铁路集装箱场站效率评价研究

施亚萍

（中铁集装箱运输有限责任公司广州分公司工程师，广东广州 510080）

铁路集装箱场站效率评价研究

施亚萍

（中铁集装箱运输有限责任公司广州分公司工程师，广东广州 510080）

首先构建符合我国铁路集装箱场站生产实际的效率评价指标，选取对集装箱场站作业效率有重要影响的要素作为输入、输出指标；其次将灰色关联分析与层次分析法同时用于DEA模型，以构建主观客观相结合的权重约束空间，采用基于综合权重“偏好序”约束的DEA方法中的CCR、BCC模型，用EMS软件计算模型的效率值。通过对效率值进行横向、纵向比较分析，对广铁集团管内14个集装箱办理站2009年、2010年的效率进行评价，提出改进铁路集装箱场站效率的方法。关键词：铁路；集装箱场站；综合权重；DEA；效率评价

0 引言

集装箱运输可以方便快捷地实现多种运输方式之间的结合，便于开展多式联运，提升整个运输体系的效率。现有的集装箱办理站普遍存在站场布局不均衡，站内设备落后，能力紧张以及管理体制不健全等问题，极大地影响了集装箱运输效率，限制了集装箱运输的发展。为了合理布局集装箱场站货场，有效利用集装箱场站的设备，进一步为合理分布集装箱场站，加强与其他运输方式的配合和衔接，优化集装箱运输网络，提高铁路运输效益，有必要对集装箱场站的效率进行评价研究[1-2]。

本文选取对集装箱场站作业效率有重要影响的要素作为评价指标，运用灰色关联分析与层次分析法构建主观客观相结合的权重约束空间，应用含有综合权重的DEA评价模型，对样本集装箱办理站2009年、2010年的数据实证分析，提出改进铁路集装箱场站效率的方法，以期改进我国铁路集装箱场站建设和优化资源配置。

1 集装箱场站效率影响因素分析及评价指标选择

本文选取装卸线数量、装卸线有效长、堆场面积、吊具数量、装卸机具数量作为我国铁路集装箱场站效率评价模型的投入变量。装卸线数量主要影响集装箱场站所具备的作业基础能力，影响集装箱到达后能否及时进入装卸线进行作业，是衡量集装箱场站效率的重要指标之一。装卸线有效长主要影响装卸线上能够同时作业的集装箱车数，是集装箱场站作业能力的重要因素。堆场面积的大小与堆场的作业效率紧密相关，堆场面积大，装卸过程中的翻箱率就较低，堆场作业的效率则相对较高。吊具的装卸效率，直接影响集装箱的等待作业时间，是衡量集装箱服务质量的重要依据。装卸机具数量直接关系到集装箱场站堆场的作业效率。

对于模型产出变量的选取，集装箱年运量和集装箱年发到吨数是体现集装箱场站产出水平最重要、最被广泛认可的指标，同时也是对不同集装箱场站进行比较时，衡量它们的相对规模、投资大小或者经营管理水平的重要依据。

2 含有综合权重“偏好序”约束的DEA模型

灰色关联分析确定权重是根据指标数据曲线的相似程度来判断其关联程度的大小。若两条曲线的形状相似，则关联度越大，权重也就越大；它能够相对客观地反映指标之间的内在结构关系[3]。层次分析法确定权重主要是利用人的经验和决策者的选择与判断，能够将决策者或者专家的主观偏好放入模型当中。

综合权重是将灰色关联度和AHP确定的权重进行线性加权，既体现了历史数据的客观性，又体现了人的主观因素，主客观因素统一，更好地确定指标的权重大小，更合理地对DEA中的权重进行“偏好”排序。改进传统DEA模型投入和产出指标权重分配不合理的问题。

2.1 基于综合权重的权向量“偏好序”约束

假设有n个决策单元，而评价每个决策单元的输入指标有m个，输出指标有s个，根据综合权重大的指标对应的权重就大的原则，可以对DEA模型中的权重进行排序约束，从而实现对DEA中权向量的“偏好序”约束。具体过程如下[4]。

