物流系統(tǒng)規(guī)劃與設(shè)計(jì)物流系統(tǒng)調(diào)研及預(yù)測(cè)

第4章系統(tǒng)規(guī)劃現(xiàn)狀調(diào)研與需求預(yù)測(cè)本章主要內(nèi)容（重點(diǎn)問(wèn)題）：

■物流系統(tǒng)規(guī)劃現(xiàn)狀調(diào)研概述■現(xiàn)狀調(diào)研資料搜集與分析■物流需求特性分析■物流需求預(yù)測(cè)辦法1/614.1物流系統(tǒng)規(guī)劃現(xiàn)狀調(diào)研概述4.1.1物流系統(tǒng)現(xiàn)狀調(diào)研主要內(nèi)容物流服務(wù)需求調(diào)研物流資源情況調(diào)研物流服務(wù)競(jìng)爭(zhēng)情況調(diào)研社會(huì)經(jīng)濟(jì)發(fā)展情況調(diào)研物流技術(shù)情況調(diào)研2/61確定問(wèn)題和調(diào)研目標(biāo)階段制定調(diào)研計(jì)劃階段搜集原始資料與現(xiàn)狀信息階段分析原始資料與現(xiàn)狀信息階段提交現(xiàn)狀調(diào)研報(bào)告階段4.1.2現(xiàn)狀調(diào)研工作程序3/614.2現(xiàn)狀調(diào)研資料搜集與分析4.2.1現(xiàn)狀調(diào)研資料搜集辦法

訪談?wù){(diào)查發(fā)問(wèn)卷或調(diào)查表調(diào)查查找歷史資料現(xiàn)場(chǎng)調(diào)查

4/614.2.2現(xiàn)狀調(diào)研資料整頓調(diào)研資料精確性分析調(diào)研資料分類匯總4.2.3現(xiàn)狀調(diào)研資料分析辦法

定性分析主要采取通過(guò)專家進(jìn)行推理分析辦法；定量分析主要有頻數(shù)與頻率分析、有關(guān)分析、回歸分析、因子分析等等。5/614.3物流需求特性分析

4.3.1物流需求預(yù)測(cè)主要性物流需求預(yù)測(cè)是制定物流發(fā)展戰(zhàn)略目標(biāo)依據(jù)物流需求預(yù)測(cè)是設(shè)計(jì)物流管理策略主要伎倆4.3.2物流需求預(yù)測(cè)困難性需求不確定性物流需求不但體現(xiàn)在量多少，還體現(xiàn)在空間分布、時(shí)間分布特性，顯得愈加復(fù)雜需求預(yù)測(cè)需要有大量基礎(chǔ)數(shù)據(jù)信息支持，而現(xiàn)在往往是基礎(chǔ)統(tǒng)計(jì)資料不足，并且統(tǒng)計(jì)口徑存在缺陷，由于歷史原因，對(duì)物流范圍定義不統(tǒng)一，物流量數(shù)據(jù)計(jì)算會(huì)出現(xiàn)反復(fù)與交叉現(xiàn)象6/61將減少預(yù)測(cè)細(xì)節(jié)程度與縮短預(yù)測(cè)周期這兩種措施結(jié)合起來(lái)處理需求預(yù)測(cè)問(wèn)題將能大大提升預(yù)測(cè)精度。7/61物流需求空間和時(shí)間特性規(guī)律性需求需求模式一般可分為趨勢(shì)（Trend）、季節(jié)性（Seasonal）和隨機(jī)性（Random）不規(guī)律性需求派生性需求與獨(dú)立需求4.3.3物流需求特性8/611.大宗貨物或大流量物流一般來(lái)說(shuō)相對(duì)穩(wěn)定。2.大宗貨物發(fā)送和達(dá)到比較集中。3.某些主要物資產(chǎn)運(yùn)系數(shù)(運(yùn)量與生產(chǎn)量比率)在短期內(nèi)比較穩(wěn)定。4.主要貨流平均運(yùn)程相對(duì)穩(wěn)定，其變動(dòng)規(guī)律也能夠探求。5.當(dāng)代統(tǒng)計(jì)制度能夠提供相稱部分預(yù)測(cè)所需要基礎(chǔ)資料。6.某些物資需求和生產(chǎn)也有其本身規(guī)律，從而為物流預(yù)測(cè)提供有價(jià)值信息。7.公司能夠積累物流預(yù)測(cè)許多資料。有助于物流預(yù)測(cè)原因包括：9/61寧波市物流需求分析。（每個(gè)人都要做，上傳到網(wǎng)絡(luò)課程）自主學(xué)習(xí)及課堂討論10/61基本類型：定性預(yù)測(cè)、時(shí)間序列分析、因果聯(lián)系和模擬。

