维奥莱塔·罗索 | 斯涅扎娜·塔迪奇 | 米拉登·克斯特里奇
瑞典查尔姆斯理工大学技术管理与经济系，41296哥德堡
**摘要**
海上物流仍然是国际贸易的支柱；然而，集装箱运量的增加、码头拥堵以及环境压力日益要求加强内陆地区的整合。干港作为战略性的内陆多式联运枢纽，将海关、仓储和集散功能从海港转移到内陆，为扩展海港腹地、促进向铁路和内陆水道的运输方式转变以及缓解沿海瓶颈问题提供了有效的解决方案。本研究旨在通过整合可持续性、连通性、基础设施准备情况、制度支持以及货物吸引力等因素，评估并确定欧洲最合适的干港位置。为此，提出了一种新的混合多标准决策（MCDM）方法，该方法结合了模糊逐步权重评估比率分析（用于基于利益相关者的标准加权）、模糊德尔菲法（用于整合专家意见）和基于轴距离的聚合测量模型（用于对备选方案进行排序）。该模型应用于十二个候选城市，结果显示杜伊斯堡排名最高，其次是维也纳和贝尔格莱德。这些发现表明，既有的多式联运枢纽也处于战略位置的新兴节点都值得投资。总体而言，这些研究结果证明了所提出的混合模糊MCDM方法在解决复杂基础设施选址问题方面的有效性，提供了一个全面的基于利益相关者的标准框架，并为政策制定者、港口当局和投资者提供了实用的决策支持工具，帮助他们将干港发展与跨欧洲运输网络优先事项和脱碳目标相一致。
**1. 引言**
海上物流是全球贸易的基础，海港是国际货物流动的主要门户。然而，集装箱运量的增长、码头拥堵和环境问题日益挑战着海上物流链的效率[1,2]。为了解决这些问题，干港已成为现代海港系统中的关键组成部分，有助于实现可持续的供应链。作为海港的内陆延伸，干港将海关、仓储、集散和增值服务移至更接近内陆的地区[3]。通过整合内陆水道、铁路和公路运输，干港增强了海上与内陆之间的连通性，扩大了海港腹地，并支持更可持续的运输方式转变。在欧洲，这一点尤为重要[4]，因为那里有密集的货运走廊和多样化的区域市场，需要平衡效率和可持续性的物流解决方案。因此，选择合适的干港位置至关重要。选址不当的设施可能会导致效率低下、利用率降低和基础设施重复建设，而位置合理的干港则可以增强海港与内陆的整合，缓解瓶颈问题，并促进区域发展[5]。本研究旨在评估并确定欧洲最适合的干港位置，具体标准包括连通性、可持续性、基础设施准备情况、制度支持和经济潜力。为此，提出了一种混合多标准决策（MCDM）模型，该模型结合了逐步权重评估比率分析（SWARA）、德尔菲法和基于轴距离的聚合测量（ADAM）方法，并在模糊环境下进行应用。结果表明杜伊斯堡排名最高，其次是维也纳和贝尔格莱德，这反映了中欧既有枢纽的强大实力以及西巴尔干地区在区域物流中日益重要的作用。
**2. 背景与相关文献**
干港选址是一个涉及海上物流系统、内陆运输走廊和区域经济发展的战略规划问题。尽管以往的研究广泛探讨了干港在提高内陆可达性和减轻海港压力方面的作用，但大多数研究仅关注问题的个别维度，如基础设施可用性、走廊位置或环境绩效，而没有将其纳入一个明确反映海上-内陆系统互动和利益相关者视角的统一决策支持框架中。本研究通过将干港选址置于欧洲海上物流网络的更广泛背景下，并应用一个同时考虑连通性、可持续性、制度准备情况和扩展潜力的混合多标准框架，填补了这一空白。
**2.1. 海上物流与内陆整合**
海上物流研究逐渐从以港口为中心的分析转向了明确连接海上和内陆运输系统的综合网络视角。早期研究主要集中在航运市场、港口竞争和物流外包结构上[6],[7],[8]。后续研究将注意力转向了作为扩展供应链和物流集群中节点的海港[9],[10],[11]。最近的研究强调了区域化过程以及内陆整合对提高供应链效率和韧性的重要性[12]。在操作层面，研究关注码头自动化、能源效率和数字化作为提升绩效的动力[1,13,14]。同时，以可持续性为导向的研究探讨了脱碳策略、生物多样性影响以及对供应链中断的响应[15,16]。在这一不断发展的研究领域中，内陆连通性已成为港口竞争力的核心决定因素。物流走廊、内陆码头和物流集群日益成为海上门户的延伸，支持货物集散、运输方式转变和区域可达性[17],[18],[19]。因此，概念模型将海上物流描述为一个多层次系统，包括班轮运输网络、港口接口和内陆运输结构，其性能取决于所有层面的协调发展[20],[21],[22]。在这一系统中，干港作为海港的内陆延伸发挥着特别重要的作用，将物流功能移至更接近内陆市场的位置，提高了海上-内陆运输的效率[11],[23],[24],[25]。然而，尽管干港具有战略重要性，但目前尚缺乏系统性的方法来选择能够明确反映其在海上物流网络中功能的干港位置。解决这一问题是本研究的核心动机。
**2.2. 干港发展与选址规划**
关于干港的研究沿着几个互补的方向发展，反映了它们在运输和物流系统中的多功能作用。一个方向是干港作为海港内陆延伸和全球供应链组成部分的概念化和分类[26],[27],[28]。另一个方向是研究干港对内陆可达性、拥堵减少和整体物流链效率的贡献[29],[30],[31]。还有一些研究强调干港对经济和区域发展的影响，包括它们在增强国家竞争力和支持基于走廊的货物重新分配中的作用[32]。运营和管理视角则关注生产力、治理结构以及增值物流服务，如清关和货物集散活动[33],[34],[35]。环境和可持续性考虑也是另一个重要研究方向，特别是在向铁路和内陆水道转变、减排以及与气候政策目标对齐方面[36],[37],[38]。制度和监管方面也受到了关注，特别是投资模式和公共部门在干港发展中的作用[39]。在这一广泛的研究领域中，选址规划已成为一个核心话题。现有研究通常使用基于GIS的模型、优化方法或成本效益分析来评估基础设施可用性、走廊位置和可达性条件[4,40]。鉴于干港发展涉及多个利益相关者且目标往往存在冲突，混合多标准决策方法被越来越多地用于平衡经济、环境和制度因素[5],[41],[42],[43],[44]。然而，大多数现有的选址框架主要将干港视为内陆物流节点，而不是作为综合海上物流系统的功能组成部分。此外，很少有研究在统一的欧洲范围内明确整合利益相关者视角和可持续性标准。本研究解决了这两个局限性。
**2.3. 基于混合MCDM的基础设施和物流决策方法**
多标准决策方法在基础设施规划中得到广泛应用，因为它们能够对具有冲突的技术、环境、制度和经济标准下的备选方案进行结构化评估。这些方法在权重确定和偏好聚合方式上有所不同，包括加性方法（如WSM、ARAS、COPRAS）、基于妥协的技术（如TOPSIS、VIKOR、EDAS、CODAS）、成对比较模型（如AHP、ANP、BWM、FUCOM）以及排序方法（如ELECTRE、PROMETHEE）。然而，个别MCDM方法在权重确定或聚合结构方面存在方法论局限性。因此，最近的研究越来越多地采用结合多种技术的混合框架[45]。这种混合方法在充满不确定性和不同利益相关者输入的物流和基础设施规划背景下尤为常见，其中模糊方法能够更真实地表示语言判断[46]。在这一背景下，模糊SWARA被广泛用于确定基于专家的意见权重[47],[48],[49],[50],[51]，而模糊德尔菲法支持在不确定性下形成共识和筛选评估结构[52],[53],[54],[55]。最近开发的ADAM方法引入了一种几何排序逻辑，旨在减少排名反转效应，同时保持可解释性和计算简便性[56,57]。尽管这些方法已单独或部分组合使用，但它们在针对海上-内陆物流系统的干港选址的统一模糊混合框架中的整合仍较少探索。本研究通过将模糊SWARA、模糊德尔菲和模糊ADAM结合成一个结构化的群体决策支持模型，用于评估欧洲潜在的干港位置。
**3. 问题陈述**
选择干港位置是一个复杂的问题，因为欧洲各城市在连通性、基础设施、土地可用性和制度条件方面存在显著差异，这些因素都会影响物流绩效和可持续性结果。本研究通过使用符合利益相关者要求和欧盟可持续、韧性运输网络目标的结构性多标准方法，系统地比较欧洲各地的潜在位置来解决这一复杂性。
