基于POI数据的上海物流业空间布局与区位特征分析

2020-09-10陈倬睿

物流技术 2020年8期

涂敏，陈倬睿

（武汉理工大学交通学院，湖北武汉 430063）

1 引言

物流业作为一种综合多行业的生产性服务业，既是国民经济高质量增长的基础要素，又对其发展起着战略前导性的作用。以物流节点为核心的实体网络和以物流企业为核心的组织网络是其空间格局的重要构成部分。从实质上看，物流服务生产、销售，是生产、销售的附属行为。

不同于单个产业集群简单的地理分布，物流空间格局是从整体规划角度来研究各层次物流节点设施、企业以及物流通道的布局情况，考虑如何构建高质量物流空间，进而提升相关区域内物流服务水平。已有众多学者对这一战略性决策问题做出贡献，在其研究中多采用统计分析、空间自相关、热点分析法等，主要以物流业增加值、就业人数、企业数量、货运量等作为基础数据。

兴趣点（Point Of Interest，POI）作为一种新兴地理信息数据，相比于企业黄页、工商信息等传统研究方法，其具有样本数量大、地理数据齐全、时效性更优等特点，可以为研究者提供更加准确的统计结果，近年来逐渐被广大学者运用到产业空间格局的研究中来。李国旗等[1]借助北京市物流POI数据，从多角度描述北京物流空间格局，并从供给侧与需求侧两方面解析其区位选择规律，最后对三种主要影响因子与物流活动分异机制进行揭示。梁燕[2]，翟青等[3]分别对郑州市和南京市服务业POI进行分析，研究其产业布局，结果表明在两市中物流业均表现出高水平集聚特征，并对其他类型服务业起到带动作用。杨晓楠等[4]，李钢等[5]，纪有福[6]分别对河北省、西安市、昆明市物流POI数据进行分析，对其位置分布、区位选择、集聚现象和影响因素进行研究，描述相关省、市的物流空间格局，多采用数理统计、空间分析以及地理加权回归模型等方法。

近年来，国家重点规划了长江经济带、“一带一路”倡议和京津冀协同发展三大区域发展战略，经济发展进入“新常态”，给各大城市产业结构带来了实质性的转变，物流业作为以新产业、新模式为核心的新动能不断增强，成为推动产业结构优化重组、推进供给侧结构性改革、实现经济高质量发展的重要力量。在此发展背景下，本文以上海为研究对象，主要考虑到它作为“一带一路”内陆节点城市，同时也是长江经济带上重要的物流枢纽承载城市，对外是经济交流的窗口，对内是产业发展的标杆，其物流业发展迎来了巨大的机遇与考验。如何利用地理优势促进其物流影响力，优化资源配置，发挥提振效应，对协调长江流域各地区经济发展和产业结构优化升级有着重大战略意义。

2 研究数据及方法

2.1 数据分类

基于国家标准《物流术语》（GB/T 18354-2006）和《物流企业分类与评估指标》（GBT 19680-2013）中对物流各项指标的分类和定义，结合国内外学术界和社会上对物流业的划分标准，对研究样本进行如下分类[1,8]：（1）物流节点为物资的中转、集散和储运提供中间连接场所，综观其在物流系统中的作用，在此将物流节点分为物流园区、配送分拨中心、物流中心3个小类，同时火车站、港口码头、机场等货运场站作为传统物流节点，是物流网络中不可忽视的一部分，将其作为政府规划建设的物流节点纳入第四小类；（2）物流企业作为物流供应链建设和运营的主要参与主体，以物流企业的服务功能为主要区分特征，将物流企业分为运输型物流企业、仓储型物流企业以及综合服务型物流企业3个小类；（3）考虑到物流科学在中国起步时间较晚，在其概念引入和专业化发展之前，已有某些物流相关设施对物流活动起到促进或引导作用，将其作为研究样本第三大类，并分为保税区和工业园区2个小类。研究样本分类结果与编码见表1。

表1 研究样本分类与编码

2.2 数据来源

2020年1月，基于高德地图开放API平台，利用爬虫软件对物流POI数据进行提取，选择“物流园区”、“配送/分拨中心”、“快递”、“速运”、“货运公司”等关键词，经统计筛选剔除重复与无效数据后，共收集上海市16个市辖区范围内的物流业POI数据共计11 877个。其中物流节点共计475个，物流企业共计10 931个，物流相关设施共计471个。将POI数据导入Arcgis10.2中，初步得到上海市物流业空间布局图（如图1所示）。

图1 研究样本分类型分布

2.3 研究方法

2.3.1 核密度估计法。核密度估计法（KDE）是以地理学第一定律为引导，用来衡量地理空间中点要素或者线要素测量值在指定邻域范围内的单位密度，反映其集聚特征和距离衰减规律的一种方法。首先用函数模型对每个“核”进行测算，计算其搜索半径内每个要素的权重值，再通过叠加每个网格单元中“核”表面权重值，进而得到该单元的密度值[9]。计算公式为：

