铁路货运定价辅助决策系统研究

2018-03-15汪波

铁道经济研究 2018年1期

汪波

（西南交通大学交通运输与物流学院硕士研究生，四川成都，610031）

0 引言

近年来，随着运输市场的发展，来自公路和航空业的竞争压力不断加大，由于铁路自身的缺陷和体制问题，铁路竞争力不如公路和航空。铁路在2013年进行改革，将铁道部一拆为二，成立国家铁路局和中国铁路总公司，前者受国家交通运输部管理，行使行政职责，后者则担任企业职责，实现政企分离。在市场化运作当中，价格则是十分重要的元素，价格制定是否合理直接影响到企业的收益。因此，必须根据市场环境变化以及国家政策、法规，合理制定运价，并且做到及时调整，才能使铁路获得最大的利益。

1 铁路货运定价辅助决策系统建设的需求

铁路自2013年实行“货改”政策以来，逐步实现去行政化，参与市场化企业竞争。目前我国铁路货运定价体系存在的问题：

1）铁路缺乏市场化货运定价机制。铁路货运定价在2014年之前一直实行政府定价，运价水平长期偏低，价格滞后且长期不变。由于种种历史原因造成铁路运价形成机制不完善，与公路、水运、航空等其他运输方式的比价关系不合理，货运市场价格形成机制缺乏市场化因素[1]。2014年2月15日起，铁路货运运价由政府定价改为政府指导价。2015年2月，国家发展和改革委员会明确铁路运输企业可以根据市场供求状况自主确定具体运价水平，在基准价的基础上允许上浮不超过10%(运价上浮政策自 2015年 8月 1日起实行)，下浮不限[2]。

2）铁路货运“一口价”体系不完善。铁路自货改后实行“门到门”运输，对运输过程中产生的运费实行“一口价”，简化运输办理手续，做到公正、透明收费。但在实际执行过程中，仍存在一些问题和制约因素，如企业专用线(专用铁路)的使用费，非铁路产权的站台、仓库或场地租赁费，以及非铁路方收取的装卸费等其他费用[3]，并没有纳入到“一口价”中。

3）运价号过多，价格差异较大。以整车为例，整车货物按照品类性质分为26个大类，根据具体的品名分别适用1—7运价号，运费依次增加（7号除外）。最高的6号运价要比最低的1号运价高出82%。若考虑基金因素，最大运费差异可达2.1倍[4]。

4）铁路内部出现博弈竞价。部分大宗货源如铁矿石、煤炭可以通过各种交通方式组合，形成多种运输通道，在铁路局间形成竞争性关系，铁路局/站段间为争拉货源相互博弈竞价，将在铁路内部形成不利竞争的局面，最终导致铁路货运整体收益的损失[5]。

在货运市场竞争日益激烈的背景下，铁路自上而下改革，不断完善自身体系，通过合理化定价策略提升铁路市场竞争力。鉴于当前铁路定价体系的缺陷，铁路需要一套系统化的、完整的、科学有效的货运运价制定系统。

铁路货运定价辅助决策系统是在铁路现有系统的基础上，整合行业现有数据和历史数据，利用数据仓库和决策支持系统（DSS）等技术，为决策者提供科学完整、直观有效的数据分析，并提供合理定价水平和浮动范围，以提高铁路货运效益和竞争力。

系统设计的目标：

1）对现有数据和历史数据进行分析，预测未来货运量；

2）依靠模型库和专家建议，分析市场动态，合理管理客户关系；

3）合理化定价，并给出浮动范围，拥有价格预警机制；

4）贯通铁路货运各大系统，实现内部数据共享，降低运营成本，提高收益。

2 系统功能模块分析

本文基于数据仓库建立铁路货运定价辅助决策系统，实现跨平台数据集中、多部门信息共享以及综合信息决策支持，实现合理定价、科学决策。

系统功能模块如图1。

图1 铁路货运定价辅助决策系统功能模块

该系统分为七大功能模块，各模块功能如下：

1）原有系统。铁路货运定价辅助决策系统应与铁路原有系统连接，与货运相关的系统有TMIS（铁路运输管理信息系统）、18点系统、FMOS（货运营销与生产管理系统）、货票系统、货调系统、货运电子商务系统等。原有系统数据可通过ODBC或JDBC接口提取，或通过基于XML的中间件提取。系统通过ETL、OLAP以及数据挖掘技术对铁路货运内部数据整合、分析，提高内部运作效率，降低成本。

2）运量预测。铁路货运量是运价制定的重要依据，铁路局内部是主要货运数据来源。铁路局日常运营各项资料、报表，对货票系统的数据进行分析处理，从总量上按品类、去向、车种分析铁路运量构成，并且对集装箱、零担、货场、专用线从多个维度进行专项统计分析[6]。运量预测需要大量的现有数据和历史数据，再根据相应预测模型进行预测，预测数据用于辅助定价。常见的预测模型有：灰色预测模型、回归分析预测模型、时间序列法、BP神经网络预测法等。

3）效益分析。效益分析包括货运运营收入分析和运输成本分析。将不同品类、运输地点、运输流向和车种货物的收入分类分析，并根据市场经济情况和铁路运输历史数据预测运输市场趋势，为货运定价提供依据。铁路局运输成本可分为运营成本、期间费用（包括管理费用、财务费用）、营业外支出和资本成本等，成本分析是制定运输基价的依据。

4）市场分析。运输市场分析包括铁路货运市场分析和客户管理。铁路货运市场分析包括货主的货物品类、流向、市场占有率分析,对货主忠诚度的动态分析等,对货源组织及分析提供辅助决策支持[7]。客户管理是根据中国铁路总公司、地方政府确定的重点物资和重点企业按大客户、重点物资客户和一般客户将客户细分,建立客户档案，目的是为了稳定现有用户，挽回失去用户，争取潜在用户。对这类大客户可制定优惠价格，如期权定价。

5）辅助定价。铁路货运定价模式主要有浮动定价和期权定价。浮动定价主要根据运输成本、运输收入等数据，还要考虑运输市场未来发展趋势，国家法规政策影响，再通过浮动定价模型合理制定运输基价和运价浮动范围。期权定价主要针对长期的大客户以及重点货物客户，是铁路与客户签署一份期权合约，在约定期限内铁路以更优惠、稳定的价格吸引客户需求，互惠互利。

6）预警分析。一个合理的定价系统能够实现即时动态定价，并有预警分析。合理定价允许各铁路局在运输基价的基础上有一定的价格浮动，考虑运输货物种类、所用车辆、不同线路、运到期限、淡季旺季等，必须有预警分析保证运价水平符合当前运输情况。预警分析包括市场预警、需求预警、运量预警、客户预警和运价预警。

7）系统维护。系统开发完毕投入使用过程中会出现许多问题，因此系统应当便于维护，随着外界环境变化以及用户需求提高，系统应当便于升级。

3 系统总体框架结构设计

铁路货运定价辅助决策系统是基于数据仓库和DSS技术，建立运价综合数据库，结合各类定价模型，能够实现数据管理和交换，有效联系系统各个功能模块，做到数据信息及时更新、录入，且具有良好的保密性的综合智能系统。

3.1 系统总体框架结构

一个决策支持系统（DSS）一般具有数据管理子系统、模型库系统、知识库系统和用户界面（人机交互子系统）4个子系统。本文铁路货运定价辅助决策系统基于Windows 2000操作平台，采用Windows SQL Server 2005系统构建数据仓库。系统设计采用B/S模式，客户端采用IE9.0浏览器，运用J2EE技术，结合Web-XML的统计处理能力，整合铁路货运运价成本、运营收入、货运周转量等运营相关数据，在Web平台上实现货运运价数据查询、修改、分析，

最终实现辅助定价。系统框架结构如图2。

图2 铁路货运定价辅助决策系统体系结构

3.2 用户界面子系统

用户界面子系统是实现用户与系统交互的界面。用户通过该界面向系统传达指令或要求，系统根据自身设定的功能输出用户所需结果。用户界面子系统是一个Web浏览器，是一个软件。用户通过Web浏览器发送指令给Web服务器，Web服务器从数据仓库中提取所需数据，再通过客户端扩展生成HTML格式页面，发送给Web浏览器，呈现给用户。客户端的扩展可用Java和JavaScript语言编程。

3.3 数据仓库

数据仓库（Date Warehouse）是一个面向主题的、集成的、稳定的、不同时间的数据集合，用于支持经营管理中决策制定过程[8]。数据仓库结构包括当前基本数据、历史基本数据、轻度综合数据、高度综合数据、元数据。

3.3.1数据采集与构建数据缓冲层

数据采集是制定运价的基础。铁路货运数据来源主要有以下几个方面：

1）铁路局内部。铁路局内部是主要货运数据来源，包括TMIS（铁路运输管理信息系统）、18点系统、FMOS（货运营销与生产管理系统）、货票系统、货调系统、货运电子商务系统等的资料、报表。

2）货运市场。货运市场是各类运价数据的直接来源，包括市场的供求关系、其他运输方式的竞争状况、当前市场的运营情况等。

3）其他铁路运输企业。铁路局作为现代化企业运营，定价必须要考虑其他运营企业的价格、行业平均资产收益率、其他企业运营状况等。

4）国家政府管理部门。铁路局作为国有企业，其各项政策、规定制定应当遵循国家相关法律、法规。国家的相关政策法规对铁路发展起着直接指导和宏观调控作用。

由于铁路货运数据量庞大，且需要考虑未来更多数据的导入，减小ETL过程对系统运行的影响，采用建立数据缓冲层，同时提供系统一个可操作的数据层面。

3.3.2数据仓库体系结构

数据仓库作为各类数据信息存储的空间，对各类信息按相应主题集中存储，并不断刷新、保存历史数据，为决策系统提供数据支持。同时数据仓库还包括模型库和专家库。数据仓库体系结构如图3。

图3 数据仓库体系结构

3.3.3数据仓库逻辑结构设计

系统数据仓库逻辑结构设计采用星型模型，其结构由事实表和维表两部分组成，如图4。

图4 数据仓库逻辑结构图

3.3.4数据ETL过程

数据加载入库采用ETL模式，定期加载更新数据。

3.3.5模型库

模型库是包含铁路货运定价模型、方法的软件包，为铁路货运定价数据处理提供定性、定量的方法，它是系统构建的知识支撑。系统使用的模型主要有：

·市场/客户细分模型；

·客户行为分析模型；

·市场SWOT分析矩阵模型；

·竞争对手分析模型；

·经济影响分析模型；

·货运运量预测模型；

·客户生命周期预测模型；

·货运服务周期预测模型；

·运输定价模型等。

3.3.6专家分析

专家分析是为了弥补单纯模型定价的缺陷，考虑实时市场动态、国家相关政策法规，灵活定价，合理定价，为决策者提供正确的定价意见。

3.4 系统分析、决策支持层

系统分析、决策支持层是系统的核心部分，利用数据仓库、联机分析处理和数据挖掘技术，实现对数据全面分析，深度挖掘数据隐藏的规律，为决策者提供科学可靠的统计分析和决策计划支持。

3.4.1联机分析处理（OLAP）

数据仓库的许多工作和技术实施都是为了输出分析结果，为管理决策提供技术支持，联机分析处理主要是对共享的多维信息进行快速分析。对所有来自操作型事务处理数据库的数据进行转换，通过一系列总计、凝聚、计算、整合将数据变为智能信息，变为高度综合的、多维的总计方阵形式，以用于动态、全面的查询和分析[9]。

3.4.2数据挖掘

数据挖掘是指应用统计分析、模型和数据库技术，从数据中发现未知的隐含关系，建立预测模型，并预测未来的结果。数据挖掘和OLAP相辅相成，数据挖掘能够发现 OLAP不能发现的更为复杂和细致的问题，而OLAP能够迅速地告诉我们系统过去和现在是怎样的，从而能够帮助我们更好地理解数据，加快知识发现过程，并能迅速验证数据挖掘发现的结果是否合理[10]。利用数据挖掘技术可以实现对数据关联分析、聚类分析、分类、预测、时序模式和偏差分析等。

3.4.3辅助定价

通过OLAP技术实现对数据全面分析、处理，通过数据挖掘技术实现对数据进一步分析、揭示隐藏规律，并预测未来发展趋势，再结合模型库提供的各类模型，确定铁路货运定价的基准运价和运价浮动范围。铁路货运定价流程见图5。