王直歡, 劉賢超, 戴明城, 龍小慧, 張億洲

(1.上海海事大學(xué)物流科學(xué)與工程研究院,上海 201306; 2.中國船舶及海洋工程設(shè)計研究院,上海 200011;3.上海海事大學(xué)物流工程學(xué)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(huán)境和病毒性質(zhì)等因素影響下,病毒存在遠(yuǎn)程或超遠(yuǎn)程傳播的可能,如海上冷鏈運(yùn)輸造成病毒跨地域傳播[3]。為遏制病毒的進(jìn)一步擴(kuò)散,各國采取了相應(yīng)的防控措施。然而,隨著病毒的不斷變異,疫情在全球持續(xù)蔓延。在我國國內(nèi)疫情形勢緩和時,境外疫情輸入風(fēng)險依然居高不下,外防輸入成為疫情防控工作的重點(diǎn),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(yùn)輸、陸路口岸運(yùn)輸和郵輪運(yùn)輸。航空運(yùn)輸,因其聯(lián)系地區(qū)廣、出入境人流量大而受到關(guān)注,是病毒輸入的主要途徑之一[5]。ZHANG等[6]將航空運(yùn)輸在我國新冠病毒傳播中的作用與高鐵和長途汽車運(yùn)輸進(jìn)行比較,發(fā)現(xiàn)航空運(yùn)輸傳播病毒過程復(fù)雜,且最有可能出現(xiàn)在大城市。在陸路口岸運(yùn)輸方面,馮曄囡等[7]對西部重要陸路貨運(yùn)口岸卡車和集裝箱中檢測到的新冠病毒進(jìn)行基因特征分析,發(fā)現(xiàn)很有可能是邊境快速物流系統(tǒng)卡車和集裝箱攜帶病毒入境造成了本土疫情。在郵輪運(yùn)輸方面,ITO等[8]通過使用2020年1—3月的船舶自動識別系統(tǒng)(automatic identification system,AIS)數(shù)據(jù)跟蹤了全球所有郵輪,發(fā)現(xiàn)大型郵輪上陽性乘客的行程大多有著相同的始發(fā)港口和靠岸港口。

國際海運(yùn)承擔(dān)了全球貿(mào)易80%以上的運(yùn)輸量,對全球經(jīng)濟(jì)與貿(mào)易發(fā)展有舉足輕重的作用[9]。在海上運(yùn)輸網(wǎng)絡(luò)中頻繁移動的船舶成為病毒跨地區(qū)傳播的重要媒介,現(xiàn)實(shí)中就發(fā)生過港口裝卸工作人員和冷鏈從業(yè)者接觸到附著病毒的貨物而造成疫情在港區(qū)暴發(fā)并傳播到內(nèi)陸地區(qū)的事件[10]。同時,有學(xué)者進(jìn)行流行病學(xué)調(diào)查后發(fā)現(xiàn),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(shè)施以及與進(jìn)口冷鏈?zhǔn)称废嚓P(guān)的市場[11-13]。

防控境外疫情輸入的關(guān)鍵是如何有效評估疫情輸入風(fēng)險,在相關(guān)領(lǐng)域有學(xué)者利用多源數(shù)據(jù)建立風(fēng)險指數(shù)來評估疫情輸入風(fēng)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(fēng)險值和各輸出國的輸入風(fēng)險值;程藝等[15]構(gòu)建并使用輸入風(fēng)險指數(shù)分析我國邊境口岸不同管控措施下的疫情輸入風(fēng)險,識別出境外疫情輸入的高風(fēng)險口岸;武潔雯等[16]利用新冠疫情數(shù)據(jù)和政府嚴(yán)格指數(shù)綜合評估世界各國的疫情暴發(fā)風(fēng)險及境外疫情輸入風(fēng)險。然而,以上研究存在一定的局限性,且無法應(yīng)用到境外疫情海運(yùn)輸入的防控中。

綜上,前人的研究方向主要集中于陸地運(yùn)輸,對船舶和港口傳播新冠病毒風(fēng)險的追蹤評估研究較少。對于海運(yùn)輸入疫情事件,構(gòu)建科學(xué)合理的指標(biāo)體系來評估港口境外疫情輸入風(fēng)險非常有必要。因此,本文綜合考慮影響疫情發(fā)展趨勢的關(guān)鍵因素,結(jié)合多源數(shù)據(jù)建立一種港口境外疫情輸入風(fēng)險評估模型,對重點(diǎn)船舶和港口開展疫情輸入風(fēng)險評估,從而及時發(fā)現(xiàn)輸入風(fēng)險的變化,為港口地區(qū)疫情防控措施和政策的制定提供數(shù)據(jù)支持。

