孫家慶,唐麗敏,蔡靜,李明澤
(大連海事大學 交通運輸管理學院,遼寧 大連 116026)
保稅港區與內陸港(以下簡稱兩港)實施互動既有利于沿海港口的良性發展,又可以促進我國內陸地區外向型經濟的快速發展.但是相關理論研究及實踐表明,合作風險和諸多不穩定性因素的存在使得一半以上的合作都是失敗的[1],所以作為互動關系建立的第1 步,選擇怎樣的模式實施互動以及如何進行選擇至關重要.
當前,國內外學者們對合作模式的研究僅限于企業間戰略聯盟模式[2]、供應鏈合作模式[3-4]、虛擬企業[5-6]、聯盟伙伴的選擇和影響因素[7-8]等,對兩港互動的研究也僅限于互動發展層次[9]和機理[10]的研究,或者從更大范疇內研究港口與腹地的關系[11-14],可以說,對兩港互動發展模式選擇的研究還非常有限.基于此,本文提出兩港互動發展可以采取的3 種模式,建立基于BP 神經網絡模式選擇模型并應用到廈門海滄保稅港區與其內陸腹地的互動發展中.
由于兩港互動發展模式選擇問題涉及的因素多,其評價過程中常包含著許多不確定性、隨機性和模糊性,因此構建合適的評價指標體系是模式選擇的基礎.評價指標體系建立的方法有兩類:專家主觀評定與比較判定法和數據統計分析法.第一類方法適用于資料有限、主要依據專家經驗知識來確定指標的被評價對象;第二類方法適用于具有定量評價指標的被評價對象.
為了兼顧代表性和全面性,在構建兩港互動發展模式選擇的指標體系過程中主要考慮以下3個方面:首先,兩港的互動本質上是企業間的聯盟,兩港互動發展模式的選擇問題,與企業戰略聯盟、動態聯盟、虛擬企業、運輸企業聯盟、物流集成商聯盟等合作模式的選擇有很多共同點,評價指標也存在共性;其次,兩港互動發展模式選擇與合作伙伴選擇具有很強的相似性;最后,成功的兩港互動模式應該使企業間的總交易成本最低,并且能夠綜合權衡所有要素(如資產專用性、環境不確定性等).
本文利用德爾菲法,在對兩港互動發展模式選擇影響因素進行初步分析的基礎上,設計調查問卷,并采用LIKERT 的5 點尺度法,將各因素的影響程度劃分為5個等級.然后向包括保稅港區和無水港企業的領導、員工及港航專家學者等在內的人士征求兩港互動發展模式選擇的主要影響因素及其影響程度,最終建立包括環境、資源依賴性、資源投入、關系特性和企業自身等因素在內的初步評價指標體系(見表1).本次調查共隨機發放調查問卷120 份,收回115 份,其中有效問卷109 份,有效率達90.8%.

表1 兩港互動發展影響因素
運用SPSS 軟件對調查結果進行因子分析.在對相關矩陣因數的統計學檢驗以及因子歸納后,得知前20個因子的累積特征值已達到97.5%,因此可選擇將32個影響因素簡化到20個,其旋轉后的因子載荷見表2.

表2 旋轉后的因子載荷
最后,進行指標體系的效度檢驗,見表3,前20個影響因素的特征值大于0.2,它們的累計貢獻率為97.472%,即大于97%的總方差可以由這20個影響因素解釋.因此,這20個影響因素構建的指標體系具有較高的效度(見表3).

表3 關鍵影響因素效度分析
綜上,經過因子分析,兩港互動發展模式選擇關鍵指標體系由5 方面20個指標組成.篩選出兩港互動發展的20個關鍵影響因素,見表4.

