交通运输研究 >

2024 , Vol. 10 >Issue 4: 20 - 31

DOI: https://doi.org/10.16503/j.cnki.2095-9931.2024.04.003

网络集成布局

宏观尺度下公路货运网络空间结构的特征和演进规律

  • 王屾 ,
  • 于丹阳
展开
  • 交通运输部科学研究院，北京 100029

*王屾（1984—），女，山东掖县人，硕士，副研究员，研究方向为交通运输统计。E-mail:

收稿日期: 2024-04-03

  网络出版日期: 2024-10-15

基金资助

交通运输部战略规划政策项目(2022-21-3)

收起

Characteristics and Evolution Patterns of Highway Freight Network Spatial Structure at Macro Scale

  • WANG Shen ,
  • YU Danyang
Expand
  • China Academy of Transportation Sciences, Beijing 100029, China

Received date: 2024-04-03

  Online published: 2024-10-15

Fold

摘要

为揭示我国省际公路货运网络的空间结构特征和演进规律，据此优化物流布局、提升货运效率和降低货运成本，依据宏观尺度下的调查年份公路货运数据，构建模型测算公路OD货运量，并利用网络分析方法探索公路货运网络空间结构及其演进规律。首先，提出基于流量调节的省际公路OD货运量推算方法，以解决非调查年度数据缺失问题。然后，基于2013年和2022年两个特征年度的数据，通过网络分析和社区发现技术，识别出我国公路货运网络结构从4个区域向3个区域演进的规律，揭示了网络中明显的空间相互依赖性。最后，对社区发现结果的各片区进行综合评估，发现北部地区具有公路货运区域自给自足的特点，长三角地区表现出高度一体化特征，南部区域则呈现公路货运交流量较低的特点；通过加权度中心性分析，发现北部地区呈现公路货运网络多中心模式，长三角地区公路货运网络各节点均衡集聚，南部区域公路货运网络中重要节点较少、交流量相对偏低。研究结果表明，我国公路货运网络区域分化较显著，不同区域呈现不同的发展模式和演进特征。

关键词： 公路货运网络; OD货运量推算; 社区发现; 物流节点分析; 省际货运网络

本文引用格式

王屾 , 于丹阳 . 宏观尺度下公路货运网络空间结构的特征和演进规律[J]. 交通运输研究, 2024 , 10(4) : 20 -31 . DOI: 10.16503/j.cnki.2095-9931.2024.04.003

Abstract

To reveal the spatial structural characteristics and its evolution patterns of the national inter-provincial highway freight network, according which to optimize logistics layout, improve freight transportation efficiency, and reduce freight transportation costs, a model was constructed based on the survey years' highway freight data at macro scale to calculate the highway OD freight volume, and network analysis methods were used to explore the spatial structure and its evolution patterns of highway freight network. Firstly, a method based on traffic adjustment for estimating the inter-provincial highway OD freight volume was proposed to address the issue of data gaps in non-survey years. Then, using data from the characteristic years of 2013 and 2022, network analysis and community detection techniques were employed to identify the evolution pattern of China's highway freight network from four regions to three regions, revealing significant spatial interdependence within the network. Finally, a comprehensive evaluation of the different areas resulting from community detection showed that the northern region had characteristics of regional self-sufficiency in highway freight transportation, the Yangtze River Delta region exhibited high integration, and the southern area demonstrated lower freight exchange volumes. Through weighted degree centrality analysis, it was found that the northern region presented a multi-center pattern in highway freight network, with balanced clustering of nodes in the Yangtze River Delta region, and fewer nodes and lower freight exchange volumes in the southern region. The research results indicate that China′s highway freight network has significant regional differentiation, with different regions showing different development patterns and evolutionary characteristics.

