基于云模型的区域物流与经济耦合度研究

罗 建，何传磊，赵 蕾，薛 锋,4

基于云模型的区域物流与经济耦合度研究

罗 建1，何传磊2，赵 蕾3，薛 锋2,4

（1. 西华大学，汽车与交通学院，成都 610039；2. 西南交通大学，交通运输与物流学院，成都 611756；3. 中国建筑西南设计研究院有限公司，成都 6100414. 综合交通大数据应用技术国家工程实验室，成都 611756）

区域物流与区域经济的协调对两者的健康有序发展均存在较大的影响。选取适当指标体系, 结合耦合理论、云模型理论与方法, 得到区域物流子系统与区域经济子系统耦合度综合云参数的计算方法及步骤, 并结合四川省物流与经济系统相应数据进行分析。实例结果表明, 在研究期内, 四川省区域物流与经济子系统各自的效用呈现增长趋势, 区域物流子系统效用年均增长率为24.50%, 区域经济子系统效用的年均增长率为32.93%, 耦合度综合云的期望在0.4974到0.5001之间, 表明区域物流与区域经济系统处于中等耦合阶段。

区域物流；区域经济；云模型；耦合度

0 引 言

区域内的一切物流活动，从货物的包装、运输、存储，乃至物流链中的信息传送、流通等其他附加作业，均为区域物流的一部分。区域经济是区域内经济发展形成的综合体，包括经济发展的内外部因素，是区域经济发展客观规律的反映主体。区域物流与区域经济之间关系密切，区域经济的发展能够在很大程度上促进区域物流的发展，区域物流的高效便捷也会对区域经济产生拉动作用，两者存在一定的耦合促进机制，主要反映在区域物流的供需平衡对于区域经济调节的依赖。

国内外对于区域经济与区域物流的研究较为丰富，Pedersen、Fan等[1, 2]从定性或定量的角度出发，针对区域物流对区域经济的促进作用进行了研究；Chao[3]在研究区域物流对区域经济影响的基础上，对区域物流的供需情况进行分级；王洪军、刘明菲等[4, 5]分析了区域经济系统对于区域物流的促进作用，指出区域物流与区域经济之间存在一定的协调机制；刘秉镰等[6]研究了区域物流与区域经济之间的相互作用，指出这种相互作用是二者内部要素的直接关联与耦合；许华静等[7-9]通过建立区域物流与经济系统模型，结合案例分析了区域物流与经济之间的相关性；胡冰茜和周小虎等[10, 11]建立相应的区域经济与物流耦合评价指标体系，计算了区域物流与区域经济的耦合度。上述研究对区域物流与区域经济耦合关系的分析，存在主观性强、操作复杂等缺点，对耦合关系的量化值计算过于简单，不能深刻反映区域物流和经济之间的关系内涵。

本文参考国内外相关文献，选取区域物流与区域经济相关指标，结合云模型理论与方法，在构造区域物流与区域经济效用云的基础上，结合耦合度计算方法，得出区域物流与区域经济耦合度综合云参数的计算方法，并结合四川省区域物流与区域经济相应数据得到四川省区域物流与区域经济的耦合度综合云，将其与评价云进行对比，最终对区域物流与区域经济耦合度进行评价。云模型能够较好地兼顾模糊性与随机性，对准确度量区域物流与区域经济间的耦合度具有较为明显的作用。

1 区域物流与经济耦合度指标及数据处理

区域物流与区域经济系统之间存在一定的互动作用，要界定二者之间的耦合协调度，需要先选取两个系统中具有代表性的参数作为评价指标，在指标选取时，需依据科学性、层次性、代表性和可操作性的原则。本文参阅相关文献，确定初始指标体系，并通过理论分析法和专家打分法对初始指标进行筛选，确定最终评价指标体系。

