, 高阳1, 胡大伟1, 王晋2, 马飞3, 熊英41. 长安大学 运输工程学院，西安 710064;
2. 云南省交通科学研究院有限公司，昆明 650011;
3. 长安大学 经济与管理学院，西安 710064;
4. 西安市交通信息中心，西安 710005
收稿日期：2021-10-21
基金项目：教育部人文社会科学研究青年基金项目(18YJCZH130); 陕西省自然科学基金资助项目(2021JZ-20、2020JQ-397、2020JQ-399); 西安市2020年度社会科学规划基金重点项目(JG96); 长安大学中央高校基本科研业务费专项资金(300102229304)
作者简介：马壮林(1980—)，男，教授。E-mail: zhuanglinma@chd.edu.cn
摘要：发展绿色交通是落实生态文明建设的重要途径，构建绿色交通水平测度模型、分析绿色交通水平时空演化特征是制定绿色交通发展政策的前提和基础。该文采用驱动力-压力-状态-影响-响应(driver-pressure-state-impact-response，DPSIR)模型分析城市群绿色交通各子系统与社会、经济、资源和环境之间的相互作用机理，构建城市群绿色交通水平测度指标体系，采用直觉模糊层次分析法(intuitionistic fuzzy analytic hierarchy process，IFAHP)和熵权法对指标进行赋权，并利用改进的集对分析-可变模糊集模型构建城市群绿色交通水平综合测度模型，引入贡献度和障碍度模型分别探究影响和限制城市群绿色交通水平的显著因素，最后以关中城市群为研究对象进行实例分析。结果表明：关中城市群绿色交通属于一般水平，其时间演化趋势大致呈“N”形阶段特征，空间演化分布呈“西高东低—南高北低”的分布特征，且各城市差距逐渐缩小; 改进模型的测度结果较传统模型更为准确，更能反映城市群交通系统的可变模糊性; 准则层中状态层面贡献度最高，对促进关中城市群绿色交通发展具有明显作用，驱动力因素贡献度最低; 指标层中制约关中城市群绿色交通发展的关键因素分别为日均公交车客运量、道路路灯覆盖率、万人公交车标台数、人均GDP和人均公园绿地面积。研究结论可为促进城市群绿色交通发展、实现交通行业低碳化转型、达成碳中和目标提供理论支撑。
关键词：城市群绿色交通水平测度指标体系DPSIR模型改进的集对分析-可变模糊集
Green transportation level measurements and spatial-temporal evolution characteristics of urban agglomeration transportation systems
MA Zhuanglin1
, GAO Yang1, HU Da-wei1, WANG Jin2, MA Fei3, XIONG Ying41. College of Transportation Engineering, Chang'an University, Xi'an 710064, China;
2. Yunnan Science Research Institute of Communication Co., Ltd., Kunming 650011, China;
3. School of Economics and Management, Chang'an University, Xi'an 710064, China;
4. Xi'an Traffic Information Center, Xi'an 710005, China
Abstract: Green transportation systems are an important part of environmentally balanced societies. A green transportation level measurement model is needed to enable analyses of the spatial-temporal evolution characteristics of green transportation systems for green transportation development policies. This study used the driver-pressure-state-impact-response (DPSIR) model to analyze the interactions between various sub-systems of green transportation systems in complex urban agglomeration environments, along with the economics, resources and environmental impact. The green transportation level measurement index for urban agglomeration systems used index weights weighted by a combination of the intuitionistic fuzzy analytic hierarchy process (IFAHP) and entropy weighting. Then, a set pair analysis with variable fuzzy set model was utilized to construct a comprehensive measurement model for urban agglomeration green transportation levels. The contribution degree and obstacle degree models were used to identify the key factors affecting and restricting urban agglomeration green transportation transportation levels. Finally, the models are applied to the Guanzhong urban agglomeration(GUA). The results show that this green transportation system is a general level system and its temporal evolution trends have "N" stage characteristics. The system spatial evolution is "high in the west and low in the east, and high in the south and low in the north" with the gaps between cities gradually narrowing. The model results are more accurate than those of the traditional model and better reflect the fuzziness of urban agglomeration transportation systems. In the criterion level, the state regulations have the greatest effect on the system development with a significant role in promoting the green transportation development in this area while the driving factors have the lowest effect. In the indicator layer, the key factors restricting the green transportation development are the average daily bus passenger volume, the road streetlight coverage, the average number of buses per 10 000 people, the per capita GDP and the per capita park green space area. The research conclusions provide theoretical support for promoting the development of green transportation systems in urban agglomeration, low-carbon transformation of the transportation industry, and the goal of a carbon neutral society.
Key words: urban agglomerationgreen transportation levelmeasurement index systemdriver-pressure-state-impact-response(DPSIR) modelimproved set pair analysis with variable fuzzy sets
近年来，中国积极参与全球环境与气候的保护与治理，尤其是在推动“一带一路”建设的同时积极倡导人类命运共同体意识。显然，生态文明建设已然成为我国乃至世界经济社会发展的必然走向和内在要求[1]。2021年，中国宣布将力争在2030年前实现碳达峰，2060年前实现碳中和。要完成这一目标，需要努力推动交通行业低碳化转型，建设环境友好型的绿色交通系统。绿色交通作为一种全新的交通发展理念和城市发展模式[2]，是以人为本的可持续发展理念在交通运输领域的体现，本质是构建以减少交通拥堵、降低环境污染、减少温室气体排放、促进社会发展等为目标，使环境、资源和社会发展相协调的多元化综合交通运输系统[3]。而绿色交通水平测度是绿色交通发展体系的重要环节，是绿色交通理论与实践连接的桥梁，也是制定指导性的绿色交通发展政策的前提和基础。
