基于灰色預測模型對我國鐵路貨運量的預測

左小雨 黃先軍

摘 要：隨著公路和民航運輸所占的份額快速上漲，我國鐵路運輸所占比重有所下降。為使鐵路貨運在今后的發展中能夠集中力量、統籌規劃相關業務，提高服務質量，促進運輸業的發展，對我國未來幾年的鐵路貨運量進行預測，同時研究了其變化規律。文章主要利用灰色預測模型對我國的鐵路貨運量進行了預測，并給出了一些相關的建議。經過研究，灰色模型在鐵路貨運量的預測中精度較高，可以用于未來時間內的預測和預報。

關鍵詞：鐵路貨運量；灰色預測模型；預測

中圖分類號：F530 文獻標識碼：A

Abstract： Along with the rapid rise in the share of road and civil aviation transport， China's railway transport has some decline. In order to help the railway freight concentrate energy， plan related business overall， improve service quality， and promote the development of the transport industry in the future， making a prediction about our country's railway freight volume in the next few years and study the change rules are very necessary. In this paper. We use the gray prediction model to forecast the railway freight volume in our country， and give some relevant suggestions. After the research， we find that the grey model has a high accuracy in the railway freight volume's predict and forecast and can be used in the future.

Key words： railway freight volume； grey forecasting model； prediction

目前對于鐵路貨運量有不少的研究，但是所采用的方法仍有一些不足。比如童明榮[5]等人所采用的Holt-Winter預測模型（傳統時間預測模型）是以有季節變動、線性趨勢和隨機波動的時間序列并結合指數平滑法進行研究分析的，不僅需要的數據資源多，而且還需做大量的計算工作；任德亮[6]等人在這個問題上利用的是季節性預測模型，這一模型是根據三角函數的周期性特點以及線性趨勢變動，從而建立不同精度和期限的季節性預測模型，實際操作的工作量大，而且由于是按月來預測的，因此存在一定的誤差；劉志杰[7]等人運用的徑向神經網絡模型，除了需要大量的數據還需要對網絡進行學習和仿真，對計算機的操作具有一定的要求。由此可見，大多數預測方法是需要很多數據資料的，對數據統計準確性與完整性都有著很高的要求，而且實施起來都有一定的難度。實際中，由于貿易容易受到諸如隨機性的政治因素、供給與需求因素等各種不確定因素的影響，且直接影響到貨運量的大小。因此，要對我國未來幾年的貨運量趨勢給出準確的定量判斷是非常困難的。但可以分析其內部關系和運用一定的數學模型及有關運算方法，對它作出一些必要的預測。

綜合各方面因素，本文選取了灰色預測模型。因為鐵路貨運所受到的影響因素眾多，而要對全國的鐵路貨運數量進行完整、準確的收集與統計是很難做到的，這點正好吻合灰色預測方法的對象是以“部分信息為已知，部分信息為未知”的不確定系統，它通過對系統當前已有數據信息進行整理與綜合分析，從而給出研究對象的預測信息。灰色預測模型以其不需要大量有規律性分布的樣本數據，計算工作量相對較小，精確度高，可以用于近期、短期和中長期預測以及定性分析與定量分析結果一致等優點，被廣泛應用于各個領域的預測中。

1 灰色模型

2 利用灰色預測模型來對我國鐵路貨運量進行預測

由于全國的鐵路貨運量數據龐大，就目前的人力、物力水平對其進行詳細、精確地統計還未能進行，因此目前能夠獲取的相關數據資料是非常有限的。本文選用了從《中國物流發展報告》中得到的我國2006～2014年鐵路貨運量為數據來源（如表1所示）[1]。

3 鐵路貨運中存在的不足與相關對策建議

對鐵路貨運量做出準確預測只是解決當前鐵路貨運中存在的問題的第一步。還需要分析鐵路貨運中存在的問題，并進一步研究解決方法。

3.1 鐵路貨運中存在的不足

（1）鐵路運輸的基礎設施不完善。任何產業的基礎設施建設都是重中之重、基礎中的基礎，直接決定著產業的生命力和發展潛力。而目前我國的鐵路運輸系統建設還比較落后，采用的運載工具數量較少、相關的裝備和技術也比較老舊，與建成一個完善的運輸系統還有很大距離。

（2）營銷策略不合理，不利于最大發揮鐵路貨運的優勢。鐵路貨運的產品單一，加之不合理的營銷策略，在很大程度上制約了鐵路貨運的發展。現存的鐵路貨運沒有解決鐵路運輸的特點與市場環境之間的矛盾，而且也沒能調動員工的工作積極性，運輸價格制定不靈活等現象依然廣泛存在。

（3）鐵路貨運的信息化程度不高。鐵路貨運的相關企業還未有大量使用數據庫、電子交換以及電子訂貨系統等先進信息技術，而對相關的工作進行有效的安排和處理，形成一個擁有高速信息流的系統，提高相關貨物的信息收集、實時掌握貨物動態信息。相反的，貨物管理流程混亂、物件丟失等現象在鐵路貨運中屢見不鮮。

（4）鐵路運輸建設的資金有限。一條新的鐵路線路的建成有助于鐵路運輸業和沿線的運輸發展，但是其投入的資金往往是一筆巨大的數目，同時對工程建設的技術也有著很高的要求。而隨著相對線路建設成本較小的公路和民航的發展，更是有大量的資金流出鐵路運輸建設領域。

（5）缺乏大量的專業技術性人才的支撐。鐵路運輸的從業人員中，專業型人才只占據較小份額。這點一方面會增加鐵路貨運中解決相關技術性問題所帶來的成本，另一方面不利于緊急問題的有效解決。

3.2 相關對策建議

（1）加強鐵路運輸的基礎設施建設。解決鐵路貨運中現存問題必須從基礎設施著手，只有提高了鐵路運輸的基礎設施水平，才能進一步提高其服務質量，帶動它的發展。鐵路貨運相關企業應整合多方資源，積極加強這方面的建設，改變傳統的服務方式，完善整個服務系統。引進必要的信息與服務系統，提高競爭優勢。

（2）加強與其他運輸行業的合作，進行優勢互補。雖然競爭日趨激烈，但鐵路貨運企業也應該追求雙贏。也就是說，鐵路運輸可以與其他運輸方式形成合作關系，在合作中競爭，積極發展多式聯運，實現優勢互補。比如，顧客可能選定某一運輸方式，但貨物性質、目的地、運輸條件限制等屬性可能無法由某一單一運輸方式獨立完成，這時就可以通過與其他運輸方式進行合作來完成這一項作業。這樣一來，不僅可以提高資源的利用率，還有利于各個運輸方式自身的進步和完善，從而促進運輸業的整體發展。

（3）制定相關政策，加大專業型人才的培養力度。政府可以提出一些指導性的政策方針，指導專業人才培養教育工作。鐵路運輸行業要提高對專業人才的重視，切實提高他們的工資待遇等方面的福利，同時為他們提供交流學習的機會，做到留住人才、發展人才。

（4）價格策略。在選擇運輸方式時，價格的考慮無疑是最主要因素之一。影響一種服務型產品的定價因素主要有需求、競爭和成本三個方面。從近幾年鐵路貨運的情況來看較宜采用以成本定價法為主的綜合定價法。以成本定價為主，可以提高鐵路貨運企業對于自身進行績效考核和對企業總成本的控制，從而在交易中制定出合理的價格，有利于與顧客形成長期的合作關系。

（5）促銷策略。鐵路貨運作為一種傳統的運輸形式，缺乏必要的宣傳意識。企業可以在生產經營的同時進行一些正面的公關宣傳，但要避免大量的、重復性的廣告宣傳，這一做法容易引起顧客的反感和對服務質量的懷疑。企業在宣傳自身的同時也要兼顧對其員工進行積極的宣揚，這樣不僅可以提高員工的工作積極性，而且還有利于讓更多的顧客更深入地了解企業的服務質量、樹立企業良好形象。

（6）渠道策略。我國鐵路貨運在目前采用的銷售形式仍然是直銷為主、分銷為輔。直接銷售雖然是其中的一種十分有效的渠道，但也存在著一些不足。顯然一個完善的渠道建設是很重要的，它關系到經營績效。鐵路貨運企業應該在努力使特色服務產品具有差異化和發揮直銷優勢的同時，形成以自營銷售與代理銷售相結合的更為完善的分銷渠道。從而在整體上提高鐵路貨運渠道水平。

4 結束語

灰色預測模型能夠對鐵路貨運量進行高精確度的預測，但由于它是建立在原始數據精確程度上的，因此原始數據是否優質直接決定了預測的效果。此外，本文僅利用了歷史數據，而未考慮人口、社會產業總體發展情況，而灰色預測模型是建立在嚴謹的數學理論基礎之上的，因此該方法較適宜用于短期和中長期的預測，對于長期的預測可能存在較大誤差。

參考文獻：

[1] 中國物流與采購聯合會，中國物流學會. 中國物流發展報告[R]. 北京：中國財富出版社，2014-2015.

[2] 中國物流與采購聯合會. 中國物流年鑒[J]. 北京：中國財富出版社，2011-2013.

[3] 黨耀國. 灰色預測與決策模型研究[M]. 北京：科學出版社，2009.

[4] 劉思峰，郭天邦，黨耀國. 灰色理論及其應用[M]. 北京：科技出版社，1991.

[5] 童明榮，薛恒新，林琳. 基于Holt-Winter模型的鐵路貨運量預測研究[J]. 鐵路運輸與經濟，2007，29（1）：79-81.

[6] 張天偉，任德亮，李向國. 鐵路貨運量季節預測模型的研究[C] // 國際運輸與物流學術研討會，2004.

[7] 劉志杰，季令，葉志玲，等. 基于徑向神經網絡的鐵路貨運量預測[J]. 鐵道學報，2006，28（5）：1-5.