Transport Research >

2022 , Vol. 8 >Issue 4: 83 - 90

DOI: https://doi.org/10.16503/j.cnki.2095-9931.2022.04.007

Evaluation Method for Node Layout of Transportation Corridors Based on Fuzzy Compromise Programming Method: A Case Study of Baltic-Adriatic Sea Corridor

  • LIU Chang , 1 ,
  • SUN Li-bin 2 ,
  • TIAN Chun-qing 1 ,
  • SONG Jia-yun 1
Expand
  • 1. China Academy of Transportation Sciences, Beijing 100029, China
  • 2. China Unicom Digital Technology Co., Ltd., Beijing 100176, China

Received date: 2021-08-30

  Online published: 2022-09-06

Fold

Abstract

In order to reasonably select the node cities on the transportation corridors and scientifically carry out transportation corridor layout, the node city selection principle of the Baltic-Adriatic Sea corridor was referred to, and the four indexes including city positioning, population and area, industrial distribution, and transportation development were summed up. The current conditions of 21 node cities were analyzed from the four levels, and the layout indexes were quantified based on the fuzzy compromise programming method. After the indexes were normalized, the weights were calculated in combination with the fuzzy preference thought. The comprehensive scores of the Baltic-Adriatic Sea corridor node cities were obtained and the importance interval was given. The results showed that Warsaw, Vienna, and Bratislava ranked the top three with high scores of 0.97, 0.92 and 0.81, which were the first-level important nodes. Ravenna had a score of 0.2 which ranked as the fourth-level important node with lowest score. The other 17 cities were ranked second and third. Through the analysis, it could be concluded that a comprehensive score of greater than or equal to 0.2 is a necessary condition for the selection of node cities, the national capital and provincial capital are the inevitable choices of transportation corridor nodes, and the transportation hubs and large cities with strong industrial development are also important targets for corridor coverage.

Key words： transportation corridors; node city; layout indexes; fuzzy compromise programming; Baltic-Adriatic Sea corridor

Cite this article

LIU Chang , SUN Li-bin , TIAN Chun-qing , SONG Jia-yun . Evaluation Method for Node Layout of Transportation Corridors Based on Fuzzy Compromise Programming Method: A Case Study of Baltic-Adriatic Sea Corridor[J]. Transport Research, 2022 , 8(4) : 83 -90 . DOI: 10.16503/j.cnki.2095-9931.2022.04.007

0 引言

交通运输通道是交通基础设施网络的“大动脉”，运输通道的布局决定了未来的交通发展方向。2014年1月，经欧盟议会和欧盟理事会批准，全欧交通网络（TEN-T）规划到2050年打通9条贯穿全欧洲的“核心通道”[1]。通过Win.d（万德）数据库查阅并计算这9条核心通道沿线节点国家的经济社会指标可知[2]，波罗的海—亚得里亚海通道上6个沿线国家GDP的总和远低于其他8条通道的沿线国家GDP总和，仅占欧盟的18.78%，但其人口密度却在9条通道中排名第二，为149人/平方公里，落后的经济发展水平和居高的人口基数对交通通道建设提出更高需求。根据国家统计局2020年统计数据[3]，我国人口密度为147人/平方公里，与波罗的海—亚得里亚海通道相近，故研究该通道布局的关键指标对我国运输通道布局规划具有一定的借鉴意义。
国内外学者对欧盟交通和运输通道布局已有研究。其中，国外关于欧盟交通的研究面较广，涵盖战略发展、区域影响、政策制定和评估等多个方面，例如：Dunmore等[4]分析了“一带一路”倡议对全欧交通网络（TEN-T）和欧洲交通系统的影响;Goldmann等[5]量化了新建TEN-T核心走廊对经济增长的直接和间接影响;Stephenson[6]从“养成性外溢”的角度分析了欧盟共同运输政策的发展;Szimba等[7]介绍了欧盟运输政策评估工具 HIGH-TOOL。在国内关于欧盟交通的研究中，周紫君[8]、贾光智[9]、王潇怡[10]、王贵平等[11]、吴喜德等[12]分别从公路、铁路、水运三种运输方式出发，研究了欧盟关于交通政策制定、法律框架、未来规划、发展趋势、区域一体化等方面的内容;林坦[13]、张天悦等[14]、王济钧等[15]、李茜[16]等以欧盟综合运输通道为研究对象，分析其发展现状、区域影响、运输政策、发展战略等。在国内关于运输通道的研究中，孟国连[17]、刘强等[18]、吴明等[19]、张建旭等[20]、赵光辉[21]等分别利用重要度区位结合布局法、三层规划模型、主成分法、多层模糊评价等模型及方法研究了运输通道的布局。
总体来看，已有对欧盟交通系统和全欧交通网络（TEN-T）的研究多偏重于政策研究、发展现状总结或发展趋势预判，过于宏观，少数研究从项目建设的角度分析TEN-T对我国的启示，但关于运输通道布局层面的研究较少。另外，已有研究多以9条核心通道为整体进行研究，鲜少对于其中某条通道进行深入研究。鉴于波罗的海—亚得里亚海通道与我国人口密度相近的特点，对该通道节点布局的研究具有重要意义。为此，本文对波罗的海—亚得里亚海通道的节点布局展开研究，从节点选取原则入手，归纳关键指标，研究量化方法，基于模糊折中规划方法建立评价体系，以期为我国国家级及省市级交通规划的研究和编制提供参考。