預(yù)測(cè)措施內(nèi)容常用模型定性措施主觀判斷，基于估計(jì)和評(píng)價(jià)一般預(yù)測(cè)、市場(chǎng)調(diào)研、德?tīng)柗品ǖ葧r(shí)間序列分析基于事件隨時(shí)間發(fā)生歷史預(yù)測(cè)移動(dòng)平均、指數(shù)平滑、回歸分析等。因果聯(lián)系預(yù)測(cè)項(xiàng)目標(biāo)基礎(chǔ)和環(huán)境系統(tǒng)情況回歸分析、經(jīng)濟(jì)模型、投入產(chǎn)出等模擬模型以計(jì)算機(jī)為基礎(chǔ)動(dòng)態(tài)模擬4.4預(yù)測(cè)辦法11/614.4.1定性辦法（1）一般預(yù)測(cè)——逐漸累加來(lái)自低層數(shù)據(jù)。（2）市場(chǎng)調(diào)研——問(wèn)卷調(diào)查和上門(mén)訪談。（3）小組共識(shí)（4）歷史類比（5）頭腦風(fēng)暴法——邀請(qǐng)專家討論。（6）情景分析法——所有也許將來(lái)進(jìn)行描述。（7）德?tīng)柗品ā獙＜医M包括不一樣知識(shí)背景。12/61德?tīng)柗品ㄊ且阅涿绞?，通過(guò)輪流咨詢專家意見(jiàn)，最后得出預(yù)測(cè)成果一種經(jīng)驗(yàn)意見(jiàn)綜合預(yù)測(cè)辦法。德?tīng)柗品ㄊ嵌ㄐ灶A(yù)測(cè)辦法中最主要、最有效一種辦法。德?tīng)柗品ň哂邢铝刑攸c(diǎn)：（1）匿名性。（2）反饋性。（3）集思廣益。（4）趨同性。德?tīng)柗品ㄒ话惆聪铝胁襟E實(shí)行：1）準(zhǔn)備階段。主要完成兩方面工作：確定咨詢意見(jiàn)表和選定咨詢對(duì)象。2）輪流咨詢階段。一般情況下，專家意見(jiàn)通過(guò)三至四輪咨詢，就會(huì)基本趨于一致。德?tīng)柗品?3/613）做出預(yù)測(cè)結(jié)論階段。該階段，最主要工作是用一定統(tǒng)計(jì)方法對(duì)專家意見(jiàn)做出統(tǒng)計(jì)歸納處理。常用統(tǒng)計(jì)處理方法有：中位數(shù)和上下四分位數(shù)法、算數(shù)平均統(tǒng)計(jì)處理法等。德?tīng)柗品ㄩL(zhǎng)處體現(xiàn)在：1）既能充足發(fā)揮每個(gè)專家經(jīng)驗(yàn)和判斷能力，又能將個(gè)人意見(jiàn)有效地綜合為集體意見(jiàn)；2）簡(jiǎn)單易行，且可靠性好。德?tīng)柗品ㄈ毕蒹w現(xiàn)在：1）預(yù)測(cè)需要時(shí)間較長(zhǎng)；2）主要憑專家主觀判斷，缺乏客觀標(biāo)準(zhǔn)。該方法適用于沒(méi)有足夠信息資料中、長(zhǎng)期經(jīng)濟(jì)預(yù)測(cè)與科技預(yù)測(cè)，還可用于決策和技術(shù)咨詢等方面。14/61

把注意力集中在歷史模式和模式變化上來(lái)產(chǎn)生預(yù)測(cè)。

觀測(cè)或統(tǒng)計(jì)到一組按時(shí)間次序排列數(shù)據(jù)，通過(guò)合適模型形式和模型參數(shù)建立預(yù)測(cè)模型，利用慣性原理外推。

