基于貨運量預測的物流園區用地規模研究

唐小鴻+晏永剛

摘 要：“一帶一路”的戰略背景，給物流業帶來新的發展機遇的同時，也面臨著巨大的挑戰。物流園區作為物流業的載體，應充分發揮其高效配置物流資源的能力，提高物流運行效率，最大限度滿足物流用地集約和節約化原則。為科學合理確定物流園區的用地規模，文章在建立遺傳算法優化BP神經網絡模型對貨運量進行預測的基礎上，改進了基于全社會物流總量的物流園區用地規模測算公式，提高了預測的精確度和操作的可行性，規避了傳統參數法、時空消耗法等在物流園區用地規模預測上存在的局限性；并以重慶市為例，確定了重慶市2020年的物流園區用地規模需求，以期為“十三五”區域中長期物流規劃及政府有關部門制定相關政策提供有益的參考借鑒。

關鍵詞：物流園區；用地規模；GA-BP；貨運量預測

中圖分類號：F719 文獻標識碼：A

Abstract： The logistics industry is also faced with great challenges when it seizes new development opportunities under the strategic background of“one belt and one road”. As the carrier of the logistics industry， logistics park should make full use of its efficient logistics resources allocations and improve the logistics efficiency， so as to meet the principle of land intensive and economical use of logistics. To determine the logistics park scale scientifically and reasonably， this paper establishes a BP neural network model optimized by genetic algorithm to forecast the freight volume. Then it improves the calculating formula of land use for logistics park based on total social logistics， which not only is beneficial to enhancing the accuracy of forecast and the feasibility of operation， but also circumvent the limitations of land use prediction in logistics park of the traditional parameter method， space time consumption method. This paper takes Chongqing as an example to determine the logistics park scale of land demand of 2020， in order to provide a useful reference to medium and long term regional logistics planning in“thirteen five”and government's formulating relevant policies.

Key words： logistics park； land size； GA-BP； freight volume forecast

0 引 言

根據中國物流與采購聯合會發布的《中國采購發展報告（2014）》顯示，2013年我國社會物流總費用超過10萬億元，占GDP比重為18.0%，是美國8.5%的2倍有余，物流成本明顯偏高。該報告表明物流運行效率低下仍然是影響資源配置效率和國民經濟轉型發展的重要瓶頸。2013年9月10日，中國國家主席習近平分別提出了建設“新絲綢之路經濟帶”和“21世紀海上絲綢之路”的戰略構想。這一戰略結合海陸布局，推進沿線交通建設，開創了跨地區跨國之間的新型合作，為我國物流業的發展提供了新的機遇。而物流園區作為現代物流的載體，在降低物流成本、提升企業生產效率、改善區域發展環境的同時也面臨著許多規劃不合理和盲目建設等問題，一定程度上阻礙了物流業的發展。因此，科學合理地規劃建設物流園區是當前發展環境下的必然要求。

就物流園區用地規模的確定而言，目前國際上還沒有一套成熟的確定物流園區規模的方法，部分專家學者在基于不同的理論和目標前提下提出了一些具體的預測模型。Weber[1]、Beckman[2]、Drener[3]等學者基于運籌學理論提出了物流用地預測模型。吳琳、沈德熙[4]根據濟南市峨眉片區擔山屯物流園區的主體定位，采用時空消耗法對其規劃建設規模進行預測，以此指導具體的規劃用地布局。周愛芳、周倩[5]（2014）在采用回歸模型和增長系數法組合預測物流需求量的基礎上，選擇了參數法對湖南省的物流園區用地規模進行預測。孫焰、魏威、鄭文家[6]（2014）則采用改進的參數法、時空消耗法和類比法分別對物流園區用地規模進行預測。綜合對比以上3種預測方法，類比法的計算過于粗糙，預測結果偏差較大；時空消耗模型最大限度地考慮了物流園區和貨物對時空資源的供需平衡，但面臨參數變量過多，數據獲取難度較大等問題，適用于物流發展水平較高等地區；參數法可以直接套用現有公式，易于量化，但該方法只適用于物流用地總規模已經確定的預測類型。為規避傳統物流園區用地規模預測方法的局限性以及提高預測的準確性，文章通過建立GA-BP神經網絡模型預測物流需求，結合重慶市物流發展特點對基于全社會物流總量的物流園區用地規模測算公式進行改進，運用該公式確定2020年重慶市物流園區用地規模，以期為“十三五”區域中長期物流規劃以及制定相關物流政策提供決策參考。endprint

1 物流園區用地規模預測模型

1.1 基于GA-BP模型的物流需求預測

1.1.1 物流需求影響因素分析。物流需求是指在一定時期內，社會經濟活動過程中對各種物品的運動狀態在空間、時間、效率、質量等方面的要求[7]。經濟與物流需求之間存在一種內在的、隱含的映射關系，可以用表達式（1）來抽象概括二者之間的內在決定和驅動關系：

