金華市鐵路物流需求吸引區(qū)劃分預測方法*

宮薇薇 ，任永強 ，陳 誠，丁小東 ，王丹竹

（1 中國鐵道科學研究院集團有限公司運輸及經(jīng)濟研究所 副研究員、管理學博士，北京 100081；2 華北理工大學礦業(yè)工程學院講師，河北 唐山，063210；3、4、5 中國鐵道科學研究院集團有限公司運輸及經(jīng)濟研究所 副研究員，北京 100081）

0 引言

近年來， 隨著電子商務對消費模式的改變，物流快遞行業(yè)快速發(fā)展。 鐵路物流中心以及高鐵快遞業(yè)務的開展，對經(jīng)濟的帶動作用日益凸顯，逐漸成為拉動區(qū)域經(jīng)濟發(fā)展的重要引擎。 鐵路物流中心及快運物流基地網(wǎng)絡布局建設，能夠挖掘鐵路網(wǎng)的運能，充分發(fā)揮運輸能力，推動高鐵物流向規(guī)?；?、專業(yè)化、集約化發(fā)展。 運輸量即業(yè)務量的預測是物流中心建設規(guī)劃的前提， 是調整鐵路物流基地布局，優(yōu)化鐵路物流基地功能、設施、設備配置的重要依據(jù)。 物流功能需求分析是鐵路物流中心設計工作中的重點和難點[1]。 物流需求預測是鐵路現(xiàn)代物流網(wǎng)絡布局規(guī)劃面臨的首要問題。

貨運活動對支撐經(jīng)濟的運行， 鐵路貨運量的份額對社會環(huán)境的影響起到重要的作用[2]。預測方法多種多樣， 不同學者使用差異化的方法對各種運輸方式的運量及周轉量進行了研究。包括灰色Markov 預測水運運量[3]、Holt 指數(shù)平滑和灰色指數(shù)平滑周轉量預測[4]、模糊方法鐵路 運量[5]、系 統(tǒng)動力 學[6]、PSOSVR[7]，灰色預測物流需求[8]、貨物運輸方式選擇[9]、鐵路集裝箱短期運量預測方法分析[10]。 采用模糊控制算法預測短時交通流[11]、ARIMA 模型與Kalman 濾波預測模型高速路交通流短時預測方法[12]、短時交通流預測的改進K 近鄰算法[13]、指數(shù)平滑法和馬爾科夫模型[14]、“三階段法”[15]、 支持向量機[16]、 最大Lyapunov 指數(shù)[17]、離散選擇模型[18]。

任何算法的應用首先需要基礎數(shù)據(jù)的支撐，貨運品類繁多，國內(nèi)統(tǒng)計的口徑不一，分別品類月度貨運量很難統(tǒng)計，無法獲得。 因此，本文提出使用吸引區(qū)的方法，進行有效數(shù)據(jù)的支撐。 諸多學者對吸引區(qū)劃分進行了研究， 尹虹潘應用經(jīng)濟地理模型對城市吸引區(qū)范圍進行界定[19-20]，項成民等[21]、燕鵬飛[22]對鐵路集裝箱中心站吸引區(qū)集裝箱運輸和運營模式進行分析，劉振杰[23]采用SWOT 方法對衡水吸引區(qū)鐵路貨運分析。

鑒于數(shù)據(jù)的可得性，選擇使用吸引區(qū)進行基礎數(shù)據(jù)的搜集，建立預測算法框架。Holt-Winters 模型相比其他模型具有更好的季節(jié)性和準確性[24-27]，使用季節(jié)Holt-Winters 進行快遞業(yè)務量的預測。

1 區(qū)域鐵路物流需求預測框架

物流需求是一種伴隨著工業(yè)生產(chǎn)和人們生活而產(chǎn)生的引致需求，由于需求和供給的地理位置的差別和數(shù)量節(jié)奏的差異產(chǎn)生的商品運輸、運輸以及相關加工處理等業(yè)務的需要。 隨著各個地區(qū)物流中心的建立和發(fā)展，逐漸形成了以其為核心的貨物流動區(qū)域。 不受行政區(qū)域的限制，以物流中心為核心，擴散出一定的區(qū)域范圍，形成一定的輻射圈。 對于輻射范圍以及吸引區(qū)內(nèi)物流需求的預測，為鐵路物流中心建設初期的可行性研究以及運營過程中規(guī)模的擴大、縮減以及功能區(qū)的調整提供重要的決策依據(jù)。 區(qū)域鐵路物流需求預測框架如圖1 所示。

