中文摘要
摘要：随着鄂州花湖机场的投运，顺丰的航空货运网络得到了进一步的拓展和加强。除了鄂州花湖机场，顺丰还在国内多地建设了航空货运基地，如杭州萧山国际机场、广州白云国际机场等。这些基地的建设，使得顺丰可以更加快速地运输货物，缩短了货物的运输时间，提高了物流效率。目前，国内外对民航运输的研究主要集中在全国航空货运网络的拓扑分析方面，缺乏在对具体航空公司全货机航线网络的研究。因此，本论文希望通过对鄂州市花湖机场运营后对顺丰速运运输网络中航空货流分布及货运航线走向影响方面的探究和分析来进一步完善航空货运网络结构优化方法和相关理论体系、深化对鄂州花湖机场运营后影响分析方面的研究、弥补现有文献在航空货物运输网络理论方面与实际应用结合方面比较薄弱等问题。基于此，本文主要内容如下：
（1）基于复杂网络基础特征对顺丰航空货运网络进行拓扑分析。收集顺丰航空货运网络的相关数据，介绍了复杂网络的基本知识，概括分类了不同复杂网络类型并介绍其特点，阐述计算指标的定义和其结合航空网络代表和反映的情况。
（2）运用Gephi对数据进行计算，通过计算网络基本特征指标、相关性、中心性和模块化分析，得出顺丰航空货运网络的演变特点，并对其进行评价。
关键词：航空货运网络；复杂网络；顺丰航空；鄂州花湖机场；Gephi
1绪论
1.1研究背景及意义
我国民航运输业在经历了30多年的发展之后，已进入一个新的发展时期。随着我国综合国力的增强，经济全球化程度越来越高，民航运输业在国际间的地位和作用也不断提高，已经成为国民经济中一个重要的组成部分。
目前国内已经形成了一批以国内航线为主，辐射世界各地、主要枢纽机场为辅助节点和以枢纽机场为核心节点的航空网络格局。随着经济社会不断发展和中国民航事业水平提升，对航空运输需求逐年增长。
近十年来，随着电商的兴起、消费模式的升级[1]和新冠疫情的出现，社会生产和生活方式发生了巨大变化，航空货运业也进入了快速整合与发展阶段，服务网络不断扩大、产品体系更加丰富健全、信息化程度及服务时效明显提升，航空业也逐渐从“重客轻货”向“客货并重”转变。
鄂州花湖机场定位是货运枢纽、客运支线、公共平台、货航基地，从2014年初步谋划到2022年建成投运，前后历时8年。初步统计，机场项目总投资达308.4亿元[2]，主要由机场工程、转运中心及顺丰航空公司基地工程、供油工程三部分组成。
2015年8月，湖北国家物流中心是我省的“一号工程”之一。湖北省与中国民航总局在武汉召开工作会议，确定将把武汉天河机场建设为中原区域的国际门户枢纽，把鄂州花湖机场建设为世界一流的国际货物运输中心，把鄂州花湖机场与武汉天河机场建设为“双枢纽”，把湖北省建设为新一代“空港口岸”。一旦机场投入运营，仅1.5小时的航程，就可以将我国经济总量的90%，人口的80%，以及5个国家级别的大城市群纳入囊中。旅客运输方面，鄂州到北京，上海，深圳，厦门，重庆，成都，宁波等7条旅客运输线路，9个直达站点；货物运输遵循先国内，后国际的原则，首先开辟鄂州到深圳和上海的两条货物运输路线，然后再开辟大坂和法兰克福的国际货物运输路线，逐渐建成具有国际影响力的国际货物运输中心，努力建设中国和亚太地区的新的物流中心[3]。
因此，本论文希望通过对鄂州市花湖机场运营后对顺丰速运运输网络中航空货流分布及货运航线走向影响方面的探究和分析来进一步完善航空货运网络结构优化方法和相关理论体系、深化对鄂州花湖机场运营后影响分析方面的研究、弥补现有文献在航空货物运输网络理论方面与实际应用结合方面比较薄弱等问题。
1.2国内外研究现状
目前，国内外对民航运输的研究主要集中在航空货运网络分析方面，缺乏在对具体航空公司航线网络的研究。
例如：褚艳玲[4]通过运用标准差椭圆和空间基尼系数，发现中国航空货运网络的空间模式和经济格局呈现出高度的相似性，航空货运网络已从混合网络向轴辐式枢纽网络转型，并从单一机场枢纽发展为京津、沪杭、广深和成渝四个组合枢纽，形成了一个高效的物流网络。
杨丽等人[5]研究发现，我国民航货运网络呈现出一种小世界的特征和无标度的趋势，缺乏明显的群体结构；航空货运网络的空间分布仍然呈现出不均匀的特征，然而网络的整体效率却得到了提升；在航空网络中，以北京、西安、成都和昆明为枢纽，节点的中心性之间呈现出高度相关性。
刘雯等人[6]发现当机场节点的节点度较高时，若遭受恶意攻击，将会对周边节点以及整个货运网络造成巨大的负面影响；随着流量增加，节点之间的连接强度将不断增强，在一定程度上可缓解节点间干扰，提升系统稳定性。
