CN115310795A - 基于promethee模型用于海铁联运班列服务质量的分析方法 - Google Patents

基于promethee模型用于海铁联运班列服务质量的分析方法 Download PDF

Info

Publication number
CN115310795A
CN115310795A CN202210897232.6A CN202210897232A CN115310795A CN 115310795 A CN115310795 A CN 115310795A CN 202210897232 A CN202210897232 A CN 202210897232A CN 115310795 A CN115310795 A CN 115310795A
Authority
CN
China
Prior art keywords
evaluation
index
weight
value
promethee
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
CN202210897232.6A
Other languages
English (en)
Inventor
张永
赖佳
王帅琦
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN202210897232.6A priority Critical patent/CN115310795A/zh
Publication of CN115310795A publication Critical patent/CN115310795A/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
    • G06Q10/06—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
    • G06Q10/06395—Quality analysis or management
    • 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
    • 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

Landscapes

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

Abstract

本申请涉及一种基于PROMETHEE模型用于海铁联运班列服务质量的分析方法。该方法包括：根据海铁联运班列的评价指标体系采集评价指标的指标数据；根据指标数据，采用熵权法确定初始权重；调用对评价指标的分析意见，将分析意见采用直接打分法获取附加权重；将初始权重与附加权重进行校正和调用，得到综合权重；根据综合权重，构建PROMETHEE模型，结合指标数据，计算得到各方案在评价指标上的评价值差异；根据偏好函数的比较方法，通过评价值差异获取得到优先函数值后带入PROMETHEE模型计算得到的评价指标权重，得到各选备方案的净流，进而获得PROMETHEE法综合分析结果及排序，进行敏感性分析，获得分析数据结果。提高了海铁联运的服务质量分析的结果准确性。

