“双碳”背景下钢铁新产线选址的交通支持度评价——以中国宝武为例

张 琦，崔 豫，王秋平

（1.西安建筑科技大学 土木工程学院，陕西 西安 710055；2.西安建筑科技大学 国家级土木工程虚拟仿真实验教学中心，陕西 西安 710055）

0 引言

以二氧化碳为代表的温室气体过度排放导致全球变暖，业已成为当今人类社会可持续发展面临的重大威胁之一。为了切实践行人类命运共同体理念，中国政府于2020年提出了“双碳”发展目标（杜焱等，2022），通过采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。作为碳排放大户，中国钢铁行业必须改变传统的规模扩张模式，转而通过新旧产能置换和集团化战略重组，努力按期实现碳达峰目标（朱齐艳等，2022）。

“双碳”背景下钢铁生产技术与企业组织形式的变革，促使钢铁新产线的空间选址取向发生显著变化，该类项目单纯追求交通便捷性的原有厂址选择作用机制也会随之改变。因此，很有必要探究清楚钢铁新产线选址与拟选厂址所在地交通运输体系之间新出现的复杂支持与反馈关系，以期更好引导当前的产业布局选址及其可持续发展。本文首先分析“双碳”背景下钢铁新产线选址的取向趋势及其依赖的城市交通支持，进而借鉴DPSIR理论框架和动态综合评价模型为新产线选址构建交通支持度的评价指标体系和评价方法，最后针对中国宝武钢铁集团开展相应的实例验证。

1 选址与交通支持

1.1 交通运输对钢铁厂选址的常规作用

厂址选择是兼具科学性、政策性、综合性的工作，其基本任务是确定工业企业存在和发展的空间位置（王秋平等，2013）。根据既有研究（刘喆坤，2021），大中型工业项目的厂址选择应主要分析备选厂址对企业期望资源要素及市场需求的响应程度，并通过相应的综合权衡得出结论。在上述选址过程中，交通运输是串联起原燃料、产成品及其他各种物质与人员流转的关键一环。

具体到钢铁厂选址，无论矿石煤炭、还是各种钢材的来源去向，都需依赖厂址位置上特定的交通运输方式及其运载能力来实现（陈旭东等，2016）。当多个备选地的资源条件等要素禀赋相近时，钢铁厂选址倾向于交通运输条件更好的地点；当某个地点要素禀赋具有空间唯一性而其交通条件欠佳时，则可在当地新建交通基础设施以满足选址要求。因此厂址选择常规观点认为（刘森等，2021）：交通便捷是单向支持钢铁厂选址的重要地方性条件之一。

1.2 钢铁新产线取向选址于既有生产基地

中国大陆地区典型的钢铁生产工艺流程有两种：1）高炉——转炉长流程工序，该工序的能源消费结构以煤炭为主，碳排放量甚大，约占全国碳排放量的15%，是碳排放量最高的制造业行业之一（李亮等，2021）。2）电炉短流程工序，该工序的能源消费结构主要是电能，其矿石消耗和碳排放量显著低于长流程工序。为保证钢铁行业如期实现“双碳”目标，逐步淘汰落后产线并置换为以短流程工序为主的钢铁新产线，已成为业内的共识（薛英岚等，2022）。

除工艺革新外，中国钢铁行业还要通过企业组织结构调整来集约利用空间资源、避免环境排放超限，以期更好贯彻“双碳”目标、构建发展新格局。根据新版《钢铁行业产能置换实施办法》及《碳排放权交易管理暂行条例》的规定，新建一个完整流程钢铁企业的用地用水和环保准入门槛很难企及，同时中小型钢企因技术能力和节能减排不尽人意更面临关停并转。2022年2月，在国家发改委、工信部、生态环境部联合发布的《关于促进钢铁工业高质量发展的指导意见》中明确提出：在“碳达峰、碳中和”大背景下，鼓励行业龙头企业实施兼并重组，集中整合资源、实现优势互补，打造若干世界一流钢铁企业集团。通过化零为整的企业组织结构调整，推进大型钢铁企业集团化重组、同步对中小型企业兼并接管，是提高钢铁行业的产业集中度和生产效率水平、降低行业碳排放量的必由之路（孙晓奇等，2022）。

