摘 要：西部陆海新通道作为我国西南地区的重要物流通道，其结构特征与演化趋势对于促进区域经济发展、优化资源配置具有至关重要的作用。本文基于西部陆海新通道16个相关城市2018—2022年数据，运用熵权TOPSIS法评估西部陆海新通道相关枢纽城市的物流综合实力，通过引力模型和社会网络分析物流网络结构特征演化，用QAP回归分析因素对物流网络结构的影响。研究发现：物流基础设施建设和货运量是影响城市物流综合实力的关键因素；在西部陆海新通道物流网络中，重庆市和成都市处于核心地位；网络密度和城市间连通性随时间的推移逐步增强；交通和信息技术对物流网络结构具有显著影响，政策支持是促进物流网络正向演化的关键驱动力。
关键词：西部陆海新通道；TOPSIS熵权法；引力模型；QAP回归分析；社会网络分析
中图分类号：F127 文献标识码：A 文章编号：2096-0298（2025）02（b）--05
西部陆海新通道作为我国西南地区的重要物流通道，“一带一路”倡议实施以来，不仅为西南部地区带来了前所未有的发展机遇，还为我国对外开放格局的构建注入了新的活力。同时，在经济一体化与区域合作不断深化的背景下，西部陆海新通道作为连接生产与消费、内贸与外贸的桥梁，其结构特征与演化趋势对于促进区域经济发展、优化资源配置具有至关重要的作用。因此，深入研究西部陆海新通道物流枢纽网络结构特征的演化及其驱动因素，对于推动西南地区发展乃至全国的高质量发展具有重要意义。
在物流网络结构特征的研究领域内，国外学者倾向于从企业或产品层面切入，深入探索企业物流运营网络及产品配送网络的结构特性。Ackermann等（2022）[1]聚焦于能力单元网络对物流结构的作用机制，揭示了其关键影响。Bowen（2021）[2]则通过对比分析，阐述了美国交通网络与企业航空网络的异同及其各自的演变路径。Lee等（2023）[3]鉴于韩国邮政物流的复杂性，特别是其混合轴辐结构，为该网络构建了数学模型以进行深入分析。Sakai等（2019）[4]研究了物流设施网络空间结构变化对物流运输效率的具体影响。反观国内学者，他们更倾向于从城市经济发展的宏观视角出发，探讨城市物流网络的结构特征。杨光华等（2019）[5]通过对湖南省物流网络的定量分析，强调了长株潭地区在该网络中的核心地位。杨扬等（2017）[6]则聚焦于云南物流网络，发现其结构以昆明为中心向外辐射，内部空间分布呈现出显著的组织分化特点。
在物流网络动态演化的研究领域，国外学者主要聚焦于企业与产业层面，深入探讨物流网络的集聚与扩散现象。Van等（2023）[7]通过详尽分析省域物流设施的纵向经验数据及空间集聚态势，为物流企业的空间布局集中化与区位选择策略提供了具有指导意义的结论。国内学者多运用区域经济学与复杂网络理论构建模型，以探究城市或区域物流网络结构在时间与空间维度上的演变规律。刘欢等（2012）[8]针对云南省区域物流网络进行了深入分析，发现其演化趋势由原先的集中模式逐渐转向分散，且网络结构由紧密凝聚向广泛扩展演变。
在物流网络驱动因素的选取上，学者们通常关注交通通达性、区域经济基础、对外开放程度、物流专业化和信息化水平、政府支持力度等因素。例如，宗明会等（2020）[9]研究发现城市经济、交通的基础设施建设以及汽车市场需求三者显著作用于公路交通的物流网络结构。曹允春等（2020）[10]研究发现，城市交通网结构以及其与其他地区的连通性、城市物流产业结构因素和对外开放的政策等是影响物流网络结构形成的主要原因，并且推动着物流网络的优化重组。幸丽君等（2021）[11]研究发现，交通可达因素与社会服务因素是导致网络产生差异性的重要原因。李延祺等（2022）[12]发现城市物流专业化水平、交通网络与基础设施建设、对外开放等是推动物流网络持续扩大发展的主要因素。
综合来看，当前的物流网络研究趋势表现为从单一视角到多角度、多维度分析的转变，强调理解网络结构特征动态演化及其背后多元驱动因素的重要性。因此，本文通过数据收集与综合分析，运用熵权TOPSIS法评估西部陆海新通道相关城市枢纽的物流综合实力，运用QAP回归分析驱动因素对物流网络结构的影响。
