港口境外新冠疫情輸入風險時空分析
——以東北亞核心港口為例

王直歡, 劉賢超, 戴明城, 龍小慧, 張億洲

(1.上海海事大學物流科學與工程研究院,上海 201306; 2.中國船舶及海洋工程設計研究院,上海 200011;3.上海海事大學物流工程學院,上海 201306)

0 引 言

新冠病毒感染在2020年成為全球性大流行病[1]。已知的新冠病毒傳播途徑以短中程為主[2],但是在環境和病毒性質等因素影響下,病毒存在遠程或超遠程傳播的可能,如海上冷鏈運輸造成病毒跨地域傳播[3]。為遏制病毒的進一步擴散,各國采取了相應的防控措施。然而,隨著病毒的不斷變異,疫情在全球持續蔓延。在我國國內疫情形勢緩和時,境外疫情輸入風險依然居高不下,外防輸入成為疫情防控工作的重點,口岸疫情防控則是重中之重[4]。

以往對境外疫情輸入的研究主要集中在航空運輸、陸路口岸運輸和郵輪運輸。航空運輸,因其聯系地區廣、出入境人流量大而受到關注,是病毒輸入的主要途徑之一[5]。ZHANG等[6]將航空運輸在我國新冠病毒傳播中的作用與高鐵和長途汽車運輸進行比較,發現航空運輸傳播病毒過程復雜,且最有可能出現在大城市。在陸路口岸運輸方面,馮曄囡等[7]對西部重要陸路貨運口岸卡車和集裝箱中檢測到的新冠病毒進行基因特征分析,發現很有可能是邊境快速物流系統卡車和集裝箱攜帶病毒入境造成了本土疫情。在郵輪運輸方面,ITO等[8]通過使用2020年1—3月的船舶自動識別系統(automatic identification system,AIS)數據跟蹤了全球所有郵輪,發現大型郵輪上陽性乘客的行程大多有著相同的始發港口和靠岸港口。

國際海運承擔了全球貿易80%以上的運輸量,對全球經濟與貿易發展有舉足輕重的作用[9]。在海上運輸網絡中頻繁移動的船舶成為病毒跨地區傳播的重要媒介,現實中就發生過港口裝卸工作人員和冷鏈從業者接觸到附著病毒的貨物而造成疫情在港區暴發并傳播到內陸地區的事件[10]。同時,有學者進行流行病學調查后發現,我國本土一半以上的疫情可溯源至港口冷藏庫和海鮮加工設施以及與進口冷鏈食品相關的市場[11-13]。

防控境外疫情輸入的關鍵是如何有效評估疫情輸入風險,在相關領域有學者利用多源數據建立風險指數來評估疫情輸入風險,例如:吳昊澄等[14]通過浙江省入境人員資料計算了浙江省各地新冠病毒感染病例境外輸入風險值和各輸出國的輸入風險值;程藝等[15]構建并使用輸入風險指數分析我國邊境口岸不同管控措施下的疫情輸入風險,識別出境外疫情輸入的高風險口岸;武潔雯等[16]利用新冠疫情數據和政府嚴格指數綜合評估世界各國的疫情暴發風險及境外疫情輸入風險。然而,以上研究存在一定的局限性,且無法應用到境外疫情海運輸入的防控中。

綜上,前人的研究方向主要集中于陸地運輸,對船舶和港口傳播新冠病毒風險的追蹤評估研究較少。對于海運輸入疫情事件,構建科學合理的指標體系來評估港口境外疫情輸入風險非常有必要。因此,本文綜合考慮影響疫情發展趨勢的關鍵因素,結合多源數據建立一種港口境外疫情輸入風險評估模型,對重點船舶和港口開展疫情輸入風險評估,從而及時發現輸入風險的變化,為港口地區疫情防控措施和政策的制定提供數據支持。

