陸云峰，朱佳琪 （中國(guó)鐵路北京局集團(tuán)有限公司，北京100024）

LU Yunfeng, ZHU Jiaqi (China Railway Beijing Bureau Group Co., Ltd, Beijing 100024, China)

0 引 言

長(zhǎng)期以來(lái)，運(yùn)輸結(jié)構(gòu)不優(yōu)不僅降低了運(yùn)輸效率、推高了物流成本，也加重了環(huán)境污染、提升了安全風(fēng)險(xiǎn)。2019 年起，鐵路部門(mén)秉承“交通強(qiáng)國(guó)、鐵路先行”的歷史使命，緊隨國(guó)家優(yōu)先發(fā)展“公轉(zhuǎn)鐵”的相關(guān)政策，進(jìn)行了一系列嘗試。

“公轉(zhuǎn)鐵”，即未來(lái)大宗商品的公路運(yùn)輸將逐步轉(zhuǎn)化為鐵路運(yùn)輸。2018 年，國(guó)務(wù)院公開(kāi)發(fā)布的《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》中明確提出要大力發(fā)展鐵路貨運(yùn)。從公路到鐵路意味著運(yùn)輸結(jié)構(gòu)的優(yōu)化，積極調(diào)整運(yùn)輸結(jié)構(gòu)是發(fā)展綠色交通體系的必由之路，現(xiàn)階段京津冀及周邊地區(qū)的鋼鐵、礦石、焦炭等大宗貨物已經(jīng)全面禁止汽運(yùn)，改由鐵路運(yùn)輸至集疏港。運(yùn)輸結(jié)構(gòu)的變革，使得鐵路貨運(yùn)中期升勢(shì)明顯[1]。本文以北京局集團(tuán)有限公司管轄的大紅門(mén)站為研究對(duì)象，預(yù)測(cè)未來(lái)幾個(gè)月大紅門(mén)站的公轉(zhuǎn)鐵業(yè)務(wù)運(yùn)量。公轉(zhuǎn)鐵業(yè)務(wù)作為一項(xiàng)新興業(yè)務(wù)，對(duì)其運(yùn)量的準(zhǔn)確預(yù)測(cè)可以幫助大紅門(mén)站合理分配相關(guān)車(chē)輛人員、規(guī)劃線(xiàn)路使用，從而提高運(yùn)輸及調(diào)度效率，做好配套銜接工作，更好地提升鐵路貨運(yùn)服務(wù)質(zhì)量[2]。

影響公轉(zhuǎn)鐵業(yè)務(wù)的因素有很多，本文以鐵路貨物運(yùn)輸量、鐵路貨物周轉(zhuǎn)量、公路貨物運(yùn)輸量、公路貨物周轉(zhuǎn)量為主要相關(guān)因素[3]。

1 BP 神經(jīng)網(wǎng)絡(luò)模型

BP 神經(jīng)網(wǎng)絡(luò)是由輸入層、隱含層以及輸出層構(gòu)成的，每一層有N個(gè)神經(jīng)元。每一層與層之間通過(guò)權(quán)值相互連接，同一層的神經(jīng)元相互無(wú)連接。使用一組初始樣本通過(guò)神經(jīng)網(wǎng)絡(luò)開(kāi)始學(xué)習(xí)，神經(jīng)元的激活值一層一層的進(jìn)行傳播，在輸出層獲得響應(yīng)，接著按照使實(shí)際輸出與目標(biāo)輸出的誤差達(dá)到最小的目標(biāo)進(jìn)行不斷的學(xué)習(xí)和訓(xùn)練，從輸出層反方向反饋到輸入層，逐層修正權(quán)值，從而實(shí)現(xiàn)預(yù)測(cè)的效果[4]。

