EN中文

地球信息科学学报 >

2022 , Vol. 24 >Issue 9: 1717 - 1729

DOI: https://doi.org/10.12082/dqxxkx.2022.220448

地理信息技术在海事领域的应用

基于多源数据的长江经济带内河港口区位优势度评估

  • 邹昕宸 , 1, 2 ,
  • 牟凤云 , 1, 2, * ,
  • 王俊秀 1, 3 ,
  • 陈建坤 1 ,
  • 田甜 1
展开
  • 1.重庆交通大学智慧城市学院, 重庆 400074
  • 2.自然资源部城市国土资源监测与仿真重点实验室,深圳 518038
  • 3.重庆市规划和自然资源信息中心, 重庆 401147
* 牟凤云（1979—）,女,山东潍坊人,博士,研究方向为交通时空大数据智能感知、韧性城市与智慧防灾减灾。 E-mail:

邹昕宸（1999— ）,男,贵州黔西南人,硕士生,研究方向为智慧城市与智慧交通。E-mail:

收稿日期: 2022-06-27

  修回日期: 2022-08-15

  网络出版日期: 2022-11-25

基金资助

国家重点研发计划项目(2019YFB2102503)

自然资源部城市国土资源监测与仿真重点实验室开放基金(KF-2021-06-102)

重庆交通大学研究生科研创新项目(CYS21362)

收起

Location Advantage of Inland River Ports in the Yangtze River Economic Belt based on Multi-Source Data

  • ZOU Xinchen , 1, 2 ,
  • MU Fengyun , 1, 2, * ,
  • WANG Junxiu 1, 3 ,
  • CHEN Jiankun 1 ,
  • TIAN Tian 1
Expand
  • 1. Smart City College, Chongqing Jiaotong University, Chongqing 400074, China
  • 2. The Project Supported by the Open Fund of Key Laboratory of Urban Resources Monitoring and Simulation, Ministry of Natural Resources, Shenzhen 518038, China
  • 3. Chongqing Planning and Natural Resources Information Center, Chongqing 401147, China
* MU Fengyun, E-mail:

Received date: 2022-06-27

  Revised date: 2022-08-15

  Online published: 2022-11-25

Supported by

National Key Research and Development Program of China(2019YFB2102503)

Open Fund of Key Laboratory of Urban Land Resources Monitoring and Simulation,Ministry of Natural Resources(KF-2021-06-102)

Postgraduate Research Innovation Project of Chongqing Jiaotong University(CYS21362)

Fold

摘要

内河港口是内河航运纽带的重要节点,评估内河港口的区位优势度对长江经济带港口基础设施建设等具有重要意义。以2021年长江沿岸内河港口为研究对象,采用多源数据,结合长江内河港口辐射范围内的3个指标并对原模型进行改进,结合AHP-EWM模型计算长江经济带长江沿岸28个港口的区位优势度,研究结果显示：① 除重庆和武汉以外,江苏省以外的其他省份港口辐射范围内交通网络密度都比较低;从交通干线影响度来看,分布比较均衡且数值较为相近;而城市经济影响力的空间分布较为无序;② 根据区位优势度的高低以及空间分布得出长江经济带货运港口空间格局为“三中心,一组团”的空间格局;③ 将内河港口按长江岸线所属省份进行划分后发现：江西省3个港口区位优势度差异最小,但其优势度也整体偏低;安徽省与江西省类似;江苏省整体优势度较高且差异小,湖北省的优势度差异最大,表明存在基础设施建设不均衡等问题且亟需改善。研究成果可对长江经济带内各个港口范围内基础设施建设、道路交通规划、港口选址等方面提供指导性意见帮助打通铁路、高等级公路进港“最后一公里”。

关键词： 长江经济带; 多源数据; 内河港口; 区位优势度; AHP-EWM

本文引用格式

邹昕宸 , 牟凤云 , 王俊秀 , 陈建坤 , 田甜 . 基于多源数据的长江经济带内河港口区位优势度评估[J]. 地球信息科学学报, 2022 , 24(9) : 1717 -1729 . DOI: 10.12082/dqxxkx.2022.220448

Abstract

Inland river ports are important nodes of inland river shipping links. Evaluation of the regional advantage of inland river ports is of great significance for port infrastructure construction in the Yangtze River Economic Belt. Taking the inland ports along the Yangtze River in 2021 as the research object, the original model is improved by using multi-source data and combining three indicators within the radiation range of inland ports on the Yangtze River. The AHP-EWM model is used to calculate the location advantage of 28 ports along the Yangtze River in the Yangtze River economic belt. Results show that: (1) except Chongqing and Wuhan, the density of traffic network in the port radiation range beyond Jiangsu province is relatively low. From the perspective of the influence of traffic networks, its distribution is relatively balanced, and the value is relatively similar. The influence of the spatial distribution of urban economics is disordered; (2) The spatial pattern of freight ports in the Yangtze River Economic Belt is characterized by "three centers, one cluster" according to their regional advantages and spatial distribution; (3) By dividing inland ports at the provincial level along the Yangtze River, it is found that the regional difference of dominance between the three ports in Jiangxi Province is the smallest, and the overall degree of dominance is also low. The result of Anhui Province is similar to Jiangxi Province. The overall degree of dominance of ports in Jiangsu Province is high with a small regional difference. The regional dominance of ports in Hubei Province has the largest difference, indicating that there might be issues such as unbalanced infrastructure construction that needs to be improved in future. The research results can provide guidance for infrastructure construction, road traffic planning, and port site selection of various ports in the Yangtze River Economic Belt, and help open up the "last kilometer" of railway and high-grade highway access to ports.

