1 引言

在“一带一路”倡议深入推进和我国全面深化改革开放的背景下，港口已经成为国家与地方连接全球的战略据点^[1-3]。现代港口的意义在于其不仅具备传统的运输职能，更被看作为全球价值链和供应链网络上的关键节点^{[4, 5]}。因此，关于港口的研究也应该超越对运量、航线等传统维度的考量，转向关注港口大后方的港航服务功能转型与演化规律，这已成为当代港口地理学及相关研究的热点课题^[6]，也能从理论上为进一步推进“一带一路”建设和国家深化开放格局提供科学依据。港口后勤功能（port backup function）是对港口后方围绕港口形成的各类港航服务功能的统称。当前，围绕港口后勤功能的相关研究主要集中在如下几个方面：其一，基于港城关系视角探讨港口服务功能演化。研究认为港口城市成为全球物流联系的枢纽，港口的服务功能影响城市空间再造^[7]，并且伴随着港口之间联系加强及合理化分工，推进了港口区域化（port regionalization）的进程^{[8, 9]}；还有学者从更小尺度去研究港城界面的嬗变，分析港城界面复兴的动力和路径^{[10, 11]}。其二，从港区土地利用及其扩张模式研究港口功能的提升。运用遥感解译数据探析港口后方土地利用结构的变化特征^{[12, 13]}，从自调节性（autoregulation）、补偿性（compensation）、恒定性（invariance）和横截性（transversality）四个维度构建指标体系，模拟港口扩张情境和物流干预影响^[14]，认识到环境与生态因素在港口扩张中应予以充分考虑^[15]。其三，对港口后方高端服务的相关研究逐渐兴起。有学者构筑多重贸易枢纽模型，分析香港港由传统运输枢纽向全球供应链中心（global supply chain center）转型的因素，发现拆箱拼箱及仓储保管等处于价值链低端的活动正向珠三角地区转移，而处于高价值高端的航运金融服务及现代物流等活动仍集中分布在香港^[16]，同时关于由港口衍生的各类高端服务业的研究也越来越引起学界的重视^[17]。其四，关于港口后勤领域的相关研究开始受到关注。对港口后勤领域的研究滥觞于德国、荷兰等欧洲国家^[18]，学者们在界定港口后勤内涵的基础上^[19]，利用空间统计和网络拓扑分析技术，从企业视角研究港口后勤功能演变及港口城市之间的物流联系特征^[20-24]。

综上，关于运量和航线的研究已形成较成熟的理论框架和丰富的研究成果，但对港口后方功能的研究却明显缺乏，且尚未建立成熟的理论分析范式。本文借鉴POI（point of interest）大数据的逻辑思维，将港航服务企业作为刻画港口后方服务功能的港口后勤要素，根据各类企业的属性数据和空间特征，从功能结构和空间演化两个方面探究长三角港口后勤功能的转型特征和空间分异规律。

2 概念、数据与方法 2.1 港口后勤要素的概念与类型

港口后勤要素（port backup elements）的概念是对传统运量与航线要素的进一步拓展，是研究港口后勤功能的关键指标。作为一个集成性概念，港口后勤要素是指围绕港口企业、航运企业而衍生出来的一系列港口后方物流服务企业的统称。已有学者尝试把不同类型的航运企业作为港口后方的各类后勤服务要素，分析和比较不同港航要素在城市层面的空间格局与演变特征^[23]。随着大数据技术在地理学研究中的普及运用，以企业POI数据为基础的地理分析技术在研究城市功能识别、空间热点分析、土地价值比较等方面具有重要的价值^[24-28]，也必将为港航后勤功能的研究提供新思维和新工具。正是基于上述思想，本文选择各类港航服务企业作为港口后勤要素，并将要素按其在价值链中所处的位置划分成3大类别以及12个具体细类（表 1），从而对港口后勤功能进行深入分析。需要说明的是，由于港航服务企业往往提供多种服务，因此本文根据每个企业的核心业务或主营业务来确定要素的类型归属。

