一种复杂网络视角下国家物流城市枢纽性排序模型

1.本发明提供了一种复杂网络视角下的国家物流城市枢纽性排序模型，属于交通运输经济领域，具体 涉及复杂网络科学及应用统计学相关技术。


背景技术：

2.物流业是保证国民生产生活供给的战略性、根本性、先导性产业。国家物流枢纽是物流体系的核心 基础设施，是辐射区域更广、集聚效应更强、服务功能更优、运行效率更高的综合性物流枢纽，在全国 物流网络中发挥关键节点、重要平台和骨干枢纽的作用。随着网络科学发展，利用复杂网络关键节点分 析技术，解决各种现实问题已经逐渐成为研究热点。目前，已经有部分学者尝试从复杂网络的角度对物 流枢纽性进行发展评价研究。例如：吴桐雨等通过多层复杂网络对物流枢纽进行多尺度分析(吴桐雨,王 健.基于多层复杂网络的物流枢纽城市多尺度分析及发育评价[j].交通运输系统工程与信息,2019, 19(1):7)，何祥等(何祥,袁永博,张明媛.考虑相继故障的物流耦合网络节点重要度评估[j].计算机应 用研究,2018,35(7):5)从相继故障角度进行物流网络节点重要性评价分析。同时，建立国家物流枢纽评价 体系实现对各物流枢纽的初步评价，是一种典型的多指标综合评价问题。纵观国内外研究现状，针对物 流枢纽发展评价提出的度量指标和算法主要集中在单一地区且大都运用统计学方法进行分析。例如：卢 红奇等(卢红奇.基于区位熵方法的物流枢纽分类研究——以河南省为例[j].物流科技,2021,44(12):5)引 入区位熵方法对省内物流枢纽分类进行研究，sibel等(alumur s,kara b y.network hub location problems: the state of the art[j].european journal of operational research,2008,190(1):1-21)从供求角度分析交通流网络 的枢纽选址。虽然能给出大致评价，但存在一定的局限性：难以分析枢纽之间的物流信息交流，容易忽 略周边枢纽对其信息传播的影响，导致不能准确发现所处关键位置的重要枢纽，而借助复杂网络视角可 以很好地对其进行解释。目前对大规模城市物流枢纽进行重要性排序，从宏观层面对国家物流枢纽选址 评价进行量化分析的研究却鲜有涉及。


技术实现要素：

[0003]
本发明的目的在于为了克服上述问题，提出了一种复杂网络视角下国家物流城市枢纽性排序算法， 包括三个模块：枢纽城市物流能力评价模块，国家物流城市网络构建模块和国家物流城市网络枢纽节点 辨识模块。本发明的实现步骤具体如下：
[0004]
s01:枢纽城市物流能力评价模块，构建用于评价各枢纽城市物流能力改进的topsis综合评价法，该 方法利用均值将该评价指标下的整体情况加以考虑，对传统topsis法中备选点评价指标与正负理想目标 值之间接近程度计算进行改进，从而计算得到枢纽城市物流能力评价矩阵i。
[0005]
s02:国家物流城市网络构建模块，构建用于提取地区间物流关系的国家物流城市网络模型，主要基 于引力模型进行网络构建，国家物流城市网络连边权重主要由两个部分
决定：枢纽城市物流能力评价矩 阵i，枢纽城市距离矩阵d；国家物流城市网络连边权重大小即表示各物流城市之间的关系强弱。
[0006]
s03:国家物流城市网络枢纽节点辨识模块，利用改进后节点重要性排序算法c-leaderrank针对国家 物流城市网络模型中的各物流枢纽节点进行枢纽性排序，得出排名前十的港口型物流城市节点名单并与 国家公布的港口型国家物流枢纽城市名单进行对比，说明了本模型算法的有效性。
[0007]
所述步骤s01具体包括：
[0008]
s11:首先获取物流枢纽备选点在各指标下的物流能力评价值，设物流备选枢纽个数为n，参与决策 的客观评价指标个数为m，评价决策矩阵为x＝{x
ij
}n×m，分别对正向指标和逆向指标进行规范化处理， 数据规范化后，评价值均位于区间[0,1]中，且正，逆向指标均转换为正向指标，最优值为1，最劣值为0， 规范化后无量纲的多指标评价决策矩阵即为x'＝{x
′
ij
}n×m；
[0009]
s12:利用熵权法确定评价体系各指标权重，x'＝{x
′
ij
}n×m为数据标准化后无量纲的多指标评价决策矩 阵，设p
ij
为物流枢纽备选点i在评价指标j下的所占比重大小，则j指标的信息熵为ej，通过熵权法计 算指标j在该体系中所占权重为：wj；
[0010]
s13:使用改进的topsis法衡量国家物流枢纽备选点物流能力，具体步骤包括：
[0011]
s13-1:计算加权评价矩阵y：
[0012][0013]
其中x'为数据规范化化后的枢纽评价决策矩阵，w为熵权法计算得到的指标权重对角矩阵；
[0014]
s13-2:计算正负理想目标值：
[0015]
各项指标评价正理想目标值为：
[0016][0017]
各项指标评价负理想目标值为：
[0018][0019]
s13-3:计算枢纽备选点与正负理想目标值之间的接近程度：
[0020]
利用均值将该评价指标下的整体情况加以考虑，对传统topsis法中备选点评价指标与正负理想目标 值之间接近程度计算进行如下改进：
[0021][0022][0023]
其中，为物流枢纽备选点在j指标评价下平均值，α为可
调节参数。
[0024]
s14:计算理想解的贴近度ii作为枢纽城市物流能力评价结果：
[0025][0026]
将贴近度ii作为各港口型物流枢纽备选点的多指标综合评价最终结果。当枢纽备选点与正理想值越 接近，则数值越小，数值越大，与理想解的贴近度ii越大，说明该备选点在此综合评价体系下得 分更优。
[0027]
所述步骤s02具体包括：
[0028]
s21:将国内主要物流城市作为复杂物流网络节点，节点i，j之间连边权重i
ij
由其对应物流枢纽城市 i，j之间相互影响关系决定；
[0029]
s22:考虑枢纽城市的物流辐射能力与距离成反比与权利要求2中得到的枢纽城市物流能力成正比， 借助引力模型来描述这种物流关系：
[0030][0031]
其中，ii为利用改进topsis综合评价法所得到的城市节点i综合物流能力评价值；g是引力常量； r为引力衰减系数；d
ij
为物流枢纽城市节点i和j间地理位置的直线距离，单位为千米。由于实际物流枢 纽辐射能力有限，当两个物流枢纽城市间相互影响关系足够弱时，即其连边权重i
ij
小于某一定值，则令 为i
ij
＝0，在该复杂物流城市网络中断开i，j节点之间连边。最终构建得到复杂物流城市网络模型。
[0032]
所述步骤s03具体包括：
[0033]
s31:在权利要求3得到的复杂物流网络中添加一个背景物流节点v
n 1
以及建立该节点到物流网络中的 所有节点的连接，连接权重与所连接节点的度成正比i
n 1,i
＝(ki)
α
；
[0034]
s32:初始时刻给定物流网络中除背景节点以外其他节点单位资源clri(0)＝1,(i＝1,2,
…
n)； clr
n 1
(0)＝0：节点vi在t时刻的得分定义为clri(t)，经过计算迭代直至稳态：
[0035][0036]
其中f(cj)是关于节点vj的聚类系数cj的减函数，cj越大，f(cj)越小。
[0037]
s33:由于所构建的复杂物流枢纽网络模型属于加权无向网络，因此式中kj为节点vj度，得到节点vi的c-leaderrank分数值最后根据分值高低实现对网络物流节点的枢纽性排 序。按照达到稳态的各枢纽节点得分clri(t)进行规范化后由高到低进行枢纽性排序，即为国家物流城市 枢纽性排序模型排序结果。
[0038]
与现有技术相比，本发明复杂网络视角下国家物流城市枢纽性排序模型所达到的有益效果包括：
[0039]
