中国—荷兰中欧班列货源结构时空演化研究*

汤银英 ，李旭强，陈 思

（1西南交通大学交通运输与物流学院 副教授、博士，四川 成都 611756；2西南交通大学交通运输与物流学院 硕士研究生，四川 成都611756；3西南交通大学交通运输与物流学院 讲师，四川 成都 611756）

0 引言

近年来，中国与欧盟之间经贸往来日益密切，据我国海关统计，2018年我国对欧盟进出口值是6 821.6亿美元，欧盟是我国最大贸易伙伴和最大进口来源地。身处“一带一路”海陆交汇地的荷兰，是中国在欧洲的重要贸易合作国家。从2000年至今，荷兰一直是中国在欧盟前三大贸易伙伴之一，是中国在欧盟的重要投资目的地，中国则是荷兰最重要的进口国，2018年中荷之间进出口贸易额接近851.8亿美元。中荷相距甚远，传统海运虽运量大，但却受限于水运条件、运输时间、自然天气等客观因素。而经由中欧班列进行货物运输，运输时间仅为海运的一半，运行过程也更为稳定和安全，因此研究中国与荷兰之间中欧班列货源组织问题，具有重要现实意义。

我国与荷兰之间有经贸往来的省市区有15个，广泛分布于东中西部各地，且均开行有中欧班列往来于中荷之间。这些班列的组织运营与其他省市的中欧班列一样，面临诸多问题，如多数线路其组织运营取决于地方政府，运营网络与总体布局又缺乏系统设计，导致多数班列运行路线长距离重合或相近，一些货源腹地交叉的班列竞争激烈，一些地方政府甚至通过补贴等非市场行为吸引货源，造成货源被不合理分割，产生不合理运输。如何统筹做好中荷之间货物集散工作，合理划分货源区域，科学合理控制开行中欧班列城市数量，不仅关系到班列公司和货主的运输成本，甚至影响班列的开行质量和品牌建设。

近年来，学者们在中欧班列货源方面开展了一系列研究。其中，秦欢欢等[1]、杨莹[2]提出基于货物价值对中欧班列目标货源进行分析;张中理[3]、王姣娥等[4]、李文锦等[5]在货源组织、编组构成、货物集散及运输组织等方面，提出相关优化建议；富鹏飞[6]通过分析华南地区中欧班列的运营现状，从国际国内两个方面分别提出国际上加强与沿线国家合作，在资本一体化的约束下解决利益分歧，国内“合作双赢、竞争双输”；邵晓娴[7]、付新平等[8]通过对中欧班列的物流运输通道与集结发车模式进行运输成本和时效性分析，研究中欧班列的定位及适宜货源货值范围；崔艳萍[9]、王宏智等[10]、李佳峰[11]分别从优化运输通道、构建物流运输平台、优化铁路物流中心布局等角度，提出优化措施；李泽文[12]、文思涵等[13]则是从运输路径及选址的角度，以货源组织成本最低为目标对中欧班列的运输进行优化；陈伟等[14]通过分析“渝新欧”回程货源现状及其原因，提出针对性的解决模式。这些研究多集中于目标货源分析、货源组织方法优化、营销策略与集散模式等方面，对于货源结构的空间布局及其时空演化规律分析则较少涉及。鉴于此，本文将通过运用模糊C均值聚类方法，研究2014—2018年，中荷贸易背景下中欧班列的货源结构时空演化趋势，并提出相应的优化建议。

1 货源区划分原则

本文的货源区定义借鉴交通小区的划分思想，将货源产生地进行合并，形成在空间上分布的货源区。货源区在划分时，应结合社会经济发展现实，具备长远发展目光，以提高班列服务质量为目标，以提升中欧班列品牌利益为核心，以中荷市场为导向，以中国与荷兰之间运输需求为基础，将货源区进行整体规划，最终实现中荷之间中欧班列运输产品质量与服务品质的提高。

货源区划分原则如下：

1）避免打破行政区域划分，以便于利用所在政府数据。

2）合理控制小区划分的数量及面积大小。

3）避免大型货源点被不同区分割。

4）避免合并地理上不相邻的货源区。

2 货源区划分与合并

2.1 货源区划分方法

2.1.1 传统的划分方法

传统交通小区是研究具有一定交通关联度和交通相似度的节点或连线的集合，一般基于研究区域用地性质、人口分布、产业结构、行政区域、路网布局等指标定性分析划分。划分方式较为简单，不能较好反映划分小区之间内在联系，且难以平衡划分精度与工作量。

2.1.2 基于模糊聚类的划分方法

先借鉴交通小区的划分方式，定性分割货源区，然后基于一定指标，运用模糊聚类方法，对货源区进行合并划分。这种方法可有效减少小区数量，降低计算工作量与成本，并通过分析小区的相关指标，可较好反映各小区之间的内在联系，最终有效整合交通小区数量并进行分类。

