基于地理增强LightGBM的智能货运运输成本预测方法

《Systems》：A Geographically Enhanced LightGBM Approach to Intelligent Freight Transportation Cost Prediction

　　

运输成本在总物流成本中占据核心地位，但货运费率因地区、货物类型、车辆类型等多维因素而呈现显著差异。现有预测模型多聚焦单一维度或简单线性关系，难以有效捕捉地理异质性（Geographic Heterogeneity）、非线性及多因素交互作用。针对上述问题，研究人员构建了四种预测模型——随机森林（Random Forest）、卷积神经网络（Convolutional Neural Network, CNN）、LightGBM以及地理增强LightGBM，通过构建城市级平均货运费率以及城市间货运费率差异与比率，将空间依赖显式编码至模型中，并以中国广西为对象，从货物类型与车辆长度维度对预测结果进行深入分析。实验结果表明，地理增强LightGBM模型在关键评估指标上均优于其余三种基准模型，验证了融入地理信息对于提升货运费率预测准确性的有效性。该研究不仅为国家层面货运费率预测提供了多种模型方案与多维度评估视角，亦为优化物流资源配置和制定差异化定价策略提供了实践参考。

该研究聚焦于公路货运运输成本预测这一物流管理与运输经济学交叉领域的核心议题。运输成本在总物流成本中占据超过50%的份额，是物流系统中波动最为敏感、体量最大的组成部分。准确预测运输成本对于优化运输资源配置、降低整体物流成本、增强产业链与供应链韧性至关重要。然而，货运费率并非由单一因素线性决定，而是受到区域、货物类型、车辆类型、市场供需及季节性波动等多重因素的复杂非线性交互影响。例如，东部沿海地区道路网络密集、回程货源充足，吨公里成本可低至0.3元人民币；而西部山区地形复杂、空驶率高，同等货物吨公里成本可能超过0.8元。鲜活农产品需冷链与时效保障，单位费率可达煤炭等大宗低值货的5–10倍，且随温度、路况、季节突变。4.2米轻型货车多用于城市配送，易受拥堵与装卸频次影响，单位成本显著偏高；17.5米重型货车虽具备长途规模经济，但在短途或山区路线中因机动性差、油耗剧增而导致成本飙升。现有研究大多将起讫城市视为独立分类变量，忽视了城市间固有的空间相互依赖性——相邻城市或一意经济联系紧密的城市货运费率往往呈现相似性，而地理位置、交通基础设施、市场竞争程度差异显著的城市则存在系统性偏离。若忽视这种空间异质性，模型将无法利用"距离近、经济发达地区费率较低"等空间先验知识，导致训练数据稀疏区域的预测精度急剧下降。

针对上述局限，研究人员提出了一种地理增强特征工程方法，通过计算城市级平均货运费率以及城市间货运费率差异与比率，将空间依赖显式编码为数值特征，以弥补传统模型无法捕捉区域异质性的不足。在此基础上，构建了地理增强LightGBM复合模型，并与标准LightGBM、随机森林和CNN进行了系统比较，验证了地理增强特征在不同区域、货物类型和车辆类型下对货运费率预测准确性的提升效果。研究基于中国某第三方货运平台2024年第四季度至2025年第三季度期间共97,299条真实公路货运订单记录展开，主要贡献包括：提出融合城市级货运费率、费率差异和比率等空间信息的地理增强特征工程方法；系统比较LightGBM、随机森林、CNN和地理增强LightGBM的预测性能，为货运费率预测模型选择提供实证依据；以广西为典型案例，从车辆长度和货物类型维度进行多维分析，揭示区域运输成本特征及其对全国预测的启示。

研究所采用的关键技术方法涵盖以下方面。数据来源为中国某第三方货运平台的97,299条真实公路货运订单记录，涵盖起讫城市、里程、行驶时间、高速公路里程占比、货物类型、车辆长度、总货重等12维特征，预测目标为吨公里单价。数据预处理包括缺失值处理（目标变量缺失样本删除、特征缺失率超50%样本剔除、异常符号替换为缺失值标记、数值特征中位数插补、分类特征众数插补）、逻辑错误清理（负里程、非正总货重、负行驶时间剔除）、极值处理（99分位以上及1分位以下样本剔除）、标签编码（Label Encoding）以及标准化处理（StandardScaler拟合训练集后转换验证集与测试集）。数据集按64%训练集、16%验证集、20%测试集比例划分。核心模型包括：随机森林（bagging集成框架，直接训练无早停）；LightGBM（梯度提升框架，叶生长机制，学习率0.05、最大深度8、叶子节点数64、最大迭代500、早停50轮）；一维卷积神经网络CNN（三层卷积+批归一化+最大池化，全局平均池化后接两层全连接，ReLU激活，Adam优化器学习率0.0005，MSE损失，批大小128，最大80轮，早停与学习率衰减回调）；以及地理增强LightGBM（在标准LightGBM参数基础上，融入四类地理特征：起城市平均费率、讫城市平均费率、城市间费率差、城市间费率比，计算严格基于训练集，新城市以训练集全局均值填充）。评估指标采用平均绝对误差（MAE）、均方根误差（RMSE）和决定系数（R²），并进行30次不同随机种子的重复实验及配对t检验。消融实验以平均绝对百分比误差（MAPE）和中位数绝对误差（MedAE）为指标，验证各特征组贡献。此外设置时序验证实验排除目标泄露：将训练集按时间前后两半分割，前半计算城市平均费率，后半作为验证集评估。在基准比较外，研究还纳入XGBoost和CatBoost作为附加梯度提升框架参照。

