【Q市菜鳥驛站空間布局探析（論文）18000字】

ABSTRACT[3]的研究中，采用人口數(shù)量作為探究菜鳥驛站空間數(shù)量分布的相關(guān)影響因素之一。在侯華偉REF_Ref71310825\r\h[5]的研究中，采用經(jīng)濟總量作為探究菜鳥驛站空間數(shù)量分布的相關(guān)影響因素之一。在陽志方REF_Ref71310870\r\h[11]的研究中，同時采用人口數(shù)量和經(jīng)濟總量作為探究菜鳥驛站空間數(shù)量分布的影響因素。因此，本文同樣選擇這兩者作為研究青島市菜鳥驛站空間數(shù)量分布的可能影響因素，探求青島市菜鳥驛站分布是否遵循同樣的相關(guān)性規(guī)律；另外，區(qū)域土地面積和區(qū)域社會零售商品消費總額也可能是影響快遞自提點空間分布的重要因素，因此，同樣對這兩者進行相關(guān)性分析。綜上所述，在城市發(fā)展的角度下，本章將深入探究區(qū)域人口數(shù)量、區(qū)域土地面積、區(qū)域經(jīng)濟總量和區(qū)域社會零售商品消費總額這四個社會因素對于菜鳥驛站空間布局的影響程度。數(shù)據(jù)獲取方面，基于原有菜鳥驛站的POI數(shù)據(jù)，以菜鳥驛站分屬不同的城區(qū)為劃定標準，分別統(tǒng)計各個城區(qū)菜鳥驛站的數(shù)量。其次，查閱《2019年青島市國民經(jīng)濟和社會發(fā)展統(tǒng)計公報》和《青島市統(tǒng)計年鑒》獲得青島市各個城區(qū)人口數(shù)量、GDP總量、土地面積和社會零售商品消費總額等數(shù)據(jù)。另外，查閱青島市2013-2019年的統(tǒng)計年鑒，獲得青島市各個城區(qū)的人口數(shù)量。3.1.1區(qū)域人口數(shù)量與菜鳥驛站空間分布的關(guān)系菜鳥驛站主要是為了滿足居民的自提需求，因此首先進行區(qū)域人口數(shù)量與菜鳥驛站空間分布的相關(guān)性檢驗。首先通過查找《2019年青島市統(tǒng)計年鑒》可以獲得2019年末各個城區(qū)的人口數(shù)量，然后利用SPSS軟件中的Pearson相關(guān)系數(shù)對區(qū)域人口數(shù)量與菜鳥驛站數(shù)量進行分析，如表3-1。表3-1青島市菜鳥驛站數(shù)量與區(qū)域人口數(shù)量相關(guān)系數(shù)表Table3-1Correlation

Coefficient

between

the

Number

of

Cainiao

Station

in

Qingdao

City

and

the

Number

of

Regional

Population菜鳥驛站數(shù)量人口數(shù)量（萬人）菜鳥驛站數(shù)量皮爾遜相關(guān)性10.887Sig.(雙尾檢驗)0.008個案數(shù)77人口數(shù)量（萬人）皮爾遜相關(guān)性0.8871Sig.(雙尾檢驗)0.008個案數(shù)77由表3-1可知：青島市各區(qū)域菜鳥驛站的數(shù)量與相應區(qū)域的人口數(shù)量之間的相關(guān)系數(shù)為0.887，并且P值為0.008，這表明在0.01級別下，二者具有顯著的正相關(guān)關(guān)系。因為快遞量的多少往往與人口數(shù)量之間呈現(xiàn)正相關(guān)關(guān)系，如果人口數(shù)量越多，所產(chǎn)生的快遞量可能也就越多，因而則需要更多的菜鳥驛站來進行快遞的存放，滿足居民的自提需求；相反，如果人口數(shù)量較少，所產(chǎn)生的快遞量較少，那么菜鳥驛站的數(shù)量也會相應變少。3.1.2區(qū)域土地面積與菜鳥驛站空間分布的關(guān)系每個菜鳥驛站的服務半徑是有限的，在不同大小區(qū)域范圍內(nèi)，每個菜鳥驛站的服務半徑也并不相同，因此，本小節(jié)探究青島市主城區(qū)菜鳥驛站數(shù)量分布與區(qū)域土地面積之間的關(guān)系。查閱《2019年青島市統(tǒng)計年鑒》獲得2019年末各個城區(qū)的土地面積，同樣利用SPSS軟件進行雙尾檢驗，如表3-2所示。表3-2青島市菜鳥驛站數(shù)量與區(qū)域土地面積相關(guān)系數(shù)表Table3-2Correlation

