基于CiteSpace的眾包物流領域英文文獻計量與知識圖譜分析

摘 "要：文章基于Web of Science核心數據庫，利用CiteSpace 6.2.R2可視化軟件，對與眾包物流主題相關的129篇相關文獻進行可視化科學計量分析，獲得相關文獻的發文量、作者圖譜、機構圖譜、國家圖譜及關鍵詞圖譜，以探討該領域的研究熱點以及未來發展趨勢。研究結果表明，目前眾包物流發文數量總體呈現出曲折上升的態勢；作者以及機構的發文量相差不大且相對較少；最后一公里交付、車輛路線規劃、眾包運輸定價策略以及算法優化等將是眾包物流領域未來研究熱點。

"關鍵詞：眾包物流；CiteSpace；可視化分析；研究進展；演進趨勢

"中圖分類號：F252 " "文獻標志碼：A " "DOI：10.13714/j.cnki.1002-3100.2024.23.017

Abstract： Using the Web of Science database and CiteSpace 6.2.R2 visualization software， this study employs visual scientometric analysis of 129 literature pieces concerning crowdsourcing logistics. The relevant analysis includes identifying the number of articles， author mapping， institution mapping， country mapping and keyword mapping to explore the research hotspots in this field and future development trends. The study's findings indicate an irregular yet upward trend in the number of publications on crowdsourcing logistics. The number of publications from individuals and organizations did not significantly differ and remained relatively low. It is predicted that the primary areas for future research in crowdsourcing logistics will involve last kilometer delivery， vehicle routing， crowdsourcing pricing strategies and algorithmic optimization.

Key words： crowdsourcing logistics; CiteSpace; visual analysis; research progress; evolution trend

0 "引 "言

眾包物流是基于互聯網的一種新型物流模式，其將原來由專業配送人員完成的配送任務，通過網絡平臺，外包給社會中的閑散大眾，以實現對社會閑散資源的有效利用，提升物流配送的效率[1]。目前，國際對于眾包物流領域研究并不完善，已有研究主要集中在最后一公里交付、路徑優化、定價策略及人員參與等方面，尚無學者對其進行系統的梳理。因此，本文擬利用CiteSpace 6.2.R2軟件對在Web of Science數據庫中所搜集的129篇論文進行可視化分析，總結出當前眾包物流領域的一些熱門話題，以期對該領域研究起到一定的促進作用。

1 "數據來源與研究方法

1.1 "數據來源

"本文選擇科學網（Web of Science，WOS）核心合集數據庫作為數據來源，設置檢索主題詞為“‘crowdsourcing logistics’或‘crowdsourcing delivery’或‘crowd logistics’或‘crowd shipping’”；文獻類型限定為Article和Review；手動剔除與主題無關的文獻，截止于2023年5月26日，共收集到129篇文獻作為基礎研究樣本。

1.2 "研究方法

1.2.1 "文獻計量分析法

"文獻計量分析法，是一種基于對研究領域文獻數量和質量的分析以衡量研究對象發展過程的方法。它可以用于評估在研究領域內相關學者、機構、國家之間的研究情況及研究進展。

1.2.2 "知識圖譜分析法

"知識圖譜，即基于圖的數據結構。借助可視化分析技術，將研究領域相關的數據進行詳細地分析，構建、繪制直觀明確的圖譜。知識圖譜的建立有助于推進讀者對研究領域內各個概念之間關系和發展脈絡的理解。

2 "研究現狀分析

2.1 "發文趨勢研究

"發文量的變化可以反映出一定時期內眾包物流領域的發展狀況以及未來趨勢。本文利用CiteSpace 6.2.R2軟件對收集到的文獻進行發文量分析，借助Excel軟件得到該領域發文量折線趨勢圖，如圖1所示。

"從圖1中可以直觀地看出，眾包物流領域發文量總體呈現出曲折上升的態勢，可以嘗試將其分為兩個階段：第一階段為探索階段（2008—2015年）：國外有關眾包物流的研究還處于起步階段，“眾包模式”在物流中的應用尚未引起學者們廣泛關注，此階段發文量較少，內容較單一，僅發文8篇，占總發文量的6.2%；第二階段為發展階段（2016年至今）：該階段眾包物流逐年受到眾多學者的高度重視，尤其在2020—2022年期間出現了該領域的高峰期（28篇）和次高峰期（27篇）。

由于本文研究數據截止至2023年5月26日，2023年數據并不完整，因此2023年數據不納入分析。總體來看，該領域的發文量呈現出總體上升的態勢。

2.2 "發文作者分析

"發文作者共現圖譜能夠識別研究領域的核心作者及其之間的合作關系。運行CiteSpace 6.2.R2軟件，將節點類型設置為“Author”，得到作者關系圖譜，如圖2所示。

