京津冀轴辐式区域物流网络的构建与对策

作 者:

作者简介:
李明芳(1982- ),女,安徽省肥东县人,河北科技大学经济管理学院副教授,博士,主要研究方向为物流系统优化、供应链管理等;薛景梅(1968- ),女,河北省鹿泉市人,河北科技大学经济管理学院教授,硕士生导师,主要研究方向为流通经济、物流管理等(河北 石家庄 050018)。

原文出处:
中国流通经济

内容提要:

为提高京津冀区域物流效率,借助主成分分析法和城市引力模型,结合京津冀区域物流体系特征,构建了轴辐式区域物流网络。研究表明:京津冀区域物流可以构建为“四轴九辐”的网络结构,北京、天津、石家庄和唐山作为轴心城市,其他九个城市作为辐心城市,各自所辖县市作为腹地,辐心城市物流经过轴心城市集散实现区域内以及与区域外的货物流通。结合轴心城市物流现状和未来功能定位,从轴心城市未来物流建设、城市间物流设施规划建设、区域子物流网络构建以及物流信息系统建设等方面提出对策建议。


期刊代号:F14
分类名称:物流管理
复印期号:2015 年 04 期

字号:

      在经济全球化发展背景下,作为区域经济系统的一个重要功能要素,区域物流对区域经济发展具有重要服务和支撑作用。通过对区域物流网络进行统一合理规划,提高区域物流服务水平,提升区域物流竞争力,才能保证区域经济的可持续均衡发展。[1]随着我国城市群、经济区的形成,城市交通线路结构发生了较大变化,物流网络变得更为复杂。如何构建区域物流网络、提高货物流通效率、降低流通成本已经成为区域物流和区域经济发展的关键所在。随着京津冀区域协同发展这一重要国家战略的提出和实施,构建京津冀区域物流网络,实现京津冀物流协同发展,已经成为推进京津冀经济可持续发展的重要内容。

      现有研究表明,轴辐式区域物流网络可以提高物流效率,显著降低物流成本。轴辐式物流网络是由轴心、腹地、链接线路(轴-轴之间为干线,轴-辐之间为支线)等要素组成。[2]根据区域内城市节点的基础设施、社会经济发展水平、市场规模、信息化水平等指标体系,将城市节点划分为若干等级,以重要的物流节点城市作为轴心,以次要的物流节点城市作为腹地。轴心城市发挥物流枢纽功能,对周边腹地形成辐射作用,腹地物流经支线向轴心城市集散,再经干线在轴心城市间流转,使得区域物流形成密切联系的空间结构。基于轴辐式物流网络的区域物流系统具有系统化、网络化、协同化和集成化等特点,能够充分发挥轴心城市货物集散的规模经济效应,从而实现物流资源利用的最大化和网络运作成本的最优化。

      奥凯利(O'Kelly)[3]最早提出轴辐式网络的概念,并设计了设施选址和网络设计的P-枢纽中值模型。康宁斯(Konings)[4]将轴辐式网络应用于港口网络设计,对集装箱运输进行优化。海峰等[5]构建一种以轴辐式网络为基础的轴辐式区域物流网络,并以湖北省为例对模型加以实证分析。佟士祺等[6]以我国南方某群岛海运物流系统为对象,构建了一种以轴辐式网络为基础的三级海运物流网络。王鑫磊等[7]针对环鄱阳湖域物流体系特征,基于交通运输成本,构建了三级轴辐式物流网络。但已有研究尚未对京津冀区域物流网络的构建展开研究,本文拟将轴辐网络理论应用于京津冀物流网络构建,并以此为京津冀物流协同发展提供对策和建议。

      由于京津冀三地各为独立的行政区,各地区间经济发展不平衡,导致京津冀物流网络缺乏统一规划,物流网络节点的功能分配和布局不尽合理,物流网络节点之间衔接不畅,缺乏多种运输方式的联运协调机制,阻碍了物流效率的提高,区域内物流成本偏高。

      本文采用主成分法分析相关统计数据,对京津冀区域物流节点城市进行等级划分,将13个地市划分为轴心城市和辐心城市两大类。根据城市引力模型,计算城市间物流强度和物流隶属度,确定每个轴心城市的辐射区域,构建京津冀轴辐式区域物流网络。

      二、轴辐式区域物流网络的构建

      1.轴心城市确定

      针对京津冀经济和物流发展现状,从区域综合发展状况、物流供求状况、物流基础设施建设以及物流行业发展水平4个维度,对京津冀区域内物流节点城市的等级进行评价。区域综合发展状况主要反映区域经济发展的总体水平,包括GDP、人均GDP、固定投资总额和人口密度4项具体指标;物流供求状况反映区域物流的行业需求,包括规模以上工业总产值、规模以上企业数量、社会消费品零售总额、货运总量4项指标;物流基础设施反映区域物流的流通能力,包括铁路货运量、公路货运量和港口吞吐量3项指标;物流行业发展水平反映区域物流的发展环境,包括运输与仓储及邮政业从业人员数、邮电总业务量、移动电话用户数和国际互联网用户数4项指标。

      根据2013年《中国城市统计年鉴》《中国统计年鉴》和《河北经济统计年鉴》,得到京津冀地区13个城市上述指标的2012年年底数据,使用SPSS16.0对数据进行主成分分析。主成分分析方法能对数据自动进行标准化处理,避免各类数据单位不同对分析结果的影响,分析结果主要包括主成分列表、因子载荷矩阵、因子得分矩阵和主成分因子取值(见表1-4)。

      表1显示,分析结果提取了3个公因子,特征值分别为10.092、2.689和1.149,累计方差贡献率为92.866%,因此这3个公因子基本能够反映京津冀各城市的综合物流水平。

      

      表3反映了公因子与原始评价指标的换算关系,即公因子关于15个指标的线性形式。如:

      

      3个公因子分别从不同方面反映了京津冀13市的物流发展状况,单独使用某个公因子并不能真实综合评价各城市的物流等级水平。

      各城市的物流综合得分可以依据公式(1)计算,其中λ表示公因子的特征值,代入特征值,可得。代入3个公因子的具体得分,可求得各城市的物流综合得分F,如表4所示。

相关文章: