CN109711773A - 一种基于聚类算法的集装箱货物流向流量统计方法 - Google Patents

Abstract

本发明涉及运输数据统计分析领域，提供一种基于聚类算法的集装箱货物流向流量统计方法，包括：根据集装箱货物运输单据内容形成标准属性模板、将集装箱运输单据融合成标准属性文件、对所有标准属性文件进行聚类、选取标准属性文件N_x所在的簇、将该簇中所有运输单据基于规则进行分类、计算运输节点之间的集装箱运输量、输出信息。本发明能够对某一特定集装箱货物的运输情况进行检索，不仅能够提高对物流中海量运输单据信息的利用效率，而且能够为需求用户提供指定的具体信息。

Description

一种基于聚类算法的集装箱货物流向流量统计方法

技术领域

本发明涉及运输数据统计分析领域，提供一种基于聚类算法的集装箱货物流向流量统计方法。

背景技术

集装箱货物流量及其流向是衡量地区之间物流运输往来情况的关键指标。当前国内乃至全球货运量都在逐年上涨，各个国家、港口都对自身集装箱信息进行统计。特别是随着经济的持续繁荣发展，各种有关货运数据信息量飞速增长，各个统计主体都积累了大量的运输数据。这些数据是主体掌握自身发展状况、预测发展前景、制定战略目标的重要依据。能否有效地利用这些数据，对未来物流行业的发展至关重要。但是各运输主体的信息数据一般只包括粗略的统计信息，如吞吐量、货种、货重、箱重、装车量、货物运输量、货物周转量等等。这些数据来源信息庞大，各个港口的统计口径并不一致，使得计算集装箱整体的流动情况很困难。

但是目前多数对集装箱货物数据信息的研究，都着眼于对规范统计管理指标体系、或对现有数据进行分析预测。而对于某一特定集装箱货物的具体运输情况往往隐藏于海量数据之中，给需要这些特定属性信息的需求者带来极大的不便。

发明内容

本发明的目的在于，针对现有技术的缺陷，提供一种基于聚类算法的集装箱货物流向流量统计方法，其能够对某一特定集装箱货物的运输情况进行检索，不仅能够提高对物流中海量运输单据信息的利用效率，而且能够为需求用户提供指定的具体信息。

本发明实现上述目的所采用的技术方案如下。

一种基于聚类算法的集装箱货物流向流量统计方法，包括以下步骤：

(1)根据集装箱货物运输单据内容形成标准属性模板；

(2)将所有集装箱货物运输单据融合成标准属性文件；

(3)对所有标准属性文件进行聚类；

(4)选取标准属性文件N_x所在的簇；

(5)将步骤(4)选取的簇中所有标准属性文件基于规则进行分类；

(6)计算运输节点之间的集装箱运输量；

(7)输出信息。

在上述技术方案中，步骤(1)所述的“根据集装箱货物运输单据内容形成标准属性模板”，集装箱货物运输单据有多种种类，如海运提单、国际铁路货物联运运单等等。这些集装箱货物运输单据一般都包括商品名称、件数、毛重、尺码、承运组织、运送组织、交付组织、发货人、收货人、装运地、卸货地、最终目的地等属性。将集装箱货物运输单据按照以上属性整合成一个标准属性模板。

在上述技术方案中，步骤(2)所述的“将集装箱货物运输单据融合成标准属性文件”，将各港口所有集装箱运输单据与属性模板融合，生成标准属性文件集N＝{N₁，N₂，......N_n}，N_i代表第i个运输单据形成的标准属性文件，i＝1，2，......，n；将用户需求与属性模板融合，生成标准属性文件N_x。

在上述技术方案中，步骤(3)所述的“对所有标准属性文件进行聚类”，将标准属性文件集N＝{N₁，N₂，......N_n}和标准属性文件N_x汇总形成集合，每个属性文件都是集合中的对象，属性文件的各个属性是对象的特征；利用K-均值聚类方法将集合中的对象，根据对象的特征划分成不同的簇。

在上述技术方案中，步骤(4)所述的“选取标准属性文件N_x所在的簇”，选择标准属性文件N_x所在的簇分类，提取簇中其他与标准属性文件N_x相似的标准属性文件，即标准属性集N_s＝{N_s1，N_s2，……N_sm}，其中m≤n。

