智能物流技術跨領域融合的模式及趨勢研究

劉 立，蘇麗芳，樓旭明，成 瀧，丁海瑜

（1.西安郵電大學經濟與管理學院；2.西安郵電大學現代郵政學院，陜西西安 710061）

1 研究背景

物流技術與新一代信息技術等跨領域技術的深度融合，強化了物流產業與相關產業間的聯動效應，推動物流行業向智能物流轉型升級［1］。智能物流技術不斷發展的實質是在原有技術基礎上多種相關技術知識的跨領域整合和創新［2］，根據王媛等［3］、李樹剛等［4］的研究，科學客觀地分析智能物流技術跨領域融合對于創新主體技術R&D、資源合理配置以及物流產業技術創新及產業升級具有重要的研究意義和理論價值。隨著融合現象的興起以及跨領域技術的普遍結合，學者們基于不同角度對跨領域融合進行廣泛研究。融合模式的研究能夠從深層次挖掘產業核心和發展規律，進一步為戰略布局提供參考意見［5］；融合趨勢預測是降低產業環境變化風險、企業競爭環境不確定性的有效方法［6］，能夠解決市場動態競爭等帶來風險和挑戰，跨領域融合模式及趨勢預測研究的重點在于探索跨領域融合發展的特征，并在此基礎上科學合理地預測融合發展方向，由此可見，模式及趨勢預測研究是關系緊密的統一體，然而現有文獻分別集中在融合模式及趨勢預測研究，無法體現融合發展的連續性。

數字創新背景下，信息、知識、技術深入交互增加了跨領域融合的機會，不斷加強技術累積效應，逐漸打破產業邊界［2］，使得以產業為核心的融合成為當前融合模式相關研究的重點，特別是智能物流等新興產業的融合模式。比如李丫丫等基于案例分析將戰略性新興產業的融合模式劃分為技術融合模式、產品融合模式［7］，以及市場融合模式；由于靜態分析的缺陷，基于動態演化過程的研究將人工智能跨領域融合模式依據中間人理論歸納為4種。基于此，本文將借鑒陳鈺芬等研究方法［5］，分析智能物流跨領域融合的獨立發展模式、單向型融合模式和兩種類型雙向型融合模式。

學者們主要從基于相似性的鏈路預測算法、概率模型、最大似然模型、網絡嵌入模型等方法展開研究［8］，以此預測網絡中可能存在的缺失連邊和未來可能產生的連邊等［9］。隨著研究的深入和新興技術的蓬勃發展，節點屬性和網絡拓撲結構信息在鏈路預測模型中的作用逐漸被發掘，并將這種模型引入專利共現網絡。比如Kwon等［10］采用專利共現網絡，構建了基于技術相似性、技術普適性、技術獨特性指標的鏈路預測模型；Lee等［11］基于局部相似指標AA開展技術融合預測研究；Kim等［12］基于鏈路預測理論中局部相似性計算潛在的技術融合關系［12］。由此可見，基于相似性指標的鏈路預測是當前對融合進行預測的有效方法，已得到普遍應用，因此，本文將借鑒Kim等基于技術節點間局部相似性的方法，從Jaccard指標、PA指標、RA指標三方面對智能物流跨領域融合的趨勢進行預測。

考慮到智能物流技術的跨學科、跨領域、跨產業等特征，以及物流產業在國民經濟中的支撐地位，使得準確把握智能物流技術跨產業融合的發展方向，對制定發展策略具有重要意義。因此本文將以智能物流產業為例，對跨領域融合的模式及趨勢預測進行研究，以把握智能物流技術融合發展的規律，明確未來智能物流技術跨領域融合的發展方向，以期為企業和科研機構制定發展規劃提供理論依據。

2 研究設計

2.1 研究框架

專利被認為是進行融合相關研究的重要數據源，體現90%～95%的發明信息［13］，本文將采用專利數據從技術共現角度分析智能物流技術產業融合發模式及趨勢預測。具體如下：（1）智能物流產業數據收集及清洗；（2）依次構建IPC4共現網絡和產業融合網絡；（3）分析智能物流產業融合發展的模式；（4）構建產業融合趨勢預測模型；（5）有效性檢驗及智能物流技術跨領域融合趨勢預測；（6）預測結果分析及發展建議。

