, 程诗奋The robustness evaluation of global maritime transportation networks
PENGPeng, CHENGShifen通讯作者:
收稿日期:2017-02-22
修回日期:2017-10-18
网络出版日期:2017-12-25
版权声明:2017《地理学报》编辑部本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (3044KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
海洋运输占全球进出口货物运输量的90%以上[1]。海洋运输效率对全球经济发展、国际政治和社会经济交流影响重大。同时,海洋运输效率也极易受到自然灾害和政局变化等突发事件的影响[2]。因此,定量评估海洋运输网络结构的抗干扰能力,并提出针对性的改进建议,对于提高海洋运输效率、增强海洋运输基础设施投资的决策科学性具有重要的现实意义。结构稳定性分析是复杂网络研究的重要命题。健壮性（Robustness）和脆弱性（Vulnerability）从对立的角度来衡量网络结构保持稳定的能力。健壮性是指在网络中的节点（边）发生随机故障或遭受蓄意攻击的条件下,网络维持其功能的能力[3-4]。亦有研究采用可靠性[5]或鲁棒性[6]等概念。在复杂网络研究中,采用健壮性的概念更为普遍[7-8]。而脆弱性是指由于系统对内外扰动的敏感性以及缺乏应对能力从而使系统的结构和功能容易发生改变的一种属性[9]。脆弱性是从健壮性的对立面来阐述网络结构的稳定性。健壮性高低反映了抗干扰能力的强弱。而脆弱性高低的含义可能会引起认知歧义。本文通过攻击网络来观察网络中各项评估指标的变化,以对比不同海洋运输网络之间抗干扰能力的差异。因此,采用健壮性这一概念来衡量网络结构。
网络健壮性在道路网络[10-11]、航空货运网络[5, 12]、电力网络[13]等多个领域均已有广泛研究。针对海洋运输网络,Woolleymeza等将之与航空运输网络进行了对比,认为海洋运输网络在面对蓄意攻击时体现出更好的健壮性[14]。邓贵仕等分析了全球海洋运输网络节点度分布、度值相关性和节点度与介数相关性,发现度值大的节点优先与度值较大节点连接,度值大的节点介数也较大,因而度值较大的节点对海洋运输网络影响程度较大[15]。王诺等采用2004年和2014年世界主要集装箱班轮公司航线数据开展分析,发现在蓄意攻击下,近10年来全球集装箱海洋运输网络呈现越来越脆弱的趋势[16]。然而,当前针对海洋运输网络健壮性的研究多采用大型集装箱公司所提供的班轮数据,仅包含主要集装箱运输航线和集装箱港口。实际上,海洋货物运输涉及不同的货物类型。除集装箱运输外,散货和原油运输也是海洋运输的重要组成部分[17]。而且,不同的港口具有不同的功能定位,且港口呈现很强的运输货物差异性,这种差异对全球海洋运输网络结构有着重要影响。因此,海洋货运网络结构分析不能仅聚焦于网络几何形态的分析过程,将所有港口界定为具有相同功能,而需要考虑不同类型港口和航线特征差异。
船舶自动识别系统（Automatic Identification System, AIS）能实时获取船舶位置与轨迹、停留点、停留时长、其他货运相关信息等,具有实时性强、数据量大、数据内容丰富的特点,能够很好地反映不同类型船舶的货运状态[18]。岸基与卫星AIS设备通过实时或周期性的与船载AIS设备进行数据交换,可获取船舶的实时位置等相关信息。本文基于海运船舶AIS数据,分别构建细粒度的原油运输网络、集装箱运输网络和散货运输网络,并采用复杂网络分析方法,评估三种网络的健壮性,为海洋货物运输系统的优化决策提供支持。
2 实验数据
本文利用2015年全年的全球海洋货物运输船舶AIS数据开展分析工作,船舶运输轨迹密度分布如图1所示。完整的全球海洋货运网络是由很多不同类型船舶行驶航线组成的子网络构成的[19],不同子网络具有不同的运输特征和港口需求。海洋运输网络健壮性分析需要在不同类型子网络上进行。由于原油舶、集装箱船和散货船这三种类型船舶在海洋货物运输量中占比达89%,因此本文选取这三类货物运输船舶产生的轨迹数据来识别船舶进出港记录,并据此分别构建运输网络,三种货物运输网络如图2所示。表1所示为三种货运网络的基本统计特征。
显示原图|下载原图ZIP|生成PPT图12015年全球海洋运输船舶轨迹密度
-->Fig. 1Traffic density of global maritime transportation in 2015
-->
显示原图|下载原图ZIP|生成PPT图2不同类型海洋货物运输网络结构
-->Fig. 2Structure of different cargo ship networks
-->
Tab. 1
表1
表1三种货运网络的基本特征
Tab. 1Characterization of different cargo ship networks
| 网络类型 | 船舶数量 | 船舶进出港数 | 港口数 | 航线数 | 平均度 | 聚类系数 | 平均最短路径 |
|---|---|---|---|---|---|---|---|
| 原油运输网络 | 8913 | 521628 | 2042 | 44219 | 43.31 | 0.56 | 2.75 |
| 集装箱运输网络 | 4936 | 396833 | 1488 | 17135 | 23.03 | 0.55 | 2.99 |
| 散货运输网络 | 10189 | 274435 | 1969 | 45850 | 46.57 | 0.46 | 2.67 |
新窗口打开
以往研究所采用的集装箱班轮运输网络涉及港口和航线数量有限,如文献[20]所采用的运输网络仅包含777个港口、7553条航线,而本文采用货运船舶AIS数据构建的货运网络涉及2000以上港口、8万多条航线,且很多港口并非集装箱港口。与班轮运输网络相比,利用货运船舶AIS数据构建的运输网络更完整地反映了全球海洋运输格局和过程。此外,较之集装箱班轮运输网络,基于AIS数据构建的货运网络能够反映出不同功能类型的港口在网络中的特征。
即使是对集装箱运输而言,本文采用AIS数据构建的全球集装箱运输网络也涉及1488个港口、17135条航线,远大于以往研究所采用的集装箱班轮数据,几乎覆盖所有的集装箱货运航线。此外,集装箱班轮数据仅仅包含定期航线,而实际上集装箱运输还存在大量不定期航线,经营大宗,低价货物运输业务。通过对比班轮运输网络与基于AIS数据建立的集装箱运输网络发现,实际上集装箱港口之间存在更多的贸易往来。反映在港口节点度值这一指标上,利用AIS数据构建的集装箱运输网络的平均度值为23.03,而集装箱班轮运输网络的平均度值仅为9.7207[21]。在平均最短路径上,基于AIS数据建立的集装箱运输网络的平均最短路径为2.99,而班轮运输网络的平均最短路径为3.26[21],说明集装箱运输在实际中需要更少的港口中转。
由表1可以看出,三种货物运输网络都体现出了“小世界”特征,即节点之间的距离较短,且聚集程度很高[22]。此外,这三种网络节点的中介中心性[23]也体现出了很大的差异性,有些港口在三种类型的运输网络中排名都比较高,如新加坡港在三种类型货运网络的中介中心性都排名前三;但有些港口只在单一类型货运网络中排名比较靠前,如集装箱运输网络中介中心性排名第5位的舟山港,在散货运输网络中排名第18位,在原油运输网络中仅排在第38位。
