CN114881324A - 基于模糊双边界模型的道路运输优化方法、装置及设备 - Google Patents

基于模糊双边界模型的道路运输优化方法、装置及设备 Download PDF

Info

Publication number
CN114881324A
CN114881324A CN202210491075.9A CN202210491075A CN114881324A CN 114881324 A CN114881324 A CN 114881324A CN 202210491075 A CN202210491075 A CN 202210491075A CN 114881324 A CN114881324 A CN 114881324A
Authority
CN
China
Prior art keywords
boundary
double
efficiency
data
fuzzy
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210491075.9A
Other languages
English (en)
Inventor
成林
王佳萌
田帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Zhihui Qice Technology Co ltd
Original Assignee
Shenzhen Zhihui Qice Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Zhihui Qice Technology Co ltd filed Critical Shenzhen Zhihui Qice Technology Co ltd
Priority to CN202210491075.9A priority Critical patent/CN114881324A/zh
Publication of CN114881324A publication Critical patent/CN114881324A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及道路运输技术，揭露一种基于模糊双边界模型的道路运输优化方法，包括：根据决策单元获取道路运输中多个指标的基础数据及模糊数据；根据多个指标构建双边界效率模型；对模糊数据进行去模糊化处理；利用双边界效率模型对基础数据、模糊数据及去模糊的模糊数据计算，得到初始双边界效率最值；利用双边界效率模型对剔除指标对应的数据之外的所有数据计算，得到对比双边界效率最值；根据初始双边界效率最值及对比双边界效率最值计算剔除指标的影响系数，根据影响系数确定决策单元对应的优化指标并生成道路运输优化方案。本发明还提出一种基于模糊双边界模型的道路运输优化装置及设备。本发明可以提高生成的道路优化方案的精确度及针对性。

Description

基于模糊双边界模型的道路运输优化方法、装置及设备
技术领域
本发明涉及道路运输技术领域，尤其涉及一种基于模糊双边界模型的道路运输优化方法、装置及电子设备。
背景技术
道路运输作为五大主要运输方式之一，其系统运行效率关系到政府规划、运输企业发展以及个体需求。在我国建设交通强国的战略背景下，如何有效地评价道路运输效率使道路运输资源与日益增加的客货运输需求相匹配，生成与之对应的优化方案，对掌握道路运输发展现状、推动道路运输服务增效升级具有重要意义。现有技术中有使用数据包络分析、收敛分析等方法进行道路运输的效率研究，但存在无法识别某一环节、某一指标的效率的问题，进而无法针对性的实现道路运输的优化升级。
发明内容
本发明提供一种基于模糊双边界模型的道路运输优化方法、装置及电子设备，其主要目的在于解决单一指标效率分析不能准确识别而导致的生成的道路优化方案的精确度及针对性较低的问题。
为实现上述目的，本发明提供的一种基于模糊双边界模型的道路运输优化方法，包括：
根据预设的优化条件构建决策单元，根据所述决策单元获取道路运输中多个指标的基础数据及模糊数据；
根据所述基础数据及所述模糊数据对应的指标构建双边界效率模型，利用所述双边界效率模型对所述基础数据及所述模糊数据计算，得到初始双边界效率；
对所述模糊数据进行去模糊化处理，并将去模糊化后的模糊数据、所述基础数据及所述初始双边界效率输入所述双边界效率模型，得到初始双边界效率最值；
从所述道路运输的所有指标中逐一剔除其中一个指标，并剔除指标对应的基础数据及模糊数据，将剩余的基础数据及模糊数据作为对比基础数据及对比模糊数据，并利用所述双边界效率模型对所述对比基础数据、所述对比模糊数据执行计算，得到对比双边界效率最值；
根据所述初始双边界效率最值及所述对比双边界效率最值计算所述剔除指标的影响系数，并根据所述影响系数确定所述决策单元对应的优化指标，根据所述优化指标生成道路运输优化方案。
