魯曉春，丁 旭

(北京交通大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100044)

一、引 言

將城市軌道交通與土地利用的互動區(qū)域定義為“站域”，其并沒有明確的量化范圍[1]。站在城市發(fā)展的角度，軌道交通承載了最大規(guī)模市內(nèi)人口流動，改善了站域的可達(dá)性，出現(xiàn)了站域中的土地競爭。物流需求是一種引致需求，社會經(jīng)濟(jì)活動的生產(chǎn)、交換、分配及消費(fèi)的過程中都伴隨物流需求的產(chǎn)生[2]。物流、交通等均是社會經(jīng)濟(jì)活動的物質(zhì)化體現(xiàn)[3]，物流需求的產(chǎn)生必將伴隨社會經(jīng)濟(jì)活動的發(fā)生。物流服務(wù)設(shè)施包括倉庫、快遞網(wǎng)點(diǎn)、自提柜等，是社會經(jīng)濟(jì)活動的必要節(jié)點(diǎn)和基本支撐。

北京市作為超大城市的典型代表，人口規(guī)模龐大，社會系統(tǒng)復(fù)雜[4]。根據(jù)北京市交通發(fā)展年報，2019年，居民上下班、上下學(xué)、生活類出行占出行總量比例分別為42.3%，4.7%，52.9%，其中，軌道交通運(yùn)量占客運(yùn)總量的47.2%，達(dá)到39.62億人次。軌道交通已成為北京市客運(yùn)量最大的城市客運(yùn)方式，其產(chǎn)生的乘數(shù)效應(yīng)和放大效應(yīng)，可帶動社會服務(wù)設(shè)施的涌入和公共服務(wù)設(shè)施功能效用的放大[5]，因而，城軌站點(diǎn)客流與站域物流設(shè)施數(shù)量可能存在內(nèi)在關(guān)系，但目前尚未有關(guān)于軌道交通對物流服務(wù)設(shè)施選址影響的實(shí)證分析，將二者建立數(shù)據(jù)模型，往往發(fā)現(xiàn)模型很難成立。

2018年11月，中共中央、國務(wù)院明確要求以疏解北京非首都功能為抓手，推動京津冀協(xié)同發(fā)展，對物流產(chǎn)業(yè)進(jìn)行調(diào)整。據(jù)《北京日報》報道，2015年到2019年，北京市累計(jì)疏解提升市場、物流中心919個。另一方面，城市居民生活離不開物流服務(wù)。新頒布的《北京城市總體規(guī)劃(2016年-2035年)》第47條明確提出“推動快遞網(wǎng)點(diǎn)、便民服務(wù)點(diǎn)、自助寄遞柜、網(wǎng)購服務(wù)站等物流服務(wù)終端設(shè)施建設(shè)，完善郵政普遍服務(wù)體系”。本文以北京市為例，對復(fù)雜社會系統(tǒng)中人流與物流的互動機(jī)理進(jìn)行分析探討，并基于站域內(nèi)特征向量特點(diǎn)建立SVR設(shè)施數(shù)量預(yù)測模型，以期為超大城市物流設(shè)施布局、物流需求與物流配套設(shè)施、軌道交通綜合體系規(guī)劃提出新思路和有針對性的參考意見。

二、研究現(xiàn)狀

近年來，國內(nèi)外研究早就注意到軌道交通對城市發(fā)展的影響。這些研究涉及了軌道交通與土地利用類型[6]及開發(fā)強(qiáng)度或密度[7-8]、鄰域特征的異質(zhì)性[9]、土地價值[10-11]的互動關(guān)系等內(nèi)容，發(fā)現(xiàn)城市軌道交通與站域土地利用存在復(fù)雜的相互作用關(guān)系，城市交通與土地利用是相互制約、相互影響的[12]。相關(guān)研究中，選取個別站點(diǎn)進(jìn)行微觀分析[13]的方法不能體現(xiàn)宏觀層面的互動關(guān)系，利用大數(shù)據(jù)能夠彌補(bǔ)微觀分析中局部放大、難窺整體的不足。

現(xiàn)有實(shí)證研究城市軌道交通設(shè)施的集聚作用時，利用軌道交通站點(diǎn)建造前后，或相似地點(diǎn)有無軌道交通站點(diǎn)進(jìn)行對比的研究方法，但這兩者的主體均為設(shè)施的建造地點(diǎn)，而非設(shè)施，且兩種方法都無法將城市發(fā)展因素納入控制變量，難以排除干擾因素[14]。