Key words： highway freight network; OD freight volume estimation; community detection; logistics node analysis; inter-provincial freight network

0 引言

交通网络分析在物流、城市规划和基础设施建设领域中发挥着关键作用。公路运输作为主要的运输方式之一，对维持和促进地区间经济活动至关重要。然而，受复杂性和数据不完善性的限制，目前在获取省际公路货运流量流向以及分析公路货运网络的特征方面仍面临诸多挑战，需进一步完善宏观尺度下的OD货运量推算方法，并从时空和关联角度来探析省际公路货运网络的结构特征。
在从宏观区域尺度进行OD货运量推算的既有研究中，李文杰等人[1]使用引力模型估计区域间贸易系数矩阵，使用列系数模型编制我国31省市42部门的区域间投入产出表，并将价值流转换为货运流，以获得省际货运量。周雷等人[2]提出了一种基于高速公路交通大数据的跨区域货运分析和建模方法，解决了我国高速公路OD货运量的计算问题。Hossain等人[3]提出了一种基于模式选择的货运起点-终点整合（FODS-MC）模型，并在孟加拉国的国家货物运输模型中进行了应用，该模型利用交通统计和货运量估计等数据，根据模式推断起点-终点之间的货物和车辆（包括载货和空车）流量。Demissie等人[4]基于卡车GPS数据开发了一个5时间段Logit多分类目的地选择模型，并在加拿大阿尔伯塔省模拟了卡车行程分布。尽管不少学者已经开展了区域间OD货运量计算研究，但以全国公路货车流量为研究对象，针对省际公路OD货运量获取方法的研究还相对较少。我国仅在2008年、2013年和2015年由交通运输部组织开展过运输量专项调查工作，通过这类专项调查可以推算得到当年全国省际公路OD货运量数据[5-6]，而其他年份的数据则一直缺失。
此外，尽管社会网络研究、社区发现等方法在网络科学中得到了广泛应用[7]，但它们在交通网络分析中的有效应用仍存在探索空间。目前，从交通视角出发，对我国交通网络特征与结构的研究主要集中在航空流[8]、铁路流[9-10]、城市交通[11-12]、公路客流[13]等方面，而基于公路货运联系的相关研究则开展相对较晚、成果相对较少，基于宏观尺度公路流刻画区域交通运输网络或区域联系的研究更少。公路运输因其便捷性在短途运输中发挥着关键作用，并表现出显著的空间依赖性，能有效揭示地域系统内部的功能联系。因此，深入分析省际公路货流对于优化省际空间组织结构以及推动区域协调发展具有重要的参考价值和实践意义。
为弥补对宏观尺度下公路货运网络结构和变化特征研究的不足，本文将依据宏观尺度下的调查年份公路货运数据，构建模型测算公路OD货运量，并采用网络分析方法深入探讨公路货运网络的空间结构及其演变规律。首先以专项调查年份采集的全国省际公路OD货运量数据为基础，提出一种基于流量调节的推算方法以获得非调查年份的公路OD货运量数据，解决非调查年份数据的缺失问题；然后通过网络分析技术，详细探讨我国公路货运网络在不同年份的流量流向特征及其演变趋势；最后利用社区发现方法将全国公路货运网络划分为不同的子区域，细致刻画每个子区域的公路货运网络特征和发展变化特点，并对各子区域的关键节点特征进行分析挖掘，以期为国家宏观交通规划和区域物流网络优化提供理论支撑。

1 基于流量调节的公路货运OD矩阵推算方法

1.1 数据来源

本研究主要利用以下两项基础数据源。
1）专项调查年份的全国省际公路OD货运量。为了摸清交通运输行业运输量底数和结构情况，交通运输部于2008年、2013年和2015年分别组织了3次全国范围的运输量专项调查，以全国营运货车车辆库为抽样框，采用分层随机抽样，采集了样本货车1个月内的运输趟次起终点、货类、运量等详细信息。3次调查分别调查了17.4万、19.6万和8.5万辆样本货车。通过这些调查数据不仅能推算得到全国及分省运输量总量，还可以推算得到省际货运流量流向[14]。
2）分省（自治区、直辖市）公路货物运输量日常统计数据。该数据反映特定时期内公路货物运输的实物量，由各省（自治区、直辖市）交通运输管理部门进行统计，统计频度为月度。统计原则为基于车辆注册地，即各省（自治区、直辖市）统计本省（自治区、直辖市）注册的营运货车产生的运输量[14]，也可称为工具运输量。