物流需求預測是物流園區規模規劃的前提條件，然而我國目前沒有一個準確描述物流量的指標，物流需求量也沒有一個明確的概念[8]。由于在物流服務能力能滿足物流需求的條件下，一定時期內的貨運量在一定程度上反映了該時間段內的物流總需求，因此文章以貨運量指標作為輸出信息進行分析。

物流園區用地的規模很大程度上受物流量大小的影響，而物流量大小又與多種因素有關。在其他因素不變的情況下，區域GDP、工業總產值、進出口總額均與物流量成正相關，物流量越大，物流用地規模總量越大[9]。同時全社會固定資產投資是反映固定資產規模和速度的綜合指標，社會消費品零售總額是反映生活消費品市場的主要指標，它們都能在某種程度上反映經濟快速發展下的物流市場狀況。

1.1.2 GA-BP模型。BP神經網絡是基于誤差反向傳播算法（BP算法）的多層前向神經網絡，其拓撲結構由1個輸入層、若干隱含層和1個輸出層構成。BP神經網絡良好的非線性逼近能力和對雜亂信息的綜合處理能力，能在一定程度上與物流需求市場的研究難點相適應，適用于物流需求的預測。

遺傳算法優化BP神經網絡（GA-BP）就是運用遺傳算法優化神經網絡初始網絡權值和閾值，把優化后的權值輸入BP神經網絡完成網絡訓練建立模型。它能夠利用自己的全局搜索能力克服神經網絡易陷入局部最優解以及收斂速度慢的缺陷，尋找最適合BP神經網絡的參數和網絡結構，在最短時間內得到全局最優解。

1.2 物流園區用地規模測算公式

2 實證研究——以重慶市為例

2.1 樣本數據準備

文章選取的基本數據（如表1），為重慶市2005～2014年的相關經濟指標，數據來自于《重慶市統計年鑒（2014）》和《2014年重慶市國民經濟和社會發展統計公報》。根據數據，計算得出各指標在2005～2014年的年均增長率，并在假設增長率不變的條件下，得出2020年各指標的預測值（如表2）。

2.2 GA-BP模型預測物流需求

以表1中2005～2014年的區域GDPx（億元）、工業總產值x（萬元）、進出口總額x（萬美元）、社會消費品零售總額x（萬元）、全社會固定資產投資x（萬元）數據作為輸入信息，2005～2014年的貨運量y（萬噸）作為輸出信息，以此為樣本進行訓練學習，然后將表2中的數據作為測試數據，預測2020年的貨運量。

構建的GA-BP網絡輸入層有5個神經元，隱含層有9個神經元，輸出層有1個神經元，輸入層和隱含層的激活函數分別為tansig函數和purelin函數。訓練函數選擇trainbfg函數，因為使用該函數，不僅預測度精度高，收斂的速度也很快[13]。網絡迭代次數為5 000，學習速率為0.3，訓練目標為1.0e-10 。遺傳算法的種族規模為50，進化代數為100，交叉概率為0.3，變異概率為0.1，程序在Matlab軟件中實現。通過GA-BP神經網絡進行訓練，可以得到如下結果：

圖1表明隨著進化代數的不斷增加，誤差整體呈下降趨勢并逐漸趨近于某一具體的值，由此可以推出，如果樣本足夠大，誤差則隨著進化可以降低到忽略不計。圖2表明經過120次的訓練，預測的誤差值達到了目標范圍。結果得到2020年的貨運量為122 610萬噸。

2.3 物流園區用地規模確定

2.3.1 物流園區效率e取值。文章采用2014～2015全球競爭力報告中的技術成熟度、教育與培訓及基礎設施3項指標（如表3）按其權重加權平均求和后的值來衡量物流園區的效率。

參照日本、德國的物流園區效率，得出我國在物流園區規劃時e值可以取4.3～5.5，結合重慶市物流發展取得的長足進步，確定重慶市物流園區的效率e取中間值4.9。

2.3.2 第三方物流占物流市場比例

p。第三方物流市場占全社會物流市場的比例取值，根據胡寶雨[15]的研究經驗，如果規劃地區的經濟發展較快，物流市場需求大，則p的取值略高于40%，否則p低于40%。同時據2013年11月26日商務部新聞辦召開的“商貿物流”專題新聞發布會得知：我國第三方物流占物流市場比例不足25%。鑒于重慶市物流業的快速發展及其未來需求的擴大，確定重慶市第三方物流占物流市場比例取30%。

2.3.3 進入物流園區的比例α取值。根據現階段研究成果表明，受到集聚性規模效益等的影響，第三方物流企業將集中進入物流園區發展，這既是市場競爭的要求，同時也與世界物流業的發展趨勢相符合[16]。物流成本越低，物流服務越高效，規模經濟越明顯，α一般取值為60%～80%[17]。若當地市場化程度高、經濟總量大、物流市場需求量大，則α在60%～80%取最大值，如珠三角、長三角等地區；反之，則在60%～80%取最小值[17]。根據重慶市物流發展實際，文章第三方物流業務進入物流園區的比例α取70%。

