物流需求多樣性下的區域物流需求預測研究

陳 思，甘 蜜，閆 英

（1.西南交通大學交通運輸系，四川峨眉山 614202；2.西南交通大學交通運輸與物流學院，四川成都 610031；3.西南科技大學經濟管理學院，四川綿陽 621000）

隨著區域產業結構的不斷深化，區域物流的需求逐漸呈現出多樣化發展的趨勢，這樣的多樣化發展不僅體現在需求數量的變化上，同時也體現在物流需求服務模式、物流供給方式以及多產業物流需求模式等方面。因此對于區域物流需求量的預測也受到物流需求多樣性的影響，其影響預測的因素也隨著不同產業的特征而變化，因此有針對性地建立不同產業結構下的預測模型是目前區域物流研究的必要發展方向。

1 物流需求多樣性

物流需求的多樣性是物流需求主要的特征之一，不同的產業、不同的產品對于生產和銷售有著不同的影響，同時，不同的需求方式、不同的物流服務供應商、不同的技術力量與物流設施配備對于物流服務的供應策略以及方式都將影響物流需求多樣性的內涵［1］。

由于物流需求是社會經濟活動的派生需求，這才使得物流需求不但具有了許多經濟特性，還使得物流需求必將隨著經濟活動的變化而呈現出多樣化的特性。在社會經濟活動中社會經濟的產業結構的不同直接導致物流需求的主體與客體的改變，也使得物流需求的方式和對象不斷改變。主客體的改變是物流需求多樣性產生的引導因素，而這樣的變化正是適應了產業結構的深化而產生的。也就是說第一產業、第二產業以及第三產業在經濟大環境中的比例直接導致了物流需求多樣性的產生與發展。因此對著產業結構的不斷轉變，物流需求的特性也在不斷發生著變化［2－3］。

產業結構與物流需求多樣性之間有著緊密的因果聯系，同時物流需求多樣性也是促進產業結構進一步深化和改革的重要因素之一。產業結構是社會經濟對于社會資源的調節與控制的手段，是對于生產資料以及生活資料的有效配置。作為社會經濟活動的衍生物，物流活動勢必要順應社會經濟活動的發展趨勢，因而物流需求的多樣性也必然會順應產業結構的改變，社會經濟的發展也逐步將重心從農業和工業生產轉向為第三產業［4－5］。同時由于高新科技產業不僅具備一般工業產業的物流需求特征，同時還具有高附加值、生產相對集中、銷售全球化等特征，本文對于產業的分類也在傳統產業分類的基礎上增添了高新科技產業。而目前，產業結構一般被定義為由各產業的生產總值在全地區生產總值的組成比例。

區域物流需求是以產業結構為先導，以物流需求中各種產品的數量、物流的流向以及各種附加物流服務的種類和要求等為目標，形成了區域物流活動分析的關鍵，并且也成為了區域物流需求預測的基礎依據。根據不同的產業對于物流需求的不同，其影響結構層次如圖1所示。

圖1 物流需求多樣性層次結構Fig.1 Diversity hierarchy logistics demand

2 SVR原理與算法

2.1 SVR 原 理

本文將采用支持向量機的原理和方法，建立基于區域內不同產業結構的物流需求預測模型，分別對于4種不同的區域產業類型進行建模，從而提高了區域物流需求預測的準確性，也體現區域內不同產業結構的不同發展趨勢下的物流需求發展情況。

支持向量機（support vector machine，SVM）是一種結構風險最小化的機器學習方法，同時支持向量機也是基于統計學與概率學的一種實際應用的方法［6－7］，是由VAPNIK 等于1995年提出的用于研究小樣本情況下的機器學習的基礎理論。而所謂結構風險最小就是在保證精度的同時，降低學習機器的VC維，可以使學習機器在整個樣本集上的期望風險得到控制。對于SVM 來說其最大的特點就是泛化能力比較強。支持向量機主要分為分類機（support vector classification，SVC）與回歸機（support vector regression，SVR），兩種支持向量機的原理基本相同，對于回歸機僅需要引入損失函數即可，基于本文的需求這里僅對基于支持向量機的回歸機進行介紹［8］。