**3.1. 潜在位置**
选择贝尔格莱德、布达佩斯、萨格勒布、卢布尔雅那、维也纳、杜伊斯堡、布拉迪斯拉发、林茨、施特劳宾、巴塞尔、考纳斯和维尔纽斯作为潜在的干港位置（图1），体现了对这些城市的重点关注——这些城市与主要的欧洲海港连接良好，位于关键的泛欧和TEN-T走廊交汇处，以及多瑙河和莱茵河等主要内陆水道沿线。每个候选内陆位置都根据其作为主要欧洲海港（如北海港口鹿特丹、安特卫普、汉堡）、亚得里亚海港口（科佩尔、里耶卡、的里雅斯特）和黑海港口康斯坦察）的内陆延伸功能进行了评估。在评估连通性、货物吸引力和走廊整合时，明确考虑了这些海上联系。先前的研究表明，将内陆港口和干港整合到这些走廊中可以提高海港的竞争力，通过扩展其腹地实现更高效的内陆分配[3,58]。所选位置包括像杜伊斯堡、维也纳和巴塞尔这样的既有物流枢纽，以及像贝尔格莱德、萨格勒布和考纳斯这样的新兴节点，这些节点由于集装箱流量增加和工业基础扩展而变得越来越重要。这些位置平衡了西欧和东欧的代表，促进了南北和东西方向的运输流动，并确保了欧洲内陆的广泛覆盖。实证证据进一步表明，沿这些走廊布局干港可以减少海港拥堵，通过向铁路和内陆水道的运输方式转变降低环境影响，并支持区域经济发展[59,60]。总体而言，这组位置为MCDM分析提供了坚实的基础，涵盖了欧洲多样化的空间、经济和环境条件。以下部分将提供所选位置的更详细描述。
**下载：**
下载高分辨率图片（1MB）
下载全尺寸图片
**图1. 潜在干港位置（PLs）**
来源：作者自作
**布达佩斯（匈牙利）（PL1）是中欧一个成熟的物流枢纽，也是最重要的内陆干港发展地点之一。它位于多瑙河畔，拥有强大的多式联运连接能力，包括通往内河航道的通道、广泛的铁路网络和密集的公路网络。作为匈牙利的首都和最大经济中心，布达佩斯拥有多元化的工业基础，来自汽车、化工和电子行业的集装箱货物量巨大。该城市位于莱茵-多瑙河TEN-T核心走廊上，成为东西向和南北向货运流的关键节点。其地理位置确保了能够高效地接入亚得里亚海、北海和黑海的主要海港。特别是通过莱茵-多瑙河走廊，布达佩斯可以作为鹿特丹和安特卫普的内陆延伸；同时通过铁路和内河航线，它也能与科佩尔、里耶卡和康斯坦察相连。这一战略位置使得布达佩斯能够整合来自北部和南部海港的货物流量。
从可持续性的角度来看，布达佩斯现有的多式联运码头及其国家交通政策强调向铁路和内河运输的转变，这与欧盟的脱碳目标一致。该市已经拥有大型物流园区和分销中心，可以有效地融入干港系统。此外，匈牙利正在进行的铁路现代化项目进一步增强了其作为海港内陆延伸的长期潜力。
贝尔格莱德（塞尔维亚）（PL2）由于其位于两条泛欧交通走廊的交汇处，具有极高的战略潜力：连接中欧与爱琴海的X走廊以及沿多瑙河的VII走廊。该市的港口基础设施（包括贝尔格莱德港）提供了直接通往公路、铁路和内河航线的通道，实现了多模式运输的互联互通。作为塞尔维亚的经济和行政中心，贝尔格莱德拥有强大的工业和商业基础，尤其在建筑材料、汽车零部件和农产品等领域产生了大量的货运流量。它融入西巴尔干地区的区域贸易网络，进一步强化了其作为转运和物流枢纽的角色，连接东南欧与巴尔干地区的海港（如巴尔、塞萨洛尼基、里耶卡和康斯坦察），同时通过多瑙河走廊保持与北海主要港口（如鹿特丹和安特卫普）的间接联系。这种多方向的海上连通性增强了贝尔格莱德将海港腹地扩展到巴尔干地区的功能。从可持续性的角度来看，欧盟和国家政策推动的多模式整合及铁路现代化措施增强了贝尔格莱德干港的潜力，特别是通过促进从公路运输向其他运输方式的转变。该市还拥有可用于物流发展的土地和制度支持，为未来的扩展创造了有利条件。
萨格勒布（克罗地亚）（PL3）位于战略要地，可作为里耶卡港的内陆对应设施。里耶卡是克罗地亚的主要海港。作为克罗地亚的首都，萨格勒布位于泛欧Vb走廊上，并属于地中海TEN-T走廊的一部分，连接亚得里亚海地区与中欧和东欧。其强大的多模式运输能力得益于与里耶卡的直接铁路和公路连接；港口集装箱码头的现代化建设也凸显了扩展内陆设施以应对日益增长的货物流量的需求。萨格勒布拥有发达的工业基础、分销中心和制造设施，产生了大量的货运流量。作为克罗地亚的经济和政治中心，它还是国内市场和邻国（包括斯洛文尼亚、匈牙利和波斯尼亚和黑塞哥维那）的关键物流平台。从可持续性的角度来看，欧盟和国家政策推动的多模式整合及铁路现代化措施增强了萨格勒德干港的潜力，特别是通过促进从公路运输向其他运输方式的转变。该市还受益于可用于物流发展的土地和制度支持，为未来扩展创造了有利条件。
卢布尔雅那（斯洛文尼亚）（PL4）位于斯洛文尼亚的中心地带，直接连接科佩尔港（亚得里亚海增长最快的集装箱港口之一）。该市位于波罗的海-亚得里亚海TEN-T走廊上，与奥地利、意大利和匈牙利有紧密的铁路和公路连接，增强了其作为跨境物流枢纽的作用。其多模式运输能力得到了广泛的铁路网络的支持，目前该铁路网络正在现代化以提升货运能力。尽管卢布尔雅那的经济规模不如一些欧洲大城市，但凭借物流园区、货运村和服务业的增长，它仍具备强大的物流能力。随着科佩尔港的持续扩张，卢布尔雅那成为自然的内陆延伸点，能够承担海关、仓储和货物整合功能，减轻海港的压力。该市还与科佩尔港和的里雅斯特港保持功能联系，通过内陆通道与北海港口（如鹿特丹和安特卫普）相连，从而成为连接亚得里亚海和北海货运流的重要枢纽。斯洛文尼亚的交通政策将多模式整合和铁路现代化作为重点，这进一步增强了卢布尔雅德干港的潜力。
利乌布里亚纳（斯洛文尼亚）位于斯洛文尼亚的中心地带，直接连接科佩尔港。该市位于波罗的海-亚得里亚海TEN-T走廊上，与奥地利、意大利和匈牙利有紧密的铁路和公路连接，增强了其作为跨境物流枢纽的作用。其多模式运输能力得到了广泛的铁路网络的支持，该铁路网络正在现代化以提升货运能力。虽然卢布尔雅那的经济基础相对较小，但物流园区、货运村和服务业的增长为其提供了有力支持。随着科佩尔港的持续扩张，卢布尔雅那成为自然的内陆延伸点，能够承担海关、仓储和货物整合功能，缓解海港的压力。该市还与里雅斯特港和威尼斯港保持联系，并通过波罗的海-亚得里亚海走廊与北欧港口（如鹿特丹和汉堡）建立联系。斯洛文尼亚的交通政策将可持续性作为重点，强调铁路作为货运运输的主干，这与欧盟的绿色协议目标一致。国家战略支持多式联运码头的发展，并促进公共机构、港口和私营物流运营商之间的合作。卢布尔雅那的战略位置、多模式运输能力、制度支持及其靠近主要海港的优势使其成为中欧地区干港开发的理想候选地。
维也纳（奥地利）（PL5）是欧洲最先进的内陆物流枢纽之一，结合了地理中心性和高质量的多模式运输基础设施。位于莱茵-多瑙河TEN-T走廊上，维也纳拥有直接的内河航线通道，并拥有完善的铁路和公路网络。维也纳的多瑙河港口每年处理数百万吨货物，包括集装箱、散货和项目货物，显示出强大的多模式运输能力和未来扩展潜力。作为奥地利的首都和主要经济中心，维也纳拥有发达的物流、工业和服务产业，产生了大量的进出口流量。其在欧洲货运分配中的作用超越了国界，为邻国（如斯洛伐克、匈牙利和捷克共和国）提供物流服务。可持续性是奥地利交通政策的核心组成部分，维也纳在推动绿色物流、数字化和向铁路及内河运输转变方面处于领先地位。该市还受益于稳定的制度环境，支持大规模的基础设施投资，包括欧盟资助的多式联运项目。维也纳通过莱茵-多瑙河走廊与北海和黑海港口保持紧密联系，成为鹿特丹和安特卫普的内陆延伸点，同时也通过内河航线与康斯坦察相连。这种双方向的海运定位增强了其在欧洲物流网络中的战略重要性。
