CSCD-GRNN模型在城市配送資源整合水平評價(jià)中的應(yīng)用——以北京市為例

梁晨

（北京物資學(xué)院物流學(xué)院，北京市101149）

CSCD-GRNN模型在城市配送資源整合水平評價(jià)中的應(yīng)用——以北京市為例

梁晨

（北京物資學(xué)院物流學(xué)院，北京市101149）

通過建立城市配送資源整合水平的CSCD-GRNN評價(jià)模型，并基于復(fù)合系統(tǒng)協(xié)調(diào)度模型和廣義回歸神經(jīng)網(wǎng)絡(luò)方法，可對城市配送資源整合水平的評價(jià)開展研究。該模型采用決策試驗(yàn)與實(shí)驗(yàn)評估方法對指標(biāo)權(quán)重進(jìn)行討論，按照復(fù)合系統(tǒng)協(xié)調(diào)度模型的思路確定城市配送資源整合水平評價(jià)GRNN網(wǎng)絡(luò)的輸出值，為全面客觀地評估城市配送資源整合水平提供合理的方法。同時(shí)，以該模型對北京市2005—2014年期間的城市配送資源整合水平情況進(jìn)行評價(jià)，驗(yàn)證了該模型的有效性。

配送資源整合；人工神經(jīng)網(wǎng)絡(luò)；北京市；評價(jià)

我國正處于經(jīng)濟(jì)、社會持續(xù)快速發(fā)展時(shí)期，城市化進(jìn)程不斷加快，城市中工業(yè)生產(chǎn)配送、商業(yè)連鎖配送、農(nóng)產(chǎn)品配送、電子商務(wù)配送等各種配送業(yè)務(wù)不斷涌現(xiàn)，各種配送資源涌入城市配送服務(wù)市場。但是，城市配送資源主體、配送模式以及管理政策等尚未完全適應(yīng)城市配送發(fā)展的需求，城市配送資源投入與配送系統(tǒng)效率之間存在不相匹配的現(xiàn)象。同時(shí)，城市發(fā)展的不同時(shí)期和不同城市之間由于經(jīng)濟(jì)基礎(chǔ)、產(chǎn)業(yè)結(jié)構(gòu)、產(chǎn)業(yè)環(huán)境等的差異，使得配送資源整合的狀態(tài)和水平具有不同的特征。因此，以城市為研究對象，探索配送資源整合水平的評價(jià)方法，對全面認(rèn)識配送系統(tǒng)狀態(tài)、推動(dòng)配送資源整合具有重要的意義。

一、文獻(xiàn)研究綜述

配送資源整合問題屬于物流資源整合的宏觀范疇。城市配送資源包括城市范圍內(nèi)與配送活動(dòng)相關(guān)的所有設(shè)施、設(shè)備、人員、資金等實(shí)體資源以及信息、技術(shù)、組織等非實(shí)體資源的總合。資源之間相互整合所形成的系統(tǒng)具有復(fù)雜程度高、動(dòng)態(tài)性強(qiáng)的特點(diǎn)。

國外在配送資源整合方面的研究成果比較少，且研究方向比較分散，研究領(lǐng)域相對集中于車輛路徑優(yōu)化、物流共同化運(yùn)作和企業(yè)績效評價(jià)等方面。以相關(guān)英文關(guān)鍵詞檢索EBSCO和Springer Link兩大外文數(shù)據(jù)庫，能夠檢索到的文獻(xiàn)極為有限，相關(guān)度較高的文獻(xiàn)中還有一部分是我國學(xué)者發(fā)表的英文文獻(xiàn)，比較有代表性的有許（Xu Xiaofeng）等［1］從物流網(wǎng)絡(luò)和第四方物流角度對物流資源配置優(yōu)化的研究和艾爾哈提卜·薩利赫·法赫德（Alkhatib Saleh Fahed）等［2］基于物流資源視角提出的物流服務(wù)商評價(jià)模型等。國內(nèi)學(xué)者針對物流資源整合的研究成果相對豐富，如李南［3］以京津冀城市群為代表分析交通資源整合一體化問題，黃良芳等［4］、楊曉蘭等［5］分別以柳州、襄陽為對象研究城市物流資源整合的途徑和策略問題，但鮮有城市配送資源整合水平評價(jià)方面的成果。