本发明结合枢纽城市周边环境，地位作用等因素优化城市物流能力评价策略，考虑国家物流枢纽评 价体系各指标评价值总体分布情况，提出一种改进的topsis算法衡量城市物流能力，评价结果更加细化 且更加符合现实情况。
[0040]
本发明基于改进的国家物流枢纽评价体系，利用引力模型确定枢纽城市间的物流联系强度，构建了 一个更加真实的港口型物流枢纽城市网络模型并分析了物流枢纽网络
的结构特性。
[0041]
本发明考虑聚类系数对节点物流信息传播的影响，基于leaderrank节点排序算法，提出一种新的节 点排序方法c-leaderrank，该排序方法可以更好的识别物流网络节点的中心属性和“桥接”属性。
附图说明
[0042]
图1是复杂网络视角下国家物流城市枢纽性排序模型结构图；
[0043]
图2是改进topsis前后各备选点综合评价值比较图；
[0044]
图3是利用引力模型构建的港口型复杂物流城市网络图；
[0045]
图4是包含“桥接”节点网络示意图；
[0046]
图5是主要港口型物流城市各排序算法对比图；
[0047]
图6是港口型复杂物流城市网络示意图。
具体实施方式
[0048]
为使本发明的目的、技术方案和优点更加清楚明白，结合以下具体实施例，并参照附图，对本发明 进一步作详细说明，但不用来限制本发明的范围。
[0049]
图1是一种复杂网络视角下国家物流城市枢纽性排序模型结构图。枢纽城市物流能力评价模块，国 家物流城市网络构建模块和国家物流城市网络枢纽节点辨识模块。具体包括
[0050]
s01:枢纽城市物流能力评价矩阵，构建用于评价各枢纽城市物流能力改进的topsis综合评价法，该 方法利用均值将该评价指标下的整体情况加以考虑，对传统topsis法中备选点评价指标与正负理想目标 值之间接近程度计算进行改进，从而计算得到枢纽城市物流能力评价矩阵i。
[0051]
具体地，s01改进topsis前后各备选点综合评价值比较结果如图2所示，包括以下几个步骤：
[0052]
s11:首先获取物流枢纽备选点在各指标下的物流能力评价值，设物流备选枢纽个数为n，参与决策 的客观评价指标个数为m，评价决策矩阵为x＝{x
ij
}n×m，分别对正向指标和逆向指标进行规范化处理， 数据规范化后，评价值均位于区间[0,1]中，且正，逆向指标均转换为正向指标，最优值为1，最劣值为0， 规范化后无量纲的多指标评价决策矩阵即为x'＝{x
′
ij
}n×m；
[0053]
s12:利用熵权法确定评价体系各指标权重，x'＝{x
′
ij
}n×m为数据标准化后无量纲的多指标评价决策矩 阵，设p
ij
为物流枢纽备选点i在评价指标j下的所占比重大小，则j指标的信息熵为ej，通过熵权法计 算指标j在该体系中所占权重为：wj；
[0054]
s13:使用改进的topsis法衡量国家物流枢纽备选点物流能力，具体步骤包括：
[0055]
s13-1:计算加权评价矩阵y：
[0056]
[0057]
其中x'为数据规范化化后的枢纽评价决策矩阵，w为熵权法计算得到的指标权重对角矩阵；
[0058]
s13-2:计算正负理想目标值：
[0059]
各项指标评价正理想目标值为：
[0060][0061]
各项指标评价负理想目标值为：
[0062][0063]
s13-3:计算枢纽备选点与正负理想目标值之间的接近程度：
[0064]
利用均值将该评价指标下的整体情况加以考虑，对传统topsis法中备选点评价指标与正负理想目标 值之间接近程度计算进行如下改进：
[0065][0066][0067]
其中，为物流枢纽备选点在j指标评价下平均值，α为可调节参数。
[0068]
s14:计算理想解的贴近度ii作为枢纽城市物流能力评价结果：
[0069][0070]
