中国交通枢纽城市生态交通效率时空特征分析

汪玲，王琪，唐磊

(大连交通大学，交通运输工程学院，辽宁大连 116028)

0 引言

当前，温室气体排放问题日趋严峻，由此导致的全球气候危机已引起社会各界广泛重视。为保护全球生态，促进节能减排，中国认真落实联合国2030 年可持续发展议程，始终坚持生态发展理念，并力求实现“2030 年前碳达峰，2060 年前碳中和”的“双碳”目标。作为经济社会“先行官”，可持续的交通能够为经济社会可持续发展提供有力支撑和坚强保障，是推动“双碳”战略目标实现的重要领域。因此，发展生态交通是中国应对气候变化，促进人与自然和谐共生的现实要求。多年来，中国一直致力于建设绿色低碳的国家综合立体交通网，构建交通建设与社会环境和谐共处的发展体系。作为国家综合立体交通网的核心依托，综合交通枢纽城市的生态交通发展直接影响整个网络的绿色低碳水平，对中国交通运输体系的可持续发展至关重要。然而，当前，在加速推进现代综合交通运输体系高质量发展的时代背景下，综合交通枢纽城市的现行发展模式是否顺应综合交通运输体系高质量发展规律，尤其在“双碳”目标下是否满足绿色低碳的发展要求，是亟需破解的问题。为此，有必要基于生态理念剖析中国综合交通枢纽城市的生态交通效率水平，确保枢纽城市健康可持续发展。

生态交通立足于交通环境可持续发展，试图以最小的生态资源代价获取最大的交通产出[1]。建设城市生态交通，目的在于寻求城市交通资源合理开发利用、产业合理布局以及环境保护的模式，促进城市交通的可持续性发展[2]。从这个意义而言，城市生态交通效率即为城市交通系统运行中投入一定成本对交通、经济及生态发展需求的综合满足程度。目前，关于城市生态交通效率的定量研究较少，学者们主要采用数据包络分析(DEA)法、层次分析(AHP)法及熵值法等方法测算城市生态交通效率。欧国立等[3]采用AHP-DEA 法评价京津冀地区5 个城市的生态交通发展水平。陈文文等[4]应用熵值法计算北京市生态交通指数。陈沿伊等[5]综合运用DEAMATE (Decision-Making Trial and Evaluation Laboratory)法和BCC 模型测算深圳市生态交通效率。郑兵云等[6]采用SBM(Slacks-Based Measure)-DEA 模型和空间计量模型分析中国30 个城市的生态交通效率水平及其影响因素。总结来看，已有成果为探索城市生态交通发展问题积累了一定的前期基础，但仍有几方面有待完善：一是，研究尺度上多数文献只限于一般化城市，鲜有在国家战略层面针对特定城市展开研究，虽有部分学者关注到北京和深圳等城市，但却很少将其作为国家综合交通枢纽城市加以考虑，特别是对城市交通个性化特征揭示不够，研究结论难以推广；二是，研究内容上多以城市生态交通效率的数值测算为主，缺乏在更深层次上对城市生态交通效率时空特征的考察，其时空演变规律及差异研究还有待探索；三是，研究方法上多采用源于传统DEA方法的SBM 模型进行测算，但SBM 模型仅考虑非径向测度且无法区分效率值为1的有效决策单元，难以为进一步挖掘生态交通效率的动态变化趋势及其动因提供准确信息。

鉴于此，本文从国家对综合交通运输体系发展的战略要求出发，将具有国家级战略定位并兼备典型交通特征的中国20个国际性综合交通枢纽城市作为研究对象，运用同时包含径向与非径向测度的超效率EBM模型测算枢纽城市的生态交通效率水平，采用核密度估计法、标准椭圆法和Dagum 基尼系数法揭示其时空分布变化规律及区域差异程度，探究生态交通效率时空演变和空间差异特征，为构建绿色综合交通运输体系提供有益参考。