本文初步建立的BP 神經(jīng)網(wǎng)絡(luò)，其輸入層是和公轉(zhuǎn)鐵業(yè)務(wù)輛數(shù)相關(guān)聯(lián)的數(shù)據(jù)，輸出層為公轉(zhuǎn)鐵業(yè)務(wù)解體輛數(shù)以及編組輛數(shù)的實(shí)際值，通過(guò)學(xué)習(xí)以及訓(xùn)練，使神經(jīng)網(wǎng)絡(luò)達(dá)到最優(yōu)的效果。當(dāng)訓(xùn)練好BP 神經(jīng)網(wǎng)絡(luò)后，再用灰色GM （1,1 ）模型對(duì)自變量的預(yù)測(cè)值作為模型的輸入值，通過(guò)模型輸出公轉(zhuǎn)鐵的預(yù)測(cè)量[5]。圖1 為具體步驟流程圖。

2 預(yù)測(cè)實(shí)例

大紅門(mén)火車(chē)站始建于1958 年，為一等站，是豐雙線(xiàn)中的一個(gè)重要樞紐，位于北京市豐臺(tái)區(qū)南苑鄉(xiāng)境內(nèi)，中心里程位于豐雙線(xiàn)12KM+619M 處，位于大李線(xiàn)0KM+000M 處，隸屬北京局集團(tuán)有限公司雙橋站管轄。大紅門(mén)站按技術(shù)性質(zhì)為中間站，按業(yè)務(wù)性質(zhì)為貨運(yùn)站，不辦理客運(yùn)業(yè)務(wù)，承擔(dān)著貨運(yùn)、軍運(yùn)、裝卸任務(wù)和列車(chē)到發(fā)會(huì)讓、摘掛列車(chē)的解體編組以及貨場(chǎng)、專(zhuān)用線(xiàn)的取送任務(wù)，主要辦理整列、整車(chē)、集裝箱、笨重貨物、超大型貨物到發(fā)工作，是京津冀區(qū)地區(qū)首個(gè)鐵路綠色物流配送基地。2019 年，為了響應(yīng)國(guó)家號(hào)召，大紅門(mén)站開(kāi)展了公轉(zhuǎn)鐵業(yè)務(wù)。

圖1 BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型結(jié)構(gòu)

本文選取2019 年8 月至2020 年2 月大紅門(mén)站的公轉(zhuǎn)鐵業(yè)務(wù)編組輛數(shù)以及解體輛數(shù)為原始數(shù)據(jù)來(lái)驗(yàn)證BP 神經(jīng)網(wǎng)絡(luò)模型對(duì)于公轉(zhuǎn)鐵業(yè)務(wù)預(yù)測(cè)的可行性。表1 為這7 個(gè)月大紅門(mén)站公轉(zhuǎn)鐵業(yè)務(wù)編組輛數(shù)以及解體輛數(shù)與相關(guān)因素。

表1 大紅門(mén)站公轉(zhuǎn)鐵輛數(shù)與相關(guān)因素

通過(guò)建立GM （1,1 ）模型[6]，基于表1 中的數(shù)據(jù)進(jìn)行運(yùn)算。

表2 GM （1,1 ）模型下大紅門(mén)站公轉(zhuǎn)鐵業(yè)務(wù)編組輛數(shù)預(yù)測(cè)值及誤差

表3 GM （1,1 ）模型下大紅門(mén)站公轉(zhuǎn)鐵業(yè)務(wù)解體輛數(shù)預(yù)測(cè)值及誤差

由表2、表3 來(lái)看，預(yù)測(cè)值有比較大的誤差。

現(xiàn)在使用灰色BP 神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)，訓(xùn)練參數(shù)為：迭代步數(shù)為1 000 次，誤差限為0.001，學(xué)習(xí)參數(shù)為0.5，訓(xùn)練樣本為2019 年8 月至2020 年2 月與大紅門(mén)站公轉(zhuǎn)鐵業(yè)務(wù)編組輛數(shù)以及解體輛數(shù)相關(guān)的因素。大紅門(mén)站公轉(zhuǎn)鐵業(yè)務(wù)編組輛數(shù)以及解體輛數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸出，采用Levenberg-Marquardt 為訓(xùn)練方法，對(duì)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練[7]。采用MATLAB 編程進(jìn)行BP 神經(jīng)網(wǎng)絡(luò)算法的學(xué)習(xí)訓(xùn)練，最終得到最優(yōu)化的BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。對(duì)2019 年8 月至2020 年2 月的大紅門(mén)站公轉(zhuǎn)鐵業(yè)務(wù)編組輛數(shù)以及解體輛數(shù)進(jìn)行模擬得到表4、表5。

表4 BP 神經(jīng)網(wǎng)絡(luò)模型下大紅門(mén)站公轉(zhuǎn)鐵業(yè)務(wù)編組輛數(shù)預(yù)測(cè)值及誤差

表5 BP 神經(jīng)網(wǎng)絡(luò)模型下大紅門(mén)站公轉(zhuǎn)鐵業(yè)務(wù)解體輛數(shù)預(yù)測(cè)值及誤差

從表4 和表5 可以看出，使用BP 神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度高于GM （1,1 ）模型?，F(xiàn)采用GM （1,1 ）模型對(duì)未來(lái)5 個(gè)月大紅門(mén)站的鐵路貨物運(yùn)輸量、鐵路貨物周轉(zhuǎn)量、公路貨物運(yùn)輸量、公路貨物周轉(zhuǎn)量進(jìn)行預(yù)測(cè)，以此作為BP 神經(jīng)網(wǎng)絡(luò)的輸入，從而對(duì)2020年3 月至7 月該站的公轉(zhuǎn)鐵業(yè)務(wù)編組及解體輛數(shù)進(jìn)行預(yù)測(cè)。

從數(shù)據(jù)來(lái)看，編組輛數(shù)和解體輛數(shù)與1 月2 月相比都有不同程度的提升，主要原因還是出了春節(jié)假期之后，無(wú)論是鐵路貨運(yùn)量還是公路貨運(yùn)量都恢復(fù)了正常的運(yùn)輸量，所以也使得公轉(zhuǎn)鐵的業(yè)務(wù)量恢復(fù)到了一個(gè)正常的數(shù)值，由此也可得知大紅門(mén)公轉(zhuǎn)鐵業(yè)務(wù)在未來(lái)幾個(gè)月會(huì)有所提升。

表6 BP 網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果

3 結(jié)束語(yǔ)

本文選取鐵路貨物運(yùn)輸量、鐵路貨物周轉(zhuǎn)量、公路貨物運(yùn)輸量、公路貨物周轉(zhuǎn)量作為BP 神經(jīng)網(wǎng)絡(luò)模型的輸入，構(gòu)建了最優(yōu)BP 神經(jīng)網(wǎng)絡(luò)模型，對(duì)未來(lái)5 個(gè)月大紅門(mén)站的公轉(zhuǎn)鐵業(yè)務(wù)編組輛數(shù)及解體輛數(shù)進(jìn)行預(yù)測(cè)，從精確度上來(lái)看具有可行性，能夠?qū)窈蟠蠹t門(mén)站公轉(zhuǎn)鐵業(yè)務(wù)的運(yùn)量安排、裝卸工作以及線(xiàn)路規(guī)劃產(chǎn)生一定指導(dǎo)意義，同時(shí)也可為相應(yīng)規(guī)模的其他車(chē)站開(kāi)展公轉(zhuǎn)鐵業(yè)務(wù)提供參考。但任何一種預(yù)測(cè)模型都不可能做到完全精確，影響預(yù)測(cè)的因素有很多，如社會(huì)、環(huán)境、自然等因素的變化都會(huì)對(duì)預(yù)測(cè)結(jié)果產(chǎn)生巨大影響。本文使用的影響因素對(duì)于大紅門(mén)站公轉(zhuǎn)鐵業(yè)務(wù)有著直接的影響，但還是有其相對(duì)狹隘性，一些不可控的因素對(duì)預(yù)測(cè)結(jié)果也會(huì)造成一定影響。公轉(zhuǎn)鐵作為大紅門(mén)站一項(xiàng)新的業(yè)務(wù)，歷史數(shù)據(jù)的缺乏也會(huì)給預(yù)測(cè)帶來(lái)很多困難，使得預(yù)測(cè)結(jié)果不盡如人意。對(duì)于公轉(zhuǎn)鐵編組解體量數(shù)的預(yù)測(cè)是一個(gè)較為復(fù)雜的過(guò)程，希望各位學(xué)者對(duì)這一領(lǐng)域進(jìn)行進(jìn)一步探索。