国家物流枢纽城市物流空间联系及其网络特征分析

Spatial Connection and Network Characteristics of National Logistics Hub Cities

摘要

为深入研究国家物流枢纽城市物流空间联系网络的结构特征，基于110个国家物流枢纽城市数据，采用修正引力模型、社会网络分析法对枢纽城市间的物流空间联系及其网络特征进行分析。结果发现，全国、各区域的枢纽城市物流空间联系网络密度普遍较低，说明枢纽城市间的物流联系尚不够紧密；度中心度较高的枢纽城市也是中介中心度排名靠前的城市，这些城市成为全国或区域内物流资源的辐射极，带动其他枢纽城市联动发展；网络在空间上呈现“核心-半核心-边缘”结构，“轴辐式”层级结构明显；枢纽城市群集特征明显，共分为8大子群，但子群间的互动不明显；上海、北京、深圳、广州等物流城市具有网络结构洞优势，秦皇岛、南通、嘉兴等枢纽城市则相反。

Abstract

To further study the structural characteristics of logistics spatial connection networks in national logistics hub cities, this paper first analyzed the relevant data of 110 national logistics hub cities. Then the paper utilized the modified gravity model and social network analysis method to analyze the logistics spatial connection between hub cities and the network characteristics. The results are as follows. ①The density of logistics spatial connection networks is generally low in national logistics hub cities in China and all regions, indicating that the freight connection between hub cities is not close enough.② Hub cities with a high degree of centrality are also the cities with the highest ranking of intermediary centrality. These cities become the radiation poles of freight and logistics resources in the country or region and drive the joint development of other hub cities. ③The network presents a "core-semi-core-edge" structure in space, and the hub-and-spoke hierarchical structure is evident. ④The cluster characteristics of hub cities are obvious, which can be divided into 8 subgroups, whereas the interaction between subgroups is not apparent. ⑤Shanghai, Beijing, Shenzhen, Guangzhou, and other logistics cities have the advantage of being located in the network structure hole, while Qinhuangdao, Baoding, Datong, and other hub cities do not have the advantage.

Graphical abstract

关键词

国家物流枢纽 / 物流空间 / 网络联系 / 修正引力模型 / 社会网络分析

Key words

National Logistics Hub / Logistics Space / Network Connection / Modified Gravity Model / Social Network Analysis

0　引言

现代物流体系建设已列入《国民经济和社会发展第十四个五年规划和2035年远景目标纲要》，为打造“通道+枢纽+网络”的现代物流体系，国家发展和改革委员会于2018年12月印发《国家物流枢纽布局和建设规划》(发改经贸〔2018〕1886号)(以下简称“《规划》”)，确立了6类国家物流枢纽及其承载城市，旨在以点及面地推动物流枢纽网络体系建设。伴随《规划》出台，不同枢纽城市间物流联系加强，不断突破地理邻近特征并在空间上形成具有网络化的结构特点。基于Castells提出的“流空间”理论，“物流空间联系”可以定义为枢纽城市之间各种抽象与具体的联系在物流上的总体现^[1]，“物流空间联系网络”则反映枢纽城市群复杂物流联系的空间结构。为此，深入研究国家物流枢纽城市物流空间联系网络的结构特征，有助于辨析枢纽城市之间的物流联系强度，明确各枢纽城市在网络中的地位和作用，区分枢纽城市的群集或派系，为《规划》有效实施提供理论借鉴。

