Μεταφορική δραστηριότητα σε κύριους ελληνικούς λιμένες, με τη χρήση μεθόδων ανάλυσης συστάδων: Η διερεύνηση της πιθανής επίπτωσης της οικονομικής κρίσης ΕΜΜΑΝΟΤΗΛ ΦΡΙΣΟΥΑΚΗ Επίκουρος Καθηγητής, Τμήμα Οικονομικής και Περιφερειακής Ανάπτυξης, Πάντειο Πανεπιστήμιο ΚΩΝΣΑΝΣΙΝΟ ΛΙΑΠΗ Επίκουρος Καθηγητής, Τμήμα Οικονομικής και Περιφερειακής Ανάπτυξης, Πάντειο Πανεπιστήμιο ΑΝΑΣΑΙΟ ΣΑΟΠΟΤΛΟ Καθηγητής, Τμήμα Οικονομικής και Περιφερειακής Ανάπτυξης, Πάντειο Πανεπιστήμιο ΒΑΙΛΕΙΟ ΜΟΤΚΑ Οικονομολόγος, Μ.Sc. Οικονομικής και Περιφερειακής Ανάπτυξης, Πάντειο Πανεπιστήμιο Περίληψη Το αντικείμενο έρευνας του παρόντος άρθρου, είναι η ποσοτική ανάλυση της πρόσφατης εξέλιξης της μεταφορικής δραστηριότητας κύριων ελληνικών λιμένων (Πειραιά, Θεσσαλονίκης, Πάτρας), προς την κατεύθυνση της διαμόρφωσης συστάδων κατηγοριών μεταφορικού έργου, καθώς και χρονικών συστάδων, ανάπτυξης και κάμψης, της μεταφορικής δραστηριότητας. Στο πλαίσιο αυτό, εξετάζονται συγκριτικά διαχρονικά δεδομένα του παρεχόμενου μεταφορικού έργου των εξεταζόμενων λιμένων, ανά βασική κατηγορία (εμπορευματοκιβώτια, συμβατικό φορτίο, χύδην φορτίο, επιβατική κίνηση, αυτοκίνητα), σύμφωνα με τα επίσημα στατιστικά στοιχεία των αντίστοιχων Οργανισμών Λιμένων. Η περίοδος αναφοράς της έρευνας καλύπτει το χρονικό διάστημα 2002-2009 και η μεθοδολογία που χρησιμοποιείται στην ανάλυση στηρίζεται στη διαμόρφωση ομάδων-συστάδων. Εφαρμόζονται οι σχετικές μέθοδοι (με τη χρήση του στατιστικού πακέτου SPSS), και συγκεκριμένα η Ανάλυση Κύριων Συνιστωσών (Principal Component Analysis), η Ανάλυση Κατά Παράγοντες (Factor Analysis) και η Ανάλυση Συστάδων (Cluster Analysis), προκειμένου να προσδιορισθούν οι δυνατές ομαδοποιήσεις, που προκύπτουν όσον αφορά στις κατηγορίες μεταφορών και επιπλέον, στις ομάδες ετών. Από την τελευταία αυτή προσέγγιση διερευνάται και η όποια επίπτωση της πρόσφατης οικονομικής κρίσης στην εξέλιξη της μεταφορικής δραστηριότητας των λιμένων, συνολικά και ανά κατηγορία παρεχόμενου έργου. Η εργασία ολοκληρώνεται με μία προσπάθεια διάγνωσης των βασικών αιτίων υστέρησης και διαμόρφωσης προτάσεων πολιτικής για τους κύριους αυτούς λιμένες, προκειμένου να ενισχυθεί η ανταγωνιστικότητα και η εξωστρέφειά τους. Από τα σχετικά αποτελέσματα, προκύπτει ότι η εξέλιξη της μεταφορικής δραστηριότητας του Πειραιά χαρακτηρίζεται από δύο διακριτές περιόδους. Μία περίοδο σχετικής ανάπτυξης της μεταφορικής κίνησης, που αναφέρεται στο διάστημα 2002-2004, γεγονός που μπορεί να ερμηνευθεί αναφορικά με την επίδραση της τέλεσης των Ολυμπιακών Αγώνων του 2004 και μία περίοδο αστάθειας στην εξέλιξη του μεταφορικού έργου, που ακολουθεί και η οποία καταλήγει στη σχετική συρρίκνωση τα τελευταία δύο έτη (2008-2009) των περισσοτέρων κατηγοριών μεταφορών, γεγονός που μπορεί να αποδοθεί στην έναρξη της οικονομικής κρίσης και στις επιπτώσεις της. Αν ληφθούν υπόψη μαζί με τον Πειραιά και τα άλλα δύο λιμάνια (Θεσσαλονίκης, Πάτρας), παρατηρούνται κάποιες διαφοροποιήσεις, αφού μόνο δύο έτη φαίνεται να αποκλίνουν από τα υπόλοιπα, το έτος 2004 και το έτος 2009 (το καθένα μόνο του αποτελεί ειδική «συστάδα»). Σε γενικές γραμμές, οι επενδύσεις σε σύγχρονες υποδομές, υπηρεσίες και συστήματα διοίκησης και διαχείρισης του μεταφορικού έργου στα ελληνικά λιμάνια και η ανάπτυξη των συνδυασμένων μεταφορών, είναι απαραίτητες προϋποθέσεις για την ενίσχυση της ανταγωνιστικότητας και της αποδοτικότητας των λιμένων. Λέξεις Κλειδιά Επιβατικές και Εμπορευματικές Μεταφορές, Ελληνικά Λιμάνια, Ανάλυση Κύριων Συνιστωσών, Ανάλυση Κατά Παράγοντες, Ανάλυση Συστάδων.
1. Εισαγωγή Οι υδάτινες μεταφορές γενικά (θαλάσσιες, ποτάμιες, λιμναίες) και η οργάνωση, σε συνδυασμό με τη χωροθέτηση, των σχετικών με αυτές δραστηριοτήτων, ειδικότερα, έχουν επηρεάσει σε μεγάλο βαθμό, περισσότερο ίσως από τους άλλους τρόπους μεταφοράς, τα πρότυπα χωροθέτησης των παραγωγικών δραστηριοτήτων και την εξέλιξη της οργάνωσης του χώρου. Πριν από τις μεγάλες ανακαλύψεις στον τομέα των μεταφορών, οι παραγωγικές δραστηριότητες χαρακτηρίζονταν από μια διασπορά στο χώρο, που κυριάρχησε περίπου μέχρι τα μέσα του 19 ου αιώνα (Βenevοlο, 1980). Στην περίοδο αυτή, βασικοί παράγοντες χωροθέτησης ήταν η ύπαρξη πρώτων υλών όπως τα ορυκτά, το μαλλί κ.ά., ενεργειακών πόρων όπως το ξύλο, οι άνεμοι, το νερό κ.