基于多源数据的长江经济带内河港口区位优势度评估

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

新窗口打开| 下载CSV

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

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

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]：

（1）

L = \sum_{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]。

（2）

D_{i} = \sum_{j} \frac{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。

（3）

T_{i} = \sum_{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。

（4）

C_{i} = \sum_{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 $B {(b_{i j})}_{n \times n}$ , $b_{i j}$ 表示表示相对于j的重要性,满足 $b_{i i}$ =1, $\frac{1}{b_{j i}}$ >0 （ $i, j = 1,2, \dots, n$ ）, $n$ 表示指标数量。

（2）对矩阵 $B {(b_{i j})}_{n \times n}$ 进行归一化处理

（5）

B_{i j} = \frac{1}{\sum_{i = 1}^{n} b_{i j}}

（3）将 $B_{i j}$ 按列求和得到向量 $z = [z_{1}, z_{2}, \dots, z_{n}]$

（6）

z_{j} = \sum_{i = 1}^{n} b_{i j}

（4）将向量 $z$ 进行归一化处理。

（7）

Z_{i} = \frac{1}{\sum_{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。

（8）

C . I . = \frac{λ_{m a x} (B) - n}{n - 1}

（9）

C . R . = \frac{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。

（10）

z_{i j} = \frac{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：

（11）

p_{i j} = \frac{z_{i j}}{\sum_{i = 1}^{n} z_{i j}} (j = 1,2, \dots, 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：

（12）

e_{j} = - \frac{1}{l n n} \sum_{i = 1}^{n} p_{i j} l n p_{i j} (j = 1,2, \dots, n)

式中： $k = - \frac{1}{l n n} > 0, e_{j} > 0$ 。

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：

（13）

d_{j} = 1 - e_{j} (j = 1,2, \dots, n)

（14）

w_{j} = \frac{d_{j}}{\sum_{i = 1}^{n} d_{j}} (j = 1,2, \dots, 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

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

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

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

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

新窗口打开| 下载CSV

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

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

新窗口打开| 下载CSV

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

被引期刊影响因子

[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

[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

, 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

[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

, Quan

, 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

[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

, 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

URL [本文引用: 2]

[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.

[本文引用: 3]

[ 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

[本文引用: 3]

[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:10.11821/dlxb201712008 [本文引用: 1]

基于全球生产网络理论和地理尺度关联思想,本文构建了一个多尺度相统一的港航服务业空间组织理论分析框架。归纳演绎表明,在全球尺度上,受经济全球化、技术变革、产业组织变革和国家/地方（政府）战略响应等多层级因素与机制的相互影响,少数枢纽港口城市成为港航服务业集聚发展的主要节点,其产业结构重心由运输仓储类向代理与技术服务类、高级服务类逐次转移;在城市尺度上,受港航服务业不同行业的内在属性以及城市不同区位的禀赋特性的共同作用,从中心向外围总体呈现高级服务类—代理与技术服务类—运输仓储类圈层式分布格局。以上述框架为指引,依据近20年来上海市港航服务业企业数据,对其结构演替与格局演化进行了实证分析。统计分析表明,1996-2014年运输仓储类、代理与技术服务类和高级服务类企业数占企业总数比率分别由77.81%、20.15%和2.04%变动为47.78%、46.20%和6.03%,产业结构明显向价值链高端攀升。圈层、热点分析和核密度估计显示,运输仓储类企业近郊区化布局趋势逐步强化;代理与技术服务类企业中心集聚明显,跳跃式扩散初显;高级服务类企业高度中心极化,外围温点初步发育。由此进一步分析了影响结构演替和布局演化的宏观与微观机制。

[ Cao

Y H

, Liang

S B

, Wu

, 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

[7]

Fleming

D K

World container port rankings

[J]. Maritime policy and management, 1997, 24(2):175-181. ] DOI: 10.1080/03088839700000068

[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

. 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

, 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

[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

, 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

[11]

Yang

, 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

[12]

Murphy

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

[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

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:10.12082/dqxxkx.2018.170514 [本文引用: 6]

