基于AHP-RS的沿海都市带主要港口评价实证分析

王杰，廖虹

（大连海事大学交通运输管理学院，辽宁 大连 116026）

区域经济正逐步成为全球经济的新增长点，因此，区域港口群资源整合也成了当前航运业发展热点之一。在此背景下，区域港口群如何通过有序规划发展以实现资源有效整合成了当前人们关注的焦点。目前世界上区域港口群大都位于沿海都市带，本文将以国内外沿海都市带为例，通过定量化形式考察都市带内主要港口相对规模水平，分析港口间的规模差距，进而为区域港口群有序规划发展提供依据和思路。

1 研究综述

当前国内外学者对港口评价指标体系的研究主要集中于港口竞争力评价。针对港口竞争力评价指标体系，张联军，宗蓓华构建了运营条件、服务质量、港口软环境等6个方面的指标体系[1]；匡海波，陈树文设立了包括港口吞吐能力、港口作业能力等4个方面的指标体系[2]；邬德林，吕荣胜选取港口吞吐量、标箱量、腹地经济实力等4个指标研究了环渤海地区三大枢纽港的竞争力[3]。针对评价对象不同，韩凌芬，陈延艺以福建省港口群内的主要港口为研究对象，通过港口货物吞吐量、工业产值、对外贸易等指标评价了各主要港口的竞争力[4]。针对评价目的不同，郑芳建立了包含港口物流规模、港口物流服务条件等5个方面的港口发展潜力评价指标体系[5]。

从层次分析法（AHP）和粗糙集（RS）的研究情况来看，针对AHP的研究已相当成熟，并被成功地应用于各领域评价中，在此不作赘述。相较而言，对RS的研究则处于一个相对初步的阶段。目前，粗糙集已被成功地应用于部分领域的数据挖掘中，郭婉、吴昊等用粗糙集评估了农机化发展水平[6]；吴郎、胡红武用粗糙集对农村公务员素质进行了评定[7]。在此基础上，部分学者开始关注粗糙集与主观评价法结合的综合评价问题，黄晶晶、熊才权将粗糙集与神经网络用于作战效能评估研究中[8]；李长坡、王坛利用粗糙集与Delphi对土地定级因素进行了分析[9]。而AHP-RS法作为粗糙集数据挖掘应用方法之一，当前已被应用于多领域的相关评价中，大量实例也证明了其有效性，但目前该法尚未被引入我国港口评价中。

鉴于港口吞吐能力指标（即港口吞吐量和集装箱吞吐量）是衡量港口规模大小的重要指标，为此，本文将以改进后的港口吞吐能力指标为基础，构建区域范围意义上的主要港口评价指标体系，以国内外沿海都市带为例，运用AHP-RS法对都市带内主要港口进行相关评价分析。

2 沿海都市带主要港口评价指标体系的建立

2.1 沿海都市带概述

当前主流观点下的全球都市带共有6个，其中位于沿海的都市带有5个，分别为美国东北部大都市带、英格兰大都市带、西北欧大都市带、日本太平洋沿岸大都市带和中国长三角大都市带。在此选取具有代表性的4个沿海都市带进行相关研究。具体情况如表1所示。

表1 世界四大沿海都市带基本情况

1）美国东北部大都市带。该都市带包括纽约、费城、巴尔的摩、华盛顿等共40个城市，占美国面积1.5%，美国人口的15%，制造业产值占美国30%，是美国经济的核心地带。从港口角度看，纽约港是美国东部最大的商港，主要从事集装箱运输；费城港主要从事远洋货运；巴尔的摩港是大宗散货转运港；波士顿港是以转运产品为主的商港，同时兼有渔港的性质。

2）西北欧大都市带。该都市带包括大巴黎、莱茵-鲁尔、兰斯塔德3个都市带，包含巴黎、阿姆斯特丹、布鲁塞尔、汉堡等40个城市，占欧盟总面积的1.4%，欧盟总人口的6.3%。从港口角度来看，鹿特丹为荷兰和欧盟货物集散中心，是欧洲的主要门户港口；安特卫普是以集装箱和杂货运输为主的比利时最大港口；汉堡港是集装箱中转业务为主的德国最大港口；不来梅为集客货运于一身的欧洲第四大港。

3） 日本太平洋沿岸大都市带。该都市带分为东京、大阪、名古屋3个城市圈，占日本总面积的20%，占全国人口的61%。从港口来看，东京主要以内外贸和集装箱运输为主的国际枢纽港；横滨是以工业品出口和集装箱港口为主的国际贸易港；千叶为能源输入工业港。

4）中国长三角大都市带。该都市带包括上海、南京、杭州、南通、宁波等城市，占全国面积的1%，占人口的5.5%，占全国GDP的近20%。从港口角度来看，上海是中国最大的外贸港口和国际集装箱枢纽港；宁波-舟山港是主要的集装箱、矿石、原油、液体化工中转储存基地；南京主要以大宗散货和集装箱运输为主；南通则以大宗散货和集装箱中转业务为主。

2.2 主要港口评价指标体系的建立

港口规模主要是指港口自身现有规模情况。港口吞吐量和集装箱吞吐量是衡量港口规模的主要指标。港口吞吐量指每年经水运输出、输入港区并经过装卸作业的货物总量，是衡量港口规模大小最重要的指标。港口集装箱吞吐量也是反映港口规模的重要指标，能在一定程度上反映港口实力。集装箱量/总吞吐量反映了港口单位货物量的集装箱化水平，能体现港口在区域内竞争力水平，鉴于区域内竞争力较大的港口往往具有更大的规模，故该指标也能在一定程度上反映区域内各港口的规模水平。

本文以改进后的港口吞吐量和集装箱吞吐量为基本指标，建立主要港口评价指标体系。鉴于本文研究重点是区域范围意义上的主要港口相对规模水平，故采用相对指标，具体用三个指标衡量。一是相对集装箱量，指特定港口占都市带全部主要港口集装箱量总和的比例；二是相对总吞吐量，指特定港口总吞吐量占都市带全部主要港口总吞吐量总和的比例；三是集装箱量/总吞吐量，指特定港口集装箱量与其总吞吐量的比值。此外，为更好地体现各指标值的稳定性，避免因突发事件而导致某年指标值偏离正常水平，各相对指标值按年均值确定。

3 基于AHP-RS的区域主要港口评价步骤

本文将AHP-RS法[10-11]应用于沿海都市带内主要港口评价，首先用粗糙集理论的属性依赖度定义构造属性间相对依赖的客观判断矩阵，再结合层次分析法的主观判断矩阵构建组合判断矩阵，最后计算出新判断矩阵的权重。该评价法将主客观赋权法相结合，既避免了AHP主观赋权的随意性，又弥补了RS客观赋权因过分依赖样本而存在现实偏差的缺点，能够得到理想且实际的权重。

3.1 AHP构造主观判断矩阵

层次分析法（AHP）的基本思想是将复杂问题分解为若干层次，以专家经验判断为基础，采用定性与定量相结合的方法确定权重，其实质是利用1～9的整数及其倒数作为标度构造判断矩阵[11]。具体步骤为：1） 建立递阶层次结构模型，明确问题的目标层、中间层以及方案层。2）构造各层次中的判断矩阵。根据评价指标体系的层次结构，采用1～9标度法逐层确定对各个要素两两之间的相对重要性比值，构造判断矩阵A。

3.2 RS构造客观判断矩阵

粗糙集（RS）的主要思想是在保持分类能力不变的前提下，通过知识约简，导出问题的决策或分类规则[12]。采用粗糙集构造客观判断矩阵，其具体步骤如下：

1） 评价指标信息表的设定。用一个二维信息表汇总指标数据，行代表对象及其各属性的值，列代表属性及各对象的属性值。

2） 连续属性离散化。本文用聚类分析法离散化指标值[13]，采用系统聚类对每一列属性值进行聚类，将每一列属性值所属的类别号作为离散化后的特征值，特征值按指标值从高到低依次取1、2、3。

3） 各指标属性重要度测算。设有信息系统S=（U，A，V，f），其中U为对象集合；A为属性集合，A又划分为条件属性为C和决策属性为D；V是属性值集合，f∶U×R→V是一个信息函数，指定U中每一个对象的属性值。其中C中有n个属性a1，a2，…，an，根据知识库或评价样本，考察所有条件属性将样本划分为决策类的分类能力，并由决策属性对条件属性的依赖度r（C，D）表示。然后去掉条件属性ai后，重新考察分类情况，得到属性ai重要度：

4）构造客观判断矩阵。依据3）中所得到的各指标属性重要度，采用两两比较的方法，构造客观判断矩阵B=（bij）n×n，bij≥0：

3.3 确定组合判断矩阵以及计算权重

由上，A=（aij）n×n是由AHP得到的主观判断矩阵，B=（bij）n×n是由RS得到的客观判断矩阵，C=（cij）n×n为两者的组合判断矩阵，其中aij＞0；bij≥0；cij≥0。建立最优化模型：

该模型在可行域Ω上求得的唯一解C=uA+（1-u）B即为组合判断矩阵，对C按和法（规范列平均法）计算得到矩阵权重向量W即为各指标权重。

3.4 主要港口指数计算

将原始指标值矩阵E归一化处理后得到矩阵E′，结合权重向量W，计算得最终指数V：

4 实证分析

本文以美国东北部大都市带、西北欧大都市带、日本太平洋沿岸大都市带、中国长三角大都市带的主要港口为研究对象，利用AHP-RS法进行主要港口评价。根据德国不莱梅航运物流研究所《ISL Shipping Statistics and Market Review》2001—2009年间的统计[14]，各都市带内主要港口具体数据如表2、表3所示。

表2 沿海都市带主要港口集装箱量/总吞吐量 1 000 TEU/1 000 000 t

表3 沿海都市带主要港口评价指标值

首先用AHP构造主观判断矩阵。通过专家定性经验判断，结合1～9标度法，得如下主观判断矩阵A。

其次用RS构造客观判断矩阵。利用SPSS软件对表3中各类属性值分别进行系统聚类，得到离散化结果，如表4所示。

表4 沿海都市带主要港口评价指标值离散化特征值

记 U={1，2，3，4，5，6，7，8，9，10，11，12，13，14，15，16，17，18，19，20，21，22，23，24}，则可得到正域运算结果：

其中：C={a1，a2，a3}，D={f}，计算得到：

由上式计算各属性对决策属性D的重要度值分别为：

通过对各属性重要度进行两两比较得到客观判断矩阵B，具体如下：

再次，按 C=uA+（1-u）B（0≤u≤1）构造组合判断矩阵。当决策倾向专家经验时，u满足0.5≤u≤1，当决策者倾向客观数据时，u满足0≤u≤0.5。为使计算结果更具客观性，本文中u取具有数学比例意义的黄金分割数0.38，故C=0.38A+0.62B，具体如下：

采用和法计算各指标权重向量W=（0.37，0.41，0.22），即相对集装箱量、相对总吞吐量和集装箱量/总吞吐量权重依次为0.37、0.41、0.22。

最后，用加权法计算主要港口指数。以都市带为单位，对各都市带内主要港口指标值进行归一化处理后，结合各指标权重做加权处理得各主要港口主要港口指数，计算结果及排名如表5所示。

从以上计算结果及排名情况来看，美国东北部大都市带与中国长三角大都市带内主要港口的规模分布情况具有一定相似性，而西北欧大都市带则更趋同于日本太平洋沿岸大都市带。具体来看，美国东北大都市带和中国长三角大都市带内各主要港口的指数值相差较大，相较而言，西北欧大都市带和日本太平洋沿岸大都市带内主要港口的指数值则比较接近。从排名前三位的主要港口来看（具体如图1所示），美国东北大都市带和中国长三角大都市带内主要港口间的平均指数相差值分别为0.25、0.30，而西北欧大都市带与日本太平洋沿岸大都市带内主要港口间的平均指数相差值仅为0.07、0.02。以中国长三角大都市带和日本太平洋沿岸大都市带为例，在中国长三角大都市带内，排名第一、第二的上海与宁波-舟山港，其港口指数值相差达0.30，排名第一、第三的上海与苏州港，其港口指数值相差高达0.45，排名第二、第三位的宁波-舟山与苏州港，其港口指数值相差则相对较小，为0.155；而在日本太平洋沿岸大都市带内，排名第一、第二的东京与横滨，其港口指数值相差为0.025，排名第一、第二的东京与名古屋，其港口指数值相差为0.027，排名第二、第三的横滨与名古屋，其港口指数值相差仅为0.002。

以上分析与各都市带内主要港口的实际规模分布情况基本一致。西北欧大都市带与日本太平洋沿岸大都市带内分布着较多世界级大港，平均多达3～4个，这些港口往往功能完善，实力较强，彼此间规模相差不大。而美国东北部大都市带与中国长三角大都市带内的世界级大港则相对较少，约为1～2个，故容易出现“一港独大”的现象。

表5 沿海都市带内主要港口指数值

图1 四大沿海都市带排名前三位的主要港口间指数差值

5 结论

通过以上研究，得出如下结论：

1） 从港口规模角度出发，构建了区域范围意义上的主要港口评价指标体系，各指标突出港口区域范围意义下的相对性，且充分结合历史数据，使得整体指标设置更具科学性和合理性，能够较好地反映港口相对规模水平，为港口客观认识和评价自身相对规模水平提供了参考，同时也为区域港口群有序规划发展提供了依据和思路。

2） 在主要港口评价中引进AHP-RS综合评价法，通过实例验证了该方法在港口评价中的有效性与可行性，丰富了港口评价方法。RS所具有的属性约简特性能很好地解决港口评价中指标个数多，数据量大的问题，可在港口评价中进一步推广。

3）构建了区域范围意义上的主要港口评价指标体系，以国内外沿海都市带为例，采用AHP-RS法进行相关评价分析。研究结果表明：沿海都市带内分布着较多世界级大港，都市带内各主要港口指数值则较接近；反之，都市带内各主要港口指数值则相差较大。这与沿海都市带内港口实际规模分布情况是基本一致的，故证明了本文提出的区域范围意义上的主要港口评价指标体系的合理性及AHPRS综合评价法的科学性。

[1] 张联军，宗蓓华.港口竞争力评价指标体系研究[J].港口经济，2003（4）：23-24.

[2]匡海波，陈树文.基于熵权TOPSIS的港口综合竞争力评价模型研究与实证[J].企业管理，2007，10：158-162.

[3] 邬德林，吕荣胜.环渤海主要港口竞争力比较研究[J].大连海事大学学报（社会科学版），2007，6（4）：64-66.

[4] 韩凌芬，陈延艺.福建主要港口竞争力的比较与整合[J].中国港口，2010（1）：18-20.

[5]郑芳.港口潜力评价模型构建——以福州港为例[J].海峡科学，2011（4）：21-31.

[6] 郭婉，吴昊，王安宁.基于粗糙集的农机化发展水平评价方法[J].农机化研究，2011，2（2）：5-8.

[7] 吴朗，胡红武.粗糙集理论在评定农村公务员素质中的应用[J].安徽农业科学，2006，34（14）：3 487-3 537.

[8]黄晶晶，熊才权.粗糙集-神经网络在作战效能评估中的应用[J].计算机与数字工程，2011，39（5）：62-66.

[9]李长坡，王云.基于粗糙集的土地定级因素综合赋权法模型研究[J].安徽农业科学，2009，37（5）：2 141-2 143.

[10] 叶军，王磊.一种基于粗糙集和层次分析法的综合评价方法研究[J].计算机应用研究，2010，27（7）：2 486-2 488.

[11] 王汉斌，杨鑫.一种基于AHP-RS的组合权重确定方法[J].中国安全生产科学技术，2010，6（6）：155-160.

[12] 王国胤.Rough集理论与知识获取[M].西安：西安交通大学出版社，2001：24-25.

[13] 杨香凤.基于粗糙集的港口竞争力评价模型[D].江西：江西财经大学，2003.

[14]Hans-Dietrich Haasis，Burkhard Lemper，Frank Arendt.ISL Statistical Tables-World Seaborne Trade and World Port Traffic[J].ISL Shipping Statistics and Market Review，2001—2009.