农村电子商务产业集群演化的计算实验研究*

李 煊

农村电子商务产业集群演化的计算实验研究*

李 煊

闽江学院海洋学院管理科学与工程系

以复杂性科学为视角，将农村电子商务产业集群视为由关键种群、寄生种群和支持种群组成的共生系统，通过对集群进行NK模型描述，应用粒子群优化算法，建立了农村电子商务产业集群的演化模型。模型采用计算实验的方式，分析了具有不同复杂性的集群演化特性和规律。结果表明，农村电子商务产业集群随着种群间复杂性规模的增大而增大，同时在复杂性规模相同情况下，随着结构复杂性增加而减少。因此，发展农村电子商务产业集群应逐步增加种群相互作用的规模复杂性，并通过整合资源，降低种群的结构复杂性。

电商产业集群 农村电子商务 集群演化

1 概述

2016年中央一号文件《关于落实发展新理念加快农业现代化实现全面小康目标的若干意见》明确指出，布局农村电子商务成为推进农村产业融合，促进农民收入持续较快增长的重要方式。财政部发布了《农业综合开发扶持农业优势特色产业促进农业产业化发展的指导意见》，要求不断完善农业优势特色产业链，鼓励发展“互联网 + ”农业，力争在全国建设百个资源优势大，产业链条延伸长，第一、二、三产业融合发展的区域农业优势特色产业集群。在互联网快速渗透和政策扶持下，农村电子商务正在步入快速发展的黄金期并形成了农村电子商务产业与空间聚集的形态，即农村电子商务产业集群。有别于传统的产业集群，农村电子商务产业集群是指以电子商务为手段，通过整合传统农村产业链，创新销售模式和企业组织形式，在特定农村地域范围内形成以当地某一特色产业为核心的线上、线下相关企业和服务机构的有机聚合。与传统产业集群相同，农村电子商务产业集群也是一种形成规模效应和协同效应的网络商业集聚现象。不同的是，农村电子商务产业集群强调以第三方电商平台为销售支点，依托“互联网+”对农村传统特色产业进行转型升级。目前，以县域电商和淘宝村带动形成的农村电子商务产业集群，已成为促进农村经济发展的有效模式。2016年，根据阿里研究院和阿里新乡村研究中心联合发布的《中国淘宝村研究报告（2016）》，截止至2016年8月，全国淘宝村已达1311个，相比2014年的212个，2015年的780个，淘宝村的数量正呈现出井喷式的发展势头。随着农村电子商务的继续普及，地理位置临近、产业带相似的淘宝村将逐渐向规范化、系统化的产业集群方向发展。可见，研究农村电子商务产业集群的演化过程对于加快传统农村经济转型升级具有十分重要的意义。

2 国内外研究综述

截至目前，国内关于农村电子商务产业集群的研究尚不多见。多数研究采用案例研究的方式，从既成论角度分析探索农村电子商务产业集群的产生机理。如田真平和谢印成从集群演化的视角，讨论了创业导向的创新性、风险承担性、行动超前性、积极竞争性等四个维度在农村电子商务产业集群形成期、成长期、成熟期以及衰退期的不同特性和作用机制[1]。雷兵和刘蒙蒙讨论了创业门槛以及创业家行为对农村电子商务产业集群的作用机理[2]。凌守兴则分别从地理优势、外部经济、领军企业、社会网络、政府行为等五个方面阐述了电子商务产业集群的形成机理[3]。Huang Zuhui等则借鉴已有的产业集群研究，从劳动分工、交易费用、规模经济等角度展开集群形成的机理研究。国外对农村电子商务的研究比国内较为成熟，主要采用实证研究的思路探索电子商务在农村地区的作用机制，并对农村电子商务的模式创新展开讨论[4]。Wen基于知识管理的角度，构建了农产品交易智能电子系统，创新了农产品电子商务模式[5]。Ruiz等依据对农产品供应链的数据查询与追踪研究，认为基于互联网的管理信息系统将更有利于农产品物流情况的査询和跟踪[6]。Dsouza等构建了一个具有包容性相关的电子商务框架，作为印度农村地区农业部门的开发和改善的平台，从粮食安全和减少贫困两个层面分析其对社会经济发展的作用[7]。

