基于云模型的區(qū)域物流與經濟耦合度研究

羅 建，何傳磊，趙 蕾，薛 鋒,4

基于云模型的區(qū)域物流與經濟耦合度研究

羅 建1，何傳磊2，趙 蕾3，薛 鋒2,4

（1. 西華大學，汽車與交通學院，成都 610039；2. 西南交通大學，交通運輸與物流學院，成都 611756；3. 中國建筑西南設計研究院有限公司，成都 6100414. 綜合交通大數(shù)據(jù)應用技術國家工程實驗室，成都 611756）

區(qū)域物流與區(qū)域經濟的協(xié)調對兩者的健康有序發(fā)展均存在較大的影響。選取適當指標體系, 結合耦合理論、云模型理論與方法, 得到區(qū)域物流子系統(tǒng)與區(qū)域經濟子系統(tǒng)耦合度綜合云參數(shù)的計算方法及步驟, 并結合四川省物流與經濟系統(tǒng)相應數(shù)據(jù)進行分析。實例結果表明, 在研究期內, 四川省區(qū)域物流與經濟子系統(tǒng)各自的效用呈現(xiàn)增長趨勢, 區(qū)域物流子系統(tǒng)效用年均增長率為24.50%, 區(qū)域經濟子系統(tǒng)效用的年均增長率為32.93%, 耦合度綜合云的期望在0.4974到0.5001之間, 表明區(qū)域物流與區(qū)域經濟系統(tǒng)處于中等耦合階段。

區(qū)域物流；區(qū)域經濟；云模型；耦合度

0 引 言

區(qū)域內的一切物流活動，從貨物的包裝、運輸、存儲，乃至物流鏈中的信息傳送、流通等其他附加作業(yè)，均為區(qū)域物流的一部分。區(qū)域經濟是區(qū)域內經濟發(fā)展形成的綜合體，包括經濟發(fā)展的內外部因素，是區(qū)域經濟發(fā)展客觀規(guī)律的反映主體。區(qū)域物流與區(qū)域經濟之間關系密切，區(qū)域經濟的發(fā)展能夠在很大程度上促進區(qū)域物流的發(fā)展，區(qū)域物流的高效便捷也會對區(qū)域經濟產生拉動作用，兩者存在一定的耦合促進機制，主要反映在區(qū)域物流的供需平衡對于區(qū)域經濟調節(jié)的依賴。

國內外對于區(qū)域經濟與區(qū)域物流的研究較為豐富，Pedersen、Fan等[1, 2]從定性或定量的角度出發(fā)，針對區(qū)域物流對區(qū)域經濟的促進作用進行了研究；Chao[3]在研究區(qū)域物流對區(qū)域經濟影響的基礎上，對區(qū)域物流的供需情況進行分級；王洪軍、劉明菲等[4, 5]分析了區(qū)域經濟系統(tǒng)對于區(qū)域物流的促進作用，指出區(qū)域物流與區(qū)域經濟之間存在一定的協(xié)調機制；劉秉鐮等[6]研究了區(qū)域物流與區(qū)域經濟之間的相互作用，指出這種相互作用是二者內部要素的直接關聯(lián)與耦合；許華靜等[7-9]通過建立區(qū)域物流與經濟系統(tǒng)模型，結合案例分析了區(qū)域物流與經濟之間的相關性；胡冰茜和周小虎等[10, 11]建立相應的區(qū)域經濟與物流耦合評價指標體系，計算了區(qū)域物流與區(qū)域經濟的耦合度。上述研究對區(qū)域物流與區(qū)域經濟耦合關系的分析，存在主觀性強、操作復雜等缺點，對耦合關系的量化值計算過于簡單，不能深刻反映區(qū)域物流和經濟之間的關系內涵。

本文參考國內外相關文獻，選取區(qū)域物流與區(qū)域經濟相關指標，結合云模型理論與方法，在構造區(qū)域物流與區(qū)域經濟效用云的基礎上，結合耦合度計算方法，得出區(qū)域物流與區(qū)域經濟耦合度綜合云參數(shù)的計算方法，并結合四川省區(qū)域物流與區(qū)域經濟相應數(shù)據(jù)得到四川省區(qū)域物流與區(qū)域經濟的耦合度綜合云，將其與評價云進行對比，最終對區(qū)域物流與區(qū)域經濟耦合度進行評價。云模型能夠較好地兼顧模糊性與隨機性，對準確度量區(qū)域物流與區(qū)域經濟間的耦合度具有較為明顯的作用。

