基于改進(jìn)TOPSIS模型的農(nóng)村物流服務(wù)站點(diǎn)選址評(píng)價(jià)

詹　斌，馮　樂(lè)

（武漢理工大學(xué)　交通運(yùn)輸管理系，湖北　武漢　430063）

基于改進(jìn)TOPSIS模型的農(nóng)村物流服務(wù)站點(diǎn)選址評(píng)價(jià)

詹斌，馮樂(lè)

（武漢理工大學(xué)交通運(yùn)輸管理系，湖北武漢430063）

在借鑒現(xiàn)有農(nóng)村物流服務(wù)站點(diǎn)選址評(píng)價(jià)指標(biāo)的基礎(chǔ)上，建立起農(nóng)村物流服務(wù)站點(diǎn)選址評(píng)價(jià)指標(biāo)體系，利用改進(jìn)TOPSIS模型對(duì)農(nóng)村物流服務(wù)站點(diǎn)選址進(jìn)行評(píng)價(jià)。利用信息熵法和本征向量法求出各指標(biāo)的客觀權(quán)重和主觀權(quán)重，并將客觀權(quán)重與主觀權(quán)重進(jìn)行融合。采用Minkowski距離替換傳統(tǒng)TOPSIS法中的Euclid距離，對(duì)各農(nóng)村物流服務(wù)站點(diǎn)選址進(jìn)行了評(píng)價(jià)。最后分析了該評(píng)價(jià)模型的可行性和實(shí)用性，分析結(jié)果表明該評(píng)價(jià)模型計(jì)算簡(jiǎn)單，決策較為科學(xué)，是一種有效的綜合評(píng)價(jià)方法。

物流管理；農(nóng)村物流；服務(wù)站點(diǎn)；改進(jìn)TOPSIS模型；選址評(píng)價(jià)

1　引言

近年來(lái)隨著我國(guó)物流業(yè)快速發(fā)展，農(nóng)村物流已經(jīng)成為制約物流成本進(jìn)一步降低的瓶頸。我國(guó)農(nóng)村物流發(fā)展落后的主要原因是農(nóng)村居民物流意識(shí)薄弱，農(nóng)村生產(chǎn)力水平較低，農(nóng)村物流服務(wù)站點(diǎn)建設(shè)投入不足。好的農(nóng)村物流服務(wù)站點(diǎn)選址方案可以有效地降低運(yùn)輸成本，節(jié)省存儲(chǔ)費(fèi)用，提高運(yùn)輸質(zhì)量，確保農(nóng)村物流系統(tǒng)的快速發(fā)展。農(nóng)村物流服務(wù)站點(diǎn)的選址對(duì)于農(nóng)村物流系統(tǒng)的建設(shè)和發(fā)展十分重要，因此對(duì)農(nóng)村物流服務(wù)站點(diǎn)選址評(píng)價(jià)進(jìn)行相應(yīng)的研究具有十分重要的理論與現(xiàn)實(shí)意義。

