基于二元回歸的油耗預(yù)測(cè)
——以涼山州煙草物流為例

何 實(shí)，徐 偉，劉 凡，楊龍華，張明聰，何星星

（1.四川省煙草公司涼山州公司，四川 涼山 615000；2.中國(guó)煙草總公司四川省公司，四川 成都 610017；3.西華大學(xué) 管理學(xué)院，四川 成都 610039）

0 引 言

為了實(shí)現(xiàn)人類與自然的和諧相處，國(guó)家領(lǐng)導(dǎo)人提出了碳達(dá)峰碳中和的戰(zhàn)略目標(biāo)，積極踐行人類命運(yùn)共同體的美好愿景。碳達(dá)峰碳中和的實(shí)現(xiàn)是一項(xiàng)艱苦卓絕的工程，涉及管理方法與路徑的更換、落后產(chǎn)能的淘汰、原本賴以維繼的流程突然消失等問(wèn)題，對(duì)國(guó)家、人民、企業(yè)而言是非常大的挑戰(zhàn)。但過(guò)程雖然艱苦，結(jié)果卻是全人類受益，所以不管是企業(yè)還是個(gè)體都應(yīng)積極加入人與自然和諧發(fā)展這一歷史進(jìn)程中，國(guó)企更是責(zé)無(wú)旁貸。

1 油耗預(yù)測(cè)有關(guān)研究

燃油消耗對(duì)環(huán)境的影響非常直觀，無(wú)論是汽車、輪船，還是民航客機(jī)等[1-3]，這些運(yùn)載工具在工作過(guò)程中都需要消耗大量的燃油，持續(xù)不斷地向人們居住、工作、娛樂等場(chǎng)所排放碳化物、硫化物等廢氣廢液[4-6]。為了降低其對(duì)人們的影響，各個(gè)國(guó)家不斷地優(yōu)化技術(shù)以降低燃油的消耗，同時(shí)各領(lǐng)域相關(guān)研究人員積極創(chuàng)建各種模型用于預(yù)測(cè)燃油消耗，以幫助相關(guān)組織、企業(yè)清晰了解油耗的影響因素及影響程度，有效降低油耗，實(shí)現(xiàn)節(jié)能減排的目標(biāo)，體現(xiàn)其社會(huì)擔(dān)當(dāng)。

牟小輝等[7]指出影響船舶油耗的因素有風(fēng)速、水向、水深等，使用改進(jìn)型隨機(jī)森林模型，利用偏相關(guān)分析方法，可以確定各影響要素與油耗之間的相關(guān)性排序。陳靜杰等[8]指出民航油耗各參數(shù)之間存在非線性相關(guān)關(guān)系，采用離散化的方式處理數(shù)據(jù)，得到了油耗預(yù)測(cè)較高的可靠性。何永明等[9]研究高速公路瞬時(shí)油耗，發(fā)現(xiàn)當(dāng)速度超過(guò)120公里/時(shí)的時(shí)候，油耗增加比率大于速度增加比率。洪耀球[10]通過(guò)對(duì)比多種油耗模型，證實(shí)多元回歸模型可較好地預(yù)測(cè)船舶油耗。管俊宇等[11]采用灰箱模型建立了船舶的油耗預(yù)測(cè)模型，用于實(shí)現(xiàn)節(jié)能減排。

關(guān)于油耗預(yù)測(cè)的研究持續(xù)時(shí)間較長(zhǎng)，從相關(guān)研究來(lái)看，汽車、輪船、民航是研究的重要對(duì)象，而關(guān)于油耗預(yù)測(cè)的模型也多種多樣，多是基于研究人員所處行業(yè)展開研究，提出了各自的研究模型，豐富了國(guó)內(nèi)油耗預(yù)測(cè)的理論研究。近十年來(lái)隨著電商行業(yè)的飛速發(fā)展，物流的重要性愈發(fā)體現(xiàn)出來(lái)，尤其京東、順豐等大型物流平臺(tái)提出次日達(dá)、當(dāng)日達(dá)的目標(biāo)后，便開始不斷改進(jìn)相關(guān)設(shè)施，使物流行業(yè)愈加繁榮，但也導(dǎo)致整個(gè)行業(yè)對(duì)燃油的需求迅速攀升。煙草物流作為物流行業(yè)的一個(gè)分支，與其他行業(yè)一樣，為了更好地滿足客戶需求，通過(guò)設(shè)施設(shè)備改造，不斷提升其配送效率，提出了煙草貨物當(dāng)日達(dá)、次日達(dá)、最遲收貨日等目標(biāo)。同時(shí)作為重要的國(guó)有企業(yè)，煙草行業(yè)必須積極實(shí)現(xiàn)“雙碳”目標(biāo)，因此既要滿足配送高要求又要踐行國(guó)企社會(huì)擔(dān)當(dāng)，對(duì)煙草物流來(lái)說(shuō)是不小的挑戰(zhàn)。

