港口境外新冠疫情输入风险时空分析——以东北亚核心港口为例

王直欢, 刘贤超, 戴明城, 龙小慧, 张亿洲

(1.上海海事大学物流科学与工程研究院,上海 201306; 2.中国船舶及海洋工程设计研究院,上海 200011;3.上海海事大学物流工程学院,上海 201306)

0 引 言

新冠病毒感染在2020年成为全球性大流行病[1]。已知的新冠病毒传播途径以短中程为主[2],但是在环境和病毒性质等因素影响下,病毒存在远程或超远程传播的可能,如海上冷链运输造成病毒跨地域传播[3]。为遏制病毒的进一步扩散,各国采取了相应的防控措施。然而,随着病毒的不断变异,疫情在全球持续蔓延。在我国国内疫情形势缓和时,境外疫情输入风险依然居高不下,外防输入成为疫情防控工作的重点,口岸疫情防控则是重中之重[4]。

以往对境外疫情输入的研究主要集中在航空运输、陆路口岸运输和邮轮运输。航空运输,因其联系地区广、出入境人流量大而受到关注,是病毒输入的主要途径之一[5]。ZHANG等[6]将航空运输在我国新冠病毒传播中的作用与高铁和长途汽车运输进行比较,发现航空运输传播病毒过程复杂,且最有可能出现在大城市。在陆路口岸运输方面,冯晔囡等[7]对西部重要陆路货运口岸卡车和集装箱中检测到的新冠病毒进行基因特征分析,发现很有可能是边境快速物流系统卡车和集装箱携带病毒入境造成了本土疫情。在邮轮运输方面,ITO等[8]通过使用2020年1—3月的船舶自动识别系统(automatic identification system,AIS)数据跟踪了全球所有邮轮,发现大型邮轮上阳性乘客的行程大多有着相同的始发港口和靠岸港口。

国际海运承担了全球贸易80%以上的运输量,对全球经济与贸易发展有举足轻重的作用[9]。在海上运输网络中频繁移动的船舶成为病毒跨地区传播的重要媒介,现实中就发生过港口装卸工作人员和冷链从业者接触到附着病毒的货物而造成疫情在港区暴发并传播到内陆地区的事件[10]。同时,有学者进行流行病学调查后发现,我国本土一半以上的疫情可溯源至港口冷藏库和海鲜加工设施以及与进口冷链食品相关的市场[11-13]。

防控境外疫情输入的关键是如何有效评估疫情输入风险,在相关领域有学者利用多源数据建立风险指数来评估疫情输入风险,例如:吴昊澄等[14]通过浙江省入境人员资料计算了浙江省各地新冠病毒感染病例境外输入风险值和各输出国的输入风险值;程艺等[15]构建并使用输入风险指数分析我国边境口岸不同管控措施下的疫情输入风险,识别出境外疫情输入的高风险口岸;武洁雯等[16]利用新冠疫情数据和政府严格指数综合评估世界各国的疫情暴发风险及境外疫情输入风险。然而,以上研究存在一定的局限性,且无法应用到境外疫情海运输入的防控中。

综上,前人的研究方向主要集中于陆地运输,对船舶和港口传播新冠病毒风险的追踪评估研究较少。对于海运输入疫情事件,构建科学合理的指标体系来评估港口境外疫情输入风险非常有必要。因此,本文综合考虑影响疫情发展趋势的关键因素,结合多源数据建立一种港口境外疫情输入风险评估模型,对重点船舶和港口开展疫情输入风险评估,从而及时发现输入风险的变化,为港口地区疫情防控措施和政策的制定提供数据支持。

1 模型构建

1.1 总体框架

本文建立基于多源异构数据融合的港口境外疫情输入风险动态评估模型,对东北亚核心港口进行境外疫情输入风险分析。港口境外疫情输入风险建模总体框架如图1所示,主要分为多源数据融合处理、核心港口网络提取、港口境外疫情输入风险指数计算和以集装箱船为案例进行分析等4个部分。

图1 港口境外疫情输入风险建模总体框架

1.2 数据来源

选取时间跨度为2020年整年的全球范围内的3个数据集,包括港口挂靠信息数据集、全球新冠病毒感染数据集和政府严格指数数据集。关键变量见表1。其中,累计确诊病例和政府严格指数反映船舶停靠国家带来的风险,集装箱船载箱量则反映集装箱船规模带来的风险。

表1 变量描述性统计

第一个数据集是来自Marine Traffic的港口挂靠信息数据集,是船舶靠港时向港口提供的到达和离开时间、上个和下个挂靠港口等信息。这些信息往往非常精准,因为停靠费用就是用这些信息计算的。每条数据记录了一艘船的载质量及其在某一段时间内的移动轨迹,可以按时间序列从经过预处理的数据中提取出每艘集装箱船停靠的港口。

