武廣高速鐵路對客運通道綜合交通結構影響研究

龐金燕，尹相勇，宋以華

（北京交通大學 交通運輸學院，北京 100044）

0 引言

高速鐵路的發展對客運通道綜合交通結構會產生較大的影響。何宇強、毛保華等人基于廣義費用函數，應用 Logit 模型，以北京—太原的客運專線為研究對象，分析了不同交通方式客運分擔率的變化，得出客運專線將吸引大量客流的結論[1]。李建斌通過對武廣高速鐵路沿線車站旅客的抽樣調查，歸納和分析了旅客的出行特征和集散特性[2]。毛偉等人運用 TransCAD 軟件，基于旅客出行效用函數模型，研究旅客出行行為對客運通道分擔率的影響[3]。郭春江運用層次分析法對旅客出行選擇的影響因素進行權重分析，并運用管理博弈理論，構建了交通方式運量分擔博弈模型，對武廣高速鐵路的運營提出了建議[4]。Dai Nakagawa、Masatoshi Hatoko基于成本效益分析，得出提高部分新干線列車運行速度會對日本核心區域產生很大影響的結論[5]。Iljoon Chang、Gang-len Chang 建立了以時間價值為主要變量的綜合交通運輸通道客運分擔率模型，通過成本最小化和效益最大化，分析通道內高速鐵路、航空等的競爭關系，以韓國東北和西南運輸通道為案例，預測通道內不同交通方式的客運分擔率[6]。

借鑒有關研究成果，通過建立系統動力學模型，結合 Logit 分擔率模型，從收入層次、出行目的兩個角度對旅客不同層次的客運需求進行細化分析，對社會經濟因素和個人出行選擇影響因素，進行了因果關系反饋分析?；谙嚓P調研數據，仿真分析武廣高速鐵路對客運通道綜合交通結構變化趨勢的影響，為分析武廣客運通道綜合交通結構的變化趨勢提供參考依據。

1 武廣高速鐵路概述

1.1 ??沿線人口、經濟狀況

武廣高速鐵路于 2009 年 12 月 26 日正式運營，全長 1 068 km，跨湖北、湖南、廣東 3 省，途經15 個車站，設計時速 350 km，全程運行時間約 4 h。武廣客運通道沿線城市常住人口多，人口密度大。沿線省會城市的人口密度較沿線其他城市更加稠密，其中廣州為 1 653人 / km2，武漢為 1 086 人 / km2，長沙為 548 人 / km2，人口密度均超過 143.8 人 / km2的全國平均水平。沿線地區省會城市經濟發展迅速，人均 GDP 均高于全國平均水平，屬于經濟較發達地區。2010 年，廣州人均 GDP 達 8.7 萬元，高出全國平均水平 5.7 萬元；武漢、長沙人均 GDP 也分別達到 5.9 萬元和 6.6 萬元，比全國平均水平高出 2.9 萬元和 3.6 萬元。

1.2 ??武廣高速鐵路開通后通道內的交通結構變化

武廣客運通道的交通方式包括鐵路、航空和公路長途客運，其中鐵路包括武廣高速鐵路、京廣鐵路武廣段。機場主要有武漢天河國際機場、長沙黃花國際機場、廣州白云國際機場，公路有京港澳高速公路和國道 107 線等。由于武廣客運通道長達 1 068 km，武漢至廣州跨省長距離運營的長途汽車，在通道內所占份額很小，故該研究不考慮通道公路長途客運的分擔率。

武廣高速鐵路的運營縮短了旅客的旅行時間，促進了沿線經濟發展，而經濟的發展將會誘發更多出行需求，由此帶來通道客運量增長。武廣高速鐵路開通前后不同交通方式承擔的客運量如表 1 所示。

表?1 武廣高速鐵路運營前后不同交通方式承擔的客運量????????????萬人次

由表 1 可知，武廣高速鐵路開通 1 年，通道客流增加 1 762.7 萬人次，同比增加了 44.6%。其中，高速鐵路新增客流為 2 075 萬人次，為轉移客流和新增誘發客流。通過相關調研數據分析，高速鐵路轉移客流 4% 來自航空，26% 來自既有鐵路，70%為新增誘發客流。武廣高速鐵路開通運營后，鐵路分擔率由 95% 上升到 97.6%，提高了 2.6%；航空分擔率由 5% 下降到 2.4%。

2 武廣高速鐵路對客運交通結構影響的SD模型

旅客出行方式的選擇行為是以自身運輸需求得到最理想滿足為原則所進行的一個從認識、評價、決策到實施的連續活動過程[7]。為細化考慮旅客在出行選擇時的不同層次需求，根據收入水平和出行目的進行旅客細化分類，根據不同收入水平計算其各自時間價值，選取安全性、舒適性、票價和方便性 4 項指標構造廣義費用函數，基于 Logit 模型，采用系統動力學 (System Dynamic，SD) 模型預測通道不同交通方式的客運量，進而得到客運分擔率。

