一种基于层次分析法的物流园车辆动态排队方法与流程

技术特征：
1.一种基于层次分析法的物流园车辆动态排队的方法，包括以下步骤：s1获取数据：从物流园数据库中获取当天物流园入园的车辆预约顺序，车辆数量、当天车辆取货重量的变异系数、客户类型、客户信用评价数据；s2构建指标：根据物流园实际作业情况，选取预约顺序、客户类型、当天车辆取货重量的变异系数、客户信用评价作为影响排队顺序的四个指标；s3构造两两比较判断矩阵，对比不同指标之间的重要程度，采用1
‑
9互反性标度理论量化；s4：构建两两比较判断矩阵为：判断矩阵表示与该层因素对上一层因素的相对重要性，其中a
11
表示自身重要性的比较，所以a
11
等于1，及判断矩阵对角线元素均为1，a矩阵为预约顺序、客户类型、当天车辆取货重量的变异系数、客户信用评价矩阵，其中，a
21
表示客户类型对比预约顺序的重要性，a
31
表示当天车辆取货重量的变异系数对比预约顺序的重要性，a
41
表示客户信用评价对比预约顺序的重要性，其他系数以此类推；s5：根据从物流园数据库获取的数据，构建一个动态的判断矩阵，计算最大特征值和最大特征向量，获得权重向量，进行一致性检验，确定每个指标的权重；s6：确定每个指标的权重后，根据物流园数据库的数据，设定每个指标的得分值计算；s7：最后将所有车辆的排队顺序得分进行降序排列，得到车辆排队顺序表sc，按顺序给每辆车分配不同的时间段入园取货。2.如权利要求1所述的一种基于层次分析法的物流园车辆动态排队的方法，其特征在于：所述s3的所述采用1
‑
9互反性标度理论量化为：1：同等重要，3：稍微重要，5：比较重要，7：很重要，9：绝对重要，2、4、6和8：对应中间状态的值。3.如权利要求1所述的一种基于层次分析法的物流园车辆动态排队的方法，其特征在于：所述s5具体步骤如下：s51：预约顺序和客户类型的两两判断：根据物流园的销售现状，客户类型分为三种，普通客户，优先客户，重要客户；三者的取货优先级依次递增，但为了维持客户排队的相对公平性，当非普通客户n
sp
占总客户数n
num
比重越高时，预约顺序的重要性越大，当非普通客户占比越低时，客户类型的重要性可以提升；物流园能通过设置不同的占比阈值n
set
，来根据实际需要调节两者关系，其表达式为：
式中：type为客户类型，order为预约顺序，n
sp
为非普通客户，n
num
为总客户数，n
set
为占比阈值，α，β，b为可变参数，物流园企业可根据实际工作情况调整参数，从而调整预约顺序和客户类型的两两相关程度；表示向上取整。s52：当天车辆取货重量的变异系数与其他指标的两两判断：车辆取货重量的变异系数s
n
，表示整个取货重量的数据离散程度，变异系数越小，数据的离散程度越小，取货重量集中在一个数据段，此时如果取货重量中存在较偏离均值的数据，对队伍次序的影响程度较高，相反变异系数越大，取货重量分布的较为分散，较为偏离均值的数据对队伍次序影响不大，变异系数和预约顺序、客户类型的两两判断表达式为：大，变异系数和预约顺序、客户类型的两两判断表达式为：式中：distribution为当天车辆取货重量的变异系数，type为客户类型，order为预约顺序，sn为车辆取货重量的变异系数，n
sp
为非普通客户，n
num
为总客户数，n
set
为占比阈值，α，β为可变参数，物流园企业可根据实际工作情况调整参数，从而调整取货重量的变异系数和其他指标的两两相关程度；表示向上取整。s53信用评价指标和其他指标的两两判断表达方式为：s53信用评价指标和其他指标的两两判断表达方式为：s53信用评价指标和其他指标的两两判断表达方式为：式中：credit为客户信用评价，distribution为当天车辆取货重量的变异系数，type为客户类型，order为预约顺序，sn为车辆取货重量的变异系数，α，β，θ为可变参数，物流园企业可根据实际工作情况调整参数，从而调整信用评价指标和其他指标的两两相关程度；表示向上取整。s54通过上述方法构建出了完整的判断矩阵后，计算得到最大特征值λ
max
和最大特征向量v
t
；av＝λ
maxv
v
t
＝[u
1 u2…
u
n
]，式中，u
i
为最大特征值λ
max
对应的特征向量s55将最大特征向量归一化，得到权重向量w，表达式如下：式中，ui为最大特征值λ
max
对应的特征向量；s56为了验证构建的判断矩阵是否符合逻辑，需要进行一致性检验；计算一致性指标ci，ci＝0表示完全一致，ci越大越不一致，具体计算表达式如下：式中，n为判断矩阵的阶数，λmax为最大特征值；s57根据判断矩阵的阶数n，查找对应的平均随机一致性指标ri，n＝1，ri＝0；n＝2，ri＝0；n＝3，ri＝0.58；n＝4，ri＝0.90；n＝5，ri＝1.12；n＝6，ri＝1.24；n＝7，ri＝1.32；n＝8，ri＝1.41；n＝9，ri＝1.45；s58计算一致性比例cr＝ci/ri，当cr<0.1，认为矩阵的一致性是可以接受的，当cr>0.1，需要调整上述计算判断矩阵公式中的参数，直到通过一致性检验，确定最后的权重。4.如权利要求1所述的一种基于层次分析法的物流园车辆动态排队的方法，其特征在于：所述s6具体为s61：预约顺序p
order
，设置最高得分p
max
和基础得分p
b
，根据每天的车辆入园数量n
num
，按预约位次n
w
越前，得分越高的原则，设定的得分值计算如下：s62：客户类型p
type
，客户类型t分为三种，普通客户p
low
，优先客户p
mid
，重要客户p
high
，标号分别为1，2，3；三者的取货优先级依次递增，优先级越高，得分越高，设定的得分值计算如下：s63：当天车辆取货重量的变异系数p
distribution
，计算每一个车辆取货重量q
i
和所以车辆取货重量均值的差，差值越接近0，得分在基础分上下浮动，当差值为正且离0越远时，证明取货重量远大平均数，得分将减少，安排在计划时间的后段，当差值为负数且离0越来越远，证明取货重量远小于平均数，得分将增加，安排在计划周期前段，设定的得分值计算如下：s64：客户信用评价p
credit
，记录的违约的次数n
d
，α为可变参数，物流园企业可根据实际的工作情况调整参数，从而调整客户信用评价得分值基数。设定的得分值计算如下：
s65：将每一辆车的得分值p
e
＝[p
order p
type p
distribution p
credit
]乘上对应的权重向量w，得到每一辆车的最终排队顺序得分值p，对应如下：p＝w*p
e
。

技术总结
本发明提供一种基于层次分析法的物流园车辆动态排队的方法，根据物流园当天出货客户的数据，建立动态的评价指标，采用层次分析法，获得各项指标动态的权重值。实现将权重和对应的指标得分值乘积和作为判断结果，进行排序，确定车辆的入场顺序，确保物流园入园车辆排队的公平性和合理性。的公平性和合理性。的公平性和合理性。


技术研发人员：黎立璋 陈伯瑜 张庆东 徐哲壮 温蔚翔 陈康 郭凌欢 蔡东洲
受保护的技术使用者：福州大学
技术研发日：2021.09.14
技术公布日：2021/12/7