第二个数据集是全球新冠病毒感染数据集,来自约翰-霍普金斯大学系统科学与工程中心(Center for Systems Science and Engineering at Johns Hopkins University,JHU CSSE)运营的新冠病毒感染可视化仪表板的数据存储库。该数据集记录了自2020年1月22日起,世界各国的当日和累计确诊病例、死亡和康复病例数量以及人口规模等信息。

第三个数据集是政府严格指数数据集,来自牛津大学新冠病毒感染政府反应跟踪系统(The Oxford COVID-19 Government Response Tracker,OxCGRT)。该系统将各项防疫措施编码成不同指标,然后根据防控力度赋予各项指标序数尺度内的数值,通过标准化将不同序数尺度的指标转换为0～100的数值[17]。用于计算政府严格指数的9个指标分别为学校停课、工作场所关闭、取消公共活动、限制公众集会、公共交通关闭、居家要求、公共信息运动、限制内部流动和国际旅行管制。

1.3 港口境外疫情输入风险指数计算

构建疫情输入风险指数来综合评估由港口输入疫情的风险。该指数的计算方法分两步实现:(1)依据船舶挂靠港口所属国家的确诊病例增加率、政府严格指数和集装箱船载箱量计算出每艘船每日感染风险指数和前14日累计感染风险指数。(2)依据靠港船舶前14日累计感染风险指数得出港口每日疫情输入风险指数和前14日累计疫情输入风险指数。上述2个步骤由式(1)～(6)完成。

船舶每日感染风险指数的计算如下:

Rl,t=Si,t×Ft×lgTl

(1)

式中:Rl,t为船l在t日的感染风险指数;Si,t为t日船舶挂靠的港口i所属国家的政府严格指数;Ft为确诊病例对t日感染风险变化的一个影响因子;Tl为船l的标准集装箱载箱量。

将载箱量引入模型中,是因为病毒可以附着于物体表面从而进行远程传播。船舶所载集装箱越多,船舶所载的货物就越多,货物中携带病毒的可能性也就越大。因为Tl数值过大,所以取其对数值以缩小数值。政府严格指数Si,t来自OxCGRT,任意一天的指数是上文所述9个指标的平均值[17]。由于政府严格指数是对一个国家对当前疫情趋势而采取的各种防控政策力度的综合度量,因此疫情越严重,防控力度也就越大,政府严格指数也越大,这说明政府严格指数能反映大部分国家的疫情趋势。虽然2020年我国的政府严格指数较高,但是疫情形势好于国外。因此,引入Ft作为确诊病例对感染风险日变化的一个影响因子,其对指数的日变化起调整作用。这样既可以使用政府严格指数反映各国的疫情发展趋势,又可以用Ft对指数进行修正。Ft的计算如下:

(2)

式中:Nt和Nt-1分别为t日和t-1日的新增确诊病例,如果当日病例数量减少,其值就为负数。

这些数据是根据船舶挂靠港口所属国家和挂靠日期从JHU CSSE整理的全球新冠疫情数据中提取出来的。由式(1)和(2)可以实现根据疫情变化动态计算船舶感染风险指数,指数越高表明船舶受到感染的可能性越大。Ft的取值范围为0.5～1.5。其值与确诊病例增加率成正比。当确诊病例数量急剧增长时,Ft会接近1.5;当确诊病例数量急剧下降时,Ft会接近0.5。

利用式(1)中得出的船舶每日感染风险指数计算船舶前14日累计感染风险指数:

Cl,t=Rl,t+Rl,t-1+…+Rl,t-13

(3)

式中:Cl,t为船l在t日前14日累计感染风险指数。由此便完成靠港船舶感染风险指数计算的第一步。

接着进行第二步的工作,计算港口i在t日的疫情输入风险指数:

(4)

式中:Ci,l,t为挂靠港口i的船l在t日前14日的累计感染风险指数。

据此来动态计算港口i在t日前14日的累计疫情输入风险指数:

Pi,t=Ii,t+Ii,t-1+…+Ii,t-13

(5)

为便于对结果进行比较分析,参照胡建雄等[18]的风险指数归一化计算方法,对不同的序数尺度进行标准化,得到一个在0～100范围内的子指数。因此,对港口前14日的累计疫情输入风险指数Pi,t进行归一化处理:

(6)