假設 訓 練 集 為S＝（（x1，y1），（x2，y2），…，（xi，yi）），其中i＝1，2，…，l并且xi∈Rd，yi∈R，同時要尋找最優函數f（x）＝〈w·x〉＋b且其中w，xi∈Rd，b∈R使得泛函數最小：

式中：‖w‖2是結構風險；C為懲罰因子；Lε（xi，yi，f）為ε的不敏感損失函數，ε為不敏感系數。

對函數f（x）＝〈w·x〉＋b進行擬合，ε是誤差精度，來尋找最小w的問題可以表示為

2.2 支持向量回歸機算法

根據支持向量機原理的分析可以將支持向量回歸機的算法初步表示為以下幾步。

1）對于已經整理出來的數據分為訓練集與測試集，一般情況下訓練集數目應大于測試集數目。

2）選用適當的核函數K（xi，xj），并通過合適的方式對參數進行估計。

4）利用上一步中獲得的ˉα的最優解構造函數f（x），并最終利用進行預測分析。

3 基于物流需求多樣性預測模型

根據區域物流需求的特性，可以將傳統國民經濟中的第一產業、第二產業和第三產業具體劃分為農業產業、工業產業、商業以及高新科技產業來進行分析和研究。首先，這4個產業是構成國民經濟的主要產業；其次，對于區域的物流需求來說這4個產業在物流需求特性上表現差異較大，只有分別將這4個產業進行分析才能更好地體現出區域內物流需求的多樣性；最后，由于高新技術產業產生時間相對較晚，因此一般的區域都對高新技術產業有著相對較為集中的配置與安排，其所面臨的交通條件、物流基礎設施相較于其他產業都更為完備。但由于高新技術產業的輸出對象主要在世界范圍內，因此對于其物流需求也不單單是對于物流網絡的疏通，對于區域內物流節點的配置，更多的是對于進出口相關的物流服務。因此應對高新技術產業的物流需求，區域的物流需求也有著自身的特性。

3.1 農業產業模型

農業產業結構下區域內具有眾多的影響因素，將各種影響因素劃分為3類進行分析和討論：第1類為經濟影響因素；第2類為物流環境影響因素；第3類為農業產業環境影響因素。

農業產業是社會經濟發展和繼續的基礎，同時經濟發展也是農業產業得以持續健康發展的前提。在經濟影響因素中最為常見的是區域國內生產總值，其次是以農業產業為主體的第一產業的生產總值，該影響因素是農業產業本身由于產業結構、政策傾向以及發展條件等導致的產業發展趨勢的總體表現。對于農業產業的物流需求量必然會受到該區域物流環境的影響，因此區域內總的物流量、區域物流基礎設施的建設、區域物流人才的數量和層次以及物流市場的程度都將對農業產業的發展以及農業產業物流需求量產生影響。農業產業物流需求量的產生、發展都是農業產業發展的衍生物，因此區域內農業產業的發展趨勢與情況是農業產業物流發展的基礎。因此，區域內農產品的數量、類型、發展趨勢、農業產業管理技術、農產品加工程度以及農村居民的農業收入情況都將或多或少的對于農業產業物流需求產生影響。農業產品的產品結構、銷售地將影響農業產業物流的難易程度以及物流活動范圍等等［9］。

因此給予農業產業結構下的物流需求模型是以區域內農業產業物流需求量為因變量，其他影響因素為自變量，從而對于該區域農業產業物流需求量進行預測分析。這里選取6種影響因素作為農業產業物流需求的影響因素：

式中：W1為區域農業產業物流需求量；xi11表示第i年區域國內生產總值；xi12表示第i年區域農業生產總值；xi13表示第i年區域人口總量；xi14表示第i年農業產業物流總額；xi15表示第i年區域人均消費水平；xi16表示第i年區域社會物流總額。令Xi1＝xi11，xi12，xi13，xi14，xi15，xi16，則形成了（Xi1，Qi1）的向量，該向量與支持向量機中的訓練樣本S＝（（x1，y1），（x2，y2），…，（xi，yi））相對應，并基于ε－SVR回歸函數進行回歸預測。