Coefficients

between

the

Number

of

Cainiao

Stations

and

Regional

Land

Area

in

Qingdao菜鳥驛站數(shù)量土地面積（平方千米）菜鳥驛站數(shù)量皮爾遜相關(guān)性10.723Sig.(雙尾檢驗)0.066個案數(shù)77土地面積（平方千米）皮爾遜相關(guān)性0.7231Sig.(雙尾檢驗)0.066個案數(shù)77由表3-2可知：青島市各區(qū)域菜鳥驛站的數(shù)量與相應區(qū)域的土地面積之間的相關(guān)系數(shù)為0.723，但0.05<P<0.1，說明二者之間具有一般顯著的正相關(guān)關(guān)系。一方面，如果各城區(qū)人口數(shù)量、經(jīng)濟發(fā)展水平和人們的消費習慣等條件相近時，區(qū)域面積越大，單個菜鳥驛站輻射的范圍有限，那么則需要增加菜鳥驛站的數(shù)量來滿足居民的自提需求，此時菜鳥驛站數(shù)量與區(qū)域面積之間的相關(guān)性較強；而另一方面，如果區(qū)域之間的發(fā)展狀況差異較大，由于發(fā)展較好的主城區(qū)面積相對較小，而發(fā)展緩慢的遠郊區(qū)域雖然面積較大，但是菜鳥驛站的數(shù)量并沒有隨之增多，這使得二者之間的相關(guān)性降低。綜上兩點，菜鳥驛站數(shù)量與區(qū)域土地面積之間為一般的顯著正相關(guān)。3.1.3區(qū)域經(jīng)濟總量與菜鳥驛站空間分布的關(guān)系經(jīng)濟的快速發(fā)展使得人們將網(wǎng)上購物作為購物方式的首選，進而使得產(chǎn)生的快遞量日益增多，為了消化日益增多的快遞量，滿足人們的自提需求，因而需要建設(shè)更多的菜鳥驛站來暫存快遞。因此，查閱《2019年青島市統(tǒng)計年鑒》獲得2019年末各個城區(qū)的GDP總量，利用SPSS軟件進行相關(guān)性分析，如表表3-3所示。表3-3青島市菜鳥驛站數(shù)量與區(qū)域經(jīng)濟總量相關(guān)系數(shù)表Table3-3Correlation

