基于RSSVM的快遞物流服務風險評價研究

吳雨霖，劉美玲，李學遷

（1.復旦大學 管理學院，上海 200433；2.上海電機學院，上海 201306；3.上海理工大學 管理學院，上海 200093）

隨著電子商務市場的快速發展，網購已成為消費者購買商品的主要渠道之一，對高質量快遞物流服務的需求也與日劇增。近年來，我國快遞物流業形成了以郵政為主的國有企業、國際物流公司和民營快遞企業構成的三足鼎立市場競爭態勢。2006年，全國快遞業務量為10.6億件，2011年，全國快遞業務量達到36.5億件，增長了244%。業務量迅猛增長推動了國內快遞業的繁榮，同時也帶來了許多問題，如快遞爆倉、暴力分揀、龜速到達等。電子商務的迅速發展給快遞物流提出了巨大挑戰，即在保證盈利的條件下，如何以較低服務價格，快速地將電子商務下巨總量多品種少批量的B2C訂單準確無誤地送到全國各地的消費者手中。顯然，當前快遞物流服務的管理水平還遠不能滿足現實需求，這勢必阻礙我國電子商務的可持續發展。

電子商務環境下，快遞物流系統同時具備供應鏈和復雜系統的基本特征。快遞物流系統包含訂貨、運輸、倉儲和配送等環節，涉及多個不同企業或部門，他們之間保持著既競爭又合作的關系，這些企業在快遞物流鏈中的行為模式非常復雜，調度系統的協調與銜接問題也更加復雜。這些復雜特性使得快遞物流系統的風險管理具有顯著的理論和實踐意義。

1 B2C環境下快遞物流風險指標體系

電子商務分為B2B、B2C和C2C等模式，其中中國B2C電子商務物流的問題最為顯著，是網購消費者投訴和批評的重點。風險管理在傳統物流業已經較為成熟，但面向電子商務物流的風險管理還急需研究。

1.1 我國B2C快遞物流服務存在的問題

（1）配送延遲。據中國電子商務投訴與維權公共服務平臺數據統計，收貨延遲是網購消費者投訴最多的問題。關于時間延遲的原因，除交通和氣候等不可控因素因素外，物流公司的常備運力和網購商品配送量周期難以匹配也是重要因素，特別是遇到節假日。

（2）貨物丟失、缺件或破損。隨著網購量越來越大，這類問題發生頻率日益上升。然而，對網購消費者而言，當遇到貨物丟失、缺件或破損時，往往難以得到法律保護。這極大制約了電子商務的發展，特別是高端商品交易平臺的發展。

（3）無法驗貨。為規避風險，快遞公司常要求客戶先簽收再驗貨，甚至拒絕驗貨。

（4）配送人員職業素養差。由于中國物流人才市場缺口較大，加上降低運營成本的需求，快遞物流公司招聘配送人員時，門檻極低，而且忽視培訓。造成配送人員服務態度差，嚴重影響了消費者的購物體驗。

（5）除上述4個因素外，物流費用高、物流市場混亂也是業界關注的重點問題。

1.2 我國B2C快遞物流服務評價指標體系

物流是典型的服務業，Perreault和Russ于1974年最早結合物流特性和服務質量，提出以時間、地點效用為基礎的7Rs理論。評價維度包括：價格、商品信息的準確度、送貨準時率、時間性、貨物正確率、貨物完好率等。1999年，Mentzer,Flint和Kent又增加了人員溝通因素。黃斐和王佳研究了中國網購活動中物流服務質量的相關量表維度的表現，發現：包裝、溝通質量以及誤差處理對電子商務物流服務質量的影響顯著。在前人研究的基礎上，本文分5個維度構建如下指標體系（如表1所示）：

2 基于數據挖掘的快遞物流風險評價

2.1 基于粗糙集的支持向量機評價模型

表1 B2C快遞物流服務評價指標體系

大數據時代已經到來，巨量數據成為許多物流企業幸福的煩惱。數據挖掘方法有助于物流企業發現企業的風險所在，幫助制定風險規避策略。支持向量機方法最初是針對兩類分類問題而提出的，文獻[7]運用支持向量機方法研究了企業創新績效的問題，文獻[8]則將支持向量機方法運用于供應鏈金融風險的評價問題。然而，在實際的應用中，我們經常遇到多值分類問題。多值分類問題有很多解決的方法，如決策樹方法。它是一種與二叉樹結合構造多類識別器的方法。二叉樹方法是通過將數據集分成兩類，再將兩類各自分成兩類（也可能只將其中一類再分成兩類），依次下去，每次各自形成支持向量集，以確定各自的判決函數，而各個判決函數組合成多類分類的判決函數，當一個待決的樣本向量進入這個網絡，將逐級地用各個判決函數進行判定，最終得到結果。根據風險識別的特征，采用多類分類決策樹法，按每類別中樣本數量的遞增順序對風險等級進行排序，并依次編號為風險等級1、等級2和等級3，如此共需兩個分類器，構建好的決策樹如圖1。

圖1 分類器結構概念圖

對快遞物流服務的評價可以從不同角度進行，由于要選擇的準則和指標較多，難免出現指標冗余和指標權重問題，給實際評價工作帶來了許多困難，為了提高工作效率，而又不影響原始信息，采用知識約簡方法對原始信息進行挖掘，提取最具代表性的一系列指標，隱藏冗余信息。而粗糙集理論不需要提供除問題所需處理的數據集合之外的任何先驗信息，對問題的不確定性的描述和處理相對客觀。以下針對多屬性的大樣本數據的分類，結合粗糙集的屬性約簡和支持向量機的分類機理，提出基于粗糙集的支持向量機算法，即利用粗糙集理論減少支持向量機（SVM）數據維數和降低系統結構的復雜性，將預處理后的數據作為樣本數據，對SVM進行訓練，從而構造出具有更好地抑制噪聲干擾和良好泛化能力的模式分類器。綜合兩種算法的特點，可獲得更好的模型算法，模型結構如圖2所示：

