大数据在智慧物流发展中的应用研究与热点进展

丁燕

摘   要：分析大数据在智慧物流发展中的应用研究与热点进展，将积极作用于我国在这方面的理论研究。以内容分析和文献计量学为基础，使用VOSviewer软件作为分析工具，结合其知识图谱进行分析[1]。以CNKI数据库2010月1日至2022年2月11日之间的906篇国内大数据与智慧物流有关的文献为样本，通过关键词与作者的共现分析，探讨我国大数据在智能物流中的应用研究进展和热点。研究发现，我国在该领域的研究主要集中在智慧物流、大数据、物联网、人才培养、云计算、数字经济、智慧港口等方面。

关键词：大数据；智慧物流；VOSviewer；可视化分析

中图分类号：F252  文献标志码：A  文章编号：1673-291X（2023）08-0141-04

一、文献综述

智慧物流概念自2009年提出以来，引起了中国学术界的高度关注，并围绕其概念特征、体系结构、实施框架和发展趋势等方面开展了一系列研究。实际上，“智能物流”是一个不受限制的概念，学者们也用“智能物流”等词来描述物流业务数字化、物流数据商业化的物流发展状态。胥军等学者（2011）通过案例分析智能物流系统在现实生活中的实施后认为，智能物流应具备信息化、数字化、网络化、一体化的多功能特征，是一体化的深化应用[2]。王之泰（2014）则认为，“智慧物流”作为一种高层次的物流形式，是城市化发展中必须注意的大势所趋，它从基础设施、设备管理等方面深刻影响着物流业的发展[3]。邵广利（2015）则针对国内外智能物流发展的现状、模式及制约因素进行分析，提出了具体的智能物流发展模式[4]。王先庆和彭雷清（2017）立足“一带一路”的建设背景，提出中国物流革命和物流创新的未来方向，认为智慧物流的进步离不开互联网、人工智能和电子商务的快速发展[5]。李永芃和张明（2021）坚信，区块链技术可以充分整合分散的物流资源，并且智慧物流的发展离不开政府的正确引导和物流企业自身的努力[6]。显然，智慧物流的发展已成为趋势，引起了政府、企业及学术界的高度重视。互联网及人工智能大数据的发展更是智慧物流前进不可缺少的助力。因此，针对大数据应用在智能物流发展中的热点话题，有必要梳理研究脉络，总结和预测该领域的发展进程。

本论文以CNKI数据库为基础，借助文献计量可视化工具VOSviewer对相关文献进行研究。通过分析和相关知识图谱，帮助政府、企业和学者了解我国在大数据研究中智慧物流发展中的应用动态、热点和前沿，为政府、企业制定政策，为决策制定和学者研究提供参考跟踪研究方向。

二、数据来源和研究方法

（一）数据来源

本论文研究数据均来自中国知网（CNKI）。在文献数据检索的筛选中，为获得更全面的检索结果，本文将发表时间范围设定为2010年1月1日至2022年2月11日，并进行主题“大数据”“智慧物流”的检索。在剔除会议记录后，共得到906条文献数据。由于VOSviewer应用程序的特殊性，需要使用特定的数据格式进行数据分析，因此，选择Refworks格式导出数据并将数据保存到指定的文件夹。

（二）研究方法

为了直观地展示大数据在智慧物流中的应用研究现状，本文借助VOSviewer可视化软件，从发文量、关键词、作者三个方面绘制了知识图谱。借助该软件统计可得到年发表量和期刊类别结果，在结合文献分析方法梳理研究课题的基础上，总结大数据在智能物流中应用的研究特点和研究前沿。

三、大数据在智慧物流发展中的应用研究与热点进展概况

（一）发文数量的年代分布

通过对相关文献研究论文数量的统计，可以整体把握大数据在智慧物流发展中应用的研究论文趋势。笔者以大数据在智慧物流发展中的应用为主题，绘制了2010—2022年的发文量趋势图（图1）。

应用的发文数量趋势图

图1显示了近11年来大数据在智慧物流应用数量上的发文趋势，并且在2013年之后才真正出现了研究相关主题的文献。具体可分为三个发展阶段：（1）从无到有时期（2010—2016年）。这一时期的变化特点被认定为从无到有，实现过零，后期整体缓慢增长。（2）快速增长时期（2016—2017年）。这一阶段的发表文章数量从52篇直接增加到121篇，其中增长速度最快的时期是2010—2022年。（3）稳定增长时期（2017—2022年），在这五年期间，相关主题的发文量一直呈现稳定增长的状态，并有望于2022年底突破200篇。

（二）关键词网络共现

通过统计，共得到2 303个关键词，将阈值设置为2，此时通过阈值过滤的关键词是522个。其中排名前10 的关键词为智慧物流（512）、大数据（160）、Intelligent logistics（86）、物联网（73）、big data（60）、smart logistics（60）、人工智能（41）、云计算（40）、物流行業（37）、新零售（35）。作者对原始数据进行预处理，并导入VOSviewer运算，最终运行结果以可视化图谱形式展示出来（图2）。

图2是VOSviewer 提供的3种视图之一的“network visualization”（网络视图）。图2中的每一个圆圈即节点，都代表了一个关键词。圆圈和圆圈之间的连线代表了关键词之间的共现关系，即这些关键词曾经共同出现过。圆圈越大，代表这个关键词出现的频率跟次数越高。相当于VOSviewer已经做了一个聚类分析，将各种不同的关键词分为了各种不同的颜色。图2中圆圈与字体的大小取决于该圆圈的权重，权重越大，字体与圆圈越大。当鼠标放在任意一个圆圈（节点）上时，VOSviewer会高亮显示出与该选中的关键词相关的其他关键词的共现关系。同时，在该软件下方会显示出该关键词的名称（Items）、聚类结果（Clusters）与关键词总链接强度（Total Link Strength）等信息。

