EN中文

热带地理 >

2023 , Vol. 43 >Issue 4: 657 - 668

DOI: https://doi.org/10.13284/j.cnki.rddl.003671

数字产业网络结构与影响机理

“流空间”视角下中国电子商务快递物流网络结构与机理

  • 李苑君 , 1 ,
  • 吴旗韬 , 1 ,
  • 李苑庭 2 ,
  • 梁木新 1 ,
  • 武俊强 3 ,
  • 金双泉 4
展开
  • 1. 广东省科学院广州地理研究所，广州 510070
  • 2. 华南师范大学 地理科学学院，510631
  • 3. 国芯科技（广州）有限公司，广州 510700
  • 4. 广东省交通运输规划研究中心，广州 510101
吴旗韬（1982—），男，河南平顶山人，研究员，博士，研究方向为交通地理学，（E-mail）。

李苑君（1995—），女，湖北襄阳人，助理研究员，博士，研究方向为交通流网络，（E-mail）；

收稿日期: 2023-01-18

  修回日期: 2023-03-21

  网络出版日期: 2023-05-08

基金资助

国家自然科学基金项目(42071165)

广东省科学院打造综合产业技术创新中心行动资金项目(2023GDASZH-2023010101)

收起

Exploring the Structure and Mechanism of China's E-Commerce Express Logistics Network: Based on Space of Flows

  • Yuanjun Li , 1 ,
  • Qitao Wu , 1 ,
  • Yuanting Li 2 ,
  • Muxin Liang 1 ,
  • Junqiang Wu 3 ,
  • Shuangquan Jin 4
Expand
  • 1. Guangzhou Institute of Geography, Guangdong Academy of Sciences, Guangzhou 510070, China
  • 2. School of Geosciences, South China Normal University, Guangzhou 510631, China
  • 3. Nationalchip(Guangzhou), Inc. , Guangzhou 510700, China
  • 4. Guangdong Provincial Transportation Planning and Research Center, Guangzhou 510101, China

Received date: 2023-01-18

  Revised date: 2023-03-21

  Online published: 2023-05-08

Fold

本文亮点

基于“流空间”理论，利用中国智能物流骨干网大数据构建电子商务快递物流网络，采用复杂网络分析、机器学习算法等，探究电商快递物流网络空间结构特征，分析快递物流要素空间流动规律性，揭示网络形成机理。研究发现：1）城市电商快递物流重要性的空间非均衡特征显著，重要性最高的城市分布于胡线以东四大城市群内部。随机森林结果显示，快递物流外向输出型城市在东南沿海形成“电商快递物流输出带”，澳门和台湾分别以小规模接收京津冀、长三角城市群的快递物流输入为主，香港作为快递物流高平衡区在网络中承担着重要的物流集散功能。2）电商快递物流网络覆盖范围广泛，城市间快递物流线路较为完整，且网络具有小世界效应，要素流动效率较高。网络中的优势流以上海、广州、重庆和北京为核心形成“钻石结构”。3）长三角城市群电商快递物流发展较为均衡；京津冀和成渝城市群对内部核心城市依赖性较强；粤港澳大湾区城市群的网络凝聚力最低，香港、澳门与珠三角9市之间的快递物流联系较为薄弱。4）物流网络形成受城市群发展影响，在信息技术、传统与新型基础设施建设等推动下，网络对距离因素依赖性较弱，快递物流要素主要遵循等级扩散机制。

本文引用格式

李苑君 , 吴旗韬 , 李苑庭 , 梁木新 , 武俊强 , 金双泉 . “流空间”视角下中国电子商务快递物流网络结构与机理[J]. 热带地理, 2023 , 43(4) : 657 -668 . DOI: 10.13284/j.cnki.rddl.003671

Highlights

Based on the space of flows theory, this study adopts China Smart Logistics Network big data to build China's e-commerce express logistics network, and explores the spatial structure characteristics of the e-commerce express logistics network, summarizes the regularity of the express logistics flows, finally reveals the formation mechanism of the network through complex network analysis, machine learning algorithms and other methods. The results are as follows: From the node dimension,the spatial inequality characteristics of the importance of e-commerce express logistics in Chinese cities are significant. Taking Heihe-Tengchong Line(Hu Line) as the boundary, the most important cities in the network are distributed within the four major urban agglomerations east of the boundary. The results based on random forest method show that express logistics export-oriented cities form the "e-commerce express logistics export belt" in the southeast coast. Macau and Taiwan receive express logistics input from Beijing-Tianjin-Hebei Urban Agglomeration and Yangtze River Delta Urban Agglomeration respectively on a small scale while Hong Kong plays an important role in logistics distribution function in the network as a high-equilibrium express logistics area. Additionally, from the dimensions of edges and overall network, the network density value is 0.927 0, and the average least connections value is 1.1375, indicating a wide network coverage and relatively complete express logistics routes between cities. Besides, China's e-commerce express logistics network has a small-world effect and high efficiency of the factor flows. A diamond-structured network is also formed with Shanghai, Guangzhou, Chongqing, and Beijing as the four core nodes. In comparison, the Yangtze River Delta Urban Agglomeration is more balanced in the development of e-commerce express logistics; Beijing-Tianjin-Hebei and Chengdu-Chongqing Urban Agglomerations are more dependent on the internal core cities; Guangdong-Hong Kong-Macao Greater Bay Area has the lowest network cohesion, and the express logistics links among Hong Kong, Macao and the other nine cities in the Pearl River Delta are weak. Overall, the network formation is influenced by the development of urban agglomerations. Driven by information technology, traditional and new infrastructure construction, etc., the network is less dependent on the distance factor. Express logistics elements mainly follow the hierarchical diffusion mechanism. This research expands the application of logistics big data in the field of urban network research, reveals the structural characteristics and formation mechanism of China's e-commerce express logistics network, helps enrich the theory of "space of flows", and is also of great significance for understanding the city correlation under the digital economy and the shaping of urban space by modern logistics elements, and promoting the digital transformation and high-quality development of express logistics.

