【摘要】港口LSSC（物流服务供应链）各节点企业经历了从独立经营、纵向一体化到供应链合作的思想转变。2020年以来，集装箱设备短缺、运价暴涨、需求波动等负面因素导致港口LSSC契约合作不稳定性骤增。因此，分析影响港口LSSC协调稳定性的关键因素，利用大数据技术提高港口供应链的稳定性及运作效率，促进供应链全局效用的最大化成为具有现实意义的研究课题。文中基于Stackelberg博弈模型，构建了大数据服务下港口LSSC的利润模型，得到大数据物流成本优化系数的范围，使用Fb(x)-Fa(x)来度量港口LSSC中物流需求对大数据服务的敏感性，结果表明：当大数据物流成本优化系数满足一定的条件时，引入大数据服务会使得港口LSSC的利润增加，反之，会使得港口LSSC的利润减少；与港口LSSC不匹配的大数据水平会显著增加企业成本，适当引入大数据服务有利于实现港口LSSC协调。

　　【关键词】港口；港口LSSC;大数据因素；供应链协调

　　1引言

　　2020年，中共中央印发了《关于大力推进海运业高质量发展的指导意见》，指出了国际海运的发展要求和方向。“十四五规划”提出要构建现代物流体系，高度重视供应链创新，优化国际物流通道。港口是连接海陆河运输的中转站，当前港口物流发展迅速，供应链竞争日益激烈。

　　目前，国内外学者对港口LSSC尚未有统一的定义，称呼也不尽相同，例如港口供应链、港口服务链、港口运输链和海上运输链等。Wayne K.Talley提出了海上运输链的定义，阐释了海上运输链的构成主体，并且分析了主体中成员相互选择行为[1]。相关学者分别对港口LSSC的定义进行了界定，并就港口物流服务供应链的演化机理、利益分配、结构、协调、能力合作等方面展开了分析[2-6]。Yang运用联合契约来协调三阶云计算港口LSSC,发现当需求变化范围较小时，供应链契约明显优于分散决策[7]。Duan运用网格区域重构学习聚类方法，构建港口LSSC信息契约协调模型[8]。杨童基于供应链管理模式，概述港口物流及其优势，分析如何在供应链管理背景下，促进港口物流发展[9]。于潇分析和探讨了港口物流服务供应链的协调策略，以及各方利润的分配方法[10]。陈炜，吴宇从服务供应链的角度对港口物流服务的利润分配和风险分摊问题进行了研究，并结合Shapley值法建立起港口LSSC利润分配与风险分摊模型[11]。

　　从以上港口LSSC的研究现状来看，大部分学者只关注了正常情景下的供应链协调问题。而实际生产中，大数据技术对港口LSSC协调起到了积极的作用。因此有必要探索大数据因素变动对港口物流服务供应链协调的影响，以便更好地协调港口物流服务供应链。

　　2大数据服务对港口LSSC利润的影响模型

　　由于对港口LSSC的研究还不够全面深入，对其定义还未统一，本文将港口物流服务供应链概括为：以港口企业为核心，利用现代信息技术有效整合各类物流服务提供商、相关政府监管部门和客户等成员所构建的功能网链结构，对链上的资金流、信息流、物流实施管理，在提供“一站式”物流服务的同时，以实现供应链总利润最大、总成本最低，提高客户满意度为目标，为托运人提供更优质的服务，实现航运物流系统优化。

　　港口LSSC的实质是各成员在物流服务各环节通力协作下共同完成托运人的订单，从而获得利益。港口LSSC通常由物流服务供应商、集成商与物流需求方组成，同时还可能包含陆运服务商、货代、海关等成员，结构复杂，为便于分析大数据因素，本文重点研究了包含物流服务供应商（承运人企业）、集成商（港口企业）与物流需求方（托运人）这三个基本主体的港口LSSC结构。

　　①港口（物流服务集成商）。

　　港口企业因其设施优势，可以通过码头、泊位等提供货物装卸、仓储等服务；因其区位优势和政策优势等，可以整合为提供单一服务的供应商资源。因此，港口企业在港口LSSC中作为服务集成商，具备主导供应链运作的核心企业地位。同时，港口企业作为核心企业会通过加强与承运人合作、共享信息等方法提高供应链整体收益。