在该指标体系中，区域物流部分用系统A表示，其评价指标包括交通运输和仓储及邮电通信业城镇单位就业人员（指标1）、交通运输及仓储和邮政业全社会固定资产投资（指标2）、铁路营业里程（指标3）、公路里程（指标4）、货运量（指标5）、货物周转量（指标6）、民用载货汽车拥有量（指标7）、快递量（指标8）；区域经济部分用系统B表示，其评价指标包括全社会固定资产投资（指标1）、第三产业增加值（指标2）、地区生产总值（指标3）、社会消费品零售总额（指标4）、居民消费水平（指标5）、经营单位所在地进出口总额（指标6）、地区生产总值指数（指标7）、国有经济能源工业固定资产投资（指标8）、地方财政一般预算收入（指标9）。

式中，S表示第个指标的标准差，计算如下：

2 区域物流与经济耦合度评价方法

2.1 云模型理论

在大系统耦合协调度的计算过程中，存在较多的不确定评价因素，云模型作为定性与定量之间转换的不确定性模型，能够较好地在耦合协调度计算过程中实现各种定性因素的量化处理，因此本文基于云模型理论研究区域物流与经济之间的耦合关系。

云的数字特征一般用期望E、熵E和超熵H表示。其中期望E表示信息集合中最具有代表性的信息，表示定性概念的信息中心值；熵E表示定性信息的模糊性，是定性信息不确定性的表征；超熵H是云度厚度的度量，云滴越厚表示隶属度的离散程度越大，云的厚度也越大[15]。

根据概念可以将云模型分为正向云和逆向云。正向云是实现定性向定量转化的过程，由云的数字特征产生云滴。逆向云是由多个样本组成的云滴产生云数字特征的过程，与正向云相反，是定量到定性的转换。正向云与逆向云的关系如图1所示。

图1 正向云与逆向云的关系

2.2 耦合度综合云生成方法

式中，+表示正向指标，-表示负向指标。

区域物流和区域经济单系统效用，可根据不同指标对系统的贡献度对其赋予权重，并按照下式进行计算：

式中，r表示第个指标与其他指标相关性总体情况，按下式计算：

其中表示指标的相关矩阵：

式中，r表示指标与指标之间的相关性。

由耦合理论可知，当存在个子系统组成大系统时，大系统的整体耦合度[12]为：

在计算多个子系统构成的大系统的耦合度综合云的相应参数前，需先得到单系统不同指标的隶属云及其数字特征。根据云模型的概念和定义，单系统的云模型参数的计算法则如下[15]：

单个系统效用形成的云的期望、熵和超熵的计算方法如下式所示：

根据单系统云的期望、熵等参数，可进行多系统复杂云的相关参数计算，依据文献[15]提供的思路及大系统的整体耦合度计算方法，可得两子系统的大系统耦合度综合云的数字特征参数。

耦合度的云期望为：

耦合度云的熵为：

超熵为：

在得到组合系统的耦合度云之后，需要相应的耦合度评价云才能对组合系统的耦合度情况进行判断。评价云的构造可参照文献[17]所示的方法进行。

首先，参考国内外相关文献，对耦合度的评价值进行分级。本文将耦合度分为五个等级，各等级区间如表1所示。

表1 耦合度等级

根据表1所示分级结果，计算各级别评价云的相关参数，如表2所示[15]。

表2 耦合度评价云相应参数

根据表2中的各级别耦合度云的参数绘制评价云图形，如图2所示。

图2 耦合度评价云

2.3 基于云模型的区域物流与经济耦合度评价步骤

基于云模型的区域物流与经济耦合度综合云的相应参数计算步骤如下：

step1 对区域物流与区域经济子系统的历史样本数据按照公式（3）进行处理。

step3 按照公式（12）~（22）可得区域物流和区域经济大系统耦合度的综合云数字特征参数。

step4 将区域物流与区域经济组成的大系统耦合度综合云与相应的评价云作比较，得到最终的评价结果。

3 实例分析

根据四川省统计年鉴及国家统计局统计网站所得到的数据，其中2006—2015这十年为四川省经济增长的关键周期，将其作为实例分析具有一定的代表性。搜集2006—2015年四川省物流系统与经济系统的相关参数，按照公式（1）对数据进行标准化处理，按照公式（5）所示的方法，计算得到各指标的权重如表3所示。

表3 区域物流系统与经济系统指标权重表

为了提高计算结果的可靠性，将研究期划分为四个具有重合窗的阶段，依次为2006—2009年、2008—2011年、2010—2013年及2012—2015年，根据表3所示权重情况，结合公式（4）计算可得区域物流系统与经济系统的效用情况，如表4所示。

表4 区域物流系统与经济系统效用值

由表4可以看出，四川省物流系统效用在时期1到时期4间呈现增长趋势，年均环比增长幅度为24.50%。四川经济系统效用在时期1~4间也表现出较大幅度的增长，环比增长率为32.93%。图3所示为区域物流系统与经济系统不同时段效用值及其增长情况。

图3 区域物流系统及经济系统效用值及其增长情况

由图3可以更加清晰地看到四川省区域物流系统与经济系统效用值在时期1到时期4的增长情况：在时期1至时期3时，经济系统效用略低于区域物流系统效用，在时期4时，两系统效用基本相等。从图3下半部分可以明显看出，在时期2与时期3时，经济系统效用的年环比增长率明显高于区域物流系统，在时期4时，区域物流系统效用的增长率大于经济系统的增长率。

根据以上计算结果，结合耦合度综合云参数计算步骤，可得时期1到时期4间四川省区域物流与经济耦合度综合云的相关参数，如表5所示。

表5 耦合度综合云参数

根据表5中的参数可得时期1到4间四川省区域物流系统与经济系统耦合度云的表示，如图4和图5所示。

图4 时期1与时期2的耦合度综合云

图5 时期3与时期4的耦合度综合云

根据表5可知在时期1到时期4间，区域物流与经济的耦合度差异较小，耦合度综合云期望最大值出现在时期4（为0.5001），最小值出现在时期1（为0.4974），时期1到时期4存在微弱的增长趋势。图4与图5所示为不同时期耦合度综合云的情况，可以看出，在不同时期，耦合度综合云的中心基本重合，仅在云滴的分散程度上存在很小的差异，表明时期1到时期4区域物流与经济的耦合情况较为稳定。

图6反映了在时期2，区域物流、区域经济系统的耦合度综合云与评价云的对比。可以看出，该时期区域物流与区域经济的耦合度较好，与等级3评价云高度贴合，说明该时期区域物流与区域经济耦合度一般。结合表2与表5，可知时期1到时期4期间，耦合度综合云的期望与等级3评价云的期望几乎相等，差异度分别为0.517%、0.118%、0.002%和0.020%。

图6 时期2时区域物流与区域经济耦合度

4 结 论

在分析区域物流与区域经济相互作用的基础上，选取区域物流与区域经济相应指标，建立评价指标体系，依据耦合理论和云模型相应理论与方法，得到区域物流与区域经济耦合度综合云相关参数的计算方法及步骤，最终结合四川省2006年至2015年间物流与经济系统指标数据，进行实例分析。通过上述研究，得出结论如下：

（1）区域物流与区域经济子系统之间存在较强的相互作用，二者相互依存，相互制约，需要协调发展。

（2）区域物流与区域经济效用发展往往呈现较为相似的趋势，实例分析中，区域物流与区域经济子系统的效用均呈现较为显著的增长趋势，区域物流子系统效用的平均增长率为24.50%，区域经济子系统效用的平均增长率为32.93%。

（3）区域物流、区域经济子系统的耦合度，与区域物流、区域经济子系统的协调发展存在较大关系，实例分析中，区域物流与区域经济发展较为均衡，组合系统的耦合度综合云期望在时期1到4为0.4974到0.5001，波动幅度较小。

[1] PEDERSEN P O. Freight transport under globalization and its impact on Africa[J]. Journal of Transport Geography, 2001, 9 (2): 85-99.

[2] FAN S, ZHANG X. Infrastructure and regional economic development in rural China[J]. China Economic Review, 2004, 15 (2): 203-214.

[3] CHAO Y S . Global value chains and regional economic integration development[M]. Germany Lap Lambert Academic Publishing, 2013, 20-45

[4] 王洪军. 港口物流与区域经济的互动关联机理——以丹东港为例[J]. 经营管理者, 2014 (15): 115-115.

