首页 理论教育 分析沿线物流网络连接机制:一带一路

分析沿线物流网络连接机制:一带一路

时间:2023-06-14 理论教育 版权反馈
【摘要】:“一带一路”航空网络的形成以及网络中节点的连接性,从根本上都是由节点间的社会经济属性的相互关系所决定,可以由节点经济社会属性链路预测出“一带一路”航空网络节点连接情况。(五)国家间贸易额的影响两个国家间的双边贸易额对Katz值影响的权重为0.013,两个国家间贸易数量和质量的提升会带动两个国家间的航线增加,促进物流业的发展。

分析沿线物流网络连接机制:一带一路

“一带一路”航空网络的形成以及网络中节点的连接性,从根本上都是由节点间的社会经济属性的相互关系所决定,可以由节点经济社会属性链路预测出“一带一路”航空网络节点连接情况。使用多元线性回归模型研究航空网络节点的结构相似性Katz值,与节点的社会经济属性之间的关系,以及节点的社会经济属性如何作用于网络的结构相似性。

(一)距离的影响

距离对Katz值影响的权重为0.66,距离越大,Katz值越小。距离越远的国家间,交通成本越高,商品等的流通便利性不如邻近国家,所以从经济角度而言开辟航线的可能性比较低。但是随着经济的发展,距离对开辟航线的影响会越来与小。

(二)国家人均GDP的影响

一国的人均GDP对Katz值影响的权重为0.294,人均GDP越高,Katz值越大。一个国家的人均GDP体现了该国的经济实力,经济实力越强的国家,资本会优先流入,扩展航线是必然趋势。随着国家的发展,影响力度也会越来越大。

(三)人口数量的影响

一国14~64岁人口数对Katz值影响的权重为0.439,人口数越多,Katz值越大。国家的人口是经济发展的基石,拥有众多人口的国家具备庞大的消费市场潜力。人口越多的国家,随着国家经济的发展,消费需求和市场逐渐增长,开辟新航线提高商品和人口流动是必然趋势。

(四)国际旅游收入的影响

国家间的国际旅游收入对Katz值影响的权重为0.023,国际旅游收入越大,Katz值越大。国际旅游的发展通常是依托国际航线数量,充足的航线数量和机场基础设施才能保障旅游需求。国际入境旅游人数对Katz值影响的权重为0.119,入境旅游人数越多,说明国际航线需求越旺盛,市场会推动政府开辟直飞航线。

(五)国家间贸易额的影响

两个国家间的双边贸易额对Katz值影响的权重为0.013,两个国家间贸易数量和质量的提升会带动两个国家间的航线增加,促进物流业的发展。

参考文献

曾小舟,唐笑笑,江可申.基于复杂网络理论的中国航空网络结构实证研究[J].交通运输系统工程与信息,2011(06):179-185.

傅颖斌,陈羽中.基于链路预测的微博用户关系分析[J].计算机科学,2014,41(2):201-205.

高峰,党亚茹.世界航空客运网络的节点度分布特征[J].科学学与科学技术管理,2009,30(07):75-79+185.

黄立威,李德毅,马于涛.一种基于元路径的异质信息网络链路预测模型[J].计算机学报,2014,37(4):848-858.

姜宝,李剑,江晓霞.“海上丝绸之路”上的“互联互通”与贸易效率[J].华东经济管理,2018,32(10):54-60.

姜巍.国际航空枢纽发展特征分析及对我国的发展建议[J].价值工程,2018,37(19):10-14.

刘宏鲲,张效莉,曹崀,等.中国城市航空网络航线连接机制分析[J].中国科学(G辑:物理学·力学·天文学),2009(07):25-32.

刘宏鲲,周涛.中国城市航空网络的实证研究与分析[J].物理学报,2007(01):114-120.吕林媛,周涛.链路预测[M].北京:高等教育出版社,2013.

沈静瑶,曾小舟,邬国祥.中国民航客运市场需求预测的系统动力学模型研究[J].华东交通大学学报,2019,36(04):57-66.

孙诚,王志海.社会网络中基于神经网络的链路预测方法[J].数学建模及其应用,2017,6(04):10-17.

吴祖峰,梁棋,刘峤,等.基于AdaBoost的链路预测优化算法[J].通信学报,2014,35(03):116-123.

伍杰华.基于树状朴素贝叶斯模型的社会网络关系预测[J].计算机应用,2013,33(11):3134-3137+3200.(www.xing528.com)

闫玲玲,陈增强,张青.基于度和聚类系数的中国航空网络重要性节点分析[J].智能系统学报,2016,11(05):586-593.

赵丽琴,李赟,王志楠.中国城市群网络空间结构特征及影响因素分析[J].统计与决策,2019,35(14):87-90.

卓志强,姚红光.“一带一路”沿线航空网络结构及其鲁棒性研究[J].物流科技,2018(05):84-90.

Barabasi A L.Albert R.Emergence of Scaling in Random Networks[J].science,1999,286(5439):509-512.

Barabási A L.Network science[M].Cambridge University Press,2016.

Barrat A,Barthélemy M,Vespignani A.Modeling the Evolution of Weighted Networks[J].Physical Review E,2004,70:066149.

Chaney T.The Network Structure of International Trade[J].American Economic Review,2014,104(11):3600-3634.

Dall J,Christensen M.Random Geometric Graphs[J].Phys Rev E Stat Nonlin Soft Matter Phys,2010,168(3):636-636.

Fortunato S.Community Detection in Graphs[J].Physics Reports,2010,486(3-5):75-174.

Guimera R,Mossa S,Turtschi A,et al.The Worldwide Air Transportation Network:Anomalous Centrality,Community Structure,and Cities’ Global Roles[J].Proceedings of the National Academy of Sciences,2005,102(22):7794-7799.

Han X,Wang L,Han S N,et al.Link Prediction for New Users in Social Networks[C]// IEEE International Conference on Communications.IEEE,2016:1250-1255.

Holme P,Kim B J.Growing Scale-free Networks with Tunable Clustering[J].Physical Review E,2002,65(2):026107.

Hou B,Yao Y,Liao D.Identifying all-around Nodes for Spreading Dynamics in Complex Networks[J].Physica A:Statistical Mechanics and its Applications,2012,391(15):10-20.

Jost J,Joy M P.Evolving Networks with Distance Preferences[J].Physical Review E Statistical Nonlinear & Soft Matter Physics,2002,66(3 Pt 2A):036126.

Kossinets G,Watts D J.Empirical Analysis of an Evolving Social Network[J].Science,2006,311(5757):88-90.

Liben-Nowell D,Kleinberg J.The Link-prediction Problem for Social Networks[J].Journal of the Association for Information Science and Technology,2007,58(7):1019-1031.

Lü L Y,Zhou T.Link Prediction in Complex Networks:a Survey[J].Physica A:Statistical Mechanics and its Applications,2011,390(6):1150-1170.

Lü L Y,Zhou T.Link Prediction in Weighted Networks:the Role of Weak Ties[J].EPL(Europhysics Letters),2010,89(1):18001.

Mc Pherson M,Smith L L,Cook J M.Birds of a feather:Homophily in social networks[J].Annual Review of Sociology,2001,27(1):415-444.

Newman M E.Networks[M].Oxford,UK:Oxford University Press,2018.

Ron Kohavi.A Study of Cross-Validation and Bootstrap for Accuracy Estimation and Model Selection[J].Appears in the International Joint Conference on Artifi cial Intelligence.1995.

Szab ’o G,Alava M,Kert ’esz J.Clustering in Complex Networks[M].Berlin,Heidelberg:Springer,2004.

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