楊婉瑩

[摘 要]2019年年底新型冠狀病毒肺炎（COVID-19）的突然暴發(fā)對我國各行各業(yè)都產(chǎn)生了不可忽視的影響，其中交通運輸業(yè)也受到了非常大的沖擊。文章根據(jù)2014—2019年的交通運輸客運量，采用灰色系統(tǒng)理論預測模型定量評估新冠肺炎對交通運輸業(yè)的影響并在此基礎上提出相應的政策建議，以降低此次疫情對本行業(yè)的影響。

[關鍵詞]新型冠狀病毒肺炎（COVID-19）;交通運輸業(yè);灰色系統(tǒng)理論;預測;客運量

[DOI]10.13939/j.cnki.zgsc.2021.27.136

1 引言

2019年年底2020年年初，在武漢暴發(fā)的新型冠狀病毒肺炎迅速在全國內(nèi)蔓延，各地都采取了隔離封鎖措施，政府延長春節(jié)假期，企業(yè)推遲復工時間。其中，新冠肺炎疫情對交通運輸行業(yè)的影響是巨大的，在全國各地采取封閉防控舉措初見成效的同時，公路、鐵路客運量大幅下滑。

新型冠狀病毒肺炎（以下簡稱“COVID-19”）疫情對主要經(jīng)濟產(chǎn)業(yè)和整體經(jīng)濟的影響很大，國內(nèi)外學者對受疫情影響情況進行多種研究。馮珺和宋瑞通過采取彈性法和回歸分析，得出COVID-19疫情對全國旅游總人次和總收入造成的損失超過20%和30%[1]。李弄文和張小松從消費者層面分析疫情對物流行業(yè)的影響，從各方面盡可能減少疫情對于物流行業(yè)的負面影響[2]。周一鳴和姜彩良對比了“非典”時期和“新冠肺炎”時期客貨運輸?shù)挠绊慬3]。

新冠肺炎是中國公眾健康的一場災難，旅游業(yè)和交通運輸業(yè)首當其沖。隨著新型冠狀病毒肺炎疫情形勢日趨嚴峻，部分臨近春節(jié)才返鄉(xiāng)或旅游的公眾取消出行計劃，導致2020年春節(jié)返鄉(xiāng)客流規(guī)模有所減少。春節(jié)后，由于日漸嚴重的疫情，復工出行也一再推遲。文章將根據(jù)已有數(shù)據(jù)預測分析COVID-19疫情對交通業(yè)產(chǎn)生的影響，有利于明確疫情對交通運輸業(yè)的影響，為政府決策提供依據(jù)。

2 數(shù)據(jù)和模型構建

2.1 灰色系統(tǒng)模型

灰色系統(tǒng)理論是我國鄧聚龍教授于1982年提出的一種預測評價理論，該理論通過對少量不規(guī)則的數(shù)據(jù)進行變換處理使之體現(xiàn)準指數(shù)特征，再進行建模并完成數(shù)據(jù)預測。為了定量分析COVID-19疫情對交通運輸業(yè)造成的影響，需要根據(jù)歷史數(shù)據(jù)對正常情況下2020年每個月客運量進行估算，將預測值和實際值進行對比，分析交通運輸業(yè)受疫情影響程度。

2.2 數(shù)據(jù)來源

文章選取2014年1月至2019年12月間的交通運輸量作為灰色預測GM（1，1）的歷史數(shù)據(jù)，測算此次新型冠狀病毒肺炎疫情對交通運輸業(yè)務量的影響，數(shù)據(jù)均來源于國家統(tǒng)計局網(wǎng)站，以鐵路和公路為例。

根據(jù)灰色系統(tǒng)模型方程對2020年正常情況下的交通運輸量進行預測，同時對2014—2019年的月度數(shù)據(jù)進行統(tǒng)計，并取平均值作為 2020年月度運輸量的分布比例，從而估算出2020年正常情況下每個月的交通運輸量，將預測值和實際值進行對比分析交通運輸業(yè)受疫情影響的程度。

已知全國從2014年1月到2019年12月鐵路和公路交通運輸量的統(tǒng)計數(shù)據(jù)如圖1所示。

2.3 模型的假設

假設在新冠肺炎疫情流行期間和結束之后，數(shù)據(jù)的變化只與新冠肺炎疫情的影響有關， 不考慮其他隨機因素的影響。

2.4 建立灰色預測模型GM（1，1）

該預測可以分為以下兩個部分：

（1）通過 GM（1，1）模型， 由2014—2019年平均交通運輸量預測2020年平均交通運輸量。

（2）通過歷史數(shù)據(jù)計算每個月的交通運輸量與全年交通運輸量的關系，預測每個月的交通運輸量（以鐵路為例）。

模型如下：

（1）設原始序列X（0）=（x（0）（1），x（0）（2），…，x（0）（n）），其中

x（0）（k）≥0，k=1，2，3，…，n

（2）對數(shù)據(jù)序列進行一次累加操作，得到數(shù)據(jù)列

X（1）=（x（1）（1），x（1）（2），…，x（1）（n）），其中

x（1）（k）=∑ki=1x（0）（i），k=1，2，…，6

（3）由灰色系統(tǒng)理論建立灰色預測模型的方程，即GM（1，1）模型dx（1）dt+ax（1）=b，其中a是發(fā)展灰度，b是內(nèi)生控制灰度，x（0）為2014—2019年的年平均交通運輸量，則

x（0）=（19642.0000，21119.7533，23451.8333，25698.3333，28124.5833，30500.1666）

一次累加值為：

x（1）=（19642.0000，40761.7533，64213.5866，89911.9199，118036.5032，148536.6698）

（4）生成x（1）的近鄰值等權序列：

Z（1）=（z（1）（2），z（1）（3），…，z（1）（n）），k=2，3，…，n

z（1）（k）=12x（1）（k）+12x（1）（k-1），k=2，3，…，n

（5）運用最小二乘法求解可得（a，b）T=（BTB）-1BTYN，而

B=-Z（1）（2）1-Z（1）（3）………-Z（1）（n）…??? ?YN=x（0）（2）x（0）（3）…x（0）（n）

求得a=-0.2884，b=3.5621×104

模型的解為x（1）（k+1）=（x（1）-ba）e-ab+ba

由此對原始數(shù)據(jù)的下一個數(shù)據(jù)進行預測估算，即2020年鐵道客運量總額當期值。

（6）通過GM（1，1）模型分別對2020年的每月鐵路客運量進行估算，得到的預測結果為鐵道客運量33540萬人，則預測2020年的鐵路客運量為33540×12=402480萬人。根據(jù)歷史數(shù)據(jù)求出2014—2019年鐵路客運量1～5月月度數(shù)據(jù)占年度數(shù)據(jù)的比例均值，如表1所示。