詹　斌，馮　樂

（武漢理工大學　交通運輸管理系，湖北　武漢　430063）

基于改進TOPSIS模型的農(nóng)村物流服務站點選址評價

詹斌，馮樂

（武漢理工大學交通運輸管理系，湖北武漢430063）

在借鑒現(xiàn)有農(nóng)村物流服務站點選址評價指標的基礎上，建立起農(nóng)村物流服務站點選址評價指標體系，利用改進TOPSIS模型對農(nóng)村物流服務站點選址進行評價。利用信息熵法和本征向量法求出各指標的客觀權(quán)重和主觀權(quán)重，并將客觀權(quán)重與主觀權(quán)重進行融合。采用Minkowski距離替換傳統(tǒng)TOPSIS法中的Euclid距離，對各農(nóng)村物流服務站點選址進行了評價。最后分析了該評價模型的可行性和實用性，分析結(jié)果表明該評價模型計算簡單，決策較為科學，是一種有效的綜合評價方法。

物流管理；農(nóng)村物流；服務站點；改進TOPSIS模型；選址評價

1　引言

近年來隨著我國物流業(yè)快速發(fā)展，農(nóng)村物流已經(jīng)成為制約物流成本進一步降低的瓶頸。我國農(nóng)村物流發(fā)展落后的主要原因是農(nóng)村居民物流意識薄弱，農(nóng)村生產(chǎn)力水平較低，農(nóng)村物流服務站點建設投入不足。好的農(nóng)村物流服務站點選址方案可以有效地降低運輸成本，節(jié)省存儲費用，提高運輸質(zhì)量，確保農(nóng)村物流系統(tǒng)的快速發(fā)展。農(nóng)村物流服務站點的選址對于農(nóng)村物流系統(tǒng)的建設和發(fā)展十分重要，因此對農(nóng)村物流服務站點選址評價進行相應的研究具有十分重要的理論與現(xiàn)實意義。

關于物流服務中心選址評價問題，國內(nèi)外學者進行了較為深入的研究。Eiichi Taniguchi，Michihiko Noritake［1］等人綜合運用Bender分解算法、分枝定界法解決能力不受限、運費與距離是非線性凸函數(shù)關系的選址問題。Chen-Tung Chen［2］利用決策數(shù)據(jù)的模糊性，利用模糊綜合評價進行物流配送中心選址分析。Cengiz Kahraman［3］等人運用多種模糊多屬性群決策方法對選址問題進行求解，并對四種不同的決策方法進行了對比。韓慶蘭等［4］通過建立選址決策模糊評價矩陣，利用BP人工神經(jīng)網(wǎng)絡分析處理數(shù)據(jù)，對多個方案進行了較客觀地評價。鄒建平，吳應宇［5］提出一種基于模糊TOPSIS的方法評價區(qū)域物流基礎設施布局方案。李玉民［6］等人利用AHP-TIPSIS構(gòu)建評價模型對物流園區(qū)綜合競爭力進行了評價?，F(xiàn)有研究大多集中于對物流配送中心選址評價，對農(nóng)村物流服務站點選址評價的研究相對較少，且在確定權(quán)重時多采用層次分析法、熵權(quán)法等，沒有充分考慮主、客觀影響因素。本文提出一種基于改進TOPSIS模型的農(nóng)村物流服務站點選址評價方法。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權(quán)重，使評價更加合理、可信。

2　建立農(nóng)村物流服務站點評價指標體系

影響農(nóng)村物流服務站點選址好壞的因素有很多，通過閱讀文獻以及咨詢相關專家，結(jié)合農(nóng)村物流特點，本文把影響農(nóng)村物流服務站點選址評價的指標歸納為以下5類，并建立相應的評價指標體系，具體見表1。

