物流園區空間布局方法論

徐照

摘要：物流園區作為物流業發展到一定階段時所產生的新興物流集疏方式。物流園區空間布局優化可以提高物流效率，提高物流園區效益，達到集聚效應，優化社會資源的配置，促進區位之間的協調發展，有利于解決物流企業之間的競爭博弈問題。筆者通過對物流園區空間布局方法論的介紹，以讓讀者對其有一定的了解和認識。

關鍵詞：物流園區;空間布局;方法論

一、區位產業集聚分析方法論

產業集聚度是對區位產業集聚程度的量化指標，主要通過某一指標來判斷目標區域是否存在產業集聚，以及分析產業集聚的聚合程度。目前學術界常用的測度產業集聚度的指標為：區位熵系數LQ與空間基尼系數GN。區位熵系數LQ主要用來判別產業集聚的是否存在的可能性;空間基尼系數GN主要用來測度產業集群集聚度，判斷該產業在空間分布均衡程度。

1、區位熵系數LQ

區位熵系數LQ，由P.Haggett首先提出和運用于區位集聚度分析中，用以衡量目標區域的產業結構，分析區域產業的狀況，反映該產業的集聚化程度[28]。其計算公式為：

式中， 為目標區域的區位熵系數; 指目標區域 產業相關指標; 指目標區域 相關指標; 指上層次區域 產業 相關指標; 指上層次區域 相關指標。

區位熵系數LQ能夠反映區域專業化水平，通過測算各行業的區位熵系數值，可以判斷區域的某產業是否存在產業集聚。區位熵大于1，可以認為該產業是區域的專業化集聚產業，區位熵越大，產業集聚水平越高;區位熵小于1，則反映該產業在區域內的集聚效應差，不是優勢主導產業。由此來判斷，該地區是否為該產業的集聚區。

2、空間基尼系數GN

空間基尼系數由克魯格曼提出并首次運用于測算美國制造業的集聚程度，其計算公式為：

式中， 為空間基尼系數; 為目標區域 的某產業相關指標占上層次區域該產業的比重; 為目標區域 的相關指標占全國的比重; 為全國地區的數量。

的值在0和1之間，若 的值越是接近0，那么該地區的產業分布越均衡，若 的值越接近1，則該地區的產業集聚程度越強。空間基尼系數通常用于省級、國家級等層面的分析，較少用于市域、縣域的分析。

二、物流量預測方法論

物流園區的規劃過程中，最重要的數據指標就是區域物流量。對物流量的預測方法模型較多，比較常用的用于貨運量預測的定量預測方法有：多元回歸預測法、曲線回歸預測法、灰色系統預測法、組合預測法。

1、多元回歸預測法

多元回歸預測法主要研究一個因變量與兩個或兩個以上自變量的回歸，反映一種現象或事物隨多種現象或事物的變動而相應變動的規律。通過建立多個變量之間線性或非線性數學模型的數量關系式，研究因變量與多個自變量之間的聯系。Matlab、Spss、SAS等軟件都是進行多元線性回歸的常用軟件。

多元回歸預測法預測精度高，能夠考慮到各個自變量對因變量的影響，但計算復雜，數據量大，常用于中長期預測。

2、曲線回歸預測法

曲線回歸預測法是通過Spss中的曲線擬合分析因變量與自變量的相關性變化。Spss曲線回歸擬合中，通過 值確定擬合程度最高、未來發展趨勢最符合的曲線擬合方程作為預測模型，進而得到因變量未來預測值。

貨運量的擬合預測一般都是選取GDP作為自變量，采用一元二次函數擬合，擬合度較高，曲線變化符合現實趨勢發展。

3、灰色系統預測法

灰色系統理論常用于既含有已知信息又含有未知信息的系統預測。灰色系統理論認為過程中顯示的現象是隨機的、雜亂無章的，但數據畢竟存在有序性、有界性。灰色系統預測就是利用這種規律建立灰色預測模型對相關數據進行預測。

4、組合預測法

組合預測法根據組合定理，利用各種預測模型，得出各類預測結果。預測過程中，即使某一預測模型結果不太理想，當與另一個較好的預測模型進行組合后，通過權重比例，對其結果可以進行適當的修正，增加系統的預測性能。因此，組合預測法得到的預測數值更為準確，比單一的預測模型更為科學、有效。