關(guān)于物流服務(wù)中心選址評(píng)價(jià)問(wèn)題，國(guó)內(nèi)外學(xué)者進(jìn)行了較為深入的研究。Eiichi Taniguchi，Michihiko Noritake［1］等人綜合運(yùn)用Bender分解算法、分枝定界法解決能力不受限、運(yùn)費(fèi)與距離是非線性凸函數(shù)關(guān)系的選址問(wèn)題。Chen-Tung Chen［2］利用決策數(shù)據(jù)的模糊性，利用模糊綜合評(píng)價(jià)進(jìn)行物流配送中心選址分析。Cengiz Kahraman［3］等人運(yùn)用多種模糊多屬性群決策方法對(duì)選址問(wèn)題進(jìn)行求解，并對(duì)四種不同的決策方法進(jìn)行了對(duì)比。韓慶蘭等［4］通過(guò)建立選址決策模糊評(píng)價(jià)矩陣，利用BP人工神經(jīng)網(wǎng)絡(luò)分析處理數(shù)據(jù)，對(duì)多個(gè)方案進(jìn)行了較客觀地評(píng)價(jià)。鄒建平，吳應(yīng)宇［5］提出一種基于模糊TOPSIS的方法評(píng)價(jià)區(qū)域物流基礎(chǔ)設(shè)施布局方案。李玉民［6］等人利用AHP-TIPSIS構(gòu)建評(píng)價(jià)模型對(duì)物流園區(qū)綜合競(jìng)爭(zhēng)力進(jìn)行了評(píng)價(jià)。現(xiàn)有研究大多集中于對(duì)物流配送中心選址評(píng)價(jià)，對(duì)農(nóng)村物流服務(wù)站點(diǎn)選址評(píng)價(jià)的研究相對(duì)較少，且在確定權(quán)重時(shí)多采用層次分析法、熵權(quán)法等，沒(méi)有充分考慮主、客觀影響因素。本文提出一種基于改進(jìn)TOPSIS模型的農(nóng)村物流服務(wù)站點(diǎn)選址評(píng)價(jià)方法。該方法綜合考慮了主觀與客觀因素，采用本征向量法與信息熵法獲得指標(biāo)權(quán)重，使評(píng)價(jià)更加合理、可信。

2　建立農(nóng)村物流服務(wù)站點(diǎn)評(píng)價(jià)指標(biāo)體系

影響農(nóng)村物流服務(wù)站點(diǎn)選址好壞的因素有很多，通過(guò)閱讀文獻(xiàn)以及咨詢相關(guān)專家，結(jié)合農(nóng)村物流特點(diǎn)，本文把影響農(nóng)村物流服務(wù)站點(diǎn)選址評(píng)價(jià)的指標(biāo)歸納為以下5類，并建立相應(yīng)的評(píng)價(jià)指標(biāo)體系，具體見(jiàn)表1。

表1　農(nóng)村物流服務(wù)站點(diǎn)選址評(píng)價(jià)指標(biāo)體系

2.1基礎(chǔ)設(shè)施因素

基礎(chǔ)設(shè)施因素主要包括站點(diǎn)的面積、站點(diǎn)信息化程度以及站點(diǎn)技術(shù)裝備水平。站點(diǎn)的面積大小影響站點(diǎn)開(kāi)展農(nóng)村物流服務(wù)的能力，合理的站點(diǎn)面積有利于增強(qiáng)運(yùn)營(yíng)能力。信息化程度是農(nóng)村物流服務(wù)站點(diǎn)新的生產(chǎn)力，信息化水平反映了站點(diǎn)接受信息、處理信息的能力，較高的信息化程度有助于提高站點(diǎn)的運(yùn)轉(zhuǎn)效率。技術(shù)裝備水平是評(píng)價(jià)站點(diǎn)發(fā)展水平的重要因素，為物流園區(qū)的正常運(yùn)轉(zhuǎn)提供了保障。

2.2交通條件因素

交通條件因素主要包括站點(diǎn)所在地理區(qū)位、站點(diǎn)周邊交通條件。農(nóng)村物流服務(wù)站點(diǎn)是農(nóng)產(chǎn)品、農(nóng)資產(chǎn)品及日用消費(fèi)品的集散地，好的地理區(qū)位可以提高服務(wù)的便利性，同時(shí)可以降低物流成本。站點(diǎn)周邊交通條件便利為實(shí)現(xiàn)規(guī)模運(yùn)輸、大量貨物吞吐創(chuàng)造了條件，從而提高站點(diǎn)的競(jìng)爭(zhēng)力。

2.3運(yùn)營(yíng)管理因素

農(nóng)村物流服務(wù)站點(diǎn)的穩(wěn)定發(fā)展需要高水平的運(yùn)營(yíng)管理。運(yùn)營(yíng)管理因素涉及生產(chǎn)管理、站點(diǎn)發(fā)展水平等方面。主要因素有服務(wù)站點(diǎn)吞吐量、站點(diǎn)年收益、站點(diǎn)客戶滿意度、站點(diǎn)物流人才比例。