Key words： Yangtze River Economic Belt; multi-source data; inland river ports; location advantage; AHP-EWM

1 引言

2020年,交通运输部发布了《内河航运发展纲要》[1],其中重点强调“打造集约高效功能协同的现代化港口”,完善集疏运体系,推进重点港区与沿江开发区、物流园区的连接通道建设,加快打通铁路、高等级公路进港“最后一公里”并在此基础上促进港产城协同发展。加强港口与城乡建设、产业发展布局的有效衔接。长江经济带作为国家重大发展战略区域,经济发展潜力巨大,依托长江水道实现上中下游地区协调发展和沿江高质量发展是主要目标之一。长江经济带横跨中国东中西三大区域,是中央重点实施的“三大战略”之一,是具有全球影响力的内河经济带。在此背景下长江内河港口聚焦于城市经济与交通的区位优势度评估很有必要,能有效推进港口资源整合,有效有序推进区域港口一体化发展。
在目前长江经济带与长江内河港口的研究中,刘玮辰[2]等从生态角度出发,响应国家生态文明建设的号召,讨论了长江经济带集装箱港口岸线利用空间格局对资源环境的影响;郝媛等[3]从港口功能角度探讨了长江经济带上游港口的功能转变,发现研究区域内港口生产能力过剩,且核心功能有待加强,因此对长江内河港口区位优势度进行整体研究分析,以及空间格局的讨论,并对长江经济带的水运、城市发展等提供有效的建议。刘涛等[4]运用集中度法则,研究了长江干线集装箱港口体系的演进过程与发展特征,判别了竞合关系。梁双波等[5]研究了长江港口岸线的资源利用强度与利用效率,并计算出江苏省的整体利用强度最高,四川省、重庆市的利用强度最低。一些研究对自古以来长江沿岸港口体系的形成发展过程进行了梳理,发现港口体系经历探讨了长江上游港口群发展历史、发展态势及亟须协调的问题。这些研究显示出长江经济带内河港口的发展模式与发展潜力,指出了长江经济带港口需要协调的问题[3⇓⇓-6],其中就包含港口与交通、所属城市发展程度的相关性。有学者探讨了现阶段主导影响因素对集装箱港口等级和效率的影响作用,从地理空间的角度对世界上最繁忙的集装箱海港进行了研究,表明现场的路网和情况的质量与港口发展非常相关,港口的等级效率与道路密度相关性也比较高[7-8],所以研究港口附近的道路网络显得很有必要。目前港口的研究中,偏向于海港的研究,内河港口集群发展研究集中在运输角度、生态角度、发展历程等,鲜有从城市、道路交通角度对内河港口进行研究分析。
在区位优势度研究方面,区位优势度计算选取的尺度、指标与计算方法也存在差异,陈慧[9]等以住宅小区为研究对象,采用Pearson相关系数的分析方法来衡量区位优势度。郭建科等[10]利用消费、交通、资源、服务指标构建了国家名胜风景区的区位优势度模型。Yang等[11]结合可达性、交通便利、周围环境和市场条件等因素来判断酒店的区位优势度,并结合爱彼迎的酒店订购量与酒店价格进行了实证分析。Murphy等[12]通过研究交通问题的双重性及其对土地利用和交通规划的影响,结果表明区位优势度是动态改变的,在高峰和非高峰时段区位优势有所不同。以上研究针对不同的研究对象,指标的选取也随着研究视角转变,研究对区位优势度选取指标具有参考价值。而研究港口的区位优势度需要针对港口本身,赵江南等[13]利用港口吞吐量、港口规模范围、港口城市及腹地、港口未来发展4个指标并将其分为四级,构建了港口优势度评价指标,将环渤海海港分为了4个等级。牟乃夏等[14-15]结合5个因素评估了“海上丝绸之路”沿线港口的区位优势度。以上研究表明：港口的区位优势度与城市影响度、交通干线影响度的关系较大,但研究数据较为单一,因此本文采用多源数据结合城镇化率对城市影响度进行改良,并选取交通网络密度与交通干线影响度2个指标进行研究。
对于指标权重的计算通常采用熵权法（EWM）,熵权法最早由Shannon[16]提出,被广泛应用于地理学的研究中, Li等[17]使用熵权法计算了2015—2017年不同地区的污染指数对中国区域环境效率进行了评价,通过逐步回归和主成分分析相结合的方法进行实证分析。Patra等[18]使用相对香农熵对城市增长模式进行量化,在此方法下得到的结果偏差较小。层次分析法除物理学领域外,也用于地理学科,如利用层次分析法和熵权法计算权重指标对城市新建应急设施的适宜性评价,在地质灾害易发性评价研究中使用熵权法对权重进行修正,还有研究结合层次分析法和熵权法研究复杂信息环境下产城融合的评价与决策问题[19⇓-21]。经过对比发现结合层次分析法和熵权法结合的情况下,计算综合结果较为科学且与现实拟合程度较高,因此可用于计算各项指标的权重。
目前在长江经济带战略背景下,推动区域合作的协调发展带是重中之重,对于其整体性研究分析差异才能精准改善,而对于港口的研究集中在部分港口,因此在空间格局上整体性可以再提高,更能精准规划,实现长江经济带内河港口的高质量发展。在港口区位优势度研究方面,大多数港口区位优势度研究集中在海港[13⇓-15],本文聚焦于内河港口的研究,在长江经济带内河港口的研究集中于资源与环境生态以及其发展[2,5],本文结合城市发展与交通,将内河港口与其结合进行更多的量化研究。在计算优势度指标的权重上可以使用较为严谨的算法,结合主客观指标权重,得到更科学的计算结果。因此本文以长江经济带28个内河港口为研究对象,结合交通网络密度、交通干线影响度、城市经济影响力,使用AHP-EWM计算得到长江经济带长江沿岸港口的区位优势度,对港口进行量化研究,得到的结果能针对性地指导道路交通规划,加速打通进港“最后一公里”。

