产业集群理论是20世纪20年代出现的一种西方经济理论。哈佛商学院Michael E.Porter在《国家竞争优势》（1990）一书中正式提出了产业集群（Industrial Cluster）的概念，后来又在 “产业集群与新竞争经济学”（1998）一文中进一步完善，认为“产业集群是在某一特定领域中，在地理位置上集中，且互相联系的公司和机构集合，并以彼此共通性和互补性相联结” 。
陈立阁针对航空运输负载均衡进行了研究，指出相关的政策措施会直接影响到航空运输的负载均衡；罗端高、史峰，徐兵、朱道立，要甲、史峰等从多用户的角度对混合交通均衡建立了变分模型，并进行了深入的理论分析和实证研究；管小俊以煤炭产业为对象，研究了煤炭物流运输中保持均衡的几个关键要素及算法设计。鲍静溪运用博弈论分析了基于现实问题的区域物流均衡框架，并通过对区域内物流发展不平衡的原因分析，提出了产业政策建议。杨自辉、符卓对纵向物流产业集群物流仓储能力的均衡问题进行了较深入的理论分析，建立了六宫格均衡模型；在物流产业集群方面，国内外的学者从不同角度、不同程度进行了研究，并在论文中已经进行了论述。
随着我国工业的快速发展，各省各地区之间的分工越来越细，对产品的需求也提出更多、更高的要求，其中，物流服务的水平直接影响着各地区之间的产品需求均衡，对地区的发展也有影响。对于某一个领域纵向物流来说，如何消耗最少的公路资源，具有一定的公路运输负载能力，满足当地运输负载需求，达到运输负载-资源消耗均衡（TL-RC均衡），就显得尤为重要。本文针对纵向物流产业集群中公路运输负载能力与运输负载需求进行对比分析，对公路运输负载能力和资源消耗进行了均衡分析。
1 纵向物流产业集群中公路运输负载能力（TCi）的几个均衡指标
1.1 求解问题中的几个条件假设
在纵向物流产业集群（Longitudinal Logistic Industrial Cluster，以下简写LLIC）中，由于涉及的因素多，情况复杂，在求解几个均衡指标之前，为了简化计算，本文提出以下假设：
假设1：公路运输负载能力是指不考虑铁路、航空和水路的运输负载能力，这几者之间的运输负载比例是稳定的，其变化是可以忽略不计的。
假设2：所有的社会车辆拥有数完全满足物流需求，那么公路运输负载能力仅跟本地区的公路里程数这个变量相关。
假设3：公路满负荷运转，其综合使用寿命为10年（实际上一般使用寿命为高速公路、一级公路设计年限为15年，二级公路设计年限为12年，三级公路设计年限为8年，四级公路设计年限为6年），但如果在对已建好的公路不做任何维护和保养的前提下，保持满负荷运转，假设其平均使用寿命为5年。
假设4：货运周转量增加值主要与制造业增加强相关，与其他因素都是弱相关的。且货运周转量增加值对制造业增加值的弹性在全国区域内以及在未来5年内基本上是保持一致的。
1.2 纵向物流产业集群公路运输负载能力的最低指标（TCl）
交通运输网络承载能力的最低指标指的是能满足一个区域内的现有物流量的需求承载能力公路运输负载能力是指以省为单位的货运公路运输负载能力。，如果不能满足城市物流交通运输，那么城市的基本物流需求就很难得到保障，不仅城市建设（如钢材、建材等城市建设物资）的物流得不到保障，城市居民的生活所需物流是否能得到保障也是一个很大的问题，如果在交通运输网络承载能力不足的情况下，首先满足居民的生活所需物资的物流，那么城市建设所需物资的物流必然受到滞阻，给城市发展带来相当大的压力，对整个区域的发展是不利的，那么也就与本文的研究目标——物流优化思想背道而驰，也是不符合社会发展需要的。如果把一个省作为研究对象，它的公路运输负载能力的最低指标就是要满足现有情况下物流运输负载的需求，也就是本地区一年的货物周转量，这个指标一般用“吨公里”来表示，政府在统计时，鉴于量比较大，也用“亿吨公里”来表示。
1.3 纵向物流产业集群现有公路运输负载能力（TCi）
现有公路运输负载能力主要是为了体现某一省份在现有基础设施前提下，最大的公路运输负载能力有多大的一个均衡指标。该指标用以下公式计算得出：
货运车公里数（TKi）=总货运周转量（TVt）/所有货运车辆平均载重（AL）；
客运车公里数（CKi）=旅客总周转量（TVp）/所有客运车辆平均载客数（AN）；
货运占用公路资源比重（PTKi）=货运车公里数（TKi）/（货运车公里数+客运车公里数）；
每公里承载的车公里数（AV）=/省公路里程数（KN）；
每公里能承载的车公里数（AVAverage）=Average{各省每公里承载的车公里数}；
当前公路运输负载能力（TCi）=每公里能承载的货运最大周转量×省公路里程数（单位用“亿吨公里”来表示）。
现有公路运输负载能力变换成总公式：
TCi=TVt÷ALTVt÷AL+TVp÷AN×AverageTVt÷AL+TVp÷ANKN×AL×KN
1.4 纵向物流产业集群公路运输负载能力的最高指标（TCh）
公路运输负载能力的最高指标（TCh），指公路建设后能达到的运输负载能力（主要是指“亿吨公里”）不能超过公路所覆盖地区对运输的总需求及包括未来5年发展的需求。如果公路建设完成后，其运输负载能力超过了最高指标，则表示公路存在资源浪费，那么这种发展是没有必要的。根据该城市的发展，在现有的公路运输负载能力最低保障指标TCl上，增加一个区域发展系数r（1），此时，TCh=TCl（1+r（1））5。也就是说，该区域5年以后公路运输负载能力TCi不能够超过TCh，只要满足TCi≤TCh= TCl（1+r（1））5就可以。
要计算5年以后的该城市公路运输负载需求，就需要对未来5年该地区的客运增长以及货运增长进行预测，这里需要引入以下几个指标：5年货运周转量增长值TGi和货运增长率r（1）r（1）比率是取前五年（2006～2010年）指标的增长率的简单平均值。，见表1。
2 构建纵向物流产业集群公路TL-RC均衡模型
2.1 公路运输负载能力与公路运输负载需求之间存在的三种状态
（1）公路运输负载能力（TCi）≤公路运输负载需求（TCl）
现有的公路运输负载能力（TCi）不能满足当前公路运输负载的需求（TCl），这是一种典型的运输能力不足的表现，这种状态属于非均衡状态。
（2）公路运输负载能力（TCi）介于当前公路运输负载需求（TCl）和未来5年发展后的运输负载需求之间。这种状态是一种比较理想的状态，现有的公路运输负载能力既能满足当前公路运输负载需求，又没有对经济发展带来的货运需求的增长而造成能力浪费。用公式表示这种状态为：TCl ≤TGi ≤TCh，这种状态是期望状态，属于均衡状态。
（3）公路运输负载能力（TCi）≥5年后公路运输负载需求（TCh）
虽然公路运输负载能力能够满足该地区运输负载需求，这种状态是因为公路过度建设而造成的，对社会资源造成了极大的浪费，这种状态属于非均衡状态。
2.2 公路资源消耗的两种状态
公路资源也是一种社会资源，把公路货运消耗的平均值作为一个临界点，那么一种状态就是公路货运资源利用率偏低，导致公路资源消耗超过了社会平均水平，这种状态下就需要政府对公路资源的利用加以引导和加强管理，或者利用新技术，提高公路资源的利用率，提高公路负载能力的供给力。另一种状态就是公路资源利用率达到甚至超过了社会平均水平，该地区的公路资源得到了充分利用，政府要想提高公路负载能力的供给，就必须要加长公路的里程，加快公路基础设施建设，或者分流到铁路、水路货运，来缓解公路货运的压力。
2.3 构建纵向物流产业集群公路TL-RC六宫格均衡模型
综合以上两种情形，可以把某个地区的运输负载能力与资源消耗社会资源消耗是指某地区的公路资源消耗，主要包括客运和货运对公路资源的消耗。之间的状态用一个六宫格图形来表示（见图1）。下面就这六种不同状态分别进行分析：
A状态：社会资源消耗水平低于平均水平，但公路供给能力不能满足当前运输需求，需要借助其他运输形式如铁路、水路等来满足纵向物流产业集群的运输负载需要。这种状况是公路管制与技术应用相对超前，但公路运输基础设施建设没有跟上城市发展的需求造成的，需要加大地区的公路建设物流配套设施的投资。
B状态：社会资源消耗水平低于平均水平，公路运输供给能力不仅完全能够满足当前纵向物流产业集群公路运输负载需求，也可以基本满足5年产业不断发展对公路运输的需求，而且没有造成社会资源浪费。同时满足这三个条件的一种状态是比较合理的状态，我们把这种状态定义为公路运输负载均衡状态，也称为公路运输负载最优状态。
C状态：社会资源消耗水平低于平均水平，公路运输负载能力远远超过当前公路运输物流的需求，同时也超过了5年发展后的物流产业对公路运输负载需求。这种状态是属于在纵向物流产业集群中，该节点（城市）公路运输比较发达，可以进行技术或管理输出，承担纵向物流产业集群对其他运输形式（如铁路、水路运输等）承载的物流需求。
D状态：一方面，这类公路运输状态社会资源消耗比较高，超过了社会平均消耗水平，公路运输物流技术含量低；另一方面公路运输供给能力也远远超过了当前公路运输负载的需求，甚至超过了5年发展后的公路运输需求，造成了极大的浪费，不符合构建“两型”社会的发展要求。这类状态属于缺乏行政监管和规划，盲目加快公路运输基础设施建设带来的后果。
E状态：一方面，这类公路运输状态社会资源消耗比较高，超过了社会平均水平，公路运输物流技术含量低；但另一方面，公路运输供给能力完全能够满足当前公路运输负载需求，也可以基本满足未来5年产业不断发展对公路运输负载的需求，没有给社会造成浪费。这类状态，政府在公路运输物流的引导投资和规划建设上做得比较到位，但是需要在公路运输管理、技术革新上有所突破，把资源消耗水平降到社会平均水平线以下。这种状态虽然在公路运输负载方面达到了均衡，但是因为社会资源消耗高于平均水平，属于一种“伪均衡状态”。
F状态：这类公路运输承载能力状态不仅社会资源消耗高，超过了社会平均水平，另外，公路运输负载能力不能满足该节点当前的公路运输负载需求。这类状态属于严重不发达条件下的一种无序建设状态，是一种比较落后的状态。
3 LLIC公路运输负载均衡模型实证研究
3.1 公路运输负载能力与运输负载需求均衡分析（见表2）
表2中考核的主要指标是公路运输负载能力（TCi），“1”代表TCi≤TCl ，表示现有的公路运输负载能力不能满足当前本地区纵向物流中货物周转的要求，也就是说在纵向物流产业集群中，该地区公路属于超负荷运转；“2”代表TCl≤TCi≤TCh，表示现有的公路运输负载能力完全能够满足该地区纵向物流当前货运周转的需要，没有超过和造成浪费，这是一种比较理想的均衡状态；“3”代表TCi≥TCh，表示本地区现有的公路运输负载能力远远超过了纵向物流当前货运周转的需求，以及未来5年后的需求，造成了一定的负载能力浪费。
3.2 社会资源消耗数据统计分析
对社会资源消耗（即公路资源的消耗）用三个指标来衡量：
