نابرابری ترافیک و روابط در جاده ابریشم دریایی: تحلیل جریان شبکه

ترافیک دریایی می تواند منعکس کننده روابط متنوع و پیچیده بین کشورها و مناطق، مانند تجارت اقتصادی و ژئوپلیتیک باشد. این مطالعه بر اساس داده‌های مسیر کشتی‌های AIS (سیستم شناسایی خودکار)، شبکه ترافیک جاده ابریشم دریایی را می‌سازد. در این مطالعه، ما از یک نظریه شبکه پیچیده همراه با تحلیل شبکه اجتماعی و تحلیل جریان شبکه برای تجزیه و تحلیل ویژگی‌های توزیع فضایی جریان ترافیک دریایی جاده ابریشم دریایی استفاده کردیم. علاوه بر این، ما به طور تجربی نابرابری ترافیک را در مسیر نشان می دهیم. بر این اساس به بررسی نقش کشور در سیستم ترافیک دریایی و روابط ترافیکی ناشی از آن می پردازیم. سه نتیجه اصلی از این مطالعه وجود دارد. (1) نابرابری در ترافیک دریایی جاده ابریشم دریایی به تفاوت های منطقه ای آشکار منجر شده است. اروپا، غرب آسیا، شمال شرق آسیا و جنوب شرق آسیا مناطق غالب جاده ابریشم دریایی هستند. (2) کشورهای مختلف نقش ترافیک دریایی متفاوتی دارند. ایتالیا، سنگاپور و چین کشورهای اصلی در شبکه ترافیک دریایی جاده ابریشم دریایی هستند. یونان، ترکیه، قبرس، لبنان و اسرائیل ساختاری از جریان ترافیک دریایی در شرق دریای مدیترانه ایجاد کرده‌اند و عربستان سعودی به عنوان پلی برای تجارت دریایی بین آسیا و اروپا عمل می‌کند. (3) روابط ترافیک دریایی ویژگی های منطقه ای شدن را نشان می دهد. کشورهای آسیای غربی و منطقه مدیترانه اروپایی به وضوح قطبی شده اند و روابط رقابت-هم افزایی شکل اصلی روابط ترافیک دریایی در میان کشورهای منطقه غالب شده است.

کلید واژه ها:

جریان ترافیک ؛ نابرابری ترافیک ؛ روابط ترافیکی ؛ جاده ابریشم دریایی ; تجزیه و تحلیل جریان شبکه

1. مقدمه

ترافیک جریان منابع را ترویج می کند که منجر به جهانی شدن، تمایز فضایی فعالیت های اجتماعی و اقتصادی و گسترش شبکه های ترافیک منطقه ای می شود [ 1 ]. بنابراین، ترافیک نقش هدایت کننده، حمایتی و تضمینی در توسعه منطقه ای و ملی ایفا می کند و پارامتر مهمی است که روابط فضایی در تجارت را منعکس می کند [ 2 ]. جریان ترافیک ایجاد شده توسط حالت های مختلف حمل و نقل یک جریان فضایی مهم است که می تواند عمیقاً روابط بین منطقه ای و بین المللی اقتصادی، تجاری و سیاسی را منعکس کند [ 3 ]. تجارت دریایی جهانی بیش از 80 درصد از کل تجارت کالای جهان را تشکیل می دهد [ 4 ]، و می تواند اقتصاد جهانی را به شدت تحت تاثیر قرار دهد [ 5 ]]. بنابراین می توان گفت که صنعت کشتیرانی فشارسنج روندهای اقتصادی بین المللی است.

با پیشرفت مستمر طرح جاده ابریشم دریایی، مبادلات اقتصادی و تجاری بین مناطق در طول مسیر نزدیک‌تر شده و تماس‌های ترافیک دریایی مکرر شده است. این امر انرژی بیشتری را به همکاری تجاری جهانی تزریق کرده است [ 6]. با این حال، محیط های سیاسی، اقتصادی، تجاری و منابع کشورهای/مناطق در مسیر جاده ابریشم دریایی متفاوت است که پدیده نابرابری ترافیکی را ایجاد می کند. در نتیجه، ارتباطات بین کشورها/مناطق و نقش های مربوطه آنها به طور قابل توجهی متفاوت است. تبدیل این نابرابری به فرصتی برای توسعه، استفاده از بزرگترین مزیت‌های ابتکار جاده ابریشم دریایی، و معقول‌تر و کارآمدتر کردن همکاری‌های اقتصادی و تجاری بین کشورها/مناطق در طول مسیر [ 7 ]]، همواره از موضوعات مورد توجه دولت ها و جوامع بوده است. در این زمینه، تحلیل نابرابری ترافیکی و روابط در جاده ابریشم دریایی برای دستیابی به بینشی در مورد ضعف‌های همکاری اقتصادی و تجاری و استفاده از فرصت‌های توسعه حائز اهمیت است.

مطالعات موجود در مورد نابرابری ترافیک بیشتر بر روی عملکرد بندر [ 5 ، 8 ]، تمرکز بندر [ 9 ، 10 ]، موقعیت بندر هاب [ 11 ] و سایر ویژگی های بندر تمرکز دارند. در واقع نقش کشورها در شبکه دریایی و روابط ترافیکی شکل گرفته با سایر کشورها نیز بازتاب مهمی از نابرابری ترافیکی است. بررسی این نقش‌ها به کشورها کمک می‌کند تا روابط تجاری دریایی را از منظر استراتژیک ملی هماهنگ کنند، استراتژی‌های همکاری اقتصادی و تجاری کلان و کارآمد را تدوین کنند، ساخت‌وساز قدرت دریایی را تقویت کنند و منابع علمی برای تحقق یکپارچگی اقتصادی منطقه‌ای فراهم کنند [ 12 ].]. متأسفانه، تقریباً هیچ ادبیات مرتبطی برای بررسی روابط ترافیکی در سطح ملی از منظر نابرابری ترافیک وجود ندارد. در شبکه دریایی، نابرابری ترافیک و روابط با تراکم و جهت پیوندهای معنی دار تعیین می شود. تجزیه و تحلیل جریان شبکه یک پایه نظری برای کشف موقعیت و روابط گره های مختلف در شبکه فراهم می کند [ 13 ]]. علاوه بر این، ساخت شبکه های ترافیک دریایی و تجزیه و تحلیل با کیفیت جریان شبکه از مقدار زیادی از داده های دقیق مسیر حرکت کشتی جدایی ناپذیر است. مطالعات نشان داده اند که داده های با وضوح زمانی-مکانی بالا مسیرهای دقیقی را ارائه می دهند. نتایج تجزیه و تحلیل داده ها پتانسیل زیادی برای حمایت از سیاست ها دارند و به یک پیش نیاز ضروری برای تحلیل شبکه جریان ترافیک فعلی تبدیل شده اند [ 14 ]. سنسورهای سیستم شناسایی خودکار (AIS) می توانند اطلاعات پویا و استاتیک در زمان واقعی را همراه با اطلاعات ناوبری کشتی به دست آورند [ 15 ، 16 ، 17 ]. در سال‌های اخیر، توسعه AIS مطالعات جریان ترافیک را ارتقا داده است [ 18]، که داده های تحقیقاتی قابل اعتمادی را برای کاوش ویژگی های کمتر شناخته شده ترافیک دریایی مانند ویژگی های حمل و نقل فضای دریایی و الگوهای جریان ترافیک دریایی ارائه می دهد.

در این مطالعه، شبکه ترافیک جاده ابریشم دریایی را بر اساس داده‌های مسیر AIS می‌سازیم. علاوه بر این، ما نابرابری و روابط ترافیک را با استفاده از تئوری‌های شبکه پیچیده، تحلیل شبکه‌های اجتماعی و تحلیل جریان شبکه بررسی می‌کنیم. ساختار این مقاله به شرح زیر است: بخش 2 به معرفی مطالعات مرتبط در مورد نابرابری ترافیک به همراه وضعیت ترافیک و روابط شبکه دریایی می پردازد، بخش 3 روش های پشتیبانی کننده از این تحقیق را معرفی می کند و بخش 4 نتایج تجربی را ارائه می دهد. دو بخش آخر نتایج را به طور عمیق مورد تجزیه و تحلیل و بحث قرار می دهد و در مورد نابرابری ترافیک و روابط در جاده ابریشم دریایی نتیجه گیری می کند.

2. بررسی ادبیات

2.1. نابرابری ترافیک

نابرابری ترافیک یک مفهوم گسترده است. تفاوت های قابل توجهی در زمینه سیاسی، محیط اقتصادی و شرایط منابع در مناطق مختلف وجود دارد. نیازهای ترافیکی مربوطه آنها متفاوت است، بنابراین وضعیت نابرابری ترافیکی را نشان می دهد. با نابرابری ترافیک به عنوان پیش زمینه، محققان کاوش های گسترده ای از خدمات ترافیک شهری [ 19 ، 20 ]، آلودگی محیطی [ 21 ، 22 ] و مشکلات اجتماعی [ 23 ، 24 ] انجام داده اند.

البته تحقیقات در مورد نابرابری ترافیک دریایی کم نیست و بیشتر آنها در دو مقیاس بندری و منطقه ای انجام می شود. در مقیاس بندر، تحقیقات موجود در مورد نابرابری ترافیک در درجه اول بر تمرکز محموله، ساختار سلسله مراتبی و تعامل فضایی متمرکز است. به عنوان مثال، Notteboom [ 25 ] از ضریب جینی برای مقایسه تکامل غلظت جریان محموله در بنادر اروپا و آمریکای شمالی از سال 1975 تا 2003 استفاده کرد و روش تجزیه و تحلیل تجزیه ضریب جینی پیشنهاد شده توسط Dagum [ 26 ] را اجرا کرد.] برای استخراج اطلاعات دینامیکی فضایی دقیق تر از اطلاعات بدست آمده از روش های سنتی. مقایسه توانایی دو بندر در کنترل جریان ترافیک نشان می‌دهد که بنادر آمریکای شمالی دارای درجه بالاتری از تمرکز بار هستند و برخی از این مناطق بندری موقعیت غالب در کل سیستم را به خود اختصاص داده‌اند. وانگ و همکاران [ 27 ] الگوی فضایی نابرابری ترافیک را بر اساس تئوری گراف بررسی کرد، بنادر غالب آسیای شرقی را به عنوان موارد تحقیقاتی انتخاب کرد، ساختار سلسله مراتبی و تعامل فضایی آنها را تجزیه و تحلیل کرد، و تأثیر یکپارچگی ترافیک را بر صنعت کانتینر ارزیابی کرد. در مقیاس منطقه ای، تحقیقات در مورد نابرابری ترافیک عمدتاً در نقش منطقه منعکس می شود. به عنوان مثال، Xu و همکاران. [ 28] از یک تجزیه و تحلیل شبکه اجتماعی و یک تحلیل جریان غالب برای بررسی تکامل نابرابر وضعیت مناطق مختلف کشتیرانی در شبکه جهانی کشتیرانی استفاده کرد و دریافت که آسیای شرقی در جریان کل ترافیک نسبت به سایر مناطق برتر است. با این حال، موقعیت آن کمتر از شمال غربی اروپا و منطقه مدیترانه در اروپا است، که این فرضیه را ثابت می کند که موقعیت دریایی منطقه به دلیل پیچیدگی شبکه ترافیک دریایی به طور کامل حجم کل ترافیک را منعکس نمی کند. اگرچه مطالعات موجود تحقیقات جامعی را در سطوح بندری و منطقه ای ارائه کرده است، اما هنوز تحقیقات مرتبط در حوزه خاص جاده ابریشم دریایی و تحلیل سطح ملی روابط ترافیک دریایی از منظر نابرابری ترافیکی وجود ندارد.

در حال حاضر روش های تحقیق مرتبط با نابرابری ترافیک دریایی عمدتاً به دو دسته روش مقایسه شاخص و روش تحلیل جریان شبکه تقسیم می شوند. نوع اول عمدتاً از شاخص های توصیفی، مانند ضریب جینی [ 29 ]، منحنی لورنز [ 30 ] و شاخص هرفیندال-هیرشمن [ 31 ] تشکیل شده است. ویژگی مشترک آنها تفسیرپذیری ضعیف آنها است و اینکه آنها را فقط می توان با مقایسه مقادیر مختلف شاخص اندازه گیری کرد [ 32]. آنها توانایی کشف اطلاعات پویا در پشت حالت نابرابری ترافیک را ندارند. روش نوع دوم از ویژگی های اتصال شبکه برای یافتن گره های غالب در شبکه بر اساس شدت و جهت جریان ترافیک استفاده می کند و اطلاعات دینامیکی فضایی حالت نابرابری ترافیک را تحلیل می کند. با مقایسه این دو نوع روش، روش دوم که دارای مزایای بی بدیل در تعیین و حفظ روابط بین افراد است، نه تنها ویژگی های فضای جغرافیایی را در نظر می گیرد، بلکه توانایی کشف الگوی جریان ترافیک و مکانیزم های عملیاتی را به صورت جامع تر و جامع تر دارد. روش دقیق

2.2. روابط و وضعیت ترافیک

با ترویج مداوم ابتکار جاده ابریشم دریایی قرن بیست و یکم، مطالعات در مورد صنعت کشتیرانی با انتخاب جاده ابریشم دریایی به عنوان یک منطقه خاص، روز به روز فراوانتر شده است. لی و همکاران [ 33 ] یک سیستم ارزیابی مبتنی بر ادبیات و فرآیند تحلیل سلسله مراتبی (AHP) (روش آنتروپی) ایجاد کرد که تکامل قدرت دریایی تجاری را در 32 کشور/منطقه از آغاز ابتکار کمربند و جاده تجزیه و تحلیل کرد و دریافت که ویتنام (به جای چین) بالاترین نرخ رشد متوسط سالانه را دارد. ژائو و همکاران [ 34] وابستگی متقابل انرژی بین چین و کشورهای منطقه کمربند و جاده را مورد مطالعه قرار داد و دریافت که آنها یک رابطه وابسته به یکدیگر برقرار کرده اند. همچنین مشاهده شد که چین نسبت به کشورهای واقع در مسیر در موقعیت منفعل قرار دارد. یو و همکاران [ 35] از یک چارچوب پویایی فضایی-زمانی چندسطحی برای تجزیه و تحلیل پویایی زمانی و مکانی شبکه جهانی اقیانوس استفاده کرد و دریافت که چین، سنگاپور، کره جنوبی و سایر بنادر در کشورهای واقع در امتداد جاده ابریشم روابط کشتیرانی جدیدی برقرار کرده‌اند. اتصالات جدید دارای جریان ترافیک قابل توجهی هستند. با این حال، بیشتر تحقیقات موجود در مورد روابط کشتیرانی در سطح مطالعه وسعت و شدت ارتباطات باقی مانده است و عمیقاً به مطالعه کمی انواع روابط نمی پردازد.

همانطور که مشخص است، حمل و نقل یک شبکه پیچیده را تشکیل می دهد. بسیاری از محققان از یک نظریه شبکه پیچیده برای انجام تحقیقات عمیق در مورد روابط کشتیرانی استفاده کرده اند. به عنوان مثال، کیتامورا و همکاران. [ 36 ]، Pais Montes و همکاران. [ 37 ]، و مو و همکاران. [ 38 ] از تئوری شبکه پیچیده برای تجزیه و تحلیل روابط رقابت و همکاری، حالت‌های ارتباط فضایی و تکامل مسیر در بین کشورهای شبکه کشتیرانی برای انواع محموله استفاده کرد. تئوری شبکه پیچیده تمام لبه های یک شبکه در مقیاس بزرگ را محاسبه و تجزیه و تحلیل می کند. با این حال، همه لبه ها معنی دار نیستند. علاوه بر این، بسیاری از لبه‌های بی‌اهمیت بر تحلیل روابط مهم تأثیر می‌گذارند [ 39]. بنابراین، تحلیل جریان ترافیک فرض می‌کند که روابط بین هر جفت گره به جهت و شدت جریان ترافیک معنادار بین آنها بستگی دارد. حجم جریان ترافیک محاسبه شده بیشتر از آستانه داده شده است. تغییر در هر اتصال یا حذف، پیکربندی فضایی کل شبکه را تحت تأثیر قرار خواهد داد [ 27 ]. کولینان و همکاران [ 40 ] از روش تجزیه و تحلیل پیوند چندگانه در تئوری جریان شبکه استفاده کرد تا نشان دهد که اهمیت یک پورت و تعامل فضایی آن با سایر پورت ها همبستگی زیادی با میزان و شدت جریان ترافیک داخل و خارج از بندر دارد. تحلیل جریان شبکه جهت مطالعه روابط اصلی در شبکه های کشتیرانی را فراهم می کند [ 41]. در حال حاضر، بر اساس تئوری جریان شبکه، توزیع فضایی جریان ترافیک قابل توجه بین کشورها اغلب مورد بررسی قرار می گیرد در حالی که اهمیت نسبی کشورها و روابط متقابل مهم آنها به ندرت مورد مطالعه قرار می گیرد.

علاوه بر این، در مطالعات مربوط به وضعیت گره های شبکه حمل و نقل، محققان اولیه مانند جیانگ و جیانگ و همکاران. [ 42 ]، یاپ و همکاران. [ 43 ] و Low et al. [ 44 ] از توان عملیاتی بندر استفاده می‌کند که میزان باری را که بندر می‌تواند حمل کند را اندازه‌گیری می‌کند، به عنوان معیاری از قدرت نقش یک بندر در شبکه دریایی. با این حال، با مطالعات بیشتر، محققان به تدریج دریافتند که شبکه یک سیستم تعاملی و پیچیده است و وضعیت گره ها بیشتر به موقعیت ارتباط آنها در شبکه بستگی دارد تا یک مقدار شاخص مشخص [ 45 ]. دوکروت و همکاران [ 13]، با استفاده از وضعیت بنادر شمال شرق آسیا در شبکه دریایی به عنوان یک مورد پژوهشی، نظریه گراف و روش های تحلیل شبکه را با روش های اندازه گیری سنتی که از توان عملیاتی به عنوان شاخص استفاده می کنند، مقایسه کرد و به طور تجربی نشان داد که شاخص های مرکزیت، اتصال و آسیب پذیری مزایای بیشتری دارند. از توان عملیاتی در توصیف وضعیت و نقش گره ها. در این میان، مرکزیت یک مفهوم مهم در نظریه تحلیل شبکه های اجتماعی است. در واقع، بسیاری از محققان تحلیل شبکه های اجتماعی را برای مطالعه وضعیت گره ها در یک شبکه اتخاذ کرده اند. برای مثال، سونگ و همکاران. [ 46] از یک تحلیل شبکه اجتماعی برای مطالعه ساختار یک شبکه حمل و نقل خطی با محوریت یک بندر فرعی گوانگ یانگ در کره جنوبی استفاده کرد و دریافت که بوسان مهمترین بندر در شبکه حمل و نقل از نظر تعداد اتصالات است. با این حال، هنگام در نظر گرفتن مرکزیت هاب، تأثیر بنادر شانگهای و هنگ کنگ قابل توجه تر است. لی و همکاران [ 47] حمل و نقل جهانی را به 25 منطقه حمل و نقل تقسیم کرد و با استفاده از شاخص های مرکزیت، تکامل وضعیت هر منطقه کشتیرانی در شبکه جهانی کشتیرانی را در دوره 2001-2012 تجزیه و تحلیل کرد. آنها به این نتیجه رسیدند که اروپا در طول دوره مطالعه تا حد زیادی مرکز شبکه جهانی کشتیرانی بوده است. با این حال، موقعیت مرکزی آن به تدریج در حال کاهش بود و مرکز جهانی کشتیرانی به سمت شرق حرکت می کرد.

بنابراین، بر اساس بررسی ادبیات مربوطه، از داده‌های مسیر AIS کشتی‌ها برای استخراج جریان ترافیک OD (مبدع-مقصد)، ساخت شبکه ترافیک جاده ابریشم دریایی، و استفاده از نظریه شبکه پیچیده همراه با تحلیل شبکه‌های اجتماعی و استفاده از آن استفاده می‌کنیم. روش های تحلیل جریان غالب برای تشخیص نابرابری در ترافیک جاده ابریشم دریایی ما همچنین مطالعه خود را برای شناسایی مناطق غالب در طول مسیر گسترش می دهیم و یک روش تجزیه و تحلیل پیوند چندگانه را برای دستیابی به مطالعه دقیق تری از نقش و روابط ترافیک دریایی در میان کشورهای واقع در مناطق غالب اتخاذ می کنیم.

3. مواد و روشها

3.1. منطقه مطالعه

دو مسیر اصلی جاده ابریشم دریایی وجود دارد که منطقه مورد مطالعه ما را تشکیل می دهد: (1) از بنادر ساحلی چین در سراسر دریای چین جنوبی، از طریق تنگه مالاکا و اقیانوس هند برای رسیدن به اروپا، و (2) از سواحل چین. بنادر به اقیانوس آرام جنوبی منطقه مورد مطالعه شامل 64 کشور از جمله شمال شرق آسیا، جنوب شرق آسیا، اقیانوسیه، جنوب آسیا، غرب آسیا، شمال شرق آفریقا، شرق آفریقا، جنوب آفریقا و اروپا است که در شکل 1 نشان داده شده است.

3.2. داده ها

اطلاعات ورود و خروج کشتی از سوابق دینامیکی کشتی در زمان واقعی ارائه شده توسط داده های مسیر AIS و داده های شاخص بندر جهانی (WPI) استخراج می شود و هر حرکت و ورود کشتی به عنوان داده OD استفاده می شود. در نهایت، 257715 داده OD جریان ترافیک به دست می آید.

همانطور که در شکل 2 الف نشان داده شده است، می توان از اطلاعات زمان واقعی طول و عرض جغرافیایی موجود در داده های AIS برای تعیین موقعیت مسیرهای ناوبری کشتی های 1، 2، 3، 4 و 5 استفاده کرد. مکان های سری زمانی بین بنادر را می توان به عنوان یک مسیر برای هر کشتی مشاهده کرد. به عنوان مثال، کشتی 1 دارای مسیرهایی بین پورت های AB، BC، CD، DE، EF و FB است. کشتی 2 دارای مسیرهای بین بنادر AD، DE، EF، FC و CB است. کشتی 3 دارای مسیرهای بین پورت های AF، FC، CD و DE است. کشتی 5 دارای مسیرهایی بین بنادر BA، AE و ED است. شبکه دریایی بین پورت ها با اتصال هر جفت پورت در مسیر به عنوان یک پیوند ایجاد می شود (همانطور که در شکل 2 نشان داده شده است.ب). با ترکیب WPI و داده‌های اطلاعات پایه ملی، بنادر جاده ابریشم دریایی به کشورها تقسیم می‌شوند و سوابق ورود و خروج بنادر هر کشور با هم جمع می‌شوند تا یک شبکه ترافیک دریایی (با کشورها به عنوان گره‌ها) تشکیل شود. این شبکه دارای حداقل یک لبه اتصال با وزن کل ترافیک دریایی بین دو کشور است که در نتیجه یک شبکه ترافیک دریایی از 64 کشور در امتداد جاده ابریشم دریایی ایجاد می شود (همانطور که در شکل 2 ج نشان داده شده است).

3.3. روش تحقیق

در این مطالعه، ما نابرابری ترافیک جاده ابریشم دریایی را بر اساس درجه، تجزیه و تحلیل شبکه اجتماعی، تحلیل جریان غالب و نسبت اشتراک ترافیک بررسی می‌کنیم. ما همچنین مناطق غالب را بررسی می‌کنیم و روابط ترافیکی بین کشورهای منطقه غالب را با استفاده از تحلیل‌های پیوند چندگانه و یک مدل هم افزایی رقابت که بر اساس نظریه پیوند چندگانه است، مطالعه می‌کنیم.

