CN114971379A - 一种基于sd模型的经济生态效应评估方法 - Google Patents
一种基于sd模型的经济生态效应评估方法 Download PDFInfo
- Publication number
- CN114971379A CN114971379A CN202210688302.7A CN202210688302A CN114971379A CN 114971379 A CN114971379 A CN 114971379A CN 202210688302 A CN202210688302 A CN 202210688302A CN 114971379 A CN114971379 A CN 114971379A
- Authority
- CN
- China
- Prior art keywords
- speed rail
- economic
- ecological
- model
- construction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000000694 effects Effects 0.000 title claims abstract description 43
- 238000011156 evaluation Methods 0.000 title claims abstract description 18
- 238000010276 construction Methods 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 18
- 230000008901 benefit Effects 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 230000001364 causal effect Effects 0.000 claims abstract description 4
- 238000011161 development Methods 0.000 claims description 24
- 238000005265 energy consumption Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 22
- 238000011160 research Methods 0.000 description 10
- 239000000428 dust Substances 0.000 description 8
- 239000010865 sewage Substances 0.000 description 8
- 239000000779 smoke Substances 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000004140 cleaning Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 239000002351 wastewater Substances 0.000 description 6
- 238000012821 model calculation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000006378 damage Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006353 environmental stress Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及经济生态效应评估技术领域，具体地说是一种基于SD模型的经济生态效应评估方法，利用系统动力学方法建立动态分析模型，通过积量流量图将所述动态分析模型进行量化，所述动态分析模型的因果框架由高铁建设、经济效益、生态效应三部分构成，高铁建设为核心圈层，经济效益为中心圈层，生态影响为外部圈层，所述积量流量图包括水平变量、速率变量、参数和多元积分方程组，本发明同现有技术相比，通过高铁建设、政策调控、综合效应三个子系统间的相互影响关系而建立的循环系统，模拟这个循环系统的动态运行过程，通过政策调控，在保证经济效益的同时，最大限度的消除生态影响，实现了量化评估高铁建设的经济生态综合效应。
Description
技术领域
本发明涉及经济生态效应评估技术领域，具体地说是一种基于SD模型的经济生态效应评估方法。
背景技术
跨境高铁建设的经济生态综合效应评估是一项复杂的系统工程，需要依靠科学的计算模型，针对高铁的修建阶段以及高铁运营阶段对沿线区域的经济效益和生态影响进行综合分析，既要考虑到高铁建设过程的负面影响，又要考虑到运营阶段所带动的综合经济效能，此评估方式需要具备严谨的逻辑框架、科学的评估模型和客观的数据支撑等结合实现。
