城市智慧配送体系的发展动力和成熟度研究

朱一青，朱占峰，朱 耿

（1.武汉理工大学 管理学院，湖北 武汉 430070；2.宁波工程学院 经济管理学院，浙江 宁波 315211）

城市智慧配送体系的发展动力和成熟度研究

朱一青1，朱占峰2，朱 耿1

（1.武汉理工大学 管理学院，湖北 武汉 430070；2.宁波工程学院 经济管理学院，浙江 宁波 315211）

通过对城市智能配送及其发展指标体系研究的综述，剖析了城市智慧配送体系发展动力的基本框架，利用结构方程模型原理、量表开发、问卷分析和系统动力学理论，对城市智慧配送体系发展动力变量进行了关联度评价，构建了发展动力变量关联流模型，进而在发展动力指标体系的基础上，构建了城市智慧配送体系发展能力成熟度评价的定性和定量模型。

城市智慧配送；发展动力；成熟度

1 引言

我国经济正处于中高速持续发展时期，城市化进程正在不断加快，城市产业结构和管理模式正通过信息网络技术和知识管理由粗放式向集约式不断转变，社会化分工将越来越细，企业非核心竞争能力业务外包份额将不断增加，电子商务等新兴商业业态逐步被人们所青睐，城市配送市场呈现旺盛的需求，而末端物流“最后一公里”的瓶颈也更加凸显。随着社会的发展、分工的细化和城市的转型，城市智慧配送体系的构建已成为社会各界关注的焦点。2016年2月6日，《中共中央、国务院关于进一步加强城市规划建设管理工作的若干意见》出台，进一步强调加强智慧城市管理，推行智慧模式应用，建设智慧城市样板。这就将城市的智慧配送服务建设和管理提到了前所未有的高度。

欲在城市智慧配送供需之间实现科学对接，形成可管控的高效模式，推进物流配送手段的更新、城市物流资源的整合、配送运营效率的提高和物流配送成本的降低，进而助推第三方物流配送企业的转型升级，加速城市的智慧化运作，必须准确把握城市智慧配送体系的发展动因，科学评价其发展绩效，这将是本文要探索的根本问题。

2 城市智慧配送及其发展指标体系研究现状

关于城市智慧配送体系的研究，Hyeongjun等（2016）[1]研究城市配送最后一公里的行为动机，建立CEP配送模型。Stanis awIwan,Kinga Kijewska,Justyna Lemke等（2016）[2]为消除末端配送中的牛鞭效应，深入研究了信息共享和末端配送解决方案问题。Paola Cossu等（2016）[3]通过对合作、协调与协作强度的关注，研究了末端配送中的集成工具支持问题。Kuntal Bhattacharyya,Alfred L.Guiffrida（2015）[4]通过复杂技术视角，对末端配送的背景、计划和度量、运作关系等指标化处理，加强末端配送的协同和集成。C.Navarro,M.Roca-Riu,S.Furió,M.Estrada（2016）[5]通过构建能源、环境、资源节约于一体的新业务模式，深入研究了城市末端配送的敏捷化、协同化问题。J.H.R.van Duin,W.de Goffau,B.Wiegmans,L.A.Tavasszy,M.Saes（2016）[6]等通过历史统计数据的挖掘，展开了应用选址智能的研究。Wolf-RüdigerBretzke(2013)[7]展开了对城市物流的跨网络和跨企业合作的研究。F.Barzinpour&V.Esmaeili（2014）[8]以及A.Bozorgi-Amiri&M.Khorsi（2016）[9]则研究了城市多目标应急配送模型相关问题。黄敏芳（2009）[10]针对车辆路径方案智能求解系统的设计与实现，制定了相关优化方案，形成了智能优化体系；丁怡，王如龙等（2013）[11]建立了物流管理信息系统敏捷性评估CTRSPI模型；雷洪涛等（2015）[12]研究了智慧物流路径的优化问题；张学龙（2015）[13]利用理论研究与实证分析相结合的手法构建了精敏供应链系统；徐一鸣（2016）[14]基于大数据研究了敏捷物流运行系统；郝书池、姜燕宁（2016）[15]从意识自发、社会需求和利益驱动的视角剖析了城市智慧配送的发展动力机制；张小娟（2015）[16]则强调了智慧城市系统的战略维度、社会维度、经济维度、支撑维度和空间维度。汪鸣（2013）[17]站在城市宏观发展战略的视角，认为城市物流的发展不仅来自培育城市新的经济增长点的诉求，同时也来自于城市实现发展方式转变的战略布局。综合现有成果，针对智慧城市配送发展动力、发展绩效指数的研究还相对薄弱。

