生鲜蔬菜产地滞销预测模型与应用
2018-03-12陈祥云
陈 军， 陈祥云
(重庆交通大学经济与管理学院，重庆 400074)
我国农产品滞销事件几乎年年发生。2010年海南琼海辣椒严重滞销震惊国务院，温家宝批示商务部紧急化解。2012—2014年间，山东大白菜、内蒙古马铃薯、两湖结球甘蓝、四川萝卜等相继滞销。农产品滞销问题不仅没能得到有效遏制，反而呈现出多发、频发态势，已经从早年的区域性问题演化为当前全国性问题。如何化解这一难题，学术界和实业界均在积极探索。农产品滞销缘于供需失衡，其中包含2层含义：一是产能(产量)的绝对过剩，因种植面积过大造成；二是在某个时间段内的集聚数量绝对过剩，因流通网络堵塞造成。第二层含义类似于交通拥堵，如上班高峰期，同向车辆聚集于某一路段，而农产品集中上市也会造成多产地同质产品在一个时间段内大量涌向批发商或批发市场。因此，交通拥堵疏通的相关理论对于解决农产品滞销问题具有重要的参考借鉴价值。
目前，我国以批发市场为核心的农产品流通主渠道分担的流通总量超过80%，因此，产地过剩存量不可能通过逾越作为分销网络关键节点的中间商进行大规模疏散。解决滞销主要采取2种方法：一是依靠行政手段，如通过兴建仓库或者食品银行，缓冲集中上市压力[1]；组织主销区与主产区对接及开展国际合作[2]；发动机关、学校等企事业单位采购滞销品[3]等。二是依靠市场机制，如建立多渠道促销网络，设立城市社区散户直销点[4]；完善电子商务平台，加大网络促销力度[5]；一些国家，如以色列也通过发展食品加工业来平衡果蔬过剩。这些方法都是解决滞销发生后的疏导问题，属于事后控制方法，而有效的事前控制方法，如通过农产品流通情况的预测与监控来预防滞销，理论研究还不足。目前可查到的文献均重点关注农产品产量或者销量预测，如杜小芳等研究了农产品销量的支持向量机预测方法[6]；亓锴等运用时间序列ARIMA模型、指数平滑模型和曲线回归模型的组合模型建立了海南瓜类产量的预测模型[7]；张倩倩运用支持向量机建立了蔬菜需求预测模型[8]，但是集成考虑供需情况，研究一段时期内农产品滞销预测的理论模型还未见报道。由于造成农产品滞销的原因非常复杂，即使根据大量历史数据来进行预测，其结果也不可靠，因此建立农产品滞销预测模型在理论上仍是一个挑战。
纵观通道阻碍的相关研究，交通拥堵生成及疏散的相关理论值得借鉴。交通拥堵可分为常发性拥堵和偶发性拥堵。常发性拥堵如上下班高峰期，具有周期性；而偶发性拥堵如恶劣的气候条件或者养护施工等造成的交通拥堵，具有突发性。生鲜蔬菜滞销和偶发性拥堵具有极大的相似性，表现为前期农户蔬菜种植面积、后期农户销售蔬菜量以及批发市场需求量等信息较少，因此难以通过回归模型、时间序列法、经验模型法[9-13]等来预测滞销事件，但是仅关注当前状态数据的马尔科夫随机过程具有很好的适用性。如肖海燕运用马尔科夫链在对线路流量进行预测的基础上，通过出行者行为诱导，研究了交通流管制和控制策略[14]；谢琛通过车流动态随机转移比例矩阵，建立了拥堵动态传播预测模型[15]。基于此，本研究拟将产地批发市场视为产地农产品流入和流出的拥堵点，借鉴交通拥堵生成原理及预测方法，研究物流渠道导致的农产品滞销预测模型。
1 模型假设