基于“双碳”目标下的低碳冶金技术变革和大型钢企集团化发展战略选择，现阶段的钢铁新产线难以在全新建的空间地域上落实，而是取向选址于集团内部兼并重组的既有生产基地。此时，交通运输对钢铁厂选址的常规单向支持，将变为双向交互的支持与反馈作用。具体是指：基地所在城市固有的交通体系仍是选址布点的支持条件；同时，新产线选址行动亦会干扰基地所在城市的经济、就业和环境等，继而向城市交通体系发出反馈。

1.3 既有基地所在城市对钢铁新产线选址的交通支持

相关研究显示，钢铁企业每生产1吨钢材需要至少3倍的原料物资保障与消耗，其物资运输量则是钢铁总产量的4～5倍乃至以上（高金，2013）。面向“双碳”目标，整个钢铁产业采用技术与质量竞争替代产量竞争，但重型制造业的本质属性决定了钢铁新产线大宗运输需求旺盛的特点不会改变（邱鹏，2019）。

伴随区域综合立体交通网的逐步完善，中国城市间的跨区运输能力和效率均显著进步（梁鲜，2021）；与此不同，受到快速城市化和城市发展转型期的影响，在相当一部分中国城市的内部则出现了交通供求矛盾或规划管理错位 （杨佳雨等，2023）。结合上节分析，钢铁新产线具有布局在既有生产基地的选址取向；且基地所在城市的交通运输条件与新产线选址具有双向交互支持与反馈。有力的交通支持将为拟选址方案提供与区域交通网便捷衔接的城市内部物流和人流通道、由此促成合理可行的选址结果；反之，匮乏的交通支持将会对选址起到明显抑制反馈作用。

钢铁既有生产基地所在城市，曾经普遍具有工业城市属性以及与工业生产相适应的交通运输体系。然而面向当前的“双碳”目标，该类城市中有的选择转变为以综合性服务功能为主、有的则选择以继续担负工业生产功能为主（吕康娟等，2020）。既有基地所在城市差异化的发展路径模式，造成他们的交通运输体系能否依旧支持钢铁新产线选址存在疑问。此外，既有基地所在城市的交通运输体系也要向着“双碳”目标迈进（王靖添等，2021）。植入安全、绿色、可持续等交通发展目标后，这些城市的交通运输方式结构随之改变，其对钢铁新产线选址的交通支持也会因此受到干扰。

综上，需要系统审视钢铁新产线选址与既有基地所在城市的交通运输体系，通过分析两者交互支持与反馈的作用关系，构建一套用以准确评价新产线选址交通支持度的方法。

2 评价框架与指标体系

2.1 DPSIR框架及其在交通支持度评价中的应用

DPSIR框架由驱动力 （driving force）、压力（pressure）、状态（state）、影响 （impact）、响应（response）5个层次组成，每个层次下又可包含若干个相互联系的指标（svarstad等，2008；张凤太等，2016）。该框架最早由欧洲环境局（EEA）所建立，用来研究社会经济发展对资源环境产生的影响以及它们之间的相互关联（Niemeijer等，2012）。DPSIR是一种能把复杂问题分解、再有效综合的基本框架，蕴含“发生了什么、为什么发生、如何应对”的因果关系 （Hak 等，2007；吕添贵等，2022），对分析多重指标纷繁复杂的逻辑关系具有很强的优势，近年来已广泛应用于生态交通（陈文文等，2019）、低碳交通（徐文瑞等，2020）、可持续交通（魏贺等，2021）的评价。

评价钢铁新产线选址的交通支持度，需要综合考量既有生产基地与其所在城市交通运输体系之间复杂的支持与反馈关系。这是因为城市社会经济发展态势联系着交通运输体系的运转，而交通运输体系的服务供给与效率则联系着钢铁既有基地的生产经营，且既有生产基地还会向交通运输体系做出各种反馈联系 （高阳等，2022）。因此，本文应用DPSIR框架，从驱动力、压力、状态、影响以及响应等5个方面着手集成相互联系的影响因素、梳理其间的逻辑关系，为钢铁新产线选址的交通支持度评价确立科学依据。

