杨 鹏,龙小凤,肖 玲,王雨欣,王礼霞

(湖南财政经济学院 工商管理学院,湖南 长沙 410205)

随着互联网的普及与电子商务的蓬勃发展,网上购物越来越受欢迎,城市物流的目的地也以零售店为主逐步转变为以顾客为主[1]。物流运营规模的缩小和访问节点的增加,使其末端配送成为整个供应链中成本最高、效率最低且最关键的部分[2-3]。为了控制物流配送成本、提高服务水平,各运营主体纷纷在各区域布局或设置末端节点。而城市物流末端节点数量不断增加,推动其末端体系建设逐渐成为民生关注的一个重点问题。

城市物流的相关研究热点,主要围绕物流末端配送路径、物流业空间分布和城市物流网络等城市物流节点的前期演化展开。王正国等构建城市冷链物流配送的复杂网络模型,对物流配送区域进行划分,采用遗传算法进行配送路径优化[4]。Verhetsel等分析对物流业空间分布的影响因素,发现地价水平和交通会对物流业空间分布产生影响[5]。张智等结合市场服务与空间设施可获得性等因素,探讨了末端配送不同主体空间网点的空间分布[6]。李会等对京津冀城市物流联系时空演变进行解析,探讨城市物流联系强度、网络资源以及驱动力的变化[7]。以上都从不同角度对城市物流节点的前期演化进行了研究。近年来,围绕城市物流末端节点的空间研究逐渐增多,大多从整体规划的角度研究多层物流节点的布局情况,且大多采用各种宏观统计、人工调查数据作为依据进行计量统计分析。

互联网技术的广泛应用使兴趣点(Point of Interest,POI)数据在空间研究中的作用越来越重要。POI 数据代表着真实地理实体的点状要素,反映了地理要素的空间位置,包括要素名称、地址等空间和属性信息[8],已逐渐被应用于城市空间结构[9-11]、城市功能区识别[12-13]、服务业[14]、旅游业[15]、零售业[16]等的空间格局研究中。Xue 等基于长沙市物流节点的POI 数据研究物流节点的空间格局及影响因素,研究表明不同的物流节点的空间分布特征存在显著差异性[17]。隋晓丽等、冀琴等分别利用郑州市、重庆市的物流POI 数据研究其分布特征及其影响因素[18-19]。赵学伟等基于微观物流企业数据并运用空间分析方法刻画了兰州市物流企业的空间分布及类型分异特征,结果表明兰州市物流企业空间分布不均衡,呈现“两心两翼四组团”的空间集聚特征[20]。涂敏等借助POI 数据从距离视角、区县视角和范围视角等探究上海市物流空间布局与区位特征,结果表明上海市物流业表现出高水平集聚特征[21]。已有研究虽然取得了一定的成果,但大多没有考虑城市多层各类物流节点的特性,节点数据涉及“物流园区”“配送/分拨中心”“快递”“速运”“国际物流”“货运公司”等各类关键词,不能精细化地反映城市物流尤其末端节点的空间格局演化。

上海市作为全国经济发达的城市,物流行业发展水平较高,物流服务基础设施相对完善。研究上海市物流节点的空间布局及其演变规律具有一定的代表性。本研究爬取上海市物流末端节点的可靠POI 数据,对物流末端节点对象进行分类,使用核密度分析、标准差椭圆等来研究上海市物流末端节点的空间布局特征,结合上海市各区人口数据、GDP 数据和街道道路数据,运用相关性检验、缓冲区分析方法,深入探讨影响上海城市物流末端节点分布的主要影响因素。

一、数据来源与研究方法

(一)研究区域概况

上海市地处中国东部、是中国南北海岸中心点,是国务院批复确定的中国经济、金融、贸易、航运、科技创新中心。上海市共有16 个区,总面积为6 340.5km2[22],上海市2022 年国民经济和社会发展统计公报显示:至2022 年末,上海全市常住人口为2 475.89 万人;全市GDP 达到44 652.8 亿元;实现社会消费品零售总额16 442.14 亿元,其中,无店铺零售额3 663.66 亿元,网上商店零售额3 461.40亿元,网上商店零售额占社会消费品零售总额的比重为21.1%[23]。

随着消费者对经济贡献的增大,物流行业的发展得到了极大推动。利用《上海市邮政行业发展统计公报》统计上海市2013—2022 年的快递业务量和快递业务收入数据,结果显示,上海市快递业务量从2013 年的9.5 亿件增长至2022 年的28.6亿件,2022 年快递业务收入则达到了1 845.5亿元,快递业呈现快速增长态势(见图1)[24]。

(二)研究数据

本研究基于高德地图开放API 平台,运用Python 编辑爬虫程序从网上获取了2020 年上海市物流POI 数据,经统计、筛选、去重、纠偏和空间匹配后,借助大数据和GIS 技术对城市物流节点数据进行分类,剔除“物流园区”“仓储用地”“货运代理”“国际物流公司”等不属于物流末端节点的无效数据,从而提取到上海市物流末端节点数据。

