陸隨年

摘要：深入了解物流網(wǎng)絡(luò)的特征，才能對城市物流網(wǎng)絡(luò)的規(guī)劃和管理工作提供更有效、更可靠的理論基礎(chǔ)。開發(fā)物流網(wǎng)絡(luò)大數(shù)據(jù)虛擬實驗仿真平臺，可以通過綜合運用大數(shù)據(jù)下建立的物流節(jié)點吸引力評價體系，對城市物流網(wǎng)絡(luò)中的節(jié)點進行優(yōu)劣判斷，為新建節(jié)點提供參考依據(jù);同時仿真實驗提供的物流網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)可視化演化平臺，為優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)、改善網(wǎng)絡(luò)性能提供了先決條件。

Abstract： In-depth understanding of the characteristics of logistics networks can provide a more effective and reliable theoretical basis for the planning and management of urban logistics networks. The development of a virtual experiment simulation platform for big data in the logistics network can comprehensively use the attractive evaluation system of logistics nodes established under big data to judge the advantages and disadvantages of the nodes in the urban logistics network to provide a reference for new nodes; The visualization and evolution platform of the logistics network topology provides a prerequisite for optimizing the network structure and improving network performance.

關(guān)鍵詞：物流網(wǎng)絡(luò);大數(shù)據(jù);吸引力;拓?fù)浣Y(jié)構(gòu)演化

0? 引言

城市貨運網(wǎng)絡(luò)作為交通網(wǎng)絡(luò)的一種，屬于復(fù)雜網(wǎng)絡(luò)的范疇[1-3]。利用城市貨運網(wǎng)絡(luò)理論研究貨物運輸網(wǎng)絡(luò)不僅僅是對網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的研究，還要將其反推到現(xiàn)實網(wǎng)絡(luò)的演化中，從而揭示現(xiàn)實網(wǎng)絡(luò)的演化規(guī)律[4]，最終目的是利用理論研究的成果實現(xiàn)對現(xiàn)實網(wǎng)絡(luò)有效控制。本文將通過分析物流網(wǎng)絡(luò)的評價體系以及演化機制，構(gòu)建合理的貨物運輸網(wǎng)絡(luò)演化模型，并對武漢市的貨物運輸網(wǎng)絡(luò)進行演化分析。

1? 物流網(wǎng)絡(luò)大數(shù)據(jù)實驗仿真理論框架

本實驗系統(tǒng)包括兩個子模塊：一個是物流節(jié)點吸引力評價體系，旨在通過物流節(jié)點的吸引力的大小評價物流節(jié)點的優(yōu)劣，為評價優(yōu)化及布局規(guī)劃提供依據(jù)[5]，從而進行優(yōu)化;另一個是建立城市物流網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)演化平臺，對網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)動態(tài)演化過程進行可視化處理，為尋求最優(yōu)物流網(wǎng)絡(luò)結(jié)構(gòu)提供了基礎(chǔ)。

1.1 物流節(jié)點吸引力評價體系

城市物流節(jié)點吸引力的大小代表著物流節(jié)點對城市貨物的吸引、集聚、存儲、加工、疏散等物流工作的能力。

1.1.1 評價體系建立過程

首先結(jié)合實際案例使用德爾菲法調(diào)查和分析影響物流節(jié)點吸引力的因素指標(biāo)，其次利用數(shù)學(xué)統(tǒng)計等方法對吸引力影響因素進行量化以及權(quán)值的分配。然后開展探索性因子分析[6];根據(jù)探索性因子分析結(jié)果，分析量表的內(nèi)容效度、結(jié)構(gòu)效度、關(guān)聯(lián)效度。形成物流節(jié)點吸引力影響因素評價指標(biāo)體系。

1.1.2 物流節(jié)點吸引力模型

Fij代表i與j之間的吸引力;G是引力系數(shù)，取10;M為產(chǎn)業(yè)的相關(guān)系數(shù);Z是節(jié)點吸引度與點權(quán)之和;Si表示物流節(jié)點吸引度;dij為物流節(jié)點i與j之間的距離;win表示與i節(jié)點相連的邊權(quán)之和，即i節(jié)點點權(quán)。

