我國綜合交通樞紐城市的生態交通效率及其影響因素研究

汪玲,張萌

(大連交通大學 交通運輸工程學院，遼寧 大連 116028)

隨著城市交通的不斷發展，一系列由交通發展帶來的環境污染等問題逐漸顯現.近期，由國務院發布的《國家立體綜合交通網絡樞紐規劃綱要》明確提出了“建設現代化高質量國家綜合立體交通網”的戰略發展目標，將加快建設20個國際性綜合交通樞紐城市列為主要任務之一.發展生態交通是現階段我國交通運輸的高質量發展的必然選擇.

目前，學術界對城市生態交通效率的研究主要側重于評價模型的構建，數據包絡分析(DEA)、模糊層次分析(FAHP)、主成分分析(PCA)、熵值法、BP神經網絡等多種方法被用于評價城市生態交通效率現狀，取得了一定的研究成果.歐國立等[1]結合FAHP-DEA法測算京津冀地區生態交通指數.張矢宇等[2]綜合運用PCA-DEA法評價武漢市交通生態效率.鄭兵云等[3]構建SBM-DEA非期望產出模型測度中國30個城市的生態交通效率，并運用空間面板計量模型分析其影響因素.尚玲宇等[4]采用DEA和熵值法測度北京市生態交通指數.陳沿伊等[5]構建DEMATEL-BCC模型評價深圳市生態交通發展效率.方松等[6]驗證了基于BP神經網絡構建城市生態交通系統評價模型的有效性.綜上所述，既有研究均限于對一般城市的評價，所選指標僅反映各城市的交通特征；而對生態交通效率與其影響因素間關系的定量研究也不多見.為此，本文側重選取符合綜合交通樞紐城市特點的指標，一方面基于非期望產出-超效率SBM模型測算樞紐城市的生態交通效率，克服了原有非期望產出SBM模型無法解決多個DMU效率值為1的缺點；另一方面，借助面板數據回歸分析方法揭示影響因素對生態交通效率的影響規律，避免了多重共線性等問題，結果更準確且真實可靠.

1 交通效率測算

1.1 DEMATEL法篩選關鍵測算指標

1.1.1 關鍵指標篩選步驟

綜合交通樞紐城市生態交通效率的測算指標應較一般城市的測算指標更具創新性和協調性，更貼近我國構建綜合立體交通網的要求.為此，通過查閱資料和調查各方意見，比較分析現有文獻中的關于城市生態交通[1,3]和綜合交通運輸效率[7]的評價指標體系，并結合國際性綜合交通樞紐城市的特征，最終從經濟、社會和交通三方面初選15個測算指標(見表1)，以此為基礎應用DEMATEL法篩選出關鍵指標.

DEMATEL法運用圖論與矩陣工具分析系統要素，通過對系統中各要素之間的邏輯關系與直接影響關系的分析，計算每個因素對其他因素的影響程度和被影響程度及計算出每個因素的中心度與原因度，最終篩選出系統中的主要因素.

1.1.2 關鍵指標篩選結果

本文應用MATLAB軟件編寫符合本文測算指標直接影響矩陣的計算代碼，計算結果見表1.

表1 綜合交通樞紐城市生態交通效率初選測算指標的中心度與原因度計算結果

其中:原因度大于0的指標對其他指標影響程度較大，原因度小于0的指標則受其他指標影響較大；中心度越大表示該指標對城市生態交通發展的作用越明顯.通過綜合比較原因度和中心度并考慮指標數據的可獲取性，本文最終篩選出國際性綜合交通樞紐城市生態交通效率的11個關鍵測算指標，并按投入產出類對指標分類,見表2.

表2 綜合交通樞紐城市生態交通效率關鍵測算指標

1.2 非期望產出-超效率SBM模型測算效率

1.2.1 非期望產出-超效率SBM模型的構建

原有非期望產出-SBM模型進行效率測算時，會出現多個DMU為有效狀態，即測得的效率值最大為1.為進一步比較此類DMU，需要在原有模型的前提下引入超效率模型進行區分.因此，本文使用非期望產出-超效率SBM模型計算效率值，以克服原有非期望產出-SBM模型的缺點.

本文以城市PM2.5數值作為非期望產出，以公路、鐵路、航空客貨運總量作為期望產出，采用式(1)中非期望產出-超效率SBM模型.

