基于改进Copula 的海上运输关键节点应急保障能力评估

交通运输系统工程与信息 ›› 2020, Vol. 20 ›› Issue (2): 20-25.

• 综合交通运输体系论坛 • 上一篇下一篇

基于改进Copula 的海上运输关键节点应急保障能力评估

李宝德，吕靖^*，李晶

大连海事大学交通运输工程学院，辽宁大连 116026

收稿日期:2019-11-10 修回日期:2019-12-25 出版日期:2020-04-25 发布日期:2020-04-30
作者简介:李宝德(1990-)，男，辽宁大连
基金资助:
国家自然科学基金/National Natural Science Foundation of China(71974023)；中央高校基本科研业务费专项资金/ Fundamental Research Funds for the Central Universities of Ministry of Education of China(313209302)；国家社科基金重大研究专项/ Key Project of the National Societal Science Foundation of China (19VHQ012).

Evaluation of Emergency Guarantee Capability of Key Nodes in Maritime Transport Based on Improved Copula Function

LI Bao-de, LU Jing, LI Jing

College of Transportation Engineering, Dalian Maritime University, Dalian 116026, Liaoning, China

Received:2019-11-10 Revised:2019-12-25 Online:2020-04-25 Published:2020-04-30

摘要/Abstract

摘要：

海上运输关键节点的应急保障是最大限度减少突发事件造成损失的重要方面. 考虑影响海上运输关键节点应急保障能力各因素之间的关联性，因素变量分布情况的影响，以及多维变量导致Copula 函数的参数求解困难等问题，构建基于因子分析(Factor Analysis)和 Copula 函数(FA-Copula)的海上运输关键节点的应急保障能力评估模型，对海上运输关键节点应急保障能力进行评估，分析不同因素的影响. 计算结果显示：整体对比来看，应急能力比较好的是直布罗陀海峡、马六甲海峡和巴拿马运河，比较差的是苏伊士运河；从其中提取的公共因子FA1 来看，马六甲海峡比较好，苏伊士运河比较差；对不同因子变量联合分布比较发现，不同因子变量分布会对结果产生不同的影响.

关键词: 水路运输, 应急保障能力, Copula函数, 关键节点, 因子分析

Abstract:

Emergency guarantee of key nodes in maritime transport is an important aspect to minimize the losses caused by emergencies. This study developed an evaluation model of emergency guarantee capability of key nodes in maritime transport based on factor analysis and Copula function. The modeling considered the following major elements like correlation between the influential factors, factor distributions, and the difficulty of solving Copula function because of multi- dimensional variables. The proposed model was used to evaluate the emergency guarantee capability of key nodes of the existing maritime transport, and the impact of different factors. The results show that the Straits of Gibraltar, Malacca, and Panama Canal have high emergency guarantee capability, and the Suez Canal has relatively low emergency guarantee capability from an overall comparison. However, Malacca Strait has a relatively high FA1 (Factor Analysis) value and Suez Canal has a relatively low FA1 score. Comparing the joint distribution of different variables, the distributions of different variables have varied impacts on the results.

Key words: waterway transportation, emergency guarantee capability, Copula function, key nodes, factor analysis

中图分类号:

U698

李宝德，吕靖，李晶. 基于改进Copula 的海上运输关键节点应急保障能力评估[J]. 交通运输系统工程与信息, 2020, 20(2): 20-25.

LI Bao-de, LU Jing, LI Jing. Evaluation of Emergency Guarantee Capability of Key Nodes in Maritime Transport Based on Improved Copula Function[J]. Journal of Transportation Systems Engineering and Information Technology, 2020, 20(2): 20-25.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract20005.shtml

http://www.tseit.org.cn/CN/Y2020/V20/I2/20

参考文献

[1] 吕靖, 王爽. 我国海上运输关键节点安全评价研究[J]. 交通运输系统工程与信息, 2015, 15(1): 30-36. [LU J, WANG S. Safety evaluation of China's maritime transport key nodes[J]. Journal of Transportation Systems Engineering and Information Technology, 2015, 15(1): 30-36.]

[2] AI Y F, LU J. The optimization model for the location of maritime emergency supplies reserve bases and the configuration of salvage vessels[J]. Transportation Research Part E, 2015(83): 170-188.

[3] YANG O, LIU Z J. Emergency capability evaluation for the ship at sea based on FSPA algorithm[C]. Control & Decision Conference, IEEE, 2014.

[4] 朱乐群, 吕靖. 海上通道突发事件应急方案选择[J]. 大连海事大学学报, 2016, 42(2): 51-57. [ZHU L Q, LU J. Selection of emergency plan on sea lines of communication[J]. Journal of Dalian Maritime University, 2016, 42(2): 51-57.]

[5] 高天航, 吕靖. 海上通道关键节点安全效率及应急效率评价研究[J]. 交通运输系统工程与信息, 2017, 17 (6): 27-32. [GAO T H, LU J. Evaluating the safety efficiency and emergency efficiency of the key nodes of sea-lanes[J]. Journal of Transportation Systems Engineering and Information Technology, 2017, 17(6): 27-32.]

