摘要 文章以基于12306提取的2018年鐵路站間客流量數(shù)據(jù)為基礎(chǔ)，結(jié)合城市經(jīng)濟人口等特征，利用SPSS軟件分析了對鐵路旅客發(fā)送量、人均鐵路出行次數(shù)產(chǎn)生顯著影響的城市特征指標，同時利用多元線性回歸擬合確定了城市特征指標與鐵路客運指標間的函數(shù)關(guān)系，并取得了較好的擬合效果。通過分析不同城市鐵路平均出行距離及出行距離分布情況，發(fā)現(xiàn)城際交通出行對鐵路系統(tǒng)的依賴性在提升，都市圈范圍內(nèi)的出行需求在逐漸增加，對這部分需求的考慮將是未來城際及市域網(wǎng)絡布局思考的要點。

關(guān)鍵詞 鐵路旅客發(fā)送量;人均鐵路出行次數(shù);鐵路平均出行距離;皮爾遜相關(guān)系數(shù)

中圖分類號 U212.1 文獻標識碼 A 文章編號 2096-8949（2022）06-0026-03

引言

該文通過分析江蘇省已有及在建鐵路現(xiàn)狀、各市鐵路旅客發(fā)送量、人均鐵路出行次數(shù)、鐵路平均出行距離等特征，總結(jié)不同城市客運特征及特點，進一步分析了對鐵路旅客發(fā)送量存在顯著影響的城市特征指標。同時建立了城市特征指標與鐵路客運指標間的函數(shù)關(guān)系，并取得了較好的擬合效果。通過分析不同城市鐵路平均出行距離及出行距離分布情況，發(fā)現(xiàn)城際交通出行對鐵路系統(tǒng)的依賴性在提升，都市圈范圍內(nèi)的出行需求在逐漸增加，對這部分需求的考慮將是未來城際及市域網(wǎng)絡布局思考的要點。

1 江蘇省鐵路發(fā)展概況

1.1 建成運營鐵路現(xiàn)狀

至“十三五”末，江蘇全省鐵路總里程達到4 204 km，其中高速鐵路達到2 215 km，較“十二五”末期（859 km）增加1 356 km。江蘇省鐵路復線里程達到3 161 km、電氣化里程達到3 270 km，復線率、電氣化率分別達到75.2%、77.8%。基本實現(xiàn)《江蘇省“十三五”鐵路發(fā)展規(guī)劃》所提出的“三縱四橫”高快速鐵路網(wǎng)全面形成，鐵路總里程達到4 000 km以上的規(guī)劃目標[1-2]。

1.2 在建鐵路現(xiàn)狀

截至2020年末，江蘇省在建鐵路里程達476.4 km（包括南沿江鐵路、寧淮鐵路、滬蘇湖鐵路、滬通鐵路二期），均為技術(shù)標準200 km/h及以上的高快速鐵路，主要位于蘇南地區(qū)，涵蓋了南京、鎮(zhèn)江、常州、無錫、蘇州、南通等多個設(shè)區(qū)市及部分下轄縣市，將著力優(yōu)化完善蘇南地區(qū)多層次鐵路網(wǎng)，加快推進國家高鐵主通道建設(shè)[3]。

2 江蘇省鐵路客運特征分析

2.1 鐵路旅客發(fā)送量

2.1.1 不同城市鐵路旅客發(fā)送量

根據(jù)基于12306提取的2018年鐵路站間客流量數(shù)據(jù)分析可得江蘇省各市鐵路旅客發(fā)送量，同時查詢各城市旅客列車對數(shù)及經(jīng)濟人口等城市特征指標如表1所示。

由表1可知，江蘇省2018年鐵路旅客發(fā)送量合計2.13億人次，其中南京市旅客發(fā)送量6 989萬人次，占比32.8%。可見南京作為省會城市在江蘇省的交通樞紐地位。蘇州、徐州、無錫三市鐵路旅客發(fā)送量占全省比例分別為22.2%、12.6%、11.1%，南京、蘇州、徐州、無錫四市合計鐵路旅客發(fā)送量占全省比例為78.8%[4]。不同城市鐵路旅客發(fā)送量存在較大差異，因此該文重點從城市經(jīng)濟、人口、面積及旅客列車開行對數(shù)等角度分析影響鐵路旅客發(fā)送量的相關(guān)因素。

2.1.2 影響因素分析

對各市旅客發(fā)送量與城市經(jīng)濟人口等指標進行相關(guān)性分析，通過Pearson（皮爾遜）相關(guān)系數(shù)描述鐵路旅客發(fā)送量與城市指標的相關(guān)程度[5-6]。皮爾遜相關(guān)系數(shù)計算方法如公式（1）、（2）所示。