ά. και φυσικών δρόμων επικοινωνίας, όπως τα λιμάνια, οι ποτάμιες οδοί, οι κόμβοι μεταφορών. Δηλαδή, αν και οι μεταφορές δεν έχουν εξελιχθεί ακόμα σε μεγάλο βαθμό, σε συνδυασμό με τα φυσικά χαρακτηριστικά των περιοχών, διαδραματίζουν σημαντικό ρόλο στη χωροθέτηση των δραστηριοτήτων και στην κατανομή των οικισμών, κυρίως δε μέσω των δυνατοτήτων που παρείχε σ αυτές ο υδάτινος παράγοντας και τα σχετικά μέσα (Χριστοφάκης, 2007). Οι παραγωγικές μονάδες εξειδίκευαν το τοπικό ανθρώπινο δυναμικό και οι ανάγκες οργάνωσης των σχετικών δραστηριοτήτων, σε συνδυασμό με τα γεωμορφολογικά χαρακτηριστικά των περιοχών, προσδιόριζαν την κοινωνικοοικονομική οργάνωση, την καθημερινή ζωή, τη μορφή της κατοικίας, τα μοντέλα ανταλλαγών και τις επικοινωνίες (Παπαδασκαλόπουλος, 2008). Συνεπώς, τα υδάτινα δίκτυα και κυρίως τα θαλάσσια, έδιναν την εποχή εκείνη το συγκριτικό αναπτυξιακό πλεονέκτημα. Ενδεικτικά αναφέρεται για την περίπτωση της Ελλάδας, ότι το 1832 στο λιμάνι του Ναυπλίου το σιτάρι της Τρίπολης ήταν ακριβότερο από το σιτάρι της Οδησσού, λόγω της διαφοράς στο κόστος μεταφοράς του και πιο συγκεκριμένα, λόγω της σχετικής ανυπαρξίας χερσαίων δικτύων και μέσων μεταφοράς και κατ επέκταση της δυσχερούς και πολυδάπανης μεταφοράς εμπορευμάτων στον ηπειρωτικό χώρο. Γίνονται κατανοητά έτσι και τα αίτια της αναπτυξιακής άνθησης του ελληνικού νησιωτικού χώρου της εποχής εκείνης, σε σχέση με την ηπειρωτική χώρα. Η εμπορική ναυτιλία και οι συναφείς και συμπληρωματικές μ αυτήν δραστηριότητες ήταν η βάση της οικονομικής άνθησης του ελεύθερου αιγαιακού χώρου, ο οποίος ήταν ενταγμένος και δρούσε μέσα σε μια παγκοσμιοποιημένη οικονομία. Μετά την απελευθέρωση του 1830 και μέχρι το τέλος της εν λόγω δεκαετίας η εμπορική κίνηση αυξήθηκε κατά 194% (Μέργος κ.ά., 2004). Αλλά και μετά τις μεγάλες ανακαλύψεις στον τομέα των μεταφορών (σιδηρόδρομος, αυτοκίνητο κ.ά.), που ξεκίνησαν σταδιακά μετά το 1850, η κινητικότητα και η πόλωση στο χώρο, στηρίχθηκαν αρχικά στις παραδοσιακές οικιστικές μονάδες με ευνοϊκά φυσικά χαρακτηριστικά. Ειδικότερα, τα δίκτυα τηλεπικοινωνιών και ενέργειας, καθώς και οι αυξημένες δυνατότητες των μεταφορών, προσέλκυαν τις επιχειρήσεις στις μεγάλες αγορές προϊόντος και εργασίας. Ωστόσο, εξαιτίας του αρκετά υψηλότερου κόστους μεταφοράς των οδικών και σιδηροδρομικών μεταφορών, σε σχέση με τις υδάτινες, για πολλές δεκαετίες, η δημιουργούμενη συσσώρευση στηρίζεται αρχικά σε παραδοσιακές οικιστικές μονάδες με ευνοϊκά φυσικά χαρακτηριστικά, οι οποίες μετεξελίχθηκαν αρκετά αργότερα σε σημαντικούς πόλους, μέσα στις νέες συνθήκες που διαμόρφωσαν οι εξελίξεις στις μεταφορές. Όπως αναφέρουν οι Glaeser και Kohlhase (2004), από τις είκοσι μεγαλύτερες πόλεις των Η.Π.Α. του 1900, που αργότερα έγιναν σημαντικοί μεταφορικοί κόμβοι, πολλοί με διεθνή ακτινοβολία, οι επτά ήταν θαλάσσια λιμάνια σε εκβολές ποταμών (Boston, Providence, New York, Jersey City, Newark, Baltimore, San Francisco), με τη μεγαλύτερη πόλη απ αυτές, τη Νέα Υόρκη, να αποτελεί και το μεγαλύτερο λιμάνι της χώρας. Επίσης, πέντε πόλεις ήταν λιμάνια πάνω στις εκβολές ποταμών σε μεγάλες λίμνες (Milwaukee, Chicago, Detroit, Cleveland, Buffalo). Από αυτές τις τελευταίες μάλιστα, το Σικάγο εξελίχθηκε σε κόμβο μεταφορών των ΗΠΑ, αξιοποιώντας τη γεωγραφική του θέση και εξυπηρετώντας τις μεταφορές εμπορευμάτων από την πλούσια Αμερικανική ενδοχώρα, κυρίως προς την ανατολική ακτή και την Ευρώπη. Τρεις επιπλέον πόλεις ήταν χωροθετημένες πάνω στον ποταμό Mississippi (Minneapolis, St. Louis, New Orleans) και τρεις πάνω στον ποταμό Ohio (Louisville, Cincinnati, Pittsburg), ενώ οι υπόλοιπες δύο πόλεις ήταν πάνω σε ποτάμια της ανατολικής ακτής, κοντά στον Ατλαντικό (Philadelphia, Washington). Κάτι ανάλογο με το Αμερικανικό παράδειγμα, μπορεί να διαπιστώσει κάποιος εξετάζοντας την εξέλιξη της πλειονότητας των μεγάλων Ευρωπαϊκών πόλεων. Όπως αναφέρει ο Hall (1993), οι ευρωπαϊκές πόλεις-κόμβοι του 19 ου αιώνα ήταν αυτές που πρώτες προσέλκυσαν τα αεροδρόμια στις αρχές του 20 ου και τα νέα σιδηροδρομικά συστήματα υψηλών ταχυτήτων στο τέλος του 20 ου αιώνα. Στο πλαίσιο αυτό, είναι μεγάλη η αναπτυξιακή σημασία της οργάνωσης και χωροθέτησης κομβικών υποδομών θαλασσίων μεταφορών, ειδικά σε χώρες όπως η Ελλάδα, που έχουν ταυτίσει σε μεγάλο βαθμό την αναπτυξιακή τους εξέλιξη με τη ναυτιλία και τις θαλάσσιες μεταφορές και επίσης, εξαρτούν το παρόν και τη μελλοντική τους προοπτική από την αξιοποίηση των δυνατοτήτων που προσφέρει ο τομέας αυτός. Το αντικείμενο έρευνας του παρόντος άρθρου, είναι η ποσοτική ανάλυση της πρόσφατης εξέλιξης της μεταφορικής δραστηριότητας κύριων επιβατικών και εμπορευματικών λιμένων της Ελλάδας, όπως είναι ο Πειραιάς, η Θεσσαλονίκη και η Πάτρα, με την αξιοποίηση μεθόδων διαμόρφωσης συστάδων (cluster analysis) και ταξονομικής ανάλυσης τόσο για εμπορευματικές κατηγορίες, όσο και για χρονικές περιόδους. Μέσα από την ανάλυση αυτή, θα γίνει επίσης προσπάθεια διερεύνησης της πιθανότητας και του βαθμού επίπτωσης της οικονομικής κρίσης στη μεταφορική δραστηριότητα των λιμένων αυτών.
