CN116596372A - 物流节点选择方法、装置、设备及存储介质 - Google Patents

物流节点选择方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116596372A
CN116596372A CN202310535760.1A CN202310535760A CN116596372A CN 116596372 A CN116596372 A CN 116596372A CN 202310535760 A CN202310535760 A CN 202310535760A CN 116596372 A CN116596372 A CN 116596372A
Authority
CN
China
Prior art keywords
bipolar
blur
fuzzy
edges
decision
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.)
Granted
Application number
CN202310535760.1A
Other languages
English (en)
Other versions
CN116596372B (zh
Inventor
龚澍
邱彩华
孙梦迪
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.)
Guangdong University of Science and Technology
Original Assignee
Guangdong University of Science and Technology
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 Guangdong University of Science and Technology filed Critical Guangdong University of Science and Technology
Publication of CN116596372A publication Critical patent/CN116596372A/zh
Application granted granted Critical
Publication of CN116596372B publication Critical patent/CN116596372B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种物流节点选择方法、装置、设备及存储介质，该方法包括：将备选物流节点作为顶点，备选物流节点之间的道路作为边，得到初始图；对初始图中的顶点的决策项和边的决策项进行双极模糊评分；根据双极模糊评分将初始图转换为双极模糊图并去除双极模糊图的无效边；对双极模糊图求最小支配集，得到物流节点选择结果。通过将备选物流节点作为顶点，备选物流节点之间的道路作为边，将问题转换为图论问题，并将备选物流节点和道路影响物流的各类因素作为决策项，对其进行双极模糊评分，从正面与负面分别进行考虑，使得得到的结果能够较为全面的反映真实情况，解决了现有的物流节点选择方法难以考虑无法定量分析的各种因素的技术问题。

Description

物流节点选择方法、装置、设备及存储介质
技术领域
本发明涉及物流管理技术领域，尤其涉及一种物流节点选择方法、装置、设备及存储介质。
背景技术
物流节点选址通常也称为物流设施选址，是指在一个具有若干供应点及若干需求点的区域内，选一个或者几个地址设置物流设施的规划过程。进行物流节点选址的目的是使货物通过物流节点的汇集、中转、分发，直至输送到需求点的全过程的效益最好。
在现有技术中，目前的物流节点选择方法难以考虑无法定量分析的各种因素，例如物流节点的管理水平、道路的质量等，导致得到的结果比较片面，不适用于实际情况。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种物流节点选择方法、装置、设备及存储介质，旨在解决现有的物流节点选择方法难以考虑无法定量分析的各种因素的技术问题。
为实现上述目的，本发明提供了一种物流节点选择方法，所述方法包括以下步骤：
将备选物流节点作为顶点，所述备选物流节点之间的道路作为边，得到初始图；
对所述初始图中的顶点的决策项和边的决策项进行双极模糊评分；
根据所述双极模糊评分将所述初始图转换为双极模糊图并去除所述双极模糊图的无效边；
对所述双极模糊图求最小支配集，得到物流节点选择结果。
可选的，所述对所述初始图中的顶点的决策项和边的决策项进行双极模糊评分的步骤，包括：
获取所述备选物流节点的决策项相关数据，以及所述备选物流节点之间的道路的决策项相关数据；
将所述备选物流节点的决策项相关数据输入至顶点决策项神经网络模型中；
将所述备选物流节点之间的道路的决策项相关数据输入至边决策项神经网络模型中；
获取所述顶点决策项神经网络模型以及所述边决策项神经网络模型的输出，得到顶点的决策项双极模糊评分和边的决策项双极模糊评分。
可选的，所述对所述初始图中的顶点的决策项和边的决策项进行双极模糊评分的步骤之后，还包括：
根据所述初始图中边的对应顶点，得到方向相反的两条有向边；
将所述初始图中的边替换为所述有向边；
对所述有向边的决策项进行双极模糊评分。
可选的，所述根据所述双极模糊评分将所述初始图转换为双极模糊图并去除所述双极模糊图的无效边的步骤，包括：
对所述双极模糊评分进行加权平均，得到正向模糊评价值和负向模糊评价值；
根据所述正向模糊评价值和负向模糊评价值得到双极模糊图；
基于所述正向模糊评价值和所述负向模糊评价值，去除所述双极模糊图的无效边。
可选的，所述对所述双极模糊评分进行加权平均，得到正向模糊评价值和负向模糊评价值的步骤，包括：
对所述初始图中的顶点的决策项的双极模糊评分进行加权平均，得到所述顶点的正向模糊评价值ηP和所述顶点的负向模糊评价值ηN；