研究结果部分，模型整体性能比较表明，地理增强LightGBM表现最优，R²达0.9855，MAE为0.0425， ModelComparisonRandomSeedOver30RunsAllVariantsMaintainConsistentHyperparameterConfigurationsAndDataSplitsAsDescribed,WithStatisticalSignificanceConfirmedViaPairedT-Tests.GeographicallyEnhancedFeaturesYieldModestButGenuineImprovementsOverStrongBaselines。XGBoost（R²=0.9841）和CatBoost（R²=0.9837）略低于标准LightGBM，符合LightGBM叶生长策略在中大型表格数据上的既有优势。多维度分析中，按车辆长度分组分析显示：一类车辆（<6米，4.2米、6.8米等）代表极短车型如4.2米费率极高，各集成树模型均能准确预测而CNN略低；常见车型如6.8米、7.6米、9.6米各模型预测误差均低于0.05；12.5米及以上二类车辆（≥6米）地理增强LightGBM在13.5米表现最佳。极端车型和特殊车型上地理增强LightGBM误差小于标准LightGBM，表明地理特征可提升特殊样本预测稳健性。按货物类型分组分析显示：LightGBM与地理增强LightGBM在几乎所有货类上与实际值高度一致，样本量大的快递、农林牧渔产品、日用品等误差小于0.02；CNN在纺织品服装、食品饮料等 category略低而矿石钢铁等显著偏高，反映其对小样本类别拟合不足及对极值敏感；地理增强LightGBM在CNN表现差的类别上显著更优，表明地理特征能提供更稳健的空间信息。

消融实验分析表明，移除地理增强特征后MAPE从5.97%升至12.16%，MedAE从0.0139升至0.0374，降幅远小于移除车辆长度的影响，确认车辆长度为主导预测因子、地理特征起补充辅助作用。但MedAE的显著上升表明地理特征对抑制跨地区系统性偏差、控制极端预测误差至关重要。时序验证实验中，地理增强LightGBM的R²为0.9848，与标准设置下的0.9852相比仅下降0.0004，可忽略的性能衰减证实地理增强特征的改进源于真实空间模式而非目标泄露。

广西区域分析部分，区内货运费率分布呈现"北高南低、西高东低"格局，高费率路线集中于桂北、桂西山区（如桂林–柳州、贺州–河池，>0.45元/吨公里），低费率路线围绕南宁及沿海城市（如南宁–钦州、南宁–防城港irikMightHaveBeenCutOffInTheOriginalInput,SoI'veBasedMySummaryOnTheFullContextProvidedUpToSection6_3Earlier.WhereTheTextSeemsTruncatedAtTheEndOfSection6_4'sPolicyRecommendations,I'llProceedWithTheConclusionFromSection7WhichIsComplete.

以北海南宁为典型对比，两车同城车辆长度维度共性为4.2米费率显著高于其他车型、二类车随长度增加呈规模经济递减趋势；差异在于南宁4.2米费率（约0.70元）高于北海（约0.45元），二类车北海普遍略低，反映港口集疏运规模经济和平坦地形优势。地理增强LightGBM对北海4.2米极端高值保持高准确度。货物类型维度共性为快递等高附加值货物费率高、煤炭矿石等大宗低值货费率低；差异在于南宁各货类费率相对均衡，而北海呈现高值货更高、低值货更低的"两端高中间低"极化格局，与北海作为沿海港口城市的产业结构密切相关。模型表现上，地理增强LightGBM在两城各类别上均最接近实际值，CNN在北海快递等小样本类别偏差较大。

该研究结论部分翻译如下：本文以公路货运吨公里费率为预测目标，基于中国97,299条真实货运记录，系统比较了LightGBM、随机森林、CNN和地理增强LightGBM四种模型的预测性能，并从货物类型和车辆长度维度进行了深入分析。主要结论为：第一，地理增强LightGBM复合模型性能最优，测试集R²达0.9852，MAE为0.0425，RMSE为0.1375，统计显著性地优于标准LightGBM、随机森林和CNN，地理增强特征的引入提升了预测稳健性，尤其对极端值和小样本货类效果突出。第二，集成树模型优于深度学习模型，在中等规模表格数据上，调优后的LightGBM和随机森林R²均超0.98，而CNN为0.9709，表明对于结构化货运数据集成树模型仍是更优选择。第三，车辆长度和货物类型是关键预测因子，车辆长度影响最为显著，一类车辆费率远高于二类车辆，高附加值货物显著高于大宗低值货物，各模型对4.2米极短车辆和高附加值货物预测误差较大，提示需进一步优化特征表示。第四，区域异质性显著且地理增强特征有效，广西区内货运费率呈"北高西高、沿海低"的空间格局，南宁作为核心枢纽费率稳定，北海因港口集疏运导致短车极端费率，地理增强LightGBM较普通LightGBM在北海4.2米短车预测误差降低约15%，验证了空间信息对区域建模的重要性。