[6] SKLAR A. Fonctions de répartition à n dimensions etleurs marges[J]. Publications de l' Institut de Statistiquede L' Université de Paris, 1959(8): 229-231.

[7] ACAR E F, CZADO C. Flexible dynamic vine copula models for multivariate time series data[J]. Econometrics and Statistics, 2019(12): 181-197.

[8] 王爽, 吕靖, 赖成寿. 基于Vine Copula的原油海运网络中节点连通可靠性研究[J]. 交通运输系统工程与信息, 2018, 18(4): 32- 37. [ WANG S, LU J, LAI C S. Connectivity reliability of nodes in the maritime transportation network of crude oil based on vine copulas [J]. Journal of Transportation Systems Engineering and Information Technology, 2018, 18(4): 32-37.]

[9] WANG P, FENG M, et al. Drought impact assessment based on principal component analysis and copula function[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016(9): 334-340.

[10] NELSEN R B. An introduction to copulas[M]. New York: Springer, 2006.

[11] JOWETT G H. Factor analysis[J]. Journal of the Royal Statistical Society Series C: Applied Statistics, 1958, 7 (2): 114-125.

[12] FISHER R, TIPPETT L H C. Limiting forms of the frequency distribution of the largest or smallest member of a sample[J]. Proceedings of the Cambridge Philosophical Society，1928, 24(2): 180-190．

[13] KAO S C. A copula-based joint deficit index for droughts [J]. Journal of Hydrology, 2010, 380(1): 121-134.

[14] GRINGORTEN I I. A plotting rule for extreme probability paper[J]. Journal of Geophysical Research, 1963, 68(3): 813-814．

[1]	廖诗管, 翁金贤, 胡甚平. 液化天然气船通航模式下的航道通过能力评价方法[J]. 交通运输系统工程与信息, 2022, 22(2): 290-297.
[2]	靳志宏, 焉红, 王小寒, 邢磊, 徐奇. 滚装甩挂运输牵引车调度优化及作业模式类比分析[J]. 交通运输系统工程与信息, 2022, 22(1): 142-151.
[3]	李德昌, 杨华龙, 赵帅奇, 郑建风. 排放控制区下集装箱班轮运输船期设计与燃油补给联合优化[J]. 交通运输系统工程与信息, 2022, 22(1): 273-281.
[4]	邵斐, 张永锋, 真虹. 中国进口铁矿石海运网络抗毁性仿真[J]. 交通运输系统工程与信息, 2022, 22(1): 311-321.
[5]	彭子烜, 于滨. 内外贸同船运输下长江经济带穿梭巴士网络优化[J]. 交通运输系统工程与信息, 2022, 22(1): 322-331.
[6]	杨华龙, 赵帅奇, 方旭, 段静茹. 考虑海上意外时间和合作协议的班轮运输船期设计鲁棒优化[J]. 交通运输系统工程与信息, 2021, 21(6): 210-216.
[7]	严新平, 李晨, 刘佳仑, 游旭, 王树武, 马枫. 新一代航运系统体系架构与关键技术研究[J]. 交通运输系统工程与信息, 2021, 21(5): 22-29.
[8]	葛颖恩, 温馨. 环境可持续集装箱班轮运输管理研究综述[J]. 交通运输系统工程与信息, 2021, 21(4): 6-22.
[9]	楚金华, 李俊鹤, 王春娟, 陈超. 排放控制区下集装箱班轮航线路径规划与航速调度集成决策[J]. 交通运输系统工程与信息, 2021, 21(4): 230-238.
[10]	戈佳威, 袁克镖, 殷明, 王学锋. 传播动力学视角下集装箱海运网络关键港口节点识别[J]. 交通运输系统工程与信息, 2021, 21(4): 256-262.
[11]	戈艳艳，王姗姗. 考虑碳排放的港口全要素生产率及影响因素分析[J]. 交通运输系统工程与信息, 2021, 21(2): 22-29.
[12]	廖诗管，杨冬，白茜文，翁金贤. 基于船舶大数据的港口装卸效率值计算方法[J]. 交通运输系统工程与信息, 2021, 21(2): 217-223.
[13]	高天航，徐力，靳廉洁，葛彪. 考虑航艏向与数据变化差异的船舶轨迹预测[J]. 交通运输系统工程与信息, 2021, 21(1): 90-94.
[14]	房斯明，刘正江，封室丞，王新建. 船舶倾斜对不同行人流疏散效率影响的数值分析[J]. 交通运输系统工程与信息, 2021, 21(1): 201-206.
[15]	邵丽花，李宁海，唐清，宋丽英，王新昌. 制造业离岸和回流对我国港口发展的影响[J]. 交通运输系统工程与信息, 2020, 20(6): 47-56.

基于改进Copula 的海上运输关键节点应急保障能力评估

Evaluation of Emergency Guarantee Capability of Key Nodes in Maritime Transport Based on Improved Copula Function

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics