基于CiteSpace的眾包物流領(lǐng)域英文文獻計量與知識圖譜分析

摘 "要：文章基于Web of Science核心數(shù)據(jù)庫，利用CiteSpace 6.2.R2可視化軟件，對與眾包物流主題相關(guān)的129篇相關(guān)文獻進行可視化科學計量分析，獲得相關(guān)文獻的發(fā)文量、作者圖譜、機構(gòu)圖譜、國家圖譜及關(guān)鍵詞圖譜，以探討該領(lǐng)域的研究熱點以及未來發(fā)展趨勢。研究結(jié)果表明，目前眾包物流發(fā)文數(shù)量總體呈現(xiàn)出曲折上升的態(tài)勢；作者以及機構(gòu)的發(fā)文量相差不大且相對較少；最后一公里交付、車輛路線規(guī)劃、眾包運輸定價策略以及算法優(yōu)化等將是眾包物流領(lǐng)域未來研究熱點。

"關(guān)鍵詞：眾包物流；CiteSpace；可視化分析；研究進展；演進趨勢

"中圖分類號：F252 " "文獻標志碼：A " "DOI：10.13714/j.cnki.1002-3100.2024.23.017

Abstract： Using the Web of Science database and CiteSpace 6.2.R2 visualization software， this study employs visual scientometric analysis of 129 literature pieces concerning crowdsourcing logistics. The relevant analysis includes identifying the number of articles， author mapping， institution mapping， country mapping and keyword mapping to explore the research hotspots in this field and future development trends. The study's findings indicate an irregular yet upward trend in the number of publications on crowdsourcing logistics. The number of publications from individuals and organizations did not significantly differ and remained relatively low. It is predicted that the primary areas for future research in crowdsourcing logistics will involve last kilometer delivery， vehicle routing， crowdsourcing pricing strategies and algorithmic optimization.

Key words： crowdsourcing logistics; CiteSpace; visual analysis; research progress; evolution trend

0 "引 "言

眾包物流是基于互聯(lián)網(wǎng)的一種新型物流模式，其將原來由專業(yè)配送人員完成的配送任務，通過網(wǎng)絡(luò)平臺，外包給社會中的閑散大眾，以實現(xiàn)對社會閑散資源的有效利用，提升物流配送的效率[1]。目前，國際對于眾包物流領(lǐng)域研究并不完善，已有研究主要集中在最后一公里交付、路徑優(yōu)化、定價策略及人員參與等方面，尚無學者對其進行系統(tǒng)的梳理。因此，本文擬利用CiteSpace 6.2.R2軟件對在Web of Science數(shù)據(jù)庫中所搜集的129篇論文進行可視化分析，總結(jié)出當前眾包物流領(lǐng)域的一些熱門話題，以期對該領(lǐng)域研究起到一定的促進作用。

1 "數(shù)據(jù)來源與研究方法

1.1 "數(shù)據(jù)來源

"本文選擇科學網(wǎng)（Web of Science，WOS）核心合集數(shù)據(jù)庫作為數(shù)據(jù)來源，設(shè)置檢索主題詞為“‘crowdsourcing logistics’或‘crowdsourcing delivery’或‘crowd logistics’或‘crowd shipping’”；文獻類型限定為Article和Review；手動剔除與主題無關(guān)的文獻，截止于2023年5月26日，共收集到129篇文獻作為基礎(chǔ)研究樣本。

1.2 "研究方法

1.2.1 "文獻計量分析法

"文獻計量分析法，是一種基于對研究領(lǐng)域文獻數(shù)量和質(zhì)量的分析以衡量研究對象發(fā)展過程的方法。它可以用于評估在研究領(lǐng)域內(nèi)相關(guān)學者、機構(gòu)、國家之間的研究情況及研究進展。