3.2 工業產業模型

在區域內工業產業結構下有許多因素都會對工業產業物流需求造成影響，這里將這些影響因素主要分為4大類：第1類為經濟類影響因素；第2類為物流環境類影響因素；第3類為工業產業結構類影響因素；第4類為地區環境類影響因素。

工業產業是社會經濟發展到一定程度的產物，是人類社會文明發展的體現。而同時社會經濟的發展是工業產業發展的源動力，歷史證明高速發展的經濟必然引導工業產業的飛速發展與變革，而低迷的經濟將會抑制工業產業的發展。因此作為經濟發展的主要指標國民生產總值的浮動必然會影響工業產業的發展，并使得工業產業物流需求量發生變動。與此同時物流基礎設施的建立、物流管理水平的程度、物流技術水平以及物流企業的數量以及規模都會對工業產業的物流需求起到基礎支持性的作用。而在不同的區域，不同地理環境、自然環境以及政策環境必然影響到該區域產業結構的不同，輕工業與重工業不同的比例，不同行業所占的比例不同以及其所針對的消費群以及消費地區不同也將引起區域工業產業物流需求量的變化。同時，工業產業所處的地區不同，必然面臨著不同的工業需求、不同的自然條件以及不同原材料產出或者不同的交通地理環境。因此不同的地區有著不同的情況，其工業產業的結構、數量以及類型都會發生改變。同時地區所處的經濟、社會、政治環境也是影響工業產業物流需求的重要因素之一［10］。

這里除去一些與工業產業物流需求發展關系不是那么緊密的影響因素，同時將需要的影響因素與可獲得的數據進行對比從而選擇6種指標作為影響工業產業物流需求的影響因素進行分析和研究。其所代表的數學表達式為

式中：W2表示在工業產業結構下的物流需求量；xi21表示第i年區域國內生產總值；xi22表示第i年區域工業產業生產總值；xi23表示第i年工業物流總額；xi24表示第i年工業產業從業人數；xi25表示第i年區域社會物流總額；xi26表示第i年工業增加值。令Xi2＝xi21，xi22，xi23，xi24，xi25，xi26，則與支持向量機中的訓練樣本對應，從而可以根據（Xi2，Qi2）進行回歸預測分析。

3.3 商業模型

由于商業物流需求除了與經濟以及本身結構密切相關以外，還受到區域內消費群體選擇的影響，其中不僅包含了文化的因素同時也包含了自然的因素，因此這里將這兩類因素分開進行討論。

對于商業來說其物流需求量不僅受到區域生產總值這樣宏觀的經濟影響，同時也對于微觀經濟的波動最為敏感。區域內部某種類型產品的熱銷、某種類產品出現市場的不信任狀況都影響著區域內商業，并影響其物流需求量的大小與發展。由于商業除了面對企事業單位這樣的消費者還面對著以人為對象的最終消費者，因此個人的收入情況以及區域內人均消費性的指出都對商業物流需求量的波動產生影響。因此，經濟環境對于商業而言即在宏觀方向主宰發展同時也在微觀方面調控波動。商業的結構復雜層次多樣，因此對于物流的需求也是多種多樣，規模數量大小不一，并且商業的物流量與農業產業以及工業產業的物流量在其先接觸有一定的重疊。對于商業來說物流環境影響因素是商業實現物流轉移的關鍵保證。商業對于物流的依賴性不僅表現在商品的運輸需要通過物流產業，還表現在部分商品還需要物流產業進行基于客戶的流通加工從而增加其附加值。商業的發展還受到區域文化環境的影響，對于不同的區域環境對于商業的要求，交易的習慣模式以及消費習慣都有所不同，這也在另一方面影響到商業需求量的變化。商業的商品不僅部分來源于工業產業也有部分來自于農業產業，不論是來源于哪個產業，其商品都帶有該區域的自然環境的元素。在商業整個物流運作過程中，不同的物流活動都可能受到該區域自然環境的影響。