1 模型构建
1.1 熵权法TOPSIS法确定权重
构建初始矩阵X=（xij）m×n并进行数据标准化。设样本集合有m个样本，每个样本有n个评价指标。对于第i个样本（i=1，2，…，n），其第j个评价指标的原始数据用xij来表示（j=1，2，…，n）。
计算熵值和权重。指标所占比重为。熵值ej为，其中，常数且kgt;0，1≥e≥0。变异系数dj=1-ej，则指标权重wj为
获得每个评价指标的权重之后，对已经归一化的原始数据进行加权处理，构造一个加权标准化矩阵，并确定最优解与最劣解。最优解A+与最劣解A-分别表示各指标数据的最优值与最差值的集合，表达式：
计算每一个评估对象的最优、最劣距离。其中，正理想解距离D+i表示每个城市与理想中最佳物流节点状态的差距。D-i表示每个城市与最差物流节点状态的差距。数值越大，说明该城市在物流节点评价中表现相对较好，与最差状态的距离更远。
最优解接近程度计算。计算各评价对象接近程度值Ci，即
相对接近度Ci用于衡量每个城市与理想物流节点状态的相对接近程度。
1.2 基于引力模型的社会网络分析
通过对不同运输方式的加权平均计算，综合得出城市间的运输距离，同时引入空间距离dijk和时间距离tijk的综合评价模型，以更客观地表示两个城市间的货物流动。城市间距离的Lij计算公式：
k表示运输方式，λk是第k种运输方式的比重，即该运输方式在总货运量中的占比。
其中，Mi和Mj为两节点城市物流综合实力；Rij为城市间的物流引力，Rij为城市间不同方向的物流吸引力，G为常量系数。
在中心性分析相关模型构建方面，用网络密度ρ=m/n（n-1）来度量节点与其他节点的连接数量；用点度中心度CD（i）=di /（n-1）来衡量节点与其他节点之间的直接连接数量；用介数中心度来确定通过该节点的最短路径的数量；用紧密中心度来计算节点与其他节点之间的平均最短路径长度。
1.3 QAP模型
构建的区域物流空间网络的计量模型：
其中，Y代表被解释变量，即城市间的物流引力矩阵，代表通道物流空间网络结构矩阵；Trans、ComInf、Serv和MultiTrans分别代表运输、通信信息化、服务业以及多模式运输整合度的差异矩阵。
2 实证分析
2.1 城市及评价指标选取
本文以重庆市、成都市、西安市、南宁市、兰州市、柳州市、贵阳市、遵义市、昆明市、呼和浩特市、北海市、防城港市、遂宁市、达州市、西宁市、乌鲁木齐市16个城市为研究对象，这些城市的选择基于以下几点考虑：在地理位置方面，选取城市覆盖了中国西部和西南部的重要节点和通道，是西部陆海新通道的关键枢纽和节点城市；在经济发展水平方面，城市所在区域的经济中心具有重要经济地位，有助于评估区域经济和物流枢纽的相互促进作用；在交通运输能力方面，公路、水路、航空等多种运输方式具备较强的运输能力，是区域内的重要物流集散地和交通枢纽；在物流基础设施建设方面，拥有完善的物流基础设施，包括港口、机场、铁路和公路网络，有利于分析物流网络的效率和布局优化；在政策支持方面受益于国家和地方政府的政策支持。
本文数据来源于2018—2022年的权威资料，包括《城市统计年鉴》《城市交通统计年鉴》及《城市统计公报》等。在构建指标方面，一是检索了2005年以来国内外学术期刊上的相关研究文献，共计收集到316篇与物流枢纽评价、物流节点评价等主题紧密相关的学术成果。二是参考了2023年3月发布的《国家物流枢纽分类与统计指标体系》等最新国家物流产业相关标准，通过系统的分类、汇总，对相关指标体系的频度统计，筛选出与本文研究对象高度相关的关键指标。
2.2 西部陆海新通道城市物流综合实力评估
本文运用熵权TOPSIS法计算后得到的各项物流相关指标权重从高到低的排序和具体数值。其中，物流货运量 （万吨）为0.251，物流固定资产投资额（万元）为0.173，物流货物周转量总计（万吨/公里）为0.173，物流网络里程数（公里）为0.113，物流从业人数（人）为0.089，邮政业务收入 （万元）为0.089，电信业务收入 （万元）为0.062，客运量 （万人）为0.051。根据权重结果可以看出，物流固定资产投资和物流货运量是影响城市物流综合实力的关键因素。同时，由于物流是基于城市交通网络的复杂系统，物流网络里程和物流货运周转量紧随其后成为影响城市物流综合实力的重要因素。因此，西部陆海新通道节点城市应该在完善城市基础设施和交通网络的基础上，加强物流枢纽建设，提高物流运输能力和周转效率。
基于熵权计算出的初始权重进行加权更新数据，并计算出各个城市的正（负）理想解的距离值，最终得出各城市物流综合实力排名，如表1所示。
如表1所示，在正（负）理想距离方面，成都市的D+i值最小（0.2318），表明其在所有城市中最接近理想物流节点状态。在相对接近度Ci方面，成都市的Ci值最高（0.5337），说明其在所有城市中表现最好，最接近理想物流节点状态。在排序分析方面，成都市和重庆市分别位列第一和第二，表明这两个城市在物流节点评价中表现最为突出，具有较为完善的物流基础设施、高效的物流运作能力和良好的政策支持环境。乌鲁木齐市和西宁市排名最后，可能受到地理位置、经济发展水平等因素的限制，在物流节点评价中表现相对较弱。然而，这并不意味着这些城市没有发展潜力，通过合理的规划和有效的政策支持，它们仍然有可能在未来实现物流节点的快速发展。
2.3 西部陆海新通道物流网络特征演化分析
通过使用Ucinet 6.0软件计算，西部陆海新通道的实际联系数为284条，得出物流网络密度为0.3106，表明西部陆海新通道沿线城市之间的物流联系相对密集。标准偏差为0.4832，表明一些城市具有较高的连接度，而其他城市则相对孤立。这种不均衡可能是由地理位置、经济发展水平和基础设施差异引起的。与曹晓军的研究结果（0.0649）[13]相比，西部陆海新通道的物流网络密度显著更高。这可能是由于曹晓军的研究范围包括西藏和西北等地，这些地区的地理跨度大，交通基础设施相对薄弱，导致物流联系较弱。而本文研究集中在西南地区，该地区经济较为发达，交通设施较为完善，因而物流联系更为紧密。然而，与上海大都市圈的研究结果（0.8611）[12]相比，西部陆海新通道的物流网络密度仍然较低。
进一步分析，使用社会网络分析量化西部陆海新通道相关物流枢纽网络中城市的点度中心性、接近中心性和介数中心性，结果如表2所示。
根据表2可知，成都、重庆是西部陆海新通道的起点和核心城市，说明其起到了良好的连通作用和辐射作用。同时，成都作为网络中的关键集散中心，其点度中心性最高，说明其与其他城市之间有着频繁的直接联系。西安是距离重庆和成都较近的城市，其高中间中心性凸显了在物流路径中的桥梁作用，优化了区域物流路径并减少了物流成本。南宁作为广西的首府，是西部陆海新通道物流集散的关键节点，故而在网络中也表现为具有良好的点度中心度和接近中心度，同时说明该城市近年来积极的政策扶持和基础设施建设对增强物流能力取得了良好的效果。
2.4 物流网络演化驱动影响因素分析
设定综合运输能力差异矩阵（Trans）为客运量（x1）、货运量（x2）、货运周转量（x3）和物流网络总里程（x4）。通信与信息化水平差异矩阵（ComInf），使用移动电话年末用户数（x5）和互联网宽带接入用户数（x6）。服务业能力差异矩阵（Serv），使用邮政业务收入（x7）和电信业务收入（x8）。多模式运输整合度差异矩阵（MultiTrans），基于综合的运输量数据（x1，x2，x3，x4），使用主成分分析（PCA）等方法从中提取主要成分作为整合度指标，计算城市间的整合度差异，并将其转换为0-1矩阵，使用行平均差异作为阈值。运用UCINET6.0计算结果如表3所示。
