互联网、人工智能等信息技术和物流新业态的发展促生了各类公路物流公共信息平台。其可以促进货源、车源和物流服务等信息的高效匹配，有效降低公路运输空驶率。公路物流公共信息平台的信用构建，对提高交通运输业和物流行业的诚信意识和信用水平、保障用户合法权益、规范市场竞争秩序、推动公路运输市场健康可持续发展具有重要意义。

相关研究在物流公共信息平台信用评级预测的理论和方法上作了探索，如邵贵平对国家交通运输物流公共信息平台信用体系建设现状进行剖析^[1]。朱琳等通过对各个风险模块因素的划分，提出了更加完善的平台下运输信用风险规避手段^[2]。童典利构建了基于汽车电子标识的物流信息平台^[3]。同时，相关学者从评价和预测技术方法^[4-6]、指标分类^[7-8]、信用模块^[9-10]、预警体系^[11]进行了研究。然而，现有对公路物流公共信息平台的信用评估研究，一般集中在平台用户(多为物流需求方、供应方)的信用评价，很少把平台自身信用与用户信用结合起来作为一个整体考虑，没有真实反映公路物流公共信息平台自身的管理、运营能力和信用风险。同时，数据来源多为静态的登记信息，更新速度较慢，无法跟踪和记录动态交易过程中的数据；评价的结果也大多为某一时刻的状态，不能有效预测未来的信用度与风险隐患，造成信用评价的结果与现实相符程度较差。

本研究运用运输经济理论^[12]、平台经济双边用户理论^[13]、博弈论^[14-15]等，分析交易型公路物流公共信息平台整体信用评价体系的构成，构建物流需求方、供应方与平台自身信用相结合的整体信用评估与风险识别模型，并以某公路物流公共信息平台为例进行实际模拟，提出预防措施和应对策略。

综合各类理论研究与实践，本研究认为公路物流公共信息平台是利用信息化、互联网等新型技术将传统公路物流交易市场转变成公路物流虚拟交易网络空间，以改善提升公路物流效率，并通过制订合理的定价结构，收取合理的费用吸引物流市场的双边用户进驻且产生公路物流业务和增值交易，以获取利润最大化或社会效益最大化。交易型公路物流公共信息平台作为其中一类，主要功能是发布车货源信息，实现双方信息最优化匹配, 其中物流需求方(货源方)、物流供应方(车源方)作为最简单的双边用户，是交易型公路物流公共信息平台赖以生存的源泉。目前，围绕着货源方、车源方，交易型公路物流公共信息平台大多开发了金融担保、金融融资、运单质押、保险业务等服务。为表述需要，本研究所指的公路物流公共信息平台即交易型公路物流公路公共信息平台。公路物流公共信息平台双边性是指通过一定的价格策略向双方用户提供服务，促进交易并获取收益，一边用户规模的变化会引起另一边用户规模的变化^[9]，如图 1所示。因此，通过平台双边用户市场理论分析，可以对公路物流公共信息平台信用利益相关者进行界定，把握物流需求方、物流供应方等多方利益相关者在公路物流公共信息平台信用体系构建中的各种行为特征和信用记录，能为建立科学的公路物流公共信息平台信用体系和信用评价奠定良好基础。

图 1 公路物流公共信息平台双边市场用户示意图 Fig. 1 Schematic diagram of bilateral market users of highway logistics public information platform

物流需求方(货源方)是指自己直接拥有货源或接受货源直接拥有者的委托，通过公路物流公共信息平台发布货源信息，从而寻找合适的承运方。其处于公路运输链的上游，在运价上具有相当大程度的话语权，其信用指标主要是：(1)货物自有还是受别人委托在平台交易；(2)发布货源信息的真实性；(3)货物相符度：实体货物与发布的货源信息一致的比例；(4)发布虚假供货信息数量或比例、竞价过程中的恶意排他行为(含竞价门槛的恶意排他、竞价过程中的操纵行为)；(5)交易完成按时付款率或者是按支付规则执行情况；(6)商务和税收、金融机构对其信用评价情况。

物流供应方(车源方)是指具有一定的公路运输资质，通过自有车辆或与其他社会车辆合作，承接并完成运输服务的市场主体，对依靠并完成运输服务而生存发展的统称为物流供应方(车源方)。其信用指标主要是：(1)企业资质、驾驶员资质、车辆资质等市场准入要件；(2)车型相符率：实际运输车型与竞标时承诺的车型一致的比例；(3)竞价过程中的串标、转标行为：转标是指中了标以后，将货转给其他人运输，实际上自己不从事运输；(4)线路准确度；(5)交付完成情况：既要把货物送给收货方，又要保证良好的服务服务质量；(6)货损货差率；(7)交通责任事故率或重大交通事故发生次数；(8)对客户信息的保密情况；(9)质量信誉考核结果(每月平台内质量信誉考核中等以上占总用户的比例)；(10)工商、商务、税收、金融机构对其信用评价情况。

货源方、车源方分别处于公路物流的上游和下游，在交易地位和主导权上存在一定的不平等，公路物流公共信息平台作为第三方交易载体，应以中立、公正的态度为双方服务，并监督双方交易行为。其信用基础主要是：

(1) 平台信息技术安全性：平台数据搜集、处理、传送、储存、加密的安全性。(2)平台信息安全防范、处置能力：指对用户的注册信息、交易信息的保护能力(含运输车辆运行轨迹等隐私信息)。(3)平台投诉处理能力和处理投诉事件完成率。(4)平台的公信力：指监督平台用户交易行为的中立态度和公正的奖惩行为。(5)平台盈利模式和能力：平台收费标准是否合理、是否有足够的资金，以保障平台的长期运营。(6)平台的运营能力：既有平台对用户的服务能力，以及平台自身管理能力、运营维护能力。(7)平台机制体系的设计：准入机制；审核机制(对登记、注册信息的审核把关)；支付规则、结算方式的设计；担保机制；信息交换与共享机制；奖惩机制；预警机制；资金安全机制等机制。具体评价指标体系如表 1所示。

为了便于数据的处理及分析，将信用评价等级区间设定为[0, 1]，同时为得到更为科学合理的信用评价等级结果，将区间进行划分。具体划分区间如表 2所示。

BP神经网络在处理非线性问题上具有一定的优势，其主要通过信号的正向传播和误差的反方向传播实现训练的目的。正向传播的情况下，输入训练样本，经隐含层由输出层输出。若输出层的实际输出与期望输出不符，则转入误差的反向传播阶段。通过权值的不断调整，达到最终的训练效果。因前馈型BP神经网络可以任意逼近任意连续函数，因此采用前馈型BP神经网络对平台的整体信用进行评价。

网络初始值及网络结构决定着网络训练的精度及训练时间。因此，为缩短训练时间这里采用初始值为+1和-1权值相等的方法及净输入结合的方式，将初始权值和阈值均设定为0。

BP神经网络由输入层、隐含层、输出层组成，含有隐含层的前馈网络会大大提高网络的分类能力，但是隐含层的多少也同样影响网络的泛化能力。因此，选择一个隐含层相较于两个或多个隐含层的精度更高，能更有效的避免陷入局部最小值。因此文中选取单隐层前馈网络即三层前馈型神经网络，即输入层、一个隐层、输出层。从建立的信用指标体系，将24个二级指标作为输入层节点，即BP神经网络的输入层神经元数n=24。输出层代表着信用评级结果，输出的评价结果决定着被评价企业的信用程度，为用户选择提供依据。因此，文中将输出层节点数l=1。隐含层节点数由n和l决定，设定隐含层节点数m∈[5, 15]。

在网络结构和权值、阈值相同的情况下，各层转移函数的选择将影响训练输出的预测误差和均方误差。因此，文中在误差范围内选取logsig为输入层到隐含层的转移函数，purelin为隐含层到输出层的转移函数。在考虑训练步数和训练误差等指标的情况下，选取Traingdx作为该BP神经网络的训练函数，同时当隐层节点数为8时，训练步数及训练精度均能达到最优。

