陳治亞 ，周于軼

(1. 中南大學(xué) 交通運(yùn)輸工程學(xué)院，湖南 長沙 410075；2. 軌道交通大數(shù)據(jù)湖南省重點(diǎn)實(shí)驗(yàn)室，湖南 長沙 410075)

物流系統(tǒng)規(guī)劃以一定區(qū)域范圍內(nèi)的物流系統(tǒng)作為研究對象，研究物流系統(tǒng)內(nèi)不同物流活動的空間布局與變化[1]。浙江省作為新時(shí)代的“重要窗口”和長三角一體化的重要組成部分，是物流產(chǎn)業(yè)等現(xiàn)代服務(wù)業(yè)在區(qū)域內(nèi)的重要集聚中心，物流業(yè)成為推動浙江省產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化，經(jīng)濟(jì)實(shí)現(xiàn)高質(zhì)量發(fā)展的重要力量。但當(dāng)前針對浙江省的物流研究的相關(guān)文獻(xiàn)中，多以政策和規(guī)劃為主，缺少對產(chǎn)業(yè)空間結(jié)構(gòu)特征的量化分析，導(dǎo)致物流規(guī)劃呈現(xiàn)一定的盲目性。物流業(yè)空間結(jié)構(gòu)是物流規(guī)劃和政策制定的客觀條件和依據(jù)。物流集聚規(guī)模和形態(tài)是物流空間結(jié)構(gòu)的表現(xiàn)形式。通過對物流業(yè)空間集聚特征的研究，能了解網(wǎng)絡(luò)中物流活動的熱點(diǎn)分布，識別發(fā)展?jié)摿Ω呋虬l(fā)展異常的節(jié)點(diǎn)與節(jié)點(diǎn)間的相互影響。目前，在物流產(chǎn)業(yè)的空間特征研究中多采用傳統(tǒng)的統(tǒng)計(jì)分析法[2]。GIULIANO等[3]對加利福尼亞州2003年～2010年物流發(fā)展趨勢進(jìn)行深入研究，證實(shí)物流分散化是大都市地區(qū)一致的趨勢。CIDELL[4]利用GDP，人口和距離等變量構(gòu)成引力模型，研究了亞歐美三大洲的國際航空樞紐地位。方曉平等[5]采用帶有空間滯后項(xiàng)的空間自相關(guān)模型，對鐵路貨流空間效應(yīng)進(jìn)行分析，為鐵路貨運(yùn)提供了新的方法和思路。符繼英等[6-8]從集聚效應(yīng)相關(guān)理論、集聚現(xiàn)象和影響因素入手，分別對長三角區(qū)域、北京市物流分布格局進(jìn)行分析，結(jié)果表明城市內(nèi)部物流空間結(jié)構(gòu)在整體上具有集聚化、層次化和網(wǎng)絡(luò)化特征。在用傳統(tǒng)的數(shù)據(jù)統(tǒng)計(jì)分析產(chǎn)業(yè)空間集聚特性時(shí)，由于其數(shù)據(jù)屬于標(biāo)量，自身不具有任何地理空間上的坐標(biāo)意義，需將其附著于人為劃分的區(qū)域中作為結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行分析，因此研究結(jié)果大多只停留于宏觀層面，且具有時(shí)間滯后性，導(dǎo)致數(shù)據(jù)本身不夠精確，無法反應(yīng)最新的空間特性。近年來，興趣點(diǎn)(POI：point of interesting)作為一種新興的地理信息數(shù)據(jù)，被廣大學(xué)者運(yùn)用到產(chǎn)業(yè)空間格局的研究中。物流活動符合地理學(xué)第一定律[9]，呈現(xiàn)空間自相關(guān)特性。而POI相比傳統(tǒng)數(shù)據(jù)采集方法，具有樣本容量大、地理精度準(zhǔn)和時(shí)效性優(yōu)等特點(diǎn)。利用POI數(shù)據(jù)作為矢量數(shù)據(jù)集自帶精確的地理坐標(biāo)，自身即可作為一種非結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行處理，與GIS結(jié)合能夠?qū)崿F(xiàn)產(chǎn)業(yè)網(wǎng)絡(luò)布局可視化，判斷空間分布是否均衡和網(wǎng)絡(luò)中各區(qū)域的空間集聚方式?；赑OI探究浙江省物流空間集聚特性，以期為地方物流發(fā)展提供決策依據(jù)。

