基于POI的物流业空间集聚特征分析
——以浙江省为例

陈治亚 ，周于轶

(1. 中南大学 交通运输工程学院，湖南 长沙 410075；2. 轨道交通大数据湖南省重点实验室，湖南 长沙 410075)

物流系统规划以一定区域范围内的物流系统作为研究对象，研究物流系统内不同物流活动的空间布局与变化[1]。浙江省作为新时代的“重要窗口”和长三角一体化的重要组成部分，是物流产业等现代服务业在区域内的重要集聚中心，物流业成为推动浙江省产业结构优化，经济实现高质量发展的重要力量。但当前针对浙江省的物流研究的相关文献中，多以政策和规划为主，缺少对产业空间结构特征的量化分析，导致物流规划呈现一定的盲目性。物流业空间结构是物流规划和政策制定的客观条件和依据。物流集聚规模和形态是物流空间结构的表现形式。通过对物流业空间集聚特征的研究，能了解网络中物流活动的热点分布，识别发展潜力高或发展异常的节点与节点间的相互影响。目前，在物流产业的空间特征研究中多采用传统的统计分析法[2]。GIULIANO等[3]对加利福尼亚州2003年～2010年物流发展趋势进行深入研究，证实物流分散化是大都市地区一致的趋势。CIDELL[4]利用GDP，人口和距离等变量构成引力模型，研究了亚欧美三大洲的国际航空枢纽地位。方晓平等[5]采用带有空间滞后项的空间自相关模型，对铁路货流空间效应进行分析，为铁路货运提供了新的方法和思路。符继英等[6-8]从集聚效应相关理论、集聚现象和影响因素入手，分别对长三角区域、北京市物流分布格局进行分析，结果表明城市内部物流空间结构在整体上具有集聚化、层次化和网络化特征。在用传统的数据统计分析产业空间集聚特性时，由于其数据属于标量，自身不具有任何地理空间上的坐标意义，需将其附着于人为划分的区域中作为结构化的数据进行分析，因此研究结果大多只停留于宏观层面，且具有时间滞后性，导致数据本身不够精确，无法反应最新的空间特性。近年来，兴趣点(POI：point of interesting)作为一种新兴的地理信息数据，被广大学者运用到产业空间格局的研究中。物流活动符合地理学第一定律[9]，呈现空间自相关特性。而POI相比传统数据采集方法，具有样本容量大、地理精度准和时效性优等特点。利用POI数据作为矢量数据集自带精确的地理坐标，自身即可作为一种非结构化的数据进行处理，与GIS结合能够实现产业网络布局可视化，判断空间分布是否均衡和网络中各区域的空间集聚方式。基于POI探究浙江省物流空间集聚特性，以期为地方物流发展提供决策依据。

1 数据来源与模型综述

1.1 研究方法与路线

区位商是传统统计方法中最常见的空间集聚的指标，能较为准确反应产业市场集中度，但不能说明区域间相互联系。核密度法是基于POI的产业集聚性分布特征中最常用到的可视化工具，直接从样本本身出发，能揭示距离衰减规律，因此能反应区域之间的空间联系和相互依赖，缓冲区分析是解决空间邻近度问题的重要分析方法之一，从地理角度描述2个物流POI之间距离相近程度。采用区位商、核密度法和缓冲区分析法分别进行物流业空间集聚特征分析。为进一步识别物理活动在区域内的集聚模式和冷热点分布，分别基于传统数据与POI数据引入空间自相关模型分析浙江省物流业空间分布演化并进行比较。研究路线如图1所示。

1.2 数据来源

研究范围为浙江省内11个地级市。考虑到浙江省物流业发展的时间变化和数据的完整性、可靠性和统计口径变化的因素，提取时间为2011年、2016年及2020年。各市物流产值及其增值、物流从业人口数和企业数量等数据来源于浙江省统计年鉴以及浙江省内各地级市统计年鉴。

参照国家标准《物流术语》(GB/T 18354—2006)中对物流指标的分类和定义，并结合各专家学者对物流业的划分标准[10-11]，将物流POI数据分为“物流节点”和“物流企业”两大类。1) 物流节点为物资的中转、集散和储运提供中间连接场所，在此将物流节点分为物流园区、物流配送中心、货运场站3个小类[10]；2) 物流企业作为物流供应链建设和运营的主要参与主体，将其分为快递速运及网点和货运代理公司两小类[11]。

基于百度地图数据采集技术，利用爬虫软件提取浙江省物流POI数据，选择“物流园区”、“配送中心”、“速运”、“货运公司”和“快递”等关键词，进行统计并剔除重复无效数据后，收集浙江省内物流POI数据共10 956个。其中，物流节点5 241个，物流企业5 715个，POI样本分类及数量如表1所示，浙江省各地级市POI样本数量分布及占比如表2所示。利用Arcgis10.7将研究样本显示在浙江省市级行政区划图上，得到浙江省物流节点和企业空间分布图，如图2所示。