对所述初始图中的边的决策项的双极模糊评分进行加权平均，并结合所述顶点的正向模糊评价值ηP和所述顶点的负向模糊评价值ηN得到所述边的正向模糊评价值θP和所述边的负向模糊评价值θN；
根据所述有向边的决策项的双极模糊评分得到所述有向边的正向模糊评价值ΨP和所述有向边的负向模糊评价值ΨN；
可选的，所述基于所述正向模糊评价值和所述负向模糊评价值，去除所述双极模糊图的无效边的步骤，包括：
判断所述双极模糊图中的边是否满足：
且/>且/>或者/>且/>且/>
将所述双极模糊图中不满足的边作为无效边，并去除。
可选的，所述对所述双极模糊图求最小支配集，得到物流节点选择结果的步骤，包括：
基于所述双极模糊图，得到所述双极模糊图的临界支配集；
将所述临界支配集中所有顶点的正向模糊评价值和负向模糊评价值的绝对值相加，得到所述临界支配集的支配数；
比较不同的所述临界支配集的支配数，将支配数最小的临界支配集作为最小支配集，将所述最小支配集中顶点对应的物流节点作为物流节点选择结果。
此外，为实现上述目的，本发明还提出一种物流节点选择装置，所述物流节点选择装置包括：
获取模块，用于将备选物流节点作为顶点，所述备选物流节点之间的道路作为边，得到初始图；
评分模块，用于对所述初始图中的顶点的决策项和边的决策项进行双极模糊评分；
转换模块，用于根据所述双极模糊评分将所述初始图转换为双极模糊图并去除所述双极模糊图的无效边；
选择模块，用于对所述双极模糊图求最小支配集，得到物流节点选择结果。
此外，为实现上述目的，本发明还提出一种物流节点选择设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的物流节点选择程序，所述物流节点选择程序配置为实现如上文所述的物流节点选择方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，其特征在于，所述存储介质上存储有物流节点选择程序，所述物流节点选择程序被处理器执行时实现如上文所述的物流节点选择方法的步骤。
本发明通过将备选物流节点作为顶点，所述备选物流节点之间的道路作为边，得到初始图；对所述初始图中的顶点的决策项和边的决策项进行双极模糊评分；根据所述双极模糊评分将所述初始图转换为双极模糊图并去除所述双极模糊图的无效边；对所述双极模糊图求最小支配集，得到物流节点选择结果。通过将备选物流节点作为顶点，所述备选物流节点之间的道路作为边，将物流节点选择问题转换为图论问题，方便计算机进行求解，并将备选物流节点和备选物流节点之间的道路影响物流的各类因素作为决策项，对决策项进行双极模糊评分，从正面与负面两个方面分别进行考虑，使得得到的结果能够较为全面的反映真实情况，解决了现有的物流节点选择方法难以考虑无法定量分析的各种因素的技术问题。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的物流节点选择设备结构示意图；
图2为本发明物流节点选择方法第一实施例的流程示意图；
图3为以云南省的各个地级市作为备选物流节点得到的图；
图4为本发明物流节点选择方法第二实施例的流程示意图；
图5为本发明物流节点选择方法第三实施例的流程示意图；
图6为本发明物流节点选择装置的结构框图。
本发明目的的实现、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用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的物流节点选择设备结构示意图。
如图1所示，该物流节点选择设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对物流节点选择设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及物流节点选择程序。
在图1所示的物流节点选择设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明物流节点选择设备中的处理器1001、存储器1005可以设置在物流节点选择设备中，所述物流节点选择设备通过处理器1001调用存储器1005中存储的物流节点选择程序，并执行本发明实施例提供的物流节点选择方法。
本发明实施例提供了一种物流节点选择方法，参照图2，图2为本发明物流节点选择方法第一实施例的流程示意图。
本实施例中，所述物流节点选择方法包括以下步骤：
步骤S10：将备选物流节点作为顶点，所述备选物流节点之间的道路作为边，得到初始图。
需要说明的是，本实施例方法的执行主体可以是具有物流节点选择功能的计算服务设备，例如手机、平板电脑、个人电脑等；也可以是具有相同或相似功能的上述物流节点选择设备。本实施例及下述各实施例将以物流节点选择设备(以下简称“选择设备”)为例进行说明。
需要说明的是，所述备选物流节点可以是准备选定为物流节点的具体位置，例如快递站、货运中心等。
可以理解的是，所述顶点可以是在图中表示某个事物或对象的点。
需要说明的是，所述备选物流节点之间的道路可以是备选物流节点之间直接连通的道路，根据实际情况，可以包括公路、铁路、水路、航路等。
可以理解的是，所述边可以是在图中表示事物与事物之间的关系，也就是顶点与顶点之间的关系的连接。
需要说明的是，所述初始图可以是将备选物流节点作为顶点，备选物流节点之间直接连通的道路作为边，所生成的图。
在具体实现中，在将备选物流节点作为顶点，得到顶点之后，根据备选物流节点之间是否有直接连通的道路，将顶点之间进行连接，得到初始图。例如，将云南省的各个地级市作为备选物流节点，两个城市之间的道路作为边得到的图如图3所示，图3为以云南省的各个地级市作为备选物流节点得到的图。其中，V1表示迪庆；V2表示怒江；V3表示丽江；V4表示大理；V5表示保山；V6表示德宏；V7表示楚雄；V8表示临沧；V9表示普洱；V10表示西双版纳；V11表示玉溪；V12表示红河；V13表示文山；V14表示昆明；V15表示曲靖；V16表示昭通。
