基于UTAGMS方法的內(nèi)河港口競爭力排序

段雪妍， 余思勤， 王效俐， 范琛

(1. 上海海事大學(xué) 經(jīng)濟(jì)管理學(xué)院，上海 201306；2. 同濟(jì)大學(xué) 經(jīng)濟(jì)與管理學(xué)院，上海 200092)

?

基于UTAGMS方法的內(nèi)河港口競爭力排序

段雪妍1， 余思勤1， 王效俐2， 范琛2

(1. 上海海事大學(xué) 經(jīng)濟(jì)管理學(xué)院，上海 201306；2. 同濟(jì)大學(xué) 經(jīng)濟(jì)與管理學(xué)院，上海 200092)

為全面地進(jìn)行內(nèi)河港口競爭力排序問題研究, 采用UTAGMS方法并結(jié)合極限排序分析(Extreme Ranking Analysis，ERA)和蒙特卡洛仿真法，對(duì)我國長江干線16個(gè)內(nèi)河港口競爭力進(jìn)行實(shí)證分析，給出每個(gè)港口的最好排名和最差排名以及全部港口的參考全序.根據(jù)結(jié)果給出提升我國內(nèi)河港口競爭力的建議.該方法既可為我國內(nèi)河港口決策提供依據(jù)，也可為相關(guān)研究開拓思路.

UTAGMS； 內(nèi)河港口； 競爭力； 排序

0 引 言

港口競爭力排序問題是多屬性決策研究的一個(gè)重要分支.國內(nèi)外一些學(xué)者對(duì)港口競爭力評(píng)價(jià)和排序進(jìn)行深入研究，其評(píng)價(jià)方法主要分為客觀評(píng)價(jià)法和主觀評(píng)價(jià)法兩大類.[1-4]但是，已有的港口競爭力評(píng)價(jià)的研究主要集中在海港評(píng)價(jià)上[5]，對(duì)內(nèi)河港口競爭力的評(píng)價(jià)研究較少.目前僅有：李志等[6]運(yùn)用模糊層次分析法構(gòu)建內(nèi)河港口競爭力2級(jí)指標(biāo)評(píng)價(jià)體系，選取重慶港等6個(gè)內(nèi)河港口進(jìn)行實(shí)證評(píng)價(jià)；劉志平等[7]運(yùn)用因子分析法對(duì)我國長江沿線幾個(gè)內(nèi)河港口的競爭力進(jìn)行排序和比較；焦泥沙[8]運(yùn)用層次分析法和模糊綜合評(píng)價(jià)法對(duì)岳陽港及其周邊4個(gè)港口進(jìn)行綜合競爭力評(píng)價(jià).

在低碳經(jīng)濟(jì)時(shí)代，內(nèi)河港口的發(fā)展受到各國政府的重視，合理評(píng)價(jià)內(nèi)河港口競爭力并進(jìn)行排序，對(duì)確定其自身優(yōu)劣勢(shì)、實(shí)現(xiàn)港口資源有效配置有重大意義，直接關(guān)系到內(nèi)河港口的發(fā)展.

影響內(nèi)河港口競爭力的因素眾多，但由于我國內(nèi)河港口信息化水平較低，很難獲得與影響指標(biāo)相關(guān)的統(tǒng)計(jì)數(shù)據(jù).因此，在實(shí)際操作中，人們往往希望主客觀結(jié)合，融入一些專家經(jīng)驗(yàn)，用較少的量化指標(biāo)代替較多的指標(biāo)進(jìn)行評(píng)價(jià).這種情況下，UTAGMS方法的優(yōu)勢(shì)便體現(xiàn)出來.[9-11]KADZINSKI等[12]將該方法應(yīng)用于20個(gè)歐洲國家大學(xué)質(zhì)量的評(píng)價(jià)排序中.

本文嘗試運(yùn)用UTAGMS方法研究內(nèi)河港口競爭力排序問題，同時(shí)結(jié)合極限排序分析(Extreme Ranking Analysis, ERA)和蒙特卡洛仿真法，對(duì)我國長江干線16個(gè)內(nèi)河港口的競爭力排序進(jìn)行實(shí)證分析，給出每個(gè)港口的最好排名和最差排名，以及全部港口的參考全序，既可為我國內(nèi)河港口決策提供依據(jù)，也可為相關(guān)研究開拓思路.

