基于熵權(quán)灰色關(guān)聯(lián)法的新疆鐵路網(wǎng)擴(kuò)張規(guī)律研究

潘振興，韓 峰

（1. 蘭州交通大學(xué) 測(cè)繪與地理信息學(xué)院，甘肅 蘭州 730070；2. 蘭州交通大學(xué) 土木工程學(xué)院，甘肅 蘭州 730070；3. 地理國(guó)情監(jiān)測(cè)技術(shù)應(yīng)用國(guó)家地方聯(lián)合工程研究中心，甘肅 蘭州 730070；4.甘肅省地理國(guó)情監(jiān)測(cè)工程實(shí)驗(yàn)室，甘肅 蘭州 730070)

在結(jié)合鐵路網(wǎng)發(fā)展?fàn)顩r的基礎(chǔ)上，研究鐵路網(wǎng)的擴(kuò)張規(guī)律，對(duì)于合理規(guī)劃鐵路建設(shè)具有重要意義。在鐵路網(wǎng)擴(kuò)張規(guī)律研究方面，張野等[1]研究了“一帶一路”倡議下西北地區(qū)的鐵路網(wǎng)擴(kuò)張情況；蔣海兵和黃潔等[2-3]依據(jù)可達(dá)性，通過城市間的相互融合分析鐵路網(wǎng)密度與區(qū)域的關(guān)系；高玉祥和趙云等[4-5]通過鐵路網(wǎng)密度、GDP 密度、人口密度的相關(guān)性分析，提出鐵路網(wǎng)擴(kuò)張模型；馮長(zhǎng)春等[6]通過計(jì)算加權(quán)平均旅行時(shí)間，研究鐵路網(wǎng)對(duì)省際交通的影響。在較長(zhǎng)時(shí)間內(nèi)，新疆鐵路發(fā)展滯后于西北其他省區(qū)。截至2019 年末，新疆鐵路線路營(yíng)業(yè)里程達(dá)到6 935.38 km，鐵路旅客發(fā)送量為4 498.4 萬人次，貨物發(fā)送量為1.518 億t，鐵路承載了近90%以上的進(jìn)出新疆人員和物資的輸送。但是，新疆鐵路網(wǎng)密度與全國(guó)平均水平相比還有很大的發(fā)展空間。為此，選擇鐵路網(wǎng)發(fā)展?fàn)顩r、經(jīng)濟(jì)發(fā)展?fàn)顩r和社會(huì)發(fā)展?fàn)顩r3 個(gè)維度的21 個(gè)評(píng)價(jià)指標(biāo)，利用2014—2018 年統(tǒng)計(jì)數(shù)據(jù)，基于熵權(quán)灰色關(guān)聯(lián)法對(duì)影響鐵路網(wǎng)擴(kuò)張的因素進(jìn)行分析，提出鐵路網(wǎng)擴(kuò)張模型，為新疆鐵路網(wǎng)建設(shè)規(guī)劃決策提供支持。

1 熵權(quán)灰色關(guān)聯(lián)法概述

1.1 新疆鐵路網(wǎng)擴(kuò)張?jiān)u價(jià)指標(biāo)體系構(gòu)建

評(píng)價(jià)指標(biāo)體系的構(gòu)建需滿足鐵路網(wǎng)擴(kuò)張的特點(diǎn)，在借鑒已有研究成果的基礎(chǔ)上[7]，依據(jù)評(píng)價(jià)指標(biāo)體系構(gòu)建的科學(xué)性、可行性、全面性、動(dòng)態(tài)性原則，選取反映鐵路網(wǎng)擴(kuò)張的6 項(xiàng)評(píng)價(jià)指標(biāo)為比較序列，另取15 項(xiàng)社會(huì)、經(jīng)濟(jì)影響因素為參考序列。以上指標(biāo)均具體可查，并且從經(jīng)濟(jì)、社會(huì)、人員、地域等不同作用力下，體現(xiàn)了鐵路網(wǎng)擴(kuò)張與經(jīng)濟(jì)、社會(huì)要素的銜接。新疆鐵路網(wǎng)擴(kuò)張比較序列與參考序列數(shù)據(jù)如表1 所示。