钢铁新产线选址的交通支持度DPSIR框架设计如下。

社会经济事业的进步和人民生活水平的提高，使得城市各类出行活动都有不同程度的增长，满足大容量、多元化的客运和货运需求是城市交通发展的驱动力（D）；伴随城市交通驱动力增加，载运工具能耗大污染多、人车路不协同安全隐患频发等弊端也会显现，这些突出的城市交通问题构成城市交通发展的压力（P）。驱动力和压力的联合作用调节着城市交通体系各组成要素的容量与质量，而钢铁既有基地的生产运营又会受到所在城市交通体系的弹性干预，以上紧密联系的弹性调节机制折射出既有基地与其所在城市交通体系之间交互的状态（S）。运维状态的综合表现越好，将越有利于钢铁既有基地畅通物流周转、增产增效，反之则会形成削弱钢铁既有基地生产经营的负反馈，正向及反向的因果联系都会对既有基地产生深刻影响（I）；运维状态带来的影响会使钢铁既有基地面临生产经营波动，基地需要采取节能减排或创新技术与管理等举措，以期为重回相对平衡的稳定运维状态做出响应（R）。

交通支持度的DPSIR框架立足既有基地与其所在城市的交通运输体系，从相对平衡、到发展打破平衡、到再平衡，构作闭环反馈系统逻辑关系，可为钢铁新产线选址提供交通支持方面的可靠评价判据。框架详见图1。

图1 钢铁新产线选址交通支持度的DPSIR框架Fig.1 DPSIR framework of new steel production lines site's traffic supports

2.2 基于DPSIR框架的交通支持度评价指标体系

根据上文的DPSIR基本框架并遵循科学性、客观性、数据可得性和可操作性等原则 （刘玉莹，2021），围绕钢铁新产线选址的交通支持度评价目标，分别以城市交通运输体系驱动力和压力、交通运输体系和钢铁既有生产基地自身状态、既有生产基地承受影响及其主动响应作为准则层，继而遴选出若干能表征准则的要素和指标，组建钢铁新产线选址的交通支持度的评价指标体系（表1）。

表1 DPSIR框架下交通支持度的评价指标体系Table 1 Evaluation index system of traffic supports under DPSIR framework

表1的具体释义如下。

驱动力（D）：人口和经济活动向城市聚集是城市化进程的关键驱动因素，也是现代城市交通体系的发展动力源泉。因此，用社会层面的人员出行和产业层面的货物流通构作要素层，并在指标层对应选择客运周转量和人均民用汽车保有量、交通运输财政支出占比和货运周转量作为测量指标。需要说明的是，出行方式的结构多样性亦能表征工业城市的服务化转型程度（赵鹏军等，2020），但部分既有基地位于中小城市、尚缺乏多年连续的城市出行结构监测数据。为保证指标的可获得性没有添加出行结构指标，但今后随着交通大数据技术在中小城市的进一步普及尚应继续完善驱动力层面的指标选取。

压力（P）：当城市交通体系循环累积到一定规模后，其中消耗的各种资源能源和释放的各类废弃物质，会给自然与环境带来压力负担；其中安全欠佳的规划管理举措与花销昂贵的运行养护费用，则会给社会与经济带来压力负担。因此，分别从能耗、排污、安全、费用视角构作要素层，相应选取的指标层测量指标有每年的单位道路里程能源消耗、单位货车废气排放量、交通事故发生数，以及城镇常住居民家庭平均每人每月交通消费支出。

状态（S）：驱动力和压力都会作用于城市交通体系的状态，驱动力对兴建交通基础设施、扩大交通专业人员队伍等状态发挥隐性的激励调节作用，而压力对交通基础设施和专业人员队伍抵御风险危机等状态发挥显性的检验调节作用。另一方面，钢铁既有基地的经济规模和人员规模状态均与所在城市的交通体系状态相关。当交通体系状态产生较小的变化时，钢铁既有基地的状态会同向变化且弹性放大。因此，以城市交通基础设施，交通行业就业人数，钢铁既有基地经济规模和职工规模构作要素层，以公路网密度、水运网密度、铁路网密度，交通运输就业人数与第三产业就业人数比值，钢铁既有基地的营业收入和基地职工占第二产业人员比重构作指标层。

影响（I）：钢铁既有基地及其所在城市交通体系的运维状态，直接关系到既有基地的供应链和产业链完善程度，由此进一步影响到基地对预期产能和职工收益的兑现能力。因此，在把要素层设置为产能和职工收益后，指标层对应选择了既有基地的单位职工营业收入和粗钢产量。

