“双十一”期间中国快递流通的时空结构与效率——基于时间地理学视角

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

李鲁奇¹^,², 孔翔¹^,²1. 华东师范大学中国现代城市研究中心,上海 200062
2. 华东师范大学城市与区域科学学院,上海 200241

The tempo-spatial structure and efficiency of China's express service during the "Double Eleven Shopping Carnival": A time-geographic approach

LI Luqi¹^,², KONG Xiang¹^,²1. The Center for Modern Chinese City Studies, East China Normal University, Shanghai 200062, China
2. School of Urban and Regional Science, East China Normal University, Shanghai 200241, China

收稿日期:2018-05-6修回日期:2019-03-11网络出版日期:2019-08-20

基金资助:

国家自然科学基金项目.41771156
中央高校基本科研业务费项目华东师范大学共享交叉基金（人文社会科学）项目.2019ECNU-GXJC002

Received:2018-05-6Revised:2019-03-11Online:2019-08-20
作者简介 About authors
李鲁奇（1991-）,男,山东宁阳人,博士研究生,主要研究方向为城市与区域空间结构、地理系统复杂性E-mail:liluqi@outlook.com。

摘要
“双十一”作为电商促销活动,其引致的短期高强度快递服务需求对快递业造成极大压力。借鉴时间地理学方法,基于宅急送公司2017年数据,对“双十一”期间中国快递流通的时空结构与效率进行分析。研究表明：快递流通整体上速度较快并由沿海向内陆扩散,在空间结构上各地区快递主要来自其内部和华东地区,在时间结构上绝大多数快递在2~5 d左右即可完成全部配送流程,且耗时主要集中于运输环节。此外,取件、离开、派送活动仍保持原有周期性,但在1 d内的时间分配趋于均衡;路径束主要呈水滴状、分段式形态,快递压力集中于少数枢纽城市,快递处理能力则呈现分层特征。
关键词： “双十一”购物狂欢节;光棍节;快递;时空结构;时空效率;时间地理学

Abstract

The "Double Eleven" was shaped as an e-commerce promotion activity ("Double Eleven Shopping Carnival") in 2009. Since that, its turnover has grown rapidly. However, the sharply increased logistics service demand during this period has also exerts great pressure on China's logistics industry. Based on the methods of time-geography and data from ZJS Express, this paper makes a preliminary analysis of the tempo-spatial structure and efficiency of China's logistics service during the Double Eleven Shopping Carnival. The main conclusions are as follows. (1) In terms of the overall tempo-spatial pattern, the express circulation during the period of the Double Eleven is relatively fast and the delay is not observed at the large scale. Moreover, regions in the east have higher volume of express compared with central and northeast China, with the packages spreading from the east to the west and the northeast via the capital city in each province. (2) In terms of spatial structure, there are two major sources of expresses in each region: the short-distance and medium-distance expresses mainly come from the inside of the regions, while long-distance expresses mainly come from East China. This suggests that East China is at the core of e-commerce development and logistics services, thus has the significant function of extrovert service. (3) In terms of time structure, the majority of expresses during the period of Double Eleven are transport-dominated, with a few are warehouse-dominated and delivery-dominated. Specially, the weak transport-dominated expresses account for 73.34% of the total amount, whose average time consumption of 3 major links (i.e. warehouse, transport and delivery) are 0.505, 1.252, and 0.303, respectively. This suggests that most expresses can complete the entire distribution process in about 2 days. (4) In terms of the activity patterns, the time distribution regularities of 3 major activities (i.e. pickup, leave and delivery) are disturbed by the logistics pressure during the study period. Under the pressure, the time proportion of these activities tends to be balanced in each day. However, all the activities still maintain their original periodicity. (5) The bundle of each logistics node has drop-like and segmented features. And the processing capacity of each city presents a layered feature, which is basically in line with the level of each city in the node hierarchy. The innovation of this paper is to introduce the basic methods of time-geography into the analysis of the Double Eleven Shopping Carnival.

Keywords：Double Eleven Shopping Carnival;Single's Day;express;tempo-spatial structure;tempo-spatial efficiency;time-geography

PDF (12074KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
李鲁奇, 孔翔. “双十一”期间中国快递流通的时空结构与效率——基于时间地理学视角. 地理研究[J], 2019, 38(8): 1891-1904 doi:10.11821/dlyj020180463
LI Luqi. The tempo-spatial structure and efficiency of China's express service during the "Double Eleven Shopping Carnival": A time-geographic approach. Geographical Research[J], 2019, 38(8): 1891-1904 doi:10.11821/dlyj020180463

1 引言

“双十一”作为“光棍节”起源于20世纪90年代末,并伴随网络的普及,成为青年宣泄情绪和建立认同^[1]的节日。2009年,淘宝网将其塑造为电商促销活动,命名为“双十一购物狂欢节”,并受到越来越多消费者的关注。2017年“双十一”期间,淘宝天猫网成交额高达1682亿元,全天订单数达8.12亿,这对全国快递服务体系造成极大压力。

“双十一”的相关研究多集中于传播学、经济学、物流管理等领域。例如传播学等人文****多将其视为消费社会伪造的需求神话以及商业资本与大众媒体合谋的产物^[1,2];而经济学家则更多关注电商经营模式、消费者行为等,研究主要涉及网购顾客满意度评价^[3]、消费者从众效应^[4]等;物流研究人员主要关注由此形成的快递流通应对举措等^[5]。

地理学家也曾关注类似的短期高强度人口流动现象。例如,旅游地理研究者重点关注了不同案例地客流的季节性特征^[6],其中不仅涉及月度差异^[7,8],也曾重点分析在“五一”“十一”等旅游“黄金周”的客流变化规律^[9];在交通或人口地理领域,国外研究较多关注季节性人口迁移的特征、动因与影响^[10],国内研究则对春运时期的人口流动特征和城市网络结构等关注较多^[11,12]。物流作为流动空间的组成部分,也是地理学的重要研究对象,相关研究主要涉及如下方面：一是基于多种数据和方法对物流业的空间格局进行分析,典型的如物流企业的空间组织网络^[13,14,15]、物流热度的空间格局^[16]、快递物流水平与连接度评价^[17]等;二是依托交通地理研究,分析航空货运^[18]、多式联运^[19]等货运交通网络的格局与可达性等;此外,港口物流发展的协调性^[20]、物流投资规划与决策^[21]等亦受到广泛关注。

