鄔 躍，楊 洋

（北京物資學(xué)院，北京 101149）

1 引言

區(qū)域物流節(jié)點(diǎn)是物流基礎(chǔ)設(shè)施網(wǎng)絡(luò)的重要組成部分，是整個(gè)區(qū)域物流網(wǎng)絡(luò)的基礎(chǔ)，類似人體的“穴位”。區(qū)域物流網(wǎng)絡(luò)結(jié)構(gòu)從低水平均衡階段開始，向極化集聚、軸射擴(kuò)展、高水平均衡階段發(fā)展的過程中[1]，物流節(jié)點(diǎn)的發(fā)展是網(wǎng)絡(luò)結(jié)構(gòu)演化的基礎(chǔ)，沒有節(jié)點(diǎn)的極化和擴(kuò)散效應(yīng)就沒有網(wǎng)絡(luò)的發(fā)展。物流節(jié)點(diǎn)的結(jié)構(gòu)布局，不僅決定著物流通道的結(jié)構(gòu)，影響區(qū)域物流網(wǎng)絡(luò)的整體形態(tài)，也將直接影響到網(wǎng)絡(luò)的運(yùn)作效率。

2 基本理論研究

2.1 物流節(jié)點(diǎn)的概念與分類

物流節(jié)點(diǎn)是物流作業(yè)活動(dòng)的空間聚集場(chǎng)所，也是物流線路的起點(diǎn)、中轉(zhuǎn)點(diǎn)和終點(diǎn)，是連接通道的結(jié)節(jié)之處[2]。實(shí)體網(wǎng)絡(luò)中，物流節(jié)點(diǎn)既可以是一個(gè)具體的城市、鄉(xiāng)鎮(zhèn)，也可以是物流園區(qū)、物流中心、配送中心、貨運(yùn)站、倉儲(chǔ)中心或者交通樞紐（如空港、火車站、汽車站、港口碼頭等）[3]。本文研究的節(jié)點(diǎn)特指以城市為載體的物流節(jié)點(diǎn)。

物流節(jié)點(diǎn)按照不同的標(biāo)準(zhǔn)有不同的分類方法，按重要性可分為核心節(jié)點(diǎn)、重要節(jié)點(diǎn)和一般節(jié)點(diǎn)。

（1）核心節(jié)點(diǎn)。物流核心節(jié)點(diǎn)是整個(gè)網(wǎng)絡(luò)的核心，數(shù)量最少，發(fā)展階段最高。其區(qū)位優(yōu)勢(shì)突出，位于核心交通樞紐處，輻射范圍最廣。節(jié)點(diǎn)貨物、人才、資金、信息等資源聚集效應(yīng)明顯，服務(wù)能力最強(qiáng)。

（2）重要節(jié)點(diǎn)。物流重要節(jié)點(diǎn)是網(wǎng)絡(luò)局部區(qū)域的核心，數(shù)量較多，具有一定發(fā)展水平。其區(qū)位優(yōu)勢(shì)明顯，輻射范圍較強(qiáng)，一般在區(qū)域城市之間。節(jié)點(diǎn)對(duì)貨物、人才、資金、信息等資源有一定的聚集效應(yīng)，服務(wù)能力較強(qiáng)。

（3）一般節(jié)點(diǎn)。物流一般節(jié)點(diǎn)是物流網(wǎng)絡(luò)的基礎(chǔ)，數(shù)量最多，發(fā)展階段較低。一般節(jié)點(diǎn)區(qū)位優(yōu)勢(shì)一般，輻射范圍最窄，資源聚集效應(yīng)較弱，僅能滿足城市內(nèi)部或鄉(xiāng)鎮(zhèn)級(jí)別的需求，服務(wù)能力一般。

