(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211169408.2 (22)申请日 2022.09.26 (65)同一申请的已公布的文献号 申请公布号 CN 115271260 A (43)申请公布日 2022.11.01 (73)专利权人 西南交通大 学 地址 610031 四川省成 都市二环路北一段 专利权人 成贵铁路有限责任公司 (72)发明人 钱秋君　甘蜜　欧启辰　黄曦　 张璐　冯云霞　王宜琛　 (74)专利代理 机构 成都正德明志知识产权代理 有限公司 513 60 专利代理师 陈瑶 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/26(2012.01) G06F 16/2458(2019.01) G06F 16/29(2019.01)G06K 9/62(2022.01) (56)对比文件 CN 110516869 A,2019.1 1.29 CN 114298419 A,202 2.04.08 JP 20140 02466 A,2014.01.09 CN 114997787 A,202 2.09.02 JP 201207194 4 A,2012.04.12 Yanni Ju； Haihua Yuan； Zo ngping Li； Mi Gan.Multi layer structures and resi lience evaluati on for multimode regi onal rail transit system. 《IET I ntelligent Transport Systems》 .2022,第16卷(第12期), Hyeok Heo.A Study o n the Factors Development of the Predicti on Model of Freight Vo lume Usi ng the De ep Learn ing. 《2022 IEEE/ACIS 7th I nternati onal Conference o n Big Data, Cl oud Computi ng, and Data Science (BCD)》 .202 2, (续) 审查员 陈俊如 (54)发明名称 一种公铁联运运量预测方法、 装置、 设备及 可读存储介质 (57)摘要 本发明公开了一种公铁联运运量预测方法、 装置、 设备及可读存储介质， 涉及公铁联运运量 预测技术领域。 该方法包括获取公路货源数据， 并进行数据预处理； 采用基于最优轮廓系数的 DBSCAN聚类算法对预处理后的公路货源数据进 行聚类； 对 单日公路货运需求点聚类结果进行逆 向地理编码匹配； 采用频繁项集挖掘算法对地理 位置匹配结果进行挖掘； 构建轴辐式公铁联运枢 纽节点选址模 型， 求解得到公铁联运枢纽点及其 服务区域； 对 各个公铁联运枢纽点的服务区域内 的货运特征进行挖掘； 从公路货 源数据中提取各 个公铁联运枢纽点的各类型服务货物的货物量， 采用整合滑动平均自回归模型预测下一时刻 的货物量。 本发 明能够有效降低预测成本并且提高 对公铁联运 运量预测精度。 [转续页] 权利要求书3页 说明书14页 附图4页 CN 115271260 B 2022.12.13 CN 115271260 B (56)对比文件 Prasad C Mahajan; Arvind W Kiwelekar; Laxman D Netak; Akshay Gho.Ap plications of Predictive Analytics i n Marine Transpor tation. 《 2021 I nternati onal Conference o n Computi ng, Communication and Green Engineering (CCGE)》 .2021, 唐继孟等.公铁联运 规模效应和枢纽拥挤效 应的联动分析. 《交通 运输系统工程与信息》 .2017,(第0 3期), 李孟良等.公铁联运网络的枢纽选 址模型及 算法. 《铁道学报》 .2016,(第12期), 曹菁菁等.基于并行Apri ori的物流路径频 繁模式研究. 《计算机 工程与应用》 .2018,(第1 1 期), 罗莉.土地利用模型在运 量预测中的研究. 《交通标准 化》 .2007,(第07期), 刘梦婷等.基 于SARIMA模型的我国铁路货运 量预测分析. 《贵州师 范学院学报》 .2015,(第12 期), 何西健.胶州铁路物流中心运 量预测研究. 《铁道运输与经济》 .2020,(第07期), 左小雨等.基于灰色预测模型对我国铁路货 运量的预测. 《物流科技》 .2016,(第08 期),颜阳等.基 于灰色线性回归 模型的哈尔滨铁 路枢纽货运 量预测研究. 《铁道货运》 .2018,(第 11期), Nikolaos Servos, Xiaodi L iu, Michael Teucke, Michael Freita g.Travel Time Predicti on in a Multimodal Freight Transport Relati on Using Machine Learn ing Algorithm s. 《Logistics》 .2019,第4卷(第1期), 黄娟； 贺政纲.基 于Logit模型的空铁联运 运 量预测. 《交通 运输工程与信息学报》 .2018,第16 卷(第4期), 蒋大成.基 于数据挖掘的农产品物流配送中 心选址研究. 《中国优秀硕士学位 论文全文数据 库 (信息科技 辑)》 .2019,(第9期), 王蕊.不确定条件下轴辐式公铁联运网络设 计与优化. 《中国优秀硕士学位 论文全文数据库 (经济与管理科 学辑)》 .2020,(第1期), 张生瑞梁营力.基 于公铁联运综合交通枢纽 的交通需求预测理论研究. 《20 07第三届中国智 能交通年会论文集》 .20 07, 钱秋君.基 于货车轨 迹数据的运力预测研 究. 《中国优秀硕士学位 论文全文数据库 (工程 科技Ⅱ辑)》 .202 2,(第5期),2/2 页 2[接上页] CN 115271260 B1.一种公铁联运 运量预测方法， 其特 征在于， 包括以下步骤： S1、 获取公路货源数据， 并进行 数据预处 理； S2、 采用基于最优轮廓系数的DBSCAN聚类算法对预处理后的公路货源数据进行聚类， 得到单日公路货运需求 点聚类结果； 具体包括以下分步骤： S21、 设定初始邻域半径和最小点数的值 域和变换步长； S22、 从需求 集合点中随机 选择一个初始需求 点； S23、 判断该需求 点的邻域半径范围内是否存在最小点数的需求 点； 若是， 则将存在的所有需求 点聚类为 一簇， 并跳转至步骤S24； 否则， 将该需求 点判断为噪声点， 并跳转至步骤S2 2； S24、 遍历簇中的各个 需求点， 判断所选择的需求点的邻域半径范围内是否存在最小点 数的需求 点； 若是， 则将存在的所有需求 点并入该簇， 并跳转至步骤S25； 否则， 直接 跳转至步骤S25； S25、 判断簇中是否还 存在未遍历的需求 点； 若是， 则跳转至步骤S24； 否则， 跳转至步骤S26； S26、 判断需求 集合点中是否还 存在未处 理的需求 点； 若是， 则跳转至步骤S2 2； 否则， 跳转至步骤S27； S27、 判断邻域半径和最小点数 是否达到最大值； 若是， 则跳转至步骤S28； 否则， 根据变换步长对邻域半径和最小点数进行 更新， 并跳转至步骤S2 2； S28、 计算每个簇的轮廓系数并打上簇类标记， 得到每个 需求点的经纬度坐标和所属聚 类簇标签； 所述每个簇的轮廓系数的计算方式为： 根据需求点的经纬度坐标， 计算每个需求点到其所属簇内其它需求点的球面距离， 并 计算平均距离； 根据需求点的经纬度坐标， 计算每个需求点到其它簇内所有需求点的球面距离， 并计 算平均距离； 根据每个需求点到其所属簇内其它需求点的平均距离和每个需求点到其它簇内所有 需求点的平均距离， 计算每 个需求点的轮廓系数； 对每个簇内的所有需求 点的轮廓系数求平均， 得到每 个簇的轮廓系数； 所述球面距离的计算公式为： 其中，d为两个需求点的球面距离， r为地球半径， 为两个需求点的纬度， 为两个 需求点的经度； 所述每个需求点的轮廓系数的计算公式为：权　利　要　求　书 1/3 页 2 CN 115271260 B 3