杜伊斯堡（德国）（PL6）被广泛认为是欧洲最大和最先进的内陆港口，既是标杆也是进一步发展干港的理想候选地。杜伊斯堡位于莱茵河与欧洲最密集的铁路和公路网络的交汇处，提供了卓越的多模式运输能力。杜伊斯堡港每年处理超过三百万标准箱的货物，通过内河航线直接连接鹿特丹和安特卫普等主要海港，并与汉堡有强大的铁路连接。这使其成为北海港口的重要内陆延伸点，实现了海陆物流系统的直接整合。其物流基础设施非常发达，吸引了全球航运公司、货运代理和主要分销中心，服务于欧洲和洲际贸易。杜伊斯堡位于莱茵-阿尔卑斯TEN-T走廊上，进一步强化了其作为南北向和东西向货运流的关键枢纽的作用。此外，杜伊斯堡还是“一带一路”倡议在欧洲的门户，提供频繁的铁路服务至中国和中亚，增强了其远距离运输能力。可持续性是杜伊斯堡发展战略的核心要素，政府、港口机构和私营部门之间的紧密合作确保了其长期竞争力。尽管杜伊斯堡已经高度发达，但其扩展增值物流服务的能力及其作为模范内陆港口的地位使其成为欧洲干港开发的领先参考点。
布拉迪斯拉发（斯洛伐克）（PL7）位于斯洛伐克、奥地利和匈牙利的三国交界处，沿多瑙河而建，是中欧地区干港开发的强劲候选地。该市通过内河航线、广泛的铁路网络和高速公路与维也纳、布达佩斯和布尔诺相连，形成了高度互联的物流环境。其工业和物流基础发达，尤其在汽车、机械和化工领域有显著活动，产生了大量的集装箱和散货流量。布拉迪斯拉发融入了莱茵-多瑙河TEN-T走廊，成为连接海港（如鹿特丹和安特卫普）的战略内陆节点。这一位置使其能够成为连接北海和黑海物流系统的关键枢纽。从可持续性的角度来看，该市在将货物从公路运输转向铁路和内河运输方面具有巨大潜力，从而减少了这一跨境地区的拥堵和排放。斯洛伐克政府优先考虑港口设施和铁路基础设施的现代化，进一步加强了未来干港发展的制度支持。此外，现有工业和物流区附近的土地为扩展提供了可能。布拉迪斯拉发的地理中心性、多模式运输能力和不断增长的区域需求使其成为有效整合中欧和东南欧货运流量的物流枢纽。
林茨（奥地利）（PL8）位于多瑙河上游，是奥地利的关键工业和物流中心之一，具有发展干港的巨大潜力。该市通过内陆港口实现多模式运输，直接融入奥地利广泛的铁路网络，并靠近连接维也纳、慕尼黑和布拉迪斯拉大的主要公路。林茨拥有强大的工业基础，特别是在钢铁、化工和重型机械领域，产生了大量的进出口货物流量。这些货物运输已经依赖多模式运输，通过发展专门的干港可以进一步优化。林茨位于莱茵-多瑙河TEN-T走廊上，与欧洲交通战略相融合，连接了主要海港（如鹿特丹和安特卫普）。这些连接使林茨能够支持双向的海运货物流动。从可持续性的角度来看，奥地利对多模式运输和绿色物流的重视为林茨的发展提供了有力支持。该市已拥有多模式运输码头、物流园区和可用于扩展的土地，为增长奠定了坚实基础。政府和对多模式运输投资的制度支持也为其发展提供了有力保障。
施特劳宾（德国）（PL9）位于巴伐利亚州的多瑙河畔，是新兴的内陆物流枢纽，具有发展干港的巨大潜力。其位于莱茵-多瑙河TEN-T走廊上，通过莱茵-多瑙河轴线实现了与鹿特丹和安特卫普的内河航线连接，以及通往黑海的康斯坦察的连接。这使施特劳宾成为更广泛的海陆物流网络中的重要节点。施特劳宾的港口基础设施已经实现了多模式运输，整合了内河、铁路和公路运输。该市还通过区域公路和铁路网络与慕尼黑、纽伦堡和维也纳相连。尽管与主要物流枢纽相比，其物流和工业基础较小，但仍在稳步发展，特别是在农产品、可再生能源和制造业领域。可持续性是施特劳宾发展策略的显著特点，该策略强调环保的货运解决方案以及将可再生能源整合到物流运营中。巴伐利亚州的区域政策也给予了支持，优先考虑对绿色交通和内河航道发展的投资。施特劳宾拥有可用于扩展的土地，且交通拥堵程度低于大型物流枢纽，这为未来的基础设施发展提供了灵活性。作为区域物流节点，它与林茨和维也纳等大型内陆港口相辅相成，增强了多模式运输能力。总体而言，施特劳宾结合了地理中心性、强烈的可持续性关注点和发展潜力，使其成为有前景但仍在发展中的干港基础设施候选地。
巴塞尔（瑞士）（PL10）是瑞士最大的内陆港口，位于与德国和法国的三国交界处。它位于上莱茵河畔，可通过内河直接连接到鹿特丹和安特卫普，并通过铁路与汉堡相连，因此成为瑞士通往北海港口的主要内陆延伸。巴塞尔的物流基础设施非常发达，支持化工、制药和机械等出口导向型产业。其多模式运输基础设施包括多个集装箱码头、广泛的铁路连接以及通往中欧和南欧的公路网络。巴塞尔融入了莱茵-阿尔卑斯TEN-T走廊，成为欧洲最繁忙的货运通道之一的重要节点。可持续性是瑞士物流政策的核心组成部分，巴塞尔在减少排放、提高能源效率及实施严格的环境法规方面做出了重大投资。此外，得益于稳定的治理结构和与法国和德国的跨境合作，巴塞尔在扩大容量和数字化方面具有巨大潜力，确保了随着货运量增加而保持竞争力。巴塞尔先进的基础设施、战略性的跨境位置以及与可持续交通目标的契合使其成为典型的内陆物流枢纽，是进一步整合到欧洲干港网络中的有力候选者。
考纳斯（立陶宛）（PL11）正在成为波罗的海地区一个重要的物流枢纽，位于“Rail Baltica”项目与立陶宛主要公路网络的交汇处。虽然不在主要通航河流上，但考纳斯通过铁路、公路和航空连接提供了强大的多模式运输能力，同时靠近克莱佩达海港。与“Rail Baltica”项目的结合使其能够通过波兰连接到鹿特丹和汉堡等北海港口，成为连接波罗的海和北海海运系统的关键内陆延伸。考纳斯的物流基础设施正在迅速扩展，包括多模式转运站、配送中心和工业区，特别是在汽车、农业和电子行业产生了越来越多的货运流量。考纳斯在“Rail Baltica”项目中发挥着关键作用，该项目将波罗的海国家与波兰及其他欧洲铁路网络连接起来，进一步巩固了其作为走廊型物流节点的地位。可持续性是立陶宛交通战略的重要组成部分，欧盟资金支持了向铁路运输的转变和绿色技术在物流运营中的应用。考纳斯还拥有丰富的土地和基础设施资源，有利于发展成为一个专门的干港，提供货物整合和海关服务，同时减轻波罗的海港口的压力。强大的制度支持以及国家和欧盟层面的倡议将考纳斯定位为北海-波罗的海走廊的核心枢纽。
维尔纽斯（立陶宛）（PL12）作为立陶宛的首都，在波罗的海地区的物流格局中日益重要，尤其是通过融入“Rail Baltica”走廊。虽然不在通航河流上，但维尔纽斯通过铁路、公路和国际机场提供了强大的多模式运输能力。其多元化的物流基础设施包括不断扩展的铁路网络、通往波兰和白俄罗斯的公路通道以及国际机场。维尔纽斯在零售配送、汽车供应链和高科技产业方面的活动日益增加，产生了大量的货运流量。作为“Rail Baltica”项目的一部分，它加强了与波罗的海国家和欧洲铁路网络的连接，进一步凸显了其作为物流枢纽的重要性。立陶宛的交通政策鼓励向铁路运输的转变和绿色技术的应用，为维尔纽斯的发展提供了支持。维尔纽斯还有很大的扩展潜力，现有的物流园区和多模式转运站可以整合到干港系统中。国家层面的战略规划和欧盟对“Rail Baltica”的投资使其成为欧洲干港网络中极具前景的候选者。
3.2 评估标准
如前所述，这些潜在地点在多个方面存在差异，因此建立了一套结构化的评估和排名标准。本研究中使用的评估标准基于对干港选址规划、多模式转运站评估和海陆连通性相关文献的系统性回顾，并结合了作者在物流、多模式运输和基础设施规划领域的专业判断。选择过程旨在确定能够反映干港发展在基础设施、连通性、经济、环境和制度方面的关键维度。最终选定的每个标准都得到了先前研究的支持，确保了理论基础和实际适用性。
- **多模式连通性（C1）**：评估该地点与铁路、公路和内河网络的连接程度。高效的多模式连通性可以降低转运成本和时间，提高可靠性，并促进向更可持续运输方式的转变。优秀的干港候选地应提供高容量的、同步连接的海上港口和区域物流枢纽。类似的多模式连通性指标已被广泛用于评估干港效率，并根据铁路-公路-水路连接情况对转运站进行分类。
