一种基于数据包络分析的低碳出行 对绿色交通发展的研究

曾召霞^a，李明伟^a*，刘道华^b

(信阳师范学院 a.旅游学院; b.计算机与信息技术学院，河南 信阳 464000)

摘 要: 为了明确低碳出行对城市交通绿色性发展的积极贡献作用，从人、车、路、交通基础设施和交通环境五个层面提取衡量低碳出行对城市交通绿色性发展的主要指标，并引入数据包络分析方法中C²R模型的等价变换线性规划模型，以广州市2005年—2012年低碳出行投入和产出的统计数据为例,借助SPSS和DEAP等数据分析工具进行实证研究.研究结果表明:随着能源的紧张和私人机动车辆的增加，发展公共交通事业已成为城市绿色交通发展的第一要素.

关键词 :低碳出行；数据包络分析；绿色交通；贡献率

0引言

“十二五”期间中国政府在部分城市开展“都市公交”示范工程，目的是保证公共交通出行方式在地方政府的大力支持下不断得到提高，期望在“十二五”时期末能够实现有轨道交通城市的公共交通分担率达到45%以上，初步形成高效的公共交通运行网络，以减轻城市交通运行压力，达到减少排放、节约能源的目的，不断向建设低碳出行的方向靠拢^[1].就当前城市交通发展现状来看，公交专用道或轨道交通运输能力是城市道路单车道的6～12倍，运送同样数量的乘客，公交车与小汽车相比，土地资源节约了3/4，建筑材料节省了4/5，投资减少了5/6，油耗约为后者的1/6，排放的有害气体为后者的1/16^[2].但是，私人汽车作为城市发展的重要交通工具之一，为了保证城市的正常发展，不能一味地发展公共交通而限制私人汽车运行，因此，基于低碳出行政策，挖掘它在推动城市交通绿色性发展时的主要作用因素，明确它在整个过程中的作用程度以及推动城市交通绿色性发展作用方式等，是当前形势下需要解决的问题^[3].本文基于上述背景问题展开研究，评价低碳出行对城市交通绿色性发展的贡献价值，不仅有助于明确二者的相互关系及主要作用指标，还能够根据贡献率研究结果提出城市交通绿色性发展的策略建议，推动城市交通的健康持续发展.

目前，随着交通与环境之间协同发展的问题越来越突出，无论是低碳出行研究，还是交通绿色性探索，都已经成为国内外关注的热点.就论文研究过程中收集到的资料来看，国内外关于低碳出行和交通绿色性的研究已经取得了相当的研究成果.比如，欧美一些发达国家对低碳出行已有近50年的研究历史，该过程中伴随着城市规模化、机动车智能化等因素的影响，学者们也针对该领域相继提出了不同的研究战略.MARINA^[4]认为交通运输基础设施以及道路规划情况等对公共交通出行的影响较大，并结合欧美一些国家道路运输的实际情况进行了论证分析.SCHEINER^[5]等运用多种数学模型评价了若干个国家城市的低碳出行发展情况，结果显示发展低碳出行对交通绿色性有一定的影响，但其研究结论仅停留在定性描述层面，并没有对影响作用进行深入的量化分析.国内研究虽晚于国外，但经过近些年的不断努力，也取得了丰硕的成果.曾曦^[6]选择Logit模型对公共交通问题进行研究，但是更多的是对公共交通问题的预测，关于其与绿色交通之间的关系涉及较少.孙秀倩^[7]结合数学和运筹学中的方法研究低碳出行，在分析了影响低碳出行的因素、指标等基础上，收集数据进行实证分析，阐述了不同城市低碳出行的发展情况.由文献分析可知，虽然低碳出行和交通绿色性的研究已经取得了阶段性成果，但是，较多成果在研究过程中将二者进行了分离，单独研究其中的某一种行为产生的效益，关于二者间的相互作用关系的研究需要加强；而且，很多研究都是从直观的应用效益视角入手，且部分成果仍然停留在定性层面的描述，数理统计模型的应用较少.基于这些成果，为了保证研究的客观性和精确性，将选取数据包络模型从贡献率视角量化研究，期望本文研究不论是在完善贡献率研究的理论模型方面，还是在促进城市交通绿色性发展及应用方面，都能产生一定的价值意义.