表1 POI样本分类及数量Table 1 Sample classification and quantity of POI

表2 各市POI样本数量分布Table 2 Sample size distribution by city of POI

1.3 区位商

基于物流业从业人数区位商、物流企业数区位商、物流总产值区位商、物流产业增加值区位商加权平均构建区位商综合指数[10](LQ)，分析物流相对静态聚集程度。计算公式为：

其中：λi代表特定区位商LQi的加权系数。4个指标在衡量物流产业集聚水平时所占权重相同，故λ1=λ2=λ3=λ4=0.25。

在式(2)的基础上，构建物流动态集聚趋势区位商(LQ0-t)，公式为：

其中：LQ0表示基期物流静态聚集水平值，LQt表示计算期物流静态聚集水平。

1.4 核密度估计

核密度估计法是反应空间集聚特征和距离衰减规律的一种方法[11]。将空间内每个点要素定义为一个“核”，用函数模型对每个“核”进行测算，得到搜索单元内的密度值。计算公式为：

其中：fn(x)为点x密度值，n为搜索半径内“核”的数量，K为权重函数，(x-xi)是需要估值的密度点x与xi间的距离，h为搜索半径。

1.5 缓冲区分析

围绕指定要素，在其周围以指定距离绘制多个同心圆环区域，然后建立该图层与目标图层的叠加，得到所需结果。

1.6 空间自相关模型

1.6.1 空间权重

在用空间自相关模型进行分析前，需对空间要素间的邻接关系进行定义。其表达式[12]为：

如果第i个空间单元与第j个空间单元是邻居,则Wij=1，反之，Wij=0。

1.6.2 全局自相关

全局自相关分析是从所研究范围的整体层面判断物流产业在空间上的聚集特性或者空间差异，用Moran’s I指数体现，计算公式为：

其中，zi是要素i的数值与其平均值的偏差(xi-Xˉ)，Wij表示空间权重矩阵，采用的空间权重矩阵为Queen标准的邻接矩阵，n为研究范围内的空间单位总数。S0是所有空间权重的集合：

P-Value表示所观测到的空间模式是由某一随机过程创建而成的概率，其值越小，意味着所观测到的空间模式越不可能产生于随机过程。

Moran’s I指数介于区间(-1, 1)，若Moran’s I大于0，则表明研究区域内各单元具有正相关性的特性，体现为高-高或低-低集聚；若指数小于0，则表明存在负相关关系；若指数等于0，则表明研究区域内产业分布不具有空间相关特性。

1.6.3 局部自相关(热点分析)

局部自相关，又称热点分析，可以识别出所研究区域内存在不同的空间聚集形式，公式为：

进行标准化处理后，转为：

2 浙江省物流业空间分布特征分析

2.1 集聚程度与分布格局

2.1.1 区位商分析

用区位商方法测算得到2016年与2020年浙江省内各市物流产业的集聚水平如表3所示。

表3 2016与2020年浙江省各市物流产业空间集聚水平Table 3 Spatial agglomeration level of the logistics industry in each city in Zhejiang Province in 2016 and 2020

总体来看，浙江省物流产业集聚水平呈上升趋势，呈现出明显的空间集聚特征。2020年，宁波市、金华市、舟山市的LQ都超过了1.5，呈现出明显的空间集聚特征。从LQ0-t来看，宁波市、湖州市、绍兴市、金华市、衢州市、舟山市、丽水市均为正，集聚水平稳步提升。综合LQ与LQ0-t，宁波市、湖州市、金华市、衢州市、舟山市2016年LQ均超过1，且2016～2020年LQ0-t均为正；而杭州市、温州市、嘉兴市2016年LQ均小于1，且2016～2020年LQ0-t均为负，体现了浙江省内物流产业空间集聚显现明显的分化，已形成较为明显空间集聚特征的城市集聚现象更为明显，物流产业专业化程度更高。

2.1.2 核密度分析

基于表1的大类分类结果，进行POI核密度分析，并绘制核密度分析图，如图3所示。

浙江省物流活动整体呈现“东密西疏、北密南疏、外密内疏”的特点，与浙江省“十四五”规划提出的“四港联动”物流产业空间布局存在高度耦合关系，体现出物流扩张的分散化特点[13]。

由图3(a)所示，物流企业核密度高值主要集中于宁波舟山港、杭州空港和金华国际公港。其中，宁波舟山港和杭州国际航空物流中心分别借助舟山江海联运的港口优势和杭州航空港的地理优势，协同集聚效果显著，对物流企业的区位选择吸引力强。以义乌为代表的智慧物流园区距离市中心距离短，主要发挥城市配送及城市内外物流集散功能，形成了国内外著名的义乌国际物流中心，对物流企业的集聚效应强。

