亚洲航运港口网络连接性分析

解煌鸣



摘要:为优化亚洲航运网络,推进亚洲航运的建设,基于复杂网络理论从度值中心性和港口流量角度分析了港口的连接性特征。结果表明: 亚洲航运港口网络存在层次性,度值在81以上的港口为第一层次核心港口,度值在32到80之间的港口为第二层次半核心港口,度值小于32的為第三层次边缘港口。度值中心性排名前30的港口多分布在中国沿海和东南亚地区,比例达到50%以上,这些港口拥有最广的联系密度和联系强度,而印度沿岸和中东地区等港口立足区位优势和资源优势,分别拥有突出的中转功能和联系强度,港口流量的排名均处于前位,从而巩固并提升了其在航线网络中的地位。
关键词:亚洲航运港口网络 复杂网络 港口 连接性
0 引言
21 世纪是海洋的世纪,海洋为人类未来发展提供了所需要的资源和空间。海洋交通运输业作为海洋服务业中重要的组成部分,其发展状况对我国经济发展产生了重要影响。航运系统是一个复杂网络,其重要部分由港口构成,并且整体效率受到港口功能和连接性的直接影响。分析亚洲航运港口网络的连接性特征,可以更好地了解和解释亚洲航运网络的基本构成特点,优化亚洲航线网络、推动亚洲航线网络建设与完善。
复杂网络是具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络[1],可以用来描述自然领域和社会科学中许多复杂网络的特性与复杂系统的形成机理。在海运航线网络方面,田炜和牟向伟等[2-3]分别对马士基海运网和CMACGMgroup的挂靠数据进行了实证分析,宗康[4]基于海上丝绸之路对沿线港口进行了连接性分析,Kaluza和McCalla等[5-6]分别对全球海运网络的小世界特性和加勒比海地区的复杂网络结构进行了研究。
研究表明,复杂网络特征可由复杂网络理论揭示,且网络中的个体关系及关系网络结构也可由复杂网络理论反应。基于此,本文利用度值中心性这种复杂网络中心性测度,基于港口流量,来分析其连接性特征。
1数据和方法
在亚洲航运网络拓扑结构的构建过程中,为了考察亚洲航运中港口与港口之间的连接性,本文假设一条航线上所有港口之间存在航线运输而全部直接相连,在数据可达性的原则下,本文利用马士基的航运数据,其业务范围基本覆盖所有航线。
以马士基网站公布的船期表为基础,分别跟踪和获取每条航线上一个航期中所有挂靠的港口。为了统计数据的完整性,在数据的收集中不区分航线是否为主干航线还是支线航线,力求构建最能反映真实的亚洲海运网络。
为计算简便,构建港口0-1邻接矩阵,并运用Ucinet画出航线网络结构。本口统计得到港口总数191,利用MATLAB软件,构建出191*191的0-1邻接矩阵。
2结构和分析
按照构建的0-1邻接矩阵,对亚洲航运网络结构进行分析。本文选取复杂网络中的中心性测度,结合港口流量来对亚洲航线港口的连接性进行分析。
在亚洲航运网络中,上海港具有最大的港口度数124,港口度最小为3。
对港口度进行一个简单的分类,如表1所示。
各测度反映的港口连接性特征如表 2 所示,表 3 显示了2种测度下排名前10 的港口及其计算结果。
从图3可以看出,亚洲航线港口网络的度分布函数在双对数坐标下曲线近似直线且尾部较粗,度分布服从幂率分布,幂指数为0.31,从而说明亚洲航线港口网络是一个BA无标度网络。
2.1 度值中心度
港口的度值中心性显示了复杂网络中与该港口通过航线可直接相连的港口数量,可以判断该港口在整个复杂网络中的联系广度。根据度值中心性,SHANGHAI港、NINGBO港、BUSAN港的度值均在100以上,位居前3,说明这3个港口在整个亚洲航线网络中通过航线可直接到达的港口数较多。SINGAPORE港到CHIWAN港这7 个港口的度值处于99~60之间,XINGANG港到KEELUNG港这20个港口的度值处于59~20之间,剩余37个港口的度值均在20~0以内,可以看出,大多数港口的度值处于中等或较少范围。图4为度值中心性排名前30港口的分布图,从图中可以看出排名前15度值的港口多数处于中国沿海地区、东南亚地区。
2.2港口流量
港口流量显示了选定时间内港口之间航运的流量,可以表示该港口与其他港口的联系强度。由表3可以看出,DUBAI港港口流量进入了排名前10,作为中东地区的重要港口,DUBAI港的度值虽没有SHANGHAI港、TANJUNG PELEPAS港等港口高,但其与世界主要港口之间存在的大强度航运联系使其显示出了较高的港口流量。图 5 显示了流量排名前30港口的地区分布及所占数量,可以看出,中国沿海的港口分布依然存在显著优势,沿海大流量港口数量多于亚洲其余地区总和。
2.3 评价性能
港口网络连接性的不同特性可分别由度值中心性及港口流量体现。将劳氏报业排出前 100 位港口与亚洲航线网络中的67个港口对比,保留两者排名共同前20位部分,运用SPSS进行相关性分析。由表 4 的测度相关性检验结果可知,排名前20位港口中度值中心性的港口排名与吞吐量的港口排名在显著水平为 0. 01 的情况下显著相关的,相关系数达到0.817,相关程度较高。基于上述的分析可以发现,度值中心性在核心港口的识别过程中具有一定程度上的实践意义。
现有研究表明,布拉德福信息分布定律在网络分析中具有一定的适用性[7-8],本文依托布拉德福定律以及度值中心性获得的港口排名,采用区域分析法对亚洲航线港口进行分析,将网络中67个港口分成三个层次,使每一个层所包含的航线总数相等,得到港口数在三个层次的分布比例为6:13:48。以港口数量的对数为横坐标,港口累计连边数为纵坐标进行图像描述,得到布拉德福分散曲线,如图6所示,曲线分成三部分[9],可见层次分布规律大致符合布拉德福分布定律。
