横沙新港建设的经济合理性研究

周瑜,朱建华,陈婧超

(华东师范大学国际航运物流研究院,上海200062)

横沙新港建设的经济合理性研究

周瑜,朱建华,陈婧超

(华东师范大学国际航运物流研究院,上海200062)

以上海港为研究对象,重点就港口与城市发展关系进行了研究.首先运用线性回归模型对港口数据与城市GDP进行了分析,并以此模型对横沙建港后上海城市经济情况进行了预测分析.此外,针对线性模型中可能产生的偏差,又建立了基于非线性关系的神经网络模型,并以此进行相应的预测.通过采用以上量化分析方法,可以预计横沙成陆建港将带动相关产业的发展,从而带来一定程度的经济效益,对上海的城市发展建设有着积极的作用和不可忽视的影响.

横沙新港;线性模型;神经网络

0 引言

随着全球价值链的驱动和全球生产网络的构建,各国资源力求在全球范围内进行合理高效的配置,国与国之间贸易日趋频繁,对货物综合运输能力的要求大大增加,其中90%以上要依托低成本的海运来承担.港口作为海上运输的枢纽、物流的平台和城市工业的依托,在世界运输体系中起着至关重要的作用,是一个国家通向世界的桥梁.经济全球化将使港口面临着千载难逢的发展机遇,同时也面临着严峻的挑战.在船舶大型化和班轮联盟化的趋势下,港口业正面临新一轮的“洗牌”:主干线集装箱班轮挂港将大幅缩减,全球主要港口将面临主枢纽港地位的争夺,而部分转型失败的港口将逐步倒退回为区域性港口.

随着我国经济转型发展的需要,2014年12月12日闭幕的中央经济工作会议确定了下一步将重点实施“一带一路”、长江经济带等战略,其中包括依托长江流域内河运输网的便捷和低成本物流,实现产业梯度转移,促进相对落后的中西部地区经济发展.这必将对长江入海口承担江海直转的枢纽港提出新的客观需求:转运港口既要满足长江流域腹地经济发展需求并实现长江驳船直靠,又要满足全球船舶大型化和班轮联盟化发展趋势下的超大型集装箱班轮直挂的要求.

“城以港兴”是世界海港大城市发展的规律.随着城市与港口的互动发展,在经济全球化的今天,港口作为城市重要的交通基础设施,仍是城市经济建设和对外贸易发展、临港等诸多产业发展的重要基础,在促进城市的持续发展中发挥着不可替代的作用.为满足城市地域的扩展,需要将港址逐步外移.与此同时,城市的发展也为港口提供了发展机会,包括人力、资金、技术等各种资源的支持,这已成为全球港口城市发展演变的客观规律.

在面对港口需求不断变化的情况下,如何分析研究港口与城市经济之间的关系,以及下一步城市对港口发展的决策,使得本课题应运而生.本课题以上海港为对象,重点就港口与城市发展关系进行了研究,并综合运用线性模型和非线性BP神经网络模型进行了定量分析.通过采用以上量化分析方法,我们可以预测横沙成陆建港将带动相关产业的发展,从而带来一定程度的经济效益,对上海的城市发展建设有着积极的作用和不可忽视的影响;同时通过定量建模方法,对横沙成陆工程的投入产出进行了分析,分析结果可以表明横沙成陆建港具有一定的经济合理性.

1 基于线性模型的港口城市发展关系研究

港口和城市经济之间是相互促进和相辅相成的.港口的发展在依赖其经济腹地的同时,又可为城市创造更多收入,使物流通畅,使社会资源配置合理,促进城市经济繁荣.分析港口对城市经济的影响,有助于港口在城市经济中的地位得到充分合理的认识.全面深入地认识港口对于城市经济的影响,有利于港口得到更充分地利用,发挥其应有的功能,更好地服务于国民经济.

港口相关产业对于城市的经济有着巨大贡献,与此同时,港口领域的产业发展对于城市的就业也有着极大的推动作用.根据由世界经济合作与发展组织(OECD①世界经济合作与发展组织(Organization for Economic Co-operation and Development),简称经合组织(OECD),是由34个市场经济国家组成的政府间国际经济组织,旨在共同应对全球化带来的经济、社会和政府治理等方面的挑战,并把握全球化带来的机遇.)和上海国际航运研究中心(Shanghai International Shipping Institute,SISI)联合分布的《全球港口城市竞争力:中国·上海》［1］,2010年,港口相关产业对上海经济的总贡献(包括直接的、间接的和波及的贡献)约为3 550亿元,占上海GDP总量的21%;提供就业230万人,同样占城市就业总人数的21%,其中40%为直接贡献;而港口间接经济贡献主要来自海上运输、航运金融和货物装卸.

通过参阅相关文献和收集数据,我们得到了上海港历年的货物吞吐量、集装箱吞吐量及上海城市GDP数据,如图1、图2、图3所示.我们以港口的货物吞吐量作为衡量港口建设的指标,用城市GDP及全社会各行业从业人员这两项统计数据来衡量城市经济及就业方面的情况.上述数据均取自上海统计局发布的近十几年的《上海统计年鉴》.

图1 上海港历年集装箱吞吐量Fig.1 Historical data of container throughput in Shanghai

图2 上海港历年货物吞吐量Fig.2 Historical data of cargo throughput in Shanghai

图3 上海历年GDPFig.3 Historical data of Shanghai GDP

通过统计分析得到各变量的相关系数,如图4所示.

图4 各变量相关系数Fig.4 Correlation coefficient of variables

基于目前已知的定性结论,我们将通过建立定量模型来研究港口建设对城市经济及就业的影响.

如图5,我们画出上海历年GDP与上海港货物吞吐量之间的关系,通过线性回归的方法［2］得出一条近似的拟合直线y=0.2714x-1.4456×103,相应的R-square统计量值为0.98.因此,我们得出相应的结论:每增加1万吨的货物吞吐量,相应的城市GDP增加0.2 714亿元.该结果同《全球港口城市竞争力:中国·上海》［1］中发布的结果一致.

图5 上海历年GDP与货物吞吐量的关系Fig.5 The relationship between historical data of GDP and cargo throughput in Shanghai

同样,我们使用类似的统计模型,分析货物吞吐量与就业之间的关系,结果如图6所示.通过线性模型拟合出来的方程为y=0.0074x+578.891,相应的R-square统计量为0.9 642,每增加1万吨货物吞吐量,预计可增加就业0.007 4万人,增加0.067%.

根据中交水运规划设计院对横沙新港的预测,至2030年横沙港区的集装箱吞吐量预计为1 650-3 100万TEU.以1 650万TEU为例,由于建立横沙新港,其突出的江海中转能力,预计能分流目前在上海港由长江中转而来的集装箱吞吐量约为850万TEU.那么,由此横沙新港增加后,整个横沙港区建成之后的集装箱吞吐量的增量将为(1650-850)万TEU=800万TEU.

基于历史数据,同样根据线性回归模型,得到集装箱吞吐量与货物吞吐量之间的线性关系方程为y=17.8830x+12634,其中R-square统计量为0.99 478,如图7所示.将800万TEU带入方程可得,增加的货物吞吐量约为14 307万吨.根据前面所得出的结论,该货物吞吐量的增加将导致3 883.1亿元的GDP增量,以及105.9万人的从业人员增量.由此可以看出,横沙新港的建成将会给上海带来一定程度的经济增长和社会效益效益,对城市发展有着积极的作用.

图6 上海历年全社会各行业从业人员与货物吞吐量的关系Fig.6 The relationship between historical data of GDP and workforce in Shanghai

图7 上海历年货物吞吐量和集装箱吞吐量的关系Fig.7 The relationship between historical data of container throughput and cargo throughput in Shanghai

2 基于非线性模型港口对城市经济影响的定量分析

从前文的讨论中不难看出,基于线性模型进行的数据分析本身可能产生偏差;从图5和图6也可以看出线性拟合并不是十分精确.由于在实际情况中,来自社会各方面的因素都可能对港口经济系统和区域经济系统产生可预知或不可预知的影响.这些庞杂繁复的影响因素已经变相地表明,经济系统中各变量之间的影响本质上并非基于线性关系而存在,而是一种多元非线性的复杂关系,套用成熟的回归方法可能并不能很好地刻画实际情况中的变化.

基于以上分析,先建立模型再依托模型分析数据相关性不仅难以操作,而且存在很大的缺陷性.自然而然地我们转换思路,让数据自己“说明”它们的关系.因此本节我们将改善模型,采用基于非线性模型来进一步分析港口与城市经济及就业间的关系.BP(Back Propagation)神经网络良好的曲线拟合能力和抗干扰等能力,就是一种很好地让数据自己说话的模型.所以本节选用BP神经网络来建立港口经济-区域经济的仿真模型［3］.

2.1 BP神经网络概述

BP神经网络,即误差逆传播算法的学习过程,由信息的正向传播和误差的反向传播两个过程组成.从结构上讲,BP神经网络是一种分层型网络,由输入层、隐含层和输出层组成,具有很强的非线性映射能力,可以逼近任意连续函数;层与层之间采用全互连的方式,同一层的单元之间不存在相互连接,隐含层可以有一个或多个.信息的正向传播是指,外界的输入信息通过输入层神经元接受后传递给中间层神经元,然后由中间层神经元处理变换信息,最终由输出层向外界输出处理后的信息.如果输出信息与期望输出信息不一致,则进入误差的反向传播过程.BP神经网络的学习训练过程表现为信息正向传播和误差反向传播的不断交替实现,此过程通过各层权值的不断调整,使得误差减少到预设值以内后方可停止,又或者是达到了预设的学习次数后,学习过程结束.当隐含层节点数达到一定数量时,3层BP神经网络足以模拟逼近任意非线性映射.故本节采用3层BP神经网络进行建模,如图8所示.

图8 神经网络模型示意图Fig.8 Schem atic diagram of the neural network m odel

用数学语言简述如下.

已知数据X=(X1,X2,···,Xp),其中Xi=(Xi1,Xi2,···,Xin)T,i=1,2,···,n,Y= (Y1,Y2,···,Yn).我们希望找到Y与X的相关关系(非因果关系),但其关系可能是非线性的、十分复杂的模式.假定为

通过BP神经网络算法,可以在不知函数f具体形式的情况下,得出Y与X的关系.进而在可获得新的数据X*时,可以预测出对应的Y*.

2.2基于M atlab的模型实现(BP神经网络预测可行性检验)

参照文献［3］,拟建立上海港口经济发展与城市经济之间的仿真模型,同样采用3层BP神经网络构建预测模型,即输入层、隐含层及输出层［3］.

输入层:

由于港口经济的发展状况表现在诸多方面,我们不可能一一考量,只能选取最具有代表性的数据,同时有些数据的获取及量化又存在一定的困难.基于以上两点考虑,我们选择4个指标作为输入层变量,来刻画港口经济的发展状况,如图9所示.

图9 BP神经网络参数设置Fig.9 The parameters of BP neural network model

隐含层:

本文采用n=2×k+1=2×4+1=9公式来确定隐含层神经元数目.

上式中k表示输入节点数目,n为计算得出的隐含层神经元数目,因此n=2×4+1= 9个.本文分别采用S型正切函数tansig,以及S型对数函数logsig作为隐含层和输出层的传递函数.在前文所述的理论基础上,现有数据(图10:上海港相关数据)包含上海港口集装箱吞吐量(万TEU)、上海港口货物吞吐量(万吨)、口岸进出口商品总额(亿美元)和外贸进出口商品总额(亿美元)4组历史数据.

输出层:

由于我们想要定量分析港口对城市经济的影响,故输出层的选择要围绕城市经济展开.全市GDP能够比较全面地反映一个城市的经济发展状况,故选择其作为输出层变量.

我们使用M atlab软件对已有数据进行分析［4］.

·对初始数据进行数据归一化

由于我们对隐含层和输出层传递函数的设定,在进行网络学习前需将可能采用的数据进行归一化处理.我们选择使用对数归一化方法,即Y=log10y/10.

·BP网络的训练

神经网络每次产生的初始权值和阈值都不同,所以结果会有差异.然而对样本进行调整有助于网络的优化.因此,在训练之前可以使用上面这种初始化权值阈值方法,使得每次初始化的权值阈值都在0-1之间随机选取.基于此种方法,每次训练出来的网络预测的结果都不会有太大的差异.

·测试数据与预测

测试数据如表1所示,预测主要使用函数为y=sim(net,Ptest).

·可行性检验结果与分析

进过664次迭代之后,模型误差小于容许阈值.如图10所示,蓝线表示实际值,红星表示模型预测值.经过样本容量的训练之后,模型所得出的2012年GDP值为图中最后一点蓝星(20 269.26亿元),红色三角为2012年实际GDP值(20 101.33亿元),如图11所示.

