Empirical Analysis on Evaluation of Socioeconomic Adaptability of Expressway Network Scale Based on Window Analysis

  • RONG Yao-hua , 1 ,
  • GAO Ya-ling 1 ,
  • ZHOU Jian , 2 ,
  • SUN Miao-zhen 1
Expand
  • 1. College of Statistics and Data Science, Faculty of Science, Beijing University of Technology, Beijing 100124, China
  • 2. Information Center, China Academy of Transportation Sciences, Beijing 100029, China

Received date: 2021-10-25

  Online published: 2022-01-19

Copyright

Copyright reserved © 2021

Abstract

In order to scientifically distinguish the relationship between expressway network system and socioeconomic system, this paper clarified the concept of expressway network scale and socioeconomic adaptability from the perspective of efficiency, and constructed a scientific system of input-output index from four aspects including economy, society, resources and environment, as well as comprehensive transportation. Based on the output-oriented BCC window analysis model, this paper estimated the scale efficiencies of the expressway network of provinces and cities in inland China except Tibet Autonomous Region from 2010 to 2018. From the temporal and spatial dimensions, this paper explored the trends and the regional differences of the scale efficiencies of expressway network based on the panel data analysis. The results showed that change trends of the scale efficiencies of provinces, cities and autonomous regions were steady after slight fluctuations, and the scale efficiency of Guangdong province achieved a steady and high-position development. There were significant differences of average efficiencies among different regions, among which the eastern region was the highest, followed by the central and northeast regions, and the western region was the lowest. It shows that the expressway network scale and economy society in China are highly adaptable and mutually promote.

Cite this article

RONG Yao-hua , GAO Ya-ling , ZHOU Jian , SUN Miao-zhen . Empirical Analysis on Evaluation of Socioeconomic Adaptability of Expressway Network Scale Based on Window Analysis[J]. Transport Research, 2021 , 7(6) : 11 -12 . DOI: 10.16503/j.cnki.2095-9931.2021.06.002

0 引言

在《“五纵七横”国道主干线系统规划》和《国家高速公路网规划》的指导下,我国高速公路建设步伐不断加快。高速公路适度超前建设可推进经济社会发展,而过度超前建设不仅会对经济社会发展产生一定负面影响,也会造成资源浪费,不符合绿色发展和可持续发展理念。因此,科学、客观评价高速公路网规模与经济社会适应性是提升高速公路对经济社会服务水平的关键所在,是保障我国经济高质量发展的重要举措,也是管理部门十分关注的重要问题。国内外学者对公路网、高速公路网规模的适应性开展了大量研究,相关成果可分为以下三类。
一是有关公路网与经济社会适应性评价研究。马书红和周伟[1, 2]从公路与经济适应性的概念出发,提出了二者适应性分析的木桶理论。王林等[3]采用多级可拓模型对湖北省交通运输与经济适应性进行了定量分析和评价。梁科科等[4]通过建立无常数项多元回归模型研判我国各省公路网饱和规模。桑美英等[5]利用Malmquist生产率指数模型,得出公路全要素生产率增速较快的结论。叶堃晖等[6]采用基于熵权法的耦合协调发展评价模型,研究各省级行政区公路基础设施与经济社会发展的耦合协调特征。Beiler[7]和Galanis等[8]从交通运输与经济可持续发展视角开展研究。Wang等[9]则是从公路与经济适应性角度构建公路合理规模预测模型。
二是有关高速公路网与经济社会适应性评价研究。贾元华[10]基于经济学理论与方法,从宏观和微观两个层面构建了高速公路经济适应性评价指标体系。张仕俊[11]运用系统工程理论方法,胡进宝等[12]利用城市引力模型,评价高速公路与经济社会适应性。此外,万铭[13]分析了区域高速公路规模与区域经济发展现状,提出了促进二者适应性发展的措施。Sengupta等[14]指出,高速公路开发建设对改善区域内居民生活状况和经济状况存在正向影响。 Gunasekera等[15]以斯里兰卡的高速公路项目为例,分析了高速公路与产业生产率和个人收入的关系。
三是有关综合评价方法的研究。一些研究基于数据包络分析(Data Envelopment Analysis, DEA),以高速公路与经济社会适应性问题为切入点,例如:刘奕等[16]、陈亚等[17]、袁长伟等[18]分别以辽宁省、湖北省、陕西省为例,系统地分析了区域高速公路建设与经济社会发展适应性水平;胡迎鹏[19]研究了公路交通运输与经济的适应性,孙淑勤[20]、Yi等[21]研究了公路交通与经济社会适应性水平;曾兆庚等[22]测算了高速公路对我国三大产业的贡献率;朱克毓等[23]度量了高速公路综合运营效率。杜云柯[24]将视窗分析与网络松弛测度(Slack-Based Measure, SBM)相结合,测算了我国18个公交企业的运营效率。另外,于江霞等[25]通过灰色关联度综合评价方法,李卫东等[26]利用非线性加权评价法,分析了公路交通运输与经济社会的适应性水平。
综上所述,现有文献主要研究了公路网系统、高速公路网系统与经济或经济社会适应性水平,但仍存以下一些问题:一是大多数文献探讨了高速公路与经济适应性的概念,而高速公路网规模与经济社会适应性的概念尚不清晰;二是大多数学者研究了某一地区高速公路网适应性评价问题,且研究年代较为久远,鲜有学者从宏观层面研究当前省际高速公路网规模与经济社会适应性问题;三是已有研究的全面性和系统性不足,或只研究了高速公路与经济适应性评价问题,或只测度了高速公路与社会适应性水平。由于经济社会是一个复杂的、相互联系的系统,对高速公路网规模与经济社会适应性的整体评价亟待补充和完善。
本文将从效率视角,厘清高速公路网规模与经济社会适应性的概念,从时间和空间两个维度,对省际高速公路网系统与经济社会系统间的关系进行深入剖析,对我国高速公路网规模与经济社会适应性进行科学系统的测算,以期为相关部门提供决策支持。

1 高速公路网规模与经济社会适应性理论分析

关于高速公路、公路交通与经济社会适应性的概念已经有较为深入的阐述,其中,刘奕等[16]把高速公路与社会经济适应性定义为高速公路在规划、设计、建设及可持续发展中,与社会经济基础及未来发展趋势之间相互协调和制约的关系;崔岩等[27]从供需角度考虑,认为高速公路与经济适应性表现在高速公路供给应该满足经济增长产生的运输需求,高速公路网规模、结构、质量能够适应区域内产业发展和人民出行的需求;张亮亮等[28]认为公路网总里程与经济社会发展水平适应性,即公路网里程是否满足经济社会发展需要或公路网发展速度是否与经济社会发展速度相协调。以上概念的内涵本质有相通之处,即高速公路网规模与经济社会当前基础及未来发展趋势相协调。
高速公路网作为支撑交通强国建设的重要基础设施,其与经济社会之间的适应性具体表现为高速公路网规模能够满足当前经济增长与社会发展所派生出的对高速公路网的运输需求,与此同时高速公路网总里程发展速度与经济社会未来发展趋势之间相互协调。
交通运输作为经济社会发展的“先行官”,是经济、社会、资源环境等一体运作的结果,交通运输与经济社会适应性是一个复杂的系统工程问题。交通运输系统与经济、社会、资源环境在质量、数量、结构等多方面存在动态协调、相互制约关系[29]。从效率视角分析,高速公路网作为投入要素,对应的产出为经济效益、社会效益、环境效益和综合运输效益。因此,高速公路网规模与经济社会适应性的内涵可进一步解释如下。
一是高速公路对经济发展的影响。高速公路网规模反映了现代生产力发展水平,其与经济发展之间是短期利益与长期利益的博弈。一方面,高速公路投资建设活动本身可以增加国内生产总值,推动经济增长;高速公路投入使用后,因交通条件改善,使得车辆损耗成本和时间成本等运输成本降低,出行更便利,从而产生直接经济效益;高速公路网规模增大,提高了区域经济影响力,区位条件得到改善,提升了地区土地价值,带动沿线经济发展和区域间贸易往来,对区域产业结构产生波及作用,促进产业带发展和产业结构调整,带来新的经济增长点,促进物流和通讯发展,缓解交通制约经济发展的问题,从而产生一系列的间接效益[11]。另一方面,区域高速公路网建设必须坚持“量需而行”的原则,经济发展会带来旺盛的客运、货运需求,进而推动高速公路网的建设发展;区域高速公路网建设还必须坚持“量力而行”的原则,一般而言,高速公路建设成本较高,建设期间资金需求量较大,经济发展能够为高速公路建设提供资金支持,而高速公路的建成又将促进该地区经济的持续发展 [11]
二是高速公路对社会发展的影响。高速公路建设能够扩大中心城市对周边城镇的影响辐射范围,使不同空间的闲置生产要素得到高效利用。各生产要素的优化配置可以加快不同区域的专业化协作和劳动分工,推动人口向城市聚集,加快生产资料流通,创造更多的就业机会,从而推动城镇化建设。高速公路建设促进小城镇与大城市均衡发展,为产业发展提供支撑[30],促进区域间交流,助力不同地区生产者充分发挥自身优势,进一步满足社会进步的需要。同时,社会进步诱发了对高速公路网建设的迫切需要[11]。科学、可持续发展理念更加深入人心,环境、资源、技术等生产要素的约束进一步显现,对高速公路的建设及发展提出了更高层次的要求。
三是高速公路对资源环境的影响。交通运输能力不足会导致自然资源无法得到充分利用,从而降低经济发展质量。高速公路建设可降低资源开发成本,提高资源利用率,促进沿线资源开发与利用。高速公路网建设需要投入巨大的财力,应坚持实事求是的原则,高速公路网规模必须符合该地区的地理资源分布状况,与该区域产业聚集与扩散特征、产业结构、生产力布局相协调[17],与该区域环境保护政策相适应。从长期来看,高速公路运行能有效降低油耗,减少行驶条件对自然环境造成的负面影响,符合可持续发展要求。在保证高速公路网建设有效支持该地区经济社会可持续发展的同时,应大力倡导绿色发展理念,尽量避免大量交通基础设施长期闲置,最大可能地集约利用土地,优化资源配置,减少二氧化碳等温室气体排放量,助力碳达峰、碳中和目标的实现。
四是高速公路对综合运输的影响。作为综合交通运输体系的重要组成部分,高速公路网规划要同其自身的服务功能及技术特性相协调。一方面,高速公路依靠其强大的通道、集散功能,在综合运输体系中发挥着重要作用。同等里程下,相较于普通公路,高速公路可承载的运输量更大,交通事故更少,行车速度更快,安全性更高,可达性更好,提供的服务更优质,完善了公路网布局和结构,更好地满足了经济社会发展对生产资料快速运输的需求。另一方面,综合运输系统越协调,高速公路网的优势越能得到更好的发挥。

2 投入产出指标体系构建与模型选取

2.1 数据来源

本文数据主要来自2011—2019年《中国统计年鉴》和中国碳核算数据库(CEADs)。西藏自治区境内只有一条38公里的机场高速公路,且碳排放量数据难以获取。鉴于此,本文研究对象为我国国内(不含港澳台)除西藏自治区外的省(自治区、直辖市)。

2.2 指标选取

高速公路系统和经济社会系统是多目标、多层次、多因素的,也是两个互为输入输出的复杂系统,因此高速公路网规模与经济社会适应性评价涉及内容较多。本文遵循目的性、科学性、系统性、导向性、可操作性原则,从投入产出角度,构建系统全面的评价指标体系,以反映高速公路网规模对经济社会高质量发展及对生态环境的影响。
根据高速公路网规模与经济社会适应性的定义及内涵,本文创新性地从效率视角测度高速公路网规模与经济社会适应性水平。投入指标选择高速公路网综合密度[20]和公路客货周转量。其中,公路客货周转量是公路旅客周转量和公路货物周转量综合指标,该指标的计算方法是:将公路旅客周转量和公路货物周转量按一定比例换算成相同单位(万吨公里)后加总求得,将“10人公里”折算为“1吨公里”。产出指标从高速公路与经济发展、社会进步、资源环境和综合交通适应性等4个方面遴选[16]
在与经济发展适应性方面,考虑到人均GDP这一指标可利用各省GDP间接获得,不仅从宏观角度反映了经济总量,而且可反映经济发展质量,因此选取人均GDP[6]作为产出指标之一,侧面刻画高速公路产生的直接经济效益。另外,投资、消费、出口作为拉动经济增长的“三驾马车”,能够反映一国(或地区)经济实力、市场规模和开放程度。因此,本文以支出法核算GDP中我国2010—2018年投资、消费和出口对GDP增长的贡献度(43%, 53%和21%),将其作为权重,将固定资产投资额[11,17]、社会消费品零售总额[11,17]和外商投资企业投资总额按投资、消费、出口对GDP的贡献度进行加权,汇总得到投资、消费和出口综合指标(Invest, Consume and Output, ICO),用以反映高速公路产生的间接经济效益。
在与社会进步适应性方面,与人口相关的一些社会指标通常被用来评价社会发达程度。自改革开放以来,我国城镇化水平显著提高,乡村振兴规划落地见效,2020年城镇化水平达到63.9%,反映了发展成果由人民共享这一理念。另外,物质生产是一个社会存在和发展的前提,而人口是物质生产的自然基础,合理密度的人口能够充实地区的劳动力资源,带动社会的进步。因此,本文将城镇化水平[6,16]、人口密度[31]作为反映社会进步的两个产出指标。
在与资源环境适应性方面,随着经济社会进入高质量发展阶段,交通运输系统需要遵循绿色、低碳发展理念。本文采用碳排放量[32]这一非期望产出反映高速公路发展对环境的负向外部性影响。借鉴Seiford等[33]对非期望产出的处理方法,将负向指标乘以-1再加上一个足够大的正数,使得处理后的指标值大于0,则处理后的指标可直接纳入模型。
在与综合交通适应性方面,陈亚等[17]以公路客运量、公路货运量指标反映交通运输系统满足交通运输需求的能力及产出水平。考虑到公路客运量和公路货运量量纲不同,将“10人”折算为“1吨”,最终折合为同一单位(万吨)后加总,得到公路客货运量综合指标。借鉴刘奕等的研究成果[16],即以民用汽车拥有量反映车辆对公路里程需求程度,本文将民用汽车拥有量、公路客货运量纳入产出指标体系。
本文所构建的投入产出指标体系如表1所示。
表1 高速公路网规模与经济社会适应性投入产出指标体系
指标 说明
投入
指标
高速公路网
综合密度
高速公路总里程/省域面积
公路客货运
周转量
公路货物周转量+公路旅客周转量×0.1
产出
指标
人均GDP 地区生产总值/人口数量
ICO 社会消费品零售总额×0.53+
固定资产投资额×0.43+
外商投资企业投资总额×0.21
城镇化水平 城镇人口占总人口的比重
人口密度 地区人口总数与地区面积之比
碳排放量 生产、运输、使用及回收该产品时所产生的平均温室气体排放量
公路客货运量 公路客运量×0.1+公路货运量
民用汽车拥有量 已注册登记领有民用车辆牌照的
汽车数量

数据来源:CEADs和《中国统计年鉴》;由于2018年碳数据缺失,故采用单指数平滑法对其进行估算。

2.3 视窗分析模型

数据包络分析法(Data Envelopment Analysis, DEA)作为一种非参数评价方法,其基本思想为构建有效生产前沿面,度量各决策单元与生产前沿面的距离,从而得到各决策单元相对效率值。DEA涵盖很多扩展模型,其中最为常用的两种模型为:规模报酬不变(Constant Returns to Scale, CRS)条件下的模型,即CCR模型和规模报酬可变(Variable Returns to Scale, VRS)条件下的模型,即BCC模型。CCR模型允许收益随规模增加而无限增加,而BCC模型假设边际收益可变,即收益不会随着规模增加而无限增加,往往更符合实际。鉴于作为研究对象的30个省(自治区、直辖市)高速公路网规模差异较大,且产出指标并不随规模增大而无限增大,故采用BCC模型。
相较于基于截面数据的CCR或BCC模型,基于面板数据视窗分析模型可直观揭示评价单元相对效率的时间演变规律,也可完整刻画其全貌。美国统计学家G. Kloop于1985年提出了视窗分析(Window Analysis, WA)模型。它首先将不同时期的同一决策单元(Decision Making Unit, DMU)视为不同的决策单元,确定窗宽后,计算视窗内所有决策单元相对效率;继而将最早时期数据剔除,增加下一个时期数据,即视窗向后滑动一次,测算新视窗内决策单元相对效率;最后取某决策单元在相同年份效率值的平均值作为其在某年份的效率得分。
假设有 n 个决策单元,分别为 DM U 1 , DM U 2 ,…, DM U n ,每个决策单元 DM U j ( j = 1 , 2 , , n ) 对应相同的 m 维输入和 s 维输出,面板数据时期数为 t ( t = 1 , 2 , , T ) 。则第 j ( j = 1 , 2 , , n ) 个决策单元对应的 m 维投入向量和 s 维产出向量分别为: x j t = ( x 1 j t , x 2 j t , , x mj t ) T y j t = ( y 1 j t , y 2 j t , , y sj t ) T 。假设窗宽为p ( 1 p T ) ,则对于 T - p + 1 个视窗进行测算,第 k ( 1 k T - p + 1 ) 个视窗有 n × p 个决策单元,对应视窗投入矩阵和产出矩阵分别可以表示为:
X k = ( x 1 k , x 2 k , , x n k , , x 1 k + p - 1 , x 2 k + p - 1 , , x n k + p - 1 ) Y k = ( y 1 k , y 2 k , , y n k , , y 1 k + p - 1 , y 2 k + p - 1 , , y n k + p - 1 )
其中, X k Y k 分别为 m × np , s × np 矩阵。
BCC视窗分析模型能准确刻画2010—2018年我国省际高速公路网规模与经济社会适应性水平,对各决策单元排序,进而从时间和空间两个维度深入剖析发展趋势及地域差异,为相对效率较低的省份寻找学习标杆,提升适应性水平。综上所述,采用输出导向的BCC视窗分析模型是合理的。第 k 个视窗中第 j 个DMU的相对效率可通过求解线性规划(式(1))的最优解得到maxη
X k λ x j t η y j t - Y k λ 0 = 1 λ 0
式(1)中: η t 时刻第 j 个决策单元相对效率值; e n 维单位行向量; λ = ( λ 1 , λ 2 , , λ n ) T 为强度向量;窗宽取为3,则 X k Y k 分别为 2 × 90 , 7 × 90 维矩阵。
对各视窗对应年份测算结果取平均值得到各地区年度效率值。为了防止极端权重出现,本文将公路客货运周转量与高速公路网综合密度权重比限制在0.5~2之间,人均GDP与高速公路网综合密度、民用汽车拥有量与碳排放量、ICO与城镇化水平权重比均限制为大于0.5,公路客货运量与人口密度、公路客货运量与人均GDP之间权重比大于1。

3 高速公路网效率分析

3.1 高速公路网规模整体效率

本文从效率角度,以高速公路网规模与经济社会适应性相对效率值反映二者适应性水平。效率值越大,说明高速公路网规模与经济社会适应程度越高。建立输出导向的BCC视窗分析模型,利用EMS1.3软件测算2010—2018年省际高速公路网规模相对效率值,结果如表2所示。
表2 2010—2018年我国部分省(自治区、直辖市)高速公路网规模相对效率
省(自治区、直辖市) 2010年 2011年 2012年 2013年 2014年 2015年 2016年 2017年 2018年 均值 标准差 变异系数
第一梯队
广东 0.919 0.939 0.959 0.993 0.993 0.951 0.947 0.982 1.000 0.965 0.027 0.028
山东 0.895 0.943 1.000 0.924 0.922 0.904 0.906 0.963 1.000 0.940 0.038 0.040
江苏 0.874 0.913 0.948 0.951 0.957 0.947 0.940 0.950 0.974 0.939 0.028 0.029
上海 0.984 0.987 0.989 0.979 0.959 0.900 0.864 0.843 0.853 0.929 0.059 0.064
北京 0.969 0.967 0.966 0.979 0.995 0.919 0.859 0.866 0.838 0.929 0.056 0.060
浙江 0.786 0.813 0.854 0.926 0.969 0.915 0.881 0.907 0.915 0.885 0.055 0.062
安徽 0.776 0.834 0.920 0.947 1.000 0.809 0.831 0.929 0.912 0.884 0.070 0.079
天津 0.863 0.873 0.886 0.891 0.896 0.861 0.789 0.771 0.745 0.842 0.054 0.064
四川 0.764 0.722 0.739 0.894 0.918 0.888 0.851 0.892 0.884 0.839 0.072 0.085
云南 0.758 0.698 0.684 0.880 0.913 0.852 0.801 0.818 0.807 0.801 0.073 0.091
省(自治区、直辖市) 2010年 2011年 2012年 2013年 2014年 2015年 2016年 2017年 2018年 均值 标准差 变异系数
第二梯队
河南 0.706 0.787 0.890 0.752 0.859 0.786 0.762 0.802 0.809 0.795 0.052 0.066
福建 0.742 0.729 0.745 0.861 0.877 0.809 0.769 0.785 0.775 0.788 0.049 0.063
江西 0.774 0.705 0.686 0.864 0.886 0.817 0.766 0.789 0.779 0.785 0.062 0.079
广西 0.782 0.696 0.670 0.857 0.884 0.822 0.769 0.791 0.791 0.785 0.065 0.083
重庆 0.755 0.711 0.705 0.861 0.886 0.818 0.765 0.791 0.769 0.785 0.058 0.074
湖南 0.747 0.684 0.712 0.843 0.878 0.820 0.771 0.795 0.797 0.783 0.058 0.074
海南 0.776 0.701 0.678 0.868 0.885 0.804 0.747 0.761 0.738 0.773 0.065 0.085
湖北 0.678 0.674 0.702 0.842 0.875 0.816 0.775 0.799 0.793 0.773 0.068 0.088
青海 0.779 0.700 0.673 0.855 0.881 0.814 0.750 0.764 0.738 0.773 0.064 0.083
辽宁 0.777 0.805 0.837 0.833 0.814 0.753 0.680 0.689 0.681 0.763 0.062 0.081
第三梯队
河北 0.593 0.654 0.722 0.749 0.810 0.764 0.758 0.837 0.808 0.744 0.074 0.099
甘肃 0.713 0.642 0.628 0.822 0.848 0.787 0.738 0.748 0.730 0.740 0.070 0.094
吉林 0.680 0.652 0.654 0.816 0.845 0.784 0.735 0.753 0.735 0.739 0.065 0.087
宁夏 0.689 0.617 0.600 0.795 0.813 0.740 0.687 0.685 0.682 0.701 0.068 0.097
黑龙江 0.635 0.642 0.653 0.757 0.792 0.725 0.669 0.696 0.678 0.694 0.051 0.073
贵州 0.647 0.587 0.568 0.761 0.788 0.720 0.666 0.698 0.690 0.681 0.069 0.101
新疆 0.660 0.586 0.554 0.758 0.769 0.693 0.629 0.631 0.618 0.655 0.069 0.105
陕西 0.650 0.620 0.621 0.707 0.726 0.651 0.585 0.593 0.605 0.640 0.046 0.072
内蒙古 0.637 0.654 0.670 0.664 0.664 0.624 0.607 0.593 0.563 0.631 0.035 0.056
山西 0.543 0.563 0.585 0.592 0.590 0.577 0.560 0.528 0.527 0.563 0.024 0.043
均值 0.752 0.737 0.750 0.841 0.863 0.802 0.762 0.782 0.774 0.785
标准差 0.104 0.119 0.135 0.093 0.092 0.090 0.097 0.110 0.117 0.099
变异系数 0.139 0.162 0.180 0.110 0.107 0.112 0.127 0.140 0.150
表2可以看出,高速公路网规模与经济社会适应性整体水平相对较高,区域差异明显。综合来看,2010—2018年30个省(自治区、直辖市)高速公路网规模与经济社会适应性平均效率值为0.785,处于相对较高水平。依据效率值计算结果,将决策单元划分为三个梯队:第一梯队为广东、山东、江苏、上海、北京、浙江、安徽、天津、四川和云南,考察期内效率平均值为0.895;第二梯队为河南、福建、江西、广西、重庆、湖南、海南、湖北、青海和辽宁,考察期内效率平均值为0.780;第三梯队为河北、甘肃、吉林、宁夏、黑龙江、贵州、新疆、陕西、内蒙古和山西,考察期内效率平均值为0.679。各省(自治区、直辖市)效率值标准差为0.099,三大梯队间高速公路网规模与经济社会适应性水平差异明显。考察期内效率均值最高的是广东省,其值高达0.965;均值最低的是山西省,其值为0.563;中位数是0.784,这说明效率值较低的地区其高速公路网规模与经济社会适应性水平还有较大的提升空间。具体来看,广东省每年效率值都在0.95以上,与有效前沿面非常接近。同时,广东省通过发展高速公路来提高自身对外投资水平和消费水平的举措,为其他各省(自治区、直辖市)提供了借鉴。此外,山东省和江苏省的效率值也较高,考察期内均值分别为0.940和0.939,上海市和北京市的效率值相同,为0.929。下面通过个案分析高速公路系统与经济社会系统双向促进的原因。广东省作为我国的经济大省,经济结构持续优化,2015年起第三产业对地区GDP贡献率高于第一产业和第二产业的总和,经济发展内生动力强,连续十几年经济总量领先其他省份。2020年,广东省高速公路里程突破10 000公里,总里程连续七年排名全国第一。此外,广东省公路客货运周转量和公路客货运量也位居全国第一。山东省不仅是我国人口大省,也是经济大省。2019年山东省的GDP总量为71 067亿元,仅次于江苏省和广东省。此外,近十年山东省社会消费品零售总额和固定资产投资额均位居前三,以消费和投资拉动省内经济增长。在高速公路规划方面,山东省按照《交通强国建设纲要》的要求,加快“九纵五横一环七射”的网络布局建设。江苏省经济总量常年居全国第二,人均GDP仅次于北京和上海。从2011年开始,江苏省高速公路网综合密度连续十年居全国第五,反映了高速公路与经济发展之间的高度适应性。在未来的高速公路规划方面,江苏省将全面建成“能力充分、覆盖广泛、便捷高效、开放互联”的高速公路网,促进交通、经济、社会的协同发展,有效支撑国家重大战略的顺利实施。浙江省作为经济强省,其效率值居第六位,消费市场线上线下加速融合,拥有全国最大的中小企业电子商务平台和网络零售平台,网络零售额居全国第二;新型城镇化稳步推进,城镇体系不断完善,城镇化水平从2015年的65.8%增长到2020年的71%;加强省域开放与合作,推进长江经济带绿色发展、生态优先;国际交往“引进来”与“走出去”双向互动格局形成,扩大利用外资规模,助力畅通双循环;“十三五”时期,交通投资等重点领域增速均在两位数以上,有效投资扩大。北京市和上海市平均效率值受到高速公路网综合密度的限制。作为首都,北京市近几年高速公路网综合密度位居第三,人均GDP从2011年开始连续十年居全国榜首。按照《京津冀协同发展交通一体化规划》的要求,北京市继续加快“一场、两网”建设,逐步推进区域交通格局由“单中心、放射状”向“多节点、网格状”转变,助力构建以首都为核心的京津冀城市群体系,以自身发展带动周围城市发展。上海市近九年的平均效率值和北京市相同。上海是我国最先发展高速公路的城市,考察期内高速公路网综合密度居全国首位,人均GDP略低于北京市,居全国第二。此外,上海作为国际性大都市,其城镇化水平居全国第一,城镇化建设成为拉动上海市经济社会发展的抓手。北京市和上海市作为直辖市,其经济社会发展水平领跑全国,但囿于区域内高速公路网综合密度较小,其效率值低于广东省、山东省和浙江省。陕西、内蒙古和山西的平均效率值分别为0.64、0.631和0.563,位于后三位。内蒙古自治区得益于其广阔的土地面积以及丰富的矿产资源,近年来经济发展迅猛,但经济发展的负面影响也不断显现,主要体现在环境方面。内蒙古碳排放量居高不下,仅次于山东省和山西省,这是导致其效率较低的重要原因。山西省人均GDP在全国各省份中排名较低,煤炭、冶金等能源产业是山西省经济发展的支柱性产业,而其他产业总和不足能源产业规模的1/4,导致其碳排放量连续五年居全国之首。从产业结构来看,第二产业在山西省的GDP中占较大比重,第一产业和第三产业较为落后。以广东省为对照,山西省的碳排放量和人均GDP指标均有较大的提升空间。在碳达峰、碳中和目标下,山西省应加大以资源综合利用为重点的传统产业绿色改造力度,促进绿色新型产业发展。从投入指标来看,山西省的地形特点在一定程度影响了交通基础设施建设,道路建造成本高。陕西省交通建设项目大多位于陕南秦巴山区、陕北黄土沟壑区,地形地质条件复杂,特殊结构桥梁、特殊地质长大隧道等复杂工程较多,这在一定程度上导致其高速公路发展受限,表现为效率偏低。

3.2 高速公路网规模平均效率变化趋势

2010—2018年我国部分省(自治区、直辖市)平均效率值变化趋势如图1所示。
图1 2010—2018年我国部分省(自治区、直辖市)平均效率值变化趋势
图1可以看出,除贵州和新疆的平均效率值波动较大外,其他各省(自治区、直辖市)均在小幅波动后趋于平稳,这说明我国各省(自治区、直辖市)高速公路网规模与经济社会适应性水平呈现出较为稳定的发展态势。具体来说,平均效率从2010年的0.752下降到2011年的0.737,然后上升至2014年的0.863,继2016年降至0.762后又上升到2018年的0.774。从投入产出数据可知,2010—2012年效率波动是因为这两年“高速公路网综合密度”这一投入指标上升较快,其中湖南省2012年的高速公路网综合密度比2010年增长了73.3%,而新疆维吾尔自治区这一指标的增长率达到了187.5%。这可能是由于“十二五”期间,交通运输部以国家高速公路网建设为龙头,加强省际连接线建设,到2015年基本建成了国家高速公路网,但产出增长仍需时间,这就使得短时间内高速公路网规模处于一定的超前发展状态。结合表2还可以看出,高速公路网规模的经济社会适应性省际差异逐步减弱,广东省实现稳定高位发展。从差异性来看,变异系数从2010年的0.139持续上升到2012年的0.180,继而逐步下降至2014年的0.107,2015—2018年稳步上升至0.15。这说明2010—2018年各省(自治区、直辖市)间效率值具有一定的差异。具体而言,考察期内新疆维吾尔自治区和贵州省平均效率值变异系数均大于0.1,效率波动幅度与其他各省(自治区、直辖市)相比较大,而广东省变异系数为0.028,是30个考察对象中最低的,说明该省的高速公路网规模与经济社会适应性水平保持在高位的同时实现了稳定发展。

3.3 不同地区高速公路网规模效率

依据《中国统计年鉴》对地区的划分,本文将考察的30个省(自治区、直辖市)分为东部、中部、西部和东北等4个区域。其中,东部10个,包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南;中部6个,包括山西、安徽、江西、河南、湖北、湖南;西部11个,包括四川、新疆、内蒙古、青海、云南、重庆、贵州、陕西、甘肃、广西、宁夏;东北3个,包括辽宁、吉林、黑龙江。为了深入剖析高速公路网规模与经济社会适应性水平的地区差异,测算了以上4个区域的相对效率值,结果见表3
表3 2010—2018年不同区域高速公路网规模效率
统计量 东部 中部 西部 东北
均值 0.873 0.764 0.730 0.732
标准差 0.076 0.097 0.069 0.016
变异系数 0.088 0.127 0.094 0.021
表3可以看出,东部的效率遥遥领先,均值最高,中部和东北次之,西部最低。结合投入产出指标进一步分析可知,在投入方面,东部在高速公路网综合密度上的投入高于中部、西部和东北;在产出方面,东部的人均GDP、ICO、民用汽车拥有量远高于其他3个区域,即东部经济发展水平高是东部效率值高于西部、中部和东北的重要原因。而西部的平均效率值与中部及东北相差不大,这是由于近年来以“一带一路”为引领,加大了西部开发力度。在经济方面,推动西部地区对外开放由商品和要素流动型逐步向规则制度型转变,落实好外商投资准入前国民待遇加负面清单管理制度。在交通方面,支持新疆加快丝绸之路经济带核心区建设,形成西向交通枢纽和商贸物流、文化科教、医疗服务中心;支持重庆、四川、陕西发挥综合优势,打造内陆开放高地和开发开放枢纽。在投入方面,西部高速公路网综合密度明显低于中部和东部,说明西部高速公路网建设力度还需加大。
东北地区经济发展减缓,人口流失严重,高速公路经济效益和社会效益有待进一步提高。新中国成立之初,东北是我国重工业基地和粮食生产基地,但近年来经济转型升级步伐还不够快,经济发展明显低于全国平均水平,其人均GDP增速大幅减缓,2012—2015年几乎均以50%的速度递减。同时,黑龙江省的失业率在全国排名靠前,侧面反映了东北地区经济转型面临较大的压力。在工业方面,2012—2016年,除吉林省的工业企业利润总量基本保持稳定之外,其余两省规模以上工业企业利润均有所下降。随着经济增长方式转型的不断深化,东北地区产业交替所导致的市场结构调整是经济增长较缓的一个主要原因。研究时限内东北地区人口增长率始终处于较低水平,2014年转为负值,但是人口出生率始终高于死亡率,说明东北地区存在较为严重的人口流出现象,长期来看对经济增长不利。
从离散程度来看,西部变异系数为0.094,东部次之,东北最低,中部最高,说明中部各省(自治区、直辖市)高速公路网规模与经济社会适应性的效率差异较大。

3.4 政策建议

为促进我国高速公路网规模与经济社会的协调发展,提出以下政策建议。
(1)因地制宜发展高速公路
作为我国第一个高速公路里程过万的省份,广东省近些年的ICO值均位于全国前列,其通过扩大城市内部消费和投资需求来实现经济进一步发展的方式,对我国其他省份的高速公路建设具有一定的借鉴意义。各省(自治区、直辖市)可以根据自身地理位置、经济条件以及未来发展预期,在高速公路网规模方面适度超前发展,带动内部与外部的经济交流。经济发展水平及工业化水平较低的城市,运输能力和需求也普遍较低。如果高速公路不能带来预期效益,势必会造成资源浪费和经济损失。因此,高速公路建设不能盲目追求速度和规模,而应根据地区经济发展状况合理规划。
(2)协调推进地区间高速公路建设
城市之间通过高速公路实现区域协同发展,建立以点带面、立足自身、辐射周边的高速公路运输体系。沿线区域应借助高速公路行车速度快、通行能力大的优势来进行农业物资的调入与转出,对农业生产结构进行优化。同时以高速公路为媒介,缩短产销地之间的运输时间,降低商品运输成本,改善商品的贸易环境与条件,建立与高速运输和产业密集分布相适应的产业结构体系,促进区域经济增长方式的转变,提高产业经济竞争力,推动经济的持续健康发展以及城乡一体化建设。在高速公路网规划中,要考虑各省(自治区、直辖市)之间的规模适应性和布局合理性,通过构建经济发展高水平城市与周边城市的高速公路网体系,来促进地区之间优势互补和沿线地区产业经济发展,实现高速公路网规模与经济社会科学、持续的协同发展。
(3)深入贯彻绿色发展理念,建设资源节约、环境友好型高速公路
广东省部分城市的高速公路建设注重生态环保和品质提升,将绿色理念与高速公路建设相融合,充分利用周边环境所提供的风能、光能、水能等绿色资源,为高速公路的运营提供了更多低碳、环保的清洁能源,给司乘人员提供了良好的驾乘环境,提升了安全感和舒适感,可为其他省份的绿色公路建设提供一些参考和借鉴。应统筹规划高速公路与资源利用、环境保护及运行功效之间的关系,达到资源消耗最小化、废气排放最低化和运营效率最大化,全面提升高速公路网的建设水平。此外,应树立生态高速公路建设理念,借鉴国内外已建成的示范性生态高速公路的经验,关注区域生态系统,注重与周围景观风貌、地域文化的协调,实现通行效率高且景观优美。

4 结语

本文从效率视角,厘清了高速公路网规模与经济社会适应性这一概念,从经济、社会、资源环境、综合运输四方面构建了科学、系统的投入产出指标体系,基于输出导向的BCC视窗分析模型测算了2010—2018年我国30个省(自治区、直辖市)高速公路网规模效率。研究结果显示,2010—2018年考察期内我国省际高速公路网规模与经济社会适应性程度较高;各省(自治区、直辖市)的效率变动均为小幅波动后趋于平稳;不同地区的效率存在显著差异,东部最高,中部和东北地区次之,西部最低。
[1]
马书红. 区域公路交通与经济发展的适应性研究[D]. 西安:长安大学, 2002.

[2]
周伟, 马书红. 基于木桶理论的公路交通与经济发展适应性研究[J]. 中国公路学报, 2003,16(3):78-83.

[3]
王林, 刘冠宇. 基于AHP-熵权法与多级可拓的交通运输经济适应性研究[J]. 工程与建设, 2020,34(4):580-583.

