粤港澳大湾区水路客运网络特征

宋旭妍，彭甜甜，张高军

（暨南大学深圳旅游学院，广东 深圳 518053）

随着粤港澳大湾区（下文简称“大湾区”）建设持续推进，其内部各城市的交通系统趋于互联互通。对大湾区而言，交通网络建设能够通过增强珠江口东西两岸的联系，形成相对均衡的多极网络联系格局（覃成林等，2018）。水路运输是大湾区发展的突出特征，也是一种重要的运输方式。相比货运交通，客运交通反映人员流动情况，是建设宜居宜业宜游湾区的重要保障。因此，研究水路客运网络对大湾区建设具有理论和现实意义。

在交通系统相关研究中，复杂网络分析是一种较为成熟、常用的方法，能将交通数据抽象为特定关系下的网络，度量网络的节点复杂性、结构复杂性、复杂性因素相互影响程度等，并纳入多因素框架进行研究（高自友等，2006；汪小帆等，2006）。因此，该方法能适应复杂交通网络的数据分析需要，成为交通网络研究的重要工具。

不同城市间交通系统相互连接形成交通网络，其中，陆运、水运和空运网络又在空间约束、可达性等方面呈现各自的特性（王姣娥等，2019）。在航空客运复杂网络研究中，较为成熟的路径是以旅客运输流量和流向为数据，建立航空客运复杂网络，研究其平均路径长度、聚类系数、度分布、中心性、幂律分布系数等整体结构，及小世界特性和无标度特性（党亚茹等，2009；高峰等，2009）。陆路客运网络则多以铁路和公路为数据，从可达性、客运网络优化、网络格局、空间服务范围、经济活动空间区位、节点重要度影响因素等角度进行分析（王姣娥等，2005；焦敬娟等，2016；孟德友等，2018）。相比而言，水路客运网络的研究较为有限，但不可否认，水路运输在人类历史中具有重要地位，尤其是在大航海时代。只是进入20世纪以后，其他现代交通方式的兴起导致水运地位下降（张京祥等，2008）。

早期的水路客运网络从实践出发，以线路规划为主（Baird,1999;Lai et al.,2004;Lo et al.,2013）。随着信息技术的发展，智慧客运网络的研究与日俱增，如Maiorov 等（2019）基于模拟和智能运输系统，对渡轮和游轮路线进行了全面研究与网络预测。国内水路运输网络的研究起于本世纪初，如宋炳良（2000）发现上海港口与其他港口间的网络已有雏形，而周平德（2002）则指出了珠三角未能发挥水运优势的现实问题。此后，港口网络的竞争策略设计（吉阿兵，2006）、布局优化（赵旭 等，2007）、网络演化及预测（蹇令香等，2016）等受到关注。经过多年发展，中国沿海港口网络已呈现出“小世界”特征（宗刚等，2012；杜超等，2016；郭建科等，2018），但这一发现主要基于货运港口，尤其是在集装箱数据的基础上得到的，对水路客运网络的关注较少。

总体上，关于港口交通网络特征的认识已逐渐清晰，但依然存在较多有待研究的内容，尤其是关乎人员流动的客运网络。大湾区建设作为国家重大发展战略，以其为案例研究水路客运网络具有较好的理论和现实价值。为此，本文将从以下3个步骤展开研究：1）利用大湾区水路客运数据，构建水路运输客运网络；2）对网络进行定量描述，分析水路客运航行线路特点和网络特征；3）结合复杂网络分析结果与大湾区现实情况，提出优化和提升大湾区水运网络的建议。以期为优化大湾区水路客运网络提供借鉴，促进大湾区交通一体化发展，更好地服务于大湾区深度融合与协调发展。

1 研究方法与数据来源

1.1 复杂网络分析法

采用4组指标开展大湾区水路客运网络的复杂网络分析，分别是复杂网络的基本特征，小世界特性和无标度特性分析，节点重要性评估，鲁棒性和脆弱性检验。

网络基本特征包括若干具体指标，其中较为重要的有3 个（刘涛 等，2005），即平均路径长度（平均路径长度值越小，网络整体的连通性越强）、聚类系数（聚类系数越大，集聚效应越强）和度分布（节点的度值越大，该节点在整体网络中与其他节点的关联度越高）。

小世界特性分析采用Watts等（1998）的标准，检查网络是否既具有较小的平均距离又具有较大的聚集系数的小世界效应（与相同规模的完全随机网络比较），无标度特性采用Barabási 等（1999）的BA模型进行分析。