城市群作为区域经济、城镇化和工业化快速发展的地区，是我国未来经济发展格局中最具有活力和潜力的核心地区，同样也是资源枯竭、环境恶化和土地占用等一系列问题突出的区域[4]。衡量城市群绿色交通水平，分析其动态演化规律和影响因素对缓解城市群交通矛盾、促进区域生态文明建设和发展具有重要的理论意义。
关于城市群的测度研究，****们主要从旅游安全[5]、一体化水平[6]、经济社会发展[7]和生态环境健康[8]等不同视角探索城市群发展面临的新问题、新方向和新布局。绿色交通系统对促进城市群经济发展、一体化建设和生态环境保护等具有显著的作用，绿色交通系统建设的同时也是实现可持续发展和达成碳中和的内在要求，而现有的研究鲜有针对城市群绿色交通水平测度的探究，构建的指标体系大多未涉及低碳出行、碳排放量等量化指标，且多数研究局限于对绿色交通水平现状的评价[9-10]，未对其进行时空演化分析。在当前交通强国建设和生态文明建设的大背景下，研究城市群绿色交通综合水平和时空演化特征对推动区域经济高质量发展，提升环境整体水平具有重要的现实意义。
随着绿色交通的初步发展，如何构建科学合理的指标体系和测度模型来衡量绿色交通水平逐渐引起****们的重视。目前国内关于绿色交通水平的研究大多偏重于单一城市，尤其是城市规模不大、人口数量适中、功能较为单一的中小城市[11-12]。同时，指标体系的构建缺少理论支撑，如蒋育红等[13]从交通功能、环境保护和综合效益3个方面构建城市绿色交通规划评价指标体系; 李亮等[14]从交通基础设施、公共交通服务质量以及环境影响3个角度建立城市绿色交通评价指标体系。这些研究丰富了绿色交通评价的理论内涵，但所构建的评价指标体系都是基于绿色交通的主要特征和影响因素，缺乏理论框架的指导，容易忽略指标间的相关性。近年来，早期应用于环境评估、资源管理的驱动力-压力-状态-影响-响应(driver-pressure-state-impact-response, DPSIR)模型引起****的关注。该模型可以从系统视角反映社会、经济、资源和环境等要素与评价对象间的相互关系，揭示和表征评价对象各子系统间的相互作用和反馈机制，现已被广泛应用于生态安全[15]、水资源安全[16]和低碳交通[17]等领域。需要特别强调的是，文[18-19]基于DPSIR模型分别对徐州市和重庆市的绿色交通发展水平进行评价，对推动徐州市和重庆市的绿色可持续发展具有理论支撑作用，但其构建的指标体系具有明显的地域特征，忽略了指标体系的普适性和可移植性。因此，不能完全适用于城市群绿色交通水平测度研究。
指标权重的确定和测度方法的选取是构建测度模型的主要内容。指标权重将直接决定测度结果的准确性，现有指标权重的确定方法主要分为主观赋权法和客观赋权法2类。层次分析法(analytic hierarchy process，AHP)作为典型的主观赋权方法应用广泛，但是其仅依靠专家的个人经验判断指标的重要性，而未考虑专家判断的模糊性，难以避免决策者的主观随意性[20]。为弥补AHP法的不足，张吉军[21]在引入模糊一致矩阵的基础上，提出了模糊层次分析法，该方法在灾害风险评估[22]、生态适应性评价[23]等领域得到应用。随着研究的深入，模糊层次分析法不能精确地反映决策者表达犹豫不决情况的局限性日益明显。鉴于此，文[24-25]将直觉模糊集的思想应用到层次分析法中，建立了直觉模糊层次分析(intuitionistic fuzzy analytic hierarchy process，IFAHP)法。然而，单一的主观赋权方法依然缺乏客观依据，熵权法作为被广泛使用的客观赋权法，可以与直觉模糊层次分析法互补，提高指标权重的准确性。
在测度方法的选取上，目前常用的方法主要有价值函数法[26]、数据包络法[27]、逼近理想解排序法(technique for order preference by similarity to an ideal solution，TOPSIS)[28]、云物元分析法[29]和系统动力学模型[30]等。绿色交通系统是一个复杂的系统，各子系统间相互渗透，指标数量多、涵盖广，很难消除其模糊性和不确定性，而上述方法不能很好地处理量化指标与测度标准间的不确定性问题，且其测度过程容易丢失指标间的关联信息，导致测度结果缺乏科学性和客观性。为了系统地处理不确定问题，一些****将集对分析原理与可变模糊集理论融合，提出了集对分析-可变模糊集耦合模型。但是，传统的集对分析-可变模糊集耦合模型存在评语不够细化、信息缺失和未考虑模型参数可变性等问题。基于此，李宗坤等[31]利用联系度的可拓展性对其表达式进行细化并考虑到可变参数的组合问题，提出了改进的集对分析-可变模糊集耦合模型。
综上，现有研究主要针对绿色交通水平现状，缺乏对绿色交通水平综合测度和演化规律的探究; 研究对象侧重于中小城市，鲜有针对城市群绿色交通水平的研究; 选取的测度指标缺乏理论模型的指导，多依靠主观判断将指标进行简单的罗列; 权重的确定方法不能避免主、客观单一赋权法的弊端; 此外，选取的测度方法难以有效处理指标间的模糊性和不确定性问题，造成测度结果的不准确。
为了系统、客观、全面地衡量城市群绿色交通水平及其时空动态演化特征，本文采用DPSIR理论框架构建城市群绿色交通水平测度指标体系，利用IFAHP-熵权法对指标综合赋权，采用改进的集对分析-可变模糊集耦合模型构建城市群绿色交通水平测度模型，最后引入贡献度和障碍度分别探究影响和限制城市群绿色交通发展的重要指标。本文研究成果可为促进城市群绿色交通发展、实现交通行业低碳化转型、达成碳中和目标提供理论支撑。
1 城市群绿色交通水平测度指标体系构建DPSIR模型是由欧洲环境局(European Environment Agency，EEA)于1993年提出的[5]，最早应用于环境评价领域，具有全面性、可操作性、系统性和整体性等优点[32]。
1.1 DPSIR理念下城市群绿色交通机理以DPSIR模型为理论框架，结合城市群交通一体化发展的特点，探索城市群绿色交通各子系统间的相互关系，通过寻找具有普适性的系统指标分析其相互作用机理。经济社会的发展、人口的增长、城市化和机动化的推进是城市群绿色交通发展的驱动力D和内在原因。城市群交通系统发展和一体化建设需要财政支持，同时城市群经济、社会一体化的推进以及人口增长、机动化进程的加快必然会对其交通系统造成负担。在驱动力的推动下，城市群交通系统将面临交通供给不足、土地占用、能源消耗和环境污染等一系列问题，进而抑制城市群生态环境一体化发展，表现为对城市群生态环境改善和可持续发展的压力P。由于社会系统的弹性和调节机制，城市群交通系统在压力下会达到相对“平衡”的状态S，该状态是交通基础设施现状、交通卫生环境和交通出行状况的综合表现; 同时，城市群交通系统以该状态运行必然会对社会(如交通事故等)和环境(如空气污染、资源消耗等)产生影响I，这些影响将反作用于该状态，进而打破这种脆弱的“平衡”。一旦系统“失衡”，城市群绿色交通水平将会出现下降或提升缓慢的现象，这时决策者将通过制定、颁布有效的政策和响应R措施，如资金投入和生态建设等措施，维护和改善城市群交通系统的状态，并对D、P、S、I进行反馈，进而实现持续稳步提升城市群绿色交通水平的目标。具体机理如图 1所示。
 |
| 图 1 DPSIR理念下城市群绿色交通机理分析 |
| 图选项 |
1.2 测度指标体系的构建从系统分析的角度出发，在利用目标分析、频度统计等方法对相关文献进行整理的基础上，基于DPSIR模型理论框架和城市群交通系统的特点，依据科学客观性、可比性和可操作性的原则，结合相关规范构建城市群绿色交通水平测度指标体系，包含目标层、准则层、因素层和指标层4层塔式结构，共23个指标，如表 1所示。
表 1 城市群绿色交通水平测度指标体系
| 目标层 | 准则层 | 因素层 | 指标层 | 指标性质 |
| 城市群绿色交通水平测度 | D | 经济社会发展 | 人均GDP(D1)/元 | + |
| GDP增长率(D2)/% | + | |||
| 人口 | 人口密度(D3)/(人·km-2) | - | ||
| 人口自然增长率(D4)/‰ | - | |||
| 城市化进程 | 城市化水平(D5)/% | - | ||
| 机动化水平 | 民用机动车增长率(D6)/% | - | ||
| P | 交通供给 | 万人公交车标台数(P1)/标台 | + | |
| 万人出租汽车拥有量(P2)/辆 | + | |||
| 道路交通设施用地消耗比重(P3)/% | + | |||
| 土地使用 | 道路网密度(P4)/(km·km-2) | + | ||
| 人均城市道路面积(P5)/m2 | + | |||
| 能源消耗 | 单位GDP能耗(P6)/(t标准煤·万元-1) | - | ||
| 环境污染 | 人均碳排放量(P7)/t | - | ||
| S | 交通基础设施 | 道路路灯覆盖率(S1)/(盏·km-1) | + | |
| 交通环境卫生 | 道路清扫保洁面积比重(S2)/% | + | ||
| 交通出行结构 | 日均地面公交客运量(S3)/(万人·d-1) | + | ||
| I | 环境影响 | 空气质量优良天数比例(I1)/% | + | |
| 单位GDP能耗下降率(I2)/% | + | |||
| 社会影响 | 万车事故率(I3)/(起·万车-1) | - | ||
| 万车事故死亡率(I4)/(人·万车-1) | - | |||
| R | 资金投入 | 科学技术支出比重(R1)/% | + | |
| 生态建设 | 人均公园绿地面积(R2)/(m2·人-1) | + | ||
| 建成区绿化覆盖率(R3)/% | + | |||
| 注：“+”表示该指标为正向指标，“-”表示该指标为负向指标。 | ||||
表选项
2 城市群绿色交通水平测度模型2.1 测度指标权重的确定指标权重的确定是决定测度结果准确性和可靠性的前提，鉴于城市群绿色交通水平测度指标间存在相关性和不确定性，本文统筹主、客观赋权法的优劣提出一种基于IFAHP和熵权法的综合赋权法确定指标权重。
