空鐵聯運背景下主要城市間快遞量預測

張發東，謝榮惠，張文暢，王銘飛

（1.西南交通大學 交通運輸與物流學院，四川 成都 611756；2.西南交通大學 綜合交通大數據應用技術國家工程實驗室，四川 成都 611756；3.中國中鐵工程設計咨詢集團有限公司，北京 100055）

1 引言

隨著電子商務的發展和快遞業務需求的快速增長，快遞企業面臨著挑戰，因此，創新貨運運輸方式，有效整合各種運輸方式的優勢顯得尤為重要，例如中鐵快運已經推出“高鐵快運”新產品對高鐵運力進行合理利用。而能同時綜合高鐵與航空的優勢，實現高鐵與航空運輸資源合理配置的空鐵聯運方式在我國也開始起步。空鐵聯運是指航空運輸與鐵路運輸相互結合、相互協作的聯合運輸方式，通過高速鐵路與航空線路的有效銜接，構建空鐵聯運復合運輸網絡，將二者優勢互補，實現運輸資源的合理配置。目前國內針對高鐵貨運的研究剛處于起步階段，關于貨物空鐵聯運的研究較少，部分學者從空鐵聯運的可行性方面進行了研究。宋超[1]從空鐵競合現狀、航空樞紐發展趨勢以及國家綜合交通運輸體系建設三個方面論證了我國空鐵聯運發展的必然性，提出推進空鐵聯運的快速發展對鐵路航空互補雙贏、國民經濟快速發展都有重要意義；張曉光[2]對當前國內外空鐵聯運發展現狀進行了詳細的對比分析，提出發展空鐵聯運將是我國綜合交通運輸體系建設的重要組成部分與發展方向；楊宗儒[3]結合實地調查、中外研究經驗和數據分析方法對京津冀地區空鐵聯運的潛力進行評價，得出空鐵聯運產品具有很大的開發潛力，并且能夠建立高鐵與民航的綜合運輸網絡。針對貨運背景下的空鐵聯運問題，魏艷波[4]以鄭州新鄭機場為例，介紹了空鐵聯運背景下我國大型樞紐機場貨運空鐵聯運方案以及進出港貨物作業方案；郁敏[5]針對空鐵聯運托運行李處理模式進行了研究，提出了空鐵聯運模式下行李處理的可行方案，為實現貨物空鐵聯運提供了一定參考。

想要進行空鐵聯運網絡的合理布局，需要對各個城市分布的網絡結構進行規劃，確定樞紐城市和節點城市，而各個城市對間空鐵聯運的快遞業務量可以作為一個主要確定標準，故首先需要進行預測把握。目前，關于快遞量預測的研究已較為成熟，但基本不存在任何關于全國主要城市甚至省份間快遞量甚至貨運量的統計，只能結合相關數據進行科學合理的預測。本文將對全國主要城市OD 對間的空鐵聯運快遞量進行預測，主要思路為基于Logit 模型進行空鐵聯運方式分擔率預測；依據快遞量與城市國民經濟水平、貨物運輸量、社會消費品零售總額等在官方統計年鑒中均存在的主要國民經濟指標進行主成分分析，確定各主要城市的快遞業務綜合評分；進而利用引力模型，確定各個城市間快遞吸引強度；最后利用BP 神經網絡模型對各個城市的快遞業務量以及異地快遞業務量進行預測，最終確定各個城市OD對間空鐵聯運快遞業務量。具體如圖1所示。

圖1 預測流程圖

總體而言，目前針對空鐵聯運的研究文獻較少，且主要集中在旅客運輸領域，此外鮮有學者對OD對間的貨運量預測問題進行深入研究。因此，本文在考慮空鐵聯運背景下，對全國28個主要城市OD對間快遞運量進行預測，不僅能為將來我國空鐵多式聯運樞紐網絡規劃研究提供數據支持，還能對空鐵聯運運輸相關產業布局、全國貨運結構優化提供理論支撐，具有重要研究意義和理論價值。

2 運輸方式分擔率預測

在進行城市OD對間貨運分擔率預測之前，先做以下假設：

（1）為簡化工作量，運輸距離取兩點間的直線運輸距離。

（2）通常情況下，高鐵—航空聯運一般是將高鐵運輸作為航空運輸的支線運輸看待，即高鐵貨運是對航空貨運的線路補充，而不是競爭對手。

（3）允許任意城市間直接運輸的情況，即允許非樞紐城市間通過高鐵或航空運輸直接連接。

基于以上三點，本文將空鐵聯運與航空運輸、高鐵貨運合并考慮，將其統稱為空鐵聯運。故只需要對空鐵聯運與公路運輸進行貨運分擔預測。

本文采用Logit 模型進行運輸方式貨運分擔預測。運用Logit模型的關鍵在于確定特征函數的線性方程，特征函數可以通過大樣本的問卷統計確定，通過實際樣本數據進行線性回歸得出，而大樣本的調查研究耗費巨大，小樣本的調研又將大大降低回歸后參數的可靠性。鑒于此，本文基于貨主對產品運輸的可能滿意度，嘗試運用運輸產品效用值函數改進特征函數，將其轉化為多元線性求解過程[6]。

運用乘法規則與加法規則，得出兩種運輸方式的產品效用值計算公式如下：

空鐵聯運運輸產品效用值=安全指標×（運價效用+時效性）×（起始點城市GDP+送達城市GDP）

公路運輸產品效用值=安全指標×（運價效用+時效性）×（起始點城市GDP+送達城市GDP）×0.9

其中，效用值函數的各項基礎性指標取值根據調研和相關文獻可得。

再將其代入Logit模型公式：

根據式（1）、（2）計算可得城市OD對間空鐵聯運方式的貨運分擔率。

3 全國主要城市快遞業務實力綜合評價

主成分分析法能夠在引進多方面變量的同時，將多個復雜的因素通過降維的方式歸結為幾個主成分，其中每個主成分都能夠反映原始變量的大部分信息，且所含信息互不重復，因此本文選取主成分分析法來進行全國主要城市快遞業務實力綜合評價。

全國主要城市快遞綜合評分步驟如下：

（1）確定各個城市關于各主成分得分：

其中，Fiα表示城市i的主成分α的得分；λi表示城市i的評價指標矩陣；Qα表示第α個主成分，Qα=（q1，q2，…，qn）表示第α個主成分的因子載荷。

（2）計算各個主要城市快遞業務實力綜合得分：

其中：Si表示城市i 的快遞業務實力綜合得分；ηα表示主成分 α 的方差貢獻率；Fiα表示城市 i 的主成分α的得分。

對全國28 個主要城市，統計與快遞業相關的主要經濟指標，作為快遞業綜合評分指標。其中包括地區國民生產總值X1（億元）、城市快遞業務量X2（萬件）、服務業增加值X3（億元）、常住人口X4（萬人）、城市貨運總量X5（萬t）、社會消費品零售總額X6（億元）、居民人均可支配收入X7（元）、城鎮居民人均可支配收入X8（元），統計原始數據見表1。

表1 全國主要城市快遞業務綜合評分評價指標

利用SPSS 軟件進行降維操作，輸出主成分分析結果見表2。

表2 變異數統計

由表2可知，前兩個成分因素的起始特征值均大于1且累加貢獻率為91.912%，大于85%，即前兩個指標能夠解釋原始8 個指標維度的91.912%，因此，選取前兩個指標代替原有8個指標具有充分的合理性。

同時，利用SPSS軟件得出各成分因子指標系數，見表3。

表3 因子評分系數矩陣

根據式（3）得出主成分因子1、主成分因子2 得分，根據式（4）得出各個城市快遞業務綜合實力得分。各城市快遞業務綜合評分結果見表4。

表4 城市快遞業務綜合評分結果

4 各個城市間快遞吸引強度分析

應用于交通物流領域的引力模型的原理是任意兩個OD 對間貨運量與出發地的貨物發生能力和到達區的貨物吸引能力成正比，與兩區間的行程時間(或費用、距離等)成反比。根據引力模型公式，本文以第3 節計算得出的各個城市快遞業務實力綜合評分作為出行發生量與到達吸引量，以兩城市的直線距離作為交通阻抗，構建引力模型：

其中，gij表示城市i與城市j之間的快遞業務聯系程度值；Si與Sj分別表示城市i與城市j的快遞業務能力綜合得分值；RTij表示交通阻抗，取城市i與城市j之間的距離。

各城市OD 對間的快遞吸引強度值計算公式如下：

其中，Gij表示城市j對于城市i的快遞吸引強度；gij表示兩城市間的快遞聯系程度值。同理，城市i對城市j的快遞吸引強度值計算公式如下：

根據式（6）、式（7），計算得全國各主要城市OD對間快遞吸引強度，主要城市OD對間的結果見表5。

表5 主要城市OD對間快遞吸引強度

5 城市間快遞量預測

5.1 主要城市異城快遞量預測

傳統的預測方法包括指數平滑法、趨勢預測法、灰色預測模型等，通常僅依據數據的變化趨勢做出預測，而BP 神經網絡具有實現復雜非映射的功能，而且能夠進行自主學習從而實現誤差的縮小，非常適用于由多因素共同作用下的指標預算。

快遞業作為服務型產業，快遞業務量與一個地區的國民經濟水平、社會消費品零售總額、人口、貨運量等地區國民經濟指標具有很大的相關性，在運用BP神經網絡進行數據預測時，考慮到以上數據采集的便利性與準確性，本文選取2012-2017年間地區國民生產總值、社會消費品零售總額、貨運量三項在地區年鑒中都存在且統計口徑基本一致的指標作為輸入變量，以地區快遞業務量作為輸出變量，展開BP神經網絡預測。

利用訓練好的網絡進行預測時，需提供預測年份2020年地區國民生產總值、社會消費品零售總額以及貨運量數據。確定方法如下：2017年11月6日《人民日報》撰文預計到2020年我國國內生產總值可達17萬億美元，約為110.6萬億元；《物流業發展中長期規劃（2014-2020年）》中估計2020年我國社會物流總額將達到300 萬億元；商務部等10 部門聯合發布了《國內貿易流通“十三五”發展規劃》，規劃提出我國2020年社會消費品零售總額的目標為48萬億元；根據以上兩條國家宏觀規劃以及2016年各城市GDP、社會消費品零售總額在國家總量中的占比，確定2020年各城市GDP、社會消費品零售總額。貨運量數據根據趨勢預測法得出。

運用MATLAB 軟件進行BP 神經網絡預測編程操作，輸入樣本為10，隱含層取8，輸出層取1，學習率取0.05，可接受目標誤差取0.001。以北京市為例，預測結果見表6。

表6 北京市快遞量預測結果 單位（萬件）

從北京市預測結果可以看出，6年間的預測結果誤差率均不超過10%，預測結果精度較高。同理，可得出其余27城市快遞業務量，結果見表7。

表7 全國主要城市快遞量預測結果 單位（萬件）

5.2 主要城市異城空鐵聯運快遞量預測

根據2014年全國快遞業務量結構，本文取72.3%作為各城市快遞業務量中異地業務占比[7]，并參考快遞件的平均重量為3kg，根據5.1 預測結果可得出各城市快遞量（單位：t）。

根據第2 節得出的空鐵聯運貨運分擔率與第4節得出的各個城市OD對間吸引強度值，最終可以得到主要城市間空鐵聯運快遞量。全國主要城市OD對間空鐵聯運快遞量結果見表8。

表8 全國主要城市間空鐵聯運快遞量預測結果單位（t）

6 結語

本文在空鐵聯運背景下，利用logit 模型對空鐵聯運貨運方式分擔率進行預測，同時根據BP神經網絡預測得到各主要城市的快遞業務量，進而利用主成分分析法得到各城市快遞業務實力評分，借助引力模型得到各主要城市OD對間快遞業務吸引強度，最后根據空鐵聯運分擔率和快遞業務吸引強度得到各主要城市OD 對間空鐵聯運快遞量預測結果。預測結果表明，全國28個主要城市OD對間空鐵聯運的快遞量呈現明顯的軸輻式分布，即作為航空樞紐或者高鐵樞紐的城市，其與周圍城市的快遞發生量遠遠高于其他城市，由此可為我國未來空鐵多式聯運網絡布局、樞紐規劃、結構優化提供數據支持和理論建議。但本文僅刻畫了未來某一時刻的主要城市OD對間空鐵聯運的畫像，隨著空鐵聯運方式的逐漸興起，城市間快遞業務運輸方式的動態變化發展有待進一步研究。