基于灰色关联分析的中欧班列运营效率评价研究*

□ 林 萍，张 军

(重庆工商大学 商务策划学院，重庆 400067)

1 引言

中欧班列开通，不仅为中西部地区发展外向型经济提供了便利，将地缘劣势转化为地缘优势，使得欧亚国家经济联系紧密，更是贯彻国家“一带一路”的重要表现。截至2019年，中欧班列开行8225列，同比增长29%，发运72.5万标箱、同比增长34%，综合重箱率达到94%。在保持运量高速增长的同时，线路重复、无序竞争、政府财政补贴压力大等问题也随之出现。近年来，诸多学者从线路优化[1]、运输效率[2]、协调机制[3]等不同角度对中欧班列的运营效率进行了深入研究，几乎还没有从定量化的角度对中欧班列运营效率进行评价，即缺少从资源要素最优配置的角度寻找提升中欧班列运营效率突破口和着力点的研究。因此，本文通过利用灰色关联约束法对中欧班列运营效率评价研究，摸清班列的实际运营情况，找出各班列的比较优势和问题，能够为决策者进行管理和改革提供科学的决策参考，寻找中欧班列未来的发展方向。

2 文献综述

中欧班列按照固定车次、线路等条件开行，铺划了西中东3条通道，往来于中国与欧洲及一带一路沿线各国的集装箱国际铁路联运班列。2018年，中欧班列共开行6300列，同比增长72%，国内开行城市56个，可通达欧洲15个国家49个城市。近年来，对中欧班列的发展研究，众多学者以定性分析为主，主要围绕中欧班列的运行现状[4]、运输规则[5-6]、枢纽建设[7]、网络体系[8]等，从不同角度并有针对性地提出相关建议；部分研究集中在数理模型的定量化分析，如运作模式[9-10]、运输组织[11]、运输路径[12]等。但是目前尚未建立较为完善的指标体系来评价中欧班列运营效率。

在关联分析中有对土壤的污染进行分析的，具体是对221个土壤式样进行研究其中的8项指标，在灰色关联的基础上结合Kriging空间插值法对土壤污染等级的空间分布进行研究，充分利用了所得数据的统计特性，通过对各个污染特性的相对最优关联度的排序，更加客观地确定重金属在污染评定中的权重，研究结果更符合实际情况[13]。更多的还是对企业和地区的分析，如在我国东部选取了12个有代表性的城市作为研究对象用灰色系统的方法进行灰色聚类分析，在数据的基础上把目标城市按照创新能力的强弱分成了3类进行分析[14]；结合我国工业化发展实际情况和特色构建新型工业化水平的评价指标体系，运用灰色关联分析和层次分析法建立一个综合评价模型，对湖南、江西、湖北、安徽、河南、山西这6个省的新型工业化水平评价，进而得出评价结果[15]；以世界上6个钢铁生产大国为研究对象，用理想解的思想和灰色关联相结合的评价方法对各国钢铁行业的国际竞争力分析并提出了有关我国钢铁产业集中度等若干提高钢铁行业国际竞争力的政策建议[16]。对企业核心竞争力的评价是把评价目标分成不可模仿性和获利能力两个维度，建立科学的指标体系再计算评价个体和理想个体的灰色关联度，以确定其核心竞争力的强弱[17]。

本文是对多个个体的评价，可以在评价个体中创造出一个理想个体作为关联参照物，分别对每个评价个体与理想个体做关联，通过其关联度大小进行量化分析。在获取指标数据方面符合灰色系统对数据的需求。分析各城市班列的运营效率是从数据入手，灰色关联分析适用于处理数据的几何相似性，即根据序列曲线的集合相似程度来判断其联系是否紧密，曲线越接近，相应的序列之间的关系就越大，反之就越小，而且精度比较高，灰色系统理论还适用于这种数据的分析。基于以上原因，提出了基于灰色关联约束法对中欧班列运营效率评价研究，为决策者提供了更多方法上的选择。

3 中欧班列运营效率评价指标体系的构建

为了能够准确对其运营效率进行评价，提高指标体系构建的客观性，本文在结合中欧班列自身差异性和多样性等特点以及上文中对中欧班列现状与问题研究的基础上，参考了大量有关于国际贸易、国际物流等多方面文献，也参考了《中欧班列高质量发展评价指标》、《中欧班列运力保障和开行计划管理办法》等制度文件，并对中欧班列的部分班列进行了实地调研与资料收集，围绕中欧班列高效率发展的要求，从实际出发，总结出进一步引领中欧班列高效率发展的指标评价体系，如表1。

