大数据挖掘技术下的全国物流信息

摘要：科技信息技术的快速发展，为智慧物流兴起和发展提供了契机。本文利用大数据挖掘技术对全国物流网点，货源与车源信息进行分析，得到物流网点，货源与车源在全国的分布规律，以更好的进行资源配置，降本增效。

关键词：大数据；挖掘技术；全国物流信息

一、研究方法

利用python中数据挖掘模块[1]分别爬取中国物流网的物流网点名称和地址、货物始发地和需求地地址、货物名称、各地的车源信息，进行数据统计和分析。

二、全国物流信息数据爬取及分析

1、物流网点数据分析

按照省份爬取物流网点，共爬取1018个。广东、江苏、山东三省的物流网点最多，均为1000以上，其中广东省最多，为2728个。上海、浙江、北京、天津等中东部省市次之，东北、西北、西南的省份物流网点相对较少，河南在内陆地区的省份中物流网点数量居高位。通过数据爬取结果对物流网点数量分布的特点作出推断，位于东部沿海的省份经济发达，与国内外贸易往来密切，产生了大量物流需求，因此物流网点数量多；而位于东北，西北，西南的省份，经济发展缓慢，物流量较小[2]；河南的物流网点数量领先内陆其他各省，究其原因，郑州是中部地区交通枢纽，铁路系统发达，交通极为便利，因此物流量大，对物流网点的需求多。

2、货物数据分析

按照省份爬取货源信息，共4021条，无论是货源还是其需求地，信息量大的地区依然是东部沿海省市及经济发达地区，东北、西北、西南地区的省份货源及需求量都比较少。将货源信息与货物需求地信息数量进行对比，每个省份的货物供给和需求在全国各省市中大致处于相同位次，供需比较平衡。

3、车源数据分析

按照省份爬取车源信息，共24699条。东南部沿海地区的省市车源信息量大，而内陆地区都保持较低的水平，但重庆市高居内陆榜首，结合原始数据来看，重庆市车源信息3732条，位列第三。此外值得一提的是广东省，其车源信息量高达11840条，而车源信息数量共24699条，可见仅广东一省便占据了半壁江山。

4、对比分析

将物流网点、货源、车源信息按照省份统计数量（如图1），三条线分别表示物流网点、货源、车源数据。可见物流网点、货源、车源之间大致表现为正相关。此外，广东、江苏、重庆三省的车源数据极为突出。广东省和江苏省都有雄厚的经济体量，同是沿海省份，对外贸易往来密切，区位优势明显。而重庆市身居内陆却可与沿海发达省份媲美，这与其地理位置有关，重庆市多山，铁路运营里程位居全国23，但对公路运输的需求较多，因此车源信息数量大。

三、总结

物流网点和货源数据都呈现东多西少的特点，即沿海、经济较发达的省市拥有较多物流网点和货物往来，内陆、经济欠发达的省份货物往来较少。交通是除经济因素之外对物流网点和货源分布影响较大的因素，交通便利的省份物流网点和货物信息较多。物流网点、货源、车源信息三者的地域分布大致呈现正相关，物流网点多的省市，其货源和车源信息数量也比较多。

参考文献

[1]安子建.基于Scrapy框架的网络爬虫实现与数据抓取分析[D].吉林大学,2017.

[2]郭茜,庄菁.我国物流业布局现状、问题与对策[J].中国物流与采购,2013(12):66-67.

作者：李姝铭 单位：北京交通大学