1 數(shù)據(jù)來源與模型綜述

1.1 研究方法與路線

區(qū)位商是傳統(tǒng)統(tǒng)計(jì)方法中最常見的空間集聚的指標(biāo)，能較為準(zhǔn)確反應(yīng)產(chǎn)業(yè)市場集中度，但不能說明區(qū)域間相互聯(lián)系。核密度法是基于POI的產(chǎn)業(yè)集聚性分布特征中最常用到的可視化工具，直接從樣本本身出發(fā)，能揭示距離衰減規(guī)律，因此能反應(yīng)區(qū)域之間的空間聯(lián)系和相互依賴，緩沖區(qū)分析是解決空間鄰近度問題的重要分析方法之一，從地理角度描述2個物流POI之間距離相近程度。采用區(qū)位商、核密度法和緩沖區(qū)分析法分別進(jìn)行物流業(yè)空間集聚特征分析。為進(jìn)一步識別物理活動在區(qū)域內(nèi)的集聚模式和冷熱點(diǎn)分布，分別基于傳統(tǒng)數(shù)據(jù)與POI數(shù)據(jù)引入空間自相關(guān)模型分析浙江省物流業(yè)空間分布演化并進(jìn)行比較。研究路線如圖1所示。

1.2 數(shù)據(jù)來源

研究范圍為浙江省內(nèi)11個地級市?？紤]到浙江省物流業(yè)發(fā)展的時(shí)間變化和數(shù)據(jù)的完整性、可靠性和統(tǒng)計(jì)口徑變化的因素，提取時(shí)間為2011年、2016年及2020年。各市物流產(chǎn)值及其增值、物流從業(yè)人口數(shù)和企業(yè)數(shù)量等數(shù)據(jù)來源于浙江省統(tǒng)計(jì)年鑒以及浙江省內(nèi)各地級市統(tǒng)計(jì)年鑒。

參照國家標(biāo)準(zhǔn)《物流術(shù)語》(GB/T 18354—2006)中對物流指標(biāo)的分類和定義，并結(jié)合各專家學(xué)者對物流業(yè)的劃分標(biāo)準(zhǔn)[10-11]，將物流POI數(shù)據(jù)分為“物流節(jié)點(diǎn)”和“物流企業(yè)”兩大類。1) 物流節(jié)點(diǎn)為物資的中轉(zhuǎn)、集散和儲運(yùn)提供中間連接場所，在此將物流節(jié)點(diǎn)分為物流園區(qū)、物流配送中心、貨運(yùn)場站3個小類[10]；2) 物流企業(yè)作為物流供應(yīng)鏈建設(shè)和運(yùn)營的主要參與主體，將其分為快遞速運(yùn)及網(wǎng)點(diǎn)和貨運(yùn)代理公司兩小類[11]。

基于百度地圖數(shù)據(jù)采集技術(shù)，利用爬蟲軟件提取浙江省物流POI數(shù)據(jù)，選擇“物流園區(qū)”、“配送中心”、“速運(yùn)”、“貨運(yùn)公司”和“快遞”等關(guān)鍵詞，進(jìn)行統(tǒng)計(jì)并剔除重復(fù)無效數(shù)據(jù)后，收集浙江省內(nèi)物流POI數(shù)據(jù)共10 956個。其中，物流節(jié)點(diǎn)5 241個，物流企業(yè)5 715個，POI樣本分類及數(shù)量如表1所示，浙江省各地級市POI樣本數(shù)量分布及占比如表2所示。利用Arcgis10.7將研究樣本顯示在浙江省市級行政區(qū)劃圖上，得到浙江省物流節(jié)點(diǎn)和企業(yè)空間分布圖，如圖2所示。

表1 POI樣本分類及數(shù)量Table 1 Sample classification and quantity of POI

表2 各市POI樣本數(shù)量分布Table 2 Sample size distribution by city of POI

1.3 區(qū)位商

基于物流業(yè)從業(yè)人數(shù)區(qū)位商、物流企業(yè)數(shù)區(qū)位商、物流總產(chǎn)值區(qū)位商、物流產(chǎn)業(yè)增加值區(qū)位商加權(quán)平均構(gòu)建區(qū)位商綜合指數(shù)[10](LQ)，分析物流相對靜態(tài)聚集程度。計(jì)算公式為：