选取某公路物流公共信息平台为研究对象，结合评价指标特性，采集2016年1—12月份的实际运营数据进行统计分析，利用matlab进行算例分析。

根据所构建的信用评价指标体系，选取2016年1—12月份数据，因不同的指标有着不同的单位及量化标准，数据中存在着奇异样本数据，奇异样本数据存在会导致网络训练时间的增加，并可能引起网络无法收敛。为避免出现异常情况及后面数据处理的方便，加快网络学习速度，对输入信号进行归一化，使得所有样本的输入信号其均值接近于0或均方差很小。因此，在数据训练之前对数据进行无量纲化处理，采用matlab提供的归一化方法进行无量纲化处理。

依照本文评价等级处于区间[0, 1]，则在对输入-输出数据进行无量纲化处理的同时，要将最终结果变换为[0, 1]，所以采用以下变换式。

(1)

通过对BP神经网络一系列的训练，确定了前馈型BP神经网络的网络初始值、网络拓扑结构、隐层节点数、最大迭代步数、学习速率、精度误差。通过权值和阈值的不断调整，不断进行训练迭代，得出精度范围内的训练结果，具体训练结果图像如图 2~图 7所示。

图 2 训练数据的梯度和均方差之间的关系 Fig. 2 The relation between the gradient and the mean variance

图 3 迭代停止训练 Fig. 3 Iterative training stop

图 4 训练数据拟合图 Fig. 4 Fitting diagram of training data

图 5 验证数据拟合图 Fig. 5 The Fitting diagram of validation data

图 6 测试数据拟合图 Fig. 6 The Fitting diagram of test data

图 7 综合拟合图 Fig. 7 The Fitting diagram of all comprehensive

图 2~图 7中表示的是通过三层前馈型BP神经网络得出的训练结果。从图 2中的3条曲线分别代表着训练样本、检验样本、测试样本，系统内自动对数据进行分类，所以降低了人为原因产生的误差。从图 2中看出，3条曲线均收敛到0.001精度。图 3中表示该训练网络在75步时迭代停止，当迭代步数为69步时得到最有效的性能其均方误0.000 605 85，当迭代步数为75时下降梯度为0.019 378。学习速率随着步数的增加处于动态变化中，当步数为75时学习速率为0.319 48。图 4~图 7中表示3个样本及综合拟合程度，拟合程度接近于1符合对数据非线性关系的设定，说明该训练方法适合用于公路物流公共信息平台的信用评级，且本次训练有效。

通过对数据进行BP神经网络训练后，得出实际输出值，通过实际输出值与专家评分结果进行仿真结果分析，由10位专家组成的专家组对该平台的每月指标情况进行打分，对指标进行权值设置得出最终得分，作为专家评分值。BP神经网络训练仿真结果如表 3所示。

从表 3分析看出实际输出与专家评分值的相对误差在0.001%~0.168%之间变动，其最大相对误差仅为0.168%，远小于1%，说明该训练结果具有一定的参考价值。

从实际输出结果看，随着时间的变化，平台自身的信用体系建设呈整体上升趋势，但一些细节仍需要改进。全年度1，2，3，4，5，6，7，10月份均处于[0.4, 0.8)区间，等级为优。8、9、10、12月份评分数处于[0.8, 1)区间，等级为中优。从全年数据分析看，年度平台的整体信用处于优等状态，平台良性发展的基础较好，为防范物流市场风险，还需改进提升平台机制建设、运营能力等，多维度提升平台生存力。

物流公共信息平台信用风险预警与应对策略，就是分析信用风险临界点，在信用被预测或验证可能失控的情况下，查找车源方、货源方、平台自身三者的信用存在的问题，并对各自信用进行对应的调整和应对。一方面，政府可以建立公路运输市场退出机制，对信用出现重大问题的平台，发布信用风险预警提示，必要时利用法治手段给予监管处置。另一方面，平台利用自身的奖惩机制，对重大信用隐患的车源方、货源方列入平台的“黑名单”，并责令尽快整改，对整改不合格的，强制退出平台。