值得指出的是,地理学家对“双十一”这类短期高强度快递流通现象关注不够,其他学科也较少就此开展定量实证研究。然而,2009—2017年,“双十一”成交额以175.97%的年均增长率迅速攀升,并引致了“双十二”等类似活动。可以预见,“双十一”及类似促销活动必将在规模、频率上持续增加,并给中国的快递服务体系造成更大压力。由此,刻画“双十一”期间快递流通的时空结构与效率,将有助于把握快递系统应对短期高强度输入的反应,从而为优化快递物流空间格局、有效调整电商经营策略提供有益的借鉴。为此,本文主要借鉴时间地理学方法,以宅急送公司为主要研究案例,对2017年“双十一”期间中国快递流通的时空结构与效率进行初步探讨。创新点主要在于将时间地理学引入对“双十一”这一新兴快递流通现象的分析。

2 研究方法与数据来源

快递流通有明确的时空轨迹,而传统方法较难把握这一连续的时空运动;同时“双十一”持续时间较短,快递从发货到签收多在几天内完成,一天中快递运送状态常发生多次变化,这需要从极小的时间尺度出发进行分析;此外,“双十一”期间快递业务量急剧增加,运送时效性问题更为突出,这需要进一步整合时空维度,探讨特定节点在特定时间的快递通过量和处理能力。时间地理学长于对连续时空过程的研究,对短时间尺度问题有较好的分析效果,同时组合制约、路径束等概念也适合分析快递在仓储、运输等方面面临的压力,故本研究将时间地理学引入对“双十一”期间快递问题的分析中。不过,快递与人存在本质区别,因此有必要基于快递流通的时空特点分析时间地理学相关概念的适用性。

2.1 时间地理学视角下的快递流通

时间地理学在20世纪60年代后期由哈格斯特朗提出^[22],主要强调微观个体行为的时空间利用及制约,基本概念包括时空路径、路径束、时空棱柱、制约、企划^[23]等,多应用于社区居民出行、居住迁移等方面的研究。例如,Shen等基于GPS数据,从时间、空间、模式、路线等方面对北京居民一周通勤行为的灵活性进行了时间地理学分析^[24];古杰等基于个体生命历程刻画了广州市居民居住迁移的时空路径,并归纳了迁移的主要原因^[25];Chen等基于ArcGIS平台开发了活动模式分析模块,并结合北京居民活动数据进行了演示^[26]。当然,时间地理学也曾被借鉴到对其他流动要素的分析中。例如Long等将其应用于野生动物活动范围的估计^[27];戚铭尧等据此设计了一种求解车辆路径问题的算法^[28];胡继华等基于公交的时空路径提出了一种时间可靠性的评价方法,并基于广州数据进行了实例计算^[29]。但总的看来,时间地理学源于对人的行为的关注,目前仍较少应用于分析无生命、无能动性的时空过程对象,虽然后者同样可能是具有时空特征的地理要素。其中,基于已搜集到的文献,尚未有****就快递物流进行专门的时间地理学分析。然而,快递具有明确的时空轨迹,同样可引入时间地理学方法,并发现传统方法难以识别的过程和特征。但快递配送的对象是物而非具有能动性的人,其过程也包含分拣、仓储、派送等固定环节,因此,适用于快递研究的时间地理学方法与传统研究相比可能存在差异。

时空路径是指时间和空间中各类活动所构成的轨迹。快递的时空路径（图1a）同居民的相比主要呈现以下特征：① 活动类型较为固定,主要包含仓储、运输、派送3个主要环节;② 空间路线较为固定,主要依托轴辐式拓扑结构,发货地和收货地相同的快递在路线上基本一致;③ 时间上并无固定上限（如24 h）,不同快递总耗时差异明显,表现在时空路径上高低不一;④ 除了返货等异常情况,由于没有家等原点,时空路径在时间-距离二维平面上的投影并非与时间轴形成封闭图形^[26],而是呈现为开放、单向、阶梯状连续线段。

图1

新窗口打开|下载原图ZIP|生成PPT
图1快递的时空路径与路径束

Fig. 1Space-time path and bundle of express

人的时空位移主要受能力、组合和权威制约^[22]的影响,但对快递来说,能力和组合制约的意义更为明显。其能力制约主要体现在：① 客户方面,受作息时间影响,取件和派送通常集中于白天,同时客户对配送速度的期望、选择的服务类型（如“当日配”“次日配”等）也使快递公司须在一定时间内完成配送过程;② 员工方面,工作时间和效率等约束也直接影响配送各环节的时间和效率;③ 交通方面,交通工具的类型、数量、装载量、空载率等因素以及路线安排、道路交通条件等也直接影响运输速度;④ 仓储方面,仓库的数量、容量、分拣能力、空间分布等直接影响快递处理速度;⑤ 快递企业的经营成本和利润率直接制约设备、人员等要素的投入,进而影响快递配送的时空过程。由于快递配送需与两端的客户联系并考虑规模效益,因而组合制约同样贯穿各个环节,主要表现在：① 在取件和派送中,员工须同客户在时空中发生直接互动;② 在分拣和仓储中,须在各个级别的网点内进行集中处理;③ 在运输中,须将经过同一区间的快递进行批量装车和运输,以降低空载率、提高规模效益。在权威制约方面,快递对象作为物,受社会规范等因素的影响较小,但快递网点的性质（直营或加盟）、企业的管理体制等均直接制约快递服务效率。