白悦[7]为了解决货运航线网络全货机站点的选择问题，采用运筹优化建模的方法，建立了一个线性规划模型。研究结果表明，尽管航空公司获得了更大的市场份额，但随着网络货量覆盖比例的不断提高，全货机站点数量的增长速度远远超过了货量覆盖比例的增长速度，从而导致整个网络呈现出规模不经济的现象。
蒲亚琼等人[8]采用Pajek软件对2016年中国国内65个民航机场、333条航线构成的国内航空货运航线网络结构进行分析，得出：由于网络发展的不平衡，城市节点拥有更多航线的运力也相应增加，这导致了大型城市枢纽节点承担了过重的负荷。
付丽[9]基于2021年中国航班数据，建立了无向无权航空网络、无向加权航空网络和时效航空网络，并运用零模型算法构建了相应的航空网络的零模型网络，发现中国航空网络呈现出度分布的双幂律分布，这种分布具有无标度和小世界性质，从而揭示了其无向无权的本质。
王红燕[10]采用基于改进贪婪算法的粒子群算法对模型求解。实验表明，在考虑超出容量限制的拥堵流量时，设置惩罚成本可以实现枢纽流量分配的均衡，从而有效缓解枢纽拥堵情况。
曹亚文[11]运用复杂网络理论的相关统计指标，对我国航空货运网络结构进行实证分析，发现中国航空货运网络在遭受蓄意攻击时，其鲁棒性表现不如随机攻击下的网络。
刘颖[12]运用复杂网络理论构建我国航空货运网络模型后，通过对网络的基本静态几何特征、相关性和中心性等指标进行分析，发现我国的航空货运网络呈现出小世界和无标度的特征，这表明其具有高度的可扩展性和灵活性。同时，通过对比两种网络的抗攻击能力发现了我国航空货运网络在抗毁性上存在一定优势。
尚刘冰[13]采用重力模型，以北京、上海、郑州、广州、成都等为中心，逐步向周边辐射，由一个中心点到一个中心点，逐步扩展，形成了以京津、郑西、沪杭、广深和成渝为核心的多枢纽机场网络结构。
党亚茹等人[14]运用复杂网络的相关理论，对我国的航空货物运输网络进行了系统性的分类，结果表明，我国的航空货物运输网络具有显著的层次结构，分为四个层次，即枢纽城市、区域城市、中层城市和外围城市，但各层次间的分配并不均衡。只有极少数的几个枢纽级和地区级的城市才能占据大部分的空中货运量、航线和起降班次，其余的两个等级的城市主要依靠这两个等级的城市完成货运。
卢盛[15]利用Pajek的数值模拟和Matlab的拟合，对国际和国内两个主要的空运货物系统受到的冲击进行了综合分析，得出了这两个系统在各种扰动下的各个参数的变化规律，并对如何改进这些冲击的冲击程度进行了分析，从而达到增强空运货物系统的稳健性的目的，为空运货物系统的规划、建设和保护工作提供了一定的依据。
李红启等人[16]发现在区域性枢纽网络的辐射范围内，点对点的直达服务存在明显的不足之处；对于那些航线稀缺的城市节点而言，他们通常会优先考虑与那些规模较大、枢纽型城市节点建立航线，这种发展模式可能会对区域性货运网络的形成和持续发展产生影响。
莫辉辉等人[17]发现在三大城市群中，四大航企航线网络的拓展呈现出相对平稳的态势，主要采用单枢纽或双枢纽的建设方式，并通过”轴辐”模式进行组织运营，从而实现了高效的网络组织。建议加快货运航空企业的培育，积极推进航线网络的拓展，同时在中国内陆和全球范围内打造货运航空的重要枢纽。
沈丹阳[18]研究发现多机场航空物流系统是一个高度复杂的适应性系统，其内部主体积极感知周围环境，对自身内部状态、结构、行为方式等进行全面检测，并通过优化内部结构、优化功能机理和完善运作机制来适应环境，同时通过适当改变环境、有效变更资源去向，推动环境向有利方向演化，最终实现协同效应。
蒲亚琼[19]基于复杂网络理论和pajek软件分析得出，我国的货运航线网络在连接枢纽城市和东南沿海地区的航线上表现不尽如人意，整体运载能力偏低。
范渊[20]提出采用“第三方物流企业+全货机+中小城市+专业货运机场”的全新发展模式，必将带来成本的降低和效率的提升，从而颠覆目前“传统航空公司+客机腹舱+大城市+综合机场”主导的航空货运空间格局。
2复杂网络相关概念
复杂网络是一种由大量节点和连接构成的网络，它的拓扑结构通常呈现出一定的非线性、非均匀、非随机的特征，不同于传统的规则网格、随机网络或完全图等简单网络结构。复杂网络中的节点可以是人、物、事件等各种实体，节点之间的连接可以是物理上的联系、社交关系、交易合作等多种形式。复杂网络研究涉及数学、物理、计算机科学、社会学等多个领域，其应用包括社交网络分析、生物信息学、金融网络分析、交通流动研究等多个领域。
2.1复杂网络基本概念
2.1.1复杂网络基本类型
常见的复杂网络类型包括规则网络、随机网络、小世界网络和无标度网络，它们具有以下特征：
