打开文本图片集
摘 要：公共交通运输对在建房地产项目的促进性一直缺少完整有效的理论分析。采用改进最大最小蚂蚁算法作为理论基础建立的模型可以有效分析这一问题。该方法将公共交通路线优化后的房地产销售项目的盈利结果输入分销利润模型进行分析，对特殊地区公共交通线路优化后的建筑产品的分销情况进行量化。实验结果表明该种模型从公共交通路线优化角度对房屋销售水平、市场占有率以及利润增长率变化进行了描述，具有较高的应用价值。
关键词：交通线路优化;建筑项目;改进最大最小蚂蚁
中图分类号：F311 文献标识码：A 文章编号：1672-2442（2015）02-0048-05
Analysis of Public Transportation Convenience’s Promotion Effect
on Sales of Project under Construction
Yang Ruqing，Hao Wenmin
（Department of Economic and Management， Tongji University， ShangHai 243000， China）
Abstract：As for public transport"s promotion for real estate projects under construction there has always been a lack of complete and effective theoretical analysis. With the improved Maximin Ant Algorithm as a theoretical basis to establish a model can effectively analyze this problem. This method will input real estate sales project"s profit result， which occurs after public transportation route optimization， into the profit distribution model to proceed the analysis， and then quantify the distribution situation of building products in special area after its public transportation routes" optimization. Experimental results show that from the perspective of public transportation route optimization，this model describes changes of the level of housing sales， market share and profit growth rate， and thus has higher application value.
Keywords：transportation route optimization; construction project; improvement of maximin ants
引言
随着房地产市场的发展，如何实现房地产产品的快速销售成为房地产企业关心的重要问题，销售的成败是决定建筑企业和开发商能否生存的关键因素。市场经济条件下，房地产企业要想提高竞争能力以及经济效益，关键的过程是解决产品上市的销售效率问题，也就是采用最小的销售成本和最高的效率将产品推向市场，进而满足消费者的需求，实现房地产企业的经营战略目标。交通的便利性在房地产项目销售领域的重要性逐渐增强，在建项目配套便捷的交通出行方式，能够促进房地产产品销售流通效率，对于房地产企业的在建项目分销具有重要的作用[1，2]。因此，寻求合理的方法获取交通便利性与项目销售的关系，成为房地产企业销售管理者分析的热点方向。
在一些特殊区域，交通极其不方便，房地产产品分销中存在着相关问题，即当前的项目分销分析模型[3，4，5，6]无法适应特殊区域交通因素给房地产产品带来的随机性、多样性特征，分析过程容易陷入局部最佳状态，未对房地产产品的分销过程中的交通因素进行充分的分析，获取的结果未考虑地产商以及建筑商间的交通运输因素，存在一定的偏差，无法准确反映房地产产品的利润情况，存在较大的缺陷。
1 当前的分析模型以及存在的缺陷
针对建筑施工项目与交通便利程度的建模问题，本文将分析常见的方法并分析他们存在的缺陷。
1.1 交通便利系数定额法
定额法是一种基于国家或地方发布的预算定额进行估价的方法。它包含三个基本步骤：第一，在分析交通便利权重的基础上，进而套用销售单价计算出销售的直接费;第二，利用销售直接费计算各种相关费用、利润及税金;第三，汇总以上内容最终得出房屋的销售面积。其核心公式如下所示：
建筑工程销售面积=[（工程量×销售单价）×（1+各种费用的费率+利润率）]×（交通便利系数）
该方法的优势表现在：由于销售额度规范了消耗量、人工、材料、机械单价及各种交通便捷程度的标准，故可以防止过高的冒算以及过低的结果，从而保证了模型分析的规范性、统一性和合理性。然而，该方法也存在以下的劣势：预算结果会抑制市场的竞争，进而减弱施工企业改进技术的积极性。
1.2交通便捷约束清单法
为了克服上面方法进行模型估价的不足，2003年提出了约束化的计价模式。该方法是一种鼓励竞争的交通-销售关系估价方法，它包含两个基本步骤：第一，提供交通便捷程度清单;第二，基于清单，依据自身销售企业的优势组合各分部分项工程的单价，进而得到总的销售量报价。该方法的优势表现在：它改变了定额法“量价合一”的计划经济管理模式，实现了“量价分离”的市场经济管理模式，引入了交通运输中的约束。然而，该方法也会造成过多人为因素和恶性竞争的不足。
1.3智能化方法
智能化方法是指利用人工智能领域的最新研究进展所得到的算法进行房屋销售-交通便捷的关系估价方法。与传统方法不同，该类方法通常都不需要计算分部分交通的约束条件，也不需要套用销售定额。该类方法主要应用在在拟建工程还处于“朦胧”阶段时，此种情形下，由于交通状况掌握程度不全， 故不能采用定额法和工程量清单法，而采用此类方法可以迅速准确地估算出两者的关系。
（1）模糊数学方法
利用模糊数学方法估算交通-房屋销售的关系，本质上属于类比法的一种。它包含三个计算步骤：第一，寻找多个已建工程的工程特征及销售资料;第二，利用模糊数学知识度量已建工程与交通便捷程度的相似度;第三，在已建工程中，找出与拟建工程最相似的几个作为估算依据;第四，根据最相似的几个工程，利用模糊数学的知识求出新工程与交通便捷程度的关系模型。该方法的优势是不需要计算工程的工程量，缺点是模糊数学表达非线性关系时精度不，够高。
（2）神经网络方法
由于利用神经网络方法进行交通便捷程度-房屋销售的关系模型的构建时，其精度超过模糊数学类方法，该方法成为智能算法中应用最广泛的一种方法。该方法预先假定工程的总销售与交通的便捷程度的基本特征值之间存在着某种非线性关系，同时认为表达这类关系是神经网络法的强项。该方法分为两个步骤：第一，将已竣工的同类结构的工程作为训练样本，训练神经网络模型;第二，利用训练好的神经网络模型预测待建工程的销售量。需要特别指出的是训练样本数量越大则神经网络模型表达非线性关系越准确，从而使其预测效果越精确。神经网络法本质上也是类比法的一种，它的优势表现在可以表达任何一种非线性关系，它的不足是当训练样本数目较小时预测效果较差。
2 改进的大小蚂蚁算法的交通便利性分析建模
本文采用改进的大小蚂蚁算法对房地产产品销售中的交通因素进行优化分析。改进后的算法避免了传统算法出现的停滞状态的弊端，确保分析中的选择和优化步骤顺利进行。
该算法确保不同的交通条件下，房地产在建项目中剩余的房屋数量的区间是[[τmin，τmax]]，[τmin]用于避免算法出现停滞，[τmax]用于约束算法的无限扩散。这能够降低分析算法中蚂蚁间的信息交流时间，并且在频繁路径中产生更多的信息量，提高分析算法的正反馈效应。算法中的信息素更新函数为：
