电子商务网络环境下物流中心的选址 ——外文文献翻译外文翻译资料

电子商务网络环境下物流中心的选址

——外文文献翻译

原文作者Baiyu Chen

单位College of Engineering, University of California Berkeley

原文作者Biying Wang

单位Engineering Institute, Ocean University of China

摘要：物流中心的选址是一个非常复杂庞大的系统问题。每一种选址方法和模型都是基于一定的前提和假设。配送中心的选址决策对整个物流系统的运作有着重要的影响。良好的城市物流站点选址对于优化物流网络、改善城市交通状况、提高物流服务水平具有重要意义。基于此，本文在对中国东南地区16个城市进行调研的基础上，结合神经网络算法，提出了一种物流中心选址算法。该方法考虑了反映城市物流绩效指标的六个重要概念，如城市区位熵、市场繁荣度、货运量比重、城市中心比重、人均国内生产总值和人口规模。本文运用嵌套模糊层次分析法，然后调查单个变量层级的总排序，以选择合适的物流中心。

关键词： 物流中心选址； 聚类分析； 层次分析法； 神经网络； 机器学习

一、引言

物流中心的选址是指选择一个或多个地址，并在一个经济区域内建立一个配送中心的规划过程，该经济区域有多个供应点和多个需求点。更好的物流中心选址方案可以有效节约成本，促进生产与消费的协调，保证物流系统的均衡发展。因此，物流配送中心的选址是否合理，将直接影响整个物流系统的配送效率和成本。在传感技术和计算机技术飞速发展的今天，随着现代物流配送中心向“信息化”、“数字化”和“网络化”的方向发展，空运、节能、绿色化，无人装备与物流业的结合是未来发展的主要方向。中国顺丰快递、美国亚马逊、联合包裹服务（UPS）和DHL等知名物流企业拓宽了物流与无人技术的交叉研究领域。在各种通信网络技术成熟的同时，网络覆盖、定位服务LBS、全球定位系统GPS导航技术以及各种传感器和无线信号收发技术为物流自动化系统的发展提供了坚实的技术支撑。

近年来，神经网络已经成为一个新兴的研究领域，它们在图像处理、信号处理、组合优化、联想记忆、模式识别中有着广泛的应用。这些应用在很大程度上依赖于神经网络的动态行为。受此启发，本文将物流中心选址研究分为以下三类：连续型物流中心选址法、离散型物流中心选址法、专家咨询物流中心选址法。连续物流中心选址的方法是在整个平面上定义物流中心的可选范围，并在平面上的任意点建立物流中心。这种方法没有特殊的限制要求，因此具有很好的灵活性，特别适合在这样一个地区选择一个或多个物流中心。然而，这种方法有很大的局限性，因为有时通过这种方法获得的最佳地址位于河谷、山区等不可能的位置，因此当进行位置提取时，这种方法有很大的局限性，不具有普遍性。离散型物流中心选址是克服物流中心连续化选址的缺陷的最佳实施场所。其物流中心的选择范围是平面上的一个点，根据预定目标选择最佳物流中心。然而，该方法为大多数不确定多项式NP问题的数学模型，并不能转化为线性模型。然而，在现实中，在这些方法中使用变量通常是不可用的。因此，以上方法是不可行的。前两种定量分析方法的区位研究在实践中并不普遍，忽视了区位的诸多因素，如研究地质条件、经营环境、交通条件、人类发展、城市空间等方面。在模型中很难实现对这些因素的定量约束，因此，在实际研究中，更普遍地使用专家咨询法对物流中心选址进行综合分析，这是基于数值形式表达专家判断的最佳决策。通过这种方法，专家的主观判断发挥了重要作用，因此不可避免的是，结果会受到专家经验、个人偏好、知识结构领域等诸多因素的影响。显然，连续型和离散型物流中心选址的方法更适合一个区域内的配送中心选择，而物流中心选址方法的专家咨询法属于定性分析，其结果缺乏一定的可信度。因此，建立一套较为全面的物流中心选址评价指标体系十分重要。

本文以中国东南沿海16个城市为研究对象，提取出能够反映城市物流的6个绩效指标：城市区位熵、市场繁荣度、货运量、城市中心比重、人均GDP、人口，并给出了模糊因子和模糊聚类评价的基础上，提出了一种更全面的嵌套层次分析方法来选择最佳位置。

