中国城市物流贸易网络演化的特征
谢梦恬
摘 要：我国城市物流贸易的特性是围绕一个或者多个核心城市形成区域性物流贸易。从物流核心城市和核心圈子两个角度探究中国城市物流贸易网络的演化过程可以为城市物流经济发展提供新视角。研究发现，上海、广州、青岛、天津、嘉兴为排名前五的物流核心城市，并且核心城市间的贸易差距正在逐步减小，逐渐形成“多核心”的物流贸易局面。2010年之后，城市物流贸易圈子层次结构趋于稳定，形成三个梯队：珠三角、江浙沪和京津冀区域。
关键词：物流经济;引力模型;重要节点;贸易核心圈子
中图分类号：F127 文献标志码：A 文章编号：1673-291X（2022）11-0055-04
引言
经济发展很大程度上取决于物流发展的程度，物流贸易能促进城市经济发展。近年来，物流系统表现出来的复杂特征越来越突出，它具有层次性和空间异质性[1]。物流核心城市是指进行高度密集物流活动的区域，它是连接物流的重要节点，对于促进区域物流发展有重要作用。物流核心城市可以提高社会物流的配送效率，推动城市经济发展。核心圈子定义为网络中重要的子网络[2]。我国物流呈现区域化的特点，城市物流贸易网络是由多个区域城市围绕一个或者几个核心城市组成的，这些核心城市组成的子网络我们称其为城市物流贸易网络核心圈子。
城市物流贸易网络一直是热点研究领域之一，目前的研究主要集中于数理统计[3，4]、拓扑特征[5-7]以及模型优化[8-10]等方面，并主要侧重于静态结构的探究，对于物流城市网络演化问题的研究涉及较少。然而，现有研究表明，通过对物流城市贸易网络演化的规律探究，可以发现城市物流特征和发展瓶颈，有利于深刻分析其动态性和复杂性。
综上所述，本文从物流核心城市和物流核心圈子两个角度探究城市物流贸易网络的演化过程。通过选取49个城市（2021年公布的一线城市、新一线城市和二线城市）作为研究对象，基于2008—2018年《中国城市统计年鉴》和百度地图的数据，应用引力模型[11]、复杂网络模型和K-核分解法[12，13]，揭示其演化特征和规律，并且为城市经济发展提供建设性建议。
一、研究方法
（一）城市物流贸易网络构建
本文将城市作为节点，以城市与城市之间的物流联系构成节点间联系的边，从而构建了城市物流贸易网络。物流联系主要指通过公路与航空线路产生的城市间的货运供给关系。其关系如下：
W=（M，N） （1）
其中，M为城市物流贸易网络的所有城市节点集合，N为城市物流贸易网络的连接矩阵，n（i，j）为节点i和节点j之间的连接状态，其中N表示为：
N=n（i，j）|n（i，j）=1，（i，j）∈M，n∈N （2）
若n（i，j）=1，则表示节点i和节点j之间存在物流聯系;若n（i，j）=0，则表示没有联系。
然而，仅从节点间有无物流联系来构建城市物流贸易网络这一复杂系统是不够全面的，物流节点选择时具有择优性。因此，本文在构建城市物流贸易网络时将节点之间的权重作为考虑因素。一般来说，经济发展越高的城市对于产品运输的需求也就越大，对于物流的需求也会越大，那么节点的货运量也会越大。因此，货运量是反映城市物流需求水平的重要指标。除此之外，城市物流供给能力也与城市间距离相关，因此，本文从物流评价体系中选取城市货运量和城市间公路距离作为指标。基于引力模型，构建城市物流联系Rij量作为权重，R计算公式如下：
（二）K-核分解法
K-核分解法是一种用来在图中找出符合指定核心度的紧密关联的子图结构的方法。K-核分解法依次修剪网络中度小于或等于K的节点，并用来描述网络层次性。
根据K-核分解法的原理，首先去除网络中所有度为1（Ks=1）的节点，然后再去除度为2（Ks=2）的节点，依此类推，最终获得网络中最大的子网络K-核，简称Ks。Ks的分解示意图如图1所示，该网络被分为3层不同的核。
（三）度中心性
度中心性是常用的衡量节点重要性的指标。它与节点的度成正比，节点的度越大，度中心性越大。公式如下：
二、城市物流贸易网络演化分析
（一）数据来源及处理
一般来说，城市经济水平越高，其物流水平发展就越高。因此，本文选取2021年公布的一线城市、新一线城市和二线城市作为研究对象，将城市抽象成节点，物流联系权重作为边连接的指标，从而建立中国城市物流贸易加权网络。通过2008—2018年《中国城市统计年鉴》获取城市间的货运量，在百度地图获取城市间的公路距离，由式（4）计算49个城市之间的隶属程度Hij，根据阈值筛选原则，得到阈值0.045，Hij大于等于0.045的城市之间建立连边，反之则没有连边，从而建立2008—2018年的城市物流加权网络。
