人工智能應用于物流領域的研究熱點、趨勢

摘 "要：為了助力現代物流有效降低運營成本、提升運營效率、推動人工智能在物流領域的應用和物流長期可持續發展，采用CiteSpace對人工智能應用于物流領域的研究文獻進行發文量、研究作者、研究機構、研究熱點與研究趨勢可視化分析。得出目前處于人工智能應用于物流領域的快速增長階段，并沒有較為成熟的核心作者群和研究團體；研究熱點主要集中在大數據、神經網絡、數據挖掘；研究主題主要為物流大數據分析、物流數據挖掘、物流仿真；研究趨勢主要為物流機器人、區塊鏈物流。學者和機構之間應該打破彼此之間專業和機構的壁壘，充分交流合作，重視研究熱點及趨勢，以促進人工智能在物流領域的應用。

"關鍵詞：人工智能；物流；CiteSpace；文獻

"中圖分類號：F253.9 " "文獻標志碼：A " "DOI：10.13714/j.cnki.1002-3100.2024.07.004

Abstract： In order to help modern logistics effectively reduce operating costs， improve operating efficiency; promote the application of artificial intelligence in logistics and the long-term sustainable development of logistics. CiteSpace was used to visually analyze the number of publications， authors， research institutions， research hotspots and research trends of the research literature on the application of AI in the field of logistics. It is concluded that the application of artificial intelligence in the field of logistics is in the rapid growth stage， but there is no mature core authors and research groups. The research focuses on big data， neural network and data mining. The main research topics are logistics big data analysis， logistics data mining， logistics simulation; the main research trends are logistics robots and blockchain logistics. Scholars and institutions should break the professional and institutional barriers between each other， fully communicate and cooperate， pay attention to research hot spots and trends， so as to promote the application of artificial intelligence in the field of logistics.

Key words： artificial intelligence; logistics; CiteSpace; literature

0 "引 "言

"隨著我國經濟由高速增長階段轉向高質量發展階段，物流在國民經濟中的基礎性、戰略性、先導性作用顯著增強[1]。國務院辦公廳印發的《“十四五”現代物流發展規劃》指出現代物流在構建現代流通體系、促進形成強大國內市場、推動高質量發展、建設現代化經濟體系中發揮著先導性、基礎性、戰略性作用。發展現代物流對于提高國民經濟運行質量和效率、優化資源配置、提升中國經濟實力等方面具有重要意義。而人工智能是1956年美國達特茅斯學院召開的學術會議上，約翰·麥卡錫首次提出人工智能（Artificial Intelligence， AI）[2]。經過60多年的發展，人工智能融合了計算機科學、統計學、心理學、神經科學等多學科思想，涉及自然語言、機器學習、深度學習、機器視覺、計算機視覺、數據挖掘等內容。其廣泛應用于運輸、倉儲、裝卸搬運、包裝等物流活動中。能夠幫助現代物流有效降低運營成本、提升運營效率、推動物流長期可持續發展。

1 "數據獲取與研究方法

1.1 "數據獲取

"本文選取中國知網（CNKI）作為數據來源。檢索條件為（主題=物流）和（主題=人工智能+機器學習+深度學習+神經網絡+自然語言處理+計算機視覺+數據挖掘+語音識別+人臉識別+特征識別+VR+AR+人機交互+大數據+知識圖譜+機器人+專家系統+數據挖掘）；檢索資源范圍為學術期刊，中英文擴展，時間不限；來源類別為SCI、EI、CSSCI、CSCD、北大核心，通過檢索初步到1 371篇文獻。為了保證數據的準確性和可靠性，剔除會議通知、卷首語、相關征文等和主題無關的文獻40篇，最終得到有效文獻1 331篇，以Refworks格式導出，數據檢索時間為2023年4月8日。

1.2 "研究方法

"近年來，各種科學知識圖譜的繪制計量工具層出不窮，CiteSpace、VOSviewer、Gephi、BibExcel、SPSS、Histcite等工具在我國較快地得到了推廣使用[3]。而CiteSpace憑借其關鍵詞共現、關鍵詞突現等不斷優化升級的功能以及簡便的操作流程受到無數學者青睞。因此，本文采用CiteSpace工具實現人工智能應用于物流領域的可視化分析。