（1）规则网络
规则网络是一种拓扑结构非常有序的网络，其特点主要包括以下几个方面：
1.节点度数相同：规则网络中的每个节点的度数（即节点的连接数）都相同，这种相同的度数可以使得网络的传输效率和稳定性得到提高。
2.边的分布规则：规则网络中的边具有非常明显的排列规律，通常是通过某种算法或规则来生成网络的拓扑结构。例如，最为典型的规则网络——正则图形（Regular Lattice），其节点之间的连接呈现出完全的周期性和对称性。
3.同质性：规则网络中的节点和边都是同质的，即节点之间的连接方式和边的性质都是相同的，这种同质性可以使得网络的结构更加稳定和可靠。
4.可预测性：由于规则网络的拓扑结构非常有序，因此其动态演化过程也相对比较可预测，可以用一些数学模型和理论来描述和预测网络的特定性质。
总之，规则网络具有非常有序、稳定、可预测等特点，但是由于其结构比较单一，所以在某些情况下可能会受到一些局部故障或攻击的影响，因此在设计网络时需要根据具体应用场景来选择合适的网络结构。
（2）随机网络
随机网络是一种节点之间连接随机的网络，其主要特点包括以下几个方面：
1.节点度数分布随机：随机网络中的节点度数分布是随机的，即每个节点连接的数量是随机的，这种度数分布不具有任何规律性。
2.连接概率随机：随机网络中节点之间连接的概率也是随机的，每个节点与其他节点建立连接的概率是相等的，这种连接概率不受节点度数的影响。
3.高度抗攻击：由于随机网络中的节点和边都是随机分布的，因此它们的结构比较复杂，攻击一个节点或边的影响不会导致整个网络的崩溃，使得随机网络具有高度抗攻击的特点。
4.传输效率较低：由于随机网络中节点之间连接的随机性，使得节点之间的路径比较复杂，传输效率相对较低。
5.模型简单：随机网络的建模比较简单，容易实现和计算，因此在一些复杂网络无法处理的问题中也具有较好的应用前景。
总之，随机网络具有节点度数分布随机、连接概率随机、高度抗攻击、传输效率较低、模型简单等特点，其应用领域广泛，例如社交网络、生物网络、信息网络等。
（3）小世界网络
小世界网络的特点如下：
1.六度分隔理论：通过最短路径相连，任何两个节点之间的距离不会超过六个节点。
2.聚集性：小世界网络中，每个节点通常会聚集在一起形成社区，即节点与其邻居节点间的联系比与非邻居节点的联系更紧密。
3.短路径：小世界网络中的短路径往往是通过一些局部的随机连接实现的。
4.高度可靠性：小世界网络具有高度的可靠性和鲁棒性，即在部分节点失效的情况下，网络仍然能够保持其稳定性和可用性。
5.易于扩展：小世界网络具有良好的扩展性，即节点数量的增加不会影响网络的性能和效率。
（4）无标度网络
无标度网络的特点如下：
1.在一个网络中，存在着一小部分的、具有高连通性的结点，这种结点被称作“超级节点”，它将大多数结点都连通起来。
2.对于大多数的“普通节点”来说，只有很少的链接。
3.网络具有很强的非对称性，在此情况下，几个超级结点占据着大多数的结点，而大多数的一般结点却没有多少结点。
4.该网络的度分布是一个幂函数，也就是节点的度呈长尾分布，只有几个结点的度很大，而大多数结点的度很小。
5.无标度网络具有高度的鲁棒性，即在随机攻击和故障的情况下，网络仍然能够保持其稳定性和可用性。
6.无标度网络具有高度的传播性，即信息、疾病等在网络中的传播速度非常快，这是由于少部分超级节点的存在导致的。
7.无标度网络的结构往往是由节点的生长和优先连接机制构成的，这种机制可以解释为什么网络的度分布呈现出幂律分布的特征。
不同类型的复杂网络根据其分类，可以总结出以下区分特点[21]，如表2-1所示：
2.1.2复杂网络结构特征指标
本文采用度、聚类系数、平均路径长度等指标对网络的特征进行分析，选用紧密度中心性、介数中心性、特征向量中心性等中心性指标对网络全局属性的中心性特征开展研究。在本文的研究和分析中采用的特征参数如下。
（1）度。在复杂网络中，度是指一个节点与其他节点连接的数量，也就是该节点的连接度。节点的度可以分为入度和出度两种，入度表示指向该节点的连接数量，出度表示该节点指向其他节点的连接数量。在某些情况下，入度和出度相等，这种节点被称为平衡节点。度是复杂网络中最基本的拓扑参数之一，它可以用来描述节点在网络中的重要性、影响力和行为特征等。
（2）在一个复合网络中，所谓“度”，就是两个节点之间相互连通的数目，即这个节点的连通程度。节点的程度有两种，即节点的程度，即节点的程度，即节点对节点的链接个数，节点的程度，即节点对节点对其它节点的链接个数。在一定条件下，系统的输入输出是相同的，这样的节点叫做平衡节点。度作为一种最基础的节构参量，能够刻画出一个节点的重要性、影响力以及行为特征。