3.3.1. درجه

درجه یک پارامتر مهم از توپولوژی شبکه پیچیده است که برای توصیف تأثیر مستقیم گره های شبکه استفاده می شود. در یک شبکه هدایت شده، درجه یک گره به «درجه» و «خارج از درجه» تقسیم می شود. در درجه مجموع تعداد دفعاتی است که یک گره نقطه پایانی یک یال در نمودار بوده است که منعکس کننده جذب گره به سایر گره های شبکه است. خارج از درجه مجموع تعداد دفعاتی است که یک گره نقطه شروع یک گراف بوده است، که منعکس کننده تأثیر آن گره بر سایر گره های شبکه است. در یک شبکه بدون جهت، درجه یک گره، تعداد لبه های مجاور است که مستقیماً به گره متصل می شوند. فرمول به شرح زیر است:

D من = \sum j = 1 ، j \neq i n L من ج

(1)

جایی که، $D_{i}$ درجه گره است $i$ ، $L_{i j}$ تعداد لبه های بین گره است $i$ و گره $j$ ، و $n$ تعداد کل گره ها است.

3.3.2. تحلیل شبکه های اجتماعی

اهمیت نسبی یک منطقه با مرکزیت آن در یک شبکه [ 48 ] مشخص می شود که به نوبه خود با اتصال و میانجیگری منعکس می شود. از آنجایی که ما مرکزیت نه منطقه را مطالعه می کنیم، اتصال و میانجی را به ترتیب با استفاده از درجه مرکزیت و مرکزیت بین جریان اندازه گیری می کنیم.

(1) مرکزیت درجه. درجه مرکزیت یک منطقه (منطقه A)، که می تواند به طور مستقیم ظرفیت اتصال هر منطقه در شبکه دریایی را منعکس کند، به مجموع وزن لبه منطقه A به طور مستقیم با مناطق دیگر مرتبط است.

(2) مرکزیت بین جریان. مرکزیت بین جریان، میزان کنترل بر جریان ترافیک در هر منطقه را نشان می دهد. این برای اندازه گیری ظرفیت حمل و نقل منطقه استفاده می شود. محاسبه در رابطه (2) نشان داده شده است.

سی ب (i) = \sum j < k g j k ( من ) g j k

(2)

جایی که $C_{B} (i)$ جریان بین گره است $i$ ، $g_{j k}$ تعداد تمام مسیرهای ممکن بین گره ها است $j$ و $k$ ، و $g_{j k} (i)$ تعداد تمام مسیرهای ممکن بین گره است $j$ و گره $k$ که از گره عبور می کنند $i$ .

3.3.3. تجزیه و تحلیل پیوند اولیه

تجزیه و تحلیل پیوند اولیه (PLA) یک روش تحلیل جریان شبکه کلاسیک است که توسط Nystuen و همکاران ارائه شده است. [ 49 ] (در شکل 3 نشان داده شده است ). هسته اصلی این روش تعیین این است که آیا جریان خروجی غالب هر منطقه منفرد به یک منطقه دیگر اشاره می کند، جریان غالب (حداکثر جریان) منطقه غالب در شبکه به یک منطقه نسبتا کوچک، یا جریان اصلی همه مناطق دیگر اشاره می کند. مناطق تحت سلطه به یک منطقه نسبتاً بزرگ اشاره می کنند و جریان اصلی همه مناطق در شبکه را حفظ می کنند [ 27 ]]. بنابراین، این روش برای استخراج ساختار ستون فقرات شبکه و ساده سازی روابط پیچیده شبکه استفاده می شود. تحلیل جریان غالب عمدتاً به جریان غالب در مناطق ورودی و خروجی مربوط می شود. نقش هر منطقه با تعداد کل جریان های غالب ورودی دریافت شده تعیین می شود. هرچه جریان ورودی بزرگتر باشد، نقش آن برجسته تر است. رابطه بین مناطق را می توان بیشتر به عنوان وابسته یا مستقل تعریف کرد. اگر حداکثر جریان خروجی از یک منطقه به یک منطقه کمتر برجسته جریان یابد، همانطور که در شکل 3 نشان داده شده است، منطقه مستقل تعیین می شود.، جایی که گره f یک منطقه مستقل را نشان می دهد. برعکس، هنگامی که حداکثر خروجی یک منطقه با یک منطقه مهمتر مرتبط است، گره وابستگی نشان می دهد. در شکل می بینیم که گره های a، c و d به b وابسته هستند. روش تحلیل جریان غالب برای مطالعه تسلط و روابط منطقه ای جاده ابریشم دریایی استفاده می شود.

3.3.4. نسبت اشتراک گذاری ترافیک

به منظور اندازه‌گیری بیشتر وابستگی یک منطقه به منطقه دیگر بر اساس تحلیل جریان‌های غالب منطقه‌ای، نسبت اشتراک ترافیک، یعنی نسبت ترافیک دریایی غالب منطقه‌ای به تمام پیوندهای خارجی آن، بیشتر محاسبه می‌شود. فرمول به شرح زیر است:

D A \to B = حداکثر من \in A دبلیو من \sum i = 1 ک دبلیو من

(3)

جایی که، $D_{A \to B}$ وابستگی منطقه A به جریان ترافیک دریایی منطقه B است، $\max_{i \in A} W_{i}$ حداکثر جریان ترافیک خارج از منطقه A را نشان می دهد ، $k$ مجموعه ای از تمام جریان های ترافیکی خارج از منطقه A به مناطق دیگر است و $D_{A \to B} \in (0, 1]$ ، چه زمانی $\max_{i \in A} W_{i}$ (حداکثر جریان ترافیک خارج از منطقه A ) نسبت بیشتری را به خود اختصاص می دهد $\sum_{i = 1}^{k} W_{i}$ (تمام ترافیک از منطقه A به مناطق دیگر سرازیر می شود)، نزدیک تر $D_{A \to B}$ به 1 است، که نشان دهنده وابستگی منطقه A به جریان ترافیک دریایی منطقه B است.

3.3.5. تجزیه و تحلیل پیوند چندگانه

تجزیه و تحلیل پیوند چندگانه، که گسترش روش تجزیه و تحلیل جریان اولیه است، نه تنها به جریان غالب گره ها مربوط می شود، بلکه جریان بالای یک آستانه خاص را نیز در نظر می گیرد. این به تمام اتصالات مهم در شبکه مربوط می شود. در این مطالعه از تحلیل پیوند چندگانه برای تحلیل نقش کشورهای مختلف در ترافیک دریایی استفاده شده است. مراحل به شرح زیر است:

اول، تمام حجم جریان ترافیک بین کشورها باید به ترتیب بزرگ (

W_{1}

) به کوچک (

W_{n}

)، با

W_{i}

به عنوان جریان اول ،

i \in n

n

مجموعه ای از کل حجم جریان ترافیک بین دو کشور است و

{\hat{W}}_{i}

به عنوان جریان مورد نظر تعریف می شود. فرمول به شرح زیر است:

مرحله 1:

دبلیو^1 = \sum i = 1 n دبلیو من ، دبلیو^2 = دبلیو^3 = \dots = دبلیو^n = 0

(4)

گام 2:

دبلیو^1 = دبلیو^2 = 1 2 \sum i = 1 n دبلیو من ، دبلیو^3 = دبلیو^4 = \dots = دبلیو^n = 0

(5)

گام $j$ : ( $j < k$ )

دبلیو^1 = دبلیو^2 = \dots = دبلیو^j = 1 j \sum i = 1 n دبلیو من ، دبلیو^j + 1 = دبلیو^j + 2 = \dots = دبلیو^n = 0

(6)

گام $k$ :

دبلیو^1 = دبلیو^2 = \dots = دبلیو^n = 1 n \sum i = 1 n دبلیو من

(7)

مجموعه انتظارات حجم جریان ترافیک ${{\hat{W}}_{i}}$ ساختار فضایی کل توزیع جریان بین کشورها را نشان می دهد و درجه تناسب بین مقدار انتظاری دبی و مقدار دبی واقعی با محاسبه ضریب تعیین کننده اندازه گیری می شود. $r^{2}$ (فرمول (8)) برای نتیجه هر مرحله. اگر ضریب تعیین کننده $r^{2}$ از مرحله $j$ بزرگترین، سپس جریان ترافیک دریایی بین دو کشور در بالا است $j$ جریان قابل توجه است، یعنی تعداد جریان های قابل توجه بین کشورها می باشد $j$ .

r 2 = 1 - \sum i = 1 n ( دبلیو من - دبلیو ^ من ) 2 \sum i = 1 n ( دبلیو من - دبلیو ¯ ) 2

(8)

(1): حرکت جریان ترافیک و روابط شبکه

با توجه به ویژگی‌های حرکت جریان چندگانه، یک سری حالت‌های پراکندگی مختلف از توزیع جریان ترافیک به کشور تعریف شده است که در جدول 1 نشان داده شده است ، با هدف تعیین وسعت و شدت روابط ترافیکی بین کشورها در شبکه دریایی

(2): مدل رقابت – هم افزایی

جریان های قابل توجه به دست آمده از روش تحلیل پیوند چندگانه می تواند نه تنها اهمیت کشورها بلکه روابط متقابل کشورها را منعکس کند [ 50 ]. صرف نظر از شرایط شکل گیری روابط ترافیکی بین کشورها، توزیع جریان های ترافیکی قابل توجه در شبکه قضاوت کمی را در مورد وجود رابطه بین رقابت و هم افزایی تعیین می کند تا سپس وضعیت فعلی ترافیک را تحلیل کند. همانطور که در شکل 4 نشان داده شده استدر شبکه ترافیک دریایی، اگر جریان های قابل توجهی از بیش از یک کشور به یک کشور هدف وجود داشته باشد، کشور هدف نقش مهم تری در پیوندهای جریان ترافیک این کشورهای خروجی ایفا می کند و اگر چندین کشور هدف جریان های قابل توجهی را از کشور هدف دریافت کنند. همان کشور، سپس این کشورهای هدف روابط رقابتی را تشکیل خواهند داد. به عنوان مثال، اگر جریان قابل توجه A1 به B و C سرازیر شود، B و C یک رابطه رقابتی را تشکیل می دهند. اگر یک تلاقی بین کشورهای هدف وجود داشته باشد که جریان قابل توجهی از دو کشور به آن اشاره می کند، دو کشور یک رابطه هم افزایی ایجاد می کنند. به عنوان مثال، هنگامی که جریان قابل توجه A1 به B، C، E می رود، جریان قابل توجه A2 به B، C، D سرازیر می شود و کشور هدف دارای یک تقاطع {B، C} است، آنگاه A1 و A2 هم افزایی دارند. ارتباط. هر دو شبکه “رقابت” و “هم افزایی” بین کشورها، شبکه های وزن دار بدون جهت هستند. رابطه رقابت و هم افزایی هیچ جهتی ندارد و دو سر مساوی است و درجه به قوی و ضعیف تقسیم می شود. شدت رقابت تعداد جریان های قابل توجهی است که توسط دو کشور هدف از یک کشور مبدا دریافت می شود. اگر دو کشور هدف جریان های قابل توجهی از همان تعداد کشور اصلی را انجام دهند، رقابت بین دو کشور شدیدتر می شود. شدت هم افزایی بین دو کشور نقطه تلاقی کشورهای هدف خروجی است. هرچه تقاطع بیشتر باشد، شدت هم افزایی بیشتر است. برای برجسته کردن روابط ترافیکی اصلی بین کشورها، آنها به شرح زیر طبقه بندی می شوند: (i) یک رابطه با شدت برابر با 1 به عنوان یک “رابطه غیر معنی دار” تعریف می شود. (در شکل، D و C یک رابطه رقابتی غیر معنی‌دار تشکیل می‌دهند، A2 و A4 یک رابطه هم افزایی غیر معنی‌دار دارند). و (ii) یک رابطه با شدت بیشتر از 1 به عنوان یک “رابطه معنی دار” تعریف می شود. در یک رابطه معنادار، یک رابطه با شدت برابر با 2 به عنوان یک “رابطه ضعیف” و یک رابطه با شدت بیشتر از 2 به عنوان “رابطه قوی” تعریف می شود (در شکل، B و C یک رابطه رقابتی قوی را تشکیل می دهند. A1 و A3 یک رابطه هم افزایی قوی را تشکیل می دهند؛ A2 و A3 نیز یک رابطه هم افزایی قوی تشکیل می دهند. و (ii) یک رابطه با شدت بیشتر از 1 به عنوان یک “رابطه معنی دار” تعریف می شود. در یک رابطه معنادار، یک رابطه با شدت برابر با 2 به عنوان یک “رابطه ضعیف” و یک رابطه با شدت بیشتر از 2 به عنوان “رابطه قوی” تعریف می شود (در شکل، B و C یک رابطه رقابتی قوی را تشکیل می دهند. A1 و A3 یک رابطه هم افزایی قوی را تشکیل می دهند؛ A2 و A3 نیز یک رابطه هم افزایی قوی تشکیل می دهند. و (ii) یک رابطه با شدت بیشتر از 1 به عنوان یک “رابطه معنی دار” تعریف می شود. در یک رابطه معنادار، یک رابطه با شدت برابر با 2 به عنوان یک “رابطه ضعیف” و یک رابطه با شدت بیشتر از 2 به عنوان “رابطه قوی” تعریف می شود (در شکل، B و C یک رابطه رقابتی قوی را تشکیل می دهند. A1 و A3 یک رابطه هم افزایی قوی را تشکیل می دهند؛ A2 و A3 نیز یک رابطه هم افزایی قوی تشکیل می دهند.

