西安市城市軌道交通與金融業協調發展的系統動力學研究*

張 琦 黃亞征 陳大鵬

(1.西安建筑科技大學土木工程學院， 710055,西安；2.中冶華天南京工程技術有限公司，210019，南京 ∥ 第一作者，講師)

0 序言

國內外學者對軌道交通的經濟功能已進行了較多的研究。文獻[1]認為軌道交通能帶來很大的潛在經濟效益，并確定了其基本影響機制；文獻[2]認為城市軌道交通站點的自身區位及其在軌道網絡中所處的位置,對其影響范圍內的房價變動產生不同幅度的干預；文獻[3]應用多層面競租曲線表征微區位價值和承租能力，并量化分析上海核心城區軌道交通站域的商業空間分布特征。

就金融業與城市軌道交通的關聯性而言，文獻[4]認為包括金融業在內的生產性服務業，以滿足其他生產行業的中間需求為基本特征，其高度專業化的服務貿易則對城市軌道交通提供的出行便利性敏感度較高；文獻[5]研究發現，金融發展對交通基礎設施的投資效率具有顯著的正向影響；文獻[6]通過探究城市內部知識密集型服務業的時空格局，揭示出金融企業在區位選擇時十分看重所在道路的可達性因素。

綜上所述，在過去10余年間，國內城市軌道交通經濟功能研究的側重點在于如何帶動房地產開發及商業服務業；而在金融業及其上位的生產性服務業研究領域，城市軌道交通則常被看作影響產業布局的單純區位因子。

事實上，在城市系統視域下城市軌道交通與金融業擁有對等的子系統地位，它們之間不僅是影響與被影響的主從關系，更有條件形成相互協調發展的復雜動力機制[7]。尤其是置身城市產業轉型的大背景下，此種協調發展的成敗更關乎到城市經濟與社會的健康可持續發展。鑒于此，本文引入解決復雜系統問題的系統動力學(System Dynamics,簡為SD)方法[8]，構建城市軌道交通和金融業協調發展的動力系統及SD模型，并通過對西安市軌道交通的實證仿真檢驗和預測，進一步揭示兩者之間的協調發展機制。

1 城市軌道交通與金融業協調發展的動力系統及SD模型

1.1 城市軌道交通與金融業協調發展的動力系統

1.1.1 動力系統的構成及其基本設定

城市軌道交通與金融業協調發展的動力系統由城市軌道交通子系統和金融業子系統所構成。其中，軌道交通子系統的輸入輸出項分設為城市軌道交通運營企業的支出和收入；金融業子系統的輸入輸出項分設為城市金融機構的存、貸款總量。

1.1.2 城市軌道交通與金融業協調發展的因果關系

將城市軌道交通和金融業的協調發展分為宏觀和微觀兩個層面進行剖析。在城市(市轄區)尺度上建立宏觀協調機制，采用市域統計數據把握全市范圍內兩者的互推互進態勢；在城市軌道交通站點地區內建立微觀協調機制，以聚焦兩者協調發展的重要點位，從而使研究具有更好的針對性。

1.1.2.1 城市軌道交通的運營促進金融業效益增長

1) 宏觀層面。城市軌道交通的運營將拉動興建道路、管網等市政配套基礎設施，并改善常規公交等相關公共服務的水平，從而使金融業獲得城市固定資產投資方面更大規模、更多機會的市場。與此同時，城市軌道交通的運營既能提振本地消費者對城市經濟及社會發展的信心，又能擴大城市品牌影響力以吸引外來消費者，繼而為金融業更好地服務城市消費市場創造機遇條件。活躍的城市投資市場及繁榮的城市消費市場，均可促進金融業現金流動量及存款總量的增長。

2) 微觀層面。城市軌道交通建成運營后，其站點地區表現出高可達性和出行即時性等突出優勢，這種優勢直接促使在此工作或生活的人員集中度及流動性大幅提升，從而使得站點地區的個人形式金融需求隨之增加。同時，站點地區內頻繁的人員活動亦帶來零售、租賃、中介等業態的發展，其開設店鋪數量的增加、營銷業績的增長、商業繁榮的局面將助力站點地區的企業形式金融需求增加。強勁的個人金融需求和企業金融需求共同支持了金融業現金流動量及存款總量的增長。

根據上述宏觀和微觀層面城市軌道交通建成運營的作用，金融業存款總量的增長又會支持金融業貸款總量的增長。

1.1.2.2 金融業服務供給的增強促進城市軌道交通收益增長

1) 宏觀層面。充足的信貸資金準備和良好的履約信譽是優質金融服務供給的基礎，而高水平的金融業服務供給將引領整個城市產業結構向輕量化轉型。伴隨“退二進三”的產業結構消長，城市出行結構亦會發生顯著變化。隨著工業企業的貨運量減少，而圍繞服務業的客運總量持續增加，這使得全職擔負客運任務的城市軌道交通獲得了更多的承運總量基數。進一步看，輕量化的產業結構為城市創造了更多優質的就業崗位，這些崗位上的從業者十分看重時間價值，大都傾向控制出行時間成本，他們的通勤和商務活動將使城市軌道交通在城市客運結構中的占比進一步上升。故而，城市的第三產業化以及追求時間價值就業崗位的迅猛增長都有力促進了城市軌道交通客源及收益的增長。

