一類物流企業網絡運量預測組合算法與應用

[摘要] 本文分析了物流運輸企業網絡配送運量變化特性，提出了網絡運量預測的組合算法，結合各種網絡運量預測方法的特性，運用具體實例對組合模型的精度和適用條件進行了驗證。

[關鍵詞] 運量預測組合算法

一、引言

物流網絡配送是一種特殊的、綜合的物流活動形式，是物流企業的一個縮影或在小范圍中物流全部活動的體現。物流網絡運量的合理預測可以優化和完善物流系統，改善物流服務，降低物流成本，提高物流企業的經濟效益。運量的預測方法分為定性預測方法和定量預測方法。

物流企業網絡運量的預測方法有多種。如增長系數法、重力模型法、機會模型法和最大熵模型法等。但由于各種方法都具有其各自的優點，同時也存在各自的缺點或局限性;同一被預測目標，用不同預測方法，其結果往往相差較大。為解決這一矛盾，使運量預測更加切合實際，為科學決策提供可靠的依據，有必要提出運輸市場預測的組合算法。

二、網絡運量預測的組合算法

所謂運量預測的組合算法，是指運用多種預測方法對同一目標進行預測，然后將幾種預測結果再進行一定的數學統計處理，組合成一個新的預測結果的方法。設幾種預測方法所得結果分別為Y1，Y2，……，Yn;組合預測法的結果為Y，其相互關系表達為:

F(Y)=f(Y1，Y2， ……，Yn)（1）式(1)的具體關系式可根據實際情況加以確定。

如算術平均值:（2）加權平均值:（3）式(3)中q1，q2，…qn為各相應預測法結果所占權數。幾何平均值:（4）

三、網絡運量預測的特性分析

運量預測常用的方法有增長系數法、重力模型法和最大熵模型法。

1.增長系數算法

在運量預測中增長系數法通常采用平均增長率法和弗拉塔法。

平均增長率法:ij城市或貨運集散點的分布運量的增長率。使用i區出行發生量的增長率和j區出行吸引量增長率的平均值。

（5）弗拉塔法(Frator)：ij區間分布運量的增長率使用出行發生量誤差修正量和出行吸引量誤差修正量的組合平均值。（6）（7）增長系數法的優點:結構簡單、實用的比較多，不能需要交通城市或貨運集散點之間的距離和時間，可以適用于小時運量或日運量等的預測，也可以獲得各種目的的OD運量，對于變化較小的OD表預測非常有效。

增長系數法的缺點：必須有所有城市或貨運集散點的OD運量；對象地區發生大規模變化時，該方法不適用;交通城市或貨運集散點之間的運量值較小時，存在如下問題:(1)若現狀運量為零，那么將來預測值也為零。(2)對于可靠性較低的OD運量，將來的預測誤差將被擴大;因為預測結果因方法的不同而異，所以在選擇計算方法時，需要先利

用過去的OD表預測現狀OD表，比較預測精度;將來運量僅用一個增長系數表示缺乏合理性。

2.重力模型法（Gravity Method）

模擬物理學中的牛頓的萬有引力定律兩物體間的引力與兩物體的質量之積成正比，與它們之間距離的平方成反比。（8）其中，Oi，Dj:城市或貨運集散點i，j的發生與吸引運量;R:城市或貨運集散點i，j間的距離或一般費用;k，α，b，g:系數。在現狀OD表已知的條件下，Oi， Dj， Rij和tij已知，k，α，b，g可以用最小二乘法求得。

優點:直觀上容易理解;能考慮路網的變化和土地利用對人們的出行產生的影響;特定交通城市或貨運集散點之間的運量為零也能預測;能比較敏感的反映交通城市或貨運集散點之間行駛時間變化的情況。

缺點:模型盡管能考慮到路網的變化和土地利用對出行的影響，但缺乏對貨流生成與方式選擇行為的分析，跟實際情況存在一定的偏差;貨流距離分布在全區域并非為定值，而重力模型將其視為定值;交通城市或貨運集散點之間的行駛時間因交通方式和時間短的不同而異，而重力模型使用了統一時間;交通城市或貨運集散點之間的距離小時，有夸大預測的可能性。

3.最大熵模型

網絡運量預測中最大熵模型通常采用Wilson模型:（9）

T:對象地區的生成運量。即OD運量的組合數由求E的最大得到。

約束條件為：（10）式中：C為出行總費用， Cij為tij的出行費用最大熵模型一般用以下對數拉格朗日方法求解。 （11）其中，λi，μj，γ為拉格朗日系數。（12）對上式變形求解可得（13）

特點:能表現出行者的微觀行動;總交通費用是出行行為選擇的結果，事先給定脫離現實情況;各微觀狀態的概率相等，即各目的地的選擇概率相等的假設沒有考慮距離和行駛時間等因素。

四、組合預測應用算例

如一物流企業主要負責A、B、C三個城市之間的物流運輸，表1為該企業2004年的運量統計和2005年預計運輸量表，表2為2005年三個城市間各條運輸線路間單位運輸平均收益，表3為2005年各城市間單位平均運輸收益。現通過不同預測方法對其進行各城市間運量預測:

下面分別運用平均增長系數法、弗拉塔法和重力模型對該問題進行預測。平均增長系數法預測結果為表4，弗拉塔法(Frator)預測結果為表5，重力模型預測結果為表6。具體計算過程略。

表7為2005年各城市之間的實際運輸量，將以上預測結果與其對比，發現各種預測方法均沒有很好的達到實際值。現在我們用加權組合算法對其進行預測：根據以往預測的經驗，平均增長系數法、弗拉塔法(Frator)和重力模型的權重為:2∶3∶5。表8為預測結果：

誤差檢驗:令則:則:

δ平均=25.35311/9=2.817

δFrator=33.84578/9=3.761

δ重力=83.46106/9=9.273

δ組合=4.6493/9=0.517

由誤差分析可以看出，組合模型最好的反應了實際值，它結合了幾種常用模型的優點，將各種模型的誤差進行了相互抵消，大大的提高了預測精度，因此，組合模型運量預測在物流企業網絡流量預測中十分有效，應該推廣。

五、結論

流量預測始終是企業物流運輸網絡決策過程中得決定性的因素，由于目前各種預測方法各有優缺點，只有將各種預測方法進行組合，才可以在實際運用中取得理想的預測結果。由于組合模型的這種優良特性，在其他實際問題的預測中也可以采用，這樣可以有效的避免因為只采用一種模型而帶來的誤差。