新冠疫情防控對大灣區(qū)高速公路運輸?shù)挠绊懛治?/h1>
2022-10-29 09:17:58林培群曾維嘉周楚昊龐崇浩
交通運輸系統(tǒng)工程與信息 2022年5期
林培群，曾維嘉，周楚昊，龐崇浩
(華南理工大學(xué)，土木與交通學(xué)院，廣州 510640）
0 引言
高速公路是公路的重要組成部分，截至2020年底，我國高速公路通車總里程為16.1萬km[1]。自2019年底全國取消高速公路省界收費站后[2]，高速公路運輸?shù)靡赃M一步提速，其運輸指標(biāo)對衡量地區(qū)經(jīng)濟發(fā)展具有重要的參考價值，已成為交通運輸統(tǒng)計行業(yè)工作的重中之重。新冠疫情爆發(fā)后，我國高速公路運輸受到了嚴(yán)重影響。自全國進入常態(tài)化疫情防控狀態(tài)以來，國內(nèi)疫情呈現(xiàn)出區(qū)域性和散發(fā)性的爆發(fā)趨勢，各地為遏制疫情發(fā)布了不同的防控措施，這些措施在取得防疫效果的同時，也對客貨運輸和經(jīng)濟發(fā)展造成了一定的影響。為了能更好地制定與實施防疫方案，研究分析疫情防控措施對客貨運輸?shù)挠绊懯鞘直匾摹?/p>
目前，針對新冠疫情防控措施的研究主要分為兩類。第一類研究主要涉及疫情防控措施對病毒傳播的影響。LAU 等[3]通過分析中國航班架次與確診病例的相關(guān)性說明，武漢“封城”對切斷病毒傳播起到了積極作用。陳武等[4]通過空間面板回歸模型論證交通管制對遏制疫情的顯著效果。賈興利等[5]基于傳染病控制理論，構(gòu)建疫情傳播SEIR(Susceptible Exposed Infectious Recovered)優(yōu)化模型，對比分析不同防控措施對疫情發(fā)展的阻斷效果。姬楊蓓蓓等[6]通過相關(guān)性分析和中介效應(yīng)分析探究公共交通管控對疫情傳播的調(diào)節(jié)作用。還有學(xué)者通過確診分布情況與人口流動數(shù)據(jù)分析說明中國在疫情初期的嚴(yán)格防控政策極大地緩解了疫情的傳播[7-8]。第二類研究關(guān)注新冠疫情防控措施對交通運輸和經(jīng)濟發(fā)展等方面的影響。張釗等[9]基于移動手機漫游數(shù)據(jù)，分析武漢“封城”對浙江省交通流的影響。周一鳴等[10]從鐵路、公路及民航3 方面對比非典與新冠疫情對我國客貨運輸?shù)挠绊?。江飛濤等[11]從確診人數(shù)和經(jīng)濟復(fù)蘇兩個角度對我國在疫情期間采取的交通管制措施效果進行評估。閆常鑫等[12]量化分析了交通防控政策對長沙市人口流動的影響。ALOIloi等[13]量化了西班牙桑坦德市防疫措施對城市交通和NO2排放的影響。
綜上所述，現(xiàn)有對疫情防控措施的研究取得了一定的進展，但仍存在不足。一是國內(nèi)的相關(guān)研究主要聚焦于2020年初爆發(fā)的全國性疫情，缺少常態(tài)化疫情防控時代下地區(qū)性疫情案例的研究分析；二是現(xiàn)有研究沒有對防控措施加以區(qū)分，不同級別措施下研究對象的特征變化差異被忽略；三是研究角度不夠全面，不少研究僅針對單一指標(biāo)，沒有對運輸活動中的關(guān)鍵指標(biāo)開展較全面的分析。
本文以粵港澳大灣區(qū)為例，聚焦廣州、佛山、東莞及深圳4個大灣區(qū)主要城市，研究常態(tài)化疫情防控下防控措施對高速公路客貨運輸指標(biāo)的影響。本文采用廣東省高速公路數(shù)據(jù)，對疫情防控措施進行分級與階段劃分，通過構(gòu)建雙重差分模型(Difference In Difference)分析多個高速公路運輸指標(biāo)的變化，檢驗疫情防控措施的影響效應(yīng)，本文的研究結(jié)論可為疫情防控措施的制定與實施提供參考。
1 研究框架
本文以高速公路數(shù)據(jù)和各城市疫情防控措施為原始數(shù)據(jù)，首先，對高速公路數(shù)據(jù)進行預(yù)處理，并計算各高速公路運輸指標(biāo)，同時，對疫情防控措施進行分級與階段劃分；然后，結(jié)合兩類數(shù)據(jù)做影響分析，并進行平行趨勢檢驗；最后，將數(shù)據(jù)輸入到本文構(gòu)建的雙重差分模型中計算，得到疫情防控措施對運輸指標(biāo)的凈效應(yīng)和顯著性，得出結(jié)論。研究框架如圖1所示。
圖1 研究框架Fig.1 Research framework of this paper
2 基礎(chǔ)數(shù)據(jù)與方法
2.1 高速公路數(shù)據(jù)內(nèi)容
本文采用的高速公路基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)完整，字段齊全，包括高速公路收費數(shù)據(jù)和收費站信息數(shù)據(jù)。其中，高速公路收費數(shù)據(jù)主要字段包括：車輛類型、車輛種類、入口時間、出口時間、入口載重、行駛里程、入口收費站和出口收費站等；收費站地理位置數(shù)據(jù)主要字段包括：收費站名稱、收費站車道編碼、收費站所在地區(qū)和所在城市等。
本文對上述兩種基礎(chǔ)數(shù)據(jù)進行相互匹配，將收費數(shù)據(jù)根據(jù)收費站位置信息匹配到具體城市，為運輸指標(biāo)計算打下基礎(chǔ)。
2.2 高速公路運輸指標(biāo)計算方法
為全面地反映新冠疫情爆發(fā)對社會生活層面和經(jīng)濟運行層面上的沖擊，本文選取客車通行量、貨車通行量、貨運量、貨物周轉(zhuǎn)量、客車平均運距和貨車平均運距開展研究，指標(biāo)計算公式如下。
(1)通行流量計算
統(tǒng)計研究時段內(nèi)各城市高速公路每日通行的客車和貨車流量f。
式中：i為車輛來源，分為市內(nèi)出行、市際出行(產(chǎn)生)及市際出行(吸引)這3類(n=3)，市內(nèi)出行為起點和訖點都在該市的車次，市際出行產(chǎn)生(吸引)指以該市為起點且以市外為訖點(以市外為起點且以該市為訖點)的車次；j為車輛類型，1～4為客車，5～10 為普通貨車，11～16 為專項作業(yè)車，m=16；xi,j為第i類型車的第j型車的總通行流量。