考虑某种同质蔬菜，由多个产地与产地批发市场形成的多对一流通网络，如图1所示。在产品上市季节，各产地蔬菜在一个时间段集中涌入产地批发市场，造成供给量大于中间商的最大购买量，进而演化为产地滞销。在建模之前，作如下假设：(1)考虑到消费者偏好选择时令蔬菜，因此蔬菜需求在一定时期是稳定的。(2)不考虑天气对农产品生长的影响，滞销发生的时间区间是临界成熟(可采收)到完全成熟(必须采收)这个区间段。(3)市场信息不对称。农民出于经济性考虑，根据蔬菜长势，采取分批采收销售模式。(4)批发市场处理能力有限，且交易量(中间商购买量)小于容量峰值。(5)当蔬菜完全成熟时，农户全部采收；批发市场没有准入限制。
2 生鲜蔬菜产地滞销预测模型
蔬菜从可以采收到完全成熟需要一个时期。在此期间，蔬菜采收量按照一定比例进入市场可以缓解集中上市带来的压力。类似于交通流量分批进入同一路段或者在交叉路口进入其他可选路段，可以提高车辆通行效率。例如在一条通行能力饱和的干道上，如果在某个交叉口新进入的车辆数多于下道分流的车辆数时，道路将进入拥堵状态，拥堵的程度由净进入车辆数决定。这在理论上可以用马尔科夫随机过程来进行刻画。蔬菜的偶发性滞销取决于在某个时间点进入和流出批发市场的数量是否均衡，这种瞬时状态与交通拥堵非常相似。据此，我们可以根据交通拥堵预测理论来构建蔬菜滞销预测模型，构建思路为：审视蔬菜的实际采收销售现状容易看到，成熟度决定了农户销售的蔬菜量。当蔬菜成熟度较低时，农户不会大量采收，蔬菜销售量往往较小。但是，在临界成熟到完全成熟这个期间，农户的采收数量逐渐加大。据此，构造依赖成熟度的采收(销售)量转移比例矩阵函数，并通过农户的种植面积数得出农户的计划销售量。假设农户的计划销售量全部流入产地批发市场，因受到批发市场的容量限制及流出量约束，可能导致部分蔬菜不能经过批发市场流出而导致滞销。
2.1 计划销售量转移比例矩阵构造
通常蔬菜在临界成熟到完全成熟期间平稳生长[16]，由于每个农户的种植时间、土地肥沃程度以及田间管理水平等不同，每个农户种植的蔬菜生长速率不同。因此，假设第i个农户在t时刻的成熟度λi(t)=r0+χit∈(0，1)，其中r0表示临界成熟度，χi表示第i个农户实际的生长速率。据此，构建依赖生长速率的单个农户蔬菜销售量占其总产出量的比例函数为：
(1)
考虑n个农户的计划销售量在同一时刻进入产地批发市场的情形，按照先进先出的原则，则批发市场的流出量Dout(t)可表示为：
(2)
式中：A=Din(t)+B(t-1)，表示在t时刻的农户计划销售量与t-1时刻的存量之和。B(t)∈[0，B]表示批发市场在t时刻的存量，C表示市场需求量，B表示批发市场的容量。
由式(2)可知，当前时刻的流入量与上一时刻的存量之和大于需求量时，批发市场当前时刻的流出量等于需求量，此时一定会产生滞销，如信息不对称产生的爆仓情况；若当前时刻的流入量与上一时刻的存量之和冲破批发市场的容量极限但小于市场需求量时，蔬菜拥堵于批发市场且不能及时销售出去而产生滞销。
蔬菜滞销是批发市场的流入量大于流出量，引起部分已采收蔬菜在批发市场囤积，使得农户减少计划采收量，进一步演化为产地部分产品还来不及采收就已经腐烂在田间。因此，农户计划销售量是导致滞销的关键要素。类比通行能力与交通流量的比值作为交通拥堵评价指标[14]，提出蔬菜滞销量与计划销售量的比值作为滞销程度识别指标T(t)。
(3)
式中：A-Dout(t)表示在t时刻的蔬菜滞销量。
2.2 滞销等级分类
目前我国学术界尚未出台滞销程度等级划分标准。在此，借鉴文献[15]通过实际能够流出的车流量与计划流出量的关系得出交通拥堵度的方法，与之对应，根据蔬菜在批发市场的计划销售量与实际流出量的关系划分蔬菜滞销程度等级(表1)。当T(t)≤0时，说明供给小于需求，蔬菜处于畅销状态；当0
表1 农产品滞销程度等级分类
为了便于计算，我们给出参数R(t)。
(4)
式(4)表示当T(t)≤0时，农户可以按照计划销售蔬菜；当T(t)>0，表明蔬菜处于滞销状态。据此，当预测可能发生滞销时，农户必须提前采取措施来防止滞销事态加重，如通过改变销售渠道或者采收后保鲜存储来减少批发市场的流通压力。
3 数值实验
情形一：稳定型需求
(1)设C=900 t，则需求量小于批发市场容量。根据式(3)和式(4)，得出滞销度分别为R1、R2、R3(图2)。(2)设C=1 000 t，则需求量大于批发市场容量，仿真结果显示滞销程度 从图2可以看出，随着时间变化，农户的计划销售量在蔬菜成熟周期内不断增加，在9 d时达到峰值。蔬菜的种植面积和蔬菜的成熟度对滞销程度会产生不同的影响。改变单个农户的种植面积，发生滞销的时间将提前1 d，整个滞销时间持续20 d左右且滞销速率快于生长速率。另外，从轻微滞销演化为严重滞销只需要3 d时间且滞销速率越来越快，严重滞销持续10 d左右，约占整个销售周期的三分之一。
情形二：波动型需求
农产品是生活必需品，需求弹性小，在天气和路况良好的情况下，需求是稳定的。但是，一些突发事件发生，如食品安全、舆论炒作，也会使得农产品需求在极短时间内出现剧烈波动。已知，需求向上波动不会导致滞销，在此仅考虑需求向下波动的情形。假设需求是(800 t，1 200 t)区间的随机数，根据模型，预测得出滞销程度R11、R22、R33(图3)。从图3可以看出，当滞销程度小于1时，稳定型需求和波动型需求的滞销程度相同并且滞销发生的时间点相同。随着时间的推移，波动型需求的滞销程度大于稳定性需求的滞销程度。从整个滞销周期看，波动性需求的滞销时间大于稳定性需求的滞销时间。
从图4可以看出，4 d时开始发生轻微滞销，9 d时开始发生严重滞销，17 d时滞销到达峰值，随后滞销程度开始缓解。当滞销程度为1时，农户的计划销售量达到峰值。9～12 d之间的蔬菜销售量逐渐降低，因计划销售量超过需求量，导致滞销程度继续加大。16 d时滞销程度达到峰值，13～16 d，虽然计划销售量小于需求量，但是前期库存积压也使得滞销程度越来越大。
造成这种现象主要有两方面的原因：一是农户之间的计划采收量信息不对称造成上市蔬菜的总供给大于需求量。最初上市数量较少，蔬菜能够及时销售出去，但是当大批量上市时供给量在短期内急剧上涨，造成市场消化不良。二是滞销信息传递不畅。当滞销程度较小时，没有相应的应对措施，如及时发布市场信息，或者实行一定程度的市场进入管制，让农户及时改变采收销售计划或者转换销售渠道来预防滞销程度的进一步演化。据此，为了缓解蔬菜滞销程度，降低蔬菜滞销频次，提出以下两点对策建议：
(1)宏观层面，优化农产品信息共享平台。例如在每个乡镇建立信息收集站，积极推广应用物联网技术，实时统计家庭农场、专业大户和合作社蔬菜种植面积、种植时间和长势情况。其次，进行推进产地信息平台与批发市场信息平台对接，做到农产品生产信息和流通信息的互联互通。在此基础上，通过网络、微信等途径及时向农户发布信息，引导农户实时作出种植计划变更和销售渠道优选。
