摘 "要:為了助力現(xiàn)代物流有效降低運營成本、提升運營效率、推動人工智能在物流領(lǐng)域的應(yīng)用和物流長期可持續(xù)發(fā)展,采用CiteSpace對人工智能應(yīng)用于物流領(lǐng)域的研究文獻進行發(fā)文量、研究作者、研究機構(gòu)、研究熱點與研究趨勢可視化分析。得出目前處于人工智能應(yīng)用于物流領(lǐng)域的快速增長階段,并沒有較為成熟的核心作者群和研究團體;研究熱點主要集中在大數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘;研究主題主要為物流大數(shù)據(jù)分析、物流數(shù)據(jù)挖掘、物流仿真;研究趨勢主要為物流機器人、區(qū)塊鏈物流。學(xué)者和機構(gòu)之間應(yīng)該打破彼此之間專業(yè)和機構(gòu)的壁壘,充分交流合作,重視研究熱點及趨勢,以促進人工智能在物流領(lǐng)域的應(yīng)用。
"關(guān)鍵詞:人工智能;物流;CiteSpace;文獻
"中圖分類號:F253.9 " "文獻標(biāo)志碼:A " "DOI:10.13714/j.cnki.1002-3100.2024.07.004
Abstract: In order to help modern logistics effectively reduce operating costs, improve operating efficiency; promote the application of artificial intelligence in logistics and the long-term sustainable development of logistics. CiteSpace was used to visually analyze the number of publications, authors, research institutions, research hotspots and research trends of the research literature on the application of AI in the field of logistics. It is concluded that the application of artificial intelligence in the field of logistics is in the rapid growth stage, but there is no mature core authors and research groups. The research focuses on big data, neural network and data mining. The main research topics are logistics big data analysis, logistics data mining, logistics simulation; the main research trends are logistics robots and blockchain logistics. Scholars and institutions should break the professional and institutional barriers between each other, fully communicate and cooperate, pay attention to research hot spots and trends, so as to promote the application of artificial intelligence in the field of logistics.
Key words: artificial intelligence; logistics; CiteSpace; literature
0 "引 "言
