“一帶一路”視角下基于模糊證據(jù)推理的物流園區(qū)選址方法

周映筱，趙 鵬

(北京交通大學(xué) 交通運(yùn)輸學(xué)院，北京 100044)

?

“一帶一路”視角下基于模糊證據(jù)推理的物流園區(qū)選址方法

周映筱，趙 鵬

(北京交通大學(xué) 交通運(yùn)輸學(xué)院，北京 100044)

基于模糊理論和證據(jù)推理理論提出了一種基于模糊證據(jù)推理的物流園區(qū)選址方法.該方法首先確定“一帶一路”下物流園區(qū)選址的評價維度，然后采用專家評分的方式得到每個備選選址在不同維度上的模糊評分，接著采用模糊Dempster-Shafer規(guī)則將備選方案在不同維度上的得分進(jìn)行集成，最后根據(jù)綜合得分鑒別出最優(yōu)的備選方案.本文提出的園區(qū)選址方法是證據(jù)推理理論在物流園區(qū)選址問題上的一種新的嘗試，旨為企業(yè)界和相關(guān)政府主管部門進(jìn)行“一帶一路”物流園區(qū)選址決策提供新的支撐工具.

物流園區(qū)選址；證據(jù)推理理論；模糊集

高效的物流基礎(chǔ)設(shè)施是我國“一帶一路”戰(zhàn)略順利推進(jìn)的重要保障和前提.但是由于我國位于“一帶一路”沿線的省市很多處在欠發(fā)達(dá)的內(nèi)陸和西部地區(qū)，所以物流園區(qū)建設(shè)水平相對落后.一些省市雖然已經(jīng)建設(shè)了物流園區(qū)，但是由于規(guī)劃時間較早，未能放到此戰(zhàn)略背景下進(jìn)行考慮，因此，科學(xué)合理地加強(qiáng)沿線省市物流園區(qū)的建設(shè)是保證“一帶一路”戰(zhàn)略順利實(shí)施的必要條件.

鑒于選址工作在物流設(shè)施規(guī)劃中的重要意義，學(xué)者們已經(jīng)對物流設(shè)施的選址方法進(jìn)行了大量的探討.常用的選址方法可以分為4類，第1類是基于綜合得分排序的方法，其中最具代表性的是層次分析

法[1-2]、模糊綜合評價法[3-6]和TOPSIS法[7-10]等.該類方法一般應(yīng)用于備選方案的擇優(yōu)問題，雖然具有能夠充分利用專家智慧和經(jīng)驗(yàn)、操作方便等優(yōu)點(diǎn)，但是無法有效解決專家判斷的主觀偏誤問題；第2類是基于優(yōu)化理論的選址方法，包括重心法[11-12]、最短路徑法[13-14]、Baumol-Wolfe模型[15]、雙層規(guī)劃法[16-17]和混合整數(shù)規(guī)劃法[18-19].第3類是基于智能模型的方法，主要是基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的選址方法，典型的研究可參考文獻(xiàn)[20-21].第2類和第3類方法無需預(yù)先確定備選方案，能夠直接生成最優(yōu)方案，但是需要非常細(xì)節(jié)的實(shí)際數(shù)據(jù)或充足的數(shù)據(jù)積累，這在現(xiàn)實(shí)問題中往往難以滿足；第4類是組合選址方法，如文獻(xiàn)[22-23]分別將AHP和Steiner樹，AHP和目標(biāo)規(guī)劃進(jìn)行了組合.組合模型擁有不同模型的優(yōu)點(diǎn)，同時也具有各自模型的不足；除了以上4類主要方法外，還有一些其他的方法，但是每種方法文獻(xiàn)量很少且不成體系，如文獻(xiàn)[24-25]分別運(yùn)用改進(jìn)的DEA模型和魯棒優(yōu)化理論解決物流中心選址問題.

