基于序参量的汽车制造产业集群与区域物流发展协同分析
[摘要]利用协同学理论和序参量原理，构建协同度模型对汽车制造产业集群与区域物流发展协同有序度进行衡量。在此基础上，将其运用于不同地域进行横向对比，以新兴汽车制造产业集群成都市龙泉驿区和集群发展较为成熟的重庆市、沈阳市为例，对测算结果进行了分析，并得出参照对象的选择需依据评价对象实际情况决定等结论，为龙泉驿区汽车制造产业集群未来的发展提出参考性建议。
[关键词]汽车制造产业集群，区域物流；协同；序参量
1引言
汽车工业作为我国国民经济支柱性产业，对推动经济平稳增长起着重要作用。根据中国汽车工业协会统计，2016年我国汽车产销均超2800万辆，对经济增长的贡献率达4.5%，约占经济总量2%左右。基于规模经济和集约效应，越来越多的汽车制造业利用产业共性和互补性在一定地理区域内集聚形成产业集群。目前全国已形成东北老工业集群区、长三角集群区、京津集群区、珠三角集群区、中部集群区和西南集群区。汽车制造集群产业链长、关联度高，从原材料、零部件到整车出厂的过程将产生大量物流活动，集群发展能否得到与之匹配的物流服务显得尤为重要。专业化和规模化的物流服务不仅会带动区域经济的发展，而且将为汽车制造产业集群提供基础性支撑支持平台。同时从系统理论出发，汽车制造产业集群与区域物流之间的发展是否协调，将在一定程度上影响该区域经济系统整体的产出和效率，进而影响区域整体竞争力的提高。因此对汽车制造产业集群的发展情况和区域物流的物流协同状态进行定量分析，横向对比不同发展阶段的汽车制造产业集群与区域物流的协同情况，对于进一步把握区域经济发展方向有重要的现实意义。
作为协同学三大基本原理之一，序参量是指源于系统内部，描述系统整体行为的宏观参量，在系统演化中起着重要作用，反映系统状态的有序程度和结构。用以描述区域经济子系统之间协同演化的规律，构建协同有序度模型，有广泛的应用。曹林峰等曾运用于汽车产业集群与区域物流协同度测算，王伟等利用并定义了区域物流——经济复合系统协调度模型，张建升等用其构建了区域物流与区域经济耦合协调度模型。但大多数学者均从单一地域出发基于时间变化得出结论，缺乏对同一体系不同区域表现的对比分析。本文利用序参量原理，对不同发展阶段的汽车制造产业集群与区域物流协同发展进行对比，以汽车制造产业集群历史较早的重庆市和沈阳市汽车产业集群与新兴的龙泉驿区汽车产业集群进行横向比较，为龙泉驿区今后的集群发展提供参考性建议。
2汽车制造产业集群与区域物流发展协同分析
2.1序参量指标选择
协同学认为，属性不同且自发运动的各個系统，在整体环境中存在相互合作且相互影响的关系。而系统由无序走向有序的演变过程中，处于支配地位的序参量起着重要作用，促进子系统的协同发展。因此，序参量指标的选择不仅要体现系统的本质特征，还需遵循科学性、可行性和层次性等原则。结合汽车制造产业的特点和集群发展规律，选择衡量集群产出和效益的汽车工业总产值、汽车工业增加值、汽车产量、汽车工业企业利润总额4个指标作为序参量；结合区域物流发展现状和规律，选择影响物流业发展的交通运输仓储和邮政业增加值、货物周转量、货物运输量、货物进出口总额4个指标作为序参量。
2.2协同度模型
2.2.1有序度分析。构建汽车制造产业集群产能子系统的序参量指标，与产能子系统有序度正相关，值越大表明系统有序度越高；P 是逆向指标，与产能子系统有序度负相关，值越大表明系统有序度越低。为系统稳定临界点的上下限值），得第j年汽车产业集群产能子系统序参量分量的有序度：
序参量P对汽车制造产业集群产能子系统有序度的总贡献通过对的集成实现。本文采用线性加权求和法.即：
2.2.2权重分析。权重的确定采用关联矩阵赋权法，以r表示子系统指标i与指标l的关联度，关联度越大，表明指标间互相影响的程度越高；反之，表明指标间互相影响的程度越低。定义子系统各个指标的关联矩阵：
如果R较大，表明i指标在整个指标体系中的作用很大，因而可在有序度定义中赋予该指标相应的序参量较大的权重；反之，如果足很小，则表明其作用较小，赋予较小的权重。将R归一化处理，得到：
3实例分析
