基于DEA-Tobit 模型對長三角地區港口物流效率及其影響因素的實證研究

姚博鴻 譚春蘭 朱徐凱 王 彬

1.上海海洋大學上海 201306 2.洋山港海事局上海 201306

長江三角洲是長江入海之前的沖積平原， 作為中國的第一大經濟區、 亞太地區重要的國際門戶， 其不論是經濟還是港口物流等各方面的發展一直都備受外界的關注。 長三角地區共擁有27 個城市， 以上海市為首， 涉及蘇浙皖 “三省一市” 全部地區， 廣闊的經濟腹地孕育了8 個沿海深水港和26 個內河港， 是中國眾多港口群中分布最密集的港口群， 在港口貨物吞吐量方面也是名列前茅， 這與該地區港口物流的發展是分不開的。 近些年， 國家為推動長三角地區港口物流的發展也制定了一系列的政策和制度。 2018 年， 國家主席習近平明確提出將“長三角區域一體化發展戰略” 上升為國家戰略。 同時， 為進一步推動長三角港航發展， 2019 年國務院印發了《長江三角洲區域一體化發展規劃綱要》， 明確指出： “推動港口資源整合，優化港口布局， 健全一體化發展機制， 增強服務全國的能力。” 長三角一體化戰略的提出是推動港口物流發展的重大機遇。 在這一背景下， 加快長三角地區港口物流建設， 提高港口物流運行效率對推進長三角一體化戰略實施具有重要意義。

通過回顧國內外學者在該領域的研究成果可以發現， 當前學者對港口物流效率的研究主要集中在兩個方面： 評價指標研究和評價方法研究。

國外對港口物流效率評價指標的研究較早。 1986年國外學者KIM 等就開始對港口效率值進行測度，應用單一指標對衡量港口效率進行衡量[1]。 此后， 學者陸續開始對相關領域展開研究。 MATINES-BURDIA等為研究港口物流業企業的經營效益， 從投入產出的角度構建了包括工資以及其他成本支出在內的評價指標[2]。 國內學者對港口物流效率評價指標的研究主要有： 李劍、 孟威、 陳繼紅等從港口服務水平的角度選取指標， 將航運和集疏運條件、 服務態度和投訴處理等指標作為研究基準[3-5]。 馬冬梅、 計春陽等構建了一組包括港口物流信息化年收入增長率、 港口物流信息化帶來的凈利潤增長率等指標體系[6-7]。這些指標體系的研究視角多元但仍不夠全面， 而且強調港口自身的基礎設施和硬件條件等影響因素，不利于對港口物流效率的綜合性分析。

有關港口物流效率評價方法的研究。 國外學者ROLL 和HAYUTH 首創以DEA 模型為主要研究方法對港口物流效率進行評價， 提高了評價的綜合性[8]。隨著計量模型和數理分析在經濟學研究中的廣泛應用， 關于港口物流效率評價的定量研究也日益增多。其他相關效率評價方法還包括有： AHP 層次分析法、模糊綜合評判、 熵權法、 云模型等。 國內學者在眾多方法的選擇上應用DEA 模型的較多， 但局限于對效率的測度方面的研究， 對效率變化及其影響因素的研究幾乎空白。 楊華龍、 員麗芬通過利用測度-X 效率的模型， 發現我國大部分港口企業仍處于規模報酬遞增狀態， 還有很大的發展空間[9-10]。 俞海宏等指出當前長三角港口群效率尚未達到穩態， 港口群整體效率有待提高[11]。 綜合來看， 當前大部分學者集中于對港口物流效率的測度及評價指標和方法的研究， 而針對港口效率影響因素的研究不多。 因此， 為進一步拓展相關研究， 本文以長三角主要港口為研究對象， 運用DEA 模型， 同時結合Malmquist 指數分析法對其效率值進行測算之后， 通過建立Tobit 回歸模型對其效率影響因素再進行綜合分析。

1 研究方法與評價指標構建

1.1 研究方法

1.1.1 DEA 模型

為研究長三角地區港口運行效率， 采用數據包絡分析 （DEA） 方法， 通過建立DEA 模型， 對其效率進行測算。 下面對DEA 模型和基本原理進行簡單的總結歸納。

假設有n個樣本決策單元DMUi（i= 1， 2， 3，…，n）， 在本文中指各港口的效率， 即對這n個港口效率進行評價， 若選定的評價指標中有t種投入項s種產出項， 假設X1、X2、X3， …，Xt是每個港口效率的投入項，X1、X2、X3， …，Xs是每個港口效率的產出項， 即DMU 滿足以下式子：

其中Xi、Yi分別是港口效率的多指標投入矩陣和多指標產出矩陣， 且分別滿足：Xi={x1i，x2i， …，xtiT}，Yi={y1i，y2i， …，ysiT} （xti和ysi分別表示第i個港口效率的投入量和產出量）， 在規模報酬不變下， DEA的CCR 模型表示為對港口 （X0Y0） 求下列極值問題。

式 （2） 求出的ω 中值即為港口 （X0Y0） 的綜合技術效率值（TE）， λi（i=1， 2， 3， …，n） 為對偶變量，s-、s+為松弛變量， 綜合技術效率值 （TE） 可由純技術效率 （PTE） 和規模效率 （SE） （3 個效率值均介于0～1 之間） 的乘積得到， 由此又可求得規模效率（SE）， 即SE=TE/PTE[12]。

1.1.2 Malmquist 全要素生產率指數

鑒于DEA 模型側重對某一時點的效率值進行測算， 屬于靜態效率值， 因此為了更全面地分析長三角地區港口效率的動態變化， 又引入Malmquist 生產率指數模型。 該模型主要用于考察在一段時期內的效率變化趨勢， 能夠更為全面地反映效率運行狀況。 模型數學表達式如下：

Mt指決策單元在t 時期的技術效率變化（effch）；Mt+1指決策單元在t+1 時期的技術水平變化 （tech）。則表示決策單位 （DMU） 從t 時期到t+1 時期的技術效率變化的動態趨勢， 即全要素生產率指數[12]。

1.1.3 Tobit 回歸模型

經濟學家Tobit 在1958 年提出了Tobit 回歸模型， 常被用于研究受限因變量的模型構建問題。 具體操作方法是將DEA 模型測算出的綜合效率值作為被解釋變量， 選取可能對效率值造成影響的因素作為解釋變量。 具體模型如下：

式中，Y表示效率值向量，Y*表示截斷因變量向量，X表示自變量向量， α 表示截距項向量， β 表示相關系數向量， 誤差項ε～N （0， ?2）。

1.2 投入產出評價指標的構建

當前國內外學者從不同角度對港口物流效率評價指標進行研究， 構建的港口物流競爭力、 信息化水平、 績效水平等評價體系均為本文研究提供了一定參考。 因此本文基于科學系統的思想， 從港口綜合效率研究角度出發， 初步構建了有關港口物流效率的評價體系， 涵蓋港口、 城市、 腹地經濟3 個維度。 鑒于數據資料的可獲得性和可比性， 具體指標選取如表1所示。

表1 港口物流效率評價指標

有關投入指標主要涵蓋港口物流的基礎設施、 港口腹地的集疏運能力以及港口信息化水平3 個方面。港口物流的基礎設施對港口物流的產出能力有直接促進作用， 對港口物流的建設至關重要。 有關港口物流的基礎設施主要包括港口的萬噸級泊位數、 港口碼頭長度、 堆場有效面積等。 港口腹地的集疏運通道是港口與腹地之間的重要交通基礎設施， 是港口賴以存在和發展的外部條件， 同時也是眾多供貨商、 船舶公司選擇港口的首要考慮因素。 良好的集疏運能力能有效縮短貨物運輸的時間， 減少運輸成本， 是體現港口物流效率高低的關鍵。 港口信息化水平的高低能直接體現港口物流建設的技術水平和發展潛力， 考慮到數據的可收集性， 本文主要選取港口在信息化方面的資金投入作為信息化水平評價的標準。 有關產出指標主要從港口作業能力和發展潛力兩個方面選取指標。 港口作業能力是衡量港口產出能力的重要標準之一， 港口的產出主要包括港口貨物吞吐量和集裝箱吞吐量， 這兩項指標直接體現了港口物流產出規模的大小。 為了更為精準地量化港口的產出能力， 增加對其發展潛力的衡量， 主要從產能增長率方面來判定， 包括港口貨物吞吐量和集裝箱吞吐量的增長率。

