资源描述：
第１期崔 强，等基于ＲＭ⁃ＤＥＭＡＴＥＬ的交通运输低碳化能力影响因素分析２１１ 人为本，关注人类的健康与舒适程度，并将低碳交通定义为一种战略，通过碳排放减少来改善气候环境的同时提高人们的生活质量［３］。陆化普对城市可持续交通运输、绿色交通运输、低碳交通运输的概念进行了比较，指出从广义上看绿色交通运输可等价于可持续交通运输，而这两者又都包含了低碳交通运输，强调低碳交通运输区别于绿色交通运输与可持续交通运输的最显著的特点就是以达到减少交通运输带来的碳排放量为目的［４］。基于以上研究，本文认为交通运输低碳化能力是在可持续发展和以人为本的基本原则下，为了达到运输效率提升、运输结构优化、能源消耗降低、环境问题改善等目的，通过技术、政策等手段，对运输效率、运输结构、能源消耗等进行调整，从而实现减少交通运输碳排放，改善环境污染和气候变化，提高人们的生活水平的最终目标的能力。可持续发展及节能减排研究是近年学术研究的热点问题［５，６］，低碳交通运输的发展政策的相关研究也较为丰富。在分析交通运输碳排放现状及存在的问题的基础上，许多学者提出了我国交通运输节能减排的发展建议，例如，孙曦［７］提出交通运输业的低碳化发展应从完善政策法规、合理规划交通服务体系、加强技术创新和新能源使用等方面入手；欧阳斌等［８］认为加强我国低碳交通运输战略规划的理论基础与顶层设计，政府公共政策创新与市场机制运用的有机结合，是构建绿色低碳现代综合运输体系的关键。 Ｃｈｅｎｇ等［９］的研究结果显示，燃油税和机动车停放管理政策对交通节能减排的影响较大。也有学者采用情景分析法提出交通运输低碳化的发展策略，如Ｓｈｕｋｌａ［１０］指出亚洲低碳交通发展可从基础设施和信息系统建设以及出行方式等方面着手。 ＭｃＣｏｌｌｕｍ［１１］则认为多策略政策组合方式对于削减排放是必要的，另外，要实现碳排放的大幅度削减，则要求非轻型车辆行业实现脱碳。在交通运输低碳化的影响因素方面，国内外学者采用不同的方法进行分析，并得出不同的结论。朱长征［１２］运用协整理论和误差修正模型得出交通能源强度和交通运输换算周转量对交通运输碳排放影响显著；高标等［１３］采用ＳＴＩＲＰＡＴ模型得出吉林省交通运输能源消费碳排放的驱动因子主要为人均ＧＤＰ、单位ＧＤＰ能耗、人口总数、城市化率、私家车数量、交通运输投资额等，本文选取交通运输Ｒ＆Ｄ投资额作为技术驱动力方面的主要因素之一。 Ｃｕｉ和Ｌｉ［１４］运用Ｔｏｂｉｔ回归模型识别出了影响交通碳排放效率的重要影响因素，结果表明技术和管理因素较交通结构因素的影响程度更大，本文也将技术、管理和交通结构三方面内容纳入一级指标。 Ｗａｎｇ等［１５］运用ＬＭＤＩ方法分解了中国１９８５－２００９年的交通碳排放，得出人均经济活动强度、运输结构变化和人口因素变动构成了碳排放的三大主要因素，而运输强度、交通运输行业比重则抑制了交通碳排放，由此可见交通运输业的产业实力对碳排放也有一定影响，本文一级指标也考虑了产业实力因素。在传统ＤＥＭＡＴＥＬ方法的应用及改进方面，国内外学者将该方法运用到各领域的影响因素识别中，并将ＤＥＭＡＴＥＬ方法与模糊集理论［１６，１７］、粗糙集理论［１８］以及灰数系统理论［１９，２０］等广泛结合应用。针对传统ＤＥ⁃ＭＡＴＥＬ方法专家赋值的主观性缺点的改进，将ＲＢＦ神经网络［２１］、ＢＰ神经网络［２２，２３］运用到ＤＥＭＡＴＥＬ方法的直接关联矩阵赋值阶段的研究方法较为成熟；此外，关系图（ＲＭ）也被用来确定直接关联矩阵［２４］。由以上文献总结可知，现有针对低碳交通运输和ＤＥＭＡＴＥＬ方法的研究成果比较丰富，但仍存在有待进一步研究和改进的问题（１）现有文献大部分是在静态分析和情景假设的基础上直接确定交通运输低碳化能力的影响因素，进而提出低碳交通运输发展策略，缺乏对影响因素的有效识别和分析。低碳交通运输影响因素指标众多，用于因素分析的方法与结论多样。（２）在研究方法方面，现有研究只有少数对ＤＥＭＡＴＥＬ方法采用主观性赋值的缺点进行了改进，针对该方法的不足之处的改进还有待进一步研究，而文献［１９－２１］利用ＢＰ神经网络和ＲＢＦ神经网络求解直接影响矩阵的方法只能应用在目标向量已知的情况下，而本文直接利用ＲＭ方法求得各影响因素的直接关联矩阵，在应用范围上是一个非常大的拓展。