1 模型構(gòu)建

1.1 總體框架

本文建立基于多源異構(gòu)數(shù)據(jù)融合的港口境外疫情輸入風(fēng)險動態(tài)評估模型,對東北亞核心港口進(jìn)行境外疫情輸入風(fēng)險分析。港口境外疫情輸入風(fēng)險建?？傮w框架如圖1所示,主要分為多源數(shù)據(jù)融合處理、核心港口網(wǎng)絡(luò)提取、港口境外疫情輸入風(fēng)險指數(shù)計算和以集裝箱船為案例進(jìn)行分析等4個部分。

圖1 港口境外疫情輸入風(fēng)險建?？傮w框架

1.2 數(shù)據(jù)來源

選取時間跨度為2020年整年的全球范圍內(nèi)的3個數(shù)據(jù)集,包括港口掛靠信息數(shù)據(jù)集、全球新冠病毒感染數(shù)據(jù)集和政府嚴(yán)格指數(shù)數(shù)據(jù)集。關(guān)鍵變量見表1。其中,累計確診病例和政府嚴(yán)格指數(shù)反映船舶?？繃?guī)淼娘L(fēng)險,集裝箱船載箱量則反映集裝箱船規(guī)模帶來的風(fēng)險。

表1 變量描述性統(tǒng)計

第一個數(shù)據(jù)集是來自Marine Traffic的港口掛靠信息數(shù)據(jù)集,是船舶靠港時向港口提供的到達(dá)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(zhǔn),因?yàn)橥？抠M(fèi)用就是用這些信息計算的。每條數(shù)據(jù)記錄了一艘船的載質(zhì)量及其在某一段時間內(nèi)的移動軌跡,可以按時間序列從經(jīng)過預(yù)處理的數(shù)據(jù)中提取出每艘集裝箱船停靠的港口。

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

第三個數(shù)據(jù)集是政府嚴(yán)格指數(shù)數(shù)據(jù)集,來自牛津大學(xué)新冠病毒感染政府反應(yīng)跟蹤系統(tǒng)(The Oxford COVID-19 Government Response Tracker,OxCGRT)。該系統(tǒng)將各項(xiàng)防疫措施編碼成不同指標(biāo),然后根據(jù)防控力度賦予各項(xiàng)指標(biāo)序數(shù)尺度內(nèi)的數(shù)值,通過標(biāo)準(zhǔn)化將不同序數(shù)尺度的指標(biāo)轉(zhuǎn)換為0～100的數(shù)值[17]。用于計算政府嚴(yán)格指數(shù)的9個指標(biāo)分別為學(xué)校停課、工作場所關(guān)閉、取消公共活動、限制公眾集會、公共交通關(guān)閉、居家要求、公共信息運(yùn)動、限制內(nèi)部流動和國際旅行管制。

1.3 港口境外疫情輸入風(fēng)險指數(shù)計算

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

船舶每日感染風(fēng)險指數(shù)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(fēng)險指數(shù);Si,t為t日船舶掛靠的港口i所屬國家的政府嚴(yán)格指數(shù);Ft為確診病例對t日感染風(fēng)險變化的一個影響因子;Tl為船l的標(biāo)準(zhǔn)集裝箱載箱量。

將載箱量引入模型中,是因?yàn)椴《究梢愿街谖矬w表面從而進(jìn)行遠(yuǎn)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?yàn)門l數(shù)值過大,所以取其對數(shù)值以縮小數(shù)值。政府嚴(yán)格指數(shù)Si,t來自O(shè)xCGRT,任意一天的指數(shù)是上文所述9個指標(biāo)的平均值[17]。由于政府嚴(yán)格指數(shù)是對一個國家對當(dāng)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(yán)重,防控力度也就越大,政府嚴(yán)格指數(shù)也越大,這說明政府嚴(yán)格指數(shù)能反映大部分國家的疫情趨勢。雖然2020年我國的政府嚴(yán)格指數(shù)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(fēng)險日變化的一個影響因子,其對指數(shù)的日變化起調(diào)整作用。這樣既可以使用政府嚴(yán)格指數(shù)反映各國的疫情發(fā)展趨勢,又可以用Ft對指數(shù)進(jìn)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(dāng)日病例數(shù)量減少,其值就為負(fù)數(shù)。

