Методический подход к размещению сельскохозяйственных распределительных центров в регионе
УДК 656 (571.61)
Методический подход к размещению сельскохозяйственных распределительных центров в регионе
Горлова Е.Е.
Дальневосточный государственный аграрный университет
В статье представлен авторский методический подход к размещению сельскохозяйственных распределительных центров на примере Амурской области. Предлагается использовать кластерный анализ при изучении зоны обслуживания сельскохозяйственных распределительных центров, а также возможности картографических сервисов сети Интернет для изучения транспортной инфраструктуры.
Ключевые слова: сельскохозяйственные распределительные центры, кластерный анализ, картографические сервисы
Methodical approach to the placement of agricultural distribution centers in the region
Gorlova E.E.
Far East State Agrarian University
The article presents the author’s methodical approach to the placement of agricultural distribution center as an example of the Amur region. It is proposed to use cluster analysis in the study of coverage of agricultural distribution centers, as well as the possibility of mapping services on the Internet for study of transport infrastructure.
Keywords: agricultural distribution center, cluster analysis, mapping services
Размещение сельскохозяйственных распределительных центров может быть определенно как поиск оптимального решения, или как поиск субоптимального (близкого к оптимальному) решения.
Наукой и практикой выработаны разнообразные методы решения задач обоих видов:
1) Метод перебора вариантов является врождѐнным методом мышления человека.
2) Метод полного перебора. Задача выбора оптимального места расположения решается полным перебором и оценкой всех возможных вариантов размещения распределительных центров и выполняется на ЭВМ методами математического программирования.
3) Эвристические методы. Название «эвристические» означает, что в основе методов лежит человеческий опыт и интуиция.
4) Метод определения центра тяжести (используется для определения
места расположения одного распределительного центра). Метод аналогичен
определению центра тяжести физического тела [4].
Каждый из этих методов имеет определѐнные преимущества и
недостатки, что затрудняет их применение и повышает вероятность ошибки
даже при выборе одного из способов определения распределительных
центров.
Нами предлагается использовать более простую, доступную и
понятную даже неопытному специалисту методику, которая основана на
применении возможностей программного комплекса обработки
статистической информации SPSS 16.0, а также картографических сервисов
сети Интернет.
Построение региональной системы сельскохозяйственных
распределительных центров необходимо начать с изучения зоны
обслуживания, в границах которой будет находиться достаточное количество
потенциальных пользователей их услугами. Количественный состав
сельскохозяйственных товаропроизводителей Амурской области представлен
в таблица 1.
Потенциальными пользователями услуг сельскохозяйственных
распределительных
центров
будут
различные
категории
сельхозтоваропроизводителей: сельскохозяйственные организации,
крестьянско-фермерские хозяйства и личные подсобные хозяйства граждан.
Размещение и концентрация сельскохозяйственного производства будет
определяться как абсолютными факторами (климатические условия) так и
социально-экономическими возможностями (численность населения,
наличие инфраструктуры, финансовое состояние и др.)
Производители сельскохозяйственной продукции отличаются как по
организационно-правовой форме, так и по размерам производства. Таким
образом, количественное распределение сельхозтоваропроизводителей не
может нести качественной информации о мощности образуемых ими
материальных потоков. В связи с этим для изучения территориального
распределения сельскохозяйственного производства муниципальные
образования Амурской области были разбиты на группы с помощью метода
кластерного анализа.
Кластер-анализ – это способ группировки многомерных объектов,
основанный на представлении результатов отдельных наблюдений точками
подходящего геометрического пространства с последующим выделением
групп как «сгустков» этих точек.
Таблица 1 – Количество сельскохозяйственных товаропроизводителей в
Амурской области по категориям
Сельско-
Крестьянские
Личные
Хозяйства всех
хозяйственные (фермерские) подсобные и
категорий
организации
хозяйства индивидуальн
ые хозяйства
1 Муниципальные образования Амурской области Муниципальные районы Амурской области городские округа: г. Благовещенск г. Белогорск г. Зея г. Райчихинск
г. Свободный
г. Шимановск
пгт. Углегорск
г. Тында
пгт. Прогресс
муниципальные районы: Архаринский
Белогорский Благовещенский Бурейский Завитинский Зейский Ивановский Константиновский Магдагачинский Мазановский Михайловский Октябрьский Ромненский Свободненский Селемджинский Серышевский Сковородинский Тамбовский Тындинский Шимановский
2006 2
290
261
12 6 2 2 4 2 1 -
16 11 9 10 9 8 26 24 2 15 26 10 11 18 2 16 2 22 17 7
2010 3
340
309
14 6 2 2 4 2 1 -
16 14 10 16 14 8 33 25 2 21 27 19 12 21 3 17 2 23 17 9
2006 4
573
561
4 4 4 -
37 86 60 11 6 13 54 44 5 24 46 19 20 39 2 25 5 50 2 13
2010 2006 2010 2006 2010 56 7 8 9
1454 4914 158892 5777 160686
1441 4052 117047 4874 118797
5 90 9077 106 9096 4 112 6164 122 6174 - 95 4829 97 4831 - 33 4300 35 4302 4 - 9449 8 9457 - 532 4703 534 4705 -- - 1 1 - - 1290 - 1290 - - 2033 - 2033
83 182 5669 235 5768 137 201 5707 298 5858 111 38 4470 107 4591 27 101 7631 122 7674 28 318 5213 333 5255 109 437 7132 458 7249 159 263 8315 343 8507 67 189 4956 257 5048 11 203 6520 210 6533 60 292 5990 331 6071 63 201 6337 273 6427 60 181 7593 210 7672 64 101 3889 132 3965 125 229 5248 286 5394 4 58 2851 62 2858 114 377 8090 418 8221 9 264 6860 271 6871 181 210 8120 282 8324 4 84 3915 103 3936 25 123 2541 143 2575
Кластер – группа элементов, характеризуемых общим свойством, главная цель кластерного анализ – нахождение групп схожих объектов в выборке.
Кластерный анализ выполняет следующие основные задачи: разработка типологии или классификации; исследование полезных концептуальных схем группирования объектов; порождение гипотез на основе исследования данных; проверка гипотез или исследования для определения, действительно
ли типы (группы), выделенные тем или иным способом, присутствую в имеющихся данных.
Независимо от предмета изучения применение кластерного анализа предполагает следующие этапы: отбор выборки для кластеризации; определение множества переменных, по которым будут оцениваться объекты в выборке; вычисление той или иной меры сходства между объектами; применение метода кластерного анализа для создания групп сходных объектов; проверка достоверности результатов кластерного решения [5].
Таким образом, в результате кластерного анализа при помощи предварительно заданных переменных формируются группы наблюдений. Для проведения кластерного анализа был использован программный комплекс для обработки статистической информации SPSS 16.0.
В качестве метода классификации был выбран иерархический кластерный анализ.
В иерархических методах каждое наблюдение образовывает сначала свой отдельный кластер. На первом шаге два соседних кластера объединяются в один; этот процесс может продолжаться до тех пор, пока не останутся только два кластера.
После обычной общей статистической сводки итогов по наблюдениям было определено оптимальное количество кластеров, которое составило – шесть.
В качестве метода образования кластеров был выбран метод Betweengroups linkage (Связь между группами). В качестве дистанционной меры был установлен квадрат евклидового расстояния (Squared Euclidean distance). Кроме того, было установлено z-преобразование (стандартизация) значений переменных. Стандартизация приводит значения всех преобразованных переменных к единому диапазону значений, а именно от –3 до +3.
Далее был запущен процесс расчета, в результате чего были получены результативные данные. Принадлежность наблюдений к кластерам представлена в таблице 2.
Таблица 2 – Принадлежность к кластерам
Наблюдения
6 кластеров
Наблюдения
Архаринский район Белогорский район Благовещенский район Бурейский район Завитинский район Зейский район
1 Селемджинский район 2 Серышевский район 3 Сковородинский район 2 Тамбовский район 3 Тындинский район 4 Шимановский район
6 кластеров
4 3 4 1 4 4
Ивановский район Константиновский район Магдагачинский район
Продолжение таблицы 2
1 г. Благовещенск
5
1 г. Белогорск
4
4 г. Зея
4
Мазановский район Михайловский район Октябрьский район Ромненский район Свободненский район
3 г. Райчихинск 1 г. Свободный 1 г. Тында 3 г. Шимановск 2 пгт. Прогресс
4 6 4 4 4
В результате исследований были получены шесть кластеров, которые включают в себя муниципальные образования качественно различающиеся между собой. Средние значения производства сельскохозяйственной продукции по кластерам представлены в таблице 3.
Таблица 3 – Средние значения производства сельскохозяйственной
продукции по кластерам, тонн
Показатель
Номер кластера
Среднее
1 2 3 4 5 6 значение
КРС на убой в живом весе
Свиньи на убой в живом весе
Овцы и козы на
927,7 1029,8
640,7 519,0
618,4 128,4 27,0 132,0 515,0 126,4 197,0 205,0
438,6 436,8
убой в живом весе 35,2 51,0 28,2 6,5 25,0 5,0 Птица на убой в
21,9
живом весе Молоко
165,0 420,0 80,4 20,2 20755,0 40,0
846,0
12884,5 7561,3 8602,4 1432,8 396,0 1274,0 5781,0
Яйца Шерсть Товарный мед Соя Рожь
4641,7 1,3 23,9
69632,3 3,2
63804,3 3,3 17,8
16997,2 5,0
2284,6 1,2 33,1
13244,9 0,0
570,3 0,2 15,0 82,7 0,0
18668,0 0,8 1,4 500,7 0,0
1107,0 0,1 0,0 24,2 0,0
9189,4 1,0 19,4
19161,7 1,2
Пшеница
11308,4 928,3 1088,9 49,5 21,8 0,0
2739,1
Ячмень
4341,1 548,6 183,5 16,0 0,0 0,0 1028,6
Овес
1698,0 895,4 432,0 103,3 13,9 1,2
581,8
Гречиха
213,3 255,3 100,9 1,5 0,0 0,0
91,7
Фасоль
1,8 1,9 1,6 0,7 2,0 1,6
1,3
Картофель
14661,4 14531,3 15690,9 5455,4 14945,0 0,0 10372,4
Капуста
8,5 8,3 8,5 8,3 8,1 8,9
8,4
Огурцы
475,9 722,8 574,8 139,5 1293,3 433,6 403,5
Помидоры
470,7 645,9 488,5 152,1 1355,1 496,2 388,6
Свекла
334,5 391,8 372,3 86,6 817,1 253,7 255,5
Морковь
273,6 446,2 387,6 81,5 693,4 89,7
238,5
Лук репчатый
26,6 37,1 26,4 9,0 63,1 9,9
20,9
Чеснок
13,4 19,8 15,3 4,2 31,8 12,8
11,1
В первый кластер вошли муниципальные образования, которые имеют развитое многоотраслевое сельское хозяйств.
