产业气象站|网络科学前沿：怎样用国际海运网络预测港口间的贸易往来？导语海运占国际贸易总值的70％以上

文章图片
导语
海运占国际贸易总值的70％以上，占所有货运量的80％。全球供应链是一个复杂的贸易网络，该网络的结构不仅影响有关地区的社会经济发展，还影响其生态系统。 2020年7月新发表在PNAS期刊的一篇论文，借助海洋贸易网络模型和机器学习方法，对全球海上贸易流量进行了严格而全面的分析。本文是对这篇论文的解读。
8月1日（本周六）晚，我们邀请汪小帆教授以网络科学为主题在集智做直播，开放预约中，详情请下拉至文末。

文章图片
论文题目：Networkeffectsgoverntheevolutionofmaritimetrade论文地址：http://www.pnas.org/content/117/23/127191.为何要研究海上贸易网络？
海洋运输行业是全球经济的支柱，海上运输占世界贸易总值的70％。海上运输被视为全球贸易和全球经济的骨架，其海上贸易关系相当于一个复杂的贸易网络，这种网络结构对社会经济发展起到重要的作用。
随着北极航运业的发展，迫切需要了解海上贸易潜在机制，进而设计新航道与预测未来贸易流量。据统计到2025年，北海航线的运输量将增加到每年8000万吨。这种快速发展带来了经济，环境，政治和社会挑战，这是多个政府关注的焦点。北极航运的发展不仅会影响由于其地理位置直接参与北极航线和港口的国家，而且还会影响那些可能成为新的转运中心的国家。目前，还只有少数的研究工作提供了海洋贸易流量分布情况的详细介绍及其背后的发展规律。
此外，当前对海上运输和港口的研究往往集中于特定的运营商或航运业，地区的某些部门以及特定的面板数据分析，而分析整个海上网络历史演变及其形成机理的研究却很少。其主要原因是难以开发或获取有关海上贸易流的数据。
在2020年7月发表于PNAS期刊的一项研究中，作者使用了由劳埃德情报局（Lloyd"sListIntelligence）提供的1977年至2008年之间的世界船队每日移动数据及其贸易流统计数据（主要包括世界上绝大多数港口间不同类型船舶的贸易流量数据），对海上贸易流进行建模与分析，进而填补了该领域研究的空白。
该研究将港口间贸易关系数据构建成贸易网络模型，进而利用网络科学的分析方法研究影响海上贸易关系及其流量的潜在机制。
在本文构建的海洋贸易网络模型中，节点代表港口，连边表示船舶在一年内在两个港口之间的航行情况。当两个港口运输的船舶总载重吨数（DWT）超过特定阈值k时，该港口间存在连边。此外，文章还依据不同的商业船舶类型构建一系列子网络，包括集装箱运输船，干散货运输船，一般货船，石油运输船和液化天然气轮船等。

文章图片
图1：文章构建的海上贸易网络示意图。同时该图也说明了共同邻居的概念，即港口Tangier和Palermo的共同邻居是Marsaxlokk(MaltaFreeport)andLaSpezia（也就是图中红色的节点，因此上述港口间的共同邻居数是2）。
进一步，为了预测港口间的未来运输流量，本文综合考虑了港口特征（如港口区域的人口， GDP ，港口吞吐量等）和连边特征（如港口距离，文化与历史联系，共同邻居数量等）定义了一对港口（(i ， j）之间的连接概率，或者说是港口之间的流量值：
【产业气象站|网络科学前沿：怎样用国际海运网络预测港口间的贸易往来？】为了更好地识别港口间的连接概率和提升模型的预测质量，该研究将利用符号回归，机器学习以及引力回归等方法对解释变量进行组合建模，以此降低人为因素的影响。