2.4政策環(huán)境因素

政策環(huán)境因素是農(nóng)村物流服務(wù)站點(diǎn)選址的重要影響因素之一。當(dāng)?shù)卣闹С殖潭纫约疤峁┑姆龀终咧苯佑绊戅r(nóng)村物流相關(guān)企業(yè)的投資積極性。政策環(huán)境主要影響因素有站點(diǎn)用地的可得性、規(guī)劃銜接性、站點(diǎn)建設(shè)資金補(bǔ)助。

2.5自然環(huán)境因素

合適的自然環(huán)境條件可以減少農(nóng)產(chǎn)品在存儲(chǔ)時(shí)的損耗。由于農(nóng)產(chǎn)品易腐敗的特性，農(nóng)村物流服務(wù)站點(diǎn)在選址時(shí)經(jīng)常需要考慮到地形、溫度、降水量、風(fēng)力等自然條件。通過(guò)總結(jié)分析本文選取了地形條件、氣象條件、水文地質(zhì)條件三個(gè)自然環(huán)境因素。

3　改進(jìn)TOPSIS模型介紹

本文TOPSIS（優(yōu)劣解距離法）是Hwang和Yoon在1981年提出的用于解決多目標(biāo)決策分析問(wèn)題的有效方法［7］。TOPSIS法的基本思想是：構(gòu)造一個(gè)虛擬的最優(yōu)解與一個(gè)虛擬的最劣解，通過(guò)計(jì)算分析各評(píng)價(jià)對(duì)象與最優(yōu)解、最劣解的距離來(lái)進(jìn)行相應(yīng)排序。如果評(píng)價(jià)對(duì)象最靠近最優(yōu)解同時(shí)又最遠(yuǎn)離最劣解，那么該評(píng)價(jià)對(duì)象為最好，否則該評(píng)價(jià)對(duì)象不為最優(yōu)。文章通過(guò)改進(jìn)權(quán)重的確定方法以及利用Minkowaki距離代替?zhèn)鹘y(tǒng)的Euclid距離使選址的評(píng)價(jià)結(jié)果更加真實(shí)可靠。

3.1信息熵法與本征向量法聯(lián)合確定指標(biāo)權(quán)重。

本文通過(guò)信息熵法與本征向量法分別確定評(píng)價(jià)指標(biāo)的客觀權(quán)重與主觀權(quán)重，得到指標(biāo)的客觀權(quán)重與主觀權(quán)重后利用最小鑒別信息理論得到組合權(quán)重。

3.1.1利用信息熵法計(jì)算客觀權(quán)重。xi表示某系統(tǒng)X可能出現(xiàn)的狀態(tài)，p（xi）表示狀態(tài)xi出現(xiàn)的概率，系統(tǒng)的不確定性用系統(tǒng)的熵H（X）來(lái)表示，則：

由式（1）可知，信息熵越小，系統(tǒng)信息的無(wú)序度就越低，貢獻(xiàn)就越大。信息熵越大，系統(tǒng)信息的無(wú)序度越高，貢獻(xiàn)越小。計(jì)算客觀權(quán)重的具體步驟為：

（1）確定樣本對(duì)象，計(jì)算屬性j下各方案比重，求出規(guī)范化決策矩陣式中

（2）第j個(gè)評(píng)價(jià)指標(biāo)的信息熵為：

（3）計(jì)算偏差度dj：

（4）計(jì)算評(píng)價(jià)指標(biāo)客觀權(quán)重：

所以各評(píng)價(jià)指標(biāo)的客觀權(quán)重為α=｛αj｝（j=1，2，…，n）。

3.1.2利用改進(jìn)本征向量法計(jì)算主觀權(quán)重。主觀權(quán)重計(jì)算利用基于標(biāo)度拓展法［8］的本征向量法，該方法具有判別次數(shù)少、不需進(jìn)行一致性檢驗(yàn)等優(yōu)點(diǎn)。該方法首先要構(gòu)造判斷矩陣，具體步驟為：按照重要程度不減的方式對(duì)n個(gè)評(píng)價(jià)指標(biāo)進(jìn)行排序，比較相鄰的兩個(gè)指標(biāo)得到標(biāo)度值ti，具體數(shù)值見(jiàn)表2。

