1b. 安徽师范大学 城市与区域规划研究中心, 芜湖 241002;
2. 中国科学院 南京地理与湖泊研究所, 南京 210008
1b. Center for Urban and Regional Planning Studies, Anhui Normal University, Wuhu 241002, China;
2. Nanjing Institute of Geography and Limnology, CAS, Nanjing 210008, China
上世纪末以来,亚太地区港口城市(区域)正由枢纽港口向全球贸易供应链中心转型[1, 2]。作为全球价值链(GVC)重要一环,港口城市(区域)已深深嵌入到全球生产网络中[3, 4]。同时,随着全球化深入和贸易活动加强,枢纽港口区域正在重塑,水陆运输系统和物流服务系统正在重组融合,诸如香港—深圳等双重枢纽港体系(港口区域化)应运而生[5]。港口与腹地间联系以及物流功能的重新配置,促进了物流业(船舶代理服务业)空间组织网络演变。
国外尤其是西方发达国家的学者对物流业的研究起步较早、成果较多,相关研究主要集中于以下方面:①影响物流企业分布因素。其主要可归纳为区域经济发展程度、市场增长率、空间距离、运输和时间成本、经济全球化等因素[6-11]。②物流企业选址。主要采用精确重心法、网格法、树形搜索法、门标规划法、加权清单分析法和空间相互作用模型等方法[12-14]。③都市区内部物流企业时空演化格局。现阶段仍明显在港口城市和中心城市布局,但向城市郊区和内陆配送中心聚集的趋势逐渐显现[15-17]。国内学者对物流企业的研究则偏重于经济学和管理学视角,而基于地理学视角的研究则相对集中在以下方面:①构建与梳理物流地理学的相关概念、研究内容以及发展趋势[18, 19]。②物流企业空间组织网络。王成金等在重点解析物流企业网络基础理论和研究进展的基础上,基于企业属性要素和物流属性要素分别构建出企业组分网络和物流运营网络,并对其进行了相关探究[20];宗会明等通过构建物流网络组织理论框架分析了公司层面物流组织的运营和发展模式[21];叶磊、董琦等学者基于物流企业网络视角分别对长三角地区和中国城市空间网络结构特征进行了实证研究[22, 23]。③物流企业空间布局实证研究。曹卫东、千庆兰、戢晓峰、梁双波等学者分别对上海港口后勤区、苏州市、广州市、云南省、中国等尺度下的各类物流企业空间分布进行了实证分析和研究[24-28]。
总体而言,从国内外相关学者的研究成果看,现有研究多从整体物流企业视角展开,而对物流价值链中特定类型企业的研究较少(如船舶代理服务业);已有成果多侧重于物流企业的空间集散演化方面,而对其空间组织网络时空格局演化的研究相对较少;已有研究多侧重于物流企业的区位布局选择或物流企业空间组织网络演化的单一方面,而同时对两者进行时空演化的分析较少;现有成果多选单一时间断面对某区域的物流企业空间组织网络进行研究,而较少采取多个时间断面对比来分析区域物流企业空间组织网络的演化形态。
船舶代理企业作为承担港口区域间物流及航运服务业的重要专业组织,在区域贸易中的作用正日益显现。伴随着中国集装箱运输业以及国际货物多式联运业的蓬勃发展,船舶代理企业已成为国际货物运输市场中不可或缺的组成部分。因此,以长三角地区船舶代理服务业为研究对象,分别探析了不同空间尺度下船舶代理企业机构空间分布特征和以地级城市为载体的船舶代理服务业空间组织网络时空演化特征,丰富了港口地理学、企业地理学和区域地理学的研究内容,也可对船舶代理企业机构区位布局以及船舶代理服务业空间组织网络演化提供一些基本依据。
2 研究区概况长江三角洲地区(包括苏浙沪两省一市)位于我国华东地区,处于中国东部沿海经济带与长江经济带的交汇处。地理坐标介于116°18′E—123°E,北纬27°12′N—35°20′ N之间,东岸濒临黄海与东海,西部与安徽、江西接壤,北部毗邻山东,南部与福建紧邻。长三角地区总面积21.07万平方公里,约占全国总面积2.22%。现已成为全球重要制造业基地、中国重要国际门户、中国经济密度最大和最集中的经济地域。
3 数据来源与研究方法 3.1 数据方法 3.1.1 样本来源与初步选取在综合考虑数据科学性、可获取性和典型性的情况下,数据主要来源于中国船舶代理及无船承运人协会网站(http://www.casa.org.cn/sjxz/xjxz.html)。共选取2010年和2015年两个年份长三角地区(两省一市)国际船舶代理业务经营名单为研究样本。其中,2010年共有721家船舶代理企业机构;到2015年增至944家船舶代理企业机构,年均增速5.54%。