货源区在完成定性划分之后，一般数量较多，需进行一定的合并以减少货源区数量。本文拟采用定性与定量相结合的方法进行货源小区划分，首先依据货源小区划分原则对货源进行区域分割，然后利用模糊C均值聚类分析方法对小区进行合并，最后结合货物运输实际情况以及货源区地理位置对货源区进行结果修正。货源区划分流程如图1所示。

图1 聚类流程

2.2 模糊聚类分析方法

本文选用的模糊C均值聚类算法，在类别与类别簇间建立一种模糊的不确定性描述，能客观反映现实世界，还能指明划分的外围、不同区块之间的衔接程度、离散程度，从而挖掘出更多的信息。

2.2.1 聚类指标选取

指标选取满足运输市场运输需求，以市场需求为导向，充分考虑地区经济发展和产业布局对于中欧班列发展的影响，服务于国家与地区经济的发展，满足货主相应的运输需求。基于本文对于中欧班列货源组织的研究，为合理反映货源的时空演化趋势，选取指标有：运输距离、运输时间、进口货运量、出口货运量、场站办理能力、运价。

指标确定之后，因属性差异，采用层次分析法求出各指标比重，分别为 w=（w1，w2，w3，...，w6）。

2.2.2 数据处理

为消除各指标不同量纲造成的计算影响，需对数据进行无量纲化处理。设货源区集为X=｛x1，x2，...，xn｝，n代表货源区的数量，货源小区集中的每个对象xi用m个参数值进行表征，每个参数值代表某个小区的某个特征，每个小区可用一个向量xi=（xi1，xi2，...，xim）表征，即原始矩阵中的每一行，故可得原始矩阵如下：

对数据进行标准化处理，以使数据属于[0，1]，数据处理方法为：

极差标准化变换：

，sj是矩阵X=（xij）n×k每一列的均值和标准差，x′max、x′min为的最大值和最小值。

本文将邻接矩阵应用于模糊聚类分析当中，对于空间相邻问题，邻接矩阵处理如下：

2.2.3 模糊聚类

给定数据集｛x1，x2，...，xn｝，k为类别数目，mj（j=1，2，...，k）为每个聚类的中心，μj（xi）是第i个样本对应的第j类的隶属度函数，则基于隶属度函数的聚类损失函数为：一般取值为 2，称为平滑因子，

式中控制模式在模糊类间的分享程度。

令Jf对mj和 μj（xi）的偏导为 0，求得公式（6）极小值的必要条件：

采用迭代方法求（7）、（8）式，直到满足收敛条件，得到最优解。所得结果再与其邻接矩阵相乘，以避免将地理位置不相邻的区域合并聚类。

3 实证分析

目前，中欧班列依托西伯利亚大陆桥和新亚欧大陆桥，已初步形成西中东三条运输通道。其中，西通道经由新疆阿拉山口（霍尔果斯）口岸出境，经中亚、西亚等国，通达欧洲各国；中通道由内蒙古二连浩特口岸出境，途经蒙古国与俄罗斯西伯利亚铁路相连，通达欧洲各国；东通道由内蒙古满洲里（黑龙江绥芬河）口岸出境，接入俄罗斯西伯利亚铁路，通达欧洲各国。而中欧班列到达荷兰的路线多经由西通道进行运输，考虑到数据获取难易程度，本文拟统一采用经西通道运输的路径研究为准。

3.1 数据来源

中国各地2014—2018年与荷兰之间的进出口货源数据如表1、表2所示。

表1 中国各省份与荷兰历年进口数据 t

表2 中国各省份与荷兰历年出口数据 t

3.2 按省属区域划分货源

按省属区域划分货源主要是依据货源小区划分原则对中国与荷兰之间的货源区域按省份进行分割，依据不打破原有行政区域规划，属性相近的货源区尽量划分到同一个小区之内的原则，故将其初步划分为15个货源区。

本文指标选择及其相关数据如表3所示，各指标在货源区划分时作用不同，采用层次分析法求得各指标权重， 分别为：0.13、0.11、0.25、0.25、0.06、0.2。其中运输距离选取省会城市到阿拉山口口岸的铁路运输距离，办理能力依据铁路集装箱中心站办理能力确定。

以2018年中国到荷兰的中欧班列货运为例，进行分析。数据进行极差标准化处理，其中运输时间在处理时，取时间区间中值再进行标准化处理，结果如表4。

3.3 中荷贸易背景下货源区聚类

为避免在聚类的过程中将地理上不相邻的货源区合并，故在模型计算的过程中，需使用邻接矩阵进行结果修正，基于各地实际开行班列，确定其地理的邻接关系，各货源小区之间的邻接关系用如下邻接矩阵表示为：

表3 2018年中国各货源区基础资料

表4 数据极差标准化变换

本文使用方法为模糊C均值聚类，需要事先确定聚类数C。基于中荷之间的中欧班列货源结构分析，取C=5，并将以上数据代入模型，使用matlab2016得其隶属度矩阵为：

根据最大隶属度原则及聚类目标，聚类分析结果如下：

第一类：北京、天津、辽宁、山东，共4个；

第二类：四川、重庆、云南、广东，共4个；

第三类：河南、湖北、江苏、浙江，共4个；

第四类：福建、湖南，共2个；

第五类：上海，1个。

3.4 时空格局演化分析

同样运用模糊C均值聚类依次计算出2014年、2015年、2016年以及2017年的聚类结果如下所示：

将各地历年聚类结果汇总如表5所示。由表5可以看出：

1）货源空间结构呈现动态演进的趋势，地理上呈现空间集聚的特征，货源区域面积“由整到散”。即聚类的货源区由大型的货源区逐步演化成离散的小型货源区，各货源区差距逐步缩小，出现向西南、东南、东北、中东各地逐步聚集的趋势。究其原因：各地对于中欧班列逐步重视，地方政府甚至不惜巨资进行价格补贴，帮助班列吸引货源，各地班列线网建设逐步完善，实现常态化运营，逐渐形成一定地域优势。

表5 2014—2018年中荷贸易背景下货源区聚类结果

2）货源增长呈“西高东低”的阶梯型趋势，在货源结构成长上表现出空间分异性特征。其中，西南地区成为发展最快、货源量最大的区域，占中荷货运量的一半左右；东北、东南等沿海地区则货源数量成长缓慢，且数量较少；中部地区发展缓慢，但运量较大。究其原因：东部沿海地区海运发达，与同样地处沿海且海运发达的荷兰进行海运运输更为便捷，对于海运运输依赖程度远高于陆路运输；而西部地区深居内陆，交通不便，缺乏海运条件，相比于中东部而言，其对于运量大、运价低，且距离西部边境口岸更为便捷的中欧班列重视程度较高，故其班列开行数量、货运量以及发展速度远高于其他地区。

4 结论与建议

4.1 主要结论

本文选取运输距离、运输时间、进口货运量、出口货运量、场站办理能力、运价六个指标，并运用模糊C均值聚类方法，分析了我国15个省（市、区）2014—2018年的货源区域分布，剖析其时间和空间层面的演变及原因，分析货源结构时空演化特征，得到如下结论：

1）中荷贸易背景下中欧班列的货源总体呈上升趋势，按其发展速度可分为两个阶段，即2014—2016年的起步阶段及2016年至今的快速发展阶段。货源发展方面，东、中、西部省区差异明显，货源成长呈现空间分异性特征，“西高东低”的阶梯型趋势较为明显。其中，西部地区成为发展最快、货源量最大的区域，占中荷货运量的一半左右；东北、东南等沿海地区则货源数量成长缓慢，且运量要少于中西部地区；中部地区连接东西，运量居中。总体而言，各地货源结构发展差异明显，且有逐步扩大的趋势。

2）中荷之间的贸易货源分布出现空间集聚效应，呈现向西南、东南、东北、中东各地逐步聚集的趋势，反映了各地吸引货源措施效果明显，各地班列逐步实现常态化运营，线网运营逐步走向成熟，并呈现一定的区域特征，邻近班列的中荷贸易货源也随中欧班列发展而出现空间集聚趋势。其中，以西部的成都与重庆，中部的郑州与武汉，以及东部的苏州和义乌为代表，并在各自相关区域形成一定货源吸引范围，达到货源区域整合的效果，且与现实中各地班列的发展较为吻合，表明聚类结果较为合理。

4.2 政策建议

本文研究的是中荷贸易背景下的中欧班列，但对于整个中欧班列的发展依然具有一定借鉴意义。各地班列之间及政府之间可建立相应区域性合作机制，在财政补贴、货源组织、货源与区域发展等方面，实现“信息互通、利益共享、风险分担”，推动中欧班列市场化进程，促进中欧班列良性发展。

1）财政补贴方面，进行区域合作，建立完善的财政分担机制，缓解各地财政压力。通过各地货源区域整合，发挥财政的激励导向作用，依据各地经济发展水平不同，财政负担能力不同，货运成本不同，进出口货运量不同，班列在建设期与运营期发展情况的不同，构建合理的财政补贴分担机制，减轻各地对于中欧班列补贴的财政压力。

2）去回程货源组织方面，明确各区域分工与定位，合理划分货源腹地，避免盲目开行班列，注重优势互补，协同发展。对于货源腹地重叠交叉的班列，加强区域内合作，利用区位优势，实现强强联合共同发展，促进货源区域整合，缓解各地班列之间的竞争[15]，发挥规模效应，实现区域内货物的集拼集运，提高去回程班列满载率，优化班列开行质量。

3）货源与区域发展方面，推动“港口—腹地”区域经济发展，促进区域产业结构与班列货源结构的耦合协调发展。大力支持区域内货源相关产业发展，借助中欧班列发展实现产业转移，带动产业升级，从而促进区域经济的发展，实现班列与区域经济发展的良性互动，进而促进中欧班列良性发展。