(2)平均運距計算
統(tǒng)計研究時段內(nèi)各城市高速公路每日通行的客車和貨車平均運距s。
式中：li,j,k為第i類車第j型第k輛車在高速公路上行駛的總里程。
(3)貨運量和貨物周轉(zhuǎn)量計算
統(tǒng)計研究時段內(nèi)各城市高速公路每日的貨運量g和貨物周轉(zhuǎn)量z。
式中：ei,j,k、si,j,k分別為第i類第j型第k輛車在高速公路入口稱重、該車自重。
2.3 基于雙重差分模型的疫情防控影響程度分析
本文采用雙重差分模型(DID模型)識別不同級別疫情防控措施對高速公路運輸指標(biāo)的凈效應(yīng)和顯著性。雙重差分模型常用于定量評價政策或項目實施的作用，通過將組別差異(對照組和實驗組)和前后差異(防疫措施實施前后)有效結(jié)合，同時，加入周通勤變化和天氣因素等可能導(dǎo)致因變量變化的控制變量，更為精確地得到對措施效果的真實評估[14]。本文構(gòu)建的疫情防控措施DID模型為
式中：Qr,t為疫情案例r在日期t的高速公路運輸指標(biāo)強度值(標(biāo)準(zhǔn)化去量綱處理)；Tr為疫情案例r的組別虛擬變量；假設(shè)疫情案例r中防控措施被分為u級，則Pt,y為各城市實施的第y級防控措施的虛擬變量；Dt為周變化規(guī)律控制變量，用于控制因高速公路每日通勤造成的指標(biāo)波動變化；Wt為天氣因素控制變量，用于控制因天氣原因造成的指標(biāo)波動變化；α為常數(shù)；βy為第y級防控措施的影響效應(yīng)系數(shù)；λ和δ為控制變量系數(shù)；γr為組別固定效應(yīng)；μt為時間固定效應(yīng)；εr,t為擾動項。
另外，為保證對照組與實驗組在防疫措施通告發(fā)布時間點之前具有可比性，需要在模型求解之前通過平行趨勢檢驗。
3 案例研究
3.1 高速公路數(shù)據(jù)選取
本文選取2020年5月6日—2022年4月6日廣東省高速公路收費站流水?dāng)?shù)據(jù)開展研究，并根據(jù)處理方法進行數(shù)據(jù)預(yù)處理和收費站匹配。廣東省作為粵港澳大灣區(qū)的核心，在高速公路建設(shè)與發(fā)展中取得了顯著成就。截至2021年底，廣東高速公路通車總里程超過1.1萬km，總里程連續(xù)8年排名全國第一[15]，因此，本文的數(shù)據(jù)集具有代表性。
3.2 大灣區(qū)主要城市疫情防控措施
廣州、佛山、東莞及深圳4 個城市在粵港澳大灣區(qū)的社會發(fā)展和經(jīng)濟交流中起到了極為重要的作用。研究時段內(nèi)，廣東省內(nèi)絕大多數(shù)疫情案例均在上述4 個城市爆發(fā)，因此，本文著重關(guān)注穗深佛莞4 市的疫情案例及其高速公路運輸指標(biāo)隨疫情防控措施的變化情況。
本文挑選2020年5月6日—2022年4月6日穗深佛莞4 個城市爆發(fā)過的本土聚集性疫情進行分析，共6個案例。以各地疫情防控指揮部發(fā)布的通 告信息作為疫情防控措施基礎(chǔ)數(shù)據(jù)，如表1所示。
表1 各市疫情案例及其防控措施情況Table 1 COVID-19 situation in each city and its prevention and control measures
3.3 疫情防控措施等級與階段劃分
我國進入疫情常態(tài)化防控以來，各省市對疫情案例不再采取公共衛(wèi)生事件分級方法，實施劃分低中高風(fēng)險地區(qū)的精準(zhǔn)防控策略，取得了顯著的防疫效果。但在交通運行層面上，封控區(qū)會不可避免地對周邊區(qū)域造成一定程度的影響，因此，仍要從城市層面考慮防控措施的整體效應(yīng)。另外，還要考慮不同防控措施之間的影響程度差異。為此，本文根據(jù)通告的具體事件從城市層面對疫情案例的防控措施進行分類分級，并對防控階段進行劃分。
如表1所示，疫情爆發(fā)后，各市首先對涉疫區(qū)域?qū)嵤┓饪毓芾?，封控區(qū)內(nèi)實行“足不出戶”，管控區(qū)內(nèi)實行“足不出區(qū)”，封控區(qū)與全市其他區(qū)域的交流被隔斷。然后，各市防控指揮部發(fā)布加強全市防控的通告，例如，廣州市于2021年5月29日發(fā)布《做好關(guān)于新冠肺炎疫情分級分類防控工作的通告》。該類通告的主要內(nèi)容為嚴(yán)格出行、人員及交通等8 項防控，實施全市全員核酸。此時，非必要的社交和出行需求減少，城市的生產(chǎn)生活在加強防控措施下有序運行，本文將該階段定義為加強防控階段(I級)。
當(dāng)疫情傳播不受控時，社會面新增確診病例數(shù)居高不下，城市為完全切斷疫情傳播，將采取嚴(yán)格防控措施。例如，2022年3月12日，東莞市多鎮(zhèn)街發(fā)布小區(qū)封閉和合圍管理的通告，2022年3月14日，繼上一通告后，東莞通告全市公共交通停運。同樣的，2022年3月12日深圳市開始實行小區(qū)封閉和合圍管理。2022年3月14日，深圳市進一步通告全市公交地鐵停運。此時，市民的通勤出行與產(chǎn)業(yè)的生產(chǎn)活動暫時停止，本文將該階段定義為嚴(yán)格防控階段(II級)。
當(dāng)各市疫情擴散勢頭得以控制后，以涉疫區(qū)域解封為標(biāo)志，各市逐步解除對“三區(qū)”的封控，進入到管控后的恢復(fù)期。
基于以上分析，本文將穗深佛莞4市的疫情防控措施進行劃分，如表2所示。其中，E1～E4疫情案例實施I級防疫措施，E5和E6疫情案例實施I級和II級防控措施。
表2 疫情案例防控措施等級與階段劃分Table 2 Levels and stages of COVID-19 prevention and control measures
3.4 高速公路運輸指標(biāo)變化分析