В данный кластер вошли 6 районов: Архаринский, Ивановский, Михайловский, Октябрьский и Тамбовский; в нѐм производится 45,8 % сельскохозяйственной продукции Амурской области (в стоимостном выражении).
Во второй кластер вошли районы, которые имеют в большей степени животноводческую направленность, а также развитое картофелеводство и овощеводство.
В данный кластер вошли 3 района: Белогорский, Бурейский, Свободненский; в нѐм производится 14,6 % сельскохозяйственной продукции Амурской области (в стоимостном выражении).
Третий кластер образуют районы со средним уровнем развития сельского хозяйства, в данной группе развиты отрасли животноводства, пчеловодство, картофелеводство и овощеводство.
По данным проведѐнных исследований в данный кластер вошли Белогорский, Бурейский и Свободненский районы; в нѐм производится 18,4 % сельскохозяйственной продукции Амурской области (в стоимостном выражении).
Четвертый кластер представлен муниципальными образованиями с низким уровнем развития сельского хозяйства, так как его отрасли выражены слабо. Данный кластер образуют Зейский, Магдагачинский, Селемджинский, Сковородинский, Тынденский и Шимановский районы, а также города Белогорск, Зея, Райчихинск, Тында, Шимановск, пгт Прогресс; в нѐм производится 9,4 % сельскохозяйственной продукции Амурской области (в стоимостном выражении).
Пятый кластер образует город Благовещенск, как крупнейший производитель мяса птицы и куриных яиц в Амурской области, а также с развитым овощеводством; в нѐм производится 10,4 % сельскохозяйственной продукции Амурской области (в стоимостном выражении).
Шестой кластер представлен городом Свободный, который имеет достаточно развитое овощеводство и производит 1,4 % сельскохозяйственной продукции Амурской области (в стоимостном выражении).
Полученные результаты обобщены в итоговой таблице 4. Результаты классификации позволяют сделать вывод о том, что размещать сельскохозяйственные распределительные центры необходимо на территории муниципальных образований вошедших в 1-3, 5,6 кластеры. Данные муниципальные образования обладают значительным производственным потенциалом и производят 90,6 % сельскохозяйственной продукции Амурской области.
Таблица 4 – Состав и характеристика сельскохозяйственных кластеров Амурской области
№ кластера
Муниципальные образования
Характеристика
Архаринский район, Ивановский район,
1КМоинхсатйалнотвиснкоивйскийрайон,
район, Октябрьский
район, Тамбовский район
2СБевлообгоодрнсекнисйкирйарйаойно, нБ. урейский район,
Благовещенский район, Завитинский 3район, Мазановский район, Ромненский район, Сервышевский район.
Зейский район, Магдагачинский район,
Селемджинский
район,
4рСакйоовно,родиШнсикмиайноврсакйиойн,
Тынденский район, г.
Белогорск, г.Зея, г. Райчихинск, г.
Тында, г. Шимановск, пгт. Прогресс
5 г. Благовещенск
6 г. Свободный
Животноводство
мясо-молочного
направления (КРС, свиноводство,
овцеводство),
пчеловодство,
растениеводство (соя, зерновые),
картофелеводство, овощеводство
Животноводство
мясо-молочного
направления (КРС, свиноводство,
овцеводство),
птицеводство,
растениеводство (овес, гречиха, рожь),
картофелеводство, овощеводство
Животноводство
мясо-молочного
направления (КРС, свиноводство,
овцеводство),
пчеловодство,
растениеводство
(гречиха),
картофелеводство, овощеводство
Низкий уровень развития сельского хозяйства
Птицеводство, овощеводство Овощеводство
Для изучения транспортной инфраструктуры в муниципальных образования вошедших в зону обслуживания регионального продовольственного рынка нами предлагается использовать возможности сервиса Яндекс.Карты в сети Интернет
Яндекс.Карты — поисково-информационный картографический сервис Яндекса. Открыт в 2004 году. На сервисе представлены карты масштабом до 1:2000. Наиболее подробно представлена Россия, а также Украина, Белоруссия, Казахстан, страны Центральной и Восточной Европы.
