专栏名称: GISer last

GISer last 公众号主要以分享互联网数据资源为主。也分享过GIS、FME等技术教程方法。我个人对于大数据资源、可视化制作、地图制图等方面有很大兴趣，也会分享个人的一些应用和教程。

成果分享 | 加权的中美集装箱航运网络结构特性分析与演化研究

GISer last · 公众号 · · 2024-10-27 20:54

正文

点击蓝字关注我们

引用格式

Citation: ZHANG Tiantian, XI Daping, JIANG Wenping, FENG Yuhao, WANG Chuyuan, HU Xini. Structural Characteristics and Evolution of a Weighted Sino-US Container Shipping Network. Chinese Geographical Science. https://doi.org/10.1007/s11769-023- (张甜甜，奚大平，江文萍等，加权的中美集装箱航运网络结构特性分析与演化研究[J]. Chinese Geographical Science. https://doi.org/10.1007/s11769-024-1436-7)

【注：论文通讯作者为团队指导老师奚大平副教授，官网：https://grzy.cug.edu.cn/xidaping 】

在线阅读链接

https://link.springer.com/article/10.1007/s11769-024-1436-7?utm_source=rct_congratsemailt&utm_medium=email&utm_campaign=nonoa_20240717&utm_content=10.1007%2Fs11769-024-1436-7（点击左下“阅读原文”可直接访问）

01 研究背景

进入二十世纪以来，跨地区经贸往来变得日益频繁。海上运输因其运量大、成本低和货物适应强的特征成为对外贸易的主要运输方式。而其中集装箱运输凭借着提高装卸作业效率、保证货物运输安全以及减少运营费用等的优越性成为航运网络中重要的运输方式。因此，集装箱航运网络成为研究航运网络的主要对象。集装箱航运网络受到经济和地理等因素影响发生动态变化，港口间的航线产生了国家和地区间的贸易往来，形成了一种典型的复杂网络。因此，需要通过复杂网络理论来研究其结构和演化机制。

本文以加权中美集装箱航运网络为研究对象，以全球排名前30名航运公司的航运信息为数据来源，从复杂网络理论出发，首先构建模拟出最接近实际情况的加权中美集装箱航运网络。接下来通过分析该网络的结构特性，探索该网络具有的结构复杂特性。最后通过从时间、空间和事件影响三个角度研究该网络的演化情况，更全面地探索该网络的动态演化机制。这将为设计和优化集装箱航运网络提供实质性的借鉴和参考，并为港口规划和提高航线运输效率提供重要的理论应用。

02 研究数据

本文着重分析的是基于航次加权的中美集装箱航运网络，所使用的数据包括：第一部分数据为中美港口吞吐量、港口所处地区GDP等相关数据，主要来自美国港口协会以及美国经济分析局，《中国港口年鉴统计》以及《中国城市年鉴统计》。这部分数据主要是用来研究基于时间序列的加权集装箱航运网络演化。第二部分数据为AIS数据，主要来自于宝船网以及MarineCadastre，这部分数据是用来赋予集装箱航运网络的航次权重。第三部分数据为中美集装箱运输航线数据，主要来自海运数据库Alphaliner 提供的全球排名前30名航运公司网站，这部分数据分别是用来进行网络构建以及演化分析。

03 研究方法

本文的研究方法主要包括：航次分析法、加权复杂网络结构特性分析方法以及加权复杂网络演化分析方法。

航次分析方法主要是根据AIS数据和港口数据以及这些数据在业务上、逻辑上、时空上的相互关系，将船舶航行过程划分为多种航行事件，分析按时间升序排列的航行事件，形成船舶航行从装货到卸货的完整航次周期。主要流程包括：1）电子围栏分析：主要是基于港口点位位置信息，在影像图上手动绘制中美各港口多边形范围，以获得更为准确的港口空间范围；2）航行事件分析：首先判断船舶AIS轨迹点数据的航行状态和航速；然后与港口电子围栏进行相交计算，判断AIS轨迹点是否在港口中；最后根据港口的装卸货标识对船舶装卸货状态及进行判断，形成包含8种航行状态的航行事件并按时间升序排列；3）航次分析：通过分析按时间升序排列的航行事件，形成航行周期并对应到不同的运输航次。

