王佳穎，頊玉卿，李 媛

(河北地質(zhì)大學(xué) 城市地質(zhì)與工程學(xué)院，石家莊 050031)

作為全球運(yùn)輸網(wǎng)絡(luò)中的重要組成部分，港口物流集貨運(yùn)集散、貿(mào)易出口等重任于一身，對(duì)于帶動(dòng)區(qū)域經(jīng)濟(jì)建設(shè)和整個(gè)物流業(yè)的發(fā)展貢獻(xiàn)著巨大的力量。2021年7月，山東省政府發(fā)布《山東省“十四五”綜合交通運(yùn)輸發(fā)展規(guī)劃》，《規(guī)劃》中明確表示將建設(shè)世界級(jí)港口群，青島港作為綠色示范港重點(diǎn)建設(shè)。在優(yōu)化運(yùn)輸結(jié)構(gòu)的背景下，積極推進(jìn)多式聯(lián)運(yùn)一體化發(fā)展，大宗貨物“公轉(zhuǎn)水”運(yùn)輸將成為青島港協(xié)同力提高的新挑戰(zhàn)。所以，實(shí)現(xiàn)港口資源的合理分配與均衡利用對(duì)推動(dòng)海陸空的物流連接具有重要現(xiàn)實(shí)意義。

近年來，學(xué)者們對(duì)港口物流的關(guān)注集中于港口物流與區(qū)域經(jīng)濟(jì)發(fā)展關(guān)系[1-2]、可持續(xù)發(fā)展[3]、港口物流效率[4-5]以及港口物流量需求研究[6-7]。其中關(guān)于物流需求量傳統(tǒng)的方法得到的預(yù)測(cè)值一般不具有自我修正能力，而神經(jīng)網(wǎng)絡(luò)的應(yīng)用彌補(bǔ)了傳統(tǒng)預(yù)測(cè)方法的缺點(diǎn)，但神經(jīng)網(wǎng)絡(luò)優(yōu)化也有待改進(jìn)?，F(xiàn)有港口物流研究文獻(xiàn)為本文的問題切入點(diǎn)提供了理論基礎(chǔ)，本文在眾學(xué)者的研究基礎(chǔ)上建立了基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)模型。實(shí)證結(jié)果顯示，該網(wǎng)絡(luò)模型表現(xiàn)出預(yù)測(cè)結(jié)果與實(shí)際結(jié)果誤差較小、擬合效果較好、預(yù)測(cè)精度高等優(yōu)勢(shì)，為今后探究青島港口物流發(fā)展提供科學(xué)依據(jù)。

一、 港口物流需求預(yù)測(cè)模型

(一)BP神經(jīng)網(wǎng)絡(luò)模型的基本原理

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)，是一種典型的非線性算法，按照誤差逆向傳播算法來訓(xùn)練樣本，并根據(jù)實(shí)際輸出和期望輸出之間的誤差值最小，由后向前不斷對(duì)閾值和權(quán)值進(jìn)行逐層修正，以提高模型對(duì)輸入模式響應(yīng)的正確率。BP神經(jīng)網(wǎng)絡(luò)是包括輸入層、隱含層(或中間層)和輸出層的多層前饋神經(jīng)網(wǎng)絡(luò)，在網(wǎng)絡(luò)中，各層神經(jīng)元分工明確，分別負(fù)責(zé)信息的接收和傳遞、內(nèi)部信息處理變換、信息處理結(jié)果的輸出等任務(wù)。循環(huán)往復(fù)的信息正傳播和誤差反向傳播過程也是各層權(quán)值和閾值更新的過程，一直執(zhí)行到網(wǎng)絡(luò)輸出的誤差最小，即實(shí)際輸出逼近期望輸出或達(dá)到預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。

(二)物流需求預(yù)測(cè)的BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

本文將采用含有一個(gè)隱含層的三層BP神經(jīng)網(wǎng)絡(luò)建立物流需求預(yù)測(cè)模型，具體步驟如下所示。

1.輸入層節(jié)點(diǎn)確定?？赡苡绊懳锪餍枨箢A(yù)測(cè)的指標(biāo)個(gè)數(shù)稱為輸入層的神經(jīng)節(jié)點(diǎn)個(gè)數(shù)。對(duì)于所選的指標(biāo)，通過灰色關(guān)聯(lián)度量化各影響因素與預(yù)測(cè)結(jié)果的相關(guān)程度，避免關(guān)聯(lián)程度較小指標(biāo)對(duì)分析結(jié)果產(chǎn)生影響。對(duì)相關(guān)程度大的指標(biāo)進(jìn)行主成分分析，將主成分得分預(yù)測(cè)值作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)。

