《集装箱吞吐量预测研究的国内外文献综述》7200字

集装箱吞吐量预测研究的国内外文献综述1.1关于粤港澳大湾区的研究综述粤港澳大湾区由香港、澳门两个特别行政区以及广东省广州、深圳、东莞等珠三角九城组成，目前是经济活力最强的区域之一。目前对粤港澳大湾区的研究重点在发展阶段、影响权重、以及湾区评价等方面。

伍凤兰等（2015）以世界湾区以及粤港澳大湾区为研究对象，在“湾区经济”的演进机制的基础上将湾区划分为四个阶段：港口经济驱动阶段、工业经济驱动阶段、服务经济驱动阶段与创新经济驱动阶段，，最终确定了我国粤港澳大湾区正处于服务经济驱动阶段[1]。

张昱、眭文娟等（2018）在经济贡献、一体化程度、开放水平、功能特征四个维度的基础上构建了湾区经济评价体系，将湾区发展过程分为四阶段演进过程：港口经济、工业经济、服务经济以及创新经济，分析结果表明粤港澳大湾区正处于工业经济阶段[2]。杨道玲等（2020）从湾区科技创新的角度进行研究，研究结果显示，粤港澳大湾区创新的实力和质量上与其他世界湾区相比​仍有较大差距，并提出加大研发经费投入以及充分发挥龙头企业作用，形成创新型产业集群等相关建议对策[3]。

马忠新（2016）通过对粤港澳大湾区、环北部湾湾区、海峡西岸湾区等我国五大湾区的湾区经济的研究，经过实证研究明确了经济增长速度、文化包容性、人力资本水平以及基础设施便利性等因素与湾区经济的关系，最终得出了经济增长速度对湾区经济和湾区发展产生显著的正向影响[4]。Weng

H（2020）通过改进的熵权法对粤港澳大湾区内的九个城市作为研究对象，以经济、社会、环境以及交通四个维度来进行评价，结论表明广州的表现最好，城市交通以及经济环境相对综合指数最高，澳门表现较差且城市群综合承载力将持续下滑。粤港澳大湾区内总体表现较好，尤其在经济和交通两个方面优势潜力较大[5]。

《四大湾区影响力报告》(2019)中从经济、文化、创新、旅等六个维度对目前世界四大湾区进行对比和评价，结果表明旧金山湾区影响力仍然位居世界前列，东京湾区整体发展滞后于其他湾区，而粤港澳大湾区多中心的优势为其未来发展和影响力奠定了结构基础[6]；鲁志国、潘凤（2015）通过经济规模、经济效益、经济开放以及经济创新的四个维度构建了湾区经济竞争力综合评价模型，实证结果显示粤港澳大湾区虽然具备一定优势，但目前离其他湾区还有差距，提出粤港澳大湾区应更加注重结合当地经济发展特色以及提高体制机制创新[7]。

陈朝萌（2016）将影响港口功能定位分为宏观因素、现有基础、能力指标三类指标，通过计算出各影响因素的权重，提出粤港澳大湾区港口群将发展成为“一心、一体与两翼”的形态，即：深圳港为湾区核心港口，广州港、深圳港和香港港为湾区主体，惠州、汕头、珠海以及湛江为两翼[8]；除此之外，余蕾（2017）以地理、经济以及物流三个环境的基础上构建了粤港澳大湾区物流体系，并提出设立专门的从发同发展机构、搭建物流信息共享平台以及加强物流体系管理等相关政策建议[9]。宋敏等（2019）采用DEA模型以了长江三角洲和粤港澳大湾区内的37个城市为研究对象，测算综合交通效率，研究表明粤港澳大湾区的综合交通效率整体上要高于长江三角洲，同时提出湾区内综合交通效率的提升对经济增长具有正向影响[10]。

陈德宁,郑天祥（2010）整合了便捷交通网络、湾区港口基础建设两个影响因素以及渠道，并在此基础上进行了粤港澳区域构建湾区后港口群变化的研究，经过实证明确了大湾区建设与珠江口竞争力之间的关系为显著正向影响[11]。之后，申勇、马忠新（2017）在此基础上提出可以通过设立试验区整合重组粤港澳大湾区港口资源、增加公共产品供给等对策建议[12]。