2 "研究現狀分析

2.1 "發文量分析

通過對1 331篇相關研究文獻進行統計分析，得到1993—2023年文獻發表趨勢圖（見圖1）。對文獻發表趨勢圖進行簡單回歸分析，得到其增長指數為R2=0.643 1，整體來看可以得出1993—2023年相關研究文獻的年發表量呈現“局部波動、整體上升發展”的趨勢。1993—2002年為萌芽階段，年發文量在4篇左右；2003—2012年為緩慢增長階段，年發文量從7篇緩慢增長到了37篇；2012年至今為快速增長階段，2014年國務院印發的物流業發展中長期規劃（2014—2020年）指出要發展智能物流基礎設施，建設智能物流信息平臺，提升物流業信息化和智能化水平等。隨著相關政策的發布，2014年的年發文量首次突破100篇，形成小高峰。2016 年，英國初創公司DeepMind研發的圍棋機器人AlphaGo通過無監督學習戰勝了圍棋世界冠軍柯潔，讓人類對人工智能的期待提升到了前所未有的高度，在它的帶動下，人工智能迎來了最好的發展時代[4]。而且伴隨著工信部2017年頒布的《促進新一代人工智能產業發展三年行動計劃（2018—2020）》提出要提升高速分揀機、多層穿梭車、高密度存儲穿梭板等物流裝備的智能化水平，實現精準、柔性、高效的物料配送和無人化智能倉儲等支持人工智能在物流領域發展政策的相繼發布。2017年后的年發文量能夠保持在100余篇，且在2020年達到了146篇的目前最高峰值。隨著國家對人工智能在物流領域應用的高度重視，相關政策的不斷出臺以及人工智能的飛速發展，預計人工智能在物流領域的應用也將進一步快速發展，以推動現代物流高質量發展。

2.2 "研究作者分析

通過CiteSpace對人工智能應用于物流領域的研究學者進行分析，得到作者共現圖譜（見圖2）和發文作者表（見表1）。發文作者是從事研究的主體，通過對作者共現圖譜的可視化，可以反映核心作者與合作關系。根據普賴斯對于核心作者群的著名論斷，即M≈0.749*（為領域最高產作者發文數量），可知核心作者的文獻數量判定標準M=1.84，根據統計顯示發文在2篇及以上的作者共有74名，累計發文167篇文獻，占比12.55%，低于普賴斯的50%標準[5]，因此，人工智能應用于物流領域的研究尚未形成真正意義上的核心作者群，其研究尚處于開拓階段。結合作者共現圖譜和發文作者表，可以知道發文量最多的是曾奕棠（6篇）和張玉峰（6篇），兩人是合作關系；其次是楊瑋（4篇）；其他作者的發文量都在4篇以下，其中葉斌、余真翰、黃文富三人存在合作關系，李余琪、萬勵、吳潔明三人存在合作關系，時峻峰、張毅、付華森三人存在合作關系，李澤萍、趙勝利、師寧、周麗四人存在合作關系，俞勝平、龐新富等五人存在合作關系，剩余的作者是兩人存在合作關系或者不存在合作關系，整體上呈現分散化小范圍合作的特征。

2.3 "研究機構分析

通過CiteSpace對人工智能應用于物流領域的研究機構進行分析，得到機構共現圖譜（見圖3）和發文機構表（見表2）。結合發文機構表和機構共現圖譜可知，發文最多（前五）的機構是中國人民大學商學院（7篇）、北京物資學院物流學院（7篇）、東華大學旭日工商管理學院（5篇）、北京物資學院信息學院（5篇）、北京交通大學經濟管理學院（4篇），可見高校在人工智能應用于物流領域的研究中占據很重要的地位；從機構間的合作關系看，上海交通大學機械與動力工程學院和東華大學機械工程學院存在合作關系，中國農業大學信息與電氣工程學院和中國農業大學工學院存在合作關系，東華大學旭日工商管理學院、中南林業科技大學物流與交通學院等8所機構存在合作關系，其余機構間相互不存在合作關系，可見人工智能應用于物流領域的研究機構之間的合作較少，尚未形成較為成熟的研究團體。