Description

基于PROMETHEE模型用于海铁联运班列服务质量的分析方法
技术领域
本申请涉及海铁联运质量监测技术领域，特别是涉及一种基于PROMETHEE模型用于海铁联运班列服务质量的分析方法。
背景技术
海铁联运班列是以铁路运输的为主的货运组织模式，该模式旨在加快铁路与海运在时间与空间维度上的有效衔接。海铁联运班列采用点到点直达运输模式，发挥“铁+港+船”优势，较一般的铁路运输方式能够节省约20％的运输时间。与传统的公路运输相比，海铁联运班列具有“五定”(定线、定点、定车次、定时、定价)的特点，能够大幅提升运输效率，降低20％-30％的物流成本。
海铁联运是集装箱货物物流运输服务的产品，建立海铁联运班列服务质量标准是为了提升海铁联运班列产品在货运行业中的竞争优势。海铁联运班列的发展离不开优质运输服务的支撑，海铁联运班列服务质量是运输管理、组织、生产能力的综合体现，受到了政策环境、运营主体和基础设施等众多因素影响。但是目前还缺乏一套系统的针对海铁联运的服务质量体系。
同时，现有的针对海铁联运班列服务质量监测分析指标体系在进行构建与分析时，常见的权重确定模型分为主观模型与客观模型，如果存在单一使用某一种权重确定方法，则无法同时体现用户偏好与客观事实的一致性，导致海铁联运的服务质量分析的结果准确性低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高海铁联运的服务质量分析的结果准确性的基于PROMETHEE模型用于海铁联运班列服务质量的分析方法。
一种基于PROMETHEE模型用于海铁联运班列服务质量的分析方法，所述方法包括：
根据海铁联运班列的服务质量监测评价指标体系采集评价指标的指标数据；
根据所述指标数据，采用熵权法确定评价指标的初始权重；
调用对评价指标的分析意见，将分析意见采用直接打分法获取附加权重；
将所述初始权重与所述附加权重进行校正和调用，得到综合权重；
根据所述综合权重，构建PROMETHEE模型，结合所述指标数据，计算得到各方案在评价指标上的评价值差异；
根据偏好函数的比较方法，通过评价值差异获取得到优先函数值后带入所述PROMETHEE模型计算得到的评价指标权重，得到各选备方案的净流；
根据各选备方案的净流的大小，获得PROMETHEE法综合分析结果及排序，进行敏感性分析，获得分析数据结果。
在其中一个实施例中，所述方法还包括：获得PROMETHEE法综合分析结果后，还包括：
实时对所述PROMETHEE法综合分析结果在终端进行显示，用于实时监控与分析。
在其中一个实施例中，所述评价指标包括时效性指标、经济性指标、安全性指标、信息化指标、衔接性指标和服务化指标。
在其中一个实施例中，所述根据所述指标数据，采用熵权法确定评价指标的初始权重的步骤，包括：
令M＝{1,2,3,...m}，N＝{1,2,3,...n}，X＝{xi|i∈M}，A＝{aj|j∈N}，X为备选方案集，A为评价指标集，方案xi在评价指标aj上的评价值为eij(i∈M,j∈N)，M为备选方案个数，N为评价指标个数，m、n为正整数，aj为A集合中第j个元素，j为N集合的中任一元素，xi为X集合中第i个元素，i为M集合的中任一元素；
(1)假设所构建的PROMETHEE模型包含n个评价指标，共有m个备选方案，建立评价矩阵为E＝[eij]m×n
Figure BDA0003769546510000031
其中，E为评价矩阵，eij为第i行第j列矩阵的评价值，i为M集合中任一元素，j为N集合的任一元素，emn为第m行第n列矩阵的评价值，m、n为正整数；
(2)对评价指标标准化处理，获得标准化指标值，标准化处理公式为：
Figure BDA0003769546510000032
式中，sij为标准化矩阵中对应位置的标准化指标值；min(ei)为第i行的矩阵数值中的最小值，max(ei)为第i行的矩阵数值中的最大值；
(3)在标准化处理公式的基础上进行评价指标归一化处理，得到规范化矩阵，评价指标归一化处理公式为：
Figure BDA0003769546510000033
式中，Rij为对应位置的规范化指标值；
(4)根据信息论中关于信息熵的定义，利用评价指标的熵值计算公式分析各评价指标的熵值，指标的熵值计算公式为：
Figure BDA0003769546510000034
其中，Kj为评价指标j的熵值；
(5)根据评价指标的熵值Kj，利用指标权重确定公式最终确定各指标权重，各所述指标权重作为加权矩阵的权重引入PROMETHEE模型中，所述指标权重确定公式为：
Figure BDA0003769546510000041
(6)最终得到初始权重μ＝(μ1，μ2，μ3,...μn)，其中，μ为初始权重集合，μ1，μ2……μn表示1、2……n个初级赋权数值，n为正整数。
在其中一个实施例中，所述调用对评价指标的分析意见，将分析意见采用直接打分法获取附加权重的步骤，包括：
假设构建的PROMETHEE模型包含n个评价指标，每个评价指标的重要程度为1-10分，决策人直接对其打分，评价n次，通过直接打分-最小二乘法对附加权重进行确定，n为正整数。
在其中一个实施例中，所述通过直接打分-最小二乘法对附加权重进行确定的步骤，包括：
(1)获取决策人的直接评价指标值矩阵Y：
Figure BDA0003769546510000042
其中，y1，y2，y3……yn表示决策人对第1、2……n个评价指标的直接评价值；
(2)令N＝{1,2,3,...n}，把第i个目标对于第k个目标的重要性记为gik(i，k∈N)，将gik当作评价指标i的权重θi与评价指标k的权重θk的比值，gik＝yi/yk＝θi/θk，将比较结果构建为矩阵G：
