基于運輸管理信息平臺的道路運輸監測體系
——以江蘇省為例

（南京市城市與交通規劃設計研究院股份有限公司，江蘇 南京 210008）

0 引言

隨著信息技術的飛速發展，越來越多的行業走向信息化和智能化的發展階段。在此發展趨勢下，道路運輸管理部門需要利用信息平臺內的海量基礎數據快速準確地掌握運輸行業的階段特征和發展規律。政府部門也發布了《促進道路貨運行業健康穩定發展行動計劃（2017—2020 年）》等文件[1-2]，也要求交通運輸行業加強運輸結構信息報送和監測分析工作。因此，道路運輸行業管理需以此為契機，借助互聯網技術和信息化手段，加強道路運輸行業數據的融合與互通，建立動態化、定量化且與經濟發展相關聯的道路運輸監測體系。

當前國內外關于道路運輸監測體系的研究較少，統計指標較為傳統[3-4]。比較典型的道路運輸統計指標體系與計算方法有：基于道路運輸經濟分析的指標體系[5-6]、基于運輸效率和服務水平等的指標體系[7-8]、基于道路貨運風險的評價指標體系[9-10]、基于低碳運輸的綜合評價指標體系[11-12]、基于經濟發展與道路安全的指標體系[13]。但此類研究是靜態化地分析數據，難以反映運輸效率和服務水平等隨時間變化的動態特征和發展趨勢。為此，很多國家和地區研究開發了各種指數來監測行業的發展態勢，如為貨運市場監測提供指引的道路貨運運價指數[14-19]、分析道路運輸中的能源消耗與環境關系的能源績效綜合指數[20]、道路貨運成本指數體系[21-22]、公路貨運景氣指數系統[23]以及危險貨物道路運輸風險評價指數[24]等。

從以往研究成果可看出，現有道路運輸指數多針對道路運輸某一方面，尚未有涵蓋道路運輸發展規模、服務能力、生態環保等多方面的綜合指數。因此，動態化、綜合化的道路運輸監測指標體系更適合現階段我國道路運輸對動態監測與高效管理的要求。本文在現有運輸統計指標體系和道路信息管理平臺統計數據的基礎上，構建道路運輸監測體系，綜合考量多方面因素，力求全面化、動態化反映道路運輸發展態勢；同時基于指數計算理論提出了監測指標計算方法；最后以江蘇省為例驗證該監測體系的可行性和有效性。

1 既有道路運輸指標分析

目前國內外對道路運輸統計中的指標體系研究較多，但現有指標主要是對運輸數據進行簡單的統計分析，缺乏系統的、綜合的、宏觀的把握。

1.1 運輸統計指標

美國是較早開展交通運輸統計的國家，最初目的是促進交通運輸產業自身的健康發展，由美國州際商業委員會以統計報表的形式進行數據采集。美國道路運輸統計指標不僅涵蓋了交通運輸行業本身，還涉及運輸部門的生產效率、交通流量、交通安全、運輸與經濟增長間的關系等[7]。

我國交通運輸部發布的道路運輸行業報表中的統計指標涵蓋面較廣，旨在比較全面地反映我國道路運輸行業運行狀況，是我國目前進行運輸統計工作的主要依據。

中國和美國道路運輸業統計指標比較見表1。

表1 道路運輸業統計指標比較[7,25]

1.2 道路運輸指數

國外道路運輸行業應用的指數主要有美國運輸服務指數（Transportation Services Index,TSI）、監測道路污染的IKAPET 指數、公路擁堵指數等。我國道路運輸行業已發布的統計指數有全國道路貨物運輸價格指數（CFI）、義烏運價指數、道路運輸百強企業發展指數和道路班線客運營運指數等，其中公路貨運運價指數應用較為廣泛，能很好地監測貨運市場變化。

1.3 發展方向

基于我國經濟已由高速增長階段轉向高質量發展階段的新形勢和新要求，發展目標由單純追求經濟增長向更加重視人與自然和諧發展轉變，需要確立“質量第一、效益優先”的發展理念，推動信息化、智能化、生態安全等全方位建設，引領城市及區域的交通運輸高質量發展。尤其對于道路運輸行業而言，加強信息平臺互聯互通、數據共享，推動行業研究的廣度和深度非常重要。同時要結合生態環保、交通安全等當前社會關注熱點，探索構建能有效聯動各道路運輸信息管理平臺數據、直觀動態反映運輸行業發展規律的道路運輸監測體系。

2 既有信息平臺統計指標及監測效果評估

國內各省市基本建立了運政在線、客運聯網售票系統、衛星定位監管系統等道路運輸管理信息平臺，部分城市開展了無車承運人物流平臺試點建設，如廣東省道路運輸車輛衛星定位監控系統、陜西省道路運輸第三方安全監測平臺和浙江省聯網售票系統等。不同城市各具特點，平臺建立和統計指標也有所不同。江蘇省基于“互聯網+交通運輸”行動和交通強省戰略在道路運輸信息化方面做了大量工作，形成了運政在線、聯網售票系統、無車承運人平臺及危險貨物電子運單系統等管理信息平臺。本文以江蘇省為例，對道路運輸監測平臺進行分析。

江蘇運政在線平臺是在江蘇全省推廣應用的運輸管理業務系統，覆蓋了道路、水路運輸經營許可及日常監管等業務，實現了行政許可、行政處罰、行業統計和決策分析等功能。道路運輸統計數據包括客貨運企業數、從業人員數、車輛數、運力等運輸規模數據。

江蘇聯網售票系統聯合“巴士管家”平臺，實現了全省異地購票、無紙化車票進站、在線退票等功能，較好地滿足了公眾乘坐班車出行的需求。系統內數據主要包括基礎設施、旅客特征、流量流向、經營情況、運輸量等，并已初步實現多維度客運監測分析、票務監測分析和客流動態預警，能有效提高客運服務效率和質量。

無車承運人監測平臺具有采集試點企業基礎信息和動態運行信息兩方面數據的功能。動態數據包括每單業務的動態數據、運行軌跡、車輛實時位置、異常情況監測數據。無車承運人平臺通過錄入數據并結合運政在線數據庫對異常信息進行監測和預警，優化市場格局，規范市場經營行為。

危險貨物電子運單系統是在交通運輸部的統一組織下開發的，對運單信息（包含危險貨物種類、數量、始發地、發車時間、目的地、預計到達時間、運輸里程等）進行電子化存儲，并利用GPS 進行動態監測，實現運單管理、監督檢查、量化分析等相關數據的自動化采集與處理，為精細化監管提供技術手段。

隨著信息化建設的不斷發展，道路運輸信息系統已逐步深入到運營管理的各個領域，涵蓋各方面的業務信息數據。然而，系統之間的數據共享仍存在一定障礙，亟需各信息系統的互聯互通，實現運輸行業統計數據融合與共享，為道路運輸行業監測體系提供更有力的支撐。

3 基于信息平臺的道路運輸監測體系構建

3.1 構建目標與原則

道路運輸監測體系主要用來反映城市道路運輸階段特征，監測道路運輸運行狀態，揭示道路運輸發展規律，為精準改善道路運輸服務提供數據支撐。因此，道路運輸監測指標的選取要充分結合運輸行業實際需要，遵循科學性與系統性相結合、結構性與層次性相協調、數據可得性與可操作性相適應以及與時俱進的原則。監測指標不宜過于復雜，考慮指標在信息平臺內獲取的難易程度以及是否具備長期采集的條件，滿足長期測算和后續精確運算分析的需求。

3.2 監測指標架構

基于指標選取原則、監測體系構建目標及現有統計指標指數，緊密結合新形勢下對道路運輸行業信息化、生態安全、與經濟協同關系等方面的要求，綜合考慮道路貨運、客運以及行業發展，構建包含道路貨運發展指數、道路客運發展指數和道路運輸業貢獻度的“3-11”綜合性監測體系。

道路貨運發展指數是由道路貨運中多種要素綜合作用形成的。貨運發展影響因素包括貨運發展規模、貨運效率、貨運服務水平、貨運生態發展及貨運運價。其中，貨運發展規模又受運輸量、車輛數、從業人員數及噸位數的影響；貨運效率受里程利用率和噸位利用率的影響；貨運服務水平受訂單正常率、貨物完好率和貨運安全率等的影響；隨著新能源車的逐漸普及應用，貨運生態發展受到能源利用率和新能源貨車擁有率的影響；貨運運價指數作為貨運行業的“晴雨表”，主要受運價和運輸量的影響。從業人員數、車輛數、新能源汽車擁有量等行業投入規模數據主要來源于運政在線平臺，其余均來源于無車承運人和危險貨物電子運單平臺。

道路客運發展指數與道路貨運發展指數影響因素基本類似，但客運運價是由當地交通主管部門按實際里程確定的，不受市場波動的影響，因此道路客運發展影響因素包括客運發展規模、客運效率、客運服務水平和客運生態發展。從業人員數、車輛數、新能源汽車擁有量等行業投入規模數據主要來源于運政在線平臺，其余均來源于聯網售票系統。

道路運輸業貢獻度反映道路運輸業對經濟的貢獻，包括直接貢獻和間接貢獻。貢獻度所需數據主要來源于地方統計局[26]。

由于每日的客運服務水平、客運效率等要素均有所不同，考慮計算量的大小，以“月”為周期發布道路貨運發展指數、道路客運發展指數。而經濟貢獻度受GDP、相關產業數據影響，以“年”為周期發布道路運輸業貢獻度指標。通過建立的指標體系，定期（月、季、年）開展道路客貨運發展指數計算工作，連續跟蹤分析道路客貨運發展隨時間的波動趨勢、變動方向及變化程度，以期得到隨時間變化過程中客貨運發展存在的薄弱環節。“3-11”綜合性監測體系及其具體指標見表2～表4。

表2 道路貨運發展指數及相關數據來源一覽表

表3 道路客運發展指數及相關數據來源一覽表

表4 道路運輸業貢獻度指標及相關數據來源一覽表

4 基于信息平臺的道路運輸監測指數測度

道路運輸監測體系中道路運輸業貢獻度采用投入產出法計算，該計算方法已較為成熟，在本文中不作詳細介紹。結合道路客運發展指數和道路貨運發展指數，考慮到道路運輸監測體系分層特點和指數編制的核心要素，指數計算時需要確定基期和不同層級指標對應的權重。應選擇研究對象相對穩定的時期作為基期，同時考慮基期前后統計數據具有銜接性。權重選擇關乎指數計算結果的代表性和準確性，在選擇時需考慮計算結果的實際意義。

4.1 指數計算理論

指數作為將復雜現象簡單化的相對數，可將復雜的行業現象直觀化表示，從而把握行業發展趨勢和規律，為公眾和政府提供有效信息。指數計算方法一般分為簡單指數法、綜合指數法和平均指數法三種，簡單指數法不考慮權重，以平均法求得總指數。綜合指數法是對兩個時期不同、范圍相同的多要素同度量綜合之后，進行總體數量對比得出的總指數。平均指數法是以個體指數為基礎，通過對個體指數加權平均計算得到總指數。結合不同指數計算方法特點，本文運用綜合指數法中的Fisher 指數模型計算道路貨運運價指數，以反映貨運市場價格受運價和運輸量共同影響的變動趨勢；運用平均指數法中的加權算術平均指數法計算其他指數，并采用層次分析法確定權重。

4.2 指數計算方法

由于貨運發展指數與客運發展指數結構類似，故以貨運發展指數為例構建計算模型。

4.2.1 一級指標計算

（1）貨運發展規模指數F1

式（1）中：ρ貨i1為報告期發展規模指數分項指標值，i=1,2,3,4；ρ貨i0為基期發展規模指數分項指標值，i=1,2,3,4；α1i為權重；F0為基期指數值，取值為100。

（2）貨運效率指數F2

式（2）中：F2i為不同貨物類型貨運效率指數，i=1,2,3；ω1,ω2為三級指標權重；α2i為二級指標權重，，Qi為不同貨物類型貨運總運輸量；T貨i1,T貨i0分別為報告期、基期里程利用率；O貨i1,O貨i0分別為報告期、基期噸位利用率。

（3）貨運服務水平指數F3

式（3）中：α3i為各分項指數權重，i=1,2,3；μ貨i1,μ貨i0分別為報告期、基期貨運服務水平。

（4）貨運生態發展指數F4

式（4）中：α41,α42為各分項指數權重；x貨1,x貨0分別為報告期、基期能源利用率；n貨1,n貨0分別為報告期、基期新能源貨車擁有量；c貨1,c貨0分別為報告期、基期貨運車輛數。

（5）貨運運價指數F5

4.2.2 綜合指數計算

道路貨運發展指數JFDI是通過對一級指標加權求和的方法獲得，其計算公式為：

式（6）中：βj為一級指標的權重；Fj為一級指標。

4.2.3 權重計算方法

層次分析法利用決策者在兩兩比較中給出的信息進行分析，既能發揮德爾菲法借鑒專家寶貴經驗的優點，又具有定量分析的優勢，是一種定性分析與定量計算相結合的評價方法。本文選擇層次分析法進行權重的計算。已建立的監測體系是在咨詢相關專家意見的基礎上，將各指標成對比較構建判斷矩陣，對各屬性層和指標層的權重進行計算并對判斷矩陣進行一致性檢驗。

（1）構造判斷矩陣

在確定各層次各因素的權重時，如果只有定性結果，則不易被人接受，因而Saaty等人提出構造成對比較矩陣A=(aij)n×n。成對比較矩陣是表示本層所有因素針對上一層某一因素的相對重要性的比較。判斷矩陣的元素aij用Satty 給出的1-9標度方法給出。

（2）層次單排序及其一致性檢驗

①層次單排序

層次單排序指本層次各因素相對于上一層某因素的重要性的排序。層次單排序可歸結為計算判斷矩陣的特征根和特征向量問題。

②一致性檢驗

平均隨機一致性指標RI根據判斷矩陣的階數確定，見表5。

表5 平均隨機一致性指標RI

（3）層次總排序及一致性檢驗

確定所有因素對于總目標相對重要性的權值排序過程。

4.3 案例應用

由于受到客觀因素的限制（平臺權限不對外開放，本研究數據采集受到一定的限制），在江蘇省無車承運人平臺和危險貨物電子運單平臺僅采集到2019 年6 月、8 月和9 月的道路貨運數據，因此以2019 年6 月為基期計算分析當年8 月和9 月貨運效率指數，為宏觀決策提供參考。

4.3.1 數據預處理

由于采集到的數據受多種因素影響且存在缺失或異常情況，如車輛載質量為0、貨運重量大于1 000t 等情況，無法直接用于計算，故首先利用結構化查詢語言（Structured Query Language,SQL）對數據庫中異常數據進行處理和校正。

4.3.2 貨運效率指數計算

由于未能成功獲取無車承運人平臺和危險貨物電子運單平臺中貨運線路走向數據，因此暫不考慮里程利用率對貨運效率指數的影響，僅以噸位利用率計算各城市的貨運效率指數。以2019年6 月為計算基期，計算不同貨物類型貨運效率指數和總貨運效率指數，結果如表6～表7所示。

表6 江蘇省不同貨物類型貨運效率指數

表7 江蘇省公路貨運效率總指數

4.3.3 計算結果分析

從江蘇省不同貨物類型來看，危貨運輸效率指數上漲幅度較大，8 月貨運效率指數為103.05，較6月上漲了3.05%；9月貨運效率指數為110.85，較6 月上漲了10.85%，環比8 月上漲了7.57%。從危險貨物車輛結構來看，危險貨物車輛呈現小型化的發展趨勢，車輛平均噸位數有小幅下降，使得危貨運輸成本逐漸下降，危貨的運輸效率提高。整車貨運效率指數跌宕變化，8 月貨運效率指數為100.65，較6 月上漲了0.65%；9 月貨運效率指數為99.1，較6 月下降了0.9%，環比8 月下降了1.54%。8月為貨運市場的淡季，企業為了爭取更多盈利會提高車輛的運輸效率以降低貨運成本。同時，在節能減排的要求和車輛大型化發展趨勢下，車輛數雖有所下降，但總噸位數基本維持平穩，平均噸位數有所變化，8 月份平均噸位數較6 月和9 月低，但三個月的變化幅度不大。因此在貨運市場變動和貨運結構調整的共同作用下，8 月貨運效率指數也有所上漲，對提升經濟效益有積極作用。

從江蘇省總的公路貨運效率來看，8 月貨運效率指數為100.26，較6 月上漲了0.26%；9 月貨運效率指數為100.68，較6月上漲了0.68%，環比8月上漲了0.42%。公路貨運運力有效利用率有小幅上漲，表明江蘇省公路貨運整體保持高增長態勢，平均單位運輸成本有所下降，對提升物流市場經濟效益和社會效益有十分積極的作用。

5 結語

在“互聯網+”環境下，道路運輸信息化平臺的建設在集約利用交通資源和改善道路運輸狀況中發揮著重要的作用，但也使得傳統的道路運輸統計指標難以適應新的發展要求，需更加注重對行業發展熱點問題和行業動態化發展趨勢的研究。本文基于當前道路運輸監測指標應用中存在的基礎指標多、綜合指標少、對信息管理平臺數據交叉利用不足等問題進行了一定的探索和研究，探索建立涵蓋了運輸規模、貨運運價、服務水平及生態發展等多方面的“3-11”（3 個指標分類、11 個一級指標）的道路運輸監測體系，實現由分散指標向綜合指標、靜態指標向動態指標的轉化，并基于指數理論方法對構建的指標體系進行計算分析，以全面及時地反映行業動態，揭示全省道路運輸業發展規律和階段，為行業監管、公共服務、決策分析提供數據和技術支撐，也為未來行業研究提供參考。

但是受采集到的原始數據和研究對象限制，對于如何高效監管道路運輸服務業（維修、駕培）、城市客運數據、私家車運行情況等，如何應用先進的大數據挖掘技術和分析方法對更海量的數據進行不同層次、不同深度的分析等，本文未做探討，這將是未來進一步探索和研究的重點方向。