快递服务是起源于20世纪60年代末的一项新物流业务,近年来随着电子商务的迅猛发展,快递业获得了惊人的快速发展,然而我国快递行业由于业务爆炸式增长而发展过于仓促,使得快递网络建设相对粗糙,对快递物流网络优化迫在眉睫。在城市物流网络优化中,终端站点的选址是很重要的一个部分,因为终端站点与客户直接打交道,客户对于快递公司的评价也主要来源于终端站点,而合理的终端站点选址可以有效提高服务质量,从而达到事半功倍的效果。本文着重于物流网络优化中终端站点选址优化问题,提出了一种基于约束聚类的数据挖掘方法,在聚类过程中可以兼顾障碍约束和站点工作量尽可能均衡的约束。本文研究成果可以概括为:第一,提出了一个基于约束聚类的数据挖掘方法,它以CLARANS作为方法框架,引入了障碍距离来解决障碍约束,修改了评价聚类好坏的函数来处理均衡约束,并将两种约束同时糅合在CLARANS中。同时也针对该方法提出了相应的预处理方案以减少计算时间的开销。第二,定义了终端站点的工作量,考虑的不再是终端站点所负责的快件数,而是快递员从终端站点出发,经过每个所负责的快件位置,最后回到终端站点的路径长度求数学期望。这种定义方式能够一定程度上反映工作量的同时,计算也不会过于复杂。第三,结合本文提出的方法,设计并实现了一个可用于终端站点选址优化的系统。该系统不但实现了本文提出的聚类方法,还提供了地图和图表的数据可视化功能用于展示和分析聚类结果。并使用该系统,进行了对比实验,从而验证了方法的有效性。本文首先介绍了当前快递行业的发展局面,描述了本文的研究背景与意义。然后对基本的聚类方法和约束聚类进行综述,分析了目前已有研究存在的问题,同时结合本文的问题阐述了相应的研究思路。随后,本文详细描述了问题,并针对该问题提出了一种糅合了障碍约束与均衡约束的CLARANS方法,并定义了工作量。最后,本文阐述了一个基于该方法系统的设计与实现,以及对比实验的设计与结果分析来证明本文方法的有效性。