4. نتایج

4.1. تحلیل نابرابری ترافیک

4.1.1. توزیع فضایی جریان ترافیک

با توجه به داده های مسیر AIS، شبکه توپولوژی حمل و نقل جاده ابریشم دریایی با استفاده از حجم ترافیک از کشور مبدأ به کشور هدف به عنوان وزن لبه ساخته شده است (نشان داده شده در شکل 5 a). در همین حال، حجم ترافیک بین مناطق مختلف کمی شده است و نتایج در شکل 5 ب نشان داده شده است. علاوه بر این، جدول 2 نسبت 20 درصد بالای حجم ترافیک به کل حجم ترافیک در منطقه را نشان می دهد.

با توجه به توزیع ترافیک جاده ابریشم دریایی، ترافیک دریایی ویژگی های نابرابری را نشان می دهد. از دیدگاه طرح کلی، توزیع جریان ترافیک در شرق آسیا متراکم ترین است، در حالی که در شرق آفریقا و اقیانوسیه نسبتاً پراکنده است. از منظر توزیع مسیر، حجم ترافیک دریایی درون منطقه ای به طور کلی بیشتر از حجم ترافیک بین منطقه ای است، که نشان می دهد انجام تردد دریایی در همان منطقه راحت تر است و احتمال ایجاد تماس های دریایی پایدار بیشتر است. در عین حال، حجم ترافیک دریایی بین غرب آسیا و سایر مناطق نسبتاً زیاد است. این منطقه فعال ترین منطقه در شبکه ترافیک دریایی است و پس از آن آسیای جنوب شرقی قرار دارد. اروپا، شمال شرق آفریقا، شمال شرق آسیا، آسیای جنوب شرقی و اقیانوسیه ارتباطات دریایی مکرری دارند که نشان می دهد نزدیکی جغرافیایی نقش کلیدی در ارتباطات نزدیک دریایی آنها دارد. در نهایت، از منظر توزیع حجم ترافیک، 20 درصد برتر ترافیک دریایی در هر منطقه بیش از 57 درصد از کل حجم ترافیک منطقه را به خود اختصاص داده است. بیش از نیمی از حجم ترافیک را یک پنجم جریان ترافیک منطقه متحمل شده است. در آسیای جنوب شرقی، اقیانوسیه و شرق آفریقا، این نسبت به بیش از 80 درصد رسید. 20 درصد از ترافیک دریایی در هر منطقه بیش از 57 درصد از کل حجم ترافیک منطقه را تشکیل می دهد. بیش از نیمی از حجم ترافیک را یک پنجم جریان ترافیک منطقه متحمل شده است. در آسیای جنوب شرقی، اقیانوسیه و شرق آفریقا، این نسبت به بیش از 80 درصد رسید. 20 درصد از ترافیک دریایی در هر منطقه بیش از 57 درصد از کل حجم ترافیک منطقه را تشکیل می دهد. بیش از نیمی از حجم ترافیک را یک پنجم جریان ترافیک منطقه متحمل شده است. در آسیای جنوب شرقی، اقیانوسیه و شرق آفریقا، این نسبت به بیش از 80 درصد رسید.

مشاهده می شود که توزیع جریان ترافیک در جاده ابریشم دریایی به شدت نابرابر و با تفاوت های آشکار بین مناطق است. هرچه توزیع جریان ترافیک متراکم تر باشد، مشارکت منطقه در همکاری های تجاری بین المللی فعال تر است. ما توصیه می کنیم که مناطقی که مشارکت پایینی دارند باید فعالانه ارتباطات دریایی را با مناطق همسایه که مشارکت بالایی دارند تقویت کنند تا قدرت دریایی و رقابت پذیری منطقه افزایش یابد.

4.1.2. تحلیل نقش غالب منطقه ای

در این تحلیل، ما ابتدا ظرفیت اتصال دریایی و ظرفیت حمل و نقل را با استفاده از مرکزیت درجه و مرکزیت بین جریان با UCINET 6 به ترتیب اندازه گیری می کنیم (نشان داده شده در شکل 6 ). همانطور که در شکل 6 مشاهده می شودالف، ظرفیت اتصال دریایی در امتداد جاده ابریشم دریایی به طور قابل توجهی در فضا متفاوت است، و الگوی کلی “غرب ضعیف، شرق قوی” است. غرب آسیا، شمال شرق آسیا و آسیای جنوب شرقی قوی ترین ارتباطات دریایی را با سایر مناطق دارند و یک “هسته مثلثی” را تشکیل می دهند. از سوی دیگر، اقیانوسیه، آسیای جنوبی، شرق آفریقا و آفریقای جنوبی ارتباطات دریایی ضعیف تری با سایر مناطق دارند. اروپا، شمال شرق آفریقا و غرب آسیا که در نزدیکی دریای مدیترانه قرار دارند، از نظر درجه ارتباطات دریایی عملکرد مشابهی دارند و اگرچه به اندازه شرق آسیا قوی نیستند، اما همچنان می توانند مزیت محلی داشته باشند.

از شکل 6 قابل مشاهده استب که توزیع فضایی ظرفیت حمل و نقل در امتداد جاده ابریشم دریایی دارای ساختار لبه هسته است. غرب آسیا و آسیای جنوب شرقی دارای قابلیت حمل و نقل قوی هستند. جنوب شرق آسیا مزایای آشکارتری دارد. از نقطه نظر ژئوفضایی، هر دو در موقعیت‌های نسبتاً مرکزی قرار دارند و کانال‌ها و تنگه‌های ناوبری مهمی دارند. ظرفیت حمل و نقل شمال شرق آسیا و اروپا مشابه است، در حالی که در آفریقا ضعیف تر است. اگرچه جنوب آسیا به مرکز هندسی در امتداد جاده ابریشم دریایی نزدیک است، ظرفیت حمل و نقل آن به دلیل آشفتگی سیاسی طولانی مدت و محیط اقتصادی ضعیف منطقه ضعیف است. اقیانوسیه ضعیف ترین قابلیت حمل و نقل را دارد. به دلیل موقعیت جغرافیایی نسبتاً دور و مستقل آن، تنها چند مسیر برای انتقال از طریق اقیانوسیه وجود دارد.

تجزیه و تحلیل مرکزیت منطقه ای نشان می دهد که مناطق غرب، شمال شرق و جنوب شرق آسیا دارای مزیت های نسبی در ظرفیت اتصال دریایی هستند، در حالی که آسیای جنوب شرقی و غرب آسیا دارای ظرفیت های ترانشیپ برجسته تری هستند.

بر اساس تحلیل مرکزیت و با کمک تحلیل پیوند اولیه، وضعیت و روابط هر منطقه بیشتر مورد مطالعه قرار می گیرد (در شکل 7 نشان داده شده است.). می توان مشاهده کرد که جریان ترافیک اولیه جاده ابریشم دریایی دو گروه را تشکیل می دهد: یک گروه غربی با مرکزیت اروپا و یک گروه شرقی با مرکز جنوب شرقی آسیا. این گروه‌ها نسبتاً مستقل هستند و ویژگی‌های مجاورت فاصله را نشان می‌دهند که نشان می‌دهد کشورها تمایل به تجارت نزدیک با کشورهای همسایه خود دارند. در میان گروه های شرقی، آسیای جنوب شرقی منطقه ای است که غالب ترین جریان را دارد. شمال شرق آسیا، جنوب آسیا، آفریقای جنوبی و اقیانوسیه بیشترین جریان ترافیک را به جنوب شرق آسیا دارند. حجم ترافیک دو طرفه بین شمال شرق آسیا و آسیای جنوب شرقی بیش از 10000 شناور است. در عین حال، نسبت به اشتراک گذاری ترافیک منطقه ای در این گروه نسبتاً بالا است و به ترتیب در شمال شرق آسیا، آسیای جنوب شرقی، اقیانوسیه، آسیای جنوبی و آفریقای جنوبی به ترتیب 86.4، 69.4، 55.4، 53.7 درصد و 48.5 درصد است. . این نشان می دهد که نیمی از ترافیک این مناطق اغلب به منطقه دیگری سرازیر می شود. بنابراین، اقیانوسیه، آسیای جنوبی و آفریقای جنوبی به شدت به آسیای جنوب شرقی وابسته هستند، در حالی که آسیای شمال شرقی و آسیای جنوب شرقی روابط ترافیک دریایی قوی ایجاد کرده اند. در گروه غرب، اروپا غالب ترین جریان را دارد. شمال شرق آفریقا و غرب آسیا جریان های غالب زیادی به اروپا دارند. حجم ترافیک بین شمال شرق آفریقا و اروپا، که هر دو در ساحل دریای مدیترانه واقع شده اند، تقریباً 3500 کشتی است. بنابراین، ترافیک نسبتا راحت است. نسبت اشتراک ترافیک منطقه ای در این گروه نسبتا پایین است و به ترتیب در شرق آفریقا، غرب آسیا، اروپا و شمال شرق آفریقا به ترتیب 34.3، 35.5، 49.6 و 59.6 درصد است. مشاهده می شود که توزیع جریان ترافیک دریایی منطقه ای در گروه غربی نسبت به گروه شرقی متعادل تر است و ارتباط دریایی پایدارتر خواهد بود. از تجزیه و تحلیل مرکزی فوق، می توان دریافت که غرب آسیا با مزیت های جغرافیایی خود، دارای یک تماس ترافیکی گسترده و پایدار است و ظرفیت حمل و نقل آن نیز برجسته است. هویت دروازه ای دارد و نمی توان جایگاه آن را در گروه غربی نادیده گرفت.

همانطور که در تحلیل فوق نشان داده شد، استنباط می کنیم که در شبکه جاده ابریشم دریایی، آسیای جنوب شرقی (از گروه شرقی) غالب ترین موقعیت را به خود اختصاص می دهد، آسیای شمال شرقی نقش کمکی را ایفا می کند و آسیای غربی نیز نقش مهمی به عنوان دروازه ایفا می کند. اروپا در گروه غرب جایگاه غالب را به خود اختصاص داده است. بنابراین، آسیای جنوب شرقی، آسیای شمال شرقی، اروپا و غرب آسیا مناطق غالب در جاده ابریشم دریایی هستند.

4.2. تحلیل روابط ترافیکی

4.2.1. ارزیابی نقش ترافیک ملی دریایی

در مجموع 226289 جریان ترافیک OD برای چهار منطقه غالب (شامل 39 کشور) همانطور که در جدول 3 نشان داده شده است غربال شد .

9 کشور در جنوب شرقی آسیا، 4 کشور در شمال شرق آسیا، 15 کشور در غرب آسیا و 11 کشور در اروپا در نظر گرفته شده اند. ستون فقرات شبکه جاده ابریشم دریایی با استفاده از روش تحلیل پیوند چندگانه به دست می آید و سپس نقش آن در امتداد جاده ابریشم دریایی، همانطور که در شکل 8 نشان داده شده است، تجزیه و تحلیل می شود. جریان ترافیک خارج از غرب آسیا مهم ترین است و اروپا بیشترین جریان ترافیک را دریافت کرده است.

