区域物流产业需求预测及发展趋势研究——以重庆市开县地区为例

成　琳，彭良涛，王锐淇

(1.重庆市能源职业学院，重庆　402247； 2.后勤工程学院，重庆　401331)



区域物流产业需求预测及发展趋势研究
——以重庆市开县地区为例

成琳1，彭良涛2，王锐淇2

(1.重庆市能源职业学院，重庆402247； 2.后勤工程学院，重庆401331)

摘要：以重庆市开县地区物流产业为例，以该区域2008—2014年物流产业基础数据作为主要分析对象，采用相关分析方法并借助数学工具，对其2015—2022年物流产业需求以及区域内分区物流产业发展趋势进行预测，得到具有一定实际经济意义的分析和预测结果。

关键词：区域经济；物流产业；需求预测；预测模型

本文引用格式：成琳，彭良涛，王锐淇.区域物流产业需求预测及发展趋势研究——以重庆市开县地区为例[J].重庆与世界，2016(6):15-22.

Citation format:CHENG Lin,PENG Liang-tao,WANG Rui-qi.Research to Prediction About Demands of Regional Logistics Industry and Devolopment Trend: Basing on the Kai County of Chongqing[J].The World and Chongqing,2016(6):15-22.

一、前言

随着我国经济结构的不断升级，现代物流行业已经成为了我国诸多产业中最具发展潜力，也是发展前景最优的行业，其发展直接影响到其他产业的持续发展能力。因此，全国各区域、各省市正不断加大对物流行业的引导和扶持力度。物流行业在高速发展过程中，除去大量的人力、财力成本投入外，还需要不断的智力投入对其具体发展轨迹进行规划，对资源进行统筹利用，对其发展方式进行进一步完善。

物流业的发展需要经验数据作为决策者未来进行产业结构调整和布局的依据，同时物流数据的预测也可为地区第一和第二产业的发展提供有力的经济数据支撑，在一定程度上为区域内各产业发展趋势提供决策支持。

重庆作为我国西部唯一的直辖市，近年来经济发展快速增长，尤其是 “一带一路”战略和建设长江经济带为促进长江黄金水道沿线综合立体交通走廊建设带来了新的机遇，交通建设全面提速，工业、商贸流通跻身西部地区前列[1-2]。重庆市开县与万州、城口、巫溪、云阳比邻，又与四川达州地区接壤，是渝东北地区进出四川、陕西的重要门户，处于川陕渝物流大通道的核心位置和长江经济带综合立体交通走廊的辐射区域[3]。独特的地理优势为开县发展现代物流产业提供了良好的机遇，同时其物流业的发展案例也具有一定区域代表性。开县在发展现代物流业的同时，与我国其他区域类似，需要对物流产业经验数据进行收集、整理，科学采用数理方法进行数据分析以及预测，从而对区域内物流业的进一步发展理清脉络。因此，本文将以开县物流产业为例，采用恰当的预测方法对该区域物流需求进行科学预测，从而得到具有支撑力的物流行业发展依据。其预测方法、分析过程与预测结果均可对全国其他区域的现代物流业发展起到借鉴作用。

二、国内外研究现状

国内外针对区域物流产业预测开展的研究较多，涉及的范围也较广。文献[4]提出了基于MLP神经网络的区域物流需求预测模型，为区域物流需求预测提供了一种新的思路和方法。文献[5]从区域物流需求预测内容、指标选择和预测方法三方面进行了系统研究。文献[6]建立了趋势曲线预测模型、回归预测模型及灰色预测模型的物流需求单项预测模型，并以重庆空港物流园为例进行应用。文献[7-8]针对LSSVM在物流需求预测中参数选择的随意性、耗时性等问题,将LSSVM与动态加速系数粒子群优化(DACPSO)算法结合,提出一种基于LSSVM-DACPSO的物流需求预测模型。文献[9]以云南省统计数据为基础，建立基于主成分回归方法的区域物流需求预测模型。文献[10]在现有研究的基础上，考虑到区域经济发展水平与区域物流需求的相关性，提出一种区域物流需求预测的GSO-GNNM模型。文献[11]运用支持向量回归曲线估计模型(SVR)对区域物流需求结构风险最小化原理进行了研究。文献[12]运用计量经济模型分析和预测北京物流总需求的分析，探讨了北京物流需求的影响因素。

从以上文献分析可以看出，现阶段对区域物流产业需求的预测往往停留在预先选择的固定方法上，在该种方法下再进行相关的分析内容细分。分析方法选择较为单一，通过比较后再进行分析与预测较少，且物流产业需求水平统计口径往往限于某一类社会经济统计量。此外，由于大部分的研究针对的是区域的整体物流需求预测，没有针对区域内部的经济特征分区特点，开展物流产业区域内分区差异性预测，造成预测结果针对区域内部各分区物流产业规划的可指导性下降。