系统动力学方法(SD模型)最早由麻省理工学院的J.W.Forrester教授于上世纪50年代中期开创，被广泛应用于经济、社会、生态等众多复杂系统研究中，其能够揭示系统的动态性、反馈性、延迟性等众多特征，具有量化、可调控等众多特点，对研究较长发展周期、动态变化和存在多系统间反馈作用的系统设计、优化、管理问题具有明显的优势。
由于需要结合各种地理文化人文经济等综合数据的深度挖掘理解结合对SD模型的创新性研究和利用，目前尚无利用SD模型的方式对跨境高铁建设过程和运营阶段的经济生态的综合效应评估的方法。
因此，需要设计一种基于SD模型的经济生态效应评估方法，通过一系列实地调研一手资料的基础上，充分利用对系统动力学方法的理解和应用，实现了跨境高铁建设阶段和运营阶段对沿线区域复杂的经济效应和生态影响的综合评估。
发明内容
本发明的目的是克服现有技术的不足，提供了一种基于SD模型的经济生态效应评估方法，通过一系列实地调研一手资料的基础上，充分利用对系统动力学方法的理解和应用，实现了跨境高铁建设阶段和运营阶段对沿线区域复杂的经济效应和生态影响的综合评估。
为了达到上述目的，本发明提供一种基于SD模型的经济生态效应评估方法，利用系统动力学方法建立动态分析模型，通过积量流量图将动态分析模型进行量化，动态分析模型的因果框架由高铁建设、经济效益、生态效应三部分构成，高铁建设为核心圈层，经济效益为中心圈层，生态影响为外部圈层，积量流量图包括水平变量、速率变量、参数和多元积分方程组。
经济效益包括：
高铁的修建将促进相关产业的发展，带动区域的经济发展，促进区域的就业增加；
高铁的运营将带来人员的大量流动，促进城市规模的扩张，提升区域城市化水平。
生态影响包括：
高铁的修建将占用区域土地，带来区域能源消耗和CO2排放的增加；
高铁的运营将带来客运量、游客量的增加以及城市规模的扩张，这些变化都将带来新的区域资源需求和生态环境压力。
水平变量有5个，速率变量有5个、参数有35个，多元积分方程组有 40个。
本发明同现有技术相比，通过高铁建设、政策调控、综合效应三个子系统间的相互影响关系而建立的循环系统，模拟这个循环系统的动态运行过程，通过政策调控，在保证经济效益的同时，最大限度的消除生态影响，实现了量化评估高铁建设的经济生态综合效应。
附图说明
图1为本发明的实施例建模原理示意图；
图2为本发明的模型逻辑结构示意图；
图3为本发明根据模型逻辑结构，建立SD模型的积量流量图；
具体实施方式
现结合附图对本发明做进一步描述。
如图1～图3所示，本发明提供一种基于SD模型的经济生态效应评估方法，利用系统动力学方法建立动态分析模型，通过积量流量图将动态分析模型进行量化，动态分析模型的因果框架由高铁建设、经济效益、生态效应三部分构成，高铁建设为核心圈层，经济效益为中心圈层，生态影响为外部圈层，积量流量图包括水平变量、速率变量、参数和多元积分方程组。
经济效益包括：
高铁的修建将促进相关产业的发展，带动区域的经济发展，促进区域的就业增加；
高铁的运营将带来人员的大量流动，促进城市规模的扩张，提升区域城市化水平。
生态影响包括：
高铁的修建将占用区域土地，带来区域能源消耗和CO2排放的增加；
高铁的运营将带来客运量、游客量的增加以及城市规模的扩张，这些变化都将带来新的区域资源需求和生态环境压力。
水平变量有5个，速率变量有5个、参数有35个，多元积分方程组有 40个。
实施例：
下面结合附图对本发明方法的具体实施方式做进一步说明。本发明提供一种基于SD模型的经济生态效应评估方法，采用中国辽宁省、中国吉林省、中国黑龙江省、中国内蒙古自治区呼伦贝尔市、俄罗斯外贝加尔边疆区的不同数据对模型进行赋值，即对于不同的区域，模型结构不变，但参数设置不同，具体分析和展示中蒙俄跨境高铁建设对不同区域的经济生态综合效应。
【经济效益评估】：
1.高铁的建设将促进相关产业增长，拉动就业，拉动区域经济发展：
高铁规划建设运营初期的投资具有乘数效应。高铁属于庞大产业集群的系统性工业，其产业链长，且属于资本密集和技术密集产业，因此高铁的修建对区域产业经济具有显著的拉动效应和溢出效应，尤其是对基建承包、电力设备、工程机械、铁路设备、通讯设备、物流等六大产业板块影响最为直接。
中俄东北高铁贯穿了辽宁省、吉林省、黑龙江省、呼伦贝尔市、以及外贝加尔边疆区，其修建过程将对沿线区域产生巨大的拉动效应和溢出效应。
中俄东北高铁目前已开通沈阳-四平-长春-扶余-哈尔滨段和哈尔滨-齐齐哈尔段，长度分别为520km和345km，修建期分别为2007-2012年和 2009-2015年，未来至2020年和2025年，将相继修建齐齐哈尔-满洲里段和满洲里-赤塔段，长度分别为645km和420km。根据《齐齐哈尔至满洲里铁路客运专线工程预可行性研究》，齐海满客运专线，即中俄东北高铁的齐齐哈尔-满洲里段的修建期为2015-2020年。同时，假设中蒙俄东北高铁的满洲里-赤塔段的修建期为2020-2025年，长度为420km，至2025年，中俄东北高铁总长度1930km，实现全线贯通。
根据哈大高铁全长920km，项目金额为923亿元，测算高铁建设的平均投资额约为1亿元/km。根据模型测算，结合以往研究，截至2015年，中俄东北高铁已建成通车865km，预计到2025年，将建设1065km，预计投资1065亿元，拉动相关产业增加3961.80亿元总产出，增加区域 GDP1288.65亿元，新增115.446万个就业岗位。
