如何利用国际航运网络预测港口之间的贸易流量?

2020-08-01 16:46:04 admin8 15

航运占国际贸易总值的70%以上,占货物总量的80%。全球供应链是一个复杂的贸易网络,其结构不仅影响相关地区的社会经济发展,而且影响其生态系统。2020年7月发表在PNAS杂志上的一篇新论文使用海洋贸易网络模型和机器学习方法,对全球海上贸易流量进行了严格而全面的分析。本文是对本文的一种解读。

本周六晚,我们邀请了王小志教授(8月1日)做客网络科学直播。预约时间到了。请向下滚动到文章末尾了解详细信息。


1.为什么要研究海上贸易网络?

海运业是全球经济的支柱,海运贸易额占世界贸易总额的70%。海运被视为全球贸易和全球经济的骨架,其海上贸易关系相当于一个复杂的贸易网络。这种网络结构在社会经济发展中起着重要作用。

随着北极航运业的发展,迫切需要了解海洋贸易的潜在机制,以便设计新的渠道,预测未来的贸易流量。据统计,到2025年,北海航线运输量将增至8000万吨/年。这种快速发展带来了经济、环境、政治和社会等方面的挑战,是各国政府关注的焦点。北极航运的发展不仅会影响到因地理位置而直接参与北极航线和港口的国家,也会影响到那些可能成为新的转运中心的国家。目前,只有少数研究对海洋贸易流量的分布及其背后的发展规律作了详细的介绍。

此外,目前对海运和港口的研究往往集中在特定的运营商或航运行业、区域内的某些部门和特定的面板数据分析上,而分析整个海运网络的历史演变及其形成机制的研究很少。主要原因是很难开发或获得有关海上贸易流量的数据。

在2020年7月发表在PNAS期刊上的一项研究中,作者利用劳埃德船级社提供的1977年至2008年世界船队的每日移动数据和贸易流量(主要包括世界上大多数港口之间不同类型船舶的贸易流量数据),对海上贸易流量进行建模和分析,填补了该领域研究的空白。

本研究将港口间贸易关系的数据构建成贸易网络模型,然后运用网络科学的分析方法,研究影响海上贸易关系及其流动的潜在机制。

在本文所构建的海上贸易网络模型中,节点代表港口,连接边代表船舶在一年内往返于两个港口之间的航行状况。当两个港口运输的船舶总载重(DWT)超过某个阈值k时,两个港口之间存在连接。此外,本文还根据不同类型的商船,建立了集装箱船、干散货船、普通货船、油船、液化天然气船等一系列的子网络。


此外,为了预测未来港口之间的交通流量,本文综合考虑了港口特征(如港口面积人口、国内生产总值、港口吞吐量等)和互联互通特征(如港口距离、文化历史联系、共有邻居数量等),等)定义一对端口之间的连接概率((i,j),或端口之间的流量值:

为了更好地识别港口之间的连接概率,提高模型的预测质量,本研究将符号回归、机器学习、引力回归等方法结合起来对解释变量进行建模,以减少人为因素的影响。

2.海上贸易关系预测

关键是贸易网络中共同邻居的数量

本文采用由不同拓扑信息或港口特征信息组成的模型来预测海上贸易网络的连接。为了比较不同模型的预测效果,本文采用正确预测的链路数与新生成链路数的比值来表征,并对不同类型的子网进行了验证。

在这些模型中,预测效果最好的是由“共邻海洋距离数”组成的模型,即两个港口之间的共同邻居越多,它们之间的连接概率越高;而最近两个港口的数量越大,两者的连接概率就越低。研究结果表明,在海上贸易中建立直接关系的关键特征是共同邻国的数量。该模型适用于不同类型船舶的子网络。在1997-2008年的整个研究区间内,模型的预测效果是稳定的。

此外,基于港口人口潜力、国家GDP值和港口远海距离的经典重力模型表现不佳。将GDP值或人口潜力数据与共邻数相结合并不能提高共邻预测模型的精度,说明这两个变量对预测海上贸易环节没有附加值。

为什么共同邻国的数量可以很好地预测港口之间的贸易关系?研究人员认为,路由走捷径的趋势是一种可能的解释,即两个端口之间的公共邻居的数量与它们之间网络中的两条路由数量相同。可以预计,拥有大量邻国的两个港口之间的间接贸易流量将更大。因此,建立直接贸易联系可以降低运输成本。


