2008北京奥运食品冷链物流需求预测分析

      一、引言

      随着现代奥运会的不断发展和赛事规模的不断扩大，奥运会越来越受到世界各国的关注。2008年北京奥运会即将召开，奥运食品安全问题直接影响到参赛人员的身体健康和赛事的正常进行，是2008年北京奥运会成功举办的一个重要影响因素。奥运食品冷链物流作为保障奥运食品安全的重要环节，是奥运会保障体系的重要组成部分，其高效运作对奥运会的成功举办至关重要。对奥运食品冷链物流需求进行预测分析，可在一定程度上减少冷链物流在实际运作中的不确定性，为奥运食品冷链物流的系统规划和实际运作提供参考。结合北京市食品冷链物流现状和奥运会对食品冷链物流的需求，对北京市冷链物流软硬件进行规划，可在最大程度上保证奥运食品安全和冷链物流高效运作。

      二、奥运食品冷链物流需求分类

      汝宜红教授指出，奥运物流需求是指在举办奥运会的一定时期内由于赛事及其相关活动对比赛物品等配置所产生的物流活动要求，其基本要素有运输、储存、包装、装卸搬运、流通加工、配送及相关信息处理等。[1] 参考奥运物流需求的概念，本文提出，奥运食品冷链物流需求是指在举办奥运会的一定时期内，因奥运会参与者对冷冻冷藏食品的需求而产生的对冷冻冷藏食品运输、仓储、装卸搬运、流通加工、配送及相关信息处理等物流活动的需要。奥运食品冷链物流需求分析是进行奥运食品冷链物流系统规划的定量化依据。

      根据不同的分类标准对奥运食品冷链物流需求进行分类有助于细化奥运食品冷链物流需求，对不同类别的需求采用不同的预测方法能够提高预测分析的精度。本文按奥运食品冷链物流需求主体和需求客体对奥运食品冷链物流需求进行分类。

      1.按需求主体分类

      根据2008年奥运会的参与人员以及北京奥组委的计划可以将奥运食品冷链物流需求分为不同主体的需求，分别为运动员、代表团其他成员、技术官员、媒体记者、奥林匹克大家庭成员贵宾、国际与国内贵宾、奥运会志愿者、奥运会观众等的冷链物流需求。

      2.按需求客体分类

      根据相关的食品分类可以将奥运食品冷链物流的需求客体分为以下几类：肉制品、乳制品、水产类、水果类、蔬菜类、冷冻食品、豆制品、饮料类等。奥运食品冷链物流需求可分为相应客体的需求。

      三、预测对象与预测思路

      从奥运食品冷链物流的需求主体看，奥林匹克大家庭成员贵宾、国际与国内贵宾和技术官员奥运期间主要住在奥运指定饭店，而奥运会所招募的志愿者原本就居住在北京市，对他们的研究不能反映奥运会所带来的食品冷链物流增量。运动员、代表团其他成员、媒体记者和观众是引发奥运食品冷链物流增量的主要因素，因而本文对奥运食品冷链物流需求主体的这四个部分进行预测，以抓住问题的主要矛盾。从奥运食品冷链物流需求客体来看，需求客体种类繁多，不便于逐个进行预测。中国猪肉生产和消费总量居世界第一，而且随着人民收入水平的提高，对牛羊肉的消费需求也迅速增加，因此本文选择具有代表性的猪肉和牛羊肉进行预测。

      综合起来，本文主要是预测居住在奥运村的人员（包括运动员、代表团其他人员和媒体记者）与国内外观众对冷冻冷藏食品的需求所引发的冷链物流需求量。

      本文预测思路如图1所示。首先对本文所界定的需求主体数量进行预测，然后根据预测结果并结合人均食品消耗量预测冷冻冷藏食品（猪肉和牛羊肉）的总需求量，最后根据单位设施设备的能力预测食品冷链物流的需求量。

      

      图1 奥运食品冷链物流需求的预测思路

      四、2008奥运食品冷链物流需求预测

      对奥运食品冷链物流需求进行预测分析可以为奥运会期间的相关组织规划工作提供一定的数据支持，根据需求数量等相关数据准备好所需的运输、仓储、配送等设施和设备，确保奥运食品冷链物流的有效运作，保证奥运会期间冷冻冷藏食品的安全。

      1.奥运食品冷链物流需求主体预测

      针对所搜集资料的特点与需求主体的不同类别，本文对不同预测对象采取了不同的预测方法，如神经网络算法、信息采集法及因果分析法。

      （1）对运动员人数的预测

      奥运食品冷链物流系统是一个开放性的复杂系统，影响需求的因素很多，既有定性因素，也有定量因素。从本文所搜集的历届奥运会参赛运动员人数来看，运动员人数一般呈非线性、随机性特征，并与国际局势、主办国等因素有很大关系，这些因素难以定量描述，而且难以与预测目标建立确定的函数关系。神经网络能模拟人脑思维结构，具有自学习、自组织、自适应能力，容错性强，可有效解决非线性预测问题。本文采用神经网络算法对2008北京奥运会运动员数量进行预测，以此作为奥运食品冷链物流需求预测的基础。

      具备自学习和自适应能力的基于误差反传算法（以下简称BP算法）的神经网络（以下简称BP神经网络）具有很好的自调整功能。简单的BP神经网络模型由输入层、输出层和若干隐含层组成，其中隐含层可以有多层，各层神经元之间通过连接权重相互连接。BP算法基本思路是：输入信号从输入层经隐含层函数作用后到达输出层得到输出信号，若实际输出的信号与期望值不符，网络就进行反向传播，反复修正各层间的权值和阈值，直到得出的期望输出值最小，即网络全局误差最小。[2] 其基本结构如图2所示。