城軌站點(diǎn)對物流設(shè)施選址的影響缺乏量化實(shí)證研究，本文利用大數(shù)據(jù)研究軌道交通站點(diǎn)客流與站域物流服務(wù)終端設(shè)施的互動機(jī)理，希望在一定程度上解釋二者的互動關(guān)系與內(nèi)在影響機(jī)制。

三、相關(guān)性分析

基于空間理論，Hillier[15](1996)指出行為模式的邏輯折射出空間形態(tài)的建構(gòu)邏輯，站點(diǎn)與站域空間是出行、物流等等社會經(jīng)濟(jì)活動之間彼此關(guān)聯(lián)的物質(zhì)化體現(xiàn)。周佳寧等[16](2020)發(fā)現(xiàn)，在人流或資金流相對緊密的多中心網(wǎng)絡(luò)結(jié)構(gòu)中，物流呈現(xiàn)突出的“核—輻”結(jié)構(gòu)，北京物流網(wǎng)絡(luò)結(jié)構(gòu)中，站點(diǎn)-物流設(shè)施的輻射特征凸顯。

(一)數(shù)據(jù)收集及處理

通過高德地圖WEB服務(wù)API獲取了北京六環(huán)內(nèi)共計(jì)8 003個物流終端服務(wù)設(shè)施GIS數(shù)據(jù)，清洗后得到7076個設(shè)施點(diǎn)，其中包含快遞網(wǎng)點(diǎn)、自提柜及郵局等物流設(shè)施類型。如圖1所示，物流設(shè)施在城市中心聚集，分布密度由內(nèi)部向外部圈層逐漸降低，城市中心的聚集效應(yīng)凸顯，符合產(chǎn)業(yè)布局圈層分布特點(diǎn)。本文整理了2017年5月8日北京市軌道交通各站點(diǎn)刷卡記錄，處理后得各站點(diǎn)出入站客流量，其中不包含換乘的乘客及無效的出入站數(shù)據(jù)，空間分布如圖2所示。

(二)站點(diǎn)客流量與站域物流服務(wù)設(shè)施數(shù)量的相關(guān)性分析

本文選擇使用最廣泛的圓形邊界方法界定站域邊界，在劃定站域的輻射范圍時，以往研究基于站點(diǎn)的步行可達(dá)范圍，各城市取值不同[17]?，F(xiàn)今共享單車成為站點(diǎn)與寫字樓、商場、住宅等區(qū)域連接的新方式，改善了站點(diǎn)可達(dá)性[1]，擴(kuò)大了站域半徑。因此,本文以站點(diǎn)為圓心，選取r∈[250,3 000]的站域半徑(單位：米)，通過API接口獲取相應(yīng)范圍物流設(shè)施數(shù)量，數(shù)據(jù)描述見表1。文中客流量一詞除特殊說明外均包括進(jìn)、出站客流。

表1 描述性統(tǒng)計(jì)

為消除量綱不同導(dǎo)致聚類及預(yù)測結(jié)果產(chǎn)生的偏差，將數(shù)據(jù)歸一化，原始值映射到[0,1]。通過表2客流-設(shè)施相關(guān)性及顯著性分析發(fā)現(xiàn)，客流量與r=250的站域物流設(shè)施數(shù)量顯著無線性相關(guān)關(guān)系。如圖3所示，斯皮爾曼系數(shù)略高于皮爾遜系數(shù)，客流-設(shè)施之間存在等級相關(guān)性，半徑r∈[1000,1500]時相關(guān)性較高，客流對物流設(shè)施數(shù)量的影響半徑在1500米時達(dá)到最大，隨后下降。

表2 站點(diǎn)客流量與站域物流服務(wù)設(shè)施數(shù)量相關(guān)性

圖3 相關(guān)系數(shù)隨站域半徑的變化

由于客流量、物流服務(wù)設(shè)施數(shù)量均未通過K-S正態(tài)性檢驗(yàn)，因此，下文將不再報告皮爾遜相關(guān)系數(shù)的數(shù)值。