2 研究区概况、数据来源及处理

2.1 研究区概况

如图1所示,长江经济带覆盖上海、江苏、浙江、安徽、江西、湖北、湖南、重庆等11个省市,面积约205.23万km2,占全国的21.4%,人口和生产总值均超过全国的40%。研究区域主要以长江沿岸28个货运港口为中心,根据长江经济带货运密度和转运需求[22],将港口中心半径40 km内范围定义为港口辐射范围,这是内河港口的基本服务半径,是货物集疏运（河陆货运、空河路货运）的必经之地。
图1 2021年长江经济带港口分布

Fig. 1 Distribution map of ports in the Yangtze River economic belt in 2021

2.2 数据获取

从当前研究来看,交通网络、交通站点对货物运输效率都有着显著影响,因此收集了公路路网、铁路网、铁路站点及机场数据,还有港口所属城市的经济数据。如表1所示,本文采用的港口辐射范围内路网数据采用OpenStreetMap2021路网数据,其中包含高速路、一级路、二级路、铁路以及各种城市小道。港口数据要来源为CnopenData中长江沿岸港口的名称、类型以及经纬度数据,主要类型为长江沿岸的内河港口再清洗将重复点去除,得到长江经济带中28个港口点数据。各港口所属城市的GDP、城镇化率等数据均来自港口所属管辖市统计局所发布的2022年度统计年鉴。
表1 数据来源

Tab. 1 Source of data

名称 类型 年份 来源 包含字段
港口数据 xls 2021 CnopenData 经纬度、名称、类型
路网数据 shp 2021 OpenStreetMap 名称、类型
火车站数据 xls 2021 12306官网 经纬度、名称、类型
机场数据 xls 2021 OurAirports 经纬度、名称
GDP、城镇化率 xls 2022 2022年度统计年鉴 通过统计年鉴自行采集

2.3 数据处理

2.3.1 路网数据的清洗与处理

由OSMnx爬取的路网数据中存在着许多重复路段以及步行道,自行车道等数据,在货运过程中,货运车辆基本不能进入非机动车道,许多城市也明令禁止大货车进入,因此,保留一级路、二级路并将其合并为公路,高速路和铁路去除重复项后导入ArcGIS构建网络数据集,即可将路网可视化并对其作路径分析,经过数据处理后的南京港如图2所示,对其他27个也作了相同处理。利用ArcGIS模型构建器,使用计算字段工具各数据属性表计算各个类别折线的长度和,分别求出各个港口辐射范围内路网长度,得到各个港口辐射范围内公路网、铁路网、高速路网的长度以计算辐射范围内交通网络密度。在此之后导入各个火车站点、飞机场点数据,将公路网与高速路网结合构建网络数据集,计算各个港口到最近火车站以及最近机场的最短路径用于计算城市经济影响力。
图2 2021年南京市港口辐射范围路网

Fig. 2 Map of the road network of the radiation range of Nanjing port in 2021

2.3.2 其他数据的处理

火车站数据中乘降所并不包含货运功能,因此火车站数据首先要清除乘降所数据,根据经纬度使用ArcGIS进行可视化后,根据港口辐射范围进行裁剪得到港口范围内所有具有货运功能的火车站。机场数据精准到每个航站楼,需要将各个航站楼进行合并,如重庆市江北国际机场T1、T2航站楼合并为重庆江北国际机场,根据经纬度连线中点进行可视化并与港口辐射范围进行匹配。人口数据、城镇化率数据、GDP数据由港口管辖市统计局官网所获取的2022年度统计年鉴,根据港口管辖市进行匹配,整合到港口属性表中。