1 UTAGMS簡介

1982年，JACQUET-LAGREZE等[13]提出UTA(Utility Additive)方法.該方法基于效用函數(shù)，利用決策者對(duì)部分方案間優(yōu)劣關(guān)系的判斷，采用魯棒序數(shù)回歸(Robust Ordinal Regression, ROR)模型進(jìn)一步推斷其他方案之間的優(yōu)劣關(guān)系.UTA方法采用線性插值法求解，將總的效用區(qū)間平均分成若干小區(qū)間，區(qū)間數(shù)越多，分段線性函數(shù)越逼近整個(gè)曲線，同一區(qū)間內(nèi)的效用函數(shù)為線性單調(diào)非遞減關(guān)系.UTA及其擴(kuò)展方法已經(jīng)被應(yīng)用在房地產(chǎn)評(píng)估、物料選擇、生物學(xué)、石油勘探風(fēng)險(xiǎn)評(píng)級(jí)等領(lǐng)域.[14-17]

2008年，GRECO等[9]對(duì)UTA方法進(jìn)行改進(jìn)，將所有方案在同一屬性下得分相鄰的兩點(diǎn)作為一個(gè)區(qū)間，區(qū)間內(nèi)采用線性效用函數(shù)，從而提出UTAGMS方法.與UTA方法相比，UTAGMS方法考慮的效用函數(shù)的范圍更廣，計(jì)算結(jié)果也更加魯棒，即使單個(gè)方案的某個(gè)準(zhǔn)則的原始數(shù)據(jù)有所失真或發(fā)生變化，只要其變化范圍沒有影響該方案在這個(gè)準(zhǔn)則下的排序位置，都不會(huì)影響整體方案的排序結(jié)果.

以UTAGMS方法為基礎(chǔ)，結(jié)合其他方法，在排序評(píng)價(jià)研究上可以解決3個(gè)問題：(1)偏序.通過參考單個(gè)方案在每個(gè)評(píng)價(jià)準(zhǔn)則下的數(shù)值，基于效用理論，通過決策者針對(duì)個(gè)別方案之間已知的偏好關(guān)系，利用ROR模型可以推斷其他方案之間的排序關(guān)系，從而得到偏序.(2)每個(gè)方案的可能排序范圍.UTAGMS方法得到的是偏序，在此基礎(chǔ)上結(jié)合ERA可以得到每個(gè)方案的可能排序范圍，即最好排名和最差排名.(3)參考全序.利用UTAGMS方法給出的偏序，可進(jìn)一步進(jìn)行蒙特卡洛仿真，得到兩兩方案之間的優(yōu)劣概率，獲得一個(gè)最優(yōu)的參考全序，即全部方案的排名.[18-19]

2 內(nèi)河港口競爭力排序的研究方法

2.1 UTAGMS方法

假定需要對(duì)m個(gè)內(nèi)河港口進(jìn)行競爭力排序分析，A為內(nèi)河港口集，a∈A.每個(gè)內(nèi)河港口(方案)都有統(tǒng)一的n個(gè)衡量準(zhǔn)則，準(zhǔn)則集為G={g1,…,gn}，方案a在準(zhǔn)則j下的得分集為Xj={gj(a),a∈A}.把所有方案在準(zhǔn)則j下的得分從小到大排序，得到mj(mj≤m)個(gè)不重復(fù)得分，記為x1,j,…,xmj,j，xk,j

為統(tǒng)一衡量方式，默認(rèn)指標(biāo)得分越大越好.如果是得分越小越好的指標(biāo)，則通過換算使得實(shí)際值越小，指標(biāo)得分值越大.

假定評(píng)價(jià)者對(duì)部分內(nèi)河港口排序方案已存在優(yōu)劣偏好，比如評(píng)價(jià)者根據(jù)經(jīng)驗(yàn)和感受可以很確信地給出部分內(nèi)河港口的偏序，則設(shè)已知的帶有決策者偏好的方案集為AR={a*,b*，…}，其中a*，b*表示決策者預(yù)先給出偏好關(guān)系的方案.

