供应链视角下轨道交通产业低碳转型评价研究

Evaluation Research on Low-carbon Transformation of Rail Transit Industry from Perspective of Supply Chain

摘要

在“双碳”目标背景下，轨道交通作为碳减排的重要行业，其低碳转型对推动我国经济高质量发展意义重大。基于供应链视角，从低碳生产、低碳创新、低碳管理、低碳环境与低碳运营5个维度构建轨道交通产业低碳转型评价指标体系，运用AHP法和改进CRITIC法确定评价指标组合权重，引入TOPSIS法水平测度模型、耦合协调度模型及障碍度函数模型进行评价，以成都轨道交通产业2012—2021年相关数据进行实证研究。结果表明：成都轨道交通产业低碳转型水平总体呈上升趋势，年均增幅11.4%；耦合协调度增长明显，从“勉强失调”改善至“良好协调”状态；低碳生产、低碳创新与低碳运营维度是产业低碳转型过程中的主要障碍，其中轨道交通产业供应链的成本优化是未来重点提升方向。

Abstract

The rail transit industry is an important industry for carbon emission reduction. Under the background of carbon peaking and carbon neutrality goal, its low-carbon transformation is of great significance to promote the high-quality development of China's economy. Approaching from the perspective of the cluster supply chain, this paper constructed an evaluation index system in terms of low-carbon production, low-carbon innovation, low-carbon management, low-carbon environment, and low-carbon operation. The combined weights of indexes were determined with the AHP method coupled with the improved CRITIC method. At the same time, the paper introduced the level measurement model based on the TOPSIS method, the coupling coordination degree model, and the obstacle degree model to evaluate the low-carbon transformation status of the rail transit industry. Finally, the paper conducted empirical research on Chengdu's rail transit industry from 2012 to 2021. The results show that the level of low-carbon transformation of the Chengdu rail transit industry has been generally on the rise with an average annual increase of 11.4%. The coupling coordination degree has increased significantly, and the coordination level has improved from reluctant imbalance to good coordination. Low-carbon production, low-carbon innovation, and low-carbon operation are the main obstacles in the process of low-carbon transformation. Specifically, the cost optimization of the supply chain of the rail transit industry is the focused enhancement direction in the future.

Graphical abstract

关键词

轨道交通产业 / 低碳转型 / TOPSIS / 耦合协调 / 障碍度 / 供应链

Key words

Rail Transit Industry / Low Carbon Transformation / TOPSIS / Coupling and Coordination / Obstacle Degree / Supply Chain

0　引言

当前，低碳化已成为各国各地区重点关注的问题，为实现“双碳”目标，优化能源结构与产业结构，积极推动产业低碳转型发展是重中之重。我国交通领域碳排放占全国碳排放的比重超过10%^[1]，交通运输作为国民经济和社会发展的基础产业，同样也是碳减排的重要行业。轨道交通产业是我国自主创新程度高、国际竞争力强、产业带动效应明显的战略性新兴产业之一，由工程勘察设计、建设施工、监理验收、运营管理等环节的多个行业交织而成，形成了全产业链集群。因此从供应链角度研究轨道交通产业低碳转型，有助于全面评估产业低碳发展状况，助推轨道交通产业高质量发展。

近年来，轨道交通低碳领域形成较多研究成果，钱生泽^[2]通过构建轨道交通车站建筑物物化阶段与运营阶段的碳排放计算模型，从机械使用、能源来源、运营模式等方面提出降碳建议；曾雪兰等^[3]提出轨道交通能源消费量与温室气体排放量的测算方法，并基于生命周期理论对比轨道交通与汽车、摩托车等其他交通工具的能源利用效率、能源强度与碳排放强度；陈坤阳等^[4]通过构建城市轨道交通全生命周期碳排放评价方法，对城市轨道交通碳减排水平进行定量化分析；禹建伟等^[5]从规划与运营管理、运营车辆低碳、设备节能减排方面提出西安轨道交通节能降耗措施。上述研究主要侧重于能耗与碳排放维度，或者是针对特定生命周期阶段，而从轨道交通产业的全生命周期多维度研究轨道交通低碳转型发展及低碳实施路径的成果则相对匮乏。

目前，有关产业低碳转型评价的研究，主要集中在2个方面。一是评价指标，传统的低碳转型评价指标大多集中于能源结构、产业结构、政策制度、技术研发等方面^[6-7]。随着生态环境问题愈发受重视，供应链作为实现产业环节高效协同的组织形态，其低碳运作情况也逐渐成为产业低碳转型的评价标准^[8-10]。二是评价方法，主要有层次分析法、多层次模糊综合评价法、主成分分析、最优最劣法等^[11-12]。轨道交通产业作为综合性极强的复合产业，具有空间位置聚集、产业链相对完整、产业集群网络复杂等特征。基于此，在供应链视角下以轨道交通产业为研究对象，考虑轨道交通产业低碳发展需求，构建一套轨道交通产业低碳转型评价指标体系，并以成都轨道交通产业为实例，对其低碳转型水平、耦合协调度、障碍因子进行量化评价，为轨道交通产业低碳发展规划提供决策依据。