對于商業的影響因素很多，同時由于商業物流需求的復雜性和廣泛性等眾多因素，使得商業的物流需求區別于農業產業和工業產業的物流需求。其數學表達式為

式中：W3為區域商業物流需求量；xi31表示第i年區域國內生產總值；xi32表示第i年區域商業生產總值；xi33表示第i年區域商業物流總額；xi34表示第i年區域社會物流總額；xi35表示第i年區域人均消費性支出；xi36表示第i年區域零售總額。令Xi3＝xi31，xi32，xi33，xi34，xi35，xi36，則形成了（Xi3，Qi3）的向量，該向量與支持向量機中的訓練樣本S＝（（x1，y1），（x2，y2），…，（xi，yi））相對應，并基于ε－SVR回歸函數進行回歸預測。

3.4 高新技術產業模型

對于高新技術產業的物流需求的影響因素有很多，本文將從經濟影響因素、物流影響因素、科學技術影響因素、地域環境因素以及其他因素5個方面對其進行分析。

高新技術產業與農業產業、工業產業不同，不是屬于人類生活的必需品，也不是基礎建設的必要環節，它是經濟發展到一定高度，人們對于物質與精神的追求不再是簡單滿足吃穿住行時產生的，高新技術產業是對于其他產業的提升。高新技術產業的產品是面向世界范圍且由于產品的價值較高，因此其對于物流服務的質量也有著較高的要求。所以區域內物流技術、管理方法還有各種物流基礎設施的建立是保障高新技術產業產品順利銷往世界各地的保障，缺乏這樣的保障必然會影響高新技術產業的物流需求量。每個區域中的高新區內的產業結構都有所不同，這不但是由于各地不同的開發商引資政策引起的也是由于各地所處的地理位置、自然環境、資源優勢所決定的［11］。不同的區域農業產業、工業產業以及商業的發展程度各有不同，這為不同的高新技術產業提供了不同的選擇，對于資源敏感的偏向于資源集中的區域，對于時效性敏感的會偏向于交通地理環境較為優越的區域，而對于附加值敏感的則會傾向于選擇給予稅費優惠的區域。

從眾多的影響因素中對高新技術產業物流需求進行進一步分析時發現，這些影響因素中有些不能用數學方式進行表達，例如政策因素，有些對高新產業物流需求的影響不是十分巨大（如文化因素），還有一些影響因素也難以通過數學計算實現。它所代表的數學表達式為

式中：W4為區域高新技術產業物流需求量；xi41表示第i年區域生產總值；xi42表示第i年高新技術產業生產總值；xi43表示第i年高新技術產業物流總額；xi44表示第i年區域社會物流總額；xi45表示第i年區域人均消費性支出。令Xi4＝xi41，xi42，xi43，xi44，xi45，則形成了（Xi4，Qi4）的向量，該向量與支持向量機中的訓練樣本S＝（（x1，y1），（x2，y2），…，（xi，yi））相對應，并基于ε－SVR 回歸函數進行回歸預測。

4 算例研究

4.1 數據來源

以四川省物流預測需求量作為最終的目標值，期間以四川省貨運周轉量作為因變量，利用實際四川省相關數據基于SVR 進行預測，并結合實際可以獲取的數據將區域的物流量分為3部分：第1部分為農業產業；第2 部分為工業產業；第3 部分為商業。同時由于四川省物流量中除了各個產業的物流量外還包括居民生活基本物流量，但由于該物流量所占比例很少（一般占物流總額的0.6%左右［12］），因此研究中暫時忽略不計。由于中國物流統計年鑒是從2002年開始發布，因此與之相關的數據樣本很少，本文所采用的數據樣本為2000年至2010年11組數據。四川省物流相關數據參見參考文獻［13］，四川省運輸量及經濟統計數據見參考文獻［14］。

4.2 數據處理

為了減少計算的復雜程度，對于每個指標進行歸一化處理，即將各個數據除以該指標中的最大值，并且為了能獲得很好的收斂性將最大值取為0.999。因此獲得數據如表1、表2以及表3所示。

