基于組合算法的鐵路物流網(wǎng)絡(luò)空間結(jié)構(gòu)特征識別

葛 勇，朱桃杏，馬琳娜，陳建群

基于組合算法的鐵路物流網(wǎng)絡(luò)空間結(jié)構(gòu)特征識別

葛 勇1，朱桃杏2，馬琳娜3，陳建群1

（1.石家莊郵電職業(yè)技術(shù)學院 教務(wù)處，河北 石家莊 050043；2.石家莊鐵道大學 管理學院，河北 石家莊 050043；3.石家莊郵電職業(yè)技術(shù)學院 速遞物流系，河北 石家莊 050043）

鐵路物流是物流系統(tǒng)的重要組成部分，其網(wǎng)絡(luò)結(jié)構(gòu)反映了鐵路物流系統(tǒng)內(nèi)部要素間相互聯(lián)系、相互制約的內(nèi)在性。應(yīng)用PageRank算法測算鐵路物流網(wǎng)絡(luò)節(jié)點重要程度，應(yīng)用首要流分析法提取網(wǎng)絡(luò)主體結(jié)構(gòu)，應(yīng)用多重流分析法確定顯著流數(shù)量，設(shè)計組合算法識別鐵路物流網(wǎng)絡(luò)空間結(jié)構(gòu)特征。研究結(jié)果表明鐵路物流對外聯(lián)系密切省份集聚，形成了7個數(shù)量和規(guī)模不同的鐵路物流圈，鐵路物流圈呈現(xiàn)出地理相鄰、產(chǎn)業(yè)相關(guān)和中心輻射的特征。根據(jù)鐵路物流圈層特征提出推動鐵路物流高質(zhì)量發(fā)展的建議。

鐵路物流；PageRank算法；首要流分析；顯著流分析

在全球化和信息化趨勢加劇的背景下，隨著區(qū)域間基礎(chǔ)設(shè)施不斷完善，城市間交流日益緊密，區(qū)域間通過物流、資金流、信息流、技術(shù)流等途徑實現(xiàn)要素流動，形成了動態(tài)變化的區(qū)域系統(tǒng)。物流作為要素流動的重要途徑之一，流空間視角下研究物流網(wǎng)絡(luò)體現(xiàn)出研究焦點由物流網(wǎng)絡(luò)形態(tài)、等級評價向網(wǎng)絡(luò)結(jié)構(gòu)、網(wǎng)絡(luò)層次、功能和聯(lián)系轉(zhuǎn)變的過程。鐵路是國民經(jīng)濟的大動脈，鐵路物流是物資在區(qū)域間通過鐵路運輸通道、鐵路站點等物流樞紐而產(chǎn)生的聯(lián)系與作用，其網(wǎng)絡(luò)結(jié)構(gòu)反映了鐵路物流系統(tǒng)內(nèi)部要素間相互聯(lián)系、相互制約的內(nèi)在性。研究網(wǎng)絡(luò)結(jié)構(gòu)特征，尤其是網(wǎng)絡(luò)關(guān)鍵節(jié)點識別，有利于探索區(qū)域鐵路物流網(wǎng)絡(luò)的本質(zhì)，同時也是深入探究鐵路物流網(wǎng)絡(luò)規(guī)劃的基本要求。鐵路物流圈層構(gòu)建研究，是優(yōu)化省級間鐵路物流組織和區(qū)域協(xié)調(diào)發(fā)展的重要參考。

復(fù)雜流動網(wǎng)絡(luò)是探索區(qū)域經(jīng)濟體系新的研究角度[1]，1989年Castells提出“流空間”的概念，這一概念為在動態(tài)角度研究區(qū)域空間結(jié)構(gòu)提供了新的思路。目前，已有很多學者在流空間視角下研究空間網(wǎng)絡(luò)結(jié)構(gòu)，包含了旅游流、交通流、科技流、信息流等多個領(lǐng)域。要素流的定向運動可以真實的反映出節(jié)點城市間的相互作用關(guān)系，進一步凸顯出節(jié)點城市功能與作用。物流要素是流要素系統(tǒng)的重要組成部分，早期關(guān)于物流要素空間特征的研究主要集中于物流要素流動理論分析，缺少實證數(shù)據(jù)的支撐。20世紀以來，關(guān)于物流要素流動實證分析的研究逐漸增多，學者通過選取指標表征物流要素流動特征，以此為基礎(chǔ)分析物流要素流動效率[2-3]，物流要素流動驅(qū)動機制[4-5]及其與經(jīng)濟要素的互動關(guān)系[6]等。物流要素的流動演化出物流網(wǎng)絡(luò)，物流網(wǎng)絡(luò)引導(dǎo)經(jīng)濟空間格局的走向。高效物流網(wǎng)絡(luò)的構(gòu)建可以實現(xiàn)區(qū)域物流規(guī)模效益，降低運輸成本。已有研究主要從兩個角度構(gòu)建物流網(wǎng)絡(luò)，一是借助物理學模型測算節(jié)點間作用力，通過物流聯(lián)系程度構(gòu)建網(wǎng)絡(luò)[7-8]；二是根據(jù)物流企業(yè)總部-分支結(jié)構(gòu)的地理位置模擬物流聯(lián)系，構(gòu)建物流網(wǎng)絡(luò)[9-10]。這兩個角度的研究方法本質(zhì)上均是把空間距離作為聯(lián)系的阻力，是靜態(tài)的研究視角，不能真實反映物流網(wǎng)絡(luò)特征。

本文基于流空間視角和全國鐵路物流OD量數(shù)據(jù)，通過“全域網(wǎng)絡(luò)節(jié)點識別-主體結(jié)構(gòu)提取-顯著流分析-網(wǎng)絡(luò)構(gòu)建-特征識別”的研究邏輯，全面梳理我國省際鐵路物流網(wǎng)絡(luò)層次結(jié)構(gòu)，分析鐵路物流網(wǎng)絡(luò)節(jié)點的整體布局和鐵路物流圈層特征，對鐵路物流空間特征的點線面研究是區(qū)域經(jīng)濟、區(qū)域物流、交通地理的重要課題，研究可為促進區(qū)域物流發(fā)展，優(yōu)化區(qū)域物流網(wǎng)絡(luò)布局提供參考價值。

1 研究設(shè)計與數(shù)據(jù)說明

鐵路物流網(wǎng)絡(luò)是依托鐵路基礎(chǔ)設(shè)施進行物資流通所形成的在空間結(jié)構(gòu)形態(tài)，是由貨運站、貨場等鐵路節(jié)點和鐵路線路構(gòu)成的實體網(wǎng)絡(luò)。為充分挖掘鐵路貨運流數(shù)據(jù)特征及其網(wǎng)絡(luò)結(jié)構(gòu)的經(jīng)濟意義，論文分三個層次進行識別，通過PageRank 算法梳理全域鐵路物流網(wǎng)絡(luò)結(jié)構(gòu)，通過首要流分析法考慮首要流，提取網(wǎng)絡(luò)主體結(jié)構(gòu)，通過多重流分析法考慮一定閾值內(nèi)的流進行重點區(qū)域結(jié)構(gòu)識別和判斷。

1.1 PageRank算法

PageRank算法在1998年被Page等人提出，最早應(yīng)用于網(wǎng)頁排序中。越來越多經(jīng)濟和管理領(lǐng)域的學者不斷嘗試將PageRank算法應(yīng)用于“流”的研究過程中。PageRank算法在研究有向圖網(wǎng)絡(luò)節(jié)點重要性問題上已基本得到認可。本文將省區(qū)作為有向圖的節(jié)點，省區(qū)間的鐵路物流聯(lián)系作為邊，應(yīng)用PageRank算法識別鐵路物流網(wǎng)絡(luò)關(guān)鍵節(jié)點。假設(shè)4個網(wǎng)頁組成一個群體，B網(wǎng)頁鏈接到A網(wǎng)頁和C網(wǎng)頁，C網(wǎng)頁只鏈接到A網(wǎng)頁，D網(wǎng)頁鏈接到A、B、C這3個網(wǎng)頁，網(wǎng)頁鏈接關(guān)系如圖1所示。

圖1 網(wǎng)頁鏈接關(guān)系示意圖

根據(jù)PageRank算法基本思想，每個節(jié)點將自身的PR值平均分配給它鏈出的節(jié)點，每個節(jié)點收到的PR值將會形成自己的PR值。A網(wǎng)頁的PR值如式(1)所示。

當某個節(jié)點鏈出數(shù)量為0時，這個節(jié)點則停止對外分配PR值，為解決這一問題，Page設(shè)計了衰減因子，其計算公式如式(2)所示。

式中：(A)為節(jié)點的PR值；為衰減因子，一般選擇0.75；為網(wǎng)絡(luò)節(jié)點數(shù)量；(A)為節(jié)點指向其他節(jié)點邊的數(shù)量。

根據(jù)上述公式可以看出，每個節(jié)點將自身的PR值平均分配給它鏈出的節(jié)點，每個節(jié)點收到的PR值將會形成自己的PR值。顯然，省區(qū)間貨流量不是均勻分配的，論文考慮節(jié)點的PR值是按邊的權(quán)重分配，即PR值按照貨流量比例分配。改進之后的公式如式(3)所示。

論文采用冪迭代法設(shè)計算法，首先為各個節(jié)點隨機賦予PR值，論文為每個節(jié)點賦予的PR值均為1，通過公式1不斷迭代計算PR值，直到滿足式(3)，算法停止，如式(4)、(5)所示。

1.2 首要流分析法

Nystuen和Dacey最早提出首要流分析法(primary linkage analysis，PLA)，該方法的核心是以一個節(jié)點的最大流出量的流向為依據(jù)判斷這個節(jié)點的等級。鐵路物流網(wǎng)絡(luò)節(jié)點的重要性由網(wǎng)絡(luò)中的OD量決定，首要流分析法保留網(wǎng)絡(luò)中節(jié)點的首要流，從而提取出鐵路物流網(wǎng)絡(luò)的主體結(jié)構(gòu)。論文應(yīng)用首要流分析方法抽取鐵路物流網(wǎng)絡(luò)主體結(jié)構(gòu)，為網(wǎng)絡(luò)層次識別提供基礎(chǔ)資料。鐵路物流網(wǎng)絡(luò)主體結(jié)構(gòu)包括：從屬型節(jié)點，即只有1條首要流與該節(jié)點有聯(lián)系；次主導(dǎo)型節(jié)點，即有2條首要流與該節(jié)點有聯(lián)系；主導(dǎo)型節(jié)點，即有3條及以上數(shù)量的首要流與節(jié)點有聯(lián)系。

1.3 多重流分析法

顯著流數(shù)量計算流程如下：

(1)=0

(2)=+1

若滿足2=max2，則輸出，否則轉(zhuǎn)(2)。

1.4 研究區(qū)域與數(shù)據(jù)來源

省域間鐵路物流OD量是反映鐵路物流網(wǎng)絡(luò)特征的重要數(shù)據(jù)?？紤]數(shù)據(jù)的可得性和系統(tǒng)性，論文研究范圍為不含港澳臺地區(qū)在內(nèi)的31個省級行政區(qū)。研究統(tǒng)計2014年—2018年國家鐵路地區(qū)間貨物交流數(shù)據(jù)。省際間鐵路貨物交流數(shù)據(jù)（104t）來源于《中國統(tǒng)計年鑒（2015—2019）》。

2 鐵路物流網(wǎng)絡(luò)結(jié)構(gòu)特征分析

2.1 鐵路物流網(wǎng)絡(luò)節(jié)點重要度識別

論文應(yīng)用4年數(shù)據(jù)的均值反映地區(qū)間鐵路物流聯(lián)系，改進的Pagerank算法是充分挖掘了鐵路物流網(wǎng)絡(luò)節(jié)點間的OD量，又考慮了節(jié)點間聯(lián)系的權(quán)重系數(shù)，計算結(jié)果如圖2所示。

圖2 鐵路物流網(wǎng)絡(luò)節(jié)點PR值計算圖

從鐵路物流分布空間角度來看，我國鐵路物流水平差異顯著，北方區(qū)域是省際鐵路物流的核心地帶，華北地區(qū)和東北地區(qū)是鐵路物流最為集中的區(qū)域。北方地區(qū)是金屬、礦石、鋼鐵及有色金屬等生產(chǎn)量和需求量最大的地區(qū)，很大程度上加強了北方地區(qū)鐵路物流聯(lián)系。山西、內(nèi)蒙古是我國主要的煤炭等礦產(chǎn)資源產(chǎn)地，華北區(qū)域的河北、山東、天津鐵路物流需求較大，是鐵路貨流的重要的輸出地，這種穩(wěn)定的供給需求關(guān)系奠定了北方地區(qū)鐵路物流的核心地位。南方地區(qū)信息技術(shù)等高新產(chǎn)業(yè)較為發(fā)達，高新產(chǎn)業(yè)與鐵路物流聯(lián)系較弱，從而造就了鐵路物流市場弱于北方的局面。

分省份來看，河北省在我國鐵路物流網(wǎng)絡(luò)中占有絕對重要地位，河北省工業(yè)發(fā)展迅速，2019年，規(guī)模以上工業(yè)增加值同比增長5.6%，鋼鐵產(chǎn)業(yè)連續(xù)15年位高居全國首位，鋼產(chǎn)量連續(xù)18年居全國第一位，發(fā)達的鋼鐵產(chǎn)業(yè)使得河北省鐵路物流需求量高居不下，是河北省PR值高居第一位的主要原因。山東、遼寧、河南和四川排在前五位，山東、遼寧、河南和四川在鐵路物流網(wǎng)絡(luò)中占有重要地位。天津、吉林、湖北、江蘇、黑龍江、山西、湖南、云南、江西、廣西、貴州、安徽、重慶、甘肅、廣東、內(nèi)蒙古、陜西、北京、新疆、浙江和福建依次排列，青海、上海、寧夏、西藏和海南等5省排在末五位，這5個省區(qū)在鐵路物流網(wǎng)絡(luò)中作用不明顯。

2.2 鐵路物流網(wǎng)絡(luò)主體結(jié)構(gòu)提取

節(jié)點間貨運量是描述網(wǎng)絡(luò)節(jié)點重要程度的核心指標之一，網(wǎng)絡(luò)主體結(jié)構(gòu)可以清晰展現(xiàn)出省際間首要流的分布和流向。應(yīng)用首要流分析方法提取鐵路物流網(wǎng)絡(luò)的主體結(jié)構(gòu)，對其主體結(jié)構(gòu)分析，確定各省區(qū)在鐵路物流網(wǎng)絡(luò)中的節(jié)點類型，PLA分析結(jié)果如圖3所示。

圖3 鐵路物流網(wǎng)絡(luò)首要流PLA分析結(jié)果圖

PLA分析結(jié)果表明，河北、山西、內(nèi)蒙古、甘肅、陜西和廣西等五個省區(qū)為鐵路物流網(wǎng)絡(luò)主導(dǎo)型節(jié)點，在我國鐵路物流網(wǎng)絡(luò)中處于核心地位。根據(jù)區(qū)域鐵路物流輸入量與輸出量，主導(dǎo)型節(jié)點可分為輸出主導(dǎo)型節(jié)點和輸入主導(dǎo)型節(jié)點。山西、內(nèi)蒙古、陜西3個省份是我國的礦產(chǎn)資源富集區(qū)，煤、鋁、稀土等礦產(chǎn)資源密集，有色金屬、黑色金屬和各類非金屬礦產(chǎn)的等大宗長距離的運輸方式首選鐵路運輸，從而使得這3個省份成為輸出主導(dǎo)型節(jié)點；河北、廣西、甘肅3個省份在與周邊省份構(gòu)成的區(qū)域范圍內(nèi)，工業(yè)、建筑業(yè)等行業(yè)發(fā)展良好，礦產(chǎn)等資源需求量大，從而使得這3個省份成為輸入主導(dǎo)型節(jié)點。廣東、江西、四川、江蘇、青海和山東等5省為次主導(dǎo)型節(jié)點，在我國鐵路物流網(wǎng)絡(luò)中處于相對重要地位。其余省區(qū)為從屬型節(jié)點。

2.3 鐵路物流網(wǎng)絡(luò)顯著流分析

論文應(yīng)用國家鐵路地區(qū)間貨物交流數(shù)據(jù)，基于多重流分析法識別我國鐵路物流網(wǎng)絡(luò)顯著流。數(shù)據(jù)結(jié)果中顯著流數(shù)量表示節(jié)點在鐵路物流網(wǎng)絡(luò)中的影響力，顯著流數(shù)量越多，表明該省在鐵路物流網(wǎng)絡(luò)中地位越高，顯著流數(shù)量統(tǒng)計如表2所示。

表2 鐵路物流網(wǎng)絡(luò)顯著流數(shù)量統(tǒng)計

層次區(qū)域顯著流數(shù)量層次區(qū)域顯著流數(shù)量層次區(qū)域顯著流數(shù)量 1四川142山東83天津3 河南12湖北8吉林3 廣東12浙江7黑龍江3 重慶11安徽7青海3 云南113遼寧6北京2 江西10陜西6上海1 貴州10甘肅6西藏1 2湖南9內(nèi)蒙古54海南0 廣西9新疆5寧夏0 河北8山西4 江蘇8福建4

由表2可以看出，顯著流數(shù)量大于等于10的省份包括四川、河南、廣東、重慶、云南、江西和貴州，這7個省份屬于鐵路物流網(wǎng)絡(luò)的第一層，在鐵路物流網(wǎng)絡(luò)中具有優(yōu)勢地位。顯著流數(shù)量介于5和10之間的省份包括湖南、廣西、河北、江蘇、山東、湖北、浙江和安徽，這8個省份屬于鐵路物流網(wǎng)絡(luò)的第二層，在鐵路物流網(wǎng)絡(luò)中具有較強的中介作用。遼寧、陜西、甘肅、內(nèi)蒙古、新疆、山西、福建、天津、吉林、黑龍江、青海、北京、上海、西藏等14個省份顯著流數(shù)量介于0和6之間，屬于鐵路物流網(wǎng)絡(luò)的第三層。海南和寧夏顯著流數(shù)量為0，屬于鐵路物流網(wǎng)絡(luò)的第四層。

3 我國鐵路物流圈層結(jié)構(gòu)及特征

3.1 鐵路物流圈層結(jié)構(gòu)設(shè)計

PageRank值是考慮所有節(jié)點間關(guān)系計算得到的數(shù)值，數(shù)據(jù)信息最全面，是挖掘所有數(shù)據(jù)關(guān)系得到的結(jié)果；PLA結(jié)果表明鐵路物流網(wǎng)絡(luò)主體結(jié)構(gòu)特征，MLA值包含了比較重要的節(jié)點關(guān)系論文綜合考慮PageRank值、MLA值和PLA結(jié)果3個指標數(shù)據(jù)，按照“多角度節(jié)點評價—區(qū)域劃分—物流圈層可視化”的研究思路構(gòu)建鐵路物流圈。

評價網(wǎng)絡(luò)節(jié)點質(zhì)量。論文根據(jù)節(jié)點的PageRank值、MLA值和PLA結(jié)果構(gòu)建評價方法。由PageRank算法的原理可以看出，值的相對大小順序是最重要的。論文根據(jù)節(jié)點的PageRank值從大到小排序，排在第一位的記為32分，名次每落后一名，得分就減1分，最后一名記為1分。MLA值本身表示節(jié)點顯著流的數(shù)量，節(jié)點每擁有1條顯著流記為1分。PLA結(jié)果分為主導(dǎo)型節(jié)點、次主導(dǎo)型節(jié)點和從屬型節(jié)點，為均衡各個指標數(shù)據(jù)，主導(dǎo)型節(jié)點記為15分，次主導(dǎo)型節(jié)點記為10分，從屬型節(jié)點記為5分。以網(wǎng)絡(luò)節(jié)點質(zhì)量得分從大到小進行排序，以鐵路物流量為依據(jù)劃分鐵路物流聯(lián)系區(qū)域。具體過程如下：

(1)將網(wǎng)絡(luò)中質(zhì)量得分最高的節(jié)點定義為核心區(qū)域，然后以此核心區(qū)域為中心，將與該核心區(qū)域相鄰省份相連，將鐵路物流量定義為連接線的權(quán)重，箭頭方向描述了物流量的流向，連接到網(wǎng)絡(luò)中的節(jié)點不能再被定義為核心區(qū)域。

(2)按網(wǎng)絡(luò)節(jié)點質(zhì)量得分選取第二個節(jié)點定義為核心區(qū)域，然后重復(fù)(1)，直至所有節(jié)點連接到網(wǎng)絡(luò)中。

(3)刪除重復(fù)的連接線。若出現(xiàn)網(wǎng)絡(luò)中的非核心區(qū)域同時與多個核心區(qū)域相連，則比較連接線的權(quán)重，只保留權(quán)重最大的連接線。為提高鐵路物流網(wǎng)絡(luò)空間特征可視化效果，將省域縮放為一個節(jié)點，空間位置根據(jù)省會城市的經(jīng)緯度來確定。按照以上規(guī)則，構(gòu)建出我國鐵路物流圈，如圖4所示。

圖4 鐵路物流圈結(jié)構(gòu)圖

3.2 鐵路物流圈層結(jié)構(gòu)特征

鐵路物流對外聯(lián)系密切省份集聚，形成一定區(qū)域范圍內(nèi)的鐵路物流圈。鐵路物流圈呈現(xiàn)出地理相鄰、產(chǎn)業(yè)相關(guān)和中心輻射的特征。

(1)地理相鄰

我國31個省級行政區(qū)劃形成了7個數(shù)量和規(guī)模不同的鐵路物流圈。受地理、經(jīng)濟和交通等因素的影響，聯(lián)系緊密的省份出現(xiàn)近距離“抱團”現(xiàn)象。

(2)產(chǎn)業(yè)相關(guān)

鐵路運輸?shù)慕?jīng)濟特性決定了大宗貨物是其主要服務(wù)類型，故鐵路物流需求較大區(qū)域往往采礦業(yè)、制造業(yè)等第二產(chǎn)業(yè)發(fā)達，因此北京、天津、河北、內(nèi)蒙古、山西和山東構(gòu)成了我國最大的、聯(lián)系最緊密的以河北為核心的鐵路物流圈。此鐵路物流圈成為我國鐵路物流最核心地帶。2019年，山西鐵路物流共發(fā)送85 840萬t，我國鐵路物流量輸出最大的省級行政區(qū)，河北鐵路物流共接收73 850萬t，由山西發(fā)往河北的鐵路貨運量高達47 376萬t，山西?河北間鐵路物流量關(guān)系在所有聯(lián)系對中最緊密。黑龍江、吉林和遼寧礦產(chǎn)資源豐富，構(gòu)成了以遼寧為核心的礦產(chǎn)資源鐵路物流圈。隨著產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整、新舊動能的轉(zhuǎn)換，省際鐵路物流量也會受到?jīng)_擊。