2.2 研究区域与数据

长三角地区是中国区域发展的重要增长极和对外开放的前沿地带，在国家开放开发中具有重要战略意义和示范效应；也是中国港口分布密度和吞吐量最大的区域，拥有全球最大的港口体系。2018年，长三角地区主要港口的货物吞吐量、集装箱吞吐量和外贸吞吐量依次占全国规模以上港口总量的34.6%、36.0%和33.7%，在国家区域经济发展和对外开放进程中占有举足轻重之地位。根据腹地交叉性和已有研究的相关做法^{[29, 30]}，本研究选取上海、宁波—舟山、南京、苏州、南通、嘉兴、温州、台州、江阴、镇江、扬州、泰州等12个港口城市为研究样本（将宁波和舟山看作一个城市，本文称“宁波—舟山”），其中既有上海、宁波—舟山2个大型国际性港口城市，又包括南京、苏州、南通3个中型区域性港口城市以及扬州、台州等其他7个小型地方性港口城市，类型上也涵盖沿海港口和内河港口两大类型，样本选择具有一定的覆盖度和代表性。港口后勤要素数据主要来源于中国航运蓝页、中国船东协会、交通运输部等网站和港口所在城市的黄页资料信息、地方港口协会以及地方港口部门公布、调研的相关数据，经甄别与筛选，最终获取长三角地区2002年、2007年、2013年和2018年4个时间截面的样本企业数依次为2866家、7931家、16861家和31042家（含历年注销的企业，自注销日期后均不再统计）；数据属性包括港口后勤要素的成立和注销时间、地址、主营业务等；运用地理坐标解析转换技术将企业地址信息转换为经纬度，并根据表 1进行类型划分。

2.3 研究方法 2.3.1 结构转型指数

参考经济学中三次产业划分与产业结构内涵，本文用结构转型指数反映港口后勤功能的转型特征，将各类港口后勤要素数量占总要素的比重变动作为港口后勤功能演化的表征。具体借鉴已有文献做法^{[31, 32]}，采用产业结构高级化指数来反映港口后勤功能的转型规律：假设某区域（城市）有n类后勤要素，依据这些要素在价值链中的位置，由高端到低端进行顺序排列，所得到的比重分别为q(j)，则该区域（城市）港口后勤功能的结构转型指数H为：

(1)

式中，i为要素类型，j为不同i值排序下的要素类型，n为要素类型总数。H最小值为1，最大值为n。很显然，H指数越大表明产业层次越高，港口后勤功能的转型特征越显著。

2.3.2 结构超前系数

产业结构超前系数是指某经济区域的产业增长相对于上一级区域产业增长的趋势，在此基础上研判该区域产业结构转型的超前程度^[33]，本文用该方法来测定港口后勤功能转型的超前系数，具体计算公式为：

(2)

式中，E_i为第i类要素的结构超前系数，α_it为第i类要素在t时期所占份额与基期份额之比，N₀为基期所有要素总数，N_t为t时期所有要素总数。E_i > 1表示第i类要素份额呈上升趋势，属超前发展；E_i < 1表示第i类要素所占份额呈下降趋势，属滞后发展；E_i =1表示第i类要素所占份额变化不大，发展相对稳定。

2.3.3 最邻近指数

最邻近指数法的思想是比较区域中最邻近点对之间实际分布和随机分布的平均距离的偏离程度，借此来判别空间点要素的分布格局的集散程度，其计算公式如下：

(3)

式中，NNI为最邻近指数；d_min为实际分布状态下最邻近点对距离的均值；E(d_min)为随机分布状态下最邻近点对距离的期望；d_min(S_i)表示任一点与最邻近点的距离；n为各类要素总数；A为研究区域面积。0 < NNI < 1表示集聚分布，NNI值越小表征集聚程度越高，其中NNI =0表示要素集聚于一点；NNI > 1表示离散分布，NNI值越大表征离散程度越高。

2.3.4 核密度估计

核密度估计是估计未知密度函数的非参数方法之一，能有效反映港口后勤要素在城市尺度上的分布格局及演化动向，对于给定的时间序列x₁、x₂⋯ x_n，其核密度估计形式为：

(4)

式中，f_h(x)为待估核密度；核函数K是一个权函数；h为带宽，其值大于0；(x - x_i)为估计点与样本点之间的差距。本文选用Gauss核进行样本点的核密度估计；最佳带宽选取Silverman所提出的基于样本数据的自动带宽^[34]。

2.3.5 空间插值分析

反距离权重法的基本思想是认为所求的未知样本点受到近距离已知样本点的影响要大于远距离已知样本点的影响，并且其影响贡献的程度与点距离成反比，具体公式为：

(5)

