铁路零散货物快运列车开行效果评价方法

张平升，李夏苗，苟　敏

(中南大学 交通运输工程学院，湖南 长沙 410075)

随着我国经济的快速发展和产业结构的升级调整，运输市场的需求结构也发生了明显变化。为了满足零散货物运输市场需求，降低社会物流成本，提高铁路货运市场竞争力，2014年9月，铁总组织各铁路局开行货物快运列车。货物快运是指以高附加值货物为主要服务对象，对运输送达时间和运输质量要求较高，按“固定车次、固定始发时间、固定运行区段、固定编组内容、固定作业地点”的“五固定”客运化组织模式，实现快速、准确、安全、便捷地将货物运达目的地的铁路运输产品[1]。各局陆续推出各具特色的零散快运班列品牌。现有研究主要集中于快运发展对策、服务网络、开行方案等方面[1−3]，更多地关注列车开行前的方案规划设计，而对开行后的运营效果关注甚少。列车开行效果评价有助于检验现行方案的运营状况，了解列车的开行效果，总结经验教训，为开行方案的改进提供支持。常用的评价方法有层次分析法、模糊综合评价法、DEA法和 BP神经网络等[4−6]。列车开行效果评价涉及多个方面，涵盖指标多。模糊综合评价法可有效反映对象的一些不确定性特征，但计算过程较复杂且指标权重的确定还需要借助其他方法。投影寻踪评价模型是一种集指标权重计算与目标决策于一体的评价模型，其思想是将高维数据投影到低维空间上，找出最能反映高维数据结构特征的投影，从而达到分析高维数据的目的[7]。它是一种直接由样本数据驱动的探索性数据分析方法，可以排除与数据结构、特征无关的，或关系很小的变量的干扰，被广泛用于数据分析和评价[7−9]。将模糊综合评价法与投影寻踪法结合能有效发挥两者的优势。在分析零散货物快运(简称零散快运)特征的基础上，构建零散快运列车开行效果评价指标体系，建立模糊投影寻踪评价模型，以期客观分析零散快运列车的开行效果，为铁路部门管理决策提供理论依据。

1　零散快运列车开行效果评价指标体系

1.1　零散货物快运

零散快运的运输对象多是来自电子通信、医药、精密仪器、家电、高档服装等行业的高附加值物品，相比“协议运输物资”而言，具有零散性。零散货物在运输中表现出品类多、时间敏感度高、价格敏感度低、个性化需求强、对服务质量要求高等特征。它与铁路零担货物运输有着本质区别，与普通货物运输在运输组织方面也存在差异。

1) 零担货物运输注重零担整装的运输组织，从而在一定程度上降低了货运速度与货运质量，在营销观念上展现出明显的生产观念和产品观念的特性，注重卖方而忽略买方需求，难以满足客户需求。零散快运则以市场需求为导向，注重满足货主的运输需求的时效特征。提供多种办理方式，简化办理手续，敞开收货，随到随运，提供“门到门”全程物流服务，运价灵活，定价贴近市场。

2) 普通货运采用集结式编组，而零散快运实行“固定车次、固定始发时间、固定运行区段、固定编组内容、固定作业地点”的客运化组织模式。普通货物列车开行有满重或满长要求，途中进行有解编作业，通常需较长的车流集结时间；而零散快运无需“满轴”，多采取循环径路或往返径路，固定车底循环运行，途中进行装卸或摘挂作业，注重面向市场和提高服务质量，以实现货物的快速、便捷、准时、安全送达。

零散快运是铁路货运改革的重要部分，组织零散快运有利于扩大铁路货运服务覆盖范围、提高市场份额、为货主提供高质量运输服务、降低全社会综合物流成本。

1.2　零散快运列车开行效果分析

对列车开行效果评价的主要内容是分析其产生的综合效益大小，提高经济效益是企业开行快运班列的主要目的。考虑到铁路运输在国民经济中的重要作用和地位，注重这种经济效益的同时，也须兼顾社会效益。

从不同角度看，开行效果衡量的标准有所差别。从货运生产部门的角度看，零散快运列车的开行效果是指开行本次列车所带来的直接利润；从企业的市场角度看，开行效果还包括列车开行对铁路市场竞争力的提升影响；从社会的角度看，开行效果还有列车开行为社会带来的经济效益和环境效益等。因此，列车开行所产生的效果可分为经济效益、市场效益和社会效益，且3种效益具有关联性。一般情况下，经过一段时间的市场培育，列车开行的市场效益和社会效益往往会逐步转化为经济效益。

在运能短缺的环境下，我国铁路比较货运重视效率、经济类指标，而较少关注货主满意度和产品市场竞争力等指标。零散快运作为铁路市场化的重要产品，更加注重满足货主需求，提升服务质量，提高产品竞争力。我国零散快运起步较晚，现在大部分列车的经济效益并不显著，运营中还存在一定的争议。因此，对零散快运列车开行要进行科学评价，有必要综合考虑其产生的由经济效益、市场效益和社会效益构成的综合效益。

1.3　评价指标体系构建

遵循综合评价和指标体系构建的原则，基于已有相关成果和现场调研[10−12]，构建的零散快运列车开行效果评价指标体系如图1所示。

图1 铁路零散货物快运列车开行效果评价指标体系Fig.1　Evaluation index system of operation effect of railway fragmented cargo express freight train

图1中，列车竞争力是指该列车优于其他列车或运输方式的程度，零散快运面向灵活多变的零散快运需求，面临激烈的市场竞争，提高列车竞争力至关重要，主要包括因该列车开行而吸引的潜在货流市场的增大、市场份额的增加，以及应对外界风险的能力(如：运输需求突增时能够尽可能满足运输需求的能力；运输环境突变时快速调整开行方案，且对现行铁路运输造成不良影响尽可能小的能力)。网络效益是指对整个运输服务网络的影响，一是促进与外局套环交接作业，完善零散快运服务网络和提高与其他运输方式联合运输便捷度(如：与公路运输合作完成“门到门”运输的能力)等正面效应；另一方面是对其他列车造成的负面效应。货主满意度指货主对运输服务的满意程度。国民经济效益是指给整个国民经济和沿线地区的经贸往来、物资流通等带来的促进作用，降低社会物流成本等。环境效益是指快运相比公路运输少产生的对环境的负面影响，如：因快运列车开行，相比汽车对沿线减少的大气污染和缓解的交通拥堵效应。零散快运作为铁路货运向现代物流企业转型的重要措施，应多向优秀的物流企业学习，物流企业常采用“计件收费”的方式，加上零散货物“小批量、零散性”等特征，有必要以“件”为统计单位，故将“完成件数”纳入评价指标体系中。

图中的定量指标可通过运营统计数据获得，货主满意度可通过问卷调查结果获得，其他定性指标则由相应专业人员评定。

2　模糊投影寻踪评价模型

将模糊综合评价得到的模糊评价矩阵作为投影寻踪技术的样本数据，通过投影降维，将各指标对各评价等级的隶属度综合成评价对象整体对各评价等级的隶属度，并根据隶属度和综合评价值进行评价。

2.1　建立模糊评价矩阵

2.1.1确定因素集

2.1.2 确定评语集

评语集是评价者对评价对象可能做出的评价结果所组成的集合，记为： V = { v1,v2,… ,vn}，vi表示第i个评语等级，n为等级数。

2.1.3建立模糊评价矩阵

2.2　确定最佳单位投影方向a*

寻找将模糊评价矩阵从p维降至一维的最佳单位投影方向a*。

2.2.1构造投影指标函数Q(a)

利用投影寻踪技术把 p维数据{ xij|i =1,2… ,n ; j = 1,2… , p}综合成以 a = { a1,a2,… ,ap}为投影方向的一维投影值zi。

在综合投影指标值时，要求投影值的散布特征为：局部投影点尽可能密集，最好凝聚成若干个点团，而在整体上投影点团之间尽可能散开[15]。因此，投影指标函数Q(a)可表示为

式中：Sz为一维投影值zi的标准差，表征投影点整体稀疏度；Dz为zi的局部密度，表征投影点局部密集度，即

式(3)～(4)中：E(z)为 zi的平均值；R 为局部密度的窗口半径，它的选取既不能太小以致分布在窗口内投影数量过少，也不能太大导致聚类效果转劣。研究表明[9]，max(rij)，一般取 R=p；rij为样本间距离，；u(t)为单位跳跃函数，若 t ≥ 0 ，其值取1，否则为0。

2.2.2优化投影指标函数Q(a)

通过求解投影指标函数最大值来寻找最佳投影方向。

目标函数

主观性约束条件

如果决策者对某个指标存在偏好，可通过添加主观性约束条件来实现。式(7)表示决策者对k指标的偏好超出对其他指标的偏好。

2.2.3算法求解

上述模型是以{aj, j = 1 ,2 … , p}为优化变量的复杂线性优化问题，可应用基于实数编码的加速遗传算法(RAGA)求解，RAGA是遗传算法的一种改进算法，它利用进化过程中产生的优秀个体逐步调整优化变量的搜索空间，从而快速收敛于最优解[13]。

以Max()Qa为目标函数，各指标的投影aj为优化变量，按照图2计算步骤，运用matlab软件迭代求解。

通过上述步骤可以得到初始最佳投影方向 a，将其按式(8)归一化，得到最佳单位投影方向 a*=

2.3　综合评判

2.3.1单一对象评价

将最佳单位投影方向a*代入式(1)，得到i级评语的投影值(i = 1 ,2,… ,n )，zi展现了所有因素对评价等级i的隶属度，通过投影从p维降至一维后的数据特征。评价对象整体上对各评价等级的隶属度为 Z = {}。根据最大隶属度原则，最大的所对应的等级为该对象的评语等级。也可以通过j指标i等级的投影分量来分析评价对象各因素对整体评价结果的贡献情况。

图2　RAGA计算步骤流程图Fig.2　Flow chart of real coded accelerating genetic algorithm calculating step

2.3.2多对象评价

当多个评价对象进行评价时，可以通过给各等级赋予一定的秩 Y =，计算评价对象的综合评价值E，根据E值的大小进行优劣排序。

3　实例分析

根据调研的资料，以下选取某局管内运行的 4次零散快运列车(分别记为：L1，L2，L3和 L4)为对象，依据模糊投影寻踪评价模型的上述步骤，对它们的开行效果进行评价分析。

3.1　单一列车开行效果评价

1) 根据图1确定由16个评价指标组成的评价因素集：

3) 根据L1实际运营数据、运营期望值、开行方案设计目标及货主满意度问卷调查结果等调研资料，邀请到 10位专家对其进行等级评定，从而确定了模糊评价矩阵X(1)。

4) 建立模糊投影寻踪评价模型，由于运营收入是企业发展的基础和追求的目标，可以认为是最重要的指标，因此，在模型中增加主观性约束条件。用matlabR2014a软件编程进行迭代求解，选定初始种群规模为n=400，交叉概率Pc=0.80，变异概率 pm=0.80，优秀个体数目选定为 20个，α=0.05，加速次数为 20，得出最大投影指标值为1.322 8，最佳投影方向为 a=(0.340 0，0.211 1，0.284 1，0.317 1，0.251 6，0.288 8，0.339 5，0.326 4，0.306 4，0.385 7，0.109 5，0.066 2，0.058 8，0.122 7，0.078 0，0.080 3)。由式(8)得最佳单位投影方向a*=(0.095 3，0.059 2，0.079 7，0.088 9，0.070 6，0.081 0，0.095 2，0.091 5，0.085 9，0.108 2，0.030 7，0.018 6，0.016 5，0.034 4，0.021 9，0.022 5)。

5) 由式(1)得L1对5个评价等级隶属度的综合投影值 Z(1)=(0.022 2，0.343 0，0.488 1，0.133 0，0.013 9)，其中最大值为 0.488 1，对应等级是“一般”，因此，L1次零散快运列车开行效果为“一般”。

3.2　多次列车开行效果评价

根据调研资料和上述单一列车评价过程，得到其他3次零散快运列车开行效果的相关指标值。

L2：Z(2)=(0.006 9，0.213 1，0.553 9，0.213 1，0.013 1)，开行效果“一般”；

L3：Z(3)=(0.029 1，0.328 0，0.458 4，0.166 8，0.017 5)，开行效果“一般”；

L4：Z(4)=(0.006 9，0.042 7，0.292 4，0.574 2，0.083 9)，开行效果“较好”。

用 Y = ｛ 1, 2 ,3,4,5｝ 作为评价等级{差，较差，一般，较好，好}的秩，通过式(9)得到各次零散快运列车综合评价值：E(1)=2.77，E(2)=3.01，E(3)=2.82，E(4)=3.69，由于 E ( 4) ＞ E ( 2) ＞ E ( 3) ＞ E (1)，因此4条线上零散快运列车开行效果的优劣顺序为：L4最优，其次是L2，接着是L3，L1最差。评价结果见表1。

表1　评价结果Table1　Evaluation results

实际上，L1，L2和L3分别是运行在3条环线上列车(简称“三环”列车)，开行效果一般；L4是运行在武汉与十堰间的往返列车，开行效果较好。整体来看，该局的4次快运列车开行效果都达到了“一般”水平，可以继续开行。但“三环”列车综合得分较低，特别是L1和L3次列车的开行效果尽管可算作一般水平，但是综合评分不足 3.0，倾向于“较差”，开行效果不够理想。因此，必须尽快采取措施提高其开行效益，而“三环”列车在各指标上的投影分量值普遍较低，若要提高其开行效果，可以优化开行方案，提高旅行速度；加强货运营销，提高货运量；注重服务质量，提高货主满意度。对于 L4次列车则主要是吸引回程货流，减少空车走行。

4　结论

1) 模型由模糊综合评价和改进的投影寻踪模型融合而来，既能较好地表述不确定性信息，又能有效处理评价指标过多的情况。在传统投影寻踪模型中加入了决策者主观偏好，体现了主观与客观结合。

2) 本文的评价方法既能评价单一零散快运列车的开行效果，又能评价多次班列的开行效果。

3) 通过具体实例验证了本文评价指标体系和评价方法的有效性，并根据评价结果指明了提高快运列车开行效益的方向。

4) 本文评价指标数据是不断更新、动态变化的，定期收集相关指标数据，动态评价零散快运列车的开行效果，更有利于科学决策。