空铁联运背景下主要城市间快递量预测

张发东，谢荣惠，张文畅，王铭飞

（1.西南交通大学 交通运输与物流学院，四川 成都 611756；2.西南交通大学 综合交通大数据应用技术国家工程实验室，四川 成都 611756；3.中国中铁工程设计咨询集团有限公司，北京 100055）

1 引言

随着电子商务的发展和快递业务需求的快速增长，快递企业面临着挑战，因此，创新货运运输方式，有效整合各种运输方式的优势显得尤为重要，例如中铁快运已经推出“高铁快运”新产品对高铁运力进行合理利用。而能同时综合高铁与航空的优势，实现高铁与航空运输资源合理配置的空铁联运方式在我国也开始起步。空铁联运是指航空运输与铁路运输相互结合、相互协作的联合运输方式，通过高速铁路与航空线路的有效衔接，构建空铁联运复合运输网络，将二者优势互补，实现运输资源的合理配置。目前国内针对高铁货运的研究刚处于起步阶段，关于货物空铁联运的研究较少，部分学者从空铁联运的可行性方面进行了研究。宋超[1]从空铁竞合现状、航空枢纽发展趋势以及国家综合交通运输体系建设三个方面论证了我国空铁联运发展的必然性，提出推进空铁联运的快速发展对铁路航空互补双赢、国民经济快速发展都有重要意义；张晓光[2]对当前国内外空铁联运发展现状进行了详细的对比分析，提出发展空铁联运将是我国综合交通运输体系建设的重要组成部分与发展方向；杨宗儒[3]结合实地调查、中外研究经验和数据分析方法对京津冀地区空铁联运的潜力进行评价，得出空铁联运产品具有很大的开发潜力，并且能够建立高铁与民航的综合运输网络。针对货运背景下的空铁联运问题，魏艳波[4]以郑州新郑机场为例，介绍了空铁联运背景下我国大型枢纽机场货运空铁联运方案以及进出港货物作业方案；郁敏[5]针对空铁联运托运行李处理模式进行了研究，提出了空铁联运模式下行李处理的可行方案，为实现货物空铁联运提供了一定参考。

想要进行空铁联运网络的合理布局，需要对各个城市分布的网络结构进行规划，确定枢纽城市和节点城市，而各个城市对间空铁联运的快递业务量可以作为一个主要确定标准，故首先需要进行预测把握。目前，关于快递量预测的研究已较为成熟，但基本不存在任何关于全国主要城市甚至省份间快递量甚至货运量的统计，只能结合相关数据进行科学合理的预测。本文将对全国主要城市OD 对间的空铁联运快递量进行预测，主要思路为基于Logit 模型进行空铁联运方式分担率预测；依据快递量与城市国民经济水平、货物运输量、社会消费品零售总额等在官方统计年鉴中均存在的主要国民经济指标进行主成分分析，确定各主要城市的快递业务综合评分；进而利用引力模型，确定各个城市间快递吸引强度；最后利用BP 神经网络模型对各个城市的快递业务量以及异地快递业务量进行预测，最终确定各个城市OD对间空铁联运快递业务量。具体如图1所示。

图1 预测流程图

总体而言，目前针对空铁联运的研究文献较少，且主要集中在旅客运输领域，此外鲜有学者对OD对间的货运量预测问题进行深入研究。因此，本文在考虑空铁联运背景下，对全国28个主要城市OD对间快递运量进行预测，不仅能为将来我国空铁多式联运枢纽网络规划研究提供数据支持，还能对空铁联运运输相关产业布局、全国货运结构优化提供理论支撑，具有重要研究意义和理论价值。

