董潔霜，顧 緯

（上海理工大學管理學院，上海 200093）

由于鐵路與公路客運的服務功能相同，鐵路的快速發(fā)展勢必會對公路的客流分擔率產生較大影響，使得原本使用公路客運的一部分客流轉移至鐵路，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系，并在此基礎上預測各運輸方式的分擔率是科學、準確預測交通流量的基礎性工作之一.目前，國外對于城市交通運輸方式分擔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系.對于分擔率的研究前期主要集中于研究分擔率的模型結構（以Logit模型為主）以及效用函數(shù)的使用形式問題，后期則注重結論和政策引導性的研究[3-6].有關競爭關系的研究主要側重于根據運輸需求對運輸相關數(shù)據進行整理和分析，運用模型對統(tǒng)計數(shù)據進行現(xiàn)狀分析和未來預測，以此揭示各方式間的關系[5-6].而我國對于城市交通運輸方式分擔率的研究主要側重于模型的選定、模型參數(shù)的標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率時，在選用傳統(tǒng)Logit模型的基礎上，采用可能滿意度法求解分擔率，最后根據分擔率的計算公式分別求解2種運輸方式各自的分擔率情況.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)計軟件標定其參數(shù).

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

1 城市運輸結構預測方法

1.1 傳統(tǒng)的預測模型

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率.目前應用較廣泛的預測分擔率的方法是非集計方法，這種方法具有調查樣本量小、預測精度高和相對成本較低等特點.

非集計模型的理論基礎是出行者在作出選擇時追求“效用”最大化這一假設.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，即當效用函數(shù)產生變化時，認為某交通方式的分擔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，假設原來的運輸系統(tǒng)中存在2種運輸方式，當?shù)?種交通運輸方式加入后，勢必會對原來交通運輸系統(tǒng)中的分擔率產生不同影響，而此時運用Logit模型進行預測，其結果是第3種運輸方式會對原有的2種運輸方式產生相同的影響，這顯然不符合實際情況，因此利用Logit模型預測綜合交通運輸結構分擔率的準確率有待商榷.

1.2 標桿城市法

盡管我國各個經濟發(fā)展階段不同地區(qū)城市的經濟發(fā)展水平不同，各地城市發(fā)展目標也不同，但綜合交通運輸結構域經濟發(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城市的綜合交通運輸結構將會達到的水平.標桿城市法選取與目標城市相似度較高的城市作為參照系，采用趨勢外推法，預測未來目標城市的綜合運輸結構.趨勢外推法根據歷史上各交通運輸方式分擔率的增長速度以及對未來交通方式分擔率增長趨勢的判斷，預測未來交通方式分擔率增長速度及交通運輸結構.選取標桿城市的指標主要有GDP、人均GDP、城市級別、人口規(guī)模、經濟、社會發(fā)展狀況以及交通運輸發(fā)展狀況等.在進行預測時，參考標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城市綜合運輸方式的運輸結構.

2 實例驗證—溫州交通運輸結構預測

本研究選取近年來國內經濟指標、人均GDP、城市發(fā)展戰(zhàn)略目標、人口規(guī)模和產業(yè)布局等指標與溫州市發(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構進行綜合分析預測，分析流程如圖1所示.

圖1 溫州市交通運輸結構預測流程Fig．1 Prediction process of transportation structure of Wenzhou city

2.1 客運需求總量預測

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，預測其未來趨勢.近年溫州客運總量與人口、國內生產總值的發(fā)展趨勢如圖2所示.

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

根據《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，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為總人口數(shù)（萬人）；X2為國內生產總值（億元）.

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

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

結合已有規(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，將通過回歸方程預測的數(shù)據與規(guī)劃預測數(shù)據進行對比，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，結果如表2所示.

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

2.2 貨運需求總量預測

對1990年以來溫州市全社會貨運量與國內生產總值進行非線性回歸，結果如圖3所示.

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

根據《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，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為國內生產總值（億元）.

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

表3 預測規(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，將通過回歸方程預測的數(shù)據與規(guī)劃預測數(shù)據作進行對比，得到高低2個推薦方案，結果如表4所示.

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

2.3 綜合交通運輸結構預測

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)模和經濟社會發(fā)展與溫州相似度較高，并且其城市發(fā)展目標和產業(yè)布局與溫州相似，而其經濟發(fā)展又領先領先于溫州，所以本研究選擇青島和無錫與溫州進行標桿對比預測.

表5和表6分別為標桿城市青島和無錫歷年客運量及貨運量分擔率統(tǒng)計情況.由表5和表6可以看出，由于鐵路網較溫州完善，青島和無錫的鐵路運輸分擔率均超過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?，考慮到溫福鐵路的建成對溫州市的鐵路運輸?shù)挠绊?，按照青島和無錫的運輸發(fā)展模式，溫州的鐵路運輸分擔率也會發(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率Tab.6 Partake rate of passenger capacity and volume of freight in Wuxi 單位：%

將標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構，結果如表8所示.表8的預測結果與《溫州市交通統(tǒng)計年鑒》中當年實際運輸結構偏差小于30%，屬于可接受范圍內，因此可以用此方法預測未來各特征年溫州綜合交通運輸結構.

表7 溫州市2008年的運輸結構Tab.7 Traffic structure of Wenzhou in 2008

表8 溫州市2011年的運輸結構Tab.8 Traffic structure of Wenzhou in 2011

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

2020年以后，隨著全國高速公路網和鐵路網的建成，交通需求進一步加大，原本相對落后的鐵路運輸?shù)耐ㄟ_性也得到改善.參考青島和無錫2個城市的分擔率增長率，未來溫州各運輸方式分擔率增長速度按以下方案設定：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%.根據歷史分擔率數(shù)據以及前文所預測的溫州客、貨運運輸總量的高、低2個方案，預測溫州未來特征年運輸分擔率，結果如表9所示.

表9 溫州市規(guī)劃各特征綜合運輸方式運輸結構預測Tab.9 Predictions of traffic structure in future every ten years of Wenzhou

3 結論

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

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

（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構.在2030年全國鐵路網建成之后，鐵路運輸將部分取代公路，其運輸分擔率將提高近一倍.

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

[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率的估計[J].北方交通大學學報，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].鐵道學報，2009，31（3）：6-10.

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

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

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

[12]曾曦，王慈光.Logit模型的改進及其在客流分擔率預測中的應用—成渝城際鐵路為例[J].長沙交通學院學報，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.