圖2 基于粗糙集的支持向量機分類模型

2.2 算例分析與算法比較

快遞物流服務風險評價指標體系是風險評價模型的輸入要素。為了方便清晰運用模型，首先對指標進行統一標識。F1：無法按預定時間送達貨物；F2：貨物送達時有破損；F3：配送方式單一；F4：退換貨服務不受理；F5：網點不足，收發貨不方便；F6：從下單到送達時間過長；F7：緊急訂單處理速度慢；F8：工作人員服務態度差；F9：對投訴反應速度慢；F10：信息不全，且更新慢；F11：信息錯誤，且不及時反饋給客戶；F12：物流服務價格高。

采用專家打分法確定各評價指標值，再將分值劃分為5個等級，即 ｛0.1,0.3,0.5,0.7,1.0｝；決策屬性為快遞物流風險等級，評價集合為G=｛風險水平高（數量化為1），風險水平一般（數量化為0），風險水平低（數量化為-1）｝。再選取15個B2C快遞物流企業案例，經過規范化處理后得到決策表2。將表2的樣本數據導入后，采用Rosetta遺傳算法對樣本數據進行約簡，得到包 含4個 屬 性 的 有4個 ，分 別 是 ｛F1,F2,F6,F12 ｝, ｛F1,F2,F9,F12 ｝, ｛F4,F6,F9,F11 ｝, ｛F4,F6,F11,F12 ｝，其 中 第 一 個｛F1,F2,F6,F12｝和Johnson算法求得的約簡相同，且沒有產生規則沖突，所以可選取該約簡。約簡后的決策表見表3。

表2 快遞物流服務商風險原始數據表

表3 屬性約簡后的決策表

在構造SVM分類器的過程中，以出現概率最低的為一大類，其余的作為第二大類，經學習得分類器1，然后在剩下的樣本中繼續按前述方法分類，求得分類器2。使用決策二叉樹對數據進行分類識別時，由樹根開始將對象的屬性代入分類器1逐漸測試，當測試值為1時，即到達葉節點，表明該項目風險水平低；當測試值為-1時，順著分支往下走，直到到達葉節點。通過Matlab編程構建SVM分類模塊，將前10個作為學習樣本，后5個作為性能評價樣本。再分別使用BP和SVM進行同樣的學習訓練。表4給出了三種算法的結果和對比情況。

表4 風險評價性能對比表

結果顯示，三種方法評價精度都能滿足實際需要。與BP相比，SVM評價的精度要高些，因為SVM避免了BP中經常使用的啟發式結構，它不依賴于設計者的經驗知識；而且SVM的理論基礎決定了它最終求得的是全局最優而不是局部極值，也保證了它對于未知樣本的良好泛化能力而不會出現過學習現象。但在評價效率上，SVM稍微不如BP。而RSSVM比BP和SVM都要高許多，同時評價結果與專家評價一致。這是因為RSSVM的輸入已經過處理，避免了大量冗余信息。

3 總結

將粗糙集和支持向量機結合并應用于B2C快遞物流風險評價，得到了良好的效果。結論表明，利用粗糙集對數據進行預處理，可以在保證支持向量機分類識別精度的情況下，縮短評價時間。快遞物流風險評價是一個非常復雜的系統評價問題，無論何種評價方法都有其本身的優點和不足。本文著力于提出一種分析和解決問題的思路和框架。未來還有許多方面需要進一步研究，包括：評價指標體系的科學改進；指標規范化處理技術；屬性約簡的準確性和有效性判別。這些都有必要在理論研究和實踐中不斷探索和總結。

[1]RE.Spekman,EW.Davis.Risky business:expanding the discussion on risk and the extended enterprise[J].International Journal of Physical Distribution&Logistics Management,2004,34(5):414-433.

[2]KK.Lai,L.Yu,LG.Zhou,SY.Wang.Credit Risk Evaluation with Least Square Support Vector Machine[M].Heidelberg:Springer Berlin,2006.

[3]M.Y.Cheng,Y.W.Wu,C.F.Wu.Project Success prediction using an evolutionary support vector machine inference model[J].Automation in Construction,2010,19(3):302-307.

[4]黃斐，王佳.中國網購中物流服務質量評價的實證研究[J].技術經濟與管理研究，2011(10):54-58.

[5]Mentzer John T,Daniel J.Flint,John L.Kent.Developing a Logistics Service Quality Scale[J].Journal of Business Logistics,1999,20(1):37-45.

[6]Perrault William D,Frederick Russ.Physical Distribution Service:A Neglected Aspect of Marketing Management[J].MSU Business Topics,1974,22(2):37-45.

[7]王露琰，劉瑞霞，吳瓊,等.支持向量機在企業技術創新績效評估中的應用[J].科技進步與對策，2007,24(9):72-73.

[8]胡海青，張瑯，張道宏,等.基于支持向量機的供應鏈金融信用風險評估研究[J].軟科學，2011,25(5):26-30.

[9]趙達薇，劉喬，劉靜.農產品冷鏈物流服務能力評價研究[J].管理現代化，2011(1):46-48.