表4 兩港互動發展模式選擇關鍵指標體系
兩港互動發展模式是指,為了達到提升核心競爭力的互動目標,兩港優化資源配置、明確服務價值、定位目標客戶,并采取能夠合理解決商業活動中出現的各種矛盾問題、進而更好地滿足客戶需求的一系列行為規范.
結合內陸港建設和發展模式,參考相關文獻對企業間合作模式的研究成果,本文將兩港互動發展模式分為3 類:契約聯盟模式、合資經營模式和虛擬互動模式,3 種模式的比較見表5.
依據表4 的研究結果,運用層次分析法(AHP),對上述3 種互動模式的發展層次進行科學評估:首先,確定5個一級指標和20個二級指標的權重;其次,按[0,0.4),[0.4,0.9),[0.9,1.0]分數段,分別對3 種模式進行打分;最終計算契約聯盟模式、合資經營模式和虛擬互動模式的綜合得分,依次為[0,0.4),[0.4,0.9),[0.9,1.0],分別命名為初級、中級、高級.

表5 3 種互動模式的比較
BP 神經網絡結構的確定包括輸入層和輸出層神經元個數的確定、隱含層數的確定、隱含層神經元個數及每層激活函數的確定.
一個神經網絡的輸入、輸出層神經元個數是由輸入、輸出變量決定的.通常,神經網絡的輸出量代表模型要實現的功能目標,在本文的研究中,研究對象是兩港互動發展模式的選擇.因此,模型只有1個輸出節點,取值范圍為[0,1.0].根據前述研究結果,可知輸出值與互動模式的對應關系見表6.

表6 互動發展模式與神經網絡輸出值的對應關系
與兩港互動發展模式選擇相關的因素有5 方面20個指標,因此將20個指標值作為神經網絡輸入層的輸入,即BP 神經網絡的輸入層節點數為20.
神經網絡的輸入層與輸出層之間存在一個或多個隱含層是BP 網絡具有非線性識別功能的主要原因.一般而言,具有一個S 型隱含層和一個線性輸出層的3 層BP 網絡能夠逼近任意函數,完成任意N維到M 維的映射.增加神經網絡的隱含層數雖然可以使誤差降低、精度提高,但也會導致網絡復雜化.因此,為了減少內存資源的耗用并提高網絡的學習效率,本文確定選用3 層網絡結構構建模式選擇模型,即只設置一個隱含層.
在實際應用中,如何確定隱含層神經元的個數一直是前饋網絡結構的難點和重點.到目前為止,還沒有嚴格的理論依據和很好的解析式.隱含層神經元個數與問題的要求、輸入輸出神經元的多少有直接關系,會隨著條件的不同而出現不同的結論.