1) IFAHP法。
IFAHP将直觉模糊理论与层次分析法相结合，提出直觉模糊集A=(ua, va, πa)的概念。其中: a为直觉模糊集A中的元素; ua为元素a属于直觉模糊集A的隶属度，ua≥0; va为元素a属于直觉模糊集A的非隶属度，va≥0; πa为元素a属于直觉模糊集A的犹豫度，πa≥0; ua+va+πa=1。该方法能够精确地表达决策者的犹豫程度，处理不确定性更具有灵活性和实用性。
通过邀请从事交通管理、生态建设等相关领域的专家对属于同一等级的指标比较打分，构造直觉模糊判断矩阵, 表示如下：
| $\boldsymbol{R}=\left(r_{i j}\right)_{n \times n}=\left(u_{i j}, v_{i j}\right)_{n \times n}, \quad(i, j=1, 2, \cdots, n)$ |
由于测度指标的复杂性和决策者判断的主观性，需要对直觉模糊判断矩阵进行一致性检验，保证决策者判断的有效性，并对不满足一致性要求的矩阵进行修正。通过构建乘法一致性直觉模糊判断矩阵
基于满足检验要求的判断矩阵，计算单层指标权重，设同一级别指标i的主观权重为
| $\begin{gathered}\hat{w}_{i}=\left(u_{i}, v_{i}\right)= \\\left(\frac{\sum\limits_{j=1}^{n} u_{i j}}{\sum\limits_{i=1}^{n} \sum\limits_{j=1}^{n}\left(1-v_{i j}\right)}, 1-\frac{\sum\limits_{j=1}^{n}\left(1-v_{i j}\right)}{\sum\limits_{i=1}^{n} \sum\limits_{j=1}^{n} u_{i j}}\right) .\end{gathered}$ | (1) |
| $H\left(\hat{w}_{i}\right)=\frac{1-v_{i}}{1+\pi_{i}}=\frac{1-v_{i}}{2-u_{i}-v_{i}}, $ | (2) |
| $w_{i}=\frac{H\left(\hat{w}_{i}\right)}{\sum\limits_{i=1}^{n} H\left(\hat{w}_{i}\right)}·$ | (3) |
2) 熵权法。
熵权法以指标的数据信息为基础，能够利用熵值客观地反映指标间的差异度，准确表征各指标对总目标的贡献度。
依据指标的性质，对不同指标进行标准化处理，消除指标间不同量纲和数量级的限制。
正向指标(越大越优型)：
| $y_{t i}^{k}=\frac{x_{t i}^{k}-\min \limits_{\substack{1 \leqslant k \leqslant s \\ 1 \leqslant t \leqslant l}}\left\{x_{t i}^{k}\right\}}{\max \limits_{\substack{1 \leqslant k \leqslant s \\ 1 \leqslant t \leqslant l}}\left\{x_{t i}^{k}\right\}-\min \limits_{\substack{1 \leq k \leq s \\ 1 \leqslant t \leqslant l}}\left\{x_{t i}^{k}\right\}} .$ | (4) |
| $y_{t i}^{k}=\frac{\max\limits _{\substack{1 \leqslant k \leqslant s \\ 1 \leqslant l \leqslant l}}\left\{x_{t i}^{k}\right\}-x_{t i}^{k}}{\max\limits_{\substack{1 \leqslant k \leqslant s \\ 1 \leqslant t \leqslant l}}\left\{x_{t i}^{k}\right\}-\min \limits_{\substack{1 \leqslant k \leqslant s \\ 1 \leqslant l \leqslant l}}\left\{x_{t i}^{k}\right\}} .$ | (5) |
设测度指标i的信息熵为ei，则其客观权重为Vi，表示如下：
| $e_{i}=-\frac{1}{\ln (s \times l)} \sum\limits_{k=1}^{s} \sum\limits_{t=1}^{l}\left[\frac{y_{t i}^{k}}{\sum\limits_{k=1}^{s} \sum\limits_{t=1}^{l} y_{t i}^{k}} \ln \left(\frac{y_{t i}^{k}}{\sum\limits_{k=1}^{s} \sum\limits_{t=1}^{l} y_{t i}^{k}}\right)\right], $ | (6) |
| $V_{i}=\frac{1-e_{i}}{\sum\limits_{i=1}^{m}\left(1-e_{i}\right)}·$ | (7) |
3) 综合赋权。
采用加法合成法计算综合权重Wi，为确定主、客观权重的分配比δ，采用差异系数法[34]计算δ的取值，具体表示如下：
| $W_{i}=\delta U_{i}+(1-\delta) V_{i}, $ | (8) |
| $\delta=\frac{m}{m-1}\left[\frac{2}{m} \sum\limits_{b=1}^{m}\left\{b \times \hat{U}_{b}\right\}-\frac{m+1}{m}\right] .$ | (9) |
2.2 基于改进的集对分析-可变模糊集的城市群绿色交通水平测度模型集对分析-可变模糊集模型可以有效地处理绿色交通水平测度系统中指标间的模糊性和不确定性问题，但传统的集对分析-可变模糊集耦合模型存在忽略指标中的“异” “反”信息和未考虑模型参数的可变性等不足。因此，本研究采用一种改进的集对分析-可变模糊集耦合方法[31]构造城市群绿色交通水平测度模型。
设城市群绿色交通水平测度指标标准值集合B由(k=1, 2, …, s; t=1, 2, …, l; i=1, 2, …, m)组成; 分级标准集合C由各等级阈值Mi, h(i=1, 2, …, n; h=0, 1, 2, …, ε)组成。其中，Mi, h为指标i对应第h个等级区间的右端点值; ε为指标分级数。
设城市群中第k个城市第t年第i项指标与第h个等级区间的单项指标联系度为gtihk。
正向指标(越大越优型)：
| $g_{t i h}^{k}= \begin{cases}\frac{M_{i, h}-M_{i, h-1}}{M_{i, h}-y_{t i}^{k}}+\frac{M_{i, h-1}-M_{i, h-2}}{M_{i, h}-y_{t i}^{k}} p^{-}+\frac{M_{i, h-2}-y_{t i}^{k}}{M_{i, h}-y_{t i}^{k}} q^{-}, & y_{t i}^{k} \in\left[\text { 其他, } M_{i, h-2}\right) ; \\ \frac{M_{i, h}-M_{i, h-1}}{M_{i, h}-y_{t i}^{k}}+\frac{M_{i, h-1}-y_{t i}^{k}}{M_{i, h}-y_{t i}^{k}} p^{-}, & y_{t i}^{k} \in\left[M_{i, h-2}, M_{i, h-1}\right) ; \\ 1, & y_{t i}^{k} \in\left[M_{i, h-1}, M_{i, h}\right) ; \\ \frac{M_{i, h}-M_{i, h-1}}{y_{t i}^{k}-M_{i, h-1}}+\frac{y_{t i}^{k}-M_{i, h}}{y_{t i}^{k}-M_{i, h-1}} p^{+}, & y_{t i}^{k} \in\left[M_{i, h}, M_{i, h+1}\right) ; \\ \frac{M_{i, h}-M_{i, h-1}}{y_{t i}^{k}-M_{i, h-1}}+\frac{M_{i, h+1}-M_{i, h}}{y_{t i}^{k}-M_{i, h-1}} p^{+}+\frac{y_{t i}^{k}-M_{i, h+1}}{y_{t i}^{k}-M_{i, h-1}} q^{+}, & y_{t i}^{k} \in\left[M_{i, h+1}, \text { 其他 }\right] .\end{cases}$ | (10) |
| $g_{t i h}^{k}= \begin{cases}\frac{M_{i, h}-M_{i, h-1}}{M_{i, h}-y_{t i}^{k}}+\frac{M_{i, h-1}-M_{i, h-2}}{M_{i, h}-y_{t i}^{k}} p^{+}+\frac{M_{i, h-2}-y_{t i}^{k}}{M_{i, h}-y_{t i}^{k}} q^{+}, & y_{t i}^{k} \in\left[\text { 其他, } M_{i, h-2}\right) ; \\ \frac{M_{i, h}-M_{i, h-1}}{M_{i, h}-y_{t i}^{k}}+\frac{M_{i, h-1}-y_{t i}^{k}}{M_{i, h}-y_{t i}^{k}} p^{+}, & y_{t i}^{k} \in\left[M_{i, h-2}, M_{i, h-1}\right) ; \\ 1, & y_{t i}^{k} \in\left[M_{i, h-1}, M_{i, h}\right) ; \\ \frac{M_{i, h}-M_{i, h-1}}{y_{t i}^{k}-M_{i, h-1}}+\frac{y_{t i}^{k}-M_{i, h}}{y_{t i}^{k}-M_{i, h-1}} p^{-}, & y_{t i}^{k} \in\left[M_{i, h}, M_{i, h+1}\right) ; \\ \frac{M_{i, h}-M_{i, h-1}}{y_{t i}^{k}-M_{i, h-1}}+\frac{M_{i, h+1}-M_{i, h}}{y_{t i}^{k}-M_{i, h-1}} p^{-}+\frac{y_{t i}^{k}-M_{i, h+1}}{y_{t i}^{k}-M_{i, h-1}} q^{-}, & y_{t i}^{k} \in\left[M_{i, h+1}, \right. \text { 其他]. }\end{cases}$ | (11) |