根據(jù)表2，2021年5月前，穗深佛莞均沒有受到疫情沖擊，2021年5月后，4 個城市相繼爆發(fā)了疫情。因此，本文將研究時段分為A時期與B時期，A時期從2020年5月6日—2021年4月6日，B時期從2021年5月6日—2022年4月6日，方便進行同期對照與分析。分段和各疫情案例爆發(fā)時間如圖2所示。
圖2 研究時段劃分與各次疫情案例示意Fig.2 Division of study period and cases of each COVID-19 epidemic
根據(jù)表2，深圳市在B時期內(nèi)發(fā)布過I級和II級的防控措施，在4個城市中具有代表性，因此，以深圳市為例進行高速公路運輸指標(biāo)影響分析。結(jié)合表1和表2，繪制深圳市高速公路運輸指標(biāo)變化趨勢，如圖3所示。
圖3中第1 條豎虛線是B 時期深圳E4 疫情進入I 級階段的時間點(2022年1月7日)，第2 條豎虛線是E4疫情開始解封的時間點(2022年1月21日)，第3條豎虛線是B時期深圳E5疫情進入I級階段的時間點(2022年2月16日)，第4條豎虛線是E5疫情進入II 級階段的時間點(2022年3月12日)，第5 條豎虛線是深圳市發(fā)布復(fù)工復(fù)產(chǎn)通告的時間(2022年3月18日)。值得一提的是，B時期的春節(jié)假期位于第2和第3條豎虛線之間。
圖3(a)顯示，在E4 疫情的I 級階段，深圳市高速公路客車流量陡然下跌；A時期同期的客車流量隨時間的變化規(guī)律相對穩(wěn)定。在E5 疫情的I 級階段，客車流量呈現(xiàn)下降趨勢，但降幅不及E4 疫情；在E5疫情的II級防控階段，客車流量劇烈下降，直至復(fù)工復(fù)產(chǎn)后，客車流量才逐漸恢復(fù)；而A 時期同期的客車流量保持穩(wěn)定。
圖3(b)顯示，在E4 和E5 疫情的I 級防控階段，貨車流量未表現(xiàn)出顯著下降趨勢。當(dāng)深圳E5疫情采取嚴(yán)格的II級防控措施后，貨車流量劇烈下降；A時期同期的指標(biāo)保持穩(wěn)定。貨運量和貨物周轉(zhuǎn)量與貨車流量的變化趨勢基本一致，本文不再展示其變化趨勢圖。
圖3(c)和圖3(d)分別是深圳市客車和貨車的平均運距變化趨勢圖。在E4 疫情中，客車市際平均運距下跌，貨車平均運距沒有明顯波動；在E5疫情的II 級防控中，客車市際平均運距出現(xiàn)明顯上升，貨車市際平均運距也有向上波動趨勢。
圖3 深圳市高速公路運輸指標(biāo)變化趨勢Fig.3 Trend chart of Shenzhen expressway transportation indicators
以上是深圳市高速公路運輸指標(biāo)的變化分析，由于各城市和各疫情案例的特征并不完全相同，為進一步說明指標(biāo)變化與防控措施的關(guān)系，仍需通過構(gòu)建的DID 模型對各案例進行量化與顯著性分析。
4 DID模型求解與結(jié)果分析
本文首先對運輸指標(biāo)進行數(shù)據(jù)標(biāo)準(zhǔn)化處理，得到無量綱的指標(biāo)強度，以保證研究結(jié)果的可靠性。然后，為消除高速公路周通勤變化對模型的干擾，將A 時期做時間偏移處理，使兩個時期的周日對齊。另外，為消除部分案例中春節(jié)假期的影響，兩個時期將依照春節(jié)假期后首個周一或依照農(nóng)歷同期進行偏移對齊。
4.1 平行趨勢檢驗
平行趨勢檢驗是DID 模型的求解前提。東莞市E3疫情中，運輸指標(biāo)強度的平行趨勢檢驗如圖4所示。
圖4 東莞市E3疫情運輸指標(biāo)強度平行趨勢Fig.4 Parallel trend of expressway transportation indicators intensity in Dongguan COVID-19 Case E3
圖4中豎虛線是東莞E3 疫情發(fā)布I 級防控措施的時間點。本文設(shè)A時期為對照組，B時期為實驗組，圖4顯示，對照組和實驗組在豎虛線之前滿足平行趨勢檢驗。
4.2 構(gòu)建模型與求解分析
基于表2與式(5)，構(gòu)建適用于本文疫情案例的DID模型為
式中：Tr為疫情案例r的組別虛擬變量，本文設(shè)A時期為對照組，B 時期為實驗組，對照組取0，實驗組取1；Ct為各城市實施I級(加強)防控措施的虛擬變量，例如，廣州市E1案例在2021年5月21日之前取值為0，之后取值為1；Bt為各城市實施II 級(嚴(yán)格)防控措施的虛擬變量，例如，深圳市E5 案例在2022年3月12日之前取值為0，之后取值為1。
求解模型，著重關(guān)注組別與防控措施的交互項系數(shù)β1和β2。疫情防控措施對客車和貨車流量的影響如表3所示。
表3 不同疫情防控措施對客、貨通行量強度的影響Table 3 Impact of different COVID-19 prevention and control measures on flow intensity
客車流量方面，當(dāng)各市采取I級防控措施時，所有案例的客車流量降幅在8%～27%之間，指標(biāo)下降與防控措施存在顯著關(guān)聯(lián)；I級防控措施對客車通行有明顯的抑制效應(yīng)，防控措施起到了良好效果。貨車流量方面，除E1和E2疫情以外，I級防控措施對大多數(shù)案例的貨車流量影響不顯著；在I 級防控階段，貨運這一城市命脈仍在正常運行，未受到太大影響，模型求解結(jié)果與前述變化分析一致。
II 級防控措施對客車與貨車通行均產(chǎn)生了嚴(yán)重的負(fù)面效應(yīng)。深圳E5 疫情和東莞E6 疫情的客車流量分別在I 級影響的基礎(chǔ)上下降了46.3%和33.7%。兩市的貨車流量同樣遭受重創(chuàng)，下跌幅度分別為42.7%和27.6%。結(jié)果表明，全域交通管制和小區(qū)封閉式管理等嚴(yán)格措施導(dǎo)致客車流量降至谷底，而工業(yè)園區(qū)的停工停產(chǎn)也造成了貨車流量的嚴(yán)重下跌。
貨運量和貨物周轉(zhuǎn)量在不同防控措施下的影響效應(yīng)如表4和表5所示。