表1 新疆鐵路網(wǎng)擴(kuò)張比較序列與參考序列數(shù)據(jù)Tab.1 Comparison data and reference sequence data of Xinjiang railway network expansion

1.2 熵權(quán)灰色關(guān)聯(lián)法

傳統(tǒng)的統(tǒng)計(jì)方法在數(shù)據(jù)有限、樣本有偏、灰度大等條件下難以滿足分析需要，灰色關(guān)聯(lián)分析法可以用于如經(jīng)濟(jì)系統(tǒng)、鐵路系統(tǒng)、航空系統(tǒng)等復(fù)雜系統(tǒng)[8-9]，其原理是根據(jù)因素之間發(fā)展趨勢(shì)的相似或相異程度，衡量因素間的關(guān)聯(lián)度；在計(jì)算加權(quán)關(guān)聯(lián)度的過程中，依據(jù)熵權(quán)法來確定權(quán)重，可以避免層次分析法和專家調(diào)查法等確定權(quán)值所帶來的個(gè)體差異。

1.2.1 熵權(quán)法確定指標(biāo)權(quán)重

熵代表信息體系的混亂程度[10]，熵權(quán)法確定指標(biāo)權(quán)重，熵值的大小度量信息量的多少，某個(gè)指標(biāo)項(xiàng)攜帶的信息越多，該指標(biāo)對(duì)決策的影響作用就越大。確定權(quán)重的計(jì)算步驟如下。

（1）構(gòu)建樣本判斷矩陣。

式中：X 為樣本判斷矩陣；xij為判斷矩陣的指標(biāo)值；m 為判斷樣本個(gè)數(shù)；n 為評(píng)價(jià)指標(biāo)數(shù)。

（2）數(shù)據(jù)標(biāo)準(zhǔn)化。為了消除不同量綱無法比較所帶來的影響，需要先對(duì)判斷矩陣進(jìn)行標(biāo)準(zhǔn)化處理。標(biāo)準(zhǔn)化數(shù)據(jù)分為“正向型指標(biāo)”和“逆向型指標(biāo)”，公式如下。

式中：Yij為消除不同量綱后的值；xmin為該指標(biāo)的最小值；xmax為該指標(biāo)的最大值。

（3）求各指標(biāo)的熵值。根據(jù)熵的定義，一組數(shù)據(jù)的熵值為

式中：Ei為第i 個(gè)指標(biāo)的熵值；pij為標(biāo)準(zhǔn)化后的數(shù)據(jù)。

（4）確定指標(biāo)權(quán)重。

式中：Wi為第i 個(gè)指標(biāo)的權(quán)重。

1.2.2 灰色關(guān)聯(lián)分析法

灰色關(guān)聯(lián)分析法是基于灰色系統(tǒng)理論提出的一種現(xiàn)代統(tǒng)計(jì)方法。這種方法通過關(guān)聯(lián)度的大小表示各因素之間關(guān)聯(lián)程度的高低，確定系統(tǒng)各因素對(duì)主體的貢獻(xiàn)程度。基于此，采用熵權(quán)灰色關(guān)聯(lián)法對(duì)新疆鐵路網(wǎng)擴(kuò)張規(guī)律進(jìn)行研究。假設(shè)灰色關(guān)聯(lián)分析中的參考序列為xi，即xi= {xi(1)，xi(2)，…，xi(n)}；比較序列為yi，即yi= { yi(1)，yi(2)，…，yi(n)}。

灰色關(guān)聯(lián)法分析[11-13]步驟如下。

（1）數(shù)據(jù)無量綱化。參考序列、比較序列的單位、量級(jí)各不相同，首先要對(duì)初始數(shù)據(jù)進(jìn)行無量綱化處理。

（2）求差序列。計(jì)算參考序列xi與比較序列yi各時(shí)刻的絕對(duì)差| xi(k) - yi(k) |，則Δi= | xi(k) -yi(k) |，k = 1，2，…，n。

（3）求極差最小值和極差最大值。極差最小值、極差最大值分別為

（4）計(jì)算關(guān)聯(lián)度系數(shù)。

（5）計(jì)算加權(quán)關(guān)聯(lián)度。

式中：Ri為加權(quán)關(guān)聯(lián)度；Wi為第i 項(xiàng)指標(biāo)的權(quán)重；ri為關(guān)聯(lián)度系數(shù)。

2 基于熵權(quán)灰色關(guān)聯(lián)法的新疆鐵路網(wǎng)影響因素分析

2.1 指標(biāo)相關(guān)性分析

相關(guān)性表征兩要素間的密切程度，通過相關(guān)性系數(shù)來表示，計(jì)算公式為

式中：rxy為相關(guān)性系數(shù)，rxy＞ 0，表示正相關(guān)，反之為負(fù)相關(guān)；rxy越接近于1，表示相關(guān)性程度越高；rxy越接近于0，表示相關(guān)性程度越弱。分別為xi和yi的平均值；n為樣本數(shù)。

依據(jù)公式(10)計(jì)算社會(huì)、經(jīng)濟(jì)評(píng)價(jià)指標(biāo)體系與鐵路網(wǎng)擴(kuò)張因素的密切程度，社會(huì)、經(jīng)濟(jì)評(píng)價(jià)指標(biāo)與鐵路網(wǎng)擴(kuò)張指標(biāo)的相關(guān)性系數(shù)如表2 所示。

從表2 可知，整體上15項(xiàng)社會(huì)、經(jīng)濟(jì)評(píng)價(jià)指標(biāo)與6 項(xiàng)鐵路網(wǎng)擴(kuò)張指標(biāo)之間有較強(qiáng)的相關(guān)性。因此，上述比較序列與參考序列的選擇是合理的。

2.2 指標(biāo)權(quán)重和關(guān)聯(lián)系數(shù)計(jì)算

根據(jù)上述確定的指標(biāo)、參考序列及比較序列，選取2014—2018 各年度指標(biāo)數(shù)據(jù)，利用公式(1)至公式(3)計(jì)算新疆鐵路網(wǎng)擴(kuò)張?jiān)u價(jià)指標(biāo)無量綱參數(shù)；利用公式(6)、公式(8)，計(jì)算權(quán)重及關(guān)聯(lián)度系數(shù)如表3所示。其中，C1，C2，C3，C4，C5，C6分別表示鐵路營(yíng)業(yè)里程、鐵路貨運(yùn)量、鐵路網(wǎng)密度、人均鐵路里程、鐵路客運(yùn)量和鐵路客運(yùn)密度。

依據(jù)表3，分析選定的15 項(xiàng)影響因素對(duì)鐵路網(wǎng)擴(kuò)張?jiān)u價(jià)指標(biāo)的影響關(guān)系。影響因素對(duì)評(píng)價(jià)指標(biāo)的影響分析圖如圖1 所示。

通過分析各影響因素的貢獻(xiàn)程度可知，國(guó)內(nèi)生產(chǎn)總值(GDP)、固定資產(chǎn)投資、工業(yè)生產(chǎn)總值、第一產(chǎn)業(yè)生產(chǎn)總值占比、農(nóng)民人均純收入、交通運(yùn)輸財(cái)政收入、養(yǎng)老保險(xiǎn)未參保人數(shù)、鄉(xiāng)(鎮(zhèn))電話用戶、城鎮(zhèn)登記失業(yè)率及民族總?cè)丝跀?shù)對(duì)目標(biāo)要素貢獻(xiàn)程度較大，占據(jù)主要地位。2014—2018 年新疆國(guó)內(nèi)生產(chǎn)總值逐年穩(wěn)步提升，直觀地反映了新疆經(jīng)濟(jì)表現(xiàn)。為了體現(xiàn)影響因素的概括性及方便分析，以國(guó)內(nèi)生產(chǎn)總值為主要影響因素；交通運(yùn)輸財(cái)政收入、農(nóng)民人均純收入、城鎮(zhèn)居民人均可支配收入均反映了收入水平的高低，影響因素概括為收入水平；養(yǎng)老保險(xiǎn)未參保人數(shù)、鄉(xiāng)(鎮(zhèn))電話用戶、城鎮(zhèn)登記失業(yè)率、鄉(xiāng)村醫(yī)生及衛(wèi)生員反映了社會(huì)保障的水平，影響因素概括為社會(huì)保障；民族總?cè)丝跀?shù)則與一切社會(huì)活動(dòng)、社會(huì)關(guān)系、社會(huì)現(xiàn)象和社會(huì)問題相關(guān)。還有一些指標(biāo)如社會(huì)消費(fèi)品零售總額、公路網(wǎng)客運(yùn)量及初中畢業(yè)生升學(xué)率對(duì)目標(biāo)要素的貢獻(xiàn)程度較低，與鐵路網(wǎng)的擴(kuò)張之間聯(lián)系并不緊密。綜合分析，上述15 項(xiàng)影響因素按照關(guān)聯(lián)度系數(shù)的大小，比較各指標(biāo)對(duì)鐵路網(wǎng)擴(kuò)張指標(biāo)的影響程度，對(duì)鐵路擴(kuò)張的主要影響因素是國(guó)內(nèi)生產(chǎn)總值、收入水平、社會(huì)保障及人口數(shù)量。

表2 社會(huì)、經(jīng)濟(jì)評(píng)價(jià)指標(biāo)與鐵路網(wǎng)擴(kuò)張指標(biāo)的相關(guān)性系數(shù)Tab.2 Correlation coefficients between social and economic evaluation indicators and railway network expansion indicators

2.3 加權(quán)關(guān)聯(lián)度計(jì)算

依據(jù)表3，采用公式(9)計(jì)算新疆鐵路網(wǎng)擴(kuò)張?jiān)u價(jià)指標(biāo)的加權(quán)關(guān)聯(lián)度及關(guān)聯(lián)序如表4 所示。

根據(jù)已有研究資料，并結(jié)合新疆實(shí)際狀況，提出加權(quán)關(guān)聯(lián)度評(píng)價(jià)分級(jí)如表5 所示。

從表5 知，評(píng)價(jià)鐵路網(wǎng)擴(kuò)張指標(biāo)優(yōu)劣的順序是C3＞C4＞C6＞C1＞C5＞C2，鐵路網(wǎng)密度、人均鐵路里程與影響因素的關(guān)聯(lián)度最高，分別是0.856 8 (高關(guān)聯(lián)度)和0.731 5 (較高關(guān)聯(lián)度)。

表3 權(quán)重及關(guān)聯(lián)度系數(shù)Tab.3 Correlation coefficient and weight calculation

圖1 影響因素對(duì)評(píng)價(jià)指標(biāo)的影響分析圖Fig.1 Analysis of the influence of factors on the evaluation index

表4 新疆鐵路網(wǎng)擴(kuò)張?jiān)u價(jià)指標(biāo)的加權(quán)關(guān)聯(lián)度及關(guān)聯(lián)序Tab.4 Weighted correlation degree and correlation order of Xinjiang railway network expansion evaluation indicators

表5 加權(quán)關(guān)聯(lián)度評(píng)價(jià)分級(jí)Tab.5 Evaluation grade of weighted relevance

3 新疆鐵路網(wǎng)擴(kuò)張模型

3.1 理論模型建立

假設(shè)上述影響因素是引起新疆鐵路網(wǎng)擴(kuò)張的全部影響因子，且鐵路網(wǎng)的變化是對(duì)影響因子變化的響應(yīng)過程，則鐵路網(wǎng)擴(kuò)張分析的目標(biāo)便是分別量化鐵路網(wǎng)密度、人均鐵路里程對(duì)不同影響因子的變化。以鐵路網(wǎng)密度為例，以Cobb-Douglas 生產(chǎn)函數(shù)為基礎(chǔ)[14-16]，將影響因子視作生產(chǎn)要素，建立鐵路網(wǎng)密度生產(chǎn)函數(shù)模型，利用回歸分析計(jì)算不同因子對(duì)鐵路網(wǎng)密度的影響彈性指數(shù)。函數(shù)模型表示如下。

式中：RND為研究區(qū)域內(nèi)鐵路網(wǎng)密度；Dg為GDP；Di為收入水平；Ds為社會(huì)保障；Dp為人口總數(shù)；a，b，c，d分別為上述指標(biāo)的影響彈性系數(shù)；A為常系數(shù)。

為求取彈性系數(shù)，首先通過對(duì)數(shù)化對(duì)函數(shù)模型進(jìn)行線性轉(zhuǎn)換，得到的線性函數(shù)模型如下。

令Y=ln (RND)，K0=ln (A)，K1=ln (Dg)，K2=ln (Di)，K3=ln (Ds)，K4=ln (Dp)，則公式(11) 可以轉(zhuǎn)化為

其中Dg，Di，Ds及Dp可以通過相關(guān)資料計(jì)算得出，A，a，b，c，d可以通過線性模型進(jìn)行參數(shù)估計(jì)。

3.2 實(shí)際模型建立

為了求出上述理論模型的參數(shù)，依據(jù)對(duì)數(shù)化序列數(shù)據(jù)進(jìn)行回歸分析，即可得到各要素影響彈性系數(shù)[17-19]。統(tǒng)計(jì)2014—2018 年新疆各項(xiàng)數(shù)據(jù)，算出相應(yīng)的參數(shù)，帶入公式(12)得

擬合回歸方程擬合度R2= 0.539，在顯著性水平α= 0.01，約束條件為5 時(shí)，相關(guān)系數(shù)臨界值為0.454，可知擬合函數(shù)滿足要求，公式(13)取對(duì)數(shù)后

為了驗(yàn)證鐵路網(wǎng)密度生產(chǎn)函數(shù)模型對(duì)新疆鐵路網(wǎng)密度預(yù)測(cè)的準(zhǔn)確性，分別以2015 年、2016 年新疆15 個(gè)地州(市)鐵路網(wǎng)密度的實(shí)際值與預(yù)測(cè)值相比較。2015 年新疆鐵路網(wǎng)密度預(yù)測(cè)值與實(shí)際值比較如圖2 所示，2016 年新疆鐵路網(wǎng)密度預(yù)測(cè)值與實(shí)際值比較如圖3 所示。

圖2 2015 年新疆鐵路網(wǎng)密度預(yù)測(cè)值與實(shí)際值比較Fig.2 Comparison of the predicted and actual values of the Xinjiang railway network density in 2015

比較圖2、圖3 的結(jié)果可知，除烏魯木齊市、昌吉市及吐魯番市之外，新疆鐵路網(wǎng)密度預(yù)測(cè)值與實(shí)際值較為一致。比較各市國(guó)內(nèi)生產(chǎn)總值、收入水平、社會(huì)保障、人口數(shù)量，其值越高，則該市鐵路網(wǎng)密度就越大，說明鐵路網(wǎng)的擴(kuò)張刺激了該市的經(jīng)濟(jì)社會(huì)發(fā)展，同時(shí)經(jīng)濟(jì)和社會(huì)發(fā)展反饋于鐵路網(wǎng)擴(kuò)張。由此可以得出一個(gè)基本推論，即對(duì)于國(guó)內(nèi)生產(chǎn)總值、收入水平、社會(huì)保障、人口與鐵路網(wǎng)協(xié)調(diào)發(fā)展的地方來說，這些指標(biāo)與鐵路網(wǎng)密度在動(dòng)態(tài)中保持著發(fā)展協(xié)調(diào)性。

圖3 2016 年新疆鐵路網(wǎng)密度預(yù)測(cè)值與實(shí)際值比較Fig.3 Comparison of the predicted and actual values of the Xinjiang railway network density in 2016

3.3 鐵路網(wǎng)擴(kuò)張依賴-偏好指數(shù)