2.高铁的建设将扩大沿线城市规模,驱动城镇空间扩张，促进土地增值：
运输是城市空间的创造者，在城市的发展中，高铁站点发挥了“放大器”的功能，导致了城市通勤范围、影响腹地的放大以及城市资源获取能力的放大，导致了城市空间规模的“跃进式”增长。
高铁开通及运营服务过程中具有循环累积效应。高铁的运营将拉动客运量的迅速提升，带动区域旅游产业的发展，进而增加区域就业，促进周边乡村人口迅速向城市集聚，带来的城市人口的增长。高铁站及高铁新城建设将驱动城市空间扩张，促进土地增值。国内外对典型轨道交通溢出效应的定量分析表明，快速轨道交通的开通，将有效拉动区域土地价格、住宅价格，且以步行距离为半径溢价，溢价率可达26％～40％。
根据模型计算，到2035年，高铁沿线区域的城镇人口总量增加至8022.28 万人，城镇面积总量将增加至43950km2。其中，辽宁省城镇人口将增加至 2968.43万人，城镇建设用地面积将扩张至1.19万km2；吉林省城镇人口将增加至1535.68万人，城镇建设用地面积将扩张至0.92万km2；黑龙江省城镇人口将增加至3067.18万人，城镇建设用地面积将扩张至1.69万km2；呼伦贝尔市城镇人口将增加至357.45万人，城镇建设用地面积将扩张至 0.32万km2；外贝加尔边疆区城镇人口将增加至93.55万人，城镇建设用地面积将扩张至0.28万km2。
3.高铁的建设将带来区域客运量的增加，促进高铁服务业发展：
高铁对于沿线城市之前的联系具有“时空压缩”效应，将促进城市之间的交流联系。中俄东北高铁的开通运营首先促进的是铁路运输业的快速发展，带来大量的客运流量，促进高铁服务业的发展。
根据中国产业信息部发布的《2013-2017年中国高速动车组行业市场分析及未来发展前景研究报告》，我国的高铁在开通初始阶段的车辆密度为 0.6辆/km，到线路成熟阶段的车辆密度为1.2辆/km。目前，哈大高铁拥有列车20列，根据测算，到2020年，会增长到40列，到2025年，会增长到52列，到2035年，将达到76列。根据我国高铁服务业岗位配置安排，目前执行的人车比为150人/车。根据《中国铁路2016年年度报告》，2016 年全国铁路客运收入9074.48亿元，2016年客运量1943271万人次，全国铁路客运平均收入为46.7万元/万人次。
高铁的运营将带来铁路客运人流的迅速增加，人流的主要来源一部分为原本使用其他交通设施往来的人流改为使用高铁往返两国，另一部分为由于高铁的运营而吸引来的新客源。因此在进行模型构建时，应将两种情况均加以分析，以获得最终结果。
①对于原本使用其他交通设施往来的客源人流，通过对比原交通设施的时间价格成本和乘坐高铁的时间价格成本的差值，作为高铁将辐射的区域范围半径，核算出修改交通方式的客源人次数量。
②对于由于高铁的运营而新增的客源人流，将以原交通方式的最低时间价格成本作为可接受的交通成本上限，获得单位时间价格成本下的游客人次数量，核算高铁吸引到的新增客源人次数量。
根据模型计算，到2035年，中俄东北跨境高铁沿线区域的铁路客运总量将达到55822.45万人次，客运总收入将达到260.69亿RMB，高铁服务业就业4.32万人。其中，辽宁省的客运总量将达到19838.90万人次、客运收入达92.65亿RMB、直接从事高铁服务业的就业人数为3750人；吉林省的客运总量将达到12274.30万人次、客运收入达57.32亿RMB、直接从事高铁服务业的就业人数为6000人；黑龙江省的客运总量将达到10466.50 万人次、客运收入达亿48.88亿RMB、直接从事高铁服务业的就业人数为 12000人；呼伦贝尔市的客运总量将达到13174.10万人次、客运收入达61.53 亿RMB、直接从事高铁服务业的就业人数为12000人。
而对于外贝加尔边疆区，从2010年至2015年，铁路客运量持续减少，平均客运增长率为-9％。根据测算，随着中俄东北高铁的开通运营，会拉动外贝加尔边疆区的客运数量，尤其是中国赴俄旅游的游客数量会大幅度增加。预计中俄东北高铁在2025年开通，从图上曲线可以看出，外贝加尔边疆区的客运量下降情况将于2025年开始有所缓解，并在2030年扭转持续下降的态势，转为缓慢增长，到2035年，客运量增长率将变为2％。
4.高铁的建设将带来跨境游客数量的增加，促进区域旅游产业发展：
高铁具有运量大、通达性强，以及全域性、普适性、惠民性等特征，高铁的运营直接影响区域旅游产业的发展。我们将游客数量的变化分为游客数量的历史变化趋势和由于高铁的运营新吸引的中俄游客数量，而新吸引的中俄游客数量采用同新吸引的客运数量相同的测算方法。根据《中国旅游统计年鉴》测算全国旅游服务业的人员配置为平均0.006人/人次。根据各省统计年鉴中提供的旅游收入及旅游人数，测算不同省份的单位游客带来的旅游收入。
