文/武軼杰

為積極開拓反向運輸市場，探索通過黃大鐵路開通，接入集團(tuán)鐵路網(wǎng)，形成輻射河北、山西、陜西、內(nèi)蒙的反向運輸新格局，深入黃大鐵路輻射區(qū)域重點企業(yè)，對接周邊港口及地方鐵路，對黃大鐵路周邊非煤貨物展開廣泛調(diào)研，分別從輻射范圍、市場需求、運價調(diào)查、統(tǒng)計分析等角度進(jìn)行了調(diào)查研究，并利用重力模型對其中遠(yuǎn)期運輸需求量進(jìn)行了預(yù)測分析，研究結(jié)果表明本文所采用的模型預(yù)測精度較高，對黃大鐵路的集運業(yè)務(wù)提供了一定的參考價值。

0.引言。

近年來，非煤運輸業(yè)務(wù)蓬勃發(fā)展，作為朔黃鐵路的延申，黃大鐵路的非煤運輸業(yè)務(wù)也具有巨大的潛力。目前，黃大鐵路覆蓋范圍內(nèi)的非煤品主要通過公路運輸，在黃大鐵路開通后，通過一定的營銷措施，可以將這些貨物運量吸引到黃大鐵路，最大程度地降低空車走行率，充分發(fā)揮黃大鐵路反向運輸潛力。因此，有必要對黃大鐵路周邊非煤貨源的運輸需求進(jìn)行預(yù)測。對于鐵路貨運量的預(yù)測問題，文獻(xiàn)[1]提出對于未來全社會貨物運輸量的預(yù)測，只有從主要大類貨物運輸需求入手，分析它們的運量與產(chǎn)品運量、消費量、進(jìn)出口量的關(guān)系，并結(jié)合對未來各主要產(chǎn)業(yè)趨勢的判斷和把握，才能通過建立相應(yīng)的預(yù)測模型得出比較準(zhǔn)確的預(yù)測結(jié)果。文獻(xiàn)[2]提出新建鐵路在做貨運量預(yù)測時，應(yīng)尊重自然規(guī)律，重視預(yù)測工作，并加強(qiáng)現(xiàn)場調(diào)研，廣泛收集相關(guān)資料，運量分配應(yīng)充分考慮其他運輸方式和路徑的競爭分流等。文獻(xiàn)[3]利用地方吸引范圍法，擬建了黃大鐵路的沿線吸引范圍，并采用產(chǎn)銷平衡法及遞增率法，結(jié)合目前吸引范圍內(nèi)各市縣的實際運量，預(yù)測黃大鐵路近遠(yuǎn)期的輸送能力。文獻(xiàn)[4]在國家運輸結(jié)構(gòu)調(diào)整的大背景下，基于對煤炭貨物運輸形式及特征的分析，以鄂爾多斯東臺鐵路為例，對區(qū)域煤炭貨物運輸鐵路運量預(yù)測思路進(jìn)行了探究。文獻(xiàn)[5]利用專家模型自動擬合時間序列，得到最佳的預(yù)測模型。文獻(xiàn)[6]針對具有趨勢和季節(jié)變化的月度貨運量數(shù)據(jù)，采用三次指數(shù)平滑法進(jìn)行預(yù)測，同時可以消除一些隨機(jī)波動所帶來的影響。文獻(xiàn)[7]將NLP領(lǐng)域中的GRU深度網(wǎng)絡(luò)與高度非線性且前后時間段相似性不強(qiáng)的日貨運量數(shù)據(jù)結(jié)合，引入機(jī)器學(xué)習(xí)中的隔離森林算法降噪，構(gòu)建了短期貨運量預(yù)測模型。文獻(xiàn)[8]首先利用相關(guān)性系數(shù)篩選出最優(yōu)的特征子集，又利用模糊聚類法解決樣本數(shù)據(jù)自身矛盾問題，最后引入GRNN進(jìn)行貨運量預(yù)測，但該模型每個測試樣本和全部訓(xùn)練樣本都要參與計算，空間復(fù)雜度較高。文獻(xiàn)[9]提出構(gòu)建多項式核函數(shù)與徑向基核函數(shù)線性組合的SVM-mixed預(yù)測模型并通過果蠅優(yōu)化算法確定最優(yōu)參數(shù)以提高鐵路貨運量的預(yù)測精度。文獻(xiàn)[10]為提高鐵路貨運量的預(yù)測精度，提出了基于乘積季節(jié)模型與引入注意力機(jī)制的長短期記憶模型的組合預(yù)測模型，并采用2005年至2018年全國鐵路月度貨運量進(jìn)行預(yù)測分析，驗證了模型的有效性。綜上所述，解決鐵路貨運量預(yù)測問題的方法主要有時間序列預(yù)測模型[5，6]，神經(jīng)網(wǎng)絡(luò)[7，8]和組合預(yù)測模型[9，10]等，但時間序列適合中短期預(yù)測，當(dāng)外界出現(xiàn)較大變化時，預(yù)測精度不高；神經(jīng)網(wǎng)絡(luò)易陷入局部極小值；組合預(yù)測模型實現(xiàn)相對復(fù)雜。因此本文在上述研究的基礎(chǔ)上，基于黃大鐵路周邊的貨源運量調(diào)研結(jié)果，選用直觀且易理解的重力模型，針對黃大鐵路周邊非煤貨物的中遠(yuǎn)期運量進(jìn)行預(yù)測分析。