（3）聚类系数。在复杂网络中，聚类系数是指一个节点的邻居节点之间实际存在的连接数量与可能存在的连接数量之比。具体地，对于一个节点i，假设其连接了个邻居节点，则其聚类系数定义为：
其中，表示节点i的邻居节点之间实际存在的连接数量。表示节点i的邻居节点之间可能存在的连接数量，即一个完全图的边数。
聚类系数可以反映出网络中节点的聚集程度。如果一个节点的聚类系数较高，说明其邻居节点之间较为紧密地相互连接，形成了一个密集的子图或社区；反之，如果一个节点的聚类系数较低，则说明其邻居节点之间联系较为稀疏。在实际应用中，聚类系数常常被用来研究网络的社区结构、节点的重要性和网络的鲁棒性等问题。
（4）平均路径长度。在复杂网络中，平均路径长度是指网络中任意两个节点之间的最短路径长度的平均值。具体地，对于一个包含N个节点的网络，其平均路径长度L可以通过以下公式计算得到：定义为：
其中，表示节点i到节点j的最短路径长度。通常情况下，平均路径长度越小，说明网络中节点之间的联系越紧密，信息传播和通信的效率也越高。
平均路径长度是衡量网络快速传递信息能力的一个重要指标，对于很多实际问题，如社交网络、物流网络等，都有重要的应用。同时，平均路径长度也与网络的拓扑结构密切相关，这使得研究平均路径长度成为了理解网络拓扑结构的重要途径之一。
（5）度中心性。度中心性（degree centrality）是衡量复杂网络中节点重要程度的一种常见指标。度中心性是通过计算网络中每个节点的度也就是连接数来衡量一个节点的重要性，度中心性越高的节点表示与其他节点的联系也就更多，因而在整个网络中也就越重要。度中心性可以用于识别网络中最为重要的节点，因为这些节点的度数越高，就意味着它们与其他节点的联系更紧密，更难以被忽略或割裂。除了简单地计算节点的度，还有一些基于度中心性的改进方法，比如归一化的度中心性和加权度中心性等。它们可以更精确地反映节点的重要性，以便更好地理解网络的结构和功能。
（6）紧密度中心性。紧密度中心性（Closeness Centrality）是一种用于衡量节点在网络中的中心性的指标，它衡量的是一个节点到其他所有节点的平均距离的倒数。具体而言，当一个节点中心度较高时，则其与其它节点的距离较近，关联程度较高，则其在整个网络中的位置也较重要。
紧密度中心性的计算方式是将某个节点到其他所有节点的最短路径长度加起来，然后取其倒数作为该节点的紧密度中心性。这种计算方法体现的是一个节点在整个网络中的可达性，即它可以通过一条最短的路径到达另一节点的程度。
在复杂网络中，紧密度中心性可以应用于很多领域，比如社交网络分析、物流网络优化、电力系统传输网络等等。
（7）介数中心性。介数中心性（Betweenness Centrality）是一种度量网络中一个节点的集中度的方法，用来度量这个节点在整个网络中起到的中介作用。具体而言，某个节点的介数中心性越高，意味着它在网络中扮演着更为重要的中介角色，其控制着节点之间的信息流动和联系。
介数中心性的计算方式是将网络中任意两个节点之间的最短路径计算出来，然后统计通过该节点的最短路径占据所有最短路径的比例。这个计算方式反映了一个节点在网络中的桥梁作用，也就是该节点在节点之间传递信息时的重要性程度。
在复杂网络中，介数中心性可以应用于很多领域，比如社交网络分析、道路交通网络优化、物流网络优化等等。通过介数中心性的分析，可以找到网络中潜在的瓶颈节点和关键节点，进而对网络结构进行优化和管理。
需要注意的是，在计算介数中心性的时候，需要考虑到网络中可能存在多条路径连接同一个节点对，这种情况下需要对所有路径的贡献进行累加。
（8）特征向量中心性。特征向量中心性（eigenvector centrality）是复杂网络中节点重要性的一种度量方法。该方法认为，一个节点的重要性取决于其与其他重要节点的连接程度，即与其他节点的连接数量和质量。具体来说，特征向量中心性是基于节点在网络中的邻居节点数量和连接强度来计算的，如果一个节点有很多邻居节点，而这些邻居节点本身也有很多邻居节点并且与它的连接比较强，则该节点的特征向量中心性就会比较高。特征向量中心性可以被用来识别网络中的关键节点，因为这些节点会对整个网络的结构和功能产生较大的影响。
2.2复杂网络结构分析软件介绍
