研究笔记 | 基于快递网点数据的珠三角地区网络化物流联系空间格局与结构
1
引言
这个小研究是我作为实验室成员以来，第一次独立地尝试系统研究。因为在此之前，学校的其他课程作业都是以小组形式完成，并且当时由于疫情原因，我一直未返校，所以我独自在做这个课题的过程当中就算已经有了“全国版本”的指南，我也屡次碰壁。多亏肖老师以及师兄师姐们的帮助，让我算是初次体验了一把研究者的艰辛与成果出来之后的成就感，所以这个成果对我来说有一定意义，在此浅作分享，研究成果还有诸多不足，敬请大家批评指正。特别说明的是，这个研究的方法及思路参考了唐承辉、马学广老师的《中国城市网络化物流联系空间格局与结构: 基于快递网点数据的研究》[27] ，非常感谢！
02
研究内容
为反映城市网络的宏观格局，分别从空间形态与首位联系揭示物流联系的地域特征。由于网络在整体、局部与个体等尺度下具有不同的结构，因此采用连通度分析、集聚强度分析、社会网络分析、主干网络分析、空间自相关分析等方法进行测度。
2.1 研究方法
2.1.1 基于链锁模型的联通度分析
作为企业在不同地区的分支机构，快递网点通过集中与分散功能实现了快件的空间移动。为反映快递网点所在城市的经济联系，借鉴GaWC提出的链锁模型构建8家大型快递企业与101个城市地区的二模矩阵，从而计算城市间连通度。具体计算公式如下：
（注：本次选择的八家快递是根据网络排名选择，其中排名前八中的EMS因其为国营企业，京东快递以电商物流为主具有特殊性，故递补百世汇通及德邦快递）
2.1.2 集聚强度分析
集聚性(Sm)指某一个城市与其他城市联系强度之和，可表征城市在网络的集聚强度，计算公式为：
式中：Smi表示城市m与城市i的联系强度，Sim表示城市i与城市m的联系强度。
2.1.3 社会网络分析
Ucinet软件可以很好地表达快递网络的特征，利用其计算出网络密度、集聚系数以及平均最短路径等指标。网络密度指各节点间的紧密程度，此研究的节点是每个镇区，又可以通过集聚系数的值得出每个镇区之间联系的集聚程度。平均最短路径表示任意2个节点相互到达所必须经过的路径数目，往往用于反映网络节点的通达效率。核心—边缘模型通常用于区分网络中处于核心与边缘位置的节点。核心区节点间联系紧密，边缘区节点联系稀疏。度数中心度表示与某节点直接相连其他节点的个数总和，其数值越大表示某节点的联系能力越强，也就是说该节点的地位在此网络越高。中介中心度表示网络中所有最短路径中经过该节点的数量比例，通常作为表示衡量在网络中的中介性强度。所以，在此研究中，利用Ucinet软件的度数中心度来分析节点的影响力，中介中心度用于识别快递网络中的中转枢纽及其辐射结构。
2.1.4 空间自相关分析
通过 GIS 软件的空间探索性数据分析功能，对节点度数中心度在整体与局部的空间相互作用模式进行测度，从而分析快递网点空间布局的整体与区域集聚性。
2.2 研究框架
03
数据获取与处理
本次基础数据来源于：快递100/爱查快递等大型快递网站后，再对各大公司公布的网点信息进行人工校准，最终建立珠三角物流网络数据库。
04
空间格局与联系
基于链锁模型构建城市间联系矩阵，运用 GIS 软件自然间断点法进行分级与可视化表达，发现城市网络具有层级性与不均衡性等特征，具体而言，主要有以下4个方面：
(1) 珠三角城市间联通度最高的第一等级城市为：珠海、广州，其中珠海市内仅有三个行政区，各大快递均有众多驻点，所以内部联通度较高；然广州作为广东省甚至于华南地区快递运输枢纽；纵观珠三角地区，大致形成了“梯形”的空间结构。
(2) 珠三角地区市县行政区内第一等级的市县区域联系主要集中在广州、深圳、佛山等珠三角地区内核心城市，呈现“点对点”空间格局。其中，广州、深圳地区城市间连通度均在0.4以上，城市间联系密切并奠定了珠三角城市网络的基础。广州、深圳在珠三角地是经济发达且人口密集的，快件派送的需求量大，吸引了众多快递网点空间布局，从而推动人员、信息以及物质等资源在这两个城市间快速流动与集聚。此外，佛山、惠州、东莞部分城镇分别与广州、深圳之间也形成了高等级联系，并分别成为广佛地区、深惠地区、深莞地区重要的快递物流集散中心。
