即墨鐵路物流中心運(yùn)量預(yù)測研究

何西健，屈拴科，趙春展

(中鐵二院工程集團(tuán)有限責(zé)任公司 北方公司，山東 濟(jì)南 250012)

即墨鐵路物流中心建成于2019年，是全路一級鐵路物流中心[1-3]，其建成后根據(jù)客戶運(yùn)輸距離及貨運(yùn)品類的不同，通過公路、鐵路不同運(yùn)輸方式運(yùn)輸，合理分工降低物流成本，逐步實(shí)現(xiàn)“公轉(zhuǎn)鐵”目標(biāo)。研究灰色關(guān)聯(lián)度多元回歸模型預(yù)測即墨鐵路物流中心運(yùn)量，合理確定物流中心功能區(qū)規(guī)模，為即墨鐵路物流中心的功能布局提供指導(dǎo)。

1 即墨鐵路物流中心現(xiàn)狀

1.1 區(qū)域概況

即墨鐵路物流中心位于山東半島東部的青島市即墨區(qū)，該區(qū)域近年來著力構(gòu)建現(xiàn)代產(chǎn)業(yè)體系，積極培育新能源等新興產(chǎn)業(yè)，加快造船、汽車等先進(jìn)制造業(yè)發(fā)展，提升傳統(tǒng)產(chǎn)業(yè)，聚集發(fā)展物流、商貿(mào)等現(xiàn)代服務(wù)業(yè)。產(chǎn)業(yè)發(fā)展所需原材料來源于全國各地，產(chǎn)成品銷往全國各地及海外市場，“兩頭在外”的特征十分顯著，區(qū)域內(nèi)蘊(yùn)含的物流運(yùn)輸需求巨大。

1.2 功能定位及運(yùn)輸現(xiàn)狀

根據(jù)地方規(guī)劃，即墨鐵路物流中心周邊分布有黃島、婁山、膠州、董家口4個(gè)鐵路物流中心。相鄰各物流中心功能定位如下：黃島鐵路物流中心是以小汽車、油品發(fā)送為主的專業(yè)物流中心，主要服務(wù)于黃島區(qū)；婁山鐵路物流中心是以澳柯瑪、海爾、海信等家電為服務(wù)對象的物流中心，主要服務(wù)于老城區(qū)；膠州鐵路物流中心依托青島集裝箱中心站，是以集裝箱運(yùn)輸、多式聯(lián)運(yùn)為主要業(yè)務(wù)的物流中心，主要服務(wù)于膠州市；董家口物流中心主要服務(wù)董家口臨港產(chǎn)業(yè)園區(qū)。從地理位置分析，即墨鐵路物流中心與其它4座物流中心的重點(diǎn)服務(wù)范圍劃分清晰，結(jié)合項(xiàng)目周邊產(chǎn)業(yè)布局情況和周邊鐵路物流中心的核心業(yè)務(wù)，即墨鐵路物流中心定位以城市配送、小汽車發(fā)送、汽車配件專業(yè)市場等為主要業(yè)務(wù)的綜合性物流中心，主要服務(wù)于城陽區(qū)、市北部，通過公路、鐵路輻射至煙臺、威海、濰坊、日照等區(qū)域，輻射濟(jì)南及以遠(yuǎn)的全國各地。

結(jié)合即墨鐵路物流中心定位和服務(wù)范圍，對周邊重點(diǎn)企業(yè)開展運(yùn)輸需求調(diào)查。從調(diào)查結(jié)果看，運(yùn)輸需求重點(diǎn)集中在商品小汽車、鋼鐵、建材、木材、機(jī)械等品類，重點(diǎn)服務(wù)企業(yè)2009—2020年運(yùn)量如表1所示。

表1 重點(diǎn)服務(wù)企業(yè)2009—2020年運(yùn)量表 萬tTab.1 Current traffic volume of key service enterprises from 2009 to 2020

2 運(yùn)量預(yù)測模型構(gòu)建

傳統(tǒng)的鐵路貨場運(yùn)量預(yù)測多采用增長率法、彈性系數(shù)法進(jìn)行分析，預(yù)測模型采用單一影響因子分析，預(yù)測精度受單一影響因子數(shù)據(jù)波動(dòng)影響較大。灰色關(guān)聯(lián)度多元回歸模型根據(jù)灰色關(guān)聯(lián)分析理論[4]選取多個(gè)關(guān)鍵影響因子，進(jìn)而建立多元回歸模型，減少單一影響因子數(shù)據(jù)波動(dòng)對預(yù)測數(shù)據(jù)的影響；選定的影響因子采用Gomperz成長曲線模型進(jìn)行延伸性預(yù)測，預(yù)測值代入建立的灰色關(guān)聯(lián)度多元回歸模型預(yù)測即墨鐵路物流中心運(yùn)量。