Gephi是一款开源的网络分析和可视化软件，如图2-1所示。它可以帮助用户分析和可视化网络结构，探索节点和边缘之间的关系，以及检测网络中的模式和趋势。Gephi支持多种数据格式，包括CSV、GDF、GEXF、GraphML等，用户可以通过导入数据文件来创建网络图，也可以通过插件和模块来扩展软件的功能。Gephi提供了多种分析和可视化工具，例如节点度中心性、介数中心性、网络社区检测、力导向布局等，用户可以根据需要选择不同的工具来展示和分析网络结构。Gephi适用于不同领域的应用，如社交网络分析、生物信息学、交通网络分析等。
本文使用了Gephi的图形绘制功能用于绘制航线网络图；使用统计功能用于计算度值、平均度、聚类系数、平均路径长度、网络直径、接近中心性、介数中心性、特征向量中心性；使用模块化功能用于对航线网络进行社区分类。
图2-1 Gephi启动页
3顺丰航空货运网络演变分析
3.1数据来源
本文采用2017年我国航空货运数据（不包含港澳台地区），数据来源于OAG数据库。选取其中顺丰航空2017夏秋航班计划作为已有航空网络数据，在此基础上，加入鄂州花湖机场已开放的货运航线作为新增航空网络数据。时间跨度为6年，能够较好的反映在一段时间内顺丰航空货运网络演变的特征。
已有航线网络中，开通航线数110条，通航城市点37个，其中深圳至杭州的频率最高，达到周班次36次，最低周班次为5次，平均周班次8.1次；新增航线网络中，开通航线数150条，通航城市点42个，其中深圳至杭州的频率最高，达到周班次36次，最低周班次为3次，平均周班次7.1次。
3.2网络基本特征分析
通过Gephi软件对新增和已有货运网络进行构建，经过Yifan Hu布局调整后，已有航线网络如图3-2所示，新增航线网络如图3-3所示。
通过上文提及的Gephi统计功能，计算得出新增和已有货运网络的基本特征指标，通过整理得出下表3-1。
图3-2已有航线网络图
图3-3新增航线网络图
比较发现：随着鄂州花湖机场的开通以及覆盖机场数量的增多，货运网络节点数由37个增长为42个，增长率为13.5%；航段数增加较多，由110条增长为150条，增长率为36.4%；平均度由2.973增长为3.571，增长率为20.1%；平均加权度由23.946增长为25.381。
在一个复杂网络中，节点的度表示与节点相关的边数，而节点的平均度表示节点的度的总和。即，平均度是指在一个网路中，每一个节点所具有的平均连接数目。在复杂网络研究中，平均度是一种非常有效的测度，它既能刻画出网络的密集度，又能刻画出网络的复杂性。若平均度值越高，则表示各节点间的联系越密切，则表示各节点的密度越大；相反，当网络的平均程度很小时，则表示网络中的节点很松散，网络比较稀疏。由此说明，此网络的连接程度变得更加稠密，而且对于有向的航班而言，航线也更加稠密。而且此网络前后平均度都较高，因此呈现出无标度网络或小世界网络的特点。
3.2.1度和度分布
度是复杂网络中反映节点重要性、影响力的重要指标。通过计算整理，将顺丰航空货运新增和已有网络中的机场按照度值排名，其前十如下表3-2所示。
根据新增和已有网络的平均度值分别为3.571和2.973可知，每个机场平均与约3个其他机场有直达航班增长为约3.6个。
已有网络机场度值分布图如图3-4所示，新增网络机场度值分布图如图3-5所示。
图3-4已有网络机场度值分布图
图3-5新增网络机场度值分布图
节点的度分布是判断网络类型的一个重要指标。在一个复杂网络中，度分布是指节点的度数在整个网络中出现所占的比例。其中，节点的度数表示与节点连接的边数。如果度分布服从幂函数时，即网络中出现少量的高连通的节点（称为“超级节点”），而这些节点又会与其他低连通的节点相连，这种度分布被称为“无标度网络”，并且在许多复杂网络中都有所观察到。通过检验其是否呈现出幂律分布特点可以判断其是否具有无标度特点。
已有网络双对数坐标轴的度值分布图如图3-6所示，新增网络双对数坐标轴的度值分布图如图3-7所示。
可以看出，顺丰航空货运网络无论是新增还是已有网络，都呈现出幂律分布的特点，即，拟合程度较高，与无标度网络特点吻合。其中已有网络的y=0.868，新增网络的y=0.889。
图3-6已有网络双对数坐标轴的度值分布图
图3-7新增网络双对数坐标轴的度值分布图
如图3-8已有网络机场度值频率分布图，3-9新增网络机场度值频率分布图所示，已有网络中，度值小于12的小度值节点，占总节点数的94.6%，而度值大于36的大度值节点，占总节点数的5.4%；新增网络中，度值小于14的小度值节点，占总结点数的92.86%，而度值大于36的大度值节点，占总结点数的7.14%。