- **靠近海上和内河港口（C2）**：指物理距离和运营距离，不仅考虑物理距离，还包括对鹿特丹、安特卫普、汉堡、科佩尔、里耶卡和康斯坦察等主要欧洲海上门户的功能性可达性。靠近港口的地点更适合作为海上门户的内陆延伸，加快货物转运速度。适度的距离也有助于缓解港口区域的拥堵并更直接服务内陆市场。距离港口或通航水道的距离是干港分类和分析中的标准因素。
- **土地和基础设施的可用性（C3）**：评估该地点是否有足够的土地用于转运站扩展和现有的干港运营基础设施，包括集装箱堆场、仓储设施和海关区域，并考虑未来的升级潜力。具有现代基础设施的地点需要较少的投资，便于快速部署。土地可用性和现有的多模式转运站基础设施是AHP-based干港选址研究中的关键决策因素（例如里耶卡港的研究）。
- **环境可持续性（C4）**：考虑在特定地点建立干港的环境影响，包括潜在的公路货运减排、利用铁路或内河运输的机会、对当地生态系统的影响以及与欧盟绿色协议目标的契合度。具有良好可持续性表现的地点有助于物流链的脱碳。环境和减排方面通常是可持续性导向的干港评估中的重要因素。
- **吸引货运流量的潜力（C5）**：评估该地点基于其工业基础、人口密度或供应链位置生成或吸引货运流量的能力。靠近制造集群、大型配送中心或消费市场的地点更有可能支持高货运量。货运流量潜力和内陆需求常用于评估干港的竞争力和吞吐能力。
- **融入TEN-T走廊和欧盟政策框架（C6）**：评估该地点是否位于欧洲核心或综合TEN-T走廊上，以及是否与欧盟的基础设施投资战略一致。融入这些网络有助于长期资金支持、技术标准的统一和跨境物流流动的改善。与TEN-T核心走廊的对齐是欧洲干港和货运走廊规划中的重要评估维度。
- **制度和监管支持（C7）**：涉及国家、地区或地方政府的支持水平、政策一致性以及公私合作伙伴关系的存在。强有力的制度支持有助于获得规划批准、资金获取和项目的长期可持续性。还包括海关效率及相关边境程序。制度支持、海关效率和公私合作常被认为是干港成功实施的关键因素。
- **经济可行性和投资吸引力（C8）**：评估特定地点发展干港的经济可行性，包括土地和劳动力成本、营商环境以及吸引私人投资的可能性。经济条件有利且发展障碍较小的地点更有可能吸引物流运营商并产生回报。经济可行性和投资吸引力是干港选址模型中的核心因素。
- **现有物流生态系统（C9）**：衡量现有物流服务（如货运代理、第三方物流/第四方物流提供商、仓储公司和技术基础设施）的存在。发达的物流生态系统可以缩短干港的启动时间，并增强供应链参与者之间的协同效应，提高服务质量和竞争力。物流集群和增值服务提供商的存在通常被视为积极的选址因素。
- **韧性和风险因素（C10）**：包括该地点对地缘政治、经济或气候相关中断的脆弱性。位于政治稳定地区、自然灾害风险低且基础设施维护良好的地点更有可能提供可靠的长期表现，这对投资者和供应链连续性至关重要。最近的模型将基础设施可靠性、地缘政治稳定性和环境风险纳入干港选择标准，以提高网络韧性。
3.3 利益相关者
在解决干港选址这一复杂问题时，必须考虑所有相关利益相关者的观点，因为他们的不同利益、资源和目标直接影响项目的可行性和长期可持续性。整合这些观点有助于确保选定的地点支持高效的物流运营，符合政策目标，并在经济、环境和社会层面获得广泛认可。主要利益相关者及其目标如下：
- **国家和地方政府**：制定对干港发展至关重要的政策、土地使用规划和资金机制。他们的重点包括加强连通性、支持区域发展、吸引投资以及减少与货运相关的环境影响。政府旨在平衡经济效益与公共利益，确保与更广泛的交通、空间规划和可持续性战略保持一致。
- **港口当局（海港和内河港口）**：负责协调容量、内陆连接和社区系统。他们的目标是扩展内陆覆盖范围、减少港口拥堵并通过发展内陆延伸提高货物流动效率。位置优越的干港可以增强港口竞争力，吸引航运线路并支持大规模的多模式运输。
- **物流服务提供商**：包括货运代理、铁路运营商、卡车公司和第三方物流/第四方物流公司，他们将干港整合到供应链中以提高效率。他们的重点包括可靠的操作、缩短运输时间和降低成本。他们优先考虑多模式运输、基础设施质量和支持协调实时物流的数字化整合。
- **物流服务用户（发货人和收货人）**：他们是主要的 demand 驱动力。制造商、零售商和进出口商寻求可预测、成本效益高且风险低的供应链。
综上所述，这些地点在多个方面存在差异，因此建立了一套结构化的评估和排名标准。这些标准基于对干港选址规划、多模式转运站评估和海陆连通性相关文献的系统性回顾，并结合了作者在物流、多模式运输和基础设施规划领域的专业判断。选择过程旨在识别能够反映干港发展在基础设施、连通性、经济、环境和制度方面最相关维度的标准。靠近干港可以减少交货时间，并促进向铁路和内河航道的可持续运输方式转变，从而支持企业的ESG目标。欧盟机构和资助机构在塑造内陆物流基础设施的投资优先事项方面发挥着关键作用[65]。通过TEN-T、CEF/CINEA和EIB项目，它们促进了跨境连通性、脱碳和有弹性的物流网络的发展。与欧盟走廊对齐且能够实现运输方式转变的干港会获得政策和财政支持。
4. 方法论——一种混合模糊SWARA-Delphi-ADAM模型
为了确定最适合的干港位置，本研究应用了一种混合模糊MCDM框架，该框架结合了用于标准加权的模糊SWARA方法、基于模糊Delphi的 stakeholder 整合程序以及用于排序备选方案的模糊ADAM方法。这种结构能够在统一的决策支持模型中纳入多个 stakeholder 的观点、语言不确定性以及复杂的权衡。模型的实施步骤如下：
步骤1：定义问题结构。第一步是建立备选方案集、评估标准以及对该问题感兴趣的相关 stakeholder。
步骤2：采用模糊评估量表。由于标准和备选方案的评估是由代表某个 stakeholder 的决策者进行的，因此采用了可以转换为三角模糊数的语言量表（表1）。
表1. 评估量表。
语言评估
缩写 数值
“极低” “EL” (1,1,2)
“非常低” “VL” (1,2,3)
“低” “L” (2,3,4)
“相当低” “FL” (3,4,5)
“中等” “M” (4,5,6)
“相当高” “FH” (5,6,7)
“高” “H” (6,7,8)
“非常高” “VH” (7,8,9)
“极高” “EH” (8,9,10)
步骤3：通过应用FSWARA方法[66]获得基于 stakeholder 的标准权重。在此步骤中，使用FSWARA方法分别根据每个 stakeholder 的代表来获取标准权重。结果是一组对应于考虑到的 stakeholder 数量的标准权重集。
步骤3.1：按预期重要性的降序排列标准。由于评估是由多个 stakeholder 组的代表提供的，因此使用Borda计数方法[67]来确定标准的综合排名。每个 stakeholder 代表为所有标准分配一个排名，并按相反的顺序分配分数（例如，在n个标准的列表中，排名最高的标准获得n分，第二高的获得n-1分，依此类推）。然后汇总所有专家分配的分数，并根据总分确定标准的最终排名，分数越高表示整体优先级越高。
步骤3.2：从第二个标准开始，评估标准j相对于标准(j-1)的相对重要性，对于每个 stakeholder d，d=1,…,o，其中o是 stakeholder 的总数。由于有多个 stakeholder 代表，因此通过汇总他们的个人评估来获得标准分数，其中出现最频繁的值（即众数）被采用为每个标准。这种方法称为基于众数的聚合[68]，可以在不使用加权或妥协的情况下直接识别每个 stakeholder 组内的主导意见。这样，就得到了所谓的平均值的比较重要性，表示为g˜jd，其中g˜jk=(ljdg˜,mjdg˜,ujdg˜)，j=1,…,n，是一个三角模糊数，根据表1中的术语进行转换。ljdg˜,mjdg˜ 和 ujdg˜ 分别表示三角模糊数g˜jd的较低、中间和较高值。