1 波罗的海—亚得里亚海通道简介

波罗的海—亚得里亚海通道是全欧交通网络（TEN-T）中9条核心运输通道之一，由欧盟1315/2013和1316/2013号条例确定，是横跨欧洲最重要的公路和铁路轴线之一，连接波罗的海和亚得里亚海，全长1 800km[22]。该通道途经波兰、捷克、斯洛伐克、奥地利、意大利和斯洛文尼亚6个成员国，共包括21个城市节点和机场，10个港口和近30个铁路终点站。2015年6月29日，欧盟委员会宣布将向“连接欧洲基金”计划中的交通项目提供规模达131亿欧元的资金，波罗的海—亚得里亚海通道是该计划中的重要通道之一[22]。

2 波罗的海—亚得里亚海通道节点布局指标体系

如表1所示，TEN-T核心通道节点识别条件包括城市功能、城市规模和客货运节点等因素，本文总结出关键指标有城市定位、产业分布、人口和面积、交通发展。
表1 全欧交通网络（TEN-T）核心运输通道节点识别条件
节点种类 判定条件
客货运节点
（城市主节点）		 成员国的首都
欧盟主要行政机构所在地
人口超百万大城市
城市群
小岛上主要城市
成员国之间边界等
货运节点 城市主节点的海港、内陆港、铁路货运站
年运输量超欧盟总运输量至少1%的海港及内陆港
连接核心网络上铁路及海港的内陆港
铁路场站
航空货运量达到欧盟总量1%的机场
客运节点 城市主节点的机场
年客运量超1%的机场
部分客运港口

2.1 城市定位

波罗的海—亚得里亚海通道沿线节点城市多为国家的首都或省（州/区/统计地区）的首府。结合城市的政治地位、文化氛围等因素，参考全球化与世界城市研究网络（GaWC）发布的《世界城市名册》[23]和全球管理咨询公司科尔尼（Kearney）发布的《全球城市指数报告》[24]，得出波罗的海—亚得里亚海通道沿线节点城市在本国的排名，如表2所示（表中仅考虑国内前10名排序，未在前10名的城市此指标不得分）。
表2 波罗的海－亚得里亚海通道上沿线节点城市在本国的排名
国家 城市 排名 国家 城市 排名
波兰 华沙 1 奥地利 维也纳 1
罗兹 3 格拉茨 2
弗罗茨瓦夫 4 克拉根福特 6
波兹南 5 意大利 乌迪内 —
格但斯克 6 的里雅斯特 —
什切青 7 威尼斯 7
卡托维兹 10 博洛尼亚 9
捷克 布尔诺 2 拉韦纳 —
俄斯特拉发 3 斯洛文尼亚 卢布尔雅那 1
斯洛
伐克		 布拉迪斯拉发 1
科佩尔 4
日利纳 3
波兰的7个节点城市华沙、罗兹、弗罗茨瓦夫、波兹南、格但斯克、什切青和卡托维兹均为所在省份的省会。华沙为波兰首都、欧盟第9大首都城市和19个世界一线城市之一，波兹南曾为波兰首都;捷克的2个节点城市布尔诺和俄斯特拉发均为所在州的首府;斯洛伐克的2个节点城市布拉迪斯拉发和日利纳分别为斯洛伐克首都和所在州首府;奥地利的3个节点城市维也纳、格拉茨和克拉根福特中，维也纳为奥地利首都和联合国的4个官方驻地之一，其他两个城市分别为所在州的首府;意大利的5个节点城市乌迪内、的里雅斯特、威尼斯、博洛尼亚和拉韦纳均为所在省的首府，的里雅斯特、威尼斯和博洛尼亚为所在大区首府;斯洛文尼亚的2个节点城市卢布尔雅那和科佩尔中，卢布尔雅那为斯洛文尼亚的首都。

