榮文竽,申晨

(1.大連交通大學(xué) 交通運輸工程學(xué)院,遼寧 大連 116028;2.南京地鐵運營有限責(zé)任公司,江蘇 南京 211100)

從2014年起,我國快遞業(yè)務(wù)量連續(xù)8年保持世界第一,快遞企業(yè)承擔(dān)著越來越大的運輸壓力,應(yīng)提前預(yù)測快遞市場的需求情況,保證未來各城市間的快遞運輸能力與快遞業(yè)務(wù)量相匹配,以提供高質(zhì)量的快遞運輸服務(wù)。Tang等[1]認(rèn)為互聯(lián)網(wǎng)的普及和電子商務(wù)的興起是促使快遞業(yè)務(wù)量快速增長的主要原因。在預(yù)測快遞業(yè)務(wù)量時,陳疇鏞等[2]將電子商務(wù)環(huán)境和季節(jié)性特征因素納入建立的GM(1,N)ARIMA權(quán)重組合模型以提升預(yù)測精度;顧睿[3]建立了4個傳統(tǒng)預(yù)測模型,與4個機器學(xué)習(xí)模型進行比較并預(yù)測2021—2024年山東省快遞業(yè)發(fā)展需求;李燕等[4]根據(jù)各項統(tǒng)計數(shù)據(jù),研究了快遞量的影響指標(biāo),并通過BP神經(jīng)網(wǎng)絡(luò)和線性規(guī)律預(yù)測我國快遞業(yè)務(wù)量。陳旭[5]考慮多項貨運量影響因素,組合采用多種預(yù)測方法對區(qū)域間貨運量、對外貿(mào)易貨運量和分流沿江通道貨運量3個方面進行預(yù)測。

以上研究主要集中于全國、某個省份或某個城市的快遞業(yè)務(wù)量預(yù)測,但在城市間各運輸方式的運能安排中,需要對城市間的快遞業(yè)務(wù)量進行預(yù)測。為解決該問題,本文篩選出全國范圍內(nèi)快遞業(yè)務(wù)能力較強的主要城市,結(jié)合多項與快遞業(yè)務(wù)量相關(guān)的指標(biāo),構(gòu)建組合預(yù)測模型,對未來城市間的快遞業(yè)務(wù)量進行預(yù)測。首先使用三次指數(shù)平滑法預(yù)測得到各城市的快遞業(yè)務(wù)總量;再使用主成分分析法確定城市的快遞業(yè)務(wù)能力綜合得分,并根據(jù)貿(mào)易引力模型計算城市間的快遞吸引強度;最終通過構(gòu)建城市間快遞業(yè)務(wù)量組合預(yù)測模型,得到城市間的快遞業(yè)務(wù)量。本文研究結(jié)果可為我國各城市的快遞業(yè)發(fā)展規(guī)劃、快遞運輸相關(guān)產(chǎn)業(yè)布局、全國快遞運輸網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化提供數(shù)據(jù)支撐。

1 主要城市選取及數(shù)據(jù)來源

1.1 主要城市選取

預(yù)測城市間快遞業(yè)務(wù)量,首先選取得到國家運輸政策支持并且本身快遞業(yè)務(wù)能力較強的城市作為本文的研究對象,具體標(biāo)準(zhǔn)如下:

標(biāo)準(zhǔn)1:我國“八縱八橫”高鐵網(wǎng)所覆蓋的城市。

標(biāo)準(zhǔn)2:2010年交通運輸部規(guī)劃的全國性綜合交通樞紐城市。

標(biāo)準(zhǔn)3:《中國城市物流競爭力報告(2020)》中城市物流競爭力排行榜的前25名。

標(biāo)準(zhǔn)4:每個省份中快遞業(yè)務(wù)量最多的城市。

根據(jù)以上4個標(biāo)準(zhǔn)對全國范圍內(nèi)的城市進行組合篩選,選取北京、天津、哈爾濱、長春、沈陽、大連、石家莊、濟南、青島、太原、西安、鄭州、上海、重慶、武漢、成都、南京、杭州、長沙、寧波、合肥、福州、廣州、深圳、廈門、貴陽、昆明、蘭州、南寧、南昌共30個城市作為本文的研究對象。

