我國長三角地區鐵路旅客運輸影響因素分析

譚玉順　錢心倬　陶慧

摘 要：該文通過運用灰色關聯度與信息熵融合的方法，提出了吻合度關聯分析模型，在此基礎上，對長三角地區鐵路旅客運輸的相關影響因素進行調查，采用長三角2004—2013年鐵路旅客運輸變更數據和相關社會經濟資料，運用吻合度模型分析這些相關因素對鐵路旅客運輸的影響程度，并對其進行排序，從而為鐵路客運發展過程中出現的一些問題提出具體的分析。

關鍵詞：鐵路運輸 灰色關聯分析 信息熵 吻合度

中圖分類號：N941 文獻標識碼：A 文章編號：1674-098X（2016）01（c）-0107-04

鐵路運輸是我國國民經濟的基礎性產業，是經濟活動正常運轉的基本保障。近幾十年來，我國鐵路旅客運輸得到了長足發展，特別是高速鐵路技術的快速發展，鐵路網規模不斷的提高，網絡結構不斷優化，為促進國民經濟發展和社會進步做出了重大貢獻[1]。鐵路旅客運輸受到社會經濟中的多種因素的影響，綜合分析各種因素對鐵路旅客運輸的影響程度，不但可以對鐵路運輸需求預測提供一定的幫助，而且通過對鐵路旅客運輸影響因素的分析，也可以為鐵路運輸和社會經濟的協調發展提供可行性建議。

鐵路運輸系統與相關因素的定量分析一般采用回歸分析、主成分分析等方法進行計算和分析其相關性，根據所建立的主要因素和與其相關的回歸方程對未來趨勢進行預測。但這些方法要求系統須具備大量完整的統計數據，要求樣本服從典型的概率分布，且計算量較大。改革開放以來，我國鐵路運輸發展受到國內政策影響，各種社會、經濟數據不甚完整，鑒于這種客觀現實及灰色系統理論的特點，熊崇俊等（2006）運用關聯法分析了民航客運影響因素[2]，劉琦（1999）運用關聯法分析了鐵路客流的因素分析和相關度[3]。

采用灰色關聯度方法，當根據歷史數據對影響鐵路客運影響因素進行排序分析時，應該對關聯度和均衡性兩個方面加以綜合考慮。已有的研究有的只分析了相關系數的均衡性問題，忽略了相關性，有的實際上是將原來的相關系數的算術平均調整為不同權重值的加權平均，并未考慮相關系數的均衡性[4-5]。耿海青等（2004）利用信息熵理論分析了城市居民家庭能源消費結構演變[6]，提出了基于信息熵的均衡度概念。該文在已有文獻的基礎上，運用信息熵和灰色關聯理論，提出吻合度的概念，對影響鐵路旅客運輸系統的諸多因素進行關聯分析。

1 基本方法

1.1 灰色關聯度

灰色系統論是鄧聚龍最先創立的，其研究的對象是“部分信息明確，部分信息未知”的“小樣本，貧信息”不確定性系統，它通過對已知“部分”信息的生成去開發了解、認識現實世界，著重研究“外延明確，內涵不明確”的對象[7]。在信息不充分的條件下研究復雜系統的定量關系，學界一般采用的是鄧聚龍的灰色系統論。灰色關聯分析通過對系統數據序列的幾何關系進行比較來判斷系統中各因素間的關聯程度，灰色關聯度的具體算法為：

對所研究問題定性分析的基礎上，確定一個因變量因素和多個自變量因素。設標準化處理變量數據構成參考列：

灰色關聯熵反映了第比較序列點關聯度相對分布的均勻性。若兩序列關于參考序列的關聯度相同時，其分布較均勻的時間序列與參考序列較吻合。

若，則說明比較序列與參考序列的灰色關聯度分布最為均勻，即各個時間點的關聯系數相對差值較小。

1.3 吻合度

灰色關聯度反映了比較序列與參考序列總體關聯程度，灰色關聯熵則在總體關聯度的基礎上考察了比較序列與參考序列逐點關聯系數的均衡性。通過分析可知，總體關聯程度越高，且分布越均勻，則兩序列的關聯吻合度就越好。定義比較序列與參考序列的吻合度為：

