EN中文

地理研究 >

2019 , Vol. 38 >Issue 9: 2273 - 2287

DOI: https://doi.org/10.11821/dlyj020181375

论文

海洋主航道对全球集装箱运输网络的影响分析

  • 陈闪闪 1, 2 ,
  • 彭澎 , 2, 3 ,
  • 陆锋 2, 3, 4 ,
  • 吴升 1, 4
展开
  • 1. 福州大学福建省空间信息工程研究中心,福州大学数据挖掘与信息共享教育部重点实验室,福州 350002
  • 2. 中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室,北京 100101
  • 3. 中国科学院大学,北京100049
  • 4. 海西政务大数据应用协同创新中心,福州 350002
彭澎（1989-），男，湖南岳阳人，博士，主要从事海上交通地理信息科学、能源地理、复杂网络分析等。E-mail:

陈闪闪（1992-）,女,河南安阳人,硕士,主要从事海上交通地理信息科学、复杂网络分析、时空数据挖掘与可视化研究。E-mail:

收稿日期: 2018-12-18

  要求修回日期: 2019-02-27

  网络出版日期: 2019-09-11

基金资助

中国科学院重点项目(ZDRW-ZS-2016-6-3)

福建省科技创新平台建设项目(2015H2001)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Influence of the main channels on global container ship network

  • CHEN Shanshan 1, 2 ,
  • PENG Peng , 2, 3 ,
  • LU Feng 2, 3, 4 ,
  • WU Sheng 1, 4
Expand
  • 1. Spatial Information Research Center of Fujian, Fuzhou University, Laboratory of Spatial Data Mining and Information Sharing of Ministry of Education, Fuzhou 350002, China
  • 2. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 3. University of Chinese Academy of Sciences, Beijing 100049, China
  • 4. Fujian Collaborative Innovation Center for Big Data Applications in Governments, Fuzhou 350002, China

Received date: 2018-12-18

  Request revised date: 2019-02-27

  Online published: 2019-09-11

Copyright

Copyright reserved © 2019
Fold

摘要

马六甲海峡、苏伊士运河、巴拿马运河三大主航道在全球集装箱海洋运输中发挥着核心作用。本文基于全球集装箱运输船舶AIS轨迹数据构建了无向加权网络,采用网络平均度、聚类系数、平均最短路径长度等指标,从地理空间的视角,度量了全球集装箱海洋运输对三大航道的依赖性。结果表明：① 海上主航道受阻对不同区域的影响程度存在显著性差异,对国家中转功能及可达性的影响以航道为中心向外呈距离衰减效应;② 集装箱海运网络对航道的依赖性由高到低依次为马六甲海峡、苏伊士运河、巴拿马运河;③ 从区域角度看,东南亚、中东及地中海等区域国家对航道的依赖性远高于其他国家;④ 三大航道受阻导致集装箱海运网络结构特征发生变化,对海运大国中转功能及可达性产生中等级别影响,绝大部分海运国家的变幅在中等及以下级别。研究成果对全球集装箱运输网络重点航线保护及航线优化具有参考价值。

关键词： 集装箱运输网络; 船舶AIS轨迹数据; 主航道; 复杂网络

本文引用格式

陈闪闪 , 彭澎 , 陆锋 , 吴升 . 海洋主航道对全球集装箱运输网络的影响分析[J]. 地理研究, 2019 , 38(9) : 2273 -2287 . DOI: 10.11821/dlyj020181375

Abstract

As one of the most important modes of transportation in the world, container transportation accounts for 80% of the international trade, and the average annual growth rate is 4%. The Strait of Malacca, the Suez Canal and the Panama Canal, which are located on the maritime transportation throats, have taken up 76% of container trade volume. However, the three main channels are facing a great many of risks and challenges due to the diverse risk factors that are complex and difficult to control, which could cause the blockade or shutting down of the main channels. Therefore, accessing the dependences of container transportation on the three main channels, and calculating the degree of impact of navigation on the container transportation quantitatively, are of great importance for ensuring national trade safety. In this paper, we use the global container ship AIS trajectory data to build a non-weighted maritime network on country scale, and adopt some complex network indices, including clustering coefficient, and average shortest path length, to study the network structure characteristics for the analysis of the dependence of the global container ship network on the three major channels of the Strait of Malacca, Suez Canal and Panama Canal. The results show that: 1) there are significant differences under the impacts of obstruction in channels on different regions, and the effects on national transshipment function and accessibility show a distance attenuation law at the center of channels; 2) the dependencies of the container ship network on the three main channels are successively the Strait of Malacca, the Suez Canal and the Panama Canal; 3) from a regional perspective, Southeast Asia, the Middle East and the Mediterranean are far more dependent on the three main channels than other regions; 4) structural characteristics of the global container ship network have changed significantly due to the disruption of the three main channels; from the perspective of transshipment function and accessibility, and medium and high impacts occur in large maritime countries, while medium or low effects appear in the other vast majority of maritime countries. The research results are of valuable reference for the maintenance and optimization of the main channels of the global container ship network.