表1　農(nóng)村物流服務站點選址評價指標體系

2.1基礎設施因素

基礎設施因素主要包括站點的面積、站點信息化程度以及站點技術裝備水平。站點的面積大小影響站點開展農(nóng)村物流服務的能力，合理的站點面積有利于增強運營能力。信息化程度是農(nóng)村物流服務站點新的生產(chǎn)力，信息化水平反映了站點接受信息、處理信息的能力，較高的信息化程度有助于提高站點的運轉(zhuǎn)效率。技術裝備水平是評價站點發(fā)展水平的重要因素，為物流園區(qū)的正常運轉(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所在地理區(qū)位、站點周邊交通條件。農(nóng)村物流服務站點是農(nóng)產(chǎn)品、農(nóng)資產(chǎn)品及日用消費品的集散地，好的地理區(qū)位可以提高服務的便利性，同時可以降低物流成本。站點周邊交通條件便利為實現(xiàn)規(guī)模運輸、大量貨物吞吐創(chuàng)造了條件，從而提高站點的競爭力。

2.3運營管理因素

農(nóng)村物流服務站點的穩(wěn)定發(fā)展需要高水平的運營管理。運營管理因素涉及生產(chǎn)管理、站點發(fā)展水平等方面。主要因素有服務站點吞吐量、站點年收益、站點客戶滿意度、站點物流人才比例。

2.4政策環(huán)境因素

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

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)品在存儲時的損耗。由于農(nóng)產(chǎn)品易腐敗的特性，農(nóng)村物流服務站點在選址時經(jīng)常需要考慮到地形、溫度、降水量、風力等自然條件。通過總結(jié)分析本文選取了地形條件、氣象條件、水文地質(zhì)條件三個自然環(huán)境因素。

3　改進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決策分析問題的有效方法［7］。TOPSIS法的基本思想是：構(gòu)造一個虛擬的最優(yōu)解與一個虛擬的最劣解，通過計算分析各評價對象與最優(yōu)解、最劣解的距離來進行相應排序。如果評價對象最靠近最優(yōu)解同時又最遠離最劣解，那么該評價對象為最好，否則該評價對象不為最優(yōu)。文章通過改進權(quán)重的確定方法以及利用Minkowaki距離代替?zhèn)鹘y(tǒng)的Euclid距離使選址的評價結(jié)果更加真實可靠。

3.1信息熵法與本征向量法聯(lián)合確定指標權(quán)重。

本文通過信息熵法與本征向量法分別確定評價指標的客觀權(quán)重與主觀權(quán)重，得到指標的客觀權(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）來表示，則：

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

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

（2）第j個評價指標的信息熵為：

（3）計算偏差度dj：

（4）計算評價指標客觀權(quán)重：

所以各評價指標的客觀權(quán)重為α=｛αj｝（j=1，2，…，n）。

3.1.2利用改進本征向量法計算主觀權(quán)重。主觀權(quán)重計算利用基于標度拓展法［8］的本征向量法，該方法具有判別次數(shù)少、不需進行一致性檢驗等優(yōu)點。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n個評價指標進行排序，比較相鄰的兩個指標得到標度值ti，具體數(shù)值見表2。

表2　各標度值的含義

排序完成后按照各個指標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行一致性檢驗，計算權(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)造相應的目標函數(shù)如下：

求解公式（7），相應的拉格朗日函數(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判斷各方案與最優(yōu)解和最劣解的距離，該方法在計算過程中加倍放大了權(quán)重對決策結(jié)果的影響，而采用閔可夫斯基距離可以避免這一問題，并且計算結(jié)果更符合實際［10］。基于閔可夫斯基距離的TOPSIS法的決策步驟如下：

（1）將數(shù)據(jù)進行預處理，得到相應的決策矩陣，對決策矩陣進行標準化處理，得到標準化決策矩陣Z=｛zij｝。

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

（3）計算各備選方案與x*和x0的加權(quán)閔可夫斯基距離為：

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

（4）計算備選方案的排隊指示值Ci*，按照計算結(jié)果從大到小對各備選方案進行排序，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站（S1）、蔣家堰交通綜合服務站（S2）、梅子交通綜合服務站（S3）、水坪交通綜合服務站（S4）、泉溪交通綜合服務站（S5），5個鄉(xiāng)鎮(zhèn)農(nóng)村物流服務站點作為評價對象。