加权复杂网络结构特性分析方法总结了加权复杂网络结构特性、加权中心性以及网络连通性度量指标。

加权复杂网络演化分析方法是为了能更好地模拟现实加权集装箱航运网络的演化过程，在传统加权BBV模型基础上，考虑到加权集装箱航运网络演化规律，提出一种基于局域世界的改进加权BBV模型。该模型在该网络动态演化过程中考虑了如下两个现实情况：第一是在传统加权BBV模型中，节点偏好连接取决于节点强度，而在现实航运网络中港口偏好连接依据不仅取决于港口节点强度，而且取决于港口自身属性值，即港口吸引因子；第二是在传统加权BBV模型中，当新节点加入到网络中时，将对全网己存在节点进行择优连接，而在现实航运网络中存在信息局域性和封闭性，新港口往往获取不到全部的航运网络信息，只在局域世界港口中进行选择。

根据以上优化条件，基于局域世界的改进加权BBV模型将传统加权BBV模型中的偏好连接概率由原来的节点强度优先连接概率调整为节点吸引因子优先连接概率；同时针对传统加权BBV模型没有考虑到局域世界存在的问题，将局域世界模型融合到BBV模型中。

04 加权集装箱航运网格构建与 结构 特性分析

以收集整理得到的156个港口，297条航线为基础数据，基于L空间法的网络构建原则，将航线数据转化为邻接表形式，合并部分航段后，共统计出156个挂靠港口，522条边。利用matlab软件，将得到的邻接表转化为邻接矩阵，构建一个以港口为节点，航线为边，航次为权重的156＊156运输矩阵。将得到的运输矩阵输入Gephi软件，利用该软件的可视化功能绘制出基于航次加权的中美集装箱航运网络结构图，如图4.1所示。

图4.1 基于航次加权的中美集装箱航运网络结构图

从图4.1可以看出，加权航运网络中纽约、釜山、香港、巴拿马城和上海等港口节点较大，与周围港口节点连边较密集，其它港口节点都较小，与周围港口节点连边较稀疏。此外可以发现釜山到上海、釜山到纽约、香港到高雄、上海到宁波和纽约到萨凡纳等节点对之间连边较粗，说明这些港口之间的联系比较频繁。综上，釜山、香港、上海和纽约不仅与其它港口连边较多，也与周围港口联系频率较高，说明这些港口在中美航运网络中较为重要。

05 加权集装箱航运网络的时空演化 分析

为验证所构建的基于局域世界的改进加权BBV模型在研究加权中美集装箱航运网络演化过程中的有效性和适用性，本节对该演化模型进行数值模拟。为了计算港口吸引因子，本节首先收集整理了2019年156个港口的港口吞吐量、港口腹地经济、港口区位和港口空间分布的原始数据。然后为了验证本文选取的四个指标的有效性，分别分析港口节点强度与港口吞吐量、港口腹地经济、港口区位和港口空间分布之间的相关性，结果如图5.1所示。

图5.1 港口节点强度与港口吞吐量、港口腹地经济、港口区位和港口空间分布之间的相关性

06 基于疫情事件影响的加权集装箱 航运网络演化分析

疫情影响下加权中美集装箱航运网络节点强度变化情况如图5.1所示。从图中可以看出，疫情爆发前，初始网络的平均节点强度为30.308，说明在疫情爆发前加权中美集装箱航运网络中平均每个港口与其它港口的航运联系较密切。在疫情初期，由于中国采取了强有力的封锁措施，导致部分航运企业和港口暂停营业，因此网络中每个港口与其它港口进行航运联系的频率大大降低，2020年2月上旬，平均节点强度下降了20.24%。从2月下旬开始，随着国内疫情得到有效控制，中美港口货物运输缓慢恢复，平均节点强度开始上升，这表明中国在疫情控制和复工复产方面采取了有效的措施，有助于保障国际贸易的正常运行。3月份，疫情在全球范围内爆发，平均节点强度再次出现下降趋势，并且4、5月份，疫情在全球蔓延加重，中美各地区采取不同程度的港口管控措施，平均节点强度持续走低，6月份，中美港口间逐渐恢复运输，平均节点强度逐渐上升。但由于疫情没有得到彻底控制，平均节点强度恢复不到疫情爆发前初始网络的值。

成果分享 | 加权的中美集装箱航运网络结构特性分析与演化研究

正文

请到「今天看啥」查看全文