基于AHP-RS的沿海都市帶主要港口評價實證分析

王杰，廖虹

（大連海事大學交通運輸管理學院，遼寧 大連 116026）

區域經濟正逐步成為全球經濟的新增長點，因此，區域港口群資源整合也成了當前航運業發展熱點之一。在此背景下，區域港口群如何通過有序規劃發展以實現資源有效整合成了當前人們關注的焦點。目前世界上區域港口群大都位于沿海都市帶，本文將以國內外沿海都市帶為例，通過定量化形式考察都市帶內主要港口相對規模水平，分析港口間的規模差距，進而為區域港口群有序規劃發展提供依據和思路。

1 研究綜述

當前國內外學者對港口評價指標體系的研究主要集中于港口競爭力評價。針對港口競爭力評價指標體系，張聯軍，宗蓓華構建了運營條件、服務質量、港口軟環境等6個方面的指標體系[1]；匡海波，陳樹文設立了包括港口吞吐能力、港口作業能力等4個方面的指標體系[2]；鄔德林，呂榮勝選取港口吞吐量、標箱量、腹地經濟實力等4個指標研究了環渤海地區三大樞紐港的競爭力[3]。針對評價對象不同，韓凌芬，陳延藝以福建省港口群內的主要港口為研究對象，通過港口貨物吞吐量、工業產值、對外貿易等指標評價了各主要港口的競爭力[4]。針對評價目的不同，鄭芳建立了包含港口物流規模、港口物流服務條件等5個方面的港口發展潛力評價指標體系[5]。

從層次分析法（AHP）和粗糙集（RS）的研究情況來看，針對AHP的研究已相當成熟，并被成功地應用于各領域評價中，在此不作贅述。相較而言，對RS的研究則處于一個相對初步的階段。目前，粗糙集已被成功地應用于部分領域的數據挖掘中，郭婉、吳昊等用粗糙集評估了農機化發展水平[6]；吳郎、胡紅武用粗糙集對農村公務員素質進行了評定[7]。在此基礎上，部分學者開始關注粗糙集與主觀評價法結合的綜合評價問題，黃晶晶、熊才權將粗糙集與神經網絡用于作戰效能評估研究中[8]；李長坡、王壇利用粗糙集與Delphi對土地定級因素進行了分析[9]。而AHP-RS法作為粗糙集數據挖掘應用方法之一，當前已被應用于多領域的相關評價中，大量實例也證明了其有效性，但目前該法尚未被引入我國港口評價中。

鑒于港口吞吐能力指標（即港口吞吐量和集裝箱吞吐量）是衡量港口規模大小的重要指標，為此，本文將以改進后的港口吞吐能力指標為基礎，構建區域范圍意義上的主要港口評價指標體系，以國內外沿海都市帶為例，運用AHP-RS法對都市帶內主要港口進行相關評價分析。

2 沿海都市帶主要港口評價指標體系的建立

2.1 沿海都市帶概述

當前主流觀點下的全球都市帶共有6個，其中位于沿海的都市帶有5個，分別為美國東北部大都市帶、英格蘭大都市帶、西北歐大都市帶、日本太平洋沿岸大都市帶和中國長三角大都市帶。在此選取具有代表性的4個沿海都市帶進行相關研究。具體情況如表1所示。

表1 世界四大沿海都市帶基本情況

1）美國東北部大都市帶。該都市帶包括紐約、費城、巴爾的摩、華盛頓等共40個城市，占美國面積1.5%，美國人口的15%，制造業產值占美國30%，是美國經濟的核心地帶。從港口角度看，紐約港是美國東部最大的商港，主要從事集裝箱運輸；費城港主要從事遠洋貨運；巴爾的摩港是大宗散貨轉運港；波士頓港是以轉運產品為主的商港，同時兼有漁港的性質。

2）西北歐大都市帶。該都市帶包括大巴黎、萊茵-魯爾、蘭斯塔德3個都市帶，包含巴黎、阿姆斯特丹、布魯塞爾、漢堡等40個城市，占歐盟總面積的1.4%，歐盟總人口的6.3%。從港口角度來看，鹿特丹為荷蘭和歐盟貨物集散中心，是歐洲的主要門戶港口；安特衛普是以集裝箱和雜貨運輸為主的比利時最大港口；漢堡港是集裝箱中轉業務為主的德國最大港口；不來梅為集客貨運于一身的歐洲第四大港。

