EN中文

地理科学进展 >

2015 , Vol. 34 >Issue 5: 629 - 637

DOI: https://doi.org/10.11820/dlkxjz.2015.05.011

基于物流热度的中国物流业空间格局

  • 李国旗 1, 2 ,
  • 金凤君 2 ,
  • 陈娱 2 ,
  • 刘思婧 1
展开
  • 1. 西南交通大学交通运输与物流学院,成都 610031
  • 2. 中国科学院地理科学与资源研究所,北京 100101

作者简介：李国旗(1984-),男,江西南昌人,讲师,博士,在站博士后,主要研究方向为物流系统规划与设计、交通物流地理,E-mail：。

网络出版日期: 2015-06-17

基金资助

国家自然科学基金项目(41171107)

中央高校基本科研业务费专项资金项目(2682014CX102,2682013BR020)

四川省软科学研究计划项目(2014ZR0065,2014ZR0032)

收起

Spatial patterns of logistics industry based on a geographic analysis of hotness degree

  • LI Guoqi 1, 2 ,
  • JIN Fengjun 2 ,
  • CHEN Yu 2 ,
  • LIU Sijing 1
Expand
  • 1. School of transportation & logistics, Southwest Jiaotong University, Chengdu 610031, China
  • 2. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101 ,China

Online published: 2015-06-17

Copyright

《地理科学进展》杂志 版权所有
Fold

摘要

物流业空间格局是以物流设施为核心的物流实体网络和以物流企业为核心的物流组织网络在地表空间形态及结构。为研究中国物流业空间格局的现状及演变趋势,2014年8月利用百度在线地图搜索与数据采集技术,获取了中国大陆31个省级行政单位的80507个物流热度数据样本。通过物流热度与相关指标间的回归分析,构建了物流热度的理论计算公式,验证物流热度数据的有效性和合理性。从地级市、省域、城市群、经济区尺度,刻画和分析物流服务能力与水平、辐射范围的差异所形成的空间格局,探究经济发展水平、物流园区建设对物流业空间格局演变的影响,提出基于物流热度的物流中心城市。研究表明：物流热度与地区生产总值、交通运输、仓储及邮政业法人单位数呈正相关;经济发展整体水平越高的城市群地区,物流业一体化程度越高;物流设施和物流企业的布局具有显著的产业性需求与交通区位指向特征,并逐步表现出消费性需求与人口指向特征;东部沿海地区呈现“单主中心+多副中心”、“多主中心+多副中心”的空间格局,中西部地区呈现“单中心”的空间格局,地区差异显著。研究结果有助于物流业规划及物流政策的制定。

关键词： 物流热度; 物流首位度; 空间格局; 物流中心城市

本文引用格式

李国旗 , 金凤君 , 陈娱 , 刘思婧 . 基于物流热度的中国物流业空间格局[J]. 地理科学进展, 2015 , 34(5) : 629 -637 . DOI: 10.11820/dlkxjz.2015.05.011

Abstract

：Spatial patterns of logistics industry is formed by the spatial distribution and structure of logistics facilities and enterprises. In order to examine the current situation and change of spatial patterns of logistics industry in China, we put forward the concepts of "logistics hotness degree "and "primacy index of cities." In August 2014, we obtained 80507 samples of logistics hotness degree data at the prefecture level or above in China based on "logistics" key word search using Baidu maps (excluding Hong Kong, Macao, and Taiwan). Through establishing an index of logistics hotness degree, the correlation between logistics hotness degree and indicators were analyzed. This article presents the construction of the logistics hotness degree index and demonstrates the effectiveness and validity of Internet-based data on logistics industry. Spatial patterns of logistics industry are analyzed in terms of capacity, level of service, and spatial influence at the prefecture,provincial, metropolitan area, and economic zone scales. We explored the impact of economic development and logistics park construction on the evolution of the spatial patterns of logistics industry. Logistics centers were identified and compared to the national and regional logistics hub cities designated in the "Logistics Industry Restructuring and Revitalization Plan" issued by the State Council and the "National Logistics Park Development Planning" issued by the National Development and Reform Commission and 11 other ministries. Some conclusions can be drawn as follows: the logistics hotness degree information is a comprehensive representation of logistics facilities and logistics enterprises.It is highly correlated with GDP, number of primary industry corporation units in transportation, warehousing, and postal services. Economic development level is highly correlated with logistics industry development. The spatial layout of logistics facilities and enterprises is significant correlated with industrial demand and their locations in the transport system; and it increasingly influenced by the of consumption demand and distribution and socioeconomic conditions of population. In the eastern coastal region of China, logistics industry distribution shows the spatial characteristics of "single-center and multiple sub-centers" or "multiple-centers and multiple sub-centers." In the central and western regions, however, the spatial pattern of distribution is characterized by "single -centers," which shows a clear regional difference from the coastal region. The result of this research may provide some guidance for logistics plann ing and logistics industrial policy of the central and regional governments for the thirteenth Five-Year Plan period and beyond.