3 海洋运输网络健壮性评估
3.1 网络结构分析
网络的无标度特性指网络的节点度服从幂律分布[24]。一般认为无标度网络同时显现出针对随机故障的健壮性和针对蓄意攻击的脆弱性[25]。本文中节点度的变化规律用分布函数P(k)来表示,即一个节点恰有k条边的概率。在双对数坐标系下海洋运输网络的度分布如图3所示,通过对这三种网络进行幂律函数拟合,拟合优度都在0.7以上,可见三种网络均较好地服从幂律分布,即均属于无标度网络。
显示原图|下载原图ZIP|生成PPT图3海洋运输网络节点的度分布
-->Fig. 3The degree distribution of maritime transportation networks
-->
本文采用一组从节点到网络整体的拓扑特征度量指标描述网络健壮性。海洋运输网络G表示为：
式中：N为港口节点集合;E为港口间货物运输航线的集合。
3.2 港口重要性度量指标
本文采用节点度、中介中心性两个指标来判断港口在整个海洋运输网络中的重要程度。港口节点度di表示与港口i存在直达航线的港口数目,是衡量一个港口重要性的最基本度量指标。节点度表达了网络中局部区域内港口之间的通达性。节点度计算公式为：$d_{i}=\sum\limits_{j∈N,j≠i}e_{ij}$ （2）
式中：N为港口节点集合;i、j分别为集合N中的两个不同港口节点;eij表示港口节点i、j的连接情况,若港口节点i与j之间存在直达运输航线,则eij的值为1,否则为0。港口节点的度值越高,则表示其在网络局部范围内越重要,如海洋运输网络中的枢纽港口。
港口中介中心性表示经过该港口节点的港口间最短航线数量比例,代表了网络全局范围内的海运效率。中介中心性计算公式为：
$Bc(v)=\sum\limits _{u≠w∈v}\frac{\sigma_{uw}(v)}{ \sigma_{uw}}$ （3）
式中：V表示港口集合;σuw表示任意两个港口之间最短航线数,而σuw(v)则表示这些最短航线中,经过港口v的数目。在海洋货物运输中,具有较高中介中心性的港口往往是影响货物运输效率的关键节点。如苏伊士港作为欧洲至亚太地区的长距离货物运输中心节点之一,是众多以欧洲大陆为起点或终点货船的必经港口。
3.3 网络复杂性度量指标
从网络的整体出发分析网络结构,最常用的度量指标是平均最短路径距离、聚类系数和网络的破碎度。平均最短距离表达的是网络中连接任意两个节点的拓扑路径长度（从一个出发节点到达另一个节点所经历的中间节点个数）的平均值,计算公式为：
$l=\frac{1}{n(n-1)}\sum\limits_{v∈V}\sum\limits_{w≠v∈V}d(v,w)$ （4）
式中：n表示网络中节点数目;
式中：D表示网络的直径,即网络中两两节点间最短路径长度的最大值,即：
$D=max(\sum\limits_{v∈V}\sum\limits_{w≠v∈V}d(v,w))$ （6）
聚类系数[26]是网络中节点之间相互连接紧密程度的表征,网络整体的聚类系数C表示的是网络中所有节点聚类系数的平均值,即：
$C=\frac{1}{N}\sum\limits_{v∈V}C_{v}$（7）
式中：Cv表示节点v的聚类系数,即节点v所有邻居节点之间存在的连接数与可能存在的最大连接数之间的比值;Ni为节点v所有邻居节点组成的集合;kv为集合Ni中包含的节点数目。比值越大,则节点所处的局部区域内节点两两直接相连的比例越高,货物在该区域运输时经由港口越少,且有较多运输中转港口可供选择,网络的局部运输效率越高。
港口或航线的失效会导致海洋运输网络结构的分裂。分裂越严重意味着网络越破碎,运输效率就越低。网络的破碎程度可以通过网络中最大子图相对规模S来度量。最大子图相对规模表达的是网络中最大联通子图与原始网络所包含的节点数目之比：
式中：ns表示当前网络中最大联通子图中所包含的节点数目;n为原始网络G所包含的节点数目。
4 网络健壮性评估过程
本文采用一组随机和蓄意的模拟攻击来观察海洋运输网络结构的变化状况,并以此来衡量海洋网络的健壮性。其中,随机攻击是从网络中随机移除节点;蓄意攻击则对节点依照其重要程度（不同评价策略会导致不同的重要程度排序结果）进行移除。由于连接度高的节点具有较高的可达性,中介中心性高的节点对连通程度有较大的影响,本文设计了针对节点度和中介中心性的攻击策略来决定每次模拟攻击时被选中的节点（重要程度越低的节点对网络的影响越小）。针对不同结构的海洋运输网络依据三种攻击策略分别展开实验,对网络进行持续性模拟攻击：每次删除网络中的一个节点及其所有连接边（蓄意攻击时还需重新计算当前网络中度最大或中介中心性最大的节点[27]）,统计此时网络的L、C和S,循环进行直至网络中所有节点都被删除或成为孤立节点,即网络完全失效为止。
4.1 模拟攻击实验
图4、图5和图6中X轴表示攻击程度f,即网络中被攻击的节点数与原始网络节点数的比值,Y轴分别表示当前网络结构特征度量指标：相对平均最短路径距离L、聚类系数C和网络的破碎度S。
显示原图|下载原图ZIP|生成PPT图4随机攻击下货运网络结构变化
-->Fig. 4Cargo ship network structural changes under random attacks
-->
显示原图|下载原图ZIP|生成PPT图5基于节点度攻击下货运网络结构变化
-->Fig. 5Cargo ship network structural changes under degree-based attacks
-->
显示原图|下载原图ZIP|生成PPT图6基于节点中介中心性的蓄意攻击下货运网络结构变化
-->Fig. 6Cargo ship network structural changes under betweenness-based intentional attacks
-->
图4表示的是海洋运输网络受到持续性随机模拟攻击时的结构变化情况,即随着失效节点的增加,网络的相对平均最短路径L、聚类系数C和破碎度S的变化。从图4中可以看出,不同类型的网络在随机攻击下的结构变化过程并无显著差异,L和C基本保持平稳,而S则在整个过程中表现出缓慢持续下降的趋势。
图5展示了基于节点度的蓄意攻击下海洋货物运输网络的结构变化情况。图5与图4对比可以看出,基于节点度的蓄意攻击下网络的结构变化与随机性攻击差别较大,具体表现为L先急剧增大,然后再急剧减小;聚类系数C则直接迅速下降为0;与聚类系数C类似,S也表现为急剧减小,表示网络会迅速崩溃。S的变化表明,在网络整体崩溃时,失效节点的比例远小于随机攻击时失效节点比例,说明基于节点度的蓄意攻击对网络的破坏性比随机攻击大。
对比这三种网络破碎度S的变化过程,明显看出,当依次移除相同比例的港口节点时,集装箱运输网络破碎速度最快,其次为原油运输网络,最后为散货运输网络;而从网络局部效率C和全局效率L的变化过程来看,也呈现出集装箱、原油、散货运输网络依次降低的情形。
