第 5 章 案例分析
5.1 社区物流需求预测案例。
以长春市南关区某社区为例。该社区位于长春市南关区。
该社区总面积 2.34km ,社区内常驻总人口 5348 人，2014 年该社区内居民人均可支配收入为 23089 元，社区内道路交通情况良好[41].该社区属于人口密集地区，社区内的生活物资主要依靠外部供给，因此在该社区内考虑构建社区物流共同配送模式。
5.1.1 一般日用品需求预测。
由上表中各项相对误差进行加权平均得到平均相对误差为 1.07%,模型精度较高符合要求。利用预测模型求得后三个月的生鲜消费需求分别为：5.17t,5.24t,5.29t.
5.1.3 邮政快递业务需求预测。
利用系统动力学模型对该社区未来九个月内的邮政快递需求量进行预测，具体步骤如下。
1.参数确定及模型方程。
系统动力学模型中，结构起着决定性的作用，模型的行为模式与结果主要取决于模型结构而不完全依赖于数据，对模型参数的准确度应有恰当的要求，即只要能满足建模的要求就行。系统动力学模型参数的确定方法有观察法、经验法、估计法、拟合法、试验寻优法等。系统动力学模型中参数的种类包括常变量、表函数和初始值。
主要从《中国物流统计年鉴》、《中国城市统计年鉴》、《吉林省统计年鉴》、《长春市统计年鉴》、《中国环境统计年鉴》、《中国能源统计年鉴》、中国网络购物市场研究报告、快递行业监管报告、等获得第一手数据资料[42-48],对于个别年度缺少的数据采用中间值法、线性差值、拟合等方法进行合理推算，对于难于确定的参数则是根据系统结构和实际情况进行了合理的假设。
参数取值及方程如下：T 社区 GDP 增长率数据表=WITHLOOKUP（Time,数组）R GDP 增长系数= GDP 增长率数据表（Time）（无量纲）A 社区 GDP 增长=社区 GDP?GDP 增长系数（单位：亿元）A 社区 GDP 阻碍=社区 GDP?快递物流供给短缺因子（单位：亿元）C 快递物流供给短缺因子=1%L 社区 GDP 水平=INTEG（社区 GDP 增长 - 社区 GDP 阻碍），4）（单位：亿元）T 人口出生率数据表=WITHLOOKUP（Time,数组）T 人口出生率数据表=WITHLOOKUP（Time,数组）R 人口出生率=人口出生率数据表（Time）（无量纲）R 人口死亡率=人口死亡率数据表（Time）（无量纲）L 月末人口总数=INTEG（人口出生率-人口死亡率），5348）（单位：人）A 社区交通投资增加=社区交通投资额？增长系数（单位：千万）C 投资增长系数=增长率数据表（Time）A 社区交通投资阻碍=社区交通投资额？投资阻碍系数（单位：千万）C 投资阻碍系数=0.8%L 社区交通系统投资=INTEG（社区交通投资增加 - 社区交通投资阻碍，7）（单位：千万）A 电商企业交易增长=电商企业交易规模？增长率（单位：千万）C 交易增长率=40%A 电商企业交易阻碍=电商企业交易规模？交易阻碍率（单位：千万）C 交易阻碍率=0.3%L 电商交易规模=INTEG（电商企业交易增长 - 电商企业交易阻碍，2）（单位：千万）A 人均网购消费水平=社区经济水平？网购转换因子（单位：元）C 网购转换因子=5%A 社区网民消费总量=社区网民数量？人均网购消费水平（单位：元）L 社区网民数量=INTEG（网民增加，4546）（假设人口 85%是网民）（单位：人）A 网民增加=网民数量？网民增长率（单位：人）T 网民增长率=增长率数据表（Time）A 物流能力损耗=快递物流供给？损耗系数（单位：元）C 损耗系数=5%A 快递物流供给增加=（DELAY FIXED（公共物流基础设施建设，政府投资延迟，0）+DELAY FIXED（快递产业投资，产业投资延迟，0））/投资转换因子（单位：千万元）C 投资转换因子=3%L 快递物流供给=INTEG（快递物流供给增加-物流能力损耗，2）（单位：千万元）A 公共物流基础设施建设=IF THEN ELSE（快递物流短缺程度>0,社区经济水平？
政府投资系数，0）A 快递物流短缺程度=快递需求未满足量/快递需求满足量（无量纲）T 政府投资系数=政府投资系数数据表（Time）（无量纲）A 社区快递物流需求=电子零售交易规模×物流转换因子（单位：千万元）C 物流转换因子=90%A 快递需求满足量=快递物流需求 - 快递物流需求未满足量（单位：千万元）A 快递物流需求未满足量=IF THEN ELSE（快递物流需求>快递物流供给，社区快递物流需求-社区快递物流供给，0）（单位：千万元）A 快递产业投资=IF THEN ELSE（快递物流短缺程度>0,快递行业产值？产业投资系数，0）A 快递行业产值=快递需求满足量？快递服务价格（单位：千万元）T 产业投资系数=产业投资系数数据表（Time）式中：T 表示表函数，为外部输入量；A 为辅助函数，多用来表示中间变量；C 为赋值常数；R 为速率方程，速率方程无统一格式，可以反映状态变量的累积速度；L 为状态变量方程，反映的是对输入变量或输出变量积累。其中，T,C 是为模型提供参数值的，在一次模拟中保持不变。