[τij（t+n）=τij（t）融入禁忌表，t<τminτij（t），τmin<τij（t）<τmaxτmax，τij（t）>τmax] ①
其中，[τij（t）]和[τij（t+n）]分别表示原有和完成调整的信息素浓度，[τmax]表示弧度信息素。
若交通运输条件上的信息素仅选择循环最佳或全局最佳一种时，会出现寻优停滞问题，因此本文设置蚂蚁按照式②选择下一个节点：
[Pkij（t）=[τij（t）]α∙[ηij]βl∈Nki[τij（t）]∙[ηij]β（j∈Nki）] ②
信息素不断增加，蚂蚁更倾向选择最优路线解，蚂蚁会重复塑造相同解，会出现停滞问题。因而设置一个[Pbest]，可以获取[τmin]的预测值。在每个交通运输条件选择点中蚂蚁应在[avg=n/2]的不同解元素中进行选择。按照公式③可以获取概率[Pdec]：
[Pdec=τmaxτmax+（avg-1）∙τmin] ③
从式④中可以获取[τmin]值是：
[τmin=τmax∙（1-Pdec）（avg-1）∙Pdec=τmax∙（1-Pbest）（avg-1）∙Pbest] ④
其中，[Pbest=1，τmin=0]，按照公式④能够通过已知的[Pbest]获取[τmin]值，这样就能选出最优的交通运输对在建项目销售的影响因素。
3 交通因素下的房地产产品利润分析模型
通过上述分析的方法能够获取特殊区域房地产产品所受交通因素的影响。在该种影响条件下完成房地产产品的分销模型分析。此时需要分析该种交通线路下房地产产品利润变化情况，进而对特殊区域中不同的交通因素下房地产产品利润变化进行合理规划。建模过程如下。
假设T天中房地产分销中心面临的建筑产品i的需求是全部开发商处产品i的总需求，如果特殊区域交通因素对房地产影响较大，房地产分销中心在交通因素w的影响下发出订单，房地产项目通过提前L天完成，并确保房屋库存水平回升到最大库存水平[Siw]，T时刻买房者会向区域分销中心订货，则T时刻的库存水平是最大库存水平同开发商的1次订货量之差。在一个订货房屋购买周期中，T天的库存是最大库存水平同开发商2次购买量之差，其余T天的库存水平是最大库存水平同开发商的1次货量，则能够获取在固定交通因素下的房屋平均库存水平[Iiw]是：
[Iiw=-∞Siw-∞Siw-x（Siw-x-u）fiw（x）fiw（u）dudx/2T] ⑤
[x]为每天房地产商品在相同交通环境下的库存误差。[u]为真实的房屋库存消耗，[fiw（x）fiw（u）]为在iw环境下当前交通运输环境的实际消化库存与库存误差。
在T天中，不同地区房地产分销中心在相同交通环境下产生的关于房屋产品i的销售成本是单位持有成本[hiw]同每天的平均库存[Iiw]以及T天的乘积，则销售成本[HCiw]有：
[HCiw=2ThiwIiw] ⑥
交通优势地区房地产产品分销中心短缺产品i的预期缺货量是：
[ESiw=-∞SiwSiw-∞（u-（Siw-x））fiw（u）fiw（x）dudx] ⑦
则T天中，相似交通运输环境下，特殊地区房地产产品分销中心关于产品i的服务水平[ESLiw]是：
[ESLiw=1-ESiw2μiw+ESiw] ⑧
能够获取T天中，相似交通运输环境下，优势与劣势交通地区分销中心售出产品i的平均净收入（销售收入减去采购成本同销售额损失）是：
[SViw=（Wi-W′i）（2μiw-ESiw）] ⑨
其中，[Wi]为销售收入，[W′]为采购成本。得到以上的各个指标后，可以计算在相同的交通影响环境下，也就是交通线路被人为优化后，T天中特殊房地产分销中心的总利润模型是（其中，[TPw]为相似优化交通运输条件下的寻优函数。）：
[K=TPw（Iiw，HCiw，ESiw，ESLiw，SViw）] ⑩
K为在相似优化交通运输环境下，模型的最优值，也就是房地产产品销售的最佳值。
通过上述方法能够获取交通线路在不同情况下的特殊地区房地产产品的产销利润模型，进而对房地产产品的产销利润情况进行最优化分析，最终确保在一些交通欠发达地区房地产产品分销利润的最大化，促进特殊地区房地产经济的发展。
4 实验分析
为了验证本文模型的有效性，需要进行相关的实验分析。对比分析本文模型以及传统模型对于不同交通区域不同房地产产品的分销水平以及市场占有率，详细结果分别用表1和表2描述。