2.隱含層節(jié)點(diǎn)數(shù)目的確定。本文采用包含一層隱含層的神經(jīng)網(wǎng)絡(luò)進(jìn)行模擬，初定隱含層的節(jié)點(diǎn)數(shù)目經(jīng)驗(yàn)公式[8]為：

(1)

其中，s為所求隱含層節(jié)點(diǎn)數(shù)(在實(shí)際網(wǎng)絡(luò)訓(xùn)練時(shí)會(huì)略有調(diào)整)，m為輸入節(jié)點(diǎn)數(shù)，n為輸出節(jié)點(diǎn)數(shù)，s值四舍五入取整，結(jié)果可能略有偏多，最終取值可根據(jù)實(shí)際網(wǎng)絡(luò)訓(xùn)練過程略微調(diào)整。

3.正向傳遞子過程。設(shè)節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的權(quán)值為wij，節(jié)點(diǎn)j的閾值為bj，輸出值為xj。f為激活函數(shù)，常用的有S型函數(shù)(0-1)和雙極S型函數(shù)：

(2)

xj=f(Sj)

(3)

4.反向傳遞子過程。假設(shè)輸出層結(jié)果為dj，誤差函數(shù)為：

(4)

激活函數(shù)常選取S型函數(shù)：

(5)

Q為調(diào)整激勵(lì)函數(shù)形式的Sigmoid參數(shù)。

基于上述公式，根據(jù)梯度下降法，對(duì)于隱含層和輸出層之間的權(quán)值和閾值的調(diào)整公式如下：

=wij-η1×δij×xi

(6)

(7)

輸入層和隱含層之間的權(quán)值和閾值調(diào)整公式如下：

=wki-η1×δki×xk

(8)

(9)

迭代執(zhí)行權(quán)值及閾值的更新，直到滿足停止準(zhǔn)則(在規(guī)定迭代次數(shù)內(nèi)，相鄰兩次迭代誤差到達(dá)最小)

二、實(shí)證分析

青島港集裝箱業(yè)務(wù)層在全國(guó)港口城市排名中位列前茅，全自動(dòng)化集裝箱碼頭工程也于2017年、 2019年分兩期相繼投入商業(yè)運(yùn)營(yíng)，全自動(dòng)化的實(shí)現(xiàn)大大提升了碼頭作業(yè)效率。據(jù)2019年中國(guó)大陸港口貨物吞吐量及增速的統(tǒng)計(jì)排名顯示，青島港口物流綜合排名第六，集裝箱吞吐量排名強(qiáng)勁，增幅高達(dá)8%以上。同時(shí)，受京津冀一體化輻射和綠色發(fā)展理念倡導(dǎo)影響，青島港口物流業(yè)積極推進(jìn)資源整合提高效率和降低非期望產(chǎn)出。隨著物流業(yè)與互聯(lián)網(wǎng)產(chǎn)業(yè)深入融合，未來青島港口物流需求量有很大增長(zhǎng)空間。眾所周知，物流過程中由于港口技術(shù)設(shè)施薄弱，配套設(shè)施不健全[9]，時(shí)間與人力占用了絕大部分資源，降本增效顯得尤為重要。本文通過構(gòu)建BP模型充分發(fā)揮人工神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)對(duì)青島港口物流需求進(jìn)行預(yù)測(cè)研究，以期實(shí)現(xiàn)對(duì)物流成本的降低、資源的合理規(guī)劃等目標(biāo)的積極影響。

(一)影響因素指標(biāo)選取分析

港口物流需求受國(guó)內(nèi)外貿(mào)易環(huán)境和自然環(huán)境影響較大，且具有明顯的不確定性和非線性特征。為能更全面精確地預(yù)測(cè)港口物流需求量，借鑒學(xué)者從不同角度選取指標(biāo)的經(jīng)驗(yàn)，例如產(chǎn)品消費(fèi)及需求領(lǐng)域[10]、研究地區(qū)實(shí)際情況[11]等，本文從社會(huì)經(jīng)濟(jì)、人文環(huán)境、港口物流發(fā)展現(xiàn)狀三個(gè)維度進(jìn)行模型指標(biāo)的選取。

1.社會(huì)經(jīng)濟(jì)。經(jīng)濟(jì)繁榮程度是產(chǎn)業(yè)發(fā)展的重要表征，其中，在互聯(lián)網(wǎng)發(fā)展的影響下，國(guó)民經(jīng)濟(jì)三大產(chǎn)業(yè)間相互聯(lián)系、相互依賴，對(duì)物流業(yè)產(chǎn)生不同程度的影響。城市GDP指標(biāo)和社會(huì)商品零售總額用來反映經(jīng)濟(jì)增長(zhǎng)對(duì)物流需求的刺激程度，固定資產(chǎn)的投資額對(duì)港口物流的資源分配起著重要作用。青島港的服務(wù)區(qū)域并不局限于青島市，因此，選用青島市生產(chǎn)值占全省生產(chǎn)總值比重代表山東省經(jīng)濟(jì)對(duì)青島港的影響。

2.人文環(huán)境。人文環(huán)境一般是思想、理念、信仰等用于定性描述的因素，是人為的、社會(huì)的、非自然的。基于數(shù)據(jù)的可獲得性以及避免人為主觀判斷所造成的偏差導(dǎo)致數(shù)據(jù)分析失真，本文以人文角度選取指標(biāo)主要是從青島市政府支持以及居民就業(yè)方面考慮對(duì)港口物流的影響，選取了青島市物流業(yè)從業(yè)人員數(shù)占總從業(yè)人數(shù)比重和水運(yùn)部門機(jī)構(gòu)數(shù)兩個(gè)定量指標(biāo)作為影響因素。

3.港口物流發(fā)展。港口營(yíng)運(yùn)現(xiàn)狀是研究港口物流需求量的必要條件。港口的貨運(yùn)量、貨物周轉(zhuǎn)量、集裝箱吞吐量、口岸的進(jìn)出口總額在需求量上做了體量上的參考，而水上運(yùn)輸?shù)某杀九c營(yíng)業(yè)收入在物流經(jīng)濟(jì)上提供了新的分析角度，所以選用此六個(gè)指標(biāo)作為影響港口物流發(fā)展的因素。

(二)數(shù)據(jù)來源

本文用于青島港物流需求預(yù)測(cè)的數(shù)據(jù)來源于2006—2020年的《青島市統(tǒng)計(jì)年鑒》《青島市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》《山東省統(tǒng)計(jì)年鑒》《中國(guó)物流年鑒》。鑒于數(shù)據(jù)的連續(xù)性、統(tǒng)計(jì)口徑一致性，港口貨運(yùn)量和港口貨運(yùn)周轉(zhuǎn)量?jī)蓚€(gè)指標(biāo)的數(shù)據(jù)選取了水運(yùn)的貨運(yùn)量和貨物周轉(zhuǎn)量代替。物流從業(yè)人員比重?cái)?shù)據(jù)以交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)從業(yè)人員比重?cái)?shù)據(jù)代替。由于港口貨物吞吐量的變化[12]能夠在一定程度上反映港口基礎(chǔ)設(shè)施、機(jī)械設(shè)備、服務(wù)水平、管理效率、技術(shù)進(jìn)步等港口發(fā)展的內(nèi)在因素變化，所以用青島港港口貨物吞吐量代替青島港物流需求量。

X1—X15分別代表15個(gè)影響港口物流需求量的指標(biāo)變量，2005—2019年青島港物流需求及影響因子的指標(biāo)統(tǒng)計(jì)數(shù)據(jù)見表1。