Карты доступны в трѐх вариантах: схемы, спутниковые снимки и совмещѐнные. Набор возможностей по работе с картами достаточно обширен, но в наиболее полном объѐме доступен лишь для ограниченного числа городов.
Доступен поиск как по географическим объектам (адресам, улицам, городам, регионам и странам), так и по организациям. На картах имеется возможность измерять расстояние и прокладывать маршруты.
Для ряда городов доступен сервис «Пробки»: индикатор автодорожных заторов. Уровень заторов определяется по десятибалльной цифровой шкале и по четырѐхцветной графической. Показания этого сервиса могут учитываться при автоматической прокладке маршрутов. Имеются также интерактивные схемы транспортных развязок с указанием оптимального маршрута проезда
через них. Имеется возможность в реальном времени просматривать изображения с веб-камер, установленных как правило вдоль крупнейших магистралей и возле развязок.
Яндекс.карты составлены на основе картографических данных Генштаба, Роскартографии, ООО «Резидент-консалтинг», ЗАО «Транспортное геодезическое агентство», РУП «Белгеодезия», ГСГ «Укргеодезкартографія».
Максимальный масштаб Яндекс.карт — 1:1600 (Санкт-Петербург, Екатеринбург, Тверь). Москва и большинство крупных городов России, Киев, Минск представлены в масштабе до 1:2000. В масштабе 1:16000 представлена вся территория Украины, в 1:30000 — вся территория Белоруссии. Максимальный масштаб, в котором доступна любая точка на территории России — 1:660 000 (районы Крайнего севера).
Вся территория Казахстана доступна в масштабе 1:6600, остальные страны Центральной Азии, а также всѐ Закавказье — от 1:2 300 000.
Полностью покрыты территории таких стран как: Эстония, Латвия, Литва, Австрия, Венгрия, Польша, Чехия, Германия, Франция, страны Бенилюкса, Великобритания и Ирландия в масштабе 1:30000; Испания, Португалия, Италия, все Балканы, Турция и Кипр в масштабе от 1:66000. Египет представлен в масштабе 1:100 000. Весь мир доступен в масштабе от 1:3 000 000 [3].
Территория Амурской области на которой предлагается разместить сельскохозяйственные распределительные центры представлена в виде схемы с сервиса Яндекс.Карты на рисунке 1.
Рисунок 1 – Схема сельскохозяйственных территорий Амурской области
Оценка транспортной инфраструктуры на обозначенной территории позволяет выявить наилучшие места для размещения сельскохозяйственных
распределительных центров. С учетом возможностей транспортной инфраструктуры сельскохозяйственные распределительные центры должны быть размещены в селе Поярково (Михайловский район), селе Тамбовка (Тамбовский район), селе Константиновка (Константиновский район) и городе Белогорске.
Логистическая сеть сельскохозяйственных распределительных центров в Амурской области будет представлена следующим образом:
1. Сельскохозяйственные распределительные центры в селе Поярково и Константиновка должны обслуживать тридцатикилометровую зону;
2. Сельскохозяйственный распределительный центр в селе Тамбовка должен стать перевалочной базой для сел Поярково и Константиновка. Из Тамбовки материальные потоки могут быть направлены на перерабатывающие предприятия города Благовещенска и (или) в город Белогорск.
3. В городе Благовещенске фактически уже создана необходимая инфраструктура для освоения сырьевой базы рядом лежащих сельскохозяйственных территорий. Поэтому следует адаптировать (встроить) имеющуюся инфраструктуру в систему сельскохозяйственных распределительных центров Амурской области.
В городе Белогорск с учетом наиболее выгодного транспортного положения должен быть создан региональный оптовый продовольственный рынок, который будет аккумулировать сельскохозяйственную продукцию как на окружающей территории, так и распределять излишки образующиеся в других сельскохозяйственных распределительных центрах. По железнодорожной магистрали из Белогорска сельскохозяйственные материальные потоки могут быть направлены как в северные районы Амурской области, так и в другие регионы, такие как Республика Саха (Якутия), Читинская область, Забайкальский край, Еврейская Автономная область, Хабаровский и Приморский край.
Список литературы
1. Амурская область в цифрах [Текст]: Статистический сборник, часть I / Амурстат – Благовещенск, 2010. – 180 с.
2. Амурская область в цифрах [Текст]: Статистический сборник, часть II / Амурстат – Благовещенск, 2010. – 226 с.
3. Википедия [Электронный ресурс] / Wikimedia Foundation, Inc. – Режим доступа: http://ru.wikipedia.org.
4. Гаджинский А.М. Логистика: Учебник для высших и средних специальных учебных заведений. – 2-е изд. – М.: Информационновнедренческий центр «Маркетинг», 1999. – 228 с.
5. Мандель И.Д. Кластерный анализ. – М.: Финансы и статистика. 1988. – 176 с.