Key words： container ship network; AIS trajectory data; main channel; complex network

1 引言

集装箱海洋运输在全球贸易中扮演着重要角色,占据80%的国际货物贸易量,且保持年均4%的增速[1]。马六甲海峡、苏伊士运河及巴拿马运河地处海上交通咽喉要道,集束了76%的集装箱运输贸易量,具有极高的战略重要性。然而自然灾害[2]、航行事故[3]、恐怖主义[4]、地缘政治[5,6]等安全隐患,使途经三大航道的集装箱海洋运输面临诸多风险和挑战。因此,定量评估集装箱运输对三大航道的依赖性,计算航道通航受阻对集装箱运输的影响程度,对于确保国家贸易安全、国际集装箱运输高效运行和科学规划运输航线具有重要的参考价值。
海上航道通畅是保证国际间集装箱贸易的先决条件。从航道视角开展的研究,一些学者探讨了如何确保航道安全[7,8,9,10,11,12,13,14],如Tang等提出应开发结构化框架来识别和度量航道安全风险因素[12];Alarcon等基于风险识别模型探究了巴拿马运河存在的潜在风险值[14];李振福等利用盲数理论评价国际海上战略通道安全风险等级,结果显示马六甲海峡为危险级别[11];马晓雪等通过仿真模型发现途经马六甲海峡的北美航道和欧洲航道脆弱性最高[8]。以上研究集中于识别航道存在的风险因素以及如何确保航道安全,缺乏航道受阻集装箱海运网络结构的变化分析。近年来,一些学者探究了航道连通性对海运网络结构的影响[15,16,17,18,19],如Ducruet等基于1996年和2006年集装箱船进出港数据,对比分析了集装箱海运网络对苏伊士运河及巴拿马运河的依赖性,发现在南南贸易交流日益增长的背景下,运河的重要性在日益下降,但亚洲、欧洲和北美仍比其他地区对航道的依赖性更强[18];吴迪等基于全球集装箱班轮数据,分析了马六甲海峡、苏伊士运河及巴拿马运河中断对全球港口及中国港口产生的影响,发现马六甲海峡影响最大[17];此外,他们分析了“21世纪海上丝绸之路”主要海上通道中断网络连通性的变化,发现台湾海峡、马六甲海峡、曼德海峡及苏伊士运河对网络的脆弱性影响最为显著[15]。已有研究成果表明复杂网络理论相关指标可有效反应海运网络节点功能,但是仅从港口尺度分析海运网络结构特征,未能辨识各个国家在集装箱海运网络中发挥的作用,缺乏航道中断对局部区域中转功能及可达性影响的研究。
综上分析,现有研究侧重于从港口尺度进行航道风险评估,而一个国家在全球集装箱运输中发挥的作用及对主航道的依赖性需要综合国内所有港口来表征。因此,从国家尺度来探究主航道通畅性对国际间集装箱运输网络结构的影响具有必要性。鉴于此,本文基于全球集装箱运输船舶AIS轨迹数据,构建以国家为基本单元的运输网络,运用复杂网络分析方法,模拟马六甲海峡、苏伊士运河及巴拿马运河三大主航道失效过程,计算航道通航受阻前后网络特征值变化,定量化评估全球集装箱运输网络及各海运国家对三大航道的依赖程度,以反映不同功能和作用的国家在网络中的特征,有助于及时掌握全球海运网络的格局变化。

2 研究方法和数据

本文提出了航道依赖性的度量框架（图1）。首先,利用船舶AIS轨迹数据和港口地理位置数据,以国家为基本单元,构建航道移除前后的无向加权网络。然后,计算网络平均度、聚类系数、平均最短路径长度等依赖性度量指标,从网络整体指标和局部指标分别度量整体网络和海运国家对航道的依赖性。
图1 研究框架

Fig. 1 The research framework

2.1 网络模型构建

图2为研究网络构建的方法。首先,基于全球所有集装箱运输船舶AIS轨迹数据,识别船舶进出港数据序列,构建基于港口尺度的集装箱海运网络（图2a）;然后,将同一国家的所有港口进行合并（国内港口航线不计）,并构建以国家为基本单元的无向加权集装箱运输网络 G = V , E , W ,如图2b所示。其中, V = { v 1 , v 2 , v 3 , … , v n } ,表示国家节点集合,n表示国家数量;E={ e 1 , e 2 , e 3 , … , e s },表示国家间关系的集合,若国家vi和vj之间存在连接,则ei=1,否则ei=0;W表示国家vi和vj之间连边的权重,用航次量来表示。
图2 网络模型构建

注：A、B、C、D、E、F代表不同的国家;a 1、a 2、b、c、d、e、f表示对应国家的港口。

Fig. 2 Construction of container ship network

航道拥堵或受到外部干扰时将导致内部港口无法正常运营,本文通过模拟马六甲海峡、苏伊士运河及巴拿马运河三大航道中断,将国家作为整体来探究全球集装箱海洋运输对三大主航道的依赖性。图3（见第2276页）为航道中断时的情景模拟过程（图3a原始网络、图3b航道中断网络）,设港口A、B位于主航道上,航道中断即移除港口A和B,同时断开与港口A、B之间的航线连接。
图3 航道中断集装箱海运网络结构变化

Fig. 3 Network structural changes after channel disruption

图4（见第2276页）展示了全球所有海运国家的港口数量及其空间分布情况,其中国家港口量在1~7、7~18、18~40、40~69、69~115范围内的分别有118个、27个、12个、5个、2个,占全球港口总量的68.60%、15.70%、6.98%、1.57%、1.16%。表1（见第2277页）为港口数量排名前15位国家及其国家内部港口间的航次量。结合图3和表1可知,这些国家主要分布在北美洲、东亚、东南亚、欧洲区域,其中美国（115个）和日本（108个）占有绝对的港口数量优势,分别占总量的8%和7%。另外,整个非洲除了摩洛哥、阿尔及利亚、突尼斯和埃及四个国家外,其他国家的港口均不到7。分析发现,在国家内部港口间的航线连接中,中国（62256）、日本（24205）、美国（10126）拥有万次以上的航次量,剩余国家中除了韩国（9032次）以外,其他国家内部的航次量均在6000次以下,呈现出明显的层级特征。
表1 港口数量排名前15位的国家