適合短期預(yù)測(cè)。4.4.2時(shí)間序列分析15/61回歸預(yù)測(cè)，通過(guò)統(tǒng)計(jì)辦法給出某種函數(shù)關(guān)系體現(xiàn)式。

適合中短期預(yù)測(cè)。4.4.3因果分析16/614.4.4預(yù)測(cè)模型選擇

1）預(yù)測(cè)時(shí)間范圍 2）能否取得有關(guān)數(shù)據(jù) 3）所需要預(yù)測(cè)精度 4）預(yù)測(cè)預(yù)算規(guī)模等5)合格預(yù)測(cè)人員17/61

1）注意各類模型適用范圍 2）定量與定性辦法結(jié)合 3）注意預(yù)測(cè)精度 4）做敏感性分析4.4.5預(yù)測(cè)注意事項(xiàng)18/614.5預(yù)測(cè)模型4.5.1簡(jiǎn)單移動(dòng)平均

在實(shí)際應(yīng)用中，采取通過(guò)移動(dòng)平均辦法對(duì)時(shí)間序列進(jìn)行平滑處理，在平滑后時(shí)間序列基礎(chǔ)上對(duì)系統(tǒng)進(jìn)行預(yù)測(cè)。

Fi=(At-1+At-2+……+At-n)/n能有效地消除預(yù)測(cè)中隨機(jī)波動(dòng)，但包括數(shù)據(jù)多時(shí)會(huì)非常復(fù)雜。19/6120/614.5.2加權(quán)移動(dòng)平均Fi=w1At-1+w2At-2+……+wnAt-nw1+w2+……+wn=1

權(quán)重選擇21/61重視近期數(shù)據(jù)，每靠前一種數(shù)據(jù)，權(quán)重就下降（1-α）。在零售公司、批發(fā)公司和服務(wù)代理等制定訂貨清單時(shí)廣泛使用。但與移動(dòng)平均同樣，預(yù)測(cè)滯后于需求變化。4.5.3指數(shù)平滑法22/61Ft=Ft-1+α（At-1-Ft-1）

α為平滑常數(shù)，決定了平滑水平以及預(yù)測(cè)值與實(shí)際成果之間差異響應(yīng)速度。需求穩(wěn)定產(chǎn)品α值較小，成長(zhǎng)速度快則α值大，強(qiáng)調(diào)近期成長(zhǎng)經(jīng)驗(yàn)主要性。趨勢(shì)修正值δ

23/614.5.4回歸分析模型通過(guò)統(tǒng)計(jì)辦法給出某種函數(shù)體現(xiàn)式。24/61y=ax+ba,b為回歸系數(shù)，由最小二乘法求得。兩個(gè)變量之間應(yīng)當(dāng)是線形有關(guān)關(guān)系

——有關(guān)性檢查1）一元線形回歸模型25/61

■有關(guān)性檢查

■回歸方程顯著性檢查

■回歸系數(shù)顯著性檢查

■剩下項(xiàng)自有關(guān)檢查

■標(biāo)準(zhǔn)誤差

■置信區(qū)間回歸統(tǒng)計(jì)檢查26/61 利用變量代換，將其轉(zhuǎn)換為線形回歸問(wèn)題。

幾個(gè)常用非線形回歸變換2）非線形回歸問(wèn)題27/61多種原因同步作用于一種變量。

y=b0+b1x1+b2x2+……+bnxn

3）多元線形回歸模型28/61時(shí)間序列包括一種或多種需求量分量：趨勢(shì)、季節(jié)性、周期性、自有關(guān)性和隨機(jī)性。4.5.5時(shí)間序列分解4.5.6因果預(yù)測(cè)

