基于熵權-模糊物元模型的南京都市圈綠色物流水平評價

荀守奎，張晉怡

（1.安徽理工大學 經(jīng)濟與管理學院； 2.安徽理工大學 金融科技研究所；3.安徽理工大學 城鎮(zhèn)化與產業(yè)發(fā)展研究所，安徽 淮南 232001）

引言

2021 年2 月，《國務院關于加快建立健全綠色低碳循環(huán)發(fā)展經(jīng)濟體系指導意見》提出了要加快建立、健全綠色低碳循環(huán)發(fā)展的經(jīng)濟體系?，F(xiàn)代物流業(yè)作為國民經(jīng)濟的支柱產業(yè)之一，應當大力發(fā)展綠色物流，實現(xiàn)節(jié)能降耗。2022 年12 月，《“十四五”現(xiàn)代物流發(fā)展規(guī)劃》指出，應將綠色環(huán)保理念貫穿現(xiàn)代物流發(fā)展全鏈條，提升物流可持續(xù)發(fā)展能力，大幅提高現(xiàn)代物流綠色水平。正因如此，選擇對綠色物流進行水平評價具有現(xiàn)實意義。

1 文獻綜述和評價

物流水平的高低主要通過效率值體現(xiàn)，評價物流效率的方法主要有數(shù)據(jù)包絡法、 主成分分析法、層次分析法、模糊物元法。

數(shù)據(jù)包絡法文獻綜述和評價。Isotilia Costa Melo 等（2020）利用DEA 對巴西出口大豆的物流運 輸 績 效 進 行 評 估[1]；Alexander Wollenberg 等（2022）運用DEA 法對中東海灣合作委員會國家、歐洲六國和拉丁美洲六國的綠色供應鏈發(fā)展狀況進行比較，并根據(jù)其物流績效指數(shù)的排名進行了篩選[2]；lo Storto Corrado 等（2023）通過DEA 法對比分析2010 年至2017 年歐盟28 個國家的物流系統(tǒng)績效[3]；龔瑞風等（2022）通過三階段DEA 模型對2009—2018 年中國31 個省份的物流效率進行測度與比較[4]；張永勝（2022）利用廣西省2010-2019年物流相關數(shù)據(jù)，通過數(shù)據(jù)包絡分析對物流綜合效率、技術效率和規(guī)模效率進行分析[5]；龔雪（2022）運用DEA-Tobit 模型分析2010-2019 年中國區(qū)域物流效率及其影響因素[6]；牛芳等（2023）通過構建考慮非期望產出和時滯效應的DEA 模型，測算出2012—2020 年京津冀地區(qū)13 個城市的物流業(yè)綠色效率[7]；秦小輝（2023）等運用三階段DEA 模型測算西部陸海新通道內14 省(區(qū)、市)2006—2020 年物流產業(yè)效率[8]。數(shù)據(jù)包絡分析是根據(jù)所選決策單元的多項投入、產出指標，利用線性規(guī)劃變換后，對相同類型的決策單元進行相對有效性評價的一種數(shù)量分析方法。數(shù)據(jù)包絡分析無需對數(shù)據(jù)進行量綱化處理且無需任何權重假設，但也存在以下缺點：對指標數(shù)量有明顯限制、 容易受到極值的影響、評估結果是相對效率而非絕對效率。

主成分分析文獻綜述和評價。Rose 等（2019）通過主成分分析法研究，發(fā)現(xiàn)綠色包裝、綠色倉儲、綠色技術、綠色運輸和逆向物流是實現(xiàn)綠色物流的主要途徑[9]；馬靜等（2017）利用主成分分析方法對調查問卷數(shù)據(jù)進行分析，分析遼寧省農產品綠色物流發(fā)展的影響因素[10]；張雪玲（2019）以2008-2016年的數(shù)據(jù)為樣本，采用主成分分析法測算東部、中部、西部三大經(jīng)濟區(qū)的物流業(yè)效率[11]；王學良等（2020）運用主成分分析法，綜合評價浙江、江西和廣西三個省份的低碳物流競爭力[12]。主成分分析法是一種通過正交變換將可能存在相關性的一組變量轉換為線性不相關變量的線性降維方法，轉換后的線性不相關變量即為主成分。主成分分析法的優(yōu)點是：數(shù)據(jù)的降維效果顯著、可減少冗余信息的影響、可消除評價指標之間的相關影響。但也存在如下缺點：對異常值比較敏感、 降維后存在少量信息丟失、主成分的解釋含義較原始數(shù)據(jù)比較模糊、需要考慮樣本量和變量個數(shù)的限制。