"隨著我國經(jīng)濟由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段,物流在國民經(jīng)濟中的基礎(chǔ)性、戰(zhàn)略性、先導(dǎo)性作用顯著增強[1]。國務(wù)院辦公廳印發(fā)的《“十四五”現(xiàn)代物流發(fā)展規(guī)劃》指出現(xiàn)代物流在構(gòu)建現(xiàn)代流通體系、促進形成強大國內(nèi)市場、推動高質(zhì)量發(fā)展、建設(shè)現(xiàn)代化經(jīng)濟體系中發(fā)揮著先導(dǎo)性、基礎(chǔ)性、戰(zhàn)略性作用。發(fā)展現(xiàn)代物流對于提高國民經(jīng)濟運行質(zhì)量和效率、優(yōu)化資源配置、提升中國經(jīng)濟實力等方面具有重要意義。而人工智能是1956年美國達特茅斯學(xué)院召開的學(xué)術(shù)會議上,約翰·麥卡錫首次提出人工智能(Artificial Intelligence, AI)[2]。經(jīng)過60多年的發(fā)展,人工智能融合了計算機科學(xué)、統(tǒng)計學(xué)、心理學(xué)、神經(jīng)科學(xué)等多學(xué)科思想,涉及自然語言、機器學(xué)習(xí)、深度學(xué)習(xí)、機器視覺、計算機視覺、數(shù)據(jù)挖掘等內(nèi)容。其廣泛應(yīng)用于運輸、倉儲、裝卸搬運、包裝等物流活動中。能夠幫助現(xiàn)代物流有效降低運營成本、提升運營效率、推動物流長期可持續(xù)發(fā)展。
1 "數(shù)據(jù)獲取與研究方法
1.1 "數(shù)據(jù)獲取
"本文選取中國知網(wǎng)(CNKI)作為數(shù)據(jù)來源。檢索條件為(主題=物流)和(主題=人工智能+機器學(xué)習(xí)+深度學(xué)習(xí)+神經(jīng)網(wǎng)絡(luò)+自然語言處理+計算機視覺+數(shù)據(jù)挖掘+語音識別+人臉識別+特征識別+VR+AR+人機交互+大數(shù)據(jù)+知識圖譜+機器人+專家系統(tǒng)+數(shù)據(jù)挖掘);檢索資源范圍為學(xué)術(shù)期刊,中英文擴展,時間不限;來源類別為SCI、EI、CSSCI、CSCD、北大核心,通過檢索初步到1 371篇文獻。為了保證數(shù)據(jù)的準(zhǔn)確性和可靠性,剔除會議通知、卷首語、相關(guān)征文等和主題無關(guān)的文獻40篇,最終得到有效文獻1 331篇,以Refworks格式導(dǎo)出,數(shù)據(jù)檢索時間為2023年4月8日。
1.2 "研究方法
"近年來,各種科學(xué)知識圖譜的繪制計量工具層出不窮,CiteSpace、VOSviewer、Gephi、BibExcel、SPSS、Histcite等工具在我國較快地得到了推廣使用[3]。而CiteSpace憑借其關(guān)鍵詞共現(xiàn)、關(guān)鍵詞突現(xiàn)等不斷優(yōu)化升級的功能以及簡便的操作流程受到無數(shù)學(xué)者青睞。因此,本文采用CiteSpace工具實現(xiàn)人工智能應(yīng)用于物流領(lǐng)域的可視化分析。
2 "研究現(xiàn)狀分析
2.1 "發(fā)文量分析
通過對1 331篇相關(guān)研究文獻進行統(tǒng)計分析,得到1993—2023年文獻發(fā)表趨勢圖(見圖1)。對文獻發(fā)表趨勢圖進行簡單回歸分析,得到其增長指數(shù)為R2=0.643 1,整體來看可以得出1993—2023年相關(guān)研究文獻的年發(fā)表量呈現(xiàn)“局部波動、整體上升發(fā)展”的趨勢。1993—2002年為萌芽階段,年發(fā)文量在4篇左右;2003—2012年為緩慢增長階段,年發(fā)文量從7篇緩慢增長到了37篇;2012年至今為快速增長階段,2014年國務(wù)院印發(fā)的物流業(yè)發(fā)展中長期規(guī)劃(2014—2020年)指出要發(fā)展智能物流基礎(chǔ)設(shè)施,建設(shè)智能物流信息平臺,提升物流業(yè)信息化和智能化水平等。隨著相關(guān)政策的發(fā)布,2014年的年發(fā)文量首次突破100篇,形成小高峰。2016 年,英國初創(chuàng)公司DeepMind研發(fā)的圍棋機器人AlphaGo通過無監(jiān)督學(xué)習(xí)戰(zhàn)勝了圍棋世界冠軍柯潔,讓人類對人工智能的期待提升到了前所未有的高度,在它的帶動下,人工智能迎來了最好的發(fā)展時代[4]。