查阅《上海统计年鉴2022》及各区统计部门网站,本文提取了上海市各区的土地面积、人口数量以及GDP 等数据,数据详见表1。

(三)数据处理和分类

2020 年上海市物流POI 数据共计有22 074个,经统计筛选提取了13 313 个有效的城市物流末端节点数据。

从产业角度来看,物流末端节点实际以不同的网络规模进行运作。一是大型规模节点,主要是大型民营快递企业,包括顺丰速运、宅急送、申通快递、韵达快递、圆通快递、百世汇通和德邦快递等。随着物流配送业务量越来越大,这些大型民营快递企业不断扩张其物流末端节点数量。二是中型规模节点,主要是除了大型民营快递企业的其他快递企业,包括DHL、邮政速递等。这类快递企业依靠其资源或背景优势在城市扩充网点并具有中等的网络规模。三是小型规模节点,主要是特定区域专门经营末端物流业务的第三方小规模企业。由于末端场景资源属性的复杂性,具有区域特点的一些地产、物业等公司也纷纷进入这个行业,如小麦公社等。

与实际情况贴合,按照上述分类,结合节点所属企业的POI 数量,整理之后得到上海市共有小型规模节点3 646个,中型规模节点1 958个,大型规模节点7 709个。

(四)主要研究方法

1.核密度估计

核密度估计通过一个函数反映了空间分布中地理现象的距离衰减效应,符合地理第一定律。为了定量分析城市物流末端节点的空间分布和集聚状况,需要运用核密度估计来衡量地理空间中点要素或者线要素的空间集聚程度,对点的分布进行可视化表达。核密度估计函数可以用如下公式表达:

其中:fn(x)表示研究点的核密度值;k被称为核函数;h为带宽,且h＞0,表示估值点到处的距离;n表示带宽范围内的点数;k为空间权重函数。

2.标准差椭圆

标准差椭圆也称作方向分布,通过ARCGIS 中标准偏椭圆差来确定离散点的方向分布。椭圆的长半轴表示数据集的主要分布方向,短半轴表示数据集的分布范围。长半轴和短半轴的值差距越大(扁率越大),表示数据的方向性越明显。反之,如果长半轴、短半轴越接近,表示方向性越不明显。如果长半轴和短半轴完全相等,就等于是一个圆,没有任何的方向特征。本研究采用二阶标准偏差椭圆,以上海市的城市物流末端节点作为输出椭圆数据,以有效地探索上海市物流末端节点的方向分布特征。

3.相关性检验

相关性检验主要是对变量之间是否存在相关及相关性程度进行的统计性检验。变量之间的相关程度主要用来r表示。当r=0 时,两个变量之间不存在相关但是并不是相互独立,仅仅是两个变量之间没有相关关系;当r＞0 时,两个变量之间的关系为正相关关系,而r的数值越接近于1,两个变量之间的正相关关系越强;当r＜0,两个变量之间呈现负相关关系,r越接近-1,负相关关系就越强。常用的相关性检验方法主要有Pearson(皮尔逊)相关性检验,主要适用于线性相关。相关系数的绝对值越大,相关性越强,相关系数越接近于1或-1,相关度越强,相关系数越接近于0,相关度越弱。计算公式如下:

4.缓冲区分析

缓冲区分析是围绕点、线、面要素,自动建立其周围一定距离的多边形,用以识别这些实体或主体对邻近对象的辐射范围或影响度。为进一步研究所有物流节点与道路长度的关系,以1km 为距离单位,构建以所有物流节点为中心的圈层缓冲区,运用叠加技术,统计出缓冲区内的道路总长度。

二、上海物流末端节点的服务对象和空间分布分析

(一)总体特征

上海市物流末端节点的总体空间分布为中心城区相对密集、外围城区相对较稀疏。图2 显示:上海市大型和中型规模节点主要分布在静安区、普陀区、长宁区、徐汇区、黄浦区、虹口区、杨浦区、浦东新区,而嘉定、宝山、青浦、奉贤、金山等地区分布较为稀疏;小型规模节点主要分布在普陀区、嘉定区、宝山区、静安区和虹口区等地区,东南部节点分布较为稀疏。

图2 上海市物流末端节点的分布

受人口密度、经济发展水平、交通便利性和政府因素等的影响,城市物流末端节点的分布在空间上聚集比较明显。中心城区人口众多,经济活动更为频繁,为物流末端节点的布局提供了良好的条件,因此中心城区的物流末端节点最多;而外围地区占地面积较大,经济发展水平相对较低,交通条件不够成熟,离城区较远,物流末端节点分布相对较为稀疏。

(二)核密度分析

利用核密度估计方法得出上海市三种类型的物流规模节点及所有物流末端节点的空间集聚状况。以单元格网为基本评价单元、单元格网内物流企业数量为属性数据,对得到的密度值按自然裂点法并以密度值最大的年份为依据划分为10 个等级,实现不同类型物流节点上物流企业空间密度分布的横向比较。

研究发现,上海市物流末端节点布局数量沿集聚核心向外围梯度递减,中心城区以外地区分布数量相对较少,大型规模节点、中型规模节点和小型规模节点的分布范围大小依次减少。小型规模节点核密度的核心区域是嘉定区,中型规模节点核密度的核心区域是静安区、虹口区、黄浦区、长宁区;大型规模节点核密度的核心区域是静安区、黄浦区、杨浦区(见图3)。结果表明,末端节点核心地区是嘉定区和静安区,集聚模式呈现出“双核多中心”的发展趋势。中心城区的城市服务功能较为完善、物流产业较为集聚,外围城区紧靠着中心城区边缘向外发展,末端节点的空间分布总体呈现郊区化拓展趋向。将嘉定、松江、青浦、奉贤和南汇规划建设为新城综合性节点,加快特色功能聚集,逐步实现区域协同和城乡统筹战略,末端节点的空间分布也呈现出多中心的集聚趋势。因此,城市物流末端节点由中心城区向全域全要素扩散,在全域空间布局上由重点控制城镇体系转向大都市地区全域控制。

图3 上海市不同类型物流末端节点的核密度分析结果

(三)标准差椭圆

空间分布方向特征(标准差椭圆)是空间分析中用于探索离散点分布的工具,可以有效地分析上海市物流末端节点的分布特征。本研究选择包含95.0%的物流末端节点数的二级标准差椭圆作为输出椭圆的大小,可得出以下结论:上海市大型规模节点的分布大致呈东北—西南走向,中型规模节点的分布方向性不太明显,小型规模节点的分布则呈西北—东南走向。虽然三种物流末端节点的分布方向性特征不同,但总体而言,上海市物流末端节点的分布方向性不明显,椭圆的长短轴长度很相近,接近于一个圆,说明上海市物流末端节点的空间分布范围较广,整体上是从市中心向郊区不断蔓延扩散。见图4

图4 上海市不同类型物流末端节点的标准差椭圆

三、上海物流末端节点的影响因素分析

“最后一千米”配送是进行商品或包裹交付的终端环节,物流末端节点是该环节的重要枢纽。物流末端节点以顾客的参与为主,所以人口密度是影响物流节点分布的一个重要因素;人口消费水平与当地的经济发展水平相关,这意味经济发展水平也是影响物流末端节点分布的主要因素;配送具有空间上的移动性,也有效率的要求,效率越高越好,这与交通条件有关。其他影响因素包括政府政策因素、购物网络的大小、电子商务的发展、在线人数、土地类型。本文主要研究人口、经济发展水平、交通条件、政府因素对上海市物流末端节点空间分布的影响。

(一)人口因素

通过研究发现,上海的城市物流末端节点与其人口分布有密切的关系,吻合程度非常高。城市物流末端节点在人口密集的核心区集聚程度高,上海的人口基数大,网络消费多,快件量在不断增加,对快递的需求量大,人们对配送效率的需求在提升。据2022 年上海人口统计,虹口区的人口密度为3.6万人/km2,黄埔区、静安区、普陀区的人口密度在2.5 万人/km2左右,徐汇区、杨浦区、长宁区的人口密度接近2 万人/km2(见表1),这些地区是人口密集的核心区,而末端节点在人口密集核心区的密集程度高于其他地区。

城市物流末端节点的分布与人口的分布有很强的相关性。本研究利用SPSS 对上海市各地区的人口密度(万人/km2)数据与POI 点数据进行皮尔逊相关试验,结果如表2 所示:大型规模节点密度与人口密度相关性为0.933,中型规模节点密度与人口密度相关性为0.959,小型规模节点密度与人口密度相关性为0.576,上海市所有物流末端节点密度与人口密度的相关性为0.949,表明末端节点的分布与人口密度具有较强的相关性,而且都是正相关。同时,由于末端节点之间存在某种程度上的竞争关系,具有区域特点的小型规模节点大多处于创业发展期,因此,其相关性要明显低于其他两种类型。

表2 上海市物流末端节点密度与人口密度的皮尔逊相关性检验结果表

(二)经济因素

经济发展水平是影响大部分城市物流末端节点分布的重要因素,从社会经济因素的角度,本文用单位面积的GDP 表示上海的经济状况(各区的GDP 与面积之比)。通过皮尔逊相关性分析,每平方千米GDP 与大型规模节点密度的相关性为0.865,与中型规模节点密度的相关性为0.759,与小型规模节点的相关性为0.236,与上海市所有物流末端节点的相关性为0.801(见表3)。可以看出上海市每个区的大型、中型规模节点分布与经济发展水平呈显著相关,末端节点与经济发展水平联系紧密,而由于小型规模节点在资源禀赋上的差异,与经济发展水平的相关性则不明显。