H υιοθετούμενη μεθοδολογία της παρούσας εργασίας έχει αξιοποιηθεί σε αρκετές περιπτώσεις διερεύνησης ζητημάτων μεταφορών, με διάφορες παραλλαγές, τόσο σε χρονικό, όσο και σε χωρικό επίπεδο ανάλυσης. Οι Ferrari et al., ήδη από το 1982, πρότειναν μία νέα μέθοδο μέτρησης της ποιότητας κυκλοφορίας στους αυτοκινητόδρομους, που στηρίζεται στην ανάλυση κύριων συνιστωσών. Ειδικότερα, μελετώντας έναν αριθμό 155.000 διελεύσεων οχημάτων σε αυτοκινητόδρομο διπλής κατεύθυνσης ίδιων γεωμετρικών χαρακτηριστικών και λαμβάνοντας υπόψη τη σύνθεση της ροής σε κάθε περίπτωση (βάσει του ποσοστού διέλευσης βαρέων οχημάτων), παράλληλα με χαρακτηριστικά όπως η ταχύτητα, ο χρόνος διέλευσης και οι εξωτερικές συνθήκες (μέρα-νύχτα, καλοκαιρία-κακοκαιρία), διαμόρφωσαν ένα διάνυσμα 15 μεταβλητών, που αντιπροσωπεύουν τις συνθήκες κυκλοφορίας. Με την τεχνική της ανάλυσης των κύριων συνιστωσών ομαδοποιήθηκαν οι μεταβλητές αυτές σ έναν αριθμό τριών κύριων συνιστωσών, που ερμηνεύουν το 75% της συνολικής διακύμανσης των 15 μεταβλητών. Αναλύοντας τον τρόπο με τον οποίο οι τρεις κύριες συνιστώσες μεταβάλλονται από κοινού, προσδιορίσθηκαν τέσσερις ζώνες κυκλοφοριακών ροών, η ελεύθερη ροή, η σταθερή ροή, η ασταθής ροή και η δυσχερής ροή, οι οποίες προσδιορίζουν τις συνθήκες κυκλοφορίας. Επίσης, άλλοι ερευνητές αναλύουν δεδομένα κυκλοφορίας σε καθημερινή βάση, προσπαθώντας να αναπτύξουν μοντέλα κυκλοφοριακών ροών με τη χρήση της ανάλυσης συστάδων (cluster analysis) μεταξύ των ωρών και ημερών της εβδομάδας (Rakha and Van Aerde 1995, Chung 2003, Weijermars and Van Berkum 2005). Στις πιο πρόσφατες εργασίες της ομάδας αυτής, οι Weijermars και Van Berkum (2005), χρησιμοποιώντας την ανάλυση συστάδων προσπαθούν να αναλύσουν επίσης μοντέλα κυκλοφοριακών ροών σε αυτοκινητόδρομους ταχείας κυκλοφορίας, με στόχο την αποτελεσματικότερη διαχείριση της κυκλοφορίας. Ειδικότερα, βάσει δεδομένων ροής και ταχύτητας κυκλοφορίας για όλες τις ημέρες της εβδομάδας και όλες τις χρονικές περιόδους και τις ειδικές συνθήκες (εργάσιμες ημέρες, σαββατοκύριακα, αργίες, διακοπές) στον αυτοκινητόδρομο Α50 της Δανίας, καταλήγουν σε πέντε συστάδες μεταξύ των ημερών της εβδομάδας, που παρουσιάζουν ευδιάκριτα καθημερινά σχεδιαγράμματα ροής και μπορούν να αποτελέσουν τη βάση για τη διαμόρφωση ενός μοντέλου καθημερινής διαχείρισης της κυκλοφορίας. Οι Chen et al. (2009) χρησιμοποιούν την ανάλυση συστάδων για την διερεύνηση των κυκλοφοριακών επιδράσεων από τη λειτουργία έργων οικιστικού χαρακτήρα, με βασικό στόχο την ταξινόμηση και αξιολόγηση κατασκευαστικών προγραμμάτων, στον αστικό και περιαστικό χώρο. Οι Papadaskalopoulos et al. (2005), προσπαθώντας να δώσουν μεγαλύτερη χωροταξική διάσταση στην επίδραση των δικτύων μεταφορών (με την έννοια της αναδιοργάνωσης των περιοχών και της δημιουργίας χωρικών αναπτυξιακών ενοτήτων εξαιτίας της διάρθρωσης και λειτουργίας των δικτύων), λαμβάνουν υπόψη, σε συνδυασμό με τον αριθμό των δικτύων, την προσπελασιμότητα και κομβικότητα, καθώς και την οικιστική οργάνωση του χώρου. Ο προσδιορισμός των νέων χωρικών ενοτήτων, ως ομάδες αστικών κέντρων, στηρίζεται αρχικά στην κατασκευή της Μήτρας Προσπελασιμότητας (Accessibility Matrix) ή Μήτρας Χωρικών Σταθμίσεων, που αναφέρεται στις συνδέσεις πρώτης τάξης (άμεσες-απευθείας συνδέσεις) των κέντρων σε σχέση με τους άξονες μεταφορών. Τα αποτελέσματα της Μήτρας Προσπελασιμότητας, δηλαδή η κομβικότητα των οικισμών, σε συνδυασμό με άλλες μεταβλητές (όπως το πληθυσμιακό μέγεθος των πόλεων, η κλίμακα και η σημαντικότητα των αξόνων που διαπερνούν αυτές τις πόλεις, η ύπαρξη λοιπών κομβικών υποδομών), αξιοποιούνται περαιτέρω για τον προσδιορισμό χωρικών ενοτήτων, που αποτελούνται από ομάδες οικιστικών κέντρων (clusters). Η διαμόρφωση των ομάδων αυτών, γίνεται με την αξιοποίηση μεθόδων ταξονομικής ανάλυσης και η αποτύπωσή τους με τη χρήση αντίστοιχων δενδροδιαγραμμάτων. 2. Μεθοδολογία Όπως έχει ήδη αναφερθεί, ο βασικός σκοπός της παρούσας εργασίας είναι η ποσοτική ανάλυση της πρόσφατης εξέλιξης της μεταφορικής εμπορευματικής και επιβατικής δραστηριότητας (ανά βασική κατηγορία) στο κύριο λιμάνι της χώρας, τον Πειραιά και σε συνδυασμό με αυτό, στα λιμάνια Θεσσαλονίκης, Πάτρας, που παρουσιάζουν επίσης αξιόλογη εμπορευματική και επιβατική δραστηριότητα και για τα οποία υπάρχουν διαθέσιμα σχετικά στοιχεία. Η ξεχωριστή αρχικά ανάλυση του λιμένα Πειραιά γίνεται κυρίως λόγω του μεγέθους και της κυριαρχίας του στο εμπορευματικό και επιβατικό μεταφορικό έργο της χώρας και δευτερευόντως λόγω της μεγαλύτερης πληρότητας του σχετικού στατιστικού υλικού (Μούκας, 2011). Η μεθοδολογία που χρησιμοποιείται για την ποσοτική ανάλυση στηρίζεται στη διαμόρφωση ομάδων-συστάδων, για τον προσδιορισμό περιόδων ανάπτυξης-ύφεσης, καθώς και ομάδων κατηγοριών μεταφορών. Συγκεκριμένα, εφαρμόζονται τρεις σχετικές μέθοδοι πολυμεταβλητής ανάλυσης 1 (με τη χρήση του στατιστικού πακέτου SPSS), η Ανάλυση Κύριων Συνιστωσών (Principal Component Analysis), η Ανάλυση Κατά Παράγοντες και η Ανάλυση Συστάδων (Cluster Analysis), προκειμένου να διερευνηθούν οι δυνατές ομαδοποιήσεις, που προκύπτουν όσον αφορά στις κατηγορίες μεταφορών και επιπλέον, στις ομάδες ετών. Από την τελευταία αυτή προσέγγιση θα διερευνηθεί επίσης και η όποια επίπτωση της πρόσφατης κρίσης στην εξέλιξη της μεταφορικής δραστηριότητας των κύριων ελληνικών λιμένων. 1 Υπενθυμίζεται, ότι ο κύριος στόχος της ομάδας αυτής των μεθόδων είναι η ενσωμάτωση ενός συνόλου μεταβλητών σε έναν μικρό αριθμό νέων αντιπροσωπευτικών μεταβλητών (συνιστωσών ή παραγόντων), χρησιμοποιώντας ως βασικό κριτήριο τις συσχετίσεις των εξεταζόμενων μεταβλητών, με συνέπεια την κατανόηση των σχέσεων μεταξύ τους.