1.2.2 "知識圖譜分析法

"知識圖譜，即基于圖的數(shù)據(jù)結(jié)構(gòu)。借助可視化分析技術(shù)，將研究領(lǐng)域相關(guān)的數(shù)據(jù)進行詳細地分析，構(gòu)建、繪制直觀明確的圖譜。知識圖譜的建立有助于推進讀者對研究領(lǐng)域內(nèi)各個概念之間關(guān)系和發(fā)展脈絡(luò)的理解。

2 "研究現(xiàn)狀分析

2.1 "發(fā)文趨勢研究

"發(fā)文量的變化可以反映出一定時期內(nèi)眾包物流領(lǐng)域的發(fā)展狀況以及未來趨勢。本文利用CiteSpace 6.2.R2軟件對收集到的文獻進行發(fā)文量分析，借助Excel軟件得到該領(lǐng)域發(fā)文量折線趨勢圖，如圖1所示。

"從圖1中可以直觀地看出，眾包物流領(lǐng)域發(fā)文量總體呈現(xiàn)出曲折上升的態(tài)勢，可以嘗試將其分為兩個階段：第一階段為探索階段（2008—2015年）：國外有關(guān)眾包物流的研究還處于起步階段，“眾包模式”在物流中的應用尚未引起學者們廣泛關(guān)注，此階段發(fā)文量較少，內(nèi)容較單一，僅發(fā)文8篇，占總發(fā)文量的6.2%；第二階段為發(fā)展階段（2016年至今）：該階段眾包物流逐年受到眾多學者的高度重視，尤其在2020—2022年期間出現(xiàn)了該領(lǐng)域的高峰期（28篇）和次高峰期（27篇）。

由于本文研究數(shù)據(jù)截止至2023年5月26日，2023年數(shù)據(jù)并不完整，因此2023年數(shù)據(jù)不納入分析?？傮w來看，該領(lǐng)域的發(fā)文量呈現(xiàn)出總體上升的態(tài)勢。

2.2 "發(fā)文作者分析

"發(fā)文作者共現(xiàn)圖譜能夠識別研究領(lǐng)域的核心作者及其之間的合作關(guān)系。運行CiteSpace 6.2.R2軟件，將節(jié)點類型設(shè)置為“Author”，得到作者關(guān)系圖譜，如圖2所示。

"作者關(guān)系圖譜中共有217個節(jié)點（N=217），連線有252條（E=252），整體密度為0.010 8（Density=0.010 8），經(jīng)分析，眾包物流領(lǐng)域共有217位相關(guān)研究者，其中發(fā)文量在兩篇及兩篇以上的共有21位。圖2中呈現(xiàn)出的節(jié)點都比較小，并沒有顯著突出的節(jié)點，可見各學者發(fā)文量總數(shù)相差不大且較少。此外，該領(lǐng)域各個作者之間聯(lián)系密切，形成了大規(guī)模的合作團體，比如Dai Hongyan學者團隊、Bin Hou學者團隊、Chen Chao學者團隊、Rzesny-cieplinska學者團隊等。

"根據(jù)普賴斯理論，某領(lǐng)域發(fā)文量大于等于M篇則為高產(chǎn)作者。

其中：N表示該領(lǐng)域最高發(fā)文量，根據(jù)CiteSpace分析可得作者最大發(fā)文量為4篇，通過計算可得M=1.498，即發(fā)文量大于等于2篇的作者為高產(chǎn)作者，經(jīng)統(tǒng)計在眾包物流領(lǐng)域共有21位高產(chǎn)作者（見表1），共發(fā)表47篇相關(guān)文章，占總發(fā)文量的36.4%。

綜上分析可知，目前國際眾包物流領(lǐng)域研究學者們在學術(shù)研究中積極學習相互探討，加深彼此之間的學術(shù)交流與合作，建立了密切的合作關(guān)系網(wǎng)絡(luò)，但該領(lǐng)域研究學者人數(shù)有限，發(fā)文量總數(shù)相差不大且較少，并未出現(xiàn)影響力較大的學者。