3.1.2 企业组织数据筛选为构建长三角地区船舶代理服务业空间组织网络,需再次对船舶代理企业机构数据作进一步处理,从中筛选出至少在两个地级城市分布有企业机构的船舶代理企业组织数据。具体筛选方法为:①在研究区域内至少设有两个企业机构,且要分属于不同地级城市。②企业组织的信息详实,指通过工商信息查询等途径能获取到该企业组织中各类机构的注册时间、注册资本、所在地等信息。基于此,根据企业组织内部各类企业机构职能重要程度(等级规模与外向型功能等),将企业组织内部各类企业机构分别赋予0—4的数值。其中,4代表企业组织总部机构所在地;3代表企业组织区域分公司所在地;2代表只负责一个城市业务的分支机构所在地;1代表规模或者外向功能更弱分支机构所在地,0为无企业机构分布城市。
最终结果可表示为长三角地区船舶代理企业组织在25个地级城市分布,2010年形成由69家企业组织共同构成的以城市为载体的关联矩阵,共包含286家船舶代理企业机构;2015年则形成由93家企业组织共同构成的以城市为载体的关联矩阵,共包含365家船舶代理企业机构。
3.2 企业组织连锁模型“企业组织连锁模型”由Taylor提出,该模型通过区域企业组织内部企业机构职能与规模等级(等级不同赋值不同)可将各级企业机构所在的城市进行相互锁定,进而构筑以城市为载体的企业组织关系型数据矩阵,并测度出区域内城市网络关系[29, 30]。长三角地区25个地级城市中有n家企业组织,Vij表示j企业组织的机构在i城市的服务值,即i城市的企业分支机构在j企业组织结构网络中的地位或重要程度,服务企业组织25× n就构成了服务矩阵V,其中:以企业组织j表示城市a与城市b的网络关联强度,可为:
(1) |
其中,Va, j为j企业组织的机构在a城市的服务值;Vb, j为j企业组织的机构在b城市的服务值;Rab, j表示为基于j企业组织的城市a与城市b之间的关联强度。
因此,城市a和城市b之间总关联强度可以表示为:
(2) |
因长三角地区中每个城市最多与24个地级城市进行联系,则网络中a城市总的网络关联强度可为:
(3) |
式中,Rai是城市a与城市i (a ≠ i)的关联强度;Na则表示a城市与网络中其他城市的总关联度。如果一个城市总关联度越高,说明其能更好地融入到整个网络之中,且地位越高。
对于a城市而言,其相对网络关联度可表示为:
(4) |
式中,Da为城市a的相对网络关联度,Nh为空间网络中总关联度最高的城市。
4 船舶代理企业机构空间分布特征 4.1 区域尺度按省域和地区尺度对长三角地区船舶代理企业机构数据进行分类、整理和统计(见表 1),其空间分布呈现出明显地域差异。
(1)在省域尺度上,江苏省船舶代理企业机构集聚效应最为显著,浙江省次之,上海市最低。2010年江苏省共有372家船舶代理企业机构,约占总数的51.60%,而上海市与浙江省分别占总数的21.08%与27.32%,形成2.45:1.00: 1.30结构;到2015年江苏省共有488家船舶代理企业机构,约占总数的51.69%,而上海市与浙江省则分别占总数的20.66%与27.65%,形成2.50:1.00:1.34结构。
(2)从地区尺度看,主要呈现为苏南、浙东北和上海3大地区相对集聚,苏中、苏北和浙西南3大地区相对分散的格局。在两个时间断面上,长三角六大地区船舶代理企业机构数量(占比)之比为:苏南 > 浙东北 > 上海 > 苏中 > 苏北 > 浙西南;同时,长三角六大地区船舶代理企业机构数量的年均增长率之比则为:苏北 > 浙东北 > 苏南 > 上海 > 苏中 > 浙西南。
4.2 城市尺度从城市尺度对船舶代理企业机构进行整理划分,其空间分布格局总体呈现由沿海沿江港口城市构成的传统“T”字型区域向内陆城市逐渐扩散的态势(见图 1)。
(1)沿海沿江港口城市的企业机构集聚与覆盖程度较高,且18个港口城市均有分布。统计显示,拥有50家以上船舶代理企业机构的城市全部集中于沿海沿江地区。2010年拥有50家以上船舶代理企业机构的城市主要为上海(152)、宁波(110)、苏州(93)、连云港(64)与南通(52)5市;到2015则为上海(195)、宁波(140)、苏州(121)、连云港(76)、南通(63)、舟山(71)与南京(53)7市。拥有50家以下船舶代理企业机构的城市也主要分布于沿海沿江地区。2010年15个拥有50家以下船舶代理企业机构的城市有13个城市分布在沿海沿江地区,到2015年15个城市有11个城市分布在沿海沿江地区。
(2)内陆城市的企业集聚与覆盖程度较低,但扩散趋势较为明显。2010年内陆地区7个地级城市只有湖州与金华2市各有1家船舶代理企业机构;到2015年则有7家船舶代理企业机构分布于淮安、宿迁、金华与湖州4市。同时,2010—2015年内陆地区拥有船舶代理企业机构的城市和船舶代理企业机构的年均增速分别为14.87%与28.47%,其向内陆城市扩散的态势较为显著。