這些數(shù)據(jù)是根據(jù)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(shù)據(jù)中提取出來的。由式(1)和(2)可以實(shí)現(xiàn)根據(jù)疫情變化動態(tài)計算船舶感染風(fēng)險指數(shù),指數(shù)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(dāng)確診病例數(shù)量急劇增長時,Ft會接近1.5;當(dāng)確診病例數(shù)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(fēng)險指數(shù)計算船舶前14日累計感染風(fēng)險指數(shù):

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(fēng)險指數(shù)。由此便完成靠港船舶感染風(fēng)險指數(shù)計算的第一步。

接著進(jìn)行第二步的工作,計算港口i在t日的疫情輸入風(fēng)險指數(shù):

(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(fēng)險指數(shù)。

據(jù)此來動態(tài)計算港口i在t日前14日的累計疫情輸入風(fēng)險指數(shù):

Pi,t=Ii,t+Ii,t-1+…+Ii,t-13

(5)

為便于對結(jié)果進(jìn)行比較分析,參照胡建雄等[18]的風(fēng)險指數(shù)歸一化計算方法,對不同的序數(shù)尺度進(jìn)行標(biāo)準(zhǔn)化,得到一個在0～100范圍內(nèi)的子指數(shù)。因此,對港口前14日的累計疫情輸入風(fēng)險指數(shù)Pi,t進(jìn)行歸一化處理:

(6)

式中:Pmax和Pmin分別為各港口在所有日期內(nèi)風(fēng)險指數(shù)的最大值和最小值。

2 案例分析

東北亞是世界上經(jīng)濟(jì)最活躍的、境外疫情輸入事件發(fā)生頻繁的地區(qū)之一。該地區(qū)國際海運(yùn)發(fā)展飛速。《國際航運(yùn)樞紐競爭力指數(shù)——東北亞報告(2021)》顯示,青島港、釜山港、天津港等3個港口在網(wǎng)絡(luò)連通能力、運(yùn)營水平和基礎(chǔ)規(guī)模方面均處于領(lǐng)先水平,是區(qū)域國際航運(yùn)樞紐。同時,中國有著龐大的進(jìn)口冷鏈?zhǔn)称沸枨?。?020年中國進(jìn)口食品行業(yè)報告》顯示:2019年中國進(jìn)口食品來源地達(dá)189個,金額達(dá)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?zhǔn)称愤M(jìn)口額均超過100億美元。進(jìn)口冷鏈?zhǔn)称芬咔榉揽爻蔀橹袊酪吖ぷ鞯闹攸c(diǎn)之一[19]。綜上,本文以東北亞地區(qū)集裝箱船為研究主體是具有現(xiàn)實(shí)意義的,可以幫助有關(guān)部門更好地了解東北亞海上船舶流向和進(jìn)口冷鏈感染風(fēng)險的潛在分布。

2.1 集裝箱船運(yùn)力分布

新冠疫情給世界經(jīng)濟(jì)貿(mào)易帶來了消極影響,其中最直接的影響是海上往來的運(yùn)輸船減少,而集裝箱船又是海上運(yùn)輸?shù)闹髁姟Ｒ虼?本文可用的集裝箱船數(shù)據(jù)量相對較少。從港口掛靠信息數(shù)據(jù)中提取出2020年2 101艘集裝箱船的29 412條軌跡數(shù)據(jù)作為模型的輸入數(shù)據(jù)。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(yùn)力分布