3 研究方法

3.1 技术路线

本文的技术路线如图3所示。
图3 技术路线

Fig. 3 Technology Roadmapping

3.2 港口区位优势度模型

区位优势度主要指区位的综合资源优势度,即某个地区、某个位置在发展经济方面客观存在的有利条件和优越地位。一个地区的区位优势由交通、地理位置等多个指标综合决定其量化模型为[14,23]：
L = ∑ i = 0 n w i F i
式中 ： L为港口的区位优势度;n为评价指标的数量; w i为对应权重值; F i为各指标评价归一化后得分。
区位优势度的指标通常随着研究对象的不同而不同,本文以长江经济带长江沿岸内河港口为研究对象,从港口交通、城市发展的视角出发,针对内河港口的运行特点、区位优势度的定义、内河港口的规划发展等选取了3个指标：交通网络密度、交通干线影响度、城市经济影响力。
（1）交通网络密度
内河港口是河陆货运的集疏运枢纽,本文主要研究长江内河货运港口,当集装箱或大型货物运输时,货物通常通过重型卡车到达港口,由于运输效率以及货车通行问题,公路网选择一级路和二级路[14]。考虑铁路及高速公路对货物运输的能力,各级路网密度的权重为：铁路为0.40,高速公路为0.35,普通公路为0.25[24]。
D i = ∑ j σ j L i j A i
式中： D i为交通网络密度; σ j为道路权重; L i j为j类道路里程数; A i为港口腹地面积。
（2）交通干线影响度
交通干线影响度[14]以港口为评价单元,根据港口中心到每个交通干线（高速路匝道、机场、火车站）的行驶距离进行评价。交通干线影响度随着距离的增长交通干线对港口的影响度衰减,反之增长。由于路径长度单位设置为米,因此借鉴张新等[25]以及金凤君等[26]的研究模型基础上,减小1000倍,以使计算出的交通影响度达到合理范围内。
T i = ∑ j k d i j + σ j
式中： T i为交通干线影响度; k为交通干线影响度的衰减系数（k<0）; d i j为港口至最近交通干线要素的最短交通距离; σ j为交通干线的权重值。
（3）城市经济影响力
港口所在城市的发展程度间接影响港口的区位优势度,是港口物流发展的动力。本文根据港口所属城市的GDP、城镇化率、港口到管辖城市中心的交通成本（距离）等因子评价其经济影响力优势度。从目前研究来看,用GDP单一指标来衡量各地区发展水平并不准确[27],城镇化率与经济发展水平相比会超前和滞后,但也是一个国家或地区经济发展的重要标志,且研究表明长江流域市域城镇与经济发展水平协调度空间相关性较为显著[28],因此借鉴并改进了牟乃夏等[14]建立的城市影响度模型,以此展开对长江内河港口区位优势度的评价研究。
C i = ∑ j H j + G j E X P - U d i j
式中： C i为城市经济对港口的影响力; H j表示城市j的城镇化率; G j为港口所属城市GDP的归一化值, U d i j为港口至其管辖城市间的交通成本。

3.3 层次分析-熵权法

3.3.1 层次分析法

层次分析法是美国运筹学家Saaty[29]于20世纪70年代提出的一种实用的多方案或多目标、定性与定量相结合的决策方法。邀请专家对各个指标的重要性进行评价,根据专家打分确定各个指标的客观权重[19]。
（1）首先结合专家打分对评价指标进行两两比较,比较指标间的重要性,采用1~9标度法构建判断矩阵 B b i j n × n, b i j表示表示相对于j的重要性,满足 b i i=1, 1 b j i>0 （ i , j = 1,2 , ⋯ , n）, n表示指标数量。
（2）对矩阵 B b i j n × n进行归一化处理
B i j = 1 ∑ i = 1 n b i j
（3）将 B i j按列求和得到向量 z = z 1 , z 2 , ⋯ , z n
z j = ∑ i = 1 n b i j
（4）将向量 z进行归一化处理。
Z i = 1 ∑ i = 1 n z i
（5）采用随机一致性比率CR[21]进行一致性检验,通过一致性检验后即可求出各项指标的权重。
检验各元素重要度之间的协调性,避免出现排序矛盾。
C . I . = λ m a x ( B ) - n n - 1
C . R . = C . I . R . I .
式中： C . I .为一致性指标; R . I .为平均随机一致性指标; C . R .为一致性比率。 λ m a x ( B )为矩阵B的最大特征值。当 C . I .< 0.1时则通过一致性检验即可求出各项指标的权重。

3.3.2 熵权法

熵权法最早由 Shannon[16]提出,它能消除加权过程中的人为干扰,从而能客观地确定标准权重。
（1）标准化处理
根据选取的指标构建矩阵并进行标准化处理,也可称之为归一化,由于计算的所有指标都为正向指标,因此采用正向归一化公式。
z i j = x i j - M i n x j M a x x j - M i n x j
式中： z i j为矩阵标准化后各个元素值; x i j为标准化前各项矩阵中元素值。
（2）计算权重
在矩阵标准化过后,便可计算每项指标的权重,计算权重首先要计算各项指标值的比重 p i j, 计算公式如下：
p i j = z i j ∑ i = 1 n z i j j = 1,2 , … , n
得到指标值的比重后需要再计算每个指标的信息熵（不确定度） e j,公式如下：
e j = - 1 l n n ∑ i = 1 n p i j l n p i j j = 1,2 , … , n
式中： k = - 1 l n n > 0 , e j > 0。
得到信息熵的值后便可计算出冗余度 d j,根据冗余度便可计算出各项指标的权重 w j,公式如下：
d j = 1 - e j j = 1,2 , … , n
w j = d j ∑ i = 1 n d j j = 1,2 , … , n

4 结果与分析

4.1 港口指标结果分析

4.1.1 港口交通网络密度分析

通过对路网数据的清洗分类后,计算路网各段折线的长度,港口辐射范围内的路网密度最高的10个港口如图4所示。交通网络密度最高的为江阴港,其次为常州港,表明港口可容纳的货车流量更为密集、货物与集装箱运输效率也更高。
图4 长江经济带内河港口交通网络密度