　　②承运人（物流服务供应商）。

　　物流服务提供商虽然也会提供仓储、装卸等服务，但是相较于物流服务集成商，其服务操作更为单一和分散，比如船公司主要负责货物的海上运输。因此，多个物流服务供应商共同参与才能构建完整的港口物流服务供应链，并可以满足托运人到港口的各类物流环节服务需求。为集成商提供运输、仓储、配送、装卸搬运、流通加工等服务的物流企业担任物流服务供应商。

　　③托运人（物流需求方）。

　　托运人是物流服务的需求方，需要港口、承运人等共同努力来满足其需要。在港口物流服务供应链中，满足托运人的物流需要还涉及各类船代公司，即协调港口部门，为船舶进出港办理相关手续，保证装卸速率等；各类货代公司则主要受托运人委派负责完成货物运输某环节的业务手续，从而保证运输的完整性和顺利性。客户泛指物流服务的需求方，包括制造企业、商贸流通企业等。

　　2.1问题描述与技术假设

　　大数据由过去的生产资料（信息资产）变成了生产要素，而且类似IaaS、PaaS、SaaS,大数据即服务。将大数据服务引入港口LSSC运作的各个环节中，能为物流的发展带来更多的模式和新的机遇，起到降本增效的作用，并能增强港口LSSC的市场应变能力。大数据有助于物流需求预测、运输规划、库存管理等业务的开展，使得港口LSSC内各成员企业能精确把握市场，极大地提高了物流服务质量，并间接影响了物流需求。大数据服务还进一步降低了港口LSSC物流服务成本，提升了港口LSSC整体运作效率。

　　大数据服务也有助于港口LSSC上下游之间实现高度协作化。针对托运人的个性化需求，港口企业利用大数据服务，将物流任务与承运人企业的物流资源的特征进行匹配（承运人企业的服务能力存在差异），使得港口LSSC的物流资源和能力得到协调配置。在此背景下，研究大数据服务对港口LSSC协调的影响模型具有重要的现实意义。本节将对港口LSSC引入大数据服务进行定量分析，相关技术假设具体如下：

　　技术假设①：将港口LSSC简化为港口企业与承运人企业组成的二阶物流供应链，其中港口企业和承运人企业均为理性、风险中性的经济独立体；占据主导地位的港口企业，作为集成化物流服务解决方案的设计者和提供者，对于吸纳的承运人企业都具有较高的要求。

　　技术假设②：由于大数据服务，港口企业和承运人企业之间具有对称的信息，以自身利益最大化为目标。基于港口LSSC大数据服务的信息共享特性，通过GPS、GIS等技术对产品或货物进行全程监控，共享货物状况以及物流任务进度等相关信息。

　　技术假设③：假设承运人企业的物流能力是没有限制的，能充分满足港口企业物流能力订购需求；一单位的物流需求需要一单位的物流能力来满足，港口企业订购过程中的提前作业和费用为零。

　　技术假设④：港口LSSC面临的物流需求为随机需求，而且物流需求受供需关系和大数据服务的影响，大数据服务影响物流需求是由于物流服务质量的提高会间接作用于物流需求的变化。港口企业根据承运人企业提供的批发价格决定物流能力订购量并自行处理未售出的物流能力，完全承担市场风险。在港口LSSC中，物流服务的价格是外生的。文中所涉及的符号及其定义如表1所示。

　　2.2模型构建和模型求解

　　在港口LSSC中，通过分析可得到一种简化形式的未引入大数据服务的港口LSSC利润、港口企业利润以及承运人企业利润公式：

　　根据上面的技术假设，若港口LSSC引入大数据服务，港口企业根据大数据预测（物流目标—物流大数据—构建模型特征—计算相关性—统计与建模—预测—监控）市场物流需求，从而确定向承运人企业订购的物流能力订购量。大数据服务能够降低承运人企业的物流服务成本，借鉴李国刚，宫小平的相关研究成果[12],通过设置大数据物流成本优化系数，定量描述大数据服务降低承运人企业物流服务成本的程度。