城市配送資源整合水平的影響因素多、復(fù)雜性強(qiáng)。用于復(fù)雜系統(tǒng)評價(jià)的傳統(tǒng)方法主要有德爾菲法、層次分析法以及模糊綜合評價(jià)法，這些方法比較成熟，可以解決諸多擁有不同性質(zhì)指標(biāo)的系統(tǒng)評價(jià)問題，同時(shí)也存在一些不足：或者帶有一定的主觀片面性，或者對原始數(shù)據(jù)過分依賴［6］。近年來，人工神經(jīng)網(wǎng)絡(luò)方法被廣泛運(yùn)用到復(fù)雜系統(tǒng)評價(jià)中，并展現(xiàn)出良好的性能，該方法在處理復(fù)雜系統(tǒng)評價(jià)問題上具有并行處理、算法效率高和精確度高、魯棒性強(qiáng)等優(yōu)點(diǎn)。

廣義回歸神經(jīng)網(wǎng)絡(luò)（Generalized Rrgression Neural Network，GRNN）屬于神經(jīng)網(wǎng)絡(luò)的一種，是唐納德·F·施佩希特（Donald F.Specht）在神經(jīng)網(wǎng)絡(luò)知識及數(shù)理統(tǒng)計(jì)理論基礎(chǔ)上提出的一種新型神經(jīng)網(wǎng)絡(luò)，被廣泛應(yīng)用于結(jié)構(gòu)分析、系統(tǒng)評價(jià)以及活動(dòng)預(yù)測等領(lǐng)域［7-9］。相關(guān)文獻(xiàn)的研究表明，GRNN既有一般人工神經(jīng)網(wǎng)絡(luò)的非線性、不依賴主客觀環(huán)境因素等特點(diǎn)，又能夠有效規(guī)避一般人工神經(jīng)網(wǎng)絡(luò)收斂速度緩慢、容易陷入局部最優(yōu)、分類能力較弱、學(xué)習(xí)速率低等不足［10］。具體而言，除具備上述與一般人工神經(jīng)網(wǎng)絡(luò)方法的共同優(yōu)點(diǎn)外，GRNN與反向傳輸（Back Propagation，BP）神經(jīng)網(wǎng)絡(luò)、徑向基（Radial Basis Function，RBF）神經(jīng)網(wǎng)絡(luò)等其他人工神經(jīng)網(wǎng)絡(luò)方法相比，具有如下4個(gè)優(yōu)點(diǎn)：

一是只需網(wǎng)絡(luò)單程訓(xùn)練，不需任何迭代，這不僅能降低算法設(shè)計(jì)難度，還可提高算法運(yùn)行效率；二是隱含樣本的神經(jīng)元個(gè)數(shù)由訓(xùn)練樣本指標(biāo)自適應(yīng)確定，而且該值已被證明是最優(yōu)的神經(jīng)元個(gè)數(shù)取值，省去了煩瑣的神經(jīng)元個(gè)數(shù)測試；三是網(wǎng)絡(luò)各層之間的連接權(quán)重由訓(xùn)練樣本唯一確定，避免了其他神經(jīng)網(wǎng)絡(luò)在迭代過程中的權(quán)值修正，提高了算法的執(zhí)行效率；四是隱含層節(jié)點(diǎn)的激活函數(shù)采用對輸入信息具有局部激活作用的高斯函數(shù)，對接近局部神經(jīng)元特征的輸入信息具有很強(qiáng)的吸引性，提高了神經(jīng)網(wǎng)絡(luò)算法的學(xué)習(xí)效率。

受限于我國物流統(tǒng)計(jì)數(shù)據(jù)不足的現(xiàn)狀，考慮到能夠獲得完整數(shù)據(jù)的有效樣本數(shù)量較少，同時(shí)盡可能減少主觀評價(jià)的影響，本文以廣義回歸神經(jīng)網(wǎng)絡(luò)方法為基礎(chǔ)對城市配送資源整合水平開展評價(jià)研究。

二、評價(jià)指標(biāo)體系

按照協(xié)同學(xué)理論，城市配送資源整合水平可以定義為：在城市配送資源整合過程中，通過系統(tǒng)內(nèi)部各子系統(tǒng)和要素間的彼此協(xié)同，有效適應(yīng)外部環(huán)境和需求變化，改善配送資源效率，從而實(shí)現(xiàn)系統(tǒng)目標(biāo)的程度。城市配送資源整合的目標(biāo)可以進(jìn)一步明確為：動(dòng)態(tài)適應(yīng)配送需求、提升配送資源效率、促進(jìn)配送系統(tǒng)與其他系統(tǒng)協(xié)同。對配送資源整合水平的評價(jià)應(yīng)能夠反映系統(tǒng)目標(biāo)的實(shí)現(xiàn)程度。因此，圍繞三大系統(tǒng)目標(biāo)，本著全面、客觀和可操作的原則建立如表1所示的評價(jià)指標(biāo)體系。

在該指標(biāo)體系中，評價(jià)指標(biāo)分為定量指標(biāo)和定性指標(biāo)。在評價(jià)過程中，定量指標(biāo)由統(tǒng)計(jì)資料獲得（需要指出的是，由于我國物流領(lǐng)域統(tǒng)計(jì)數(shù)據(jù)的局限性，部分定量指標(biāo)只能采用近似統(tǒng)計(jì)數(shù)據(jù)替代）；定性指標(biāo)必須轉(zhuǎn)化為量化指標(biāo)，處理辦法采用最多的是專家打分法，由相關(guān)領(lǐng)域的專家學(xué)者對相應(yīng)指標(biāo)進(jìn)行打分。同時(shí)，為避免指標(biāo)異質(zhì)性的影響，在評價(jià)前必須對不同指標(biāo)進(jìn)行標(biāo)準(zhǔn)的歸一化處理。

三、評價(jià)模型的設(shè)計(jì)

（一）評價(jià)模型的設(shè)計(jì)思路

運(yùn)用廣義回歸神經(jīng)網(wǎng)絡(luò)方法進(jìn)行系統(tǒng)狀態(tài)評價(jià)通常屬于多輸入單輸出的問題。在評價(jià)結(jié)果未知的情況下，確定輸出向量比較常見的辦法是給定輸出值的上限和下限，并根據(jù)訓(xùn)練樣本數(shù)量進(jìn)行線性插值［11-12］，或?qū)⒏鶕?jù)歷史經(jīng)驗(yàn)給出訓(xùn)練樣本的期望評價(jià)結(jié)果作為輸出值［13］。本文將GRNN方法與復(fù)合系統(tǒng)協(xié)調(diào)度（Composite System Coordinating Degree，CSCD）模型相結(jié)合，按照CSCD模型的思路確定系統(tǒng)協(xié)同度作為輸出訓(xùn)練樣本的輸出值，從而改善模型的訓(xùn)練效果。

表1　城市配送資源整合水平評價(jià)指標(biāo)體系

基于協(xié)同學(xué)原理的CSCD模型被廣泛運(yùn)用于系統(tǒng)協(xié)同度的測度，范厚明等［14］對港城協(xié)同度與城市經(jīng)濟(jì)增長關(guān)系的研究、孫鵬等［15］對區(qū)域現(xiàn)代物流服務(wù)業(yè)與制造業(yè)發(fā)展協(xié)調(diào)水平評價(jià)的研究均證明了該方法在測度系統(tǒng)協(xié)同度方面的優(yōu)勢。根據(jù)CSCD模型的思想，各系統(tǒng)要素對相應(yīng)子系統(tǒng)“有序”程度的貢獻(xiàn)可以用有序度衡量，而系統(tǒng)中各子系統(tǒng)相互協(xié)調(diào)一致的水平?jīng)Q定了系統(tǒng)的總體協(xié)調(diào)度，可以反映對分散資源的整合水平。

但是，CSCD模型對系統(tǒng)協(xié)同度的測度和評價(jià)不可避免地存在主觀因素。這一方面體現(xiàn)在指標(biāo)體系的設(shè)計(jì)上，能否獲得合理、充分反映系統(tǒng)狀態(tài)的指標(biāo)是進(jìn)行評價(jià)的重要前提條件；另一方面該方法在處理系統(tǒng)變量權(quán)重的問題上，通常采用算術(shù)平均或幾何平均的辦法進(jìn)行處理［16］，有時(shí)也采用相關(guān)系數(shù)賦權(quán)的辦法［17］處理，這都增加了結(jié)果的不確定性。