(三)城市軌道交通站點(diǎn)分類

基于系統(tǒng)聚類法對站點(diǎn)分類，聚類變量為出站客流量與站域半徑r=2 000時的物流服務(wù)設(shè)施數(shù)量，分布如圖4所示。樣本間和類間分別采用平方歐式和組間平均距離。初步聚類將站點(diǎn)分為正、負(fù)相關(guān)兩類，見表3。兩類站點(diǎn)客流量與250 m內(nèi)的物流設(shè)施數(shù)量無相關(guān)性，物流設(shè)施不會緊鄰站點(diǎn)布局選址，正相關(guān)型站點(diǎn)占95%，其客流量與物流設(shè)施數(shù)量呈中度相關(guān)，客流量對物流設(shè)施選址存在正向影響。對于負(fù)相關(guān)型站點(diǎn)，R∈[250,1000]時，無顯著相關(guān)關(guān)系。R∈[1500,2000]時，12個站點(diǎn)客流與物流設(shè)施數(shù)量呈強(qiáng)負(fù)相關(guān)，表明雖然站點(diǎn)客流規(guī)模較大，但并未吸引更多物流設(shè)施選址布局。

圖4 出站客流量-物流服務(wù)終端設(shè)施數(shù)量(r=2000)散點(diǎn)圖

表3 基于客流量-物流設(shè)施數(shù)量相關(guān)性的地鐵站點(diǎn)分類

如圖4所示，實(shí)心圓和空心圓分別表示正、負(fù)相關(guān)站點(diǎn)。正相關(guān)站點(diǎn)之間存在明顯分布差異，需進(jìn)行二次聚類，樣本間及類間分別采用皮爾遜相關(guān)性和組間平均距離，聚類結(jié)果見表4。站點(diǎn)輻射強(qiáng)度隨站域半徑增加而增加，r=1000時相關(guān)性最強(qiáng)，中等正相關(guān)型及強(qiáng)正相關(guān)型站點(diǎn)出站客流-設(shè)施相關(guān)系數(shù)分別為0.749、0.925，此時基于出站客流量和站域物流設(shè)施數(shù)量能夠得到較為精準(zhǔn)的預(yù)測結(jié)果。

經(jīng)過二次聚類，得到強(qiáng)正，中等及強(qiáng)負(fù)相關(guān)三類站點(diǎn)，如圖5所示，分別用黑色、灰色及空心圓表示。根據(jù)表3、表4，強(qiáng)正站點(diǎn)的客流量與設(shè)施量的相關(guān)系數(shù)均大于0.9，表現(xiàn)出高度相互促進(jìn)的關(guān)系。但當(dāng)客流持續(xù)增加后，如圖5所示，站域內(nèi)設(shè)施數(shù)不增反減，表現(xiàn)出客流-設(shè)施“閾值效應(yīng)(threshold effects)”。

表4 正相關(guān)站點(diǎn)二次聚類結(jié)果

圖5 出站客流-物流服務(wù)終端設(shè)施歸一化數(shù)量分布圖

四、負(fù)相關(guān)影響因素探究

(一)特征變量篩選

空間句法理論指出，軌道交通乘降量受具體出行目的的拉動(通勤、上下學(xué)、消費(fèi)等)[17]，選擇公司企業(yè)、居民住宅、商場、商業(yè)樓宇四大特征變量，其包含的設(shè)施類型見表5。

表5 特征變量及相應(yīng)設(shè)施

偏相關(guān)分析結(jié)果見表6?？刂谱兞繛閄1-X4時，正相關(guān)站點(diǎn)的客流-設(shè)施相關(guān)性最低，由中相關(guān)下降為不相關(guān)，表明剔除特征變量的影響后，客流量與設(shè)施數(shù)量不相關(guān)，但相關(guān)系數(shù)未下降到0，特征變量非調(diào)節(jié)變量。當(dāng)控制變量為X1、X4時，負(fù)相關(guān)站點(diǎn)客流-設(shè)施相關(guān)性最低，由強(qiáng)相關(guān)下降為弱相關(guān)。

表6 控制變量的偏相關(guān)分析

(二)中介效應(yīng)模型構(gòu)建

假設(shè)H1：站點(diǎn)吸引力增加將顯著提升站點(diǎn)的經(jīng)濟(jì)輻射作用，表現(xiàn)為站域物流設(shè)施的集聚。即站域各類型設(shè)施數(shù)量的增加會增加物流設(shè)施數(shù)量，體現(xiàn)了物流作為引致需求的依賴性。