本模型的有效性判定方法如下：若ρ<1，則DMUo無效，說明城市未達到生態交通效率標準；若ρ≥1，則DMUo有效，說明城市達到生態交通效率標準，且ρ值越大，城市生態交通發展水平越高.

1.2.2 城市生態交通效率的測算結果分析

本文共選取2011—2019年20個城市共180個樣本的指標數據.數據來源于《中國城市統計年鑒》《中國能源統計年鑒》《中國交通運輸統計年鑒》及各城市國民經濟和社會發展統計公報、相關官方網站等.利用MAXDEA軟件對模型(1)進行測算，得出各城市生態交通效率具體結果.可知，大部分城市在全部年份或部分年份的生態交通效率實現了DEA有效，效率值超過了1，達到了生態交通效率的標準，其中個別城市如廣州市達到了效率值為2的高水平；少數城市的生態交通效率值在0.1～0.5之間，效率值偏低，與生態交通效率標準尚有較大差距.可見，針對DEA有效(即效率值大于或等于1)的城市生態交通效率，不同于原有非期望產出SBM模型計算的效率值均為1的情況，引入超效率模型可以測算出不同的效率值，這能夠更為準確地反映各城市生態交通效率的實際水平，便于進一步比較城市間的效率差異.據此，對2011—2019年全部城市生態交通效率的均值進行排序(圖1)，并針對各城市生態交通效率的變化趨勢繪制曲線圖,見圖2.

圖1 2011—2019年20個城市生態交通效率均值排序圖

圖2 2011—2019年各城市生態交通效率變化趨勢曲線圖

根據圖1所示，9年間共有8個城市的生態交通效率均值超過1.其中，廣州市、海口市的效率均值明顯高于其他城市，得益于兩個城市均是我國最早期的低碳交通試點城市，且近年來綠色交通體系建設、運營、管理等多項指標均居全國前列，促使城市生態交通發展始終呈現較高水平；北京、上海、昆明、重慶、成都和武漢6個城市的生態交通效率均值在1～1.2之間，達到生態交通標準，反映出各城市在調整交通策略、適應城市空間形態變化、構建低碳綜合交通體系等方面取得了一定的成效，使得城市生態交通呈良好發展態勢.在城市生態交通效率均值低于1的12個城市中，西安、烏魯木齊、天津、廈門、青島和深圳6個城市位于0.6～0.9之間，但這些城市在九年間也曾多次達到生態交通效率的標準，卻因交通管理水平低效、節能減排效果不夠理想，導致城市生態交通發展水平不穩定，與先進地區相比仍有一定的差距；鄭州、沈陽、杭州、南京、大連和哈爾濱6個城市的生態交通效率均值不足0.4，與標準相差較大，主要因為城市擁堵引發交通能耗和環境污染加劇的問題相對突出，綜合交通體系不夠協調，造成城市生態交通發展水平持續走低.從總體情況來看，20個城市的生態交通效率均值為0.791 5，共有9個城市的效率值低于整體平均水平，生態交通發展有較大提升空間，而這9個城市分屬于我國經濟基礎好、交通便利的東部和中部地區，說明中東部城市在依托自身優勢創建綜合交通樞紐城市的同時應將優化城市交通系統發展策略，尤其應將加大交通節能減排措施的實施力度放在首位.

從圖2中2011—2019年各城市的生態交通效率來看，整體呈現上升趨勢，但各城市間也存在不同的變化趨勢.廣州呈先下降再上升逐漸穩定后緩慢下降；北京、重慶、西安三個城市的效率趨勢變化曲線呈“U”形；天津、青島、廈門三個城市呈“梯字形”；杭州、大連、海口三個城市呈“M”形；鄭州、深圳呈“W”形；烏魯木齊呈倒“Z”形；沈陽先處于穩定隨后緩慢上升；成都呈“V”形；武漢、昆明先保持穩定隨后緩慢下降；南京、哈爾濱兩個城市呈先上升后下降逐漸穩定后再緩慢上升；上海市先是呈“梯字形”再呈“V”形.

2 影響因素分析

由測算結果可知，各城市生態交通效率的差異較明顯，部分城市尚未達到有效狀態，這有礙于我國綜合交通立體網的高質量發展.為此，有必要深入分析城市生態交通效率與其影響因素之間的關系，找出問題根源，進而提出相應的解決對策.

面板數據回歸模型能夠同時分析、對比由橫截面數據和時間序列數據混合的二維數據，相對于一般的計量回歸模型，具有考慮數據共性問題、提供更多個體特征、樣本容量大等優勢.此模型的應用思路如下：首先進行單位根檢驗，檢驗數據的平穩性以避免偽回歸；采用F檢驗判斷選擇面板數據模型的類型，依此建模、計算和檢驗.

2.1 面板數據回歸模型的構建

本文使用Eviews軟件對自變量與因變量進行單位根檢驗，并根據F檢驗結果選擇構建固定效應回歸模型.將2011—2019年20個國際性綜合交通樞紐城市11個影響因素的時間序列與橫截面數據組合，構建面板數據回歸模型如式(2)所示：

Yit=β0+β1X1it+β2X2it,…,+β11X11it+uit

(2)

式中：Y表示城市生態交通效率；X1,X2,…，X11表示各影響因素值；i=1,2…,20表示各城市；t=1,2，…,9表示各年；β0為截距項；β1，β2，…,β11為待估系數；uit為擾動項.

需要說明的是，針對同一個城市構建的時間序列多元線性回歸模型會存在多重共線性，其根源在于解釋變量之間的相關性，即影響因素的共同趨勢.為此，應進行單相關或多元相關性的分析檢驗以判斷各影響因素間多重共線性問題.以上述11個影響因素中的城市GDP和各交通方式貨運量為例，兩個影響因素都具有共同的時間趨勢，且兩者之間存在的強相關性已得到眾多學者的定量驗證[8-9]，若將其同時作為解釋變量構建時間序列模型會明顯降低模型的有效性，而使用20個城市的面板數據構建模型，兩個影響因素之間存在共線性的可能就會大大減弱，在增加截面個體維度的同時也增加了數據的變異，可以獲取更多有關城市GDP和貨運量的可靠信息.

2.2 面板數據回歸模型計算結果分析

將因變量與處理后的自變量輸入Eviews軟件，對模型(2)進行運算，固定效應回歸模型運行結果見表3.

表3 固定效應回歸模型運行結果

2.2.1 模型檢驗

固定效應回歸模型檢驗統計結果見表4.由表4可知，R2和Adjusted-R2均大于0.8，F檢驗的統計值為28.376 5，顯著性水平的Prob值為0.000 0，達到了1%水平下的顯著效果.由此可以看出，該回歸模型擬合度良好，說明該回歸模型的計算結果是合理可接受的.

表4 固定效應回歸模型檢驗統計結果

2.2.2 模型計算結果分析

根據表3所示的回歸結果，對模型有關變量系數做如下具體解釋：

第一，城市GDP的回歸系數為-0.298 9，其對城市生態交通效率呈負相關，且通過5%的顯著性水平檢驗.由此可看出，城市經濟實力越強，并非意味著生態交通效率越高.生態交通效率是產出與投入之比，其最優結果應表現為用盡可能少的投入獲得更多的產出.從這個意義上來說，造成城市GDP系數為負值的原因在于，城市在不斷投入經濟要素的同時忽視了生態交通方面是否產生相應水平的效益，盲目追求擴大投資規模，存在無效投入，導致增加一定比例的投入卻不能獲得最優比例的產出，生態交通效率下降.這也側面反映出，僅一味地加大經濟投入帶動城市交通發展的模式顯然難以適應高質量城市交通的發展要求，必須注重投入的有效性及其與產出之間的匹配性，避免出現投入浪費的現象.例如：北京市自2010年后擴大了交通資本投資規模，雖在其后幾年間逐漸認識到建設生態交通的重要性，并采取了一系列措施，但生態交通系統仍處于初級建設階段，所投入要素尚未得到有效合理的利用，特別是2012—2013年客運樞紐場站數量的減少更是削弱了城市生態交通系統的整體效益[4]，致使效率值在2013年降至九年間的最低點.

第二，交通能源消耗量的回歸系數為-0.311 7，其對城市生態交通效率呈負相關，且通過1%的顯著性水平檢驗.健康的城市生態交通系統實質是節能型的城市交通系統，這從客觀上要求應該把降低城市交通能耗作為建設城市生態交通的出發點和最終目標.顯而易見，交通能耗越大，越不利于交通系統可持續發展，生態交通效率必然越低.以廣州市為例，廣州市早在“十一五”時期開始推進交通運輸節能減排工作，先后被列為“國家低碳交通運輸體系建設試點城市”“國家節能與新能源汽車示范推廣試點城市”，至今已形成了完善的交通運輸節能減排制度體系.高效的交通節能工作已為城市生態交通的建設提供了強有力的保障，這也是廣州市生態交通效率值遠高于其他城市的主要原因.

第三，公路貨運量、鐵路客運量、鐵路貨運量、民航客運量的回歸系數分別為0.219 7、0.107 3、0.099 9和0.316 5，均對城市生態交通效率呈正相關，且總體通過10%的顯著性水平檢驗.各種交通方式所完成的客貨運量能夠在一定程度上反映其運輸能力，增強運輸能力有助于從交通運輸技術層面提高城市生態交通效率.

第四，需要解釋的是，為避免出現偽回歸，計算過程中去除了部分自變量，包括城市人均擁有道路面積、城市綠化覆蓋率、公路客運量、民用航空貨郵運量以及城市PM2.5數值，原因在于此類變量的原始數據比較平穩，代入模型運算會使結果產生很大偏差.但從理論上可推知，城市PM2.5對城市生態交通效率呈負相關，其余變量均呈正向促進作用.

3 提高效率的建議

3.1 經濟方面——加大交通有效投入

綜合交通樞紐城市通常是區域內經濟較發達、交通運輸資源較豐富的城市，各類要素的集聚程度較高.在推進生態交通建設過程中，樞紐城市應找準定位，發揮先行作用，加大投入與轉變方式并舉.在加強交通行業投資力度，提高行業內全要素生產率的同時，更要轉變思想，從以往只注重規模擴張轉變為注重投入產出實際效益的平衡狀態，引導各類資金更多投向符合生態要求的交通運輸資源，確保生態交通發展與資本投入的規模、結構及趨勢相匹配，以追求城市生態交通效率最大化為目標，實現綜合交通體系高質量發展.

3.2 社會方面——強化交通節能環保

城市交通運輸體系的具體形態會直接影響城市交通的能源消耗量[10].作為國家交通網絡的重要節點，綜合交通樞紐城市的交通高能耗及其所引發的高污染問題都較一般城市更為突出.因此，可考慮采取如下解決措施：一是優化城市土地利用布局，實施高密度集中型土地開發模式，建立適合慢行交通的空間，減少機動車的出行需求；二是提高低能耗運輸方式如鐵路、水路在綜合運輸體系中的分擔比例，降低運輸能耗強度；三是擴大“互聯網+”智慧交通覆蓋范圍，提升綜合交通體系的運行效率，減少非必要交通能耗和污染排放，從而提高生態交通效率.

3.3 交通方面——形成全系統綜合運輸能力

在交通運輸技術特征方面，不同功能和等級的綜合交通樞紐城市應具備不同程度的路網規模、吸引和輻射能力及承擔的客貨運量[11].由于樞紐城市是多條綜合運輸通道上各種運輸方式骨干線路的必經地區，因此其交通運輸體系實質上是一個多維、多因素的系統綜合體.針對具有如此復雜交通系統的樞紐城市而言，提高其生態交通效率的關鍵在于，應根據城市屬性和各種運輸方式的功能配置側重于促進各種交通方式在系統綜合運輸能力上的深層次協調，最終形成適應國民經濟發展需要的全系統綜合運輸能力.

4 結論

(1)采用非期望產出-超效率SBM模型測算了20個國際性綜合交通樞紐城市的生態交通效率.2011—2019年大部分城市的效率大于1，且超效率值較高，但也有一些城市的效率偏低，不足0.5，說明我國城市生態交通建設水平雖有所提高，但距離現代化綜合交通樞紐城市的建設目標仍有一定差距.

(2)運用面板數據回歸模型分析了城市生態交通效率的影響因素，結果表明：城市GDP、交通能源消耗量對城市生態交通效率呈負相關；公路貨運量、鐵路客運量、鐵路貨運量、民航客運量對城市生態交通效率呈正相關.

(3)基于定量分析結果，分別從經濟、社會和交通三方面提出了提高效率的對策.解決城市生態交通問題的措施有很多，本文重點結合綜合交通樞紐城市生態交通效率的內涵特征，從影響效率的三個主要根源因素著手，以期為我國建設綜合交通樞紐城市、促進交通運輸高質量發展提出可借鑒的參考依據.