农村电商背景下农村物流节点选址研究

武文娟，张海钟 （甘肃农业大学 管理学院，甘肃 兰州 730070）

0 引 言

由于城市电子商务市场的饱和，淘宝、京东、苏宁、国美等电商巨头纷纷涉足农村电子商务。特别是在 “互联网+”的背景下。农村电商的发展已经成为电子商务发展的新引擎。目前，农村快递存在配送效率低、信息化程度低、配送成本高、服务水平低等问题。农村地区的配送客户不集中，单一配送企业无法实现规模化经营。为了解决这些问题，一些企业积极寻求建立农村快递联合配送点，以达到降低成本、提高效率的目的。农村快递联合配送点需要统计配送中心的位置、运力优化、配送路线等，联合配送点选择的合理性将直接影响配送的成本和效率。因此，研究农村物流节点选址具有重要意义。

1 农村电子商务的发展现状

中国在线购买和销售产品的人数已经从2000年几乎为零的人数增长到2015年的4亿多人，用户和销售总额方面超过了美国，成为了最大的电子商务市场。在中国之外，越来越多的发展中国家，特别是亚洲、东欧、拉丁美洲和非洲的国家，电子商务活动也在快速增长。

迄今为止，这种增长主要发生在发展中国家的城市当中。在此背景下，中国政府最近宣布将电子商务扩展到农村，作为国家政策的重点，促进农村经济的发展。其他发展中国家，如埃及、印度和越南，最近也宣布了类似的政策，投资电子商务的扩展以促进农村经济发展和缩小城乡经济差距，因为在这些国家农村人口占着很大的基数。

农村电商从2015年开始受到广泛关注，农村电商连续四年被写进中央一号文件，引起了政府的高度重视。阿里巴巴宣布其农村战略后，许多电商平台也争相进入农村。中国农村网络零售的规模继续快速扩张。

本文主要是一些非常成功的 “电子商务村 ”的案例研究。这些村庄通过电子商务向城市市场销售农业和非农业产品，实现了产出的快速增长。例如。到2017年底，中国最大的电商平台淘宝网已经将中国2 000多个农村市场打造成了所谓的 “淘宝网”。中国的农村市场被称为“淘宝村”，因为这些市场集中了网上卖家，而且在该平台上销售量很大。受这些成功案例的启发，目前的政策重点主要放在了农村生产者身上。电子商务的到来旨在通过提高对当地生产的需求，降低农村产品通往城市市场的贸易和信息成本，以更强的农村创业激励来增加农村收入。然而，最近来自中国城市的数据表明，电子商务的需求在较小和较偏远的城市最为强烈，这表明农村地区的电子商务有可能获得巨大的收益。

农村快递物流市场潜力巨大，仅在2015—2018年，农村互联网的零售额就增长了六倍。随着农村电商的快速发展，农村快递物流的需求不断增加。2018年，农村地区的互联网普及率高达36.5%，2017年就有100多亿件的农村快递。随着农村经济的发展，农产品的出口和农业、农产品的投入也大幅增加，广阔的农村市场已经显示出巨大的需求潜力。

中国农村地域辽阔，居民不集中，导致快递需求分散。同时，由于农村的客观条件，农村居民对邮寄业务的需求很小。国内农村的快递业务仅有小量的邮件，占总业务量的1/8，这也是农村物流发展滞后的主要原因。随着信息技术的发展，以及农村网络的全面覆盖和智能手机的普及，农村网民和网购者的比例在不断增加。中国政府高度重视和支持农村物流的发展，出台了一系列相关的政策和策略。但目前，农村物流还存在一些问题，如配送网络规划不合理、资源不集中、配送成本高、配送中心选址不到位、商品的双向流通渠道不足、没有快递到村等。文章主要探讨了电子商务下农村物流节点选址的优化，整合配送需求资源、实施联合配送和实现规模经济。