步骤S20：对所述初始图中的顶点的决策项和边的决策项进行双极模糊评分。
需要说明的是，所述顶点的决策项可以是对是否选择所述顶点对应的备选物流节点作为物流节点起到主要影响的相关项。例如，在需要从云南省中选择几个城市建设抗震仓库，用于储存食物、机械和卫生材料，使用陆路运输。以在发生地震时，使得救灾物资能在城市之间快速运输的情况下。可以将是否有足够的人力资源和车辆可以调度以及管理人员水平；城市是否不在“小江断裂带”和“红河断裂带”上，即城市本身是否相对安全；城市交通是否便利；是否能够兼顾各个城市群；这四个相关项作为顶点的决策项。需要说明的是，根据国家整体规划，整个云南可以分为滇中、滇东北、滇西南、滇西及滇西北、滇东南等6大城市群。城市的选择需要兼顾这六个城市群。
需要说明的是，所述边的决策项可以是对所述边对应的道路是否适合进行物流运输起到主要影响的相关项。例如，可以将云南各个地级市之间的道路长度和道路质量作为边的决策项，其中，所述道路质量包括：基础设施、安全性、沿途山路的情况以及沿线的便利设施。
可以理解的是，所述双极模糊评分可以是对所述决策项从正面与负面两个方面进行评价得到的评分。
在具体实现中，让相关专家，或者是训练完成的相关机器学习模型，对所述初始图中的顶点对应的备选物流节点的决策项和边对应的道路的决策项中的每一项，从正面与负面两个方面进行评分，得到双极模糊评分。
步骤S30：根据所述双极模糊评分将所述初始图转换为双极模糊图并去除所述双极模糊图的无效边。
可以理解的是，所述双极模糊图可以是对所述初始图的每一个顶点和所述初始图的每一条边进行正面与负面两个方面的评分，得到的图。其中，所述正面评分的取值范围为0到1，所述负面评分的取值范围为0到-1。
需要说明的是，所述双极模糊图的无效边可以是所述双极模糊图中边的双极模糊评分不满足预设约束条件的边。例如，若双极模糊图中边不满足：边的正面评分小于等于所述边对应的两个顶点中任一个的正面评分；且边的负面评分大于等于所述边对应的两个顶点中任一个的负面评分的为无效边。或者，若双极模糊图中边不满足：
或/>则称为无效边。
其中，I(v，v′)＝(IP(v，v′) 表示顶点v和顶点v’形成的边的正向模糊评价值，/>表示顶点v的正向模糊评价值，/>表示顶点v’的正向模糊评价值，/>表示顶点v和顶点v’形成的边的负向模糊评价值，表示顶点v的负向模糊评价值，/>表示顶点v’的负向模糊评价值。
在具体实现中，根据所述双极模糊评分，对所述初始图中的顶点和边进行双极模糊评分赋值，然后对每个边进行判断，去除双极模糊评分不满足预设约束条件的边。
步骤S40：对所述双极模糊图求最小支配集，得到物流节点选择结果。
可以理解的是，所述最小支配集可以是支配数最小的临界支配集。如果从图中某些顶点的集合中删除任意一个顶点，所述顶点的集合不再是支配集，则称所述顶点的集合为临界支配集，也叫极小支配集。
在具体实现中，根据所述双极模糊图得到所述双极模糊图求最小支配集，从而可以将所述最小支配集中顶点对应的备选物流节点作为物流节点选择的结果。
本实施例通过将备选物流节点作为顶点，所述备选物流节点之间的道路作为边，得到初始图；对所述初始图中的顶点的决策项和边的决策项进行双极模糊评分；根据所述双极模糊评分将所述初始图转换为双极模糊图并去除所述双极模糊图的无效边；对所述双极模糊图求最小支配集，得到物流节点选择结果。通过将备选物流节点作为顶点，所述备选物流节点之间的道路作为边，将物流节点选择问题转换为图论问题，方便计算机进行求解，并将备选物流节点和备选物流节点之间的道路影响物流的各类因素作为决策项，对决策项进行双极模糊评分，从正面与负面两个方面分别进行考虑，使得得到的结果能够较为全面的反映真实情况，解决了现有的物流节点选择方法难以考虑无法定量分析的各种因素的技术问题。
进一步的，为了准确的得到所述双极模糊图的最小支配集，上述步骤S40，包括：
步骤S401：基于所述双极模糊图，得到所述双极模糊图的临界支配集。
在具体实现中，不考虑所述双极模糊图的顶点和边的双极模糊评分，将所述双极模糊图作为普通无向图，使用贪心算法、树形DP算法或文化基因算法等相关算法对所述普通无向图进行计算求解，得到所述双极模糊图的临界支配集。本实施例对计算临界支配集的算法不加以限制。
步骤S402：将所述临界支配集中所有顶点的正向模糊评价值和负向模糊评价值的绝对值相加，得到所述临界支配集的支配数。
需要说明的是，所述正向模糊评价值可以是所述顶点的决策项的正面评分经过加权平均得到的。
需要说明的是，所述负向模糊评价值可以是所述顶点的决策项的负面评分经过加权平均得到的。
在具体实现中，例如，以是否有足够的人力资源和车辆可以调度以及管理人员水平，用表示其正面评分、/>表示其负面评分；城市是否不在“小江断裂带”和“红河断裂带”上，即城市本身是否相对安全，用/>表示其正面评分、/>表示其负面评分；城市交通是否便利，用/>表示其正面评分、/>表示其负面评分；是否能够兼顾各个城市群，用/>表示其正面评分、/>表示其负面评分；这四个相关项作为顶点的决策项。对每一项设置加权系数，比如分别为0.3，0.2，0.3和0.2，使用上述的加权系数进行加权平均得到正向模糊评价值和负向模糊评价值，那么可以使用如下公式计算：
其中，ηP表示正向模糊评价值，ηN表示负向模糊评价值。然后将所述临界支配集中所有顶点的正向模糊评价值和负向模糊评价值的绝对值相加，得到所述临界支配集的支配数。例如，代表云南各地级市，如图3所示的图的正向模糊评价值和负向模糊评价值如表1所示：
表1
其中一个临界支配集{v1，v5，v9，v15}的支配数则为4.04。
步骤S403：比较不同的所述临界支配集的支配数，将支配数最小的临界支配集作为最小支配集，将所述最小支配集中顶点对应的物流节点作为物流节点选择结果。
