基于订单大数据的长三角公路货运网络特征分析

高 湛 ， 韦 胜

(江苏省城市规划设计研究院有限公司，南京 210000)

0 引言

长三角城市群是世界上六大城市群之一，其公路货运网络是当前长三角物流业、制造业等发展的重要运输生命线。货运网络的评估研究可为长三角城市之间交通、产业等方面的规划发展提供科学决策依据。近年来以互联网平台为兴起标志的物流大数据运输系统正成为公路货运网络的重要支撑子系统[1]，也为研究城市之间的货运关系提供了新的数据源。该数据源主要表现形式为城市之间的货运订单信息。其中的一些信息平台中货运订单信息包含了货运所涉及的产业类型。相比传统的统计数据而言，该类型数据提供了更为准确的城市之间货运量关系。因此，利用该数据源可从货运的产业类型等方面进行城市之间关联度分析。同时，货运订单大数据体现出了较强的市场需求特征，其分析结果对政府在交通网络建设与相关政策制定等方面具有重要的参考价值。

从已有学术成果来看，城市之间的公路货运网络研究较少。王启轩等通过“菜鸟网络”物流信息平台中的货物订单量分析了长三角城市发展状态[2]。刘正兵等利用“第一物流”平台的货运信息，采用社会网络法分析了城际货运联系网络的结构特征[3]。宓泽锋等采集包括公路、水路、铁路和航空在内的货运OD数据，利用回归分析法研究了长江经济带物流联系的现状和影响因素[4]。刘洁贞等基于长时间序列综合交通数据和社会经济统计数据，从运输效率的角度分析珠三角地区运输效率空间格局，并针对城市运输网络组织提出优化建议[5]。邓淑芬等选取人均货运量指标，利用全局和局部空间自相关分析方法，研究了江苏货运空间关联格局演变趋势和内在驱动因素[6]。此外，戢晓峰等利用与区域物流和经济发展相关的多源数据，分析了区域物流与经济发展的关联特性，并以云南省为例进行了案例分析[7]。戢晓峰等还利用货运联系强度等模型，对云南省国际道路货物运输的空间联系特征进行提取和分析[8]，揭示了区域空间运输联系特征的形成机制[9]。上述研究成果对本研究具有重要的启发和支撑意义，但均缺少货运产业、货运结构等方面的分析。

在借鉴和吸纳城市信息流[10-12]、交通客流[13-14]、企业联系[15-19]等不同类型网络分析的基础上，本研究不仅关注货运网络中节点等级与联系以及货运网络的整体结构与类型划分，还从产业类型上为重点城市货运联系特征分析提供了新的研究视角。在研究方法上，探索性地提出了首位节点次数的分析指标。

1 研究区域、数据来源与研究方法

1.1 研究区域

长三角地区是我国人口聚集最多的三大地区之一。2019年长三角地区生产总值23.7万亿元，占全国总量的23.9%，在我国经济建设中发挥着举足轻重的作用。根据2019年中共中央、国务院印发的《长江三角洲区域一体化发展规划纲要》，本研究选择“三省一市”(苏浙皖沪)的全部41个地级市为研究对象(图1)，总面积35.8万km2。研究以地级市作为基本统计单元。

图1 研究区域

1.2 数据来源

公路货运订单大数据来源于“满帮集团”大数据信息平台，每份货运订单均以整车货运为基本单位，数据采集时间为2020年5月1日至5月31日，共采集到订单1 081.9万条。“满帮集团”是具有全国性领先优势的车货匹配信息平台，主营公路干线货运，其在车货匹配市场占据90%的市场份额[20]。在产业类型方面，参照中国三次产业划分标准[21]，将具有代表性的同产业货物类型进行合并，最终形成农业和制造业两大类(表1)。

表1 订单货物类型合并对照

在数据组织方面，分别统计两两城市之间的输入和输出货物订单数量，再基于产业类型，重点统计城市在农业和制造业上所产生的输入与输出订单数。依据复杂网络理论[22]，以地级市为网络节点，若地级市之间存在货运联系，则认为两个地级市之间存在一条网络的边，网络边的权重为订单数量。