5 空间组织网络时空演化与驱动机制 5.1 层级特征基于船舶代理企业组织数据,通过公式(3)与公式(4)可计算出各地级城市总网络关联度(Na)与相对网络关联度(Da)。首先,根据相对网络关联度(Da)得分,对长三角地区25个地级城市进行排序(由高到低),可得到船舶代理服务业空间组织网络的城市网络关联度排序图(见图 2)。其次,运用分层聚类法将长三角地区25个地级节点城市分为5类(见表 2)。最后发现长三角地区空间组织网络的层级在时间维度上有微小调整,而在空间维度上则强化了已有城市层级分布格局(见表 2和图 3)。
(1)在时间维度上,空间组织网络层级有微小调整。
2010年,第一层级只有上海市,相对网络关联度为1.000,远高于次位城市南京,处于空间组织网络核心地位;第二层级城市主要为南京、苏州与宁波3市,其相对网络关联度均在0.4以上,都为空间组织网络次级核心,并分别为各自省份最重要船舶代理服务业中心;南通、泰州、无锡、扬州、舟山与镇江6市处在第三层级,其相对网络关联度均在0.100—0.399之间,为空间组织网络中重要联系与中转中心;第四层级主要包括常州、连云港、温州、台州、嘉兴、盐城、杭州、金华、湖州与绍兴10市,其为空间组织网络地方性联系中心;而淮安、宿迁、徐州、衢州与丽水5市为第五层级,其相对网络关联度均为0,为一般节点城市。
到2015年,第一层级(上海市)与第二层极(南京、苏州与宁波3市)的城市数目与城市排序都没有变化,仍为空间组织网络的核心与次极核心城市;而第三层级的城市数目虽未变化,但其城市排序则有明显变动,城市排序变为:无锡、泰州、南通、扬州、舟山与镇江,为空间组织网络重要联系与中转中心;第四层级的城市数目与城市排序都有明显变化,新增加淮安与宿迁2市,而城市排序则变为:常州、连云港、台州、盐城、温州、杭州、金华、嘉兴、淮安、湖州、绍兴与宿迁,其为空间组织网络地方性联系中心;而第五层级中现只剩徐州、衢州与丽水3市,其相对网络关联度均为0,为一般节点城市(见表 2)。
(2)在空间维度上,长三角地区船舶代理服务业空间组织网络的层级特征表现为:2010年与2015年,相对网络关联度较高的城市主要集聚分布在沿海沿江地区,分布格局呈“T字型”空间结构(见图 3)。这说明船舶代理服务业的空间分布具有明显地域局限性[24]与对水运交通依赖性。
5.2 “城市间关联强度”特征基于船舶代理企业组织数据,通过公式(1)与(2)可计算出长三角地区25个地级城市间网络关联强度。分析发现长三角地区空间组织网络“城市间关联强度”在时间维度上的特征相对固化,而在空间维度上其空间组织结构则趋于强化。
(1)在时间维度上,空间组织网络中“城市间关联强度”相对稳定,变化不大。
长三角地区船舶代理服务业空间组织网络中城市关联对的关联强度存在明显位序层次关系。2010与2015年相比,基本上没有显著变化。2010年,Ra, b值最大3组城市关联对分别为上海—苏州(216)、上海—宁波(200)与南京—苏州(176),其网络关联强度远大于第4位上海—南京(96)。对空间组织网络中城市关联对的关联强度分析,有20组城市关联对的网络关联强度小于10,占其总数的40%;21组城市关联对的网络关联强度在10—50之间,占其总数的42%;6组城市关联对的网络关联强度在50—100之间,占其总数的12%;而仅有3组城市关联对的网络关联强度大于100,占其总数的6%。到2015年,Ra, b值前3组的城市关联对仍为上海—苏州(224)、上海—宁波(216)与南京—苏州(216),其网络关联强度远大于第4位的上海—南京(104)。具体分析发现,现有22组城市关联对的网络关联强度小于10,占其总数的36.07%;24组城市关联对的网络关联强度在10—50之间,占其总数的39.34%;11组城市关联对的网络关联强度在50—100之间,占其总数的18.03%;而仅有4组城市关联对(新增上海—南京)的网络关联强度大于100,占其总数的6.56%。
上海、苏州、南京与宁波4市已成为长三角地区船舶代理服务业最为集聚城市。对空间组织网络关联性分析,发现2010年长三角地区空间组织网络中网络关联强度大于50的城市关联对所涉及的城市主要为上海、南京、苏州、宁波、南通、泰州、扬州与镇江8个港口城市。到2015年,网络关联强度大于50的城市关联对所涉及的城市则变为上海、南京、苏州、宁波、南通、泰州、扬州、镇江、无锡、舟山与台州11个港口城市。对于内陆城市以及层级较低的港口城市,其船舶代理服务业对外联系具有明显空间指向性,使得上海、苏州、南京与宁波4市成为空间组织网络中船舶代理服务业最为集聚的城市。