Fig. 4 Inland port traffic network density in the Yangtze River Economic Belt

从空间格局来看,货物运输交通网络密度最高的几个港口内,除武汉港以外,其他港口都属于江苏省苏南地区,也反映出江苏的交通系统的发达程度。长江上游地区研究区域内重庆港路网密度最高,中游武汉港最高,而下游地区江苏省内港口交通网络密度归一化后基本都在0.4205以上。整个长江经济带港口路网建设,除西南、华中2个中心外,高交通网络密度港口基本集中在长江下游。长江中上游港口辐射范围内应注重一级路,二级路以及铁路的的规划建设提高货车容量。

4.1.2 港口交通干线影响度分析

首先使用港口辐射范围内的路网数据构建网络数据集,进行网络分析,测定港口中心到公路最短距离,火车站、机场以及最近高速路匝道,为终点进行最短路径分析,计算港口到各个交通干线的距离成本,本文中交通成本选择路径长度,交通成本与交通干线影响度呈反比,交通成本越低,交通干线影响度越高,再根据各个交通干线的权重以及衰减系数进行计算,得到各个港口综合的交通干线影响度。研究区域中的28个港口中有10个港口辐射范围内没有机场或是机场在建,因此这10个港口中机场的影响度为取0。
由图5可知,长江经济带内河港口交通干线影响度的空间分布与交通网络密度的分布存在明显差异,其中交通干线影响度较高的几个港口的分布较为分散,根据比较交通影响度的大小,基本上覆盖了长江经济带的大部分省份也说明了泸州、安庆以及九江等港口的交通干线与港口的集中程度较高,其货物转运相较于其他港口交通成本更低,货物以及集装箱转运可根据港口交通影响度进行量化后可判断哪个港口的转运更为便捷。交通干线影响度较低的港口由于距离各个交通站点距离较远,因此影响多式联运的运输效率,增加多式联运的铁路线和运输专线对其发展更为有利。
图5 长江经济带内河港口交通干线影响度

Fig. 5 Inland port traffic trunk influence in the Yangtze River Economic Belt

4.1.3 港口城市经济影响力分析

分析区位优势度时,所在城市对港口的影响力是不可缺少的一个环节,港口作为物流的重要枢纽,是城市产业发展的重要依托,城市利用港口便利,吸引各种要素的集聚,当城市经济经济向好时,消费需求增加,货运需求增加,由此带动港口经济的发展。本文主要分析港口所在城市的发展程度对港口影响的强弱,对长江经济带内河港口所属城镇的发展、港口选址等进行综合分析比较。城市经济影响力主要采用2022年度统计年鉴中各个港口所在市的经济指标、城镇化率对该城市对港口的影响进行判断。此外,港口中心到城市中心的行驶交通成本越低,该城市对港口的影响力越强,反之则越弱。
长江经济带各港口城市经济影响力如图6所示,由于武汉的GDP以及城镇化率在各港口所在城市处于领先地位,且武汉港距离武汉市中心交通成本较低,因此其城市经济影响力较高,而南京虽然相较武汉GDP以及城镇化率更为领先,但却由于南京港与南京市中心的距离较长,交通成本较高,因此落后于武汉。而江苏省港口较为密集,且苏南地区经济发达,城镇化率较高,港口距离市中心的交通成本也较低,因此城市经济影响力也较强。从空间分布来看,武汉港、南京港、重庆港、南通港较高,其他港口的城市经济影响力都没有较大差异,但长江下游苏南地区仍然存在优势。城市经济影响力较低的港口需要协调港城关系,利用港城关系间的相容性,打造港城专线交通,加强港口与其所在城市见的交互性实现共同发展。
图6 长江经济带内河港口城市经济影响力

Fig. 6 Urban economic influence of inland port cities in the Yangtze River Economic Belt

4.2 港口区位优势度分析

指标归一化后结果如图7所示,从图上来看交通路网密度的熵值最高,其次是城市经济影响力,交通干线影响度。根据层次分析-熵权法得到的各项指标权重如表2所示,采用算术平均法处理两种方法得到指标的综合权重其中交通网络密度的权重最高,为0.4355,说明其与港口区位优势度的相关性较高,而城市经济影响力与交通干线影响度最终所得的权重值只差0.031,这2个指标与港口发展以及交通多样性相关,因此港口辐射范围内路网的总长度可直接影响其区位优势度。
图7 各港口优势度指标归一化结果对比

Fig. 7 Comparative chart of the normalization results of the advantage index of each port

表2 权重计算结果

Tab. 2 The result of weight calculation

指标 权重值
交通网络密度 0.4355
城市经济影响力 0.2978
交通干线影响度 0.2668
将所有指标进行归一化处理后,利用综合权重计算出其区位优势度并导入ArcGIS进行可视化。计算结果如图8所示,长江沿岸货运港口按区位优势度划分,武汉港的优势度最高,其次为江苏省的常州港、江阴港、靖江港,空间上为“一组团,三中心”的分布：“一组团”为江苏省高优势度港口组团,“三中心”分别为西南地区重庆港、华中地区武汉港、华东地区中心常州港。以重庆港为中心的西南地区以及以武汉港为中心的华中地区优势度差异较大分布较为分散,以常州港为中心的江苏港口组团虽优势度都比较高,但在江苏省以外华东地区与华中地区的边界处仍然存在优势度较低的港口：池州港、铜陵港、三山港。总体来看,长江下游地区平均港口优势度均比上游地区、中游地区的优势度高,虽然港口密集但区位优势度都处于中上水平,而长江中上游地区除重庆港与武汉港外其他港口的优势度都较低。
图8 长江经济带内河港口区位优势度