3 城市智慧配送体系的发展动力

3.1 发展动力构成

在“互联网+”和“中国制造2025”的大背景下，城市智慧配送体系建设进一步呈现巨大活力，发展动力更加强劲。总体分析，其发展动力主要来自三个大的方面：一是现代技术演进形成的技术支撑力；二是物流配送产业转型升级的市场驱动力；三是智慧城市建设发展的社会拉动力，如图1所示。在发展动因中，技术支撑力是基础，市场驱动力是内因，社会拉动力是外因，三者相互作用，推动了城市配送体系的健康发展。

图1 城市智慧配送体系发展动力构成示意图

3.2 发展动力指标

3.2.1 理论假设

（1）技术支撑力。技术系统是城市智慧配送体系的主要标志。技术子系统与现实末端配送活动紧密相关，在整个末端配送过程中，伴随着入/出库、理货、补货、流通加工、运输等功能作业环节，均需要相应的物流技术支撑其高效完成。技术系统水平的高低直接关系到城市智慧配送体系中各项功能的发挥，决定着整个体系的技术含量。因此，技术子系统是城市智慧配送体系运行水平先进与否主要标志。

技术系统是城市智慧配送体系的最核心要素。智慧配送旨在用信息化手段整合末端配送资源，构建基于互联网和移动互联网的末端物流配送体系。配送过程需要与智能交通系统对接，依据实时路况动态相应调整配送路线，对物流配送全流程进行监控，及时掌握所有库存货物所在位置。需要推动供应链网络中上下游节点间信息互通、联动发展、及时响应、精益生产、协同联动。智慧配送的每一个重要环节均离不开技术支撑。网络子系统与管理子系统随着技术子系统的升级而升级，因而，技术系统在城市智慧配送体系运行过程中具有基础地位。

技术支撑力贯穿多个环节，但最主要的体现在三个方面：一是以IOT、RFID、Bar Code等技术为核心的通用基础技术；二是以通信传输网络、金融结算平台、信息监管系统为主体公共平台技术；三是以订单处理系统、作业调控系统、仓储管理系统、线路优化系统等为主导的配送专项技术。

因此，本文假设：

H1：通用基础技术对城市智慧配送体系建设具有正相关影响；

H2：公共平台技术对城市智慧配送体系建设具有正相关影响；

H3：配送专项技术对城市智慧配送体系建设具有正相关影响。

（2）市场驱动力。随着经济的全球化发展，城市产业布局不断调整、现代消费方式也在不断变化、电子商务技术被广泛应用，使得小批量、多频次、时效性强的直接配送、“门到门”的个性化配送需求日益增长。在物联网、云平台、大数据等新信息技术手段相继推广应用的背景下，智慧配送体系的构建已引起了政府、行业、企业和消费个体的高度重视。尤其是随着电子商务模式的日新月异，B2B、B2C、B2M、O2O等迅速被商家热炒，与其虚拟运作相对应的实体配送如何实现智慧运行，如何在繁华拥堵的城市中提高用户的满意度，以强烈诉求智慧配送模式创新发展，推动城市物流配送产业的转型升级。

