我国长三角地区铁路旅客运输影响因素分析

2016-05-30谭玉顺钱心倬陶慧

科技创新导报 2016年3期

谭玉顺　钱心倬　陶慧

摘要：该文通过运用灰色关联度与信息熵融合的方法，提出了吻合度关联分析模型，在此基础上，对长三角地区铁路旅客运输的相关影响因素进行调查，采用长三角2004—2013年铁路旅客运输变更数据和相关社会经济资料，运用吻合度模型分析这些相关因素对铁路旅客运输的影响程度，并对其进行排序，从而为铁路客运发展过程中出现的一些问题提出具体的分析。

关键词：铁路运输灰色关联分析信息熵吻合度

中图分类号：N941 文献标识码：A 文章编号：1674-098X（2016）01（c）-0107-04

铁路运输是我国国民经济的基础性产業，是经济活动正常运转的基本保障。近几十年来，我国铁路旅客运输得到了长足发展，特别是高速铁路技术的快速发展，铁路网规模不断的提高，网络结构不断优化，为促进国民经济发展和社会进步做出了重大贡献[1]。铁路旅客运输受到社会经济中的多种因素的影响，综合分析各种因素对铁路旅客运输的影响程度，不但可以对铁路运输需求预测提供一定的帮助，而且通过对铁路旅客运输影响因素的分析，也可以为铁路运输和社会经济的协调发展提供可行性建议。

铁路运输系统与相关因素的定量分析一般采用回归分析、主成分分析等方法进行计算和分析其相关性，根据所建立的主要因素和与其相关的回归方程对未来趋势进行预测。但这些方法要求系统须具备大量完整的统计数据，要求样本服从典型的概率分布，且计算量较大。改革开放以来，我国铁路运输发展受到国内政策影响，各种社会、经济数据不甚完整，鉴于这种客观现实及灰色系统理论的特点，熊崇俊等（2006）运用关联法分析了民航客运影响因素[2]，刘琦（1999）运用关联法分析了铁路客流的因素分析和相关度[3]。

采用灰色关联度方法，当根据历史数据对影响铁路客运影响因素进行排序分析时，应该对关联度和均衡性两个方面加以综合考虑。已有的研究有的只分析了相关系数的均衡性问题，忽略了相关性，有的实际上是将原来的相关系数的算术平均调整为不同权重值的加权平均，并未考虑相关系数的均衡性[4-5]。耿海青等（2004）利用信息熵理论分析了城市居民家庭能源消费结构演变[6]，提出了基于信息熵的均衡度概念。该文在已有文献的基础上，运用信息熵和灰色关联理论，提出吻合度的概念，对影响铁路旅客运输系统的诸多因素进行关联分析。

1 基本方法

1.1 灰色关联度

灰色系统论是邓聚龙最先创立的，其研究的对象是“部分信息明确，部分信息未知”的“小样本，贫信息”不确定性系统，它通过对已知“部分”信息的生成去开发了解、认识现实世界，着重研究“外延明确，内涵不明确”的对象[7]。在信息不充分的条件下研究复杂系统的定量关系，学界一般采用的是邓聚龙的灰色系统论。灰色关联分析通过对系统数据序列的几何关系进行比较来判断系统中各因素间的关联程度，灰色关联度的具体算法为：

对所研究问题定性分析的基础上，确定一个因变量因素和多个自变量因素。设标准化处理变量数据构成参考列：

灰色关联熵反映了第比较序列点关联度相对分布的均匀性。若两序列关于参考序列的关联度相同时，其分布较均匀的时间序列与参考序列较吻合。

若，则说明比较序列与参考序列的灰色关联度分布最为均匀，即各个时间点的关联系数相对差值较小。

1.3 吻合度

灰色关联度反映了比较序列与参考序列总体关联程度，灰色关联熵则在总体关联度的基础上考察了比较序列与参考序列逐点关联系数的均衡性。通过分析可知，总体关联程度越高，且分布越均匀，则两序列的关联吻合度就越好。定义比较序列与参考序列的吻合度为：

若，称因素优于因素，记为。均衡系数的引入避免了量化排序时序列各点灰色关联系数的较大波动掩盖其均衡性的不足，均衡系数可以增强灰关联熵的影响作用。在不同时序的灰色关联度的基础上增加了一个均衡系数，降低了大关联系数对总关联度在排序时的影响程度。显然，由（9）得到的吻合度越大，则灰色关联度与均衡性越大。

2 铁路运输客运因素影响分析

2.1 数据统计

影响客运的因素源于诸多方面，为了较全面研究这些相关因素，该文根据客运系统的自身特点及归纳相关领域专家的意见，根据易得及可量化原则[8]，并结合铁路交通运输系统的特点，总结出可能影响铁路交通客运系统的因素，分别为：

反映运输供给能力的指标因素：运输线路的营业里程；反映宏观经济状况的指标：人均国民生产总值（万元）、国民生产总值（亿元）、第一产业总产值（亿元）、第二产业总产值（亿元）、第三产业总产值（亿元）、社会消费品零售总额（亿元）；反映社会需求的指标因素：全省总人口数（万人）、城镇化率（%）、全社会固定资产投资（亿元）、能源总消费量（万吨标准煤）、对外贸易总额（亿美元）、职工平均工资（元）、人均消费支出（元）、第三产业占比（%）、旅游人数（万人）。

以长三角铁路旅客运输为研究对象，交通运输及相关影响因素的数据均来源于《江苏统计年鉴》《浙江统计年鉴》与《上海统计年鉴》，该文选取了2004—2013年的相关数据，见表1。

2.2 铁路客运系统与相关因素的吻合度计算

将上述表格中铁路客运量记为，铁路客运周转量记为，其余的各影响因素依次记为，，，，，

，，，，，，，，，，。

取，根据前面的计算方法，得到铁路客运量与各影响因素的关联度计算结果为：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。

铁路旅客运输客运量的灰色关联熵为：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。

由此计算得到客运量的吻合度为：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。

铁路客运量与各影响因素的吻合度排序结果：

计算结果表明，影响铁路客运量的因素中第一产业产值、运营里程、职工平均工资、人均消费支出和能源消费总量等因素影响显著；总人口、城镇化率、第三产业占比、固定资产投资、第三产业产值因素对铁路客运量影响相对较小。

铁路客运周转量与各影响因素的关联度计算结果为：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。

鐵路客运周转量与各影响因素的灰色关联熵为：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。

由此计算得到的铁路客运周转量与各影响因素的吻合度为：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。

铁路客运周转量与各影响因素的吻合度排序结果：

结果表明，在铁路客运周转量关联度排序中，，因其关联度数值差别很小，通过均衡系数的引入，调整后在吻合度排序下，可以看出铁路客运周转量与各影响因素的吻合度排序结果是对灰色关联度排序的修正。

2.3 计算结果分析

根据铁路客运量、客运周转量与各影响因素的吻合度计算和排序结果，可将16个因素分为四类，具体如下：

影响铁路旅客运输的主要因素是第一产业产值、运营里程、职工平均工资、人均消费支出、能源消费总量；其次是第二产业产值、地区人均生产总值、旅游人数、国内生产总值、对外贸易；再次是社会消费品零售总额、第三产业产值、固定资产投资；最后是第三产业占比、城镇化率以及总人口数。具体分析如下：

我国铁路运输近10年来发展迅速，长三角地区铁路运输网络的不断完善，尤其是长三角城市群的中短途高速铁路的运营，铁路运输营业里程的不断增加，旅客运输供给短缺的现象有了很大程度的缓解，从而运输线路里程成为影响铁路交通旅客运输的主要因素。

长三角作为一个繁荣的经济发展带，也是工业和农业并重的地区，工业产值的增加离不开能源的消耗，因此，能源消耗总量和第一产业总值也是我国铁路交通旅客运输的主要因素。焦必方（2013）提到长三角是我国农村经济调整发展最快的地区之一，具有丰富的农业自然资源，农业现代化与新型城镇化是相辅相成的[9]，在很大程度上促进了铁路旅客运输的发展。

长三角经济总量不断扩大，人们的消费水平不断提高，消费支出不断增加也直接影响了铁路旅客运输。职工平均工资和人均消费支出在一定程度上反映了一个地区经济发展水平的程度，也反映了该地区生产力发展的状况和人们的消费观。旅客的出行的主要目的来源于生产和消费，因此反映经济发展水平的职工平均工资和人均消费支出可以影响旅客的运输需求。

随着经济的发展和人民生活水平的进一步提高，消费项目向“高级化”升级，交通出行也呈现新变化和新特征[10]，赵庆国（2013）论述了高铁产业对旅游业快速发展的影响[11]。近年来，人们的旅游热情将进一步焕发，国内旅游业也出现了快速发展的势头，因此旅游人数对对铁路旅客运输周转量的影响程度也相对较高。

由于长三角地区人口基数大，人口增长速度缓慢，人口和城镇化率相对变化较小，因而总人口和城镇化率与铁路旅客运输的吻合度较小是相对合理的。

3 结语

该文采用灰色关联度和信息熵相结合的方法对影响长三角铁路旅客运输系统的相关因素进行了分析，得到影响长三角铁路旅客运输的主要因素，该方法克服了只考虑平均关联度造成关联系数波动较大的不足。该文的研究结果可以为长三角铁路旅客运输系统的运输量预测，旅客特征行为研究提供一定的依据。

参考文献

[1] 张萌萌，孟晓晨.高速铁路对中国城市市场潜力的影响—基于铁路客运可达性的分析[J].地理科学进展，2014，33（12）：1650-1658.

[2] 熊崇俊，宁宣熙，潘颖莉.基于灰色关联理论的民航客运影响因素研究[J].统计与决策，2006（1）：52-53.

[3] 刘琦.影响铁路客流的因素及相关度分析[J].上海铁道大学学报，1999，20（20）：41-44.

[4] 刘思峰，杨英杰，吴利丰.灰色系统理论及其应用[M].5版.北京：科学出版社，2010.

[5] 吴康，韦玉春.20世纪90年代以来江苏区域发展均衡性的测度分析[J].地理科学进展，2008（1）：65-73.

[6] 耿海青，谷树忠，国冬梅.基于信息熵的城市居民家庭能源消费结构演变分析—以无锡市为例[J].自然资源学报，2004，19（2）：257-262.

[7] 邓聚龙.灰色控制系统[J].华中工学院学报，1982（3）：7-12.