楊 超

（聊城大學(xué) 商學(xué)院，山東 聊城 252000）

2020 年我國(guó)交通運(yùn)輸業(yè)受到了新冠肺炎疫情的巨大沖擊。為阻斷病毒傳播的各種防疫措施，對(duì)企業(yè)供應(yīng)鏈[1]、人們的出行都產(chǎn)生了巨大影響[2]。在防疫局勢(shì)嚴(yán)峻的第一季度，停產(chǎn)、停工、停學(xué)、取消航班與阻斷道路，甚至“封城”等隔離措施的實(shí)施，使運(yùn)輸業(yè)遭受重創(chuàng)，客貨交通運(yùn)輸量呈現(xiàn)斷崖式下跌[3,4]；在疫情得到有效遏制后，交通運(yùn)輸業(yè)又擔(dān)當(dāng)起保障復(fù)工復(fù)產(chǎn)、恢復(fù)經(jīng)濟(jì)和人民生活秩序的排頭兵。交通運(yùn)輸服務(wù)不僅具有私人產(chǎn)品屬性,還具有公共產(chǎn)品屬性[5]。交通運(yùn)輸業(yè)屬于國(guó)民經(jīng)濟(jì)基礎(chǔ)產(chǎn)業(yè)，在社會(huì)再生產(chǎn)過程中起到先導(dǎo)性和戰(zhàn)略性的作用。研究新冠疫情對(duì)中國(guó)交通運(yùn)輸業(yè)的影響，對(duì)促進(jìn)后疫情時(shí)代運(yùn)輸行業(yè)健康發(fā)展有重要意義。

胡濱等[6]通過多部門可計(jì)算一般均衡模型分析了新冠疫情對(duì)中國(guó)經(jīng)濟(jì)、產(chǎn)業(yè)和產(chǎn)業(yè)鏈的沖擊研究結(jié)果表明勞動(dòng)力供給和交通運(yùn)輸業(yè)受到的沖擊效應(yīng)顯著高于其他直接沖擊。朱晴艷[7]研究新冠肺炎疫情對(duì)中國(guó)經(jīng)濟(jì)發(fā)展的影響時(shí)指出，新冠疫情以前我國(guó)客運(yùn)量逐年穩(wěn)步增長(zhǎng)，疫情爆發(fā)后這種趨勢(shì)短期內(nèi)發(fā)生了改變。葛穎恩等[8]通過對(duì)比2003 年非典疫情時(shí)期航運(yùn)市場(chǎng)的變化情況，推斷多種新冠疫情走向下航運(yùn)市場(chǎng)的發(fā)展趨勢(shì)。廖茂林[9]通過分析2003 年非典疫情下交通運(yùn)輸業(yè)的總體情況,對(duì)新冠疫情對(duì)中國(guó)交通運(yùn)輸業(yè)的影響進(jìn)行了評(píng)估。學(xué)者們從不同方面研究了新冠疫情對(duì)中國(guó)交通運(yùn)輸業(yè)的影響,但不同運(yùn)輸模式受疫情沖擊的差異性并未被研究。通過將2020 年的交通運(yùn)輸指標(biāo)與往年數(shù)據(jù)進(jìn)行對(duì)比衡量疫情對(duì)行業(yè)的沖擊,將忽略近年來(lái)行業(yè)高速發(fā)展的現(xiàn)實(shí)情況。同時(shí),與以往突發(fā)公共危機(jī)相比,新冠病毒傳染性強(qiáng)、潛伏期長(zhǎng)等特點(diǎn)導(dǎo)致新冠肺炎的傳播能力更強(qiáng)[10]，就全球形勢(shì)來(lái)看，疫情發(fā)展還存在諸多變數(shù)[11]。準(zhǔn)確的評(píng)估突發(fā)疫情下不同運(yùn)輸模式的客、貨運(yùn)輸受影響的程度，將為后疫情時(shí)代我國(guó)交通運(yùn)輸業(yè)優(yōu)化運(yùn)輸結(jié)構(gòu)、提升應(yīng)對(duì)危機(jī)的能力提供理論依據(jù)。