综观上述研究，主要就电子商务在农村经济的运作机制进行了机理研究或案例描述，尚未深入探讨农村电子商务产业集群中各主体间的逻辑关系，也没有系统提出农村电子商务产业集群发展的一般规律。集群的概念源于生态学，因此有必要从复杂系统角度切入研究农村电子商务产业集群内各主体间的复杂关系。郭承龙通过识别农村电子商务的共生系统结构，提出了寄生模式、非对称模式、偏利模式、对称模式和一体化模式等五种农村电子商务共生模式[8]。董坤祥等分析了系统动力学方法在农村电子商务产业集群发展模式研究中的适用性，构建了以产品与生产创新、商业模式创新和金融模式创新为导向的农村电子商务集群发展模型，给出了促进农村电子商务集群可持续发展的对策建议[9]。在农村电子商务产业集群的发展演化过程中，农村网商、政府、电商协会、农民合作社和第三方网络平台各主体之间通过信息共享和协作运营形成了一个复杂、非线性的集群网络。在该网络中形成了三大类型种群——关键种群、寄生种群和支持种群。关键种群是电子商务交易的主体，以电商产品供应链为核心的消费者、零售商、供应商等，是农村电子商务产业集群的主体部分。寄生种群是为关键种群提供增值服务的提供商等，在农村电子商务发展过程中，最典型的是县域电商服务商以及产业服务商等角色，为农产品转型电商、销售提供一系列专业服务。该种群寄生于农村电子商务产业集群中，与集群共存亡。支持种群是实现电商交易必须依附的各类组织或机构，主要围绕完成电商“四流”的物流公司、金融机构、电信服务商以及相关政府机构等，该种群并非依赖于农村电子商务产业集群，但其在对集群优化中获利。

3 农村电子商务产业集群演化的计算实验模型构建

3.1 基于 NK模型的集群描述

生物学家Kauffman提出了研究复杂适应系统工具——NK模型方法。NK模型本质上是一种生物学的思想和方法，它的形式化数学框架为研究复杂系统内部组成要素的相互作用关系提供了可能[10]。农村电子商务产业集群由关键种群、寄生种群和支持种群构成，因此，NK模型中值设为3，值的数值和组合反映了对应的种群之间相互作用的规模效应和结构效应所产生的复杂性。参数各数位上的数值之和反映种群之间相互作用关系的数量规模，不同数值的组合反映了种群之间相互作用关系的分布结构。因此可以根据参数定义各种类型的农村电子商务产业集群复杂性程度大小的比较关系。将集群的NK模型分为10种类型：000、001、002、011、111、012、022、112、122和222。例如模型=111的规模为3，模型=011的规模为2，模型111的复杂性程度大于模型011。而模型=012的规模也为3，但其各数位上的最大数值为2，因此其复杂性程度大于模型111。以模型=001为例，该模型表示三类种群中，只有一个种群受到另一个种群影响的NK模型。如图1所示种群除了自身变化影响到各自的适应度大小之外，支持种群还受寄生种群影响，其它种群均不受其他种群的影响。

图1 K=001的商务模式NK模型

集群的适应度值用来表示。这里假设3类种群的地位同等，对产业集群的适应度影响程度都相同，集群的适应度值体现为三类种群对集群适应度影响的加权平均：

(1)

由于农村电子商务产业集群的复杂系统特性，三类种群之间的相互作用关系具有非线性和随机性，虽然难以找出各个种群对集群适应度影响的确切函数关系，即无法预知c、s和p的具体形式。但可根据NK模型方法的“复杂系统的统计力学” 特性，假定各种群对集群适应度的影响是在(0，1)区间上均匀分布的某种形式的随机变量。因此当种群形态发生变异，可以根据该种群与其他种群的相互作用关系，抽取若干个服从均匀分布的(0，1)区间的随机数作为该种群和其他种群对集群适应度的影响结果，从而得到新的适应度值，并以此模拟产业集群种群之间的相互作用关系及其结果。

3.2 基于粒子群算法的演化模型构建

NK模型从复杂性的角度通过模型抽象描述了农村电子商务产业集群的各种复杂结构。而研究集群的演化，则还需要在对种群描述基础上建立集群演化空间，从时间尺度考察演化过程，因此模型将诉诸于演化算法——粒子群优化算法。

粒子群优化算法(Particle Swarm Optimization Algorithms，简称PSO)是一种演化算法，由Eberhart与Kennedy于1995年提出，是基于对鸟群、鱼群模拟的群体智能方法[11]。在引入惯性因子后，Eberhart R.A给出了例子的速度方程为：

-××(2)

其中为惯性权重，对算法的收敛起着关键作用，它控制着粒子先前速度对当前速度的影响[12]。基于NK模型的构造，本文采用离散的粒子群优化算法。该算法扩展了基本PSO算法的应用领域，它的基本思路与基本的粒子群优化算法相似。不同之处在于，该模型将粒子的每一维限制为0或1两种取值状态，速度取值按照公式(3)变换为0到1之间的数值。当应用速度来更新粒子的位置时，则根据变换后的速度值高低来进行。如果高一些，则粒子的位置在该维上的状态取值更有可能选1，反之则选0，具体操作规则见公式(4)。