可以理解的是，对一个图通常会得到多个临界支配集，对每个临界支配集求支配数，将其中支配数最小的临界支配集作为最小支配集，然后可以将所述最小支配集中顶点对应的物流节点作为物流节点选择结果。例如，如果代表云南各地级市，如图3所示的图的最小支配集为{v1，v5，v9，v15}，那么，云南省抗震仓库应该建在其对应的“迪庆”，“保山”，“普洱”和“曲靖”四个城市。
本实施例上述方式通过基于所述双极模糊图，得到所述双极模糊图的临界支配集；将所述临界支配集中所有顶点的正向模糊评价值和负向模糊评价值的绝对值相加，得到所述临界支配集的支配数；比较不同的所述临界支配集的支配数，将支配数最小的临界支配集作为最小支配集，将所述最小支配集中顶点对应的物流节点作为物流节点选择结果。可以准确的得到所述双极模糊图的最小支配集，进而准确的得到物流节点选择结果。
参考图4，图4为本发明物流节点选择方法第二实施例的流程示意图。
基于上述第一实施例，本实施例中，为了方便的得到双极模糊评分，本实施例上述步骤S20，包括：
步骤S201：获取所述备选物流节点的决策项相关数据，以及所述备选物流节点之间的道路的决策项相关数据。
需要说明的是，所述决策项相关数据可以是表示所述决策项的状态，影响所述决策项评分的数据。例如，道路的卫星遥感图像、道路的照片、物流节点地理位置数据等。
在具体实现中，根据所述备选物流节点的决策项和所述备选物流节点之间的道路的决策项，获取可用于表示所述决策项的状态，影响所述决策项评分的数据。
步骤S202：将所述备选物流节点的决策项相关数据输入至顶点决策项神经网络模型中。
需要说明的是，所述顶点决策项神经网络模型可以是针对顶点的某一决策项，经过训练得到的，可以对对应的决策项给出正面和负面两个方面评价的神经网络模型。
在具体实现中，例如，针对云南的某个地级市的城市交通是否便利这个决策项，可以将城市道路地图、车流量数据输入对应的神经网络模型，得到此决策项的正面评价和负面评价。另外，需要说明的是，部分决策项可以通过现有的技术手段进行判断，可以不用训练和使用神经网络模型，例如，针对云南的某个地级市的“是否不在‘小江断裂带’和‘红河断裂带’上，即城市本身相对安全”这个决策项，可以获取所述城市以及“小江断裂带”和“红河断裂带”的地理位置，计算所述城市与“小江断裂带”和“红河断裂带”的地理位置距离，根据距离得出此决策项的正面评价和负面评价；针对云南的某个地级市的“兼顾各个城市群”这个决策项，可以获得滇中、滇东北、滇西南、滇西及滇西北、滇东南6大城市群的地理范围，计算所述地理范围的几何中心，再分别计算所述地级市与这6个几何中心的距离，根据所述距离得出此决策项的正面评价和负面评价。
步骤S203：将所述备选物流节点之间的道路的决策项相关数据输入至边决策项神经网络模型中。
需要说明的是，所述顶点决策项神经网络模型可以是针对边的某一决策项，经过训练得到的，可以对对应的决策项给出正面和负面两个方面评价的神经网络模型。
在具体实现中，例如，针对云南的某两个地级市之间道路的“道路质量”这个决策项，可以在道路上设置采样点，拍摄采样点附近的道路照片，将所述道路照片输入对应的神经网络模型，得到此决策项的正面评价和负面评价。另外，需要说明的是，部分决策项可以通过现有的技术手段进行判断，可以不用训练和使用神经网络模型，例如，针对云南的某两个地级市之间道路的“道路长度”这个决策项，可以通过测量获取两个地级市之间道路的实际长度，根据所述实际长度得出此决策项的正面评价和负面评价。
步骤S204：获取所述顶点决策项神经网络模型以及所述边决策项神经网络模型的输出，得到顶点的决策项双极模糊评分和边的决策项双极模糊评分。
在具体实现中，将相关数据输入至对应的神经网络模型中之后，神经网络模型经过运算得出结果，必要时，对所述结果进行归一化运算，得到顶点的决策项双极模糊评分和边的决策项双极模糊评分。
本实施例通过获取所述备选物流节点的决策项相关数据，以及所述备选物流节点之间的道路的决策项相关数据；将所述备选物流节点的决策项相关数据输入至顶点决策项神经网络模型中；将所述备选物流节点之间的道路的决策项相关数据输入至边决策项神经网络模型中；获取所述顶点决策项神经网络模型以及所述边决策项神经网络模型的输出，得到顶点的决策项双极模糊评分和边的决策项双极模糊评分。使用经过训练的神经网络模型得到顶点的决策项双极模糊评分和边的决策项双极模糊评分，可以不用耗费人力进行决策项的评分，能够更加方便的得到双极模糊评分。
参考图5，图5为本发明物流节点选择方法第三实施例的流程示意图。
基于上述实施例，本实施例中，为了更准确的得到结果，本实施例上述步骤S20之后，还包括：
步骤S21：根据所述初始图中边的对应顶点，得到方向相反的两条有向边。
可以理解的是，所述有向边可以是在图中，由一个顶点指向另一个顶点的的边。
在具体实现中，获取初始图中的边，根据所述边对应的顶点，得到以这两个对应顶点为顶点、方向相反的两条有向边。例如，如图三所示的图，图中有顶点V1、V2对应的边v1v2，则可以得到V1为起点V2为终点和V2为起点V1为终点这两条方向相反的两条有向边。
步骤S22：将所述初始图中的边替换为所述有向边。
在具体实现中，得到所述有向边后，将图中的所有边替换为有向边。
步骤S23：对所述有向边的决策项进行双极模糊评分。
可以理解的是，同样的道路，在出发点和目的地不同的情况下，具体的情况可能会有所差别。例如，两个城市的出入口规模不同，可能在城市的出入口发生交通堵塞的概率也不同。或者两个城市的地理高度相差大，在道路上需要进行上坡和下坡的距离不同。这样的话，比如，如果城市出入口变得拥挤，特别是在危机期间，道路交通量增加，则该城市不能被视为建造仓库的候选者。因此，需要针对出发点和目的地不同的情况，对有向边的决策项进行双极模糊评分。
在具体实现中，让相关专家，或者是训练完成的相关机器学习模型，对所述初始图中有向边边对应的道路的不同移动方向的决策项中的每一项，从正面与负面两个方面进行评分，得到双极模糊评分。
本实施例通过根据所述初始图中边的对应顶点，得到方向相反的两条有向边；将所述初始图中的边替换为所述有向边；对所述有向边的决策项进行双极模糊评分。考虑到了同样的道路，在出发点和目的地不同的情况下，具体的情况可能会有的差别，可以在后续的决策中更准确的得到结果。
