地理空间视域下“一带一路”航空物流网络结构研究

葛沙沙 姚红光 练柏仪

摘  要：文章构建了机场和国家视角下的“一带一路”航空物流网络（BRAAN & BRNAN）研究模型，借助ArcGIS、Ucinet等软件，从地理空间视域下对其网络结构进行研究。研究表明：（1）机场视角下的BRAAN具有小世界和无标度特性，1 218个机场可以根据中心性划分为三个等级，一级机场具有与高度值节点相似的空间分布;（2）国家视角下的BRNAN的度值、聚类系数空间分布呈现负相关，中国、泰国、俄罗斯、阿联酋、土耳其对于带动“一带一路”航空物流发展具有重大的作用，应进一步积极与更多沿线国家签订航空服务协议，提升专业化、个性化的航空服务。

 关键词：“一带一路”;航空物流网络;统计特征;核心—边缘结构

 中图分类号：F252.8    文献标识码：A

Abstract： This paper constructs“the belt and road”logistics aviation network（BRAAN & BRNAN）research model from the perspective of airports and countries. We use ArcGIS， Ucinet and other software to study its network structure from the perspective of geographic space. Research shows that： （1）BRAAN from the perspective of airports has the characteristics of small world and scale-free， 1 218 airports can be divided into three levels based on centrality， and the first-level airports have a spatial distribution similar to high degree nodes. （2）Research on BRNAN from the perspective of countries indicates that the degree value and the spatial distribution of clustering coefficients are negatively correlated. China， Thailand， Russia， the United Arab Emirates， and Turkey play a major role in driving the development of aviation logistics in“the belt and road”. It is necessary for these to further actively sign aviation agreements with more countries along the route， and to enhance professional and personalized aviation services.

Key words： “the belt and road”; aviation logistics network; statistical characteristics; core-hierarchical structure

0  引  言

2015年3月，中国发起的“一带一路”倡议构想迈入实施阶段。“一带一路”沿线各国共同推动构建人类命运共同体，已经取得了显著的进展与成效，初步实现了“政策沟通、设施联通、贸易畅通、资金融通、民心相通”[1]。2019年，中国已与62个“一带一路”沿线国家签订了双边航空服务协定;与其中43个国家实现空中直航;每周有约4 200个航班往返在中国和“一带一路”沿线国家之间[2]。然而，航空运输在“一带一路”沿线发挥的作用尚不及水运和铁路运输。为进一步发挥航空运输优势，需要从整体上对“一带一路”航空物流网络的结构特征和地理格局进行分析。

航空网络由于通航城市、航线数量庞大，具有显著的复杂网络特性[3]，是一个小世界网络，有着幂律下降的度分布，通常具有较小的平均路径长度和聚类系数[4-5]。“一带一路”航空网络面对蓄意攻击时鲁棒性很差;需要确定网络中的核心节点;通过提高风险管理意识和构建多机场系统的手段，来规避航空网络遭受攻击时所带来的波及影响[6]。现有研究仍有可完善之处：（1）选取机场节点数量不足以反映“一带一路”航空物流网络整体;（2）简单地以国家间是否通航来构建邻接矩阵，实际上应考虑权重;（3）对航空物流网络的地理空间格局分析尚不充分。因此，本文从地理空间视角研究“一带一路”航空物流网络结构，不仅以一种全新的视角填补理论研究的不足，也有助于促进航空網络的发展，有助于为进一步推进“一带一路”战略提供理论依据。

1  数据来源和研究

1.1  “一带一路”航空物流网络数据说明

根据“中国一带一路网”（https：//www.yidaiyilu.gov.cn/），“一带一路”范围界定为东北亚、东南亚、中东欧、中亚、南亚、西亚北非这六个地区，共由65个国家所组成的区域。本研究地理范围涵盖65个国家的1 218个主要机场。

1.2  “一带一路”航空物流网络结构分析模型

复杂网络的数学描述记为图G=V，E，其中：V是节点集合，E是边的集合，引入复杂网络结构模型体系[7]（表1）。指标测算通过社会网络分析软件Ucinet测算[8]。

2  机场视角下的“一带一路”航空物流网络结构分析

2.1  无标度特性和小世界特性

机场视角下的“一带一路”航空物流网络（BRAAN），网络总度数为22 549，平均度为18.513，即平均每个机场约与其他19个机场建立了直接的航空联系。由图3可知，度分布遵循“二八定律”，大部分机场节点对外连接的航线较少，其中度为1，2，3的节点比例最高，分别为189、150、107，占比达到36.62%，即BRAAN中有36.62%的机场仅对外连接不超过3个机场，这种大量节点只与少数节点相连的非均匀分布，表现出BRAAN的无标度特性[9]。

平均路径长度为1.982，即任一机场到其他机场平均需要经过2条边，表现出较好的可达性。聚类系数为0.714，表明“一带一路”沿线的机场之间形成短距离联系的可能性较大。BRAAN具有1 218个节点，网络规模较大，连接复杂。因此，仅通过比较“一带一路”和其他当地国家或航空公司的航空网络的聚类系数和最短路径无法判断BRAAN是否具有小世界的特征。本文构建相应大小的ER随机网络来作为判断小世界特征的标准。通过Pajek测得，节点数为1 218，平均度为19的ER随机网络的平均路径长度为2.724，聚类系数为0.015。因此相比与随机网络，BRAAN表现出复杂网络的“小世界”网络特征。

2.2  度与聚类系数空间分布特征

图4为BRAAN的机场节点度值随经纬度变化图，可以看出，度值低于50的节点占比较多，且在经纬度的分布上都具有连续性;度值较高的节点在经纬度分布上较为分散，多处于东经30°～40°和东经100°～125°，北纬20°～40°之间，说明通达性高、规模大的机场大多处在这些地理区域内。各地区按机场平均规模和通达性从大到小排序为：东北亚（31.06）—西亚和北非（16.14）—中东欧（13.46）—中亚（12.32）—南亚（10.78）—东南亚（10.47）。

网络的聚类系数用来衡量网络节点聚类情况，反映邻居节点之间的紧密程度。图5为BRAAN的机场节点聚类系数随经纬度变化关系图，可以看出聚类系数为1和0的节点在经纬度上的分布均具有较好的连续性。各地区的邻居节点之间的紧密程度从大到小排序为东北亚（0.676）—中亚（0.640）—西亚和北非（0.600）—南亚（0.560）—东南亚（0.556）—中东欧（0.497）。

2.3  中心化水平分析

对中心性指标进行测算，统计结果见图6。度中心性反应节点在网络中的重要程度和中心地位，BRAAN度中心值最大为0.2（北京首都），最小为0.001（奠边府），二者度中心值差距达到200倍，可见以BRAAN的节点重要地位两极差距大。邻近中心性反映了节点对整个网络的控制能力，体现组织效率，是一种全局性的中心性，邻近中心性最大者为北京首都（0.167），最小者为哈萨克、切尔诺夫策、阿布扎比、富查伊、德尔马岛博恩霍尔姆、金瓯、奠边府（0.118），二者邻近中心值差距仅是1.42倍，远小于度中心性。由邻近中心性的位序—规模图，北京首都、广州白云、成都双流、莫斯科多莫杰多沃、昆明长水、上海浦东、西安咸阳、深圳宝安、伊斯坦布尔等127个机场邻近中心值高于0.15，邻近中心值介于0.1～0.15之间的节点高达

1 092个，趋势线斜率为-0.0024，置信度为0.9521，整体呈下降趋势缓慢，可见节点的整体可达性均较好，体现了BRAAN“小世界”效应的高联通效率。介中心性反应节点的中转和衔接能力。介中心值最大为北京首都（0.091），最小值仅为0，在235个介中心值不为0的机场中，只有26.38%的机场介中心值大于0.01，3%的机场介中心值大于0.05，可见以机场为节点的BRAAN整体中转、衔接能力较低。

2.4  机场中心性空间格局

通过ArcMap和自然间断分级法（Jenk）对BRAAN的机场节点中心性的空间格局进行分析（图7）。

 度中心性在空间分布上呈现出明显的跳跃性和不连续性，空间差异明显。度中心值高于0.057的第一分类点的机场节点数量为77，占比为6.32%，分布在中国、俄罗斯、沙特阿拉伯、阿联酋、土耳其、泰国、印度等17个国家，其中分布在中国机场数量最高（45），其次是俄罗斯（7）。度中心性低于0.019的第三类机场数量最多（956），占比79.23%。度中心值在数值和空间分布上的差异性体现出BRAAN有可能存在分级层次结构。

邻近中心性高值节点显然多于度中心性，最小值为0.001，最大值为0.167，邻近中心值高于0.139的第一类机场数量为698（57.3%），地理分布上包括“一带一路”六大地区，度中心性的高值节点往往具有较高的邻近中心性，这些节点在网络中具有较高的重要程度和相对可达性;而度中心值低的节点不一定具有较低的邻近中心值，体现直接可达性和间接可达性之间低水平的关联程度。