表2　各標(biāo)度值的含義

排序完成后按照各個(gè)指標(biāo)重要程度的傳遞性得到判斷矩陣B如下：

上述判斷矩陣不需進(jìn)行一致性檢驗(yàn)，計(jì)算權(quán)重公式如下：

3.1.3融合主客觀權(quán)重。根據(jù)最小鑒別信息原理［9］，使組合權(quán)重ωj盡量接近αj與βj，構(gòu)造相應(yīng)的目標(biāo)函數(shù)如下：

求解公式（7），相應(yīng)的拉格朗日函數(shù)如下：

根據(jù)上式得組合權(quán)重為：

3.2基于閔可夫斯基距離的TOPSIS法

由于傳統(tǒng)TOPSIS法是利用歐幾里得距離來(lái)判斷各方案與最優(yōu)解和最劣解的距離，該方法在計(jì)算過(guò)程中加倍放大了權(quán)重對(duì)決策結(jié)果的影響，而采用閔可夫斯基距離可以避免這一問(wèn)題，并且計(jì)算結(jié)果更符合實(shí)際［10］?；陂h可夫斯基距離的TOPSIS法的決策步驟如下：

（1）將數(shù)據(jù)進(jìn)行預(yù)處理，得到相應(yīng)的決策矩陣，對(duì)決策矩陣進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化決策矩陣Z=｛zij｝。

（2）構(gòu)建正理想解x*和負(fù)理想解x0。針對(duì)成本型指標(biāo)xij，正理想解xj*=min（xij），負(fù)理想解xj0=max（xij）；針對(duì)效益型指標(biāo)xij，正理想解xj*=max（xij），負(fù)理想解xj0=min（xij）。

（3）計(jì)算各備選方案與x*和x0的加權(quán)閔可夫斯基距離為：

當(dāng)p取2時(shí)，閔可夫斯基距離就是歐幾里德距離，而且沒(méi)有放大權(quán)重ωj對(duì)距離的影響。

（4）計(jì)算備選方案的排隊(duì)指示值Ci*，按照計(jì)算結(jié)果從大到小對(duì)各備選方案進(jìn)行排序，從而得出各方案的優(yōu)劣次序。

4　案例分析

十堰市地處湖北省西北部，山區(qū)面積占全市面積比例大，對(duì)農(nóng)村物流發(fā)展需求大。本文選取十堰市竹溪縣豐溪交通綜合服務(wù)站（S1）、蔣家堰交通綜合服務(wù)站（S2）、梅子交通綜合服務(wù)站（S3）、水坪交通綜合服務(wù)站（S4）、泉溪交通綜合服務(wù)站（S5），5個(gè)鄉(xiāng)鎮(zhèn)農(nóng)村物流服務(wù)站點(diǎn)作為評(píng)價(jià)對(duì)象。

根據(jù)實(shí)地考察、現(xiàn)有資料、調(diào)查問(wèn)卷及專家打分等方法得到5個(gè)評(píng)價(jià)對(duì)象在相應(yīng)評(píng)價(jià)體系中的各項(xiàng)數(shù)據(jù)、分值（見(jiàn)表3）。其中專家打分分值范圍為0～10分，分值越高代表專家認(rèn)為該評(píng)價(jià)對(duì)象越好。

表3　各評(píng)價(jià)指標(biāo)的原始數(shù)據(jù)