除上述因素影響鐵路網(wǎng)建設(shè)條件外，各地不同的自然資源、城市定位及政策偏好等對(duì)鐵路網(wǎng)擴(kuò)張規(guī)律也有影響。因此，鐵路網(wǎng)模型預(yù)測(cè)值與實(shí)際密度之間存在些許偏差，這種偏差反映了鐵路建設(shè)規(guī)劃區(qū)域之間存在的規(guī)律差異。根據(jù)鐵路網(wǎng)密度生產(chǎn)函數(shù)模型，提出新疆鐵路網(wǎng)擴(kuò)張依賴-偏好指數(shù)，該指數(shù)可以反映區(qū)域差異在鐵路網(wǎng)擴(kuò)張簡(jiǎn)化模型上引起的偏差。

式中：i為鐵路網(wǎng)擴(kuò)張依賴－偏好指數(shù)；Rr為新疆各地實(shí)際鐵路網(wǎng)密度統(tǒng)計(jì)值；Rh為新疆各地?cái)U(kuò)張模型鐵路網(wǎng)密度預(yù)測(cè)值。

研究中鐵路網(wǎng)擴(kuò)張依賴－偏好指數(shù)反映了區(qū)域經(jīng)濟(jì)、人口數(shù)量、產(chǎn)業(yè)發(fā)展等對(duì)鐵路網(wǎng)的影響度和鐵路網(wǎng)建設(shè)的偏好以及走勢(shì)。考慮上述因素，在鐵路網(wǎng)擴(kuò)張模型基礎(chǔ)上加入擴(kuò)張依賴－偏好指數(shù)，調(diào)整后函數(shù)模型為

借鑒以往研究成果[20-21]，結(jié)合新疆發(fā)展情況計(jì)算出新疆鐵路網(wǎng)擴(kuò)張依賴－偏好指數(shù)如表6 所示。

表6 新疆鐵路網(wǎng)擴(kuò)張依賴-偏好指數(shù)Tab.6 Xinjiang railway network expansion dependence-Preference index

3.4 鐵路網(wǎng)密度預(yù)測(cè)

依據(jù)上述結(jié)果，將預(yù)測(cè)的2025 年國(guó)內(nèi)生產(chǎn)總值、收入水平、社會(huì)保障及人口數(shù)據(jù)代入公式(17)，得到2025 年新疆15 個(gè)地州(市)鐵路網(wǎng)密度預(yù)測(cè)值如圖4 所示。

從圖4 可以看出，新疆鐵路網(wǎng)密度距全國(guó)平均水平仍有差距，北疆各地州(市)鐵路發(fā)展較快，烏魯木齊市的鐵路網(wǎng)密度達(dá)到76.4 km/萬km2，南疆各地州(市)鐵路建設(shè)相對(duì)緩慢，鐵路網(wǎng)密度普遍低于20 km /萬km2。截至2025 年，雖然新疆鐵路運(yùn)能基本可以滿足經(jīng)濟(jì)社會(huì)發(fā)展需要，但鐵路網(wǎng)布局依然不夠完善，南北疆發(fā)展差異較為突出，蘭新鐵路聯(lián)絡(luò)線(蘭州—阿拉山口)、庫格鐵路(庫車—格爾木)、和羌鐵路(和田—若羌)、南疆鐵路(吐魯番—喀什)等線路將有助于促進(jìn)新疆鐵路網(wǎng)密度提高，對(duì)新疆經(jīng)濟(jì)社會(huì)發(fā)展具有重大作用。新疆經(jīng)濟(jì)增長(zhǎng)相對(duì)粗放[22]，各地州(市)經(jīng)濟(jì)結(jié)構(gòu)不優(yōu)，生產(chǎn)力布局不均。因此，針對(duì)各地州的投資偏好也存在差別，對(duì)新疆鐵路建設(shè)相關(guān)政策建議如下。

（1）以各地州(市)的合理鐵路網(wǎng)密度為基礎(chǔ)，調(diào)整各地經(jīng)濟(jì)結(jié)構(gòu)與生產(chǎn)力分布。固定資產(chǎn)投資、工業(yè)生產(chǎn)總值、第一產(chǎn)業(yè)占比對(duì)目標(biāo)要素貢獻(xiàn)程度較大，上述3 項(xiàng)指標(biāo)因素均在一定程度上反映了經(jīng)濟(jì)結(jié)構(gòu)與生產(chǎn)力的分布，建設(shè)符合鐵路擴(kuò)張規(guī)律、鐵路網(wǎng)密度相匹配的經(jīng)濟(jì)結(jié)構(gòu)與生產(chǎn)力的合理布局顯得尤為重要。