Tab. 1 Top 15 countries based on ports

排名 海运国家 港口数量 国家内部航次量
1 美国 115 10126
2 日本 108 24205
3 中国 61 62256
4 英国 60 2298
5 印度尼西亚 53 5050
6 意大利 49 5003
7 挪威 46 1531
8 西班牙 40 5883
9 土耳其 37 5572
10 法国 34 863
11 俄罗斯 33 845
12 澳大利亚 32 1746
13 加拿大 31 354
14 希腊 28 582
15 巴西 27 5394
图4 海运国家港口数量及其空间分布

注：该图基于国家测绘地理信息局标准地图（审图号：GS（2016）1667）绘制,底图无修改。

Fig. 4 Spatial distribution of ports in maritime countries

2.2 航道依赖性度量方法

本文选取网络平均度、聚类系数、平均最短路径长度和中介中心性、接近中心性分别度量整体和局部网络变化[20,21],以衡量整体网络及海运国家对航道的依赖程度。中介中心性表征了海运国家承担网络中其他国家间沟通时中介作用的强弱,用来表达国家的中转功能;接近中心性表征了海运国家与海运网络中所有其它海运国家建立联系的便捷程度,用来表达国家的可达性[22]。
主航道受阻时,港口与航线的移除使不同海运航线权重比例发生变化,导致海运网络结构发生变化。各个国家在新的网络结构下中转功能及可达性会发生变化,相较于原始网络,其中转功能将发生不同幅度的上下波动,将出现正向、负向和不变三种变化趋势[23],然而在实际海运中,任何航道通航受阻都会导致海运国家的中转功能及可达性下降。因此,本文通过中介中心性、接近中心性变化率的绝对值来反映海运国家中转功能和可达性的变化情况,从变化幅度大小来评价海运国家对航道的依赖程度,变化幅度越大表示依赖性越强。
2.2.1 整体网络变化指标
（1）平均度变化率。航道受阻前后网络平均度的差值与原始网络平均度的比率。航道受阻后,由于节点和边的减少,网络平均度必然发生变化,且变化越大说明网络越敏感,即网络对航道的依赖性越强。设为ΔK,则：
∆ K = 1 - K ' K × 100 %
式中：K、K '指航道受阻前后网络所有节点度（与节点相连边的数量）的平均值,即：
K = 1 / N ∑ j N k i
式中：ki为节点i的节点度;N为网络中节点总数。
（2）聚类系数变化率。航道受阻前后网络聚类系数与原始网络相比减少的比率。航道受阻会导致海洋运输网络结构分散,分散越严重,意味着网络对航道的敏感程度越高,用ΔC表示为：
∆ C = 1 - C ' C × 100 %
式中：C、C '分别表示航道受阻前后的网络聚类系数,网络整体聚类系数C定义为所有节点聚类系数的平均值,即：
C = 1 / N ∑ i = 1 N C i , i = 1,2 , 3 , ⋯ , N
式中：Ci指节点i的聚类系数,即与节点i相连接节点之间相互连接的概率,表征网络中节点之间连接的聚散程度,Ci定义为：
C i = 2 M i [ k i ( k i + 1 ) ] , i = 1,2 , 3 , ⋯ , N
式中：Mi为与节点i相邻的节点间存在的边数。
（3）平均最短路径长度变化率。航道受阻前后平均最短路径长度的变化比率。用于描述所有节点间的分离程度,网络平均最短拓扑距离变化越大,网络运输效率受到的影响越大。定义如下：
∆ L = 1 - L ' L × 100 %
式中：L、L'分别表示航道受阻前后加权网络平均最短路径长度,L定义为：
L = 2 / [ N N - 1 ] ∑ i = 1 N ∑ j = i + 1 N d ij w
式中： d ij w 为与节点i与节点j的加权最短路径长度[24]。
2.2.2 局部网络变化指标
（1）中介中心性变化率：航道受阻前后中介中心性的变化比率。海洋运输大多是通过中转的方式进行,中介中心性体现一个国家的中转功能,其值越大对网络中航运流的控制力越强。本文取其变化率的绝对值来表征转运功能的变化情况,用ΔWBCi表示为：
∆ WB C i = | 1 - WB C i ' WB C i × 100 % |
式中：WBCi、 WB C i ' 表示航道受阻前后节点i的中介中心性值,WBCi定义为：
WB C i = ∑ i ≠ s , i ≠ t , s ≠ t g st w ( i ) g st w
式中： g st w 指节点s到节点t之间最短路径总数; g st w i 指所有最短路径中经过节点i的数目。
（2）接近中心性变化率。航道受阻前后节点接近中心性的变化比率。考虑到成本问题,各国家的海运贸易尽可能选择近距离运输,接近中心性表征一个国家与其他国家间的海运网络距离,值越大网络可达性越强。本文取其变化率的绝对值以反映与其他海运国家建立联系便捷性的变化情况,设为ΔWCCi：
∆ WC C i = | 1 - WC C i ' WC C i × 100 % |
式中： WC C i 、 WC C i ' 分别指航道受阻前后节点i的接近中心性值, WC C i 定义为：
WC C i = [ ∑ j N d ij w ] - 1

2.3 实验数据

本文基于2015年全年的全球集装箱船海洋运输船舶AIS轨迹数据展开研究。经统计,集装箱运输航线数量和航次数量分别为17086条、396649条。按2.1章节所述的模型构建得到了172个国家间的航线数量为2160条（图5）,其中航运流颜色深浅与航次量成正比。由图5可知,集装箱海运网络航运流的空间集聚特征显著,其中亚洲、欧洲和北美洲是集装箱航运的重点区域,三者间的连接构成了集装箱运输的东西向主干航线;全球各区域的集装箱化程度差异显著,国际间航线的空间联系特征具有明显的非均衡性,表征了区域集装箱运输的空间组织能力以及国家间集装箱运输的相互作用强度差异悬殊[25],其中东亚、东南亚、地中海、西北欧、北美地区的航线居多。
图5 海运国家间集装箱航运流空间分布格局