电子商务产业是数字经济和实体经济深度融合的典型代表，也是社会数字化转型、新业态新模式持续催生的重要引擎（中华人民共和国商务部，2021）。快递物流作为电子商务产业链的关键环节，以快捷、灵活的特点有效连接起线下生产和线上消费。相比传统物流，电子商务快递物流与数字技术、创新要素的结合更为紧密，能通过互联网平台优化配置运输和仓储等物流资源，实现物流供应链的去中介化和空间重组（肖作鹏 等，2015）。电子商务快递物流网络是物流生产力发展到一定阶段的产物，为适应市场需求、快递行业整合与物流系统化发展而建立。网络以发货地城市为起点，以收货地城市为终点，在变革传统货物流通方式和经济组织模式的同时，也对城市空间结构和空间关系产生深刻影响（沈丽珍 等，2018），推动地理空间格局的改变（周建平 等，2021）。在此背景下，从地理学视角研究电子商务快递物流网络的结构特征与形成机理，对于理解数字经济形态下的城市空间关联和现代物流要素对城市空间的塑造，推进城市物流数字化转型和高质量发展具有重要意义。
从网络构建方法上看，传统物流网络研究主要包括物流企业网络、城市轴辐式网络和城市引力网络。物流企业网络主要基于大型物流企业总部、分部地理位置构建（王成金，2008；Akhavan et al., 2020），对于研究企业组织架构、城市产业分工具有一定意义。城市轴辐式网络多通过量化评估方法选定优势城市节点，计算节点辐射范围并构建圈层网络，用以分析物流基础设施的区位布局（刘荷 等，2014；Ghaffari-Nasab et al., 2015）；城市引力网络则应用引力模型计算城市间相互作用力，以此作为联系强度并构建城市等级体系（高鑫 等，2018；Kashiwagi et al., 2020）。上述3种网络研究本质上都是一种静态的、物理的研究视角（修春亮 等，2013），注重研究物流网络组织结构或评估城市物流发展水平，难以体现物流的流动性特征以及物流网络对城市空间的塑造。20世纪90年代，Manuel Castells提出“流空间”（Space of Flows）的概念，认为城市空间是围绕资本流、信息流和交通流等流动要素产生的（Castells, 1999），这些流要素交织形成流网络。城市作为流网络节点而存在，其重要性取决于该城市节点在网络中与其他节点的相互作用。“流空间”理论产生新的空间动力机制（Taylor et al., 2010），也为网络研究提供了动态分析视角，在“流空间”视角下，基于城市间真实流动数据构建“流网络”，成为大数据时代城市网络研究的前沿领域。目前已有研究探索由区域间人员流动形成的人口流网络（魏冶 等，2018；Zhang et al., 2020；甄峰 等，2022）、交通往来构建的交通流网络（柯文前 等，2016；王姣娥 等，2019）、手机通讯数据和百度指数搭建的信息流网络（Doran et al., 2016；安頔，2022）等，揭示了各类流要素集聚与扩散的规律，从网络构建和分析方法、网络与城市空间相互作用等方面拓展了传统网络研究的内涵与外延。相比之下，较少研究关注“流空间”理论视角下物流网络对城市空间结构的影响。
从内容上看，已有研究涉及港口物流网络（郭建科 等，2022）、公路货运物流网络（肖作鹏 等，2017）、汽车企业物流网络（宗会明 等，2020）、农产品物流网络（伍景琼 等，2019）等，从运输方式、运输主体和运输组织方面丰富了物流网络研究。近年来，快递物流市场随电商发展经历了爆发式的增长，快递物流作为现代物流的重要表现形式，逐渐成为物流网络研究的热点（Prajapati et al., 2021）。目前，快递物流网络研究覆盖顺丰、中通等大型物流企业的空间组织（倪玲霖 等，2012；周建平 等，2021）；盒马、菜鸟驿站等快递物流营业点之间的网络联系（唐承辉 等，2020；冯春 等，2020；黄雨珊 等，2021）；宅急送等快递运单数据刻画的城市空间结构（李鲁奇 等，2019）和快递物流线路搭建的城际网络关联（李苑君 等，2021）等。相关研究大多聚焦于快递物流网络的地域结构性关联，缺乏对真实快递物流要素动态流动规律的探索；且基于全国尺度的城市物流网络研究较少（任梦瑶 等，2020），尤其对于电子商务快递物流网络的结构特征与形成机理探索尚待深入。
综上，本研究在“流空间”理论指导下，首先，利用中国智能物流骨干网的真实快递物流线路数据，以城市为基本研究单元，构建包括港澳台在内的中国全域电子商务快递物流网络；其次，通过复杂网络分析、机器学习算法等，探究中国电子商务快递物流网络结构特征，明晰城市重要性地位和城市物流功能分区；最后，基于“流空间”形成的网络逻辑，归纳电子商务快递物流要素的流动规律性，揭示电商快递物流网络的形成机理。以期丰富“流空间”理论，促进对现代物流流动规律、数字经济与网络空间秩序的理解。

1 数据和方法

1.1　研究区域

研究区为中国，包括地级市、直辖市、香港特别行政区、澳门特别行政区和台湾地区等在内的345个研究单元。在互联网技术推动下，中国传统零售业、服务业等商业模式发生变革，依托互联网而发展起来的电子商务产业日益繁盛，快递物流业也随之迅速发展。据商务部发布的《中国电子商务报告2021》（中华人民共和国商务部，2022），近年来中国电子商务数字产业化和产业数字化步伐不断加快，2021年全国电子商务交易额达到42.3万亿元，同比增长19.6%；全国网上零售额达到13.1万亿元，同比增长14.1%；实物商品网上零售额10.8万亿元，占比社会消费品零售总额近四分之一。截至2021年，中国已连续9年保持全球最大网络零售市场地位。此外，2021年中国快递业务量达1 083亿件，同比增长29.9%，包裹数量占比全球超过50%。

1.2　数据来源

本研究构建快递物流网络的“关系数据”来源于中国智能物流骨干网（China Smart Logistic Network，简称CSN），该物流网络主要服务于网络零售业，也是电子商务行业重要的基础设施和中国最大的社会化快递物流平台（李苑君，2021）。CSN网络包含起止点城市、承运公司、数目等快递物流运输线路信息。在其官方网站线路查询入口 1，检索并获取中国各城市之间的物流线路数目。鉴于线路的周期变动，为避免偶然性，在2020-07-05—09采集5批数据，取其平均值。数据的预处理包括去除部分统计重复线路、同城线路和无站点追踪线路，最终实际获取城市之间111 366对起止点（O-D）组合，共计21 430 731条有向线路。

