城市間快遞業(yè)務量組合預測與分析

榮文竽,申晨

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

從2014年起,我國快遞業(yè)務量連續(xù)8年保持世界第一,快遞企業(yè)承擔著越來越大的運輸壓力,應提前預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)務量相匹配,以提供高質(zhì)量的快遞運輸服務。Tang等[1]認為互聯(lián)網(wǎng)的普及和電子商務的興起是促使快遞業(yè)務量快速增長的主要原因。在預測快遞業(yè)務量時,陳疇鏞等[2]將電子商務環(huán)境和季節(jié)性特征因素納入建立的GM(1,N)ARIMA權重組合模型以提升預測精度;顧睿[3]建立了4個傳統(tǒng)預測模型,與4個機器學習模型進行比較并預測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,并通過BP神經(jīng)網(wǎng)絡和線性規(guī)律預測我國快遞業(yè)務量。陳旭[5]考慮多項貨運量影響因素,組合采用多種預測方法對區(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)務量預測,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)務量進行預測。為解決該問題,本文篩選出全國范圍內(nèi)快遞業(yè)務能力較強的主要城市,結(jié)合多項與快遞業(yè)務量相關的指標,構建組合預測模型,對未來城市間的快遞業(yè)務量進行預測。首先使用三次指數(shù)平滑法預測得到各城市的快遞業(yè)務總量;再使用主成分分析法確定城市的快遞業(yè)務能力綜合得分,并根據(jù)貿(mào)易引力模型計算城市間的快遞吸引強度;最終通過構建城市間快遞業(yè)務量組合預測模型,得到城市間的快遞業(yè)務量。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、快遞運輸相關產(chǎn)業(yè)布局、全國快遞運輸網(wǎng)絡結(jié)構優(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

預測城市間快遞業(yè)務量,首先選取得到國家運輸政策支持并且本身快遞業(yè)務能力較強的城市作為本文的研究對象,具體標準如下:

標準1:我國“八縱八橫”高鐵網(wǎng)所覆蓋的城市。

標準2:2010年交通運輸部規(guī)劃的全國性綜合交通樞紐城市。

標準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。

標準4:每個省份中快遞業(yè)務量最多的城市。

根據(jù)以上4個標準對全國范圍內(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

從預測的角度來看,應收集盡可能多的數(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)務量及2021年相關影響指標數(shù)據(jù)進行后續(xù)研究。快遞業(yè)務量通過查閱郵政管理局官網(wǎng)獲取,相關影響指標數(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)務總量預測

2.1 建立三次指數(shù)平滑法預測模型

為預測未來各城市間的快遞業(yè)務量,首先需要預測得到各城市的快遞業(yè)務總量。指數(shù)平滑法對短期時間序列的預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)務量曲線均呈非線性增長,以快遞業(yè)務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)務總量進行預測。

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軟件進行預測

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

表1 快遞業(yè)務總量預測誤差分析 %

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

2025年30個城市快遞業(yè)務總量為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)務總量預測值 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)務總量基礎上,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)務量進行科學合理地預測。

3.1 快遞業(yè)務能力綜合評分模型

影響城市快遞業(yè)務能力的指標較多,計算較為復雜且各指標間存在相關性,使用主成分分析法可降低計算難度并消除評價指標之間的相關影響,其基本原理是降維操作,以損失少量信息為前提,將初始的互相關聯(lián)的指標轉(zhuǎn)化為少數(shù)幾個互相獨立的綜合性指標,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)務綜合評分評價指標

主成分分析法使用的前提是各指標之間必須具有相關性,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的表達式:

(5)

(6)

(3)主成分指標線性回歸組合

構造綜合評價模型,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得分標準化,公式如下:

(7)

標準化后主成分1、2得分結(jié)果見表6。

表6 30個城市主成分1、2標準化得分

(4)快遞業(yè)務能力綜合得分

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)務能力綜合得分,綜合得分越高則證明該城市快遞業(yè)務能力越強。結(jié)果見表7。

表7 30個城市快遞業(yè)務能力綜合得分

此時快遞業(yè)務能力綜合得分與城市GDP、人均GDP等因素密切相關。由表6可知,北京、上海、重慶等城市的快遞業(yè)務能力相對較強,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)務聯(lián)系程度;Fi和Fj為城市i與城市j的快遞業(yè)務能力綜合得分;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)務量預測及分析

4.1 城市間快遞業(yè)務量預測

通過預測,得到了2025年30個城市的快遞業(yè)務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)構報告可知,異城快遞業(yè)務量占比為85%[9],由此建立城市間快遞業(yè)務量組合預測模型:

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)務量;δ為異城快遞業(yè)務量占比。

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

表9 2025年快遞業(yè)務量前10名的城市間的快遞業(yè)務量 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)遠多于其他城市,吸引了各城市大部分的快遞業(yè)務量,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)務量占比約為75%,占據(jù)了大部分的快遞市場,因此應優(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)務量占比

4.2 預測結(jié)果分析

對2025年30個城市的快遞業(yè)務總量及城市間快遞業(yè)務量進行預測,并分析統(tǒng)計得出的相應數(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)務預測總量為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)務量較多,快遞運輸網(wǎng)絡將呈現(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,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)務量占比可知,大部分的快遞業(yè)務發(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)務量的因素基礎上,基于三次指數(shù)平滑法、主成分分析法和貿(mào)易引力模型,構建了城市間快遞業(yè)務量的組合預測模型,具有較好的適用性。本文預測的結(jié)果可為我國快遞業(yè)發(fā)展、物流樞紐建設規(guī)劃以及各種運輸方式的運能安排提供數(shù)據(jù)基礎。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)務量的影響將會逐漸縮小,城市間的快遞業(yè)務量變化趨勢亦呈現(xiàn)差異。