可选地，所述根据所述基础数据及所述模糊数据对应的指标构建双边界效率模型，包括：
根据所述指标计算所述决策单元基于有效边界和基于无效边界缩减及增加的平均比例；
根据所述基于有效边界和基于无效边界缩减及增加的平均比例及所述指标构建双边界效率模型。
可选地，所述根据所述基于有效边界和基于无效边界缩减及增加的平均比例及所述指标构建双边界效率模型，包括：
根据基于有效边界缩减及增加的平均比例及所述指标构建下述有效边界效率模型：
Figure BDA0003631857580000021
其中，ρ为有效边界效率，wk为第k个指标预设权重，
Figure BDA0003631857580000022
分别为所述基础数据对应的指标中的第r种指标、第i种指标，Zn为第n个基于有效边界缩减的平均比例，Zm为第m个基于有效边界增加的平均比例；
根据基于无效边界缩减及增加的平均比例及所述指标构建下述无效边界效率模型：
Figure BDA0003631857580000023
其中，
Figure BDA0003631857580000024
为无效边界效率；
根据所述有效边界效率模型以及所述无效边界效率模型得到双边界效率模型。
可选地，所述对所述模糊数据进行去模糊化处理，包括：
将所述模糊数据以代表参数的形式表示，采用预设的权重切割算法对所述代表参数进行计算，得到系数权重；
将所述系数权重输入所述权重切割算法，得到输出的初始去模糊数据；
利于预设表示函数及所述去模糊数据对所述代表参数进行第一范围表示，根据所述第一范围表示及所述初始去模糊数进行最值表示，得到去模糊最大值及去模糊最小值。
可选地，所述采用预设的权重切割算法对所述代表参数进行计算，包括：
利用如下公式进行计算初始去模糊数据：
Figure BDA0003631857580000031
x＝u1xa(α)+u2xb(α)+u3xc(α)
其中，x为初始去模糊数据，α为预设切割参数，xa、xb、xc所述模糊数据
Figure BDA0003631857580000034
的代表参数，u1、u2、u3为预设的权重切割算法的权重。
可选地，所述将去模糊化后的模糊数据、所述基础数据及所述初始双边界效率输入所述双边界效率模型，得到初始双边界效率最值，包括：
利用所述双边界效率模型中的有效边界效率模型和无效边界效率模型分别对去模糊化后的去模糊最大值与去模糊最小值、及所述基础数据进行计算，得到基于有效边界的效率最大值、基于有效边界的效率最小值、基于无效边界的效率最大值及基于无效边界的效率最效值；
对所述基于有效边界的效率最大值及基于无效边界的效率最大值进行基于双边界的效率最大值计算，得到初始双边界效率最大值，对所述基于有效边界的效率最小值及基于无效边界的效率最小值进行基于双边界的效率最小值计算，得到初始双边界效率最小值。
可选地，所述根据所述初始双边界效率最值及所述对比双边界效率最值计算所述剔除指标的影响系数，包括：
利用如下公式计算所述剔除指标的影响系数：
Figure BDA0003631857580000032
Figure BDA0003631857580000033
C(t)＝s1C(t)max·s2C(t)min
其中，C(t)为所述剔除指标t的影响系数，C(t)max为最大值影响系数，C(t)min为最小值影响系数，θmax为初始双边界效率最大值，θmin为初始双边界效率最小值，θmax(t)为对比双边界效率最大值，θmin(t)对比双边界效率最小值，s1、s2分别为预设的最大值影响系数权重与最小值影响系数权重。
可选地，所述根据所述影响系数确定所述决策单元对应的优化指标，根据所述优化指标生成道路运输优化方案，包括：
选取所述决策单元中影响系数大于预设影响阈值的指标作为优化指标；
获取并统计所有决策单元的优化指标，根据统计结果对所述优化指标进行重要性排序，得到影响指标；
提取所述优化指标中不包含所述影响指标的决策单元为参照决策单元，对所述参照决策单元中所述影响指标的基础数据进行规律性分析；
根据分析的结果生成所述影响指标的参考方案，汇总所述参考方案得到道路运输优化方案。
为了解决上述问题，本发明还提供一种基于模糊双边界模型的道路运输优化装置，所述装置包括：
指标数据获取模块，用于根据预设的优化条件构建决策单元，根据所述决策单元获取道路运输中多个指标的基础数据及模糊数据；
初始双边界效率生成模块，用于根据所述基础数据及所述模糊数据对应的指标构建双边界效率模型，利用所述双边界效率模型对所述基础数据及所述模糊数据计算，得到初始双边界效率；
初始双边界效率最值生成模块，用于对所述模糊数据进行去模糊化处理，并将去模糊化后的模糊数据、所述基础数据及所述初始双边界效率输入所述双边界效率模型，得到初始双边界效率最值；
对比双边界效率最值生成模块，用于从所述道路运输的所有指标中逐一剔除其中一个指标，并剔除指标对应的基础数据及模糊数据，将剩余的基础数据及模糊数据作为对比基础数据及对比模糊数据，并利用所述双边界效率模型对所述对比基础数据、所述对比模糊数据执行计算，得到对比双边界效率最值；
