“双碳”目标下国家中心城市绿色交通水平评价方法

高阳; 马壮林; 刘杰

doi:10.16503/j.cnki.2095-9931.2022.03.003

交通运输研究 >

2022 , Vol. 8 >Issue 3: 30 - 41

DOI: https://doi.org/10.16503/j.cnki.2095-9931.2022.03.003

“双碳”目标下国家中心城市绿色交通水平评价方法

高阳 ^,¹ ,
马壮林 ^,¹ ,
刘杰 ²

展开

1.长安大学运输工程学院，陕西西安 710064
2.徐州工程机械集团有限公司，江苏徐州 221004

马壮林（1980—），男，辽宁鞍山人，博士，教授，硕士生导师，研究方向为城市交通规划、交通政策与分析。E-mail: zhuanglinma@chd.edu.cn

高阳（1995—），男，山东滕州人，硕士研究生，研究方向为绿色交通评价及政策、交通可持续发展。E-mail: 17853518636@163.com

收稿日期: 2022-04-01

网络出版日期: 2022-07-05

基金资助

教育部人文社会科学研究青年基金项目(18YJCZH130)

陕西省自然科学基金项目(2021JZ-20)

西安市2020年度社会科学规划基金重点项目(JG96)

中央高校基本科研业务费项目(300102229304)

收起

Evaluation Method of National Central Cities′ Green Transportation Level under Carbon Peaking and Carbon Neutrality Goals

GAO Yang ^,¹ ,
MA Zhuang-lin ^,¹ ,
LIU Jie ²

Expand

1. College of Transportation Engineering, Chang′an University, Xi′an 710064, China
2. Xuzhou Construction Machinery Group Co., Ltd., Xuzhou 221004, China

Received date: 2022-04-01

Online published: 2022-07-05

Fold

摘要

为衡量国家中心城市绿色交通水平，探寻了制约其绿色交通发展的关键因素，以制定针对性的发展策略，推动交通运输领域“双碳”目标的实现。首先，根据国家中心城市绿色交通系统的特点，采用驱动力-压力-状态-影响-响应（Driver-Pressure-State-Impact-Response, DPSIR）模型构建国家中心城市绿色交通水平评价指标体系。然后，分别采用直觉模糊层次分析法（Intuitionistic Fuzzy Analytic Hierarchy Process, IFAHP）和熵权法确定评价指标的主、客观权重，并借鉴博弈论思想提出评价指标的综合赋权方法。之后，采用改进的集对分析-可变模糊集耦合模型评价国家中心城市绿色交通水平。最后，引入障碍度模型识别限制国家中心城市绿色交通发展的关键因素和制约类型。结果表明：2020年9个国家中心城市绿色交通均属于“一般”水平，呈现出“边高中低”的空间分布特征;日均轨道交通客运量占城市人口比重、交通干线噪声平均值、节能环保支出占财政支出比重、人均GDP和交通运输支出占财政支出比重是制约国家中心城市绿色交通水平的关键因素。

关键词： 国家中心城市; 绿色交通水平; “双碳”目标; DPSIR模型; 评价指标体系; 集对分析; 可变模糊集

本文引用格式

高阳 , 马壮林 , 刘杰 . “双碳”目标下国家中心城市绿色交通水平评价方法[J]. 交通运输研究, 2022 , 8(3) : 30 -41 . DOI: 10.16503/j.cnki.2095-9931.2022.03.003

Abstract

In order to measure the green transportation level of national central cities, this paper explored key factors restricting the development of green transportation, and formulated the targeted development strategies to promote the realization of carbon peaking and carbon neutrality goals in transportation industry. Firstly, according to the characteristics of green transportation system in national central cities, the DPSIR(Driver-Pressure-State-Impact-Response) model was used to construct the evaluation index system of green transportation level. Then, the subjective and objective weights of evaluation indicators were determined by the IFAHP(Intuitive Fuzzy Analytic Hierarchy Process) and entropy weight method respectively. Furthermore, the comprehensive weighting method was put forward referring to the idea of game theory. After that, the improved set pair analysis variable fuzzy set coupling model was utilized to evaluate the green transportation level of national central cities. Finally, the obstacle degree model was introduced to identify the key factors restricting the development of green transportation and restriction types. The results show that: the green transportation level of nine national central cities in 2020 belongs to the "general" level, which presents the spatial distribution characteristics of "high in the edge and low in the middle"; the ratio of daily average rail transit passenger volume to urban population, mean value of noise in traffic arterial, the ratio of expenditure on energy conservation and environmental protection to fiscal expenditure, per capita GDP, and the ration of transportation expenditure to fiscal expenditure are key factors restricting the green transportation level.

Key words： national central city; green transportation level; carbon peaking and carbon neutrality goals; DPSIR model; evaluation index system; set pair analysis; variable fuzzy set

0 引言

近年来，由温室气体排放导致的全球气候环境问题引起国际社会广泛重视。为保护全球生态、促进节能减排，中国肩负起大国责任，积极推动生态文明建设，并力求实现“2030年前碳达峰、2060年前碳中和”的“双碳”目标。交通运输作为国民经济的基础性产业，同时也是碳排放的主要来源，已经成为仅次于工业和能源产业的第三大能耗产业^[1]。《交通强国建设纲要》将绿色发展作为交通强国建设的重要任务^[2];《国家综合立体交通网规划纲要》提出“从源头减少交通噪声、污染物、二氧化碳等排放，促进交通能源动力系统清洁化、低碳化、高效化发展”^[3];《中共中央国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》要求从优化交通运输结构、推广节能低碳型交通工具和积极引导低碳出行三个方面加快推进低碳交通运输体系建设^[4]。显然，促进交通运输系统低碳化转型、提升城市绿色交通水平已经成为“双碳”背景下交通运输行业新的历史使命。