式中，Z_(x)为所求的未知样本点x的估计值；Z_i为已知样本点i的数量值；d_i是点i与未知点x的距离；n为已知点数目；K是确定的幂，本文取值为2。

3 港口后勤功能结构转型 3.1 后勤要素数量的时序演化

从区域尺度看，2002—2018年长三角地区港口后勤要素呈快速增长态势，由2002年的2866家增长到2018年的31042家，年均增长16.06%。从3类后勤要素的演化看，2002—2018年港口后勤要素增长速度显著呈现“高端类>中端类>低端类”的增长特点，尤其是高端要素的增长最快，年均增长率达24.97%，明显高于中端要素的15.67%和低端要素的10.91%。从分段时序来看，受金融危机的影响，3类要素在2007—2013年的增速均呈明显下降的趋势，尤其是中端要素的下降趋势一直延续到2018年，表明围绕港口衍生的货代、船代、船舶维护服务等行业受金融危机的影响最深远；相反，低端和高端要素在2013—2018年均呈一定的增长趋势，一方面表明近5年传统运输、仓储等行业随着全球经济的复苏逐渐走出疲软态势，另一方面也反映高端要素受金融危机等外部环境的影响相对短暂，其具有更强的抗风险能力和持续的发展后劲（图 1）。

从城市尺度看，长三角后勤要素增长存在明显的空间分异特征，具体表现为各类后勤要素比重结构的变动（图 2）。其中，中心枢纽港口城市上海最值得关注，上海各类后勤要素在长三角地区占据绝对首位，充分体现了上海的国际枢纽港口城市地位；同时，尽管上海的中低端要素在不断增加，但它们的比重均大幅下降，低端、中端要素分别由2002年的55.94%和44.22%下降至2018年的22.57%和28.61%，表明研究期中长三角其他港口在中低端后勤服务功能上出现明显的“边缘港挑战”（challenge of the periphery）效应；相反，上海的高端要素在长三角地区继续表现出绝对强势地位，在其他港口高端要素快速增加的背景下，仍然保持60%以上的比重，这也清晰地体现了上海港的转型发展路径。其他港口城市中，宁波—舟山、台州、扬州、南通等城市的中端要素份额明显提升，这些港口城市在过去的16年间注重培育和发展临港工业。另外，只有嘉兴和镇江的低端要素始终保持较高的增速，说明这两个城市仍将航运、仓储等传统服务功能定位为港口的主导功能。

3.2 港口功能结构转型测度

对2002—2018年长三角地区3类港口后勤要素的占比结构进行对比分析（表 2），可知高端要素占比不断增加，由2002年的8.44%增长至2018年的27.61%，增速也越来越快；而低端要素占比不断降低，由2002年的31.12%下降至2018年的15.06%，但近5年其降速在减缓；中端要素的比重结构比较稳定，始终占据长三角地区60%左右，但2007年以后中端要素的比重一直在下降。总体来看，2002— 2018年长三角地区高端后勤要素的比重逐渐提升，并且中低端要素比重日趋降低，呈现出“此消彼长”的动态演化过程，该演化趋势充分体现了长三角地区港口后勤功能正处于不断优化的进程中。