“一帶一路”戰(zhàn)略的推行賦予物流園區(qū)選址工作新的特點(diǎn)，其中選址工作的前瞻性、系統(tǒng)性和數(shù)據(jù)難以獲取性是3個極其鮮明的特點(diǎn)，這意味著在此戰(zhàn)略背景下的物流園區(qū)選址工作面臨3個困難：①在進(jìn)行物流園區(qū)選址時必須同時兼顧當(dāng)前具體要素和未來戰(zhàn)略兩個方面；②戰(zhàn)略的推行將在較長時間內(nèi)對我國交通物流行業(yè)產(chǎn)生重要影響，從而使經(jīng)濟(jì)變量取值出現(xiàn)較大不確定性；③在戰(zhàn)略推行初期，相關(guān)數(shù)據(jù)嚴(yán)重缺乏.現(xiàn)有模型無法勝任“一帶一路”背景下的物流園區(qū)選址工作，必須研究新的選址方法.

鑒于“一帶一路”背景下物流園區(qū)選址的特點(diǎn)和難點(diǎn)，本文作者將模糊理論和證據(jù)推理理論相結(jié)合提出了一種基于模糊證據(jù)推理理論的選址方法，確定了選址模型中的6個評價指標(biāo):政策環(huán)境、地緣因素、基礎(chǔ)設(shè)施、土地可得性、自然環(huán)境和發(fā)展?jié)摿?該方法著重考慮“一帶一路”下物流園區(qū)選址的新要求，既是證據(jù)推理理論在物流選址領(lǐng)域的新嘗試，也可為我國物流園區(qū)選址工作提供一種新工具.

1 理論框架

本文提出的物流園區(qū)選址方法綜合運(yùn)用了模糊理論、配對對比方法和證據(jù)推理理論，然后集成這3種理論得到基于模糊理論和證據(jù)推理理論的多目標(biāo)決策方法，最后將該方法用于最優(yōu)備選物流園區(qū)選址的評價.

1.1 模糊理論

在物流園區(qū)選址決策中人們難以找到一個定量化指標(biāo)以精確地判斷選址的優(yōu)劣，因此本文借助模糊集合理論來解決這個問題.

模糊集的概念可以由精確集引申而來，特征函數(shù)(隸屬度函數(shù))是連接二者的紐帶.特征函數(shù)的值可以用來判斷某個元素是否存在于特定集合內(nèi).假設(shè)存在一個n重符合變量X={X1,X2,…,Xn}，其論域記為U={U1×U2×…×Un}，R(X1,X2,…,Xn)是U上的一個n元限制，則集合{X,U,R(X;u)}中元素的特征函數(shù)可記為μR:U1×U2×…×Un→{0,1}并由下式定義：

(1)

式(1)說明精確集元素的特征函數(shù)的取值只能為0或1兩種可能，非常明確.

然而對于模糊集而言，各元素的特征函數(shù)值不僅僅取0或1，而可以取區(qū)間[0,1]的任何值.所以模糊集合定義為“隸屬度可在集合[0,1]上連續(xù)取值的一類對象的集合”.模糊集的嚴(yán)格定義可以描述如下：假設(shè)一個精確集的論域?yàn)閁={U1,…,Un}，記為U=∑iUi，注意此處的∑不是加法運(yùn)算而是表示聯(lián)(集合運(yùn)算方法).記μi為Ui在論域U的一個模糊子集F中的特征函數(shù)，則模糊子集F可表示為

(2)

1.2 配對對比法

為了更加客觀全面地評價備選選址，需要綜合考慮多方面的因素、采用多個評價指標(biāo).但是每個評價指標(biāo)的重要程度是不相同的，需要采用科學(xué)的方式為不同的評價指標(biāo)分配權(quán)重,配對比較法是解決以上問題的有效手段.

假設(shè)一個備選選址的評價指標(biāo)體系由m (本例中m=3) 個評價指標(biāo)構(gòu)成，記為{E1, E2, E3}.配對比較法的具體步驟可以描述為：

1)采用百分制構(gòu)造配對比較表(此處數(shù)據(jù)只是一個示例,在實(shí)際操作中數(shù)據(jù)由專家討論給出)，如表1所示.

表1 配對比較表ⅠTab.1 Pairwise comparison table Ⅰ

相應(yīng)地令

(3)

2)令cij=aij/aji(i≠j) 且cii=1，其中aij表示A中第i行第j列元素.令C=[cij],從而構(gòu)造出中間配對比較矩陣C.

3)對配對比較矩陣C進(jìn)行一致性檢驗(yàn).若C具有滿意的一致性，則轉(zhuǎn)到第4)步，否則請專家調(diào)整評價結(jié)果.