1 指标选取和数据来源

1.1 指标选取

依照城市生态交通的发展目标及效率内涵，将综合交通枢纽城市生态交通效率界定为综合交通枢纽城市的综合产出效益与运输生产要素投入的比值，反映所投入的成本满足城市综合交通运行需求、降低环境污染和资源损耗的程度。据此，从城市综合交通运输体系的生产要素、产出成果和生态影响这3 方面选取综合交通枢纽城市生态交通效率的测度指标。测度过程中，将5种运输方式的相关指标纳入测度体系，但因仅个别城市具有管道运输方式，数据缺失面较大，因此，本文只统计除管道运输之外的其他4 种运输方式。通过梳理文献可知，关于综合交通运输体系的相关研究[7-9]多以资本、劳动力、设备设施和能源作为运输生产要素，以运输量反映运输生产成果，以CO2排放量代表交通运输业污染物排放量。限于在城市层面上存在部分运输设备及网络基础设施不能被完全统计的情况，故不考虑设备设施投入要素，因此，确定的投入指标包括：交通行业固定资产投资、交通行业从业人员数和交通行业能源消耗量；期望产出指标包括：综合交通客运总量和货运总量；非期望产出指标包括：综合交通CO2排放量和城市PM2.5，如表1所示。其中，城市PM2.5可以从一定程度上体现交通行业对城市生态环境的污染程度。需要说明的是，将交通行业资本存量作为度量资本投入的指标实则更合适，但由于采用永续盘存法进行计算时无法获取各地级市固定资产投资价格指数的数据，因此，用交通行业固定资产投资作以代替。

表1 综合交通枢纽城市生态交通效率测度指标体系Table 1 Evaluation indicator system for eco-transport efficiency in integrated transport hub cities

1.2 数据来源

本文基于2011—2021 年面板数据，以《国家综合立体交通网规划纲要》明确定位的20 个国际性综合交通枢纽城市为样本展开研究。20 个城市包括：北京、天津、上海、南京、杭州、广州、深圳、成都、重庆、沈阳、大连、哈尔滨、青岛、厦门、郑州、武汉、海口、昆明、西安和乌鲁木齐，涵盖中国在国际交通和外贸中具有重要地位的大部分省市，交通发展历史相对成熟且具有明显的地域分布特征，能够较好地反映出中国综合交通枢纽城市生态交通发展的整体状况。为便于深入分析，进一步将所有城市按照地理位置划分为沿海和内陆两类。同时，按照上述文件要求，中国国际性综合交通枢纽城市需以其特色交通功能为导向建设相应的国际枢纽港站，即国际铁路枢纽、国际枢纽海港和国际航空枢纽这3类，据此本文将所有城市按照交通功能归为3类，如表2所示。

表2 中国国际性综合交通枢纽城市分类表Table 2 Classification of international integrated transport hub cities in China

在获取指标数据时，由于缺乏各城市交通行业的直接统计数据，本文沿用多数学者[10-12]的做法，以“交通运输、仓储和邮政业”近似代替交通行业。交通行业固定资产投资和交通行业从业人数直接源于《中国统计年鉴》《中国城市统计年鉴》中的“交通运输、仓储和邮政业”固定资产投资和从业人员；城市综合交通客运总量和货运总量由《中国统计年鉴》《中国城市统计年鉴》中各城市公路、铁路、民航及水路这4 种运输方式的客运量和货运量加总所得；城市PM2.5 在《中国统计年鉴》《中国城市统计年鉴》中直接查得。另外，除直辖市之外，无法获取各地级市“交通运输、仓储和邮政业”不同种类能源的消耗量数据，故难以折算出大部分城市的交通能源消耗量和综合交通CO2排放量，为确保数据的统一性和可比性，本文分别对这两个指标数据进行如下处理：

(1)交通能源消耗量由单位GDP 能耗量与“交通运输、仓储和邮政业”地区生产总值相乘所得，单位GDP能耗量取《中国能源统计年鉴》中的万元国内生产总值能源消费量，“交通运输、仓储和邮政业”地区生产总值源于《中国城市统计年鉴》及各城市统计年鉴。

(2) 综合交通CO2排放量由城市交通运输业CO2排放量约占城市CO2排放量10%[13]的比例推算得出，城市CO2排放量源于中国碳核算数据库。数据描述统计性特征如表3所示。

表3 数据描述性统计特征Table 3 Descriptive statistical characteristics of data

2 生态交通效率测算

2.1 超效率EBM模型构建

由于交通运输生产要素投入与产出存在非径向关系，能源投入与非期望产出存在径向关系，而传统的DEA或SBM模型均不能处理变量同时具备径向与非径向特征的情况。为此，本文采用混合距离函数EBM 模型[14]，该模型既能处理投入与产出要素之间的非径向松弛变量，又能最大限度保留效率前沿目标值与实际值的原始径向比例信息，有效提高了模型优度。但常规EBM模型无法进一步比较多个效率值为1的有效决策单元，而超效率EBM模型可以弥补这一缺陷[15]。近几年，超效率EBM模型逐渐被学界接受并常用于生态效率[16-17]研究中，但在城市生态交通领域研究中并不多见。

因此，为充分客观反映中国交通枢纽城市的生态交通效率水平，本文将20 个国际性综合交通枢纽城市作为决策单元DMUj(j=1,2,…,20)，构造不同枢纽城市生态交通效率的最佳前沿面。在t(t=1,2,…,11)时期内，对于每个枢纽城市j，投入要素为X=(x1,x2,x3)∈，期望产出Y=(y1,y2)∈，非期望产出B=(b1,b2)∈，构建非期望产出超效率EBM模型测度生态交通效率为

式中：ρ∗为交通枢纽城市的生态交通效率值，若ρ∗＜1，说明交通枢纽城市的生态交通效率处于无效水平；若ρ∗≥1，说明交通枢纽城市的生态交通效率处于有效水平，且ρ∗值越大，交通枢纽城市的生态交通效率水平越高。θ为径向部分的规划参数；εx、εy、εb为非径向部分的关键参数，且均满足0 ≤ε≤1；φ为产出扩大比；xik、yrk、bpk分别为枢纽城市k(k≠j,k=1,2,…,20)的投入i、期望产出r和非期望产出p；分别为投入松弛、期望产出松弛和非期望产出松弛；分别为投入要素、期望产出和非期望产出的相对重要程度，且均满足∑w=1,w≥0；λj为线性组合系数。

2.2 效率测算结果与分析

利用MAXDEA Ultra9 软件求解模型，测算2011—2021 年，20 个国际性综合交通枢纽城市生态交通效率，并按照各城市生态交通效率的均值进行排序，如表4所示。

表4 2011—2021年中国国际性综合交通枢纽城市生态交通效率测算结果Table 4 Evaluation results of eco-transport efficiency in international integrated transport hub cities of China from 2011 to 2021

从各年总体均值来看，2011—2021 年，中国国际性综合交通枢纽城市的生态交通效率经历了“先降后升”的走势。以2016年为分界点，2011年效率总均值最高，为1.066，2012—2016 年连年下滑，在2016 年降至最低点0.847。原因在于，自2012 年起，中国踏上现代综合交通运输体系加快建设的新征程，铁路、公路及民航等交通基础设施建设大提速，这一建设过程不可避免地加大对城市自然资源的损耗和生态环境的污染，造成生态交通效率显著下降；2017—2021 年，生态交通效率波动上升，在2021 年升至最高点1.057，主要得益于交通运输部在2013年第一次提出的“大交通”绿色循环低碳发展战略，自此陆续出台一系列法规、政策和标准，全方位和全地域推进交通运输行业绿色发展，各城市积极开展交通节能减排活动，并在随后的几年间取得了阶段性成效，使各枢纽城市的生态交通效率有所提升。从各城市的年均值来看，20个城市生态交通效率的均值分布在0.573～1.395，所有城市的总平均值为0.974，说明中国国际性综合交通枢纽城市生态交通效率总体发展较好，但仍未达到有效水平。其中，广州、海口、北京、深圳、上海、重庆、昆明、成都、武汉和厦门这10个城市的生态交通效率均值超过1，表明这些城市对于交通资源的投入产出比例达到理想状况；天津、杭州、南京、大连和哈尔滨等城市生态交通效率处于较低水平，表明其在交通资源投入和产出上存在冗余和不足，需要在资源有效利用方面进行调整。

此外，由表4 数据可发现，生态交通效率值高于平均水平的枢纽城市大多位于中国东部沿海区域，相比之下，内陆区域枢纽城市的效率较低，这与各枢纽城市的地理位置和交通功能特色有着密切关系。沿海区域的枢纽城市大多承担枢纽海港的交通功能，内陆区域的枢纽城市主要承担铁路枢纽或航空枢纽的交通功能。据此，本文对承担不同交通功能的3 类枢纽城市生态交通效率的变化趋势进行对比，如图1 所示。2011—2021 年，各类枢纽城市生态交通效率的变化均大致呈现波动下降后上升的趋势。国际枢纽海港城市的生态交通效率明显高于国际铁路枢纽城市和国际航空枢纽城市。国际枢纽海港城市依托其天然的海运条件，交通发达，在构建综合交通网络上具有独特优势，尤其是海铁联运方式的绿色低碳优势明显，加之城市经济实力较强，同时，受益于国家政策的倾斜，集聚大量的先进技术、行业人才及交通资源等，这些因素均有助于城市生态交通效率的提升。与国际铁路枢纽城市相比，其他两种枢纽城市更敏感于经贸形势和宏观政策，2020 年，新冠疫情对枢纽海港城市航运量和航空枢纽城市客运量的冲击较大，致使2021年这两类枢纽城市的生态交通效率出现下滑。

图1 不同功能类型枢纽城市的生态交通效率变化比较Fig.1 Comparison of eco-transport efficiency between different functional types of hub cities

3 生态交通效率时空特征分析

3.1 时空演变特征分析

尽管平均值能体现中国国际性综合交通枢纽城市生态交通效率的整体状况及发展趋势，但难以判断城市间生态交通效率的差异变化及其动态演变规律，为此，本文运用核密度估计法直观展示中国国际性综合交通枢纽城市生态交通效率在时间维度上的动态演变特征。选取2011 年、2014 年、2017 年和2021 年为观测时点，借助STATA 16 软件对表4求解出核密度估计值，绘制生态交通效率的核密度曲线，如图2所示。

图2 生态交通效率核密度曲线Fig.2 Kernel density curve of eco-transport efficiency

由图2 可知，2011—2021 年，中国国际性综合交通枢纽城市生态交通效率的核密度曲线先左移后右移，由双峰分布变为单峰分布又变为双峰分布，表明整体生态交通效率先下降后上升，各城市间效率发展极化现象不稳定。2011—2017年，核密度曲线不断向左移动，主峰效率值从1.1 降至0.8，说明生态交通效率出现恶化态势；双峰向单峰转变，主峰峰值逐渐减小且曲线宽度增大，说明初期存在两极分化现象，随后逐渐减弱，但各城市生态交通效率的差异程度增大。2017—2021年，曲线向右移动，移动幅度较大，主峰效率值增至1，表明城市生态交通水平有所改善；单峰过渡为双峰，峰值增大且曲线变窄，说明两极分化现象又开始凸显。近年来，中国交通运输领域生态环保工作取得了长足发展，但由于综合交通发展水平相近城市之间的资源竞争，导致各城市间生态交通效率水平差异明显。另一方面，从各年的拖尾情况来看，右拖尾明显，说明处于高效率水平的枢纽城市逐渐增多。中国国际性综合交通枢纽城市的生态交通效率存在显著的木桶效应，未来整体提升的重点在于低效率值城市。

为进一步识别中国国际性综合交通枢纽城市生态交通效率在空间维度上的动态演变特征，本文利用标准差椭圆工具展示生态交通效率的动态变化轨迹。借助ArcGIS10.8 软件测绘2011—2021 年20 个国际性综合交通枢纽城市生态交通效率的空间转移轨迹，如图3所示，得出标准差椭圆属性表，如表5所示。

图3 生态交通效率空间转移轨迹Fig.3 Spatial transfer trajectory diagram of eco-transport efficiency

表5 标准差椭圆属性Table 5 Standard deviation ellipse attribute

由图3 可知，2011—2021 年，中国国际性综合交通枢纽城市生态交通效率的空间分布整体呈现西南-东北格局，且具有朝东北方向偏移的趋势，表明中国东部和北部枢纽城市的生态交通发展较好。由表5 可知，椭圆旋转角逐渐增大后趋于稳定，表明此空间格局基本稳定。重心转移距离波动性较大，其中，2014—2017 年，移动距离最大，表明生态交通效率空间发展不平衡，在东西方向上差异显著。椭圆面积逐渐缩小，说明国际综合交通枢纽生态交通效率的空间分布逐渐由分散变为集中，呈现向东部和北部集聚的趋势。近几年，得益于中国交通绿色化发展战略的全面实施，国际性综合交通枢纽城市生态交通效率的变化速度明显加快，方向性更加明确，但这容易导致空间非均衡现象加剧，因此，在提高城市生态交通效率时还应注重各城市间的协同互促。

3.2 空间差异特征分析

通过刻画生态交通效率时空演变特征可知，中国交通枢纽城市的生态交通效率具有明显的空间非均衡性，因此，本文采用Dagum 基尼系数法探究其空间差异程度及其来源。基于表2 中对沿海和内陆两大区域枢纽城市的划分结果，应用MATLAB 软件按照Dagum 基尼系数法的分解步骤[9]，测算2011—2021年国际性综合交通枢纽城市生态交通效率的总体基尼系数、区域间基尼系数、区域内基尼系数和差异贡献率，并将测算结果绘制成曲线以便于直观展示。总体区域差异变化和区域间差异变化的趋势如图4所示，区域内差异变化趋势如图5 所示，区域差异贡献率变化趋势如图6所示。

图4 生态交通效率的总体区域差异变化和区域间差异变化Fig.4 Total regional differences and inter-regional differences of eco-transport efficiency

图5 生态交通效率区域内差异变化Fig.5 Intra-regional difference of eco-transport efficiency

图6 生态交通效率区域差异贡献率变化Fig.6 Contribution rate of regional differences of eco-transport efficiency

(1)总体区域差异

由图4可知，中国国际性综合交通枢纽城市生态交通效率的总体区域差异波动明显，表现出先扩大后缩小的态势，基尼系数处于0.139～0.231，总体差异较大。从变化过程来看，2011—2012 年、2013—2014 年及2016—2020 年总体基尼系数呈下降趋势，说明生态交通效率总体差距缩小；2012—2013 年、2014—2016 年和2020—2021 年总体呈上升趋势，说明生态交通效率差距扩大。其中，总体基尼系数在2012—2016 年间上升幅度最大，增幅达66.18%，期间出现多次波动。究其原因，自2012年起，中国加速建设综合交通网络体系，但由于各城市综合交通发展在地理区位、资金供给和技术水平等方面存在较大差别，导致城市生态交通效率差距逐渐拉大。2016年以后，随着国家全面深入推进绿色交通发展，各城市在规划建设及实施交通运输项目过程中不断优化交通资源配置，各地生态交通效率得到明显提升，区域差异逐渐缩小。但是，总体基尼系数于2020年降至研究期次低点后再度攀升，主要原因是“新冠疫情”导致城市交通需求减少，加之各城市交通系统在应对突发卫生公共事件时表现出的韧性特征有所不同，使城市间生态交通效率的差距再次被拉大。另外，也从一个侧面说明，国际性综合交通枢纽城市生态交通发展总体区域差异虽有所缓解，却并未从根本上扭转再度扩大的势头。

(2)区域间差异

国际性综合交通枢纽城市生态交通效率区域间差异曲线的变化趋势大致同于总体区域差异曲线，但基尼系数较大，表明两区域之间效率差异显著。具体而言，区域间差距在2012—2016 年持续拉大，基尼系数从0.142 升至最高值0.246，表明内陆区域与沿海区域在枢纽城市生态交通效率上的差异性不断增强，这主要源于中国改革开放后一直实施沿海率先发展战略，使得两区域间的发展出现失衡。为此，中国又适时提出西部大开发、中部崛起及东北振兴等区域协调发展战略，叠加“一带一路”交通互联互通和西部陆海新通道建设等效应，两地区间差异有缩小之势，表现为2016—2020 年间的基尼系数在2018年经历短暂上升后又下降至0.165。

(3)区域内差异

由图5可知，各区域内城市间生态交通效率差异的变化趋势均不稳定，波动性较大。从波动幅度看，两区域的区域内基尼系数波动幅度不同，内陆区域内差异的波动性相对较小。从波动趋势看，沿海区域基尼系数先波动上升，在2016 年到达最高点0.239 之后又波动下降，在2020 年降至最低点0.108；内陆区域基尼系数整体呈“W”型波动上升趋势，在2012 年为最低值0.127，升至2015 年最高点0.198后持续下降至2020年，随后开始上升。从数值上看，2017 年之前，沿海区域内差异整体大于内陆区域，2017年之后情况相反。沿海区域的枢纽城市均为中国重要港口城市，其交通发展水平相较一般城市而言，在对外经济、地理位置、资源分布、政策机遇及城市能级水平等因素上所受的影响程度更大，使不同城市在早期形成了具有各自鲜明特色的交通发展模式，尤其是北方沿海城市与南方沿海城市之间的差异最为突出，诸如此类原因造成生态交通效率区域内差异十分显著，例如，2011—2016年，产生于广州和大连之间的最高值和最低值相差近5 倍。内陆区域内枢纽城市生态交通发展水平相对均衡，城市能级相近，交通资源分布相对集中。在中国经济开放度和对外贸易联系不断增强的过程中，各类国际通道数量逐渐增多，客观上对中国交通干线的分布格局产生了很大影响，多数北方沿海枢纽城市作为交通节点城市在交通设施和运输能力等方面取得一定程度的发展，缩小了与南方沿海枢纽城市之间的差距。同时，内陆枢纽城市随着中国“一带一路”战略的实施以及对周边地区的不断开放而逐渐得到发展。近几年，随着中国西部陆海新通道的建设，重庆、西安、昆明、乌鲁木齐及海口等沿线城市的交通基础设施不断完善，国际铁海联运和国际铁路联运等低碳运输组织模式不断成熟，促使中国西部城市的交通枢纽功能大幅提升，甚至个别城市已赶超中东部城市，减弱了内陆区域枢纽城市间生态交通效率的差异程度。