2 長三角地區港口物流效率分析

2.1 長三角地區港口物流靜態效率分析

根據前文構建的港口物流的綜合效率評價指標體系， 利用DEAP2.1 軟件對該地區港口在2012 年和2018 年間港口靜態綜合效率平均值及其增速進行測算， 同時按照沿海和內陸以及港口所處地理位置劃分為長三角南部 （上海市、 浙江省）、 中部 （江蘇省）和北部地區（安徽省） 進行統計分析[13]， 具體如表2、表3 所示。

表2 長三角地區港口2012 年和2018 年效率值

表3 長三角地區沿海港口和內陸港口2012 年和2018 年效率均值

2.1.1 長三角地區港口物流效率水平的整體特征

（1） 長三角地區的港口綜合效率水平提升較快。通過表2 可以看出長三角地區2012 年和2018 年綜合效率均值分別為0.846， 0.989， 從效率最優水平的80%提升到90%以上。 2012 年和2018 年分別有3 個港口（上海港， 揚州港， 鎮江港） 和7 個港口 （上海港， 寧波舟山港， 泰州港， 南京港， 揚州港， 江陰港， 常州港） 綜合效率達到DEA 有效狀態， 分別占12 個研究對象的25%和58%。

（2） 長三角地區沿海港口物流效率值明顯高于內陸港口物流效率值， 但綜合效率值年均增速低于內陸港口。 通過表3 可以看出長三角港口地區主要沿海港口分別為上海港， 寧波舟山港， 連云港， 南京港， 鎮江港5 大港口。 2012 年到2018 年， 沿海港口綜合效率均值從0.944 增加到0.984， 年均增速達到0.4%；內陸港口綜合效率值從0.923 增加到0.978， 年均增速為0.9%。

（3） 長三角區域的港口物流效率值地區性差異明顯， 由南向北有所遞減。 從整體上來看， 2012—2018年長三角地區港口的DEA 效率值呈遞增狀態， 但是處于DEA 有效狀態并不多， 僅占研究區間的35%，主要集中在長三角南部地區， 其次是中部和北部地區港口， 即港口物流效率在區域之間呈現南部地區> 中部地區>北部地區（表2）。

（4） 效率增速由南向北有所遞增。 對長三角區域各港口物流效率分析發現， 研究時段內長三角地區港口物流效率整體發展速度較好， 綜合效率平均增速為2.3%， 并且效率增速在區域之間呈現由北向南依次遞增， 即長三角北部地區>中部地區>南部地區。

2.1.2 長三角地區港口物流效率分解指數的特征

通過利用DEAP2.1 軟件對該地區港口在2012—2018 年間港口各效率平均值進行了測算， 匯總情況如表4 所示。

（1） 綜合效率值分析

通過表4 可見， 近些年各港口的綜合效率均值均沒有達到DEA 有效狀態， 除了馬鞍山港和銅陵港在0.9 以下， 其余港口的綜合效率值都處在0.9～1 之間。從中可見， 綜合效率值較高的港口基本都位于長江三角洲的前端和中部， 處于核心區域的有寧波舟山港、上海港， 中部區域主要是揚州港、 江陰港、 鎮江港、南京港、 泰州港、 常州港等， 地理位置優越， 水路交通便利， 經濟實力雄厚， 為港口物流發展提供了良好的條件。 其中， 揚州港是長三角中部區域效率值最高的， 這得益于它地處江河交匯處。 近年來， 通過合理定位泊位功能， 與腹地產業建立了緊密的合作關系，效率值相對較高。 位于長江中下游南岸的蕪湖港， 地理位置優越， 近些年緊抓長三角一體化戰略機遇， 為蕪湖港邁向億噸級增加強勁動力， 因而效率值也較高。 再看效率值比較靠后的幾個港口， 連云港位于長江三角洲最北端， 相對于經濟發達的中部核心區域較遠， 經濟發展緩慢， 因而不能為港口物流發展提供有力支撐， 所以效率值不是很高。 銅陵港、 馬鞍山港綜合效率排名最靠后， 整體實力不足， 存在較大的提升空間。