1.2 城市物流網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)演化平臺

1.2.1 城市物流網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)演化模型構(gòu)造

為模擬物流網(wǎng)絡(luò)演化過程，基于節(jié)點吸引力，考慮城市物流網(wǎng)絡(luò)的特性，參考BA模型來計算節(jié)點之間的連接概率。然后采用BBV模型進行節(jié)點的權(quán)重演化。本文構(gòu)建的演化模型就是針對于新加入一級節(jié)點后對整個網(wǎng)絡(luò)結(jié)構(gòu)的影響。

本文所構(gòu)建的模型演化機制如下：

①建立初始網(wǎng)絡(luò)：將節(jié)點的數(shù)量初始化為n0。

②引入新節(jié)點：每個新引入的節(jié)點n與已存在的m（飽和度）個節(jié)點連接，其與節(jié)點i的連接概率為。

k為節(jié)點度數(shù);Fij為節(jié)點i、j之間的吸引力;原有節(jié)點等級越高，α取值越大;參數(shù)β的取值取決于連接節(jié)點的等級。

③優(yōu)先連接：對新增節(jié)點進行非遞減排序，對前m個節(jié)點進行優(yōu)先連接。

④權(quán)重演化：讓概率最大的節(jié)點之間進行結(jié)構(gòu)演化，每次演化需要對權(quán)重進行更新，直到所有連接全部完成。

1.2.2 物流網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)演化動態(tài)演示實現(xiàn)流程

對于整個網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的實現(xiàn)過程，其中用到的關(guān)鍵技術(shù)就是運用Gephi和ArcGIS軟件將整個演化的過程動態(tài)表現(xiàn)出來，主要步驟有：

①分析整個城市物流結(jié)構(gòu)，利用Google Map確定一級節(jié)點、二級節(jié)點和三級節(jié)點及其相關(guān)地理信息，在ArcGIS中進行節(jié)點標(biāo)定。

②通過吸引力因子分析得到節(jié)點的度和節(jié)點間吸引力，設(shè)計初始網(wǎng)絡(luò)模型。

③根據(jù)城市貨運網(wǎng)絡(luò)模型分析得出一、二、三級節(jié)點之間的連接（從屬）關(guān)系，將連接關(guān)系編輯為邊數(shù)據(jù)導(dǎo)入到Gephi中，實現(xiàn)可視化，模擬動態(tài)演化圖。

④在初始網(wǎng)絡(luò)中加入新的一級節(jié)點，通過模型進行演化得出更有效的網(wǎng)絡(luò)結(jié)構(gòu);在更新的網(wǎng)絡(luò)中賦予新節(jié)點不同的吸引力進而分析最優(yōu)網(wǎng)絡(luò)。

⑤修正飽和度，從而獲得節(jié)點不變、網(wǎng)絡(luò)結(jié)構(gòu)類型不變的、具有不同平均度的新網(wǎng)絡(luò)的基本網(wǎng)絡(luò)參數(shù)。

2? 實驗平臺運用

選取武漢市為例，綜合考慮后選取7個物流園區(qū)作為一級物流節(jié)點、31個二級物流節(jié)點和148個三級物流節(jié)點作為研究對象。

2.1 建立武漢市物流節(jié)點評價體系

根據(jù)問題的特點，采用德爾菲法對專家進行了意見征求，并經(jīng)過加權(quán)計算，選取32項影響因素指標(biāo)，主要體現(xiàn)在物流節(jié)點所在行政區(qū)的人口、產(chǎn)業(yè)等32個方面。

基于熵權(quán)法來評價指標(biāo)權(quán)值和標(biāo)定模型，建立的物流節(jié)點相互吸引力計算模型，計算物流節(jié)點相互吸引力大小，檢驗計算模型的可靠程度。