根据模型测算，随着中俄东北高铁的逐步开通运营，到2035年，中俄两国的跨境游客总量将从129.28万人次增加至940.06万人次，所带来的旅游收入将从13.01亿RMB增加至95.68亿RMB，新增旅游业就业5.64万人。其中辽宁省的俄罗斯游客数量将由17.04万人次增长到52.17万人次，俄罗斯游客带来旅游收入将从1.95亿RMB升高至5.97亿RMB，拉动旅游业就业增加0.31万人；吉林省的俄罗斯游客数量将由24.88万人次增长到124.60万人次，俄罗斯游客带来旅游收入将从4.21亿RMB升高至21.09 亿RMB，拉动旅游业就业增加0.75万人；黑龙江省的俄罗斯游客人数将从91.91万人次达到569.40万人次，旅游收入将从4.60从亿RMB升高至 28.47亿RMB，拉动旅游业就业增加3.42万人；呼伦贝尔市的俄罗斯游客数量将由13.93万人升高至170.82万人次，俄罗斯游客带来旅游收入将达到从1.88亿RMB增加至35.36亿RMB，拉动旅游业就业增加1.03万人；外贝加尔边疆区的中国游客数量将由2.32万人升高至23.07万人，中国游客带来的旅游收入将达从0.48亿RMB增加至4.78亿RMB，拉动旅游业就业增加0.14万人。
【生态影响评估】：
1.高铁建设将占用区域生态用地，其所拉动的相关产业的发展将增加区域能源消耗和碳排放：
高铁的修建直接导致了区域交通运输用地的增加，以及区域生态用地的减少。根据《全国第二次土地调查成果公报》所提供的各省土地利用数据，以及外贝加尔边疆区统计年鉴提供的土地利用数据，经过模型测算，由于中俄东北高铁的修建，将占用沿线区域的生态用地1.21万公顷，其中，占用辽宁省生态用地0.10万公顷，吉林省0.18万公顷，黑龙江省0.34万公顷，呼伦贝尔市0.28万公顷，外贝加尔边疆区0.31万公顷。同时，为保证高铁的正常运营，以及架设高压电网等设施，区域内将采用的净空净地防护设施均将占用区域的生态用地，因此，高铁建设的实际生态用地建设将约为3-5万公顷。
高铁的修建可以有效的拉动区域经济的发展，但其主要拉动的产业多为高耗能、高碳排放的产业，这些产业的发展，必然给区域生态环境带来新的压力。根据模型测算，结合以往研究，中俄东北高铁建设将消耗沿线区域能源6835138tce，增加区域CO2排放1704万吨。
2.高铁建设将促进城市规模扩张，增加城市水资源消耗以及城市废弃物排放：
高铁的运营导致了城市空间规模的“跃进式”增长，城市面积的扩张和城市人口的增加将带来区域资源的消耗和生态环境的破坏。
根据各省统计年鉴所提供的2015年的城镇人口数，以及城市耗水总量、生活污水总量、垃圾清运总量以及城市烟尘排放量，计算获得各省的城市人均耗水量，城市人均生活污水量，城市人均垃圾清运量以及城市人均烟尘排放量。经过模型测算，预计到2035年，由于中俄跨境高铁的开通运营，将导致沿线区域的城市耗水量将达到99161.32m3，城市生活污水排放量将达到384441.10万吨，城市生活垃圾清运量将达到1191.49万吨，城市生活烟尘排放量将达到304543.60吨。其中，辽宁省城市耗水量将达到 38663.75m3，城市生活污水排放量将达到166192.00万吨，城市生活垃圾清运量将达到623.37万吨，城市生活烟尘排放量将达到159404.50吨；吉林省城市耗水量将达到18636.23m3，城市生活污水排放量将达到83207.98万吨，城市生活垃圾清运量将达到53.70万吨，城市生活烟尘排放量将达到49755.98吨；黑龙江省城市耗水量将达36166.62m3，城市生活污水排放量将达到119561.00万吨，城市生活垃圾清运量将达到454.10万吨，城市生活烟尘排放量将达到87721.27吨；呼伦贝尔市城市耗水量将达到 3591.81m3，城市生活污水排放量将达到11833.79万吨，城市生活垃圾清运量将达到46.47万吨，城市生活烟尘排放量将达到4986.39吨；外贝加尔边疆区城市耗水量将达到1102.92m3，城市生活污水排放量将达到3646.55万吨，城市生活垃圾清运量将达到13.85万吨，城市生活烟尘排放量将达到 2675.45吨。
3.高铁建设和运营将增加高铁客运的水资源、能源消耗，带来客运废弃物的排放：
中俄东北高铁的开通运营促进了铁路运输业的快速发展，带来大量的客运流量，而客运量的增加将带来区域资源的消耗和生态环境的破坏。中俄东北高铁的列车数量到2020年增长到40列，到2025年增长到52列，到 2035年将达到76列。根据模型测算，结合以往研究，到2035年，高铁客运的发展将使沿线区域用于客运的能源消耗达到13555.02tce，水资源消耗达到1116.45万吨，垃圾量将达到37843.20吨。其中，辽宁省高铁客运的能源消耗将达到1288.50tce，水资源消耗将达到396.78万吨，垃圾量将达到5256.00吨；吉林省高铁客运的能源消耗将达到2061.60tce，水资源消耗将达到245.49万吨，垃圾量将达到3285.00吨；黑龙江省高铁客运的能源消耗将达到4123.20tce，水资源消耗将达到209.33万吨，垃圾量将达到10512.00吨；呼伦贝尔市省高铁客运的能源消耗将达到4123.20tce，水资源消耗将达到263.48万吨，垃圾量将达到10512吨；外贝加尔边疆区高铁客运的能源消耗将达到3247.02tce，水资源消耗将达到1.37万吨，垃圾量将达到8278.00吨。