Key words： logistics hotness degree; primacy index of cities; spatial pattern; logistics centers

1 引言

物流业作为融合多产业的复合型生产性服务业,主要任务是克服一系列人为或物理的空间约束,创造空间和时间效用(Rodrigue et al, 2013)。中国各地区经济发展阶段不同,物流需求的类型及分布形态也不尽相同,形成了各具特色的物流业空间格局。由于物流需求规模不断扩大,作为物流活动主体和载体的物流设施、物流企业数量及类型急剧增加,用户对物流服务的内容、时效性的要求不断提高,物流服务网络及空间格局不断演变,对原有城市经济活动空间、设施和企业区位布局等带来深刻影响,亟待从地理学视角认识物流业空间演化规律,以便有效的组织和调控物流活动。
20世纪90年代,国外交通地理学者开始关注物流中心和配送中心等物流设施的空间结构问题,认为物流结构的变化具有明显的地理意义(Hesse et al, 2004; 王成金等, 2014);部分国外学者认为大都市区内货流的大量集聚导致了交通拥堵、土地利用效率降低、运输成本增加等问题(Knowles, 2006; Dablanc et al, 2010; O'Connor, 2010),引发了物流设施、物流企业的区位调整及空间格局的演变(Woudsma et al, 2008; Cidell, 2010; Rodrigue et al, 2013)。Van Den Heuvel等(2013)以荷兰北布拉班特省为例,分析了空间聚集与物流设施、物流企业的区位变迁规律。Rivera等(2014)探讨了美国物流企业在地理集中形成的物流集群的空间布局。国内学者韩增林、王成金、吕拉昌等较早关注物流活动的地理意义,提倡发展物流地理学,以地理学的技术与方法分析物流活动的空间组织和空间分异与差异(韩增林,王成金, 2002; 吕拉昌等, 2003; 王成金, 2014)。
由于物流业受经济发展水平与质量影响,与资源、区位条件密切相关,物流业空间差异与分布格局率先引起国内学者关注。韩增林,王成金,尤飞(2002)利用交通设施、物流产值等指标,从总体格局、东中西部差距、南北方差异、城乡差异和发展趋势等5个方面分析了中国物流产业的分布特征。而后,又有学者将研究聚焦于物流企业的空间组织及分布格局(Hong et al, 2007; 王成金, 2008; 王成金等, 2014),区域及城市尺度下物流企业的区位选择(韩增林等, 2007; 曹卫东, 2011)和物流园区的空间布局(韩增林等, 2003; 龚梦等, 2013)。
综合来看,受物流统计数据缺乏和数据采集手段的制约,既有研究主要局限于特定城市地域,仅考虑物流企业和物流设施的布局,忽视了两者间的密切联系,对多尺度下物流业的空间格局尚缺少系统研究。近年来,以高德、腾讯、百度等为代表的在线地图服务平台的快速发展,为地理学科的数据来源与采集提供了一种全新手段。基于在线地图的搜索与数据采集技术具有采集样本数量多、简单易行的特点,能够有效克服现有研究样本有限、数据采集难度大等问题。考虑到百度地图具有数据量大、更新及时、开放性能良好等特点,选取其作为采集平台,基于“物流热度”和“物流首位度”的概念,用于测度反映物流设施和物流企业的数量及空间结构特征,量化经济发展、物流企业、物流设施与物流热度间的相互关系,从地级市、省域、城市群、经济区等尺度,分析中国物流业的空间分布格局。

2 测度指标与数据说明

2.1 测度指标

“热度”(hotness degree)在互联网中多用于描述资源使用度,即在一定时期被搜索的数量等,常与热点概念共用。本文提出的物流热度是指利用在线地图搜索与数据采集技术,基于某些关键词,在某一特定时间点,针对特定区域所能检索到的数据条目数,计算式为：
Y t = ∑ i = 1 m ∑ j = 1 n Q ij (1)
式中： Y t 为搜索的时间点t的物流热度; i 为搜索区域内由一定行政单位组成的细类, i = 1,2 , ⋯ , m ; j 为搜索区域内由不同类别对象组成的细类(例如百度在线地图将搜索内容分为餐饮、超市、购物、停车等), j = 1,2 , ⋯ , n ; Q 为数据条目数。
“首位度”最早源于Jefferson(1939)提出的城市首位律,用作对国家城市规模分布规律的一种概括,反映一国内首位(规模最大的)城市与第二城市(规模次大的)的人口数之比。其后,有学者将首位城市人口与全国城镇人口之比也看成是首位度的一种,首位度也由城市规模延伸到经济、产业、科技等方面(卢学法等, 2008);还有学者提出广义首位度的概念,将一系列指标的综合得分总和作为计算结果(雷仲敏等, 2010)。物流首位度说明在一定行政区域中物流中心城市物流热度的集中程度,本文将物流首位度分为绝对首位度和相对首位度,。
物流绝对首位度表示该城市占所在省(区)的物流热度的比例,计算公式为：
L c = ∑ j = 1 n Q j c ∑ i = 1 m ∑ j = 1 n Q ij (2)
式中： c 为物流热度第一的城市; L c 为城市 c 的物流绝对首位度; Q j c 为城市 c 中不同类别对象j组成的物流热度数据条目数; Q ij 为城市 c 所在省中不同行政单位i不同类别对象j组成的物流热度数据条目数。
物流相对首位度表示在一定行政区域中物流热度排名第一的首位城市与排名第二城市之比,计算公式为：
L c ' = ∑ j = 1 n Q j c ∑ j = 1 n Q j d (3)
式中： d 为物流热度数第二的城市; L c ' 为城市 c 的物流相对首位度; Q j c 为城市 c 中不同类别对象j组成的物流热度的数据条目数; Q j d 为城市 d 中不同类别对象j组成的物流热度的数据条目数。

2.2 数据说明

利用2014年8月百度在线地图(http://map.baidu.com),以“物流”作为关键词进行检索,获取物流热度数据合计80507个,涉及333个地级市,以及中国31个大陆省级行政单位(不含港、澳、台地区)①。对信息的类型分析后发现,物流热度绝大多数为物流设施、物流企业及经营网点的名称信息。首先,结合物流产业发展水平评价指标的有关研究(卞文良等, 2010; 郁玉兵等, 2013),考虑物流需求的社会经济派生属性,本着指标可量化、可获取的原则,从经济发展水平与质量、物流产业发展水平与质量、物流设施水平与质量方面,构建物流热度的关联指标体系(图1),并进行物流热度与相关指标的相关性分析,以验证物流热度数据的科学性和有效性。其次,考虑到城市群是物流业发展的重要空间载体,因此,从地级市、省域尺度;城市群和经济区尺度视角定量地揭示物流业的空间分布格局。
①限于篇幅原因,文中不列出以地级市为单位的物流热度的统计信息。
Fig.1 Index system of logistics hotness degree

图1 物流热度的关联指标体系

3 结果分析

3.1 地级市尺度的物流空间分布格局与相关性评价

从中国333个地级市的物流热度数量的空间分布格局可以看出(图2),广东、江苏、浙江三省物流业发展较为均衡。物流热度数排名前10的城市中,广东省有广州、深圳;排名前50的城市中,广东还包括佛山、东莞两市,江苏有苏州、徐州、南京、无锡、常州、南通、扬州七市;浙江有宁波、杭州、金华、台州、温州五市。这充分说明长三角、珠三角地区物流业一体化程度高,物流业发展相对均衡。排名前3%(10个)的城市所占热度比重为28.72%,排名前10%(33个)的城市所占热度比重为52.64%,排名前20%(67个)的城市所在热度的比重为68.76%,物流热度分布符合20/80原则。
为揭示地级市中物流热度在所在省级行政区中排名首位城市的分布情况,剔除4个直辖市后,将27个省级行政区中物流热度排名第一的城市作为中心城市,计算各城市的物流绝对首位度、经济绝对首位度、人口绝对首位度(表1),并将计算结果与《物流业调整与振兴规划》提出的全国性、区域性物流中心城市及《全国物流园区发展规划》提出的一级、二级物流园区布局城市进行比较。
Tab.1 Primacy index of logistics, economic activity, and population based on logistics hotness degree in central cities/%