由图2可知，图谱左上角区域中各圆圈（节点）之间的连线较少，表明这些研究领域（主题）与其他研究领域间的联系较为疏松，如发展问题、物流活动、仓储配送以及电商。本文认为，未来学者可将研究目光集中到这些研究领域（主题），在该类研究主题的深度上进行深挖。且若考虑结合其他研究领域（主题），或许能够产生新的研究思路与成果，发掘出新的研究增长点。

根据该聚类分析的结果可知，经过阈值过滤的522个关键词被分成26个聚类，比较明显的有浅蓝色、绿色、红色、黄色、橙色和咖色这6种聚类。可以看到“智慧物流”是作为浅蓝聚类中的核心词，跟它有联系的词都是“智慧交通”“智慧城市”“未来趋势”等较为宏观跟概括的词，因此该聚类主要研究智慧物流发展呈现的宏观特征与对应的发展措施。绿色聚类中的核心词是“Intelligent logistics”，跟它有链接的关键词多为“物联网技术”与“智能物流”“物流人才培养”等，可见该类研究多集中于智慧物流发展所需的技术和人才培养上。红色聚类中的关键词是“云计算”，与它有链接的关键词多为“智慧化”“大数据中心”“杭州”等，可见该类研究主要集中于智慧物流发展的地点以及基础设施，其中杭州市作为领先地广受关注。黄色聚类中的关键词是“数字经济”，与它存在链接关系的次要多为“智能网联汽车”“digital economy”“智能工厂”等。橙色聚类中的核心词是“智慧港口”，与其有链接的词语多为“数字化转型”“应急物资”等，由此可见主要讨论将来智慧物流发展所必须的配套设施以及应用场景等。咖色聚类则以“信息技术”为核心词汇，可见智慧物流的发展离不开产业集群、技术优化，并且区块链也可为其服务。

此外，VOSviewer中还提供了其他2种视图：Overlay Visualization（叠加视图）、Density Visualization（密度视图）。其中，叠加视图的结构跟网络视图是一样的，主要用不同的颜色来表示关键词出现的年份。“Density View”（密度视图）图3能够展现关键词的活跃程度，有助于使用者清晰且快速的预览聚类与重点图谱区域。可知关键词被引用的次数和频率越高，颜色越接近黄色；反之越接近蓝色。

（三）作者网络共现

通过统计，这906篇文献共有1 094个作者参与编写。将阈值设置为2，此时通过阈值过滤的作者是81个，其中排名前10的作者是刘宝学、刘翠娟、杨龙、张鹏、徐香复、纪雯、董鹏、王鑫丽、张宇轩和李琳。作者对原始数据进行预处理，并导入VOSviewer 运算。最后以可视化图集的形式呈现运行结果（图4）。可见，刘宝学、刘翠娟、杨龙、张鹏与纪雯这5位学者的研究较为相似。

四、总结与展望

（一）大数据在智慧物流中的应用研究与热点进展结论

大数据在智能物流中的应用研究，国内起始于2013年。特别是在2017年以后，针对该主题的研究文献开始逐步增长，学术界开始真正关注到这一领域。

本论文使用VOSviewer进行知识图谱的可视化分析，得出如下结论。

1.通过对大数据在智慧物流中的应用关键词与作者的共现分析，认为智慧物流研究的重点和方向在不同时期是不同的，同时与国家的一些指导政策和时事密切相关。因此可认为，关于该研究的进展不是孤立的、闭门造车式的。

2.关键词分析中智慧物流、大数据、Intelligent logistics、物联网、big data、smart logistics、人工智能、云计算、物流行业、新零售出现的频率最高。这与主题的选择密切相关。而大数据在智慧物流中的应用，近年来受到不少关注，学术界不仅在宏观层面上探讨智慧物流发展需要什么样的城市发展面貌，也在微观层面上探讨应该建设什么样的智慧港口。而智慧物流的发展尽管依托大数据等信息技术的进步，但也离不开物流相关人才的支持。因此，加大培训力度，支持相关人才的培养也是一个研究热点。

3.从作者的共现分析来看，研究大数据在智慧物流中应用的作者之间的合作并不多，相互之间的联系也很少，主要是5个学者之间的研究存在相似性与关联度。其实，学者之间的思想交流和碰撞可以产生更多的智慧火花，因此，未来相关领域的学者可以增加交流和互动，加强交流，互通有无。

（二）研究不足与展望

由于在使用VOSviewer软件得到网络共现图以后无法查看节点信息，即无法通过鼠标点击选中的圆圈（节点）就获取该节点对应的内容详细链接，因此在之后的研究中作者会尝试结合其他可视化软件进行文献分析。

参考文献：

[1]   宗乾进，袁勤俭，颜祥林，等.2010年中国档案学研究热点的知识图谱分析[J].档案学通讯，2011，（5）：8-12.

[2]   胥軍，李金，湛志勇.智能物流系统的相关理论及技术与应用研究[J].科技创新与生产力，2011，（4）：13-18.

[3]   王之泰.城镇化需要“智慧物流”[J].中国流通经济，2014，28（3）：4-8.

[4]   邵广利.基于物联网技术的智慧物流发展模式研究[J].物流工程与管理，2015，37（11）：111-114.

[5]   王先庆，彭雷清.物流革命与物流创新的方向、路径及策略[J].中国流通经济，2017，31（7）：120-126.

[6]   李永芃，张明.区块链赋能智慧物流生态体系升级研究[J].企业经济，2021，40（12）：144-151.

[责任编辑   柯   黎]