表1 2005—2019年青島港物流需求量及影響因素實(shí)際值

續(xù)表1 2005—2019年青島港物流需求量及影響因素實(shí)際值

(三)數(shù)據(jù)預(yù)處理

在進(jìn)行主成分分析之前，需要對(duì)上述指標(biāo)進(jìn)行關(guān)聯(lián)度分析，考慮到物流業(yè)屬于非線性行業(yè)而且樣本數(shù)據(jù)量不是大規(guī)模的，所以本文選擇灰色關(guān)聯(lián)度分析?；疑P(guān)聯(lián)度分析及計(jì)算簡(jiǎn)便，無需大量樣本，在原始數(shù)據(jù)上直接計(jì)算，依靠灰色關(guān)聯(lián)描述各因素間相關(guān)度的大小，若因素間變化態(tài)勢(shì)基本一致，則相關(guān)度較大，反之，相關(guān)度較小。本文利用MATLAB軟件對(duì)表1數(shù)據(jù)進(jìn)行灰色關(guān)聯(lián)度分析，結(jié)果如表2所示，表中分析結(jié)果為影響港口物流需求量的15個(gè)因素與港口吞吐量的關(guān)聯(lián)度關(guān)系如下：

X14>X2>X1>X15>X4>X9>X3>X6>X7>X8>X5>X13>X12>X10>X11

表2 青島市港口物流需求量與其影響因素灰色關(guān)聯(lián)度

在15個(gè)影響因素中X11(水運(yùn)貨運(yùn)周轉(zhuǎn)量)的關(guān)聯(lián)度為0.6566，相關(guān)度較低，在進(jìn)行接下來的分析時(shí)舍棄該因素。其他14個(gè)影響因素與港口物流需求量的關(guān)聯(lián)度均在0.7以上，相關(guān)度較高，所以采用篩選過后的14個(gè)指標(biāo)進(jìn)行接下來的主成分分析。

本文將2005—2016年共12組數(shù)據(jù)作為網(wǎng)絡(luò)訓(xùn)練樣本，2017—2019年共3組數(shù)據(jù)作為預(yù)測(cè)驗(yàn)證樣本，利用SPSS stats26.0軟件進(jìn)行數(shù)據(jù)分析。在主成分分析結(jié)果中提取了三個(gè)主成分因子，累計(jì)貢獻(xiàn)率94.508%。利用主成分回歸分析，將三個(gè)主成分因子作為因變量，港口吞吐量作為自變量，得到回歸結(jié)果。從數(shù)據(jù)來看R2為0.991，調(diào)整后R2為0.989，擬合效果很好。構(gòu)建主成分因子多元回歸模型如下(標(biāo)準(zhǔn)化)ZY=0.985*y1-0.136*y2+0.04*y3。得到主成分得分預(yù)測(cè)結(jié)果(見表3)。

表3 主成分得分預(yù)測(cè)表

青島港口貨物吞吐量預(yù)測(cè)結(jié)果如表4所示，從擬合效果來看主成分分析及主成分回歸得到的模型預(yù)測(cè)的數(shù)據(jù)與實(shí)際數(shù)據(jù)誤差較小，建立的模型較為合理。

表4 預(yù)測(cè)檢驗(yàn)樣本結(jié)果表

(四)BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建

1.BP神經(jīng)網(wǎng)絡(luò)初始值的確定?；谝陨现鞒煞址治鎏崛〉?個(gè)主成分預(yù)測(cè)得分，即輸入層包含3個(gè)神經(jīng)元節(jié)點(diǎn)，輸出層有一個(gè)神經(jīng)元節(jié)點(diǎn)，隱含層的節(jié)點(diǎn)數(shù)根據(jù)公式(1)計(jì)算出隱節(jié)點(diǎn)數(shù)為4個(gè)，經(jīng)過訓(xùn)練檢驗(yàn)，最終驗(yàn)證得出隱節(jié)點(diǎn)數(shù)為3時(shí)預(yù)測(cè)效果最好，所以本文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)采用3-3-1的拓?fù)浣Y(jié)構(gòu)模型進(jìn)行訓(xùn)練預(yù)測(cè)。tansig函數(shù)和線性函數(shù)purelin分別為隱含層和輸出層的傳遞函數(shù)。根據(jù)網(wǎng)絡(luò)訓(xùn)練經(jīng)驗(yàn)設(shè)置最大訓(xùn)練次數(shù)為1000，學(xué)習(xí)速率為0.1，訓(xùn)練目標(biāo)精度為0.001。該實(shí)例的神經(jīng)網(wǎng)絡(luò)模型的建立運(yùn)行均在軟件MATLAB R2020a下進(jìn)行的。

圖1 青島港物流需求預(yù)測(cè)網(wǎng)絡(luò)

