黃大鐵路周邊非煤貨源運量預測研究

文/武軼杰

為積極開拓反向運輸市場，探索通過黃大鐵路開通，接入集團鐵路網(wǎng)，形成輻射河北、山西、陜西、內(nèi)蒙的反向運輸新格局，深入黃大鐵路輻射區(qū)域重點企業(yè)，對接周邊港口及地方鐵路，對黃大鐵路周邊非煤貨物展開廣泛調(diào)研，分別從輻射范圍、市場需求、運價調(diào)查、統(tǒng)計分析等角度進行了調(diào)查研究，并利用重力模型對其中遠期運輸需求量進行了預測分析，研究結果表明本文所采用的模型預測精度較高，對黃大鐵路的集運業(yè)務提供了一定的參考價值。

0.引言。

近年來，非煤運輸業(yè)務蓬勃發(fā)展，作為朔黃鐵路的延申，黃大鐵路的非煤運輸業(yè)務也具有巨大的潛力。目前，黃大鐵路覆蓋范圍內(nèi)的非煤品主要通過公路運輸，在黃大鐵路開通后，通過一定的營銷措施，可以將這些貨物運量吸引到黃大鐵路，最大程度地降低空車走行率，充分發(fā)揮黃大鐵路反向運輸潛力。因此，有必要對黃大鐵路周邊非煤貨源的運輸需求進行預測。對于鐵路貨運量的預測問題，文獻[1]提出對于未來全社會貨物運輸量的預測，只有從主要大類貨物運輸需求入手，分析它們的運量與產(chǎn)品運量、消費量、進出口量的關系，并結合對未來各主要產(chǎn)業(yè)趨勢的判斷和把握，才能通過建立相應的預測模型得出比較準確的預測結果。文獻[2]提出新建鐵路在做貨運量預測時，應尊重自然規(guī)律，重視預測工作，并加強現(xiàn)場調(diào)研，廣泛收集相關資料，運量分配應充分考慮其他運輸方式和路徑的競爭分流等。文獻[3]利用地方吸引范圍法，擬建了黃大鐵路的沿線吸引范圍，并采用產(chǎn)銷平衡法及遞增率法，結合目前吸引范圍內(nèi)各市縣的實際運量，預測黃大鐵路近遠期的輸送能力。文獻[4]在國家運輸結構調(diào)整的大背景下，基于對煤炭貨物運輸形式及特征的分析，以鄂爾多斯東臺鐵路為例，對區(qū)域煤炭貨物運輸鐵路運量預測思路進行了探究。文獻[5]利用專家模型自動擬合時間序列，得到最佳的預測模型。文獻[6]針對具有趨勢和季節(jié)變化的月度貨運量數(shù)據(jù)，采用三次指數(shù)平滑法進行預測，同時可以消除一些隨機波動所帶來的影響。文獻[7]將NLP領域中的GRU深度網(wǎng)絡與高度非線性且前后時間段相似性不強的日貨運量數(shù)據(jù)結合，引入機器學習中的隔離森林算法降噪，構建了短期貨運量預測模型。文獻[8]首先利用相關性系數(shù)篩選出最優(yōu)的特征子集，又利用模糊聚類法解決樣本數(shù)據(jù)自身矛盾問題，最后引入GRNN進行貨運量預測，但該模型每個測試樣本和全部訓練樣本都要參與計算，空間復雜度較高。文獻[9]提出構建多項式核函數(shù)與徑向基核函數(shù)線性組合的SVM-mixed預測模型并通過果蠅優(yōu)化算法確定最優(yōu)參數(shù)以提高鐵路貨運量的預測精度。文獻[10]為提高鐵路貨運量的預測精度，提出了基于乘積季節(jié)模型與引入注意力機制的長短期記憶模型的組合預測模型，并采用2005年至2018年全國鐵路月度貨運量進行預測分析，驗證了模型的有效性。綜上所述，解決鐵路貨運量預測問題的方法主要有時間序列預測模型[5，6]，神經(jīng)網(wǎng)絡[7，8]和組合預測模型[9，10]等，但時間序列適合中短期預測，當外界出現(xiàn)較大變化時，預測精度不高；神經(jīng)網(wǎng)絡易陷入局部極小值；組合預測模型實現(xiàn)相對復雜。因此本文在上述研究的基礎上，基于黃大鐵路周邊的貨源運量調(diào)研結果，選用直觀且易理解的重力模型，針對黃大鐵路周邊非煤貨物的中遠期運量進行預測分析。

1.黃大鐵路周邊非煤貨源調(diào)研概況

1.1 調(diào)研范圍。調(diào)研主要區(qū)域：濱州地區(qū)無棣縣、沾化區(qū)、濱城區(qū)；東營地區(qū)利津縣、墾利區(qū)、東營區(qū)、廣饒縣；濰坊地區(qū)壽光市、昌邑市、平度市；煙臺地區(qū)萊州市、招遠市、龍口市等地區(qū)。

1.2 到發(fā)站及功能情況。根據(jù)沿線到發(fā)貨物情況和地域分布，統(tǒng)計匯總主要到達、發(fā)送貨物的5個車站設置情況是：碣石山站主要是到達、發(fā)送貨物兼有車站，車站應具備噸袋裝卸和危化品裝卸功能，主要貨品是發(fā)送氧化鋁、原鹽，到達主要貨物是磷礦粉、鉀肥、液化品；濱州北站主要是發(fā)送貨物車站，車站應具備集裝箱裝卸功能，主要貨物是飼料；濱州物流園主要是到達貨物，園區(qū)應具備散貨裝卸功能，主要到達的貨物是鐵礦石；利津站主要是到達的液化品，應具備危化品裝卸功能；東營西站主要是到達貨物，應具備集裝箱和危化品裝卸功能，主要到達的貨物是大豆、液化品。

2.黃大鐵路周邊非煤貨物運量分析

2.1 近期非煤貨物運量（2021年末）近期需求量主要涉及2種貨物，分別是鐵礦石150萬噸、鋁釩土3800萬噸。

（1）鐵礦石。經(jīng)與現(xiàn)運輸途徑運費比較測算，鐵礦石運價能達到0.12～0.13元/噸公里，可以考慮初期運輸。但需大萊龍鐵路滿足運能充足且運價與黃大鐵路保持一致，同時濱州物流園需具備裝卸散貨條件。詳見下表1。

表1 鐵礦石運價分析表

根據(jù)上表可知，魯北地區(qū)需要的鐵礦石通過黃大鐵路運輸具有優(yōu)勢，因而可積極采取營銷措施，吸引鐵礦石運量，爭取達到150萬噸的鐵礦石運量。

（2）鋁釩土。經(jīng)與現(xiàn)運輸途徑運費比較測算，魯北生物的鋁釩土無優(yōu)勢，暫不考慮。魏橋北海的鋁釩土運價不高于0.085元/噸公里，但需要一定的實現(xiàn)條件。詳見表2。

表2 鋁釩土運價分析表

根據(jù)上表的分析，雖然鋁礬土近期通過黃大鐵路運輸尚無明顯優(yōu)勢，但是仍可考慮爭取魏橋北海的部分鋁礬土運量，由于鋁礬土的潛在運量巨大，年運量可達3800萬噸，所以通過營銷手段，預計可爭取到400萬噸的運量。

2.2 中期非煤貨物運量（2023年末）。考慮黃大線已經(jīng)全線開通，已經(jīng)具備通向山西、內(nèi)蒙的貨物運輸條件，對黃大鐵路非煤貨物運輸?shù)念A測及運輸條件的分析。根據(jù)黃大鐵路中期發(fā)展規(guī)劃及政策支持力度等方面分析，預計可實現(xiàn)180萬噸涉及5類非煤貨物運量，分別是氧化鋁70萬噸、原鹽10萬噸、純堿20萬噸、鉀肥5萬噸以及大豆75萬噸。

2.3 遠期非煤貨物運量分析（2025年末）。遠期需求量主要有5種貨物，分別是石油焦300萬噸、磷礦粉20萬噸、飼料5萬噸、液化品1480萬噸以及1000集裝箱輪胎。分布在濱州、東營、濰坊、煙臺等地區(qū)。上述調(diào)研數(shù)據(jù)進行匯總，得到表4中的黃大鐵路集運運量數(shù)據(jù)調(diào)研匯總數(shù)據(jù)。

表3 黃大鐵路集運運量調(diào)研數(shù)據(jù)匯總

3.黃大鐵路周邊非煤貨物預測方法設計。

重力模型是把牛頓的萬有引力定律的原理應用到未來運輸量預測中的一種預測模型，多用于流向分布。它是一種空間互動形態(tài)的模擬預測技術，利用現(xiàn)狀OD形態(tài)模擬出一種模型以預測未來OD，并將空間阻礙因素與地區(qū)增長特性一并考慮，直觀且易理解。因此本文選用重力模型對非煤貨物運輸數(shù)據(jù)進行論證。

（1）基本假設：地區(qū)運輸?shù)降貐^(qū)的貨物量與地區(qū)的貨運量、地區(qū)的貨物吸引量成正比，與地區(qū)與之間的運輸阻抗系數(shù)，如兩地區(qū)運輸距離、時間以及費用等成反比。

其中：Ni，Nj分別表示地區(qū)i和地區(qū)j的經(jīng)濟狀況（用地區(qū)年GDP表示）；dkij表示i，j地區(qū)之間的阻抗（i和j地區(qū)的運距）；η表示調(diào)節(jié)參數(shù)；

通過查閱歷史資料以及調(diào)研情況綜合已開通運輸非煤貨物運量情況得出：正向運輸參數(shù)可取α=4.11、β=-2.72；反向運輸參數(shù)可取α=0.0355，β=12.0。

（3）通過重力模型預測黃大線正向及反向運量與調(diào)研運量值做對比，結果如下表。由表4及表5對比可以看出黃大線調(diào)研運輸量與使用重力模型測算出的運量值誤差較小，調(diào)研運輸量得以論證，同時對于黃大鐵路沿線各個車站后續(xù)運輸計劃設計、調(diào)整具有實際價值。

表4 煤炭運量調(diào)研值與預測值對比表

表5 非煤反向運量調(diào)研值與預測值對比表

4.黃大鐵路周邊非煤貨物運量預測結果分析

運用上述經(jīng)過實際數(shù)據(jù)訓練的重力模型，對黃大鐵路非煤貨物運輸需求量進行預測，得到表6的數(shù)據(jù)。

表6 黃大鐵路集運運量預測數(shù)據(jù)匯總

將表4與表6中的數(shù)據(jù)進行對比，預測的數(shù)據(jù)與調(diào)研分析所得的預測得數(shù)據(jù)基本吻合，說明黃大鐵路非煤貨物運輸需求量預測數(shù)據(jù)較為可信。

結合朔黃鐵路十四五規(guī)劃朔黃鐵路2021年運量達到220萬噸，2023年運量達到500萬噸，十四五末運量達到2000萬噸的運輸目標，能夠配合其完成規(guī)劃運量。而黃大鐵路的部分預測運量疊加在朔黃鐵路上，也不會超過其通過能力。

5.結束語

通過深入黃大鐵路輻射區(qū)域重點企業(yè)，對接周邊港口及地方鐵路，對黃大鐵路周邊非煤貨物展開廣泛調(diào)研，采用調(diào)研所得的歷史數(shù)據(jù)對重力預測模型進行訓練，并利用訓練后的重力模型對黃大鐵路在2021年末、2023年末以及十四五末的反向運量進行預測，且預測所得結果具有可信性，對黃大鐵路開拓反向運輸市場的集運能力具有重要意義。

引用出處

[1]謝雨蓉,羅仁堅．以大類貨運需求分析把握未來貨運量增長趨勢[J]．綜合運輸,2009(09):65-70．

[2]王煒,楊青,郝秀強,任仰輝,邢相．新形勢下新建鐵路貨運量預測思路探討[J]．交通企業(yè)管理,2017,32(02):46-48．

[3]李娜．黃大鐵路建設需求調(diào)查與運輸能力研究[D]．石家莊鐵道大學,2018．

[4]王皓冉．國家運輸結構調(diào)整背景下的區(qū)域煤炭貨物運輸鐵路運量預測探究-以東臺鐵路為例[J]．科學技術創(chuàng)新,2020(26):185-186．

[5]胡潔瓊,李珍萍．基于時間序列的全社會貨運量預測及分析[J]．物流技術,2014(5):128-130．

[6]湯銀英,李龍．基于Holt-Winters模型的鐵路月度貨運量預測研究[J]．交通運輸工程與信息學報,2017,15(2):1-5,13．

[7]譚雪,張小強．基于GRU深度網(wǎng)絡的鐵路短期貨運量預測[J]．鐵道學報,2020,42(12):28-35．

[8]趙闖，劉凱，李電生．基于廣義回歸神經(jīng)網(wǎng)絡的貨運量預測[J]．鐵道學報,2004,26(1):12-15．

[9]梁寧,耿立艷,張占福,等．基于GRA與SVM-mixed的貨運量預測方法[J]．交通運輸系統(tǒng)工程與信息,2016,16(6):94?99．

[10]徐玉萍,鄧俊翔,蔣澤華．基于組合預測模型的鐵路貨運量預測研究[J]．鐵道科學與工程學報,2021,18(01):243-249．