Logistics enterprise classifying model
-
摘要: 针对当前物流市场管理比较混乱和急需对物流企业进行分类管理的实际, 基于收集的大量物流企业样本, 提出了物流企业分类的特征指标体系, 应用二维Kohonen自组织神经网络建立了物流企业的分类模型。根据模型的训练结果将物流企业分为运输型、仓储型、配送型、货代型、快递型和综合型6个类别, 并对各类型的特点进行了总结描述, 最后以5家物流企业为例, 对Kohonen自组织神经网络模型进行了测试。结果表明此神经网络模型具有较强的分类能力, 能按特征指标对5家物流企业进行归类, 分类结果与实际情况相符, 该模型可行。
-
关键词:
- 物流管理 /
- 物流企业 /
- Kohonen神经网络 /
- 企业分类
Abstract: Aimed at the disorder of logistics markets and the essentiality of the classifying management for logistics enterprises, a characteristic indices system of logistics enterprise classifying was proposed by concluding and analyzing some logistics enterprise samples, and a classifying neural network model of logistics enterprises was founded based on Kohonen' SOM neural network. In the model, the logistics enterprises were divided into six groups, including transportation type, warehouse type, distribution type, agent type, express type and integration type, their characteristics were summarized. Using the model, five logistics enterprises are classified effectively, the classifying result is right, it accords with the real classifying object, the model is feasible. -
图 4 物流企业分类指标确定流程
Figure 4. Defining course of logistics enterprise classifying indices
表 1 部分训练样本
Table 1. Part of training samples
企业代号 x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 A 0.10 0.10 0.10 0.10 0.40 0.10 5 3 5 4 3 3 3 5 4 B 0.10 0.10 0.00 0.70 0.00 0.10 2 2 5 5 5 3 3 4 4 C 0.10 0.20 0.60 0.00 0.05 0.05 3 5 4 4 3 3 3 5 4 D 0.20 0.20 0.20 0.10 0.10 0.20 4 5 5 5 5 5 4 5 5 E 0.60 0.10 0.05 0.05 0.05 0.05 5 2 2 3 2 2 3 3 3 F 0.10 0.75 0.05 0.05 0.05 0.05 3 5 3 3 3 3 3 4 3 G 0.15 0.05 0.15 0.05 0.55 0.05 5 3 5 3 3 3 3 4 3 H 0.10 0.10 0.55 0.05 0.10 0.10 3 5 4 4 2 2 4 4 3 I 0.05 0.05 0.05 0.60 0.05 0.20 3 2 5 5 5 2 3 5 3 J 0.65 0.05 0.05 0.05 0.05 0.10 5 3 3 2 2 3 3 4 2 K 0.20 0.20 0.10 0.15 0.15 0.20 5 5 5 4 3 5 5 5 5 L 0.05 0.05 0.70 0.00 0.10 0.20 4 5 4 4 3 3 3 4 2 
下载: 导出CSV
表 2 输出节点与样本的响应
Table 2. Output nodes and response of samples
类别 输出节点号 响应的样本号 一 1 5, 10, 14, 17, 20, 30 二 3 3, 6, 8, 18, 19, 22, 25, 31 三 2 12, 24, 26, 28, 34 四 6 2, 4, 9, 16, 21, 35 五 4 1, 7, 13, 15, 27, 29 六 5 11, 23, 32, 33
下载: 导出CSV
表 3 各类物流企业聚类中心指标值
Table 3. Clustering center indices values of every type logistics enterprise
类别 x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 一 0.630 0.110 0.090 0.020 0.070 0.083 4.83 2.67 2.67 2.83 2.67 2.67 2.67 4.17 2.50 二 0.100 0.475 0.240 0.050 0.050 0.075 2.75 5.00 3.75 3.50 2.75 2.75 3.75 3.13 3.00 三 0.270 0.090 0.410 0.030 0.070 0.150 4.80 4.60 3.60 4.00 2.80 2.80 2.60 3.20 2.40 四 0.083 0.200 0.058 0.458 0.058 0.142 2.67 3.33 4.83 4.67 4.50 3.33 3.17 4.00 3.50 五 0.075 0.075 0.100 0.058 0.590 0.067 5.00 3.00 5.00 3.67 2.83 3.00 3.00 4.50 3.33 六 0.175 0.125 0.150 0.110 0.140 0.275 5.00 5.00 4.75 4.75 4.25 4.75 5.00 4.75 4.25
下载: 导出CSV
表 4 各类物流企业主要特性
Table 4. Main characteristic of every type logistics enterprise
