基于灰色系统的福建省货运综合运输体系分析与预测

黄 虹

( 福建船政交通职业学院， 福建 福州 350000 )

0 引言

福建省地处我国东南沿海，其西北地区多山地，东南地区临海，与其他沿海省相比交通运输业相对滞后.近年来，随着福建省经济的快速发展以及海峡两岸经济合作的推进，交通运输业已成为制约福建省经济发展的瓶颈，因此亟需加快各类交通基础设施的建设.目前，已有诸多学者对综合运输体系进行了研究.例如：傅成红等[1]运用DEA评价方法对福建省2001—2010年的各运输方式中“两两运输方式”之间的协调现状及成因进行了研究，并为福建省综合运输业的发展提出了相应的建议.刘娜翠等[2]通过分析2005—2014年福建省各运输方式的平均里程系数，分析了各运输方式的优势运距.吕子文等[3]通过建立综合运输评价指标体系，采用熵值法与灰色关联分析法对影响陕西省综合运输的因素进行了关联度排序.栾鑫等[4]通过建立多层次协调性评定指标框架，运用综合发展水平模型与耦合协调度判断方法，对国内2006—2015年公路、铁路、水运、航空4类运输模式的发展进行了耦合协调性论证.然而，这些研究大多数仅是对某一地区多种运输方式之间的协调度和关联度进行了分析，而对多种运输方式的货运数据进行预测研究得较少.

近年来，灰色系统理论因其在预测研究中所需的样本数据少，且预测精度较高，被广泛应用于未来数据的预测中[5].基于此，本文应用灰色系统理论建立福建省货运相关指标的预测模型，通过分析福建省2011—2018年各种运输方式的数据，对未来11年的货运量及货物周转量进行预测，以期对福建省未来的货运综合运输体系的构建提供理论参考.

1 福建省货运综合运输体系的现状分析

货物运输通常包括公路运输、水路运输、铁路运输、航空运输和管道运输5种运输方式.一个科学的综合运输体系要依据当地的经济、地理情况来合理选择运输方式，并要使各种运输方式在整个运输过程中能够充分发挥各自的技术优势，从而达到最大的经济效能.由于管道运输的运输对象较为特殊(只能运输气体、液体等)，难以与其他4种运输方式进行对比，故本文在研究中未考虑管道运输.

根据《福建统计年鉴》，本文统计了2011—2018年福建省公路、水路、铁路、航空4种运输方式的货运量及其货物周转量数据(表1)，各种运输方式货运量的完成比例如表2所示.

表1 2011—2018年福建省4种运输方式的货运量及其货物周转量

表2 2011—2018年福建省各种运输方式货运量的完成比例 %

从表1和表2可以看出，2011—2018年福建省在各种货运方式中，公路运输的货运量占比最大(超过70%)，该结果与福建省日益完善的公路网密不可分.例如：截至2018年底，福建省高速公路通车总里程达5 344 km，路网密度已达到发达国家水平[6].从水路运输上看，因福建省水路运输较为便捷，其货运量的占比始终居于第二位(保持在25%左右).从铁路运输上看，货运量所占比例呈逐渐减小趋势，其主要原因为目前福建省的铁路货运体系还不够完善，导致铁路货运能力有限[7].从航空运输方面看，福建省目前的空运能力可基本满足人们对货运时效性的需求，货运量占比稳定在0.02%.

2 福建省货运综合运输体系的发展预测

根据表1中的货运数据，利用灰色预测法建立以4种运输方式的货运量和货物周转量(Q1—Q8)为研究对象的预测模型，以此预测福建省未来11年的货运量、货物周转量和货运运距.

2.1 原始数据及其检验

2.1.1确定原始数列及新数列 设所要预测的某项指标的原始数列为

X(0)=(x(0)(1)，x(0)(2)，…,x(0)(n-1)，x(0)(n)).

为了弱化原始数据的随机性，对X(0)进行一次累加(AGO)，得到新数列

X(1)=(x(1)(1)，x(1)(2)，…,x(1)(n-1)，x(1)(n)).

表3 指标Q1— Q8的级比

2.2 建立GM(1，1)模型

对新数列X(1)进行建模，得到灰色预测的微分方程为

其中a为发展系数，b为灰色作用量.通过最小二乘法求得

(1)

表4 指标Q1— Q8所对应的a值和b值

2.3 精度检验及预测

表5 2011—2018年福建省公路货运量Q1模型的残差和相对误差

表6 2011—2018年福建省铁路货运量Q2模型的残差和相对误差

表7 2011—2018年福建省水路货运量Q3模型的残差和相对误差

表8 2011—2018年福建省航空货运量Q4模型的残差和相对误差

表9 2011—2018年福建省公路货物周转量Q5模型的残差和相对误差

表10 2011—2018年福建省铁路货物周转量Q6模型的残差和相对误差

表11 2011—2018年福建省水路货物周转量Q7模型的残差和相对误差

表12 2011—2018年福建省航空货物周转量Q8模型的残差和相对误差

利用表5 —12中的历年原始数据与预测模拟值的相对误差，计算每个指标(Q1—Q8)的相对误差平均值，分别为：3.82%、7.66%、1.15%、0.97%、2.02%、6.96%、2.53%、5.52%.从计算结果可以看出，除指标Q2和Q6的相对误差平均值较高外(因灰色预测方法难以对波动性较大的数据进行精确预测)，其他指标的相对误差平均值都较低.由此表明本文所建立的预测模型检测精度较高，可应用于后续货运指标的预测.

(2)

(3)

均方差比值C及小误差频率p的计算公式分别为：

C=S2/S1，

(4)

(5)

根据公式(2)—(5)计算出每个指标的预测模型所对应的S1、S2、C、p， 结果见表13.

表13 Q1— Q8的预测模型对各参数的精度检验结果

将表13中Q1—Q8的C、p值与表14进行对比可以看出，在2组精度检验(即16个数据)中，表示“好”的有14个数据，表示“合格”—“好”之间的数据有2个，且这2个数据都出现在Q2指标上，这说明灰色预测法在波动性较强的数列中虽然预测精度相对较低，但预测精度仍在合格范围内.因此从整体来看，该模型的预测精度较好，可以对指标Q1—Q8进行预测.

表14 灰色预测精度检验等级参照表[9]

2.3.2数据预测 根据上述建立的福建省货运数据预测模型，本文以2020、2025、2030年为例，预测福建省未来11年Q1—Q8指标的值和各年的平均增长率，结果见表15.由表15可以看出，除了铁路货运量Q2和铁路货物周转量Q6外，其他指标均呈上升趋势；在货运量指标中水路货运量Q3增长得最快，其次是公路货运量Q1.由此可知，今后福建省货运市场的主要运力依旧是水路和公路运输；在货物周转量指标中，增长最快的是航空货物周转量Q8，其次是水路货物周转量Q7.

表15 2020、2025、2030年福建省各运输方式货物运输量的预测值

在选择和比较运输方式时，除了要考虑货物的运量外，还需考虑货物运输的平均运距.根据表15中货运量与货物周转量的预测值，可计算出4种运输方式的货运平均运距，如表16所示.由表16可以看出，全省总货运平均运距呈逐年增加趋势，至2030年预计可达993 km，其中航空、水路、公路货运的平均运距和增长率均为增加趋势，但铁路货运的平均运距呈下降趋势.

表16 2020、2025、2030年福建省各运输方式货物运输平均运距的预测值

3 结论

本文以2011—2018年福建省公路、水路、铁路、航空4种运输方式的货运量及货物周转量数据为基础，运用灰色系统理论对福建省未来11年的4种运输方式的货运量及货物周转量进行了预测.预测结果表明，在未来11年内，福建省公路、水路、航空运输的货运量及货物周转量均维持良好的增长态势，而铁路运输的货运量及货物周转量将继续呈下降趋势.本文在研究过程中仅采用了单一的灰色系统预测法，虽然取得了较高的预测精度，但该方法对波动性较大的时间序列数据的预测精度相对较低(例如本研究中的Q2和Q6数列)，因此在今后的研究中将结合其他方法对波动性较大的时间序列进行有效处理，以期为福建省综合货运体系的构建提供更好的预测模型.