因此，本文立足于已有的研究，提出ＲＭ⁃ＤＥＭＡＴＥＬ模型对交通运输低碳化能力的影响因素进行更加客观的分析，对研究方法进行了拓展，并对研究内容进行进一步的完善。２１２ 管理评论第３０卷模型构建１、ＤＥＭＡＴＥＬ方法决策试验与评价实验室分析法（Ｄｅｃｉｓｉｏｎ Ｍａｋｉｎｇ Ｔｒｉａｌ ａｎｄ Ｅｖａｌｕａｔｉｏｎ Ｌａｂｏｒａｔｏｒｙ，ＤＥＭＡＴＥＬ）是１９７１年由美国学者提出的一种分析系统中各因素关系的一种建模方法，该方法将图论和矩阵工具的组合应用，根据系统中各因素间的逻辑关系，建立直接关联矩阵计算出各个因素的影响度与被影响度、中心度与原因度，据此可以得出各因素所属种类，从而定量地明确因素间的相互影响程度以及各因素在系统中的重要程度［２５］。运用ＤＥＭＡＴＥＬ方法进行影响因素分析的几个关键定义定义１定义ｎ阶矩阵Ａ＝（ａｐｑ）ｎｎ为直接影响矩阵，ａｐｑ表示因素ｖｐ对ｖｑ的直接影响程度。定义２定义标准化后的直接影响矩阵为Ｙ ＝ ｂ· Ａ （１）其中，ｂ ＝ １ｍａｘ１≤ ｐ≤ ｎ∑ｎｑ ＝ １ａｐｑ，ｐ，ｑ ＝ １，２， ，ｎ （２）Ｙ ＝ （ｙｐｑ）ｎｎ ＝ １ｍａｘ１≤ ｐ≤ ｎ∑ｎｑ ＝ １ａｐｑ· Ａ （３）定义３定义综合影响矩阵为Ｔ ＝ （ｔｐｑ）ｎｎ ＝ Ｙ （Ｉ － Ｙ） －１ （４）其中Ｉ为单位矩阵，（Ｉ－Ｙ）－１为逆，ｔｐｑ表示因素ｐ对因素ｑ的综合影响程度。定义４定义各指标的影响度、被影响度、中心度及原因度。令Ｄ ＝ （ｄｐ）ｎ１ ＝ ∑ｎｐ ＝ １ｔｐｑ ｎ１ （５）Ｒ ＝ （ｒｑ）１ｎ ＝ ∑ｎｑ ＝ １ｔｐｑ １ｎ （６）将ｄｐ定义为影响度，将ｒｑ定义为被影响度。当ｐ＝ｑ时，将ｄｐ＋ｒｑ定义为中心度，其值越高说明该因素在系统中所起的作用越大，重要性越高；将ｄｐ－ｒｑ定义为原因度，若原因度大于０，表明该因素对其他因素影响较大，称为原因因素，若原因度小于０，表明该因素受其他因素影响较大，称为结果因素。从上述定义可以看出，直接影响矩阵的构建是运用ＤＥＭＡＴＥＬ方法分析影响因素关系的基础，该方法采用专家组打分的方法确定直接影响矩阵，虽然后续步骤对专家评定结果进行了进一步的处理，但仍存在一定程度的主观性，最终影响结果的客观性。在影响因素较多的情况下，采用专家评定的方法不易实现。针对该方法的局限性，运用科学有效的方法构建直接影响矩阵对传统ＤＥＭＡＴＥＬ模型应用范围的扩展有着重要的意义。２、关系图方法关系图（Ｒｅｌａｔｉｏｎ Ｍａｐ， ＲＭ）是一种以节点、有向边和有向边权重组成的用来反映因素间相互影响关系的直观图，其中节点表示各因素，有向边表示各因素间影响关系，有向边的权重表示影响程度的大小［２６］。图１为一个关系图的实例，其中四个节点代表四个因素，节点间的箭头和权重分别代表因素间的影响关系和影响程度。关系图可以直观体现出因素间的影响关系及影响程度，而构建关系图的关键是确定有向边的权重。确定关系图中各因素之间的连接权重的几个关键定义定义１设关系图Ｇ ＝ （ Ｖ， Ｅ， Ｓ），其中Ｖ ＝ ｖ１，ｖ２， ，ｖｎ{ }为因素集， ｎ为因素总个数， Ｅ ＝ｅｐｑ ｐ＝１， ，ｎ，ｑ＝１， ，ｎ，ｐ≠ ｑ{ }为ｖｐ和ｖｑ之间连接的有向边集，Ｓ ＝ ｓｐｑ ｐ＝１， ，ｎ，ｑ＝１， ，ｎ，ｐ≠ ｑ{ }表示ｖｐ对ｖｑ影响关系的强弱程度的集合。第１期崔 强，等基于ＲＭ⁃ＤＥＭＡＴＥＬ的交通运输低碳化能力影响因素分析２１３ 图１ 关系图实例定义２数学上常用两个变量的偏导数来衡量两者之间的相互影响程度［２６］，因此，在一个单输入单输出系统中，因素ｐ对因素ｑ的影响大小可定义为ｓｐｑ ＝ ∂Ｏｑ∂Ｉｐ＝ ∂ｆ Ｉｐ ∂Ｉｐ（７）其中Ｉｐ为指标ｐ对输入节点的输入量，Ｏｑ为指标ｑ在输出节点的输出量，ｆ为指标间的关系函数。由上述介绍和定义可以看出，关系图中因素间的有向边权值可以用来建立ＤＥＭＡＴＥＬ模型中的直接影响矩阵，而求解有向边权值的关键在于因素间关系函数的构建，人工神经网络模型中由其自适应过程形成的输入输出关系为因素间相互影响关系的确定提供了可能，因此本文尝试引入ＢＰ人工神经网络模型来求解关系图中的有向边权值，进而构建直接影响矩阵。３、ＢＰ人工神经网络模型ＢＰ神经网络是一种多层前向神经网络，其主要思想是正向传播和反向调节的两个阶段的学习过程［２７］。一个典型神经网络结构如图２所示。