2.網(wǎng)絡(luò)訓(xùn)練。根據(jù)物流需求預(yù)測(cè)網(wǎng)絡(luò)模型將2005—2016年數(shù)據(jù)作為訓(xùn)練，神經(jīng)網(wǎng)絡(luò)訓(xùn)練效果線如圖3所示，可以看出在網(wǎng)絡(luò)訓(xùn)練過程中此模型在較短時(shí)間內(nèi)就達(dá)到了收斂，在進(jìn)行18次迭代后即達(dá)到預(yù)設(shè)目標(biāo)，網(wǎng)絡(luò)的泛化能力在第12次取得最佳值。圖2結(jié)果顯示了預(yù)測(cè)輸入數(shù)據(jù)與真實(shí)值的對(duì)比情況，表明整體擬合效果比較樂觀。

圖2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果圖

圖3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練效果線圖

如圖4顯示的是實(shí)測(cè)數(shù)據(jù)與網(wǎng)絡(luò)訓(xùn)練、驗(yàn)證、測(cè)試的模擬輸出值的關(guān)系。表明網(wǎng)絡(luò)訓(xùn)練、驗(yàn)證模擬值與實(shí)測(cè)值之間整體接近1∶1線性關(guān)系。相關(guān)系數(shù)分別為0.99934、1、1、0.99928，經(jīng)過訓(xùn)練之后，此網(wǎng)絡(luò)表現(xiàn)的性能較好，精度非常高。

圖4 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練、驗(yàn)證、測(cè)試過程回歸

表5 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)數(shù)據(jù)結(jié)果表

本文將2017—2019年的數(shù)據(jù)作為測(cè)試值輸入到已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中，經(jīng)計(jì)算得出預(yù)測(cè)值，表5為2017—2019年三年的真實(shí)值、預(yù)測(cè)值以及二者之間的誤差，而且相對(duì)誤差表現(xiàn)較好。通常而言，在對(duì)物流經(jīng)濟(jì)指標(biāo)進(jìn)行預(yù)測(cè)時(shí)，誤差控制在4%左右可以認(rèn)為該模型準(zhǔn)確率較高，因此BP神經(jīng)網(wǎng)絡(luò)模型可以作為青島港口物流需求量預(yù)測(cè)工作的可靠定性研究工具。

3.青島港物流需求預(yù)測(cè)。通過上文對(duì)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練可以根據(jù)有關(guān)數(shù)據(jù)對(duì)青島港物流需求進(jìn)行未來年份的預(yù)測(cè)，BP神經(jīng)網(wǎng)絡(luò)是根據(jù)本年對(duì)預(yù)測(cè)目標(biāo)影響較大的影響因素的數(shù)據(jù)來預(yù)測(cè)當(dāng)年值，即在程序中輸入物流需求因子數(shù)值得到預(yù)測(cè)值。對(duì)于未來年份影響青島港物流需求的因子的數(shù)據(jù)采用其年均增長(zhǎng)率來確定。將未來三年的三指標(biāo)數(shù)據(jù)作為輸入值得到對(duì)應(yīng)預(yù)測(cè)的物流需求量，結(jié)果如表6所示。

表6 青島港2020-2022年港口物流需求量預(yù)測(cè)結(jié)果表

通過預(yù)測(cè)的未來三年的需求量結(jié)果和近年來青島港口物流需求增長(zhǎng)速度(見圖5)來看，青島港的吞吐量總體是呈增長(zhǎng)趨勢(shì)，且增長(zhǎng)趨勢(shì)趨于平穩(wěn)。隨著“一帶一路”倡議的深入發(fā)展，我國(guó)交通運(yùn)輸業(yè)正在更新優(yōu)化，多式聯(lián)運(yùn)的運(yùn)輸形式在一定程度上會(huì)刺激港口物流發(fā)展，港口物流業(yè)的發(fā)展呈向好特征。