2.1 灰色關(guān)聯(lián)度影響因子

鐵路物流中心通過發(fā)揮物流功能的主導(dǎo)作用，可以產(chǎn)生較強(qiáng)的帶動(dòng)效應(yīng)。在帶動(dòng)和促進(jìn)本地區(qū)產(chǎn)業(yè)集聚和發(fā)展的同時(shí)，有效地延長產(chǎn)業(yè)鏈，對周邊腹地經(jīng)濟(jì)產(chǎn)生明顯的輻射功能。鐵路物流中心的服務(wù)范圍將周邊30 ~ 50 km核心圈層范圍內(nèi)的重點(diǎn)企業(yè)定位為核心服務(wù)對象，通過省內(nèi)公路、鐵路輻射省域的中圈層，依托既有鐵路路網(wǎng)及高速公路網(wǎng)絡(luò)，輻射全國的外圈層。鐵路物流中心運(yùn)量影響因子分別選取3個(gè)圈層的全社會(huì)物流量、國內(nèi)生產(chǎn)總值、第二產(chǎn)業(yè)增加值、第三產(chǎn)業(yè)增加值共12個(gè)影響因子作為分析對象，分析與物流中心運(yùn)量的關(guān)聯(lián)度。

2.2 灰色關(guān)聯(lián)度

灰色關(guān)聯(lián)度分析是根據(jù)各因素變化曲線幾何形狀的相似程度，來判斷因素之間關(guān)聯(lián)程度的方法；此方法通過對動(dòng)態(tài)過程發(fā)展態(tài)勢的量化分析，完成對系統(tǒng)內(nèi)時(shí)間序列有關(guān)統(tǒng)計(jì)數(shù)據(jù)幾何關(guān)系的比較，求出參考數(shù)列與各比較數(shù)列之間的灰色關(guān)聯(lián)度[6]?；疑P(guān)聯(lián)度計(jì)算分析步驟如下。

（1）為消除影響因子不同量綱的影響，首先對數(shù)據(jù)進(jìn)行無量綱化處理，得出序列值。

式中：Xkt’為第k項(xiàng)影響因子第t年序列值，k為影響因子變量，初始值取0，k= 0，1，2，…，12；k取0時(shí)，X0t為物流中心第t年運(yùn)量，t為時(shí)間變量，初始年t取0，t= 0，1，2，…，9；Xkt為第k項(xiàng)影響因子第t年原始數(shù)據(jù)，k= 0，1，2，…，12，t= 0，1，2，…，9；Xk0為第k項(xiàng)影響因子第0年原始數(shù)據(jù)。

（2）將得出的序列值進(jìn)行求差處理，求差公式為

式中：Δkt為第k項(xiàng)影響因子第t年的序列值與物流中心運(yùn)量第t年的序列值差的絕對值；X0t’為物流中心運(yùn)量第t年的序列值。

（3）求關(guān)聯(lián)因子最大差maxΔkt與最小差minΔkt。

（4）計(jì)算灰色關(guān)聯(lián)度。

式中：δ(0，k)為第k項(xiàng)影響因子序列值與物流中心運(yùn)量序列值的關(guān)聯(lián)度。

2.3 基于灰色關(guān)聯(lián)度多元回歸模型構(gòu)建

基于灰色關(guān)聯(lián)度多元回歸模型是一元線性回歸模型的擴(kuò)展，能夠有效消除一元線性回歸模型中單一自變量對因變量的影響程度。根據(jù)灰色關(guān)聯(lián)度分析結(jié)果，選取關(guān)聯(lián)度高的3個(gè)因素為灰色關(guān)聯(lián)關(guān)鍵因子，建立基于灰色關(guān)聯(lián)度多元回歸模型如下。