Στο πλαίσιο αυτό, εξετάζονται συγκριτικά διαχρονικά δεδομένα του παρεχόμενου μεταφορικού έργου των τριών λιμένων, ανά βασική κατηγορία (εμπορευματοκιβώτια, συμβατικό φορτίο, χύδην φορτίο, επιβατική κίνηση, αυτοκίνητα), σύμφωνα με τα επίσημα στατιστικά στοιχεία των αντίστοιχων Οργανισμών Λιμένων. Λόγω της σχετικής έλλειψης πλήρους ομοιογένειας των κατηγοριών μεταφορικού έργου των εξεταζόμενων λιμένων, έγινε προσπάθεια ομαδοποίησης των λιμένων βάσει των κοινών μεταξύ τους κατηγοριών μεταφορών, έτσι ώστε να καταστεί δυνατή η συνδυασμένη ανάλυση των λιμένων, στο δεύτερο μέρος της ενότητας που ακολουθεί. Η περίοδος αναφοράς της έρευνας καλύπτει το χρονικό διάστημα 2002-2009. Ειδικότερα, εξετάζονται οι εξής κατηγορίες μεταφορών ανά βασικό λιμένα: 1. Εμπορ/κιβώτια (Containers ) (Πειραιάς, Θεσσαλονίκη) (V2) 2. Αυτοκίνητα (Autos ) (Πειραιάς, Πάτρα) (V3) 3. Συμβατικό φορτίο (Conventional ) (Πειραιάς, Θεσσαλονίκη) (V4) 4. Χύδην φορτίο (Bulk ) (Πειραιάς, Θεσσαλονίκη) (V5) 5. Επιβατική κίνηση (Passengers ) (Πειραιάς, Θεσσαλονίκη, Πάτρα) (V6) Τα πρωτογενή στοιχεία της έρευνας περιλαμβάνονται στο Παράρτημα Ι (Πίνακες 1,2,3 Παραρτήματος), ενώ τα αποτελέσματα των εφαρμογών παρουσιάζονται στις ενότητες που ακολουθούν. 3. Εφαρμογές και Αποτελέσματα 3.1. Ανάλυση της μεταφορικής κίνησης του Λιμένα Πειραιά 3.1.1. Ανάλυση Κυρίων Συνιστωσών (Principal Component Analysis), στις κατηγορίες μεταφορών Ο στόχος της Ανάλυσης των Κυρίων Συνιστωσών είναι η μείωση ενός μεγάλου αριθμού μεταβλητών σ ένα μικρότερο αριθμό σημαντικών παραγόντων. Η τεχνική της ομαδοποίησης των μεταβλητών χρησιμοποιεί ως κριτήριο τις συσχετίσεις που παρατηρούνται μεταξύ αυτών. Από την εφαρμογή της Ανάλυσης Κύριων Συνιστωσών στις κατηγορίες μεταφορών, σύμφωνα με τον Πίνακα 1, που ακολουθεί, προκύπτει ότι όλες οι μεταβλητές (κατηγορίες μεταφορών) συσχετίζονται σε ικανοποιητικό βαθμό από κάποια συνιστώσα (Μούκας, 2011). Οι Κοινοί Παράγοντες (Communalities), μετρούν το ποσοστό της διακύμανσης κάθε μεταβλητής που εξηγείται από όλες τις συνιστώσες (δηλαδή αναφέρονται στην Κοινή Παραγοντική Διακύμανση). Πίνακας 1. Ανάλυση Κύριων Συνιστωσών, βάσει της Κοινής Παραγοντικής Διακύμανσης Communalities Raw Rescaled Initial Extraction Initial Extraction Containers 1,857E11 7,748E10 1,000,417 Autos 1,464E10 5,819E9 1,000,398 Conventional 1,041E12 9,765E11 1,000,938 Bulk 1,149E11 5,798E10 1,000,505 Passengers 5,088E11 3,484E11 1,000,685 Στον Πίνακα 2, που ακολουθεί, παρουσιάζονται οι Ιδιοτιμές (Eigenvalues). Όσο μεγαλύτερη είναι η ιδιοτιμή τόσο μεγαλύτερο είναι το ποσοστό της διακύμανσης που εξηγεί μια συνιστώσα. Από τα αποτελέσματα προκύπτει ότι για την πρώτη συνιστώσα η ιδιοτιμή είναι υψηλή (μεγαλύτερη από 1), ενώ συνολικά ερμηνεύει το 78,610% της συνολικής διακύμανσης, ποσοστό που κρίνεται ικανοποιητικό. Πίνακας 2. Ανάλυση διακύμανσης των Συνιστωσών βάσει των Ιδιοτιμών Total Variance Explained Initial Eigenvalues a Extraction Sums of Squared Loadings Component Total % of Variance Cumulative % Total % of Variance Cumulative %
Raw 1 1,466E12 78,610 78,610 1,466E12 78,610 78,610 2 2,943E11 15,780 94,390 3 8,504E10 4,560 98,950 4 1,381E10,741 99,690 5 5,776E9,310 100,000 Rescaled 1 1,466E12 78,610 78,610 2,942 58,847 58,847 2 2,943E11 15,780 94,390 3 8,504E10 4,560 98,950 4 1,381E10,741 99,690 5 5,776E9,310 100,000 Η επιλογή του αριθμού των κύριων συνιστωσών μπορεί να εξαχθεί διαγραμματικά και από το λεγόμενο Scree Plot (βλ. Γράφημα 1). Στον οριζόντιο άξονα απεικονίζονται οι συνιστώσες και στον κάθετο οι αντίστοιχες ιδιοτιμές. Γράφημα 1. Επιλογή Κύριων Συνιστωσών Όπως φαίνεται στο διάγραμμα, μετά την δεύτερη τιμή, στο σημείο που αλλάζει σημαντικά η κλίση της καμπύλης, απεικονίζεται ο αριθμός των συνιστωσών που θα πρέπει να συμπεριληφθούν στην ανάλυση. Δηλαδή, απεικονίζεται η πρώτη συνιστώσα, που ερμηνεύει τη συνολική διακύμανση σε ποσοστό 78,610%. Στη συνέχεια, στον Πίνακα 3, παρουσιάζεται ο βαθμός στον οποίο κάθε μεταβλητή συμμετέχει στη διαμόρφωση της κάθε συνιστώσας. Πίνακας 3. Ανάλυση του βαθμού συμμετοχής της κάθε Μεταβλητής στη διαμόρφωση των Κύριων Συνιστωσών Component Matrix Raw Component Rescaled Component 1 1
Containers -278348,849 -,646 Autos 76285,270,631 Conventional 988177,461,968 Bulk -240794,734 -,710 Passengers 590265,466,828 Από την παραπάνω ανάλυση, προκύπτει ότι παράγεται μόνο μία κύρια συνιστώσα την οποία αντιπροσωπεύουν σε μεγάλο βαθμό 3 μεταβλητές αντίστοιχα, που είναι το συμβατικό φορτίο (Conventional), το χύδην φορτίο (Bulk) και η επιβατική κίνηση (Passengers). 3.1.2. Ανάλυση συστάδων (Cluster Analysis) για την επιλογή περιόδων Όπως διαπιστώθηκε και στην προηγηθείσα ανάλυση, η μέθοδος της ανάλυσης συστάδων έχει χρησιμοποιηθεί σε πολλές εφαρμογές μεταφορών για την ομαδοποίηση χρονικών περιόδων με κοινά χαρακτηριστικά. Η ανάλυση συστάδων στην παρούσα εργασία κατατάσσει τις παρατηρήσεις (στην περίπτωση μας το διάστημα των ετών 2002-2009) σε δύο ή περισσότερες ομάδες, των οποίων τα μέλη-έτη έχουν κοινά χαρακτηριστικά. Δηλαδή αυτό που μας ενδιαφέρει δεν είναι οι τιμές των μεταβλητών σε κάθε έτος, αλλά οι διαφορές τους. Για τον υπολογισμό των αποστάσεων των ετών θα χρησιμοποιήσουμε την μέθοδο της Τετραγωνικής Ευκλείδειας Απόστασης (Squared Euclidean Method). Στην ανάλυση που ακολουθεί γίνεται εφαρμογή της Ιεραρχικής Ανάλυσης Συστάδων (Hierarchical Clustering) με δύο τρόπους. Στον πρώτο τρόπο, βάσει της συνιστώσας που προέκυψε παραπάνω από την εφαρμογή της Ανάλυσης Κύριων Συνιστωσών στις κατηγορίες μεταφορών, εφαρμόζονται τέσσερις ειδικές μέθοδοι: α) η μέθοδος του (μέσου, πλήρους και απλού κατά περίπτωση) συνδέσμου μεταξύ των ομάδων (between groups linkage), β) η μέθοδος του συνδέσμου μέσα στις ομάδες (within groups linkage), γ) η μέθοδος του κοντινότερου γείτονα (nearest neighbor) και δ) η μέθοδος του μακρύτερου γείτονα (furthest neighbor). Στο δεύτερο τρόπο, χρησιμοποιώντας τις 5 αρχικές μεταβλητές, εφαρμόζονται τρεις ειδικές μέθοδοι: α) η μέθοδος του συνδέσμου μεταξύ των ομάδων (between groups linkage), β) η μέθοδος του κοντινότερου γείτονα (nearest neighbor) και γ) η μέθοδος του μακρύτερου γείτονα (furthest neighbor). Συγκεκριμένα, εφαρμόζοντας αρχικά τις τέσσερις αυτές μεθόδους της Ιεραρχικής Ανάλυσης (between groups linkage, within groups linkage, nearest neighbor, furthest neighbor), για τη νέα συνιστώσα βάσει της Ανάλυσης Κύριων Συνιστωσών (πρώτος τρόπος), προκύπτει ικανοποιητική ομαδοποίηση των ετών σε δύο χρονικές περιόδους, στις 3 από τις 4 μεθόδους (between groups linkage, within groups linkage και furthest neighbor), στις οποίες τα αποτελέσματα σχεδόν ταυτίζονται. Ειδικότερα, η πρώτη περίοδος αποτελείται από 3 έτη (2003, 2004, 2002) και η δεύτερη από τα υπόλοιπα 5 έτη (2007, 2008, 2006, 2009, 2005). Στη συνέχεια, χρησιμοποιώντας τις 5 αρχικές μεταβλητές (δεύτερος τρόπος), προκύπτουν επίσης 2 ομάδες ετών με τα αποτελέσματα να ταυτίζονται (8 στα 8) στις δύο από τις τρεις μεθόδους (average linkage between groups και complete linkage) 2. Η πρώτη ομάδα αποτελείται από 4 έτη (2005, 2006, 2008, 2009) και η δεύτερη από τα υπόλοιπα 4 (2007, 2003, 2004, 2002). Όλα τα παραπάνω αποτελέσματα, αποτυπώνονται στα αντίστοιχα Δενδρογράμματα των ετών 2002-2009, τα οποία περιλαμβάνονται στο Παράρτημα ΙΙΑ. Συμπερασματικά, προκύπτει ότι και με τους δύο τρόπους ανάλυσης (μία συνιστώσα - πέντε μεταβλητές) υπάρχει σύγκλιση ομαδοποίησης σε δύο βασικές ομάδες ετών με ομοιογενή χαρακτηριστικά (1 η ομάδα 3-4 έτη, 2 η ομάδα 5-4 έτη), οι οποίες αποτυπώνονται σχηματικά ως εξής (Μούκας, 2011): Γράφημα 2. Χρονικές συστάδες περιόδου αναφοράς 2 Υπενθυμίζεται ότι στο κριτήριο της μεθόδου complete linkage (πλήρους συνδέσμου) εξετάζεται η απόσταση των μακρύτερων σημείων μεταξύ των ομάδων και στο κριτήριο της μεθόδου μέσου συνδέσμου [average linkage (between groups)] εξετάζεται ως απόσταση η μέση τιμή των αποστάσεων μεταξύ όλων των παρατηρήσεων.
2003, 2004, 2002 2003, 2004, 2002, 2007 2008, 2006, 2009, 2005, 2007 2005, 2006, 2008, 2009 Ειδικότερα, παρατηρείται ότι η μία κοινή, στους δύο τρόπους ανάλυσης, χρονική ομάδα περιλαμβάνει τα έτη 2002-2003-2004, ενώ η δεύτερη κοινή ομάδα την περίοδο 2005-2009. Μικρή διαφοροποίηση παρατηρείται ως προς το έτος 2007. Η πρώτη περίοδος, χαρακτηρίζεται από θετική εξέλιξη του όγκου των μεταφορών, γεγονός που μπορεί να ερμηνευθεί αναφορικά με την επίδραση της τέλεσης των Ολυμπιακών Αγώνων του 2004 στην Αθήνα, αφού ταυτίζεται με την προ-ολυμπιακή και Ολυμπιακή περίοδο. Η δεύτερη περίοδος, που ακολουθεί, χαρακτηρίζεται στα πρώτα έτη από κάποια αστάθεια στην εξέλιξη του μεταφορικού έργου, για να καταλήξει σε σχετική συρρίκνωση τα τελευταία δύο έτη, για τις περισσότερες κατηγορίες μεταφορών, γεγονός που μπορεί να θεωρηθεί ότι οφείλεται στην έναρξη της οικονομικής κρίσης και στις επιπτώσεις της, μεταξύ άλλων και στη μεταφορική δραστηριότητα. Προκειμένου να διερευνηθεί η συμπεριφορά και η συμμετοχή των επιμέρους κατηγοριών μεταφορών στην χρονική περίοδο αναφοράς, πραγματοποιείται εκ νέου η Ανάλυση Κυρίων Συνιστωσών ξεχωριστά για την κάθε μία από τις δύο καθορισμένες πλέον συστάδες ετών (2002-2004 και 2005-2009), όπου και εντοπίζονται οι σημαντικότερες μεταβλητές (κατηγορίες μεταφορών) 3, οι οποίες εν συνεχεία συγκρίνονται με τις σημαντικότερες μεταβλητές της συνολικής περιόδου αναφοράς. Ειδικότερα, για το διάστημα 2002-2004 παράγεται ο παρακάτω Πίνακας 4, όπου παρουσιάζεται ο βαθμός στον οποίο κάθε μεταβλητή συμμετέχει στη διαμόρφωση της κάθε κύριας συνιστώσας. Πίνακας 4. Ανάλυση της συμμετοχής των Μεταβλητών στις Κύριες Συνιστώσες, για τη χρονική συστάδα 2002-2004 Component Matrix Raw Component Rescaled Component 1 2 1 2 Conventional 553786,477-112772,812,980 -,200 Containers 91924,139 44880,713,899,439 Bulk -196105,505 309904,045 -,535,845 Passengers 312711,088 385780,193,630,777 Autos 39194,998-39224,835,707 -,707 3 Με τη Ανάλυση Κύριων Συνιστωσών γίνεται προσπάθεια μείωσης του αρχικού αριθμού των μεταβλητών, με τη λιγότερη δυνατή απώλεια πληροφορίας και καθορισμού των σημαντικότερων από αυτές, που ερμηνεύουν στο μεγαλύτερο βαθμό την εμπορευματική και επιβατική κίνηση του λιμένα του Πειραιά.
Από τον πίνακα προκύπτει ότι παράγονται δύο κύριες συνιστώσες οι οποίες αντιπροσωπεύουν σε μεγάλο βαθμό 3 μεταβλητές αντίστοιχα, το συμβατικό φορτίο (Conventional), τα εμπορευματοκιβώτια (Containers) και το χύδην φορτίο (Bulk). Αντίστοιχα, για το επόμενο χρονικό διάστημα, 2005-2009, παράγεται ο Πίνακας 5, που ακολουθεί. Πίνακας 5. Ανάλυση της συμμετοχής των Μεταβλητών στις Κύριες Συνιστώσες, για τη χρονική συστάδα 2005-2009 Component Matrix Raw Component Rescaled Component 1 1 Passengers 686125,203,992 Containers -392081,367 -,838 Conventional 164197,974,472 Bulk 56360,944,435 Autos 36502,938,265 Σύμφωνα με τον αναφερόμενο πίνακα, για το διάστημα 2005-2009 παράγεται μόνο μία κύρια συνιστώσα, που αντιπροσωπεύει σε μεγάλο βαθμό 2 μεταβλητές αντίστοιχα, την Επιβατική κίνηση (Passengers) και τα Εμπορευματοκιβώτια (Containers). Τέλος, στον Πίνακα 6, που ακολουθεί, γίνεται συγκριτική παρουσίαση των σημαντικότερων μεταβλητών της κάθε περιόδου χωριστά με τις σημαντικότερες μεταβλητές της συνολικής περιόδου έρευνας. Πίνακας 6. Συγκριτική παρουσίαση των σημαντικότερων μεταβλητών των χρονικών συστάδων και της συνολικής περιόδου αναφοράς Έτη 2002-2009 υστάδα 1: 2002-2004 υστάδα 2: 2005-2009 Κατηγορίες Μεταφορών- Μεταβλητές Conventional Conventional Passengers Passengers Containers Containers Bulk Bulk Από την παραπάνω ανάλυση προκύπτει ότι το διάστημα της ανάπτυξης των μεταφορών, 2002-2004, παρουσιάζει περισσότερα κοινά στοιχεία με το συνολικό χρονικό διάστημα 2002-2009, ενώ κοινές σημαντικές μεταβλητές φαίνεται να είναι το Συμβατικό (Conventional) και το Χύδην (Bulk) φορτίο. 3.2. υνδυασμένη Ανάλυση της μεταφορικής κίνησης των Λιμένων Πειραιά, Θεσσαλονίκης και Πάτρας 3.2.1. Ανάλυση Κατά Παράγοντες (Factor Analysis) Στην παρούσα ενότητα γίνεται συνθετική ανάλυση του μεταφορικού έργου των λιμένων Πειραιά, Θεσσαλονίκης και Πάτρας. Στην περίπτωση αυτή, επειδή υπάρχουν κοινές μεταβλητές, που ανήκουν στην ίδια κατηγορία μεταφορών (π.χ. συμβατικό φορτίο Πειραιά και συμβατικό φορτίο Θεσσαλονίκης), προκειμένου να διερευνηθεί η βαρύτητα της κάθε μεταβλητής στην εξέλιξη του συνολικού μεταφορικού έργου και να γίνει η σχετική κατάταξη, χρησιμοποιείται η μέθοδος Ανάλυσης Κατά Παράγοντες (ή Παραγοντικής Ανάλυσης) 4. Στον Πίνακα, που ακολουθεί, παρουσιάζεται η κατάταξη των μεταβλητών σε σχέση με αντίστοιχες κύριες συνιστώσες, σύμφωνα με τα αποτελέσματα της Ανάλυσης Κατά Παράγοντες. 4 Σε πολλές περιπτώσεις οι μέθοδοι της Ανάλυσης Κύριων Συνιστωσών και της Παραγοντικής Ανάλυσης ταυτίζονται. Η βασική διαφορά της δεύτερης από την πρώτη είναι ότι στην Παραγοντική Ανάλυση οι συνιστώσες μπορεί να συσχετίζονται λίγο μεταξύ τους (Morrison, 1990).