众多物流企业已领悟到城市智慧配送的市场演进趋势，并将能否融入到城市智慧配送体系视为判断自身能否成功转型的重要标志，市场竞争产生的动力驱使城市物流配送企业加速智慧化设施和相应条件建设。

市场驱动力作为智慧配送体系建设的内部动力，主要体现在：一是企业硬件建设的投入，包括节点基础设施建设的投入、仓储及运输设备的投入、网络运行及监控系统的投入；二是企业软件建设的投入，包括人员智慧技能的投入、信息挖掘利用的投入、企业智慧文化建设的投入。

所以，本文假设：

H4：智慧配送企业硬件建设对城市智慧配送体系建设具有正相关影响；

H5：智慧配送企业软件建设对城市智慧配送体系建设具有正相关影响。

（3）社会拉动力。城市智慧配送体系建设是在智慧城市建设这个大背景下产生和发展的。智慧城市建设的加速加大了对城市智慧配送体系构建的拉力，因为智慧配送是智慧城市的重要组成部分。一方面智慧城市建设为智慧配送营造了优秀的发展环境，另一方面智慧城市发展诉求智慧配送体系与之配套。

社会拉动力作为智慧配送体系建设的巨大外部动力，主要表现在：一是社会分工进一步细化的拉力，包含核心竞争力的张扬、工作绩效的提升、生活节拍的加快；二是社会文化相互融合的拉力，包括消费的个性化、居住的集聚化、竞争的供应链化；三是社会设施逐步完善的拉力，包括免费无线网络的覆盖、城市交通设施的通达、自助存取终端的推广。

所以，本文假设：

H6：社会分工细化的拉力对城市智慧配送体系建设具有正相关影响；

H7：社会文化融合的拉力对城市智慧配送体系建设具有正相关影响；

H8：社会设施完善的拉力对城市智慧配送体系建设具有正相关影响。

根据以上假设，构建城市智慧配送发展动力指标体系结构关系如图2所示。

图2 城市智慧配送体系发展动力指标体系理论模型

3.2.2 实证分析

（1）量表设计。图2理论模型中的研究变量均为潜变量，为便于直接测量，先在充分调研的基础上选择了相应的观测变量。为增强调查问卷的信度和效度，在初始问卷形成之后，先对智慧城市建设的示范城市中接触城市智慧配送较频繁的人群进行预测试，并根据相关反馈意见对问卷进行了相应修正。本研究的计分方式是李克特（Likert）五级量表法，“5”表示非常重要，“4”表示重要，“3”表示一般，“2”表示不重要，“1”表示非常不重要。各潜变量的测量维度见表1。

（2）数据收集。为保证数据的准确性，本调查于2016年7-8月份，选择了“中国制造2025”试点城市宁波，按区域和重点单位进行了问卷调查。共发放问卷596份，收回549份，问卷回收率为92.1%。经验收检查，发现填写不合规范、数值失真的问卷38份，问卷有效率93.6%，其有效问卷数目能够完全满足结构方程模型的相关要求。

（3）效度和信度检验。城市智慧配送发展动力指标体系的科学性直接关联到城市配送体系的建设绩效，进而关联着城市居民的工作和生活，因此，居民的态度和意见是城市智慧配送发展动力标准的最佳检验试金石。所以，本文可以选用α信度系数法（Cronbachα）检验信度。该方法的原理是，当α系数大于0.7时表示量表具有较高的信度。通过SPSS17.0对数据的内部一致性进行计算，其运算结果见表2，由于总量表和分量表的α值均在0.7以上，显示本次调查问卷具有可靠性。

表1 模型变量的测量维度

表2 问卷信度检验结果

图3 城市智慧配送体系发展动力指标体系的结构方程示意图

本文运用SPSS17.0对量表进行因子分析，量表整体KMO值为0.783，明显大于0.7，再进行Bartlett球体检验在P=0.000的水平上显著，这代表本问卷适合因子分析。本文设置特征值大于1，因子负荷小于0.5的约束条件，修正不恰当观测变量，进一步展开因子分析，由于每个观测变量的因子载荷均已大于0.5，这代表本问卷及其量表具有比较高的结构效度。