2.1.1 利用邓氏灰色关联度确定指标客观权重

利用邓氏灰色关联度计算指标数列Xi对参考数列X0的灰色关联度γi，并归一化得到各输入和输出指标的权重分别为

2.1.2 利用AHP确定指标主观权重[5]

利用层次分析法求得输入和输出指标判断矩阵的特征向量（即各指标的权重）分别为

2.1.3 利用线性加权方法确定综合权重

通过引入主、客观偏好系数的概念，用线性加权方法将AHP和邓氏灰色关联度得到的主客观权重结合，得输入和输出指标的综合权重分别为

式中：wi*为综合权重；α为主观偏好系数，α∈[0,1]，由决策者依据偏好给出，本文分别取值0.4、0.5和0.6。

2.1.4 对各指标的权重按照综合权重进行排序

将输入和输出指标的权按照综合权重从大到小排序得下式（ω为任意小的正数）。

2.2 含有综合权重“偏好序”约束的DEA评价模型

含有综合权重排序约束的第j0(1≤j0≤n)个决策单元的“偏好序”DEA模型（δ=0时为广义C2R模型，δ=1时为广义BC2模型）被修正为：

设上述对偶模型的最优解为λ0，s0-，s0+，最优值为θ0，θC2R0,或θBC20。

2.2.1 DEA有效性分析[6]

1)当θ0=1，且s0-=s0+=0时，则DMUj0为DEA有效。此时，该决策单元既是规模有效的，又是技术有效的。说明除非增加一种或多种新的投入（或减少某些种类的产出），否则无法再增加（减少）任何现有的产出量（投入量）。

2)当θ0=1时，称DMUj0为弱DEA有效。此时，该决策单元不为技术有效，仍有冗余存在。要使DMUj0达到有效，则需在保持原输出不变的情况下减少s0-的输入，或者在保持原输入不变的情况下增加s0+的输出。

3)当θ0<1时，称DMUj0为非DEA有效。说明该决策单元规模无效且技术无效。为了使DMUj0达到有效，可以在不减少输出的前提下使原来的输入减少(1-θ0)x0+s0-；或在不增加输入的前提下使输出增加s0+。

2.2 .2规模收益分析

1)当S*=1时，表示DMUj0的规模收益不变，此时DMUj0，达到最大产出规模点，即投入规模增加与产出规模增加是“持平”的。

2)当S*<1，且Σλ0<1时，表示DMUj0的规模收益递增，且Σλ0值越小，规模收益递增的趋势越大，表明DMUj0适当增加投入规模将得到相对更多的产出效益增量，即在原投入的基础上有必要再增加投入，使其带来更高比例的产出增量。

3)当S*<1，且Σλ0>1时，表示DMUj0的规模收益递减，且Σλ0值越大，规模收益递减的趋势越大，表明DMUj0投入规模的增量只换取到相对较小的产出效益增量，即在原投入的基础上没有必要再增加投入。

3 实证模型计算

3.1 数据收集

本文选用广铁集团管内14个集装箱办理站作为评价对象，即大朗、长沙北、三眼桥、棠溪、汕头北、佛山东、岳阳北、三水西、衡阳、株洲北、深圳北、怀化南、黄埔、长沙东（数据截至2010年12月31日）。输入输出指标原始数据如表1、表2所示。

表1 样本集装箱办理站2009年输入输出原始数据

表2 样本集装箱办理站2010年输入输出原始数据

3.2 数据处理结果

基于第三种方法所述，对上述数据建立模型，运用EMS软件分别计算14个样本集装箱办理站2009年、2010年的技术效率TE、纯技术效率PTE、规模效率SE、规模报酬情况SR。结果如表3。

表3 带有综合权重约束的DEA模型计算

4 实证结果分析

根据表3中14个样本集装箱办理站2009年、2010年的技术效率值，统计得出图1，图2。

图1显示，2009年14个样本中只有1个样本有效，0.8以上的非有效样本只有1个，占样本总数的7%。效率值0.5以下的样本有9个，占样本总数64.29%，其中有3个样本站效率值低于0.2。样本站平均效率值为0.383 1，处于平均值以上的样本有5个，占样本总数的36%。

图2显示，2010年14个样本中有2个样本有效，0.8以上的非有效样本只有1个，占样本总数的7%。效率值0.5以下的集装箱办理站有10个，占样本总数71.4%，其中有4个集装箱办理站效率值低于0.2。样本站平均效率值为0.441 0，处于平均值以上的样本有5个，占样本总数的36%。

