recovery sites[J].Transportation Research Part E-Logistics and Transportation Review,2022,164.

　　［8］Elbert,R.,J.Rentschler.Freight on urban public transporta-tion:A systematic literature review[J].Research in Tran-sportation Business and Management,2022,45.

　　［9］O'Kelly,M.E.The location of interacting hub facilities[J].Transportation Science,1986,20（2）:92-106.

　　［10］倪玲霖，史峰，多分配快递轴辐网络的枢纽选址与分配优化方法[J].系统工程理论与实践，2012，32（02）：441-448.

　　［11］李莉，丁以中，轴辐式快递网络的枢纽选址和分配优化[J].上海海事大学学报，2012，33（02）：33-39+75.

　　［12］Jaillet,P.,S.Gao,Y.Gang.Airline network design and hub location problems[J].Location Science,1996,4（3）:195-212.

　　［13］Esmaeili,M.,S.Sedehzade.Designing a hublocation and pricing network in a competitive environment[J].Journal of Industrial and Management Optimization,2020,16（2）:653-667.

　　［14］Le,M.,et al.Airline hub network optimization design under uncertain demand[J].Journal of Beijing University of Aeronautics and Astronautics,2020,46（4）:674-682.

　　［15］Yang,T.-H.,C.-H.Tang,H.-C.Hsiao.Strategic airline network design problem in a duopolistic market[J].Transportation Planning and Technology,2020,43（6）:586-601.

　　［16］Niksirat,M.Intuitionistic fuzzy hub location problems:Model and solution approach[J].Fuzzy Information and Engineering,2022,14（1）:74-83.

　　［17］Zhang,P.,et al.A joint decision model and algorithm for　fleet capacity and USApHMP problem[J].Journal of Systems Science and Mathematical Sciences,2020,40（8）:1432-1446.

　　［18］Sharma,A.,et al.Profit maximizing hub location problem in the airline industry under coopetition[J].Computers&Industrial Engineering,2021,160.

　　［19］李国旗，申皓，焦敬娟，依托高速铁路网络的快递转运枢纽选址研究[J].铁道学报，2021，43（04）：9-14.

　　［20］Yao,Z.,et al.Strategic plan for China’s air high-speed rail express freight network and its carbon reduction potential[J].Environmental Science and Pollution Research,2022.

　　［21］Dai,W.,et al.Capacitated air/rail hub location problem with uncertainty:A model,efficient solution algorithm,and case study[J].IEEE Transactions on Intelligent Transportation Systems,2022.23（7）:8451-8466.

　　［22］Mohri,S.S.,et al.An integrated global airline hub network design with fleet planning[J].Computers Industrial　Engineering,2022,164.

　　［23］杨从平，等，基于配送时效和连接成本的快递网络优化.系统工程理论与实践，2016，36（08）：1983-1992.

　　［24］杨从平，等，基于连接成本的快递网络拥塞控制[J].中国管理科学，2017，25（04）：143-151.

　　［25］赵晋，张建军，严蔡华.允许直达的混合轴辐式快递网络规划模型与算法研究[J].中国管理科学，2016，24（11）：58-65.

　　［26］黄建华，党延忠，具有社区结构和子核的快递网络优化方法[J].系统工程理论与实践，2014，34（11）：2826-2836.

　　［27］唐承辉，马学广.中国城市网络化物流联系空间格局与结构——基于快递网点数据的研究[J].地理科学进展，2020，39（11）：1809-1821.

　　［28］李苑君，等，中国三大城市群电子商务快递物流网络空间结构及其形成机制研究[J].地理科学，2021，41（08）：1398-1408.

　　［29］Montello,D.R.,A.Friedman,D.W.Phillips.Vague cognitive　regions in geography and geographic information science[J].International Journal of Geographical Information Science,2014,28（9）:1802-1820.

　　［30］Gao,S.,et al.A data-synthesis-driven method for detecting and extracting vague cognitive regions[J].International Journal of Geographical Information Science,2017,31（6）:1245-1271.

　　［31］McKenzie,G.,et al..Identifying urban neighborhood names through user-contributed online property listings[J].Isprs International Journal of Geo-Information,2018,7（10）:23.

　　［32］Ahn,S.,D.W.Ryu,S.Lee.A machine learning-based approach for spatial estimation using the spatial features of coordinate information[J].SPRS International Journal of GeoInformation,2020,9（10）:18.

　　［33］Zhang,Z.L.X.W.Bi.Research and experiment of intelligent natural language processing algorithms[J].Wireless Personal Communications,2018.102（4）:2927-2939.

　　［34］Zhai,W.,et al.Beyond word2vec:An approach for urban functional region extraction and identification by combining Place2vec and POIs[J].Computers Environment and Urban Systems,2019,74:1-12.

　　［35］Duckham,M.,et al.Efficient generation of simple polygons for characterizing the shape of a set of points in the plane[J].Pattern Recognition,2008,41（10）:3224-3236.