从表5中可以看出:
核心港口:度值处于80以上的SHANGHAI港、NINGBO港、BUSAN港、SINGAPORE港、TANJUNG PELEPAS港等港口构成亚洲航线港口网络中的核心港口,联系范围最广,直接相连的港口数量最多,构成网络第一层次的港口
半核心港口:以HONG KONG港、QINGDAO港、NANSHA港、CHIWAN港、XINGANG港为代表的度值大于32的港口组成了第二层次的港口。
边缘港口:度值中心度低于32的所有港口构成第三层次,并处于网络的边缘地位。
图7以象限图的形式从联系广度和联系强度两个方面对海上丝绸之路沿线港口的连接性进一步分析,其中以港口度值排名为横坐标,以港口流量排名为纵坐标,把67个港口分成了四个象限。
第一象限港口在联系广度和联系强度两个方面均表现较为优秀。SHANGHAI港、SINGAPORE港、YANTIAN港、NINGBO港等港口均处于前 10,说明它们在亚洲海运港口网络中从联系数量和联系强度的排名都是处于前列的。
第二象限港口有较强的联系强度,但联系广度较为薄弱。这一象限共包含3个港口,分别是Ho Chi Minh港、Tokyo港和Lianyungang港。Ho Chi Minh港、Tokyo港和Lianyungang港在港口流量排名中位于排名前列,而在港口度值排名中卻处于后端,体现了这些港口在亚洲海运网络中对外联系广度较弱。
第三象限的港口在两个方面的排名均较为靠后。第三象限包含的港口数量与第一象限港口数量相当,并且在亚洲航运港口网路中均处于边缘层。这些港口本身在联系强度中因地区经济发展原因,港口流量较小,而在联系广度方面,其航线主要连接港口又较多为同一区域内港口,拉低了它们在两个方面中的排名,使得其处于网络边缘。
第四象限港口是在联系强度方面排名较后,而在联系广度上排名却较为靠前的港口。第四象限一共包含3个港口,分别是Davao港、Aqaba港和Pipavav港。这几个港口分别位于其分别处在东南亚港口群和中东港口群,之所以能够逐渐成为海运枢纽港口,这要归功于良好的地理位置和优越的海岸线条件使其能更有效地连接其他港口。
3结论
本文对亚洲航运港口网络的连接性进行了研究分析,得到了以下几点结论:
1.基于对亚洲航运网络中心性指标和港口流量的研究,在通过2种测度分析,超过50%以上的排名前30的港口分布在中国沿海及东南亚地区,港口之间高效的连接为中国经济的蓬勃发展奠定了坚实的基础;与此同时,由于石油贸易的频繁往来并且连接着亚洲和地中海,中东、印度沿岸也有部分港口拥有较高流量,沿线港口拥有较强的中转功能。东南亚地区依托其坐落着众多国际干线枢纽港,在整个海运网络中拥有良好的沟通效率。
2.基于布拉德福分布定律以及港口度值中心性排名,亚洲航运港口网络存在层次性。其中SHANGHAI港、NINGBO港、BUSAN港、SINGAPORE港、TANJUNG PELEPAS港等核心港口的度值均在80以上,构成网络核心港口,其联系密度、联系强度均较大; 度值在32到80之间的半核心港口居于第二层次; 度值在小于32的边缘港口居于第三层次。
3.通过坐标轴港口排名直观分析,发现Ho Chi Minh港、Tokyo港和Lianyungang港等港口联系强度较弱,其度值中心性排名在50位之外,但因在网络中的高流量,使其达到了前25的排名。Davao港、Aqaba港和Pipavav港等港口基于重要的腹地位置,度值排名位于前35,具备很强的海运联系的优势。
参考文献:
[1]郭世泽. 复杂网络基础理论[M]. 科学出版社, 2012.
[2]田炜, 邓贵仕, 武佩剑,等. 世界航运网络复杂性分析[J]. 大连理工大学学报, 2007, 47(4):605-609.
[3]牟向伟, 陈燕, 杨明,等. 班轮航运网络拓扑特性[J]. 大连海事大学学报, 2009, 35(2):34-37.
[4]宗康, 胡志华. 海上丝绸之路沿线港口的连接性分析[J]. 广西大学学报(自然科学版), 2016, 41(5):1423-1431.
[5]Kaluza P, K?lzsch A, Gastner M T, et al. The complex network of global cargo ship movements[J]. Journal of the Royal Society Interface, 2010, 7(48):1093-1103.
[6]Robert McCalla, Brian Slack, Claude Comtois. The Caribbean basin: adjusting to global trends in containerization[J]. Maritime Policy & Management, 2005, 32(3):245-261.
[7]马费成, 裴雷. 网络信息资源的分布规律[J]. 情报科学, 2003, 21(11):1121-1124.
[8]孙红霞. 网上学术信息离散分布规律研究—H5N1禽流感信息分布实证研究[D]. 中南大学, 2008.
[9]邱均平. 信息计量学(四):第四讲 文献信息离散分布规律—布拉德福定律[J]. 情报理论与实践, 2000(4):315-320.