3.实现了共邻居的数量

远洋贸易货流的最佳预测

这一部分将上述链路预测方法扩展到一个加权方案来预测海上贸易网络中连接边的流量。现在改写公式1,w ij定义为Y+1中端口i和端口j之间流量的绝对值的估计值,即w ij代表从端口i到端口j的流量份额。通常,在Y+1年内,端口i和端口j之间的流量估计值可以计算:

其中,载重吨位(DWTi)是指当年通过i港的船舶总重量吨位。N(i)表示端口i的度值,即端口i的直接贸易伙伴集合,Φ为参数的拟合函数。在本研究中,公式2被定义为“流出模型”。在流量预测过程中,利用未加权的网络数据和Y年的端口吞吐量(port DWT)对年流量进行预测。

与链路预测结果类似,依赖公共邻域数和远洋距离的模型可以实现对海上贸易实际货流的最佳预测,并且预测结果在不同类型的海上贸易网络中是一致的。其对数流量决定系数在0.33~0.45之间,性能优于其它试验模型。

与经典重力模型的预测结果相比,基于人口、GDP和港口间距的重力模型预测效果不佳。此外,忽略港口的历史文化联系对决定系数影响不大。

此外,当只考虑远洋距离时(不考虑共邻居的特性),流量确定系数降低了0.10~0.14,而不同类型的船舶网络中,海上距离对流量预测的影响是不同的。对于干散货船和油轮,仅基于公共邻域的流出量模型就可以提供良好的预测质量(与包括远洋距离的模型相比,系数降低了0.03到0.05),而对于集装箱和普通货船,该系数比包含海距的模型低0.12。

公共邻居数在交通量预测中起关键作用的原因是,港口船舶及其贸易遵循加权随机游动(加权国际贸易网络中具有一定概率的随机跳变)。通过这种方式,港口的总吞吐量被分配到它的邻居之间(分配比例与模型所描述的权重成比例)。最优出流模型依赖于权重wij,它是港口之间共有邻居个数与其远洋距离的函数。


4.实证分析:“神户港关闭事件”

1995年1月13日,神户港,世界上最繁忙的集装箱港口之一,在一次严重的地震中被毁。港口必须完全关闭,原本要流向神户的水流必须流向其他港口。这一事件为捕捉神户与其他港口之间的航运贸易关系创造了一个机会之窗,并创造了一个难得的自然实验,即完全外生的冲击导致一个重要港口关闭,迫使港口的流量在贸易网络的约束下重新分配。

为了了解网络结构对海上贸易的影响,作者使用了更细粒度的网络数据和有关运输连接拓扑的信息(即子网络分析)。分析子网的优点在于,即使某个端口的流量很弱,也可以从子网中的流量再分配信息中得到重要的统计结论。

结果表明,在短期内,1995年神户至其他港口的流量与灾前该港与神户共有邻居的数量有关。本文从两个方面分析原因。

首先,在贸易网络中,公共邻居的数目可以作为衡量节点相似性的一个指标。从商业角度看,与神户有更多邻居的港口可以为地震前的神户提供相同的市场,因此这是一个很好的选择。

第二,一个港口的货物经过神户港后,往往流入与这两个港口有贸易关系的第三个港口。因此,神户和K港之间的公共邻居数量越多,预计重新分配的交通量就越多。

总的来说,这证实了研究人员的猜想:贸易流随机地在底层网络结构上行走,而行走的下一跳是从可用邻居集合中选择的。

5.探索未来的研究方向

贸易与生态共同发展?

本文提出了一个预测海洋贸易关系和流量的模型。它最大的优点是可以简单地依靠少量的解释变量来实现精确的预测。该模型在新的海洋运输路线的设计中起着重要的作用,即新的运输路线的开发和现有贸易关系的货流取决于底层的网络结构,即贸易网络中节点的共同邻居数量。在海上贸易网络中,公共邻居的数目对于预测新的链路和良好的流量性能非常重要。

海上贸易体系的演变可以用贸易关系网络的拓扑结构来解释。该方法不依赖于历史交易量来预测贸易关系和流量。与经典重力模型的结果相比,海洋网络的当前结构是预测未来贸易流量的重要因素。推动海洋贸易发展的并不是经典的重力模型。

该方法可以成为相关领域研究人员进行海上贸易建模和模拟当地外部环境潜在影响或变化的工具。未来的应用可以从两个方面进行。首先,航运公司海上贸易流量的预测为企业决策提供了科学依据。第二,该模型可以应用于流行病学和生物入侵的研究,即在没有完整的全球数据库的情况下,对未来的流行病或生物入侵的携带者进行建模。

首页
新闻
联系
电话