在此背景下,快递处理能力同快递时空组合之间的矛盾突出体现为“双十一”期间的“爆仓”问题,即由于大量快递在同一时间和地点进行分拣并超出仓库的处理能力而导致的严重滞留现象。在此可借助路径束概念^[22]（图1b）,统计时空路径在特定时空单元内的组合数量,以分析各节点快递压力水平及其变化情况。

此外,时间地理学也涉及企划、时空棱柱、时空可达性等概念,但快递流通的对象为物,缺乏规划决策能力,时间地理学所擅长的个体可达性（相对于地点可达性^[28]）分析价值并不明显。因此基于现有数据和方法,本文将重点分析快递流通的时空结构与效率,前者主要刻画其时空结构特征,后者则借助时间节奏、路径束等方法探讨业务量骤增对快递系统所造成的压力。

2.2 研究区概况与数据来源

为分析全国城市间快递流通的整体时空格局,选取除香港特别行政区、澳门特别行政区、台湾省以外的大陆地区336个行政单元,包括4个直辖市以及332个地级市、地区、自治州、盟和部分省直管的县级行政区。

在研究对象上,“双十一”主要涉及面向个人消费者的小件物流,故本研究仅关注快递而不涉及企业间的原料、产品运输等物流形式。快递数据来自宅急送公司。该公司成立于1994年并于2007年进入快递行业,截至2017年已在全国设立10大物流基地、24个运转中心、233个分拨中心或分拨站,包括加盟商在内共9683个网点,覆盖全部直辖市、省会城市和98%的地级市,在结构上能较好反映全国快递流通格局。2012年,宅急送确立了“全面进军淘宝”的战略,将电商平台业务作为主营方向,能较好反映电商促销活动对快递体系的影响。删除数据中存在返货、信息不完整等异常情况的快递后,共得到105043件快递所对应的994877条流转信息,包含日期、时间、进度等字段,发货时间为2017年11月1—30日。基于发货量的变化趋势并考虑发货的滞后性,将11月11—13日发货的快递定义为“双十一”期间的快递。在样本数据中,该时期发货量为49180,占当月比例高达46.82%。据此可提取快递配送各阶段的时间和空间信息,并以城市为节点构建快递的时空路径。

3 快递配送的时空格局与结构

3.1 时空整体格局

为整体刻画快递流通的时空组合特征,以11月11—13日发货的快递为基础,分别计算各城市10 d内每日流通的快递总量（图2）。11月11日流通量较高的城市高度集中于沿海地区,尤其是华北和华东。其中,淘宝村和小商品批发较为发达的浙江金华在样本数据中当日流通量为276件,居全国首位;而人口较密集或电商较发达的临沂、厦门、宁波、台州等城市流通量也居前位。11月12日出现向中部和东北地区扩散的趋势,其中武汉、郑州、贵阳以及哈尔滨、长春等省会城市快递量分别为446件、299件、206件以及205件、173件,均居各省首位。这表明在中部和东北地区,省会城市在区域快递流通中发挥枢纽作用,这同快递网络的轴辐结构相对应。11月13日中部和部分东部城市快递量均有所降低,但北京迅速攀升至609件,达到10 d内全部城市的快递量峰值。通过对该阶段全部快递的发出、中转和收货城市进行汇总,可发现北京是全国第二大中转城市（中转总量为5258件）和第一大收货城市（收货总量为2683件）,故迅速叠加了大量快递。11月14日后,扩散和均衡化趋势更为明显,各城市方差由13日的52.94持续降低至17日的3.17;流通中的快递量自13日后也大致以每日折半的速率迅速降低。总体上看,快递流通呈现以下时空特征：一方面流转速度较快,截至15日和20日分别有82.15%和99.32%的快递到达收货城市,而未出现大规模、长时段的爆仓现象;另一方面高度集聚,同时由沿海向中部和东北等地区的不均衡扩散效应明显,省会城市则在这一过程中发挥枢纽作用。

图2

新窗口打开|下载原图ZIP|生成PPT
图22017年“双十一”期间快递时空整体格局

注：该图基于国家测绘地理信息局标准地图服务系统的标准底图（审图号：GS（2016）2892）制作,底图无修改。
Fig. 2Tempo-spatial pattern of express during the "Double Eleven Shopping Carnival" in 2017

3.2 空间结构聚类

“双十一”期间快递配送的空间结构受电商空间集聚、消费者分布和购物决策等多种因素的影响,呈现明显的不均衡特征。为分析快递流通的主要趋势,依据发货地坐标、收货地坐标和总运输距离三个指标进行聚类分析,并计算聚类中心的起始点和方向,据此可划分出华东→华北聚类、华北聚类、华东→华南聚类、华南聚类、华东→西北聚类以及西北聚类（图3）。

图3

新窗口打开|下载原图ZIP|生成PPT
图32017年“双十一”期间快递空间结构聚类

注：该图基于国家测绘地理信息局标准地图服务系统的标准底图（审图号：GS（2016）2892）制作,底图无修改。
Fig. 3Spatial structure clusters of express during the "Double Eleven Shopping Carnival" in 2017

其中,华北聚类因覆盖了中国人口较为密集的河南、山东等地区,快递数量达2464件,占快递总数的32.60%,居各聚类首位;华东→华北聚类、华东→华南聚类、华南聚类快递数量较为均衡,分别为1691件、1499件、1656件;而以西北地区为主要收货地的西北聚类和华东→西北聚类快递数量仅为193件和56件。这表明快递流通格局深受市场影响,呈现一定的人口指向性特征。此外,从总运输距离上看,快递在整体上以中近距离为主,其中17.90%为同城快递,这是由于它具有距离短、运送快的优点,故在电商发达、供给充足的城市受到消费者欢迎。同时61.82%的快递总距离均在1000 km以下。其中,华北聚类、华南聚类、西北聚类中快递平均配送距离分别为318.59 km、262.89 km、252.17 km,主要集中于各区域内部;而华东→华北聚类和华东→华南聚类平均距离为1537.16 km和1447.77 km,华东→西北聚类则高达3397.51 km。基于这一结果,结合各区域间快递流通总量（表1）,可发现以长江三角洲为核心的华东地区是全国快递网络中承担重要外向服务功能的核心区;而华北、华南等地区的电商则主要服务于区域内市场。换言之,在“双十一”期间,各区域快递主要有两个来源,其一是各区域内部,其二是电商和交通较发达的华东地区。

