一种货运网络新建物流节点相关重要指标预测方法技术

本发明专利技术公开了一种货运网络新建物流节点相关重要指标预测方法，属于复杂网络演化与拓扑结构优化领域。该方法首先提出物流节点吸引度的概念，然后通过对货运网络拓扑结构演化与拓扑结构优化，得到新建物流节点后的最优货运网络拓扑结构，从而确定新建物流节点最优吸引度综合值。最后根据新建物流节点最优吸引度综合值，使用熵权综合评价法的逆推法，反推新建物流节点指标值，从而实现科学预测物流节点的货运量、生产总值、占地面积、投资额度等指标值的目的。相比传统的盲目投资与“走一步看一步”式建设，本方法显著提高了决策效率，提升了决策准确性和科学性并降低了盲目投资与“走一步看一步”式建设所带来的潜在风险。

【技术实现步骤摘要】
一种货运网络新建物流节点相关重要指标预测方法
本专利技术属于复杂网络演化与拓扑结构优化领域，更具体地，涉及一种货运网络新建物流节点相关重要指标预测方法。
技术介绍
物流节点的规划是指在考量特定的区域范围内的物流需求，在已有物流节点的分布情况和运营状况的前提下，确定需要新建物流节点的个数和类别，选择合适的布局地点，并计算出合理的建设规模。在具体的规划过程中，往往需要结合所在区位的特性、物资流量和流向，来协调好不同节点之间，节点和实际区域物流需求之间的关系，从而提高城市物流网络体系的运作效率，降低成本，实现物流资源配置的最优化。但是，如何预测物流节点货运量、建设规模、投资额度，是决策者最为关注也最难把握的问题。传统的盲目投资与“走一步看一步”式建设方法，难以科学预测新建物流节点货运量、确定建设规模、确定投资额度，无法保证决策的科学性与合理性，容易造成潜在问题与风险，使新建物流节点所起的作用难以达到预期。需要提出一种基于货运网络拓扑结构优化的物流节点相关重要指标预测方法以解决上述问题。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种科学预测物流节点货运量、建设规模、投资额度等指标值的计算方法，其目的在于，通过指标筛选及基于货运网络拓扑结构的优化，解决传统建设方法所不能克服的难以科学预测新建物流节点货运量、建设规模、投资额度，无法保证决策的科学性与合理性等问题，最大程度提升决策的科学性与合理性，减少潜在问题与风险，使新建物流节点在货运网络中达到的效果更加符合预期，提升决策者的决策效率。为了实现上述目的，本专利技术提供了一种货运网络新建物流节点相关重要指标预测方法，包括如下步骤：步骤1：采集物流节点吸引力影响因素指标值数据，并使用Spss分析，剔除信息高度重合的冗余指标，采取主成分分析法在损失很少信息的前提下将这若干个指标转化为少量互不相关的综合指标，作为物流节点吸引力影响因素的评价指标；步骤2：使用熵指标模糊综合评价法计算物流节点吸引度；其中，物流节点吸引度是指物流节点自身具备的、由其影响因素决定的吸引其他物流节点与之产生货运往来的可能性大小，数值表现为经过无量纲化处理的吸引度综合评判值，计算公式为：Zi-吸引度综合评判值，n-吸引力影响因素评价指标个数，m-节点的总个数，-各评价指标经过无量纲化处理之后的评判值，Wj-各评价指标的权值，i-节点的序号，j-评价指标的序号；步骤3：基于BA模型、BBV模型与引力模型构建货运网络静态无权演化模型与动态加权演化模型，对货运网络进行静态无权演化与动态加权演化；步骤4：对步骤3演化得到的静态无权网络与动态加权网络进行货运网络拓扑结构优化，得出新建物流节点后的网络拓扑结构与新建物流节点最优吸引度Z；步骤5：根据新建物流节点最优吸引度Z反推计算新建物流节点指标值。