图6展示了基于节点中介中心性的蓄意攻击下海洋运输网络的结构变化情况。可以看出,基于节点中介中心性的蓄意攻击对网络的破坏程度最为严重,在被攻击的节点比例明显低于其他两种攻击策略时,即表现出网络分裂和崩溃的状态。L表现为先急剧增大,然后再急剧减小。此外,聚类系数C表现为先缓慢下降,再持续上升。该上升过程说明基于节点中介中心性的蓄意攻击会使得网络分裂为内部连接紧密但与外界不连通的封闭子网络。S表现为急剧减小,且网络比基于节点度的蓄意攻击更加迅速地崩溃。
可以看出,无论是基于港口节点度的蓄意攻击,还是基于港口节点中介中心性的蓄意攻击过程,网络破碎度S、局部效率C和全局效率L均呈现出相同的变化模式。因此,针对蓄意攻击过程,散货运输网络健壮性优于原油运输网络,原油运输网络优于集装箱运输网络,集装箱运输网络最为脆弱。
4.2 网络崩溃阈值
从图4~图6可以看出,海洋运输网络对于不同类型的攻击均具有一定的抵御能力,即在网络分裂开始之前,尽管会出现传输效率下降,但网络仍具有运转能力,然而一旦分裂产生后,网络将受到严重破坏而迅速崩溃。因此识别出不同货运网络出现分裂时的阈值将有助于对海洋运输过程提出预警。图7展示了实验中不同类型货运网络在受到不同类型攻击时产生分裂的阈值：① 对于随机攻击,海洋运输网络表现出很好的健壮性,即使是分裂阈值最小的集装箱运输网络,也仅当70.6%的港口失效后,网络才开始全面崩溃;② 对于蓄意攻击,海洋运输网络健壮性较差,尤其是基于中介中心性的攻击过程,极易导致整个网络崩溃,例如对于集装箱运输网络,如果中介中心性较高的部分港口失效,即使只占全部港口比例的11.2%,也会迅速导致网络破碎直至崩溃。
显示原图|下载原图ZIP|生成PPT图7不同类型攻击下货运网络的分裂阈值
-->Fig. 7Splitting thresholds of cargo networks under different attacks
-->
4.3 重要港口节点
根据前文所述,对于蓄意攻击,三种类型的网络都表现得很脆弱,且攻击节点中介中心性值较高的节点,对海洋运输网络的破坏性最强。因此,为了保证全球海洋运输的正常运转,需要重点保证中介中心性值排名靠前的港口的稳定,即枢纽港口和某些类型货物运输所必经的港口,如新加坡港、塞得港等。本文对三种海洋运输网络中的港口依据中介中心性值进行了排序。图8展示了三种海洋运输网络中介中心性排名前十的港口。
显示原图|下载原图ZIP|生成PPT图8中介中心性排名前十的港口
-->Fig. 8Top 10 ports based on betweenness centrality in the three networks
-->
5 讨论
当部分港口出现故障时,剩余港口之间的连通性将极大地影响货物运输的效率。根据网络破碎度的定义可知,当移除节点f的比例与网络的破碎度S的变化曲线越接近S = 1-f时,节点的移除对网络完整性的破坏越小,且当变化曲线为S = 1-f时,节点的移除并不会影响网络剩余节点之间的相互连通;而变化曲线越接近f = 0时,则节点的移除对网络完整性破坏越大。在现实中,海洋运输网络不会遭到完全破坏,本文需重点关注网络中小部分港口失效时,其余港口的连通性。由图5中S变化可知,在随机攻击时,面对小部分节点的移除,比如10%的节点,网络的破碎过程基本接近S = 1-f,即随机攻击不会对海洋运输网络造成巨大破坏;由图6和图7中S变化可知,面对蓄意攻击时,当移除10%的节点时,散货运输网络和原油运输网络的破碎过程变化曲线拟合为S = 1-1.1f,集装箱运输网络的变化过程曲线拟合为S = 1-1.6f,由表2进一步可知,当移除10%节点时,集装箱运输网络有90个节点（6%）不与最大连通子图相连,而散货运输网络和原油运输网络仅有20个节点（1%）不与最大连通子图相连;故小部分节点的移除,对于集装箱运输网络港口之间的相互连接有较大影响,而对于散货运输网络和原油运输网络港口之间的相互连接相对影响较小。原因在于,散货和原油运输所涉及的港口和航线较集装箱运输更多,从网络结构上反映,散货运输网络和原油运输网络较集装箱运输网络连接得更加紧密,从而在面对攻击时,表现得更加可靠。
Tab. 2
表2
表2移除10%节点后网络剩余节点数和最大连接子图节点数
Tab. 2Remaining nodes and the size of the largest component with 10% nodes removed
| 网络类型 | 剩余节点数 | 最大连接子图节点数 |
|---|---|---|
| 原油运输网络 | 1837 | 1817 |
| 集装箱运输网络 | 1339 | 1249 |
| 散货运输网络 | 1772 | 1752 |
新窗口打开
对比全球航空网络,当移除10%节点时,基于节点度的蓄意攻击时航空网络的变化过程曲线拟合为S = 1-4f,即有30%（约1200个节点）的节点不与最大连通子图相连[14],即对网络连通性破坏很大。相对而言,小部分节点的移除对海洋运输网络完整性的破坏很小。其可能原因有：① 海洋运输网络连接很紧密。具体体现在节点平均度值较大,网络的平均最短路径值较小（表1）。相比之下,航空网络节点平均度值为12.51,平均最短路径值为4.16[14]。② 重要的港口节点（如枢纽港口）都有与之临近港口节点可替换承担类似的运输功能,即使该港口出现故障,与之相临近的港口也能提供中转功能,比如新加坡港与巴生港,上海港与舟山港,香港港与深圳港等。
6 结论与展望
本文采用2015年全球海洋运输船舶AIS数据构建全球海洋运输网络,并对不同类型的海洋运输网络的结构健壮性进行定量化分析,得到以下结论：① 与基于集装箱班轮起止港口信息的运输网络相比,利用货运船舶AIS数据构建的全球海洋运输网络更完整地反映了全球海洋运输网络格局和变化过程;② 不同货运类型运输网络结构健壮性存在巨大差异,散货运输网络最健壮,其次为原油运输网络,集装箱运输网络最脆弱;③ 小规模的港口失效对集装箱运输网络连通性影响较大,而几乎不会影响到散货运输网络和原油运输网络的连通性。集装箱运输网络的航线布局尚有很大的优化空间来提高其网络的健壮性。本文通过细分货运类型来研究海洋运输网络健壮性,实现了对海洋运输网络结构的细粒度刻画,研究成果可为港口发展规划、航线设计与优化等提供决策参考。然而,本文仅考虑了静态的海洋运输网络健壮性,但实际上海洋运输网络健壮性除了受到网络结构的制约外,港口的交通流量、气候等因素也会对其产生很大影响。除此之外,本文在选择持续性模拟攻击时,未考虑港口节点失效时产生的级联效应。未来的研究将对动态环境下海洋运输网络的健壮性进行深入分析。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