1.2 數(shù)據(jù)來源

從預(yù)測的角度來看,應(yīng)收集盡可能多的數(shù)據(jù)以增加精確度,但由于快遞業(yè)在我國的發(fā)展時間較短,部分城市2010年之前的快遞業(yè)務(wù)量并沒有統(tǒng)計,為保證數(shù)據(jù)時間的一致性,本文選取2011—2021年各城市快遞業(yè)務(wù)量及2021年相關(guān)影響指標(biāo)數(shù)據(jù)進行后續(xù)研究。快遞業(yè)務(wù)量通過查閱郵政管理局官網(wǎng)獲取,相關(guān)影響指標(biāo)數(shù)據(jù)通過數(shù)位觀察獲取,各城市間距離通過Arcgis軟件計算獲取。

2 城市快遞業(yè)務(wù)總量預(yù)測

2.1 建立三次指數(shù)平滑法預(yù)測模型

為預(yù)測未來各城市間的快遞業(yè)務(wù)量,首先需要預(yù)測得到各城市的快遞業(yè)務(wù)總量。指數(shù)平滑法對短期時間序列的預(yù)測在可操作性和可靠性等方面具有較強的優(yōu)勢,在實踐中得到廣泛的應(yīng)用[6]。三次指數(shù)平滑法是指數(shù)平滑法的一種,適用于時間序列呈拋物線趨勢的非線性數(shù)據(jù),使用簡單且便捷[7]。30個城市2011—2021年的快遞業(yè)務(wù)量曲線均呈非線性增長,以快遞業(yè)務(wù)量最大的城市廣州為例,如圖1。

圖1 廣州2011—2021年快遞業(yè)務(wù)量增長曲線

使用三次指數(shù)平滑法對2025年30個城市的快遞業(yè)務(wù)總量進行預(yù)測。

三次指數(shù)平滑模型為:

Yi=ait+bitT+citT2

(1)

式中:Yi為i城市第t年周期為T年的預(yù)測值;ait、bit、cit分別為水平系數(shù)、線性系數(shù)、拋物線系數(shù)。

(2)

(3)

2.2 使用Matlab軟件進行預(yù)測

在Matlab軟件中輸入2011—2018年30個城市快遞業(yè)務(wù)量,預(yù)測2019—2021年的結(jié)果,其中α取值分別為0.1、0.2、…、0.8、0.9,對比預(yù)測結(jié)果與真實數(shù)據(jù),平均誤差見表1。當(dāng)α=0.3時誤差最小,誤差為3.27%,預(yù)測結(jié)果具有較高的可靠性。

表1 快遞業(yè)務(wù)總量預(yù)測誤差分析 %

取α=0.3,輸入2011—2021年30個城市的快遞業(yè)務(wù)總量數(shù)據(jù),預(yù)測得到的2025年結(jié)果見表2。

2025年30個城市快遞業(yè)務(wù)總量為6 739 128.30萬件,年增長率為13.8%。

表2 2025年30個城市快遞業(yè)務(wù)總量預(yù)測值 萬件

3 城市間快遞吸引強度計算

在2025年30個城市的快遞業(yè)務(wù)總量基礎(chǔ)上,本文組合主成分分析法與貿(mào)易引力模型,計算各城市間的快遞吸引強度,從而對城市間快遞業(yè)務(wù)量進行科學(xué)合理地預(yù)測。

3.1 快遞業(yè)務(wù)能力綜合評分模型

影響城市快遞業(yè)務(wù)能力的指標(biāo)較多,計算較為復(fù)雜且各指標(biāo)間存在相關(guān)性,使用主成分分析法可降低計算難度并消除評價指標(biāo)之間的相關(guān)影響,其基本原理是降維操作,以損失少量信息為前提,將初始的互相關(guān)聯(lián)的指標(biāo)轉(zhuǎn)化為少數(shù)幾個互相獨立的綜合性指標(biāo),即主成分,其中每個主成分都是原始變量的線性組合[8]。使用主成分分析法對各城市的快遞業(yè)務(wù)能力進行評價,步驟如下:

(1)原始數(shù)據(jù)統(tǒng)計

本文從兩個角度進行指標(biāo)選取。從城市發(fā)展角度選取,包括X1城市GDP、X2人均GDP、X3城市常住人口總數(shù)、X4行政區(qū)面積;從城市運輸角度選取,包括X5城市快遞業(yè)務(wù)量、X6貨運運輸量、X7郵政收入、X8零售總額。選取2021年數(shù)據(jù)統(tǒng)計結(jié)果見表3。

表3 30個城市快遞業(yè)務(wù)綜合評分評價指標(biāo)

