摘要：文章利用深度SAE-SOFM模型，對“一帶一路”國內(nèi)西北段沿線13個(gè)核心節(jié)點(diǎn)城市的物流競爭力進(jìn)行了特征分析與聚類。同時(shí)，運(yùn)用社會(huì)網(wǎng)絡(luò)分析法解構(gòu)了這些城市在物流業(yè)發(fā)展上的空間關(guān)聯(lián)網(wǎng)絡(luò)特征。結(jié)果顯示，這些城市的物流競爭力可以被劃分為四個(gè)類別，相同類別的城市在物流競爭實(shí)力、競爭潛力以及競爭環(huán)境上得分不同;這些城市的物流業(yè)發(fā)展存在明顯的空間關(guān)聯(lián)，在協(xié)同發(fā)展中各自的角色定位不同。
關(guān)鍵詞：物流發(fā)展;物流競爭力;深度學(xué)習(xí);稀疏自編碼器;空間關(guān)聯(lián)
0引言
當(dāng)前，我國經(jīng)濟(jì)已進(jìn)入高質(zhì)量發(fā)展階段，高質(zhì)量的物流產(chǎn)業(yè)發(fā)展是實(shí)現(xiàn)“一帶一路”高質(zhì)量建設(shè)的重要前提。城市是物流產(chǎn)業(yè)發(fā)展的關(guān)鍵節(jié)點(diǎn)，其物流競爭力是影響城市物流體系的各種因素的綜合體現(xiàn)，能全面反映城市的物流產(chǎn)業(yè)發(fā)展水平。作為連接我國與中西亞地區(qū)紐帶的“一帶一路”國內(nèi)西北段城市，肩負(fù)著國際物流通道的使命與促進(jìn)西部大開發(fā)的重任。準(zhǔn)確定位這些城市的物流競爭力，對于推進(jìn)“一帶一路”沿線城市的優(yōu)勢互補(bǔ)與協(xié)同發(fā)展，縮小中西部地區(qū)在改革開放中的差距具有重要的戰(zhàn)略意義。當(dāng)前國內(nèi)外學(xué)術(shù)界多通過構(gòu)建物流競爭力評價(jià)指標(biāo)體系的方法對城市物流競爭力進(jìn)行研究。評價(jià)指標(biāo)體系間存在較大差異，分析競爭實(shí)力的文獻(xiàn)居多，關(guān)注競爭潛力的則較少[1—6]。
此外，對城市物流競爭力的研究方法多集中于傳統(tǒng)的因子分析、聚類分析、灰色關(guān)聯(lián)法、熵值法[7—9]以及神經(jīng)網(wǎng)絡(luò)方法[10]，缺乏包括深度學(xué)習(xí)、量子計(jì)算等人工智能方法。本文針對上述研究的不足，探討深度學(xué)習(xí)方法應(yīng)用于城市物流競爭力研究的可行性，并結(jié)合實(shí)際案例，以物流競爭實(shí)力、競爭潛力、競爭環(huán)境三類因素構(gòu)建評價(jià)指標(biāo)體系，對“一帶一路”國內(nèi)西北段沿線的13個(gè)核心節(jié)點(diǎn)城市的物流競爭力進(jìn)行特征分析與聚類。同時(shí)，運(yùn)用引力模型與社會(huì)網(wǎng)絡(luò)分析法解構(gòu)這些城市在物流業(yè)發(fā)展上的空間關(guān)聯(lián)網(wǎng)絡(luò)特征。
1研究模型與算法
1.1基于深度學(xué)習(xí)的物流競爭力研究優(yōu)勢
傳統(tǒng)模式分類方法受到模型設(shè)計(jì)與算法設(shè)計(jì)等諸多因素影響，限制了數(shù)據(jù)特征學(xué)習(xí)的精確性。傳統(tǒng)物流競爭力評價(jià)方法的實(shí)質(zhì)是對數(shù)據(jù)進(jìn)行簡單加權(quán)，多采用主成分分析(PCA)方法，提取具有最大貢獻(xiàn)率的一部分指標(biāo)對全局進(jìn)行分析，忽略了貢獻(xiàn)率較低的其他指標(biāo)，缺乏全面性，無法對物流競爭力進(jìn)行全方位綜合評價(jià)，不利于后續(xù)的競爭力數(shù)值分析。