进一步的，为了准确的获得双极模糊图，本实施例上述步骤S30，包括：
步骤S301：对所述双极模糊评分进行加权平均，得到正向模糊评价值和负向模糊评价值。
需要说明的是，所述正向模糊评价值可以是表示图中某一个元素，例如，顶点、有向边或无向边的整体正面评价的值。
需要说明的是，所述负向模糊评价值可以是表示图中某一个元素，例如，顶点、有向边或无向边的整体负面评价的值。
在具体实现中，根据实际情况对每一项设定权值，根据权值对双极模糊评分进行加权平均，得到正向模糊评价值和负向模糊评价值。
步骤S302：根据所述正向模糊评价值和负向模糊评价值得到双极模糊图。
在具体实现中，将所述正向模糊评价值和负向模糊评价值赋值给所述初始图中对应的顶点和边，得到双极模糊图。
步骤S303：基于所述正向模糊评价值和所述负向模糊评价值，去除所述双极模糊图的无效边。
在具体实现中，根据预设约束条件对每个边进行判断，去除双极模糊评分不满足预设约束条件的边。
本实施例的上述方式通过对所述双极模糊评分进行加权平均，得到正向模糊评价值和负向模糊评价值；根据所述正向模糊评价值和负向模糊评价值得到双极模糊图；基于所述正向模糊评价值和所述负向模糊评价值，去除所述双极模糊图的无效边。可以更加准确的获得双极模糊图。
进一步的，为了表示同样的道路在出发点和目的地不同的情况下的不同情况，实施例上述步骤S301，包括：
步骤S3011：对所述初始图中的顶点的决策项的双极模糊评分进行加权平均，得到所述顶点的正向模糊评价值ηP和所述顶点的负向模糊评价值ηN。
在具体实现中，例如，以是否有足够的人力资源和车辆可以调度以及管理人员水平，用表示其正面评分、/>表示其负面评分；城市是否不在“小江断裂带”和“红河断裂带”上，即城市本身是否相对安全，用/>表示其正面评分、/>表示其负面评分；城市交通是否便利，用/>表示其正面评分、/>表示其负面评分；是否能够兼顾各个城市群，用/>表示其正面评分、/>表示其负面评分；这四个相关项作为顶点的决策项。对每一项设置加权系数，比如分别为0.3，0.2，0.3和0.2，那么可以使用如下公式计算：
步骤S3012：对所述初始图中的边的决策项的双极模糊评分进行加权平均，并结合所述顶点的正向模糊评价值ηP和所述顶点的负向模糊评价值ηN得到所述边的正向模糊评价值θP和所述边的负向模糊评价值θN。
在具体实现中，例如，以云南各地级市为例，考虑道路长度与道路质量两个方面，用和/>表示。这两个函数的加权平均值，由于云南是多山省份，大部分山路地势险峻，因此相对于道路长度，其道路的质量起了决定作用。从而第一项和第二项的比重可以设置为0.3和0.7。即综合评价为：
然后根据公式：
θP(uv)＝min(eP(uv)，ηP(u)，ηP(v)}和θN(uv)＝max(eN(uv)，ηN(u)，ηN(v)}
计算得到所述边的正向模糊评价值θP和所述边的负向模糊评价值θN。如表2所示，表2为图3所示图的边的正向模糊评价值θP和负向模糊评价值θN。
表2
步骤S3013：根据所述有向边的决策项的双极模糊评分得到所述有向边的正向模糊评价值ΨP和所述有向边的负向模糊评价值ΨN。
在具体实现中，例如，假设一个城市满足建设抗震仓库所需的条件，并且可以通过合适的道路进入另一个城市，但如果城市出入口变得拥挤，特别是在危机期间，道路交通量增加，则该城市不能被视为建造仓库的候选者。因此，可以使用有向边构建双极模糊图，这样的双极模糊图被称为双极模糊关联图。针对需要从云南省中选择几个城市建设抗震仓库，用于储存食物、机械和卫生材料，使用陆路运输。以在发生地震时，使得救灾物资能在城市之间快速运输的情况下。城市出入口质量的不确定性得到的所述有向边的正向模糊评价值ΨP和所述有向边的负向模糊评价值ΨN如表3所示。
/>
表3
本实施例的上述方式通过对所述初始图中的顶点的决策项的双极模糊评分进行加权平均，得到所述顶点的正向模糊评价值ηP和所述顶点的负向模糊评价值ηN；对所述初始图中的边的决策项的双极模糊评分进行加权平均，并结合所述顶点的正向模糊评价值ηP和所述顶点的负向模糊评价值ηN得到所述边的正向模糊评价值θP和所述边的负向模糊评价值θN；根据所述有向边的决策项的双极模糊评分得到所述有向边的正向模糊评价值ΨP和所述有向边的负向模糊评价值ΨN。对有向图进行双极模糊评分，可以表示同样的道路在出发点和目的地不同的情况下的不同情况。
进一步的，为了对双极模糊关联图求得无效边，上述步骤步骤S303，包括：
步骤S3031：判断所述双极模糊图中的边是否满足：且且/>或者/>且/>且/>
步骤S3032：将所述双极模糊图中不满足的边作为无效边，并去除。
在具体实现中，以图3所示的图和表1、表2、表3的数据为例，通过计算可知，除了v12v14，v11v14和v14v16，其他都是有效边。
本实施例的上述方式通过判断所述双极模糊图中的边是否满足：且且/>或者/>且/>且/>将所述双极模糊图中不满足的边作为无效边，并去除。可以求出双极模糊关联图的无效边。
此外，为实现上述目的，本发明还提出一种物流节点选择装置，参照图6，所述物流节点选择装置包括：
获取模块，用于将备选物流节点作为顶点，所述备选物流节点之间的道路作为边，得到初始图；
评分模块，用于对所述初始图中的顶点的决策项和边的决策项进行双极模糊评分；
转换模块，用于根据所述双极模糊评分将所述初始图转换为双极模糊图并去除所述双极模糊图的无效边；
选择模块，用于对所述双极模糊图求最小支配集，得到物流节点选择结果。