响应（R）：钢铁既有基地受到运维状态的正向影响后，尽管产能和职工收益按预期日益增长，但高产高效亦可能伴随着更高的资源环境消耗代价。一旦环境承载力超限，能输出正向影响的运维状态就会被破坏。为此，即便在运维状态良好和正向影响积极的条件下，既有基地仍需同步采取环境保护的响应措施、以预防潜在的环境危害风险。与此不同，既有基地受到运维状态的反向影响后，产能和收益会面临萎缩的窘境；若不加干预，反向影响的运维状态还会延续甚至变得不可逆。为此，在运维状态堪忧和反向影响严峻的条件下，既有基地需致力寻求创新研发的响应举措、以技术变革破局发展困境。因此，将环保投资和创新投资作为要素层，进而用既有基地的年度环保财政支出和研发投资作为指标层的判据。

3 动态综合评价模型

3.1 钢铁新产线选址的交通支持度评价要点

厂址选择是一项全局性和长远性的任务（谷文林等，2020），其选址结论一旦确定更是难以改变、必须综合审慎地加以研究。因此，钢铁新产线选址的交通支持不仅考虑既有基地所在城市当前时间节点的态势，还要追溯过去一段时期内该城市交通体系的累积态势、以指标的时间序列发展趋向作为评价判据。

动态综合评价方法是处理时间序列指标数据的有效方法（张霞等，2022）。该方法依靠内置的发展因子对指标评价的结果值进行奖惩，表征任一指标在时间序列内的发展趋势：若某个评价指标的发展加速度大于0，则其将获得＞1的发展因子，指标评价结果相应得到奖励；反之，则将获得＜1的发展因子，指标评价结果得到惩罚。此外，动态综合评价方法还添加有时间权重，即用特定函数给时序早晚的信息赋予不同权重系数。设置时间权重体现了“厚今薄古”、重视近期数据的思想（易平涛等，2016），使指标数据的应用更加贴合实际。

根据上述理论和方法要点，本文在钢铁新产线选址的交通支持度评价中引入动态综合评价原理，设计相应模型来集成处理DPSIR框架下评价指标的时间序列数据，从而综合、全面、准确测评出各既有基地所在城市的交通支持度。

3.2 交通支持度的动态综合评价模型

3.2.1 基本设定

在交通支持度评价系统中，设评价对象为既有基地所在城市、共有n个；基于DPSIR框架的评价体系在指标层共有m个测量指标，这些指标的原始数据时间跨度均为N年、且每一年采集一次，其时序标记按早晚顺序依次为tk（k＝1～N），从而构成一个评价对象的指标时序数据表。

3.2.2 数据无量纲化

为调整测量指标评价数据的作用一致性并解决其量纲不同问题，使用全序列极值法对指标层的全部原始数据进行无量纲化处理。公式如下：

3.2.3 确定发展因子

第i个评价对象的第j个测量指标的发展因子ρijk按以下公式计算：

3.2.4 确定指标权重

本文采用典型的客观赋权方法——熵值法，对DPSIR框架下的交通支持度评价指标进行赋权。对于某项测量指标，用其熵值可以判断指标的离散性、区别各指标相互之间的重要程度。熵值越大，离散度越低指标越聚集，覆盖的信息量越少，使得该指标对综合评价的影响不够显著、所占权重较小；反之权重较大。熵值赋权法的具体操作较为成熟、可参考相关文献（张琦等，2018），在此不再赘述。

3.2.5 确定时间权重

熵值法虽能客观体现指标在数据结构上的差异，但不能反映各项指标在连续时间序列中不同时间节点上作用强度的差异性趋势。故需再设置时间权重、并将其与熵值法得到的权重叠合计算，从而完整契合动态综合评价思想。时间权重τK的熵E和时间度λ的计算公式为：

式中：τK表示时间序列周期T内第K个时间节点（K＝1～T，通常以年计）的时间权重。全体时间权重的熵E越大、权重包含的信息量越少，反之熵越小、信息量越大；而它们的时间度λ反映了决策者对时序的偏好程度，λ越大、评价者越重视远期时间点数据，反之λ越小、越重视近期时间点的数据。时间度的标定参考见表2。