Πίνακας 7. Ανάλυση Κατά Παράγοντες Component Matrix Component 1 2 3 Conventional_Peir -,955,178 -,017 Conventional_Thes -,845,382,281 Passengers_Peir -,799 -,355,289 Passengers_Thes,777,008 -,193 Autos_Patr,733,346,412 Bulk_Peir,725 -,314,369 Passengers_Patr,648,421,575 Autos_Peir -,644,560,465 Containers_Thes -,359,828 -,164 Bulk_Thes,146,802 -,446 Containers_Peir,650,686 -,053 Ειδικότερα, όπως προκύπτει από τον πίνακα, παράγονται τρεις συνιστώσες στις οποίες συμμετέχουν σε μεγάλο βαθμό 8 μεταβλητές αντίστοιχα: Συμβατικό φορτίο (Conventional) Πειραιά, Συμβατικό φορτίο (Conventional) Θεσσαλονίκης, Επιβατική κίνηση (Passengers) Πειραιά, Επιβατική κίνηση (Passengers) Θεσσαλονίκης, Αυτοκίνητα (Autos) Πειραιά, Χύδην φορτίο (Bulk) Πειραιά, Εμπορευματοκιβώτια (Containers) Θεσσαλονίκης και Χύδην φορτίο (Bulk) Θεσσαλονίκης. Όπως και στην προηγηθείσα ανάλυση, η επιλογή του αριθμού των συνιστωσών μπορεί επίσης να αποτυπωθεί στο αντίστοιχο διάγραμμα Scree Plot (βλ. Γράφημα 3), που ακολουθεί, στον οριζόντιο άξονα του οποίου απεικονίζονται οι συνιστώσες, ενώ στον κάθετο οι αντίστοιχες ιδιοτιμές. Γράφημα 3. Επιλογή Κύριων Συνιστωσών Όπως παρατηρείται στο γράφημα, μετά την τρίτη τιμή, στο σημείο που αλλάζει σημαντικά η κλίση της καμπύλης, αποτυπώνεται ο αριθμός των συνιστωσών που θα πρέπει να συμπεριληφθούν στην ανάλυση. Συγκεκριμένα και σε συνδυασμό με τον σχετικό πίνακα που προηγήθηκε, η πρώτη συνιστώσα ερμηνεύει τη συνολική διακύμανση σε ποσοστό 48,525%, η δεύτερη σε ποσοστό 25,572% και η τρίτη σε ποσοστό 11,654%.
Συνολικά δηλαδή οι τρεις συνιστώσες ερμηνεύουν τη συνολική διακύμανση σε ποσοστό 85,750%, που κρίνεται ιδιαίτερα ικανοποιητικό. 3.2.2. Ανάλυση Συστάδων (Cluster Analysis) για την επιλογή περιόδων Στην περίπτωση προσδιορισμού χρονικών συστάδων, για τα τρία πλέον λιμάνια μαζί, από την εφαρμογή των τεσσάρων μεθόδων Ιεραρχικής Ανάλυσης (between groups linkage, within groups linkage, nearest neighbor, furthest neighbor), με τις τρεις νέες συνιστώσες που προέκυψαν, παρατηρείται ικανοποιητική ομαδοποίηση των ετών στις 3 από τις 4 μεθόδους (between groups linkage, within groups linkage και single linkage), όπου τα αποτελέσματα σχεδόν ταυτίζονται. Ειδικότερα, προκύπτουν δύο ομάδες ετών. Η πρώτη περιλαμβάνει μόνο 1 έτος, το 2009 και η δεύτερη τα υπόλοιπα (2008, 2007, 2006, 2005, 2004, 2003, 2002). Σ αυτή την περίπτωση θα μπορούσε να υποστηριχθεί, χωρίς ωστόσο μεγάλη βεβαιότητα, ότι η σχετικά μεγάλη κάμψη της μεταφορικής δραστηριότητας των λιμένων, που διαφοροποιεί το έτος 2009 από την υπόλοιπη περίοδο, αιτιολογείται από την εμφάνιση της οικονομικής κρίσης στην Ελλάδα. Τα σχετικά αποτελέσματα, αποτυπώνονται στα αντίστοιχα Δενδρογράμματα των ετών 2002-2009, τα οποία περιλαμβάνονται στο Παράρτημα ΙΙΒ. Τέλος, προκειμένου να υπάρξει μια πιο ολοκληρωμένη εικόνα των χρονολογικών συστάδων της περίδου έρευνας, εφαρμόζονται οι τέσσερις μέθοδοι Ιεραρχικής Ανάλυσης (between groups linkage, within groups linkage, nearest neighbor, furthest neighbor) και επί όλων των μεταβλητών-κατηγοριών μεταφορών των 3 λιμένων. Τα σχετικά αποτελέσματα κρίνονται ικανοποιητικά και στις 4 προαναφερόμενες μεθόδους, όπου και σχεδόν ταυτίζονται. Ειδικότερα, προκύπτουν δύο ομάδες ετών. Η πρώτη ομάδα περιλαμβάνει και εδώ μόνο 1 έτος, το οποίο όμως είναι το 2004 και η δεύτερη τα υπόλοιπα (2009, 2008, 2007, 2006, 2005, 2003, 2002). Ωστόσο, η διαφοροποίηση αυτή του έτους 2004, δεν μπορεί να διαμορφώσει το βέβαιο ισχυρισμό, με την παράλληλη ερμηνεία και των πρωτογενών στοιχείων, ότι υπάρχει ισχυρή επίδραση από κάποιο θετικό αναπτυξιακό γεγονός (π.χ. Ολυμπιάδα). Τα σχετικά αποτελέσματα, αποτυπώνονται στα αντίστοιχα Δενδρογράμματα των ετών 2002-2009, τα οποία περιλαμβάνονται στο Παράρτημα ΙΙΓ. 4. υμπεράσματα Η ανάπτυξη του λιμένα του Πειραιά, εκτός από τη λειτουργική σύνδεση του ηπειρωτικού με τον νησιωτικό χώρο, τη διασύνδεση των νησιών και την ενίσχυση της ανάπτυξης και της χωρικής συνοχής, προωθεί το εσωτερικό και εξωτερικό εμπόριο με ιδιαίτερη σημασία για την ελληνική ναυτιλία και οικονομία. Κατά συνέπεια, ασκεί σημαντική επίδραση στην συνολική αναπτυξιακή πορεία της χώρας. Στο παρόν αναπτυξιακό πλαίσιο και βάσει του στρατηγικού σχεδιασμού που προωθεί η Κοινοτική Πολιτική Μεταφορών, είναι σημαντική για την Ελλάδα η ευκαιρία που παρουσιάζεται από την λειτουργία των Θαλάσσιων Λεωφόρων οι οποίες αναπτύσσονται στο πλαίσιο των Διευρωπαϊκών Δικτύων Μεταφορών. Απαραίτητη βέβαια προϋπόθεση είναι ο εκσυγχρονισμός των ελληνικών λιμένων σε κομβικούς λιμένες, με πολλά προσδοκώμενα οφέλη για το μέλλον, που αναφέρονται μεταξύ άλλων στην περαιτέρω ανάπτυξη των θαλάσσιων μεταφορών, στην ενίσχυση της χωρικής συνοχής και στην αναπτυξιακή αναβάθμιση πολλών περιοχών της χώρας. Βέβαια, μέχρι τώρα η εμπορευματική κίνηση του Πειραιά, καθώς και των άλλων κύριων ελληνικών λιμένων (Θεσσαλονίκη, Πάτρα), που εξετάσθηκαν, παραμένει στα ίδια χαμηλά επίπεδα των τελευταίων χρόνων, όπως φάνηκε και στην προηγηθείσα ανάλυση (βλ. επίσης Παράρτημα Ι). Από τη σχετική ποσοτική επεξεργασία αρχικά για τον Πειραιά, προέκυψε ότι οι σημαντικότερες κατηγορίες μεταφορών που επηρεάζουν την κίνηση του λιμένα (εμπορευματική και επιβατική) είναι το Συμβατικό φορτίο, το Χύδην φορτίο και η Επιβατική κίνηση. Παράλληλα, στο πλαίσιο μιας προσπάθειας ομαδοποίησης ετών με κοινά χαρακτηριστικά, που αναφέρονται στην τελευταία δεκαετία, η οποία προσδιορίζει την πρόσφατη πορεία και τα χαρακτηριστικά εξέλιξης της μεταφορικής κίνησης του λιμένα του Πειραιά, παρατηρήθηκε ότι μπορούν να καταγραφούν δύο βασικές χρονικές περίοδοι (συστάδες) με κοινά χαρακτηριστικά. Στην πρώτη συστάδα περιλαμβάνεται το διάστημα 2002-2004, που αποτελεί περίοδο με αυξημένους ρυθμούς ανάπτυξης, γεγονός που θα μπορούσε να αποδοθεί στους Ολυμπιακούς Αγώνες, τάση όμως που δεν συνεχίστηκε, όπως φαίνεται από τη δεύτερη χρονική συστάδα, που αναφέρεται στη μετα-ολυμπιακή περίοδο και συγκεκριμένα στο διάστημα 2005-2009, όπου παρατηρείται κάμψη της ανάπτυξης, κυρίως προς το τέλος της περιόδου. Εδώ βέβαια, μπορεί να διατυπωθεί ο ισχυρισμός ότι αρχίζει σταδιακά η οικονομική κρίση, που έχει, στο συγκεκριμένο χρονικό διάστημα, αρχίσει να επιδρά και στην κάμψη των μεταφορών. Από τη συνδυασμένη ανάλυση και των τριών κύριων λιμένων Πειραιά, Θεσσαλονίκης και Πάτρας, παρατηρούνται κάποιες διαφοροποιήσεις, αφού μόνο δύο «κομβικά» έτη φαίνεται να αποκλίνουν από τα υπόλοιπα, το έτος 2004 και το έτος 2009 (το καθένα μόνο του αποτελεί ειδική «συστάδα»). Έτσι και στην περίπτωση αυτή, μπορεί να υποστηριχθεί ότι οι κύριες διαπιστώσεις, που διατυπώθηκαν παραπάνω, εξακολουθούν να ισχύουν.