圖1 區(qū)域鐵路物流需求預測框架

行業(yè)的發(fā)展和蓬勃程度決定了物流需求的大小，因此第一步進行周邊地區(qū)的產(chǎn)業(yè)分析，包括搜集經(jīng)濟指標、主導產(chǎn)業(yè)、電商發(fā)展和物流環(huán)境四個方面。 例如各個產(chǎn)業(yè)的GDP、工業(yè)用電量等等定量指標的時間序列發(fā)展方向，觀測其未來的總體發(fā)展趨勢。 主導產(chǎn)業(yè)的生產(chǎn)、銷售、庫存、價格等指標以及未來當?shù)卣男袠I(yè)政策及扶持力度。 電商發(fā)展的繁榮程度決定了鐵路快遞運輸?shù)囊?guī)模，物流建設的規(guī)模和整體環(huán)境決定了供給水平的高低。 通過產(chǎn)業(yè)分析能夠總體判斷和把握區(qū)域物流的需求增長方向及大致程度。

其次，從物流中心所在的地理位置分析其交通的便利性、是否為樞紐點。 從地理角度進行吸引區(qū)的劃分，通過幾何作圖的方法確定地理吸引區(qū)的輻射范圍，確定吸引區(qū)，確定吸引區(qū)系數(shù)。 最后搜集輻射范圍內(nèi)的貨運量進行總體規(guī)模的預測，然后根據(jù)歷史鐵路的市場份額、公轉鐵等扶持政策的力度及當?shù)厮{天保衛(wèi)戰(zhàn)的戰(zhàn)略目標估算市場份額，從而預測普速物流需求。 通過搜集吸引區(qū)內(nèi)快遞的業(yè)務量， 通過Holt-Winters 季節(jié)乘法模型進行時間序列預測，得到高鐵快運需求。 最后，測算得到區(qū)域鐵路物流需求的總量。

2 產(chǎn)業(yè)分析

金華市位于浙江省，東西跨度151 km，南北跨度129 km。 2018 年被評為大陸最佳地級城市30強。 義烏小商品產(chǎn)業(yè)與電商結合，擁有全國最大規(guī)模的淘寶網(wǎng)交易量。 金華—義烏都市區(qū)被確定為浙江省第四大都市區(qū)， 位于2012 年福布斯中國最佳商業(yè)城市第 33 位。 2018 年常住人口 556 萬人，GDP 4 100.23 億元，人均 7.37 萬元。 其中義烏市居于全國縣級市經(jīng)濟排名第一，在2018 年GDP 達到1 248.11 億元，占金華市GDP 的30.44%。

金華市主導產(chǎn)業(yè)為鋼鐵，紗、布匹、服裝和塑料加工。 根據(jù)金華市統(tǒng)計公報， 主要產(chǎn)品產(chǎn)量如表1所示。

表1 金華市主要產(chǎn)品產(chǎn)量

貿(mào)易服務區(qū)，規(guī)劃建設義東北物流園、紅獅物流園、國內(nèi)公路港物流中心等，通過物流園區(qū)建設，規(guī)范目前物流服務規(guī)模小、秩序散亂的狀況，進一步推動電商的發(fā)展，配合高額度貿(mào)易的交易。

3 吸引區(qū)輻射范圍

從地理位置來看， 金華位于金衢盆地東部，東臨臺州，南接麗水，西部為衢州，北部為紹興和杭州，位于浙江省的中部，是長江三角洲經(jīng)濟圈的主要成員，浙中發(fā)展的優(yōu)勢城市。 金華是華東地區(qū)的主要鐵路樞紐，水運發(fā)達，義烏機場位于城區(qū)西北方向，距市中心僅5.5 km。 從經(jīng)濟地理區(qū)位角度講，金華生產(chǎn)位勢高，交通運輸方便，屬于產(chǎn)品大量流出型城市， 即具有支撐物流中心需求的優(yōu)勢地區(qū)。鐵路物流中心的貨流吸引區(qū)是中心投入運營后吸引貨流所在的區(qū)域，也就是貨流產(chǎn)生的區(qū)域。 其中，核心吸引區(qū)即直接吸引區(qū)，指物流中心吸引的直接貨流區(qū)域范圍。