از منظر جریان منطقه ای قابل توجه، ایتالیا نفوذ زیادی بر جریان ترافیک دریایی در اروپا دارد و در جریان های ترافیکی قابل توجه همه کشورهای در امتداد منطقه اروپا – مدیترانه شرکت می کند. هشتاد درصد از مرز ملی ایتالیا یک مرز دریایی است که در شرق، غرب و جنوب رو به دریای مدیترانه است. در مجموع 148 بندر در امتداد خط ساحلی نزدیک به 8000 کیلومتر توزیع شده است که جنوا دومین بندر بزرگ در دریای مدیترانه است. با کمک شرایط جغرافیایی دریایی برتر و پشتیبانی قوی بندر، ایتالیا به یک “مرکز توزیع کشتی” پیشرو در منطقه اروپا – مدیترانه تبدیل شده است. در غرب آسیا، امارات کنترل قوی تری بر جریان ترافیک دریایی در منطقه نسبت به سایر کشورها دارد و در جریان های قابل توجهی در هفت کشور شرکت می کند. از جمله عمان، بحرین، قطر، کویت، عربستان سعودی، عراق و ایران که همگی در نزدیکی سواحل خلیج فارس قرار دارند. علاوه بر این، امارات متحده عربی دارای بزرگترین بندر تجارت آزاد در خاورمیانه است: بندر دبی، که برترین بندر تجارت ترانزیتی جهان است. در شمال شرق آسیا، چین جریان های قابل توجهی از همه کشورهای منطقه را بر عهده می گیرد. تعداد جریان های قابل توجهی که چین انجام می دهد بسیار جلوتر از منطقه است. چین به عنوان بزرگترین کشور تولید کننده در جهان، به مرکز توزیع ترافیک دریایی نه تنها در شمال شرق آسیا بلکه در سایر نقاط جهان تبدیل شده است. علاوه بر این، بنادر هنگ کنگ و شنژن چین، و همچنین سایر بنادر بزرگ، از نظر جغرافیایی به بزرگترین بندر جهان – بندر سنگاپور نزدیک هستند و اشتراک منابع بین المللی ترافیک دریایی را با آن آسان تر می کند. در آسیای جنوب شرقی، سنگاپور و تایلند دارای تعداد یکسانی از جریان های ترافیکی قابل توجه در منطقه هستند. با این حال، سنگاپور حجم ترافیک بسیار بیشتری نسبت به تایلند دارد. مقدار جریان قابل توجهی که توسط یک کشور انجام می شود تا حدی با وضعیت دریایی آن مرتبط است. حجم ترافیک حمل شده توسط جریان های قابل توجه نیز عامل مهمی در توصیف نفوذ دریایی یک کشور است (هرچه حجم ترافیک بیشتر باشد، نفوذ دریایی کشور نیز بیشتر می شود). می توان دید که سنگاپور کنترل قوی تری نسبت به تایلند بر جریان ترافیک دریایی در جنوب شرقی آسیا دارد. مقدار جریان قابل توجهی که توسط یک کشور انجام می شود تا حدی با وضعیت دریایی آن مرتبط است. حجم ترافیک حمل شده توسط جریان های قابل توجه نیز عامل مهمی در توصیف نفوذ دریایی یک کشور است (هرچه حجم ترافیک بیشتر باشد، نفوذ دریایی کشور نیز بیشتر می شود). می توان دید که سنگاپور کنترل قوی تری نسبت به تایلند بر جریان ترافیک دریایی در جنوب شرقی آسیا دارد. مقدار جریان قابل توجهی که توسط یک کشور انجام می شود تا حدی با وضعیت دریایی آن مرتبط است. حجم ترافیک حمل شده توسط جریان های قابل توجه نیز عامل مهمی در توصیف نفوذ دریایی یک کشور است (هرچه حجم ترافیک بیشتر باشد، نفوذ دریایی کشور نیز بیشتر می شود). می توان دید که سنگاپور کنترل قوی تری نسبت به تایلند بر جریان ترافیک دریایی در جنوب شرقی آسیا دارد.

از منظر جریان‌های مهم بین منطقه‌ای، در منطقه اروپا-مدیترانه، یونان در بیشترین تعداد جریان‌های مهم بین منطقه‌ای شرکت می‌کند. لبنان، قبرس و ترکیه در غرب آسیا و سنگاپور و مالزی در آسیای جنوب شرقی برای جریان ترافیک به یونان متکی هستند. یونان به دلیل نزدیکی به آسیای غربی، جریان های مهم بین منطقه ای بیشتری نسبت به جریان های مهم درون منطقه ای دارد. این کشور یک کشور مهم برای تجارت دریایی در منطقه اروپا – مدیترانه و غرب آسیا است. در غرب آسیا، ترکیه دارای بیشترین جریان های بین منطقه ای در منطقه اروپا- مدیترانه است که از اسپانیا، مالت، ایتالیا، یونان و روسیه می آید. به طور مشابه، در جریان های مهم بین منطقه ای بیشتر از جریان های مهم درون منطقه ای شرکت می کند. که نشان می دهد ترکیه تاثیر بیشتری بر ترافیک دریایی با کشورهای دیگر مناطق دارد. در منطقه اروپا-دریای مدیترانه و آسیای غربی، یونان، ترکیه، قبرس، لبنان و اسرائیل یک دایره تمرکز جریان ترافیک دریایی بین منطقه‌ای را تشکیل می‌دهند که ترافیک دریایی مکرر بین آنها وجود دارد. عربستان سعودی متعادل ترین توزیع جریان های قابل توجه را در میان کشورهایی دارد که جریان های بین منطقه ای قابل توجهی را انجام می دهند. تمام جریان ها از کشورهایی با حجم ترافیک بالا مانند ایتالیا، اسپانیا و مالت در منطقه اروپا-مدیترانه و چین، سنگاپور و مالزی در شرق آسیا می آیند. بنابراین، عربستان سعودی نقش مهمی در حفظ تجارت دریایی بین منطقه ای ایفا می کند. در شمال شرق آسیا، چین کشوری است که مهم ترین جریان بین منطقه ای را بر عهده دارد و وسیع ترین دامنه را دارد. شمال شرق آسیا علاوه بر تکیه بر آسیای جنوب شرقی، روابط ترافیکی مهمی با دو قدرت دریایی در غرب آسیا – امارات و عربستان سعودی – دارد. در آسیای جنوب شرقی، مالزی دارای جریان های بین منطقه ای مهم تری است، و همچنین به بسیاری از کشورها با حجم ترافیک زیاد در چهار منطقه غالب که در این مطالعه بررسی شده است، وابسته است: چین، کره جنوبی، ژاپن در شمال شرق آسیا، امارات و عربستان سعودی در غرب. آسیا و اسپانیا در اروپا و منطقه مدیترانه. لازم به ذکر است که کشورهای مشترک به عنوان یک کشور گره کلی در مقایسه با کشورهای مرکزی که در منطقه نقش اصلی را ایفا می کنند و کشورهای پل که نقش هاب ترانزیتی بین منطقه ای را ایفا می کنند، از دو جنبه مزیت نسبی نشان نمی دهند. بنابراین حمایت برجسته و نقش رهبری در شبکه ترافیک دریایی نشان نمی دهد.

به طور خلاصه، ایتالیا، سنگاپور و چین نقشی محوری در شبکه ترافیک دریایی جاده ابریشم دریایی ایفا می کنند، نه تنها در هسته منطقه بلکه به عنوان یک هاب ترانزیتی در کل شبکه دریایی. یونان، ترکیه، قبرس، لبنان و اسرائیل به عنوان قطب های محلی، ساختار اصلی جریان ترافیک در شرق دریای مدیترانه را تشکیل می دهند که نقش مثبتی در ارتقای تجارت دریایی در منطقه مدیترانه ایفا کرده است. امارات متحده عربی به عنوان کشوری که بیشترین تأثیر را بر ترافیک دریایی در غرب آسیا دارد، ارتباط نزدیک تری با شرق آسیا دارد. عربستان سعودی کشوری با متعادل ترین ارتباطات ترافیکی دریایی در میان کشورهای جاده ابریشم دریایی است و پل تجارت دریایی بین اروپا و آسیا است. اگرچه حجم ترافیک دریایی در شرق آسیا زیاد است، در درجه اول به گردش ترافیک محلی محدود می شود. بنابراین، شرق آسیا باید از قدرت حمل و نقل دریایی خود برای ارتقای سطح ترافیک دریایی فرامنطقه ای استفاده کامل کند.

4.2.2. تجزیه و تحلیل رقابت ترافیک دریایی-سینرژی

بر اساس مدل رقابت-هم افزایی، یک شبکه رقابتی و روابط هم افزایی ترافیک دریایی منطقه ای مسلط جاده ابریشم دریایی ساخته شده است و تجزیه و تحلیل کمی بر اساس تعداد و شدت روابط انجام می شود، همانطور که در شکل 9 نشان داده شده است. توزیع درجه روابط ترافیکی در کشورهای مختلف در شکل 9 نشان داده شده استالف، ب. خطوط روند دو رابطه مشابه است و ارزش درجه اکثر کشورها بالای 10 است. ما کشورهای دارای مدرک بین 30 تا 35 را به عنوان کشورهای سطح بالا، بین 20 تا 30 را به عنوان کشورهای سطح متوسط، بین 10 تا 20 را تعریف می کنیم. به عنوان کشورهای سطح پایین مشاهده می شود که به جز مالزی، سنگاپور و چین، کشورهای سطح بالا همگی کشورهای غرب آسیا یا کشورهای اروپایی- مدیترانه ای هستند. کشورهای آسیای شرقی نیمی از کشورهای سطح متوسط را تشکیل می دهند. به جز کره، کشورهای سطح پایین غرب آسیا یا کشورهای اروپایی-مدیترانه ای هستند. مشاهده می شود که کشورهای غرب آسیا و منطقه مدیترانه قطبی شده اند. در مقابل، روابط ترافیکی کشورهای شرق آسیا متعادل تر است. علاوه بر این، مالزی، عربستان سعودی، اسپانیا، یونان، ایتالیا و امارات متحده عربی رقابتی ترین روابط را دارند.

از منظر توزیع فضایی و شدت روابط ترافیکی ( شکل 9، روابط ترافیکی بین منطقه ای بسیار بیشتر از روابط ترافیکی درون منطقه ای است. روابط رقابتی بین منطقه ای 01/68 درصد و روابط هم افزایی بین منطقه ای 11/69 درصد است، اما شدت روابط مشابه مقدار میانگین شدت کلی است که نشان می دهد رقابت و روابط هم افزایی بین کشورهای بین منطقه ای بیشتر است. در هر منطقه، غرب آسیا بیشترین روابط ترافیکی را دارد، با رقابت و روابط هم افزایی به ترتیب 15.88 درصد و 15.77 درصد، اما شدت آنها بسیار کمتر از میانگین کلی است، که نشان می دهد رقابت و روابط هم افزایی بیشتر در میان غرب آسیا وجود دارد. کشورها، اما شدت آن بسیار کم است. نسبت رقابت و هم افزایی در اروپا به ترتیب 10.07 درصد و 9.29 درصد است. و شدت آنها از مقدار شدت میانگین کلی بیشتر است. روابط بین کشورها نسبتا قوی است. نسبت رقابت و هم افزایی در میان کشورهای آسیای جنوب شرقی به ترتیب 4.70% و 4.54% است. شدت روابط آنها بسیار بیشتر از میانگین کلی است و تعامل بین کشورها بسیار قوی است. دو نوع روابط ترافیکی در کشورهای شمال شرق آسیا کمتر از 2٪ را تشکیل می دهند، اما روابط آنها قوی تر است (پس از آسیای جنوب شرقی در رده دوم). بنابراین، کشورهای منطقه مسلط روابط گسترده و مستحکمی با ترافیک اقیانوس پیما برقرار کرده اند، اما شدت این روابط چندان قوی نیست. کشورها باید به طور فعال همکاری های تجارت دریایی بین منطقه ای را تقویت کنند و پلت فرم گسترده تری برای توسعه خود ایجاد کنند.