若，稱因素優于因素，記為。均衡系數的引入避免了量化排序時序列各點灰色關聯系數的較大波動掩蓋其均衡性的不足，均衡系數可以增強灰關聯熵的影響作用。在不同時序的灰色關聯度的基礎上增加了一個均衡系數，降低了大關聯系數對總關聯度在排序時的影響程度。顯然，由（9）得到的吻合度越大，則灰色關聯度與均衡性越大。

2 鐵路運輸客運因素影響分析

2.1 數據統計

影響客運的因素源于諸多方面，為了較全面研究這些相關因素，該文根據客運系統的自身特點及歸納相關領域專家的意見，根據易得及可量化原則[8]，并結合鐵路交通運輸系統的特點，總結出可能影響鐵路交通客運系統的因素，分別為：

反映運輸供給能力的指標因素：運輸線路的營業里程；反映宏觀經濟狀況的指標：人均國民生產總值（萬元）、國民生產總值（億元）、第一產業總產值（億元）、第二產業總產值（億元）、第三產業總產值（億元）、社會消費品零售總額（億元）；反映社會需求的指標因素：全省總人口數（萬人）、城鎮化率（%）、全社會固定資產投資（億元）、能源總消費量（萬噸標準煤）、對外貿易總額（億美元）、職工平均工資（元）、人均消費支出（元）、第三產業占比（%）、旅游人數（萬人）。

以長三角鐵路旅客運輸為研究對象，交通運輸及相關影響因素的數據均來源于《江蘇統計年鑒》《浙江統計年鑒》與《上海統計年鑒》，該文選取了2004—2013年的相關數據，見表1。

2.2 鐵路客運系統與相關因素的吻合度計算

將上述表格中鐵路客運量記為，鐵路客運周轉量記為，其余的各影響因素依次記為，，，，，

，，，，，，，，，，。

取，根據前面的計算方法，得到鐵路客運量與各影響因素的關聯度計算結果為：0.838，0.747，0.729，0.842，0.764，0.681，0.698，0.468，0.512，0.669，0.768，0.706，0.817，0.803，0.516，0.716。

鐵路旅客運輸客運量的灰色關聯熵為：2.634，2.622，2.620，2.635，2.622，2.613，2.615，2.581，2.601，2.613，2.625，2.615，2.630，2.634，2.595，2.627。

由此計算得到客運量的吻合度為：2.208，1.959，1.910，2.218，2.003，1.780，1.825，1.208，1.332，1.747，2.017，1.847，2.149，2.116，1.340，1.882。

鐵路客運量與各影響因素的吻合度排序結果：

計算結果表明，影響鐵路客運量的因素中第一產業產值、運營里程、職工平均工資、人均消費支出和能源消費總量等因素影響顯著；總人口、城鎮化率、第三產業占比、固定資產投資、第三產業產值因素對鐵路客運量影響相對較小。

鐵路客運周轉量與各影響因素的關聯度計算結果為：0.854，0.767，0.747，0.862，0.784，0.695，0.705，0.488，0.532，0.671，0.808，0.741，0.832，0.832，0.538，0.750。

鐵路客運周轉量與各影響因素的灰色關聯熵為：2.634，2.624，2.621，2.636，2.626，2.614，2.618，2.578，2.600，2.616，2.626，2.618，2.632，2.633，2.592，2.631。

由此計算得到的鐵路客運周轉量與各影響因素的吻合度為：2.249，2.013，1.958，2.271，2.059，1.816，1.845，1.258，1.382，1.755，2.121，1.939，2.190，2.192，1.395，1.972。

鐵路客運周轉量與各影響因素的吻合度排序結果：

結果表明，在鐵路客運周轉量關聯度排序中，，因其關聯度數值差別很小，通過均衡系數的引入，調整后在吻合度排序下，可以看出鐵路客運周轉量與各影響因素的吻合度排序結果是對灰色關聯度排序的修正。

2.3 計算結果分析

根據鐵路客運量、客運周轉量與各影響因素的吻合度計算和排序結果，可將16個因素分為四類，具體如下：

影響鐵路旅客運輸的主要因素是第一產業產值、運營里程、職工平均工資、人均消費支出、能源消費總量；其次是第二產業產值、地區人均生產總值、旅游人數、國內生產總值、對外貿易；再次是社會消費品零售總額、第三產業產值、固定資產投資；最后是第三產業占比、城鎮化率以及總人口數。具體分析如下：

我國鐵路運輸近10年來發展迅速，長三角地區鐵路運輸網絡的不斷完善，尤其是長三角城市群的中短途高速鐵路的運營，鐵路運輸營業里程的不斷增加，旅客運輸供給短缺的現象有了很大程度的緩解，從而運輸線路里程成為影響鐵路交通旅客運輸的主要因素。

長三角作為一個繁榮的經濟發展帶，也是工業和農業并重的地區，工業產值的增加離不開能源的消耗，因此，能源消耗總量和第一產業總值也是我國鐵路交通旅客運輸的主要因素。焦必方（2013）提到長三角是我國農村經濟調整發展最快的地區之一，具有豐富的農業自然資源，農業現代化與新型城鎮化是相輔相成的[9]，在很大程度上促進了鐵路旅客運輸的發展。

長三角經濟總量不斷擴大，人們的消費水平不斷提高，消費支出不斷增加也直接影響了鐵路旅客運輸。職工平均工資和人均消費支出在一定程度上反映了一個地區經濟發展水平的程度，也反映了該地區生產力發展的狀況和人們的消費觀。旅客的出行的主要目的來源于生產和消費，因此反映經濟發展水平的職工平均工資和人均消費支出可以影響旅客的運輸需求。

隨著經濟的發展和人民生活水平的進一步提高，消費項目向“高級化”升級，交通出行也呈現新變化和新特征[10]，趙慶國（2013）論述了高鐵產業對旅游業快速發展的影響[11]。近年來，人們的旅游熱情將進一步煥發，國內旅游業也出現了快速發展的勢頭，因此旅游人數對對鐵路旅客運輸周轉量的影響程度也相對較高。

由于長三角地區人口基數大，人口增長速度緩慢，人口和城鎮化率相對變化較小，因而總人口和城鎮化率與鐵路旅客運輸的吻合度較小是相對合理的。

3 結語

該文采用灰色關聯度和信息熵相結合的方法對影響長三角鐵路旅客運輸系統的相關因素進行了分析，得到影響長三角鐵路旅客運輸的主要因素，該方法克服了只考慮平均關聯度造成關聯系數波動較大的不足。該文的研究結果可以為長三角鐵路旅客運輸系統的運輸量預測，旅客特征行為研究提供一定的依據。

參考文獻

[1] 張萌萌，孟曉晨.高速鐵路對中國城市市場潛力的影響—基于鐵路客運可達性的分析[J].地理科學進展，2014，33（12）：1650-1658.

[2] 熊崇俊，寧宣熙，潘穎莉.基于灰色關聯理論的民航客運影響因素研究[J].統計與決策，2006（1）：52-53.

[3] 劉琦.影響鐵路客流的因素及相關度分析[J].上海鐵道大學學報，1999，20（20）：41-44.

[4] 劉思峰，楊英杰，吳利豐.灰色系統理論及其應用[M].5版.北京：科學出版社，2010.

[5] 吳康，韋玉春.20世紀90年代以來江蘇區域發展均衡性的測度分析[J].地理科學進展，2008（1）：65-73.

[6] 耿海青，谷樹忠，國冬梅.基于信息熵的城市居民家庭能源消費結構演變分析—以無錫市為例[J].自然資源學報，2004，19（2）：257-262.

[7] 鄧聚龍.灰色控制系統[J].華中工學院學報，1982（3）：7-12.

[8] 肖新平.關于灰色關聯度量化模型的理論研究和評價[J].系統工程理論與實踐，1997（8）：76-81.

[9] 焦必方，吳海鵬.長三角“城市群后花園”構想與解析—長三角區域特色農業現代化發展模式探索[J].復旦學報：社會科學版，2013（4）：157-172.

[10] 馬一峰.從居民收支結構看如何以“促進消費”助推“經濟倍增”[J].統計科學與實踐，2013（12）：37-39.

[11] 趙慶國.高速鐵路產業發展政策研究[D].江西：江西財經大學，2013.