1.2 模型建立

本研究构建模型的思路是，以基年的全国省际货运OD为基准，采用流量调节方法测算目标年运输量，即利用各省工具运输量作为调节依据，采用增量调节的方式将区域间的货运流量进行重新分配。这种方法有以下优点：一是充分利用了所有相关的最新信息，包括基年之后的数据，使得估计值能及时反映基年之后的变化；二是在调整过程中仍保留了基年OD矩阵的分布信息。具体方法如下。
第1步：计算目标年的各省（自治区、直辖市）运输量增长量。
首先计算出基年和目标年之间每个省（自治区、直辖市）的工具货运量的增长量，作为测算OD增长量的依据。具体计算公式为：
Δ G i = G i ( T ) - G i ( F )
式（1）中： Δ G i为第 i个省的全省货运量增长量； G i ( T )为第 i个省的目标年全省货运量； G i ( F )为第 i个省的基年全省货运量。
第2步：将各省（自治区、直辖市）货运量的增长量转化为省际OD伪增长量。
将基年至目标年的全省（自治区、直辖市）货运量增长量转化为省际OD货运量的伪增长量，具体为：首先将两省的货运量增长量转化为两省联合增长率，再以基年两省间的OD货运量为基数，计算出两省间的伪增长量，计算公式见式（2）。该方法主要考虑将工具运输量的增长特征体现在OD矩阵中。
Δ Q ' i j = Δ G i + Δ G j G i ( F ) + G j ( F ) × H i j ( F )
式（2）中： Δ Q ' i j为省 i和省 j之间的伪增长量； H i j ( F )为省 i和省 j之间的基年OD货运量。
第3步：估算每个OD点对间的增长因子。
根据目标年相对于基年的实际增长量对伪增长量进行调整矫正。这一过程采用增长因子法，即利用每一OD点对的伪增长量与所有OD点对伪增长量的比值作为增长因子，其计算公式见式（3）。
Δ f i j = Δ Q ' i j ∑ Δ Q ' i j
式（3）中： Δ f i j为省 i和省 j之间的增长因子。
第4步：估算每个OD点对间的增量。
利用增长因子，估算每个OD点对的实际增长量，具体公式如下：
Δ H i j = Δ f i j × H i j ( F )
式（4）中： Δ H i j为省 i和省 j之间的估算增长量。
第5步：确定目标年每个OD点对的当年货运量。
获得基年至目标年的每个OD点对的货运增量后，再将其与基年的OD矩阵相加，就可获得目标年的OD矩阵 H i j ( T )，具体公式如下：
H i j ( T ) = H i j ( F ) + Δ H i j

1.3 模型验证

为验证模型的准确性，本文以2013年数据为基准，根据模型推算2015年我国省际公路货运的区域间OD货运量，并将其与2015年小样本专项调查数据的推算结果进行对比。通过计算各省（自治区、直辖市）汇总的出发量、到达量并进行比较，得出调查数据推算结果和本文模型推算结果的差异情况如图1和图2所示。图中变化趋势显示，各省（自治区、直辖市）两项结果呈现出较高的吻合度。使用平均绝对百分比误差（Mean Absolute Percentage Error, MAPE）来评价这两种结果之间的差异，发现各省出发量和到达量的MAPE分别为7.9%和7.8%。
图1 各省（自治区、直辖市）2015年公路货运到达量结果比对
图2 各省（自治区、直辖市）2015年公路货运出发量结果比对

2 基于网络分析的公路货运网络空间结构研究方法

2.1 中心性指标

1）度中心性
度中心性是指网络中与某一节点直接相连的其他节点个数，在本研究中可反映为某省（自治区、直辖市）在货运网络中与其他省（自治区、直辖市）直接相连的边的数量。其计算公式为：
D i = ∑ j = 1 N a i j
式（6）中： D i为节点度中心性； N为网络节点的个数； a i j为节点 i和节点 j的连接数量，如果节点 i和节点 j相连，则 a i j= 1，否则 a i j=0。
加权度中心性是对度中心性的一种扩展，考虑了连接的强度，其计算公式为：
D i w = ∑ j = 1 N w i j a i j
式（7）中： D i w为加权度中心性； w i j为节点 i和节点 j之间边的权重。
2）介数中心性
介数中心性是指网络中经过节点 i的最短路径数与所有节点间的路径数的比值，该指标用来反映节点影响其他节点联系的能力，可以表征节点在网络中的中转和衔接功能。计算公式为：
B i = ∑ j = 1 N ∑ k = 1 N g i j k g i j j ≠ k ≠ i j k
式（8）中： B i为介数中心性； g i j k为节点 j和节点 k之间存在的经过第3个点 i的最短路径数； g i j为节点 j和节点 k间存在的最短路径数。
3）特征向量中心性
特征向量中心性是一个综合反映节点在整个网络影响力的指标，其不仅考虑节点本身的连接数，也考虑了连接节点的质量。特征向量中心性的计算方法为：设 A i j为网络的邻接矩阵，节点 i的特征向量中心性由向量 X表示，其第 i个元素 X i即为该节点的中心性得分。特征向量中心性通过求解特征方程 A x = λ x来确定，其中 λ是矩阵 A的一个特征值，而 x是对应的特征向量。