利用AMOS6.0软件，根据调研数值，可绘出城市智慧配送体系发展动力指标体系的结构方程路径如图3所示。

实证结果显示，表2中的8个潜变量和25个可测变量均与城市智慧体系的发展动力密切相关，在智慧配送体系构建过程中应引起物流配送企业、消费用户和社会监督管理部门的高度重视。

3.3 发展动力指标关联流模型

为了进一步理清城市智慧配送体系发展动力之间的互动关系，不妨借助系统动力学原理，构建发展动力指标的关联流模型，有利于配送企业、消费用户和社会突出重点，掌控关键环节。

（1）发展动力指标关联关系分析。在城市智慧配送体系发展动力指标体系中，设施支撑力是基础、市场驱动力是核心、社会拉动力是保障，三者之间有着深度的关联。大数据、云平台、“互联网+”等元素铸就了现代化信息平台，泛在感知技术、信息汇聚技术和精益计算技术赋予物联网技术巨大能量，追求总成本最低化、总库存最小化、总周期最短化形成了供应链管理的重大价值，它们分别通过系统集成、信息安全、编码标准和合作成本等元素的优势使城市智慧配送体系得以顺利运行。

在基础设施支撑下，通过信息技术推普、公共平台建设和配送专项技术的创新，促使城市智慧配送的动力逐步加大。随着物联网、车联网、无线射频、条码技术、通信网络、交易平台、结算平台、监控平台、大数据、多源信息融合、订单处理、作业调控、仓储管理、线路优化等一项项技术的推广应用，营造了城市智慧配送发展的优越技术环境。

在市场竞争驱动下，企业必须加大资源整合力度，提升市场占有率，强化自身的硬件设施和软件资源建设，加速企业的转型升级。增强市场驱动力的元素主要包含协同运作的供应链网络、仓储运输的联合决策、经营风险的共同防控、经营成本的科学分摊、作业人员的智能化培训、软件系统的加速研发、企业智慧文化的氛围营造，以及自动化的仓库建设、智能化的拣选配送作业设备、同步化的供应链网络节点等。

在智慧城市发展环境下，人们更加重视社会分工、社会文化和社会设施对智慧配送体系发展的影响。当今社会，企业更加重视核心竞争力的发挥和非核心业务的外包，行业分工越来越细化，管理者对工作效率越来越重视，用户生活的节拍也越来越快。消费的个性化、居住的小区化和综合体化形成的集聚化、社会竞争的供应链化，以及无线网络的免费覆盖、交通设施更加密集和畅通、自助存取终端走向普及推广等因素，增强了社会拉动力。

（2）发展动力指标关联流模型。借助系统动力学的建模软件Vensim5.9c，梳理城市智慧配送体系发展动力变量之间的一系列动力因果关系，可绘出城市智慧配送体系发展动力变量指标的关联流图，如图4所示。

图4 城市智慧配送体系发展动力变量指标的关联流图

4 城市智慧配送体系发展的成熟度

4.1 基本思路

城市智慧配送体系作为一种新形态，其发展动力研究以及实务提升尚在探索阶段，为了科学把握城市智慧配送体系的发展进程，有必要对发展体系的成熟度展开深入讨论。

关于发展成熟度的研究，人们可以从不同的视角组建体系，如吴焕新（2008）[18]在从多视角观察研究对象的基础上，试用子系统来组建发展成熟度评价指标体系。刘海明，谢志忠等（2010）[19]利用灰色关联度法建立了发展成熟度评价模型。目前，应用较多的方法还是以美国卡内基·梅隆大学软件工程研究所（CMU—SEI）构建的The Capability Maturity Model（简称CMM）软件能力成熟度模型为基础而发展起来得到[20]，闫秀霞（2005）[21]以此为基础构建了物流能力成熟度模型，刘明菲（2006）[22]构建了供应链环境下的物流服务能力成熟度模型，吴隽教授等（2009）[23]构建了第三方物流企业的服务能力成熟度模型,谢刚等（2015）[24]建立了客户关系管理系统信息质量管理成熟度等级模型。但是，由于城市智慧配送体系的构建刚刚起步，关于城市智慧配送体系发展成熟度模式的构建问题尚鲜有研究。

