（北京物資學(xué)院 物流學(xué)院，北京 101149）

1 前言

隨著電子商務(wù)的快速發(fā)展，網(wǎng)購已經(jīng)逐漸受到居民的青睞，進(jìn)而帶動(dòng)了社區(qū)物流需求量逐年上升，社區(qū)由此出現(xiàn)了多種不同的物流服務(wù)模式，但由于服務(wù)主體多元、分散，社區(qū)物流服務(wù)無法形成規(guī)?；图s化，存在著服務(wù)范圍交叉重疊、物流資源浪費(fèi)、快遞配送網(wǎng)點(diǎn)重復(fù)建設(shè)等問題，占路、擾民現(xiàn)象時(shí)有發(fā)生。因此，準(zhǔn)確預(yù)測社區(qū)物流需求量和未來發(fā)展趨勢，不僅能夠?yàn)樯鐓^(qū)物流服務(wù)主體在物流服務(wù)過程中物流資源和設(shè)施的投入提供依據(jù)，而且在一定程度上可以實(shí)現(xiàn)社會(huì)物流資源的優(yōu)化配置，促進(jìn)物流服務(wù)模式的創(chuàng)新。

目前，理論界對社區(qū)物流的定義還沒有統(tǒng)一的規(guī)定，本文中社區(qū)物流是指“以城市的社區(qū)為服務(wù)范圍，以城市的社區(qū)商業(yè)和居民為服務(wù)對象，將快遞及餐飲、生鮮商品、日用品等從上游電商或快遞企業(yè)直接配送到社區(qū)，或社區(qū)的商店將居民在網(wǎng)上下單的商品配送到其指定目的地的物流形式?！?/p>

2 社區(qū)的主要物流需求類型

（1）郵政快遞類?？爝f是指承運(yùn)方在托運(yùn)方指定的時(shí)間范圍內(nèi)，將物品配送到指定的地點(diǎn)或客戶手中的過程。隨著電子商務(wù)的快速發(fā)展，帶動(dòng)了快遞業(yè)務(wù)的迅猛增長，快遞包括消費(fèi)者在網(wǎng)上購買的服裝、圖書、電子產(chǎn)品以及商務(wù)函件等。據(jù)中研網(wǎng)發(fā)布的數(shù)據(jù)顯示，2016年全國人均快遞量約為22.6件/年，年均增長3.68件。

目前，社區(qū)末端的快遞企業(yè)主要是先把各類快遞在社區(qū)上游的共同配送中心進(jìn)行集中，然后根據(jù)產(chǎn)品類型和流向進(jìn)行分類，對于同一流向的產(chǎn)品由社區(qū)末端服務(wù)網(wǎng)點(diǎn)進(jìn)行集中配送。

（2）一般日用消費(fèi)品。一般日用消費(fèi)品是保障人們正常生活的必需品，按照其用途可以分為廚衛(wèi)用品類、洗化用品類、生活日用類、紡織用品類、時(shí)尚家飾類、保健康體類、家居用品類等。社區(qū)居民對一般日用消費(fèi)品的物流配送需求，主要由開通線上銷售渠道的連鎖超市、便利店、小飯店等社區(qū)商戶提供服務(wù)，而由于社區(qū)物流服務(wù)半徑內(nèi)社區(qū)居民及商戶的數(shù)量在一定時(shí)間內(nèi)趨于穩(wěn)定，所以社區(qū)居民對一般日用消費(fèi)品的需求也相對穩(wěn)定。

（3）生鮮果蔬類產(chǎn)品。生鮮果蔬類產(chǎn)品配送成本及配送難度較大，目前社區(qū)這類產(chǎn)品的物流配送尚處于發(fā)展階段。生鮮果蔬類產(chǎn)品主要包括新鮮水果、蔬菜、花卉、肉、蛋、奶等，生鮮果蔬類產(chǎn)品具有保存周期短、溫度靈敏性高的特點(diǎn)，因此物流配送活動(dòng)中對外界環(huán)境和時(shí)間都有著嚴(yán)格高要求，必須使用特定的配送工具或保溫等裝置，以保證配送產(chǎn)品的外形、品質(zhì)等完好無損。此外，消費(fèi)者在網(wǎng)上購買此類產(chǎn)品時(shí)，需要額外繳納較高的配送費(fèi)，因此居民對這類產(chǎn)品的網(wǎng)上購物需求較少，進(jìn)而這類產(chǎn)品的社區(qū)物流需求也較低。

3 社區(qū)物流需求特征分析

（1）社區(qū)物流需求主體較分散。從社區(qū)居民需求地域來看，需求地點(diǎn)分散，不集中，而周邊商業(yè)設(shè)施也緊密圍繞社區(qū)需求點(diǎn)布局，這種布局造成了社區(qū)物流服務(wù)商在一定程度上的分散，主要采取各自為營的服務(wù)模式，最終給集約化物流配送造成一定程度的困難。

（2）對社區(qū)物流服務(wù)水平的要求較高。社區(qū)商家為了提升客戶的購物體驗(yàn)，一般可以為顧客少量單批次配送服務(wù)，這就會(huì)使得商戶對合作的第三方外賣平臺(tái)的物流效率有較高需求。此外，對于以自營模式為居民提供社區(qū)物流服務(wù)的商戶來說，居民對社區(qū)物流的配送時(shí)效同樣要求較高，尤其對冷鮮、冷凍類食品的配送要求必須要達(dá)到及時(shí)、可靠、準(zhǔn)確的服務(wù)水平。對于社區(qū)的快遞業(yè)務(wù)，居民越來越傾向于選擇“送貨上門”的服務(wù)模式，但是由于單次快遞包裹配送量較大且需求點(diǎn)較分散性等原因，將每件快遞“送貨上門”對快遞員來說逐漸成為一種挑戰(zhàn)，通過統(tǒng)計(jì)調(diào)查問卷，居民對社區(qū)物流評價(jià)的服務(wù)滿意度較低，平均分不足70分。

（3）社區(qū)的物流需求頻數(shù)多、單次需求量較少、需求種類較多。社區(qū)的物流需求特征主要表現(xiàn)在頻數(shù)多，單次需求量較少，需求種類較多等，且快遞包裹占需求量的絕大部分，果蔬、生鮮、日用消費(fèi)品等單次需求量較少，鑒于社區(qū)商業(yè)和社區(qū)居民數(shù)量也相對穩(wěn)定，從而使得快消品的需求總量相對穩(wěn)定。從需求頻率來看，居民對快遞及快消品的需求頻率較高，且需求時(shí)間靈活，據(jù)統(tǒng)計(jì)，快遞的需求量約每人每天1-2件。

4 北京市通州區(qū)社區(qū)物流需求量預(yù)測

4.1 主成分-支持向量回歸機(jī)組合預(yù)測模型原理及優(yōu)勢

本文采取主成分-支持向量回歸機(jī)組合預(yù)測模型，在不影響各個(gè)指標(biāo)貢獻(xiàn)度的情況下，借助主成分分析法處理數(shù)據(jù)的優(yōu)勢，有效避免了運(yùn)用支持向量回歸預(yù)測模型進(jìn)行預(yù)測時(shí)由于數(shù)據(jù)復(fù)雜造成的時(shí)間長、過學(xué)習(xí)等缺點(diǎn)，提高了預(yù)測結(jié)果的準(zhǔn)確度。

主成分分析法把研究對象的若干指標(biāo)變量重新組合成一組新的、線性無關(guān)的幾個(gè)綜合指標(biāo)來代替原來的指標(biāo)變量，同時(shí)根據(jù)實(shí)際需要，按照設(shè)定的累計(jì)貢獻(xiàn)率的臨界值，選取少數(shù)幾個(gè)綜合指標(biāo)，實(shí)現(xiàn)對研究對象的簡化與綜合評價(jià)。其數(shù)學(xué)模型如下：

公式中Yi為所求得的第i個(gè)綜合指標(biāo)；n為原始數(shù)據(jù)的指標(biāo)個(gè)數(shù)，系數(shù)a1i,a2i,…,ani為因子Yi的載荷量，滿足。

支持向量機(jī)[1]簡稱SVM（Support Vector Machine），是建立在統(tǒng)計(jì)學(xué)習(xí)理論上的機(jī)器學(xué)習(xí)方法，其核心內(nèi)容是在經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化的原則下對歷史數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)習(xí)并對其進(jìn)行訓(xùn)練預(yù)測。

式中：目標(biāo)函數(shù)用來控制泛化能力；約束條件用來減少經(jīng)驗(yàn)風(fēng)險(xiǎn)；C為懲罰函數(shù)，用來控制樣本誤差和機(jī)器泛化能力之間的平衡。

4.2 社區(qū)物流需求預(yù)測指標(biāo)選取

通過查閱通州區(qū)統(tǒng)計(jì)年鑒發(fā)現(xiàn)，通州區(qū)以發(fā)展第三產(chǎn)業(yè)為主，重點(diǎn)推動(dòng)區(qū)內(nèi)消費(fèi)升級(jí)；此外，通過實(shí)地調(diào)研該區(qū)域的商業(yè)需求及物流產(chǎn)業(yè)結(jié)構(gòu)發(fā)現(xiàn)，該區(qū)域中80%的公路貨物運(yùn)輸量主要流向城市社區(qū)。故本文用通州區(qū)80%的公路貨物運(yùn)輸量代替社區(qū)物流需求量進(jìn)行預(yù)測，以“萬t”為計(jì)量單位，通過專家意見法列舉了8個(gè)量化指標(biāo)，建立了通州區(qū)社區(qū)物流需求預(yù)測指標(biāo)體系，見表1。

4.3 預(yù)測過程分析

4.3.1 主成分分析法處理原始指標(biāo)數(shù)據(jù)。由于選取的各個(gè)指標(biāo)具有不同的量綱，為了避免指標(biāo)單位不統(tǒng)一而造成預(yù)測結(jié)果的偏差，需要對不同的指標(biāo)進(jìn)行去量綱處理。經(jīng)檢驗(yàn)，原始數(shù)據(jù)的KMO值為0.822，比較接近于1，根據(jù)相關(guān)的原理說明本樣本數(shù)據(jù)可以進(jìn)行主成分分析，故本文采用SPSS軟件的主成分分析功能對數(shù)據(jù)進(jìn)行去量綱處理，見表2。

表1 通州區(qū)社區(qū)物流需求預(yù)測指標(biāo)（單位：萬t）

表2 原始數(shù)據(jù)的KMO和Bartlett的檢驗(yàn)

利用主成分分析法對指標(biāo)的相關(guān)性進(jìn)行分析，從相關(guān)性分析結(jié)果可以看出，8個(gè)物流需求量化指標(biāo)因素中，只有道路長度X8這一因素與其他指標(biāo)之間的相關(guān)系數(shù)較低，最小的相關(guān)性僅為0.378，可以認(rèn)為相關(guān)性較弱，所以綜合考慮決定剔除“道路長度”這一因素，見表3。

對剔除X8后的指標(biāo)數(shù)據(jù)進(jìn)行主成分分析進(jìn)而縮小數(shù)據(jù)的樣本量，見表4。從表4可以看出，前三個(gè)主成分的累積貢獻(xiàn)率已經(jīng)達(dá)到99.821%，很好的保留所有指標(biāo)數(shù)據(jù)對貨物運(yùn)輸量的影響。所以，本文只需保留前三個(gè)主成分就能代表所有指標(biāo)的數(shù)據(jù)量。

表3 量化指標(biāo)間的相關(guān)性分析矩陣

表4 主成分統(tǒng)計(jì)信息

表5 成份因子得分系數(shù)矩陣

由表4和表5可以看出，主成分Z2、Z3的貢獻(xiàn)率分別為5.455%和0.417%，貢獻(xiàn)率較小，可以忽略；當(dāng)主成分Z1的貢獻(xiàn)率為93.685%時(shí)，郵政業(yè)務(wù)總量X7的系數(shù)最大，為0.719，與Z1成正相關(guān)，這說明郵政業(yè)務(wù)總量是影響公路貨運(yùn)量的主要因素。同時(shí)，根據(jù)北京市郵政管理局發(fā)布的《2016年郵政業(yè)發(fā)展統(tǒng)計(jì)公報(bào)》顯示，郵政業(yè)務(wù)總量包括郵政普遍服務(wù)（函件業(yè)務(wù)、包裹業(yè)務(wù)、報(bào)紙業(yè)務(wù)、雜志業(yè)務(wù)）及快遞業(yè)務(wù)，其中快遞業(yè)務(wù)占比約70%，這說明快遞業(yè)務(wù)量占郵政業(yè)務(wù)總量的比重較大，進(jìn)一步說明快遞業(yè)務(wù)量是促進(jìn)通州區(qū)公路貨物運(yùn)輸量增長的主要因素。

此外，主成分Z1中電子商務(wù)網(wǎng)絡(luò)零售交易額、城鎮(zhèn)居民人均消費(fèi)性支出的系數(shù)分別為-0.679、-0.066，與Z1成負(fù)相關(guān)，是導(dǎo)致貢獻(xiàn)率未達(dá)到100%的重要原因。這可能說明，隨著城鎮(zhèn)居民消費(fèi)水平的不斷提高，城鎮(zhèn)居民消費(fèi)結(jié)構(gòu)不斷升級(jí)，反映出通州區(qū)城市居民正在逐步轉(zhuǎn)向高端市場消費(fèi)，對一般日用生活物品等中低端市場產(chǎn)品的需求量有所降低，這在一定程度上促使電子商務(wù)零售交易額增速降緩，而該區(qū)域社區(qū)物流需求又以郵政業(yè)務(wù)（快遞業(yè)務(wù)）為主，所以最終會(huì)對社區(qū)物流需求量產(chǎn)生一定的影響。

4.3.2 支持向量回歸機(jī)模型預(yù)測物流需求量

（1）查詢最優(yōu)訓(xùn)練參數(shù)。在構(gòu)造模型進(jìn)行預(yù)測之前，本文首先利用python和gnuplot軟件進(jìn)行模型參數(shù)尋優(yōu)，經(jīng)過訓(xùn)練懲罰函數(shù)c=1 024，RBF核函數(shù)中系數(shù)γ=1，損失函數(shù)ε=0.25，結(jié)果如圖1所示。

圖1 查詢最優(yōu)參數(shù)結(jié)果

（2）帶入最優(yōu)參數(shù)進(jìn)行模型求解。將參數(shù)尋優(yōu)得出的3個(gè)系數(shù)用來進(jìn)行ε-SVR模型的訓(xùn)練，輸入如下命令：

Svm-train-s3-t2-c1 024-g1-p0.25 data.txt后，會(huì)產(chǎn)生ε-SVR模型，如圖2所示。

通過訓(xùn)練得出ε-SVR預(yù)測模型，將測試樣本test.txt進(jìn)行預(yù)測分析，輸入的命令如圖3所示，得出預(yù)測結(jié)果。

（3）擬合精度檢驗(yàn)并預(yù)測未來值。預(yù)測結(jié)果分析見表6。

假定預(yù)測結(jié)果誤差低于0.2在可以接受的范圍內(nèi)，由預(yù)測結(jié)果可以看出，使用支持向量回歸機(jī)模型進(jìn)行預(yù)測的誤差均低于0.2，但是本文采取的組合預(yù)測法的預(yù)測精度相對較高，驗(yàn)證了該方法對提高模型預(yù)測精度的有效性。

最后，本文對未來5年內(nèi)通州區(qū)社區(qū)物流需求量進(jìn)行了預(yù)測，發(fā)現(xiàn)未來5年內(nèi)通州區(qū)城市社區(qū)物流需求量保持較穩(wěn)定增加，社區(qū)物流市場缺口較大，見表6。

圖2 ε-SVR模型

圖3 測試樣本test.txt的預(yù)測分析

表5 預(yù)測結(jié)果分析表

表6 社區(qū)物流需求預(yù)測結(jié)果 單位：萬t

4.4 預(yù)測結(jié)果分析

通過上述預(yù)測過程可以看出，隨著電子商務(wù)的快速發(fā)展，目前通州區(qū)社區(qū)物流需求主要以郵政業(yè)務(wù)（快遞業(yè)務(wù)）為主，新興的電商業(yè)態(tài)以及居民高水平的消費(fèi)潛力是推動(dòng)社區(qū)物流需求量增加的重要因素。

通過預(yù)測社區(qū)物流需求量和未來發(fā)展趨勢，不僅能夠?yàn)樯鐓^(qū)物流服務(wù)主體在物流服務(wù)過程中物流資源和設(shè)施的投入提供依據(jù)，而且在一定程度上可以實(shí)現(xiàn)社會(huì)物流資源的優(yōu)化配置，促進(jìn)物流服務(wù)模式的創(chuàng)新?；谖锪鳟a(chǎn)業(yè)的現(xiàn)代服務(wù)業(yè)重構(gòu)已經(jīng)成為新的發(fā)展趨勢，解決通州區(qū)巨量的、碎片化、多樣化的社區(qū)末端物流服務(wù)需求需要全新的系統(tǒng)化視角。流通模式和物流服務(wù)屬于雙螺旋式的互相促進(jìn)發(fā)展關(guān)系，物流模式創(chuàng)新將推動(dòng)流通業(yè)發(fā)展，因此如何通過物流服務(wù)實(shí)現(xiàn)各類物流資源的優(yōu)化配置成為社會(huì)資源整體配置的重要內(nèi)容。

為了滿足通州區(qū)巨量的、多樣化的社區(qū)物流需求，京津冀協(xié)同發(fā)展對通州區(qū)尤其是城市副中心的社區(qū)物流服務(wù)功能提出了新的要求，未來充分利用現(xiàn)代技術(shù)發(fā)展的優(yōu)勢，突破理論研究中的關(guān)鍵問題，實(shí)現(xiàn)社會(huì)物流資源優(yōu)化配置，豐富現(xiàn)代服務(wù)業(yè)形式，形成新的物流服務(wù)業(yè)態(tài)，創(chuàng)新發(fā)展模式，保障城市社區(qū)安全運(yùn)行等將是社會(huì)管理的一項(xiàng)重要使命，對促進(jìn)城市副中心“高起點(diǎn)、高標(biāo)準(zhǔn)、高水平”發(fā)展具有重大意義。

[參考文獻(xiàn)]

[1]岳輝,吳波,單翠,等.基于支持向量回歸機(jī)的物流量預(yù)測-以成都市為例[J].交通標(biāo)準(zhǔn)化,2014,(42)15:87-91.

[2]張大成,張一禎.社區(qū)物流終端配送服務(wù)模式創(chuàng)新研究[J].商業(yè)經(jīng)濟(jì)研究,2016,(1):114-116.

[3]王河濤.城市社區(qū)物流共同配送模式研究[D].長春:吉林大學(xué),2016.

[4]張希.基于微社區(qū)物流服務(wù)體系的平臺(tái)研究[D].蘇州:蘇州大學(xué),2014.