式中:Pmax和Pmin分别为各港口在所有日期内风险指数的最大值和最小值。

2 案例分析

东北亚是世界上经济最活跃的、境外疫情输入事件发生频繁的地区之一。该地区国际海运发展飞速。《国际航运枢纽竞争力指数——东北亚报告(2021)》显示,青岛港、釜山港、天津港等3个港口在网络连通能力、运营水平和基础规模方面均处于领先水平,是区域国际航运枢纽。同时,中国有着庞大的进口冷链食品需求。《2020年中国进口食品行业报告》显示:2019年中国进口食品来源地达189个,金额达908.1亿美元,同比增长23.4%;从金额来看,排名前三的各类冷链食品进口额均超过100亿美元。进口冷链食品疫情防控成为中国防疫工作的重点之一[19]。综上,本文以东北亚地区集装箱船为研究主体是具有现实意义的,可以帮助有关部门更好地了解东北亚海上船舶流向和进口冷链感染风险的潜在分布。

2.1 集装箱船运力分布

新冠疫情给世界经济贸易带来了消极影响,其中最直接的影响是海上往来的运输船减少,而集装箱船又是海上运输的主力军。因此,本文可用的集装箱船数据量相对较少。从港口挂靠信息数据中提取出2020年2 101艘集装箱船的29 412条轨迹数据作为模型的输入数据。由图2可知,有489艘船的载箱量范围为[0,0.2]万TEU,有422艘船的载箱量范围为(0.4,0.6]万TEU,有333艘船的载箱量范围为(0.8,1.0]万TEU。

图2 2020年东北亚核心港口2 101艘集装箱船运力分布

2.2 船舶移动轨迹分析

集装箱船在跨地区运输过程中常常会多次挂靠同一港口,且由于需要装卸货物,船舶停留的时间会较长。因此,在构建集装箱船航运网络时,按时间顺序对船舶的靠港进行处理且仅保留一条航线,同时用权重来表示2个港口之间的航次。经统计本次研究中的网络中港口节点数为199,边数为560,其中边的最大权重达到了1 115。图3展示了东北亚核心港口区域2 101艘集装箱船的港口间移动网络,其中:港口节点越大,说明该节点的度值越大,其拥有的相邻节点也就越多;航线的粗细化表示港口节点的权重大小,航线越粗则代表权重越大,说明该航线较繁忙。集装箱船航线是从始发港出发、挂靠若干个港口的链条航段。这些航线连接着集装箱船前一挂靠港和后一挂靠港,体现了港口之间的航行关系,而航次则反映了2个港口之间的集装箱船航行次数。

图3 集装箱船移动轨迹网络

从图3可以发现,集装箱船的挂靠港口存在明显的区域聚集现象,中日韩三国是网络中聚集程度最高且航线最为密集的区域。该区域航线除联系中日韩三国港口外,还联系大西洋沿岸和墨西哥湾沿岸的部分港口。截至2020年底,我国的疫情已经开始得到一定程度的控制,但是该区域其他国家的疫情形势依旧十分严峻。同时东北亚地区各国之间经济往来十分密切,货物进出口数量巨大,这推动了集装箱船在各港口之间的移动,随之而来的就是病毒由高风险地区向其他港口城市的输出和扩散。

2.3 港口境外疫情输入风险分析

从数据中提取出包括国家编码、累计确诊病例数、日期、政府严格指数等关键数据。应用港口境外疫情输入风险指数模型计算出港口挂靠信息数据中所有集装箱船挂靠港口的每日疫情风险指数和前14日累计疫情风险指数。图4是经标准化处理后的东北亚6个核心港口的2020年全年的前14日累计疫情风险指数(即港口境外疫情输入风险指数)频数分布图。从图4中可以发现全年的指数呈现双峰分布,说明指数在2个分布区域比较集中,可能存在2个众数。

图4 2020年东北亚核心港口境外疫情输入风险指数频数分布

表2列出了6个港口不同时期的境外疫情输入风险指数。由表2可以发现:2020年4月5日除大连港和连云港港外,其他港口境外疫情输入风险指数普遍偏高,其中釜山港指数达到最高值100;2020年10月30日各港口的风险指数整体缓和,但排名前三的港口依然是釜山港、青岛港和釜山新港。连云港港在上述两个日期的疫情风险都是最低的,这是因为2020年全年只有63艘集装箱船停靠该港,而青岛港则到达了684艘。

表2 2020年4月5日与10月30日6个港口境外疫情输入风险指数

分别对上述两个日期的港口境外疫情输入风险进行可视化,见图5。港口标注的数值表示该港口的疫情输入风险,即数值与港口疫情输入风险成正比。前期除个别港口外,其他港口的数值普遍偏大,说明各港口境外疫情输入风险普遍偏高,尤其是釜山港达到了最高值。在新冠疫情暴发前期,由于我国人口众多且缺乏应对经验,疫情较为严重。中韩两国相邻且交流频繁,因此韩国易受到影响,同时来自医院和疗养院等大规模感染加剧了病毒的流行[20]。后期韩国的两个港口数值偏大,说明该国2个港口的疫情输入风险较高。这是因为,随着疫情形势逐渐好转,韩国政府从2020年10月开始降低疫情防控力度,导致其国内疫情形势不断恶化,到2020年12月甚至突破历史记录,单日新增确诊病例达1 078例,疫情出现反弹并扩散。这一时期我国除青岛港外,其他港口的数值偏小,不同区域的疫情流行情况有所不同。这是因为自2020年5月以来,我国疫情防控进入常态化防控阶段。全国多地新增病例数量基本清零,只有部分地区出现轻微的疫情反弹,同时境外输入成为疫情防控的重点,而港口是境外疫情输入的重要口岸。

(a) 2020年4月5日

对单个港口的全年境外疫情输入风险指数变化趋势进行分析。图6展示了釜山港和大连港2020年境外疫情输入风险变化趋势。釜山港是东北亚地区重要的国际枢纽港,也是世界第五大集装箱港口[21]。由图6可以发现:2020年釜山港疫情输入风险指数自2月开始迅速上升,4月达到最高点,随后开始下降,其间有多次反弹,但自7月以后整体风险指数比之前的低;2020年全年共出现3次疫情高峰,分别位于4月前后、7月前后和10月;最高点风险指数在90～100范围内。2020年大连港的风险指数全年波动较大,自2月开始直线上升,3月前后达到最高点,最高值接近80,随后3个多月的时间内骤降,进入6月后开始呈现波动下降的趋势。由图6也可知全年累计疫情风险指数频数呈现双峰分布的原因,即不同港口同一时期和同一港口不同时期风险指数分布的两极分化。以大连港为例,2020年7月发生了第一起由进口冷链引起的大规模新冠病毒感染事件,而图6显示2020年7月是大连港一年中风险指数较高的时间,这从侧面验证了本文所提模型的有效性。

图6 2020年釜山港和大连港境外疫情输入风险指数变化趋势

从2020年12月20日的前14日内靠港的船舶中筛选出前14日感染风险指数排名前10的集装箱船,并通过港口挂靠信息数据得到集装箱船的前一个挂靠港。由于这些船携带病毒的可能性较高,所以这些高风险船停靠过的港口同样应该提高警惕。图7中:每个矩形代表不同港口;连接港口的边代表不同港口之间的上下游关系,反映高风险船舶的流动情况。矩形和边的宽度为2020年12月20日的前14日内靠港的所有高风险船舶在前14天的日感染风险指数总和,即宽度越宽,该港口的境外疫情输入风险越大。

图7 2020年12月20日东北亚核心港口的疫情输入风险可视化

由图7可以发现,釜山新港是大连港和天津港境外疫情输入风险的主要来源。由上文可知,2020年10月和11月是韩国疫情输入风险较高的月份,因此港口管理当局应该对来自釜山港的船重点展开防疫检查,进行完善的消杀程序,以防范疫情通过高风险船舶输入。据报道,2021年11月13日青岛市新增境外输入确诊病例2例,患者是来自釜山港的一艘货船上的船员。同样地,釜山港需要重点防控来自对其疫情输入风险较大的港口。此外,我国对国内港口的高风险船也不能放松警惕。

3 结 论

新冠病毒在世界范围内的扩散传播给口岸疫情防控带来了压力。为维持港口的正常运营,减少全球物流和供应链中断的风险,本文融合多源数据,构建了一种动态评估港口境外疫情输入风险的指数模型,得到的结论如下:(1)疫情暴发初期东北亚核心港口中青岛港和釜山港疫情输入风险较大,其中2020年3月和4月是两个港口的疫情向外传播的风险最高的时期。(2)釜山新港是大连港和天津港境外疫情输入风险的主要来源,因此来自釜山港的船舶应该受到有关当局的重视。此外,我国对来自国内港口的高风险船同样不能放松警惕。

未来将在以下方面进行改进:本文构建的模型方法对其他类型的船舶和地点有可能适用,可作为构建海上疫情风险全球网络预警模型的基础,以遏制新冠疫情在沿海地区的传播,为全球海上贸易护航;前人的研究为本文构建港口境外新冠疫情输入风险评估模型提供了重要参考,同时也侧面印证了所构建模型及所用多源数据的可行性,在未来的研究中可以着重探究模型的适用性和科学性。当获得更加详细的数据时可以对模型指标进一步更新,例如船舶所载冷链产品的数量、市级人口等微观指标。