層次分析法文獻綜述和評價。de Souza ED 等（2021）使用層次分析法對塑料公司的27 個綠色物流指標進行排名[13]；曾學文（2015）利用層次分析法研究控制集團物流成本的方法[14]；劉艷霞（2018）基于六步AHP 分析法對長沙市四家商業(yè)物流企業(yè)進行效率分析[15]；羅超（2020）通過層次分析法對食用菌物流的綜合能力評價[16]。層次分析法是將與決策有關的元素分解成目標、準則、方案等層次，并在此基礎之上進行定性和定量分析的一種多層次決策方法。它適用于定性指標較多、評價指標較少且模糊度低的評價過程，但由于定量數(shù)據(jù)較少、定性成分多，所以存在著主觀性較強的缺點。

模糊物元法文獻綜述和評價?？惦蕃|（2020）基于模糊物元法從區(qū)域整體角度對京津冀區(qū)域物流能力進行評價研究[17]；陳言國，許仕恒（2021）基于模糊物元模型，針對福廈泉區(qū)域物流一體化進行實證分析[18]；孫婷等（2022）等運用模糊物元分析法對廣西省各城市近15 年的區(qū)域物流水平發(fā)展狀況進行橫向、縱向的分析[19]；吳培麗等（2023）基于模糊物元法研究鄭州市2012-2020 年的城市物流能力[20]。模糊物元法適用于評價指標不能準確量化、指標具有強模糊性的情況，但該方法在指標權重的確定上較為主觀。

上述方法各有優(yōu)、缺點，考慮到在評價綠色物流水平時存在指標數(shù)量較多、 評價指標之間不相容、評價指標數(shù)具有模糊性等問題，模糊物法更適用于此種情況，所以本文選擇模糊物元法對綠色物流水平進行評價。同時，為了保證評價結果的客觀準確，需要運用客觀賦權法來準確衡量指標權重，所以本文在評價過程中將運用熵權法來確定評價指標的權重。綜上考慮，本文將通過熵權-模糊物元模型來分析評價綠色物流水平。

南京都市圈位于長江流域下游，是長三角城市群的重要組成部分。都市圈以南京市為中心，連接淮安、揚州、鎮(zhèn)江、滁州、馬鞍山、蕪湖、宣城市。2022年南京都市圈經(jīng)濟總量達48952.4 億元，占全國經(jīng)濟總量比重的4.04%、 長三角比重的16.86%。當前，南京都市圈經(jīng)濟發(fā)展勢頭強勁，但關于其綠色物流水平評價的研究較少，所以本文選擇對南京都市圈進行綠色物流水平評價。

2 熵權-模糊物元模型構建

2.1 模型構建的基本思路

對綠色物流水平進行評價時，通常可以利用模糊物元法。模糊物元法是將物元分析與模糊數(shù)學知識相結合，利用事物、特征、量值三要素構建模糊物元模型。但利用模糊物元法在評價時，不能客觀地確定評價指標權重，所以為了更客觀準確地衡量指標權重，本文在評價過程中引入熵權法，構建熵權-模糊物元模型以評價綠色物流水平。

熵權-模糊物元模型構建的基本思路是：首先，構建復合模糊物元模型；其次，構建從優(yōu)隸屬度模糊物元模型；然后，進一步構建差平方復合模糊物元模型；最后，計算歐式貼近度，并以此評價綠色物流水平高低，構建歐式貼近度模糊物元模型。但是，由于在構建模糊物元模型時沒有考慮如何確定指標的權重，這會影響歐式貼近度計算結果的準確性，所以本文在模糊物元模型的構建中引入了熵權法。

2.2 模型構建的基本步驟

2.2.1 構建復合模糊物元模型

在物元分析理論中，將事物M、特征指標C 和對應的量值x 稱為物元R 的三要素，記為R=(M，C，x)。若m 個事物M 有n 個特征指標C1，C2，…，Cn及相應的模糊量值xij，則構成m 個事物的n 維復合模糊物元Rmn，即：