"作者關系圖譜中共有217個節點（N=217），連線有252條（E=252），整體密度為0.010 8（Density=0.010 8），經分析，眾包物流領域共有217位相關研究者，其中發文量在兩篇及兩篇以上的共有21位。圖2中呈現出的節點都比較小，并沒有顯著突出的節點，可見各學者發文量總數相差不大且較少。此外，該領域各個作者之間聯系密切，形成了大規模的合作團體，比如Dai Hongyan學者團隊、Bin Hou學者團隊、Chen Chao學者團隊、Rzesny-cieplinska學者團隊等。

"根據普賴斯理論，某領域發文量大于等于M篇則為高產作者。

其中：N表示該領域最高發文量，根據CiteSpace分析可得作者最大發文量為4篇，通過計算可得M=1.498，即發文量大于等于2篇的作者為高產作者，經統計在眾包物流領域共有21位高產作者（見表1），共發表47篇相關文章，占總發文量的36.4%。

綜上分析可知，目前國際眾包物流領域研究學者們在學術研究中積極學習相互探討，加深彼此之間的學術交流與合作，建立了密切的合作關系網絡，但該領域研究學者人數有限，發文量總數相差不大且較少，并未出現影響力較大的學者。

2.3 "發文機構分析

"發文機構共現圖譜分析可以展現出研究領域機構的科研產能及其合作關系。運行CiteSpace 6.2.R2軟件，將節點類型設置為“Institution”，繪制眾包物流領域發文機構共現圖譜，如圖3所示。

在機構關系圖譜中，共有161個節點（N=161），有176條連線（E=176），整體密度為0.013 7（Density=0.013 7），即各個機構之間存在著密切的學術交流，形成了一定的合作關系。由圖3可知，不僅各個機構之間形成了一定的研究團隊，而且不同的團隊之間也存在著一定的學術交流。總體而言，國際上眾包物流領域研究已經建立了密切的合作關系。結合圖3和表2可知，眾包物流研究多集中在國際上各大高校中，各大高校之間交流比較密切，相比之下物流企業在眾包物流領域的研究相對欠缺，若能加深企業和高校之間的交流合作，將理論應用于實踐中，未來眾包物流領域將呈現出新的發展態勢。

2.4 "發文國家分析

發文國家分析可以顯示出不同國家對研究領域的關注度及其之間的合作關系。運行CiteSpace 6.2.R2軟件，將節點類型設置為“Country”，繪制眾包物流領域國家關系圖譜，如圖4所示。

在國家關系圖譜中，共有33個節點（N=33），連線共有51條（E=51），整體密度為0.096 6（Density=0.096 6），即共有33個國家為眾包物流領域研究作出突出貢獻。結合圖4和表3可知，中國學者（包括中國臺灣）發表論文數量最多，以54篇論文位居首位，占總發文量的41.9%，領先于其他國家和地區；其次美國、加拿大、德國與法國等國家在該領域也具有一定貢獻。其中除中國（包括臺灣）和伊朗屬于發展中國家，其余7個國家均為發達國家，其共發表了80篇相關論文，占總發文量的62%，可見發達國家在眾包物流領域占據更多的席位，就大部分發展中國家而言，其資金短缺，專業研究學者不足，導致其無力支撐更多的學術研究。

3 "研究熱點與研究趨勢分析

3.1 "關鍵詞共現分析

關鍵詞是文章的核心思想概括，共現分析可以直觀展示出該領域的主要研究熱點。運行CiteSpace 6.2.R2軟件，將節點類型設置為“Keyword”，得到了關鍵詞共現圖譜，如圖5所示。

由圖5可知，該圖譜中共有278個節點（N=278），連線共有816條（E=816），整體密度為0.021 2（Density=0.021 2），可見在眾包物流領域中各個關鍵詞之間具有著較強的聯系。此外，從圖5中可以直觀地看到“last mile delivery”、“model”、“crowd logistics”及“city logistics”等關鍵詞節點明顯突出。綜合圖5和表4，可以看出眾包物流領域研究熱點主要集中在“last mile delivery”、“crowd logistics”、“algorithm”、“vehicle routing problem”等方面。 “last mile delivery”關鍵詞在文章中出現的頻次最高，共出現31次，而其中介中心性僅有0.17，排列在第七位，該領域大部分學者都以“最后一公里”作為主要研究主題，但缺乏對其關注度。“model”和“crowd logistics”關鍵詞出現的頻次分別位居第二和第三，中介中心性分別為0.18和0.32，其原因是隨著可持續性發展的出現，許多學者開始關注到社會中閑散大眾的力量。他們認為，這些社會中的閑散大眾能夠在很大程度上減輕城市交通系統的負擔，同時也能夠在降低成本的同時達到保護環境的目的。