1.3　研究方法

1.3.1　电子商务快递物流网络构建

网络矩阵可直接反映快递物流的流向和流向线路的权值特征，是网络结构分析的必要环节，也是网络绘制和物流要素空间格局分析的基础。基于图论原理（Graph theory），构建有向加权电子商务快递物流网络。在该网络结构中，中国各城市为节点（Node），城市间有向快递物流线路为连边（Edge），线路数目为权重，最终构建的有向加权快递物流网络表现为n×n的正方对称矩阵，公式为：
N = 0 N 12 . . . N 1 ( i - 1 ) N 1 i N 21 0 . . . N 2 ( i - 1 ) N 2 i . . . . . . . . . . . . . . . N ( i - 1 ) 1 N ( i - 1 ) 2 . . . 0 N ( i - 1 ) i N i 1 N i 2 . . . N i ( i - 1 ) 0
式中： N 为有向加权快递物流网络矩阵；N 1 i 为由第1个城市始发向第i个城市的快递物流线路数目；Ni 1为由第i城市始发向第1个城市的快递物流线路数目，由此类推。

1.3.2　电子商务快递物流网络分析

通过PageRank算法、随机森林算法分析电子商务快递物流网络影响下的城市重要性空间格局和快递物流功能分区；基于GIS地理信息技术对城市之间的物流关联进行可视化，利用KPP（Key Player Problem）点集挖掘算法探索网络中可实现快递物流最大连接的1组城市集群。此外，还将通过网络密度、小世界效应指标对网络完整程度、连接效率进行评估；通过平均聚类系数等对比城市群内部电商快递物流关联特征。随机森林算法的基础指标（点出度和点入度）、网络密度、平均聚类系数和小世界效应等均为网络分析常用方法，其相关公式和变量说明在此不罗列。
PageRank算法：机器学习中的PageRank算法可用于对电商快递物流网络中的所有城市进行重要性排序。其算法原理为：将城市视作节点，城市间的快递物流线路视作有向边，从城市节点B到节点A的线路数目作为B对A的1次重要性投票，A被投票的次数越多，以及投A的城市节点本身越重要，则城市节点A的重要性越大（冯树民，2019）。PageRank值计算公式为：
P a g e R a n k ( A ) = α 1 N + ( 1 - α ) ∑ P i ⇒ A P a g e R a n k ( P ) i K ( o u t P ) i
式中：N为网络中的城市节点总数；α为阻尼因子；K out（Pi ）即从城市Pi 出发流向其他城市的线路数目。节点的PageRank值越大，其在网络中的物流重要性越高。
随机森林分类方法：该算法归为机器学习的一种，其以集成思想为基础，创建决策树为基本分类单元并对数据进行训练和分类，对于实际数据能产生准确度较高的分类结果（方匡南 等，2011）。训练数据集分类方式参照已有研究成果（李苑君 等，2021）。选择城市节点度C、点出度C (out)、点入度C (in)3项特征值，通过随机森林算法理论上可将所有城市分为高规模输出型、输入型和平衡型；中规模输出型、输入型和平衡型；低规模输出型、输入型和平衡型城市9类（图1），基于数据实际情况，排除中规模类型，保留高规模输出型、输入型和平衡型；低规模输出型、输入型和平衡型城市6种类型城市。
图1 中国城市电子商务快递物流功能划分示意

Fig.1 Schematic diagram of functional area division of China's urban e-commerce express logistics

KPP-Pos（Key Player Problem-Positive）节点挖掘模型：该模型由社会科学专家Stephen P Borgatti提出，用于挖掘1组能最大程度连接所有节点的节点集。即给定1个网络G，需找到1组k个节点，组成节点集K，使其最大程度连接网络中剩余节点（Borgatti, 2006）。KPP-Pos的原始公式基于无权无向网络进行计量，公式为：
D R = ∑ j 1 d K j n - k
式中：K为k个被选节点组成的关键节点集；j为剩余节点集中的任意节点；dKj 为K的任意成员到节点j的距离，取倒数以标准化度量指标，使得DR ∈[ 0, 1 ]；DR 为目标值，可看做集合到达所有节点的加权比例，DR 值越大，表明在节点数量约束条件为k的条件下，当前K集连接的节点越多。KPP-Pos原始公式关键节点与自身的距离为1（即dii =1, i∈K），这与图论中节点到自身的距离等于0相悖，而本研究网络的构建基于图论原理，取dii =0，即去掉K集中节点自身的联系，上述公式分母由n变为n-k（n＞k）。在网络中，当2个节点实现一步直连时，距离取1，未实现一步直连时，距离取∞。此外，鉴于中国快递物流网络为有向加权网络，在上述KPP-Pos原始公式的基础上，考虑i和j节点之间联系的方向性，并增加w权重，改进后的算子WD R 为：
W D R = ∑ j ( w K j r K j + w j K r j K ) 2 ( n - k )
式中：rKj 为K集中的节点到节点j之间的距离；rjK 为节点j到K集中的节点之间的距离。wKj 为K集中的节点与节点j之间的连接强度，以标准化之后的两点之间快递物流线路数目（即边权）表示，以确保WD R ∈ [0, 1]；wjK 同理。WD R 值越大，表明在节点数量约束条件为k的条件下，当前K集连接的节点越多、且与节点之间连接强度最大。

2 结果分析

2.1　电子商务快递物流网络影响下的城市空间格局

2.1.1　城市电子商务快递物流重要性空间格局

基于自然断点法将城市PageRank值分为A~E五级，利用Arcmap进行分级可视化（图2）。A~E等级分别对应重要程度最高、较高、中等、较低和最低。城市PageRank值的空间非均衡性特征显著，主要表现为：1）A等级城市，即网络中重要程度最高的城市，主要分布在中国四大城市群（长三角城市群、粤港澳大湾区城市群、京津冀城市群和成渝城市群）内部，且多为直辖市或省会城市，如上海市、北京市、广东省广州市、湖北省武汉市、河南省郑州市、江苏省苏州市、浙江省宁波市等。重要性排名首位为上海市，其PageRank值为2.537 5，其次为广州市和北京市，PageRank值相近，分别为2.407 3和2.326 4。2）E等级城市，即网络中重要程度最低的城市，集中连片分布于中国西北部，与其他等级城市以胡焕庸线为界；少数分散于东南海岛城市。重要性排名末位为海南省三沙市，其PageRank值仅0.000 7。3）其他等级城市中，B等级城市分布有明显的地域性，主要集中在广东省、浙江省、江苏省、山东省和河北省等沿海省份，依托A等级城市为“轴心”，在中国东部沿海形成集中连片的“快递物流带”。此外，分别以城市GDP和人口为自变量，PageRank值为因变量进行线性回归（图2-b），结果显示，PageRank值与GDP和人口均呈正相关，其中PageRank值与GDP的拟合函数R 2为0.586 9，与人口的拟合函数R 2为0.278 9，表明PageRank值与GDP具有一定相关性，城市在电子商务快递物流网络中的重要性与经济发展水平存在一定联系。
图2 中国城市PageRank值空间分布格局（a）和PageRank值与GDP（b）、人口（c）的相关性分析