使用SPSS軟件因子分析功能，輸入所有186個物流節(jié)點數(shù)據(jù)，得出成份得分系數(shù)矩陣，計算各成分中特征值的貢獻率和累計貢獻率。提取特征值大于1的8個節(jié)點，并且其累計貢獻率為87.842%（如圖1所示）。即用這8個成份來綜合反映物流節(jié)點吸引力影響因素。

結(jié)合成份系數(shù)矩陣表和各因素標(biāo)準(zhǔn)值圖，按照相關(guān)公式計算各個物流節(jié)點的綜合得分，并對得分大小進行非遞增排序。對載荷最大的幾種因子進行篩選，并依此計算節(jié)點吸引度。根據(jù)計算結(jié)果，我們選取了十三個因素作為計算物流吸引力的因子。

2.2 武漢市物流網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)動態(tài)演化

在使用Google Map、ArcGIS對武漢市的各級物流節(jié)點進行標(biāo)定后，導(dǎo)入已得的節(jié)點坐標(biāo)和新引力，運用1.2.1模型計算，得節(jié)點連接概率情況并導(dǎo)入Gephi中，得到原始武漢市物流網(wǎng)絡(luò)圖（圖3）。

①物流網(wǎng)絡(luò)初始狀態(tài)設(shè)置：在Gephi中導(dǎo)入初始網(wǎng)絡(luò)的節(jié)點數(shù)據(jù)，初始網(wǎng)絡(luò)由23個節(jié)點構(gòu)成，通過對邊的權(quán)重賦值，得到初始網(wǎng)絡(luò)連接狀態(tài)。

②對問題進行編碼。

③進行網(wǎng)絡(luò)節(jié)點的動態(tài)演化，實現(xiàn)城市貨運網(wǎng)絡(luò)結(jié)構(gòu)的可視化。

④改變網(wǎng)絡(luò)演化模型程序代碼中的節(jié)點連接個數(shù)（初始設(shè)定為2）。分別改為5、10、15，重新演化后得到下圖所示的節(jié)點不變、網(wǎng)絡(luò)結(jié)構(gòu)模型類型不變的不同平均度的新網(wǎng)絡(luò)的邊數(shù)據(jù)。如圖4所示。

3? 結(jié)語

網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)與其自身的功能有著密切的關(guān)系，研究網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，建立合理的節(jié)點評價體系，有助于理解網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)行為之間的關(guān)系?；诔鞘形锪鞴?jié)點的吸引力，本實驗在充分考慮影響物流節(jié)點因素的大數(shù)據(jù)基礎(chǔ)上，為評價物流網(wǎng)絡(luò)節(jié)點優(yōu)劣搭建了實驗平臺;同時建立了城市物流拓?fù)渚W(wǎng)絡(luò)的動態(tài)仿真平臺，利用ArcGIS和Gephi模擬了網(wǎng)絡(luò)的演化過程。通過更改節(jié)點之間的連接個數(shù)，更新演化，得到具有新的平均度的網(wǎng)絡(luò)。為后續(xù)網(wǎng)絡(luò)的性能、形態(tài)優(yōu)化研究提供了基礎(chǔ)。

參考文獻：

[1]Markus Hesse， Jean-Paul Rodrigue. Transport geography of logistics and freight Distribution. Journal of Transport Geography[J].2004，6：171-184.

[2]AMARAL L A N， SCALA A， BARTHELEMY M， et al. Class of small-world networks[J]. PNAS，2000，97（21）：11149-11152.

[3]KLEMM K， EGUILUZ V M. Highly clustered scale-free networks[J]. Phys Rev E，2002，65：036123.

[4]ZHU Han， WANG Xin-ran， ZHU Jian-yang. Effect of aging on network structure[J]. Phys Rev E，2003，68：056121.

[5]周靜.港口對物流的吸引力評價研究[J].南北橋，2012年5月.

[6]VANRAAN A F J. On growth， ageing， and fractal differentiation of science[J]. Scientometrics，2000，47（2）：347-362.