综合分析，样本集装箱办理站生产效率值总体不高，大部分站的技术效率处于平均效率以下，且站间效率差距较大。2010年相对2009年，仅效率值处于两极端的办理站无变化，其余各站都有一定程度的升降。

4.1 横向比较分析

14个样本站两年平均技术效率值最低的是汕头北和黄埔。汕头北效率一直偏低，与其地理位置靠近港口，公路竞争较大息息相关，从而影响其集装箱年运量和发到吨数，它发到吨数连续两年均排在最后，不到效率为1的大朗站发到吨数的1%。黄埔站效率一直偏低，与投入过多而产出远远不够，且能力大大富余有关。特别是装卸机具的数量，在所有样本站中遥遥领先，这和黄埔站均是专用线有关。专用线上各公司均配备自己的装卸线、堆场、装卸机械和吊具，资源的不共享、配置比例的不合理造成了黄埔站总体技术效率偏低。

4.1.1 技术效率分析

技术效率（TE）表示集装箱场站在最大产出下，最小要素投入的成本，由投入导向下固定规模报酬下CCR模型求得。Koopmans[8]（1951）提出产生技术无效率的原因，是由于管理层未能充分利用资源而造成投入要素浪费。如技术效率值h<1，则说明被评估的样本集装箱站存在1-h比例的投入资源浪费，需要以1-h的比例将投入减少，从而减少或避免对投入资源的虚耗。

从表3可以看出，14个样本集装箱办理站的平均技术效率值2009年为0.383 1，2010年为0.441 0。这意味着样本集装箱办理站存在较为严重的投入资源浪费，即这14个集装箱办理站平均有六成多的投入资源被虚耗掉了。

4.1.2 纯技术效率分析

纯技术效率（PTE）表示在同一规模的最大产出下，最小的要素投入成本。由投入导向下变动规模报酬的BCC模型求得。纯技术效率值是将规模因素抽离，以便分析在短期内不含规模因素的情况下，样本站的技术效率如何。若PTE=1，表示该集装箱站在受评估的集装箱站群内以较有纯粹效率的方式生产；若PTE<1，则表示其未能以较有效率的方式生产，称之为纯粹技术无效率。PTE更多反映的是决策单元的日常经营管理政策和水平，是在不考虑规模因素的条件下，衡量集装箱场站在资源投入上，因管理层的决策错误、经营管理不佳，而造成资源浪费的比例情况。

从表3来看，样本集装箱办理站2009年、2010年的平均纯技术效率值分别为0.753 3、0.782 0，这意味着将规模无效率因素去除后，14个集装箱办理站大致有30%的投入资源因为管理不当而被虚耗了，这说明集装箱办理站的日常经营管理水平还具有提升和改善的空间。

4.1.3 规模效率分析

规模效率（SE）表示集装箱场站在最大产出下，技术效率的生产边界的投入量与最优规模下的投入量的比值，即等于CCR模型下的总技术效率值除以BCC模型下的纯技术效率值。可以由此衡量在投入导向模型下，集装箱场站是否处于最优生产规模。在经济学意义上，所谓最优规模就是指企业处于平均成本曲线最低点时的生产状态，企业在规模效率下，能够实现利润或经营绩效的最佳水平。当受评集装箱站的SE等于1时，表示该集装箱站具有规模效率；若SE小于1，则表示其不具备规模效率。若处于规模报酬递减（DRS）阶段，表示该集装箱站目前的营运规模过大，必须通过缩小规模才可达到最佳规模状态；反之，若处于规模报酬递增（IRS）阶段，则表示目前该集装箱站营运规模过小，必须通过扩充规模才能达到最佳规模状态，取得最大的收益。