2.2 社区检测方法

社区结构存在于许多现实网络中，指的是网络中存在一些小团体，其内部节点间的连接相比于与其他节点的连接更紧密。社区检测有助于理清网络信息和组织结构，并对各社区和节点进行更好的规划。Louvain算法是一种基于模块度最大化原则的高效社区检测方法，特别适用于大规模网络[15]。模块度是衡量网络中社区结构分组质量的指标，通过比较实际网络中社区内部的边数与同节点度随机网络的边数之间的差异来评估社区划分的好坏。模块度越高，表明社区划分的质量越好，其取值范围为[-0.5, 1]。Louvain基本算法分为以下几步：
第1步：计算每个节点的模块度增量，并移动节点以最大化模块度；
第2步：将每个社区视为一个超级节点，并构建一个新的网络，其中超级节点之间的边权重是原始网络中社区内部边权重的总和；
第3步：重复上述步骤，直到模块度无法进一步提高。

2.3 网络特征指标

1）内部交流比例
内部交流比例可直观反映网络内部的自给自足程度或内部依赖程度。该指标的计算方式是将区域内的总权重与其内部加上与外部交流的总权重相比。
2）加权平均集聚系数
加权平均集聚系数是复杂网络分析中的一个重要指标，用于衡量网络中节点的局部连接紧密程度。在一个给定网络中，是指所有节点的加权集聚系数的平均值。对于一个给定的节点 i，其加权集聚系数 C i的计算公式为：
C i = ∑ j ,   k ∈ Γ ( i ) w j k k ( i k - i 1 ) / 2
式（9）中： Γ ( i )为节点 i的邻居节点集合； w j k为节点 j和节点 k之间的边权重； k i为节点 i的度（即节点 i的邻居数量）。
3）平均交流强度
平均交流强度指标可反映每对省际货运交流的平均强度。计算方法是用区域内部所有边的权重之和除以边的数量，从而得到平均每条边的权重。

3 我国公路货运网络整体特征分析

本研究基于上文给出的流量调节模型对2013年和2022年两个特征年份的全国省际公路OD货运量进行了计算，并通过可视化方法进行深入分析，结果见图3和图4。图中通过线条的粗细来直观地表示不同省（自治区、直辖市）之间公路货运量的相对规模。从整体上看，我国公路货物运输在省际网络联系上显示出明显的空间依赖性，几乎所有省（自治区、直辖市）之间都有公路货运交流；同时，在地理空间上又呈现出明显的不均匀性，其中，处于中部区域和东部区域的省际公路货运网络联系更加紧密，这也与各省（自治区、直辖市）经济关联在空间布局上高度吻合，反映了区域层面的空间互动模式。
图3 2013年全国省际公路OD货运量
图4 2022年全国省际公路OD货运量
基于省际公路货运OD数据，采用中心性分析法对各省（自治区、直辖市）在公路货运网络中的作用进行分析。2022年各省（自治区、直辖市）的公路货运中心性指标结果见表1。具体来看，度中心性指标反映了各省（自治区、直辖市）在公路货运网络中直接相连的边的数量，天津、河北、江苏、浙江、山东和河南的度中心性得分较高，表明这些地区拥有众多的直接公路货运联系，是关键的公路货运枢纽或物流集散中心；介数中心性指标显示，浙江、山东、河南等在公路货运网络中的中介角色较为突出，它们在连接不同地区、促进货物流通方面扮演着至关重要的角色；特征向量中心性指标结果则表明，河北、江苏、浙江、山东、河南等省份不仅自身连接的节点数量众多，而且与网络中的其他关键节点有着更为紧密的联系，在公路货运网络中拥有较大的影响力。另外，海南、西藏、青海、宁夏、新疆等在中心性指标上得分较低，意味着这些地区在公路货运网络中的参与度不高，其作为网络的边缘节点，对整体流通的贡献相对较小。
表1 2022年各省（自治区、直辖市）公路货运中心性指标结果
省（直
辖市、
自治区）		 度中
心性		 介数
中心性		 特征
向量
中心性		 省（直
辖市、
自治区）		 度中
心性		 介数
中心性		 特征
向量
中心性
北京 56.667 0.659 25.1 湖北 76.667 1.466 32.258
天津 63.333 1.154 26.76 湖南 56.667 0.437 24.582
河北 80 2.385 32.785 广东 80 5.5 31.981
山西 73.333 1.655 30.339 广西 63.333 3.141 26.037
内蒙古 63.333 1.147 26.28 海南 6.667 0 2.976
辽宁 56.667 1.057 24.42 重庆 53.333 0.355 23.92
吉林 43.333 0.294 19.207 四川 73.333 4.216 28.75
黑龙江 26.667 0.083 10.732 贵州 40 0.172 17.506
上海 63.333 0.537 28.069 云南 40 0.17 17.627
江苏 80 1.825 33.201 西藏 13.333 0.038 4.767
浙江 90 5.751 35.046 陕西 76.667 2.57 31.426
安徽 73.333 1.21 31.191 甘肃 53.333 1.741 21.863
福建 36.667 0.018 17.166 青海 20 0.222 7.292
江西 50 0.293 22.674 宁夏 33.333 0.015 15.535
山东 86.667 3.691 34.482 新疆 46.667 1.076 20.21
河南 90 4.71 35.169
对比2013年与2022年各省（自治区、直辖市）公路货运的中心性指标数据（见图5），发现浙江、安徽的度中心性有显著增长，表明这两省在公路货运网络中的地位不断提升，其货运聚集能力不断增强；处于西部的重庆、贵州、云南、西藏、新疆等地，其度中心性和特征向量中心性也呈现快速上升的趋势；另一方面，湖南、广东、安徽等地在公路货运网络中的影响力有所下降。
图5 2013年与2022年各省（自治区、直辖市）公路货运度中心性、介数中心性和特征向量中心性数据对比

4 基于社区发现的子区域公路货运网络特征分析

4.1 社区发现结果

运用Louvain算法对2013年和2022年我国公路货运网络分别进行社区发现分析。在进行精确的参数优化后，其可视化结果如图6、图7所示。图中节点被划分为不同的社区，每个社区用一种颜色表示。节点之间的连线表示它们之间具有货运交流量。由结果可看出，2013年我国公路货运网络可以划分为4个片区，分别为东北片区、北部片区、南部片区和长三角片区：东北片区涵盖黑龙江、吉林和辽宁3省；北部片区涵盖北京、天津、河北、山西、内蒙古、山东、河南、陕西、甘肃、青海、宁夏和新疆共12个省（自治区、直辖市）；南部片区包括福建、江西、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南以及西藏共12个省（自治区、直辖市）；长三角片区由上海、江苏、浙江和安徽4个省（直辖市）组成。
图6 2013年公路货运社区发现分析结果
图7 2022年公路货运社区发现分析结果
而2022年的结果与之有所不同，仅划分为3个片区，其中长三角片区和南部片区与2013年完全一致，但是东北片区和北部片区合并形成了一个北部大片区。2013年和2022年两次社区发现计算得到的模块度值分别为0.345和0.338，表明了社区划分在增强内部凝聚力和提高边界区分度方面的有效性。
通过这种划分结果，可以看出我国省际公路货运关联特征与经济关联特征高度一致。长三角片区作为我国经济最活跃的区域之一，省际经济联系紧密，货运网络也表现出强烈的区域内部依赖性，要明显地强于与外部区域的联系程度。同时，南部片区的12个省（自治区、直辖市）被划分为一个整体，尽管节点众多，但经济联系频繁，货运网络也呈现出紧密相连、组团化的显著特征。值得注意的是，这两个片区的特征相对稳定，2013年至2022年未发生显著变化。
相较之下，北部片区货运关联则呈现出动态变化的趋势。2013年，东北片区是一个独立的团体，内部联系紧密，但与外部较为隔离。而北方其余省（自治区、直辖市）则形成另一团体。然而，随着时间的推移，东北地区与北方其他省（自治区、直辖市）的公路货运关联逐渐融合，反映出北方各省（自治区、直辖市）在公路货运体系中朝向一体化方向发展，最终形成了一个较为紧密的大型社区结构。

