中欧集装箱海铁复合运输网络脆弱性分析

张欣; 李双菲; 孙代源

doi:10.3963/j.jssn.1674-4861.2023.03.006

中欧集装箱海铁复合运输网络脆弱性分析

doi: 10.3963/j.jssn.1674-4861.2023.03.006

上海海事大学交通运输学院上海 201306

基金项目:

国家自然科学基金项目 71601112

上海市科委软科学研究项目 23692111000

详细信息

通讯作者:
张欣（1982—），博士，教授.研究方向：交通运输风险管理及复杂系统. E-mail: zhangxin@shmtu.edu.cn

中图分类号: U169.9;U169.1
计量
- 文章访问数: 676
- HTML全文浏览量: 364
- PDF下载量: 53
- 被引次数: 0
出版历程
- 收稿日期: 2022-12-07
- 网络出版日期: 2023-09-16

Vulnerability Analysis of China-Europe Container Sea-rail Intermodal Transport Network

College of Transport & Communications, Shanghai Maritime University, Shanghai 201306, China

摘要

摘要: 中欧贸易运输涉及多个港口和车站，构成复杂的运输网络，网络枢纽节点受到自然灾害、安全事故等影响失效，导致网络仅局部连通，进而影响全局效率。为量化分析中欧集装箱运输网络在枢纽节点失效后的网络功能变化程度，基于中欧班列和海运航线网络构建海铁复合运输网络。在此基础上结合负荷-容量级联失效模型提出1种网络脆弱性仿真模型，模型考虑到节点容量、攻击方式及负载分配策略3类影响因素，并设定网络连通性及网络效率为脆弱性测度指标，仿真实验分析影响该网络脆弱性的因素与演化规律，并通过网络效率变化曲线判断了关键节点。结果显示，中欧集装箱海铁复合运输网络共计167个节点，网络具有无标度和小世界特性，度相关性系数为0.13，网络体现弱同配性，度值相近的节点倾向于互相连接；针对枢纽节点的蓄意攻击相比随机失效的网络更脆弱，失效节点数为3时，蓄意攻击下的网络连通性和效率对比随机失效时，分别下降20.15%和37.19%。从影响因素看，基于地理距离对失效节点负载进行重新分配的策略会加剧网络崩溃，节点容量的增加使网络更为鲁棒，当容量冗余系数增到0.2后，脆弱性指标达到临界阈值，外界干扰不再对整体网络产生影响；海港失效对网络效率的负面影响高于铁路站点，而欧洲港口的影响又高于中国港口。从关键节点识别看，欧洲港口中康斯坦萨港失效时网络效率降幅最大，达88%，中国区域为上海和宁波，降幅均为76%。研究结论有助于理解中欧集装箱海铁复合运输网络的脆弱性影响因素，在突发事件中优先保护关键节点，优化货流分配，从而提升部分枢纽节点失效时的运输网络鲁棒性。
- 综合运输 /
- 海铁复合运输网络 /
- 网络脆弱性 /
- 级联失效 /
- 集装箱运输 /
- 复杂网络
Abstract: The China-Europe trade transportation involves multiple ports and rail stations, forming a complex transport network. The hub nodes of this network are vulnerable to various disruptions such as natural disasters and safety incidents, resulting in partial connectivity and consequently affecting the overall efficiency of the network. To quantitatively analyze the extent of functional changes in the China-Europe container intermodal transport network following the failure of hub nodes, a composite sea-rail transport network is developed based on the China-Europe rail services and shipping lines. On this basis, a simulation model is proposed to investigate the network vulnerability by integrating a load-capacity cascading failure model. The model considers three influencing factors: node capacity, attack methods, and load distribution strategies. The network connectivity and efficiency are set as the vulnerability indices. The simulation model is used to analyze the factors influencing the network vulnerability and its evolution, and to identify critical nodes by examining the change curve of network efficiency. The results reveal that the China-Europe container sea-rail intermodal transport network consists of 167 nodes, exhibiting scale-free and small-world characteristics, with a degree correlation coefficient of 0.13, indicating weak assortativity. The nodes with similar correlation degrees tend to be connected. Intentional attacks on hub nodes render the network more vulnerable compared to random failures. With 3 failed nodes, the intentional attacks result in a 20.15% decrease in network connectivity and a 37.19% decrease in efficiency compared to random failures. From the perspective of influential factors, strategies redistributing load based on geographic distance exacerbate network collapse. The increasing node capacity enhances network robustness, reaching a critical threshold when the capacity redundancy coefficient reaches 0.2, at which point external interference no longer affects the overall network. The negative impact of port failures on network efficiency surpasses that of railway stations, with European ports having a higher impact than Chinese ports. Regarding the critical node identification, the efficiency reduction is most substantial when the Constanta Port in Europe fails, decreasing by 88%. In the Chinese region, both Shanghai and Ningbo ports experience a reduction of 76%. These findings aid in understanding the vulnerability factors affecting the China-Europe container sea-rail intermodal transport network. It suggests the prioritization of protecting critical nodes during emergencies and optimizing cargo flow distribution to enhance robustness of the network in the event of partial hub node failures.
- integrated transportation /
- sea-rail intermodal transport network /
- network vulnerability /
- cascading failure /
- container transportation /
- complex network