2) 微觀層面。當銀行、保險、證券、信托等不同類型的金融企業集中分布在城市軌道交通站點地區時，它們既可共享交通基礎設施以降低自身運行成本，更會基于相互競爭合作而產生金融規模經濟，由此形成優質服務供給源。進而言之，集聚在站點地區內的優質金融業服務供給又會進一步引發與之關系密切的其他生產性服務業和消費性服務業等企業同樣選擇鄰軌而居，站點地區內服務業從業者和受眾的總量隨之成倍膨脹，這將有助于增加票價形式的城市軌道交通收入。另外，金融業鄰軌而建還可提升站點地區的房地產區位品牌價值，這將使附屬于城市軌道交通站點的建筑物獲得更高的廣告及租金回報，從而有助于增加票款以外的城市軌道交通收入。綜上所述，票價收入增加與附屬物業增值也會有效支持城市軌道交通收益的增加。

在此基礎上，城市軌道交通收入的不斷積累又會反哺下一階段的城市軌道交通建設及運營支出，成為其資金投入的重要來源。

1.1.3 城市軌道交通與金融業協調發展動力系統的構建

上述雙向解析可將城市軌道交通與金融業子系統內部，以及相互間的傳遞與反饋交織連接為因果邏輯關系，進而整合形成兩者協調發展的動力系統。

1.2 城市軌道交通與金融業協調發展動力系統SD模型的建立

1.2.1 SD模型假設

提出城市軌道交通與金融業協調發展動力系統的SD模型，其假設如下：

1) 假設1：在城市軌道交通發展規劃完結前，城市軌道交通保持連續興建狀態，中間無停建時段。

2) 假設2：城市金融業發展環境處于持續的健康穩態，不會受到顛覆性金融風險的威脅。

3) 假設3：采用忽略系統外其他擾動項的簡化邊界條件，僅以兩個子系統的內嵌因素作為傳遞協調發展邏輯的中間變量和常量。

1.2.2 SD模型變量及方程

基于本文2.1節的因果邏輯，設定城市軌道交通與金融業協調發展動力系統的SD模型描述變量，包括狀態變量、速率變量、輔助變量及常量等4種類型。各個變量的數學方程關系，可通過線性回歸、熵值加權、調用選擇函數、調用表函數、輸入初始值、給定常量等方法來加以確定。

1.2.3 SD流圖模型的實現

基于SD模型的假設條件，利用Vensim PLE軟件將城市軌道交通子系統與金融業子系統的相關變量方程式完整疊合，梳理得到揭示系統協調機制的SD流圖模型，見圖1 。將相關實測數據代入SD流圖模型后，即可對其協調發展態勢進行模擬仿真和預測。

圖1 城市軌道交通與金融業協調發展動力系統的SD流圖模型

2 西安市城市軌道交通的實證研究

2.1 實證數據準備

西安是國家中心城市和推進“一帶一路”國際合作的關鍵節點城市。截至2018年底，該市開通運營城市軌道交通線路4條，運營里程共計126 km，其單位里程運營強度現位居全國前列。由于產業布局行為在時間上通常滯后于城市軌道交通投運行為，同時受部分統計信息披露的滯后性影響，故本文將SD模型的仿真檢驗時間段設為2012—2017年，仿真迭代步長設為1年。

SD模型使用的市域宏觀數據通過直接查閱統計資料獲取。其中，城市軌道交通數據來源于2013—2018年度《中國城市軌道交通年度統計分析報告》；金融業及其他相關數據來源于2013—2018年度《中國城市統計年鑒》和《西安統計年鑒》。SD模型使用的站域微觀數據通過“面積類比法”對統計數據加以換算得到。具體處理方法為：以站點周圍半徑為500 m的圓形面域確定單個站域面積，再利用當年全部城市軌道交通站點的站域面積與城市建成區面積之比乘以全市建成區的統計數據得到。此外，文獻[9]表明，西安市目前的人口和產業空間分布是典型的向心型結構，因此，在計算全部站域面積時應對不同城市環路內的站域面積加以系數調節。

如圖1所涉及的某些原始變量無法從統計資料中直接獲得，轉而通過尋求替代變量加以解決。

2.2 SD模型仿真與檢驗

2.2.1 直觀性測試檢驗

使用Vensim PLE軟件，將2012—2017年西安市的實證數據代入SD模型，對其進行反復仿真訓練。測試結果見圖 2 。

圖2 SD模型的直觀性檢驗結果

由圖2可知：

1) 在仿真周期內，西安市軌道交通子系統與金融業子系統的運動軌跡趨同，總體符合SD模型所設置的協調發展運動模式預期。

2) 在城市軌道交通子系統內，由于城市軌道交通建設需要大量初始資金，故城市軌道交通支出數額遠大于其收入數額；城市軌道交通收入增長迅猛且并非完全連續變化，這與2012—2017年間西安市軌道交通出行方式得到快速培育和發展的現實相符，階段式突變則是因為這 6年間城市軌道交通里程總基數較小，在此期間新的線路開通投運后會對子系統的總收入產生較大影響。