1城市交通绿色性发展的主要指标分析

通过对低碳出行内容的分析，参考国内外学者在评价低碳出行时提取指标的方式和构建的指标体系，结合国内低碳出行的发展现状，本文从人、车、路、交通基础设施和交通环境五个方面展开讨论，提取可以衡量低碳出行对城市交通绿色性发展的主要指标.指标的提取路径如图1所示.

图 1相关指标关系图
Fig . 1Related indicator relationship

对图1中的指标进行相关性描述之后发现，部分指标之间存在冗余^[8]，因此，为保证指标的简洁性、精确性，需将冗余指标删除；同时，结合论文研究的核心内容，遵循指标选取的突出性、数据易获取性、定性与定量相结合等原则，将最终指标确定为：公共交通分担率、每万人公交拥有量、公共交通日均乘客量和人均出行能源消耗量.

本课程采用“项目导向、任务驱动”教学模式进行教学，以过程考核为主，即在教学过程中进行考核并评定单项任务成绩，课程成绩是各单项成绩之和。从而使得考核方法更为客观、公正。

(1)公共交通分担率

3)风塔资料显示海风锋到达时,风向风速有显著改变,而海风锋相遇内陆强对流系统时,将激发和加强对流系统,在风场上显示突然地风向转变和迅速地风速增大。同时对流有效位能CAPE显示,CAPE自内陆向沿岸增加,与海风锋移动路径相向。配合水汽通量辐合中心,构成有利于海风锋对强对流系统激发的环境条件,并形成强风与强降水过程。

通过上述分析，最终将本文的评价指标确定为：

F =n ₁/N ₁,

(1)

指标确定之后，需选择样本城市.根据文章的研究内容，最终选择广州为样本城市.广州作为“十二五”时期唯一一个基于物联网的智能交通建设示范城市，无论是从交通发展水平、经济水平还是从地理位置等因素来考虑，都符合论文研究过程中对样本城市交通发展情况的要求.因此，此处以广州市作为样本进行研究，收集广州市2005年—2012年的指标数据，具体内容如表1所示.

数据来源: 广州统计信息网. http://data.gzstats.gov.cn.

DEA法在测算贡献率时一般采用其中的C²R模型，因此，本文使用C²R模型测算低碳出行政策对城市交通绿色性发展的贡献，并主要从规模有效性和技术有效性两个方面对决策单元(DMU)的有效性进行评价.此处不仅考虑低碳出行政策的贡献，还将与之相关的指标纳入，使计算得到的贡献率值与真实值更为接近.因此，可建立如下的线性规划模型(P)：

(3)公共交通日均乘客量

在统计公共交通日均乘客数量时，汇总了来自公交车、轨道交通和出租车三种交通方式的乘客数量，在收集数据时，以人次为单位进行统计，具体数据可从相关交通统计年检中获取.

上初中后，我整个人都变了。从“逼着读书”到“主动学习”，也许是那场旅行改变了我，或许还有张绍凡的看轻吧，她眼中的不屑仿佛一把利刃割着我。我不再整天玩乐，不再调皮，上课认真听讲，虽然基础不够扎实，学得有点吃力，但我相信“天道酬勤”，只要我足够坚持，足够用功，时间终究会给出一份答案。

(4)年人均出行能源消耗量

交通行业一直被认为是社会碳排放和能耗的重要领域之一，如何降低交通行业的能源消耗和碳排放量，世界各国都在努力探索.近十几年来，中国在交通节能减排领域取得了较多的突破和进展，比如：一大批与节能减排相关的法律、规划、标准和规范出台，为节能减排工作的开展给予了重要指导；大批节能减排技术和产品得到推广和应用，有效提升了交通运输生产效率和服务水平，增强了交通运输节能减排的技术基础和保障能力.根据已有研究成果可知，年人均出行能源消耗量指标的计算方法为：年人均出行能源油耗=客运交通能源消耗总量(吨)/城市出行总量(万人次).由此可知，在城市出行总量不变的情况下，客运车辆消耗的燃油总量越多，绿色性越差，反之越好.