步骤3.3：按以下方式计算系数c˜jk：
(1) c˜jd={(1,1,1),j=1(ljdg˜/max(ujdg˜,mjdg˜,ujdg˜)/max(ujdg˜,ujdg˜)⊕(1,1,1),j>1,…,n,∀d=1,…,o
步骤3.4：按以下方式计算初步权重值q˜jk：
(2) q˜jd={(1,1,1),j=1 q˜(j−1)d⊘c˜jd,j=1,…,n,∀d=1,…,o
步骤3.5：按以下方式计算相对权重w˜jd：
(3) w˜jd=q˜jd÷∑jq˜jd,∀d=1,…,o，其中w˜jd=(ljdw˜,mjdw˜,ujdw˜)
步骤3.6：通过应用以下公式整合不同 stakeholder 的评估来获得最终标准权重，该公式是模糊 Delphi 方法的一部分（来自Mikaeil等人[69]）：
(4) δ˜j=(αj,βj,γj)，αj< /><γj， (5) αj=min(ljdw˜),d=1,…,o (6) βj=(∏d=1 omjdw˜),d=1,…,o (7) γj=max(ujdw˜),d=1,…,o 其中αj,βj 和 γj 分别是整合后的模糊评估δ˜j的较低、中间和较高值。 步骤4：应用模糊 adam 方法[56]对备选方案进行排序。 步骤4.1：定义矩阵。 (8) e˜=[e˜ij]m×n，其中e˜ij=(le,me,ue)是备选方案i相对于标准j的评估，m是备选方案的总数。 步骤4.2：定义矩阵。 (9) s˜=[s˜ij]m×n，其中s˜ij=(ls,ms,us)表示按降序排列的评估e˜ij。 步骤4.3：找到模糊参考点r˜ij和模糊加权参考点p˜ij的模糊坐标(x˜ij,y˜ij,z˜ij)： (10) x˜ij=(lxij,mxij,uxij)=(lsij×sinαj,msij×sinαj,usij×sinαj)，∀j=1,…,n;∀i=1,…,m (11) y˜ij=(lyij,myij,uyij)=(lsij×cosαj,msij×cosαj,usij×cosαj)，∀j=1,…,n;∀i=1,…,m (12) z˜ij=(lzij,mzij,uzij)={(0,0,0)，对于R˜ij(lwj,mwj,uwj)，对于P˜ij，∀j=1,…,n;∀i=1,…,m 其中αj 是通过以下方式获得的： (13) αj=(j−1)90∘n−1，∀j=1,…,n 步骤4.4：获得模糊值： (14) v˜ic=⊕k=1n−1V˜k，∀i=1,…,m，其中V˜k 是通过以下方式获得的： (15) v˜k=13B˜k⊗h˜k，∀k=1,…,n−1，其中B˜k 是通过以下方式获得的： (16) b˜k=c˜k⊗a˜k⊕a˜k⊗(b˜k⊝c˜k)2，其中a˜k=(lak,mak,uak)，其中： lak=min((uxj+1−lxj)2+(uyj+1−lyj)2,(lxj+1−uxj)2+(lyj+1−uyj)2) mak=(mxj+1−mxj)2+(myj+1−myj)2 (17) uak=max((uxj+1−lxj)2+(uyj+1−lyj)2,(lxj+1−uxj)2+(lyj+1−uyj)2) b˜k=(lbk,mbk,ubk) 和 c˜k=(lck,mck,uck) 分别等于： (18) b˜k=z˜j (19) c˜k=z˜j+1， 根据方程(16)-(18)，方程(15)可以表示为b˜k=(lBk,mBk,uBk)，其中： lbk=lck×lak+lak×(lbk−uck)2 mbk=mck×mak+mak×(mbk−mck)2 (20) ubk=uck×uak+uak×(ubk−lck)2 (21) h˜k=2s˜k(s˜k−a˜k)(s˜k−d˜k)(s˜k−e˜k)a˜k 其中 (22) s˜k=a˜k⊕d˜k⊕e˜k2，其中d˜k 可以表示为d˜k=(ldk,mdk,udk)，其中： ldk=(lxj)2+(lyj)2 mdk=(mxj)2+(myj)2 (23) udk=(uxj)2+(uyj)2 e˜k 可以表示为e˜k=(lek,mek,uek)，其中lek=(lxj+1)2+(lyj+1)2 mek=(mxj+1)2+(myj+1)2 (24) uek=(uxj+1)2+(uyj+1)2 根据方程(22)和(23)，方程(21)可以表示为s˜k=(lsk,msk,usk)，其中： lsk=lak+ldk+lek2 msk=mak+mdk+mek2 (25) usk=uak+udk+uek2 方程(22)可以表示为h˜k=(lhk,mhk,uhk)，其中： lhk=2lsk|lsk−uak||lsk−udk||lsk−uek|uak mhk=2msk|msk−mak||msk−mdk||msk−mek|mak (26) uhk=2usk|usk−lak||usk−ldk||usk−lek|lak 根据转换后的方程(19)和(25)，方程(14)可以表示为v˜k=(lVk,mVk,uVk)，其中： lvk=lBk×lhk3 mvk=mBk×mlhk3 (27) uvk=uBk×uhk3 方程(13)可以表示为v˜ic=(lViC,mViC,uViC)，其中： lvic=∑k=1n−1lVkmViC=∑k=1n−1mVk (28) uvic=∑k=1n−1uVk 步骤5：根据清晰值对备选方案进行排序（改编自[70]）： (29) crisp(v˜ic)=(4×mViC+uViC−2lViC)/3 5. 结果 为了获得结果并解决第3节中定义的问题，应用了第4节中定义和描述的mcdm模型。通过敏感性分析评估了获得解决方案的稳定性，并通过与几种选定的mcdm方法进行比较来验证获得结果的有效性。 5.1. 潜在位置的排名 潜在位置排名的输入数据包括34位专家和 stakeholder 代表对标准和潜在位置重要性的评估。他们使用了一种可以转换为三角模糊数的语言量表（表1）。 这些 stakeholder 代表的结构如表2所示。专家小组是通过目的性抽样形成的，包括参与海运物流、多式联运规划和公共部门决策的关键 stakeholder 组代表。专家的选择基于他们展示的专业经验和熟悉欧洲运输走廊和物流系统的程度。为了确保评估对整个欧洲背景的相关性，小组成员来自不同的欧洲地区（西欧、中欧、东南欧和波罗的海地区），提供了关于干港位置发展的平衡地理视角。 表2. stakeholder 代表的结构。 | stakeholder | 经验（年） | 专家数量 | 地区隶属关系 | |------------|---------|---------|-----------| | 国家和地区政府 | <5 | 2 | 中欧、东南欧 | | | 5–15 | 3 | | |>15 | 1 |
| 港务局 | <5 | 1 | 北海地区、亚得里亚海地区、波罗的海地区 |
| | 5–15 | 2 |
| | >15 | 2 |
| 物流服务提供商 | <5 | 3 | 西欧、中欧 |
| | 5–15 | 4 |
| | >15 | 3 |
| 物流服务用户 | <5 | 3 | 中欧、东南欧 |
| | 5–15 | 3 |
| | >15 | 3 |
| 欧盟机构 | <5 | 1 | 全欧洲层面 |
| | 5–15 | 2 |
| | >15 | 1 |
在评估过程中，专家们明确考虑了候选位置与特定海运门户（特别是北海、亚得里亚海、波罗的海和黑海港口系统）的连通性。这确保了排名反映了它们在海陆物流链中的作用，而不仅仅是内陆可访问性。
