物流预测方法研究报告

城区货运流量需求预测方法研究——以重庆市中心城区货运为例摘要：通过分析重庆中心城区货运车辆出行特征，掌握中心城区货物的移动规律、货运出行的主要通道和货运车辆与客运车辆的关系，以物流枢纽、产业园以及专业市场为主要货运流量发生源，研究其货运流量生成方法，得到的货运流量情况可以为中心城区货运物流评估提供定量依据。

关键词：货运交通；物流枢纽；产业园；专业市场1 引言城市的货运交通发生吸引源主要来自物流枢纽、产业园以及专业市场等物流节点。

其中，物流枢纽是物流系统中的基础设施，物流的集中、中转、发送基地；产业园是由制造企业和服务企业形成的企业社区；专业市场是专门性商品批发市场，生产、销售某类商品的场所。

通过研究这三类物流点货运的交通产生情况，可以掌握城区货物的移动规律，为后续城区货运交通系统评估提供定量依据。

2货运特征分析通过对重庆中心城区部分物流枢纽、产业园以及城区隧道和对外道口的货运调查，分析城区货运特征，以此作为城区货运需求预测的基础。

2.1主要货运通道货车与客车关系在调查的对外道口中，货车占客货车总量比例平均为40%，货车占比最小的为成渝环线高速，最大的是渝遂高速，所占比例分别为32%和52%。

在调查的隧道中，货车占客货车总量比例平均为37%，货车占比最小的为真武山隧道，最大的是南泉隧道，所占比例分别为13%和52%。

在调查的桥梁中，货车占客货车总量比例平均为24%，货车占比最小的为石板坡长江大桥，最大的是马桑溪大桥，所占比例分别为1%和49%。

总体上，都市功能核心区桥梁的货车占比较低，城市外围桥梁的货车占比较高。

2.2物流节点满载率、空载率根据物流枢纽和产业园进出货车的满载率和空载率调查，物流枢纽进出货车满载率平均为69.62%，空载率平均为44.21%；产业园区进出货车满载率平均为68.39%，空载率平均为50.18%。

总体上，中心城区物流节点进出货车空载率较高，产业园区空载率超过一半。

2.3物流节点车型结构分析物流枢纽车型结构，通过对中心城区物流枢纽货运调查，得到进出物流枢纽不同货车车型的结构比例，在进出物流枢纽的货车中，集装箱货车与拖挂车占50%以上，小货车所占比例不到20%。

24Economic & TradE UpdaTE一、研究背景物流是指物品从供应地向接受地转移的实体流动过程。

在这个过程中，为了满足客户的需求，以最低的成本，通过运输、储存、包装、装卸搬运、配送等方式，实现原材料、半成品、成品或相关信息进行由商品的产地到商品的消费地的计划、实施和管理的全过程。

现代物流是推动经济发展的重要服务业，我国物流业已经成为推动GDP增长和提高经济发展水平的关键产业。

在此背景下，为了持续稳定发展地区经济，优化地区产业结构，提升地区经济内涵，为政府和企业进行科学的目标和战略规划提供参考，很有必要对区域物流需求进行预测和分析。

大连作为东北亚的物流中心，现代物流业的发展挑战与机遇并存。

运用合理的方法对物流需求进行预测，对于大连市合理地规划物流产业和物流企业的发展，提高地区经济水平和减少不合理的投入，有着重要的作用和意义。

因此，物流预测已成为物流领域的重要研究内容之一，关于物流预测方法的研究也越来越显示出其重要性。

二、物流需求预测方法选取物流需求预测是根据物流市场过去和现在的需求状况，并综合考虑影响物流市场需求变化的因素之间的关系，结合一定的技术方法和预测模型，对有基于多元线性回归模型的物流需求预测及实证分析文/李 宁本文选取货运量作为物流需求水平的指标，结合Eviews软件通过多元线性回归方法进行预测，并通过大连市2002-2018年的统计数据进行了物流需求；多元线性回归；实证分析；流通经济关反映市场需求指标的变化以及发展的趋势进行预测。