假設(shè)評(píng)價(jià)者針對(duì)兩兩方案之間的偏序給定如下關(guān)系：

U(a)-U(b)>0?a?b

U(a)-U(b)=0?a～b

同時(shí)假設(shè)效用函數(shù)是非遞減的，則有關(guān)評(píng)價(jià)者效用函數(shù)的基本約束為

(1)

約束(1)是保障加性效用函數(shù)的基本特性.第1個(gè)約束保障效用函數(shù)是遞增的.不失一般性，第2和第3個(gè)約束將各效用函數(shù)約束在[0，1]之間.因?yàn)樯鲜街械膗(xk,j)是效用值與權(quán)重的乘積，效用值和權(quán)重都是未知數(shù)，所以合起來用一個(gè)變量u(xk,j)表達(dá).第3個(gè)約束實(shí)際上反映權(quán)重歸一化以及效用函數(shù)歸一化.

由于評(píng)價(jià)者事前根據(jù)經(jīng)驗(yàn)和實(shí)際印象對(duì)個(gè)別方案具有強(qiáng)烈的偏好，將這些偏好考慮進(jìn)約束，則加入評(píng)價(jià)者偏好的效用函數(shù)約束如下：

(2)

式中：a*,b*∈AR.

2.2 ROR模型

推論

利用下式，通過方案間兩兩比較確定各方案之間的排序關(guān)系.

(1)必要關(guān)系規(guī)劃

(3)

(2)可能關(guān)系規(guī)劃

(4)

2.3 ERA模型

在所有符合決策者給出的方案偏好的效用函數(shù)中，方案a的最好排名用下式計(jì)算:

(5)

在所有可行的效用函數(shù)中，方案a的最差排名用下式計(jì)算：

(6)

式(5)和(6)中M為一個(gè)極大的正整數(shù).

2.4 蒙特卡洛仿真

3 模型應(yīng)用實(shí)例

3.1 評(píng)價(jià)對(duì)象的選擇

選擇我國長江干線上的重慶港、武漢港、蘇州港、南京港等16個(gè)內(nèi)河港口進(jìn)行評(píng)價(jià)，構(gòu)建16個(gè)方案的評(píng)價(jià)方案集.

3.2 評(píng)價(jià)準(zhǔn)則的確定

內(nèi)河港口競爭力的影響因素眾多，不僅取決于港口自然條件和基礎(chǔ)設(shè)施，也取決于港口作業(yè)水平和經(jīng)營效率，是一個(gè)系統(tǒng)的評(píng)價(jià)體系.由于UTAGMS方法計(jì)算復(fù)雜，如果評(píng)價(jià)指標(biāo)超過6個(gè)，則計(jì)算結(jié)果不佳，可能無法推斷出有效的偏序數(shù)量幫助決策.因此，兼顧可得性、可比性和實(shí)用性原則，最終選擇反映港口基礎(chǔ)設(shè)施情況的泊位長度(m)、泊位數(shù)量(個(gè))、反映港口生產(chǎn)經(jīng)營效果的貨物吞吐量(萬t)和內(nèi)河集裝箱吞吐量(萬TEU)作為評(píng)價(jià)指標(biāo)，4個(gè)評(píng)價(jià)指標(biāo)依次記為g1,g2,g3和g4.

為統(tǒng)一口徑，樣本數(shù)據(jù)統(tǒng)一采用2012年的內(nèi)河港口統(tǒng)計(jì)數(shù)據(jù).16個(gè)河內(nèi)港口4個(gè)評(píng)價(jià)指標(biāo)的原始數(shù)據(jù)主要來源于《中國港口年鑒2012》、《中國港口年鑒2013》、交通部網(wǎng)站和港口城市2012年國民經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)等，具體數(shù)據(jù)見表1.

表1 16個(gè)內(nèi)河港口4個(gè)評(píng)價(jià)指標(biāo)的原始數(shù)據(jù)

3.3 專家對(duì)評(píng)價(jià)對(duì)象的排序偏好

根據(jù)研究目的和方法，編寫內(nèi)河港口競爭力評(píng)價(jià)調(diào)研問卷，采用訪談法，請(qǐng)港口行業(yè)的專家對(duì)16個(gè)內(nèi)河港口兩兩之間的競爭力進(jìn)行評(píng)價(jià).每位專家對(duì)兩兩港口之間的競爭力評(píng)價(jià)并不完全一致，還有相互沖突的評(píng)價(jià)結(jié)果.挑選專家意見一致的6個(gè)排序偏好作為已知的評(píng)價(jià)者偏好條件：蘇州港?南京港，南京港?重慶港，重慶港?武漢港，蘇州港?蕪湖港，鎮(zhèn)江港?九江港，江陰港?泰州港.

3.4 基于UTAGMS方法得到方案偏序

利用式(3)和(4)，采用MATLAB和Grubi MATLAB Interface編程計(jì)算，得出評(píng)價(jià)對(duì)象之間的偏序，見圖1.

圖1 16個(gè)內(nèi)河港口優(yōu)劣關(guān)系偏序

在此基礎(chǔ)上，圖1還反映除已知的6個(gè)專家偏好條件外的18個(gè)排序，如：南京港優(yōu)于江陰港、鎮(zhèn)江港、南通港，重慶港優(yōu)于宜昌港、荊州港、岳陽港、九江港、蕪湖港、泰州港，鎮(zhèn)江港優(yōu)于黃石港、九江港、泰州港.這18個(gè)排序是在6個(gè)專家偏好條件的基礎(chǔ)上得到的.

但是，偏序圖里的24個(gè)排序結(jié)果不能反映16個(gè)港口的優(yōu)劣順序，還有一些港口的優(yōu)劣順序沒有得到，如：重慶港、鎮(zhèn)江港、南通港和江陰港之間的優(yōu)劣順序尚不明確，武漢港、宜昌港、荊州港、岳陽港等港口之間也很難確定優(yōu)劣順序.

在偏序圖的基礎(chǔ)上，可進(jìn)一步結(jié)合ERA和蒙特卡洛仿真法研究16個(gè)港口的全局排序位置.

3.5 利用ERA和蒙特卡洛法給出每個(gè)方案的可能排序范圍和參考全序

偏序圖中沒有體現(xiàn)的港口優(yōu)劣關(guān)系更多地反映在圖2中，如：江陰港與武漢港的關(guān)系，蒙特卡洛仿真結(jié)果得到江陰港以93%的概率優(yōu)于武漢港，而武漢港以7%的概率優(yōu)于江陰港，可知江陰港相對(duì)于武漢港的競爭優(yōu)勢(shì)非常明顯；泰州港與岳陽港的關(guān)系，泰州港以52%的概率優(yōu)于岳陽港，而岳陽港以48%的概率優(yōu)于泰州港，這說明泰州港相對(duì)于岳陽港的競爭優(yōu)勢(shì)不太明顯.

1 000組數(shù)據(jù)的蒙特卡洛仿真結(jié)果中，兩兩港口之間的優(yōu)劣逼近概率為100%的占74.2%，為80%～100%的占12.5%，為60%～80%的占8.3%，為50%～60%的占5%，說明絕大部分港口兩兩之間的優(yōu)劣關(guān)系是非常明確的.

在此基礎(chǔ)上，根據(jù)蒙特卡洛仿真結(jié)果中的優(yōu)劣逼近概率推斷每個(gè)方案的優(yōu)劣關(guān)系，從而得到16個(gè)內(nèi)河港口的參考全序，見表2.同時(shí)，利用式(5)和(6)，采用MATLAB和Grubi MATLAB Interface編程得出每個(gè)港口的排序范圍，即最好排名和最差排名，結(jié)果也列入表2中.

圖2 蒙特卡洛仿真結(jié)果(單位：%)

港口名稱參考全序可能的排序范圍最好結(jié)果最差結(jié)果蘇州港111南京港222江陰港3315南通港4316重慶港537鎮(zhèn)江港6312武漢港7413蕪湖港8416泰州港9516岳陽港10414九江港11515馬鞍山港12616宜昌港13414荊州港14415安慶港15816黃石港16916

這個(gè)參考全序的結(jié)果與ERA給出的每個(gè)港口的排序范圍也是一致的，如：蘇州港的最好排名是第1名，最差排名是第1名，蒙特卡洛仿真結(jié)果中的參考排序?yàn)榈?名；重慶港的最好排名是第3名，最差排名是第7名，蒙特卡洛仿真結(jié)果中的參考排序?yàn)榈?名；其他港口以此類推.