表1 基于物流热度的中心城市的物流、经济、人口首位度/%

城市 物流热度 经济总量 常住人口 城市 物流热度 经济总量 常住人口 城市 物流热度 经济总量 常住人口
哈尔滨 41.86 29.98 27.76# 银川 46.67 49.16 31.62 宁波* 24.7 18.99 13.95
通辽* 15.88 10.65 12.64# 西宁 73.04 44.94 39.21 长沙 37.94 28.89 10.77
乌鲁木齐 32.71 26.58 14.97# 青岛* 20.20 14.60 9.16 南昌 24.79 23.17 11.39
长春 47.78 37.32 27.95** 拉萨 56.10 37.10 18.58# 昆明 46.88 29.21 14.02
沈阳 33.43 22.66 18.75 郑州 31.02 18.75 9.60 贵阳 36.99 24.81 12.78
兰州 34.57 27.68 14.12# 苏州* 18.20 22.22 13.32 厦门* 31.77 14.30 9.79
保定* 18.51 10.50 15.57# 合肥 29.05 24.19 12.65 南宁 31.20 19.20 14.50
太原 29.00 19.08 11.79 成都 50.16 34.09 17.56 广州 25.39 23.75 12.12
西安 48.52 30.21 22.79 武汉 48.75 35.97 17.51 海口 54.86 28.67 24.14
综合图2和表1的结果可以看出,基于物流热度的中心城市表现出以下特征：
(1) 经济发展水平高、物流需求量大。在27个中心城市中,经济首位度排名第一的有23个。这在中西部地区表现尤为突出,中西部19个省(区)中,17个经济首位度排名第一。其中,物流首位度大于40%的11个城市均为中西部地区的省会城市,这不利于物流业的均衡发展和物流成本的降低。
(2) 交通区位条件好,常住人口多,物流需求潜力巨大。在27个中心城市中,常住人口排名第一的有18个。其中,保定由于承接北京的人口及物流功能而超过河北省会石家庄,通辽由于靠近哈尔滨、长春、沈阳三大省会城市,且为内蒙古煤炭进出的主要通道,位列物流中心城市。另外,宁波、厦门凭借其作为重要港口城市和副省级城市的区位条件超过省会城市,位列物流中心城市。
(3) 政策优势突出。在27个中心城市中,有16个全国性物流节点城市,占规划总数(21个)的75%以上,衔接较好;有12个区域性物流节点城市,占规划总数(17个)的70%,与2009年《物流业调整与振兴规划》对接较好;通辽、保定、苏州3市既非副省级城市,也不是省会城市和综合交通枢纽,未进入国家规划的物流节点城市,但2013年出台的《全国物流园区发展规划》的29个一级物流园区布局城市中,苏州位列其中。
Fig.2 Distribution pattern of logistics hotness degree in prefectural-level cities

图2 地级市尺度的物流热度分布格局

3.2 省域尺度的物流空间分布格局与相关性评价

按照分省尺度对80507个样本数据获取物流热度总量、人均物流热度、地均物流热度,得到省域尺度的物流热度空间分布格局(图3),物流热度分布呈现明显的空间差异,其特征可归纳为：
(1) 受益于沿海、沿江的“T”字型国土开发战略,东部沿海地区率先成为物流发展的重点区域。2013年,广东、江苏、山东、上海、浙江五省市GDP占全国的45.54%,物流热度占比为44.79%,两者十分吻合,表明了物流的派生需求特征。GDP占比为5%的河北省,受北京市、天津市辐射影响,物流热度占比仅为3.83%,表明了物流业的极化效应。上海市以3.82%的GDP占比,贡献了7.69%物流热度,表明了物流业布局的交通依赖性。
Fig.3 Provincial-level distribution pattern of logistics hotness degree

图3 省域尺度的物流热度空间分布格局

(2) 特大城市及城市群密集地区是信息设施、交通线网与人口高度密集区域,具有物流服务网络健全、辐射能力强、物流服务水平高的特点。从地均物流热度来看,上海市每平方公里拥有量为0.9759,远高于其他地区,凸显了其作为国际经济、金融、贸易、航运中心的地位,以及参与国际国内物流资源配置的能力。排名前列的天津、江苏、广东、浙江等地也具有较强的辐射能力。从人均物流热度数来看,上海每千人拥有的物流热度热度为2.5995,位居第一,其次为北京(1.4053)、广东(0.9874)、浙江(0.9690)、江苏(0.9631)。上述地区同时也是大型仓储设施的主要聚集地、物流企业总部基地以及电子商务企业的全国分拨中心所在地,居民可享受到的快递服务的时效性位居前列。
为量化物流热度的综合表征信息,利用图1建立的物流热度关联指标体系,对31个省市区的物流热度进行相关分析,得到物流热度Y与X1-X9间的关联系数、P值以及标准差(表2)。
从表2中可以看出,物流热度与反映经济发展水平与质量的X1、X3,以及反映物流产业发展水平与质量的X4、X5、X6高度相关,且均通过P值检验;与反映物流设施水平与质量的X7中度相关,且通过P值检验。这与物流业是融合运输、仓储业、货代业、快递邮政、配送和信息业等复合型产业属性吻合,同时表明交通基础设施的建设对促进物流产业发展具有一定的滞后性。
Tab.2 Correlation coefficients of logistics hotness degree and indicators