2.2 物流節(jié)點(diǎn)形成分析

城市學(xué)家Ebenezer Howard 認(rèn)為，一個(gè)節(jié)點(diǎn)城市好比一個(gè)巨大的磁極，磁極通過磁場(chǎng)形成強(qiáng)大的吸引力，吸引周邊城市的資源[1]。以此類推，城市通過吸引周邊城市的貨源、信息、人才、資金等向自身聚集，聚集后進(jìn)一步強(qiáng)化，從而形成物流節(jié)點(diǎn)（如圖1所示）。節(jié)點(diǎn)在發(fā)展到一定階段之后，向外部重新擴(kuò)散貨源、信息、人才、資金等要素（如圖2所示），進(jìn)一步形成新的節(jié)點(diǎn)。對(duì)不同等級(jí)的物流節(jié)點(diǎn)，吸引的力度和范圍均有不同。

圖1 節(jié)點(diǎn)聚集效應(yīng)

圖2 節(jié)點(diǎn)擴(kuò)散效應(yīng)

2.3 物流節(jié)點(diǎn)功能分析

物流節(jié)點(diǎn)吸引著周圍城市大量的貨源、信息、資金、人才等要素集聚，起到極核的作用[4]。

物流節(jié)點(diǎn)作為重要終端，主要功能包括：（1）承擔(dān)倉儲(chǔ)、裝卸、包裝、配送、流通加工等基礎(chǔ)物流活動(dòng)；（2）網(wǎng)絡(luò)指揮調(diào)度、管理控制物流系統(tǒng)的基本運(yùn)作，和其他節(jié)點(diǎn)分工協(xié)作；（3）銜接物流活動(dòng)的參與主體，收集物流信息，負(fù)責(zé)信息的傳遞；（4）實(shí)現(xiàn)對(duì)貨物、信息、資金和人員的中轉(zhuǎn)[5]。

3 區(qū)域物流節(jié)點(diǎn)布局指標(biāo)體系構(gòu)建

指標(biāo)體系的構(gòu)建是區(qū)域物流節(jié)點(diǎn)布局的重要基礎(chǔ)，不能僅依靠定性分析，必須采用科學(xué)的量化方法進(jìn)行分析。目前多數(shù)學(xué)者對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)布局的研究中，指標(biāo)體系的建立均是建立在定性分析基礎(chǔ)上，缺少定量篩選分析。本文在文獻(xiàn)綜述的基礎(chǔ)上，提煉各學(xué)者研究過的相關(guān)指標(biāo)，結(jié)合定量分析方法，篩選最終指標(biāo)。

（1）相關(guān)性分析。由于提煉的指標(biāo)眾多，指標(biāo)間存在高度相關(guān)性，使指標(biāo)信息重疊，為了消除此問題，采用相關(guān)分析方法分析，相關(guān)系數(shù)計(jì)算公式如下：

式中：rij— 指標(biāo)i 和指標(biāo)j 的相關(guān)系數(shù)；n—研究對(duì)象的數(shù)量—指

rij越接近1表明兩指標(biāo)相關(guān)性越大，當(dāng)兩個(gè)指標(biāo)相關(guān)系數(shù)大于0.95時(shí)，應(yīng)結(jié)合其他條件考慮將其中一個(gè)指標(biāo)刪除。

（2）空間差異度分析[6]。聚類分析要求各個(gè)研究對(duì)象樣本在某個(gè)指標(biāo)下的數(shù)值具有較強(qiáng)的分辨能力及較好的分離效果，分辨意義較差的指標(biāo)應(yīng)該刪除。而空間差異系數(shù)能較好地解決這一問題，其表達(dá)式為：

式中：Sj—指標(biāo)j在n個(gè)研究對(duì)象上的標(biāo)準(zhǔn)差；—指標(biāo)j在n個(gè)研究對(duì)象上的均值；j—第j個(gè)指標(biāo)，j=1,2,…,m，m表示選取的指標(biāo)數(shù)。