2.模型验证及仿真分析。
①有效性检验。为了验证系统动力学模型能否较好地反应社区物流快递需求的实际情况，笔者以长春市某社区2015年10月至2016年3月的快递历史统计数据为样本，仿真步长 1（单位：月），仿真结果如表 5.3:从仿真结果可以看出，仿真值与实际值误差在 8%以内，平均误差 4.9%,与实际值较为接近。由于系统动力学预测模型是基于系统不同部分之间的结构关系构建，对外界影响因素的变化反应更为灵敏，因此预测值与实际更为接近。
②长春市某社区快递需求预测。验证了模型的有效性后，根据参数设置，对长春市该社区的 2016 年 4 月至 2016年 12 月快递运输需求进行预测。
5.2 客户自取型社区物流共同配送案例。
5.2.1 共同配送服务范围的确定。
一般而言，由于生活用品和邮政快递类商品其保存周期较长，客户有较长的时间到配送中心取货，因此对这两种产品采用客户自取的模式；对于生鲜类产品对产品的鲜活度要求较高，因此采用直接配送到顾客手中的模式。利用 5.1 所预测出的社区一般日用品和邮政快递的物流需求量，根据 4.3 中的客户自取服务范围模型，计算出该区域的共同配送节点的服务范围，从而构建社区内的共同配送模式。目前社周边快递分布情况、营业形式、时间等。
在对调研数据分析处理的基础上，基于客户自取的配送范围确定步骤如下：
（1）需求密度 ρ .根据 5.1 预测结果，社区内一个月的物流需求量为 28871 件，社区常驻人口为 5348 人。计算出该社区每天物流需求密度 ρ =962 件。
（2）固定成本投入1C .固定成本的投入包括一些基础设施的购置，其价值为 9800元。
（3）单件日变动费用2C .对目前社区各快递公司的日收发件数量总和 j 为 1324件，快递员总数H 为 15 人，基本工资g 为 1400 元/月，门店面积约为 10 ,月租金在 3000~4500 元之间，取3C 为 3500 元，计算得到日均变动成本2C 为 0.62 元。
修正以后的配送中心服务范围 R? （ 0.94,1.07），则共同配送中心服务区域的面积s = （ 2.77,3.59）。该社区的总占地面积为 2.342km ,因此该社区内只需设置一个配送中心即可满足其物流需求。随着需求量的变化，也可根据社区的地理位置、交通条件等特征，适当的增加物流配送中心数目以满足社区物流需求。
5.3 送货上门型社区物流共同配送案例。
5.3.1 数据收集及参数标定。
利用送货上门的配送模式对社区内具有生鲜配送需求的商户和客户进行物流配送服务。通过调研得到社区内商户基本情况，考虑从一个配送中心向 9 个商户进行配送，将配送中心和商户按照 1~10 进行标号。
根据实地调研情况，得到配送中心和各商户及各商户之间的位置如表 5.7 所示。假设送货车辆在路段上以25km/h 的速度匀速行驶，则各个需求点之间的行驶时间。
5.3.2 送货上门配送模型求解。
根据参数标定内容及 4.4.2 中的送货上门配送模型，运用数学软件 LINGO 进行求解。求解步骤包括设定参数、参数赋值及模型代码三部分组成。
1.设定参数根据 4.4.2 中建立模型所需参数，在 LINGO 对参数进行设定如下：sets:xuqiu/k0k11/:time1,time2,fuwu,q,T;veh/veh1veh2/;drive（xuqiu,xuqiu）：time,distance;plan（xuqiu,xuqiu,veh）：x;endsets其中：xuqiu 表示配送中心和需要送货上门的商家及它们各自所具有的时间窗、服务时间、配送需求量及车辆到达时间；veh 表示派遣两辆车完成此次配送活动；drive表示两个配送节点之间的距离及行驶时间；plan（I,J,K）表示从节点 I 到 J 派遣第 K 车完成配送活动。
2.参数赋值根据 5.2.1 中参数标定结果，对模型中所用参数进行赋值如下：
代码所表示的约束条件依次为：线路上行驶车辆约束；每个节点都保证服务一次；车辆保证从配送中心出发并且完成配送活动后返回配送中心；保证车辆只参与一次配送活动；每个商户只被服务一次；每个商户被同一辆车服务；保证商户的进出车辆数平衡；车辆在两个商户之间运行时必须满足的行驶时间约束；防止出现同一个商户内进行配送；确定 x 为 0-1 变量。
运行 LINGO 求解的结果为：车辆 1 的配送路线为 0-8-3-2-6-5-0;车辆二的配送路线为 0-1-7-9-4-0,完成配送活动的最小成本值 G=210.7.车辆 1 和车辆 2 的行驶里程及装载量如表 5.10 所示。