Ifthen;

else(4)

本文将粒子群优化算法中粒子飞行空间的维数与NK模型的种群类别数相对应，因此在加入演化算法后，针对单个复杂集群的NK适应度地形图转变为在粒子群飞行空间中的多个多维图形群体。这为演化研究中的指标度量提供了基本的框架。农村电子商务产业集群在演进过程中，种群根据粒子的速度来调整其在空间中位置。粒子的速度可以理解为集群演化的惯例(routine)。算法速度方程公式(4)中的第一部分代表了对上一次迭代所使用速度的继承，体现了惯例的可继承特性。在实践中，农村电子商务产业集群的演化不是不受约束地去迎合环境变化，它受制于农村地域范围内的产业基础条件。而速度方程的第二、三部分体现的则是粒子对自身以及社会环境的学习认知程度。惯例的演化是学习的过程，学习的来源可以归纳为内外两部分：集群对自身过去演化经验的积累总结以及其他地区产业群先进经验的学习模仿。这与粒子群算法速度方程的后两部分相符合。

粒子群优化算法与NK模型方法相结合可以描述农村电子商务产业集群的演化动态与集群本身的复杂性的联系，二者缺一不可，单独采用演化算法则缺乏对集群内种群之间形成的组合效应的考察，单独采用NK模型方法则仅能从有限的种群组合上来考察集群的复杂结构，缺乏对集群与农村环境之间交互机制与演化的研究。二者相结合，则为农村电子商务产业集群演化提供较为完整的模型描述框架，即：通过NK模型对集群内种群复杂性的描述机制，研究不同K值下的集群演化规律，从而分析集群演化过程中，宏观环境对农村电子商务产业集群的种群在规模效应以及结构效应上的调整策略。

3.3 计算实验过程及结果分析

对于粒子群算法，大部分问题初始种群取10个粒子便能取得较好的结果。根据前文所述，将农村电子商务产业集群的初始状态分为8种，分别是000、001、010、011、100、101、110、111。这8个不同状态的集群就代表了群空间中不同初始条件的粒子。不同值决定了各个组分(即状态位)之间的联系不同，所以模型需根据不同的值来生成种群中粒子的适应度值。如=111时，粒子取值如表1所示。

表1 K=111时初始集群的三维适应度值表示

另外，算法中的三个关键权重因子中，是惯性权重，使粒子保持运动的惯性，加速常数1和2代表每个粒子推向自身最优与全局最优位置的统计加速项权重。取值，可以是固定的常数，也可以线性变化或动态变化。模型根据以往研究结果，一般在0.4~0.9之间取值或变化。1、2通常为2.0，也可以在0~4.0之间浮动[13]。算法的终止条件可以根据问题的实际情况来设定。终止条件即算法迭代的次数，模型假设当粒子群中的8个粒子在15次的迭代演化中都保持不变时中断演化。众多研究证明，产业集群演化具有阶段性，其周期不是循环往复的，集群演化将受内外环境等诸多因素的影响而中断或进入退化阶段。

本模型采用可视化程序设计语言VC++编程，开发出可调节演化参数、计算实验次数的操作程序，程序流程图如图2所示。

图2 计算实验算法流程图

为了得到集群演化的统计性质，必须针对10种模型做多次实验，以此来得到各种模型的统计结果，进而分析电商产业集群演化与复杂性之间的练习。设定模型中，为常数0.5，1、2分别为2.0，对每一个模型分别进行10000次模拟，得到基于NK模型算法结果如图3所示。

图3 农村电商产业集群NK模型演化结果

图3纵轴表示的是所有粒子在迭代后的平均适应度值。粒子群优化算法在演化中充分展示了其全局搜索的能力，在每一次迭代中，粒子可以同时改变自身在多个维数空间上的状态，从而使得集群在适应度地形图上可能表现为从一个山峰向距离遥远的另一个山峰跳跃的过程。因此，算法的运行可以保证大多数的粒子收敛到最优值。从图3可以发现集群内种群的复杂性程度与平均适应度的之间关联关系。集群总体平均适应度值随着种群复杂性提高而呈非线性的增长趋势，当种群间的复杂性最小时，平均适应度值最小；当种群间的复杂性最大时，平均适应度值最大。相对于复杂性程度较低的产业集群，种群之间相互作用关系的复杂性为电商产业集群的演化创新提供了更多的可能。

