城市物流配送需求的影响因素及空间非平稳性研究.pdf

35 货运模型专题|FREIGHT MODEL作者简介崔以晴（1997），女，辽宁大连人，硕士，助理工程师，主要研究方向：城市物流、综合交通规划、轨道交通规划。Email:摘要：经济全球化背景下，城市间的经济联系日益紧密，物流服务需求愈加旺盛。商业配送和快运业务的蓬勃发展，进一步推动了城市内部物流配送需求的迅速增长，给城市物流空间规划带来了一系列挑战。该文以上海市为研究区域，基于新能源货车轨迹数据提取的活动停留点数据，融合交通基础设施和产业结构等多源数据，采用多尺度地理加权回归模型（MGWR）探索影响城市物流配送需求的关键要素。结果表明：MGWR模型能够反映城市物流配送活动强度影响因素的空间非平稳性和尺度差异；商贸服务企业与物流企业密度以及物流枢纽可达性在影响新能源货车物流配送活动强度方面具有重要作用，物流配送空间规划需充分考虑这些影响因素的空间非平稳性。研究结果可为精细化的城市物流配送空间规划提供理论基础。关键词：物流配送需求；物流空间规划；空间非平稳性；多尺度地理加权回归模型Abstract:Abstract:In the context of economic globalization,economic ties between cities are becoming increasingly close,leading to a growing demand for logistics services.The development of commercial distribution and express transport businesses further accelerates the rapid growth of intra-city logistics and distribution demand,presenting a series of challenges for urban logistics spatial planning.Based on activity stopping point data of new energy trucks and data on transport infrastructure and industrial structure,a multiscale geographically weighted regression model(MGWR)was used to analyze the influencing factors of urban distribution logistics demand in Shanghai.The results revealed that the MGWR model effectively captured the spatial non-stationarity and scale differences in the factors affecting the intensity of urban logistics and distribution activities.The density of commercial and trade service enterprises and logistics enterprises,as well as the accessibility of logistic hubs,played significant roles in influencing the intensity of logistics and distribution activities of new energy trucks.Spatial non-stationarity of these influencing factors should be fully considered in the spatial planning of urban logistics and distribution.The research results provide a theoretical basis for refined urban logistics and distribution spatial planning.Keywords:Keywords:Logistics and distribution needs;logistics spatial planning;Spatial non-stationarity;Multiscale geographically weighted regression model0引言经济全球化进程的不断推进，使得区域间的经济联系日益紧密。旺盛的经济活动极大地促进了物流服务需求的增长，现代物流业已经发展成为提升区域经济竞争力的支柱产业1。电子商务时代背景下，商业配送和快运业务的增长使得城市内部物流配送需求更加旺盛，为兼有公共服务属性的物流配送网点提供政策用地保障迫在眉睫。尽管物流活动在维系城市生产和生活畅通方面发挥着重要作用，但由于其隐藏于供应链及产业城市物流配送需求的影响因素及空间非平稳性研究崔以晴上海市城市规划设计研究院Research on the Influencing Factors and Spatial Non-Stationarity of Urban Logistics Delivery Demand36 货运模型专题|FREIGHT MODEL链的各个环节中，导致其重要性不易被直观感知。也正因如此，城市物流配送空间存在着没能被较好地纳入城市规划工作范围内的问题2。物流配送需求本质上是特定生产和经营活动引起的派生需求，这些需求在社会物质产品的流通过程中产生。由于城市内部经济发展水平、产业结构布局、生产资源分布等在不同区域间存在差异，城市物流配送需求也必然在空间上呈现出异质性。