3 "研究熱點與研究趨勢分析

3.1 "研究熱點：關鍵詞共現分析

"通過CiteSpace對人工智能應用于物流領域研究文獻的關鍵詞進行關鍵詞共現分析，得到關鍵詞共現圖譜（見圖4）和高頻關鍵詞統計表（見表3）。關鍵詞共現可以反映某一領域的研究熱點[6]，關鍵詞在文獻中出現的頻次越高，共現圖譜中的節點越大；關鍵詞的中心度值越大，表明該關鍵詞的重要程度越重要以及與其余關鍵詞的關聯程度越高。因此結合關鍵詞的頻次和中心度值能夠得到人工智能應用于物流領域的熱點。從中可以看到人工智能應用于物流領域的關鍵詞之間的聯系錯綜復雜，頻次大于50次，中心度值大于0.1有：大數據、神經網絡、數據挖掘，可見人工智能應用于物流領域的熱點主要是大數據、神經網絡、數據挖掘等。

3.2 "研究主題：關鍵詞聚類分析

在關鍵詞共現分析的基礎上，采用數似然算法（LLR算法）對關鍵詞進行聚類分析，得到關鍵詞聚類圖譜（見圖5）。關鍵詞聚類圖譜可以更加直觀地反映研究的知識結構和在某一個研究方向上的主題詞[7]。指標模塊值Q和平均輪廓值S能夠衡量聚類圖譜的繪制效果。Q值在[0，1）區間內，Q＞0.3表明生成的聚類圖譜網絡結構是顯著的，Q值越大，聚類效果越好；S值反映聚類圖譜網絡的同質性，S＞0.5表明生成的聚類圖譜是合理的，S＞0.7則表明聚類圖譜是高度可信的[8]。得到的結果Modularity Q（模塊值）=0.604 5、Mean Silhouette S（平均輪廓值）=0.712 9，可知得到的聚類圖譜是合理的且網絡結構是顯著的。關鍵詞聚類圖譜顯示了9個聚類群組，分別是：大數據（#0）、數據挖掘（#1）、智慧物流（#2）、商業模式（#3）、神經網絡（#4）、仿真（#5）、物流（#6）、專家系統（#7）、信息化（#8）。

"結合關鍵詞共現及聚類圖譜、高頻關鍵詞統計表中關鍵詞的頻次和中心度值，初步得到“大數據”、“神經網絡”、“數據挖掘”屬于人工智能應用于物流領域的研究熱點，由于不同關鍵詞之間的聯系錯綜復雜，經過梳理得到以下三個主題研究脈絡：物流大數據分析、物流數據挖掘、物流仿真。

"物流大數據分析：通過打造物流大數據系統，對運輸、倉儲、包裝、配送等物流環節中的數據和信息，進行大數據分析，應用于運輸配送路線優化、改善客戶關系、風險管理等情景中，以提高物流效率，降低物流成本和物流風險。如：張建喜、趙培英等將大數據技術應用在數據庫中，建立物流管理數據庫系統，以實現對農產品物流運輸進行全過程管理，降低農產品在運輸過程中的損耗率和變質率，進而提高農產品物流效率和農業生產效益[9]。陳婉婷構建以無向圖為基礎的大數據分析模型，采用動態分析方法規劃出最優配送路線，提出一種基于大數據分析的農村電商物流最后一公里配送方法。用來彌補不能及時將貨物交由收貨人手中而造成的配送成本高、效率低的問題[10]。

"物流數據挖掘：采用關聯分析、神經網絡、遺傳算法等算法技術在海量的數據集中挖掘出有用的內容，應用于物流需求預測、配送路徑優化、風險預警、車輛調度、優化倉儲管理等方面。如：徐曉燕、楊慧敏等將小波神經網絡、人工神經網絡（BP）、遺傳算法優化神經網絡（GA-BP）、粒子群優化神經網絡（PSO-BP）、長短時記憶網絡（LSTM）等五種方法的數據預測進行對比分析，選取預測生鮮農產品物流需求量更精準方法[11]。蘇卉、李玉輝等引入射頻識別技術（RFID），提出基于射頻識別的物流頻繁路徑數據挖掘方法，解決傳統物流頻繁路徑數據挖掘方法中存在的空間用量較大、運行時間較長等問題[12]。楊揚、徐新揚為了準確識別跨境供應鏈內的多源風險，建立了一個基于粒子群優化算法（PSO）優化卷積神經網絡（CNN）的跨境供應鏈風險預警模型（CNN-PSO），并對比分析四種同類型模型，得出CNN-PSO跨境供應鏈風險預警模型訓練速度快、效率高[13]。王利改以計劃性、預防性和機動性這三個特征為基礎，構建了一個飼料車輛調度優化模型，通過飼料物流配送車輛序列系數的分析，來確定線路模式，利用灰色多層次弱收斂序列系數來擬合出最短路線，而獲得飼料物流車輛調度優化方案[14]。