4.2 子区域网络结构分析

4.2.1 子区域网络特征

通过定量方法对我国公路货运网络的子区域进行分析，以发现各子区域的关键特征。利用3项关键指标：子区域公路货运内部交流比例、平均公路货运交流强度以及公路货运加权平均聚集系数，对通过社区发现分析得到的各个片区进行综合评估。2013年和2022年子区域的网络特征指标结果见表2。
表2 2013年和2022年子区域网络特征指标
年份 区域 公路货运
内部交流
比例（%）		 公路货运
加权平均
聚集系数		 平均公路
货运交流
强度/万t
2013年 北部片区 36.6 0.053 1 501
东北片区 3.0 0.639 2 653
长三角片区 14.7 0.374 6 575
南部片区 14.3 0.045 657
2022年 北部大片区 43.5 0.038 1 348
长三角片区 15.7 0.461 8 504
南部片区 14.0 0.049 731
公路货运内部交流比例分析结果表明，2013年北部片区的内部交流比例最高，达到36.6%，表明北部片区内部的货物流动非常活跃，该区域内部较为自给自足，对外部的依赖程度较小；东北片区的内部交流比例仅为3.0%，意味着该片区的区域内部自给自足程度较低，与区域外部存在较为频繁的货运交流。而到2022年，北部大片区的公路货运内部交流比例达到了43.5%，相比2013年北部单一区域的36.6%有显著提升。同时，考虑到东北片区此前内部交流比例仅为3.0%，这一合并后的数据表明，整个北部大片区的公路货物内部流动自给自足性提高了。2013年，长三角片区公路货运内部交流比例为14.7%，这一比例处于中等水平，说明长三角既有一定的内部货物流动，也依赖于外部区域的货运资源；至2022年，这一比例变为15.7%，尽管增长幅度不大，但反映出长三角区域内部物流和经济活动联系的增强。南部片区的公路货运内部交流比例2013年为14.3%，与长三角相似，也体现了中等的内部物流自给自足性。
公路货运加权平均聚集系数用于衡量不同片区内部节点公路货运连接的紧密程度。计算结果显示，2013年，东北片区加权平均聚集系数最高，达到0.639，表明节点之间的公路货运联系非常紧密，形成了高度集中和协同的网络结构；其次为长三角片区，2013年加权平均聚集系数为0.374，2022年进一步提升到0.461，显示了该区域具备较高的局部连接性，并且在持续增强；南部片区和北部片区的系数相对较低，表明这两个区域的公路货运网络节点间的连接性较弱，局部合作和联系较少，网络结构较分散。
而从平均公路货运交流强度来看，2013年东北片区为2 653万t，与其较高的加权平均聚集系数相吻合，表明该区域内公路货运网络较为活跃，省际货运交流强度相对较高。长三角片区的平均公路货运交流强度高达6 575万t，是所有区域中最高的。这表明长三角内部省际公路货运交流很频繁，而2022年提升至8 504万t，反映了长三角区域内部经济活动进一步增强，公路货运网络的密集程度和运输效率显著提升。北部片区2022年的平均货运交流强度为1 348万t，相较于2013年的1 501万t有所下降。南部片区的平均货运交流强度2013年仅为657万t，显著低于其他区域，表明南部区域内部的货运交流相对较为松散，2022年上升至731万t，改善并不明显。
综上所述，子区域的定量分析揭示了我国公路货运网络中不同区域间货运交流的特征和差异。北部片区显示出高内部交流比例和相对较高的平均货运交流量，表明该区域内部省际货物流动较为频繁，并且对外部资源的依赖程度较低，以自给自足为主，这一特征还在持续增强。长三角片区则以其较高的加权平均聚集系数和显著的平均货运交流强度，反映出区域内货运网络的高度一体化和紧密联系，并且这种趋势依然在不断强化。相较之下，南部片区较低的内部交流比例和加权平均聚集系数表明其内部公路货运网络相对松散，省际货运联系较弱。