运用公式（1）分别对长三角区域和城市两个尺度的港口后勤功能转型程度进行测算。可以发现，2002、2007、2013和2018年该区域H指数依次为1.77、1.90、2.02和2.13，呈现出明显的上升趋势，表明港口后勤功能在区域尺度上呈现高级化的转型态势，再次反映长三角地区港口后勤功能处于不断转型与优化中。继续从城市尺度测度各城市港口的后勤功能转型特征，并将所有H指数数值按照分位数原则分成4个等级（图 3）。由图 3看出，大部分城市的H指数呈现递增的发展态势，说明每个城市的港口服务业结构均处于不断转型和高级化演进中。2002年，长三角地区没有城市进入最高级的第四等级，其中扬州、镇江和泰州3市因临港工业的快速发展导致H指数处于长三角的前列；此时上海港的后勤功能主要集中在航运、仓储和码头运营等价值链低端环节，其H指数并不高。2007年，上海的港口后勤功能转型最明显，其H指数由2002年的第一等级迅速进入到第四等级，成为长三角地区港口后勤功能转型程度最高的城市；南通、台州、温州也因代理类、船舶修造类中小型企业的兴起，H指数迅速提升。2013年，除上海以外，南京、苏州和南通的H指数都进入第四等级，宁波—舟山的港口后勤功能转型也十分明显，由2007年的第一等级快速跃入到第三等级。2018年，H指数处于第四等级的城市多达7个，包括上海、南京、苏州、南通、宁波—舟山、扬州和镇江，表征长三角地区在重视港航服务软环境建设上达成共识，加速发展高端港航服务业成效明显。值得注意的是，嘉兴H指数始终处于第一等级，这与嘉兴港自身的发展历程密不可分，嘉兴港直到1995年仍保持着原始的“肩挑手扛”式的作业方式，其集装箱化进程起步也较晚，2002年才正式开始集装箱业务；2007年该港口的年集装箱吞吐量还达不到腹地集装箱生成量的1%，始终只维持在3—4万标箱左右；并且嘉兴港近年发展主要依赖于煤炭等传统粗放型货种运输，这些均表明嘉兴的港口后勤功能一直处于价值链的低端。另外，温州和泰州的H指数自2007年呈下降趋势，这与其高端要素增长乏力密切相关。

3.3 后勤功能结构转型方向研判

由公式（2）依次计算2002—2007年、2007—2013年和2013—2018年三个时间段长三角地区港口后勤功能的结构超前系数。从长三角区域看，高端要素在三个时期的结构超前系数分别为3.49、5.79和6.39，E_i值一直在3以上且随时间演进呈明显的增长态势，反映长三角地区港口后勤功能的高端化转型趋势显著；中端要素的E_i值处在1附近，三个时期分别为1.54、0.85和-0.25，表明其结构转型的方向性不是十分明显，但逐年下降的趋势能反映港口中端服务功能的发展后劲不足；低端要素在三个时期的E_i值分别为-0.72、-1.17和-0.09，E_i值始终小于1说明运输、仓储、码头经营等传统港口服务功能在长三角地区的发展一直比较缓慢。综上所述，长三角地区高端要素发展速度明显高于中低端要素，低端要素发展始终最慢，中端要素发展也渐进出现了滞后的局面，未来长三角地区港口后勤功能结构仍将进一步优化。

从不同城市看，3类港口后勤要素的E_i值差异显著。其中，呈现明显快速增长的有：嘉兴和温州的低端要素、扬州的中端要素和所有城市的高端要素；相反，呈现明显滞后发展的包括：苏州、南京、镇江、扬州、江阴和宁波—舟山6市的低端要素以及上海、苏州、南京、南通、泰州、江阴、宁波—舟山、嘉兴、台州、温州10市的中端要素（表 3）。不同城市港口服务业发展所处的阶段不同，是导致这种差异的主要原因。

4 港口后勤功能空间分异 4.1 区域尺度集散分析

基于公式（3）和CrimeStat软件分别计算出长三角地区2002—2018年高、中、低端3类港口后勤要素的空间集散结果（图 4），所有的Z值和p值均通过极显著检验。由图 4可知：首先，长三角地区各类港口后勤要素的NNI值始终分布在0.16—0.24区间，远小于参考值1，表明在区域尺度上，3类要素均呈现出强集聚的分布特征。其次，在四个截面年份中，低端要素的NNI值始终大于中高端要素，表明其空间分布相对分散，而中高端要素的空间分布更集中。第三，3类要素的NNI值逐年下降表明各类要素的空间分布呈现出由分散转向集聚的演变特征。其中，低端要素的NNI值的下降最缓慢，说明其集聚演化趋势不明显；中端要素NNI值的下降态势表现为先快后慢的特点，其集聚趋势在2013—2018年间变得缓和；高端要素的NNI值与中端要素相反，其下降趋势越来越明显，表征其在空间分布上呈现出越来越强的集聚特征，尤其是2013年以后，随着上海自贸区的成立，高端要素向上海集中的趋势进一步增强。

4.2 城市尺度集散分析

运用公式（4）和Eviews软件对长三角12个港口城市3类后勤要素的概率密度分布进行估计，结果见图 5。

由图 5-a看出，核密度曲线整体右移明显，说明低端要素整体增长明显；但右移的幅度逐渐变小，表明低端要素的增速逐渐变缓；左侧右移幅度显著大于右侧，说明密度低值区间城市的要素增幅比高值区间城市更大，低端要素的分布呈现出典型的空间均衡效应。其次，核密度曲线逐渐由2002年的双峰形态向2018年的单峰形态演化，表示低端要素在快速增长的同时，逐渐向正态分布演化，双峰距离的消失表征长三角低端要素空间分布的两极化趋势在减弱。