| [1] | . Port and maritime studies dealing with containerization have observed close correlation between global liner shipping and world trade, and centrality in global shipping network (GSN) may change as the situation of world economy and trade changes. Meanwhile, the influence that shipping areas have on the GSN is much greater than any single port, and connections between these shipping areas affect the structure of the GSN. This paper wishes to understand the dynamic changing of the centrality in the GSN during the period from 2001 to 2012, which sees both booms and depressions in world economy and liner shipping. The paper divides global shipping into 25 areas from geographical perspective, and presents an analysis of each shipping area position in the GSN through indicators of centrality. The results reveal that to a large extent Europe is always in the center of the GSN from 2001 to 2012, but its central position is declining. Additionally, mapping the centrality distribution of those shipping areas in the latest year confirms their current positions in the GSN. |
| [2] | . . |
| [3] | . 城市道路网络结构的健壮性评价需要定量化分析不同类型攻击对路网结构的影响。然而,城市路网拓扑结构在不同表达粒度下具有不同特征,对各种类型攻击的敏感性也存在差异。本文对城市道路网络进行不同表达粒度下的对偶图建模,并借鉴复杂网络中基于网络结构特征刻画的持续性模拟攻击方法,通过观测随机攻击和目的性攻击过程中城市路网结构的变化过程,评估不同表达粒度对城市路网结构健壮性评价的影响。研究选择了6个不同空间形态的城市路网作为实验路网。结果表明,在相同表达粒度下,对于随机攻击或目的性攻击,不同形态的城市路网结构变化过程具有相似特征,但同一城市路网在不同表达粒度下,受到攻击时的结构演变特征有较大差异。因此面向不同应用时需要选择合适的表达粒度来评价路网健壮性。路段粒度适用于评价点状事件造成的交通中断对路网的影响,可以为突发事故应急方案的制定提供依据;路链粒度适用于评价线状事件如整条道路交通管制或改为单行线时对路网的影响,可以辅助交通管理部门制定合理的交通管制方案;社区粒度适用于评价影响范围较大的交通事件如大型文体活动等面状事件对城市交通的影响,同时该表达粒度顾及了道路交通的区域联动,更适用于动态交通环境下的路网健壮性评价。 . 城市道路网络结构的健壮性评价需要定量化分析不同类型攻击对路网结构的影响。然而,城市路网拓扑结构在不同表达粒度下具有不同特征,对各种类型攻击的敏感性也存在差异。本文对城市道路网络进行不同表达粒度下的对偶图建模,并借鉴复杂网络中基于网络结构特征刻画的持续性模拟攻击方法,通过观测随机攻击和目的性攻击过程中城市路网结构的变化过程,评估不同表达粒度对城市路网结构健壮性评价的影响。研究选择了6个不同空间形态的城市路网作为实验路网。结果表明,在相同表达粒度下,对于随机攻击或目的性攻击,不同形态的城市路网结构变化过程具有相似特征,但同一城市路网在不同表达粒度下,受到攻击时的结构演变特征有较大差异。因此面向不同应用时需要选择合适的表达粒度来评价路网健壮性。路段粒度适用于评价点状事件造成的交通中断对路网的影响,可以为突发事故应急方案的制定提供依据;路链粒度适用于评价线状事件如整条道路交通管制或改为单行线时对路网的影响,可以辅助交通管理部门制定合理的交通管制方案;社区粒度适用于评价影响范围较大的交通事件如大型文体活动等面状事件对城市交通的影响,同时该表达粒度顾及了道路交通的区域联动,更适用于动态交通环境下的路网健壮性评价。 |
| [4] | . |
| [5] | 天气或者人为破坏等因素会导致机场的航班延误,从而影响整个航空网络的运输效率。该文定量分析了机场失效对航空网络的影响,分别从随机故障和4种不同蓄意攻击的情况下评价了2012年国内航空网络的抗攻击能力(称为网络的可靠性),研究结果发现:在随机故障下我国航空网络的可靠性较好,失效机场数目达到80%以上时网络瘫痪;在基于加权度中心性、加权中介中心性、加权邻近中心性和吞吐量4种蓄意攻击模式下,失效机场达到约为20%时网络瘫痪,其中,基于机场加权中介中心性的蓄意攻击能够最迅速地导致网络崩溃。认为由这1/5的机场组成的子网络可以界定为航空网络的主干网络,加大主干网络的建设对优化航空网络运输效率具有重要意义;最后,从网络可靠性角度分析了主干网络中34个机场对全国网络的重要性,探讨了区域性枢纽的竞争地位。 . 天气或者人为破坏等因素会导致机场的航班延误,从而影响整个航空网络的运输效率。该文定量分析了机场失效对航空网络的影响,分别从随机故障和4种不同蓄意攻击的情况下评价了2012年国内航空网络的抗攻击能力(称为网络的可靠性),研究结果发现:在随机故障下我国航空网络的可靠性较好,失效机场数目达到80%以上时网络瘫痪;在基于加权度中心性、加权中介中心性、加权邻近中心性和吞吐量4种蓄意攻击模式下,失效机场达到约为20%时网络瘫痪,其中,基于机场加权中介中心性的蓄意攻击能够最迅速地导致网络崩溃。认为由这1/5的机场组成的子网络可以界定为航空网络的主干网络,加大主干网络的建设对优化航空网络运输效率具有重要意义;最后,从网络可靠性角度分析了主干网络中34个机场对全国网络的重要性,探讨了区域性枢纽的竞争地位。 |
| [6] | . 以世界范围内50个城市道路网作为数据样本，运用Newman同配性系数和Litvak-Hofstad同配性系数对以Stroke对偶形式表达的道路网的度相关性进行了度量；同时，由于“可塑性线性单元问题”，分析了同一路网不同Stroke集对度量结果的影响；最后，分析了度相关性与鲁棒性的关系。研究发现：（1）以Stroke对偶形式表示的城市道路网的度相关性绝大多数呈现异配和不相关，且Newman同配性系数和Litvak-Hofstad同配性系数会出现度量不一致的情况；（2）同一路网的不同Stroke集对Newman同配性系数的度量产生了一定影响，但对Litvak-Hofstad同配性系数没有影响，总体而言对度相关性的度量影响较小；（3）运用Litvak—Hofstad同配性系数度量时，路网的度相关性与鲁棒性呈现正相关。 . 以世界范围内50个城市道路网作为数据样本，运用Newman同配性系数和Litvak-Hofstad同配性系数对以Stroke对偶形式表达的道路网的度相关性进行了度量；同时，由于“可塑性线性单元问题”，分析了同一路网不同Stroke集对度量结果的影响；最后，分析了度相关性与鲁棒性的关系。研究发现：（1）以Stroke对偶形式表示的城市道路网的度相关性绝大多数呈现异配和不相关，且Newman同配性系数和Litvak-Hofstad同配性系数会出现度量不一致的情况；（2）同一路网的不同Stroke集对Newman同配性系数的度量产生了一定影响，但对Litvak-Hofstad同配性系数没有影响，总体而言对度相关性的度量影响较小；（3）运用Litvak—Hofstad同配性系数度量时，路网的度相关性与鲁棒性呈现正相关。 |