注：该图基于自然资源部标准地图服务网站下载的审图号为GS（2019）1822号标准地图制作，底图无修改；图3、4同。

Fig.2 Spatial distribution patterns of PageRank values of Chinese cities(a) and correlation analysis between PageRank values and GDP(b) and population(c) respectively

2.1.2　城市电子商务快递物流功能区空间格局

电子商务快递物流功能分区空间可视化结果如图3，各类物流功能区的空间聚集效应显著。中国城市多以小规模接收快递物流输入为主，表现为快递物流低规模输入型城市数量有176个，占比超50%。快递物流大规模向外输出的城市主要集中于浙江、江苏和广东三大省份，且在中国东南部沿海形成一条狭长的“电商快递物流输出带”，除北部湾、辽东半岛外，“电商快递物流输出带”近乎覆盖中国海岸带区域，尤其自长三角城市群至广东省湛江市，快递物流输出型城市呈连片分布态势。大规模接收快递流入的城市主要分布在长江中游城市群、成渝城市群、中国华北和东北地区，在长三角和珠三角的空间“犄角之势”下，长江中游城市群和成渝城市群接收快递物流溢出效应显著，成为重要的快递物流市场区。其他类型城市多分散于中国东南部。值得关注的是，目前澳门特别行政区和台湾地区分别以小规模接收京津冀城市群、长三角城市群的快递物流输入为主；而香港特别行政区已打通与其他所有城市的往来路径，且作为快递物流高平衡区在网络中承担着重要的物流集散功能。
图3 中国电子商务快递物流功能分区

Fig.3 Spatial distribution of e-commerce logistics functional areas of Chinese cities

2.2　电子商务快递物流网络结构与城市关联性分析

2.2.1　电子商务快递物流网络结构特征

网络整体结构特征：中国电子商务快递物流网络密度为0.927 0，接近于1，表明网络密度较高，城市间快递物流线路整体上较为完整，已形成典型的网络式空间结构。基于小世界网络效应计量结果，整个网络的平均最小连边数为1.137 5，明显小于6，相当于只需经过不到2个中介城市即可以连接任意城市，符合“六度分离理论”。因此电子商务快递物流网络具备小世界网络效应，城市间快递要素流动效率较高。
网络边权特征：通过自然断点法将有向边的权值分为10级，1~10级分别对应最低到最高等级。电子商务快递物流网络有向边权值差异显著，且集中于低等级区。其中权值处于第1等级（1~77）的共38 077条有向边，占据网络有向边总数的34.19%；处于第2级（77~170）的共36 863条有向边，占据网络的33.10%，上述2个低等级累计有向边总量超过60%。权值处于第10等级（3 490~7 092）的有向边最少，只有29条，仅占总量的0.03%。
最大连接点集：基于KPP-Pos节点挖掘算法，K集组合成员为上海市、重庆市、广东省广州市、北京市、浙江省金华市和香港特别行政区。这6个节点的组合K集，以最大边权、最全范围连接K集外所有节点。借鉴两级传播理论，以K集节点作为“领袖节点”；与某K集节点形成最大边权连接的K集外节点作为“受众节点”，中国所有城市最大边权路径的彼端均指向K集领袖节点。其中，上海市、重庆市、广州市和北京市为多受众领袖节点，尤其上海市受众节点城市最多，有241个，占所有受众节点的70.06%；社会经济发展优势转化成强大的快递物流集散“场强”，使得上海市成为中国快递物流网络中的核心连接点。浙江省金华市和香港特别行政区为单受众领袖节点，分别成为台湾地区和海南省三沙市最大边权路径的端点。

2.2.2　电子商务快递物流网络空间关联

通过Arcmap工具将1~10级线路进行可视化，图4显示：1）电商快递物流线路空间分布范围广泛，网络覆盖程度较高。在南海的海南省三沙市，与中国大陆隔海相望的台湾地区，西部边境居于高原、交通基础较薄弱的西藏自治区等均开辟有快递物流线路。2）电商快递物流网络中优势流交织形成的骨干网络，具有明显“钻石结构”形态。权值最高的优势流线路（3 490~7 092）集中在中国少数几个大城市之间，分别以上海市、广州市、重庆市和北京市为核心，在中国东、南、西、北四大方位布局网点，形成“钻石结构”。其中，上海市是网络中的核心对外输出城市；重庆市则是核心输入城市，哈尔滨市成为四大城市群区域外唯一加入骨干网络的城市。3）电商快递物流网络的优势流具有明显的要素等级扩散效应。较之地理空间距离邻近的城市，优势流更倾向于在更广阔的空间范围内，连接中国经济和人口规模较大的、起止点处于同等级的城市。如图4，电商快递物流骨干网络的节点城市多为区域行政中心、经济中心城市，如武汉市和郑州市等。4）中国电子商务快递物流网络空间结构仍被胡焕庸线锁定。以胡焕庸线为界，界线东南区域有向边权重等级较高，快递线路数目较多，城市之间往来频繁。且东南区域空间极化明显，显示出强大物流辐散和聚集力度，界线西北部反之。
图4 中国电子商务快递物流网络空间结构

Fig.4 Spatial structure of China's e-commerce express logistics network

分等级看，第9等级有向边在第10等级基础上，延伸连接中国东部、东北部和西南部的城市节点，在上海—华北地区、上海－华南地区、广州－华北地区和广州－东北地区之间形成快递物流线路密集区。第8和第7等级有向边分布极为广泛，其中第8等级有向边方向指向性明显，多分布于中国西部－东部、东北－东部和西南－东部城市之间，中国外围边境城市之间联系较为薄弱。第7等级及以下线路无明显区域指向性和空间差异性，广泛分布于中国全境，其中权值等级最低的线路分布于中国边境城市之间、海岛城市与内陆城市之间，如黑龙江和新疆城市之间，海南省、台湾地区与中国大陆城市之间。