2基于数据包络分析的绿色交通发展评价模型

2.1模型选择

在综合考虑以上指标之间的关系以及各指标内涵的基础上，通过对多种贡献率研究方法进行综合比较，本文最终选择数据包络分析方法(DEA)测评低碳出行政策对推动绿色交通发展的贡献.与其他贡献率研究方法相比，DEA方法在测评贡献率时具有以下优点：①DEA是一种可用于评价多投入、多产出系统效率的方法，在使用DEA方法时不需要指定投入、产出的生产函数形态；②DEA方法具有非参数性，不需要针对每个决策单元设置生产函数形式，可直接通过数据资料得到效率值，增强结果的准确性；③DEA能够识别出低效率的来源，并告诉管理者如何调整导致低效率的要素，以提高效率值.④DEA方法在评价决策单元的效率值时，不受数据计量单位的影响.⑤DEA能够进行差异分析、敏感度分析和效率分析，可进一步了解决策单元的资源使用情况供决策者参考^[10].

2.2模型构建

根据公安部、建设部《2002年全国城市道路交通管理畅通工程总体方案》的有关规定，由公安部交通管理局、建设部城市建设司于2002年联合下发的《城市道路交通管理评价指标体系》(2002年版)及《城市道路交通管理评价指标体系说明》可知，万人拥有公共交通车辆标台数是反映城市公共交通发展水平和交通结构状况的指标，同城市公共交通分担率一起，是判断交通发展战略是否明确、公共交通优先政策和措施是否落实的参考指标，同时也是评价城市交通绿色性的有效指标.此处考虑到轨道交通和出租车的特殊性及数据的离群性，为了保证数据采集的合理性、准确性，不统计轨道交通和出租车的数量，仅对公交车的数据进行统计.

(2)

式中:ω ^T=(ω ₁,ω ₂,…,ω _n )为输入变量的权重，μ 为输出变量的权重.求解上述线性规划，若V _P =1，说明DEA有效；若V _P <1，说明非DEA有效.非DEA有效表示产量位于有效生产前沿面以下，说明相对输出要素来说输入要素存在一定程度浪费，没有达到应有的产出水平，即此时的输出参数不能准确反应输入要素本应产生的价值，要对输入要素进行调整，使其达到最优.因此，需要对模型进行改进，在保持基本输入不变的前提下，通过增加或者减少某些输入变量将输出量提高到有效生产前沿面上，模型的改进方法如下：

(3)

其中:S 为松弛变量，通过对规划问题进行求解得出λ ,α ,S 的值.α 的经济含义是在基本保持输入要素不变的情况下，尽量将输出按同一比例增大，若输出不能再增加，则α =1，评价单元有效.若α >1，则评价单元无效，可计算出评价单元对应的(X _j0 ,Y _j0 )在相对有效生产前沿面上的投影

(4)

若设表示第j ₀个决策单元的相关指标的输入量，E 表示对低碳出行政策对城市交通绿色性发展的贡献率，E 的计算公式如下：

马约翰先生在1948年接待校刊记者时说：“我觉得体育的功效，最重要是培养人格，补充教育的不足，培养一种‘干、干、干！’的精神”他认为体育是教育的重要组成部分，培养全面发展人才的手段，运动场是培养学生品格极好的场所，培养青年们勇敢的精神，坚强的意志，自信心，进取心和争取胜利的决心。

(5)

3实证分析

3.1样本选择及数据收集

公共交通分担率指城市居民出行方式中选择公共交通(包括常规公共交通、快速公共交通和轨道交通，不包括出租汽车、班车、校车)出行的出行量占城市总出行量的比率.该因素是促进公共交通发展、优化城市交通结构的重要指标，也是城市绿色交通评价的核心指标之一^[9].计算式如下：

(1)输出指标1个：年人均出行能源消耗量Y (单位：吨/万人次)，该指标能够反映客运能源在一定时期内的发展变化情况.

