从二元关系到高阶交互：三道建模断层
集装箱班轮普遍采用「多港挂靠、周期循环」的航线运营方式，单条航线作为基本载体串联多个港口，使海运网络本质上表现为由航线序列驱动的高阶复杂系统。若仅着眼于港口节点或港口对间的二元连接，就难以完整刻画其真实运行机理。厘清全球集装箱海运网络在「港口 - 港口对 - 港口群」多尺度上的拓扑特征，是识别港口功能角色、优化全球海洋运输结构的前提。
二元建模丢失航线上下文
现有研究多聚焦点对点的二元关系，借助结合航行方向、距离与航线频率的中心性算法、多中心性综合指数、港口扩散算法等揭示连通性与枢纽港。此类方法本质上依赖二元关系建模，忽略航线上下文信息与多港口高阶交互关系，难以统一刻画港口层级结构及跨层连接机制，也无法系统反映转运、挂靠与航行过程对运输效率的综合影响。
层级划分难给出关键连接归属
中心性指标、结构洞算法、K-core 分解以及基于双边运输连通性指数的核心度值被广泛用于港口重要性评价与层级划分，但此类方法难以明晰港口间的关键连接关系。部分研究转向关键边识别或主干网络提取以揭示核心 - 外围结构与重要连边，却仍未能给出清晰的层级归属，无法回答「谁隶属于谁、经由哪条航线隶属」。
既有超图方法忽略方向与序列
为刻画多港挂靠特征，部分研究引入超图理论，利用邻接结构熵、非线性特征向量中心性、节点核心值向量、基于信息论的节点综合影响力指标识别重要节点与连边。这些方法提升了高阶结构表达能力，但仍存在层级划分主观性较强、忽略超边内部方向与挂靠序列等问题；同时轴辐式结构包含纯轴辐、带次级节点及混合连接等多种类型，以往研究忽视了不同层级港口角色分化及其连接模式差异。
超图网络节点规模
航程记录提取对象
2023 年 AIS 数据
港口 · 港口对 · 港口群
有向加权超图：四步多尺度解析链路
本文基于全球集装箱船舶 AIS 数据提取船舶多港挂靠序列特征，构建有向加权超图网络；在此基础上融合 Berge 路径算法与运输成本函数，提出适用于有向超图的最短路径算法，进而建立顾及转运约束的港口中介中心性指标；随后将 K-core 算法拓展至超图网络识别枢纽港，并利用超边排序算法逐层提取喂给港与枢纽港间的重要航线，形成自上而下的层级结构挖掘方法；最后结合图元方法与聚类算法，解析港口群尺度的连接模式与运输特征。
航线序列切分与有向加权超图构建
基于港口挂靠时间构建各船舶的全年航线序列，将船舶在重复挂靠港口间形成的闭合航段定义为超边，从而把船舶全年航线系统切分为若干海运环线，捕捉统一环线上多港口间的高阶交互关系。以船舶最大理论运力作为超边权重，由船长、船宽及 AIS 最大吃水深度的乘积近似表征，并聚合相同环线序列的最大载重量以减少冗余；同时建立海运环线挂靠序列表与超边编号相匹配，保留挂靠顺序与运输方向信息。
基于 Berge 路径的转运约束中介中心性
引入 Berge 路径方法，通过节点与超边交替的连通序列识别转运操作，刻画转运次数最少的运输路径。为量化运输效率，考虑环线载重量、航行距离与环线停靠港口数量，构建环线运输效率函数并引入中介中心性算法。针对超图路径搜索的高计算复杂度，求解阶段采用分块并行与多线程计算策略以保障运行效率。
超图 K-core 分解与层级自上而下挖掘
将 K-core 概念扩展到加权超图网络，根据经过港口的环线数量与载重量计算港口加权度，迭代剔除当前网络中加权度最小的节点及其关联超边，完成所有节点的 K-core 层级划分。考虑全球海运的空间异质性，选取各大洲 K-core 值位列前十的港口作为 1 级国际枢纽港；再依据「环线挂靠的非核心港口越少，环线越重要」原则对超边排序，以仅含枢纽港的骨干环线为初始骨架，按层级邻近性逐层回填次级喂给港及其关键连边。喂给港层级定义为其母港的下 1 级，主要母港由邻近层级关系决定。