二、基于模糊聚类分析的模型

区域物流中心选址模型可视为一个灰色系统，选址过程包括宏观和微观两个阶段。目前，对宏观多区域城市物流中心选址的研究非常缺乏。事实上，宏观选址是微观选址的前提和重要参考。模糊聚类分析作为一种软划分方法，通过选择不同的指标，建立指标体系，可以对指标相似的城市进行全面、准确的分类。然而，经过聚类分析的城市趋于相似，这样城市间的优势和劣势没有明显的差异，因此，我们还需要使用层次分析法来获得最佳的物流中心地址。

（一）模糊聚类的基本原理

聚类分析是基于多学科的分析，根据研究对象的特点进行分类。通过描述个体属性的量化指标，将相似个体的属性聚集在一起，即同一类个体具有高度的同质性。属于不同类型个体异质性的个体具有高度的异质性。通常，研究样本具有许多相似性，通过找出一些统计数据来衡量样本或指标之间的相似程度，划为同一样本组的多个观察样本。这些统计数据的分类是分区大小，即为同一索引范围内的每个样本定义的差距函数。通过选择合适的标准距离大小。差距小的样品（或指数）聚合由一类组成，差距非常大的样品（或指数）被分成不同的类别。这就是聚类分析。

（二）模糊聚类分析模型

作为要分类的对象，每个对象由m个不同的索引表示，其值表示为m，获得原始数据矩阵。通常，数据的维度通过转换为标准差变换和移位到范围变换来统一，并获得模糊聚类中的模糊矩阵。如果相似程度是相似系数。所谓聚类方法就是基于模糊矩阵的对象分类方法。通过选择置信水平变化，我们得到不同的分类结果，然后形成一个动态聚类图。常用的方法有传递闭包法、布尔矩阵法和直接聚类法。

（三）变量指标的选择

在多区域城市物流中心的选择过程中，本文提出了六个绩效指标，这些指标既能反映宏观因素，反映城市物流属性，又能量化：城市区位商、市场繁荣度、货运量比重、城市中心比重、人均GDP和人口规模这六个指标可以综合衡量一个城市的物流水平。以下给出了六个指数的计算公式：

1.城市区位熵（CLQ）

城市区位熵=城市交通、仓储和邮政服务从业人员数量总数/全国交通、仓储和邮政服务从业人员数量。

交通、仓储和邮政服务都与物流业直接相关，因此城市区位熵反映了一个城市的物流专业化程度。熵越大，城市物流的专业化程度越高，越适合在这个城市建立物流中心。

2.城市中心度（UC）

城市中心度=全国城市家庭电话总人口数/全国城市人口家庭电话数。

城市的中心性反映了物流信息通道通畅程度的空间差异，传递物流信息的便利程度。信息的畅通是物流中心最基本的要求之一。本文选择的家用电话数量是各城市统计年鉴中记录的家用手机数量。

3.市场繁荣度（MPD）

市场繁荣度是指该市批发和零售销售额与该市国内生产总值的比率。市场繁荣程度反映了一个区域市场的发展潜力和物流中心的运营环境。

4.货运量比重（PFV）

货运量占比=该城市货运量/全国货运量。

这反映了一个地区的交通发展程度，良好的交通条件也是物流中心的基本要求，选择的地区最好实现海、铁、陆、空联运。

5.人均GDP（PCG）

人均GDP通常反映该地区人民的生活水平和消费水平，并间接反映物流中心所在地的当地市场。

6.人口规模（PS）

人口规模反映了一个地区的消费人口规模，反映了该城市潜在消费者的数量以及物流中心对劳动力和高素质人才的需求。

上述六项指标最初都记录在每个城市的统计年鉴中。

（四）模型推导

本文将研究中国东南沿海最繁华地区最优城市中物流中心的选址问题。选择了东南沿海地区16个适合建立物流中心的大中型城市，根据上述选择的物流指标，对这些城市进行了聚类分析。将具有相似指标的城市分组，以确定城市物流中心的候选选址。参考2013年《统计年鉴》中16个繁华城市的数据（城市交通、仓储和邮政从业人员、从业人员总数、城市人口、城市批发零售电话号码、城市GDP、城市货运、人均GDP、城市人口数量等），根据上述公式对数据进行再处理，得到六个指标数据，如表1所示。

表1 基于六个指数的城市比较

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[597923]，资料为PDF文档或Word文档，PDF文档可免费转换为Word