在上述技术方案中，步骤(5)所述的“基于规则进行分类”，使用IF-THEN规则进行分类。

IF-THEN规则，使用基于规则的序，根据规则质量的度量，把规则组织成一个优先权列表。在使用规则序时，规则集成为决策表。使用规则序，最先出现在决策表中的被触发的规则具有最高优先权。将标准属性文件N_s＝{N_s1，N_s2，……N_sm}分为，与标准属性文件N_x相同装运地和卸货地的集合Y，N_y＝{N_y1，N_y2，……，N_yr}，r≤m≤n。

在上述技术方案中，步骤(6)所述的“计算运输节点之间的集装箱运输量”，根据标准属性集合N_y＝{N_y1，N_y2，……，N_yr}，提取N_y中的各毛重属性ω_tfg，即装运地V_f和卸货地V_g之间的流量ω，由下式计算

在上述技术方案中，步骤(7)所述的“输出信息”，输出集合{装运地V_f、卸货地V_g、装运地V_f与卸货地V_g之间的流量ω}。

本发明基于聚类算法的集装箱货物流向流量统计方法，对各个运输节点中的海量运输单据进行汇总，并与标准模板相融合，形成标准属性文件。然后对标准属性文件进行数据挖掘，将与需求相似的集装箱运输单据提取出来，大大缩小搜索域。最后根据特定需求分类、并汇总，得出港口集装箱流向和流量。因此，本发明可以节约需求者在海量数据中搜索的人力物力，提高搜索的准确性，还能够提高对物流中海量运输单据信息的利用效率，有利于各主体方便快捷获取特定信息，为预测、计划提供有力支撑。

附图说明

图1是本发明实施例方法的流程图。

图2是本发明实施例使用IF-THEN规则对标准属性文件分类示意图。

具体实施方式

下面将结合附图，对本发明中的技术方案进行清楚、完整地描述。

如图1所示，本发明实施例一种基于聚类算法的集装箱货物流向流量统计方法，包括以下步骤：

(1)根据集装箱货物运输单据内容形成标准属性模板；

(2)将所有集装箱货物运输单据融合成标准属性文件；

(3)对所有标准属性文件进行聚类；

(4)选取标准属性文件N_x所在的簇；

(5)将步骤(4)选取的簇中所有标准属性文件基于规则进行分类；

(6)计算运输节点之间的集装箱运输量；

(7)输出信息。

所述的根据集装箱货物运输单据内容形成标准属性模板，集装箱货物运输单据信息包括：商品名称、件数、毛重、尺码、承运组织、运送组织、交付组织、发货人、收货人、装运地、卸货地、最终目的地，根据这些属性信息整理合成一个标准属性模板。

所述的融合生成标准属性文件，首先将各运输节点所有集装箱运输单据与标准属性模板融合，生成标准属性文件集N＝{N₁，N₂，......N_n}，N_i代表第i个运输单据形成的标准属性文件，i＝1，2，......，n；再者将用户具体需求进行提取，与属性模板融合后生成标准属性文件N_x。

进一步地，所述的对所有标准属性文件进行聚类，将标准属性文件集N＝{N₁，N₂，......N_n}和标准属性文件N_x汇总形成新的集合，每个属性文件都是集合中的单个对象，各个标准属性文件的属性是对应对象的特征；利用K-均值将可将集合根据特征划分成不同的簇。

利用K-均值将集合划分成不同的簇。

K-均值算法流程如下：

从集合M＝{M_i}中任意选择k个对象作为初始簇中心；

根据簇中对象的均值，将每个对象分配到最相似的簇；

更新簇均值，即重新计算每个簇中对象的均值；

重复迭代，直到不再发生变化。

所述的选取标准属性文件N_x所在的簇，选择标准属性文件N_x所在的簇分类，提取簇中其他与标准属性文件N_x相似的标准属性文件。

所述的将簇中所有标准属性文件基于规则进行分类，提取簇中其他与标准属性文件N_x相似的标准属性文件，使用IF-THEN规则对他们进行分类。

所述的IF-THEN规则，使用基于规则的序，根据规则质量的度量，把规则组织成一个优先权列表：1商品名称、2装运地、3卸货地。在使用规则序时，规则集成为决策表。使用规则序，最先出现在决策表中的被触发的规则具有最高优先权。