根据上述QAP相关性分析结果，交通因素的相关系数为-0.132，与物流空间网络结构呈显著的负相关关系，说明交通越便捷，物流网络结构的集中度越低，城市之间的物流网络联系更为分散。通信信息数据表明通信信息的发展能够增强城市间的物流联系。服务因素和多式联运数据表明这两个因素对物流网络结构的影响较为有限。李建东等（2019）[14]讨论了引领未来信息通信网络发展的最新趋势和关键技术，这些技术可能会通过优化协作和资源管理来影响网络结构。综上所述，交通因素显著影响物流网络结构，而通信信息虽未达到显著性水平但呈正相关趋势，服务和多式联运的影响则不明显。
本文运用UCINET6.0对交通因素和通信信息进一步分析，结果如表4所示。
根据表4可知，交通因素的未标准化系数为-0.161307，标准化系数为-0.161847，显著性水平为0.116。交通因素的回归系数为负值，表明交通因素与物流网络结构之间存在负相关关系，但这种关系在统计上不显著（pgt;0.05）。这可能是因为交通基础设施在不同城市之间的差异较小，未能显著区分城市间的物流联系。在通信信息对网络空间结构的影响方面，其未标准化系数为0.214，标准化系数为0.209，表示通信信息与网络空间结构之间存在正相关关系。显著性水平为0.062，表明通信信息对网络空间结构的影响在统计上具有一定的显著性（0.05gt;pgt;0.01）。说明通信信息的发展有助于增强城市间的物流联系，提升物流网络的整体连通性。
3 结论与建议
本文基于西部陆海新通道16个相关城市2018—2022年数据，运用熵权TOPSIS法评估对西部陆海新通道相关枢纽城市的物流综合实力，通过引力模型和社会网络分析物流网络结构特征演化，用QAP回归分析因素对物流网络结构的影响。研究发现，物流基础设施建设和货运量是影响城市物流综合实力的关键因素；在西部陆海新通道物流网络中，重庆市和成都市处于核心地位；网络密度和城市间连通性随时间的推移逐步增强；交通和信息技术对物流网络结构具有显著影响。
3.1 结论
本文对西部陆海新通道物流枢纽网络的结构特征及其演化过程进行了系统的分析和评估，主要得出以下结论：
在网络结构特征方面，通过应用熵权TOPSIS法，本文对西部陆海新通道沿线主要城市的物流发展水平进行了评估。物流网络呈现出明显的核心—边缘结构，沿线城市中重庆和成都的物流综合发展水平很高。在物流网络的动态演化方面，通过社会网络分析发现物流网络的密度和中心性在研究期间逐年增强，其中成都、重庆是西部陆海新通道的起点，其点度中心性最高，说明其与其他城市之间具有良好的连通性。
在对物流网络的影响因素分析方面，通过QAP回归分析，本文探讨了交通因素、通信信息、服务业能力以及多式联运等因素对西部陆海新通道物流网络结构的影响。结果表明，交通因素和通信信息是推动物流网络演化的关键驱动力。通信信息与物流网络结构之间存在正相关关系，说明信息技术的发展有助于增强城市间的物流联系，提升物流网络的整体连通性。
3.2 建议
强化中心城市和关键节点的枢纽作用。发挥中心城市扩散效应，明确如重庆、成都等中心城市的轴心地位，通过提升这些城市的物流服务能力，辐射带动周边城市的发展。培育次级中心城市，在物流网络中，选择经济基础较好、交通便利的次级城市进行重点培育。构建综合立体交通网络，以重庆为枢纽点，通过基础设施织“线”成“网”，提升综合立体交通内畅外联水平。
建立基于区块链的“一单制”提单系统，实现航运、港口、铁路、公路等全程服务的可视化、可控化和高效化；构建物流信息服务平台，实现物流订单的即时处理、储运能力的精准匹配以及货物追踪信息的实时共享。通过整合各方资源，有效提升物流运作效率，同时通过优化资源配置与减少信息壁垒，助力降低整体物流成本。
深化区域合作和产业联动。加强区域物流网络构建，通过政府引导和市场机制，推动区域内外的物流网络构建，实现供应链、创新链、价值链和产业链的深度融合。同时，积极促进产业间的联动发展，绘制通道沿线优势产业链的发展蓝图，大力推动“通道飞地园区”的规划与建设，以此吸引并集聚通道沿线的各类优质资源、产业力量、先进技术及资本项目，进而促进产业间的协同合作。