《规划》给出国家物流枢纽概念前，已有学者研究航空、港口、陆港等单一类型枢纽间的物流联系。马学广等^[2-3]结合聚集性、中心性等指标，分析我国航空枢纽网络和城市货运网络的关联结构特征及演变过程；Zhang等^[4]研究海上丝绸之路航运港口的整体网络特征；戈佳威等^[5]基于模块度方法识别出世界海运枢纽网络中的3大社团结构；刘婵娟等^[6]采用C层次派系法，将全球集装箱海运网络划分为7大派系；Liu等^[7]通过级联失效模型模拟突发事故对铁路网络连通性的影响；李成兵等^[8]通过对边进行随机、按序删除来研究我国客运枢纽网络结构的抗毁性。《规划》给出国家物流枢纽概念后，吴桐雨等^[9]依次构建全球海运、航空、物流企业和国际贸易4类网络，评价枢纽节点重要性；曹允春等^[10]构建23个空港型国家物流枢纽城市的物流关联网络，分析其结构特征；王军等^[11-12]分别研究9个港口型枢纽城市和国家首批建设的23个枢纽城市的物流业和区域经济的协同发展效应；杨扬等^[13]构建边境口岸型国家物流枢纽的多维发展评价指标体系；蒋自然等^[14]针对陆港型物流枢纽时空演化及其驱动因素进行研究。

目前关于全国110个国家物流枢纽城市间物流空间联系及其网络结构的研究鲜少，更缺乏不同区域间网络结构的比较，以及网络的层次体系划分。鉴于此，以110个国家物流枢纽城市为研究对象，采用社会网络分析法，依照“物流空间联系网络构建—网络特征分析—枢纽层级划分—网络社团识别”的思路，全面分析网络整体结构特征，深入比较区域结构特征差异，明确各枢纽城市的地位及作用，划分枢纽城市层级并识别枢纽城市群集，为国家物流枢纽建设提供理论参考。

1　研究方法和数据说明

目前有关物流空间联系的研究方法主要有2种：一是结合实际货运OD流数据直接反映节点间的物流联系^[4-6]；二是基于综合评价指标计算每个节点的物流质量，进一步借助修正引力模型间接反映节点间的物流联系^[10，15]。研究采用第2种方法，以《规划》中的110个国家物流枢纽城市为节点，依据修正引力模型计算节点间的物流联系(即边权)，构建国家物流枢纽城市物流空间联系网络，并采用社会网络分析方法研究网络特征。

1.1　修正引力模型

引力模型是评价区域空间相互作用的基本模型，其原理是物体间的引力与其质量成正比，而与空间距离呈反比。物流系统中，物流枢纽城市之间的物流联系将受到节点城市物流质量、空间距离的影响，因而同样适用引力模型。

F_{ij}=k\cdot \frac{M_i\cdot M_j}{d_{ij}^{\mathrm{2}}}⑴

式中：F_ij 为枢纽城市i与j之间的物流联系强度；k为引力系数，通常取为1；M_i 和M_j 分别为枢纽城市i和j的物流质量；d_ij 为枢纽城市i和j的空间距离。

借鉴曹允春^[10]的研究，通过构建评价指标计算物流质量，并对公式⑴中的参数M进行修正。指标体系中，对任意枢纽城市i，考虑以下11个指标。X₁为人均GDP，元；X₂为地区生产总值增长率，%；X₃为货物进出口总额，万元；X₄为社会消费品零售总额，万元；X₅为公路货运量，万t；X₆为水陆货运量，万t；X₇为民用航空货邮运量，t；X₈为交通运输邮电业从业人员，人；X₉为普通高校数量，所；X₁₀为移动电话年末用户数，万户；X₁₁为互联网宽带接入用户数，万户。其中，X₁，X₂，X₃和X₄反映枢纽城市的经济发展水平；X₅，X₆和X₇反映枢纽城市的物流业务规模；X₈和X₉反映枢纽城市的物流人才情况；X₁₀和X₁₁反映枢纽城市的物流信息化水平。基于上述指标体系，可以采用熵权法计算各枢纽城市i的物流质量M_i。

基于公式⑴，通过对F_ij 求和得到各城市i对外物流联系的总强度{\overline{F}}_i，如公式⑵所示；通过公式⑶来去除物流联系较弱的边，并以此突出网络的核心结构，即要求城市i对j的物流联系强度超过固定阈值(记为引力平均值F_avg)时，才对其保留。