對配送資源整合水平的評價(jià)過程須將評價(jià)指標(biāo)體系視為整體系統(tǒng)，包文娟［18］、唐麗艷等［19］證明了決策試驗(yàn)與實(shí)驗(yàn)評估方法在處理系統(tǒng)各變量對系統(tǒng)總體狀態(tài)影響程度問題上具有良好的適用性。因此為解決上述問題，本文采用實(shí)驗(yàn)評估方法計(jì)算各指標(biāo)的權(quán)重系數(shù)，以盡可能準(zhǔn)確反映各評價(jià)指標(biāo)對整合水平的影響程度，避免計(jì)算平均值辦法產(chǎn)生的風(fēng)險(xiǎn)。

綜上，本文采用CSCD模型計(jì)算各評價(jià)指標(biāo)對配送資源整合水平的貢獻(xiàn)，用于反映城市配送資源整合系統(tǒng)三大目標(biāo)間的協(xié)同性。三大目標(biāo)間的協(xié)同性越好，說明該城市配送資源整合水平越高。將系統(tǒng)目標(biāo)的協(xié)同性作為訓(xùn)練樣本城市的輸出數(shù)據(jù)，并據(jù)此建立能夠反映配送資源整合水平的CSCDGRNN評價(jià)網(wǎng)絡(luò)模型。基于廣義回歸神經(jīng)網(wǎng)絡(luò)與復(fù)合系統(tǒng)協(xié)調(diào)度模型對城市配送資源整合水平的評價(jià)過程可以用圖1進(jìn)行概括。

（二）CSCD-GRNN評價(jià)模型的構(gòu)建

1.訓(xùn)練樣本輸出值的確定

（1）評價(jià)指標(biāo)權(quán)重計(jì)算

1）定義直接影響矩陣C：

其中cij是指標(biāo)i對j的影響程度。通常采用專家法獲得cij，由具有相關(guān)領(lǐng)域?qū)I(yè)知識和實(shí)踐經(jīng)驗(yàn)的多位專家組成專家組，對n個(gè)指標(biāo)之間的邏輯關(guān)系進(jìn)行打分評價(jià)，確定指標(biāo)i對j的影響程度，取專家打分的算術(shù)平均分作為專家組意見。

圖1　城市配送資源整合水平的評價(jià)過程

本文于2016年2—3月采用問卷方式邀請34位長期從事城市物流領(lǐng)域研究的專家進(jìn)行打分，以構(gòu)建直接影響矩陣，采用五級Likert量表。調(diào)研共發(fā)放問卷34份，發(fā)放對象為配送企業(yè)中層管理者8人，政府及行業(yè)協(xié)會物流專家6人，高校物流領(lǐng)域?qū)＜?0人?；厥諉柧?2份。計(jì)算平均分后的城市配送資源整合水平評價(jià)指標(biāo)直接影響矩陣初始數(shù)據(jù)（見表2）。

2）定義歸一化直接影響矩陣，將所有指標(biāo)的關(guān)系程度值標(biāo)準(zhǔn)化為矩陣X：

表2　城市配送資源整合水平評價(jià)指標(biāo)直接影響矩陣初始數(shù)據(jù)

3）定義綜合影響矩陣T：

其中（I-X）-1為（I-X）的逆，I為單位矩陣。綜合影響矩陣不僅考慮了各個(gè)指標(biāo)之間的直接影響關(guān)系，還考慮了間接影響關(guān)系。