1 區(qū)域物流與經濟耦合度指標及數(shù)據(jù)處理

區(qū)域物流與區(qū)域經濟系統(tǒng)之間存在一定的互動作用，要界定二者之間的耦合協(xié)調度，需要先選取兩個系統(tǒng)中具有代表性的參數(shù)作為評價指標，在指標選取時，需依據(jù)科學性、層次性、代表性和可操作性的原則。本文參閱相關文獻，確定初始指標體系，并通過理論分析法和專家打分法對初始指標進行篩選，確定最終評價指標體系。

在該指標體系中，區(qū)域物流部分用系統(tǒng)A表示，其評價指標包括交通運輸和倉儲及郵電通信業(yè)城鎮(zhèn)單位就業(yè)人員（指標1）、交通運輸及倉儲和郵政業(yè)全社會固定資產投資（指標2）、鐵路營業(yè)里程（指標3）、公路里程（指標4）、貨運量（指標5）、貨物周轉量（指標6）、民用載貨汽車擁有量（指標7）、快遞量（指標8）；區(qū)域經濟部分用系統(tǒng)B表示，其評價指標包括全社會固定資產投資（指標1）、第三產業(yè)增加值（指標2）、地區(qū)生產總值（指標3）、社會消費品零售總額（指標4）、居民消費水平（指標5）、經營單位所在地進出口總額（指標6）、地區(qū)生產總值指數(shù)（指標7）、國有經濟能源工業(yè)固定資產投資（指標8）、地方財政一般預算收入（指標9）。

式中，S表示第個指標的標準差，計算如下：

2 區(qū)域物流與經濟耦合度評價方法

2.1 云模型理論

在大系統(tǒng)耦合協(xié)調度的計算過程中，存在較多的不確定評價因素，云模型作為定性與定量之間轉換的不確定性模型，能夠較好地在耦合協(xié)調度計算過程中實現(xiàn)各種定性因素的量化處理，因此本文基于云模型理論研究區(qū)域物流與經濟之間的耦合關系。

云的數(shù)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，是定性信息不確定性的表征；超熵H是云度厚度的度量，云滴越厚表示隸屬度的離散程度越大，云的厚度也越大[15]。

根據(jù)概念可以將云模型分為正向云和逆向云。正向云是實現(xiàn)定性向定量轉化的過程，由云的數(shù)字特征產生云滴。逆向云是由多個樣本組成的云滴產生云數(shù)字特征的過程，與正向云相反，是定量到定性的轉換。正向云與逆向云的關系如圖1所示。

圖1 正向云與逆向云的關系

2.2 耦合度綜合云生成方法

式中，+表示正向指標，-表示負向指標。

區(qū)域物流和區(qū)域經濟單系統(tǒng)效用，可根據(jù)不同指標對系統(tǒng)的貢獻度對其賦予權重，并按照下式進行計算：

式中，r表示第個指標與其他指標相關性總體情況，按下式計算：

其中表示指標的相關矩陣：

式中，r表示指標與指標之間的相關性。

由耦合理論可知，當存在個子系統(tǒng)組成大系統(tǒng)時，大系統(tǒng)的整體耦合度[12]為：

在計算多個子系統(tǒng)構成的大系統(tǒng)的耦合度綜合云的相應參數(shù)前，需先得到單系統(tǒng)不同指標的隸屬云及其數(shù)字特征。根據(jù)云模型的概念和定義，單系統(tǒng)的云模型參數(shù)的計算法則如下[15]：

單個系統(tǒng)效用形成的云的期望、熵和超熵的計算方法如下式所示：

根據(jù)單系統(tǒng)云的期望、熵等參數(shù)，可進行多系統(tǒng)復雜云的相關參數(shù)計算，依據(jù)文獻[15]提供的思路及大系統(tǒng)的整體耦合度計算方法，可得兩子系統(tǒng)的大系統(tǒng)耦合度綜合云的數(shù)字特征參數(shù)。

耦合度的云期望為：

耦合度云的熵為：

超熵為：

在得到組合系統(tǒng)的耦合度云之后，需要相應的耦合度評價云才能對組合系統(tǒng)的耦合度情況進行判斷。評價云的構造可參照文獻[17]所示的方法進行。

首先，參考國內外相關文獻，對耦合度的評價值進行分級。本文將耦合度分為五個等級，各等級區(qū)間如表1所示。

表1 耦合度等級

根據(jù)表1所示分級結果，計算各級別評價云的相關參數(shù)，如表2所示[15]。

表2 耦合度評價云相應參數(shù)