评估“海上丝绸之路”沿线港口的区位优势度,对于港口及其腹地基础设施合理规划、港口未来投资预判以及推进“一带一路”倡议有重要意义。本文从海陆联运的视角出发,综合考虑港口腹地的路网密度、交通干线影响度、城市影响度、航运战略枢纽影响度和航运战略通道影响度等五个因素,构建港口区位优势度评价模型来对“海上丝绸之路”沿线重要港口进行区位优势度分析。研究发现：① “海上丝绸之路”沿线港口的区位优势度区域化差异显著,从东向西总体呈“高-低-高”的空间分布格局;② 从世界分区的视角看,东南亚区域港口区位优势最高,其次为南欧至西欧、南亚、北非、西亚等地区,东非至南非区域港口区位优势度最低;③ 港口各区位影响因素的评价结果空间分布特征差异显著,其中港口区位优势度分布特征与交通干线影响度、城市影响度的相关性较大。研究结果可为海外港口基础设施的投资建设过程提供科学支撑。

[ 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

[本文引用: 6]

[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:10.12082/dqxxkx.2018.170515 [本文引用: 2]

“海上丝绸之路”是促进亚欧和亚非互联互通的重要通道,对其沿线重要港口的竞争力研究,可以为海上丝绸之路的建设提供参考。本文综合考虑港口的自然条件、腹地环境、基础设施、服务水平、政府廉洁度,及其在航运网络中的地位差别等因素,运用熵权-层次分析法对沿线51个国家的99个重要港口的竞争力进行评价。结果表明,① 港口综合竞争力空间分布呈明显的区域化特征,且与国家经济发展水平显著相关,地中海地区港口竞争力普遍较强,亚洲次之,非洲最弱。② 港口的网络地位对竞争力的影响最大,竞争力强的港口多位于重要水域的战略通道,网络地位高,辐射范围广。③ 我国投资的部分沿线港口综合竞争力与成熟港口之间还存在一定差距,但是具备较大的竞争力提升空间。

[ Yang

, Mou

N X

, Peng

, 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

URL [本文引用: 2]

[17]

Y J

, Zhang

, 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

[18]

Patra

P K

, Behera

, Goswami

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

[19]

Nyimbili

P H

, Erden

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

URL [本文引用: 2]

[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

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

[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

[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

. 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

, Wang

, 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

[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:10.11820/dlkxjz.2008.04.010 [本文引用: 1]

武汉1+8 城市圈担负着“中部崛起”的重任,在国家经济发展过程中具有举足轻重的地位。本文从空间格局角度,结合最新的行政区划、基础地理数据库及其统计资料,利用GIS 空间分析方法,对武汉城市圈内部各城市区位和交通可达性进行了定量分析。结果表明,与全省其他县市相比,目前武汉城市圈内各城市具有明显区位优势。在圈内8 个地级市当中,孝感市具有最高的区位指标,而潜江、仙桃、天门等三个省直辖市区位指标较低。城市圈各城市出行时距沿高速公路与国道以及各级道路呈放射状延伸。城市圈内城市间基本实现2 小时可达。武汉和孝感市拥有最高的出行时距增长速率,天门、黄石和咸宁市出行时距增长速率较低,迫切需要加强其周边交通网络基础设施的建设。

[ Lu

, Chen

Location superiority and accessibility analysis on Wuhan metropolitan region

[J]. Progress in Geography, 2008, 27(4):68-74. ]

DOI:10.3724/SP.J.1047.2011.00170 [本文引用: 1]

[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.

交通是联系地理空间和社会经济活动的纽带。在我国主体功能区划评价中,交通优势度是其中一项重要指标。本文利用最新的基础地理数据及相关统计资料,以河北省147个县域为基本评价单元,进行了GIS空间分析。其构建了河北省交通优势度评价模型,运用层次分析法确定了交通网络密度、交通干线影响度、区位优势度三个因子的权重:0.267、0.404、0.329。同时,对全省的交通网络密度、交通干线影响度和区位优势度,以及各县级行政区的交通优势度状况进行了计算,综合评价结果显示,河北省交通优势度比较高的地区主要集中在石家庄市、秦皇岛市、唐山市、邯郸市及其附近县区,北部山区的交通优势度比较差。最后,将各县的人均GDP状况与交通优势度水平进行对比和定量分析,计算得出两者的相关系数为0.408,呈低度正相关。

[ Zhang

, Liu

H W

, Dong

, 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:10.3724/SP.J.1047.2011.00170 URL [本文引用: 1]

[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

[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

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