其中：λi代表特定區(qū)位商LQi的加權(quán)系數(shù)。4個指標(biāo)在衡量物流產(chǎn)業(yè)集聚水平時(shí)所占權(quán)重相同，故λ1=λ2=λ3=λ4=0.25。

在式(2)的基礎(chǔ)上，構(gòu)建物流動態(tài)集聚趨勢區(qū)位商(LQ0-t)，公式為：

其中：LQ0表示基期物流靜態(tài)聚集水平值，LQt表示計(jì)算期物流靜態(tài)聚集水平。

1.4 核密度估計(jì)

核密度估計(jì)法是反應(yīng)空間集聚特征和距離衰減規(guī)律的一種方法[11]。將空間內(nèi)每個點(diǎn)要素定義為一個“核”，用函數(shù)模型對每個“核”進(jìn)行測算，得到搜索單元內(nèi)的密度值。計(jì)算公式為：

其中：fn(x)為點(diǎn)x密度值，n為搜索半徑內(nèi)“核”的數(shù)量，K為權(quán)重函數(shù)，(x-xi)是需要估值的密度點(diǎn)x與xi間的距離，h為搜索半徑。

1.5 緩沖區(qū)分析

圍繞指定要素，在其周圍以指定距離繪制多個同心圓環(huán)區(qū)域，然后建立該圖層與目標(biāo)圖層的疊加，得到所需結(jié)果。

1.6 空間自相關(guān)模型

1.6.1 空間權(quán)重

在用空間自相關(guān)模型進(jìn)行分析前，需對空間要素間的鄰接關(guān)系進(jìn)行定義。其表達(dá)式[12]為：

如果第i個空間單元與第j個空間單元是鄰居,則Wij=1，反之，Wij=0。

1.6.2 全局自相關(guān)

全局自相關(guān)分析是從所研究范圍的整體層面判斷物流產(chǎn)業(yè)在空間上的聚集特性或者空間差異，用Moran’s I指數(shù)體現(xiàn)，計(jì)算公式為：

其中，zi是要素i的數(shù)值與其平均值的偏差(xi-Xˉ)，Wij表示空間權(quán)重矩陣，采用的空間權(quán)重矩陣為Queen標(biāo)準(zhǔn)的鄰接矩陣，n為研究范圍內(nèi)的空間單位總數(shù)。S0是所有空間權(quán)重的集合：

P-Value表示所觀測到的空間模式是由某一隨機(jī)過程創(chuàng)建而成的概率，其值越小，意味著所觀測到的空間模式越不可能產(chǎn)生于隨機(jī)過程。

Moran’s I指數(shù)介于區(qū)間(-1, 1)，若Moran’s I大于0，則表明研究區(qū)域內(nèi)各單元具有正相關(guān)性的特性，體現(xiàn)為高-高或低-低集聚；若指數(shù)小于0，則表明存在負(fù)相關(guān)關(guān)系；若指數(shù)等于0，則表明研究區(qū)域內(nèi)產(chǎn)業(yè)分布不具有空間相關(guān)特性。

1.6.3 局部自相關(guān)(熱點(diǎn)分析)

局部自相關(guān)，又稱熱點(diǎn)分析，可以識別出所研究區(qū)域內(nèi)存在不同的空間聚集形式，公式為：

進(jìn)行標(biāo)準(zhǔn)化處理后，轉(zhuǎn)為：

2 浙江省物流業(yè)空間分布特征分析

2.1 集聚程度與分布格局

2.1.1 區(qū)位商分析

用區(qū)位商方法測算得到2016年與2020年浙江省內(nèi)各市物流產(chǎn)業(yè)的集聚水平如表3所示。

表3 2016與2020年浙江省各市物流產(chǎn)業(yè)空間集聚水平Table 3 Spatial agglomeration level of the logistics industry in each city in Zhejiang Province in 2016 and 2020

