铁路公益性客运范围界定混合决策模型
冯芬玲*，徐韵茹
(中南大学交通运输工程学院，长沙410075)
摘 要： 随着国家“基本公共服务均等化”规划的提出和铁路“政企分开”市场化改革的推进，铁路公益性与商业性服务之间的矛盾越发突出.合理界定铁路公益性客运范围是缓解冲突，实现有效供给的前提.本文结合定性与定量分析，构建了基于B-C-C 三阶段决策流程和PCFA-FCM降维聚类算法的铁路公益性客运范围界定混合决策模型.B-C-C三阶段决策模型以社会效益、经济状况和现实能力作为层进式判定条件，实现铁路公益性客运范围界定的顶层决策.PCFA-FCM 降维聚类算法解决了决策流程实际运作中最难实现的社会效益(公益程度)量化分析问题，可以摆脱列车类型的约束，根据实际指标属性进行分类.
关键词： 铁路运输；分类决策；模糊聚类；公益性旅客运输；范围界定
0 引 言
在我国，铁路客运是保障公民生存和发展需要的基本出行方式，近年国家“十三五”等规划明确了公民享有该类“基本公共服务”的权利和政府保障其“有效供给”的职责.政企分开后，政府对公益服务的需求和管控与企业的经济目标和市场调节的改革方向产生矛盾.为了缓解冲突，需要合理界定铁路公益性客运的范围，将其与商业化的铁路客运服务区别对待，以便政府实施有针对性的监管与补贴，以使企业在不违背原则的情况下有效供给.
界定铁路公益性客运范围的难点在于对“公益性”这个抽象概念的判定.范围过大会加重政府负担，过小则不能满足需求.目前，专家学者主要通过分析运输服务特征[1]，对比个人和社会利益[2]等方式进行“公益与否”的判定，主要通过“利益目标与排他的技术性难题之间的耦合程度[3]”“服务范围的大小和服务对象的可分程度[4]”等条件衡量客运服务的“公益程度”.以上方法多从逻辑层面论述而实际难以操作，多用主观定性而缺少量化分析.实际中惯用的方法是根据企业的成本收益状况，将低于成本价或市场价的运输行为视为铁路公益性客运[5]，这种方法只考虑了经济效益而忽略了最关键的“公益”(社会效益)因素.或是采取直接列举的方式，多以线路建设和客票策略[6]作为切入点，鲜有关注列车开行这一协调资源配置的重要手段.
本测试使用梦源科技公司的逻辑测试仪器测试信号的电平逻辑。图12～图15中，0号线为三线串行接口的时钟SCLK，1号线为三线串行接口的数据线SDATA，2号线为射频通道2的片选信号，3号线为射频通道1的片选。
针对现有研究的不足之处，本文尝试考虑多方因素，构建三阶段决策模型，通过多重筛选确定铁路公益性客运服务范围.并结合定性与定量分析，解决模型实操中的社会效益量化分析的难点问题.
2.创新驱动成为新的发展动力，出现大量各类知识密集型企业。互联网金融和电子商务成为经济发展的新领域，高技术产业产值、出口额大大超过了其他制造业；以知识密集型企业为标识，像腾讯、华为、大疆无人机等高新技术技术企业脱颖而出，反映了企业发展的新动向。
1 铁路公益性客运范围界定的B-C-C三阶段决策模型
本文所讨论的“铁路公益性客运”是“铁路客运”与“基本公共服务”概念的交集.以往的研究大多认为“公益”与“营利”相悖，而本文将政府视为公益服务的“购买者”角色，即在企业视角将“公益”服务“商业化”.则企业只需要考虑经济目标，政府只① 即保障全体公民生存和发展基本需要，促进机会均等的“基本公共服务均等化”需求. 需要衡量该服务的公益价值(即满足公益需求0 带来的社会效益)并提供相应报酬(含直接补贴在内的各种形式的补偿)，即“社会效益”与“经济效益”相互独立，矛盾化解.
选取2018年某日06:00-12:00 经过广州的约299列列车为例进行分析，其中含G字头100列，D字头78列，C字头74列，KTZ字头47列.收集整理列车及其经停车站所在省市(精确到县级市)的信息，结合数据状况，经过简单分析后确定初始指标为：全程里程(km)、全程最低票价(元)、运行时长(min)、平均旅行速度(km/min)、站均生产总值(万元)、站均人均生产总值(元)、站均人口密度(人/km2)、经停站数目(个)① 数据来源：《中国城市统计年鉴》，具体信息略，资料备索. .