以公路卡車行駛速度60 km/h 為標準， 吸引區(qū)界定為公路集運1 h 圈。在核心吸引區(qū)范圍內(nèi)，由于集貨時間的優(yōu)勢， 對貨流具有較強的吸引效力，基本上為金華市。 考慮包括專列開行及價格折扣等差異化貨運產(chǎn)品的制定，帶來供給側優(yōu)化。 因此，優(yōu)勢物流服務的優(yōu)質性，將擴大貨物的吸引范圍，即間接吸引范圍。 將普鐵的間接吸引區(qū)擴大到公路集貨時間的3 h 范圍內(nèi)。 高鐵快運當日達吸引范圍為以金華為中心的公路集貨1 h 圈， 即半徑 60 km 范圍。 高鐵快運次晨達吸引范圍為以金華為中心的公路集貨2 h 圈，即半徑120 km 范圍。 高鐵快運次日達吸引范圍為以金華為中心的公路集貨3 h 圈，即半徑180 km 范圍，如圖2 所示。

圖2 既有及規(guī)劃高速鐵路快運吸引區(qū)

因此直接吸引區(qū)按照1 h 圈主要是金華市，間接吸引區(qū)覆蓋了浙江省杭州市、湖州市、紹興市、臺州市、麗水市、溫州市、衢州市、金華市、嘉興市和寧波市， 還包括了安徽省的黃山市和宣城市。 如圖3所示。

圖3 間接吸引區(qū)覆蓋范圍

根據(jù)覆蓋面積及距離遠近兩個原則制定吸引區(qū)系數(shù)，運量折算系數(shù)使用面積比例乘以距離折算系數(shù)得到。 如表2 所示。

表2 吸引區(qū)系數(shù)

4 普速鐵路運量預測

通過各個地級市的年度國民經(jīng)濟和社會發(fā)展公報進行區(qū)域貨運量查找。 由于覆蓋區(qū)域內(nèi)市政府發(fā)布的國民經(jīng)濟和社會發(fā)展公報統(tǒng)計指標不同， 金華市、臺州市、溫州市、嘉興市以及宣城市未對全社會貨運量數(shù)據(jù)進行統(tǒng)計，僅進行貨運周轉量的統(tǒng)計，因此通過對吸引區(qū)內(nèi)同時統(tǒng)計貨運量和貨運周轉量的湖州市、紹興市、麗水市、寧波市進行平均運距的測算，吸引區(qū)內(nèi)貨物運輸?shù)钠骄\距為261.29 km。 應用此平均運距， 對僅有周轉量的城市數(shù)據(jù)進行貨運量的折算，統(tǒng)一數(shù)據(jù)的運輸口徑。 得到2014—2018年吸引區(qū)內(nèi)城市貨運量如表3 所示。

表3 金華市吸引區(qū)全社會貨運發(fā)送量 億t

按照吸引區(qū)合計運量2014—2018 年平均貨運增速4.33%的比例增長，據(jù)此將2018—2020 年同比增長率設置為4.33%，2021—2030 年同比增長率設置為 2.83%，2031—2040 年同比增長率設置為4.33%，得到金華貨運量預測結果如圖4 所示。

圖4 金華市貨運量預測結果

考慮未來鐵水聯(lián)運以及公轉鐵的政策導向，預計鐵路貨運量2020 年將由現(xiàn)有的2.25%提高到2.8%，到 2030 年達到 2.9%，到 2040 年達到 3%。 水路貨運量2020 年將由現(xiàn)有的0.03%提高到0.05%，到2030 年達到0.06%，到2040 年達到0.07%。規(guī)劃年度各運輸方式貨運量份額如表4。

表4 金華市貨運方式劃分預測表

根據(jù)金華市貨運總量預測值及貨運方式劃分預測表，得出未來鐵路貨運量如表5。 預計2025 年鐵路貨運量將達到 1.84 億 t，2040 年達到 3.2 億 t。

表5 2020—2040 年預測鐵路貨運量 億t

5 快遞業(yè)務量預測

考慮到我國快遞物流市場需求具有較強周期性， 搜集 2015 年 1 月—2019 年 9 月吸引區(qū)范圍內(nèi)的快遞業(yè)務量，如表6 所示。

表6 吸引區(qū)年度歷史快遞量 萬件

2015 年 1 月至 2019 年 9 月的總快遞量， 乘以運量折算系數(shù)， 得到吸引區(qū)月度基準快遞運量，如圖5 所示。

圖5 吸引區(qū)月度基準快遞量線圖

Holt-Winters 季節(jié)指數(shù)平滑模型分為乘法模型、加法模型和無季節(jié)模型，其原理簡述如下。

乘法季節(jié)模型適用于具有線性趨勢和乘法季節(jié)變化的序列。 yt的平滑序列為：

式中：at為截距，表示穩(wěn)定成分；bt為斜率，表示線性成分；k 為周期數(shù)目，at+bt表示趨勢，St為乘法模型中的季節(jié)因子或稱季節(jié)指數(shù)，S 為季節(jié)周期長度，月度數(shù)據(jù)S=12；T 為時間序列的終點。3 個系數(shù)分別通過平滑定義為：

式中：k＞0，α、β、γ 在 0～1 之間， 為阻尼因子或稱平滑系數(shù)。

從R 語言網(wǎng)站下載版本R3.5.3，安裝forecast 及其依賴的函數(shù)包，對運量數(shù)據(jù)進行預測。將預測數(shù)據(jù)存放至txt 中，通過scan 函數(shù)進行讀入。 HoltWinters函數(shù)進行Holt-Winters 季節(jié)乘法模型，最后應用$符輸出參數(shù)。 R 語言運行界面如圖6 所示。

圖6 R 語言運行結果

快遞業(yè)務量存在一定的季節(jié)變化，因此采用三次指數(shù)平滑Holt-Winters 進行預測。 比一次或者二次平滑指數(shù)模型多考慮季節(jié)性的因素，適用于季節(jié)變化的時間序列。 由預測可知，未來年度的月度運量預測結果如圖7 所示。

圖7 Holt-winters 預測結果

快遞市場包括當日達、次晨達、次日達、隔日達和經(jīng)濟快件。 目前，高鐵快運業(yè)務的目標市場為次晨達和次日達，以服務電商快遞物流為主，順豐速運、中國郵政（含EMS）、京東物流等快遞企業(yè)是高鐵快運業(yè)務的重要客戶。 當前高鐵快運業(yè)務次晨達產(chǎn)品約占9.1%，次日達產(chǎn)品約占19%，即高鐵快運可承攬國內(nèi)快遞市場異地件中約28.1%的貨源市場。 根據(jù)金華市及周邊城市異地快遞總量預測值得出高鐵快運可承攬的異地件總量，見表7。 2025 年與2040 年金華地區(qū)快遞業(yè)務量將分別達到518.86億件、971.74 億件， 鐵路快遞業(yè)務量分別達到145.80 億件和 273.06 億件。

表7 金華未來年度快遞業(yè)務量 億件

6 結束語

本文所提出基于吸引區(qū)劃分的金華鐵路現(xiàn)代物流市場需求預測方法， 是一種基于數(shù)據(jù)可得的，定性評估和定量測算相結合的方法。 不同地級市的年度運量統(tǒng)計指標以及快遞業(yè)務量的統(tǒng)計口徑和統(tǒng)計年份存在一定的差異，需要研究人員根據(jù)實際情況，進行數(shù)據(jù)的折算和補齊。 吸引區(qū)系數(shù)評估的方法過于主觀， 需進一步使用吸引力模型進行測算。 算法的校驗也是下一步需要重點研究的內(nèi)容，如何根據(jù)服務設施的實際業(yè)務量進行預測值的校驗，以及算法的進一步改進是更好應用于鐵路物流中心建設前評估的重要問題。 區(qū)域運輸需求的評估是物流中心進行規(guī)劃及建設的重要依據(jù)，該方法能夠根據(jù)可獲取數(shù)據(jù)進行結果的評估，但還存在著一定的缺陷，在下一步研究中進行逐步完善。