由以上数据可以得出，无论是新增还是已有网络，在网络中影响较大的大度值节点数占比较少，符合无标度网络具有“超级节点”的特征，进一步确定了网络的无标度特点。
图3-8已有网络机场度值频率分布图
图3-9新增网络机场度值频率分布图
3.2.2平均路径长度和聚类系数
新增和已有网络都呈现出平均聚类系数较大，平均路径长度较小的特点，表现为无标度网络或小世界网络。而且平均路径长度由2.426减少为2.305，网络直径由6减少为4，平均聚类系数基本不变。
在复杂网络中，直径是指网络中任意两个节点之间的最短路径的最大长度。换句话说，它是网络中最远两个节点之间的距离。直径是复杂网络中一个非常重要的概念，因为它可以用来描述网络的大小、连接性和复杂性。直径收缩的现象说明这个网络的效率和性能都显著得到了改善，该网络也正发展为结构效率更高的网络。原来将货物从一个机场运往另一个机场，最远可能需要经过4个机场的中转才能够到达，而现在的网络中最多只需要中转2次就能够到达。
平均路径长度则反映了任意两节点之间的平均距离，顺丰航空货运网络的平均路径长度由2.426减少为2.305，表明将一批货从一个机场运往另一个机场平均需要中转1次多，但随着新增网络的上线，中转次数将小幅减少，或者说仅需一次中转或无需中转的比例小幅增加。
聚类系数反映了于同一节点连接的节点之间也互相连接的概率，顺丰航空货运网络的聚类系数由0.384变为0.364，聚集程度略微下降，直接影响到的是任意两节点之间直达的概率，但对航空货运网络而言影响不大。
结合平均路径长度和聚类系数的表现，顺丰航空货运网络无论新增还是已有网络都呈现出，平均聚类系数较大，平均路径长度较小的无标度网络和小世界网络特点，结合度分布呈现幂律分布的特点，且拟合度明显高于指数分布。因此顺丰航空货运网络是一个具有小世界网络特征的无标度网络。
3.2.3簇度相关性
在复杂网络中，簇度（clustering coefficient）是指一个节点的邻居节点之间实际存在的边数和可能存在的边数之比，是一种计算聚类程度的方法。簇度相关性是指网络中不同节点的簇度之间的联系。如果两个节点的簇度相近，则称它们的簇度相关性高，反之则称簇度相关性低。簇度相关性反映了网络中节点间的聚集程度和联系紧密程度，可以用来描述网络的结构特征，对于理解和分析网络的功能和演化具有重要意义。簇度相关性的计算可以通过计算网络中节点簇度之间的相关系数或者通过构建簇度相关性矩阵来实现。
如图3-10、3-11，可以看出，无论新增还是已有网络，度值大小与聚类系数大致都呈反比关系。随着度值的增大，对应聚类系数分布的位置逐渐由1靠近0，这意味着，当一个节点的度值越大，与该节点相邻的节点之间相互连接的可能性越低。这与现实中与枢纽机场相连接的普通机场间缺乏直达航线的事实相吻合。同时，在度值较低的区间，聚类系数较大，表明与度值较低的机场连接的节点之间相互连接的概率较大，呈现出一定的集聚特征。当度值处于较大区间时，机场的数量急剧减少，同时度值也急剧减少，处于该区间的机场数量与航线网络图3-1、3-2中枢纽机场的数量吻合。表明顺丰航空货运网络已经形成以这几个枢纽机场为核心的轴辐式结构。鄂州花湖机场的开通也为顺丰航空货运网络增添了一个新的核心枢纽，同时改善了低度值机场的聚类系数。
图3-10已有网络聚类系数与度的关系分布
图3-11新增网络聚类系数与度的关系分布
3.3中心性分析
3.3.1中心性分析的作用
通过对复杂网络的中心性进行测度，可以判断出网络中的重要程度，从而判断出网络的结构与功能。通过对其进行中心度分析，可以确定出其在整个网络中的地位和功能。以下是中心性分析的作用：
1.找出网络中的重要节点。通过中心性分析，可以识别出网络中具有重要影响力的节点，这些节点对于网络的结构和功能具有重要作用。
2.分析网络的结构和功能。中心性分析可以帮助了解网络的结构和功能，以及不同节点在网络中的作用和相互关系。
3.预测网络的行为和演化。通过中心性分析，可以预测网络的行为和演化，以及网络中可能出现的故障和风险。
4.优化网络的设计和管理。中心性分析可以帮助优化网络的设计和管理，以提高网络的稳定性、可靠性和效率。
总之，中心性分析在复杂网络中具有重要作用，可以帮助识别网络中的关键节点，了解网络的结构和功能，预测网络的行为和演化，以及优化网络的设计和管理。
3.3.2计算分析
通过gephi对顺丰航空货运网络数据的计算整理，可以得出顺丰航空货运网络各节点所在城市的中心性指标并进行排名。