网络的输入数据从输入层依次经过各隐层神经元，最终到达输出层神经元从而得到输出数据，因此可把神经网络认为是一个从输入到输出的高度非线性映射。图２ 人工神经网络典型结构神经元ｉ的输入输出关系可描述为Ｉｉ ＝ ∑ｍｊ ＝ １ｗｊｉｘｊ － θｉＯｉ ＝ ｆ Ｉｉ ìîíïïïï（８）其中ｘｊ是神经元ｊ的输入量，Ｉｉ是输入层神经元传递至神经元ｉ的输入量， ｗｊｉ是神经元ｊ到神经元ｉ的连接权值，ｍ是输入层神经元数量，θｉ是神经元ｉ的阈值，Ｏｉ是神经元ｉ的输出量，ｆ是传递函数。最常用的传递函数为Ｓｉｇｍｏｉｄ函数，即ｆ（ｘ） ＝ １１ ＋ ｅ－ｘ （９）因此，神经元间输入输出关系可进一步表示为Ｏｉ ＝ １１ ＋ ｅｘｐ θｉ － ∑ｍｊ ＝ １ｗｊｉｘｊ （１０）１９８７年Ｈｅｃｈｔ⁃Ｎｉｅｌｓｅｎ在讨论了含有单隐层的神经网络的功能后，提出隐层神经元的数目为２ｍ＋１或２１４ 管理评论第３０卷２ｍ－１，其中ｍ为输入层神经元数［２８］。基于以上结论，本文采用含单隐层、隐层神经元数为２ｍ－１的ＢＰ神经网络进行建模。由公式（９）和公式（１０）可知，隐层神经元的输出值为Ｏｉ ＝ ｆ（Ｉｉ） ＝ ｆ（∑ｍｊ ＝ １ｗｊｉｘｊ － θｉ） ＝ １１ ＋ ｅｘｐ θｉ － ∑ｍｊ ＝ １ｗｊｉｘｊ （１１）输出层神经元的实际输出值为Ｏｌ ＝ ｆ（Ｉｌ） ＝ ｆ（∑２ｍ－１ｉ ＝ １ｕｉｌＯｉ － θｌ） ＝ １１ ＋ ｅｘｐ θｉ － ∑２ｍ－１ｉ ＝ １ｕｉｌ １１ ＋ ｅｘｐ θｉ － ∑ｍｊ ＝ １ｗｊｉｘｊ æèçç öø÷÷（１２）其中Ｏｌ为输出层神经元的输出值，Ｉｌ为隐层神经元传递至输出层神经元ｌ的输入值，ｕｉｌ是神经元ｉ到神经元ｌ的连接权值，２ｍ－１是隐层神经元数量，θｌ是神经元ｌ的阈值。设指标ｐ从输入层的第ｊ个神经元输入，则输入量ｘｊ ＝ｘｐ，结合公式（７），因素ｐ对因素ｑ的影响程度大小可进一步表示为ｓｐｑ ＝∂ １１ ＋ ｅｘｐ θｉ － ∑２ｍ－１ｉ ＝ １ｕｉｌ １１ ＋ ｅｘｐ θｉ － ∑ｍｊ ＝ １ｗｊｉｘｐ æèçç öø÷÷∂ｘｐ （１３）由于单隐层的神经网络模型是对所研究问题内部结构进行持续的模拟仿真，１９８９年Ｆｕｎａｈａｓｈｉ提出当ｃ限定为一个较小的值时，公式（１４）可作为公式（１３）中偏导数ｓｐｑ的近似值［２９］。ｓｐｑ ＝ ｆｑ ｘ１，ｘ２， ，ｘｐ＋ ｃ σ（ｘｐ）， ，ｘｋ － ｆｑ ｘ１，ｘ２， ，ｘｐ － ｃ σ（ｘｐ）， ，ｘｋ ２ σ（ｘｐ） （１４）其中ｆｑ为输出层神经元的期望值为ｘｑ时神经网络的传递函数，ｋ为因素ｐ的指标数据总数，σ为指标ｐ的标准差。４、ＲＭ⁃ＤＥＭＡＴＥＬ模型基于以上定义，本文提出ＲＭ⁃ＤＥＭＡＴＥＬ模型，用该模型分析影响因素的步骤如下第一步针对研究内容确定其影响因素并建立指标体系。设各指标为ｖ１，ｖ２， ，ｖｎ，ｎ为指标个数。第二步以含有一个隐层的ＢＰ人工神经网络为基础，构建输入层含ｎ个神经元、隐层含２ｎ－１个神经元的人工神经网络模型。第三步将指标ｑ的值ｘｑ作为网络输出的期望值，将各指标值作为输入量分别从ｎ个输入层神经元输入，设ｐ从输入层的第ｊ个神经元输入，则ｘｊ ＝ｘｐ。第四步设定允许的最小误差和学习速率和迭代次数，采用最小均方误差学习规则对网络进行训练，采用误差的梯度下降法对权值分布及阈值进行不断修正使神经网络形成稳定的状态，最终得到输出期望值为ｘｑ时的神经网络的传递函数ｆｑ。第五步由公式（１４）对ｓｐｑ进行求解，得到因素ｐ对因素ｑ的影响程度大小。第六步按照上述步骤以各影响因素指标数据值为输出期望值构建神经网络模型对ｓｐｑ进行求解，得出系统中各因素的影响程度大小，从而确定关系图中的有向边权值，最终得到ＤＥＭＡＴＥＬ模型中的直接影响矩阵Ａ，Ａ ＝ ａｐｑ ｎｎ ＝ ｓｐｑ ｎｎ （１５）第七步根据公式（３）计算标准化后的直接影响矩阵Ｙ。第八步根据公式（４）计算综合影响矩阵Ｔ。第九步根据公式（５）和公式（６）计算出影响度ｄｐ及被影响度ｒｑ，其中影响度ｄｐ表示该因素对其他因素的综合影响程度，被影响度ｒｑ表示其他因素对该因素的综合影响程度，当ｐ＝ｑ时，计算中心度ｄｐ＋ｒｑ及原因度ｄｐ－ｒｑ。第１期崔 强，等基于ＲＭ⁃ＤＥＭＡＴＥＬ的交通运输低碳化能力影响因素分析２１５ 实证分析结合对中国交通运输业碳排放的现状分析，建立中国交通运输低碳化能力影响因素指标体系，利用所提出的ＲＭ⁃ＤＥＭＡＴＥＬ模型，本文以中国２００４－２０１２年交通运输行业的相关数据为样本，对中国交通运输行业低碳化影响因素进行实证分析。１、影响因素指标体系交通运输低碳化能力是一个综合的、系统的概念，必须根据其本质内涵、基本特征和主要内容构建层次分明、结构完整、代表性强的影响因素指标体系。参考现有文献中能力的内涵［１３－１５，２１］，能力体系包含投入能力、产出能力和支撑能力。投入能力主要包括人力投入和财力投入，本文重点从技术进步等角度分析。产出能力主要衡量对象现有的发展水平，而支撑能力主要衡量政府或管理部门的影响。具体到交通运输低碳化能力，投入能力可以从交通运输技术驱动力因素构建指标，而交通运输技术驱动力包含技术人力投入和技术财力投入。产出能力指标可以从交通运输产业实力和交通运输结构等两方面分析。产业实力衡量的是交通运输在总量上的发展状况，主要从经济产出角度进行分析。而由于交通运输业包含公路、铁路、水路、航空等多种交通运输方式，不同交通运输方式对交通运输业低碳发展的影响不同，所以交通运输结构也是衡量交通运输低碳化能力的一个重要指标。交通运输低碳化能力的支撑能力可以从交通运输管理驱动力方面构建指标。因此，本文的交通运输低碳化能力一级指标设定为技术驱动力、管理驱动力、产业实力和运输结构四个一级指标。而这四个一级指标又由１３个二级指标组成，如表１所示。（１）技术驱动力因素科技是推动人类进步、带动社会发展的重要工具，交通运输低碳化进程的推进离不开技术的投资与应用。低碳技术体现在运输装备的节能减排、清洁燃料的研发与应用等众多方面，并作用于低碳交通运输体系的各个环节，因此技术驱动力因素是发展低碳交通运输需要考虑的因素之一。交通运输行业的Ｒ＆Ｄ经费支出和研究人员的数量能够直接体现出国家在技术方面的投入，是节能减排的主要动力，技术研发效率及研发成果则能衡量技术的投入产出效果，技术研发效率越高，说明技术产出效果越好，有助于推进交通节能减排。本文用交通运输行业的Ｒ＆Ｄ经费内部支出、研发人员数量、技术研发效率和交通运输领域授权专利数四个指标体现技术驱动力因素，其中交通运输技术研发效率为每名研发人员拥有的专利数。交通运输领域授权专利数为国家知识产权局专利信息服务平台中主分类号为“Ｂ６０一般车辆、Ｂ６１铁路、Ｂ６２无轨陆用车辆、Ｂ６３船舶或其他水上船只；与船有关的设备、Ｂ６４飞行器；航空；宇宙航行”的授权专利数之和。（２）管理驱动力因素交通运输是一个复杂的综合的系统，保证该系统的有序、高效、低碳运行需要对其进行合理的管理。国家政府对低碳交通越重视，越能积极地采取措施促进节能减排，具体体现在政府在交通运输及环境保护方面的支出占国家财政总支出的比例，该项比值越大，则说明政府对低碳交通的重视程度越高。一般认为，在国家经济发展的初期，贸易开放通过产品的生产、流通等环节加剧了交通碳排放，而我国正处于经济转型期，发展水平日益提高，贸易开放有助于低碳技术的进步以及国家在环境保护方面的政策法规的完善，贸易开放程度的提高也会引起能源价格的增长，进而促进低碳交通运输体系的建设。另一方面，能源价格的波动对能源消费有直接影响，从而引起交通碳排放量的变化，同时能源价格通过作用于贸易开放、经济发展、技术水平等因素间接促进或抑制交通碳排放。政府对低碳交通的重视程度的高低、国家贸易的开放程度以及政府能否对能源价格进行有效的调控可从不同角度反映出管理驱动力因素对低碳交通运输的影响。本文用政府对低碳交通运输重视程度、贸易开放程度和政府对能源价格的管控力三个指标来体现管理驱动力因素。其中政府对低碳交通运输重视程度为交通运输支出和环境保护支出之和占中央及各省市政府财政支出的比重；贸易开放程度为进出口货物总额与ＧＤＰ的比值；政府对能源价格的管控力为国外能源价格波动程度与国内能源波动程度之比。（３）产业实力因素交通运输业的整个行业结构庞大，覆盖范围全面，从业人员数量众多，雄厚的产业实力有助于对行业的低碳发展提供宏观的指引与支持，因此产业实力因素也对低碳交通运输建设有一定的影响。我国交通运输业的２１６ 管理评论第３０卷迅速发展促进了行业产值的增长的同时也拉动了国家ＧＤＰ的增长，行业自身的进步能够推进节能减排工作的实施，交通运输业在经济发展中的重要性也能够引起国家对产业低碳化建设的关注。本文中产业实力因素通过交通运输行业的产值增长率、单位从业人员生产率和交通运输业资产贡献率三个指标来体现，其中交通运输产业单位从业人员生产率是单位从业人员创造的产值，交通运输产业资产贡献率为交通运输行业产值增加量与当年交通运输固定投资额之比。（４）运输结构因素运输结构反映了不同交通运输方式在交通运输活动中所占的比例和各种交通运输方式下的客货运分布。由于各种交通运输方式引起的碳排放程度不同，因此合理的交通方式比例和客货运分布可提高交通运输低碳化程度。在城市交通中，公共交通车辆低碳环保，而当前我国私家汽车数量持续增长，公共交通比重对交通碳排放的影响日益突出。对于长途运输，铁路和水路运输具有运量大、能源效率高、排放量低等显著优势，在综合运输体系中所占比重越大，对交通节能减排越有益。本文用公共交通车辆比重、公路与航空旅客周转量比重和铁路与水运货物周转量比重三个指标表示运输结构因素。其中，公共交通车辆比重为公共交通车辆数量占公路营运载客车辆数量的比重；公路与航空旅客周转量比重为公路、航空旅客周转量之和占总体旅客周转量的比重；铁路与水运货物周转量比重为铁路、水运货物周转量之和占总体货物周转量的比重。表１ 交通运输低碳化能力影响因素指标体系一级指标二级指标数据来源技术驱动力指标交通运输Ｒ＆Ｄ经费内部支出中国科技统计年鉴交通运输研发人员数量中国科技统计年鉴交通运输技术研发效率中国科技统计年鉴交通运输领域授权专利数国家知识产权局专利信息服务平台管理驱动力指标政府对低碳交通运输重视程度中国统计年鉴贸易开放程度中国统计年鉴政府对能源价格的管控力中国能源统计年鉴产业实力指标交通运输业产值增长率中国统计年鉴交通运输业单位从业人员生产率中国统计年鉴交通运输业资产贡献率中国统计年鉴运输结构指标公共交通车辆比重中国统计年鉴公路与航空旅客周转量比重中国统计年鉴铁路与水运货物周转量比重中国统计年鉴２、结果分析根据交通运输低碳化能力影响因素指标体系（表１），归纳整理得到２００４－２０１２年中国交通运输行业的各指标相关实证数据，各指标数据来源见表１。针对影响指标体系中的１３个指标的每个指标构建输入层含１３个神经元，隐层含２５个神经元的ＢＰ神经网络，经过训练收敛，共形成１３个稳定的神经网络结构，按照前文中的计算步骤对各因素之间的影响关系大小进行计算，经过多次调试，公式（１４）中ｃ取值为０ １，计算得到的关系图中各因素的有向边权值见表２所示。表２ 关系图中各因素有向边权值因素Ｆ１ Ｆ２ Ｆ３ Ｆ４ Ｆ５ Ｆ６ Ｆ７ Ｆ８ Ｆ９ Ｆ１０ Ｆ１１ Ｆ１２ Ｆ１３Ｆ１ ０ ０００６３９ ９ ７５Ｅ⁃０５ １ ２Ｅ⁃０５ ６ ８Ｅ⁃０５ ９ ０２Ｅ⁃０５ ６ ８６Ｅ⁃０５ ７ ２７Ｅ⁃０５ ５ ２９Ｅ⁃０５ ６ ７６Ｅ⁃０５ １ １５Ｅ⁃０５ ５ ５Ｅ⁃０５ ０ ０００１１９ １ ５Ｅ⁃０５Ｆ２ ８ １５Ｅ⁃０５ ０ ０００９５３ ０ ０００１２３ ０ ０００２４５ １ ８８Ｅ⁃０５ ０ ０００４９６ ０ ０００１０５ ７ ６４Ｅ⁃０５ ０ ０００５７１ ９ ６８Ｅ⁃０５ ０ ０００３７３ ０ ０００３７８ １ ７３Ｅ⁃０５Ｆ３ ０ ０００１０１ ０ ０００３７４ ０ ０００８５４ ０ ０００７５４ ０ ０００２１５ ３ ５４Ｅ⁃０５ ０ ０００２５８ ０ ０００１５ ０ ０００５５８ ０ ０００１５ ０ ０００３ ０ ０００２８６ ０ ０００２０５Ｆ４ ０ ０００３２１ ０ ０００５１７ ０ ０００８１８ ０ ０００８０３ ８ ７３Ｅ⁃０５ ０ ０００１６４ ０ ０００１３６ ０ ０００２０８ ０ ０００６１５ ０ ０００１１４ ０ ０００２９７ ０ ０００１８４ ０ ０００１６５Ｆ５ ４ ４９Ｅ⁃０５ １ ８６Ｅ⁃０６ ３ ２２Ｅ⁃０５ ４ ８７Ｅ⁃０５ ０ ０００６８７ ８ ９９Ｅ⁃０５ ９ ５６Ｅ⁃０５ ４ ５８Ｅ⁃０６ ２ ８６Ｅ⁃０５ ０ ０００２５９ １ ２４Ｅ⁃０５ １ ２３Ｅ⁃０５ ８ ９８Ｅ⁃０５Ｆ６ ９ ２２Ｅ⁃０５ ０ ０００２３２ ５ ４４Ｅ⁃０５ ８ ８７Ｅ⁃０５ ５ ５６Ｅ⁃０５ ０ ０００６６５ ３ ９７Ｅ⁃０５ ０ ０００４１９ ０ ０００１２１ ０ ０００１９６ ０ ０００２５１ １ ６９Ｅ⁃０５ ０ ０００１６４Ｆ７ ７ ２１Ｅ⁃０５ ６ ３９Ｅ⁃０５ ６ １２Ｅ⁃０５ ５ ２Ｅ⁃０５ ０ ０００１２７ ０ ０００１７８ ０ ０００６３３ ０ ０００１５４ ０ ０００１０５ ０ ０００２９２ ０ ０００１５９ ０ ０００３４１ ７ ６６Ｅ⁃０５Ｆ８ １ ３１Ｅ⁃０５ ２ ５３Ｅ⁃０５ １ ０１Ｅ⁃０５ ３ １６Ｅ⁃０５ ６ ９１Ｅ⁃０５ ０ ０００１７５ ３ ７７Ｅ⁃０５ ０ ０００２６ ４ ４Ｅ⁃０５ ４ ２９Ｅ⁃０６ ０ ０００２６５ １ ２９Ｅ⁃０５ ２ １５Ｅ⁃０５Ｆ９ ０ ０００２７９ ０ ０００７３８ ０ ０００６０４ ０ ０００６０９ ０ ０００３３５ ０ ０００１９６ ０ ０００１４５ ０ ０００１２３ ０ ０００６９９ ０ ０００１６４ ８ ４８Ｅ⁃０５ ０ ０００３８６ ５ ８７Ｅ⁃０５Ｆ１０ ２ ４９Ｅ⁃０５ ７ １４Ｅ⁃０５ ２ ７８Ｅ⁃０５ １ ５１Ｅ⁃０５ ９ ６５Ｅ⁃０５ ０ ０００１８２ ０ ０００１７１ ５ ２９Ｅ⁃０５ ３ ８６Ｅ⁃０５ ０ ０００３２３ ２ ３８Ｅ⁃０６ ６ ４４Ｅ⁃０６ ３ ７９Ｅ⁃０５Ｆ１１ ２ ２１Ｅ⁃０５ ６ ５７Ｅ⁃０５ ２ ４７Ｅ⁃０５ ２ １Ｅ⁃０５ １ ３６Ｅ⁃０５ １ ６Ｅ⁃０５ １ １６Ｅ⁃０５ ８ ２２Ｅ⁃０５ １ ５２Ｅ⁃０５ ２ ５３Ｅ⁃０５ ０ ０００１２５ ４ １７Ｅ⁃０５ １ ９７Ｅ⁃０５Ｆ１２ ０ ０００１３９ ０ ０００２０８ ４ ０２Ｅ⁃０５ １ ４１Ｅ⁃０５ ０ ０００１１８ ８ ２２Ｅ⁃０５ ０ ０００４１ ７ ６８Ｅ⁃０５ ０ ０００１７８ ０ ０００１２３ ０ ０００１４４ ０ ０００７４２ ０ ０００２８９Ｆ１３ ９ ３４Ｅ⁃０６ ９ ２Ｅ⁃０６ ２ ２３Ｅ⁃０５ ２ ０１Ｅ⁃０５ １ ２２Ｅ⁃０５ ２ ８８Ｅ⁃０５ １ ６２Ｅ⁃０６ ２ ０４Ｅ⁃０５ ２ ２１Ｅ⁃０６ ４ ４８Ｅ⁃０６ ２ ０５Ｅ⁃０５ ４ ４７Ｅ⁃０５ ０ ０００１３３根据表２的有向边权值构建直接影响矩阵，通过ＭＡＴＬＡＢ编程计算出中心度ｄ＋ｒ和原因度ｄ－ｒ的值，见第１期崔 强，等基于ＲＭ⁃ＤＥＭＡＴＥＬ的交通运输低碳化能力影响因素分析２１７ 表３所示。表３ 关系图中各因素有向边权值指标ｄ＋ｒ ｄ－ｒ１．Ｒ＆Ｄ经费内部支出１ ６１７７ －０ ３４８６２．研发人员数量４ ２３８２ ０ １４２８３．技术研发效率４ ３９３４ １ １９３９４．授权专利数４ ５９５ １ ２９１９５．政府对低碳交通运输重视程度１ ５５７７ －０ ４２９２６．贸易开放程度２ ４１２６ －０ ２０４２７．政府对能源价格的管控力２ １９２９ －０ ０５３８．交通运输产业产值增长率１ ２７８５ －０ ４９３３９．单位从业人员生产率４ ７５５１ １ ０８２８１０．资产贡献率１ ３８６ －０ ４４５４１１．公共交通车辆比重１ ３８７３ －０ ９４４８１２．公路与航空旅客周转量比重２ ７０７９ －０ ２４５２１３．铁路与水运货物周转量比重０ ８２４２ －０ ５４７８各影响因素的因果关系如图３所示。图３ 各因素因果关系图结合表３和图３可以看出，中心度大于４的影响因素由大到小依次为交通运输行业单位从业人员生产率、授权专利数、技术研发效率和研发人员数量，这表明，这些因素在中国交通运输低碳化能力的建设中发挥着关键的作用，影响程度最大的因素为单位从业人员生产率，可见加强对交通运输行业从业人员的管理，提高生产率，保证该行业的产业实力对实现交通运输低碳化意义重大。此外，中心度大于４的大部分因素集中在技术驱动力指标方面，科技是第一生产力，技术性减排是低碳交通系统建设的关键［３０］。政府及企业在技术方面的投入，直接关系到低碳交通技术的创新进程和效用。因此，低碳交通运输体系能否顺利建设很大程度上取决于技术层面的支持。其次，中心度大于２的影响因素有３个，由大到小依次为公路与航空旅客周转量比重、贸易开放程度和政府对能源价格的管控力，由此可见，管理驱动力层面对交通运输低碳化能力的影响较大。贸易开放通过规模效应、技术效应等途径影响交通碳排放，国家的贸易开放政策的合理制定能够协调贸易开放与交通碳排放之间的关系［３１］。能源是支持交通运输发展的物质基础，能源价格则是影响碳排放的重要调节要素［３２］，交通节能减排离不开对贸易开放、能源价格等要素的有效管理，要想全面提高交通运输低碳化能力，该行业的管理驱动力的加强也应引起重视。