4）計(jì)算每個(gè)指標(biāo)的影響度Dij和被影響度Rij：

影響度Dij為綜合影響矩陣T中的行元素之和，代表該指標(biāo)對其他所有指標(biāo)的影響程度大小。

被影響度Rij為綜合影響矩陣T中的列元素之和，代表該指標(biāo)被其他所有指標(biāo)的影響程度大小。

根據(jù)以上步驟計(jì)算的各指標(biāo)權(quán)重結(jié)果見表3。

（2）評價(jià)指標(biāo)數(shù)據(jù)歸一化處理

若配送資源整合水平評價(jià)指標(biāo)體系I包含n個(gè)一級指標(biāo)，Ii表示其中的第i個(gè)一級指標(biāo)，i∈［］1，n，每個(gè)一級指標(biāo)擁有m個(gè)二級指標(biāo)，每個(gè)二級指標(biāo)的取值用Iij（i=1，2，…，n；j=1，2，…，m）表示，則I的指標(biāo)矩陣可以表示為Iij。設(shè)一級指標(biāo)Ii中二級指標(biāo)Iij的取值范圍為則可對一級指標(biāo)Ii中二級指標(biāo)Iij的歸一化值Yij進(jìn)行如下定義：

1）若Iij的取值大小與一級指標(biāo)Ii的有序程度正相關(guān)，則：

2）若Iij的取值大小與一級指標(biāo)Ii的有序程度負(fù)相關(guān)，則：

3）若Iij的取值大小穩(wěn)定在某一個(gè)固定值Ibest對一級指標(biāo)Ii的有序程度最有利，而偏離固定值越大越不利于系統(tǒng)的表現(xiàn)，則：

（3）樣本輸出值的確定

系統(tǒng)的整合水平可以通過各一級指標(biāo)Ii中的二級指標(biāo)Iij的歸一化值Yij的集成來完成。考慮到不同評價(jià)指標(biāo)對系統(tǒng)整合水平的貢獻(xiàn)度不同，采用線性加權(quán)求和法進(jìn)行整合水平的集成。樣本輸出值為：

表3　城市配送資源整合水平評價(jià)指標(biāo)權(quán)重（）

表3　城市配送資源整合水平評價(jià)指標(biāo)權(quán)重（）

評價(jià)指標(biāo)指標(biāo)權(quán)重（ω*ij）I11 I12 I13 I14 I15 I16 I21 I22 I23 I24 I25 I26 I27 I28 I29 I31 I32 I33 I34 I35 I36影響度（D）3.802 4.277 3.898 4.296 3.734 3.100 3.991 3.815 3.339 3.742 2.299 2.459 3.360 3.383 3.386 3.194 3.862 3.254 3.520 2.320 2.495被影響度（R）2.324 0.974 1.781 2.002 1.396 2.127 1.992 2.290 2.607 2.529 2.405 3.125 2.230 2.594 2.447 2.355 1.656 2.516 2.757 1.468 2.401 0.052 0.051 0.050 0.055 0.046 0.044 0.052 0.052 0.049 0.053 0.039 0.046 0.047 0.050 0.049 0.046 0.049 0.048 0.052 0.032 0.040

2.訓(xùn)練樣本設(shè)計(jì)

CSCD-GRNN模型的重點(diǎn)是對訓(xùn)練樣本輸出值進(jìn)行處理，且不影響GRNN網(wǎng)絡(luò)的內(nèi)部結(jié)構(gòu)。因此，可以借助MATLAB R2012b自帶的神經(jīng)網(wǎng)絡(luò)工具箱創(chuàng)建GRNN網(wǎng)絡(luò)計(jì)算城市配送資源整合水平。在定義訓(xùn)練樣本和測試樣本后，將訓(xùn)練樣本的數(shù)據(jù)歸一化值輸入模型，GRNN網(wǎng)絡(luò)即可以開始學(xué)習(xí)訓(xùn)練，再將測試樣本輸入網(wǎng)絡(luò)，得到的輸出數(shù)據(jù)即為對應(yīng)的測試結(jié)果。通過比較測試結(jié)果與真實(shí)數(shù)據(jù)之間的誤差，評價(jià)模型效果；如果效果不佳，則可通過調(diào)節(jié)光滑因子δ來改善網(wǎng)絡(luò)。