(4)差异来源及贡献率

由图6 可知，在贡献程度上，贡献率最大的是超变密度，其次为区域内差异贡献率，区域间差异贡献率最小。在变化趋势上，区域内差异贡献率在32%的水平上保持基本稳定；区域间差异贡献率曲线对称分布于超变密度贡献率曲线下方，且两者均有较大波动，超变密度贡献率以“M”形态波动下降，区域间差异贡献则以“W”形态波动上升。超变密度贡献率始终处于高位水平，说明它是生态交通效率区域差异的主要来源，但其与区域间差异贡献率呈相反变化趋势，表明超变密度贡献率阻滞区域间差异贡献率的增长。区域内差异变化趋势是生态交通效率区域差异的第二大来源；区域间差异变化趋势对生态交通效率区域差异的贡献始终最小，意味着它不是造成空间差异的主要原因。因此，超变密度贡献率大，说明中国沿海区域和内陆区域枢纽城市交通运输的交叉重叠问题突出，两区域的区域内差异是造成中国国际性综合交通枢纽城市生态交通效率差异的主要成因，可重点从缩小区域内差异的角度推动枢纽城市生态交通水平的协同发展。

4 结论

本文通过分析2011—2021年中国20个国际性综合交通枢纽城市生态交通效率的时空演变和区域差异特征，得到以下主要结论：

(1)从效率测算结果来看，各枢纽城市生态交通效率年均值在0.573～1.395，10 个城市的生态交通效率年均值超过1；所有城市生态交通效率的总平均值为0.974，说明整体向好发展，但仍未达到有效水平。对于承担不同交通功能的枢纽城市而言，国际枢纽海港城市效率值最高，国际铁路枢纽城市次之，国际航空枢纽城市最低。

(2)从时空演变特征来看，20 个枢纽城市的整体生态交通效率在11 年间先下降后上升，主要原因在于中国早期各类交通基础设施的提速建设和后期绿色低碳交通发展战略的逐步实施。各枢纽城市间生态交通效率发展极化现象不稳定，但处于高效率水平的城市逐渐增多。效率空间分布整体呈现西南-东北格局，且具有朝东北方向集聚的趋势，表明中国东部和北部枢纽城市生态交通发展水平较高，且此空间格局基本稳定。

(3)从空间差异特征来看，生态交通效率的总体区域差异和区域间差异均波动明显，呈先扩大后缩小的态势，整体而言，两差异值始终较大。近几年，尽管内陆区域与沿海区域间发展差距有所缩小，但沿海枢纽城市生态交通效率仍显著高于内陆区域。造成总体区域差异大的主要根源在于区域内差异。2017年前，沿海区域的区域内差异高于内陆区域，2017年后情况相反。

综合交通枢纽城市通常是区域内经济发达和交通运输资源丰富的城市，各类要素的集聚程度较高。作为国家综合交通网络的最重要节点和对外联通要塞，国际性综合交通枢纽城市的交通环境问题较一般城市更为突出，情况也更为复杂。因此，面对当前“双碳”目标下，基于“生态优先、绿色发展”的高质量发展要求，国际性综合交通枢纽城市如何以交通运输绿色低碳转型为引领，有效推进交通要素的生态化配置，打造绿色生态交通，是现代综合交通体系高质量发展首要解决的问题。本文以国际性综合交通枢纽城市为对象研究其生态交通效率问题，深入挖掘城市交通各类要素资源投入与其综合产出效益关系的特征表现，为中国交通枢纽城市生态交通领域研究提供了全新视角，同时，也为新时代实现中国综合交通运输体系可持续发展提供了前瞻性探索。