另一方面，影响中国交通运输低碳化能力的原因因素的重要程度从大到小依次为交通运输领域授权专利数、技术研发效率、单位从业人员生产率和研发人员数量，说明这四个因素对其他因素的影响程度较大，而其他９个因素为结果因素，受其他因素的影响程度较大，由此可见低碳交通运输的有效实现需从四个原因型影响因素入手。需要指出的是，四个原因型影响因素的中心度均大于４，说明这四个因素对低碳交通运输影响重大的同时对其他影响因素也产生了较大的影响。其中授权专利数、技术研发效率和研发人员数量均为技术驱动力指标，综合来看，技术驱动力层面的影响因素为根本型影响因素，管理驱动力层面的影响因素为主要影响因素。低碳交通运输建设的关键是技术的有力支撑和管理的有效实施。“十一五”期间交通运输业节能减排工作虽有了显著的进展，但距全面发展低碳交通和绿色低碳经济的总体目标仍有一定的差距，由本文的研究结果可以推断，其中技术和管理方面是其不足之处的关键所在。首２１８ 管理评论第３０卷先，低碳交通运输技术创新与服务体系不够健全，科技研发投入不足，低碳节能技术、产品和现代信息技术的应用推广进展缓慢，且尚未建立技术服务体系。其次，交通运输节能减排工作的监管有待加强，存在专职管理机构和从业人员缺乏，引导性资金投入不足，政策法规和标准规范体系不完善等一系列问题。针对以上问题，“十二五”规划将技术水平的提高和管理能力的加强列入交通运输低碳发展的总体目标，开展节能减排科技专项行动，将技术的全面升级和监管建设纳入十大重点工程，充分体现了技术和管理对节能减排、建设低碳交通运输体系的重要性。３、发展建议针对理论模型和实证分析结果，结合指标体系，从技术和管理角度提出以下中国低碳交通运输的发展建议（１）加强交通低碳技术研发力度技术的进步是交通运输业节能减排的重要途径，政府及企业在技术研发方面的投入是促进技术发展的主要驱动力，技术研发效率则能体现出研发投入的综合效用，反映出研发能力水平的高低。以２０１２年为例，我国Ｒ＆Ｄ支出占ＧＤＰ总额的１ ９３％，而交通运输业研究与开发机构Ｒ＆Ｄ经费内部支出为５ ３６亿元，仅占国家Ｒ＆Ｄ经费内部支出总额的０ ５２％，规模以上交通运输设备制造企业研发机构人员数为８ ７７万人，占规模以上工业企业研发机构人员总数的３ ８７％，而我国交通运输业每名研发人员拥有的专利数为０ ３９，由此可见，我国交通低碳技术的研发投入和研发效率还有很大的上升空间。对科研单位而言，国家政府应采取相应措施激励各科研单位的技术研发工作，推动技术创新动力，充分挖掘技术研发潜力；对于交通运输相关企业，政府则应细化已有的税收、补贴政策，对研发融资给予支持，降低其研发投资风险，同时应整合现有科研单位和企业的技术力量，加快信息流通和资源共享，加快科技成果向产品的转化速度，全面提高低碳技术研发效率。（２）推进低碳技术研发成果的应用在加强低碳交通技术研发的基础上，研发成果的应用是技术创新的实践性成果，也是节能减排的重要举措。从当前我国交通运输业绿色发展的现状来看，技术研发应从运力的节能减排和新能源创新两个方面出发。在机动车保有量不能有效控制而大部分汽车的燃油效率不高的现状下，我国汽车节油还有很大的发展潜力，开发汽车节能新技术、强化先进运输设备的研发力度以及全面推广低能耗汽车对降低交通运输行业的碳排放有显著的效果。例如改进发动机和燃油设备，推广节油器和燃油添加剂的使用将有助于提高能源充分燃烧率，从而减少尾气排放。与此同时，国家政府应实施相应的政策持续激励汽车企业的技术创新，推广节能减排设备的应用。另一方面，在当前汽车数量居高不下的情况下，从能源的角度进行创新将是实现交通运输低碳化能力的重要突破。目前汽车制造行业已引入电能，生物质能等清洁能源作为新能源汽车的能源消耗，然而新能源汽车还未实现广泛的普及，因此政府应加大对新型清洁能源的研发力度，采取有效措施降低生产清洁能源的成本，同时大力推广清洁能源汽车，积极推进其相关配套设施建设，增加对新能源汽车的补贴力度，持续扶持清洁能源和新型能源汽车的发展，通过技术的全面革新减少交通运输业碳排放量。（３）完善能源价格调控机制，促进对外贸易开放在充分考虑价格变动所引起的能源消费、贸易开放、技术经济发展的可能条件下，能源价格已经成为交通节能减排的有效杠杆。