运输管理第7章.ppt

第二篇应用篇第7章需求预测技术 运输市场是运输生产者和运输需求者之间进行运输服务产品交易的场所和机制 是运输活动的客观反映 一 运输需求 有狭义的运输市场和广义的运输市场之分 它的形成源自于对运输服务的客观需求 以及合适的运输工具及有可供运输工具运行的铁路 公路 航道和港站等的运力供给 包括设施和劳务 指的是运输承运人提供运输工具和运输服务来满足旅客或货主对运输需要的交易活动场所 即进行运输服务买卖的场所 是指一定地区对运输需求和供给的协调与组织 包括一定的交易场所 较大范围的营业区域和各种显性或隐蔽的业务活动 一 运输需求的特征 二 影响运输需求的主要因素 三 运输需求弹性 运输需求弹性 运输市场需求是以拥有一定货运量的全体需求者为对象 并表示在不同的运价与全体需求者间对运输工具需求量的关系 只要在每一运价条件下 求出各需求者需求量的总和即得市场总需求量 1 需求的变动是指运价以外其他条件发生变动而导致整条需求曲线的变动 见右图 需求量的变动是指需求者对于某种运输工具的需要量 因运价涨落而发生的变化 其变动是沿一条既定的需求曲线从某一点移至另一点 见左图 1 运输需求弹性 一般用弹性系数可以较好地反映因运价变动而引起需求量变化的程度 运输需求弹性系数 如果运价变化同需求量变化呈现相反方向 则弹性系数符号为负号 为了正确确定提高企业经济效益的价格策略 应根据E的绝对值是大于1 小于1或等于1来采取不同的价格策略 需求量变化的百分比 运价变化的百分比 运输需求价格弹性 Ed 1富有弹性 采取降价策略来提高企业营业收入需求量的变化率大于价格的变动率 即需求量对于价格的变动率是比较敏感的 Ed 1缺乏弹性 采取提价策略来提高企业营业收入需求量的变动率小于价格的变动率即需求量对于价格的变动率欠敏感 当Ed 1采取降价或提价不影响企业收入 二 运输供给 一 运输供给的特征 运输供给是指运输市场上运输服务的供给者在不同的运输条件下所需提供的运输服务的数量 包含 运输供给量 运输方式 运输布局和运输行业管理体制 在其它条件不变的情况下 若运输市场运价下跌 则运输服务的供给量将会减少 反之则增加 我们称之为运输供给规律 运输供给曲线 运输供给曲线是一条由左下方向右上方延伸的平滑曲线 在线上任何一点表示着一定运价与一定运力供给量的关系 在一般条件下 运价上涨 运力供给量增加 运价下跌 运力供给量减少 2 运输供给弹性 运输供给的表示方法与运输需求相同 也可用供给表与供给曲线及供给函数来表示 若因运价以外的其它条件所发生的变化 使整条供给曲线向右或向左移动 图1 16表示供给发生变化 图1 16运输供给变化图 2 运输供给弹性 若运输供给量的变动是由于运价的变化所引起的 则这种增减是在同一供给曲线上某一点的移动 运输供给量变动 SS 为供给曲线 由A点移至B点 其供给量由OQ1增至0Q2 是因为价格由P1提高到P2 2 运输供给弹性 当E 1富有弹性当E 1缺乏弹性当E 1供给量是单位弹性 物流需求预测的可行性影响物流需求预测的因素预测的精度与成本预测的时间范围和更新频率稳定性与响应性物流需求预测的步骤确定需求性质 独立需求或从属需求确定预测目标确定预测内容 收集资料进行初步分析选择预测方法预测和结果评价 物流需求的预测方法 定性预测方法市场调研法 小组讨论法 德尔菲法等定量预测方法时间序列分析 因果关系分析等 时间序列 指把某一变量在不同时间上的数值按时间先后顺序排列起来所形成的序列 它的时间单位可是是分 时 日 周 旬 月 季 年等 时间序列模型是利用时间序列建立的数学模型 主要被用来对未来进行短期预测 属于趋势预测法 简单一次移动平均预测法 项数n的数值 要根据时间序列的特点而定 不宜过大或过小N过大 会降低移动平均数的敏感性 影响预测的准确性N过小 移动平均数易受随机变动的影响 难以反映实际趋势一般n取n的大小包含季节变动和周期变动的时期为好 这样可以消除他们的影响对于没有季节变动和周期变动的时间序列 项数n的取值可取较大的数如果历史数据的类型呈上升 或下降 的发展趋势 则项数n的数值应取较小的数 