Tab. 1
表1
表12017年“双十一”期间样本数据中全国各区域间快递流量
Tab. 1Express flow among regions in the sample data during the "Double Eleven Shopping Carnival" in 2017

发货区域	收货区域快递签收数量(件)
发货区域	华东	华中	华南	华北	东北	西北	西南
华东	2368	541	355	926	154	134	160
华中	11	2767	187	21	3	8	7
华南	15	16	417	26	5	15	19
华北	14	19	9	861	19	11	11
东北	7	1	1	23	1211	1	1
西北	12	11	4	2	1	649	5
西南	2	2	5	1	1	0	553

新窗口打开|下载CSV

3.3 时间结构聚类

快递的配送过程主要包含仓储、运输、派送3个环节。受配送路线、分拣效率、仓储能力以及各种随机因素的影响,不同快递在3个环节上的时间分配上也存在明显差异。为分析这一差异,基于总仓储、运输和派送时间指标进行聚类（表2）,并计算各聚类中不同环节耗时所占比例（图4）,据此可划分出仓储主导型、强运输主导型、弱运输主导型、派送主导型,平均总耗时分别为10.51 d、5.65 d、2.06 d、10.12 d。在仓储和派送主导型中,两环节耗时占比分别高达76.16%和70.58%,但快递数仅为162件和109件,二者合计仅占全部快递的3.66%。相比之下,绝大多数快递为运输主导型,根据运输耗时的差异,可进一步区分为强运输主导型和弱运输主导型,前者运输耗时占比为76.50%,平均值为4.32 d,而后者运输耗时占比60.78%,平均值仅为1.25 d;从数量上看,前者为1701件,占快递总数的23.00%,后者为5424件,占总数的73.34%。这表明,尽管少数快递在仓储或派送中出现滞留现象,但绝大多数快递约在2~5 d左右即可完成全部配送流程,且耗时主要集中于运输环节。因此,在一系列应急管理措施下,“双十一”期间宅急送公司快递配送整体状况良好,并未出现大规模“爆仓”现象。

图4

新窗口打开|下载原图ZIP|生成PPT
图42017年“双十一”期间快递时间结构聚类

Fig. 4Temporal structure clusters of express during the "Double Eleven Shopping Carnival" in 2017

Tab. 2
表2
表22017年“双十一”期间快递时间结构各聚类的基本指标
Tab. 2Indicators of temporal structure clusters of express during the "Double Eleven Shopping Carnival" in 2017

聚类	个案数（个）	平均仓储耗时(d)	平均运输耗时(d)	平均派送耗时(d)
仓储主导型	162	8.007	2.275	0.231
强运输主导型	1701	0.993	4.323	0.335
弱运输主导型	5424	0.505	1.252	0.303
派送主导型	109	0.742	2.235	7.143

新窗口打开|下载CSV

4 快递配送的时空效率演变

“双十一”期间骤增的快递服务需求除影响快递流通的时空结构外,也对其时空效率产生更明显的冲击。这突出地体现在两方面,一是快递公司为提高配送效率、应对快递压力而对人员、设备等要素的重新配置和对工作流程的优化,这可从各项活动的时间变化中反映出来;二是快递的大量流入对各节点所造成的压力,这可借助路径束进行分析。

4.1 快递配送活动的时间节奏变化

时间节奏主要用于分析各类活动在时间轴上的分配情况及其规律^[30]。快递配送的主要环节包括仓储、运输和派送,相对应的活动主要为取件、到达（网点）、离开（网点）、（开始）派送、签收等,其中,取件、离开、派送是下一环节的开端,带有一定的时间规划特征,而到达和签收则是上一环节的结果,其时间取决于运输和派送环节的具体情况。因此,该部分主要基于取件、离开、派送三类活动,比较11月1—10日与11月11—20日两阶段的时间分配特征（图5）。

图5

新窗口打开|下载原图ZIP|生成PPT
图52017年“双十一”期间两阶段时间节奏比较

Fig. 5Comparison of the activity pattern between two phases during the "Double Eleven Shopping Carnival" in 2017

第一阶段各类活动的时间分布较为规律,其中取件主要集中于每日18:00前后,离开主要集中于夜间,派送则主要集中于12:00前后。但第二阶段这种规律性受到一定扰动。一方面,取件活动在11月11日8:00—24:00间迅速增加,其占比在11月11日14:00—15:00间达到峰值70.29%;同时其时间跨度也明显增加,甚至延伸至11月11日夜间和12日凌晨,表明快递公司通过延长工作时间应对分拣压力。另一方面,由于“双十一”后快递系统高负荷运转,各类活动在不同时间段内的占比趋于均衡。其中,离开活动在9:00-17:00间占比明显提高,呈全天候运行模式,尤其在11月11—17日间,离开活动在全天所占比例整体上维持在40%以上,其他活动则被压缩。不过,取件和派送仍主要集中于白天,尤其是18:00和12:00前后,这是由于二者需同客户相联系,受到组合制约和客户作息时间的能力制约。

为精确比较两阶段各活动时间节奏的周期性规律,借助Matlab软件分别对两时期三类活动的时间占比进行拟合。为使参数意义清晰并便于比较,拟合公式统一确定为：

（1）

X_{t} = A_{1} \times s in (ω_{1} t + θ_{1}) + A_{2} \times \sin (ω_{2} t + θ_{2})

