基于公路运输的物流企业安全运输能力研究(2)

　　从图3可以看出，物流企业在一定统计时期内所配置的供给能力相对大于企业的需求，即S>D；而物流企业的市场需求只包含实际需求与潜在需求，这里满足S'=D'，S''=D''；模型中的安全运输能力与需求无关，即■≠S-D。鉴于安全运输能力的模糊性和复杂性，当前的物流企业在优化资源配置的时候没有足够重视，而且还没有定性一个清晰的研究对象，以致难以用一种合理的研究方法加以评估。

　　安全运输能力（SafetyConveyanceAbility，又称保险运输能力）是指物流企业供需处于相对均衡状态下，由运输资源的时空差异性导致其配置过量资源所产生的一种缓冲货运能力。它具备以下特性：

　　（1）本原性。安全运输能力是物流企业展开物流活动的能力基础，是整个运输活动的保障力量。潜在运输能力为零，表示企业的供需处于相对均衡状态；实际运输能力为零，即企业没有开展物流活动；而安全运输能力为零，即没有进行物流资源配置，而物流需求产生了企业供给，资源配置产生了安全运输能力，所以安全运输能力是伴随物流企业的存在而存在。

　　（2）相对独立性。安全运输能力是由运输资源的时空差异性决定的，只受物流企业资源配置的影响。

　　（3）广泛性。安全运输能力不是特定物流企业的专属，广泛存在于公路运输的物流企业之中，不受地域、企业性质和规模以及经营范围的影响。

　　（4）非增值性。实际运输能力一旦大于零，一定能为物流企业创造物流价值；物流企业还存在市场需求且能够被潜在运输能力所满足，虽然没有实现物流运输，但是它仍具有发挥物流价值的能力。而安全运输能力仅仅作为物流企业运输能力的一种缓冲资源和保障力量，不直接创造物流价值。

　　（5）动态性。伴随需求市场多样化以及供给市场的日趋激烈，物流企业经营的范围，承担的业务决定了不同资源配置状况，所以每个物流企业所具备的安全运输能力是不一样的。

　　2BP神经网络设计

　　BP神经网络能够将目标输入和输出映射并学习出它们之间的关系，不需要定义其函数，将复杂的非线性问题模拟成函数模型，从而进行决策指导。BP神经网络是当前应用最为普遍的神经网络之一。在学习和训练过程中，通过科学地设置训练参数，以最小的误差达到研究的目的，因此在本文中采用BP神经网络方法，将会进一步促进该课题的深入研究。

　　BP神经网络是一种多层网络的误差反向传播学习算法，是前向网络的核心，体现了人工神经网络最精华的部分[7]。它能够实现从输入到输出的任意非线性映射，用于函数逼近、模式识别、分类和数据压缩，该模型在科研、工程等领域应用广泛。BP神经网络作为一种有导师学习算法，输入样本经过网络初始值和阀值的处理后，在网络设置的训练参数范围内，正向传递训练信息。若没有达到训练目的，则计算出与目标样本输出之间的误差，按照该函数斜率下降的方向，沿原来信息传播的渠道反向传递，并不断修正网络的权值和阀值，最终达到训练要求。

　　3物流企业公路运输安全运输能力模型设计

　　本文将物流企业运输能力用货运量来表示，即作为样本数据；以公路货物运输的基本程序为主线，按照市场主体分类，采用笔者前期确立的3个一级指标，5个二级指标，15个三级指标构成的物流企业公路运输能力评价体系结构作为输入样本[8]。为了准确对安全运输能力进行评估，现实面临的问题需要经过适当的简化和假设，对图3结构模型做如下界定：

　　（1）物流企业潜在运输能力为0，即处于供需相对平衡状态。潜在运输能力是由物流市场供需平衡共同决定的，它的存在反映了物流企业市场饱和程度以及经营状况，潜在运输能力虽然没有实现物流服务，但是它仍然能够创造物流价值。安全运输能力的本原性决定了它是伴随着物流企业的存在而存在，与资源的配置紧密相关，不受外部市场的干预。它反映了资源的后备、存储情况，不直接创造物流价值。所以本文界定“潜在运输能力为0”，对安全运输能力的评估不受影响。

　　（2）所有运输资源的充分利用产生了供给能力。实际运输能力是由部分运输资源充分利用所产生的；潜在运输能力是部分运输资源没有发挥效用产生的；安全运输能力因为其本原性，只与资源配置有关，不受运输资源利用的影响；而供给能力是生产者愿意并且能够提供的运力数量，是应有运输资源完全发挥并创造价值的能力。

　　经上述界定后，如图4所示，公路物流供给能力就简化成为有实际运输能力和安全运输能力两部分构成，在模型中实际运输能力S'可以采用企业的历史运作记录加以评估，其他两个参数均为未知。要计算出安全运输能力■，根据模型和数据的特点，可以借助神经网络算法预测出物流企业总的供给能力S，再经过简单的运算后，本文评估的对象就迎刃而解了[4]。所以对物流企业公路运输安全运输能力模型的评估分为三个阶段：

　　（1）实际运输能力模型。利用物流企业的运输数据历史记录，借助BP神经网络的“自我学习”功能，可以模拟出一个函数模型f。即：

　　fx■，x■，…，x■■S'

　　其中，x■，…，x■表示15维输入向量，且X■？勐x■i∈1，15，S'表示统计时期内物流企业的实际货运总量。

　　（2）供给能力模型。在理想状况下，亦即资源充分创造物流价值（出勤率x■=X■时投入的运力率为100%），在其他指标相同的前提下，即其它14个因素使用统计期内样本的平均值，作为已构建的模型输入，通过模型的自我学习，函数输出的货运量S，即为物流企业的供给能力。可以表示为：

　　fX■，…，■■，…，■■=S

　　（3）安全运输能力模型。即供给能力与统计时期内平均实际运输能力之差。安全运输能力用■表示，则：

　　■=S-■'