2 涼山煙草物流油耗現(xiàn)狀

當(dāng)前國(guó)家提出了碳中和碳達(dá)峰的發(fā)展戰(zhàn)略，這一戰(zhàn)略指引著整個(gè)國(guó)家的經(jīng)濟(jì)發(fā)展方向、資源配置要求、轉(zhuǎn)型升級(jí)的發(fā)展路徑，作為國(guó)有企業(yè)的一份子，煙草物流也應(yīng)積極踐行國(guó)家戰(zhàn)略。配送是物流核心的環(huán)節(jié)之一，使用的主要工具是燃油車和新能源汽車。涼山的地理環(huán)境與客戶所在的地理位置等因素，使得當(dāng)前涼山煙草物流只能使用燃油車進(jìn)行配送，因此每個(gè)月需要消耗數(shù)千升油。作為國(guó)家戰(zhàn)略的重要推手，降低配送環(huán)節(jié)的碳排放，即降低汽油、柴油消耗，涼山煙草物流中心當(dāng)仁不讓。為了積極推進(jìn)碳達(dá)峰碳中和的國(guó)家戰(zhàn)略，掌握當(dāng)前涼山州物流中心汽油、柴油消耗規(guī)律，預(yù)測(cè)未來(lái)消耗量，是一件基礎(chǔ)而意義重大的任務(wù)。

2.1 配送模式

物流的配送環(huán)節(jié)可分為直配與中轉(zhuǎn)配兩類，核心職能是終端配送，也就是把訂單交至客戶手中。所謂直配，就是由煙草物流中心直接將客戶需求訂單配送至零售戶手中，配送范圍包括西昌市區(qū)及市郊區(qū)。中轉(zhuǎn)配，即通過(guò)中轉(zhuǎn)站或中轉(zhuǎn)點(diǎn)將訂單配送至零售戶手中。由于涼山州面積很大，在不少縣、鎮(zhèn)配送后不能當(dāng)天返回物流中心，所以在當(dāng)?shù)卦O(shè)置了中轉(zhuǎn)點(diǎn)、中轉(zhuǎn)站，由其負(fù)責(zé)配送訂單至零售戶手中。中轉(zhuǎn)配送包括兩次配送，首先，根據(jù)系統(tǒng)訂單裝中轉(zhuǎn)車，再配送至需求中轉(zhuǎn)點(diǎn)，也就是說(shuō)從物流中心配送至中轉(zhuǎn)站，中轉(zhuǎn)車再返回物流中心。其次中轉(zhuǎn)站接受中轉(zhuǎn)車配送卷煙后，根據(jù)訂單進(jìn)行二次轉(zhuǎn)車，最終配送到零售戶手中。

2.2 配送車輛配置

如表1所示，共有7個(gè)品牌的終端配送車輛，每個(gè)品牌配送總?cè)萘恳哺鞑幌嗤Ｌ厝?、依維柯、五十鈴是數(shù)量最多的品牌車輛。從容量數(shù)據(jù)看，福特全順配送總?cè)萘孔罡哌_(dá)到7 548.69m3，排名第二是依維柯，配送總?cè)萘繛? 455.36 m3，排名第三為五十鈴，配送總?cè)萘繛? 598.33m3。除去這些主要車輛外，還有干線配送車輛，即從物流中心向各中轉(zhuǎn)站配送卷煙訂單，因?yàn)椴捎谜\車運(yùn)輸，其單車容積與終端配送車單車容積相差較大。

表1 涼山配送車輛型號(hào)