4)將C中同一列的第i行的數(shù)值除以第i+1(i=1,…,m-1)行的數(shù)值,計(jì)算值見表2.

表2 配對比較表ⅡTab.2 Pairwise comparison table Ⅱ

5)計(jì)算表2中每行的平均值.

(4)

(5)

6)令評價指標(biāo)E3的平均相對重要性為1，記為mean(E3)=1，根據(jù)式(4)和式(5)可得到E1和E2相對重要性的計(jì)算公式.

7)將評價指標(biāo)E1，E2和E3的平均相對重要性標(biāo)準(zhǔn)化,即得到最終的權(quán)重分配.

通過以上步驟，可以得到評價指標(biāo)體系{E1,E2,E3}的權(quán)重分配.

1.3 證據(jù)推理理論

證據(jù)推理是通過D-S (Dempster-Shafer) 理論把多個觀測或多個評價因素集成起來得到對事物的綜合評價.D-S理論的一個重要概念是mass函數(shù).mass函數(shù)m(x)的功能是將x的子集A映射為一個位于區(qū)間[0,1]上的實(shí)數(shù)，且滿足以下性質(zhì)：

m(φ)=0,m(A)≥0

(11)

∑A?xm(A)=1

(12)

其中φ表示空集.若x的子集A 滿足m(A)>0則稱A為函數(shù)m的焦元.設(shè)m1和m2表示x上的兩個mass函數(shù)，A?x且A≠φ則m1和m2的直和可以定義為

(13)

式(13)稱為D-S集成規(guī)則.式中:A是m1⊕m2的焦元;B和C分別表示m1和m2的焦元.式(13)意味著m1⊕m2的焦元可以通過對m1和m2的焦元做交運(yùn)算得到，且(m1⊕m2)(φ)=0.

在證據(jù)推理理論中，可信度和似然度是兩個非常重要的概念，也是衡量評價對象綜合水平的重要統(tǒng)計(jì)量.可信度和似然度分別表示一個未知概率函數(shù)的下界和上界.模糊集上的可信度和似然度的計(jì)算公式可寫為

Bl(B)=∑ainf(Aa?B)m(Aa)

(14)

Pl(B)=∑asup(B∧Aa)m(Aa)

(15)

式中:Aa表示第a個焦元；Aa?B表示Aa∨B;inf(Aa?B)表示Aa被B包含的程度;sup(B∧Aa)表示B和Aa相交的程度;sup和inf都是模糊運(yùn)算符;表示運(yùn)算符“非”.

1.4 基于模糊證據(jù)推理的多目標(biāo)決策方法

將模糊理論、配對對比法和證據(jù)推理理論相結(jié)合，可以得到基于模糊理論和證據(jù)推理理論的多目標(biāo)決策(多因素綜合評價)方法，具體步驟描述如下：

7)根據(jù)算式計(jì)算可信度和似然度

其中A?是由所有mass函數(shù)的焦元相互組合而形成的集合中的第?個元素.

8)計(jì)算似然度和可信度的和BPl=Bl(objj)+Pl(objj)，并以此作為最終的綜合評價標(biāo)準(zhǔn).

9)將待評價對象根據(jù)BPl的值按照從大到小的順序排列，將排名最高的參評對象作為最優(yōu)方案.

2 基于模糊集和證據(jù)推理的選址模型

本文選址模型考慮的因素包括政策環(huán)境、地緣因素、基礎(chǔ)設(shè)施、土地可得性、自然環(huán)境和發(fā)展?jié)摿Φ?個指標(biāo)，依次記為S={Si，i=1,…,6}.假設(shè)每個評價指標(biāo)的評級都是具有5個等級“非常好”、“好”、“一般”、“差”和“非常差”，記為A={Aj，j=1,…,5}.需要進(jìn)行評價指標(biāo)的配對分析、專家模糊評分、基于證據(jù)推理的綜合評價，直到最終得到最優(yōu)選址方案.

2.1 評價指標(biāo)的配對分析

針對每個Si(i=1,…,6)，都可以建立一個5維配對對比矩陣H={Hpq，p,q=1,…,6}表示指標(biāo)Si的評價級別對“當(dāng)前選址是物流園區(qū)最佳選址”這條判斷的支持力度.如對于指標(biāo)S1，若H31=75而H13=25，則表示對于指標(biāo)“環(huán)境政策”而言，“非常好”的政策環(huán)境對“當(dāng)前選址是物流園區(qū)最佳選址”判斷的支持力度是“一般”政策環(huán)境的3倍.

