数字港口一体化与码头效率：来自日本集装箱码头船舶、卡车和集装箱周转时间的证据（英）

斋藤大悟, 滋崎龙一, 张文如, 耶辛·埃尔汗-凯亚拉 亚洲开发银行经济工作论文系列 数字港口集成与码头效率：来自日本集装箱码头船舶、卡车和集装箱周转时间的证据 斋藤大悟, 滋崎龙一, 张文如, 耶辛·埃尔汗-凯亚拉 大越圭志（daigo121042@g.ecc.u-tokyo.ac.jp）是硕士研究生，柴崎隆一（shibasaki@sys.t.u-tokyo.ac.jp）是副教授，张文若（zwrxingkong@g.ecc.u-tokyo.ac.jp）是东京大学工程学院的博士生。叶辛·埃尔汉-凯亚拉尔（yelhan@adb.org）是亚洲开发银行经济研究与开发影响部的顾问。 826期 | 2025年12月 亚洲开发银行经济工作论文系列本项研究尚在进行中，旨在就亚洲和太平洋地区的发发展问题征求意见，并鼓励进行讨论。所表达的观点是作者的观点，不一定反映亚洲开发银行、其董事会或其代表政府的观点和政策。 知识共享署名 3.0 国际组织许可协议 (CC BY 3.0 IGO) © 2025亚洲开发银行ADB大道，马尼拉市曼杜卢永，菲律宾1550 Metro Manila电话+63 2 8632 4444；传真+63 2 8636 2444 www.adb.org 部分权利保留。2025年出版。 ISSN 2313-6537 (print), 2313-6545 (PDF) 出版物编号 WPS250485-2 DOI: http://dx.doi.org/10.22617/WPS250485-2 本期出版物中表达的观点属于作者本人，不一定反映亚洲开发银行（ADB）及其董事会或其所代表政府的观点和政策。 亚洲开发银行不保证本出版物中包含的数据的准确性，并对其使用造成的任何后果概不负责。提及特定公司或制造商的产品并不意味着亚洲开发银行优先认可或推荐它们，而非提及的其他类似性质的产品。 在本文件中，如对任何特定领土或地理区域作出指定或提及，亚洲开发银行不意在就任何领土或地区的法律或其他地位作出任何判断。 本出版物可在创意共享署名3.0国际组织许可（CC BY 3.0 IGO）下获得 https://creativecommons.org/licenses/by/3.0/igo/。通过使用本出版物的内容，你同意受该许可条款的约束。关于署名、翻译、改编和许可，请阅读 https://www.adb.org/terms-use#openaccess 的规定和使用条款。 本CC许可不适用于本出版物中的非ADB版权材料。如果材料归另一来源所有，请联系该来源的版权所有者或出版者以获得复制许可。ADB对您使用该材料所引起的任何索赔概不负责。 如果您对内容有任何疑问或意见，或者希望获得这些条款之外的使用目的的版权许可，或使用亚洲开发银行标志的许可，请将邮件发送至 pubsmarketing@adb.org。 摘要 本研究通过实证分析进出日本部分集装箱码头的船舶、卡车和集装箱的周转时间来考察港口码头效率。利用综合数据集，该数据集结合了码头运营商记录、船舶运动数据和班轮服务数据，我们对多个港口的船舶停泊、卡车到达、卡车周转、集装箱往返和集装箱堆存时间模式进行分析。我们的研究结果表明码头运营存在明显的时序模式——进口和出口集装箱之间存在显著差异——并证明船舶挂靠、集装箱类型和一天中的时间显著影响运营效率。回归分析表明，周转时间主要受码头控制因素影响。基于这些发现，我们提出了针对动态调度系统、运营标准化和基础设施优化的政策建议。我们的研究结果为港口数字化日益增多的文献做出了贡献，并为寻求通过数字化整合提升港口效率的码头运营商和政策制定者提供了循证指导。 港口效率，数字化集成，集装箱码头，周转时间，卡车关键词：预约系统，终端操作 R41，R49 JEL代码： 1. 简介 高效的港口在全球供应链的顺畅运作中发挥着关键作用，集装箱码头作为国际贸易网络中的核心枢纽。