1.2关于广州港集装箱运输的研究综述邓国生（2006）通过对广州港南沙港区具备集疏运条件便利、集装箱码头布局合理以及港口开发条件良好等竞争优势的研究，明确了正是这些优势推动了南山港区集装箱运输的发展，带动了南山港区的集装箱吞吐量的增长[13]。张敏敏（2007）从广州港集装箱运输的吞吐量、码头处理能力以及港口基础设施等内部因素和贸易摩擦、运力市场、周边港口竞争以及政策法律等外部因素来综合分析广州港集装箱运输的机遇与挑战，再利用SWOT分析法将有利因素和不利因素进一步总结归纳的得出：广州港集装箱运输的主要内部优势在于自然区位优势、集疏运系统完善、港口功能齐全、腹地经济实力较强；而外部机会在于国家政策鼓励发展、腹地对外贸易发展迅速以及外向经济地位[14]。万征，张文欣（2007）利用主成分分析法对比了广州港和深圳港的综合物流发展水平，结果表明广州港货物吞吐量以及集装箱吞吐量在短时间内难以超过深圳港,但其高速经济发展以及临近物流货源地的优势可以提升其竞争力[15]。王红尧，覃杰（2018）通过对广州港各港区集装箱运输现状的研究,明确了广州港在珠三角三角洲港口群中的主要定位是内贸集装箱枢纽港,同时指出广州港集装箱运输的优势在于城市经济优势、临近箱源地、珠江三角洲内河航道等[16]。

1.3关于港口集装箱吞吐量影响因素的研究综述俞毅（2003）分析了入世后带来的更为宽松的外贸环境以及国际经济环境能够为我国港口带来重大发展机遇，结论表明宽松的经济政策以及开放的贸易环境对集装箱吞吐量产生正向影响[17]。王丹（2007）以我国沿海港口为研究对象,将影响港口集装箱吞吐量的要素总结为:地理因素、腹地经济、政府政策和集疏运系统[18]。郭政(2018)通过对长三角集装箱港口总体集散趋势和演化过程进行研究,提出自然条件、技术条件、区域经济、政策和制度、全球价值链和供应链等不同因素在各阶段的影响程度不同，这与王丹学者提出的观点不谋而合[19]。

熊勇清（2017）以“21世纪海上丝绸之路”重点港口为研究对象进行分析，构建了面板数据回归模型，实证结果表明港口集装箱吞吐量和腹地经济之间显著相关，发达的腹地经济能够为港口带来源源不断的集装箱货源，进而推动了集装箱吞吐量的增长[20]。陈再齐,

曹小曙（2005）在广州市部分经济指标和港口相关指标的基础上进行腹地经济与港口物流关系的研究分析，该研究结果显示港口腹地经济的高速发展以及国内外贸易的有序进行能够提供集装箱运输的货源基础，这也就鼓励了港口集装箱吞吐量的提高[21]。曾小彬（2005）通过构建集装箱生成量的公示指标体系，提出集装箱生成量大小与GDP、进出口贸易额、进出口商品结构、单位适箱货物价值高低等成正向变动[22]。陆梦秋，李恩康（2019）采用多元线性回归模型建立国际集装箱生成量与影响因素之间的函数关系，从GDP、进出口总额、实际利用外资、货运总量、公路里程、铁路里程等影响因素中发现GDP与进出口总额对集装箱生成量呈正相关，货运总量与集装箱生成量成负相关[23]。

