董潔霜，顧 緯

（上海理工大學(xué)管理學(xué)院，上海 200093）

由于鐵路與公路客運的服務(wù)功能相同，鐵路的快速發(fā)展勢必會對公路的客流分擔(dān)率產(chǎn)生較大影響，使得原本使用公路客運的一部分客流轉(zhuǎn)移至鐵路，造成鐵路與公路客運間的競爭態(tài)勢發(fā)生較大變化.分擔(dān)率是客流在2種或多種交通運輸方式或路線之間的分布概率，它可以體現(xiàn)各種交通運輸方式或路線所占有的市場份額.研究不同運輸方式間的競爭關(guān)系，并在此基礎(chǔ)上預(yù)測各運輸方式的分擔(dān)率是科學(xué)、準(zhǔn)確預(yù)測交通流量的基礎(chǔ)性工作之一.目前，國外對于城市交通運輸方式分擔(dān)率的研究主要集中在兩方面：一是引入新客運方式后對原客運體系中各種方式分擔(dān)率的影響[1-2]；二是航空、鐵路和公路3種交通方式的競爭關(guān)系.對于分擔(dān)率的研究前期主要集中于研究分擔(dān)率的模型結(jié)構(gòu)（以Logit模型為主）以及效用函數(shù)的使用形式問題，后期則注重結(jié)論和政策引導(dǎo)性的研究[3-6].有關(guān)競爭關(guān)系的研究主要側(cè)重于根據(jù)運輸需求對運輸相關(guān)數(shù)據(jù)進行整理和分析，運用模型對統(tǒng)計數(shù)據(jù)進行現(xiàn)狀分析和未來預(yù)測，以此揭示各方式間的關(guān)系[5-6].而我國對于城市交通運輸方式分擔(dān)率的研究主要側(cè)重于模型的選定、模型參數(shù)的標(biāo)定以及模型的求解等方面.馬波濤等[7]在研究高速鐵路與航空的客流分擔(dān)率時，在選用傳統(tǒng)Logit模型的基礎(chǔ)上，采用可能滿意度法求解分擔(dān)率，最后根據(jù)分擔(dān)率的計算公式分別求解2種運輸方式各自的分擔(dān)率情況.王爽等[8]運用傳統(tǒng)的二項Logit模型研究客運專線旅客選擇高鐵和接受換乘這2種行為，固定了效用函數(shù)，并運用SPSS統(tǒng)計軟件標(biāo)定其參數(shù).

現(xiàn)有對于城市交通運輸方式分擔(dān)率的研究多集中在分擔(dān)率的模型結(jié)構(gòu)選取以及分擔(dān)率變化后的參數(shù)標(biāo)定兩方面.在運用模型方面，多從快捷性（出行時間）、經(jīng)濟性（票價等）、安全性和舒適性等關(guān)鍵變量的角度出發(fā)，著重考察旅客自身特性等微觀因素，對城市發(fā)展目標(biāo)和產(chǎn)業(yè)規(guī)劃等宏觀因素考慮較少.在預(yù)測結(jié)構(gòu)驗證方面，主要集中在模型預(yù)測結(jié)果與現(xiàn)狀的對比，而對于未來10年乃至20年的預(yù)測結(jié)果的驗證尚未找到有效方法.針對上述問題，本研究考慮城市產(chǎn)業(yè)和交通情況的發(fā)展概況、經(jīng)濟特征以及城市目標(biāo)定位等影響因素，提出運用標(biāo)桿城市法，以經(jīng)濟地位相同和產(chǎn)業(yè)布局同類的城市交通運輸結(jié)構(gòu)作為參考，對目標(biāo)城市運輸結(jié)構(gòu)進行預(yù)測，為準(zhǔn)確預(yù)測交通流量提供數(shù)據(jù)支持.

1 城市運輸結(jié)構(gòu)預(yù)測方法

1.1 傳統(tǒng)的預(yù)測模型

旅客出行存在多種方式，每種方式所完成的運輸量在所有方式中所占的比重就是該方式的分擔(dān)率.目前應(yīng)用較廣泛的預(yù)測分擔(dān)率的方法是非集計方法，這種方法具有調(diào)查樣本量小、預(yù)測精度高和相對成本較低等特點.

非集計模型的理論基礎(chǔ)是出行者在作出選擇時追求“效用”最大化這一假設(shè).效用是指出行者從出行交通方式選擇中獲得的愉快和需求得到的滿足.Logit模型的效用函數(shù)隨機項服從Gumbel分布，其函數(shù)形式為：

式（1）中：Pin為旅客n選擇第i種交通方式時的概率；Uin為旅客n選擇第i種交通方式時的效用函數(shù).

Logit模型的缺點是ⅡA特性，即當(dāng)效用函數(shù)產(chǎn)生變化時，認(rèn)為某交通方式的分擔(dān)率不受其他方式效用函數(shù)中可觀測因素（即固定項）的影響.顯然，這與現(xiàn)實情況不符，假設(shè)原來的運輸系統(tǒng)中存在2種運輸方式，當(dāng)?shù)?種交通運輸方式加入后，勢必會對原來交通運輸系統(tǒng)中的分擔(dān)率產(chǎn)生不同影響，而此時運用Logit模型進行預(yù)測，其結(jié)果是第3種運輸方式會對原有的2種運輸方式產(chǎn)生相同的影響，這顯然不符合實際情況，因此利用Logit模型預(yù)測綜合交通運輸結(jié)構(gòu)分擔(dān)率的準(zhǔn)確率有待商榷.

1.2 標(biāo)桿城市法

盡管我國各個經(jīng)濟發(fā)展階段不同地區(qū)城市的經(jīng)濟發(fā)展水平不同，各地城市發(fā)展目標(biāo)也不同，但綜合交通運輸結(jié)構(gòu)域經(jīng)濟發(fā)展水平，即人均GDP之間確實存在普遍聯(lián)系，由此可以推測出目標(biāo)城市的綜合交通運輸結(jié)構(gòu)將會達(dá)到的水平.標(biāo)桿城市法選取與目標(biāo)城市相似度較高的城市作為參照系，采用趨勢外推法，預(yù)測未來目標(biāo)城市的綜合運輸結(jié)構(gòu).趨勢外推法根據(jù)歷史上各交通運輸方式分擔(dān)率的增長速度以及對未來交通方式分擔(dān)率增長趨勢的判斷，預(yù)測未來交通方式分擔(dān)率增長速度及交通運輸結(jié)構(gòu).選取標(biāo)桿城市的指標(biāo)主要有GDP、人均GDP、城市級別、人口規(guī)模、經(jīng)濟、社會發(fā)展?fàn)顩r以及交通運輸發(fā)展?fàn)顩r等.在進行預(yù)測時，參考標(biāo)桿城市各運輸方式年均占比增長率，取定各運輸方式占比年均增長率，運用趨勢外推法，乘以目標(biāo)城市現(xiàn)狀各運輸方式運用所占運輸總量比例，得到未來各特征年目標(biāo)城市綜合運輸方式的運輸結(jié)構(gòu).

2 實例驗證—溫州交通運輸結(jié)構(gòu)預(yù)測

本研究選取近年來國內(nèi)經(jīng)濟指標(biāo)、人均GDP、城市發(fā)展戰(zhàn)略目標(biāo)、人口規(guī)模和產(chǎn)業(yè)布局等指標(biāo)與溫州市發(fā)展相類似且發(fā)展較成功的城市進行分析與研究，對溫州市交通運輸結(jié)構(gòu)進行綜合分析預(yù)測，分析流程如圖1所示.

圖1 溫州市交通運輸結(jié)構(gòu)預(yù)測流程Fig．1 Prediction process of transportation structure of Wenzhou city

2.1 客運需求總量預(yù)測

通過統(tǒng)計溫州市2002年—2012年的GDP和人口數(shù)及客運總量，建立線性回歸模型，預(yù)測其未來趨勢.近年溫州客運總量與人口、國內(nèi)生產(chǎn)總值的發(fā)展趨勢如圖2所示.

圖2 溫州市社會客運量、人口及國內(nèi)生產(chǎn)總值趨勢圖Fig．2 Trend charts of passenger capacity，population and GDP of Wenzhou

根據(jù)《溫州市統(tǒng)計年鑒》（2003年—2012年）和《溫州市交通統(tǒng)計年鑒》（2003年—2012年）的統(tǒng)計數(shù)據(jù)，運用SPSS軟件可以得出回歸方程：

式（2）中：Y為社會客運量（萬人）；X1為總?cè)丝跀?shù)（萬人）；X2為國內(nèi)生產(chǎn)總值（億元）.

根據(jù)以上回歸方程，取溫州市計生委對戶籍對人口的預(yù)測數(shù)據(jù)及《溫州市國民經(jīng)濟和社會發(fā)展第十二個五年計劃綱要》對GDP的預(yù)測數(shù)據(jù)，得出各特征年客運需求總量的預(yù)測值，具體數(shù)值如表1所示.

表1 預(yù)測規(guī)劃特征年客運需求總量Tab.1 Total passenger capacity in future every ten years

結(jié)合已有規(guī)劃文本，《溫州市公路水路交通交通發(fā)展布局規(guī)劃》中規(guī)劃2020年客運需求總量為53 000萬人次/年、2030年客運需求總量61000萬人次/年，將通過回歸方程預(yù)測的數(shù)據(jù)與規(guī)劃預(yù)測數(shù)據(jù)進行對比，選擇高數(shù)值作為高方案，低數(shù)值作為低方案，得到高低2個推薦方案，結(jié)果如表2所示.

表2 溫州市預(yù)測規(guī)劃特征年客運需求總量預(yù)測結(jié)果Tab.2 Predictions of total passenger capacity in future every ten years of Wenzhou

2.2 貨運需求總量預(yù)測

對1990年以來溫州市全社會貨運量與國內(nèi)生產(chǎn)總值進行非線性回歸，結(jié)果如圖3所示.

圖3 溫州市社會貨運量與GDP非線性擬合關(guān)系Fig.3 Non-linear model of relations of Wenzhou volume of freight traffic and GDP

根據(jù)《溫州市統(tǒng)計年鑒》（2003年—2012年）和《溫州市交通統(tǒng)計年鑒》（2003年—2012年）的統(tǒng)計數(shù)據(jù)，運用SPSS軟件可以得出回歸方程：

Y=0.0002X2+0.3495X+175.91 （3）

式（3）中：Y為全社會貨運量（萬t/年）；X為國內(nèi)生產(chǎn)總值（億元）.

根據(jù)以上回歸方程，取《溫州市國民經(jīng)濟和社會發(fā)展第十二個五年計劃綱要》對GDP的預(yù)測數(shù)據(jù)，得到預(yù)測結(jié)果如表3所示.

表3 預(yù)測規(guī)劃特征年貨運需求總量Tab.3 Total volume of freight in future every ten years

結(jié)合已有規(guī)劃文本，《溫州市公路水路交通交通發(fā)展布局規(guī)劃》規(guī)劃2020年貨運需求總量為62000萬t/年、2030年客運需求總量為120000萬t/年，將通過回歸方程預(yù)測的數(shù)據(jù)與規(guī)劃預(yù)測數(shù)據(jù)作進行對比，得到高低2個推薦方案，結(jié)果如表4所示.

表4 溫州市預(yù)測規(guī)劃特征年貨運需求總量預(yù)測結(jié)果Tab.4 Predictions of total volume of freight in future every ten years of Wenzhou

2.3 綜合交通運輸結(jié)構(gòu)預(yù)測

為了更加客觀地分析溫州公路、鐵路和港口運輸市場潛力，選擇與溫州具有可比性的城市進行比照研究.青島和無錫這2個城市都是沿海港口城市，人口規(guī)模和經(jīng)濟社會發(fā)展與溫州相似度較高，并且其城市發(fā)展目標(biāo)和產(chǎn)業(yè)布局與溫州相似，而其經(jīng)濟發(fā)展又領(lǐng)先領(lǐng)先于溫州，所以本研究選擇青島和無錫與溫州進行標(biāo)桿對比預(yù)測.

表5和表6分別為標(biāo)桿城市青島和無錫歷年客運量及貨運量分擔(dān)率統(tǒng)計情況.由表5和表6可以看出，由于鐵路網(wǎng)較溫州完善，青島和無錫的鐵路運輸分擔(dān)率均超過4%，是溫州的2～3倍，其完善的鐵路運輸系統(tǒng)大大提高了鐵路運輸?shù)姆謸?dān)率，考慮到溫福鐵路的建成對溫州市的鐵路運輸?shù)挠绊懀凑涨鄭u和無錫的運輸發(fā)展模式，溫州的鐵路運輸分擔(dān)率也會發(fā)生一定程度的提高.

表5 青島歷年客運量及貨運量分擔(dān)率Tab.5 Partake rate of passenger capacity and volume of freight in Qingdao 單位：%

表6 無錫歷年客運量及貨運量分擔(dān)率Tab.6 Partake rate of passenger capacity and volume of freight in Wuxi 單位：%

將標(biāo)桿城市青島和無錫的各運輸方式年均占比增長率與《溫州區(qū)域綜合交通規(guī)劃》中各運輸方式占比年均增長率取平均，所得平均值乘以2008年溫州各運輸方式運量所占運輸總量比例（表7），得到2011年溫州市綜合運輸方式運輸結(jié)構(gòu)，結(jié)果如表8所示.表8的預(yù)測結(jié)果與《溫州市交通統(tǒng)計年鑒》中當(dāng)年實際運輸結(jié)構(gòu)偏差小于30%，屬于可接受范圍內(nèi)，因此可以用此方法預(yù)測未來各特征年溫州綜合交通運輸結(jié)構(gòu).

表7 溫州市2008年的運輸結(jié)構(gòu)Tab.7 Traffic structure of Wenzhou in 2008

表8 溫州市2011年的運輸結(jié)構(gòu)Tab.8 Traffic structure of Wenzhou in 2011

根據(jù)《溫州市交通統(tǒng)計年鑒》的統(tǒng)計數(shù)據(jù)，2002年—2011年，溫州客運的公路、鐵路和航空分擔(dān)率平均增長速度分別為-0.1%、5.8%和8%，貨運的公路、鐵路和水路分擔(dān)率平均增長速度分別為-18%、87%和45%，鐵路分擔(dān)率的增長呈快速上升趨勢.

2020年以后，隨著全國高速公路網(wǎng)和鐵路網(wǎng)的建成，交通需求進一步加大，原本相對落后的鐵路運輸?shù)耐ㄟ_(dá)性也得到改善.參考青島和無錫2個城市的分擔(dān)率增長率，未來溫州各運輸方式分擔(dān)率增長速度按以下方案設(shè)定：2011年—2020年，客運公路、鐵路和航空增長速度分別為-0.57%、12.98%和6.49%，貨運公路、鐵路和航空增長速度分別為-0.04%、5.26%和-5.88%；2020年—2030年，客運公路、鐵路和航空增長速度分別為-1.34%、8.97%和1.26%，貨運公路、鐵路和航空增長速度分別為-1.70%、6.41%和1.54%；2030年—2040年客運公路、鐵路和航空增長速度分別為-0.23%、-0.64%和1.12%，貨運公路、鐵路和航空增長速度分別為-0.34%、0.79%和1.66%.根據(jù)歷史分擔(dān)率數(shù)據(jù)以及前文所預(yù)測的溫州客、貨運運輸總量的高、低2個方案，預(yù)測溫州未來特征年運輸分擔(dān)率，結(jié)果如表9所示.

表9 溫州市規(guī)劃各特征綜合運輸方式運輸結(jié)構(gòu)預(yù)測Tab.9 Predictions of traffic structure in future every ten years of Wenzhou

3 結(jié)論

在分析傳統(tǒng)交通方式分擔(dān)率預(yù)測模型的局限性與缺點的基礎(chǔ)上，討論了城市綜合交通方式預(yù)測宏觀的影響因素，并提出標(biāo)桿城市法的概念，通過比較目標(biāo)城市與標(biāo)桿城市的主要發(fā)展指標(biāo)，從中分析標(biāo)桿城市存在的差距以及未來發(fā)展的優(yōu)勢基礎(chǔ)，運用趨勢外推的方法，對目標(biāo)城市未來長期運輸結(jié)構(gòu)進行預(yù)測，并通過實例進行論證得到以下結(jié)果：

（1）提出標(biāo)桿城市法的概念，通過比較目標(biāo)城市與標(biāo)桿城市的主要發(fā)展指標(biāo)，運用趨勢外推的方法，對溫州未來交通運輸結(jié)構(gòu)進行預(yù)測，并通過計算2008年—2011年溫州綜合交通運輸結(jié)構(gòu)，驗證了此方法的精度在30%內(nèi).

（2）選取與溫州相似度較高的青島和無錫2個城市作為參照系，采用趨勢外推法，推測未來溫州的綜合運輸結(jié)構(gòu).在2030年全國鐵路網(wǎng)建成之后，鐵路運輸將部分取代公路，其運輸分擔(dān)率將提高近一倍.

（3）本預(yù)測結(jié)果避開了Logit模型的缺點，即當(dāng)?shù)?種交通運輸方式加入后，對原來交通運輸系統(tǒng)中的分擔(dān)率產(chǎn)生了影響而得出的分擔(dān)率，其結(jié)果的準(zhǔn)確率大大提高.

[1] HENSHER D A.A practical approach to identifying the market potentialfor high speed rail：acase study in the Sydney-Canberra corridor[J].Transpn Res，1997，31（6）：431-446.

[2]BEN-AKIVA M，MORIKAWA T.Comparing ridership attraction of rail and bus[J].Transport Policy，2002，9（2）：107-116.

[3]TANLGUEHI E，NORITAKE M，YAMADA T，et al.Optimal size and location planning of public logisties[J].Transportation Research Part E：Logistics and Transportation Review，1999，35（3）：207-222.

[4]NUZZOLO A，GANGEMI F.A behavioural choice model for the evaluation of rail supply and pricing policies[J].Transportation Research Part A，2000，34：395-404.

[5] CHENG Y H.High-speed rail in Taiwan：new experience and issues for future development[J].Transport Policy，2010，17（2）：51-63.

[6] TRAIN K E.Discrete Choice Methods with Simulation[M].Cambridge：Cambridge University Press，2002：15-23.

[7] 馬波濤，張于心，趙翠霞.運用Logit模型對高速客流分擔(dān)率的估計[J].北方交通大學(xué)學(xué)報，2003，27（2）：66-69.

[8] 王爽，趙鵬.基于Logit模型的客運專線旅客選擇行為分析[J].鐵道學(xué)報，2009，31（3）：6-10.

[9] 李潔.公路客運行業(yè)評價指標(biāo)體系研究[D].西安：長安大學(xué)，2009：33-51.

[10]孫海林，胡兆杰.秦沈客運專線對京沈客流分擔(dān)率的影響分析[J].鐵道運輸與經(jīng)濟研究，2004，26（3）：69-71.

[11]張銥瑩，彭其淵.客運專線對運輸通道分擔(dān)率的影響[J].鐵道運輸經(jīng)濟研究，2006，28（12）：16-19.

[12]曾曦，王慈光.Logit模型的改進及其在客流分擔(dān)率預(yù)測中的應(yīng)用—成渝城際鐵路為例[J].長沙交通學(xué)院學(xué)報，2007，23（4）：50-53.

[13]王爽，趙鵬.基于Logit模型的客運專線旅客選擇行為分析[J].鐵道學(xué)報，2009，31（3）：6-10.

[14]CHEN S Y，ZHOU Y H，WANG W.Short-term traffic volume time series forecasting based on phase space reconstruction[J].Machine Learning and Cybernetics，2005，6：3585-3588.

[15]BYUNGKYU P P.Hybrid neuro-fuzzy application in short-term freeway traffic volume forecasting[J].Transportation Research Record，2002，1802：190-196.

[16]BOWMAN J L，BEN-AKIVA M E.Activity-based disaggregate travel demandmodelsystemwithactivityschedules[J].Transportation Research Part A：Policy and Practice，2001，35（1）：1-28.