表1 中欧班列运营效率评价指标体系

4 基于灰色关联分析法的中欧班列运营效率评价研究

4.1 数据来源

本文收集了2018年主要的中欧班列运营发展相关数据，数据来源于中欧班列运输官网，中铁集装箱官网，相关机构、部门网站发布的官方统计数据，新闻报道。中欧班列运营效率指标数据见表2。

表2 中欧班列运营效率指标相关数据

4.2 数据分析

②以输入指标为例，设参考因素数列X0，记为

X0={X0(1),X0(2),…,XO(n)}

比较因素列Xi，i∈m，记为

Xi={Xi(1),Xi(2),…,Xi(n)}

③关联系数。则X0与Xi的关联度为

式中：ξ为分辨系数，在[0,1]内取值，可以证明在最小信息原理下取0.5。

表3 初始像数据计算结果

选取比较序列X0=(1.0000，1.0000，0.8755，0.8565，1.0000)作为理想的中欧班列。再计算出比较因素数列与参考因数数列的绝对差，见表4。

表4 绝对差

根据表4找出

其中分辨系数取0.5，计算出关联系数，见表5。

表5 关联系数

根据以上公式算出指标的关联度及权重，见表6。

表6 指标的关联度

第m个中欧班列的综合评判结果即关联度rm可由下式求得：

若关联度rm越大，则说明X0n越接近，说明第m个中欧班列优于其它班列。将理想班列与被评价的5个中欧班列的关联度大小进行排序，关联度大小的顺序即为中欧班列运营效率高低的顺序。2018年主要中欧班列运营效率关联度及排名见表7。

表7 2018年主要中欧班列运营效率关联度及排名

5 结果分析

利用上述实证研究的结果，对2018年主要的中欧班列运营效率情况进行了静态分析，得出了各班列的运营效率对比情况。为了更好地分析中欧班列运营效率的情况，本文按照关联度将5条中欧班列分为三个梯队：第一梯队关联度值在0.7以上的有渝新欧、蓉新欧；第二梯队关联度值在0.6以上的有郑新欧、西新欧；第三梯队关联度值在0.5以上的只有汉新欧。

①第一梯队分析。第一梯队的中欧班列运营效率排名靠前。渝新欧关联度排名第一，说明其综合运营效率最高。结合各项指标关联系数可以看出，渝新欧开行城市重庆的地区生产总值和对外贸易总额是最强的，排名第一。可见重庆致力于从提升腹地经济支撑力出发,发展区域开放型经济入手，打造特色化班列。将渝新欧的发展嵌入重庆城市产业链，从推动产业结构的转型升级带动实现渝新欧的发展壮大。蓉新欧关联度排名第二，通过分析原始数据发现，蓉新欧主要在于班列开行量最大，2018年开行量突破1500列，其次班列的运行时间较短，优越于其他班列。

②第二梯队分析。郑新欧排名第3，其中集装箱运输量、对外贸易总额及铁路货运量排名靠前，与之相对的是，交通运输、仓储未发挥出其应有的优势，拉低了整体数值。西新欧排名第4，优势体现在班列开行量及集装箱运输量两方面上，而在地区总产值、交通运输物流业水平以及对外贸易总额有很大的提升空间。

③第三梯队分析。汉新欧在所选班列中排名最低，除了铁路货运量、交通运输、邮政及仓储占据绝对优势，是所有班列最强的，其余各项能力表现均不突出，处于中下水平，运营效率有待进一步提升，与其他班列差距较大。

综上分析，在2018年中欧班列开行过程中，渝新欧的运营效率最强，其次为蓉新欧、郑新欧、西新欧、汉新欧。各中欧班列的开行城市在铁路货运量、交通运输、邮政及仓储等方面均较弱，亟需加强，以此通过提高班列开行城市的物流水平的角度来提高中欧班列运营效率。

6 结论

研究通过借助灰色关联分析法，全面系统地分析了影响中欧班列运营效率的班列开行量、班列开行间隔、班列运输时间、班列集装箱运输量、铁路货运量、地区生产总值、交通运输、仓储、邮政业增加值、对外进出口总额等八类因素及关联度情况，进而将理想班列与主要的中欧班列运营效率关联度大小排序，即可得出中欧班列运营效率高低的排序，并对其结果进行分析比较，揭示各班列运营活动中存在的问题。本文的研究思路和方法对各地政府及相关行业部门制定运营发展方案，各班列开展良性竞争，对打造中欧班列国际物流品牌，提升社会对其品牌的特征、内涵和价值方面的了解，推动中欧班列走上可持续发展道路具有一定的现实意义。