智慧物流发展水平的动态测评——基于中国省际面板数据的实证研究

马鸣晴，李从东，杨卫明

（暨南大学，广东广州 510632）

物流业是国家的基础性、战略性和先导性产业。习近平主席在第二届联合国全球可持续交通大会开幕式上指出，要大力发展智慧交通和智慧物流，早日实现人享其行和物畅其流的目标［1］。打造新兴产业链和构建现代物流体系已被列入“十四五”规划的发展目标。现阶段，建立畅通高效、协同共享、标准规范、智能绿色、融合开放的现代物流体系，需要将发展的目标明确锁定在高质量、数字化、智能化等水平的提升上。各地区如何评价地区物流业智慧化的成效？发展智慧物流的投入是过高、适度还是过低？给予发展智慧物流政策支持后，地区物流业发展速度如何，对区域经济贡献是否显著？未来针对智慧物流发展的调控方向和调控力度应该如何把握？要解决这些问题，势必需要一个科学有效的智慧物流发展水平的动态测评体系方法。其测评结果的精确性与准确性，将直接影响到各级政府对发展智慧物流引导与激励政策的决策强度和力度。

1 文献综述

当前，尚无针对智慧物流的统一定义，本文将智慧物流理解为一个综合的概念，它以科学合理的管理方式实现物流自动化、可控化、智能化和网络化，其理想状态是将物流要素信息化，通过智能化的数据应用与优化整合，实现各环节的高效配置。

全球产业链和创新链的快速发展，促使我国正处于攻坚期的智慧物流持续发展和迅速迭代，国际竞争力不断提升。目前，有关智慧物流的研究已经非常丰富，普遍认为智慧物流是影响我国价值链生态系统布局和数字平台治理结构的重要环节。相关研究也对智慧物流的发展措施、实施路径和测评方法进行了多角度分析，与本文研究主题相关的文献主要集中在以下两个方面。

（1）关于发展智慧物流的研究。在宏观发展层面，智慧物流作为中国高质量发展的基础设施，与构建新发展格局下“双循环”的要求仍存在一定差距，想要优化决定经济内外循环的关键环节——物流，当前需要着力解决流通中“通”的问题［2］。智慧物流在环境推动和科技支撑的组合要素驱使下［3］，将重塑当今物流体系并打破消费的时空限制［4］，智慧调节机制将是确保物流系统高效运行的核心［5］。

在微观探索层面，供给和需求的有效匹配就是高质量发展的核心，因此在“十四五”计划期内，要完善以“大交通”为主的基础设施建设，加快国家级物流基础设施发展［6］。物联网计算、无人驾驶、仓库自动化技术等创新应用将有效优化供应链［7-9］，赋能电商升级、危机应急等现实问题［10-11］，加快供给侧结构性改革的推进。

关于中国物流业高质量发展对经济社会的重大影响，学者们研究了高质量物流创新发展的方向与途径，这对我国未来宏观政策的导向和地区政府产业支持政策具有极大的参考意义。

（2）关于物流发展水平测度评估的研究。物流是提升经济发展的重要抓手，物流发展和经济水平的测度评估，作为学者们的研究重心，近年来取得了丰富的研究成果。

针对我国全域物流的发展水平评价，刘华军等［12］利用全局超效率EBM 模型，测评了2004—2017 年中国30 个省份物流业效率；廖诺等［13］使用SBM 模型，测算了中国2006—2017 年30 个省份的物流业全要素能源效率。

针对我国区域物流的发展水平评价，魏国辰等［14］基于ANP-TOPSIS 模型，测算了2013—2018年京津冀区域物流发展能力；万艳春等［15］构建DEA 分析模型，评价了粤港澳大湾区2005—2016 年间区域物流与区域经济的协同度；余思勤等［16］采用引力模型，测评了2004—2018 年长三角19 个规模以上港口群与城市群协调发展水平；曹炳汝等［17］采用DEA 模型，推演分析了2007—2017 年长江经济带11 个省市的物流效率值及时空演化规律；曹炳汝等［18］基于Super-SBM 模型和Malmquist 指数模型，测算了2007—2016 年长江经济带11 个省市上中下游的物流行业增长效率；郭明德等［19］运用因子分析法，测算了2017 年我国中部和东部省份的区域物流业信息化水平；杨浩雄等［20］基于系统动力学理论，对2005—2025 年北京、广州、武汉三个地区的物流业与地区经济之间存在的互动关系进行分析和预测。

另外，还有不少学者针对港口经济及物流企业发展展开研究。鲁渤等［21］运用TOPSIS 法，分析了2000—2016 年我国上海港、宁波港、广州港、青岛港、天津港、大连港、厦门港、海南港、连云港港九大港口综合竞争力及其腹地经济的协同发展机制；潘方杰等［22］基于最近邻指数、标准差椭圆、核密度估计和ESDA 等GIS 分析方法，针对2005—2018年中国物流与采购联合会综合评估和认定的A 级物流企业的空间格局及多尺度特征进行测算分析。

本文与现有研究的主要区别和创新点在于：第一，有关全域智慧物流发展水平的测评模式及其经济发展协调机制的分析体系存在研究缺口。在针对全国各省域物流水平测度时未涉及针对智慧物流的研究，在针对智慧物流发展水平测度时只涉及部分区域或部分企业。然而，针对智慧物流的省域测评研究对于各省域的政策制定、物流智能化水平评估与对比都具有重要意义。本研究从省域层面对智慧物流发展水平进行测度评价，讨论省际时空演化特征。第二，当前尚无针对智慧物流的官方测评体系或相关统计数据。本研究针对智慧物流发展水平这一根本性问题，全面评估其空间差异和动态演变类型，为地区高质量发展的路径选择提供参考。第三，在针对智慧物流发展水平测度的研究中，已有文献由于研究角度不同，测评指标体系存在较大差异。相比以往研究，本文采用的智慧物流测评体系，可以反映智慧物流发展水平在区域上的特征差异。

为了衡量各省域智慧物流发展水平，本文从物流经济环境、物流经济活动、物流业发展规模和智慧物流技术4 个维度分析确定智慧物流发展的影响因子，利用计量经济学分析中的动态面板模型构建一套反映区域智慧物流发展水平的测评系统。基于动态因子分析法对2014—2019 年我国31 个省、自治区、直辖市（未含港澳台地区）的智慧物流发展数据进行比较分析，为在新发展格局下促进我国现代化物流体系建设提供参考。后文安排如下：第二节构建智慧物流发展水平的测评指标体系；第三节提出计量测度模型思路；第四节进行实证检验和结果分析；第五节总结全文并提出政策建议。

2 构建测评指标体系

2.1 测评指标体系的现状分析

构建符合我国发展现状的省域智慧物流发展水平测评体系，有利于各地区认清自身优势与领先地区存在的差距，以制定针对性、差异化的对策指导智慧物流的发展。因此，需要统筹考虑影响智慧物流评价的各指标间关系和各指标对智慧物流整体水平衡量的贡献，为我国物流业未来发展提供具有参考价值和可靠性的建议。

现阶段构建智慧物流的测评体系在三方面仍需完善。首先，智慧物流应用不够广泛。智慧物流在中国发展时间较短，受市场、技术、场地等条件的限制，仅在国内的大型物流企业发展较为迅速，而更多的企业只是将其纳入企业管理中，未能在实际生产中应用。在全国范围内，智慧物流的地区受重视程度的差异对整体的评价也产生了一定影响。其次，智慧物流体系建设不够完善。智慧物流的测评指标需要大量专业数据的支持，数据收集依靠完整健全的智慧物流信息平台，对物流各个方面进行监控并实施信息共享，而信息平台建设需要时间、人力、资金的协调配合。目前，智慧物流信息平台建设的投入不足，制约了智慧物流评价体系的完善。最后，智慧物流代表性数据不足。由于数据共享性较差，收集和分析数据存在一定的困难。同时，智能配送、转运、售后等相关信息技术平台建设不完整，导致样本数据的缺乏。