在收集了 stakeholder 代表对标准重要性的评估后，应用了 Borda 计数方法和基于众数的聚合方法来获得 stakeholder 的代表性评分，如表3所示。例如，首先应用 Borda 计数方法来确定每个 stakeholder 组内标准的排名。例如，对于国家和地区政府（6位专家）这一 stakeholder 组，如果标准 C1、C4、C7、C10、C3、C5、C6、C8、C2 和 C9 分别获得了 59、54、48、42、36、30、27、17 和 6 的总 Borda 分数，则结果顺序为 C1 > C4 > C7 > C10 > C3 > C5 > C6 > C8 > C2 > C9（附录1中的表A1），这与表3中的顺序相对应。在确定排名顺序后，应用基于众数的聚合方法来获得每个 stakeholder 组内的代表性比较重要性评分。例如，在比较 C4 与其直接前面的标准 C1 时，国家和地区政府的六位代表提供了以下语言评估：EL、EL、VL、EL、EL 和 L。由于“EL”（极低）是最常见的回答，因此被采纳为该代表组的评估（附录2中的表A2）。其余的评估以相同的方式获得。
表3. 标准相对于 stakeholder 的代表性评估。
| | 国家和地区政府 | 港务局 | 物流服务提供商 | 物流服务用户 | 欧盟机构 |
|------------|-----------|------------|------------|-----------|
| C1 | 空 | | | | |
| C2 | “EL” | | | |
| C3 | “EL” | | | |
| C4 | “EL” | | | |
| C5 | “EL” | | | |
| C6 | “EL” | | | |
| C7 | “EL” | | | |
| C8 | “EL” | | | |
| C9 | “EL” | | | |
| C10 | “EL” | | | |
表3中的评分代表了平均值的比较重要性，这些值根据表1中的关系转换为三角模糊数。对于以这种方式获得的值，通过应用方程(1)计算系数 c˜jk，然后应用方程(2)和初步权重值 q˜jk。使用方程(3)计算相对权重 w˜jd，并使用方程(4)-(7)整合不同 stakeholder 的评估来获得最终标准权重。这些值显示在表4中。
表4. 最终标准权重。
| | 国家和地区政府 | 港务局 | 物流服务提供商 | | |
|------------|-----------|------------|------------|-----------|
| C1 | (0.21,0.22,0.30) | (0.21,0.23,0.31) | (0.19,0.20,0.27) |
| C2 | (0.01,0.03,0.04) | (0.16,0.20,0.26) | (0.04,0.06,0.09) |
| C3 | (0.04,0.08,0.11) | (0.10,0.13,0.20) | (0.15,0.18,0.23) |
| C4 | (0.16,0.19,0.25) | (0.02,0.05,0.07) | (0.01,0.03,0.05) |
| C5 | (0.03,0.06,0.10) | (0.07,0.11,0.17) | (0.12,0.15,0.20) |
| C6 | (0.03,0.06,0.08) | (0.02,0.04,0.06) | (0.01,0.03,0.05) |
| C7 | (0.12,0.16,0.22) | (0.05,0.10,0.15) | (0.02,0.04,0.06) |
| C8 | (0.02,0.05,0.07) | (0.01,0.03,0.06) | (0.09,0.13,0.18) |
| C9 | (0.01,0.02,0.04) | (0.01,0.03,0.05) | (0.07,0.12,0.16) |
| C10 | (0.09,0.14,0.19) | (0.04,0.08,0.12) | (0.03,0.06,0.08) |
表4. 最终标准权重。
| | 国家和地区政府 | 港务局 | 物流服务提供商 | | |
|------------|-----------|------------|------------|-----------|
| C1 | (0.21,0.22,0.30) | (0.21,0.23,0.30) | (0.19,0.23,0.35) |
| C2 | (0.01,0.05,0.09) | (0.05,0.08,0.11) | (0.01,0.07,0.26) |
| C3 | (0.07,0.11,0.17) | (0.01,0.03,0.06) | (0.01,0.09,0.23) |
| C4 | (0.02,0.04,0.08) | (0.16,0.19,0.25) | (0.01,0.04,0.25) |
| C5 | (0.24,0.26,0.35) | (0.03,0.07,0.10) | (0.03,0.11,0.35) |
| C6 | (0.01,0.02,0.04) | (0.12,0.16,0.22) | (0.01,0.05,0.22) |
| C7 | (0.00,0.02,0.03) | (0.03,0.06,0.08) | (0.00,0.06,0.22) |
| C8 | (0.17,0.22,0.29) | (0.01,0.03,0.05) | (0.01,0.07,0.29) |
| C9 | (0.05,0.10,0.14) | (0.01,0.02,0.04) | (0.01,0.04,0.16) |
| C10 | (0.01,0.04,0.06) | (0.09,0.14,0.19) | (0.01,0.08,0.19) |
决策代表也根据标准评估了潜在位置，再次应用基于众数的聚合方法，得到了表5中显示的分数。
表5. 根据标准的潜在位置评分。
| | PL1 | PL2 | PL3 | PL4 | PL5 | PL6 | PL7 | PL8 | PL9 | PL10 | PL11 | PL12 |
|------------|---------|---------|---------|---------|---------|---------|---------|---------|---------|---------|
| C1 | “VH” | “VH” | “VH” | “EH” | “EH” | “VH” | “H” | “M” | “VH” | “FH” | “FH” |
| C2 | “EH” | “VH” | “FH” | “H” | “VH” | “EH” | “H” | “H” | “FH” | “FH” |
| C3 | “VH” | “VH” | “H” | “H” | “EH” | “H” | “H” | “FH” | “H” | “H” |
| C4 | “VH” | “VH” | “H” | “VH” | “EH” | “H” | “H” | “FH” | “H” |
| C5 | “H” | “H” | “VH” | “VH” | “EH” | “VH” | “H” | “FH” | “FH” |
| C6 | “FH” | “VH” | “H” | “VH” | “EH” | “VH” | “H” | “H” | “FH” | “H” |
| C7 | “H” | “VH” | “VH” | “EH” | “H” | “H” | “FH” | “H” | “H” | “H” |
| C8 | “FH” | “VH” | “H” | “VH” | “VH” | “H” | “H” | “FH” | “H” |
| C9 | “FH” | “VH” | “VH” | “EH” | “VH” | “H” | “H” | “FH” | “H” |
| C10 | “H” | “VH” | “H” | “EH” | “FH” | “FH” | “M” | “VH” | “FH” |