این مقاله ویژگی های روابط ترافیکی را از دو منظر بین منطقه ای و منطقه ای بررسی می کند. شکل 10 شبکه روابط ترافیکی قابل توجهی را بین کشورها در سراسر مناطق نشان می دهد. پیوندهای آبی نشان دهنده روابط ضعیف و پیوندهای قرمز نشان دهنده روابط قوی هستند. در شبکه روابط رقابتی، رقابت قوی 76.55 درصد و شبکه روابط هم افزایی 77.83 درصد از هم افزایی قوی را به خود اختصاص داده است که قابل توجه است. همانطور که در شکل 10 مشاهده می شودکشورهایی که اتصالات بیشتری را در شبکه رقابتی انجام می دهند تمایل دارند که ارتباطات بیشتری در شبکه هم افزایی داشته باشند. گره های هسته و لبه دو شبکه رابطه ای سازگار هستند. چین، مالزی، سنگاپور و یونان بیشترین روابط رقابتی بین منطقه ای را بر عهده گرفته اند، در حالی که چین، مالزی، سنگاپور و فرانسه بیشترین روابط هم افزایی بین منطقه ای را داشته اند. رقابت بین منطقه ای و روابط هم افزایی این کشورها در شکل 11 نشان داده شده است. مطالعات بیشتری در مورد این کشورها انجام خواهد شد. بدیهی است که چین، مالزی و سنگاپور قوی ترین روابط رقابتی و هم افزایی را دارند. مالزی، ایتالیا، سنگاپور، امارات متحده عربی، یونان و ترکیه شدت رقابت قوی دارند، در حالی که فرانسه، مالزی و سنگاپور هم افزایی قوی دارند. علاوه بر این، مشاهده می شود که همپوشانی بالایی بین کشورهایی که رابطه رقابت و هم افزایی با کشورهای اصلی دارند، وجود دارد. مشاهده می شود که در شبکه دریایی بین منطقه ای، اکثر کشورها هم رقابتی و هم هم افزایی هستند و در نتیجه روابط ترافیکی هم افزایی را شکل می دهند.

شبکه ترافیک قابل توجه در هر منطقه در شکل 12 نشان داده شده است. می توان دید که روابط قوی در اروپا چهار برابر روابط ضعیف است. ایتالیا، یونان، اسپانیا، فرانسه و مالت قوی ترین شبکه ارتباط ترافیکی را در منطقه اروپا و مدیترانه تشکیل داده اند. در این میان، روابط رقابتی-هم افزایی بین ایتالیا و یونان قوی‌ترین و رقابت بین ایتالیا و اسپانیا قوی‌تر از سایرین است. اسلوونی و آلبانی که حجم ترافیک نسبتاً کمی دارند، در درجه اول روابط ضعیفی با هشت کشور دیگر دارند. اگرچه حجم ترافیک مالتا نیز کم است، اما روابط قوی برقرار می کند، که ممکن است به این دلیل باشد که مالتا در مرکز دریای مدیترانه و در مجاورت ایتالیا، یک کشور بزرگ دریایی واقع شده است. روابط قوی در غرب آسیا دو برابر روابط ضعیف است. شش کشور، از جمله امارات، عربستان سعودی، ترکیه، اسرائیل، قبرس و لبنان قوی ترین شبکه ترافیکی غرب آسیا را تشکیل داده اند. عربستان سعودی و امارات قوی ترین روابط هم افزایی را دارند، ترکیه و اسرائیل رقابت قوی تری با یکدیگر دارند و ترکیه و عربستان سعودی قوی ترین روابط هم افزایی را دارند. روابط ترافیکی قابل توجه در شرق آسیا همگی قوی است. آسیای شمال شرقی، چین، کره جنوبی و ژاپن شدت رقابت قابل مقایسه ای دارند، اما هم افزایی بین چین و کره جنوبی غالب تر است. در جنوب شرقی آسیا، سنگاپور و مالزی قوی ترین روابط رقابتی-هم افزایی را در منطقه ایجاد کرده اند، مالزی و تایلند رقابت قوی تری با یکدیگر دارند و سنگاپور و تایلند هم افزایی قوی تری دارند. به طور کلی، شبکه ترافیکی قابل توجه در میان کشورهای منطقه غالب جاده ابریشم دریایی تحت سلطه روابط ترافیکی قوی است. کشورهای دریایی از لحاظ جغرافیایی مجاور به احتمال زیاد قوی‌ترین ترکیب رقابت منطقه‌ای را تشکیل می‌دهند.

5. بحث

بر اساس الگوی ترافیک دریایی، این مقاله به بررسی ویژگی‌های روابط ترافیک دریایی در مناطق و کشورهای حاشیه جاده ابریشم دریایی می‌پردازد تا مرجع علمی برای ارتقای توسعه مثبت تجارت دریایی و گردش اقتصادی منطقه‌ای باشد.

این مطالعه نشان داد که اروپا، غرب آسیا و شرق آسیا دارای مبادلات ترافیک دریایی نزدیک و همکاری تجاری مکرر هستند. آنها به مناطق غالب جاده ابریشم دریایی تبدیل شده اند و در 87.8 درصد از کل جریان ترافیک دریایی شرکت دارند. آنها توانایی هدایت تجارت دریایی مناطق اطراف (مانند آفریقا و جنوب آسیا) و پتانسیل هدایت توسعه تجارت دریایی جهانی را دارند. با ادامه ابتکار کمربند و جاده، تماس های تجاری بین اروپا، آسیای غربی و آسیای شرقی نزدیک تر خواهد شد. «ضد حمله» موفق بندر پیرئوس، که دومین بندر بزرگ در دریای مدیترانه است، نمونه‌ای از ابتکار «کمربند و جاده» است که توسعه مشترک را ترویج می‌کند.

ظرفیت حمل و نقل دریایی منطقه در امتداد جاده ابریشم دریایی دارای ساختار فضایی هسته و محیطی است که با موقعیت جغرافیایی منطقه همبستگی زیادی دارد. اغلب، هر چه منطقه به مرکز فضای جغرافیایی نزدیک‌تر باشد و به مسیرهای ترافیکی دریایی یا تنگه‌ها نزدیک‌تر باشد، مزایای انتقال آن آشکارتر می‌شود. کشورهایی که به حمل و نقل بین‌المللی خدمات می‌دهند، می‌توانند از منابع قدرتمند و باکیفیت حمل‌ونقل خود برای تشکیل یک «حلقه اقتصادی دریایی» با سایر کشورهای قدرتمند استفاده کنند. با کمک “دیپلماسی دریایی”، آنها می توانند فعالانه خود را در جهانی شدن ادغام کنند و توسعه پایدار اقتصاد جهانی را ارتقا دهند. علاوه بر عوامل جغرافیایی، ثبات سیاسی، رونق اقتصادی، و ایمنی دریایی از عوامل مهم در توسعه ترافیک دریایی است. در سال‌های اخیر، با توجه به افزایش هزینه‌های ترانزیت در کانال سوئز و تهدید دزدان دریایی سومالیایی در قلمرو این کانال، تعداد فزاینده‌ای از شرکت‌های کشتیرانی برای باز کردن مسیرهای جایگزین برای کانال سوئز (مانند مسیر قطب شمال) تلاش می‌کنند. و مسیر کیپ) [51 ]. این اقدامات همچنین ممکن است فرصت هایی را برای برخی از کشورهای آفریقای جنوبی ایجاد کند تا به مراکز حمل و نقل تبدیل شوند [ 28 ].

اینکه یک کشور توانایی قوی برای کنترل جریان ترافیک دریایی در یک منطقه دارد یا نه، اغلب به میزان توسعه صنعت بندری و موقعیت جغرافیایی آن مربوط می شود. مطالعات ثابت کرده است که در حوضه مدیترانه، تنها 11 درصد از بنادر حجم ترافیکی بیش از 10000 جابجایی در سال دارند. عملکرد اکثر پورت ها به دلیل ظرفیت بندر محدود می شود. بنابراین، ارزیابی منطقی عملکرد یک سیستم از بنادر برای توزیع بالقوه و تخصیص مجدد ترافیک در سطح جهانی ضروری است تا مرجع جدیدی برای توسعه صنعت بندر ارائه شود [ 52 ].]. ایتالیا، سنگاپور و چین نقشی محوری در ساختن جاده ابریشم دریایی به مرکز توزیع ترافیک دریایی جهانی ایفا کرده اند. کشورهایی که قدرت کشتیرانی ضعیف‌تری دارند، باید به طور فعال تماس‌های دریایی مستقیم یا غیرمستقیم با این کشورهای بزرگ کشتیرانی برقرار کنند، فعالانه در شبکه تجارت دریایی جهانی ادغام شوند و از گردش اقتصادی و تجاری جهانی برای سود بردن خود و در عین حال ترویج جهانی شدن استفاده کنند. یونان، ترکیه و اسرائیل نقش فعالی در ترویج تجارت دریایی در منطقه مدیترانه دارند. با در نظر گرفتن این مثال، کشورها باید فعالانه مناطق تجاری دریایی محلی بسازند، گردش اقتصادی را در مناطق بزرگ با چرخه های اقتصادی محلی ترویج کنند، و تجارت دریایی جهانی را بیشتر ترویج کنند. اگرچه حجم ترافیک دریایی در شرق آسیا زیاد است، عمدتاً به تجارت دریایی محلی محدود می شود. آسیای شرقی باید از سیاست‌های «کمربند و جاده» و «جاده ابریشم یخی» با تکیه بر آبراه قطب شمال برای استفاده مناسب از قدرت دریایی قوی خود و بهبود سطح تجارت اقیانوس‌ها استفاده کند.

هر چه روابط ترافیک دریایی یک کشور غنی‌تر باشد، کشور می‌تواند به طور یکپارچه‌تر در محیط تجارت دریایی فعلی ادغام شود، نفوذ بین‌المللی آن بیشتر شود، توانایی آن برای مشارکت در حکومت‌داری منطقه‌ای و حتی جهانی قوی‌تر باشد، و فرصت‌های توسعه بیشتری خواهد داشت. به دست آوردن. روابط ترافیکی در نواحی امتداد جاده ابریشم دریایی دارای تمایز فضایی قابل توجهی است. روابط ترافیکی در مناطق اروپا – مدیترانه و غرب آسیا قطبی شده است که توسعه کلی منطقه را محدود می کند. کشورهای حاشیه این شبکه، مانند آلبانی و اسلوونی، باید به طور فعال همکاری تجاری دریایی را با کشورهای کشتیرانی همسایه خود تقویت کنند. این امر برای توسعه کشور و ثبات تجارت دریایی در منطقه اهمیت زیادی دارد. روابط ترافیکی در شرق آسیا متعادل تر است، اما بیشتر کشورها در موقعیت متوسط قرار دارند. برای عبور از گلوگاه توسعه، آسیای شرقی باید بر برقراری تماس های دریایی پایدار با قدرت های اقیانوسی تمرکز کند تا تعداد فزاینده ای از کشورها در سطح بالاتری از پلت فرم همکاری قرار گیرند. ما متوجه شدیم که اکثر کشورها یک نوع رقابت-هم افزایی از روابط ترافیک دریایی تشکیل داده اند. از این منظر، ترافیک دریایی فعلی در حال حاضر یک سیستم چند بعدی و پیچیده است و روابط ترافیک دریایی بین کشورها در جهت چند سطحی و چند بعدی به توسعه خود ادامه خواهد داد. ملت های جهان همه بخشی از این نظام گسترده و پیچیده هستند،

6. نتیجه گیری

در این تحقیق، شبکه ترافیک دریایی با استفاده از داده‌های مسیر AIS ساخته شده و از روش‌های نظریه شبکه پیچیده، تحلیل شبکه اجتماعی و تحلیل جریان شبکه برای بررسی نابرابری ترافیک و روابط در جاده ابریشم دریایی استفاده شده است. ما مناطق غالب جاده ابریشم دریایی را بررسی می کنیم، نقش کشتیرانی ملی را ارزیابی می کنیم، مطالعه کمی دقیق تری از روابط ترافیک دریایی ارائه می دهیم و نتایج زیر را می گیریم:

(1) نابرابری توزیع فضایی ترافیک دریایی در سطوح منطقه ای و بین منطقه ای باعث تفاوت های قابل توجهی در وضعیت دریایی و ویژگی های اتصال مناطق در امتداد جاده ابریشم دریایی شده است. ظرفیت اتصال دریایی یک الگوی فضایی “غرب ضعیف، شرق قوی” را ارائه می دهد. غرب آسیا، آسیای شمال شرقی و آسیای جنوب شرقی قوی ترین ارتباطات دریایی را با سایر مناطق دارند و یک گروه “هسته مثلثی” را تشکیل می دهند. ظرفیت حمل و نقل دریایی دارای ساختار هسته – پیرامونی در فضا است و ظرفیت حمل و نقل در غرب آسیا و آسیای جنوب شرقی نسبتا قوی است. آسیای جنوب شرقی، شمال شرق آسیا، غرب آسیا و اروپا مناطق غالب جاده ابریشم دریایی هستند.