注：该图基于国家测绘地理信息局标准地图（审图号：GS（2016）1667）绘制,底图无修改。

Fig. 5 Spatial distribution pattern of container flow between countries

3 实验结果

本文通过复杂网络分析法探索三大航道受阻对全球海运国家的影响,其中对海运大国影响程度的研究能够刻画国际间贸易格局和贸易结构的变化情况。为下文主航道连通性对海运大国影响分析的需要,在此提出海运大国的定义：综合考虑海运国家的度中心性及航次量大小,将其度值、加权度值排名均在前15的国家视为海运大国。由3.1章节实证结果可知,海运大国主要包括：中国、日本、韩国、新加坡、美国、马来西亚、印度尼西亚、西班牙、德国、荷兰、意大利、英国、阿联酋、巴拿马、法国。

3.1 海运网络结构特征

经统计,得到集装箱海运网络中所有节点的度值 k ∈ [ 1,100 ] ,平均度<k>≈25,即每个国家平均有25个国家与之相连,表明网络连通性较好。其中,度值排名前5的国家为西班牙（100）、美国（97）、中国（83）、新加坡（77）、马来西亚（77）,与之连接的国家数量分别占国家总数的58%、56%、48%、44%、44%,表明这些国家海运辐射范围广,连接程度强。节点度的变化规律可用概率分布函数P(k)来表示（图6）,即随机选择一个节点恰有k条边的概率[26]。由图4可知节点度的大小差异明显,度值小的节点所占比例较大（约占80%）,尾部趋近0的速度慢很多,具有长尾特征,说明各国家的通达能力差异显著,仅少数国家具有较高的通达性,大部分国家的通达性较弱。
图6 网络节点度分布

Fig. 6 Degree distribution of container shipping network

节点度表征了海运国家的航运通达能力,加权度的大小则反映国家对集装箱海洋运输的依赖程度,本文将其用于反映节点间的相互作用强度[27]。计算可知,平均加权度<s>≈2481,即平均每个国家与其它国家拥有2481航次。加权度范围 s ∈ 1,51626 ,各个国家间航线流变化幅度较大,相差达4个量级,国家航次量范围在1~1000、1000~5000、5000~10000、10000~51626的分别有104个、58个、10个、10个。加权度最大的是中国（51626）、韩国（27710）、新加坡（27187）、日本（21624）、马来西亚（20164）、美国（14113）等国家,说明这些国家港口整体上具有较高的海上运输依赖性和海运组织能力。另外有60%的国家航次量在1000次以下,表明这些国家不具有枢纽地位,对集装箱运输依赖性较弱。
加权度分布P(w)度量了节点加权度为w的概率,如图7所示。相比节点度分布,加权度分布的异质性更强,仅少数国家具有较大的航次量,这是集装箱海洋运输受航线设计、港口地理位置及港口腹地经济等因素影响的结果。从排名前20位国家看,东亚、东南亚国家较多,且有5个（中国、韩国、新加坡、日本、马来西亚）居前十位,同时欧洲有4个（荷兰、西班牙、德国、英国）,北美洲有1个（美国）,这种地理空间分布可以看出区域集聚特征,表明这些地区的国家存在很强的海运贸易运输。
图7 网络节点加权度分布

Fig. 7 Weighted degree distribution of container shipping network

3.2 整体网络对航道的依赖性

由表2可知,海洋主航道受阻降低了网络平均度和聚类系数,增加了平均最短路径长度,即航线数量减少导致网络结构发生明显变化。网络平均度表达了区域国家间的通达性,下降的幅度分别为9.33%、1.15%、3.05%;聚类系数下降是因为航道受阻使原始网络分裂,网络集聚程度下降,其中马六甲海峡受阻网络聚类系数下降比率为2.66,影响程度比苏伊士运河和巴拿马运河分别高出2.07和1.03,表明马六甲海峡受阻对海运网络的集聚性具有更大的破坏力;平均最短路径长度的增加表明海运国家间需要更多的中转运输,降低了网络的全局传输效率。综上可知,任何一个航道受阻都会影响到网络的正常运行,海运网络对航道通畅具有很强的依赖性,且马六甲海峡受阻对网络的破坏程度最为严重,巴拿马运河次之,苏伊士运河最小。
表2 海上航道通航受阻网络特征值变化

Tab. 2 Changes in characteristic values of channel disruption

海上航道 网络平均度 聚类系数 平均最短路径长度
数值 变化率（%） 数值 变化率（%） 数值 变化率（%）
正常通航 25.116 — 0.676 — 2.114 —
马六甲海峡 22.772 -9.33 0.658 -2.66 2.152 1.80
苏伊士运河 24.826 -1.15 0.672 -0.59 2.120 0.28
巴拿马运河 24.349 -3.05 0.665 -1.63 2.127 0.61

3.3 海运国家对航道的依赖性

根据公式（9）、公式（10）并借鉴自然间断法,将海运国家中转功能的变化幅度划分为大、较大、中等、较小、小、无六个等级。由于计算结果中部分国家的接近中心性变化率无限接近于0,而实际海运中航道受阻后国家的可达性必然下降,本文将变化率无限接近于0视为可达性变幅最小,因此将可达性变化幅度划分为大、较大、中等、较小、小五个等级。
3.3.1 中转功能的影响 表3展示了航道受阻后海运国家中转功能的影响结果。由表3可知,三大航道受阻后约85%国家的转运功能受到影响。譬如马六甲海峡、苏伊士运河、巴拿马运河受阻后,转运功能变幅最大的国家个数仅分别为12个（新加坡、几内亚比绍、厄立特里亚、苏丹、伊拉克、坦桑尼亚、智利、马来西亚、孟加拉、巴布亚新几内亚、马达加斯加、马尔代夫）,8个（丹麦、马尔代夫、厄瓜多尔、埃及、索马里、也门、立宛淘、阿尔及利亚）和4个（智利、洪都拉斯、巴拿马、尼加拉瓜）。从空间上来看,这些国家均位于海峡附近,其对外贸易严重依赖主航道,一旦航道受阻必定导致其中转功能发生很大变化。
表3 海运国家中转功能受影响情况

Tab. 3 Influence of transshipment function on maritime countries

变化幅度 变化范围 受影响国家个数
马六甲海峡 苏伊士运河 巴拿马运河
大 0.47 ~ 0.85 12 8 4
较大 0.21 ~ 0.47 13 7 5
中等 0.09 ~ 0.21 34 16 18
较小 0.03 ~ 0.09 31 41 48
小 0.01 ~ 0.03 63 79 72
无 — 19 21 25
与此形成鲜明对比的是,绝大部分国家的中转功能波动并不明显。由计算结果可知：中转功能波动最小的国家个数分别有63个、79个、72个,波动较小的国家个数分别有31个、41个、48个,受中等影响的国家个数分别有34个、16个、18个。主要由于集装箱运输网络联系极为密集[28],尽管三大航道承担了大量的集装箱货运量的中转,但全球海洋运输中绝大部分国家的枢纽港口同样具备较好的中转替代功能[29],所以导致绝大部分国家受影响相对较小。此外,任何航道受阻对国家产生的影响程度与国家的数量呈反比,尤其是巴拿马运河极其明显,影响程度由大到小的国家数量分别为4个、5个、18个、48个、72个,同样可以证明多数国家在网络中的中介作用变化略显微弱。此外,航道受阻前后无中转功能的国家分别为19个、21个、25个,所占比例为9.46%、12.21%、11.05%,主要由于这些国家在港口基础设施方面较为落后、腹地经济水平不发达、地理位置不优越等原因,导致其在集装箱运输网络中并不承担转运功能[30,31]。
综上所述,可以发现,马六甲海峡对海运国家的中转能力影响最大,其次为苏伊士运河,影响最小的为巴拿马运河。
图8展示了马六甲海峡（图8a）、苏伊士运河（图8b）及巴拿马运河（图8c）受阻时,海运国家中转功能的变化结果。结合图8a、8b、8c可知,三大航道受阻整体上对航道近距离国家产生影响最大,而航道远距离的国家受影响程度逐渐减小,即航道受阻对海运国家中转功能的影响符合距离衰减定律。从空间上看,不同区域对航道的依赖程度不同,东亚、东南亚、地中海区域的国家变化十分明显,对主航道存在强依赖性。
图8 海运国家中转功能变化

注：该图基于国家测绘地理信息局标准地图（审图号：GS（2016）1667）绘制,底图无修改。

Fig. 8 Changes of transshipment function in maritime countries

结合表3与图8得,主航道受阻时海运大国受影响程度多处在中等级别,如马六甲海峡受阻后,日本、中国、美国在全球集装箱海运网络中的中转功能较于原始网络变幅分别为14%、13%、11%。主要由于集装箱hub-and-spoke的运输模式[32]使船舶存在多样性的航线选择。然而例外的是,巴拿马运河受阻后中国在网络中承担的中转功能变幅不足0.09%。通过观察数据发现：中美的航次连接中有87%是与美西存在直航连接,仅有13%与美东相连接。此外,在实际的贸易运输中受巴拿马运河的限制,亚洲至美东的货运航线有三条：一是跨太平洋经巴拿马运河直挂美东港口;二是多式联运运输方式,即从亚洲跨太平洋至美西海岸港口换装铁路;三是经印度洋和苏伊士运河,跨大西洋运至美东海岸。因此,巴拿马运河受到外部干扰时,中国在网络结构中承担的转运功能变化并不大。
进一步,本文以航道为中心向外不断扩大影响范围,从局部分析三大航道受阻对不同距离海运国家中转功能的影响。相比图8b、图8c,图8a中马六甲海峡受阻海运国家中转功能变化幅度更为显著。航道邻近区域除了新加坡、马来西亚、巴布亚新几内亚、孟加拉国影响最大以外,其他国家均受中等程度的影响,如印尼、缅甸、印度等。扩大影响范围后,非洲苏丹、坦桑尼亚、索马里、马达加斯加中转功能波动最大,欧洲挪威、波兰与非洲埃及、加蓬中转功能波动幅度较大,中东阿联酋及马尔代夫、毛里求斯等国家变幅相对减小,这些国家在集装箱运输网络结构中的中介作用受到影响,主要由于亚洲至欧洲国际间贸易运输大部分是通过马六甲海峡,两大区域在集装箱海运网络中发挥着关键的桥梁作用,对马六甲海峡的依赖性更强。然而绝大部分国家的中介作用受微弱影响,如非洲西部西撒哈拉、塞内加尔、喀麦隆大部分国家受到中等、较小影响,南美洲巴西、阿根廷等变动幅度最小,表明这些国家的转运功能对马六甲海峡的依赖性相对偏低。
图8b中,相较于原始网络,苏伊士运河受阻后各个国家的中介作用变幅空间差异显著。整体来看,运河局部范围内的国家受到影响最大。其中埃及、索马里、也门等8个国家中转功能变幅最大,欧洲、西亚地区等国家变幅较大,说明苏伊士运河邻近区域国家对其依赖性极强。扩大影响范围后,北美洲加拿大、东南亚菲律宾等41个国家受到中等影响,东南亚印尼、南美委内瑞拉等79个国家变幅最小,丹麦、马尔代夫直接失去中转功能。从影响程度的空间分布看,相较于图8a、8c,苏伊士运河受阻后中介中心性变化幅度大的国家呈现集聚特征,即地中海、欧洲、东亚、东南亚地区的国家受影响更突出。主要因为苏伊士运河连接了红海与地中海,区域港口在网络中承担极强的中介作用,因此苏伊士运河受到外部影响时这些国家的中转功能波动较大,航道远距离的国家波动偏小。
图8c中,巴拿马运河受阻显然较马六甲海峡、苏伊士运河的影响偏小。其中仅智利、洪都拉斯、巴拿马、尼加拉瓜4个国家的变幅在87%以上,加勒比海的科迪瓦特、非洲西部的刚果、赤道几内亚以及中东的巴林等5个国家的变幅在38%~23%,这些国家的集装箱运输主要依靠巴拿马运河来实现,因此中转功能对航道依赖性极强。扩大影响范围后,多数国家转运功能变幅偏小,均在19%以下,美国、墨西哥、巴西、阿根廷等国家虽然占有港口及航线量上的优势,但依旧受到中等影响,即这些国家对巴拿马运河依赖性较强。此外,在欧洲、非洲东部、中东等地区的国家受到中等影响,如波兰、利比亚、伊拉克等,由测算数据可知这些距离航道远却受到较大影响的国家原始中介中心性值并不高,即这些几乎不具有中转功能且较难与其他国家建立联系的国家,对航道同样存在较高的依赖性。
3.3.2 可达性的影响 由表4可知,主航道受阻后全球所有海运国家的可达性均受影响,证明了主航道通畅是确保集装箱海运网络正常运行的先决条件[33]。同时发现,海运大国可达性影响程度在中等或较大级别,绝大部分国家可达性的变化幅度在中等及以下级别,且苏伊士运河及巴拿马运河产生的影响较马六甲海峡微弱。三大航道受阻后波动幅度较小、最小的国家占比分别达到了84%%、92%、92%,其中波动较小的国家个数分别有66个、31个、32个,波动最小的国家个数分别有79个、128个、127个,主要由于集装箱海运网络具有良好的可达性,由网络的平均最短路径长度也可以看出,无论是原始网络还是航道受阻后,国家之间建立联系平均只需要3个中间国家;此外,国际间贸易运输联系已经超越了地理位置的空间局限性,降低了抵达其他国家的难度。由以上分析可知,在网络整体连通性下降的情况下,全球所有海运国家与其他国家建立联系的难度增加,可判定集装箱海洋运输对主航道通畅性的依赖程度很高。
表4 海运国家可达性受影响情况