HTML全文

图 1 中欧集装箱海铁复合运输网络示意图

Figure 1. Diagram of China-Euro container shipping and railway multiplex transportation network

下载: 全尺寸图片幻灯片

图 2 节点度分布

Figure 2. Degree distribution of nodes

下载: 全尺寸图片幻灯片

图 3 节点间距离分布图

Figure 3. Distribution of distance between nodes

下载: 全尺寸图片幻灯片

图 4 节点特征值对比图

Figure 4. Comparison of characteristic value of the node

下载: 全尺寸图片幻灯片

图 5 级联失效过程

Figure 5. Process of cascading failure

下载: 全尺寸图片幻灯片

图 6 节点容量系数对网络脆弱性的影响

Figure 6. The influence of node capacity coefficient on network vulnerability

下载: 全尺寸图片幻灯片

图 7 不同攻击方式下节点容量系数对网络脆弱性的影响

Figure 7. The influence of node capacity coefficient on network vulnerability based on different attacks

下载: 全尺寸图片幻灯片

图 8 不同攻击方式对网络脆弱性的影响

Figure 8. The influence of different attacks on network vulnerability

下载: 全尺寸图片幻灯片

图 9 随机失效下不同负载重分配策略对网络脆弱性的影响

Figure 9. The influence of different strategy of load redistribution on network vulnerability based on random attack

下载: 全尺寸图片幻灯片

图 10 蓄意攻击下不同负载重分配策略对网络脆弱性的影响

Figure 10. The influence of different strategy of load redistribution on network vulnerability based on deliberate attack

下载: 全尺寸图片幻灯片

表 1 网络度值前5的节点

Table 1. Top 5 node degree in the network

排名	海铁复合运输网络		海运子网络		班列子网络
排名	节点	度值	节点	度值	节点	度值
1	塞得港	28	塞得港	28	郑州	14
2	新加坡港	25	新加坡港	25	莫斯科	12
3	鹿特丹港	18	鹿特丹港	18	华沙	11
4	上海	18	巴生港	17	满洲里	11
5	巴生港	17	上海	16	阿拉山口	10

下载: 导出CSV

表 2 海铁复合运输网络与随机网络特征值对比

Table 2. Comparison of characteristic values between shipping and railway multiplex network and random network

网络	节点数	网络平均距离	网络集聚系数
海铁复合运输网络	167	4.132	0.31
随机网络	167	3.264	0.02

下载: 导出CSV

表 3 中心性前5的节点

Table 3. Top 5 nodes of centralities ranking

排名	度中心性	介数中心性	接近中心性	特征向量中心性
1	塞得港	汉堡	鹿特丹港	新加坡港
2	新加坡港	郑州站	上海	塞得港
3	巴生港	上海	汉堡	巴生港
4	上海	莫斯科	新加坡港	鹿特丹港
5	鹿特丹港	塞得港	比雷埃夫斯港	盐田港

