中老铁路货运增量市场空间预测研究

Forecast of Incremental Market Space for China-Laos Railway Freight Transportation

摘要

中国与东盟国际贸易呈现不断扩大的合作规模，中老铁路的建设对于加强中老两国之间的贸易和物流往来具有积极影响。基于中老铁路货源特征调查情况和中老两国双边贸易额的发展趋势，采用灰色预测模型预测了中老两国2023—2027年期间的货运量；结合中老铁路沿线货运业务辐射范围，选择运输时间、运输费用、准时性、安全性4个影响因素构建效用函数，并利用AHP法进行赋权，最后通过构建Logit模型预测了中老铁路运输通道内铁路及公路2024—2027年期间的货运量分担率和货运量。预测结果能够为中老铁路丰富集装箱联运产品体系、提高货运营销维度、大力发展多式联运与国际联运及构建货运品牌，进一步促进货运营销、提升规模化运输下的货源组织水平提供指导性的建议。

Abstract

China and the Association of Southeast Asian Nations (ASEAN) have demonstrated a growing commitment to international trade cooperation. The establishment of the China-Laos Railway specifically aims to enhance trade and logistics interactions between the two countries. This study examined the characteristics of freight sources related to the China-Laos Railway and the evolving trends in bilateral trade volumes between China and Laos. A grey forecasting model was employed to predict freight volumes between the two countries from 2023 to 2027. The utility function, which considered factors such as transport time, cost, punctuality, and safety, was developed according to the radiation range of freight business along the China-Laos Railway, and it was weighted by using the analytic hierarchy process (AHP) method. Finally, by constructing the Logit model, the freight sharing ratio and freight volume of railways and roads in the China-Laos Railway transportation corridor from 2024 to 2027 were predicted. The forecast results can provide guiding suggestions for the China-Laos Railway to enrich the product system of container intermodal transport, improve the dimension of freight marketing, vigorously develop multimodal and international intermodal transport, build freight brands, further promote freight marketing, and enhance the level of cargo source organization under large-scale transport.

Graphical abstract

关键词

中老铁路 / 灰色预测 / Logit模型 / 货运分担率 / 货运量预测

Key words

China-Laos Railway / Grey Forecast / Logit Model / Freight Sharing Ratio / Freight Volume Forecast

随着中国—东盟自由贸易区和“一带一路”倡议的深入推进，中国与东盟的经贸关系日益密切，贸易投资规模持续增长，中老昆万铁路(昆明—万象，以下简称“中老铁路”)^[1]的开通提升了中老两国原有运输通道格局，不仅推动了两国间的互联互通建设，也因其运输价格、运输速度、服务水平等方面的相对优势，有效吸引了公路、水路等主要竞争方式的货流。《区域全面经济伙伴关系协定》(RCEP)^[2]在关税减让、通关简化及单证改革等方面推出的规定能够有效降低中老货物贸易关税成本，推动中老集装箱多式联运产品体系构建，对提高海关通关效率和单证改革产生积极的影响。随着中国与老挝等东盟国家间贸易复苏，中老铁路货运市场需求得到释放，基于货源特征分析，明确货运业务辐射范围，预测货运增量市场空间，对提升货源组织水平、提高货运收益具有重要的实际意义。

1　研究思路

中老铁路北起中国云南省昆明市，经老挝孟赛、琅勃拉邦、万荣至老挝首都万象，是泛亚铁路中通道的重要组成部分^[3]。中老铁路货运与中老两国之间的贸易息息相关，由于中老铁路开通时间较短，相关数据较少，建模信息量相对匮乏，因此本研究采用灰色预测模型及Logit模型对中老铁路的货运量进行预测。具体思路如下。

（1）中老运输通道全方式货运量预测。中老两国的货运量与中老两国的双边贸易额呈正相关，灰色预测模型^[4-5]采用关联度收敛进行关联度分析，通过对生产数据的处理寻求系统的变动规律，模型可通过少量的、不完全的信息，建立数学模型并做出预测。采用灰色预测模型，对中老两国的贸易额进行预测，并基于贸易额预测值与货运量的相关关系，对中老两国未来的全方式货运量进行预测。