在确定单项指标联系度后，计算城市群中第k个城市第t年第i项指标与第h个等级区间的单项指标相对隶属度ηtihk，表示如下：
| $\eta_{t i h}^{k}=\frac{1+g_{t i h}^{k}}{2}.$ | (12) |
| $\begin{gathered}G_{t h}^{k d}=F\left(W_{i}, \eta_{t h h}^{k}\right)= \\\left\{1+\left[\frac{\sum\limits_{i=1}^{m}\left[W_{i}\left(1-\eta_{t i h}^{k}\right)\right]^{\alpha}}{\sum\limits_{i=1}^{m}\left(W_{i} \eta_{t i h}^{k}\right)^{\alpha}}\right]^{\frac{\beta}{\alpha}}\right]^{-1} .\end{gathered}$ | (13) |
将计算得到的4组不同参数组合下的综合隶属度向量按照等级h进行归一化处理，并参照等级赋值标准确定不同参数下城市群中第k个城市第t年绿色交通水平的级别特征值Htkd，表示如下：
| $H_{t}^{k d}=\sum\limits_{h=1}^{\varepsilon}\left(G_{t h}^{k d} \times h\right) .$ | (14) |
2.3 基于贡献度和障碍度的城市群绿色交通水平影响因素模型在城市群绿色交通综合测度的基础上，寻求并探索影响其绿色交通发展的关键因素，因地制宜实行引导性的发展策略具有明显的实践意义。因此，本文通过引入贡献度和障碍度模型分别从准则层和指标层探究影响城市群绿色交通水平的关键性因素。
设第t年准则层c的贡献度为Etc，表示如下：
| $E_{t c}=\frac{\sum\limits_{k=1}^{s}\left[\left(\sum\limits_{i \in c} y_{t i}^{k} \times W_{i}\right) / f\right]}{\sum\limits_{c=1}^{\gamma} \sum\limits_{k=1}^{s}\left[\left(\sum\limits_{i \in c} y_{t i}^{k} \times W_{i}\right) / f\right]} \times 100 \% .$ | (15) |
设城市群中第k个城市第t年绿色交通水平测度指标i的障碍度为Ztik，表示如下：
| $Z_{t i}^{k}=\frac{\left(1-y_{t i}^{k}\right) \times W_{i}}{\sum\limits_{i=1}^{m}\left(1-y_{t i}^{k}\right) \times W_{i}} \times 100 \% .$ | (16) |
 |
| 注：基于国家测绘地理信息局标准地图服务网站标准地图[GS(2016)1589号]制作。 图 2 研究区域 |
| 图选项 |
3.2 测度指标权重确定通过征询4位相关领域的专家，参照0.1~0.9标度法[24]对各级指标进行两两比较，以决策者们判断的均值构建直觉模糊判断矩阵，经过一致性检验和修正确定直觉模糊层次分析法的主观赋权结果，其中修正系数σ取0.7。根据其主观权重，通过式(9)计算得到差异系数δ=0.269，取近似值0.3，结合熵权法计算权重，得到指标的综合权重，如表 2所示。
表 2 关中城市群绿色交通水平测度指标权重
| 准则层 | 准则层权重 | 指标层 | IFAHP权重 | 熵权法权重 | 综合权重 |
| D | 0.153 3 | D1 | 0.025 7 | 0.067 2 | 0.054 8 |
| D2 | 0.020 1 | 0.026 9 | 0.024 9 | ||
| D3 | 0.026 8 | 0.019 6 | 0.021 8 | ||
| D4 | 0.019 1 | 0.010 7 | 0.013 2 | ||
| D5 | 0.021 1 | 0.031 4 | 0.028 3 | ||
| D6 | 0.022 2 | 0.005 1 | 0.010 2 | ||
| P | 0.258 8 | P1 | 0.034 5 | 0.073 2 | 0.061 6 |
| P2 | 0.033 7 | 0.048 9 | 0.044 4 | ||
| P3 | 0.036 5 | 0.026 3 | 0.029 3 | ||
| P4 | 0.031 7 | 0.028 1 | 0.029 2 | ||
| P5 | 0.028 9 | 0.048 8 | 0.042 8 | ||
| P6 | 0.032 9 | 0.018 3 | 0.022 7 | ||
| P7 | 0.037 7 | 0.024 9 | 0.028 8 | ||
| S | 0.357 1 | S1 | 0.058 8 | 0.104 6 | 0.090 8 |
| S2 | 0.096 1 | 0.026 7 | 0.047 6 | ||
| S3 | 0.101 1 | 0.269 0 | 0.218 6 | ||
| I | 0.102 2 | I1 | 0.052 0 | 0.028 8 | 0.035 8 |
| I2 | 0.051 5 | 0.067 2 | 0.054 8 | ||
| I3 | 0.051 0 | 0.026 9 | 0.024 9 | ||
| I4 | 0.048 6 | 0.019 6 | 0.021 8 | ||
| R | 0.128 5 | R1 | 0.047 2 | 0.010 7 | 0.013 2 |
| R2 | 0.060 3 | 0.031 4 | 0.028 3 | ||
| R3 | 0.061 0 | 0.005 1 | 0.010 2 |
表选项
3.3 测度结果与分析1) 关中城市群绿色交通水平综合测度结果与时空演化。
利用式(10)—(12)测算关中城市群绿色交通水平测度指标对应各测度等级g的相对隶属度ηtihk。依据对等均分的原则，参照系数特殊值取法[31]，本文选取p-=-0.5，p+=0.5，q-=-1，q+=0。根据赋值标准，通过式(13)和(14)计算2012—2019年关中城市群绿色交通水平在不同参数下关中城市群绿色交通水平对应各测度等级综合隶属度，如表 3所示。通过计算4种参数下对应各测度等级的综合隶属度均值和级别特征值H确定的测度结果，充分考虑可变模糊集模型参数的可变性，避免出现隶属度函数的静态化问题。
表 3 4种参数下关中城市群绿色交通水平对应各测度等级的综合隶属度均值
| 测度等级 | 参数组合 | 年份 | |||||||
| 2012 | 2013 | 2014 | 2015 | 2016 | 2017 | 2018 | 2019 | ||
| 极差 | α=1, β=1 | 0.289 2 | 0.283 8 | 0.282 6 | 0.282 3 | 0.281 0 | 0.277 0 | 0.272 6 | 0.267 8 |
| α=1, β=2 | 0.219 7 | 0.220 8 | 0.236 1 | 0.247 5 | 0.246 6 | 0.249 8 | 0.260 0 | 0.257 8 | |
| α=2, β=1 | 0.275 1 | 0.271 7 | 0.272 0 | 0.271 2 | 0.270 5 | 0.267 6 | 0.266 8 | 0.262 6 | |
| α=2, β=2 | 0.216 9 | 0.218 9 | 0.238 4 | 0.243 7 | 0.248 0 | 0.249 0 | 0.256 8 | 0.256 1 | |
| 较差 | α=1, β=1 | 0.210 7 | 0.211 7 | 0.215 6 | 0.216 7 | 0.217 7 | 0.218 2 | 0.219 8 | 0.219 4 |
| α=1, β=2 | 0.226 8 | 0.224 0 | 0.221 3 | 0.219 4 | 0.220 6 | 0.217 6 | 0.215 9 | 0.212 6 | |
| α=2, β=1 | 0.234 5 | 0.234 3 | 0.238 0 | 0.239 3 | 0.239 8 | 0.239 5 | 0.240 4 | 0.238 9 | |
| α=2, β=2 | 0.308 1 | 0.302 9 | 0.295 7 | 0.293 3 | 0.291 3 | 0.285 0 | 0.284 3 | 0.276 6 | |
| 一般 | α=1, β=1 | 0.216 4 | 0.219 7 | 0.220 1 | 0.219 3 | 0.219 6 | 0.221 1 | 0.221 2 | 0.223 5 |
| α=1, β=2 | 0.240 3 | 0.242 9 | 0.238 8 | 0.234 3 | 0.234 8 | 0.236 9 | 0.231 8 | 0.235 5 | |
| α=2, β=1 | 0.237 9 | 0.239 9 | 0.240 8 | 0.240 7 | 0.240 6 | 0.241 9 | 0.241 1 | 0.242 2 | |
| α=2, β=2 | 0.237 9 | 0.240 4 | 0.236 2 | 0.235 0 | 0.233 9 | 0.238 4 | 0.233 9 | 0.237 5 | |