1　轨道交通产业低碳转型评价指标体系构建

1.1　轨道交通产业供应链结构

轨道交通作为典型的基建产业，具有投资规模大、建设周期长、集群网络复杂等特点。结合轨道交通产业自身特性，采用产业集群与供应链耦合的组织形式——集群式供应链^[13]，分析轨道交通产业在一定区域的分工协作网络。轨道交通产业集群式供应链是指在其产业集群内由核心企业与其上下游组织构成的链式结构，即系统集成商、上游供应商及终端客户形成密切联系的网络，通过链中资金、信息和产品要素有效整合，以最小的资源消耗实现对轨道基建、设备等项目的活动与成员间的协同配合，轨道交通产业集群式供应链结构如图1所示。

轨道交通产业集群式供应链结构主要包括系统集成商、上游供应集群、运营商形成的核心层与政府、高校、相关机构形成的辅助层，结构形式完整，能有效反映轨道交通产业发展状况。其中，上游供应集群的设计施工单位负责规划设计、勘察、基建等环节；零部件供应集群负责原材料、装备机器供应等方面；第三方服务集群则提供轨道交通运营管理、维保等服务。研究中的轨道交通产业涵盖铁路系统与城市轨道交通，为了更好地定义轨道交通产业低碳发展，参考文献^[14-16]轨道交通产业环节的划分，涉及碳排放的产业组织主要属于轨道交通工程建设结构，即工程施工建筑、装备制造、轨道交通运营维修，因此将其作为轨道交通产业的代表行业。

1.2　评价指标体系构建

“低碳”包含着低能耗、低排放、低污染、经济可持续发展等多方面内容。因此，低碳评价指标包括资源综合利用、环境污染控制、碳排放控制、低碳技术创新及供应链过程优化等诸多方面。参照相关文献^[17]，遵循科学性、整体性、独立性、可比性、可量性原则，基于集群供应链视角对轨道交通产业低碳发展现状及影响因素进行综合考察，提出轨道交通产业低碳转型评价维度包括低碳生产、低碳创新、低碳管理、低碳环境与低碳运营，构建包含5个维度10个一级指标28个二级指标的评价指标体系，轨道交通产业低碳转型评价指标体系如表1所示。

（1）低碳生产。低碳生产是衡量产业低碳发展水平的最重要指标，包括能源消耗与资源综合利用、环境污染与碳排放控制两方面。前者用于衡量轨道交通产业能源结构以及资源利用情况，引入单位GDP能耗降低率等3个指标进行衡量，其中废物利用率是指生产过程所产生固体废物经过一定技术处理后的重复利用比率；后者用于衡量其供应链企业对高碳污染的控制程度，选取单位产业增加值二氧化碳排放量等5个指标衡量。

（2）低碳创新。低碳技术创新的投入与产出能力往往决定产业低碳发展水平与潜力。投入能力是衡量科技创新水平和能力的重要因素，从人力与财力方面考虑，选取轨道交通科研机构数量等3个指标衡量；产出能力是低碳技术经济效益的体现，即低碳技术向实际生产力的转换能力，选取轨道交通低碳技术合同出售数等3个指标衡量。

（3）低碳管理。低碳管理反映政府与集群企业对产业低碳发展的综合管理水平，由低碳制度与低碳宣传构成^[18]。低碳制度衡量产业低碳发展的政策支撑力度，选用低碳规章制度发布数和法律法规颁布数指标；低碳宣传反映集群企业的低碳文化理念，选取低碳主题活动数等3个指标衡量。

（4）低碳环境^[19]。低碳环境反映集群所在区域的经济、产业发展水平及市场需求，包括绿色环境与经济环境。绿色环境即生态环境状况，选取森林覆盖率和游客总人数为测度指标，其中游客总人数可反映生态城市建设效果；经济环境即集群所在地经济状况，选用第三产业占比增加率和人均产业增加值指标，人均产业增加值用以反映区域经济发展状况。

（5）低碳运营。低碳运营即供应链低碳运营，从集群主体和资源要素角度反映供应链整体的低碳运作效率^[20]。集群主体间协同性决定供应链稳定运行程度，选用上下游集群企业合作状况指标衡量。资源要素协调包括资金流、信息流与物流协调。金融机构对中小企业的贷款融资往往需要大企业的金融担保，因此从企业间信任关系和贷款担保机制两方面衡量资金流协调。信息流协调直接影响供应链运行效率，选取低碳信息共享程度指标，用供应链上下游共享的数据量占数据总量比率表示。供应链低碳协调通过有效整合资源可大大降低物流成本，选用供应链物流成本占产业增加值比重指标衡量物流协调。

2　轨道交通产业低碳转型评价方法

结合“双碳”背景下轨道交通产业发展现状，在分析集群供应链低碳转型内在机理的基础上，提出基于组合赋权的轨道交通产业低碳转型评价流程，为定量评价轨道交通产业低碳转型状态提供方法支撑，轨道交通产业低碳转型评价流程如图2所示。

2.1　基于组合赋权的TOPSIS水平测度模型

轨道交通产业低碳转型评价作为一个多指标决策问题，其指标权重确定与评价方法选择是决定评价合理性的关键。TOPSIS法是以相对贴进度作为评价依据的多目标决策分析方法，对数据分布、样本量与指标无严格限制，使用灵活方便。为使评价结果兼顾数据的客观性和专家的权威经验，同时保证评价过程的科学性，采用主客观组合赋权和TOPSIS评价模型对轨道交通产业低碳转型水平进行测度。对评价指标的组合赋权，采用改进CRITIC法确定客观权重，AHP法确定主观权重，然后采用拉格朗日最优乘子法^[21]优化得到组合权重。

2.1.1　改进CRITIC法确定客观权重

CRITIC法是依据各指标波动性和指标间冲突性确定权重的客观赋权方法，相较于熵权法、变异系数法这些常见的客观赋权方法，CRITIC法未考虑指标数据间的差异性。基于CRITIC法的不足^[22]，对其做如下改进：①指标间相关程度与相关系数的符号无关，故相关系数取绝对值更适合指标间相关性的体现；②CRITIC法未考虑指标间离散程度，而熵权法则依据指标离散程度定权，故将CRITIC法与熵权法相结合，使改进CRITIC法可从指标波动性、指标间相关关系与离散程度三大属性考虑，提高确定权重的可靠性。首先，定义初始决策矩阵X，为消除不同指标的量纲影响，采用极值法对指标数据标准化处理，并构建规范化关系矩阵P，计算公式为

X={\left(x_{ij}\right)}_{m\times n}\begin{array}{cc}& \end{array}i=\mathrm{1}，\mathrm{2}，\cdots ，m；j=\mathrm{1}，\mathrm{2}，\dots ，n⑴

p_{ij}=\frac{x_{ij}^{\text{'}}}{{\displaystyle \sum _{i=\mathrm{1}}^m}{x}_{ij}^{\text{'}}}⑵

P={\left(p_{ij}\right)}_{m\times n}⑶

式中：x_{ij}表示第i年第j项指标的统计数据；m和n表示索引二级指标的年份数与指标个数；x_{ij}^{\text{'}}为指标x_{ij}标准化后的数值，\mathrm{0}\le x_{ij}^{\text{'}}\le \mathrm{1}；p_{ij}为标准化后的第j项指标在第i年的指标值的比重。

根据规范化关系矩阵P，计算指标标准差与相关系数，使用熵权法计算指标信息熵，并确定指标信息量，计算公式为

e_j=-k{\displaystyle \sum _{i=\mathrm{1}}^m}{p}_{ij}In\left(p_{ij}\right)⑷

{\sigma }_j=\frac{\mathrm{1}}{m}{\displaystyle \sum _{i=\mathrm{1}}^m}\left(x_{ij}^{\text{'}}-\overline{x_j^{\text{'}}}\right)⑸

r_{ij}=\frac{{\displaystyle \sum _{k=\mathrm{1}}^m}\left(x_{ki}^{\text{'}}-\overline{x_i^{\text{'}}}\right)\left(x_{kj}^{\text{'}}-\overline{x_j^{\text{'}}}\right)}{\sqrt[]{{\displaystyle \sum _{k=\mathrm{1}}^m}{\left(x_{ki}^{\text{'}}-\overline{x_i^{\text{'}}}\right)}^{\mathrm{2}}{\displaystyle \sum _{i=\mathrm{1}}^m}{\left(x_{kj}^{\text{'}}-\overline{x_j^{\text{'}}}\right)}^{\mathrm{2}}}}\begin{array}{cc}& \end{array}i，j=\mathrm{1}，\mathrm{2}，\cdots ，n_{}⑹

C_j=\left(e_j+{\sigma }_j\right){\displaystyle \sum _{i=\mathrm{1}}^m}\left(\mathrm{1}-\left|r_{ij}\right|\right)⑺

式中：e_j为第j项指标的信息熵，k=\frac{\mathrm{1}}{In\left(m\right)}；{\sigma }_j为第j项指标的标准差，\overline{x_j^{\text{'}}}为第j项指标标准化后的平均值；r_{ij}为各指标间的相关系数；C_j为第j项指标包含信息量。

对指标信息量进行归一化处理，计算第j项指标的客观权重w_j^{\mathrm{1}}为

w_j^{\mathrm{1}}=C_j/{\displaystyle \sum _{j=\mathrm{1}}^n}{C}_j⑻

2.1.2　AHP法确定主观权重

AHP法^[23]是一种常见的层次化分析方法。首先，采用9分标度法构建判断矩阵A{\left(a_{ij}\right)}_{n\times n}，其中a_{ij}是第i个指标与第j个指标的重要程度之比。使用判断矩阵计算各列的几何平均数{\overline{a}}_i，通过归一化处理，确定各下层指标相对上层指标的权重w_i。最后，检验判断矩阵的一致性，保证一致性比率小于0.1。当判断矩阵满足一致性要求时，进行层次总排序，得到指标主观权重{w_j}^{\mathrm{2}}(j=\mathrm{1}，\mathrm{2}，\cdots ，n)。