2.2.3　城市群内部电子商务快递物流关联

以长三角城市群、粤港澳大湾区城市群、京津冀城市群和成渝城市群为案例，从网络凝聚力、城市群发展均衡性和城市规模角度对比中国四大城市群内部的电子商务快递物流关联（图5）。从网络凝聚力看，长三角城市群电子商务快递物流网络凝聚力更强，其平均聚类系数最高，为0.987 5；粤港澳大湾区城市群电子商务快递物流网络凝聚力最低，其平均聚类系数为0.890 9，受制度和边界影响，香港特别行政区、澳门特别行政区与珠三角9市之间的快递物流联系目前仍较为薄弱。从发展均衡性角度看，长三角城市群电子商务快递物流发展较为均衡，呈现“上海带动、多点开花”的城市关联格局；京津冀城市群和成渝城市群对内部核心城市依赖性较强，如北京和天津、成都和重庆。但成渝城市群中，快递物流线路多局限于双核心城市之间，其他城市间快递物流关联普遍较弱，成都和重庆作为电商快递物流网络中的重要高输出型城市，对其地理邻近区域未产生明显溢出效应；而京津冀城市群中，北京、天津与其他城市亦存在较强快递物流关联。从发展规模角度看，长三角城市群电子商务快递物流网络平均点度数亦最高，为13 663，超出成渝城市群2.7倍，表明长三角城市群内部城市快递物流发展规模较高。
图5 中国主要城市群内部电子商务快递物流关联

Fig.5 The relationship pattern of e-commerce express logistics in China's major urban agglomeration

3 “流空间”理论视角下电子商务快递物流网络形成机理

卡斯特“流空间”理论在新自由主义框架下描述了基于网络逻辑的空间形式与社会新秩序（Castells, 1999）。20世纪80年代蔓延至今的以“信息化、全球化、网络化”为基本特征的新经济，遵循“流空间”理论形成一种总体性的社会秩序（闫婧，2019）。信息技术释放资本活力的同时会激发劳动潜能，处理和应用信息技术的能力成为经济活动参与者的关键竞争力；全球化强调经济行为的广泛性，从流通、消费甚至生产环节都分散至全球各地；网络化强调经济活动的多向组织、多重关联，以网络逻辑构建起一种新的经济结构。在“流空间”理论中，信息技术无限缩短时间，大规模组织起各类交易，试图克服时空阻碍达到全球经济活动的“即时性”，继而将所有贸易伙伴纳入全球网络中。该经济活动过程的最终表现为流网络中的全球经济和被流网络“绕过”的地方经济。
基于卡斯特“流空间”理论的网络逻辑，有助于理解信息技术与数字经济发展背景下中国电商快递物流网络的形成机理。电子商务快递物流这种现代化流要素的特殊性在于，其主要表现形式为城市间交通流，本质上受控于信息流的引导，是数字经济发展形成的实体交通流和虚拟信息流的结合，也是“流空间”虚实二元属性的典型代表。电子商务快递物流网络形成既遵循上述网络逻辑，同时又受制于流要素自身特性，表现出独特的“流空间”组织形式，其“流空间”形成过程可分为4个阶段（图6）。阶段一：在地理空间内，由于距离、技术因素等限制，空间流动性受到阻碍，传统零售市场和物流活动等局限在拥有特定行政边界的“场所空间”。阶段二：随着信息技术和电子商务产业发展，社会经济活动可通过互联网平台等实现组织和交易的“即时性”，以“时间换空间”的方式克服地理空间阻碍，空间流动潜能得以释放。信息流、资本流等流动因素开始支配“场所空间”的互动和变化，原本具有连续性、整体性的“场所空间”逐步分离并产生虚实“二元结构”。“场所空间”中市场信息互动频繁、电商交易和快递物流往来密切的空间地点被信息流和交通流等要素串联，同资本或权力等相结合在虚拟层面形成网络化的空间关联，“流空间”形态下新的空间关联模式便由此诞生。阶段三：城市间各类要素流动愈加密集，部分城市因强大的快递物流集散能力、物流中转效率等成为网络中核心节点。阶段四：“场所空间”中信息技术相对落后，电商产业发展水平低下和交通基础薄弱的空间地点因游离在网络之外而呈现“碎片化”特征。
图6 基于网络逻辑的“流空间”形成过程示意

Fig.6 Schematic diagram of the process of forming a space of flows based on network logic