由图3(b)所示，物流节点核密度高值主要集中于东部沿海和靠近长三角城市群的北部。一方面物流节点的区位选择受地租理论的影响，物流活动趋向郊区化，另一方面受浙江省独特的海港优势影响，物流节点在沿海港口有一定的集聚现象。而以杭州和宁波为代表的全国性物流枢纽和一级物流园区，借助距长三角城市群距离短的地理优势，又依托发达的经济优势，对物流节点的集聚效应相较于其他城市更高。

2.1.3 缓冲区分析

为探究物流企业从市中心到城市近郊及远郊的分布情况，通过缓冲区分析法，依据百度地图发布的各城市中心点坐标，以各市中心坐标点为核心，5 km为间隔由内向外构建多环缓冲区，与各市的物流POI点进行空间叠加分析，得到每个地级市物流企业距离市中心的频次分布，用Matlab软件进行曲线拟合后的结果如图4所示。

图4中各曲线的差异表示浙江省物流空间分布呈现出明显的层级性，各市物流区位选择呈现多样化特征。宁波市的物流POI集中于市中心10 km内，数量随距市中心里程增大而减少，体现了经济发展和交通便利对物流的促进作用；杭州、温州、嘉兴、湖州、绍兴、舟山、台州这7个市的物流节点与企业区位选择集中在城市中心10～30 km，体现了物流服务追求将系统总成本(时间总成本和增值服务成本)降至最低[14]，中心城区由于用地的缺乏以及土地价格昂贵使得物流POI向外扩散；衢州、金华和丽水市的物流活动主要范围分布距市中心30 km之外，在城市远郊呈现明显的集聚性，体现符合政府规划下，物流空间分布格局郊区化拓展的导向。总体来看，浙江省物流空间区位具有明显不均衡性。

2.1.4 方法比较

基于传统数据分析的综合区位商法考虑了规模和数量的因素，将区域内物流产业的集中度量化分析(结果见图3)，仅反应集聚规模而不能反应集聚形态。其值能度量绝对集中度而不能度量相对集中度，因此存在不能体现区域间空间联系的缺点。且结果存在失真情况，较低的区位商指数也不能断言产业集聚一定不在该区域发生，如由表3的区位商结果分析，温州市LQ仅为0.6，达不到集聚标准，但从图3的可视化产业布局图中可以清晰看到在温州市范围内物流企业和节点是相对集聚的。而基于POI数据的核密度法通过密度值来反应产业集聚程度，其值为相对值，网络中不同节点的密度值都根据整个网络中密度最低的0点相对而定。因此该方法能较好反应空间上的距离衰减规律，体现区域之间的空间联系和相互依赖。缓冲区分析则通过圈层划分，反应物流产业在城市内的格局分布，揭示城市内部不同圈层的物流活动强弱。因此基于POI，在物流产业集聚规模与形态，和区域之间的联系上都有更好的体现。

2.2 空间演化

2.2.1 全局空间自相关

通过全局空间自相关方法，用Arcgis10.7的空间统计功能计算2011年、2016年与2020年浙江省物流产业的Moran’s I指数并进行显著性检验，从而揭示浙江省物流产业集聚的总体空间分异特征与演化过程，结果如表4所示。

表4 浙江省物流产业Moran’s I指数Table 4 Moran’s I index of Zhejiang logistics industry

整体来看，浙江省物流空间集聚特征具有正相关性，有明显的空间分异特征。2011年、2016年、2020年，浙江省物流业的全局Moran’s I指数均为正数，且整体呈上升趋势；从显著性检验上看，2011年的结果未通过显著性检验，2016年和2020年的结果分别通过10%和5%水平下的显著性检验。表明在2011年的时候浙江省内各城市物流产业属于随机分布模式，不存在显著的空间关联，但随着时间的推移，浙江省内各城市之间物流业的空间正相关性逐渐增强，空间分异特征越来越显著。物流园区是物流产业集聚发展的最佳的载体，因此物流产业集聚水平高的城市往往拥有数量多、规模大的物流园区。目前，浙江省物流园区分布不均特征明显，各市拥有的物流园区的规模和数量差异较大，导致内部物流产业集聚水平存在空间极化和分异特征[15]。

2.2.2 局部空间自相关

通过局部空间自相关法，基于物流POI数据计算2011年、2016年和2020年浙江省物流产业的局部G*统计量并绘制浙江省物流产业冷热点分布图，与基于传统数据绘制而成的冷热点分布图做对比。由于文章篇幅限制，仅展示2020年的冷热点分布图，如图5所示。