本实施例通过将备选物流节点作为顶点，所述备选物流节点之间的道路作为边，得到初始图；对所述初始图中的顶点的决策项和边的决策项进行双极模糊评分；根据所述双极模糊评分将所述初始图转换为双极模糊图并去除所述双极模糊图的无效边；对所述双极模糊图求最小支配集，得到物流节点选择结果。通过将备选物流节点作为顶点，所述备选物流节点之间的道路作为边，将物流节点选择问题转换为图论问题，方便计算机进行求解，并将备选物流节点和备选物流节点之间的道路影响物流的各类因素作为决策项，对决策项进行双极模糊评分，从正面与负面两个方面分别进行考虑，使得得到的结果能够较为全面的反映真实情况，解决了现有的物流节点选择方法难以考虑无法定量分析的各种因素的技术问题。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有物流节点选择程序，所述物流节点选择程序被处理器执行时实现如上文所述的物流节点选择方法的步骤。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种物流节点选择方法，其特征在于，所述物流节点选择方法包括：
将备选物流节点作为顶点，所述备选物流节点之间的道路作为边，得到初始图；
对所述初始图中的顶点的决策项和边的决策项进行双极模糊评分；
根据所述双极模糊评分将所述初始图转换为双极模糊图并去除所述双极模糊图的无效边；
对所述双极模糊图求最小支配集，得到物流节点选择结果。
2.如权利要求1所述的物流节点选择方法，其特征在于，所述对所述初始图中的顶点的决策项和边的决策项进行双极模糊评分的步骤，包括：
获取所述备选物流节点的决策项相关数据，以及所述备选物流节点之间的道路的决策项相关数据；
将所述备选物流节点的决策项相关数据输入至顶点决策项神经网络模型中；
将所述备选物流节点之间的道路的决策项相关数据输入至边决策项神经网络模型中；
获取所述顶点决策项神经网络模型以及所述边决策项神经网络模型的输出，得到顶点的决策项双极模糊评分和边的决策项双极模糊评分。
3.如权利要求1所述的物流节点选择方法，其特征在于，所述对所述初始图中的顶点的决策项和边的决策项进行双极模糊评分的步骤之后，还包括：
根据所述初始图中边的对应顶点，得到方向相反的两条有向边；
将所述初始图中的边替换为所述有向边；
对所述有向边的决策项进行双极模糊评分。
4.如权利要求3所述的物流节点选择方法，其特征在于，所述根据所述双极模糊评分将所述初始图转换为双极模糊图并去除所述双极模糊图的无效边的步骤，包括：
对所述双极模糊评分进行加权平均，得到正向模糊评价值和负向模糊评价值；
根据所述正向模糊评价值和负向模糊评价值得到双极模糊图；
基于所述正向模糊评价值和所述负向模糊评价值，去除所述双极模糊图的无效边。
5.如权利要求4所述的物流节点选择方法，其特征在于，所述对所述双极模糊评分进行加权平均，得到正向模糊评价值和负向模糊评价值的步骤，包括：
对所述初始图中的顶点的决策项的双极模糊评分进行加权平均，得到所述顶点的正向模糊评价值ηP和所述顶点的负向模糊评价值ηN；
对所述初始图中的边的决策项的双极模糊评分进行加权平均，并结合所述顶点的正向模糊评价值ηP和所述顶点的负向模糊评价值ηN得到所述边的正向模糊评价值θP和所述边的负向模糊评价值θN；
根据所述有向边的决策项的双极模糊评分得到所述有向边的正向模糊评价值ΨP和所述有向边的负向模糊评价值ΨN。
6.如权利要求5所述的物流节点选择方法，其特征在于，所述基于所述正向模糊评价值和所述负向模糊评价值，去除所述双极模糊图的无效边的步骤，包括：
判断所述双极模糊图中的边是否满足：
且/>且/>或者/>且且/>
将所述双极模糊图中不满足的边作为无效边，并去除。
7.如权利要求1至6中任一项所述的物流节点选择方法，其特征在于，所述对所述双极模糊图求最小支配集，得到物流节点选择结果的步骤，包括：
基于所述双极模糊图，得到所述双极模糊图的临界支配集；
将所述临界支配集中所有顶点的正向模糊评价值和负向模糊评价值的绝对值相加，得到所述临界支配集的支配数；
比较不同的所述临界支配集的支配数，将支配数最小的临界支配集作为最小支配集，将所述最小支配集中顶点对应的物流节点作为物流节点选择结果。
8.一种物流节点选择装置，其特征在于，所述物流节点选择装置包括：
获取模块，用于将备选物流节点作为顶点，所述备选物流节点之间的道路作为边，得到初始图；
评分模块，用于对所述初始图中的顶点的决策项和边的决策项进行双极模糊评分；
转换模块，用于根据所述双极模糊评分将所述初始图转换为双极模糊图并去除所述双极模糊图的无效边；
选择模块，用于对所述双极模糊图求最小支配集，得到物流节点选择结果。
9.一种物流节点选择设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的物流节点选择程序，所述物流节点选择程序配置为实现如权利要求1至7中任一项所述的物流节点选择方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有物流节点选择程序，所述物流节点选择程序被处理器执行时实现如权利要求1至7中任一项所述的物流节点选择方法的步骤。
CN202310535760.1A 2023-04-27 2023-05-11 物流节点选择方法、装置、设备及存储介质 Active CN116596372B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2023104719450 2023-04-27
CN202310471945 2023-04-27

Publications (2)

Publication Number Publication Date
CN116596372A true CN116596372A (zh) 2023-08-15
CN116596372B CN116596372B (zh) 2024-02-02

Family

ID=87594861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310535760.1A Active CN116596372B (zh) 2023-04-27 2023-05-11 物流节点选择方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116596372B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001142865A (ja) * 1999-11-16 2001-05-25 Yoshiki Uchikawa ファジィニューラルネットワークの自律的構成方法