信用风险防范主要是在信用风险发生之前采取一定措施，有效消除或减少风险，主要防范策略与措施是^[16-18]：

(1) 公路物流公共信息平台作为虚拟交易场所，对进驻平台的用户要进行资质认证，只有资质完备或交易动机良好的进驻者才能有机会在平台开展交易，平台要把好用户的准入关，完善用户登记、注册信息的审核机制成为了公路物流公共信息平台生存发展不可缺失的基础要件。

(2) 公路物流公共信息平台的数据与信息是用户交易的信息来源，信息安全成为平台用户重点关注的内容。平台要重点完善信息安全保障机制，一方面要对数据的采集、储存、传送作好加密和安全处理，重点防范物理风险、网络风险、操作系统风险和数据风险，确保在各个模块不发生信息泄露。同时，平台要注意保护用户的隐私和商业机密，建立完善良好的信息查询审查机制，对任何查询者，都需要设置一定的门槛，对平台用户关键信息进行过滤处理，设定查询格式，公布不涉及到隐私的查询结果。另外，在信息传送上，设定专门的传送通道，明确信息的源头和目的地、使用者，确保各环节都有据可查。

(3) 做好监督和奖惩。公路物流公共信息平台要高度重视用户的信用度，设定合理的运行监测规则，科学评估用户的信用，通过建立相应的反馈机制提示用户信用风险，提出建议供用户进行对应调整。对于信用度好的用户，在金融、保险上形成利益共同体，共同承担金融风险，在广告等其他社会化服务上实行优惠。对于信用存在一定风险的，督促其做好整改，对拒绝整改或整改不到位的，列入平台黑名单，直至强制退出平台。只有保障物流公共信息平台的公正、公信，平台用户的忠诚度才会不断得到加强。

平台汇集了各类型的用户，为了拓展不同类型的双边市场，平台要巩固核心功能，增强核心用户的黏度，合理调整收费标准，适度拓展物流增值服务，不断适应市场的变化和用户的需求。

(1) 适应外部政策环境。平台要遵守国家相应法规制度，规范平台上用户的交易行为，接受政府相关部门的监督。针对可能出现的一家独大的互联网“通吃”现象，要适当调整市场网络结构与运营份额。

(2) 强化资本注入与支撑，适时适当调整平台股权结构，引入资金和风险利益体，确保有充足的资金为平台运营提供资本保障。

(3) 完善平台组织结构与管理制度。互联网+物流新业态的出现，对物流公共信息平台的运营架构和管理模式带来很大影响。在扁平化、去组织化的管理体系下，平台要适时调整组织架构，科学设定企业管理与平台功能服务部门，必要时设定专门的投诉处置机构，保持合理的决策与执行运作机制，做到科学决策、提升管理效率、快速响应市场需求。

通过分析公路物流公共信息平台信用对公路运输市场信用体系建设的影响，研究了公路物流需求方、供应方、平台自身信用三者之间的关联和相互影响，构建了公路物流公共信息平台信用识别评价模型，并以某公路物流公共信息平台为例，验证了评价方法的合理性。主要研究结论：(1)公路物流公共信息平台上的物流需求方、物流供应方信用情况，与平台本身的信用构成公路物流公共信息平台整体信用，三者的信用情况必须相互关联，不可分离。(2)对公路物流公共信息平台的信用识别评价需进行动态评价，只有通过一段时间的动态评价，才能得出合理的信用评价结果。神经网络法适合于公路物流公共信息平台的信用动态评价，仿真结果与现实专家经验评价的契合度较高。(3)建立信用风险预警反馈机制对构建公路物流公共信息平台的整体信用有很强的实用价值，能为不同运营模式的公路物流公共信息平台建设提供了参考借鉴。

在国家倡导建设物流市场信用体系的背景下，提出了以下策略来减低公路物流公共信息平台和公路运输市场信用风险。(1)注重公路物流公共信息平台功能设计与运营能力的维护，建立健全各项运维机制。(2)政府监管部门发挥宏观调控和市场监管职能，充分发挥市场配置资源的决定性作用，以公路物流公共信息平台信用为载体，建立完善公路运输市场进入退出机制，推进公路运输市场和运输行业转型升级。