其中：K(X)为核密度函数；h为带宽，且h＞0，代表距离衰减阈值；n为相对于要素x的距离不超过h的要素点个数。

2.3.2 最近邻分析法。最近邻分析是指将指定区域中所有要素的实际分布与该区域中所有要素在理论上的随机分布进行对比分析。首先，测得区域内每个要素（或其质心）与其最近邻要素（或其质心）位置之间的距离，然后计算出所有距离平均值，再除以期望下的平均距离，得到的结果就是平均最近邻比率（ANN）。计算公式为：

其中：D0为所有要素与其最近邻要素实际测量距离的平均值，De为所有要素在该区域内随机分布平均距离。若平均最近邻比率小于1，则表现的模式为集聚分布。若平均最近邻比率大于1，则表现的模式更趋向于扩散。平均最近邻比率值与聚类程度表现为负相关，当比率等于1时，则表示要素在该区域内为随机分布。

2.3.3 区位熵。区位熵（LQ）是评价某一区域内优势产业的基本方法，通过测量某一区域指定要素的空间分布情况，来反映某一产业的相对专业化程度[10]。计算公式为：

其中：qij为j地区i产业的指标值；qj为j地区的总指标值；qi为全国范围i产业的总指标值；q为全国总指标值。一般来说，当其值大于1时，则认为i产业在全国中占据竞争优势。

2.3.4 缓冲区分析。缓冲区指空间实体的一种服务范围或影响范围，通常以点、线或面为基础，以指定距离围绕要素周围绘制出多个缓冲圆环区域，再将需要分析的目标图层与之进行叠加，从而得到所需结果。缓冲区分析是一种解决邻近度问题的空间分析有效方法之一。

3 上海物流业空间分布特征分析

3.1 核密度分析

图2 不同类型上海物流活动核密度分析结果

基于表1分类结果，利用Arcgis10.2对上海市物流POI数据按大类进行核密度分析，得到结果如图2所示。综合来看，上海市物流活动总体表现为“一极化中心，多核心外迁”的空间格局，与上海市“十三五”规划提出的“五园区四基地”物流产业空间布局存在高耦合联系。受政府引导和区位理论的影响，物流节点的空间布局绝大多数位于城市外环线与郊环线之间。其中，西北综合物流园区作为典型的陆港型物流园区，建设时间最早，离城市中心区距离最短，主要发挥城市配送以及市内外物流集散的功能，同时联接长三角，借助三纵四横的交通优势，对物流企业的集聚效应相较于其他物流节点更高；坐落在浦东新区的外高桥保税物流园区、洋山深水港物流园区、浦东空港物流园区以及临港装备制造业物流基地，借助港口码头和航空港的地理优势，协同集聚效果显著，对物流企业的区位选择吸引力强，推动了物流活动核心的外迁，区域内物流节点和物流企业数分别占总量的22.15%和21.72%。物流企业的空间分布则呈现出多样化的结果，一方面，受物流节点的区位引导和地租理论的影响，呈现出近郊化的分布特征，企业选址多位于城市外环线，邻近上海交通主干道交汇处，最大化降低了区位间的运输成本；另一方面，考虑到企业自身的业务重心和其在产业链中的位置，仍有22.05%的物流企业分布于上海市中心七个城区，平均密度达8.12个/km2，远高于上海市平均水平1.68个/km2，物流活动呈现出极化现象。物流相关设施作为专业化物流网络发展之前物流活动的主要载体，其空间布局多依托于政策引导和各个工业园区的主导产业，同时受到火车站、港口等传统物流节点的影响，有小规模的集聚现象，多发生在上海市外环线与郊环线之间，规律性不强。从地理位置上看，多分布于黄浦江与长江附近以及靠近其他长三角城市群的西北部，与物流节点的空间分布呈现出较高的耦合联系。

3.2 平均最近邻分析

通过将不同类别的上海物流业POI数据导入Arcgis，经过坐标变换，计算出每个POI与其最近邻的POI之间的观测距离和随机分布下的预期距离，计算结果见表2。

计算结果表明，上海市物流空间总体分布的平均最近邻（ANN）指数为0.321 1，反映出上海市物流业有明显的空间集聚特征；Z值为-141.54，小于-2.58，即此聚类模式随机产生的可能性小于1%。此外，通过分别计算不同类型的物流节点和物流企业的平均最近邻指数可以看出，所有类别的平均最近邻比率均小于1，Z值小于-2.58，均在1%显著水平下检验通过，表现出统计学上显著的聚类特征。其中：综合服务型物流企业的集聚程度最高，ANN值为0.311 2，平均最近邻观测距离为380.61m；运输型物流企业密度最高，企业之间的平均观测距离最小，仅为264.78m；货运场站由于样本数量较其他类型少，且为政府规划建设的公共资源，更加注重在空间分布上的均衡性，ANN值为0.603 5。物流节点的平均最近邻指数和平均最近邻观测距离较物流企业普遍偏高，表现出物流节点作为物流专业化发展的核心产物，选址更为均匀合理；物流企业的主要服务对象为其他产业和城市居民，平均最近邻观测距离小，集聚特征更为显著，与核密度分析中物流活动空间分布特征相吻合。

表2 分类型节点和企业平均最近邻指数结果

3.3 产业集聚度评价

在研究中，区位熵的指标选取常采用就业人数或产值进行计算，考虑到物流业就业人员在市内通勤的流动性，不能准确测量特定区域的区位熵，故采用物流业产值进行计算。由于在国民经济核算中暂无专门的物流业产值统计，一般选取交通运输、仓储和邮政业产值代替物流业产值。本文研究数据来源为2019年上海市及各区县政府出版的统计年鉴、统计公报等。计算结果详见表3，并根据计算结果绘制上海市各区县区位熵分级图，如图3所示。

上海市总体物流业区位熵值为1.04，表明其集聚度略高于全国平均水平，可以认为从整体上看上海市物流产业存在一定程度的集聚情况，同时也有部分地区物流发展水平过低，体现了上海市各区县物流业发展的不均匀性。其中：上海市内LQ值＞1的市辖区占全市的31.25%，地处上海市中心的黄浦区、静安区、长宁区和虹口区都有较高的LQ和HCLQ值，主要由于其区域主导产业包含金融商贸、航运航空等与物流业融合度较高的产业，在全市的物流发展中更具竞争优势；同时青浦区作为“全国快递行业转型发展示范区”，区内含有上市民营快递物流企业总部达5家、重点物流企业数量17家，LQ值达2.41，体现了该区物流产业经济规模大，专业集聚化程度较高。从区位熵分布地图来看，黄浦江东南侧沿海地区物流业发展较为平均，LQ值集中在0.7～0.8之间；黄浦江西北侧差异显著，最高为黄浦区（2.73），最低为徐汇区（0.25）。综上所述，可以看出物流业的发展水平不仅受到城市空间结构和主导产业经济发展的制约，政策规划和地理资源也是决定性的影响因素。

表3 分区县物流业集聚度评价结果

图3 上海市各区域物流业区位熵分布

3.4 缓冲区分析

不同类型的物流节点和物流企业，因其服务对象、资产配置和职能定位不同，呈现出差异化的区位选择行为[1]。考虑到上海市路网具有典型的中心环形加放射状的结构特征，本文借助ArcGIS多环缓冲区工具，以上海城市坐标原点（121.478 19，31.239 746）为中心，以1km为间隔，构建多缓冲区圆环，与不同类型的上海市物流节点和物流企业POI数据进行空间叠加分析，并将结果进行曲线拟合，拟合结果如图4所示。

总体来看，上海物流空间区位具有明显的层级性和不均匀性的特征，其中：

（1）物流节点的区位选择呈现出较高的相似性，主要分布区域集中在距离上海市中心10km～30km范围内，占总量的73.17%，也体现了中心城区由于缺乏物流用地供应以及土地价格过高致使物流节点建设不足。物流园区的建设多受政府规划和地域政策的主导和影响，区位选择较其它节点更为单一，36.09%的物流园区集中在城市外环线（17km～22km），体现了其物流运作共同化和物流设施集约化的职能定位；物流中心作为城市公共物流空间，为了更好的提升其辐射范围，首先在8km～10km范围形成集聚圈，以商贸物流为主，接着在17km～20km处也有明显的集聚现象，主要服务外环边缘的制造业与工业，以及港区物流业务；配送分拨中心作为物流中心的下游，与物流中心的分布拟合度较高，但由于辐射范围更小，分布也更为离散，主要服务对象为末端客户，但内环以内节点仅占8.84%，表明主要消费区内末端配送物流设施不足，物流资源供求失衡，容易造成城市物流成本及交易成本过高、物流效率降低等问题，也凸显了物流服务“最后一公里”配送难问题已成为制约物流发展的瓶颈。

图4 不同类型节点和企业距中心相对分布

（2）与物流节点不同，物流企业为了获得更好的经济效益，提升自身服务效率，会先向城市中优势区位集聚，当集聚规模过大而造成经济效益减少时，物流企业开始向外扩散，转移到企业生存成本更低的区位，当扩散到某一范围时，继续扩散所带来的经济收益不足以抵消溢出造成的运输和时间成本时，物流企业在集聚经济驱使下再次趋向地理集中。

不同类型物流企业受地域政策、业务对象、地租成本、交通网络、既有物流设施、公司环境等多因素影响，区位选择结果也更加多样化。主要分布在上海郊环线以内，表现出明显的圈层分布格局，仍以城市近郊为主要选择，占总量的48.43%（15km～30km），但对地价的敏感程度整体较物流节点更弱。运输型物流企业的业务重心在于城市居民和中小型工商企业，多为轻资产型企业，对内环边缘区域和近郊区域都有明显的选择倾向，外环以内的企业数量占总量的56.21%。仓储型物流企业由于所需用地面积大，其区位选择则更侧重于地租成本，其次是与物流园区、交通网络的衔接，表现出郊区化的态势，集中分布于距离上海市中心15km～30km之间。综合服务型物流企业作为提供多种物流服务的企业，市场覆盖面广，规模较大，更多考虑多层级、全覆盖的需求，在中心城区、外环和郊区均有不同程度的集聚。