將配對對比得到的Si(i=1,…,6)的不同評級的權(quán)重向量記為

(18)

2.2 專家模糊評分

隸屬度函數(shù)是模糊評分的重要基礎(chǔ)，雖然學(xué)者們已提出多種隸屬度函數(shù)形態(tài)，但是三角隸屬度函數(shù)以期簡單易行和計(jì)算復(fù)雜度小的特點(diǎn)得到了廣泛的應(yīng)用.三角隸屬度函數(shù)數(shù)學(xué)表達(dá)式的一般形式為

(19)

式中:l、m、u分別是起點(diǎn)、最大值點(diǎn)和終點(diǎn)的橫坐標(biāo)值.

圖1展示了多個不同評價等級Ri(i=1,…,4)的三角隸屬度函數(shù).

為了更加方便地表達(dá)三角隸屬度函數(shù)，可以用隸屬度函數(shù)3個頂點(diǎn)(起點(diǎn)、最大值點(diǎn)、終點(diǎn))的橫坐標(biāo)數(shù)值的組合來表示該函數(shù).如，評價等級Ri的三角隸屬度函數(shù)可表示為(li,mi,ui)(i=1,…,4)，即第i個評價等級的起點(diǎn)、最大值點(diǎn)和終點(diǎn)橫坐標(biāo)的組合.

隸屬度函數(shù)的確定要通過專家判斷來進(jìn)行，經(jīng)常使用專家系統(tǒng)來保證判斷結(jié)果的可靠性.本節(jié)采用了5級評判標(biāo)準(zhǔn)，所以最終得到的三角隸屬度函數(shù)可記為{(li,mi,ui),i=1,…,4}.根據(jù)隸屬度函數(shù)，專家可以針對備選選址A在每個評價指標(biāo)上做出模糊評價，數(shù)學(xué)表達(dá)式為

式中:Aij表示指標(biāo)i的第j個評價等級；μij表示專家針對當(dāng)前評價對象在Aij上的隸屬度.

2.3 基于證據(jù)推理的綜合評價

首先構(gòu)造不同評價指標(biāo)的評價等級的mass函數(shù)，令指標(biāo)i的第j個評價等級的mass函數(shù)為

(20)

設(shè)mi的焦元集合為Fi={Aij,j≤5}，則所有焦元集合的笛卡爾積可記為F1?…?F6，數(shù)學(xué)表達(dá)式為

F1?…?F6=A1j1∧A2j2∧…∧A6j6

(21)

其中Aiji(ji=1,…,5)表示mi的焦元.

使用D-S規(guī)則將mass函數(shù)在F1?…?F6進(jìn)行綜合集成得到綜合mass函數(shù)m=m1⊕…⊕m6.計(jì)算當(dāng)前評價對象的可信度Bl和似然度Pl，并把可信度和似然度之和BPl作為評價當(dāng)前選址的最終指標(biāo).計(jì)算所有對象的BPl值，然后選取BPl最大的備選選址作為最優(yōu)選址.

3 數(shù)據(jù)模擬

本節(jié)使用數(shù)據(jù)模擬方法詳細(xì)展示基于證據(jù)推理理論的宏觀選址模型的具體操作過程和最終結(jié)果.

3.1 場景設(shè)定

假設(shè)有4個備選區(qū)域(省、市)，記為{objj,j=1,…,4}，任務(wù)是從這4個備選區(qū)域中選出最佳的選址方案來.評價指標(biāo)及評價指標(biāo)的等級定義與第2節(jié)相同.定義A={Aj，j=1,…,5}.Aij(i≤6，j≤5)表示第i個指標(biāo)的第j個評價等級，如A21表示備選選址在“地緣因素”的評價等級是“好”.

使用專家系統(tǒng)對備選選址在每個指標(biāo)上的表現(xiàn)進(jìn)行評分，并經(jīng)過專家討論確定5等級隸屬度函數(shù).假設(shè)專家系統(tǒng)對備選選址的評分如表3所示，確定的隸屬度函數(shù)記為{(0,0,0.3), (0.1,0.3,0.5), (0.3,0.5,0.7), (0.5,0.7,0.9), (0.7,1.0,1.0)}，如圖2所示.