WO2016053071A1 (fr) * 2014-10-02 2016-04-07 Bennis Kaoutar Approche methodologique d'aide a la decision floue pour l'implantation d'une decharge publique
CN108269001A (zh) * 2017-12-22 2018-07-10 南京信息工程大学 一种中小企业信用等级双极统计模糊评价方法
CN111311110A (zh) * 2020-03-06 2020-06-19 山西大学 基于对偶犹豫模糊multimoora与多粒度概率粗糙集的群决策方法
CN114881324A (zh) * 2022-05-07 2022-08-09 深圳市智汇奇策科技有限公司 基于模糊双边界模型的道路运输优化方法、装置及设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001142865A (ja) * 1999-11-16 2001-05-25 Yoshiki Uchikawa ファジィニューラルネットワークの自律的構成方法
WO2016053071A1 (fr) * 2014-10-02 2016-04-07 Bennis Kaoutar Approche methodologique d'aide a la decision floue pour l'implantation d'une decharge publique
CN108269001A (zh) * 2017-12-22 2018-07-10 南京信息工程大学 一种中小企业信用等级双极统计模糊评价方法
CN111311110A (zh) * 2020-03-06 2020-06-19 山西大学 基于对偶犹豫模糊multimoora与多粒度概率粗糙集的群决策方法
CN114881324A (zh) * 2022-05-07 2022-08-09 深圳市智汇奇策科技有限公司 基于模糊双边界模型的道路运输优化方法、装置及设备

Non-Patent Citations (18)

* Cited by examiner, † Cited by third party
Title
ADEEL FAROOQ, MOHAMMED M. ALI AL-SHAMIRI, MOHAMMED M. KHALAF: "Decision-Making Approach with Complex Bipolar Fuzzy N-Soft Sets", MATHEMATICAL PROBLEMS IN ENGINEERING, vol. 2022, pages 1 - 22 *
SHU GONG , GANG HUA: "Decision Making Analysis of Traffic Accidents on Mountain Roads in Yunnan Province", MACHINE LEARNING FOR CYBER SECURITY, pages 228 *
SHU GONG, GANG HUA & WEI GAO: "Domination of Bipolar Fuzzy Graphs in Various Settings", INTERNATIONAL JOURNAL OF COMPUTATIONAL INTELLIGENCE SYSTEMS, vol. 162, no. 2021, pages 1 - 14 *
任永昌;邢涛;赵国强;: "物流配送中心选址方案模糊决策分析", 辽宁工程技术大学学报(自然科学版), vol. 29, no. 03, pages 517 - 520 *
冯琴荣;王芬芬;: "基于模糊软集的群决策方法研究", 西北大学学报(自然科学版), no. 04, pages 475 - 480 *
季正武: "基于双极值模糊集的城市可持续发展评价方法", 中国优秀硕士学位论文全文数据库(基础科学辑), no. 02, pages 002 - 1391 *
张晓楠;范厚明;李剑锋;: "B2C物流配送网络双目标模糊选址模型与算法", 系统工程理论与实践, vol. 35, no. 05, pages 1202 - 1213 *
张震;华钢;: "基于评分合理因子的协同过滤推荐算法研究", 宿州学院学报, no. 05, pages 96 - 99 *
殷春武;王秋萍;吴健祥;: "模糊群决策在物流选址中的运用", 商场现代化, no. 02, pages 30 - 31 *
涂佳伦: "基于动量自适应学习率BP神经网络方法的经济型酒店选址——以昆明市为例", 中国优秀硕士学位论文全文数据库 (信息科技辑), no. 10, pages 140 - 46 *
王雅梦;张臣: "物流中心选址的决策分析研究", 土木建筑与环境工程, vol. 37, no. 1, pages 124 - 128 *
秦剑;王迎军;: "基于模糊多准则决策方法的物流中心选址研究", 物流技术, vol. 27, no. 08, pages 83 - 85 *
罗倩蓉;董茜月;曾德珩;: "基于模糊层次分析法的装配式建筑PC构件厂选址", 土木工程与管理学报, vol. 35, no. 03, pages 111 - 117 *
范盼;王金虎;陈军;: "基于模糊逻辑法的粒子识别研究", 河南师范大学学报(自然科学版), no. 03, pages 47 - 52 *
陶庆, 王威: "决策支持系统的模糊综合评价", 数学的实践与认识, no. 05, pages 71 - 79 *