Coefficients

between

the

Number

of

Cainiao

Stations

in

Qingdao

and

the

Regional

Economic

Gross菜鳥驛站數(shù)量經(jīng)濟總量（億元）菜鳥驛站數(shù)量皮爾遜相關(guān)性10.670Sig.（雙尾檢驗）0.100個案數(shù)77經(jīng)濟總量（億元）皮爾遜相關(guān)性0.6701Sig.（雙尾檢驗）0.100個案數(shù)77由表3-3可知：青島市各區(qū)域菜鳥驛站的數(shù)量與相應區(qū)域經(jīng)濟總量之間的相關(guān)系數(shù)為0.670，并且P值為0.1，表明二者之間具有一般的顯著正相關(guān)。一方面，如果區(qū)域之間在土地面積、消費習慣以及可支配收入等條件相近的情況下，經(jīng)濟總量越高，居民產(chǎn)生的快遞總量也會越多，進而菜鳥驛站的數(shù)量越多，這種情況下二者的相關(guān)性較為顯著；另一方面，如果不同區(qū)域之間的條件差異較大，比如土地面積較大所帶來的較高的經(jīng)濟總量，并不代表該地的經(jīng)濟水平高，也就說明不了消費水平高，所產(chǎn)生的快遞總量多，因而在這種情況下，二者之間的相關(guān)性會降低。綜述以上兩點，菜鳥驛站數(shù)量與區(qū)域土地面積之間為一般顯著的正相關(guān)關(guān)系。3.1.4社會消費品總額與菜鳥驛站空間分布的關(guān)系物流業(yè)是伴隨生產(chǎn)和消費等行業(yè)產(chǎn)生的，而作為物流業(yè)中的快遞行業(yè)，主要服務于社會零售商品的消費，所以零售行業(yè)的發(fā)展可能會帶動快遞行業(yè)的發(fā)展，進而對菜鳥驛站數(shù)量產(chǎn)生間接影響。因此，查閱《2019年青島市國民經(jīng)濟和社會發(fā)展統(tǒng)計公報》可知青島市2019年各個城區(qū)的社會零售商品消費總額，進而利用SPSS軟件對區(qū)域社會零售商品消費總額與菜鳥驛站數(shù)量進行相關(guān)性分析，如表3-4所示：表3-4青島市菜鳥驛站數(shù)量與區(qū)域社會消費品總額相關(guān)系數(shù)表Table3-4Correlation

