文摘

互联网技术的发展和移动智能手机的广泛使用,电子商务越来越饱和的城市。农村电子商务的发展迎来了一个新的时代。如何提高农村物流承载能力跟不上农村电子商务的发展和更好地服务农村电子商务的发展已成为一个热点话题。本研究的目的是预测物流需求的背景下,农村电子商务的发展。我们开发一个广东省农村物流需求预测指标体系。GM(1,1)灰色预测模型与弱化缓冲算子被用来预测广东省农村物流需求。结果表明,预测模型具有良好的匹配和精度。也发现,对广东省农村物流需求在短期到中期通常会上升。基于本研究的发现,政府应该为农村消费品刺激需求,鼓励技术创新,开发一个Internet-rural物流模式,满足供应需求的农村物流根据每个区域的情况。

1。介绍

自从中国在1990年进入电子数据交换的时代,电子商务已经逐渐增长的萌发。电子商务经历了五个阶段:初始阶段(1990 - 1993),胚胎阶段(1993 - 1997)、发展阶段(1998 - 2000),稳定阶段(2001 - 2009),和成熟阶段(2010年至今)。实际上,随着互联网技术的发展和移动智能手机的广泛应用,电子商务已逐渐成为城市饱和,农村电子商务迎来了一个新的发展机会。46位中国互联网发展统计报告的数据显示,在2020年6月,中国网民数量已经达到9.4亿,互联网普及率为67%。其中,互联网用户使用手机的比例达到了99.2%。与此同时,中国商业信息网的数据显示,农村地区的在线零售销售在2020年达到1.79万亿元,同比增长5.3%。

然而,快速发展的农村电子商务从物流方面还面临着多重挑战:(1)对农产品物流的需求是不稳定的。,出售农产品面临着和小今年大麻烦。也就是说,在年的丰收,价格下跌,因为供给远远超过需求。因此,许多农民更愿意让他们生产烂在地里,而不是提供选择和运输的成本。当农产品无法获取和价格上涨,落后的农村物流基础设施限制上升运动(农产品销售从农村到城市)的农产品。(2)完善农村物流系统:目前,在中国的大部分地区,只有省、城市、县、乡镇农村物流,但没有广大农村地区的物流配送(1]。(3)农产品分散物流成本高。中国大部分农村地区仍然保留小农经济,与农户生活在不同地区的村庄。这导致农产品浓度不足,这直接增加了农村物流的运输成本(2]。物流配送越来越上不如以消费者为中心的背景下,农村电子商务发展。建筑智能和高精度物流需求预测系统使用先进的信息通信和智能计算技术,为了缓解或解决上述挑战,已经成为一个大的实际需要在目前的市场。

最近,大多数学者关注分销成本(例如,Crowell [3],霍尔和Mariotti [4),和李5]),影响因素(例如,Crowell [3),任et al。6王],[7),和浩8)、概念(例如,Gebresenbet和Bosona9和伯恩哈特等。10]),农村物流的模式(例如,周和元(11),黄等。12杨,和胡13]),和缺乏研究农村物流需求预测(例如,锅14),丁等。15),和龚16])。为了填补研究空白,本研究使用了灰色预测模型来预测广东省农村物流需求。具体地说,在电子商务的背景下发展,有哪些潜在的变量,包括物流需求预测的指标体系?如何准确的GM(1,1)灰色预测模型?本研究的理论贡献是发展的物流需求预测指标体系,应用灰色预测模型的扩张,和浓缩的文学领域的农村物流。与此同时,我们的研究结果可能有助于政府,农村物流企业和其他相关部门进行物流需求预测的决策。

这项研究的其他安排如下:第二部分提出了文献综述;第三部分介绍了研究方法;第四部分提出了农村物流需求预测指标体系,预测结果以及讨论的理论和实际意义;第五部分提出了结论、局限性和未来的研究工作。

2。文献综述

由于在国外物流业的现代化程度越高,农村物流的研究并不多,他们通常是针对农产品物流。Crowell为例,讨论了农业产品的分销成本和影响因素,首次开幕的前奏农村物流由外国学者的研究(3]。Gebresenbet和Bosona阐述了农产品供应链和物流的概念,从管理和服务的角度(8]。霍尔等人分析了高速公路发展的积极影响农村物流企业的性能(4]。伯恩哈特等人首次提出“农业数字化物流”的概念与德国市场为研究对象10]。同时,他们比较传统农业物流和农业数字物流之间的差异,并讨论了数据的所有权和隐私(10]。

在中国,农村物流的研究始于2002年。王、张现代物流的概念引入农村农产品的管理系统,提出建立中国农村物流系统(第一次17]。从那时起,王(18),易建联et al。19陈],[20.陈],[21)开展了进一步研究建立农村物流体系的必要性,发展前景,农村物流的作用。事实上,农村物流自2010年以来一直被学者广泛关注和研究。尤其是农村电子商务在中国的迅速发展加速了农村物流的研究进入一个炎热的时期(22]。中国学者关注农村物流模式、存在的问题、制度建设等话题。黄等,例如,在湖南省农村电子商务为研究对象,讨论了协调农村物流操作模式基于供应链集成,常见的物流,和产业链整合12]。胡和保研究农村物流在中国的发展现状从供给的角度改革(23]。张提出农村物流的发展道路的两个主要问题:“消费品无法向下”和“农产品无法上升”[24]。李提出了相应的改进措施中存在的问题的基础设施,管理、信息化、人才情况,服务农村物流在中国25]。

选择的物流需求预测模型中,学者们主要使用定量方法,可分为传统的线性模型,现代非线性模型和组合预测模型。例如,杨[26),赵和陈27杨,et al。28),分别用回归分析方法、时间序列法、灰色预测模型和其他线性模型来预测物流需求。赵(29日李,et al。30.李,et al。31日林,et al。32),分别使用隐马尔可夫模型,人工神经网络,最小二乘支持向量机,交通物流预测部分,以及其他非线性模型预测物流需求。Yu et al。33和郭et al。34)提出更高的预测精度可以通过使用多个预测模型的结合。

现有文献作为本研究丰富的研究基础。它专门提供了建设性的参考建设物流需求指标体系和研究方法的选择。然而,以往的研究忽略了农村电子商务发展的相关指标。基于之前的研究,本研究采用改进的灰色预测模型预测广东省农村物流需求,以掌握该地区农村物流需求的变化和判断其需求规模。

3所示。方法

有很多方法使数据预测。然而,预测的准确性和有效性只能通过选择相匹配的方法来增加研究对象的特点。农村物流需求指标体系的特点是缺乏研究信息和小样本大小,和系统将随时间变化情况。农村物流系统的需求特点是缺乏研究信息和小样本(35),该系统将改变时间和条件(36,37]。灰色预测模型可以预测系统与已知和未知信息的不确定性,其预测精度高,适用于短期和中期预测(38]。因此,预测模型是高度兼容的对象在本研究中进行了研究。

灰色预测模型GM(1,1)首次提出了邓(38]。从这种方法中,原始数据积累产生近似指数定律,然后进行建模。该模型的基本原理如下(38]:

假设被列为原始序列

积累原始序列,产生一阶序列。

计算参数变量,一个是发展系数的GM(1, 1)模型b协调系数x,即驾驶。

建立的时间相应的GM(1, 1)的函数。

的测试模型,后不同比例c。

如果后不同比例c模型的概率小于0.35和小错误值大于0.9,表明模型的拟合效果是好的,结果是可信的。因此,该模型可用于预测。

值得注意的是,模型的内部法律无法很好的解释由于指标数据的失真造成的许多外部因素的干扰。为了解决这个问题,刘提出缓冲算子的概念,并构造了一个实用的弱化算子(即。,平均弱化缓冲算子)[39]。该方法将缓冲算子应用到原始序列,然后模型处理后的数据。在此基础上,谢和刘40),党et al。41),关和刘42),和其他学者提出了缓冲算子的新结构。这些学者的研究表明,弱化缓冲算子的使用可以减少外部因素的干扰,削弱其随机性,使数据的指数规律,并减少错误的预测结果。之后,崔et al。43),宁等。44),你们et al。45),和其他学者研究了预测效果和适用性的GM(1, 1)模型通过弱化缓冲算子。山和马46),黄等。47),和其他学者利用GM(1, 1)模型基于弱化算子做出预测。