2.3.4 預留發展用地系數R取值。預留發展用地是為滿足將來物流園區面積增大的需要而設置的用地，它會隨著物流需求的增加而不斷增長。R的確定需要綜合考慮多方面情況，如經濟的發展、企業物流成本控制程度、物流服務水平。趙葉[18]指出，根據發展原則，物流園區得提前設計遠期預留區，規定其預留系數一般取值1.15。

2.3.5 修正系數ω取值。重慶處于“一帶一路”和“長江經濟帶”的交匯節點，強大的區位優勢將有力推動重慶市物流業的發展，政府也將持續制定一系列有助于物流業新的經濟增長點的相關政策，因此ω確定為1.1。endprint

2.3.6 重慶市物流園區用地規模確定。將計算得到的貨運量數據及確定的各參數值帶入公式（3）中，得出2020年重慶市物流園區用地規模的預測值為66.47平方公里。

3 結束語

文章通過GA-BP模型的建立預測出重慶市區域范圍內的貨運量，并基于全社會物流總量的物流園區用地規模測算公式得出的2020年物流園區用地規模需求為重慶市合理確定物流園區用地規模具有較強的參考意義。相對于參數法和時空消耗法而言，該模型考慮的因素較為全面，避免了時空消耗模型過于微觀且參數變量過多，數據獲取困難等缺點，同時相對于參數法而言，該模型的預測精度較高。然而物流園區的規劃涉及到方方面面的因素，文章所選擇的輸入值并不能完全體現物流的需求量，同時GA-BP模型雖然優化了BP模型的權值和閾值，增強了模型收斂的效果，但誤差畢竟是不可避免的。綜上所述，基于改進的物流園區用地規模預測方法具有較強的有效性和適應性，可為區域中長期物流規劃及物流政策制定提供有益的理論參考和方法借鑒。

參考文獻：

[1] Weber A. On the Location of Industries （Translation of Uber Den Standort der Industrie， 1909）[M]. OECD Seminar on Advanced Road Transport Technologies， 1994.

[2] Beckman M， McGuire J， Winsten C B. Studies in the Economics of Transportation[M]. New Havan： Yale University Press， 1956.

[3] Drener Z. Facility Location-A Survey of Applications and Methods[M]. Berlin： Springer， 1995.

[4] 吳琳，沈德熙. 城市規劃視野下的物流園區規模預測——以濟南市為例[J]. 現代城市研究，2009（7）：33-38.

[5] 周愛芳，周倩. 基于參數法對湖南省物流園區用地規模的預測[J]. 衡陽師范學院學報，2014，35（3）：94-97.

[6] 孫焰，魏威，鄭文家. 物流園區用地規模計算方法研究[J]. 物流科技，2014，37（6）：72-76.

[7] 張婷婷. 以物流需求為導向的物流園區用地規模研究[D]. 西安：長安大學（碩士學位論文），2011.

[8] 董小寧. 廣饒縣物流園區規模研究[D]. 北京：北京交通大學（碩士學位論文），2013.

[9] 余浩輝. 區域物流用地規模預測研究[D]. 上海：上海交通大學（碩士學位論文），2011.

[10] 張艷霞，張倩. 物流園區用地規模測算方法研究[J]. 上海管理科學，2012，34（1）：12-14.

[11] 重慶市統計局. 重慶市統計年鑒（2014）[EB/OL]. （2014-05-23）[2015-05-21]. http：//www.cqtj.gov.cn/html/tjsj/tjnj/14/05/7082.html.

[12] 重慶市統計局. 2014年重慶市國民經濟和社會發展統計公報[EB/OL]. （2015-03-16）[2015-05-21]. http：//www.cqtj.gov.cn/html/tjsj/tjgb/15/03/7345.html.

[13] 姚俊. 基于遺傳算法和BP神經網絡的建設用地規模預測研究——以長株潭城市群為例[D]. 長沙：湖南農業大學（碩士學位論文），2013.

[14] World Economic Forum. The Global Competitiveness Report 2014-2015[EB/OL]. （2014-09-03）[2015-05-21]. http：//reports.weforum.org/global-competitiveness-report-2014-2015/.

[15] 胡寶雨. 物流園區規模確定及選址方案評價[D]. 大連：大連理工大學（碩士學位論文），2012.

[16] 周愛芳，周倩. 基于參數法對湖南省物流園區用地規模的預測[J]. 衡陽師范學院學報，2014，35（3）：94-97.

[17] 姚舜，衣保中. 吉林省區域物流節點建設規模預測分析[J]. 管理世界，2011（7）：175-176.

[18] 趙葉. 滄州渤海新區綜合保稅區用地規模研究[D]. 大連：大連海事大學（碩士學位論文），2014.endprint