此外，依據(jù)車輛所有權(quán)歸屬問(wèn)題可將配送方式分為自配與外包兩種：自配即所有權(quán)歸屬于物流中心和中轉(zhuǎn)站；外包即車輛為第三方專業(yè)的配送公司。物流中心通過(guò)與第三方簽訂配送合同，商定配送數(shù)量、配送時(shí)間、配送價(jià)格等要素，降低配送壓力。雖然外包一定程度上降低了配送過(guò)程中的控制力度，但是相比之下配送效率更高、配送成本更低，外包優(yōu)勢(shì)明顯。

2.3 配送線路

如上所述，涼山州分為直配與中轉(zhuǎn)配兩種配送模式，每種模式下因?qū)?yīng)區(qū)域的面積、地理?xiàng)l件、道路水平、客戶數(shù)量存在差異，導(dǎo)致對(duì)應(yīng)的線路數(shù)量也有著較大差異。目前直配共有74條配送線路，中轉(zhuǎn)配送有108條線路，直配與中轉(zhuǎn)線路相比，直配區(qū)域集中在西昌市及近郊，客戶相對(duì)集中且數(shù)量多，因此配送線路比中轉(zhuǎn)配線路更加復(fù)雜。影響配送線路的主要因素之一是每天客戶需求差異大，而且客戶位置變化也大；二是中轉(zhuǎn)配送主要在涼山州其余區(qū)縣，占地面積大、山路多、人口相對(duì)較少，因此路線設(shè)計(jì)較為簡(jiǎn)單，這兩個(gè)因素使得直配與中轉(zhuǎn)線路數(shù)量存在較大的差異。

2.4 油料消耗

從油耗來(lái)看，目前主要使用的是汽油和柴油兩大類，近5年油耗數(shù)據(jù)如圖1所示。從圖1中可以看出，2017—2021年每年配送里程有較大的差異，且油耗與配送里程明顯正相關(guān)。具體來(lái)看2017年配送里程數(shù)最大，油耗也最高，而2019年配送里程最短，油耗也最低。也就是說(shuō)通過(guò)觀察油耗與配送里程發(fā)現(xiàn)，二者之間高度相關(guān)。

圖1 2017—2021 年油耗消耗趨勢(shì)圖

每年制定下一年的油料預(yù)算采取算術(shù)平均的預(yù)測(cè)方式，即用上一年的平均油耗，作為下一年的消耗標(biāo)準(zhǔn)，再乘以預(yù)估的里程，得出油料預(yù)算值。

此外，不管是外包還是自配，油耗費(fèi)用、車輛保養(yǎng)、維修等費(fèi)用結(jié)算方式都一致，皆采取實(shí)報(bào)實(shí)銷的形式，憑發(fā)票報(bào)銷車輛工作過(guò)程中產(chǎn)生的費(fèi)用。

3 油耗預(yù)測(cè)存在的問(wèn)題

3.1 預(yù)測(cè)模型科學(xué)性不足

目前采用的預(yù)測(cè)方式的核心是由上一年度平均值與相關(guān)管理人員依據(jù)歷史消耗數(shù)據(jù)的經(jīng)驗(yàn)得出，從歷史預(yù)測(cè)結(jié)果來(lái)看，多數(shù)情況預(yù)測(cè)誤差相對(duì)較大也是因?yàn)樵陬A(yù)測(cè)過(guò)程中預(yù)測(cè)的不是油耗，而是以費(fèi)用為預(yù)測(cè)對(duì)象，因此誤差明顯會(huì)更大。因?yàn)橛蛢r(jià)波動(dòng)性大，時(shí)漲時(shí)跌，到底采取哪一個(gè)油價(jià)作為油耗費(fèi)用的計(jì)價(jià)標(biāo)準(zhǔn)更準(zhǔn)確，各物流中心莫衷一是。

3.2 油耗預(yù)測(cè)不準(zhǔn)確

用算數(shù)平均值數(shù)據(jù)預(yù)測(cè)下一年的油耗預(yù)測(cè)值誤差較大，從2017—2021年5年的里程數(shù)據(jù)來(lái)看，每年都存在明顯的差異。通過(guò)分析涼山州客戶數(shù)量的變化、年銷售量的變化，可知變化幅度相對(duì)較小，由此可以推斷涼山州每年的配送總里程大致相當(dāng)，但是從實(shí)際配送數(shù)據(jù)來(lái)看，每年的配送里程差異明顯，說(shuō)明如果使用上一年平均值×下一年預(yù)估配送里程作為預(yù)算值，會(huì)產(chǎn)生非常大的誤差，造成油料預(yù)測(cè)結(jié)果的不準(zhǔn)確。