表1 不同模型下各区域的房地产产品分销水平（%）
[市场j＼&传统模型＼&本文模型＼&区域1＼&区域2＼&区域3＼&区域1＼&区域2＼&区域3＼&产品i＼&58＼&60＼&62＼&75＼&80＼&85＼&62＼&66＼&69＼&78＼&83＼&86＼&]
表2 不同模型下各区域的房地产产品
分销市场占有率（%）
[市场j＼&传统模型＼&本文模型＼&区域1＼&区域2＼&区域3＼&区域1＼&区域2＼&区域3＼&产品i＼&16＼&18＼&19.5＼&18＼&22＼&25＼&17＼&18.5＼&21＼&19＼&23＼&26＼&17.5＼&19＼&22＼&19.5＼&24.5＼&28＼&]
分析表1和表2可得，本文模型对于不同交通便利区域下的不同房地产产品的分销水平以及市场占有率都优于传统模型，说明本文模型在优化特殊地区房地产产品分销性能方面是有效的。同理能够获取本文模型下房地产产品利润的增加情况，用表3描述。
表3 本文模型下的房地产产品利润增长情况
[项目＼&区域1＼&区域2＼&区域3＼&当前所获利润＼&139.93＼&142.44＼&155.68＼&目标利润＼&146.55＼&148.67＼&162.87＼&本文分销模型下可获利润＼&144.83＼&148.48＼&164.85＼&增长率＼&4.58＼&5.65＼&7.18＼&]
分析表3可得，区域1～3的3个特殊地区的房地产产品的市场利润增加率分别是4.58%、5.65%以及7.18%，都达到了5%的利润目标要求。这说明本文模型能够提高特殊地区房地产产品分销利润，具有重要的应用价值。
为了进一步分析本文模型的优越性，以下还对比分析了本文模型以及传统模型下10个特殊地区的同种房地产产品的利润增长率，如图1所示。
从图1可以看出，本文模型下房地产产品分销的利润增长率高于传统模型，并且利润增长率都高于5%的利润目标要求，而传统模型仅有两个区域的利润增长率达到5%的利润目标，本文的模型与真实情况更加接近。这说明本文模型对于不同交通运输条件下的房地产产品分销具有较强的促进作用，极大提高了区域房地产产品的利润，取得了令人满意的结果。
结论
本文提出了一种基于改进最大最小蚂蚁的产品利润分销模型，采用改进最大最小蚂蚁方法获取交通与房地产销售的关系，通过将该结果输入房地产产品分销利润模型对特殊地区房地产产品的分销情况进行合理的分析，确保区域房地产产品销售利润的最大化。实验结果表明该种方法下的房地产产品分销水平、市场占有率以及利润增长率都优于传统模型，具有较高的应用价值。
参考文献
[1] 王迎军，高峻峻.供应链分销系统优化及仿真[J].管理科学学报，2002，5：79-84.
[2] 菲利普·科特勒.营销管理——分析、计划和控制[M].上海：上海人民出版社，1990.
[3] 高峻峻，王迎军，郭亚军.需求不确定的分销系统最小成本模型[J].东北大学学报（自然科学版），2002，1：87-90.
[4] 郭雄煌，李军.车辆优化调度[M].成都：成都科技大学出版社，1994.
[5] 刘志硕，申金升.基于解均匀度的车辆路径问题的自适应蚁群算法[J].系统仿真学报，2005，17（5）66-69.
[6] 张学敏，张航.基于改进蚁群算法的最短路径问题研究[J].控制理论与应用，2009，28（6）：4-6.
[7] 穆阿华， 周绍磊， 刘青志等. 利用遗传算法改进 BP 学习算法[J].计算机仿真， 2005， 22（2）： 150-151.
[8] 陈海英，郭巧，徐力.基于混合遗传神经网络的百米跑成绩预测方法[J].计算机仿真，2004，21（2）：89-91.
[9] 李敏强，寇纪淞，林丹等.遗传算法的基本理论与应用[M].北京：科学出版社， 2002.3.
[10] 赵清艳.遗传优化神经网络的网络流量预测[J].微电子学与计算机，2013，30（3）：133-135.
[11] Kan. Kolmogorov"s theorem and multilayer neural networks [J]. Neural networks， 1992， 5（3）： 501-506.