基于數據包絡分析的高鐵物流載體城市布局規劃

桂 欣

（中國鐵路設計集團有限公司，天津300308）

0 引言

當前，我國“四縱四橫”高速骨干網已基本建成，并且高速鐵路建設仍舊處于高速發展階段。根據《中長期鐵路網規劃》（發改基礎[2016]1536號），到2030年，我國將形成以“八縱八橫”為主要通道的高速鐵路網，實現省會城市高速鐵路通達、區間之間高效便捷相連。日趨完善的高速鐵路網不僅為旅客運輸提供了非常便利的條件，也為實施高鐵貨運戰略帶來了歷史性機遇[1]。以順豐、菜鳥、京東等為代表的快遞企業，近年來多次與國鐵集團洽談合作，探索性開行“高鐵+生鮮”、“高鐵+‘雙11’”等運輸模式[2]。物流載體城市布局規劃是高鐵物流基地網絡布局規劃的重要組成部分。高鐵物流由于仍處于探索階段，行業發展仍不完善，尚缺乏系統的評價指標和規劃方法。本研究從數據包絡的相對效率概念出發，通過比較不同城市的高鐵快運投入產出指標相對有效性，決策載體城市的選擇。

1 高鐵物流需求特征

1.1 高鐵物流態勢分析

目前，國內高鐵物流主要是利用動車組富裕運能，采取客車帶貨的形式，結合既有客運設施布局，開展小批量的貨運服務，滿足生鮮、信函等高附加值貨物在主要城市間的運輸；對于大批量的需求，積極探索全貨運動車組模式，采取研制貨運動車組、高鐵動車段所（存車場）預留高鐵快運基地等形式。按照高速路網規模和載體城市分布，高鐵快運可實現“當日達”、“次晨達”、“次日達”、“隔日達”等服務產品[3]。相比成熟的公路、航空運輸，高鐵物流競爭態勢分析見表1。

表1 高鐵物流競爭能力SWOT分析

1.2 快遞市場分析

由于運能和設施設備限制，電商快遞是高鐵物流開拓市場的主要途徑。如圖1所示，根據各省市快遞服務企業業務量，從時序分析的角度，我國經歷了2011-2016年的快速增長，平均增長率54.1%；2017-2019年增長有所減緩，仍不低于25%；按照行業整合和供給側改革的進程，我國快遞業仍在生命周期的成長期階段，更安全高效的高鐵快運仍存在巨大的發展空間。從空間分析的角度，如圖2所示，快遞企業業務量呈三階段階梯式布局，一級階梯集中在東南沿海區域，包括珠三角、長三角及環渤海等地區；二級階梯集中在中部地區，圍繞四川、重慶、湖北等省會城市、直轄市展開，快遞業的發展同人口、經濟發展布局有著密切的相關關系。

圖1 2011-2019年全國快遞業務量及增長情況

圖2 2019年全國省市快遞業務量空間分布情況

1.3 高鐵物流適用品類分析

高鐵物流服務貨品主要以多批次、小批量、高價值的品類為主，重點針對商務市場、電子商務市場、高端冷鏈物流市場以及其他貴重產品市場，包含信函文件類、商務樣品類、網購商品類、冰凍生鮮類、生物醫藥類、貴重物品及精密儀器等貨品，滿足時效性強、安全要求高以及需要特殊運輸條件等需求[4]。高鐵物流適用品分析見表2。

表2 高鐵物流適用品分析

2 載體城市布局規劃

2.1 數據包絡分析

數據包絡分析（Data Envelope Analysis，DEA）是基于數據的效率評價方法，能夠在多輸入多輸出生產函數理論下，相對客觀地評價決策單元（Decision Making Unit，DMU）。傳統的DEA分析包括CCR模型、BCC模型、FG模型和ST模型，分別衡量規模收益不變、規模收益可變、非規模收益遞增、非規模收益遞減情況下的生產效率[5]。在規劃階段，一般以載體城市年度數據為依據，考慮近年的現狀發展情況和變化趨勢，應從靜態和動態兩個方面進行評價。因此，從考慮高鐵物流載體城市投入產出的相對效率評價的CCR模型，衡量規模效率可變BCC模型以及動態的Malmquist指數分析等層面入手，對載體城市進行決策評價。