下载: 导出CSV

表 4 节点容量系数跳变时减少的失效节点分类

Table 4. Classification of failed nodes reduced when node capacity coefficient jumps

与阿拉山口站的距离	节点个数	失效节点个数	失效节点比例/%	与上海的距离	节点个数	失效节点个数	失效节点比例/%
1	10	10	100	1	18	18	100
2	32	18	56.25	2	43	29	67.44
3	52	16	30.77	3	55	21	38.18
4	42	4	9.5	4	40	1	2.5
5	25	1	4

下载: 导出CSV

表 5 依据节点负载分配的重要性前30的节点

Table 5. Top 30 nodes by strategy of load redistribution based on node load

排名	节点	网络运输效率	排名	节点	网络运输效率	排名	节点	网络运输效率
1	康斯坦萨港	0.12	11	上海	0.24	21	阿拉山口站	0.44
2	汉堡	0.14	12	宁波	0.24	22	扎雷克站	0.44
3	伊斯坦布尔	0.15	13	的黎波里港	0.25	23	明斯克站	0.45
4	热那亚港	0.16	14	巴塞罗那港	0.25	24	多斯特克站	0.45
5	福斯港	0.16	15	阿克陶站	0.43	25	布列斯特站	0.45
6	阿利亚加港	0.16	16	塔什干站	0.43	26	马拉舍维奇站	0.45
7	不来梅港	0.17	17	兰州站	0.43	27	阿斯塔纳站	0.45
8	哥德堡港	0.17	18	乌鲁木齐站	0.43	28	克拉斯诺亚斯克站	0.45
9	奥胡斯港	0.17	19	西安站	0.43	29	叶卡捷琳堡站	0.45
10	的里雅斯特港	0.19	20	合肥站	0.43	30	乌兰乌德站	0.45

下载: 导出CSV

表 6 皮尔逊相关性系数对比

Table 6. Comparison of Pearson correlation coefficient

检验指标	相关性系数	检验指标	相关性系数
节点强度	0.113 0	介数中心性	0.160 7
节点度值	0.058 3	接近中心性	0.097 3
度中心性	0.056 6	特征向量中心性	0.109 1

下载: 导出CSV

表 7 不同分类下重要性前10的节点

Table 7. Top 10 nodes based on different classification

排名	中国区域		欧洲区域		海运子网络		班列子网络
排名	节点	网络运输效率	节点	网络运输效率	节点	网络运输效率	节点	网络运输效率
1	上海	0.24	康斯坦萨港	0.12	康斯坦萨港	0.12	汉堡	0.14
2	宁波	0.24	汉堡	0.14	汉堡	0.14	伊斯坦布尔	0.15
3	西安站	0.43	伊斯坦布尔	0.15	伊斯坦布尔	0.15	上海	0.24
4	阿克陶站	0.43	热那亚港	0.16	热那亚港	0.16	宁波	0.24
5	兰州站	0.43	福斯港	0.16	福斯港	0.16	阿克陶站	0.42
6	乌鲁木齐站	0.43	阿利亚加港	0.16	阿利亚加港	0.16	塔什干站	0.42
7	合肥站	0.43	不来梅港	0.17	不来梅港	0.17	西安站	0.43
8	阿拉山口站	0.44	哥德堡港	0.17	哥德堡港	0.17	兰州站	0.43
9	北京站	0.45	奥胡斯港	0.17	奥胡斯港	0.17	乌鲁木齐站	0.43
10	二连浩特站	0.45	的里雅斯特港	0.19	的里雅斯特港	0.19	合肥站	0.43

下载: 导出CSV

参考文献(20)