三、研究思路及预测方法

本文主要针对开县地区的物流市场总额，以及公路与水路货运量两个重要的物流指标性数据进行区域物流产业需求的分析与预测，从而得到该地区的物流产业整体和细分发展趋势。在此基础上，根据区域内分区产业结构特征以及第三产业总体比重，得到物流区域内分区物流量预测结果，进而判断各分区物流产业发展趋势，为未来的区域内物流产业发展规划提供决策支持。

物流需求预测是以历年的统计资料为依据，用数理统计的方法对物流需求量的未来发展从数量上加以测算和分析。统计预测的方法有很多，具体方法要视实际情况而定，主要方法有：时间序列预测模型、线性回归预测模型、曲线估计回归预测模型以及灰色系统预测模型等[13-14]。本研究根据方法的特点和数据的走势主要采用了曲线估计回归预测模型和灰色系统预测模型。为了使预测结果尽可能反映现实情况，本文首先采用11种模型对数据进行回归拟合[15]，然后选择拟合程度最好的3种模型对数据的未来走势进行预测，达到互相检验、提高预测结果可靠性的目的，最后在3种预测结果基础上，采用综合平均的方法给出推荐的预测值。涉及到的数据处理及预测工具主要有：PASW Statistics 18.0；MATLAB R2010a。

四、区域物流市场总额预测

区域物流市场总额是衡量区域总体物流水平的主要经济指标，主要由区域物流业产值作为数据采集来源。开县2008年至2014年的物流业产值如表1所示。由表1可作出2008—2014年开县物流业产值的散点图，如图1所示。

表12008—2014年开县物流业产值万元

年份2008200920102011物流业产值41119488655943871966年份201220132014物流业产值91046109468128406

根据图1的数据走势，采用曲线估计模型[16-17]和灰色预测模型[18-19]对开县物流业产值进行曲线拟合。将年份视为自变量，物流业产值视为因变量，自变量取值1～7(2008年为基准年)，在PASW Statistics 18.0和MATLAB R2010a中对其进行分析，分析结果如表2所示。

图1　开县物流业产值趋势

由表2可知，拟合优度(R2)最高的两个模型分别为二次曲线和三次曲线模型，而复合、指数和增长模型的拟合程度相同，本文选用二次、三次和指数曲线模型作为预测模型。根据估计出的参数，很容易得到3种模型对2015—2022年开县物流业产值的预测结果，如表3和图2所示。

表2　模型汇总和参数估计值　万元

自变量为 YEAR,not periodic

表3　2015—2022年开县物流业产值预测值　万元

图2　2015—2022年开县物流业产值预测值

五、物流区域内分布量预测

除去以货币维度为基准的区域物流市场总额可作为区域物流水平的衡量标准外，区域的物流水平衡量还可以以实物为基准的物流相关行业货运量进行。由于开县目前没有机场和铁路，所以本文主要对开县区域的公路货运量以及水路货运量进行数据采集与预测。

(一)公路货运量预测

开县2008—2014年公路货运量如表4所示，其对应的散点图如图3所示。

表42008—2014年开县公路货运量万吨

年份2008200920102011公路货运量627659643587年份201220132014公路货运量78311051351

根据图3的数据走势，采用曲线估计模型和灰色预测模型对开县公路货运量进行曲线拟合。将年份视为自变量，公路货运量视为因变量，自变量取值1～7(2008年为基准年)，在PASW Statistics 18.0和MATLAB R2010a中对其进行分析，分析结果如表5所示。

图3　开县公路货运量趋势

由表5可知，拟合优度(R2)最高的两个模型分别为三次曲线和二次曲线模型，而复合、指数和增长模型的拟合程度相同，本文选用三次、二次和指数曲线模型作为预测模型。根据估计出的参数，很容易得到3种模型对2015—2022年开县公路货运量的预测结果，如表6和图4所示。

图4　2015—2022年开县公路货运量预测值

表5　模型汇总和参数估计值　万元

自变量为 YEAR,not periodic。

表6　2015—2022年开县公路货运量预测值　万元

(二)水路货运量预测

开县2008—2014年水路货运量如表7所示，对应的散点图如图5所示。

表72008—2014年开县水路货运量万吨

年份2008200920102011水路货运量18333542年份201220132014水路货运量6293114

根据图5的数据走势，采用曲线估计模型和灰色预测模型对开县公路货运量进行曲线拟合。将年份视为自变量，水路货运量视为因变量，自变量取值1～7(2008年为基准年)，在PASW Statistics 18.0和MATLAB R2010a中对其进行分析，分析结果如表8所示。