2 新物流时代对农村物流选址的要求

新物流配送中心选址优化的发展趋势是共享资源、降低成本、整合共生、促进转型、推动协同、多方参与、自动超码、重点发展。新时代物流对农村的快递配送中心选址提出了新要求。

首先要转变原有思维，创新配送中心选址的方式，必须对原有选址方式进行改变。农村快递物流需要改变传统的配送方式，传统的直接或间接配送方式是通过划分各个物流功能来实现的。所有的配送流程和信息流构成了一个完整的配送过程，但“新物流”需要新的技术，需要改变或重构原有的信息流和配送过程。

其次要加快技术升级，提高物流效率，新的物流需要智能和自动化配送。物流整个行业都面临着信息升级的新时代。这对传统的机械式农村快递和配送造成了很大的冲击。农村快递物流应加快技术升级和信息化转型。以发展物流智能化为目标，进一步提高物流效率。

3 模型描述

模型假设条件如下所示：

农产品从城市枢纽仓库到农村配送中心，若采用公路运输方式，将享受运费折扣；

城市卖家和农村买家之间只有一个城市枢纽仓库和一个农村配送中心仓，城市枢纽仓库、农村配送中心仓库和乡村买家不能直接相连；

每个节点仓库的建设成本在周期内保持不变；

交通量不会超过每个节点仓库的容量。选择城中村作为城市枢纽仓库和农村配送中心仓库的地址；

城市枢纽仓库到城中村再到农村配送中心的运输距离远远小于城市枢纽仓库到农村配送中心仓库的运输距离，节点之间的距离、速率和流量可以忽略不计。算法的实用性将影响物流节点预测的准确性。

其中，在式子1中是粒子的个体学习因子，是第I个粒子在第次迭代中的速度，是第I个粒子在第次迭代中的位置，是第I个粒子到第次迭代的最佳位置，是所有粒子到第次迭代的最佳位置。粒子算法的模型图如图1所示。

图1 粒子算法模型图

使用支持向量机预测网络流量时，存在回归场大、预测不准确的问题，即支持向量机回归。在非线性环境下，支持向量机函数被用于拟合。拟合时，采用线性回归函数作为输入和输出，即需要确定站点数量和节省成本。在使用支持向量机进行网络流量预测时，其惩罚函数是影响预测结果的重要因素，也是支持向量机的一个重要概念。现有的方法往往需要在优化模型前选择函数，并且针对不同的优化问题选择不同的损失函数。因此，即使是同一优化问题的损失函数也会形成不同的模型。算法的泛化能力将影响网络流量的预测精度。因此，在支持向量机的复杂性和误分类样本之间选择一个平均值作为惩罚因子，以增强算法的泛化能力。在流经网络输入层时，如果惩罚因子太小，超过样本的惩罚就小，样本训练误差就大，泛化能力就低，错误预测率就高。反之，如果惩罚因子过大，则算法的学习精度低，泛化能力不高。因此，应选择最适合优化模型的惩罚因子，以保证网络流量预测的稳定性和效率。其中，支持向量机的结构图如图2所示。

图2 支持向量机算法模型图

从图2可以看出，在支持向量机的运行过程中，需要选择核函数将非线性输入值映射到高维特征空间，该函数应满足其定理特征。

城市枢纽仓库对物流信息技术的要求非常高，因为货物需要提前运到城市枢纽仓库进行储存，企业通过城市枢纽仓库管理系统进行远程操作。随着物理技术的发展，对城市枢纽仓的需求也在逐渐增加，如图2所示。目前，在农村配送中心物流信息技术相对落后的时候，还比较困难。由于存在滞留问题，存放在城市枢纽仓库的货物必须销售良好，周转率高，否则容易出现爆仓的情况。这也是因为城市枢纽仓的利润有很大一部分来自于货物的快速流动。无论在哪个城市枢纽市场，城市枢纽仓库都必然会遇到法律问题。对于地方政府来说，任何仓库都应该由当地实体企业开设，而不是仓库。交付就是交易，交易就必须要有税收。如果不能向终端客户提供当地的税务发票，就会被认为有偷税漏税的嫌疑。仓库建设需要技术和供应链管理人才。除非是上海这样的一线城市，否则一些五线城市的物流和仓储不发达，很难招聘到相应的人才。即使在三线，劳动力成本也很高，这都会增加农村配送中心仓的运营成本。农村配送中心仓的运营需要雇佣当地人，必须了解和掌握当地的劳动法。同时为了物流方便，一些货物经常需要被销毁，为此需要当地人进行处理。