4 基于回歸分析的油耗模型構(gòu)建

回歸分析用于研究?jī)深愖兞渴欠翊嬖诰€性關(guān)系，通過(guò)計(jì)算R系數(shù)值，判定兩類變量之間關(guān)系的強(qiáng)弱程度，相關(guān)系數(shù)取值范圍介于-1～1之間。當(dāng)R絕對(duì)值取值位于0.8～1之間，表明變量之間是強(qiáng)相關(guān)；若絕對(duì)值取值在0.5～0.8之間是中相關(guān)；絕對(duì)值取值范圍在0～0.5之間，表明變量為弱相關(guān)。

4.1 模型影響因素

第一，眾所周知，油耗與配送里程高度相關(guān)，因此配送里程是油耗模型非常重要的一個(gè)影響因素；第二，配送車輛自身屬性，如排氣量、載重、自重等；第三，路況，高速公路、省道、縣道修建規(guī)格上的差異，以及車輛往來(lái)的數(shù)量，都是路況的組成部分，不同路況的油耗差異明顯；第四，氣候條件及溫度差異，對(duì)油耗也有明顯的影響，涼山州海拔與成都相差不大，所以氣壓與溫度對(duì)油耗差異的影響不大，因此忽略該因素帶來(lái)的影響；第五，銷量與車輛數(shù)量呈正相關(guān)，銷量越高車輛越多，反之亦然；第六，客戶數(shù)量尤其是客戶分布對(duì)于油耗影響很大，如果客戶分布集中，那么此區(qū)域油耗就較低，如果呈現(xiàn)廣而散的分布，則油耗就高。

通過(guò)分析影響油耗的因素發(fā)現(xiàn)，車輛屬性、路況、銷量、客戶數(shù)量及分布最終都可以通過(guò)配送里程體現(xiàn)出來(lái)。排氣量高、自重大，且載重與銷量存在緊密關(guān)系，因此同樣的路程油耗更高；路況的好與壞、客戶的數(shù)量和分布與路程息息相關(guān)，是里程的核心組成部分。因此在列舉了多種影響因素后，可以發(fā)現(xiàn)最終應(yīng)該把多要素聚類為行駛里程與銷量關(guān)鍵要素，因此油耗預(yù)測(cè)模型可以將油耗作為因變量，行駛里程、銷量作為自變量，通過(guò)回歸分析，建立配送里程與油耗之間的函數(shù)關(guān)系。

4.2 模型構(gòu)建

4.2.1 數(shù)據(jù)選取

上述分析指出，行駛里程是關(guān)鍵的影響變量，因此選取涼山州2017—2021年5年的數(shù)據(jù)，共60個(gè)月的行駛里程數(shù)據(jù)與油耗數(shù)據(jù)，構(gòu)成2*60的數(shù)據(jù)分析矩陣，確保數(shù)據(jù)的充足性，若是數(shù)據(jù)量不足，再適度予以補(bǔ)充。

4.2.2 模型參數(shù)檢驗(yàn)

使用SPSS，將涼山州近5年油耗數(shù)據(jù)進(jìn)行線性回歸分析，其分析結(jié)果如下（此處油耗不是費(fèi)用數(shù)據(jù)，而是燃油的消耗數(shù)量）。

模型構(gòu)建過(guò)程中，采用輸入的方法，將月銷量、配送月總里程全部輸入作為自變量，沒有刪除的變量，通過(guò)計(jì)算構(gòu)成多元線性回歸模型1，如表2所示。

表2 變量輸入/除去表

如表3所示，計(jì)算出調(diào)整后的R2=1，說(shuō)明油耗和路程、月銷量完全正相關(guān)。分析ANOVA表檢驗(yàn)結(jié)果，也證明油耗與路程之間呈完全正相關(guān)。如表4所示，回歸平方和與總計(jì)平方和相等，都為129 284 622.500，殘差平方和為0，表明回歸平方和能夠完全解釋自變量與因變量之間的關(guān)系。

表3 相關(guān)系數(shù)表

4.2.3 多元回歸模型

原假設(shè)：配送月總里程、月銷量與油耗不顯著相關(guān)；備選假設(shè)：配送月總里程、月銷量與油耗顯著相關(guān)。

如表5所示，常量、配送月總里程、月銷量在95%置信區(qū)間，其顯著性值P=0，因此拒絕原假設(shè)，接受備選假設(shè)，即配送月總里程、月銷量與油耗顯著相關(guān)，與R2=1顯著正相關(guān)的結(jié)論一致。

