中国商品车铁路运输竞争力分析--以京津冀地区为例

引用本文

李世琦, 郎茂祥, 于雪峤, 卢越, 李成立. 中国商品车铁路运输竞争力分析--以京津冀地区为例[J]. 北京交通大学学报, 2020,44(1): 49-56.
LI Shiqi, LANG Maoxiang, YU Xueqiao, LU Yue, LI Chengli. Competitiveness analysis of commercial vehicle railway transportation in China:a case study of Beijing-Tianjin-Hebei region[J]. JOURNAL OF BEIJING JIAOTONG UNIVERSITY, 2020,44(1): 49-56.
Doi:10.11860/j.issn.1673-0291.20190054 复制到剪切板

Permissions

北京交通大学学报编辑部所有

中国商品车铁路运输竞争力分析--以京津冀地区为例

李世琦^1a,^1b, 郎茂祥^1a,^1b, 于雪峤², 卢越^1a,^1b, 李成立³

1.北京交通大学 a.交通运输学院, b.综合交通运输大数据应用技术交通运输行业重点实验室,北京 100044

2.中国铁道科学研究院集团有限公司运输及经济研究所,北京 100081

3.吉林省白城市洮北区保障性住房管理中心,吉林白城 137000

通信作者:郎茂祥(1969—),男,山东聊城人,教授,博士,博士生导师.email:mxlang@bjtu.edu.cn.

第一作者:李世琦(1993—),男,吉林白城人,博士生.研究方向为运输与物流.email:lishiqi@bjtu.edu.cn.

收稿日期: 2019-05-08

基金: 国家重点研发计划(2018YFB1201402,2016YFE0201700)

摘要

在交通运输业积极推进运输结构调整、优化货物运输结构背景下,以商品车运输为研究对象,基于随机效用理论,构建包含经济性、时效性、环保性的多项Logit离散选择模型,计算商品车铁路运输和公路运输的市场分担率.以京津冀地区为例,结合京津冀地区的商品车铁路及公路运输现状,量化分析商品车铁路运输的优势运距及其竞争力.结果表明:商品车铁路运输的优势运距在390~400 km以上,且公路运价率、铁路基价2以及铁路两端短驳运费率等因素对商品车铁路运输的市场分担率影响较大.最后提出了提升商品车铁路运输市场竞争力的相应措施.

关键词: 铁路运输; 竞争力分析; 多项Logit模型; 商品车运输; 灵敏度分析

中图分类号:U268.6 文献标志码:A 文章编号:1673-0291(2020)01-0049-08

Competitiveness analysis of commercial vehicle railway transportation in China:a case study of Beijing-Tianjin-Hebei region

LI Shiqi^1a,^1b, LANG Maoxiang^1a,^1b, YU Xueqiao², LU Yue^1a,^1b, LI Chengli³

1a. School of Traffic and Transportation, 1b. Key Laboratory of Transport Industry of Big Data Application Technologies for Comprehensive Transport, Beijing Jiaotong University, Beijing 100044, China

2. Transportation and Economics Research Institute, China Academy of Railway Sciences Corporation Limited,Beijing 100081, China

3. Taobei District Indemnificatory Housing Management Center, Baicheng Jilin 137000, China

Fund:National Key R&D Plan(2018YFB1201402,2016YFE0201700)

Abstract

The transportation industry is actively promoting the adjustment of transportation structure and optimizing the structure of cargo transportation.Under this background, the paper studies the commercial vehicle transportation.According to stochastic utility theory,the multinomial Logit discrete choice model that considers factors of economy,timeliness,and environmental protection is built.According to the model,the market share of commercial vehicle in railway transportation and road transportation are calculated.According to the current condition of commercial vehicle in railway and road transportation in Beijing-Tianjin-Hebei region,the advantageous load distance and competitiveness of commercial vehicle railway transportation are analyzed.The results show that the advantageous load distance of commercial vehicle railway transportation is above 390~400 km; factors such as the road freight rate, the second part of the railway freight rate and the short-distance freight rate at both ends of the railway have a great impact on the market share of commercial vehicle railway transportation. Finally, the measures to improve the competitiveness of the commercial vehicle railway transportation are put forward.

Keyword: railway transportation; competitiveness analysis; multinomial Logit model; commercial vehicle transportation; sensitivity analysis

文章图片

随着我国经济转向高质量发展, 交通运输业提出以供给侧结构性改革为主线, 减少公路运输量, 增加铁路运输量.铁路提升货运服务水平, 深化运价市场化改革, 公路强化货运车辆超限超载治理, 加快促进物流运输节能减排, 以保障交通运输行业的健康稳定发展.与此同时, 2018年中华人民共和国国务院办公厅发布国办发〔2018〕91号《推进运输结构调整三年行动计划(2018— 2020年)》^[1], 明确要求到2020年, 全国货物运输结构明显优化, 铁路货物运输量显著提高, 将京津冀及周边地区打造成为全国运输结构调整示范区.与2017年相比, 全国铁路货运量增加11亿t, 增长了30%, 其中京津冀及周边地区增长40%, 为全国之最.