新冠疫情屬于新生事物，可獲得的時(shí)間序列數(shù)據(jù)有限，不符合一般統(tǒng)計(jì)分析方法對(duì)數(shù)據(jù)分布、樣本數(shù)量的要求?；疑獹M(1,1)預(yù)測(cè)模型是通過對(duì)已知的信息進(jìn)行挖掘和處理，描述系統(tǒng)內(nèi)在運(yùn)行行為，有效監(jiān)控系統(tǒng)動(dòng)態(tài)演化規(guī)律，為部分信息已知、部分信息未知、小樣本、貧信息的不確定系統(tǒng)的中短期預(yù)測(cè)提供了合理方法[12-15]。Zhou[16]等發(fā)現(xiàn)灰色GM(1,1)預(yù)測(cè)模型對(duì)交通短期流量的預(yù)測(cè)效果良好；江志華[17]運(yùn)用GM(1,1)模型對(duì)貨物周轉(zhuǎn)量和旅客周轉(zhuǎn)量進(jìn)行了精確的預(yù)測(cè)；曹飛[18]使用GM(1,1)模型對(duì)中國(guó)鐵路貨運(yùn)量進(jìn)行了預(yù)測(cè)。通過使用2015 年至2019 年交通運(yùn)輸數(shù)據(jù)作為訓(xùn)練數(shù)據(jù),建立精度符合要求的灰色GM(1,1)預(yù)測(cè)模型,預(yù)測(cè)出2020 年各項(xiàng)指標(biāo)在無(wú)疫情影響下的正常值。將2020 年實(shí)際值與預(yù)測(cè)值相比較，可以較為精確的評(píng)估出疫情對(duì)我國(guó)交通運(yùn)輸各項(xiàng)指標(biāo)的影響程度。

1 灰色GM(1,1)預(yù)測(cè)模型的構(gòu)建與檢驗(yàn)

1.1 灰色GM(1,1)預(yù)測(cè)模型的構(gòu)建

在建立GM(1,1)預(yù)測(cè)模型之前，需要對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，以降低系統(tǒng)受到各種沖擊擾動(dòng)造成數(shù)據(jù)可靠性降低的問題[19]。引入弱化算子對(duì)原始數(shù)列進(jìn)行處理后，建立的預(yù)測(cè)模型精度更優(yōu)[20]。

假設(shè)經(jīng)過弱化算子處理過的數(shù)列為X(0)={x(0)(1),x(0)(2),…,x(0)(n)}，構(gòu)建GM(1,1)預(yù)測(cè)模型的主要步驟如下[21]：

Step 1：對(duì)數(shù)列X(0)中各值進(jìn)行累加操作，得到數(shù)列X(1)={x(1)(1),x(1)(2),…,x(1)(n)}。

Step 2：將步驟一獲得的數(shù)列X(1)基于白化微分方程+αX(1)=μ構(gòu)建GM(1,1)模型，其中α和μ 分別代表發(fā)展灰數(shù)和內(nèi)生控制灰數(shù)。

Step 3：采用最小二乘法,對(duì)參數(shù)向量A={α,μ}T求解，A=(BTB)-1BTY，構(gòu)建矩陣

Step 4：將求得的α 和μ 值代入微分方程，獲得X(0)的預(yù)測(cè)模型如下：

Step 5：利用累減還原得到預(yù)測(cè)方程：

1.2 GM(1,1)預(yù)測(cè)模型的精度檢驗(yàn)

模型建立后,通常采用相對(duì)誤差指標(biāo)對(duì)預(yù)測(cè)模型進(jìn)行精度檢驗(yàn)[19]。設(shè)殘差序列為Δ={ Δ(1),Δ(2),…,Δ(n)},其中,Δ(k)=X(0)(k)-(k)(k=1,2,…,n)；相對(duì)誤差序列為Φ(k)=×100%,(k=1,2,…,n)。給定a作為指標(biāo)臨界值,當(dāng)平均相對(duì)誤差小于a時(shí),模型符合精度要求。指標(biāo)臨界值對(duì)應(yīng)精度等級(jí)如表1 所示,如果相對(duì)誤差大于20%,則模型不合格。

表1 精度檢驗(yàn)等級(jí)表

2 2020 年中國(guó)交通運(yùn)輸業(yè)受疫情影響實(shí)證分析

2.1 數(shù)據(jù)來(lái)源

從國(guó)家統(tǒng)計(jì)局獲取2015 年1 月以來(lái)的全國(guó)客、貨運(yùn)輸年度和月度數(shù)據(jù)，包括貨運(yùn)總量、客運(yùn)總量、貨運(yùn)周轉(zhuǎn)量、客運(yùn)周轉(zhuǎn)量等二十個(gè)指標(biāo)。這些數(shù)據(jù)直觀的反映了我國(guó)交通運(yùn)輸業(yè)的各項(xiàng)產(chǎn)出。近年來(lái)我國(guó)交通運(yùn)輸系統(tǒng)一直穩(wěn)步發(fā)展。貨運(yùn)方面，公路運(yùn)輸占絕對(duì)主導(dǎo)地位，2019 年公路貨運(yùn)量占總貨運(yùn)量74.3%。公路貨物周轉(zhuǎn)量占總貨物周轉(zhuǎn)量30.7%,鐵路、水路和航空貨物運(yùn)輸比例較低；客運(yùn)方面，經(jīng)由公路發(fā)運(yùn)的旅客數(shù)量最多，2019 年公路客運(yùn)量占總客運(yùn)量73.9%。長(zhǎng)途出行的旅客更多選擇鐵路和民航，經(jīng)由水路出行的旅客較少。通過對(duì)各指標(biāo)月度分布數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)客、貨運(yùn)各指標(biāo)都呈現(xiàn)出明顯的周期性。由于數(shù)據(jù)過多，圖1 僅展示貨運(yùn)總量、貨物周轉(zhuǎn)量、客運(yùn)總量和旅客周轉(zhuǎn)量的月度趨勢(shì)圖。

圖1 2015-2020 我國(guó)交通運(yùn)輸量月度時(shí)間趨勢(shì)圖

2.2 灰色GM(1,1)模型求解

首先,假設(shè)交通運(yùn)輸各指標(biāo)為序列Xi(i=1,2,...,20)，引入弱化算子處理原始數(shù)列生成新序列Xi’(i=1,2,...,20)，經(jīng)檢驗(yàn)，新序列滿足準(zhǔn)光滑數(shù)列條件。根據(jù)1.1 所示步驟構(gòu)建GM(1,1)模型，對(duì)2015 年至2019 年的交通運(yùn)輸量進(jìn)行擬合。檢查模型精度合格后，再對(duì)2020 年的交通運(yùn)輸量進(jìn)行預(yù)測(cè)。獲得的預(yù)測(cè)結(jié)果如表2 所示，預(yù)測(cè)模型平均相對(duì)誤差3.56%，符合2 級(jí)精度要求。由于交通運(yùn)輸各指標(biāo)月度分布數(shù)據(jù)具有明顯周期性，借鑒張文斗等[22]的研究，將2015-2019 各月業(yè)務(wù)量占全年業(yè)務(wù)量比重的平均值作為2020 年相應(yīng)各月運(yùn)輸量占比，估算出在沒有突發(fā)疫情的情況下2020 年各月客、貨運(yùn)數(shù)據(jù)，再將實(shí)際值與預(yù)測(cè)值進(jìn)行對(duì)比，以獲得交通運(yùn)輸業(yè)各指標(biāo)受疫情影響的 程度，估算結(jié)果如表3 和表4 所示。

表2 2020 年交通運(yùn)輸量預(yù)測(cè)結(jié)果

表3 2020 年貨物運(yùn)輸受疫情影響幅度

表4 2020 年旅客運(yùn)輸受疫情影響幅度

2.3 實(shí)證結(jié)果分析

圖2 為我國(guó)2020 年貨物運(yùn)輸受疫情影響幅度與各月新增新冠確診病例數(shù)的時(shí)間趨勢(shì)圖。2020 年1 月貨運(yùn)總量突降較預(yù)測(cè)值減少27.2%。2020 年2 月新冠肺炎確診病例數(shù)達(dá)到峰值，當(dāng)月貨運(yùn)各項(xiàng)指標(biāo)降幅也達(dá)到全年最大。其中，貨運(yùn)總量降幅達(dá)到42.0%，貨運(yùn)周轉(zhuǎn)量降幅達(dá)到56.9%。3 月疫情防控局面逐步好轉(zhuǎn)后，貨物運(yùn)輸量和運(yùn)輸周轉(zhuǎn)量降幅逐漸收窄，2020 年全年貨運(yùn)總量平均降幅達(dá)到15.2%，貨運(yùn)周轉(zhuǎn)量降幅為7.1%。不同運(yùn)輸模式下的貨物運(yùn)輸表現(xiàn)差異明顯。其中，公路運(yùn)輸受疫情影響最為嚴(yán)重，公路貨運(yùn)量在2020 年前兩個(gè)月降幅分別達(dá)到33.7%和55.2%，全年平均降幅達(dá)到20.1%。公路貨運(yùn)周轉(zhuǎn)量在前兩個(gè)月的降幅分別為36.2%和56.9%，全年平均降幅為20.9%。航空貨物運(yùn)輸也受到較大沖擊，全年貨運(yùn)量和貨運(yùn)周轉(zhuǎn)量降幅分別為11.2%和10.1。鐵路貨物運(yùn)輸受疫情影響最小，鐵路貨運(yùn)量和周轉(zhuǎn)量在前五個(gè)月略有降低，隨后迅速回升，全年鐵路貨運(yùn)量和貨運(yùn)周轉(zhuǎn)量較預(yù)測(cè)值分別增加2.2%和0.3%。水路貨物運(yùn)輸也體現(xiàn)了較高的抗沖擊能力，全年貨運(yùn)量和貨運(yùn)周轉(zhuǎn)量較預(yù)測(cè)值分別增加0.7%和1.1%。

圖2 2020 年各月貨物運(yùn)輸受疫情影響變化幅度

圖3 為我國(guó)2020 年旅客運(yùn)輸受疫情影響幅度與各月新增新冠確診病例數(shù)的時(shí)間趨勢(shì)圖。旅客運(yùn)輸量的變化趨勢(shì)與疫情發(fā)展趨勢(shì)相比略有滯后。2020 年1 月客運(yùn)各項(xiàng)指標(biāo)較預(yù)測(cè)值僅有小幅下降。其中，客運(yùn)總量降低9.6%，客運(yùn)周轉(zhuǎn)量降低0.9%。2020 年2 月客運(yùn)各項(xiàng)指標(biāo)降幅達(dá)到全年最大，其中客運(yùn)總量降幅達(dá)到88.3%，客運(yùn)周轉(zhuǎn)量降幅達(dá)到86.0%。盡管疫情防控局面在3 月后逐步好轉(zhuǎn)，到2020 年8 月之前，旅客運(yùn)輸量降幅都超過40%，而旅客周轉(zhuǎn)量降幅更為明顯，這顯示疫情之下出行旅客的數(shù)量大幅減少，旅客出行的距離也明顯縮短。2020 年全年客運(yùn)總量平均降幅達(dá)到44.5%，客運(yùn)周轉(zhuǎn)量降幅為45.2%。不同運(yùn)輸模式下的旅客運(yùn)輸表現(xiàn)亦有不同。全年經(jīng)由公路和水路出行的旅客運(yùn)輸量下降幅度最大，分別為46.1%和44.4%。疫情期間經(jīng)由民航出行的旅客量降低幅度最小，全年達(dá)到37.7%。疫情期間所有運(yùn)輸模式下的旅客周轉(zhuǎn)量降幅均超過40%，經(jīng)由水路和民航出行的旅客客運(yùn)周轉(zhuǎn)量降低幅度最大，分別達(dá)到58.2%和46.9%。

圖3 2020 年各月旅客運(yùn)輸受疫情影響變化幅度

3 疫情對(duì)交運(yùn)行業(yè)影響因素分析

3.1 政策因素

2020 年1 月30 日交通部發(fā)布《關(guān)于做好新型冠狀病毒感染的肺炎疫情防控物資和人員應(yīng)急運(yùn)輸優(yōu)先保障工作的通知》，要求保證應(yīng)急運(yùn)輸交通工具持通行證享受“三不一優(yōu)先”，即不停車、不檢查、不收費(fèi)、優(yōu)先通行[23]，各地也陸續(xù)出臺(tái)指導(dǎo)政策為防疫防控物資和生產(chǎn)生活必要物資運(yùn)輸開辟綠色通道。在疫情局面好轉(zhuǎn)后，一系列促進(jìn)交通運(yùn)輸復(fù)工復(fù)產(chǎn)的措施陸續(xù)出臺(tái)，這為貨物運(yùn)輸業(yè)恢復(fù)提供了有力保障。而基于疫情防控的需要，各地對(duì)旅客運(yùn)輸?shù)恼吒呌跍p少旅客不必要的出行。在高風(fēng)險(xiǎn)地區(qū)，機(jī)場(chǎng)、車站、高速通道入口等地實(shí)施封閉管理。在中、低風(fēng)險(xiǎn)地區(qū)采取一定的措施限制人員和車輛的通行。交通運(yùn)輸部在2020 年3 月1 日印發(fā)的《關(guān)于分區(qū)分級(jí)科學(xué)做好客運(yùn)場(chǎng)站和交通運(yùn)輸工具新冠肺炎疫情防控工作的通知》中，要求各省級(jí)交運(yùn)主管部門按照《客運(yùn)場(chǎng)站和交通運(yùn)輸工具新冠肺炎疫情分區(qū)分級(jí)防控指南》，做好客運(yùn)場(chǎng)站和交通運(yùn)輸工具疫情防控工作。在防疫局面穩(wěn)定后，各級(jí)政府陸續(xù)出臺(tái)的促進(jìn)各地有序恢復(fù)旅客運(yùn)輸服務(wù)辦法的同時(shí)，也強(qiáng)調(diào)根據(jù)不同地區(qū)疫情風(fēng)險(xiǎn)程度，分區(qū)分級(jí)采取防疫措施，如控制客座率等。在疫情全面結(jié)束之前，各地對(duì)促進(jìn)旅客流動(dòng)持謹(jǐn)慎的態(tài)度。

3.2 運(yùn)輸需求減少

近年來(lái)我國(guó)交通運(yùn)輸業(yè)高速發(fā)展離不開運(yùn)輸服務(wù)需求快速增長(zhǎng)的推動(dòng)。而疫情導(dǎo)致運(yùn)輸需求的顯著下降，是交通運(yùn)輸業(yè)面臨的最嚴(yán)峻的挑戰(zhàn)。當(dāng)有形的產(chǎn)品面臨需求降低時(shí)，可以通過提高庫(kù)存的方式來(lái)應(yīng)對(duì)，而交通運(yùn)輸服務(wù)是無(wú)形的產(chǎn)品，其消費(fèi)與生產(chǎn)是同步的過程[5]，外部突發(fā)因素導(dǎo)致運(yùn)輸需求的驟降，會(huì)導(dǎo)致運(yùn)輸工具閑置、從業(yè)人員過剩，現(xiàn)金流中斷，運(yùn)輸企業(yè)面臨經(jīng)營(yíng)困難，甚至破產(chǎn)的局面。另一方面，對(duì)交通運(yùn)輸企業(yè)而言，規(guī)模效益才能帶來(lái)盈利，業(yè)務(wù)量的降低會(huì)增加企業(yè)運(yùn)輸服務(wù)的成本，這也讓從事運(yùn)輸服務(wù)的企業(yè)面臨提升服務(wù)價(jià)格和虧損的兩難選擇。

3.3 運(yùn)輸成本上升

疫情之下，企業(yè)成本普遍上升，運(yùn)輸服務(wù)企業(yè)也不例外[24]。第一，企業(yè)增加了額外的防疫成本，包括運(yùn)輸工具、場(chǎng)所的定期消殺、購(gòu)置從業(yè)人員的防護(hù)用具、防疫設(shè)施設(shè)備等。第二，業(yè)務(wù)的開展和調(diào)度，不能僅基于成本和效率的考慮，還要基于疫情防控的要求。如運(yùn)輸路線的規(guī)劃，運(yùn)輸工具的選擇、運(yùn)輸時(shí)間和實(shí)載率等，這也會(huì)增加運(yùn)輸服務(wù)的成本。第三，交通運(yùn)輸業(yè)是勞動(dòng)密集型的產(chǎn)業(yè)，而防疫措施會(huì)導(dǎo)致部分員工無(wú)法按時(shí)到崗，或者臨時(shí)離崗隔離。增加臨時(shí)用工支出，從而增加企業(yè)用工成本。第四，運(yùn)輸企業(yè)與客戶進(jìn)行長(zhǎng)期合作時(shí)，延期收取運(yùn)輸費(fèi)的情況很普遍，疫情導(dǎo)致客戶現(xiàn)金流緊張，從而使運(yùn)輸企業(yè)應(yīng)收賬款無(wú)法按時(shí)到賬，增加了企業(yè)籌、融資的成本。

4 小結(jié)

本文以2015 年-2019 年我國(guó)客、貨運(yùn)輸總量、不同運(yùn)輸模式的客、貨運(yùn)輸量等共計(jì)二十個(gè)指標(biāo)作為樣本數(shù)據(jù)，采用灰色GM(1,1)預(yù)測(cè)模型對(duì)正常情況下2020 年交通運(yùn)輸各項(xiàng)指標(biāo)進(jìn)行預(yù)測(cè)，再與2020 年實(shí)際運(yùn)輸量進(jìn)行比較，較為科學(xué)和準(zhǔn)確的評(píng)估了新冠疫情對(duì)交通運(yùn)輸業(yè)的影響程度。在2020 年新冠肺炎疫情的沖擊下，貨運(yùn)系統(tǒng)體現(xiàn)出了較強(qiáng)的彈性，其發(fā)展趨勢(shì)與疫情高度相關(guān)。市場(chǎng)需求在疫情嚴(yán)峻的階段急劇下降后，隨著疫情防控局面的好轉(zhuǎn)迅速回暖，其中鐵路運(yùn)輸和水路運(yùn)輸復(fù)蘇的最快。而客運(yùn)系統(tǒng)受到的影響更為深遠(yuǎn)，其發(fā)展趨勢(shì)與疫情相比有明顯的滯后性，出行旅客數(shù)量和出行距離都大幅降低，而航空旅客運(yùn)輸較其他運(yùn)輸模式收到疫情影響較小。改革開放以來(lái)，我國(guó)交通運(yùn)輸業(yè)一直穩(wěn)步發(fā)展，但不同運(yùn)輸模式的發(fā)展并不均衡。疫情考驗(yàn)為中國(guó)加快交通運(yùn)輸業(yè)結(jié)構(gòu)改革帶來(lái)契機(jī)。不斷完善綜合運(yùn)輸網(wǎng)絡(luò)建設(shè)、積極發(fā)展多式聯(lián)運(yùn)，提升運(yùn)輸能力和效率的同時(shí)，優(yōu)化運(yùn)輸結(jié)構(gòu)，將有助于提升行業(yè)整體抵御重大突發(fā)事件沖擊的能力，激發(fā)后疫情時(shí)代中國(guó)交通運(yùn)輸業(yè)的發(fā)展?jié)摿Α?/p>