2.2 研究方法

2.2.1 專利共現分析

專利共現分析作為挖掘專利信息的有效方法，被廣泛用于技術融合相關研究。專利共現是指兩個或兩個以上不同IPC分類號在同一條專利中同時出現，通常使用IPC4代表IPC分類號，利用IPC4共現矩陣反映專利之間的共現關系。基于此，本文參照NACE-IPC4對應表將專利技術對應到產業領域，構建專利IPC4共現網絡和產業融合網絡，以IPC4為技術節點，技術關系為連接構建技術、產業關系網絡，探析不同產業部門中技術領域、產業之間關系的融合關系［4］。

2.2.2 基于中間人理論的跨領域融合模式分析

中間人的本質是資源傳遞過程中的媒介，與直接或間接相連的節點進行資源傳遞［5］，社會網絡分析理論將中間人角色分為協調人、顧問、守門人、代理人、聯絡人5種，原理如圖1所示，其中，黑色節點表示不同類型中間人角色。協調員結構單一，充當同一技術領域中的傳播媒介；顧問是對同一領域的資源進行傳遞，但其本身屬于另一領域；守門人與下游節點屬于同一領域，上游節點來自其他領域；代理人則與上游節點屬于同一領域，下游節點屬于其他領域；聯絡人則以第三領域的身份充當不同領域技術的資源傳遞媒介。

圖1 中間人作用原理

本文借鑒中間人角色識別技術跨領域融合的模式［5］，原理如圖2所示，由于專利共現網絡為無向網絡，無法區分守門人和代理人，因此將這兩種角色下的融合模式視為單向型融合模式；顧問和聯絡人表現出兩次跨產業融合，稱為雙向型融合模式；協調人的IPC4節點涉及一個產業領域，表現為獨立發展模式，中間節點IPC4主要通過傳遞產業內部資源促進產業內融合。單向型融合模式存在一條與外部聯系的路徑，通過一次跨產業行為傳遞資源，中間節點IPC4主要通過整合產業內部和外部的資源推動產業間的融合；雙向型融合模式涉及兩次跨產業傳遞資源行為，但以聯絡人為代表的雙向型融合模式涉及3個產業領域，與以顧問為代表的雙向型融合模式相比，中間節點擁有更多的異質知識，加速推動產業間的融合。

圖2 跨產業融合模式原理圖

2.2.3 基于相似性的融合趨勢預測模型

局部信息相似性的實質是通過節點局部信息，計算節點間相似性，基于相似性得分估計未來融合的概率。通常計算復雜度較低，精度準確，適合大規模網絡分析。本文從Jaccard指標、PA指標、RA指標三方面測度節點間相似性［12］：

（1）Jaccard指標。考慮兩個節點共同鄰居數量的同時也考慮所有鄰居的數目，計算如公式（1）所示。

（2）PA指標。無標度網絡中，一條新邊連接到節點的概率與該節點的度成正相關［14］，度中心性越高，未來形成新連接的可能性越大，計算如公式（2）所示：

圖3 計算RA、PA指標示例圖

Jaccard、PA、RA指標均通過捕捉 和 的接近程度，進行跨產業融合關系的預測，但對技術和產業網絡進行關系預測時側重點不同，Jaccard關注節點間的共同鄰居、PA重點考慮節點度中心性的作用、RA重視資源傳遞的重要性，因此Jaccard、PA、RA在構建鏈路預測模型時呈現相輔相成的互補關系。由于Jaccard、PA、RA的測度結果的最大值和最小值不同，無法直接進行比較，需對其進行標準化處理，計算如公式（5）所示。