表3 備選選址得分Tab.3 Scores of candidate locations

將表3中的數(shù)據(jù)按照圖2所示的隸屬度函數(shù)進(jìn)行計(jì)算，可以得到備選選址在每個評價指標(biāo)不同等級上的隸屬度函數(shù).表4展示了4個備選選址方案在第1個指標(biāo)上5個不同等級的隸屬度，由于篇幅所限，其余指標(biāo)的具體數(shù)值此處略.

表4 選址方案在每個評價指標(biāo)不同等級上的隸屬度Tab.4 Menbership values of candidate loctions regarding different evaluation criteria and degrees

使用專家系統(tǒng)對6個評價指標(biāo)的5個不同評價等級的相對重要性進(jìn)行評判.要指出的是，在6個評價指標(biāo)中“政策環(huán)境”和“發(fā)展?jié)摿Α笔菍ξ锪鲌@區(qū)長期發(fā)展的考量，評價等級越高越好；“土地可得性”和“自然環(huán)境”是物流園區(qū)建立和運(yùn)行的物質(zhì)環(huán)境基礎(chǔ)，只要適用即可，不需要追求最佳評級；“地緣因素”、“基礎(chǔ)設(shè)施”是對當(dāng)?shù)匚锪鳟?dāng)前狀況的考量，這兩個因素的評價等級越高意味著需要付出的成本也越高，因?yàn)楫?dāng)?shù)氐娜斯こ杀?、地價等都會更高，因此這兩個因素也是遵循適用性原則，不追求最高的評價等級.所以，本文設(shè)“政策環(huán)境”和“發(fā)展?jié)摿Α钡脑u價等級重要性的配對對比矩陣相同(見表5)，而“土地可得性”、“自然環(huán)境”、“地緣因素”和“基礎(chǔ)設(shè)施”共用一個等級重要性配對對比矩陣(見表6).

表5 政策環(huán)境和發(fā)展?jié)摿Φ脑u價等級配對對比表ⅠTab.5 Pairwise comparison table Ⅰ of policy environment and development potential

表6 其余4個指標(biāo)的評價等級配對對比表ⅠTab.6 Pairwise comparison table Ⅰ of the remaining 4 criteria

3.2 基于配對對比法判定評價等級重要性

根據(jù)表5和表6中的數(shù)值求解不同評價等級的權(quán)重分配.

1)一致性檢驗(yàn)

表7 政策環(huán)境和發(fā)展?jié)摿Φ脑u價等級配對對比表ⅡTab.7 Pairwise comparison table Ⅱ of policy environment and development potential

表8 其余4個指標(biāo)的評價等級配對對比表ⅡTab.8 Pairwise comparison table Ⅱ of the remaining 4 criteria

令B為表7對應(yīng)矩陣，C為表8對應(yīng)矩陣.將B和C按列標(biāo)準(zhǔn)化，然后再按行相加并歸一化，可分別得向量ωB=[0.45，0.23，0.19，0.08，0.05]T和ωC=[0.30，0.46，0.14，0.07，0.03]T，進(jìn)而可求得B和C的最大特征值分別為

(22)

(23)

所以矩陣B和矩陣C的偏離一致性系數(shù)分別為

(24)

(25)

根據(jù)CIB、CIC，可求得矩陣B和矩陣C隨機(jī)一致性系數(shù)為

IRB=CIB/RI=0.005/1.12<0.1

(26)

IRC=CIC/RI=0.005/1.12<0.1

(27)

所以矩陣B和矩陣C具有比較強(qiáng)的一致性.

2)判定評價等級權(quán)重

矩陣B和矩陣C具有較強(qiáng)的一致性，說明表7和表8中的數(shù)據(jù)可直接采納，無需專家進(jìn)行調(diào)整.根據(jù)前面的運(yùn)算結(jié)果，對于“政策環(huán)境”和“發(fā)展?jié)摿Α眱蓚€因素，分配在評價等級“非常好”、“好”、“一般”、“差”和“非常差”上的權(quán)重為ω1=ωB=[0.45,0.23,0.19,0.08,0.05]，剩余4個因素的評價等級的權(quán)重分配為ω2=ωC=[0.30,0.46,0.14,0.07,0.03].