对城市关联对数量和网络关联强度分析,2010年上海与其他城市间的关联对数量最多(网络指向性最强),处在网络核心地位,Ra, b值在20以上城市关联对中,上海有11组,占总数的22%;南京、苏州紧随其后,分别为7组与5组,占总数的14%与10%;而南通、泰州与宁波分别有3组,分别占总数的4%。到2015年,上海与其他城市间的关联对数量最多(网络指向性最强),仍处在网络核心地位,Ra, b值在20以上城市关联对中,上海有14组,占总数的22.95%;南京、苏州紧随其后,分别为9组与5组,占总数的14.75%与8.20%;而无锡、泰州与宁波分别有4组,分别占总数的6.56%。从中发现,宁波虽为空间组织网络三大次级核心之一,但其城市关联对的关联强度相对较弱。
(2)在空间维度上,基于城市关联对以及关联强度数据,运用ArcGIS制作出长三角地区船舶代理服务业空间组织网络关联图(见图 3)。从空间组织网络中城市层级与城市关联对间的关联强度两个角度分析,长三角地区船舶代理服务业空间组织网络中存在着明显分层与空间集聚特性。与2010年相比,2015年由沿海沿江港口城市构成的传统长三角“T字型”地区依然是空间组织网络联系主干区,上海、南京、苏州与宁波则为空间组织网络主干区的主次核心节点城市,而沿江地区则成为空间组织网络的核心区。到2015年北部内陆地区的淮安、宿迁以及南部内陆地区的金华表现出与网络主干区的快速融合。同时,南部地区金华市已成为空间组织网络地方性中转与联系中心。
5.3 省(市)域内外城市间联系特征为分析空间组织网络中各城市在其所在省域的重要程度以及网络联系流向,需分别比较长三角地区各城市与各自所在省域内其它地级城市间的网络关联强度(流量)以及与其他省域单元间的网络关联流量来判别其不同的网络关联模式(见图 4)。
从各城市与三个省域网络关联强度(流量)的比重来看:①作为空间组织网络核心城市,上海市与江苏省和浙江省城市间都有网络联系,但与江苏省城市间的网络联系流量远高于浙江省。到2015年,上海市与浙江省城市间的网络联系流量在其总的网络联系流量比重上有所提高,这说明上海市与浙江省城市间的联系在逐渐加强。②2010与2015年,江苏省除连云港市外,其余城市与江苏省内城市间的网络联系流量远高于与上海市和浙江省城市间的网络联系流量。这说明江苏省可能已初步形成独立完善的船舶代理服务业空间组织网络。③2010年,除台州市外,浙江省其它地级城市与上海市间的网络联系流量远高于与江苏省城市和浙江省城市间的网络联系流量,而到2015年除湖州、绍兴、台州与舟山4市外,浙江省其余城市与上海市间的网络联系流量远高于与江苏省城市和浙江省城市间的网络联系流量。这说明浙江省的船舶代理服务业严重依赖上海市,其自身还没有形成独立的船舶代理服务业空间组织网络,同时随着自身船舶代理服务业的发展,其空间组织网络正在构建中。
虽然长三角地区城市间的行政与规模等级在船舶代理服务业空间组织网络中依然占据重要地位,但空间组织网络中城市层级的差距逐步缩小,传统中心地垂直等级模式趋于弱化,而空间组织网络中城市间的“水平联系”在不断增强。这说明区域内部各节点城市的船舶代理服务业外向性联系功能在逐渐增强,且船舶代理企业组织已不再局限于为本省市区域经济发展服务,而逐渐向区域外进行扩展,使得长三角地区空间组织网络日益趋于完善。
5.4 驱动机制长三角地区船舶代理企业机构空间分布格局以及船舶代理服务业空间组织网络演化是由多种因素综合作用产生的结果,尤其在宏观背景、区域机制与企业机制共同推动下,整个长三角地区船舶代理服务业空间组织网络呈现出明显结构特征。
(1)经济全球化对长三角地区内部影响程度差异是其形成与演化的宏观背景。参与经济全球化过程中,长三角地区各城市的船舶代理企业机构空间分布受到的影响程度以及时间先后存在明显差异。早期沿海沿江的上海、南京、苏州、宁波等主要城市受到的影响最深,接着波及到沿海沿江的其他城市,随后向内陆城市逐渐扩散。最终沿江沿海地区成为船舶代理服务业空间组织网络主干区。全球化作用主要体现为:①在全球产业链带动下,组织社会生产、流通和消费的核心由生产企业向物流企业逐渐转变,导致长三角地区生产、流通模式发生根本性变化,使得区域物流空间逐渐形成;②在参与全球竞争和区域合作以及适应生产与流通模式国际化变革的过程中,区域物流运作模式发生急剧变化,城市门户区尤其是港口枢纽等地集聚了大量物流企业,形成区域物流空间组织结构,承担着区域对内和对外的物流服务功能[25]。
(2)区域机制。地理区位差异、交通便捷程度、经济发展与产业结构、政府政策引导是其演化的主要影响因子。