Fig. 8 The location advantage of the inland river port in the Yangtze River Economic Belt

按照长江沿岸省份对各个港口进行划分后,对各个港口及其优势度进行汇总、计算长江经济带各个省内港口优势度的最大值、最小值、平均值,并计算其标准差,结果如表3所示。江苏省的港口数量最多,平均优势度最高,标准差也较小,表明江苏省的港口优势度分布较为均衡,港口区位选址较为合理,除南京港外,其他港口辐射范围内基本都存在火车站及机场,且所属城市经济指标基本都高于其他省市,是港口、路上交通、城市发展相互促进的结果。长江经济带内河港口按省份划分后,湖北是港口优势度差异最大的省份,标准差最高,存在研究范围内优势度最高的港口武汉港、优势度最低的港口武穴港,间接说明了资源分配的不均衡以及武穴港周边的交通通达程度、路网密度等较为落后,应加强后续道路交通规划,也需要加强港口间的联系交互,由武汉港带动周边港口协同发展。由标准差比较可知,重庆与武汉类似,主城的重庆港在西南地区一骑绝尘,而涪陵港和万州港的优势度较低由于四川仅有泸州港一个港口,因此不在比较范围内,因此在长江经济带内河港口需要由3个中心港口带动周边优势度不高的港口协同发展、均衡发展。
表3 各省份港口区位优势度差异

Tab. 3 Differences in port location advantages between provinces

省份/直辖市 货运港口数量/个 最大值 最小值 平均值 标准差
江苏 11 0.9572 0.4638 0.7135 0.1530
湖北 3 1.0000 0.0000 0.4279 0.5153
江西 3 0.4494 0.2870 0.3860 0.0860
四川 1 0.3634 0.3634 0.3634 0.0000
重庆 3 0.8077 0.0646 0.3167 0.4252
安徽 6 0.5325 0.0234 0.2238 0.2059

5 结论

结合所有指标计算出长江经济带长江沿岸各个内河港口的区位优势度,再对长江沿岸各个省份内河港口进行综合分析后,得到以下结论：
（1）本文采用多源数据对选取的3个指标分别进行分析并对模型进行改进,适用于分析内河港口的区位优势度,从交通网络密度来看,交通网络密度较为发达的地区集中在江苏省,除重庆港和武汉港以外,江苏省以外的其他省份港口辐射范围内交通网络密度都比较低。从交通干线影响度来看,除去一些港口辐射范围内没有机场的城市（如南京）,其分布比较均衡且数值也较为相近,结果可对于交通干线站点选址提供指导。城市经济影响力空间分布较为无序与分散,主要依托城市基础设施建设,城市经济对港口影响力最高的为武汉、南京、南通和重庆主城。与较为发达的欧洲莱茵河、美国密西西比河港口群相比,我国大多数港口交通网络密度较高,但少有多式联运的铁路线和运输专线,建议加强与综合货运枢纽衔接,规划港口专线铁路提高货物运输效率,推动铁路货运站点向港口延伸。
（2）从长江经济带内河港口整体空间格局来看,根据优势度的高低得出长江经济带货运港口在空间上为“三中心,一组团”的格局,“三中心”自西向东分别为重庆港、武汉港、常州港,一组团为长江下游以优势度较高的常州港为中心,南京港、扬州港、江阴港等优势度较高的港口组成的江苏港口组团,组团内均为区位优势度归一化后0.46以上的中上层水平港口。结果表明,“三中心”和“一组团”港口基础设施建设均较好,需要更加注重长江经济带其他内河港口内基础设施和城市建设,使高优势度港口起到带动发展的作用,并在此基础上建设良好的港城关系,推动港城之间的相容性,避免港城间的冲突性,才能实现协同发展、均衡发展。
（3）按照省份对港口进行较高尺度划分后统计最大值、最小值,计算平均值和标准差后得到研究区域6个省份的优势度差异。根据标准差的值,长江经济带内江西省的3个港口区位优势度差异最小,但其优势度也整体偏低,安徽省内6个港口也与江西省类似。江苏省的整体优势度较高且差异小,呈现以常州港为中心,各个港口协同发展的趋势。重庆市与湖北省虽为存在西南以及华中2个中心港口,但优势度差异较大,尤其湖北省,28个港口中优势度最高的武汉港以及优势度最低的武穴港都位于湖北,表明省内港口存在基础设施建设以及资源不均衡等问题亟需改善,需要由武汉港带动协同发展。
中国已进入高质量发展阶段,强调并注重发展的均衡性,在此基础上打造集约高效功能协同的现代化港口;在长江经济带的战略背景下,强化港口枢纽辐射功能、推荐资源整合完善港口布局、促进港产城协同发展已是目前主要的发展目标和发展趋势。本文的研究成果可对长江经济带内各个港口范围内基础设施建设、道路交通规划、港口选址等方面提供指导性意见帮助打通铁路、高等级公路进港“最后一公里”。但研究依然有些许不足之处：① 未结合港口城市气候条件研究港口建设的适宜性并进行综合分析,缺少对港口区位自然地理条件之间的差异如长江岸线地形地貌等进行结合深入研究。② 缺乏对港口城市产业的综合分析,如产业结构对港口的影响等进行综合研究分析各个港口间产业的差异、发展导向。③ 缺少航运数据,因此未结合航运数据来综合分析各个港口间的交互性。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
内河航运发展纲要[J]. 中国水运, 2020(6):17-19.

[Outline of inland waterway navigation development[J]. China Water Transport, 2020(6):17-19. ] DOI: 10.13646/j.cnki.42-1395/u.2020.06.007

DOI

[2]
刘玮辰, 曹有挥, 吴威, 等. 长江集装箱港口岸线利用空间格局及其对资源环境的影响[J]. 长江流域资源与环境, 2021, 30(8):1819-1828.

[ Liu W C, Cao Y H, Wu W, et al. Spatial pattern of container terminal water front utilization and its resource & environment effects in the Yangtze River[J]. Resources and Environment in the Yangtze Basin, 2021, 30(8):1819-1828. ] DOI: 10.11870/cjlyzyyhj202108004

DOI

[3]
郝媛, 全波, 徐天东. 长江经济带战略背景下长江上游港口群发展[J]. 城市交通, 2018, 16(2):61-69.

[ Hao Y, Quan B, Xu T D. Port group development in the upper reaches of Yangtze River under the strategy of Yangtze River economic belt[J]. Urban Transport of China, 2018, 16(2):61-69. ] DOI: 10.13813/j.cn11-5141/u.2018.0207

DOI

[4]
刘涛, 刘均卫. 长江干线集装箱港口体系集中度演进分析[J]. 经济地理, 2018, 38(3):113-119.

[ Liu T, Liu J W. Concentration evolution of the Changjiang River container port system[J]. Economic Geography, 2018, 38(3):113-119. ] DOI: 10.15957/j.cnki.jjdl.2018.03.014

DOI

[5]
梁双波, 刘玮辰, 曹有挥, 等. 长江港口岸线资源利用及其空间效应[J]. 长江流域资源与环境, 2019, 28(11):2672-2680.

[ Liang S B, Liu W C, Cao Y H, et al. Exploitation of port coastline resources and its spatial effects along the Yangtze River[J]. Resources and Environment in the Yangtze Basin, 2019, 28(11):2672-2680. ] DOI: 10.11870/cjlyzyyhj201911013

DOI

[6]
曹有挥, 梁双波, 吴威, 等. 枢纽港口城市港航服务业空间组织机理——以上海市为例[J]. 地理学报, 2017, 72(12):2226-2240.

DOI

[ Cao Y H, Liang S B, Wu W, et al. Spatial organizational mechanism of port and shipping service industry in a hub port city: A case study of Shanghai[J]. Acta Geographica Sinica, 2017, 72(12):2226-2240. ] DOI: 10.11821/dlxb201712008

DOI

[7]
Fleming D K. World container port rankings[J]. Maritime policy and management, 1997, 24(2):175-181. ] DOI: 10.1080/03088839700000068

DOI

[8]
李丹. 中国沿海集装箱港口等级与效率评价研究[D]. 大连海事大学, 2015.

[ Li D. Research on China's Coastal Container Port Grade and Efficiency Evaluation[D]. Dalian Maritime University, 2015. ]

[9]
陈慧, 唐如建, 付光辉, 等. 区位优势度对南京市新建商品住宅空置率影响的实证研究[J]. 现代城市研究, 2018(11):7.

[ Chen H, Tang R J, Fu G G, et al. Empirical study on the influence of locational advantages on vacancy rate of the new commercial housing in Nanjing[J]. Modern Urban Research, 2018(11):7. ] DOI: 10.3969/j.issn.1009-6000.2018.11.014

DOI

[10]
郭建科, 王绍博, 王辉, 等. 国家级风景名胜区区位优势度综合测评[J]. 经济地理, 2017, 37(1):187-195.

[ Guo J K, Wang S B, Wang H, et al. Comprehensive measure of the regional advantages of national scenic area[J]. Economic Geography, 2017, 37(1):187-195. ] DOI: 10.15957/j.cnki.jjdl.2017.01.026

DOI

[11]
Yang Y, Mao Z X. Location advantages of lodging properties: A comparison between hotels and Airbnb units in an urban environment[J]. Annals of Tourism Research, 2020, 81:102861. DOI: 10.1016/j.annals.2020.102861

DOI

[12]
Murphy E. Urban spatial location advantage: The dual of the transportation problem and its implications for land-use and transport planning[J]. Transportation Research Part A: Policy and Practice, 2012, 46(1):91-101. DOI: 10.1016/j.tra.2011.09.017

DOI

[13]
赵江南, 周跃. 基于“一带一路”建设的环渤海地区港口优势评价[J]. 海洋开发与管理, 2019, 36(7):83-88.

[ Zhao J N, Zhou Y. Port advantage assessment based on the construction of “one belt and one road” in Bohai Sea rim region[J]. Ocean Development and Management, 2019, 36(7):83-88. ]

[14]
牟乃夏, 廖梦迪, 张恒才, 等. “海上丝绸之路”沿线重要港口区位优势度评估[J]. 地球信息科学学报, 2018, 20(5):613-622.