表4 長三角地區港口2012—2018 年DEA 效率均值

（2） 純技術效率值分析

從純技術效率值來看， 排在前面的港口主要是上海港、 寧波舟山港、 泰州港和馬鞍山港口， 純技術效率值均為1， 是DEA 有效狀態， 緊隨其后的依次為銅陵港、 蕪湖港、 江陰港、 揚州港、 南京港。 其中銅陵港的純技術效率值最高為0.998， 而其余港口的純技術效率值分別為0.995、 0.993、 0.991、 0.990， 也都在0.990 以上， 技術效率值也比較高。 排名靠后的3個港口為常州港、 連云港、 鎮江港， 除常州港的純技術效率值在0.980 以上， 其余兩個港口的純技術效率值均在0.980 以下， 分別為0.975、 0.970， 相對于其綜合效率值排名來看， 純技術效率值的排名比較靠后，說明連云港和鎮江港在技術效率方面有待提高。

（3） 規模效率值分析

在規模效率值方面， 可以發現， 馬鞍山港的規模效率值最低， 僅為0.825， 其余港口的規模效率值基本維持相對較高的水平。 上海港的規模效率依然是排名最靠前的， 其次是寧波舟山港、 揚州港、 鎮江港、蕪湖港、 江陰港、 南京港、 泰州港、 常州港、 連云港、 銅陵港。 揚州港的規模效率排名和寧波舟山港并列， 說明近幾年揚州港在基礎設施方面加大了投入，從而提高了規模效益。 其余各港口的規模效率排名與其綜合效率排名幾乎并無差異， 說明港口的規模效率是影響綜合效率的關鍵因素。

2.2 基于Malmquist 指數法對長三角地區港口動態效率分析

為了進一步研究近些年長三角地區港口物流效率的運行狀況， 將長三角各港口看成一個整體， 通過DEAP2.1 軟件對長三角地區港口在2012—2018 年的序列數據進行Malmquist 指數分析， 測算出相關效率值， 具體數值如表5 和表6 所示。

表5 長三角港口Malmqusit 指數

表6 長三角三大區域港口2012—2018 年效率變化均值

2.2.1 港口物流效率整體變化特征

由于各地區港口規模效率 （sech） 值不高， 通過觀察上表可以看出技術效率變化 （effch） 和技術進步（techch） 這兩組數據與1 的大小關系， 同全要素生產率（tfpch） 與1 的大小關系具有一致性， 即當前者大于1 時， 后者也大于1， 反之也是。 這說明長三角地區港口的全要素生產率 （tfpch） 受技術效率變化（effch） 和技術進步（techch） 的影響。 其中全要素生產率 （tfpch） 大于1 的港口占12 個研究目標的70%以上， 但是全部全要素生產率 （tfpch） 均值僅1.04。對技術效率變化（effch） 進一步分解可知技術效率的增長主要來自純技術效率變化 （pech）， 但是由于各港口規模效率不高使得純技術效率變化 （pech） 對其技術效率的增長貢獻率降低。 由此可見， 長三角地區港口綜合效率的提升多來自技術進步和技術利用效率增長的貢獻， 而由于該地區港口的規模效率不高， 反而在一定程度拉低了前者對整體的貢獻率。 因此， 為保證該地區港口綜合效率的穩步提升， 應進一步加強管理力度， 提升規模效率。

2.2.2 港口物流效率變化的區域特征

從分區域來看（表6、 圖3） 全要素生產率（tfpch）指數的計算結果可知， 盡管2012—2018 年期間長三角三大區域港口的效率值基本都在1 以上， 但是TFP值波動明顯甚至有下降趨勢[12]。 值得注意的是各區域港口在2012—2018 年間TFP 峰值均介于2013—2015年， 此后均有所下降， 其中波動最為明顯的是北部地區， 中部地區和南部地區相較于北部較為穩定，但效率增長動力不足。 由此可以看出， 長三角北部地區港口效率應作為重點發展地區， 存在較大效率增長空間。

圖3 2012—2018 年長三角三大區域港口TFP 變化情況

3 效率影響因素分析

為分析影響港口物流效率的因素， 將港口物流效率值當作因變量， 可能影響港口物流效率的內外部因素 （表7） 當作自變量構建Tobit 回歸模型。

表7 影響因素變量

其中，Ye表示港口物流效率值， β1～β6均為回歸系數，X1為港口地區GDP 總額，X2為港口地區對外貿易總額，X3表示單位港口泊位產出（港口貨物吞吐量/ 港口泊位總數），X4表示每公里公路和鐵路貨運量（貨運總量/ 里程數），X5表示管理者素質、 消費者滿意程度，X6表示信息化資金投入， μ 為誤差項[14]。