[1]	赵靓, 田德新. 共生视角下中国大运河经济的新发展——基于苏伊士运河的堵塞问题[J]. 中国水运, 2022(5): 18-20. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHOG202205005.htm ZHAO L, TIAN D X. The new development of the Grand Canal economy of China from the perspective of symbiosis: based on the blockage problem of Suez Canal[J]. China Water Transport, 2022(5): 18-20. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZHOG202205005.htm
[2]	WATTS D J, STROGATZ S H. Collective dynamics of "small-world" networks[J]. Nature, 1998, 393: 440-442. doi: 10.1038/30918
[3]	BARABASI A L, ALBERT R. Emergence of scaling in random networks[J]. Science, 1999, 286(5439): 509-512. doi: 10.1126/science.286.5439.509
[4]	WOOLLEYMEZA O, THIEMANN C, GRADY D, et al. Complexity in human transportation networks: A comparative analysis of worldwide air transportation and global cargo-ship movements[J]. The European Physical Journal B, 2011, 84 (4): 589-600. doi: 10.1140/epjb/e2011-20208-9
[5]	关晓光, 李振福, 丁超君, 等. 世界集装箱港口复杂网络级联失效下的鲁棒性分析[J]. 中国航海, 2021, 44(2): 84-89. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGHH202102015.htm GUAN X G, LI Z F, DING C J, et al. Robustness of global network of container terminals[J]. Navigation of China, 2021, 44(2): 84-89. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGHH202102015.htm
[6]	吴姗, 韩晓龙, 刘婵娟, 等. 基于复杂网络的全球海运网络脆弱性分析[J]. 计算机工程与应用, 2018, 54(15): 249-254. https://www.cnki.com.cn/Article/CJFDTOTAL-JSGG201815042.htm WU S, HAN X L, LIU C J, et al. Vulnerability analysis of global container shipping network based on complex network[J]. Computer Engineering and Applications, 2018, 54 (15): 249-254. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JSGG201815042.htm
[7]	吴迪, 王宇鹏, 盛世杰, 等. "21世纪海上丝绸之路"集装箱海运网络的脆弱性变化[J]. 地理学报, 2022, 77(8): 2067-2082. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB202208013.htm WU D, WANG Y P, SHENG S J, et al. Vulnerability changes of the Maritime Silk Road container shipping network under intentional attacks[J]. Acta Geographica Sinica, 2022, 77(8): 2067-2082. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB202208013.htm
[8]	张欣, 孙代源. 基于复杂网络的全球集装箱海运网络脆弱性分析[J]. 重庆交通大学学报(自然科学版), 2022, 41(2): 1-7. https://www.cnki.com.cn/Article/CJFDTOTAL-CQJT202202001.htm ZHANG X, SUN D Y. Vulnerability analysis of global container shipping network based on complex network[J]. Journal of Chongqing Jiaotong University(Natural Science), 2022, 41(2): 1-7. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-CQJT202202001.htm
[9]	胡岳, 黄丽娜, 任福. "21世纪海上丝绸之路"有向复杂航运网络抗毁性研究[J]. 地理信息世界, 2020, 27(1): 26-33. https://www.cnki.com.cn/Article/CJFDTOTAL-CHRK202001007.htm HU Y, HUANG L N, REN F. Investigating the invulnerability of complex shipping networks on the"21st Century Maritime Silk Road"[J]. Geomatics World, 2020, 27(1): 26-33. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-CHRK202001007.htm
[10]	魏海蕊. 我国内陆省国际物流网络连通性分析——以中欧班列为例[J/OL]. (2023-7)[2023-07-24]. http://kns.cnki.net/kcms/detail/50.1154.C.20230711.1516.002.html. WEI H R. Analysis on the connectivity of international logistics network in inland provinces of China: taking China Railway Express as an example[J/OL]. (2023-7)[2023-07-24]. http://kns.cnki.net/kcms/detail/50.1154.C.20230711.1516.002.html. (in Chinese)