根據(jù)表2中的各級別耦合度云的參數(shù)繪制評價云圖形，如圖2所示。

圖2 耦合度評價云

2.3 基于云模型的區(qū)域物流與經濟耦合度評價步驟

基于云模型的區(qū)域物流與經濟耦合度綜合云的相應參數(shù)計算步驟如下：

step1 對區(qū)域物流與區(qū)域經濟子系統(tǒng)的歷史樣本數(shù)據(jù)按照公式（3）進行處理。

step3 按照公式（12）~（22）可得區(qū)域物流和區(qū)域經濟大系統(tǒng)耦合度的綜合云數(shù)字特征參數(shù)。

step4 將區(qū)域物流與區(qū)域經濟組成的大系統(tǒng)耦合度綜合云與相應的評價云作比較，得到最終的評價結果。

3 實例分析

根據(jù)四川省統(tǒng)計年鑒及國家統(tǒng)計局統(tǒng)計網(wǎng)站所得到的數(shù)據(jù)，其中2006—2015這十年為四川省經濟增長的關鍵周期，將其作為實例分析具有一定的代表性。搜集2006—2015年四川省物流系統(tǒng)與經濟系統(tǒng)的相關參數(shù)，按照公式（1）對數(shù)據(jù)進行標準化處理，按照公式（5）所示的方法，計算得到各指標的權重如表3所示。

表3 區(qū)域物流系統(tǒng)與經濟系統(tǒng)指標權重表

為了提高計算結果的可靠性，將研究期劃分為四個具有重合窗的階段，依次為2006—2009年、2008—2011年、2010—2013年及2012—2015年，根據(jù)表3所示權重情況，結合公式（4）計算可得區(qū)域物流系統(tǒng)與經濟系統(tǒng)的效用情況，如表4所示。

表4 區(qū)域物流系統(tǒng)與經濟系統(tǒng)效用值

由表4可以看出，四川省物流系統(tǒng)效用在時期1到時期4間呈現(xiàn)增長趨勢，年均環(huán)比增長幅度為24.50%。四川經濟系統(tǒng)效用在時期1~4間也表現(xiàn)出較大幅度的增長，環(huán)比增長率為32.93%。圖3所示為區(qū)域物流系統(tǒng)與經濟系統(tǒng)不同時段效用值及其增長情況。

圖3 區(qū)域物流系統(tǒng)及經濟系統(tǒng)效用值及其增長情況

由圖3可以更加清晰地看到四川省區(qū)域物流系統(tǒng)與經濟系統(tǒng)效用值在時期1到時期4的增長情況：在時期1至時期3時，經濟系統(tǒng)效用略低于區(qū)域物流系統(tǒng)效用，在時期4時，兩系統(tǒng)效用基本相等。從圖3下半部分可以明顯看出，在時期2與時期3時，經濟系統(tǒng)效用的年環(huán)比增長率明顯高于區(qū)域物流系統(tǒng)，在時期4時，區(qū)域物流系統(tǒng)效用的增長率大于經濟系統(tǒng)的增長率。

根據(jù)以上計算結果，結合耦合度綜合云參數(shù)計算步驟，可得時期1到時期4間四川省區(qū)域物流與經濟耦合度綜合云的相關參數(shù)，如表5所示。

表5 耦合度綜合云參數(shù)

根據(jù)表5中的參數(shù)可得時期1到4間四川省區(qū)域物流系統(tǒng)與經濟系統(tǒng)耦合度云的表示，如圖4和圖5所示。

圖4 時期1與時期2的耦合度綜合云

圖5 時期3與時期4的耦合度綜合云

根據(jù)表5可知在時期1到時期4間，區(qū)域物流與經濟的耦合度差異較小，耦合度綜合云期望最大值出現(xiàn)在時期4（為0.5001），最小值出現(xiàn)在時期1（為0.4974），時期1到時期4存在微弱的增長趨勢。圖4與圖5所示為不同時期耦合度綜合云的情況，可以看出，在不同時期，耦合度綜合云的中心基本重合，僅在云滴的分散程度上存在很小的差異，表明時期1到時期4區(qū)域物流與經濟的耦合情況較為穩(wěn)定。

圖6反映了在時期2，區(qū)域物流、區(qū)域經濟系統(tǒng)的耦合度綜合云與評價云的對比?？梢钥闯?，該時期區(qū)域物流與區(qū)域經濟的耦合度較好，與等級3評價云高度貼合，說明該時期區(qū)域物流與區(qū)域經濟耦合度一般。結合表2與表5，可知時期1到時期4期間，耦合度綜合云的期望與等級3評價云的期望幾乎相等，差異度分別為0.517%、0.118%、0.002%和0.020%。