表2 时间度λ赋值标定及其含义解释Table 2 Assignment calibration and meaning of time-dimensionalλ

现实条件下，人们对既往信息的掌握往往不如现有信息充分。故本着“厚今薄古”、重视新信息、注重实效性的思路，在给定时间度λ的约束条件下，尽可能以时间权重的熵E取最大化为目标来确定时间权重τ。据此，对式（7）做变换以构造确定时间权重的目标函数如下：

3.2.6 确定动态综合评价模型

综合应用上述各步分析计算结果，可得交通支持度的动态综合评价模型为：

4 中国宝武钢铁集团的案例实证

4.1 集团与备选基地简介

中国宝武钢铁集团有限公司（以下简称中国宝武）成立于2016年12月，由原宝钢集团有限公司和武汉钢铁（集团）公司联合重组而成，是以大型国企改革重组推动钢铁行业供给侧结构性改革的重大举措。2021年，中国宝武粗钢产量近1.2亿吨，居全球钢企首位，并位列财富全球500强企业第72位。自成立以来，中国宝武先后整合重组了马钢、太钢、重钢、昆钢、包钢、新余钢铁等诸多地方国有钢企，已经形成了多生产基地的空间分布版图。同时，中国宝武在兼并重组中始终秉持优化资源配置导向，大力推进钢铁精品制造和智慧制造以淘汰落后产能，持续构建绿色低碳发展新格局。相应地，中国宝武集团版图内的钢铁新产线选址任务方兴未艾。

本文以中国宝武为案例进行实证研究。根据中国宝武各生产基地披露经营信息的完整性与连续性，确定了参与研究的既有生产基地及其所在城市，分别是：宝山基地（位于上海市宝山区）、青山基地（位于湖北省武汉市青山区）、韶钢基地（位于广东省韶关市曲江区）、重钢基地（位于重庆市长寿区）。这4个备选基地的本底条件不尽相同；其所在城市或滨江靠海、或层峦叠嶂，发展现代化交通运输体系依托的自然地理环境也不一样。对于上述备选基地及所在城市，在DPSIR框架下开展钢铁新产线选址的交通支持度评价，具有可行性和代表性。

4.2 动态综合评价模型计算结果

选择2015—2020年为研究周期。通过查阅统计年鉴获得各所在城市交通运输体系的相关指标原始数据，通过查询各既有基地披露的企业社会责任报告等获得其生产经营的相关指标原始数据。对于个别年份个别指标，如存在数据缺失、则通过其他替代指标原始数据进行插值估计得到。

4.2.1 指标权重

依据DPSIR框架，对表1所示交通支持度指标数据进行归一化处理后，再运用熵值法计算得到指标权重（表3）。

表3 指标权重表Table 3 Indicator weights

4.2.2 时间权重

基于较重视近期数据的设定，取时间度λ＝0.3，可得研究周期时间权重（表4）。

表4 2015—2020年时间权重Table 4 Time weights of years 2015 to 2020

4.2.3 综合评价值

运用动态综合评价方法，根据指标的发展趋势给予奖惩并考虑指标权重和时间权重，按式（9）计算得到准则层各指标动态综合评价值、以及钢铁新产线选址交通支持度的综合评价值，结果如图2、表5所示。

表5 各钢铁基地指标动态综合评价结果Table 5 Dynamic comprehensive evaluation results of steel bases'indicators

图2 钢铁基地准则层各指标趋势图Fig.2 Indicators trend of steel base guideline layer

4.3 结果分析

表5显示，基于DPSIR的循环累积和反馈，中国宝武在宝山基地选址钢铁新产线将获得最有力的所在城市交通支持，尔后依次为青山基地、重钢基地、韶钢基地。这是经驱动力、压力、状态、影响及响应5个层面完整过程交互作用后，既有基地及其所在城市交通运输体系达成的互馈结果，可为中国宝武布局新产线的选址提供参考依据。

以下进一步分述各准则层的评价结果。

1）驱动力层面。上海作为中国最主要的交通枢纽城市，拥有多种交通方式集成的、一流的城市交通运输体系，发达的城市客货运活动是提升钢铁新产线交通支持度的强有力源泉。武汉和重庆分别位于长江中游和长江上游，铁路水路联运方式条件较好，也能较有效驱动钢铁新产线交通支持度的提升。韶关虽处在珠江三角洲的腹地，但不临江不临海的区位使其交通发展受限较多、对交通支持度的驱动力相对最弱。