这些码头是不同运输方式货物转运的关键接口，使货物得以在全球范围内流动，并将世界各地的生产者和消费者联系起来。鉴于其对贸易运营的中心地位，集装箱码头的效率直接影响全球贸易的速度、成本和可靠性。随着国际贸易的持续增长，优化港口运营和基础设施对于维持国家、地区和全球供应链的竞争力和韧性变得越来越至关重要。 近年来，港口运营的数字化已成为提升运营效率和缓解拥堵的关键战略。作为世界领先的海事国家之一，日本一直处于实施创新解决方案、提高港口生产力的前沿。引入集装箱快速通行证（CONPAS）系统——一个最初于2021年在横滨港实施的在线卡车订书系统，随后扩展到其他主要日本港口——标志着日本集装箱码头运营现代化的重要一步。港口拥堵和低效的卡车排队系统长期以来被公认是集装箱码头运营的主要瓶颈（Li等人，2022年；Bai，Jia和Xu，2024年；Peng等人，2023年），导致等待时间增加、运营成本提高，以及因车辆闲置引发的环境问题。传统的先到先得系统在管理现代港口运营日益增长的复杂性方面已被证明不足，特别是在像横滨这样每年处理超过290万标准箱（TEU）的高吞吐量码头。实施CONPAS旨在通过结构化的预约系统优化卡车抵达并减少拥堵，该系统包括实时闸口监控、动态时间段分配以及与码头运营系统的集成等特性。在此背景下，本研究通过对码头运营系统（TOS）和其他来源获取的数据进行分析，聚焦于码头内外船舶、卡车和集装箱周转时间，旨在全面分析日本国际海运集装箱运输的港口码头效率及其特征。 本文结构如下。第2节全面回顾了港口泊位系统及其对运营效率的影响，包括对其他亚洲港口实施的类似系统的比较分析。第3节描述了我们的多样化数据来源，包括TOS数据、用于船舶移动分析的自动识别系统（AIS）卫星数据以及MDS转运集装箱船数据库（MDS）数据，这些数据共同提供了对港口运营的多维度视角。第4节呈现了我们的分析结果，考察了进入和离开日本集装箱码头的船舶、卡车和集装箱周转时间，并通过回归分析识别了运营效率的关键决定因素。最后，第5节总结了政策启示和对未来在港口运营中实施数字订舱系统的建议，包括系统优化的具体指南和在其他日本港口潜在应用的探讨。 2. 文献综述 哈拉兰比德斯（2017）和内塞（2018）强调了集装箱码头在全球供应链中的关键作用，强调其对促进贸易和推动经济增长的贡献。随着全球经济一体化加深导致集装箱航运量增加，港口的效率和运营能力变得至关重要。基兹莱伊和艾利伊伊（2021）以及宋（2021）强调，分析码头运营可以优化流程，加速货物处理，减少船舶和货物滞留时间，并降低运输成本。对港口当局、航运公司和物流供应商而言，这些分析不仅揭示了潜在价值，还提供了竞争优势。随着货运流动和市场需求的日益复杂，对码头动态的深入理解变得必要。因此，码头分析可以提高经济效益和服务质量，同时增强适应变化市场环境的能力。 为提升集装箱码头效率，研究人员从不同角度对码头进行了分析。Yoon等人（2023）采用机器学习技术预测釜山新港船舶停泊时间，利用了41个月的码头泊位计划和船舶详细信息组成的综合数据集。结果表明，所有机器学习模型均优于码头现有的参考模型，这意味着机器学习可以显著提高船舶停泊时间估计的准确性，从而受益于航运码头运营。Huynh（2008）研究了集装箱停泊时间如何对非混合和混合存储策略下的码头吞吐量和再处理生产力产生影响。研究发现，较长的停泊时间提高了非混合存储的生产力，但降低了混合存储的生产力。利用TOS数据，码头可以优化存储策略，减少再处理，提高整体吞吐效率。Abdelmagid、Gheith和Eltawil（2022）开发了一种二元规划模型来改进卡车预约调度，最小化等待时间、滞期费和运输成本。这种方法还优化了工作量分配，并显著减少了卡车周转时间。Bolin-Lucero和Hammond（2023）探讨了滚装滚卸码头运营如何影响集装箱货物的预计抵达时间。