Creative Economy

Креативная экономика

1994-6929 2409-4684

BIBLIO-GLOBUS Publishing House

123384

10.18334/ce.19.7.123384

GRVZPU

Articles

Статьи

Research Article

Исследование повышения эффективности городских перевозок в северном Китае в рамках модели экономики совместного пользования

Research on improving urban transportation efficiency in northern China under the sharing economy model

https://orcid.org/0009-0002-0211-0791

Sya

Binyuy

Ся

Бинюй

студент по специальности «Региональная и отраслевая экономика» по профилю «Экономика инноваций», Высшая школа управления, Российский университет дружбы народов, Москва, Россия

1042238081@pfur.ru

Patrice Lumumba Peoples' Friendship University of Russia Peoples' Friendship University of Russia

30 07 2025

19 7

VOL 19, NO7 (2025)

ТОМ 19, №7 (2025)

1817 1830 01 06 2025 09 07 2025

2025

Xia Bingyu

https://1economic.ru/lib/123384

В статье анализируется особая роль городов северного Китая в рамках китайско-российского сотрудничества в условиях глобальной трансформации цепочек создания стоимости. Автор статьи проводит анализ данных о состоянии китайско-российской трансграничной логистике. Эти данные использованы в модели в качестве экзогенной переменной для анализа взаимосвязи между экономикой совместного использования и эффективностью дорожного движения. Применяя методы пространственной эконометрики, автор статьи оценивает влияние таких развивающихся отраслей, как совместное использование велосипедов и онлайн-прокат автомобилей, на повышение эффективности городских транспортных потоков, а также проводит анализ ограничений распространения технологий, включая климатические особенности и состояние институциональной среды. Результаты исследования показали, что совместные поездки способны существенно повысить эффективность городского движения и снизить индекс нагрузки на транспортную сеть в часы пик. Установлено, что китайско-российская трансграничная передача данных оказывает значительный пространственный эффект на эффективность дорожного движения. Выявлена инвертированная U-образная зависимость между интенсивностью государственного регулирования и развитием экономики совместного использования. Полученные в статье результаты могут быть использованы для разработки инструментов транспортной экономической политики, направленной на развитие Северного морского пути в рамках инициативы «Пояс и путь». Статья может представлять интерес для специалистов, занимающихся решением проблем в сфере транспортной логистики, прежде всего, в части снижения нагрузки на логистическую инфраструктуру в северных городах Китая, а также для экспертов в области устойчивого развития и экономики совместного использования в городах с холодными климатическими условиями.

This study focuses on the dual mission of northern Chinese cities in Sino-Russian cooperation under the background of global value chain reconstruction. It innovatively introduces Sino-Russian cross-border logistics data as an exogenous variable to construct a coupling coordination model of sharing economy and traffic efficiency. Using spatial econometric methods, this study quantitatively analyzes the effect of emerging industries such as shared bicycles and online car-hailing on improving urban commuting efficiency, and explores the constraint mechanism of cold climate characteristics and institutional environment on technology diffusion. The study found that shared travel can significantly improve urban traffic efficiency and reduce peak congestion index; Sino-Russian cross-border data flow has a significant spatial spillover effect on urban traffic efficiency; government regulation intensity and sharing economy development have an inverted U-shaped relationship. The results provide a transportation economic policy toolbox for the construction of the northern channel of the Belt and Road Initiative, help northern cities solve the problem of traffic congestion and cope with cross-border logistics pressure, and promote the sustainable development of the sharing economy in cold cities.

эффективность совместных поездок пространственная модель Дарбина трансграничная передача данных холодильные городские перевозки институциональные ограничения

shared travel efficiency; spatial Durbin model; cross-border data corridor; cold urban transportation; institutional constraints

1. Andersson M. Modeling traffic capacity reduction due to winter road maintenance operations // Cold Regions Science and Technology. – 2019. – № 158. – p. 1-12. – doi: 10.1016/j.coldregions.2018.11.003.

2. Chen Ye, Wang Lei, Li Qiang Research on the dynamic relationship between shared travel and traffic congestion based on traffic big data // Journal of Transportation Engineering. – 2016. – № 16(4). – p. 123-130.

3. Chen J., Li X., Zhang Y. The impact of ride-hailing regulation on urban traffic safety: Evidence from China // Regional Science and Urban Economics. – 2022. – № 94. – p. 103795. – doi: 10.1016/j.regsciurbeco.2021.103795.

4. Ivanov A., Petrova M. Cross-border logistics optimization through shared information platforms: A study of Russia-Europe corridors // International Journal of Logistics Management. – 2019. – № 30(2). – p. 678-695.

5. Ivanova O. Digital sovereignty in Russia's Far East: Implications for cross-border data flows // Post-Soviet Affairs. – 2023. – № 39(1). – p. 34-52. – doi: 10.1080/1060586X.2022.2156783.

6. Kim S., Park J., Lee H. Data globalization and logistics efficiency: Evidence from EU cross-border e-commerce // Journal of International Economics. – 2021. – № 133. – p. 103539. – doi: 10.1016/j.jinteco.2021.103539.

7. Lee K., Kim T. Ride-hailing services and public transportation: A case study of Seoul and Tokyo // Journal of Urban Planning and Development. – 2017. – № 143(3). – p. 04017012.

8. Liu X., Wang D. Dynamic matching in ride-sharing systems with multi-agent reinforcement learning // Cities. – 2020. – № 105. – p. 102857. – doi: 10.1016/j.cities.2020.102857.

9. Petrov A. Geopolitics of digital infrastructure: China-Russia data corridor in the Arctic // Eurasian Geography and Economics. – 2022. – № 63(2). – p. 145-167. – doi: 10.1080/15387216.2022.2058891.

10.

10. Smith J., Johnson R. The impact of bike-sharing on traffic congestion in urban areas: Evidence from US cities // Transportation Research Part A. – 2014. – № 63(2). – p. 123-135.

11.

11. Wang Qiang, Zhao Min, Zhang Yu Analysis of the impact of seasonal factors on shared travel efficiency in northern cold regions // Journal of Ice and Snow Disasters. – 2018. – № 30(2). – p. 45-52.

12.

12. Zhang Hua, Liu Chang, Li Ming Research on the impact mechanism of government regulation on the diffusion of shared transportation technology // Chinese Journal of Management Science. – 2020. – № 28(5). – p. 156-164.

13.

13. Zhang L., Liu Q., Wu Y. Predicting shared bike demand in winter cities using machine learning with IoT data // Sustainable Cities and Society. – 2020. – № 62. – p. 102409. – doi: 10.1016/j.scs.2020.102409.

14.

14. Zhou Y., Wang J., Huang G. Q., Chen X. Efficiency metrics for dockless bike-sharing systems with multimodal connections // Transportation Research Part C: Emerging Technologies. – 2018. – № 92. – p. 234-248. – doi: 10.1016/j.trc.2018.05.003.