图元分析与聚类识别港口群连接模式
构建「港口 - 环线」加权二分网络，利用基于模块度优化的启发式算法进行港口聚类：初始化每个节点为独立社区，通过计算节点并入相邻社区带来的模块度增益进行迭代聚合，直至模块度收敛。在此基础上，结合图元分析算法，按图元中的节点数量与连边数量将连接结构归纳为两类典型模式：起讫点为同一核心港、途经多个支线港的回路模式，以及连接两个不同核心港、中途经过若干喂给港的桥接模式。
2023 年全球集装箱船舶 AIS 数据
采用 2023 年 1 月 1 日至 12 月 31 日全球集装箱船舶 AIS 数据，提取始发港至目的港的航程记录，每条记录包含船舶 MMSI、始发港名称及出发时间、目的港名称及到达时间。数据集共涵盖 4 895 艘船舶与 963 个港口，总计 332 682 条航程记录。由于实际货运量难以直接获取，以船舶最大理论运力作为超边权重，由船长、船宽及 AIS 数据中最大吃水深度的乘积予以近似表征。
运输效率参数与算法配置
运输效率函数基于集装箱船舶平均航行速度 533.376 km/d 与单次靠港作业及等待时间 2 天构建，港口间航行距离取多年历史数据的平均值。加权度计算中，依据现有研究假设度与权重具有相似影响，参数 α 与 β 均设为 1。中介中心性求解针对超图路径搜索的高计算复杂度，采用分块并行与多线程计算策略，以保障算法在超大规模网络上的运行效率。
三尺度实证结果：枢纽、层级与群组
基于 2023 年全球集装箱船舶 AIS 数据构建的有向加权超图网络，本文在港口、港口对与港口群 3 个尺度给出量化结果：先对比超图与一阶网络在中介中心性刻画上的系统性差异，再逐层揭示层级从属结构与群组连接模式的分异规律。
中介中心性均超过该值
前 3 级容纳绝大多数港口
群组内部权重仅占 23.18%
规模最大，占比 19.20%
| 对比维度 | 一阶（二元）网络 | 有向加权超图网络 |
|---|---|---|
| 建模单元 | 将航线拆解为港口对之间的二元连边，丢失航线上下文与挂靠序列 | 以船舶闭合航段为超边，保留挂靠顺序、运输方向与多港口高阶交互 |
| 过境挂靠处理 | 把过境挂靠等效为实际转运，放大港口的拓扑桥接作用，造成中介中心性高估 | 计算时不计入过境挂靠，聚焦在环线间发挥实际桥梁作用的节点 |
| 通道型港口 | 新加坡、丹吉尔等扼守航道交汇点的港口数值远高于超图结果，新加坡一阶网络中介中心性达 436 583，为超图结果的 4.71 倍 | 中介中心性相对较低，剥离单纯过境联系后更贴近真实转运贡献 |
| 实际转运枢纽 | 对承担大量实际货物转运的枢纽刻画不足，低估其在复杂转运链条中的作用 | 上海港超图中介中心性约高出一阶网络结果 35%，核心地位进一步凸显 |
| 小规模港口 | 桥接作用被明显放大，大连港与休达港高估程度最为显著；马洛伊、汤斯维尔、伊卢利萨特等低值港口绝对偏差虽小但偏差占比仍居高 | 削弱过境带来的虚增，同时识别出巴兰基里亚、洋浦、蒙得维的亚、汉堡、圣胡安、鲁珀特王子、锡罐岛等被低估港口 |
| 整体分布特征 | 中介中心性整体偏高，且港口中介中心性越高，两类结果的相对偏差占比越小 | 中介中心性整体低于一阶网络，更侧重反映多港协同运输中的高阶中介作用 |
高阶枢纽集中于海上丝绸之路沿线