2.3 "發(fā)文機構(gòu)分析

"發(fā)文機構(gòu)共現(xiàn)圖譜分析可以展現(xiàn)出研究領(lǐng)域機構(gòu)的科研產(chǎn)能及其合作關(guān)系。運行CiteSpace 6.2.R2軟件，將節(jié)點類型設(shè)置為“Institution”，繪制眾包物流領(lǐng)域發(fā)文機構(gòu)共現(xiàn)圖譜，如圖3所示。

在機構(gòu)關(guān)系圖譜中，共有161個節(jié)點（N=161），有176條連線（E=176），整體密度為0.013 7（Density=0.013 7），即各個機構(gòu)之間存在著密切的學術(shù)交流，形成了一定的合作關(guān)系。由圖3可知，不僅各個機構(gòu)之間形成了一定的研究團隊，而且不同的團隊之間也存在著一定的學術(shù)交流?？傮w而言，國際上眾包物流領(lǐng)域研究已經(jīng)建立了密切的合作關(guān)系。結(jié)合圖3和表2可知，眾包物流研究多集中在國際上各大高校中，各大高校之間交流比較密切，相比之下物流企業(yè)在眾包物流領(lǐng)域的研究相對欠缺，若能加深企業(yè)和高校之間的交流合作，將理論應用于實踐中，未來眾包物流領(lǐng)域?qū)⒊尸F(xiàn)出新的發(fā)展態(tài)勢。

2.4 "發(fā)文國家分析

發(fā)文國家分析可以顯示出不同國家對研究領(lǐng)域的關(guān)注度及其之間的合作關(guān)系。運行CiteSpace 6.2.R2軟件，將節(jié)點類型設(shè)置為“Country”，繪制眾包物流領(lǐng)域國家關(guān)系圖譜，如圖4所示。

在國家關(guān)系圖譜中，共有33個節(jié)點（N=33），連線共有51條（E=51），整體密度為0.096 6（Density=0.096 6），即共有33個國家為眾包物流領(lǐng)域研究作出突出貢獻。結(jié)合圖4和表3可知，中國學者（包括中國臺灣）發(fā)表論文數(shù)量最多，以54篇論文位居首位，占總發(fā)文量的41.9%，領(lǐng)先于其他國家和地區(qū)；其次美國、加拿大、德國與法國等國家在該領(lǐng)域也具有一定貢獻。其中除中國（包括臺灣）和伊朗屬于發(fā)展中國家，其余7個國家均為發(fā)達國家，其共發(fā)表了80篇相關(guān)論文，占總發(fā)文量的62%，可見發(fā)達國家在眾包物流領(lǐng)域占據(jù)更多的席位，就大部分發(fā)展中國家而言，其資金短缺，專業(yè)研究學者不足，導致其無力支撐更多的學術(shù)研究。

3 "研究熱點與研究趨勢分析

3.1 "關(guān)鍵詞共現(xiàn)分析

關(guān)鍵詞是文章的核心思想概括，共現(xiàn)分析可以直觀展示出該領(lǐng)域的主要研究熱點。運行CiteSpace 6.2.R2軟件，將節(jié)點類型設(shè)置為“Keyword”，得到了關(guān)鍵詞共現(xiàn)圖譜，如圖5所示。

由圖5可知，該圖譜中共有278個節(jié)點（N=278），連線共有816條（E=816），整體密度為0.021 2（Density=0.021 2），可見在眾包物流領(lǐng)域中各個關(guān)鍵詞之間具有著較強的聯(lián)系。此外，從圖5中可以直觀地看到“l(fā)ast mile delivery”、“model”、“crowd logistics”及“city logistics”等關(guān)鍵詞節(jié)點明顯突出。綜合圖5和表4，可以看出眾包物流領(lǐng)域研究熱點主要集中在“l(fā)ast mile delivery”、“crowd logistics”、“algorithm”、“vehicle routing problem”等方面。 “l(fā)ast mile delivery”關(guān)鍵詞在文章中出現(xiàn)的頻次最高，共出現(xiàn)31次，而其中介中心性僅有0.17，排列在第七位，該領(lǐng)域大部分學者都以“最后一公里”作為主要研究主題，但缺乏對其關(guān)注度?！癿odel”和“crowd logistics”關(guān)鍵詞出現(xiàn)的頻次分別位居第二和第三，中介中心性分別為0.18和0.32，其原因是隨著可持續(xù)性發(fā)展的出現(xiàn)，許多學者開始關(guān)注到社會中閑散大眾的力量。他們認為，這些社會中的閑散大眾能夠在很大程度上減輕城市交通系統(tǒng)的負擔，同時也能夠在降低成本的同時達到保護環(huán)境的目的。