其中，Rmn為m 個事物的n 維復合模糊物元，Mi為第i 個事物（i=1,2,3,…,m）；Cj為第j 個特征（j=1,2,3,…,n）；xij為第i 個事物第j 個特征對應的模糊量值。

2.2.2 構建從優(yōu)隸屬度模糊物元模型

利用從優(yōu)隸屬度原則對各特征指標的模糊量值進行標準化處理。從優(yōu)隸屬度是指，各項特征指標相應的模糊量值從屬于最優(yōu)方案中對應模糊量值的隸屬程度。當復合模糊物元中的特征指標有正、負向之分時，正向指標屬于越大越優(yōu)型，負向指標則為越小越優(yōu)型。從優(yōu)隸屬度的計算公式如下：

其中，μij表示模糊量值xij的從優(yōu)隸屬度，maxxij和minxij分別表示各事物中第j 項特征相應的所有模糊量值中的最大和最小值。

利用各從優(yōu)隸屬度構建相應的m 個事物的n維從優(yōu)隸屬度模糊物元模型Rμ：

2.2.3 構建差平方復合模糊物元模型

將從優(yōu)隸屬度模糊物元Rμ與相對應的最優(yōu)模糊物元R0與進行差平方運算，通過差平方值Δij構建差平方復合模糊物元RΔ。其中，最優(yōu)模糊物元R0是由各項模糊量值的從優(yōu)隸屬度中的最大值組成，從優(yōu)隸屬度中的最大值表示為μoj。差平方復合模糊物元RΔ：

2.2.4 熵權法確定指標權重

利用模糊物元法進行評價時，評價指標的權重會直接影響評價結果的準確性。為此，需要使用熵權法來客觀賦權，以準確衡量指標權重。熵權法需要通過計算熵值來衡量某個評價指標的離散程度。若其離散程度越大，熵值就越小，該指標對總體評價體系的信息量貢獻就越大，即權重就越大，反之亦然。

用熵權法來計算事物M 的n 個特征指標Cj（j=1,2,3,…,n）的權重，具體計算過程如下：

第一步，計算經(jīng)標準化處理后，模糊量值xij的從優(yōu)隸屬度μij所占的比重Pij。

第二步，計算第j 個評價指標的熵值Ej。

其中，常數(shù)k 與樣本數(shù)相關，取k=1/lnm；當Pij時，令Pij·lnPij=0。

第三步，計算第j 個評價指標的差異系數(shù)Dj。

第四步，計算第j 個評價指標的權重ωj。

2.2.5 計算歐式貼近度

歐式貼近度ρHi可表示各評價事物與最優(yōu)事物之間的接近程度，貼近度越高說明該事物越接近最優(yōu)事物。因此，本文利用歐式貼近度的大小來體現(xiàn)綠色物流水平的高低，歐式貼近度越大，即表明該地區(qū)綠色物流水平越高。計算公式如下：

其中，ωj為第j 個評價指標的權重，Δij為從優(yōu)隸屬度模糊物元Rμ與相對應的最優(yōu)模糊物元R0中各項差的平方。

由ρHi可構造歐式貼近度復合模糊物元RρHi：

3 南京都市圈綠色物流水平評價

3.1 綠色物流水平評價指標體系構建

2019 年7 月，國家標準化管理委員會發(fā)布了《物流園區(qū)績效指標體系》（GB/T37102-2018）和《綠色物流指標構成與核算方法》（GB/T37099-2018）。本文結合國家標準和相關研究文獻，遵循科學性、系統(tǒng)性、可行性原則，并參考綠色物流的發(fā)展要求，從基礎設施投入、經(jīng)濟與發(fā)展、環(huán)境與能源3個方面選取11 個二級指標來構建綠色物流水平評價指標體系。

考慮到指標數(shù)據(jù)的可獲得性，借鑒大多數(shù)學者的研究經(jīng)驗，本文中將選取交通運輸、倉儲和郵政業(yè)相關指標來代替物流業(yè)指標，構建南京都市圈綠色物流評價指標體系。具體如表1 所示。

表1 南京都市圈綠色物流水平評價指標體系

3.2 數(shù)據(jù)來源

本文根據(jù)所建立的評價指標體系，依據(jù)數(shù)據(jù)的可獲得性，選擇南京都市圈內8 個城市2013—2021 年相關數(shù)據(jù)進行研究。數(shù)據(jù)來源于各城市歷年統(tǒng)計年鑒、統(tǒng)計公報以及《江蘇省統(tǒng)計年鑒》《安徽省統(tǒng)計年鑒》，并利用插值法將少數(shù)缺失的數(shù)據(jù)補齊。