(3)中心輻射

鐵路物流圈由多個省份組成，每個省份都有自身的資源優(yōu)勢和發(fā)展特色，其發(fā)展主要通過省際間的鐵路物流資源整合、優(yōu)勢互補。鐵路物流圈的構(gòu)建可以發(fā)揮核心區(qū)域的輻射作用，促進人流、物流、資金流和信息流等資源的整合，進一步擴大資源優(yōu)化配置范圍，提高欠發(fā)達區(qū)域的鐵路物流水平，進一步促進區(qū)域社會物流協(xié)調(diào)發(fā)展。河南、陜西、江蘇、安徽構(gòu)成了以河南為核心的中原鐵路物流圈。江西、浙江、湖南、福建和上海構(gòu)成了以江西為核心的東南鐵路物流圈。廣西、廣東、貴州、云南和海南構(gòu)成以廣西為核心的南部鐵路物流圈。甘肅、寧夏、青海、新疆和西藏在鐵路運輸網(wǎng)絡(luò)中運量少、彼此聯(lián)系較弱，構(gòu)成了以甘肅為核心的西北物流圈。四川和重慶間鐵路物流聯(lián)系密切，構(gòu)成一個鐵路物流圈。

4 結(jié)論

論文設(shè)計組合算法研究我國鐵路物流網(wǎng)絡(luò)空間結(jié)構(gòu)特征。主要結(jié)論如下：我國鐵路物流水平差異顯著，北方區(qū)域是省際鐵路物流的核心地帶，華北地區(qū)和東北地區(qū)是鐵路物流最為集中的區(qū)域。穩(wěn)定的供給需求關(guān)系奠定了北方地區(qū)鐵路物流的核心地位。南方地區(qū)信息技術(shù)等高新產(chǎn)業(yè)較為發(fā)達，高新產(chǎn)業(yè)與鐵路物流聯(lián)系較弱，從而造就了鐵路物流市場弱于北方的局面。鐵路物流對外聯(lián)系密切省份集聚，形成了7個數(shù)量和規(guī)模不同的鐵路物流圈，鐵路物流圈呈現(xiàn)出地理相鄰、產(chǎn)業(yè)相關(guān)和中心輻射的特征。

針對上述結(jié)論，提出以下建議：

(1)實現(xiàn)軸心與輻點聯(lián)動發(fā)展。充分發(fā)揮軸心區(qū)域的集散功能，提高鐵路物流要素資源配置效率。軸心區(qū)域技術(shù)先進、資金充足、人才眾多，積極推動鐵路物流要素和人才的轉(zhuǎn)移和擴散，支援輻點區(qū)域鐵路物流網(wǎng)絡(luò)建設(shè)。

(2)明確功能定位。鐵路物流圈反映出區(qū)域鐵路物流聯(lián)系程度，明確功能定位，充分發(fā)揮區(qū)位優(yōu)勢，利用各城市的區(qū)位優(yōu)勢、產(chǎn)業(yè)特色、物流功能定位等優(yōu)勢，打造功能互補與協(xié)同可持續(xù)發(fā)展的鐵路物流網(wǎng)絡(luò)。

(3)構(gòu)建多式聯(lián)運協(xié)同機制。以鐵路物流樞紐為支點，延伸服務(wù)，構(gòu)建“通道+節(jié)點”的鐵路物流生態(tài)圈，形成以鐵路為主導(dǎo)的現(xiàn)代物流生態(tài)圈。

[1] Pflieger G, Rozenblat C. Introduction. Urban networks and network theory: the city as the connector of multiple networks[J]. Urban Studies, 2010, 47(13): 2723-2735.

[2] 曹炳汝, 孔澤云, 鄧莉娟. 長江經(jīng)濟帶省域物流效率及時空演化研究[J]. 地理科學, 2019, 39(12): 1841-1848.

[3] 曹炳汝, 鄧莉娟. 長江經(jīng)濟帶物流業(yè)效率增長影響因素[J]. 經(jīng)濟地理, 2019, 39(7): 148-157.

[4] 賈鵬, 吳寄石, 李海江, 等. 中國物流樞紐承載城市貨運網(wǎng)絡(luò)時空演化及驅(qū)動機制[J]. 地理科學, 2021, 41(5): 759-767.

[5] 孫春曉, 裴小忠, 劉程軍, 等. 中國城市物流創(chuàng)新的空間網(wǎng)絡(luò)特征及驅(qū)動機制[J]. 地理研究, 2021, 40(5): 1354-1371.

[6] 戢曉峰, 張雪, 陳方, 等. 基于多源數(shù)據(jù)的區(qū)域物流與經(jīng)濟發(fā)展關(guān)聯(lián)特性分析—以云南省為例[J]. 經(jīng)濟地理, 2016, 36(1): 39-45.

[7] 劉程軍, 周建平, 蔣建華, 等. 電子商務(wù)背景下縣域物流的空間聯(lián)系及其網(wǎng)絡(luò)結(jié)構(gòu)研究—以浙江省為例[J]. 地理科學, 2019, 39(11): 1719-1728.

[8] 王東方, 董千里, 陳艷, 等. 中歐班列節(jié)點城市物流網(wǎng)絡(luò)結(jié)構(gòu)分析[J]. 長江流域資源與環(huán)境, 2018, 27(1): 32-40.

[9] 宗會明, 呂瑞輝. 基于物流企業(yè)數(shù)據(jù)的2007—2017年年中國城市網(wǎng)絡(luò)空間特征及演化[J]. 地理科學, 2020, 40(5): 760-767.

[10] 劉正兵, 戴特奇, 廖聰, 等. 中國城際公路貨運空間網(wǎng)絡(luò)特征—基于“第一物流”網(wǎng)站數(shù)據(jù)[J]. 經(jīng)濟地理, 2017, 37(6): 28-35.

Identification of Spatial Structure Characteristics of Railway Logistics Network Based on Combination Algorithm

GE Yong1，ZHU Tao-xing2，MA Lin-na3，CHEN Jian-qun1

（1.Division of Teaching Affairs, Shijiazhuang Posts and Telecommunications Technical College, Shijiazhuang 050043, China;2. School of Management, Shijiazhuang Tiedao University, Shijiazhuang 050043, China;3.Department of Express and Logistics, Shijiazhuang Posts and Telecommunications Technical College, Shijiazhuang 050043, China）

Railway logistics is an important part of logistics system. This paper uses PageRank algorithm to calculate the railway logistics network nodes, applies primary flow analysis method to extract the main structure of the network, and applies multiple flow analysis method to determine the number of significant flows. The research results show that the level of railway logistics in China is significantly different, and the stable supply-demand relationship has laid the core position of railway logistics in northern China. The provinces with close external links of railway logistics gather together, forming seven railway logistics circles with different numbers and scales. The railway logistics circles are characterized by geographical proximity, industry correlation and central radiation. By realizing the coordinated development of the hub and spoke, defining the functional orientation, giving full play to the location advantages, and constructing the multimodal transport coordination mechanism strategy, the suggestions for promoting high-quality development of railway logistics are put forward.

railway logistics; pagerank algorithm; primary linkage analysis; significant flow analysis

10.15916/j.issn1674-3261.2023.02.005

F259.27

A

1674-3261(2023)02-0093-06

2022-05-22

2022年度石家莊市社科專家培養(yǎng)項目立項課題(2022zjpy08)；2022年度河北省社會科學發(fā)展研究課題(20220202387)；國家社會科學基金項目(20FJYB030)

葛 勇(1995-)，男，山東德州人，碩士。

馬琳娜(1995-)，女，河北滄州人，碩士。

責任編輯：陳 明