根據(jù)GRNN網(wǎng)絡(luò)的基本特性，CSCD-GRNN模型需要人工調(diào)節(jié)的參數(shù)只有光滑因子δ，光滑因子δ對CSCD-GRNN模型的網(wǎng)絡(luò)性能存在顯著影響。將光滑因子以一定的增量在［0，1］范圍內(nèi)分別取值，并取訓(xùn)練樣本中的部分樣本作為“預(yù)測”樣本，通過其他樣本訓(xùn)練網(wǎng)絡(luò)，在不同的δ取值下對“預(yù)測”樣本進(jìn)行預(yù)測，獲得預(yù)測值與實(shí)際值的誤差。最后，將最少誤差對應(yīng)的光滑因子δ作為最優(yōu)值確定為最終CSCD-GRNN模型的光滑因子。

為充分保證CSCDGRNN網(wǎng)絡(luò)的訓(xùn)練效果，增強(qiáng)評價(jià)模型對不同類型城市配送資源整合水平評價(jià)的有效性，訓(xùn)練樣本的設(shè)計(jì)按照如下步驟進(jìn)行：

（1）選擇初始樣本城市并進(jìn)行評價(jià)指標(biāo)賦值

依據(jù)前述確定的評價(jià)指標(biāo)體系，為增強(qiáng)CSCD-GRNN模型的適用性，綜合考慮選取具有不同發(fā)展階段、經(jīng)濟(jì)總量、產(chǎn)業(yè)結(jié)構(gòu)和地理區(qū)位等特征的北京、上海、天津、廣州、長沙5個(gè)大型中心城市作為樣本城市，并將樣本城市2014年的數(shù)據(jù)作為初始樣本。5個(gè)樣本城市的配送資源整合水平評價(jià)指標(biāo)數(shù)據(jù)（見表4）。

（2）計(jì)算初始樣本城市配送資源整合水平的輸出值

利用公式（8）到公式（11）計(jì)算5個(gè)初始樣本城市的配送資源整合水平的輸出值（參見表5）。

（3）獲得訓(xùn)練樣本

為進(jìn)一步增強(qiáng)CSCD-GRNN模型的準(zhǔn)確性，以5個(gè)初始樣本城市為基礎(chǔ)，采用在區(qū)間［0，0.1］上均勻分布的隨機(jī)數(shù)對初始樣本城市的配送資源整合水平評價(jià)指標(biāo)值和水平值進(jìn)行微小擾動(dòng)，各生成10個(gè)樣本作為CSCD-GRNN模型的訓(xùn)練樣本，訓(xùn)練樣本數(shù)量共50個(gè)。

表4　樣本城市2014年配送資源整合水平評價(jià)指標(biāo)

表5　樣本城市配送資源整合水平輸出值

3.網(wǎng)絡(luò)訓(xùn)練

根據(jù)GRNN網(wǎng)絡(luò)的一般特性，網(wǎng)絡(luò)輸入層神經(jīng)單元數(shù)等于城市配送資源整合評價(jià)的指標(biāo)數(shù)量。本文的評價(jià)體系由21個(gè)指標(biāo)構(gòu)成，輸入層神經(jīng)單元的數(shù)目確定為21個(gè)，并將整合水平輸出值作為輸出向量，輸出層神經(jīng)元數(shù)為1個(gè)。

將50個(gè)樣本中的第5、第10、第15、第20、第25、第30、第35、第40、第45、第50共10個(gè)樣本作為測試樣本，其余40個(gè)樣本作為訓(xùn)練樣本進(jìn)行網(wǎng)絡(luò)測試。將光滑因子分別取值（0.1：0.1：0.9）形成9個(gè)CSCD-GRNN網(wǎng)絡(luò)，并對結(jié)果進(jìn)行測試比較（參見表6）。

當(dāng)光滑因子取值為0.3時(shí)，10個(gè)測試樣本的預(yù)測誤差方差最小，CSCD-GRNN網(wǎng)絡(luò)達(dá)到最佳評價(jià)效果，由此得到能夠用于配送資源整合水平評價(jià)的訓(xùn)練好的CSCD-GRNN模型。

四、CSCD-GRNN模型在北京市配送資源整合水平評價(jià)中的應(yīng)用

（一）評價(jià)過程

運(yùn)用構(gòu)建并訓(xùn)練好的CSCD-GRNN模型對北京市2005—2014年配送資源整合水平進(jìn)行評價(jià)，評價(jià)指標(biāo)值見表7。