首先，中国电子商务快递物流网络形成受城市群发展影响，对应阶段二，可以理解为，城市群的发展是促进“场所空间”分离的重要力量。PageRank量化结果表明，网络中重要程度最高的城市主要分布在长三角城市群、粤港澳大湾区城市群、京津冀城市群和成渝城市群内部。在上述城市群中，除制造业外，其主要竞争力还源于信息产业和服务业，其中以现代物流为代表的服务业具有深入所有行业的优势，成为城市群经济增长的新引擎。而城市群作为资金流、信息流、交通流和人口流等多元流要素汇集的“流体场”，在市场信息反馈、创新要素扩散、线上线下协同发展等方面具有一定技术优势；在快递物流配送、最后1 km服务等方面具有人力资源和交通优势。对于追求信息化、自动化、智能化的电商快递物流产业而言，城市群具有最大的发展潜能。
其次，受信息技术发展等影响，中国电子商务快递物流网络的形成对距离依赖性较弱，快递物流要素主要遵循等级扩散机制，这也符合阶段二中流要素倾向于同资本或权力相结合的特点。围绕人口流、交通流等各种流要素的城市网络研究表明，要素流动主要遵循邻近扩散机制，受距离影响较深（吴康 等，2015；魏冶 等，2018；王姣娥 等，2019）。而电子商务快递优势流交织形成的骨干网络，具有明显“钻石结构”形态，较之地理空间距离邻近的城市，优势流更倾向于连接同一层级的省会城市、区域经济或人口中心城市。“流空间”理论的提出以信息时代为背景，以“信息流”所塑造的流空间为典型。信息传播具有即时性，可在较短时间内覆盖广泛的空间范围，实现“以时间换空间”，促使空间不断压缩，距离的阻碍程度无限降低。在上述各类网络中，人口流的集散依赖于交通流，而交通流集散则依附于物理空间内的路网组织，受距离摩擦更强，因此人口流和交通流要素主要遵循邻近扩散机制。而电商快递物流是信息流、交通流等多种流要素的综合体，信息流的高效运行使商品信息在全国范围内实现“即时共享”，邻近区域城市与远方城市相比，并不具有较大的电商市场经济发展优势。且近年来中国快递不断提速，一般情况下，除新疆、西藏和青海等偏远地区外，中国多数城市可实现省内1~2 d送达，省外3~4 d送达。相对于“所差无几”的配送时间，消费者更倾向于在更广阔的市场范围内，寻求品种多样、价格合理、质量较高的商品（吴自强，2015；龚亚男 等，2021），导致具有信息技术优势、制造业和电商产业发展优势的城市往往是电子商务快递物流要素流动频繁的区域，也是阶段三网络中的核心城市。
最后，随着社会经济发展，居民消费水平不断提升，加之传统与新型基础设施的协力推动，中国电子商务快递物流网络覆盖范围较广，对应阶段四，“绝对碎片化”空间并未出现，“相对碎片化”空间较多。基于“流空间”网络逻辑，二元结构下的“碎片化”空间是网络之外的空间。对此有2种解释：1）被完全排除在网络之外，从未作为网络节点而存在的“绝对碎片化”空间；2）作为网络节点存在，但是在网络中相对其他城市参与程度较低，表现为连接的城市数量较少、联系边权较弱，可作为“相对碎片化”空间。网络密度分析结果显示，中国电子商务快递物流网络密度为0.927 0，接近于1，城市间快递物流线路整体上较为完整，无“绝对碎片化”空间出现。近10年间，中国数字经济实现了跨越式发展，居民生活水平和消费需求逐渐提升，政府亦出台多项政策推动交通路网、5G信号基站和大数据中心等传统与新型基础设施建设，促进快递物流服务提质增效。因此中国电商快递物流网络覆盖范围不断扩大，直至所有城市成为网络节点，消除了“绝对碎片化”空间的存在。同时，在辽宁、广西等部分省区出现了“相对碎片化”空间，结合随机森林分类结果，“相对碎片化”地区多为低规模输入区。从快递物流输出方向看，该类地区电子商务产业、制造业、现代物流业等发展水平不高，不具备对外大规模物流输出的产业基础；从输入方向看，受制于社会经济发展等因素，该区域居民购买力相对不高，网络零售消费需求不足。

4 结论与讨论

在“流空间”理论指导下，本研究利用中国智能物流骨干网数据构建中国电子商务快递物流网络，通过分析网络整体结构、边权特征和节点分布，刻画城市空间关联格局，明确城市重要性地位和物流功能分区，并基于“流空间”形成的网络逻辑探索数字经济发展背景下中国电商快递物流网络的形成机理。得到的主要结论为：
1）从节点维度，中国城市电商快递物流重要性的空间非均衡特征显著，以胡焕庸线为界，网络中重要性最高的城市分布在界线以东四大城市群内部。随机森林分类结果显示，快递物流外向输出型城市集中于浙江、江苏和广东三大省份，在东南沿海形成“电商快递物流输出带”；快递物流输入型城市主要分布在长江中游城市群、成渝城市群、华北和东北地区。澳门和台湾地区分别以小规模接收京津冀城市群、长三角城市群的快递物流输入为主，香港作为快递物流高平衡区在网络中承担着重要的物流集散功能。
2）从连边和整体网络维度，电子商务快递物流网络密度值为0.927 0，平均最小连边数为1.137 5，表明城市间快递物流线路较为完整，且网络具有小世界效应，要素流动效率较高。网络中的优势流以上海市、广州市、重庆市和北京市为核心形成“钻石结构”。
3）对比而言，长三角城市群电子商务快递物流网络凝聚力更强，且物流发展较为均衡；京津冀城市群和成渝城市群对内部核心城市依赖性较强；粤港澳大湾区城市群电子商务快递物流网络凝聚力最低，香港、澳门与珠三角9市之间的快递物流联系仍较为薄弱。
4）中国电子商务快递物流网络形成受城市群发展影响，并且在信息技术、传统与新型基础设施建设等推动下，网络对距离因素依赖性较弱，快递物流要素主要遵循等级扩散机制，较之空间距离邻近的城市，快递优势流更倾向于流向同一层级的省会城市、区域经济或人口中心城市。
本研究的主要贡献在于构建包含港澳台在内的中国全域电子商务快递物流网络，提升物流网络研究的完整性，揭示中国流体场内电子商务快递物流要素的流动规律和网络形成机理，对于丰富流空间理论，推动两岸、港澳物流协同发展和数字化转型具有重要意义。受限于数据量级较大、处理困难等原因，本研究暂未能获取多年份电子商务快递物流线路数据，未来将进一步提升数据处理能力、拓展网络量化分析方法，在中国电子商务快递物流网络时空演化机制等方面取得突破。

脚注

1 https://x56.1688.com/

李苑君：负责物流大数据处理、中国地图绘制和文稿写作；

吴旗韬：负责快递物流“流空间”理论总结，提供基金资助；

李苑庭：负责部分图集绘制、快递物流网络分析、论文格式调整和文本校正；

梁木新：负责图表英文标题、英文摘要的写作和校正；

武俊强：负责PageRank、随机森林、KPP-Pos机器学习算法的程序编译；

金双泉：提供数据处理指导和文本润色。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Akhavan M, Ghiara H, Mariotti I, and Sillig C. 2020. Logistics Global Network Connectivity and Its Determinants. A European City Network Analysis. Journal of Transport Geography, 82: 102624.

安頔，胡映洁，万勇. 2022. 中国城市信息流网络空间结构特征研究——基于降噪处理与有向网络分析方法. 世界地理研究，1-17.（2022-07-19）[2023-01-05]. http://kns.cnki.net/kcms/detail/31.1626.p.20220718.1534.002.html.

An Di, Hu Yingjie, and Wan Yong. 2022. Analysis on Characteristics of Urban Information Network Structure in China: A Method Based on Denoising and Directed Network. World Regional Studies, 1-17.（2022-07-19）[2023-01-05]. http://kns.cnki.net/kcms/detail/31.1626.p.20220718.1534.002.html.

Borgatti S P. 2006. Identifying Sets of Key Players in a Social Network. Computational & Mathematical Organization Theory, 12(1): 21-34.

Castells M. 1999. Grassrooting the Space of Flows. Urban Geography, 20(4): 294-302.

Doran D, and Fox A. 2016. Operationalizing Central Place and Central Flow Theory with Mobile Phone Data. Annals of Data Science, 3(1): 1-24.