　　根据归纳和总结，可得大数据服务对承运人企业服务成本的优化主要集中于四个方面：大数据服务对运输能力成本优化系数(a1);大数据服务对仓储能力成本优化系数(a2);大数据服务对配送能力成本优化系数(a3);大数据服务对风险成本优化系数(a4)。虽然承运人企业的物流能力并非是简单的各部分之和，但可以对其进行归一化处理。港口LSSC引入大数据服务，对不同的物流能力成本具有不同程度的优化空间，假设不同物流能力服务成本在承运人企业服务成本占比为ki,并满足k1+k2+k3+k4=1,可得大数据物流成本优化系数：

　　当不考虑大数据服务对物流需求的影响时，港口LSSC利润描述如下：

　　港口企业利润描述如下：

　　其中，承运人企业利润可以表示为：

　　根据以上公式，可得大数据物流成本优化系数a应当满足：

　　根据式(8)推理可得，大数据物流成本优化系数a与大数据服务单位投入成本np成反比，大数据服务单位投入成本np越大，大数据服务对承运人企业物流服务成本的优化能力就越强，大数据物流成本优化系数a就越小。引入大数据服务未必能提高港口LSSC利润，大数据服务能降低承运人企业单位服务成本，港口LSSC却因为引入大数据服务增加了成本，就整个港口LSSC来说，引入大数据服务需要满足约束(8)。

　　在港口LSSC中引入大数据服务，提升了物流服务质量，间接影响了物流需求，产生的结果是物流需求的期望值增加，即出现物流需求增加的概率增加，而出现物流需求减少的概率降低，假设物流需求出现的范围不变，可以得出物流能力订购量为K时，有大数据服务时给港口LSSC带来的利润为：

　　其中，下标a表示有大数据服务，b表示没有大数据服务，S(K)表示期望销售量。由于实际物流能力销售量为订购量和需求量之间的小者，即Min(K,D),因此，期望的实际销售量S(K)的计算如下(F(x)是指物流需求的分布函数）：

　　结合式(9)和式(10),可得大数据服务带来的港口LSSC利润：

　　只要大数据服务带来的港口LSSC利润为正，则引入大数据服务就有必要。即满足：

　　化简式(12),可以得到：

　　Fb(x)-Fa(x)可以用来度量港口LSSC中物流需求对大数据服务的敏感性。大数据服务通过提高物流服务质量来影响物流需求，大数据服务对物流需求的影响越显著，物流需求对大数据服务的敏感性就越大。对港口LSSC而言，一般需要满足大数据服务下的港口LSSC利润大于没有大数据服务的港口LSSC利润，否则引入大数据服务毫无意义。大数据服务下港口LSSC物流需求分布函数可以通过物流数据归一化处理，拟合生成，其理想函数图形大致如图1所示。

　　3数值仿真

　　本节主要是对上文部分结论进行数值仿真，采用数值仿真主要是为了达到以下目的：首先，利用数值仿真求证建立数学模型是可以求解的；然后，利用数值仿真理论模型，使得模型更加直观和形象，便于认识到大数据服务下的港口LSSC,充分展示大数据和港口LSSC的性质和特点。为了更加具体地说明本文结论，将基于大数据的港口LSSC的数学模型进行数值仿真，在此过程中应当严格保证数值的实际意义和约束条件。根据反复调研，选取相关数值进行模型验证，假设物流需求服从均匀分布U(0,100),令港口企业出售物流能力的单价p=5,港口企业的单位服务成本mp=0.5,承运人企业的单位服务成本ms=1,港口企业的物流能力订购量K∈[0,100],物流能力价格w=1,承运人企业使用大数据服务的成本η=12,a=0.6,大数据服务单位投入成本np=0.1,计算并生成图片如图2所示。

　　从图2可知，当物流能力订购量K<40时，无大数据服务的港口LSSC利润大于有大数据服务的港口LSSC利润，而当物流能力订购量K>40时，大数据服务对第四方物流供应链的优势就能体现出来，无大数据服务的港口LSSC利润小于有大数据服务的港口LSSC利润，且差距将越来越大。该数值仿真验证了大数据服务在港口LSSC中的优势。

　　分别令η=50,np=0.5,其他参数保持不变，可以得到图3和图4。

　　由图3和图4可知，当η、ηp的值过大时，具有大数据服务的港口LSSC利润图像在无大数据服务的港口LSSC利润函数图像的下面，证实盲目引入大数据服务并非一定能提高港口LSSC的利润，甚至会减少其利润。

　　仿真结果（图5)显示，当物流能力订购量K=88时，港口LSSC最大利润Π=181.6,当物流能力订购量K为零时，无论大数据物流成本优化系数a怎么变化，港口LSSC利润Π不变，大数据服务在该点不起作用。另一方面，通过运用控制变量法可知，当第四方物流的物流能力订购量K一定时，港口LSSC利润Π是大数据物流成本优化系数a的函数。港口LSSC利润Π随着大数据物流成本优化系数a的减小而增加。

　　如图6所示，当a=1时，承运人企业的利润Πs=0。当物流能力订购量K为零时，无论大数据物流成本优化系数a怎么变化，承运人企业利润Πs不变，大数据服务在该点不起作用，符合实际物流运作情况，通过运用控制变量法可知，当第四方物流的物流能力订购量K一定时，承运人企业的利润Πs是关于大数据物流成本优化系数a的减函数。承运人企业的利润Πs随着大数据物流成本优化系数a的增加而减小。

　　4结论

　　大数据服务为港口LSSC赋能，文章主要研究了大数据服务对港口LSSC协调的影响，先从港口LSSC利润的研究视角去考察，发现当大数据物流成本优化系数满足一定的条件时，引入大数据服务会使得港口LSSC的利润增加，反之减少。在港口LSSC中，引入大数据服务提升了物流服务质量，间接影响了物流需求，产生的结果是物流需求的期望值增加，即出现物流需求增加的概率增加，而出现物流需求减少的概率降低，本文使用Fb(x)-Fa(x)来度量物流需求对大数据服务的敏感性。在大数据服务对港口LSSC协调的影响模型中，港口LSSC引入大数据服务获得更多的利润，是由大数据对物流服务成本的优化空间决定的，对于港口LSSC来说，要想利用大数据服务进行第三方物流企业服务成本的优化，途径就是充分挖掘大数据，降低物流服务成本。

　　然而，本文是在对港口LSSC运作进行分析的基础上，考虑大数据因素构建了港口LSSC的利润分配进行分析。仅仅是通过供应链管理视角对港口LSSC进行研究，使用的是抽象的数学模型，相关技术假设较为严格，所进行的数值仿真具有局限性，后续将对港口LSSC进行实证研究，提高模型的适用性。

　　［参考文献］

　　[1]Wayne K.Talley.Maritime transport chains:Carrier,port and shipper choice effects[J].International Journal of Production Economics,2014,151:174-179.

　　[2]曾艳英，涂建军．港口物流一体化研究综述[J].物流科技，2012,35(04):15-20.

　　[3]郭丽彬，张玉忠．港口物流战略联盟评价指标体系的构建[J].水运管理，2011,33(08):22-24+28.

　　[4]李明．港口物流供应链及其柔性化运作机制研究[J].中国市场，2015(50):30-31.

　　[5]厉骁．关于港口物流供应链利益分配问题的探究[J].商场现代化，2015(14):47.

　　[6]董影．港口物流服务供应链的构建及协调问题研究[D].大连：大连海事大学，2017.

　　[7]Yang Jiancheng.Construction and optimization of port logistics service supply chain based on cloud computing[J].Recent Developments in Practices and Research on Coastal Regions:Transportation,Environment and Economy,2019,98:80-83.

　　[8]Duan Caiquan,Xiu Guoyi,Zhang Yunhui.Coordinated management method of information contract in port logistics service supply chain[J].Advances in Water Resources and Exploration,2019:1047-1052.

　　[9]杨童．基于供应链管理的港口物流研究[J].中国商论，2020(03):20-21.

　　[10]于潇．港口物流服务供应链的协调与利润分配研究[J].知识经济，2019(09):78-79.

　　[11]陈炜，吴宇．港口物流服务供应链利益风险协同分配研究[J].现代商业，2019(03):132-133.

　　[12]李国刚，宫小平．大数据信息对二级供应链利润的影响与协调研究[J].统计与信息论坛，2018,33(04):32-39.