| 良好 | α=1, β=1 | 0.181 4 | 0.182 5 | 0.180 7 | 0.180 6 | 0.180 5 | 0.181 8 | 0.183 1 | 0.185 3 |
| α=1, β=2 | 0.200 7 | 0.200 7 | 0.195 9 | 0.193 1 | 0.192 1 | 0.191 5 | 0.188 3 | 0.190 6 | |
| α=2, β=1 | 0.192 5 | 0.194 0 | 0.191 1 | 0.190 8 | 0.190 9 | 0.192 3 | 0.192 3 | 0.195 3 | |
| α=2, β=2 | 0.183 4 | 0.184 5 | 0.179 3 | 0.178 3 | 0.176 8 | 0.178 6 | 0.175 3 | 0.179 6 | |
| 优异 | α=1, β=1 | 0.102 3 | 0.102 3 | 0.101 1 | 0.101 1 | 0.101 2 | 0.101 9 | 0.103 3 | 0.104 1 |
| α=1, β=2 | 0.112 6 | 0.111 6 | 0.107 8 | 0.105 8 | 0.106 0 | 0.104 2 | 0.104 1 | 0.103 5 | |
| α=2, β=1 | 0.060 1 | 0.060 2 | 0.058 0 | 0.058 0 | 0.058 2 | 0.058 6 | 0.059 4 | 0.061 0 | |
| α=2, β=2 | 0.053 7 | 0.053 2 | 0.050 4 | 0.049 7 | 0.050 0 | 0.049 0 | 0.049 7 | 0.050 1 | |
表选项
关中城市群绿色交通整体水平时间变化轨迹，如图 3所示。关中城市群绿色交通水平的均值在2012—2019年整体呈“先上升-波动下降-再上升”的“N”形动态演化趋势，总体评分接近3，表明关中城市群绿色交通处于一般水平。其中，2012—2013年评分略有提升，但从2014年开始下降，2017—2019年又缓慢回升，呈现该趋势的主要原因是早期关中城市群城市化水平、机动车保有量和人口基数较低，环境状况良好，但随着经济的快速发展，能源、环境与社会发展间的冲突加剧，交通拥堵、空气污染等“城市病”逐渐突出，绿色交通水平明显降低; 2017年以来，生态文明建设在全国掀起热潮，关中城市群作为西北地区重要的节点，积极引导环保、绿色发展，持续推动产业调整转型、能源综合利用、运输结构调整、污染防范治理等。因此，自2017年后西安市绿色交通水平稳步提升。
 |
| 图 3 2012—2019年关中城市群绿色交通水平及各等级评分 |
| 图选项 |
为了更直观地展现关中城市群绿色交通水平的时空演化特征，将研究区间分为2012—2013年、2014—2015年、2016—2017年、2018—2019年4个阶段，依据等差区间原则，将关中城市群绿色交通水平细分为中低(小于2.500 0)、中较低(2.500 0~2.600 0)、中等(2.600 0~2.700 0)、中较高(2.700 0~2.800 0)和中高(2.800 0~2.900 0)5个层次; 利用ArcGIS软件对关中城市群绿色交通水平空间演化分布进行可视化处理，如图 4所示。
 |
| 注：该图基于国家测绘地理信息局标准地图服务网站标准地图[GS(2016)1589号]制作。 图 4 2012—2019年关中城市群绿色交通水平空间演化分布 |
| 图选项 |
由图 4可以看出：
(1) 从时间分布来看，关中城市群绿色交通水平4个阶段的均值分别为2.610 8、2.583 3、2.579 3和2.581 4，整体处于中较低和中等水平，表明关中城市群在经济发展、资源利用、交通建设等方面尚存在不足，还有持续提升的空间。
(2) 从空间分布来看，2012—2019年，关中城市群各城市间的绿色交通水平差距逐渐缩小，由“西高东低”逐步向“南高北低”转变，边缘城市逐渐形成连片发展的新局面。
(3) 从省际差异来看，陕西省各城市绿色交通水平随时间变化较小，但空间差异性较为明显，西安、宝鸡的整体水平相对较高; 甘肃省各城市发展较为稳定且时空差距正在逐渐缩小; 山西省各城市绿色交通水平提升最为明显，整体向好发展。
2) 测度结果对比。
将上述测度结果与传统的集对分析-可变模糊集测度结果进行对比，如表 4所示。可以看出：传统的和改进的集对分析-可变模糊集耦合模型的测度结果都处于“一般”水平，且改进模型的评分整体略低，但改进模型的变化率小于传统模型。可能的原因是，传统的集对分析-可变模糊集耦合模型仅认为评价样本与相邻等级有关，导致评语不够细化; 而改进的测度模型认为评价样本与连续2个相邻等级有关，即将异、反分别细分为优异和劣异、优反和劣反。此外，通过4种不同的可变参数反映模糊概念的动态可变性，改进的测度模型加深了相邻等级间的差异性，从而降低指标间不确定性的影响。因此，与传统的集对分析-可变模糊集耦合模型相比，改进的测度模型结果更可靠。
表 4 关中城市群不同测度方法测度结果对比
| 年份 | 测度方法 | ||||
| 传统模型 | 改进模型 | ||||
| 测度结果 | 变化率/% | 测度结果 | 变化率/% | ||
| 2012 | 2.858 8 | — | 2.608 4 | — | |
| 2013 | 2.894 4 | 1.24 | 2.613 3 | 0.19 | |
| 2014 | 2.859 8 | -1.20 | 2.588 2 | -0.96 | |
| 2015 | 2.842 9 | -0.59 | 2.578 4 | -0.38 | |
| 2016 | 2.827 7 | -0.54 | 2.577 3 | -0.04 | |
| 2017 | 2.832 7 | 0.18 | 2.581 2 | 0.15 | |
| 2018 | 2.846 6 | 0.49 | 2.574 8 | -0.25 | |
| 2019 | 2.894 8 | 1.69 | 2.588 1 | -0.51 | |
表选项
3) 关中城市群绿色交通水平贡献度因素。
结合图 5中贡献度对比结果，交通服务水平和交通出行结构等状态层面贡献度基本维持在30%，明显高于其他层面，说明其一直是关中城市群绿色交通发展的主要影响因素; 为资金投入和生态建设等响应层面，环境保护政策的制定和实施是关中城市群绿色交通发展的重要保障; 而经济社会发展、人口、城市化与机动化水平等驱动力层面贡献度最低，仅为13%~15%。因此，促进经济发展、缓解人口压力、提升新能源汽车普及率是未来关中城市群绿色交通发展需要重点考虑的内容。
 |
| 图 5 2012—2019年关中城市群绿色交通水平贡献度 |
| 图选项 |
在时间演化上，2012—2019年驱动力、影响和响应层面的贡献度呈“波动下降”的趋势，其中，D1、I1和R2是对应准则层的主要指标，可见关中城市群经济发展的缓慢、环境污染的加剧和绿化水平的不足严重制约着其绿色交通水平的提升。压力层面的贡献度呈现“上升”的波动态势，表明近年来关中城市群不断加大交通供给、降低能源消耗和环境污染，其交通系统的压力有所缓解。状态层面的贡献度呈“缓慢上升”的波动态势，从侧面反映出关中城市群在提升交通服务水平和优化出行结构等方面取得良好的成效。
4) 关中城市群绿色交通水平障碍度因素。
依据2014年国务院发布的《关于调整城市规模划分标准的通知》，本文对关中城市群11个城市按人口规模进行分类，并引入障碍度模型计算关中城市群中各城市不同年份的障碍度指标。表 5列出关中城市群11个城市的城市类别及排名前三的障碍度指标。从出现频率来看，S3、S1、P1、D1和R2是制约关中城市群绿色交通发展的主要障碍因子。其中，S3、S1和P1排名靠前，是主要的限制因素，发展公共交通、提升交通服务水平，成为推进关中城市群绿色交通发展亟待解决的问题。
表 5 2012—2019年关中城市群11个城市的城市类别和障碍度排名前三的指标
| 城市规模 | 城市 | 排序 | 年份 | |||||||
| 2012 | 2013 | 2014 | 2015 | 2016 | 2017 | 2018 | 2019 | |||
| 特大城市(人口500~1 000万) | 西安 | 1 | S1 | S1 | S1 | S1 | S1 | S1 | S1 | S1 |
| 2 | R2 | R2 | R2 | R1 | R1 | S3 | S3 | R1 | ||
| 3 | R1 | I1 | R1 | R2 | R2 | R1 | R1 | S3 | ||
| 大城市Ⅰ型(人口300~500万) | 宝鸡 | 1 | S3 | S3 | S3 | S3 | S3 | S3 | S3 | S3 |
| 2 | P1 | P1 | P1 | P1 | P1 | S1 | S1 | S1 | ||
| 3 | R2 | D1 | S1 | R2 | S1 | P1 | R2 | R2 | ||
| 大城市Ⅱ型(人口100~300万) | 咸阳 | 1 | S3 | S3 | S3 | S3 | S3 | S3 | S3 | S3 |
| 2 | P1 | P1 | P1 | P1 | P1 | P1 | P1 | P1 | ||
| 3 | D1 | D1 | D1 | D1 | D1 | D1 | S2 | P5 | ||
| 渭南 | 1 | S3 | S3 | S3 | S3 | S3 | S3 | S3 | S3 | |
| 2 | S1 | S1 | S1 | S1 | S1 | S1 | S1 | S1 | ||
| 3 | P1 | P1 | P1 | P1 | P1 | P1 | P1 | P1 | ||
| 商洛 | 1 | S3 | S3 | S3 | S3 | S3 | S3 | S3 | S3 | |
| 2 | S1 | S1 | S1 | S1 | S1 | S1 | S1 | S1 | ||
| 3 | P1 | P1 | P1 | P1 | P1 | P1 | P1 | P1 | ||