节点重要性评估采用中介中心性（某节点的中介中心性越高，该节点处于其他节点之间最短路径上的概率越高，意味着对网络流的控制能力越强）、接近中心性（某节点到其他所有节点的平均距离，接近中心性越大，该节点与其他节点联系的便捷度越高）以及PageRank算法（同时考虑一个节点的邻居节点的数量与质量对节点中心性的影响，PageR‐ank 值越大，该节点与其他核心节点之间的联系越紧密）。

鲁棒性和脆弱性分析，采用蓄意攻击方式模拟网络受到外部攻击后所受的影响，检验其网络直径，网络连通性指标是否显著变化，以评估网络的稳定性，发现网络存在的问题。

1.2 数据来源与处理

从香港特别行政区政府海事处、澳门特别行政区政府统计普查局，内地9个城市年报、年鉴与港口的专业客轮预订网站等处整理了2018年大湾区的港口、水路客运班线与班次。考虑到本文分析的是大湾区内部城市之间的水路客运网络，采样时不包括单一城市内部的班线。经过整理，确定了大湾区内部的21个客运网络节点（表1）。以港口间的水路客运班线为边，以港口间的年度水路客运班次为边权。表1中，港口节点vi和vj之间的边权记为wij，即港口i和港口j之间的水路客运班次。

表1 2018年港口间的客运班次Table 1 Passenger service between ports in 2018

2 粤港澳大湾区水路客运网络特征

2.1 复杂网络的基本特征

以大湾区水路运输客运网络的港口码头为节点，统计发现网络边有67 条，即21 个节点之间存在67条连接；节点的度平均值为3.19，表示每个节点平均与另外3.19个节点直接相连；网络直径为5，即从某一节点到其他任一节点最多需要经过4次中转；平均路径长度为2.48，意味着任一节点到达其他节点平均需要1.48次中转，客运网络中港口节点间分离程度较小，整体水路客运的便捷水平尚可；42.86%的节点的离心率为3，意味着逾半数的节点与最远节点的距离都是3。因此，单纯从连接性看，大湾区的水路客运网络基本健全，可达性较好，任一节点都可以经过或多或少的中转到达其他任一节点。

图4是微胶囊掺量分别为 0.2%、0.5%、0.8%时，3种微胶囊不同粒径的自修复试样在最大抗压强度的60%预压损伤后，在室温下养护 7 d 的强度修复率。由图4可以看出，微胶囊粒径在100～300 μm 范围内，强度修复率随粒径的增加而增大，粒径超过 300 μm 后强度修复率下降，由此可以得出，微胶囊的修复能力存在一定的极限，微胶囊与相似试件的力学性能匹配性在一定范围内达到最佳值。在施加一定的预压载荷情况下，随着微胶囊掺量以及粒径的增加愈合剂含量增加，更多的愈合剂在毛细作用下渗入基体裂纹中，经过养护愈合剂产生交联聚合固化，抑制裂纹继续扩展，从而增大强度修复率，使得修复效果更明显。

进一步对复杂网络进行模块化分析，以分析节点间的聚类情况。使用社区探测算法，取值标准为1.0（Blondel et al.,2008），计算得出最终的模块化值为0.36。图1 显示，各节点被分为两类社区，其中澳门外港与香港港澳码头、屯门码头和九龙码头组成社区1，其他港口组成社区2。值得注意的是，尽管网络中有21个节点，但可达性低的边缘节点数量较多，大部分节点的独立性水平较低，整体较为分散，尚未形成独立社区，意味着复杂网络的层级单一，模块化水平较低。度分析结果显示，香港中港码头、香港国际机场码头，深圳蛇口港的度数明显高于其他节点，意味着三者与最多的节点连接；而连接最为紧密的是香港港澳码头与澳门外港，二者的往返频次最高。

图1 基于模块的粤港澳大湾区水路运输客运网络Fig.1 Module-based waterway passenger transport network for the GBA

局部聚类系数计算结果显示，仅香港港澳码头的聚类系数高于0.5，多达14 个节点的聚类系数为0。即各节点的聚类系数普遍较低，网络的稳定性较差。即便部分节点邻居节点较多，但其邻居节点是相互孤立的，无法构成小网络，如中港码头虽有8个邻居节点，但其聚类系数为0。网络的整体聚类系数值为0.10，说明网络在空间分布上的连续性较低。结合局部聚类系数差异较大的分析结果，表明个别节点对在网络稳定性方面作用显著，典型如香港中港码头，这也说明网络内部差异较大。

2.2 小世界特性与无标度特性分析

小世界特征分析结果显示，相比同等规模下的完全随机网络的平均路径长度（LER=2.63），大湾区水路客运网络的平均路径更小（L=2.48），符合小世界网络特征；而完全随机网络的聚类系数CER=0.15，大于实际网络的C值（0.10），不符合小世界网络特征。综合来看，水路客运网络的平均路径较小，聚类系数也较小，并不完全符合小世界网络特征。即尽管大湾区水路客运网络在理论上能够实现贯通，但各节点的连接并不便捷，甚至都不存在小世界网络，节点之间的流转只能依赖少数核心节点，网络的内部差异较大，整体连通水平有待提高。

利用度分布（图2）与双对数坐标系下的度分布（图3）进行无标度网络分析。发现图2中的趋势线为连续减少的函数，整体符合无标度网络的幂律分布特性。将图3中的趋势线分段看，前半段为直线，符合幂律分布，后半段不符合无标度特性。综合来看，大湾区的水路客运网络结构基本符合无标度网络的特性，但局部有特殊性。从网络特性角度看，某节点的度值越大，越可能与更多节点联系，其客运能力越强，即存在复杂网络的马太效应，它们也具有无标度网络的增长特性和优先连接特性。

图2 节点的度分布Fig.2 Degree distribution of nodes

图3 双对数坐标系下的度分布Fig.3 Degree distribution diagram in the logarithmic coordinate system

2.3 网络节点的重要性评估

采用中介中心性（betweeness centrality）、接近中心性（closness centrality）和PageRank 三个指标评估各节点的重要性（表2）。结果显示：

表2 粤港澳大湾区水路客运网络特征Table 2 Characteristics of waterway passenger transport network in the Guangdong-Hong Kong-Macao Greater Bay Area

中介中心性最高的是香港中港码头、深圳蛇口港和香港国际机场，再次说明它们是复杂网络中的重要节点，最多的处于其他节点之间的最短路径上，具有较强的凝聚力，在复杂网络中能够发挥重要的中介作用。

接近中心性指标最高的前3个节点是深圳蛇口港、香港国际机场和珠海九洲港，接近中心度超过0.50，说明它们到达其他任一节点都非常便捷，值得注意的是，3 个节点分别位于大湾区东西两侧及南部顶点，相对而言，大湾区北部的水路客运便捷性不足，整体的空间分布不均衡。

基于PageRank算法有效性与参数c值的内在关系，在统计过程中将概率的参数设定为0.15（任晓龙等，2014），误差值调为0.001，纳入有向边和边的权重。结果显示，香港中港码头、深圳蛇口港和澳门外港位列前三，在确保整个网络连通的作用更加重要。

2.4 鲁棒性与脆弱性分析

复杂网络对随机故障具有鲁棒性，对于蓄意攻击具有脆弱性，即随机过滤网络中的大量节点时，网络可分成多个孤立的子网，能够保持基本连通，但蓄意过滤网络中少量度最高的节点时，网络的连通性被破坏（Albert et al.,2000）。为检测水路客运网络的稳定程度，基于无标度网络特性和节点中心性分析的结果，采用蓄意攻击（刘勇，2017）进行模拟。根据节点重要性的排名，依次过滤深圳蛇口港（图4-a 事件1），深圳蛇口港和香港中港码头（图4-b事件2），深圳的蛇口港、香港的中港码头和香港国际机场3 个中心节点（图4-c 事件3），得到新的网络（图4），以此分析该网络遇到意外事件时的生存能力和脆弱程度。

图4 依次进行事件1（a）、事件2（b）和事件3（c）之后的网络Fig.4 Network diagram after event 1(a),event 2(b)and event 3(c)

由图4可知，每次过滤核心节点后，都会有部分边缘节点脱离网络变成孤立节点，说明它们的抗风险能力较差，对其他节点（尤其是核心节点）的依赖程度较高，即当核心节点受到攻击时，边缘节点近乎瘫痪。另外，中心性较高的节点依旧相互联系，只是网络规模大幅降低，连通性变差。在过滤排名前三的节点后，9 个节点成为孤立节点，其他节点也受到很大影响，而原先中心性次高的节点，如珠海九洲港、澳门外港、深圳宝安国际机场，将发展成为新的中心节点。

脆弱性是无标度网络的共同特性，由于现实中不可能实现大湾区各地的完全平均化，因此水路客运网络都会存在一定程度的脆弱性。为检测大湾区水路客运网络生存能力和脆弱程度，在图4的基础上，统计节点与边的可视率、网络的直径（表3），并进行相关分析。在一般的复杂网络中，当中心度最高的节点被排除后，无标度网络的直径会快速增加，节点减少5%时，直径一般增加到原来的两倍（刘勇，2017）。当大湾区水路客运网络节点减少约5%时，其直径保持不变，说明该网络的生存能力高于一般的无标度网络。但前2个中心节点的总辐射范围占据总网络的近50%，前3 个中心节点的总辐射范围占据总网络的近70%，经过事件3 后，复杂网络边数可视率仅剩31.34%，表明粤港澳大湾区水路运输客运网络非常脆弱。