| [7] | |
| [8] | |
| [9] | . 脆弱性研究是全球变化及可持续性科学领域关注的热点问题和重要的分析工具.随着脆弱性研究受到越来越多的关注,对脆弱性的概念和评价方法的研究日益深入.对国内外相关研究中出现的脆弱性概念进行了归纳总结,并深入讨论了不同****就脆弱性概念初步达成的共识及存在的分歧,在此基础上明确了脆弱性概念的内涵.依据脆弱性评价的思路,将国内外脆弱性研究中出现脆弱性评价方法分为五大类,分析了各种评价方法的优缺点.指出了脆弱性评价中应遵循的基本原则.最后,结合脆弱性研究的发展趋势.指出面向多重扰动的脆弱性评价、耦合系统的脆弱性评价、复杂系统的不确定问题、脆弱性评价的尺度问题等是目前脆弱性评价研究中亟待开展的研究内容. . 脆弱性研究是全球变化及可持续性科学领域关注的热点问题和重要的分析工具.随着脆弱性研究受到越来越多的关注,对脆弱性的概念和评价方法的研究日益深入.对国内外相关研究中出现的脆弱性概念进行了归纳总结,并深入讨论了不同****就脆弱性概念初步达成的共识及存在的分歧,在此基础上明确了脆弱性概念的内涵.依据脆弱性评价的思路,将国内外脆弱性研究中出现脆弱性评价方法分为五大类,分析了各种评价方法的优缺点.指出了脆弱性评价中应遵循的基本原则.最后,结合脆弱性研究的发展趋势.指出面向多重扰动的脆弱性评价、耦合系统的脆弱性评价、复杂系统的不确定问题、脆弱性评价的尺度问题等是目前脆弱性评价研究中亟待开展的研究内容. |
| [10] | . Road network robustness is the ability of a road network to operate correctly under a wide range of attacks. A structural robustness analysis can describe the survivability of a city road network that is under attack and can help improve functions such as urban planning and emergency response. In this paper, a novel approach is presented to quantitatively evaluate road network robustness based on the community structure derived from a city road network, in which communities refer to those densely connected subsets of nodes that are sparsely linked to the remaining network. First, a road network is reconstructed into a set of connected communities. Then, successive simulated attacks are conducted on the reconstructed road networks to test the performance of the networks under attack. The performance of the networks is represented by efficiency and the occurrence of fragmentation. Three attack strategies, including a random attack and two intentional attacks, are performed to evaluate the survivability of the road network under different situations. Contrary to the traditional road segment-based approach, the community-based robustness analysis on a city road network shows distinct structural diversity between communities, providing greater insight into network vulnerability under intentional attacks. Six typical city road networks on three different continents are used to demonstrate the proposed approach. The evaluation results reveal an important feature of the structure of city road networks from a community-based perspective, i.e., that the structure is robust under random failure but fragile under intentional attack. This result is highly consistent in different city road network forms. |
| [11] | . The city road system, as well as other complex systems, can be modeled as networks. Studies investigating the relationship between network structure and functionality provide a novel perspective to investigate the robustness of a city road network by analyzing its structure. The fact that different events may lead to different levels of traffic interruption requires that the investigation on the robustness of city road networks be conducted at multiple granularities. In this