2.2 测评体系指标选择

首先，要确定智慧物流发展水平测评的一级指标，本文参考智慧物流发展以来相关评价指标体系及既有文献，从物流、省域经济、智慧应用的视角构建了我国智慧物流发展水平的动态测评指标体系。第一，物流活动运营管理的经济环境是讨论智慧物流发展水平的基础［23］，其运营管理的水平，既是体现物流业管理水平高低的指标，也是影响地区经济效益和企业生产效率的关键指标。因此，应当将智慧物流经济环境纳入智慧物流发展水平的测评体系中。第二，运输活动是智慧物流活动的关键环节，工作人员是物流活动的重要保障，对于智慧物流来说，提高物流效率需要人、机、管理的有机协调［24］。因此，应当将智慧物流经济活动作为指标之一。第三，物流是国民经济的重要组成，物流经济效益对国内生产总值和地区生产总值有着深远的影响［25］，各地区的物流业发展规模是智慧物流发展政策的重要抓手，规模大小能够显著反映智慧物流投入的经济成本，智慧物流与区域内规模经济是正向影响的双赢关系，因此，应当重视省域物流业发展规模。第四，智慧物流区别于传统物流绩效评价的地方主要体现在智慧技术的应用［26］。在物流测评中充分考虑“智慧”因素的影响，有助于智慧物流的发展和国家创新战略的推进，因此，智慧物流技术的测评是本研究的重点。

根据上述拟选定的智慧物流经济环境、智慧物流经济活动、省域物流业发展规模以及智慧物流技术4 个一级指标，并在此基础上选择测评体系的二级指标。

在智慧物流经济环境的测评方面，李虹等［27］针对环渤海、长三角、珠三角17 个省市在2008—2016 年有关物流、经济和环境3 个子系统的相关数据测度系统协调度。申静等［28］对2009—2013 年中国物流业的服务创新能力的评价中，选取了有关服务创新、物流业技术创新和物流业服务创新3 类经济社会指标。本文对智慧物流发展的评价，要求尽可能同时满足需方获得最佳服务和供方利润最大化，地区生产总值、交通运输、仓储和邮政业法人单位数以及交通运输、仓储和邮政业增加值这三项指标是物流行业经济情况的基本衡量指标，各项数据的变化趋势能够从行业经济利润随经济技术发展的角度进行评价。

在智慧物流经济活动的测评方面，姜旭等［29］针对25 家5A 级物流企业2018 年数据，设计构建经营、物流、企业内外环境等层次的测度体系。董千里等［30］对2009—2017年中国285个城市为测评主体，将物流生产效率、获批节点城市布局规划、交通基础设施水平、产业结构、城市化水平、信息化水平、外资依存度、劳动力投入、政府干预、地区经济发展水平和人力资本水平组成分析变量。本文的一级指标智慧物流经济活动将主要评价智慧物流行业的基础运作情况，从货物运量、运输里程、就业人员等方面测评，并选定交通运输、仓储和邮政业劳动力投入、货运总量、货运周转量这三项二级指标。

在省域物流业发展规模的测评方面，陈恒等［31］选取影响物流货运要素集聚能力的关键性影响因素——国际贸易、物流交通基础设施、产业结构，为缓解丝绸之路经济带核心区陕西省城市物流发展不均衡问题提供参考。在现代物流业海陆空全面发展的大背景下，将各地区物流基础设施的发展作为衡量物流业发展水平的直接影响因素是学者们的共同选择，本文将选取铁路营业里程、民用汽车拥有量、民用机动运输船数、物流业固定资产投资额这四项二级指标。

在智慧物流技术的测评方面，吴群等［32］聚焦于企业创新和供应链柔性的相关关系，从物流技术创新、供应链协调和供应链柔性分析研究。电子商务、生鲜农产品服务等与物流业相关的微观业态研究［33-34］，讨论了智慧物流技术的个性化应用。智慧物流在未来具有发展的无限可能，对其发展能力的测评既要立足于物流业的现有实力，又要反映相关指标对物流业的未来发展趋势。本文针对智慧物流技术这一指标的测定要从运输、仓储、配送、包装及信息处理等基本物流活动出发，选取移动互联网用户、AGV 叉车市场规模、工业机器人市场规模、智能快递柜市场规模、智慧物流企业规模和物流软件业务收入六个二级指标测评区域智慧物流在未来的发展潜力。

2.3 评价体系设计

本文对我国省域智慧物流发展水平测评指标体系具体分层如表1 所示。

表1 智慧物流发展水平测度指标体系

3 测度模型

主成分分析和因子分析等传统意义上的公因子提取方法，较难满足于本研究测评智慧物流发展水平的横向面板数据和纵向动态趋势的双重需求。多元统计的动态因子分析法，综合了主成分分析与线性回归的功能作用，将样本-变量-时间数据集三维融合。主成分分析截面和线性回归计算时间序列相结合，符合本研究分析复杂面板数据的需求，在构建的三维阵列上得到静态和动态两种实证结果，横向和纵向比较相互结合，确保实证分析的合理性和说服力。因此本文选择动态因子分析模型构建测评指数，将截面数据与时空序列有效拟合，保证了测评结构的时空纵横性和动态可比性。

3.1 基本原理

假设给定数组：

式（1）中，i、j、t分别表示观测的不同主体、指标及时期。表示个省域主体的个智慧物流发展测评指标在测评年份期间的观测值，其方差-协方差矩阵可分解为：

式（3）表示一种双因素（个体、时间）方差分析模型，称为动态因子分析模型：

3.2 评价我国省域智慧物流发展水平的具体步骤

本研究数据来源于2014—2019 年《中国统计年鉴》、各地区统计年鉴、国家统计局、交通运输部、工业和信息化部、中国物流与采购联合会以及行业公开信息的分析整理。本研究实证分析范围为，中国31 个省、自治区、直辖市（未含港澳台地区）智慧物流发展水平的16 个二级指标数据（以下简称“样本”）。

（4）根据因子特征值、方差贡献率和累计方差贡献率，提取公因子、建立原始因子载荷矩阵和计算因子得分矩阵。

（5）计算出2014—2019 年样本对应的静态得分矩阵：

（6）计算出2014—2019 年样本对应的动态得分矩阵：

（7）汇总计算平均得分矩阵：

4 实证分析

4.1 数据预处理

为了消除测评指标量纲的影响，对2014—2019年样本数据进行极差标准化处理，并对标准化数据进行KMO 和Barlett 球形检验。KMO 检验值在0.764和0.828 之间，均大于0.5，表明样本变量间相关性较强；Barlett 检验的显著性均为0.000，均小于0.05，表明样本数据呈球形分布。上述结果表明，本研究中的样本数据检验结果理想，符合进行动态因子分析的基本要求。

4.2 提取公因子

按照动态因子分析模型，可以提取2014—2019年实证样本的公因子F1、F2、F3。F1、F2、F3的特征值分别为10.308 06、3.071 037、1.024 134；F1、F2、F3的方差贡献率分别为0.644 3、0.191 9、0.064；F1、F2、F3的累计方差贡献率分别为0.644 3、0.836 2、0.900 2。提取结果显示，公因子F1、F2、F3的特征值均大于1，累计方差贡献率大于85%，具有高度可替代性，基本包含2014—2019 年测评样本的主要信息，能够评估我国省域智慧物流发展水平。

4.3 因子载荷分析

为了详尽解释F1、F2、F3的实证测评含义，基于最大方差法旋转公因子载荷矩阵，表2 是利用软件EVIEWS11 对2014—2019 年样本公因子载荷矩阵旋转的结果。