国家中心城市这一概念最早由2007年原建设部上报国务院的《全国城镇体系规划（2006—2020年）》提出^[5]，但是“国家中心城市”在学术界尚未有明确的定义，有学者从不同的角度分别阐述了国家中心城市的概念和特征^[6⇓-8]，如：田美玲等^[9]认为国家中心城市是指在全国城镇体系中具有核心控制作用，在全球城市网络系统中具有重要的功能节点作用的特大城市;从国内层面来看，国家中心城市是全国经济、政治、文化等综合发展水平的最高代表;从国际层面来看，国家中心城市是国家对外开放的重要载体。综上，本文认为国家中心城市作为全国城镇体系的核心，具有中心性和国际性两大基本特征，起到集聚、联系、辐射和带动全国腹地城市发展的重要作用，其交通发展与社会进步、资源节约、环境保护之间的矛盾较其他城市更为凸显，交通发展现状与绿色低碳交通理念之间的矛盾尤为突出。因此，如何客观地评价国家中心城市绿色交通水平，分析制约其交通系统低碳化、绿色化转型的障碍因素，对促进国家中心城市绿色交通发展，带动辐射区域绿色交通水平提升，全面实现交通运输领域的“双碳”目标具有重要的现实意义。

目前，关于绿色交通水平评价的研究大多集中在评价指标体系构建和评价方法选择两个方面。一些学者从规划、现状分析等不同阶段构建绿色交通规划评价指标体系^[10]、绿色交通系统现状评价指标体系^[11];还有一些学者从城市类型^[12]和城市规模^[13]的角度构建绿色交通水平评价指标体系。上述研究丰富了绿色交通评价理论，但这些研究构建的评价指标体系是以绿色交通水平的影响因素为基础，忽略了指标间的相互影响和作用。因此，一些学者将环境评价领域应用较为成熟的、能够全面反映评价对象各子系统间相互反馈机制和相关性的驱动力-压力-状态-影响-响应（Driver-Pressure-State-Impact-Response, DPSIR）模型引入绿色交通领域，评价了徐州^[14]、重庆^[15]和关中平原城市群^[16]的绿色交通水平。这些研究为绿色交通评价的进一步发展奠定了基础，但这些研究构建的评价指标体系没有考虑反映交通运输能耗和碳排放强度等具有“双碳”背景的评价指标。

国内外常用的评价方法主要有价值函数法^[17]、灰色关联度法^[12]、云物元分析法^[18]、优劣解距离法（Technique for Order Preference by Similarity to an Ideal Solution, TOPSIS）^[19]和系统动力学模型^[20]等。绿色交通系统因其复杂性和广泛性，评价指标与对应评价标准间存在模糊性和不确定性，而上述评价方法难以有效处理该问题，导致评价结果准确性欠佳。为了使评价结果更加准确合理，部分学者将集对分析与可变模糊集理论的优势互补，构建集对分析-可变模糊集耦合模型来系统地解决研究对象的不确定性问题^[21-22]。然而，该模型忽略了可变模糊集的特点，未考虑其模型参数的可变性，因此李宗坤等^[23]从细化评语等级、考虑模型参数可变性等角度对传统的集对分析-可变模糊集模型进行了改进。

综上所述，现有关于绿色交通水平评价的研究存在以下不足：①研究对象多以中小城市为主且较为单一，鲜有针对城市规模庞大、人口数量众多、交通结构复杂的国家中心城市绿色交通评价的研究;②构建的指标体系未考虑绿色交通系统的“双碳”特征，缺乏普适性;③绿色交通评价指标体系缺少理论依据，忽略了指标间的相互影响和作用;④采用的评价方法难以有效地处理指标间的模糊性和不确定性，造成评价结果的准确性欠佳。鉴于现有研究的不足，本文从研究对象、评价指标、体系构建和评价方法4个方面进行了改进和弥补。首先，采用DPSIR理论模型框架构建国家中心城市绿色交通水平评价指标体系，分别采用直觉模糊层次分析法（Intuitionistic Fuzzy Analytic Hierarchy Process, IFAHP）和熵权法确定指标的主、客观权重，借鉴博弈论思想提出指标的综合赋权方法;然后，采用改进的且可以较好地处理指标间模糊性的集对分析与可变模糊集模型评价国家中心城市绿色交通水平;最后，引入障碍度模型识别限制国家中心城市绿色交通发展的关键因素，为制定针对性的措施提供参考依据。

1 国家中心城市绿色交通水平指标体系构建

绿色交通系统是一个复杂的综合系统，其与社会、经济、资源和环境等外部因素息息相关。而DPSIR模型可以从系统的角度反映社会、经济、资源和环境等要素与评价对象间的相互关系，使整个系统形成闭环反馈机制，具有全面性、系统性和整体性的优点^[24]。

1.1 DPSIR理念下国家中心城市绿色交通机理分析

以DPSIR模型为理论框架，结合国家中心城市绿色交通发展的特点，深入分析国家中心城市绿色交通各子系统及其与社会、经济、资源和环境间的相互关系。其作用机理可概括为：社会和经济的发展、人口规模的扩张、城市化进程的加快和机动化水平的提升作为国家中心城市绿色交通发展的驱动力（D），不断促进和抑制国家中心城市绿色交通的发展。国家中心城市交通系统可持续发展和节能减排的实施离不开财政支持，而在驱动力的作用下，国家中心城市交通系统将会直接面临交通供给不足、土地占用、交通需求增加等一系列问题，间接引起能源消耗、环境污染，进而抑制国家中心城市绿色交通的进一步发展，表现为国家中心城市交通可持续发展和生态环境改善的压力（P）。由于人类社会系统和生态系统的弹性和调节机制，国家中心城市交通系统在驱动力和压力的联合作用下，将会达到一个“相对平衡”的状态（S），该状态呈现于城市交通运行的实际状况，是交通运行状况和交通出行结构的综合表现。与此同时，国家中心城市绿色交通系统以这种“相对平衡”的状态维持运行的过程中必然会对社会、环境产生影响（I），如空气污染、能源消耗和交通事故等，这些影响会形成反馈，反作用于状态，进而打破这种脆弱的“相对平衡”。当该平衡被打破，交通运输系统“失衡”，国家中心城市绿色交通水平会出现波动。为进一步提升绿色交通水平，相关管理部门的决策者将会采取政策引导、生态建设、资金投入等作出响应（R），对驱动力、压力、状态和影响进行反馈，以提升公众对交通出行的满意度，减小交通运行对资源、环境的负面影响，进而稳步促进国家中心城市绿色交通水平的提升。