| 天水 | 1 | S3 | S3 | S3 | S3 | S3 | S3 | S3 | S3 | |
| 2 | S1 | S1 | S1 | S1 | S1 | S1 | S1 | S1 | ||
| 3 | P1 | P1 | P1 | P1 | P1 | P1 | P1 | P1 | ||
| 运城 | 1 | S3 | S3 | S3 | S3 | S3 | S3 | S3 | S3 | |
| 2 | S1 | S1 | S1 | S1 | S1 | S1 | S1 | S1 | ||
| 3 | P1 | P1 | P1 | P1 | P1 | P1 | P1 | D1 | ||
| 临汾 | 1 | S3 | S3 | S3 | S3 | S3 | S3 | S3 | S3 | |
| 2 | S1 | S1 | S1 | S1 | S1 | S1 | S1 | S1 | ||
| 3 | P1 | P1 | P1 | P1 | P1 | P1 | P1 | P1 | ||
| 中等城市(人口50~100万) | 铜川 | 1 | S3 | S3 | S3 | S3 | S3 | S3 | S3 | S3 |
| 2 | P1 | P1 | S1 | S1 | S1 | S1 | P1 | P1 | ||
| 3 | S1 | S1 | P1 | P1 | P1 | P1 | S1 | S1 | ||
| 平凉 | 1 | S3 | S3 | S3 | S3 | S3 | S3 | S3 | S3 | |
| 2 | D1 | D1 | D1 | S1 | S1 | S1 | S1 | S1 | ||
| 3 | P1 | P1 | P1 | D1 | P1 | D1 | P1 | P1 | ||
| 庆阳 | 1 | S3 | S3 | S3 | S3 | S3 | S3 | S3 | S3 | |
| 2 | S1 | S1 | S1 | S1 | S1 | S1 | S1 | S1 | ||
| 3 | R2 | R2 | R2 | R2 | R2 | R2 | P1 | P1 | ||
表选项
将关中城市群规模相同城市的各指标障碍度整合并归一化，诊断制约关中城市群不同类别城市的显著障碍因子，并分析不同城市规模下障碍因素间的相关性。本文将障碍度超过10%的指标视为限制关中城市群绿色交通水平的关键因子，障碍度介于5%~10%的指标视为限制关中城市群绿色交通水平的次要因素，各城市类别指标障碍度诊断结果如图 6所示。
 |
| 图 6 关中城市群各城市类别指标障碍度诊断结果 |
| 图选项 |
就特大城市而言，S1和R2为关键因子，障碍度分别为13.94%和10.06%，对绿色交通发展限制作用最大; R1、D5、S3、I1、S2、P2和D3为次要因素，障碍度分别为9.75%、7.55%、6.31%、6.25%、6.17%、5.52%和5.11%，对绿色交通水平具有明显影响。因此，关中城市群特大城市绿色交通系统保持稳步发展，关键在于如何在经济社会快速发展的过程中，兼顾完善交通系统和环境改善措施的制定和实施，加强生态保障、城市绿化、道路养护的资金投入，建立完善的响应机制。
就大城市Ⅰ型而言，S3限制作用最大，障碍度达36.48%，是唯一的关键因子; P1、S1、R2和D1为次要因素，障碍度分别为7.28%、6.74%、6.67%和5.56%。诊断结果表明：提升交通服务水平、调整交通出行结构是快速提升绿色交通水平的重要举措。
大城市Ⅱ型与大城市Ⅰ型相比，限制性指标较为相似，但指标的障碍度略有不同。其中，S3仍是关键因子，障碍度为30.35%; S1、P1和D1依旧为次要因素，障碍度分别为9.76%、7.70%和6.36%，而R2不再是次要因素。与大城市Ⅰ型相同，公共交通发展不足、交通基础设施薄弱仍是其绿色交通发展的主要制约因素，但是其绿色交通水平受经济社会发展等驱动力限制更为明显。因此，因地制宜制定具有针对性的经济发展策略，加快产业结构转型与调整也是推动其绿色交通发展的重要环节。
对于铜川、平凉等中等城市，S3仍是关键因子，其限制作用比大城市Ⅱ型更为明显，障碍度为35.92%; S1成为限制其绿色交通水平的另一关键因素，障碍度为10.53%，说明交通基础建设和交通服务水平的不足极大地阻碍了中等城市绿色交通的发展。此外，P1、D1、P2和R2为次要因素，障碍度为8.03%、7.59%、5.78%和5.12%。表明中等城市在大力发展公共交通的同时，相关决策者们应在提升经济动力、加强生态建设等方面给予重点关注。
为判断和划分关中城市群绿色交通水平的制约类型，以提供针对性的发展策略和建议，本文将各准则层障碍度叠加并总结其综合特征和未来发展方向，如表 6所示。
表 6 关中城市群不同城市制约类型和发展策略建议
| 制约类型 | 综合特征 | 发展策略建议 | 代表城市 | 城市规模 |
| 状态-响应制约型 | 多为城市群中发展较快的城市。交通系统运行状态容易受到快速的机动化和城市化影响，政府部门很难及时制定调整策略 | 实时掌握交通运行状况，及时寻找城市交通系统的薄弱环节，并建立完善的反馈机制; 探寻国内外发达城市交通绿色系统发展路径，制定合理的改进方案; 提升居民绿色出行意愿，提高新能源汽车普及率 | 西安 | 特大城市 |
| 压力-状态制约型 | 多为城市群中规模相对较小，交通基础设施建设不足的城市。因经济发展和地理位置等因素，交通系统难以满足居民的日常出行需求 | 提高交通基础设施投资力度，大量发展公共交通; 因地制宜，积极推动公交走廊建设，提高公共交通服务水平 | 咸阳、渭南、商洛、天水、运城、临汾、铜川、平凉和庆阳 | 大城市(Ⅱ型)和中等城市 |
| 状态制约型 | 多为城市群中交通系统初具规模的城市。服务水平未能进一步提升，公共交通分担率较低 | 加强城市综合交通枢纽建设，充分发挥公共交通优势，提升公交分担率; 加强交通服务配套设施建设，并加大交通基础设施养护力度 | 宝鸡 | 大城市(Ⅰ型) |
表选项
4 结论研究基于DPSIR理论框架，分析城市群绿色交通各子系统间的相互作用机理，构建城市群绿色交通测度指标体系，并利用改进的集对分析-可变模糊集耦合的方法，在IFAHP-熵权法确定指标权重的基础上，建立城市群绿色交通水平测度模型。选取关中城市群为研究区域，对其绿色交通水平和时空演化趋势进行测度分析，最后引入贡献度和障碍度探寻影响其绿色交通水平的关键因素，并提供针对性的发展策略，得出以下结论：
1) 关中城市群绿色交通水平在2012—2019年间存在差异，基本呈“N”形波动发展态势，整体为一般水平。在时间上呈现阶段性的变化特征，在空间上大致呈现由“西高东低”向“南高北低”演化的分布特征，且随时间推移，除西安、渭南与其他城市的差异逐渐明显外，其他城市的空间差距稳步缩小。
2) 通过与传统的集对分析-可变模糊集耦合模型的测度结果对比，改进的模型更能全面反映城市群绿色交通系统的模糊性和不确定性，测度结果更为科学合理，是一种客观有效的测度方法。
3) 交通服务水平和交通出行结构等状态层面贡献度高于其他层面，对促进关中城市群绿色交通发展具有明显作用; 而经济社会发展、人口、城市化与机动化水平等驱动力层面贡献度最低。加快关中城市群经济、管理和交通一体化建设，可以更好地引导关中城市群绿色交通的发展。
4) S3、S1、P1、D1和R2是制约关中城市群绿色交通发展的主要指标; 限制不同规模城市绿色交通水平的关键因子存在差异，大规模城市在推动经济持续发展的同时，应兼顾环境效益; 而小规模城市更应该加强公共交通发展，提升公交配套设施水平，因地制宜地提出针对性的改进措施与方案是未来研究的重点。
由于数据采集的限制，本文测度指标的选取未包含居民绿色出行意愿、公交满意度等定性指标，将在后续的研究中补充完善。
参考文献
| [1] | 张陶新. 绿色低碳交通[M]. 北京: 中国环境出版社, 2016. ZHANG T X. Green low-carbon transport[M]. Beijing: China Environmental Science Press, 2016. (in Chinese) |
| [2] | 杨涛, 彭佳, 俞梦骁, 等. 中国新城绿色交通规划方法与实践: 以南京市南部新城绿色交通规划为例[J]. 城市交通, 2021, 19(1): 58-64. YANG T, PENG J, YU M X, et al. Green transportation planning in new town of China: Take Nanjing south new town as an example[J]. Urban Transport of China, 2021, 19(1): 58-64. (in Chinese) |
| [3] | 白雁, 魏庆朝, 邱青云. 基于绿色交通的城市交通发展探讨[J]. 北京交通大学学报(社会科学版), 2006, 5(2): 10-14. BAI Y, WEI Q C, QIU Q Y. Discussion of urban transportation development based on green transportation[J]. Journal of Beijing Jiaotong University (Social Sciences Edition), 2006, 5(2): 10-14. DOI:10.3969/j.issn.1672-8106.2006.02.003 (in Chinese) |
| [4] | 张琨, 吕一河, 傅伯杰, 等. 黄土高原植被覆盖变化对生态系统服务影响及其阈值[J]. 地理学报, 2020, 75(5): 949-960. ZHANG K, LV Y H, FU B J, et al. The effects of vegetation coverage changes on ecosystem service and their threshold in the Loess Plateau[J]. Acta Geographica Sinica, 2020, 75(5): 949-960. (in Chinese) |