表2 物流热度与主要关联指标的相关系数

相关系数 P值 标准误差 相关系数 P值 标准误差
X1 0.9270 <0.0001 910.679 X6 0.8194 <0.0001 1391.790
X2 0.4631 0.0087 2151.779 X7 0.6149 0.0002 1914.555
X3 0.9302 <0.0001 891.010 X8 0.4787 0.0064 2131.502
X4 0.8040 <0.0001 1443.656 X9 0.2925 0.1103 2321.605
X5 0.9281 <0.0001 903.672 - - - -
选取相关系数大于0.9的X1、X3、X5作为自变量,对物流热度与相关指标进行多元线性回归分析,结果显示：X3的P值>0.05,且X1、X3之间的相关系数为0.9919,存在明显的共线关系。为此,剔除指标X3后再次回归,得到如下函数关系式：
Y = 0.0790 X 1 + 0.1702 X 5 - 245.4028 (4)
式中：Y为物流热度;X1为地区生产总值;X5为交通运输、邮政与仓储业法人单位数。
从式(4)可以看出,物流热度与物流企业有十分密切的关系,受经济发展水平影响,符合物流的派生需求特征以及物流企业的市场主体地位,一定程度上说明了利用百度在线地图平台采集的物流热度是合理和有效的。在现阶段国民经济行业分类、产业统计、工商注册及税目设立等方面未明确物流业类别情形下,将其用于中国物流业空间格局研究是合理的。

3.3 城市群尺度的物流空间分布格局与相关性评价

城市群是物流业发展的重要空间载体。中国已初步形成以北京、天津为中心的华北物流区域,以沈阳、大连为中心的东北物流区域,以青岛为中心的山东半岛物流区域,以上海、南京、宁波为中心的长江三角洲物流区域,以厦门为中心的东南沿海物流区域,以广州、深圳为中心的珠江三角洲物流区域,以武汉、郑州为中心的中部物流区域,以西安、兰州、乌鲁木齐为中心的西北物流区域,以重庆、成都、南宁为中心的西南物流区域。为评估城市群物流服务类型,以及物流业与经济发展的协调关系,以《全国主体功能区规划》提出的城市群为基础,重点选取东部地区的京津冀、长三角、珠三角、山东半岛、辽东半岛、海峡西岸城市群;中部地区的中原、哈长、长株潭、武汉、环鄱阳湖、江淮城市群;西部地区的成渝、南北钦防、天山北坡等城市群,利用式(4)计算出各城市群物流热度的理论值。理论值是指按照现阶段物流业发展的质量与水平,服务于该城市群的社会经济发展所需的物流热度,可与该地区实际采集到的物流热度进行对比,以反映该地区物流辐射能力、物流与经济发展的协调程度。通过将理论值与实际值比较,可将主要城市群划分为3种类型区(图4)：
(1) 高度协调发展区。物流热度实际值大于理论值,且物流热度值>1000。该类型区具有经济发展水平高、中转物流量大的特点,属于外部辐射型,包括长三角、珠三角、成渝和中原城市群。
(2) 中度协调发展区。该类型区主要包括两个亚类：一是物流热度的实际值大于理论值,且物流热度值<1000,该亚类具有经济发展水平中等,但中转物流量较大的特点,属于内部辐射型,包括南北
Fig.4 Distribution pattern of logistics service types and assessment in metropolitan areas based on logistics hotness degree

图4 基于物流热度的城市群物流服务类型与协调关系分区

钦防和天山北坡城市群;二是物流热度的实际值小于理论值,两者的差值<20%,物流热度值>1000,该亚类具有经济发展水平较高、物流一体化进程滞后的特点,属于平衡型,包括京津冀和哈长城市群。
(3) 低度协调发展区。物流热度实际值小于理论值。根据两者之间的差值,可以将其划分为两个亚类：一是两者的差值在20%~50%之间,该亚类具有经济发展水平较高,中转物流量较小的特点,属于内部服务型,包括山东半岛、辽东半岛、海峡西岸、长株潭、武汉、环鄱阳湖和关中城市群;二是两者的差值>50%,该亚类具有受周边发达城市群物流辐射大的特点,属于接受辐射型,如江淮城市群。