總體來看，浙江省物流產(chǎn)業(yè)集聚水平呈上升趨勢，呈現(xiàn)出明顯的空間集聚特征。2020年，寧波市、金華市、舟山市的LQ都超過了1.5，呈現(xiàn)出明顯的空間集聚特征。從LQ0-t來看，寧波市、湖州市、紹興市、金華市、衢州市、舟山市、麗水市均為正，集聚水平穩(wěn)步提升。綜合LQ與LQ0-t，寧波市、湖州市、金華市、衢州市、舟山市2016年LQ均超過1，且2016～2020年LQ0-t均為正；而杭州市、溫州市、嘉興市2016年LQ均小于1，且2016～2020年LQ0-t均為負(fù)，體現(xiàn)了浙江省內(nèi)物流產(chǎn)業(yè)空間集聚顯現(xiàn)明顯的分化，已形成較為明顯空間集聚特征的城市集聚現(xiàn)象更為明顯，物流產(chǎn)業(yè)專業(yè)化程度更高。

2.1.2 核密度分析

基于表1的大類分類結(jié)果，進(jìn)行POI核密度分析，并繪制核密度分析圖，如圖3所示。

浙江省物流活動整體呈現(xiàn)“東密西疏、北密南疏、外密內(nèi)疏”的特點(diǎn)，與浙江省“十四五”規(guī)劃提出的“四港聯(lián)動”物流產(chǎn)業(yè)空間布局存在高度耦合關(guān)系，體現(xiàn)出物流擴(kuò)張的分散化特點(diǎn)[13]。

由圖3(a)所示，物流企業(yè)核密度高值主要集中于寧波舟山港、杭州空港和金華國際公港。其中，寧波舟山港和杭州國際航空物流中心分別借助舟山江海聯(lián)運(yùn)的港口優(yōu)勢和杭州航空港的地理優(yōu)勢，協(xié)同集聚效果顯著，對物流企業(yè)的區(qū)位選擇吸引力強(qiáng)。以義烏為代表的智慧物流園區(qū)距離市中心距離短，主要發(fā)揮城市配送及城市內(nèi)外物流集散功能，形成了國內(nèi)外著名的義烏國際物流中心，對物流企業(yè)的集聚效應(yīng)強(qiáng)。

由圖3(b)所示，物流節(jié)點(diǎn)核密度高值主要集中于東部沿海和靠近長三角城市群的北部。一方面物流節(jié)點(diǎn)的區(qū)位選擇受地租理論的影響，物流活動趨向郊區(qū)化，另一方面受浙江省獨(dú)特的海港優(yōu)勢影響，物流節(jié)點(diǎn)在沿海港口有一定的集聚現(xiàn)象。而以杭州和寧波為代表的全國性物流樞紐和一級物流園區(qū)，借助距長三角城市群距離短的地理優(yōu)勢，又依托發(fā)達(dá)的經(jīng)濟(jì)優(yōu)勢，對物流節(jié)點(diǎn)的集聚效應(yīng)相較于其他城市更高。

2.1.3 緩沖區(qū)分析

為探究物流企業(yè)從市中心到城市近郊及遠(yuǎn)郊的分布情況，通過緩沖區(qū)分析法，依據(jù)百度地圖發(fā)布的各城市中心點(diǎn)坐標(biāo)，以各市中心坐標(biāo)點(diǎn)為核心，5 km為間隔由內(nèi)向外構(gòu)建多環(huán)緩沖區(qū)，與各市的物流POI點(diǎn)進(jìn)行空間疊加分析，得到每個地級市物流企業(yè)距離市中心的頻次分布，用Matlab軟件進(jìn)行曲線擬合后的結(jié)果如圖4所示。