coefficient

table

of

the

total

amount

of

social

consumer

goods

in

the

number

of

rookie

posts

in

Qingdao菜鳥驛站數(shù)量社會零售商品消費總額（萬元）菜鳥驛站數(shù)量皮爾遜相關(guān)性10.572Sig.（雙尾檢驗）0.180個案數(shù)77社會零售商品消費總額（萬元）皮爾遜相關(guān)性0.5721Sig.（雙尾檢驗）0.180個案數(shù)77由表3-4可知：青島市各區(qū)域菜鳥驛站的數(shù)量與相應區(qū)域的社會零售商品消費總額之間的相關(guān)系數(shù)為0.572，并且P值為0.18，說明二者之間的相關(guān)關(guān)系并不顯著。即社會零售商品消費總額發(fā)生變化，菜鳥驛站的數(shù)量并不會因此而發(fā)生改變。因此，可以得出結(jié)論，菜鳥驛站的空間分布受社會零售商品消費總額的影響程度較小。3.1.5各相關(guān)影響因素總結(jié)由上述研究可發(fā)現(xiàn)：區(qū)域人口數(shù)量與菜鳥驛站空間數(shù)量分布之間呈現(xiàn)顯著的正相關(guān)關(guān)系；其次，由于多種因素的綜合影響，區(qū)域土地面積和區(qū)域經(jīng)濟總量與菜鳥驛站空間數(shù)量分布僅呈現(xiàn)一般顯著正相關(guān)；另外，社會零售商品總額與菜鳥驛站的空間數(shù)量分布幾乎沒有關(guān)系，主要原因在于社會零售商品總額由商品零售總額和餐飲收入等多個部分組成，而菜鳥驛站更多的是與線上零售商品的銷售量有關(guān)，因此二者的相關(guān)性并不明顯。因此，雖然菜鳥驛站的空間分布與區(qū)域土地面積和區(qū)域經(jīng)濟總量有一定的關(guān)系，但決定其分布的還為區(qū)域人口數(shù)量。綜上所述，區(qū)域人口數(shù)量與菜鳥驛站的空間數(shù)量分布相關(guān)性明顯，后續(xù)可以進行更加深入研究二者之間的關(guān)系。3.2菜鳥驛站數(shù)量預測在上一節(jié)可知，菜鳥驛站數(shù)量與區(qū)域人口數(shù)量之間存在顯著的正相關(guān)關(guān)系，因此，以青島市2019年各城區(qū)的人口數(shù)量為自變量，各城區(qū)的菜鳥驛站數(shù)量為因變量，構(gòu)建人口數(shù)量對菜鳥驛站數(shù)量的預測模型。利用SPSS軟件的回歸預測功能，得到如表3-5和表3-6。表3-5菜鳥驛站數(shù)量與人口數(shù)量分析ANOVA表Table3-5ANOVAtablefortheanalysisofthenumberofrookiepostsandthenumberofpopulation平方和自由度均方F回歸6409.72616409.72618.407殘差1741.1315348.226總計8150.8576由表3-6可知，以城市人口數(shù)量對菜鳥驛站數(shù)量進行預測的數(shù)學公式為：Y=0.770m+52.363(R2=0.744)（式3-1）其中，m表示菜鳥驛站數(shù)，Y表示城市人口數(shù)量由式3-1可知，當人口每增加10萬人，菜鳥驛站的理想數(shù)量增加7.7個?？梢愿鶕?jù)查詢青島市歷年各城區(qū)的人口數(shù)據(jù)，通過歷年的人口數(shù)據(jù)對未來某年特定城區(qū)的人口數(shù)量進行預測，然后結(jié)合式3-1，可以求出未來某年特定城區(qū)菜鳥驛站的理想數(shù)量。如果用b表示回歸系數(shù)，c表示常數(shù)項。那么基于城市人口數(shù)量預測各地區(qū)域菜鳥驛站數(shù)量的線性預測模型為：Y=b·m+c(b>0)（式3-2）每個地區(qū)擁有不同的b與c，區(qū)域發(fā)生變化，二者也隨之改變。綜合上述分析，通過不同地區(qū)人口數(shù)量的不同，可以對當?shù)夭锁B驛站的數(shù)量進行估計。即可以根據(jù)人口數(shù)量的變化來預測菜鳥驛站數(shù)量的變化。如果需要利用式3-2對其他城市菜鳥驛站的理想數(shù)量進行預測估計，那么首先需要根據(jù)當前研究城市的菜鳥驛站數(shù)量和人口數(shù)量求出b和c的值，然后通過查找該城市歷年的統(tǒng)計年鑒，確定該城市各個城區(qū)的人口數(shù)量，之后利用歷年的人口數(shù)據(jù)來預測未來特定年份的人口數(shù)量，最后將預測人口數(shù)量帶入式3-2中，即可求得研究城市在未來特定年份菜鳥驛站的理想數(shù)量。3.3青島市菜鳥驛站數(shù)量預測分析由于菜鳥驛站與人口數(shù)量呈現(xiàn)顯著的正相關(guān)關(guān)系，并且在上一節(jié)中確定了二者之間的線性關(guān)系，因此，通過查找歷年《青島市統(tǒng)計年鑒》確定青島市各個城區(qū)人口數(shù)量，以此來確定未來某年的人口數(shù)量，進而預測青島市菜鳥驛站理想的布局數(shù)量。因為較短時間內(nèi)菜鳥驛站數(shù)量較為穩(wěn)定，因此選用2030年作為預測年份，如圖3-7所示。表3-7青島市各城區(qū)人口數(shù)量統(tǒng)計表Table3-7Population