而且伴隨著工信部2017年頒布的《促進新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃(2018—2020)》提出要提升高速分揀機、多層穿梭車、高密度存儲穿梭板等物流裝備的智能化水平,實現(xiàn)精準(zhǔn)、柔性、高效的物料配送和無人化智能倉儲等支持人工智能在物流領(lǐng)域發(fā)展政策的相繼發(fā)布。2017年后的年發(fā)文量能夠保持在100余篇,且在2020年達到了146篇的目前最高峰值。隨著國家對人工智能在物流領(lǐng)域應(yīng)用的高度重視,相關(guān)政策的不斷出臺以及人工智能的飛速發(fā)展,預(yù)計人工智能在物流領(lǐng)域的應(yīng)用也將進一步快速發(fā)展,以推動現(xiàn)代物流高質(zhì)量發(fā)展。
2.2 "研究作者分析
通過CiteSpace對人工智能應(yīng)用于物流領(lǐng)域的研究學(xué)者進行分析,得到作者共現(xiàn)圖譜(見圖2)和發(fā)文作者表(見表1)。發(fā)文作者是從事研究的主體,通過對作者共現(xiàn)圖譜的可視化,可以反映核心作者與合作關(guān)系。根據(jù)普賴斯對于核心作者群的著名論斷,即M≈0.749*(為領(lǐng)域最高產(chǎn)作者發(fā)文數(shù)量),可知核心作者的文獻數(shù)量判定標(biāo)準(zhǔn)M=1.84,根據(jù)統(tǒng)計顯示發(fā)文在2篇及以上的作者共有74名,累計發(fā)文167篇文獻,占比12.55%,低于普賴斯的50%標(biāo)準(zhǔn)[5],因此,人工智能應(yīng)用于物流領(lǐng)域的研究尚未形成真正意義上的核心作者群,其研究尚處于開拓階段。結(jié)合作者共現(xiàn)圖譜和發(fā)文作者表,可以知道發(fā)文量最多的是曾奕棠(6篇)和張玉峰(6篇),兩人是合作關(guān)系;其次是楊瑋(4篇);其他作者的發(fā)文量都在4篇以下,其中葉斌、余真翰、黃文富三人存在合作關(guān)系,李余琪、萬勵、吳潔明三人存在合作關(guān)系,時峻峰、張毅、付華森三人存在合作關(guān)系,李澤萍、趙勝利、師寧、周麗四人存在合作關(guān)系,俞勝平、龐新富等五人存在合作關(guān)系,剩余的作者是兩人存在合作關(guān)系或者不存在合作關(guān)系,整體上呈現(xiàn)分散化小范圍合作的特征。
2.3 "研究機構(gòu)分析
通過CiteSpace對人工智能應(yīng)用于物流領(lǐng)域的研究機構(gòu)進行分析,得到機構(gòu)共現(xiàn)圖譜(見圖3)和發(fā)文機構(gòu)表(見表2)。結(jié)合發(fā)文機構(gòu)表和機構(gòu)共現(xiàn)圖譜可知,發(fā)文最多(前五)的機構(gòu)是中國人民大學(xué)商學(xué)院(7篇)、北京物資學(xué)院物流學(xué)院(7篇)、東華大學(xué)旭日工商管理學(xué)院(5篇)、北京物資學(xué)院信息學(xué)院(5篇)、北京交通大學(xué)經(jīng)濟管理學(xué)院(4篇),可見高校在人工智能應(yīng)用于物流領(lǐng)域的研究中占據(jù)很重要的地位;從機構(gòu)間的合作關(guān)系看,上海交通大學(xué)機械與動力工程學(xué)院和東華大學(xué)機械工程學(xué)院存在合作關(guān)系,中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院和中國農(nóng)業(yè)大學(xué)工學(xué)院存在合作關(guān)系,東華大學(xué)旭日工商管理學(xué)院、中南林業(yè)科技大學(xué)物流與交通學(xué)院等8所機構(gòu)存在合作關(guān)系,其余機構(gòu)間相互不存在合作關(guān)系,可見人工智能應(yīng)用于物流領(lǐng)域的研究機構(gòu)之間的合作較少,尚未形成較為成熟的研究團體。
3 "研究熱點與研究趨勢分析
3.1 "研究熱點:關(guān)鍵詞共現(xiàn)分析
"通過CiteSpace對人工智能應(yīng)用于物流領(lǐng)域研究文獻的關(guān)鍵詞進行關(guān)鍵詞共現(xiàn)分析,得到關(guān)鍵詞共現(xiàn)圖譜(見圖4)和高頻關(guān)鍵詞統(tǒng)計表(見表3)。關(guān)鍵詞共現(xiàn)可以反映某一領(lǐng)域的研究熱點[6],關(guān)鍵詞在文獻中出現(xiàn)的頻次越高,共現(xiàn)圖譜中的節(jié)點越大;關(guān)鍵詞的中心度值越大,表明該關(guān)鍵詞的重要程度越重要以及與其余關(guān)鍵詞的關(guān)聯(lián)程度越高。因此結(jié)合關(guān)鍵詞的頻次和中心度值能夠得到人工智能應(yīng)用于物流領(lǐng)域的熱點。從中可以看到人工智能應(yīng)用于物流領(lǐng)域的關(guān)鍵詞之間的聯(lián)系錯綜復(fù)雜,頻次大于50次,中心度值大于0.1有:大數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘,可見人工智能應(yīng)用于物流領(lǐng)域的熱點主要是大數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘等。
3.2 "研究主題:關(guān)鍵詞聚類分析
在關(guān)鍵詞共現(xiàn)分析的基礎(chǔ)上,采用數(shù)似然算法(LLR算法)對關(guān)鍵詞進行聚類分析,得到關(guān)鍵詞聚類圖譜(見圖5)。關(guān)鍵詞聚類圖譜可以更加直觀地反映研究的知識結(jié)構(gòu)和在某一個研究方向上的主題詞[7]。指標(biāo)模塊值Q和平均輪廓值S能夠衡量聚類圖譜的繪制效果。Q值在[0,1)區(qū)間內(nèi),Q>0.3表明生成的聚類圖譜網(wǎng)絡(luò)結(jié)構(gòu)是顯著的,Q值越大,聚類效果越好;S值反映聚類圖譜網(wǎng)絡(luò)的同質(zhì)性,S>0.5表明生成的聚類圖譜是合理的,S>0.7則表明聚類圖譜是高度可信的[8]。得到的結(jié)果Modularity Q(模塊值)=0.604 5、Mean Silhouette S(平均輪廓值)=0.712 9,可知得到的聚類圖譜是合理的且網(wǎng)絡(luò)結(jié)構(gòu)是顯著的。關(guān)鍵詞聚類圖譜顯示了9個聚類群組,分別是:大數(shù)據(jù)(#0)、數(shù)據(jù)挖掘(#1)、智慧物流(#2)、商業(yè)模式(#3)、神經(jīng)網(wǎng)絡(luò)(#4)、仿真(#5)、物流(#6)、專家系統(tǒng)(#7)、信息化(#8)。
"結(jié)合關(guān)鍵詞共現(xiàn)及聚類圖譜、高頻關(guān)鍵詞統(tǒng)計表中關(guān)鍵詞的頻次和中心度值,初步得到“大數(shù)據(jù)”、“神經(jīng)網(wǎng)絡(luò)”、“數(shù)據(jù)挖掘”屬于人工智能應(yīng)用于物流領(lǐng)域的研究熱點,由于不同關(guān)鍵詞之間的聯(lián)系錯綜復(fù)雜,經(jīng)過梳理得到以下三個主題研究脈絡(luò):物流大數(shù)據(jù)分析、物流數(shù)據(jù)挖掘、物流仿真。
"物流大數(shù)據(jù)分析:通過打造物流大數(shù)據(jù)系統(tǒng),對運輸、倉儲、包裝、配送等物流環(huán)節(jié)中的數(shù)據(jù)和信息,進行大數(shù)據(jù)分析,應(yīng)用于運輸配送路線優(yōu)化、改善客戶關(guān)系、風(fēng)險管理等情景中,以提高物流效率,降低物流成本和物流風(fēng)險。如:張建喜、趙培英等將大數(shù)據(jù)技術(shù)應(yīng)用在數(shù)據(jù)庫中,建立物流管理數(shù)據(jù)庫系統(tǒng),以實現(xiàn)對農(nóng)產(chǎn)品物流運輸進行全過程管理,降低農(nóng)產(chǎn)品在運輸過程中的損耗率和變質(zhì)率,進而提高農(nóng)產(chǎn)品物流效率和農(nóng)業(yè)生產(chǎn)效益[9]。陳婉婷構(gòu)建以無向圖為基礎(chǔ)的大數(shù)據(jù)分析模型,采用動態(tài)分析方法規(guī)劃出最優(yōu)配送路線,提出一種基于大數(shù)據(jù)分析的農(nóng)村電商物流最后一公里配送方法。用來彌補不能及時將貨物交由收貨人手中而造成的配送成本高、效率低的問題[10]。
"物流數(shù)據(jù)挖掘:采用關(guān)聯(lián)分析、神經(jīng)網(wǎng)絡(luò)、遺傳算法等算法技術(shù)在海量的數(shù)據(jù)集中挖掘出有用的內(nèi)容,應(yīng)用于物流需求預(yù)測、配送路徑優(yōu)化、風(fēng)險預(yù)警、車輛調(diào)度、優(yōu)化倉儲管理等方面。如:徐曉燕、楊慧敏等將小波神經(jīng)網(wǎng)絡(luò)、人工神經(jīng)網(wǎng)絡(luò)(BP)、遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)(GA-BP)、粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)(PSO-BP)、長短時記憶網(wǎng)絡(luò)(LSTM)等五種方法的數(shù)據(jù)預(yù)測進行對比分析,選取預(yù)測生鮮農(nóng)產(chǎn)品物流需求量更精準(zhǔn)方法[11]。蘇卉、李玉輝等引入射頻識別技術(shù)(RFID),提出基于射頻識別的物流頻繁路徑數(shù)據(jù)挖掘方法,解決傳統(tǒng)物流頻繁路徑數(shù)據(jù)挖掘方法中存在的空間用量較大、運行時間較長等問題[12]。楊揚、徐新?lián)P為了準(zhǔn)確識別跨境供應(yīng)鏈內(nèi)的多源風(fēng)險,建立了一個基于粒子群優(yōu)化算法(PSO)優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)(CNN)的跨境供應(yīng)鏈風(fēng)險預(yù)警模型(CNN-PSO),并對比分析四種同類型模型,得出CNN-PSO跨境供應(yīng)鏈風(fēng)險預(yù)警模型訓(xùn)練速度快、效率高[13]。王利改以計劃性、預(yù)防性和機動性這三個特征為基礎(chǔ),構(gòu)建了一個飼料車輛調(diào)度優(yōu)化模型,通過飼料物流配送車輛序列系數(shù)的分析,來確定線路模式,利用灰色多層次弱收斂序列系數(shù)來擬合出最短路線,而獲得飼料物流車輛調(diào)度優(yōu)化方案[14]。
"物流仿真:采用虛擬現(xiàn)實方法,對物流系統(tǒng)(倉儲系統(tǒng)、運輸系統(tǒng)等)進行實際模擬,統(tǒng)計分析模擬結(jié)果,應(yīng)用于揀選流程、配送路徑優(yōu)化等以降低物流投資成本,提升物流效益。龔志鋒、陳滔滔等以天津武清區(qū)科捷機器人倉為背景,研究模擬訂單揀選流程的仿真程序,改變機器人及勞務(wù)人員數(shù)量,最終得到優(yōu)化配置結(jié)果[15]。鄧濤、陳瑤等以物流配送為對象,運用計算機仿真技術(shù)和專家系統(tǒng)相結(jié)合的智能仿真方法,對物流配送系統(tǒng)進行研究,建立了基于專家系統(tǒng)的智能仿真系統(tǒng)閉合回路結(jié)構(gòu),探討了嵌入式智能仿真結(jié)構(gòu)和農(nóng)產(chǎn)品物流智能仿真的流程[16]。
3.3 "研究趨勢:關(guān)鍵詞突現(xiàn)分析
關(guān)鍵詞突現(xiàn)能夠表明該關(guān)鍵詞在某時間段內(nèi)的關(guān)注度,反映出該時段下的研究熱點和發(fā)展趨勢[17]。為了更好地了解人工智能應(yīng)用于物流領(lǐng)域的研究趨勢,采用CiteSpace進行關(guān)鍵詞突現(xiàn)分析得到關(guān)鍵詞突現(xiàn)圖譜(見圖6)。突現(xiàn)強度較高的是:數(shù)據(jù)挖掘、大數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)、新零售、智慧物流,可見人工智能的熱點在于數(shù)據(jù)挖掘、大數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)等技術(shù)應(yīng)用于新零售、智慧物流等區(qū)域;突現(xiàn)時間較長的關(guān)鍵詞是物流系統(tǒng);突現(xiàn)時間較近的是新零售、智慧物流、區(qū)塊鏈、人工智能、機器人、數(shù)字經(jīng)濟等,說明這些都是近年人工智能應(yīng)用于物流中的重要主題或者領(lǐng)域。綜上數(shù)據(jù),厘清關(guān)鍵詞之間的關(guān)系可以得出人工智能應(yīng)用于物流領(lǐng)域的應(yīng)用場景主要是:新零售、飼料企業(yè)等,而其研究趨勢有以下幾個方面:物流機器人、區(qū)塊鏈物流。