事件之間因果關(guān)系。29/61聚焦預(yù)測(cè)辦法論預(yù)測(cè)規(guī)則示例也許包括：（1）過(guò)去將來(lái)三個(gè)月內(nèi)銷售量是將來(lái)三個(gè)月內(nèi)也許銷量。（2）去年某三個(gè)月內(nèi)銷量是今年同期也許銷量（可解釋為季節(jié)效應(yīng)）。（3）將來(lái)三個(gè)月內(nèi)銷量也許也許比過(guò)去同期增加10%。（4）將來(lái)三個(gè)月銷量也許比去年同期增加20%。（5）今年某前三個(gè)月銷量變化率（與去年同期相比）等于其后三個(gè)月銷量變化率。4.5.7聚焦預(yù)測(cè)30/614.5.8神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型31/61 對(duì)于同一預(yù)測(cè)問(wèn)題，多種不一樣預(yù)測(cè)模型線性組合在一定條件下能有效地改善模型擬合能力和提升預(yù)測(cè)精度。4.5.9組合預(yù)測(cè)32/614.6預(yù)測(cè)實(shí)踐中應(yīng)注意幾個(gè)問(wèn)題

1）預(yù)測(cè)成果可信度多種模型中，只有回歸模型提供了可信度結(jié)論。2）預(yù)測(cè)方案實(shí)際預(yù)測(cè)活動(dòng)中應(yīng)盡可能給出多種預(yù)測(cè)方案，避免因單方案造成決策剛性。3）擬合度與精度擬合度是指預(yù)測(cè)模型對(duì)歷史觀測(cè)值模擬程度。對(duì)既定歷史數(shù)據(jù)總能夠找到擬合程度很高模型，但擬合度高并不一定表達(dá)預(yù)測(cè)成果精確。預(yù)測(cè)精確性高低屬于精度問(wèn)題。擬合度好，不一定精度也高。33/614）預(yù)測(cè)期限預(yù)測(cè)按預(yù)測(cè)時(shí)間可分為長(zhǎng)期預(yù)測(cè)和中短期預(yù)測(cè)。對(duì)短期預(yù)測(cè)較好模型，不一定對(duì)長(zhǎng)期預(yù)測(cè)也較好；反之亦然。5）預(yù)測(cè)模型預(yù)測(cè)模型有復(fù)雜化、多原因化趨勢(shì)，這種發(fā)展趨勢(shì)一般有助于提升預(yù)測(cè)精度，由于這包括了更多原因影響，但對(duì)這些原因?qū)?lái)值也不易判斷。6）數(shù)據(jù)處理與模型調(diào)整假如某個(gè)模型預(yù)測(cè)誤差較大，人們一般采取對(duì)原始數(shù)據(jù)進(jìn)行平滑處理和修改模型辦法去處理。這種對(duì)原始數(shù)據(jù)進(jìn)行平滑處理辦法事實(shí)上是在回避矛盾。34/617）實(shí)際與想象很多預(yù)測(cè)人員在預(yù)測(cè)活動(dòng)開(kāi)始時(shí)就對(duì)預(yù)測(cè)對(duì)象將來(lái)發(fā)展作了想象，并以此想象來(lái)不停地修正預(yù)測(cè)成果。這在對(duì)中間預(yù)測(cè)值進(jìn)行取舍、組合時(shí)，會(huì)產(chǎn)生造成錯(cuò)誤影響。8）預(yù)測(cè)復(fù)雜性預(yù)測(cè)總是在假定將來(lái)發(fā)展是和目前已知或過(guò)去發(fā)生事物有關(guān)基礎(chǔ)上進(jìn)行，但又不是簡(jiǎn)單數(shù)學(xué)方程式推斷。預(yù)測(cè)無(wú)法回避社會(huì)經(jīng)濟(jì)發(fā)展中同步帶有規(guī)律性和偶爾性矛盾。9）經(jīng)濟(jì)預(yù)測(cè)是一門(mén)科學(xué)，又是一門(mén)藝術(shù)作為一門(mén)科學(xué)，是由于經(jīng)濟(jì)運(yùn)動(dòng)是有規(guī)律，并且人們已經(jīng)初步掌握了某些規(guī)律，做出過(guò)許多成功預(yù)測(cè)；作為一門(mén)藝術(shù)，是由于人們對(duì)經(jīng)濟(jì)規(guī)律結(jié)識(shí)還很不充足，預(yù)測(cè)辦法也很不完善。35/61例題1、移動(dòng)平均2、加權(quán)移動(dòng)平均3、指數(shù)平滑4、趨勢(shì)預(yù)測(cè)法(時(shí)間序列回歸）5、隨季節(jié)性變化數(shù)據(jù)預(yù)測(cè)(時(shí)間序列回歸）6、回歸分析（因果回歸）36/61作業(yè)