他们的研究发现，实施卡车预约系统和使用实时数据显著提高了预计抵达时间预测的准确性，从而提高了供应链效率。Dwarakish（2019）专注于优化新马纳尔港信托的船舶周转时间。通过他的分析，他确定了港口拥堵和装卸率等关键因素是影响港口性能的主要决定因素。Riadi、Putra和Budiyanto（2023）使用离散事件模拟来检验卡车码头数量对场区吞吐量的影响，发现如果为1000TEU船货提供八个卡车码头，场区吞吐量会在809个集装箱时达到峰值。Mathias等人（2024）提出了一种利用轮胎式龙门起重机运营数据和仿真建模来评估集装箱码头运营的新方法，以优化集装箱处理效率。尽管取得了这些进展，现有研究的一个重大局限性是缺乏与实时、多维数据的整合。这限制了应对现代集装箱码头运营的复杂性和动态性的能力。Park、Kim和Bae（2024）提出了一种预测离散事件模拟方法来预测集装箱码头的操作时间。他们使用了从釜山新港码头TOS收集的数据来提高操作时间预测的性能。他们证明了所提出的预测离散事件模拟方法在预测集装箱码头操作时间方面优于替代方法。 随着大数据时代的到来，集装箱码头的分析与优化已从传统方法转向数据驱动方法（Inutsuka等人，2024；Mathias等人，2024）。通过收集和处理来自船舶AIS、TOS数据、传感器及其他相关系统的多维数据，研究人员能更深入地了解码头运营情况。这一转变使人们能够识别隐藏模式和优化机会，使港口当局和物流供应商能够做出更明智和有效的决策。例如，K. Yasuda等人（2024）提出了一种利用卫星图像和AIS数据对集装箱码头拥堵进行分析的方法。他们开发了一种卷积神经网络模型和标注工具，用于对集装箱堆场内的拥堵等级进行分类，重点关注集装箱阴影以估计堆叠数量并评估可靠性。虽然此类研究表明了整合多样化数据源的潜力，但将TOS数据与AIS数据结合进行全面分析以评估集装箱码头运营的研究仍有限，这为进一步探索提供了机会。 因此，本研究旨在通过整合TOS数据与AIS数据，分析集装箱码头运营的多维度视角，以填补这一研究空白。具体而言，本研究聚焦于评估五个码头以下关键指标：(i)船舶停泊时间（船舶周转时间）；(ii)卡车到达的时间分布；(iii)卡车到达与离开之间的周转时间（卡车周转时间）；(iv)码头外集装箱的往返时间（码头外集装箱周转时间）；以及(v)集装箱在码头的停留时间，该时间以卡车进站或出站与船舶装卸之间的时间衡量（码头内集装箱周转时间）。通过结合这些数据源，本研究旨在全面分析码头动态，识别低效环节，并支持开发数据驱动策略以提升运营绩效。 3. 数据 3.1 终端操作数据 我们从日本三个国际战略集装箱港口的五个终端（A1、A2、B1、B2和C1）获得了TOS数据用于分析，总结如下表1所有数据的时间周期为2个月。我们可以从所有终端获取信息，包括每个集装箱是否为满的、是否为空的、以及是否正在进库或出库，并附带时间信息。在研究期间，只有进入B1码头的满载进口集装箱被强制使用CONPAS，而其他类型的集装箱或其他码头的集装箱在该时间段内无法使用它。从A2（仅限满载集装箱）、B1和C1码头获得的数据包含了每个集装箱所装载的船舶信息，以便将其与从AIS获得的船舶信息数据关联起来，如第4.5节所述。值得注意的是，我们还试图将A1码头的TOS和AIS数据进行关联，但该码头仅限于外国装卸港口；然而，很难获得具有可接受精度水平的数据，因此，我们在第4.5节的综合分析中将其排除在外。 3.2 自动识别系统数据 我们也使用劳埃德列表情报的卫星和地面AIS数据，其中包括船舶的名称、船旗、类型和尺寸信息，以及每个港口的到达和离开日期。表 2显示调查期内每个码头按大小呼叫的船舶数量。该表格显示，与港口A和C相比，在港口B的码头呼叫的集装箱船要小得多（例如，在B2码头，所有船舶都小于2,000 TEU）。 3.3 多式联运集装箱数据库数据 MDS数据是一个关于全球集装箱船队的综合数据库，拥有超过15,000艘船舶，包括船体规格、所有