李晨新，魏田正，袁浩，張璐璐

西安市公路運(yùn)輸貨運(yùn)樞紐需求預(yù)測(cè)

李晨新，魏田正，袁浩，張璐璐

（長(zhǎng)安大學(xué) 汽車學(xué)院，陜西 西安 710064）

根據(jù)西安市統(tǒng)計(jì)年鑒運(yùn)用SPSS數(shù)據(jù)分析軟件分析2003-2017年西安市GDP、人口等指標(biāo)與全社會(huì)貨運(yùn)量之間的關(guān)系，選用關(guān)聯(lián)度相對(duì)較好的人口指標(biāo)作為自變量建立人口與社會(huì)貨運(yùn)量間的數(shù)學(xué)關(guān)系。利用一元線性回歸法預(yù)測(cè)了特征年人口數(shù)量并預(yù)測(cè)社會(huì)貨運(yùn)量。根據(jù)西安市全社會(huì)貨運(yùn)量預(yù)測(cè)、公路貨運(yùn)量預(yù)測(cè)等指標(biāo)，預(yù)測(cè)了2020年、2030年、2040年的公路貨運(yùn)樞紐站場(chǎng)作業(yè)量。

交通運(yùn)輸；貨運(yùn)樞紐；需求預(yù)測(cè)；貨運(yùn)量；SPSS

前言

公路運(yùn)輸貨運(yùn)樞紐站場(chǎng)是貨物運(yùn)輸網(wǎng)絡(luò)中的一個(gè)重要組成部分，是構(gòu)建公路貨運(yùn)樞紐的基本單元，也是實(shí)現(xiàn)一體化交通和高效運(yùn)輸?shù)谋Ｕ吓c手段。為了使得公路貨運(yùn)樞紐站場(chǎng)布局更加規(guī)范化、程序化、科學(xué)化和合理化，必須有較高的公路貨運(yùn)樞紐站場(chǎng)總體規(guī)劃的水平。合理對(duì)西安市公路貨運(yùn)樞紐未來的貨運(yùn)量進(jìn)行預(yù)測(cè)，可以為西安市未來的公路貨運(yùn)樞紐的發(fā)展規(guī)劃提供一定的參考。

1 西安市貨運(yùn)方式現(xiàn)狀

受限于西安市的地理環(huán)境等其他因素的影響，目前西安市的貨物運(yùn)輸方式有公路運(yùn)輸、鐵路運(yùn)輸、民航運(yùn)輸三種[1]。公路運(yùn)輸在西安市全社會(huì)貨運(yùn)量占據(jù)主要比重，公路貨運(yùn)量的預(yù)測(cè)通過公路貨運(yùn)量占全社會(huì)貨運(yùn)量的比例來測(cè)定，如圖1所示，根據(jù)2003年以來的統(tǒng)計(jì)數(shù)據(jù)看，公路貨運(yùn)量占全社會(huì)貨運(yùn)量的比重總體呈穩(wěn)中有增的趨勢(shì)。

2 西安市全社會(huì)貨運(yùn)量預(yù)測(cè)

綜合考慮歷史數(shù)據(jù)本身的分布特性以及分析方法的自身性質(zhì)，決定采用線性回歸法來進(jìn)行西安市全社會(huì)貨運(yùn)量的預(yù)測(cè)[2]。選取與西安市全社會(huì)貨運(yùn)量發(fā)展密切相關(guān)的指標(biāo)，可以采用關(guān)聯(lián)度分析[3]。圖2-4為西安市2003-2017年GDP、人口及人均 GDP與全社會(huì)貨運(yùn)量之間的發(fā)展關(guān)系。分析結(jié)果對(duì)比得出，全社會(huì)貨運(yùn)量與人口的關(guān)聯(lián)度較好，因此選用人口這一指標(biāo)作為回歸方程的自變量。通過歷史數(shù)據(jù)分析計(jì)算得到一元二次回歸方程與人口擬合曲線和它的預(yù)測(cè)模型：

圖1 西安市公路貨運(yùn)量占全社會(huì)貨運(yùn)量比重趨勢(shì)圖

式中：x為西安市特征年的人口數(shù)量；y為西安市特征年全社會(huì)貨運(yùn)量的預(yù)測(cè)值。

圖3 西安市人口與全社會(huì)貨運(yùn)量發(fā)展趨勢(shì)

圖4 西安市人均GDP與全社會(huì)貨運(yùn)量發(fā)展趨勢(shì)

3 人口預(yù)測(cè)

根據(jù)西安市1990—2017年歷年人口總?cè)丝诘臄?shù)據(jù)分布特性，本文采用時(shí)間序列法對(duì)西安市特征年的人口數(shù)目進(jìn)行預(yù)測(cè)。如表1所示為一元方程中系數(shù)，得到公式（2）：

可以預(yù)測(cè)2020、2030、2040年西安市城市人口分別為：

p（2020）=868.96（萬人）；

p（2030）=958.26（萬人）；

p（2040）=1045.804（萬人）

由公式（1）可得特征年西安市全社會(huì)貨運(yùn)量預(yù)測(cè)結(jié)果：

Y（2020）=180723（萬噸/年）；

Y（2030）=504618.488（萬噸/年）；

Y（2040）=984623.868（萬噸/年）

表1 一元方程中系數(shù)

4 公路貨運(yùn)樞紐站場(chǎng)作業(yè)量預(yù)測(cè)

由前圖1所示且結(jié)合專家咨詢和定性分析，最終確定如表2所示各特征年公路占全社會(huì)貨運(yùn)量的比重及公路貨運(yùn)量預(yù)測(cè)值。

表2 預(yù)測(cè)西安市公路貨運(yùn)量占全社會(huì)貨運(yùn)量比重及運(yùn)量（萬噸/年）

根據(jù)全國公路運(yùn)輸樞紐布局規(guī)劃經(jīng)驗(yàn)，一般進(jìn)入貨運(yùn)樞紐站進(jìn)行作業(yè)的業(yè)務(wù)量占公路貨運(yùn)量的 3%～15%。根據(jù)西安市公路貨運(yùn)樞紐站作業(yè)量特點(diǎn)，結(jié)合其它省、市公路貨運(yùn)樞紐站作業(yè)量的比重，預(yù)計(jì)2020年、2030年、2040年西安市公路貨運(yùn)樞紐站場(chǎng)作業(yè)量所占公路貨運(yùn)量的比重分別為 11.0%、13.0%和15.0%。據(jù)此預(yù)測(cè)的公路貨運(yùn)樞紐站場(chǎng)作業(yè)量結(jié)果見表3所示。

表3 西安市公路貨運(yùn)樞紐站場(chǎng)作業(yè)量預(yù)測(cè)結(jié)果

5 結(jié)論

本文著眼于西安市公路運(yùn)輸貨運(yùn)樞紐的需求預(yù)測(cè)，依據(jù)西安市統(tǒng)計(jì)年鑒數(shù)據(jù)，以西安市2003-2017年的貨運(yùn)量、GDP、人均GDP、人口等數(shù)據(jù)對(duì)西安市特征年的貨運(yùn)量和人口數(shù)據(jù)進(jìn)行預(yù)測(cè)，選用關(guān)聯(lián)度較好的人口這一指標(biāo)作為回歸方程的自變量。通過歷史數(shù)據(jù)分析計(jì)算得到一元二次回歸方程與人口擬合曲線和它的預(yù)測(cè)模型，進(jìn)而對(duì)西安市特征年的人口數(shù)進(jìn)行預(yù)測(cè)分析。運(yùn)用一元線性回歸分析方法對(duì)西安市特征年的人口數(shù)據(jù)進(jìn)行預(yù)測(cè)。得到西安市特征年的預(yù)測(cè)人口數(shù)據(jù)后代入公式（1），得到西安市特征年全社會(huì)貨運(yùn)量的預(yù)測(cè)值，通過公路貨運(yùn)量占全社會(huì)貨運(yùn)量的比例、樞紐站作業(yè)量所占比例來進(jìn)行公路貨運(yùn)量、貨運(yùn)樞紐站作業(yè)量的預(yù)測(cè)。

[1] 張浩.西安市貨運(yùn)量與工業(yè)增加值協(xié)整分析[D].2016.

[2] 王孔雀,Kongque W.西安鐵路樞紐客運(yùn)系統(tǒng)規(guī)劃研究[J].鐵道標(biāo)準(zhǔn)設(shè)計(jì),2009(8).

[3] 毛素平.西安咸陽國際機(jī)場(chǎng)商業(yè)化戰(zhàn)略及策略研究[D].西北工業(yè)大學(xué), 2003.

[4] 劉昱崗,羅霞.公路貨運(yùn)樞紐站場(chǎng)規(guī)劃中的關(guān)鍵問題研究[J].交通企業(yè)管理,2008, 23(6).

Research on Demand Forecast of Xi'an Highway Transportation and Freight Hub

Li Chenxin, Wei Tianzheng, Yuan Hao, Zhang Lulu

（School of Automobile, Chang'an University, Shaanxi Xi’an 710064 )

According to the statistical yearbook of Xi'an, using SPSS data analysis software to analyze the relationship between the GDP and population indicators of Xi'an and the total social freight volume in 2003-2017, and select the population index with relatively good correlation as the independent variable to establish the population and social freight volume. The mathematical relationship between. The one-dimensional linear regression method was used to predict the characteristic annual population and predict the social freight volume. According to the forecast of the whole society's freight volume and the forecast of road freight volume, the volume of road freight hub stations in 2020, 2030 and 2040 is predicted.

Transportation; Freight hub; Demand forecast; Freight volume; SPSS

U294.1+2

A

1671-7988(2019)24-243-03

U294.1+2

A

1671-7988(2019)24-243-03

10.16638/j.cnki.1671-7988.2019.24.084

李晨新（1996.07-），碩士研究生，就讀于長(zhǎng)安大學(xué)汽車學(xué)院，交通運(yùn)輸工程專業(yè)。