无车承运人类别及特征研究—基于主成分-聚类分析

王 利，王琢玞

（1.江苏科技大学 经济管理学院，江苏 镇江 212003；2.中船工业现代物流研究中心，江苏 镇江 212000）

1 引言

2016年国家交通运输部印发了《关于推进改革试点加快无车承运物流创新发展的意见》，目前全国范围的试点企业达283家。无车承运人是指不拥有车辆而从事货物运输的个人或单位[1]。无车承运人是国家政策推动的试点模式，政府对智慧物流的建设非常重视，相关措施及改革都在围绕无车承运人有序展开。但是无车承运人这一类型还处于发展的萌芽阶段，政府和企业对其的认识程度并不深，无车承运人的发展有一定的不确定因素。

当前国内无车承运人的相关研究较少，且多数研究主要集中在对其相关概念、优势分析、运力资源及风险预警等方面。多数的研究主要为单一层面的影响分析，对无车承运人的分类没有做良好的描述。缺乏明确的分类标准，如此政府对于无车承运试点企业的分类管理和调控便难以实施，阻碍了无车承运人的分类引导及政策支持。因此，对无车承运人企业进行分类研究，揭示各无车承运人的特性，是探索无车承运人发展道路的基础，对推进中国无车承运人发展、创新智慧物流建设具有重要作用。

2 无车承运人分类标准制定

2.1 分类标准来源

随着国家对无车承运人试点企业的推行，无车承运受到了物流行业的广泛关注。物流企业的分类是以2013年发布的现行GB/T 19680-2013《物流企业分类与评估指标》国家标准进行分类的[2]。传统的物流企业是以某项服务功能为分类标准，并以向物流服务其他功能延伸的状况来划分物流企业[3]。在信息高速更迭的互联网环境下，新兴发展的无车承运人是具有动态性的，传统的物流企业分类是预先限定了企业类型，无车承运人与信息更迭的互联网相结合，传统的分类方法不能完全满足其不断发展的动态原则。

无车承运人分类指标体系的建立必须要从无车承运企业的特征本质出发，建立评价指标，再通过提取评价指标中的因素[4]，形成无车承运人分类指标体系。基于查阅大量文献，应用系统分析法构造无车承运人的运作模型。无车承运人作为物流企业，其主要运作包括：企业基本运营要素、物流技术投入要素、产品服务过程要素、物流组织管理要素、企业形象要素，如图1所示。

图1 无车承运人运作过程

（1）企业基本运营要素是直接反映无车承运企业目前最基本的情况[5]，通过企业经营状况可以显示出当前无车承运人企业的发展现状，有助于了解无车承运企业的基本运营情况，为分析无车承运人企业类别提供了基础数据。

（2）物流技术投入要素是企业积极应用信息技术、供应链管理技术等提升物流服务水平的能力，主要体现在物流信息技术研发投入。此要素代表了无车承运企业的信息化程度、技术装备整合能力等，从投入要素也能看出企业未来的战略方向。

（3）产品服务过程要素体现的是无车承运人服务范围和业务水平，不同类别的无车承运人有着显著物流服务的差异，产品服务过程是无车承运企业保持核心竞争优势的基础，满足物流需求的物流服务提供能力，涉及物流系统的改进能力和个性化服务能力，反映了物流企业服务能力的大小[6]。

（4）物流组织管理要素是企业管理人或组织的能力[7]，涉及物流企业组织结构特性、跨组织和跨职能管理及人力资源管理等要素，作为物流型企业，无车承运人提供的是物流服务，在物流组织中的管理耗费占比影响着物流成本的投入。

（5）企业形象要素是企业宣传以及自身的物流产品的影响力，反映企业在激烈的市场竞争中的生存能力，涉及物流服务网络、企业在行业及市场内的认知情况。无车承运企业的银行认知形象体现了信用水平，决定了其贷款能力[8]。

将《物流企业分类与评估指标》、专家学者研究意见、系统化无车承运人运作过程整理，综合得出无车承运人分类初选指标，见表1。

表1 分类标准初选指标

2.2 无车承运人分类方法分析

（1）提取分类指标。首先确立综合评价的指标体系，列出指标数据矩阵：

对相应指标进行量纲化处理，主成分分析中多采用标准化处理方式：

依据标准化处理后的矩阵，求对应的相关系数矩阵S：

通过正交变换得到标准化矩阵S的特征值与特征向量。由方程 |R-λAm|=0，求解M个特征根，其中A为单位矩阵，可得相关系数矩阵的特征值（λ1，λ2，λ3，…，λm）。第K个主成分贡献率表达式为：