當(dāng)指標(biāo)的相關(guān)差異度小于0.5 時(shí)，應(yīng)該考慮將該指標(biāo)刪除。

4 區(qū)域物流網(wǎng)絡(luò)節(jié)點(diǎn)布局

區(qū)域物流網(wǎng)絡(luò)節(jié)點(diǎn)的布局主要包括三大內(nèi)容：物流節(jié)點(diǎn)分類分析、物流節(jié)點(diǎn)分級(jí)分析和物流節(jié)點(diǎn)隸屬分析。

4.1 區(qū)域物流網(wǎng)絡(luò)節(jié)點(diǎn)分類分析

（1）聚類分級(jí)及方法選擇。聚類分析中，層次聚類法適合任意形狀的數(shù)據(jù)，易于理解、便于操作，生成的樹狀圖直觀形象。層次分析法中的凝聚式算法，在計(jì)算上快捷、簡便，能得到相近的最終結(jié)果，所以采納該方法[7-8]。

在層次聚類法中，由于度量標(biāo)準(zhǔn)、標(biāo)準(zhǔn)化方法和類間距離計(jì)算方法的不同，會(huì)導(dǎo)致不一樣的結(jié)果，因此每種方法的選擇都需要有足夠的依據(jù)來支撐。文中度量標(biāo)準(zhǔn)選用平方歐幾里德距離，在對(duì)歐幾里德距離進(jìn)行平方后，大差值被高度關(guān)注，而小差值只產(chǎn)生較小的作用[9]。標(biāo)準(zhǔn)化方法選擇Z-得分法，可使各數(shù)據(jù)對(duì)象各個(gè)屬性值的標(biāo)準(zhǔn)方差和均值相同，分辨力完全同化[10]。選擇類間距離計(jì)算方法時(shí)，主要考慮單調(diào)性和空間的濃縮與擴(kuò)張性兩大因素。類平均法具有嚴(yán)格的單調(diào)性，且空間擴(kuò)張程度適中[11]，因此采納選用。

（2）聚類分析檢驗(yàn)。在進(jìn)行聚類之后，采用學(xué)術(shù)界認(rèn)可的F-統(tǒng)計(jì)量方法檢驗(yàn)，具體公式為[12]：

式（3）中：n 代表樣本數(shù)，j為具體類別，nj代表第j類的樣本數(shù)，i 為具體樣本（i=1，2，…，n），對(duì)應(yīng)閾值的分類數(shù)為r，；d 為指標(biāo)數(shù)量，k為具體指標(biāo)（k=1，2，…，d）表了第j 個(gè)分類的中心和總體樣本向量的距離；則代表了第j個(gè)分類中每個(gè)樣本與分類中心的距離，其遵從自由度為（r-1，n-r）的F-分布。若F＞Fα(r-1.n-r)（置信度α常取0.1），則聚類效果滿意。

4.2 區(qū)域物流網(wǎng)絡(luò)節(jié)點(diǎn)分級(jí)分析

在對(duì)區(qū)域內(nèi)各城市進(jìn)行聚類分析之后，需要進(jìn)一步采用定量與定性相結(jié)合的方法確定節(jié)點(diǎn)的層級(jí)，即需要對(duì)各個(gè)城市在各指標(biāo)上的綜合實(shí)力進(jìn)行排序。本文采用灰色關(guān)聯(lián)度法進(jìn)行分析，該方法最大的優(yōu)點(diǎn)是對(duì)數(shù)據(jù)量沒有太高的要求，在系統(tǒng)數(shù)據(jù)較少和條件不滿足統(tǒng)計(jì)要求的情況下，更有實(shí)用性。其實(shí)質(zhì)是比較若干數(shù)列所構(gòu)成的曲線幾何形狀的接近程度，幾何形狀越接近，其關(guān)聯(lián)度越大[13]?；疑P(guān)聯(lián)系數(shù)計(jì)算公式為：

式（4）中：X0(k)*為數(shù)據(jù)標(biāo)準(zhǔn)化后的第k 個(gè)參考序列值；Xi(k)*為數(shù)據(jù)標(biāo)準(zhǔn)化后第i個(gè)城市的第k個(gè)指標(biāo)值；?為分辨系數(shù)，一般取值為0.5。