通過(guò)查年鑒取得數(shù)據(jù)，分別采取移動(dòng)平均和回歸方法進(jìn)行1年預(yù)測(cè)。1、公式和成果。2、分析回歸檢查成果。3、分析預(yù)測(cè)精度。4、分析誤差原因。5、比較兩種辦法優(yōu)劣。

37/614.7交通運(yùn)輸需求預(yù)測(cè)4.7.1概述1.交通運(yùn)輸需求內(nèi)容■交通運(yùn)輸需求量■交通運(yùn)輸需求空間分布■交通運(yùn)輸需求時(shí)間分布■交通運(yùn)輸需求客貨運(yùn)輸構(gòu)造38/611）社會(huì)經(jīng)濟(jì)預(yù)測(cè)■國(guó)民生產(chǎn)總值及其組成■社會(huì)總產(chǎn)值及其組成■國(guó)民收入■社會(huì)商品零售總額■工農(nóng)業(yè)總產(chǎn)值及人均指標(biāo)■人口發(fā)展水平（總量、組成及流動(dòng)性）■土地利用情況2.交通運(yùn)輸需求預(yù)測(cè)內(nèi)容39/61例：某市人口預(yù)測(cè)回歸模型。（人口總量增加回歸預(yù)測(cè)模型）

Y=a+b(X-X0)+c(X-X0)2

Y——人口總數(shù)X——公元年X0——起始年根據(jù)其1970年以來(lái)歷年人口總數(shù)統(tǒng)計(jì)值，得到回歸參數(shù)a,b,c?；貧w模型為：

Y=148.84+3.7169(X-1970)＋0.0920(X-1970)240/61■客運(yùn)量預(yù)測(cè)人口數(shù)量及其組成情況地域政治、經(jīng)濟(jì)地位和發(fā)展水平國(guó)民經(jīng)濟(jì)發(fā)展水平及國(guó)民收入水平名勝古跡、風(fēng)景區(qū)等分布城鎮(zhèn)工業(yè)布局及衛(wèi)星城分布其他2）運(yùn)量預(yù)測(cè)——客運(yùn)量預(yù)測(cè)和貨運(yùn)量預(yù)測(cè)41/61國(guó)民經(jīng)濟(jì)發(fā)展規(guī)模和速度經(jīng)濟(jì)構(gòu)造，尤其是工業(yè)內(nèi)部構(gòu)造能源設(shè)施建設(shè)布局冶金工業(yè)發(fā)展規(guī)模、速度和布局基本建設(shè)投資、房建工程數(shù)量等■貨運(yùn)量預(yù)測(cè)42/61例：某地2023年，2023年連續(xù)兩年生活用煤月運(yùn)輸量如表所示。試預(yù)測(cè)2023年7月和2023年1月生活用煤運(yùn)輸量。月份t煤運(yùn)輸量Yi20232023159.165.6255.063.2350.259.2446.955.7546.254.3646.153.7746.554.0847.254.8949.256.31058.162.61164.469.11266.271.91、散點(diǎn)分析：總趨勢(shì)是增加，有季節(jié)變化。2、Y′=a+bt

最小二乘求回歸方程:

Y′=48.854＋0.611t3、得出各月趨勢(shì)Y′i43/61月份t運(yùn)輸量Yi趨勢(shì)值Y′i月份系數(shù)αi平均值αi202320232023202320232023159.165.649.556.71.191.161.175255.063.250.157.31.101.101.100350.259.250.757.90.991.021.005446.955.7510358.50.910.950.930546.254.351.959.10.890.920.905646.153.752.559.70.880.900.890746.554.053.160.30.880.900.890847.254.853.760.90.880.900.890949.256.354.361.50.910.920.9151058.162.654.962.11.061.011.0351164.469.155.562.71.161.101.1301266.271.956.163.31.181.141.160αi＝Y(jié)/Y′Y7/07=(48.854+0.611*31)*0.89=60.388Y1/08=(48.854+0.611*37)*1.175=83.96744/613）OD流預(yù)測(cè)反應(yīng)交通需求在空間上變化。4）交通量預(yù)測(cè)交通量：一定期間內(nèi)通過(guò)道路某一地點(diǎn)車輛數(shù)量。