另外,在確定BP 神經網絡的最佳隱含層神經元個數時,不僅要考慮網絡的訓練誤差,還要兼顧網絡的檢驗誤差.網絡的訓練誤差很小但檢驗誤差較大,說明網絡的泛化能力很差,網絡的訓練很可能已經過度.嚴重過度的訓練會導致網絡實現類似查表功能.
本文共對8個內陸港進行實證分析,選取其中的6個作為樣本(即k=6),根據上述3個公式,可初步確定隱含層神經元數為3~15個.
傳遞函數又稱為激活函數,是BP 網絡的重要組成部分,它必須是連續可微的.傳遞函數對輸入和輸出進行函數轉化,進而將神經元的輸入映射到指定的有限區間中.BP 網絡的傳遞函數一般采用Sigmoid 函數曲線,簡稱S 型函數,其特點是函數本身及其導數都是連續的,因而在處理上十分方便.在本文所建立的神經網絡模型中,隱層采用tansig()作為傳遞函數,輸出層采用logsig()函數,其計算公式分別為tansig(x)=2/(1+exp(-2x))-1和logsig(x)=1/(1 +exp(-n)).
由于系統是非線性的,網絡權值的初始值對學習能否達到局部最小和是否能夠收斂的結果關系很大.初始值設置的一個基本原則是,在輸入累加后,每個神經元的狀態值趨于零.
在使用MATLAB 的newff 函數創建BP 神經網絡后,網絡會自動初始化權值和閾值(缺省值均為0).如果要設置初始值,可以使用函數init(),設置的范圍通常是[-1,1]或[-2/n,2/n](n為網絡輸入層節點數).
神經網絡的訓練是指通過對樣本的學習訓練,不斷改變網絡的連接權值以及拓撲結構,以使網絡的輸出不斷接近期望輸出,這一過程的本質是可變權值的動態調整.標準BP 神經網絡采用的訓練算法都是梯度下降法,使性能函數達到最小.本文對BP 網絡采用快速訓練函數,MATLAB中調用函數為traingdx,它是自適應修改學習效率的算法與動量批梯度下降算法有機結合,所以網絡的訓練速度更快.
2008 年6 月5 日,國務院以國函200850 號文件同意設立廈門海滄保稅港區,這是我國第7個獲批的保稅港區.海滄保稅港區肩負著服務海西、促進對臺經貿的重任,臺灣的輕工產品、化工產品等可以在此聚集后向內陸集散.長期以來,廈門港發展的最大瓶頸就是經濟腹地小,如何拓展經濟腹地、推進區域物流合作、做大做強物流產業成為廈門當前需要著力解決的重大課題.目前,廈門港正推進以海鐵聯運和公海聯運為基礎的無水港建設.6個鐵路無水港包括:三明、南昌、贛州、吉安、鷹潭和新余,其中前4個無水港的用地面積分別達到1 000 畝、1 030 畝、500 畝和400 畝,而鷹潭、新余無水港的建設目前已經達成意向.德化和南安是廈門港近期將推進建設的公路無水港.
結合模式選擇的指標體系,采用定量與定性結合的方法對指標數據進行綜合處理:一部分指標使用可直接獲取的數據(數據來自地方統計局官方網站);另一部分指標則是在綜合分析各內陸港運營實際的基礎上,以專家打分為主(百分制).
限于篇幅,此處僅給出經過歸一化處理后的數據,見表7.

表7 樣本指標數據歸一化處理

續表7
4.3.1 訓練樣本與測試樣本的確定
根據研究經驗,訓練樣本越多,網絡的訓練結果越精確.由于樣本數有限,本文將收集到的8個樣本數據中的三明和德安內陸港作為測試樣本,其余為訓練樣本.
4.3.2 隱含層神經元個數確定
根據前文所述的模型生成神經網絡,訓練誤差精度為0.000 01,最大訓練次數為1 000 次,輸入數據為20個指標數據,利用6個樣本對神經網絡進行訓練.依據隱含層神經元個數設定的不同,訓練狀況和誤差情況也有所不同,見圖1和表8.當隱含層節點數為6 時,訓練樣本的標準誤差最小;隱含層節點數繼續增加,雖然網絡訓練步數減少,但是網絡性能并沒有得到明顯改善.綜上,本文將隱含層神經元個數確定為6個.


表8 不同隱含層單元數下訓練步數及誤差對比
4.3.3 網絡模型的訓練和仿真
隱含層節點為6 時,網絡經過1,2,3 步達到訓練要求,訓練結果見表9.利用上述BP 神經網絡對測試樣本三明和德化進行仿真,結果分別為0.899 0和0.128 8.

表9 網絡訓練結果
通過上述圖表可知,在隱含層節點數較小時,網絡的性能較差,樣本訓練無法達到預期的誤差精度;
綜上可知,網絡的輸出結果與期望輸出比較接近,可以認為該BP 神經網絡模型對保稅港區與內陸港互動發展模式的選擇具有較好的泛化擴展能力.
綜合前文互動模式的數值劃分及本章的網絡輸出,利用BP 神經網絡模型對海滄保稅港區與其內陸港互動模式的選擇結果見表10.