對南京都市圈綠色物流水平進行評價，可以從時間維度和空間維度兩個方面展開。

3.3 時間維度分析

以2013-2021 各年份為評價事物Mi（i=1,2,3,…,9），評價指標體系中11 個二級指標為特征指標Cj（j=1,2,3,…,11），評價指標值為量值xij，從時間維度構建熵權-模糊物元模型。

3.3.1 時間維度水平測算

（1）構建復合模糊物元Rmn模型

對各城市相應的指標量值進行求和，即可得到南京都市圈對應的指標量值。

（2）構建從優(yōu)隸屬度復合模糊物元Rμ模型

對復合模糊物元Rmn模型中各項特征指標相應的模糊量值進行運算，得到優(yōu)隸屬度復合模糊物元Rμ模型：

（3）構建差平方復合模糊物元RΔ模型

將從優(yōu)隸屬度復合模糊物元Rμ與相對應的最優(yōu)模糊物元R0進行差平方計算，得出差平方值Δij。其中，Δij=(μoj-μij)2。構建差平方復合模糊物元RΔ模型：

（4）計算各指標權重ωj

利用從優(yōu)隸屬度復合模糊物元Rμ，計算時間維度下南京都市圈整體及各城市綠色物流水平的指標權重ωj。結果見表2：

表2 時間維度下南京都市圈整體及各城市綠色物流水平的指標權重

（5）計算歐式貼近度ρHi

根據(jù)差平方復合模糊物元RΔ中的差平方值Δij與各二級指標權重ωj，計算歐式貼近度ρHi，以此衡量時間維度下南京都市圈整體及各城市的綠色物流水平。結果分別見表3。

表3 時間維度下南京都市圈整體及各城市2013-2021 年的綠色物流水平

由表3 繪制出時間維度下南京都市整體及各城市2013-2021 年綠色物流水平變化趨勢圖，如圖1 所示。

圖1 南京都市圈整體及各城市2013-2021 年綠色物流水平變化趨勢圖

3.3.2 結論分析

（1）整體分析

圖1 中，南京都市圈整體2013-2021 年綠色物流水平變化趨勢為： ①2013-2015 年略有降低，原因可能是貨運發(fā)展能力不足，導致貨物運輸總量和貨物周轉量有所下降。②2015-2018 年穩(wěn)步上升，原因可能是基礎設施投入加大使得交通運輸線路總里程、物流業(yè)GDP 逐年增長。③2018-2019 年大幅提升，原因可能是交通運輸基礎投資快速增長、物流業(yè)發(fā)展速度大幅提升，導致交通運輸線路總里程、物流業(yè)GDP、固定投資額大幅增長。同時，由于碳減排的要求，物流業(yè)開始注重強化綠色發(fā)展理念，這導致SO2、煙塵排放量有所降低。④2019-2021 年明顯下降，原因可能是新冠疫情防控導致交通運輸線路總里程、物流業(yè)固定資產投資額持續(xù)大幅降低。

（2）分城市分析

南京市：①2013-2020 年綠色物流水平變化趨勢在窄幅波動中整體呈現(xiàn)緩慢上升，原因可能是物流業(yè)發(fā)展相對成熟，交通運輸體系較為完善，碳減排緊迫感尚且不足； ②2020-2021 年大幅上升，原因可能是交通運輸線路總里程、 物流業(yè)GDP 均大幅提升。這兩項指標在整個指標體系中權重較大，所以導致綠色物流水平升幅較大。

淮安市：①2013-2015 年綠色物流水平穩(wěn)步上升，原因可能與經(jīng)濟增長、物流業(yè)穩(wěn)步發(fā)展有關；②其余各年，與南京都市圈綠色物流水平變化趨勢大體保持一致。

揚州市：①2013-2015 年綠色物流水平變化趨勢增長較快，可能是因為經(jīng)濟增長較快、物流業(yè)發(fā)展迅猛、 貨運能力提升導致物流業(yè)固定資產投資額、從業(yè)人數(shù)逐年大幅增長、貨運量、貨物周轉量逐年增加；②2015-2020 年先有所下降，再緩慢攀升原因可能是權重較大的民用載貨汽車擁有量、交通運輸線路總里程兩個指標在此期間先減后增；③2020 年以后明顯上升，可能是由于物流業(yè)固定資產投資額、貨運量、貨物周轉量持續(xù)增長。