3) 在金融業子系統內，2012—2017年間存款和貸款總量均呈平穩增長，且存款規模始終大于貸款規模，這與西安市近年來相對穩健的金融市場格局是一致的。

綜上所述，城市軌道交通與金融業協調發展動力系統的SD模型可通過直觀性檢驗。

2.2.2 有效性測試檢驗

利用Vensim PLE 軟件對西安市城市軌道交通與金融業的發展進行仿真分析，得到研究時段內歷年年末軌道交通支出、軌道交通收入、金融存款總量及金融貸款總量等指標的模擬值。將上述指標的模擬值與真實值進行對比分析得知，其計算誤差均在±10%以內。故SD模型亦可通過有效性測試檢驗。

直觀性檢驗和有效性檢驗均表明：SD模型適用于西安市城市軌道交通與金融業發展的實證研究，而在仿真周期內該市的軌道交通子系統與金融業子系統則體現了一定的協調發展動力演進。未來將進一步探究這兩者的協調發展前景。

2.3 SD模型預測及分析

2.3.1 預測基本設置

以國家發展和改革委員會批復的《西安市城市軌道交通第三期建設規劃》(以下簡為“第三期規劃”)為基本依據對西安市城市軌道交通與金融業發展開展預測。第三期規劃主要控制指標如下：規劃年限為2018—2024年，新增線路里程為280.86 km(含高架線 42.5 km)，預測總客運量為606.5萬人次/d。綜合考慮城市軌道交通平均出行距離[10]，以及中長期發展背景下前后兩個建設周期的時序重合等因素，推定出：截止2024年，城市軌道交通支出的控制指標約為555億元，城市軌道交通收入的控制指標約為190億元。

在預測期(2018—2024年)內，隨著西安市軌道交通系統逐步形成，選擇城市軌道交通出行行為愈加成為市民的日常習慣，因此軌道交通收入的單位里程費率將會有所增長。與此同時，受地表高架線路增多、設備利用率提高及運營管理經驗增長等多種有利因素的影響，預測期內軌道交通支出的單位里程費率則略有降低。上述增減變化在SD模型關于收支調節系數的函數中會做出適應性的修正。

2.3.2 預測結果及分析

以2017年年末數據作為初始值，同時考慮收入和支出費率等因素的調節，應用經過仿真周期訓練的SD模型進行預測，可得到如圖3所示的結果。

圖3 SD模型的預測曲線

由圖3可知：

1) 預測周期延續了仿真周期內的運動軌跡，即西安市軌道交通子系統與金融業子系統在第三期規劃時段內保持了協調發展的運動模式。SD模型得出的預測結果與第三期規劃和《西安市“十三五”金融業發展規劃》提出目標的誤差均控制在±8%以內，由此可見，整體預測精度較好。

2) SD模型預測顯示，2024年西安市軌道交通收支相抵后虧損逾360億元。低票價是公益性交通基礎設施的本質屬性，故收支虧損是當前發展軌道交通建設項目不可回避的現實[11]。當前，包括西安市在內的國內大多數城市的軌道交通建設投資還主要由地方政府舉債籌措，此種投資行為如果連續過度虧損，則會使政府負債率接近乃至超過警戒限度，危及公共財政安全。鑒于此，尚須科學謀劃西安市軌道交通建設的債務風險防控舉措。比如，制定金融機構服務城市軌道交通的專項信貸指引和產品、適當緩(縮)建部分近期建設線路等。

3 結語

1) 城市軌道交通與金融業之間存在協調發展的系統動力邏輯。綜合對西安市全市范圍宏觀尺度及站域范圍微觀尺度的理論梳理，可知城市軌道交通建成運營促進金融業效益增長與金融業服務供給增強促進軌道交通收益增加總是相生相伴，兩者協調發展的因果邏輯清晰、可以構成對應的動力系統。

2) SD模型適用于城市軌道交通與金融業協調發展的動力系統量化建模。運用Vensim PLE軟件對該動力系統的結構關系進行梳理與疊合，經變量與方程的一系列處理后生成了能準確體現動力系統運行機制的SD模型，實現了城市軌道交通與金融業協調發展的定量識別。

3) 西安市軌道交通與金融業協調發展的未來預期雖明朗，但也面臨風險挑戰。仿真周期(2012—2017年)和預測周期(2018—2024年)內的SD模型運行結果均表明，西安市軌道交通與金融業間存在協調發展的系統運動軌跡特征。但為修建城市軌道交通而形成的過高地方政府債務可能會成為危及兩者協調發展的關鍵風險點，因此，需對其加以政策干預并及時化解。