Tab. 4 Influence of accessibility on maritime countries

变化幅度 变化范围 受影响国家个数
马六甲海峡 苏伊士运河 巴拿马运河
大 0.11 ~ 0.25 4 1 2
较大 0.04 ~ 0.11 7 5 1
中等 0.02 ~ 0.04 16 7 10
较小 0.01 ~ 0.02 66 31 32
小 0.00 ~ 0.01 79 128 127
除此之外,从表4中也能总结出,对于海运国家可达性的影响,马六甲海峡最强,其次为苏伊士运河,最弱的为巴拿马运河。
图9展示了马六甲海峡（图9a）、苏伊士运河（图9b）及巴拿马运河（图9c）受阻时对集装箱海运国家可达性的影响结果。整体上看,三大航道受阻,对区域可达性的影响符合距离衰减规律,影响程度以航道为核心向外逐级递减。图9a中,马六甲海峡受阻后,新加坡的可达性为0,紧接着是东南亚的东帝汶、塞舌尔、马来西亚三个国家可达性变幅最大。波动幅度较大的国家在空间上较为分散,主要有孟加拉国、科威特、加蓬、智利等7个国家。扩大影响范围后,地中海、非洲西部、中美洲等国家的可达性受到中等影响,其变化幅度均在1%~3%之间,如埃及、希腊、西撒哈拉、塞内加尔等国家。另外,84%国家的可达性存在微小变化,如墨西哥、阿尔及利亚、沙特等国家变幅较小,阿尔巴尼亚、委内瑞拉、冰岛等国家的变化幅度最小,即马六甲海峡受阻对这些国家的可达性影响不大。
图9 海运国家可达性变化

注：该图基于国家测绘地理信息局标准地图（审图号：GS（2016）1667）绘制,底图无修改。

Fig. 9 Changes of accessibility in maritime countries

图9b中,苏伊士运河受阻后,在空间上,影响最大的国家主要集聚在中东、地中海及非洲东部。在变化幅度上,可达性变化对比明显,主要是航道受阻不同国家产生的失效航线量不同,导致国家可达性受影响程度不同。对比发现,巴拿马运河受阻后（图9c）,海运国家可达性整体差异较小,尼加拉瓜和巴拿马影响最大,其次是萨尔瓦多、科迪瓦特影响较大,其他国家均受到相对较弱的影响,主要分布在欧洲、中美洲等地区。苏伊士运河及巴拿马运河受阻后,可达性变化幅度几乎为0的国家在空间上主要分布在非洲西部、南北美洲、中东地区,如纳米比亚、摩洛哥、哥伦比亚、伊朗等国家。
综上分析可知,相较于苏伊士运河与巴拿马运河,马六甲海峡受阻对全球集装箱海洋运输网络的可达性影响极其显著,即对于海运国家可达性的影响,马六甲海峡最强,其次为苏伊士运河,最弱的为巴拿马运河。