Statistics

Table

of

Qingdao

City

Districts年份市區(qū)20132014201520162017201820192030市南區(qū)56.0556.7457.1658.0358.5358.8358.8864.44市北區(qū)105.92106.9107.27108.37109.32110.11111.10120.49嶗山區(qū)41.8942.7542.9943.5543.8744.5945.5951.40城陽區(qū)67.8368.869.1770.2370.9372.0574.4984.71李滄區(qū)53.5654.1454.3855.3356.1257.7458.9268.71黃島區(qū)146.37148.42149.36151.59153.92157.73160.82186.87即墨區(qū)118.73119.42120.2121.45122.45123.83124.89136.49單位：萬人資料來源：2019年青島市統(tǒng)計年鑒通過查找2014年到2020年青島市統(tǒng)計年鑒，找到青島市7個城區(qū)2013年到2019年的人口數(shù)據(jù)；然后利用Excel軟件的數(shù)據(jù)預測工具，可以得到青島市各個城區(qū)2030年的人口預測數(shù)量；之后將預測人口數(shù)量分別代入公式Y(jié)=0.770m+52.363(R2=0.744)，可以分別得到青島市7個城區(qū)在2030年合理的菜鳥驛站布局數(shù)量，如表3-8所示。表3-8青島市各城區(qū)2030年菜鳥驛站預測數(shù)量統(tǒng)計表Table3-8Statistical

Table

of

the

Number

of

Cainiao

Stations

in

Qingdao

City

in

2030市區(qū)人口數(shù)量預測（萬人）人口數(shù)量置信下限（萬人）人口數(shù)量置信上限（萬人）菜鳥驛站預測數(shù)量（個）菜鳥驛站預測數(shù)量范圍（個）市南區(qū)64.4462.9665.92101.98100.84-103.12市北區(qū)120.49120.18120.80145.14144.90-145.38嶗山區(qū)51.4051.0151.8091.9491.64-92.25城陽區(qū)84.7183.1986.22117.59116.42-118.75李滄區(qū)68.7166.2371.20105.27103.36-107.19黃島區(qū)186.87181.78191.96196.25192.33-200.17即墨區(qū)136.49135.14137.85157.46156.42-158.51由表3-8可知，經(jīng)四舍五入處理后，在2030年，青島市各個城區(qū)菜鳥驛站合理布局數(shù)量為：市南區(qū)為102個，市北區(qū)145個，嶗山區(qū)92個，城陽區(qū)118個，李滄區(qū)105個，黃島區(qū)196個，即墨區(qū)157個。4青島市菜鳥驛站未來布局建議4.1區(qū)域布局建議本節(jié)通過查找青島市菜鳥驛站POI數(shù)據(jù)，確定各個城區(qū)當前菜鳥驛站的數(shù)量；同時，通過3.3節(jié)的預測結(jié)果可以知道2030年青島市各個城區(qū)菜鳥驛站的理想數(shù)量，因此，得到下表4-1：表4-1青島市各城區(qū)2030年菜鳥驛站預測增量統(tǒng)計表Table4-1Statistics