这样能取得较好的预测效果 加权一次移动平均预测法 简单一次移动平均预测法 把参与平均的数据在预测中所起的作用同等对待 但参与平均的各期数据所起的作用往往是不同的需要采用加权移动平均化进行预测 指数平滑法 二次指数平滑法 模糊综合评判法 什么是事物的模糊性 指客观事物在中介过渡时所呈现的 亦此亦彼性 1 清晰的事物 每个概念的内涵 内在涵义或本质属性 和外延 符合本概念的全体 都必须是清楚的 不变的 每个概念非真即假 有一条截然分明的界线 如男 女 2 模糊性事物 由于人未认识 或有所认识但信息不够丰富 使其模糊性不可忽略 它是一种没有绝对明确的外延的事物 如美与丑等 人们对颜色 气味 滋味 声音 容貌 冷暖 深浅等的认识就是模糊的 评价者从诸因素出发 参照有关信息 根据其判断对复杂问题分别作出 大 中 小 高 中 低 优 良 可 劣 好 较好 一般 较差 差 等程度性的模糊评价 模糊综合评价的数学模型 1 模糊数学的产生 至今 数学的发展已经历三代 1 第一代数学 经典数学 研究和处理精确的必然现象 2 第二代数学 统计数学 研究和处理事物偶然性 随机性 3 第三代数学 模糊数学 研究和处理事物的模糊性 它们都是不确定数学 是精确 确定 数学的延伸和发展 FuzzyMaths 专门用来处理和研究模糊性事物的一种新的数学方法 1965年美国加州大学查德 L A Zadeh 教授发表 FuzzySets 一文 标志其诞生 模糊综合评价的步骤 设定评价指标因素集U 设定评语集V 确定评价指标权重集 用民意测验方法请专家实施评价 建立评价矩阵 按数学模型进行综合评价 归一化处理 得出具有可比性的综合评价结果 给定评价指标因素 着眼点 的有限集合和评语的有限集合 则相对某一单项评价因素u1而言 评价结果可以用评语集合V这一论域上的模糊子集来描述 并简记为向量形式 如对教材进行评价 假如评价科学性 u1 实践性 u2 适应性 u3 先进性 u4 专业性 u5 等方面 则评价指标因素集为 若评价结果划分为 很好 v1 好 v2 一般 v3 差 v4 四个等级 评语集则为 如只对科学性 u1 一个因素来评定该教材 若采用民意测验的方法 结果16 的人说 很好 42 的人说 好 39 的人说 一般 3 的人说 差 则评价结果可用模糊集描述 评价结果是评语集合V这一论域上的模糊子集 可简记为向量形式 就是对被评对象所做的单因素评价 然而 一般往往需要从几个方面来综合地评价某一事物 从而得到一个综合的评价结果 对多指标因素的综合评价 最终结果仍是评语集合V这一论域上的模糊子集 记作 其中bj为V中相应元素的隶属度 且 简记为m维向量形式 实际评价工作中 考虑到不同评价因素重要性的区别 评价因素集合是因素集U这一论域上的模糊子集 记作 简记为n维向量形式 其中ai为U中相应元素的权重 且 一个模糊综合评价问题 就是将评价因素集合U这一论域上的一个模糊集合经过模糊关系变换为评语集合V这一论域上的一个模糊集合 即 上式即模糊综合评价的数学模型 其中 种评语的可能程度 模糊综合评价的结果 是m维模糊行向量 模糊评价因素权重集合 是n维模糊行向量 从U到V的一个模糊关系 是矩阵 称为隶属度矩阵 表示从第i个因素着眼 做出第j 模糊综合评价的应用 例题 1 用于讲课质量的评估U 清楚易懂 教材熟练 生动有趣 板书整洁 V 很好 较好 一般 不好 归一化 按隶属原则来识别李老师讲课效果是 较好 取其最大值所对应的评语等级 例题 2 用于科技成果的评定U 水平 成功概率 经济效益 V 高 中 低 综合评价 归一化 排序 乙 甲 丙 层次分析 AHP 法 AnalyticHierarchyProcess AHP 美国运筹学家 匹兹堡大学教授T L Saaty 1977 一种定性与定量分析相结合的系统分析方法 可以综合定性和定量分析 模拟人的决策思维过程 以解决多因素复杂系统 特别是难以定量描述的社会系统 我国于1982年开始引进 现已在能源政策分析 产业结构研究 科技成果评价 发展战略规划 人才考核评价等方面得到了应用 分析步骤 AHP分析法的步骤 1 