(3) 第二与第三等级的城市联系主要围绕第一等级城市分布，也就是为第一等级城市下属区县及靠近第一等级城市边区县；西侧地区联系较缺乏且成网密度较低。在珠三角地区，尽管第三等级中肇庆、江门与广州、佛山、珠海地区有一定联系，但是由于在珠三角地区内部这类城市由于整体经济偏落后于深圳、广州等核心城市，人口分布相较第一等级城市更少，导致快递需求不足以及网络体系发育水平低于第一等级。尤其是这两个城市边缘区县空间联系稀疏，缺乏与较发达地区的资源流通渠道，进而反映出城市网络的核心—边缘结构。
(4) 低等级城市间联系数量较多，但连通度却较低。在第四与第五等级中，城市间联系数量大幅度增加，并且形成全域形的城市网络。这表明快递企业通过网点空间布局与扩张形成覆盖珠三角地区所有区县快递物流网络，促进了地域间物质的流通与交换。然而，高连通度的区县连线数量较少但联系规模较大，而低连通度的区县连线数量较多但联系规模普遍较小。在快递网络中，这些不同联系规模的城市，一方面通过集聚与扩散作用促进城市网络体系的形成与发展，但另一方面也反映了纵使在如珠三角地区如此经济发达的区域，也存在一定区域经济地理格局的不均衡性。
基于首位联系方向与强度进一步识别快递网络空间格局，并利用GIS软件自然间断点法对其进行分级与展示。首位联系指某城市与其他城市形成的最密切联系，而首位联系规模指某城市拥有首位联系的数量。首位联系格局反映了中国城市网络的大城市指向性与等级规模分布等特征。
总的来说，广州是珠三角地区城市主要首位联系对象，其次为深圳、东莞、惠州地区，也与该类城市的经济、人口规模相对应形成较多跨越行政边界的长距离首位联系，反映出在经济全球化背景下，行政边界与地理距离对城市间物流联系的限制作用在逐渐降低。在珠三角地区，以广州为主要城市，主导着城市联系的方向与强度，从而表现出强烈的巨型空间溢出效应。同时，也反映出基于链锁模型构建的快递网络具有一定“马太效应”，即某城市的分支机构数量越多且级别越高，与其他城市间的连通度也越高，从而导致网络出现首位联系极化而联系广度分散的特征[37]。例如江门、肇庆、中山等城市辐射能力较为有限并具有邻近属地特征。从首位联系规模来看，广州、深圳处于珠三角地区核心地位，也属于第一等级规模城市，其次为东莞、惠州、佛山等区域性核心城市，再次为江门、肇庆、中山、珠海等更次一级核心城市，从而使得城市体系呈现出一定的等级规模特征。
利用Ucinet软件将连通度矩阵进行二值化，并对网络密度、聚集系数以及平均最短路径等指标进行测度(表3-1)。计算得出，珠三角快递网络的密度为0.91，平均最短路径为 1.1，即任意 2 节点间需通过1.1 条线才能相连，属于 ER 随机网络的理论值范围内(聚集系数为 0.660，平均最短路径为 1.314)，表明网络整体关联性水平很高，并且城市间联系紧密。同时，对整体网络的核心—边缘程度进行分析，发现拟合系数为 0.907，核心区密度为 0.948 而边缘区密度仅为0.66，反映出快递网络具有明显的核心—边缘结构，并且城市间联系在核心区与边缘区呈现出较大不平衡性。
从聚集系数来看，珠三角地区城市区县快递网络因城市数量较多且经济联系较为紧密，故网络聚集系数为0.91，而核心区网络因城市数量较多且节点更密集，聚集系数高达 0.822 ，相反，边缘区城市数量较少，城市间联系较少，平均最短路径为1.9， 且聚集系数仅为0.168，反映出边缘区网络节点间传输性均较差，不利于城市间物质资源流动与集聚，并额外增加物流运输与扩散的成本。
综合来看，珠三角地区总体城市区县内快递网络具有较高的集聚系数和较小的平均最短路径，即节点更为密集且具有良好通达性，从而使得快件在实际运输中仅需通过更少的节点进行中转，反映出核心区具有较显著的小世界性。