1.2 基于DPSIR模型的评价指标体系构建

本文通过分析DPSIR模型与绿色交通各子系统间的相互作用机制以及国家中心城市绿色交通系统的特点，采用频度分析和系统分析的方法对相关文献指标进行归纳总结，遵循指标体系构建的客观性、可比性等原则，结合DPSIR理论框架和《交通强国建设评价指标体系》^[25]等相关标准规范构建包含目标层、准则层、因素层和指标层的4层递阶结构的国家中心城市绿色交通水平评价指标体系，如表1所示。

表1 国家中心城市绿色交通水平评价指标体系

目标层	准则层	因素层	指标层	指标性质
国家中心城市绿色交通水平	驱动力D	社会经济发展	人均GDP/元	正向
		社会经济发展	GDP增长率（%）	正向
		人口	人口密度/（人·km^-2）	负向
		人口	人口自然增长率（‰）	负向
		城市化进程	城市化水平（%）	负向
		机动化水平	机动车增长率（%）	负向
	压力 P	交通供给	万人公交车标台数/标台	正向
			轨道交通线网密度 /（km·km^-2）	正向
			道路交通设施用地消耗比重（%）	正向
		土地使用	道路网密度/（km·km^-2）	正向
		土地使用	人均道路面积/m²	正向
		能源消耗	交通运输业占能源消耗总量比重（%）	负向
		能源消耗	单位GDP能耗/（吨标准煤·万元^-1）	负向
		环境污染	交通运输碳排放量/百万吨	负向
		环境污染	交通干线噪声平均值/dB	负向
	状态 S	交通运行状况	高峰小时交通运行延时指数	负向
		交通运行状况	高峰期平均车速/（km·h^-1）	正向
		交通出行结构	日均轨道交通客运量占城市人口的比重（%）	正向
		交通出行结构	日均公交车客运量占城市人口的比重（%）	正向
	影响 I	环境影响	空气质量优良天数比例（%）	正向
			可吸入颗粒物平均浓度 /（ug·m^-3）	负向
			单位GDP能耗下降率（%）	正向
		社会影响	交通运输事故频率 /（起·万车^-1）	负向
		社会影响	交通运输事故死亡率 /（人·万车^-1）	负向
	响应 R	资金投入	交通运输支出占财政支出比重（%）	正向
		资金投入	节能环保支出占财政支出比重（%）	正向
		生态建设	建成区绿化覆盖率（%）	正向

1.3 评价指标权重计算

国家中心城市绿色交通水平评价指标较多且各指标间存在相关性，采用单一的指标赋权方法具有片面性，难以科学有效地表征评价指标间的相对重要程度。鉴于此，统筹考虑主、客观赋权法的优劣，借鉴博弈论思想提出主客观联合赋权法用以确定评价指标的综合权重。

1.3.1 直觉模糊层次分析法（IFAHP）

IFAHP是层次分析法与直觉模糊集相结合的产物，将重要度细分为隶属度u_A、非隶属度v_A和犹豫度π_A3部分，且u_A+v_A+π_A=1。该方法能够在决策者对研究对象重要度作出判断的同时，表征决策者在判断过程中的犹豫程度，更好地反映专家在判断指标相对重要程度中的不确定性。

首先，通过邀请交通规划、政策分析和双碳目标路径决策等相关领域的专家对国家中心城市绿色交通水平评价指标中同一层级指标的相对重要度进行判断，根据两两比较的相对重要度赋值标准，构建国家中心城市绿色交通水平评价指标的直觉模糊判断矩阵R如下：

（1）

R = r 11 ⋯ r 1 j ⋮ ⋮ r i 1 ⋯ r i j n × n = (u 11, v 11) ⋯ (u 1 j, v 1 j) ⋮ ⋮ (u i 1, v i 1) ⋯ (u i j, v i j) n × n

式（1）中：r_ij为国家中心城市绿色交通水平评价指标的直觉模糊判断矩阵R中第i行第j列的元素;n为属于同一层级的指标个数;u_ij为国家中心城市绿色交通水平评价指标体系中指标i相对指标j的重要程度，u_ij∈[0,1];v_ij为国家中心城市绿色交通水平评价指标体系中指标j相对指标i的重要程度，v_ij∈[0,1]。

其次，通过构建乘法一致性直觉模糊判断矩阵

R ¯

对直觉模糊判断矩阵R进行一致性检验。利用距离公式计算

R ¯

与R之间的距离，若距离小于0.1，则认为直觉模糊判断矩阵R满足一致性检验的要求;否则引入修正系数λ对R进行调整，λ∈[0,1];若距离仍大于0.1，则重复上述步骤直至得到满足检验要求的直觉模糊判断矩阵R。

根据满足一致性检验的直觉模糊判断矩阵的具体数值，计算国家中心城市绿色交通水平评价指标体系中单层指标i的主观权重

w ¯ i

，即

（2）

w ¯ i = (u i, v i) = ∑ j = 1 n u i j ∑ i = 1 n ∑ j = 1 n (1 - v i j), 1 - ∑ j = 1 n 1 - v i j ∑ i = 1 n ∑ j = 1 n u i j

为便于赋权，采用记分函数

Q w i ¯

对式（2）求得的主观权重

w ¯ i

去模糊化，将其转化为单层指标权重w_i，即

（3）

w i = Q (w ¯ i) ∑ i = 1 n Q (w ¯ i) = 1 - v i 2 - u i - v i ∑ i = 1 n 1 - v i 2 - u i - v i