假設(shè)H2：站域商場、居民住宅等數(shù)量代表站點(diǎn)吸引力。高吸引力帶來站點(diǎn)客流量增加。

假設(shè)H3：客流量在站點(diǎn)吸引力與經(jīng)濟(jì)輻射作用中起中介效應(yīng)。

假設(shè)H3.1：正相關(guān)站域中商場、住宅、商業(yè)樓宇及公司企業(yè)的集聚會增加站點(diǎn)客流，從而產(chǎn)生正向經(jīng)濟(jì)輻射作用，表現(xiàn)為物流設(shè)施數(shù)量增加。

假設(shè)H3.2：負(fù)相關(guān)站域中商場、公司企業(yè)的集聚會產(chǎn)生抑制作用，表現(xiàn)為物流設(shè)施數(shù)量減少。

圖6是中介效應(yīng)模型。

圖6 中介效應(yīng)模型

建立如下中介效應(yīng)模型：

logisticsi=cj*Xij+e1

(1)

passengersi=aj*Xij+e2

(2)

logisticsi=c'j*Xij+bj*passengersi+e3

(3)

其中，Xij表示i站點(diǎn)r=2 000時站域內(nèi)特征變量j的數(shù)量，代表居民社會經(jīng)濟(jì)活動的直接體現(xiàn)，城市居民的出行直接動因，logisticsi為r=2 000時站域物流設(shè)施數(shù)量，代表引致需求的物質(zhì)化體現(xiàn)，passengersi表示站點(diǎn)i當(dāng)日出站客流量。

目前，相關(guān)研究主要采用Bootstrap法對中介、調(diào)節(jié)及混合效應(yīng)進(jìn)行檢測，該方法對檢驗(yàn)統(tǒng)計(jì)分布不做要求，具有更加廣泛的適用性和更高的檢驗(yàn)力[18]。利用偏相關(guān)分析篩選的特征變量構(gòu)建中介效應(yīng)模型并采用偏差校正的Bootstrap法對樣本進(jìn)行50 000次含放回的重復(fù)取樣。

正相關(guān)型站點(diǎn)中介效應(yīng)結(jié)果見表7。第一階段，模型(2)中的系數(shù)a顯著為正，H2得到驗(yàn)證，特征變量能促進(jìn)站點(diǎn)吸引力的提升；第二階段，模型(1)中的系數(shù)c顯著為正，H1得到驗(yàn)證，表明站點(diǎn)吸引力的提升促進(jìn)了站點(diǎn)物流設(shè)施的集聚；同時，模型(3)中的系數(shù)b與c'均顯著為正，H3.1得到驗(yàn)證，商場等設(shè)施的聚集帶來客流量的增長，對物流設(shè)施的聚集產(chǎn)生了正向的輻射作用。同時，系數(shù)c'顯著，且abc'同號，存在部分中介效應(yīng)，H3得到驗(yàn)證，直接和間接效應(yīng)同時存在，表明商場等設(shè)施集聚促進(jìn)物流服務(wù)終端設(shè)施集聚的同時也會通過客流量的增加間接促進(jìn)物流設(shè)施的集聚，且商業(yè)樓宇集聚更能促進(jìn)物流設(shè)施集聚形成。終端物流服務(wù)設(shè)施除發(fā)揮最后一公里配送或臨時代收的作用之外，同時在居民住宅與CBD區(qū)域承擔(dān)面向C端客戶(企業(yè)客戶)和B端客戶(個人客戶)的攬收職責(zé)，站點(diǎn)客流量在一定程度上能夠代表兩類收寄需求規(guī)模，因此，居民住宅、商業(yè)樓宇、公司企業(yè)等數(shù)量增加代表原生需求增加，提升站點(diǎn)吸引力后增加了具有派生性的物流需求。

表7 正相關(guān)型站點(diǎn)中介效應(yīng)

負(fù)相關(guān)型站點(diǎn)中介效應(yīng)模型見表8，X1通過Bootstrap檢驗(yàn)，間接效應(yīng)顯著，中介效應(yīng)占總效應(yīng)的比值為ab/c= 41.55%，商場對物流服務(wù)設(shè)施數(shù)量42%的影響通過客流量間接傳遞。X4未通過Bootstrap檢驗(yàn)，中介效應(yīng)不顯著，故未在表中列出。商場與其他特征變量不同，表現(xiàn)出了完全不同的設(shè)施互動特點(diǎn)。模型(3)中出站客流量系數(shù)在99%的顯著性下為-0.4886，表明站域商場數(shù)量相同時，客流量大的站點(diǎn)，站域物流設(shè)施數(shù)量反而少，H3.2得到驗(yàn)證。

