铁路货物运输市场运行评估指标体系构建研究

Construction of Evaluation Indicator System for Railway Freight Transport Market Operation

摘要

随着市场化改革的推进，铁路运输领域面临日益增加发展要求，为对铁路货物运输市场运行状况进行合理评估，通过分析相关政策文件、期刊文献等方式，构建铁路货物运输市场运行评估初始指标体系，采用文本相似度和专家打分法的方法，从主客观相统一的角度对铁路货物运输市场运行评估指标进行筛选，构建铁路货物运输市场运行评估指标体系。运用熵权-灰色关联度融合法对构建的评估指标体系进行重要度分析，确定各级指标的重要度，确保指标体系的科学性和有效性。结果显示，“市场运行”是权重最高的一级指标，二级指标“运输价格”和“设施评估”项下三级指标之间的差距较大，三级指标中“运输事故率”的权重最大，为铁路货物运输市场运行评估提供理论参考。

Abstract

With the advancement of market-oriented reform, the railway transport sector is facing increasing development requirements. To reasonably evaluate the railway freight transport market operation, an initial indicator system was constructed based on relevant policy documents and journal literature. Text similarity and expert scoring methods were employed to screen the evaluation indicators from the perspective of the unification of subjectivity and objectivity, leading to the construction of an indicator system for evaluating the railway freight transport market operation. The entropy weight-grey correlation fusion method was applied to assess indicator importance, determine the weights at all levels, and ensure the scientificity and effectiveness of the system. The results show that “market operation” is the highest-weighted first-level indicator. A large gap exists among the third-level indicators under the second-level indicators “transport price” and “facility evaluation”Among the third-level indicators, “transport accident rate” has the greatest weight. The findings provide a theoretical reference for evaluating railway freight transport market operation.

Graphical abstract

关键词

铁路货物运输市场 / 文本相似度 / 专家打分法 / 熵权-灰色关联度法 / 评估指标体系

Key words

Railway Freight Transport Market / Text Similarity / Expert Scoring Method / Entropy Weight-Grey Correlation Fusion Method / Evaluation Indicator System

0　引言

铁路作为国家战略性、先导性、关键性重大基础设施，是国民经济的大动脉。中共中央办公厅、国务院办公厅印发《有效降低全社会物流成本行动方案》^[1]，指出“推进铁路重点领域改革，制定实施铁路货运市场改革方案”。对于铁路运输市场运行状况的评估，关系到铁路运输市场的健康发展。因此，筛选出反映我国铁路运输市场整体运行状况的评估指标，构建完善的评估指标体系形成有效的评估制度是当前铁路运输市场亟待解决的问题。

对于铁路运输市场评估指标体系的构建，国内外的相关研究较少，如Shakibaei等^[2]针对铁路运输市场竞争问题，研究了博弈论在铁路运输竞争的适用性；Žvirblis等^[3]考虑到技术因素对客运系统的影响，构建了一种竞争力模型，对铁路旅客运输效率进行评价；Lee等^[4]运用英国等欧盟国家铁路的案例，研究了欧盟国家铁路运输市场运行现状；Zorina等^[5]利用k-means聚类方法，通过对欧洲铁路运输市场基准测试，研究铁路运输市场竞争水平；张嘉桀等^[6]通过分析竞争环境下铁路货运价格跟踪评价的现状和价格影响因素，构建铁路货运价格评估指标体系，并对完善铁路货运价格跟踪评价机制提出了建议；高飞等^[7]分析了我国铁路危险货物运输安全监管现状，对铁路危险货物运输分级分类监管提出了策略建议；宋小满等^[8]分析了铁路货运价格评估的必要性和货运价格的主要影响因素，构建了铁路货运价格评估体系；周茵等^[9]通过分析铁路货运价格指数界定范围和设计原则，从总指数、分类指数和个体指数层面构建铁路货运价格指数体系。