通過建立tobit 模型， 同時利用eviews8.0 軟件， 對港口物流效率影響因素進行分析， 具體結果如表8所示。

表8 Tobit 模型回歸結果

由表中結果可看出， 港口城市GDP 總值X1系數較小， 僅為1.54E-3， 并且顯著性水平大于1， 說明港口城市GDP 總值對港口效率影響很小。 港口城市對外貿易總額X2系數為0.001 544， 而且顯著性水平小于0.05， 因此港口城市對外貿易總額對港口物流效率有正向作用， 即對外貿易總額每增加1， 港口物流效率提高0.001 544。 港口腹地固定資產投資額X3統計結果不顯著， 而且系數很小， 因此港口腹地固定資產投資額對港口物流效率沒有什么影響。 單位泊位產出X4顯著性水平大于0.05， 系數為0.005 82， 說明單位泊位產出越高， 港口效率水平越高， 但影響不顯著。單位公路、 鐵路貨運量X5顯著性水平小于0.05， 且系數為正0.043 8， 說明港口物流的集疏運能力對港口物流效率有正向作用， 即單位公路、 鐵路貨運量每增加1， 港口物流效率提高0.043 8。 管理者素質、 消費者滿意度X6顯著性水平大于1， 并且系數很小， 因此管理者素質、 消費者滿意度對港口物流效率的影響不大。 信息化資金投入X7顯著性水平小于0.05， 系數為正0.034 4， 說明港口物流的信息化投入對港口物流效率有正向積極作用。 這意味著當前港口的發展已然進入了信息化發展的階段， 港口的信息化、 自動化程度越高， 港口物流效率也就越高[15]。

4 結論及建議

本文利用DEA-Tobit 模型對長三角地區12 個港口的2012—2018 年港口物流效率及其影響因素進行定量分析， 研究結果顯示： （1） 從靜態效率值來看，長三角地區港口物流綜合效率在研究期間內提升較快， 其中沿海港口效率值明顯高于內陸港口， 而效率增速低于內陸港口。 從地理區域來看， 長三角地區港口效率值也存在明顯的地區性差異， 而且效率值從北向南依次遞增， 效率增速從北向南依次遞減。 （2） 基于Malmquist 指數動態效率值來看， 長三角地區港口綜合效率的提升多來自技術進步和技術利用效率增長的貢獻， 而在港口的管理力度上各地仍有一定的改進的空間， 并且長三角三大區域港口TFP 值波動明顯甚至有下降趨勢， 其中波動最為明顯的地區是北部地區， 中部和南部地區相較于北部較為穩定， 但效率增長動力明顯不足。 （3） 從效率影響因素研究結果來看， 港口物流效率水平受港口基礎設施 （單位泊位產出）、 港口信息化資金投入、 腹地對外貿易總額、 腹地集疏運能力等因素影響較大， 而港口城市GDP 總值、 腹地固定資產投資額、 管理者素質、 消費者滿意度等因素對港口物流效率影響較小。

基于以上研究結果， 提出以下建議。

（1） 牢牢抓住長三角一體化戰略發展機遇， 強化綜合交通樞紐銜接， 提高港口集疏運能力。 港口集疏運通道通常涉及公路、 鐵路、 管道、 水運4 種運輸方式， 是港口與腹地之間的重要交通基礎設施， 是港口賴以存在和發展的外部條件， 因此長三角地區應進一步加大對港口集疏運設施的傾斜力度和港口基礎設施建設的投入。 明確公路網絡建設在交通網絡布局中的核心作用， 以城市軌道交通為骨架， 以水運、 港航作為支撐[13]。 依托國家綜合運輸通道沿海、 京滬、 京港臺、 陸橋等， 有序推進上海、 寧波、 杭州、 南京、 蘇錫、 合肥等主要交通節點建設工程。 圍繞公路、 鐵路等規劃建設， 打通沿海、 沿江和省際通道， 提升區域公路通達能力， 依托上海國際線綜合交通樞紐， 聯動南通、 蘇州、 嘉興等地發揮輻射功能， 加快推進國際門戶樞紐集群建設。 統籌優化航道網絡布局， 提升港航集疏運能力， 加快引領長三角地區邁向世界級現代化多層次綜合交通運輸體系。