3） 日本太平洋沿岸大都市帶。該都市帶分為東京、大阪、名古屋3個城市圈，占日本總面積的20%，占全國人口的61%。從港口來看，東京主要以內外貿和集裝箱運輸為主的國際樞紐港；橫濱是以工業品出口和集裝箱港口為主的國際貿易港；千葉為能源輸入工業港。

4）中國長三角大都市帶。該都市帶包括上海、南京、杭州、南通、寧波等城市，占全國面積的1%，占人口的5.5%，占全國GDP的近20%。從港口角度來看，上海是中國最大的外貿港口和國際集裝箱樞紐港；寧波-舟山港是主要的集裝箱、礦石、原油、液體化工中轉儲存基地；南京主要以大宗散貨和集裝箱運輸為主；南通則以大宗散貨和集裝箱中轉業務為主。

2.2 主要港口評價指標體系的建立

港口規模主要是指港口自身現有規模情況。港口吞吐量和集裝箱吞吐量是衡量港口規模的主要指標。港口吞吐量指每年經水運輸出、輸入港區并經過裝卸作業的貨物總量，是衡量港口規模大小最重要的指標。港口集裝箱吞吐量也是反映港口規模的重要指標，能在一定程度上反映港口實力。集裝箱量/總吞吐量反映了港口單位貨物量的集裝箱化水平，能體現港口在區域內競爭力水平，鑒于區域內競爭力較大的港口往往具有更大的規模，故該指標也能在一定程度上反映區域內各港口的規模水平。

本文以改進后的港口吞吐量和集裝箱吞吐量為基本指標，建立主要港口評價指標體系。鑒于本文研究重點是區域范圍意義上的主要港口相對規模水平，故采用相對指標，具體用三個指標衡量。一是相對集裝箱量，指特定港口占都市帶全部主要港口集裝箱量總和的比例；二是相對總吞吐量，指特定港口總吞吐量占都市帶全部主要港口總吞吐量總和的比例；三是集裝箱量/總吞吐量，指特定港口集裝箱量與其總吞吐量的比值。此外，為更好地體現各指標值的穩定性，避免因突發事件而導致某年指標值偏離正常水平，各相對指標值按年均值確定。

3 基于AHP-RS的區域主要港口評價步驟

本文將AHP-RS法[10-11]應用于沿海都市帶內主要港口評價，首先用粗糙集理論的屬性依賴度定義構造屬性間相對依賴的客觀判斷矩陣，再結合層次分析法的主觀判斷矩陣構建組合判斷矩陣，最后計算出新判斷矩陣的權重。該評價法將主客觀賦權法相結合，既避免了AHP主觀賦權的隨意性，又彌補了RS客觀賦權因過分依賴樣本而存在現實偏差的缺點，能夠得到理想且實際的權重。

3.1 AHP構造主觀判斷矩陣

層次分析法（AHP）的基本思想是將復雜問題分解為若干層次，以專家經驗判斷為基礎，采用定性與定量相結合的方法確定權重，其實質是利用1～9的整數及其倒數作為標度構造判斷矩陣[11]。具體步驟為：1） 建立遞階層次結構模型，明確問題的目標層、中間層以及方案層。2）構造各層次中的判斷矩陣。根據評價指標體系的層次結構，采用1～9標度法逐層確定對各個要素兩兩之間的相對重要性比值，構造判斷矩陣A。

3.2 RS構造客觀判斷矩陣

粗糙集（RS）的主要思想是在保持分類能力不變的前提下，通過知識約簡，導出問題的決策或分類規則[12]。采用粗糙集構造客觀判斷矩陣，其具體步驟如下：

1） 評價指標信息表的設定。用一個二維信息表匯總指標數據，行代表對象及其各屬性的值，列代表屬性及各對象的屬性值。

2） 連續屬性離散化。本文用聚類分析法離散化指標值[13]，采用系統聚類對每一列屬性值進行聚類，將每一列屬性值所屬的類別號作為離散化后的特征值，特征值按指標值從高到低依次取1、2、3。

