韩倩 桑金琰

摘  要：文章以2000～2020年（截至5月31日）WOS和CNKI数据库的664篇文献为基础数据，运用CiteSpace5.6.R3计量工具对物流配送中心选址领域的研究进行可视化分析，通过关键词共现图谱分析和聚类图谱分析确定该领域的研究重点，在此基础上生成时间线图谱并结合发表年度趋势进行发展历程分析，为物流配送中心选址领域的研究提供研究热点及发展历程。

关键词：物流配送中心;选址;CiteSpace可视化分析;研究热点;发展历程

中图分类号：F252.14    文献标识码：A

Abstract： Based on the 2000～2020（as of May 31）WOS and 664 articles were based on the data of CNKI database， using CiteSpace5.6.R3 measurement tool for research in the field of logistics distribution center location visualization analysis of map and cluster map by keywords co-occurrence determine the research emphasis of the field， on this basis， according to the generated time line graph and publish annual analyses development trend diagram， for logistics distribution center location provides research hotspot in the field of research and development.

Key words： logistics distribution center; the location; visual analysis of CiteSpace; research hotspots; the development course

0  引  言

物流供应链的形成与运作以经济性、时效性、环保性、服务性为目标，供应链中节点之间的协调程度影响目标的实现，节点之间的协调程度受配送网络布局和配送路线规划的影响，而配送的网络布局和路线规划最终由物流配送中心的位置决定，因此，物流配送中心选址是实现物流供应链目标优化的先决条件，本文以物流配送中心选址为主题，利用CiteSpace软件开展可视化研究，挖掘研究热点并梳理发展历程。

1  数据来源及研究方法

1.1  数据来源

本文的数据主要有两大来源：一是CNKI的全部期刊，搜索主题为“物流配送中心选址”，检索时间跨度为2000～2020年（截至5月31日），共检索到611篇文献，二是选取WOS中的SSCI、SCI、A&HCI三大数据库，主题为“Logistics Distribution Center”and“Site Selection”，文献类型精炼为“Artical”和“Review”，时间跨度为2000～2020年（截至5月31日），共检索到文献53篇，将CNKI中的611篇与WOS中的53篇文献相结合作为研究数据。

1.2  研究方法

运用CiteSpace5.6.R3对CNKI和WOS的文献进行可视化分析，对CNKI和WOS数据库中物流配送中心选址领域文献进行关键词共现网络分析、关键词与延伸词的聚类图谱分析，在此基础上进行时间线图谱分析和发表年度趋势图分析，从中归纳总结该领域的研究历程。

2  热点词的共现及聚类分析

2.1  热点词共现分析

关键词体现研究领域的重点内容，其衡量指标为频度和中心度，频度是指在指定时期内关键词出现的次数，中心性是指在研究领域内起到中介作用。通过运用CiteSpace软件可以得到物流配送中心选址领域关键词共现图谱（图1），从图1中可知该领域的热点词有“选址”、“配送中心”、“物流配送中心”、“选址模型”、“配送中心选址”、“物流配送中心选址”、“层次分析法”、“电子商务”、“gi”，在图1的基础上进行整理得到表1。

分析表1可得以下结论：

“选址”与其延伸词“决策模型”、“算法”、“冷链”，物流配送中心选址的决策过程中，首先要分析物流配送过程的特点和问题，总结影响物流配送中心选址的影响因素并计算各影响因素的权重从而确定评价指标体系;其次根据确定的评价指标的特点，选择数据预处理的相关算法，并确定数据评价算法，运用这些主要决策步骤确定选址的最佳方案。冷链物流是供应链中具有代表性的一类物流供应链，具有时效性、保鲜性的特点，将顾客满意度、顾客回馈好评度纳入服务化物流供应链发展的重点方向。

“配送中心”与其延伸词“物流管理”、“多目标优化”、“粒子群算法优化”，当物流发展到一定阶段，为提高物流质量而形成了物流中心，物流中心主要用来集中和存储货物，在此基础上物流运输快速发展，使得各节点相互联系从而促使物流供应链的形成，为了使得供应链的运输效率提高并解决短距离运输问题，提出建立物流配送中心，即在物流中心和客户端这两个节点之间再增加一个节点作为配送中心，可以提高物流供应链中的服务质量。

“物流配送中心”与其延伸词“选址优化”、“生鲜农产品”、“多目标优化”，物流配送中心是配送中心与物流中心相结合的产物，它既有物流中心存储和集中货物的作用，又有配送中心分拣、加工、配送的作用，可以更好地致力于现阶段的供应链服务化，生鲜农产品对运输的要求较高，分拣包装过程需要大量人工，配送過程容易出现腐烂、变质，丢弃的包装与破坏的产品容易对环境产生污染，因此生鲜农产品领域物流配送中心的选址优化是研究的重要内容，其优化目标主要集中在成本、质量、服务水平等方面。

