基于ISM-MICMAC 的铁路零散白货运量变化影响因素研究

韩 洋，王 晶，陈 磊（陕西开放大学 管理学院，陕西 西安 710100）

0 引 言

我国的铁路运输改革后，逐渐从原本以“大宗货源”为主的中长距离运输业向批量零散铁路货运转变。特别是在供给侧结构性改革的推动下，“黑货”运输势头逐渐走低，铁路零散白货、集装箱多式联运以及快运业务逐渐崭露头角，成为铁路运输新的增长点。然而，目前白货物流运输市场的发展情况并不乐观，铁路零散白货运量没有出现显著增长，反而在开展铁路零散货运方面面临多种限制因素，导致市场份额挤压。所以，我们需要找出影响铁路零散白货运量提高的因素，并深入研究各因素之间的相互影响关系，为提高铁路零散白货运量提供必要的理论支持。

1 文献回顾

随着货改的提出，我国学者对于铁路零散白货的研究逐渐增多，大致分为两个主要研究方向：一是优化白货列车的轨道运行方案，二是分析零散白货在铁路运输上最常见的问题，并提出有针对性的解决方案。崔德伟等[1]（2016）对我国中小企业日常采用的三种主要运输方式进行了剖析，并根据各种模式的特点提出了相应的策略，包括与企业建立长期合作关系，以增加交通量并加大广告宣传力度，进而提高竞争力以及影响力。张斌等[2]（2019）细致分析了导致铁路零散白货客户流失的原因，为完善铁路零散白货客户的流失管理提供了有利依据。付晓凤[3]（2021）以西安地区为研究对象，通过分析该地区铁路零散白货的发展机遇、经济现状以及未来可能的发展趋势，得出结论，认为西安地区的铁路零散白货运量和需求空间将大幅增长，如果能够紧紧把握这个机会，将对铁路运量提升有较大裨益。

通过以上研究内容可以得出，目前研究只根据零散白货的共性问题给出了对策方案，并没有对影响零散白货铁路运输各种因素进行整体分析与研究，也无法突出影响铁路零散白货运量的各种因素间的相互关系与影响机理。为此，本文以铁路零散白货为主要研究主体，从导致铁路零散白货运量变化的主要影响因素出发，利用科学分析方法，对所有可能导致铁路零散白货运量变化的主要影响因素加以辨识、甄别与探析，明确关键因素与白货运量变动间的动态关联，并针对计算结果给出合理的对策，以此为铁路零散白货运量的进一步提升提供借鉴。

2 铁路零散白货运量变化影响因素分析

2.1 影响因素提取

本研究通过中国知网、SCIE、SSCI等数据库分别以“铁路零散白货”和“铁路白货运输”为关键词，对国内与铁路零散白货相关的研究成果进行梳理。首先，设定检索时间范围为2017—2023年，剔除与本研究无关的文献，初步得到参考文献276篇；其次，依据主题契合度高、被引度高、时间跨度低、权威度高等标准进行筛选，得到经典样本文献52篇；最后，邀请3位物流专家、5位铁路白货从业人员对影响因素进行初筛和检查，经过两轮意见征询识别出15个影响因素用于本研究，如表1所示。

2.2 建立解释结构模型（ISM）

解释结构建模法（ISM）采用有向图构建、矩阵计算、数据处理等操作流程，用于深入研究相关要素之间的关系、结构及作用机理，帮助科学研究人员更好地理解和解释现实问题[4]，ISM在分析和处理社会系统中复杂且相互交织的问题时，能够将多变量、复杂关系和模糊框架的系统问题呈现得更为清晰，因而被广泛应用。ISM的基本步骤包括确定邻接矩阵A、计算可达矩阵M、划分因素层级，以及建立系统问题的解释结构模型来解决系统问题。

2.2.1 确定邻接矩阵A

通过询问有关专家确定了两两影响因素之间的联系并采用“Fi对Fj有直接影响关系-填1，Fi对Fj没有直接影响关系-填0”的方法，建立影响因素关系矩阵A=（aij）n×n，如表2所示。

表2 邻接矩阵A

2.2.2 计算可达矩阵M

为更加明确各因素间的层次结构关系，对邻接矩阵A=（aij）n×n，进行布尔计算，得到可达矩阵M。其中，布尔计算过程借用Matlab进行计算，计算后的可达矩阵M如表3所示。

表3 可达矩阵M

2.2.3 划分因素层级

在得到可达矩阵后，对其进行层级划分有助于我们更清晰地理解系统内各要素之间的层次关系。在这里，我们采用以先行集合作为比较基准的分解思路，按照R（Fi）∩A（Fi）=C（Fi）、A（Fi）=C（Fi）规则，得到层级分解结果：L1={F12，F14}、L2={F3，F11，F15}、L3={F1，F4，F2}、L4={F5，F7}、L5={F6，F10}、L6={F9，F8，F13}，具体如表4所示。

表4 可达矩阵层级分解

基于上述层次分解结果，将具有关联关系的影响因素连接起来，展示它们之间的影响路径，可绘制出反映铁路零散白货运量变化影响的解释结构模型图，如图1所示。其解释结构模型分为三层，共包含六个层级。

图1 影响因素多级递阶结构

2.3 MICMAC 分析

为了探究不同影响因素在阻碍铁路关于零散白货运量变化中的主要作用，我们引入交叉影响矩阵相乘法(MICMAC)展开研究分析。在此过程中，我们可以利用MICMAC方法来确定驱动力和依赖性。驱动力指的是系统中会对某一因素产生影响的因素，即可达矩阵中该因素的到达因素个数总和。而依赖性则表示在系统中的该因素可以影响到整个系统中哪些因素，即可达矩阵中可以到达该因素的个数总和。计算结果如表5所示。

表5 铁路零散白货运量变化影响因素驱动力和依赖性计算结果

2.4 ISM-MICMAC 联合分析

为了明确各影响因素间的相互关系，我们进行了联合分析，结合了ISM和MICMAC方法。我们将坐标系分为四个象限。MICMAC方法将象限的垂直虚线划定，根据15个影响因素中依赖性最大值13与最小值1之间的差距为12，以及驱动力最大值为14与最小值为1之间的差距为13，取其中间的位置作为分界线，有助于更好地了解影响因素之间的相互作用，具体如图2所示。

图2 铁路零散白货运量变化影响因素ISM-MICMAC 矩阵分析图

2.4.1 基础层及独立簇影响因素集群结果分析

货物运输政策（F12）、经济发展水平（F14）这两个因素位于ISM层级结构图中的基础层，同时，这两个因素在MICMAC图中位于独立簇模块，驱动力强但依赖性弱。这表明此类影响因素容易对其他影响因素造成较强的影响力且不易受其他因素影响、所需要的条件亦比较宽泛。

2.4.2 过程层及自治簇影响因素集群结果分析

周边地区规划及实施情况（F1）、功能布局（F2）、信息网络水平（F3）、设施设备配套情况（F4）、运输组织管理（F5）、可承接货品品类（F6）、货品附加服务满足能力（F7）、营销管理（F10）、全国铁路网布局发展情况（F11）、其他运输方式的竞争（F15）这10个影响因素位于在MICMAC图的自治簇模块，整体来看，该集群整体的驱动力和依赖性都很弱。

2.4.3 最终层及依赖簇影响因素集群结果分析

运价（F8）、服务质量和水平（F9）、市场熟知度和认可度（F13）处于MICMAC图中的依赖簇位置，依赖性较强且驱动力较弱。在ISM结构图中，这3个因素都处于较高的级别。然而，它们的驱动力较弱，容易受到基本因素的影响，同时也容易受到其他因素的干扰。它们对整个系统可能形成一定的影响，导致系统不稳定或不平衡。因此，这些因素通常需要依赖其他影响因素发挥作用。

3 对策与建议

根据上述研究结果，提出以下对策。

3.1 适应国家零散白货运输政策，完善铁路零散白货运输的质量标准和规范体系

随着零散白货和公转铁的相继发展，我国出台了许多法规政策，但由于铁路零散白货发展历程较短，相关标准规范和法律法规的建设仍有待完善。此外，铁路管理部门也应从自身出发，通过规范、标准引导相关运输企业，实现白货运输中货运衔接和货物接收、理赔的协调一致，有效改善铁路零散白货运输效率和质量问题。

3.2 完善设施设备配套情况，提升铁路局对白货货品的附加服务能力

目前，铁路局普遍存在着托盘等集装化工具在各站不通用，标准不统一等问题[5]。因此，建议铁路局可以通过两个方面来提高对白货货物的增值服务能力。首先，增加托盘、小型集装箱等相关设备的数量，并提高其质量。其次，可以完善场站设施和设备条件。举例来说，可以明确货物快运作业站的装卸搬运设备配置规范，积极推广集装箱设施的商业应用，以提高交通运输质量。还可以建设快速运输配送中心，实现高速铁路与公路运输的无缝衔接。

3.3 梳理现有白货货运组织管理方式并不断进行优化

在装卸方面，建议铁路局进行车站作业的优化，完善货物装卸搬运队伍的组织，同时建立集装化器具进出站的制度，以提高运输和装卸效率[6]。在运输方面，铁路局可以优化那些作业量较大的作业站的运输方式，通过作业站货场的集结方式处理白货货物，从而提高一些快运站对零散白货的发送能力。此外，可以增加非固定编组车辆的使用，优化列车编组，实行每日发车，定点运行。至于在收发货方面，目前存在着分配困难，能力不足的问题，配送工作的有效性难以保证。收发货业务量相对分散，规模效应有限，而且班车服务的质量还有待提高。因此，为提高收发货水平，需要对货物的全过程进行跟踪控制，履行服务义务和承诺。

3.4 完善服务质量评估体系，提升服务质量和水平

进一步加强对商品营销、接收、装卸、中转、接收、配送等关键环节的控制，完善全过程服务质量评估体系，围绕客户关心的问题，严格评估服务质量，包含交货期限、货损结算、提货和交货、限时完成、按时取消编号等。

3.5 提高铁路零散白货快运影响力和社会认可度

铁路局可从通过完善客户档案，利用大数据分析的客户供应规律，根据供应规律及合作关系对客户进行分级管理，对同类商品实行全面综合商品收录体系，采取逐步优惠政策。当出现运力紧张的情况时，可实现按照用户优先级为客户提供各个等级的运力服务，从而提高用户黏性，挖掘精准铁路用户[7]。

4 结 语

本文以铁路零散白货运量的变化为研究对象，通过文献扎根、科学论证方法筛选出15个影响因素，包括周边地区规划及实施情况F1、功能布局F2、信息网络水平F3、设施设备配套情况F4、运输组织管理F5、可承接货品品类F6、货品附加服务满足能力F7、运价F8、服务质量与水平F9、营销管理F10、全国铁路网布局发展情况F11、货物运输政策F12、市场熟知度和认可度F13、经济发展水平F14、其他货运方式的竞争F15。接着，构建解释结构模型（ISM），对数据进行处理分析，从而为铁路零散白货运量的提升提供合理化、针对性的建议与对策。