study, road networks are modeled at three different granularities: segment-based, stroke-based and community-based model to investigate the response of road networks under punctiform, linear and zonal traffic interruptions respectively. An empirical study with six city road networks around the world shows that the topological structure, especially the diversity level in the betweenness centrality distribution of the network, is more essential to the robustness of the city road network than geographical features and inherent attributes. The performances of city road networks under attacks are consistent in different cities due to the similarity in their topological structures but differ by granularity because city road networks modeled at different granularities have different topological structures. This variation illustrates that the robustness analysis of city road networks should be modeled at the appropriate granularity for a given traffic situation. Furthermore, empirical results suggest that the tolerance threshold for urban traffic is the critical point where the city road network begins to split into several components. The robustness analysis solution proposed in this article can identify these critical points to provide an early warning in urban traffic interruptions. |
| [12] | . From the aspect of the complex network, this paper makes empirical analysis on the flight flow network structure of China from 2001 to 2010. The calculation of network statistical indicators reveals that the flight flow network has the small-world characteristics and the scale-free property. Then two indicators, the decline rate of the maximum connected sub-graph size and the decline rate of the overall efficiency are proposed to study the network survivability. Comparative analysis is conducted for different years, which indicates that the survivability of China flight flow network has an increasing trend and the network is more dependent on several key airports. Comparative analysis is also made for various attacks, which demonstrates that the flight flow network has strong robustness against random attack, but is vulnerable to deliberate attack. The reliability of the entire network is dominated by a few major airports, thus, the safe and effective operation of these airports should be ensured and it is essential to build some multi-hub systems in the future. |
| [13] | . Power systems are the basic support of modern infrastructures and protecting them from random failures or intentional attacks is an active topic of research in safety science. This paper is motivated by the following two related problems about cascading failures on power grids: efficient edge attack strategies and lower cost protections on edges. Applying the recent cascading model by adopting a local load redistribution rule, where the initial load of an edge ij is ( k i k j ) with k i and k j being the degrees of the nodes connected by the edge, we investigate the performance of the power grid of the western United States subject to three intentional attacks. Simulation results show