城市物流競爭力分析的本質(zhì)在于將各類指標(biāo)數(shù)據(jù)進(jìn)行整合處理，以確定每個(gè)城市在特定區(qū)域中物流競爭力的強(qiáng)弱類別以及相應(yīng)的發(fā)展模式，因此可將競爭力分析問題轉(zhuǎn)化為模式分類問題進(jìn)行研究。深度學(xué)習(xí)是人工智能的一個(gè)重要分支，是在人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上通過增加多個(gè)隱層以構(gòu)建深層網(wǎng)絡(luò)而實(shí)現(xiàn)，具有突出的模式分類能力與很強(qiáng)的特征學(xué)習(xí)能力。
深層自編碼器(DAE)通過自學(xué)習(xí)的方式自動(dòng)調(diào)整網(wǎng)絡(luò)權(quán)值，使損失函數(shù)最小化，從而完成數(shù)據(jù)特征的精確提取。稀疏自編碼器(SAE)在DAE的基礎(chǔ)上遵循高維且稀疏原則，在隱層神經(jīng)元多于輸入層神經(jīng)元的情況下增加稀疏約束，適合非線性數(shù)據(jù)的特征學(xué)習(xí)，可對數(shù)據(jù)特征進(jìn)行深度細(xì)化。自組織特征映射(SOFM)網(wǎng)絡(luò)是一種無監(jiān)督學(xué)習(xí)機(jī)制的競爭神經(jīng)網(wǎng)絡(luò)，利用競爭機(jī)制對數(shù)據(jù)進(jìn)行自組織學(xué)習(xí)，使連接權(quán)值空間分布密度與輸入數(shù)據(jù)的概率分布趨于一致，即連接權(quán)值向量空間分布能夠反映輸入數(shù)據(jù)的統(tǒng)計(jì)特性。
本文將DAE、SAE、SOFM網(wǎng)絡(luò)相結(jié)合，構(gòu)建深層SAE-SOFM模型，先將全部物流競爭力指標(biāo)數(shù)據(jù)作為網(wǎng)絡(luò)輸入，經(jīng)SAE進(jìn)行特征提取后再輸入SOFM網(wǎng)絡(luò)，最終輸出物流競爭力分值。這種方法能夠?qū)λ兄笜?biāo)數(shù)據(jù)進(jìn)行特征分析與數(shù)據(jù)重構(gòu)，可全面獲取數(shù)據(jù)之間的內(nèi)在聯(lián)系，使輸出結(jié)果更具客觀性，有助于在后續(xù)工作中提高數(shù)據(jù)分類結(jié)果的準(zhǔn)確性，相較于傳統(tǒng)方法具有更大的應(yīng)用價(jià)值。
1.2DAE標(biāo)準(zhǔn)模型
DAE是一種無監(jiān)督學(xué)習(xí)的非線性特征提取模型[10,11]，多隱層結(jié)構(gòu)可學(xué)習(xí)更復(fù)雜的數(shù)據(jù)，網(wǎng)絡(luò)的后一層學(xué)習(xí)前一層的數(shù)據(jù)特征，隱層越多，則可學(xué)習(xí)到越高層次的數(shù)據(jù)特征，從而可以處理更復(fù)雜的數(shù)據(jù)。
1.3SAE結(jié)構(gòu)
稀疏自編碼是指隱層特征具有稀疏響應(yīng)特征，其編碼特征可以較好地重構(gòu)網(wǎng)絡(luò)輸入[12]，在DAE標(biāo)準(zhǔn)模型中引入稀疏性，使網(wǎng)絡(luò)的輸入數(shù)據(jù)結(jié)構(gòu)更加清晰，編碼方案既符合生物進(jìn)化普遍的能量最小經(jīng)濟(jì)策略，又滿足電生理實(shí)驗(yàn)的結(jié)論，還具有聯(lián)想記憶功能，可以簡化計(jì)算[13,14]。
1.4SAE學(xué)習(xí)算法
標(biāo)準(zhǔn)的自編碼器是PCA的一種非線性推廣，SAE增加了L1規(guī)則限制，約束每個(gè)隱層中的大部分神經(jīng)元輸出為0，少部分不為0，即對隱層神經(jīng)元進(jìn)行稀疏性約束，使多數(shù)隱層神經(jīng)元處于非激活狀態(tài);同時(shí)又對誤差函數(shù)進(jìn)行優(yōu)化，采用平方重構(gòu)誤差與某個(gè)稀疏正則項(xiàng)之和。
2指標(biāo)體系與數(shù)據(jù)來源
2.1指標(biāo)體系構(gòu)建
綜合以往研究成果，并考慮到數(shù)據(jù)的可操作性、客觀性與功能性，本文從城市物流競爭實(shí)力、競爭潛力、競爭環(huán)境三個(gè)方面將城市物流競爭力劃分為目標(biāo)層、準(zhǔn)則層、指標(biāo)層三個(gè)層次，構(gòu)建具有9個(gè)維度22個(gè)指標(biāo)的物流競爭力評價(jià)指標(biāo)體系。