DOI

[ Mou N X, Liao M D, Zhang H C, et al. Evaluation on location advantages of the ports along the maritime silk road[J]. Journal of Geo-Information Science, 2018, 20(5):613-622. ] DOI: 10.12082/dqxxkx.2018.170514

DOI

[15]
杨忍, 牟乃夏, 彭澎, 等. “海上丝绸之路”沿线重要港口竞争力评价[J]. 地球信息科学学报, 2018, 20(5):623-631.

DOI

[ Yang R, Mou N X, Peng P, et al. Evaluation on competitiveness of important ports along the maritime silk road[J]. Journal of Geo-Information Science, 2018, 20(5):623-631. ]

[16]
Shannon C E. A mathematical theory of communication[J]. The Bell System Technical Journal, 1948, 27(3):379-423. DOI: 10.1002/j.1538-7305.1948.tb01338.x

DOI

[17]
Li Y J, Zhang Q, Wang L Z, et al. Regional environmental efficiency in China: An empirical analysis based on entropy weight method and non-parametric models[J]. Journal of Cleaner Production, 2020, 276:124147. DOI: 10.1016/j.jclepro.2020.124147

DOI

[18]
Patra P K, Behera D, Goswami S. Relative shannon's entropy approach for quantifying urban growth using remote sensing and GIS: A case study of cuttack city, odisha, India[J]. Journal of the Indian Society of Remote Sensing, 2022, 50(4):747-762. DOI: 10.1007/s12524-022-01493-z

DOI

[19]
Nyimbili P H, Erden T. A hybrid approach integrating entropy-AHP and GIS for suitability assessment of urban emergency facilities[J]. ISPRS International Journal of Geo-Information, 2020, 9(7):419. DOI: 10.3390/ijgi9070419

DOI

[20]
祁于娜, 王磊. 层次分析-熵值定权法应用于山区城镇地质灾害易发性评价[J]. 测绘通报, 2021(6):112-116.

[ Qi Y N, Wang L. Application of AHP-entropy weight method in hazards susceptibility assessment in mountain town[J]. Bulletin of Surveying and Mapping, 2021(6):112-116. ] DOI: 10.13474/j.cnki.11-2246.2021.0187

DOI

[21]
向奇韬, 徐可以, 温泉儿, 等. 基于EWM和AHP的成都高新区产城融合度测评[J]. 武汉理工大学学报(信息与管理工程版), 2020, 42(4):355-360.

[ Xiang Q T, Xu K Y, Wen Q E, et al. Evaluation for city-industry integration of high-tech zone in Chengdu based on EWM and AHP[J]. Journal of Wuhan University of Technology (Information ＆ Management Engineering), 2020, 42(4):355-360. ] DOI: 10.3963/j.issn.2095-3852.2020.04.011

DOI

[22]
袁瑜. 基于Nested Logit模型的内河港口经济腹地范围研究[D]. 宁波: 宁波大学, 2018.

[ Yuan Y. Study on economic hinterland scope of inland ports based on nested logit model[D]. Ningbo: Ningbo University, 2018. ]

[23]
王昆, 王珊, 孔宪娟, 等. 基于空间分析的区位优势度模型及其应用分析[J]. 林业调查规划, 2013, 38(2):13-19.

[ Wang K, Wang S, Kong X J, et al. Location advantage value model and its application based on spatial analysis[J]. Forest Inventory and Planning, 2013, 38(2):13-19. ] DOI: 10.3969/j.issn.1671-3168.2013.02.003

DOI

[24]
陆锋, 陈洁. 武汉城市圈城市区位与可达性分析[J]. 地理科学进展, 2008, 27(4):68-74.

DOI

[ Lu F, Chen J. Location superiority and accessibility analysis on Wuhan metropolitan region[J]. Progress in Geography, 2008, 27(4):68-74. ]

[25]
张新, 刘海炜, 董文, 等. 省级主体功能区划的交通优势度的分析与应用——以河北省为例[J]. 地球信息科学学报, 2011, 13(2):170-176,280.

DOI

[ Zhang X, Liu H W, Dong W, et al. Transport superioriy degree analysis and application for major function regions zoning at provincial level: A case study of Hebei Province[J]. Journal of Geo-Information Science, 2011, 13(2):170-176,280. ]

DOI

[26]
金凤君, 王成金, 李秀伟. 中国区域交通优势的甄别方法及应用分析[J]. 地理学报, 2008, 63(8):787-798.

[ Jin F J, Wang C J, Li X W. Discrimination method and its application analysis of regional transport superiority[J]. Acta Geographica Sinica, 2008, 63(8):787-798. ] DOI: 10.3321/j.issn:0375-5444.2008.08.001

DOI

[27]
曹克瑜. GDP指标衡量经济发展的局限性[N]. 中国社会科学院院报, 2004/04/06(3).

[28]
郭桂萍, 沈威. 城镇化与经济发展水平关系的时空演变特征研究——以长江流域为例[J]. 商业经济研究, 2018(23):138-141.

[ Guo G P, Shen W. Spatial-temporal evolution of the relationship between urbanization and economic development level: A case study of the Yangtze River Basin[J]. Journal of Business Economics, 2018(23):138-141. ]

[29]
Saaty T L. The analytic hierarchy and analytic network measurement processes: Applications to decisions under risk[J]. European Journal of Pure and Applied Mathematics, 2008, 1(1):122-196. DOI: 10.29020/nybg.ejpam.v1i1.6

DOI

Options
文章导航

/

〈 〉