1.3 研究方法

1.3.1加权度中心性。复杂网络理论是研究网络节点以及节点之间关系的重要理论和技术手段。其中，加权度中心性是一种考虑了节点之间连接权重的度。在有向网络中，加权度中心性可分为加权入度和加权出度。该指标可以较好地反映出节点在网络中的等级地位。计算公式为：

式中：Si为加权度中心性；Ni为与节点城市i相关联城市的集合；wij为节点城市i和j之间的连接边权重值，即货运订单量。

1.3.2PageRank值。PageRank算法是广泛应用于网页排序的经典算法[23]，其输出的PageRank值可以反映网络节点在整个网络中的重要程度。将算法思路应用在城市货运网络中，如城市A有一个连接指向城市B，则认为B获得了A对它贡献的分值，具体分值取决于城市A本身的重要程度，即A的重要性(货运订单数量)越大，B获得的分值就越高。通过该分值在城市货运网络中的迭代计算，得到网络中各城市节点的重要性分值。这意味着与重要节点连接的节点更重要，即在影响力上，与少量有影响力节点联系的节点可能会超过有大量一般联系水平的节点。

1.3.3首位节点次数。首位度一般代表城镇体系中的城市发展要素在最大城市的集中程度。首位度指标计算常用“两城市指数”，即首位城市与第二位城市的指标量上的比值。这一指标可以弱化网络边权重的影响，重点关注一个网络节点作为首位节点地位的次数，可识别出那些联系强度相对较低节点中的重要节点，具体含义为：在一个网络中，对每一个网络节点，选取与该网络节点有网络边连接的节点集合中边权重最大的节点，并将该节点作为首位节点。在完成循环计算后，统计每个网络节点作为首位节点的次数。

依据网络节点之间的流方向(货物运输方向)，首位节点次数又分为输出首位节点次数和输入首位节点次数。输入首位节点次数反映了该节点作为货物输出目的地城市时，是多少个城市的首位货物输出目的地城市。输出首位节点次数反映了该节点作为货物来源地城市时，是多少个城市的首位货物来源城市。

1.3.4关联方向指数。城市公路货运网络中节点在货物运输上具有方向性。采用关联方向指数反映城市在长三角公路货运网络中承担的角色和所处的地位[24]，据此进行城市类型的划分。关联方向指数的计算公式为：

式中：Di表示关联方向指数；Oi，Ii分别表示加权出度和加权入度；Si表示加权度中心性。

根据关联方向指数的结果，可判断城市在公路货运网络中所承担的功能，其值的正负分别代表城市是偏向于货物的输出还是输入。关联方向指数的绝对值能表征该城市偏向于货物输出或输入的程度。

2 长三角公路货运网络的基本特征

2.1 公路货运网络节点的联系强度与等级分布

长三角城市之间的货运联系通道主要集中在长三角的东部地区(图2)。其中，苏州、上海以及无锡之间的货运量最大，这表明苏州、无锡以及上海之间形成了长三角最重要的工业货物运输联系线。从分省的角度来看，浙江省内以杭州、嘉兴以及宁波为核心节点的特征明显，除舟山、衢州和丽水外，大部分城市都与长三角的核心地带存在一定量的货运联系。江苏省内沪宁沿线城市间的联系水平较高。除连云港外，大部分城市与长三角的核心地带都存在一定量的货运联系。盐城和南通作为江苏省内长江以北的城市，表现出与长三角核心地带较强的联系水平，这对判断未来江苏长江以北的城市工业发展潜力具有重要意义。安徽省内以合肥为核心节点，马鞍山与滁州存在一定量的跨省货运联系。

图2 城市之间的货运联系空间分布

进一步分析城市在货运网络中的等级分布(图3)。可以发现，在加权度中心性方面，上海和苏州的等级最高，紧随其后的是杭州、宁波、南京、无锡、嘉兴、常州以及南通；在PageRank指标方面，上海、苏州、杭州以及宁波的排名最高，紧随其后的是南京、合肥、无锡、嘉兴、常州、南通、金华、温州以及徐州。从直接的货运量上看，苏州和上海的优势明显。然而，从与周边城市的整体货运联系和在区域中所处的枢纽地位来看，除苏州和上海外，杭州和宁波的地位也较高。主要原因是与杭州和宁波相连接的城市的等级相对较高。合肥在加权度中心性的排名较为靠后，但在PageRank排名上有所提升，这主要与合肥是长三角地区区域性货运中心有关。此外，徐州等城市也具有类似的特征。