3.2 "關(guān)鍵詞聚類分析

運行CiteSpace 6.2.R2軟件，在關(guān)鍵詞共現(xiàn)圖譜的基礎(chǔ)上，運用LLR（數(shù)似然比）算法，選擇“K（關(guān)鍵詞聚類）”，繪制得到關(guān)鍵詞聚類圖譜，如圖6所示。

由聚類圖譜可得，該聚類圖譜的模塊值Q為0.677（大于0.3），平均輪廓值S為0.923（大于0.5），說明聚類效果顯著、結(jié)構(gòu)合理。經(jīng)對眾包物流領(lǐng)域關(guān)鍵詞進行聚類分析可得23個聚類，本文聚類圖譜中只顯示出較大的12個聚類，分別為“#0 crowd logistics”、“#1 transportation”、“#2 sustainability”、“#3 closed-loop supply chain”、“#4 crowd logistics platforms”、“#5 intermediary fee schedule”、“#6 restaurant meal delivery”、“#7 traffic and crowd dynamics”、“#8 idea selection support system”、“#9 physical internet”、“#10 vehicle routing”、“#11 last-mile delivery”。歸納分析關(guān)鍵詞共現(xiàn)、聚類圖譜，可以將該領(lǐng)域的研究劃分為三大主題：最后一公里眾包交付、眾包運輸路線優(yōu)化、眾包運輸定價策略。

3.3 "關(guān)鍵詞突現(xiàn)分析

突現(xiàn)詞為某一時間段內(nèi)出現(xiàn)頻率激增且集中的關(guān)鍵詞，其通常為某一時間段的新興熱點研究?；陉P(guān)鍵詞共線圖譜與聚類圖譜，分析眾包物流領(lǐng)域關(guān)鍵詞突現(xiàn)情況，以了解相關(guān)領(lǐng)域研究的前沿演進。

vehicle routing problem（車輛路線問題）的突現(xiàn)強度最高，其突現(xiàn)強度為3.67，且自2021年出現(xiàn)以來研究熱度一直持續(xù)至今，也是眾包物流領(lǐng)域未來研究的重點。相關(guān)學者Kou et al.[2]首次提出農(nóng)村地區(qū)最后一公里配送的多式聯(lián)運設(shè)計（本地物流供應商、公共交通和眾包物流），建立多式聯(lián)運的成本效益模型，利用遺傳算法解決當前面臨的物流問題。Huang et al.[3]學者針對客戶、外包伙伴以及轉(zhuǎn)移節(jié)點等決策問題構(gòu)建混合整數(shù)規(guī)劃模型，并設(shè)計Beunstcs算法，尋求眾包方法處理最后一公里交付問題。Vincent et al.[4]建立MTNLP模型，以總分配成本最小化為目標，研究具有時間窗、轉(zhuǎn)運節(jié)點以及交付選項的人群運輸路線問題。

"genetic algorithm（遺傳算法）、algorithm（算法）、algorithms（算法）在不同時間段均具有較高的突現(xiàn)強度，可見該領(lǐng)域的研究學者分別采用不同研究算法，對眾包物流領(lǐng)域不同方面展開詳細研究。Santini A et al.[5]學者利用機器學習和蒙特卡羅模擬方法，研究顧客選擇最后一公里眾包配送的概率問題，并提出分支定界算法和啟發(fā)式算法以降低評估次數(shù)。Nieto-isaza S et al.[6]研究了一個由戰(zhàn)略定位的小型倉庫網(wǎng)絡(luò)支持的眾包最后一英里包裹遞送系統(tǒng)，并提出一個兩階段的隨機網(wǎng)絡(luò)設(shè)計問題，以滿足隨機的快遞交付。Ulmer M et al.[7]研究了用于調(diào)度勞動力的連續(xù)逼近和值函數(shù)逼近方法，即決定接包方的班次（開始時間和持續(xù)時間），以最小的成本實現(xiàn)服務水平目標，以防止或減輕與眾包交付能力相關(guān)的不確定性的任何負面影響。

occasional drivers（偶然司機）關(guān)鍵詞自2021年開始，其研究熱度一直持續(xù)至今。該關(guān)鍵詞與vehicle routing problem（車輛路線問題）、pickup（皮卡）、algorithms（算法）等關(guān)鍵詞是眾包物流領(lǐng)域未來研究熱點。Pugliese et al.[8]設(shè)計貪婪隨機化適應性搜索程序（GRASP），在基準實例和新生成的測試集上進行計算實驗，以解決有臨時司機、時間窗口限制和多次交付的車輛路線問題。Martin-Santamaria et al.[9]提出了三種基于迭代局部搜索算法的不同實現(xiàn)方法，尋求使用屬于公司的車輛和偶爾雇用普通市民只進行一次送貨所產(chǎn)生的總成本。Archetti C et al.[10]考慮專門司機和臨時司機相結(jié)合的送貨方式，設(shè)計并實現(xiàn)多啟發(fā)式算法，力求以最少的總成本完成送貨。

4 "研究結(jié)論

基于Web of Science數(shù)據(jù)庫中的129篇眾包物流研究領(lǐng)域相關(guān)文獻，運用可視化工具CiteSpace對該領(lǐng)域的發(fā)文量、核心作者、高產(chǎn)機構(gòu)、國家、文獻共被引以及關(guān)鍵詞進行可視化圖譜分析，總結(jié)該領(lǐng)域的演進、熱點以及未來發(fā)展趨勢，得出以下結(jié)論：

（1）從發(fā)文量趨勢圖來看，國內(nèi)外的相關(guān)研究尚處于起步階段，整體發(fā)文數(shù)量較少，但發(fā)文量總體呈現(xiàn)出曲折上升的態(tài)勢，大致可以劃分為兩階段：探索階段（2008—2015年）、發(fā)展階段（2016年至今）；

"（2）從發(fā)文國家圖譜來看，中國、美國、加拿大、德國與法國在眾包物流領(lǐng)域的研究成果均超過10篇，其中中國在該領(lǐng)域處于領(lǐng)先地位，總共發(fā)表54篇相關(guān)文獻；

（3）從發(fā)文作者來看，Dai Hongyan、Bin Hou、Chen Chao及Rzesny-cieplinska， Jagienka學者是眾包物流領(lǐng)域的核心作者，各個研究者之間建立了密切的合作關(guān)系網(wǎng)絡(luò)，但研究學者總體發(fā)文量相差不大且較少，并未出現(xiàn)影響力巨大的學者；

（4）從發(fā)文機構(gòu)來看，眾包物流相關(guān)研究主要集中在各大高校，企業(yè)、研究院等機構(gòu)在該領(lǐng)域的產(chǎn)出成果較少，其中中國的香港理工大學的發(fā)文量位居首位。各機構(gòu)之間聯(lián)系密切，但各機構(gòu)發(fā)文量總體較少；

"（5）從關(guān)鍵詞共現(xiàn)、聚類以及突現(xiàn)圖譜來看，眾包物流領(lǐng)域研究熱點主要集中在最后一公里交付、眾包交付、人群物流、車輛路線問題等方面；根據(jù)關(guān)鍵詞突現(xiàn)圖譜顯示，車輛路線問題、偶然司機及算法應用將是該領(lǐng)域未來研究重點。

參考文獻：

[1] "CARBONE V， ROUQUET A， ROUSSAT C. The rise of crowd logistics： A new way to co-create logistics value[J]. Journal of Business Logistics， 2017，38（4）：238-252.

[2] "KOU X， ZHANG Y， LONG D， et al. An investigation of multimodal transport for last mile delivery in rural areas[J]. Sustainability， 2022，14（3）：1291.

[3] "HUANG K， ARDIANSYAH M N. A decision model for last-mile delivery planning with crowdsourcing integration[J]. Computers amp; Industrial Engineering， 2019，135（C）：898-912.

[4] "VINCENT F Y， JODIAWAN P， REDI A A N P. Crowd-shipping problem with time windows， transshipment nodes， and delivery options[J]. Transportation Research Part E： Logistics and Transportation Review， 2022，157：102545.

[5] "SANTINI A， VIANA A， KLIMENTOVA X， et al. The probabilistic travelling salesman problem with crowdsourcing[J]. Computers amp; Operations Research， 2022，142：105722.

[6] "NIETO-ISAZA S， FONTAINE P， MINNER S. The value of stochastic crowd resources and strategic location of mini-depots for last-mile delivery： A Benders decomposition approach[J]. Transportation Research Part B： Methodological， 2022，157：62-79.

[7] "ULMER M， SAVELSBERGH M. Workforce scheduling in the era of crowdsourced delivery[J]. Transportation Science， 2020（4）：54.

[8] "DI PUGLIA PUGLIESE L， FERONE D， FESTA P， et al. Solution approaches for the vehicle routing problem with occasional drivers and time windows[J]. Optimization Methods and Software， 2022，37（4）：1384-1414.

[9] "MART？魱N-SANTAMAR？魱A R， L？魷PEZ-S？譧NCHEZ A D， DELGADO-JAL？魷N M L， et al. An efficient algorithm for crowd logistics optimization[J]. Mathematics， 2021，9（5）：509.

[10] "ARCHETTI C， SAVELSBERGH M， SPERANZA G. The vehicle routing problem with occasional drivers[J]. European Journal of Operational Research， 2016，254（2）：472-480.

收稿日期：2023-11-09

基金項目：國家自然科學基金項目“基于數(shù)據(jù)驅(qū)動的生鮮電商聯(lián)合補貨與配送協(xié)同優(yōu)化研究”（71901167）；中國物流與采購聯(lián)合會2022年度知識創(chuàng)新專項基礎(chǔ)研究項目“面向全國統(tǒng)一大市場的數(shù)字物流優(yōu)化調(diào)度理論與方法”（2022CSLKT3-132）；武漢科技大學研究課題項目“智慧物流數(shù)字運營平臺開發(fā)研究”（2022H20537）；三亞崖州灣科技城海南專項博士基金項目“海南可持續(xù)交通系統(tǒng)協(xié)同發(fā)展研究”（HSPHDSRF-2022-03-032）；湖北省教育廳中青年人才項目“非煤礦山重特大安全事故應急決策研究”（20211102）

作者簡介：鄧旭東（1964—），男，湖北云夢人，武漢科技大學，教授，碩士生導師，研究方向：物流系統(tǒng)優(yōu)化與管理、運營與供應鏈管理；張雪晶（2000—），女，山東東阿人，武漢科技大學碩士研究生，研究方向：物流工程與管理；王 "勇（1981—），男，江蘇鹽城人，武漢科技大學，教授，博士，研究方向：供應鏈協(xié)調(diào)與決策、冷鏈物流。

引文格式：鄧旭東，張雪晶，王勇. 基于CiteSpace的眾包物流領(lǐng)域英文文獻計量與知識圖譜分析[J]. 物流科技，2024，47（23）：62

-66.