式中：Xk1t’ 為k個(gè)影響因子中選定的第1個(gè)關(guān)鍵因子序列值；Xk2t’ 為k個(gè)影響因子中選定的第2個(gè)關(guān)鍵因子序列值；Xknt’ 為k個(gè)影響因子中選定的第n個(gè)關(guān)鍵因子序列值，其中n= 3，4，…，12；X00為初始年物流中心運(yùn)量；a，b，c，…，x為統(tǒng)計(jì)分析結(jié)果參數(shù)值。

2.4 建立運(yùn)量預(yù)測模型

通過擬合歷史統(tǒng)計(jì)數(shù)據(jù)，建立能描述其發(fā)展過程的Gomperz成長曲線[8]，以模型外推對關(guān)鍵因子2030年增長率進(jìn)行預(yù)測。預(yù)測基本模型為

式中：αt為時(shí)間t的單關(guān)鍵因子預(yù)測值；ρ，f，g為參數(shù)。

3 即墨鐵路物流中心運(yùn)量預(yù)測實(shí)證分析

3.1 灰色關(guān)聯(lián)度影響因子

以即墨鐵路物流中心輻射范圍內(nèi)簽訂框架協(xié)議的重點(diǎn)企業(yè)2009—2020年統(tǒng)計(jì)數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)，運(yùn)量影響因子選取3個(gè)圈層的12個(gè)影響因子作為分析對象，指標(biāo)如下。X1t為第t年青島市全社會(huì)物流量，萬t；X2t為第t年青島市GDP，億元；X3t為第t年青島市第二產(chǎn)業(yè)增加值，億元；X4t為第t年青島市第三產(chǎn)業(yè)增加值，億元；X5t為第t年山東省GDP，億元；X6t為第t年山東省全社會(huì)物流量，萬t；X7t為第t年山東省第二產(chǎn)業(yè)增加值，億元；X8t為第t年山東省第三產(chǎn)業(yè)增加值，億元；X9t為第t年全國GDP，億元；X10t為第t年全國全社會(huì)物流量，萬t；X11t為第t年全國第二產(chǎn)業(yè)增加值，億元；X12t為第t年全國第三產(chǎn)業(yè)增加值，億元。影響因子選取2009—2020年國家及地方統(tǒng)計(jì)數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)進(jìn)行分析。

3.2 灰色關(guān)聯(lián)度計(jì)算

對即墨鐵路物流中心選定的12個(gè)影響因子2009—2020年原始數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，為數(shù)據(jù)無量綱化處理提供基礎(chǔ)數(shù)據(jù)。根據(jù)公式(1)，對數(shù)據(jù)進(jìn)行無量綱化處理。數(shù)據(jù)無量綱化序列值如表2所示。

表2通過對各影響因子數(shù)據(jù)無量綱化處理，消除影響因子不同量綱的影響。根據(jù)公式(2)，對無量綱化序列值進(jìn)行求差處理。無量綱化序列差如表3 所示。

表2 數(shù)據(jù)無量綱化序列值Tab.2 Dimensionless sequence value of data

表3通過第k項(xiàng)影響因子第t年的序列值與物流中心運(yùn)量第t年的序列值差的絕對值，得出關(guān)聯(lián)因子最大差與最小差，為根據(jù)公式(3)計(jì)算灰色關(guān)聯(lián)度提供數(shù)據(jù)支撐。根據(jù)公式(4)，計(jì)算各影響因子序列值與物流中心運(yùn)量序列值的關(guān)聯(lián)度?；疑P(guān)聯(lián)度如表4所示。

表3 無量綱化序列差Tab.3 Dimensionless sequence difference

表4 灰色關(guān)聯(lián)度Tab.4 Grey correlation degree

根據(jù)灰色關(guān)聯(lián)度分析結(jié)果可以看出，青島市全社會(huì)物流量X1t、山東省全社會(huì)物流量X6t、全國國民生產(chǎn)總值X9t3個(gè)因素對即墨物流中心物流量的影響程度高于其他因素，因此選定該3項(xiàng)影響因子為關(guān)鍵因子。

3.3 基于灰色關(guān)聯(lián)度多元回歸模型建立

根據(jù)灰色關(guān)聯(lián)度分析結(jié)果，選取關(guān)聯(lián)度高的3個(gè)因素為灰色關(guān)聯(lián)關(guān)鍵因子。結(jié)合表3中該3項(xiàng)關(guān)鍵因子數(shù)據(jù)無量綱化序列值，建立基于灰色關(guān)聯(lián)度多元回歸模型如下。

通過回歸模型分析復(fù)測定系數(shù)R2是否接近1，F(xiàn)顯著性統(tǒng)計(jì)量(Significance F)是否小于0.05，判定回歸效果是否顯著；建立的即墨鐵路物流中心灰色關(guān)聯(lián)多元回歸模型中，復(fù)測定系數(shù)R2= 0.992 8，接近1，模型的擬合優(yōu)度高；F顯著性統(tǒng)計(jì)量= 8.87×10-6< 0.05，回歸方程顯著有效。

3.4 基于灰色關(guān)聯(lián)度多元回歸模型精度檢驗(yàn)

利用建立的基于灰色關(guān)聯(lián)度多元回歸模型和傳統(tǒng)彈性系數(shù)法[8]分別對即墨鐵路物流中心物流量進(jìn)行預(yù)測，并與實(shí)際值進(jìn)行相對誤差分析?；诨疑P(guān)聯(lián)度多元回歸模型預(yù)測值與彈性系數(shù)法預(yù)測值誤差分析如表5所示。

根據(jù)表5分析結(jié)果可知，基于灰色關(guān)聯(lián)度多元回歸模型能夠有效降低單一因素影響程度；從相對誤差分析來看，基于灰色關(guān)聯(lián)度多元回歸模型較傳統(tǒng)的彈性系數(shù)法預(yù)測相對誤差更小，且相對誤差基本呈正態(tài)分布，可信度明顯提高。

表5 基于灰色關(guān)聯(lián)度多元回歸模型預(yù)測值與彈性系數(shù)法 預(yù)測值誤差分析Tab.5 Error analysis between the predicted value of multiple regression model based on grey correlation degree and that of elastic coefficient method

3.5 預(yù)測結(jié)果

（1）影響因子延伸性預(yù)測。以2009—2020年全國GDP為基礎(chǔ)數(shù)據(jù)，建立全國GDP增長率的Gomperz成長曲線模型，預(yù)測2021—2030年的增長率，進(jìn)而預(yù)測2030年全國GDP。2009—2020年全國GDP增長率預(yù)測模型計(jì)算如表6所示。

表6 2009—2020年全國GDP增長率預(yù)測模型計(jì)算表Tab.6 Calculation table of prediction model of national GDP growth rate from 2009 to 2020

利用公式(6)—(8)計(jì)算得出全國GDP增長率Gomperz成長曲線模型參數(shù)分別為f= 1.043，g= 0.744 0，ρ= 1.061 2。代入公式(5)全國GDP增長率Gomperz成長曲線模型如下。

根據(jù)公式(10)求得2021—2030年GDP增長率，進(jìn)而分別計(jì)算2021—2030年全國GDP。同理可計(jì)算得出2021—2030年青島市全社會(huì)物流量、山東省全社會(huì)物流量。關(guān)鍵影響因子2030年預(yù)測量如表7所示。

表7 關(guān)鍵影響因子2030年預(yù)測量 Tab.7 Prediction of key influence factors in 2030

（2）即墨鐵路物流中心2030年運(yùn)量。利用Gomperz成長曲線模型預(yù)測得出2021—2030年關(guān)鍵因子預(yù)測值，求得無量綱化序列值；進(jìn)而帶入基于灰色關(guān)聯(lián)度多元回歸模型公式 ⑼，可預(yù)測得出即墨鐵路物流中心2030年預(yù)測運(yùn)量。即墨鐵路物流中心2030年運(yùn)量預(yù)測如表8所示。

表8 即墨鐵路物流中心2030年運(yùn)量預(yù)測 萬tTab.8 Traffic volume prediction of Jimo railway logistics center in 2030

即墨鐵路物流中心運(yùn)輸需求重點(diǎn)集中在商品小汽車、鋼鐵、建材、木材、機(jī)械等品類。2020年分品類既有運(yùn)量如表9所示。

表9 2020年分品類既有運(yùn)量表 萬tTab.9 Existing traffic volume by category in 2020

根據(jù)2030年運(yùn)量預(yù)測值，結(jié)合既有分品類運(yùn)量表，分析2030年即墨鐵路物流中心分品類運(yùn)量。分品類預(yù)測運(yùn)量如表10所示。

表10 分品類預(yù)測運(yùn)量表 萬tTab.10 Traffic volume prediction by category

3.6 即墨鐵路物流中心總平面規(guī)劃

根據(jù)服務(wù)品類分析，物流中心以笨大貨物作業(yè)用地、包件貨物作業(yè)用地、集裝箱貨物作業(yè)用地、公路集散用地、綜合倉儲(chǔ)用地等用地為主，配套建設(shè)綜合服務(wù)區(qū)。物流中心功能大區(qū)可劃分為綜合服務(wù)、公鐵聯(lián)運(yùn)、公路集散、冷鏈物流、城市配送、綜合倉儲(chǔ)等功能區(qū)。結(jié)合文獻(xiàn)分析[9]，根據(jù)不同貨物的單位面積堆存量、存儲(chǔ)周期、有效倉儲(chǔ)面積等指標(biāo)，結(jié)合預(yù)測運(yùn)量計(jì)算各類用地及輔助設(shè)施用地面積。

（1）綜合倉儲(chǔ)用地。綜合倉儲(chǔ)用地= (入庫貨物年運(yùn)量/年周轉(zhuǎn)次數(shù))×總?cè)霂煜禂?shù)/ (倉庫內(nèi)有效堆存面積×單位面積堆存量×建筑密度)。

（2）公路集散區(qū)用地。公路集散區(qū)用地包括停車用地、車間距和車輛通道等用地之和。計(jì)算公式為

式中：A車為停車場用地，m2；N到或發(fā)為每天到達(dá)或發(fā)送的車數(shù)，輛；k車為不平衡系數(shù)，可采用1.5 ~ 3.0；t門為每天門區(qū)作業(yè)時(shí)間，h；t待為車輛在物流中心平均等待的時(shí)間，h；F為每輛車投影面積，m2。

（3）堆場用地。堆場用地包括裝卸作業(yè)所需通道、有效堆存貨物用地、貨物間距等用地之和，計(jì)算公式為

式中：A堆為堆場用地，m2；a為波動(dòng)系數(shù)；Q為存放貨物數(shù)量，t；t保管為保管期，d；P為單位面積堆存量，t/m2。

根據(jù)運(yùn)量預(yù)測結(jié)果及相關(guān)標(biāo)準(zhǔn)計(jì)算功能區(qū)用地規(guī)模。即墨鐵路物流中心各功能區(qū)用地規(guī)模估算值如表11所示。

根據(jù)貨物進(jìn)入園區(qū)、不同功能區(qū)間流轉(zhuǎn)、運(yùn)出物流中心的作業(yè)流程，引入動(dòng)線分析的方法[9]，對各功能區(qū)間流轉(zhuǎn)的貨物量進(jìn)行分析，根據(jù)各功能區(qū)間流轉(zhuǎn)貨物量的多少來衡量之間的關(guān)聯(lián)關(guān)系；從組織管理、環(huán)境影響等方面來衡量各功能區(qū)之間的非物流關(guān)系；綜合關(guān)聯(lián)關(guān)系和非物流關(guān)系的分析統(tǒng)計(jì)，根據(jù)各功能區(qū)大小、各功能區(qū)關(guān)系緊密程度，結(jié)合可利用地的范圍、用地性質(zhì)、容積率等因素要求，對總平面進(jìn)行布置。即墨物流中心功能區(qū)布置圖如圖1所示。

圖1 即墨物流中心功能區(qū)布置圖Fig.1 Layout of functional area of Jimo logistics center

4 結(jié)束語

隨著國家交通運(yùn)輸結(jié)構(gòu)調(diào)整，科學(xué)合理地規(guī)劃鐵路物流中心布局，打造現(xiàn)代化鐵路物流基礎(chǔ)設(shè)施對促進(jìn)“公轉(zhuǎn)鐵”政策實(shí)施有積極意義。通過灰色關(guān)聯(lián)度多元回歸模型預(yù)測物流中心的運(yùn)量，為物流中心的規(guī)劃建設(shè)提供數(shù)據(jù)支撐，有利于合理確定物流中心的總體規(guī)模，優(yōu)化物流中心功能布局，進(jìn)而降低鐵路物流中心建設(shè)成本；同時(shí)鐵路物流中心的建設(shè)能夠提高鐵路貨運(yùn)產(chǎn)品的服務(wù)質(zhì)量，提高市場競爭力，吸引更多的公路物流需求轉(zhuǎn)向鐵路，優(yōu)化各種運(yùn)輸方式合理分工，降低企業(yè)的綜合運(yùn)輸成本，進(jìn)而促進(jìn)區(qū)域各種運(yùn)輸方式的融合發(fā)展。