论文总字数：18527字

摘 要

为了优化物流产业中的运费定价问题，使智慧物流商品利润最大化。本文运用灰色关联度分析法对运价的主要影响因素进行分析研究，同时建立了以BP神经网络为核心的定价模型，并在此基础上应用PSO方法对模型需要输入的数据进行优化以求得更优解。将BP神经网络定价模型和PSO-BP神经网络定价模型的价格预测能力与一般定价方法对比，发现两个神经网络模型是否具有更好的预测能力。实验表明：在诸多因素中，运输距离、货物重量对于运输价格的影响最大。PSO-BP神经网络定价模型误差更小，优化能力强于BP神经网络定价模型与一般定价方法。

关键词：物流运价; BP神经网络; 定价模型; 粒子群优化算法; 灰色关联度分析法

Abstract

In order to optimize the freight pricing in the logistics industry, the profit of smart logistics products is maximized. In this paper, grey relational degree is utilized to study the main influencing factors of freight rates. The paper sets up a pricing model which is based on BP neural network. On this basis, PSO method is used to optimize the data which is input into the model so as to obtain a better solution. At the same time, the comparative analysis is applied to compare the price prediction ability of BP neural network pricing model and of PSO-BP neural network pricing model with the general pricing method in which is in order to find out whether the two neural network models have better prediction ability. The experimental results show that the transportation distance and weight have the greatest influence on the transportation price. The error of PSO-BP neural network pricing model is smaller, and the optimization ability is stronger than general pricing method and BP neural network pricing model.

Keywords：Logistics; Fare; BP neural network pricing model; Particle Swam Optimization; Grey Correlation analysis

目录

摘要 I

Abstract II

第一章 绪论 1

1.1研究背景 1

1.2国内外研究现状 2

1.3研究内容 2

1.4研究意义 3

第二章 物流商品及定价相关理论概述 4

2.1公路运输 4

2.1.1公路货运特点 4

2.1.2公路运输产品分类 5

2.2定价相关理论 6

2.2.1价格理论 6

2.2.2定价方法 6

第三章 智能化物流商品的定价模型 9

3.1模型选取 9

3.2运价影响因素分析 10

3.2.1影响因素 10

3.2.2因素的关联程度 10

3.3 BP神经网络定价模型创建 12

3.4 PSO-BP定价模型 14

第四章 定价模型应用与对比分析 17

4.1 指导价定价方法分析 17

4.2定价模型分析 17

4.3误差分析 19

第五章 结论 20

致谢 21

参考文献 22

附录 24

绪论

1.1研究背景

近年来，世界经济日趋繁荣推动了近代通讯技术的升级，物流行业紧跟时代步伐，不断扩大。在国际上，物流产业被誉为国民经济发展的动脉和基础产业，其发展程度成为衡量一国现代化程度和综合国力的重要标志之一，被喻为促进经济发展的“加速器”^[1]。物流行业慢慢融入了千家万户的日常生活中，在万千产业的竞争中争取了一席之地。我国的社会物流交易总和在1991年只有3万亿人民币，但到了2019年，总和已经高达300万亿人民币，增长幅度高达一百倍^[2]。同时社会物流用度总和也因为物流行业的成长升级在持续减少。在1991年，社会物流用度总和在全国生产总值里的占比高至24%。我国社会物流用度总和，在2012年至2017年间，在全国生产价值总和中的所占比重从18%跌至14.6%，实现五连降^[3]。而到了2019年时，社会物流用度总和在全国生产价值总和中只有14.7%的占比重，虽然2018年到2019年此比率有所提高但仍然在14%~15%的区间波动^[3]。随着现代科学技术的发展，物流成本和效率也将逐渐降低，这也促进了物流产业的发展，为我国经济实力的增长奠定了牢固的基础，成为衡量我国经济实力的标准之一。

与美国、日本相比，我国的平均运距相对较低，而这与我的地理环境和产业分布有着密切联系。基于我国人口东多西少的特点，公路短途运输成为了主流的物流运输方式，因此也就造就了相比于水路和铁路具有较高的运输成本的现状。2019年我国公路货运量相比铁路与水运，在总运输量中的占比达到了73%，可见公路运输仍然是我国物流市场的主要运输方式。在智慧物流不断壮大以及物流产业欣欣向荣的大背景下，物流运输的需求也在悄无声息地进行着转变，从以前的单一规模化量产转向系统多样化生产。并且，残酷的市场竞争使得物流的运输价格一直无法抬高。

在我国市场经济的条件下，价格以价值为基础，价格通过货币的形式在市场上把商品的价值表现出来。同时价格也反映了市场上供需关系的情况，国家也可以通过价格来调整市场经济，是进行国民收入再分配的手段之一。合理的价格是市场健康发展的重要前提，物流产业尤为如此。我国交通运输部就曾发布了公告：对于运输合同和价格的制订必须具有合理性，对于不符合物流企业盈利基本状况的恶意投标竞价行为强烈抵制。由此可见，在物流产业的发展中，企业为了增强自己的影响力、竞争力不惜牺牲自身的利润来取得价格的优势。合理的运价对整个物流产业的发展有着至关重要的作用，能改善市场环境，避免价格战的发生，加速企业的优化，加强服务水平，能令我国物流市场的进步成长保持高速与稳固。而我国目前的物流市场，仍然存在非常严重的恶性竞争。为了物流市场的发展，合理的物流定价仍是急需解决的难题。

1.2国内外研究现状

国外学者早在19世纪20世纪初，国外学者Harold Hotelling建立了Hotelling模型，对铁路运价进行了研究^[4]。我国学者冯芬玲、李杰潞建立Hotelling模型，从运输产品特性上的横向差异、产品性能和质量上的纵向差异两个角度分析货运竞争，得到产品的可替代性是货运价格与服务竞争的主要决策依据^[5]。此外，冯芬玲、李菲菲基于期权理论对铁路货运定价构建了二叉树期权定价模型^[6]。而郭经纬则将期权理论引入铁路货运，建立了基于运输企业和期权客户的多期三叉树定价模型，通过对期权客户最优期权购买量的分析，得到结论：期权执行价格与现货市场运价、长（短）期准备成本无风险利率相关^[7]。Pietrantoonio L D，Pelkmans J从竞争导向入手，提出了可以提高欧洲铁路货运物流业竞争水平的定价方法^[8]。刘世超也从竞争导向出发，以经营利润最大化为目标，应用双层规划方法确定公路运输运价，来保证公路运输企业业务量的最大化，获取竞争优势^[9]。陆桂芬在分析成本、需求、竞争等因素对铁路货运定价的影响基础上，以成本、效用和供求关系理论为指导，建立了过渡时期的浮动运价定价模型^[10]。在运价机制方面，Shepsle K A以政府对运输价格的管制为例进行分析，提出政府对市场运价的管控有利于对企业之间的竞争起到管束控制的作用，优化市场环境，提高运输市场供给效率^[11]，王波、荣朝和、闫海峰对改革我国现行铁路货运运价机制问题进行收入探索，认为要在实现政府的价格管制向价格监管转变的基础上，实行市场竞争形成价格机制^[12]。

1.3研究内容

本文构建了智慧物流商品定价的PSO-BP神经网络定价模型，并对定价模型进行了分析评价。

文章全篇的主旨构思如下所示：

请支付后下载全文，论文总字数：18527字