表2 2014—2019 年样本公因子载荷矩阵旋转结果

根据表2 的样本公因子载荷矩阵的旋转结果，F1、F2、F3载荷的测评含义更加明确。

F1因子：代表智慧物流经济环境（A）的地区生产总值和交通运输、仓储和邮政业法人单位数、代表智慧物流经济活动（B）的交通运输、仓储和邮政业劳动力投入和货运周转量、代表的智慧物流技术（D）的移动互联网用户、AGV 叉车市场规模、工业机器人市场规模、智慧物流企业规模和物流软件业务收入在F1上有较高载荷，尤其是代表智慧物流技术（D）的大部分指标反映在F1上的载荷最高也最多。同时，在F1上呈现最高载荷的指标还有地区生产总值、交通运输、仓储和邮政业劳动力投入和货运周转量，这反映出F1因子包含了较多的物流经济类指标信息。

F2因子：代表智慧物流经济环境（A）的地区生产总值交通运输、仓储和邮政业法人单位数和交通运输、仓储和邮政业增加值、代表智慧物流经济活动（B）的货运总量、代表省域物流业发展规模（C）的民用汽车拥有量和物流业固定资产投资额、代表智慧物流技术（D）的移动互联网用户、智能快递柜市场规模和智慧物流企业规模在F2上有较高载荷，尤其是代表智慧物流经济环境（A）的所有指标都在F2上呈现最高载荷。同时，在F2上呈现指标最高载荷的还有货运总量、民用汽车拥有量、物流业固定资产投资额和移动互联网用户，这反映出F2因子包含了覆盖评估指标的各方面信息。

F3因子：代表省域物流业发展规模（C）的民用机动运输船数在F3上有较高载荷。相比F1和F2因子，F3因子涵盖的信息非常有限，F1和F2因子可视为我国省域物流智慧物流发展的综合反馈因子。

通过分析可知，地区生产总值、交通运输、仓储和邮政业法人单位数、民用机动运输船数和智慧物流企业规模在各公因子上的累计载荷较大，可见各公因子对智慧物流经济环境（A）的解释能力较强，解释范围相对全面。

4.4 得分排名

基于样本公因子载荷矩阵旋转结果，利用EViews11 测算出F1、F2、F3的得分系数矩阵，将F1、F2、F3的得分系数与样本标准化数据相乘可以得到F1、F2、F3的得分矩阵，将F1、F2、F3的得分与其方差贡献率相乘可以得到2014—2019 年样本智慧物流发展整体水平的动态得分和平均综合得分，按照平均综合得分对测评地区降序排名，所得实证结果如表3 所示。

表3 2014—2019 年样本省域智慧物流发展水平实证结果

4.5 结果分析

4.5.1 横向空间比较分析

根据表3 我国智慧物流发展水平的实证结果，可以按平均综合得分对省域智慧物流发展水平进行分类，分类标准设定为：，区域智慧物流发展水平较高；，区域智慧物流发展水平一般；，区域智慧物流发展水平较差。广东省拥有全国最高平均综合得分，在本研究所测算的2014—2019 年间内，各年得分均稳居全国第一，这表明了广东省智慧物流发展和地区物流业经济增长存在正向相关关系，这种相互关系保证二者持续处于较高稳定水平。此外，本研究根据评分标准筛选出广东省、江苏省、山东省、上海市、浙江省、北京市、河南省、天津市这8 个智慧物流发展水平较高的地域，不难看出，除河南省外的其他地域均为东部经济较发达地区。另外，我国福建省、湖北省、重庆市、辽宁省、安徽省、四川省、湖南省、河北省、陕西省、江西省、海南省等11 个主要地区的智慧物流发展水平一般。还有十二个行政地区在本研究的测评结果中呈现较差水平，分别是宁夏回族自治区、西藏自治区、山西省、吉林省、贵州省、云南省、青海省、甘肃省、广西壮族自治区、黑龙江省、新疆维吾尔自治区、内蒙古自治区，这主要和地区所处自然区位特征和资源限制等的不可抗力因素有关。

实证结果显示，智慧物流发展水平的区域特征较为明显，这与各地区的资源条件、地理区位、经济水平及物流业发展起步时间等诸多因素的差异有关，进而映射到较大区域差异的测评结果上。根据实证结果，我国省域智慧物流发展水平分布呈现出显著的东、中、西部梯度递减的空间分布特征，与我国改革开放后经济发展在东部发达和中西部落后的空间格局相吻合，反映出我国智慧物流发展水平和各地区经济发展水平之间紧密的正向影响关系。因此，在物流基础设施和科技支撑资源分布本就不均匀、不充分的中部和西北部地区，倘若没有政策扶持产业创新升级，很难在短时间内取得智慧物流的快速发展和突破性成就。基于横向空间格局分析，我国物流业的高质量发展具有明显的空间集聚特性和空间差异特性。

4.5.2 纵向动态趋势分析

根据表3 我国智慧物流发展水平的实证结果，省域动态得分的变化趋势呈现四种类型：上升型、下降型、波动型和稳定型。呈现上升型变化的主要区域有：上海市、北京市、福建省、陕西省、广西壮族自治区；呈现下降型变化的主要区域有：江苏省、安徽省、山东省、贵州省、辽宁省；呈现波动型变化的主要区域有：广东省、河南省、湖北省、吉林省、四川省、云南省、湖南省、黑龙江省、河北省、浙江省、江西省、新疆维吾尔自治区、山西省；呈现稳定型变化的主要区域有：天津市、重庆市、海南省、甘肃省、西藏自治区、青海省、内蒙古自治区、宁夏回族自治区。以上四种得分的变化趋势涵盖了对我国31 个省域智慧物流发展水平的动态变化情况的刻画，上升型或下降型呈现整体的上升或下降趋势，波动型表现为忽上忽下的非稳定变化趋势，稳定型则表现为小幅度的上升和下降或小幅度的波动。

本研究的测评时间始于2014 年，按照测评起始年份的智慧物流社会背景，可以追溯相关政策进行逆向分析。2013 年，《物流业发展中长期规划（2014—2020 年）》提出针对物流园区规范建设发展、提高设施能力、提升服务功能、健全经营管理体制、完善政策扶持体系等方面规划建议。2014 年，国务院出台《国家物流产业发展中长期规划政策（2014—2020 年）》，强调物流业要注重思想、坚持原则、有目标的发展。各地区各部门对相关政策的反应程度和针对有关政策推行的相关措施并非一致，但2014—2015 年绝大部分地区都实现了一定程度的正向发展，即使部分地区没有突出的智慧物流发展成绩，但仍能完成2014—2016 年智慧物流发展水平连续3 年的提升。部分地区显著呈现发展后劲不足的情况，这与相关地区经济发展水平、地区产业基础、物流业资源禀赋、自然地理条件、政策规划战略等多方面因素均存在关联，其具体影响程度和激励改进方法将是后续研究需要思考和探讨的方向。

4.5.3 综合分析

综合横向空间差异和纵向动态趋势的测评研究结果，可以得出以下结论。

平均综合得分较高的上海市和北京市，呈现发展的上升趋势，在智慧物流应用领域兼具模范性和创新性；平均综合得分一般的福建省和陕西省，同样呈现发展的上升趋势，在智慧物流发展方面兼具动力和活力，通过技术改进和产业优化，有望观测到智慧物流发展水平较为稳定的提升。贵州省平均综合得分较低，呈现发展的下降趋势，需要政府政策鼓励、产业集聚创新、企业调研学习等相关措施的实施以补足短板、锻造长板；在平均综合得分较好的江苏省和山东省，智慧物流发展的动力不足，呈现发展的下降趋势，两省作为“一带一路”建设的战略交汇点，必须加快“走出去”的步伐，主动加强和周边国家及“一带一路”沿线国家地区的深入交流与广泛合作，不断提升区域物流业的互联互通能力、战略供给能力和安全保证能力。

