[發明專利]一種基于AHP-DBN的車貨匹配方法

有效

• 申請號: 202110750562.8
• 申請日: 2021-07-02
• 公開（公告）號: CN113379356B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 田冉;王楚;高世偉;馬忠彧;劉顏星;胡佳;王灝篷;王晶霞;李新梅
• 申請（專利權）人: 西北師范大學
• 主分類號: G06Q10/08
• 分類號: G06Q10/08;G06N3/08;G06K9/62;G06Q50/28;G06Q50/30
• 代理公司: 北京盛凡佳華專利代理事務所(普通合伙) 11947
• 代理人: 吳佳佳

1.一種基于AHP-DBN的車貨匹配方法，其特征在于包括下述步驟：

定義：AHP全稱為Analytic Hierarchy Process，即層次分析法，是一種多目標決策分析方法，它使用決策者的經驗判斷并衡量多目標之間的相對重要程度，合理給出每個目標的權數，AHP常被應用于多目標、多準則、多要素、多層次的復雜決策問題；DBN全稱為Dynamic Bayesian Network，即動態貝葉斯網絡，它隨著相鄰時間步把不同變量聯系起來，能夠學習變量間的概率依存關系及其隨時間變化的規律；

步驟1：確定車輛和貨物的特征屬性，兩者的屬性在后續步驟中需要依次配對；本發明將車輛定義為貨物定義為每個屬性依次對應類型、質量、體積、起始地、目的地、等待開始時間、等待截止時間、匹配優先級；

步驟2：根據車輛和貨物的屬性確定子算法；通過屬性匹配往往能夠大致判定匹配目標對象或者否定某對象，具體匹配算法如下：

步驟2.1：類型匹配度計算；在物流運輸中，不同的貨物需要不同類型的車輛來運輸，如果類型不匹配，那么就很有可能會對車輛或者貨物造成不必要的損失，損害車貨雙方的利益，只有類型相匹配，才能進行下一步的匹配工作，才能夠有機會達到令雙方都滿意的效果，根據車輛與貨物的不同類型與車輛的承載能力，整合了詳細數據見表1，車輛與貨物的類型匹配度可由表1來得到：

表1車貨類型匹配表

O₁＝x；

在已知了車輛類型、貨物類型之后，x由表1中“匹配程度”列得到；

步驟2.2：質量或體積匹配度計算；不同類型的車輛其載重量和容積是一定的，對于要匹配的貨物來說，如果質量遠遠小于車輛的額定載重量，那么可以認為此次匹配不合適或者成本過高；如果質量超過車輛的載重量，那么同樣會對貨運車輛司機的安全性產生很大的危害，對此種情況，可以直接否定；體積也是同樣的道理，如果貨物的體積除以0.006得到的值大于其自身質量，那么認定此貨物為泡貨，也就是輕貨，應當使用體積來計算，反之的話認定為重貨，應當使用質量來進行計算；

步驟2.3：路徑匹配度計算；車輛和貨物的路徑匹配決定著車輛能否順利的把貨物送達目的地，對于車輛和貨物，他們的路徑包含始發地和目的地，使用向量表示，車輛的路徑向量表示為貨物的路徑表示為以車輛i和貨物j為例，使表示貨物i起始點到終點的距離，表示車輛i和貨物j起始點的距離，表示車輛i和貨物j終點的距離，在路徑匹配過程中，路徑匹配度使用路線重合度來表示，即可以表示為：

步驟2.4：時間匹配度計算；車輛和貨物的等待匹配時間必須有交集才能夠證明兩者有共同的匹配空間，如果沒有交集就證明兩者時間沖突，不可能匹配成功，詳細來說，車輛和貨物匹配開始時間中的最大值必須小于兩者匹配截止時間中的最小值，用表示，則兩者的差值就是可匹配的時間長度，反之可匹配的時間長度為0，匹配失敗，時間匹配度可通過以下公式得到：

步驟2.5：屬性匹配度計算；根據車輛和貨物不同屬性在此次運輸中所占的重要性程度，本發明可以為這些屬性匹配設置屬于各自的權重，W₁、W₂、W₃、W₄分別是類型匹配度、質量或體積匹配度、路徑匹配度、時間匹配度對應的權重，由此可以得到車輛i和貨物j的屬性匹配程度為：

O_ij＝W₁O₁+W₂O₂+W₃O₃+W₄O₄；

步驟2.6：動態權重計算；在車貨匹配過程中，如果在第一個時間段內某車輛沒有匹配成功，那么它將被放入到下一個時間片內繼續進行匹配，與此同時，隨著時間的變化，此車輛匹配的迫切度增大，其時間屬性匹配度所占的權重應該上升，每經歷一個時間片，其對應的權重O₄就上升0.05，同時其他屬性匹配度所占權重按照相應的比例減小，O₄最大不超過0.5，令初始時間為t＝1，此時各屬性初始權重分別為Q₁,Q₂,Q₃,Q₄，

其中，Q₁,Q₂,Q₃,Q₄由AHP得到，具體步驟如下：

1、構建層次分析結構；

2、構造判斷矩陣并確定比例標度表；

3、計算各層次權重；

1)求出判斷矩陣每行元素的乘積m_i

2)計算m_i的n次方根

3)對向量Q＝[Q₁,Q₂,Q₃,Q₄]^T歸一化處理

4、一致性檢驗

比例標度表、各屬性權重調查問卷表分別見表2、表3

求每行元素的乘積m_i并求得其n次方根：

進行歸一化處理得：

表2比例標度表

表3各屬性權重調查問卷

步驟3：環境影響度；計算車輛和貨物具體匹配概率的時候，除了使用匹配度來衡量某車輛和某貨物彼此的合適程度，還需要考慮其他因素對此組合匹配產生的相關影響，基于此，本發明提出了環境影響度這個概念，具體是指通過車輛或者貨物的各項特征在各自集合中的分布規律來統一得到每輛車或每個貨物的重要性程度，要進行匹配的車輛和貨物通過各自重要性程度的相互作用來求得此組合的環境影響度，車輛的重要性程度所代表的物理意義是，在平臺不進行匹配時，此車輛在所有車輛中的重要性占比程度，代表著未來匹配成功的可能性，其包含了除己之外的車輛對自身產生的影響，同理，貨物的重要性程度也代表著其在未來匹配成功的可能性大小，包含著其他貨物對自身的影響，以車輛i為例，其重要性程度用概率值P(V_i)來表示，并且∑_ip(V_i)＝1，貨物的重要性程度用P(C_j)來表示，由于本發明基于車找貨，車輛的重要性程度越大，貨物的重要性程度越大，那么環境影響度就應該越大，因此環境影響度EnvD定義為P(V_i)與1-P(C_j)的比值，具體公式定義如下：

步驟4：車貨綜合匹配度；由步驟2、步驟3分別對車貨匹配的內在因素、外在因素進行了深入剖析，內在因素即車貨雙方屬性匹配度，也就是其自身產生的影響，外在因素即車貨雙方彼此的重要性程度相互作用，代表著環境對匹配組合產生的影響；在實際的匹配中，內在因素和外在因素對綜合匹配度所起到的作用也是不同的，本發明使用W_o，W_e分別作為屬性匹配度、環境影響度的權重，使用AHP法得到，由此，可以得到車輛貨物的綜合匹配度計算公式：

D(V_i,C_j)＝W_o×O_ij+W_e×EnvD(V_i,C_j)；

步驟5：構建動態貝葉斯網絡；在得到車輛和貨物的匹配度計算公式后，本發明需要構建動態貝葉斯網絡來模擬真實的物流中的車貨匹配過程，要構建動態網絡，首先要明確單時間段內詳細的匹配過程：

步驟5.1：構建基于單時間片的貝葉斯網絡的車貨匹配過程；在t時間段內，此時的車輛/貨物資源既包括t-1時間段匹配失敗的，也包括外界新進入的，設此時有N輛車，車輛按照優先級順序依次進行匹配，每輛車的匹配過程都作為一個狀態來表示，那么此時間片內的匹配過程將被分為N個連續的狀態，在某個確定的狀態s⁽ⁱ⁾內設車輛V_i正在匹配，如果V_i與某貨物匹配成功則作為狀態s⁽ⁱ⁾的輸出加入到匹配成功隊列，則s⁽ⁱ⁺¹⁾狀態下車輛V_i+1只能從剩余的貨物中進行選擇匹配，選擇的范圍變小，V_i匹配失敗則加入到t+1時間段繼續進行匹配，同時優先級靠后的車輛V_i+1擁有了更廣泛的選擇機會，無論匹配成功與否，狀態s⁽ⁱ⁾都將持續對s⁽ⁱ⁺¹⁾狀態下的結果產生影響：

t＝{s⁽⁰⁾,s⁽¹⁾,…,s^(N)}；

R(s⁽ⁱ⁾|s^(i-1))＝C(V_i)；

R_t＝{R(s⁽⁰⁾),R(s⁽¹⁾),…,R(s^(N))}；

其中，s⁽ⁱ⁾表示第i個狀態，R(s⁽ⁱ⁾|s^(i-1))表示在狀態s^(i-1)制約下狀態s⁽ⁱ⁾中車輛V_i得到的匹配結果，R_t表示t時間段內所有的車輛的匹配結果；

步驟5.2：構建基于多時間片的動態貝葉斯網絡的車貨匹配過程；動態匹配建立在單時間片的匹配基礎之上，整個t時間段內所有連續狀態下輸出的匹配成功組合都將繼續下一步的工作，匹配失敗的車輛集合out_t作為t+1時間段的部分輸入繼續進行匹配，可以看出，單時間段內的匹配進程總是持續影響著下一時間段的匹配進程，多個時間片的匹配進程構成了動態的匹配過程，既可以提高車輛的匹配成功，也可以提高匹配失敗車輛的后續匹配成功率；

R＝{R₀,R₁,…,R_t}；

R表示所有時間段內的車輛匹配結果。