快递网点在一个区域的重复选址或网点分布密集会导致分流、资源浪费现象,网点分布过稀疏又会导致对客户需求覆盖不够。合理的快递网点布局分析需要应用科学、综合的研究方法,对该网点所在区域的地理、社会、经济等因素进行全面研究。近些年来,随着大数据技术的不断发展和智慧城市研究的不断深入,我们可以利用的数据不断增多,利用这些大数据结合机器学习算法进行服务设施布局研究,有助于实现了城市规划的智能化发展,然而机器学习在快递网点选址和布局方面的应用仍然存在较大的空白。本研究采用机器学习及大数据分析技术,以北京市五环内为研究对象,拟在确定北京市快递网点与其他服务设施之间布局的量化关系模型。首先,利用爬虫技术收集影响网点布局的北京市人口、商业网点、交通站点的GIS位置,然后利用GIS的网格化手段将北京市五环内区域划分成大小合适的网格,统计网格内的各类服务网点的数量得到的样本数据。其次,利用多元线性回归模型确定物流网点数量与各因素之间的定量关系,随后又利用机器学习的神经网络、支持向量机、随机森林、GBDT算法,对样本样本数据集学习,从而建立了一系列快递网点数量的机器学习模型。最后通过对单一模型进行强化,得到最优的集成学习模型。本研究得到的模型和数据不仅为北京市五环内快递网点建设的合理规划提供决策依据,而且利用机器学习建立网点布局模型的思路为分析其他城市快递网点或物流服务设施布局提供方法借鉴。本篇论文含图47幅,表13个,参考文献77篇。