作为城市间联系强度之和，集聚性系数可用于识别城市联系的集聚程度。利用 GIS 软件的自然间断点分级法对快递网络集聚性进行分级展示，以揭示城市的流集聚能力。同时，通过Ucinet软件测度节点的度数中心度表征城市的辐射能力，并进行探索性空间数据分析，从而探讨节点在区域的相互作用模式。
集聚性刻画了不同城市群发展态势以及核心城市的辐射效应。珠三角地区全域呈现出高水平网络化发展态势，总体来看，珠三角地区快递网络发育较为成熟，并对周围地区产生了强烈的辐射效应。此外，快递网络的集聚高地主要集中在珠三角中部偏沿海地区，西北，西南部分区县处于空间联系的低谷，侧面证实珠三角地区也存在经济发展的不均衡性；城市度数中心度的空间分布呈现出空间正相关特征，并在广州、佛山地区呈现高—高聚集区，肇庆区县内呈现低—低聚集区，广州、惠州部分区县呈现低—高聚集区，快递网络全局 Moran's I指数是 0.3723，Z 值为 6.354(P=0.000)，表明在显著性水平为1%下城市的度数中心度具有一定的空间正相关性。采用LISA图对城市度数中心度的局部作用模式进行深入分析，并依据GIS软件将集聚模式划分为高—高集聚、高—低集聚、低—高集聚以及低—低集聚 4 种类型。
总体来看，大多数城市因度数中心度较小而导致集聚与辐射能力有限，并未形成明显的局部空间集聚现象，成为了集聚不显著的地区。然而，广州佛山地区，以及深圳部分区县凭借着发达的经济与密集的人口吸引着大量快递网点的集聚，从而分别形成了以广州、佛山，深圳等城市为核心的高—高集聚区。这些城市区县不仅物流联系十分密切，而且对周围地区产生了明显的辐射带动作用。同时，由于广州作为华南地区，珠三角区域物流的枢纽，相比于周围地区度数中心度更高，形成高—低集聚模式。然而，低—高集聚与低—低集聚模式的城市较少，仅零星分布在肇庆部分区县，说明肇庆市内部分区县虽凭借行政与信息等资源吸引了部分快递网点集聚，但因数量与规模有限，难以对周围地区产生明显的辐射带动作用，同时采取了冷热点分析方法，对珠三角地区全域快递网络冷热点进行了分析，其结果与集聚模式呈类似分布情况，肇庆市内地区快递网点分布较少，故呈现低冷点态势，而广州佛山地区快递网点分布较多，呈现高热点态势。
广东省作为中国经济第一大省，经济基础雄厚、基础设施发达并且人口众多，吸引了大量快递网点的集聚。因此，在快递公司划分的华南地区，呈现了以广州市为主要中转枢纽的物流联系格局。我国在存量发展阶段一直推行高质量发展，并强调城市集群发展，在珠三角地区此类特征尤为明显。东莞、深圳两市县内由于具有临近的地理位置，在快递网点布局上快递企业多为集群分布，促使物流联系逐渐突破行政区划与地理距离的限制而呈现出跳跃式发展，致使地区内快递网点密集并形成较发达省区间网络，从而促进城市群内部联系与综合实力提升。
弦图作为拓扑网络可视化的新型方法，可利用圆弧与连线反映节点属性与联系，即圆弧越长表示节点属性值越大，而圆弧间连线数量越多且宽度越大则说明节点间联系越密切。基于省区间的弦图更为直观地识别了快递网络特征与结构，其结果与地理网络具有较高的相似性，广佛、深莞、深惠地区物流联系广泛且集群规模更高，而肇庆、江门地区物流联系更缺乏且规模更小，从而反映出省区尺度下快递物流联系也受到区位条件影响而呈现出地域不均衡性。尽管珠海市内各区联通度较高，并且属于第一等级网络梯队，但在珠三角区域网络中由于其经济与人口总体规模更小，导致其联系数量与集群规模小于广州、深圳等城市。
05
研究不足
（1）由于数据获取困难，本文仅研究了“粤港澳大湾区”中原“珠三角地区”，缺乏港、澳地区的物流数据点，对于全面评估新时代背景下粤港澳大湾区快递物流网络整体空间格局仍然存在一定距离；
（2）由于空间单元选取的规模较小，本文并未针对镇区节点进行规模分析，后续研究可针对联通度较高的镇区进行节点分析，通过人口、经济等多方面影响因素对快递物流节点进行评估，跟踪快递企业网点选址的原因及针对地理空间提出更好建议；
（3）同时，本文虽通过链锁模型构建了城市间快递网络，但与现实中的客货等物质流动仍存在一定的差距，并且缺乏对快递网络形成与演化机制的深入探讨。