由上表3-3可知，深圳稳居榜首，无论是以度中心性、接近中心性、介数中心性、特征向量中心性为标的计算排序，还是航线网络新旧更替，深圳始终是在中心性的排名上居于首位，这意味深圳对于顺丰航空货运网络而言具有举足轻重的地位。同样，在已有航线网络中，杭州、宁波、北京、泉州都是重要的大型城市节点；在新增航线网络中，鄂州、杭州、宁波、泉州、北京依旧占据着重要的大型城市节点，只是鄂州的上位使得之前几座城市的排名向后挪动了一位。除此之外，由于鄂州新节点的出现，一些城市节点的排名也略微发生了变化。比如，在鄂州节点出现前，泉州和北京节点的排名高低可以说是各有胜负，而在鄂州节点出现后，泉州就变得一直压北京一头。之前在前十末尾偶尔出现的南通、潍坊、乌鲁木齐、沈阳消失不见，取而代之的是广州；长沙、郑州、天津名词明显下滑，成都、重庆成为了新兴势力。
从中可以看出，大型城市节点大都排名较为稳定，大多为我国枢纽城市，与人口、经济中心也有着紧密的联系。同时随着城市建设发展和配套设施的完善，新的大型城市开始逐步取代过去一些城市的地位，其中新开航机场的城市承担了大量的货运航线转移工作。这些重要城市节点都承担着主要的货运任务，因此他们的稳定性安全性就显得尤为重要，对节点的保护和恢复能力至关重要。同时，通过平时对关键节点的数据的收集和分析可以为航空运输决策提供重要支持，对其优化和升级可以提高整个网络的性能和效率。
3.4社区分类
在复杂网络中，社区分类指的是将网络中的节点根据一定的规律或算法进行组合，从而使同一群中的节点相互联系密切，而异群中的节点相互联系密切。社团分类能够更好地了解网络结构、预测节点行为以及发现网络中的潜在模式和规律。常见的社区分类算法包括基于模块度优化的Louvain算法、基于谱聚类的Spectral Clustering算法、基于节点相似度的GN算法等[22]。
本文使用的Gephi软件采用的是基于Modularity的社团划分算法，通过统计功能功能中的模块化功能，将解析度设置为1，进行计算。得出数据后，根据不同社区将节点设置为不同颜色，通过绘图功能导出，得出下图3-12、3-13。
图3-12模块化处理的已有网络图
图3-13模块化处理的新增网络图
对比绘制的两张网络图，可以发现：随着鄂州花湖机场的开通，顺丰航空货运网络模块数由5个减少为4个。在复杂网络中，模块是指由相互连接的节点组成的紧密结构。模块个数的减少可能表明网络中的节点之间的联系趋于简单化，节点之间的联系变得更加分散或松散，网络整体结构可能变得更加随机或者无规律。这可能会导致网络的稳定性降低，信息传输效率降低，网络的功能受到影响等。但是，如果模块个数的减少是因为网络的优化和重构而导致的，那么这种变化可能会提高网络的可靠性和效率。
模块化指数（Modularity Index）是衡量一个网络中模块化程度的指标。它是用来比较网络中实际存在的模块结构和随机网络的期望模块结构之间的差异。模块化指数的取值范围在-1到1之间，取值越大表示网络中的节点之间的联系越紧密，模块化程度越高。在实际应用中，可以通过计算模块化指数来评估网络中模块化程度的好坏，并可以利用该指标来优化网络结构，提高网络的稳定性和效率。
已有航线网络的模块化指数为0.225，新增航线网络的模块化指数为0.297，二者都低于0.44，一般认为模块化程度未达到显著程度。因此，新增航线网络相比于已有航线网络的网络结构更佳，优化程度更高，符合上文提到模块个数减少的第二种情况，新增航线网络是对已有航线网络进行了优化和重构，说明鄂州花湖机场的开通有效的提高了网络的可靠性和效率。
4结论
1.论文的主要研究成果
顺丰航空货运网络作为我国航空货运网络的重要组成部分之一，覆盖的节点航线众多，是典型的复杂网络。随着鄂州花湖机场开通以及航空货邮运输量的增加，其航空货运网络的复杂性凸显，在这种情况下，对顺丰航空货运网络演变的分析显得迫切且重要。本文选取了顺丰航空全货机货运新增和已有网络作为研究对象，对网络的结构和计算指标进行分析，结合相关性和中心性分析得出以下成果：
（1）通过研究顺丰航空货运网络的基本特征发现，其具有较大的较小的平均路径长度和较大的聚类系数，同时其度分布呈现出幂律分布特点，说明顺丰航空货运网络是一个具有小世界特征的无标度网络。
（2）顺丰航空货运网络形成了过去以深圳、杭州为核心枢纽，现今以深圳、鄂州、杭州为核心枢纽的轴辐式结构。同时，鄂州花湖机场的开通改善了低度值机场相邻的机场间的直达情况。
（3）研究了新增和已有网络的中心性，得到了不同指标下中心性前十的城市，分析发现大型城市节点的排名大多稳定，深圳是顺丰航空货运网络节点的重中之重，同时，新兴城市以及开通新机场的城市节点的排名多有上升。