[42]央广网：《对接“一带一路”倡议，柬埔寨文化旅游发展迎来新契机》，http://dl.cnr.cn/tnhb/20171031/t20171031_524007040.shtml，2017年10月26日。

中小制造企业应增强信息化管理水平，为发展战略的升级添砖加瓦。这就囊括了一揽子的具备战略效果的举措，比如将信息软件ERP、PLM、CRM、OA等引入压缩机械企业的经营和治理中。只要全方位实行信息化，就能实现成本下降、提升竞争水平，优化企业整体的发展战略，在工业4.0中不至于落伍。

使用DEAP软件对表中数据进行处理，根据得到的计算结果可知DEA有效的决策单元共有4个，分别是2005、2007、2008和2009年.其他决策单元的效率值虽然小于1，但平均值为0.954，即说明其他决策单元并非完全处于低效率状态.依据上文给出的模型计算方法，在无效的决策单元中引入剩余变量和松弛变量，然后构造线性规划方程，求解方程，得到在V _P =1时λ 和μ 的值.在使用DEAP软件计算时发现效率为1的4个决策单元中，第4个决策单元(即2008年)被参考的次数最多，因此，可以对指标数据重新构造线性规划方程组，具体方程如下：

式(1)中，n ₁表示选择公共交通的出行量(人次)，N ₁表示城市总出行量(人次).此处将公共交通分担率作为备选指标之一，是因为公共交通分担率的取值受人、车、路和交通环境等多层面因素的影响.比如，从人的角度分析，选择使用公共交通出行的人数直接决定了公共交通分担率的大小，选择公共交通出行的人次在出行总人次中所占比例越大，则公共交通分担率越大.此时，若想提高公共交通出行人次，就需要有足够多的公共交通工具满足出行者日益增长的出行需求，同时，还要提供良好的道路基础设施和出行环境，保证公共交通出行的安全性、舒适性、便捷性，方能吸引更多出行者选择公共交通出行.

表 1指标数据统计表
Tab . 1The statistics of indicator data

(2)每万人公交拥有量

3.2贡献率测算

虽然DEA方法在计算决策单元的有效性时对原始数据的计量单位没有要求，但仍然要求参与计算的所有指标数据之间必须呈现出一种线性相关关系.通过对表1中的原始数据进行简单Person相关性分析，发现数据之间线性相关关系较差.因此，在进行贡献测算前，先对原始数据进行简单的线性处理，使其符合DEA方法的计算要求.依据数据特点，将原始数据取自然对数，取完对数之后，若存在负值，则不能直接用于计算，需进一步处理，可将负值乘以-1，再取倒数，整理后的数据如表2所示.

表 2处理后的指标数据统计表
Tab . 2The statistics of the treated indicator data

(2)输入指标3个：公共交通分担率X ₁(单位：%)、每万人公交拥有量X ₂(单位：辆/万人)、公共交通日均乘客数量X ₃(单位：百万人次).

② 卡西·纳特布朗著.刘焱,刘丽湘译.读懂幼儿的思维：幼儿的学习及幼儿教育的作用.北京师范大学出版社(第三版):58.

使用WINQSB软件求解上述方程组，当V _P =1时λ ₁=0.08，λ ₂=0.62，λ ₃=0.26，μ =1.09，结合式(4):

求解低碳出行政策对城市交通绿色性发展的贡献率.在计算贡献率时，由于原始数据的单位不同，不能直接进行计算，需要对原始数据进行无量纲化处理，然后才能进行贡献率的测算，根据上文给出的贡献率计算公式，代入无量纲化处理后的数据，得到2005年—2012各年度、各输入指标的贡献率值，如表3所示.

表 32005年— 2012年低碳出行对城市交通绿色性发展的贡献
Tab . 3The contribution of low carbon travel to the green development of urban traffic from 2005to 2012

3.3测算结果分析

从表3中的贡献率测算结果可以得出：

(1)从宏观角度分析，对比贡献率的变化趋势，低碳出行政策对城市交通绿色性发展所起的贡献率由小到大的排序分别是：公共交通分担率、每万人公交拥有量和公共交通日均乘客数量.说明公共交通日均乘客量对发展绿色交通的作用最为明显和强烈，其他指标次之.该结论对制定城市绿色交通发展战略具有较强指导意义.比如，相关部门可对影响公共交通分担率的因素进行讨论，制定提高公共交通分担率的战略措施；同时，在每万人公交拥有量方面，在配置该指标时要注意保证公共交通数量和私人机动车数量达到一个最佳平衡点；对公共交通日均乘客数量指标，在发挥其目前既有的优势的同时，不断进行优化.

(2)从微观角度分析，从2005年—2009年，公共交通日均乘客数量和公共交通分担率的贡献率都处于一个平稳状态，而每万人公交车拥有量的贡献率有较大幅度波动，主要因为民用机动车拥有量得到大幅度的增长.从2010年—2012年，三个指标有了相似幅度的提高，并在一个新的水平下趋于平稳，主要是2010年广州亚运会提高了公共交通的使用率.由此可知，城市中的大型活动对提高城市交通绿色性具有积极的促动作用.

国有企业或国有资本是我国经济的重要引擎和主导力量，近年来，国有资本向关系国家经济命脉、国家安全的重要行业集中，但对一般性或竞争性实体行业的经营和投资持续弱化，造成投资不足，国有企业在大部分行业中并没有发挥促进产业融合、改善产业组织结构的功能， 建议加快完善国有企业治理结构和考核机制。

随着中西文化交流的日益频繁，文化负载词的翻译对于促进中西方各国之间的友好交流具有重要意义。研究中国文化负载词，尤其是中国文学中的文化负载词的翻译，可以使西方读者更全面地了解中国传统文化，对当代中国人的生活哲学形成更直观的认识。有鉴于此，笔者以Kathy Mok的《盗墓笔记》第一册的英译本Cavern of the Blood Zombies为对象，结合相关理论，着重探讨了文化负载词的翻译方法。

4结论

利用数据包络分析方法中的C ²R 模型在数据处理上的优势，研究了低碳出行对城市交通绿色性发展的贡献率，不仅能够避免用普通模型计算贡献率时无法将交通技术进步纳入而导致贡献率测算结果不准确的问题，还能使测得的贡献率能更真实、客观地反映低碳出行对城市绿色交通发展的促进作用.同时，以广州市低碳出行发展现状为例进行实证分析，较真实地测算出了广州市2005年—2012年期间低碳出行政策对发展绿色交通的贡献率.其研究结论不仅能在评价低碳出行对发展城市交通绿色性的贡献时提供思路，还可被其他行业在评价节能减排的贡献时所借鉴.

参考文献：

[1] 方晓平,周倩然.基于TPB的低碳交通出行方式研究[J].铁道科学与工程学报,2019,16(3):804-808.

FANG Xiaoping,ZHOU Qianran.The research of low-carbon transportation mode based on TPB[J].Journal of Railway Science and Engineering,2019,16(3):804-808.

[2] BRAM K,TOMAS A,SARA V,et al.Tackling fragmented last mile deliveries to nan stores by utilizing spare transportation capacity： A simulation study[J].Sustainability,2018,10(3):653-664.

[3] LI Jing, KEVIN L,GUO M.Urban residents’ response to and evaluation of low-carbon travel policies: Evidence from a survey of five eastern cities in China [J].Journal of Environmental Management, 2018,217(1): 47-55.

[4] MARINA V G, HARRY G, HUGO P. Transport innovation: Coping with the future [J]. Transportation Planning & Technology, 2003, 26(6):437-447.