类别 主要业务 特征描述 一 运输型 运输 发达的运输网络和较强的运输整合能力 二 仓储型 仓储 仓储整合、运作能力与较强的电子商务能力 三 配送型 配送 较强的运输及仓储整合能力、较高的信息化水平和客户整合能力 四 货代型 货代 具有很高的信息化水平、物流客户和物流供应商的整合能力、物流服务集成度 五 快递型 快速货运 具有很强的服务网络、信息化水平、运输整合能力与客户整合能力 六 综合型 一体化物流服务 具有很强的一体化物流服务能力、物流资源的整合能力和信息化应用水平
下载: 导出CSV
表 5 Kohonen神经网络模型测试结果
Table 5. Testing results of Kohonen' SOM neural network model
测试样本 x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 最近的输出节点位置 类别 马鞍山交通物流 0.245 0.306 0.041 0.109 0.007 0.292 4 4 3 4 4 4 3 4 4 5号 综合型 安徽迅捷物流 0.159 0.794 0.047 0 0 0 2 4 2 4 3 3 4 3 3 3号 仓储型
下载: 导出CSV
-
[1] 程日盛. 公路运输业向现代物流业发展的对策[J]. 交通运输工程学报, 2004, 4(4): 93-96. http://transport.chd.edu.cn/article/id/200404023Cheng Ri-sheng. Developing strategies from highway freight station to modern logistic industry[J]. Journal of Traffic and Transportation Engineering, 2004, 4(4): 93-96. (in Chinese) http://transport.chd.edu.cn/article/id/200404023 [2] 陈荫三, 吴群琪. 我国发展物流业切入点的思考[J]. 交通运输工程学报, 2001, 1(3): 7-10. http://transport.chd.edu.cn/article/id/200103002Chen Yin-san, Wu Qun-qi. The basis point for developing logistics in China[J]. Journal of Traffic and Transportation Engineering, 2001, 1(3): 7-10. (in Chinese) http://transport.chd.edu.cn/article/id/200103002 [3] Vellido A, Lisboa P J G, Meehan K. Segmentation of the online shopping market using neural networks[J]. Expert Systems with Applications, 1999, 17(4): 303-314. [4] Melody Y K. Extending the Kohonen self-organizing map networks for clustering analysis[J]. Computational Statistics and Data Analysis, 2001, 38(2): 161-180. doi: 10.1016/S0167-9473(01)00040-8 [5] 赵闯, 刘凯, 李电生. SOFM神经网络在物流中心城市分类评价中的应用[J]. 中国公路学报, 2004, 17(4): 119-121. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL200404026.htmZhao Chuang, Liu Kai, Li Dian-sheng. Application of SOFM neural network for classification and evaluation of logistics center city[J]. China Journal of Highway and Transport, 2004, 17(4): 119-121. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL200404026.htm [6] 熊熊, 张维. 商业银行监管的SOM神经网络的分类方法[J]. 系统工程理论与实践, 2002, 6(6): 26-32. https://www.cnki.com.cn/Article/CJFDTOTAL-XTLL200206004.htmXiong Xiong, Zhang Wei. Off-site commercial banking regulation based to self-organizing feature map neural networks[J]. System Engineering Theory and Practice, 2002, 6(6): 26-32. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-XTLL200206004.htm [7] 汪伟, 荣秋. 企业系统建模的核心过程模型[J]. 华中理工大学学报(社会科学版), 1997, 11(3): 72-77. https://www.cnki.com.cn/Article/CJFDTOTAL-HZLS703.016.htmWang Wei, Rong Qiu. Core process model of corporation system modeling[J]. Journal of HUST(Social Science Edition), 1997, 11(3): 72-77. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-HZLS703.016.htm [8] 东南大学交通学院. 河南省公路运输业现代物流发展模式与对策研究[R]. 南京: 东南大学, 2003. [9] 东南大学交通学院. 安徽省交通运输业现代物流发展规划研究[R]. 南京: 东南大学, 2004. [10] 东南大学交通学院. 常州市现代物流发展规划[R]. 南京: 东南大学, 2002. [11] 东南大学交通学院. 江苏省现代物流业发展规划[R]. 南京: 东南大学, 2002. [12] 东南大学交通学院. 连云港市现代物流发展规划[R]. 南京: 东南大学, 2004. [13] 郝聚民. 第三方物流[M]. 成都: 四川人民出版社, 2002. -
点击查看大图
图(5) / 表(5)
计量
- 文章访问数: 344
- HTML全文浏览量: 114
- PDF下载量: 257
- 被引次数: 0