3） 各指標屬性重要度測算。設有信息系統S=（U，A，V，f），其中U為對象集合；A為屬性集合，A又劃分為條件屬性為C和決策屬性為D；V是屬性值集合，f∶U×R→V是一個信息函數，指定U中每一個對象的屬性值。其中C中有n個屬性a1，a2，…，an，根據知識庫或評價樣本，考察所有條件屬性將樣本劃分為決策類的分類能力，并由決策屬性對條件屬性的依賴度r（C，D）表示。然后去掉條件屬性ai后，重新考察分類情況，得到屬性ai重要度：

4）構造客觀判斷矩陣。依據3）中所得到的各指標屬性重要度，采用兩兩比較的方法，構造客觀判斷矩陣B=（bij）n×n，bij≥0：

3.3 確定組合判斷矩陣以及計算權重

由上，A=（aij）n×n是由AHP得到的主觀判斷矩陣，B=（bij）n×n是由RS得到的客觀判斷矩陣，C=（cij）n×n為兩者的組合判斷矩陣，其中aij＞0；bij≥0；cij≥0。建立最優化模型：

該模型在可行域Ω上求得的唯一解C=uA+（1-u）B即為組合判斷矩陣，對C按和法（規范列平均法）計算得到矩陣權重向量W即為各指標權重。

3.4 主要港口指數計算

將原始指標值矩陣E歸一化處理后得到矩陣E′，結合權重向量W，計算得最終指數V：

4 實證分析

本文以美國東北部大都市帶、西北歐大都市帶、日本太平洋沿岸大都市帶、中國長三角大都市帶的主要港口為研究對象，利用AHP-RS法進行主要港口評價。根據德國不萊梅航運物流研究所《ISL Shipping Statistics and Market Review》2001—2009年間的統計[14]，各都市帶內主要港口具體數據如表2、表3所示。

表2 沿海都市帶主要港口集裝箱量/總吞吐量 1 000 TEU/1 000 000 t

表3 沿海都市帶主要港口評價指標值

首先用AHP構造主觀判斷矩陣。通過專家定性經驗判斷，結合1～9標度法，得如下主觀判斷矩陣A。

其次用RS構造客觀判斷矩陣。利用SPSS軟件對表3中各類屬性值分別進行系統聚類，得到離散化結果，如表4所示。

表4 沿海都市帶主要港口評價指標值離散化特征值

記 U={1，2，3，4，5，6，7，8，9，10，11，12，13，14，15，16，17，18，19，20，21，22，23，24}，則可得到正域運算結果：

其中：C={a1，a2，a3}，D={f}，計算得到：

由上式計算各屬性對決策屬性D的重要度值分別為：

通過對各屬性重要度進行兩兩比較得到客觀判斷矩陣B，具體如下：

再次，按 C=uA+（1-u）B（0≤u≤1）構造組合判斷矩陣。當決策傾向專家經驗時，u滿足0.5≤u≤1，當決策者傾向客觀數據時，u滿足0≤u≤0.5。為使計算結果更具客觀性，本文中u取具有數學比例意義的黃金分割數0.38，故C=0.38A+0.62B，具體如下：

采用和法計算各指標權重向量W=（0.37，0.41，0.22），即相對集裝箱量、相對總吞吐量和集裝箱量/總吞吐量權重依次為0.37、0.41、0.22。

最后，用加權法計算主要港口指數。以都市帶為單位，對各都市帶內主要港口指標值進行歸一化處理后，結合各指標權重做加權處理得各主要港口主要港口指數，計算結果及排名如表5所示。

從以上計算結果及排名情況來看，美國東北部大都市帶與中國長三角大都市帶內主要港口的規模分布情況具有一定相似性，而西北歐大都市帶則更趨同于日本太平洋沿岸大都市帶。具體來看，美國東北大都市帶和中國長三角大都市帶內各主要港口的指數值相差較大，相較而言，西北歐大都市帶和日本太平洋沿岸大都市帶內主要港口的指數值則比較接近。從排名前三位的主要港口來看（具體如圖1所示），美國東北大都市帶和中國長三角大都市帶內主要港口間的平均指數相差值分別為0.25、0.30，而西北歐大都市帶與日本太平洋沿岸大都市帶內主要港口間的平均指數相差值僅為0.07、0.02。以中國長三角大都市帶和日本太平洋沿岸大都市帶為例，在中國長三角大都市帶內，排名第一、第二的上海與寧波-舟山港，其港口指數值相差達0.30，排名第一、第三的上海與蘇州港，其港口指數值相差高達0.45，排名第二、第三位的寧波-舟山與蘇州港，其港口指數值相差則相對較小，為0.155；而在日本太平洋沿岸大都市帶內，排名第一、第二的東京與橫濱，其港口指數值相差為0.025，排名第一、第二的東京與名古屋，其港口指數值相差為0.027，排名第二、第三的橫濱與名古屋，其港口指數值相差僅為0.002。