通过ucinet软件对城市物流贸易加权网络进行可视化分析发现，2008—2018年，存在个别物流核心城市，物流联系特别密集，并且会围绕物流核心城市形成区域性发展。因此，本文会从物流核心城市和城市物流核心圈子两个方面进行进一步分析。
（二）物流核心城市演化分析
在城市物流贸易网络中，物流核心城市是指进行高密度物流活动的城市。度是指与该城市产生物流联系城市的节点个数，一个城市的度越大，度中心性越大。因此，本文选取在2008—2018年中每个年份度中心性排名前五的城市作为该年份的物流核心城市，结果如表1所示。
从表1中我们发现，物流核心城市多为港口城市，除了北京市，其余都为我国重要港口城市，并且为了横向比较各城市在11年间的物流重要性，我们计算了城市的度中心性DCi，排名前五的城市为上海市（3.5）、广州市（2.396）、青岛市（2.02）、天津市（2.0）、嘉兴市（1.854）。
但是，仅仅研究物流核心城市总排名无法探究物流核心城市的演化规律，因此本文研究了2008—2018年上海、广州、青岛、天津和嘉兴五市的度中心性演化过程，发现图2所示：（1）2008—2018年，上海市的度中心性始终高于其他城市。但是随着时间的推移，上海市的度中心性呈现下降趋势，说明上海市与其他城市的物流联系逐步减少。（2）广州市的度中心性呈现上升趋势，广州市与其他城市的物流联系逐渐增多，并且逼近上海市。（3）天津市的度中心性呈现下降趋势，逐渐被广州市和青岛市超越。（4）2008—2018年间我国的城市物流的贸易差距在慢慢减少，并形成多个物流核心城市共同发展的局面。
（三）城市物流核心圈子演化分析
上文探究了物流核心城市的演化过程，但我国的物流呈现区域化特点，因此分析城市物流核心圈子发展具有战略意义。通过K-核分解法划分城市物流圈子发现：（1）2008年城市物流核心圈子有13个城市，分别是上海、苏州、南京、南通、无锡、常州、广州、珠海、深圳、佛山、东莞、中山、惠州。（2）2009年城市物流核心圈子有14个城市，相比2008年多了嘉兴市。（3）2010—2018年城市物流的核心圈子并没有发生改变，都为广州、珠海、深圳、、佛山、东莞、中山、惠州。（4）2010—2018年我国城市物流圈子层次结构趋于稳定，逐渐形成三个梯队，第一梯队为珠三角区域（Ks=6），第二梯队为江浙沪区域（Ks=5），第三梯队为京津冀区域（Ks=4）。
三、总结与展望
本文从物流核心城市和城市物流核心圈子两个角度探究城市物流加权网络的演化规律。本文选取2021年公布的一线城市、新一线城市和二线城市（共49个城市）作为研究对象，借鉴引力模型构建了城市物流贸易加权网络，通过K-核分解法和拓扑性质分析方法，动态刻画了2008—2018年城市物流贸易网络的演化特性，并得出如下具体结论。
第一，物流核心城市大多为港口城市。重要性排名前五的城市为上海、广州、青海、天津、嘉庆。并且近年来上海市和天津市与其他城市的物流联系逐步减少，广州市的物流联系逐渐增多，形成多个物流核心城市共同发展的物流贸易格局。
第二，自2010年来，我国城市物流贸易核心圈子层次结构趋于稳定，并且形成了三个梯队，第一梯队是珠三角区域，第二梯队是江浙沪区域，第三梯队是京津冀区域。
为了推动我国城市物流建设高质量发展，结合本文研究结论，笔者认为，首先应大力建设物流核心城市，逐步减少核心城市之间的差距，推动“多核心”发展的城市物流局面形成;其次，应充分挖掘城市物流贸易核心圈子的竞争力，利用港口城市优势打造物流城市群，从而带动周边城市经济发展。
本文利用引力模型构建城市物流贸易加权网络，分析中国城市物流贸易加权网络的演化过程，一方面从动态角度探究城市物流贸易的演化规律，另一方面从实证数据剖析了城市物流圈子的层次特性，为城市物流建设提供了理论基础。但是本文仍然存在不足，若該工作考虑网络连边的有向信息，进一步分析城市之间的物流交互，将更加具有现实意义和借鉴价值。
参考文献：
[1] 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.
[2] M. Kitsak，L. K. Gallos，S. Havlin，F. Liljeros，L. Muchnik，H. E. Stanley，H. A.Makse. Identification of influential spreaders in complex networks[J].Nature Physics，2010，（6）：888-893.
[3] 黄由衡，唐岚.物流枢纽建设对承载城市经济增长的影响——基于40个国家物流枢纽城市的面板数据分析[J].物流科技，经济与管理科学，2021，44 （9）：103-106，110.
[4] 刘辉鸿，龙婧，王龙生，邹纯林.基于DEA-Malmquist指数模型的长三角地区供应链试点城市物流效率实证研究[J].物流工程与管理，2021，43（10）：69-72，80.
[5] 路少武.长三角城市群公路物流网络特征实证分析[J].中国物流与采购，2021，20（10）：44-45.
[6] 李苑君，吴旗韬，张玉玲，吴康敏，张虹鸥，金双泉.中国三大城市群电子商务快递物流网络空间结构及其形成机制研究[J].地理科学，2021，41（8）：1398-1408.
[7] 刘晓宇，杨斌，黄振东.中欧班列沿线贸易-物流网络结构优化分析[J].铁道运输与经济，经济与管理科学，2021，43（4）：54-60.
[8] 武文杰，张瑞钰.基于多属性决策模型的城市物流配送路线优化[J].物流工程与管理，2019，41（7）：73-76.
[9] 卢军莉，傅忠宁，李金萍.城市物流配送车辆调度模型及优化[J].物流科技，2018，41（2）：108-112.
[10] 曾令慧，周爱莲.基于遗传算法的城市地下物流网络优化模型[J].交通科学与工程，2016，32（2）：89-93.
[11] 胡宗彪，周勤.时区差异对中国服务业出口的影响研究：来自WIOD数据的经验证据[J].世界经济研究，2021，（11）：90-105，136-137.
[12] 王闯，王亚民.基于K核分解的网络知识社区关键用户挖掘研究[J].情报理论与实践，2019，42（6）：149-153.
[13] 李懂，席景科，孙成成.融合度与K核迭代次数的节点重要性排序算法[J].计算机工程与设计，2019，40（6）：1518-1522，1539.
Evolution Characteristics of Urban Logistics Trade Network in China
XIE Meng-tian
（Complex System Scientific Experiment Center， University of Shanghai for Science and Technology， Shanghai 200093）
Abstract：The characteristic of urban logistics trade in China is to form regional logistics trade around one or more core cities. Exploring the evolution process of China’s urban logistics trade network from the perspectives of logistics core city and core circle can provide a new perspective for the development of urban logistics economy. The study found that Shanghai， Guangzhou， Qingdao， Tianjin and Jiaxing are the top five logistics core cities， and the trade gap between core cities is gradually decreasing， gradually forming a “multi-core” logistics trade situation. After 2010， the hierarchical structure of urban logistics trade circle has stabilized， forming three echelons：
Pearl River Delta， Jiangsu-Zhejiang-Shanghai and Beijing-Tianjin-Hebei.
Key words：logistics economy; gravity model; important nodes; trade core circle
[責任编辑 张宇霞]
猜你喜欢 引力模型 基于引力模型的东盟自贸区对浙江省机电行业的影响分析时代金融(2021年15期)2021-01-02基于引力模型下中国与波兰农产品贸易的实证研究中国商论(2020年23期)2020-12-29基于引力及要素流动空间模型的空间经济联系研究科技创新导报(2020年8期)2020-06-30中俄木材贸易潜力性探究商场现代化(2019年13期)2019-09-24中国-秘鲁自由贸易区贸易创造效应评估时代金融(2019年6期)2019-04-10元蔓高速公路沿线区域经济联系强度分析时代金融(2018年15期)2018-08-28文化障碍对我国服务贸易出口流量的影响商业研究(2017年10期)2017-11-04英国脱欧对中英贸易的影响中国市场(2017年10期)2017-05-04西三角区域经济一体化分析时代金融(2016年8期)2016-05-14中国与东盟10国双边水果产品贸易流量实证分析广西农学报(2015年3期)2015-10-14