周平德（2009）通过应用Granger检验法对广州港集装箱吞吐量和广州地区成产总值之间的关系进行实证，结果表明当经济增长速度小于港口增长速度时，经济增长为物流增长提供了动力[24]。栾维新，马新华（2011）采用相关关系分析法研究发现我国港口集装箱吞吐量与第三产业增加值、进出口总额、GDP与第二产业增加值呈高度正相关[25]。陈涛焘,高琴（2008）整合了地区生产总值、进出口总额、产业值等相关指标数据，并在此基础上对港口集装箱吞吐量的影响因素进行研究，结果表明地区生产总值、货运量、第三产业值和社会消费品零售总额这四大因素对集装箱吞吐量的影响最为显著[26]。许峥嵘，杜佩（2012）对​港口建设与经济增长的相关问题进行研究，结果显示了经济增长对港口集装箱对吐量有积极的正向影响[27]。安萌（2010）对腹地经济与港口集装箱吞吐量的关系进行分析，实证结果表明腹地经济指标中进出口额与集装箱吞吐量的关联度最为密切，影响程度最高[28]。

Jeevan,H（2015）以马来西亚港口为例，提出国内经济的长久发展与需求链中的各种活动的组合，导致转运活动的频繁和交通运输路线的改变，从而影响了马来西亚港集装箱吞吐量的变化[29]。Al-Eraqi

A

S（2008）以印度12个主要港口为研究对象进行了港口效率评估，研究结果表明港口泊位数量、堆场面积以及其他装卸设备等基本装备对港口集装箱吞吐量有正向影响[30]。蒋自然，曹有挥（2017）以长三角主要集装箱港口为例，运用R/S分析法研判港口体系的空间集疏演化趋势，实证结果表明港口体系空间集聚化推动了港口集装箱运输的发展[31]。

胡宗良，张静（2009）通过3种GDP增长变化速度以及设置2种产业结构变化作为前提条件，共列举了6种预测方案来判断产业结构调整以及GDP对港口集装箱吞吐量的影响趋势，结果表明当第二产业值与GDP的增加都带动了集装箱吞吐量的增长[32]。王岳平（2004）通过定量分析的方法研究了产业结构对于水运货物生成量和吞吐量的影响，研究结果表明对原材料型重工业是影响需求量的最大部门，同时产业结构调整预计会带动水运货物需求量以及港口集装箱吞吐量的提升[33]。蔡权德，栾维新等（2011）对沿海港口腹地产业结构与集装箱吞吐量的关联性进行研究,并结合产业结构升级对于集装箱货源的影响，提出随着第三产业值比重增加，港口集装箱吞吐量的的增幅将逐渐放缓[34]。

1.4关于港口集装箱吞吐量预测方法的研究综述目前，对于港口集装箱吞吐量预测主流还是以定量分析为主，定量预测是根据目标变量及其与其相关的相关因素作为基本数据，借助数学方法和模型对数据进行处理，从而对未来的趋势得到预判。定量预测方法基本分为五类，一是传统的时间序列预测法，二是传统回归预测法，三是神经网络预测法，四是灰色预测法，五是组合预测法。1.4.1传统时间序列预测和回归预测Jiang

L（2018）基于博弈论和贝叶斯回归模型对港口吞吐量进行预测[35]；Veerachai

Gosasang（2018）运用时间序列方法预测集装箱吞吐量[36]。黄顺泉（2003）以上海港为研究对象构建了三次指数平滑模型以及回归模型对集装箱吞吐量进行短期预测，两种模型产生的误差均超过8%[37]。陆梦秋，李恩康（2019）则是引入GDP与进出口总额作为自变量，集装箱吞吐量作为因变量构建二元回归模型，但依然存在自变量较少以及模型难以体现深层机理等问题[38]；

1.4.2灰色预测法

1982年，邓聚龙教授首次提出灰色系统理论，该系统理论主要以“小样本、贫信息”的不确定系统对研究对象，因此也多被用来进行物流方面的预测。

何国华（2008）提出灰色预测模型比较适合对物流进行预测，它对数据依赖程度不高，同时对于中短期预测准确性较高[39]。孔令云，沈鹃（2008）以货运量为实测值探讨了灰色预测模型的精准度与输入指标之间的关系，结果表明灰色预测模型的精确度与原始数据的代表性呈负相关关系，因此在后续使用该模型进行预测时需要剔除明显不适合的相关数据来保证原始数据的质量与代表性[40]。