依据相关标准，当提取的主成分累计贡献率大于80%，且特征值大于1时，前F个指标就会被确定为主成分。

（2）聚类分析法。聚类分析的实质是能够将一批样本数据按照它们在性质上的关联程度且在没有事先判定类别的情况下自动进行分类处理。将样本数据设定为一个集合X={x1,x2,…xn} ，设每个xi(i=1,2,…,n)有m个特征值，xi={c1,c2,…,cm} 为其向量，依据样本对象的特征属性来确定样本间的关联度，并依据某特定准则来完成聚类结果[9]。当聚类结果表示为R={r1,r2,…,rj}，必须满足条件为：ri≠∅,i=（1,2,…,k）；ri⋂rj≠∅ 。聚类分析是一种探索性的分析，在分类之前，不必事先给出一定的分类标准，聚类分析能够从样本数据出发，自动对数据进行分类[10]。

3 基于PCA-聚类分析的无车承运人分类过程

3.1 分类标准构建

对国家试点运行的无车承运人进行分类，无车承运人分类流程如图2所示，依据的标准是从相应的评价指标体系中提取而来的。依照有关标准，对无车承运人指标进行筛选，并在提取分类标准指标时应遵循部分技术原则[11]：（1）目的性原则，提取的指标体系要与无车承运人的竞争力具有相关性。（2）系统性原则，所提取的指标之间要存在一定的逻辑关系。（3）可行性原则，指标的数据及资料要较容易的获取。对此采用主成分分析法进行指标的提取，通过5点李克特量表(不同重要性刻度由低到高依次为1-5分)进行评价分析。

图2 无车承运人分类流程

评价数据来源是基于企业调研及问卷收集，调研对象为无车承运人及相关企业的管理人员与工作人员以及无车承运人有关学者，共发放了150份问卷，收回问卷124份，其中有效问卷107份，有效率为86%。将收集到的数据通过SPSS19.0进行统计分析。通过对收集数据进行主成分分析，求得统计数据如下：

见表2，选取特征值大于1的成分，根据累计方差贡献率得相应的主成分共有5个，将其标记为成分1，成分2，成分3，成分4，成分5，五个主成分的贡献率分布为34.28%，21.067%，9.841%，7.916%，7.331%，累计贡献率为80.435%，以80%为选取标准，可知数据提取效果较好，对此选取5个主成分作为无车承运人的分类指标，同时将这5个主成分定义为F1、F2、F3、F4、F5。

继续对SPSS所得数据进行因子载荷分析，为了便于数据分析及观察，将各个变量的负荷量按照大小进行排序，因子载荷见表3。

根据因子载荷表的相关数据进行分析，选取指数大于0.7的指标做相关性描述：

（1）主成分F1与物流信息平台功能建设、物流系统个性化服务有较大相关性，该成分主要反映了无车承运人企业在物流信息平台上的搭建成果，对于提供物流服务的个性化能力，体现了企业物流信息服务的功能。

（2）主成分F2与账款周转率及固定资产比重有较大相关性，账款周转率反映了企业能否将账款及时收回，是企业资金使用率的良好体现；固定资产在无车承运人中多以车辆体现，固定资产比重反映了企业对于资金流的控制。

（3）主成分F3中，物流技术研发投入和物流技术水平是相关性最大的，该要素体现了无车承运人对于研发的重视程度，代表了企业技术创新能力。

（4）主成分F4与主成分F5，分别与管理费用占比、有无自营车辆成较强相关性。无车承运人对物流系统的管理组织投入实质就是追求缩减物流环节，达到降本增效；有无自营车辆表现的是无车承运人在运力资源优势的体现。

表2 样本企业的累计方差及贡献率

表3 因子载荷表

整理上述提取指标后进行归纳，影响无承运人分类的因素为：（1）物流信息平台服务功能；（2）企业资产规模配置；（3）企业对物流信息技术的重视程度；（4）物流组织的战略发展方向。对此将这4个分类因素作为对无车承运人分类的判定标准，依据不同类型企业在分类因素中的体现进行归类。

3.2 无车承运人的类别及特征

通过PCA提取无车承运人的分类指标，以所提取出的分类标准进行判定，分析当前中国无车承运人试点企业所具有的类别，本文将中国无车承运人试点企业的资料进行整理和汇总，以企业运作模式、物流信息平台功能、物流组织发展战略、资产规模控制等出发，归纳得到3类企业，涵盖了主要的试点范围，在实际运营状态下，这3种类别的无车承运人具有明显的差异及特征。整理不同类别特征归纳得表4。