表10 互動發展模式選擇結果
從表10可知,海滄保稅港區與三明、南昌、贛州內陸港的互動發展模式可以采取合資經營模式,與吉安、鷹潭、新余、德化、南安內陸港的互動發展模式可以采取契約聯盟模式.其中:與三明內陸港的互動評價值明顯高于其他內陸港,雖然評價結果顯示合資經營模式比較合理,但是由于三明市與廈門市互動的時間比較長(兩市在1993 年就結為友好城市),政策環境比較穩定;另外,在較短距離的基礎上又有發達的交通線路(G205 高速直達海滄),外部競爭較小;所以,海滄保稅港區與三明內陸港的互動有著天然的地理區位、政策、經濟環境優勢,短期內在信息化水平提高的基礎上就可以向著虛擬互動模式發展.南昌和贛州內陸港在交通條件、經濟發展和政策環境方面都有非常強大的優勢,但是由于在發展外向型經濟方面,兩市在與廈門海滄保稅港區合作之外,也積極與寧波港、深圳鹽田港等國際港口合作,所以對于海滄保稅港區來說,互動體的外部競爭程度比較強,所以互動發展模式還是選擇穩定性最強的合資經營模式比較有利于關系的進一步發展和加強.雖然吉安的經濟相對發達,但是內陸港的建設時間較短(建于2009 年),經驗不豐富、功能不健全,交通條件也有待改善,所以采取的發展模式還是比較初級的.海滄保稅港區與鷹潭、新余內陸港的互動剛剛達成意向,德化和南安兩個公路型內陸港的建設也僅處于調研階段,所以建議與這4個內陸港的互動模式還是選擇比較初級的契約聯盟模式.
在我國,保稅港區與內陸港的發展都具有特殊性,兩者的互動尚處于發展階段.本文在深入研究兩港互動發展模式類型及其優缺點的基礎上,分析影響模式選擇的因素,并進一步建立模式選擇的BP神經網絡模型,既為相關保稅港區與內陸港建立互動關系提供科學的理論依據,也為已建立互動關系的保稅港區與內陸港解決互動發展過程中存在的問題提供幫助.
[1]郭沖,方泉根,胡甚平.港口水域風險評估結論一致性分析模型[J].上海海事大學學報,2012,33(1):16-20.
[2]ARINO A,DOZ Y.Rescuing troubled alliances,before it’s too late[J].Eur Manage J,2000,18(2):173-182.
[3]黃順泉.我國制造業集聚與港口發展關系的動態面板數據模型[J].上海海事大學學報,2010,31(3):25-32.
[4]續鳴.供應鏈企業間合作模式研究[D].長春:吉林大學,2007.
[5]汪傳旭,蔣良奎.區域多港口合作競爭策略及其利潤分配機制[J].上海海事大學學報,2009,30(2):1-8.
[6]馬彩雯.多式聯運的虛擬企業運作模式研究[D].大連:大連海事大學,2007.
[7]DAS T K,TENG Bingsheng.A resources-based theory of strategic alliance[J].J Manage,2000,26(1):31-61.
[8]董崗.基于班輪航線的東北亞港口發展格局[J].上海海事大學學報,2010,31(2):1-7.
[9]高菲菲.保稅港區與內陸港互動發展水平綜合評價研究[D].大連:大連海事大學,2011.
[10]姜偉香.基于系統動力學的保稅港區與內陸港互動發展機理模型研究[D].大連:大連海事大學,2011.
[11]祝建,余思勤.基于貿易引力模型的我國沿海港口外貿貨物吞吐量影響因素[J].上海海事大學學報,2011,32(2):15-20.
[12]徐廣波,軒少永,尤慶華.基于熵權的模糊集對模型在港口水域通航風險評價中的應用[J].上海海事大學學報,2012,33(1):7-12.
[13]HAYUTH Y.Intermodality:concept and practice[M].London:Lloyd’s of London Press,1987:173-182.
[14]SLACK B.Intermodal transportation in North America and the development of inland load centers[J].Professinal Geography,1990,42(1):72-85.