[5] SCHEINER J. Social inequalities in travel behavior: Trip distances in the context of residential self-selection and lifestyles[J]. Journal of Transport Geography, 2010, 18(6):679-690.

[6] 曾曦, 王慈光. Logit模型的改进及其在客流分担率预测中的应用——以成渝城际铁路为例[J]. 交通科学与工程, 2007, 23(4):50-53.

ZENG Xi, WANG Ciguang. Improvement of Logit model and its application in forecasting the distribution rations of passenger flows on CHENG-YU intercity railroad [J]. Journal of Changsha Communications University, 2007, 4(23): 50-53.

[7] 孙秀倩. 综合运输枢纽与城市交通的协调发展[J]. 科技信息, 2010(11):521,525.

SUN Xiuqian.The coordinated development of urban traffic and Integrated transport hub [J]. Science & Technology Information, 2010(11):521,525.

[8] 李明伟, 云俊, 官淑琪. 基于回归模型的ITS对城市交通畅通性贡献研究[J]. 数学的实践与认识, 2015,45(22):74-80.

LI Mingwei, YUN Jun, GUAN Shuqi. Research the contribution rate of ITS to urban traffic smooth based on regression model [J]. Mathematics in Practice and Theory, 2015,45(22):74-80.

[9] MARCIO D A,SUZANA K R. Eco-efficiency management program (EEMP): A model for road fleet operation [J]. Transportation Research Part D: Transport and Environment, 2004, 9(6):497- 511.

[10] 冉立平,翟凤勇.基于DEA的中国建筑业人力资本贡献率实证分析[J].系统管理学报, 2010(12):702-705.

RAN Liping, ZHAI Fengyong. Empiricalanalysis on contribution rate of human capital in China’s constructionindustry based on DEA [J]. Journal of System & Management, 2010(12):702-705.

Low Carbon Travel for the Development of Green Traffic based on Data Envelopment Analysis

ZENG Zhaoxia ^a* ,LI Mingwei ^a ,LIU Daohua ^b

(a. Tourism College; b.College of Computer and Information Technology, Xinyang Normal University, Xinyang 464000, China)

Abstract : In order to clear the positive contribution of the low-carbon transportation to urban green traffic development in our country, the main indicators of low carbon policy to green traffic development are extracted from five aspects: the people, vehicles, roads, transportation infrastructure and transportation environment. Then the equivalent transformation model of linear programming model of C²R is used in data envelopment analysis. Take Guangzhou city as the example to collect the relevant index data from 2005 to 2012, using SPSS and DEAP as the analysis tools to deal with the input and output of low-carbon transportation statistics data. The results of contribution rate show that, with the increase of energy tension and private motor vehicles, the development of public transport enterprise has become the first thing to the urban green traffic development.

Key words :low-carbon transportation; data envelopment analysis; green traffic; contribution rate

DOI ：10.3969/j.issn.1003-0972.2019.03.013

文章编号: 1003-0972(2019)03-0415-06

收稿日期： 2019- 03- 30；修订日期： 2019- 05- 15；* .

通信联系人 ， E- mail: limingwei_happy@ 163.com

基金项目： 国家自然科学基金项目(31872704);河南省重点研发与推广专项项目(182102210537)；河南省高等教育教学改革项目(2017SJGLX389)；教育部产学合作协同育人项目(201802305003)；河南省教师教育课程改革项目(2019-JSJYYB-031)；河南省教育厅社科应用研究项目(2018-YYZD-12)

作者简介： 曾召霞(1974—)，女，河南信阳人，实验师，硕士，主要从事旅游资源管理研究.

中图分类号: TP12

文献标志码: A

开放科学(资源服务)标识码( OSID):

责任编辑： 郭红建

标签：低碳出行论文;  数据包络分析论文;  绿色交通论文;  贡献率论文;  信阳师范学院旅游学院论文;  信阳师范学院计算机与信息技术学院论文;