哈爾濱軌道交通運行效率研究

焦 紅,閆 瑾

東北林業大學 園林學院,黑龍江 哈爾濱150000

1 相關問題發現與研究

隨著我國城市化建設進程的不斷加快，城市的基礎配套設施越來越完善，交通運輸系統迎來了新挑戰。而城市軌道交通系統一方面可以極大的減輕交通壓力，另一方面還可以提高空間利用率、優化空間布局，在推進環保節約型城市的過程之中發揮著至關重要的作用。

數據包絡法（DEA）是一種具有基于被評價對象間相對比較的非參數技術效率評價方法。在分析多投入多產出的情況時，不必輸入與輸出的關系表達式，只需要根據決策單元的實際輸入數據、實際輸出數據便可以快速、高效的求出最優權重。

哈爾濱地鐵于2012 年開始通行，因而選取哈爾濱2013～2018 已經通行的兩條線路的數據進行分析，對哈爾濱地鐵近幾年的發展做出效率評價，從而有目的地對該系統加以改進。

圖1 哈爾濱目前通行地鐵線路Fig.1 The subway line at present in Harbin

圖2 哈爾濱主城區交通系統規劃圖Fig.2 Thetrafficsystem planofmainurbanareain Harbin

圖3 哈爾濱城市軌道交通建設規劃Fig.3 Plan ofurbanrailtrafficconstructionin Harbin

2 DEA 效率評價模型

數據包絡法的基本原理：運用科學化的方式使決策單元的輸入或輸出不受外界因素的影響，始終處于不變的狀態，然后參照統計數據、結合數據規劃明確生產前沿面，使各決策單元投影于DEA生產前沿面，并找出其同DEA 前沿面之間存在的偏離度，通過比對，從而判定它們的相對有效性。

圖4 DEA 評價方法的思路Fig.4 The evaluation thought of DEA

2.1 基于規模不變的的CCR 模型

Xij－第j個決策單元對第i種類型輸入的投入總量，xij＞0；yrj－第j個決策單元對第r種類型輸出的產出總量，yrj＞0；vi－對第i種類型輸入的一種度量，權系數；ur－對第r種類型輸出的一種度量，權系數；i－1,2,…,m；r－1,2,…,s；j－1,2,…,n。

如果將第j0個決策單元的效率、所有決策單元的效率分別定義為目標、約束，那么便可以建構出CCR 模型，具體如下：

運用Charnes-Cooper 變換，然后再將變量s-、變量s+以引入其中，便可以順利構建出對偶規劃模型，具體如下：minθ。

在上述模型之中，λj、θ均表示對偶變量。

在對DMU 的技術效率、規模綜合效率評價時，均選用CCR 模型，據此可以得出一系列結論，主要可以歸結為下列三點，具體如下：

（1）θ*＝1，且，即是指其在原有投資的基礎上，產出已經實現最優的目的；

（2）θ*＝1，但至少一個輸入或輸出在0 上。表明決策單元未實現規模最佳、效率最佳；

（3）θ*＜1，表明未實現技術效率最佳、規模最佳。

2.2 模型投入產出的指標確定

從數據的可得性等角度考慮，選五個指標作為投入變量，即運營線路數量、運營里程長度、運營車輛數、車站站點數、日均開行列次，進而展開深入論述與分析，以此展現哈爾濱在軌道交通系統建設方面的具體投資力度；同時，將三個不同指標定義為產出變量[1]，即客運量、軌道交通分擔率、線路客流強度，來反映投入資源所產生的運能及服務水平狀況。

表1 軌道交通系統運行效率評價指標體系Table 1 Evaluation index system of operation efficiency of rail transit system

3 城市軌道交通系統效率評價實例分析

本文在對哈爾濱市軌道交通的運行效率進行測度、評價的過程之中，選取了投入導向的DEA模型。借助MaxDEA 軟件對2013 年～2018 年這六年期間，哈爾濱市軌道交通的運行效率進行測度，如此一來，便可獲得6 個單位的綜合技術效率、規模效率、純技術效率。

表2 投入產出數據Table 2 Data of input and output

3.1 系統評價結果

表3 哈爾濱城市軌道交通系統評價結果Table 3 Evaluation results of urban rail traffic system in Harbin

3.2 規模效率分析

從綜合效率數據來看，2013 年的綜合效率值最低，之所以出現該種狀況主要是由于軌道交通正處于建設之中，客運量還未達峰值。通過對純技術效率進行深入觀察與分析之后可以得知，在2018年，資源沒有被完全利用，利用率非常低。從規模效率數據中可以看出，2013～2018 期間效率處于最低水平，由此表明，規模較小是導致綜合效率處于較低水平的主因。通過對規模報酬進行深入分析之后可知，在2015～2017 年期間，哈爾濱軌道交通的資源并沒有被完全應用，存在嚴重的浪費狀況。因此哈爾濱軌道交通在未來發展過程之中，應當將管理水平與管理能力的提升作為核心，以此來進一步提升資源的利用率[2]。

3.3 DMU 在生產前沿上的投影分析

對于無效DMU 指來講，在前沿上的投影便是目標值，通過恰當的方式對非DEA 有效的DMU產出值、投入值進行調整與優化，可以實現使DEA 有效的目的。

表4 2013、2014、2018 指標改進值Table 4 Indicator improvement of 2013、2014、2018

以2018 年為例，運營里程減少1.2 km，運營車輛數減少1 輛，車站站點數減少1 站，日均開行列次減少113 列，就會增加客運量930.3 萬人次，軌道分擔率增加0.006%，線路客流強度增加0.071萬人次/km。所以，在不考慮規模收益的前提之下，以投入導向視角作為切入點進行分析，當對城市軌道交通系統效率進行提升時，可以把投入冗余額作為重要參考依據。

4 結論和建議

哈爾濱市軌道交通蓬勃發展在為居民帶來極大便利的同時，也衍生了諸多難以處理的矛盾。針對哈爾濱市軌道交通面臨的問題和挑戰，本文主要通過數據包絡分析法，從縱向層面對2013-2018年期間哈爾濱軌道交通系統的運行情況進行了深入探析，其結論主要包括:

（1）在對哈爾濱軌道交通系統的優化調整過程中，要從技術和管理方面，充分考慮資源的分配及利用，以更好的發揮哈爾濱軌道交通系統的效益。并非盲目的增拓軌道交通的建設規模，進而產生過度投資的狀況。

（2）在提升城市軌道交通運行效率的過程之中，可以采取多種手段并舉的形式，如進一步強化軌道交通同地面公交的銜接深度、圍繞軌道交通建造“P+R”停車場等。根據城市公共健康空間設計導則提出的通過城市設計提升日常活動可能性的“5D 原則”，規劃出哈爾濱的幾個“P+R”停車場位置，從而增加公共交通可達性和開放空間的可達性。

圖5 規劃“P+R”停車場位置Fig.5 Planning of the“P+R”park

圖6 智能立體泊車裝置Fig.6 Intelligent stereo parking equipment

通過對當前哈爾濱市軌道交通建設狀況進行調查分析可知，哈爾濱軌道交通的站點數、建設規模均在持續擴大，在短時間范圍之內將會呈現出迅猛發展態勢，因而制定科學、完善、可行的城市整體交通規劃是當前最為緊迫的任務[3]。