道路运输优化方案生成模块，用于根据所述初始双边界效率最值及所述对比双边界效率最值计算所述剔除指标的影响系数，并根据所述影响系数确定所述决策单元对应的优化指标，根据所述优化指标生成道路运输优化方案。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于模糊双边界模型的道路运输优化方法。
本发明实施例根据决策单元的指标基础数据构建双边界效率模型，根据双边界效率模型和指标基础数据计算初始双边界效率和对比双边界效率；通过对指标模糊数据进行去模糊化处理，解决数据在模型中的适用性问题，将其输入双边界效率模型进一步得到初始双边界效率最值以及对比双边界效率最值，通过有效边界及无效边界两方面进行分析，提高了效率分析的准确性；通过初始双边界效率最值及对比双边界效率最值计算剔除的指标对应的影响系数，在根据影响系数确定决策单元所对应的优化指标，道路运输优化方案由决策单元、优化指标层层递进而得到，使得该优化方案更加准确，针对性更强。因此本发明提出的基于模糊双边界模型的道路运输优化方法、装置、及电子设备，可以解决单一指标效率分析不能准确识别而导致的生成的道路优化方案的精确度及针对性较低的问题。
附图说明
图1为本发明一实施例提供的基于模糊双边界模型的道路运输优化方法的流程示意图；
图2为本发明一实施例提供的对所述模糊数据进行去模糊化处理的流程示意图；
图3为本发明一实施例提供的生成道路运输优化方案的流程示意图；
图4为本发明一实施例提供的基于模糊双边界模型的道路运输优化装置的功能模块图；
图5为本发明一实施例提供的实现所述基于模糊双边界模型的道路运输优化方法的电子设备的结构示意图。
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于模糊双边界模型的道路运输优化方法。所述基于模糊双边界模型的道路运输优化方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于模糊双边界模型的道路运输优化方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于模糊双边界模型的道路运输优化方法的流程示意图。在本实施例中，所述基于模糊双边界模型的道路运输优化方法包括：
S1、根据预设的优化条件构建决策单元，根据所述决策单元获取道路运输中多个指标的基础数据及模糊数据。
本发明实施例中，所述优化条件的条件对象可以为城市、时间、地区等等，根据条件对象的不同构成的决策单元的也有所不同；条件对象的划分数量对应着决策单元数量。
本发明实施例中，当针对同一时段不同城市的道路运输作为条件对象时，则不同城市构成n个决策单元，例如，条件对象为2020年北京、上海、广州、深圳四个城市的道路运输，其对应的评价决策单元即为4个，2020年北京的道路运输情况、2020年上海的道路运输情况、2020年广州的道路运输情况、2020年深圳的道路运输情况；当针对同一城市不同时段的道路运输作为条件对象时，则不同时段构成n个决策单元，例如，条件对象为2017年-2020年深圳的道路运输，其对应的评价决策单元即为4个，2017年深圳的道路运输情况、2018年深圳的道路运输情况、2019年深圳的道路运输情况、2020年深圳的道路运输情况。
本发明实施例中，所述基础数据包括载客汽车拥有量、载货汽车拥有量、道路运输业从业人数、货运周转量、旅客周转量等指标所对应的数据等；所述模糊数据为指标对应的数据中的不精确数据，所述模糊数据包括模糊投入值、模糊产出值和模糊中间投入产出值等。
本发明实施例可以通过预设的采集接口或通过具有数据抓取功能的计算机脚本，例如，java脚本或python，从网络上或者数据存储区域中采集道路运输中多个指标的基础数据及模糊数据。其中，所述存储区域包括但不限于：数据库、区块链节点、网络缓存。
例如，决策单元为2017年深圳的道路运输情况、2018年深圳的道路运输情况、2019年深圳的道路运输情况、2020年深圳的道路运输情况，根据所述决策单元获取的多个指标的基础数据及模糊数据，包括2017年-2020年载客汽车拥有量、载货汽车拥有量、道路运输业从业人数、货运周转量、旅客周转量等指标的精确数据与非精确数据。
S2、根据所述基础数据及所述模糊数据对应的指标构建双边界效率模型，利用所述双边界效率模型对所述基础数据及所述模糊数据计算，得到初始双边界效率。
本发明实施例中，所述根据所述基础数据及所述模糊数据对应的指标构建双边界效率模型，包括：
根据所述指标计算所述决策单元基于有效边界和基于无效边界缩减及增加的平均比例；
根据所述基于有效边界和基于无效边界缩减及增加的平均比例及所述指标构建双边界效率模型。
具体地，所述决策单元基于有效边界和基于无效边界缩减及增加的平均比例可以包括基于有效边界和基于无效边界上投入可以缩减的平均比例、非期望产出可以缩减的平均比例、期望产出可以增加的平均比例、中间投入可以缩减的平均比例等。
以基于有效边界上投入可以缩减的平均比例为例，所述投入可以缩减的平均比例可以通过指标k第r个投入值的松弛变量与指标k的第r个模糊投入值进行分式计算得到；以基于无效边界上投入可以缩减的平均比例为例，所述投入可以缩减的平均比例可以通过指标k第r个投入值的剩余变量与指标k的第r个模糊投入值进行分式计算得到。
其中，所述松弛变量是指若线性规划模型的约束条件全是小于类型，可以通过标准化过程引入多个非负的松弛变量；松弛变量的引入常常是为了便于在更大的可行域内求解；若为0，则收敛到原有状态，若大于零，则约束松弛。所述剩余变量是指在线性规划模型中，对于大于等于号约束条件，可以增加一些代表最低限约束的超过量，从而把大于等于约束条件变为等式约束条件。
详细地，根据基于有效边界缩减及增加的平均比例及所述指标构建下述有效边界效率模型：
Figure BDA0003631857580000081
其中，ρ为有效边界效率，wk为第k个指标预设权重，
Figure BDA0003631857580000082
分别为所述基础数据对应的指标中的第r种指标、第i种指标，Zn为第n个基于有效边界缩减的平均比例，Zm为第m个基于有效边界增加的平均比例；
根据基于无效边界缩减及增加的平均比例及所述指标构建下述无效边界效率模型：
Figure BDA0003631857580000083
其中，
Figure BDA0003631857580000084
为无效边界效率；
根据所述有效边界效率模型以及所述无效边界效率模型得到双边界效率模型。
本发明实施例中，在生成双边界效率模型后，将指标对应的基础数据及模糊数据分别输入所述双边界效率模型中的有效边界效率模型和无效边界效率模型进行相应的公式计算，即得到初始有效边界效率及初始无效边界效率。
S3、对所述模糊数据进行去模糊化处理，并将去模糊化后的模糊数据、所述基础数据及所述初始双边界效率输入所述双边界效率模型，得到初始双边界效率最值。
本发明实施例中，不精确数据通过模糊数表示，通过对模糊数进行去模糊处理，使不精确数据转换成精确数据代入双边界模型执行运算。
请参阅图2所示，本发明实施例中，所述对所述模糊数据进行去模糊化处理，包括：
S21、将所述模糊数据以代表参数的形式表示，采用预设的权重切割算法对所述代表参数进行计算，得到输出的初始去模糊数据；
S22、利于预设表示函数及所述去模糊数据对所述代表参数进行第一范围表示，根据所述第一范围表示及所述初始去模糊数进行最值表示，得到去模糊最大值及去模糊最小值。
具体地，假设去模糊数据为
Figure BDA0003631857580000095
则代表参数可以通过
Figure BDA0003631857580000097
利用如下公式进行计算初始去模糊数据：
Figure BDA0003631857580000091
x＝u1xa(α)+u2xb(α)+u3xc(α)
其中，x为初始去模糊数据，α为预设切割参数，u1、u2、u3为预设的权重切割算法的权重，例如，
Figure BDA0003631857580000092
可以通过如下公式对所述代表参数进行第一范围表示：
Figure BDA0003631857580000093
对所述第一范围表示及所述初始去模糊数进行最值表示如下式所示：
Figure BDA0003631857580000094
其中，
Figure BDA0003631857580000096
为模糊数据的支持集。
本发明实施例中，所述将去模糊化后的模糊数据、所述基础数据及所述初始双边界效率输入所述双边界效率模型，得到初始双边界效率最值，包括：
利用所述双边界效率模型中的有效边界效率模型和无效边界效率模型分别对去模糊化后的去模糊最大值与去模糊最小值、及所述基础数据进行计算，得到基于有效边界的效率最大值、基于有效边界的效率最小值、基于无效边界的效率最大值及基于无效边界的效率最效值；
对所述基于有效边界的效率最大值及基于无效边界的效率最大值进行基于双边界的效率最大值计算，得到初始双边界效率最大值，对所述基于有效边界的效率最小值及基于无效边界的效率最小值进行基于双边界的效率最小值计算，得到初始双边界效率最小值。
具体地，可以通过下述公式对所述基于有效边界的效率最大值及基于无效边界的效率最大值进行基于双边界的效率最大值计算：
Figure BDA0003631857580000101
其中，θmax为初始双边界效率最大值，ρmax为基于有效边界的效率最大值，
Figure BDA0003631857580000104
为基于无效边界的效率最大值；
可以通过下述公式对所述基于有效边界的效率最小值及基于无效边界的效率最小值进行基于双边界的效率最小值计算：
Figure BDA0003631857580000102
其中，θmin为初始双边界效率最小值，ρmin为基于有效边界的效率最小值，
Figure BDA0003631857580000105
为基于无效边界的效率最小值。