物流市场是个复杂开放的系统，受到国内外诸多因素的影响，如政治、经济、社会、环境等多方面综合因素。

国内外很多学者在此领域进行了多年的研究，将其它领域运用成熟的预测方法实践在物流需求预测上，并开发出多种模型和方法。

表1 2007-2018年大连市部分统计数据表注：表中，2017年，2018年人民币与美元的平均汇率为6.7518和6.6174，因此统计年鉴中年度进出口总额4132.2亿元和4701.4亿元折算为619.4亿美元和710.5亿美元。

重庆交通大学学生实验报告实验课程名称物流系统规划与设计开课实验室明德楼115、118学院2011 年级物流管理专业班3班学生姓名黄永恒学号************ 开课时间2014 至2015 学年第 1 学期实验一：利用Excel预测与EIQ分析一、实验目的利用EXCEL软件作移动平均预测、指数平滑预测、线性回归预测和EIQ分析，让学生掌握简单的预测方法，熟练操作EXCEL软件二、实验环境多媒体计算机WindowsXP操作系统Excel三、实验内容1、已知某运输企业某年度1月至11月的货运量，用二次移动平均预测法预测其12月的货运量。

2、根据数据，利用一次指数平滑法和二次指数平滑法预测2012年的货运量。

3、根据下表数据，利用线性回归预测预测下表是某城市家庭10个月人均收入与人均消费的有关数据统计情况，请用线性回归预测法预测当人均月收入为4000美元时的人均消费情况。

要求：（1）写出回归方程；（2）计算相关系数R；（3）计算：估计参数a的标准差、估计参数b的标准差；（4）写出估计参数a、b的t检验值及其对应的p-value，说明是a、b否通过置信系数（1-α）=95%的t检验。

α为显著性水平（level of significance）；（5）计算s2的无偏估计量。

（6）计算当人均月收入为4000美元时的预测人均消费值，及其标准差。

4、利用季节比例法预测某厂商根据销售情况作购买量据测，将一年分为4个销售季节:A、B、C、D。

该厂掌握了三年的销售数据，为保证足够的采购和生产提前期，需要对2013年的需求情况作预测。

分别用季节指数（季节比重）和季节指数（趋势比率）预测5、某产品2007~2011年销量如下表所示，利用Winter’s 模型对该产品2012年销量进行预测。

要求：（1）根据模型，完成表格的计算。

（2）作出销量xt和预测值Ft的趋势图（3）改变平滑常数α、趋势指数β和季节指数γ的大小，观察图形变化。

物流需求预测方法探析引言在当今全球化的背景下，物流行业起着举足轻重的作用。

准确预测物流需求对于提高物流运营效率、降低成本、满足客户需求至关重要。

因此，物流需求预测成为物流企业重要的研究课题。

本文将探析物流需求预测的方法，包括定量预测方法和定性预测方法，并分析各种方法的优缺点。

定量预测方法定量预测方法是通过数理统计的手段，基于历史数据对未来物流需求进行预测。

以下是当前常用的定量预测方法：时间序列分析时间序列分析是一种广泛应用的定量预测方法，它基于历史数据的时间模式和趋势，通过数学统计方法来进行预测。

常用的时间序列分析方法包括移动平均法、指数平滑法、季节性分解法等。

时间序列分析方法简单易行，适用于稳定的需求模式，但对于非线性和高度波动的需求很难进行较准确的预测。

回归分析回归分析是建立因变量和自变量之间的关系模型，并通过模型对未来的自变量做预测。

在物流需求预测中，可以将需求量作为因变量，时间、季节、经济指标等作为自变量。

回归分析方法能够综合考虑各种因素对需求的影响，但前提是需要有足够的历史数据和有效的自变量。

Grey模型Grey模型是由灰色系统理论发展而来的一种预测方法，它适用于缺乏数据或数据不完备的情况。

Grey模型通过建立灰色微分方程，对数据进行处理和分析，并利用已有数据预测未来的需求量。

相比于传统的定量预测方法，Grey模型具有更强的适应性，但对数据的质量要求较高。

定性预测方法定性预测方法是基于专家经验和主观判断的预测方法，它不依赖于历史数据，而是通过专家意见和市场调研等方式进行预测。

Delphi法Delphi法是一种通过多轮专家调查和意见征询的方法，通过反复的集体讨论和修改，达成一致的预测结论。

Delphi法能够通过专家的知识和经验，对物流需求的未来趋势进行预测。

然而，Delphi法存在依赖于专家个体的主观判断，结果可能受到个体因素的影响。

场景分析场景分析是一种通过构建不同的预测场景，对物流需求进行预测的方法。

基于物流大数据的货物运输时间预测模型研究随着物流行业的不断发展和互联网技术的迅猛进步，物流大数据逐渐成为推动物流业发展的重要驱动力。

货物运输时间作为物流过程中的关键指标之一，对于物流企业和客户来说具有重要意义。

因此，研究基于物流大数据的货物运输时间预测模型，对于提高物流运输效率和服务质量具有重要意义。

一、物流大数据在货物运输时间预测中的应用物流大数据是指通过对物流过程中产生的各种数据进行收集、整理和分析，从中提取有价值的信息和知识的过程。

在货物运输时间预测中，物流大数据可以提供丰富的信息，包括货物的起点、终点、运输方式、运输线路、运输工具等。

通过对这些数据进行分析和挖掘，可以建立起货物运输时间预测模型，为物流企业和客户提供准确的运输时间预测。

二、货物运输时间预测模型的研究方法1. 基于统计模型的货物运输时间预测统计模型是一种常用的货物运输时间预测方法，通过对历史运输数据进行统计分析和建模，来预测未来的货物运输时间。

常用的统计模型包括回归分析、时间序列分析等。

这些模型可以根据历史数据中的运输时间和相关因素，建立起预测模型，并通过对新数据的预测，得出货物的运输时间。

2. 基于机器学习的货物运输时间预测机器学习是一种通过对大量数据进行学习和训练，从中提取规律和模式，并用于预测和决策的方法。

在货物运输时间预测中，可以利用机器学习算法对物流大数据进行分析和挖掘，从而建立起预测模型。

常用的机器学习算法包括决策树、神经网络、支持向量机等。

这些算法可以通过对历史数据的学习和训练，得出货物的运输时间预测结果。

三、货物运输时间预测模型的应用案例1. 基于统计模型的货物运输时间预测案例某物流企业利用历史运输数据，采用回归分析方法，建立了货物运输时间预测模型。

通过对运输时间和相关因素的统计分析，得到了运输时间的预测方程。

该企业将该模型应用于实际运输中，通过对新数据的预测，提前安排运输计划，有效减少了货物的运输时间。

2. 基于机器学习的货物运输时间预测案例某物流企业利用机器学习算法，对物流大数据进行分析和挖掘，建立了货物运输时间预测模型。

第二章物流需求预测第一节物流需求预测概述物流需求预测是根据物流市场过去和现在的需求状况以及影响物流市场需求变化的因素之间的关系，利用一定的经验判断、技术方法和预测模型，应用合适的科学方法对有关反映市场需求指标的变化以及发展的趋势进行预测。

目的：及时准确地掌握市场物流需求情况的变化规律，结合本企业的实际状况，采取一定的分析方法提出切实可行的需求目标，在此基础上制定需求计划，指导诸如原材料或货物的购进、库存的控制、必要设施的配备等企业物流工作的开展。

一、物流系统需求及物流需求分析（一）物流系统需求的含义物流需求即指对物流服务的需求。

对物流服务的需求是指一定时期内社会经济活动对生产、流通、消费领域的原材料、成品和半成品、商品以及废旧物品、废旧材料等的配置作用而产生的对物在空间、时间和效率方面的要求，涉及运输、库存、包装、装卸搬运、流通加工、配送以及与之相关的信息需求等物流活动的诸方面。