在市场运行评估指标体系构建时，专家打分法是一种利用专家专业能力的多标准决策方法。高海涛等^[10]和周姗琪^[11]通过专家打分法结合层次分析法研究了高速铁路行车安全风险评价指标体系构建和高速铁路运力供给与需求的适配质量评价模型；Pierre等^[12]提出一种约束分组加性指标模型，验证先验假设，提高指标筛选的科学性；Kahsay等^[13]在土壤质量评价中应用多元统计和专家意见筛选指标，为环境质量评估提供了启示。为了避免专家打分法中的主观偏差，文本相似度分析成为一种有效的补充工具。张涛等^[14]采用文本相似度分析，比较了不同地区的政策文件，以提取关键的政策导向信息；在铁路运输市场运行评估中，更加客观、系统地识别出反映市场运行特征的指标，为构建符合政策导向的评估体系提供有力支撑^[15]；相较于专家打分法，文本相似度分析能够处理大规模的文本数据，具有较强的客观性，因此能够避免专家评分中可能出现的主观偏差^[16-17]。熵权-灰色关联度融合法是一种结合2种方法优势的综合分析方法，避免了单一赋权法主观性等缺点，保证了指标权重的客观合理。韩佳洪等^[18]采用熵权-灰色关联度分析方法，对零碳社区建设进行了评价，验证了熵权法与灰色关联度融合在综合评价中的有效性，并证明了其在赋权分析中的客观性和实用性。

在既有研究中，虽然专家打分法、文本相似度分析和熵权-灰色关联度法在构建市场运行评估指标体系方面得到了广泛应用，但单一方法仍然存在一定的局限性。为克服这些不足，综合应用这3种方法，从主观和客观2个角度对铁路货物运输市场运行评估指标进行筛选和赋权，采用熵权-灰色关联度融合对筛选出的指标进行权重分析，反映出各指标对市场运行状况的影响。将目前研究文献和政策文件中涉及到的评估指标进行主客观相统一的筛选，构建铁路货物运输市场运行评估指标体系，并对指标体系进行分析，为铁路货物运输市场运行评估提供理论参考。

1　铁路货物运输市场运行评估指标筛选

1.1　初始指标集来源及构建

为更好地筛选铁路货物运输市场运行评估指标，采用文献分析的方法完成评估指标体系的初步构建。在知网使用高级搜索功能，设置主题为“铁路”，篇关摘为“市场运行”，摘要为“指标”进行搜索(从1990年1月1日至2024年10月29日)，获得期刊论文、学位论文共337条结果。通过对文献的筛选，选取与铁路货物运输市场运行评估指标高度相关的文献，最终得到10篇论文，相关文献列表如表1所示。根据论文的主题，对论文中的指标体系提取和整理，为保证最终得到的指标体系更加科学合理，构建初始评估指标体系时尽可能保证指标体系的丰富度，结合对铁路局集团公司、地方铁路公司的调研和铁路运输领域专家的咨询，最终得到了5个一级指标、14个二级指标和59个三级指标组成的初始指标体系，铁路货物运输市场运行评估初始指标体系如图1所示。

1.2　基于文本相似度的铁路货物运输市场运行评估指标筛选

1.2.1　多层级指标筛选

（1）文本相似度计算方法。文本相似度方法在自然语言处理和信息检索中具有重要地位，主要用于衡量不同文本之间的相似程度，为文本分类、推荐系统、信息过滤等任务提供了数据支撑。常见的文本相似度方法可以分为基于统计特征的方法、基于向量空间的方法等^[19]。词频-逆向文件频率(Term Frequency-Inverse Document Frequency，TF-IDF)，是一种统计方法，用以评估字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着其在文件中出现的次数成正比增加，但同时会随着其在语料库中出现的频率成反比下降^[20]。TF表示词条在文本中出现的频率，若文本中词条t_k在文本w_i出现的频率越高，表示该词条在文本中的重要性也越高。计算方法为

TF(t_k,w_i)=\frac{N(t_k,w_i)}{{\displaystyle \sum _{k=\mathrm{1}}^n}N(t_k,w_i)}(1)

式中：TF(t_k,w_i)表示词条t_k的TF值；N(t_k,w_i)表示词条t_k在文本w_i中出现的频率；{\displaystyle \sum _{k=\mathrm{1}}^n}N(t_k,w_i)表示文本w_i中词条总频率。

但由于该值只统计词条出现的次数，因此便会有一些助动词、语气助词，如“是”“的”“了”等词出现的频率很高，但对于指标筛选却没有任何意义，因此不能作为指标筛选关键词，这会给指标筛选工作带来难度。而IDF是逆文本频率指数，用来表明词条t在其他文章中出现的频率。其主要思想是：如果包含词条t_k的文档越多，IDF越小，则说明词条可能不具有典型性，即可能不宜作为指标筛选关键词。其计算公式为

IDF(t_k)=\mathrm{l}\mathrm{o}\mathrm{g}\frac{N}{\mathrm{1}+{\displaystyle \sum _{i=\mathrm{1}}^N}{S}_i}(2)

S_i=\left\{\begin{array}{l}\mathrm{1}\\ \mathrm{0}\end{array}\right.\begin{array}{l}{t}_k\in w_i\\ t_k\notin w_i\end{array}(3)

式中：N为文本的数量；S_i为0-1变量，当词条t_k属于文本w_i时，其值为1，否则为0。

TF-IDF值是TF值与IDF值的乘积，其目的是降低在文章中普遍出现的字词的TF-IDF值，达到筛选关键词的目的。其计算公式为

TF-IDF(t_k,w_i)=TF(t_k,w_i)\times IDF(t_k)(4)

将语料库单词的TF-IDF值构建文档-词矩阵，使用余弦相似度计算文本相似度。余弦相似度采用数学的方法，将文本构建成文本向量，通过计算向量之间的点乘和模长乘积的比值作为文本之间的相似度^[14]，其取值范围为[0，1]。1表示完全相似，0表示完全不相似。其计算公式为

\mathrm{c}\mathrm{o}\mathrm{s}(A,B)=\frac{A\cdot B}{\left|A\right|\times \left|B\right|}(5)

式中：A，B分别为词条的文本向量。

（2）多层级指标筛选。根据初始指标体系可得，铁路货物运输市场运行评估指标有3个等级指标，通常在研究中，3个等级指标所占权重并不相同，通常一级指标所指范围更大，三级指标则更具体。若只是简单将指标连接计算文本相似度，那得出的结果无法体现出三级指标之间的差距，因此采用多层级指标筛选的方法。即采用三级指标权重来表示3个等级指标之间的权重差距。

假设某一指标的三级指标分别为Z{B}_{\mathrm{1}}，Z{B}_{\mathrm{2}}，Z{B}_{\mathrm{3}}，与文本w_i的相似度分别为X{S}_{i\mathrm{1}}，X{S}_{i\mathrm{2}}，X{S}_{i\mathrm{3}}，则可以构建指标-文本相似度矩阵。

\left[\begin{array}{l}X{S}_{\mathrm{11}}\cdots X{S}_{\mathrm{13}}\\ ⋮⋮\\ X{S}_{i\mathrm{1}}\cdots X{S}_{i\mathrm{3}}\end{array}\right](6)

文本w_i的相似度为

X{S}_i={\alpha }_{\mathrm{1}}X{S}_{i\mathrm{1}}+{\alpha }_{\mathrm{2}}X{S}_{i\mathrm{2}}+{\alpha }_{\mathrm{3}}X{S}_{i\mathrm{3}}(7)

式中：{\alpha }_{\mathrm{1}}，{\alpha }_{\mathrm{2}}，{\alpha }_{\mathrm{3}}分别为一、二、三级指标的平衡系数，分别取值为1，2.5，5。

对于文本语料库来说，通常不只有一个文本作为语料库，因此选择不同文本的余弦相似度的算术平均作为该指标的最终权重。若权重越高，则代表该指标的重要性更高，应当作为关键指标被选择。通过公式(1)—(6)，指标x最终计算得到的相似度FX{S}_x如下。

FX{S}_x=\frac{\mathrm{1}}{N}{\displaystyle \sum _{i=\mathrm{1}}^N}X{S}_i(8)

1.2.2　筛选结果

本次研究中，选取国务院发布的《“十四五”现代综合交通运输体系发展规划》、国家发展和改革委员会发布的《国家发展改革委关于深化铁路货运价格市场化改革等有关问题的通知》、交通运输部发布的《交通运输部 国家铁路局关于加强城际铁路、市域(郊)铁路监督管理的意见》和《铁路运输服务质量监督管理办法》、国家铁路局发布的《铁路运输企业准入许可实施细则》共5个政策文件作为语料库，使用编程软件中的jieba对语料库进行分词处理，组建词库。然后使用scikit-learn构建TF-IDF模型，将文本数据转化为文本向量，再使用余弦相似度计算方法得到指标对于语料库文件的相似度。

运用1.2.1的方法将1.1节构建的初始指标分别与语料库中的5个政策文件进行文本相似度对比，得到初始指标的文本相似度。将初始指标相对于5个政策文件相似度进行加权平均作为指标加权权重，根据权重数值将59个多层级指标从大到小排序，得到全部指标的加权权重的平均值为0.179 5。为了保证构建的指标体系能够反映铁路货物运输市场运行评估情况，选取筛选权重值高于平均权重的指标作为评估指标体系的关键指标，归类总结后整理文本相似度筛选铁路货物运输市场运行评估关键指标如表2所示。

1.3　基于专家打分法的铁路货物运输市场运行评估指标筛选

基于所构建的初始评估指标体系，采用专家打分的方式，设计了铁路货物运输市场运行状况评估指标筛选的专家调查问卷，并邀请铁路运输领域的10位专家和市场经济、物流管理等领域的5位专家，共15位专家，对指标体系问卷进行打分，形成铁路货物运输市场运行评估指标专家打分表。

本次问卷旨在筛选铁路货物运输市场运行评估核心指标及确定指标权重，基础数据需通过专家评分确定。评分对象是铁路货物运输市场运行状况评估指标，从“系统性、科学性、适应性、可持续发展性、简明性”5个维度进行评价打分，满分为100分，每个维度各20分。15位专家将根据自身的专业性，对铁路货物运输市场运行状况评估初始指标体系的各个指标进行打分，指标分数越高，表明该专家认为指标在铁路货物运输市场运行状况评估指标体系中的重要性越高。

通过专家打分法，得到各初始指标的分数，使用分数作为各指标的权重，作为筛选的依据。本次研究采用专家权重相同的方式，即不对专家的分数进行加权，15位专家对各项指标打分的加权平均值作为指标最终分数，根据最终分数将59个多层级指标从大到小排序。结果表明，所有指标的最终分数的平均值为77.86，为保证构建指标体系能够充分反映铁路货物运输市场运行评估，因此选取高于平均值的指标作为专家打分法筛选的关键指标，构建铁路货物运输运行市场运行评估指标体系，经过整理总结的专家打分法筛选铁路货物运输市场运行评估关键指标如表3所示。

2　铁路货物运输市场运行评估指标体系构建及分析

2.1　铁路货物运输市场运行评估指标体系构建

通过1.2节文本相似度方法和1.3节专家打分法2种方法分别对铁路货物运输市场运行评估指标进行筛选，最终得到2种方法各自筛选的关键指标。为了保证构建的铁路货物运输市场运行评估指标体系的科学性和合理性，本研究采用主客观统一的方式，即从2种方法分别筛选出的关键指标中选取交集，作为最终的铁路货物运输市场运行评估指标体系。经过对比，2种方法选取的关键指标与最终的铁路货物运输市场运行评估指标体系相似度分别为88%和78.57%，相似度较高，说明2种方法从主观和客观2个角度筛选出的铁路货物运输市场运行评估指标合理性较高，因此选取2种方法共有的评估指标作为最终的铁路货物运输市场运行评估指标体系，铁路货物运输市场运行评估指标体系如表4所示。

2.2　铁路货物运输市场运行评估指标体系重要度分析

熵权法是一种客观赋权方法，常用于多指标决策分析中，通过计算指标的信息熵来衡量其不确定性，从而确定每个指标的权重^[18]。信息熵越小，说明该指标提供的信息量越大，权重越高；反之，熵值越大，权重越小。灰色关联度法则评价指标与理想状态的差距，灰色关联度值越高，表示该指标在评价对象中表现越好、越接近理想目标，对综合评价的积极贡献越大。

（1）构建数据矩阵。将各个指标的专家打分表转化为原始数据矩阵。

X=[x_{ij}{]}_{m\times n}(9)

式中：X为专家打分法原始数据矩阵；x_{ij}为第i个指标的第j个专家打分；m为指标数；n为专家数。

（2）数据标准化。采用最小-最大归一化的方法，对数据矩阵进行标准化处理。

z_{ij}=\frac{x_{ij}-\mathrm{m}\mathrm{i}\mathrm{n}(x_i)}{\mathrm{m}\mathrm{a}\mathrm{x}(x_i)-\mathrm{m}\mathrm{i}\mathrm{n}(x_i)}(10)

式中：z_{ij}为第i个指标的第j个专家打分标准化的值；\mathrm{m}\mathrm{a}\mathrm{x}(x_i)，\mathrm{m}\mathrm{i}\mathrm{n}(x_i)分别为第i个指标的最大值和最小值。

（3）计算指标标准化比值和熵值。

p_{ij}=\frac{z_{ij}}{{\displaystyle \sum _{j=\mathrm{1}}^n}{z}_{ij}}(11)

e_i=-k{\displaystyle \sum _{j=\mathrm{1}}^n}(p_{ij}ln{p}_{ij})(12)

k=\frac{\mathrm{1}}{\mathrm{l}\mathrm{n}n}(13)

式中：p_{ij}为指标的标准化比值；e_i为指标熵值。

当p_{ij}为0时，{\displaystyle \sum _{i=\mathrm{1}}^m}(p_{ij}ln{p}_{ij})也为0。

（4）计算信息熵的差异度。

d_i=\mathrm{1}-e_i(14)

式中：d_i为第i个指标的信息熵的差异度，反映了每个指标的信息量，差异度越大，说明该指标提供的有效信息越多。

（5）计算权重。根据差异度计算得到每个指标的权重为

w_i=\frac{d_i}{{\displaystyle \sum _{i=\mathrm{1}}^m}{d}_i}(15)

式中：w_i为第i个指标的权重。

（6）确定参考序列。

X_{\mathrm{0}}=\left[x_{\mathrm{01}}，x_{\mathrm{02}}，\cdot \cdot \cdot ，x_{\mathrm{0}m}\right](16)

式中：X_{\mathrm{0}}为参考序列，由每个指标的最大值组成；x_{\mathrm{0}m}为第m个指标的最大值，x_{\mathrm{0}m}=\mathrm{m}\mathrm{a}\mathrm{x}(x_{m\mathrm{1}}^{}，x_{m\mathrm{2}}^{}，\cdot \cdot \cdot ，x_{mn}^{})。

（7）计算关联系数。

{\xi }_{ij}=\frac{{\mathrm{\Delta }}_{\mathrm{m}\mathrm{i}\mathrm{n}}+\rho {\mathrm{\Delta }}_{\mathrm{m}\mathrm{a}\mathrm{x}}}{{\mathrm{\Delta }}_{ij}+\rho {\mathrm{\Delta }}_{\mathrm{m}\mathrm{a}\mathrm{x}}}(17)

{\mathrm{\Delta }}_{ij}=\left|x_{\mathrm{0}i}-x_{ij}^{}\right|(18)

式中：{\xi }_{ij}为第j个专家对第i个评价指标的关联系数，衡量其与理想状态的接近程度；{\mathrm{\Delta }}_{ij}表示各个指标与参考序列的差值绝对值；{\mathrm{\Delta }}_{\mathrm{m}\mathrm{i}\mathrm{n}}表示在所有的{\mathrm{\Delta }}_{ij}中最小值，即所有指标中与参考序列差值最小的差值；{\mathrm{\Delta }}_{\mathrm{m}\mathrm{a}\mathrm{x}}表示在所有的{\mathrm{\Delta }}_{ij}中最大值，即所有指标中与参考序列差值最大的差值；\rho表示分辨系数，一般取值范围为[0，1]，常用值为0.5。

（8）计算关联度。

{\gamma }_i=\frac{\mathrm{1}}{n}{\displaystyle \sum _{j=\mathrm{1}}^n}{w}_i{\xi }_{ij}(19)

式中：{\gamma }_i为第i个指标的加权关联度。

使用熵权-灰色关联度融合法最终计算得出各级指标的熵权法权重和灰色加权关联度，根据权重大小按降序排列，得到指标的排名。指标的权重越高，则排名越靠前，表明指标的重要度越高，则在铁路货物运输市场运行评估体系的构建中，应当优先考虑该指标的影响；指标的权重越低，则排名越靠后，表明指标的重要度越低，则在铁路货物运输市场运行评估体系的构建中，应当将其放在较后考虑的位置，铁路货物运输市场运行评估指标熵值权重如表5所示。铁路货物运输市场运行评估指标熵值权重占比如表6所示。

2.3　铁路货物运输市场运行评估指标体系分析

从表6可知，“市场运行”是权重最高的一级指标，体现了在铁路货物运输市场运行评估中应该首先从市场运行的各个指标进行评估，通过运输价格、运输市场和运输需求可以直观展现铁路货物运输市场运行情况。同时，“市场运行”也是一级指标中含有二级指标和三级指标数量最多的指标，表明在铁路货物运输市场运行评估时需更加看重运输价格、需求和市场等方面因素。运输价格中的“基础运价”“货运杂费价格”“铁路运价指数”等权重和关联度均处于体系前列，表明价格机制是铁路企业市场发展水平的直观体现，也是直接影响客户选择的关键因素。短途、长途及季节性运输价格浮动率等指标权重相差不大，关联度也较低，反映铁路运输在不同运输范围和周期下的价格调整能力，从时间和空间2个维度衡量价格机制灵活性和市场化程度，体现了铁路在不同运输模式下的定价差异性。在运输市场和需求方面，“货运市场份额增加率”“货运市场占有率”等指标，从不同角度反映了企业在市场中的地位和成长性，而“订单兑现率”则体现了铁路运输企业对市场需求适应性和服务能力的综合表现。

“市场评估”的权重和含有的二、三级指标数量在一级指标中排名第2，表明可以通过供需评估、运行评估和设施评估对铁路货物运输市场运行状况进一步分析。“铁路货运总量”“铁路大宗货物发送量”等指标权重位居前列，说明运输量可以很好地衡量铁路货运企业的发展水平。此外，“铁路固定资产投资规模”和“铁路网络规模”等指标也有较高权重和关联度，这表明运输企业在提升运输能力和竞争力过程中，基础设施建设与投入是不可或缺的重要支撑，是保证企业竞争力的基石。

“服务质量”的权重占比最小且含有的二级和三级指标数量也最少，但仍然可以通过运输安全和运输时效指标对铁路货物运输市场运行进行评估，来判断铁路货物运输市场运行状况。“运输事故率”以7.12%的权重和0.778 4的高关联度排名首位，凸显了铁路运输行业一贯坚持“安全第一”的原则，且运输事故率也是客户衡量运输方式是否可靠的重要尺度，通过运输事故率也能反映铁路货物运输市场运行状况。虽然，“货物损毁率”和“平均运输效率”相较于“运输事故率”权重和关联度略低，但也处于指标体系的中间水平，表明这2个指标较大程度影响运输企业的服务质量，也是客户关心的重要部分。

从关联度的角度分析，各指标的关联度均在0.5~0.8之间，且大部分处于0.6附近，表明各指标均与铁路货物运输市场理想状态的贴合度较高，且不存在极端偏低或偏高的情况，体系内部结构较为均衡，各指标在铁路运输企业整体发展水平提升过程中均发挥着积极作用，没有明显的短板或冗余项。

2.4　铁路货物运输市场运行评估指标体系应用分析

（1）辅助监管部门对铁路运输市场实际运行状况进行监管。指标体系的构建为铁路行业监管部门提供了一种定量化、系统化、动态化的监管工具。一方面，服务质量类指标如“运输事故率”和“平均运输效率”可用于对企业运输服务水平的横向比较与纵向跟踪，帮助监管部门识别潜在风险并实施差异化监管；另一方面，市场评估类与市场运行类指标如“运输总量”“市场占有率”“价格浮动率”“订单兑现率”等，可辅助监管部门深入分析区域间、企业间的市场表现差异，动态掌握市场供需状况和运行活跃程度。

（2）实现监管方式由“静态观察”向“动态评估”的转变。指标体系具备良好的扩展性与数据对接能力，通过对指标体系数据搜集，可开展包括铁路货物运输市场发展趋势、运输市场结构分析、运输企业发展状况、不正常竞争预警预测等多种监管任务。通过对指标体系实际运营数据分析，监管部门不仅可以精准识别铁路运输市场运行中的突出问题，还可为政策制定、资源配置和行业引导提供一定支持。

3　结束语

将铁路货物运输市场运行评估初始指标构建多层级指标体系，运用文本相似度的方法与多个政策文件组建成的语料库进行相似度分析，按照相似度对铁路运输市场评估指标体系进行筛选，同时使用专家打分法对指标体系进行打分，从主客观统一的角度构建了铁路货物运输市场运行评估指标体系，并使用熵权-灰色关联度融合对构建的指标体系进行重要度分析，最后对指标体系进行应用分析。铁路货物运输市场运行评估指标体系丰富了铁路运输市场运行评估的理论研究框架，为铁路货物运输市场运行评估提供理论参考。

参考文献

[1] 中共中央办公厅 国务院办公厅.有效降低全社会物流成本行动方案[EB/OL]. (2024-11-27)‍[2025-07-21].

[2] SHAKIBAEI S， ALPKOKIN P. Conflict Resolution in Competitive Liberalized Railway Market：Application of Game Theoretic Concepts[J]. International Game Theory Review，2020，22(1)：1950013.

[3] ŽVIRBLIS A， BUTKEVIČIUS J.Evaluation of the Competitiveness of the System of Passenger Transportation by Railway[J].Transport，2004，19(4)：157-161.

[4] LEE Y S， MOON D S.A Case Study on the Competitive System of EU Railway Transport Market[J].Journal of the Korean Society for Railway，2008，11(5)：455-464.

[5] ZORINA O I， NESKUBA T V， MKRTYCHYAN O M，et al. Benchmarking of the Transport Market with Hierarchical Clustering of Rail Companies[J]. International Journal of Engineering & Technology，2018，7(4.3)：557-562.

[6] 张嘉桀，邹毅峰，罗湖桥，等. 铁路货运价格跟踪评价及监测体系研究[J]. 铁道货运，2024，42(4)：60-66.

[7] ZHANG Jiajie， ZOU Yifeng， LUO Huqiao，et al. Research on Tracking Evaluation and Monitoring System of Railway Freight Fare[J]. Railway Freight Transport，2024，42(4)：60-66.

[8] 高　飞，雷　渝，吴　凡，等. 铁路危险货物运输安全监管优化策略分析[J]. 铁道货运，2021，39(4)：46-50.

[9] GAO Fei， LEI Yu， WU Fan，et al. Optimization Countermeasures of Safety Supervision for Dangerous Goods Transportation by Railway[J]. Railway Freight Transport，2021，39(4)：46-50.

[10] 宋小满，李光明，雷　蕾. 关于建立铁路货运价格监测体系的研究[J]. 价格理论与实践，2020(8)：67-70.

[11] SONG Xiaoman， LI Guangming， LEI Lei. Research on Establishing Railway Freight Transport Price Monitoring System[J]. Price：Theory & Practice，2020(8)：67-70.

[12] 周　茵，罗　莹，王怀相. 铁路货运价格指数体系构建探析[J]. 铁道货运，2020，38(12)：55-59.

[13] ZHOU Yin， LUO Ying， WANG Huaixiang. An Analysis on the Construction of Railway Freight Tariff Index System[J]. Railway Freight Transport，2020，38(12)：55-59.

[14] 高海涛，杨明宇，孟令云，等. 基于AHP-熵权的高速铁路行车安全风险研究[J]. 铁道运输与经济，2018，40(3)：85-90.

[15] GAO Haitao， YANG Mingyu， MENG Lingyun，et al. A Study on High Speed Railway Safety Risks Based on AHP and Entropy Weight Method[J]. Railway Transport and Economy，2018，40(3)：85-90.

[16] 周姗琪. “一日一图” 目标下高速铁路列车运力供给与市场需求适配质量评价研究[J]. 铁道运输与经济，2023，45(9)：42-48.

[17] ZHOU Shanqi. Quality Evaluation of High Speed Railway Train Capacity Supply and Market Demand Matching under the Goal of “One Day One Train Working Diagram”[J]. Railway Transport and Economy，2023，45(9)：42-48.

[18] PIERRE M， FATEH C， CÉLINE C，et al.Constrained Groupwise Additive Index Models[J].Biostatistics (Oxford，England)，2023，24(4)：1066-1084.

[19] KAHSAY A， HAILE M， GEBRESAMUEL G，et al.Assessing Land Use Type Impacts on Soil Quality： Application of Multivariate Statistical and Expert Opinion-followed Indicator Screening Approaches[J].Catena，2023，231：107351.

[20] 张　涛，马海群，易　扬. 文本相似度视角下我国大数据政策比较研究[J]. 图书情报工作，2020，64(12)：26-37.

[21] ZHANG Tao， MA Haiqun， YI Yang. Comparative Analysis of China's Big Data Policies from the Perspective of Text Similarity[J]. Library and Information Service，2020，64(12)：26-37.

[22] 刘剑慰，邢健豪，姜　斌，等. 知识图谱强化网络分析法的系统评价方法[J]. 控制与决策，2024，39(1)：236-243.

[23] LIU Jianwei， XING Jianhao， JIANG Bin，et al. System Evaluation Method of Analytic Network Process Strengthened by Knowledge Graph[J]. Control and Decision，2024，39(1)：236-243.

[24] SUNDARAM S， ZEID A. Technical Language Processing for Prognostics and Health Management：Applying Text Similarity and Topic Modeling to Maintenance Work Orders[J]. Journal of Intelligent Manufacturing，2025，36(3)：1637-1657.

[25] WITSCHARD D， JUSUFI I， MARTINS R M，et al. Interactive Optimization of Embedding-Based Text Similarity Calculations[J]. Information Visualization，2022，21(4)：335-353.

[26] 韩佳洪，祝连波，陶　玉，等. 基于熵权-灰色关联度分析的零碳社区建设评价研究[J]. 上海节能，2024(10)：1596-1604.

[27] HAN Jiahong， ZHU Lianbo， TAO Yu，et al. Research on the Evaluation of Zero-Carbon Community Construction Based on Entropy Weight-Grey Correlation Degree Analysis[J]. Shanghai Energy Saving，2024(10)：1596-1604.

[28] 魏　嵬，丁香香，郭梦星，等. 文本相似度计算方法综述[J]. 计算机工程，2024，50(9)：18-32.

[29] 马伟彬. TF-IDF模型和LSI模型文本相似度算法的应用[J]. 电子技术与软件工程，2022(1)：130-133.

[30] 王莉萍. 道路货运市场运行动态监测体系构建[D]. 西安：长安大学，2010.

[31] 李伟伟. 铁路大宗货物运输市场监测方案构建研究[D]. 成都：西南交通大学，2017.

[32] 孙　膑.铁路货运服务质量监测评价体系研究[D]. 北京交通大学，2018.

[33] 杨　雪. 铁路货运服务质量评价研究[D]. 兰州：兰州交通大学，2015.

[34] 权诗琦，李春丽，张楷唯，等. 铁路货运服务质量评价指标体系构建探讨[J]. 铁道货运，2019，37(5)：27-30.

[35] QUAN Shiqi， LI Chunli， ZHANG Kaiwei，et al. A Study on the Evaluation System on Railway Freight Service Quality[J]. Railway Freight Transport，2019，37(5)：27-30.

[36] 邢伟凡. 铁路运输企业经济效益质量评价与优化研究[J]. 特区经济，2024(6)：129-132.

[37] XING Weifan. Research on Economic Benefit Quality Evaluation and Optimization of Railway Transportation Enterprises[J]. Special Zone Economy，2024(6)：129-132.

[38] 肖致明. 铁路货运站服务质量评估指标体系研究[J]. 内蒙古科技与经济，2018(16)：19-23.

基金资助

国家铁路局科研项目(市场委合[2024]2号)

四川省统计科学研究计划项目(2025SC13)

四川循环经济研究中心项目(XHJJ-2405)