4.2 纵向比较分析

根据表3的结果，纵向比较同一集装箱办理站2009年、2010年的技术效率变化情况（见图3）。

从总体情况来看，大部分样本集装箱办理站2010年的技术效率值相对2009年均有所提高，三水西站由原来的技术无效提高到技术有效，仅大朗站2年均保持技术效率值为1。此外，棠溪、岳阳北、株洲北、深圳北站效率值都有相对较大的下降，最大降幅达0.17；衡阳站虽有下降，但下降值较少，幅度为0.009 1。长沙北、三眼桥、怀化南、长沙东站技术效率值有大幅度增长，增幅在0.142 0~0.490 4，最大增幅为三眼桥，达0.490 4，其他4个样本站增幅在0.002 6~0.122 2之间。

在14个样本集装箱办理站中，大朗站因其年运量和年发到吨数一直处于领先地位，效率值保持在有效状态；2010年相对2009年，长沙北、汕头北、怀化南站年运量有所下降，但其发到吨数有较大增长；三眼桥、三水西、长沙东、佛山东站年运量和发到吨数均有所增长，而输入指标两年间只有个别指标有细微的变化，故此4个集装箱办理站2010年效率值相对增长；其余9个效率值降低的站中，衡阳站年运量及总发到吨数都较前一年有所增长，但增长幅度较2009年同为有效站的大朗站要小，而DEA评价方法是相对评价方法，通过与生产前沿面的距离来确定效率的大小，故在2010年衡阳站技术效率是下降的，但其实际运营情况较上年有所增长；棠溪、深圳北站年运量有所增加，总发到吨数有所下降，另外岳阳北、株洲北站年运量和发到吨数较前一年均有大幅减少，效率值相对都有所下降。

5 结论

1）通过对我国铁路集装箱场站生产运营实际情况的分析，采用改进的基于综合权重“偏好序”约束的数据包络分析法，以广铁集团管内14个集装箱办理站为样本进行了实证分析，对我国铁路集装箱场站的效率进行评价研究。在此基础上提出改进效率的意见，验证了模型的有效性和实用性。

2）我国铁路集装箱场站发展滞后，整体技术效率不高，基础设施配置和管理水平参差不齐，业务量严重不均衡，站点布置及层级分布还需调整或正在调整，硬件设备配置与车站作业规模不匹配，存在装卸资源浪费或紧缺现象。

3）囿于管理体制及数据的不易得性，论文在构建评价指标体系时从生产角度出发，更多地从硬件资源方面考虑投入产出的关系，而没有将财务状况、人力成本、管理水平等其他指标纳入，故同等级集装箱场站之间效率的评价，及如何设计更全面更加便于指导生产运营实际的评价指标体系是作者需要进一步研究的课题。

[1]刘玲．基于DEA的我国铁路运营绩效研究[D]．成都：西南交通大学，2008，12：36～55

[2]刘欣．铁路运输企业效率的组合评价[D]．北京：北京交通大学，2009，6：57～78

[3]夏伟怀，雷定猷.影响铁路运输企业竞争力的灰色关联分析[J].长沙铁道学院学报，2002（3）

[4]邓聚龙.灰色控制系统[M].武汉：华中科技大学出版社,1999

[5]徐泽水.关于层次分析中几种标度的模拟评估[J].系统工程理论与实践.2000(7):58—62

[6]魏权龄.评价相对有效性的DEA方法[M].北京：中国人民大学出版社,1987

[7]徐琼.基于技术效率的区域经济竞争力提升研究——浙江的经验分析[D].杭州：浙江大学，2005.12

[8]Koopmans T，C.Analysis of Production as An Efficient Combination of Activities.New York：New York Wiley and Sons，INC,1951

[9]杨华龙，任超，王清斌,等．基于数据包络分析的集装箱港口绩效评价[J]．大连海事大学学报，2005（1）：51—54

[10]邢小勤．我国铁路运输效率的研究[D]．北京：北京交通大学，2007（6）：33—43

The article first constructs the efficiency evaluation indicators which fits for the current production of the state railway container yard and chooses factors which have great effects on the production efficiency as indictors to calculate efficiency value by the EMS software using grey correlation analysis and AHP into the DEA model in which the CCR and BCC model are adopted for the comprehensive weighting preference.Through the comparison of results of efficiency value,efficiency value of 14 container handling yard in 2009 and 2010 are evaluated and ways of improving efficiency are proposed.

railway；container yard；comprehensive weighting；DEA；efficiency evaluation

A

1004-9746（2011）02-0036-06

魏艳红）

2011-03-28）