从我国整体测评情况看，广东省、浙江省、天津市、福建省、河南省和辽宁省在智慧物流领域的表现不凡，但发展潜力尚待挖掘。上述地区在综合经济实力、产业结构状况、物流市场规模和工业发展水平等基础条件具备的条件下，要结合区域发展战略推行相关措施：第一，要培育更多较高等级物流企业，不断壮大较高等级物流企业规模，切实发挥在不同等级物流企业均衡发展中的示范带动作用；第二，要提倡区域内部物流企业的培育和集聚，力争突破高质量物流企业发展的空间束缚，形成较大的物流产业集群；第三，要优化区域产业结构，整合区域资源要素形成产业链，支持现代化物流产业转移承接战略，保障物流产业的结构优化和高质量发展；第四，要提升交通网络通达度，逐步提高物流资源要素利用率，更好发挥交通运输等基础设施对智慧物流领域发展的促进作用，通过加强区域联动发展进而协调、配合和推动区域物流一体化。

5 结论与政策建议

5.1 结论

本文从智慧物流经济环境、智慧物流经济活动、省域物流业发展规模和智慧物流技术四个方面构建了我国省域智慧物流发展水平测度体系，采用动态因子分析法对全国31 个省域2014—2019 年智慧物流发展水平进行了空间区际比较和动态演进分析，实现了时间与空间相结合的纵横双向测评，研究结论如下：

（1）本文提出了一个智慧物流发展水平的动态测评方法，以国内的历史数据为例，借助动态因子分析方法揭示了省域智慧物流发展水平的空间差异，并从横向和纵向角度划分区域智慧物流发展类型，进而确定了各地区智慧物流的发展方向和支持政策。这种方法可以推广应用到政府部门、民生部门、物流企业，为实施智慧物流发展措施的方向和力度提供科学支撑。

（2）从横向视角分析空间发展差异，我国智慧物流发展水平在测度时间范围内一直存在较大差异，与宏观经济发展态势一致，呈现自东向西、自南向北发展能力落后和提质增效不突出等特点。

（3）从纵向视角分析动态趋势差异，我国各地域智慧物流发展主要呈现上升型、下降型、波动型和稳定型四种形态，在时间和空间趋势上兼具规律性可循。

此外，本研究的不足是构建智慧物流发展水平动态测评的指标选择还不全面。影响我国智慧物流发展水平区域差异的因素较多，本研究构建的测评体系仅选择了较关键的指标进行分析评价，后期研究仍需补充完善测评结构。

5.2 发展我国智慧物流的政策建议

（1）推动智慧物流升级为智慧新基建。基于上述研究结论，智慧物流在工业互联网、智慧供应链、智慧能源网等实体网络交互，验证了本文选取的测度指标的合理性。智慧基础设施网络，是推动科学技术革命发展的根基，必须以“新技术+”的方式把数字信息化融入传统基础设施建设，依此推动物流业完成环节数字化的智慧升级，推动智慧物流升级为智慧新基建。

在园区建设方面，智慧物流园区的仓储大脑和机器人有效衔接，可以有效实现搬运、拣选、码垛等动作机器人和环节机器人的调度互联与统筹互联。我国智慧物流企业的园区建设呈现出集群化分布，具有由东部沿海地区向内陆地区拓展的特征，从国家级高新区、国家级经济技术开发区等智慧物流园区建设情况来看，已经形成“东部沿海集聚、中部沿江联动、西部特色发展”的空间格局。环渤海、长三角和珠三角地区以雄厚的工业园区为基础，已经成为全国智慧物流园区建设的三大聚集区；中部沿江地区应借助沿江城市群的联动发展势头，大力开展智慧物流园区建设；广大西部地区应当依据各自地区产业特色，加紧智慧物流园区升级。

在运输配送方面，物流企业或平台规划产业链布局蓝图，形成智慧化和自动化之间默契的良性循环，促进传统交通运输行业的数字化革新。新冠疫情出现后，防控物资和民生物资的运输保障任务难度提升，多式联运、货物动态跟踪、无人仓、无人机、智能快递柜等智慧物流科技加速发展，智慧物流技术的大规模商业化，将保障产业链供应链稳定，提升交通网络通达度，提高物流资源要素利用率，发挥智慧物流设施对交通运输业发展的巨大促进作用。