因此，城市物流配送空间的精细规划必须建立在这种发展规律和内在机理的基础上。特别是在“三新一高”和“双碳”发展背景下，适应城市物流活动的新变化、精准把握城市物流空间需求，才能将城市物流空间规划更好地融入城市空间布局3。此外，构建高效、绿色、便捷、可持续的城市物流设施体系是综合交通规划研究亟需关注的议题，同时也是落实国家对现代物流发展规划、推动城市高质量发展、提高人民生活品质的重要举措。面向此现实需求，本研究以上海市为研究区域，利用新能源货车轨迹数据提取的城市配送活动停留点数据，融合交通基础设施和产业结构等多源数据，探索并量化影响城市物流配送需求的关键驱动要素。考虑到物流配送需求可能存在的空间分布不均衡性，本研究通过构建多尺度地理加权回归模型（Multiscale Geographically Weighted Regression,MGWR）进一步解释变量影响作用的空间非平稳性，旨在为规划部门制定具有前瞻性、针对性和精细化的城市物流配送空间规划提供理论基础。1数据和方法1.1研究方法回归模型是一种广泛用于探索变量之间影响关系的统计分析方法。普通线性回归模型未考虑变量之间可能存在的空间相关性，在涉及地理空间数据的研究中，无法准确捕捉到空间非平稳性的影响。地理加权回归模型（Geographic Weighted Regression,GWR）是一种能够在地理空间中进行回归分析的统计方法，通过引入空间权重矩阵来反映样本间的空间关联，能够较好适用于回归关系的空间非平稳性4。由于GWR模型的变量采用相同的“最佳平均”带宽，导致无法识别不同变量的空间尺度差异5。MGWR模型能够同时考虑多个尺度上的影响因素，即每个解释变量都有各自特定的带宽，从而更精确地描述回归关系的空间非平稳性。因此，本研究采用MGWR模型，考虑到MGWR模型对研究单元的数量有限制6，将上海划分为446个交通中区，作为模型的基本空间分析单元，用于研究城市物流配送需求的影响机制。MGWR模型的基本表达式如下（1）式中：(ui，vi)是空间基本分析单元质心的地理坐标；yi是因变量；bw0(ui，vi)是常数项；xij、bwj(ui，vi)分别是空间单元i的第j个解释变量和对应的回归系数；bwj是自变量j回归系数使用的带宽；i为误差项。1.2研究数据与变量选取（1）新能源货车停留点数据“双碳”战略背景下，国家相继出台了一系列文件，加速推进新能源货车的推广实施，各地政府也积极出台相应的配套支持政策，以推动新能源货车在城市配送领域的发展7。新能源货车已经广泛应用于城市内部及周边地区的物流配送服务，且应用范围在不断扩大8。本研究使用上海市共计612辆新能源货车的活动停留点数据。这些数据提取自2021年某三个月的纯电轻型卡车轨迹，通过设置时间阈值识别车辆停留点，并结合城市道路网络和兴趣面（AOI,Area of Interest）数据，得到车辆为了取货、配37 货运模型专题|FREIGHT MODEL送等活动而主动停留的活动点9。样本中轻型卡车总质量为4 495 kg，等速续航里程295 km，80%的车辆日均行驶里程小于150 km。新能源货车作为商用车辆，每日出勤车辆数相对稳定，没有明显的工作日与周末的差异9。因此，以交通中区为空间单位，计算三个月内各区域内新能源货车停留点数量之和与面积之比，得到新能源货车物流配送活动强度指标，指标分布情况见图1。图1 新能源货车物流活动强度空间分布（2）变量选取本次研究将新能源货车物流配送活动强度作为因变量，选取可能影响活动强度的因素作为解释变量，通过构建数理统计模型来拟合两者间的关联关系。新能源货车的类型主要包括轻卡、微卡、中面和微面。由于载货能力和能源动力类型的不同，重型货车主要用于长途运输和重载运输，新能源货车通常适用于短途、城市内的配送和运输任务。由于轻卡的货箱容量相对较大，在城市配送物流中主要承担运输重量较大、体积较大的货物，如建材等，同时也承担商场、超市等商业物流运输任务。结合新能源货车在城市物流配送中的承运货物类型和运输服务，本研究将影响新能源货车物流活动强度的因素主要分为企业结构特征、物流枢纽可达性和道路设施条件三个维度。各变量的描述性统计结果如表1所示。考虑到新能源货车主要承担的业务类型，本研究选用制造业、批发业、零售业、餐饮业和物流业等五类配送物流活动相关企业的密度来反映区域经济发展水平以及物流行业规模和活跃程度，企业数据均来源于工商注册数据。分别统计区域内五类企业数量，计算各类企业数量与面积的比值表征区域内企业结构特征。物流枢纽可达性反映了空间基本分析单元与重要物流设施的互联互通程度。重要物流设施包括铁路货运站、货运机场、表1 变量描述性统计分类变量名简称单位均值标准差因变量新能源货车活动强度truck次/km2120.3129.2物流枢纽可达性与最近铁路货运站距离dist_Stationkm11.610.2与最近货运机场距离dist_Airportkm19.610.0与最近货运港口距离dist_Portkm25.913.8道路设施条件高等级道路密度arterial_roadkm/km25.59.4次要道路密度second_roadkm/km28.010.7其他道路密度other_roadkm/km223.528.8企业结构特征制造业企业密度production个/km26.66.9批发业企业密度wholesale个/km246.965.2零售业企业密度retail个/km219.428.6餐饮业企业密度catering个/km27.913.6物流业企业密度logistics个/km25.24.438 货运模型专题|FREIGHT MODEL货运港口，计算区内质心与最近铁路货运站、货运机场和货运港口的距离表征分析单元的物流枢纽可达性水平。在本研究中，将道路设施条件作为控制变量，以便更准确地评估企业结构特征和物流枢纽可达性对新能源货车物流配送活动强度的影响。主要采用高等级道路密度、次要道路密度和其他道路密度来表征区内道路设施水平