在灰色關(guān)聯(lián)度分析中，需要確定城市i 各項(xiàng)指標(biāo)的權(quán)重，而許多確定指標(biāo)權(quán)重的方法均需要采用專家打分，受實(shí)際條件的限制，較難通過問卷對(duì)指標(biāo)進(jìn)行打分。因此進(jìn)行算法改進(jìn)，計(jì)算第k個(gè)指標(biāo)灰色關(guān)聯(lián)系數(shù)的權(quán)重，即：

式（5）中：φi(k)表示第i 個(gè)城市第k 個(gè)理想指標(biāo)的擬合程度占全部理想指標(biāo)擬合程度的比重，間接用來反映第k個(gè)指標(biāo)的權(quán)重。

定義節(jié)點(diǎn)城市重要程度為[14]：

式（6）中：x*ik表示標(biāo)準(zhǔn)化后城市i在第k個(gè)指標(biāo)下的指標(biāo)值；表示指標(biāo)j的平均值。

Zi值反映了第i個(gè)城市在所有城市中超越省內(nèi)平均水平的綜合實(shí)力。通過計(jì)算Zi值，可以判斷城市的重要程度。

4.3 區(qū)域物流網(wǎng)絡(luò)節(jié)點(diǎn)隸屬分析

在對(duì)節(jié)點(diǎn)進(jìn)行分級(jí)之后，需要進(jìn)一步確定節(jié)點(diǎn)之間的歸屬，具體包括兩個(gè)方面：低層級(jí)節(jié)點(diǎn)歸屬于哪些高層級(jí)節(jié)點(diǎn)和高層級(jí)節(jié)點(diǎn)之間如何進(jìn)行連接。由于物流網(wǎng)絡(luò)的產(chǎn)生離不開城市之間的經(jīng)濟(jì)和物流聯(lián)系，即離不開城市之間在空間上相互作用的關(guān)系，因此根據(jù)物理學(xué)中的萬有引力模型，得出空間吸引度公式：

式（7）中：Gij—城市i和城市j之間的物流吸引度；Zi—城市i的重要程度；Zj—城市j的重要程度；g—引力系數(shù)，常取值1[15]；Dij—城市i和城市j之間的距離，由于我國以公路運(yùn)輸為主體，因此Dij較多采用兩城市間公路距離，這里指城市i和城市j 通過高速公路相連最短的距離；α—交通距離修正系數(shù)，由于現(xiàn)實(shí)中度量兩個(gè)城市之間的距離有多種方式，采用單純的公路計(jì)算會(huì)產(chǎn)生巨大誤差，因此在主要考慮公路距離的基礎(chǔ)上，增加交通修正系數(shù)以更準(zhǔn)確地反映兩個(gè)城市之間的距離。當(dāng)兩個(gè)城市通過公路、鐵路和航運(yùn)三種方式直達(dá)連接時(shí)，取值為0.5；只通過鐵路和公路（或者公路、水路）直達(dá)連接時(shí)，取值為0.7；僅僅通過公路直達(dá)連接時(shí)，取值為1.2[14]；r—引力衰減系數(shù)，常取值為2。

在計(jì)算出各城市之間的物流吸引度之后，根據(jù)數(shù)值大小，結(jié)合城市之間的重要程度，可以判斷出城市之間的隸屬關(guān)系。

5 實(shí)例分析

5.1 指標(biāo)體系構(gòu)建

經(jīng)過大量文獻(xiàn)研究后，本文得到包括GDP、工業(yè)增加值、貨運(yùn)量在內(nèi)的共61個(gè)指標(biāo)組成的指標(biāo)體系。從2013年《江西省統(tǒng)計(jì)年鑒》和2013年《中國城市年鑒》中得到相關(guān)數(shù)據(jù)，根據(jù)式（1）和式（2），結(jié)合指標(biāo)選取時(shí)靈活實(shí)效、相似合并、簡明、科學(xué)客觀、數(shù)據(jù)準(zhǔn)確可得、系統(tǒng)全面6個(gè)原則，得到最終指標(biāo)體系見表1。