"物流機器人:隨著《中國制造2025》《“十四五”機器人產(chǎn)業(yè)發(fā)展規(guī)劃》等政策的推進,機器人成為我國建設(shè)制造強國的重要領(lǐng)域之一[18]。未來物流機器人將進一步深度融合智能算法、感知識別技術(shù)、深度學(xué)習(xí)等核心技術(shù),實現(xiàn)能夠適應(yīng)各類型場景甚至通用的堆垛機器人、分揀機器人、配送機器人等物流機器人的研發(fā)。
"區(qū)塊鏈物流:作為新一代信息技術(shù)的前沿代表,區(qū)塊鏈具有去中心化存儲、非對稱加密、分布式共識等特點[19],其可用于物流運輸信息的追蹤、解決物流融資困難問題、完善物流信用評價體系等,未來區(qū)塊鏈物流可以融合數(shù)字孿生等新興技術(shù),構(gòu)建統(tǒng)一標(biāo)準(zhǔn)技術(shù)的區(qū)塊鏈技術(shù),降低區(qū)塊鏈開發(fā)成本,加大對物流隱私的保護,進一步提高區(qū)塊鏈技術(shù)在物流領(lǐng)域的應(yīng)用,提高物流數(shù)字化建設(shè)。
4 "結(jié) "論
隨著人工智能的飛速發(fā)展,其廣泛應(yīng)用在物流中的各個領(lǐng)域。本文采用CiteSpace對人工智能應(yīng)用于物流領(lǐng)域的研究文獻(1993—2023)進行可視化分析。得到如下結(jié)論:
"發(fā)文量分析:隨著國家對人工智能在物流領(lǐng)域應(yīng)用的高度重視,相關(guān)政策的不斷出臺以及人工智能的飛速發(fā)展,2012年至今為人工智能應(yīng)用于物流領(lǐng)域的快速增長階段。
研究作者和機構(gòu)分析:人工智能應(yīng)用于物流領(lǐng)域的研究尚未形成真正意義上的核心作者群,其研究尚處于開拓階段,作者之間的合作整體上呈現(xiàn)分散化小范圍合作的特征。而且人工智能應(yīng)用于物流領(lǐng)域的研究機構(gòu)之間的合作較少,尚未形成較為成熟的研究團體。為了助力人工智能在物流領(lǐng)域的快速發(fā)展,研究學(xué)者和研究機構(gòu)應(yīng)該打破彼此之間專業(yè)和機構(gòu)的壁壘,充分交流合作以促進人工智能在物流領(lǐng)域的應(yīng)用。
"研究熱點與研究趨勢分析:人工智能應(yīng)用于物流領(lǐng)域的熱點主要是大數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘。人工智能應(yīng)用于物流領(lǐng)域的主題研究脈絡(luò)主要是物流大數(shù)據(jù)分析、物流數(shù)據(jù)挖掘、物流仿真。人工智能應(yīng)用于物流領(lǐng)域的研究趨勢主要是物流機器人、區(qū)塊鏈物流。應(yīng)該重視當(dāng)前的研究熱點及趨勢,加大人工智能在物流領(lǐng)域的應(yīng)用。
"人工智能領(lǐng)域已經(jīng)成為世界各國科技革命和產(chǎn)業(yè)變革的新競技場[20]。加大對人工智能的研究、提升人工智能在物流領(lǐng)域的應(yīng)用,有助于智慧物流、數(shù)字物流的建設(shè),有助于國家經(jīng)濟實力的提升。
參考文獻:
[1] 董珮琪. 推進江西物流降本增效的若干思考[J]. 價格月刊,2020(8):57-63.
[2] "MCCARTHY J, MINSKY M L, ROCHESTER N, et al. A proposal for the dartmouth summer research project on artificial intelligence[J]. Al Magazine, 2006,27(4):12-14.
[3] 肖明,邱小花,黃界,等. 知識圖譜工具比較研究[J]. 圖書館雜志,2013,32(3):61-69.
[4] GHAHRAMANI Z. Probabilistic machine learning and artificial intelligence[J]. Nature, 2015,521:452-459.