（二）評價(jià)結(jié)論

對評價(jià)結(jié)果進(jìn)一步分析，可得出以下結(jié)論：

（1）2005—2014年北京市城市配送資源整合水平總體上呈現(xiàn)明顯的上升趨勢（參見圖2）。根據(jù)評價(jià)結(jié)果，北京市配送資源整合水平從2005年的0.379提升至2014年的0.604，10年間配送資源整合水平提升了59.37%，系統(tǒng)內(nèi)各子系統(tǒng)的協(xié)同情況和系統(tǒng)目標(biāo)達(dá)成水平得到持續(xù)改善。這一特征符合北京市配送發(fā)展的實(shí)際情況，說明本文構(gòu)建的評價(jià)指標(biāo)體系和基于GRNN網(wǎng)絡(luò)的評價(jià)模型是可行的，能夠較全面和真實(shí)地反映現(xiàn)實(shí)情況。

（2）從時(shí)間序列上看，北京市配送資源整合水平在10年間存在特征明顯的三個(gè)時(shí)期。2005—2008年整合水平提高較快，2008—2010年相對平穩(wěn)，2011年明顯提升后基本穩(wěn)定在較高水平。進(jìn)一步對比2006年、2007年、2008年的歸一化指標(biāo)值后發(fā)現(xiàn)資源共享水平、城市公共物流信息平臺水平、配送設(shè)施設(shè)備現(xiàn)代化水平幾項(xiàng)指標(biāo)有較大幅度提升，這與2008年奧運(yùn)會前北京市集中淘汰物流落后產(chǎn)能、加大城市配送系統(tǒng)建設(shè)、推行共同配送試點(diǎn)和夜間配送模式等有密切關(guān)系。對比2011年前后各項(xiàng)指標(biāo)的歸一化數(shù)據(jù)后發(fā)現(xiàn)，政府物流資源整合政策影響顯著，這與2011年后國家和地方密集出臺的物流相關(guān)政策關(guān)系密切，同時(shí)也體現(xiàn)了政策環(huán)境對城市配送資源整合的重大影響。

表6　測試樣本預(yù)測值及誤差方差

表7　2005—2014年北京市配送資源整合水平評價(jià)指標(biāo)

圖2　2005—2014年北京市配送資源整合水平變化趨勢

（3）從2012年開始，北京市配送資源整合水平的評價(jià)結(jié)果基本穩(wěn)定，但有小幅下降。在城市貨運(yùn)量穩(wěn)中有升的情況下，配送資源整合水平的微降主要源于城市交通的持續(xù)惡化和環(huán)保要求的不斷提高，同時(shí)，受產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和地價(jià)快速上漲的影響，物流固定資產(chǎn)領(lǐng)域的投資意愿降低也是資源整合水平穩(wěn)中微降的潛在因素。此外，從2011年國家“十二五”規(guī)劃綱要提出推進(jìn)京津冀一體化發(fā)展，到2014年京津冀協(xié)同發(fā)展上升為國家戰(zhàn)略，北京市產(chǎn)業(yè)疏解政策推動(dòng)的物流產(chǎn)業(yè)變革和城市產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對原有配送資源整合水平的影響還有待進(jìn)一步觀察。

［1］XU X F，ZHANG W，LI N.A bi-level programming model of resource matching for collaborative logistics network in supply uncertainty environment［J］.Journal of the franklin institute，2015（9）：3873-3884.

［2］Alkhatib Saleh Fahed，Darlington Robert.A novel technique for evaluating and selecting logistics service providers based on the logistics resource view［J］.Expert systems with applications，2015（20）：6976-6989.

［3］李南.京津冀城市群交通物流資源整合的意義、基礎(chǔ)和路徑［J］.物流工程與管理，2010（9）：19-21.

［4］黃良芳，林建.柳州區(qū)域物流資源整合策略研究［J］.物流科技，2012（9）：22-24.

［5］楊曉蘭，劉學(xué)林.城市物流資源整合的途徑與對策研究——以湖北省襄陽市為例［J］.企業(yè)科技與發(fā)展，2014（19）：8-9.

［6］劉建國，周濤，郭強(qiáng)，等.個(gè)性化推薦系統(tǒng)評價(jià)方法綜述［J］.復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2009（3）：1-10.