建立层次结构模型 将所包含的因素分组设层 并标明各层因素之间的关系 如对决策问题 可构造出下图所示的层次结构模型 目标层A 准则层C 方案层P 2 构造判断矩阵 人们在日常生活中经常要从一堆同样大小的物品中挑选出最重的物品 这时 人们总是利用两两比较的方法来达到目的 比如挑西瓜 每只西瓜的重量分别为W1 W2 Wn 很容易得到表示n只西瓜相对重量关系的判断矩阵A A W1 W1W1 W2 W1 WnW2 W1W2 W2 W2 Wn Wn W1Wn W2 Wn Wn aij n n 显然aii 1 aij 1 aji aij aik ajk i j k 1 2 n 2 构造判断矩阵 即n是A的一个特征根 每只西瓜的重量是A对应于特征根n的特征向量的各个分量 反过来 如通过西瓜两两比较能得到判断矩阵A 而不是称 也可推导出西瓜的相对重量 因为判断矩阵A有完全一致性时 可通过解特征根问题AW maxW求出归一化特征向量 即设西瓜总重量为1 从而得到n只西瓜的相对重量 AW W1 W1W1 W2 W1 WnW2 W1W2 W2 W2 Wn Wn W1Wn W2 Wn Wn nW W1W2 Wn nW1nW2 nWn 2 构造判断矩阵 2 构造判断矩阵 同样 对于复杂的社会 经济 科技等问题 通过建立层次分析结构模型 构造出判断矩阵 利用特征值方法即可确定各种方案和措施的重要性排序权值 以供决策者参考 使用AHP 判断矩阵A的一致性很重要 但要求所有判断都有完全的一致性不大可能 因此 一般只要求A具有满意的一致性 此时 max稍大于矩阵阶数n 其余特征根接近零 这时 基于AHP得出的结论才基本合理 为使所有判断保持一定程度上的一致 AHP步骤中需要进行一致性检验 2 构造判断矩阵 判断矩阵是针对上一层次某因素而言 本层次与之有关的各因素之间的相对重要性的数量表示 这是将定性判断转变为定量表示的一个过程 设准则层中因素Ck与下一层P中的因素P1 P2 Pn有关 则构造的判断矩阵如下表 Ck P1 P2 Pn P1 P2 Pn b11 b12 b1n b21 b22 b2n bn1 bn2 bnn 2 构造判断矩阵 其中bij通常取为1 2 3 9及它们的倒数 其含义是 bij 1 表示Pi与Pj一样重要 bij 3 表示Pi比Pj重要一点 稍微重要 bij 5 表示Pi比Pj重要 明显重要 bij 7 表示Pi比Pj重要得多 强烈重要 bij 9 表示Pi比Pj极端重要 绝对重要 其间的数2 4 6 8及各数的倒数具有相应的类似意义 3 层次单排序 计算相对重要度 根据判断矩阵 计算对于上一层次某因素而言 本层次与之有关的因素的重要性次序的权值 层次单排序可归结为计算判断矩阵特征根和特征向量问题 即对判断矩阵B 计算满足BW maxW的特征根与特征向量 W的各个分量Wi即是相应因素单排序的权值 4 层次单排序中的一致性检验 为了检验判断矩阵的一致性 需要计算它的一致性指标 max n n 1 CI 将CI与平均随机一致性指标RI比较 RI可从下表查得 阶数 RI 1 2 3 4 5 6 7 8 9 0 00 0 00 0 58 0 90 1 12 1 24 1 32 1 41 1 45 只有当随机一致性比例CR 0 10时 判断矩阵才具有满意的一致性 否则就需要对判断矩阵进行调整 CI RI 5 层次总排序 计算综合重要度 利用单排序结果 可综合计算最底层 方案层 相对最高层 目标层 重要性顺序的组合权值 层次总排序从上到下进行 C层因素C1 C2 C3对A层目标的单排序结果为c1 c2 c3假设已知P层因素P1 P2 P3对的单排序结果为 C1 C2 C3 b11 b21 b31 b12 b22 b32 b13 b23 b33 目标A 准则C1 准则C2 准则C3 方案P1 方案P2 方案P3 5 层次总排序 则综合计算P1 P2 P3相对A的总排序结果可用下表表示 C对A P对C C1 C2 Cm c1 c2 cm P1 P2 Pn b11 b12 b1m b21 b22 b2m bn1 bn2 bnm P层次的总排序 i 1 m