設有n個決策單元、m項投入和s項產出組成的決策系統建立的帶有非阿基米德無窮小量的CCR模型如下：

式中ε為非阿基米德無窮小量，xij表示第j個DMU的第i種投入量，yrj表示第j個DMU的第r種產出量，λj為各決策單元組合系數，s+和s-為松弛變量，θ為效率值。當θ=1時，且滿足s+=0,s-=0，DMU為DEA有效；當θ=1時，有s+≠0或s-≠0，DMU為弱DEA有效；當θ<1時，DMU為DEA無效。

BCC模型考慮規模效率可變，在求解模型的組合系數λj添加約束；Fare等結合DEA模型將Malquist指數分解成“技術進步×純技術效率×規模效率”的形式，利用Malmquist指數能夠評價DMU的多個時間點的生產前沿變動情況[6]。

2.2 樣本指標選擇

考慮高鐵物流載體城市布局規劃的代表性，選取京滬高鐵沿線18個地級以上城市，結合統計口徑、數據可得性等因素，選取GDP、常住人口、人均可支配收入作為投入指標，社會消費品零售總額、快遞服務企業業務量、快遞業務收入作為產出指標。數據來源主要自各市2015-2019年統計年鑒和郵政統計公報等數據。載體城市樣本指標選擇見表3。

表3 載體城市樣本指標選擇

2.3 結果分析評價

從相對效率評價的靜態角度，分別利用規模效率不變的CCR模型和規模效率可變的BCC模型測算2015-2019年18個載體城市的效率值以及規模效率值，結果分別如圖3和圖4所示。

圖3 分年度載體城市效率值

圖4 分年度載體城市規模報酬值

CCR模型的效率值體現相對效率的高低，其中近五年保持DEA有效的有北京、上海、南京和濟南4個城市，蘇州、無錫、常州、徐州、蚌埠、德州等城市效率值相對較高，保持增長態勢。

BCC模型反映投入產出的規模效益，其中北京、上海、南京和濟南4個城市規模效益為1，基礎設施投入和產出的邊際效益相對最優，蘇州、無錫、常州、徐州、蚌埠、德州等城市還有待優化，可以進一步增加物流的基礎設施等生產要素予以提升。

動態的DEA-Malmquist指數分析指出，北京、上海、南京和濟南這4個城市全要素生產率平均值為1.06，技術進步指數指標相對較大，4個城市基本保持低速增長，其增長的動力主要來自于技術進步等供給側改革的效果，單純的增加生產要素作用較低；蘇州、無錫、常州、徐州、蚌埠、德州等各項指數指標相對較大，城市增長速度較快，各種生產要素的增長空間還很大。具體見表4。

表4 2015-2019年高鐵物流載體城市投入產出Malmquist指數平均值

綜上，從高鐵物流這一城市發展新增長點出發，北京、上海、南京和濟南這4個城市投入產出相對效率高，既有生產要素邊際規模效益低，對城市發展的提升有限，能夠并且需要高鐵物流來進一步促進城市群的發展；蘇州、無錫、常州、徐州、蚌埠、德州等城市相對效率較高，發展迅速，能夠充分發揮各生產要素的作用，具備承載高鐵物流的能力。結合“統籌兼顧，分級布局，逐步實施”的原則，結合布局規劃理念，京滬沿線高鐵物流載體城市布局見表5。

表5 京滬沿線高鐵物流載體城市布局規劃

高鐵物流一級節點城市物流生產要素投入產出相對效益已達最優，技術、規模等要素投入對城市的提升有限，高鐵物流作為新的“增長極”，一級節點城市應依托存車場、動車段所等設施設備及早建設高鐵物流快運基地，開行全貨運動車組；二級節點城市相對效益較優，生產要素投入還有優化的空間，應依據城市發展規劃，據發展條件建設高鐵物流基地；其余城市作為三級節點，其投入產出增長空間還十分充足，可以從技術、規模效益等提高產出，高鐵物流可考慮利用既有客站設施設備采取“客車帶貨”的形式。

3 結語

高鐵物流作為鐵路物流發展的新起點，其載體城市的選擇需要考慮多種因素，數據包絡分析從投入產出的相對效率出發，從靜態和動態考慮技術效率、技術進步、規模效率等多種因素，能夠相對客觀地評價載體城市，為高鐵物流節點規劃布局提供了一定的決策依據。