如图2所示，需求信息为在标准属性文件N_x中的装运地P₁和卸货地P₂之间运输的商品A的数量。则可提取商品名称A、装运地P₁和卸货地P₂，根据IF-THEN规则，得到类W₁、类W₂、类W₃、类W₄，其中类W₃就是需求所指的装运地P₁和卸货地P₂的货物Y集合，N_y＝{N_y1，N_y2，……，N_yr}，r≤m≤n。

所述的计算港口之间的集装箱运输量，根据标准属性集合N_y＝{N_y1，N_y2，……，N_yr}，提取N_y中的各毛重属性ω_tfg，即装运地V_f和卸货地V_g之间的流量ω。由下式计算：

所述的输出信息，输出集合{装运地V_f、卸货地V_g、装运地V_f与卸货地V_a之间的流量ω}。

本说明书中未作详细描述的内容，属于本专业技术人员公知的现有技术。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (8)

1.一种基于聚类算法的集装箱货物流向流量统计方法，其特征在于该方法包括以下步骤：

(1)根据集装箱货物运输单据内容形成标准属性模板；

(2)将所有集装箱运输单据融合成标准属性文件；

(3)对所有标准属性文件进行聚类；

(4)选取标准属性文件N_x所在的簇；

(5)将步骤(4)选取的簇中所有标准属性文件基于规则进行分类；

(6)计算运输节点之间的集装箱运输量；

(7)输出信息。

2.根据权利要求1所述的基于聚类算法的集装箱货物流向流量统计方法，其特征在于：步骤(1)所述的“根据集装箱货物运输单据内容形成标准属性模板”，集装箱货物运输单据内容包括商品名称、件数、毛重、尺码、承运组织、运送组织、交付组织、发货人、收货人、装运地、卸货地、最终目的地，将集装箱货物运输单据按照以上属性整合成一个标准属性模板。

3.根据权利要求1所述的基于聚类算法的集装箱货物流向流量统计方法，其特征在于：步骤(2)所述的“将所有集装箱运输单据融合成标准属性文件”，将各港口所有集装箱运输单据与标准属性模板融合，生成标准属性文件集N＝{N₁，N₂，......N_n}，N_i代表第i个运输单据形成的标准属性文件，i＝1，2，……，n；将用户需求与标准属性模板融合，生成标准属性文件N_x。

4.根据权利要求1所述的基于聚类算法的集装箱货物流向流量统计方法，其特征在于：步骤(3)所述的“对所有标准属性文件进行聚类”，将标准属性文件集N＝{N₁，N₂，......N_n}和标准属性文件N_x汇总形成集合，每个属性文件都是集合中的对象，属性文件的各个属性是对象的特征；利用K-均值聚类方法将集合中的对象，根据对象的特征划分成不同的簇。

5.根据权利要求1所述的基于聚类算法的集装箱货物流向流量统计方法，其特征在于：步骤(4)所述的“选取标准属性文件N_x所在的簇”，选择标准属性文件N_x所在的簇分类，提取簇中其他与标准属性文件N_x相似的标准属性文件，即标准属性集N_s＝{N_s1，N_s2，……N_sm}，其中m≤n。

6.根据权利要求1所述的基于聚类算法的集装箱货物流向流量统计方法，其特征在于：步骤(5)所述的“基于规则进行分类”，使用IF-THEN规则进行分类，将标准属性集N_s＝{N_s1，N_s2，……N_sm}分为与标准属性文件N_x相同装运地和卸货地的集合Y，N_y＝{N_y1，N_y2，……，N_yr}，r≤m≤n。

7.根据权利要求1所述的基于聚类算法的集装箱货物流向流量统计方法，其特征在于：步骤(6)所述的“计算运输节点之间的集装箱运输量”，根据标准属性集合Y，N_y＝{N_y1，N_y2，……，N_yr}，提取N_y中的各毛重属性ω_tfg，即装运地V_f和卸货地V_g之间的流量ω，由下式计算

8.根据权利要求1所述的基于聚类算法的集装箱货物流向流量统计方法，其特征在于：步骤(7)所述的“输出信息”，输出集合{装运地V_f、卸货地V_g、装运地V_f与卸货地V_g之间的流量ω}。