基于模糊聚类分析的江苏省物流业发展水平评价

摘 要：江苏省物流业发展步伐较快，但各市物流发展水平如何尚需具体评价。文章通过采集2013年江苏统计年鉴中13个地级市的13项数据，运用模糊聚类分析，得出13个市的物流业水平。结果表明江苏物流业呈现四个梯队，第一梯队基础好、发展水平高；第二梯队物流发展平稳并具有发展前景；第三第四梯队发展较为落后，最后给出了发展建议。

关键词：物流发展评价；模糊数学；聚类分析

中图分类号：F259.27 文献标识码：A

Key words： logistics development evaluation； fuzzy mathematics； cluster analysis

1 数据的采集

聚类分析按照隶属度的划分可以分为硬聚类算法和模糊聚类算法。传统硬聚类算法只有两个隶属度0和1，而模糊集中的隶属度可取范围在0，1之间的一个数。因为现实的分类问题常常伴随着模糊性，并无一个确切分割的界限，因此本文应用模糊聚类分析法更符合实际。

考虑到统计数据的全面性、科学性及可得性，本文所需数据从社会物流、企业物流、物流基础设施和物流人才情况角度进行采集。由此确定了X～X共13个物流评价指标。其中，X为社会物流总额（亿元）；X为物流企业从业人员数量（万人）；X为工业总产值（亿元）；X为进出口贸易总额（亿美元✈）；X为公路通车里程数（公里）；X为内河航道里程数（公里）；X为公路货运量（万吨）；X为水路货运量（万吨）；X为载货汽车数（万辆）；X为港口货物吞吐量（万吨）；X为邮政业务总量（亿元）；X为快递量（万件）；X为开设物流相关专业普通高等学校（所）。

本文所有数据来源于2013江苏省统计年鉴，分别取自于国民经济核算、人口就业工资、工业、城市经济与建设、运输邮电、教育科技等模块。对于不能直接获得的数据进行了人工计算。例如：社会物流总额=（全省交通运输仓储和邮政业GDP/全省GDP）×各市GDP；物流企业从业人数数量=（全省仓储物流业人数/全省就业人数）×各地区就业人数。

具体数据参见表1。

2 数据的模糊聚类分析

模糊数学是运用数学方法研究和处理模糊性现象（例如苏州的物流发展“很好”）的数学，能有效解决自然界和日常生活中普遍存在的模糊性问题。聚类分析是把按一定要求和规律对事物进行分类的方法，其基本思想是用相似性尺度来衡量事物之间的亲疏程度，并以此来实现分类。

第一步：数据标准化。即利用统计公式最大程度地把所有数据的大小缩小到0，1之间消除量纲影响。在此选择平移―标准差变换，对论域X，X，X…，X中的每个x进行如下处理：

其中：=x，s=，分别代表均值和标准差。

第二步：确定关联程度。即通过数学公式对标准化数据再次进行处理从而得到模糊相似矩阵R=r，在此选择欧式距离法，其数学模型如下：

r=1-c

上面两步的所有计算均可以通过Excel2007中的AVERAGE、STDEV、SQRT、MAX等函数公式实现，表1中的数据计算后得到的相似矩阵如下：

得到的模糊相似矩阵为一个13×13的矩阵，通过13个样本（在此表示13个城市）之间的距离程度来反映样本之间的亲疏程度。例如r=r=0.36表示，苏州和无锡之间的距离为0.36，说明两城市间关联程度比较密切。

第三步：聚类。聚类就是将对象聚集成若干个簇（类别），并且使同一个簇内的对象具有较大相似性，而不同簇间的对象具有较小相似性。聚类的方法有很多，在此选择传递闭包法求得模糊等价矩阵进行聚类。依次计算R=R？莓R， R=R？莓R…，直到满足R=R为止，R即为所要计算的模糊等价矩阵。聚类的过程同样可以通过Excel2007中的MAX，MIN函数实现，反复计算得到R=R，从而求得传递闭包为tR，得到的模糊等价矩阵如下（因为是等价矩阵故省略对角线上半部分数据予以简化）： 第四步：求λ截矩阵。即在上述矩阵中依次取不同的聚类置信水平λ=0.8，0.7，0.6，0.4，0.3，并求实际截距阵R。首先取λ

=0.8，得到的下面所示的截距阵。这里r=，从而可以得到常州、镇江、扬州、泰州、淮安、宿迁、连云港为第一类。同理根据不同的λ取值可以得到其他对应的截距阵（由于篇幅关系在此省略）。

第五步：画模糊聚类图。根据不同置信区间下的截距阵画出下列模糊聚类图如图2。λ值越小说明排名越靠前，λ值越接近说明类别之间越相似。

3 结 论

根据上述动态聚类图，江苏物流城市的发展水平呈现四个梯队。

苏州濒临上海，GDP、工业发达程度、外资引入、物流园区和港口数量均属全省最高，其物流整体水平也最高。

南京是省会城市，高校众多，物流人才储备充足，加之国家重点扶持、工业基础较好，但开放程度和外资引入不如苏州无锡，其物流业发展良好位居第二梯队。

无锡以商贸业为主体、外资引入较多，但其区域面积较小、物流基础设施和物流企业☪数量不如苏州南京多。南通和盐城近几年经济发展较快在苏中地区属于领先地位，同时这两城市与苏州无锡紧密合作，苏州不仅产业转移，还与之合作建苏通、苏盐工业园，同时还输出软实力，使其物流水平也得到提高。徐州位于山东、安徽、河南和江苏四省交汇地，公路铁路基础设施发达，物流需求充足，故上述四城市列数第三梯队。

常州、镇江、扬州、泰州、淮安、宿迁、连云港的工业、GDP、教育、物流基础设施等均落后于其他城市，物流发展相对落后，属于第四梯队。

4 发展建议

（1）着力引导区域物流平衡发展。建议引导第一梯队加快制造业服务化进程，适度将工业和商贸业向第三、第四梯队转移，同时配套转移物流业，实行跨区域交流与合作，利用目前成熟的信息化渠道，推动物流园区南北共建和物流企业合作，打破区域壁垒，引导物流资源跨区域流动与整合，打造全省统一开放、通畅高效的现代物流市场体系。

（2）发展各地特色物流。江苏各地，特别是第一梯队要发展与整个产业链相融合的供应链体系；第二、第三梯¡队要结合自己城市定位，发展冷链物流、化工、医药等专业物流；第四梯队的城市应结合实际，大力发展以农产品加工、菜篮子等民生产品的特色物流。

（3）利用市场机制和政策优势协调物流资源。充分利用市场机制和政策优势，鼓励苏南地区工商业向苏中、苏北梯级转移，可以充分调配物流资源效用最大化。

（4）促进第一至第四梯队城市的跨境电商和国内电商及进出口业务，如连云港可利用“丝绸之路”发展与“一带一路”相配套的跨欧亚大陆桥的开放型经济，带动港口和铁路经济的繁荣；泰州加大医药的投入，建设具有江苏特色的智慧医药港；常州、镇江同处苏南，与苏州、无锡和南京错位发展，主要发展与恐龙和醋为特色的旅游业及观赏农业，带动以旅游为主导的服务业经济等，从而带动全省物流的繁荣。

参考文献：

[3] 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（9）：184-189.

[4✞] 谢林婕，彭建良. 浙江物流产业发展影响因素的灰关联分析[J]. 浙江科技学院学报，2012（10）：357-360.

[5] 许永安，徐恒玉. 用Excel实现模糊聚类分析[J]. 安徽农业科学，2005（4）：740-742.