完善的能源价格调控机制不能仅局限于能源行业的成本补偿，更应注重针对价格变动趋势做出的适时反应，通过能源价格机制达到市场供需平衡的目标，同时也要求国家政府对能源行业的成本及利润进行合理评估和严格监管，使得能源价格的杠杆作用有效发挥。此外，我国能源价格形成机制应与国际市场接轨，国内能源价格应与国际能源价格体系的有效衔接，推动我国能源市场融入国际需求机制，正确反映行业资源的稀缺性，促进交通运输节能减排动力的产生。另一方面，对外贸易的开放能够引起能源价格的增长，进而推动交通低碳化的发展。从长期来看，贸易开放也能促进我国参与国际竞争，有利于国际前沿低碳技术的溢出，加快国内低碳技术的进步，因此我国应促进对外贸易开放，通过贸易开放技术效应的长期作用，形成相应的机制体系，引进低碳交通的前沿技术。（４）优化运输组织和管理，完善交通运输管理体系除能源的合理定价和贸易开放等措施外，我国交通运输管理体系的全面完善是建设低碳交通运输体系的第１期崔 强，等基于ＲＭ⁃ＤＥＭＡＴＥＬ的交通运输低碳化能力影响因素分析２１９ 关键。在当前交通低碳化进程取得一定成果的基础上，我国还应引导交通运输企业进行规模化发展，充分运用现代交通运输管理技术，加强客货运组织和运力调配，整合社会零散运力，实现客货运发展的网络化、有序化、集约化和高效化。综合交通运输管理部门应对交通规划、建设、执法与交通运输管理进行统一的调控，合理的增加交通供给，满足日益增长的交通客货运需求。另外，我国交通运输法制建设还需进一步推进，交通运输管理、规划、建设、运营以及服务工作应充分依托法律手段进行规范，全面优化运输组织及管理，通过完善的管理体系提高交通运输低碳化能力。结 论本文通过确定关系图中因素间的有向边权重来构建ＤＥＭＡＴＥＬ模型中的直接影响矩阵，采用对每个影响因素建立ＢＰ人工神经网络模型的方法对权值进行求解，ＲＭ⁃ＤＥＭＡＴＥＬ方法有效克服了ＤＥＭＡＴＥＬ方法需要专家讨论的局限性，扩展了ＤＥＭＡＴＥＬ方法的应用范围。该方法能够科学的分析影响因素之间的关系，并能有效识别影响程度最大的因素及原因因素，为影响因素的分析提供了理论依据，分析结果对低碳交通运输的建设具有参考价值。基于ＲＭ⁃ＤＥＭＡＴＥＬ模型对中国交通运输进行实证分析的结果表明，中心度和原因度较大的因素集中在技术驱动力指标方面，说明技术型因素对低碳交通运输和其他因素的影响最大，为根本型影响因素；而中心度大于２的影响因素主要集中在管理驱动力层面，说明管理型因素为交通运输低碳化能力的主要影响因素，因此需从技术和管理两个角度采取相应措施，从而真正实现低碳交通运输。参考文献［１］ 刘建翠．中国交通运输部门节能潜力和碳排放预测［Ｊ］．资源科学， ２０１１，３３（４）６４０⁃６４６［２］ 宿凤鸣．低碳交通的概念和实现途径［Ｊ］．综合运输， ２０１０，（５）１３⁃１７［３］ Ｇｒｅａｔ Ｂｒｉｔａｉｎ． Ｄｅｐａｒｔｍｅｎｔ ｆｏｒ Ｔｒａｎｓｐｏｒｔ．Ｌｏｗ Ｃａｒｂｏｎ ＴｒａｎｓｐｏｒｔＡ Ｇｒｅｅｎｅｒ Ｆｕｔｕｒｅ［Ｍ］． Ｌｏｎｄｏｎ Ｓｔａｔｉｏｎｅｒｙ Ｏｆｆｉｃｅ， ２００９［４］ 陆化普．城市绿色交通的实现途径［Ｊ］．城市交通， ２００９，７（６）２３⁃２７［５］ 李大元，孙妍，杨广．企业环境效益、能源效率与经济绩效关系研究［Ｊ］．管理评论， ２０１５，２７（５）２９⁃３７［６］ 曹春辉，席酉民，曹瑄玮．企业节能减排的动因探析与策略选择［Ｊ］．管理评论， ２０１３，２５（７）３⁃１０［７］ 孙曦．我国交通运输业低碳减排研究［Ｊ］．中国流通经济， ２０１４，２８（２）５４⁃５８［８］ 欧阳斌，李忠奎，凤振华．低碳交通运输规划研究现状、问题及展望［Ｊ］．中国流通经济， ２０１４，（９）１３⁃２０［９］ Ｃｈｅｎｇ Ｙ． Ｈ．， Ｃｈａｎｇ Ｙ． Ｈ．， Ｌｕ Ｉ． Ｊ． Ｕｒｂａｎ Ｔｒａｎｓｐｏｒｔａｔｉｏｎ Ｅｎｅｒｇｙ ａｎｄ Ｃａｒｂｏｎ Ｄｉｏｘｉｄｅ Ｅｍｉｓｓｉｏｎ Ｒｅｄｕｃｔｉｏｎ Ｓｔｒａｔｅｇｉｅｓ［Ｊ］． ＡｐｐｌｉｅｄＥｎｅｒｇｙ， ２０１５，１５７９５３⁃９７３［１０］ Ｓｈｕｋｌａ Ｐ． Ｒ．， Ｄｈａｒ Ｓ． Ｅｎｅｒｇｙ Ｐｏｌｉｃｉｅｓ ｆｏｒ Ｌｏｗ Ｃａｒｂｏｎ Ｓｕｓｔａｉｎａｂｌｅ Ｔｒａｎｓｐｏｒｔ ｉｎ Ａｓｉａ［Ｊ］．Ｅｎｅｒｇｙ Ｐｏｌｉｃｙ， ２０１５，８１１７０⁃１７５［１１］ Ｍｃｃｏｌｌｕｍ Ｄ． Ｌ． Ａｃｈ
展开阅读全文