4.2.2 子区域关键节点

基于2013年和2022年的加权度中心性计算结果（见表3、表4），对全国公路货运网络的物流节点进行细致分类。为了更好地开展分析，按照节点的加权度中心性数值分布情况，将节点划分为3类：加权度中心性数值超过1 000的省（自治区、直辖市）被划分为一级物流节点；数值介于500~1000的省（自治区、直辖市）被归类为二级物流节点；数值低于500的为三级物流节点。
表3 2013年子区域各省（自治区、直辖市）加权度中心性结果
所属片区 省（自治区、直辖市） 加权度中心性 所属片区 省（自治区、直辖市） 加权度中心性
北部片区 河北 2 428 南部
片区		 广东 854
山东 1 594 湖北 466
河南 981 江西 426
山西 974 湖南 416
天津 950 广西 397
陕西 949 四川 343
内蒙古 787 福建 264
北京 655 重庆 201
甘肃 196 云南 170
宁夏 186 贵州 143
新疆 88 海南 29
青海 54 西藏 25
东北片区 辽宁 710 长三角片区 江苏 1 581
吉林 302 浙江 1 215
安徽 928
黑龙江 212
上海 754
表4 2022年子区域各省（自治区、直辖市）加权度中心性结果
所属片区 省（自治区、直辖市） 加权度中心性 所属片区 省（自治区、直辖市） 加权度中心性
北部
大片区		 河北 2 785 南部
片区		 广东 895
山东 1 942 湖北 615
河南 1 287 江西 584
山西 1 187 湖南 494
陕西 1 135 广西 456
天津 1 071 四川 415
内蒙古 953 福建 363
北京 708 重庆 265
辽宁 657 云南 220
吉林 298 贵州 187
甘肃 252 西藏 36
宁夏 229 海南 33
黑龙江 204 长三角片区 江苏 2 039
新疆 106 浙江 1 399
青海 78 安徽 1 258
上海 986
按照上述分类标准，从2013年结果来看，北部片区共有河北、山东两省被划分为一级物流节点；河南、山西等6省（自治区、直辖市）被归类为二级物流节点。北部片区的物流节点分布呈现出明显的多中心模式，拥有多个重要的物流节点，形成了多中心、网络化聚集的结构，展示出显著的空间依赖性。同时，甘肃、宁夏、新疆、青海4省（自治区）的物流节点则在区域内处于边缘化的位置，其公路货运交流量相对较低，进一步凸显了北部片区内部物流节点的重要性和区域物流网络的非均匀性。东北片区3个省份的加权度中心性都偏弱，仅辽宁可以被归为二级节点。从2013至2022的变化特征来看，北部大片区的整体物流网络得到了显著提升，河北和山东作为核心节点的地位更加稳固。同时，河南、山西、陕西和天津的物流节点功能得到了显著加强。
相比之下，南部片区未出现一级物流节点，2013年仅广东省满足二级物流节点的条件，这表明南部片区在整体公路货运网络中的参与度相对较低，物流节点的分布和货运交流量的中心集聚效应并不显著。至2022年广东依然是关键节点，湖北、江西等核心节点的加权度中心性提升显著，这表明南部片区的物流网络在持续优化。
长三角片区则展现出较为均衡的物流节点分布，从空间形态上看，片区中4个省（直辖市）均呈现出以自身为核心的节点关联网络，显示出多中心发展态势。这种均衡的物流节点分布和货运交流量反映了长三角地区物流网络的高度一体化和效率。从2013年至2022年，江苏和浙江作为物流核心节点的地位一直显著，安徽和上海也显示了稳步上升的趋势。
这一分类结果揭示了我国不同区域间公路货运网络的结构性差异。北部片区由于省际公路货运交流量大，因此拥有较多的重要物流节点，呈现出多中心模式，表明该区域在整体物流网络中扮演着核心角色。南部片区的重要物流节点较少，公路货运交流量相对较小，表明该区域在整体物流网络中的参与度较低。长三角片区则在物流节点的分布和公路货运交流量上表现出较高的均衡性，反映了该区域物流网络的高度一体化和效率。