表1 農業產業物流需求影響因素歸一化結果Tab.1 Normalized results factors influencing the demand of agricultural logistics

表2 工業產業物流需求影響因素歸一化結果Tab.2 Normalized results of factors affecting the industrial logistics demand

表3 商業物流需求影響因素歸一化結果Tab.3 Normalized results factor of business logistics demand

4.3 分析及結果

針對SVR 預測模型選擇2000年至2008年9組數據為訓練樣本，并選擇2009年至2012年4組數據為測試樣本，并且在MATLAB2010a環境下進行運行測試仿真［15］。在SVR 的核函數選擇上，主要是采用眾多學者的研究結果［16］。對于一般的回歸預測選用徑向基（radial basis function，RBF），核函數可以獲得很好的預測分析結果，對于參數的尋優選擇，可以采用Grid search 的方法進行優化選擇。

農業產業物流需求的核函數為K（xi，xj）＝exp（－γ‖xi－xj‖2），γ＞0，參 數C＝3.1，g＝0.32。測試樣本的結果如表4所示。

表4 農業產業運輸量預測結果Tab.4 Prediction results of agricultural transport volume

工業產業物流需求的核函數為K（xi，xj）＝exp（－γ‖xi－xj‖2），γ＞0，參 數C＝2.5，g＝0.25。測試樣本的結果如表5所示。

表5 工業產業運輸量預測結果Tab.5 Prediction results of industrial transport volume

商業物流需求的核函數為K（xi，xj）＝exp（－γ‖xi－xj‖2），γ＞0，參數C＝1.6，g＝0.14。測試樣本的結果如表6所示。區域各產業運輸量預測結果如表7所示。

表6 商業運輸量預測結果Tab.6 Prediction results of commercial traffic

表7 區域各產業運輸量預測總和Tab.7 Traffic prediction sum of regional industries

從上述數據可以發現，大部分的預測都比較準確，誤差率不超過7%，區域物流總量的預測也在2%左右，具有很好的收斂性。同時由于數據樣本較少，不能充分說明該預測方法的有效性。本節將采用不區分產業類型的數據以及同樣的方法進行比較分析。這里同樣選取區域運輸周轉量作為因變量，將不涉及區域內不同產業的物流因素除去，選取的影響因素為區域國內生產總值、區域農業生產總值、區域人口總量、區域人均消費性支出、工業產業生產總值、商業生產總值以及區域零售總額。具體數據可以全部從《四川統計年鑒》［14］中獲得。這里選取1985年至2012年28組數據，選取前21組為訓練數據，選擇后7組為測試數據。采用相同的方法進行歸一化處理。區域物流需求的核函數為K（xi，xj）＝exp（－γ‖xi－xj‖2），γ＞0，C＝32，g＝0.58。測試樣本的結果如表8所示。

表8 無產業差別下的區域物流需求量預測結果Tab.8 Prediction results of regional logistics demand with no industry difference

5 結 語

基于物流需求多樣性下的預測模型結果，大部分的預測都比較準確，誤差率不超過7%，區域物流總量的預測也在2%左右，具有很好的收斂性。同時由于數據樣本較少不能充分說明該預測方法的有效性。本文采用不區分產業類型的數據以及同樣的方法進行比較分析。雖然文中的研究受到數據樣本的限制，但是從各個預測的結果不難發現，分別按照區域內不同產業的影響因素進行的預測比之不分產業的預測，其總的誤差率更小，更能體現出不同產業對于區域物流量變化的影響。

／References：

［1］ 王文斌，馬祖軍，何振業.現代物流業與區域經濟發展［J］.經濟體制改革，2002（1）：122－125.WANG Wenbin，MA Zujun，HE Zhenye.Modern logistics industry and regional economic development［J］.Reform of Economic System，2002（1）：122－125.

［2］ 劉秉鐮.基于價值量的物流需求分析與預測方法研究［J］.中國軟科學，2004（5）：66－73.LIU Binglian.A value－based research method for loglstics demand analysis and forecast［J］.China Soft Science，2004（5）：66－73.

［3］ 劉 剛，周 靜，鄒飛燕.湖北城鄉區域物流與區域經濟協調性研究［J］.商品儲運與護養，2008，30（3）：10－14.LIU Gang，ZHOU Jing，ZOU Feiyan.The research of coordination in regional logistics and regional economy between rural and urban areas of Hubei Province［J］.Storage，Transportation＆Preservation of Commodities，2008，30（3）：10－14.

［4］ 方秋艷.淺析物流業與經濟發展之間的互動機理［J］.物流科技，2006，29（7）：100－102.FANG Qiuyan.The analysis of the interactive mechanism between logistics industry and economic development［J］.Logistics Sci－Tech，2006，29（7）：100－102.

［5］ 陳 思，甘 蜜.工業城市物流經濟發展對于城市交通網絡的影響機制研究［J］.工業技術經濟，2011（9）：90－94.CHEN Si，GAN Mi.Research on the relationship between logistics economy development and the urban transportation network in the industry city［J］.Journal of Industrial Technological Economics，2011（9）：90－94.

［6］ CRISTIANINI N，SHAWE－TAYLOR J.An Introduction to Support Vector Machines and Other Kernel－based Learning Methods［M］.Cambrideg：Cambridge University Press，2000.

［7］ VAPNIK V N.統計學理論［M］.許建華，張學工，譯.北京：電子工業出版社，2004.VAPNIK V N.Statistical Theory［M］.Translated by XU Jianhua，ZHANG Xuegong.Beijing：Electronic Industry Press，2004.

［8］ 趙 勤.中國現代農業物流問題研究［D］.哈爾濱：東北林業大學，2006.ZHAO Qin.Research of the Problem of Modern Agricultural Logistics in China［D］.Harbin：Norhteast Forestry University，2006.

［9］ 周 翔.王耀球.工業物流的發展研究［J］.中國儲運，2006（5）：87－89.ZHOU Xiang，WANG Yaoqiu.Development of the industrial logistics research［J］.China Storage ＆ Transport，2006（5）：87－89.

［10］ SMOLA A J，SCHOLKOPF B.A tutorial on support vector regression［J］.Statistics and Computing，2004，14：199－222.

［11］ 高雷虹，高天光.高新技術產業基地與區域物流發展的互動關系研究［J］.中國市場，2009（49）：22－23.GAO Leihong，GAO Tianguang.Research on the interaction between high－tech industrial base and regional logistics［J］.China Market，2009（49）：22－23.

［12］ 奉國和.SVM 分類核函數及參數選擇比較［J］.計算機工程與應用，2011，47（3）：123－124.FENG Guohe.Parameter optimizing for Support Vector Machines classification［J］.Computer Engineering and Applications，2011，47（3）：123－124.

［13］ 中國物流與采購聯合會.中國物流年鑒［M］.北京：中國財富出版社，2002－2013.China Federation of Logistics ＆Purchasing.China Logistics Yearbook［M］.Beijing：China Fortune Press，2002－2013.

［14］ 四川省統計局，國家統計局四川調查總隊.四川統計年鑒［M］.北京：中國統計出版社，1985－2013.Sichuan Province Bureau of Statistics，NBS Survey Office in Sichuan Province.Sichuan Statistical Yearbook［M］.Beijing：China Statistics Press，1985－2013.

［15］ MATLAB 中 文 論 壇.MATLAB 神 經 網 絡30 個 案 例 分 析［M］.北京：北京航空航天大學出版社，2010.MATLAB Chinese BBS.MATLAB Neural Network 30Case Analysis［M］.Beijing：Beihang University Press，2010.

［16］ 王 斌，唐國春.物流聯盟伙伴選擇模糊優化研究［J］.河北科技大學學報，2009，30（1）：69－74.WANG Bin，TANG Guochun.Research into fuzzy optimization of choosing logistics alliance fellow［J］.Journal of Hebei University of Science and Technology，2009，30（1）：69－74.