以上分析與各都市帶內主要港口的實際規模分布情況基本一致。西北歐大都市帶與日本太平洋沿岸大都市帶內分布著較多世界級大港，平均多達3～4個，這些港口往往功能完善，實力較強，彼此間規模相差不大。而美國東北部大都市帶與中國長三角大都市帶內的世界級大港則相對較少，約為1～2個，故容易出現“一港獨大”的現象。

表5 沿海都市帶內主要港口指數值

圖1 四大沿海都市帶排名前三位的主要港口間指數差值

5 結論

通過以上研究，得出如下結論：

1） 從港口規模角度出發，構建了區域范圍意義上的主要港口評價指標體系，各指標突出港口區域范圍意義下的相對性，且充分結合歷史數據，使得整體指標設置更具科學性和合理性，能夠較好地反映港口相對規模水平，為港口客觀認識和評價自身相對規模水平提供了參考，同時也為區域港口群有序規劃發展提供了依據和思路。

2） 在主要港口評價中引進AHP-RS綜合評價法，通過實例驗證了該方法在港口評價中的有效性與可行性，豐富了港口評價方法。RS所具有的屬性約簡特性能很好地解決港口評價中指標個數多，數據量大的問題，可在港口評價中進一步推廣。

3）構建了區域范圍意義上的主要港口評價指標體系，以國內外沿海都市帶為例，采用AHP-RS法進行相關評價分析。研究結果表明：沿海都市帶內分布著較多世界級大港，都市帶內各主要港口指數值則較接近；反之，都市帶內各主要港口指數值則相差較大。這與沿海都市帶內港口實際規模分布情況是基本一致的，故證明了本文提出的區域范圍意義上的主要港口評價指標體系的合理性及AHPRS綜合評價法的科學性。

[1] 張聯軍，宗蓓華.港口競爭力評價指標體系研究[J].港口經濟，2003（4）：23-24.

[2]匡海波，陳樹文.基于熵權TOPSIS的港口綜合競爭力評價模型研究與實證[J].企業管理，2007，10：158-162.

[3] 鄔德林，呂榮勝.環渤海主要港口競爭力比較研究[J].大連海事大學學報（社會科學版），2007，6（4）：64-66.

[4] 韓凌芬，陳延藝.福建主要港口競爭力的比較與整合[J].中國港口，2010（1）：18-20.

[5]鄭芳.港口潛力評價模型構建——以福州港為例[J].海峽科學，2011（4）：21-31.

[6] 郭婉，吳昊，王安寧.基于粗糙集的農機化發展水平評價方法[J].農機化研究，2011，2（2）：5-8.

[7] 吳朗，胡紅武.粗糙集理論在評定農村公務員素質中的應用[J].安徽農業科學，2006，34（14）：3 487-3 537.

[8]黃晶晶，熊才權.粗糙集-神經網絡在作戰效能評估中的應用[J].計算機與數字工程，2011，39（5）：62-66.

[9]李長坡，王云.基于粗糙集的土地定級因素綜合賦權法模型研究[J].安徽農業科學，2009，37（5）：2 141-2 143.

[10] 葉軍，王磊.一種基于粗糙集和層次分析法的綜合評價方法研究[J].計算機應用研究，2010，27（7）：2 486-2 488.

[11] 王漢斌，楊鑫.一種基于AHP-RS的組合權重確定方法[J].中國安全生產科學技術，2010，6（6）：155-160.

[12] 王國胤.Rough集理論與知識獲取[M].西安：西安交通大學出版社，2001：24-25.

[13] 楊香鳳.基于粗糙集的港口競爭力評價模型[D].江西：江西財經大學，2003.

[14]Hans-Dietrich Haasis，Burkhard Lemper，Frank Arendt.ISL Statistical Tables-World Seaborne Trade and World Port Traffic[J].ISL Shipping Statistics and Market Review，2001—2009.