Методический подход к размещению сельскохозяйственных распределительных центров в регионе
Горлова Е.Е.
Дальневосточный государственный аграрный университет
В статье представлен авторский методический подход к размещению сельскохозяйственных распределительных центров на примере Амурской области. Предлагается использовать кластерный анализ при изучении зоны обслуживания сельскохозяйственных распределительных центров, а также возможности картографических сервисов сети Интернет для изучения транспортной инфраструктуры.
Ключевые слова: сельскохозяйственные распределительные центры, кластерный анализ, картографические сервисы
Methodical approach to the placement of agricultural distribution centers in the region
Gorlova E.E.
Far East State Agrarian University
The article presents the author’s methodical approach to the placement of agricultural distribution center as an example of the Amur region. It is proposed to use cluster analysis in the study of coverage of agricultural distribution centers, as well as the possibility of mapping services on the Internet for study of transport infrastructure.
Keywords: agricultural distribution center, cluster analysis, mapping services
Размещение сельскохозяйственных распределительных центров может быть определенно как поиск оптимального решения, или как поиск субоптимального (близкого к оптимальному) решения.
Наукой и практикой выработаны разнообразные методы решения задач обоих видов:
1) Метод перебора вариантов является врождѐнным методом мышления человека.
2) Метод полного перебора. Задача выбора оптимального места расположения решается полным перебором и оценкой всех возможных вариантов размещения распределительных центров и выполняется на ЭВМ методами математического программирования.
3) Эвристические методы. Название «эвристические» означает, что в основе методов лежит человеческий опыт и интуиция.
4) Метод определения центра тяжести (используется для определения
места расположения одного распределительного центра). Метод аналогичен
определению центра тяжести физического тела [4].
Каждый из этих методов имеет определѐнные преимущества и
недостатки, что затрудняет их применение и повышает вероятность ошибки
даже при выборе одного из способов определения распределительных
центров.
Нами предлагается использовать более простую, доступную и
понятную даже неопытному специалисту методику, которая основана на
применении возможностей программного комплекса обработки
статистической информации SPSS 16.0, а также картографических сервисов
сети Интернет.
Построение региональной системы сельскохозяйственных
распределительных центров необходимо начать с изучения зоны
обслуживания, в границах которой будет находиться достаточное количество
потенциальных пользователей их услугами. Количественный состав
сельскохозяйственных товаропроизводителей Амурской области представлен
в таблица 1.
Потенциальными пользователями услуг сельскохозяйственных
распределительных
центров
будут
различные
категории
сельхозтоваропроизводителей: сельскохозяйственные организации,
крестьянско-фермерские хозяйства и личные подсобные хозяйства граждан.
Размещение и концентрация сельскохозяйственного производства будет
определяться как абсолютными факторами (климатические условия) так и
социально-экономическими возможностями (численность населения,
наличие инфраструктуры, финансовое состояние и др.)
Производители сельскохозяйственной продукции отличаются как по
организационно-правовой форме, так и по размерам производства. Таким
образом, количественное распределение сельхозтоваропроизводителей не
может нести качественной информации о мощности образуемых ими
материальных потоков. В связи с этим для изучения территориального
распределения сельскохозяйственного производства муниципальные
образования Амурской области были разбиты на группы с помощью метода
кластерного анализа.
Кластер-анализ – это способ группировки многомерных объектов,
основанный на представлении результатов отдельных наблюдений точками
подходящего геометрического пространства с последующим выделением
групп как «сгустков» этих точек.
Таблица 1 – Количество сельскохозяйственных товаропроизводителей в
Амурской области по категориям
Сельско-
Крестьянские
Личные
Хозяйства всех
хозяйственные (фермерские) подсобные и
категорий
организации
хозяйства индивидуальн
ые хозяйства
1 Муниципальные образования Амурской области Муниципальные районы Амурской области городские округа: г. Благовещенск г. Белогорск г. Зея г. Райчихинск
г. Свободный
г. Шимановск
пгт. Углегорск
г. Тында
пгт. Прогресс
муниципальные районы: Архаринский
Белогорский Благовещенский Бурейский Завитинский Зейский Ивановский Константиновский Магдагачинский Мазановский Михайловский Октябрьский Ромненский Свободненский Селемджинский Серышевский Сковородинский Тамбовский Тындинский Шимановский
2006 2
290
261
12 6 2 2 4 2 1 -
16 11 9 10 9 8 26 24 2 15 26 10 11 18 2 16 2 22 17 7
2010 3
340
309
14 6 2 2 4 2 1 -
16 14 10 16 14 8 33 25 2 21 27 19 12 21 3 17 2 23 17 9
2006 4
573
561
4 4 4 -
37 86 60 11 6 13 54 44 5 24 46 19 20 39 2 25 5 50 2 13
2010 2006 2010 2006 2010 56 7 8 9
1454 4914 158892 5777 160686
1441 4052 117047 4874 118797
5 90 9077 106 9096 4 112 6164 122 6174 - 95 4829 97 4831 - 33 4300 35 4302 4 - 9449 8 9457 - 532 4703 534 4705 -- - 1 1 - - 1290 - 1290 - - 2033 - 2033
83 182 5669 235 5768 137 201 5707 298 5858 111 38 4470 107 4591 27 101 7631 122 7674 28 318 5213 333 5255 109 437 7132 458 7249 159 263 8315 343 8507 67 189 4956 257 5048 11 203 6520 210 6533 60 292 5990 331 6071 63 201 6337 273 6427 60 181 7593 210 7672 64 101 3889 132 3965 125 229 5248 286 5394 4 58 2851 62 2858 114 377 8090 418 8221 9 264 6860 271 6871 181 210 8120 282 8324 4 84 3915 103 3936 25 123 2541 143 2575
Кластер – группа элементов, характеризуемых общим свойством, главная цель кластерного анализ – нахождение групп схожих объектов в выборке.
Кластерный анализ выполняет следующие основные задачи: разработка типологии или классификации; исследование полезных концептуальных схем группирования объектов; порождение гипотез на основе исследования данных; проверка гипотез или исследования для определения, действительно
ли типы (группы), выделенные тем или иным способом, присутствую в имеющихся данных.
Независимо от предмета изучения применение кластерного анализа предполагает следующие этапы: отбор выборки для кластеризации; определение множества переменных, по которым будут оцениваться объекты в выборке; вычисление той или иной меры сходства между объектами; применение метода кластерного анализа для создания групп сходных объектов; проверка достоверности результатов кластерного решения [5].
Таким образом, в результате кластерного анализа при помощи предварительно заданных переменных формируются группы наблюдений. Для проведения кластерного анализа был использован программный комплекс для обработки статистической информации SPSS 16.0.
В качестве метода классификации был выбран иерархический кластерный анализ.
В иерархических методах каждое наблюдение образовывает сначала свой отдельный кластер. На первом шаге два соседних кластера объединяются в один; этот процесс может продолжаться до тех пор, пока не останутся только два кластера.
После обычной общей статистической сводки итогов по наблюдениям было определено оптимальное количество кластеров, которое составило – шесть.
В качестве метода образования кластеров был выбран метод Betweengroups linkage (Связь между группами). В качестве дистанционной меры был установлен квадрат евклидового расстояния (Squared Euclidean distance). Кроме того, было установлено z-преобразование (стандартизация) значений переменных. Стандартизация приводит значения всех преобразованных переменных к единому диапазону значений, а именно от –3 до +3.
Далее был запущен процесс расчета, в результате чего были получены результативные данные. Принадлежность наблюдений к кластерам представлена в таблице 2.
Таблица 2 – Принадлежность к кластерам
Наблюдения
6 кластеров
Наблюдения
Архаринский район Белогорский район Благовещенский район Бурейский район Завитинский район Зейский район
1 Селемджинский район 2 Серышевский район 3 Сковородинский район 2 Тамбовский район 3 Тындинский район 4 Шимановский район
6 кластеров
4 3 4 1 4 4
Ивановский район Константиновский район Магдагачинский район
Продолжение таблицы 2
1 г. Благовещенск
5
1 г. Белогорск
4
4 г. Зея
4
Мазановский район Михайловский район Октябрьский район Ромненский район Свободненский район
3 г. Райчихинск 1 г. Свободный 1 г. Тында 3 г. Шимановск 2 пгт. Прогресс
4 6 4 4 4
В результате исследований были получены шесть кластеров, которые включают в себя муниципальные образования качественно различающиеся между собой. Средние значения производства сельскохозяйственной продукции по кластерам представлены в таблице 3.
Таблица 3 – Средние значения производства сельскохозяйственной
продукции по кластерам, тонн
Показатель
Номер кластера
Среднее
1 2 3 4 5 6 значение
КРС на убой в живом весе
Свиньи на убой в живом весе
Овцы и козы на
927,7 1029,8
640,7 519,0
618,4 128,4 27,0 132,0 515,0 126,4 197,0 205,0
438,6 436,8
убой в живом весе 35,2 51,0 28,2 6,5 25,0 5,0 Птица на убой в
21,9
живом весе Молоко
165,0 420,0 80,4 20,2 20755,0 40,0
846,0
12884,5 7561,3 8602,4 1432,8 396,0 1274,0 5781,0
Яйца Шерсть Товарный мед Соя Рожь
4641,7 1,3 23,9
69632,3 3,2
63804,3 3,3 17,8
16997,2 5,0
2284,6 1,2 33,1
13244,9 0,0
570,3 0,2 15,0 82,7 0,0
18668,0 0,8 1,4 500,7 0,0
1107,0 0,1 0,0 24,2 0,0
9189,4 1,0 19,4
19161,7 1,2
Пшеница
11308,4 928,3 1088,9 49,5 21,8 0,0
2739,1
Ячмень
4341,1 548,6 183,5 16,0 0,0 0,0 1028,6
Овес
1698,0 895,4 432,0 103,3 13,9 1,2
581,8
Гречиха
213,3 255,3 100,9 1,5 0,0 0,0
91,7
Фасоль
1,8 1,9 1,6 0,7 2,0 1,6
1,3
Картофель
14661,4 14531,3 15690,9 5455,4 14945,0 0,0 10372,4
Капуста
8,5 8,3 8,5 8,3 8,1 8,9
8,4
Огурцы
475,9 722,8 574,8 139,5 1293,3 433,6 403,5
Помидоры
470,7 645,9 488,5 152,1 1355,1 496,2 388,6
Свекла
334,5 391,8 372,3 86,6 817,1 253,7 255,5
Морковь
273,6 446,2 387,6 81,5 693,4 89,7
238,5
Лук репчатый
26,6 37,1 26,4 9,0 63,1 9,9
20,9
Чеснок
13,4 19,8 15,3 4,2 31,8 12,8
11,1
В первый кластер вошли муниципальные образования, которые имеют развитое многоотраслевое сельское хозяйств.
В данный кластер вошли 6 районов: Архаринский, Ивановский, Михайловский, Октябрьский и Тамбовский; в нѐм производится 45,8 % сельскохозяйственной продукции Амурской области (в стоимостном выражении).
Во второй кластер вошли районы, которые имеют в большей степени животноводческую направленность, а также развитое картофелеводство и овощеводство.
В данный кластер вошли 3 района: Белогорский, Бурейский, Свободненский; в нѐм производится 14,6 % сельскохозяйственной продукции Амурской области (в стоимостном выражении).
Третий кластер образуют районы со средним уровнем развития сельского хозяйства, в данной группе развиты отрасли животноводства, пчеловодство, картофелеводство и овощеводство.
По данным проведѐнных исследований в данный кластер вошли Белогорский, Бурейский и Свободненский районы; в нѐм производится 18,4 % сельскохозяйственной продукции Амурской области (в стоимостном выражении).
Четвертый кластер представлен муниципальными образованиями с низким уровнем развития сельского хозяйства, так как его отрасли выражены слабо. Данный кластер образуют Зейский, Магдагачинский, Селемджинский, Сковородинский, Тынденский и Шимановский районы, а также города Белогорск, Зея, Райчихинск, Тында, Шимановск, пгт Прогресс; в нѐм производится 9,4 % сельскохозяйственной продукции Амурской области (в стоимостном выражении).
Пятый кластер образует город Благовещенск, как крупнейший производитель мяса птицы и куриных яиц в Амурской области, а также с развитым овощеводством; в нѐм производится 10,4 % сельскохозяйственной продукции Амурской области (в стоимостном выражении).
Шестой кластер представлен городом Свободный, который имеет достаточно развитое овощеводство и производит 1,4 % сельскохозяйственной продукции Амурской области (в стоимостном выражении).
Полученные результаты обобщены в итоговой таблице 4. Результаты классификации позволяют сделать вывод о том, что размещать сельскохозяйственные распределительные центры необходимо на территории муниципальных образований вошедших в 1-3, 5,6 кластеры. Данные муниципальные образования обладают значительным производственным потенциалом и производят 90,6 % сельскохозяйственной продукции Амурской области.
Таблица 4 – Состав и характеристика сельскохозяйственных кластеров Амурской области
№ кластера
Муниципальные образования
Характеристика
Архаринский район, Ивановский район,
1КМоинхсатйалнотвиснкоивйскийрайон,
район, Октябрьский
район, Тамбовский район
2СБевлообгоодрнсекнисйкирйарйаойно, нБ. урейский район,
Благовещенский район, Завитинский 3район, Мазановский район, Ромненский район, Сервышевский район.
Зейский район, Магдагачинский район,
Селемджинский
район,
4рСакйоовно,родиШнсикмиайноврсакйиойн,
Тынденский район, г.
Белогорск, г.Зея, г. Райчихинск, г.
Тында, г. Шимановск, пгт. Прогресс
5 г. Благовещенск
6 г. Свободный
Животноводство
мясо-молочного
направления (КРС, свиноводство,
овцеводство),
пчеловодство,
растениеводство (соя, зерновые),
картофелеводство, овощеводство
Животноводство
мясо-молочного
направления (КРС, свиноводство,
овцеводство),
птицеводство,
растениеводство (овес, гречиха, рожь),
картофелеводство, овощеводство
Животноводство
мясо-молочного
направления (КРС, свиноводство,
овцеводство),
пчеловодство,
растениеводство
(гречиха),
картофелеводство, овощеводство
Низкий уровень развития сельского хозяйства
Птицеводство, овощеводство Овощеводство
Для изучения транспортной инфраструктуры в муниципальных образования вошедших в зону обслуживания регионального продовольственного рынка нами предлагается использовать возможности сервиса Яндекс.Карты в сети Интернет
Яндекс.Карты — поисково-информационный картографический сервис Яндекса. Открыт в 2004 году. На сервисе представлены карты масштабом до 1:2000. Наиболее подробно представлена Россия, а также Украина, Белоруссия, Казахстан, страны Центральной и Восточной Европы.