物流系统需求分析是指用定性或定量的方法对物流系统要进行的运输、存贮、装卸搬运、包装、流通加工、配送等作业量进行预测分析。

此外，物流需求是流量而非存量，即是在一段时间内而非在某一事点上所发生的量，没有时间限制笼统的谈物流需求是没有意义的。

（二）物流需求的特征1.现代物流需求包括物流需求量和物流需求结构两个方面即从物流需求规模和物流需求结构综合表示出物流需求。

物流规模是物流活动中运输、储存、包装、装卸搬运和流通加工等物流作业量的总和。

物流需求结构可以有不同的表述：从物流服务内容上分，包括运输、仓储、包装、装卸搬运、流通加工、配送、信息服务等方面的需求。

从物流需求的形态来说，包括有形的需求和无形的需求，有形的需求就是指对物流服务内容的需求，无形的需求是指对物流服务质量的需求，如物流效率、物流时间、物流成本等方面的需求。

2.物流系统的需求具有时间和空间特征物流系统的需求通常包含时间方面和空间方面的分析，即进行了物流系统的时间方面的需求分析后还要分解为不同的地区的物流需求。

L-OD预测理论与现代物流规划方法研究现代物流在日益显著的全球化、信息化的影响下，在美国、日本以及欧洲等发达国家发展迅速，同时在中国也成为政府、社会、专家十分关注的问题。

现代物流业已经和正在成为许多地区和城市的主要产业甚至支柱产业。

近十年来，中国对物流基础设施的投资大幅增加，国有物流行业固定资产的投资总额与新增投资，年均递增速度分别为24.3％和27％。

然而如何确定物流业的模式、如何把握物流需求的发展和变化规律、如何布局物流设施等等问题的深层解决需要建立一套现代物流规划的理论体系和方法。

这对目前我国许多正在开展物流规划的省、市，以及正准备积极发展第三方物流的企业来讲是十分迫切的。

国外一些专家学者对此做了不少探索和研究，特别是在物流需求分析上有不少模型和解法，国内近年也有一些针对物流需求预测与物流规划的研究。

但是这些研究与成果离建立科学的体系和可操作的方法上有一些差距。

本论文在广泛分析国内外已有研究成果的基础上从研究物流需求的特征、影响因素、预测思想入手，构建了基于L—OD的预测与规划体系，开发了相应的预测系统，提出了现代物流规划的基本原理和主要方法，并在科研实践中进行了应用，实践证明了思想方法的有效性和可靠性。

论文内容分为三大部分六章。

论文首先对物流的内涵、物流产业与物流学科的形成、发展、现代物流的作用与特征，物流规划的意义与特点、物流需求预测的作用等问题进行了分析与研究；并对国内外相关成果做了查新，分析了已有研究的特点与问题。

论文明确指出了现代物流研究的对象主体、对象特征、内容与目的；提出了根据物流研究范围、研究内容、研究深度和应用水平、社会重视程度等可把物流的发展大致分为概念形成期、军事后勤管理期、物流学诞生期、实物分销期、现代物流期五个阶段；描述了现代物流的作用，以及物流服务全程化，供应链一体化，物流活动社会化，物流管理信息化等特征，指出了现代物流不同于传统物流活动之处；分析了现代物流系统规划的意义、特点和作用，以及物流需求及其预测的作用；在全面分析国内外已有相关研究的基础上，分析物流需求预测和物流规划研究的动向、特点、不足，保证了论文的研究方向与研究重点的科学性。

国内物流需求预测方法文献综述(河北工程大学管理科学与工程阮俊虎）物流需求是指一定时期内社会经济活动对生产、流通、消费领域的原材料、半成品和成品、商品以及废旧物品、废旧材料等的配置作用而产生的对物在空间、时间和费用方面的要求，涉及运输、库存、包装、装卸搬运、流通加工以及与之相关的信息需求等物流活动的诸方面[1]。