3.4 经济区尺度的物流空间分布格局与相关性评价

物流园区是按照城市空间合理布局的要求,集中建设并由统一主体管理,为众多企业提供物流基础设施和公共服务的物流产业集聚区,也是物流热度集聚的区域。因此,可通过物流园区的数量及状态信息,揭示其与物流热度的相互关系,以反映物流热度演变规律。利用中国物流与采购联合会2006、2008、2012年的全国物流园区调查数据,进行各种状态下物流园区数量与物流热度的相关性分析,得到物流园区数量与物流热度相关系数(表3)。
表3及三次全国物流园区调查数据的分布格局(图5)表明,物流热度与2006、2008年物流园区总量高度相关,与2012年物流园区总量相关性低;物流热度与2006、2008、2012年运营状态的物流园区数相关性较高。导致上述结果的主要原因为：物流热度表征的是上一时期内各种状态的物流园区数量以及运营状态的物流园区,而一半以上物流园区建设周期为1~3年,2012年中西部地区规划和建设的园区数量较多。由此可以推测,由于2012年长江中游经济区、黄河中游经济区、西北和西南经济区处于建设状态的物流园区数量多,其物流热度在1~3年后会才有大幅提升,上述区域的物流服务与经济发展的关系将由滞后、基本适应转变为适应;同理,北部沿海经济区从适应转变为完全适应;而东部沿海经济区、南部沿海经济区存在物流发展过热的现象,需进行适度调控。
Fig.5 Distribution pattern and evolution of logistics parks in eight major economic zones of China

图5 中国各经济区物流园区分布格局演变图

Tab.3 Number of logistics parks in major economic zones and their relation with logistics hotness degree

表3 分经济区物流园区数量与物流热度的相关性

2006 2008 2012
总量 运营 建设 规划 总量 运营 建设 规划 总量 运营 建设 规划
东北经济区 21 4 12 5 48 18 24 6 56 26 23 7
北部沿海经济区 28 10 8 10 67 22 29 16 128 88 35 5
东部沿海经济区 52 11 11 30 97 32 41 24 93 65 14 14
南部沿海经济区 36 8 9 19 96 25 31 40 83 52 25 6
西南经济区 17 3 8 8 56 3 36 17 98 28 41 29
西北经济区 13 1 1 11 21 3 8 10 64 14 25 25
黄河中游经济区 21 6 7 8 47 7 25 15 93 35 47 11
长江中游经济区 17 7 9 1 43 12 25 6 139 40 31 68
相关系数 0.93 0.87 0.52 0.79 0.93 0.82 0.84 0.67 0.29 0.81 -0.32 0.64