2 运输方式分担率预测

在进行城市OD对间货运分担率预测之前，先做以下假设：

（1）为简化工作量，运输距离取两点间的直线运输距离。

（2）通常情况下，高铁—航空联运一般是将高铁运输作为航空运输的支线运输看待，即高铁货运是对航空货运的线路补充，而不是竞争对手。

（3）允许任意城市间直接运输的情况，即允许非枢纽城市间通过高铁或航空运输直接连接。

基于以上三点，本文将空铁联运与航空运输、高铁货运合并考虑，将其统称为空铁联运。故只需要对空铁联运与公路运输进行货运分担预测。

本文采用Logit 模型进行运输方式货运分担预测。运用Logit模型的关键在于确定特征函数的线性方程，特征函数可以通过大样本的问卷统计确定，通过实际样本数据进行线性回归得出，而大样本的调查研究耗费巨大，小样本的调研又将大大降低回归后参数的可靠性。鉴于此，本文基于货主对产品运输的可能满意度，尝试运用运输产品效用值函数改进特征函数，将其转化为多元线性求解过程[6]。

运用乘法规则与加法规则，得出两种运输方式的产品效用值计算公式如下：

空铁联运运输产品效用值=安全指标×（运价效用+时效性）×（起始点城市GDP+送达城市GDP）

公路运输产品效用值=安全指标×（运价效用+时效性）×（起始点城市GDP+送达城市GDP）×0.9

其中，效用值函数的各项基础性指标取值根据调研和相关文献可得。

再将其代入Logit模型公式：

根据式（1）、（2）计算可得城市OD对间空铁联运方式的货运分担率。

3 全国主要城市快递业务实力综合评价

主成分分析法能够在引进多方面变量的同时，将多个复杂的因素通过降维的方式归结为几个主成分，其中每个主成分都能够反映原始变量的大部分信息，且所含信息互不重复，因此本文选取主成分分析法来进行全国主要城市快递业务实力综合评价。

全国主要城市快递综合评分步骤如下：

（1）确定各个城市关于各主成分得分：

其中，Fiα表示城市i的主成分α的得分；λi表示城市i的评价指标矩阵；Qα表示第α个主成分，Qα=（q1，q2，…，qn）表示第α个主成分的因子载荷。

（2）计算各个主要城市快递业务实力综合得分：

其中：Si表示城市i 的快递业务实力综合得分；ηα表示主成分 α 的方差贡献率；Fiα表示城市 i 的主成分α的得分。

对全国28 个主要城市，统计与快递业相关的主要经济指标，作为快递业综合评分指标。其中包括地区国民生产总值X1（亿元）、城市快递业务量X2（万件）、服务业增加值X3（亿元）、常住人口X4（万人）、城市货运总量X5（万t）、社会消费品零售总额X6（亿元）、居民人均可支配收入X7（元）、城镇居民人均可支配收入X8（元），统计原始数据见表1。

表1 全国主要城市快递业务综合评分评价指标

利用SPSS 软件进行降维操作，输出主成分分析结果见表2。

表2 变异数统计

由表2可知，前两个成分因素的起始特征值均大于1且累加贡献率为91.912%，大于85%，即前两个指标能够解释原始8 个指标维度的91.912%，因此，选取前两个指标代替原有8个指标具有充分的合理性。

同时，利用SPSS软件得出各成分因子指标系数，见表3。

表3 因子评分系数矩阵

根据式（3）得出主成分因子1、主成分因子2 得分，根据式（4）得出各个城市快递业务综合实力得分。各城市快递业务综合评分结果见表4。

表4 城市快递业务综合评分结果

4 各个城市间快递吸引强度分析

应用于交通物流领域的引力模型的原理是任意两个OD 对间货运量与出发地的货物发生能力和到达区的货物吸引能力成正比，与两区间的行程时间(或费用、距离等)成反比。根据引力模型公式，本文以第3 节计算得出的各个城市快递业务实力综合评分作为出行发生量与到达吸引量，以两城市的直线距离作为交通阻抗，构建引力模型：

其中，gij表示城市i与城市j之间的快递业务联系程度值；Si与Sj分别表示城市i与城市j的快递业务能力综合得分值；RTij表示交通阻抗，取城市i与城市j之间的距离。

各城市OD 对间的快递吸引强度值计算公式如下：

其中，Gij表示城市j对于城市i的快递吸引强度；gij表示两城市间的快递联系程度值。同理，城市i对城市j的快递吸引强度值计算公式如下：

根据式（6）、式（7），计算得全国各主要城市OD对间快递吸引强度，主要城市OD对间的结果见表5。

表5 主要城市OD对间快递吸引强度

5 城市间快递量预测

5.1 主要城市异城快递量预测

传统的预测方法包括指数平滑法、趋势预测法、灰色预测模型等，通常仅依据数据的变化趋势做出预测，而BP 神经网络具有实现复杂非映射的功能，而且能够进行自主学习从而实现误差的缩小，非常适用于由多因素共同作用下的指标预算。

快递业作为服务型产业，快递业务量与一个地区的国民经济水平、社会消费品零售总额、人口、货运量等地区国民经济指标具有很大的相关性，在运用BP神经网络进行数据预测时，考虑到以上数据采集的便利性与准确性，本文选取2012-2017年间地区国民生产总值、社会消费品零售总额、货运量三项在地区年鉴中都存在且统计口径基本一致的指标作为输入变量，以地区快递业务量作为输出变量，展开BP神经网络预测。

利用训练好的网络进行预测时，需提供预测年份2020年地区国民生产总值、社会消费品零售总额以及货运量数据。确定方法如下：2017年11月6日《人民日报》撰文预计到2020年我国国内生产总值可达17万亿美元，约为110.6万亿元；《物流业发展中长期规划（2014-2020年）》中估计2020年我国社会物流总额将达到300 万亿元；商务部等10 部门联合发布了《国内贸易流通“十三五”发展规划》，规划提出我国2020年社会消费品零售总额的目标为48万亿元；根据以上两条国家宏观规划以及2016年各城市GDP、社会消费品零售总额在国家总量中的占比，确定2020年各城市GDP、社会消费品零售总额。货运量数据根据趋势预测法得出。

运用MATLAB 软件进行BP 神经网络预测编程操作，输入样本为10，隐含层取8，输出层取1，学习率取0.05，可接受目标误差取0.001。以北京市为例，预测结果见表6。

表6 北京市快递量预测结果 单位（万件）

从北京市预测结果可以看出，6年间的预测结果误差率均不超过10%，预测结果精度较高。同理，可得出其余27城市快递业务量，结果见表7。

表7 全国主要城市快递量预测结果 单位（万件）

5.2 主要城市异城空铁联运快递量预测

根据2014年全国快递业务量结构，本文取72.3%作为各城市快递业务量中异地业务占比[7]，并参考快递件的平均重量为3kg，根据5.1 预测结果可得出各城市快递量（单位：t）。

根据第2 节得出的空铁联运货运分担率与第4节得出的各个城市OD对间吸引强度值，最终可以得到主要城市间空铁联运快递量。全国主要城市OD对间空铁联运快递量结果见表8。

表8 全国主要城市间空铁联运快递量预测结果单位（t）

6 结语

本文在空铁联运背景下，利用logit 模型对空铁联运货运方式分担率进行预测，同时根据BP神经网络预测得到各主要城市的快递业务量，进而利用主成分分析法得到各城市快递业务实力评分，借助引力模型得到各主要城市OD对间快递业务吸引强度，最后根据空铁联运分担率和快递业务吸引强度得到各主要城市OD 对间空铁联运快递量预测结果。预测结果表明，全国28个主要城市OD对间空铁联运的快递量呈现明显的轴辐式分布，即作为航空枢纽或者高铁枢纽的城市，其与周围城市的快递发生量远远高于其他城市，由此可为我国未来空铁多式联运网络布局、枢纽规划、结构优化提供数据支持和理论建议。但本文仅刻画了未来某一时刻的主要城市OD对间空铁联运的画像，随着空铁联运方式的逐渐兴起，城市间快递业务运输方式的动态变化发展有待进一步研究。