表4 无车承运人的分类及特征

3.2.1 第三方物流+互联网。互联网+第三方物流是指依托互联网技术转型的第三方物流企业，该类型企业在成为无车承运人前多是从事传统的第三方物流企业，因此对物流行业的认识程度较深，且拥有一定规模的运输车辆、仓储物流园区等。相比于传统的第三方物流企业，该类型无车承运人充分利用物流信息技术，对企业运作模式进行转型升级。该类别无车承运人特征为：

（1）从企业运作模式看，该类型企业是通过对自营和外协运力资源的整合集聚，应用“物流+互联网”运作模式，依托自主研发平台，向客户提供高效透明的物流运输服务，该类型无车承运人因其前身为大型第三方物流企业，具有稳定的货源。

（2）根据企业资产规模控制分析，该类型企业发展战略为转型轻资产，该企业在无车承运人发展下，逐步加深对资产控制力度，尤其是减少固定资产占比，如逐渐缩减自有车辆，充分发挥平台的运力资源。第三方物流+互联网无车承运人对物流信息技术的研发较为重视，部分资金已投入软件研发，并在平台功能取得一定进展。

（3）依据物流发展战略方向，互联网+第三方物流无车承运人较为重视技术研发投入，在企业运作发展中突出物流信息平台与线下物流运力相结合，重视对物流组织的管理，期望保证物流运输服务高效的同时，积极研发无车承运平台，以物流+互联网模式压缩物流环境，去成本化。

（4）依据无车承运人平台分析，该类型企业的物流信息平台功能较为全面，具有一定的自我研发技术和人员，平台功能已包含信息发布、货车撮合、车辆跟踪、运单数据化等。

（5）该类型无车承运人的竞争优势为货源集中，在进行无车承运之前就有良好的物流基础和稳定的客户，在物流运输服务中能力均衡，同时具备一定的技术研发能力。有货源，有一定技术能力，依据自身良好的物流从业经验，第三方物流+互联网型无车承运人具有良好的市场份额，且具有较高的信用等级。

3.2.2 信息平台+物流。信息平台+物流类型的企业是集中于技术研发的无车承运人企业，该类型企业最突出的就是他们主要的业务是提供物流信息服务或物流解决方案。该类型企业在具备无车承运资质前，主要从事物流技术与信息平台服务，不直接负责物流运输，多为轻资产运行。其主要特征为：

（1）企业运作模式，信息平台+物流实质上是一种车货匹配平台模式，自身并不拥有运输车辆，也没有固定的货运对象，该类型企业是以搭建平台形式，将社会车辆、个体车主、第三方物流企业的车辆信息整合到平台，再将企业货主、个体货主、外包企业等的运输货源归纳至平台，通过自身高效的信息撮合能力及大数据分析，将车辆与货物匹配，从中收取撮合佣金[12]。

（2）该类型无车承运人是以轻资产运行，从事技术研发和服务，物流技术、信息平台等为其主要的投入成本。信息平台+物流型的企业少有自营车辆。平台+物流的形式对于资金的投入集中在技术研发和产品营销。

（3）企业物流发展战略，信息平台+物流的无车承运人，企业发展方向是对物流技术和无车承运平台的深入挖掘，拓展平台功能和提高平台用户的体验，在试点发展过程中并不会购入车辆等，提高平台中车辆和货主的评价分析是关键要素。

（4）该类型无车承运平台的功能在3个类别中占据领导地位，作为技术研发企业，企业优势就是对无车承运平台的探索，目前该类型企业平台已经具备参与整个服务过程，包含诚信考核、车辆调度跟踪、支付结算，同时对车源、货源具有数据分析能力，对实际承运人全透明化监管，并提供车主的车辆维护等服务，重信息撮合及用户体验。

（5）信息平台+物流型无车承运人对于平台的功能和数据分析有良好的竞争优势，客户体验感较好。该类型企业除了进行平台撮合、信息发布等服务外，多有对供应链的解决方案措施，以数据分析为竞争力，参与到对物流服务的咨询、支撑中。

3.2.3 互联网+运力资源。该类型无车承运人是自营车辆及外协车辆资源丰富的企业，多数为大型的客运、货运公司，在某货物运输业内有较高的市场占有率。该企业作为大型的运输企业，有充足的自营车辆和社会运输能力，对于无车承运平台的开发主要集中在整合运输资源，形成运力资源的共享网络。其主要特征为：

（1）互联网+运力资源的无车承运人是以运输车辆展开的，该企业以车源切入点进行软件的开发，保证了有货源就能够及时有效地通过运力资源共享网络平台进行高效运输。其中，大部分企业都已经涉及平台建设，进行多领域的业务拓展。

（2）因为具有一定的车辆和运力资源，同时该类型无车承运人具有物流港及园区作为运输支撑，所以其资产配置偏向重资产，固定资产占比较高。

（3）互联网+运力资源的企业发展战略集中在运力整合和车源集中，对车源整合后易于形成大车队，便于运输方式多样化，良好的车队资源对零担、整车物流等都有很好的调配作用。