of

the

estimated

increment

of

Cainiao

Station

in

each

urban

area

of

??Qingdao

in

2030市區(qū)目前菜鳥驛站數(shù)量（個）2030年菜鳥驛站理想數(shù)量（個）需增加數(shù)量（個）市南區(qū)911029市北區(qū)13214513嶗山區(qū)649228城陽區(qū)141118-23李滄區(qū)106105-1黃島區(qū)16919627即墨區(qū)1521575由表4-1可知：到2030年，嶗山區(qū)和黃島區(qū)菜鳥驛站的理想增量分別為28和27，主要原因在于兩區(qū)作為未來十年的經(jīng)濟發(fā)展重點地區(qū)，經(jīng)濟的快速發(fā)展會吸引更多的人流入該地區(qū)，使得地區(qū)的快遞業(yè)務量增多，進而只有菜鳥驛站的數(shù)量，才能滿足兩區(qū)居民的自提需求。市南區(qū)菜鳥驛站的理想增量為9，市北區(qū)為13，即墨區(qū)為5。市南區(qū)和市北區(qū)作為青島市的老城區(qū)，經(jīng)濟發(fā)展超前，在未來幾年兩區(qū)的人口呈現(xiàn)緩慢的增長趨勢，因此，兩區(qū)菜鳥驛站的數(shù)量增量較小。另外，由于即墨區(qū)距離市中心較遠，雖然區(qū)域經(jīng)濟發(fā)展趨勢向好，但近幾年由于人口流出較多，使得區(qū)域人口增長速度緩慢，因而菜鳥驛站的增量較小。城陽區(qū)和李滄區(qū)近幾年菜鳥驛站的數(shù)量可保持穩(wěn)定，無需再額外增加其數(shù)量。4.2依托類型建議青島市菜鳥驛站主要的依托類型為專營模式，專營模式的優(yōu)勢在于快遞存放量多，同時取快遞的效率相對較高，不足之處在于需要專門的設(shè)施場所。首先，對于人口數(shù)量較多而且人口密度較大的地方，應當至少有專營菜鳥驛站的存在，這樣可以消化大量的快遞量，滿足大部分人的自提需求；此時，如果專營菜鳥驛站消化不了全部的快遞量，可以將剩余的快遞寄放在周圍的超市或便利店中，以此形成“以專營為核心，以兼營為補充”的模式，這樣既能滿足周圍居民的自提需求，又能夠充分利用場所資源，避免造成社會資源的浪費。其次，應當對寄放在便利店或超市的快遞進行篩選，因為便利店和超市空間資源相對有限，盡量不接收較大的快遞件，這樣能夠充分利用這些公共場所的空間資源。最后，凡是一些離居民區(qū)相對較近的公共場所，如生鮮超市、文具店和手機維修店等，都可以申請寄放部分快遞，這樣可以大大節(jié)省社會的空間資源。4.3服務對象建議據(jù)《2019年青島市國民經(jīng)濟和社會發(fā)展統(tǒng)計公報》可知，截止到2019年青島市市區(qū)常住人口645.20萬人，占總?cè)丝诘?7.92%，農(nóng)村居民人數(shù)為304.78萬人，占總?cè)丝诘?2.08%；而青島市菜鳥驛站七成以上的服務對象為城市社區(qū)居民，村鎮(zhèn)居民僅為4.21%。雖然城區(qū)的消費水平相對較高，并且人均快遞量也相對較多，但隨著網(wǎng)購的全民化，村鎮(zhèn)居民也所產(chǎn)生的快遞量也不容忽視。因此，可以在村鎮(zhèn)街區(qū)設(shè)立更多的菜鳥驛站，如果單個村的快遞量相對較少，那么可以使得單個菜鳥驛站的輻射范圍為周圍幾個村，并且將菜鳥驛站設(shè)立在交通相對方便，若干個村中心的區(qū)域。其次，服務對象為企業(yè)和工業(yè)園的菜鳥驛站數(shù)量相對較少，在企業(yè)周圍設(shè)立菜鳥驛站可以使得人們有更多的配送地址選項，可以適當?shù)臑樯鐓^(qū)周圍的菜鳥驛站分流，降低運作負荷，提高自提效率。另外，依托類型為學校的菜鳥驛站，通常是在大學校園中滿足大學生的自提需求，而平均每個大學校園僅僅有兩個菜鳥驛站，況且大學生所產(chǎn)生的快遞量又相對較多，因此，為了充分滿足大學生的自提需求，同時又能提高自提效率，可以在學生數(shù)量較多的高校適當增加菜鳥驛站的數(shù)量。