3.3 mass函數(shù)和焦元集合

根據(jù)表3中的隸屬度矩陣可知，所有的備選選址在A14、A15、A23、A24、A25、A33、A34、A35、A44、A45、A53、A54、A55、A64和A65上的隸屬度都為0，所以不同評價因素的焦元集合分別為F1={A11,A12,A13}, F2={A21,A22}，F(xiàn)3={A31,A32}, F4={A41,A42,A43}, F5={A51,A52}, F6={A61,A62,A63}，需要為Fi(i=1,…,6)中的元素定義mass函數(shù).

令評價因素Si(i=1,…,6)的不同評價等級Aij(j=1,…,5)上的權(quán)重等于mass函數(shù)的值.根據(jù)ω1和ω2，可以定義如下mass函數(shù)：

記F=F1?…?F6,F為6個焦元集合的笛卡爾積得的新焦元.前3個焦元分別為：

F1=A11∧A21∧A31∧A41∧A51∧A61

(34)

F2=A11∧A21∧A31∧A41∧A51∧A62

(35)

F3=A11∧A21∧A31∧A41∧A51∧A63

(36)

使用D-S規(guī)則將mass函數(shù)mi(i=1,…,6)在F上進(jìn)行集成得到集成mass函數(shù)m.

3.4 方案評價

根據(jù)表3，可以將F中的焦元表示為備選選址上的模糊集，如

(37)

用同樣方法可求出所有F中焦元在備選選址上的模糊集.根據(jù)式(16)和式(17)，備選選址obji的可信度和似然度可寫為

Bl(obji)=∑Fj[1-∨x≠objiμFj(x)]m(Fj)

(38)

Pl(obji)=∑FjFj{objj}m(Fj)

(39)

使用式(38)和式(39)得到4個備選選址的可信度Bl和似然度Pl，將其標(biāo)準(zhǔn)化之后4個備選選址的可信度和似然度組合分別為(Bl,Pl)1=(0.250,0.204)，(Bl,Pl)2=(0.247,0.188)，(Bl,Pl)3=(0.247,0.149)，(Bl,Pl)4=(0.257,0.459).4個備選選址的BPl=Bl+Pl的值分別為BPl1=0.454，BPl2=0.435，BPl3=0.396和BPl4=0.716.所以4個備選選址的優(yōu)劣順序?yàn)閛bj4>obj1>obj2>obj3，備選選址obj4是最優(yōu)選址.

要特別指出的是，從表3中可以看出，obj4在“政策環(huán)境”和“發(fā)展?jié)摿Α眱蓚€指標(biāo)上的綜合表現(xiàn)與obj1相近，但是在其余的4個指標(biāo)上的綜合表現(xiàn)不及obj1.之所以obj4最終的評價結(jié)果優(yōu)于obj1，是因?yàn)槲覀兛紤]到成本因素，從而在3.1節(jié)中的場景設(shè)定中做出了“好的選址應(yīng)該在‘政策環(huán)境’和‘發(fā)展?jié)摿Α瘍蓚€指標(biāo)上盡可能地突出，而在其他4個指標(biāo)遵循適宜原則不追求最高等級”的設(shè)定.數(shù)據(jù)模擬的結(jié)果表明:本文提出的方法能夠把一些非常重要但難以量化的因素考慮進(jìn)來，能夠更加貼近現(xiàn)實(shí)應(yīng)用.

4 結(jié)論

本文為了應(yīng)對“一帶一路”戰(zhàn)略實(shí)施對我國物流園區(qū)選址帶來的新挑戰(zhàn)，綜合應(yīng)用模糊集理論和證據(jù)推理理論提出了一種基于模糊證據(jù)推理的選址方法,這是證據(jù)推理理論在物流園區(qū)選址領(lǐng)域的新嘗試.數(shù)據(jù)模擬結(jié)果表明，該方法能夠評選出合理的選址方案，并且可以將一些在實(shí)際選址決策中非常重要但難以量化的因素考慮進(jìn)來，從而更加貼合實(shí)際.但是由于受數(shù)據(jù)可得性限制，本文只是采用模擬數(shù)據(jù)對方法進(jìn)行了驗(yàn)證，方法的泛化性能和效果還需要在未來真實(shí)的選址工作中加以驗(yàn)證.