| [5] | RUAN W Q, LI Y Q, ZHANG S N, et al. Evaluation and drive mechanism of tourism ecological security based on the DPSIR-DEA model[J]. Tourism Management, 2019, 75: 609-625. DOI:10.1016/j.tourman.2019.06.021 |
| [6] | 刘修岩, 梁昌一. 中国城市群一体化水平综合评价与时空演化特征分析: 兼论城市群规模的影响[J]. 兰州大学学报(社会科学版), 2021, 49(2): 49-61. LIU X Y, LIANG C Y. Analysis of comprehensive evaluation of the integration level of urban agglomerations in China and their temporal and spatial evolution characteristics: Concurrent discussion on the influence of the urban agglomeration scale[J]. Journal of Lanzhou University (Social Sciences), 2021, 49(2): 49-61. (in Chinese) |
| [7] | 刘传辉, 杨志鹏. 城市群数字经济指数测度及时空差异特征分析: 以6大城市群为例[J]. 现代管理科学, 2021(4): 92-111. LIU C H, YANG Z P. Analysis of digital economic index and spatial-temporal difference: Taking six urban agglomeration as an example[J]. Modern Management Science, 2021(4): 92-111. DOI:10.3969/j.issn.1007-368X.2021.04.011 (in Chinese) |
| [8] | 陈万旭, 赵雪莲, 钟明星, 等. 长江中游城市群生态系统健康时空演变特征分析[J]. 生态学报, 2022, 42(1): 138-149. CHEN W X, ZHAO X L, ZHONG M X, et al. Spatiotemporal evolution patterns of ecosystem health in the middle reaches of the Yangtze river urban agglomerations[J]. Acta Ecologica Sinica, 2022, 42(1): 138-149. (in Chinese) |
| [9] | 温惠英, 杨锐烁, 张子佳, 等. 中等城市绿色交通发展水平评价[J]. 城市交通, 2017, 15(3): 20-26. WEN H Y, YANG R S, ZHANG Z J, et al. Evaluation of green transportation development in medium-sized cities[J]. Urban Transport of China, 2017, 15(3): 20-26. (in Chinese) |
| [10] | 马硕, 鲁晓燕. 城市绿色交通综合评价研究[J]. 黑龙江交通科技, 2017, 40(4): 178-180. MA S, LU X Y. A dissertation on the study on comprehensive evaluation of urban green traffic[J]. Communications Science and Technology Heilongjiang, 2017, 40(4): 178-180. DOI:10.3969/j.issn.1008-3383.2017.04.106 (in Chinese) |
| [11] | 周夫永. 中小城市的绿色交通体系研究[J]. 安徽建筑, 2011, 18(5): 33-34. ZHOU F Y. Research on green transportation system of medium and small cities[J]. Anhui Architecture, 2011, 18(5): 33-34. DOI:10.3969/j.issn.1007-7359.2011.05.013 (in Chinese) |
| [12] | 张子佳. 中小城市绿色交通发展水平评价方法研究[D]. 广州: 华南理工大学, 2015. ZHANG Z J. Study on evaluation method of green-transportation development level of small and medium-sized city[D]. Guangzhou: South China University of Technology, 2015. (in Chinese) |
| [13] | 蒋育红, 何小洲, 过秀成. 城市绿色交通规划评价指标体系[J]. 合肥工业大学学报(自然科学版), 2008, 31(9): 1399-1402. JIANG Y H, HE X Z, GUO X C. Discussion on the evaluation index system of urban green traffic planning[J]. Journal of Hefei University of Technology (Natural Science), 2008, 31(9): 1399-1402. DOI:10.3969/j.issn.1003-5060.2008.09.013 (in Chinese) |
| [14] | 李亮, 赵星, 杜希旺. 城市绿色交通发展综合评价研究[J]. 华东交通大学学报, 2021, 38(2): 51-60. LI L, ZHAO X, DU X W. Study on comprehensive evaluation of urban green transportation development[J]. Journal of East China Jiaotong University, 2021, 38(2): 51-60. (in Chinese) |
| [15] | 王贺年, 张曼胤, 崔丽娟, 等. 基于DPSIR模型的衡水湖湿地生态环境质量评价[J]. 湿地科学, 2019, 17(2): 193-198. WANG H N, ZHANG M Y, CUI L J, et al. Evaluation of ecological environment quality of Hengshui lake wetlands based on DPSIR model[J]. Wetland Science, 2019, 17(2): 193-198. (in Chinese) |
| [16] | 袁宏川, 彭勃, 李新哲. 基于DPSIR模型的长江流域中部地区水环境治理绩效评价[J]. 水电能源科学, 2021, 39(5): 61-65. YUAN H C, PENG B, LI X Z. Performance evaluation of water environment governance in the middle region of the Yangtze river basin based on DPSIR model[J]. Water Resources and Power, 2021, 39(5): 61-65. (in Chinese) |
| [17] | 周雅欣, 王建伟, 高洁, 等. 基于DPSIR的低碳交通发展评价及障碍因子分析: 以北京市为例[J]. 生态经济, 2020, 36(4): 13-18. ZHOU Y X, WANG J W, GAO J, et al. Evaluation and obstacle factor diagnoses of low carbon transport development based on DPSIR: A case study of Beijing[J]. Ecological Economy, 2020, 36(4): 13-18. (in Chinese) |
| [18] | 金丹, 董晓. 基于DPSIR模型的城市绿色交通发展评价研究[J]. 生态经济, 2018, 34(5): 79-85. JIN D, DONG X. Research on evaluation of urban green transportation development based on DPSIR model[J]. Ecological Economy, 2018, 34(5): 79-85. (in Chinese) |
| [19] | 刘云龙, 孙晓磊, 章玉, 等. 基于DPSIR模型的重庆市绿色交通发展指数研究[J]. 环境科学与管理, 2020, 45(1): 157-162. LIU Y L, SUN X L, ZHANG Y, et al. Research on Chongqing green transportation development index based on DPSIR model[J]. Environmental Science and Management, 2020, 45(1): 157-162. DOI:10.3969/j.issn.1673-1212.2020.01.031 (in Chinese) |