Ωστόσο, επισημαίνεται ότι το ζήτημα της διατύπωσης σαφών αιτιωδών σχέσεων της εξέλιξης του μεταφορικού έργου και των όποιων χρονικών συγκυριών της χώρας, χρειάζεται μεγαλύτερη διερεύνηση προκειμένου να εξαχθούν ασφαλέστερα συμπεράσματα και βεβαίως, δεν μπορεί να εξαντληθεί στα όρια της παρούσας ερευνητικής προσπάθειας. Σε γενικές γραμμές, πρωταρχικά το λιμάνι του Πειραιά, καθώς και τα άλλα κύρια λιμάνια της χώρας, μειονεκτούν έναντι άλλων λιμανιών της ευρύτερης περιοχής της Μεσογείου και της Ανατολικής Ευρώπης σε αρκετά σημεία. Αυτά αφορούν βασικά την ανυπαρξία συνδυασμένων μεταφορών, κυρίως στη χρήση εμπορευματοκιβωτίων (containers). Στην πλειονότητα των σύγχρονων λιμένων η μεταφορά των εμπορευματοκιβωτίων επιτρέπει στη θαλάσσια μεταφορά να συνδυάζεται με την οδική και τη σιδηροδρομική μεταφορά, μειώνοντας σημαντικά το χρόνο και το κόστος φορτοεκφόρτωσης. Πιο συγκεκριμένα, τα σημαντικότερα μειονεκτήματα είναι (Χριστοφάκης 2007, Μούκας 2011): Η ανεπάρκεια σύνδεσης με το εθνικό σιδηροδρομικό δίκτυο (συνδυασμένες μεταφορές). Η ελλιπής και περιορισμένη διαχείριση φορτίου εμπορευματοκιβωτίων. Η μικρή διαθεσιμότητα αποθήκευσης εμπορευματοκιβωτίων στο χώρο των λιμένων και στην ευρύτερη περιοχή. Ο σχετικά περιορισμένος αριθμός θέσεων πλοίων. Η ανισορροπία στην ανάπτυξη σύγχρονων λιμενικών δραστηριοτήτων και υπηρεσιών και η απουσία οργανωμένης πολιτικής προσέλκυσης νέων πελατών (εξάρτηση από λίγες δραστηριότητες και από περιορισμένο κύκλο πελατών). Οι επενδύσεις σε σύγχρονες υποδομές, υπηρεσίες και συστήματα διοίκησης και διαχείρισης του μεταφορικού έργου στα ελληνικά λιμάνια και η ανάπτυξη των συνδυασμένων μεταφορών, είναι απαραίτητες προϋποθέσεις για την ενίσχυση της ανταγωνιστικότητας και της αποδοτικότητας των λιμένων, καθώς και για την επιβίωσή τους μέσα στο νέο ανταγωνιστικό περιβάλλον των διεθνών ροών, της ανάπτυξης των συνδυασμένων μεταφορών και της δημιουργίας του Ενιαίου Διευρωπαϊκού Δικτύου Μεταφορών. Παράλληλα, κρίνονται καίριας σημασίας για την ανταγωνιστικότητα και εξωστρέφεια της εθνικής οικονομίας. Βιβλιογραφία Ξενόγλωσση Βenevοlο L. (1980) The history of the City, London: Scolar Press. Chen Junli, Li Yan, Li Guangyu and Li Yian (2009) Period Selection of Traffic Impact Analysis Based on Cluster Analysis, Journal of Transportation Systems Engineering and Information Technology, 9(6): 63-67. Chung E. (2003), Classification of traffic pattern, 10 th World Congress on Intelligent Transport Systems, Madrid, November 16-20, paper 3233. Ferrari P, Treglia P., Cascetta E., Nuzzolo A., and Olivotto P. (1982) A new method for measuring the quality of circulation on motorways, Transportation Research Part B, 16(5): 399-418. Garrido A. R. and Mahmassani S. H. (2000) Forecasting freight transportation demand with the space time multinomial probit model, Transportation Research Part B, 34(5): 403-418. Glaeser L. E. and Kohlhase E. J. (2004) Cities, regions and the decline of transport costs, Papers in Regional Science, 83(1): 197-228. Hall P. (1993) Forces Shaping Urban Europe, Urban Studies, 30(6): 883-898. Morrison F. (1990) Multivariate statistical methods, 3rd edition, New York: McGraw Hill. Papadaskalopoulos A., Karaganis A. and Christofakis M. (2005) The spatial impact of EU Pan-European Transport Axes: City clusters formation in the Balkan area and developmental perspectives, Transport Policy, 12(6): 488-499. Rakha Η. and Van Aerde M. (1995) Statistical Analysis of Day-to-Day Variations in Real-Time Traffic Flow Data, Transportation Research Record, 1510: 26-34. Weijermars W. and van Berkum E. (2005) Analyzing highway flow patterns using cluster analysis, Proceedings of the 8th International IEEE Conference on Intelligent Transportation Systems, Vienna, Austria, September 13-16, 2005. Ελληνόγλωσση Μέργος Γ., Παπαδασκαλόπουλος Α., Χριστοφάκης Μ., Αρσενιάδου Ε. και Καλλίρη Α. (2004) Οικονομικά χαρακτηριστικά και στρατηγική ανάπτυξης της νησιωτικής Ελλάδος, Αθήνα: Ακαδημία Αθηνών-Γραφείο Οικονομικών Μελετών. Μούκας Β. (2011) Θαλάσσιες μεταφορές και συστήματα εφοδιασμού και διακίνησης προϊόντων (LOGISTICS): Η περίπτωση του Οργανισμού Λιμένος Πειραιώς, Διπλωματική Εργασία, Τμήμα Οικονομικής και Περιφερειακής
Ανάπτυξης Παντείου Πανεπιστημίου-Πρόγραμμα Μεταπτυχιακών Σπουδών, Αθήνα: Πάντειο Πανεπιστήμιο. Οργανισμός Λιμένος Πειραιώς Α.Ε. (2011), Στοιχεία Εμπορευματικής και Επιβατικής Κίνησης Λιμένα, διαθέσιμο στην ιστοσελία: www.olp.gr Οργανισμός Λιμένος Θεσσαλονίκης Α.Ε. (2011), Στοιχεία Εμπορευματικής και Επιβατικής Κίνησης Λιμένα, διαθέσιμο στην ιστοσελία: http://www.thpa.gr/ Οργανισμός Λιμένος Πάτρας Α.Ε. (2011), Στοιχεία Εμπορευματικής και Επιβατικής Κίνησης Λιμένα, διαθέσιμο στην ιστοσελία: http://www.patrasport.gr/ Παπαδασκαλόπουλος Α. (2008) Πρότυπα και Πολιτικές Περιφερειακής Ανάπτυξης, B έκδοση, Αθήνα: Eκδόσεις Διόνικος. Χριστοφάκης Μ. (2007) Μεταφορές και Περιφερειακή Ανάπτυξη: Η Πολιτική Υποδομών Μεταφορών, Αθήνα: Eκδόσεις Διόνικος.