图3 城市在货运网络中的等级分布

2.2 公路货运网络城市间首位节点次数

输入首位节点次数指标反映该城市作为其他城市首位的货运来源地的次数(表2)。从表2看出，排在第1位的合肥的输入首位节点次数为14次，苏州为11次，杭州和上海均为5次，宁波和无锡均为2次，金华和池州均为1次。由此，从首位节点次数的视角看，合肥和苏州是长三角区域内重要的货源地。进一步分析发现，合肥主要是安徽省内地级市的首位货源地，苏州主要是合肥、上海以及江苏省内地级市的首位货源地，杭州主要是浙江省内地级市的首位货源地，上海则主要是其周边城市首位货源地，宁波和无锡也是其周边城市的首位货源地。此外，金华是相邻城市丽水的首位货源地，池州是其省内淮南市的首位货源地。

表2 输入首位节点次数统计

输出首位节点次数指标反映了该城市作为其他城市首位的货运目的地的次数(表3)。从表3看出，排在第1位的合肥输出首位节点次数为8次，上海和苏州均为7次，徐州为6次，杭州和宁波均为4次，其他城市均为1次。其中，合肥仍然是安徽省内重要货运目的地，上海和苏州则是长三角区域内经济实力较强城市的重要货运目的地，徐州是长三角北部城市的重要货运目的地，杭州和宁波则是其周边一些城市的重要货运目的地，其他一些城市则是某一个城市的重要货运目的地。

表3 输出首位节点次数统计

3 公路货运网络结构与节点类型划分

在二维平面直角坐标系中，用横坐标表示关联方向指数，纵坐标表示加权度中心性指标，从两个维度综合分析城市的货运总量和关联方向指数的关系，并将长三角城市分为综合型、产地型和腹地型3类(图4)。

图4 长三角城市类型结构图

(1)综合型城市。其货运输入和输出相对均衡，等级较高，如上海、杭州、南京、合肥等。其显著特征是，在货运量很大的情况下具有良好的货运均衡性。

(2)产地型城市。其关联方向指数正向偏移值较大。根据加权度中心性值，又可分为强产地型和弱产地型。苏州、无锡和常州是强产地型城市，拥有大量货物流动，且更偏重产品的输出。池州、马鞍山、铜陵等则依赖以钢铁、冶金、化工原料等为主的传统资源型产业，输出产品数量少且品种单一，属弱产地型城市。

(3)腹地型城市。其关联方向指数负向偏移值较大。根据公路货运加权度中心性大小又可分为强腹地型和弱腹地型。宁波是强腹地型城市的典型代表，作为宁波港的直接经济腹地，兼具沪昆铁路浙赣段、沪杭线等铁路资源，宁波成为浙江省重要的物资集散和存储地。弱腹地城市主要有舟山、淮南、阜阳等。此类城市货运总量较低，主要作为周边枢纽城市的产品销售市场。

4 重点城市分产业货运特征分析

根据各城市制造业和农业的输出、输入订单数量，对重点城市分产业进行货运特征分析(表4，表5)。

表4 重点城市制造业评价指标计算结果

表5 重点城市农业评价指标计算结果

在制造业方面，上海输入和输出订单均主要依赖于省外的资源。南京、苏州、杭州、宁波在输入输出订单的分布模式上较为相似，省内订单总量均为省外的1.5倍左右，表明这些城市制造业的生产和需求主要与省内的联系较为紧密。因此，这4个重点城市的制造业尽管在长三角地区形成了广泛的影响力，但仍然与省内城市存在着强关联性。这可能与历史发展的地域影响范围和产业的路径依赖发展特征密切相关。合肥作为安徽的省会城市，其制造业省内订单输出远超省外，但在订单输入方面省内略低于省外，表明合肥的制造业是大量服务于安徽省内城市的需求，且一定程度上依赖省外的货运供给。这进一步论证了合肥在安徽省内和长三角内的核心节点地位，揭示出合肥制造业的发展仍然需要依托长三角外部市场的资源供应。