that the effects of different attacks for the network robustness against cascading failures have close relations with the tunable parameter . Particularly, the attack on the edges with the lower load in the case of < 1.4 can result in larger cascading failures than the one on the edges with the higher load. In addition, compared with the other two attacks, a new attack, i.e., removing the edges with the smallest proportion between the total capacities of the neighboring edges of and the capacity of the attacked edge, usually are prone to trigger cascading failures over the US power grid. Our findings will be not only helpful to protect the key edges selected effectively to avoid cascading-failure-induced disasters, but also useful in the design of high-robustness and low-cost infrastructure networks. |
| [14] | . We present a comparative network-theoretic analysis of the two largest global transportation networks: the worldwide air-transportation network (WAN) and the global cargo-ship network (GCSN). We show that both networks exhibit surprising statistical similarities despite significant differences in topology and connectivity. Both networks exhibit a discontinuity in node and link betweenness distributions which implies that these networks naturally segregate into two different classes of nodes and links. We introduce a technique based on effective distances, shortest paths and shortest path trees for strongly weighted symmetric networks and show that in a shortest path tree representation the most significant features of both networks can be readily seen. We show that effective shortest path distance, unlike conventional geographic distance measures, strongly correlates with node centrality measures. Using the new technique we show that network resilience can be investigated more precisely than with contemporary techniques that are based on percolation theory. We extract a functional relationship between node characteristics and resilience to network disruption. Finally we discuss the results, their implications and conclude that dynamic processes that evolve on both networks are expected to share universal dynamic characteristics. |
| [15] | . . |
| [16] | . 为探究近年来全球集装箱海运网络脆弱性的变化趋势,提出了研究网络脆弱性变化度的分析思路和量化方法。基于2004和2014年两个年度的世界主要集装箱班轮公司航线分布数据,将相关港口按节点度大小排序后以1%~10%的比例逐步删除,选择删除前后的网络平均度、网络聚类系数、网络孤立节点比例、网络平均距离和网络效率等特征值的变化率作为量化指标;提出了网络压力测试方法,由此求出各特征值对网络脆弱性的影响权重及贡献值,进而得到了在设定攻击规模内集装箱海运网络脆弱性变化的量化值。研究结果表明:在蓄意攻击下,近10年的全球集装箱海运网络的脆弱性呈变差趋势;当攻击规模为整体网络的10%以内时,网络脆弱性的变差幅度约为6.1%。研究成果对于深化港口地理学研究具有重要意义,其分析思路和方法对其他领域的网络脆弱性变化趋势研究也可提供借鉴。 . 为探究近年来全球集装箱海运网络脆弱性的变化趋势,提出了研究网络脆弱性变化度的分析思路和量化方法。基于2004和2014年两个年度的世界主要集装箱班轮公司航线分布数据,将相关港口按节点度大小排序后以1%~10%的比例逐步删除,选择删除前后的网络平均度、网络聚类系数、网络孤立节点比例、网络平均距离和网络效率等特征值的变化率作为量化指标;提出了网络压力测试方法,由此求出各特征值对网络脆弱性的影响权重及贡献值,进而得到了在设定攻击规模内集装箱海运网络脆弱性变化的量化值。研究结果表明:在蓄意攻击下,近10年的全球集装箱海运网络的脆弱性呈变差趋势;当攻击规模为整体网络的10%以内时,网络脆弱性的变差幅度约为6.1%。研究成果对于深化港口地理学研究具有重要意义,其分析思路和方法对其他领域的网络脆弱性变化趋势研究也可提供借鉴。 |
| [17] | . |
| [18] | . 为获得船舶典型的运动模型,及时发现船舶异常轨迹并对其进行有效监控和管理,进而实现海上智能交通,基于船载AIS蕴藏着大量的海上交通特征的特点,从中获取能够反映船舶行为规律的有效的、潜在的信息。根据海上交通工程理论和数据挖掘技术,利用AIS信息并结合轨迹聚类算法,完成对已有轨迹的聚类,从中获取船舶典型的运动轨迹。以厦门港主航道及闽台直航船为实例,通过构建相应的AIS数据库并对船舶轨迹进行聚类结果展示,获得该海域船舶典型的运动轨迹。 . 为获得船舶典型的运动模型,及时发现船舶异常轨迹并对其进行有效监控和管理,进而实现海上智能交通,基于船载AIS蕴藏着大量的海上交通特征的特点,从中获取能够反映船舶行为规律的有效的、潜在的信息。根据海上交通工程理论和数据挖掘技术,利用AIS信息并结合轨迹聚类算法,完成对已有轨迹的聚类,从中获取船舶典型的运动轨迹。以厦门港主航道及闽台直航船为实例,通过构建相应的AIS数据库并对船舶轨迹进行聚类结果展示,获得该海域船舶典型的运动轨迹。 |
| [19] | . This article investigates the degree of overlap among the different layers of circulation composing global maritime flows in recent decades. Mobilizing several methods originating from complex networks allows us to shed new light on specialization and diversification dynamics affecting the evolution of ports and shipping. The principal confirm the strong and path-dependent influence of multiplexity on traffic volume, range of interaction and centrality from various perspectives, such as matrices correlations, homophily, assortativity, and single linkage analysis. While the network grows and concentrates around large hubs over time, traffic distribution is also place-dependent due to the reinforced position of already established nodes. |
| [20] | . 为推进一带一路的建设与沿线国家的贸易往来,运用社会网络分析法对一带一路沿线国家的海运联系进行研究.首先,从出度和入度两个角度对42个国家建立网络模型,分析国家间的复杂关系;其次,对网络进行中心性分析,判断国家的海运辐射范围,基于核心—边缘理论对一带一路沿线国家进行划分;最后,利用Concor算法对国家海运网络进行社团结构分析,利用K-plex算法进行凝聚子群分析.结果表明:一带一路沿线国家之间存在密切的海运联系,核心国家与边缘国家圈层明显,同时产生了三个结构较为成熟稳定的子群;东盟国家和西亚国家在一带一路内扮演着重要角色,推动国家之间的海运往来,促进区域海运的繁荣发展. . 为推进一带一路的建设与沿线国家的贸易往来,运用社会网络分析法对一带一路沿线国家的海运联系进行研究.首先,从出度和入度两个角度对42个国家建立网络模型,分析国家间的复杂关系;其次,对网络进行中心性分析,判断国家的海运辐射范围,基于核心—边缘理论对一带一路沿线国家进行划分;最后,利用Concor算法对国家海运网络进行社团结构分析,利用K-plex算法进行凝聚子群分析.结果表明:一带一路沿线国家之间存在密切的海运联系,核心国家与边缘国家圈层明显,同时产生了三个结构较为成熟稳定的子群;东盟国家和西亚国家在一带一路内扮演着重要角色,推动国家之间的海运往来,促进区域海运的繁荣发展. |
| [21] | . . |
| [22] | . |
| [23] | . |
| [24] | . |
| [25] | . Nature is the international weekly journal of science: a magazine style journal that publishes full-length research papers in all disciplines of science, as well as News and Views, reviews, news, features, commentaries, web focuses and more, covering all branches of science and how science impacts upon all aspects of society and life. |
| [26] | . |
| [27] | . We study the response of complex networks subject to attacks on vertices and edges. Several existing complex network models as well as real-world networks of scientific collaborations and Internet traffic are numerically investigated, and the network performance is quantitatively measured by the average inverse geodesic length and the size of the largest connected subgraph. For each case of attacks on vertices and edges, four different attacking strategies are used: removals by the descending order of the degree and the betweenness centrality, calculated for either the initial network or the current network during the removal procedure. It is found that the removals by the recalculated degrees and betweenness centralities are often more harmful than the attack strategies based on the initial network, suggesting that the network structure changes as important vertices or edges are removed. Furthermore, the correlation between the betweenness centrality and the degree in complex networks is studied. |