{\overline{F}}_i=\sum _j{F}_{ij}⑵

⑶

1.2　社会网络分析方法

（1）整体网络结构特征指标。依据网络密度评价网络整体结构特征，密度越大说明枢纽城市之间物流联系越紧密。

（2）网络个体特征指标。依据度中心度、中介中心度测评各枢纽城市在网络中的中心地位。国家物流枢纽城市物流空间联系网络中，枢纽城市节点的度中心度越大，说明该枢纽城市与其他城市的货运联系越广泛，对其他枢纽城市的直接影响力也越大；枢纽城市节点的中介中心度越大，越意味着该枢纽城市位于货运网络关键通道上，掌握越多的资源且对网络的控制力越强。

（3）核心-边缘特征分析。核心-边缘结构是指中心元素紧密相连、外围元素稀疏分散的特殊结构，具有较强的稳定性。计算国家物流枢纽城市的核心度值后，将根据特定区间范围将枢纽城市划分为核心、半核心、边缘3类，最终构建出物流系统中的“轴辐式”网络结构。

（4）凝聚子群。采用块模型进行凝聚子群分析，旨在识别国家物流枢纽城市物流空间联系网络中的枢纽城市群集分布，辨析各子群间的关联联系。

1.3　数据说明

研究的国家物流枢纽城市均为《规划》指定的枢纽城市。枢纽城市物流质量的评价指标(X₁—X₁₁)数据均来源于2021年《中国城市统计年鉴》。各枢纽城市的经纬度(或坐标值)根据便民查询网获得，各枢纽城市间的空间距离通过经纬度测算而得。

2　案例分析

2.1　网络整体结构特征

根据110个国家物流枢纽城市的经纬度坐标确定其在网络中的位置，利用修正引力模型识别节点间的物流联系，运用数学软件依次绘制全国、东部、中部、东北和西部地区的国家物流枢纽城市物流空间联系网络。地区划分以文献[16]为依据。

国家物流枢纽城市物流空间联系网络的整体结构及区域比较如图1所示。图1a表示根据公式⑴和公式⑵计算并绘制的完整网络结构图，其中节点大小与城市对外物流联系强度(根据公式⑵计算)呈正比，节点形状中的红色方形、紫色圆形、绿色三角形和蓝色菱形依次对应东部、中部、西部和东北地区；边的粗细与物流联系强度(根据公式⑴计算)呈正比。由于图1a中关联关系过于复杂，因此须进一步通过公式⑶过滤掉网络中的弱关联联系，以此凸出全国与各区域网络的核心结构，如图1b—图1f所示。图中区域网络图1c—图1f并非截取自全国网络图1b的一部分，而是根据各区域内的枢纽城市数据单独计算和绘制。

（1）网络空间结构比较。由图1b可知，全国网络呈“东密西疏、南密北疏”的空间结构特征，表明东部和南部地区国家物流枢纽城市间的物流联系更为紧密；对外物流联系较强的枢纽城市多集中在京津唐、长三角、粤港澳3大地区，在物流联系方面反映出较强的区域集聚特征。比较图1c—图1f发现，东部网络在空间上呈现以北上广及其邻近枢纽城市为核心，而核心城市又进一步辐射带动周边枢纽城市的“勺形”结构；中部网络在空间上呈现以武汉为一级核心枢纽城市，郑州、合肥、长沙、南昌等为二级核心枢纽城市，并向其他枢纽城市辐射的“蜘蛛网状”结构，体现了这些核心枢纽城市在中部地区物流空间联系网络中的重要地位；西北网络在空间上呈现“块状”结构特征，强物流联系集中在云贵川陕地区的枢纽城市之间；东北网络在空间上围绕哈尔滨、长春、沈阳、大连等枢纽城市逐渐形成“带状”结构特征，而黑河、佳木斯、牡丹江和其余枢纽城市之间的物流联系则较弱。

（2）网络的整体特征指标分析。通过数学软件计算全国、东部、中部、东北和西部地区的网络密度依次为0.043，0.141，0.211，0.115和0.214，说明全国和各区域枢纽城市间的物流联系普遍较低，原因可能是物流资源主要集中在北上广深汉等个别经济发达、地理位置优越、政策扶持力度强的一线或省会枢纽城市，这些城市往往能和其他枢纽城市间产生较强的物流联系，而大部分二线、三线、四线枢纽城市间的物流联系则会由于达不到阀值而被过滤。