方匡南，吴见彬，朱建平，谢邦昌. 2011. 随机森林方法研究综述. 统计与信息论坛，26（3）：32-38.

Fang Kuangnan, Wu Jianbin, Zhu Jianping, and Xie Bangchang. 2011. A Review of Technologies on Random Forests. Statistics＆Information Forum, 26(3): 32-38.

冯春，芶韩丹，杨玄，郭倩芸. 2020. 基于复杂网络理论的快递网络脆弱性分析. 交通运输工程与信息学报，18（1）：9-15.

Feng Chun, Gou Handan, Yang Xuan, and Guo Qianyun. 2020. A Vulnerability Analysis of the Express Network Based on Complex Network Theory. Journal of Transportation Engineering and Information, 18(1): 9-15.

冯树民. 2019. 交通复杂网络方法. 北京：人民交通出版社股份有限公司.

Feng Shumin. 2019. Traffic Complex Network Method. Beijing: China Communications Press Co., Ltd.

高鑫，孙峰华，李山，谢利娟. 2018. 渤海海峡跨海通道建设对环渤海陆路物流网络格局的影响. 经济地理，38（11）：141-149.

Gao Xin, Sun Fenghua, Li Shan, and Xie Lijuan. 2018. Influence of the Construction of the Bohai Strait Cross-Sea Channel to the Land Logistics Network Pattern in the Bohai Rim Region. Economic Geography, 38(11): 141-149.

Ghaffari-Nasab N, Ghazanfari M, and Teimoury E. 2015. Hub-And-Spoke Logistics Network Design for Third Party Logistics Service Providers. International Journal of Management Science and Engineering Management, 11(1): 49-61.

龚亚男，魏宗财，刘玉亭. 2021. 广州市保障房住区居民网购行为特征及其影响因素. 经济地理，41（4）：74-81.

Gong Yanan, Wei Zongcai, and Liu Yuting. 2021. Online Consumption Behavior Characteristics of the Affordable Housing Residents and Their Influencing Factors in Guangzhou. Economic Geography, 41(4): 74-81.

郭建科，喻铄琪. 2022. 中国沿海港口物流网络空间结构演化及其影响因素. 热带地理，42（10）：1640-1650.

Guo Jianke, and Yu Shuoqi. 2022. Evolution of the Spatial Structure of Coastal Port Logistics Network and Its Influencing Factors in China. Tropical Geography, 42(10): 1640-1650.

黄雨珊，李钢，金安楠，于悦. 2021. 社区化新零售末端物流网络的对接与优化——以深圳市盒马鲜生与菜鸟驿站为例. 地理研究，40（9）：2542-2557.

Huang Yushan, Li Gang, Jin Annan, and Yu Yue. 2021. Connection Modeling and Optimization Strategies of Terminal Logistics Network of Community-Oriented New Retail Stores: A Case Study of Freshippo Stores and Cainiao Stations in Shenzhen City. Geographical Research, 40(9): 2542-2557.

Kashiwagi K, Yamna E, and Arfa L. 2020. Growing Olive Oil Export and Intra-Industry Trade in Mediterranean Countries: Application of Gravity Model. Sustainability, 12(17): 7027.

柯文前，陆玉麒，陈伟，丁毅辉，杨青. 2016. 高速交通网络时空结构的阶段性演进及理论模型——以江苏省高速公路交通流网络为例. 地理学报，71（2）：281-292.

Ke Wenqian, Lu Yuqi, Chen Wei, Ding Yihui, and Yang Qing. 2016. Evolutionary Stages and Theoretical Model of High-Speed Traffic Network Spatio-Temporal Structure: A Case Study of Expressway Traffic Flow Network in Jiangsu Province. Acta Geographica Sinica, 71(2): 281-292.

李鲁奇，马学广. 2019. 基于运单数据的中国快递型物流网络格局、结构与功能——以宅急送为例. 地理科学，39（1）：89-97.

Li Luqi, and Ma Xueguang. 2019. Pattern, Structure and Function of China's Express Logistics Network Based on Waybill Data: A Case Study of ZJS Express. Scientia Geographica Sinica, 39(1): 89-97.

李苑君，吴旗韬，张玉玲，吴康敏，张虹鸥，金双泉. 2021. 中国三大城市群电子商务快递物流网络空间结构及其形成机制研究. 地理科学，41（8）：1398-1408.

Li Yuanjun, Wu Qitao, Zhang Yulin, Wu Kangmin, Zhang Hong'ou, and Jin Shuangquan. 2021. Spatial Structure and Formation Mechanism of E-Commerce Express Logistics Network in the Three Major Urban Agglomerations of China. Scientia Geographica Sinica, 41(8): 1398-1408.

刘荷，王健. 2014. 基于轴辐理论的区域物流网络构建及实证研究. 经济地理，34（2）：108-113.

Liu He, and Wang Jian. 2014. The Construction of Regional Logistics Networks and Its Empirical Research Based on Hub-and-Spoke Theory. Economic Geography, 34(2): 108-113.

倪玲霖，王姣娥，胡浩. 2012. 中国快递企业的空间组织研究——以顺丰速运为例. 经济地理，32（2）：82-88，159.

Ni Linglin, Wang Jiao'e, and Hu Hao. 2012. Spatial Organization of Express Delivery Enterprise in China: A Case Study of Shunfeng Express. Economic Geography, 32(2): 82-88, 159.

Prajapati D, Kumar M M, Pratap S, Chelladurai H, and Zuhair M. 2021. Sustainable Logistics Network Design for Delivery Operations with Time Horizons in B2B E-Commerce Platform. Logistics, 5(3): 61.

任梦瑶，肖作鹏，王缉宪. 2020. 中国城际专线物流网络空间格局. 地理学报，75（4）：820-832.

Ren Mengyao, Xiao Zuopeng, and Wang James J. 2020. Spatial Pattern of Intercity Less-Than-Truckload Logistics Networks in China. Acta Geographica Sinica, 75(4): 820-832.

沈丽珍，席广亮，秦萧，汪侠. 2018. 基于快递物流测度的区域流动空间特征——以江苏省为例. 人文地理，33（1）：102-108.

Shen Lizhen, Xi Guangliang, Qin Xiao, and Wang Xia. 2018. The Research on the Characteristics of the Regional Space of Flows Based on Measurement of the Express Logistic of Flows: A Case Study of Jiangsu Province. Human Geography, 33(1): 102-108.