式中：变量X_t表示t时刻各活动占比;A₁和A₂为振幅;ω₁和ω₂为角频率;θ₁、θ₂为初相位。

从结果上看（表3）,两阶段各类活动的角频率ω基本一致,峰值所在时刻也基本保持固定。这表明尽管面临巨大的业务压力,但“双十一”期间的快递配送活动仍受员工工作时间、车辆和道路条件变化、客户作息等方面的能力和组合制约,在日间呈现原有的周期性变化规律。不过,各类活动的振幅A₂在第二阶段均明显降低,进一步表明在快递压力下各类活动的时间分配趋于均衡化。

Tab. 3
表3
表32017年“双十一”期间两阶段各活动占比拟合结果
Tab. 3Fitting of activity proportions in two phases during the "Double Eleven Shopping Carnival" in 2017

时间段	系数	取件	离开	派送
11月1 —10日	A₁	3.429	0.6164	0.2472
	ω₁	0.0002166	0.004713	0.006543
	θ₁	3.056	0.8768	0.5408
	A₂	0.2176	0.3983	0.3081
	ω₂	0.2596	0.2608	0.2612
	θ₂	-2.647	1.211	-1.405
11月11 —20日	A₁	4.146	0.6455	0.261
	ω₁	0.0001876	0.003188	0.007114
	θ₁	3.081	1.158	0.2906
	A₂	0.1461	0.3318	0.2288
	ω₂	0.2611	0.2625	0.2607
	θ₂	-2.831	0.7518	-1.767

注：第一阶段拟合优度分别为0.41、0.74、0.70;第二阶段拟合优度分别为0.39、0.78、0.65。

新窗口打开|下载CSV

4.2 节点仓储压力的路径束分析

除对各环节耗时的影响外,“双十一”对快递系统的扰动更突出地体现于各节点快递流通量的变化。即使“爆仓”现象在近年来有所缓解,但物流节点作为快递的集散地,仍将承受巨大的分拣、仓储等压力。因此,该部分将借鉴路径束概念分析节点压力的时空演变。

基于11月11日后快递在各城市的到达和离开情况,以小时为单位计算城市i在t时段内的快递数量R_it：

（2）

R_{it} = R_{i, t - 1} + R_{it}^{in} - R_{it}^{ou t}

式中：R_i_,_t_-1为上一时段的快递量;

R_{it}^{in}

、

R_{it}^{out}

分别为t时段内流入和流出的快递量。

基于计算结果分级绘制路径束,并标示其在二维空间中的投影（图6）。在时空形态上,各节点压力主要集中于11月11—20日间;路径束整体上呈水滴状分布,表明快递流入时间较为集中,但需经分拣、仓储等流程逐步消化;在部分城市,路径束也呈分段特征,表明快递流入量呈波浪式变化,而非集中于同一时段。此外,第一级别主要集中于长三角、珠三角和华北等地区,其中上海、无锡、北京、东莞第一级路径束总时长分别为41 h、28 h、19 h、13 h,位于各城市前列,且均在11月15日3:00之前。而随着级别的降低,路径束在空间上开始扩展至其他区域枢纽城市和更低一级的城市,在时间上也向后延伸。这说明快递压力主要集中于枢纽城市和发货后几日内,此后在时空上逐渐分散。

图6

新窗口打开|下载原图ZIP|生成PPT
图62017年“双十一”期间各城市路径束的时空形态

注：该图基于国家测绘地理信息局标准地图服务系统的标准底图（审图号：GS（2016）2892）制作,底图无修改。
Fig. 6Tempo-spatial pattern of bundles in each city during the "Double Eleven Shopping Carnival" in 2017

尽管主要枢纽城市通常面临更大的快递压力,但它们也常常具有更便利的交通条件、更先进的分拣设备、更发达的仓储设施等,而级别较低的节点因缺乏这些条件,可能在处理相对较小批量的快递时也面临较大压力。为综合分析城市的快递处理能力,本文将其定义为：

（3）

C_{i} = \max \{\frac{V_{i 1}}{L_{i 1}}, \frac{V_{i 2}}{L_{i 2}}, ?, \frac{V_{ij}}{L_{ij}}\} \times \sum_{j} V_{ij}

式中：C_i为城市i的快递处理能力,由于路径束在各节点通常是分段的,段间的空白表示上一批次滞留的快递已全部处理完成,因此应基于各段的处理速度而非全部快递的平均处理速度进行计算;V_ij为第j段的快递量或体积,即该段内各小时快递量之和;L_ij为该段的总时长或高度;

\max \{\frac{V_{i 1}}{L_{i 1}}, \frac{V_{i 2}}{L_{i 2}}, ?, \frac{V_{ij}}{L_{ij}}\}

即为该城市的最快处理速度,由于它只能反映局部特征,故以该城市路径束总体积为权重,计算最终的快递处理能力指标并进行标准化。

总体上看,处理能力较强的城市主要为各区域中心城市（表4）。在前20位城市中,共有上海、北京等7个城市设有物流基地（宅急送共有10大物流基地）,8个城市设有运转中心（宅急送共有24个运转中心）。对存在物流基地和运转中心的城市分别赋值2和1,其余城市赋值为0,计算得到城市级别得分与处理能力间的相关系数为0.39,并在0.01水平上显著,表明二者存在一定关联性。其中,无锡、上海、北京、东莞远高于其他城市,存在快递滞留的非空闲时间均在400 h以上,路径束总体积也均在6000以上,表明它们在“双十一”期间快递处理能力很强。从空间上看,前20位城市广泛分布于华东、华南、东北、西南等地区,多为区域轴辐系统的轴心,除前4位城市明显高于其他城市外,其余城市的处理能力整体上均匀递减。这表明各节点处理能力存在明显的分层特征,同节点本身的层级分化有明显联系。此外,部分城市的处理能力与快递总量并不完全相称,如上海、郑州、武汉、广州、青岛等城市路径束总体积均处于较高水平,但处理能力仍有待进一步提高。

Tab. 4
表4
表42017年“双十一”期间处理能力前20位的城市节点
Tab. 4Top 20 cities of the highest processing capacity during the "Double Eleven Shopping Carnival" in 2017