地理区位差异是区域城市间交流与联系的重要基础。一般而言,城市地理区位条件越优越,则越有助于成为区域重要核心城市和对外联系门户城市。长三角地区虽为全球重要制造业基地、中国重要国际门户、中国经济密度最大和最集中的经济地域,但其内部各城市区位条件存在差异,其中沿海沿江地区、沪宁杭沿线地理区位优越,交通和产业网络密集,使得上海、南京、苏州、宁波等城市间联系最为密切,物流企业依附这些城市和产业空间集聚分布,形成了长三角地区较为稳定的空间组织网络骨架。
交通便捷程度是区域城市间交流与联系的重要支撑。交通运输方式与技术的更新和创新促进了区域综合交通网络结构与功能的改善,提高了区域城市间交流的通达性。伴随着长三角地区机场、高速铁路、高速公路建设,依托密集的交通轴线,沿海沿江港口城市经济腹地进一步扩大,使得船舶代理企业组织已不再局限于为本省市区域经济发展服务,而逐渐向区域外扩展,从而有效地提升了长三角地区空间经济联系。随着区域综合交通网络趋于完善,区域空间趋于均质性,造成空间组织网络趋于完善。
经济发展和产业结构是区域城市间交流与联系的经济基础。长三角地区经济发展水平的空间分布整体由沿海沿江城市向内陆城市降低,决定了船舶代理企业机构的空间分布差异。同时,区域经济结构对物流企业类型与数量、物流服务模式、物流市场发育程度等有直接关系。船舶代理企业作为物流企业的一种,其与所在区域经济结构有直接关联。长三角地区属于外向型经济,轻工业和制造业发达,对外贸易增长迅速,这种外向型经济活动方式容易形成大规模、高流速和多种类的物流活动,其物流市场发育程度较高,对外物流比较活跃,随之带动了船舶代理企业的快速发展[28]。
政府政策引导对区域内城市间交流与联系具有重要影响,政策倾向性直接关系到区域内产业布局与发展、基础设施建设。2016年发布的《长江三角洲城市群发展规划》对港口等重大基础设施建设提出明确要求,港口枢纽间的分工协作受到重视,区域综合交通网络逐渐形成,区域一体化进程在加快。依托港口枢纽,由沿海沿江港口物流园区—物流中心—配送节点、内陆无水港等组成的物流网络不断完善,这极大的推进了区域间物流分工协作,使得长三角地区船舶代理服务业空间组织网络日趋完善。
(3)企业机制。专业化分工深化与企业组织内部要素流动是其演化的重要影响因子。
专业化分工深化。早期物流企业以运输和仓储企业为主体,近年来随着船(货)代、报关、信息中介、配送等新型物流企业大量出现,造成不同类型物流企业的区位要求有所变化[25]。现阶段,长三角地区船舶代理企业逐渐由港口城市向内陆城市扩散。
企业组织内部要素流动。企业组织内部资金、技术、信息等要素呈现出趋向合理化的空间流动,驱动着城市间经济联系网络结构形成及优化。位于上海、苏州、南京、宁波的船舶代理企业组织凭借邻近的地理空间位置以及便捷的综合交通优势,交流程度远远高于区域内其它城市。
6 结论与讨论 6.1 结论在对长三角地区船舶代理企业机构空间分布格局进行分析的基础上,基于船舶代理企业组织数据对长三角地区空间组织网络的时空演化特征进行了研究。
(1)长三角地区船舶代理企业机构的空间分布呈现出明显地域差异,区域和城市尺度上非均衡分布较为显著。
(2)长三角地区船舶代理服务业空间组织网络具有显著层级特征。时间维度上网络层级有微小调整。空间维度上分布格局整体呈“T字型”空间结构。
(3)长三角地区船舶代理服务业空间组织网络呈现出明显位序关系,而由船舶代理企业组织构成的四大城市(上海、南京、苏州与宁波)现已成为空间组织网络主干区的核心节点。同时,传统“T”字型主干区正在向外扩展,空间组织网络正趋于完善。
(4)在经济全球化、地理区位差异、交通便捷程度、经济发展与产业结构、政府政策引导、物流业专业化分工深化与企业组织内部要素流动等因素综合影响和交互作用下,长三角地区船舶代理服务业空间组织网络正趋于完善。
6.2 讨论(1)从研究视角看,构建空间组织网络时采用的数据较为单一,以后应构建基于不同视角的空间组织网络,并对其网络特征、演化过程以及形成机制进行分析。如本文只选取船舶代理企业组织作为构建空间组织网络的媒介,而未对文化交流、旅游观光与人口(人才)迁移等基于不同媒介构建的空间组织网络进行对比分析。
(2)从研究预测与研究方法看,长三角地区船舶代理服务业空间组织网络未来发展趋势如何?是趋于扁平化扩展,还是基于择优原则使得空间组织网络中的城市趋于分散化崛起,或是具有严重“路径依赖”,表现为“马太效应”(强者恒强,弱者恒弱),使原有空间组织网络趋于进一步固化,这些都值得进一步分析与探讨。同时,在空间组织网络研究中如何构建合理的方法与模型对未来空间组织网络进行科学的可行性测度,这既是空间组织网络研究的重难点,也是值得研究的方向。
[1] | Wang J J, Cheng M C. From a hub port city to a global supply chain management center:A case study of Hong Kong[J]. Journal of Transport Geography, 2010, 18(1): 104-115. DOI:10.1016/j.jtrangeo.2009.02.009 |
[2] | O'Connor K. Global city regions and th e location of logistics activity[J]. Journal of Transport Geography, 2010, 18(1): 354-162. |
[3] | Gereffi G, Humphrey J, Sturgeon T. The governance of global value chains[J]. Review of Political Economy, 2005, 12(1): 78-104. |
[4] | 曹有挥, 蒋自然, 陈欢, 等. 长江沿岸港口体系的形成过程与机制[J]. 地理科学进展, 2015, 34(11): 1430-1440. [Cao Youhui, Jiang Ziran, Chen Huan, et al. The evolution course and mechanism of the port system along the Yangtze River[J]. Progress in Geography, 2015, 34(11): 1430-1440. ] |
[5] | Notteboom T E, Rodrigue J P. The Terminalization of Supply Chains: Assessing Terminals within Freight Distribution Systems[R]. A Presentation at Annual Conference of the Association of American Geographers, Boston, Massachusetts, April 15-19, 2008. |
[6] | Hesket J L, Sasser W E, Schlesinger L A. Service Value Chain[M]. Boston: Harvard Business School Press, 1996. |
[7] | Potter R B. The multivariate functional structure of the urban retailing system:A british case study[J]. Transactions of the Institute of British Geographers, 1981, 6(2): 188-213. DOI:10.2307/622135 |
[8] | George A M, Schroth C W. Managing foreign exchange for competitive advantage[J]. Sloan Management Review, 1991, 32(2): 105-216. |
[9] | Klassen R D, Whybark D C. Barriers to the management of international operations[J]. Journal of Operations Management, 1994, 11(4): 385-396. DOI:10.1016/S0272-6963(97)90006-1 |
[10] | Hesse M, Rodrigue J P. The transport geography of logistics and freight distribution[J]. Journal of Transport Geography, 2004, 12(3): 171-184. DOI:10.1016/j.jtrangeo.2003.12.004 |
[11] | Hesse M. Location matters[J]. Access, Transportation Research at the University of California, 2002(21): 22-26. |