近年来，成都市作为西南地区重要的汽车生产基地，汽车制造业成为成都市经济技术开发区重点培养产业，汽车产量迅速跻身全国前列，龙泉驿区汽车制造产业集群发挥着重要作用。同时，龙泉驿区公路口岸与青白江区铁路口岸的建成使用，共同完善了区域物流服务基础设施，推动汽车制造产业集群的进一步发展。在该汽车制造产业集群初步形成的情况下，分析其与区域物流的协同发展情况，有利于深入挖掘集群潜力。重庆市与成都市地理位置相邻，汽车行业发展历史更早，产业基础相对雄厚，同时作为西南汽车制造集群的代表，重庆市将汽车列为战略性新兴产业，并且大力发展新能源汽车和智能产品，两江新区的发展进一步促进集群产业链的完善。铁路、航空、水港相互配合，区域物流发展相对成熟。对成都市、重庆市的汽车制造集群与区域物流发展情况进行对比研究将有助于龙泉驿区进一步学习经验和完善促进成渝城市群合作构架。沈阳市作为东北老工业基地集群代表性城市之一，在产业转型升级、结构调整的背景下汽车制造产业集群产业链逐步扩大，相关支撑产业进一步完善。2016年与成都市共同入围国家中心城市，地处东北区域交通中心，物流布局相对优越。对沈阳市汽车制造产业集群与区域物流协调发展情况进行分析，对同样面临产业转型、地处西南内陆区域物流基础相对较弱的成都市而言有一定借鉴意义。
因此运用以上构建的协同度测算模型，对成都、重庆、沈阳r=（1，2，3）的汽车制造产业集群与区域物流的协同度进行测算，并对三市两系统的协同度测算结果进行比较得出相关结论。本文所用数据由《成都市统计年鉴》、《重庆市统计年鉴》、《沈阳市统计年鉴》和《中国汽车工业年鉴》整理和计算所得，具体见表1、表2和表3。
3.1协同度测算
运用软件对成都、重庆、沈阳三个城市的汽车产业集群和区域物流的数据进行标准化处理，将标准化后的数据进行相关分析。以成都市为例，由公式（5）、（6）得出成都市汽车制造产业集群相关指标的关联矩阵R：
由公式（7）、（8）可得成都市汽车制造产业集群相关指标的指标权重：
同理，可计算得到成都市区域物流相关指标的关联矩阵R1、指标权重01。带入公式（2）、（4）可得成都市汽车制造产业集群的有序度u和区域物流的有序度U1。结合指标权重计算结果，最后利用公式（9），计算得出成都市汽车制造产业集群和区域物流的协同度U1见表4。
同理按照以上相同计算步骤，可分别计算出重庆市和沈阳市汽车制造产业集群和区域物流的协同度U2、U3。其计算结果见表4，变化趋势图如图1-图5所示。
3.2结果说明
图1和图2分别描述了2005-2015年期间成都与重庆、沈阳汽车制造产业集群和区域物流的有序度对比。汽车制造产业集群有序度成都最低，沈阳次之，重庆最高；区域物流有序度沈阳最低，成都次之，重庆最高。这与成都市龙泉驿区汽车制造产业集群规划时间短、集群入驻企业数量有限、地处西南内陆腹地交通受限等因素有关；同时沈阳汽车产业虽发展历史较早，但面临东北老工业基地转型、物流基础设施较弱、物流效率相对低等问题，亟待改善。相对于成都和沈阳，重庆具备西南内河航运港口、汽车科技竞争力高、汽车产业体量基础良好和直辖市政策引导等因素，汽车制造产业集群与区域物流的发展相对二者具有一定优势。
图3至图5分别描述了成都与重庆、沈阳汽车制造产业集群与区域物流协同度测算结果，同时根据表1可知，成都协同度最开始很低，受龙泉驿区汽车制造产业集群迅速发展的影响，从2010年起协同度逐渐波动上升；同时因成都汽车产业在西南地区崛起，重庆协同度在2010年至2014年间波动较大，但均保持在0.1的较高水平；沈阳受物流业发展的影响，二者协同度虽波动较小但是协同度水平较低，2005年至2015年期间总体增速较缓，并且自2011年起被“后起之秀”的成都赶超。
4结语
本文利用序参量对成都市、重庆市、沈阳市的汽车制造产业集群和区域物流的协同发展进行了测算，即针对同一系统的不同地域表现进行了对比。综合本文的计算结果，为成都市龙泉驿区汽车制造产业集群提出以下几点建议：
（1）重视面向汽车制造产业集群的物流园区建设。政策大力支持引导汽车制造产业集群发展的同时不能忽略区域物流的发展。在集群基础上发展物流，突出区位和资源优势，建设面向汽车产业集群的物流园区，完善完备基础物流设施，改善现有物流服务。
（2）构建协同信息平台。构建信息公开的协同信息平台，将集群内部的核心制造企业、供应商、分销商、消费者、政府机构、科研机构等各个组织联合起来，实现信息的整合，使各个企业内部的业务流程紧密联系，加强集群的凝聚力和竞争力并提高物流运作效率。
（3）建立人才培养体系。结合龙泉驿区实施人才引进“百千万”工程的计划，利用政府等有关部门和机构的引导，与高等院校和职业技术学校等进行合作。设定人才对接培养项目，深入实施汽车人才的引进计划。同时重视与汽车相关产业人才的培养。
本文在研究成都市（龙泉驿区）汽车制造产业集群时选择了与之地理鄰近的重庆市和发展历史较早的东北老工业代表之一沈阳市为参照对象，得出的结论有一定的可取性。在计算过程中衡量序参量分量有序度时，a和β的选择基于三者汽车制造产业集群产能子系统和区域物流子系统共同上下限值，进而对比性较强；但当具体参照对象发生变化时，得出的结论可能不同。因此今后利用该模型进行类似对比研究时，参照对象的选择要依据被评价对象的实际情况决定。