韩莹;陈胜: "双极值模糊集研究综述", 南京信息工程大学学报(自然科学版), vol. 07, no. 06, pages 512 - 518 *
龚澍，高炜: "双极直觉模糊超图", 云南师范大学学报(自然科学版), vol. 42, no. 04, pages 25 - 31 *
龚澍;张龙青;高炜;: "新框架下分数(g, f, n′, m)-临界消去图的领域并条件", 西南师范大学学报(自然科学版), vol. 42, no. 08, pages 13 - 17 *

Also Published As

Publication number Publication date
CN116596372B (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
Rahman et al. GIS based mapping of vulnerability to earthquake and fire hazard in Dhaka city, Bangladesh
Żak et al. The selection of the logistics center location based on MCDM/A methodology
Gabrielli et al. Dissecting global air traffic data to discern different types and trends of transnational human mobility
Krykewycz et al. Defining a primary market and estimating demand for major bicycle-sharing program in Philadelphia, Pennsylvania
CN106846225B (zh) 一种火灾应急救助方法
Truong-Hong et al. Automatically extracting surfaces of reinforced concrete bridges from terrestrial laser scanning point clouds
Samsonov et al. Object-oriented approach to urban canyon analysis and its applications in meteorological modeling
JP2008014743A (ja) 移動体位置推定システム、及び、移動体位置推定方法
Roghanian et al. The combination of TOPSIS method and Dijkstra’s algorithm in multi-attribute routing
CN114548811A (zh) 一种机场可达性的检测方法、装置、电子设备及存储介质
CN112668461A (zh) 一种具有野生动物识别的智能监管系统
Raczko et al. Asbestos roofing recognition by use of convolutional neural networks and high-resolution aerial imagery. Testing different scenarios
CN116596372B (zh) 物流节点选择方法、装置、设备及存储介质
Hadi et al. GIS based multi-criteria decision making for flood vulnerability index assessment
CN108038151B (zh) 一种监控区域确定方法和系统
CN110390144B (zh) 导向标识布设信息的确定方法、装置、设备及存储介质
Xia et al. An integrated spatial clustering analysis method for identifying urban fire risk locations in a network-constrained environment: A case study in nanjing, china
CN116070385B (zh) 一种境外矿产资源供应链风险自动识别方法及系统
Lin et al. Sustainable ship management post covid-19 with in-ship positioning services
Mukhamediev et al. Intelligent unmanned aerial vehicle technology in urban environments
Ibrahim et al. Bridge monitoring and management system using GIS
CN110895551B (zh) 地铁站服务范围确定方法及系统
JP7174601B2 (ja) 天端面段差抽出システム、及び天端面段差抽出方法
Kim et al. Selection of take-off and landing sites for firefighter drones in urban areas using a GIS-based multi-criteria model
Najafifar et al. Presentation of landscape-fuzzy approach of forest capability evaluation (LFAFCE) for degraded sites

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
GR01 Patent grant
GR01 Patent grant