最后，在确定国家中心城市绿色交通水平评价指标体系中单层指标权重w_i的基础上，结合其隶属的准则层权重得到指标i的综合主观权重U_i。

1.3.2 熵权法

熵权法是通过计算指标信息熵来表征指标间的差异程度，客观地反映指标的重要度。

首先，根据指标性质对不同量纲和数量级的指标数值进行标准化处理。国家中心城市绿色交通水平评价指标体系中，正向指标和负向指标的数据标准化处理分别如式（4）和式（5）所示。

（4）

x k i * = x k i - m i n 1 ≤ k ≤ l x k i m a x 1 ≤ k ≤ l x k i - m i n 1 ≤ k ≤ l x k i

（5）

x k i * = m a x 1 ≤ k ≤ l x k i - x k i m a x 1 ≤ k ≤ l x k i - m i n 1 ≤ k ≤ l x k i

式（4）~式（5）中：

x k i *

为第k个国家中心城市第i项指标的标准化值;

x k i

为第k个国家中心城市第i项指标的原始值;

m a x 1 ≤ k ≤ l {x k i}

为l个国家中心城市内第i项指标的最大值;

m i n 1 ≤ k ≤ l {x k i}

为l个国家中心城市内第i项指标的最小值。

其次，基于标准化处理的数值计算各指标的信息熵，即

（6）

e i = - 1 l n l ∑ k = 1 l x k i * ∑ k = 1 l x k i * l n x k i * ∑ k = 1 l x k i *

式（6）中：e_i为评价指标i的信息熵。

最后，结合各评价指标的信息熵，计算国家中心城市绿色交通水平评价指标体系中指标i的客观权重，即

（7）

V i = 1 - e i ∑ i = 1 s (1 - e i)

式（7）中：

V i

为国家中心城市绿色交通水平评价指标体系中评价指标i的客观权重;s为国家中心城市绿色交通水平评价指标的个数。

1.3.3 综合赋权法

为了克服单一赋权方法的片面性，综合考虑主、客观赋权法的优点，力求全面反映评价指标的重要程度。借鉴博弈论思想，寻找主、客观权重的纳什均衡点，使得最后确定的国家中心城市绿色交通水平评价指标综合权重与其主、客观权重间的偏差最小^[26]，结果更为均衡。

首先，基于IFAHP的主观权重U_i和熵权法的客观权重V_i，引入线性系数δ₁和δ₂构造可能综合权重W_i，即

（8）

W i = δ 1 U i + δ 2 V i

其次，构建目标函数和约束条件，寻找纳什均衡点，优化线性系数δ₁和δ₂，使组合后的综合权重W_i与U_i和V_i间的离差最小，即

（9）

m i n (W i - U i 2 + W i - V i 2) = m i n (δ 1 U i + δ 2 V i - U i 2 + δ 1 U i + δ 2 V i - V i 2)

（10）

s . t . δ 1 + δ 2 = 1 δ 1 ≥ 0 δ 2 ≥ 0

根据矩阵微分的性质，目标函数取得最小值的最优一阶导数的条件为

（11）

δ 1 U i U i T + δ 2 U i V i T = U i U i T δ 1 V i U i T + δ 2 V i V i T = V i V i T

最后，对优化后的线性系数δ₁和δ₂进行归一化处理，确定国家中心城市绿色交通评价指标的最优综合权重，即

（12）

δ 1 * = δ 1 δ 1 + δ 2 δ 2 * = δ 2 δ 1 + δ 2

（13）

W i * = δ 1 * U i T + δ 2 * V i T

式（11）~式（13）中：

δ 1 *

为归一化的主观权重系数;

δ 2 *

为归一化的客观权重系数;

W i *

为国家中心城市绿色交通水平评价指标体系中评价指标i的综合权重。

2 国家中心城市绿色交通水平评价模型

2.1 绿色交通水平评价模型

首先，设国家中心城市绿色交通水平评价指标标准化值集合A由

x k i *

（k=1, 2,…, l; i=1, 2, …, m）组成;评价标准集合B由各评价等级标准阈值f_i_,_h（i=1, 2,…, m; h=1, 2,…, τ）组成，构建国家中心城市绿色交通水平集对集合H(A, B)。其中，f_i_,_h为第i项指标对应第h个等级区间的右端点值。

根据指标的性质，计算标准化值集合对应各评价等级的单项指标联系度，正向指标和负向指标的单项联系度分别如式（14）和式（15）所示。

(14)

μ k i h = f i, h - f i, h - 1 f i, h - x k i * + f i, h - 1 - f i, h - 2 f i, h - x k i * p - + f i, h - 2 - x k i * f i, h - x k i * q - x k i * ∈ [其 他, f i, h - 2) f i, h - f i, h - 1 f i, h - x k i * + f i, h - 1 - x k i * f i, h - x k i * p - x k i * ∈ [f i, h - 2, f i, h - 1) 1 x k i * ∈ [f i, h - 1, f i, h) f i, h - f i, h - 1 x k i * - f i, h - 1 + x k i * - f i, h x k i * - f i, h - 1 p + x k i * ∈ [f i, h, f i, h + 1) f i, h - f i, h - 1 x k i * - f i, h - 1 + f i, h + 1 - f i, h x k i * - f i, h - 1 p + + x k i * - f i, h + 1 x k i * - f i, h - 1 q + x k i * ∈ [f i, h + 1, 其 他]

(15)

μ k i h = f i, h - f i, h - 1 f i, h - x k i * + f i, h - 1 - f i, h - 2 f i, h - x k i * p + + f i, h - 2 - x k i * f i, h - x k i * q + x k i * ∈ [其 他, f i, h - 2) f i, h - f i, h - 1 f i, h - x k i * + f i, h - 1 - x k i * f i, h - x k i * p + x k i * ∈ [f i, h - 2, f i, h - 1) 1 x k i * ∈ [f i, h - 1, f i, h) f i, h - f i, h - 1 x k i * - f i, h - 1 + x k i * - f i, h x k i * - f i, h - 1 p - x k i * ∈ [f i, h, f i, h + 1) f i, h - f i, h - 1 x k i * - f i, h - 1 + f i, h + 1 - f i, h x k i * - f i, h - 1 p - + x k i * - f i, h + 1 x k i * - f i, h - 1 q - x k i * ∈ [f i, h + 1, 其 他]