第一，每公里承载的车公里数。这个指标主要是偏重于衡量公路对车辆的负载程度。也就是相当于www.dylw.net 第一论文网把公路纵切面切开后，每年从公路纵切面通过的车辆总数量。第二，一年内每公里承载的货物周转量。这个指标偏重于衡量公路对货物周转量的负载程度。与第一种类似，就是测算每年从公路纵切面通过的货物总吨位数。第三，每周转一吨货物所消耗的公路里程数。很显然，这个指标准确地解读了某地区周转一吨货物需要消耗公路资源水平，也就是消耗的社会资源水平。以下就用“每周转一吨货物需要消耗的公路里程数”这一指标对全国各地区社会消耗水平进行评价分类（见表3）。
表3中的资源消耗=公路里程数÷货物周转量（公里/亿吨），其评价结果的高低两个指标主要是：“高”是指本地区纵向物流的资源消耗水平高于社会平均水平RC0，即RCi≤RC0；反之，“低”就是指本地区的纵向物流的资源消耗水平高于社会平均水平RC0，即RCi≥RC0 ，也就是公路资源利用率比较高。
3.3 实证分析结论
根据前面建立的六宫格均衡模型，以及上一部分的数据分析，把各省的公路运输负载分别放到六宫格中（见图2）。
分析结论1：边远省份运力相对过剩。由图2可以看出，边远省份除了宁夏和广西以外，其他几个省份的公路都集中在CDE区间，其负载能力都超过了当前公路负载需求，甚至超过了5年以后的运输负载需求。这主要是由两方面引起的，一是边远省份工业不发达，公路负载需求疲软；二是公路建设远远超过了该地区公路负载需求。这类地区应该狠抓工业建设，提升当地经济发展。
分析结论2：工业发达地区基本集中在A类区域，明显表现出运力不足。这些省份主要是沿海和中部省份。中部地区因为区位优势比较明显，而沿海地区明显工业比较发达，公路负载需求大，直接导致了公路负载明显运力不足的状况。这类地区一方面应该加大公路建设的力度，提高公路运输负载能力，另一方面应该根据国家需要，考虑工业产业向西部转移，缓解当地的公路运输负载压力。
4 结语
本文通过理论推导分析，构建了公路运输负载能力的六宫格模型，并通过对31个省份近5年来的数据分析以及未来5年的数据预测，将我国31个省份分别纳入到六宫格模型中。在F宫格中没有出现任何省份，说明我国在公路规划及管理上具有比较先进水平；其他几个宫格中出现的省份也基本符合该地区的基本情况，符合我国经济发展的状况，说明六宫格模型的建立与运用具有一定价值。但是，在进行数据预测过程中，本文运用简单平均法，没有运用动态均衡思维来进行预测分析，预测的结果难免会出现一些偏差。
参考文献：
Porter M E.The Competitive Advantage of Nations.New York：The Free Press，1990.
Porter M E.Clusters and New Economics of Competition.Harvard Business Review，1998，11.
陈立阁，等.促进我国区域航空运输均衡的政策措施研究.空运商务，2007，9（18）：4-9.
罗端高，史峰.多用户多方式混合交通均衡变分模型及求解算法.交通运输系统工程与信息，2010，10（5）：110-116.
徐兵，朱道立.多用户多准则固定需求随机交通均衡变分模型.西南交通大学学报，2008，43（1）：114-119.
要甲，史峰.基于出行时间预算的多模式多类用户城市交通均衡分析.中南大学学报（自科），2011，42（11）：3572-3577.
管小俊.煤炭物流运输网络风险评价及均衡保持关键问题研究.北京交通大学.2010.
鲍静溪.物流产业均衡发展研究.云南财经大学，2009.
杨自辉，符卓.纵向物流产业集群仓储能力均衡理论研究.经济地理，2012，（5）：83-86.
国家统计局.中国统计年鉴（2011）.中国统计出版社，2011.