4.高铁建设将促进旅游产业的发展，增加沿线区域旅游资源消耗和环境压力：
高铁的运营直接影响区域旅游产业的发展，带来游客量的大量增加。而游客量的增加将带来区域资源的消耗和生态环境的破坏。根据模型测算，结合以往相关研究、《中国旅游统计年鉴》以及国家相关旅游规范，到2035 年，中俄跨境旅游产业的发展将为沿线区域带来水资源消耗达到 9003.18m3，产生废水7652.71m3，产生垃圾5401.91吨，消耗能源63023.26tce，排放CO2157114.50吨。其中，辽宁省的俄罗斯游客将消耗水资源521.70m3，产生废水443.45m3，产生垃圾313.02吨，消耗能源3651.92tce, 排放CO29104.24吨；吉林省的俄罗斯游客将消耗水资源1241.83m3，产生废水1055.56m3，产生垃圾745.10吨，消耗能源8692.81tce，排放 CO221671.20吨；黑龙江省的俄罗斯游客将消耗水资源5691.54m3，产生废水4837.81m3，产生垃圾3414.93吨，消耗能源39840.80tce，排放 CO299323.10吨；呼伦贝尔市的俄罗斯游客将消耗水资源1452.07m3，产生废水1234.26m3，产生垃圾871.24吨，消耗能源10165.50tce，排放 CO225340.10吨；外贝加尔边疆区的中国游客消耗水资源96.03m3，产生废水81.63m3，产生垃圾57.62吨，消耗能源672.23tce，排放CO21675.87 吨。
以上，对本发明的实施方式进行了说明，但本发明的范围并不仅仅限于此，使用者可以在不脱离本发明的主旨的范围内进行各种变更，加以实施，但是都包括在本专利的保护范围内。
本发明从整体上解决了现有技术中对高铁建设沿线复杂环境下经济效应和生态影响评估的缺失，通过利用系统动力学方法SD模型结合高铁建设沿线的地理人文文化经济等数据，通过模型系统的动态性、反馈性、延迟性等众多特征，具有量化、可调控等众多特点，对研究高铁建设周边经济效应和生态影响在较长发展周期、动态变化和存在多系统间反馈作用的系统设计、优化、管理问题上起到了积极有效的作用，为相关决策做出了突出的贡献。
Claims (4)
1.一种基于SD模型的经济生态效应评估方法，其特征在于，利用系统动力学方法建立动态分析模型，通过积量流量图将所述动态分析模型进行量化，所述动态分析模型的因果框架由高铁建设、经济效益、生态效应三部分构成，高铁建设为核心圈层，经济效益为中心圈层，生态影响为外部圈层，所述积量流量图包括水平变量、速率变量、参数和多元积分方程组。
2.根据权利要求1所述的一种基于SD模型的经济生态效应评估方法，其特征在于，所述经济效益包括：
高铁的修建将促进相关产业的发展，带动区域的经济发展，促进区域的就业增加；
高铁的运营将带来人员的大量流动，促进城市规模的扩张，提升区域城市化水平。
3.根据权利要求1所述的一种基于SD模型的经济生态效应评估方法，其特征在于，所述生态影响包括：
高铁的修建将占用区域土地，带来区域能源消耗和CO2排放的增加；
高铁的运营将带来客运量、游客量的增加以及城市规模的扩张，这些变化都将带来新的区域资源需求和生态环境压力。
4.根据权利要求1所述的一种基于SD模型的经济生态效应评估方法，其特征在于，所述水平变量有5个，所述速率变量有5个、所述参数有35个，所述多元积分方程组有40个。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210688302.7A CN114971379A (zh) | 2022-06-16 | 2022-06-16 | 一种基于sd模型的经济生态效应评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210688302.7A CN114971379A (zh) | 2022-06-16 | 2022-06-16 | 一种基于sd模型的经济生态效应评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114971379A true CN114971379A (zh) | 2022-08-30 |
Family
ID=82964081
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210688302.7A Pending CN114971379A (zh) | 2022-06-16 | 2022-06-16 | 一种基于sd模型的经济生态效应评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114971379A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100070251A1 (en) * | 2008-09-16 | 2010-03-18 | Hernando Sanchez | Method and system for simulating complex systems by integrating system dynamics models |