式（14）~式（15）中：

μ k i h

为第k个国家中心城市第i项指标与第h个等级的单项联系度;f_i_,_h_-2为第i项指标对应第h-1个等级阈值的左端点值;f_i_,_h_-1为第i项指标对应第h个等级阈值的左端点值;f_i_,_h为第i项指标对应第h+1个等级阈值的左端点值;f_i_,_h₊₁为第i项指标对应第h+2个等级阈值的左端点值;p^-为劣异系数，p^-∈[-1, 0];p⁺为优异系数，p⁺∈[0, 1];q^-为劣反系数，q^-={-1, 0};q⁺为优反系数，q⁺∈{0, 1}。当评价指标i为正向时，若处于第h个等级阈值的左侧区间（劣差的一侧），则使用劣异系数p^-和劣反系数q^-;若处于第h个等级阈值的右侧区间（优越的一侧），则使用优异系数p⁺和优反系数q⁺;对于负向指标则相反。

其次，根据单项指标联系度，计算第k个国家中心城市绿色交通水平评价指标i隶属于评价等级h的相对隶属度

η k i h

，即

（16）

η k i h = 1 + μ k i h 2

根据评价指标的综合权重，确定第k个国家中心城市绿色交通水平在不同参数组合c下隶属于第h个等级阈值的综合隶属度

L k h c

，即

（17）

L k h c = F W i *, η k i h = 1 + ∑ i = 1 m W i 1 - η k i h ∑ i = 1 m W i * η k i h ζ ζ γ ζ - 1

式（16）中：

ζ

和

γ

统称为可变模糊参数;

ζ

为优化准则参数，

ζ

=1为最小一乘方准则，

ζ

=2为最小二乘方准则;

γ

为距离参数，

γ

=1为海明距离，

γ

=2为欧式距离。

最后，根据可变模糊参数的不同，构造4种参数组合：①

ζ

=1,

γ

=1;②

ζ

=1,

γ

=2;③

ζ

=2,

γ

=1;④

ζ

=2,

γ

=2。

分别计算4种不同参数组合下第k个国家中心城市绿色交通水平对应第h个等级阈值的综合隶属度，对其进行归一化处理，并结合各评价等级h的赋值，确定不同参数组合c下第k个国家中心城市绿色交通水平的综合评分

P k c

，即

（18）

P k c = ∑ h = 1 τ L k h c h

采用4种参数组合下国家中心城市绿色交通水平综合评分的平均值确定其评价等级。

2.2 基于障碍度的国家中心城市绿色交通水平影响因素模型

为推动国家中心城市交通系统“双碳”目标的实现，引入障碍度模型探索限制其绿色交通发展的关键指标，为制定重点实施的引导性发展策略提供参考。

障碍度模型^[27]主要由因子贡献度、指标偏离度和障碍度3部分构成。其中，因子贡献度为单一指标对总目标的贡献程度，即国家中心城市绿色交通水平各评价指标的综合权重

W i *

;指标偏离度指单项指标因素的实际值与系统最优化结果的差值，本文用评价指标标准化值

x k i *

与1的差值来表示;障碍度指单项指标或准则层因素对国家中心城市绿色交通水平的限制程度。

设第k个国家中心城市绿色交通水平评价指标i的障碍度为

N k i

，即

（19）

N k i = 1 - x k i * W i * ∑ i = 1 m 1 - x k i * W i * × 100 %

设第k个国家中心城市绿色交通水平评价指标体系中准则层q的障碍度为

O k q

，即

（20）

O k q = ∑ i ∈ q N k i

3 实证分析

3.1 数据获取

本文通过北京、上海、广州等9个国家中心城市的《城市统计年鉴》《国民经济和社会发展统计公报》，住建部发布的《城市建设统计年鉴》以及高德、百度提供的各年度《中国主要城市交通分析报告》，获取2020年相关指标的基础数据。在充分参考相关标准规范和其他文献的分级标准的基础上，整体对照9个国家中心城市的交通发展状况和交通水平，确定各评价指标对应极差、较差、一般、良好、优异5个评价标准的等级阈值，并按照评价等级对评价指标依次赋值。

3.2 评价指标权重确定

依据专家的主观判断结果和重要度的赋值标准^[28]，构建直觉模糊判断矩阵。在经过一致性检验和引入修正系数λ=0.7对不满足检验要求的直觉模糊判断矩阵修正后，通过式（2）和式（3）计算国家中心城市绿色交通水平评价指标的主观权重。结合熵权法得到的客观权重，利用式（11）和式（12）计算得到归一化处理后的线性组合系数

δ 1 *

=0.3818,

δ 2 *

=0.6182。根据式（13）计算得到国家中心城市绿色交通水平评价指标的综合权重，如表2所示。

表2 国家中心城市绿色交通水平评价指标权重

准则层	准则层权重	指标层	IFAHP权重	熵权法权重	综合权重
驱动力D	0.203 6	人均GDP D₁	0.047 3	0.058 7	0.054 4
		GDP增长率D₂	0.037 1	0.018 6	0.025 7
		人口密度D₃	0.049 5	0.018 4	0.030 2
		人口自然增长率D₄	0.035 2	0.030 7	0.032 4
		城市化水平D₅	0.038 9	0.027 6	0.031 9
		机动车增长率D₆	0.041 0	0.021 7	0.029 1
压力P	0.266 4	万人公交车标台数P₁	0.021 7	0.034 9	0.029 8
		轨道交通线网密度P₂	0.020 2	0.032 5	0.027 8
		道路基础设施投资消耗比重P₃	0.023 4	0.031 5	0.028 4
		道路网密度P₄	0.022 6	0.048 0	0.038 3
		人均道路面积P₅	0.019 5	0.030 7	0.026 4
		交通运输业占能源消耗总量比重P₆	0.017 8	0.022 3	0.020 6
		单位GDP能耗P₇	0.020 8	0.019 8	0.020 2
		交通运输碳排放量P₈	0.023 3	0.015 9	0.018 7
		交通干线噪声平均值P₉	0.019 7	0.078 5	0.056 0
状态S	0.210 3	高峰小时交通运行延时指数S₁	0.063 6	0.037 5	0.047 4
		高峰期平均车速S₂	0.049 0	0.051 6	0.050 6
		日均轨道交通客运量占城市人口比重S₃	0.046 9	0.072 5	0.062 8
		日均公交车客运量占城市人口比重S₄	0.049 5	0.049 5	0.049 5
准则层	准则层权重	指标层	IFAHP权重	熵权法权重	综合权重
影响I	0.179 2	空气质量优良天数比例I₁	0.041 5	0.038 4	0.039 6
		可吸入颗粒物平均浓度I₂	0.051 6	0.025 2	0.035 3
		单位GDP能耗下降率I₃	0.036 4	0.045 7	0.042 1
		交通运输事故率I₄	0.040 7	0.018 1	0.026 7
		交通运输事故死亡率I₅	0.041 9	0.031 6	0.035 5
响应R	0.140 5	交通运输支出占财政支出比重R₁	0.049 5	0.051 8	0.050 9
		节能环保支出占财政支出比重R₂	0.053 3	0.045 9	0.048 7
		建成区绿化覆盖率R₃	0.038 1	0.042 6	0.040 9

3.3 评价结果与分析

3.3.1 国家中心城市绿色交通水平综合评价结果分析

基于构建的国家中心城市绿色交通水平评价模型，结合各评价等级的赋值标准，利用式（14）~式（18）计算2020年9个国家中心城市绿色交通水平的综合评分。其中，p^-取-0.5，p⁺取0.5，q^-取-1，q⁺取0^[18]。9个国家中心城市绿色交通水平在不同参数组合下对应各评价等级的综合隶属度如表3所示。

表3 各国家中心城市绿色交通水平对应各评价等级的综合隶属度

评价等级	参数组合	国家中心城市
评价等级	参数组合	北京	天津	上海	广州	重庆	成都	武汉	郑州	西安
极差	$ζ$ =1, $γ$ =1	0.204 1	0.214 7	0.206 1	0.182 7	0.212 0	0.198 9	0.203 8	0.220 1	0.222 3
	$ζ$ =1, $γ$ =2	0.206 6	0.215 4	0.204 9	0.190 2	0.215 0	0.208 6	0.209 9	0.222 6	0.229 9
	$ζ$ =2, $γ$ =1	0.203 8	0.215 9	0.206 5	0.184 7	0.213 4	0.199 3	0.205 0	0.221 0	0.223 0
	$ζ$ =2, $γ$ =2	0.200 2	0.200 5	0.200 2	0.199 7	0.200 4	0.200 2	0.200 3	0.200 8	0.201 0
较差	$ζ$ =1, $γ$ =1	0.200 7	0.211 5	0.211 6	0.193 3	0.202 1	0.207 7	0.208 7	0.217 5	0.216 4
	$ζ$ =1, $γ$ =2	0.210 5	0.218 1	0.217 1	0.199 4	0.210 3	0.215 1	0.216 6	0.222 5	0.224 1
	$ζ$ =2, $γ$ =1	0.200 9	0.213 1	0.210 8	0.195 4	0.202 8	0.208 0	0.209 1	0.219 0	0.218 7
	$ζ$ =2, $γ$ =2	0.200 3	0.200 7	0.200 6	0.200 0	0.200 4	0.200 5	0.200 6	0.200 9	0.200 9
一般	$ζ$ =1, $γ$ =1	0.202 6	0.205 6	0.205 2	0.208 5	0.198 8	0.208 8	0.213 4	0.206 1	0.209 4
	$ζ$ =1, $γ$ =2	0.206 4	0.207 6	0.210 6	0.208 1	0.202 7	0.211 2	0.213 2	0.205 4	0.206 0
	$ζ$ =2, $γ$ =1	0.202 5	0.207 5	0.205 7	0.207 2	0.198 9	0.209 1	0.212 7	0.209 2	0.212 7
	$ζ$ =2, $γ$ =2	0.200 3	0.200 5	0.200 5	0.200 3	0.200 3	0.200 5	0.200 5	0.200 5	0.200 5
良好	$ζ$ =1, $γ$ =1	0.202 5	0.192 2	0.197 1	0.214 8	0.193 5	0.193 1	0.199 3	0.187 6	0.182 5
	$ζ$ =1, $γ$ =2	0.195 0	0.187 4	0.192 4	0.208 2	0.188 6	0.187 8	0.193 0	0.184 0	0.178 1
	$ζ$ =2, $γ$ =1	0.202 5	0.192 6	0.198 2	0.210 9	0.192 4	0.192 8	0.200 9	0.188 6	0.182 2
	$ζ$ =2, $γ$ =2	0.199 9	0.199 7	0.199 8	0.200 2	0.199 7	0.199 8	0.199 9	0.199 6	0.199 4
优异	$ζ$ =1, $γ$ =1	0.190 1	0.176 0	0.180 0	0.200 8	0.193 6	0.191 4	0.174 9	0.168 7	0.169 5
	$ζ$ =1, $γ$ =2	0.181 5	0.171 5	0.174 9	0.194 2	0.183 4	0.177 4	0.167 4	0.165 5	0.161 8
	$ζ$ =2, $γ$ =1	0.190 3	0.170 9	0.178 8	0.201 7	0.192 5	0.190 8	0.172 3	0.162 1	0.163 4
	$ζ$ =2, $γ$ =2	0.199 3	0.198 6	0.199 0	0.199 8	0.199 2	0.199 1	0.198 7	0.198 4	0.198 3

根据各评价等级的赋值标准，结合不同参数组合综合隶属度的平均值，得到2020年9个国家中心城市绿色交通水平的综合评分，如图1所示。

显示原图|下载原图ZIP|生成PPT

图1 国家中心城市绿色交通水平综合评分

由图1可知，2020年9个国家中心城市绿色交通水平综合评分接近3，即9个国家中心城市绿色交通处于“一般”水平，表明国家中心城市在紧抓经济建设和生态文明协调发展、减少环境污染、调整交通结构等方面尚存在一定的不足，仍有提升的空间。其中，广州的绿色交通水平最高（综合评分为3.031 2），表明近年来交通出行结构的持续优化、公共交通的大力发展、绿色创新技术的快速推动为广州市创建了绿色、安全、文明、有序的交通环境，极大地推动了其绿色交通的发展;西安的绿色交通水平最低（综合评分为2.879 0），发挥其地理区位优势、积极推动城市交通建设、优化交通路网布局是西安未来提升其绿色交通水平的重点方向。

为分析国家中心城市绿色交通水平的空间差异，基于空间地理区位和国家发展战略，将9个国家中心城市在空间上划分为东部、中部和西部3类。其中，东部包括北京、天津、上海和广州4个国家中心城市;中部包括郑州和武汉2个国家中心城市;西部包括重庆、成都和西安3个国家中心城市^[29]。根据各国家中心城市绿色交通水平综合评分可知，2020年国家中心城市绿色交通水平大致呈“边高中低”的空间分布特征。东部的国家中心城市绿色交通水平最高，其次是西部的国家中心城市。因此，建议其他国家中心城市汲取东部国家中心城市绿色交通发展的经验，因地制宜探寻适合自身绿色交通水平的发展路径，以提升自身绿色交通水平。

3.3.2 国家中心城市绿色交通水平障碍因素分析

根据式（19）对限制国家中心城市绿色交通水平的关键指标进行辨识。表4列出了影响9个国家中心城市绿色交通水平障碍度最高的前3个指标。

表4 影响9个国家中心城市绿色交通水平障碍度排名前3的指标

排名	北京	天津	上海	广州	重庆	成都	武汉	郑州	西安
1	S₂	S₃	S₂	P₉	S₃	S₃	S₃	S₃	S₃
2	S₁	S₄	R₁	R₂	D₁	D₁	P₉	P₉	P₉
3	P₉	I₃	R₂	R₁	S₄	P₉	R₂	R₁	D₁

由表4可知，S₃, P₉, R₂, D₁和R₁出现频率最高，为限制国家中心城市绿色交通水平的关键指标。其中，S₃, P₉和R₂的出现频率远高于其他指标，为主要的障碍因素。因此，发展轨道交通、减少交通噪声污染、增加节能环保资金投入是推进国家中心城市绿色交通发展目标实现的重要措施。

为进一步促进国家中心城市绿色交通水平的提升，依据式（20）计算9个国家中心城市绿色交通水平对应各准则层的障碍度，以识别其制约类型并提出针对性的建议。9个国家中心城市准则层障碍度如图2所示。

显示原图|下载原图ZIP|生成PPT

图2 国家中心城市绿色交通水平准则层障碍度

由图2可知，9个国家中心城市绿色交通水平的制约类型大致可划分为：压力制约型、压力-状态制约型、状态制约型和影响制约型4类。其中，广州、成都、武汉和郑州为压力制约型，促进交通配套设施建设与城市发展相协调、推动交通行业低碳化转型、加强能源集约化利用是该类型城市未来绿色交通发展的主要方向;北京和武汉为压力-状态制约型，该类型城市在努力推动公共交通高质量发展、提高公共交通分担率的同时，还应加强多种联运方式间的相互配合，减少运输过程中的碳排放量;上海、重庆和西安为状态制约型，推进轨道交通网络与高铁站、机场等主要枢纽的衔接和零距离换乘，实现交通走廊空间的集约化利用，缓解交通拥堵，提升交通运行效率是该类型城市绿色交通水平提升的关键;天津为影响制约型，如何制定针对性的发展策略，提升交通管理水平、降低交通运输事故比例是其未来绿色交通发展需要重点考虑的内容。

4 结语

本文采用DPSIR模型构建包含目标层、准则层、因素层和指标层在内的4层递阶结构、27个具体指标的国家中心城市绿色交通水平评价指标体系;分别采用IFAHP和熵权法确定指标的主、客观权重，借鉴博弈论的纳什均衡模型提出评价指标的综合赋权方法;采用改进的集对分析与可变模糊集模型评价北京、上海、广州等9个国家中心城市2020年的绿色交通水平，发现9个国家中心城市的绿色交通水平都处于“一般”水平，且呈“边高中低”的空间分布特征;采用障碍度模型识别限制国家中心城市绿色交通发展的关键因素，发现日均轨道交通客运量占城市人口比重、交通干线噪声平均值、节能环保支出占财政支出比重、人均GDP和交通运输支出占财政支出比重5个因素是制约国家中心城市绿色交通水平的关键因素，且9个国家中心城市绿色交通水平的制约类型可以划分为压力制约型、压力-状态制约型、状态制约型和影响制约型4类。由于数据采集的限制，本文构建的评价指标体系未包含交通工具新能源转化率、公共交通满意度等相关指标，后续将探索这些指标的获取途径和方法，改进评价指标体系。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

[1]	杜强, 孙强, 杨琦, 等. 中国交通运输业碳排放驱动因素的通径分析方法[J]. 交通运输工程学报, 2017,17(2): 143-150.

[2]	中国政府网. 中共中央国务院印发《交通强国建设纲要》[EB/OL]. (2019-09-19)[2022-03-21]. http://www.gov.cn/zhengce/2019-09/19/content_5431432.htm.

[3]	中国政府网. 中共中央国务院印发《国家综合交通立体网络规划纲要》[EB/OL]. (2021-02-24)[2022-03-21]. http://www.gov.cn/zhengce/2021-02/24/content_5588654.htm?trs=1.