（2）因地制宜發(fā)展產(chǎn)業(yè)興市，促進(jìn)脫貧攻堅(jiān)和國(guó)土開發(fā)。新疆各地州的產(chǎn)業(yè)發(fā)展極不平衡，烏魯木齊、克拉瑪依、吐魯番、哈密等地發(fā)展程度較高，代表產(chǎn)業(yè)為石油、旅游與制造業(yè)等；和田、阿克蘇、博爾塔拉等地發(fā)展程度較低，代表的產(chǎn)業(yè)為電力、燃?xì)馀c采礦業(yè)等。因此，針對(duì)各地州(市)的經(jīng)濟(jì)狀況、地理環(huán)境、民俗風(fēng)情等，重點(diǎn)發(fā)展與區(qū)域?qū)嶋H相匹配的高新產(chǎn)業(yè)。格庫鐵路、和若鐵路、阿富準(zhǔn)鐵路(阿拉山口—準(zhǔn)東)、博州支線、克塔鐵路(克拉瑪依—塔城)鐵廠溝—塔城段等一批國(guó)土開發(fā)鐵路，2014—2018 年帶動(dòng)新疆累計(jì)脫貧231.47 萬人。

（3）擴(kuò)大鐵路建設(shè)資金來源，發(fā)展多元化的投資主體。鐵路建設(shè)投資巨大，目前主要以國(guó)家投資為主，社會(huì)投資比重較低。因此，采取差別化的政策，在保證國(guó)家投資的前提下，發(fā)展多元化的投資主體，增加社會(huì)投資比重，使鐵路建設(shè)有充足的資金保障。

圖4 2025 年新疆15 個(gè)地州(市)鐵路網(wǎng)密度預(yù)測(cè)值Fig.4 Predicted values of railway network density in 15 prefectures(cities) of Xinjiang in 2025

4 研究結(jié)論

應(yīng)用熵權(quán)灰色關(guān)聯(lián)法，結(jié)合新疆經(jīng)濟(jì)社會(huì)及鐵路網(wǎng)發(fā)展?fàn)顩r，基于新疆鐵路網(wǎng)擴(kuò)張規(guī)律，定量分析經(jīng)濟(jì)社會(huì)發(fā)展對(duì)鐵路網(wǎng)發(fā)展的影響，主要結(jié)論如下。

（1）鐵路網(wǎng)密度與GDP、收入水平、社會(huì)保障、人口數(shù)量有較高的關(guān)聯(lián)度，通過分析其關(guān)系建立新疆鐵路網(wǎng)密度生產(chǎn)函數(shù)模型，該模型可以較為準(zhǔn)確地預(yù)測(cè)新疆鐵路網(wǎng)需求密度。

（2）從預(yù)測(cè)結(jié)果來看，北疆鐵路網(wǎng)密度明顯高于南疆。因此，應(yīng)促進(jìn)南北疆鐵路通道貫通，鐵路網(wǎng)密度均衡發(fā)展，同時(shí)及時(shí)調(diào)整經(jīng)濟(jì)結(jié)構(gòu)與生產(chǎn)力分布。

（3）除了考慮GDP、收入水平、社會(huì)保障、人口等因素外，還應(yīng)顧及自然資源、城市定位及政策偏好的區(qū)域差異。

（4）以預(yù)測(cè)新疆各地州(市)2025 年的鐵路網(wǎng)密度為基礎(chǔ)，適時(shí)調(diào)整與鐵路網(wǎng)發(fā)展相匹配的經(jīng)濟(jì)結(jié)構(gòu)與生產(chǎn)力布局，促進(jìn)脫貧攻堅(jiān)與國(guó)土開發(fā)，采取差別化的政策，發(fā)展多元的鐵路投資主體。