表4 不同疫情防控措施對貨運量強度的影響Table 4 Impact of different COVID-19 prevention and control measures on cargo intensity
表5 不同疫情防控措施對貨物周轉(zhuǎn)量強度的影響Table 5 Impact of different COVID-19 prevention and control measures on turnover intensity
貨運量和貨物周轉(zhuǎn)量指標(biāo)的變化規(guī)律與貨車流量基本相同。即在I 級階段，大多數(shù)案例的貨運指標(biāo)影響不顯著。實施II 級防控措施后，深圳E5疫情的貨運量和貨物周轉(zhuǎn)量顯著下降均超過40%，東莞E6 疫情的兩個指標(biāo)顯著下降超20%?？梢?，為徹底切斷病毒傳播，保障人民的生命健康，兩市的經(jīng)濟與運輸付出了較大代價。
客車和貨車市際產(chǎn)生和吸引平均運距在不同防控措施下的影響效應(yīng)如表6和表7所示。
表6 不同疫情防控措施對客車市際平均運距強度的影響Table 6 Impact of different COVID-19 prevention and control measures on average inter-city distance intensity of passenger cars
表7 不同疫情防控措施對貨車市際平均運距強度的影響Table 7 Impact of different COVID-19 prevention and control measures on average inter-city distance of trucks
表6顯示，當(dāng)城市實施I級防控措施時，E1、E2、E3和E6疫情案例的防控措施實施對客車市際平均運距的影響具有顯著性，普遍出現(xiàn)10%以下的小幅度下跌。而當(dāng)城市實施II 級防控措施時，深圳E5疫情客車市際產(chǎn)生和吸引平均運距顯著上升16.5%和7.76%，東莞E6 疫情的相應(yīng)指標(biāo)分別上升14.1%和8.25%。結(jié)果表明，I 級防控時，由于防疫規(guī)定，市民更傾向于短距出行，減少非必要的或長距離的跨市出行活動。II級防控時，所有小區(qū)實施封閉管理，企業(yè)居家辦公，該市與鄰市之間的短距出行已中止，此時，仍在運行的客車運距普遍較大，加上交通管制導(dǎo)致了繞行，使得客車市際平均運距增加。
表7顯示，除東莞E3 疫情案例外，貨車市際產(chǎn)生和吸引平均運距與I 級防疫措施不存在統(tǒng)計顯著。在II 級防控措施階段，深圳E5 疫情貨車市際產(chǎn)生和吸引平均運距分別顯著上升5.20%和13.0%，東莞E6 疫情的指標(biāo)分別顯著上升18.3%和24.5%。這是因為：①貨物中轉(zhuǎn)場站關(guān)閉導(dǎo)致轉(zhuǎn)運無法完成，單次運輸距離增加；②高速公路封閉和全域交通管制導(dǎo)致通行受阻，車輛繞行距離增加。
5 結(jié)論
在疫情常態(tài)化防控時代，為遏制疫情傳播所采取的防控措施對城市社會經(jīng)濟產(chǎn)生了一定的影響。本文為當(dāng)前城市和城市群疫情防控措施的制定與實施提供了一定的參考價值。
主要結(jié)論如下：
(1)不同等級的疫情防控措施對高速公路客車通行均產(chǎn)生顯著影響。I 級防控措施實施后，E1～E4 案例的客車流量降幅超過17%，E5 和E6 案例的降幅為9%左右。II 級防控措施實施后，E5 和E6 案例的客車流量分別在I 級階段的基礎(chǔ)上再下降46.3%和33.7%，說明疫情防控措施對客車出行的影響十分顯著。
(2)不同城市的防控措施影響效應(yīng)不同。在I級防控措施下，E1～E3 疫情案例的客車指標(biāo)(流量和市際平均運距)降幅較E5和E6案例更高，說明后疫情時代下，人們對本土首次聚集性疫情的警惕心理更強，對防控措施的遵守程度更高。相比之下，E5 和E6 疫情案例的客車指標(biāo)在I 級階段的降幅偏低，說明防控措施未達(dá)到預(yù)期效果，疫情仍在蔓延，進而導(dǎo)致II級防控措施的實施。
(3)大多數(shù)案例的高速公路貨運指標(biāo)在I 級防控措施下無顯著影響，說明在該階段各城市仍然保障貨運命脈的正常運行，城市貨運具有剛性。II級防控措施對貨運的影響則非常顯著，深莞貨車流量分別下降42.7%和27.6%，貨運量和貨運周轉(zhuǎn)量下降幅度與流量相當(dāng)，說明嚴(yán)格防控措施使城市經(jīng)濟與貨物運輸受到較大的短期影響。
(4)高速公路客車市際平均運距在I 級防控措施下有降低趨勢。而在II級防控階段，高速公路客車和貨車市際平均運距均顯著提升，此時，貨物組合運輸無法完成，客貨單次運輸?shù)木嚯x和難度均有所上升。另外，交通管制也導(dǎo)致了車輛的繞行距離增加。本文建議各城市在進入II級防控階段前，對醫(yī)療急救和物資運輸?shù)确矫孀龊贸浞值膽?yīng)急保障準(zhǔn)備。
猜你喜歡
配合防控 人人有責(zé)環(huán)球時報(2022-04-25)2022-04-25 17:20:21 豬常見腹瀉病癥狀及防控今日農(nóng)業(yè)(2021年15期)2021-10-14 08:20:18 案例4 奔跑吧，少年！少先隊活動(2021年2期)2021-03-29 05:40:48 守牢防控一線 靜待春暖花開人大建設(shè)(2020年3期)2020-07-27 02:48:40 夏季羊中暑的防控今日農(nóng)業(yè)(2019年14期)2019-09-18 01:21:44 隨機變量分布及統(tǒng)計案例拔高卷中學(xué)生數(shù)理化(高中版.高二數(shù)學(xué))(2019年6期)2019-06-24 03:37:50 發(fā)生在你我身邊的那些治超案例中國公路(2017年7期)2017-07-24 13:56:38 高速公路與PPP中國交通信息化(2016年9期)2016-06-06 07:42:10 一個模擬案例引發(fā)的多重思考中國衛(wèi)生(2015年4期)2015-11-08 11:16:06 高速公路上的狗小說月刊(2014年4期)2014-04-23 08:52:20
