基于货运量预测的物流园区用地规模研究

唐小鸿+晏永刚

摘 要：“一带一路”的战略背景，给物流业带来新的发展机遇的同时，也面临着巨大的挑战。物流园区作为物流业的载体，应充分发挥其高效配置物流资源的能力，提高物流运行效率，最大限度满足物流用地集约和节约化原则。为科学合理确定物流园区的用地规模，文章在建立遗传算法优化BP神经网络模型对货运量进行预测的基础上，改进了基于全社会物流总量的物流园区用地规模测算公式，提高了预测的精确度和操作的可行性，规避了传统参数法、时空消耗法等在物流园区用地规模预测上存在的局限性；并以重庆市为例，确定了重庆市2020年的物流园区用地规模需求，以期为“十三五”区域中长期物流规划及政府有关部门制定相关政策提供有益的参考借鉴。

关键词：物流园区；用地规模；GA-BP；货运量预测

中图分类号：F719 文献标识码：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

根据中国物流与采购联合会发布的《中国采购发展报告（2014）》显示，2013年我国社会物流总费用超过10万亿元，占GDP比重为18.0%，是美国8.5%的2倍有余，物流成本明显偏高。该报告表明物流运行效率低下仍然是影响资源配置效率和国民经济转型发展的重要瓶颈。2013年9月10日，中国国家主席习近平分别提出了建设“新丝绸之路经济带”和“21世纪海上丝绸之路”的战略构想。这一战略结合海陆布局，推进沿线交通建设，开创了跨地区跨国之间的新型合作，为我国物流业的发展提供了新的机遇。而物流园区作为现代物流的载体，在降低物流成本、提升企业生产效率、改善区域发展环境的同时也面临着许多规划不合理和盲目建设等问题，一定程度上阻碍了物流业的发展。因此，科学合理地规划建设物流园区是当前发展环境下的必然要求。

就物流园区用地规模的确定而言，目前国际上还没有一套成熟的确定物流园区规模的方法，部分专家学者在基于不同的理论和目标前提下提出了一些具体的预测模型。Weber[1]、Beckman[2]、Drener[3]等学者基于运筹学理论提出了物流用地预测模型。吴琳、沈德熙[4]根据济南市峨眉片区担山屯物流园区的主体定位，采用时空消耗法对其规划建设规模进行预测，以此指导具体的规划用地布局。周爱芳、周倩[5]（2014）在采用回归模型和增长系数法组合预测物流需求量的基础上，选择了参数法对湖南省的物流园区用地规模进行预测。孙焰、魏威、郑文家[6]（2014）则采用改进的参数法、时空消耗法和类比法分别对物流园区用地规模进行预测。综合对比以上3种预测方法，类比法的计算过于粗糙，预测结果偏差较大；时空消耗模型最大限度地考虑了物流园区和货物对时空资源的供需平衡，但面临参数变量过多，数据获取难度较大等问题，适用于物流发展水平较高等地区；参数法可以直接套用现有公式，易于量化，但该方法只适用于物流用地总规模已经确定的预测类型。为规避传统物流园区用地规模预测方法的局限性以及提高预测的准确性，文章通过建立GA-BP神经网络模型预测物流需求，结合重庆市物流发展特点对基于全社会物流总量的物流园区用地规模测算公式进行改进，运用该公式确定2020年重庆市物流园区用地规模，以期为“十三五”区域中长期物流规划以及制定相关物流政策提供决策参考。endprint

1 物流园区用地规模预测模型

1.1 基于GA-BP模型的物流需求预测

1.1.1 物流需求影响因素分析。物流需求是指在一定时期内，社会经济活动过程中对各种物品的运动状态在空间、时间、效率、质量等方面的要求[7]。经济与物流需求之间存在一种内在的、隐含的映射关系，可以用表达式（1）来抽象概括二者之间的内在决定和驱动关系：

物流需求预测是物流园区规模规划的前提条件，然而我国目前没有一个准确描述物流量的指标，物流需求量也没有一个明确的概念[8]。由于在物流服务能力能满足物流需求的条件下，一定时期内的货运量在一定程度上反映了该时间段内的物流总需求，因此文章以货运量指标作为输出信息进行分析。