圖4中各曲線的差異表示浙江省物流空間分布呈現(xiàn)出明顯的層級性，各市物流區(qū)位選擇呈現(xiàn)多樣化特征。寧波市的物流POI集中于市中心10 km內(nèi)，數(shù)量隨距市中心里程增大而減少，體現(xiàn)了經(jīng)濟(jì)發(fā)展和交通便利對物流的促進(jìn)作用；杭州、溫州、嘉興、湖州、紹興、舟山、臺州這7個市的物流節(jié)點(diǎn)與企業(yè)區(qū)位選擇集中在城市中心10～30 km，體現(xiàn)了物流服務(wù)追求將系統(tǒng)總成本(時(shí)間總成本和增值服務(wù)成本)降至最低[14]，中心城區(qū)由于用地的缺乏以及土地價(jià)格昂貴使得物流POI向外擴(kuò)散；衢州、金華和麗水市的物流活動主要范圍分布距市中心30 km之外，在城市遠(yuǎn)郊呈現(xiàn)明顯的集聚性，體現(xiàn)符合政府規(guī)劃下，物流空間分布格局郊區(qū)化拓展的導(dǎo)向。總體來看，浙江省物流空間區(qū)位具有明顯不均衡性。

2.1.4 方法比較

基于傳統(tǒng)數(shù)據(jù)分析的綜合區(qū)位商法考慮了規(guī)模和數(shù)量的因素，將區(qū)域內(nèi)物流產(chǎn)業(yè)的集中度量化分析(結(jié)果見圖3)，僅反應(yīng)集聚規(guī)模而不能反應(yīng)集聚形態(tài)。其值能度量絕對集中度而不能度量相對集中度，因此存在不能體現(xiàn)區(qū)域間空間聯(lián)系的缺點(diǎn)。且結(jié)果存在失真情況，較低的區(qū)位商指數(shù)也不能斷言產(chǎn)業(yè)集聚一定不在該區(qū)域發(fā)生，如由表3的區(qū)位商結(jié)果分析，溫州市LQ僅為0.6，達(dá)不到集聚標(biāo)準(zhǔn)，但從圖3的可視化產(chǎn)業(yè)布局圖中可以清晰看到在溫州市范圍內(nèi)物流企業(yè)和節(jié)點(diǎn)是相對集聚的。而基于POI數(shù)據(jù)的核密度法通過密度值來反應(yīng)產(chǎn)業(yè)集聚程度，其值為相對值，網(wǎng)絡(luò)中不同節(jié)點(diǎn)的密度值都根據(jù)整個網(wǎng)絡(luò)中密度最低的0點(diǎn)相對而定。因此該方法能較好反應(yīng)空間上的距離衰減規(guī)律，體現(xiàn)區(qū)域之間的空間聯(lián)系和相互依賴。緩沖區(qū)分析則通過圈層劃分，反應(yīng)物流產(chǎn)業(yè)在城市內(nèi)的格局分布，揭示城市內(nèi)部不同圈層的物流活動強(qiáng)弱。因此基于POI，在物流產(chǎn)業(yè)集聚規(guī)模與形態(tài)，和區(qū)域之間的聯(lián)系上都有更好的體現(xiàn)。

2.2 空間演化

2.2.1 全局空間自相關(guān)

通過全局空間自相關(guān)方法，用Arcgis10.7的空間統(tǒng)計(jì)功能計(jì)算2011年、2016年與2020年浙江省物流產(chǎn)業(yè)的Moran’s I指數(shù)并進(jìn)行顯著性檢驗(yàn)，從而揭示浙江省物流產(chǎn)業(yè)集聚的總體空間分異特征與演化過程，結(jié)果如表4所示。

表4 浙江省物流產(chǎn)業(yè)Moran’s I指數(shù)Table 4 Moran’s I index of Zhejiang logistics industry

整體來看，浙江省物流空間集聚特征具有正相關(guān)性，有明顯的空間分異特征。2011年、2016年、2020年，浙江省物流業(yè)的全局Moran’s I指數(shù)均為正數(shù)，且整體呈上升趨勢；從顯著性檢驗(yàn)上看，2011年的結(jié)果未通過顯著性檢驗(yàn)，2016年和2020年的結(jié)果分別通過10%和5%水平下的顯著性檢驗(yàn)。表明在2011年的時(shí)候浙江省內(nèi)各城市物流產(chǎn)業(yè)屬于隨機(jī)分布模式，不存在顯著的空間關(guān)聯(lián)，但隨著時(shí)間的推移，浙江省內(nèi)各城市之間物流業(yè)的空間正相關(guān)性逐漸增強(qiáng)，空間分異特征越來越顯著。物流園區(qū)是物流產(chǎn)業(yè)集聚發(fā)展的最佳的載體，因此物流產(chǎn)業(yè)集聚水平高的城市往往擁有數(shù)量多、規(guī)模大的物流園區(qū)。目前，浙江省物流園區(qū)分布不均特征明顯，各市擁有的物流園區(qū)的規(guī)模和數(shù)量差異較大，導(dǎo)致內(nèi)部物流產(chǎn)業(yè)集聚水平存在空間極化和分異特征[15]。

2.2.2 局部空間自相關(guān)

通過局部空間自相關(guān)法，基于物流POI數(shù)據(jù)計(jì)算2011年、2016年和2020年浙江省物流產(chǎn)業(yè)的局部G*統(tǒng)計(jì)量并繪制浙江省物流產(chǎn)業(yè)冷熱點(diǎn)分布圖，與基于傳統(tǒng)數(shù)據(jù)繪制而成的冷熱點(diǎn)分布圖做對比。由于文章篇幅限制，僅展示2020年的冷熱點(diǎn)分布圖，如圖5所示。

圖5(a)和圖5(c)體現(xiàn)了浙江省內(nèi)物流業(yè)空間集聚特征越來越明顯，熱點(diǎn)區(qū)域逐漸增多且在空間上更加聚集在東部沿海區(qū)域。而冷點(diǎn)區(qū)域經(jīng)歷了先增多后減少的趨勢，表明物流企業(yè)與節(jié)點(diǎn)在空間上集聚范圍有先增大后減少的過程。未來，具有輻射內(nèi)陸、承接沿海的雙向開放優(yōu)勢的浙江省需繼續(xù)依托海港和空港優(yōu)勢，發(fā)揮通江達(dá)海和公鐵水聯(lián)運(yùn)的優(yōu)勢。

比較圖5(c)和圖5(d)，不論基于哪樣方法或基于POI數(shù)據(jù)，都體現(xiàn)出浙江省物流活動布局的區(qū)域性較強(qiáng)。但由于傳統(tǒng)數(shù)據(jù)并非矢量點(diǎn)集，需統(tǒng)計(jì)每個城市企業(yè)數(shù)量存入面圖層的數(shù)據(jù)庫，在研究空間結(jié)構(gòu)特征時(shí)將單個城市作為面單元分析。因此，空間分析結(jié)果也只針對某個城市整體水平，并未深入城市內(nèi)部。例如圖5(d)中臺州市是物流的熱點(diǎn)，而實(shí)際上由圖5(c)可以看出臺州有部分屬于冷點(diǎn)區(qū)域，但在其東部熱點(diǎn)聚集程度高導(dǎo)致整體上臺州屬于物流活動的熱點(diǎn)區(qū)域。在具體研究中，可以將城市進(jìn)一步以區(qū)縣為單位進(jìn)行細(xì)分，無論如何人為劃分，POI直接將每個矢量點(diǎn)作為物流活動最小單元更精細(xì)，基于POI的空間分析更符合物流活動的分布特征。

用Geoda軟件繪制Moran散點(diǎn)圖和空間關(guān)聯(lián)類型分布表如圖5和表5所示。其中，橫軸表示局部Moran’s I的均值，縱軸表示觀測值均值。橫軸和縱軸將散點(diǎn)圖分為4個象限[16]：

表5 浙江省物流產(chǎn)業(yè)空間關(guān)聯(lián)類型分布Table 5 Distribution table of spatial association types of logistics industry in Zhejiang Province

第1象限(高-高聚集)：觀測區(qū)域及其周邊區(qū)域的Z值均大于均值；

第2象限(低-高聚集)：觀測值Z值＜均值，周邊區(qū)域Z值＞均值，即低值被高值包圍；

第3象限(低-低聚集)：觀測區(qū)域及其周邊區(qū)域的Z值均小于均值；

第4象限(高-低聚集)：觀測值Z值＞均值，其周邊區(qū)域Z值＜均值，即高值被低值包圍。

2011年、2016年、2020年浙江省一半以上的城市位于Moran散點(diǎn)圖的第1象限(高-高聚集)和第3象限(低-低聚集)，這進(jìn)一步說明浙江省物流業(yè)集聚特性呈現(xiàn)出空間正相關(guān)性，相鄰城市間形成了良好的互動效應(yīng)。