（2） 依托政策扶持， 深入開展商貿合作， 提高對外貿易水平。 盡管當前長三角地區國際貿易規模相對于國內其他經濟圈而言貿易規模很大， 具有較強的競爭力， 但是仍存在區域物流基礎設施不完善的問題，這在一定程度上也對外貿的提升造成阻礙。 同時， 由于目前長三角外貿方式主要以加工貿易為主， 產品附加值低， 在國際市場處于劣勢， 因此就目前長三角地區外貿狀況來看， 應從優化出口產品結構出發， 努力探索新型貿易方式。 為保證長三角外貿穩步提升， 深化海外貿易組織合作， 精準對接“一帶一路” 、 京津冀地區、 長江經濟帶和粵港澳大灣區， 促進海外貿易組織機構落戶， 助力跨境電子商務綜合試驗區建設，打造長三角貿易新高地。 上海市應充分發揮長三角龍頭帶動作用， 提升產業輻射能力， 推動蘇浙皖產業的聯動發展， 促進區域產業優化升級、 產業資源流動和產業化項目落地， 形成一批跨境產業聯動發展的園區中心， 加強與國際貿易港的互聯互通， 助力長三角區域商貿轉型升級[12]。 重視實施區域差異化發展戰略，提高產品和服務的差異化， 加大高新技術生產投入，提高自主創新能力， 積極把握世界市場方向， 努力拓展新市場。

（3） 通過港航資源整合， 推動港口錯位發展， 促進物流資源集約化。 長三角地區港口眾多， 盡管整體效益較高， 但是由于港口分布分散， 惡性競爭不可避免， 同時存在重復開發和布局， 港口定位不明確等問題， 導致地區之間的港口效率差異明顯， 規模效率不顯著。 因此要促進區域港口良性競爭， 明確港口定位， 推動港口錯位發展。 近些年， 上海港集裝箱貨物吞吐量一直名列世界首位， 毫無疑問上海港在集裝箱貨物運輸方面具有絕對優勢， 因此上海港應將集裝箱運輸作為發展重點， 加快推進干線運輸、 江海聯運與郵輪運輸相結合， 通過不斷提升高端航運服務， 推動上海港向智能化、 高效化的集裝箱樞紐港邁進。 寧波舟山港， 由于地理位置優勢， 一直在集裝箱、 大宗能源、 原材料等運輸方面存在絕對優勢， 因此寧波舟山港仍應將其作為發展重點， 進一步強化集裝箱樞紐功能， 推動相關臨港產業發展， 打造以服務海洋產業為主兼顧綜合業務的國際型樞紐港。

連云港在集裝箱運輸量方面占據江蘇省首位， 應以集裝箱運輸優先發展為宗旨， 全力服務于地方及中西部區域發展， 努力建成帶動區域經濟發展的組合大港。 將安徽地區港口作為重點發展區域， 保障疏港鐵路規劃建設工程有序推進， 不斷完善港口集疏運網絡， 推動產業、 技術、 人才的快速流動和高效配置，深入推進安徽港口、 江蘇港口資源整合。 加強江、海、 河聯運發展， 不斷推進江蘇、 安徽沿江港口江海直達、 聯運的相關碼頭、 錨地等港口基礎設施改造工程建設， 有序開展蕪湖、 馬鞍山港口資源整合， 強化江海聯運中轉服務功能。 通過鼓勵采取交叉持股等方式不斷強化各港口集團合作， 促進長三角地區港口協同聯動發展[14]。

（4） 強化航運服務功能， 加大港口信息化建設投入， 提升港口軟實力。 堅持務實合作， 依托現有航運服務基礎， 積極發展航運金融、 航運信息、 航運科技服務等， 整合提升港口航運服務質量， 打造現代化高端航運服務業， 不斷提升全球航運資源組織配置能力[16]。 進一步增加信息化資金投入， 將 “互聯網+”、物聯網、 大數據、 移動互聯網應用于港口物流業， 以信息為紐帶加快構建港口物流大數據服務平臺， 強化信息集聚和處理的能力。 憑借信息技術， 努力建設出一個集聚港口物流信息的網絡中心， 對港口內部信息進行高效整合和處理， 逐步實現港口內部運營的信息化和智能化。 對于港口的外部聯通方面， 可以從優化港口物流信息系統的性能著手， 如可以將外部的相關流程轉變為港口內部信息系統的服務環節， 如支付結算、 信息查詢等， 加快建成智慧港口。