物流园区用地的规模很大程度上受物流量大小的影响，而物流量大小又与多种因素有关。在其他因素不变的情况下，区域GDP、工业总产值、进出口总额均与物流量成正相关，物流量越大，物流用地规模总量越大[9]。同时全社会固定资产投资是反映固定资产规模和速度的综合指标，社会消费品零售总额是反映生活消费品市场的主要指标，它们都能在某种程度上反映经济快速发展下的物流市场状况。

1.1.2 GA-BP模型。BP神经网络是基于误差反向传播算法（BP算法）的多层前向神经网络，其拓扑结构由1个输入层、若干隐含层和1个输出层构成。BP神经网络良好的非线性逼近能力和对杂乱信息的综合处理能力，能在一定程度上与物流需求市场的研究难点相适应，适用于物流需求的预测。

遗传算法优化BP神经网络（GA-BP）就是运用遗传算法优化神经网络初始网络权值和阈值，把优化后的权值输入BP神经网络完成网络训练建立模型。它能够利用自己的全局搜索能力克服神经网络易陷入局部最优解以及收敛速度慢的缺陷，寻找最适合BP神经网络的参数和网络结构，在最短时间内得到全局最优解。

1.2 物流园区用地规模测算公式

2 实证研究——以重庆市为例

2.1 样本数据准备

文章选取的基本数据（如表1），为重庆市2005～2014年的相关经济指标，数据来自于《重庆市统计年鉴（2014）》和《2014年重庆市国民经济和社会发展统计公报》。根据数据，计算得出各指标在2005～2014年的年均增长率，并在假设增长率不变的条件下，得出2020年各指标的预测值（如表2）。

2.2 GA-BP模型预测物流需求

以表1中2005～2014年的区域GDPx（亿元）、工业总产值x（万元）、进出口总额x（万美元）、社会消费品零售总额x（万元）、全社会固定资产投资x（万元）数据作为输入信息，2005～2014年的货运量y（万吨）作为输出信息，以此为样本进行训练学习，然后将表2中的数据作为测试数据，预测2020年的货运量。

构建的GA-BP网络输入层有5个神经元，隐含层有9个神经元，输出层有1个神经元，输入层和隐含层的激活函数分别为tansig函数和purelin函数。训练函数选择trainbfg函数，因为使用该函数，不仅预测度精度高，收敛的速度也很快[13]。网络迭代次数为5 000，学习速率为0.3，训练目标为1.0e-10 。遗传算法的种族规模为50，进化代数为100，交叉概率为0.3，变异概率为0.1，程序在Matlab软件中实现。通过GA-BP神经网络进行训练，可以得到如下结果：

图1表明随着进化代数的不断增加，误差整体呈下降趋势并逐渐趋近于某一具体的值，由此可以推出，如果样本足够大，误差则随着进化可以降低到忽略不计。图2表明经过120次的训练，预测的误差值达到了目标范围。结果得到2020年的货运量为122 610万吨。

2.3 物流园区用地规模确定

2.3.1 物流园区效率e取值。文章采用2014～2015全球竞争力报告中的技术成熟度、教育与培训及基础设施3项指标（如表3）按其权重加权平均求和后的值来衡量物流园区的效率。

参照日本、德国的物流园区效率，得出我国在物流园区规划时e值可以取4.3～5.5，结合重庆市物流发展取得的长足进步，确定重庆市物流园区的效率e取中间值4.9。

2.3.2 第三方物流占物流市场比例

p。第三方物流市场占全社会物流市场的比例取值，根据胡宝雨[15]的研究经验，如果规划地区的经济发展较快，物流市场需求大，则p的取值略高于40%，否则p低于40%。同时据2013年11月26日商务部新闻办召开的“商贸物流”专题新闻发布会得知：我国第三方物流占物流市场比例不足25%。鉴于重庆市物流业的快速发展及其未来需求的扩大，确定重庆市第三方物流占物流市场比例取30%。

2.3.3 进入物流园区的比例α取值。根据现阶段研究成果表明，受到集聚性规模效益等的影响，第三方物流企业将集中进入物流园区发展，这既是市场竞争的要求，同时也与世界物流业的发展趋势相符合[16]。物流成本越低，物流服务越高效，规模经济越明显，α一般取值为60%～80%[17]。若当地市场化程度高、经济总量大、物流市场需求量大，则α在60%～80%取最大值，如珠三角、长三角等地区；反之，则在60%～80%取最小值[17]。根据重庆市物流发展实际，文章第三方物流业务进入物流园区的比例α取70%。