在企业升级方面，充分利用数字化和智能化的技术红利，将传统物流提质转化为数据流和价值流，同步完成要素共享、企业融通、开放创新和资源优化的产业升级使命。广东省、江苏省、山东省、浙江省等智慧物流发展水平较高的地区，应当在物流企业规模保持平稳增长的基础上，不断壮大较高等级物流企业规模，激励其更好发挥示范带动作用，同时引导不同等级物流企业的均衡发展，加强物流企业与区域间的协调配合和联动发展，推动区域物流一体化，并着力培育和扩大地区物流市场需求规模。

因此，依托于数字化基建的智慧物流必将迅速发展，既能保证供应链总体服务水平的提升，又可以推动产业链新基建化的升级转型。

（2）构建新发展格局下的智慧物流系统。流通体系在当下的新发展格局中，是国内外经济双循环的“大动脉”，包括物流业主导的流通产业已然成为国民经济的支柱产业。在传统物流的智慧化探索时代，物流业需要迫使自身原本的粗放式管理向专业化、协同化、集约化转变，转型新基建的智慧物流将完成创新驱动、创新需求、高质量供给引领的使命，成为中国经济发展的重要增长极。

提高物流业基础设施的互联互通水平。加快完善新时代综合立体交通网络建设规划，确保物流畅通，保障流通效率和流通安全。应当着力打造一批全国性物流节点城市，如上海、济南、武汉、长沙、重庆等，使其成为加快产业和经济社会转型升级的突破口。

促进多式联运牵引的运输业深度融合。多部门多链条合作，探索以多式联运体系建设为龙头领域的实践，提升物流智慧化和新基建化程度。海南省通过物流供应链侧推产业链，对助力海南自贸港和西部陆海新通道建设具有重要意义；四川省、重庆市、广西壮族自治区、贵州省、甘肃省、青海省、新疆维吾尔自治区、云南省、宁夏回族自治区、陕西省、内蒙古自治区、西藏自治区等省区市应当充分利用智慧物流赋能的陆海联运参与西部开发建设，为西部物流企业提供新的运输物流模式，提高企业运输效率和竞争力。

引领网络化货运新业态运输组织变革。利用货运网络的轻资产性和平台网络化优势，保障物流市场的资源优化整合，探索新发展格局下的组织变革之路。地处祖国东北部的黑龙江省、吉林省和辽宁省，存在地理位置较远、气候寒冷期较长、产业结构较重等因素影响，物流运输成本偏高，应当投资建设网络货运数字产业园，通过网络货运平台将分散的运力资源整合，优化货物运输组织形态，形成一条高效的、全链条式的货运服务产业链，助力东北地区传统物流业实现数字化转型，赋能东北地区智慧交通建设。

补齐国际物流供应链体系的建设短板。畅通国内大循环，有效串联生产到消费的全链环节，促进国内国际双循环，有机对接进出口双向物流供需。山西省、河南省、湖北省、陕西省和四川省应当优化中西部区域产业结构，整合区域内部的各种资源要素，形成上下游产业链，加强与“一带一路”沿线国家的国际贸易，发挥中欧班列的国际物流骨干作用，有效引导物流产业的转移和承接，提升物流产业发展地区的结构优化升级。

支持民生物流和普惠性物流服务发展。积极适应消费增长和高标准需求，不断激发城乡的内需潜力，支持国内国际双循环体系建设，推动建立建成强大的国内消费市场。长三角、珠三角和京津冀地区，应当充分享受政府物流规划编制和政策扶持力度，促进区域内部物流企业的培育和集聚，同时力争突破区域间物流企业发展的束缚，形成较大的物流产业集群，充分发挥国内大循环的支撑性作用。

推动交通运输绿色低碳的可持续发展。国务院印发的《2030 年前碳达峰行动方案》，作出重点实施交通运输绿色低碳行动的工作部署。新冠疫情、新一轮科技革命等因素在一定程度上也推动了物流业的变革，物流业必须准确认识宏微观变化，科学应对、积极变革，在危机中寻找机遇，在变化中开创局面，努力保障物流业高质量发展趋势。