Παράρτημα Ι: Πρωτογενή στοιχεία έρευνας εμπορευματική και επιβατική κίνηση λιμένων Πίνακας 1. Εμπορευματική και Επιβατική Κίνηση Λιμένα Πειραιά, 2002-2009 V2 V3 V4 V5 V6 Years Containers Autos Conventional Bulk Passengers 2002 1.404.939 321.445 3.441.531 1.175.562 19.966.352 2003 1.605.135 335.072 4.176.647 1.247.071 20.933.900 2004 1.541.563 423.575 4.552.658 579.131 20.255.879 2005 1.394.512 379.589 5.405.379 336.028 20.388.425 2006 1.403.408 493.969 5.994.257 477.392 20.507.263 2007 1.373.138 619.400 6.278.635 606.454 21.522.917 2008 433.582 555.245 6.041.749 431.187 21.984.057 2009 664.895 276.470 5.630.821 653.534 21.446.943 Πηγή : www.olp.gr Πίνακας 2. Εμπορευματική και Επιβατική Κίνηση Λιμένα Θεσσαλονίκης, 2002-2009 V2 V4 V5 V6 Years Containers Conventional Bulk Passengers 2002 240.439 3.142.808 14.963.214 218.032 2003 269.552 3.094.033 16.041.842 201.282 2004 336.096 3.526.301 18.827.651 209.066 2005 365.925 3.840.869 16.951.089 217.538 2006 343.727 3.895.984 16.722.343 129.684 2007 447.211 4.956.319 16.476.739 150.202 2008 238.940 4.445.644 14.898.720 163.502 2009 270.181 3.538.140 14.707.369 158.179 Πηγή : http://www.thpa.gr/ Πίνακας 3. Εμπορευματική και Επιβατική Κίνηση Λιμένα Πάτρας, 2002-2009 V6 V3α V3β V3 Years Passengers Trucks Passenger Cars Autos 2002 1.355.350 296.964 255.626 552.590 2003 1.263.124 304.979 249.345 554.324 2004 1.125.159 298.833 222.486 521.319 2005 1.247.991 283.778 226.269 510.047 2006 1.264.274 295.206 216.186 511.392 2007 1.130.880 296.900 211.864 508.764 2008 1.094.450 312.459 198.626 511.085 2009 981.288 251.429 171.698 423.127 Πηγή : http://www.patrasport.gr/
Παράρτημα ΙΙ: Δενδρογράμματα, βάσει των αποτελεσμάτων των εφαρμογών Α. Χρονικές Συστάδες (Cluster Analysis) ετών 2002-2009 Πειραιά Dendrogram using Average Linkage (Between Groups) 2003 2 -+---------+ 2004 3 -+ +-------------------------------------+ 2002 1 -----------+ 2007 6 -+---------+ 2008 7 -+ +-------------------------------------+ 2006 5 -+---+ 2009 8 -+ +-----+ 2005 4 -----+ Dendrogram using Average Linkage (Within Group) 2003 2 -+-----------+ 2004 3 -+ +-----------------------------------+ 2002 1 -------------+ 2007 6 -+---------+ 2008 7 -+ +-------------------------------------+ 2006 5 -+---+ 2009 8 -+ +-----+ 2005 4 -----+ Dendrogram using Single Linkage 2003 2 -+---------------------------------+ 2004 3 -+ 2007 6 ---+-----+ +-------------+ 2008 7 ---+ +---+ 2006 5 ---+-----+ +---------------------+ 2009 8 ---+ 2005 4 -------------+ 2002 1 -------------------------------------------------+ Dendrogram using Complete Linkage 2003 2 -+---+ 2004 3 -+ +-------------------------------------------+ 2002 1 -----+ 2007 6 -+-------+ 2008 7 -+ +---------------------------------------+ 2006 5 -+-+ 2009 8 -+ +-----+ 2005 4 ---+ Dendrogram using Average Linkage (Between Groups) 2005 4 -+-----------------+
2006 5 -+ +-----------------------------+ 2008 7 ---+---+ 2009 8 ---+ +-----------+ 2007 6 -------+ 2003 2 -------+---+ 2004 3 -------+ +-------------------------------------+ 2002 1 -----------+ Dendrogram using Average Linkage (Between Groups) 2005 4 -+-----------------+ 2006 5 -+ +-----------------------------+ 2008 7 ---+---+ 2009 8 ---+ +-----------+ 2007 6 -------+ 2003 2 -------+---+ 2004 3 -------+ +-------------------------------------+ 2002 1 -----------+ Dendrogram using Complete Linkage 2005 4 -+-------------+ 2006 5 -+ +---------------------------------+ 2008 7 -+-+ 2009 8 -+ +-----------+ 2007 6 ---+ 2003 2 ---+-+ 2004 3 ---+ +-------------------------------------------+ 2002 1 -----+ Β. Χρονικές Συστάδες (Cluster Analysis) στους 3 Παράγοντες Factors, Πειραιά-Θεσσαλονίκης-Πάτρας Dendrogram using Average Linkage (Between Groups) 2002 1 -+-------------------------------+ 2003 2 -+ +---+ 2004 3 -+-------------------+ 2005 4 -+ +-----------+ +-----------+ 2006 5 -----+---------------+ 2007 6 -----+ 2008 7 -------------------------------------+ 2009 8 -------------------------------------------------+ Dendrogram using Average Linkage (Within Group) 2002 1 -+---------------------------------+ 2003 2 -+ +-----+ 2008 7 -----------------------------------+ +-------+ 2004 3 -+---------------------+ 2005 4 -+ +-----------------+ 2006 5 -------+---------------+
2007 6 -------+ 2009 8 -------------------------------------------------+ Dendrogram using Single Linkage 2002 1 -+-----------------------+ 2003 2 -+ +---+ 2004 3 -+-------+ 2005 4 -+ +---------------+ +-------------------+ 2006 5 -------+-+ 2007 6 -------+ 2008 7 -----------------------------+ 2009 8 -------------------------------------------------+ Dendrogram using Complete Linkage 2002 1 -+---------------------------+ 2003 2 -+ +-------------+ 2004 3 -+---------------------------+ +-----+ 2005 4 -+ 2009 8 -------------------------------------------+ 2006 5 ---+-----------+ 2007 6 ---+ +---------------------------------+ 2008 7 ---------------+ Γ. Χρονικές συστάδες (Cluster Analysis) όλων των κατηγοριών μεταφορών, Πειραιά Θεσσαλονίκης Πάτρας Dendrogram using Average Linkage (Between Groups) 2005 4 -+---------+ 2006 5 -+ +-----------+ 2007 6 -----------+ +-----------+ 2008 7 -----+-----------------+ +-------------+ 2009 8 -----+ 2002 1 ---------+-------------------------+ 2003 2 ---------+ 2004 3 -------------------------------------------------+ Dendrogram using Average Linkage (Within Group) 2005 4 -+---------+ 2006 5 -+ +---------------+ 2007 6 -----------+ +-----------+ 2008 7 -------+-------------------+ +---------+ 2009 8 -------+ 2002 1 ---------------+-----------------------+ 2003 2 ---------------+ 2004 3 -------------------------------------------------+ Dendrogram using Single Linkage
2005 4 -+---------------------+ 2006 5 -+ +-------------------+ 2007 6 -----------------------+ +-+ 2008 7 -------------+-----------------------------+ +---+ 2009 8 -------------+ 2002 1 ---------------------------+-----------------+ 2003 2 ---------------------------+ 2004 3 -------------------------------------------------+ Dendrogram using Complete Linkage 2005 4 -+-----+ 2006 5 -+ +-----------+ 2007 6 -------+ +-----------------+ 2008 7 ---+---------------+ +-----------+ 2009 8 ---+ 2002 1 -----+-------------------------------+ 2003 2 -----+ 2004 3 -------------------------------------------------+