Карты доступны в трѐх вариантах: схемы, спутниковые снимки и совмещѐнные. Набор возможностей по работе с картами достаточно обширен, но в наиболее полном объѐме доступен лишь для ограниченного числа городов.
Доступен поиск как по географическим объектам (адресам, улицам, городам, регионам и странам), так и по организациям. На картах имеется возможность измерять расстояние и прокладывать маршруты.
Для ряда городов доступен сервис «Пробки»: индикатор автодорожных заторов. Уровень заторов определяется по десятибалльной цифровой шкале и по четырѐхцветной графической. Показания этого сервиса могут учитываться при автоматической прокладке маршрутов. Имеются также интерактивные схемы транспортных развязок с указанием оптимального маршрута проезда
через них. Имеется возможность в реальном времени просматривать изображения с веб-камер, установленных как правило вдоль крупнейших магистралей и возле развязок.
Яндекс.карты составлены на основе картографических данных Генштаба, Роскартографии, ООО «Резидент-консалтинг», ЗАО «Транспортное геодезическое агентство», РУП «Белгеодезия», ГСГ «Укргеодезкартографія».
Максимальный масштаб Яндекс.карт — 1:1600 (Санкт-Петербург, Екатеринбург, Тверь). Москва и большинство крупных городов России, Киев, Минск представлены в масштабе до 1:2000. В масштабе 1:16000 представлена вся территория Украины, в 1:30000 — вся территория Белоруссии. Максимальный масштаб, в котором доступна любая точка на территории России — 1:660 000 (районы Крайнего севера).
Вся территория Казахстана доступна в масштабе 1:6600, остальные страны Центральной Азии, а также всѐ Закавказье — от 1:2 300 000.
Полностью покрыты территории таких стран как: Эстония, Латвия, Литва, Австрия, Венгрия, Польша, Чехия, Германия, Франция, страны Бенилюкса, Великобритания и Ирландия в масштабе 1:30000; Испания, Португалия, Италия, все Балканы, Турция и Кипр в масштабе от 1:66000. Египет представлен в масштабе 1:100 000. Весь мир доступен в масштабе от 1:3 000 000 [3].
Территория Амурской области на которой предлагается разместить сельскохозяйственные распределительные центры представлена в виде схемы с сервиса Яндекс.Карты на рисунке 1.
Рисунок 1 – Схема сельскохозяйственных территорий Амурской области
Оценка транспортной инфраструктуры на обозначенной территории позволяет выявить наилучшие места для размещения сельскохозяйственных
распределительных центров. С учетом возможностей транспортной инфраструктуры сельскохозяйственные распределительные центры должны быть размещены в селе Поярково (Михайловский район), селе Тамбовка (Тамбовский район), селе Константиновка (Константиновский район) и городе Белогорске.
Логистическая сеть сельскохозяйственных распределительных центров в Амурской области будет представлена следующим образом:
1. Сельскохозяйственные распределительные центры в селе Поярково и Константиновка должны обслуживать тридцатикилометровую зону;
2. Сельскохозяйственный распределительный центр в селе Тамбовка должен стать перевалочной базой для сел Поярково и Константиновка. Из Тамбовки материальные потоки могут быть направлены на перерабатывающие предприятия города Благовещенска и (или) в город Белогорск.
3. В городе Благовещенске фактически уже создана необходимая инфраструктура для освоения сырьевой базы рядом лежащих сельскохозяйственных территорий. Поэтому следует адаптировать (встроить) имеющуюся инфраструктуру в систему сельскохозяйственных распределительных центров Амурской области.
В городе Белогорск с учетом наиболее выгодного транспортного положения должен быть создан региональный оптовый продовольственный рынок, который будет аккумулировать сельскохозяйственную продукцию как на окружающей территории, так и распределять излишки образующиеся в других сельскохозяйственных распределительных центрах. По железнодорожной магистрали из Белогорска сельскохозяйственные материальные потоки могут быть направлены как в северные районы Амурской области, так и в другие регионы, такие как Республика Саха (Якутия), Читинская область, Забайкальский край, Еврейская Автономная область, Хабаровский и Приморский край.
Список литературы
1. Амурская область в цифрах [Текст]: Статистический сборник, часть I / Амурстат – Благовещенск, 2010. – 180 с.
2. Амурская область в цифрах [Текст]: Статистический сборник, часть II / Амурстат – Благовещенск, 2010. – 226 с.
3. Википедия [Электронный ресурс] / Wikimedia Foundation, Inc. – Режим доступа: http://ru.wikipedia.org.
4. Гаджинский А.М. Логистика: Учебник для высших и средних специальных учебных заведений. – 2-е изд. – М.: Информационновнедренческий центр «Маркетинг», 1999. – 228 с.
5. Мандель И.Д. Кластерный анализ. – М.: Финансы и статистика. 1988. – 176 с.