商品车运输是我国运输市场的重要组成部分, 相比于一般货物运输, 商品车运输是一种复杂程度较高的运输活动.商品车属于高附加值货物, 其对于运输的安全性、时效性、可靠性具有较高的要求, 且由于商品车的特殊性, 需要专用的载运工具进行运输.

近年来, 我国商品车物流取得了长足进步, 但与快速增长的商品车产销量及其物流需求相比, 还存在成本居高不下, 运输方式较为单一, 铁路市场占有率偏低等问题, 究其根源是由于商品车物流资源配置不够优化, 各种资源未能充分整合运用.在推进运输结构调整背景下, 以京津冀地区为例, 研究商品车铁路运输的竞争力, 对提升商品车铁路运输市场分担率, 增加铁路货运量, 促进商品车物流高质量发展具有重要意义.

国内外学者在运输市场竞争力方面进行了大量研究, 张戎等^[2]选取费用、时间和可靠性为效用函数特性变量, 构建了多项Logit模型, 通过影响因素弹性分析, 得出货运可靠性对货运方式选择更为敏感的结论.赵丹等^[3]从出行链的角度出发, 研究多方式诱导信息对通勤出行方式选择的影响, 建立了综合考虑尺度系数差异、非显化异质性效应和参照依赖效应的Mixed Logit模型, 并设计仿真方法求解.Talebian等^[4]基于多项Logit模型, 分析了公路、公铁联运与公水联运之间的竞争关系, 指出运输可靠性和运输成本的影响最显著.项昀等^[5]以货运方式分担率分析为基础, 提出基于分担率函数的优势运距量化分析方法, 分别构建了公路、铁路、水路和航空4种货运方式的绝对运距模型与相对优势运距模型.Larranaga等^[6]通过构建MNL及混合Logit模型, 分析公路直达、公铁联运和水公联运之间的竞争情况, 认为运输时间和成本是主要影响因素.唐继孟^[7]基于公铁联运和公路直达的广义费用函数, 构建了多式联运竞争力模型, 分析了公路直达基本运价、公铁联运接驳费率等8个因素对公铁联运竞争力的影响.蒋晓丹等^[8]将港口费用、等待时间、班轮频率、货物价值等9个因素作为效用变量, 构建了上层进行港口选择、下层进行运输方式及陆港选择的巢式Logit模型.于雪峤等^[9]从运输路径和运输方式两个维度进行研究, 建立了以总费用最低为目标的多式联运路径优化模型, 论证了多式联运相较单一运输方式在运输时间与费用上的优越性.姚恩建等^[10]通过构建货车的公路路径选择NL(Nes ted Logit)模型, 分析了高速公路拥挤路段不同收费费率对货车车辆路径选择行为的影响.赵鹏等^[11]将列车运行时间、票价、发车时段及车上服务水平等因素作为特征变量, 分别构建不考虑个体异质性、考虑个体可观测异质性和考虑个体完整异质性的不同Logit模型, 分析旅客选择行为的影响因素.

在既有研究中, 对货运方式的选择大多未明确具体货物品类, 而不同货物品类对于运输费用、时间等的要求有所区别.尽管近年来商品车运输市场逐渐扩大, 但针对其运输市场结构的研究相对较少.本文作者选取商品车运输为研究对象, 考虑商品车运输在快速、准时、安全方面的高要求及对载运工具的特殊要求, 应用随机效用理论, 基于广义费用构建商品车铁路运输竞争力模型, 并以京津冀地区为例, 计算商品车铁路运输的优势运距, 分析有关因素对商品车铁路运输竞争力的影响, 从而提出提升商品车铁路运输竞争力的措施与建议.

1 商品车铁路运输竞争力模型构建

1.1 影响因素的选取

长期以来, 我国商品车运输主要依靠公路运输, 铁路及水路运量相对较小.商品车水路运输具有价格低廉的优点, 但也受到地域范围的限制, 且时效性较差.总体而言, 在商品车运输市场上, 主要是铁路运输与公路运输的竞争.本文以京津冀地区为例, 在公路治超新形势下, 以“ 公转铁” 为目标, 旨在提升铁路商品车运输的市场竞争力, 以扩大商品车铁路运输的市场份额, 故本文主要研究商品车公、铁运输之间的竞争.

对于公路、铁路两种运输方式, 商品车产销商、消费者以及政府所关心的问题是不同的.产销商看重的是低成本、零损耗和高质量的运输服务; 消费者更关注商品车运输的快速、准时到达及完好的车况; 政府部门关心的则是运输资源的合理利用及减少对环境产生的影响等.因此, 兼顾产销商、消费者和社会公共利益, 且考虑到商品车铁路运输和公路运输在安全性和可靠性方面差别不大, 本文选取经济性、时效性、环保性三个方面的因素, 研究商品车铁路和公路运输的竞争力.