根据图 5-b，从曲线的位置看，曲线左右两端向右移动的幅度都十分明显，反映中端要素整体上保持快速增长的变化态势；从曲线的峰度看，2002—2018年核密度曲线呈现由尖峰形态向宽峰形态转变的趋势，表征“高位趋同”现象有所减缓，中端要素空间布局不再集中于某一特定的密度区间；从曲线的形状看，由2002年的多峰形态向2018年的单峰形态演化，表明中端要素分布的梯度差异逐渐消失。另外，2013和2018年曲线相似的演化形态说明2013年以后长三角地区中端要素的分布格局具有一定的稳定性。

由图 5-c可知，高端要素的核密度曲线及其演化更加复杂。第一，核密度曲线明显右移，说明长三角地区港口后勤要素整体上呈增长态势。第二，曲线右侧偏移幅度较左侧明显更大，同时右侧厚度不断降低，表明高端要素更加集中分布在少数城市，并且密度高值区间城市的要素增速要比低值区间城市快得多，高端要素的布局呈现“强者恒强”的空间马太效应。第三，核密度曲线形态由多峰向单峰转型，并且2013和2018年高峰出现的位置没发生明显的变化，只是形态由宽峰演化为尖峰，这些均进一步说明高端要素的分布在密度高值区呈现出较强的空间极化现象。

4.3 空间插值分析

在区域、城市两个尺度对港口后勤要素进行集散研究的基础上，结合空间可视化技术分析各类要素在地图上的具体落点位置，能得出一些有价值的新结论，并能深度发掘港口后勤要素演化的背后机理。本文采取空间插值方法将长三角后勤要素分布状况扩展为一个连续的表面，首先将区域划分为3000×3000m的网格共37500个，然后把网格与港口后勤要素点位进行空间连接得到每个网格内的要素数量，再以要素数量为统计变量进行网格面转点处理，根据生成的点要素分别进行港口后勤功能反距离权重插值模拟，结果见图 6。

由图 6可知，长三角地区港口后勤要素的空间分布总体上比较集聚，这与NNI指数测算结果一致；要素主要集中于东部沿海和长江沿岸地区，因此作为长江出海口的上海的插值密度始终保持最大值。2002年，上海是长三角地区唯一的港口后勤要素集聚的热点地区；2007年，南京和宁波—舟山成为长三角地区港口后勤要素分布的次热点地区，另外扬州的大运河沿线、江阴和南通的长江沿岸地区、台州椒江入海口的中低端要素密度也在增强；2013年，每个城市的要素密度继续增加，长江沿江地区基本形成了空间连绵的“沿江后勤要素密集带”，其中苏州中部、台州椒江沿线和温州瓯江沿线成为新的后勤要素集聚区；2018年，在长三角全域要素密度增加的背景下，沿江后勤要素密集带的范围不断向南北方向拓展，但沿海地区的港口后勤要素仍呈现宁波—舟山、温州和台州3个团簇状分布，尚未在空间上形成连绵的沿海后勤要素密集带。

从低端要素分布看，长三角地区除上海、嘉兴的低端要素密度分布较分散之外，其他城市的后勤要素及新增要素始终分布在沿长江、沿海地区，说明低端要素具有十分典型的沿江、沿海区位指向特征；另外，还可以发现嘉兴、镇江、扬州等小型港口城市低端要素密度增加明显，而上海、南京等大、中型港口城市的低端要素密度增加相对缓慢。从中端要素分布看，其分布也具有沿江、沿海指向特征，但分布形态要比低端要素分散得多，沿江后勤要素密集带的拓展范围也比低端要素更广阔，反映中端要素的区位临海、临江指向性不及低端要素强。从高端要素分布看，2002年高端要素主要集中在上海，其他城市只有零星分布；2007年江苏中部地区、宁波东北部以及舟山的插值密度明显增加；2007年以后，所有城市内部高端要素密度均在提升，与中低端要素不同，高端要素的分布更加分散、增速也更加显著，新增要素的区位并不囿于沿江和沿海地区，城市内部增长也十分显著。

