摘要：文章利用深度SAE-SOFM模型，對“一帶一路”國內西北段沿線13個核心節點城市的物流競爭力進行了特征分析與聚類。同時，運用社會網絡分析法解構了這些城市在物流業發展上的空間關聯網絡特征。結果顯示，這些城市的物流競爭力可以被劃分為四個類別，相同類別的城市在物流競爭實力、競爭潛力以及競爭環境上得分不同;這些城市的物流業發展存在明顯的空間關聯，在協同發展中各自的角色定位不同。
關鍵詞：物流發展;物流競爭力;深度學習;稀疏自編碼器;空間關聯
0引言
當前，我國經濟已進入高質量發展階段，高質量的物流產業發展是實現“一帶一路”高質量建設的重要前提。城市是物流產業發展的關鍵節點，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，能全面反映城市的物流產業發展水平。作為連接我國與中西亞地區紐帶的“一帶一路”國內西北段城市，肩負著國際物流通道的使命與促進西部大開發的重任。準確定位這些城市的物流競爭力，對于推進“一帶一路”沿線城市的優勢互補與協同發展，縮小中西部地區在改革開放中的差距具有重要的戰略意義。當前國內外學術界多通過構建物流競爭力評價指標體系的方法對城市物流競爭力進行研究。評價指標體系間存在較大差異，分析競爭實力的文獻居多，關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的因子分析、聚類分析、灰色關聯法、熵值法[7—9]以及神經網絡方法[10]，缺乏包括深度學習、量子計算等人工智能方法。本文針對上述研究的不足，探討深度學習方法應用于城市物流競爭力研究的可行性，并結合實際案例，以物流競爭實力、競爭潛力、競爭環境三類因素構建評價指標體系，對“一帶一路”國內西北段沿線的13個核心節點城市的物流競爭力進行特征分析與聚類。同時，運用引力模型與社會網絡分析法解構這些城市在物流業發展上的空間關聯網絡特征。
1研究模型與算法
1.1基于深度學習的物流競爭力研究優勢
傳統模式分類方法受到模型設計與算法設計等諸多因素影響，限制了數據特征學習的精確性。傳統物流競爭力評價方法的實質是對數據進行簡單加權，多采用主成分分析(PCA)方法，提取具有最大貢獻率的一部分指標對全局進行分析，忽略了貢獻率較低的其他指標，缺乏全面性，無法對物流競爭力進行全方位綜合評價，不利于后續的競爭力數值分析。
城市物流競爭力分析的本質在于將各類指標數據進行整合處理，以確定每個城市在特定區域中物流競爭力的強弱類別以及相應的發展模式，因此可將競爭力分析問題轉化為模式分類問題進行研究。深度學習是人工智能的一個重要分支，是在人工神經網絡的基礎上通過增加多個隱層以構建深層網絡而實現，具有突出的模式分類能力與很強的特征學習能力。
深層自編碼器(DAE)通過自學習的方式自動調整網絡權值，使損失函數最小化，從而完成數據特征的精確提取。稀疏自編碼器(SAE)在DAE的基礎上遵循高維且稀疏原則，在隱層神經元多于輸入層神經元的情況下增加稀疏約束，適合非線性數據的特征學習，可對數據特征進行深度細化。自組織特征映射(SOFM)網絡是一種無監督學習機制的競爭神經網絡，利用競爭機制對數據進行自組織學習，使連接權值空間分布密度與輸入數據的概率分布趨于一致，即連接權值向量空間分布能夠反映輸入數據的統計特性。
本文將DAE、SAE、SOFM網絡相結合，構建深層SAE-SOFM模型，先將全部物流競爭力指標數據作為網絡輸入，經SAE進行特征提取后再輸入SOFM網絡，最終輸出物流競爭力分值。這種方法能夠對所有指標數據進行特征分析與數據重構，可全面獲取數據之間的內在聯系，使輸出結果更具客觀性，有助于在后續工作中提高數據分類結果的準確性，相較于傳統方法具有更大的應用價值。
1.2DAE標準模型
DAE是一種無監督學習的非線性特征提取模型[10,11]，多隱層結構可學習更復雜的數據，網絡的后一層學習前一層的數據特征，隱層越多，則可學習到越高層次的數據特征，從而可以處理更復雜的數據。
1.3SAE結構
稀疏自編碼是指隱層特征具有稀疏響應特征，其編碼特征可以較好地重構網絡輸入[12]，在DAE標準模型中引入稀疏性，使網絡的輸入數據結構更加清晰，編碼方案既符合生物進化普遍的能量最小經濟策略，又滿足電生理實驗的結論，還具有聯想記憶功能，可以簡化計算[13,14]。
1.4SAE學習算法
標準的自編碼器是PCA的一種非線性推廣，SAE增加了L1規則限制，約束每個隱層中的大部分神經元輸出為0，少部分不為0，即對隱層神經元進行稀疏性約束，使多數隱層神經元處于非激活狀態;同時又對誤差函數進行優化，采用平方重構誤差與某個稀疏正則項之和。
2指標體系與數據來源
2.1指標體系構建
綜合以往研究成果，并考慮到數據的可操作性、客觀性與功能性，本文從城市物流競爭實力、競爭潛力、競爭環境三個方面將城市物流競爭力劃分為目標層、準則層、指標層三個層次，構建具有9個維度22個指標的物流競爭力評價指標體系。
2.2數據來源
由于“一帶一路”國內西北段城市的物流活動主要依靠鐵路運輸方式，本文選取包蘭、隴海、蘭新、寶中等鐵路沿線的13個核心節點城市為研究對象。同時，利用2013—2020年這些城市的相關數據進行估算。數據來源于各城市統計年鑒與《中國城市統計年鑒》。
3模型構建與數據分析
3.1模型構建
構建具有三隱層的SAE與具有單隱層的SOFM網絡組成的深層SAE-SOFM模型，其中將SAE的輸出作為SOFM網絡的輸入，將城市物流競爭力評價指標體系中的22個指標數據作為SAE的輸入層神經元與輸出層神經元，45個參數作為第一隱層與第三隱層神經元，第二隱層神經元數為91個，網絡學習速率α為0.7;將SAE的輸出層作為SOFM網絡的輸入，SOFM網絡的隱層神經元數為9個、輸出層神經元數為3個。
3.2數據分析
利用SAE對西北五省核心節點城市物流競爭力指標數據進行數據特征分析與重構，將分析結果作為SOFM網絡的輸入數據并進行自組織分類，分別形成城市物流競爭力的競爭實力、競爭潛力、競爭環境輸出值，完成自組織分類。
4物流業發展空間關聯分析
“一帶一路”國內西北段這些節點城市的物流產業之間只有加強空間聯系才能實現高效協同發展。但是，不同物流產業發展水平的城市在整體物流發展中的角色定位也不同。因此，深入剖析這些城市物流產業發展的空間關聯網絡結構以及各自在協同發展中的路徑尤為重要。本文采用社會網絡分析法結合引力模型對節點城市的物流業發展空間關聯進行研究。
4.1中心性分析
利用UCINET軟件中的Centrality功能計算出各城市的點度中心度、中介中心度和接近中心度。
(1)在13個城市中，點度中心度最高的是西安，其次是蘭州、烏魯木齊，說明西安在物流發展網絡中處于中心位置，這三個城市在物流發展網絡中具有較大的關聯性。
(2)城市的中介中心度越高，對其他城市物流發展的影響力越大。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展空間關聯網絡的核心位置，西安、烏魯木齊、蘭州這三個城市對推進整個網絡物流發展的影響力最大;寶雞、銀川、武威、咸陽、天水和西寧的中介中心度依次遞減，說明這些城市在網絡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，不受所在網絡的控制。吐魯番、固原、白銀、酒泉在該指標上得分較低，說明這些城市的物流業發展受網絡中其他城市的影響程度小，較難有效參與整體物流產業的協同發展。這與物流發展空間關聯的可視化網絡圖是一致的。
5結論
本文利用深層SAE-SOFM模型，對“一帶一路”國內西北段沿線13個核心節點城市的物流競爭力進行測算。同時，利用社會網絡分析法判斷這些城市在流業發展上是否存在空間關聯。研究結果表明：
(1)這些城市的物流業發展存在明顯的空間關聯。(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整個物流發展空間關聯網絡的中堅力量，但蘭州、烏魯木齊分別在競爭潛力、競爭實力上稍顯不足。
(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發展空間關聯網絡中有一定的“橋梁”作用，能夠連通其他城市的物流活動，但競爭潛力不足是這4個城市共同的問題。(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業整體發展的大格局中。天水與吐魯番欠缺競爭潛力，白銀、酒泉、武威、固原欠缺競爭實力，酒泉、武威、固原的競爭環境較差。
參考文獻：
[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.基于因子分析的區域物流競爭力實證研究[J].西南師范大學學報(自然科學版),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].淮海工學院學報(人文社會科學版),2019,17(7).
[6]朱芳陽,譚保華,王婷婷.生態位視角下區域物流產業競爭力評價——以“一帶一路”重點省份為例[J].經濟與管理,2019,33(1).
[7]MoYK,ZhaoY,LiSL,etal.EvaluationofPortLogisticsCompeti⁃tivenessBasedonDEA[C].2018InternationalConferenceonCivilandHydraulicEngineering(IConCHE2018),2018.
[8]賈海成.物流產業發展與區域經濟關聯分析——以天津和上海為例[J].科技進步與對策,2012,29(23).
[9]章艷華.長三角地區物流產業發展競爭力比較——基于江、浙、皖、滬的實證[J].商業經濟研究,2019,(10).
作者：李楠
相關閱讀