对于经济性的取值, 主要考虑商品车“ 门到门” 运输的总费用.采用铁路运输方式时, 商品车“ 门到门” 运输过程包括:从商品车出厂到装上铁路货车的“ 两装一卸” 前端(商品车装上公路车辆运到铁路车站卸下, 再装上铁路货车), 中间的铁路运输环节, 再到商品车从铁路货车卸下到4S店的“ 两卸一装” 后端(商品车从铁路货车卸下, 装上公路车辆运到4S店卸下).因此, 其“ 门到门” 运输总费用包括公路接取送达费, 铁路干线运输费及装卸搬运等作业费; 采用公路运输方式时, “ 门到门” 运输总费用由公路全程运费及两端装卸搬运作业费构成.

对于时效性的取值, 主要考虑商品车“ 门到门” 运输全过程所用的总时间.包括发送作业时间、运输作业时间、到达作业时间等.

对于环保性的取值, 主要考虑不同运输方式在运输全过程所产生的碳排放量.本文以一批商品车为单位, 计算其运输全过程的平均碳排放量.

1.2 广义费用函数构建

不同运输方式商品车运输竞争力是指不同运输方式为了盈利而争夺市场份额时所表现出的一种状态与能力.竞争的目的是与其他运输方式竞争有限的市场份额, 从而扩大自己的盈利以更好的生存.因此, 商品车铁路运输作为铁路企业的一种运输产品, 与商品车公路运输存在直接竞争关系, 商品车铁路运输竞争力最直接的体现为其所占的市场份额, 就是在与商品车公路运输竞争中, 铁路运输占据的市场份额, 即商品车铁路运输的市场分担率.

如前所述, 本文选定经济性、时效性和环保性作为影响公路和铁路商品车运输竞争力的主要因素.由于在未加干预调控的运输市场中, 环保性因素一般并不被企业所关注, 因此, 为进一步了解企业在公路和铁路商品车运输中的选择, 将是否考虑环保性作为两种情形进行对比.因为经济性、时效性和环保性之间相互独立, 对运输方式的竞争力均会产生一定的影响, 故采用加法运算规则构建广义费用函数, 则商品车运输广义费用可表示为

$G_{m}^{1} = C_{m} + VOT \cdot T_{m} + P_{carbon} \cdot E_{m}$ (1)

$G_{m}^{2} = C_{m} + VOT \cdot T_{m}$ (2)

式中: $m = 1, 2$ 分别代表铁路、公路运输; $G_{m}^{1}$ 为考虑环保性因素时第m种运输方式的广义费用; $G_{m}^{2}$ 为不考虑环保性因素时第m种运输方式的广义费用; $C_{m}$ 为第m种运输方式运输一批商品车的总费用, 元; $T_{m}$ 为第m种运输方式的运输总时间, d; $E_{m}$ 为第m种运输方式运输一批商品车产生的碳排放, kgCO_2e; $VOT$ 为一批商品车1 d的时间成本, 元/d; $P_{carbon}$ 为单位碳排放成本, 元/(kgCO_2e).

1.3 商品车铁路运输竞争力模型构建

托运人对商品车的公路或铁路运输有一个感知效用, 其随机效用可以表示为

$U_{m} = V_{m} + ε_{m}$ (3)

式中: $U_{m}$ 为托运人选择运输方式m而获得的收益; $V_{m}$ 为已知影响因素及作用关系构成的确定效用; $ε_{m}$ 为未知影响因素构成的随机项.

对于运输方式 $m$ 的确定效用 $V_{m},$ 可以用其广义费用的相反数来表示, 即

$V_{m} = - G_{m}$ (4)

式中: $G_{m}$ 为第m种运输方式的广义费用.

根据随机效用理论, 托运人选择感知效用最大的运输方式, 由于感知效用具有随机性, 托运人的运输方式选择问题实际上是一个概率问题, 即

$P_{m} = \Pr (U_{m} \geq U_{n}, m \neq n)$ (5)

式中: $P_{m}$ 为托运人选择运输方式 $m$ 的概率.

$P_{m}$ 具有性质

$0 \leq P_{m} \leq 1, 且 \sum P_{m} = 1$ (6)

假设随机项 $ε_{m}$ 相互独立且服从Gumbel函数分布, 则运输方式m的选择概率 $P_{m}$ 采用MNL模型计算为

$P_{m} = \frac{\exp (- θ \cdot G_{m})}{\overset{2}{\sum_{i = 1}} \exp (- θ \cdot G_{i})}$ (7)

式中: $θ$ 是待标定参数, 可以看作度量托运人对整个网络的熟悉程度; $G_{i}$ 为第i种运输方式的广义费用.

某一种运输方式被选择的概率和其他运输方式的效用函数的差值相关, 当效用函数过大时, 将出现不符合实际的结果, 为了避免效用函数过大引起的偏差, 故本文采用相对效用表示选择概率, 将模型改进为

$P_{m} = \frac{\exp (- θ \cdot G_{m} / G_{\min})}{\overset{2}{\sum_{i = 1}} \exp (- θ \cdot G_{i} / G_{\min})}$ (8)

式中: $G_{\min}$ 为商品车铁路和公路运输中广义费用的较小值.

以式(8)中改进的MNL模型计算不同运输方式的选择概率来体现市场分担率.通过调研现阶段京津冀地区商品车的公铁运输分担率, 标定模型中的未知参数, 而后运用MNL模型对不同的影响因素进行灵敏度分析, 以判断各因素对分担率的影响程度, 进而提出提升商品车铁路运输市场分担率的措施及建议.

2 商品车铁路运输优势运距计算

根据对京津冀地区商品车铁路和公路运输的相关调研, 得到相关参数的数据, 见表1.

表1 相关参数 Tab.1 Relevant parameters

参数	取值	含义
$c_{tj}^{1}$ /(元/t)	26	铁路运价(基价1)
$c_{tj}^{2}$ /[元/(t· km)]	0.138	铁路运价(基价2)
$c_{te}$ /[元/(t· km)]	0.007	电气化附加费
$c_{t js}$ /[元/(t· km)]	0.033	铁路建设基金
$c_{db}^{1}$ /(元/t)	15(≤ 10 km)	铁路两端短驳费率1
$c_{db}^{2}$ /[元/(t· km)]	0.8(> 10 km)	铁路两端短驳费率2
$c_{tzx}$ /(元/t)	15.2	铁路装卸费率
$t_{fd}$ /d	1	发到作业时间
$t_{db}$ /d	2	两端短驳时间
$v_{t}$ /(km/d)	250	列车承诺旅行速度
$e_{t}$ /[kg/(t· km)]	0.011 24	铁路运输单位货运周转量碳排放量
$l_{db}$ /km	各30	铁路两端短驳平均运距
Z/(t/车)	100	铁路货车的静载重
$c_{g}$ /[元/(t· km)]	0.445 7	公路运价率
$c_{gzx}$ /(元/t)	12.2	公路装卸费率
$v_{g}$ /(km/h)	80	公路运输速度
$e_{g}$ /[kg/(t· km)]	0.048	公路运输单位货运周转量碳排放量
$M$ /(元/t)	22 000	单位质量商品车价值
$d$ /%	0.02	天利率
$VOT$ /(元/d)	440	单位时间成本

表1 相关参数 Tab.1 Relevant parameters

表1中, $Z$ 的取值:铁路运输商品车采用JSQ6型汽车专用车, 其实际装重量平均为22 t/11台车, 考虑商品车运输装载要求的特殊性等原因, 铁路规定一辆JSQ6的计费重量为100 t; $M$ 的取值:商品车均价取200 000元/台, 单位计费重量商品车价值为22 000元/t; VOT的取值:11台商品车1 d的时间成本.

当考虑环保性对于公路和铁路商品车运输竞争力的影响时, 商品车铁路运输广义费用的计算方法为

$G_{1}^{1} = C_{1} + VOT \cdot T_{1} + P_{carbon} \cdot E_{1}$ (9)

$C_{1} = C_{1 ZX} + C_{1 DB} + C_{1 GX}$ (10)

$C_{1 ZX} = c_{tzx} \cdot Z \times 2$ (11)

$C_{1 DB} = [c_{db}^{1} + c_{db}^{2} \cdot (l_{db} - 10)] \cdot Z \times 2$ (12)

$C_{1 GX} = [c_{tj}^{1} + (c_{tj}^{2} + c_{te} + c_{tjs}) \cdot L] \cdot Z$ (13)

$VOT = M \cdot d \cdot Z$ (14)

$T_{1} = t_{fd} + t_{db} + L / v_{t}$ (15)

$E_{1} = e_{t} \cdot L \cdot Z$ (16)

式中: $C_{1 ZX}$ 为铁路装卸费, 元; $C_{1 DB}$ 为铁路短驳运费, 元; $C_{1 GX}$ 为铁路干线运输费, 元; $L$ 为干线运输距离, km.

商品车公路运输广义费用的计算方法为

$G_{2}^{1} = C_{2} + VOT \cdot T_{2} + P_{carbon} \cdot E_{2}$ (17)

$C_{2} = C_{2 ZX} + C_{2 GX}$ (18)

$C_{2 ZX} = c_{gzx} \cdot Z \times 2$ (19)

$C_{2 GX} = c_{g} \cdot L \cdot Z$ (20)

$T_{2} = t_{fd} + L / v_{g}$ (21)

$E_{2} = e_{g} \cdot L \cdot Z$ (22)

式中: $C_{2 ZX}$ 代表公路装卸费, 元; $C_{2 GX}$ 为公路全程运费, 元.

取干线运输距离 $L$ 为待定变量, 将表1中参数代入式(9)~式(22)中, 可得:当 $L$ =391.53 km时, 两种运输方式的广义费用相同; 当 $0 < L <$ 391.53 km时, 公路具有竞争优势; 当 $L$ > 391.53 km 时, 铁路具有竞争优势, 且随着运距的增加, 铁路运输优势越发明显.

当不考虑环保性对于公路和铁路商品车运输竞争力的影响时, 商品车铁路运输广义费用的计算方法为

$G_{1}^{2} = C_{1} + VOT \cdot T_{1}$ (23)

商品车公路运输广义费用的计算方法为

$G_{2}^{2} = C_{2} + VOT \cdot T_{2}$ (24)

取干线运输距离 $L$ 为待定变量, 将表1中参数代入式(10)~式(15)、式(18)~式(21)、式(23)~式(24)中, 可得:当 $L$ =400.45 km时, 两种运输方式的广义费用相同; 当 $0 < L <$ 400.45 km时, 公路具有竞争优势; 当 $L$ > 400.45 km时, 铁路具有竞争优势, 且随着运距的增加, 铁路运输优势越发明显.

由以上分析可知, 当考虑环保性时, 铁路的优势运距范围相较于不考虑环保性扩大了8.92 km, 公铁优势运距的临界值在390~400 km左右, 但同时也证明了当考虑到运输所带来的环境影响及社会公共利益时, 铁路更具优势.

3 竞争力模型的标定及影响因素分析

3.1 商品车铁路和公路广义费用的组成

不同干线运输距离和短驳取送距离组合下, 商品车铁路和公路运输的广义费用会产生较大变化.基于第2章考虑经济性、时效性、环保性的相关参数取值, 分析铁路和公路运输广义费用各部分占比情况, 其编号见表2.

表2 商品车铁路和公路运输广义费用各组成部分的编号 Tab.2 Number of the components of the generalized cost of commercial vehicles in railway and road transportation

编号	铁路广义费用组成部分	编号	公路广义费用组成部分
1	铁路装卸费 $C_{1 ZX}$	1	公路装卸费 $C_{2 ZX}$
2	铁路短驳运费 $C_{1 DB}$	2	公路全程运输费 $C_{2 GX}$
3	铁路干线运输费 $C_{1 GX}$	3	公路运输时间成本 ( $VOT \times T_{2}$ )
4	铁路运输时间成本 ( $VOT \times T_{1}$ )	4	公路运输碳排放成本 ( $P_{carbon} \times E_{2}$ )
5	铁路运输碳排放成本 ( $P_{carbon} \times E_{1}$ )	—	—

表2 商品车铁路和公路运输广义费用各组成部分的编号 Tab.2 Number of the components of the generalized cost of commercial vehicles in railway and road transportation

在不同运距组合下, 分别计算商品车公路和铁路运输广义费用各组成部分所占的比重, 见图1和图2.

	Figure Option View Download New Window
	图1 公路广义费用各组成部分占比Fig.1 Proportions of the components of the generalized cost of road transportation

	Figure Option View Download New Window
	图2 铁路广义费用各组成部分占比Fig.2 Proportions of the components of the generalized cost of railway transportation

由图1可知:公路全程运费为主要构成部分, 随运距增加比重有所增加.两端装卸费用与运距无关, 运输时间在700 km以下均在1 d内, 故两者产生的费用不变, 均随运距增加占比逐渐减少.碳排放成本虽然随运距增加而增加, 但占比相对较小.这说明公路运输是高费用、高时效性的运输方式.

由图2可知:铁路干线运输费和铁路短驳运费占比较高, 前者随着运距的增加而增大, 后者随着运距的增加而减小, 另外, 前者随着短驳取送距离的增加而下降.铁路运输时间成本占比约为公路的3倍左右, 铁路的碳排放成本占比约为公路的1/4.

3.2 商品车铁路运输竞争力模型的标定

近10年来, 我国商品车铁路运量逐年增长, 从2008年的53万台增长至2018年的575万台, 市场规模不断扩大.随着JSQ5型、JSQ6型等铁路商品车运输专用车等技术装备的不断提升及大型主机厂“ 库前移” 物流服务模式的不断创新, 铁路已经具备了大力发展商品车物流的条件.同时, 在2016年国家推进供给侧结构性改革和公路严格治超的新形势下, 公路运力资源在短时间大幅下降, 单台商品车的平均运输成本提高约30%~50%, 铁路商品车运输的市场份额也有所增长, 占比接近20%.

以京津冀地区商品车运输为例, 根据调查结果, 近年来京津冀地区商品车铁路运量逐年增加, 见图3.

	Figure Option View Download New Window
	图3 京津冀地区商品车铁路运量统计Fig.3 Volume of commercial vehicle railway transportation in Beijing-Tianjin-Hebei region

2013年京津冀地区商品车铁路运输量仅为7万多台, 与公路运输相比其市场占有率仅为10.8%.2016年铁路运量达到20多万台, 同比增长93.3%, 与公路相比其市场占有率提升至27.4%.2018年京津冀地区商品车铁路运量为45万多台, 相对商品车公路运输, 其市场占比约为36.9%.

为对各因素进行灵敏度分析, 选择考虑经济性、时效性、环保性的广义费用函数对参数 $θ$ 进行标定, 基于2018年京津冀地区商品车铁路运输市场占比36.9%, 取干线运输距离300 km, 短驳取送距离60 km, 运输商品车11 台, 计算得到铁路和公路运输的广义费用为

$G_{1}^{1} = C_{1} + VOT \cdot T_{1} + P_{carbon} \cdot E_{1} = 19436 元$

$G_{2}^{2} = C_{2} + VOT \cdot T_{2} + P_{carbon} \cdot E_{2} = 16930 元$

将上述计算结果代入式(8)中, 可得

$\begin{array}{l} P_{1} = \frac{\exp (- θ \cdot G_{1} / G_{\min})}{\exp (- θ \cdot G_{1} / G_{\min}) + \exp (- θ \cdot G_{2} / G_{\min})} \\ = \frac{ex p (- θ \cdot G_{1} / G_{2})}{\exp (- θ \cdot G_{1} / G_{2}) + \exp (- θ \cdot G_{2} / G_{2})} = \\ 36.9 % \end{array}$

根据式(8), 此标定 $θ$ 值为3.62, 进而得到现阶段商品车运输市场分担率计算模型为

$P_{m} = \frac{\exp (- 3.62 G_{m} / G_{\min})}{\overset{2}{\sum_{i = 1}} \exp (- 3.62 G_{i} / G_{\min})}$

根据式(8), 可对不同因素进行灵敏度分析, 以研究各种影响因素的变化对于铁路商品车运输市场分担率的影响, 进而提出提升铁路商品车运输市场分担率的建议.

3.3 商品车铁路运输竞争力的影响因素分析

由于广义费用的大小与竞争力直接相关, 根据3.1节分析, 选择所占比例较大部分的影响因素进行灵敏度分析, 主要包括:公路运价率、铁路运价率、铁路两端短驳费率.进行灵敏度分析时, 短驳距离在[20, 80]km内变动, 步长取20 km, 干线运输距离在300 km≤ $L$ ≤ 1 300 km时, 步长取100 km.

1)公路运价率.

固定其他参数不变, 公路运价率在区间[0.375, 0.515] 元/t· km内, 以0.035为步长取值.经计算, 公路运价率变化对商品车铁路运输竞争力的影响见图4.

	Figure Option View Download New Window
	图4 公路运价率对铁路运输竞争力的影响Fig.4 Impact of the road freight rate on railway transportation competitiveness

从图4可知:

①各短驳距离下, 公路运价率取不同值时, 铁路运输市场分担率随着运距的增加都保持相同态势的增长, 其他影响因素具有类似现象.随着运距的增加, 铁路运输的低运价优势越来越明显, 能够补偿装卸等作业环节的高费用和铁路运输时间较长的劣势.

②当前公路运价率为0.445 7元/t· km, 上涨和下降0.035元/t· km, 对铁路运输市场分担率都有较大的影响, 但是公路运价继续上涨, 对铁路运输市场竞争力的提升效果有所减弱.

2)铁路运价率.

铁路运价率主要影响铁路干线运费, 本部分主要分析铁路基价2对商品车铁路运输竞争力的影响.固定其他参数不变, 铁路基价2在区间[0.069 0, 0.172 5] 元/t· km内, 以0.034 5为步长取值.经计算, 铁路基价2的变化对商品车铁路运输竞争力的影响见图5.

	Figure Option View Download New Window
	图5 铁路基价2对铁路运输竞争力的影响Fig.5 Impact of the second part of the railway freight rate on railway transportation competitiveness

由图5可知:铁路运输市场分担率曲线两端收紧中间扩张, 即随着运距逐渐增大, 铁路基价2的下降对铁路运输市场分担率的提升效果先增大后减小.当前铁路基价2为0.138元/t· km, 若下降50%(图5(c)), 运距300、600、900、1 200 km对应的铁路运输市场分担率分别上升10.8%、15.3%、12.1%、8.8%.

3)铁路两端短驳费率.

固定其他参数不变, 短驳费率在区间[0.4, 1.2] 元/t· km内, 按步长为0.2取值.经计算, 短驳费率的变化对商品车铁路运输竞争力的影响见图6.

	Figure Option View Download New Window
	图6 铁路两端公路短驳费率对铁路运输竞争力的影响Fig.6 Impact of short-distance freight rate at both ends of the railway on railway transportation competitiveness

由图6可知:铁路两端短驳费率的变化对商品车铁路运输市场分担率的影响与短驳距离直接相关, 短驳距离越大, 铁路运输市场分担率变化越明显.随着干线运输距离的增加, 短驳费率的变化对铁路运输市场分担率的影响逐渐减弱.

4 结论

以京津冀地区为例, 研究了我国商品车铁路运输的市场竞争力及其影响因素.主要研究结论如下:

1)与公路相比, 在考虑经济性、时效性、环保性时, 铁路的优势运距在391.53 km以上; 在考虑经济性和时效性时, 铁路的优势运距在400.45 km以上, 且均随着运距的增加, 铁路的优势越来越显著.

2)铁路干线运费和铁路两端短驳运费是商品车铁路运输广义费用的主要组成部分, 前者占比随运距增加而增大, 随着短驳距离增加而减小, 后者随运距增加而减小.

3)在现阶段的商品车运输市场分担率前提下, 公路运价率、铁路运价率、铁路两端短驳费率等因素对铁路运输市场分担率影响较大.目前公路运价率较小的上涨或下降会对铁路市场分担率产生较大影响, 但持续上涨对铁路市场分担率提升的效果逐渐减弱.在运距较短时, 铁路运价率变化对其市场分担率的影响较大, 随着运距的逐渐增加其市场分担率的变化逐渐减小.在干线运距较短时, 对于短驳距离较长的铁路运输, 降低其短驳运费率是提升市场分担率的有效措施之一.

4)公路治超等措施的实施, 使公路运价上升至正常状态, 对铁路是增强其商品车运输市场竞争力, 扩大市场份额的极佳时机.当下铁路可以采取更为灵活的分段定价策略, 短途运输中运价变化对市场分担率影响较大, 因此可通过降低定价、打折等措施增强其竞争力, 获取更大的市场份额; 在中长途运输中, 由于运价的变化对分担率的影响较小, 可适当提升运价以增加营业收入.

参考文献

文献列表

[1]	中华人民共和国国务院. 推进运输结构调整三年行动计划(2018—2020年)[EB/OL]. (2018-10-09)[2019-07-08]. http://www.gov.cn/zhengce/content/2018-10/09/content_5328817. htm. the State Council. Improvement of three-year action plan(2018-2020) on promoting transport structures[EB/OL]. (2018-10-09)[2019-07-08]. http://www.gov.cn/zhengce/content/2018-10/09/content_5328817.htm. (in Chinese) [本文引用:1]
[2]	张戎, 简文良, 诸立超. 铁路集装箱运输时间可靠性分析[J]. 铁道学报, 2015, 37(11): 10-15. ZHANG Rong, JIAN Wenliang, ZHU Lichao. Reliability analysis of railway container transport time[J]. Journal of the China Railway Society, 2015, 37(11): 10-15. (in Chinese) [本文引用:1]
[3]	赵丹, 邵春福, 王军利, 等. 多方式诱导下通勤出行链交通方式组合选择行为模型[J]. 吉林大学学报(工学版), 2015, 45(6): 1763-1770. ZHAO Dan, SHAO Chunfu, WANG Junli, et al. Modelling combined mode choice behavior of commute trip chain under multi-modal guidance[J]. Journal of Jilin University(Engineering and Technology Edition), 2015, 45(6): 1763-1770. (in Chinese) [本文引用:1]
[4]	TALEBIAN A, ZOU B. Integrated modeling of high performance passenger and freight train planning on shared-use corridors in the US[J]. Transportation Research Part B: Methodological, 2015, 82: 114-140. [本文引用:1]
[5]	项昀, 王炜, 郑敦勇, 等. 区域综合网络货运交通方式的优势运距研究[J]. 交通运输系统工程与信息, 2016, 16(6): 33-39. XIANG Yun, WANG Wei, ZHENG Dunyong, et al. Dominant transportation distance for multi transportation modes in regional integrated freight network[J]. Journal of Transportation Systems Engineering and Information Technology, 2016, 16(6): 33-39. (in Chinese) [本文引用:1]
[6]	LARRANAGA A M, ARELLANA J, SENNA L A. Encouraging intermodality: a stated preference analysis of freight mode choice in Rio Grand e do Sul[J]. Transportation Research Part A: Policy and Practice, 2017, 102: 202-211. [本文引用:1]
[7]	唐继孟. 我国集装箱公铁联运争力分析及其提升策略研究[D]. 北京: 北京交通大学, 2018. TANG Jimeng. Competitiveness of container rail-road intermodal transport and its improving strategies in China[D]. Beijing: Beijing Jiaotong University, 2018. (in Chinese) [本文引用:1]
[8]	蒋晓丹, 范厚明, 张琰雪, 等. 港口与运输方式及陆港联合选择的巢式Logit模型[J]. 交通运输系统工程与信息, 2018, 18(5): 32-37. JIANG Xiaodan, FAN Houming, ZHANG Yanxue, et al. Nested Logit model for the joint choice of seaport, inland mode and dry port[J]. Journal of Transportation Systems Engineering and Information Technology, 2018, 18(5): 32-37. (in Chinese) [本文引用:1]
[9]	于雪峤, 郎茂祥, 王伟哲, 等. 考虑模糊需求的多式联运路径优化[J]. 北京交通大学学报, 2018, 42(3): 23-29. YU Xueqiao, LANG Maoxiang, WANG Weizhe, et al. Multimodal transportation routing optimization considering fuzzy demand s[J]. Journal of Beijing Jiaotong University, 2018, 42(3): 23-29. (in Chinese) [本文引用:1]
[10]	姚恩建, 李挺然, 王雪然, 等. 考虑货车路径选择行为的高速公路拥挤路段收费研究[J]. 北京交通大学学报, 2018, 42(4): 63-71. YAO Enjian, LI Tingran, WANG Xueran, et al. Study on the charge in congested freeway sections considering the influence of truck route choice behavior[J]. Journal of Beijing Jiaotong University, 2018, 42(4): 63-71. (in Chinese) [本文引用:1]
[11]	赵鹏, 翟茹雪, 宋文波. 考虑个体异质性的高速铁路旅客选择行为[J]. 北京交通大学学报, 2019, 43(2): 117-123. ZHAO Peng, ZHAI Ruxue, SONG Wenbo. Passenger choice behavior of high-speed railway considering individual heterogeneity[J]. Journal of Beijing Jiaotong University, 2019, 43(2): 117-123. (in Chinese) [本文引用:1]

2018

0.0

... 2020年)》^[1],明确要求到2020年,全国货物运输结构明显优化,铁路货物运输量显著提高,将京津冀及周边地区打造成为全国运输结构调整示范区 ...

2015

0.0

... 国内外学者在运输市场竞争力方面进行了大量研究,张戎等^[2]选取费用、时间和可靠性为效用函数特性变量,构建了多项Logit模型,通过影响因素弹性分析,得出货运可靠性对货运方式选择更为敏感的结论 ...

2015

0.0

赵丹, 邵春福, 王军利, 等. 多方式诱导下通勤出行链交通方式组合选择行为模型[J]. 吉林大学学报(工学版), 2015, 45(6): 1763-1770.

ZHAO

Dan

, SHAO

Chunfu

, WANG

Junli

, et al. Modelling combined mode choice behavior of commute trip chain under multi-modal guidance[J]. Journal of Jilin University(Engineering and Technology Edition), 2015, 45(6): 1763-1770. (in Chinese)

To study the influence of multi-modal guidance information on the travel mode of commuters from the viewpoint of trip chain, A Revealed Preference (RP) and Stated Preference (SP) survey was carried out to get the revealed and stated trip chain data. Then a mixed logit model, which takes scale parameter difference, heterogeneity and reference dependence effect into account, was established. A simulation method was proposed to complete estimation. The estimation results show that the introduction of scale parameter difference is helpful to explain the unobvious variance differences between RP data and SP data when they are combined together; the adoption of heterogeneity and reference dependence effects are not only conductive to measure the impacts of some variables, whose random preferences vary obviously across individuals, more accurately, but also benefits to reflect the preference distribution of random variables. The accuracy and predictive capacity of the mixed logit model considering the three aspects are better than the multinomial logit model and the ordinary mixed logit model. It is also manifested that multi-modal guidance information service contributes to encourage commuters to shift from car trip-chain to other modes, and helps to ease traffic congestion at source.

1.Traffic Management Engineering Department, People's Public Security University of China, Beijing 102623, China; 2. MOE Key Laboratory for Urban Transportation Complex Systems Theory and Technology, Beijing Jiaotong University, Beijing 100044, China

从出行链的角度出发研究多方式诱导信息对通勤出行方式选择的影响。通过RP&SP调查获取通勤者的实际和意向出行链数据,建立了综合考虑尺度系数差异、非显化异质性效应和参照依赖效应的mixed logit模型,并设计仿真方法求解。结果表明,尺度系数差异解释了RP数据与SP数据融合时隐含的方差差异;异质性和参照依赖效应的引入可以度量偏好差异较大的随机变量的影响程度,反映随机变量的偏好分布;综合考虑3种因素的mixed logit模型比多项logit模型和普通mixed logit模型的精度高,解释能力更强。参数标定结果表明:多方式诱导信息服务对引导小汽车通勤出行链转向其他交通方式有积极作用,有利于从源头上缓解道路交通拥堵。

... 赵丹等^[3]从出行链的角度出发,研究多方式诱导信息对通勤出行方式选择的影响,建立了综合考虑尺度系数差异、非显化异质性效应和参照依赖效应的Mixed Logit模型,并设计仿真方法求解 ...

2015

0.0

... Talebian等^[4]基于多项Logit模型,分析了公路、公铁联运与公水联运之间的竞争关系,指出运输可靠性和运输成本的影响最显著 ...

2016

0.0

... 项昀等^[5]以货运方式分担率分析为基础,提出基于分担率函数的优势运距量化分析方法,分别构建了公路、铁路、水路和航空4种货运方式的绝对运距模型与相对优势运距模型 ...

2017

0.0

... Larranaga等^[6]通过构建MNL及混合Logit模型,分析公路直达、公铁联运和水公联运之间的竞争情况,认为运输时间和成本是主要影响因素 ...

2018

0.0

... 唐继孟^[7]基于公铁联运和公路直达的广义费用函数,构建了多式联运竞争力模型,分析了公路直达基本运价、公铁联运接驳费率等8个因素对公铁联运竞争力的影响 ...

2018

0.0

... 蒋晓丹等^[8]将港口费用、等待时间、班轮频率、货物价值等9个因素作为效用变量,构建了上层进行港口选择、下层进行运输方式及陆港选择的巢式Logit模型 ...

2018

0.0

... 于雪峤等^[9]从运输路径和运输方式两个维度进行研究,建立了以总费用最低为目标的多式联运路径优化模型,论证了多式联运相较单一运输方式在运输时间与费用上的优越性 ...

2018

0.0

... 姚恩建等^[10]通过构建货车的公路路径选择NL(Nes ted Logit)模型,分析了高速公路拥挤路段不同收费费率对货车车辆路径选择行为的影响 ...

2019

0.0

... 赵鹏等^[11]将列车运行时间、票价、发车时段及车上服务水平等因素作为特征变量,分别构建不考虑个体异质性、考虑个体可观测异质性和考虑个体完整异质性的不同Logit模型,分析旅客选择行为的影响因素 ...