城市智慧配送体系发展成熟度研究旨在通过科学遴选一套衡量指标体系，对城市智慧配送体系发展能力进行比较、评价，使其逐步改善、提升，达到更高的成熟度，形成更具特色的智慧配送发展体系。

4.2 指标体系

城市智慧配送体系发展能力成熟度的衡量指标主要包括：通用基础技术支撑能力、公共平台服务能力、配送专项技术应用能力、智慧配送物流企业资源整合能力、自动化仓储运行能力、供应链网络节点同步协调能力、配送作业设备智能化运作能力、智慧配送企业人员素养提升能力、智能配送软件研发更新能力、智慧配送企业文化营造能力、城市社会非核心业务外包能力、社会工作绩效提升能力、生活节拍加快保障能力、社会对消费个性化的满足能力、城市居民的居住集聚能力、物流供应链参与竞争的能力、城市无线网络免费提供能力、交通运输设施畅通能力、自助终端存取应用能力等等。这些指标将分布在城市智慧配送体系发展能力成熟度的五个层级中，1级为初始级，2级为基本级，3级为定义级，4级为管理级，5级为优化级。如图5所示。

图5 城市智慧配送体系发展能力成熟度模型

其内涵可诠释如下：

（1）初始级。城市智慧配送体系创建初期，智慧城市通用基础设施逐步完备，公共服务平台建设逐步加强，智慧配送专项技术应用能力逐步提升。城市配送由传统模式走向智慧运行模式需要改变原有操作流程，一切均处在转制中，智慧物流配送能力呈上下波动状态。

（2）基本级。城市智慧配送体系开始形成，智慧配送物流企业资源整合能力得到加强，自动化仓储运行能力逐渐形成，供应链网络节点同步协调能力开始展现，配送作业设备智能化运作能力得到提升，城市智慧配送体系走向稳定。

（3）定义级。智慧配送企业人员素养迅速提升，智能配送软件研发更新能力明显加快，智慧配送企业文化营造能力得到进一步增强，城市智慧配送体系运行过程得到企业大多数员工的认同。

（4）管理级。城市社会非核心业务外包能力形成气候，全社会对工作绩效提升的追求得到认可，为生活节拍加快提供保障的愿望更加强烈，城市智慧配送体系受到全社会的普遍认同。

（5）优化级。社会追求对消费个性化的满足能力，城市居民的居住集聚能力更加强大，物流供应链与供应链间的竞争逐步取代单个企业间的竞争，城市无线网络免费提供能力进一步增强，交通运输设施的密度和畅通度提升，自助终端存取应用能力快速提升，城市智慧配送体系逐步优化。

为了有利于上述五个级别的提升，每一个级别（初始级除外）又可分解为三个层次，即关键过程域、关键实践类和关键实践，其结构如图6所示。

图6 城市智慧配送体系发展能力成熟度模型结构

初始级之外，每个成熟度等级均包含若干关键过程域，指明了末端创意配送若要达到该成熟度等级，必须按要求实施该等级的关键过程域的所有关键实践。每个关键过程域仅与特定的成熟度等级直接相关，它指明了每组的相关实践活动全部完成后时，就能实施关键过程目标。末端配送创意服务能力成熟度模型按等级排列的关键过程域如图7所示。