（2）中老铁路货运量预测。在中老铁路开通之前，航空主要承担国际邮件和极少量高附加值货物运输，其运量可以忽略不计，而澜沧江、湄公河等水系距离中老铁路的吸引范围较远，航道比较狭窄，不能满足大规模水上货运的需求，因此中老铁路所辐射的沿线地区主要依赖公路运输。

中老铁路通车之后，货主主要选择公路与铁路2种运输方式，可通过构建Logit^[6-7]模型，对公路与铁路运输方式的分担率变化进行计算及分析，从而对中老铁路未来的货运量进行预测。但传统Logit模型对分担率的预测只适用于小范围的货运量，超过临界值后的预测结果会随着U_i值的增大而呈指数级增长，不适用于中老铁路大宗的货运量^[8]，因此，需要对传统的Logit模型进行改进，将效用值除以效用值的加权平均值进行归一化处理，改进后的模型如下。

P_i=\frac{\mathrm{e}\mathrm{x}\mathrm{p}\left(U_i/\stackrel{-}{U}\right)}{{\displaystyle \sum _{i=\mathrm{1}}^n}\mathrm{e}\mathrm{x}\mathrm{p}\left(U_i/\stackrel{-}{U}\right)}⑴

式中：P_i表示第i种运输方式下的货运分担率；U_i表示第i种运输方式的效用值；\overline{U}为通道内各种运输方式的平均效用值。

改进后的Logit模型具有标定容易及良好的不相关选择独立性等特点，满足研究分析的需要。

2　中老两国货运量预测分析

2.1　数据分析

中老两国的货运量与中老两国的双边贸易额呈正相关关系，通过预测中老两国的未来贸易额，对中老两国未来的货运量进行预测，其中2015—2022年中国与老挝双边货物进出口额^[9]如表1所示。

（1）构造累加生成列如下。

X^{(\mathrm{0})}=\left\{\mathrm{2.781,2.338,3.017,3.475,3.921,3.558,4.345,5.682}\right\}⑵

X^{(\mathrm{1})}=\left\{\mathrm{2.781,5.120,8.137,11.612,15.533,19.091,23.436,29.118}\right\}⑶

累加数列的散点图如图1所示。

由图1可以看出，累加数列近似指数曲线，适合采用灰色预测模型。

（2）计算矩阵B和数列向量Y_n。

B=\left[\begin{array}{cc}-\frac{\mathrm{1}}{\mathrm{2}}(X^{(\mathrm{1})}(\mathrm{1})+X^{(\mathrm{1})}(\mathrm{2}))& \mathrm{1}\\ -\frac{\mathrm{1}}{\mathrm{2}}(X^{(\mathrm{1})}(\mathrm{2})+X^{(\mathrm{1})}(\mathrm{3}))& \mathrm{1}\\ -\frac{\mathrm{1}}{\mathrm{2}}(X^{(\mathrm{1})}(\mathrm{3})+X^{(\mathrm{1})}(\mathrm{4}))& \mathrm{1}\\ -\frac{\mathrm{1}}{\mathrm{2}}(X^{(\mathrm{1})}(n-\mathrm{1})+X^{(\mathrm{1})}(n))& \mathrm{1}\end{array}\right]=\left[\begin{array}{cc}-\mathrm{3.951}& \mathrm{1}\\ -\mathrm{6.629}& \mathrm{1}\\ -\mathrm{9.875}& \mathrm{1}\\ -\mathrm{13.572}& \mathrm{1}\\ -\mathrm{17.312}& \mathrm{1}\\ -\mathrm{21.263}& \mathrm{1}\\ -\mathrm{26.277}& \mathrm{1}\end{array}\right]⑷

Y_{\mathrm{7}}=\left[\begin{array}{c}{X}^{(\mathrm{0})}(\mathrm{2})\\ X^{(\mathrm{0})}(\mathrm{3})\\ X^{(\mathrm{0})}(\mathrm{4})\\ X^{(\mathrm{0})}(\mathrm{5})\\ X^{(\mathrm{0})}(\mathrm{6})\\ X^{(\mathrm{0})}(\mathrm{7})\\ X^{(\mathrm{0})}(\mathrm{8})\end{array}\right]=\left[\begin{array}{c}\mathrm{2.338}\\ \mathrm{3.017}\\ \mathrm{3.475}\\ \mathrm{3.921}\\ \mathrm{3.558}\\ \mathrm{4.345}\\ \mathrm{5.682}\end{array}\right]⑸

（3）计算\widehat{a}=\left[\begin{array}{c}a\\ u\end{array}\right]的估计量。

B^{\mathrm{T}}B=\left[\begin{array}{cc}\mathrm{1.784}& -\mathrm{0.099}\\ -\mathrm{0.099}& \mathrm{0.007}\end{array}\right]\times {\mathrm{10}}^{\mathrm{3}}\to (B^{\mathrm{T}}{B)}^{-\mathrm{1}}=\left[\begin{array}{cc}\mathrm{0.003}& \mathrm{0.037}\\ \mathrm{0.037}& \mathrm{0.659}\end{array}\right]\to B^{\mathrm{T}}{Y}_n=\left[\begin{array}{c}-\mathrm{420.072}\\ \mathrm{26.337}\end{array}\right]⑹

即得\widehat{a}=\left[\begin{array}{c}a\\ u\end{array}\right]=(B^{\mathrm{T}}{B)}^{-\mathrm{1}}{B}^{\mathrm{T}}{Y}_n=\left[\begin{array}{c}-\mathrm{0.124}\\ \mathrm{2.008}\end{array}\right]，相关参数

为：a=-\mathrm{0.124}，u=\mathrm{2.008}。

（4）由此得预测函数。

X^{(\mathrm{1})}(k+\mathrm{1})=(X^{(\mathrm{0})}(\mathrm{1})-\frac{u}{a})e^{-ak}+\frac{u}{a}=\mathrm{18.949}{e}^{\mathrm{0.124}k}-\mathrm{16.168}⑺

由此可得2015—2022年中国与老挝双边货物进出口额预测值与真实值折线图如图2所示。

绝对误差数列为

e^{(\mathrm{0})}=(\mathrm{0}，-\mathrm{0.168,0.18,0.262,0.284}，-\mathrm{0.65}，-\mathrm{0.318,0.403})⑻

相对误差数列为

\epsilon (k)=(\mathrm{0}，-\mathrm{0.072,0.060,0.075,0.072}，-\mathrm{0.157}，-\mathrm{0.731,0.071})⑼

计算模型精度为

\rho =(\mathrm{1}-\epsilon (avg))\times \mathrm{100}\mathrm{\%}=\mathrm{99.7}\mathrm{\%}

由结果可知该模型的诊断结果为好，精度等级为一级，可以用该预测模型对中国与老挝未来的双边货物进出口额进行预测。

2.2　货运量预测

（1）对未来5年中国与老挝的双边货物进出口额进行预测，2023—2027年中国与老挝双边货物进出口额预测值如表2所示。

（2）对中老两国的货运量进行预测。2022年，中老两国口岸公路与铁路的总货运量为556万t，2022年中国与老挝的双边货物进出口额为56.824亿美元，根据表2的进出口额预测值，同比预测中老两国未来5年的货运量，2023—2027年中老两国的跨境货运量预测值如表3所示。

3　运输方式分担率计算

3.1　模型构建

3.1.1　运输方案

（1）运输起止点。为了使研究过程更为清晰，选取云南昆明及老挝万象作为中老运输通道的起止点，作为研究范围展开分析论证，根据区域内交通网络现状，针对公路及铁路2种运输方式提出路线方案。

（2）运输路线。①铁路运输路线方案：由中老铁路昆明站出发，沿中老铁路经野象谷站、磨憨站，由磨丁站过境后经万荣站到达万象南站。②公路运输路线方案^[10]：由昆明出发，经昆磨高速公路到达磨憨，由磨憨经老挝国境口岸到达琅勃拉邦，经老挝Route 13S公路，从琅勃拉邦一路向南，通过川圹、塞诺、敦梯、巴色等地，最终到达老挝首都万象。

3.1.2　影响因素

影响货运分担率的因素主要与适运货物属性及运输条件有关，中老铁路运输的货物主要分为金属矿产、生鲜农产品、橡胶等工业原材料、化肥、纺织品等低附加值加工产品等几大类；其中我国进口老挝的主要货物品类为金属矿石、生鲜农产品、橡胶和钾肥，我国出口老挝的主要货物品类为化肥、鲜活货物、纺织品和混装货物。中老铁路通车之后，由于铁路运输方式更适合上述货物的运输，因此会提高铁路运输方式的货运分担率；另一方面，运输条件对通道内运输方式的竞争力起到决定性作用^[11]，因此，选择运输时间、运输费用、准时性、安全性这4个方面作为效用函数的影响因素来预测中老运输通道货运量分担率。影响因素的确定原则如表4所示。

3.2　参数标定

3.2.1　运输时间

根据表4的定义，运输时间包括货物旅行时间、通关时间、装卸作业时间、中转作业时间等，其中旅行时间由通道长度及旅行速度决定，计算方法为：旅行时间=通道长度/旅行速度。通过文献调查、资料查找及询问工作人员等方式，在铁路方面，通道线路为昆明站—磨憨站—万荣站—万象站，通道长度取1 004 km，平均运输速度取80 km/h，得铁路运输的旅行时间为t_{\mathrm{铁路}}^{\text{'}}=12.55(h)，目前，中老铁路货物列车的整体通关时间已由原来的超过40 h缩减至目前的5 h内^[12]，通过调研，货物列车的中转及装卸作业时间平均约为10 h，因此可得t_{\mathrm{铁路}}^{\text{'}\text{'}}=5+10=15(h)，得铁路的运输时间为：t_{\mathrm{铁路}}=t_{\mathrm{铁路}}^{\text{'}}+t_{\mathrm{铁路}}^{\text{'}\text{'}}=27.55(h)；在公路方面，通道线路为昆明—磨憨—琅勃拉邦—万象，通道长度取1 207 km，平均运输速度取80 km/h，得公路运输的旅行时间为t_{\mathrm{公路}}^{\text{'}}=20.12(h)，除旅行时间外的其他时间总计约为10 h，即t_{\mathrm{公路}}^{\text{'}\text{'}}=10(h)，得公路的运输时间为t_{\mathrm{公路}}=t_{\mathrm{公路}}^{\text{'}}+t_{\mathrm{公路}}^{\text{'}\text{'}}=30.12(h)。

3.2.2　运输费用

铁路货物运输费用根据国家铁路统一运价营业线运费计算办法，计算公式按集装箱货物为准，其中每箱铁路运价=基价1+基价2×运价里程，通过查阅相关资料及文献^[13]，20 ft/40 ft集装箱对应基价1分别为440元/箱及532元/箱，基价2分别为3.185元/箱公里及3.357元/箱公里，根据《铁路货物装卸作业计费办法(铁运〔2005〕5号)》^[14]，20 ft/40 ft集装箱装卸费率分别为220元/箱及330元/箱，以20 ft集装箱为基准，载重按16.5 t/箱计算，得铁路通道线路的平均运价率为0.219元/(\mathrm{t}\bullet \mathrm{k}\mathrm{m})。

公路汽运运费一般构成与油价、油耗、载重、里程、过路费、车辆折旧、驾驶员工工资、利润等有关，目前，很多货场及物流公司汽车运输按照运输里程、路线、运量等各方面综合报价，一般为每批次运费，而且汽车运输费用随季节、政策、路况等各种因素影响变动幅度很大，根据调研取公路运输的平均运价率为0.547元/(\mathrm{t}\bullet \mathrm{k}\mathrm{m})。

3.2.3　准时性

铁路：目前我国国际班列货物列车的准点率为95.3%。

公路：参照我国公路参数，公路货运车辆的准点率为75%。

3.2.4　安全性

目前我国国际班列的货损率为2%，相对的安全性为0.98；公路的货损率为4%，相对的安全性为0.96。

3.2.5　影响因素取值汇总

将上述影响因素取值进行汇总，影响因素参数标定汇总表如表5所示。

3.2.6　权重参数的标定

货主在对不同种类的货物进行运输时对以上变量的要求程度不同，结合表5中老货运通道各运输方式的影响因素数值，采用专家打分法^[15]，确定运输时间、运输费用及时效性、安全性等影响因素的权重，并进行整合，随后采用层次分析法，对同一层次的各元素与上一层次某准则的重要性进行比较，并由专家对权重进行打分，构造判断矩阵，求解得到权重值，影响因素的权重如表6所示。

3.3　分担率预测

根据表6，得到影响因素的相对效用值如表7所示，其中运输时间、运输费用与效用值成反比关系，当运输时间越短，运输费用越低时，其效用值越高。

由此可得各运输方式分担率如表8所示。

由以上结果可以看出，中老铁路通车之后，将使得原由公路承担的53.6%货运量流向铁路。这也表明，中老铁路通车之后，很大程度上缓解了公路的运输压力，从运输时间、安全性、便捷性等方面进一步满足中老铁路运输通道货主的需求，给货主带来极大的便利。

4　中老铁路货运量预测

中老铁路由昆玉段(昆明南—玉溪)、玉磨段(玉溪—磨憨)及磨万段(磨丁—万象南)组成。本研究针对中老铁路中国境内的玉磨段及老挝境内的磨万段的货物运输量进行预测。

磨憨站是中老铁路境内外货物交接的口岸站，2022年由国内到达磨憨站并过境进入老挝的货物运输量为43.50万t，由老挝到达磨憨站并过境进入我国的货物运输量为174.93万t，由此可知2022年中老铁路的跨境货物运输量为218.43万t。至2023年上半年，中老铁路的跨境货物运输量已基本达到2022年的全年水平，因此针对2023年，依据铁路货运量的同比增长情况(平均增长率约为129%)对2023年的铁路货运量进行预测，2023年之后的货物运输量，则基于中老铁路货运量的预测结果及中老货运通道内各运输方式的分担率预测值，得出2023—2027年中老铁路跨境货运量的预测值如表9所示。

2022年中老铁路玉磨段(不含玉溪南站，下同)的货物发送量为400.63万t，货物到达量为404.86万t，基于表9的预测值及增长率，可得2023—2027年玉磨段货运量预测值如表10所示。

2022年中老铁路磨万段的货物发送量约为237.65万t，货物到达量约为93.08万t。基于表9的预测值及增长率，可得2023—2027年磨万段货运量预测值如表11所示。

5　结束语

本研究通过分析中老铁路货运量预测需要考虑的相关因素，结合中老铁路货运量与中老两国的双边贸易额呈正相关的相互关系，采用灰色预测模型对中老两国未来各运输方式货运量进行预测，构建Logit模型计算公路与铁路运输方式的分担率变化，从而对中老铁路未来的货运量进行预测分析。根据中老铁路当前的货运量及预测结果，针对出入境货运量不均衡特征，需要加强中老铁路的货源组织水平，通过打造集装箱联运产品体系、提高货运营销维度、大力发展多式联运和国际联运、促进货运品牌构建及货运营销，以提升中老铁路在综合交通运输系统中的吸引力和竞争力。

参考文献

[1] 朱慧勇. “一带一路” 倡议下中老铁路经济带发展的“五通”分析[J]. 商业经济研究，2023(14)：134-137.

[2] 陈　杨，张振东，叶玉玲，等. RCEP协定下中老铁路货运发展研究[J]. 铁道运输与经济，2022，44(12)：57-61.

[3] CHEN Yang， ZHANG Zhendong， YE Yuling，et al. Development of Freight Transport on China-Laos Railway under the Regional Comprehensive Economic Partnership[J]. Railway Transport and Economy，2022，44(12)：57-61.

[4] 李　佳. 中老铁路贸易货运量预测[J]. 中国铁路，2014(5)：20-23.

[5] 曾　波，李　惠，余乐安，等. 季节波动数据特征提取与分数阶灰色预测建模[J]. 系统工程理论与实践，2022，42(2)：471-486.

[6] ZENG Bo， LI Hui， YU Le’an，et al. Feature Extraction and Fractional Grey Prediction Modeling of Seasonal Fluctuation Data[J]. Systems Engineering-Theory & Practice，2022，42(2)：471-486.

[7] 杨坤河. 基于可计算一般均衡的区域货运量预测模型研究[D]. 北京：清华大学，2011.

[8] 马晓磊，刘　兵，姚李亮. 基于多源数据融合的高铁枢纽多模式换乘客流分担率估计[J]. 同济大学学报(自然科学版)，2022，50(3)：309-319.

[9] MA Xiaolei， LIU Bing， YAO Liliang. Estimation Passenger Transfer Demand Multimodal Split in a High Speed Railway Hub Based on Multi-Source Data Fusion[J]. Journal of Tongji

[10] University (Natural Science)，2022，50(3)：309-319.

[11] 郭姝娟，魏梓峰，孙正宇，等. 疫情不同阶段西部陆海新通道市场分担率变化研究[J]. 交通运输系统工程与信息，2023，23(1)：305-313.

[12] GUO Shujuan， WEI Zifeng， SUN Zhengyu，et al. Evaluation of Market Share of New International Land-Sea Trade Corridor in Different Periods of COVID-19[J]. Journal of Transportation Systems Engineering and Information Technology，2023，23(1)：305-313.

[13] 许秋萌，刘　澜. “一带一路” 背景下中老运输通道货运量分担率预测方法研究[J]. 交通运输工程与信息学报，2018，16(3)：82-87，97.

[14] XU Qiumeng， LIU Lan. The Sharing Rate Prediction Method of the China-Laos Railway under One Belt and One Road Initiative Background[J]. Journal of Transportation Engineering and Information，2018，16(3)：82-87，97.

[15] 2022年中国与老挝双边贸易额与贸易差额统计[EB/OL].(2023-02-10)[2023-07-23].

[16] 唐　堂. 中老铁路助力中南半岛经济走廊互联互通[J]. 社会主义论坛，2022(7)：48-50.

[17] 曹　恒. 基于效用函数的铁路货运分担率研究[J]. 运输经理世界，2022(8)：67-69.

[18] 张 智.中老铁路开通一周年：通关时间缩至5小时内，单月货运量增长3.5倍[N].华夏时报，2022-12-03.

[19] 陈乾阳，张新明，万云飞. 鲁辽货物运输通道研究[J]. 山东交通科技，2018(6)：95-98.

[20] 铁路货物装卸作业计费办法[J]. 铁道货运，2005，23(7)：40-44.[15]

[21] 项　昀，王　炜，王　昊，等. 综合运输体系下的货运方式分担率[J]. 东南大学学报(自然科学版)，2015，45(6)：1197-1202.

[22] XIANG Yun， WANG Wei， WANG Hao，et al. Mode Split Rate of Freight Transportation in Comprehensive Transportation System[J]. Journal of Southeast University (Natural Science Edition)，2015，45(6)：1197-1202.

基金资助

中国国家铁路集团有限公司科技研究开发计划课题(K2022X027)

中国国家铁路集团有限公司科技研究开发计划课题(P2022X023)