将贴近度ii作为各港口型物流枢纽备选点的多指标综合评价最终结果。当枢纽备选点与正理想值越 接近，则数值越小，数值越大，与理想解的贴近度ii越大，说明该备选点在此综合评价体系下得 分更优。
[0071]
s02:物流城市关系提取，构建用于提取地区间物流关系的国家物流城市网络模型，主要基于引力模 型进行网络构建，国家物流城市网络连边权重主要由两个部分决定：枢纽城市物流能力评价矩阵i，枢纽 城市距离矩阵d；国家物流城市网络连边权重大小即表示各物流城市之间的关系强弱。
[0072]
具体地，以国内各大港口型复杂物流城市为例，利用s02项目引力模型构建的港口型复杂物流城市 网络如图3所示，包括以下几个步骤：
[0073]
s21:将国内主要物流城市作为复杂物流网络节点，节点i，j之间连边权重i
ij
由其对应物流枢纽城市 i，j之间相互影响关系决定；
[0074]
s22:考虑枢纽城市的物流辐射能力与距离成反比与权利要求2中得到的枢纽城市物流能力成正比， 借助引力模型来描述这种物流关系：
[0075][0076]
其中，ii为利用改进topsis综合评价法所得到的城市节点i综合物流能力评价值；g是引力常量； r为引力衰减系数；d
ij
为物流枢纽城市节点i和j间地理位置的直线距离，单
位为千米。由于实际物流枢 纽辐射能力有限，当两个物流枢纽城市间相互影响关系足够弱时，即其连边权重i
ij
小于某一定值，则令 为i
ij
＝0，在该复杂物流城市网络中断开i，j节点之间连边。最终构建得到复杂物流城市网络模型。
[0077]
s03:利用改进后节点重要性排序算法c-leaderrank针对国家物流城市网络模型中的各物流枢纽节点 进行枢纽性排序，得出排名前十的港口型物流城市节点名单并与国家公布的港口型国家物流枢纽城市名 单进行对比，说明了本模型有效性。
[0078]
所述步骤s03具体包括：
[0079]
s31:在权利要求3得到的复杂物流网络中添加一个背景物流节点v
n 1
以及建立该节点到物流网络中的 所有节点的连接，连接权重与所连接节点的度成正比i
n 1,i
＝(ki)
α
；
[0080]
s32:初始时刻给定物流网络中除背景节点以外其他节点单位资源clri(0)＝1,(i＝1,2,
…
n)； clr
n 1
(0)＝0：节点vi在t时刻的得分定义为clri(t)，经过计算迭代直至稳态：
[0081][0082]
其中f(cj)是关于节点vj的聚类系数cj的减函数，cj越大，f(cj)越小。
[0083]
s33:由于所构建的复杂物流枢纽网络模型属于加权无向网络，因此式中kj为节点vj度，得到节点vi的c-leaderrank分数值最后根据分值高低实现对网络物流节点的枢纽性排 序。按照达到稳态的各枢纽节点得分clri(t)进行规范化后由高到低进行枢纽性排序，即为国家物流城市 枢纽性排序模型排序结果。
[0084]
具体地，通过研究分析港口型复杂物流城市网络度累计分布概率曲线图可知，港口型复杂物流城市 网络呈现典型的无标度长尾特征，即大多数物流城市节点度都很小，少数物流城市能力较强，如：上海 市、南京市、舟山市与大多数物流城市相连接。采用函数拟合比较，度累计分布概率与度值之间符合指 数为-1.247的幂律分布。
[0085]
为了进一步验证本发明所建立复杂物流城市网络模型的性能，对比港口型复杂物流城市网络和同规 模随机网络之间直径，平均聚类系数以及平均路径长度网络结构参数，如表1所示，复杂港口型物流城 市网络的平均路径长度为2.241，网络直径为4，与同规模随机网络相近；而且网络集聚系数达到0.76， 远大于规模随机网络的聚类系数0.209。说明该网络具有小世界结构特征，即具有较高的连通程度和较强 的集聚性。
[0086]
表1复杂网络结构参数
[0087][0088]
为验证本发明改进方法对复杂网络中“桥接”节点的有效识别能力，以图4为例，构建一个包含
ꢀ“
桥接”节点vf的无向无权小规模复杂网络。设各节点的自身能力相同，只考虑网络拓扑结构和节点在 网络中所处位置对节点重要性的影响。
[0089]
分别利用本发明所提c-leaderrank算法、度中心性、介数中心性、pagerank算法、leaderrank算法 针对上图中各节点进行重要性排序，排序结果top-5如下表2所示，节点编号后括号内的值为各排序算法 计算结果：
[0090]
表2图4中top-5排序结果
[0091][0092]
表3是使用五种算法排序后，得出排名前十的港口型物流城市节点名单。其中加粗字体的是截止到 2020年国家公布的港口型国家物流枢纽城市名单中的城市，与名单吻合度最低的pagerank算法和度中心 方法(k)除了上海、日照和连云港三座城市均在国务院公布的港口型国家物流枢纽城市名单内，说明了 本发明复杂物流枢纽网络构建的有效性。
[0093]
表3各算法top-10排序结果
[0094][0095][0096]
图5是主要港口型物流城市分别利用各算法排序并将得分归一化后的对比图。除clusterrank算法以 外，其余四种排序算法的排序结果大体相同，且具有较高的区分度。各主要港口型物流枢纽城市在 clusterrank算法排序中的得分普遍较高，说明其在复杂物流城市网络中的节点聚类系数普遍较大，都有 较强的物流信息传播能力。但不同于其他算法，岳阳、宜昌在该排序算法下的排名结果靠前，相比之下 上海、南京，宁波等主要物流城市排名靠后，说明岳阳、宜昌等城市节点处于港口型复杂物流城市网络 更加关键的位置，有利于其信息能力的传播。在其余四种排序算法中，上海、南京、宁波城市的排序结 果均靠前，说明其自身港口物流枢纽性较强。
[0097]
借助高德开放平台结合国内各主要港口的所处空间位置分布，对港口物流枢纽网络进行可视化处理， 主要物流枢纽城市用高亮突出，城市之间的物流联系越强连边颜色越
深。如图6所示，可以总结发现：
[0098]
1.主要港口物流枢纽集中在我国东南部沿海地区，且联系十分密切。选址沿海城市作为港口枢纽，有利 于发挥其海运货运量大，对外贸易便捷等优势。选址重庆、武汉等内陆城市作为港口枢纽，有利于发 挥其自身内河港口优势，依托于沿江有利地势，沟通我国内陆和沿海城市之间的物流交流。
[0099]
2.营口，钦州，岳阳等城市，由于其在港口物流枢纽网络中节点聚类系数较小，有利于物流信息传播， 加以自身港口物流能力不弱，能对周边地区的港口物流起到带动作用，成功入选国家港口枢纽城市。 因此，各城市应针对具体情况，选择与之契合的物流枢纽类型进行发展，通过提高自身的相关指标， 利用自身优势，以物流枢纽建设带动产业地区发展。
[0100]
3.西北部地区由于地理因素的影响，港口物流尚不发达。黄河中上游流域城市由于淤泥淤积尚不具备国 家港口型物流枢纽条件。若生态环境得到进一步改善，发展建设黄河中上游流域港口型物流枢纽城市， 能够有效促进中西部地区与东南沿海城市之间的经济交流，进而达到带动整个中西部地区物流经济发 展的目的。
[0101]
以上实验结果表明本发明能够解决现有传统运用统计学方法进行分析导致不能准确发现所处关键位 置的重要枢纽的缺陷问题。本发明改进综合评价算法计算网络边权，构建复杂物流城市网络，通过考虑 复杂网络的结构特征以及物流节点信息传递，优化节点重要性排序算法，提出了一种物流城市枢纽性分 析方法，并以港口型物流枢纽为例进行模型验证，从而能够更加全面分析研究国家物流枢纽选址特征， 给地区物流枢纽发展提供新的思路。
[0102]
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离 本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。