(2) ایتالیا، سنگاپور و چین همگی نقش های بسیار مهمی در ترافیک دریایی منطقه ای و بین منطقه ای ایفا کرده اند. یونان، ترکیه، قبرس، لبنان و اسرائیل دایره ترافیک دریایی مدیترانه-غرب آسیا را تشکیل می دهند. امارات تماس های دریایی نزدیک تری با کشورهای شرق آسیا دارد. عربستان سعودی یکی از کشورهایی است که در مسیر جاده ابریشم دریایی قرار دارد که متعادل ترین توزیع تماس های دریایی را با سایر مناطق دارد و مانند پلی بین آسیا و اروپا عمل می کند.

(3) از منظر تعداد روابط ترافیکی، کشورهای اروپایی-مدیترانه ای و آسیای غربی به وضوح قطبی شده اند، در حالی که کشورهای آسیای شرقی عملکرد متعادلی دارند. از منظر شدت روابط ترافیکی، شدت روابط بین کشورهای جنوب شرق آسیا قوی ترین و کشورهای غرب آسیا ضعیف ترین است. از منظر نوع روابط ترافیکی، اکثر کشورها روابط ترافیکی رقابتی- هم افزایی را شکل داده اند. چین، مالزی و سنگاپور قوی‌ترین ترکیب روابط بین منطقه‌ای رقابت و هم افزایی را دارند.

ما وضعیت ترافیک دریایی و روابط کشورها/مناطق را با روش‌های تحلیل جریان شبکه در “جاده ابریشم دریایی” مطالعه می‌کنیم. یافته های ما را می توان اولین گام در بهینه سازی حالت های حمل و نقل دریایی دانست. با این حال، نرخ عدم دقت داده های AIS به دلیل عواملی مانند مرزهای نامنظم پورت [ 53 ] بالا است. علاوه بر این، داده های AIS نمی توانند حجم محموله کشتی را ثبت کنند. از این نظر، منابع داده AIS محدودیت های خاصی دارند. اگر داده‌های بزرگ چند منبعی برای تجزیه و تحلیل ترکیبی معرفی شوند، داده‌های AIS می‌توانند کمبودهای انواع داده‌های دیگر را جبران کنند و به مزایای خود بهتر بازی کنند.

منابع

هوانگ، جی. وانگ، جی. کاربرد و تأثیر انضباطی داده های بزرگ حمل و نقل در علوم انسانی و جغرافیای اقتصادی. J. Geoinf. علمی 2020 ، 22 ، 1180-1188. [ Google Scholar ]
جین، اف. وانگ، سی. لی، X. روش تبعیض و تجزیه و تحلیل کاربردی مزایای حمل و نقل منطقه ای چین. Acta Geogr. گناه 2008 ، 63 ، 787-798. [ Google Scholar ]
وانگ، سی. روش تبعیض و نمایش میدان جریان فضایی جریان ترافیک بین شهری-مطالعه موردی جریان مسافری راه آهن چین. Geogr. Res. 2009 ، 28 ، 1464-1475. [ Google Scholar ]
چونگ، ک. بل، MGH؛ پان، جی. Perera, S. تجزیه و تحلیل مرکزیت بردار ویژه اتصال شبکه جهانی کشتیرانی کانتینری. ترانسپ Res. بخش E Logist. 2020 ، 140 ، 101991. [ Google Scholar ] [ CrossRef ]
پنگ، پی. چنگ، اس. چن، جی. لیائو، م. وو، ال. لیو، ایکس. Lu, F. دیدگاهی دقیق در مورد استحکام شبکه های حمل و نقل کشتی باری جهانی. جی. جئوگر. علمی 2018 ، 28 ، 881-889. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
جیانگ، بی. لی، جی. Gong, C. حمل و نقل دریایی و تجارت صادرات در “راه ابریشم دریایی”. آسیایی جی شیپ. تدارکات. 2018 ، 34 ، 83-90. [ Google Scholar ] [ CrossRef ]
فنگ، تی. کانگ، کیو. پان، بی. یانگ، ی. هم افزایی اهداف توسعه پایدار بین چین و کشورهایی که در امتداد طرح کمربند و جاده قرار دارند. Curr. نظر. محیط زیست حفظ کنید. 2019 ، 39 ، 167-186. [ Google Scholar ] [ CrossRef ]
ها، م. یانگ، ز. عملکرد بندر لام، JSL در تدارکات حمل و نقل کانتینری: دیدگاه چند ذینفع ترانسپ سیاست 2019 ، 73 ، 25-40. [ Google Scholar ] [ CrossRef ]
دوکروت، سی. ایتو، اچ. برلی، جی. جاذبه شهری در شبکه جهانی کشتیرانی کانتینری. J. Transp. Geogr. 2020 , 85 , 102729. [ Google Scholar ] [ CrossRef ]
لی، تی. یو، جی. تایلندی، VV تغییر نسبت های تمرکز و الگوهای جغرافیایی بنادر فله: مورد ساحل غربی کره. آسیایی جی شیپ. تدارکات. 2014 ، 30 ، 155-173. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
فنگ، اچ. گریفول، ام. ژنگ، پی. از یک پورت فیدر تا یک بندر هاب: مسیرهای تکامل، پویایی و چشم اندازهای بندر نینگبو-ژوشان (چین). ترانسپ سیاست 2019 ، 76 ، 21-35. [ Google Scholar ] [ CrossRef ]
او، دی. یین، Q. ژنگ، م. گائو، پی. حمل و نقل و ادغام اقتصادی منطقه ای: شواهد از منطقه چانگ-ژو-تان در چین. ترانسپ سیاست 2019 ، 79 ، 193-203. [ Google Scholar ] [ CrossRef ]
دوکروت، سی. لی، اس. Ng، AKY مرکزیت و آسیب پذیری در شبکه های کشتیرانی خطی: بازبینی سلسله مراتب بندر شمال شرق آسیا. ماریت. مدیر سیاست 2010 ، 37 ، 17-36. [ Google Scholar ] [ CrossRef ]
لیو، اف. آندرینکو، جی. آندرینکو، ن. چن، اس. یانسنز، دی. وتز، جی. تئودوریدیس، ی. تحلیل ترافیک در سطح شهر بر اساس ترکیب رویکردهای بصری و تحلیلی. جی. جوویس. تف کردن مقعدی 2020 ، 4 . [ Google Scholar ] [ CrossRef ]
Le Tixerant، M. لو گویادر، دی. گورملون، اف. Queffelec، B. چگونه می توان از داده های سیستم شناسایی خودکار (AIS) برای برنامه ریزی فضایی دریایی استفاده کرد؟ ساحل اقیانوس. مدیریت 2018 ، 166 ، 18-30. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
وانگ، ز. یائو، ام. منگ، سی. Claramunt، C. ارزیابی ریسک COVID-19 وارداتی خارج از کشور کشتی های اقیانوس پیما بر اساس AIS و داده های عفونت. ISPRS Int. J. Geo Inf. 2020 ، 9 ، 351. [ Google Scholar ] [ CrossRef ]
شیائو، ی. چن، ی. لیو، ایکس. یان، ز. چنگ، ال. لی، ام. تجزیه و تحلیل جریان نفت در منطقه جاده ابریشم دریایی با استفاده از داده های AIS. ISPRS Int. J. Geo Inf. 2020 ، 9 ، 265. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
چنگ، ال. یان، ز. شیائو، ی. چن، ی. ژانگ، اف. لی، ام. استفاده از داده های بزرگ برای ردیابی حمل و نقل نفت دریایی در امتداد جاده ابریشم دریایی قرن بیست و یکم. علمی فناوری چین علمی 2019 ، 62 ، 677-686. [ Google Scholar ] [ CrossRef ]
ژونگ، آر ایکس؛ Cai، HX; Xu، DB; چن، سی. سومالی، ع. Pan, TL کنترل بازخورد دینامیکی فرآیند عدم تعادل ترافیک روزانه. ترانسپ Res. سی امر. 2020 ، 114 ، 297-321. [ Google Scholar ] [ CrossRef ]
گوا، ی. چن، ز. استوارت، ا. لی، ایکس. ژانگ، ی. مروری منظم بر عدالت حمل‌ونقل از نظر دسترسی، انتشارات ترافیک و نتایج ایمنی: از فناوری‌های معمولی تا نوظهور. ترانسپ Res. بین رشته ای. چشم انداز 2020 ، 4 ، 100091. [ Google Scholar ] [ CrossRef ]
استوارت، آل. Zeager، M. مطالعه نابرابری دی اکسید نیتروژن محیط و سطوح ترافیک در نزدیکی مدارس ابتدایی در منطقه تامپا. جی. محیط زیست. مدیریت 2011 ، 92 ، 1923-1930. [ Google Scholar ] [ CrossRef ] [ PubMed ]
وانکه، پی. چن، ز. ژنگ، ایکس. Antunes، J. کارایی پایداری و نابرابری کربن سیستم حمل و نقل چینی: تحلیل مرزی تصادفی بیزی قوی. جی. محیط زیست. مدیریت 2020 , 260 , 110163. [ Google Scholar ] [ CrossRef ]
چن، اچ. دو، دبلیو. لی، ن. چن، جی. ژنگ، X. نابرابری اجتماعی و اقتصادی در ناتوانی مرتبط با ترافیک در میان بزرگسالان چینی: کاربرد شاخص تمرکز. اسید. مقعدی قبلی 2013 ، 55 ، 101-106. [ Google Scholar ] [ CrossRef ] [ PubMed ]
داداشوا، بی. لی، ایکس. ترنر، اس. Koeneman، P. تجزیه و تحلیل سری های زمانی چند متغیره از اقدامات تراکم ترافیک در مناطق شهری به عنوان آنها به شاخص های اجتماعی و اقتصادی مربوط می شود. اجتماعی اقتصادی طرح. علمی 2020 ، 100877. [ Google Scholar ] [ CrossRef ]
Notteboom، TE نابرابری ترافیک در سیستم های بندری مورد بازبینی قرار گرفت. J. Transp. Geogr. 2006 ، 14 ، 95-108. [ Google Scholar ] [ CrossRef ]
داگوم، سی. رویکردی جدید برای تجزیه نسبت نابرابری درآمد جینی. امپراتور اقتصاد 1997 ، 22 ، 515-531. [ Google Scholar ] [ CrossRef ]
وانگ، ی. کولینان، ک. تلفیق ترافیک در بنادر کانتینری آسیای شرقی: تحلیل جریان شبکه. ترانسپ Res. یک پولیس 2014 ، 61 ، 152-163. [ Google Scholar ] [ CrossRef ]
خو، ام. لی، ز. شی، ی. ژانگ، ایکس. جیانگ، اس. تکامل نابرابری منطقه ای در شبکه جهانی کشتیرانی. J. Transp. Geogr. 2015 ، 44 ، 1-12. [ Google Scholar ] [ CrossRef ]
نگوین، PN; وو، اس. برسفورد، آ. Pettit، S. رقابت، تمرکز بازار، و کارایی نسبی بنادر کانتینری بزرگ در آسیای جنوب شرقی. J. Transp. Geogr. 2020 , 83 , 102653. [ Google Scholar ] [ CrossRef ]
Notteboom، TE Concentration و تشکیل مناطق دروازه چند بندری در سیستم بندر کانتینری اروپا: یک به روز رسانی J. Transp. Geogr. 2010 ، 18 ، 567-583. [ Google Scholar ] [ CrossRef ]
لی، جی. اوه، Y. تحقیق در مورد رقابت و همکاری بین بندر شانگهای و بندر نینگبو-ژوشان. آسیایی جی شیپ. تدارکات. 2010 ، 26 ، 67-91. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
بولز، اس. کارلین، W. نابرابری به عنوان تفاوت تجربه شده: فرمول مجدد ضریب جینی. اقتصاد Lett. 2020 , 186 , 108789. [ Google Scholar ] [ CrossRef ]
لی، KX; ارتباط دادن.؛ جین، م. یوئن، KF; یانگ، ز. Xiao, Y. تأثیر ابتکار کمربند و جاده بر نیروی دریایی تجاری. ترانسپ Res. یک پولیس 2020 ، 135 ، 160-167. [ Google Scholar ] [ CrossRef ]
ژائو، ی. لیو، ایکس. وانگ، اس. Ge, Y. روابط انرژی بین چین و کشورهای در امتداد کمربند و جاده: تحلیلی از توزیع منابع انرژی و روابط وابستگی متقابل. تمدید کنید. حفظ کنید. Energy Rev. 2019 ، 107 ، 133-144. [ Google Scholar ] [ CrossRef ]
یو، اچ. نیش، ز. لو، اف. موری، AT; ژائو، ز. خو، ی. یانگ، ایکس. مسیر سنسور سیستم شناسایی خودکار عظیم مبتنی بر داده، دینامیک شبکه پیوندی چندلایه حمل و نقل دریایی در امتداد جاده ابریشم دریایی قرن بیست و یکم. Sensors 2019 , 19 , 4197. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
کیتامورا، تی. Managi, S. نیروی محرکه و مقاومت: ویژگی شبکه در تجارت نفت. Appl. انرژی 2017 ، 208 ، 361-375. [ Google Scholar ] [ CrossRef ]
Pais Montes، C.; Freire Seoane، MJ; González Laxe، F. محموله های عمومی و مسیرهای اضطراری کانتینری: توصیف شبکه های پیچیده. ترانسپ سیاست 2012 ، 24 ، 126-140. [ Google Scholar ] [ CrossRef ]
مو، ن. لیو، سی. ژانگ، ال. فو، ایکس. زی، ی. لی، ی. پنگ، پی. الگوی فضایی و تحلیل ارتباط منطقه ای شبکه کشتیرانی جاده ابریشم دریایی. پایداری 2018 ، 10 ، 977. [ Google Scholar ] [ CrossRef ][ Green Version ]
ژانگ، سی. فو، جی. Pu, Z. مطالعه شبکه تجارت نفت کشورهای در امتداد “ابتکار کمربند و جاده”. جی. پاک. تولید 2019 ، 222 ، 593-605. [ Google Scholar ] [ CrossRef ]
کولینان، ک. وانگ، ی. پیکربندی سلسله مراتبی صنعت بندر کانتینری: کاربرد تحلیل پیوند چندگانه. ماریت. مدیر سیاست 2012 ، 39 ، 169-187. [ Google Scholar ] [ CrossRef ]
هوانگ، ی. Yip، TL; Wen, Y. تحلیل مقایسه ای جریان ترافیک دریایی در مدل های کلاسیک. مهندس اقیانوس 2019 ، 187 ، 106195. [ Google Scholar ] [ CrossRef ]
جیانگ، بی. Li, J. اندازه‌گیری عملکرد بنادر دریایی در شمال شرقی آسیا مبتنی بر DEA: رویکرد شعاعی و غیر شعاعی. آسیایی جی شیپ. تدارکات. 2009 ، 25 ، 219-236. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
بله، WY; لام، JSL پویایی رقابت بین بنادر کانتینری در شرق آسیا. ترانسپ Res. یک پولیس 2006 ، 40 ، 35-51. [ Google Scholar ] [ CrossRef ]
کم، JMW; لام، SW; تانگ، LC ارزیابی وضعیت هاب در میان بنادر آسیایی از دیدگاه شبکه. ترانسپ Res. یک پولیس 2009 ، 43 ، 593-606. [ Google Scholar ] [ CrossRef ]
Viljoen، NM; Joubert, JW آسیب پذیری شبکه جهانی حمل و نقل کانتینری در برابر اختلال هدفمند لینک. فیزیک A 2016 , 462 , 396–409. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
آهنگ، SC; پارک، SH; Yeo، تجزیه و تحلیل ساختار شبکه GT از یک پورت محوری فرعی. آسیایی جی شیپ. تدارکات. 2019 ، 35 ، 118-125. [ Google Scholar ] [ CrossRef ]
لی، ز. خو، ام. Shi, Y. مرکزیت در شبکه حمل و نقل جهانی بر اساس مناطق حمل و نقل در سراسر جهان. Geo J. 2015 ، 80 ، 47-60. [ Google Scholar ] [ CrossRef ]
لیو، جی. گوا، اس. لو، ز. یو، اف. LI، H. یک اندازه گیری مرکزیت جریان تقریبی برای شبکه پیچیده. IEICE Trans. Inf. سیستم 2013 ، 96 ، 727-730. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
نیستون، جی دی. Dacey، MF تفسیر نظریه گراف از مناطق گرهی. پاپ Reg. علمی دانشیار 1961 ، 7 ، 29-42. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
لی، ز. لی، دبلیو. چشم انداز رقابتی بنادر کانتینری چین بر اساس تحلیل چند جریانی. اقتصاد Geogr. 2019 ، 39 ، 124-131. [ Google Scholar ]
فو، ایکس. نگ، AKY؛ Lau, Y. تأثیرات دزدی دریایی بر توسعه اقتصادی جهانی: مورد سومالی. ماریت. مدیر سیاست 2010 ، 37 ، 677-697. [ Google Scholar ] [ CrossRef ]
ماریناچی، سی. پولو، RA; ریچی، اس. Rizzetto، L. پورت معیار ساختاری و عملیاتی: روش شناسی و کاربرد در حوزه مدیترانه. ماریت. ترانسپ 2019 ، 187 ، 3-12. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
وو، ال. خو، ی. وانگ، اف. شناسایی تماس‌های بندری کشتی‌ها با استدلال نامشخص با داده‌های مسیر. ISPRS Int. J. Geo Inf. 2020 ، 9 ، 756. [ Google Scholar ] [ CrossRef ]