[11]	赵瑞琳, 牟海波, 肖丁, 等. 基于复杂网络理论的城轨线网抗毁性对比分析[J]. 交通信息与安全, 2021, 39(3): 41-49. doi: 10.3963/j.jssn.1674-4861.2021.03.006 ZHAO R L, MOU H B, XIAO D, et al. A contrastive analysis of survivability of urban rail network based on complex network theory[J]. Journal of Transport Information and Safety, 2021, 39(3): 41-49. (in Chinese) doi: 10.3963/j.jssn.1674-4861.2021.03.006
[12]	刘婵娟, 胡志华. "21世纪海上丝绸之路"海运网络空间格局及其复杂性研究[J]. 世界地理研究, 2018, 27(3): 11-18. https://www.cnki.com.cn/Article/CJFDTOTAL-SJDJ201803002.htm LIU C, HU Z. Spatial pattern and complexity of the 21st Century Maritime Silk Road shipping network[J]. World Regional Studies, 2018, 27(3): 11-18. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-SJDJ201803002.htm
[13]	JIN L, CHEN J, CHEN Z, et al. Impact of COVID-19 on China's international liner shipping network based on AIS data[J]. Transport Policy, 2022, 121: 90-99.
[14]	WAN C, ZHAO Y, ZHANG D, et al. Identifying important ports in maritime container shipping networks along the Maritime Silk Road[J]. Ocean & Coastal Management, 2021, 211 (11): 105738.
[15]	BOCCALETTI S, BIANCONI G, CRIADO R, et al. The structure and dynamics of multilayer networks[J]. Physics Reports, 2014, 544(1): 1-122.
[16]	赵娜, 柴焰明, 尹春林, 等. 基于最大连通子图相对效能的相依网络鲁棒性分析[J]. 电子科技大学学报, 2021, 50(4): 627-633. https://www.cnki.com.cn/Article/CJFDTOTAL-DKDX202104022.htm ZHAO N, CHAI Y M, YIN C L, et al. Robustness analysis of interdependent networks based on the largest-component relative efficiency[J]. Journal of University of Electronic Science and Technology of China, 2021, 50(4): 627-633. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DKDX202104022.htm
[17]	许波桅, 唐灿璇, 李军军. 级联失效下海港-陆港集装箱运输网络鲁棒性分析[J]. 交通运输系统工程与信息, 2023, 23 (3): 265-279. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT202303028.htm XU B G, TANG C X, LI J J. Robustness analysis of seaport-dry port container transport networks under cascading failure[J]. Journal of Transportation Systems Engineering and Information Technology, 2023, 23(3): 265-279. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT202303028.htm
[18]	梁倬骞, 付丹龙, 邓原. 级联过程中基于动态信息的负载重分配策略[J]. 计算机工程与科学, 2017, 39(9): 1638-1644. https://www.cnki.com.cn/Article/CJFDTOTAL-JSJK201709009.htm LIANG Z Q, FU D L, DENG Y. A load redistribution strategy based on dynamic information in cascading process[J]. Computer Engineering & Science, 2017, 39(9): 1638-1644. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JSJK201709009.htm
[19]	赵爽. 不完全信息攻击策略下航空运输网络级联抗毁性仿真[J]. 物流工程与管理, 2023, 45(4): 109-112, 140. https://www.cnki.com.cn/Article/CJFDTOTAL-SPCY202304029.htm ZHAO S. Simulation of network cascade survivability of air transport under lncomplete lnformation attack strategy[J]. Logistics Engineering and Management, 2023, 45(4): 109-112, 140. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-SPCY202304029.htm
[20]	刘青霞, 王邦. 网络弹性与恢复机制的研究综述[J]. 信息安全学报, 2021, 6(4): 44-59. https://www.cnki.com.cn/Article/CJFDTOTAL-XAXB202104003.htm LIU Q X, WANG B. Network resilience and recovery mechanism: A review[J]. Journal of Cyber Security, 2021, 6(4): 44-59. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-XAXB202104003.htm