| US20140149188A1 (en) * | 2012-11-26 | 2014-05-29 | The Hong Kong Polytechnic University | Methods, apparatus and systems for green shipping practice assessment |
| CN113487181A (zh) * | 2021-07-05 | 2021-10-08 | 上海市园林科学规划研究院 | 城市化区域生态安全格局评估方法 |
-
2022
- 2022-06-16 CN CN202210688302.7A patent/CN114971379A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100070251A1 (en) * | 2008-09-16 | 2010-03-18 | Hernando Sanchez | Method and system for simulating complex systems by integrating system dynamics models |
| US20140149188A1 (en) * | 2012-11-26 | 2014-05-29 | The Hong Kong Polytechnic University | Methods, apparatus and systems for green shipping practice assessment |
| CN113487181A (zh) * | 2021-07-05 | 2021-10-08 | 上海市园林科学规划研究院 | 城市化区域生态安全格局评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘奕,贾元华,冯璐: "铁路干线建设项目社会经济效益定量化SD模型研究", 《交通运输系统工程与信息》 * |
| 徐小趁: "高铁建设对区域地质环境影响SD评价方法研究", 《工程科技Ⅰ辑》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Calculation of life-cycle greenhouse gas emissions of urban rail transit systems: A case study of Shanghai Metro | |
| Wu et al. | How does internet development affect energy-saving and emission reduction? Evidence from China | |
| Liu et al. | Study on coupling coordination and spatiotemporal heterogeneity between economic development and ecological environment of cities along the Yellow River Basin | |
| Chai et al. | New energy demonstration city, spatial spillover and carbon emission efficiency: Evidence from China's quasi-natural experiment | |
| Lin et al. | Is the implementation of energy saving and emission reduction policy really effective in Chinese cities? A policy evaluation perspective | |
| Achour et al. | Decomposing the influencing factors of energy consumption in Tunisian transportation sector using the LMDI method | |
| Hu et al. | City size and energy conservation: Do large cities in China consume more energy? | |
| Zhang et al. | Seeing green: how does digital infrastructure affect carbon emission intensity? | |
| Fang et al. | The coupling coordinated development of urban environment towards sustainable urbanization: An empirical study of Shandong Peninsula, China | |