[12] | Noritake M, Kmiura S. Optimum allocation and size of seaports[J]. Journal of Waterway Port Coastal & Ocean Engineering, 1990, 116(2): 287-299. |
[13] | Smilowitz K R, Atamturk A, Daganzo C F. Deferred item and vehicle routing with in integrated networks[J]. Transportation Research Part E:Logistics & Transportation Review, 2002, 39(4): 305-323. |
[14] | Taniguch E, Noritake M, Yamada T, et al. Optimal size and location planning of public logistics terminals[J]. Transportation Research Part E:Logistics and Transportation Review, 1999, 35(3): 207-222. DOI:10.1016/S1366-5545(99)00009-5 |
[15] | Cidell J. Concentration and decentralization:The new geography of freight distribution in US metropolitan areas[J]. Journal of Transport Geography, 2010, 18(3): 363-371. DOI:10.1016/j.jtrangeo.2009.06.017 |
[16] | John T, Bowen J R. Moving places:The geography of warehousing in the US[J]. Journal of Transport Geography, 2008, 16(6): 379-387. DOI:10.1016/j.jtrangeo.2008.03.001 |
[17] | Sakai T, Kawamura K, Hyodo T. Locational dynamics of logistics facilities:Evidence from Tokyo[J]. Journal of Transport Geography, 2015(46): 10-19. |
[18] | 刘念. 物流地理[M]. 北京: 中国机械工业出版社, 2005. [Liu Nian. Logistics Geography[M]. Beijing: China Machine Press, 2005.] |
[19] | 王非. 物流地理学研究内容与趋势评述[J]. 人文地理, 2011, 26(1): 109-112, 87. [Wang Fei. A research on logistics geography and its trend[J]. Human Geography, 2011, 26(1): 109-112, 87. ] |
[20] | 王成金. 中国物流企业的空间组织网络[J]. 地理学报, 2008, 6(2): 135-146. [Wang Chengjin. Spatial organizational network of logistics company in China[J]. Acta Geographica Sinica, 2008, 6(2): 135-146. DOI:10.11821/xb200802003] |
[21] | 宗会明, 周素红, 闫小培. 基于公司层面的物流网络组织:以南方物流公司为例[J]. 地理科学, 2009, 29(4): 476-484. [Zong Huiming, Zhou Suhong, Yan Xiaopei. Organization of logistic network on firm level:A case study of the south logistics enterprises group[J]. Scientia Geographica Sinica, 2009, 29(4): 476-484. ] |