2.2 船舶移動軌跡分析

集裝箱船在跨地區(qū)運(yùn)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(gòu)建集裝箱船航運(yùn)網(wǎng)絡(luò)時,按時間順序?qū)Υ暗目扛圻M(jìn)行處理且僅保留一條航線,同時用權(quán)重來表示2個港口之間的航次。經(jīng)統(tǒng)計本次研究中的網(wǎng)絡(luò)中港口節(jié)點(diǎn)數(shù)為199,邊數(shù)為560,其中邊的最大權(quán)重達(dá)到了1 115。圖3展示了東北亞核心港口區(qū)域2 101艘集裝箱船的港口間移動網(wǎng)絡(luò),其中:港口節(jié)點(diǎn)越大,說明該節(jié)點(diǎn)的度值越大,其擁有的相鄰節(jié)點(diǎn)也就越多;航線的粗細(xì)化表示港口節(jié)點(diǎn)的權(quán)重大小,航線越粗則代表權(quán)重越大,說明該航線較繁忙。集裝箱船航線是從始發(fā)港出發(fā)、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(xiàn)了港口之間的航行關(guān)系,而航次則反映了2個港口之間的集裝箱船航行次數(shù)。

圖3 集裝箱船移動軌跡網(wǎng)絡(luò)

從圖3可以發(fā)現(xiàn),集裝箱船的掛靠港口存在明顯的區(qū)域聚集現(xiàn)象,中日韓三國是網(wǎng)絡(luò)中聚集程度最高且航線最為密集的區(qū)域。該區(qū)域航線除聯(lián)系中日韓三國港口外,還聯(lián)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(jīng)開始得到一定程度的控制,但是該區(qū)域其他國家的疫情形勢依舊十分嚴(yán)峻。同時東北亞地區(qū)各國之間經(jīng)濟(jì)往來十分密切,貨物進(jìn)出口數(shù)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(fēng)險地區(qū)向其他港口城市的輸出和擴(kuò)散。

2.3 港口境外疫情輸入風(fēng)險分析

從數(shù)據(jù)中提取出包括國家編碼、累計確診病例數(shù)、日期、政府嚴(yán)格指數(shù)等關(guān)鍵數(shù)據(jù)。應(yīng)用港口境外疫情輸入風(fēng)險指數(shù)模型計算出港口掛靠信息數(shù)據(jù)中所有集裝箱船掛靠港口的每日疫情風(fēng)險指數(shù)和前14日累計疫情風(fēng)險指數(shù)。圖4是經(jīng)標(biāo)準(zhǔn)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(fēng)險指數(shù)(即港口境外疫情輸入風(fēng)險指數(shù))頻數(shù)分布圖。從圖4中可以發(fā)現(xiàn)全年的指數(shù)呈現(xiàn)雙峰分布,說明指數(shù)在2個分布區(qū)域比較集中,可能存在2個眾數(shù)。

圖4 2020年東北亞核心港口境外疫情輸入風(fēng)險指數(shù)頻數(shù)分布

表2列出了6個港口不同時期的境外疫情輸入風(fēng)險指數(shù)。由表2可以發(fā)現(xiàn):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(fēng)險指數(shù)普遍偏高,其中釜山港指數(shù)達(dá)到最高值100;2020年10月30日各港口的風(fēng)險指數(shù)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(fēng)險都是最低的,這是因?yàn)?020年全年只有63艘集裝箱船?？吭摳?而青島港則到達(dá)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(fēng)險指數(shù)

分別對上述兩個日期的港口境外疫情輸入風(fēng)險進(jìn)行可視化,見圖5。港口標(biāo)注的數(shù)值表示該港口的疫情輸入風(fēng)險,即數(shù)值與港口疫情輸入風(fēng)險成正比。前期除個別港口外,其他港口的數(shù)值普遍偏大,說明各港口境外疫情輸入風(fēng)險普遍偏高,尤其是釜山港達(dá)到了最高值。在新冠疫情暴發(fā)前期,由于我國人口眾多且缺乏應(yīng)對經(jīng)驗(yàn),疫情較為嚴(yán)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(yī)院和療養(yǎng)院等大規(guī)模感染加劇了病毒的流行[20]。后期韓國的兩個港口數(shù)值偏大,說明該國2個港口的疫情輸入風(fēng)險較高。這是因?yàn)?隨著疫情形勢逐漸好轉(zhuǎn),韓國政府從2020年10月開始降低疫情防控力度,導(dǎo)致其國內(nèi)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(dá)1 078例,疫情出現(xiàn)反彈并擴(kuò)散。這一時期我國除青島港外,其他港口的數(shù)值偏小,不同區(qū)域的疫情流行情況有所不同。這是因?yàn)樽?020年5月以來,我國疫情防控進(jìn)入常態(tài)化防控階段。全國多地新增病例數(shù)量基本清零,只有部分地區(qū)出現(xiàn)輕微的疫情反彈,同時境外輸入成為疫情防控的重點(diǎn),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(fēng)險指數(shù)變化趨勢進(jìn)行分析。圖6展示了釜山港和大連港2020年境外疫情輸入風(fēng)險變化趨勢。釜山港是東北亞地區(qū)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(fā)現(xiàn):2020年釜山港疫情輸入風(fēng)險指數(shù)自2月開始迅速上升,4月達(dá)到最高點(diǎn),隨后開始下降,其間有多次反彈,但自7月以后整體風(fēng)險指數(shù)比之前的低;2020年全年共出現(xiàn)3次疫情高峰,分別位于4月前后、7月前后和10月;最高點(diǎn)風(fēng)險指數(shù)在90～100范圍內(nèi)。2020年大連港的風(fēng)險指數(shù)全年波動較大,自2月開始直線上升,3月前后達(dá)到最高點(diǎn),最高值接近80,隨后3個多月的時間內(nèi)驟降,進(jìn)入6月后開始呈現(xiàn)波動下降的趨勢。由圖6也可知全年累計疫情風(fēng)險指數(shù)頻數(shù)呈現(xiàn)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(fēng)險指數(shù)分布的兩極分化。以大連港為例,2020年7月發(fā)生了第一起由進(jìn)口冷鏈引起的大規(guī)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(fēng)險指數(shù)較高的時間,這從側(cè)面驗(yàn)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(fēng)險指數(shù)變化趨勢

從2020年12月20日的前14日內(nèi)靠港的船舶中篩選出前14日感染風(fēng)險指數(shù)排名前10的集裝箱船,并通過港口掛靠信息數(shù)據(jù)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(fēng)險船?？窟^的港口同樣應(yīng)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(guān)系,反映高風(fēng)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(nèi)靠港的所有高風(fēng)險船舶在前14天的日感染風(fēng)險指數(shù)總和,即寬度越寬,該港口的境外疫情輸入風(fēng)險越大。

圖7 2020年12月20日東北亞核心港口的疫情輸入風(fēng)險可視化

由圖7可以發(fā)現(xiàn),釜山新港是大連港和天津港境外疫情輸入風(fēng)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(fēng)險較高的月份,因此港口管理當(dāng)局應(yīng)該對來自釜山港的船重點(diǎn)展開防疫檢查,進(jìn)行完善的消殺程序,以防范疫情通過高風(fēng)險船舶輸入。據(jù)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(diǎn)防控來自對其疫情輸入風(fēng)險較大的港口。此外,我國對國內(nèi)港口的高風(fēng)險船也不能放松警惕。

3 結(jié) 論

新冠病毒在世界范圍內(nèi)的擴(kuò)散傳播給口岸疫情防控帶來了壓力。為維持港口的正常運(yùn)營,減少全球物流和供應(yīng)鏈中斷的風(fēng)險,本文融合多源數(shù)據(jù),構(gòu)建了一種動態(tài)評估港口境外疫情輸入風(fēng)險的指數(shù)模型,得到的結(jié)論如下:(1)疫情暴發(fā)初期東北亞核心港口中青島港和釜山港疫情輸入風(fēng)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(fēng)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(fēng)險的主要來源,因此來自釜山港的船舶應(yīng)該受到有關(guān)當(dāng)局的重視。此外,我國對來自國內(nèi)港口的高風(fēng)險船同樣不能放松警惕。

未來將在以下方面進(jìn)行改進(jìn):本文構(gòu)建的模型方法對其他類型的船舶和地點(diǎn)有可能適用,可作為構(gòu)建海上疫情風(fēng)險全球網(wǎng)絡(luò)預(yù)警模型的基礎(chǔ),以遏制新冠疫情在沿海地區(qū)的傳播,為全球海上貿(mào)易護(hù)航;前人的研究為本文構(gòu)建港口境外新冠疫情輸入風(fēng)險評估模型提供了重要參考,同時也側(cè)面印證了所構(gòu)建模型及所用多源數(shù)據(jù)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(xué)性。當(dāng)獲得更加詳細(xì)的數(shù)據(jù)時可以對模型指標(biāo)進(jìn)一步更新,例如船舶所載冷鏈產(chǎn)品的數(shù)量、市級人口等微觀指標(biāo)。