根据以往的贡献弱化缓冲算子的灰色预测模型,本研究采用二阶平均弱化缓冲算子对数据处理,及其计算如下:

平均弱化缓冲算子:

二阶平均弱化缓冲算子:

4所示。指标体系和实证结果

4.1。指标的选择

有些学者研究农村物流需求指标体系。这些为我们的研究提供参考。盘为例,建立了河南省的农村物流需求指标体系,具体包括农村消费品零售总额,河南省的粮食总量,全省财政支出用于农业,林业和水,农村居民人均纯收入,农村居民的平均消费支出(14]。丁等人提出了一个为安徽省农村物流需求指标体系,具体包括四个指标,即农业资本消耗粮食货运量、农业、林业、畜牧业、渔业货运量,农村主要食品消费(15]。龚认为农村物流需求指标体系应包括区域GDP,第三产业的总产值,农业产值、工业产值、对外贸易总额在农村地区,农村地区的零售总额和人均消费水平(16]。

基于前面的文献在农村物流需求指标的选择48),遵循的原则,全面,系统,和适用性,考虑到数据的可获得性和农村物流需求的特点49),本研究确定三类指标。其中,经济指标包括农村居民人均可支配收入和农村消费品零售额附加值;规模指标包括粮食产量和农药用量;运输指标包括货运量和公路通车里程。细节如下:经济指标:农村居民的人均可支配收入(X₀)和农村消费品零售额附加值(X₁)

农村居民是农村生活的主体,和他们的消费水平所表达的是人均可支配收入。为什么我们选择农村消费品的附加价值,而不是农村消费品零售额是附加值可以直接反映农村消费品的增加和驱动的物流需求。因此,农村物流环境中所表达的大约是农村消费品零售额附加值。农村居民人均可支配收入和农村消费品零售额附加值可以互为补充,共同反映和交互行为对农村居民消费的消费品,以反映消费品消费带来的物流需求。规模指标:粮食产量(X₂)和农药用量(X₃)

规模的指标中,最重要的是农产品的物流需求和农业生产资料。这两个指标可以转化为粮食产量,农药用量。运输指标:货运量(X₄和公路通车里程X₅)

在某种程度上,货物的数量反映了商品的流动,这大约是表达的货物的体积。公路通车里程决定了农村地区的物流供应能力,反映出农村物流基础设施。因此,农村物流基础设施的情况下大约是表达的公路里程。通过货运量和公路通车里程,它们可以反映广东省农村物流需求的现状。

在这项研究中,选择从2013年到2017年统计数据进行分析。广东省的数据来自统计年鉴和中国统计年鉴。每个指标的原始数据表1。

4.2。需求预测

基于上述分析,本研究以农村居民的人均可支配收入(X₀),农村消费品零售额附加值(X₁),粮食产量(X₂),农药用量(X₃)、货运量(X₄),公路通车里程(X₅)作为指标预测广东省农村物流需求。考虑到预测的一致性和相关性原则,我们使用平均弱化缓冲算子来处理原始数据上面的六个指标。这可以更好的解释模型的内在规律。因此,六个指标处理二阶平均弱化缓冲算子(保留2位小数),表中给出2。

根据表中的数据2这项研究预测,未来这六个指标的值。首先,我们预测的价值X0,预测模型如下: 在哪里一个=−0.019806,b= 13867.995446,模型的评价c= 0.0071(好) (好)。模型的拟合值和错误给出了表3。

第二,我们预测的价值X₁,预测模型如下: 在哪里一个=−0.023352,b= 4100.267810,模型的评价c= 0.0125(好) (好)。模型的拟合值和错误给出了表4。

第三,我们预测的价值X₂,预测模型如下: 在哪里一个=−0.012951,b= 1331.223881,模型的评价c= 0.3212(好) (好)。模型的拟合值和错误给出了表5。

第四,我们预测的价值X₃,预测模型如下: 在哪里一个= 0.009182,b= 11.177081,模型的评价c= 0.3499(好) (好)。模型的拟合值和错误给出了表6。

第五,我们预测的价值X₄,预测模型如下: 在哪里一个= 0.000623,b= 1212.150063,模型的评价c= 0.0430(好) (好)。模型的拟合值和错误给出了表7。

第六,我们预测的价值X₅,预测模型如下: 在哪里一个=−0.003046,b= 215561.319654,模型的评价c= 0.1616(好) (好)。模型的拟合值和错误给出了表8。

第七,使用上述六个GM(1, 1)模型预测对广东省农村物流的需求。我们对广东省农村物流的需求在未来五年内,表中给出9。

从结果可以看出,广东省农村居民的可支配收入将达到17416元,到2022年,03和增加值农村消费品零售额将达到5363.98亿元,显示五年来持续稳定上升状态。这意味着广东省农村物流需求将显示一个稳定上升的趋势在整个农村居民人均可支配收入的增加,农村消费品零售额连续稳定的粮食产量和农药用量,和货物运输量的增加,高速公路里程。

4.3。结果分析

在上述六个指标的预测分析,后不同比例c和小概率错误每个模型获得的价值通过了精度测试。这表明修改后的GM(1, 1)模型适合广东省农村物流需求预测。这进一步表明,预测结果是高度可靠。

结果显示在表中9,农村居民的人均可支配收入和农村消费品零售额的附加值显示缓慢的上升趋势。这是广东省的经济发展密切相关。广东省政府已经发布了三年行动计划赢得对抗贫困(2018 - 2020),这是一个对抗贫困的关键时期,加强农村扶贫。因此,农村居民生活水平的提高刺激农村物流需求的进一步增长。粮食产量和农药用量在未来将保持一个相对稳定的范围。除了进口大米在粮食市场的影响,广东有充足的粮食库存,甚至在一些地区过度放牧。这的主要原因是广东省粮食生产停滞。急剧下降的原因自2017年以来,广东省农药应用密切相关供应方面结构改革和可持续农业发展由政府有关部门。货运量和公路通车里程已经进一步改善,这两个指标直接影响和刺激农村物流的发展需求。

从长远来看,对广东省农村物流的需求增长,但增长速度正在放缓。因此,重点是继续保持广东省农村物流的发展,积极寻求其驱动力。

5。结论

物流配送越来越上不如以消费者为中心,农村电子商务发展。这需要准确预测现在的物流需求,以确定整个社会物流需求可以满足个人需求的未来供应方面的客户。在这项研究中,GM(1,1)模型的弱化缓冲算子用于预测广东省农村物流的需求。结果表明,对广东省农村物流的需求将会上升在短期和中期。基于本研究的发现,我们建议政府需要刺激农村消费品的需求,鼓励技术创新,发展Internet-rural物流模式,满足供应需求的农村物流根据不同地区的情况。

然而,不可否认的是有一些限制。首先,在预测的过程中,一些选定的数据指标无法直接获得,所以我们只能用类似的指标。事实上,有时很难充分反映原指标的内容。例如,本文使用货运体积而不是体积的物质流。其次,本研究采用数据处理的二阶平均弱化缓冲算子预测的灰色系统,良好的拟合效果和精度。但是可能还有其他方法更适用。因此,在未来的研究中,我们需要尝试使用新的模型(如反向传播神经网络,神经网络,以及组合预测模型)进行预测和比较各种模型的预测结果。第三,由于地理位置的特殊性,经济,和广东省交通,指标体系构建研究中不得直接应用到其他地区的农村物流需求的预测。所以,我们还需要注意建设农村物流需求指标体系在不同的地区。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由一般类别的教学改革项目教学指导委员会电子商务在广东大学(202009年)和质量工程建设项目在软件工程研究所广州(JYJG202103)。