其中，各種預測方法的權重使用平均誤差倒數法，易于操作，且效果好，適用于本研究。對平均誤差較小的模型賦予高權重，平均誤差大的模型賦予較小權重。其公式為：

三、物流園區規模的確定方法論

在物流園區規模的確定方法上，普遍采用定量分析方法。主要的定量分析方法為德國提出的MSFLB規劃方法論中的REA經驗模型、國內專家學者提出的時空消耗模型和比例匯總模型。

一、REA經驗模型

REA經驗模型由德國弗勞恩霍夫物流研究院提出。REA經驗模型利用市場調查得到的區域物流量，通過建立不同的預測模型，如灰色預測GM（1，1）模型和曲線回歸分析法等，使用區域GDP往年增長率的數據預測物流園區未來10-15年物流量數據;估計該地區的貨運量在物流園區的倉儲比例，并根據調查和經驗數據得到每年每平米倉儲面積的貨物存放量;最后根據以上數據，計算預測年份區域物流園區倉儲需求面積，隨后根據倉庫建筑密度反推預測年份物流園區需求占地面積。

二、時空消耗模型

時空消耗模型由北京工業大學程世東在2005年針對物流用地規模提出的物流園區規劃模型。其數學模型為：

式中： 為物流園區理想規模; 為物流園區面積與倉儲面積的比值; 為貨物種類數; 為單位貨物平均所占體積; 為貨物平均周轉時間; 為貨物年周轉量，即園區的年物流量; 為貨物 的時間相關系數; 為每平方米倉庫所能存儲貨物 的體積。

時空消耗理論基于時空消耗供需平衡的基礎而建立的，通過一定的方法計算物流園區所要提供的時空資源。時空消耗模型主要用于區域物流數據比較完善能夠通過各種方式獲取，且物流發展水平較高地區的物流園區規劃。

三、比例匯總模型

2004年6月，東南大學交通學院李玉民、李旭宏等提出區域物流比例匯總模型。比例匯總模型，在規劃目標趨于物流節點總體規模確定的前提并且各不同物流節點隔離性強，物流交換少的時候使用。

在區域物流規劃中，若每年的作業天數按365計，物流園區的建設總規模為：

其中： 為預測目標年份物流園區建設需求面積（ ）; 為預測目標年份全社會物流量（ ）; 為預測目標年份第三方物流（3PL）市場占全社會物流市場的比重; 為預測目標年份通過物流園區發生的作業量占第三方物流（3PL）全部物流作業量的比例; 為單位生產能力用地參數（ ），即每單位貨物所占面積。

四、物流園區的區位選擇方法論

對物流園區的區位選擇方法很多，常用的選址方法為模糊綜合評價法，對物流園區的選址進行評價。

模糊綜合評價法考慮對象的各種相關影響因素值并將進行量化，通過行列式運算對物流園區區位選擇方案進行評價。其評價步驟如下：

一、評價對象因素集的建立

評價對象因素集是各影響因素的集合，通常表示為：

二、評價對象備選集的建立

評價對象因素集是各影響因素的評價結果可能對比值的集合，通常表示為：

三、模糊關系矩陣的建立

對評價對象中的某個因素，采取專家評審打分的方法確定其因素關系值，進而建立模糊關系矩陣。

四、建立權重集。對各個因素 賦予一相應的權重 所組成的集合：

五、模糊綜合評判

通過其歸一化后的評價集 對方案進行評價，最后得出決策結論。

參考文獻

[1]葛金田，沈鵬飛，陳寧寧.基于區位熵法的濟南市物流產業集聚度分析[J].物流工程與管理，2012，01：92-94.

[2]彭耿，劉芳.產業集聚度測量研究綜述[J].技術與創新管理，2010，02：181-184+201.

[3]張婷婷.以物流需求為導向的物流園區用地規模研究——以陜西省為例[D].長安大學碩士論文，2011.

[4]胡衛群.基于貨運強度變化規律的貨運量預測方法[J].交通科技，2011，02：107-109.

[5]侯文英，李宣.包頭市城區農產品物流園區規模預測[J].商場現代化，2008，01：82-83.