表5中的评分形成了矩阵 E˜ (8)，通过应用方程(9)将其转换为矩阵 S˜。通过应用方程(10)-(13)并基于前一个矩阵的值，获得了模糊参考点 R˜ij 和模糊加权参考点 P˜ij 的坐标。使用方程(13)-(28)计算每个潜在位置的模糊值 V˜iC，然后使用方程(29)对其进行去模糊化，得到表6中显示的最终排名。
表6. 潜在位置的最终排名。
| | V˜iC | Crisp(V˜iC) | Rank |
|------------|-----------|------------|-----------|
| PL1 | (0.027;0.024;1.143) | 0.3546 |
| PL2 | (0.040;0.026;0.796) | 0.3613 |
| PL3 | (0.032;0.020;0.944) | 0.3518 |
| PL4 | (0.037;0.024;0.893) | 0.3574 |
| PL5 | (0.038;0.031;1.045) | 0.3622 |
| PL6 | (0.044;0.033;0.915) | 0.3671 |
| PL7 | (0.032;0.023;1.101) | 0.3527 |
| PL8 | (0.030;0.022;1.231) | 0.3491 |
| PL9 | (0.021;0.015;1.417) | 0.3431 |
| PL10 | (0.036;0.026;1.053) | 0.3565 |
| PL11 | (0.027;0.018;0.968) | 0.3499 |
| PL12 | (0.027;0.018;0.968) | 0.3499 |
结果表明，排名最高的潜在位置是 PL6（杜伊斯堡），其次是 PL5（维也纳）和 PL2（贝尔格莱德）。排名最低的位置是 PL8（林茨）和 PL9（施特劳宾）。
5.2. 敏感性分析
通过包括十八个额外场景（Sc.1–Sc.18）的敏感性分析测试了解决方案的稳定性，在这些场景中主要输入参数（主要是标准权重）进行了调整。前十二个场景使用较低、较高、去模糊化和零值调整了三个最具影响力的标准（C2、C6、C4）的权重，因为这些标准在模型中占主导地位，最有可能影响排名。场景13对所有标准应用了相同的权重，而 Sc.14–Sc.18 使用了各个 stakeholder 组的权重集。所有场景的结果（表7）都与基线（Sc.0）进行了比较，以评估其稳健性。
表7. 敏感性分析结果。
| | Sc.0 | Sc.1 | Sc.2 | Sc.3 | Sc.4 | Sc.5 | Sc.6 | Sc.7 | Sc.8 | Sc.9 |
|------------|---------|---------|---------|---------|---------|---------|---------|
| PL1 | 6 | 6 | 6 | 6 | 6 | 6 | 6 | 6 |
| PL2 | 3 | 3 | 3 | 3 | 3 | 3 |
| PL3 | 8 | 8 | 8 | 8 | 8 | 8 |
| PL4 | 4 | 4 | 4 | 4 | 4 | 4 |
| PL5 | 2 | 2 | 2 | 2 | 2 | 2 |
| PL6 | 1 | 1 | 1 | 1 | 1 | 1 |
| PL7 | 7 | 7 | 7 | 7 | 7 | 7 |
| PL8 | 8 | 8 | 8 | 8 | 8 | 8 |
| PL9 | 1 | 1 | 1 | 1 | 1 | 1 |
| PL10 | 5 | 5 | 5 | 5 | 5 |
| PL11 | 9 | 9 | 9 | 9 | 9 |
| PL12 | 9 | 9 | 9 | 9 | 9 |
| PL10 | 5 | 5 | 5 | 5 | 5 |
| PL11 | 9 | 9 | 9 | 9 | 9 |
| PL12 | 9 | 9 | 9 | 9 | 9 |
| PL10 | 5 | 5 | 5 | 5 | 5 |
| PL11 | 9 | 9 | 9 | 9 | 9 |
| PL12 | 9 | 9 | 9 | 9 | 9 |
| PL10 | 5 | 5 | 5 | 5 |
| PL11 | 9 | 9 | 9 | 9 | 9 |
| PL12 | 9 | 9 | 9 | 9 | 9 |
| PL10 | 5 | 5 | 5 | 5 |
| PL11 | 9 | 9 | 9 | 9 |
| PL12 | 9 | 9 | 9 | 9 | 9 |
在前十三个场景中，潜在位置的排名没有显著变化。在最后五个场景中，排名出现了一些更显著的偏差（图2）。这是预期的，因为不同 stakeholder 对某些标准的重要性有不同的看法。此外，这导致了显著的权重差异，最终导致排名也有所不同。然而，即使在这些场景中，基线场景（Sc.0）中的前三名位置仍然排名很高。PL6位于第一到第三位之间，PL5位于第一到第四位之间，PL2位于第二到第五位之间。总体而言，敏感性分析显示了获得解决方案的高度稳定性，因此可以将其作为最终方案。
下载：下载高分辨率图像（548KB）
下载：下载全尺寸图像
图2. 敏感性分析。
5.3. 结果验证
通过将获得的结果与其他成熟且广泛使用的 MCDM 方法（如模糊 VIKOR（Vlsekriterijumska Optimizacija I Kompromisno Resenje）、模糊 TOPSIS（Technique for Order of Preference by Similarity to Ideal Solution）、模糊 COBRA（COmprehensive distane-Based RAnking）和模糊 CODAS（Combinative Distance-based Assessment）的结果进行比较来验证结果。比较结果显示在表8和图3中。计算了斯皮尔曼相关系数（SCC）以确定使用不同方法获得的结果之间的匹配程度。平均 SCC 值为 0.945，表明匹配程度非常高，因此可以得出结论，所提出的模型是有效的，获得的结果可以确定为最终方案。
表8. 结果验证。
| | FADAM | FVIKOR | FTOPSIS | FCOBRA | FCODAS |
|------------|---------|---------|---------|---------|
| PL1 | 6 | 6 | 6 | 6 |
| PL2 | 3 | 4 | 4 | 4 |
| PL3 | 8 | 9 | 8 | 9 |
| PL4 | 4 | 5 | 6 | 5 |
| PL5 | 2 | 2 | 2 | 2 |
| PL6 | 1 | 1 | 1 | 1 |
| PL7 | 7 | 7 | 7 | 7 |
| PL8 | 8 | 8 | 8 | 8 |
| PL9 | 1 | 1 | 1 | 1 |
| PL10 | 5 | 5 | 5 | 5 |
| PL11 | 9 | 9 | 9 | 9 |
| PL12 | 9 | 9 | 9 | 9 |
表8和图3显示了结果验证的结果。应该注意的是，与替代模糊 MCDM 方法的比较主要确认了所提出方法的内部一致性和方法论的稳健性，而不是其外部有效性。然而，所得到的排名与现有从业者和政策导向的对欧洲主要内陆物流枢纽的评估大体一致。特别是，杜伊斯堡和维也纳的领先地位反映了它们作为北海和多瑙河海上门户系统关键内陆延伸部分的稳固角色，而贝尔格莱德的强劲表现则与其在东南欧走廊发展倡议中的战略重要性增加相吻合。这种与政策和专业来源中报告的基础设施规划优先事项及物流网络发展趋势的一致性，为所得结果的合理性提供了额外的间接支持。