参考文献
Ackermann J， Müller E. Modelling， planning and designing of logistics structures of regional competence cell based networks with structure types[J]. Robotics and Computer Integrated Manufacturing， 2022， 23（6）： 601-607.
Bowen Jr J T. A spatial analysis of FedEx and UPS： hubs， spokes， and network structure[J]. Journal of Transport Geography， 2021 24： 419-431.
Lee J H， Moon I. A hybrid hub and spoke postal logistics network with realistic restrictions： A case study of Korea Post[J]. Expert systems with applications， 2023， 41（11）： 509-5519.
Sakai T， Kawamura K， Hyodo T. Spatial reorganization of urban logistics system and its impacts： Case of Tokyo[J]. Journal of Transport Geography， 2019， 60： 110-118.
杨光华，李夏苗，蔡鉴明. 区域物流网络结构关系分析与实证[J]. 铁道科学与工程学报， 2019，6（4）： 91-96.
杨扬， 董红丹， 谭慧芳. 基于 SNA 的区域航空物流网络空间结构研究[J].公路交通科技，2017，34（9）： 145-152.
van den Heuvel F P， De Langen P W， van Donselaar K H， et al. Spatial concentration and location dynamics in logistics： the case of a Dutch province[J]. Journal of Transport Geography， 2023， 28： 39-48.
刘欢， 李严锋， 田丽娜. 基于时空演化模型的区域物流网络结构分析： 以云南省为例 [J].物流工程与管理， 2012， 34（12）： 33-35.
宗会明，吕瑞辉.基于企业数据的中国汽车物流网络组织特征及影响因素分析[J]. 世界地理研究， 2020， 29（1）： 130-139.
曹允春，罗雨.空港型国家物流枢纽承载城市航空物流关联程度及其网络结构研究[J]. 技术经济2020， 39（8）： 174-182.
幸丽君，杜赛南，孙桂英，等. 多维流视角下湖北省网络结构特征及其影响机制[J].长江流域资源与环境， 2022， 31（10）： 2134-2145.
李延祺， 涂敏.上海大都市圈物流网络空间结构及驱动力分析[J]. 上海海事大学学报， 2022，43（3）： 83-90.
曹晓军， 季训霞， 马娇， 等. 西部陆海新通道的物流网络研究[J]. 商学研究， 2022， 29（3）： 85-95.
Chai， D. S.， Zhang， D.， Sun， Y.， amp; Yang， S.. Research on the City Network Structure in the Yellow River Basin in China Based on Two-Way Time Distance Gravity Model and Social Network Analysis Method. Complexity. 2020