2.2數(shù)據(jù)來源
由于“一帶一路”國內(nèi)西北段城市的物流活動(dòng)主要依靠鐵路運(yùn)輸方式，本文選取包蘭、隴海、蘭新、寶中等鐵路沿線的13個(gè)核心節(jié)點(diǎn)城市為研究對象。同時(shí)，利用2013—2020年這些城市的相關(guān)數(shù)據(jù)進(jìn)行估算。數(shù)據(jù)來源于各城市統(tǒng)計(jì)年鑒與《中國城市統(tǒng)計(jì)年鑒》。
3模型構(gòu)建與數(shù)據(jù)分析
3.1模型構(gòu)建
構(gòu)建具有三隱層的SAE與具有單隱層的SOFM網(wǎng)絡(luò)組成的深層SAE-SOFM模型，其中將SAE的輸出作為SOFM網(wǎng)絡(luò)的輸入，將城市物流競爭力評價(jià)指標(biāo)體系中的22個(gè)指標(biāo)數(shù)據(jù)作為SAE的輸入層神經(jīng)元與輸出層神經(jīng)元，45個(gè)參數(shù)作為第一隱層與第三隱層神經(jīng)元，第二隱層神經(jīng)元數(shù)為91個(gè)，網(wǎng)絡(luò)學(xué)習(xí)速率α為0.7;將SAE的輸出層作為SOFM網(wǎng)絡(luò)的輸入，SOFM網(wǎng)絡(luò)的隱層神經(jīng)元數(shù)為9個(gè)、輸出層神經(jīng)元數(shù)為3個(gè)。
3.2數(shù)據(jù)分析
利用SAE對西北五省核心節(jié)點(diǎn)城市物流競爭力指標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)特征分析與重構(gòu)，將分析結(jié)果作為SOFM網(wǎng)絡(luò)的輸入數(shù)據(jù)并進(jìn)行自組織分類，分別形成城市物流競爭力的競爭實(shí)力、競爭潛力、競爭環(huán)境輸出值，完成自組織分類。
4物流業(yè)發(fā)展空間關(guān)聯(lián)分析
“一帶一路”國內(nèi)西北段這些節(jié)點(diǎn)城市的物流產(chǎn)業(yè)之間只有加強(qiáng)空間聯(lián)系才能實(shí)現(xiàn)高效協(xié)同發(fā)展。但是，不同物流產(chǎn)業(yè)發(fā)展水平的城市在整體物流發(fā)展中的角色定位也不同。因此，深入剖析這些城市物流產(chǎn)業(yè)發(fā)展的空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)以及各自在協(xié)同發(fā)展中的路徑尤為重要。本文采用社會(huì)網(wǎng)絡(luò)分析法結(jié)合引力模型對節(jié)點(diǎn)城市的物流業(yè)發(fā)展空間關(guān)聯(lián)進(jìn)行研究。
4.1中心性分析
利用UCINET軟件中的Centrality功能計(jì)算出各城市的點(diǎn)度中心度、中介中心度和接近中心度。
(1)在13個(gè)城市中，點(diǎn)度中心度最高的是西安，其次是蘭州、烏魯木齊，說明西安在物流發(fā)展網(wǎng)絡(luò)中處于中心位置，這三個(gè)城市在物流發(fā)展網(wǎng)絡(luò)中具有較大的關(guān)聯(lián)性。
(2)城市的中介中心度越高，對其他城市物流發(fā)展的影響力越大。西安、烏魯木齊、蘭州的中介中心度位列前三，再一次有力地證明了西安處于該物流發(fā)展空間關(guān)聯(lián)網(wǎng)絡(luò)的核心位置，西安、烏魯木齊、蘭州這三個(gè)城市對推進(jìn)整個(gè)網(wǎng)絡(luò)物流發(fā)展的影響力最大;寶雞、銀川、武威、咸陽、天水和西寧的中介中心度依次遞減，說明這些城市在網(wǎng)絡(luò)中雖有一定的影響力，但影響力有限;其他城市均為零。