图5　开县水路货运量趋势

由表8知，拟合优度(R2)最高的两个模型分别为三次曲线和二次曲线模型，而复合、指数和增长模型的拟合程度相同，本文选用三次、二次和指数曲线模型作为预测模型。根据估计出的参数，很容易得到3种模型对2015—2022年开县水路货运量的预测结果，如表9和图6所示。

表8　模型汇总和参数估计值

表9　2015—2022年开县水路货运量预测值　万吨

图6　开县水路货运量预测值

六、分区物流量发展趋势分析

区域内部由于地理条件、产业分布等客观因素的不同，在物流基础以及发展轨迹上应重点考虑分区特征。因此，在制定具体物流规划时，有依据地进行分区制定，这样的物流规划才具有可操作性，其实施效果也更为明显。物流产业是国民经济第三产业的重要组成部分，其产值比重在第三产业中也日益增大，区域内分区物流产业产值预测可在物流总体产值的基础上，根据第三产业产值的分区占比来为依据进行。开县物产资源丰富，产业分布有序，具有明显的区域性。北部片区主要以农业、林业为主，中部片区主以工业、商贸业为主，南部片区目前主要以农业为主。各分区内部由于产业依托不同，对物流产业的发展需求也有较大差别，从而进一步影响产业分区规划。

(一)发展趋势分析思路

考虑地理位置及产业分布情况，将开县划分为北部片区、中部片区和南部片区三大区域，其中，北部片区包括：郭家镇、温泉镇、和谦镇、高桥镇、大进镇、敦好镇、河堰镇、白桥镇、谭家镇、白泉乡、关面乡、满月乡、麻柳乡、紫水乡；中部片区包括：镇东街道、丰乐街道、白鹤街道、汉丰街道、文峰街道、云枫街道、赵家街道、镇安镇、竹溪镇、渠口镇、厚坝镇、金峰镇、大德镇；南部片区包括：铁桥镇、南雅镇、义和镇、长沙镇、临江镇、中和镇、岳溪镇、南门镇、九龙山镇、天和镇、巫山镇、五通乡、三汇口乡。

随着经济社会的不断发展，三大片区物流总量的发展趋势必然会快速增长，这在物流分布量的预测中也有所体现。然而，各大片区之间的物流量比例关系如何，需要进一步深入分析，以为开县现代物流网络布局提供合理参考。本文对三大片区物流量的发展趋势的分析思路是：统计出2014年三大片区第三产业的产值，并计算三大片区各占全县第三产业产值的比重，以此作为三大片区2014年所占开县物流总量的比重(三大片区物流总额的比重与此比重相同)。由于年鉴中只有2014年各街道乡镇第三产业产值的数据，缺乏往年的历史数据，不足以预测2015—2022年各街道乡镇第三产业产值的情况，所以这里根据2014年三大片区物流量之间的比重，以及三大片区的产业布局和发展政策导向，来对三大片区未来几年物流量的发展趋势进行分析。

(二)发展趋势分析步骤

1.统计三大片区第三产业产值

三大分区第三产业的产值情况如表10所示，从表中可知，中部、北部、南部片区第三产业的产值为434 553万元、147 879万元、232 196万元，分别占开县第三产业的比重为53.35%、18.15%、28.50%。

表10　2014年三大分区第三产业产值　万元

2.计算开县2015—2022年物流预测总量

由于统计口径不同，区域物流总体产值统计量所计算的范围较大，所涉及行业交叉性较强，同时由于区域物流总体产值往往受到金融市场波动影响较大，其统计精度往往相对较弱。因此，本文不使用区域物流总体产值统计值作为物流预测总量数据来源，而采用与物流产业直接相关的运输行业货运量物流数据之和来作为预测基础数据来源。由于开县目前没有机场和铁路，所以将预测的公路和水路货运量之和作为开县的物流总量，如表11所示。

表11　2015—2022年开县物流量预测值　万吨

3.三大分区物流量发展趋势分析

依据三大片区所占开县第三产业的比重，计算三大片区2015、2018和2022年的物流量，结果如表12所示。

表12　2015—2022年三大片区物流量　万吨

从表12中可知，若仅仅以2015年三大片区的物流量比重来计算2022年三大片区的物流量(预测值)，中部将达到4 218.76万吨，北部和南部分别为1 425.25和2 253.69万吨。然而，根据开县目前的产业布局和规划情况，随着中部地区几大工业园区的建设完工，在未来几年的物流量必将大幅提升，其所占的比例也会进一步增长；而北部和南部随着几大农业园区尤其是浦里工业园区的进一步建设，其在未来几年的物流量也将会进一步增长。因此，我们可以粗略估计，到2022年中部片区的物流量将可能会达到5 000万吨万吨左右，而北部和南部片区将分别达到1 000万吨、2 000万吨左右。这说明在未来几年中部片区对现代物流业的要求极高，其次是南部和北部片区。所以，在完善开县现代物流网络布局时，需加大对中部地区物流基础设施的投入，在中部片区建设大型的现代物流基地，以满足不断增长的物流需求；同时要有序推进南部和北部地区的现代物流业的建设，打造符合南部和北部产业特色的现代物流园区，使三大片区现代物流业能够全面协调可持续发展，为开县经济的快速发展起到良好的物流支撑作用。

七、结束语

本文采用了曲线估计回归预测模型和灰色系统预测模型，通过PASW Statistics 18.0和Matlab R2010a数据处理及预测工具，结合相关数据对开县物流市场总额、公路货运量、水路货运量进行了预测。在预测数据的基础上，结合该区域内部各分区间第三产业的比重关系，对未来各分区的物流产业量进行预测，从而指导未来区域内的发展总体结构和侧重，为政府的决策者提供科学的决策依据。本文采用的区域总物流量预测方法以及区域内部分区物流量预测方法均可对我国其他区域内部物流产业发展研究与规划提供有益参考。

参考文献：

[1]何礼兵,谭凯鸣.重庆:助推“一带一路”和长江经济带融合发展[J].中国政协,2015(20):29-30.

[2]蔡春丽.“一带一路”的重庆实作:精准扮演好角色[J].今日重庆,2015(1):58-61.

[3]黎学东.从地理学角度分析开县旅游环境中存在的问题[J].大江周刊:论坛,2013(9):206.

[4]后锐,张毕西.基于MLP神经网络的区域物流需求预测方法及其应用[J].系统工程理论与实践,2005,25(12):43-47.

[5]何国华.区域物流需求预测及灰色预测模型的应用[J].北京交通大学学报(社会科学版),2008,7(1):33-37.

[6]杨波,吴涵.基于组合预测模型的物流园区物流需求预测——以重庆空港物流园为例[J].数学的实践与认识,2015(20):16-25.

[7]耿立艳,郭斌.基于LSSVM-DACPSO模型的物流需求预测[J].统计与决策,2015(14):78-81.

[8]耿立艳.基于GRA与KPCA的LSSVM物流需求预测[J].交通运输系统工程与信息,2015(1):137-142.

[9]彭湖,何民.基于主成分回归的区域物流需求预测研究——以云南省为例[J].交通运输研究,2015(3):60-65.

[10]伍星华.基于 GSO-GNNM模型的区域物流需求预测[J].科技管理研究,2015(11):212-216.

[11]QI F,YU D,HOLTKAMP B.A logistics demand forecasting model based on Grey neural network[C].Sixth International Conference on Natural Computation,ICNC 2010,Yantai,Shandong,China,10-12 August 2010,2010.

[12]LU Y R,JING F.Research on Grain Logistics Demand Forecasting Based on System Dynamics[C].CICTP 2012@sMultimodal Transportation Systems-Convenient,Safe,Cost-Effective,Efficient,2015.

[13]李梦.基于优化算法的物流预测方法与应用研究[D].北京：北京化工大学,2014.

[14]刘秉镰.基于价值量的物流需求分析与预测方法研究[J].中国软科学,2004(5):66-73.

[15]张振玉.基于逐步回归分析的上海城市物流需求研究[J].城市建设理论研究(电子版),2012(17).

[16]TOSTESON A N,BEGG C B.A general regression methodology for ROC curve estimation[J].Medical Decision Making An International Journal of the Society for Medical Decision Making,1988,8(3):204-215.

[17]GERGER S,WHITAKER R.Regularization-Free Principal Curve Estimation[J].Journal of Machine Learning Research,2013,14(3):1285-1302.

[18]WANG F X,ZHANG L S.Combination Gray Forecast Model Based on the Ant Colony Algorithm[J].Mathematics in Practice & Theory,2009,39(14):102-106.

[19]ZHOU Y.Application of Residual Error Gray Forecast Model on Logistics Demand Forecast[J].Railway Transport & Economy,2007.

(责任编辑周江川)

作者简介：成琳(1983—)，女，硕士研究生，研究方向：物流管理。

doi：10.13769/j.cnki.cn50-1011/d.2016.06.004

中图分类号：F061.5

文献标识码：A

文章编号：1007-7111(2016)06-0015-08

Research to Prediction About Demands of Regional Logistics Industry and Devolopment Trend: Basing on the Kai County of Chongqing

CHENG Lin1,PENG Liang-tao2,WANG Rui-qi2

(1.Chongqing Energy College,Chongqing 402247,China; 2.Chongqing Logistics Engineering University Chongqing 401331,China)

Abstract:The paper took logistics industry of Kai County as an example,and based on the datas of the regional logistics industry during 2008—2014 and using scientific related analysis and predicting tool to forcast demands and devolopment trend of this region during 2015—2022,the paper got some conclusions that have realistic economic meaning.

Key words:regional economy; logistics industry; demands prediction; prediction model