表1 最終的層次指標(biāo)體系

5.2 節(jié)點(diǎn)構(gòu)建

將經(jīng)過篩選后的指標(biāo)值輸入SPSS19.0 中，得到最終聚類圖如圖3所示。

圖3 組間聯(lián)接和組內(nèi)聯(lián)接聚類對(duì)比圖

由圖3可以看出，類平均法下的兩種聚類雖然過程上略微不同，但是最終的結(jié)果一致。最后將江西省的節(jié)點(diǎn)數(shù)分成三類：第一類是南昌市；第二類是九江市、贛州市、吉安市、宜春市、撫州市和上饒市；第三類是景德鎮(zhèn)市、萍鄉(xiāng)市、新余市和鷹潭市。

在分類之后，通過F-統(tǒng)計(jì)量對(duì)聚類結(jié)果進(jìn)行檢驗(yàn)。根據(jù)式（3）得F=11.53，查閱F-分布臨界值表F0.1( )2,8 =3.11 ＜F，因此聚類效果滿意。

進(jìn)行節(jié)點(diǎn)排序時(shí)，首先確定參考數(shù)列。由于人均GDP、總?cè)丝?、公路里程等十三個(gè)指標(biāo)數(shù)值越大，代表行業(yè)、經(jīng)濟(jì)或者交通實(shí)力越強(qiáng)，因此選取各指標(biāo)中最大值為參考序列。根據(jù)式（4）-式（6）可得節(jié)點(diǎn)城市的重要程度，見表2。

表2 節(jié)點(diǎn)城市的重要程度

對(duì)比聚類分析和重點(diǎn)城市重要程度排序分析，只有撫州位置不同，但不影響結(jié)果。因此，根據(jù)上述分析，將南昌作為江西省一級(jí)核心樞紐結(jié)點(diǎn)，九江市、贛州市、吉安市、宜春市、撫州市和上饒市作為二級(jí)重要樞紐節(jié)點(diǎn)，景德鎮(zhèn)市、萍鄉(xiāng)市、新余市和鷹潭市作為三級(jí)一般節(jié)點(diǎn)，構(gòu)建三級(jí)軸輻式網(wǎng)絡(luò)體系。

根據(jù)式（7），可得各城市間物流吸引度見表3。

表3 江西省各城市之間的物流吸引度

分別對(duì)比景德鎮(zhèn)、萍鄉(xiāng)、新余、鷹潭四市和南昌、九江、贛州、吉安、宜春、撫州、上饒七市的物流吸引度，可知景德鎮(zhèn)和南昌、九江相連；萍鄉(xiāng)和宜春相連；新余和南昌、吉安和宜春三市相連；鷹潭和南昌、上饒相連。再對(duì)比南昌、九江、贛州、吉安、宜春、撫州、上饒七市之間的物流吸引度，可知南昌與除贛州外的所有節(jié)點(diǎn)城市相連；吉安和贛州、宜春相連。最終江西省物流網(wǎng)絡(luò)如圖4所示。

南昌市作為江西省的省會(huì)，GDP位列全省第一，三大產(chǎn)業(yè)產(chǎn)值位列全省前列；作為全省“三縱四橫”高速公路結(jié)構(gòu)的中心、“五縱五橫”的鐵路骨架的樞紐及全省航空中心，區(qū)位優(yōu)勢(shì)突出，是江西省的交通總樞紐；在全國物流園區(qū)發(fā)展規(guī)劃中，南昌作為二級(jí)物流園區(qū)布局城市，在江西省作用明顯。因此，綜合發(fā)展條件最好的南昌成為唯一核心節(jié)點(diǎn)。九江、贛州、吉安、宜春、撫州和上饒中，贛州、上饒和九江也是二級(jí)物流園區(qū)布局城市，6市GDP總額占江西省的56%，經(jīng)濟(jì)發(fā)展?jié)摿^強(qiáng)，產(chǎn)業(yè)特色突出，而且6市作為重要節(jié)點(diǎn)，位于江西省東南西北各方向，構(gòu)成整個(gè)網(wǎng)絡(luò)的主干。景德鎮(zhèn)、萍鄉(xiāng)、新余、鷹潭四市作為一般節(jié)點(diǎn)，便于網(wǎng)絡(luò)的延伸和覆蓋，起到輔助作用。