[1] CHANG P Y, LIN H Y. Manufacturing plant location selection in logistics network using analytic hierarchy process[J]. Journal of Industrial Engineering and Management, 2015, 8(5): 1547-1575.

[2] 周曉曄,王艷茹,劉作峰.物流中心選址的綜合分析法研究[J].物流科技,2005,28(11):4-7. ZHOU Xiaoye, WANG Yanru, LIU Zuofeng. Research on the integrated analysis method of logistics center location[J]. Logistics Technology, 2005, 28(11): 4-7.(in Chinese)

[3] 李卓斌,綦群高,田童.基于模糊綜合模型的商業(yè)地產(chǎn)多維定位研究[J].黑龍江農(nóng)業(yè)科學(xué),2013 (3): 44-46. LI Zhoubin, QI Qungao, TIAN Tong. Multidimensional location research based on the fuzzy comprehensive model of the commercial real estate[J]. Heilongjiang Agricultural Sciences, 2013 (3): 44-46.(in Chinese)

[4] LIN Q L, LIU H C, WANG D J, et al. Integrating systematic layout planning with fuzzy constraint theory to design and optimize the facility layout for operating theatre in hospitals[J]. Journal of Intelligent Manufacturing, 2015, 26(1): 87-95.

[5] LEE S K, MOGI G, HUI K S. A fuzzy analytic hierarchy process (AHP)/data envelopment analysis (DEA) hybrid model for efficiently allocating energy R&D resources:in the case of energy technologies against high oil prices[J]. Renewable and Sustainable Energy Reviews, 2013, 21: 347-355.

[6] KABIR G, SUMI R S. Power substation location selection using fuzzy analytic hierarchy process and PROMETHEE: A case study from Bangladesh[J]. Energy, 2014, 72: 717-730.

[7] ANAND G, KODALI R, DHANEKULA C S. An application of analytic network process for selection of a plant location: a case study[J]. International Journal of Services and Operations Management, 2012, 12(1): 35-66.

[8] NING X, LAM KC, LAM C K. A decision-making system for construction site layout planning[J]. Automation in Construction, 2011, 20(4): 459-473.

[9] LI Y, LIU X, CHEN Y. Selection of logistics center location using axiomatic fuzzy set and TOPSIS methodology in logistics management[J]. Expert Systems with Applications, 2011, 38(6): 7901-7908.

[10] 辛晶. 基于熵權(quán)TOPSIS 法的城市消防站選址模型[J].消防科學(xué)與技術(shù),2010 (5): 25-27. XIN Jing. Optimization model of city fire station sites based on entropy weight TOPSIS[J]. Fire Science and Technology, 2010 (5): 25-27. (in Chinese)

[11] CHEN W. Location of logistics center planning of Changzhutan based on center-of-gravity method[C].Proceedings of the International Conference on Computer, Networks and Communication Engineering, 2013:703-705.

[12] 鄧濤, 熊自明, 王青山. 一種結(jié)合重心法和 GIS 技術(shù)的機(jī)場搶修預(yù)置物資倉庫選址模型[J]. 北京測繪, 2014 (5): 35-37. DENG Tao, XIONG Ziming, WANG Qingshan. A model for locating prestore material depot for airport rapid repair using barycentric model and the techonology of GIS[J]. Beijing Surveying and Mapping, 2014 (5): 35-37. (in Chinese)

[13] KLOSE A, DREXL A. Facility location models for distribution system design[J]. European Journal of Operational Research, 2005, 162(1): 4-29.

[14] BEASLEY J E. Lagrangean heuristics for location problems[J]. European Journal of Operational Research, 1993, 65(3): 383-399.