唐承辉，马学广. 2020. 中国城市网络化物流联系空间格局与结构——基于快递网点数据的研究. 地理科学进展，39（11）：1809-1821.

Tang Chenghui, and Ma Xueguang. 2020. Spatial Pattern and Structure of Networked Logistics Connection of Cities in China Based on Express Logistics Branch Data. Progress in Geography, 39(11): 1809-1821.

Taylor P J, Hoyler M, and Verbruggen R. 2010. External Urban Relational Process: Introducing Central Flow Theory to Complement Central Place Theory. Urban Studies, 47(13): 2803-2818.

王成金. 2008. 中国物流企业的空间组织网络. 地理学报，63（2）：135-146.

Wang Chengjin. 2018. Spatial Organizational Network of Logistic Company in China. Acta Geographica Sinica, 63(2): 135-146.

王姣娥，杜德林，金凤君. 2019. 多元交通流视角下的空间级联系统比较与地理空间约束. 地理学报，74（12）：2482-2494.

Wang Jiao'e, Du Delin, and Jin Fengjun. 2019. Comparison of Spatial Structure and Linkage Systems and Geographic Constraints: A Perspective of Multiple Traffic Flows. Acta Geographica Sinica, 74(12): 2482-2494.

魏冶，修春亮，王绮，杨开先. 2018. 中国春运人口流动网络的富人俱乐部现象与不平衡性分析. 人文地理，33（2）：124-129.

Wei Ye, Xiu Chunliang, Wang Qi, and Yang Kaixian. 2018. Rich-Club Phenomenon and Disequilibrium of China's Population Flow Network during Spring Festival Travel Period. Human Geography, 33(2): 124-129.

吴康，方创琳，赵渺希. 2015. 中国城市网络的空间组织及其复杂性结构特征. 地理研究，34（4）：711-728.

Wu Kang, Fang Chuanglin, and Zhao Miaoxi. 2015. The Spatial Organization and Structure Complexity of Chinese Intercity Networks. Geographical Research, 34(4): 711-728.

吴自强. 2015. 生鲜农产品网购意愿影响因素的实证分析. 统计与决策，（20）：100-103.

Wu Ziqiang. 2015. An Empirical Analysis of the Factors Influencing the Willingness to Purchase Fresh Produce Online. Statistics & Decision, (20): 100-103.

伍景琼，贺海艳，苏娜，邓荣莉. 2019. 云南省水果产业空间格局及其物流网络设计. 经济地理，39（5）：135-142.

Wu Jingqiong, He Haiyan, Su Na, and Deng Rongli. 2019. The Spatial Pattern of Fruit Industry and Its Logistics Network Design in Yunnan Province. Economic Geography, 39(5): 135-142.

肖作鹏，王缉宪，孙永海. 2015. 网络零售对物流供应链的重组效应及其空间影响. 经济地理，35（12）：98-104.

Xiao Zuopeng, Wang Jixian, and Sun Yonghai. 2015. The Geographical Impact of E-Retailing and Supply Chain Reconfiguration. Economic Geography, 35(12): 98-104.

肖作鹏，邹海翔，孙永海. 2017. 利用货车GPS数据推演城市内部物流联系——以深圳市为例. 西部人居环境学刊，32（1）：9-15.

Xiao Zuopeng, Zou Haixiang, and Sun Yonghai. 2017. Using GPS Data to Visualize the Intra-City Freight Mobility: The Case of Shenzhen. Journal of Human Settlements in West China, 32(1): 9-15.

修春亮，孙平军，王绮. 2013. 沈阳市居住就业结构的地理空间和流空间分析. 地理学报，68（8）：1110-1118.

Xiu Chunliang, Sun Pingjun, and Wang Qi. 2013. Residence-Employment Structure Analysis on Spaces of Geography and Flows in Shenyang City. Acta Geographica Sinica, 68(8): 1110-1118.

闫婧. 2019. 曼纽尔·卡斯特“流动的空间”思想研究. 上海：学林出版社. [Yan Jing. 2019. Study of Manuel Castel's Idea of Space of Flows. Shanghai: Academia Press.]

Zhang Weili, Chong Zhaohui, Li Xiaojian, and Nie Guibo. 2020. Spatial Patterns and Determinant Factors of Population Flow Networks in China: Analysis on Tencent Location Big Data. Cities, 99(C):102640

甄峰，李哲睿，谢智敏. 2022. 基于人口流动的城市内部空间结构特征及其影响因素分析——以南京市为例. 地理研究，41（6）：1525-1539.

Zhen Feng, Li Zherui, and Xie Zhimin. 2022. Analysis of Urban Internal Spatial Structure Characteristics and Its Influencing Factors Based on Population Flow: A Case Study of Nanjing. Geographical Research, 41(6): 1525-1539.

中华人民共和国商务部. 2021.“十四五”电子商务发展规划.（2021-10-09）[2023-01-05]. http://dzsws.mofcom.gov.cn/ [Ministry of Commerce of the People's Republic. 2021. 14th Five-Year Plan (2021-2025) for E-Commerce Development. (2021-10-09）[2023-01-05]. http://dzsws.mofcom.gov.cn/.]

中华人民共和国商务部. 2022. 中国电子商务报告（2021）. （2022-11-16）[2022-11-16] http://www.mofcom.gov.cn.

Ministry of Commerce of the People's Republic. 2022. E-Commerce in China (2021). (2022-11-16) [2022-11-16]. http://www.mofcom.gov.cn.

周建平，刘程军，徐维祥，李露，周梦瑶，侯和宏. 2021. 电子商务背景下快递企业物流网络结构及自组织效应——以中通快递为例. 经济地理，41（2）：103-112.

Zhou Jianping, Liu Chengjun, Xu Weixiang, Li Lu, Zhou Mengyao, and Hou Hehong. 2021. Logistics Network Structure of Express Delivery Companies and Their Self-Organization Effect under the Background of E-Commerce: Taking ZTO Express as an Example. Economic Geography, 41(2): 103-112.

宗会明，吕瑞辉. 2020. 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. 世界地理研究，29（1）：130-139.

Zong Huiming, and Lyu Ruihui. 2020. Organization Network of Chinese Automobile Logistics and Its Influencing Factors from the Perspective of enterprises data. World Regional Studies, 29(1): 130-139.

Options
文章导航

/

〈 〉