表3 上海市物流末端节点密度与经济水平的皮尔逊相关性检验结果表

黄浦区、静安区、徐汇区、普陀区、长宁区、虹口区等地区在人流、物流、信息流、资金流等方面流动很密集,因此大量的大型规模节点和中型规模节点选择布局在这些基础设施完善的地区(见图5)。

图5 上海物流末端节点与经济发展水平的关系

(三)交通因素

物流末端节点作为物流各种要素活动的主要活动场所,必须要有良好的交通运输联络条件,才能保证物流作业的顺畅进行。交通便利性在物流末端中发挥着重要作用,便利的交通为物流服务水平的提高创造了条件,同时还可以节省居民到物流末端节点的时间与成本。本研究利用上海市物流末端节点的POI 数据与街道道路数据,使用ARCGIS 对各末端点进行1km 缓冲区分析,并计算每个区域1km 内的道路总长度,最后与上海市物流末端节点进行皮尔逊相关分析,结果显示:各物流节点1km 内道路总长度与物流末端节点数量密切相关,所有物流节点1km 内道路总长度与大型规模节点数量相关性为0.960,与中型规模节点数量相关性为0.973,与小型规模节点数量相关性为0.804,与所有物流节点1km 内道路总长度相关性为0.961,由此可见交通便利性对各类型物流末端节点的分布有着很大的影响(见表4)。

表4 上海物流末端节点数量与交通因素的皮尔逊相关性检验结果表

(四)政府因素

《上海市城市总体规划(2017—2035)》提出努力推动城乡发展一体化,同时在规划引导之下,推动城市组团式发展和新城建设,努力形成多中心、多节点的网络型城市结构。此规划充分融入各级土地利用规划,科学布局生态、人口、产业、交通、公共服务等要素,统筹生产、生活、生态三大布局,为城市物流末端节点的布局提供了基本依据。2019年上海市政府发布的《关于本市推进电子商务与快递物流协同发展的实施意见》,提出鼓励快递企业开展投递服务合作,鼓励快递物流企业、电子商务企业与连锁商业机构、便利店、物业服务企业和高等院校等开展合作,建设快递末端综合服务场所。在政府上述积极培育电商末端配送服务主体和新模式的政策引领下,各类型城市物流末端节点呈现规模化、多样化的铺设格局,竞争变得日益激烈。今后国家和地方层面的政策重点将可能是建设布局合理、功能完善和智能规范的末端配送体系,而整合现有资源进行优化是必然的。

四、结论与展望

本研究结合节点所属企业的属性和POI 数量,将上海市物流末端节点分为大型、中型和小型规模节点三个类型。利用ARCGIS 软件,采用标准差椭圆、核密度分析、相关性检验和缓冲区分析的方法,对上海市物流末端节点的空间布局及影响因素进行分析,得出以下结论。

上海市大型规模节点核密度的核心区域是静安区、黄浦区、杨浦区,中型规模节点核密度的核心区域是静安区、虹口区、黄浦区、长宁区,小型规模节点核密度的核心区域是嘉定区。总体上,上海市物流末端节点核心地区是嘉定区和静安区,集聚模式呈现出“双核多中心”的发展趋势。

上海市物流末端节点的空间分布范围广,整体上从市中心向郊区不断蔓延扩散。但由于企业资源禀赋和所在区域环境的差异,小型规模节点的分布方向性较大型、中型规模节点要明显,呈西北—东南走向,相对而言分布范围较小。

大型、中型规模节点的分布与人口密度、经济发展水平联系紧密,具有很强的正相关性。而具有区域特点或处于创业期的小型规模节点与人口密度、经济发展水平的相关性则不明显,交通便利性对各类型物流末端节点的分布均有很大的影响,政策因素也会影响城市物流末端节点的空间布局。

末端节点的布局策略和规模大小反映了不同经营单位的发展阶段和战略决策。小型规模节点可以扩大自己的规模范围,构建跨行业战略联盟,实现物流末端智能化;中型规模节点可以与其他节点深度协同,提高集约化和便捷化水平;大型规模节点可以不断完善网络平台建设,实施标准化、公共化建设。

本研究聚焦不同类型城市物流末端节点的集聚状况和空间格局,进一步挖掘其分布的影响因素差异,掌握快递物流的发育程度和区域快递服务的供需关系,可为城市物流末端节点发展及其政策制定、土地利用规划等提供重要的参考依据。未来可以进一步比对连续多年份的POI 数据,结合其他多源时空大数据及其分析方法,充分挖掘城市物流末端节点的时空演变规律。