[4]	中国政府网. 中共中央国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见[EB/OL]. (2021-10-25)[2022-03-21]. http://www.gov.cn/xinwen/2021-10/25/content_5644687.htm.

[5]	住房和城乡建设部城乡规划司,中国城市规划设计研究院. 全国城镇体系规划(2006—2020年)[M]. 北京: 商务印书馆,2010.

[6]	陈江生, 郑智星. 国家中心城市的发展瓶颈及解决思路——以东京、伦敦等国际中心城市为例[J]. 城市观察, 2009(2):14-20.

[7]	姚华松. 论建设国家中心城市的五大关系[J]. 城市观察, 2009(2):62-69.

[8]	周阳. 国家中心城市概念、特征、功能及其评价[J]. 城市观察, 2012(1):132-142.

[9]	田美玲, 方世明. 国家中心城市研究综述[J]. 国际城市规划, 2015,30(2):71-74,80.

[10]	殷凤军. 生态城区绿色交通规划指标分析和实施路径选择[J]. 交通世界, 2021(14): 23-26.

[11]	徐满满, 朱乐妹, 张思雨. 基于AHP—价值函数法的绿色交通系统综合评价研究[J]. 佳木斯职业学院学报, 2020,36(5):263-264.

[12]	王琦, 钱勇生, 曾俊伟, 等. 新型城镇化背景下河谷型城市绿色交通发展评价研究——以兰州市为例[J]. 生态经济, 2020,36(4):95-99.

[13]	温惠英, 杨锐烁, 张子佳, 等. 中等城市绿色交通发展水平评价[J]. 城市交通, 2017,15(3):20-26.

[14]	金丹, 董晓. 基于DPSIR模型的城市绿色交通发展评价研究[J]. 生态经济, 2018,34(5):79-85.

[15]	刘云龙, 孙晓磊, 章玉, 等. 基于DPSIR模型的重庆市绿色交通发展指数研究[J]. 环境科学与管理, 2020,45(1):157-162.

[16]	马飞, 赵成勇, 吴群琪, 等. 多尺度下区域绿色交通发展时空演化及影响因素实证研究[J]. 长安大学学报(社会科学版), 2020,22(6):39-50.

[17]	张志芳. 基于价值函数的城市绿色交通规划评价[J]. 交通节能与环保, 2015,11(4):52-55.

[18]	李亮, 赵星, 杜希旺. 城市绿色交通发展综合评价研究[J]. 华东交通大学学报, 2021,38(2):51-60.

[19]	王磊, 周亚楠, 张宇. 基于熵权-TOPSIS法的低碳城市发展水平评价及障碍度分析——以天津市为例[J]. 科技管理研究, 2017,37(17):239-245.

[20]	HAGHSHENAS H, VAZIRI M, GHOLAMIALAM A. Evaluation of sustainable policy in urban transportation using system dynamics and world cities data: a case study in Isfahan[J]. Cities, 2015, 45: 104-115.

[21]	罗景峰. 旅游安全预警的集对分析-可变模糊方法[J]. 中国安全科学学报, 2015,25(4):151-156.

[22]	潘争伟, 周戎星, 王艳华. 区域水资源系统脆弱性评价的集对分析与可变模糊集方法[J]. 中国人口·资源与环境, 2016,26(S2):198-202.

[23]	李宗坤, 李巍, 葛巍, 等. 基于集对分析—可变模糊集耦合方法的溃坝环境影响评价[J]. 天津大学学报(自然科学与工程技术版), 2019,52(3): 269-276.

[24]	WANG W Q, SUN Y H, WU J. Environmental warning system based on the DPSIR model: a practical and concise method for environmental assessment[J]. Sustainability, 2018, 10(6): 1-20.

[25]	中国政府网. 交通运输部关于印发《交通强国建设评价指标体系》的通知[EB/OL]. (2022-01-16)[2022-03-21]. http://www.gov.cn/zhengce/zhengceku/2022-03/18/content_5679638.htm.

[26]	魏业文, 吴希韬, 聂俊波, 等. 基于博弈论-改进TOPSIS的电能质量综合评价[J]. 电子测量技术, 2021,44(16):50-56.

[27]	周雅欣, 王建伟, 高洁, 等. 基于DPSIR的低碳交通发展评价及障碍因子分析——以北京市为例[J]. 生态经济, 2020,36(4):13-18.

[28]	WANG Y Y, XU Z S. Evaluation of the human settlement in Lhasa with intuitionistic fuzzy analytic hierarchy process[J]. International Journal of Fuzzy Systems, 2018, 20(1): 29-44.

[29]	马小宾, 侯国林, 李莉. 国家中心城市共享住宿的时空分布及影响因素——基于DBSCAN算法的分析[J]. 自然资源学报, 2021,36(10):2694-2709.

Options

文章导航

模态框（Modal）标题

摘要

本文引用格式

Abstract

0 引言

1 国家中心城市绿色交通水平指标体系构建

1.1 DPSIR理念下国家中心城市绿色交通机理分析

1.2 基于DPSIR模型的评价指标体系构建

表1 国家中心城市绿色交通水平评价指标体系

1.3 评价指标权重计算

1.3.1 直觉模糊层次分析法（IFAHP）

1.3.2 熵权法

1.3.3 综合赋权法

2 国家中心城市绿色交通水平评价模型

2.1 绿色交通水平评价模型

2.2 基于障碍度的国家中心城市绿色交通水平影响因素模型

3 实证分析

3.1 数据获取

3.2 评价指标权重确定

表2 国家中心城市绿色交通水平评价指标权重

3.3 评价结果与分析

3.3.1 国家中心城市绿色交通水平综合评价结果分析

表3 各国家中心城市绿色交通水平对应各评价等级的综合隶属度

图1 国家中心城市绿色交通水平综合评分

3.3.2 国家中心城市绿色交通水平障碍因素分析

表4 影响9个国家中心城市绿色交通水平障碍度排名前3的指标

图2 国家中心城市绿色交通水平准则层障碍度

4 结语

参考文献