2.3.4 预留发展用地系数R取值。预留发展用地是为满足将来物流园区面积增大的需要而设置的用地，它会随着物流需求的增加而不断增长。R的确定需要综合考虑多方面情况，如经济的发展、企业物流成本控制程度、物流服务水平。赵叶[18]指出，根据发展原则，物流园区得提前设计远期预留区，规定其预留系数一般取值1.15。

2.3.5 修正系数ω取值。重庆处于“一带一路”和“长江经济带”的交汇节点，强大的区位优势将有力推动重庆市物流业的发展，政府也将持续制定一系列有助于物流业新的经济增长点的相关政策，因此ω确定为1.1。endprint

2.3.6 重庆市物流园区用地规模确定。将计算得到的货运量数据及确定的各参数值带入公式（3）中，得出2020年重庆市物流园区用地规模的预测值为66.47平方公里。

3 结束语

文章通过GA-BP模型的建立预测出重庆市区域范围内的货运量，并基于全社会物流总量的物流园区用地规模测算公式得出的2020年物流园区用地规模需求为重庆市合理确定物流园区用地规模具有较强的参考意义。相对于参数法和时空消耗法而言，该模型考虑的因素较为全面，避免了时空消耗模型过于微观且参数变量过多，数据获取困难等缺点，同时相对于参数法而言，该模型的预测精度较高。然而物流园区的规划涉及到方方面面的因素，文章所选择的输入值并不能完全体现物流的需求量，同时GA-BP模型虽然优化了BP模型的权值和阈值，增强了模型收敛的效果，但误差毕竟是不可避免的。综上所述，基于改进的物流园区用地规模预测方法具有较强的有效性和适应性，可为区域中长期物流规划及物流政策制定提供有益的理论参考和方法借鉴。

参考文献：

[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] 吴琳，沈德熙. 城市规划视野下的物流园区规模预测——以济南市为例[J]. 现代城市研究，2009（7）：33-38.

[5] 周爱芳，周倩. 基于参数法对湖南省物流园区用地规模的预测[J]. 衡阳师范学院学报，2014，35（3）：94-97.

[6] 孙焰，魏威，郑文家. 物流园区用地规模计算方法研究[J]. 物流科技，2014，37（6）：72-76.

[7] 张婷婷. 以物流需求为导向的物流园区用地规模研究[D]. 西安：长安大学（硕士学位论文），2011.

[8] 董小宁. 广饶县物流园区规模研究[D]. 北京：北京交通大学（硕士学位论文），2013.

[9] 余浩辉. 区域物流用地规模预测研究[D]. 上海：上海交通大学（硕士学位论文），2011.

[10] 张艳霞，张倩. 物流园区用地规模测算方法研究[J]. 上海管理科学，2012，34（1）：12-14.

[11] 重庆市统计局. 重庆市统计年鉴（2014）[EB/OL]. （2014-05-23）[2015-05-21]. http：//www.cqtj.gov.cn/html/tjsj/tjnj/14/05/7082.html.

[12] 重庆市统计局. 2014年重庆市国民经济和社会发展统计公报[EB/OL]. （2015-03-16）[2015-05-21]. http：//www.cqtj.gov.cn/html/tjsj/tjgb/15/03/7345.html.

[13] 姚俊. 基于遗传算法和BP神经网络的建设用地规模预测研究——以长株潭城市群为例[D]. 长沙：湖南农业大学（硕士学位论文），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] 胡宝雨. 物流园区规模确定及选址方案评价[D]. 大连：大连理工大学（硕士学位论文），2012.

[16] 周爱芳，周倩. 基于参数法对湖南省物流园区用地规模的预测[J]. 衡阳师范学院学报，2014，35（3）：94-97.

[17] 姚舜，衣保中. 吉林省区域物流节点建设规模预测分析[J]. 管理世界，2011（7）：175-176.

[18] 赵叶. 沧州渤海新区综合保税区用地规模研究[D]. 大连：大连海事大学（硕士学位论文），2014.endprint