林培群，曾維嘉，周楚昊，龐崇浩
(華南理工大學(xué)，土木與交通學(xué)院，廣州 510640）
0 引言
高速公路是公路的重要組成部分，截至2020年底，我國高速公路通車總里程為16.1萬km[1]。自2019年底全國取消高速公路省界收費站后[2]，高速公路運輸?shù)靡赃M一步提速，其運輸指標(biāo)對衡量地區(qū)經(jīng)濟發(fā)展具有重要的參考價值，已成為交通運輸統(tǒng)計行業(yè)工作的重中之重。新冠疫情爆發(fā)后，我國高速公路運輸受到了嚴(yán)重影響。自全國進入常態(tài)化疫情防控狀態(tài)以來，國內(nèi)疫情呈現(xiàn)出區(qū)域性和散發(fā)性的爆發(fā)趨勢，各地為遏制疫情發(fā)布了不同的防控措施，這些措施在取得防疫效果的同時，也對客貨運輸和經(jīng)濟發(fā)展造成了一定的影響。為了能更好地制定與實施防疫方案，研究分析疫情防控措施對客貨運輸?shù)挠绊懯鞘直匾摹?/p>
目前，針對新冠疫情防控措施的研究主要分為兩類。第一類研究主要涉及疫情防控措施對病毒傳播的影響。LAU 等[3]通過分析中國航班架次與確診病例的相關(guān)性說明，武漢“封城”對切斷病毒傳播起到了積極作用。陳武等[4]通過空間面板回歸模型論證交通管制對遏制疫情的顯著效果。賈興利等[5]基于傳染病控制理論，構(gòu)建疫情傳播SEIR(Susceptible Exposed Infectious Recovered)優(yōu)化模型，對比分析不同防控措施對疫情發(fā)展的阻斷效果。姬楊蓓蓓等[6]通過相關(guān)性分析和中介效應(yīng)分析探究公共交通管控對疫情傳播的調(diào)節(jié)作用。還有學(xué)者通過確診分布情況與人口流動數(shù)據(jù)分析說明中國在疫情初期的嚴(yán)格防控政策極大地緩解了疫情的傳播[7-8]。第二類研究關(guān)注新冠疫情防控措施對交通運輸和經(jīng)濟發(fā)展等方面的影響。張釗等[9]基于移動手機漫游數(shù)據(jù)，分析武漢“封城”對浙江省交通流的影響。周一鳴等[10]從鐵路、公路及民航3 方面對比非典與新冠疫情對我國客貨運輸?shù)挠绊?。江飛濤等[11]從確診人數(shù)和經(jīng)濟復(fù)蘇兩個角度對我國在疫情期間采取的交通管制措施效果進行評估。閆常鑫等[12]量化分析了交通防控政策對長沙市人口流動的影響。ALOIloi等[13]量化了西班牙桑坦德市防疫措施對城市交通和NO2排放的影響。
綜上所述，現(xiàn)有對疫情防控措施的研究取得了一定的進展，但仍存在不足。一是國內(nèi)的相關(guān)研究主要聚焦于2020年初爆發(fā)的全國性疫情，缺少常態(tài)化疫情防控時代下地區(qū)性疫情案例的研究分析；二是現(xiàn)有研究沒有對防控措施加以區(qū)分，不同級別措施下研究對象的特征變化差異被忽略；三是研究角度不夠全面，不少研究僅針對單一指標(biāo)，沒有對運輸活動中的關(guān)鍵指標(biāo)開展較全面的分析。
本文以粵港澳大灣區(qū)為例，聚焦廣州、佛山、東莞及深圳4個大灣區(qū)主要城市，研究常態(tài)化疫情防控下防控措施對高速公路客貨運輸指標(biāo)的影響。本文采用廣東省高速公路數(shù)據(jù)，對疫情防控措施進行分級與階段劃分，通過構(gòu)建雙重差分模型(Difference In Difference)分析多個高速公路運輸指標(biāo)的變化，檢驗疫情防控措施的影響效應(yīng)，本文的研究結(jié)論可為疫情防控措施的制定與實施提供參考。
1 研究框架
本文以高速公路數(shù)據(jù)和各城市疫情防控措施為原始數(shù)據(jù)，首先，對高速公路數(shù)據(jù)進行預(yù)處理，并計算各高速公路運輸指標(biāo)，同時，對疫情防控措施進行分級與階段劃分；然后，結(jié)合兩類數(shù)據(jù)做影響分析，并進行平行趨勢檢驗；最后，將數(shù)據(jù)輸入到本文構(gòu)建的雙重差分模型中計算，得到疫情防控措施對運輸指標(biāo)的凈效應(yīng)和顯著性，得出結(jié)論。研究框架如圖1所示。
圖1 研究框架Fig.1 Research framework of this paper
2 基礎(chǔ)數(shù)據(jù)與方法
2.1 高速公路數(shù)據(jù)內(nèi)容
本文采用的高速公路基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)完整，字段齊全，包括高速公路收費數(shù)據(jù)和收費站信息數(shù)據(jù)。其中，高速公路收費數(shù)據(jù)主要字段包括：車輛類型、車輛種類、入口時間、出口時間、入口載重、行駛里程、入口收費站和出口收費站等；收費站地理位置數(shù)據(jù)主要字段包括：收費站名稱、收費站車道編碼、收費站所在地區(qū)和所在城市等。
本文對上述兩種基礎(chǔ)數(shù)據(jù)進行相互匹配，將收費數(shù)據(jù)根據(jù)收費站位置信息匹配到具體城市，為運輸指標(biāo)計算打下基礎(chǔ)。
2.2 高速公路運輸指標(biāo)計算方法
為全面地反映新冠疫情爆發(fā)對社會生活層面和經(jīng)濟運行層面上的沖擊，本文選取客車通行量、貨車通行量、貨運量、貨物周轉(zhuǎn)量、客車平均運距和貨車平均運距開展研究，指標(biāo)計算公式如下。
(1)通行流量計算
統(tǒng)計研究時段內(nèi)各城市高速公路每日通行的客車和貨車流量f。
式中：i為車輛來源，分為市內(nèi)出行、市際出行(產(chǎn)生)及市際出行(吸引)這3類(n=3)，市內(nèi)出行為起點和訖點都在該市的車次，市際出行產(chǎn)生(吸引)指以該市為起點且以市外為訖點(以市外為起點且以該市為訖點)的車次；j為車輛類型，1～4為客車，5～10 為普通貨車，11～16 為專項作業(yè)車，m=16；xi,j為第i類型車的第j型車的總通行流量。