进一步地，步骤2包括如下子步骤：(2-1)根据步骤1选出的物流节点吸引力影响因素指标建立物流节点吸引力影响因素指标值矩阵xij，并对物流节点吸引力影响因素指标值矩阵xij进行规格化变换：(2-2)对rij进行如下变换：(2-3)计算指标j的熵值Ej:(2-4)指标j的熵权Wj:(2-5)将各指标经过规格化变化后的值与其对应的权值相乘后求和，以确定各评价指标的熵权综合评价值，即各个节点的吸引度综合值，其计算公式为：进一步地，步骤3包括如下子步骤：(3-1)建立各模型：BA模型优先连接：引力模型：Fij——物流节点i与物流节点j之间的吸引力；G——引力系数，平衡等式两端的量纲，其数值为1；K——产业相关系数，由两节点主营产业的相关性确定；Zi——物流节点i的吸引度；Zj——物流节点j的吸引度；Dij——物流节点i与j的距离；构建货运网络演化优先连接概率：φij——节点i与节点j连接概率；k——节点连接度；Fij——节点i与节点j之间的吸引力；参数q、p用于调节节点连接度与物流吸引力之间的比例权重，其中，q是根据原有节点等级不同而取值不同，原有节点等级越高，q取值越大；p是根据新节点的等级不同而取值不同，新加入的节点等级越高，p取值越大；(3-2)静态无权演化模型算法步骤：Step1：初始化：确定网络初始节点数n0和各节点度数k以及任意节点吸引度Zi，规定节点饱和度Kmax；Step2：确定优先连接：随机选择新节点i，计算连接概率φij，并用冒泡法进行降序排列得到优先连接序列{φi1，φi2，φi3......φij}；Step3：连接节点：从Step2的序列中选择连接概率最大的前j个节点与新节点连接；Step4：根据节点连接状况更新网络；Step5：Ki＝Kmax的物流节点不参加后续的演化连接；Step6：如果网络演化节点数t＜n0，则转至Step2继续演化计算，否则停止演化，转至Step7；Step7：统计网络中节点基本统计属性特征并分析网络的状况；(3-3)动态加权演化模型算法步骤：Step1：初始化：规定网络初始节点数n0以及各节点度数kj，任意节点的吸引度si，确定优先连接的节点数m，确定节点饱和度Kmax，边权初值w0。Step2：确定优先连接：选择新节点n与原有节点i连接，计算网络中原有节点对新加入节点的连接概率φin，并按降序排列得优先连接序列{φi1，φi2，φi3......φij}，并按冒泡法降序排列来得到优先连接序列。Step3：从Step2中得到的优先连接序列中选择连接概率最大的前m个节点与新节点连接，而且每连接一次，就产生一次权重的更新，更新完成再进行下一次的连接，直到连接完成；Step4：完成连接后，更新网络中节点连接和权重变化以及权重更新引起的吸引力变化和概率变化；(3-4)改变演化模型中的优先连接节点数m，重复上述步骤分别得出预定数量的不同的静态无权演化网络以及不同的动态加权演化网络。进一步地，步骤(3-3)的Step4中权重和吸引力具体变化如下：C.节点权重变化：加入新节点n，新节点n与原有节点i相连后，会造成原本与节点i相连接的边的权重wij变化,即wij→wij+Δwij；同时，新节点n加入后，网络赋予<i,n>边的权重win＝w0；dij＝R地*ACOS(COS(π*xi*/180-π*xj/180))*COS(π*yi/180-π*yj/160)(11)其中，E表示路网等级，R地为地球半径，根据经纬度计算距离时默认为地球为圆形球体，单位为km；δ为新节点n加入后引起的总节点吸引度和边权的变化之积，δ＝s0/m，s0为节点初始吸引度；加入新节点n前，与节点i连接的各边边权之和加入新节点n后，节点i的点权Wi→Wi+δ+w0，节点j的点权Wj→Wj+Δwi；jD.节点吸引力变化：当加入节点新节点n后，由于节点n只与节点i相连接，引入了新的边<i,n>的权重win和δ，会使节点i的点权发生变化，由此导致Zi也发生变化；Step5：Ki＝Kmax的物流节点不参加后续的演化连接；Step6：演化判定：若网络中演化节点t<n0，则转至Step2继续演化计算；否则停止演化，转至Step7；Step7：结果统计：统计网络中的基本统计属性特征，分析网络状况。进一步地，公式(10)中对E赋值采取以下规则：①本文档来自技高网...