cib1i m i 1 cib2i m i 1 cibni 6 总排序的一致性检验 为评价总排序的计算结果的一致性 需要计算与单排序类似的检验量 同样 当CR 0 1时 我们认为层次总排序具有满意的一致性 其结果可提供决策者参考 AHP计算的根本问题是计算判断矩阵的最大特征根 max及其对应的特征向量W 三种常用的计算方法 幂法 求和法 方根法幂法 特征根方法 计算机进行 可得到任意精确度的最大特征根 max及其相应的特征向量W 求和法 算术平均法 近似算法 方根法 几何平均法 近似算法 特征值的计算方法 1 幂法 计算步骤如下 1 取与判断矩阵B同阶的归一化的初值向量W 2 计算 3 令 计算 4 给定一个精度 当 对所有 成立时停止计算 则 就是 所需求的特征向量 5 计算最大特征值 2 求和法 例1 用求和法计算下述判断矩阵的最大特征根及其对应的特征向量 B C1 C2 C3 C1 C2 C3 1 5 3 1 5 1 1 1 3 1 3 3 解 1 将判断矩阵每一列归一化 本例得到按列归一化后的判断矩阵为 2 列归一化后的判断矩阵按行相加本例有 2 求和法 3 将向量归一化 则所求特征向量 W 0 106 0 634 0 261 T 2 求和法 本例有 4 计算判断矩阵的最大特征根 max 2 求和法 11 51 3 513 31 31 0 106 0 634 0 261 BW BW 1 1 0 106 1 5 0 634 1 3 0 261 0 320 BW 2 5 0 106 1 0 634 3 0 261 1 941 BW 3 3 0 106 1 3 0 634 1 0 261 0 785 2 求和法 BW 1 BW 2 BW 3 本例有 则 2 求和法 一致性检验 检验该矩阵是否具有满意的一致性 一致性指标CI 0 018 max n n 1 3 036 3 2 查表 三阶矩阵的平均随机一致性指标RI 0 58 由于该矩阵的随机一致性比例 CR 0 03 0 1 CI RI 0 018 0 58 所以该矩阵具有满意的一致性 C1 C2 C3相对B的排序为 2 求和法 W 0 106 0 634 0 261 T 例2 用方根法计算下述判断矩阵的最大特征根及其对应的特征向量 B C1 C2 C3 C1 C2 C3 1 5 3 1 5 1 1 1 3 1 3 3 3 方根法 解 1 将判断矩阵B的元素按行相乘本例有 2 所得的乘积分别开n次方本例有 3 方根法 3 将方根向量归一化 即得所求特征向量W本例有 3 方根法 W 0 105 0 637 0 258 T 4 计算判断矩阵最大特征根此处与求和法相同 略 本例有 max 3 037 3 方根法 例 AHP用于方案排序 例3 决定某厂一笔企业留成利润目标 合理使用留成利润 促进企业进一步发展可选方案 5个 层次结构模型 1 判断矩阵A C 如该厂认为根据总目标有 例 AHP用于方案排序 A C1 C2 C3 C1 C2 C3 11 51 3 513 31 31 归一化 C1 A C2 C3 C3 C1 C2 0 11110 13040 0769 0 55560 65220 6923 0 33330 21740 2308 W 0 1042 0 6372 0 2583 AW 例 AHP用于方案排序 可见 判断矩阵A C具有满意的一致性 故有 例 AHP用于方案排序 2 判断矩阵C1 P 如该厂认为 针对准则C1 有 P1最重要 P2很重要 P4重要 P3次要 P5更次要 例 AHP用于方案排序 C1 P1 P2 P3 P1 P2 P3 13547 1 31325 1 51 311 23 P4 P5 P4 P5 1 41 2213 1 71 51 31 31 W 0 491 0 232 0 092 0 138 0 046 判断矩阵C1 P 例 AHP用于方案排序 3 判断矩阵C2 P 如该厂认为根据准则C2 有 P3最重要 P5很重要 P4重要 P2次要 例 AHP用于方案排序 例 AHP用于方案排序 C2 P2 P3 P2 P3 11 71 31 5 7153