[4]
梁科科, 常馨玉, 任天逸, 等. 我国公路网规模及发展水平研究[J]. 交通运输研究, 2021,7(4):51-57.

[5]
桑美英, 高洪伟. 我国交通运输业全要素生产率测算方法[J]. 交通运输研究, 2019,5(6):61-68.

[6]
叶堃晖, 文静. 公路基础设施与经济社会发展水平适应性研究[J]. 项目管理技术, 2020,18(6):13-18.

[7]
BEILER M O. Organizational sustainability in transportation planning: Evaluation of multi-jurisdictional agency collaboration[J]. Journal of Transport Geography, 2016,52:29-37.

[8]
GALANIS A, BOTZORIS G, SIAPOS A, et al. Economic crisis and promotion of sustainable transportation: A case survey in the city of Volos, Greece[J]. Transportation Research Procedia, 2017,24:241-249.

[9]
WANG L C, ZHANG M M, ZHENG F, et al. Prediction of the reasonable scale of highway mileage based an socio-economic adaptation[C]// Proceedings of the 15th COTA International Conference of Transportation Professionals. Beijing: ASCE, 2015.

[10]
贾元华. 高速公路经济适应性研究[D]. 北京:北京交通大学, 2002.

[11]
张仕俊. 区域高速公路社会经济适应性评价方法研究[D]. 北京:北京交通大学, 2007.

[12]
胡进宝, 孟晓雨, 高卫东. 基于改进城市引力模型的高速公路社会经济适应性研究——以宁武高速公路为例[J]. 山东科学, 2016,29(4):68-74,86.

[13]
万铭. 高速公路建设对区域经济发展的积极影响分析[J]. 中国集体经济, 2020(12):7-8.

[14]
SENGUPTA R, COONDOO D, ROUT B, et al. Impact of a highway on the socio-economic well-being of rural households living in proximity[J]. Contemporary Issues & Ideas in Social Sciences, 2007,3(3).

[15]
GUNASEKERA K, ANDERSON W, LAKSHMANAN T R. Highway-induced development: evidence from Sri Lanka[J]. World Development, 2008,36(11):2371-2389.

[16]
刘奕, 贾元华, 石良清. 基于DEA模型的区域高速公路社会经济适应性评价方法研究[J]. 北京交通大学学报, 2007,31(3):1-5.

[17]
陈亚, 安庆贤, 刘晶. 基于DEAHP模型的湖北高速公路社会经济适应性评价[J]. 公路, 2010(1):88-93.

[18]
袁长伟, 吴群琪. 基于DEA的高速公路与区域社会经济发展协调评价研究[J]. 公路, 2009(10):158-161.

[19]
胡迎鹏. 基于DEA模型的广东公路运输与经济适应性评价[J]. 广东公路交通, 2013(6):50-56.

[20]
孙淑勤. 基于DEA的公路交通与经济社会适应性研究[J]. 公路交通科技(应用技术版), 2011,7(8):363-365.

[21]
YI F J, HAN Z, TIAN C, et al. Adaptability evaluation for road network in economic circle based on DEA and gray correlation analysis[C]// 2012 Fifth International Joint Conference on Computational Sciences and Optimization. Harbin: IEEE, 2012: 471-474.

[22]
曾兆庚, 颜泽贤. 基于DEA的高速公路建设对社会经济发展的时间效应研究[J]. 商场现代化, 2007(33):199-200.

[23]
朱克毓, 赵爽耀, 杨善林. 基于DEA-TOPSIS方法的高速公路运营与区域经济发展评价研究[C]// 第十届(2015)中国管理学年会论文集. 合肥:中国管理现代化研究会,复旦管理学奖励基金会, 2015: 1-10.

[24]
杜云柯. 基于网络SBM的城市公交企业运营效率评价[J]. 交通运输研究, 2021,7(2):82-90.

[25]
于江霞, 王选仓, 韩少华, 等. 基于加权灰色关联度的公路交通适应性评价[J]. 公路交通科技, 2006(5):75-78,105.

[26]
李卫东, 王稼琼. 我国公路交通与社会经济发展的适应性刍议[J]. 交通运输系统工程与信息, 2005(3):9-12,50.

[27]
崔岩, 吴丽美, 曲建华, 等. 河南省高速公路网规模合理性研究[J]. 河南科学, 2013,31(7):1036-1038.

[28]
张亮亮, 贾元华, 牛忠海. 基于经济适应性的公路网均衡发展评价[J]. 物流技术, 2013,32(3):221-224.

[29]
刘奕. 高速公路经济适应性理论与评价方法研究[D]. 北京:北京交通大学, 2009.

[30]
张孝德. 国家高速公路网与经济社会发展的关系[J]. 科技导报, 2009,27(10):104-105.

[31]
张翼, 唐积强, 颜娇娇. 基于DEA的交叉效率模型在公路建设适应性评价中的应用[C]// 科学发展观与系统工程——中国系统工程学会第十四届学术年会论文集. 厦门:中国系统工程学会, 2006: 6.

[33]
朱文娟. 基于DEA模型的高速公路合理规模研究[D]. 兰州:兰州交通大学, 2018.

[33]
SEIFORD L M, ZHU J. Modeling undesirable factors in efficiency evaluation[J]. European Journal of Operational Research, 2002,142(1):16-20.

[34]
COOPER W W, SEIFORD L M, TONE K. Data envelopment analysis: A comprehensive text with models, applications, references and DEA-solver software[M]. Boston: Kluwer Academic Publishers, 2007.

Outlines

/