参考文献
向下滑动 查看更多
[1] 李鲁奇,马学广.基于运单数据的中国快递型物流网络格局、结构与功能——以宅急送为例[J].地理科学,2019,39(01):89-97.DOI:10.13249/j.cnki.sgs.2019.01.010.
[2] 马学广. 全球城市区域的空间生产与跨界治理研究[M]. 北京: 科学出版社, 2016: 25-45.
[3] 马学广, 李贵才. 世界城市网络研究方法论 [J]. 地理科学进展, 2012, 31(2): 255-263.
[4] Kumar I., Zhalnin A., Kim A., et al.Transportation and logistics cluster competitive advantages in the U.S. regions: A cross-sectional and spatio-temporal analysis[J].Research in Transportation Economics, 2016(61):102-121.
[5] 董琦, 甄峰. 基于物流企业网络的中国城市网络空间结构特征研究 [J]. 人文地理, 2013, 28(4): 71-76.
[6] Rivera L., Sheffi Y., Knoppen D. Logistics clusters: The impact of further agglomeration, training and firm size on collaboration and value added services[J].International Journal of Production Economics, 2016(179):285-294.
[7] 沈玉芳,王能洲,马仁锋,等. 长三角区域物流空间布局及演化特征研究_沈玉芳[J]. 经济地理, 2011, 31(4): 618-623.
[8] 刘明,杨路明.区域物流的产业效率、空间互动与协调发展——基于全国277个地市级城市的数据实证[J].中国流通经济,2019,33(08):34-44.DOI:10.14089/j.cnki.cn11-3664/f.2019.08.004.
[9] 张大鹏,曹卫东,姚兆钊,等. 上海大都市区物流企业区位分布特征及其演化_张大鹏[J]. 长江流域资源与环境, 2018, 27(7): 1478-1489.
[10] 戢晓峰,连晨希,陈方. 基于L-3D方法的云南省物流经济空间格局研究_戢晓峰[J]. 人文地理, 2016, 31(5): 141-147.
[11] 曹允春,罗雨.空港型国家物流枢纽承载城市航空物流关联程度及其网络结构研究[J].技术经济,2020,39(08):174-182+190.
[12] 崔园园,宋炳良. 长三角区域物流空间演化与影响因素分析_崔园园[J]. 华中师范大学学报(自然科学版), 2015, 49(2): 302-306, 313.
[13] 李金峰. 流空间视角下中原城市群城市物流网络结构分析_李金峰[J]. 河南科学, 2019, 37(12): 2041-2048.
[14] He M. L. S. J. R., Wu X. H., Luo J. Q.Logistics Space: A Literature Review from the Sustainability Perspective[J].Sustainability,2018(10):1-24.
[15] Aljohani K. T. R. G.Impacts of logistics sprawl on the urban environment and logistics: Taxonomy and review of literature[J].Journal of Transport Geography,2016(57):255-263.