3.6 排序結(jié)果分析

蘇州港在整合太倉、常熟、張家港三大港區(qū)之后，區(qū)位優(yōu)勢(shì)突出，港口經(jīng)營效率較高，在碼頭岸線和泊位數(shù)量并不突出的前提下，貨物吞吐量和集裝箱吞吐量均名列前茅，最終排在第1位.南京港、重慶港、鎮(zhèn)江港、武漢港作為干線大港，港口航道條件優(yōu)越，基礎(chǔ)設(shè)施完善，貨物吞吐量和集裝箱吞吐量也較為領(lǐng)先，分別位列第2，第5，第6和第7；江陰港和南通港近年來發(fā)展迅速，分別位列第3和第4，特別是江陰港的內(nèi)河集裝箱運(yùn)輸在16個(gè)內(nèi)河港口中位列第3，為其帶來較多的競爭優(yōu)勢(shì).蕪湖港、泰州港、岳陽港、九江港、馬鞍山港港口條件較好，港口吞吐量較大，但是內(nèi)河集裝箱運(yùn)輸發(fā)展緩慢，競爭優(yōu)勢(shì)降低，依次位列第8到第12；宜昌港、荊州港、安慶港和黃石港雖然岸線和泊位眾多，但是港口產(chǎn)出卻相對(duì)落后，特別是內(nèi)河集裝箱運(yùn)輸量尚不足10萬TEU，依次位列第13到第16.

從排序結(jié)果看，內(nèi)河港口的競爭優(yōu)勢(shì)更多地體現(xiàn)在港口經(jīng)營效果上，規(guī)模化、集約化的港口基礎(chǔ)設(shè)施更有利于發(fā)揮港口優(yōu)勢(shì)、提高港口生產(chǎn)能力.在低碳經(jīng)濟(jì)時(shí)代，內(nèi)河集裝箱運(yùn)輸是未來內(nèi)河港口提高效率、發(fā)揮自身優(yōu)勢(shì)的發(fā)展方向所在.我國各大內(nèi)河港口要針對(duì)自身特點(diǎn)，找到限制其生產(chǎn)效率的因素，整合港口資源，改進(jìn)港口生產(chǎn)經(jīng)營理念和方法，從而更好地發(fā)揮競爭優(yōu)勢(shì)，實(shí)現(xiàn)快速發(fā)展.

4 結(jié) 論

運(yùn)用UTAGMS方法研究我國內(nèi)河港口競爭力排序問題，結(jié)合ERA和蒙特卡洛仿真法，構(gòu)建內(nèi)河港口競爭力排序評(píng)價(jià)模型.在內(nèi)河港口數(shù)據(jù)信息貧乏的狀態(tài)下，該模型主客觀結(jié)合，為全面科學(xué)地評(píng)價(jià)內(nèi)河港口競爭力提供一個(gè)新的研究視角.

運(yùn)用該模型對(duì)我國長江干線16個(gè)內(nèi)河港口競爭力排序進(jìn)行實(shí)證分析，通過數(shù)據(jù)搜集和專家問卷調(diào)研，最終給出16個(gè)內(nèi)河港口的參考全序和每個(gè)內(nèi)河港口的可能排序范圍.實(shí)證結(jié)果也為長江干線16個(gè)內(nèi)河港口競爭力排序提供依據(jù)，對(duì)內(nèi)河港口認(rèn)清自身位置、找準(zhǔn)發(fā)展方向具有積極意義.文中構(gòu)建的內(nèi)河港口競爭力評(píng)價(jià)模型也可用于其他領(lǐng)域的評(píng)價(jià)和排序中.在后續(xù)的相關(guān)研究中，可對(duì)如何挑選一組具有代表性的效用函數(shù)作進(jìn)一步探討，找出各個(gè)評(píng)價(jià)準(zhǔn)則下的具有代表性的一組效用函數(shù)，來反映專家的知識(shí)和經(jīng)驗(yàn)，通過不斷迭代，最終可以較為精確地繪制出專家的效用函數(shù).通過研究效用函數(shù)，可以更進(jìn)一步找到未來港口發(fā)展的方向.

[1]鄭輝. 我國港口競爭力及其演化的理論與方法研究[D]. 大連: 大連海事大學(xué), 2007.

[2]呂梁. 港口綜合競爭力評(píng)價(jià)模型與方法及其實(shí)證研究[D]. 大連: 大連海事大學(xué), 2011.

[3]董崗. 現(xiàn)代港口競爭力的理論與應(yīng)用研究[D]. 上海: 復(fù)旦大學(xué), 2011.

[4]王愛虎, 劉曉輝. 港口競爭力研究綜述[J]. 華南理工大學(xué)學(xué)報(bào): 社會(huì)科學(xué)版, 2013, 15(1): 9-17.

[5]劉翠蓮, 劉健美, 劉南南, 等. DPSIR 模型在生態(tài)港口群評(píng)價(jià)中的應(yīng)用[J]. 上海海事大學(xué)學(xué)報(bào), 2012, 33(2): 61-64.