圖4 江西省物流網(wǎng)絡(luò)圖

6 結(jié)論

本文通過科學(xué)地構(gòu)建指標(biāo)體系，提供了對(duì)節(jié)點(diǎn)進(jìn)行空間布局的方法。節(jié)點(diǎn)的空間布局是構(gòu)建區(qū)域物流網(wǎng)絡(luò)的重要步驟，未來在研究過程中，應(yīng)結(jié)合多年的數(shù)據(jù)反映一段時(shí)間內(nèi)各城市的總體水平，并確定各節(jié)點(diǎn)的規(guī)模；再通過定量化的研究方法，構(gòu)建節(jié)點(diǎn)間的物流線路，形成最終區(qū)域物流網(wǎng)絡(luò)。

[1]楊光華.區(qū)域物流網(wǎng)絡(luò)結(jié)構(gòu)的演化機(jī)理與優(yōu)化研究[D].長沙:中南大學(xué),2010.

[2]王之泰.新編現(xiàn)代物流學(xué)(第三版)[M].北京:首都經(jīng)濟(jì)貿(mào)易大學(xué)出版社,2012.

[3]葛喜俊,劉凱,賈傳峻,等.城市群物流需求網(wǎng)絡(luò)結(jié)構(gòu)特征分析方法研究[J].物流技術(shù),2007,26(5):1-4.

[4]李金華.區(qū)域物流網(wǎng)絡(luò)結(jié)構(gòu)及其功能探討[J].物流工程與管理,2013,35(12):77-78.

[5]李華.區(qū)域物流網(wǎng)絡(luò)中物流節(jié)點(diǎn)布局方法研究[J].物流技術(shù),2013,32(9):320-323.

[6]張曉東.物流園區(qū)布局規(guī)劃理論研究[M].北京:北京物資出版社,2004.

[7]劉興偉,姚書懷.基于層次聚類的語義Web 服務(wù)發(fā)現(xiàn)算法[J].計(jì)算機(jī)應(yīng)用與軟件,2007,24(7):173-178.

[8]吳青,翟建設(shè),趙旭赟.基于層次聚類的分層可擴(kuò)展性編碼算法的優(yōu)化[J].計(jì)算機(jī)應(yīng)用與軟件,2007,24(2):45-52.

[9]克勞斯·巴克豪斯,本德·埃里克森,伍爾夫·普林可,等.多元統(tǒng)計(jì)分析方法（用SPSS工具）[M].上海:上海人民出版社,2009.

[10]李仁義,數(shù)據(jù)挖掘中聚類分析算法的研究與應(yīng)用[D].成都:電子科技大學(xué),2009.

[11]何曉群.多元統(tǒng)計(jì)分析[M].北京:中國人民大學(xué)出版社,2004.

[12]胡曉慶,馬儒寧,鐘寶江.層次聚類算法的有效性研究[J].山東大學(xué)學(xué)報(bào)(工學(xué)版),2010,40(5):146-149.

[13]杜棟,龐慶華,吳炎.現(xiàn)代綜合評(píng)價(jià)方法與案例[M].北京:清華大學(xué)出版社,2008.

[14]胡錢平.區(qū)域物流網(wǎng)絡(luò)構(gòu)建與評(píng)價(jià)研究[D].大連:大連海事大學(xué),2010.

[15]李全喜,金鳳花,孫磐石.區(qū)域物流引力和地位模型的構(gòu)建及應(yīng)用研究[J].經(jīng)濟(jì)地理,2010,30(10):1 619-1 624.