S4、从所述道路运输的所有指标中逐一剔除其中一个指标，并剔除指标对应的基础数据及模糊数据，将剩余的基础数据及模糊数据作为对比基础数据及对比模糊数据，并利用所述双边界效率模型对所述对比基础数据、所述对比模糊数据执行计算，得到对比双边界效率最值。
本发明实施例中，所述道路运输中多个指标包括载客汽车拥有量、载货汽车拥有量、道路运输业从业人数、货运周转量、旅客周转量等多个指标，通过从所述道路运输的所有指标中逐一剔除其中一个指标，并剔除指标对应的基础数据及模糊数据，将剩余的基础数据及模糊数据作为对比基础数据及对比模糊数据的方法，控制了单一变量，实现衡量影响道路运输相关指标。
本发明实施例中，所述利用所述双边界效率模型对所述对比基础数据、所述对比模糊数据执行计算，得到对比双边界效率最值的过程与上述步骤S1-S3的步骤类似，在此不过多赘述。
S5、根据所述初始双边界效率最值及所述对比双边界效率最值计算所述剔除指标的影响系数，并根据所述影响系数确定所述决策单元对应的优化指标，根据所述优化指标生成道路运输优化方案。
本发明实施例中，可以利用如下公式计算所述剔除指标的影响系数：
Figure BDA0003631857580000103
Figure BDA0003631857580000111
C(t)＝s1C(t)max·s2C(t)min
其中，C(t)为所述剔除指标t的影响系数，C(t)max为最大值影响系数，C(t)min为最小值影响系数，θmax为初始双边界效率最大值，θmin为初始双边界效率最小值，θmax(t)为对比双边界效率最大值，θmin(t)对比双边界效率最小值，s1、s2分别为预设的最大值影响系数权重与最小值影响系数权重。
请参与图3所示，本发明实施例中，所述根据所述影响系数确定所述决策单元对应的优化指标，根据所述优化指标生成道路运输优化方案，包括：
S31、选取所述决策单元中影响系数大于预设影响阈值的指标作为优化指标；
S32、获取并统计所有决策单元的优化指标，根据统计结果对所述优化指标进行重要性排序，得到影响指标；
S33、提取所述优化指标中不包含所述影响指标的决策单元为参照决策单元，对所述参照决策单元中所述影响指标的基础数据进行规律性分析；
S34、根据分析的结果生成所述影响指标的参考方案，汇总所述参考方案得到道路运输优化方案。
本发明实施例中，所述优化指标中不包含所述影响指标，则表示对应决策单元中该影响指标的基础数据符合实际的道路运输发展情况，因此可以将其作为参考数据进行规律性分析，生成影响指标的参考方案。
本发明另一实施例可以采用逻辑回归算法，贝叶斯模型对所述参照决策单元中所述影响指标的基础数据进行规律性分析。
例如，决策单元为2017年深圳的道路运输情况、2018年深圳的道路运输情况、2019年深圳的道路运输情况、2020年深圳的道路运输情况，其中，2017年深圳的道路运输情况所对应的优化指标为载客汽车拥有量、载货汽车拥有量；2018年深圳的道路运输情况所对应的优化指标为载货汽车拥有量、道路运输业从业人数；2019年深圳的道路运输情况所对应的优化指标为载货汽车拥有量、货运周转量；2019年深圳的道路运输情况所对应的优化指标为旅客周转量、货运周转量。其中对优化指标进行统计，得到载货汽车拥有量的这一优化指标的数量为3、货运周转量的这一优化指标的数量为2、载客汽车拥有量、道路运输业从业人数、旅客周转量这三个优化指标的数量为1，进而确定优化指标中的重要性影响指标。
本发明实施例根据决策单元的指标基础数据构建双边界效率模型，根据双边界效率模型和指标基础数据计算初始双边界效率和对比双边界效率；通过对指标模糊数据进行去模糊化处理，解决数据在模型中的适用性问题，将其输入双边界效率模型进一步得到初始双边界效率最值以及对比双边界效率最值，通过有效边界及无效边界两方面进行分析，提高了效率分析的准确性；通过初始双边界效率最值及对比双边界效率最值计算剔除的指标对应的影响系数，在根据影响系数确定决策单元所对应的优化指标，道路运输优化方案由决策单元、优化指标层层递进而得到，使得该优化方案更加准确，针对性更强。因此本发明提出的基于模糊双边界模型的道路运输优化方法、装置、及电子设备，可以解决单一指标效率分析不能准确识别而导致的生成的道路优化方案的精确度及针对性较低的问题。
如图4所示，是本发明一实施例提供的基于模糊双边界模型的道路运输优化装置的功能模块图。
本发明所述基于模糊双边界模型的道路运输优化装置100可以安装于电子设备中。根据实现的功能，所述基于模糊双边界模型的道路运输优化装置100可以包括指标数据获取模块101、初始双边界效率生成模块102、初始双边界效率最值生成模块103、对比双边界效率最值生成模块104及道路运输优化方案生成模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述指标数据获取模块101，用于根据预设的优化条件构建决策单元，根据所述决策单元获取道路运输中多个指标的基础数据及模糊数据；