鎮(zhèn)江市：①2013-2014 年綠色物流水平大幅驟降，可能是因為物流業(yè)發(fā)展疲軟、貨運能力不足，導致物流業(yè)從業(yè)人數(shù)、貨運量大幅減少，這兩項指標的權重占比較大，所以導致綠色物流水平下降許多；②2014-2017 年有所回升，可能是由于社會經(jīng)濟增長、物流業(yè)發(fā)展加速、物流需求增大，使得物流業(yè)GDP、固定資產投資額、貨運量和貨物周轉量得到提升，同時，積極建設低碳項目，使得SO2排放量、 煙塵排放量、 廢水排放量持續(xù)降低； ③2017-2021 年平緩降低，可能是由于新冠疫情的影響，使得物流業(yè)增長減緩，物流業(yè)固定資產投資、從業(yè)人數(shù)、貨運量較2017 年有小幅下降。

滁州市：①2013-2016 年綠色物流水平持續(xù)增長，原因可能是權重靠前的交運輸線路總里程、物流業(yè)GDP 兩個指標逐年增加。同時，綠色發(fā)展理念有所強化，導致SO2、煙塵、廢水排放量以及能源消耗有所降低；②2016-2017 年略有下降，可能是因為貨運發(fā)展水平有所變緩，導致貨運量、貨物周轉量有所減少；③2017-2021 年先大幅上升、再保持穩(wěn)定，可能是由于交通基礎設施建設完善、物流業(yè)發(fā)展勢頭強勁，使得民用載貨汽車擁有量、交通運輸線路總里程、物流業(yè)GDP、固定資產投資額先大幅增長，再保持高位穩(wěn)定。

馬鞍山市：①2013-2017 年先總體平穩(wěn)、略有下降，原因可能是物流業(yè)發(fā)展增幅相對較小，固定資產投資增長較緩； ②2017-2021 年先大幅上升、再保持穩(wěn)定，總體上類似于滁州。

蕪湖市：①2013-2018 年綠色物流水平先緩慢攀升、再大幅上升，原因可能是交通基礎建設逐步加強，物流業(yè)發(fā)展逐漸完善，最終導致物流需求增多、貨運量和貨物周轉量快速增長，同時SO2排放量有所降低；②2018 年之后先下降、后攀升，可能是物流業(yè)GDP 在此期間先降后升所導致的。

宣城市：①2013-2016 年綠色物流水平緩慢上升，原因可能是物流業(yè)發(fā)展平緩，環(huán)境治理能力有所提升，導致物流業(yè)固定資產投資額略有增長，SO2排放量、 煙塵排放量、 廢水排放量均有降低；②2016-2018 年有所下降，可能是由于物流業(yè)固定資產投資額、 從業(yè)人員數(shù)較2016 年有所降低；③2018-2019 年大幅上升，可能是因為加大物流業(yè)投資，使得物流業(yè)固定資產投資額同比增加3.04 倍；④2019-2021 年先有所下降，后有向上增長，可能是由于新冠疫情的影響，物流業(yè)GDP、固定資產投資額先降后增。

3.4 空間維度分析

以南京都市圈內8 個城市為評價事物Mi（i=1,2,3,…,8，依次表示滁州、馬鞍山、蕪湖、宣城、南京、淮安、揚州、鎮(zhèn)江），11 個二級評價指標為特征Cj（j=1,2,3,…,11），評價指標值為量值xij，從空間維度構建熵權-模糊物元模型。

3.4.1 空間維度水平測算

（1）構建復合模糊物元Rmn模型

（2）構建從優(yōu)隸屬度復合模糊物元Rμ模型

（3）構建差平方復合模糊物元RΔ模型

（4）計算指標權重ωj

利用從優(yōu)隸屬度復合模糊物元Rμ，計算空間維度下2013-2021 年綠色物流水平的指標權重ωj。結果見表4。

表4 空間維度2013-2021 年綠色物流水平的指標權重

（5）計算歐式貼近度ρHi

計算歐式貼近度ρHi，以此衡量空間維度下2013-2021 年內年南京都市圈內各城市的綠色物流水平，結果見表5。

由表5 繪制出空間維度下2013-2021 年南京都市圈各城市綠色物流水平對比圖，如圖2 所示。

圖2 空間維度下2013-2021 年南京都市圈各城市綠色物流水平對比圖

3.4.2 結論分析

從上圖可以看出，南京市綠色物流水平居于南京都市圈內8 個城市之首；蕪湖市除2020 年之外，均排名第二；揚州、滁州、淮安、宣城在第三至六位之間波動；鎮(zhèn)江和馬鞍山基本穩(wěn)居第七、第八位。