4 结论与讨论

通过引入“物流热度“和“物流首位度”概念,从地级市和省域尺度、城市群及经济区等多视角对中国物流热度的空间分布格局及区位指向特征进行了具体分析,结论如下：
(1) 中国物流设施和物流企业布局呈现产业性需求和交通区位指向特征,东部沿海地区呈现多点多级发展格局,中西部地区呈现单点单极发展格局,物流业发展的地区差异显著。
物流企业的区位选择具有市场、服务对象等需求指向特征以及交通区位指向特征(王成金, 2014),物流设施作为物流企业的重要集聚地,同样表现出类似的布局特征。通过对不同尺度下物流热度分布特征的分析发现,交通区位条件好、经济发展程度高的东部沿海地区集聚了较高的物流热度,这与中国A级物流企业呈现的沿海地区多于内陆,东南沿海地区集聚的分布格局(王成金等, 2014)相吻合。但文中采集的物流热度既包括物流企业,还包括物流企业的末端经营网点和物流设施,有助于从微观、末端视角认识社会物流网络体系的总体情况,从而准确把握不同地区物流服务的覆盖能力与及时响应能力。
从主要城市群及经济区的空间格局来看,长三角城市群呈现以上海为核心,苏州、宁波、杭州、南京为副中心的多点多级发展格局;珠三角城市群呈现以广州、深圳为双核心,以佛山、东莞为副中心的多点多级发展格局,这与上述地区物流一体化行动计划的实施密切相关;京津冀城市群呈现两高一低的不均衡发展格局,这与京津地区物流企业集中在北京和天津市区,周边的地级城市和县级城镇较少的结论(王成金, 2014)相吻合,说明京津冀城市群物流一体化进展较为缓慢。中西部地区物流业总体呈现以省会城市为核心的单点单极发展格局,尚未具备实现区域物流一体化的先决条件。上述结论有助于深化韩增林,王成金,尤飞(2002)对于中国四大区域性物流圈格局的认识,同时也表明中国物流业发展地区现状差距不仅没有改变,反而有加剧趋势。物流业发展的区域及省内不平衡,导致物流资源优化配置难度大、货流双向流动不平衡,这也是中国物流成本占GDP比例高远高于世界主要经济体的主要原因之一。
(2) 未来物流设施和物流企业的布局呈现消费性需求和人口指向特征,并向带状的多点多级物流发展格局转变。
物流设施和物流企业的布局既是经济实力与交通区位作用的结果,也离不开政府的规划和扶持政策(王成金等, 2014),更与区域发展战略与产业结构的调整有着密切的关系(韩增林, 王成金, 尤飞, 2002)。随着《物流业中长期发展规划》的全面贯彻实施,特别是国家“一带一路”及长江经济带战略的推进,长江中游经济区、黄河中游经济区,西北和西南经济区等中心城市的交通基础设施、物流园区、重大物流通道工程的加速建设,中国物流业发展不均衡的现状有望改变,现有区块分割的单点单极的物流发展格局将逐步向带状的多点多级格局转变。其次,由于东部沿海地区物流网络体系日渐完善,以及物流企业组织网络形成,物流业发展的热点将向中西部转移。第三,电子商务活动迅猛发展而导致的快递包裹量急速增加,以及以人为核心的城镇化进程加快推进,城乡公共服务将日渐均衡化,物流的公共产品属性将更加突出,物流设施和物流企业的布局将呈现人口指向特征,这种趋势在保定、通辽等城市已有表现。人口密集地区的交通物流条件将不断改善,基于物流热度的中心城市的分布格局亦将日渐合理。
本文结论可为全国性、地区性物流设施的布局,以及物流企业的区位选择提供现实参考。但基于在线地图搜索与数据采集技术获取的物流热度也存在一定的过时、错误、重复信息、地图更新不及时带来的漏采以及无经纬度信息等问题。这些问题在地级市以上尺度的总量及结构分析中并未充分显现,但用于区县及以下尺度分析,将存在一定局限。进一步获取详细的物流设施和物流企业的POI信息,用于研究不同类型和更微观尺度的物流企业和物流设施的空间分布规律及分异机制,将有助于弥补现有研究的不足。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
1
卞文良, 鞠颂东, 耿勇. 2010. 国家物流业竞争力分析与评价[J]. 北京交通大学学报: 社会科学版, 9(3): 30-36.

[Bian W L, Ju S D, Geng Y.2010. Analysis and evaluation of national logistics competitiveness[J]. Journal of Beijing Jiaotong University: Social Sciences Edition, 9(3): 30-36.]

2
曹卫东. 2011. 城市物流企业区位分布的空间格局及其演化: 以苏州市为例[J]. 地理研究, 30(11): 1998-2007.

[Cao W D.2011. Spatial pattern and location evolution of urban logistics enterprise: taking Suzhou as an example[J]. Geographical Research, 30(11): 1998-2007.]

3
龚梦, 祁春节. 2013. 城市物流网络空间布局规划研究: 以江苏省为例[J]. 城市发展研究, 20(1): 42-48.

[Gong M, Qi C J.2013. Design on logistics network and nodes layout of cities in Jiangsu Province[J]. Urban Development Studies, 20(1): 42-48.]

4
韩增林, 李晓娜. 2007. 第三方物流企业的区位影响因素研究[J]. 地域研究与开发, 26(2): 16-25.

[Han Z L, Li X N.2007. Position influencing factors of third-party logistics enterprise[J]. Areal Research and Development, 26(2): 16-25.]

5
韩增林, 李亚军, 王利. 2003. 城市物流园区及配送中心布局规划研究: 以大连市物流园区建设规划为例[J]. 地理科学, 23(5): 535-541.

[Han Z L, Li Y J, Wang L.2003. Research on the layout and planning of distribution Park in city: a case of Dalian[J]. Scientia Geographica Sinica, 23(5): 535-541.]

6
韩增林, 王成金. 2002. 我国物流地理学的兴起与发展探讨[C]//陆大道. 中国地理学会2000-2002年综合学术年会论文集. 北京: 商务印书馆: 399-410.

[Han Z L, Wang C J.2002. The rise and development of logistics geography in China[C]//Lu D D. The proceedings of academic annual conference of the geographical society of China in 2000-2002. Beijing, China: the Commercial Press: 399-410. ]

7
韩增林, 王成金, 尤飞. 2002. 我国物流业发展与布局的特点及对策探讨[J]. 地理科学进展, 21(1): 81-90.

[Han Z L, Wang C J, You F.2002. The characters of the development and distribution about chinese logistics and the discussion of the developing measures[J]. Progress in Geography, 21(1): 81-90.]

8
雷仲敏, 康俊杰. 2010. 城市首位度评价: 理论框架与实证分析[J]. 城市发展研究, 17(4): 33-38.

[Lei Z M, Kang J J.2010. Evaluation theory of urban primacy: theoretical framework and empirical analysis[J]. Urban Development Studies, 17(4): 33-38.]

9
吕拉昌, 闫小培. 2003. 现代物流经济与经济地理学[J]. 地域研究与开发, 22(2): 5-7.

[Lv L C, Yan X P.2003. Modern physical attribution and economic[J]. Areal Research and Development, 22(2): 5-7.]

10
卢学法, 申绘芳. 2008. 杭州城市首位度的现状及对策研究[J]. 浙江统计, (6): 32-33.

[Lu X F, Sheng H F.2008. The present situation and countermeasures of urban primacy in Hangzhou[J]. Zheng Jiang Statistics, (6): 32-33.]

11
王成金. 2008. 中国物流企业的空间组织网络[J]. 地理学报, 63(2): 135-146.

[Wang C J.2008. Spatial organizational network of logistics company in China[J]. Acta Geographica Sinica, 63(2): 135-146.]

12
王成金. 2014. 物流企业的空间网络模式与组织机理[M]. 北京: 科学出版社. [Wang C J. 2014. Space network mode and organization mechanism of logistics enterprises[M]. Beijing, China: Science Press.]

13
王成金, 张梦天. 2014. 中国物流企业的布局特征与形成机制[J]. 地理科学进展, 33(1): 134-144.

[Wang C J, Zhang M T.2014. Spatial pattern and its mechanism of modern logistics companies in China[J]. Progress in Geography, 33(1): 134-144.]

14
郁玉兵, 熊伟, 曹言红. 2013. 城市物流质量评价与空间结构优化: 以浙江省为例[J]. 经济问题探索, (3): 62-68.

[Yu Y B, Xiong W, Cao Y H.2013. Urban logistics quality evaluation and spatial structure optimization: a case of Zhejiang[J]. Inquiry into Economic Issues, (3): 62-68.]

15
Cidell J.2010. Concentration and decentralisation: the new geography of freight distribution in U. S. metropolitan areas[J]. Journal of Transport Geography, 18(3): 363-371.

16
Dablanc L, Rakotonarivo D.2010. The impacts of logistic sprawl: how does the location of parcel transport terminals affect the energy efficiency of goods' movements in Paris and what can we do about it[J]. Procedia Social and Behavioral Sciences, 2(3): 6087-6096.

17
Hesse M, Rodrigue J P.2004. The transport geography of logistics and freight distribution[J]. Journal of Transport Geography, 12(3): 171-184.

18
Hong J J, Liu B L.2007. Logistics development in China: a provider perspective[J]. Transportation Journal, 46(2): 55-65.

19
Jefferson M.1939. The law of the primate city[J]. Geographical Review, 29(2): 226-232.

20
Knowles R D.2006. Transport shaping space: differential collapse in time-space[J]. Journal of Transport Geography, 14(6): 407-425.

21
O'Connor K.2010. Global city regions and the location of logistics activity[J]. Journal of Transport Geography, 18(3): 354-362.

22
Rivera L, Sheffi Y, Welsch P.2014. Logistics agglomeration in the US[J]. Transportation Research Part A: Policy and Practice, 59: 222-238.

23
Rodrigue J P, Comtois C, Slack B.2013. The geography of transport systems: 3rd Ed.[M]. New York, NY: Routledge.

24
Van Den Heuvel F P, De Langen P W, Van Donselaar K H, et al.2013. Spatial concentration and location dynamics in logistics: the case of a Dutch Province[J]. Journal of Transport Geography, 28: 39-48.

25
Woudsma C, Jensen J F, Kanaroglou P, et al.2008. Logistics landuse and the city: a spatial-temporal modeling approach[J]. Transportation Research Part E: Logistics and Transportation Review, 44(2): 277-297.

26
注:*表示非省会城市;**表示第六次人口普查数据;#表示2011年数据.

Options
文章导航

/

〈 〉