物流需求的度量可以采用价值量和实物量两种度量体系。

实物量意义上的物流需求主要表现为不同环节和功能的具体作业量，如货运量、库存量、加工量、配送量等；价值量意义上的物流需求是所有物流环节全部服务价值构成的综合反映，如物流成本、物流收入、供应链增值等[2]。

物流需求预测是根据物流市场过去和现在的需求状况，以及影响物流市场需求变化的因素之间的关系，利用一定的判断、技术方法和模型，对物流需求的变化及发展趋势进行预测。

国内外许多专家和学者都对物流需求的预测进行了研究，提出不同的预测方法和手段。

物流预测方法可以分为定性预测方法（如德尔菲法和业务人员评估法等）和定量预测方法，但多数是定量预测方法，因此，本文主要是对国内物流需求定量预测方法进行综述，归为时间序列预测方法、因果关系预测方法、组合预测方法等三类。

1．时间序列预测方法综述时间序列预测方法是依据从历史数据组成的时间序列中找出预测对象的发展变化规律，以此作为预测依据。

常用的时间序列预测模型有增长率法、移动平均法、指数平滑法、随机时间序列模型、灰色模型、以及在经济领域已经被广泛应用的混沌与分形等。

增长率法指根据预测对象在过去的统计期内的平均增长率，类推未来某期预测值的一种简便算法。

该预测方法一般用于增长率变化不大，或预计过去的增长趋势在预测期内仍将继续的场合。

刘劲等[3]（2002）在利用增长率系数法对百色地区港口货运量进行了逐一分析。

移动平均法是用一组最近的实际数据值来预测未来一期或几期内产品的需求量的一种常用方法。

当产品需求既不快速增长也不快速下降，且不存在季节性因素时，移动平均法能有效地消除预测中的随机波动。

物流量的预测方法物流量作为物流学科中一个十分重要的概念，至今仍没有明确的定义，在我国现阶段，我国没有一个对物流量的统计指标，在进行区域及地方物流系统规划、物流园区及配送中心、物流接点的规划与建设时，一般把货运量作为进行物流量分析的类比指标，来进行物流量的预测与分析。

但是我们可以明确的知道，运输量，在一般情况下不等于物流量，只是物流量的一个重要组成部分。

因此，利用货运量来指导物流相关基础建设的科学性存在争议，实际上，定义及计算物流量必须从整个物流系统来把握，除了运输量外，物流量还包括库存量、终端配送量、内向物流量、装卸搬运量等。

从一般意义上说，物流量指的是实体的物流量，是实物运动的数量表现，而不把信息和其他无形的流量计算为物流量（笔者认为，可以对虚拟物流量进行单独提出，即信息及无形服务）。

根据以上的分析，本人对物流量的定义是：物流活动的各个作业环节产生的实物（物料、零部件、半成品、产成品等），在物流活动的整个过程中(包括静止与运动)的数量的总和。

1.1物流量具体内容从物流量的定义来看，物流量是一个复杂的指标，在分析物流量的时候，应首先分析清楚物流系统的各个作业环节，不同的作业环节采用不同的指标测量。

根据物流的七大作业环节，在确定物流结点规模时，通常需要的有关业务量有：运输、库存、配送和装卸搬运四项作业量。

1.11物流量运输作业量简称运输量，主要包括运量、周转量两个指标，它们可以用来统计铁路、公路、水路和航空等运输方式完成的运输工作量。

运量、周转量指标在区域物流系统规划设计中是不可缺少的基本参数。

一般而言，货物运输完成的运量用吨(t) 来测量，周转量用吨·公里(t·km)来测量。

轻泡货物可以将其体积折算成计费质量吨(t)，并按计费质量统计运输工作量。

1.12物流量库存作业量它通常通过物资仓储的各项指标得以体现，最常采用的有物资的最高储备量、物资平均库存量、仓库物资吞吐量等。

通常采用的单位为吨(t)。