其中，s表示兩節點產生新連接的可能性。

2.2.4 鏈路預測模型評價

AUC評價指標表示在測試集上隨機選擇一條邊的分數值大于隨機選擇一條不存在邊的概率，用來衡量鏈路預測模型的準確性。分別隨機在測試集和不存在的邊中選擇一條邊，比較兩條邊分數值大小，若測試集邊的分數值大于不存在邊的分數值，則說明預測結果精確，加1分；若測試集邊的分數值等于不存在邊的分數值，則反映預測結果等同于隨機選擇，加0.5分；假設測試集邊的分數值有次大于不存在邊的分數值，測試集邊的分數值有次等于不存在邊的分數值，AUC計算如公式（6）所示：

由此可知，AUC取值區間為（0,1），當所有分數值都是隨機產生的時，，因此當AUC大于0.5時，表明該算法比隨機選擇的方法精確。在評價指標計算過程中，n的取值決定模型精確度，當網絡規模較大時，為了減少計算復雜度，提高計算效率，通常采用隨機抽樣的方式計算得到一個近似的AUC值。由公式6可知，n越大，AUC越接近精確值。呂琳媛［15］應用伯努利試驗對最佳抽樣次數n進行評估發現，在保證AUC值保持90%的可信度時，最多需要進行672 400次抽樣。本文將n值取值為60 000，即獨立取值比較50 000次并求平均來確定最終AUC的值，以此驗證預測模型的準確性。

3 實證分析

3.1 數據來源

研究數據來源于德溫特專利數據庫（Derwent Innovations Index），該數據庫涵蓋專利文獻覆蓋面廣，收錄了最新技術信息，具有較高權威性。在DII輸入檢索式TS=（logistic* OR deliver* OR load* OR terminal* OR order* OR route*）AND TS=（intelligen*OR smart* OR self-adapt* OR self-learn* OR selfstudy* OR self-taught* OR adapt* OR learning*），檢索時間為1996—2020年，檢索日期為2021年9月1日。通過數據清洗與篩選，共收集智能領域117 454項專利。從微觀層面分析單元為IPC4子類，共659個；宏觀層面基于IPC4子類和NACE代碼之間的一致性，將IPC4子類映射到45個產業部門。

總體上，智能物流產業專利呈現增長趨勢，如圖4所示，具有階段發展的特征，依據技術生命周期理論，按照專利增長率將智能物流產業發展劃分為四個時間階段：1996—2006年為平穩過渡期，專利數量一致處于較低水平，專利總量1 373項；2007—2011為平穩發展期，呈現穩定增長的發展態勢，專利總量6 571項；2012—2017為快速發展期，專利呈現井噴式增長現象，專利總量45 507項；2018—2020為成熟穩定期，這一時期大量新興技術的出現，使得智能物流出現技術創新瓶頸，專利數量增速減慢，專利總量64 008項。

圖4 1996—2020年全球智能物流產業專利變化趨勢

3.2 智能物流產業融合發展模式分析

產業發展過程中的重要中介技術將不相鄰的兩節點相連，傳遞異質性資源，促進不同領域技術關聯和融合。根據中介技術與上下游節點的技術領域屬性關系，將中介技術資源傳遞行為劃分為不同模式。以IPC4和產業部門節點，技術或產業領域間共現為聯系，分別構建技術網絡和產業網絡，識別不同發展階段的重要中介技術，進一步識別智能物流跨領域融合的模式。應用UCINET6.0軟件，對1996—2020年4個階段網絡節點中間人得分進行排名，識別跨領域融合模式排名前十的重要中介技術節點，統計結果如表1所示。

表1 1996—2020年各類模式下排名前十的智能物流重要中介技術

表1（續）

不同技術在跨領域融合中扮演不同角色，例如第一階段，以“協調員”為代表的技術中間人有19個，G06F、G06K、H04L、G06N、H04Q、H04M、H04B、G09G、H04K、G07F得分較高；“守門人或 代 理 人” 中 有 G06F、H04L、G06K、H04M、H04B、H04Q、G07F、G07C、B60R、G06N；“顧問”有 G06F、H04L、G06Q、H04B、H04M、H04N、G05B、G06K、B60R、G07F扮演重要角色；“聯絡人”有 G06F、G06K、H04L、H04M、G06Q、G05B、H04B、H04N、H04Q、G08B。其他階段分析同理。結合中間人角色分析方法，探究智能物流核心技術驅動跨領域融合特征，分析4個階段各類跨領域融合模式的變化情況，具體如表2所示。