1 模型構建

1.1 總體框架

本文建立基于多源異構數據融合的港口境外疫情輸入風險動態評估模型,對東北亞核心港口進行境外疫情輸入風險分析。港口境外疫情輸入風險建?？傮w框架如圖1所示,主要分為多源數據融合處理、核心港口網絡提取、港口境外疫情輸入風險指數計算和以集裝箱船為案例進行分析等4個部分。

圖1 港口境外疫情輸入風險建?？傮w框架

1.2 數據來源

選取時間跨度為2020年整年的全球范圍內的3個數據集,包括港口掛靠信息數據集、全球新冠病毒感染數據集和政府嚴格指數數據集。關鍵變量見表1。其中,累計確診病例和政府嚴格指數反映船舶?？繃規淼娘L險,集裝箱船載箱量則反映集裝箱船規模帶來的風險。

表1 變量描述性統計

第一個數據集是來自Marine Traffic的港口掛靠信息數據集,是船舶靠港時向港口提供的到達和離開時間、上個和下個掛靠港口等信息。這些信息往往非常精準,因為?？抠M用就是用這些信息計算的。每條數據記錄了一艘船的載質量及其在某一段時間內的移動軌跡,可以按時間序列從經過預處理的數據中提取出每艘集裝箱船?？康母劭?。

第二個數據集是全球新冠病毒感染數據集,來自約翰-霍普金斯大學系統科學與工程中心(Center for Systems Science and Engineering at Johns Hopkins University,JHU CSSE)運營的新冠病毒感染可視化儀表板的數據存儲庫。該數據集記錄了自2020年1月22日起,世界各國的當日和累計確診病例、死亡和康復病例數量以及人口規模等信息。

第三個數據集是政府嚴格指數數據集,來自牛津大學新冠病毒感染政府反應跟蹤系統(The Oxford COVID-19 Government Response Tracker,OxCGRT)。該系統將各項防疫措施編碼成不同指標,然后根據防控力度賦予各項指標序數尺度內的數值,通過標準化將不同序數尺度的指標轉換為0～100的數值[17]。用于計算政府嚴格指數的9個指標分別為學校停課、工作場所關閉、取消公共活動、限制公眾集會、公共交通關閉、居家要求、公共信息運動、限制內部流動和國際旅行管制。

1.3 港口境外疫情輸入風險指數計算

構建疫情輸入風險指數來綜合評估由港口輸入疫情的風險。該指數的計算方法分兩步實現:(1)依據船舶掛靠港口所屬國家的確診病例增加率、政府嚴格指數和集裝箱船載箱量計算出每艘船每日感染風險指數和前14日累計感染風險指數。(2)依據靠港船舶前14日累計感染風險指數得出港口每日疫情輸入風險指數和前14日累計疫情輸入風險指數。上述2個步驟由式(1)～(6)完成。

船舶每日感染風險指數的計算如下:

Rl,t=Si,t×Ft×lgTl

(1)

式中:Rl,t為船l在t日的感染風險指數;Si,t為t日船舶掛靠的港口i所屬國家的政府嚴格指數;Ft為確診病例對t日感染風險變化的一個影響因子;Tl為船l的標準集裝箱載箱量。

將載箱量引入模型中,是因為病毒可以附著于物體表面從而進行遠程傳播。船舶所載集裝箱越多,船舶所載的貨物就越多,貨物中攜帶病毒的可能性也就越大。因為Tl數值過大,所以取其對數值以縮小數值。政府嚴格指數Si,t來自OxCGRT,任意一天的指數是上文所述9個指標的平均值[17]。由于政府嚴格指數是對一個國家對當前疫情趨勢而采取的各種防控政策力度的綜合度量,因此疫情越嚴重,防控力度也就越大,政府嚴格指數也越大,這說明政府嚴格指數能反映大部分國家的疫情趨勢。雖然2020年我國的政府嚴格指數較高,但是疫情形勢好于國外。因此,引入Ft作為確診病例對感染風險日變化的一個影響因子,其對指數的日變化起調整作用。這樣既可以使用政府嚴格指數反映各國的疫情發展趨勢,又可以用Ft對指數進行修正。Ft的計算如下:

(2)

式中:Nt和Nt-1分別為t日和t-1日的新增確診病例,如果當日病例數量減少,其值就為負數。

這些數據是根據船舶掛靠港口所屬國家和掛靠日期從JHU CSSE整理的全球新冠疫情數據中提取出來的。由式(1)和(2)可以實現根據疫情變化動態計算船舶感染風險指數,指數越高表明船舶受到感染的可能性越大。Ft的取值范圍為0.5～1.5。其值與確診病例增加率成正比。當確診病例數量急劇增長時,Ft會接近1.5;當確診病例數量急劇下降時,Ft會接近0.5。

利用式(1)中得出的船舶每日感染風險指數計算船舶前14日累計感染風險指數:

Cl,t=Rl,t+Rl,t-1+…+Rl,t-13

(3)

式中:Cl,t為船l在t日前14日累計感染風險指數。由此便完成靠港船舶感染風險指數計算的第一步。

接著進行第二步的工作,計算港口i在t日的疫情輸入風險指數:

(4)

式中:Ci,l,t為掛靠港口i的船l在t日前14日的累計感染風險指數。

據此來動態計算港口i在t日前14日的累計疫情輸入風險指數:

Pi,t=Ii,t+Ii,t-1+…+Ii,t-13

(5)

為便于對結果進行比較分析,參照胡建雄等[18]的風險指數歸一化計算方法,對不同的序數尺度進行標準化,得到一個在0～100范圍內的子指數。因此,對港口前14日的累計疫情輸入風險指數Pi,t進行歸一化處理:

(6)

式中:Pmax和Pmin分別為各港口在所有日期內風險指數的最大值和最小值。

2 案例分析

東北亞是世界上經濟最活躍的、境外疫情輸入事件發生頻繁的地區之一。該地區國際海運發展飛速?！秶H航運樞紐競爭力指數——東北亞報告(2021)》顯示,青島港、釜山港、天津港等3個港口在網絡連通能力、運營水平和基礎規模方面均處于領先水平,是區域國際航運樞紐。同時,中國有著龐大的進口冷鏈食品需求?！?020年中國進口食品行業報告》顯示:2019年中國進口食品來源地達189個,金額達908.1億美元,同比增長23.4%;從金額來看,排名前三的各類冷鏈食品進口額均超過100億美元。進口冷鏈食品疫情防控成為中國防疫工作的重點之一[19]。綜上,本文以東北亞地區集裝箱船為研究主體是具有現實意義的,可以幫助有關部門更好地了解東北亞海上船舶流向和進口冷鏈感染風險的潛在分布。

2.1 集裝箱船運力分布

新冠疫情給世界經濟貿易帶來了消極影響,其中最直接的影響是海上往來的運輸船減少,而集裝箱船又是海上運輸的主力軍。因此,本文可用的集裝箱船數據量相對較少。從港口掛靠信息數據中提取出2020年2 101艘集裝箱船的29 412條軌跡數據作為模型的輸入數據。由圖2可知,有489艘船的載箱量范圍為[0,0.2]萬TEU,有422艘船的載箱量范圍為(0.4,0.6]萬TEU,有333艘船的載箱量范圍為(0.8,1.0]萬TEU。

圖2 2020年東北亞核心港口2 101艘集裝箱船運力分布

2.2 船舶移動軌跡分析

集裝箱船在跨地區運輸過程中常常會多次掛靠同一港口,且由于需要裝卸貨物,船舶停留的時間會較長。因此,在構建集裝箱船航運網絡時,按時間順序對船舶的靠港進行處理且僅保留一條航線,同時用權重來表示2個港口之間的航次。經統計本次研究中的網絡中港口節點數為199,邊數為560,其中邊的最大權重達到了1 115。圖3展示了東北亞核心港口區域2 101艘集裝箱船的港口間移動網絡,其中:港口節點越大,說明該節點的度值越大,其擁有的相鄰節點也就越多;航線的粗細化表示港口節點的權重大小,航線越粗則代表權重越大,說明該航線較繁忙。集裝箱船航線是從始發港出發、掛靠若干個港口的鏈條航段。這些航線連接著集裝箱船前一掛靠港和后一掛靠港,體現了港口之間的航行關系,而航次則反映了2個港口之間的集裝箱船航行次數。

圖3 集裝箱船移動軌跡網絡

從圖3可以發現,集裝箱船的掛靠港口存在明顯的區域聚集現象,中日韓三國是網絡中聚集程度最高且航線最為密集的區域。該區域航線除聯系中日韓三國港口外,還聯系大西洋沿岸和墨西哥灣沿岸的部分港口。截至2020年底,我國的疫情已經開始得到一定程度的控制,但是該區域其他國家的疫情形勢依舊十分嚴峻。同時東北亞地區各國之間經濟往來十分密切,貨物進出口數量巨大,這推動了集裝箱船在各港口之間的移動,隨之而來的就是病毒由高風險地區向其他港口城市的輸出和擴散。

2.3 港口境外疫情輸入風險分析

從數據中提取出包括國家編碼、累計確診病例數、日期、政府嚴格指數等關鍵數據。應用港口境外疫情輸入風險指數模型計算出港口掛靠信息數據中所有集裝箱船掛靠港口的每日疫情風險指數和前14日累計疫情風險指數。圖4是經標準化處理后的東北亞6個核心港口的2020年全年的前14日累計疫情風險指數(即港口境外疫情輸入風險指數)頻數分布圖。從圖4中可以發現全年的指數呈現雙峰分布,說明指數在2個分布區域比較集中,可能存在2個眾數。

圖4 2020年東北亞核心港口境外疫情輸入風險指數頻數分布

表2列出了6個港口不同時期的境外疫情輸入風險指數。由表2可以發現:2020年4月5日除大連港和連云港港外,其他港口境外疫情輸入風險指數普遍偏高,其中釜山港指數達到最高值100;2020年10月30日各港口的風險指數整體緩和,但排名前三的港口依然是釜山港、青島港和釜山新港。連云港港在上述兩個日期的疫情風險都是最低的,這是因為2020年全年只有63艘集裝箱船?？吭摳?而青島港則到達了684艘。

表2 2020年4月5日與10月30日6個港口境外疫情輸入風險指數

分別對上述兩個日期的港口境外疫情輸入風險進行可視化,見圖5。港口標注的數值表示該港口的疫情輸入風險,即數值與港口疫情輸入風險成正比。前期除個別港口外,其他港口的數值普遍偏大,說明各港口境外疫情輸入風險普遍偏高,尤其是釜山港達到了最高值。在新冠疫情暴發前期,由于我國人口眾多且缺乏應對經驗,疫情較為嚴重。中韓兩國相鄰且交流頻繁,因此韓國易受到影響,同時來自醫院和療養院等大規模感染加劇了病毒的流行[20]。后期韓國的兩個港口數值偏大,說明該國2個港口的疫情輸入風險較高。這是因為,隨著疫情形勢逐漸好轉,韓國政府從2020年10月開始降低疫情防控力度,導致其國內疫情形勢不斷惡化,到2020年12月甚至突破歷史記錄,單日新增確診病例達1 078例,疫情出現反彈并擴散。這一時期我國除青島港外,其他港口的數值偏小,不同區域的疫情流行情況有所不同。這是因為自2020年5月以來,我國疫情防控進入常態化防控階段。全國多地新增病例數量基本清零,只有部分地區出現輕微的疫情反彈,同時境外輸入成為疫情防控的重點,而港口是境外疫情輸入的重要口岸。