3.2 "關鍵詞聚類分析

運行CiteSpace 6.2.R2軟件，在關鍵詞共現圖譜的基礎上，運用LLR（數似然比）算法，選擇“K（關鍵詞聚類）”，繪制得到關鍵詞聚類圖譜，如圖6所示。

由聚類圖譜可得，該聚類圖譜的模塊值Q為0.677（大于0.3），平均輪廓值S為0.923（大于0.5），說明聚類效果顯著、結構合理。經對眾包物流領域關鍵詞進行聚類分析可得23個聚類，本文聚類圖譜中只顯示出較大的12個聚類，分別為“#0 crowd logistics”、“#1 transportation”、“#2 sustainability”、“#3 closed-loop supply chain”、“#4 crowd logistics platforms”、“#5 intermediary fee schedule”、“#6 restaurant meal delivery”、“#7 traffic and crowd dynamics”、“#8 idea selection support system”、“#9 physical internet”、“#10 vehicle routing”、“#11 last-mile delivery”。歸納分析關鍵詞共現、聚類圖譜，可以將該領域的研究劃分為三大主題：最后一公里眾包交付、眾包運輸路線優化、眾包運輸定價策略。

3.3 "關鍵詞突現分析

突現詞為某一時間段內出現頻率激增且集中的關鍵詞，其通常為某一時間段的新興熱點研究。基于關鍵詞共線圖譜與聚類圖譜，分析眾包物流領域關鍵詞突現情況，以了解相關領域研究的前沿演進。

vehicle routing problem（車輛路線問題）的突現強度最高，其突現強度為3.67，且自2021年出現以來研究熱度一直持續至今，也是眾包物流領域未來研究的重點。相關學者Kou et al.[2]首次提出農村地區最后一公里配送的多式聯運設計（本地物流供應商、公共交通和眾包物流），建立多式聯運的成本效益模型，利用遺傳算法解決當前面臨的物流問題。Huang et al.[3]學者針對客戶、外包伙伴以及轉移節點等決策問題構建混合整數規劃模型，并設計Beunstcs算法，尋求眾包方法處理最后一公里交付問題。Vincent et al.[4]建立MTNLP模型，以總分配成本最小化為目標，研究具有時間窗、轉運節點以及交付選項的人群運輸路線問題。

"genetic algorithm（遺傳算法）、algorithm（算法）、algorithms（算法）在不同時間段均具有較高的突現強度，可見該領域的研究學者分別采用不同研究算法，對眾包物流領域不同方面展開詳細研究。Santini A et al.[5]學者利用機器學習和蒙特卡羅模擬方法，研究顧客選擇最后一公里眾包配送的概率問題，并提出分支定界算法和啟發式算法以降低評估次數。Nieto-isaza S et al.[6]研究了一個由戰略定位的小型倉庫網絡支持的眾包最后一英里包裹遞送系統，并提出一個兩階段的隨機網絡設計問題，以滿足隨機的快遞交付。Ulmer M et al.[7]研究了用于調度勞動力的連續逼近和值函數逼近方法，即決定接包方的班次（開始時間和持續時間），以最小的成本實現服務水平目標，以防止或減輕與眾包交付能力相關的不確定性的任何負面影響。

occasional drivers（偶然司機）關鍵詞自2021年開始，其研究熱度一直持續至今。該關鍵詞與vehicle routing problem（車輛路線問題）、pickup（皮卡）、algorithms（算法）等關鍵詞是眾包物流領域未來研究熱點。Pugliese et al.[8]設計貪婪隨機化適應性搜索程序（GRASP），在基準實例和新生成的測試集上進行計算實驗，以解決有臨時司機、時間窗口限制和多次交付的車輛路線問題。Martin-Santamaria et al.[9]提出了三種基于迭代局部搜索算法的不同實現方法，尋求使用屬于公司的車輛和偶爾雇用普通市民只進行一次送貨所產生的總成本。Archetti C et al.[10]考慮專門司機和臨時司機相結合的送貨方式，設計并實現多啟發式算法，力求以最少的總成本完成送貨。

4 "研究結論

基于Web of Science數據庫中的129篇眾包物流研究領域相關文獻，運用可視化工具CiteSpace對該領域的發文量、核心作者、高產機構、國家、文獻共被引以及關鍵詞進行可視化圖譜分析，總結該領域的演進、熱點以及未來發展趨勢，得出以下結論：

（1）從發文量趨勢圖來看，國內外的相關研究尚處于起步階段，整體發文數量較少，但發文量總體呈現出曲折上升的態勢，大致可以劃分為兩階段：探索階段（2008—2015年）、發展階段（2016年至今）；

"（2）從發文國家圖譜來看，中國、美國、加拿大、德國與法國在眾包物流領域的研究成果均超過10篇，其中中國在該領域處于領先地位，總共發表54篇相關文獻；

（3）從發文作者來看，Dai Hongyan、Bin Hou、Chen Chao及Rzesny-cieplinska， Jagienka學者是眾包物流領域的核心作者，各個研究者之間建立了密切的合作關系網絡，但研究學者總體發文量相差不大且較少，并未出現影響力巨大的學者；

（4）從發文機構來看，眾包物流相關研究主要集中在各大高校，企業、研究院等機構在該領域的產出成果較少，其中中國的香港理工大學的發文量位居首位。各機構之間聯系密切，但各機構發文量總體較少；

"（5）從關鍵詞共現、聚類以及突現圖譜來看，眾包物流領域研究熱點主要集中在最后一公里交付、眾包交付、人群物流、車輛路線問題等方面；根據關鍵詞突現圖譜顯示，車輛路線問題、偶然司機及算法應用將是該領域未來研究重點。

參考文獻：

[1] "CARBONE V， ROUQUET A， ROUSSAT C. The rise of crowd logistics： A new way to co-create logistics value[J]. Journal of Business Logistics， 2017，38（4）：238-252.

[2] "KOU X， ZHANG Y， LONG D， et al. An investigation of multimodal transport for last mile delivery in rural areas[J]. Sustainability， 2022，14（3）：1291.

[3] "HUANG K， ARDIANSYAH M N. A decision model for last-mile delivery planning with crowdsourcing integration[J]. Computers amp; Industrial Engineering， 2019，135（C）：898-912.

[4] "VINCENT F Y， JODIAWAN P， REDI A A N P. Crowd-shipping problem with time windows， transshipment nodes， and delivery options[J]. Transportation Research Part E： Logistics and Transportation Review， 2022，157：102545.

[5] "SANTINI A， VIANA A， KLIMENTOVA X， et al. The probabilistic travelling salesman problem with crowdsourcing[J]. Computers amp; Operations Research， 2022，142：105722.

[6] "NIETO-ISAZA S， FONTAINE P， MINNER S. The value of stochastic crowd resources and strategic location of mini-depots for last-mile delivery： A Benders decomposition approach[J]. Transportation Research Part B： Methodological， 2022，157：62-79.

[7] "ULMER M， SAVELSBERGH M. Workforce scheduling in the era of crowdsourced delivery[J]. Transportation Science， 2020（4）：54.

[8] "DI PUGLIA PUGLIESE L， FERONE D， FESTA P， et al. Solution approaches for the vehicle routing problem with occasional drivers and time windows[J]. Optimization Methods and Software， 2022，37（4）：1384-1414.

[9] "MART？魱N-SANTAMAR？魱A R， L？魷PEZ-S？譧NCHEZ A D， DELGADO-JAL？魷N M L， et al. An efficient algorithm for crowd logistics optimization[J]. Mathematics， 2021，9（5）：509.

[10] "ARCHETTI C， SAVELSBERGH M， SPERANZA G. The vehicle routing problem with occasional drivers[J]. European Journal of Operational Research， 2016，254（2）：472-480.

收稿日期：2023-11-09

基金項目：國家自然科學基金項目“基于數據驅動的生鮮電商聯合補貨與配送協同優化研究”（71901167）；中國物流與采購聯合會2022年度知識創新專項基礎研究項目“面向全國統一大市場的數字物流優化調度理論與方法”（2022CSLKT3-132）；武漢科技大學研究課題項目“智慧物流數字運營平臺開發研究”（2022H20537）；三亞崖州灣科技城海南專項博士基金項目“海南可持續交通系統協同發展研究”（HSPHDSRF-2022-03-032）；湖北省教育廳中青年人才項目“非煤礦山重特大安全事故應急決策研究”（20211102）

作者簡介：鄧旭東（1964—），男，湖北云夢人，武漢科技大學，教授，碩士生導師，研究方向：物流系統優化與管理、運營與供應鏈管理；張雪晶（2000—），女，山東東阿人，武漢科技大學碩士研究生，研究方向：物流工程與管理；王 "勇（1981—），男，江蘇鹽城人，武漢科技大學，教授，博士，研究方向：供應鏈協調與決策、冷鏈物流。

引文格式：鄧旭東，張雪晶，王勇. 基于CiteSpace的眾包物流領域英文文獻計量與知識圖譜分析[J]. 物流科技，2024，47（23）：62

-66.