2.2　网络个体结构特征

基于全国和区域网络，通过数学软件计算各枢纽城市的度中心度、中介中心度，以揭示各枢纽城市在不同网络中的地位和作用。

度中心度计算结果(取排名前10位)如表1所示。全国和东部网络中，上海、北京、广州、南京等枢纽城市的度中心度均排名前10，它们与全国其他枢纽城市的物流联系最广泛。中部网络中，排名前10位的城市包括武汉、郑州、合肥、长沙、南昌等，而武汉和郑州的度中心度远大于其他城市，原因是武汉、郑州均是铁路枢纽和省会城市，对周边枢纽城市的物流辐射能力较强。西部网络中排名靠前的是重庆、成都、西安、南宁、贵阳等，原因是这些城市交通便利、经济较发达，由此形成明显的物流集聚效应。东北网络中沈阳、长春、大连、哈尔滨的度中心度较大，而其余枢纽城市较低。

中介中心度计算结果(取排名前10位)如表2所示。在全国和东部地区网络中，排名前10位的仍为上海、北京、广州、深圳等，说明这些枢纽城市不仅与其他枢纽城市的联系广泛，还处在全国网络的关键通道并掌握较多资源。中部、东北和西部地区网络中，排名第一的枢纽城市依次为郑州、西安、沈阳，说明其在各自网络结构体系中发挥着“中介”和“桥梁”作用。

总体来看，度中心度高的枢纽城市也是中介中心度排名靠前的城市，且绝大多数是省会城市或区域内的经济发达城市；网络中各枢纽城市的度中心度和中介中心度均呈现非均衡性，110个枢纽城市中仅有35个城市的度中心度超过平均值，而中介中心度超过平均值的枢纽城市仅有13个。

2.3　核心-边缘分析

针对全国网络，通过数学软件计算110个国家物流枢纽城市的核心度，进一步根据核心度的分布将枢纽城市划分为3类，大于等于0.2为核心区，大于等于0.1且小于0.2为半核心区，其余为边缘区，继而构建枢纽城市间的“轴辐式”网络。核心区和半核心区枢纽城市及其核心度如表3所示。位于核心区的枢纽城市多处于东部沿海地区，在物流空间联系网络中居核心地位；位于半核心区的枢纽城市多为东部沿海发达城市或内陆省会城市，是物流空间联系网络中的重要节点。

上述核心、边缘层次划分结果有助于构建枢纽城市间的“轴辐式”物流联系网络。“轴辐式”网络中的一级轴心枢纽城市为上海、南京、杭州等6个位于核心区的枢纽城市；二级枢纽城市则为郑州、深圳、重庆、合肥、宁波等16个位于半核心区的枢纽城市。基于该网络，一是需要将物流联系通过一、二级轴心枢纽城市辐射到更大范围，带动其他地区的发展；二是需要促进一、二级轴心枢纽城市组团发展并制定差异化枢纽发展模式，避免腹地争抢与无序竞争。

2.4　枢纽城市群集划分

针对全国网络，通过数学软件计算将国家物流枢纽城市划分为8个凝聚子群，网络凝聚子群如表4所示。从群体划分结果看，大部分子群成员具有地理位置邻近特征，表明邻近枢纽城市间的物流联系更为紧密。子群1的成员多集中在中原地区；子群2的成员多为环渤海城市群；子群3的成员分布在长三角地区；子群4的成员最少且分布在闽赣湘鄂地区；子群5和子群6中成员的地理位置较分散，均是度中心度和中介中心度排名靠后的枢纽城市，处于网络边缘位置；子群7的成员覆盖了大部分南方枢纽城市；子群8的成员集中在西南和西北地区。