2）压力层面。在研究周期内，武汉城市交通先后经历了大规模建设期和疫情影响停滞期，尚未完善的交通运输体系收纳能力与人多车多的实际出行现况相叠加，易形成更多的交通冲突和矛盾；危及钢铁新产线交通支持度的压力陡增。相比而言，上海和重庆的压力则相对缓和。不同于以上三个特大城市，韶关的中等城市规模和区域性亚中心发展定位决定了它对钢铁新产线交通支持度具有最小的压力，这种特性是中国宝武在布局新产线时值得注意的。

3）状态层面。宝山基地是中国宝武的根脉及事业重心所在，持续保持着国际一流的钢铁主业竞争力状态；这与上海密集的运输线网和高素质的交通行业人力资源相呼应，形成了基地和城市交通“强强”匹配的耦合状态。韶钢基地规模偏小、却也能与韶关的城市交通运输软硬件积淀相呼应，形成基地和城市交通“弱弱”匹配的耦合状态。重钢基地和青山基地尽管原有生产规模大、但却处于非常艰巨的产能汰旧换新任务中；因而这两个基地和重庆、武汉的特大城市交通体系分别都处在“弱强”不尽匹配的耦合状态。

4）影响层面。由于宝山基地、韶钢基地和所在城市交通达成耦合匹配，故它们的供应链、产品链更有保障，对基地的产能和营收增长也产生了更为积极的影响。青山基地和重钢基地虽和所在城市的交通匹配耦合度不如前两个基地，但考虑到它们生产经营的原始积累时间长、底子厚，其产能和营收受到交通支持度的正向影响尚可。

5）响应层面。在打造国际一流钢铁制造商道路上，宝山基地势必要把绿色创新等环保和科技投入放在企业研发响应对策的首要位置；通过绿色制造、智能制造，既奠定面向“双碳”目标的钢铁制造世界领先地位、同时巩固所在城市给基地提供的最佳交通支持度。其他几个基地在逆势而上谋划转型发展时，也要选择依靠科技进步、发展精益制造的响应对策，争取在国内外市场占据有利地位、并从所在城市获得更好的交通支持。

以上实证分析表明，基于DPSIR框架的钢铁新产线选址交通支持度评价所取得结果，与中国宝武部分既有基地的发展实践是相符的，评价方法具有一定的现实可用性。

5 结论

在分析“双碳”背景下钢铁新产线选址取向的基础上，论文通过搭建既有生产基地与其所在城市交通运输间的DPSIR框架，提出综合评价钢铁新产线选址交通支持度的指标体系，并应用动态综合评价模型设计了交通支持度的计算方法。最后，以中国宝武集团部分生产基地为例开展了相应的实证检验。论文的主要结论如下。

1）为贯彻好“双碳”目标，中国钢铁行业需要革新工艺与兼并重组双管齐下，故钢铁新产线选址取向于企业集团化重组后的既有生产基地；而所在城市交通运输体系对既有基地的复杂影响，关系到新产线选址能否获得期望的有力交通支持。

2）针对既有基地与其所在城市的交通运输体系，设计了钢铁新产线选址交通支持度的DPSIR框架；该框架从驱动力、压力、状态、影响、响应5个层面入手，解析梳理了两系统内部的闭环反馈及相互间的逻辑关系。遵循DPSIR框架并应用动态综合评价模型，进一步建立了涵盖18个具体指标的交通支持度评价体系和测算方法；该方法通过引入发展因子奖惩机制和时间权重调节机制，能适应钢铁新产线选址的全局性和长远性特点。

3）以2015—2020年为研究周期，对中国宝武4个既有基地开展了钢铁新产线选址的交通支持度实证分析，综合评价值显示：宝山基地＞青山基地＞重钢基地＞韶钢基地。在DPSIR框架下，实证研究整体结果与相应时间段中国宝武的发展战略及基地所在城市的交通发展态势是相符的，而5个准则层的分项评价结果亦对中国宝武实施新产线选址具有一定的实践参考价值。