位序	城市	处理能力	路径束总体积	非空闲时长(h)	位序	城市	处理能力	路径束总体积	非空闲时长(h)
1	无锡	1.000	7360	483	11	广州	0.098	3631	429
2	上海	0.869	11283	464	12	青岛	0.087	3298	396
3	北京	0.592	8752	410	13	西安	0.085	1962	155
4	东莞	0.315	6400	414	14	深圳	0.085	2351	207
5	潍坊	0.177	2848	148	15	成都	0.081	1398	172
6	郑州	0.168	4765	427	16	太原	0.072	1860	172
7	黔西南	0.166	860	19	17	南京	0.071	2046	186
8	武汉	0.162	3424	229	18	江门	0.069	587	114
9	济南	0.123	2560	169	19	揭阳	0.069	2496	286
10	汕头	0.110	1058	182	20	哈尔滨	0.067	2072	211

新窗口打开|下载CSV

5 结论与讨论

“双十一”电商促销活动对快递业造成极大压力。本文借鉴时间地理学的基本方法,基于宅急送公司数据,对该时期中国快递流通的时空结构和效率进行了初步分析,结论如下：

（1）在时空整体格局上,“双十一”期间快递流通速度较快,未出现大规模的爆仓现象;同时东部地区在快递流通量上明显高于中部和东北等地区,且向后者的扩散过程明显,而省会城市在这一过程中发挥明显的枢纽作用。

（2）在空间结构上,各区域快递主要有两大来源：中近距离主要来自本区域内部,中长距离主要来自华东地区。这表明华东地区电商和物流发展水平较高,承担全国范围内的外向服务功能。

（3）在时间结构上,“双十一”期间的快递主要为运输主导型,少数为仓储或派送主导型。其中,弱运输主导型占全部快递的73.34%,其仓储、运输、派送三环节平均耗时分别为0.505 d、1.252 d、0.303 d,表明绝大多数快递在2 d左右即可完成全部配送流程。

（4）在时间节奏上,取件、离开、派送三类活动时间分配的规律性受到“双十一”期间快递压力的扰动,在物流系统的高负荷运转下,各类活动在1 d内的时间分配趋于均衡,尤其是离开活动在9:00—17:00之间所占比例明显提高。但从整体上看,各类活动仍保持原有的周期性,峰值所在时刻基本保持固定。

（5）各节点的路径束整体上呈水滴状、分段式特征,主要在11月11—20日间承受较大压力,并主要集中于各枢纽城市。同时各城市快递处理能力呈现分层特征,同网点自身级别基本一致。

基于以上结论,快递企业应尤其重视高等级枢纽服务能力的优化,并着眼于将“双十一”期间的应急管理转变为长效机制。而电商应高度关注本地市场,通过调整产品种类、实行折扣等方式进一步扩大区域内销售额。此外,基于本文思路,任何具有时间特征的流（如信息传播、企业扩张等）均可运用时间地理学方法进行刻画,这为拓宽其研究领域打开了思路。在下一步研究中,将进一步结合全国网点拓扑结构、交通工具分配及空载率、业务需求量预测等数据和方法,探讨“双十一”期间组织结构和作业流程的优化策略。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

郑姝莉 . 由“光棍节”至“购物节”: “双十一”在中国的文化传记
中国青年研究, 2017, ( 5):22-29.

[本文引用: 2]

[ Zheng

Shuli

. From "Singles Day" to shopping carnival: Cultural biography of "Double Eleven" in China
China Youth Study, 2017, ( 5):22-29.]

[本文引用: 2]

[2]

吕欣 . 需求神话与赛博空间合力共谋的消费社会陷阱: “双十一光棍节”盛行背后的文化解读
现代传播, 2014,36(12):17-19.

[本文引用: 1]

[ Lu

Xin

. Consumer society trap conspired by demand myth and cyberspace: Cultural interpretation of the prevalence of "Double Eleven Singles Day"
Modern Communication, 2014,36(12):17-19.]

[本文引用: 1]

[3]

王旭, 杨福军 . “双十一”期间网购顾客满意度研究
云南财经大学学报, 2017,33(3):147-160.

[本文引用: 1]

[ Wang

, Yang

Fujun

. Research on the satisfaction of online customers during the "Double Eleven Shopping Carnival"
Journal of Yunnan University of Finance and Economics, 2017,33(3):147-160.]

[本文引用: 1]

[4]

习明明, 朱丽萌 . 消费者行为与从众效应: 来自“双十一”网购的证据
当代财经, 2016, ( 7):3-13.

[本文引用: 1]

[ Xi

Mingming

, Zhu

Limeng

. Consumer behavior and bandwagon effect: Evidence from "Double Eleven" online shopping
Contemporary Finance and Economics, 2016, ( 7):3-13.]

[本文引用: 1]

[5]

李隽波, 谢奇洁 . 谈如何缓解“双十一”物流曲棍球棒效应
对外经贸实务, 2014, ( 4):89-91.

[本文引用: 1]

[ Li

Juanbo

, Xie

Qijie

. How to alleviate the logistics hockey stick effect of "Double Eleven"
Practice in Foreign Economic Relations and Trade, 2014, ( 4):89-91.]

[本文引用: 1]

[6]

Cuccia

, Rizzo

. Tourism seasonality in cultural destinations: Empirical evidence from Sicily
Tourism Management, 2011,32(3):589-595.

[本文引用: 1]

[7]

Lim

, McAleer

. Monthly seasonal variations: Asian tourism to Australia
Annals of Tourism Research, 2001,28(1):68-82.

[本文引用: 1]

[8]

Koc

, Altinay

. An analysis of seasonality in monthly per person tourist spending in Turkish inbound tourism from a market segmentation perspective
Tourism Management, 2007,28(1):227-237.