5 结束语

为系统分析我国省际公路货运网络的空间结构特征及演进规律，首先，提出了一种基于流量调节的推算非调查年份省际公路货运OD矩阵的方法，该方法在保证数据准确性的同时，能充分利用现有宏观统计数据实现公路货运OD数据的推算，有效填补了非调查年份的数据空白，为连续性研究提供了数据支持。基于这一推算结果，通过网络分析和社区发现方法，重点研究了2013年和2022年的我国公路货运网络整体特征，揭示出显著的空间相互依赖性，并识别出我国公路货运网络结构从4个区域向3个区域演进的规律。此外，利用加权度中心性对物流节点进行分类，揭示了北部区域的公路货运网络多中心结构、长三角区域的节点均衡性以及南部片区节点不突出的集聚特征。通过社区划分观察区域集聚和分化的过程，可为理解我国公路货运网络的动态变化提供新的视角，能丰富对公路货运网络结构和演进规律的认识，并为优化物流网络和制定区域经济发展政策提供理论支撑。本文虽对省际公路货运的结构特征进行了分析，但未详细探讨其背后的驱动因素和公路货运与经济的互动关系，未来将继续探索区域间物流网络的互动机制，并分析经济活动如何影响货运网络结构，以期促进区域协调发展和物流效率的进一步提升。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李文杰, 袁肖峰, 杨胜发, 等. 基于投入产出模型的省际间货运量模拟研究[J]. 铁道科学与工程学报, 2020, 17(5):1302-1309.

[2]
周雷, 张平, 叶劲松. 基于高速公路通行大数据的跨区域货运分析建模技术[J]. 交通运输研究, 2021, 7(5):70-80.

DOI

[3]
HOSSAIN S, HABIB K N. Inferring origin and destination zones of transit trips through fusion of smart card transactions, travel surveys, and land-use data[J]. Transportation Research Part A: Policy and Practice, 2022, 165: 267-284.

[4]
DEMISSIE M G, KATTAN L. Estimation of truck origin-destination flows using GPS data[J]. Transportation Research Part E: Logistics and Transportation Review, 2022, 159: 102621. DOI:10.1016/j.tre.2022.102621.

[5]
交通运输部. 全国公路水路运输量专项调查资料汇编[M]. 北京: 中国经济出版社, 2010.

[6]
交通运输部科学研究院. 交通运输业经济统计暨城市客运交通线路及站点专项调查报告[M]. 北京: 北京出版社, 2017.

[7]
张云雷. 社区发现方法及应用[M]. 北京: 清华大学出版社, 2022.

[8]
曹炜威, 李政, 冯项楠. 2000—2018年全国民航网络结构特征及演化[J]. 交通运输系统工程与信息, 2021, 21(3):26-33,46.

[9]
曹炜威, 杜冬. 中国高铁和民航网络结构特征比较[J]. 科学技术与工程, 2022, 22(16):6674-6679.

[10]
赵映慧, 朱亮, 马百通, 等. 1998—2016年中国省际网络联系结构特征——基于铁路货流视角[J]. 地理科学, 2020, 40(10):1671-1678.

DOI

[11]
于娜, 李小楠, 白燕娜. 基于网约车数据的级联城市区域分析框架研究[J]. 河北师范大学学报(自然科学版), 2024, 48(1):29-35.

[12]
牛强, 牛雪蕊, 唐蕾, 等. 基于社区发现算法的宏中观通勤交通分析单元划分方法探索——以武汉市中心城区为例[J]. 交通信息与安全, 2020, 38(4):95-103,114.

[13]
陈伟, 刘卫东, 柯文前, 等. 基于公路客流的中国城市网络结构与空间组织模式[J]. 地理学报, 2017, 72(2):224-241.

DOI

[14]
陈建华, 王屾, 秦芬芬. 公路水路运输量统计调查理论与实践创新[M]. 北京: 经济管理出版社, 2022.

[15]
王雨, 郭进利. 基于多重影响力矩阵的有向加权网络节点重要性评估方法[J]. 物理学报, 2017, 66(5):19-30.

Options
文章导航

/

〈 〉

版权所有 © 《交通运输研究》编辑部　
京公网安备 11010102003417号    京ICP备17006742号-3
地址：北京市朝阳区北土城东路11号北京书院办公楼　邮编：100029
电话：010-58278983 Email：jtysyj@vip.163.com
本系统由北京玛格泰克科技发展有限公司设计开发