圖6 時期2時區(qū)域物流與區(qū)域經濟耦合度

4 結 論

在分析區(qū)域物流與區(qū)域經濟相互作用的基礎上，選取區(qū)域物流與區(qū)域經濟相應指標，建立評價指標體系，依據(jù)耦合理論和云模型相應理論與方法，得到區(qū)域物流與區(qū)域經濟耦合度綜合云相關參數(shù)的計算方法及步驟，最終結合四川省2006年至2015年間物流與經濟系統(tǒng)指標數(shù)據(jù)，進行實例分析。通過上述研究，得出結論如下：

（1）區(qū)域物流與區(qū)域經濟子系統(tǒng)之間存在較強的相互作用，二者相互依存，相互制約，需要協(xié)調發(fā)展。

（2）區(qū)域物流與區(qū)域經濟效用發(fā)展往往呈現(xiàn)較為相似的趨勢，實例分析中，區(qū)域物流與區(qū)域經濟子系統(tǒng)的效用均呈現(xiàn)較為顯著的增長趨勢，區(qū)域物流子系統(tǒng)效用的平均增長率為24.50%，區(qū)域經濟子系統(tǒng)效用的平均增長率為32.93%。

（3）區(qū)域物流、區(qū)域經濟子系統(tǒng)的耦合度，與區(qū)域物流、區(qū)域經濟子系統(tǒng)的協(xié)調發(fā)展存在較大關系，實例分析中，區(qū)域物流與區(qū)域經濟發(fā)展較為均衡，組合系統(tǒng)的耦合度綜合云期望在時期1到4為0.4974到0.5001，波動幅度較小。

[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] 王洪軍. 港口物流與區(qū)域經濟的互動關聯(lián)機理——以丹東港為例[J]. 經營管理者, 2014 (15): 115-115.

[5] 劉明菲, 柯錦輝. 區(qū)域物流與區(qū)域經濟的協(xié)同性分析[J]. 理論月刊, 2008 (4): 64-66.

[6] 劉秉鐮, 王燕. 區(qū)域經濟發(fā)展與物流系統(tǒng)規(guī)劃[M]. 北京, 經濟管理出版社, 2010.

[7] 許華靜, 龍芳, 袁崇敏, 等. 基于Anylogic的南昌市區(qū)域物流與區(qū)域經濟系統(tǒng)仿真研究[J]. 科技、經濟、市場, 2014 (1): 33-35.

[8] 邵柏春. 區(qū)域內物流水平與經濟水平的互動關系研究[J]. 物流技術, 2015, 34 (10): 56-58.

[9] 唐嘉欣. 關于長三角與成渝經濟區(qū)區(qū)域物流與區(qū)域經濟發(fā)展相關性的研究[J]. 知識經濟, 2018 (12): 25-26.

[10] 胡冰茜. 湖南省區(qū)域物流與區(qū)域經濟的耦合度研究[D]. 長沙: 中南林業(yè)科技大學, 2017.

[11] 周小虎, 楊宏偉, 趙鶯. 絲綢之路經濟帶區(qū)域經濟與物流發(fā)展耦合評價及空間分析[J]. 鐵道運輸與經濟, 2017, 39 (1): 13-17+28.

[12] 薛鋒, 袁野. 基于耦合協(xié)調度模型的綜合運輸體系支撐力研究[J]. 交通運輸工程與信息學報, 2018, 16 (1): 24-31.

[13] 陳貴林. 一種定性定量信息轉換的不確定性模型——云模型[J]. 計算機應用研究, 2010, 27 (6): 2006-2010.

[14] 張景秀. 廣州汽車產業(yè)集群與區(qū)域物流協(xié)同發(fā)展研究[D]. 廣州: 華南理工大學, 2012: 30-37.

[15] 劉常昱, 馮芒, 戴曉軍, 等. 基于云X信息的逆向云新算法[J]. 系統(tǒng)仿真學報, 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] 馮學慧. 基于熵權法與正態(tài)云模型的大壩安全綜合評價[J]. 水電能源科學, 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

四川省社會科學規(guī)劃項目“統(tǒng)計發(fā)展專項課題”（SC19TJ027）；西南交通大學“雙一流”建設項目（交通軟科學類）（JDSYLYB2018030）

羅建（1982—），女，博士，西華大學副教授，研究方向：交通運輸規(guī)劃與管理，E-mail：0120100001@mail.xhu.edu.cn

薛鋒（1981—），男，博士，副教授，研究方向：交通運輸統(tǒng)計分析，E-mail：xuefeng.7@163.com

羅建，何傳磊，趙蕾，等. 基于云模型的區(qū)域物流與經濟耦合度研究[J]. 交通運輸工程與信息學報，2020，18（1）：160-167.

（責任編輯：劉娉婷）