| [20] | 李成华, 李慧民, 云小红. 基于模糊层次分析法的建筑安全管理绩效评价研究[J]. 西安建筑科技大学学报(自然科学版), 2009, 41(2): 207-212. LI C H, LI H M, YUN X H. Construction safety management performance evaluation based on fuzzy analytic hierarchy process[J]. Journal of Xi'an University of Architecture & Technology (Natural Science Edition), 2009, 41(2): 207-212. DOI:10.3969/j.issn.1006-7930.2009.02.010 (in Chinese) |
| [21] | 张吉军. 模糊层次分析法(FAHP)[J]. 模糊系统与数学, 2000, 14(2): 80-88. ZHANG J J. Fuzzy analytical hierarchy process[J]. Fuzzy Systems and Mathematics, 2000, 14(2): 80-88. DOI:10.3969/j.issn.1001-7402.2000.02.016 (in Chinese) |
| [22] | WANG Y J, HOU L Z, LI M, et al. A novel fire risk assessment approach for large-scale commercial and high-rise buildings based on fuzzy analytic hierarchy process (FAHP) and coupling revision[J]. International Journal of Environmental Research and Public Health, 2021, 18(13): 7187. DOI:10.3390/ijerph18137187 |
| [23] | ZHANG S, LIU X G, WANG X L, et al. Evaluation of coffee ecological adaptability using Fuzzy, AHP, and GIS in Yunnan Province, China[J]. Arabian Journal of Geosciences, 2021, 14(14): 1366. DOI:10.1007/s12517-021-07795-9 |
| [24] | 高云红, 王超, 哈明虎. 直觉模糊层次分析法[J]. 河北工程大学学报(自然科学版), 2001, 28(4): 101-105. GAO Y H, WANG C, HA M H. Intuitionistic fuzzy analytic hierarchy process[J]. Journal of Hebei University of Engineering (Natural Science Edition), 2001, 28(4): 101-105. (in Chinese) |
| [25] | XU Z S, LIAO H C. Intuitionistic fuzzy analytic hierarchy process[J]. IEEE Transactions on Fuzzy Systems, 2014, 22(4): 749-761. DOI:10.1109/TFUZZ.2013.2272585 |
| [26] | 张志芳. 基于价值函数的城市绿色交通规划评价[J]. 交通节能与环保, 2015, 11(4): 52-55. ZHANG Z F. The evaluation of the urban green traffic planning based on the value function method[J]. Energy Conservation & Environmental Protection in Transportation, 2015, 11(4): 52-55. (in Chinese) |
| [27] | 陈沿伊, 曹莹, 张佳楠, 等. 基于DEMATEL-BCC模型的深圳市生态交通发展效率评价[J]. 重庆交通大学学报(自然科学版), 2020, 39(7): 27-32. CHEN Y Y, CAO Y, ZHANG J N, et al. Evaluation of the development efficiency of Shenzhen ecological transportation based on DEMATEL-BCC model[J]. Journal of Chongqing Jiaotong University (Natural Science), 2020, 39(7): 27-32. (in Chinese) |
| [28] | 王磊, 周亚楠, 张宇. 基于熵权-TOPSIS法的低碳城市发展水平评价及障碍度分析: 以天津市为例[J]. 科技管理研究, 2017, 37(17): 239-245. WANG L, ZHOU Y N, ZHANG Y. Analysis on evaluation of low carbon cities and obstacle degree of Tianjin based on the entropy-weight TOPSIS method[J]. Science and Technology Management Research, 2017, 37(17): 239-245. DOI:10.3969/j.issn.1000-7695.2017.17.035 (in Chinese) |
| [29] | 刘新民, 孙璐, 孙秋霞. 城市道路交通网络脆弱性的云物元综合评价[J]. 重庆交通大学学报(自然科学版), 2019, 38(6): 6-11. LIU X M, SUN L, SUN Q X. Cloud matter-element comprehensive evaluation on vulnerability of urban road traffic network[J]. Journal of Chongqing Jiaotong University (Natural Science), 2019, 38(6): 6-11. (in Chinese) |
| [30] | HAGHSHENAS H, VAZIRI M, GHOLAMIALAM A. Evaluation of sustainable policy in urban transportation using system dynamics and world cities data: A case study in Isfahan[J]. Cities, 2015, 45: 104-115. |
| [31] | 李宗坤, 李巍, 葛巍, 等. 基于集对分析-可变模糊集耦合方法的溃坝环境影响评价[J]. 天津大学学报(自然科学与工程技术版), 2019, 52(3): 269-276. LI Z K, LI W, GE W, et al. Dam breach environmental impact evaluation based on set pair analysis-variable fuzzy set coupling model[J]. Journal of Tianjin University (Science and Technology), 2019, 52(3): 269-276. (in Chinese) |
| [32] | WANG W Q, SUN Y H, WU J. Environmental warning system based on the DPSIR model: A practical and concise method for environmental assessment[J]. Sustainability, 2018, 10(6): 1728. |
| [33] | 王海亮, 邓玲, 何奇, 等. 直觉模糊层次分析法下变压器状态的灰色模糊综合评判模型[J]. 高压电器, 2020, 56(9): 216-222. WANG H L, DENG L, HE Q, et al. Grey fuzzy comprehensive evaluation model of transformer state based on intuitionistic fuzzy analytic hierarchy process[J]. High Voltage Apparatus, 2020, 56(9): 216-222. (in Chinese) |
| [34] | 刘宏. 综合评价中指标权重确定方法的研究[J]. 河北工业大学学报, 1996, 25(4): 75-80. LIU H. A study on the determination of the weigthof index in synthesive assessment[J]. Journal of Hebei University of Technology, 1996, 25(4): 75-80. (in Chinese) |
| [35] | 蒋光昱, 王忠静, 索滢. 西北典型节水灌溉技术综合性能的层次分析与模糊综合评价[J]. 清华大学学报(自然科学版), 2019, 59(12): 981-989. JIANG G Y, WANG Z J, SUO Y. Hierarchical analysis and fuzzy evaluation of comprehensive performance of typical water-saving irrigation techniques in Northwest China[J]. Journal of Tsinghua University (Science and Technology), 2019, 59(12): 981-989. (in Chinese) |