1.黃大鐵路周邊非煤貨源調(diào)研概況

1.1 調(diào)研范圍。調(diào)研主要區(qū)域：濱州地區(qū)無棣縣、沾化區(qū)、濱城區(qū)；東營地區(qū)利津縣、墾利區(qū)、東營區(qū)、廣饒縣；濰坊地區(qū)壽光市、昌邑市、平度市；煙臺地區(qū)萊州市、招遠(yuǎn)市、龍口市等地區(qū)。

1.2 到發(fā)站及功能情況。根據(jù)沿線到發(fā)貨物情況和地域分布，統(tǒng)計匯總主要到達(dá)、發(fā)送貨物的5個車站設(shè)置情況是：碣石山站主要是到達(dá)、發(fā)送貨物兼有車站，車站應(yīng)具備噸袋裝卸和?；费b卸功能，主要貨品是發(fā)送氧化鋁、原鹽，到達(dá)主要貨物是磷礦粉、鉀肥、液化品；濱州北站主要是發(fā)送貨物車站，車站應(yīng)具備集裝箱裝卸功能，主要貨物是飼料；濱州物流園主要是到達(dá)貨物，園區(qū)應(yīng)具備散貨裝卸功能，主要到達(dá)的貨物是鐵礦石；利津站主要是到達(dá)的液化品，應(yīng)具備?；费b卸功能；東營西站主要是到達(dá)貨物，應(yīng)具備集裝箱和?；费b卸功能，主要到達(dá)的貨物是大豆、液化品。

2.黃大鐵路周邊非煤貨物運量分析

2.1 近期非煤貨物運量（2021年末）近期需求量主要涉及2種貨物，分別是鐵礦石150萬噸、鋁釩土3800萬噸。

（1）鐵礦石。經(jīng)與現(xiàn)運輸途徑運費比較測算，鐵礦石運價能達(dá)到0.12～0.13元/噸公里，可以考慮初期運輸。但需大萊龍鐵路滿足運能充足且運價與黃大鐵路保持一致，同時濱州物流園需具備裝卸散貨條件。詳見下表1。

表1 鐵礦石運價分析表

根據(jù)上表可知，魯北地區(qū)需要的鐵礦石通過黃大鐵路運輸具有優(yōu)勢，因而可積極采取營銷措施，吸引鐵礦石運量，爭取達(dá)到150萬噸的鐵礦石運量。

（2）鋁釩土。經(jīng)與現(xiàn)運輸途徑運費比較測算，魯北生物的鋁釩土無優(yōu)勢，暫不考慮。魏橋北海的鋁釩土運價不高于0.085元/噸公里，但需要一定的實現(xiàn)條件。詳見表2。

表2 鋁釩土運價分析表

根據(jù)上表的分析，雖然鋁礬土近期通過黃大鐵路運輸尚無明顯優(yōu)勢，但是仍可考慮爭取魏橋北海的部分鋁礬土運量，由于鋁礬土的潛在運量巨大，年運量可達(dá)3800萬噸，所以通過營銷手段，預(yù)計可爭取到400萬噸的運量。

2.2 中期非煤貨物運量（2023年末）?？紤]黃大線已經(jīng)全線開通，已經(jīng)具備通向山西、內(nèi)蒙的貨物運輸條件，對黃大鐵路非煤貨物運輸?shù)念A(yù)測及運輸條件的分析。根據(jù)黃大鐵路中期發(fā)展規(guī)劃及政策支持力度等方面分析，預(yù)計可實現(xiàn)180萬噸涉及5類非煤貨物運量，分別是氧化鋁70萬噸、原鹽10萬噸、純堿20萬噸、鉀肥5萬噸以及大豆75萬噸。

2.3 遠(yuǎn)期非煤貨物運量分析（2025年末）。遠(yuǎn)期需求量主要有5種貨物，分別是石油焦300萬噸、磷礦粉20萬噸、飼料5萬噸、液化品1480萬噸以及1000集裝箱輪胎。分布在濱州、東營、濰坊、煙臺等地區(qū)。上述調(diào)研數(shù)據(jù)進(jìn)行匯總，得到表4中的黃大鐵路集運運量數(shù)據(jù)調(diào)研匯總數(shù)據(jù)。

表3 黃大鐵路集運運量調(diào)研數(shù)據(jù)匯總

3.黃大鐵路周邊非煤貨物預(yù)測方法設(shè)計。

重力模型是把牛頓的萬有引力定律的原理應(yīng)用到未來運輸量預(yù)測中的一種預(yù)測模型，多用于流向分布。它是一種空間互動形態(tài)的模擬預(yù)測技術(shù)，利用現(xiàn)狀OD形態(tài)模擬出一種模型以預(yù)測未來OD，并將空間阻礙因素與地區(qū)增長特性一并考慮，直觀且易理解。因此本文選用重力模型對非煤貨物運輸數(shù)據(jù)進(jìn)行論證。

（1）基本假設(shè)：地區(qū)運輸?shù)降貐^(qū)的貨物量與地區(qū)的貨運量、地區(qū)的貨物吸引量成正比，與地區(qū)與之間的運輸阻抗系數(shù)，如兩地區(qū)運輸距離、時間以及費用等成反比。

其中：Ni，Nj分別表示地區(qū)i和地區(qū)j的經(jīng)濟(jì)狀況（用地區(qū)年GDP表示）；dkij表示i，j地區(qū)之間的阻抗（i和j地區(qū)的運距）；η表示調(diào)節(jié)參數(shù)；

通過查閱歷史資料以及調(diào)研情況綜合已開通運輸非煤貨物運量情況得出：正向運輸參數(shù)可取α=4.11、β=-2.72；反向運輸參數(shù)可取α=0.0355，β=12.0。

（3）通過重力模型預(yù)測黃大線正向及反向運量與調(diào)研運量值做對比，結(jié)果如下表。由表4及表5對比可以看出黃大線調(diào)研運輸量與使用重力模型測算出的運量值誤差較小，調(diào)研運輸量得以論證，同時對于黃大鐵路沿線各個車站后續(xù)運輸計劃設(shè)計、調(diào)整具有實際價值。

表4 煤炭運量調(diào)研值與預(yù)測值對比表

表5 非煤反向運量調(diào)研值與預(yù)測值對比表

4.黃大鐵路周邊非煤貨物運量預(yù)測結(jié)果分析

運用上述經(jīng)過實際數(shù)據(jù)訓(xùn)練的重力模型，對黃大鐵路非煤貨物運輸需求量進(jìn)行預(yù)測，得到表6的數(shù)據(jù)。

表6 黃大鐵路集運運量預(yù)測數(shù)據(jù)匯總

將表4與表6中的數(shù)據(jù)進(jìn)行對比，預(yù)測的數(shù)據(jù)與調(diào)研分析所得的預(yù)測得數(shù)據(jù)基本吻合，說明黃大鐵路非煤貨物運輸需求量預(yù)測數(shù)據(jù)較為可信。

結(jié)合朔黃鐵路十四五規(guī)劃朔黃鐵路2021年運量達(dá)到220萬噸，2023年運量達(dá)到500萬噸，十四五末運量達(dá)到2000萬噸的運輸目標(biāo)，能夠配合其完成規(guī)劃運量。而黃大鐵路的部分預(yù)測運量疊加在朔黃鐵路上，也不會超過其通過能力。

5.結(jié)束語

通過深入黃大鐵路輻射區(qū)域重點企業(yè)，對接周邊港口及地方鐵路，對黃大鐵路周邊非煤貨物展開廣泛調(diào)研，采用調(diào)研所得的歷史數(shù)據(jù)對重力預(yù)測模型進(jìn)行訓(xùn)練，并利用訓(xùn)練后的重力模型對黃大鐵路在2021年末、2023年末以及十四五末的反向運量進(jìn)行預(yù)測，且預(yù)測所得結(jié)果具有可信性，對黃大鐵路開拓反向運輸市場的集運能力具有重要意義。

引用出處

[1]謝雨蓉,羅仁堅．以大類貨運需求分析把握未來貨運量增長趨勢[J]．綜合運輸,2009(09):65-70．

[2]王煒,楊青,郝秀強(qiáng),任仰輝,邢相．新形勢下新建鐵路貨運量預(yù)測思路探討[J]．交通企業(yè)管理,2017,32(02):46-48．

[3]李娜．黃大鐵路建設(shè)需求調(diào)查與運輸能力研究[D]．石家莊鐵道大學(xué),2018．

[4]王皓冉．國家運輸結(jié)構(gòu)調(diào)整背景下的區(qū)域煤炭貨物運輸鐵路運量預(yù)測探究-以東臺鐵路為例[J]．科學(xué)技術(shù)創(chuàng)新,2020(26):185-186．

[5]胡潔瓊,李珍萍．基于時間序列的全社會貨運量預(yù)測及分析[J]．物流技術(shù),2014(5):128-130．

[6]湯銀英,李龍．基于Holt-Winters模型的鐵路月度貨運量預(yù)測研究[J]．交通運輸工程與信息學(xué)報,2017,15(2):1-5,13．

[7]譚雪,張小強(qiáng)．基于GRU深度網(wǎng)絡(luò)的鐵路短期貨運量預(yù)測[J]．鐵道學(xué)報,2020,42(12):28-35．

[8]趙闖，劉凱，李電生．基于廣義回歸神經(jīng)網(wǎng)絡(luò)的貨運量預(yù)測[J]．鐵道學(xué)報,2004,26(1):12-15．

[9]梁寧,耿立艷,張占福,等．基于GRA與SVM-mixed的貨運量預(yù)測方法[J]．交通運輸系統(tǒng)工程與信息,2016,16(6):94?99．

[10]徐玉萍,鄧俊翔,蔣澤華．基于組合預(yù)測模型的鐵路貨運量預(yù)測研究[J]．鐵道科學(xué)與工程學(xué)報,2021,18(01):243-249．