所述初始双边界效率生成模块102，用于根据所述基础数据及所述模糊数据对应的指标构建双边界效率模型，利用所述双边界效率模型对所述基础数据及所述模糊数据计算，得到初始双边界效率；
所述初始双边界效率最值生成模块103，用于对所述模糊数据进行去模糊化处理，并将去模糊化后的模糊数据、所述基础数据及所述初始双边界效率输入所述双边界效率模型，得到初始双边界效率最值；
所述对比双边界效率最值生成模块104，用于从所述道路运输的所有指标中逐一剔除其中一个指标，并剔除指标对应的基础数据及模糊数据，将剩余的基础数据及模糊数据作为对比基础数据及对比模糊数据，并利用所述双边界效率模型对所述对比基础数据、所述对比模糊数据执行计算，得到对比双边界效率最值；
所述道路运输优化方案生成模块105，用于根据所述初始双边界效率最值及所述对比双边界效率最值计算所述剔除指标的影响系数，并根据所述影响系数确定所述决策单元对应的优化指标，根据所述优化指标生成道路运输优化方案。
详细地，本发明实施例中所述基于模糊双边界模型的道路运输优化装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于模糊双边界模型的道路运输优化方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现基于模糊双边界模型的道路运输优化方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于模糊双边界模型的道路运输优化程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing Unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于模糊双边界模型的道路运输优化程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于模糊双边界模型的道路运输优化程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于模糊双边界模型的道路运输优化程序是多个指令的组合，在所述处理器10中运行时，可以实现：
根据预设的优化条件构建决策单元，根据所述决策单元获取道路运输中多个指标的基础数据及模糊数据；
根据所述基础数据及所述模糊数据对应的指标构建双边界效率模型，利用所述双边界效率模型对所述基础数据及所述模糊数据计算，得到初始双边界效率；
对所述模糊数据进行去模糊化处理，并将去模糊化后的模糊数据、所述基础数据及所述初始双边界效率输入所述双边界效率模型，得到初始双边界效率最值；
从所述道路运输的所有指标中逐一剔除其中一个指标，并剔除指标对应的基础数据及模糊数据，将剩余的基础数据及模糊数据作为对比基础数据及对比模糊数据，并利用所述双边界效率模型对所述对比基础数据、所述对比模糊数据执行计算，得到对比双边界效率最值；
根据所述初始双边界效率最值及所述对比双边界效率最值计算所述剔除指标的影响系数，并根据所述影响系数确定所述决策单元对应的优化指标，根据所述优化指标生成道路运输优化方案。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于模糊双边界模型的道路运输优化方法，其特征在于，所述方法包括：
根据预设的优化条件构建决策单元，根据所述决策单元获取道路运输中多个指标的基础数据及模糊数据；
根据所述基础数据及所述模糊数据对应的指标构建双边界效率模型，利用所述双边界效率模型对所述基础数据及所述模糊数据计算，得到初始双边界效率；
对所述模糊数据进行去模糊化处理，并将去模糊化后的模糊数据、所述基础数据及所述初始双边界效率输入所述双边界效率模型，得到初始双边界效率最值；
从所述道路运输的所有指标中逐一剔除其中一个指标，并剔除指标对应的基础数据及模糊数据，将剩余的基础数据及模糊数据作为对比基础数据及对比模糊数据，并利用所述双边界效率模型对所述对比基础数据、所述对比模糊数据执行计算，得到对比双边界效率最值；
根据所述初始双边界效率最值及所述对比双边界效率最值计算所述剔除指标的影响系数，并根据所述影响系数确定所述决策单元对应的优化指标，根据所述优化指标生成道路运输优化方案。
2.如权利要求1所述的基于模糊双边界模型的道路运输优化方法，其特征在于，所述根据所述基础数据及所述模糊数据对应的指标构建双边界效率模型，包括：
根据所述指标计算所述决策单元基于有效边界和基于无效边界缩减及增加的平均比例；
根据所述基于有效边界和基于无效边界缩减及增加的平均比例及所述指标构建双边界效率模型。
3.如权利要求2所述的基于模糊双边界模型的道路运输优化方法，其特征在于，所述根据所述基于有效边界和基于无效边界缩减及增加的平均比例及所述指标构建双边界效率模型，包括：
根据基于有效边界缩减及增加的平均比例及所述指标构建下述有效边界效率模型：
Figure FDA0003631857570000021
其中，ρ为有效边界效率，wk为第k个指标预设权重，