[16] Woudsma C., Jensen J. F.Accessibility and Freight: Transportation and Land Use—Exploring Spatial-Temporal Dimensions[J].Freight Handling,2005(07):267-295.
[17] Den Heuvel F. P. F. V., Rivera L., Van Donselaar K. H. K., et al.Relationship between freight accessibility and logistics employment in US counties[J].Transportation Research Part A-policy and Practice,2014(59):91-105.
[18] Skjött-Larsen T., Paulsson U., Wandel S.Logistics in the Öresund region after the bridge[J].European Journal of Operational Research,2003,144(02):247-256.
[19] Allen J., Browne M., Cherrett T.Investigating relationships between road freight transport, facility location, logistics management and urban form[J].Journal of Transport Geography,2012,24(04):45- 57.
[20] Andreoli D., Goodchild A., Vitasek K.The rise of mega distribution centers and the impact on logistical uncertainty[J].Transportation Letters,2010,2(02):75-88.
[21] 叶磊, 段学军. 基于物流企业的长三角地区城市网络结构 [J]. 地理科学进展, 2016, 35(5): 622-631.
[22] 李苑君,吴旗韬,吴康敏,王洋,张虹鸥,邹志鹏.“流空间”视角的电子商务快递物流网络结构研究——以珠三角城市群为例[J].地域研究与开发,2021,40(02):20-26.
[23] 任腾,罗天羽,谷智华,胡芷青,贾彬彬,邢立宁.考虑同时取送货的城市物流共同配送路径优化[J/OL].计算机集成制造系统:1-18[2022-05-17].
[24] 朱慧,周根贵.基于引力模型的内陆型区域物流空间联系研究——以浙江金衢丽地区为例[J].地域研究与开发,2015,34(01):43-49.
[25] 李钢, 陈未雨, 杨兰, 等. 武汉市快递自提点的空间格局与集聚模式研究 [J]. 地理科学进展, 2019, 38(3): 407-416.
[26] 倪玲霖, 王姣娥, 胡浩. 中国快递企业的空间组织研究:以顺丰速运为例 [J]. 经济地理, 2012, 32(2): 82-88.
[27] 唐承辉, 马学广. 中国城市网络化物流联系空间格局与结构: 基于快递网点数据的研究 [J]. 地理科学进展, 2020, 39(11): 1809-1821.
[28] Taylor P, Derudder B, Hoyler M, et al. City-dyad analy-ses of China's integration into the world city network [J].Urban Studies, 2012, 51(5): 868-882. [28]
[29] 孙阳, 张落成, 姚士谋. 基于快递企业总—分机构的中国城市网络空间结构 [J]. 中国科学院大学学报, 2017,34(5): 591- 597.
[30] Thill J C, Lim H. Intermodal containerized shipping inforeign trade and regional accessibility advantages [J].Journal of Transport Geography, 2010, 18(4): 530-547.
[31] Yang H, Nie Y C, Zhang H B, et al. Insight to the expresstransport network [J]. Computer Physics Communica-tions, 2009, 18(9): 1511-1515.
[32] 王克强, 万宁娜. 长三角地区城市城际联系度测度: 基于物流数据视角的分析 [J]. 城市问题, 2017 (10): 25-37.
[33] 聂晶鑫, 黄亚平, 刘合林, 等. 基于社会网络分析的武汉城市圈城镇生活性关联特征 [J]. 经济地理, 2017, 37(3): 63-70.
[34] 刘军. 整体网分析讲义: Ucinet 软件实用指南 [M]. 上海: 上海人民出版社, 2009: 30-42.
[35] 杨文龙, 杜德斌, 马亚华, 等.“一带一路”沿线国家贸易网络空间结构与邻近性 [J]. 地理研究, 2018, 37(11):96-113.
编辑 / 罗婧萌
校对 / 田宜可
执行 / 郭少军
相关链接
。
。
网络分析研究笔记
探索小世界网络模型（Small-world Model）
多层网络（multilevel network）及其应用于空间相关研究的可能性探讨
学术论文
交通系统重构背景下水乡聚落的转型与发展战略研究——以安新县为例
校园社交网络干预对青少年健康行为的影响：一种基于性别特征的多智能体模型