(2)微观层面，重点加快推进农产品批发市场的物流服务功能建设。在推进传统农产品批发市场升级改造过程中，有机整合交易功能、物流功能和电子结算功能，打造现代化的农产品批发交易物流中心，借此增大批发市场体量，同时加快农产品经过批发市场的通行能力，继而达到协助缓解滞销的目的。
4 结束语
通过转移比例矩阵函数，构建了蔬菜滞销预测模型，得出了以下结论：(1)通过该模型可以预测蔬菜滞销发生的时间；(2)农户种植面积和蔬菜的成熟度与滞销时间具有相关性；(3)农户种植面积对滞销时间以及滞销程度的影响大于蔬菜成熟度对滞销的影响。因此，通过该模型能够对蔬菜上市数量以及可能发生滞销的时间点进行预测，从而引导农户进行种植面积优化和销售渠道选择优化。另外，本研究仅研究了农产品中上游流通渠道网络可能导致滞销的特殊情形，模型未涉及销地批发市场，同时也未考虑外地蔬菜经过本地批发市场进行中转对流入量的影响。这些问题还有待进一步研究。
[1]Tarasuk V，Eakin J M. Food assistance through “surplus” food：Insights from an ethnographic study of food bank work[J]. Agriculture and Human Values，2005，22(2)：177-186.
[2]张照昆，孙葆春. 山东栖霞苹果产业发展研究——基于对栖霞苹果滞销问题的调查与思考[J]. 安徽农业科学，2014，42(17)：5709-5710.
[3]马轶红，焦 青. 央视关注农产品滞销公益广告促成买卖[J]. 广告大观(综合版)，2011(7)：68.
[4]陈长春. 乌鲁木齐“便民蔬菜直销点”销售模式研究[D]. 乌鲁木齐：新疆农业大学，2012.
[5]李进一，刘 焕. 农产品滞销的4P对策分析[J]. 安徽农业科学，2012，40(14)：8362-8363.
[6]杜小芳，张金隆. 农产品销量预测的支持向量机方法[J]. 中国管理科学，2005，13(4)：129-134.
[7]亓 锴，刘殿国. 基于组合模型的海南瓜类产量分析预测[J]. 统计与决策，2011(21)：108-109.
[8]张倩倩. 基于SVM的蔬菜需求预测系统研究[D]. 北京：北京交通大学，2015.
[9]孙湘梅，刘谭秋. 基于神经网络和SARIMA组合模型的短期交通流预测[J]. 交通运输系统工程与信息，2008，8(5)：32-37.
[10]贾 宁，马寿峰，钟石泉. 基于遗传算法优化和KD树的交通流非参数回归预测方法[J]. 控制与决策，2012，27(7)：991-996.
[11]臧利林，贾 磊，杨立才，等. 交通流实时预测的混沌时间序列模型[J]. 中国公路学报，2007，20(6)：95-99.
[12]姚智胜，邵春福，熊志华. 基于小波包和最小二乘支持向量机的短时交通流组合预测方法研究[J]. 中国管理科学，2007，15(1)：64-68.
[13]陈岳明，萧德云. 基于跳转模型的路网交通预测[J]. 控制与决策，2009，24(8)：1177-1180.
[14]肖海燕. 基于马尔科夫的动态交通流演化模型及应用[J]. 武汉大学学报(工学版)，2012，45(2)：255-258.
[15]谢 琛. 城市交通网络拥堵产生及传播的动态模型研究[D]. 上海：上海交通大学，2007.
[16]陈 军，赖 信，何 圆. 基于生长价值跟踪的生鲜农产品采收销售模型[J]. 运筹与管理，2013，22(3)：242-247.