［7］Lopez-Martin C，ISAZA C，CHAVOYA A.Software development effort prediction of industrial projects applying a general regression neural network［J］.Empirical software engineering，2012（6）：738-756.

［8］QU J，CAO L，ZHOU J.Differential evolution-optimized general regression neural network and application to forecasting water demand in Yellow River Basin［C］//Information Science and Engineering（ICISE），2010 2nd International Conference on.IEEE，2010：1129-1132

［9］Essam Al-Daoud.A comparison between three neural network models for classification problems［J］.Journal of artificial intelligence，2009（2）：56.

［10］LENG Z，GAO J，QIN Y，et al.Short-term forecasting model of traffic flow based on GRNN［C］//Control and Decision Conference（CCDC），2013 25th Chinese.IEEE，2013：3816-3820

［11］葉姮，李貴才，等.國家級新區(qū)功能定位及發(fā)展建議——基于GRNN潛力評價(jià)方法［J］.經(jīng)濟(jì)地理，2015（2）：93-97.

［12］崔東文，郭榮.基于GRNN模型的區(qū)域水資源可持續(xù)利用評價(jià)——以云南文山州為例［J］.人民長江，2012（3）：27-29.

［13］孫禹，徐克林，秦瑋.基于灰色-廣義回歸神經(jīng)網(wǎng)絡(luò)的工程公司供應(yīng)商評價(jià)［J］.物流技術(shù)，2011（5）：92-93.

［14］范厚明，馬夢知，溫文華，屈莉莉.港城協(xié)同度與城市經(jīng)濟(jì)增長關(guān)系研究［J］.中國軟科學(xué)，2015（9）：96-110.

［15］孫鵬，羅新星.區(qū)域現(xiàn)代物流服務(wù)業(yè)與制造業(yè)發(fā)展的協(xié)同度評價(jià)——基于湖南省數(shù)據(jù)的實(shí)證分析［J］.系統(tǒng)工程，2012（7）：112-115.

［16］魯繼通.京津冀區(qū)域協(xié)同創(chuàng)新能力測度與評價(jià)——基于復(fù)合系統(tǒng)協(xié)調(diào)度模型［J］.科技管理研究，2015（24）：166-169.

［17］王宏起，徐玉蓮.科技創(chuàng)新與科技金融協(xié)同度模型及其應(yīng)用研究［J］.中國軟科學(xué)，2012（6）：132-133.

［18］包文娟.供應(yīng)鏈系統(tǒng)序參量識別研究［D］.大連：大連理工大學(xué)，2014.

［19］唐麗艷，周建林，王國紅.基于DEMATEL-ANP的產(chǎn)學(xué)研集成創(chuàng)新評價(jià)研究——以大連雙D港企業(yè)為例［J］.科學(xué)學(xué)與科學(xué)技術(shù)管理，2013（12）：87-90.

責(zé)任編輯：方程

The Application of CSCD-GRNN Model to the Evaluation of the Integration Level of City Distribution Resources

LIANG Chen
（Beijing Wuzi University，Beijing101149，China）

The integration level of distribution resources has directly effect on the city distribution resources efficiency and the distribution system operation effect.The author conducts the thorough research on the integration level of city distribution resources based on the system coordination degree evaluation model and the method of generalized regression neural network.The CSCD-GRNN evaluation model is established for the integration level of city distribution resources，and a reasonable method for comprehensive and objective assessment to the integration level of city distribution resources is provided.And with the use of the CSCD-GRNN evaluation model，the author finishes the empirical research on assessment to Beijing city distribution resources integration level during the period of 2005—2014.

distribution resources integration；artificial neural network；Beijing city；evaluation

F252.14

A

1007-8266（2016）11-0033-09

2016-10-20

北京市教育委員會社會科學(xué)計(jì)劃面上項(xiàng)目“基于自組織理論的北京市配送系統(tǒng)演化機(jī)制與系統(tǒng)構(gòu)建研究”（SM201410037006）

梁晨（1978—），男，天津市人，北京物資學(xué)院物流學(xué)院副教授，博士，主要研究方向?yàn)閰^(qū)域及城市物流、物流設(shè)施規(guī)劃與設(shè)計(jì)、物流系統(tǒng)分析與優(yōu)化。