(a) 2020年4月5日

對單個港口的全年境外疫情輸入風險指數變化趨勢進行分析。圖6展示了釜山港和大連港2020年境外疫情輸入風險變化趨勢。釜山港是東北亞地區重要的國際樞紐港,也是世界第五大集裝箱港口[21]。由圖6可以發現:2020年釜山港疫情輸入風險指數自2月開始迅速上升,4月達到最高點,隨后開始下降,其間有多次反彈,但自7月以后整體風險指數比之前的低;2020年全年共出現3次疫情高峰,分別位于4月前后、7月前后和10月;最高點風險指數在90～100范圍內。2020年大連港的風險指數全年波動較大,自2月開始直線上升,3月前后達到最高點,最高值接近80,隨后3個多月的時間內驟降,進入6月后開始呈現波動下降的趨勢。由圖6也可知全年累計疫情風險指數頻數呈現雙峰分布的原因,即不同港口同一時期和同一港口不同時期風險指數分布的兩極分化。以大連港為例,2020年7月發生了第一起由進口冷鏈引起的大規模新冠病毒感染事件,而圖6顯示2020年7月是大連港一年中風險指數較高的時間,這從側面驗證了本文所提模型的有效性。

圖6 2020年釜山港和大連港境外疫情輸入風險指數變化趨勢

從2020年12月20日的前14日內靠港的船舶中篩選出前14日感染風險指數排名前10的集裝箱船,并通過港口掛靠信息數據得到集裝箱船的前一個掛靠港。由于這些船攜帶病毒的可能性較高,所以這些高風險船?？窟^的港口同樣應該提高警惕。圖7中:每個矩形代表不同港口;連接港口的邊代表不同港口之間的上下游關系,反映高風險船舶的流動情況。矩形和邊的寬度為2020年12月20日的前14日內靠港的所有高風險船舶在前14天的日感染風險指數總和,即寬度越寬,該港口的境外疫情輸入風險越大。

圖7 2020年12月20日東北亞核心港口的疫情輸入風險可視化

由圖7可以發現,釜山新港是大連港和天津港境外疫情輸入風險的主要來源。由上文可知,2020年10月和11月是韓國疫情輸入風險較高的月份,因此港口管理當局應該對來自釜山港的船重點展開防疫檢查,進行完善的消殺程序,以防范疫情通過高風險船舶輸入。據報道,2021年11月13日青島市新增境外輸入確診病例2例,患者是來自釜山港的一艘貨船上的船員。同樣地,釜山港需要重點防控來自對其疫情輸入風險較大的港口。此外,我國對國內港口的高風險船也不能放松警惕。

3 結 論

新冠病毒在世界范圍內的擴散傳播給口岸疫情防控帶來了壓力。為維持港口的正常運營,減少全球物流和供應鏈中斷的風險,本文融合多源數據,構建了一種動態評估港口境外疫情輸入風險的指數模型,得到的結論如下:(1)疫情暴發初期東北亞核心港口中青島港和釜山港疫情輸入風險較大,其中2020年3月和4月是兩個港口的疫情向外傳播的風險最高的時期。(2)釜山新港是大連港和天津港境外疫情輸入風險的主要來源,因此來自釜山港的船舶應該受到有關當局的重視。此外,我國對來自國內港口的高風險船同樣不能放松警惕。

未來將在以下方面進行改進:本文構建的模型方法對其他類型的船舶和地點有可能適用,可作為構建海上疫情風險全球網絡預警模型的基礎,以遏制新冠疫情在沿海地區的傳播,為全球海上貿易護航;前人的研究為本文構建港口境外新冠疫情輸入風險評估模型提供了重要參考,同時也側面印證了所構建模型及所用多源數據的可行性,在未來的研究中可以著重探究模型的適用性和科學性。當獲得更加詳細的數據時可以對模型指標進一步更新,例如船舶所載冷鏈產品的數量、市級人口等微觀指標。