表8 負(fù)相關(guān)型站點(diǎn)中介效應(yīng)

客流對物流呈現(xiàn)抑制作用有兩方面原因：一方面、商場客流量大、流動性強(qiáng)，線下購物場景中物流需求產(chǎn)生或轉(zhuǎn)化的空間較??；另一方面，根據(jù)土地競租理論，商業(yè)房地產(chǎn)的競租能力較強(qiáng)，能支付最高的地租，通常聚集于城市集聚效應(yīng)最高的地方，最終形成商業(yè)中心[19]，如北京的王府井商圈。地租是物流設(shè)施選址的敏感因素，商場吸引的大量客流不能促進(jìn)物流業(yè)態(tài)發(fā)展，相反，處于商圈區(qū)域的物流企業(yè)需要面對巨大的成本壓力，從而導(dǎo)致物流企業(yè)退出商圈集聚區(qū)。

圖7為負(fù)相關(guān)中介效應(yīng)模型。

圖7 負(fù)相關(guān)的中介效應(yīng)模型

結(jié)合偏相關(guān)分析結(jié)果，可以得出：站域商場數(shù)量是呈現(xiàn)負(fù)相關(guān)原因之一，商場集聚不一定顯著增加站點(diǎn)客流量，但無論是否顯著增加站點(diǎn)客流量都會增加站域土地價格，對物流設(shè)施的集聚產(chǎn)生抑制作用。

五、基于支持向量回歸的預(yù)測模型

本文通過中介效應(yīng)模型分析了客流量、物流設(shè)施與若干特征變量的關(guān)系，但僅利用中介效應(yīng)模型無法預(yù)測設(shè)施數(shù)量。因而,本文進(jìn)一步構(gòu)建了基于支持向量回歸(SVR, Support Vector Regression)的預(yù)測模型。SVM無需假設(shè)樣本數(shù)據(jù)的分布特征，適用于樣本在不同分類下呈現(xiàn)不同分布特征的情況[20]。黃毅,夏國恩[21](2011)使用SVR提取了區(qū)域物流需求關(guān)鍵影響因素，并預(yù)測廣西物流需求，但不同區(qū)域的影響因素及其作用強(qiáng)度有所不同，無法一概而論。

(一)站域物流服務(wù)終端設(shè)施數(shù)量預(yù)測

軌道交通經(jīng)濟(jì)的核-輻效應(yīng)表現(xiàn)為站域原生需求集聚，帶動派生需求。物流服務(wù)設(shè)施具備公共服務(wù)的功能，與原生需求緊密聯(lián)系，故站點(diǎn)建設(shè)時考慮站域的物流服務(wù)設(shè)施數(shù)量并為其留下布局空間體現(xiàn)出必要性。

以出、入站客流量為自變量，站域物流設(shè)施數(shù)量作為待預(yù)測因變量。設(shè)SVR模型：

Y=SVR(X1,X2)

上文分析發(fā)現(xiàn)客流-設(shè)施存在促進(jìn)、抑制兩種互動關(guān)系，并得到正、負(fù)、強(qiáng)正、中度相關(guān)四個預(yù)測樣本集。本文選擇徑向基核函數(shù)(RBF)，訓(xùn)練集與測試集比例為3:7， Gamma和Cost取值范圍分別為[10-6，10]和[10-6，107]，設(shè)置十折交叉驗(yàn)證，最優(yōu)模型見表9。樣本集分別對應(yīng)表3及表4類別的站點(diǎn)集合，擬合曲線如圖8所示，測試集MSE較小，說明模型有效。

圖8 SVM回歸模型強(qiáng)正相關(guān)測試集擬合曲線

表9 SVR模型物流服務(wù)設(shè)施數(shù)量的預(yù)測效果

二次聚類站點(diǎn)的訓(xùn)練模型測試集MES相比類別一、二分別降低了44.25%和92.89%。

(二)數(shù)值實(shí)驗(yàn)

回龍觀和西二旗站點(diǎn)分別歸類為正、負(fù)相關(guān)型站點(diǎn)，下文將通過兩者站域的特征設(shè)施數(shù)量和客流量，預(yù)測物流設(shè)施數(shù)量。商場數(shù)量與不同樣本集站點(diǎn)客流量相關(guān)性相反，見表10?；佚堄^站點(diǎn)加入正相關(guān)型模型后，相關(guān)性增加，加入負(fù)相關(guān)型相關(guān)性降低，從而分別將正、負(fù)相關(guān)SVR模型應(yīng)用于相應(yīng)站點(diǎn)。

表10 站點(diǎn)相關(guān)性變化

六、結(jié)論及啟示

(一)主要研究結(jié)論

北京市軌道交通網(wǎng)絡(luò)化的形成，帶來了巨大的經(jīng)濟(jì)和社會效益。本文以北京市軌道交通站點(diǎn)客流及站域物流服務(wù)設(shè)施的互動關(guān)系為研究問題，借助相關(guān)分析探討了兩者的互動關(guān)系，利用中介效應(yīng)模型分析了呈現(xiàn)不同互動關(guān)系的原因，在宏觀尺度理解其作用機(jī)制，并基于互動關(guān)系建立了SVR預(yù)測模型，得到以下結(jié)論：

1.城市軌道交通站點(diǎn)和物流服務(wù)設(shè)施是城市人流和物流的關(guān)鍵節(jié)點(diǎn)，兩者之間存在復(fù)雜相互作用關(guān)系，并表現(xiàn)出客流-設(shè)施“閾值效應(yīng)”，客流規(guī)模超過閾值時，站點(diǎn)對物流服務(wù)設(shè)施聚集的廊橋或輻射效應(yīng)轉(zhuǎn)變?yōu)橐种菩?yīng)。與客流量和土地利用密度之間的關(guān)系不同，土地利用雖存在密度閾值，但超過閾值后客流量急劇增加[7]。

2.以物流服務(wù)設(shè)施數(shù)量為自變量，客流量為因變量，特征變量為中介變量建模時，中介效應(yīng)均不顯著，我們認(rèn)為軌道交通客流是物流設(shè)施選址的促進(jìn)因素，而不是根本原因，是設(shè)施選址發(fā)生的“必要但不充分的條件”。

3.物流服務(wù)終端設(shè)施在宏觀層面體現(xiàn)出公共服務(wù)的功能特點(diǎn)，但在微觀層面，物流服務(wù)終端設(shè)施表現(xiàn)出了成本敏感的特點(diǎn)。需求及潛在需求的增加都將促進(jìn)物流企業(yè)集聚，成本增加則會抑制集聚。站域商場集聚的情況下，需求未增加的同時成本增加，因此，產(chǎn)生抑制效應(yīng)。

(二)啟示

上述研究結(jié)果對超大城市軌道交通站點(diǎn)-站域規(guī)劃建設(shè)及物流需求分析具有以下啟示：

1.統(tǒng)籌規(guī)劃軌道交通站點(diǎn)與站域建設(shè)。城市軌道交通是現(xiàn)代城市交通系統(tǒng)的重要組成部分，是城市公共交通系統(tǒng)的骨干，是城市人流移動和物流需求發(fā)生地轉(zhuǎn)移的主要載體。北京市作為典型特大城市，物流需求向站點(diǎn)聚集的特征突出，應(yīng)統(tǒng)籌考慮站點(diǎn)與站域的建設(shè)，為物流服務(wù)設(shè)施布局留下空間。

2.推進(jìn)物流終端服務(wù)設(shè)施與其他公共設(shè)施的融合。特大城市在探索全新的減量發(fā)展體制機(jī)制時，推進(jìn)具有公共服務(wù)特點(diǎn)設(shè)施的融合，發(fā)揮空間優(yōu)勢，優(yōu)化物流服務(wù)終端設(shè)施利用方式。未來，針對道路運(yùn)輸瓶頸可探索地上-地下一體化的物流網(wǎng)絡(luò)布局規(guī)劃，站點(diǎn)和物流終端服務(wù)設(shè)施一體化建設(shè)，達(dá)到人流-物流雙流合一，減少物流運(yùn)輸?shù)闹虚g環(huán)節(jié)。

3.應(yīng)用先分類后預(yù)測的方式精準(zhǔn)預(yù)測站域物流服務(wù)終端設(shè)施數(shù)量。以客流預(yù)測物流需求的前提是站點(diǎn)分類，并針對不同類別分別建立SVR預(yù)測模型，能夠大幅提升預(yù)測精度。此預(yù)測模型可遷移應(yīng)用于地下物流需求預(yù)測，有利于地下物流系統(tǒng)的規(guī)劃設(shè)計(jì)，是規(guī)劃的基礎(chǔ)數(shù)據(jù)。