4.4整體布局思路（1）充分考慮居民的自提需求，符合居民的出行習慣?？爝f自提點的目的是為了解決居民的快遞自提需求，在選定合適地點之前，應到首先了解當?shù)鼐用竦某鲂辛晳T，充分考慮居民的自提行為特征。并且，自提方式應當以步行為主，快遞自提點的選址應當充分考慮居民出行的便利程度。（2）與其他公共設(shè)施進行充分合作。與超市和便利店等公共設(shè)施合作，居民出行既可以滿足消費需求又可以滿足自提需求，而且從社會宏觀角度來看，降低了人們總的出行頻次，有利于緩解交通壓力和降低整個社會的出行成本。（3）緊跟行政區(qū)域發(fā)展規(guī)劃。因為快遞點數(shù)量與人口數(shù)量和經(jīng)濟水平等因素密切相關(guān)，在快遞自提點布局過程中，針對各個人口聚集地和經(jīng)濟商圈等地進行優(yōu)先布局，例如規(guī)劃的社區(qū)、高校和核心商圈等。5結(jié)論與展望5.1結(jié)論本文基于青島市菜鳥驛站的POI數(shù)據(jù)，首先利用Arcgis軟件將各個菜鳥驛站的位置呈現(xiàn)在青島市行政區(qū)圖上，然后研究驛站分布的空間特征和核密度分析，之后確定各個菜鳥驛站的服務對象個依托類型。然后利用SPSS軟件進行菜鳥驛站數(shù)量與各個因素之間的相關(guān)性分析，同時建立以菜鳥驛站數(shù)量為自變量，城市人口數(shù)量為因變量的回歸預測模型。最后，針對快遞自提點布局存在的問題，提出相應的建議措施。主要內(nèi)容包括：通過拾取青島市各個城區(qū)的菜鳥驛站的POI數(shù)據(jù)，得到其經(jīng)緯度信息，利用Arcgis軟件得到菜鳥驛站在行政區(qū)圖上的空間布局分布，發(fā)現(xiàn)菜鳥驛站分布極不平衡，由膠州灣向內(nèi)陸地區(qū)有密到疏逐步遞減。利用核密度分析工具確定青島市菜鳥驛站的分布集聚地，發(fā)現(xiàn)市北區(qū)和市南區(qū)為菜鳥驛站的主核心區(qū)，聚集現(xiàn)象明顯；李滄區(qū)等部分地方有次核心區(qū)，集聚現(xiàn)象較弱。通過反查驛站的POI數(shù)據(jù)，確定各個菜鳥驛站的依托類型和服務對象，發(fā)現(xiàn)菜鳥驛站主要的依托類型為專營模式，其次是超市和便利店；超過七成的菜鳥驛站的服務對象為社區(qū)。通過SPSS軟件進行相關(guān)影響因素分析，發(fā)現(xiàn)人口數(shù)量與菜鳥驛站數(shù)量之間呈顯著的正相關(guān)關(guān)系，區(qū)域土地面積和經(jīng)濟總量為一般顯著正相關(guān)，區(qū)域社會零售商品總額無關(guān)。建立以人口數(shù)量數(shù)為自變量，以菜鳥驛站數(shù)量為因變量的回歸預測模型，發(fā)現(xiàn)在2030年嶗山區(qū)和黃島區(qū)的菜鳥驛站的理想增加量較大，其次是市北區(qū)、市南區(qū)和即墨區(qū)，而城陽區(qū)和李滄區(qū)菜鳥驛站數(shù)量穩(wěn)定。針對菜鳥驛站在數(shù)量、依托類型和服務對象等方面，提出未來布局的建議。5.2展望本文基于POI數(shù)據(jù)對青島市菜鳥驛站進行空間布局的分析，由于時間和精力的有限，有待完善的地方還有很多，未來研究可圍繞以下問題進一步完善。本文僅對青島市的菜鳥驛站進行空間布局分析，如果想要研究社會經(jīng)濟因素與快遞自提點之間的相關(guān)關(guān)系，除了菜鳥驛站之外，還應該搜集其他物流公司的專有驛站和快遞自提柜的POI數(shù)據(jù)，然后三者數(shù)據(jù)匯總進行綜合分析。之后可以對國內(nèi)其他城市的情況進行相關(guān)的分析，探求不同城市間存在的差異性和共性，為城市規(guī)劃提供可行的建議。本文在對服務對象分析時，采用了最近原則的方法。而菜鳥驛站的服務對象是錯綜復雜的，可以在之后的研究中，探求菜鳥驛站多服務對象的規(guī)律和特征。