4 讨论

实证结果显示,三大航道通航受阻,降低了中国在国际集装箱运输中的转运功能;使中国与其国家建立联系的便捷度下降,导致其通向欧洲、非洲、美洲等国家的贸易受到阻碍。21世纪以来世界航运重心有东移趋势,尤其是中国在集装箱海洋运输网络中的地位十分突出[34]。一方面,综合中国所有港口的功能来看,其转运功能及可达性在全球集装箱海运国家中排名分别为第13名和第40名。另一方面,中国拥有绝对的海洋运输量优势,据2015年全球主要港口集装箱吞吐量报告显示(http://www.xinhuanet.com/local/2016-10/26/c_129337416.htm。),年集装箱吞吐量排名前十的港口中,中国有上海港（第1名）、深圳港（第3名）、宁波-舟山（第4名）等7个港口上榜。然而,尽管当前中国港口在集装箱运输量上稳居全球第一,但承担的国际集装箱运输的中转量还相对较少。
海运国家的集装箱中转功能及可达性直接反映了一个国家的海洋运输能力,也反映出该国的海洋运输发展水平。当其能够提供更多的国际中转运输航线挂靠时,将进一步提升国家在海上运输的中转作用及与其它国家间的可达性[35]。中国作为最大的外贸依赖型国家,严重依赖集装箱海洋运输,在海运规模需求、海运船队规模和大型海运企业地位及在国际海运事务等方面均可体现出来。其次,相对集中的港口分布、海域的封闭或半封闭性等特点,使中国集装箱海洋运输对马六甲海峡、苏伊士运河与巴拿马运河三大主航道依赖性更强。另外,中国集装箱运输东西南北行四条航线中,东西行航线严重依赖三大主航道,据2015年统计数据显示[9],东西行航线在运量上约占四条航线总量的50%;在贸易额上约占总量的85%。伴随着中国与西欧、中东、非洲等地区国家集装箱运输贸易的不断增长,对三大航道的依赖程度必然将呈现出进一步增强的趋势。

5 结论

本文研究了集装箱海运网络的网络结构特征,以国家为基本单元分析了全球集装箱海运网络对马六甲海峡、苏伊士运河及巴拿马运河三大航道的依赖程度,得到以下结论：
（1）海上航道受阻对不同区域的影响存在显著性差异,且对国家中转功能及可达性的影响以航道为中心向外呈距离衰减效应。
（2）集装箱海运网络对三大航道的依赖性依次为马六甲海峡、苏伊士运河、巴拿马运河。
（3）从区域角度看,东南亚、中东及地中海等区域国家无论在中转功能还是可达性方面变化的幅度均远大于其它区域,对三大航道的依赖性远高于其他国家。
（4）三大航道受阻导致集装箱海运网络结构特征发生变化,从转运功能及可达性角度看,对海运大国中转功能及可达性产生中等级别的影响,绝大部分海运国家变幅在中等及以下级别,在网络中的地位及承担的功能并不突出。
本研究可为科学规划运输航线提供重要的参考。但本文仅从静态视角分析了三大航道通航受阻对海运网络带来的影响,未考虑航运流的重分配问题。另外,本文侧重于探讨航道受阻对国家层面的影响分析,未对地域面积广且集装箱港口占有率高的国家中重要港口的影响程度开展分析。未来的研究将分别从国家和港口两个层面,深入研究航道通畅性对全球集装箱海洋运输的影响。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Ducruet C, Notteboom T . The worldwide maritime network of container shipping: Spatial structure and regional dynamics. Global Networks, 2012,12(3):395-423.

[2]
Abe N, Moriguchi C, Inakura N . The impact of the great east Japan earthquake on commodity prices: New evidence from high-frequency scanner data. Nephrology Dialysis Transplantation, 2014,28(5):1191-1198.

[3]
Bezgodov A, Esin D . Complex network modeling for maritime search and rescue operations. Procedia Computer Science, 2014,29:2325-2335.

[4]
Yang Z , Ng A K Y, Wang J. A new risk quantification approach in port facility security assessment. Transportation Research Part A, 2014,59(1):72-90.

[5]
Germond B . The geopolitical dimension of maritime security. Marine Policy, 2015,54:137-142.

[6]
杜德斌, 马亚华 . “一带一路”: 中华民族复兴的地缘大战略. 地理研究, 2015,34(6):1005-1014.

[ Du Debin, Ma Yahua . One Belt and One Road: The grand geo-strategy of China's rise. Geographical Research, 2015,34(6):1005-1014.]

[7]
杨晓彤, 焦红波, 李四海 . 基于遥感和GIS的海上通道战略价值评价方法. 地理与地理信息科学, 2018,34(1):47-52.

[ Yang Xiaotong, Jiao Hongbo, Li Sihai . Strategic value evaluation of sea lanes based on remote sensing and GIS method. Geography and Geographic Information Science, 2018,34(1):47-52.]

[8]
马晓雪 . 中国海上运输通道安全脆弱性演化机理论析. 世界经济与政治, 2017, ( 11):108-129, 159.

[ Ma Xiaoxue . Analysis of the evolution mechanism about safety vulnerability of China’s marine transport lanes. World Economics and Politics, 2017, ( 11):108-129, 159.]

[9]
杜德斌, 马亚华, 范斐 , 等. 中国海上通道安全及保障思路研究. 世界地理研究, 2015,24(2):1-10.

[ Du Debin, Ma Yahua, Fan Fei , et al. China's maritime transportation security and its measures of safeguard. World Regional Studies, 2015,24(2):1-10.]

[10]
史春林, 李秀英 . 苏伊士运河与航运安全. 太平洋学报, 2014,22(10):79-90.

[ Shi Chunlin, Li Xiuying . The Suez Canal and shipping security. Pacific Journal, 2014,22(10):79-90.]

[11]
李振福, 颜章龙 . 基于盲数理论的我国海上战略通道安全风险评价. 武汉理工大学学报(交通科学与工程版), 2014,38(1):16-20.