各子群内和子群间的密度如表5所示。从子群内部密度看，仅子群1、子群3、子群4和子群7的内部密度超过0.25，说明中原地区、环渤海、长三角和南部沿海物流枢纽城市间的物流联系较紧密，其他子群的内部密度相对较小，说明其群内成员缺少联系，枢纽城市之间未形成良好互动局面；从子群间密度看，子群1和子群2、子群3和子群4、子群4和子群7之间的密度超过0.1，说明对应地区枢纽城市之间存在一定物流联系，相反，子群6与其他子群之间的密度最小，说明子群6在网络中处于孤立与边缘状态，辐射和受益程度均很低。

3　研究结论

以《规划》中的110个国家物流枢纽城市为节点，利用修正引力模型测度枢纽城市节点间的物流联系并构建关联网络，从网络整体与个体特征、核心-边缘、凝聚子群等方面分析网络结构特征，得到以下结论。

（1）全国与4大区域中，枢纽城市的物流空间联系网络密度普遍较低，说明枢纽城市间的物流联系尚不够紧密。仅上海、广州、北京、深圳、武汉、南京等个别枢纽城市与其他城市存在较强物流联系，而绝大部分枢纽城市间的货运联系相对微弱。

（2）网络中各枢纽城市的度中心度和中介中心度均存在非均衡性，只有少部分枢纽城市在网络中占据重要地位，这些城市成为全国或区域物流资源的辐射极，带动其他物流枢纽城市联动发展。

（3）网络在空间上呈现“核心-半核心-边缘”结构，核心区枢纽城市间的货运联系紧密而边缘区枢纽城市间的货运联系微弱，核心与半核心区的枢纽城市通过较强的辐射能力和中介效应带动边缘区枢纽城市发展，由此形成“轴辐式”层级结构。

（4）国家物流枢纽城市群集特征明显，共分为8大子群。大部分子群成员具有地理位置邻近特征，子群内部枢纽城市间的物流联系较子群之间更为紧密，子群结构与协作关系有待进一步优化。

参考文献

[1] 刘　艳，王小臣. 京津冀物流空间联系研究：基于引力模型[J]. 商业经济研究，2019(15)：105-108.

[2] 马学广，赵彩霞. 中国城市网络格局阶层与布局：航空客运流的实证[J]. 城市发展研究，2020，27(9)：66-71，81.

[3] MA Xueguang， ZHAO Caixia. The Hierarchy and Layout of Urban in China：An Empirical Study of Air Passenger Flow[J]. Urban Development Studies，2020，27(9)：66-71，81.

[4] 贾　鹏，吴寄石，李海江，等. 中国物流枢纽承载城市货运网络时空演化及驱动机制[J]. 地理科学，2021，41(5)：759-767.

[5] JIA Peng， WU Jishi， LI Haijiang，et al. Spatial-Temporal Characteristics and Driving Mechanism of Logistic Pivotal Bears the Weight of City Freight Transport Network in China[J]. Scientia Geographica Sinica，2021，41(5)：759-767.

[6] ZHANG Q， ZENG Q C. Analyzing the Shipping Network of the Maritime Silk Road (MSR) Based on a Complex Network[J]. Journal of Coastal Research，2019，98(1)：344-349.

[7] 戈佳威，王学锋，万　征，等. 世界集装箱海运网络社团结构研究[J]. 交通运输系统工程与信息，2019，19(6)：231-236.

[8] GE Jiawei， WANG Xuefeng， WAN Zheng，et al. Community Structure of World Container Shipping Network[J]. Journal of Transportation Systems Engineering and Information Technology，2019，19(6)：231-236.

[9] 刘婵娟，胡志华，杨正璇. 基于社会网络的全球集装箱海运网络层次体系与派系划分[J]. 世界地理研究，2019，28(6)：68-76.

[10] LIU Chanjuan， HU Zhihua， YANG Zhengxuan. Hierarchical Structures and Cliques of the Global Container Shipping Network Based on Social Network Analysis[J]. World Regional Studies，2019，28(6)：68-76.

[11] LIU J T， LI K P. A Cascading Failure Model for Analyzing Railway Accident Causation[J].International Journal of Modern Physics B，2018，32(1)：172-184.