شکل 1. مسیرهای منطقه مطالعه (با خطوط آبی) و کشورهای جاده ابریشم دریایی. منطقه مورد مطالعه شامل 9 منطقه می باشد.

شکل 2. ساخت شبکه دریایی با استفاده از داده های AIS: ( الف ) تعیین موقعیت مسیرهای کشتی های مختلف بر اساس اطلاعات زمان واقعی طول و عرض جغرافیایی. ب ) شناسایی بنادر در مسیرها و ایجاد شبکه دریایی با پورت ها به عنوان گره. ( ج ) ترکیب WPI و داده های اطلاعات پایه ملی برای ایجاد یک شبکه دریایی با کشورها به عنوان گره. منبع: برگرفته از یو و همکاران. [ 35 ].

شکل 3. ساختار شبکه در تحلیل پیوند اولیه (PLA). قرمز عدد نشان دهنده بزرگترین جریان یک گره “کوچکتر” است. منبع: برگرفته از Nystuen و همکاران. [ 49 ].

شکل 4. مدل رقابت-هم افزایی بر اساس نظریه پیوند چندگانه. منبع: اقتباس از لی و همکاران. [ 50 ].

شکل 5. رسمی سازی توزیع جریان ترافیک دریایی: ( الف ) شبکه توپولوژیکی کشتیرانی جریان ترافیک دریایی. تجسم توسط Gephi ساخته شده است. ( ب ) نقشه حرارتی توزیع مسیر. هر چه رنگ روشن تر باشد، حجم ترافیک دریایی بین دو منطقه بیشتر است.

شکل 6. تجزیه و تحلیل مرکزیت: ( الف ) ظرفیت اتصال دریایی منطقه ای. ( ب ) ظرفیت حمل و نقل دریایی منطقه ای. مقدار با UCINET 6 محاسبه می شود.

شکل 7. تجزیه و تحلیل پیوند اولیه. بر اساس شبکه جریان ترافیک بین مناطق مختلف، جهت و حجم جریان های غالب را بیشتر تحلیل کنید تا وضعیت و روابط هر منطقه را بررسی کنید.

شکل 8. ارزیابی نقش کشورها در ترافیک جاده ابریشم دریایی. تجسم توسط Gephi ساخته شده است.

شکل 9. تعیین کمیت روابط ترافیک منطقه ای غالب: ( الف ) توزیع درجه و درصد رقابت. ( ب ) توزیع درجه و درصد هم افزایی. ( ج ) شدت رقابت؛ ( د ) شدت هم افزایی.

شکل 10. شبکه ترافیکی قابل توجه بین کشورها در سراسر مناطق: ( الف ) روابط رقابتی بین کشورها در سراسر مناطق. ( ب ) روابط هم افزایی بین کشورها در سراسر مناطق. تجسم توسط Gephi ساخته شده است.

شکل 11. روابط ترافیکی بین منطقه ای در کشورهای اصلی. تجسم توسط Gephi ساخته شده است. هرچه خط اتصال ضخیم تر باشد، روابط بین دو کشور قوی تر است.

شکل 12. شبکه ترافیکی قابل توجه بین کشورهای منطقه. تجسم توسط Gephi ساخته شده است. هرچه خط اتصال ضخیم تر باشد، روابط بین دو کشور قوی تر است.

مقالات داخلی و بین المللی

بدون دیدگاه

دیدگاهتان را بنویسید لغو پاسخ

برای نوشتن دیدگاه باید وارد بشوید.

مشاورین هوش پیروزی

کلید واژه ها:

1. مقدمه

2. بررسی ادبیات

2.1. نابرابری ترافیک

2.2. روابط و وضعیت ترافیک

3. مواد و روشها

3.1. منطقه مطالعه

3.2. داده ها

3.3. روش تحقیق

3.3.1. درجه

3.3.2. تحلیل شبکه های اجتماعی

3.3.3. تجزیه و تحلیل پیوند اولیه

3.3.4. نسبت اشتراک گذاری ترافیک

3.3.5. تجزیه و تحلیل پیوند چندگانه

4. نتایج

4.1. تحلیل نابرابری ترافیک

4.1.1. توزیع فضایی جریان ترافیک

4.1.2. تحلیل نقش غالب منطقه ای

4.2. تحلیل روابط ترافیکی

4.2.1. ارزیابی نقش ترافیک ملی دریایی

4.2.2. تجزیه و تحلیل رقابت ترافیک دریایی-سینرژی

5. بحث

6. نتیجه گیری

منابع

قبلیپتانسیل تجزیه و تحلیل داده های فتوگرامتری LiDAR و پهپاد برای تفسیر مکان های باستانی: مطالعه موردی قلعه چون در جنوب غربی انگلستان

بعدیFuNet: یک شبکه جدید استخراج جاده با ادغام داده های مکان و تصاویر سنجش از دور

مطالب مرتبط ...

آموزش مقاله نویسی در رشته ادبیات فارسی

تأثیر همسایگی درونیابی DEM بر عوامل زمین

رگرسیون وزنی جغرافیایی تطبیقی ​​غیر منفی برای تخمین تراکم جمعیت بر اساس نور شب

بدون دیدگاه

دیدگاهتان را بنویسید لغو پاسخ

درباره سرزمین فناوری مکانی GISLAND

دسترسی سریع

اطلاعات

خبرنامه

خبرنامه

درباره سرزمین فناوری مکانی GISLAND

دسترسی سریع

اطلاعات

دسترسی سریع

رگرسیون وزنی جغرافیایی تطبیقی غیر منفی برای تخمین تراکم جمعیت بر اساس نور شب