公路货物运价研究进展

Research Progress on Highway Freight Rate

摘要

公路货物运价是影响公路货运市场活跃度的关键。总结了公路货物运价机制演进历史，检索了2005—2023年国内外896篇相关文献，提出了公路货物运价当前研究热点，明确了公路货物运价的定价影响因素，归纳了公路货物运价定价策略和运价指数编制的常用方法及其适用性，分析了货运大数据在公路运价指数编制、动态监测、运价影响分析和运输决策的应用前景；最后，从宏观货运政策、运价信用监管机制、公铁运价比、运价指数动态监测、多式联运“一单制”和网络货运平台等角度分析了公路货物运价的未来研究热点和技术发展趋势，提出了基于货运大数据的公路货物运价新发展方向。研究可为梳理运价文献脉络和指引定价策略提供支撑。

Abstract

Highway freight rate is a key factor affecting the activity of the highway freight market. This paper summarized the evolution history of the highway freight rate mechanism, searched 896 relevant literature in China and abroad from 2005 to 2023, and proposed the current research hotspots of highway freight rate. It also clarified the factors influencing the pricing of highway freight rate and summarized the pricing strategies for highway freight rate, as well as the common methods of compiling freight rate index and their applicability. Based on big data from freight transportation, the application prospects of the big data in highway freight rate index compilation, dynamic monitoring, freight rate impact analysis, and transportation decision-making were analyzed. Finally, the future research hotspots and technological development trends of highway freight rates were analyzed from the perspectives of macro freight policies, credit supervision mechanisms of freight rate, the freight rate ratios of highway and railway, dynamic monitoring of freight rate index, multimodal transportation (one-order system), and online freight transportation platforms. A new development direction for highway freight rate based on big data from freight transportation was proposed. This study could provide support for sorting out the literature on freight rate and guiding pricing strategies.

Graphical abstract

关键词

交通运输 / 货物运价 / 定价策略 / 运价监测 / 运价指数 / 货运大数据 / 多式联运

Key words

Traffic Transportation / Freight Rate / Pricing Strategy / Freight Rate Monitoring / Freight Index / Big Data from Freight Transportation / Multimodal Transportation

0　引言

公路运输是我国最广泛和灵活的运输方式之一，其货物运输价格深刻影响着国家综合运输结构调整、基础设施规划设计、铁路货物运价波动和汽车车型标准化等方面，以及货物仓储、装卸搬运、包装形式等物流各个环节^[1]。2000年以来，我国公路货物运价已形成稳定的市场调节定价机制，公路货物运价以每自然周为单位持续波动，不同物流企业对同一货物的报价也互有差别。公路货物运价经历了“明确定价规则→统一计划定价→地方自主调价试点→计划定价为主、市场调节为辅→全面市场定价→WTO国际接轨→运价动态监测→物流降本控价”等过程^[2]。

根据《2023年交通运输行业统计公报》，2023年完成公路营业性货运量371.19亿t，水路营业性货运量85.54亿t，铁路货运总发送量49.84亿t^[3]。公路运量是铁路的7.45倍，作为承担综合干线货运体系(高速公路、铁路、水路、航空)集疏运功能的基础载体，公路货运价格是影响货物以低成本的方式完成“门到门”运输^[4]的关键一环，不仅关系到公路货物运价与铁路之间的对比，还关系到多式联运整体“一单制”价格^[5-6]的最终确定，与实现各种运输方式“低成本、高效率”的运输目标密不可分，公路货运价格的合理性和稳定性对维护整个物流体系的高效运转至关重要，对近年来公路货运价格的研究成果进行总结凝练具有重要的理论价值和现实意义。

总结公路货物运价研究成果需从发展历史沿革、运价影响因素、运价定价理论、运价指数编制、阶段突出矛盾、运价研究热点、运价监测制度、运价预测技术、未来发展趋势等角度入手，基于我国公路货运基本国情和特点，需要利用不断涌现的大数据、人工智能等新技术，通过探寻货运价格制定过程中的演进规律，重塑公路货运价格市场调节的核心本质。为货运价格的精准预测和科学管理提供新分析工具和方法，梳理出未来公路货运价格研究方向和重点任务，分析上述研究角度与新技术之间的多维映射关系，能够为优化货运结构、发展多式联运、推进物流转型、补齐冷链物流和农村物流短板提供实质性的方向指引^[7-8]。总体而言，公路货物运价的研究对于降低物流成本、提高物流效率、增强企业竞争力、推动区域经济发展等方面具有深远的影响^[9]。本研究旨在综合分析当前公路货物运价研究的主要方向和成果，探讨存在的问题和挑战，并展望未来的发展趋势，以期为相关研究和实践提供参考和启示。

1　公路货运价格机制

1.1　定价机制演进

现阶段，公路货运价格制定由货运市场主导^[10]。研究公路货运价格机制前应充分了解其发展历程。按照定价主体划分，中国公路货运价格机制发展历程可以分为政府定价(1949—1982年)、过渡定价(1983—1991年)、市场定价(1992年至今) 3个定价阶段^[11-12]，新中国成立以来公路货运价格演进的重要节点如表1所示。

总体来讲，自开放公路货运市场以来，公路货运价格机制运转良好，定价机制有效地保证了货运市场的正常运行，针对公路货运市场的新情况，能够及时发布政策以应对突出矛盾^[13]。2018年以来，货运市场持续低迷^[14]，局部地区运力配置过剩，使货运市场陷入压价状态，伴随2020—2022年的新冠疫情影响，公路货运价格持续走低，未能完全发挥资源合理配置的作用。

1.2　检索数据库及范围

检索Web of Science和中国知网数据库，考虑有关公路货运价格制定(formulation of highway freight rate)的相关文献过少，增加“factors affecting freight rates”“compilation of freight rate indices”“freight rate monitoring systems”“freight rate forecasting”“freight price index”“road cargo tariff forecasts”等检索关键词，时间范围为2005—2023年，文献类型包括期刊论文(Article)、文献综述(Review)、国际会议论文集(Proceeding Paper)和发明专利(Patent)。在Web of Science中的学科类别包括交通运输(Transportation)、交通运输科技(Transportation Science Technology)、运行管理科学研究(Research Science on Operations Management)、土木工程(Engineering Civil)、经济学(Economics)、管理学(Management)、环境科学(Environmental Science)、能源燃料(Energy Fuel)和绿色可持续技术(Green Sustainable Science Technology)共9个类别。

通过筛选和去重过程，2005—2023年符合研究主旨的文献896篇，外文文献数量为509篇，中文文献数量为387篇，公路货运价格研究文献的年份分布如图1所示。

由图1可见：2005—2012年公路货运价格文献发表数量不多且稳定，研究进程关注点少，未有重大影响事件的即时研究；2013年公路货运价格动态监测指数出现，使得2013—2023年的文献数量明显增加，平均每年79篇，针对公路货运价格社会舆情的分析与评论显著增加；到2020年前后，已基本保持在100篇/a的数量，公众目光聚焦在公路货运价格的动态监测、公转铁影响等方面。

1.3　文献研究论点统计

为方便研究论点的展示，将外文关键词翻译为中文，合并Web of Science和中国知网获取到的中英文文献，形成国内外货运价格研究文献集，采用VOS Viewer软件整理研究热点^[15]，实现研究热点可视化，中文货运价格研究热点图如图2所示，外文货运价格研究热点图如图3所示。

公路货物运价的中文文献研究热点集中在定价策略、货运政策、多式联运、运价监测、网络货运平台等领域。货运定价策略主要有双层规划模型、VAR模型^[16]、遗传算法(GA)、BP神经网络、ARIMA模型、Logit模型、灰色关联分析和HOTELLING模型^[17]等，尤以双层规划模型使用居多。双层规划模型在货物运价定价策略中多以运输决策者或路网决策者为上层模型，以路网用户——货车驾驶人为下层模型构建对象，按照自下而上的方式分别予以建模且求解，优点是实现路网运营与用户的统筹考虑^[18-19]；货运政策中热点词汇最受关注的为“公转铁”运输结构调整^[20-21]，但这类政策对运价的影响弱于对运输量的影响，实际上0#柴油价格(燃油费)、差异化收费政策(通行费)^[22]等货运政策是最需要关注的；已有文献也有针对公路运价监测来实施铁路运价的研究，目前铁路系统普遍对公路网络货运平台的研究不够。

公路货物运价的外文文献研究热点集中在定价策略、运输成本、运价预测、运输线路选择、货运安全等方面。定价策略主要采用GA、机器学习、时间序列等方法；外文热点更多地集中在运输成本的博弈上，更为关注供需关系、原油价格。综上，2005—2023年以来公路货运价格的国内外研究热点集中在供需关系、0#柴油价格、定价策略、货运政策、公路通行费、合约制运价、低碳减排与可持续发展、价格运行机制、运价预测、运价指数、区域货运价格等方面，也表现出铁路运价的制定与公路运价存在强关联性。

2　公路货运价格定价策略

公路运输市场是公路运输服务供给与需求双方关系的总称。公路货运价格是影响公路运输市场供求关系的关键要素，其定价策略受到市场经营主体的广泛关注^[23-24]。

2.1　公路货运价格影响因素

公路货运价格的形成是一个复杂的经济现象，受多种因素的影响，主要包括宏观经济、供需关系、政策法规、物流成本和竞争与合作等方面^[25]，公路货运价格的定价影响因素如图4所示。

道路货运企业的经营范围包括普通货物运输、货物专用运输、大型物件运输和危险货物运输^[26]，其中普通货物的运输量最大，各种经营范围下公路运价的影响因素互不相同，受到宏观经济、供需关系的影响程度也有所不同，因而定价策略也不相同。以普通货物运输为例，按照托运质量与包装方式划分，可分为整批(车)运输、零担重货运输、零担轻货运输和集装箱运输^[27]，但整批(车)运输车辆通常承运煤炭、矿石和建筑材料等货物，多属于大宗货物，货值较低，在长运距场景下会与铁路货运有明显重合，这类货物的公路运价受货物适运性^[28]、运力供给程度、运输路网与基础设施以及“公转铁”运输结构调整政策的影响大。因此，研究公路货运价格时，在充分考虑其影响因素的基础上，还应在货物品类、供需关系、承运方式、批次重量、成本核算等方面加以细分，方可明确运价制定规则^[29-30]。

2.2　公路货运价格定价方法

2.2.1　运输经济学基础理论

运输需求受到货物价值、收入水平、运输服务质量等多重影响，而运输供给则受到运力配备的影响。运输需求与运力供给是公路货运价格制定的关键，而运输经济学研究运输需求与运力供给之间的平衡关系，以及如何通过价格机制来调节这种平衡^[31-32]。通过成本分析来评估运输服务的经济效率和合理定价，运输经济学研究不同的市场结构如完全竞争、垄断竞争、寡头垄断等对运输价格和服务质量的影响，探讨如何通过政策手段来化解交通拥堵、环境污染等外部成本。

在市场经济条件下，公路货运价格主要由市场供求关系决定，运价对需求的敏感度使得运价富有价格弹性，运输企业之间的竞争状况也会影响运价策略。对于某些具有自然垄断特征的运输服务，政府可能会通过单独定价或监管来确保服务的公平性和可持续性。有时也会基于运输服务成本，附加一定比例的利润率来确定最终货运价格^[33-34]。

2.2.2　定价模型构建

公路货运价格定价模型是用于制定公路货物运输服务价格的一套方法和工具，基于一系列经济、市场和运输特性参数，通过数学方法或统计分析来估算货运服务价格的方法。货运价格制定方法主要分为统计分析类、成本加成类、机器学习类、竞争分析类。

（1）统计分析类。主要为多元线性回归定价模型，原理为基于统计学方法，通过分析多个自变量(如运输距离、货物重量、燃油价格等)与因变量(运价)之间的关系，建立线性方程来预测运价，多是通过灰色关联分析法确定影响运价的关键因素^[25]，构建多元线性回归模型以预测指导价。

（2）成本加成类。多为基于运输服务成本的定价模型^[35]，这类模型通过详细分析运输成本来确定运价，确保运价能够覆盖成本并提供合理的利润。包括公路货物运输成本，还可合理地将公路货运外部成本(拥堵成本、环境成本等)转为实际运输成本。此方法在实际应用中是一种常用方法，需要测算人员有良好的从业经验，能够快速计算出某类货物的运输价格。