[本文引用: 1]

[9]

刘泽华, 李海涛, 史春云 , 等. 短期旅游流时间分布对区域旅游空间结构的响应: 以云南省黄金周旅游客流为例
地理学报, 2010,65(12):1624-1632.

[本文引用: 1]

[ Liu

Zehua

, Li

Haitao

, Shi

Chunyun

, et al. The response of short term tourist flows to spatial structure of regional tourism: A case study of tourist flows of Yunnan in golden weeks
Acta Geographica Sinica, 2010,65(12):1624-1632.]

[本文引用: 1]

[10]

Asfaw

, Tolossa

, Zeleke

. Causes and impacts of seasonal migration on rural livelihoods: Case studies from Amhara region in Ethiopia
Norwegian Journal of Geography, 2010,64(1):58-70.

[本文引用: 1]

[11]

魏冶, 修春亮, 刘志敏 , 等. 春运人口流动透视的转型期中国城市网络结构
地理科学, 2016,36(11):1654-1660.

DOI:10.13249/j.cnki.sgs.2016.11.007 Magsci [本文引用: 1]

基于春运人口流动大数据,选取对外联系度、优势流、城市位序-规模分析等方法对转型期中国城市网络特征进行分析。结果显示：① 城市网络层级结构中蕴藏着位序-规模规律,但与理想的帕累托分布有所区别,城市规模彼此差异相对较小;② 空间距离与城市等级在城市网络联系中发挥支配性作用,保证了城市网络的层级性与有序性;③ 中国城市网络核心联系呈现“两横三纵”特征,该特征与铁路大动脉的空间分布高度吻合;④ 东部地区城市网络联系更加密切,而西北、西南地区则相对稀疏,基本上以“胡焕庸线”为界,而“兰新线”是突破这一限制的潜在力量;⑤ 中国东北地区未形成明显的区域性中心,城市联系形成带状网络;⑥ 华北与华南地区的“灯下黑”现象值得警惕,缓解这一问题的可行办法是核心城市功能的对外疏散,加强核心城市与周边城市之间的联系;⑦ 带状区域发展或许将成为未来中国区域经济发展的流行模式和中坚力量。总体上看,针对于揭示转型期中国城市网络结构特征,春运人口流动数据具有一定的研究价值,是城市与人口研究领域一个值得深入挖掘的重要数据源。

[ Wei

, Xiu

Chunliang

, Liu

Zhimin

, et al. Spatial pattern of city network in transitional China based on the population flows in "Chunyun" period
Scientia Geographica Sinica, 2016,36(11):1654-1660.]

DOI:10.13249/j.cnki.sgs.2016.11.007 Magsci [本文引用: 1]

赵梓渝, 魏冶, 王士君 , 等. 有向加权城市网络的转变中心性与控制力测度: 以中国春运人口流动网络为例
地理研究, 2017,36(4):647-660.

[本文引用: 1]

[ Zhao

Ziyu

, Wei

, Wang

Shijun

, et al. Measurement of directed alternative centricity and power of directed weighted urban network: A case of population flow network of China during "Chunyun" period
Geographical Research, 2017,36(4):647-660.]

[本文引用: 1]

[13]

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

[本文引用: 1]

[ Wang

Chengjin

. Spatial organizational network of logistics company in China
Acta Geographica Sinica, 2008,63(2):135-146.]

[本文引用: 1]

[14]

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
人文地理, 2013,28(4):71-76.

[本文引用: 1]

[ Dong

, Zhen

Feng

. The study on spatial structure characteristics of China's city network based on the logistics enterprise network
Human Geography, 2013,28(4):71-76.]

[本文引用: 1]

[15]

梁双波, 曹有挥, 吴威 . 长江三角洲地区物流供应链时空演化及其影响因素: 基于国际货代企业数据的分析
地理研究, 2017,36(11):2156-2170.

[本文引用: 1]

[ Liang

Shuangbo

, Cao

Youhui

, Wu

Wei

. Spatial-temporal evolution and influencing factors of logistics supply chain in the Yangtze River Delta: Based on international freight forwarding enterprises data
Geographical Research, 2017,36(11):2156-2170.]

[本文引用: 1]

[16]

李国旗, 金凤君, 陈娱 , 等. 基于物流热度的中国物流业空间格局
地理科学进展, 2015,34(5):629-637.

[本文引用: 1]

[ Li

Guoqi

, Jin

Fengjun

, Chen

, et al. Spatial patterns of logistics industry based on a geographic analysis of hotness degree
Progress in Geography, 2015,34(5):629-637.]

[本文引用: 1]

[17]

沈丽珍, 席广亮, 秦萧 , 等. 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, 2018,33(1):102-108.

[本文引用: 1]

[ Shen

Lizhen

, Xi

Guangliang

, Qin

Xiao

, et al. 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, 2018,33(1):102-108.]

[本文引用: 1]

[18]

莫辉辉, 胡华清, 王姣娥 . 中国货运航空企业发展过程及航线网络演化格局
地理研究, 2017,36(8):1503-1514.

[本文引用: 1]

[ Mo

Huihui

, Hu

Huaqing

, Wang

Jiaoe

. Air cargo carriers development and network evolution: A case study of China
Geographical Research, 2017,36(8):1503-1514.]

[本文引用: 1]

[19]

Thill

, Lim

. Intermodal containerized shipping in foreign trade and regional accessibility advantages
Journal of Transport Geography, 2010,18(4):530-547.

[本文引用: 1]

[20]

叶士琳, 曹有挥, 蒋自然 , 等. 基于力学平衡模型的长三角港口物流发展协调性研究
地理科学, 2017,37(11):1624-1631.

[本文引用: 1]

[ Ye

Shilin

, Cao

Youhui

, Jiang

Ziran

, et al. Coordination of port logistics development based on mechanical model: A case of the Yangtze River Delta port system
Scientia Geographica Sinica, 2017,37(11):1624-1631.]

[本文引用: 1]

[21]

Marco A

, Rafele

. System dynamics simulation: An application to regional logistics policy making
International Journal of Computers, 2007,1(4):253-260.