南京市排名靠前的原因可能是，南京市物流業(yè)發(fā)展穩(wěn)中有進，提質降本增效能力增強，積極促進基礎設施低碳化建設，堅持發(fā)展減污降碳項目，強化創(chuàng)新綠色低碳科技。

蕪湖市排名第二的原因可能是，蕪湖市持續(xù)完善物流基礎設施，快速壯大物流市場主體，穩(wěn)步提升物流需求，積極推進物流低碳轉型。

鎮(zhèn)江市和馬鞍山市排名靠后，分列第七、八位。兩市綠色物流水平靠后的主要原因可能與交通基礎設施投資增長相對較少、 物流業(yè)增加值較小有關。

4 結論及建議

4.1 研究結論

本文以南京都市圈為研究對象，選取3 個一級指標、11 個二級指標構建綠色物流評價指標體系，利用2013-2021 年相關指標數(shù)據(jù)，通過構建熵權-模糊物元模型，分別從時間、空間維度對南京都市圈綠色物流水平進行分析，得出以下結論：

（1）時間維度。南京都市圈整體2013-2021 年綠色物流水平變化趨勢：前期略有降低，中期逐步大幅上升，后期明顯下降。都市圈內各城市綠色物流水平的變化趨勢總體處于上升趨勢，但是變化不盡相同。

（2）空間維度。南京都市圈8 個城市綠色物流水平排名情況為：南京、蕪湖排名第一、第二，滁州、宣城、淮安及揚州在第三至六位之間變化，鎮(zhèn)江和馬鞍山位列最后。綠色物流水平的高低主要取決于交通基礎設施投資多少、貨物運輸能力高低、物流業(yè)增加值大小以及環(huán)境治理能力強弱有關。

4.2 建議對策

4.2.1 時間維度

（1）完善綠色物流法治體系。制定綠色發(fā)展相關法律法規(guī)，完善綠色物流法治體系，規(guī)范物流環(huán)節(jié)污染物排放，為綠色物流發(fā)展提供有力的法制保障。

（2）加強綠色物流基礎建設。大力推進物流基礎設施新建、改擴建，提高現(xiàn)有設施的使用效率，加強新建設施的功能整合；大力推廣節(jié)能型交通運輸工具，降低能源消耗和污染排放；加強綠色倉庫改造建設，合理化布局倉儲容量。

（3）加快貨運結構優(yōu)化調整。推進多式聯(lián)運發(fā)展，構建多式聯(lián)運網(wǎng)絡，積極推動“公轉鐵、公轉水”；鼓勵企業(yè)積極參與多式聯(lián)運工程建設，構建便捷、高效、綠色的綜合交通樞紐體系。

（4）加大綠色物流科技創(chuàng)新。加強大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能、區(qū)塊鏈等新型技術在物流領域的應用；加強綠色物流技術在物流運輸、倉儲等環(huán)節(jié)中發(fā)揮的作用；加強科技賦能，驅動物流業(yè)向綠色、循環(huán)、低碳方向轉型升級。

4.2.2 空間維度

（1）發(fā)揮都市圈輻射作用。南京都市圈各城市的綠色物流水平不均衡，尤其是南京市與其他城市之間的差距極其明顯。應充分利用南京都市圈獨特的跨省協(xié)作優(yōu)勢，發(fā)揮好南京市對周邊城市的輻射效應，以提升都市圈整體綠色物流水平。

（2）加強區(qū)域間協(xié)同合作。長江經(jīng)濟帶和長三角一體化等重大發(fā)展戰(zhàn)略給都市圈帶來了難得的發(fā)展機遇。南京都市圈內各城市應積極整合資源，加強協(xié)作，完善區(qū)域物流網(wǎng)絡體系，促進區(qū)域內物流活動組織化、規(guī)?；?、低碳化運行。