式中：ρ——變量總體的相關(guān)系數(shù);

r——樣本的相關(guān)系數(shù);

X——城市經(jīng)濟、人口、面積、旅客列車對數(shù)等指標;

Y——鐵路旅客發(fā)送量。

因南京市鐵路旅客發(fā)送量中包含較多中轉(zhuǎn)客流，因此在進行鐵路旅客發(fā)送量與城市特征相關(guān)性分析時，將省會城市南京進行剔除，利用SPSS軟件進行相關(guān)性分析得到的結(jié)果如表2所示，通過表中數(shù)據(jù)可以看出：在α=0.01（雙側(cè)）水平下，各城市鐵路旅客發(fā)送量與旅客列車對數(shù)、城市GDP、人口三項指標顯著相關(guān)，且與三項因素都呈現(xiàn)正向相關(guān)。由此可見，鐵路旅客發(fā)送量受到城市經(jīng)濟水平及鐵路供給水平的顯著影響。

2.1.3 函數(shù)擬合

根據(jù)相關(guān)性分析結(jié)果，選取對鐵路旅客發(fā)送量顯著影響的三個變量：旅客列車對數(shù)、GDP、人口，利用SPSS軟件進行多元線性回歸擬合，得到上述三個變量與鐵路旅客發(fā)送量間的函數(shù)關(guān)系，根據(jù)擬合結(jié)果可以看出，調(diào)整后R方為0.923，說明函數(shù)擬合結(jié)果較好[7-8]。但擬合結(jié)果存在：

（1）Durbin-Watson值為1.608，小于2，說明變量存在一定的自相關(guān)性。

（2）自變量GDP的顯著性差異sig值為0.128>0.05，表示差異性不顯著。

（3）變量GDP的方差膨脹系數(shù)為4.054，說明自變量GDP存在一定的多重共線性。

由此可見因在擬合函數(shù)中加入變量GDP導致擬合結(jié)果不夠理想。

因此刪除變量GDP后，重新對鐵路旅客發(fā)送量與旅客列車對數(shù)、城市人口進行多元線性回歸分析得到，調(diào)整后R方為0.906，說明同樣具有較好的擬合效果。且：

（1）Durbin-Watson值為2.082，接近于2，說明變量間相互獨立。

（2）兩個自變量的顯著性差異sig值均小于0.05且小于0.02，說明變量間的差異極其顯著。

（3）兩個自變量的方差膨脹系數(shù)均為1.125，說明變量間不存在多重共線性。

因此用旅客列車對數(shù)與人口對鐵路旅客發(fā)送量進行多元線性擬合是合理的，函數(shù)擬合結(jié)果如公式（3）所示：

式中：Y1——鐵路旅客發(fā)送量（萬人次/年）;

X1——旅客列車對數(shù)（對/日）;

X2——城市人口（萬人）。

2.2 平均出行次數(shù)

根據(jù)鐵路旅客發(fā)送量與人口計算人均鐵路出行次數(shù)，經(jīng)數(shù)據(jù)調(diào)查得知人均出行次數(shù)較高的城市為蘇州、徐州、無錫、常州、鎮(zhèn)江五市。利用SPSS分析影響人均鐵路出行次數(shù)相關(guān)因素。

分析結(jié)果如表3所示，可見旅客列車對數(shù)在0.01的水平（雙側(cè)）上與人均鐵路出行次數(shù)呈現(xiàn)正顯著相關(guān)，城市GDP在0.05水平（雙側(cè)）上與人均鐵路出行次數(shù)呈現(xiàn)正顯著相關(guān)，與影響旅客發(fā)送量因素不同的是，城市人口不會顯著影響人均鐵路出行次數(shù)。由此可見，隨著經(jīng)濟發(fā)展水平與鐵路供給服務的進一步提升，人均鐵路出行次數(shù)會進一步增加。

對人均鐵路出行次數(shù)與旅客列車對數(shù)、城市GDP進行多元線性回歸分析得到，調(diào)整后R方為0.984，可見擬合效果較好。且：

（1）Durbin-Watson值為2.138，接近于2，說明變量間相互獨立。

（2）自變量旅客列車對數(shù)顯著性差異sig值小于0.05，自變量城市GDP顯著性差異sig值為0.076，略高于0.05，說明變量間具備顯著性差異。

（3）兩個自變量的方差膨脹系數(shù)均為1.571，說明變量間不存在多重共線性。

因此用旅客列車對數(shù)、城市GDP對人均鐵路出行次數(shù)進行多元線性擬合是合理的。

函數(shù)擬合結(jié)果如公式（4）所示：

式中：Y2——人均鐵路出行次數(shù)（人次/年）;X1——旅客列車對數(shù)（對/日）;X3——該市GDP（億元）。

2.3 平均出行距離

根據(jù)2018年鐵路站間客流量數(shù)據(jù)及各城市的經(jīng)緯度信息計算各城市平均出行距離（直線距離），如圖1所示，將各城市出行距離進行排序，依次得到20%、40%、60%、80%、90%的出行量覆蓋的出行范圍。從平均出行距離來看，平均出行距離不足300 km的城市為常州和鎮(zhèn)江，平均出行距離大于500 km的城市為徐州、泰州，江蘇省大部分城市的鐵路平均出行距離集中在300～200 km。從出行量覆蓋出行范圍來看，蘇州、無錫、常州、鎮(zhèn)江、揚州等市60%的出行在200 km的范圍內(nèi)，可見短距離出行已占到較高的比例，這反映出區(qū)域經(jīng)濟強聯(lián)系下，城際交通出行對鐵路系統(tǒng)的依賴性在提升，都市圈范圍內(nèi)的出行在逐漸增加。對比國外城市發(fā)展階段和隨著國內(nèi)城市群的發(fā)展，可以預見未來城市群、都市圈的出行特征將從“低頻次、長距離、低時間價值”轉(zhuǎn)向“高頻次、中短距、高時間價值”，都市圈內(nèi)以通勤、商務為代表的高時間價值出行規(guī)模將會增加，對這部分需求的考慮將是未來城際及市域網(wǎng)絡布局思考的要點。

根據(jù)相關(guān)性分析結(jié)果，并未發(fā)現(xiàn)鐵路平均出行距離與鐵路旅客發(fā)送量、旅客列車對數(shù)、城市GDP、人口、城市面積、人均出行次數(shù)等因素存在顯著相關(guān)性。

3 總結(jié)

該文對江蘇省已有及在建鐵路現(xiàn)狀、各市鐵路旅客發(fā)送量、人均鐵路出行次數(shù)、鐵路平均出行距離等指標進行了介紹，同時進一步分析了對鐵路旅客發(fā)送量存在顯著影響的因素為旅客列車對數(shù)、城市GDP、城市人口，利用旅客列車對數(shù)、城市人口對鐵路旅客發(fā)送量進行多元線性回歸擬合后，擬合結(jié)果的調(diào)整后R方為0.906，擬合效果較好。利用旅客列車對數(shù)、城市GDP對人均鐵路出行次數(shù)進行多元線性回歸擬合后，擬合結(jié)果的調(diào)整后R方為0.984，同樣得到了較好的擬合效果。最后對各城市不同出行量覆蓋的出行范圍進行分析，得出目前鐵路短距離出行已占到較高的比例，這反映出區(qū)域經(jīng)濟強聯(lián)系下，城際交通出行對鐵路系統(tǒng)的依賴性在提升，都市圈范圍內(nèi)的出行需求在逐漸增加。

參考文獻

[1]鄭毛祥，李鵬.江蘇省中長期鐵路網(wǎng)規(guī)劃研究[J].鐵道標準設(shè)計，2017（6）：71-75.

[2]殷勇，劉慶.江蘇省城際鐵路運營管理模式選擇及其SWOT分析[J].交通運輸工程與信息學報，2017（1）：16-21+55.

[3]于建勇.新建常州至泰州城際鐵路必要性研究[J].交通工程，2020（2）：62-66+74.

[4]曹志成，劉伊生，董繼偉.基于三次指數(shù)平滑法的鐵路旅客發(fā)送量預測研究[J].鐵道運輸與經(jīng)濟，2018（11）：49-53+115.

[5]宋迪，姜紹武，毛力增，等.北京市省際客運運量影響因素分析研究[J].交通工程，2019（A1）：16-20.

[6]王煜，王洪業(yè)，呂曉艷，等.高速鐵路車站間客流變化一致性研究[J].鐵道運輸與經(jīng)濟，2019（3）：43-47.

[7]鄧連波，劉康妮，劉國歡，等.京滬、京廣高速鐵路客流與列車頻率關(guān)聯(lián)性分析[J].鐵道運輸與經(jīng)濟，2016（8）：19-25.

[8]南敬林.鐵路客運量預測影響因素分析[J].綜合運輸，2016（2）：35-40.

收稿日期：2022-01-13

作者簡介：陳曉光（1994—），男，碩士研究生，助理工程師，研究方向：交通規(guī)劃與運量預測。

基金項目：中鐵第四勘察設(shè)計院集團有限公司科技開發(fā)計劃項目“綜合交通大數(shù)據(jù)分析決策平臺開發(fā)（I期）”（2020D022）。