10物流分析大作业报告桂杰组.ppt

物流网络的分析及预测 苗健 ，桂杰，殷晓耕，王超，叶鹏飞 研究目的 研究方法 研究分析 描述性分析 相关性分析 聚类分析 回归分析 预测 目录 研究目的 研究“双十一”期间全国城市物流联系。发现强节点并分析潜在因素，以此预测潜在的强节点，帮助电商更好控制物流及仓储成本。 获取“双11”10万条物流单海量数据； 通过开源的物 流API接口，PHP编程，提取出10万条物流单的物流路径，添加入MYSQL数据库。通过SQL语言，找出城市间的G边联系，计算入度和出度（发货量－收货量=净发货量） 绘制GEPHI图 计量分析 研究方法 研究分析 一，描述性分析 按总流量排名（发货量+收货量） 大城市 分散在全国各处 研究分析 研究分析 按净发货量排名（发货量－收货量） 仍是大城市领先 港口或边疆城市 研究分析 二，相关性分析 对收货和发货两个值进行相关性分析，发现相关性为0.532，属于具有一定的正相关性。但可以看到其相关性并不显著。 研究分析 三，聚类分析 第一集团：郑州 第二集团：沈阳、上海 第三集团：徐州、北京、太原、南京、 第四集团：长沙、襄阳、兰州、重庆、合肥 研究分析 第一集团 第三集团 第二集团 第四集团 研究分析 四，回归性分析 amount population industry agdp building road captical 流量数 人口 第二产业 人均gdp 建筑业 道路公里 是否省会 Y = β1X1 +β2X2 +β3X3 +β4X4 +β5X5 +β6X6 + ε 研究分析 1, 内陆城市 发现模型中，仅与是否是省会城市相关，主要因为我国的铁路枢纽大多是省会城市，因此是物流的集散地。而当初选作省会的主要原因也是因为铁路运输（石家庄，哈尔滨） 研究分析 2，沿海城市 与人口数量相关和路网公里数相关，看来是人口较大的且运输条件较好的城市的铁路运货量在不断增加，此外人均gdp与运货量为正相关，看来在沿海地区，铁路的运量主要是和经济相关的，大多的运货量是因为产地的产出和对于货物的需求，而不像内陆大多只是运输枢纽，运量大但并不是当地的产出和需求。 研究分析 验证1 显著的负效应，所以我国的铁路交通流量枢纽是内陆的，沿海地区因为地理位置非中心化，在取重心的时候很难保证离重心接近，所以客观上不会成为周转枢纽。 研究分析 验证2 推广： 不仅是沿海城市，包括边疆地区都不会成为物流集散地 研究分析 预测 省会城市（铁路运输发达） 地理位置靠中心 地形（重庆，西藏） 不是拥有土豪多的地方就是物流集散地！ 但是土豪多的地方是物流吸收地! 预测 预测 我们的预测： 济南，西安，南昌 原本属于第三集团的有可能成为较大的物流集散地 武汉 可能是由于样本选择问题，没有包含在我们的数据当中，但也可成为较大的物流集散地