（1）構(gòu)造標(biāo)準(zhǔn)化決策矩陣。對(duì)表3原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)0-1化得到規(guī)范化決策矩陣Z如下：

（2）權(quán)重計(jì)算。按照公式（1）-（4）計(jì)算得出各指標(biāo)的客觀權(quán)重，具體數(shù)值見(jiàn)表4。根據(jù)表4的結(jié)果可以得出站點(diǎn)面積對(duì)農(nóng)村物流服務(wù)點(diǎn)選址評(píng)價(jià)的影響最大，地理區(qū)位、站點(diǎn)收益、站點(diǎn)年吞吐量等影響因素對(duì)評(píng)價(jià)結(jié)果也具有較大影響，其他指標(biāo)的權(quán)重偏小。

表4　各評(píng)價(jià)指標(biāo)的客觀權(quán)重

根據(jù)本征向量法，將15個(gè)評(píng)價(jià)指標(biāo)按照重要程度不減的標(biāo)準(zhǔn)進(jìn)行排序得到：B4≥B6≥B7≥B1≥B5≥B8≥B12≥B11≥B2≥B3≥B9≥B13≥B14≥B15≥B10

根據(jù)公式（5）-（9）計(jì)算得出各指標(biāo)的主觀權(quán)重，各評(píng)價(jià)指標(biāo)標(biāo)度值見(jiàn)表5，具體計(jì)算結(jié)果見(jiàn)表6。

表5　各評(píng)價(jià)指標(biāo)標(biāo)度值

表6　各評(píng)價(jià)指標(biāo)主觀權(quán)重

將表4及表6的計(jì)算結(jié)果代入公式（7）-（9）得出各評(píng)價(jià)指標(biāo)的組合權(quán)重，具體結(jié)果見(jiàn)表7。

表7　各評(píng)價(jià)指標(biāo)組合權(quán)重

組合權(quán)重既考慮了客觀權(quán)重，又根據(jù)實(shí)際主觀權(quán)重進(jìn)行了相應(yīng)的調(diào)整，從而提高了權(quán)重的可信度。根據(jù)表7組合權(quán)重的數(shù)值可得：各影響因素中地理區(qū)位所占的權(quán)重最大，站點(diǎn)面積、站點(diǎn)年收益、站點(diǎn)年吞吐量對(duì)于站點(diǎn)選址評(píng)價(jià)結(jié)果也有較大影響。

（3）基于閔可夫斯基距離的TOPSIS法排序。根據(jù)公式（10）-（12）計(jì)算5個(gè)待評(píng)價(jià)方案離正理想解與負(fù)理想解的距離，得出備選方案的排隊(duì)指示值Ci*。計(jì)算結(jié)果見(jiàn)表8。

表8　各待評(píng)價(jià)站點(diǎn)排隊(duì)指示值

由表8可以得出5個(gè)農(nóng)村物流服務(wù)站點(diǎn)排隊(duì)指示值從大到小排序?yàn)椋篠5≥S1≥S4≥S2≥S3，因此對(duì)5個(gè)農(nóng)村物流服務(wù)站點(diǎn)由好到差排序?yàn)槿煌ňC合服務(wù)站（S5）-豐溪交通綜合服務(wù)站（S1）-水坪交通綜合服務(wù)站（S4）-蔣家堰交通綜合服務(wù)站（S2）-梅子交通綜合服務(wù)站（S3）。