圖5 青島港口物流需求增長(zhǎng)速度

三、結(jié)論與建議

(一)結(jié)論

本文依據(jù)神經(jīng)網(wǎng)絡(luò)理論構(gòu)建港口物流需求模型，運(yùn)用trainlm函數(shù)進(jìn)行數(shù)據(jù)訓(xùn)練，其中權(quán)值和閾值的調(diào)整是訓(xùn)練過程要達(dá)到的結(jié)果，而最終的切實(shí)目的是使網(wǎng)絡(luò)誤差達(dá)到最小，即實(shí)際輸出值接近期望值。最后以網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的仿真結(jié)果與真實(shí)值的對(duì)比擬合分析圖的形式展示分析結(jié)果，結(jié)果證明，關(guān)于構(gòu)建的青島港口物流需求量的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型擬合效果好，精度較高，適用性較強(qiáng)。從預(yù)測(cè)結(jié)果來看，誤差出現(xiàn)的部分多是預(yù)測(cè)值略小于真實(shí)值，在今后的生產(chǎn)活動(dòng)中按此誤差規(guī)律并結(jié)合整體預(yù)測(cè)值的計(jì)算，青島港口物流的需求量預(yù)測(cè)值更加可以準(zhǔn)確、高效得出。整體來看，BP神經(jīng)網(wǎng)絡(luò)模型在港口物流需求預(yù)測(cè)中將其非線性映射能力、泛化能力和容錯(cuò)力等優(yōu)點(diǎn)充分發(fā)揮，提高了人工神經(jīng)網(wǎng)絡(luò)在實(shí)際生產(chǎn)領(lǐng)域的應(yīng)用性。

港口作為重要的戰(zhàn)略資源可以極大地推動(dòng)區(qū)域經(jīng)濟(jì)的發(fā)展，物流業(yè)作為基于“互聯(lián)網(wǎng)+”下聯(lián)通各行業(yè)各業(yè)的“新型”行業(yè)已不斷成為經(jīng)濟(jì)發(fā)展進(jìn)步的標(biāo)志性產(chǎn)業(yè)，所以港口物流的穩(wěn)定發(fā)展對(duì)海濱城市的經(jīng)濟(jì)拉動(dòng)起著重要作用。隨著內(nèi)需的增加以及我國(guó)在世界貿(mào)易中扮演著越來越重要角色的影響，港口物流的需求規(guī)模是不斷擴(kuò)大，有較大上升潛力。由于是預(yù)測(cè)的數(shù)據(jù)，在實(shí)際物流活動(dòng)中會(huì)受各種不確定性因素的影響會(huì)導(dǎo)致預(yù)測(cè)值與實(shí)際值產(chǎn)生偏差，所以此預(yù)測(cè)數(shù)據(jù)可作為短期規(guī)劃依據(jù)，為青島港貨物物流轉(zhuǎn)型升級(jí)提供一定的參考價(jià)值。

(二)青島港發(fā)展現(xiàn)代港口物流的建議

本文基于人工神經(jīng)網(wǎng)絡(luò)模型對(duì)青島港未來三年的港口物流需求量進(jìn)行預(yù)測(cè)分析，結(jié)合青島市當(dāng)?shù)靥厣a(chǎn)業(yè)優(yōu)勢(shì)，為青島港發(fā)展現(xiàn)代港口物流提出以下建議：一是從社會(huì)經(jīng)濟(jì)角度考慮。加大政府對(duì)物流智能平臺(tái)的投資力度，構(gòu)建青島港口物流信息平臺(tái)，提高港口物流效率，建設(shè)完整的現(xiàn)代港口物流體系；在“互聯(lián)網(wǎng)+”的時(shí)代背景下，國(guó)際貿(mào)易互動(dòng)頻繁，進(jìn)出口貿(mào)易大部分依賴于港口流通，所以要經(jīng)濟(jì)發(fā)揮港口物流優(yōu)勢(shì)，協(xié)調(diào)三大傳統(tǒng)產(chǎn)業(yè)生產(chǎn)活動(dòng)，為港口物流發(fā)展提供堅(jiān)實(shí)基礎(chǔ)。二是從政府政策角度考慮。政府完善優(yōu)化港口物流政策，以政策優(yōu)勢(shì)吸引第三方物流企業(yè)聚集，形成專業(yè)物流，以期將青島港口建成國(guó)際級(jí)規(guī)模物流集地。三是從港口物流發(fā)展?jié)摿嵌瓤紤]。青島港依靠天然的地理優(yōu)勢(shì)，發(fā)展集疏運(yùn)體系，在現(xiàn)有較全面的集疏運(yùn)交通體系基礎(chǔ)上，構(gòu)建鐵海運(yùn)輸網(wǎng)絡(luò)，提高青島港貨物吞吐能力，使其保持巨大的發(fā)展?jié)摿Α?/p>