（4）使用模块化处理，通过计算模块化指数，分析网络结构变化，发现鄂州花湖机场的开通有效的提高了顺丰航空货运网络的可靠性和效率。
2.论文创新点
（1）现有国内的航空货运网络多完全基于航空客运网络，或者集中在在全国航空货运网络的拓扑分析方面，缺乏在对具体航空公司全货机航线网络的研究。本文从基本拓扑结构、相关性以及网络节点的中心性着手，对顺丰航空全货机的货运网络的演变展开分析。
（2）鄂州花湖机场开通时间不久，国内缺乏与之相关的航空货运网络分析论文，本文填补了该关键词下航空货运网络研究的空白。
3.研究展望
随着鄂州花湖机场的逐步运行，该机场的货邮吞吐量也会逐步增大，由于个人能力和时间的约束，有些问题可以进一步探索：
（1）可以收集我国顺丰航空货运的OD数据，通过统计和分析，转化一定量的客机腹仓载货量为全货机货邮量，优化当前全货机网络的效率和性能。
（2）对顺丰航空货运网络的鲁棒性进行分析，从而研究其脆弱性，为航空货运网络的保护和恢复提供策略。
参考文献
[1]张姣姣.“时空压缩”背景下传统景区发展新路径——面向旅游者和居民的景区[J].商场现代化,2019,(19):140-141.
[2]黄敏，图汪洋.鄂州花湖机场引领中国航空运输业转型破局[J].环球飞行,2022,(8):18-25.
[3]张真齐,航空货运能否挑起民航业发展大梁[N].中国青年报,2022/8/4
[4]褚艳玲.航空货运网络空间模式分析及布局优化[D].大连海事大学,2018.
[5]杨丽，苟晓冬.中国航空货运网络结构分析[J].西北师范大学学报(自然科学版),2019,55(04):30-36.
[6]刘雯，丁从奥，杨俊杰，等.中国航空货运网络时空演化与特征分析[J].科技创新与应用,2022,12(36):41-44.
[7]白悦.货运航线网络全货机站点选择研究[J].民航学报,2022,6(03):15-18.
[8]蒲亚琼，赵礼强，靖可.基于复杂网络的我国航空货运网络结构分析[J].沈阳航空航天大学学报,2018,35(06):82-89.
[9]付丽.参照零模型的中国航空网络实证研究[D].贵州民族大学,2022.
[10]王红燕.考虑需求不确定及枢纽容量限制的航空货运网络优化[D].大连海事大学,2022.
[11]曹亚文.基于鲁棒性的中国航空货运网络优化研究[D].中国民航大学,2021.
[12]刘颖.基于复杂网络理论的我国航空货运网络鲁棒性优化研究[D].重庆大学,2021.
[13]尚刘冰.基于轴辐式网络的我国航空货运网络布局研究[D].中国民航大学,2020.
[14]党亚茹，彭丽娜.基于复杂网络中心度的航空货运网络层级结构[J].交通运输系统工程与信息,2012,12(03):109-114.
[15]卢盛.基于复杂网络理论的航空货运系统鲁棒性分析[D].吉林大学,2014.
[16]李红启，袁俊丽，赵文聪，等.我国民航货运网络的统计特性分析[J].北京交通大学学报(社会科学版),2017,16(02):112-119.
[17]莫辉辉，胡华清，王姣娥.中国货运航空企业发展过程及航线网络演化格局[J].地理研究,2017,36(08):1503-1514.
[18]沈丹阳.多机场航空物流系统演化与协同发展研究[D].南京航空航天大学,2019.
[19]蒲亚琼.中国民用货运航空网络演化分析[D].沈阳航空航天大学,2019.
[20]范渊，黄硕.我国航空货运的空间格局演化及趋势判断[J].空运商务,2020,(04):12-18.
[21]李嘉欣.我国航空货运网络拓扑结构研究[D].中国民用航空飞行学院,2022.
[22]姜雅文，贾彩燕，于剑.基于节点相似度的网络社团检测算法研究[J].计算机科学,2011,38(07):185-189.
1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“文章版权申述”（推荐），也可以打举报电话：18735597641(电话支持时间：9:00-18:30)。
2、网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友投稿，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务。
原创文章，作者：1158，如若转载，请注明出处：https://www.447766.cn/chachong/204992.html,