（4）该类型无车承运人的平台功能较为基础。车辆平台功能集聚为车源的信息汇入，重视对车辆的服务和跟踪，且运力资源集中的无车承运人研发投入较少，多数无车承运平台只具备发布信息的功能，轻数据分析，重车辆管理。

（5）互联网+运力资源型无车承运人具有丰富的车辆资源，往往拥有一定的物流园区或公路港，整合运力形成大车队的运作模式，集中车辆优势承运电子商务等类型的货物运输服务，在运力调度及车辆维护服务等方面具有较好的竞争优势。

4 无车承运人类别结果的聚类验证

为了验证分类结果的有效性，选取一定的无车承运人样本进行聚类分析。选取的样本要有代表性，满足研究需要。参照相关学者及评估结果，选取15家无车承运人上市企业为研究样本，使得研究企业具有客观性及数据的真实性。数据来源以上市企业的年度报告为主，发放相关调查问卷，收集到样本分类数据，以此为基础，采用系统聚类和K-均值聚类分析识别无车承运人分类，并比较两种方法的输出结果。

（1）K-均值聚类结果。由SPSS19.0聚类分析，收集样本数据有效个数为14个，并无缺失样本，见表5、表6。

表5 每个聚类中的案例数

表6 样本聚类成员及结果

（2）系统聚类结果。系统聚类结果如图3所示。

比较K-均值和系统聚类的结果，无车承运人样本企业被分为3类，第一类包括：丹阳飓风物流、新疆天顺供应链、新疆九洲恒昌、江苏飞力达；第二类包括：内蒙古诚昊启元、福建高速物流公司、福建龙洲运输集团；第三类为：启明信息、深圳市华鹏飞、福建未名信息、贵州道坦坦、江苏物润船联、滴滴集运、河南紫云。由聚类结果可知，两种聚类分析的输出结果具有一致性，因此研究得出的无车承运人分类结果是客观、科学的，可以作为有效的参考成果。

图3 系统聚类（组间联接）树状图

5 结语

不同类型的无车承运人发展方向是有差异的，这导致各类别无车承运人存在的问题及可能面临的瓶颈不同，因此在对无车承运人进行流程优化及制订对策中，要能清楚企业的类别及特征，寻求适合企业方向的控制措施。分析无车承运人的类型及特征可以加深其认知度，对有关研究及政策提出起到借鉴作用。

通过建立初选指标，采用主成分分析提取分类标准，依据标准提出无车承运人类型并以聚类分析将无车承运人划分为3类，即第三方物流+互联网、重技术研发的信息平台+物流、拥有自营及外协车辆资源的互联网+运力资源。相比于凭借经验和主观分析企业归类的做法，本文提出的无车承运企业分类方法源于试点企业的运营数据，在实际样本数据基础上，通过对比K-均值聚类和系统聚类两种分类方法结果的一致性，证明了本文采用的分类方法具有一定的有效性，符合当前无车承运人发展的动态原则。

[1]董娜.无车承运人的优势分析和发展建议[J].交通运输研究,2011,(24):87-90.

[2]毛海军,张永,李旭宏.物流企业分类模型[J].交通运输工程学报,2005,5(2):117-121.

[3]Windt K,Becker T,Jeken O,et al.A classification pattern for autonomous control methods in logistics[J].Logistics Research,2010,2(2):109-120.

[4]常连玉,陈海燕.无车承运人运力资源组织优化研究[J].公路交通科技,2016,33(10):152-158.

[5]相金龙.无车承运人模式发展[J].中国道路运输,2016,(2):77-78.

[6]常连玉,胡大伟,陈海蓉,等.基于PCA-AHP模型的无车承运人合作伙伴选择研究[J].计算机应用研究,2017,34(8):2 340-2 344.

[7]王璐,吴群琪,熊锐.公路货物运输发展影响因素分析及预测[J].统计与决策,2015,(20):83-85.

[8]朱正清.港口企业发展无车承运人有关问题的初步思考[J].天津经济,2017,(3):16-20.

[9]吕岩威,李平.一种加权主成分距离的聚类分析方法[J].统计研究,2016,33(11):102-108.

[10]金芳芳,黄祖庆,虎陈霞.长三角城市群物流竞争力评价及聚类分析[J].科技管理研究,2013,33(9):183-187.

[11]陈霞.中国物流企业分类与分级研究[D].北京:北京物资学院,2012.

[12]舒晖.无车承运人—物流公共信息平台发展的新机遇[J].物流工程与管理,2017,39(1):35-36.