[22] | 叶磊, 段学军. 基于物流企业的长三角地区城市网络结构[J]. 地理科学进展, 2016, 35(5): 622-631. [Ye Lei, Duan Xuejun. City network structure of the Yangtze River Delta region based on logistics enterprise network[J]. Progress in Geography, 2016, 35(5): 622-631. ] |
[23] | 董琦, 甄峰. 基于物流企业网络的中国城市网络空间结构特征研究[J]. 人文地理, 2013, 28(4): 71-76. [Dong Qi, Zhen Feng. The study on spatial structure characteristics of China's city network based on the logistics enterprise network[J]. Human Geography, 2013, 28(4): 71-76. ] |
[24] | 曹卫东. 港航企业区位特征及其空间关联——以上海港口后勤区为例[J]. 地理研究, 2012, 31(6): 1079-1087. [Cao Weidong. Study on location features and spatial correlation of port enterprises:Taking Shanghai port backup area as an example[J]. Geographical Research, 2012, 31(6): 1079-1087. ] |
[25] | 曹卫东. 城市物流企业区位分布的空间格局及其演化:以苏州市为例[J]. 地理研究, 2011, 30(11): 1998-2007. [Cao Weidong. Spatial pattern and location evolution of urban logistics enterprises:Taking Suzhou as an example[J]. Geographical Research, 2011, 30(11): 1998-2007. ] |
[26] | 千庆兰, 陈颖彪, 李雁, 等. 广州市物流企业空间布局特征及其影响因素[J]. 地理研究, 2011, 30(7): 1254-1261. [Qian Qinglan, Chen Yingbiao, Li Yan, et al. Spatial distribution of logistics enterprises in Guangzhou and its influencing factors[J]. Geographical Research, 2011, 30(7): 1254-1261. ] |
[27] | 戢晓峰, 连晨希, 陈方. 基于L-3D方法的云南省物流经济空间格局研究[J]. 人文地理, 2016, 31(5): 141-147. [Ji Xiaofeng, Lian Chenxi, Chen Fang. Research of logistics economic spatial pattern of Yunnan province based on L-3D methods[J]. Human Geography, 2016, 31(5): 141-147. ] |
[28] | 梁双波, 曹有挥, 吴威, 等. 中国无船承运企业空间格局演化及影响因素[J]. 长江流域资源与环境, 2016, 26(8): 1123-1130. [Liang Shuangbo, Cao Youhui, Wu Wei, et al. Spatial distribution pattern and its mechanism of non-vessel operating common carrier in China[J]. Resources and Environment in the Yangtze Basin, 2016, 26(8): 1123-1130. ] |
[29] | Taylor P. Specification of the world city network[J]. Geographical Analysis, 2001, 33: 181-194. |
[30] | Taylor P, Derudder B, Hoyler M, et al. City-dyad analyses of China's integration into the world city network[J]. Urban Studies, 2013, 50(7): 1-15. |