【技术保护点】
1.一种货运网络新建物流节点相关重要指标预测方法，其特征在于，包括如下步骤：步骤1：采集物流节点吸引力影响因素指标值数据，并使用Spss分析，剔除信息高度重合的冗余指标，采取主成分分析法在损失很少信息的前提下将这若干个指标转化为少量互不相关的综合指标，作为物流节点吸引力影响因素的评价指标；步骤2：使用熵指标模糊综合评价法计算物流节点吸引度；其中，物流节点吸引度是指物流节点自身具备的、由其影响因素决定的吸引其他物流节点与之产生货运往来的可能性大小，数值表现为经过无量纲化处理的吸引度综合评判值，计算公式为：

【技术特征摘要】
1.一种货运网络新建物流节点相关重要指标预测方法，其特征在于，包括如下步骤：步骤1：采集物流节点吸引力影响因素指标值数据，并使用Spss分析，剔除信息高度重合的冗余指标，采取主成分分析法在损失很少信息的前提下将这若干个指标转化为少量互不相关的综合指标，作为物流节点吸引力影响因素的评价指标；步骤2：使用熵指标模糊综合评价法计算物流节点吸引度；其中，物流节点吸引度是指物流节点自身具备的、由其影响因素决定的吸引其他物流节点与之产生货运往来的可能性大小，数值表现为经过无量纲化处理的吸引度综合评判值，计算公式为：Zi-吸引度综合评判值，n-吸引力影响因素评价指标个数，m-节点的总个数，-各评价指标经过无量纲化处理之后的评判值，Wj-各评价指标的权值，i-节点的序号，j-评价指标的序号；步骤3：基于BA模型、BBV模型与引力模型构建货运网络静态无权演化模型与动态加权演化模型，对货运网络进行静态无权演化与动态加权演化；步骤4：对步骤3演化得到的静态无权网络与动态加权网络进行货运网络拓扑结构优化，得出新建物流节点后的网络拓扑结构与新建物流节点最优吸引度Z；步骤5：根据新建物流节点最优吸引度Z反推计算新建物流节点指标值。2.如权利要求1所述的一种货运网络新建物流节点相关重要指标预测方法，其特征在于，步骤2包括如下子步骤：(2-1)根据步骤1选出的物流节点吸引力影响因素指标建立物流节点吸引力影响因素指标值矩阵xij，并对物流节点吸引力影响因素指标值矩阵xij进行规格化变换：(2-2)对rij进行如下变换：(2-3)计算指标j的熵值Ej:(2-4)指标j的熵权Wj:(2-5)将各指标经过规格化变化后的值与其对应的权值相乘后求和，以确定各评价指标的熵权综合评价值，即各个节点的吸引度综合值，其计算公式为：3.如权利要求1或2所述的一种货运网络新建物流节点相关重要指标预测方法，其特征在于，步骤3包括如下子步骤：(3-1)建立各模型：BA模型优先连接：引力模型：Fij——物流节点i与物流节点j之间的吸引力；G——引力系数，平衡等式两端的量纲，其数值为1；K——产业相关系数，由两节点主营产业的相关性确定；Zi——物流节点i的吸引度；Zj——物流节点j的吸引度；Dij——物流节点i与j的距离；构建货运网络演化优先连接概率：φij——节点i与节点j连接概率；k——节点连接度；Fij——节点i与节点j之间的吸引力；参数q、p用于调节节点连接度与物流吸引力之间的比例权重，其中，q是根据原有节点等级不同而取值不同，原有节点等级越高，q取值越大；p是根据新节点的等级不同而取值不同，新加入的节点等级越高，p取值越大；(3-2)静态无权演化模型算法步骤：Step1：初始化：确定网络初始节点数n0和各节点度数k以及任意节点吸引度Zi，规定节点饱和度Kmax；Step2：确定优先连接：随机选择新节点i，计算连接概率φij，并用冒泡法进行降序排列得到优先连接序列{φi1，φi2，φi3......φij}；Step3：连接节点：从Step2的序列中选择连接概率最大的前j个节点与新节点连接；Step4：根据节点连接状况更新网络；Step5：Ki＝Kmax的物流节点不参加后续的演化连接；Step6：如果网络演化节点数t＜n0，则转至Step2继续演化计算，否则停止演化，转至Step7；Step7：统计网络中节点基本统计属性特征并分析网络的状况；(3-3)动态加权演化模型算法步骤：Step1：初始化：规定网络初始节点数n0以及各节点度数kj，任意节点的吸引度si，确定优先连接的节点数m，确定节点饱和度Kmax，边权初值w0。Step2：确定优先连接：选择新节点n与原有节点i连接，计算网络中原有节点对新加入节点的连接概率φin，并按降序排列得优先连接序列{φi1，φi2，φi3......φij}，并按冒泡法降序排列来得到优先连接序列。Step3：从Step2中得到的优先连接序列中选择连接概率最大的前m个节点与新节点连接，而且每连接一次，就产生一次权重的更新，更新完成再进行下...

【专利技术属性】
技术研发人员：段爱媛，赵健，刘洋，陈家驰，唐永峰，唐国栋，单婧婷，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北,42