具體來看，臺州市和衢州市始終屬于低-高型空間集聚分布，這2個城市自身物流發(fā)展水平較低，與周邊城市形成較大的差異。杭州市始終屬于高-低型空間集聚分布，表明作為浙江省省會和長三角核心城市，自身物流集聚發(fā)展水平高，但未能發(fā)揮擴(kuò)散和空間溢出效應(yīng)。寧波市始終屬于高-高型空間集聚分布，不僅自身物流集聚水平高，還對周邊城市有明顯的正向帶動。

從時(shí)空演化角度分析，整體上2011～2020年浙江省僅有少數(shù)城市物流空間集聚類型發(fā)生變化，說明浙江省內(nèi)物流發(fā)展空間結(jié)構(gòu)穩(wěn)定性較強(qiáng)，存在一定的路徑依賴性。2011～2020年，舟山市受周邊寧波市的輻射作用明顯，正在成為浙江省東部區(qū)域物流集聚水平發(fā)展的高點(diǎn)，金華市從“低-低”型過渡到“高-低”型空間集聚分布，其物流集聚水平發(fā)展受到周邊落后城市的制約。

3 結(jié)論

1) 相比通過傳統(tǒng)數(shù)據(jù)統(tǒng)計(jì)方法分析產(chǎn)業(yè)空間特性，POI的優(yōu)勢主要表現(xiàn)在：宏觀上把握區(qū)域整體空間集聚程度同時(shí)從微觀角度揭示范圍內(nèi)不同區(qū)域的產(chǎn)業(yè)集聚形式和區(qū)域之間的空間影響，減少了對連續(xù)性物流活動的人為劃分引起的空間模式變化問題?；赑OI的距離衰減效應(yīng)和空間自相關(guān)的量化分析為區(qū)域產(chǎn)業(yè)空間結(jié)構(gòu)特征提供更精確的熱點(diǎn)分布信息，在集聚規(guī)模和集聚形態(tài)上都有較為充分的展示。

2) 浙江省物流活動呈現(xiàn)總體集聚，熱點(diǎn)分布集中于東部，西部多為冷點(diǎn)，具有層級性和不均衡性的發(fā)展特征，為之后物流規(guī)劃提供了決策依據(jù)。例如，是否考慮圍繞杭州與寧波兩大省內(nèi)經(jīng)濟(jì)體構(gòu)建多式聯(lián)運(yùn)物流體系，以便繼續(xù)發(fā)揮寧波港和杭州空港優(yōu)勢推進(jìn)鐵水空多式聯(lián)運(yùn)；政府是否可以通過優(yōu)惠政策緩解企業(yè)壓力的同時(shí)吸引更多優(yōu)秀的企業(yè)集聚；或是引導(dǎo)企業(yè)與企業(yè)間相互合作與交流，加強(qiáng)區(qū)域間聯(lián)系，還是借鑒省內(nèi)之江實(shí)驗(yàn)室和甬江實(shí)驗(yàn)室的范例打造產(chǎn)學(xué)研一體化等措施優(yōu)化物流空間結(jié)構(gòu)調(diào)整，使物流活動在資源豐富、氛圍優(yōu)良的區(qū)域繼續(xù)高度集聚；亦或是依托省內(nèi)多個國際物流中心和保稅區(qū)優(yōu)勢將園區(qū)物流業(yè)與工商業(yè)協(xié)同發(fā)展，打造商貿(mào)物流生態(tài)圈等。未來，進(jìn)一步優(yōu)化物流空間，加快產(chǎn)業(yè)結(jié)構(gòu)升級，引導(dǎo)浙江省物流業(yè)健康發(fā)展是重中之重。

3) 后續(xù)研究將考慮單個或者局部物流節(jié)點(diǎn)或企業(yè)的集聚能力大小對整體結(jié)果產(chǎn)生的影響；并將不同類型的物流節(jié)點(diǎn)及企業(yè)細(xì)分成不同的種類，如將物流企業(yè)細(xì)分為倉儲型、運(yùn)輸型和綜合型等，探究不同類型的物流POI之間的集聚性和區(qū)位特征差異，使研究結(jié)果更為全面。