表2 1996—2020年各階段智能物流跨領域融合模式演化情況

由表2橫向對比發現，智能物流核心技術跨產業融合模式以聯絡人為代表的雙向型融合模式為主，其次是以守門人或代理人式為代表的單向型融合模式，然后是顧問式雙向融合模式，獨立發展模式所占比例最低。由縱向對比可知，隨著領域間融合發展，不同類型融合模式波動較小，總體呈現穩定的發展態勢，表明智能物流在發展初期就受到了技術融合的深刻影響，不僅加速了智能物流產業自身的發展，同時對其他產業的發展也產生了深刻的影響。

技術層面網絡演化如圖5所示。具體來看，第一階段，G06F、H04L、G06K等促進辦公機械和計算機、信號傳輸，電信產業內部融合表現為模式獨立發展模式；G06F驅動辦公機械和計算機、信號傳輸，電信、機動車產業間的融合模式主要是單向型融合模式；G06Q、H04L等驅動信號傳輸，電信與辦公機械和計算機產業的融合大多表現為顧問式雙向融合模式；H04M驅動辦公機械和計算機、信號傳輸，電信產業間的融合表現為聯絡人式雙向融合模式。該階段G06F、H04L、G06K和H04M跨領域融合產生了重要影響，主要與數字數據處理和數字信息傳輸技術相關。

圖5 不同時間階段技術網絡

第二階段，G06F、H04L、G06K、B06K驅動辦公機械和計算機、信號傳輸，電信、機動車跨產業融合的模式表現為獨立發展模式。A62C、H02K、B61B驅動非專用機械、電動機，發電機，變壓器產業融合模式多表現為單向型融合模式。A62C、G06Q、G01T驅動非專用機械、醫療設備、專用機械產業間融合模式表現為顧問式雙向融合模式。A62C、G06Q、G01T驅動非專用機械、醫療設備產業間的融合表現為聯絡人式雙向融合模式。

第三階段，G06F和G06Q位于網絡中心，G06F、H04W、H04B驅動辦公機械和計算機、信號傳輸，電信跨產業融合的模式表現為獨立發展模式。F03D、F26B、F41J驅動能源機械、專用機械、武器彈藥運輸產業融合模式多表現為單向型融合模式。A46B、F03D、F41J驅動家具，消費品、能源機械、武器彈藥運輸產業間融合模式表現為顧問式雙向融合模式。A46B、F03D、B81B驅動家具，消費品、能源機械、電子元器件產業間的融合表現為聯絡人式雙向融合模式。

第四階段，G06F、G06Q、H04L、G06K、H04W等以顧問角色與領域外技術知識進行資源交換和有效互動，促進領域之間深度融合；H04L和H04W作為內部整合者扮演協調員角色，通過結合產業內技術知識促進產業內融合；而G06Q和H04L扮演聯絡人角色，增強兩個以上產業部門相關的多產業融合。

產業層面網絡演化如圖6所示，第一階段表現出大幅增長并積極參與技術關系的產業包括辦公機械和計算機、其他電氣設備、信號傳輸，電信、電視和廣播接收器，視聽電子產品、醫療設備、工業過程控制設備、機動車及其他產業。以下產業對之間聯系較緊密，第一階段包括信號傳輸、電信-辦公機械和計算機，試聽電子產品、電視和廣播接收器-辦公機械和計算機，辦公機械和計算機-測量儀器，信號傳輸、電信-試聽電子產品、電視和廣播接收器，其他電子設備-辦公機械和計算機，隨著融合發展，第二、三、四階段的產業網絡中辦公機械和計算機產業與信號傳輸、電信產業仍處于網絡中心位置，產業對聯系較為緊密，產業間連接強度隨時間推移逐漸增強，其中測量儀器-信號傳輸、電信產業對連接強度上升顯著。

