Транспортная система Ростовской области: инфраструктурные ограничения и перспективы развития

DOI:

Важной частью государственных расходов является финансирование и поддержание инфраструктурного капитала как одного из производственных секторов любой экономики. Проекты, направленные на создание и развитие инфраструктуры, являются средством, с помощью которого правительства могут эффективно содействовать экономическому росту [Farhadi, 2015].

Транспортная система, как составляющая инфраструктурного капитала, способствует укреплению макроэкономической стабильности, открытости рынков и определяет инвестиционный климат стран и регионов [Tei, Ferrari, 2018]. Развитие дорожной сети укрепляет хозяйственные связи между муниципалитетами и имеет долгосрочные пространственные экономические эффекты, возникающие в результате совместного использования ресурсов, объединения рынков труда. Реализация совместных инфраструктурных проектов создает благоприятные условия для увеличения инвестиций, кроме того, открываются новые возможности для товарного производства, межрегиональной и внешней торговли [Миргородская, Сухинин, 2020].

Исследования российских ученых свидетельствуют о наличии территориальных и структурных диспропорций в развитии транспортной системы страны, причиной которых выступает низкий уровень транспортной безопасности и качества соответствующих услуг [Овешникова, Си- бирская, Слепнева, 2019]. Снижение инвестиций в развитие инфраструктуры увеличивает нагрузку на транспортную сеть, вследствие чего увеличиваются транспортные издержки производства.

Характеристика транспортной системы Ростовской области

Государственная программа Ростовской области «Развитие транспортной системы» [Об утверждении государственной программы Ростовской области ... , 2018] ставит целями создание условий для устойчивого функционирования транспортной системы и повышение уровня безопасности дорожного движения в регионе (см. рис. 1).

Одним из приоритетных показателей эффективности реализации данной программы является доля автомобильных дорог общего пользования, отвечающих нормативным требованиям, целевой уровень которого к 2030 составляет 57,9 %. Ростовская область имеет более высокий уровень данного показателя относительно среднего как по Южному федеральному округу, так и по России в целом (см. рис. 2).

Однако просматривается общая тенденция к снижению доли дорог, отвечающих нормативным требованиям: если в 2007 г. они составляли 61,3 % и 65,6 % – в ЮФО и Ростовской области соответственно, то в 2019 г. уже 46,2 % и 52,7 %. Таким образом, целевой уровень 2030 г. в 57,9 % для региона значительно ниже уровня тринадцатилетней давности.

Рис. 1. Цели и ожидаемые результаты государственной программы Ростовской области «Развитие транспортной системы»

Примечание. Составлено автором.

80.0

□ Российская Федерация   ° Южный федеральный округ ■ Ростовская область

Рис. 2. Доля автомобильных дорог общего пользования регионального или межмуниципального значения, отвечающих нормативным требованиям, в %

Примечание. Составлено автором по: [Регионы России ... , 2020].

Эксплуатационная длина автомобильных дорог с твердым покрытием за 2015–2019 гг. увеличилась с 26,4 тыс. км до 26,8 тыс. км (прирост 1,5 %) без фактического улучшения качественных характеристик, одновременно с этим грузооборот автомобильного транспорта общего пользования вырос с 4,2 млн т·км до 5,3 млн т·км (прирост 26,2 %) [Транспорт и связь ...]. Снижение пассажирооборота автобусами с 3,6 млн пасс-км в 2015 г. до 3,7 млн пасс-км в 2019 г. обусловлено, помимо прочих факторов, ростом автомобилизации: число собственных легковых автомобилей на 1 000 чел. населения за последние пять лет выросло на 11 %. Пропускная способность магистрали М4 «Дон» исчерпана: интенсивность движения по припиковых нагрузках достигает 117 тыс. автомобилей в сутки при нормативной не более 40 тыс. автомобилей. Таким образом, усиление нагрузки на дорожную сеть многократно опережает темпы ее развития.

Наличие одноуровневых железнодорожноавтомобильных пересечений оказывает негативное влияние на скорость и безопасность движения [Караблин, 2019]. Имеют место и технологические (рост амортизации и износа транспортных средств), и экономические (увеличение среднего времени поездки, расхода топлива и др.) потери предприятий транспорта. В то же время темпы строительства многоуровневых развязок остаются низкими [Хашев, 2019].

Приоритетом развития автодорожного комплекса выступает строительство Ростовского транспортного кольца [Официальный портал ...; Керасов, 2019] как крупномасштабного проекта, направленного на создание комфортной среды для жителей агломерации. Его реализация позволит разгрузить городские дороги от транзитного транспорта, что, безусловно, улучшит экологическую обстановку. Данный крупномасштабный проект включает пять дорожных объектов: Северный обход Ростова-на-Дону; развязку на 9-м км трассы А-280 «Ростов-на-Дону – Таганрог»; Западную и Южную хорды Ростова-на-Дону и обход города Аксай (завершение строительства планируется в 2023 г.).

Строительство Северного обхода Ростова-на-Дону как составного элемента Ростовского транспортного кольца предусматривает соединение федеральные автомобильные дороги М-4 «Дон» и А-280 Ростов-на-Дону – Таганрог в обход села Чалтырь. В рамках реализованных этапов построен участок трассы, со- единивший поселок Щепкин с дорогой Ростов-на-Дону – Новошахтинск и реконструирован участок от федеральной трассы М-4 «Дон» (1044-й км) до поселка Щепкин. В настоящее время ожидается строительство третьей очереди обхода протяженностью 12,8 км, возобновлению которого препятствуют проблемы с выносом из зоны строительства и переустройством двух ЛЭП, трех ниток магистрального газопровода и нитки нефтепровода [Грищенко, 2020]. Ввод разноуровневой развязки на 9-м км трассы А-280 планируется синхронизировать с завершением третьей очереди Северного обхода, которая, в свою очередь, является началом Западной хорды. Последняя позволит решить транспортные проблемы Левенцовского микрорайона города и прилегающих территорий Мясниковского района.

Одним из приоритетных направлений является развитие портовой инфраструктуры. В перечень «100 губернаторских инвестиционных проектов» вошли такие проекты, как создание современного судостроительного-судоремонт-ного комплекса «Азовская судоверфь», строительство универсального портового перегрузочного комплекса в морском порту Таганрог в районе Северного мола по перегрузке зерновых культур и генеральных грузов, строительство перегрузочного комплекса контейнерных грузов ООО «Уют», месторасположение которого позволит совместить железнодорожный и морской транспорт; строительство зернового терминала в морском порту Азов [Реестр инвестиционных проектов ...].

К основным инфраструктурным ограничениям в сфере железнодорожных перевозок относится низкая пропускная способность отдельных участков (например, станции Лихая и Батайск, маршрут Морозовская-Цимлянская-Сальск-Тихорецк), в связи с чем снижается скорость передвижения грузов. При этом спрос на грузоперевозки продолжает расти: если в 2015 г. было отправлено 18 360 тыс. т (грузооборот 37 819 млн т·км), то в 2019 г. – 27 564 тыс. т (грузооборот 43 679 млн т·км).

В сфере пассажироперевозок наблюдается спад: за пять лет сократились на 30 % (с 14,3 млн чел. в 2015 г. до 10,2 в 2019 г.), что обусловлено как ростом автомобилизации, так и неэффективной тарифной политикой [Чахчахов, Медовый, 2018]. Около 7 млн пассажиров пользуются пригородным железнодорожным транспортом. В Ростове-на-Дону продолжается развитие проекта «Городская электричка», стартовавшего в

2016 году. Спрос на этот вид транспорта растет: в 2016 г. пассажиропоток составил 42,2 тыс. чел., а в 2019 г. – 166 тыс. человек. Падение среднесуточного потока в 2020 г. связано с периодом самоизоляции – перевозки сократились на 33 % [Власти Ростова рассказали ...].

В условиях городских «пробок» время проезда железнодорожным транспортом значительно сокращается: так, время в пути от центра до Сельмаша составляет 22 минуты, Военведа или Стройгородка – 14 минут [Северо-Кавказская пригородная ...].

Влияние инфраструктурного обеспечения на социально-экономическое развитие муниципальных образований Ростовской области

Инженерная и дорожно-транспортная обеспеченность формирует экономическое пространство территории (страны, региона), являясь при этом мощным фактором хозяйственного развития. Доступ к качественной инфраструктуре создает единство социально-экономического пространства путем обеспечения устойчивых связей между входящими в состав субъектов Российской Федерации населенными пунктами [Строева, Слободчикова, 2016]. Развитая автодорожная сеть как ключевой элемент транспортной доступности связана с показателями освоенности (обеспеченности) территории и эффективности хозяйственных связей [Лавриненко и др., 2019].

Плотность населения выступает показателем освоенности территории, интенсивности хозяйственной деятельности людей и складывается в процессе хозяйственного освоения и является следствием экономического развития страны [Жукова, 2012]. Население региона распределено неравномерно (рис. 3).

Определим, существует ли связь между инфраструктурной обеспеченностью и плотностью населения в разрезе муниципальных образований. Для выявления пространственной автокорреляции для логарифма плотности населения вычислим индексы Морана (I) для различных видов взвешивающих матриц. Значение индекса для бинарной матрицы I^c = 0,236 (pseudo p -value = 0,01; z -value = 2,68), для матрицы обратных расстояний I^(d) = 0,252 (pseudo p -value = 0,0001; z -value = = 8,28), для матрицы квадратов обратных расстояний) /^(d2) = 0,269 (pseudo p -value = 0,0002; z -value = 7,73). Значения индекса статистически значимы с вероятностью ошибки 0,05, следовательно данный показатель характеризуется положительной пространственной автокорреляцией. Так, создание классической линейной модели приведет к получению смещенных оценок. Построим регрессионные пространственные модели SAR и SEM, коэффициенты которых будут оценены с помощью метода максимального правдоподобия.

Показателями, характеризующими инфраструктурную обеспеченность территории, выбраны следующие: Auto – плотность автомобильных дорог общего пользования местного значения с усовершенствованным покрытием (цементобетонные,

Рис. 3. Плотность населения, человек на кв. км, 2019 год Примечание. Построено автором в программе GeoDA 1.18.

асфальтобетонные и типа асфальтобетона, из щебня и гравия, обработанных вяжущими материалами), км на 1000 кв. км территории; N_Gas – количество негазифицированных населенных пунктов; N_Vod – количество населенных пунктов, не имеющих водопроводов; N_Can – количество населенных пунктов, не имеющих канализаций (отдельных канализационных сетей); House – ввод в действие жилых домов, кв. метров.

Модель с пространственным лагом SAR имеет вид (1):

In(Popul) = a + p ■ w ■ In(Popul) + Pi ■

■ InAuto + P_? ■ InWage + p₃ ■ ln(/V_Gas) +     (1)

₊ Д ■ ln[W_ro(1) + p_s ■ ln(ZV_Ca„) + Ps ■ In(House) + £^.

Модель с пространственной ошибкой SEM имеет вид (2):

In(Popul) = a + P_Q ■ In(FopuZ) + Pi ■ InAuto +

+ P2 ■ InWage + p3 ■ ln(ZV6a3) + pt ■ lnCZVVod) + p5 ■ lnGVCa„) + p5 ■ In(House) +

+ Я ' W ■ 6 + £ где w – матрица пространственных весов; Popul – плотность населения, человек на кв. км; Wage – среднемесячная начисленная заработная плата, рублей.

Для определения наиболее подходящей модели вычислим тесты множителей Лагранжа для трех пространственных матриц w^c , w^d , iv^(d2) и соответствующие p -значения (табл. 1).

Из данных таблицы 1 следует, что наилучшей регрессионной моделью является SAR-модель, содержащая лаг зависимой переменной. Оценки модели, полученные методом максимального правдоподобия для трех видов матриц весов, приведены в таблице 2.

Коэффициенты для трех пространственных матриц различаются незначительно. Параметр пространственной авторегрессии с является положительным и статистически значимым, что подтверждает зависимость плотности населения муниципалитета от плотности населения соседних территорий. Коэффициенты при переменных Auto , Wage , N_Can , House значимы на уровне p < 0,05.

Таким образом, обеспеченность автодорогами с усовершенствованным покрытием, коммунальными инженерными сетями, уровень заработной платы и интенсивность ввода в действие

Таблица 1

Результаты тестов множителей Лагранжа

Матрицы	wc		wd		wl"2)
Модели	LM	p	LM	P	LM	P
SAR	2,26	0,13	7,20	0,007	5,95	0,01
SEM	0,03	0,86	0,30	0,69	0,61	0,43

Примечание. Расчеты автора.

Таблица 2

Оценки модели SAR (зависимая переменная – плотность населения)

Матрицы	с w		d w		w(d2)
Регрессоры	коэф.	ст. ошибка	коэф.	ст. ошибка	коэф.	ст. ошибка
ρ	0,17 **	0,08	0,93 ***	0,05	0,29 ***	0,09
lnAuto	0,60 ***	0,09	0,68 ***	0,09	0,48 ***	0,10
lnWage	1,23 **	0,63	1,74 ***	0,61	1,67 ***	0,56
ln(N Gas )	0,13	0,11	0,08	0,12	0,19 *	0,11
ln(N Vod )	0,1	0,1	0,13	0,10	0,05	0,10
ln(N Can )	–0,64 ***	0,13	–0,59 ***	0,14	_444 –0,73 ***	0,13
Ln(House)	0,23 **	0,11	0,27 ***	0,12	0,25 **	0,11
a	–10,77 *	6,49	–19,27 ***	6,37	–15,04 ***	5,79
R 2	0,95		0,94		0,96
2 σ	0,17		0,19		0,16
log-likelihood	–30,19		–31,28		–27,81
Критерий Акаике	76,39		78,56		71,62
Критерий Шварца	92,45		94,61		87,68

Примечание. Расчеты автора. * – 10%-й уровень значимости; ** – 5%-й уровень значимости; *** – 1%-й уровень значимости.

жилых домов влияют на пространственную неравномерность расселения внутри региона.

В качестве показателя оценки экономической активности муниципалитетов выбран объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами, тыс. рублей.

Для выявления пространственной автокорреляции для логарифма данного показателя вычислим индексы Морана (I) для различных видов взвешивающих матриц. Значение индекса для бинарной матрицы I^с = 0,229 (pseudo p -value = 0,007; z -value = 2,62), для матрицы обратных расстояний I^(d) = 0,155 (pseudo p -value = 0,01; z -value = 2,54), для матрицы квадратов обратных расстояний) ;(d²)= 0,118 (pseudo p -value = 0,02; z -value = 2,46). Значения индекса статистически значимы с вероятностью ошибки 0,05, следовательно данный показатель характеризуется положительной пространственной автокорреляцией.

Модель с пространственным лагом SAR имеет вид (3):

ln(Prod^ = a + p ■ w ■ ln(Prod) + p3 ■ InAuto +

+ ^₂ ' InInvest + ^₃ - W.UtJnfr) + £.      (3)

Модель с пространственной ошибкой SEM имеет вид (4):

In (Prod) = a + ^₀ ■ In (Prod) + p_t ■ InAuto +

+ Р_г ' hilnvest + Д ■ In (Utjnfr) 4- (4)

+Я - w ■ e + e, где w – матрица пространственных весов, Prod – объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами, тыс. руб.; Invest – инвестиции в основной капитал, осуществляемые организациями, находящимися на территории муниципального образования, тыс. руб.; Ut_Infr – свертка (среднее геометрическое) показателей обеспеченности коммунальной инфраструктурой NGas, N , N .

Vod , Can

Для определения наиболее подходящей модели вычислим тесты множителей Лагранжа для трех пространственных матриц w^c , w^d , iv^(d2) и соответствующие p -значения (табл. 3).

Из данных таблицы 3 следует, что наилучшей регрессионной моделью является SAR модель, содержащая лаг зависимой переменной для матриц w^d и tyf^²). Оценки модели, полученные методом максимального правдоподобия для двух видов матриц весов, приведены в таблице 4.

Результаты расчетов показали, что на межмуниципальные различия уровней экономической активности влияют обеспеченность территорий автодорогами с усовершенствованным покрытием и инвестиции в основной капитал, осуществляемые

Таблица 3

Результаты тестов множителей Лагранжа

Модель	w с		w d		w(d2)
	LM	p	LM	p	LM	p
SAR	0,11	0,74	2,73	0,098	3,47	0,06
SEM	0,08	0,77	2,13	0,14	1,23	0,27

Примечание. Расчеты автора.

Таблица 4

Оценки модели SAR (зависимая переменная – отгружено товаров)

Матрицы	(d) w		w«l2)
Регрессоры	коэф.	ст. ошибка	коэф.	ст. ошибка
ρ	0,61	0,43	–0,26	0,41
lnAuto	0,28 *	0,11	0,32 **	0,12
lnInvest	1,03 **	0,15	1,01 **	0,15
ln(Ut_Infr)	0,07	0,11	0,09	0,11
a	–0,96	1,96	1,00	1,88
R 2	0,59		0,59
2 σ	0,58		0,58
log-likelihood	–63,32		–63,21
Критерий Акаике	136,64		136,41
Критерий Шварца	146,68		146,46

Примечание. Расчеты автора. * – 5%-й уровень значимости; ** – 1%-й уровень значимости.

организациями, находящимися на территории муниципального образования. Низкий уровень инфраструктурной обеспеченности восточных и юговосточных районов области (Заветинский, Моро-зовский, Ремонтненский) является сдерживающим фактором освоения территорий и замедляющим темпы их социально-экономического развития.

Заключение

Высокая региональная неоднородность приводит к образованию кризисных территорий и населенных пунктов с устойчивой отрицательной динамикой социально-экономических показателей. Плотность автомобильных дорог общего пользования с усовершенствованным покрытием, обеспеченность коммунальными услугами, ввод жилья, средняя заработная плата являются факторами притяжения населения в муниципалитеты, имеет место и пространственное взаимодействие: густонаселенные территории «перетягивают» население, что в конечном счете приводит к несбалансированному развитию территорий Ростовской области. Экономическая активность муниципальных образований положительно коррелирует с уровнем обеспеченности и качеством автодорожной сети, а также инвестиционной активностью хозяйствующих субъектов.

Для эффективного функционирования опорной автодорожной сети Ростовской области необходимо завершение формирования сети автомагистралей; качественное улучшение технико-эксплуатационных характеристик как федеральных, так и региональных и межмуниципальных дорог с учетом сложившихся тенденций к увеличению автомобилизации и интенсивности движения; решение проблемы с перегрузками дорог на подходах к крупным населенным пунктам и строительство обходов. Реализация крупных инфраструктурных проектов исключительно в границах Ростовской агломерации только усилит территориальные диспропорции. Кроме того, социально-экономические дисбалансы станут ограничением развития самой агломерации. Необходимо выработать эффективные механизмы управления межтерриториальным развитием региона и синхронизировать соответствующие муниципальные, областные и федеральные программы.