Figure BDA0003769546510000051
其中：
gik＝1/gki
Figure BDA0003769546510000052
gii＝1
且
Figure BDA0003769546510000053
当
Figure BDA0003769546510000054
时
Figure BDA0003769546510000055
(3)最终得到附加权重θ＝(θ1，θ2，θ3,...θn)，其中θ为附加权重集合，θ1，θ2……θn表示1、2……n个最终得到的附加权重数值，n为正整数。
在其中一个实施例中，所述将所述初始权重与所述附加权重进行校正和调用，得到综合权重的步骤，包括：
熵权法得到的初始权重μ＝(μ1，μ2，μ3,...μn)与直接打分法得到的附加权重θ＝(θ1，θ2，θ3,...θn)，通过综合赋权对权重进行校正，得到综合权重，综合赋权公式表示为：
Figure BDA0003769546510000056
最终得到综合权重ω＝(ω1，ω2，ω3,...ωn)，其中ω为综合权重集合，其中，ω包括ω1，ω2……ωn，表示1、2……n个综合权重数值，n为正整数。
在其中一个实施例中，所述PROMETHEE模型的构建步骤，包括：
(1)令M＝{1,2,3,...m},N＝{1,2,3,...n},X＝{xi|i∈M},A＝{aj|j∈N},X为备选方案集，A为评价指标集，备选方案在服务质量监测评价指标体系中的评价矩阵E＝[eij]m×n(i∈M,j∈N)
Figure BDA0003769546510000061
(2)计算备选方案xp,xk(p,k∈N)在评价指标aj上的评价值差异为dj(xp,xk)
dj(xp,xk)＝ej(xp)-ej(xk)
其中，xp和xk表示所需要计算的第p个和第k个备选方案，dj(xp，xk)表示备选方案xp和备选方案xk在评价指标aj上的评价值差异，ej(xp)表示备选方案xp在评价指标aj上的评价值，ej(xk)表示备选方案xk在评价指标aj上的评价值。
上述基于PROMETHEE模型用于海铁联运班列服务质量的分析方法，通过根据海铁联运班列的服务质量监测评价指标体系采集评价指标的指标数据；根据所述指标数据，采用熵权法确定评价指标的初始权重；调用对评价指标的分析意见，将分析意见采用直接打分法获取附加权重；将所述初始权重与所述附加权重进行校正和调用，得到综合权重；根据所述综合权重，构建PROMETHEE模型，结合所述指标数据，计算得到各方案在评价指标上的评价值差异；根据偏好函数的比较方法，通过评价值差异获取得到优先函数值后带入所述PROMETHEE模型计算得到的评价指标权重，得到各选备方案的净流；根据各选备方案的净流的大小，获得PROMETHEE法综合分析结果及排序，进行敏感性分析，获得分析数据结果。由此，基于建立的指标体系基础上，采用了客观的熵权法与主观的直接打分法评价相结合的方法，通过构建兼顾决策人对指标重要程度判断与客观数据的综合赋权，并通过PROMETHEE模型对海铁联运班列的综合服务质量进行评价，提高了海铁联运的服务质量分析的结果准确性。
附图说明
图1为一个实施例中基于PROMETHEE模型用于海铁联运班列服务质量评价方法的流程示意图；
图2为一个实施例中基于PROMETHEE模型用于海铁联运班列服务质量评价方法的框架基于PROMETHEE模型用于海铁联运班列服务质量评价方法图；
图3为一个实施例中PROMETHEE法综合评价结果完全排序示意图；
图4为一个实施例中铁路始发场站作业时间指标敏感性分析；
图5为一个实施例中港口平均箱停留时间指标敏感性分析。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1和图2所示，提供了一种基于PROMETHEE模型用于海铁联运班列服务质量评价方法，包括以下步骤：
步骤S220，根据海铁联运班列的服务质量监测评价指标体系采集评价指标的指标数据。
步骤S240，根据指标数据，采用熵权法确定评价指标的初始权重。
步骤S260，调用对评价指标的分析意见，将分析意见采用直接打分法获取附加权重。
步骤S280，将初始权重与附加权重进行校正和调用，得到综合权重。
步骤S300，根据综合权重，构建PROMETHEE模型，结合指标数据，计算得到各方案在评价指标上的评价值差异。
步骤S320，根据偏好函数的比较方法，通过评价值差异获取得到优先函数值后带入PROMETHEE模型计算得到的评价指标权重，得到各选备方案的净流。
步骤S340，根据各选备方案的净流的大小，获得PROMETHEE法综合分析结果及排序，进行敏感性分析，获得分析数据结果。
上述基于PROMETHEE模型用于海铁联运班列服务质量的分析方法，通过根据海铁联运班列的服务质量监测评价指标体系采集评价指标的指标数据；根据指标数据，采用熵权法确定评价指标的初始权重；调用对评价指标的分析意见，将分析意见采用直接打分法获取附加权重；将初始权重与附加权重进行校正和调用，得到综合权重；根据综合权重，构建PROMETHEE模型，结合指标数据，计算得到各方案在评价指标上的评价值差异；根据偏好函数的比较方法，通过评价值差异获取得到优先函数值后带入PROMETHEE模型计算得到的评价指标权重，得到各选备方案的净流；根据各选备方案的净流的大小，获得PROMETHEE法综合分析结果及排序，进行敏感性分析，获得分析数据结果。由此，基于建立的指标体系基础上，采用了客观的熵权法与主观的直接打分法评价相结合的方法，通过构建兼顾决策人对指标重要程度判断与客观数据的综合赋权，并通过PROMETHEE模型对海铁联运班列的综合服务质量进行评价，提高了海铁联运的服务质量分析的结果准确性。