4 结果和分析

由于城乡直接贸易额波动大，影响因素多，一般的预测算法很难获得比较准确的预测结果。为了解决这个问题，我们提出了一种基于PSO优化混合RVM模型的贸易预测方法。首先，该方法找出影响进出口贸易的指标，并通过主成分分析方法提取指标的主因子作为模型的输入数据。然后在用多个不同核函数训练单核RVM模型的基础上，如图2所示，根据单核RVM模型的预测误差，用多核加权法构建混合核RVM模型。最后，通过PSO优化混合核模型的参数，以提高预测精度。

其中，自建城市枢纽仓模式的建设门槛较高，适用于大型城乡电商企业。第三方城市枢纽仓模式由专业第三方物流服务商建设，经济灵活，适用于大众城乡电商企业。第四方城市枢纽仓模式是未来城市枢纽仓的发展方向，即为各类城乡电商企业搭建以城市枢纽仓为核心的城乡物流一站式服务平台。但由于建设条件不成熟，资源整合力度过大，该模式仍处于研究、探索和尝试阶段。本文从宏观、MESO、微观三个层面梳理了不同模式下城市枢纽仓选址的影响因素。然后，本文构建企业、城市枢纽仓主体、客户的演化博弈模型，通过对演化博弈的稳定性分析，基于复制动态方程，研究不同主体对不同城市枢纽仓模式的策略。最后，利用粒子群优化算法，分别构建了自建城市枢纽仓和第三方城市枢纽仓的选址模型，选择两家企业采用不同的城市枢纽仓模式，同时对欧洲的城市枢纽仓选址进行了实证分析。实证分析表明，自建城市枢纽仓模式在选择城市枢纽仓位置时，只需考虑与城市枢纽仓直接相关的运输成本、建仓成本和仓储成本。当第三方城市枢纽仓选址时，需要额外考虑城乡电商企业到农村仓库的运输成本以及农村仓库的建仓和仓储成本。随着城乡电商的快速发展，传统的城乡物流中存在诸多弊端，如物流成本高、配送时间长、客户满意度低等，其已经不能满足城乡电商的发展需求，从而催生了城市枢纽仓的兴起。在城市枢纽仓的发展过程中，如何选择城市枢纽仓模式，确定城市枢纽仓的位置是关键。在城乡电商的背景下，如何从定性和定量两个方面选择不同的城市枢纽仓模式和选址建议是本研究的主题。回顾城乡电商、城乡物流、城市枢纽仓、城市枢纽仓选址的相关文献，总结以往的研究成果。

5 结 论

通过构建总成本最小和客户满意度最大的双目标优化模型，采用粒子群优化算法进行求解，从而给出了城市枢纽仓库和农村配送中心仓库的具体选址方案。结果表明，物流网络节点之间的距离和农村配送中心仓的仓储成本对城市枢纽仓的选址有很大的影响。应尽量把城市枢纽仓建在贸易量大的城市，所以准确预测贸易量非常重要。在城市枢纽仓选址问题上，本研究突破了过去对城市枢纽仓定性研究的局限性，采用整数编程的方式对问题进行定量研究，为城市枢纽仓选址的实际操作提供了方法。同时，采用粒子群优化算法来验证模型的可行性。但是，本研究在城乡电商枢纽仓选址的问题上，只考虑了总成本和客户满意度。事实上，这个问题还与很多因素有关，如文化环境、商业发展模式、国家扶农政策等，这些因素将在未来的研究中加以考虑。