[15] 高學(xué)東, 李宗元. 物流中心選址模型及一種啟發(fā)式算法[J]. 運(yùn)籌與管理, 1994, 3(3): 56-62. GAO Xuedong, LI Zongyuan. Logistics center location models and a heuristic algorithm[J]. Operation and Management, 1994, 3(3): 56-62. (in Chinese)

[16] 鄢章華. 基于二層規(guī)劃的物流中心選址模型研究[D]. 哈爾濱: 哈爾濱理工大學(xué), 2008. YAN Zhanghua. Study on location model of logistics center based on bi-level programming[D]. Harbin: Harbin University of Science and Technology, 2008. (in Chinese)

[17] 李爽, 鄧衛(wèi), 呂宜生. 基于場景規(guī)劃的區(qū)域公共物流中心選址模型[J]. 交通運(yùn)輸系統(tǒng)工程與信息, 2009, 9(5): 85-89. LI Shuang, DENG Wei, LYU Yisheng. Location model of regional public logistics centers based on scenario planning[J]. Journal of Transportation Systems Engineering and Information Technology, 2009, 9(5): 85-89. (in Chinese)

[18] HAMACHER H W, LABBé M, NICKEL S, et al. Polyhedral properties of the uncapacitated multiple allocation hub location problem[R]. Kaiserslautern: ITWM, 2000.

[19] MAYER G, WAGNER B. HubLocator: an exact solution method for the multiple allocation hublocation problem[J]. Computers & Operations Research, 2002, 29(6): 715-739.

[20] SHAO Y, CHEN Q, WEI Z. Logistics distribution center location evaluation based on genetic algorithm and fuzzy neural network[M].Berlin :Springer,2009: 305-312.

[21] LIN J. The application of logistics center location based on fuzzy BP neural network[C]. Proceedings of 9th International Conference on the Service Systems and Service Management, 2012:264-267.

[22] 史占江. 物流配送中心選址及其應(yīng)用研究[D]. 鄭州: 河南大學(xué), 2010. SHI Zhanjiang. Study on logistics distribution center location and application[D]. Zhengzhou: Henan University, 2010. (in Chinese)

[23] 莫海熙, 郜振華, 陳森發(fā). 基于 AHP 和目標(biāo)規(guī)劃的物流配送中心選址模型[J]. 公路交通科技, 2007, 24(5): 150-153. MO Haixi, GAO Zhenhua, CHEN Senfa. Logistis distribution center location models based on AHP and programming[J]. Journal of Highway and Transportation Research and Development, 2007, 24(5): 150-153. (in Chinese)

[24] 秦緒濤. 基于既有鐵路貨運(yùn)站的鐵路物流中心選址研究[D]. 北京: 北京交通大學(xué), 2015. QIN Xutao. Study on railway logistics center location based on exisiting railway cargo transportation station[D]. Beijing: Bejing Jiaotong University, 2015. (in Chinese)

[25] 王保華,何世偉. 不確定環(huán)境下物流中心選址魯棒優(yōu)化模型及其算法[J]. 交通運(yùn)輸系統(tǒng)工程與信息, 2009,9(2): 69-74. WANG Baohua, HE Shiwei. Robust optimization model and algorithm for logistics center location and allocation under uncertain environment[J]. Journal of Transportation Systems Engineering and Information Technology, 2009, 9(2): 69-74.(in Chinese)

An approach to logistics park location based on fuzzy evidential reasoning from "One Belt and One Road" perspective

ZHOUYingxiao,ZHAOPeng

(School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044,China)

This paper proposes a new fuzzy evidential reasoning based logistics park location approach combined the fuzzy set and evidential reasoning theories. This approach first identifies the evaluation dimensions of a logistics park location from "One Belt and One Road" perspective.Then fuzzy scores of candidate locations in different dimentions are generated by experts. The fuzzy Dempster-Shafter rules are used to integrate the fuzzy scores in different dimensions to an aggregate value according the optimal location identified. The proposed approach is a new application of the evidential theory to locate the logistics park, and will provide a potential tool for decision makers of related enterprises and governmental departments.

logistics park location; evidential reasoning theory; fuzzy set

2016-09-15

國家自然科學(xué)基金重點(diǎn)資助項(xiàng)目(U1434207)

周映筱(1989—),女,山東淄博人,博士生.研究方向?yàn)槲锪鞴芾?email:13114207@bjtu.edu.cn.

趙鵬(1967—),男,內(nèi)蒙古通遼人,教授,博士,博士生導(dǎo)師.email:pzhao@bjtu.edu.cn.

F502

A

1673-0291(2016)05-0126-08

10.11860/j.issn.1673-0291.2016.05.022