基于DGM(1,1)模型的高速铁路与物流产业融合的可行性分析

摘要：本文首先引用多元线性回归分析法和离散灰色DGM（1，1）模型，对我国未来五年物流业务量进行预测，然后基于产业融合理论对高速铁路与物流业融合进行可能性分析。最后，提出开展高铁快递业务的合理化建议。

关键词：高速铁路;物流产业

1.基于多元线性回归的影响快递业务量因素分析

建立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时，称为多元线性回归分析。其基本形式如公式（1）所示：

其中：b0是回归常数;是回归参数;e是随机误差。

本文选取城镇居民家庭人均可支配收入和网络购物用户规模达两个因素作为影响快递业务量的自变量。如公式（2）所示：

y：快递业务量，x1：城镇居民家庭可支配收入，x2：网络购物用户规模。

本文引用2010-2016年城镇居民家庭可支配收入，网络购物用户规模和快递业务量三者数据，数据略从。通过SPSS软件，模型检验输出结果用回归系数及方差检验可获知：城镇居民家庭可支配收入的系数为0.01、网络购物用户规模的系数为20.78，常量为-219.54，以此建立多元线性回归模型如公式（3）：

由公式（3）可知，城镇居民家庭可支配收入和网络购物用户规模是影响快递业务量的两个重要因素

2. 基于DGM（1，1）模型对我国快递业务量进行预测

2.1 DGM（1，1）模型概述

对于离散灰色预测DGM（1，1）模型，相关资料通常定义如下：

2.2 预测快递业务量

通过分析国内高速铁路的发展以及国内快递市场的变化，基于2010年至2016年七年快递业务量的统计数据，利用DGM（1，1）模型对我国未来五年的快递业务量进行预测。定量分析出巨大的快递市场规模，分析过程如下：

（1）对原始序列的初始化，取2010-2016年的快递业务量为原始序列：X（0）={ 23.4，36.7，56.9，91.9，139.6，206.7，312.8}。

（2）对原始序列进行一次累加生成新序列：X（1）={ 23.4，60.1，117.0，208.9，348.5，555.2，868.0 }。

（3）根据式（4-3）确定参数列：β=（β1，β2）T=（1.515，2.963）T。

由于已经确定参数β1和β2，因而通过离散灰色预测模型x（1） （k+1）= β1 x（1） （k）+ β2对未来5年的快递业务量进行预测，预测结果如下：x（1）（8）=1342.98，x （1）（9）= 2062.58，x （1）（10）= 3152.77，x （1）（11）=4804.41，x （1）（12）=7306.64。基于DGM（1，1）模型对我国未来5年的快递业务量预测如下所示：2021年：1342.98亿，2022年：2062.58亿，2023年：3152.77亿，2024年：4804.41亿，2025年：7306.64亿。

由于快递量的逐年增加，现阶段的运营模式以及运载工具都无法满足未来快递量的需求，因此这种状态就为开展高铁快递业务提供了良好的契机。

3、 高速铁路和物流产业融合理论分析

产业融合是指不同产业或同一产业不同行业相互渗透、相互交叉，最终融合为一体，逐步形成新产业的动态发展过程。产业融合可分为产业渗透、产业交叉和产业重组三类。

由于高鐵具有速度快，不受航空管制、交通拥堵等因素影响，事故率较低，高速铁路具有环保、安全、高效等特点。这将成为高铁快递业有力的优势。而目前快递业自身也存在运力不足、行业内部管理混乱、暴利拆装以及快件运达不及时等一系列问题。这也就高铁快递提供了进入该行业的机会。

4、研究结论

（1）通过多元线性回归分析预测法对影响快递业务的因素进行分析。经研究后发现城镇人均居民可支配收入和网络购物用户规模是影响快递业务的两个重要因素。

（2）基于2010年至2016年七年快递业务量的统计数据，利用DGM（1，1）模型对我国未来五年的快递业务量进行预测。在对结果进行量化分析后发现：在未来的一段时间内，我国的快递业务量还将呈现不断增长的趋势。

参考文献：

[1]苏先娜，谢富纪. DGM（1，1）模型的特性及其在技术创新领域中的应用

[2]刘志. 高速铁路与快递业融合发展研究[D].北京交通大学，2014.

作者简介：张嘉珩 男 1990-01山东省莱州市人 研究生 助理工程师 研究方向：行车组织

邮寄地址：黑龙江省哈尔滨市南岗区西典家园B8 2单元 801门 15004641752张嘉珩收