[5] 羅海燕,潘俊林. 基于科學(xué)知識圖譜的智慧共享物流研究可視化分析[J]. 商業(yè)經(jīng)濟研究,2022(20):118-121.
[6] 袁寶龍,冼均連,李敬昱. 基于知識圖譜的綠色戰(zhàn)略研究熱點與發(fā)展趨勢分析[J]. 中南林業(yè)科技大學(xué)學(xué)報(社會科學(xué)版),2021,15(6):10-20,60.
[7] 古貞. 中國智慧物流和智能物流的研究現(xiàn)狀、熱點及趨勢分析——基于CiteSpace和CNKI的可視化分析[J]. 供應(yīng)鏈管理,2023,4(3):60-71.
[8] 陳悅,陳超美,劉則淵,等. CiteSpace知識圖譜的方法論功能[J]. 科學(xué)學(xué)研究,2015,33(2):242-253.
[9] 張建喜,趙培英,畢然. 基于大數(shù)據(jù)技術(shù)的農(nóng)產(chǎn)品物流管理研究[J]. 農(nóng)機化研究,2022,44(11):216-220.
[10] 陳婉婷. 基于大數(shù)據(jù)分析的農(nóng)村電商物流最后一公里的配送問題研究[J]. 現(xiàn)代電子技術(shù),2017,40(22):39-41.
[11] 徐曉燕,楊慧敏,呂修凱,等. 基于山東省不同模型的物流需求預(yù)測比較研究[J]. 包裝工程,2022,43(23):207-215.
[12] 蘇卉,李玉輝,張先榮. 基于射頻識別的物流頻繁路徑數(shù)據(jù)挖掘仿真[J]. 計算機仿真,2019,36(9):357-360,384.
[13] 楊揚,徐新?lián)P. 基于CNN-PSO的跨境供應(yīng)鏈風(fēng)險預(yù)警研究[J]. 公路交通科技,2022,39(1):152-159.
[14] 王利改. 依賴灰色多層次弱收斂序列系數(shù)的飼料物流車輛調(diào)度優(yōu)化[J]. 飼料研究,2020,43(4):155-158.
[15] 龔志鋒,陳滔滔,石超,等. 物流機器人揀選流程仿真研究[J]. 計算機應(yīng)用與軟件,2020,37(2):326-333.
[16] 鄧濤,陳瑤. 基于專家系統(tǒng)的物流配送智能仿真系統(tǒng)探析[J]. 西南農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版),2006(4):687-690.
[17] "NIU M, WANG Y, SUN S, et al. A novel hybrid decomposition and ensemble model based on CEEMD and GWO for short-term PM2.5 concentration forecasting[J]. Atmospheric Environment, 2016,134:168-180.
[18] 工信部,國家發(fā)改委,財政部,等. 十五部門聯(lián)合印發(fā)《“十四五”機器人產(chǎn)業(yè)發(fā)展規(guī)劃》[J]. 機器人技術(shù)與應(yīng)用,2022(1):1.
[19] NAKAMOTO S. Bitcoin: A peer-to-peer electronic cash system[M]. White Paper, 2008.
[20] 任利強,郭強,王海鵬,等. 基于CiteSpace的人工智能文獻大數(shù)據(jù)可視化分析[J]. 計算機系統(tǒng)應(yīng)用,2018,27(6):18-26.
收稿日期:2023-05-23
基金項目:福建省科技廳引導(dǎo)性項目“基于AI的管道特種機器人系列產(chǎn)品研發(fā)”(2021H0025);福建省教育廳研究生教研項目“基于‘新工科’實驗室的產(chǎn)學(xué)研用深度融合研究”(FBJG20220116)
作者簡介:李錦祥(2000—),男,福建龍海人,福建工程學(xué)院交通運輸學(xué)院物流工程與管理碩士研究生,研究方向:智慧物流;鄭少峰(1977—),本文通信作者,男,福建古田人,福建工程學(xué)院交通運輸學(xué)院,高級工程師,碩士生導(dǎo)師,研究方向:人工智能。
引文格式:李錦祥,鄭少峰. 人工智能應(yīng)用于物流領(lǐng)域的研究熱點、趨勢——基于CiteSpace的可視化分析[J]. 物流科技,2024,47(7):18-22,39.