然而，种群之间结构性复杂程度的提高则在一定程度上制约了集群的演化。这里的复杂性制约主要体现在农村电子商务产业集群的结构效应上。当规模相同时，结构越复杂，集群的适应度值就越低。从图3可见，当模型从011变为002，相应的适应度值下降；当模型从111变为012，相应的适应度值下降；当模型从112变为 022，相应的适应度值下降。

江苏睢宁县沙集镇是农村电子商务产业集群的典型表现形式——淘宝村。以沙集镇的集群发展为例，该镇最初由草根农民网商驱动，渐渐将网销家具发展成为支柱产业，并催生当地加工、配套生产和物流等产业链的发展。这是集群在规模增长的同时，逐渐发挥出集聚效应的过程。农户从最初自发地使用电商交易平台，并随着网销细胞的“裂变式”复制扩张，带动制造业及其他配套产业发展，生成了以公司为主体、多物种并存共生的“农户+网络+公司”新商业生态。集群的发展壮大过程在规模逐渐增大，但集群结构则随着分工细化，则走向相对均衡。

4 结论

从本文计算实验结果可见，在农村电子商务产业集群演化中，种群间相互作用规模的增大可以促进农村电子商务产业集群的形成，而当相互作用规模保持不变时，尽可能均匀分布种群间相互作用关系也可以促进集群的优化。因此，集群在演化过程中，应通过分工细化和资源整合，降低集群中种群的复杂结构效应，并逐步增加实现电子商务生态共同体的种群类别直至复杂性最高的种群规模出现，这是实现农村电子商务产业集群持续创新的必要手段和途径。

尤其在目前的农村电商发展过程中，随着电商主体如政府机构、电商平台、网商、生产农户以及电商服务商等需求的日益增加，这就需要在县域内建立电子商务公共服务中心来梳理主体之间的关系，从政策、市场等各方面入手平衡主体之间的结构，在保证集群发展规模的同时，降低结构复杂性。电子商务公共服务中心是农村电子商务集群发展到一定规模阶段后的产物，是政企对接、产业联合协作的机构。通过实现服务配套、服务商及品牌孵化、运营数据化、人才培养、创业就业扶植、主流电商平台落地等功能，提供与企业对接的平台，为优秀服务商提供服务，以此为生产企业带来咨询、培训、人才、运营托管、IT及ERP系统、电子商务金融、仓储服务等一站式电商服务的机构，促进了农村电子商务产业集群的繁荣发展。

注释：

①参考来源：http://www.aliresearch.com/blog/article/detail/id/21242.html

[1] 田真平,谢印成. 创业导向下的我国农村电子商务产业集群演进机理研究[J]. 科学管理研究, 2017(12):182-188.

[2] 雷兵,刘蒙蒙.农村电子商务产业集群的形成机制——基于典型淘宝村的案例分析[J]. 科学管理研究, 2017(11):177-184.

[3] 凌守兴.我国农村电子商务产业集群形成及演进机理研究[J]. 商业研究, 2015(1):104-109.

[4] Huang Z, Zhang X, Zhu Y. The role of clustering in rural industrialization: A case study of the footwear industry in Wenzhou[J]. China Economic Review, 2008, 19(3):409-420.

[5] Wen W. A knowledge-based intelligent electronic commerce system for selling agricultural products[J]. Computers & Electronics in Agriculture, 2007, 57(1):33-46.

[6] Ruiz M C. Specification and testing of e-commerce agents described by using UIOLTSs[C]// Ifip Wg 6.1 International Conference on Formal Techniques for Distributed Systems. Springer-Verlag, 2010:78-86.

[7] Dsouza D J. Development of agricultural e-commerce framework for India, a strategic approach.[J]. International Journal of Engineering Research & Applications, 2014, 4(11):1195-1211.

[8] 郭承龙.农村电子商务模式探析——基于淘宝村的调研[J]. 经济体制改革, 2015(5):110-115.

[9] 董坤祥, 侯文华, 丁慧平等. 创新导向的农村电子商务集群发展研究?——基于遂昌模式和沙集模式的分析[J]. 农业经济问题, 2016(10): 60-69.

[10] Frenken, Koen. Modeling the organization of innovation activity using the NK-model[C]. The Nelson-and-Winter conference, Aalborg, 2001.

[11] R.Eberhart,J.Kennedy.Particle swarm optimization[C]. Perth: Proceeding of IEEE International Conference on Neural Networks,1995: 1942-1948.

[12] Kenneay J,Eberhart R,Shi Yuhui.Swarm intelligence[M].San Francisco: Morgan Kaufmann,2001.

闽江学院社科项目“基于小生境技术的电子商务产业集群进化研究”(编号：MYS15014)；福州市社会科学规划项目“共享经济视角下福州市农村电商扶贫机制及对策研究”(编号：2016FZ26)。