"物流仿真：采用虛擬現實方法，對物流系統（倉儲系統、運輸系統等）進行實際模擬，統計分析模擬結果，應用于揀選流程、配送路徑優化等以降低物流投資成本，提升物流效益。龔志鋒、陳滔滔等以天津武清區科捷機器人倉為背景，研究模擬訂單揀選流程的仿真程序，改變機器人及勞務人員數量，最終得到優化配置結果[15]。鄧濤、陳瑤等以物流配送為對象，運用計算機仿真技術和專家系統相結合的智能仿真方法，對物流配送系統進行研究，建立了基于專家系統的智能仿真系統閉合回路結構，探討了嵌入式智能仿真結構和農產品物流智能仿真的流程[16]。

3.3 "研究趨勢：關鍵詞突現分析

關鍵詞突現能夠表明該關鍵詞在某時間段內的關注度，反映出該時段下的研究熱點和發展趨勢[17]。為了更好地了解人工智能應用于物流領域的研究趨勢，采用CiteSpace進行關鍵詞突現分析得到關鍵詞突現圖譜（見圖6）。突現強度較高的是：數據挖掘、大數據、神經網絡、新零售、智慧物流，可見人工智能的熱點在于數據挖掘、大數據、神經網絡等技術應用于新零售、智慧物流等區域；突現時間較長的關鍵詞是物流系統；突現時間較近的是新零售、智慧物流、區塊鏈、人工智能、機器人、數字經濟等，說明這些都是近年人工智能應用于物流中的重要主題或者領域。綜上數據，厘清關鍵詞之間的關系可以得出人工智能應用于物流領域的應用場景主要是：新零售、飼料企業等，而其研究趨勢有以下幾個方面：物流機器人、區塊鏈物流。

"物流機器人：隨著《中國制造2025》《“十四五”機器人產業發展規劃》等政策的推進，機器人成為我國建設制造強國的重要領域之一[18]。未來物流機器人將進一步深度融合智能算法、感知識別技術、深度學習等核心技術，實現能夠適應各類型場景甚至通用的堆垛機器人、分揀機器人、配送機器人等物流機器人的研發。

"區塊鏈物流：作為新一代信息技術的前沿代表，區塊鏈具有去中心化存儲、非對稱加密、分布式共識等特點[19]，其可用于物流運輸信息的追蹤、解決物流融資困難問題、完善物流信用評價體系等，未來區塊鏈物流可以融合數字孿生等新興技術，構建統一標準技術的區塊鏈技術，降低區塊鏈開發成本，加大對物流隱私的保護，進一步提高區塊鏈技術在物流領域的應用，提高物流數字化建設。

4 "結 "論

隨著人工智能的飛速發展，其廣泛應用在物流中的各個領域。本文采用CiteSpace對人工智能應用于物流領域的研究文獻（1993—2023）進行可視化分析。得到如下結論：

"發文量分析：隨著國家對人工智能在物流領域應用的高度重視，相關政策的不斷出臺以及人工智能的飛速發展，2012年至今為人工智能應用于物流領域的快速增長階段。

研究作者和機構分析：人工智能應用于物流領域的研究尚未形成真正意義上的核心作者群，其研究尚處于開拓階段，作者之間的合作整體上呈現分散化小范圍合作的特征。而且人工智能應用于物流領域的研究機構之間的合作較少，尚未形成較為成熟的研究團體。為了助力人工智能在物流領域的快速發展，研究學者和研究機構應該打破彼此之間專業和機構的壁壘，充分交流合作以促進人工智能在物流領域的應用。

"研究熱點與研究趨勢分析：人工智能應用于物流領域的熱點主要是大數據、神經網絡、數據挖掘。人工智能應用于物流領域的主題研究脈絡主要是物流大數據分析、物流數據挖掘、物流仿真。人工智能應用于物流領域的研究趨勢主要是物流機器人、區塊鏈物流。應該重視當前的研究熱點及趨勢，加大人工智能在物流領域的應用。

"人工智能領域已經成為世界各國科技革命和產業變革的新競技場[20]。加大對人工智能的研究、提升人工智能在物流領域的應用，有助于智慧物流、數字物流的建設，有助于國家經濟實力的提升。

參考文獻：

[1] 董珮琪. 推進江西物流降本增效的若干思考[J]. 價格月刊，2020（8）：57-63.