圖6 不同時間階段產業網絡

3.3 預測結果分析

3.3.1 預測模型有效性檢驗

為保證預測結果的準確性和有效 性，在融合趨勢預測前進行模型預測精確度及有效性檢驗，對1996—2020年間智能物流產業4個演化階段，按照測試集與訓練集1∶9抽取10%進行檢驗，檢驗結果如表3所示。

表3 鏈路預測算法精確度

由表3中可知，RA的AUC值總體高于Jaccard和PA，因此RA指標計算結果更為精確。從時間階段來看，預測模型在2018—2020階段表現最好，圖7展示了該階段Jaccard、PA和RA的ROC曲線，圖中3個指標的AUC值均高于0.8，說明基于此階段技術網絡預測未來連接的可能性能夠得到較為準確的預測結果。

圖7 2018—2020年網絡預測精確度

3.3.2 智能物流跨領域融合趨勢預測

將基于局部相似性鏈路預測 算法應用于技術網絡，并將預測的技術網絡映射到產業中。由上述步驟知，基于Jaccard、PA、RA指標的鏈路預測結果具有良好的準確性和可信度。因此，基于2018—2020階段的專利技術網絡，得到節點間相似性關系如表4所示，相似性越高表示技術間的融合關系強，鏈接在未來出現可能性較大。

表4 跨領域融合預測結果

圖8表示將基于Jaccard、PA、RA指標對未來技術關系預測結果可視化為3個不同的技術網絡，并在此基礎上，參照NACE-IPC4對應表，將鏈路預測模型對技術關系預測結果對應到產業領域中，構建未來跨領域融合趨勢的網絡，如圖9所示。盡管在圖8、圖9中3個網絡整體形狀和結構形狀不同，但整體特征基本一致。

圖8 基于Jaccard、PA、RA指標的IPC4共現網絡預測結果

圖9 基于Jaccard、PA、RA指標產業融合網絡預測結果

結合表4、圖8和圖9發現，未來核心技術主要集中在G01L、G06T、H04Q、B60D、H0 3L、F16B、B29D等，上述專利技術在預測結果所構建的網絡中表現出較高中間人得分，此類技術間的融合關系將可能是未來智能物流技術融合發展的主要方向。

由圖9可知，專用機械、金屬制品、信號傳輸，電信、其他運輸設備、辦公機械和計算機、機動車、家用電器等產業將蓬勃發展，與其他產業部門存在緊密聯系，主要包括：專用機械-金屬制品、專用機械-信號傳輸、專用機械-其他運輸設備、專用機械-辦公機械和計算機、專用機械-機動車、專用機械-家用電器。因此，未來這些產業之間的融合關系更緊密。

由預測模型知，G01L作為顧問驅動工業過程控制設備產業與辦公機械和計算機、金屬制品、照明設備產業間的融合，表現為顧問式雙向型融模式；G06T作為協調人驅動辦公機械和計算機產業的內部發展，因此辦公機械和計算機表現為獨立發展模式；H04Q擁有多重角色，既可以作為守門人或代理人驅動信號傳輸，驅動電信產業與家用電器產業的單向型融合，又可以作為顧問和聯絡人驅動信號傳輸，促進電信產業與辦公機械和計算機、專用機械、工業過程控制設備產業間的雙向型融合；B60D作為聯絡人驅動基本金屬產業與工業過程控制設備產業間雙向型融合；H03L作為驅動辦公機械和計算機產業與信號傳輸，電信、工業過程控制設備、專用機械產業融合模式為聯絡人式雙向型融合模式；B29D驅動橡膠和塑料制品產業與辦公機械和計算機、家用電器、非專用機械、信號傳輸，電信產業融合模式為顧問式雙向型融合模式。