图7 城市智慧配送体系发展能力成熟度模型的关键过程域

4.3 评价模型

对于城市智慧配送体系发展能力的评价，可以按上述五个等级分别测评。考虑到城市智慧配送体系的发展现状，这里不妨以基本级、定义级和管理级三个层级进行。

现对所给定训练样本构造一个分类模型：

使对未知样本x进行分类时的错误概率最小。

其中，αi为Lagrange乘子，不为零的αi对应的样本为支持向量（Support Vector，SV），b是偏置，是SVM设计时需要确定的参数。公式（2）的学习方法也可以扩展到非线性空间。

设∅：X→F是输入空间X到特征空间F的非线性映射，则评价模型为：

则对于输入量x，其评价模型为：

其中，xi(i∈SV)为学习向量，SV为支持向量集合。

参数αi通过下面的二次凸规划问题求解确定：

其中，C为惩罚因子，不为0的αi对应的样本为支持向量。

把式（6）整理成以αi为变量的标准形式二次优化问题，就可以应用Matlab的优化工具箱求解。求出个αi后，即可得到w，并可根据全部支持向量得到b的平均值：

其中，Is为支持向量的个数。

由于SVM中引入了核函数而实现了非线性分类，同时在经验风险和函数集容量之间进行了折中，从而防止了过拟合，只需要较少的训练样本就可以获得较低的检测错误率。

应用上述模型，在确立一定的训练样本之后，经科学的数据筛选，即可对城市智慧配送子系统发展能力成熟度进行检测度量评价，其结果将为城市智慧配送体系的建设提供较为准确的依据。

5 结语

综合以上研究，可以得出：

（1）在“互联网+”和“中国制造2025”背景下，城市智慧配送体系的构建具有紧迫性。

（2）城市智慧配送体系的发展动力来自三个方面：一是智慧城市基础设施和物流配送专项技术形成的技术支撑力；二是城市物流配送企业追逐经营利润加速企业转型的市场内驱力；三是智慧城市建设社会转型升级诉求城市物流配送提供高水平服务的社会拉动力。

（3）城市智慧配送体系发展动力指标体系的可由三大类别8个潜变量和25个可测变量构成，经实证分析它们与城市智慧配送体系形成密切关联。

（4）城市智慧配送体系发展动力指标体系可以借助系统动力学原理予以诠释，并可用关联流图像来剖析出变量之间的关联关系。

（5）对城市智慧配送体系发展状态可以通过构建发展能力成熟度模型给出定性和定量评价，为政府、行业和企业推进城市智慧配送体系建设提供决策参考。

[1]Hyeongjun Park,Dongjoo Park,In-Jae Jeong.An effects analy-sis of logistics collaboration in last-mile networks for CEP delivery services[J].Transport Policy,2016,50(8):115-125.

[2]Stanis awIwan,Kinga Kijewska,Justyna Lemke.Analysis of Parcel Lockers’Efficiency as the Last Mile Delivery Solution-The Results of the Research in Poland[J].Transportation Research Procedia,2016,12(4):644-655.

[3]Paola Cossu.Clean Last Mile Transport and Logistics Management for Smart and Efficient Local Governments in Europe[J]. Transportation Research Procedia,2016,14(2):1 523-1 532.

[4]Kuntal Bhattacharyya,Alfred L.Guiffrida.An optimization framework for improving supplier delivery performance[J].Applied Mathematical Modelling,2105,39(13):3 771-3 784.

[5]C Navarro,M Roca-Riu,S Furió,M Estrada.Designing New Models for Energy Efficiency in Urban Freight Transport for Smart Cities and its Application to the Spanish Case[J]. Transportation Research Procedia,2016,12(2):288-300.

[6]J H R van Duin,W de Goffau,B Wiegmans,L A Tavasszy,M Saes.Improving Home Delivery Efficiency by Using Principles of Address Intelligence for B2C Deliveries[J].Transportation Research Procedia,2016,12(2):14-25.

[7]Wolf Rüdiger Bretzke.Global urbanization:a major challenge for logistics[J].Logist Res,2013,(6):57-62.