| Qin et al. | Spatial-temporal analysis and projection of extreme particulate matter (PM10 and PM2. 5) levels using association rules: A case study of the Jing-Jin-Ji region, China | |
| Xiufan et al. | Collaborative emission reduction research on dual-pilot policies of the low-carbon city and smart city from the perspective of multiple innovations | |
| Sun et al. | Road construction and air quality: Empirical study of cities in China | |
| Zhang et al. | Emergy-based assessment on the brownfield redevelopment of one old industrial area: a case of Tiexi in China | |
| Wang et al. | Impact of high-speed railway on urban resilience in China: Does urban innovation matter? | |
| Liu et al. | Does the transformation of energy structure promote green technological innovation? A quasi–natural experiment based on new energy demonstration city construction | |
| Zhang et al. | How to realize low-carbon travel in rural areas? Evidence from China | |
| Tang et al. | The impact of high-speed rail on urban carbon emissions: Evidence from the Yangtze River Delta | |
| Wang et al. | 350 cities of China exhibited varying degrees of carbon decoupling and green innovation synergy | |
| Zhao et al. | Calculating carbon emissions and selecting carbon peak scheme for infrastructure construction in Liaoning Province, China | |
| Cai et al. | Grey prediction of carbon emission and carbon peak in several developing countries | |
| CN114971379A (zh) | 一种基于sd模型的经济生态效应评估方法 | |
| Wang | Coordinated development of regional resources, environment, and economic growth under the background of low-carbon economy | |
| Liu et al. | Spatial analysis of industrial green development and sustainable cities in the Yellow River Basin | |
| Shi et al. | Does technological innovation promote haze pollution control? New evidence based on panel threshold model and spatial econometric model | |
| Vattano | European and Italian experience of Smart Cities: A model for the smart planning of city built |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220830 |
|
| RJ01 | Rejection of invention patent application after publication |