鐵路客運(yùn)指標(biāo)與城市特征相關(guān)性分析

摘要 文章以基于12306提取的2018年鐵路站間客流量數(shù)據(jù)為基礎(chǔ)，結(jié)合城市經(jīng)濟(jì)人口等特征，利用SPSS軟件分析了對(duì)鐵路旅客發(fā)送量、人均鐵路出行次數(shù)產(chǎn)生顯著影響的城市特征指標(biāo)，同時(shí)利用多元線性回歸擬合確定了城市特征指標(biāo)與鐵路客運(yùn)指標(biāo)間的函數(shù)關(guān)系，并取得了較好的擬合效果。通過(guò)分析不同城市鐵路平均出行距離及出行距離分布情況，發(fā)現(xiàn)城際交通出行對(duì)鐵路系統(tǒng)的依賴性在提升，都市圈范圍內(nèi)的出行需求在逐漸增加，對(duì)這部分需求的考慮將是未來(lái)城際及市域網(wǎng)絡(luò)布局思考的要點(diǎn)。

關(guān)鍵詞 鐵路旅客發(fā)送量;人均鐵路出行次數(shù);鐵路平均出行距離;皮爾遜相關(guān)系數(shù)

中圖分類號(hào) U212.1 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2096-8949（2022）06-0026-03

引言

該文通過(guò)分析江蘇省已有及在建鐵路現(xiàn)狀、各市鐵路旅客發(fā)送量、人均鐵路出行次數(shù)、鐵路平均出行距離等特征，總結(jié)不同城市客運(yùn)特征及特點(diǎn)，進(jìn)一步分析了對(duì)鐵路旅客發(fā)送量存在顯著影響的城市特征指標(biāo)。同時(shí)建立了城市特征指標(biāo)與鐵路客運(yùn)指標(biāo)間的函數(shù)關(guān)系，并取得了較好的擬合效果。通過(guò)分析不同城市鐵路平均出行距離及出行距離分布情況，發(fā)現(xiàn)城際交通出行對(duì)鐵路系統(tǒng)的依賴性在提升，都市圈范圍內(nèi)的出行需求在逐漸增加，對(duì)這部分需求的考慮將是未來(lái)城際及市域網(wǎng)絡(luò)布局思考的要點(diǎn)。

1 江蘇省鐵路發(fā)展概況

1.1 建成運(yùn)營(yíng)鐵路現(xiàn)狀

至“十三五”末，江蘇全省鐵路總里程達(dá)到4 204 km，其中高速鐵路達(dá)到2 215 km，較“十二五”末期（859 km）增加1 356 km。江蘇省鐵路復(fù)線里程達(dá)到3 161 km、電氣化里程達(dá)到3 270 km，復(fù)線率、電氣化率分別達(dá)到75.2%、77.8%?；緦?shí)現(xiàn)《江蘇省“十三五”鐵路發(fā)展規(guī)劃》所提出的“三縱四橫”高快速鐵路網(wǎng)全面形成，鐵路總里程達(dá)到4 000 km以上的規(guī)劃目標(biāo)[1-2]。

1.2 在建鐵路現(xiàn)狀

截至2020年末，江蘇省在建鐵路里程達(dá)476.4 km（包括南沿江鐵路、寧淮鐵路、滬蘇湖鐵路、滬通鐵路二期），均為技術(shù)標(biāo)準(zhǔn)200 km/h及以上的高快速鐵路，主要位于蘇南地區(qū)，涵蓋了南京、鎮(zhèn)江、常州、無(wú)錫、蘇州、南通等多個(gè)設(shè)區(qū)市及部分下轄縣市，將著力優(yōu)化完善蘇南地區(qū)多層次鐵路網(wǎng)，加快推進(jìn)國(guó)家高鐵主通道建設(shè)[3]。

2 江蘇省鐵路客運(yùn)特征分析

2.1 鐵路旅客發(fā)送量

2.1.1 不同城市鐵路旅客發(fā)送量

根據(jù)基于12306提取的2018年鐵路站間客流量數(shù)據(jù)分析可得江蘇省各市鐵路旅客發(fā)送量，同時(shí)查詢各城市旅客列車對(duì)數(shù)及經(jīng)濟(jì)人口等城市特征指標(biāo)如表1所示。

