基于公路貨運市場監(jiān)測的鐵路運價調(diào)整機制研究

張雙霞，李丹丹，凌 霞

(1.中國鐵路蘭州局集團有限公司 貨運部，甘肅 蘭州 730031；2.西南交通大學(xué) 交通運輸與物流學(xué)院，四川 成都 611756)

0 引言

近年來，隨著電子商務(wù)和對外貿(mào)易的迅猛發(fā)展，貨運需求日益增長。公路貨運的運輸便捷性和定價靈活性使得其貨運量和貨物周轉(zhuǎn)量節(jié)節(jié)攀升。對于鐵路運輸企業(yè)而言，深入研究公路運價決定機理，全面把握現(xiàn)有公路貨運市場環(huán)境，對于合理制定鐵路運價具有重要意義。

目前已有很多學(xué)者從價格監(jiān)管的角度開展公路貨運價格指數(shù)的研究，包括公路貨運價格指數(shù)編制[1-3]、貨運價格指數(shù)影響因素分析[4-5]、貨運價格指數(shù)預(yù)測[6-8]等。關(guān)于鐵路市場化定價，史德耀[9]研究了鐵路貨運承運清算模式下市場化定價；王玉光[10]探討了鐵路貨運市場化定價機制；謝如鶴等[11]研究了馱背運輸?shù)氖袌龌▋r方案。對于公鐵競爭定價，國內(nèi)外學(xué)者已進行了廣泛研究，Pietrantonio等[12]以競爭為導(dǎo)向?qū)W洲鐵路貨運定價進行研究；Gorman[13]運用運籌學(xué)方法對鐵路貨運競爭性定價進行研究；林燕揚[14]在貨運交易中引入期權(quán)理論，提出基于鐵路貨運長期需求的價格制定模型。這些研究對于增加鐵路定價機制靈活性具有重要作用和意義。

在此，考慮在鐵路、公路競爭的市場環(huán)境下，對鐵路貨運價格進行調(diào)控。首先，構(gòu)建公路貨運運價大數(shù)據(jù)平臺，研究公路運價的變化情況，全面把握運輸行業(yè)市場走勢，探究影響公路貨運價格的因素；其次，通過預(yù)測公路貨運價格，優(yōu)化鐵路貨運價格定價方案，促進鐵路貨運價格水平進一步貼近市場。

1 公路運輸價格變化趨勢及影響因素分析

1.1 公路運輸價格變化趨勢

從公路運價指數(shù)網(wǎng)獲取2016—2021年間全國零擔(dān)重貨、零擔(dān)輕貨，以及9.6 m整車、13.5 m整車和17.5 m整車的單位運價數(shù)據(jù)，分析其隨時間的變化趨勢及影響因素。

（1）零擔(dān)重貨和零擔(dān)輕貨變化情況。公路零擔(dān)貨運運價變化趨勢如圖1所示。分析圖1a、圖1b中2016—2021年零擔(dān)重貨和零擔(dān)輕貨價格變化情況，其單位價格均呈現(xiàn)總體下降趨勢。其中2016年和2017年零擔(dān)重貨和輕貨單位價格指數(shù)較大，2016年7月和11月分別達到最高值，其余月份也基本維持在較高的價格水平上。相比2016年，2017年價格稍有下降，而到2018年后，兩者的價格指數(shù)都有了明顯的下降趨勢，并在接下來的幾年內(nèi)保持數(shù)值相對穩(wěn)定。

（2）不同車長的整車價格變化情況。不同車長的整車價格變化情況如圖2所示。由圖2可以看出，3種車型長度的整車價格具有較為相似的變化規(guī)律，價格隨時間波動較為明顯。總體上來看，17.5 m車型的整車價格指數(shù)較其他兩者高，9.6 m車型的整車價格指數(shù)最低。3種車長的整車價格在一年中出現(xiàn)多個峰值，拐點較為明顯，且價格變化率較大，隨多個因素影響變化較為劇烈。9.6 m和17.5 m的整車價格均在2020年和2021年出現(xiàn)了某個單月份價格激增的態(tài)勢，可能的變化因素為供需關(guān)系的影響、相關(guān)因素的波動等。

1.2 運價影響因素分析

皮爾遜系數(shù)法是英國統(tǒng)計學(xué)家皮爾遜提出的一種用來考察2個事物或變量之間相關(guān)強度的方法。在前期分析中可得，運價與可能的影響因素間存在著一定的相關(guān)性，因此選用皮爾遜系數(shù)法計算影響因素與運價之間的相關(guān)系數(shù)，相關(guān)系數(shù)越接近于1或-1，相關(guān)強度越強，相關(guān)系數(shù)越接近于0，相關(guān)強度越弱。

（1）零擔(dān)貨運價格影響因素分析。公路零擔(dān)貨運價格與影響因素之間的皮爾遜系數(shù)矩陣如圖3所示。

圖1?公路零擔(dān)貨運運價變化趨勢Fig.1 Less-than-carload freight rate of highway

圖2?不同車長的整車價格變化情況Fig.2 Freight rate of full-load truck with various lengths

圖3?公路零擔(dān)貨運價格與影響因素之間的皮爾遜系數(shù)矩陣Fig.3 Pearson coefficient matrix between less-than-carload freight rate of highway and influencing factors

從圖3可知，鐵礦石產(chǎn)量、零擔(dān)重貨指數(shù)、零擔(dān)輕貨指數(shù)、磷礦石產(chǎn)量、公路物流運價指數(shù)與零擔(dān)輕貨價格之間的相關(guān)系數(shù)均為正且大于0.6，這表明它們與零擔(dān)輕貨價格和零擔(dān)重貨價格之間存在極強正相關(guān)性，同時它們的變化趨勢也與運價的波動趨勢相似。而生鐵產(chǎn)量與零擔(dān)輕貨價格和零擔(dān)重貨價格之間的相關(guān)系數(shù)均小于-0.6，這表明它們之間存在強負相關(guān)性，即生鐵產(chǎn)量的變化趨勢有很大可能與運價的波動趨勢相反。

（2）整車運價影響因素分析。整車價格與影響因素之間的皮爾遜系數(shù)矩陣如圖4所示。從圖4可知，鐵礦石產(chǎn)量、公路物流運價指數(shù)和零擔(dān)重貨指數(shù)的相關(guān)性系數(shù)大于0.8，表明它們與整車指數(shù)間存在非常強的相關(guān)性關(guān)系；磷礦石產(chǎn)量、零擔(dān)輕貨指數(shù)介于0.6 ～ 0.8之間，說明它們與整車指數(shù)間存在著較強的相關(guān)性關(guān)系。

（3）公路貨運成本與運價相關(guān)性分析。從甘肅省高速公路運營服務(wù)中心網(wǎng)站提取了21萬余條運輸數(shù)據(jù)，結(jié)合調(diào)研所得，分車型計算了部分貨車在高速公路運輸過程中所產(chǎn)生的油耗費用、通行費用、勞動費用、折舊等。高速公路貨車運輸成本樣表如表1所示。

圖4?整車價格與影響因素之間的皮爾遜系數(shù)矩陣Fig.4 Pearson coefficient matrix between freight rate of full-load truck and influencing factors

表1?高速公路貨車運輸成本樣表Tab.1 Highway trucking costs

2 公路運價預(yù)測

2.1 數(shù)據(jù)集準備

公路運價主要受到市場因素和運輸成本因素影響。通過上述對運價影響因素的相關(guān)性分析，從以上因素中選取了獨立且與公路運價的相關(guān)顯著性P值在0.05以下的指標作為輸入模型的特征指標，包括鐵礦石原礦產(chǎn)量、磷礦石產(chǎn)量、生鐵產(chǎn)量、粗鋼產(chǎn)量、鋼材產(chǎn)量、物流運價指數(shù)、零擔(dān)輕貨指數(shù)、零擔(dān)重貨指數(shù)、運輸成本。對已有數(shù)據(jù)進行預(yù)處理之后，得到2020年8月至2021年8月的歷史周運價數(shù)據(jù)與特征指標數(shù)據(jù)，公路運價預(yù)測模型輸入數(shù)據(jù)集(示例)如表2所示。

2.2 預(yù)測模型搭建

綜合考慮公路運價時間序列自身特性和多種相關(guān)特征的影響，采用加權(quán)方式將ARIMA模型和SVM模型的預(yù)測結(jié)果進行結(jié)合，以獲得精度較高、誤差水平低的預(yù)測結(jié)果，公式如下。

式中：Yt為預(yù)測的第t周公路貨物運價，元/ (t·km)；為ARIMA模型預(yù)測的第t周公路貨物運價，元/ (t·km)為SVM模型預(yù)測的第t周公路貨物運價，元/ (t·km)；m，n為加權(quán)系數(shù)，取值范圍為[0，1]，m+n= 1；Yt-i為第t-i周的公路貨物運價，元/ (t·km)；φ(x)為第t周鐵礦石原礦產(chǎn)量、磷礦石產(chǎn)量、生鐵產(chǎn)量、物流運價指數(shù)、高速收費值所組成的向量；γ，ω為系數(shù)；a，b為常數(shù)項。

將2020年8月至2021年7月各線路各品類的歷史周運價數(shù)據(jù)與特征指標數(shù)據(jù)作為輸入數(shù)據(jù)，輸入上述提出的ARIMA-SVM組合模型，輸出得到2021年8月各線路各品類的周運價預(yù)測結(jié)果，并分析模型輸出結(jié)果的精度，公式如下。

式中：δ為模型輸出結(jié)果的精度；yt為運價真實值，元 / (t·km)為運價預(yù)測值，元/ (t·km)。

各線路運價平均預(yù)測精度如圖5所示，總體上看，約90%的數(shù)據(jù)預(yù)測精度高于0.7，約75%的數(shù)據(jù)預(yù)測精度高于0.75，約63%的數(shù)據(jù)預(yù)測精度高于0.8，整體的預(yù)測情況較好。就具體線路而言，各貨類平均預(yù)測精度低于0.7的線路有：蘭州—嘉峪關(guān)、蘭州—沈陽、蘭州—石嘴山、蘭州—太原、蘭州—榆林、蘭州—長沙，除蘭州—嘉峪關(guān)線路外，其他主要以跨省線路為主；針對具體貨類而言，輕工醫(yī)藥產(chǎn)品的平均預(yù)測精度低于0.7。

表2?公路運價預(yù)測模型輸入數(shù)據(jù)集(示例)Tab.2 Input data set for prediction model of highway freight rate (example)

圖5?各線路運價平均預(yù)測精度Fig.5 Average prediction accuracy of freight rate for each route

跨省貨運涉及復(fù)雜多變的因素變量，如政策、市場環(huán)境等，從而降低了運價預(yù)測的準確性；而對于不同貨類的運價預(yù)測，由于不同貨類具體貨物的屬性特征不同，可能導(dǎo)致運價預(yù)測的波動。

3 基于公鐵競爭的鐵路貨運價格制定

3.1 廣義費用構(gòu)建

根據(jù)安全成本及便利成本的定義，將2種成本統(tǒng)一稱為貨主滿意度成本，廣義費用函數(shù)計算公式如下。

式中：Ck為運輸k類貨物的廣義費用；ok為運輸k類貨物的運輸成本；tk為運輸k類貨物的時間成本；sk為運輸k類貨物的貨主滿意度成本；ω1k，ω2k，ω3k分別為運輸成本權(quán)重、時間成本權(quán)重、貨主滿意度成本權(quán)重。

因此，選擇某種運輸方式的效用函數(shù)Vi可表示為

3.2 基于Logit模型的貨運模式選擇模型構(gòu)建

貨運模式選擇模型構(gòu)建基于以下基本假設(shè)：①假設(shè)鐵路與公路互為競爭對手，貨主在選擇運輸方式時僅考慮鐵路運輸或公路運輸；②貨主以廣義運輸費用作為貨運方式的選擇依據(jù)，當(dāng)2種貨運方式廣義運輸費用相同時，貨主選擇鐵路運輸。

式中：Ui為第i種運輸方式的感知效用；Vi為第i種運輸方式的確定效用；εi為第i種運輸方式未知影響因素的效用偏置項；Pi為第i種運輸方式被選擇的概率。

基于Logit理論，公式 ⑺ 表示貨主在選擇不同運輸方式時，對每種運輸方式不同的效用感知。其中，根據(jù)效用最大化理論，貨主會選擇使其感知效用最大化的運輸方式，公式 ⑻ 中Pi滿足公式 ⑼ 的條件。運輸方式的選擇枝集合由0 (公路貨運)和1 (鐵路貨運)組成。公式 ⑽ 為假定隨機項εi相互獨立同分布得到的Logit模型的數(shù)學(xué)表達式。

因此，考慮貨物類型的運輸方式選擇概率公式如下。

3.3 基于公鐵競爭的鐵路運價制定

圖6???2021年8月公路運價均值與鐵路運價均值比較??Fig.6 Comparison of average freight rates of highway and railway in August 2021

4 研究結(jié)論

為提高鐵路貨運市場競爭力，研究公鐵競爭環(huán)境下鐵路貨運定價策略。通過分析影響公路貨運定價的相關(guān)因素，綜合考慮公路運價時間序列特性和多種相關(guān)特征的影響，采用加權(quán)方式將ARIMA模型和SVM模型的公路運價預(yù)測結(jié)果進行結(jié)合，對公路運價進行預(yù)測。其中，ARIMA模型可以捕捉公路運價隨時間變化的趨勢特點，SVM模型用來捕捉鐵礦石原礦產(chǎn)量、磷礦石產(chǎn)量、物流運價指數(shù)、運輸成本等高關(guān)聯(lián)度因素的影響，得到的公路運價預(yù)測精度較高，為下一步根據(jù)競價確定鐵路貨運價格提供數(shù)據(jù)支持。在公路貨運價格的基礎(chǔ)上，建立模型對鐵路價格進行調(diào)控，對于鐵路運輸企業(yè)完善企業(yè)價格決策體系、分擔(dān)社會貨物運輸量、提高鐵路貨運市場競爭力、降低社會物流成本具有重要的現(xiàn)實意義。

總體而言，在競爭定價情境下，鐵路運價基本低于公路運價，且鐵路運價的變化趨勢更為穩(wěn)定。但由于不同貨類、不同線路的特殊性，運價變化的趨勢具有不同的特點。對于部分地區(qū)其公路定價遠低于鐵路成本，采取競爭定價可能存在著一定程度的偏差。因此，鐵路可以采取競爭定價模型與局部調(diào)整相結(jié)合的策略，對于特殊貨類和特殊線路應(yīng)重視其市場運價監(jiān)測，從而靈活調(diào)整鐵路貨運價格，提高鐵路貨運的競爭力。