[本文引用: 1]

[22]

柴彦威 . 时间地理学的起源、主要概念及其应用
地理科学, 1998,18(1):70-77.

[本文引用: 3]

[ Chai

Yanwei

. Time-geography: Its origin, key concept and applications
Scientia Geographica Sinica, 1998,18(1):70-77.]

[本文引用: 3]

[23]

Lenntorp

. Time-geography: At the end of its beginning
Geo-Journal, 1999,48(3):155-158.

[本文引用: 1]

[24]

Shen

, Kwan

, Chai

. Investigating commuting flexibility with GPS data and 3D geovisualization: A case study of Beijing, China
Journal of Transport Geography, 2013,32(7):1-11.

[本文引用: 1]

[25]

古杰, 周素红, 闫小培 . 生命历程视角下的广州市居民居住迁移的时空路径
地理研究, 2013,32(1):157-165.

[本文引用: 1]

[ Gu

Jie

, Zhou

Suhong

, Yan

Xiaopei

. The space-time paths of residential mobility in Guangzhou from a perspective of life course
Geographical Research, 2013,32(1):157-165.]

[本文引用: 1]

[26]

Chen

, Shaw

, Yu

, et al. Exploratory data analysis of activity diary data: A space-time GIS approach
Journal of Transport Geography, 2011,19(3):394-404.

[本文引用: 2]

[27]

Long

, Nelson

. Home range and habitat analysis using dynamic time geography
The Journal of Wildlife Management, 2015,79(3):481-490.

URL [本文引用: 1]

[28]

戚铭尧, 吴涛, 张新 . 车辆路径问题: 从时间地理学的视角
地球信息科学学报, 2015,17(1):22-30.

DOI:10.3724/SP.J.1047.2015.00022 Magsci [本文引用: 2]

车辆路径问题具有典型的时空分布特征,受到众多时空约束条件的制约。在车辆路径规划中,综合考虑时间和空间因素是非常必要的。本文从时间地理学这一全新的视角来研究车辆路径问题,提出一套完整的时间地理学分析框架,阐述了时间地理学的基本概念,提出了车辆路径问题中的时空约束、时空路径、时空棱柱、时空可达性、时空距离等概念,并给出了图示或定量化的度量方法。论文提出的时空距离度量方法综合考虑了顾客在空间位置和时间窗口2 个方面的特征,可更科学地判定顾客之间的“邻近性”。论文通过设计一种求解大规模软时间窗车辆路径问题的算法,证明了时空距离的价值,并展望了时间地理学在求解动态车辆路径规划问题、移动设施路径规划问题等方面的应用。本文的贡献在于,通过时间地理学所提供的一系列概念和方法,实现了在统一的框架下同时考虑车辆路径问题(VRP)的时间和空间特征的构想,挖掘了传统时间地理学理论在车辆路径领域中的应用潜力,这将有利于更快或者更好地求解VRP问题。

[ Qi

Mingyao

, Wu

Tao

, Zhang

Xin

. Vehicle routing problem: From a perspective of time geography. Journal of
Geo-Information Science, 2015,17(1):22-30.]

DOI:10.3724/SP.J.1047.2015.00022 Magsci [本文引用: 2]

胡继华, 程智锋, 詹承志 , 等. 基于时空路径的城市公交时间可靠性研究
地理科学, 2012,32(6):673-679.

Magsci [本文引用: 1]

时间可靠性是公交重要的时空特性之一,提高公交时间可靠性有助于提高公共交通吸引力。基于时间地理学,从时空过程的角度对公交时间可靠性进行了研究。利用公交时空路径,提出一种城市公交时间可靠性的评价方法,该方法包括单程准时度、单程准时稳定度、站点准时度、站点准时稳定度4 个指标。然后利用广州公交GPS数据对各指标进行计算。结果表明,公交时间可靠性随着线路长度增大和站点数增加而降低,随着用地类型的不同而变化,其中商业用地内的时间可靠性最大,并且时段不同,可靠性也有较大差异,其中早高峰的时间可靠性最低,从而验证了所提出评价方法的有效性。

[ Hu

Jihua

, Cheng

Zhifeng

, Zhan

Chengzhi

, et al. Time reliability of urban public transportation using space-time path
Scientia Geographica Sinica, 2012,32(6):673-679.]

Magsci [本文引用: 1]

柴彦威, 张雪 . 北京郊区女性居民一周时空间行为的日间差异研究
地理科学, 2014,34(6):725-732.

DOI:10.11821/yj2013040013 URL Magsci [本文引用: 1]

伴随城市空间向郊区急剧扩张，郊区已成为快速城市化过程中疏解城市人口和功能的重要空间。作为兼顾工作与家庭的双重工作者，郊区女性居民的日常生活面临着新的挑战。基于2012 年北京居民日常活动与交通出行调查的第一手资料，采用时间地理学研究框架，以一周的活动日志数据为基础，从时间节奏和时间分配的角度分析郊区女性的时间利用特征，并通过标准置信椭圆对GPS轨迹数据进行了活动空间刻画，探讨不同活动在城市不同空间中的发生日间差异。结果表明，在时间上，郊区女性的日常生活具有规律性、丰富性和细碎性的特点；工作日的时间分配以工作活动为中心，从周一到周四的差异性不显著；休息日的时间分配以家务和休闲活动为主，并且在休息日内部出现周日出行时间相对较少的差异。在空间上，大部分郊区女性居民选择在郊区附近就业，日常生活中的购物、休闲活动也主要在郊区空间发生；在休息日，购物活动向城区空间内延伸，休闲活动的空间范围虽然相比于工作日有所扩大但仍主要在郊区空间内部完成。

[ Chai

Yanwei

, Zhang

Xue

. The spatio-temporal activity pattern of the suburban female residents in Beijing, China
Scientia Geographica Sinica, 2014,34(6):725-732.]

DOI:10.11821/yj2013040013 URL Magsci [本文引用: 1]