综合上述NNI指数、核密度和插值的分析可以发现：其一，低端要素分布区位具有显著的沿江、沿海指向，而中高端要素的布局要分散得多，例如，低端要素空间插值的最大密度出现在上海的外高桥地区，而高端要素的最大值出现在上海城内的外滩附近。其二，低、中、高端要素密度的增速依次变大，在2002—2018年，低端要素的最大密度由29增加到141，年均增速为10.39%；中端要素的最大密度由83增加到569，年均增速为12.79%；高端要素的最大密度由15增加到216，年均增速为18.14%。其三，依据前文对大、中、小型港口城市的分类，发现各城市3类港口要素的增速不尽相同，其中嘉兴、扬州等小型港口城市的低端要素增速明显大于上海、南京等大中型港口城市；大中型港口城市的高端要素增速始终高于小型港口城市；大、中、小型港口城市的中端要素增速比较接近（表 4）。其四，2002—2018年NNI指数下降表明3类要素的空间分布都呈集聚趋势；但核密度分析却揭示中低端要素的空间分布呈分散趋势，只有高端要素的集聚趋势明显。看似前后矛盾的结论实际上是由于要素在不同尺度的集散机理不同而引致的，其中区域尺度上的要素集聚是因为其区位临海、临江指向性决定的，而高端要素在城市尺度的集聚是由于其越来越向中心城市上海集中而驱使的。

5 结论与讨论

本文首先界定了港口后勤功能与港口后勤要素的概念内涵，认为后勤要素是衡量港口大后方各类服务功能的有效指标，并基于价值链将港口后勤要素服务业划分为低、中、高端3类。然后，从区域和城市两个尺度分析2002— 2018年长三角地区港口后勤功能的结构转型与空间分异特征，主要得出如下结论：

① 长三角地区港口后勤要素总体呈快速增长的态势，表明港口后方的各类服务功能强度均在提升；增长过程中受外部环境因素的影响，2008年以后3类要素增速均有所下降，但高端要素的增速要明显快于中低端要素，反映出其具有较强的抗外部风险能力。②长三角港口后勤功能结构日趋优化，即高端要素比重逐渐上升且低端要素比重不断下降；多数城市（嘉兴除外）的H指数逐年增长，但其增长的速度和持续性不尽相同，其中，上海、南京、苏州和南通4个大中型港口城市的转型特征最显著；镇江、扬州等小型港口城市转型相对较缓；嘉兴是H指数唯一下降的城市，这是由嘉兴港特定的发展历程和当前港口业定位共同造成的。③从要素类型看，高端要素的E_i值始终大于1，低端要素的E_i值始终小于1，中端要素的E_i值在1附近呈下降趋势，表明高端要素的发展势头要显著强于中低端要素。④核密度分析结果表明，中低端要素空间分布呈现出均衡效应；而高端要素进一步向中心城市上海集中，呈现出显著的空间马太效应。⑤港口后勤要素在区域尺度和城市尺度的集散特征不尽相同，这主要是港口后勤要素在不同尺度的集散机理不一样导致的。从区域尺度看，新增后勤要素的区位选择往往在原有要素区位附近集聚；从城市尺度看，高端要素倾向于向上海等区域中心城市集中，而中低端要素却由上海向其他城市扩散。⑥3类港口后勤要素的区位选择均具有沿江、沿海指向，但低端要素更显著；要素插值密度的增速为：高端类 > 中端类 > 低端类；另外，中小型港口城市的低端要素增速较快，而大中型港口城市的高端要素增速更显著。

总体而言，将POI大数据思路引入港口后勤功能分析是一项有效的研究尝试，能真实反映港口后勤功能结构变迁及其空间分异规律，对区域和城市尺度的港口地理研究均有重要的参考价值。然而，囿于篇幅和统计数据可获取性，本文仅从低、中、高3类要素探究港口后勤功能的演化规律，尚未对每种类型内部的具体细分行业做深入分析和归类，也缺乏与珠三角等其他区域的比较分析；另外，由于企业内部财务信息的保密性，并且很难获取所有企业的相关属性数据，这在一定程度上影响了研究的深度。有鉴于此，考虑未来在继续加强调研的基础上，通过数据深度挖掘和质性分析相结合的方法，对港口后勤功能进行更全面、更深入的研究。