根據(jù)實地考察、現(xiàn)有資料、調(diào)查問卷及專家打分等方法得到5個評價對象在相應評價體系中的各項數(shù)據(jù)、分值（見表3）。其中專家打分分值范圍為0～10分，分值越高代表專家認為該評價對象越好。

表3　各評價指標的原始數(shù)據(jù)

（1）構(gòu)造標準化決策矩陣。對表3原始數(shù)據(jù)進行標準0-1化得到規(guī)范化決策矩陣Z如下：

（2）權(quán)重計算。按照公式（1）-（4）計算得出各指標的客觀權(quán)重，具體數(shù)值見表4。根據(jù)表4的結(jié)果可以得出站點面積對農(nóng)村物流服務點選址評價的影響最大，地理區(qū)位、站點收益、站點年吞吐量等影響因素對評價結(jié)果也具有較大影響，其他指標的權(quán)重偏小。

表4　各評價指標的客觀權(quán)重

根據(jù)本征向量法，將15個評價指標按照重要程度不減的標準進行排序得到：B4≥B6≥B7≥B1≥B5≥B8≥B12≥B11≥B2≥B3≥B9≥B13≥B14≥B15≥B10

根據(jù)公式（5）-（9）計算得出各指標的主觀權(quán)重，各評價指標標度值見表5，具體計算結(jié)果見表6。

表5　各評價指標標度值

表6　各評價指標主觀權(quán)重

將表4及表6的計算結(jié)果代入公式（7）-（9）得出各評價指標的組合權(quán)重，具體結(jié)果見表7。

表7　各評價指標組合權(quán)重

組合權(quán)重既考慮了客觀權(quán)重，又根據(jù)實際主觀權(quán)重進行了相應的調(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，站點面積、站點年收益、站點年吞吐量對于站點選址評價結(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）計算5個待評價方案離正理想解與負理想解的距離，得出備選方案的排隊指示值Ci*。計算結(jié)果見表8。

表8　各待評價站點排隊指示值

由表8可以得出5個農(nóng)村物流服務站點排隊指示值從大到小排序為：S5≥S1≥S4≥S2≥S3，因此對5個農(nóng)村物流服務站點由好到差排序為泉溪交通綜合服務站（S5）-豐溪交通綜合服務站（S1）-水坪交通綜合服務站（S4）-蔣家堰交通綜合服務站（S2）-梅子交通綜合服務站（S3）。

5　結(jié)論

針對農(nóng)村物流服務站點選址評價問題的研究國內(nèi)外還比較少，現(xiàn)有研究在確定權(quán)重時多采用層次分析法或熵權(quán)法，都有一定的局限性，沒有同時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)重進行融合，提高了指標權(quán)重的準確性。同時為減小權(quán)重對最后評價結(jié)果的影響，在使用TOPSIS模型時采用了閔可夫斯基距離代替歐幾里德距離進行計算評價，該改進提高了TOPSIS模型在進行評價時的可信度。文中改進TOPSIS模型在實際使用過程中計算簡單，可信度較高，對農(nóng)村物流服務站點選址具有一定的指導意義。

［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，梅運先.基于BP人工神經(jīng)網(wǎng)絡的物流配送中心選址決策［J］.中國軟科學，2004，（6）:140-143.

［5］鄒建平，吳應宇.基于模糊TOPSIS方法的區(qū)域物流基礎設施布局方案評價研究［J］.東南大學學報（哲學社會科學版），2011，（1）.

［6］李玉民，郭利利，劉旻哲.基于AHP-TOPSIS的物流園區(qū)綜合競爭力評價模型研究［J］.鄭州大學學報（工學版），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度擴展構(gòu)造法［J］.系統(tǒng)工程，2003，（1）:105-109.

［9］朱雪龍.應用信息論基礎［M］.北京:清華大學出版社，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，武漢理工大學交通學院教授，博士，主要研究方向：交通運輸系統(tǒng)優(yōu)化與決策、物流管理、運輸市場與運輸政策、物流系統(tǒng)優(yōu)化與仿真。