“选址模型”与其延伸词“物流系统”、“连锁经营”、“规划求解”，对物流配送中心选址进行分析过程中，选址模型是对研究变量的假设，说明选址数量、需求点数量、物资需求量以及物流系统中节点之间的路线状况、费用分配、服务范围等变量，在此基础上建立目标函数并确定约束条件，选择合适的算法对模型进行规划求解。

“配送中心选址”与“物流配送中心选址”的概念差异逐渐缩小，将二者结合在一起进行分析，二者在“选址问题优化”方面主要运用的方法有“重心法”、“整数规划”、“最短路径算法”，选址“决策”的主体主要涉及到“应急物流”、“零售业”，其最终目标也是为更好的服务于“供应链”的协调运作，使得“供应链”的整体利益最大化。

“层次分析法”与“gi（GIS）”分别是进行物流配送中心选址常用的方法和技术，其延伸词有“运输经济”、“Steiner树问题”、“农产品物流”、“物流配送中心选址优化模型”，因为物流配送中心选址是多目标规划问题，层次分析法可以将问题分解成目标、准则、方案等不同层次，根据各个层次的特点进行定量或定性分析，是解决农产品物流和运输经济问题常用的一种分析方法，配送中心选址需要借助地理信息系统（GIS）进行定位和路线规划，确定选址附近的道路状况、基础设施、社区分布等重要信息。

2.2  热点词聚类分析

在图1的基础上生成关键词聚类图谱（图2），图2左上角的Q值代表网络模块化程度，S值代表网络同质性，通常用来进行聚类图谱的参数判读，该聚类中参数指标分别为Q=0.8898，S=0.9253，说明该聚类效果好且可信度高。分析图2得到物流配送中心选址领域的14组研究集群，其中“#0物流配送中心”、“#6物流配送”、“#7多物流配送中心”代表该领域的研究主体，“#4绿色物流”、“#5运输经济”、“#9时效性”表示选址的影响因素，“#3配送网络”、“#2供应链”代表研究的目标，“#1选址规划”、“#8运筹学”、“#10模糊综合评价”、“#11遗传算法”、“#12最小二乘法”、“#13选址模型”代表方法研究，根据这四个方向对14组聚类进行如下分析：

（1）研究主体。物流配送中心、多物流配送中心的选址会影响物流配送中的配送方式、配送距离、配送时效、经济效益，为了使得整条供应链的利益最大化，中心选址的正确性是进行供应链优化的首要环节，在优化过程中以物流配送中心为主体，结合不同的方向，如生鲜农产品、医药、冷链、应急、军事等，运用飞蛾优化算法、遗传算法、重心法等不同的算法选择最佳的中心位置。

（2）选址影响因素。物流配送中心选址属于多目标规划问题，需要考虑环保性、经济性、时效性等，具体可以分为以下三类因素：首先是经济因素，前期包括投入建设用地的地价水平、建设投资（土建投入、设备成本），运营期需要考虑运输费用、劳动力成本等;其次是交通因素，它主要考虑所处位置的交通通达度;最后是社会因素，被选择的地点应该具备服务范围大、公共基础设施完备、环保程度高的特点。

（3）选址的目的。对物流配送中心选址的研究是为了更好的服务于供应链的运作，通过合理规划配送网络来改变分散的运输方式，物流配送中心的建立能够促进供应链节点之间协调作业，提高资源的整合力度和资源利用效率。根据需求点的位置建立物流配送中心，设计节能型配送路线，变分散运输为集中配送，既可以满足客户需要又可以节约费用，并使得供应链中的供应商、生产商、分销商根据不同区域配送量的变化及时做出柔性响应，更好地降低库存、调动货物周转率。

（4）选址的方法。方法的研究主要分為定性研究和定量研究，在物流配送中心选址领域运用较多的定性方法有德尔菲法、SWOT分析法等;定量法包括连续性选址模型和离散性选址模型，连续性模型适用于单个中心选址，主要包括重心法和交叉中值法，离散性选址模型分为多准则决策法、规划法（运筹法）、启发式算法、计算机仿真法，多准则决策法中具有代表性的方法有模糊综合评价法、最小二乘法、TOPSIS分析法等，规划法中运用较多的方法有网络规划法、线性规划法、动态规划法、混合整数规划法、非线性规划法等。

3  发展历程分析——时间线图

时间线图是关键词按时间共现的一种呈现方式，图像右侧的标签是关键词聚类的名称，上方的时间轴表示关键词首次出现的时间，并将聚类标签中包含的关键词放在同一水平线上，该水平线上的关键词越多表示该聚类在研究领域越重要，根据时期特点进行发展历程分析，分析图3可得以下结论。

第一阶段（2000～2007年），该阶段是物流配送中心选址研究的初始阶段，发文量呈直线状上升，研究的目的主要为了降低物流的运输和运营成本，选址方法按照出现的先后顺序分别有遗传算法、启发式算法、重心法、最短路径法、层次分析法，2005年电子商务这一概念出现后，物流配送中心选址的重要性显现出来，发文量迅速上升，物流配送中心根据电子商务低成本高效率的特点开展选址模型建设和运营管理，逐渐发展成为具有备货、存储、分拣、配货、配装、配送加工、配送运输、送达服务等一系列完备功能的物流配送中心。

第二阶段（2008～2015年），该阶段物流配送中心选址领域研究处于稳健上升状态，选址为了更好地服务于信息流、商流、物流、资金流的协调，顾客满意度、物流服务水平成为影响选址的重要因素，为满足客户需求并且提供高质量服务，生鲜农产品物流、冷链物流快速发展，改进前一阶段的配送车辆，并根据城市新的发展布局进行配送网络重组规划，建立高效率、低耗能的车辆配送路线。信息共享是该阶段的重点，物流配送中心的选址不仅要满足成本要求，还要满足时间约束和和服务质量，基于信息交互共享进行物流配送中心选址，配送过程中利用互联网提供货物跟踪信息，信息共享交互平台收集交通运输数据、GIS数据、市场数据并将这些数据提供给物流配送中心，实现信息流、物流、商流、资金流的协调。

第三阶段（2016～2020年），该阶段研究数量有所下降，上一阶段的研究使得物流配送中心的选址与运作得到很大优化，现阶段需要根据时期的特点开展新的研究，大数据、网络化、智能化是该阶段发展的宏观环境，物流配送中心的选址以大数据为支撑，可以获得量大、多维、快速、低密度的数据信息，在此基础上借助网络化实现数据信息共享，如利用北斗卫星导航系统、5G等新的信息技术实现信息快速共享、地点追踪、物品监控，通过条形码、二维码、射频识别等网络识别技术实现货物的追踪、货物溯源，此外借助智能化提高供应链的协作性能，如物流配送中心利用智能机器人进行货物分拣和装车、识别货物等智能化操作。

4  结  论

（1）研究热点方面：根据关键词与其延伸形成的聚类网络总结该领域的研究热点，以“物流配送中心”为主体进行“选址规划”，为实现物流供应链运作中的“绿色物流”、“运输经济”性、配送“时效性”，建立“选址模型”并运用“运筹学”、“模糊评价评价”、“遗传算法”等方法进行选址的规划求解，使得供应链网络不断优化，满足客户需求，获得更大利润。

（2）发展历程方面：初始阶段（2000～2007年）物流配送中心选址目标主要为降低成本提高配送效率，与电子商务结合进行选址优化研究，快速增长阶段（2008～2015年）选址目标增加了服务质量、客户满意度、配送网络优化等新的约束条件，借助信息交互共享平台进行物流配送中心选址，实现传统供应链向服务化供应链转变，现阶段（2016～2020年）以大数据为支撑，利用网络化共享、智能化协作对物流配送中心进行选址和配送优化，致力于智慧供应链的建设与发展。

参考文献：

[1] 胡娟，张晓燕. 物流集群领域研究热点及演化路径——基于CNKI（2000～2018）的文献计量分析[J]. 商业经济研究，2020（7）：108-111.

[2] 李杰，赵旭东，王玉霞，等. 我国电子商务物流配送研究热点与趋势分析[J]. 商业经济研究，2017（17）：90-92.

[3] 王勇，黃思奇，刘永，等. 基于K-means聚类方法的物流多配送中心选址优化研究[J]. 公路交通科技，2020，37（1）：141-148.

[4] 徐小平，师喜婷. 关于物流配送中心供需优化选址仿真[J]. 计算机仿真，2018，35（10）：345-349.

[5] 李阳珍. 物流服务供应链可靠性影响因素识别研究[J]. 物流技术，2013，32（4）：207-210.

[6] 陈战波，黄小舟. 物流配送中心选址的改进灰关联度评价方法[J]. 统计与决策，2015（3）：52-55.