2.1 模型影響因素分析

模型中的主要影響因素包括社會經濟、出行選擇行為、交通供給、交通需求 4 個方面，其中社會經濟發展因素是交通結構變化的前提。4 個主要影響因素的具體細化指標如下。

（1）社會經濟。社會經濟包括居民人均收入、GDP (地區生產總值)、地區常住人口、低收入、中收入、中高收入、高收入等指標。

（2）出行行為選擇。出行行為選擇包括票價、舒適性、方便性、“門到門”時間、旅游、公務商務出差、探親、務工、上學等。

（3）交通供給。交通供給包括既有鐵路、高速鐵路、航空等。

（4）交通需求。交通需求包括居民人均出行次數、客運分擔率、既有鐵路客運量、高速鐵路客運量、航空客運量、總客運量等指標。

2.2 系統因果關系分析

模型研究的對象是武廣通道客運分擔率和客運量發展趨勢。旅客收入劃分的層次為：低收入、中低收入、中高收入、高收入和公務商務出差。不同出行目的旅客對服務反應有所不同，公務商務出差旅客選擇交通方式傾向于快速便捷、舒適和方便；以務工、上學為出行目的的旅客選擇交通方式則更側重于出行費用的高低[8]。不同收入層次在出行過程中對旅途中接受的服務反應也不一樣，如低收入者看重的是出行費用的高低，而高收入者更側重旅行過程舒適度及便捷性等[9]。構建武廣客運通道交通結構的因果關系圖，對系統要素之間的關系進行分析。圖 1 是高速鐵路對客運通道影響的因果關系圖。

（1）通道總客運量與社會經濟反饋環。通道總客運量與社會經濟反饋環如圖 2 所示，是正反饋環。經濟發展水平提高，居民人均收入增加，刺激居民出行增多，通道客運量增加。人員流通性加強在一定程度上促進了經濟的增長。

圖1 高速鐵路對客運通道影響的因果關系圖

圖2 社會經濟反饋環

（2）交通供給反饋環。交通供給反饋環如圖 3所示。某種交通方式客運量受交通供給的限制，不可能無限增長，體現了交通供給對客運量的制約作用。交通供給在一定時期內相對穩定，某種交通方式客運量達到一定程度，將限制該方式客運量的增加。交通供給通過服務水平體現其反饋作用。以既有鐵路為例，選擇既有鐵路的客運量不斷增加，受到既有鐵路供給的限制，其服務水平降低，致使選擇既有鐵路的客運量減少。

圖3 交通供給反饋環

2.3 模型系統流圖

在因果關系圖的基礎上，用系統動力學軟件Vensim 構造系統動力學模型的系統流圖，如圖4 所示。

2.4 模型參數估計

應用項目調查資料、統計資料和部分參考文獻中獲取數據對模型中常數、表函數、狀態變量賦值，模型的參數主要采用 2 種方法估計，存在變化率函數中的系數用最小二乘法估計；沒有公開數據只有大致信息的參數，用系統行為法來估計。

圖4 模型系統流圖

2.4.1 影響因素參數設定

客運分擔率影響參數主要包括“門到門”時間、票價、舒適性和方便性 4 個部分。模型參數用的是因素值之間的比值。其主要因素標定如下。

（1）“門到門”時間主要由市內交通時間、候車時間、進出站時間和行程時間組成，詳細數據如表 2 所示。

表2 “門到門”時間量化表 h

（2）方便性和舒適性因素量化綜合參照相關文獻，服務水平量化如表 3 所示。

表3 服務水平量化表

（3）票價因素。高速鐵路、航空運輸的票價主要參考二等座票價；而既有鐵路票價綜合考慮硬座和硬臥票價；航空票價折扣率計 7 折，票價量化如表 4 所示。

表4 票價量化表

2.4.2 社會經濟參數設定

通道客運量預測中主要考慮人口增長率、GDP等因素。運營初期，高速鐵路在一定程度上誘發一部分客運量，隨著高速鐵路運行圖的逐步穩定，通道總的客流量也趨于穩定。以此為基礎，在預測武漢—廣州的總客運量時采用總人口與人均出行的乘積得到預測的總客運量。人口以 0.6% 作為人口的自然增長率，人均出行次數計算的初值為 0.6，2010年居民人均收入初值為 26 610，GDP 增長率初值為12%，人均出行次數＝1.965－26 610/居民人均收入。在參數標定過程中使用的社會經濟數據來自統計年鑒，武廣高速鐵路沿線主要人口數量如表 5所示。

表5 武廣高速鐵路沿線人口分布表

2.5 模型有效性檢驗

以 2010 年武廣客運通道的經濟社會發展、人口、居民收入、鐵路票價、運輸時間等實際數據作為模型輸入，通過模型仿真得出不同交通方式的客運量及分擔率，與 2011 年實際數據對比，判斷模型的有效性，對比數據如表 6 所示。

表6 模型誤差分析

通過上述數據對比可知，預測數據與實際數據誤差小于 10%，模擬計算的精度達到要求，模型有效。

3 SD模型仿真結果分析

選取武廣客運通道為研究對象，進行客流預測和客運分擔率分析。根據調研獲取不同交通方式門到門時間、票價、運輸需求的變化情況，結合社會經濟發展情況(根據發展規劃，通道區域 GDP 增長率取 10% 左右)，以系統動力學模型進行仿真，仿真年限為 2010—2020 年。

3.1 客運量變化趨勢分析

武廣客運通道內各種交通方式的客運量變化趨勢如圖 5 所示。

由圖 5 可見，武廣客運通道內既有鐵路客運量變化相對穩定，其總客運量在 3 500 萬人左右，仍占有一定市場。通道內航空客運量總體呈穩中有升的趨勢。高速鐵路運營初期對通道內既有鐵路、航空運營產生一定的影響，一部分運量轉移到高速鐵路，而后既有鐵路和航空客運量變化基本穩定，高速鐵路客運量呈現穩步上升趨勢，新增客運量主要來自誘發客運量。高速鐵路的運營以其良好的技術經濟特性得到旅客的認可。經濟水平的不斷發展，使旅客消費水平提高，選擇高速鐵路出行的人數逐漸增多。

3.2 客運分擔率變化趨勢分析

武廣客運通道內各種交通方式的客運分擔率變化曲線如圖 6 所示。

由圖 6 可見，通道內高速鐵路的客運量持續增加，導致其分擔率呈上升趨勢，從仿真結果看與國外高速鐵路分擔率變化趨勢研究基本相似。此外，武廣客運通道長約 1 000 km，通道內長距離出行較多，這也是高速鐵路客運分擔率變化趨勢上升的原因之一。該通道內既有鐵路的客運分擔率呈現下降趨勢，由于武廣高速鐵路運營對既有鐵路的客運量影響較小，既有鐵路客運量相對穩定，而通道客運量的增加導致了既有鐵路客運分擔率呈現下降趨勢。通道內航空客運分擔率的變化趨勢相對較穩定，高速鐵路開通初期給航空運營帶來影響，部分航空客運量轉移到高速鐵路，客運分擔率在一定程度上略有下降，隨后其客流逐漸趨于穩定，以收入較高和以出差為目的旅客為主。

4 結論

以武廣客運通道綜合交通結構為研究對象，結合相關調研數據，建立武廣高速鐵路對通道綜合客運交通結構影響的 SD 模型。通過 SD 模型仿真得到 2020 年武廣客運通道的客運分擔率和客流量變化趨勢，研究的主要結論為：武廣高速鐵路客運量及客運分擔率將穩步上升；既有鐵路客運量在高速鐵路運營初期轉移了部分客運量，而后將保持一定的客運量規模，并呈穩定發展態勢，其分擔率呈下降趨勢，既有鐵路要保證既有列車開行對數，為該需求層次的旅客提供服務；航空客運量在高速鐵路運營初期轉移了部分客運量，而后將呈穩定發展略有上升態勢，其分擔率趨于穩定。經濟發展是綜合交通結構演化的動力，人民生活水平提高才能提出更高的需求，是高速鐵路新增誘發客運量的主要來源。

圖5 各種交通方式的客運量變化趨勢

圖?6??各種交通方式的客運分擔率變化趨勢?

[1] 何宇強，毛保華，陳團生，等.?高速客運專線客流分擔率模型及其應用研究[J].?北京，鐵道學報，2006，28(3)：18-21.

[2] 李建斌.?武廣高鐵旅客出行特征和集散特性調查與分析[J].?北京，鐵路標準設計，2011(11)：1-5.

[3] 毛 偉.?基于旅客出行行為分析的通道客運分擔率預測研究[D].?成都：西南交通大學，2008.

[4] 郭春江.?高鐵與民航客運量分擔博弈模型研究[D].?北京：北京交通大學，2010.

[5] Dai Nakagawa，Masatoshi Hatoko.?Reevaluation of Japanese High-speed Rail Construction：Recent Situation of the North Corridor Shinkansen and Way to Completion[J].?Transport Policy，2007(14)：150-164.

[6] Iljoon Chang，Gang-len Chang.?A Network-based Model for Estimating the Market Share of A New High-speed Rail System [J].?Transportation Planning and Technology，2004，2(27)：67-90.

[7] 葉玉玲，季 令，何 靜，等.?滬杭快速運輸通道旅客出行特征分析[C]//中國鐵道學會.?第四屆中國軌道交通技術峰會暨第十二屆粵、京、港、滬鐵道學會學術年會論文集.???北京：中國鐵道學會，2008：150-152.

[8] 張 敏，張 超.?京津城際高鐵客流結構和出行特征分析[J].?天津，中國儲運，2010，18(6)：88-89.

[9] 楊曉燕.?成綿樂城際鐵路旅客出行行為特征分析[D].?成都：西南交通大學，2011.