參考文獻22參考文獻23參考文獻XueS,GangLI,YangL,etal.SpatialPatternandInfluencingFactorAnalysisofAttendedCollectionandDeliveryPointsinChangshaCity,China[J].ChineseGeographicalScience,2019,29(6):1078-1094.ZhangXQ,CuiYR,LiY,etal.ResearchonlayoutofmultimodaltransportcenterinJinanCity[J].E3sWebofConferences,2018,38.周佼,李鋼,楊蘭,等.菜鳥驛站空間分布與城市發(fā)展關(guān)系研究——以東莞市為例[J].西部人居環(huán)境學刊,2019,34(05):83-91.武改鳳.快遞最后一公里”末端配送落貨點布局[J].中國儲運,2018(05):125-126.侯華偉.基于POI數(shù)據(jù)的鄭州市菜鳥驛站空間格局研究[J].信息與電腦(理論版),2019,31(17):141-143.劉玲,李鋼,楊蘭,等.深圳市快遞自提點的空間分布特征與影響因素[J].地球信息科學學報,2019,21(08):1240-1253.陳露露.基于POI數(shù)據(jù)的城市快遞自提點分布格局與優(yōu)化對策研究[D].西北大學.李鋼,陳未雨,楊蘭,等.武漢市快遞自提點的空間格局與集聚模式研究[J].李鋼,楊蘭,賀建雄,等.基于POI數(shù)據(jù)的西安市快遞自提點空間格局及空間關(guān)系研究——以菜鳥驛站為例[J].地理科學,2018,38(12):85-91.武佳琳,程秀娟,楊潔輝,等.基于POI數(shù)據(jù)的鄭州物流業(yè)空間特征分析[J].產(chǎn)業(yè)與科技論壇,2018,17(15):132-135.陽志方.長沙市主城區(qū)快遞網(wǎng)點的空間分布特征及影響因素研究[D].湖南師范大學.殷鐘秀.基于GIS技術(shù)的區(qū)域快遞網(wǎng)絡(luò)服務優(yōu)化研究[D].遼寧師范大學.平子禾.珠三角地區(qū)快遞網(wǎng)絡(luò)的空間格局分析[D].上海師范大學.趙天鴻,涂偉,朱婷婷,等.城市快遞網(wǎng)點空間布局分析與評價——以深圳市為例[J].物流技術(shù),2019,38(01):26-30.孟慶浩,劉莉.基于GIS的快遞自提點選址的優(yōu)化研究:以株洲市天元區(qū)為例[J].湖南城市學院學報（自然科學版）,2020,29(01):26-32.王智泓,馮玉巖.高校校園菜鳥驛站發(fā)展現(xiàn)狀與對策研究——以遼寧對外經(jīng)貿(mào)學院為例[J].赤峰學院學報(漢文哲學社會科學版),2019,40(02):130-133.張晶蓉,曾小紅,王振肖,等.基于多目標優(yōu)化的高校智能快遞柜網(wǎng)點布局研究[J].物流科技,2018,41(05):65-68+71.劉珍.高校校園物流模式探討——以菜鳥驛站為例[J].現(xiàn)代商貿(mào)工業(yè),2017,000(029):42-43.楊怡燕,鐘錚真,孫玉紅.高校菜鳥驛站服務質(zhì)量研究——以廣州工商學院為例[J].廣西質(zhì)量監(jiān)督導報,2020,00(05):137-138.徐湘勻.菜鳥驛站社區(qū)現(xiàn)狀分析和未來發(fā)展趨勢研究[J].現(xiàn)代營銷,2018(04):98.鄒亮,尹慧.基于社會網(wǎng)絡(luò)的高校菜鳥驛站滿意度分析[J].深圳大學學報(理工版),2019,36(03):317-323.SongL,CherrettT,WeiG.Implicationsofcollection/deliverypointsfortransportandlogistics[J].OrInsight,2011,24(04):231-255.Ka