（3）机器学习类。主要是一种非线性的预测模型，能够处理复杂的非线性关系，适用于运价预测，可用于构建BP神经网络定价模型，通过训练数据来深度学习价格的形成规律，用于提供更准确的运价预测^[36-37]；PSO-BP神经网络定价模型^[38]是一种融合粒子群优化(PSO)算法和BP神经网络的定价模型，PSO可优化公路货物运价的初始权值和边界阈值，PSO-BP神经网络在各类货物的运价预测中适用范围宽且精确度更高；基于GA-BP算法的定价模型是一种结合了遗传算法(GA)和BP神经网络的定价模型，用于优化权值和阈值，提高模型的全局搜索能力和预测精度，基于GA-BP算法的定价模型具有良好的模型有效性和实用价值^[39]。

（4）竞争分析类。主要用于公路物流企业之间的运价竞争分析，以及铁路与公路之间的定价策略^[40-41]。多在Logit模型^[42]的基础上，考虑线路、季节、市场供需、运输成本等因素的变化趋势，利用累积前景理论、价值定价理论、广义费用函数等理论方法，采用ARIMA模型^[43]、SVM模型、双层规划模型、竞争博弈模型^[44]来制定运价。这类方法适用于竞争力较强的企业之间和铁路与公路之间的定价博弈，制定货运价格时会考虑为客户创造的价值来设定价格。

2.2.3　公路运价指数编制

公路货物运价指数是反映运输市场运价水平及其变化趋势的指标^[45-46]，对于理解市场动态、指导运输企业决策以及政府宏观调控有重要作用。通过在一定时期内，将运输价格与某个标准值相对比而产生的相对变化来确定货物运价指数^[47]。中国出口集装箱运价指数(CCFI)为反映中国港口发送的集装箱运输价格变动程度的相对数，成为全球集装箱运输价格变动的“晴雨表”。运价指数^[48]作为市场信号，可为运输企业、货主、政府等提供市场供需状况的直观信息，运价指数也是贸易成本评估的重要依据，其研究方法涵盖了多种技术和分析手段，主要包括以下5个方面。

（1）相关性分析。研究运价指数与运力、经济指标等因素之间的相关性，以掌握不同变量之间的相互作用和影响。

（2）预测模型。运用统计分析软件和时间序列分析方法，如ARIMA模型^[49]、季节性分析等，建立预测模型来预测运价指数的未来走势。

（3）系统动力学。构建系统动力学模型，研究运价指数变化的内在机制和外部成本因素，这种方法适用于分析复杂动态反馈系统中的运价指数。

（4）深度学习。使用深度学习技术^[50]，如长短期记忆(LSTM)神经网络，结合历史数据来预测运价指数。深度学习模型能够自主处理大数据，并识别其中的复杂模式与结构^[51]。

（5）混合模型。结合传统统计方法和深度学习技术，构建混合模型来提高预测的准确性，如ARIMA-Adam-LSTM混合模型^[52]结合了ARIMA模型的统计特性和LSTM模型的深度学习能力。

根据上述方法，最终依托信息应用平台，研究基于数据库技术和软件平台实现运价指数的生成、技术分析和预测，提高数据处理和分析的效率，是当前探究货运市场运作机制、实际运营状况、运力资源配置等方面的重要研究手段^[53]。

3　大数据在货物运价监测中的应用

近年来，货运大数据在公路运价监测中应用的关注度逐渐提升。通过大数据手段对海量运输数据进行实时采集、深度分析和精准预测，可以有效提升运价监测的准确性和时效性，为货运市场决策提供强有力的数据支持^[54-55]。本节将探讨大数据在公路货运价格监测中的应用，对运价指数编制、运价动态监测、运价影响因素分析、实时数据采集以及优化运输决策等方面进行归纳、总结。

3.1　运价指数编制与动态监测

货运大数据的实时采集可为运价监测提供及时和准确的信息支持^[56]。通过物联网技术和移动终端，可使得企业实时收集在途路况、货物类型和货物运价等数据。比如，运输车辆上安装北斗、重量传感器、视频摄像头后，可以实现行驶路线的实时跟踪和货物状态的即时调取，有助于为企业了解当前运价水平提供可靠依据，提高了决策的精准度^[57]。

运价指数是衡量市场运价变化的重要工具，其制定过程依赖于大量的历史运价数据、运输量和服务类型^[58]。利用大数据技术，研究人员能够整合来自不同地区和运输方式的数据，建立更加全面的运价指数^[59]。欧洲公路货运运价基准指数(European Road Freight Rate Benchmark Index，ERFRBI)能够反映货物运输成本与利润、市场供给情况，对企业调整运输策略，灵活应对货运市场变化有实用价值；中国公路物流运价指数(Freight Price Index，FPI)立足于微观公路运输车辆的承运人、承运单位，运用货运大数据的方法，通过对公路物流平台运价数据的挖掘，建立了反映国内各类公路运输的状况和发展变化趋势的指标体系。基于货运大数据平台对公路货物运价指数模型研究，采用大数据筛选技术从平台上获取货物运价样本数据，进而运用指数编制理论建立运价指数计算模型^[60]。

运价动态监测的目标是实时跟踪运价变化，以便及时应对市场波动。货运大数据在公路货运价格动态监测中具有显著的用途和优势^[61]。货运大数据技术有助于企业实现对库存和供应链的精细管理与优化，通过分析销售数据、库存数据等信息，准确预测需求量，优化库存策略；还可以掌握客户需求偏好，为客户提供个性化的物流服务定制方案，提高客户满意度和忠诚度；通过汇集订单信息、地理位置、货物状态、运输轨迹等数据，为产业链上下游参与主体提供服务，提升公路货运车货匹配效率；通过实时抓取公路货运订单信息，计算出当前时刻的公路运价指数，提供实时市场价格变动情况^[62]。

3.2　运价影响分析与运输决策

运价影响分析是通过研究外部因素对运价的影响，为企业提供决策依据。利用货运大数据技术，可以识别出燃油价格、供需关系波动和政策变化如何影响运价的过程，根据实时数据和市场变化优化运输决策。如透过运输数据分析，发现油价上涨与货运价格的提升存在显著相关性，可以促使运输企业在油价波动期间主动调整运价，确保利润收益稳定。结合历史运输数据和实时路况信息，也可以制定更为科学的运输路线和调度方案，如遇到恶劣天气或交通堵塞时，系统能够自动推荐替代路线，确保货物按时送达，显著提升运输的灵活性和响应速度。货运大数据在公路运价监测中的应用日益显著^[63]，尤其是在运价指数制定、运价动态监测、运价影响分析、实时数据采集和优化运输决策等方面的实用性和有效性已经得到了充分体现和验证，助力运输企业提升运营效率，使货主获得更为透明的市场信息。在不远的将来，货运大数据的应用将更加广泛，为运价监测的变革带来更多的创新成果^[64]。

4　公路货运价格研究趋势

4.1　研判宏观政策对运价的影响

由于公路货运价格是市场调节制，主要特点是影响面广，货物运价制定的影响因素也在逐渐增多，对货运行业的宏观政策一旦发布或调整，都会或多或少地影响货物运价的波动，久之则形成复杂的叠加效应，比如公转铁运输结构调整、实体经济企业降本增效、推广差异化收费政策、调整高速公路货车计费模式等，都会使运价产生波动。现阶段单从货物运价的影响因素出发，已经难以梳理出公路普通货物、危险品货物和大件货物的定价方法，而只有以货运市场稳定的特征年份为基数，建立详细分类的公路货运价格指数，选定合理时间点，定期采集运价数据，围绕国家公路货运宏观政策的发布与调整，面向中短期进行运价走势预测，方可掌握公路货运价格走势，未来一段时间内，定期分析对货物运价产生重大影响的宏观政策将是动态研判运价走势的重点。

4.2　推动道路运输价格信用监管机制

国际航运制度中建立运价信用监管机制^[65]，旨在维护公平竞争，反对垄断定价行为。鉴于新时期货运价格形势与最初制定航运运价监管机制的时期类似，如运输主体过剩出现了运输联盟，引发了局部运输垄断行为，长期恶意的过低运价会引起供求关系发生巨大变化，破坏公路货运市场秩序，因而亟需明确权利范围并细化监管内容，制定严格的未履行运价备案处罚制度，增加违规成本。通过研究运价调整的合法性标准，配合运价信用监管机制，形成市场调节价行业自律，再强化主管部门通过大数据对公路货运价格的实时监管^[66]，方可有效遏制定价乱象。

2019年，交通运输部、国家发展和改革委员会联合印发的《关于深化道路运输价格改革的意见》指出：推动建立道路运输价格信用监管机制，依法依规对相关失信责任主体实施失信联合惩戒。各地开展的道路运输信用分类分级监管工作中，多将公路货运价格纳入信用监管体系，根据道路货运经营主体信用风险的分类结果，合理确定、动态调整抽查比例和频次，对信用风险等级不同的经营主体实施差异化监管，重点监控道路普通货物、危险品货物运输企业等。预期未来一段时间内，各地公路货运价格信用监管机制的制定和主管部门如何通过大数据监控公路实时运价将是研究重点。

4.3　定期监控“白货”公铁运价比

在铁路运输领域，“白货”是指除煤炭、石油、粮食等大宗货物以外的其他各类货物，包括集装箱运输的货物。2015年，国务院印发《中共中央国务院关于推进价格机制改革的若干意见》指出：完善铁路货运与公路挂钩的价格动态调整机制，简化运价结构。我国高速铁路是客运专用，普通铁路是客货运并重。承担干线货运任务的运输方式是铁路、内河和沿海水运以及高速公路，普通公路为干线货运体系集疏货物，并单独承担中短途货物运输，起着基础性作用。铁路承担了主要部分大宗低值散货的运输任务，铁路货运量中“黑货”所占份额大，其中煤炭及制品、金属矿石、非金属矿石、钢铁和有色金属的运量比例每年均超过80%^[67]；高速公路主要承担多批次、小批量的货运，矿物性建筑材料、钢铁、农林牧渔业产品、轻工医药产品以及机电产品等货类在货运量中所占比例都较大。1998年，《美国货运——运动中的经济》报告中曾分析每批货物重量和运距的市场分配状况，美国铁路和公路货运市场划分如表2所示。

公路货运价格采用整车、零担轻泡货、零担重货、集装箱、危险品货物、大件货物等类别来进行市场定价，铁路运价的分类方式与公路类似，公路与铁路在同一类货物运价上具有可比性。货物运距越远，铁路运价优势越明显，特别是800 km以上的货运线路。公铁运价比代表着公路的货运竞争力水平，一些部门专门研究不同运距范围内的公铁运价比，已有研究多集中在铁路领域，通过搭建ARIMA，SVM模型预测短期公路运价，对公路货物运价的监测局限于传统大宗货物，如金属矿石、煤炭等，而快递快运、轻工医药产品、机械设备与电器等是公路的适运货物，已有研究中未有覆盖这类“白货”，未来有待进一步开拓公铁运价比的监测范围。

4.4　采用运价指数持续动态监测

铁路历经2013年之后的两次货运组织改革，在长运距“白货”的运能方面持续发力，建立了95306货运平台，借助其运价低的优势，使得公路长运距货运受到一定冲击，未来将吸引公路快递快运业务转向铁路。2022年以来，国际形势变幻引发了柴油油价持续走高，增加了运输成本，拉高了公铁运价比，一些时效性不强的长途货物纷纷由公路转为铁路运输，影响到公路运力的总体布局与调控。

2013年交通运输部开展了全国道路货物运输价格与成本监测试点工作，覆盖了全国的道路货运市场监测网络，监测范围涉及山西、辽宁、上海、江苏、浙江等10个省(市)、350多家规模运输企业、500多条运输干线，货运区域覆盖全国30个省份，累计采集数据样本超过1.5万个。根据经济环境、政策导向、柴油价格、人工成本、货物行情等因素，监测全国煤炭运输、集装箱运输、普货整车运输三大类别。

中国物流与采购联合会在2015年公布了全国货物运价指数，涵盖了全国9大物流区域、38个重点城市、74个物流节点平台、1406条公路运输线路和200万辆货运车辆数据，该指数体系包括周指数、月指数、季指数和年指数，以及按对比基期划分的环比指数、定比指数和同比指数，还有按车型、线路、区域划分的各类指数。

受限于公路货物运价持续变动、货运企业数量众多、运价结构复杂等因素，多数省域货物运价监测体系尚不完善，影响到主管部门对货物运价行情的及时掌握和宏观运力调控。公路货物运价每周运价持续波动，须通过建立货物运价指数按周进行动态监测。由于各省经济区位、资源分布存在显著差异性，省域货物运价规律与全国总体规律不尽一致，各省也有及时掌握公路货物运价变化动向的需求。预计未来各省主管部门将对公路货物运价建立适合本省省情的运价监测指数，用于调控货运市场、精准施行政策和运价及时反馈等工作的有序开展。

4.5　推行多式联运“一单制”运价

2022年1月，国务院印发的《推进多式联运发展优化调整运输结构工作方案(2021—2025年)》指出：推动建立与多式联运相适应的规则协调和互认机制，深入推进多式联运“一单制”，探索推进国际铁路联运运单、多式联运单证物权化。“一单制”是从揽货开始到货物运达目的地，整体交付第三方物流公司，通过一次委托报价完成多式联运，签发具有物权凭证的全程联运提单，其优势在于通过量大从优的谈判分别在铁路、水运原有运价基础上予以折扣优惠，还可以整合优质运输资源，优化流程，避免传统运输模式的单证交接和货物倒载换装，在降低运输成本的基础上提高运输效率。

以从宁夏运抵越南、印度的货运价格为例，分析“一单制”相对于传统运输的优势。“一单制”模式经营流程示意图如图5所示。“一单制”多式联运与传统公路运输的价格对比如表3所示。

由表3可见：运抵胡志明市的多式联运“一单制”运价比传统公铁水联运平均下降19.49%；运抵孟买市的多式联运“一单制”运价比传统公铁水联运平均下降14.95%。单箱运输成本主要节约在银川—天津的铁路运费，约0.26万元/箱。

多式联运“一单制”运价可产生大幅优惠，优惠主要来自于铁路与海运联程折扣，以及铁路订位、船舶订舱的优先选择权，既节约运费，又提升运输效率，达到货主、物流公司、铁路企业和船舶公司共赢的效果^[68]。

国际公路运输系统(Transport International Router，TIR)是建立在联合国《国际公路运输公约》基础上的国际跨境货物运输领域的全球性海关便利通关系统。我国于2016年7月加入联合国《TIR公约》，并于2019年5月全面实施《TIR公约》。TIR不仅适用于国际公路货物过境运输，也适用于国际货物多式联运。货物通关时，海关仅需核对TIR证书信息、检查运载单元的海关关封，无需进行开箱检查，从而减少货物在口岸的等待时间。TIR运输在实现全程一次申报、一次直达的同时，还能够有效保障运输安全——承运人资质严格准入，货物全程施加关封，原则上不开箱，状态可实现实时追踪，还可享受高达10万欧元的海关税费担保。TIR证书同时为过境货物提供关税担保，经过批准的运输企业和车辆才可以使用TIR系统。据测算，实施TIR系统后，我国使用TIR单证进行通关可降低通关时间30%~80%，最多可减少6 d的通关时间。

4.6　研究网络货运平台对运价的影响

截至2023年底，全国各地的网络货运平台公司在3年内增长了75%，注册驾驶员突破650万，注册人数近3年增长127%，而用户规模达到5.28亿人，但增幅仅为44%，明显小于注册驾驶员增幅和平台公司增幅，呈现散货运力饱和的货运市场状态。根据中国物流与采购联合会《2022年货车司机从业状况调查报告》：70.39%的货车驾驶员反映2022年运价相比往年总体降低。驾驶员感受到运价下降的原因主要为：油价、通行费和在途生活成本上升导致净收入减少，致使运营成本上涨而运价没有达到相应涨幅^[69]。

公路运输的批量散货多采取签订年度合同的形式，由货主和运输公司协商定价，货运市场上游离的散货运输需求多会出现在网络货运平台上，局部地区运力不均衡匹配会引起运价被过度压低，甚至低于成本价运输。目前网络货运平台多采用“一口价”订单，运价范围已被很大程度地压缩，由货物承运人来抢单，而随着网络货运平台报价规则变革与科技手段的更新，部分地区的网络货运平台将会出现“竞价”模式，运价由承运人报送平台，取最低运价成交^[70-71]。

现阶段，全国货物运价指数数据的获取采用抽样监测的方式，但覆盖范围、运算能力和发布时效有限，预期未来全国货物运价指数的动态监测可依托网络货运平台，按照近期成交的现行市价完成分运价类别的大数据运算，结合物流企业的定期报价，得到运价估计和指数测算结果，指数输出结果精度也会得到保证。

5　结束语

（1）总结发现我国公路货物运价采取市场调节价方式是历史的必然，也是新时期持续深化公路货物运价市场定价机制的现实需求^[72]；2005—2023年内有关货物运价的中外研究文献比为1∶1.3，凸显近年来国内针对货物运价的研究热度，与国外不同的是，当前我国公路货物运价的研究更倾向于采集和利用货运大数据来完成运价监测和定价策略，更加符合公路货物运价的高效市场调节机制^[73-74]。

（2）近20年来，国内外研究热点集中在供需关系、0#柴油价格、定价策略、货运政策、公路通行费、合约制运价、低碳减排与可持续发展、价格运行机制、运价预测、运价指数、区域货运价格等方面；随着国内外需求逐步扩大，公路货物运价波动将会与外贸的关联性越来越大，公水联运和公铁水联运的运量有望进一步扩大，多式联运“一单制”将成为货物运价定价策略的主体模式。

（3）货运大数据是深化公路货物运价市场调节机制的优质载体，是运价监测与定价策略必然的发展方向；货运大数据对运价影响因素的覆盖面和数据量级是决定未来公路货物运价定价策略是否具有前瞻性和灵活性的重要前提。基于货运大数据，利用启发式算法、深度学习等方法来制定公路货运价格，对于定价策略研究领域是有效途径，能够替代原本繁重的货运市场数据人工报送模式，具有良好的前景。

参考文献

[1] 张梦迪.我国公路货运价格的波动及铁路货运定价研究[D].北京：中国铁道科学研究院，2018.

[2] 陈　欣.考虑方向不均衡性的公路货运价格机制研究[D].西安：长安大学，2019.

[3] 交通运输部.2023年交通运输行业发展统计公报[R].北京：交通运输部，2024.

[4] 叶为民.铁路货物“门到门”运输实践与探讨[J].铁道货运，2011，29(9)：9-12.

[5] 沈　冰，沈忠刚，张锦黎.我国多式联运“一单制”模式构建研究[J]. 铁道运输与经济，2018，40(5)：20-23，30.

[6] SHEN Bing， SHEN Zhonggang， ZHANG Jinli. A Study on the Developing Multimodal Transport under a Single Contract in China[J]. Railway Transport and Economy，2018，40(5)：20-23，30.

[7] 李　玮，张改平.多式联运“一单制”实践探索[J].综合运输，2021，43(10)：107-113.

[8] LI Wei， ZHANG Gaiping. Case Study on the One-Document-System of Multimodal Transport[J]. China Transportation Review，2021，43(10)：107-113.

[9] 王丽萍，李　创，汤兵勇. 基于神经网络的我国货运市场分析[J]. 铁道物资科学管理，2005(1)：11-12.

[10] WANG Liping， LI Chuang， TANG Bingyong. Analysis on Domestic Freight Transportation Market on the Bases of Nerve Network[J]. Railway Materials Management，2005(1)：11-12.

[11] SHACKMAN J， DAI Q， SCHUMACHER-DOWELL B，et al. The Interrelationship between Ocean，Rail，Truck and Air Freight Rates[J]. Maritime Business Review，2021，6(3)：256-267.

[12] 马银波. 中国道路货运市场结构优化途径与对策[J]. 长安大学学报(社会科学版)，2006，8(1)：10-14.

[13] MA Yinbo. Market Structure Optimization of China's Road Freight Transportation and Strategy[J]. Journal of Chang'an University (Social Science Edition)，2006，8(1)：10-14.

[14] 于文龙.公路货运的运价形成机制及合理运价水平研究[D].长春：吉林大学，2010.

[15] 顾敬岩，吴群琪.我国公路货运市场价格的演进趋势、问题及对策[J].交通运输系统工程与信息，2013，13(6)：191-197.

[16] GU Jingyan， WU Qunqi. Price Evolution Trends，Problems and Countermeasures of China Road Freight Market[J]. Journal of Transportation Systems Engineering and Information Technology，2013，13(6)：191-197.

[17] 刘世超. 基于成本分析的公路货运定价问题[D]. 成都：西南交通大学，2005.

[18] 樊　桦. 完善我国运输价格形成机制的若干建议[J]. 综合运输，2013(11)：28-35.

[19] 杨忠振，杨云茜，辛　旭. 全球性重大灾害事件背景下港航运营管理研究综述[J]. 交通运输工程学报，2023，23(5)：1-18.

[20] YANG Zhongzhen， YANG Yunqian， XIN Xu. Review on Research of Global Major Disaster Event Related Port and Shipping Operation and Management[J]. Journal of Traffic and Transportation Engineering，2023，23(5)：1-18.

[21] LI M L， ZHANG J L， HE Q，et al. Research Progress of Fluorescence Imaging in Intraoperative Navigation Based on VOSviewer Bibliometric Analysis[J]. Microchemical Journal，2024，196：109709.

[22] FENG S H. VAR Model for Regional Logistics Prediction[J]. Journal of Discrete Mathematical Sciences and Cryptography，2018，21(4)：917-926.

[23] VAN D W H， VERHOEF E， VAN D B. Hotelling Models with Price-Sensitive Demand and Asymmetric Transport Costs：An Application to Public Transport Scheduling[J]. Journal of Transport Economics and Policy，2014，48(2)：261-277.

[24] 李所宸. 公路市场运价驱动下的铁路货运动态定价研究[D]. 大连：大连交通大学，2023.

[25] 程思洁，邵晓明，李　镇，等. 基于双层规划模型的高速公路差异化收费定价研究[J]. 山东科学，2023，36(5)：93-101，120.

[26] CHENG Sijie， SHAO Xiaoming， LI Zhen，et al. Research on Differentiated Toll Pricing for Highways Based on Bi-Level Programming[J]. Shandong Science，2023，36(5)：93-101，120.

[27] 王　鑫.“公转铁”形势下铁路货运发展及对策研究[J]. 铁道货运，2021，39(11)：12-16.

[28] WANG Xin. Research on Countermeasures of Railway Freight Transportation Development under Modal Shift from Road to Rail[J]. Railway Freight Transport，2021，39(11)：12-16.

[29] 刘　浩，申嘉琪，张　戎.“公转铁”背景下铁路货运市场化定价策略[J]. 铁道货运，2022，40(10)：54-60.

[30] LIU Hao， SHEN Jiaqi， ZHANG Rong. Market-Oriented Pricing Strategy of Railway Freight under the Background of Modal Shift from Road to Rail[J]. Railway Freight Transport，2022，40(10)：54-60.

[31] 贾小波. 高速公路差异化收费政策实施[J]. 中国交通信息化，2023(S1)：30-31，49.

[32] 刘世超. 竞争性综合运输中公路货运定价的研究[J]. 铁道运输与经济，2006，28(1)：13-15.

[33] LIU Shichao. Research on the Pricing of Highway Freight Transport in Competitive and Comprehensive Transportation[J]. Railway Transport and Economy，2006，28(1)：13-15.

[34] 李聪颖. 公路货物运输价格调查机制构建与应用探讨[J]. 铁道经济研究，2017(2)：39-42.

[35] LI Congying. Discussion on the Construction and Application of Highway Freight Price Investigation Mechanism[J]. Railway Economics Research，2017(2)：39-42.

[36] 赵南希，肖荣娜，宿　硕. 基于灰色关联法的公路货运定价影响因素分析[J]. 公路交通科技，2020，37(S1)：80-85.

[37] ZHAO Nanxi， XIAO Rongna， SU Shuo. Analysis on Influencing Factors of Highway Freight Transport Pricing Based on Grey Correlation Method[J]. Journal of Highway and Transportation Research and Development，2020，37(S1)：80-85.

[38] 纪金莲，祁成军，曹　薇.“营改增”对交通运输业税负影响实证分析[J]. 会计之友，2014(19)：97-101.

[39] 顾敬岩，范文姬. 普通道路货物运输价格指数编制方法[J]. 公路交通科技，2013，30(9)：154-158.

[40] GU Jingyan， FAN Wenji. A Compilation Method of General Cargo Road Transport Price Indexes[J]. Journal of Highway and Transportation Research and Development，2013，30(9)：154-158.

[41] 朱朋朋，蔡玉贺，楼国良，等. 基于K-prototypes算法的高速公路货物适运性研究[J]. 公路，2021，66(9)：260-265.

[42] ZHU Pengpeng， CAI Yuhe， LOU Guoliang，et al. Research on the Transportability of Freight by Expressway Based on K-Prototypes Algorithm[J]. Highway，2021，66(9)：260-265.

[43] ZEFREH M M， ESZTERGAR-KISS D， TOROK A. Implications of Different Road Pricing Schemes in Urban Areas：A Case Study for Budapest[J]. Proceedings of the Institution of Civil Engineers-Transport，2021，174(7)：407-418.

[44] 吴艾君.道路运输业价格规制探讨[J].公路与汽运，2007(3)：39-40.

[45] 李　壮. 高速公路分货类计重费率的确定与调价机制[D]. 天津：河北工业大学，2015.

[46] 马银波. 公路货运价格与需求动态关系的实证分析[J]. 长安大学学报(社会科学版)，2008，10(3)：7-12.

[47] MA Yinbo. Empirical Analysis on the Relationship between the Price and Demand of the Trucking Industry in China[J]. Journal of Chang'an University (Social Science Edition)，2008，10(3)：7-12.

[48] 曹锦文. 公路货运景气指数系统研究[D]. 西安：长安大学，2011.

[49] 李东光. 运输定价的基本理论及其比较分析[J]. 物流技术，2012，31(17)：141-143，146.

[50] LI Dongguang. A Comparative Analysis of Basic Theories of Transportation Pricing[J]. Logistics Technology，2012，31(17)：141-143，146.

[51] 张梦迪，罗　莹，王怀相，等. 公路货运价格与自身成本及铁路竞争的联动关系研究[J]. 铁道运输与经济，2021，43(5)：38-43.

[52] ZHANG Mengdi， LUO Ying， WANG Huaixiang，et al. Study on the Linkages of Road Freight Price with Its Own Cost and Competition with Railways[J]. Railway Transport and Economy，2021，43(5)：38-43.

[53] 欧阳玮玮，张华栋. 马尔柯夫模型在公路货运价格预测中的应用[J]. 公路与汽运，2012(2)：53-55.

[54] 汤银英，李　龙，秦　阳. 基于改进型灰色马尔可夫模型的公路货运价格预测[J]. 交通运输工程与信息学报，2018，16(1)：38-43，48.

[55] TANG Yinying， LI Long， QIN Yang. Prediction of Highway Freight Price Based on Improved Grey-Markov Model[J]. Journal of Transportation Engineering and Information，2018，16(1)：38-43，48.

[56] YIN L S， DONG X P， HE Y G，et al. Research on the Prediction of FIR Traffic Flow Neural Network Based on Chaotic Adaptive Algorithm[J]. Advanced Science Letters，2012，7(1)：364-368.

[57] 方启稳. 基于GA-BP算法的公路货运定价模型研究[D]. 杭州：浙江工商大学，2017.

[58] 张志博，刘杰鑫，杨　雨，等. 基于公路货物运输价格的竞争性铁路货物运输浮动定价方法研究[J]. 交通运输工程与信息学报，2018，16(2)：100-104.

[59] ZHANG Zhibo， LIU Jiexin， YANG Yu，et al. Research on Competitive Floating Rating Method of Railway Freight Transportation Based on Highway Freight Rate Competition[J]. Journal of Transportation Engineering and Information，2018，16(2)：100-104.

[60] 刘　浩，申嘉琪，张　戎，等. 货运价格转换及基于揭示偏好数据的公铁竞争模型[J]. 交通运输系统工程与信息，2023，23(3)：85-93.

[61] LIU Hao， SHEN Jiaqi， ZHANG Rong，et al. Freight Price Conversion and Road/Rail Competition Model Based on Revealed Preference Data[J]. Journal of Transportation Systems Engineering and Information Technology，2023，23(3)：85-93.

[62] 冯芬玲，余海军. 基于系统动力学与logit模型的驮背运输运价研究[J]. 铁道科学与工程学报，2018，15(11)：2980-2987.

[63] FENG Fenling， YU Haijun. Research on Piggyback Transport Price Based on System Dynamics and Logit Model[J]. Journal of Railway Science and Engineering，2018，15(11)：2980-2987.

[64] 原云霄，王宝海. 基于ARIMA模型对我国公路物流运价指数的预测[J]. 数学的实践与认识，2017，47(23)：52-57.

[65] YUAN Yunxiao， WANG Baohai. Forcast on Highway Logistics Freight Price Index of China by ARIMA Model[J]. Mathematics in Practice and Theory，2017，47(23)：52-57.

[66] 片　峰，陈　阳，庞世花，等. 考虑铁路折扣的集装箱公路与多式联运博弈定价[J]. 交通运输系统工程与信息，2022，22(4)：1-10.

[67] PIAN Feng， CHEN Yang， PANG Shihua，et al. Game Pricing of Container Road and Multimodal Transport Considering Railway Discount[J]. Journal of Transportation Systems Engineering and Information Technology，2022，22(4)：1-10.

[68] 闫广聪，聂化东，史国强. 公路货物运输价格指数编制[J]. 公路与汽运，2015(5)：62-64.

[69] LIM K G. Endogeneity of Commodity Price in Freight Cost Models[J]. Journal of Commodity Markets，2022，26：100217.

[70] 胡海清，肖长刚，甘信丹. 我国公路运输价格指数编制研究：以济南市为例[J]. 价格理论与实践，2016(5)：115-118.

[71] HU Haiqing， XIAO Changgang， GAN Xindan. Road Transport Price Index Compilation for Jinan[J]. Price (Theory & Practice)，2016(5)：115-118.

[72] 朱柯静. 基于拉氏方法的道路货物运输价格指数编制模型与应用[D]. 北京：北京交通大学，2017.

[73] 张梦迪，黄玮青，安姝静. 基于X-12-ARIMA模型的公路运价季节性波动影响研究[J]. 铁道运输与经济，2018，40(4)：8-12.

[74] ZHANG Mengdi， HUANG Weiqing， AN Shujing. A Study on the Seasonal Fluctuation of Highway Freight Price Based on X-12-ARIMA Method[J]. Railway Transport and Economy，2018，40(4)：8-12.

[75] 王　敏. 基于深度学习的公路运价预测模型研究[J]. 物流科技，2023，46(12)：24-27.

[76] WANG Min. Research on Highway Freight Price Prediction Model Based on Deep Learning[J]. Logistics Sci-Tech，2023，46(12)：24-27.

[77] 肖　玮. O2O公路货运平台价格波动与短时预测研究[D]. 成都：西南交通大学，2020.

[78] 彭建良，丁怡越，左晓琴. 中国公路物流运价指数预测研究：基于ARIMA-Adam-LSTM模型的分析[J]. 价格理论与实践，2019(6)：99-102.

[79] PENG Jianliang， DING Yiyue， ZUO Xiaoqin. Research on Forecast of China Highway Logistics Freight Index：Based on the Analysis of ARIMA-Adam-LSTM Model[J]. Price (Theory & Practice)，2019(6)：99-102.

[80] 朱　曦. 基于百度指数网络关注度的公路运价指数预测研究[D]. 昆明：昆明理工大学，2021.

[81] 蔡　翠，赵南希，肖荣娜，等. 基于大数据的公路货运市场景气指数体系构建及预警监测[J]. 公路交通科技，2023，40(10)：216-222，232.

[82] CAI Cui， ZHAO Nanxi， XIAO Rongna，et al. Prosperity Index System Construction，Prior-Warming and Monitoring of Road Freight Market Based on Big Data[J]. Journal of Highway and Transportation Research and Development，2023，40(10)：216-222，232.

[83] SHOMAN W， YEH S， SPREI F，et al. A Review of Big Data in Road Freight Transport Modeling：Gaps and Potentials[J]. Data Science for Transportation，2023，5(1)：2.

[84] 赵转转，马廷博，马振祥，等. 省域公路货物运价抽样监测方法[J]. 铁道运输与经济，2024，46(3)：141-147.

[85] ZHAO Zhuanzhuan， MA Tingbo， MA Zhenxiang，et al. Method for Freight Rate Sampling Monitoring of Provincial Highway[J]. Railway Transport and Economy，2024，46(3)：141-147.

[86] 宋小满. 公路货运价格监测实践与启示[J]. 铁道货运，2017，35(9)：39-42.

[87] SONG Xiaoman. Practice and Revelation of Highway Freight Price Monitoring[J]. Railway Freight Transport，2017，35(9)：39-42.

[88] 来浩楠. 大数据背景下的煤炭公路运输价格指数编制：以鄂尔多斯为例[D]. 太原：山西大学，2017.

[89] 肖本佳，黄建华. 基于大数据平台的公路货物运价指数模型研究[J]. 物流技术，2017，36(2)：59-64，94.

[90] XIAO Benjia， HUANG Jianhua. Study on Highway Freight Charge Index Model Based on Big Data Platform[J]. Logistics Technology，2017，36(2)：59-64，94.

[91] 刘宇娟. 基于大数据的公路货运实时价格指数研究[J]. 经济研究导刊，2020(10)：141-144.

[92] LIU Yujuan. Research on Real-Time Price Index of Road Freight Based on Big Data[J]. Economic Research Guide，2020(10)：141-144.

[93] 张双霞，李丹丹，凌　霞. 基于公路货运市场监测的铁路运价调整机制研究[J]. 铁道货运，2022，40(5)：6-13.

[94] ZHANG Shuangxia， LI Dandan， LING Xia. Railway Freight Rate Adjustment Mechanism Based on Roadway Freight Market Monitoring[J]. Railway Freight Transport，2022，40(5)：6-13.

[95] DE MIRANDA PINTO J T， MISTAGE O， BILOTTA P，et al. Road-Rail Intermodal Freight Transport as a Strategy for Climate Change Mitigation[J]. Environmental Development，2018，25：100-110.

[96] 陈　俐，方叶祥，甘　平，等. 基于大数据分析的多维公路货运价格预测问题研究[J]. 交通科技与经济，2021，23(4)：65-72.

[97] CHEN Li， FANG Yexiang， GAN Ping，et al. Research on Multi-Dimensional Highway Freight Pricing Prediction Based on Big Data Analysis[J]. Technology & Economy in Areas of Communications，2021，23(4)：65-72.

[98] GATTA V， MARCUCCI E. Urban Freight Transport and Policy Changes：Improving Decision Makers’ Awareness via an Agent-Specific Approach[J]. Transport Policy，2014，36：248-252.

[99] 吴　限. 推动道路运输建立价格信用监管机制 交通运输部会同国家发改委印发《关于深化道路运输价格改革的意见》[J]. 中国信用，2019(12)：40.

[100] GUO F， XU Y， HUANG Z H，et al. Collaborative Optimization of Routing and Storage Strategy of Multi-Period Multimodal Transport in an Uncertain Environment[J]. Computers & Operations Research，2024，167：106676.

[101] BULKOVÁ Z. Possibilities of Implementing Augmented Reality in Railway Freight Transport[J]. Transport Technic and Technology，2023，19(2)：1-7.

[102] ALBATAYNEH A. The Energy-Food Dilemma for Utilizing Biofuels in Low-Income Communities Amidst the Russian-Ukrainian Conflict[J]. Energy Exploration & Exploitation，2023，41(6)：1942-1955.

[103] 王晨龙. 多式联运模式在网络货运平台中的应用研究[J]. 中国航务周刊，2024(29)：57-59.

[104] 胡　洋，赵小曼，耿新瑞. 基于耦合协调模型的公路运价指数与宏观经济关系测度[J]. 经济研究导刊，2019(35)：173-174.

[105] 张若梦，赵南希，宿　硕. 道路货物运价的空间统计分析及应用[J]. 综合运输，2020，42(12)：120-124.

[106] ZHANG Ruomeng， ZHAO Nanxi， SU Shuo. Spatial Statistical Analysis and Application of Road Freight Price[J]. China Transportation Review，2020，42(12)：120-124.

[107] 徐景云，赵吉昌. 公路货物运输价格分析[J]. 黑龙江科技信息，2013(16)：23.

[108] 李巧巧. 公路货运价格形成及规制研究[D]. 西安：长安大学，2015.

[109] 许珵谣. 公路货运价格演进及问题探究[J]. 经济研究导刊，2021(10)：83-85.

[110] XU Chengyao. Research on Price Evolution and Problems of Road Freight Market[J]. Economic Research Guide，2021(10)：83-85.

基金资助

国家重点研发计划项目(2023YFB3209803)

长安大学中央高校基本科研业务费专项资金项目(300102224206)

浙江省交通运输厅科技计划项目(2024016)