在一个实施例中，获得PROMETHEE法综合分析结果后，还包括：
实时对PROMETHEE法综合分析结果在终端进行显示，用于实时监控与分析。
其中，对获得PROMETHEE法综合评价结果及排序时，还包括构建的可视化监控单元，用于实时监控与分析。可视化监控单元的设置，能够实现在通过海铁联运班列服务质量全过程的动态监测，与海铁联运班列全服务量的各环节进行信息交互，并在服务质量指标评价值过低时对海铁联运班列运营主体进行实时预警，提出针对性的提升策略，加强薄弱环节的改进。
在一个实施例中，评价指标包括时效性指标、经济性指标、安全性指标、信息化指标、衔接性指标和服务化指标。
进一步的，时效性指标包括铁路始发场站停留时间指标、铁路场站中转停留时间指标、平均船时装卸量指标、港口在场平均箱停留时间指标、通关时间指标、是否具备应急处置方案等。
进一步的，经济性指标包括单位距离碳排放量指标、海铁联运补贴水平指标等。
进一步地，安全性指标包括货损货差率指标等。
进一步地，信息化指标包括港铁信息对接程度指标、实时查询货物状态及业务信息等。
进一步地，衔接性指标包括港铁衔接时间指标、班轮准时率指标、海铁联运班列开行频率指标等。
进一步地，服务化指标包括有效投诉率指标、货主满意率指标等。
在一个实施例中，根据指标数据，采用熵权法确定评价指标的初始权重的步骤，包括：
令M＝{1,2,3,...m}，N＝{1,2,3,...n}，X＝{xi|i∈M}，A＝{aj|j∈N}，X为备选方案集，A为评价指标集，方案xi在评价指标aj上的评价值为eij(i∈M,j∈N)，M为备选方案个数，N为评价指标个数，m、n为正整数，aj为A集合中第j个元素，j为N集合的中任一元素，xi为X集合中第i个元素，i为M集合的中任一元素；
(1)假设所构建的PROMETHEE模型包含n个评价指标，共有m个备选方案，建立评价矩阵为E＝[eij]m×n
Figure BDA0003769546510000091
其中，E为评价矩阵，eij为第i行第j列矩阵的评价值，i为M集合中任一元素，j为N集合的任一元素，emn为第m行第n列矩阵的评价值，m、n为正整数；
(2)对评价指标标准化处理，获得标准化指标值，标准化处理公式为：
Figure BDA0003769546510000101
式中，sij为标准化矩阵中对应位置的标准化指标值；min(ei)为第i行的矩阵数值中的最小值，max(ei)为第i行的矩阵数值中的最大值；
(3)在标准化处理公式的基础上进行评价指标归一化处理，得到规范化矩阵，评价指标归一化处理公式为：
Figure BDA0003769546510000102
式中，Rij为对应位置的规范化指标值；
(4)根据信息论中关于信息熵的定义，利用评价指标的熵值计算公式分析各评价指标的熵值，指标的熵值计算公式为：
Figure BDA0003769546510000103
其中，Kj为评价指标j的熵值；
(5)根据评价指标的熵值Kj，利用指标权重确定公式最终确定各指标权重，各指标权重作为加权矩阵的权重引入PROMETHEE模型中，指标权重确定公式为：
Figure BDA0003769546510000104
(6)最终得到初始权重μ＝(μ1，μ2，μ3,...μn)，其中，μ为初始权重集合，μ1，μ2……μn表示1、2……n个初级赋权数值，n为正整数。
在一个实施例中，调用对评价指标的分析意见，将分析意见采用直接打分法获取附加权重的步骤，包括：
假设构建的PROMETHEE模型包含n个评价指标，每个评价指标的重要程度为1-10分，决策人直接对其打分，评价n次，通过直接打分-最小二乘法对附加权重进行确定，n为正整数。
在一个实施例中，通过直接打分-最小二乘法对附加权重进行确定的步骤，包括：
(1)获取决策人的直接评价指标值矩阵Y：
Figure BDA0003769546510000111
其中，y1，y2，y3……yn表示决策人对第1、2……n个评价指标的直接评价值；
(2)令N＝{1,2,3,...n}，把第i个目标对于第k个目标的重要性记为gik(i，k∈N)，将gik当作评价指标i的权重θi与评价指标k的权重θk的比值，gik＝yi/yk＝θi/θk，将比较结果构建为矩阵G：
Figure BDA0003769546510000112
其中：
gik＝1/gki
Figure BDA0003769546510000113
gii＝1
且
Figure BDA0003769546510000121
当
Figure BDA0003769546510000122
时
Figure BDA0003769546510000123
(3)最终得到附加权重θ＝(θ1，θ2，θ3,...θn)，其中θ为附加权重集合，θ1，θ2……θn表示1、2……n个最终得到的附加权重数值，n为正整数。
在一个实施例中，将初始权重与附加权重进行校正和调用，得到综合权重的步骤，包括：
熵权法得到的初始权重μ＝(μ1，μ2，μ3,...μn)与直接打分法得到的附加权重θ＝(θ1，θ2，θ3,...θn)，通过综合赋权对权重进行校正，得到综合权重，综合赋权公式表示为：
Figure BDA0003769546510000124
最终得到综合权重ω＝(ω1，ω2，ω3,...ωn)，其中ω为综合权重集合，其中，ω包括ω1，ω2……ωn，表示1、2……n个综合权重数值，n为正整数。
在一个实施例中，PROMETHEE模型的构建步骤，包括：
(1)令M＝{1,2,3,...m},N＝{1,2,3,...n},X＝{xi|i∈M},A＝{aj|j∈N},X为备选方案集，A为评价指标集，备选方案在服务质量监测评价指标体系中的评价矩阵E＝[eij]m×n(i∈M,j∈N)