4 結論

本文以智能物流產業1996—2020年專利數據為研究對象，分析跨領域融合模式并在此基礎上進行融合趨勢預測研究，主要創新點在于：（1）現有文獻多以跨領域融合模式為主或以融合趨勢預測為主，本文綜合考慮跨領域融合的連貫性，豐富了跨領域融合相關研究，具有研究思維方面的創新。（2）本文聚焦新興產業，以智能物流為例分析其跨產業融合的模式及趨勢，豐富了智能物流產業相關研究。（3）運用精度較高的預測模型，為融合預測提供理論支撐，具有方法方面的創新。得出以下結論：

（1）不同類型的跨領域融合模式呈現穩定、微小波動的發展態勢。聯絡人式雙向型融合模式是主要融合方式，起始階段即在融合中占據較高的比例，隨著跨領域知識整合和產業部門間技術深度融合，以及技術間壁壘的限制，聯絡人式融合模式呈現逐步下降的趨勢。單向式融合和顧問式雙向型融合所占比例基本相同，且穩定較好，其中顧問式雙向融合模式變化幅度小于0.01；單向型融合模式在起始階段所占比例較低，在市場競爭優勢的追求下，企業不斷加深對自身核心技術的深度探索，使得同一領域內的技術有效結合，單向型融合模式比例逐步緩慢增大。

（2）跨領域融合的重要中介技術總體呈現動態演變的特征，部分技術則具有良好的產業基礎和競爭優勢。由四個時間階段的融合模式演變以及不同融合模式下的中間人角色知，一二階段的大部分技術在后期融合模式中的重要程度及作用方式發生轉變，比如G01T僅在第 三階段以聯絡人角色出現；G06K在一二階段以參與獨立發展模式為主，在第四階段則以顧問身份參與雙向融合過程，說明此類技術具有良好的技術潛力，在跨領域融合過程中實現創新突破的可能較大。而G06F始終參與獨立發展模式，G06Q始終參與顧問式雙向融合，表明G06F為創新主體擁有的核心技術，領域間融合的技術壁壘較高，適合進行深入R&D；G06Q更多以技術媒介的角色促進同一領域內技術的融合，創新主體應多關注與其關系緊密的其他領域技術。

（3）不同指標計算的相似性得分具有較大差異，基于Jacard指標的節點間相似性得分明顯高于PA指標與RA指標計算得到的融合可能性。總體以B60K、G61B、A41F、F21S、H04Q為主的（B06K,E01F）、（G61B,A41F）、（F21S,F24C）、（H04Q,H03L）技術節點間呈現較高的相似性，在未來融合的可能較大，由技術與產業之間的一致性知，專用機械、金屬制品、信號傳輸等將來未來蓬勃發展，與其他產業部門之間產生較為緊密的聯系，例如專用機械-金屬制品、專用機械-信號傳輸之間的融合是未來發展的主要趨勢，創新主體可加強對此類技術的R&D投入和深入探索，積極建立與相應企業間的協作伙伴關系。

本文的研究結果為智能物流相關企業提供有益信息。在新一代信息技術深度融合、數字創新背景下，單一核心技術易受快速變化市場等外部環境的沖擊，基于多方面資源的技術擴散吸收以及跨領域融合是捕捉市場機遇、獲取競爭優勢的有效途徑。智能物流創新主體需明晰自身核心技術跨領域融合的主要方向，洞察技術跨領域融合趨勢，適時調整及定制多元化發展戰略，進行多領域的技術探索和開發。區分不同類型重要中間人角色的技術，有側重地加大與相關領域技術的R&D強度，提升創造新產品的可能性和開發新技術的潛能，從而提升創新能力和競爭優勢。

本研究也不可避免地存在局限性。（1）本文采用專利共現法僅從網絡視角分析智能物流跨領域融合的模式及趨勢，而企業創新發展是多維度融合的結果，技術融合同時也存在市場、服務等方面的融合，未來研究可綜合考慮這幾方面融合與技術層面融合的復雜聯動。（2）智能物流技術跨領域融合是多層次的系統化過程，各模式遵循不同的融合機制，探索不同模式的實現路徑是創新主體提升創新能力和競爭優勢更為關鍵的途徑，未來可綜合研究不同模式下實現路徑的聯系與差異。