本节采用BP神经网络模型对港口经济与区域经济的关系进行了仿真,并用于区域经济的预测.BP神经网络克服了一般回归模型的缺点,精确度高,泛化能力好.分析得出的BP神经网络模型,可以不断添加历史数据,完善模型,进一步提高预测能力,提高模型的可信度.第2.3节我们将使用上述建立好的模型来进行横沙建港对上海经济影响的分析.

表1 1991—2012年上海港相关数据Tab.1 Relevant data of Shanghai Port from 1991 to 2012

图10 Matlab运行结果图Fig.10 The run resu lt by M atlab

图11 BP神经网络可行性检验结果Fig.11 The result of feasibility test of BP neural network model

2.3基于神经网络模型对横沙建港的经济分析

要实现预测横沙新港对城市经济的影响,即量化横沙成陆后产生的GDP,仍需要以上4组数据作为研究基础.由于横沙成陆项目尚未实施,历史数据尚不可得,根据中交水运规划设计院的预测,至2030年,横沙港区的集装箱吞吐量预计为1 650-3 100万TEU,以1 650万TEU为例,预测港口各指标对城市经济(特指GDP)的影响.

由于我们关心的是横沙建港对GDP的影响,即横沙港区所带来的GDP增长量.在横沙没有成陆的基础上的上海港集装箱吞吐量大小,对横沙港区带来的GDP增量影响甚微.基于历史数据分析,我们发现上海港目前的集装箱吞吐量增长明显放缓,有趋于饱和的态势.因此模型假设:相比于横沙建港对经济的影响,上海港集装箱吞吐量增长带来的GDP增量不作为主要考虑.所以,我们就以目前的上海港集装箱吞吐量3 253万TEU来作为基数考虑.同时,由于横沙港区突出的江海中转能力,预计能分流目前在上海港由长江中转而来的吞吐量约为850万TEU,那么由此横沙港区增加后,整个上海的吞吐量将为(3 253+1 650-850)万TEU=4 053万TEU.

目前除横沙港区集装箱吞吐量以外的3组数据尚不可得.为了实现前文所述的BP神经网络,我们通过建立一元的神经网络模型,分析历史数据,得到集装箱吞吐量和另外3组数据的相关性,来估计横沙港区的相关数据,进而实现BP神经网络算法,预测横沙成陆对GDP的影响.

图12-图14显示了由BP神经网络算法建立的货物吞吐量、口岸进出口商品总额、外贸进出口商品总额与集装箱吞吐量的模型.由此得到2030年货物吞吐量、口岸进出口商品总额、外贸进出口商品总额的预测值分别为79 196万吨、12 884亿美元,5 797.5亿美元.根据第2.2节所建立的BP神经网络模型,代入相关数据对GDP和就业人数进行预测,结果在第2.4节中阐述.

2.4结论与分析

根据2030年横沙港区集装箱吞吐量、货物吞吐量、口岸进出口商品总额、外贸进出口商品总额等4个预估数据,通过BP神经网络算法,在模型误差小于一定容许范围的情况下,得到如下预测结果.

在横沙建港之后,2030年上海GDP由20 101.33亿元增加为25 279亿元,即横沙建港预计带来约5 177.7亿元的GDP增长;全社会各行业从业人员由1 115.5万人增加到1 281.7万人,即全社会各行业从业人员增加约166.2万人.

国家政策、社会环境和经济需求等原因对港口的实际运营有一定影响,预测结果具有一定的波动性,目前得出的结果是在最新的上海GDP约为20 101.33亿元的基础上预测出来的.在缺乏良好经济环境支持的情况下,横沙建港所带来的GDP增长可能有所下降;相反,如果2030年上海GDP高于甚至远高于20 101.33亿元,届时的商品服务、人民的生活需求和企业创造价值等一系列相关经济指标都会有一定的变化,相应,横沙建港所带来的GDP增长也有可能相应增加.但不可否认的是,通过以上量化分析我们可以明确地看到,横沙成陆将带动相关产业的发展,从而带来一定程度的经济效益,对上海的城市发展建设有着积极的作用和不可忽视的影响.

3 结论

本文首先讨论了港口在经济全球化中面临的机遇和挑战;讨论了作为长江入海口枢纽港口在国家战略“一带一路”、长江经济带中肩负的任务;阐述了“城以港兴”、港城互动发展的历史规律;并针对上海港将面临的客观变化,确定采用建立数学模型这种现代科学方法来客观分析横沙建港将会对上海城市发展所起的作用.