[ Li Zhenfu, Yan Zhanglong . A risk assessment of strategic sea lanes based on blind number theory. Journal of Wuhan University of Technology, 2014,38(1):16-20.]

[12]
Tang D, Xu D L, Yang J B , et al. Security Based Operation in Container Line Supply Chain: A Literature Review. Paris: Atlantis Press, 2013: 95-115.

[13]
Rusli M H B M. Protecting vital sea lines of communication: A study of the proposed designation of the Straits of Malacca and Singapore as a particularly sensitive sea area. Ocean & Coastal Management, 2012,57(1):79-94.

[14]
Alarcon L, Ashley D, Hanily A , et al. Risk planning and management for the Panama Canal expansion program. Journal of Construction Engineering and Management-ASCE, 2011,137(10):762-771.

[15]
吴迪, 王诺, 于安琪 , 等. “丝路”海运网络的脆弱性及风险控制研究. 地理学报, 2018,73(6):1133-1148.

[ Wu Di, Wang Nuo, Yu Anqi , et al. Vulnerability and risk management in the Maritime Silk Road container shipping network. Acta Geographica Sinica, 2018,73(6):1133-1148.]

[16]
Liu H, Tian Z, Huang A , et al. Analysis of vulnerabilities in maritime supply chains. Reliability Engineering & System Safety, 2018,169:475-484.

[17]
吴迪, 王诺, 吴暖 , 等. 主航道中断背景下集装箱海运网络的脆弱性及其对中国的影响. 地理研究, 2017,36(4):719-730.

[ Wu Di, Wang Nuo, Wu Nuan , et al. The impact of main channel interruption on vulnerability of container shipping network and China container shipping. Geographical Research, 2017,36(4):719-730.]

[18]
Ducruet C . The polarization of global container flows by interoceanic canals: geographic coverage and network vulnerability. Maritime Policy & Management, 2016,43(2):242-260.

[19]
李振福, 李贺, 徐梦俏 , 等. 世界海运网络可达性对比研究. 大连海事大学学报, 2014,40(1):101-104.

[ Li Zhenfu, Li He, Xu Mengqiao , et al. Comparison research on reachability of the global shipping network. Journal of Dalian Maritime University, 2014,40(1):101-104.]

[20]
Freeman L C . Centrality in social networks conceptual clarification. Social Networks, 1978,1(3):215-239.

[21]
Zhong L, Gao C, Zhang Z , et al. Identifying influential nodes in complex networks: A multiple attributes fusion method. International Conference on Active Media Technology, 2014: 11-22.

[22]
王列辉, 林羽珊 , Ducruet C. 1895-2016年全球海运网络中的海峡两岸港口运输联系变化. 地理学报, 2018,73(12):2282-2296.

[ Wang Liehui, Lin Yushan, Ducruet C . Changes of ports' connection across the Taiwan Straits in the global maritime network (1895-2016). Acta Geographica Sinica, 2018,73(12):2282-2296.]

[23]
Ducruet, César, ed. Maritime Networks: Spatial Structures and Time Dynamics. Routledge, 2015: 229-240.

[24]
Dijkstra E W . A note on two problems in connexion with graphs. Numerische Mathematik, 1959,1(1):269-271.

[25]
彭澎, 程诗奋, 刘希亮 , 等. 全球海洋运输网络健壮性评估. 地理学报, 2017,72(12):2241-2251.

[ Peng Peng, Cheng Shifeng, Liu Xiliang , et al. The robustness evaluation of global maritime transportation networks. Acta Geographica Sinica, 2017,72(12):2241-2251.]

[26]
Ducruet C, Lee S W, Roussin S . Local strength and global weakness: A maritime network perspective on South Korea as Northeast Asia's logistics hub. International Journal of Maritime Affairs and Fisheries, 2009,1(1):32-50.

[27]
王列辉, 洪彦 . 直航背景下海峡两岸集装箱港口体系空间结构: 基于复杂网络的视角. 地理学报, 2016,71(4):605-620.

[ Wang Liehui, Hong Yan . Spatial structure of container port systems across the Taiwan Straits under the direct shipping policy: A complex network system approach. Acta Geographica Sinica, 2016,71(4):605-620.]

[28]
Peng Peng, Cheng Shifeng, Chen Jinhai , et al. A fine-grained perspective on the robustness of global cargo ship transportation networks. Journal of Geographical Sciences, 2018,28(7):881-899.

[29]
Peng Peng, Yang Yu, Lu Feng , et al. Modelling the competitiveness of the ports along the Maritime Silk Road with big data. Transportation Research Part A: Policy and Practice, 2018,118:852-867.

[30]
Wan Y, Zhang A, Li K X . Port competition with accessibility and congestion: A theoretical framework and literature review on empirical studies. Maritime Policy & Management, 2018,45(2):239-259.

[31]
Ducruet C, Wang L . China’s global shipping connectivity: Internal and external dynamics in the contemporary era (1890-2016). Chinese Geographical Science, 2018,28(2):202-216.

[32]
Peng Peng, Yang Yu, Cheng Shifeng , et al. Hub-and-spoke structure: Characterizing the global crude oil transport network with mass vessel trajectories. Energy, 2019,168:966-974.

[33]
Fransoo J C, Lee C Y . The critical role of ocean container transport in global supply chain performance. Production & Operations Management, 2013,22(2):253-268.

[34]
Li Zhenfu, Xu Mengqiao, Shi Yanlei . Centrality in global shipping network basing on worldwide shipping areas. Geojournal, 2015,80(1):47-60.

[35]
Ducruet C . Network diversity and maritime flows. Journal of Transport Geography, 2013,30(2):77-88.

Options
文章导航

/

〈 〉