由表1可知，江蘇省2018年鐵路旅客發(fā)送量合計(jì)2.13億人次，其中南京市旅客發(fā)送量6 989萬(wàn)人次，占比32.8%。可見(jiàn)南京作為省會(huì)城市在江蘇省的交通樞紐地位。蘇州、徐州、無(wú)錫三市鐵路旅客發(fā)送量占全省比例分別為22.2%、12.6%、11.1%，南京、蘇州、徐州、無(wú)錫四市合計(jì)鐵路旅客發(fā)送量占全省比例為78.8%[4]。不同城市鐵路旅客發(fā)送量存在較大差異，因此該文重點(diǎn)從城市經(jīng)濟(jì)、人口、面積及旅客列車開(kāi)行對(duì)數(shù)等角度分析影響鐵路旅客發(fā)送量的相關(guān)因素。

2.1.2 影響因素分析

對(duì)各市旅客發(fā)送量與城市經(jīng)濟(jì)人口等指標(biāo)進(jìn)行相關(guān)性分析，通過(guò)Pearson（皮爾遜）相關(guān)系數(shù)描述鐵路旅客發(fā)送量與城市指標(biāo)的相關(guān)程度[5-6]。皮爾遜相關(guān)系數(shù)計(jì)算方法如公式（1）、（2）所示。

式中：ρ——變量總體的相關(guān)系數(shù);

r——樣本的相關(guān)系數(shù);

X——城市經(jīng)濟(jì)、人口、面積、旅客列車對(duì)數(shù)等指標(biāo);

Y——鐵路旅客發(fā)送量。

因南京市鐵路旅客發(fā)送量中包含較多中轉(zhuǎn)客流，因此在進(jìn)行鐵路旅客發(fā)送量與城市特征相關(guān)性分析時(shí)，將省會(huì)城市南京進(jìn)行剔除，利用SPSS軟件進(jìn)行相關(guān)性分析得到的結(jié)果如表2所示，通過(guò)表中數(shù)據(jù)可以看出：在α=0.01（雙側(cè)）水平下，各城市鐵路旅客發(fā)送量與旅客列車對(duì)數(shù)、城市GDP、人口三項(xiàng)指標(biāo)顯著相關(guān)，且與三項(xiàng)因素都呈現(xiàn)正向相關(guān)。由此可見(jiàn)，鐵路旅客發(fā)送量受到城市經(jīng)濟(jì)水平及鐵路供給水平的顯著影響。

2.1.3 函數(shù)擬合

根據(jù)相關(guān)性分析結(jié)果，選取對(duì)鐵路旅客發(fā)送量顯著影響的三個(gè)變量：旅客列車對(duì)數(shù)、GDP、人口，利用SPSS軟件進(jìn)行多元線性回歸擬合，得到上述三個(gè)變量與鐵路旅客發(fā)送量間的函數(shù)關(guān)系，根據(jù)擬合結(jié)果可以看出，調(diào)整后R方為0.923，說(shuō)明函數(shù)擬合結(jié)果較好[7-8]。但擬合結(jié)果存在：

（1）Durbin-Watson值為1.608，小于2，說(shuō)明變量存在一定的自相關(guān)性。

（2）自變量GDP的顯著性差異sig值為0.128>0.05，表示差異性不顯著。

（3）變量GDP的方差膨脹系數(shù)為4.054，說(shuō)明自變量GDP存在一定的多重共線性。

由此可見(jiàn)因在擬合函數(shù)中加入變量GDP導(dǎo)致擬合結(jié)果不夠理想。

因此刪除變量GDP后，重新對(duì)鐵路旅客發(fā)送量與旅客列車對(duì)數(shù)、城市人口進(jìn)行多元線性回歸分析得到，調(diào)整后R方為0.906，說(shuō)明同樣具有較好的擬合效果。且：

（1）Durbin-Watson值為2.082，接近于2，說(shuō)明變量間相互獨(dú)立。

（2）兩個(gè)自變量的顯著性差異sig值均小于0.05且小于0.02，說(shuō)明變量間的差異極其顯著。

（3）兩個(gè)自變量的方差膨脹系數(shù)均為1.125，說(shuō)明變量間不存在多重共線性。

因此用旅客列車對(duì)數(shù)與人口對(duì)鐵路旅客發(fā)送量進(jìn)行多元線性擬合是合理的，函數(shù)擬合結(jié)果如公式（3）所示：

式中：Y1——鐵路旅客發(fā)送量（萬(wàn)人次/年）;

X1——旅客列車對(duì)數(shù)（對(duì)/日）;

X2——城市人口（萬(wàn)人）。

2.2 平均出行次數(shù)

根據(jù)鐵路旅客發(fā)送量與人口計(jì)算人均鐵路出行次數(shù)，經(jīng)數(shù)據(jù)調(diào)查得知人均出行次數(shù)較高的城市為蘇州、徐州、無(wú)錫、常州、鎮(zhèn)江五市。利用SPSS分析影響人均鐵路出行次數(shù)相關(guān)因素。

分析結(jié)果如表3所示，可見(jiàn)旅客列車對(duì)數(shù)在0.01的水平（雙側(cè)）上與人均鐵路出行次數(shù)呈現(xiàn)正顯著相關(guān)，城市GDP在0.05水平（雙側(cè)）上與人均鐵路出行次數(shù)呈現(xiàn)正顯著相關(guān)，與影響旅客發(fā)送量因素不同的是，城市人口不會(huì)顯著影響人均鐵路出行次數(shù)。由此可見(jiàn)，隨著經(jīng)濟(jì)發(fā)展水平與鐵路供給服務(wù)的進(jìn)一步提升，人均鐵路出行次數(shù)會(huì)進(jìn)一步增加。

對(duì)人均鐵路出行次數(shù)與旅客列車對(duì)數(shù)、城市GDP進(jìn)行多元線性回歸分析得到，調(diào)整后R方為0.984，可見(jiàn)擬合效果較好。且：

（1）Durbin-Watson值為2.138，接近于2，說(shuō)明變量間相互獨(dú)立。

（2）自變量旅客列車對(duì)數(shù)顯著性差異sig值小于0.05，自變量城市GDP顯著性差異sig值為0.076，略高于0.05，說(shuō)明變量間具備顯著性差異。

（3）兩個(gè)自變量的方差膨脹系數(shù)均為1.571，說(shuō)明變量間不存在多重共線性。

因此用旅客列車對(duì)數(shù)、城市GDP對(duì)人均鐵路出行次數(shù)進(jìn)行多元線性擬合是合理的。

函數(shù)擬合結(jié)果如公式（4）所示：

式中：Y2——人均鐵路出行次數(shù)（人次/年）;X1——旅客列車對(duì)數(shù)（對(duì)/日）;X3——該市GDP（億元）。

2.3 平均出行距離

根據(jù)2018年鐵路站間客流量數(shù)據(jù)及各城市的經(jīng)緯度信息計(jì)算各城市平均出行距離（直線距離），如圖1所示，將各城市出行距離進(jìn)行排序，依次得到20%、40%、60%、80%、90%的出行量覆蓋的出行范圍。從平均出行距離來(lái)看，平均出行距離不足300 km的城市為常州和鎮(zhèn)江，平均出行距離大于500 km的城市為徐州、泰州，江蘇省大部分城市的鐵路平均出行距離集中在300～200 km。從出行量覆蓋出行范圍來(lái)看，蘇州、無(wú)錫、常州、鎮(zhèn)江、揚(yáng)州等市60%的出行在200 km的范圍內(nèi)，可見(jiàn)短距離出行已占到較高的比例，這反映出區(qū)域經(jīng)濟(jì)強(qiáng)聯(lián)系下，城際交通出行對(duì)鐵路系統(tǒng)的依賴性在提升，都市圈范圍內(nèi)的出行在逐漸增加。對(duì)比國(guó)外城市發(fā)展階段和隨著國(guó)內(nèi)城市群的發(fā)展，可以預(yù)見(jiàn)未來(lái)城市群、都市圈的出行特征將從“低頻次、長(zhǎng)距離、低時(shí)間價(jià)值”轉(zhuǎn)向“高頻次、中短距、高時(shí)間價(jià)值”，都市圈內(nèi)以通勤、商務(wù)為代表的高時(shí)間價(jià)值出行規(guī)模將會(huì)增加，對(duì)這部分需求的考慮將是未來(lái)城際及市域網(wǎng)絡(luò)布局思考的要點(diǎn)。

根據(jù)相關(guān)性分析結(jié)果，并未發(fā)現(xiàn)鐵路平均出行距離與鐵路旅客發(fā)送量、旅客列車對(duì)數(shù)、城市GDP、人口、城市面積、人均出行次數(shù)等因素存在顯著相關(guān)性。

3 總結(jié)

該文對(duì)江蘇省已有及在建鐵路現(xiàn)狀、各市鐵路旅客發(fā)送量、人均鐵路出行次數(shù)、鐵路平均出行距離等指標(biāo)進(jìn)行了介紹，同時(shí)進(jìn)一步分析了對(duì)鐵路旅客發(fā)送量存在顯著影響的因素為旅客列車對(duì)數(shù)、城市GDP、城市人口，利用旅客列車對(duì)數(shù)、城市人口對(duì)鐵路旅客發(fā)送量進(jìn)行多元線性回歸擬合后，擬合結(jié)果的調(diào)整后R方為0.906，擬合效果較好。利用旅客列車對(duì)數(shù)、城市GDP對(duì)人均鐵路出行次數(shù)進(jìn)行多元線性回歸擬合后，擬合結(jié)果的調(diào)整后R方為0.984，同樣得到了較好的擬合效果。最后對(duì)各城市不同出行量覆蓋的出行范圍進(jìn)行分析，得出目前鐵路短距離出行已占到較高的比例，這反映出區(qū)域經(jīng)濟(jì)強(qiáng)聯(lián)系下，城際交通出行對(duì)鐵路系統(tǒng)的依賴性在提升，都市圈范圍內(nèi)的出行需求在逐漸增加。

參考文獻(xiàn)

[1]鄭毛祥，李鵬.江蘇省中長(zhǎng)期鐵路網(wǎng)規(guī)劃研究[J].鐵道標(biāo)準(zhǔn)設(shè)計(jì)，2017（6）：71-75.

[2]殷勇，劉慶.江蘇省城際鐵路運(yùn)營(yíng)管理模式選擇及其SWOT分析[J].交通運(yùn)輸工程與信息學(xué)報(bào)，2017（1）：16-21+55.

[3]于建勇.新建常州至泰州城際鐵路必要性研究[J].交通工程，2020（2）：62-66+74.

[4]曹志成，劉伊生，董繼偉.基于三次指數(shù)平滑法的鐵路旅客發(fā)送量預(yù)測(cè)研究[J].鐵道運(yùn)輸與經(jīng)濟(jì)，2018（11）：49-53+115.

[5]宋迪，姜紹武，毛力增，等.北京市省際客運(yùn)運(yùn)量影響因素分析研究[J].交通工程，2019（A1）：16-20.

[6]王煜，王洪業(yè)，呂曉艷，等.高速鐵路車站間客流變化一致性研究[J].鐵道運(yùn)輸與經(jīng)濟(jì)，2019（3）：43-47.

[7]鄧連波，劉康妮，劉國(guó)歡，等.京滬、京廣高速鐵路客流與列車頻率關(guān)聯(lián)性分析[J].鐵道運(yùn)輸與經(jīng)濟(jì)，2016（8）：19-25.

[8]南敬林.鐵路客運(yùn)量預(yù)測(cè)影響因素分析[J].綜合運(yùn)輸，2016（2）：35-40.

收稿日期：2022-01-13

作者簡(jiǎn)介：陳曉光（1994—），男，碩士研究生，助理工程師，研究方向：交通規(guī)劃與運(yùn)量預(yù)測(cè)。

基金項(xiàng)目：中鐵第四勘察設(shè)計(jì)院集團(tuán)有限公司科技開(kāi)發(fā)計(jì)劃項(xiàng)目“綜合交通大數(shù)據(jù)分析決策平臺(tái)開(kāi)發(fā)（I期）”（2020D022）。