Figure BDA0003769546510000125
(2)计算备选方案xp,xk(p,k∈N)在评价指标aj上的评价值差异为dj(xp,xk)
dj(xp,xk)＝ej(xp)-ej(xk)
其中，xp和xk表示所需要计算的第p个和第k个备选方案，dj(xp，xk)表示备选方案xp和备选方案xk在评价指标aj上的评价值差异，ej(xp)表示备选方案xp在评价指标aj上的评价值，ej(xk)表示备选方案xk在评价指标aj上的评价值。
在一个实施例中，选取要进行案例分析的7条海铁联运班列出口线路，标记海铁联运班列起始站分别为R1、R2、R3、R4、R5、R6、R7，海铁联运班列到达港为P1、P2、P3，海铁联运班列线路分别为L1、L2、L3、L4、L5、L6、L7，其中线路L1、L2、L3、L4、L5、L6、L7依次为始发站R1-到达港P1、始发站R2-到达港P2、始发站R3-到达港P3、始发站R4-到达港P4、始发站R5-到达港P5、始发站R6-到达港P6、始发站R7-到达港P7，根据各条线路发展情况，进行实际调研获得资料与统计数据，获得本申请的通过评价各条海铁联运班列线路的服务质量来验证提出的服务质量监测评价指标体系中评价指标的指标数据，再对应分析本申请的方法及评价模型的适用性与有效性。
其中，评价指标的评价值如表1所示。
表1：评价指标的评价值
Figure BDA0003769546510000131
Figure BDA0003769546510000141
在上述调研及统计资料的案例数据基础上，首先采用熵权法确定海铁联运班列服务质量监测评价指标体系的初始权重μ＝(μ1，μ2，μ3,...μn)，其次参考专家对指标的意见，应用直接打分法确定附加权重θ＝(θ1，θ2，θ3,...θn)，计算结果如表2及表3所示。
表2：熵权法确定评价指标初始权重
Figure BDA0003769546510000142
Figure BDA0003769546510000151
表3：直接打分法确定指标附加权重
Figure BDA0003769546510000152
Figure BDA0003769546510000161
根据熵权法确定的初始权重为：
μ＝(0.0243,0.1605,0.1040,0.0345,0.1112,0.0145,0.0254,0.0203,0.1042,0.1083,0.0629,0.0255,0.1141,0.0327,0.0226,0.0349)
根据直接打分法确定的附加权重为:
θ＝(0.0928,0.0722,0.0722,0.0412,0.0515,0.0516,0.0206,0.0825,0.0619,0.0619,0.07220.0928,0.0515,0.0928,0.0412,0.0412)
应用综合赋权公式进行组合权重的计算，根据三级指标计算结果，获得各级评价指标的综合权重如表4所示。
表4：综合赋权法确定评价指标的综合权重
Figure BDA0003769546510000162
Figure BDA0003769546510000171
根据公式dj(xp,xk)＝ej(xp)-ej(xk)，计算得到各评价指标的评价值差异，获得优先函数值后带入计算得到的综合指标权重ω，得到各备选方案(7条线路)的净流Φ，如表5所示。根据净流的大小，PROMETHEE法综合评价结果完全排序如图3所示。
表5PROMETHEE评价结果
Figure BDA0003769546510000181
可以获得如下的结果：(1)从权重确定结果来看，熵权法计算得到的客观权重中，铁路中转场站停留时间指标、港口在场平均箱停留时间指标、通关时间指标、港铁衔接时间指标、班轮准时率指标及港铁信息对接程度指标的权重最大，这与指标数据形式有关，但也能够说明从客观数据来看，海铁联运班列的时效性相关指标是对服务质量的影响最大。从直接打分法确定的权重来看，该权重更能够直接体现决策者的主观意见，从权重确定结果可以看出铁路始发场站作业时间指标、货损货差率指标及货物状态查询指标对服务质量的影响最大。根据综合赋权的计算结果，在一级指标中，海铁联运班列的时效性对服务质量的影响最大，其次是海铁联运班列衔接性与信息化水平，海铁联运班列服务性指标的影响因素最小。从二级指标可以看出，海铁联运班列在铁路场站的停留时间指标、港口停留时间指标、时间衔接可靠性指标的权重最大，综合了主观赋权结果与客观赋权结果。
(2)从PROMETHEE评价结果及排序来看，备选方案3＞L7＞L2＞L1＞L4＞L5＞L6。结合表5中的评价指标的评价值与综合赋权法得到的组合权重，对该评价结果进行分析。从评价指标的评价值来看：
L3线路大部分指标评价值在7条线路中都处于领先水平，个别较弱的指标由于权重较小，对综合评价结果影响不大。
L7线路由于港铁衔接评价指标的评价值遥遥领先，尽管其他评价指标均处于中等水平，但综合评价结果依旧较优，说明港口铁路基础设施建设对服务质量的影响是至关重要的。
L2线路的港口停留时间指标、通关时间指标与海铁联运班列开行频率均处于领先水平，但港铁衔接时间指标与班轮准时率指标较弱，对服务质量的影响较大，因此降低了综合评价水平。
L1线路的班轮准时率指标与港铁信息对接程度指标处于领先水平，且港铁衔接指标较优，但通关时间指标、海铁联运班列开行频率指标较弱，其余评价指标的评价值均处于中下水平，因此综合评价水平中等。
L4线路的铁路场站的停留时间指标、港口停留时间指标等权重较大的评价指标上指标值也较优，但环境效益指标与港铁衔接时间评价指标的评价值较差，对服务质量产生了较大的影响，说明环境效益指标也是提升海铁联运班列服务质量的关键因素。