Figure FDA0003631857570000022
分别为所述基础数据对应的指标中的第r种指标、第i种指标，Zn为第n个基于有效边界缩减的平均比例，Zm为第m个基于有效边界增加的平均比例；
根据基于无效边界缩减及增加的平均比例及所述指标构建下述无效边界效率模型：
Figure FDA0003631857570000023
其中，
Figure FDA0003631857570000024
为无效边界效率；
根据所述有效边界效率模型以及所述无效边界效率模型得到双边界效率模型。
4.如权利要求1所述的基于模糊双边界模型的道路运输优化方法，其特征在于，所述对所述模糊数据进行去模糊化处理，包括：
将所述模糊数据以代表参数的形式表示，采用预设的权重切割算法对所述代表参数进行计算，得到系数权重；
将所述系数权重输入所述权重切割算法，得到输出的初始去模糊数据；
利于预设表示函数及所述去模糊数据对所述代表参数进行第一范围表示，根据所述第一范围表示及所述初始去模糊数进行最值表示，得到去模糊最大值及去模糊最小值。
5.如权利要求4所述的基于模糊双边界模型的道路运输优化方法，其特征在于，所述采用预设的权重切割算法对所述代表参数进行计算，包括：
利用如下公式进行计算初始去模糊数据：
Figure FDA0003631857570000025
x＝u1xa(α)+u2xb(α)+u3xc(α)
其中，x为初始去模糊数据，α为预设切割参数，xa、xb、xc所述模糊数据
Figure FDA0003631857570000026
的代表参数，u1、u2、u3为预设的权重切割算法的权重。
6.如权利要求3所述的基于模糊双边界模型的道路运输优化方法，其特征在于，所述将去模糊化后的模糊数据、所述基础数据及所述初始双边界效率输入所述双边界效率模型，得到初始双边界效率最值，包括：
利用所述双边界效率模型中的有效边界效率模型和无效边界效率模型分别对去模糊化后的去模糊最大值与去模糊最小值、及所述基础数据进行计算，得到基于有效边界的效率最大值、基于有效边界的效率最小值、基于无效边界的效率最大值及基于无效边界的效率最效值；
对所述基于有效边界的效率最大值及基于无效边界的效率最大值进行基于双边界的效率最大值计算，得到初始双边界效率最大值，对所述基于有效边界的效率最小值及基于无效边界的效率最小值进行基于双边界的效率最小值计算，得到初始双边界效率最小值。
7.如权利要求1所述的基于模糊双边界模型的道路运输优化方法，其特征在于，所述根据所述初始双边界效率最值及所述对比双边界效率最值计算所述剔除指标的影响系数，包括：
利用如下公式计算所述剔除指标的影响系数：
Figure FDA0003631857570000031
Figure FDA0003631857570000032
C(t)＝s1C(t)max·s2C(t)min
其中，C(t)为所述剔除指标t的影响系数，C(t)max为最大值影响系数，C(t)min为最小值影响系数，θmax为初始双边界效率最大值，θmin为初始双边界效率最小值，θmax(t)为对比双边界效率最大值，θmin(t)对比双边界效率最小值，s1、s2分别为预设的最大值影响系数权重与最小值影响系数权重。
8.如权利要求1至7中任一项所述的基于模糊双边界模型的道路运输优化方法，其特征在于，所述根据所述影响系数确定所述决策单元对应的优化指标，根据所述优化指标生成道路运输优化方案，包括：
选取所述决策单元中影响系数大于预设影响阈值的指标作为优化指标；
获取并统计所有决策单元的优化指标，根据统计结果对所述优化指标进行重要性排序，得到影响指标；
提取所述优化指标中不包含所述影响指标的决策单元为参照决策单元，对所述参照决策单元中所述影响指标的基础数据进行规律性分析；
根据分析的结果生成所述影响指标的参考方案，汇总所述参考方案得到道路运输优化方案。
9.一种基于模糊双边界模型的道路运输优化装置，其特征在于，所述装置包括：
指标数据获取模块，用于根据预设的优化条件构建决策单元，根据所述决策单元获取道路运输中多个指标的基础数据及模糊数据；
初始双边界效率生成模块，用于根据所述基础数据及所述模糊数据对应的指标构建双边界效率模型，利用所述双边界效率模型对所述基础数据及所述模糊数据计算，得到初始双边界效率；
初始双边界效率最值生成模块，用于对所述模糊数据进行去模糊化处理，并将去模糊化后的模糊数据、所述基础数据及所述初始双边界效率输入所述双边界效率模型，得到初始双边界效率最值；
对比双边界效率最值生成模块，用于从所述道路运输的所有指标中逐一剔除其中一个指标，并剔除指标对应的基础数据及模糊数据，将剩余的基础数据及模糊数据作为对比基础数据及对比模糊数据，并利用所述双边界效率模型对所述对比基础数据、所述对比模糊数据执行计算，得到对比双边界效率最值；
道路运输优化方案生成模块，用于根据所述初始双边界效率最值及所述对比双边界效率最值计算所述剔除指标的影响系数，并根据所述影响系数确定所述决策单元对应的优化指标，根据所述优化指标生成道路运输优化方案。