6. 讨论
所提出的混合模糊SWARA–Delphi–ADAM模型的结果表明，杜伊斯堡是欧洲最适合发展干港的位置，因为它在海上和内陆水路物流系统中发挥着重要作用。与仅基于其作为欧洲最大内陆港口的地位的解释不同，这一排名可以通过权重过程中确定的几个主导标准的综合影响来解释。杜伊斯堡在多式联运连通性（C1）、融入TEN-T走廊和欧盟物流政策框架（C6）以及货物流量吸引潜力（C5）方面获得了特别高的评价。它与北海主要海上门户鹿特丹和安特卫普的直接内陆水路连通性，加上与汉堡的强大铁路联系，显著增强了其作为海上物流系统主要内陆延伸部分的作用，而不仅仅是一个区域性的物流枢纽。这些特点解释了它在大多数敏感性情景中的稳定第一位置。
维也纳排名第二，因为它在连通性（C1）、制度支持（C7）、可持续性对齐（C4）和走廊整合（C6）方面的表现均衡。与杜伊斯堡不同，维也纳的优势在于其位于莱茵-多瑙河走廊沿线，能够同时与鹿特丹、安特卫普和康斯坦察实现功能整合。这种双重海上导向提高了其作为西欧和东南欧物流系统之间桥梁节点的重要性。
贝尔格莱德排名第三，主要是因为其在地理可达性（C2）、货物流量吸引潜力（C5）和土地可用性及扩展能力（C3）方面的表现强劲，同时它位于X走廊和VII走廊的交汇处。它与塞萨洛尼基、里耶卡、巴尔和康斯坦察等港口的连通性使其能够成为西巴尔干地区海上门户的关键内陆延伸部分。与布达佩斯和萨格勒布相比，贝尔格莱布拥有更大的扩展空间，并且在新兴的东南欧货运走廊中具有更强的战略定位，这解释了尽管其基础设施成熟度稍低但仍具有优势的原因。
布达佩斯的排名略低于贝尔格莱德，主要是因为其基础设施饱和度相对较高且扩展灵活性较低（C3），尽管它在走廊整合（C6）和工业货物生成（C5）方面表现强劲。萨格勒布排名较低，主要是因为其海上导向主要集中在单一门户（里耶卡）上，这限制了其与多个走廊系统的连通性多样化。
同样，林茨和施特劳宾虽然位于多瑙河走廊沿线并拥有内陆水路运输的通道，但由于其物流生态系统（C9）相对较小以及货物流量吸引潜力（C5）较低，排名也较低。与杜伊斯堡、维也纳或巴塞尔等作为主要北海门户更强内陆延伸部分的城市相比，它们的海上连通性仍然是结构上的间接连接。
敏感性分析结果进一步证实了所得排名的稳健性。最具影响力的标准（C2、C6和C4）权重的变化并未显著影响杜伊斯堡的领先地位，表明其主导地位在多个评估维度上得到了结构性支持。然而，基于不同利益相关者权重集的情景分析在中间排名的选项之间产生了明显差异，尤其是在贝尔格莱德、布达佩斯、布拉迪斯拉发和林茨之间。这反映了不同利益相关者群体的不同优先事项：政策制定者强调走廊整合和可持续性，物流运营商重视连通性和货物流量集中，而投资者则关注经济可行性和扩展能力。这种分歧表明，干港选址本质上是一个多利益相关者的决策问题，而不仅仅是一个纯粹基于基础设施的优化任务。
总体而言，结果表明，排名最高的地点是那些同时作为主要海上门户的内陆延伸部分、整合多个运输走廊，并提供足够基础设施能力和制度支持以促进长期物流发展的地方。这证实了在选择欧洲干港位置时，结合海上连通性、走廊整合和利益相关者视角的重要性。
与第二节中回顾的先前研究相比，这些研究通常仅从基础设施可用性、走廊位置或环境角度单独评估干港位置，所提出的框架通过将这些维度整合到一个明确与海上-内陆物流系统相关的单一利益相关者导向的评估结构中，做出了贡献。此外，虽然早期在干港选址规划中应用的多标准决策方法（MCDM）通常侧重于国家或走廊层面的分析，但本研究将评估范围扩展到了整个欧洲。它还将结构化的专家共识形成（Delphi）、标准权重分配（SWARA）和几何排名逻辑（ADAM）结合在一个统一的模糊决策环境中。这些方法论和实证上的扩展使所提出的框架超越了现有方法，能够更全面地评估欧洲主要海上门户系统的干港位置。
该研究的主要贡献在于应用了一个综合的多标准框架，通过可持续性、连通性、工业基础、制度准备度和扩展能力来评估干港位置。一个关键的方法论贡献是引入了一个混合模糊MCDM模型，结合了SWARA、Delphi和ADAM方法，从而能够在多样化的欧洲地理环境中进行结构化和透明的评估。尽管所提出的模型整合了已经建立的多标准决策技术，但其方法论贡献在于将模糊SWARA、Delphi和ADAM方法创新性地结合在一个统一的决策框架中用于干港选址。据作者所知，这种特定组合之前尚未在传统或基于不确定性的环境中应用（例如，模糊集、灰色集或粗糙集）。在多标准决策方法文献中，结合互补的权重和排名技术的混合模型的发展被广泛接受为方法论贡献，特别是在涉及多个利益相关者和不确定性的复杂基础设施和物流规划问题中。所提出的框架通过将结构化的专家共识构建（Delphi）、标准权重分配（SWARA）和替代方案排名（ADAM）结合在一个针对海上-内陆物流系统的单一模糊群体决策环境中，做出了贡献。
尽管如此，仍存在一些局限性。该分析基于当前的基础设施和政策条件，这些条件可能会随着技术变革、新的欧盟运输倡议或地缘政治发展而变化。虽然权重方法具有系统性，但基于专家的多标准决策框架仍存在一定程度的主观性。未来的研究可以纳入动态或基于情景的模型，以考虑贸易流量的长期变化、数字化或气候韧性。
从理论上讲，这项研究强化了多标准决策方法（MCDM）在构建复杂物流选址决策中的价值；从实践角度来看，它为政策制定者、港口当局、物流运营商和投资者提供了有用的指导。研究结果支持投资优先级排序、多模式走廊规划以及识别具有高战略潜力的地点，从而提供了一个决策支持工具，有助于实现更可持续、高效和平衡的欧洲海上-内陆物流发展。
7. 结论
本研究通过开发和应用一个以利益相关者为导向的混合模糊MCDM框架解决了选择适合海上物流功能的干港位置的问题，该框架整合了模糊SWARA、基于Delphi的聚合和ADAM方法。所提出的框架使用与海上-内陆整合目标相一致的连通性、可持续性、制度、经济和物流生态系统标准，对欧洲十二个潜在内陆地点进行了结构化评估。结果确认了杜伊斯堡作为领先内陆物流节点的主导战略地位，这归功于其卓越的多式联运连通性、与鹿特丹和安特卫普等主要北海门户的强大整合，以及其在跨欧洲货运走廊中的作用。维也纳和贝尔格莱德作为高度竞争的替代方案，反映了走廊位置、制度支持和扩展潜力在塑造中欧和东南欧未来内陆物流结构中的重要性。重要的是，结果表明，干港的竞争力不仅取决于内陆水路的可达性，还取决于连通性、政策对齐和物流生态系统准备度的平衡表现。
从方法论的角度来看，该研究通过在一个针对海上物流背景的干港选址分析的统一模糊决策支持框架中整合了三种互补的多标准决策技术。与许多主要关注基础设施或基于成本的指标的先前研究不同，所提出的框架明确纳入了利益相关者的视角，并将内陆终端选择与主要欧洲海上门户联系起来，从而加强了干港在扩展内陆系统中的海上物流定位。
从实际角度来看，研究结果为政策制定者、港口当局、物流运营商和基础设施投资者提供了决策支持。所提出的框架支持内陆物流投资的透明优先排序，并有助于识别能够加强海港-内陆整合的位置，减少海上门户的拥堵，并支持向铁路和内陆水路的模式转变，符合欧盟的运输和可持续性战略。
该研究有几个局限性。评估反映了当前的基础设施条件和基于专家的评估，这些条件可能会随着未来走廊发展、地缘政治变化和物流系统的技术转型而改变。未来的研究可以通过动态情景建模、定量货物流量模拟的整合或应用于欧洲以外的其他走廊系统来扩展该框架。
**作者贡献声明**
Violeta Roso：撰写 – 审稿与编辑、撰写 – 原稿撰写、调查、形式分析、概念化。
Snežana Tadić：撰写 – 审稿与编辑、撰写 – 原稿撰写、验证、方法论、调查、形式分析、数据管理、概念化。
Mladen Krstić：撰写 – 审稿与编辑、撰写 – 原稿撰写、验证、方法论、调查、形式分析、数据管理、概念化。
打赏