L5线路在服务性指标方面较差，且有多个权重较大的评价指标的评价值较低，因此综合服务水平较差。
L6线路大部分关键指标值都处于较低水平，因此综合评价结果较差。
本申请中关于针对敏感性分析，具体的包括对铁路场站的停留时间、港口停留时间两个评价指标的敏感性分析处理，进一步的解释和·说明如下：
以L1线路的指标值为例，分别设置指标值改变程度为+30％、+20％、+10％、0、-10％、-20％、-30％，对评价指标进行敏感性分析。
(1)铁路始发场站作业时间指标敏感性分析
根据原始指标值(16.20)，计算指标值改变程度分别为+30％、+20％、+10％、0、-10％、-20％、-30％时的评价值，计算方案净流量。计算结果如表6所示。根据计算结果绘制指标敏感性分析图，如图4所示。
表6：铁路始发场站作业时间指标敏感性分析
指标值改变程度 评价指标的评价值 方案净流Φ
+30％ 21.06 -0.3174
+20％ 19.44 -0.3174
+10％ 17.82 -0.1903
0 16.20 0.1276
-10％ 14.58 0.2548
-20％ 12.96 0.4456
-30％ 11.34 0.4456
根据敏感性分析结果，方案净流值在指标值改变程度为-20％至+20％时有显著变化。指标值从原始值到+20％范围内迅速降低，在0至+10％区间内下降速度最快，从+0.1276下降到-0.1903；从原始值到-10％区间内净流值有所增加，在-10％至-20％区间内上升趋势最为明显，-20％时对应的净流值接近-10％对应净流值的两倍。方案净流值在改变程度为+20％与+30％时相同，在改变程度为-20％与-30％时相同。由此可得，方案的综合评价水平对该指标的评价值较为敏感，该指标值的提升能够较大程度地提升海铁联运班列的服务质量。
(2)港口平均箱停留时间指标敏感性分析
根据原始指标值(5)，计算指标值改变程度分别为+30％、+20％、+10％、0、-10％、-20％、-30％时的评价值，计算方案净流量。计算结果如表7所示。根据计算结果绘制指标敏感性分析图，如图5所示。
表7：港口平均箱停留时间指标敏感性分析
指标值改变程度 评价指标的评价值 方案净流Φ
+30％ 6.5 -0.3758
+20％ 6 -0.3758
+10％ 5.5 -0.2919
0 5 0.1276
-10％ 4.5 0.1276
-20％ 4 0.1276
-30％ 3.5 0.2115
根据敏感性分析结果，方案净流值在指标值改变程度为0至+30％时有显著变化。在原始值至+10％区间内，净流值迅速下降，从+0.1276降低到-0.2919，在+10％至+20％区间内下降缓慢，随后保持不变。在0至-20％单位内，方案净流值保持不变，随后在-20％至-30％范围内缓慢上升。由此可得，方案的综合评价水平对该评价指标的评价值下降较为敏感，该评价指标水平的下降会较大程度地降低海铁联运班列的服务质量。
通过对比“铁路始发场站作业时间指标”与“港口平均箱停留时间指标”的敏感性分析结果，可以看出铁路始发场站作业时间指标的变化对海铁联运班列的综合服务质量更为敏感。在资源条件有限的情况下，优先改善该指标值对服务质量总体提升更有效。
由以上可见，本申请通过对上述案例进行了分析验证评价指标的有效性、评价模型和方法的可适用性，能够有效地对不同案例中对7条线路进行了综合服务质量分析与排序评价，增加了评价研究的科学性。
另外，也是能够提出海铁联运班列服务质量指标的理想值与预警值，为服务质量的实时监测提供了依据与支撑。
同时，本申请中设计了海铁联运服务质量可视化监控单元，能够实现在通过海铁联运班列服务质量全过程的动态监测，与海铁联运班列全服务量的各环节进行信息交互，并在服务质量指标评价值过低时对海铁联运班列运营主体进行实时预警，提出针对性的提升策略，加强薄弱环节的改进。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种基于PROMETHEE模型用于海铁联运班列服务质量的分析方法，其特征在于，所述方法包括：
根据海铁联运班列的服务质量监测评价指标体系采集评价指标的指标数据；
根据所述指标数据，采用熵权法确定评价指标的初始权重；
调用对评价指标的分析意见，将分析意见采用直接打分法获取附加权重；
将所述初始权重与所述附加权重进行校正和调用，得到综合权重；
根据所述综合权重，构建PROMETHEE模型，结合所述指标数据，计算得到各方案在评价指标上的评价值差异；
根据偏好函数的比较方法，通过评价值差异获取得到优先函数值后带入所述PROMETHEE模型计算得到的评价指标权重，得到各选备方案的净流；
根据各选备方案的净流的大小，获得PROMETHEE法综合分析结果及排序，进行敏感性分析，获得分析数据结果。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获得PROMETHEE法综合分析结果后，还包括：
实时对所述PROMETHEE法综合分析结果在终端进行显示，用于实时监控与分析。
3.根据权利要求1所述的方法，其特征在于，所述评价指标包括时效性指标、经济性指标、安全性指标、信息化指标、衔接性指标和服务化指标。
4.根据权利要求1所述的方法，其特征在于，所述根据所述指标数据，采用熵权法确定评价指标的初始权重的步骤，包括：
令M＝{1,2,3,...m}，N＝{1,2,3,...n}，X＝{xi|i∈M}，A＝{aj|j∈N}，X为备选方案集，A为评价指标集，方案xi在评价指标aj上的评价值为eij(i∈M,j∈N)，M为备选方案个数，N为评价指标个数，m、n为正整数，aj为A集合中第j个元素，j为N集合的中任一元素，xi为X集合中第i个元素，i为M集合的中任一元素；
(1)假设所构建的PROMETHEE模型包含n个评价指标，共有m个备选方案，建立评价矩阵为E＝[eij]m×n
Figure FDA0003769546500000021
其中，E为评价矩阵，eij为第i行第j列矩阵的评价值，i为M集合中任一元素，j为N集合的任一元素，emn为第m行第n列矩阵的评价值，m、n为正整数；
(2)对评价指标标准化处理，获得标准化指标值，标准化处理公式为：
Figure FDA0003769546500000022
式中，sij为标准化矩阵中对应位置的标准化指标值；min(ei)为第i行的矩阵数值中的最小值，max(ei)为第i行的矩阵数值中的最大值；
(3)在标准化处理公式的基础上进行评价指标归一化处理，得到规范化矩阵，评价指标归一化处理公式为：
Figure FDA0003769546500000023
式中，Rij为对应位置的规范化指标值；
(4)根据信息论中关于信息熵的定义，利用评价指标的熵值计算公式分析各评价指标的熵值，指标的熵值计算公式为：
Figure FDA0003769546500000024
其中，Kj为评价指标j的熵值；
(5)根据评价指标的熵值Kj，利用指标权重确定公式最终确定各指标权重，各所述指标权重作为加权矩阵的权重引入PROMETHEE模型中，所述指标权重确定公式为：
Figure FDA0003769546500000031
(6)最终得到初始权重μ＝(μ1，μ2，μ3,...μn)，其中，μ为初始权重集合，μ1，μ2……μn表示1、2……n个初级赋权数值，n为正整数。
5.根据权利要求1所述的方法，其特征在于，所述调用对评价指标的分析意见，将分析意见采用直接打分法获取附加权重的步骤，包括：
假设构建的PROMETHEE模型包含n个评价指标，每个评价指标的重要程度为1-10分，决策人直接对其打分，评价n次，通过直接打分-最小二乘法对附加权重进行确定，n为正整数。
6.根据权利要求5所述的方法，其特征在于，所述通过直接打分-最小二乘法对附加权重进行确定的步骤，包括：
(1)获取决策人的直接评价指标值矩阵Y：
Figure FDA0003769546500000032
其中，y1，y2，y3……yn表示决策人对第1、2……n个评价指标的直接评价值；
(2)令N＝{1,2,3,...n}，把第i个目标对于第k个目标的重要性记为gik(i，k∈N)，将gik当作评价指标i的权重θi与评价指标k的权重θk的比值，gik＝yi/yk＝θi/θk，将比较结果构建为矩阵G：
Figure FDA0003769546500000033
其中：
gik＝1/gki
Figure FDA0003769546500000034
gii＝1
且
Figure FDA0003769546500000041
当
Figure FDA0003769546500000042
时
Figure FDA0003769546500000043
(3)最终得到附加权重θ＝(θ1，θ2，θ3,...θn)，其中θ为附加权重集合，θ1，θ2……θn表示1、2……n个最终得到的附加权重数值，n为正整数。
7.根据权利要求1所述的方法，其特征在于，所述将所述初始权重与所述附加权重进行校正和调用，得到综合权重的步骤，包括：
熵权法得到的初始权重μ＝(μ1，μ2，μ3,...μn)与直接打分法得到的附加权重θ＝(θ1，θ2，θ3,...θn)，通过综合赋权对权重进行校正，得到综合权重，综合赋权公式表示为：
Figure FDA0003769546500000044
最终得到综合权重ω＝(ω1，ω2，ω3,...ωn)，其中ω为综合权重集合，其中，ω包括ω1，ω2……ωn，表示1、2……n个综合权重数值，n为正整数。
8.根据权利要求1所述的方法，其特征在于，所述PROMETHEE模型的构建步骤，包括：
(1)令M＝{1,2,3,...m},N＝{1,2,3,...n},X＝{xi|i∈M},A＝{aj|j∈N},X为备选方案集，A为评价指标集，备选方案在服务质量监测评价指标体系中的评价矩阵E＝[eij]m×n(i∈M,j∈N)
Figure FDA0003769546500000045
(2)计算备选方案xp,xk(p,k∈N)在评价指标aj上的评价值差异为dj(xp,xk)
dj(xp,xk)＝ej(xp)-ej(xk)
其中，xp和xk表示所需要计算的第p个和第k个备选方案，dj(xp，xk)表示备选方案xp和备选方案xk在评价指标aj上的评价值差异，ej(xp)表示备选方案xp在评价指标aj上的评价值，ej(xk)表示备选方案xk在评价指标aj上的评价值。
CN202210897232.6A 2022-07-28 2022-07-28 基于promethee模型用于海铁联运班列服务质量的分析方法 Pending CN115310795A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210897232.6A CN115310795A (zh) 2022-07-28 2022-07-28 基于promethee模型用于海铁联运班列服务质量的分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210897232.6A CN115310795A (zh) 2022-07-28 2022-07-28 基于promethee模型用于海铁联运班列服务质量的分析方法

