随着互联网的高速发展,人工智能技术,机器学习方法等字眼逐渐走进人们的生活,人们得以耳濡目染新技术。同时AI潜移默化地走进很多领域,不断地影响人们的生活,提高人们的生活质量。传统的物流选址方法存在一些问题,比如某些地方物流网点密度过稀,使得一些区域不能得到覆盖;或者密度过高,使得选址覆盖重合造成资源浪费等问题。合理有效的选址,需要用合理的科学方法。既要考虑到地区的人口密度,交通状态,也要考虑到当地的经济水平,地理位置等因素。随着机器学习理论的不断发展和完善,以及大数据时代的到来,我们可以拥有更多的数据来做研究,可以不断地去验证相关理论的可行性。让大数据技术结合相关的机器学习方法,有助于实现合理的城市规划,方便人们的生活。但机器学习相关理论的实践,在物流方面的应用还存在一定的空白。本文采用爬虫,大数据分析以及机器学习的技术,给出上海市的物流站点与其他类型的服务设施之间的量化关系。首先,使用爬虫手段,获取高德地图里提供的各种位置信息,提取出相应的经济,地理,交通,人口等相关因素。其次,再创新性地使用GIS网格化技术将上述的数据切割成大小合适的网格小块,统计每一个网格小块内的数据点数,得到样本总体。对于所有数据,使用机器学习方法得到各种设施和物流点数量之间的回归关系。再使用随机森林,Ada Boost,GBDT,XGBoost提升方法,对基本模型实现准确度的提升,从而建成全套的物流点数量和其他类型设施数量关系的机器学习模型。