图12 BP神经网络预测货物吞吐量Fig.12 Cargo throughput predicted by neural network model

图13 BP神经网络预测口岸进出口商品总额Fig.13 Port im port-export goods total amount predicted by neural network model

图14 BP神经网络预测外贸进出口商品总额Fig.14 Im ports and exports total amount predicted by neural network model

在第2节中,我们通过收集相关港口物流及上海城市经济数据,对得到的数据进行初略的相关性分析后,发现数据间是存在显著的正相关性的.在此基础上,通过一般线性回归方法对上海港货物吞吐量与城市经济间关系进行建模,得到结论为:每增加1万吨的货物吞吐量,相应的城市GDP增加0.2 714亿元及就业增加0.0 074万人,该结果与《全球港口城市竞争力:中国·上海》［1］中发布的结果一致.应用所建立的线性模型,预测整个横沙港区建成之后可能增加集装箱吞吐量约为800万TEU,可能会增加的货物吞吐量约为14 307万吨,并产生3 883.1亿元的城市GDP增量及105.9万人的从业人员增量.可以看出,横沙建港将会给上海带来一定程度的经济增长和社会效益效益,对城市发展有着积极的作用.

考虑到线性模型进行的数据分析本身可能产生偏差,我们将模型推广至非线性情况以进一步提高可靠性.使用BP神经网络模型对港口与城市经济变量进行建模,并使用Matlab软件实现相关的数据分析,得出了基于集装箱吞吐量、货物吞吐量、口岸进出口商品总额和外贸进出口商品总额的城市GDP非线性预测模型.应用实际数据,得到以下结论:以目前经济水平,在横沙建港之后,2030年上海GDP由20 101.33亿元增加为25 279亿元,即横沙建港预计带来约5 177.7亿元的GDP增长;全社会各行业从业人员由1 115.5万人增加到1 281.7万人,即全社会各行业从业人员增加约166.2万人.

从以上结论中我们不难发现,横沙成陆建港对上海城市经济的发展是有积极影响的.但我们必须指出,目前所有的模型建立是基于上海港作为枢纽港的背景下,以其历史数据进行的分析讨论.随着经济全球化及船舶大型化的发展,枢纽港将进一步裂变为全球主枢纽港和区域枢纽港,这两者对城市经济发展的作用将有着质的区别.另外,根据OECD研究得到的结论,城市产业链越发达,港口对城市经济的贡献也将更大.因此,新建的横沙港--全球集装箱班轮主枢纽港,将会为上海这一全国产业链中相对最发达城市的经济建设谋求更大的发展空间.

［1］世界经济合作与发展组织(OECD),上海国际航运研究中心(SISI).全球港口城市竞争力:中国·上海［R］.上海:2013.

［2］RICE J A. Mathematical Statistics and Data Analysis ［M］. New York: Duxburgy press, 2006.

［3］曹玮,于清波,吴飞霞.基于神经网络的福建港城经济仿真及经济预测［J］.才智,2008,22:139-140.

［4］王小川,史峰,郁磊,等.M AT LAB神经网络43个案例分析［M］.北京:北京航空航天大学出版社,2013.

(责任编辑李艺)

Research on the economic rationality of Hengsha new terminal

ZHOU Yu,ZHU Jian-hua,CHEN Jing-chao
(Academ y of International Transport and Logistics,East China Normal University, Shanghai 200062,China)

Based on current situation of Shanghai Port,this paper focuses on the relationship between port and the development of city.First,data of port and GDP of city are analyzed making use of the linear regression model.Furthermore,the influence on economy in Shanghai after Hengsha new terminal is predicted.Considering the possible deviation in the linear model,however,a neural network model is established to forecast corresponding results.By the above quantitative analysis methods,Hengsha new terminal is expected to d rive the development of related industries,bring economic benefits to some extent.In other words,Hengsha new terminal has positive and significant influence on development and construction of Shanghai.

Hengsha new terminal;linear model;neural network model

O 141.4,U 65

A

10.3969/j.issn.1000-5641.2016.01.008

1000-5641(2016)01-0058-11

2015-01

上海市科学技术委员会科技攻关项目(13dz1204900);上海市科学技术协会科技决策咨询项目(2014jczx02)

周瑜,男,博士研究生,研究方向为概率论与数理统计.E-mail:saizy714@qq.com.朱建华,男,教授,高级经济师,研究方向为港口、航运物流.E-mail:zjh5106@163.com.

陈婧超,女,硕士研究生,研究方向为概率论与数理统计.E-mail:jc chen1005@126.com