主成分分析法使用的前提是各指標(biāo)之間必須具有相關(guān)性,本文使用SPSS軟件進行驗證,其KMO統(tǒng)計量為0.681(>0.5);Bartlett顯著性概率為0.000(<0.005),均說明本組數(shù)據(jù)具有相關(guān)性,可以使用主成分分析法進行分析。

(2)提取主成分

使用SPSS軟件提取主成分情況見表4。

表4 總方差解釋

根據(jù)特征值大于1的原則,可提取出前兩個成分為主成分,特征值分別為4.780和1.614,并且累計方差貢獻率為79.922%,意味著它們已經(jīng)包含各原始數(shù)據(jù)的大部分信息,也可以提取出前兩個成分為主成分。得到成分得分系數(shù)見表5。

表5 成分得分系數(shù)

建立主成分得分表達(dá)式:

Fik=xiuk

(4)

式中:Fik為城市i第k個主成分的得分;xi為城市i各個成分對應(yīng)的數(shù)據(jù)矩陣;uk為第k個主成分的得分系數(shù)矩陣。

可得兩個主成分Fi1和Fi2的表達(dá)式:

(5)

(6)

(3)主成分指標(biāo)線性回歸組合

構(gòu)造綜合評價模型,利用式(5)和式(6)進行計算可得到各城市的主成分1和主成分2的得分,但此時得分存在負(fù)值,無法使用貿(mào)易引力模型計算城市間快遞吸引強度,因此使用極值法對主成分1、2得分標(biāo)準(zhǔn)化,公式如下:

(7)

標(biāo)準(zhǔn)化后主成分1、2得分結(jié)果見表6。

表6 30個城市主成分1、2標(biāo)準(zhǔn)化得分

(4)快遞業(yè)務(wù)能力綜合得分

建立基于主成分分析法的綜合評價模型:

(8)

式中:Fi為城市i的快遞業(yè)務(wù)能力綜合得分;ηk為主成分k的歸一化后的方差貢獻率。

根據(jù)式(8),可得各城市的快遞業(yè)務(wù)能力綜合得分,綜合得分越高則證明該城市快遞業(yè)務(wù)能力越強。結(jié)果見表7。

表7 30個城市快遞業(yè)務(wù)能力綜合得分

此時快遞業(yè)務(wù)能力綜合得分與城市GDP、人均GDP等因素密切相關(guān)。由表6可知,北京、上海、重慶等城市的快遞業(yè)務(wù)能力相對較強,具有更大的發(fā)展?jié)摿Α?/p>

3.2 基于貿(mào)易引力模型的快遞吸引強度計算

在貿(mào)易領(lǐng)域中最早運用的引力模型為:

Xij=aYiYj/dij

(9)

式中:Xij為兩地間的貿(mào)易流量;a為常數(shù)項;Yi和Yj分別為兩地的經(jīng)濟總量;dij為兩地間的距離。

貿(mào)易引力模型原理簡單易懂,數(shù)據(jù)獲取容易,目前廣泛應(yīng)用于貿(mào)易區(qū)研究,但該模型選取的影響因素過于單一,缺少對其他因素的考慮。本文將經(jīng)濟總量替換為快遞業(yè)務(wù)能力綜合得分,可有效解決貿(mào)易引力模型影響因素單一的問題。設(shè)定常數(shù)項a=1,建立城市間快遞吸引強度的引力模型:

qij=FiFj/dij

(10)

式中:qij為城市i與城市j之間的快遞業(yè)務(wù)聯(lián)系程度;Fi和Fj為城市i與城市j的快遞業(yè)務(wù)能力綜合得分;dij為城市i與城市j之間的直線距離。

城市i對城市j和城市j對城市i的快遞吸引強度計算公式為:

(11)

式中:Qij和Qji分別為城市i至城市j和城市j至城市i的快遞吸引強度,根據(jù)式(10)、式(11)計算可得30個城市間快遞吸引強度。2025年快遞業(yè)務(wù)總量前10名的城市間快遞吸引強度見表8。

表8 2025年快遞業(yè)務(wù)總量前10名的城市間的快遞吸引強度 %

4 城市間快遞業(yè)務(wù)量預(yù)測及分析

4.1 城市間快遞業(yè)務(wù)量預(yù)測

通過預(yù)測,得到了2025年30個城市的快遞業(yè)務(wù)總量和城市間快遞吸引強度,同時根據(jù)我國2021年快遞產(chǎn)業(yè)結(jié)構(gòu)報告可知,異城快遞業(yè)務(wù)量占比為85%[9],由此建立城市間快遞業(yè)務(wù)量組合預(yù)測模型:

Mij=δYiQij、Mji=δYjQji

(12)

式中:Mij和Mji分別為城市i至城市j和城市j至城市i的快遞業(yè)務(wù)量;δ為異城快遞業(yè)務(wù)量占比。

根據(jù)式(12),可得到2025年30個城市間的快遞業(yè)務(wù)量。2025年快遞業(yè)務(wù)總量前10名的城市間快遞業(yè)務(wù)量見表9。

表9 2025年快遞業(yè)務(wù)量前10名的城市間的快遞業(yè)務(wù)量 萬件

本文共有30個城市,435個城市對。對城市間快遞業(yè)務(wù)量排名前100的城市對進行分析,見圖2。

圖2 城市間快遞業(yè)務(wù)量排名前100的城市對

從圖2中可以看出,城市間快遞業(yè)務(wù)量前100名的城市對中,華北地區(qū)的北京和天津、華中地區(qū)的武漢、西部地區(qū)的重慶、華東地區(qū)的上海和杭州、華南地區(qū)的廣州和深圳出現(xiàn)的次數(shù)遠(yuǎn)多于其他城市,吸引了各城市大部分的快遞業(yè)務(wù)量,具有一定的樞紐性質(zhì)。在進行樞紐城市的選擇時,可以以樞紐城市覆蓋的總需求最大化和快遞運輸成本最小為依據(jù)[10],實現(xiàn)樞紐城市的最大價值。

30個城市間不同運輸距離區(qū)間的快遞業(yè)務(wù)量占比,見圖3。由圖3可以看出,在2 000 km運輸距離內(nèi)的快遞業(yè)務(wù)量占比約為75%,占據(jù)了大部分的快遞市場,因此應(yīng)優(yōu)先發(fā)展中、短途運輸。

圖3 30個城市間不同運輸距離區(qū)間的快遞業(yè)務(wù)量占比

4.2 預(yù)測結(jié)果分析

對2025年30個城市的快遞業(yè)務(wù)總量及城市間快遞業(yè)務(wù)量進行預(yù)測,并分析統(tǒng)計得出的相應(yīng)數(shù)據(jù)發(fā)現(xiàn):

(1)事物的發(fā)展普遍經(jīng)過緩慢發(fā)生、快速發(fā)展、穩(wěn)定成熟3個階段,2025年30個城市快遞業(yè)務(wù)預(yù)測總量為6 739 128.3萬件,年增長率為13.8%,可以看出我國快遞市場仍處于快速發(fā)展期,在未來仍有較大的發(fā)展?jié)摿Α?/p>

(2)30個城市中北京、上海、廣州等城市快遞業(yè)務(wù)量明顯多于其他城市,并且由于短距離運輸吸引的快遞業(yè)務(wù)量較多,快遞運輸網(wǎng)絡(luò)將呈現(xiàn)樞紐式分布,在快遞市場布局時可優(yōu)先發(fā)展北京等城市,投入更多的人力、物力,將其作為各自地區(qū)的快遞樞紐城市進行建設(shè),建立功能更強大的物流基地。

(3)根據(jù)城市不同運輸距離區(qū)間的平均吸引強度及快遞業(yè)務(wù)量占比可知,大部分的快遞業(yè)務(wù)發(fā)生在運輸距離小于2 000 km的城市間,目前新興的高鐵快運具有運量大、速度快、安全性高等特點,因此在規(guī)劃時,可在運輸距離適宜的城市間優(yōu)先發(fā)展高鐵快運,以提升快遞綜合服務(wù)質(zhì)量。

5 結(jié)論

本文在綜合考慮多種影響城市間快遞業(yè)務(wù)量的因素基礎(chǔ)上,基于三次指數(shù)平滑法、主成分分析法和貿(mào)易引力模型,構(gòu)建了城市間快遞業(yè)務(wù)量的組合預(yù)測模型,具有較好的適用性。本文預(yù)測的結(jié)果可為我國快遞業(yè)發(fā)展、物流樞紐建設(shè)規(guī)劃以及各種運輸方式的運能安排提供數(shù)據(jù)基礎(chǔ)。但隨著航空貨運與高鐵快運在快遞市場的占比提升,運輸距離對城市間快遞業(yè)務(wù)量的影響將會逐漸縮小,城市間的快遞業(yè)務(wù)量變化趨勢亦呈現(xiàn)差異。