2.1.3　组合权重确定

为了使组合权重更接近于主客观权重，利用最小信息熵原理^[24]建立约束条件。

\mathrm{m}\mathrm{i}\mathrm{n}E={\displaystyle \sum _{j=\mathrm{1}}^n}{w_j}^{\mathrm{1}}\left(In\frac{{w_j}^{\mathrm{1}}}{{w_j}^{\mathrm{2}}}\right)+{\displaystyle \sum _{j=\mathrm{1}}^n}{w_j}^{\mathrm{2}}\left(In\frac{{w_j}^{\mathrm{2}}}{{w_j}^{\mathrm{1}}}\right)⑼

式中：\mathrm{m}\mathrm{i}\mathrm{n}E为最小信息熵。

根据约束条件，利用拉格朗日最优乘子法求得组合权重w_j，计算公式为

w_j={\left(w_j^{\mathrm{1}}{w}_j^{\mathrm{2}}\right)}^{\frac{\mathrm{1}}{\mathrm{2}}}/{\displaystyle \sum _{j=\mathrm{1}}^n}{\left(w_j^{\mathrm{1}}{w}_j^{\mathrm{2}}\right)}^{\frac{\mathrm{1}}{\mathrm{2}}}⑽

2.1.4　TOPSIS水平测度

TOPSIS法充分利用原有数据信息，使用灵活方便，能将多种属性因素数据转化为可比较的统一形式进行排序与决策，能够全面地反映轨道交通产业低碳转型体系各层级指标的低碳水平。其原理是通过计算不同评价单元到正、负理想解的距离确定最佳排序，与正理想解的贴近度越接近1，表明该评价单元越优，反之则越差。采用TOPSIS法测度轨道交通产业低碳转型水平，计算步骤如下。

构建规范化权重矩阵S为

\left\{\begin{array}{l}S={\left(s_{ij}\right)}_{m\times n}\\ s_{ij}=w_j\times x_{ij}^{\text{'}}\end{array}\right.⑾

正理想解{S_j}^{+}和负理想解{S_j}^{-}表示为

\left\{\begin{array}{l}{S_j}^{+}=\mathrm{m}\mathrm{a}\mathrm{x}\left\{S_{\mathrm{1}j}，S_{\mathrm{2}j}，\cdots ，S_{ij}\right\}\\ {S_j}^{-}=\mathrm{m}\mathrm{i}\mathrm{n}\left\{S_{\mathrm{1}j}，S_{\mathrm{2}j}，\cdots ，S_{ij}\right\}\end{array}\right.⑿

计算评价单元与正理想解的贴进度C_i，计算公式为

\left\{\begin{array}{l}{d_j}^{+}=\sqrt[]{{\displaystyle \sum _{j=\mathrm{1}}^n}{\left(S_{ij}-{S_j}^{+}\right)}^{\mathrm{2}}}\\ {d_j}^{-}=\sqrt[]{{\displaystyle \sum _{j=\mathrm{1}}^n}{\left(S_{ij}-{S_j}^{-}\right)}^{\mathrm{2}}}\end{array}\right.⒀

C_i={d_j}^{-}/\left({d_j}^{-}+{d_j}^{+}\right)\begin{array}{cc}& \end{array}i=\mathrm{1}，\mathrm{2}，\cdots ，m⒁

式中：{d_j}^{+}为各评价单元与正理想解之间的欧氏距离；{d_j}^{-}为各评价单元与负理想解之间的欧氏距离；C_i为相对贴近度，即第i年轨道交通产业低碳转型水平得分值，\mathrm{0}\le C_i\le \mathrm{1}，C_i值越大，说明低碳转型水平越高。

同理，可计算轨道交通产业5个分维度低碳转型水平。

2.2　耦合协调度模型

耦合协调度是指两个或两个以上系统之间相互关联、相互影响的复杂动态关系。轨道交通产业低碳转型系统是由多个子系统共同作用构成的复杂系统，其耦合协调度反映低碳生产、低碳创新、低碳管理、低碳环境与低碳运营5个子系统间的相互协调状态。为了更加全面充分反映5个子系统间的协调发展水平，构建耦合协调度模型。

T=a{C}_{\mathrm{1}}+b{C}_{\mathrm{2}}+c{C}_{\mathrm{3}}+d{C}_{\mathrm{4}}+e{C}_{\mathrm{5}}⒂

U=\mathrm{5}\times {\left[\frac{C_{\mathrm{1}}\times C_{\mathrm{2}}\times C_{\mathrm{3}}\times C_{\mathrm{4}}\times C_{\mathrm{5}}}{{\left(C_{\mathrm{1}}+C_{\mathrm{2}}+C_{\mathrm{3}}+C_{\mathrm{4}}+C_{\mathrm{5}}\right)}^{\mathrm{5}}}\right]}^{\frac{\mathrm{1}}{\mathrm{5}}}⒃

D=\sqrt[]{U\times T}⒄

式中：C_{\mathrm{1}}，C_{\mathrm{2}}，C_{\mathrm{3}}，C_{\mathrm{4}}和C_{\mathrm{5}}分别代表低碳生产、低碳创新、低碳管理、低碳环境与低碳运营5个维度的贴近度；a，b，c，d和e分别代表相应5个准则层的权重系数；T为综合协调指数；U为耦合度；D为耦合协调度。

协调等级划分标准如表2所示。

2.3　障碍度函数模型

障碍度函数模型是结合指标偏离度和因子贡献度的障碍诊断模型，可以衡量影响轨道交通产业低碳转型的阻力因素。轨道交通产业低碳转型评价重点旨在对轨道交通产业低碳发展水平进行测定，为了制定提高产业低碳升级水平的相关对策和措施，运用障碍度函数模型，分析影响轨道交通产业低碳转型的障碍度和障碍因子，以便政府、集群企业及相关机构对低碳转型行为及时进行针对性地调整。通过计算指标障碍度研究轨道交通产业低碳转型升级的主要障碍因子P_{ij}，计算公式为

P_{ij}=\frac{w_j\times \left(\mathrm{1}-x_{ij}^{\text{'}}\right)}{{\displaystyle \sum _{j=\mathrm{1}}^n}{w}_j\times \left(\mathrm{1}-x_{ij}^{\text{'}}\right)}⒅

式中：P_{ij}为第i年第j个指标的障碍度；w_j为第j个指标的权重。

3　实证分析

3.1　评价对象及数据来源

选取成都轨道交通产业为研究对象，具体原因在于近年来，成都大力推进轨道交通产业补链延链，成都轨道交通产业已初步形成了集科技研发、勘察设计、工程建设、装备制造、运维服务等于一体的全链条发展态势，科技研发、勘察设计、工程施工领域世界领先。目前成都轨道交通产业进入快速增长的关键期，因此亟需推动轨道交通产业低碳转型引导产业高质量发展。通过对2012—2021年成都轨道交通产业相关数据进行实证研究，验证所构建评价指标体系与方法的可行性，所需数据来源于《成都统计年鉴》《中国城市建设年鉴》，成都市统计公报及其他相关资料，定性指标数据通过专家访谈及问卷调查获取。

针对当前轨道交通行业所涵盖的范围尚无明确定论的问题，参照产业集群水平测度的一般方法，选择轨道交通产业集群供应链主要环节的产业数据作为计算依据。结合1.1节的分析，选择装备制造、工程建设和运营管理业作为轨道交通产业主要行业。在数据计算过程，具体用铁路运输、船舶、航空航天和其他运输设备的制造业代替轨道交通装备制造业；用建筑业中的铁路建筑代替轨道交通产业工程建造业；用交通运输、仓储与邮政业数据代替轨道交通运营管理业，由于交通运输、仓储与邮政业包含了铁路运输、道路运输、水路运输以及邮政、仓储等多个小类，故在数据处理时需参照一个合理的比例进行计算。

3.2　评价指标权重确定

利用AHP法和改进CRITIC法确定指标的主观权重和客观权重，再利用拉格朗日最优乘子法进行优化，根据公式⑽计算综合权重，评价指标体系组合权重如表3所示。

根据表3可知，准则层低碳生产维度和低碳创新维度的权重占比更高，因此可以重点提升这2个方向推动轨道交通产业低碳转型。指标单位GDP能耗降低率，轨道交通核心低碳专利技术数与单位产业增加值二氧化碳排放量所占权重较大，对产业低碳转型影响较大；指标贷款担保机制完善程度、集群所在地游客总人数与低碳规章制度普及程度所占权重较小，相应影响也较小。

3.3　轨道交通产业低碳转型水平测度分析

利用基于组合赋权的TOPSIS测度模型，计算各年份的相对贴近度，得到2012—2021年成都轨道交通产业低碳转型水平如表4所示。通过表4可知，成都轨道交通产业低碳转型水平的综合得分从2012年的0.267 7上升至2021年的0.678 6，累计升高0.410 9，年均增幅达到11.4%。在研究期内，成都轨道交通产业低碳转型水平呈现稳步上升的趋势，表明在政府、集群企业与相关机构的共同推动下，成都轨道交通产业的低碳化发展水平不断提高，产业低碳转型升级态势良好。

根据表4数据，进一步绘制低碳转型水平各维度变化趋势，得到2012—2021年成都轨道交通产业分维度低碳转型水平如图3所示。观察图3可知，各维度的低碳转型水平总体上保持增长趋势，但其变化幅度存在显著差异。

（1）低碳生产水平稳步增长，年均增幅为11.3%，表明成都轨道交通产业节能降碳、资源综合利用与污染控制能力持续提升，主要原因是《四川省“十三五”能源发展规划》提出的产业能源供给侧结构性改革，以及构建清洁低碳、安全高效的现代能源体系的发展目标，成都作为四川省省会城市，绿色转型实践处于全省领先位置，轨道交通产业供应链的节能减排任务得到有效保障。

（2）低碳创新水平增幅最大，达到696.8%，说明成都轨道交通产业的低碳技术创新能力得到显著提升，这得益于成都独特的“一校一总部三基地”空间格局^[23]，高校科研机构、科技创新平台与龙头企业之间的合作，推进了校院企地联合创新，加速科技成果转化，为其构建轨道交通产业产、学、研一体化平台奠定了良好基础。

（3）低碳管理水平呈波动式上升趋势且波动幅度较大，2014年同比增长125.1%，2019年同比下降39.4%，说明低碳管理维度的发展环境尚不稳定，原因是低碳制度类指标水平波动幅度较大。但整体有明显增长且得分均值较高，说明低碳管理发展态势较好，《成都市城市轨道交通建设“十三五”规划》《成都市综合交通运输“十三五”规划》的提出为轨道交通产业转型发展提供了较好的政策环境。

（4）低碳环境水平呈现先波动上升再缓慢下降的趋势，整体增长明显，表明成都市健康可持续的经济和生态背景为轨道交通产业的低碳发展营造了良好环境。2018年以后保持4.5%的年均降幅，表明目前成都市的外部条件对产业整体低碳转型的贡献已趋于饱和，不利于其产业进一步低碳发展，需要改善。

（5）低碳运营水平波动幅度不明显，年均增幅仅1.5%。分指标来看，集群主体协同指标水平稳步提升，这离不开成都市由金牛高新技术产业园、新都现代交通功能区、新津天府智能制造产业园以及蒲江运维生活新城组成的协同发展格局的构建，同时表明伴随着“十三五”期间成都轨道交通产业生态圈的建设，供应链上中下游协同配合状态良好，供应链主体集成性高；资源要素协调指标水平呈波动下降趋势，表明供应链资金流、物流与信息流的协调配置机制尚不完善，拓宽融资渠道、降低供应链物流成本是成都轨道交通产业供应链运作流程优化的方向。

3.4　轨道交通产业低碳转型耦合协调分析

低碳生产、低碳创新、低碳管理、低碳环境与低碳运营5个维度之间的融合度(即耦合协调度)显著影响轨道交通产业综合低碳转型水平。根据公式⒂至公式⒄，将5个维度的数据纳入耦合协调度模型进行测算，获得耦合度U，协调指数T以及耦合协调度D值，并确定协调等级，5个维度耦合协调度如表5所示。

根据表5可知，成都轨道交通产业5个维度的耦合度、综合协调指数和耦合协调度在研究期内均基本呈现递增趋势，整体发展态势向好。综合协调指数从2012年的0.200 9逐步提升到2021年的0.678 1，但总体水平仍不高，表明成都轨道交通产业低碳转型的整体系统协调性还有一定的发展空间。耦合度在2013—2021年呈小幅度波动，总体均保持在0.9~1.0之间，表明成都轨道交通产业5个维度之间呈现出明显的相互作用关系且作用越来越大。耦合协调度从2013的0.517 1增长到2021年0.819 6，增长明显，表明5个维度间的协调发展水平处于稳步提升状态。

具体分析，2012—2014年耦合协调度均小于0.6，协调等级以勉强失调为主；2015—2019年耦合协调度处在0.6~0.8之间，以初级协调和中级协调为主；2020年和2021年的耦合协调度分别为0.841 4，0.819 6，协调等级达到良好协调，协调等级的转变体现了5个维度逐渐适应的良好发展态势，同时验证了轨道交通产业低碳转型评价指标体系的可行性。

3.5　轨道交通产业低碳转型障碍因子分析

根据公式⒅，将指标数据与权重代入障碍度函数模型计算各指标的障碍度，并按照障碍度大小进行排序，列出2012—2021年障碍度排名前4位的障碍因子。障碍因子排序及障碍度如表6所示。

根据表6可知，2012—2021年阻碍成都轨道交通产业低碳转型的主要障碍因子包括：单位GDP能耗降低率(6次)、单位产业增加值二氧化碳排放量(6次)、轨道交通核心低碳专利技术数(5次)、轨道交通科研机构数量(4次)、供应链物流成本占产业增加值比重(4次)、固体废物处置率(4次)、固体废物综合利用率(3次)、集群新能源占总能源比重(3次)、轨道交通低碳技术收入(2次)。

影响轨道交通产业低碳转型的关键障碍因子主要分布于低碳生产、低碳创新与低碳运营维度，表明推动供应链节能降碳、提升产业集群低碳技术创新投入水平与产出能力以及优化供应链运营流程是轨道交通产业实现低碳发展的关键。结合变化趋势分析，低碳生产维度的能源消耗与资源综合利用类指标障碍度逐渐下降，而环境污染与碳排放控制类指标障碍度逐渐上升，说明研究期内成都轨道交通产业的能源转型取得了显著成效，而碳排放与污染控制的推进效果尚存不足，仍是未来低碳转型发展中的重点方向。2018年以后，供应链物流成本占产业增加值比重指标的阻碍作用逐步加强，表明轨道交通产业供应链的成本优化是未来其产业低碳转型要重点解决的问题。

4　结束语

基于供应链视角，研究分析轨道交通产业在“双碳”目标下的低碳转型状态，进行量化评价，对推动轨道交通产业与区域经济可持续发展意义重大。通过分析轨道交通产业低碳转型的影响因素构建评价指标体系，并引入TOPSIS水平测度模型、耦合协调度模型以及障碍度模型进行实证研究。实证研究发现供应链物流成本是现阶段阻碍产业低碳转型的主要影响因素，为成都发展轨道交通产业提供改进方向。研究同时表明，所构建的评价指标体系与评价方法具有良好的可行性，评价结果合理有效，可为政府部门制定轨道交通低碳发展、产业规划等政策提供决策参考。后续将在评价指标优化与多案例多方法的比较分析方面开展进一步研究。

参考文献

[1] 丁文君. 轨道交通建设对城市经济发展的影响分析[J]. 经济研究导刊，2017(36)：95-96.

[2] 钱生泽. 基于LCA的轨道交通车站碳排放分析[J]. 都市快轨交通，2022，35(5)：16-21，42.

[3] QIAN Shengze. Carbon Emission of Rail Transit Station Based on Life Cycle Assessment[J]. Urban Rapid Rail Transit，2022，35(5)：16-21，42.

[4] 曾雪兰，徐伟嘉，郭绍德，等. 基于生命周期的轨道交通能耗与碳排放分析[J]. 安全与环境学报，2015，15(6)：290-294.

[5] ZENG Xuelan， XU Weijia， GUO Shaode，et al. Analysis of the Energy Consumption and Carbon Emission of the Rail Transit Based on the Life Cycle Assessment[J]. Journal of Safety and Environment，2015，15(6)：290-294.

[6] 陈坤阳，周　鼎，粟月欢，等. 城市轨道交通生命周期碳排放强度与碳减排潜力研究[J]. 铁道标准设计，2022，66(5)：1-7.

[7] CHEN Kunyang， ZHOU Ding， SU Yuehuan，et al. Research on Carbon Emission Intensity and Reduction Potentials of Urban Rail Transit Life Cycle[J]. Railway Standard Design，2022，66(5)：1-7.

[8] 禹建伟，邢　鹏，王好德，等. 西安轨道交通绿色低碳技术探索与应用[J]. 隧道建设(中英文)，2022，42(S2)：6-12.

[9] 陈晓文，王海宾，周升起. 基于DPSIR框架的中国出口产业低碳转型升级研究[J]. 财贸经济，2014(1)：84-93.

[10] CHEN Xiaowen， WANG Haibin， ZHOU Shengqi. Research on Low-Carbon Transformation and Upgrading in Chinese Export Industry Based on DPSIR Framework[J]. Finance & Trade Economics，2014(1)：84-93.

[11] 王向英，潘杰义. 基于漂移度的陕西省制造业低碳经济发展水平评价研究[J]. 科技管理研究，2019，39(24)：240-246.

[12] WANG Xiangying， PAN Jieyi. Evaluation of Development Level of Low Carbon Economy in Manufacturing Industry of Shaanxi Province Based on Drift[J]. Science and Technology Management Research，2019，39(24)：240-246.

[13] 李建国. 政府补贴视角下履行CSR的低碳供应链减排策略[J]. 物流科技，2024，47(4)：135-140.

[14] LI Jianguo. Low-Carbon Supply Chain Emission Reduction Strategy for Fulfilling CSR from the Perspective of Government Subsidies[J]. Logistics Sci-Tech，2024，47(4)：135-140.

[15] 方　妍. 基于低碳政策的新能源汽车产业供应链主体行为决策研究[D]. 南京：南京航空航天大学，2020.

[16] 朱星玥，许向阳. 基于低碳视角的中国造纸产业绿色供应链构建研究[J]. 物流工程与管理，2020，42(9)：102-105.

[17] ZHU Xingyue， XU Xiangyang. Research on the Construction of Green Supply Chain of Chinese Paper Industry Based on the Low-Carbon Perspective[J]. Logistics Engineering and Management，2020，42(9)：102-105.

[18] 张路路，佟　琼，郭雅楠，等. 基于模糊评价视角的“双碳” 目标建设下城市低碳交通成效研究[J]. 公路交通科技，2023，40(4)：256-263.

[19] ZHANG Lulu， TONG Qiong， GUO Yanan，et al. Study on Effectiveness of Urban Low-Carbon Transport under Construction of “Dual-Carbon” Goals Based on Perspective of Fuzzy Evaluation[J]. Journal of Highway and Transportation Research and Development，2023，40(4)：256-263.

[20] 陈　梅，黄言秋，孙建飞，等. 长三角生态工业园区绿色低碳发展评价[J]. 环境污染与防治，2024，46(3)：360-366.