(3)城市的接近中心度越低，說明該城市越不受其他城市的影響，不受所在網(wǎng)絡(luò)的控制。吐魯番、固原、白銀、酒泉在該指標(biāo)上得分較低，說明這些城市的物流業(yè)發(fā)展受網(wǎng)絡(luò)中其他城市的影響程度小，較難有效參與整體物流產(chǎn)業(yè)的協(xié)同發(fā)展。這與物流發(fā)展空間關(guān)聯(lián)的可視化網(wǎng)絡(luò)圖是一致的。
5結(jié)論
本文利用深層SAE-SOFM模型，對“一帶一路”國內(nèi)西北段沿線13個(gè)核心節(jié)點(diǎn)城市的物流競爭力進(jìn)行測算。同時(shí)，利用社會(huì)網(wǎng)絡(luò)分析法判斷這些城市在流業(yè)發(fā)展上是否存在空間關(guān)聯(lián)。研究結(jié)果表明：
(1)這些城市的物流業(yè)發(fā)展存在明顯的空間關(guān)聯(lián)。(2)物流競爭力劃分為第一類和第二類的西安、蘭州和烏魯木齊是推進(jìn)整個(gè)物流發(fā)展空間關(guān)聯(lián)網(wǎng)絡(luò)的中堅(jiān)力量，但蘭州、烏魯木齊分別在競爭潛力、競爭實(shí)力上稍顯不足。
(3)物流競爭力劃分為第三類的西寧、咸陽、銀川和寶雞在物流業(yè)發(fā)展空間關(guān)聯(lián)網(wǎng)絡(luò)中有一定的“橋梁”作用，能夠連通其他城市的物流活動(dòng)，但競爭潛力不足是這4個(gè)城市共同的問題。(4)物流競爭力劃分為第四類的包括天水、吐魯番、白銀、酒泉、武威和固原，其中大部分城市尚未有效地融入物流產(chǎn)業(yè)整體發(fā)展的大格局中。天水與吐魯番欠缺競爭潛力，白銀、酒泉、武威、固原欠缺競爭實(shí)力，酒泉、武威、固原的競爭環(huán)境較差。
參考文獻(xiàn)：
[1]EkiciSÖ,KabakÖ,ÜlenginF.LinkingtoCompete:LogisticsandGlobalCompetitivenessInteraction[J].TransportPolicy,2016,(48).
[2]ÖzceylanE,CetinkayaC,ErbasM,etal.LogisticperFormAnceevalu⁃ationofProvincesinTurkey:AGIS-basedMulti-criteriaDecisionAnalysis[J].TransportationResearchPartA:PolicyandPractice,2016,(94).
[3]OzmenM.LogisticsCompetitivenessofOECDCountriesUsinganIm⁃provedTODIMMethod[J].Sādhanā,2019,44(5).
[4]宋玲,左小明.基于因子分析的區(qū)域物流競爭力實(shí)證研究[J].西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2017,42(7).
[5]王曉樂“.一帶一路”背景下連云港港口物流競爭力聚類分析[J].淮海工學(xué)院學(xué)報(bào)(人文社會(huì)科學(xué)版),2019,17(7).
[6]朱芳陽,譚保華,王婷婷.生態(tài)位視角下區(qū)域物流產(chǎn)業(yè)競爭力評價(jià)——以“一帶一路”重點(diǎn)省份為例[J].經(jīng)濟(jì)與管理,2019,33(1).
[7]MoYK,ZhaoY,LiSL,etal.EvaluationofPortLogisticsCompeti⁃tivenessBasedonDEA[C].2018InternationalConferenceonCivilandHydraulicEngineering(IConCHE2018),2018.
[8]賈海成.物流產(chǎn)業(yè)發(fā)展與區(qū)域經(jīng)濟(jì)關(guān)聯(lián)分析——以天津和上海為例[J].科技進(jìn)步與對策,2012,29(23).
[9]章艷華.長三角地區(qū)物流產(chǎn)業(yè)發(fā)展競爭力比較——基于江、浙、皖、滬的實(shí)證[J].商業(yè)經(jīng)濟(jì)研究,2019,(10).
作者：李楠
相關(guān)閱讀