1.4.3神经网络预测

神经网络预测方法由于其具备自我学习、易容错以及无限逼近函数的特点，常被用于数据预测。对于神经网络预测的相关文献重点在于数据预测、输入变量选取、网络结构等方面的研究。

在数据方面，魏连雨、庞明宝（2004）通过对比以时间序列和回归模型为基础的BP神经网络对于预测的精度，得出两组模型的预测误差都比较大，但结合时间序列与回归模型后的神经网络相对更加稳定，预测的精度也相对较高，为后来应用BP神经网络预测奠定了方法论[41]。徐杏，史喜军（2002）以外贸进出口总额作为可量化数据，政治因素、环境因素、法律因素等作为不可量化因素，将以上数据作为神经网络输入指标，相应年份的深圳港集装箱吞吐量作为输出指标，共构成了9组训练样本，结合实际情况，预测误差比较大。参考多位学者的研究发现，其原因可能是自变量选取方面可量化数据过于单一[42]。童明荣,薛恒新（2006）以宁波港集装箱吞吐量为研究对象构建了三次指数平滑、灰色系统及BP神经网络预测模型，从结果得出BP神经网络精准度高于其他两个传统预测模型，其原因可能是对于短期数据BP神经网络预测精度较高,

它具有局部逼近网络的优点,

可以近似任何非线性函数[43]。

关于输入变量选取，后锐、张毕西（2005）通过神经网络预测上海港集装箱吞吐量，在输入变量选取时提出输入指标的数量与输出部分数据的准确性成正比[44]；但张兴会，杜升之（2002）确认为指标样本的选取往往是需要与目标数据相关，实证结果表明若输入变量能够反应大部分的信息，那么输入指标数量越少神经网络的数据处理、传输也越快，输出结果精确度也相对更高[45]。

对于神经网络结构的确定，kolmogorov定理提出神经网络只需包含输入层、隐含层以及输出层三个层次结构就能够实现对任意函数的逼近。因此，大部分研究文献都是采用三层结构的神经网络。此外，神经网络的每层结构都包含神经元，输入层以输入指标数量为依据，输出层神经元则是目标数量，隐含层神经元数目通常需要不断调试才能够确定。谢远涛（2007）邓爱民、熊剑等（2010）在构建神经网络时，采用经验函数确定隐含层神经元的数量范围，再通过不断调试网络、对比误差来最终确定神经元数量，实证分析显示隐含层神经元个数对于预测精准度具有不确定性，只有不断尝试，确定最佳网络权值、阈值以及神经元个数后才能提高神经网络的精准度[46][47]。

4.组合预测法

1969年，组合预测法由贝特斯和格兰杰提出，他们认为单模型预测的精度要远低于两种预测模型的组合。在此之后，国内外学者在实际进行研究时开始应用组合预测法。目前研究文献中主要有主观设定法、平均法、递归等权组合预测、递归方差倒数组合预测方法等。

张云康，张晓宇（2008）以宁波港集装箱吞吐量为预测对象，构建了三次指数平滑模型,灰色系统预测模型等时间序列预测模型，在此基础上利用线性规划确定组合模型权重比，对比预测结果后发现组合预测模型的精度比单项预测模型更高，更适于实际预测[48]。随着神经网络的逐渐被用于数据预测，有部分学者将分析模型与神经网络组合的方式来进行预测。胡波、刘建民（2006）通过对货运量进行预测，构建了层次分析模型与RBF神经网络的组合预测模型，其中层次分析模型对输入指标进行筛选，RBF神经网络负责对数据进行仿真[49]。贺昌政,

俞海（2001）首次采用主成分分析结合BP神经网络的组合模型，利用主成分模型选取研究对象的影响因素，再利用神经网络进行预测，实证结果表明，该组合的平均误差值为0.62%，高于传统BP神经网络1.12%的平均误差值，预测结果更加精确[50]。何明,