[8]F Barzinpour,V Esmaeili.A multi-objective relief chain location distribution model for urban disaster management[J].The International Journal of Advanced Manufacturing Technology, 2014,70:1 291-1 302.

[9]A Bozorgi Amiri,M Khorsi.A dynamic multi-objective location routing model for relief logistic planning under uncertainty on demand,travel time and cost parameters[J].The International Journal of Advanced Manufacturing Technology,2016,85:1 633-1 648.

[10]黄敏芳.物流配送车辆路径方案的智能生成方法研究[D].大连:大连理工大学,2009.

[11]丁怡,王如龙,张锦,鲁权.基于AHP的物流管理信息系统敏捷性评估研究[J].计算技术与自动化,2013,32(2):91-95.

[12]雷洪涛,等.物流配送路径优化与配送区域划分[M].北京:国防工业出版社,2015.

[13]张学龙.精敏供应链运作绩效理论和实证[M].北京:经济科学出版社,2015.

[14]徐一鸣.大数据驱动下的敏捷物流运行机制研究[J].物流科技,2016,39(1):28-30.

[15]郝书池,姜燕宁.发展区域智慧物流的长效机制探讨[J].商业经济研究,2016,(6):84-85.

[16]张小娟.智慧城市系统的要素、结构和模型研究[D].广州:华南理工大学,2015.

[17]汪鸣.城市物流的发展方向[J].物流技术与应用,2013,(1): 30-31.

[18]吴焕新.县域循环经济与产业协同发展成熟度评价指标体系研究[J].攀登,2008,(3):38-42.

[19]刘海明,谢志忠,黄初升,等.福建省区域经济产业协同发展成熟度评价分析[J].福建农林大学学报(哲学社会科学版), 2010,13(4):46-50.

[20]Paulk M C,Curtis B,ChrissisM B,et al.CapabilityMaturity Model Version1.1[J].IEEESoftware 1993,10(4):18-27.

[21]闫秀霞,孙林岩,王侃.物流能力成熟度模型研究[J].管理学报,2005,(9):551-554.

[22]刘明菲,汪义军.供应链环境下的物流服务能力成熟度研究[J].商业研究,2006,(21):63-65.

[23]吴隽,王兰义,李一军.第三方物流企业能力成熟度模型研究[J].中国软科学,2009,(11):139-145.

[24]谢刚,冯缨,李治文.大数据背景下客户信息质量管理成熟度模型[J].中国流通经济,2015,29(5):94-99.

Study on Development Force and Maturity of Urban Smart Distribution System

Zhu Yiqing1,Zhu Zhanfeng2,Zhu Geng1
(1.School of Management,Wuhan University of Technology,Wuhan 430070; 2.School of Economics&Management,Ningbo University of Technology,Ningbo 315211,China)

In this paper,through reviewing the literatures on urban smart distribution and its evaluation index system,we analyzed the basic framework of the forces driving the development of the urban smart distribution system,used a variety of methods to evaluate the correlativity of the variables of the driving forces,established the corresponding variable correlation flow model and then on such basis, established the qualitative and quantitative models for the evaluation of the development competence and maturity of the urban smart distribution system.

urban smart distribution;development force;maturity

F252.1

A

1005-152X(2016)11-0098-08

10.3969/j.issn.1005-152X.2016.11.022

2016-10-04

浙江省自然基金项目（LY16G020014）；中国物流与采购联合会基金项目（2013TAA006）

朱一青（1984-），武汉理工大学管理学院在读博士生，讲师，主要研究方向：物流与供应链管理；朱占峰（1962-），宁波工程学院经济与管理学院院长，博士，教授，博士生导师，主要研究方向：物流与供应链管理、区域城市规划；朱耿（1986-），武汉理工大学管理学院在读博士生，讲师，主要研究方向：物流与供应链管理、管理信息系统。