5　結(jié)論

針對(duì)農(nóng)村物流服務(wù)站點(diǎn)選址評(píng)價(jià)問(wèn)題的研究國(guó)內(nèi)外還比較少，現(xiàn)有研究在確定權(quán)重時(shí)多采用層次分析法或熵權(quán)法，都有一定的局限性，沒(méi)有同時(shí)考慮主觀影響與客觀影響。文中利用信息熵法與本征向量法分別確定客觀權(quán)重與主觀權(quán)重，并將主、客觀權(quán)重進(jìn)行融合，提高了指標(biāo)權(quán)重的準(zhǔn)確性。同時(shí)為減小權(quán)重對(duì)最后評(píng)價(jià)結(jié)果的影響，在使用TOPSIS模型時(shí)采用了閔可夫斯基距離代替歐幾里德距離進(jìn)行計(jì)算評(píng)價(jià)，該改進(jìn)提高了TOPSIS模型在進(jìn)行評(píng)價(jià)時(shí)的可信度。文中改進(jìn)TOPSIS模型在實(shí)際使用過(guò)程中計(jì)算簡(jiǎn)單，可信度較高，對(duì)農(nóng)村物流服務(wù)站點(diǎn)選址具有一定的指導(dǎo)意義。

［1］Eiichi Taniguchi，Michihiko Noritake，Tadashi Yamada，et al. Optimal Size and Location Planning of Public Logistics Terminals［J］.Transportation Research Part E Logistics and Transportation Review，1999，（35）.

［2］Chen Chen-Tung.A fuzzy approach to select the location of the distribution center［J］.Fuzzy Sets and Systems，2001，（1）.

［3］Kahraman C，Ruan D，Dogan I.Fuzzy group decision-making for facility location selection［J］.Journal of Information Science，2003，（2）.

［4］韓慶蘭，梅運(yùn)先.基于BP人工神經(jīng)網(wǎng)絡(luò)的物流配送中心選址決策［J］.中國(guó)軟科學(xué)，2004，（6）:140-143.

［5］鄒建平，吳應(yīng)宇.基于模糊TOPSIS方法的區(qū)域物流基礎(chǔ)設(shè)施布局方案評(píng)價(jià)研究［J］.東南大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2011，（1）.

［6］李玉民，郭利利，劉旻哲.基于AHP-TOPSIS的物流園區(qū)綜合競(jìng)爭(zhēng)力評(píng)價(jià)模型研究［J］.鄭州大學(xué)學(xué)報(bào)（工學(xué)版），2014，（6）: 125-128.

［7］Hwang C L，Yoon K.Multiple Decision Making Methodls and Applications［M］.New York:Springer-Verlag，1981.

［8］黃德才，鄭河榮.AHP方法中判斷矩陣的標(biāo)度擴(kuò)展構(gòu)造法［J］.系統(tǒng)工程，2003，（1）:105-109.

［9］朱雪龍.應(yīng)用信息論基礎(chǔ)［M］.北京:清華大學(xué)出版社，2001.

［10］Yong-Huang Lin，Pin-Chan Lee，Ta-Peng Chang，Hsin-I Ting.Multi-attribute group decision making model under the condition of uncertain information［J］.Automation in Construction，2008，（6）.

Assessment of Location of Rural Logistics Service Outlets Based on Improved TOPSIS Model

Zhan Bin，F(xiàn)eng Le
（Department of Transportation Management，Wuhan University of Technology，Wuhan 430063，China）

In this paper，on the basis of referencing the available evaluation index system for the location allocation of the rural logistics service outlets，we built the corresponding assessment index system which incorporated the improved TOPSIS model to assess the location of the service outlets.Next，we used the information entropy process and the eigenvector process to yield the objective and subjective weight of the indexes and then integrate the two.Then by substituting the Euclid distance in the traditional TOPSIS with the Minkowski distance，we assessed the location of the various outlets.At the end，we analyzed and verified the feasibility and practicality of the model.

logistics management；rural logistics；service outlet；improved TOPSIS；location evaluation

F224；F326.6

A

1005-152X（2016）04-0078-05

10.3969/j.issn.1005-152X.2016.04.020

2016-03-07

詹斌（1966-），男，武漢理工大學(xué)交通學(xué)院教授，博士，主要研究方向：交通運(yùn)輸系統(tǒng)優(yōu)化與決策、物流管理、運(yùn)輸市場(chǎng)與運(yùn)輸政策、物流系統(tǒng)優(yōu)化與仿真。