[2] "MCCARTHY J， MINSKY M L， ROCHESTER N， et al. A proposal for the dartmouth summer research project on artificial intelligence[J]. Al Magazine， 2006，27（4）：12-14.

[3] 肖明，邱小花，黃界，等. 知識圖譜工具比較研究[J]. 圖書館雜志，2013，32（3）：61-69.

[4] GHAHRAMANI Z. Probabilistic machine learning and artificial intelligence[J]. Nature， 2015，521：452-459.

[5] 羅海燕，潘俊林. 基于科學知識圖譜的智慧共享物流研究可視化分析[J]. 商業經濟研究，2022（20）：118-121.

[6] 袁寶龍，冼均連，李敬昱. 基于知識圖譜的綠色戰略研究熱點與發展趨勢分析[J]. 中南林業科技大學學報（社會科學版），2021，15（6）：10-20，60.

[7] 古貞. 中國智慧物流和智能物流的研究現狀、熱點及趨勢分析——基于CiteSpace和CNKI的可視化分析[J]. 供應鏈管理，2023，4（3）：60-71.

[8] 陳悅，陳超美，劉則淵，等. CiteSpace知識圖譜的方法論功能[J]. 科學學研究，2015，33（2）：242-253.

[9] 張建喜，趙培英，畢然. 基于大數據技術的農產品物流管理研究[J]. 農機化研究，2022，44（11）：216-220.

[10] 陳婉婷. 基于大數據分析的農村電商物流最后一公里的配送問題研究[J]. 現代電子技術，2017，40（22）：39-41.

[11] 徐曉燕，楊慧敏，呂修凱，等. 基于山東省不同模型的物流需求預測比較研究[J]. 包裝工程，2022，43（23）：207-215.

[12] 蘇卉，李玉輝，張先榮. 基于射頻識別的物流頻繁路徑數據挖掘仿真[J]. 計算機仿真，2019，36（9）：357-360，384.

[13] 楊揚，徐新揚. 基于CNN-PSO的跨境供應鏈風險預警研究[J]. 公路交通科技，2022，39（1）：152-159.

[14] 王利改. 依賴灰色多層次弱收斂序列系數的飼料物流車輛調度優化[J]. 飼料研究，2020，43（4）：155-158.

[15] 龔志鋒，陳滔滔，石超，等. 物流機器人揀選流程仿真研究[J]. 計算機應用與軟件，2020，37（2）：326-333.

[16] 鄧濤，陳瑤. 基于專家系統的物流配送智能仿真系統探析[J]. 西南農業大學學報（自然科學版），2006（4）：687-690.

[17] "NIU M， WANG Y， SUN S， et al. A novel hybrid decomposition and ensemble model based on CEEMD and GWO for short-term PM2.5 concentration forecasting[J]. Atmospheric Environment， 2016，134：168-180.

[18] 工信部，國家發改委，財政部，等. 十五部門聯合印發《“十四五”機器人產業發展規劃》[J]. 機器人技術與應用，2022（1）：1.

[19] NAKAMOTO S. Bitcoin： A peer-to-peer electronic cash system[M]. White Paper， 2008.

[20] 任利強，郭強，王海鵬，等. 基于CiteSpace的人工智能文獻大數據可視化分析[J]. 計算機系統應用，2018，27（6）：18-26.

收稿日期：2023-05-23

基金項目：福建省科技廳引導性項目“基于AI的管道特種機器人系列產品研發”（2021H0025）；福建省教育廳研究生教研項目“基于‘新工科’實驗室的產學研用深度融合研究”（FBJG20220116）

作者簡介：李錦祥（2000—），男，福建龍海人，福建工程學院交通運輸學院物流工程與管理碩士研究生，研究方向：智慧物流；鄭少峰（1977—），本文通信作者，男，福建古田人，福建工程學院交通運輸學院，高級工程師，碩士生導師，研究方向：人工智能。

引文格式：李錦祥，鄭少峰. 人工智能應用于物流領域的研究熱點、趨勢——基于CiteSpace的可視化分析[J]. 物流科技，2024，47（7）：18-22，39.