·交通运输·
高铁客流量影响因素的关联性分析
耿立艳1，赵 玮2，宋婧婧1 GENG Liyan1,ZHAO Wei2,SONG Jingjing1
（1.石家庄铁道大学 经济管理学院，河北 石家庄 050043；2.石家庄铁路职业技术学院，河北 石家庄 050041）
(1.School of Economics and Management,Shijiazhuang Tiedao University,Shijiazhuang 050043,China;2.Shijiazhuang Institute of Railway Technology,Shijiazhuang 050041,China)
摘 要： 文章将高铁客流量的影响因素分为外部因素、内部因素、其他因素，在分析这三类因素基础上，构建高铁客流量影响因素指标体系，包括3个一级指标和17个二级指标。通过灰色关联分析定量确定各影响因素指标对高铁客流量的影响程度。结果表明，17项影响因素指标的关联度均在0.6以上，其中，高铁营业里程、高铁营业里程占铁路营业里程比重，全社会固定资产投资、铁路固定资产投资对高铁客流量的影响相对较大，它们的关联度分别为：0.7367、0.7271、0.6907、0.6901。
关键词： 高铁；客流量；影响因素；灰色关联分析
0 引言
改革开放以来，随着经济的快速发展，中国铁路网的规模和质量严重不适应经济社会发展需要，发展高速铁路（简称“高铁”）成为解决这一问题的主要途径。高铁作为一种全新的交通运输方式，其建设和投入运营既能够从根本上缓解我国铁路运输紧张状况、提高铁路运输能力和服务质量，又可以促进沿线经济发展、相关产业转型升级、城市群的崛起，推动区域和城乡协调发展。高铁客流量分析是高铁建设规划、高铁列车开行计划安排的基础工作。高铁客运系统作为一种复杂的系统，受到诸多因素的影响，这些因素对高铁客流量的影响程度不甚相同，使得对高铁客流量分析具有一定的困难。因此，确定各因素对高铁客流量影响程度大小是进行高铁客流量分析的前提。灰色关联分析属于一种多因素统计分析方法，用于从定量角度分析系统受其他因素影响的强弱，对数据要求低、计算简单，具有其他统计分析方法无法比拟的优点[1]。本文运用灰色关联分析研究各影响因素对高铁客流量产生的影响程度，为高铁的修建与管理提供参考依据。
1 高铁客流量影响因素指标体系
1.1 高铁客流量影响因素分析
高铁客流量的影响因素主要分为外部因素、内部因素和其他因素三大类。外部影响因素是宏观层面的高铁客流量影响因素。主要包括路线区域内经济发展水平、城市之间的产业关联性、居民收入与消费水平[2]、人口数量与人口流动等。路线区域内经济发展水平提高能够对外产生集聚与扩散作用，从而产生较高的高铁客流量。城市之间的产业关联性越强，城市之间的来往也越频繁，高铁客流量也随之上升。居民收入与消费水平的增加，人们的生活消费水平也会发生改变，这将产生大量的旅游客流，使得高铁客流量增加。路网区域内人口数量与人口流动的增长，促使区域内旅客出行增加，高铁客流量随之增加。
虽然大事记的收录标准和编写规定在志书编纂规则中有明确规定，但编者面对志书中的各种实际问题，具体的收录与删增是以编者对事情的认识和编纂水平决定的，所以，编者一方面要熟悉各种标准规范，一方面要通读全志，内心要有正确的衡量标准，小心斟酌、细心思考，对资料要注意保存备查，对内容要进行前后反复核对修定，以使全志的时间及相关资料前后统一。
内部影响因素主要指高速铁路服务属性方面的因素，主要包括交通运输结构、运营组织、运输设施[3]、线网通达性等。交通运输结构的合理设计可以有效加强地区之间的联系，增加吸引的高铁客流量。高铁的运营组织效率越高，将有更多的人选择乘坐高铁出行。高铁通过改善服务设施提高了运输服务质量，从而提升高铁客流量。高铁线网通达性越高，越能诱发人们更多的出行需求。
其他影响因素主要是指国家的各种相关政策[4]，涉及旅游业发展政策、运输产业发展政策、国家支持交通发展政策等。这些政策的实施能够有效改善地区之间的吸引力，刺激地区之间的客运需求，从而带动高铁客流量的增加。
1.2 高铁客流量影响因素指标体系构建
基于以上高铁客流量影响因素的分析，构建高铁客流量影响因素指标体系。该指标体系包括3个一级指标和17个二级值指标。其中，一级指标包括外部影响因素指标、内部影响因素指标和其他影响因素指标；外部影响因素指标由国内生产总值（Gross Domestic Production,GDP）、全社会固定资产投资、总人口数、社会消费品零售总额、城镇居民人均可支配收入、居民消费水平、货物进出口总额共7个二级指标构成；内部影响因素指标包含公路客运量、水运客运量、民用航空客运量、高铁营业里程、高铁营业里程占铁路营业里程比重、高速公路里程、定期航班航线里程共7个二级指标；其他影响因素指标包含国内游客数、入境游客数、铁路固定资产投资共3个二级指标。表1给出了高铁客流量影响因素指标体系。
表1 高铁客流量影响因素指标体系
2 高铁客流量影响因素的灰色关联分析
2.1 灰色关联分析
由关联度可导出各比较数据序列相对于参考数据序列关联程度的相对次序，即关联序。
（1）参考数据序列和比较数据序列的确定
两组治疗依从性比较，观察组患者各项治疗依从性高于对照组，差异具有统计学意义（P＜0.05），详见表1。
其中：ri ∈(0,1] 。ri 的值越接近于1，则表明比较数据序列Xi 与参考数据序列的关联性越好；反之，则两者的关联性越小。
确定反映系统行为特征的参考数据序列和对系统产生影响的比较数据序列。这里将参考数据序列设为
比较数据序列设为
水分是影响植物生长发育的主要环境因子之一,水分胁迫(尤其是干旱胁迫)是经常发生的、并且是制约植物生长发育的重要逆境问题,因此土壤的含水量与保水性在植物生长过程中尤为重要.土壤含水量过低会影响植物进行光合作用,降低植物有机物质的积累,无法满足植物生长的需求,使得株高、生物量等受到明显抑制,同时蒸腾作用和气孔导度会显著降低,从而抑制植物的生长[7],进一步影响植物对土壤中污染物质的积累量和植物修复效率.
不同比较数据序列具有不同的计量单位，导致原始数据在量纲和数量级上存在一些差异，量纲和数量级的不同会导致在比较过程中不易进行比较或者不容易得出正确的结果。因此，关联度计算时需要将数据进行无量纲化处理。无量纲化处理方法有很多，这里采用初值化处理方法，获得的数据序列称为原始数据序列的初值像，计算公式为：
一路上周大国都在说毛主任业务能力突出，为人谦恭，医德高尚等。秦明月突然说：“我听说前段时间有患者家属找他闹事，是怎么一回事啊？”
3)将桌面型或嵌入式数据库转换为Client/Server架构数据库，服务器端无需安装数据库服务器，如SQL Server，客户端无需单独安装数据库驱动，并且做到网络线路上只有请求流和结果流，能更有效地利用网络带宽，从而达到高性能。
分别计算出参考数据序列Y 0（k ）与初值像Yi （k ）差的绝对值最大值、最小值，确定分辨系数ρ 之后，按式（1）计算关联系数：
（4） 关联度的计算
将高铁客流量设为参考数据序列、17项影响因素设为比较数据序列。利用式（1）对两类序列进行初值化处理，分别得到高铁客流量及影响因素的初值像。表3列出了2008～2015年高铁客流量及影响因素的初值像。
（2）数据的无量纲化处理
（5） 关联序的导出
文献[10]定义了随机事元的概念，对随机事件和随机变量的概率分布进行了研究.随机过程在参变量取某值时的状态往往与该随机过程在参变量取另一个值时的状态存在一定的依赖关系，其依赖关系可以通过过程元的相关分析原理[9]进行研究.
作为灰色系统理论的一种分析方法，灰色关联分析主要用于研究灰色系统中多个因素之间相互作用、相互关联，是各因素发展态势的量化比较[5]。灰色关联分析能够根据系统的影响因素序列的相似程度，分析并确定因素之间存在的相互关系和对系统的影响程度，确定因素与系统之间的关联度，进而发现系统存在的主要矛盾、特性及影响因素。灰色关联分析计算步骤具体如下：
2.2 分析过程
选取2008～2015年高铁客流量及其影响因素进行灰色关联分析。表2列出了2008～2015年高铁客流量及影响因素数据。
比较数据序列Xi 的关联度ri 是该序列各关联系数的算术平均值，计算公式为：
分辩系数的取值仅改变关联度数值的大小，对关联序的影响不大[6]。这里将分辨系数取为ρ =0.65，由式（2）计算各影响因素与高铁客流量的关联系数。表4列出了2008～2015年高铁客流量与影响因素的关联系数。
（3） 关联系数的计算
表2 2008～2015年高铁客流量及影响因素数据
由式（3）计算高铁客流量与各影响因素的关联度，计算结果见表5。由表5可知，高铁客流量与各影响因素的关联度比较接近，范围在0.6867～0.7367之间，说明根据通过分析影响因素来构建影响因素指标体系是比较准确的。17项影响因素中，高铁营业里程、高铁营业里程占铁路营业里程比重的关联度均在0.70以上，表明这两项影响因素对高铁客流量变化的影响程度相对较大；其他15项影响因素的关联度均在0.70以下，表明它们对高铁客流量变化的影响程度相对较小。
将表5的关联度值按照从大到小的顺序排列，得到各影响因素相对于高铁客流量的关联序为：高铁营业里程＞高铁营业里程占铁路营业里程比重＞全社会固定资产投资＞铁路固定资产投资＞社会消费品零售总额＞民用航空客运量＞国内游客数＞国内生产总值＞居民消费水平＞高速公路里程＞城镇居民人均可支配收入＞定期航班航线里程＞水运客运量＞货物进出口总额＞公路客运量＞总人口数＞入境游客数。
从关联序可以看出，（1）高铁营业里程与高铁客流量的关联度最大（ρ =0.7367），即高铁营业里程对高铁客流量变化的影响最大。（2）高铁营业里程占铁路营业里程比重与高铁客流量的关联度排在第二位（ρ =0.7271），即高铁营业里程占铁路营业里程比重对高铁客流量变化的影响很大。（3）全社会固定资产投资与高铁客流量的关联度较大（ρ =0.6907），表明全社会固定资产投资对高铁客流量有较大影响。（4）铁路固定资产投资与高铁客流量的关联度也较大（ρ =0.6901），说明铁路固定资产投资对高铁客流量变化也有较大影响。（5）其他13项影响因素与高铁客流量的关联度比较接近，均在0.68左右，表明它们对高铁客流量变化的影响差异不大。
通过以上分析可以看出，内部影响因素中的高铁营业里程、高铁营业里程占铁路营业里程比重是影响高铁客流量变化的最主要因素，外部影响因素中的全社会固定资产投资是影响高铁客流量变化的重要因素，其他影响因素中的铁路固定资产投资是影响高铁客流量变化的次要因素。分析高铁客流量变化时，应全面考虑这4项影响因素的作用，以便更准确地分析高铁客流量的变化规律。
3 结论
本文运用灰色关联分析研究高铁客流量的影响因素。从外部、内部、其他三方面因素构建高铁客流量影响因素指标体系，
表6反映的是医疗卫生基本公共服务的回归模型的变量逐个回归，其中城镇化率除了回归（2）其系数在10%的显著，其他几个回归中其变量系数为负值，符合理论预期，但都不显著；人均收入变量的引入，在回归（2）中其系数在10%的水平上显著，其他回归其系数在1%的水平上显著，但与理论预期不符合；医疗卫生财政支出在几个回归中在1%的显著性水平上都是显著的，且系数变化不大；城乡消费差距随着变量的加入最后在10%的水平上显著，且系数为正，符合理论预期；随着税收的加入，其系数为负，在5%的水平上显著，符合前文假设；总抚养比和地区医院床位数的引入，其回归系数都为正，符合理论预期，但并不显著。
通过灰色关联分析法从定量角度研究各影响因素对高铁客流量产生的作用。结果表明，17项影响因素中，对高铁客流量变动趋势产生较大影响4项因素依次为：内部影响因素中的高铁营业里程、高铁营业里程占铁路营业里程比重，外部影响因素中的全社会固定资产投资，其他影响因素中的铁路固定资产投资。
表3 2008～2015年高铁客流量及影响因素的初值像
表4 2008～2015年高铁客流量与影响因素的关联系数
表5 高铁客流量与影响因素的关联度
参考文献：
[1] 耿立艳.物流需求的智能预测方法[M] .北京：科学出版社，2016.
[2] 张伯敏.高铁客流特征分析及运营对策[J] .上海铁道科技，2015(2):1-3,7.
[3] 张常顺，任建华.铁路客流影响因素及其对策分析[J] .内蒙古科技与经济，2007(21):325-326.
[4] 刘琦.影响铁路客流的因素及相关度分析[J] .上海铁道大学学报，1999,20(2):41-45.
[5] 刘思峰，谢乃明,等.灰色系统理论及其应用[M] .4版.北京：科学出版社,2008.
[6] 田建艳，张鹏飞，刘思峰.基于灰色关联分析的神经网络轧制力预报模型的研究[J] .应用力学学报，2009,26(1):164-167.
Relation Analysis to High-speed Railway Passenger Flow Volume and Its Influencing Factors
Abstract: The influencing factors of high-speed rail passenger flow volume were divided into external,internal and other factors.Based on analysis of the three types of factors,the index system of the influencing factors of high-speed rail passenger flow volume was constructed,including 3 first-level indicators and 17 second-level indicators.The different impact of each influencing factor index on passenger flow volume of high-speed railway was determined by grey relation analysis.The results show that the correlation degrees of all of the 17 influencing factors are above 0.6.The impact of four influencing factors on high-speed railway passenger flow volume is relatively larger than the other factors.They are high-speed railways in operation,the proportion of high-speed railways in operation and railways in operation,total investment in fixed assets in the whole country and railways fixed assets investment.And their relation degrees are 0.7367,0.7271,0.6907 and 0.6901,respectively.
Key words: high-speed railway;passenger flow volume;influencing factor;grey relation analysis
中图分类号： F530
文献标识码： A
文章编号： 1002-3100（2019）05-0068-05
收稿日期： 2019-02-09
基金项目： 国家自然科学基金青年项目（61503261）；河北省交通运输厅科技计划项目（QG2018-4）
作者简介： 耿立艳（1979-），女，天津宝坻人，石家庄铁道大学经济管理学院，教授，博士，研究方向：预测理论与方法。
标签：高铁论文; 客流量论文; 影响因素论文; 灰色关联分析论文; 石家庄铁道大学经济管理学院论文; 石家庄铁路职业技术学院论文;