过秀成（2007）则是利用主成分分析法将输入指标进行综合提炼，既降低神经网络的维度，同时对于输入指标与输出指标之间的因果关系能够清晰表达，实证结果也说明了这一组合模型在模拟预测时效果较好[51]。

喻胜华，邓娟（2011）构建了主成分分析法和BP神经网络的组合预测模型，主成分分析模型负责减少神经网络的输入指标以此提高网络的数据传输效率和精准度，结果表明这种组合与单项预测模型相比预测精准度上有明显优势[52]；1.5文献评述综合上述相关文献，海内外学者对粤港澳大湾区、广州港集装箱运输、港口集装箱吞吐量影响因素以及预测方法都进行了深层次的研究分析，对本文进行粤港澳大湾区背景下广州港集装箱吞吐量的预测以及影响因素分析有着重要的借鉴意义。但粤港澳大湾区是近年来才提出的重大国家战略，在该战略中更加强调了中心城市港口的协同性和发展建设，在这一背景下针对性地构建大湾区内某个中心城市或区域的港口集装箱吞吐量预测模型，精准地预测集装箱吞吐量的变化趋势，从预测数据中发现该地区港口发展目前所存在的问题、未来可能存在的机遇或隐患，能够更加有利于该地区港口扬长避短、优化资源配置，以便可持续性发展。然而目前现有文献中针对在粤港澳大湾区背景下对于广州港集装箱吞吐量预测与影响因素分析的研究还比较欠缺，因此怎样充分利用粤港澳大湾区这一战略，将该战略结合广州港现状对集装箱运输和吞吐量的变动趋势进行分析，仍有待进一步的研究。参考文献伍凤兰,陶一桃,申勇.湾区经济演进的动力机制研究——国际案例与启示[J].科技进步与对策,2015,32(023):31-35.张昱,眭文娟,谌俊坤.世界典型湾区的经济表征与发展模式研究[J].国际经贸探索,2018,34(10):46-58.杨道玲,邢玉冠,李祥丽.粤港澳大湾区科技创新的优势与短板——基于多源数据的世界四大湾区对比研究[J].科技管理研究,2020,40(10):105-111.马忠新,伍凤兰.湾区经济表征及其开放机理发凡[J].改革,2016(09):88-96.WengH,KouJ,ShaoQ.EvaluationofurbancomprehensivecarryingcapacityintheGuangdong–HongKong–MacaoGreaterBayAreabasedonregionalcollaboration[J].EnvironmentalScienceandPollutionResearch,2020,27(16).四大湾区影响力报告(2018):纽约·旧金山·东京·粤港澳》[J].财贸经济,2019,40(02):162.鲁志国,潘凤,闫振坤.全球湾区经济比较与综合评价研究[J].科技进步与对策,2015(11):112-116.陈朝萌.粤港澳大湾区港口群定位格局实证分析[J].深圳大学学报(人文社会科学版),2016,33(4):32-35.余蕾.粤港澳大湾区物流体系构建及协同发展[J].发展改革理论与实践,2017(07):14-20.宋敏,陈益鑫.城市群综合交通运输效率对经济增长的影响——基于长三角与粤港澳大湾区的比较研究[J].城市问题,2019(9).陈德宁,郑天祥,邓春英.粤港澳共建环珠江口"湾区"经济研究[J].经济地理,2010(10):7-12.申勇,马忠新.构筑湾区经济引领的对外开放新格局——基于粤港澳大湾区开放度的实证分析[J].上海行政学院学报,2017,018(001):83-91.邓国生.浅论广州港南沙港区集装箱运输的竞争与发展[J].集装箱化,2006(7):24-26.张敏敏.广州港集装箱运输竞争策略[J].水运管理,2007,029(003):17-20.万征,张文欣,张缇.通过主成分分析研究比较港口物流发展趋势——以广州港为例[J].水运工程,2007(08):21-27.王红尧,覃杰.广州港集装箱码头运输格局研究[J].珠江水运,2018,000(001):69-70.俞毅.论入世对我国港口业发展的影响及对策[J].国际经贸探索,200