高中介中心性港口高度集中于「海上丝绸之路」沿线、欧洲北海沿岸、巴拿马运河周边及美国东海岸，新加坡、鹿特丹和釜山的中介中心性均超过 83 725，约为排名第四的泗水港的 1.75 倍，对中转业务呈垄断地位；南非以开普敦和伊丽莎白港为主要转运节点。非洲、东南亚海岛及南美洲西岸港口中介中心性普遍较低。
从属关系高度洲内集聚与高层级集聚
港口网络被划分为 7 个层级，各层级港口数量呈先上升再急剧减少趋势。71.15% 的从属港口与其母港同属一个大洲；将双向运输关系界定为强从属关系，该类边占总边数的 31.54%，其中 88.96% 集中于前 3 层级之间。1 级枢纽高度集中于东亚、东南亚、直布罗陀海峡、北海及黑海沿岸，与高中介中心性区域高度重合。
跨域功能随层级下降显著弱化
15 个核心功能群组中，加勒比海—北海群最大（177 个港口，19.20%），东亚 - 北美与东南亚 - 大洋洲各含 122 个港口，5 个群组港口数不足 30 个。网络分解为 29 个局部子轴辐系统，90.74% 的回路发生于群组内部。桥接模式呈严格层级分化：2 级港口 46.83% 的边用于群间桥接，3 级骤降至 22.15%，3 级以下仅 13.58%，连通子图增至 20 个。
前三层级的高层级枢纽集中了近 89% 的强连接并主导了跨洋连通，低层级港口则聚焦于局部渗透，这为全球港口差异化分工协作、资源配置优化与航线网络优化提供了坚实的数据支撑与科学依据。
方法贡献、应用价值与未来议程
本研究构建了基于超图的「港口 - 港口对 - 港口群」3 层级海运网络分析框架，将有向航线序列与海运超图网络相结合，纳入转运约束、运输方向性与序列性，突出关键港口的转运功能与进出口航线连贯性，从而细化港口分类、明晰层级与集群间的连接关系，为解析全球海运主导运输模式提供了新视角。
顾及转运约束的中介中心性算法
融合 Berge 路径与运输成本函数，建立考虑转运约束的港口中介中心性指标，能有效揭示多港协同运输与复杂转运链条中的高阶中介作用，挖掘出承担实质转运的关键港口，并发现巴兰基利亚、蒙得维的亚港等港口中介中心性被一阶网络低估。
自上而下的港口层级结构挖掘
将 K-core 分解拓展至加权超图网络，结合按「环线挂靠非核心港口越少越重要」原则的超边排序，构建具有明确层级关系的全球海运主干网络，厘清港口对间的关键连接与从属关系，量化出 71.15% 洲内集聚与 88.96% 前 3 层强从属集聚的层级特征。
港口群连接模式的图元解析
基于「港口 - 环线」加权二分网络与模块度优化聚类识别出 15 个多层级功能群组，并以图元分析归纳回路模式与桥接模式，揭示网络受「局部回路锚固」与「全局桥接串联」双重机制驱动，且跨域功能随层级下降明显弱化。
应用价值
1、2 级枢纽如新加坡、釜山、鹿特丹应强化跨区域桥接能力与干线控制能力，深化与航运联盟协同，巩固其在亚欧与跨太平洋通道中的核心地位；低层级港口应聚焦腹地喂给功能，通过高频短途支线嵌入区域集疏运体系，避免盲目扩张深水能力。在密集港口区如地中海、北海，应推动差异化发展与基础设施统筹配置以降低同质竞争；在跨洋群组中重视跨集群枢纽间的战略联动，提升全球供应链韧性。
局限与未来
计算效率方面，基于 Berge 有向最短路径的算法处理超大规模超图网络时计算开销较高，未来可引入启发式搜索、图神经网络等策略，或先构建港口间运输效率一阶矩阵再识别转运约束下的最短路径。数据层面，以船舶理论运力替代超边权重，未考虑实际装载率差异与空箱调运等动态因素，可能造成货流高估，后续可结合港口实际吞吐量或抽样货运数据交叉验证与校准。此外宜将海运超图网络与内陆公铁货运网络及双边贸易流数据耦合，构建「海 - 陆 - 经贸」一体化超图模型。