[5] 刘明菲, 柯锦辉. 区域物流与区域经济的协同性分析[J]. 理论月刊, 2008 (4): 64-66.

[6] 刘秉镰, 王燕. 区域经济发展与物流系统规划[M]. 北京, 经济管理出版社, 2010.

[7] 许华静, 龙芳, 袁崇敏, 等. 基于Anylogic的南昌市区域物流与区域经济系统仿真研究[J]. 科技、经济、市场, 2014 (1): 33-35.

[8] 邵柏春. 区域内物流水平与经济水平的互动关系研究[J]. 物流技术, 2015, 34 (10): 56-58.

[9] 唐嘉欣. 关于长三角与成渝经济区区域物流与区域经济发展相关性的研究[J]. 知识经济, 2018 (12): 25-26.

[10] 胡冰茜. 湖南省区域物流与区域经济的耦合度研究[D]. 长沙: 中南林业科技大学, 2017.

[11] 周小虎, 杨宏伟, 赵莺. 丝绸之路经济带区域经济与物流发展耦合评价及空间分析[J]. 铁道运输与经济, 2017, 39 (1): 13-17+28.

[12] 薛锋, 袁野. 基于耦合协调度模型的综合运输体系支撑力研究[J]. 交通运输工程与信息学报, 2018, 16 (1): 24-31.

[13] 陈贵林. 一种定性定量信息转换的不确定性模型——云模型[J]. 计算机应用研究, 2010, 27 (6): 2006-2010.

[14] 张景秀. 广州汽车产业集群与区域物流协同发展研究[D]. 广州: 华南理工大学, 2012: 30-37.

[15] 刘常昱, 冯芒, 戴晓军, 等. 基于云X信息的逆向云新算法[J]. 系统仿真学报, 2004, 16 (11): 2417-2420.

[16] SHI Y B, AN Z, GAO X J, et al. Cloud model and its application in effectiveness evaluation[C]. International Conference on Management Science and Engineering, 2008. Icmse 2008. Conference Proceedings. IEEE, 2008: 250-255.

[17] 冯学慧. 基于熵权法与正态云模型的大坝安全综合评价[J]. 水电能源科学, 2015, 33 (11): 57-60.

The Coupling Degree of Regional Logistics and Economy Based on a Cloud Model

LUO Jian1，HE Chuan-lei2，ZHAO Lei3，XUE Feng2, 4,

（1. School of Automobile and Transportation, Xihua University, Chengdu 610039, China; 2. School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 611756, China; 3. China Southwest Architectural Design and Research Institute CO. Ltd, Chengdu 610041, China; 4. National Engineering Laboratory of Integrated Transportation Big Data Application Technology, Chengdu 611756, China）

The coordination of regional logistics and economy has a significant impact on their healthy and orderly development. The calculation method and steps of the integrated cloud parameters of the regional logistics and economic subsystem coupling degree were obtained by selecting the appropriate index system, and combining coupling theory, and cloud model theory and method. The corresponding data of the logistics and economic system in Sichuan province were analyzed. The results indicate that the utility of the regional logistics and economic subsystem in Sichuan province shows an increasing trend in the research period, with the average annual growth rate of the aforementioned being 24.50% and 32.93%, respectively. The expected coupling degree of the integrated cloud is between 0.4974 and 0.5001, and the regional logistics and economic system are in the intermediate coupling stage.

regional logistics; regional economy; cloud model; coupling degree

F503

A

10.3969/j.issn.1672-4747.2020.01.021

1672-4747（2020）01-0160-08

2019-04-08

四川省社会科学规划项目“统计发展专项课题”（SC19TJ027）；西南交通大学“双一流”建设项目（交通软科学类）（JDSYLYB2018030）

罗建（1982—），女，博士，西华大学副教授，研究方向：交通运输规划与管理，E-mail：0120100001@mail.xhu.edu.cn

薛锋（1981—），男，博士，副教授，研究方向：交通运输统计分析，E-mail：xuefeng.7@163.com

罗建，何传磊，赵蕾，等. 基于云模型的区域物流与经济耦合度研究[J]. 交通运输工程与信息学报，2020，18（1）：160-167.

（责任编辑：刘娉婷）