表3 过滤中心节点后网络的节点数与边数及其可视率和直径Table 3 Number of nodes and edges,visibility and diameter of network after filtering center nodes

3 结论与讨论

基于复杂网络分析法对粤港澳大湾区水路客运网络进行研究，得到的主要结论有：

1）大湾区水路客运网络基本健全，节点之间能够自由流动，但网络的层级单一，可达性较低的节点占据多数，整体分散，模块化水平较低。而复杂网络可分为2个社区，度数最高的是香港中港码头、香港国际机场和深圳蛇口港，联系最为紧密的是香港港澳码头和澳门外港。

2）大湾区水路客运网络具有部分小世界网络特性和无标度特性，节点分布呈现马太效应。网络的平均路径较小，聚类系数也较小，香港中港码头、香港国际机场与深圳蛇口港是头部节点，它们在网络中最具增长特性和优先连接特性。而从另一角度也表明复杂网络的内部差异较大，整体连通质量有待提高。

3）深圳蛇口港在复杂网络中的综合重要性最为突出，其各项指标都位于前列，香港中港码头、香港国际机场、珠海九州港、澳门外港在复杂网络中的位置也非常重要，分别在单一指标方面具有突出优势。

4）从空间结构看，大湾区南部的水路客运能力比北部发达，东部比西部发达。

5）大湾区水路客运网络具有鲁棒性，生存能力较强，但网络发育不够完善，脆弱性较大，网络连通过度依赖核心节点，稳定性较差。当对网络的核心节点发起攻击后，剩余节点中有一半会受到较大影响，甚至一些节点成为孤立节点，经过测算，过滤深圳的蛇口港、香港的中港码头和香港国际机场3个中心节点后，复杂网络边数仅余31.34%。

总的来说，大湾区水路客运网络各节点之间差异较大，耐受外部攻击的能力较差，需要提高网络的连接密度和连接质量，提升网络的稳定性和便捷性。结合本文结论，大湾区水路客运网络可从以下几个方面进行优化，以便更好地服务于大湾区深度融合与协调发展。1）对各类核心节点，如香港中港码头、香港国际机场、深圳蛇口港，以及澳门外港，因为它们在网络中的地位十分重要，直接关系到网络畅通，需要加大保障力度，确保其服务能力；2）对边缘节点，如广州莲花山港与南沙港、佛山顺德港与高明港等，可利用城市本身的吸引力与辐射力，充分调研市场需求，开发新的客运班线，尤其是增加与非核心节点的连接，提升各自在网络中的地位，增强整个网络的稳定性和外部攻击耐受力；3）从空间格局看，需要重点提升大湾区北部的水路客运能力，形成北部枢纽，使整个网络更加均衡。

值得注意的是，广州作为大湾区中心城市之一，其水路客运码头在整个网络中的位置并不占优，甚至处于落后位置，这与广州的城市发展水平极不相称，直接导致大湾区北部的水路客运能力塌陷。究其原因，或许是受地理区位的影响，广州处于北部顶点，由广州至大湾区东西方向的陆路交通已经非常便捷，且广州的两个港口相对偏远，这些因素共同作用，客观上限制了广州作为水路客运枢纽的可能。比较而言，大湾区的陆路客运能力当下面临着发展瓶颈，而水路客运具有成本低，运输能力强，开发潜力大等比较优势，与陆路客运具有天然的互补特性。此外，对“宜游湾区”的战略定位而言，水路客运是“旅”与“游”的天然结合，开发旅游客运班线，以旅游服务水准提升常规水运客运服务水平。对广州而言，它是大湾区的重要旅游客源地与目的地，也可以此为抓手，提升其在大湾区水路客运网络的地位，提高网络整体的稳定性和层次性。

虽然本文探讨了大湾区水路客运网络特征，为优化网络结构，提高网络稳定性和便捷性提供了一些建议，但受限于数据获取的完整性，未能掌握各港口的历时性数据，2020－2021 年又受疫情影响，非常态化的数据也不适合本研究，以至于未能分析大湾区水路客运网络的动态演化过程。同时，本文作为一项尝试性研究，只是单纯分析了水路客运网络，没有将之与陆路网络相结合，水陆互补将能更好地描述大湾区内部客运网络。综上，未来一方面可以关注于水路客运网络的演化过程及其影响，另一方面可以关注于水路陆路客运网络的综合研究。