面向高速铁路货运站选址的深度学习模型研究

近年来急剧增长的快递量催生了高速铁路快运模式,高速铁路建设的持续推进为高速铁路快运体系的完善创造了新的发展契机。在规划过程中,高速铁路货运站的选址与特征之间存在复杂的异质性和非线性关系,因此本研究开发了一种基于深度学习的高速铁路货运站选址方法,该方法旨在根据现有的高速铁路快运物流基地建设项目挖掘出高速铁路货运站潜在的选址规律。研究初步构造市场需求、区位交通、发展环境3个维度的选址条件及其下属的10个指标,基于基础特征与深度学习算法构建选址模型,利用遗传算法优化超参数,同时根据各特征的重要度依次对模型进行测试以此确定出最佳的特征体系和模型学习层。实验结果表明,车站节点覆盖率、动车所预留情况、城市快递业务量、公路交通可达性和周边机场数目构成的特征子集在以LSTM和Dense堆叠的深度学习模型中表现出了最佳的选址效果,其F1分数达到0.9444,相比优化前有了较大幅度的提高。进一步以浙江省为例进行实证分析,选址结果也证实了研究所建立的深模型较好地学习了实际高速铁路货运站选址规律,可以帮助更加科学化、结构化的高速铁路货运站选址决策。