[6]李志, 蔣惠園, 李紅亮, 等. 基于F-AHP 的內(nèi)河港口競爭力分析[J]. 水運(yùn)工程, 2009(10): 91-95.

[7]劉志平, 李麗, 肖漢斌. 長江內(nèi)河港口的競爭力分析[J]. 武漢理工大學(xué)學(xué)報(bào): 交通科學(xué)與工程版, 2009, 33(4): 757-759.

[8]焦泥沙. 岳陽港綜合競爭力比較研究[D]. 武漢: 武漢理工大學(xué), 2012.

[9]GRECO S, MOUSSEAU V, SLOWINSKI R. Ordinal regression revisited: multiple criteria ranking using a set of additive value functions[J]. Eur J Operational Res, 2008, 191(2): 415-435.

[10]GRECO S, MOUSSEAU V, SLOWINSKI R. Multiple criteria sorting with a set of additive value functions[J]. Eur J Operational Res, 2010, 207(4): 1455-1470.

[11]GRECO S, KADZINSKI M, SLOWINSKI R. Selection of a representative value function in robust multiple criteria sorting[J]. Computers & Operations Res, 2011, 38(11): 1620-1637.

[12]KADZINSKI M, TERVONEN T. Robust multi-criteria ranking with additive value models and holistic pair-wise preference statements[J]. Eur J Operational Res, 2013, 228(1): 169-180.

[13]JACQUET-LAGREZE E, SISKOS J. Assessing a set of additive utility functions for multi-criteria decision making: the UTA method[J]. Eur J Operational Res, 1982, 10(2): 151-164.

[14]GOMES L F A M, RANGEL L A D. Determining the utility functions of criteria used in the evaluation of real estate[J]. Int J Production Economics, 2009, 117(2): 420-426.

[15]ATHAWALE V M, KUMAR R, CHAKRABORTY S. Decision making for material selection using the UTA method[J]. Int J Advanced Manufacture Technol, 2011, 57(1/2/3/4): 11-22.

[16]GRUCA A, SIKORA M. Rule based functional description of genes - estimation of the multicriteria rule interestingness measure by the UTA method[J]. Biocybernetics and Biomedical Eng, 2013, 33: 222-234

[17]劉金蘭, 朱曉旸. UTADIS方法在石油勘探風(fēng)險(xiǎn)評(píng)級(jí)中的應(yīng)用[J]. 工業(yè)工程, 2004, 7(1): 42-46.

[18]KADZINSKI M, GRECO S, SLOWINSKI R. Extreme ranking analysis in robust ordinal regression[J]. Omega, 2012, 40(4): 488-501.

[19]KADZINSKI M, TERVONEN T. Robust multi-criteria ranking with additive value models and holistic pair-wise preference statements[J]. Eur J Operational Res, 2013, 228: 169-180.

(編輯 趙勉)

Inland port competitiveness ranking based on UTAGMSmethod

DUAN Xueyan1, YU Siqin1, WANG Xiaoli2, FAN Chen2

(1. School of Economics & Management, Shanghai Maritime Univ., Shanghai 201306, China; 2. School of Economics & Management, Tongji Univ., Shanghai 200092, China)

For fully studying the inland port competitiveness ranking issue, the UTAGMSmethod in combination with Extreme Ranking Analysis (ERA) as well as the Monte Carlo simulation method is used to analyze the competitiveness of 16 inland ports along Yangtze River in China. The best ranking and the worst ranking for each port are given. The reference total order of 16 inland ports is also given. Some proposals on promoting Chinese inland port competitiveness are proposed based on the results. This method can not only provide basis for the inland port decision-making in China, but also open ideas for related research.

UTAGMS; inland port; competitiveness; ranking

10.13340/j.jsmu.2015.01.002

1672-9498(2015)01-0006-06

2014-06-08

2014-11-18

國家自然科學(xué)基金(71090404，71090400)

段雪妍(1979—)，女，安徽淮北人，副教授，博士研究生，研究方向?yàn)榻煌ㄟ\(yùn)輸經(jīng)濟(jì)與管理，(E-mail)328236505@qq.com； 余思勤(1956—)，男，江蘇無錫人，教授，博導(dǎo)，博士，研究方向?yàn)榻煌ㄟ\(yùn)輸經(jīng)濟(jì)與管理，(E-mail)ysq@shmtu.edu.cn

U691.71

A