(2)平均運距計算
統(tǒng)計研究時段內(nèi)各城市高速公路每日通行的客車和貨車平均運距s。
式中：li,j,k為第i類車第j型第k輛車在高速公路上行駛的總里程。
(3)貨運量和貨物周轉(zhuǎn)量計算
統(tǒng)計研究時段內(nèi)各城市高速公路每日的貨運量g和貨物周轉(zhuǎn)量z。
式中：ei,j,k、si,j,k分別為第i類第j型第k輛車在高速公路入口稱重、該車自重。
2.3 基于雙重差分模型的疫情防控影響程度分析
本文采用雙重差分模型(DID模型)識別不同級別疫情防控措施對高速公路運輸指標(biāo)的凈效應(yīng)和顯著性。雙重差分模型常用于定量評價政策或項目實施的作用，通過將組別差異(對照組和實驗組)和前后差異(防疫措施實施前后)有效結(jié)合，同時，加入周通勤變化和天氣因素等可能導(dǎo)致因變量變化的控制變量，更為精確地得到對措施效果的真實評估[14]。本文構(gòu)建的疫情防控措施DID模型為
式中：Qr,t為疫情案例r在日期t的高速公路運輸指標(biāo)強度值(標(biāo)準(zhǔn)化去量綱處理)；Tr為疫情案例r的組別虛擬變量；假設(shè)疫情案例r中防控措施被分為u級，則Pt,y為各城市實施的第y級防控措施的虛擬變量；Dt為周變化規(guī)律控制變量，用于控制因高速公路每日通勤造成的指標(biāo)波動變化；Wt為天氣因素控制變量，用于控制因天氣原因造成的指標(biāo)波動變化；α為常數(shù)；βy為第y級防控措施的影響效應(yīng)系數(shù)；λ和δ為控制變量系數(shù)；γr為組別固定效應(yīng)；μt為時間固定效應(yīng)；εr,t為擾動項。
另外，為保證對照組與實驗組在防疫措施通告發(fā)布時間點之前具有可比性，需要在模型求解之前通過平行趨勢檢驗。
3 案例研究
3.1 高速公路數(shù)據(jù)選取
本文選取2020年5月6日—2022年4月6日廣東省高速公路收費站流水?dāng)?shù)據(jù)開展研究，并根據(jù)處理方法進行數(shù)據(jù)預(yù)處理和收費站匹配。廣東省作為粵港澳大灣區(qū)的核心，在高速公路建設(shè)與發(fā)展中取得了顯著成就。截至2021年底，廣東高速公路通車總里程超過1.1萬km，總里程連續(xù)8年排名全國第一[15]，因此，本文的數(shù)據(jù)集具有代表性。
3.2 大灣區(qū)主要城市疫情防控措施
廣州、佛山、東莞及深圳4 個城市在粵港澳大灣區(qū)的社會發(fā)展和經(jīng)濟交流中起到了極為重要的作用。研究時段內(nèi)，廣東省內(nèi)絕大多數(shù)疫情案例均在上述4 個城市爆發(fā)，因此，本文著重關(guān)注穗深佛莞4 市的疫情案例及其高速公路運輸指標(biāo)隨疫情防控措施的變化情況。
本文挑選2020年5月6日—2022年4月6日穗深佛莞4 個城市爆發(fā)過的本土聚集性疫情進行分析，共6個案例。以各地疫情防控指揮部發(fā)布的通 告信息作為疫情防控措施基礎(chǔ)數(shù)據(jù)，如表1所示。
表1 各市疫情案例及其防控措施情況Table 1 COVID-19 situation in each city and its prevention and control measures
3.3 疫情防控措施等級與階段劃分
我國進入疫情常態(tài)化防控以來，各省市對疫情案例不再采取公共衛(wèi)生事件分級方法，實施劃分低中高風(fēng)險地區(qū)的精準(zhǔn)防控策略，取得了顯著的防疫效果。但在交通運行層面上，封控區(qū)會不可避免地對周邊區(qū)域造成一定程度的影響，因此，仍要從城市層面考慮防控措施的整體效應(yīng)。另外，還要考慮不同防控措施之間的影響程度差異。為此，本文根據(jù)通告的具體事件從城市層面對疫情案例的防控措施進行分類分級，并對防控階段進行劃分。
如表1所示，疫情爆發(fā)后，各市首先對涉疫區(qū)域?qū)嵤┓饪毓芾?，封控區(qū)內(nèi)實行“足不出戶”，管控區(qū)內(nèi)實行“足不出區(qū)”，封控區(qū)與全市其他區(qū)域的交流被隔斷。然后，各市防控指揮部發(fā)布加強全市防控的通告，例如，廣州市于2021年5月29日發(fā)布《做好關(guān)于新冠肺炎疫情分級分類防控工作的通告》。該類通告的主要內(nèi)容為嚴(yán)格出行、人員及交通等8 項防控，實施全市全員核酸。此時，非必要的社交和出行需求減少，城市的生產(chǎn)生活在加強防控措施下有序運行，本文將該階段定義為加強防控階段(I級)。
當(dāng)疫情傳播不受控時，社會面新增確診病例數(shù)居高不下，城市為完全切斷疫情傳播，將采取嚴(yán)格防控措施。例如，2022年3月12日，東莞市多鎮(zhèn)街發(fā)布小區(qū)封閉和合圍管理的通告，2022年3月14日，繼上一通告后，東莞通告全市公共交通停運。同樣的，2022年3月12日深圳市開始實行小區(qū)封閉和合圍管理。2022年3月14日，深圳市進一步通告全市公交地鐵停運。此時，市民的通勤出行與產(chǎn)業(yè)的生產(chǎn)活動暫時停止，本文將該階段定義為嚴(yán)格防控階段(II級)。
當(dāng)各市疫情擴散勢頭得以控制后，以涉疫區(qū)域解封為標(biāo)志，各市逐步解除對“三區(qū)”的封控，進入到管控后的恢復(fù)期。
基于以上分析，本文將穗深佛莞4市的疫情防控措施進行劃分，如表2所示。其中，E1～E4疫情案例實施I級防疫措施，E5和E6疫情案例實施I級和II級防控措施。
表2 疫情案例防控措施等級與階段劃分Table 2 Levels and stages of COVID-19 prevention and control measures
3.4 高速公路運輸指標(biāo)變化分析
根據(jù)表2，2021年5月前，穗深佛莞均沒有受到疫情沖擊，2021年5月后，4 個城市相繼爆發(fā)了疫情。因此，本文將研究時段分為A時期與B時期，A時期從2020年5月6日—2021年4月6日，B時期從2021年5月6日—2022年4月6日，方便進行同期對照與分析。分段和各疫情案例爆發(fā)時間如圖2所示。
圖2 研究時段劃分與各次疫情案例示意Fig.2 Division of study period and cases of each COVID-19 epidemic
根據(jù)表2，深圳市在B時期內(nèi)發(fā)布過I級和II級的防控措施，在4個城市中具有代表性，因此，以深圳市為例進行高速公路運輸指標(biāo)影響分析。結(jié)合表1和表2，繪制深圳市高速公路運輸指標(biāo)變化趨勢，如圖3所示。
圖3中第1 條豎虛線是B 時期深圳E4 疫情進入I 級階段的時間點(2022年1月7日)，第2 條豎虛線是E4疫情開始解封的時間點(2022年1月21日)，第3條豎虛線是B時期深圳E5疫情進入I級階段的時間點(2022年2月16日)，第4條豎虛線是E5疫情進入II 級階段的時間點(2022年3月12日)，第5 條豎虛線是深圳市發(fā)布復(fù)工復(fù)產(chǎn)通告的時間(2022年3月18日)。值得一提的是，B時期的春節(jié)假期位于第2和第3條豎虛線之間。
圖3(a)顯示，在E4 疫情的I 級階段，深圳市高速公路客車流量陡然下跌；A時期同期的客車流量隨時間的變化規(guī)律相對穩(wěn)定。在E5 疫情的I 級階段，客車流量呈現(xiàn)下降趨勢，但降幅不及E4 疫情；在E5疫情的II級防控階段，客車流量劇烈下降，直至復(fù)工復(fù)產(chǎn)后，客車流量才逐漸恢復(fù)；而A 時期同期的客車流量保持穩(wěn)定。
圖3(b)顯示，在E4 和E5 疫情的I 級防控階段，貨車流量未表現(xiàn)出顯著下降趨勢。當(dāng)深圳E5疫情采取嚴(yán)格的II級防控措施后，貨車流量劇烈下降；A時期同期的指標(biāo)保持穩(wěn)定。貨運量和貨物周轉(zhuǎn)量與貨車流量的變化趨勢基本一致，本文不再展示其變化趨勢圖。
圖3(c)和圖3(d)分別是深圳市客車和貨車的平均運距變化趨勢圖。在E4 疫情中，客車市際平均運距下跌，貨車平均運距沒有明顯波動；在E5疫情的II 級防控中，客車市際平均運距出現(xiàn)明顯上升，貨車市際平均運距也有向上波動趨勢。
圖3 深圳市高速公路運輸指標(biāo)變化趨勢Fig.3 Trend chart of Shenzhen expressway transportation indicators
以上是深圳市高速公路運輸指標(biāo)的變化分析，由于各城市和各疫情案例的特征并不完全相同，為進一步說明指標(biāo)變化與防控措施的關(guān)系，仍需通過構(gòu)建的DID 模型對各案例進行量化與顯著性分析。
4 DID模型求解與結(jié)果分析
本文首先對運輸指標(biāo)進行數(shù)據(jù)標(biāo)準(zhǔn)化處理，得到無量綱的指標(biāo)強度，以保證研究結(jié)果的可靠性。然后，為消除高速公路周通勤變化對模型的干擾，將A 時期做時間偏移處理，使兩個時期的周日對齊。另外，為消除部分案例中春節(jié)假期的影響，兩個時期將依照春節(jié)假期后首個周一或依照農(nóng)歷同期進行偏移對齊。
4.1 平行趨勢檢驗
平行趨勢檢驗是DID 模型的求解前提。東莞市E3疫情中，運輸指標(biāo)強度的平行趨勢檢驗如圖4所示。
圖4 東莞市E3疫情運輸指標(biāo)強度平行趨勢Fig.4 Parallel trend of expressway transportation indicators intensity in Dongguan COVID-19 Case E3
圖4中豎虛線是東莞E3 疫情發(fā)布I 級防控措施的時間點。本文設(shè)A時期為對照組，B時期為實驗組，圖4顯示，對照組和實驗組在豎虛線之前滿足平行趨勢檢驗。
4.2 構(gòu)建模型與求解分析
基于表2與式(5)，構(gòu)建適用于本文疫情案例的DID模型為
式中：Tr為疫情案例r的組別虛擬變量，本文設(shè)A時期為對照組，B 時期為實驗組，對照組取0，實驗組取1；Ct為各城市實施I級(加強)防控措施的虛擬變量，例如，廣州市E1案例在2021年5月21日之前取值為0，之后取值為1；Bt為各城市實施II 級(嚴(yán)格)防控措施的虛擬變量，例如，深圳市E5 案例在2022年3月12日之前取值為0，之后取值為1。
求解模型，著重關(guān)注組別與防控措施的交互項系數(shù)β1和β2。疫情防控措施對客車和貨車流量的影響如表3所示。
表3 不同疫情防控措施對客、貨通行量強度的影響Table 3 Impact of different COVID-19 prevention and control measures on flow intensity
客車流量方面，當(dāng)各市采取I級防控措施時，所有案例的客車流量降幅在8%～27%之間，指標(biāo)下降與防控措施存在顯著關(guān)聯(lián)；I級防控措施對客車通行有明顯的抑制效應(yīng)，防控措施起到了良好效果。貨車流量方面，除E1和E2疫情以外，I級防控措施對大多數(shù)案例的貨車流量影響不顯著；在I 級防控階段，貨運這一城市命脈仍在正常運行，未受到太大影響，模型求解結(jié)果與前述變化分析一致。
II 級防控措施對客車與貨車通行均產(chǎn)生了嚴(yán)重的負(fù)面效應(yīng)。深圳E5 疫情和東莞E6 疫情的客車流量分別在I 級影響的基礎(chǔ)上下降了46.3%和33.7%。兩市的貨車流量同樣遭受重創(chuàng)，下跌幅度分別為42.7%和27.6%。結(jié)果表明，全域交通管制和小區(qū)封閉式管理等嚴(yán)格措施導(dǎo)致客車流量降至谷底，而工業(yè)園區(qū)的停工停產(chǎn)也造成了貨車流量的嚴(yán)重下跌。
貨運量和貨物周轉(zhuǎn)量在不同防控措施下的影響效應(yīng)如表4和表5所示。
表4 不同疫情防控措施對貨運量強度的影響Table 4 Impact of different COVID-19 prevention and control measures on cargo intensity
表5 不同疫情防控措施對貨物周轉(zhuǎn)量強度的影響Table 5 Impact of different COVID-19 prevention and control measures on turnover intensity
貨運量和貨物周轉(zhuǎn)量指標(biāo)的變化規(guī)律與貨車流量基本相同。即在I 級階段，大多數(shù)案例的貨運指標(biāo)影響不顯著。實施II 級防控措施后，深圳E5疫情的貨運量和貨物周轉(zhuǎn)量顯著下降均超過40%，東莞E6 疫情的兩個指標(biāo)顯著下降超20%?？梢?，為徹底切斷病毒傳播，保障人民的生命健康，兩市的經(jīng)濟與運輸付出了較大代價。
客車和貨車市際產(chǎn)生和吸引平均運距在不同防控措施下的影響效應(yīng)如表6和表7所示。
表6 不同疫情防控措施對客車市際平均運距強度的影響Table 6 Impact of different COVID-19 prevention and control measures on average inter-city distance intensity of passenger cars
表7 不同疫情防控措施對貨車市際平均運距強度的影響Table 7 Impact of different COVID-19 prevention and control measures on average inter-city distance of trucks
表6顯示，當(dāng)城市實施I級防控措施時，E1、E2、E3和E6疫情案例的防控措施實施對客車市際平均運距的影響具有顯著性，普遍出現(xiàn)10%以下的小幅度下跌。而當(dāng)城市實施II 級防控措施時，深圳E5疫情客車市際產(chǎn)生和吸引平均運距顯著上升16.5%和7.76%，東莞E6 疫情的相應(yīng)指標(biāo)分別上升14.1%和8.25%。結(jié)果表明，I 級防控時，由于防疫規(guī)定，市民更傾向于短距出行，減少非必要的或長距離的跨市出行活動。II級防控時，所有小區(qū)實施封閉管理，企業(yè)居家辦公，該市與鄰市之間的短距出行已中止，此時，仍在運行的客車運距普遍較大，加上交通管制導(dǎo)致了繞行，使得客車市際平均運距增加。
表7顯示，除東莞E3 疫情案例外，貨車市際產(chǎn)生和吸引平均運距與I 級防疫措施不存在統(tǒng)計顯著。在II 級防控措施階段，深圳E5 疫情貨車市際產(chǎn)生和吸引平均運距分別顯著上升5.20%和13.0%，東莞E6 疫情的指標(biāo)分別顯著上升18.3%和24.5%。這是因為：①貨物中轉(zhuǎn)場站關(guān)閉導(dǎo)致轉(zhuǎn)運無法完成，單次運輸距離增加；②高速公路封閉和全域交通管制導(dǎo)致通行受阻，車輛繞行距離增加。
5 結(jié)論
在疫情常態(tài)化防控時代，為遏制疫情傳播所采取的防控措施對城市社會經(jīng)濟產(chǎn)生了一定的影響。本文為當(dāng)前城市和城市群疫情防控措施的制定與實施提供了一定的參考價值。
主要結(jié)論如下：
(1)不同等級的疫情防控措施對高速公路客車通行均產(chǎn)生顯著影響。I 級防控措施實施后，E1～E4 案例的客車流量降幅超過17%，E5 和E6 案例的降幅為9%左右。II 級防控措施實施后，E5 和E6 案例的客車流量分別在I 級階段的基礎(chǔ)上再下降46.3%和33.7%，說明疫情防控措施對客車出行的影響十分顯著。
(2)不同城市的防控措施影響效應(yīng)不同。在I級防控措施下，E1～E3 疫情案例的客車指標(biāo)(流量和市際平均運距)降幅較E5和E6案例更高，說明后疫情時代下，人們對本土首次聚集性疫情的警惕心理更強，對防控措施的遵守程度更高。相比之下，E5 和E6 疫情案例的客車指標(biāo)在I 級階段的降幅偏低，說明防控措施未達(dá)到預(yù)期效果，疫情仍在蔓延，進而導(dǎo)致II級防控措施的實施。
(3)大多數(shù)案例的高速公路貨運指標(biāo)在I 級防控措施下無顯著影響，說明在該階段各城市仍然保障貨運命脈的正常運行，城市貨運具有剛性。II級防控措施對貨運的影響則非常顯著，深莞貨車流量分別下降42.7%和27.6%，貨運量和貨運周轉(zhuǎn)量下降幅度與流量相當(dāng)，說明嚴(yán)格防控措施使城市經(jīng)濟與貨物運輸受到較大的短期影響。
(4)高速公路客車市際平均運距在I 級防控措施下有降低趨勢。而在II級防控階段，高速公路客車和貨車市際平均運距均顯著提升，此時，貨物組合運輸無法完成，客貨單次運輸?shù)木嚯x和難度均有所上升。另外，交通管制也導(dǎo)致了車輛的繞行距離增加。本文建議各城市在進入II級防控階段前，對醫(yī)療急救和物資運輸?shù)确矫孀龊贸浞值膽?yīng)急保障準(zhǔn)備。
猜你喜歡
環(huán)球時報(2022-04-25)2022-04-25 17:20:21
今日農(nóng)業(yè)(2021年15期)2021-10-14 08:20:18
少先隊活動(2021年2期)2021-03-29 05:40:48
人大建設(shè)(2020年3期)2020-07-27 02:48:40
今日農(nóng)業(yè)(2019年14期)2019-09-18 01:21:44
中學(xué)生數(shù)理化(高中版.高二數(shù)學(xué))(2019年6期)2019-06-24 03:37:50
中國公路(2017年7期)2017-07-24 13:56:38
中國交通信息化(2016年9期)2016-06-06 07:42:10
中國衛(wèi)生(2015年4期)2015-11-08 11:16:06
小說月刊(2014年4期)2014-04-23 08:52:20