图5(a)和图5(c)体现了浙江省内物流业空间集聚特征越来越明显，热点区域逐渐增多且在空间上更加聚集在东部沿海区域。而冷点区域经历了先增多后减少的趋势，表明物流企业与节点在空间上集聚范围有先增大后减少的过程。未来，具有辐射内陆、承接沿海的双向开放优势的浙江省需继续依托海港和空港优势，发挥通江达海和公铁水联运的优势。

比较图5(c)和图5(d)，不论基于哪样方法或基于POI数据，都体现出浙江省物流活动布局的区域性较强。但由于传统数据并非矢量点集，需统计每个城市企业数量存入面图层的数据库，在研究空间结构特征时将单个城市作为面单元分析。因此，空间分析结果也只针对某个城市整体水平，并未深入城市内部。例如图5(d)中台州市是物流的热点，而实际上由图5(c)可以看出台州有部分属于冷点区域，但在其东部热点聚集程度高导致整体上台州属于物流活动的热点区域。在具体研究中，可以将城市进一步以区县为单位进行细分，无论如何人为划分，POI直接将每个矢量点作为物流活动最小单元更精细，基于POI的空间分析更符合物流活动的分布特征。

用Geoda软件绘制Moran散点图和空间关联类型分布表如图5和表5所示。其中，横轴表示局部Moran’s I的均值，纵轴表示观测值均值。横轴和纵轴将散点图分为4个象限[16]：

表5 浙江省物流产业空间关联类型分布Table 5 Distribution table of spatial association types of logistics industry in Zhejiang Province

第1象限(高-高聚集)：观测区域及其周边区域的Z值均大于均值；

第2象限(低-高聚集)：观测值Z值＜均值，周边区域Z值＞均值，即低值被高值包围；

第3象限(低-低聚集)：观测区域及其周边区域的Z值均小于均值；

第4象限(高-低聚集)：观测值Z值＞均值，其周边区域Z值＜均值，即高值被低值包围。

2011年、2016年、2020年浙江省一半以上的城市位于Moran散点图的第1象限(高-高聚集)和第3象限(低-低聚集)，这进一步说明浙江省物流业集聚特性呈现出空间正相关性，相邻城市间形成了良好的互动效应。

具体来看，台州市和衢州市始终属于低-高型空间集聚分布，这2个城市自身物流发展水平较低，与周边城市形成较大的差异。杭州市始终属于高-低型空间集聚分布，表明作为浙江省省会和长三角核心城市，自身物流集聚发展水平高，但未能发挥扩散和空间溢出效应。宁波市始终属于高-高型空间集聚分布，不仅自身物流集聚水平高，还对周边城市有明显的正向带动。

从时空演化角度分析，整体上2011～2020年浙江省仅有少数城市物流空间集聚类型发生变化，说明浙江省内物流发展空间结构稳定性较强，存在一定的路径依赖性。2011～2020年，舟山市受周边宁波市的辐射作用明显，正在成为浙江省东部区域物流集聚水平发展的高点，金华市从“低-低”型过渡到“高-低”型空间集聚分布，其物流集聚水平发展受到周边落后城市的制约。

3 结论

1) 相比通过传统数据统计方法分析产业空间特性，POI的优势主要表现在：宏观上把握区域整体空间集聚程度同时从微观角度揭示范围内不同区域的产业集聚形式和区域之间的空间影响，减少了对连续性物流活动的人为划分引起的空间模式变化问题。基于POI的距离衰减效应和空间自相关的量化分析为区域产业空间结构特征提供更精确的热点分布信息，在集聚规模和集聚形态上都有较为充分的展示。

2) 浙江省物流活动呈现总体集聚，热点分布集中于东部，西部多为冷点，具有层级性和不均衡性的发展特征，为之后物流规划提供了决策依据。例如，是否考虑围绕杭州与宁波两大省内经济体构建多式联运物流体系，以便继续发挥宁波港和杭州空港优势推进铁水空多式联运；政府是否可以通过优惠政策缓解企业压力的同时吸引更多优秀的企业集聚；或是引导企业与企业间相互合作与交流，加强区域间联系，还是借鉴省内之江实验室和甬江实验室的范例打造产学研一体化等措施优化物流空间结构调整，使物流活动在资源丰富、氛围优良的区域继续高度集聚；亦或是依托省内多个国际物流中心和保税区优势将园区物流业与工商业协同发展，打造商贸物流生态圈等。未来，进一步优化物流空间，加快产业结构升级，引导浙江省物流业健康发展是重中之重。

3) 后续研究将考虑单个或者局部物流节点或企业的集聚能力大小对整体结果产生的影响；并将不同类型的物流节点及企业细分成不同的种类，如将物流企业细分为仓储型、运输型和综合型等，探究不同类型的物流POI之间的集聚性和区位特征差异，使研究结果更为全面。