2.2 人口和面积

波罗的海—亚得里亚海通道穿越的6个国家大约有1.26亿人口，约占欧洲总人口的25%[22]。根据Win.d数据库统计数据[2]，6个国家按人口由多到少排序依次为：意大利、波兰、捷克、奥地利、斯洛伐克和斯洛文尼亚，其节点城市人口和面积占全国总数比例如表3所示。由表3可以看出，该通道上节点城市面积占6国总比仅为1.38%，而人口占6国总比高达10.14%，说明该通道节点的选取充分覆盖了沿线国家中人口密度较大的城市。
表3 波罗的海—亚得里亚海通道上6国节点城市人口及面积占比
国家 节点城市人口占
本国总人口比		 节点城市面积占
本国总面积比
波兰 18.16% 0.64%
捷克 6.56% 0.47%
斯洛伐克 9.48% 0.91%
奥地利 25.26% 1.56%
意大利 3.32% 2.10%
斯洛文尼亚 16.26% 5.94%
全部节点城市占6国总比 10.14% 1.38%

2.3 产业分布

波罗的海—亚得里亚海通道沿线节点城市多为所在国家的重要产业聚集地，具体产业分布情况如表4所示。
表4 波罗的海—亚得里亚海通道上沿线节点城市产业分布
国家 城市 重点产业
波
兰		 华沙 工业、金融业、文化产业
罗兹 轻工业、电信业、文化产业
弗罗茨瓦夫 以铁路机车制造和电子制造为主的工业、金融业
波兹南 以机械制造为主的工业、文化产业
格但斯克 以造船、石油化工、机械制造和
食品加工为主的工业
什切青 以造船为主的工业
卡托维兹 以采煤为主的工业
捷
克		 布尔诺 以机械制造为主的工业
俄斯特拉发 以矿业、冶金和化工为主的工业
斯洛伐克 布拉迪
斯拉发		 以汽车制造和电子制造为主的工业、
金融业、文化产业
日利纳 以机械、化工、纺织、造纸、食品加工为主的工业
奥
地
利		 维也纳 文化产业
格拉茨 工业、文化产业
克拉根福特 轻工业、旅游业
意
大
利		 乌迪内 以钢铁和冶金为主的重工业、轻工业
的里雅斯特 工商业
威尼斯 工业、旅游业
博洛尼亚 农业、以食品纺织为主的工业
拉韦纳 农业、以炼油和橡胶为主的工业
斯洛文尼亚 卢布尔雅那 以制造水轮发电机和纺织品为主的
工业、文化产业
科佩尔 以汽车装配、塑料制造、制盐为主的工业

2.4 交通发展

波罗的海—亚得里亚海通道对沿线国家公路、铁路、水运、航空4种运输方式的主要交通枢纽及干线交通网络均有所覆盖，沿线节点城市的交通分布情况如表5所示。
表5 波罗的海—亚得里亚海通道上21个节点城市的交通分布情况
国家 城市 港口 铁路
干线		 干线
公路		 机场
波兰 华沙 — √ √ √
罗兹 — √ √ √
弗罗茨瓦夫 — √ √ √
波兹南 — √ √ √
格但斯克 √ √ √ √
什切青 √ √ √ √
卡托维兹 — √ √ √
捷克 布尔诺 √ √ √ √
俄斯特拉发 √ √ √ √
斯洛伐克 布拉迪斯拉发 √ √ √ √
日利纳 — √ √ √
奥地利 维也纳 √ √ √ √
格拉茨 — √ √ √
克拉根福特 — √ √ √
意大利 乌迪内 √ √ √ √
的里雅斯特 √ √ √ √
威尼斯 √ √ √ √
博洛尼亚 √ √ √ √
拉韦纳 √ √ √ √
斯洛文
尼亚		 卢布尔雅那 — √ √ √
科佩尔 √ — — √
公路方面，该通道覆盖了波兰干线公路E75，捷克干线公路E50, E461, E462，奥地利干线公路A21, S6, S35, A2，意大利干线公路E70, A13, E45，斯洛文尼亚干线公路E57和E61等（资料来源为Google Earth（谷歌地球）软件[25]）。
铁路方面，该通道覆盖的铁路线网多为高频高压的双轨铁路，共包含4 200km的1 435mm标准轨距铁路基础设施，电气化率较高，沿线客货运总运输量分别约为1 100万人/（公里·年）和3 100万吨/（公里·年），承担较重要的运输任务[11]。
水运方面，该通道覆盖波兰的两大主要港口群——格但斯克港和什切青港，二者水运量之和占全国的77%以上（数据来源为Win.d数据库[2]）;覆盖捷克的布尔诺港和俄斯特拉发港;覆盖斯洛伐克的主要港口布拉迪斯拉发港;覆盖奥地利的维也纳港，该港口是西欧国家最大的内河港口和多瑙河流域最大的集装箱港;覆盖意大利的乌迪内港、的里雅斯特港、威尼斯港、博洛尼亚港和拉韦纳港，的里雅斯特港是重要的集装箱、钢材和石油终端商业航运港口，威尼斯港是亚得里亚海威尼斯湾西北岸的重要港口，拉韦纳港是地西线航线上的主要港口;覆盖斯洛文尼亚的第一大港——科佩尔港，该港口是进出欧洲各类货物的核心集散地。
航空方面，通道上所有沿线节点城市均设有机场，且大部分机场为本国甚至欧洲的主要机场，如：维也纳施威夏特机场是欧洲重要的航空港之一，威尼斯马可·波罗国际机场是欧洲最繁忙的机场之一，等等。

3 波罗的海—亚得里亚海通道节点布局评价方法

波罗的海—亚得里亚海通道沿线节点城市的城市定位、人口和面积、产业分布、交通发展4个方面均有关联且相互影响。为了直观地展示运输通道布局与影响指标间的关系，本文基于模糊折中规划方法，先归一化处理各指标，解决指标间量纲不统一的问题，再通过模糊偏好方法，将定性的偏好分析转化为定量的权重系数，建立具有可操作性的运输通道节点布局评价方法。

3.1 评价指标归一化处理

根据波罗的海—亚得里亚海通道沿线节点城市的城市定位、人口和面积、产业分布和交通发展情况，对4个指标进行定量计算，并按式（1）[26]进行归一化处理，使其无量纲化且取值在[0, l]。
U = X i -   X m i n X m a x - X m i n
式（1）中：U为归一化处理的指标;Xi为该指标的值;Xmin为该指标取值范围的最小值;Xmax为该指标取值范围的最大值。
指标取值规则如下：
（1）城市定位主要根据城市排名进行计算，排名在前10的城市依次为取值在[0, 1]的等差数列，即第1名得分1，第10名得分0，第2名至第9名分别得分0.89, 0.78, 0.67, 0.56, 0.44, 0.33, 0.22和0.11，排名前10以外的城市不得分。
（2）人口和面积依据各节点城市实际数据进行计算，分别将人口数据和面积数据归一化处理，遵循以人为本的原则，赋予人口数据0.7的权重，赋予面积数据0.3的权重，折算后加和得到人口面积指标取值。
（3）产业分布根据产业涉及门类及范围进行打分，按照重工业、轻工业、农业、服务业的发达与否分为[0, 1]内的4个等级，即4项产业均发达的城市得分1，3项产业发达的城市得分0.75，两项产业发达的城市得分0.5，仅1项产业发达的城市得分0.25。
（4）交通发展依据交通分布情况计算，结合公路、铁路、水运、航空4种运输方式线路和节点分布情况对城市在[0, 1]内赋值，例如华沙虽没有港口，但干线公路和干线铁路条数分布较多，故得分为1;格但斯克虽4种运输方式均具备，但线路条数较少，故得分0.5。
根据以上取值原则计算得到各节点城市的指标数值如表6所示。
表6 波罗的海—亚得里亚海通道上21个节点城市的相关指标取值和部分原值
国家 城市 城市定位 人口和面积 产业
分布		 交通
发展
取值 原
排
名		 取
值		 原人口
/万人		 原面积
/km2		 取值（同
原值）		 取值（同
原值）
波
兰		 华沙 1.00 1 0.73 378 517 1.00 1.00
罗兹 0.78 3 0.15 78 214 0.75 0.25
弗罗茨瓦夫 0.67 4 0.13 64 293 1.00 0.75
波兹南 0.56 5 0.11 58 261 0.50 0.50
格但斯克 0.44 6 0.09 47 262 1.00 0.50
什切青 0.33 7 0.08 41 301 0.25 0.50
卡托维兹 0.00 10 0.06 32 165 0.50 1.00
捷
克		 布尔诺 0.89 2 0.07 39 160 0.75 0.75
俄斯特
拉发		 0.78 3 0.06 32 214 0.50 0.50
斯洛伐克 布拉迪斯拉发 1.00 1 0.09 43 368 1.00 0.75
日利纳 0.78 3 0.01 9 80 0.50 0.25
奥
地
利		 维也纳 1.00 1 0.37 189 415 1.00 1.00
格拉茨 0.89 2 0.04 25 127 0.75 0.25
克拉根
福特		 0.56 6 0.05 10 766 0.25 0.25
意
大
利		 乌迪内 0.00 - 0.48 100 5681 0.50 0.50
的里雅
斯特		 0.00 - 0.03 21 84 0.75 0.75
威尼斯 0.44 7 0.06 26 415 0.75 0.75
博洛尼亚 0.11 9 0.07 38 140 0.50 1.00
拉韦纳 0.00 - 0.02 16 5 0.25 0.50
斯洛文尼亚 卢布尔
雅那		 1.00 1 0.09 29 902 0.75 0.50
科佩尔 0.67 4 0.02 5 303 0.50 0.25

3.2 评价指标权重计算

模糊折中规划方法中权重一般基于模糊偏好思想进行计算，该方法能将定性的指标偏好转化为定量的权重数值[26]。本文为得到各指标量化后的权重，定义了一组能确定各指标权重的偏好关系，具体计算方法如下。
步骤1：构造偏好矩阵Ra[26]：
R a i ,   j = 0 ,   R a j ,   i = 2         t i ≺ ≺ t j R a i ,   j = 0 ,   R a j ,   i = 1           t i ≺ t j R a i ,   j = 1 ,   R a j ,   i = 1           t i ≈ t j
式（2）中：当对第 i种指标的偏好关心程度 t i远小于对第 j种指标的偏好关心程度 t j时，偏好矩阵中第 i行第 j列元素取0，第 j行第 i列元素取2;后两种取值方式原理相同。城市定位通常是受多种指标影响而形成，重要程度较高;交通发展是运输通道形成的基础，重要程度仅次于城市定位;产业布局是运输通道的主要服务对象，重要程度排名第3;人口和面积重要程度排名最后。故得到4个影响指标的偏好矩阵：
R a = 1 2 2 1 0 1 0 0 0 1 1 0 0 2 1 1
步骤2：构造偏好关系矩阵R[21]：
R ( i ,   j ) = γ ,   R ( j ,   i ) = γ       R a ( i ,   j ) = 1 且 R a ( j ,   i ) = 1 R ( i ,   j ) = α ,   R ( j ,   i ) = β       R a ( i ,   j ) = 0 且 R a ( j ,   i ) = 1 R ( i ,   j ) = β ,   R ( j ,   i ) = α       R a ( i ,   j ) = 1 且 R a ( j ,   i ) = 0 R ( i ,   j ) = δ ,   R ( j ,   i ) = ε       R a ( i ,   j ) = 0 且 R a ( j ,   i ) = 2 R ( i ,   j ) = ε ,   R ( j ,   i ) = δ       R a ( i ,   j ) = 2 且 R a ( j ,   i ) = 0
式（4）中： α ,   β ,   γ ,   δ ,   ε为（0, 1）之间的实数，且 α + β = δ + ε = 1。此处取α=0.35, β=0.65, γ=0.50, δ=0.20, ε=0.80。故得到偏好关系矩阵R为
R = 0.50 0.80 0.20 0.50 0.80 0.65 0.35 0.20 0.20 0.65 0.35 0.80 0.50 0.35 0.65 0.50
步骤3：由矩阵R定义一个有向带权重的图 G ( A ,   R )[26]（A为图的节点，B为图的边），此图的出边值为：
S L ( a ,   R ) = ∑ c ∈ A \ a R ( a ,   c )
式（6）中：a为变量，a∈A;c为变量，c∈A\{a}。
步骤4：得到相应的权重系数[26]：
λ ( t i ) = S L ( t i ,   R ) ∑ t i ∈ T S L ( t i ,   R )
式（7）中：T为4个影响指标的序号;ti 为变量，ti ∈T。
由此计算得到4个影响指标的权重分别为：
λ   1 = 3 8             λ   2 = 1 8             λ   3 = 1 5             λ   4 = 3 10

3.3 各节点城市综合得分

结合上述评价指标数值和权重的确定结果，计算得到波罗的海—亚得里亚海通道沿线节点城市的综合得分如表7所示。
表7 波罗的海—亚得里亚海通道上21个节点城市的综合得分（按得分降序排列）
等级 城市 综合
得分		 等级 城市 综合
得分
一级 华沙 0.97 三级 波兹南 0.47
维也纳 0.92 日利纳 0.47
布拉迪斯拉发 0.81 博洛尼亚 0.45
二级 布尔诺 0.72 科佩尔 0.43
弗罗茨瓦夫 0.69 卡托维兹 0.41
卢布尔雅那 0.69 的里雅斯特 0.38
格拉茨 0.56 克拉根福特 0.34
俄斯特拉发 0.55 什切青 0.33
威尼斯 0.55 乌迪内 0.31
罗兹 0.54 四级 拉韦纳 0.20
格但斯克 0.53
表7中按照[0.00, 0.25], [0.26, 0.50], [0.51, 0.75], [0.76, 0.10] 4个取值区间来划分节点城市的四级重要程度。一级重要的节点城市包括华沙、维也纳和布拉迪斯拉发;二级重要的节点包括布尔诺、弗罗茨瓦夫、卢布尔雅那、格拉茨、俄斯特拉发、威尼斯、罗兹和格但斯克;三级重要的节点包括波兹南、日利纳、博洛尼亚、科佩尔、卡托维兹、的里雅斯特、克拉根福特、什切青和乌迪内;四级重要的节点城市为拉韦纳。可见综合得分大于等于0.2是节点城市被选的必要条件，首都和省份的首府是运输通道节点的必然之选，交通枢纽和产业发展强劲的大城市也是通道覆盖的重要对象。

3.4 对我国运输通道节点布局的启示

我国运输通道节点城市的布局研究一直以来都是交通行业上位规划编制的重点之一。本文参考欧盟对运输通道节点的识别条件，重点研究识别条件的量化方法，通过关键指标归纳、量化、无量纲化处理和权重计算，形成一套能落地的节点城市选取方法，并以波罗的海—亚得里亚海通道为例展示方法的应用过程，可为我国国家级、省市级交通规划中的通道布局工作提供一定的参考。在研究过程中，可以得出欧盟运输通道的规划思想和发展理念对我国运输通道布局的启示，主要包括以下方面：
一是注重顶层设计，提早布局。欧盟较早地意识到交通运输一体化及通道建设对促进经济社会发展的重要意义，从1996年开始启动TEN-T计划，并出台系列文件，不断强化运输通道的顶层设计，引导通道内的交通项目建设。
二是注重运输通道与区域发展的衔接，将城市定位及产业发展纳入布局指标中。欧盟运输通道布局不仅充分考虑了欧盟总体发展战略，同时也考虑了区域战略和产业规划。在我国新一轮国土空间规划加快推进的大背景下，通道规划也应更加注重交通线路与沿线产业、城市协同互动，并做好各种运输方式间交通线路的协调衔接，进一步发挥运输通道对区域经济发展的推动作用。

4 结语

为量化欧盟对运输通道节点的识别条件，本文以波罗的海—亚得里亚海通道为例，总结了其通道节点城市的4个关键指标：城市定位、人口和面积、产业布局和交通发展，基于模糊折中规划方法，通过归一化处理指标和模糊偏好处理权重，计算得到各节点城市的综合得分，给予取值区间后对节点城市进行分级，从而形成了一套具有可操作性的运输通道节点布局评价方法，可为我国运输通道节点布局工作提供方法参考。在接下来的研究中，一方面可对通道的线路走向布局进行研究，进一步完善运输通道的布局方法;另一方面，可以增加更多的布局指标，优化指标体系，使节点城市的选取方法更具有实际性和准确性。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
张琛. 欧盟交通运输行业引导政策的借鉴与启示[J]. 交通企业管理, 2015(6): 73-76.

[2]
Win.d. Wind金融终端CP/OL. (2021-2-31) [2021-2-30]. https://www.wind.com.cn/NewSite/wft.html.

[3]
国家统计局. 国家数据年度数据[EB/OL]. (2021-2-28) [2021-2-30]. https://data.stats.gov.cn/easyquery.htm?cn=C01.

[4]
DUNMORE D, PRETI A, ROUTABOUL C. The ＂Belt and Road Initiative＂: impacts on TEN-T and on the European transport system[J]. Journal of Shipping and Trade, 2019, 4(10): 1-17.

[5]
GOLDMANN K, WESSEL J. TEN-T corridors-Stairway to heaven or highway to hell?[J]. Transportation Research Part A: Policy and Practice, 2020(137): 240-258.

[6]
STEPHENSON P. Let's get physical: the European Commission and cultivated spillover in completing the single market's transport infrastucture[J]. Journal of European Public Policy, 2010, 17(7): 1029-1057.

[7]
SZIMBA E, IHRIG J, KRAFT M, et al. High-tool-a strategic assessment tool for evaluating EU transport policies[J]. Journal of Shipping and Trade, 2018, 3(11): 1-30.

[8]
周紫君. 欧盟未来道路运输政策解析及启示[J]. 交通运输研究, 2019, 5(4):140-146.

[9]
贾光智. 欧盟铁路改革的法律框架体系及发展启示[J]. 综合运输, 2014(3):65-71.

[10]
王潇怡. 新功能主义视角下的欧洲铁路一体化――兼及对区域铁路一体化的启示[D]. 上海: 华东师范大学, 2016.

[11]
王贵平, 胡蓉. 欧盟铁路规划研究解读[J]. 青海交通科技, 2020, 32(2):1-6,16.

[12]
吴喜德, 纪龙. 欧盟内河水运发展趋势分析[J]. 生产力研究, 2012(10):157-159.

[13]
林坦. 欧美国家物流大通道的发展现状及推进措施[J]. 中国公路, 2017(6): 28-32.

[14]
张天悦, 林晓言. 交通在区域经济协同发展中的助推作用——以泛欧交通网为例[J]. 技术经济, 2011, 30(8): 69-73,105.

[15]
王济钧, 田芳, 刘玥彤. 美国、欧盟、日本和俄罗斯交通发展变迁规律研究[J]. 中国市场, 2019(13): 4-12,29.

[16]
李茜. 发达国家及地区交通运输长期发展战略分析[J]. 综合运输, 2016, 38(7): 86-90.

[17]
孟国连. 区域性运输通道布局规划的方法及应用研究[D]. 北京: 北京交通大学, 2010.

[18]
刘强, 陆化普, 王庆云. 区域运输通道布局优化三层规划模型[J]. 清华大学学报(自然科学版), 2010, 50(6):815-819.

[19]
吴明, 王莹莹, 冯琪. 基于主成分分析的综合运输通道布局模型研究[J]. 公路交通科技, 2011, 28(1):154-158.

[20]
张建旭, 李国文, 晏克非. 运输通道交通规划方案评价体系研究[J]. 公路交通科技(应用技术版), 2011, 7(10): 308-311.

[21]
赵光辉. “一带一路”背景下我国交通物流通道布局战略研究[J]. 当代经济管理, 2016, 38(8): 55-64.

[22]
王贵平, 徐桃让. 波罗的海-亚得里亚海通道规划分析[J]. 青海交通科技, 2019(6): 29-35.

[23]
GaWC. The world according to GaWC 2020[EB/OL]. (2020-2-21) [2021-2-30]. https://www.lboro.ac.uk/microsites/geography/gawc/world2020t.html.

[24]
Kearney. 2020年全球城市指数报告[EB/OL]. (2020-2-18) [2021-2-30]. https://www.kearney.cn/documents/1258856/63676687/%E7%A7%91%E5%B0%94%E5%B0%BC%E6%8A%A5%E5%91%8A_%E6%96%B0%E7%A7%A9%E5%BA%8F+%E6%96%B0%E6%9C%AA%E6%9D%A5_2020%E5%85%A8%E7%90%83%E5%9F%8E%E5%B8%82%E6%8C%87%E6%95%B0_VF.pdf/eb7e60fe-df75-7f93-3060-ac7f10ae81d0?t=1606749551000.

[25]
Google. Google Earth[CP/OL]. (2021-2-30) [2021-2-30]. https://www.google.cn/intl/zh-CN/earth.

[26]
刘畅, 魏丽英. 考虑人均延误和人均排放的信号配时优化模型[J]. 哈尔滨工业大学学报, 2018, 50(9):83-88.

Options
Outlines

/

〈 〉