[12] 李成兵，张　帅，杨志成，等. 蓄意攻击下城市群客运交通网络级联抗毁性仿真[J]. 交通运输系统工程与信息，2019，19(2)：14-21.

[13] LI Chengbing， ZHANG Shuai， YANG Zhicheng，et al. Invulnerability Simulation in Urban Agglomeration Passenger Traffic Network under Targeted Attacks[J]. Journal of Transportation Systems Engineering and Information Technology，2019，19(2)：14-21.

[14] 吴桐雨，王　健. 基于多层复杂网络的物流枢纽城市多尺度分析及发育评价[J]. 交通运输系统工程与信息，2019，19(1)：33-39.

[15] WU Tongyu， WANG Jian. Multi-Scale Analysis and Development Evaluation of Logistics Hub Cities Based on Multi-Layer Complex Networks[J]. Journal of Transportation Systems Engineering and Information Technology，2019，19(1)：33-39.

[16] 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(8)：174-182，190.

[17] CAO Yunchun， LUO Yu. Research on the Aviation Logistics Correlation Degree and Its Network Structure of City Charactered by Airport-Type National Logistics Hub[J]. Journal of Technology Economics，2020，39(8)：174-182，190.

[18] 王　军，邓　玉. 港口物流与直接腹地经济耦合协调性研究：以天津、营口等九海港型国家级物流枢纽为例[J]. 工业技术经济，2020，39(11)：62-68.

[19] WANG Jun， DENG Yu. Relationship of Coupling Coordination between Port Logistics and Direct Hinterland Economy：A Case Study on Nine Seaport-Type National Logistics Hubs Like Tianjin Port and Yingkou Port[J]. Journal of Industrial Technological Economics，2020，39(11)：62-68.

[20] 张　林，姚进才，王　钦，等. 发展物流产业助推区域经济增长的协同凝聚研究：基于国家物流枢纽城市面板数据[J]. 城市发展研究，2021，28(5)：1-6.

[21] ZHANG Lin， YAO Jincai， WANG Qin，et al. Research on the Coordinated Development and Cohesion Effect of Logistic Industry and Regional Economy in the Hub City：Based on National Logistics Node Cities Panel Data[J]. Urban Development Studies，2021，28(5)：1-6.

[22] 杨　扬，尹继娇. 国家物流枢纽的多维发展识别及类型划分研究：以陆上边境口岸型国家物流枢纽为例[J]. 重庆理工大学学报(社会科学)，2021，35(5)：50-57.

[23] YANG Yang， YIN Jijiao. Research on Multi-Dimensional Development Identification and Type Division of National Logistics Hub：Taking the National Logistics Hub of Land Border Port as an Example[J]. Journal of Chongqing University of Technology (Social Science)，2021，35(5)：50-57.

[24] 蒋自然，雷丽萍，金环环，等. 中国陆港型物流枢纽时空演化及其驱动因素[J]. 地理科学，2022，42(11)：1857-1866.

[25] JIANG Ziran， LEI Liping， JIN Huanhuan，et al. Spatio-Temporal Evolution and Driving Factors of Chinese Dry Port Logistics Hubs[J]. Scientia Geographica Sinica，2022，42(11)：1857-1866.

[26] 王东方，董千里，陈　艳，等. 中欧班列节点城市物流网络结构分析[J]. 长江流域资源与环境，2018，27(1)：32-40.

[27] WANG Dongfang， DONG Qianli， CHEN Yan，et al. Analysis of the Logistics Network Structure of Urban along the China Railway Express[J]. Resources and Environment in the Yangtze Basin，2018，27(1)：32-40.

[28] 许　欣，张文忠. 中国四大区域板块：增长差异、比较优势和“十四五”发展路径[J]. 经济地理，2021，41(7)：1-9.

[29] XU Xin， ZHANG Wenzhong. Economic Growth Differentiation，Competitive Advantage and Development Pathway of the 14^th Five-Year Plan in Four Regions of China[J]. Economic Geography，2021，41(7)：1-9.

基金资助

教育部人文社会科学基金项目(21YJC630141)