表5 模型系數(shù)表

如表5所示，油耗多元線性回歸模型中，常量值=-2.400E-6，配送路線月總里程系數(shù)=0.140，月銷量系數(shù)=7.269E-11，意味著油耗=（-2.400E-6）+0.14*配送月總里程+（7.269E-11）*月銷量。膨脹因子VIF=1.389，表明常量與配送里程之間不存在線性相關(guān)關(guān)系，變量與變量之間的影響較小，用此模型預(yù)測(cè)未來(lái)燃油消耗的準(zhǔn)確性高。

5 模型應(yīng)用

使用多元回歸分析方法構(gòu)建涼山州的油耗模型，首先可以預(yù)測(cè)未來(lái)油耗，尤其是相關(guān)系數(shù)R=1，屬于完全正相關(guān)，預(yù)測(cè)精度非常高。通過(guò)未來(lái)幾年的銷量預(yù)測(cè)，與2020年、2021年銷量相差不大，而且客戶數(shù)量相對(duì)穩(wěn)定，意味著配送范圍不會(huì)出現(xiàn)大幅度波動(dòng)，配送里程變化也不會(huì)太大，因此可以做到較精準(zhǔn)的預(yù)測(cè)。其次，預(yù)測(cè)可以精準(zhǔn)至每個(gè)月，因此可以將實(shí)際消耗與預(yù)測(cè)消耗進(jìn)行對(duì)比，評(píng)價(jià)配送過(guò)程中的油耗，并且通過(guò)預(yù)測(cè)數(shù)據(jù)加大對(duì)外包方的控制力度，進(jìn)一步提升配送效率；同時(shí)，還可以通過(guò)油耗預(yù)測(cè)數(shù)據(jù)，分析配送過(guò)程中不同路線、不同時(shí)期的油耗，做到內(nèi)在對(duì)比，外在比優(yōu)，指導(dǎo)降低油耗，實(shí)現(xiàn)節(jié)能環(huán)保的戰(zhàn)略目標(biāo)。

6 研究結(jié)論與不足

配送里程與油耗本就正相關(guān)，只是相關(guān)性大小不得而知，如果道路狀況特別復(fù)雜，那么相關(guān)性計(jì)算難度就會(huì)隨之提升，因而本文通過(guò)搜集涼山州5年共60個(gè)月的配送里程數(shù)據(jù)以及每個(gè)月的實(shí)際銷量，構(gòu)建了油耗預(yù)測(cè)回歸模型。該模型可預(yù)測(cè)涼山州的油料消耗，不僅優(yōu)化了油料消耗，還提高了油耗預(yù)測(cè)精度。如果其他市采用同樣的方法預(yù)測(cè)油耗，只有變化較小，才能獲得相對(duì)準(zhǔn)確的結(jié)果。

本研究還有許多需要改進(jìn)優(yōu)化的地方，比如在研究過(guò)程中，為了更好地體現(xiàn)不同路程對(duì)油耗的影響，應(yīng)將直配與中轉(zhuǎn)配的路程分開研究。直配區(qū)域地勢(shì)平緩，客戶集中；而中轉(zhuǎn)配區(qū)域山高路遠(yuǎn)，與直配區(qū)域有顯著差異，若二者出現(xiàn)變化，將導(dǎo)致油耗模型發(fā)生變化，預(yù)測(cè)結(jié)果出現(xiàn)較大偏差，油耗優(yōu)化價(jià)值降低，更談不上降低碳排放了，因此還需要進(jìn)一步研究地理環(huán)境限制對(duì)油耗的影響，并有效降低碳排放。同時(shí)，本文基于涼山州的配送數(shù)據(jù)進(jìn)行分析，眾所周知涼山州的地理地貌比其他市州要復(fù)雜得多，既有平原又有高山，中轉(zhuǎn)配送的地理環(huán)境更加復(fù)雜，這些影響配送里程的基礎(chǔ)要素差異大，使得涼山州的模型適用范圍十分有限，很難推廣至其他市，但是如果存在與涼山州相似的地理狀況，那么借鑒意義將隨之增強(qiáng)。