Publications (1)

Publication Number Publication Date
CN115310795A true CN115310795A (zh) 2022-11-08

Family

ID=83858945

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210897232.6A Pending CN115310795A (zh) 2022-07-28 2022-07-28 基于promethee模型用于海铁联运班列服务质量的分析方法

Country Status (1)

Country Link
CN (1) CN115310795A (zh)

Similar Documents

Publication Publication Date Title
Venkatesh et al. Barriers to coastal shipping development: An Indian perspective
Pallis et al. Port economics, policy and management: Content classification and survey
Ganapati et al. Entrepot: Hubs, scale, and trade costs
Anderson et al. A game-theoretic analysis of competition among container port hubs: the case of Busan and Shanghai
Bahamonde-Birke et al. The potential of electromobility in Austria: Evidence from hybrid choice models under the presence of unreported information
Bergqvist et al. Making hinterland transport more sustainable a multi actor multi criteria analysis
Ha et al. A new hybrid decision making framework for prioritising port performance improvement strategies
Chen et al. Game‐Theoretic Comparison Approach for Intercontinental Container Transportation: A Case between China and Europe with the B&R Initiative
Li et al. Measuring environmental sustainability performance of freight transportation seaports in C hina: A data envelopment analysis approach based on the closest targets
Yang et al. Comparison of the operating performance of automated and traditional container terminals
CN112053061A (zh) 围串标行为识别方法、装置、电子设备和存储介质
Rødseth et al. How do economies of density in container handling operations affect ships’ time and emissions in port? Evidence from Norwegian container terminals
CN107886372A (zh) 客户价值发现方法
WO2015099645A1 (en) Vehicle ratings via measured driver behavior
Bai et al. Port congestion and the economics of LPG seaborne transportation
Wang et al. Fundamental challenge and solution methods in prescriptive analytics for freight transportation
Shoukat et al. Sustainable logistics network optimization from dry ports to seaport: a case study from Pakistan
Yan et al. Analysis and prediction of ship energy efficiency based on the MRV system
Ernstsen et al. Consistency in the development of performance assessment methods in the maritime domain
Radojko Measurement and Analysis of Dynamics of Financial Performance and Efficiency of Trade in Serbia Using Iftopsis and Topsis Methods
Mandal et al. Performance analysis of major ports in India: a quantitative approach
Stoilova A multi-criteria assessment approach for the evaluation of railway transport in the Balkan region
CN115310795A (zh) 基于promethee模型用于海铁联运班列服务质量的分析方法
Dotoli et al. A technique for efficient multimodal transport planning with conflicting objectives under uncertainty
Lameira et al. An approach using multicriteria decision methods to barges configuration for pushed convoys in the Amazon

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