[21] CHEN Mei， HUANG Yanqiu， SUN Jianfei，et al. Evaluation of Green and Low-Carbon Development of Eco-Industrial Parks in the Yangtze River Delta[J]. Environmental Pollution & Control，2024，46(3)：360-366.

[22] 陈　香，李新剑. 先进制造业集群供应链空间布局合理度评估模型构建：基于集群可靠性分析[J]. 科技管理研究，2020，40(20)：43-49.

[23] CHEN Xiang， LI Xinjian. Spatial Layout Rationality Evaluation Mode Construction of Advanced Manufacturing Cluster Supply：Based on Cluster Reliability Analysis[J]. Science and Technology Management Research，2020，40(20)：43-49.

[24] 薛　锋，范千里，罗　建. 基于多层复杂网络的轨道交通产业链优化[J]. 交通运输工程与信息学报，2021，19(2)：65-73，83.

[25] XUE Feng， FAN Qianli， LUO Jian. Optimization of Rail Transit Industry Chain Based on Multi-Layer Complex Networks[J]. Journal of Transportation Engineering and Information，2021，19(2)：65-73，83.

[26] 袁嘉悦，李清扬，薛　锋. 唐山市轨道交通产业链协同度分析[J]. 综合运输，2020，42(5)：114-118.

[27] YUAN Jiayue， LI Qingyang， XUE Feng. Analysis of the Synergy of Tangshan Rail Transit Industry Chain[J]. China Transportation Review，2020，42(5)：114-118.

[28] 薛　锋，罗桂蓉. 基于灰色聚类的轨道交通产业链环节评价[J]. 综合运输，2018，40(11)：56-61，126.

[29] XUE Feng， LUO Guirong. Evaluation of Industrial Link of Rail Transport Industry Chain Based on Grey Clustering Method[J]. China Transportation Review，2018，40(11)：56-61，126.

[30] 吴健生，许　娜，张曦文. 中国低碳城市评价与空间格局分析[J]. 地理科学进展，2016，35(2)：204-213.

[31] WU Jiansheng， XU Na， ZHANG Xiwen. Evaluation of Low-Carbon City and Spatial Pattern Analysis in China[J]. Progress in Geography，2016，35(2)：204-213.

[32] 王欢芳. 我国产业集群低碳发展水平及升级模式研究[D]. 长沙：中南大学，2013.

[33] 魏振香，杜雅爽. 山东省低碳产业集群聚类发展模式研究[J]. 生态经济，2020，36(7)：69-76.

[34] WEI Zhenxiang， DU Yashuang. Study on Classified Development Mode of Low-Carbon Industrial Cluster in Shandong Province[J]. Ecological Economy，2020，36(7)：69-76.

[35] 陈丽华. 数智化产业供应链公共服务体系建设关键点[J]. 国家治理，2023(3)：55-61.

[36] 姜启波，谭清美. 新时期我国高质量发展水平测度及空间差异研究：基于熵值G2与灰色关联CRITIC的变异系数组合赋权法[J]. 管理现代化，2020，40(5)：24-30.

[37] JIANG Qibo， TAN Qingmei. Research on High Quality Development and Spatiotemporal Differences in the New Era：Base on Combination Weighting Method of Variation Coefficient[J]. Modernization of Management，2020，40(5)：24-30.

[38] 王朝阳，薛　锋，陈崇双. 基于组合赋权TOPSIS法的城市轨道交通装备制造业集群竞争力评价[J]. 铁道运输与经济，2021，43(11)：100-106.

[39] WANG Zhaoyang， XUE Feng， CHEN Chongshuang. Competitiveness Evaluation of Urban Rail Transit Equipment Manufacturing Industrial Cluster Based on Combination Weighting TOPSIS Method[J]. Railway Transport and Economy，2021，43(11)：100-106.

[40] 徐　菱，丁小东，陈　佳，等. 成都轨道交通产业竞争力水平综合评价研究[J]. 铁道运输与经济，2021，43(7)：65-71.

[41] XU Ling， DING Xiaodong， CHEN Jia，et al. Comprehensive Competitiveness Evaluation of Chengdu Rail Transit Industry[J]. Railway Transport and Economy，2021，43(7)：65-71.

[42] 朱雪龙. 应用信息论基础[M]. 北京：清华大学出版社，2001.

[43] 柳　毅，赵　轩，边怀良. 数字经济赋能长江三角传统制造业绿色发展的耦合效应测度与共生路径研究[J]. 电子科技大学学报(社科版)，2022，24(2)：78-85，112.

[44] LIU Yi， ZHAO Xuan， BIAN Huailiang. Research on the Coupling Effect Measurement and Symbiotic Path of the Green Development of Traditional Manufacturing Industry Empowering by Digital Economy in Yangtze River Delta[J]. Journal of University of Electronic Science and Technology of China (Social Sciences Edition)，2022，24(2)：78-85，112.

基金资助

教育部人文社会科学研究项目(21YJCZH192)

成都市软科学研究项目(2023-RK00-00166-ZF)

四川省社会科学重点研究基地系统科学与企业发展研究中心规划项目(Xq23C09)