■年平均日交通量

■最大小時(shí)交通量

■臨界點(diǎn)小時(shí)交通量45/614.7.2OD流預(yù)測(cè)OD流指起點(diǎn)（Origin)到終點(diǎn)（Destination)交通流量。N個(gè)起點(diǎn)和N個(gè)終點(diǎn)，能夠有N*N個(gè)OD流，組成了一種N*N矩陣，成為OD流矩陣，一般記為Q。OD流矩陣從交通流數(shù)量、流向、空間分布等方面全面地描述出交通運(yùn)輸需求。其估算辦法一般有調(diào)查法和計(jì)算法兩種。46/61….….1123n23nijq11q12q13q14qijqn1qn2qn3qnnq11q12……q1nq21q22……q2n……………qn1qn2……qnnQ=47/61基于OD調(diào)查OD流估算辦法基于OD調(diào)查OD流估算辦法是在OD調(diào)查基礎(chǔ)上，采取數(shù)學(xué)模型對(duì)交通發(fā)生量、交通吸引量、OD流等進(jìn)行預(yù)算估算。■OD調(diào)查12…j…n起點(diǎn)總數(shù)1q11q12…q1j…q1nq1*2q21q22…q2j…q2nq2*……………………iqi1qi2…qij…qinqi*nqn1qn2…qnj…qnnqn*終點(diǎn)總數(shù)q*1q*2…q*j…q*n∑

qi*=∑

q*jOD48/61■交通發(fā)生量和交通吸引量預(yù)測(cè)交通發(fā)生量預(yù)測(cè)

出行發(fā)生量qi*=∑

qij

影響原因：區(qū)域總體發(fā)展水平與布局，地理位置、職業(yè)構(gòu)造、年紀(jì)構(gòu)造等。

回歸預(yù)測(cè)模型：qi*=αPi(Mi+Ii)β

Pi為i區(qū)白天人口Mi為人均商品銷售額Ii為i區(qū)工業(yè)產(chǎn)品出廠額j49/61

出行吸引量q*j=∑

qij

i交通吸引量預(yù)測(cè)達(dá)到該區(qū)交通總量。影響原因：面積，地理位置、土地利用情況、開(kāi)發(fā)程度等。50/61■OD流預(yù)測(cè)增加系數(shù)法均衡增加率辦法、平均增加率發(fā)放。重力模式法假設(shè)OD流與O點(diǎn)交通發(fā)生量和D點(diǎn)交通吸引量成正比。產(chǎn)運(yùn)系數(shù)法51/61例題：某地域劃分為3個(gè)交通小區(qū)，其現(xiàn)狀OD矩陣及各個(gè)小區(qū)之間運(yùn)行時(shí)間分別如表所示。經(jīng)預(yù)測(cè)，第二年3個(gè)小區(qū)交通發(fā)生量分別為160，280，400萬(wàn)輛/年，預(yù)測(cè)第二年該地域產(chǎn)生OD流。本題中，假設(shè)交通阻抗用運(yùn)行時(shí)間表達(dá)。DO小區(qū)1小區(qū)2小區(qū)3小區(qū)1(80)40/220/420/4小區(qū)2(140)20/480/140/2小區(qū)3(100)20/440/240/2現(xiàn)狀吸引量q*j(t)80140100表三小區(qū)OD流現(xiàn)狀（萬(wàn)輛/年）、運(yùn)行時(shí)間（小時(shí)）52/61重力模型法公式i,j=1,2……n53/61由題意可知，q1*(t+1)=160，q2*(t+1)=280，q3*(t+1)=400現(xiàn)狀OD矩陣：

現(xiàn)狀交通吸引量為：V1(t)=80,V2(t)=140,V3(t)=100交通阻抗：取a=1.054/61由重力公式計(jì)算OD流預(yù)測(cè)值q12(t+1)=56，q13(t+1)=40q21(t+1)=26.67