在农业方面，上海的农产品主要是输出到省外，这可能是与上海的世界港口地位相关，即世界各地的货物到达上海后再运输到长三角的其他城市。同时，上海也依赖长三角其他城市的农业货物资源。这些从其他城市运输到上海的农产品也可能会通过上海以外贸形式输出到其他国家或地区或者为上海内部需要。江苏和浙江省内的重点城市在农业输出方面均以省内为主。在农业输入方面，南京不仅依赖省内，也依赖省外，而苏州则是重点依赖省内。相比较而言，杭州和宁波则非常依赖省外大量的农业资源输入。合肥的农产品主要是向省外输出，同时也大量依赖省外的农业资源输入。这些现象与特征说明重点城市之间在省际的农业输入和输出方面存在着较大的差异，其中江苏省重点城市在其省内的影响效应相对突出，而浙江省的重点城市在农业货运输入方面还较为依赖省外的资源。尽管当前数据难以充分解释合肥、杭州、宁波的农业输入与输出特征形成的原因，但其对城市中农业货运体系的规划建设具有重要的方向性指导作用。

5 结论与讨论

5.1 结论

(1)长三角公路货运网络呈现东强西弱的总体格局，其中上海、苏州和无锡之间的货运量最大。合肥是安徽省和长三角西部的货运枢纽城市，南京和杭州在其省内的物流枢纽地位相对不够突出。

(2)长三角公路货运网络总体呈现出“金字塔”结构，城市可大致分为综合型、产地型、腹地型3类。

(3)制造业方面，上海输入与输出均主要依赖省外资源；南京、杭州、苏州、宁波输入和输出均是省内订单量大于省外；合肥的输出订单重点是面向省内市场，但依赖省外的资源供应。农业方面，上海货运的输入与输出均主要依赖于省外的资源；南京和苏州在省内的输入和输出特征明显；杭州和宁波的输出是省内大于省外，但输入依赖省外资源；合肥表现为输入和输出都以省外市场为重点。在研究方法上，首位节点次数这个指标具有一定的探索性意义。

5.2 讨论

(1)在长三角货运网络中，上海的核心地位显著，其后为苏州、杭州、宁波、南京、无锡等城市。合肥在安徽省内的核心地位突出，但在长三角地区中货运能力仍需进一步提升。根据首位节点次数指标，上海是苏州、杭州、宁波等重点城市的首位货源地和目的地，而这些城市自身又作为下一层级城市的首要货源地或目的地，发挥着一定的沟通和串联下一层级城市的次级枢纽作用。因此，长三角地区形成了以上海为核心的多层级辐射的公路货运物流网络体系。总体上，综合型城市上海与苏州、无锡和常州等强产地城市形成货运集群，与其南面的综合型城市杭州产生较强的货运联系，宁波、温州、舟山等城市具备一定的腹地货运特征，进而共同形成东部及沿海地区紧密的货运网络。进一步，依托长三角中西部综合型城市南京和合肥，逐步将东部核心区域与中西部的货运网络关联起来。现阶段在长三角东部地区构建“以上海市为核心，多枢纽节点”的一体化货运网络体系的基础条件更好，在长三角西部地区更适合突出合肥和南京的枢纽节点地位来打造区域综合货运网络体系，特别是合肥对安徽省内货运网络建设具有重要的核心作用。

(2)对城市类型的划分以及重点城市分产业分析所得到的研究结论，对城市自身发展定位以及各省内部的货运网络建设具有指导价值。综合型、产地型以及腹地型城市在整个货运网络中职责地位存在着显著性差异，各个城市在货运规划中可依此明确建设目标与发展路径。例如，腹地型城市对于以自身为核心的一定地理空间范围内货运通道与物流体系建设方案，在本市层级规划中应当重点明确。上海具有全球性的港口地位，在长三角地区的输入输出的辐射作用都十分突出，是长三角货运网络的核心节点。南京和苏州对于江苏省内而言，无论是在制造业还是农业方面都更具有重要的地位。杭州和宁波在农业输入方面不仅需要依赖省内的资源，还要加强与省外的关联。合肥在制造业方面可进一步强化其自身在省内的带动作用，在农业输入和输出上要重点关注与省外之间高效货运联系通道的建设。

后续应进一步开展货运产业链的研究以挖掘城市等级结构上更深层级的关联关系。部分城市铁路货运占据较大比重，单纯分析公路货运可能会对此类城市节点的评价产生一定偏差，未来将探索综合公路、铁路甚至水路运输大数据的研究。