 介中心值最小值为0，最大值为0.0905。不难看出，介中心性的分布与度中心性具有相似的地理分布。介中心值高于0.0252的机场数量为22个（1.81%），分布于中國、俄罗斯、土耳其、阿联酋和泰国5个国家，表明网络中具有高中转、衔接能力的国家同时具有较高的直接可达性和重要地位。

利用系统聚类的方法（平方欧式距离、组间联接），对三种中心性指标进行了聚类，聚类结果表明，航空物流网络的机场节点可以根据中心性划分为三个等级。其中，一级节点数量为40，二级节点数量为159，三级节点数量为1 019。在图7中，绿、黑、白三色分别代表一、二、三级机场。其中，一级机场多数分布在中国、俄罗斯、土耳其、阿联酋、泰国、马来西亚、新加坡、沙特阿拉伯这几个国家;其空间分布上具有与高度值节点类似的分布，但节点数量低于度值，故一级机场往往具有高度值的特性，而高度值的机场不一定是一级机场。二级机场空间分布相对一级机场具有依赖性，其分布轨迹往往伴随着一级机场轨迹。

3  国家视角下的“一带一路”航空物流网络结构分析

3.1  度和聚类系数空间分布

测算国家视角下“一带一路”航空物流网络（BRNAN）的结构指标。

 度值统计分布呈两边低、中间高的分布，空间分布差异明显，形成“东西高，南部低，中部塌陷”的空间格局。度值位于前五的节点分别是西亚北非的土耳其（55）、阿联酋（54）和卡塔尔（41），东北亚的俄罗斯（44）、中国（43），说明这些国家的通航国家数量在网络中处于较高水平;南亚的不丹、尼泊尔以及东南亚的缅甸、柬埔寨、文莱、老挝、东帝汶度值处于较低水平;东北亚的蒙古国，中亚的吉尔吉斯斯坦、塔吉克斯坦以及中东欧的马其顿、立陶宛、阿尔巴尼亚、波黑、摩尔多瓦、爱沙尼亚度值均低于14，形成中部的度值塌陷。

 聚类系数数值分布较为集中，极值差距小，空间分布呈现出与度值相反的特征：“东西低，南侧高，中部凸出”。度值前五位的国家具有低的聚类系数，按从小到大的顺序为：阿联酋（0.372）、土耳其（0.378）、俄罗斯（0.415）、中国（0.43）、卡塔尔（0.455）。聚类系数较高的国家普遍分布在南亚、东南亚、中东欧和西亚北非地区，以及东北亚的蒙古，形成南侧高、中间突出的分布特征。

 BRNAN度值和聚类系数的空间分布如图8所示。

3.2  点强度分析

通过， i，j=1，2，…，1 218的加权矩阵可以得出以国家为节点BRNAN点强度，前五位国家点强度见表3。网络总度值为21 931，其中国家内部度值为14 856（0.68），说明网络中各国家内部联通程度高于国家间联通。点强度最高的國家为中国，其内外部联通度值均处于首位，其次是俄罗斯、印度、印度尼西亚和土耳其，这些节点均具有高的网络地位，且国内航空较为发达。

3.3  核心—边缘结构

核心—边缘结构分析将节点分为核心、半核心、边缘三种类型。用Ucinet测算以国家为节点的加权BRNAN核心度（Core degree）[10]。核心度越高的国家，在网络中越可能处于核心地位。根据测算结果，本文核心度划分标准定为：超过0.1的为核心，0.1～0.01之间的为半核心，低于0.01的为边缘[11]。

BRNAN的核心—边缘结构地理分布具有不连续性和极化现象（图9），a、b、c分别表示边缘、半核心、核心成员国的航线联通情况。核心国家分别是东北亚的中国（0.934）和俄罗斯（0.145），东南亚的泰国（0.265），平均每个核心国家与41个国家通航，中国的核心度远超其他国家。半核心国家数量为21（32%），主要包括中亚的哈萨克斯坦和乌兹别克斯坦，中东欧的乌克兰，西亚北非的土耳其、叙利亚、阿塞拜疆和OPEC成员国阿联酋、沙特阿拉伯、卡塔尔，东南亚的马来西亚、柬埔寨、印度尼西亚、新加坡等国家，以及南亚地区的印度、马尔代夫、巴基斯坦，共21个国家，平均每个半核心国家与24个国家通航。半核心和核心成员国的航线连接紧密程度都较高（b、c），二者主要最主要差距体现在核心成员国外部点强度更高。印度、阿联酋、土耳其的度、簇系数、外部点强度均与核心成员国的这些特征相似，这三个国家没有分类为核心是出乎意料的，然而其节点重要程度不言而喻。边缘国家数量最多，为41（63%），多分布在中东欧和西亚北非两大地区，中亚、南亚和东南亚也有分布，平均每个边缘国家与19个国家通航，且边缘国家主要与核心国家有航线联系。

4  结  论

本文分别以“一带一路”沿线1 218个机场和65个国家为节点，根据节点间的通航情况构建“一带一路”航空物流网络，并基于复杂网络理论和统计对网络结构进行分析。研究结果表明：

（1）机场视角下的“一带一路”航空物流网络（BRAAN）度分布空间上呈跳跃性和不连续性，不同地区度值差异较大，度值空间分布差异明显，具有复杂网络的无标度特性。

（2）相较于其他具有小世界特性的航空网络，BRAAN有较低的平均路径长度（2.72）和较高的聚类系数（0.722），体现出网络较好的可达性和集聚性，具有小世界特征。

 （3）BRAAN的节点可以根据中心性划分为三个等级。其中，一级机场具有与高度值节点相似的空间分布;二级机场的空间分布相对一级机场具有依赖性;度值是决定机场等级划分的重要因素。

 （4）国家视角下的“一带一路”航空物流网络（BRNAN）度值、聚类系数空间分布呈现负相关，相对于高度值节点，低度值节点更容易聚集成团;土耳其、阿联酋、俄罗斯、中国、卡塔尔有较高的度值和较低的聚类系数;点强度则只有中国、俄罗斯、土耳其处于较高地位。

 （5）以国家为节点的加权航空物流网络具有“核心—边缘”结构，其地理分布具有不连续性和极化现象中国、泰国、俄罗斯处于核心地位;处于航空物流网络边缘位置的国家，往往具有较低的度值和点强度，较高的聚类系数，如不丹、也门、东帝汶、巴勒斯坦、爱沙尼亚等国家;目前这些国家的航空发展状况与经济社会、国土面积、地理位置、人口数量等都有关系，对这些国家的发展策略需要立足于本国实际情况循序渐进，逐步优化与“一带一路”沿线国家的航空联系和服务。

 （6）中国、泰国、俄罗斯、阿联酋、土耳其对于带动“一带一路”航空运输发展具有重大的作用，应进一步积极与更多沿线国家签订航空服务协议，提升专业化、个性化的航空服务。

参考文献：

[1] 陈伟光，郭晴. 中国对“一带一路”沿线国家投资的潜力估计与区位选择[J]. 宏观经济研究，2016（9）：148-161.

[2] 徐晓楠，朱名仁. 中国与“一带一路”沿线国家所签订的双边航空运输协定研究——以航空运输自由化为视角[J]. 法制与社会，2019（10）：76-77.

[3] 姚红光，朱丽萍. 基于仿真分析的中国航空网络鲁棒性研究[J]. 武汉理工大学学报（交通科学与工程版），2012，36（1）：42-46.

[4] Roger G， L A N， A. Modeling the world-wide airport network[J]. The European Physical Journal， 2004，89：381-385.

[5] 曾小舟. 基于复杂网络理论的中国航空网络结构实证研究与分析[D]. 南京：南京航空航天大学（博士学位论文），2012.

[6] 卓志强，姚红光. “一带一路”沿线航空网络结构及其鲁棒性研究[J]. 物流科技，2018，41（5）：78-84.

[7] 莫辉辉，王姣娥. 复杂交通网络：结构、过程与机理[M]. 北京：经济管理出版社，2012：43-87.

[8] 刘军. 整体网分析讲义[M]. 上海：格致出版社，2009：54-69.

[9] 杨文龙，杜德斌，马亚华，等. “一带一路”沿线国家贸易网络空间结构与邻近性[J]. 地理研究，2018，37（11）：2218-2235.

[10] 魏晓俊，谭宗颖. 基于核心—边缘结构的国际科技合作网络分析——以纳米科技（1996-2004年）为例[J]. 图书情报工作，2006（12）：35-38，70.

[11] 陈银飞. 2000-2009年世界贸易格局的社会网络分析[J]. 国际贸易问题，2011（11）：31-42.

收稿日期：2021-06-06

基金项目：国家社会科学基金项目（16BGL014）

作者简介：葛沙沙（1994-），女，河南济源人，上海工程技术大学硕士研究生，研究方向：航空运输规划与管理、航空物流管理;姚红光（1978-），男，黑龙江哈尔滨人，上海工程技术大学，副教授，博士，研究方向：航空物流管理。