根据相关计划，包括建设一座17.1米高、1.7千米长的防浪堤在内的安全强化措施将在2021年3月完成，总投资约1800亿日元(16亿美元)。
现有研究大多仅考虑“票价优惠”这一种体现铁路客运公益性的方式，而本文认为“服务优待”和“公益性列车开行”也应纳入考虑范围之内.因此，根据受益单位的不同可将服务分为两类，具体的判定条件稍有差别.
在该决策流程实际运作中，“定性”论证较为简单，关于成本与亏损核算方法的研究也较为丰富，最大的难点在于：对列车进行第1阶段判定时，需要对“社会效益”这个抽象的概念进行量化衡量，较为复杂.为了解决此问题，弥补研究的空缺，本文构建了基于PCFA-FCM的铁路公益性旅客列车界定与分类方法.
2 基于PCFA-FCM的铁路旅客列车分类与公益性列车界定方法
该方法的作用和目标是对众多铁路旅客列车实现基于社会效益(公益程度)的分类，进而遴选出可考虑纳入铁路公益性客运服务范围的列车.
2.1 方法思路
“公益程度”的概念具有抽象、复杂、模糊等特点.本方法的思路是：首先，通过描述性指标刻画列车的社会效益(使抽象概念具象化)；然后，采用PCFA 法对众多指标进行筛选合并(使复杂的概念简单化).再利用FCM法根据列车属性相似度和相对隶属度划分类别，确定公益性列车范围(尊重模糊的特点).
Step 4 采用FCM 法，根据列车各因子得分，对列车模糊聚类.
主成分因子分析法(Principal Component Factor Analysis，PCFA)，包含主成分分析(PCA)与因子(FA)分析思想，是一种数据降维算法.PCA 可以将多个原始指标转化为不相关的少数几个指标[7]；FA可以找到具有代表性的少量因子解释原来指标的本质特征.模糊C 均值算法(Fuzzy C Means，FCM)，是一种基于划分的柔性聚类算法，常被用于行为特性分析[8-9].其思想是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小[10].聚类结果是每一个数据点对聚类中心的隶属程度，而不是硬性分类.
图1 铁路公益性客运范围界定的B-C-C 决策模型流程图1② “政策性”亏损是指与普通运营方式相比，由于按政府需求提供客运服务而使企业承担的“收益减损”或“支出增加”，不包括企业自身经营不善.
Fig.1 B-C-C decision model flow chart for defining scope of public welfare passenger transportation
对列车进行FCM 聚类计算(k =4 时效果最佳1② 根据目标函数 通过测试和有效性检验后得出，实际操作中可根据具体需求确定分类数. )，得出各列车对各类别的模糊隶属度，并将该列车归入模糊隶属度最高的类别，结果如表22③ 完整表格略，资料备索. 所示.
3.肝硬化、肝硬变，局部体积肿胀、质地轻度变硬者，修割后高温。质地明显变硬，弹性丧失，刀切有橡皮感者，化制处理。肝脏表面高低不平，出现结节，质硬者，化制处理。
按照国家政策要求，铁路公益性旅客列车开行的主要目的是协调资源配置，促进社会公平.因此，从产生效果的角度分析，铁路公益性客运列车的相对“公益性”的体现方式为① 经过但不停站不列入计算范围. ：在铁路运价率相同的情况下，某列车经停地区0的发展水平越低，则该列车所体现的相对社会效益越强，即铁路的“低运价”被“相对贫困”的地区“享受福利”，而不是被“相对富裕”的地区“利用便宜”.因此，能够反映列车公益程度的指标既包括列车自身属性又包括列车经停车站(地区)属性.
PCFA-FCM 法实现铁路列车分类的具体步骤如下.
Step 1 收集各列车及其经停车站所在地属性资料，经过整理与初步计算形成初始指标集合X 0=n ×p ，n 为列车数量，p 为每列车所具有的属性指标数.
Step 2 采用PCFA法对初始指标进行降维并提取出主成分因子.
输入：对初始指标进行标准化处理后得到指标集合X =n ×p .
过程：①计算空间向量矩阵的相关系数矩阵R =(rij )p ×p .
②求R 的特征根λi ，以及特征向量lji .
确定主成分因子，第i 个变量在第j 个公共因子 上的因 子 载 荷 为eij ，
j =1,2,…,q ，每个公共因子的载荷系数平方之和等于该公共因子的方差λj ，即
，计算公共因子的方差贡献率和累积贡献率，取累积贡献率大于85%的特征值所对应的q 个公共因子为主成分因子.
根据当下我国倡导“服务型”“节约型”政府的理念，铁路公益性客运范围界定的原则应该是：在能力范围之内追求社会效益最大化，同时尽可能控制监管与补贴成本.由此构建效益—状况—能力(Benefit-Condition-Capacity，B-C-C)三阶段决策模型：第1 阶段通过衡量外部社会效益(Social Benefit)，判定该服务是否为合理的公益需求；第2阶段通过核算企业内部经济状况(Econom② 若企业能通过市场化的方式提供该服务且满足政府要求，则无需政府负担补贴. ic Condition)，判定该公益性客运服务的提供方式1；第3 阶段在综合考虑财政负担和企业运能承受的现实能力后(Capacity)，得出最终“需要且能够由政府严格管制与补贴的铁路公益性客运范围”，具体流程及判定方法如图1所示.
2014年，我们将在党的十八届三中全会精神指引下，按照即将召开的全国水利厅局长会议的决策部署，抢抓机遇，深化改革，开拓创新，不断提升业务水平和支撑能力，更好地服务水利改革发展大局。
④旋转载荷矩阵(最大方差正交旋转)，以对公共因子做出更好的专业性的解释.
输出：主成分因子q 个及各变量的因子得分.
Step 3 分析各因子与初始指标和公益性质之间的联系，为各因子命名.
(1)指标选取原则.
输入：n 列车及各列车q 个因子得分形成的的数据集Y =n ×q ；聚类类别数k ；最大迭代数T ；模糊参数m (一般取2).
过程：①随机初始聚类中心V 0=(v 1,v 2,…,va ,…,vk )，va 为第a 类的聚类中心，随机初始隶属矩阵
使每列车b 对各类别隶属度之和为1，即
更新聚类中心V 和隶属度矩阵U 
是样本b 到聚类中心a 的欧式距离，求解得到U 和V 的最优解.
③迭代至规定次数T .
输出：聚类中心和各样本对各类的隶属度值.
2.2 实例分析之数据处理
去行政化制度。高校是学术阵地，是理性思维的舞台。要充分发挥和践行行政“为教师服务、为学校发展服务、为学生服务”的精神和理念。这就要求贫困地区高校党政领导要做好高校的行政体制改革，尽快去行政化，做好后勤和行政人员队伍的深层次改革，取消行政人员的编制，实施合同聘用制和教师对行政人员的考核制管理，切实敦促和增强后勤行政人员“为教育服务、为教学服务、为教师服务”的理念，增强行政工作人员的服务意识、大局意识、创新意识和发展意识，打造教师轻松、静心、乐业的工作舞台和发展空间。
在实施健康教育后将血脂控制在正常的范围内。控制饮食不仅减少的TC的合成，更增高敏感性酯酶活性，将TC分解成为非酯化脂肪酸与甘油；科学的运动可使TG通过各种形式进行氧化与分解，同时也降低血脂水平；服药是控制血脂最有效的方式，然而个别患者随意服药，导致治疗效果并不理想，个别患者的服药后出现不适感从而停止服药，通过健康教育使患者意识到服药的重要性，提高依从性。
使用PCFA法对多维数据进行降维，提取出的3个主成分因子(总方差解释达到92%，效果良好).从旋转后的成分矩阵表1 可以看出：主成分因子1主要反映了列车的服务范围属性，根据其相关的指标将该因子命名为“里程(停站)因子”；该因子得分越高说明列车的里程越长，停站越多，说明列车牺牲旅行效率以扩大覆盖范围，主要服务于公益性需求.主成分因子2主要反映了列车经停地区的发展水平，且生产总值与人口密度相关性很高，因此将主成分因子1命名为“产值(密度)因子”；该因子得分越低说明列车经停(服务)的地区更需要被帮扶，即列车的公益性更强.主成分3 主要反映了列车的技术属性，根据其相关的指标将该因子命名为“速度(价格)因子”；该因子得分越高说明列车的旅行速度越快、票价越高，即列车的开行主要以营利为目的.
2.3 FCM聚类及结果分析
(2)算法介绍.
表1 PCFA 法降维旋转后的成分矩阵0① 小系数未展示.
Table1 Component matrix of PCFA method after dimensionality reduction rotation
列车聚类结果如图2所示，各类别列车因子得分程度如图3所示，可以看出，各类别划分清晰、特征突出，聚类效果较好.
图2 列车聚类结果散点图
Fig.2 Scatter diagram of clustering results
表2 列车聚类结果隶属度与分类示例表
Table2 Membership degree and classification of clustering results(example)
表3 列车聚类结果分类统计
Table3 Classification statistics of clustering results
从各图表显示结果可以分析得出结论如下：
类0的速度(价格)因子得分明显高于其他类别，且产值(密度)因子得分不低，说明该类别中的列车旅行速度快、单位票价高，且服务地区经济状况良好.因此可知，类0 中的列车主要用于商业营利目的，可以将其排除于公益性列车考虑范围之外.
图3 列车按类别分因子得分箱形图
Fig.3 Box figure of factor scores of trains by category
类3的产值(密度)因子得分明显高于其他类别，说明该类别中的列车主要服务于经济发达地区；其里程(停站)因子不高但覆盖人口密度很大说明该类列车主要用于经济发达区域内部城市之间的高效率短途往返；其速度(价格)因子不高是由于受到里程的限制.由此可知，类3 中的列车也是用于实现高效率的商业出行目的，可排除于公益性列车考虑范围之外.
类1 和类2的产值(密度)因子和速度(价格)因子得分都比较低，说明该类列车主要服务的地区经济发展水平相对较低，为了减少旅客的出行成本而限制了价格，为了降低列车的运营成本而限制了速度.由此可知，类1 和类2 中的列车的开行目的是为了照顾经济相对欠发达地区人民的交通出行，以平衡资源配置、促进社会公平，因此类1和类2 中的列车都可以被纳入公益性列车的考虑范围.同时，从类1和类2的里程(停站)因子得分可以推测出，类1 主要是服务于全国范围的长途列车，类2是服务于小区域范围的市郊或通勤列车.
通过对各类别中的列车类型数目进行统计(表3)可以发现，KTZ字头的列车大多可被纳入公益性客运任务考虑范围，而G 字头的列车几乎都被排除在外，这与实际运营中列车类型目标定位大致相符，说明聚类的结果比较合理；而D和C字头列车类别分布差异也符合现状0① D和C字头一般按其作用和目的命名，而不是按照列车属性命名. ，体现了该方法能够摆脱列车固有类型定义、尊重指标参数进行分类的科学性.
橙皮苷对照品（中国食品药品检定研究院，批号：110721-201617，纯度：96.1%）；甲醇、乙腈为色谱纯，其他试剂均为分析纯，水为娃哈哈纯净水。
（2）建筑工程决策环节应用。建筑工程项目的成本、建设周期往往与其所在的地理位置、气候条件及地形地貌等密切相关，传统的建筑工程决策前的场地分析掌握信息量有限，实地踏勘获取的数据有限，获取的数据处理难度较大，且信息交流和共享不畅等问题，常常使建筑工程项目的决策产生不利影响。BIM技术的应用，在业主方、设计方、施工方以及供应商等建筑工程项目主体搭建了良好的信息沟通交流平台，为项目的决策提供了充分的信息支撑和保障，也为各方信息交流提供良好平台，为提升建筑工程项目决策的科学性提供了可靠保证，极大地节省了人财物资源。
3 结 论
本文针对铁路公益性客运的范围界定问题，尝试拓展新思路，构建了B-C-C三阶段决策模型，以社会效益、经济状况和现实能力作为层进式判定条件，理顺了铁路公益性客运范围界定的决策逻辑.该模型需要结合定性与定量分析混合决策，PCFA-FCM算法解决了其实际运作中的最大难点即社会效益衡量问题，PCFA-FCM 算法可摆脱列车类型的约束，从众多铁路旅客列车中筛选出公益性列车的考虑范围.
白丽筠矜持地微笑起来，缓缓地说，我就是要用这个段子让季经理、李老板两人都光火，我就是要让他们都怕我，从此不再理睬我。可是，我这么做的最大理由是什么呢？
参考文献：
[1]孙林.铁路公益性运输补贴立法研究[J].铁道经济研究,2014(6)：1- 4.[SUN L.Study on legislation of railway public welfare transportation subsidy[J].Railway Economics Research,2014(6)：1-4.]
[2]陈佩虹,王稼琼.铁路公益性运输的补偿机制及其改革[J].改革,2006(8)：33-37.[CHEN P H,WANG J Q.Compensation mechanism of railway public welfare transportation and reform[J].Reform,2006(8)：33-37.]
[3]高志宏.公共利益：界定、实现及规制[M].南京：东南大学出版社,2015.[GAO Z H.Public interest：Definition，implementation and regulation[M].Nanjing：Southeast University Press,2015.]
[4]林晓言,徐建平,褚珊.铁路公益性运输服务补贴机制研究[J].铁道经济研究,2015(2)：6-13.[LIN X Y,XU J P,CHU S.Research on subsidy mechanism of railway public welfare transport service[J].Railway Economics Research,2015(2)：6-13.]
[5]刘云,廉李章.建立铁路公益性运输补贴机制的思路建 议[J].生产力研究,2013(12)：110-111.[LIU Y,LIAN L Z.Thoughts and suggestions on the establishment of railway public welfare transportation subsidy mechanism[J].Productivity Research,2013(12)：110-111.]
[6]韩舒怡,荣朝和.保障公益性运输服务的铁路客票管理策略[J].交通运输系统工程与信息,2018,18(4)：5-10.[HAN S Y,RONG C H.Public service protection constrained railway seat inventory control policy[J].Journal of Transportation Systems Engineering and Information Technology,2018,18(4)：5-10.]
[7]WANG C W,JENG J H.Image compression using PCA with clustering[C].International Symposium on Intelligent Signal Processing & Communications Systems,2012,41(11)：458-462.
[8]刘帆洨,彭其渊,梁宏斌，等.基于PCA-聚类分析的高铁旅客购票行为特性研究[J].交通运输系统工程与信息,2017(6)：126-132.[LIU F X,PENG Q Y,LIANG H B,et al.High-speed railway passenger ticketing behavior characteristics based on PCA and clustering[J].Journal of Transportation Systems Engineering and Information Technology,2017,17(6)：126-132.]
[9]余少鹤,李夏苗,付延冰,等.铁路客运服务需求的模糊聚类分析[J].中国铁道科学,2004,25(3)：122-125.[YU S H,LI X M,FU Y B,et al.Fuzzy clustering analysis of railway passenger transport service demand[J].China Railway Science,2004,25(3)：122-125.]
[10]BEZDEK J C.Pattern recognition with fuzzy objective function algoritms[N].Plenum Press,1981,New York.
A Compound Decision Model for Defining Scope of Railway Public-welfare Passenger Transportation
FENG Fen-ling,XU Yun-ru
(School of Traffic and Transportation Engineering,Central South University,Changsha 410075,China)
Abstract: With the proposal of "basic public services equalization" plan and the promotion of railway"government-enterprise separation" marketization reform,the contradiction between public welfare and commercial service of railway becomes increasingly prominent.Reasonably defining the scope of public welfare passenger transportation is the precondition to alleviate conflicts and realize effective supply.Combining qualitative and quantitative analysis,this paper constructs a compound decision model for defining the scope of railway public welfare passenger transportation based on B-C-C three-stage decision process and PCFA-FCM dimension-reduced clustering algorithm.The B-C-C three-stage decision model takes social benefits,economic condition and practical capability as the hierarchical judgement conditions to realize the top-level decision-making of the scope of public welfare passenger transport.The PCFA-FCM dimension-reduced clustering algorithm solves the problem of quantitative analysis of social benefits (public welfare degree),which is the most difficult step in the actual operation of decision-making process.It can get rid of the constraint of train type,classify the trains according to the actual index attribute.
Keywords: railway transportation; classification decision; fuzzy cluster analysis; public welfare passenger transportation;scope definition
文章编号： 1009-6744(2019)05-0001-06
中图分类号： U293
文献标志码： A
DOI: 10.16097/j.cnki.1009-6744.2019.05.001
收稿日期： 2019-04-01
修回日期： 2019-06-27录用日期： 2019-07-04
基金项目： 国家重点研发计划/National Key Basic Research Program of China(2018YFB1201400,2018YFB1201402).
作者简介： 冯芬玲(1973-)，女，河北邯郸人，教授.*
通信作者： ffl0731@163.com
标签：铁路运输论文; 分类决策论文; 模糊聚类论文; 公益性旅客运输论文; 范围界定论文; 中南大学交通运输工程学院论文;