10.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于模糊双边界模型的道路运输优化方法。
CN202210491075.9A 2022-05-07 2022-05-07 基于模糊双边界模型的道路运输优化方法、装置及设备 Pending CN114881324A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210491075.9A CN114881324A (zh) 2022-05-07 2022-05-07 基于模糊双边界模型的道路运输优化方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210491075.9A CN114881324A (zh) 2022-05-07 2022-05-07 基于模糊双边界模型的道路运输优化方法、装置及设备

Publications (1)

Publication Number Publication Date
CN114881324A true CN114881324A (zh) 2022-08-09

Family

ID=82673516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210491075.9A Pending CN114881324A (zh) 2022-05-07 2022-05-07 基于模糊双边界模型的道路运输优化方法、装置及设备

Country Status (1)

Country Link
CN (1) CN114881324A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596372A (zh) * 2023-04-27 2023-08-15 广东科技学院 物流节点选择方法、装置、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596372A (zh) * 2023-04-27 2023-08-15 广东科技学院 物流节点选择方法、装置、设备及存储介质
CN116596372B (zh) * 2023-04-27 2024-02-02 广东科技学院 物流节点选择方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN106855966A (zh) 基于无人配送车进行调度的方法和系统
CN111694844B (zh) 基于配置算法的企业运行数据分析方法、装置及电子设备
CN111651439A (zh) 数据稽核方法、装置及计算机可读存储介质
CN112579621A (zh) 数据展示方法、装置、电子设备及计算机存储介质
CN111768096A (zh) 基于算法模型的评级方法、装置、电子设备及存储介质
CN112463530A (zh) 微服务系统的异常检测方法、装置、电子设备及存储介质
CN113327136A (zh) 归因分析方法、装置、电子设备及存储介质
CN114881324A (zh) 基于模糊双边界模型的道路运输优化方法、装置及设备
CN115409439A (zh) 基于改进蚁群算法的多车型供应链调度方法及电子设备
CN111754261B (zh) 一种车辆出租意愿的评估方法、装置及终端设备
CN112288371A (zh) 通关检验方法、装置、电子设备及计算机可读存储介质
CN117193975A (zh) 任务调度方法、装置、设备及存储介质
CN111401691B (zh) 业务进度监控方法、装置及计算机可读存储介质
CN115841343B (zh) 一种销售额度的确定方法及装置
CN115660244B (zh) 路线信息生成方法、装置、设备和介质
CN114781855A (zh) 基于dea模型的物流传输效率分析方法、装置、设备及介质
CN114884813A (zh) 一种网络架构确定方法、装置、电子设备及存储介质
CN113657546A (zh) 信息分类方法、装置、电子设备及可读存储介质
CN114312930A (zh) 基于日志数据的列车运行异常诊断方法和装置
CN112561500A (zh) 基于用户数据的薪酬数据生成方法、装置、设备及介质
CN116991364B (zh) 基于大数据的软件开发系统管理方法
CN115759875B (zh) 一种公共资源交易的供应商分类分级管理方法及系统
CN113657488B (zh) 基于驾驶行为的用户分级方法、装置、设备及存储介质
CN116841737A (zh) 批处理任务分发方法、装置、设备及存储介质
CN115131615A (zh) 模型样本的权重生成方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination