庞金燕，尹相勇，宋以华

（北京交通大学 交通运输学院，北京 100044）

0 引言

高速铁路的发展对客运通道综合交通结构会产生较大的影响。何宇强、毛保华等人基于广义费用函数，应用 Logit 模型，以北京—太原的客运专线为研究对象，分析了不同交通方式客运分担率的变化，得出客运专线将吸引大量客流的结论[1]。李建斌通过对武广高速铁路沿线车站旅客的抽样调查，归纳和分析了旅客的出行特征和集散特性[2]。毛伟等人运用 TransCAD 软件，基于旅客出行效用函数模型，研究旅客出行行为对客运通道分担率的影响[3]。郭春江运用层次分析法对旅客出行选择的影响因素进行权重分析，并运用管理博弈理论，构建了交通方式运量分担博弈模型，对武广高速铁路的运营提出了建议[4]。Dai Nakagawa、Masatoshi Hatoko基于成本效益分析，得出提高部分新干线列车运行速度会对日本核心区域产生很大影响的结论[5]。Iljoon Chang、Gang-len Chang 建立了以时间价值为主要变量的综合交通运输通道客运分担率模型，通过成本最小化和效益最大化，分析通道内高速铁路、航空等的竞争关系，以韩国东北和西南运输通道为案例，预测通道内不同交通方式的客运分担率[6]。

借鉴有关研究成果，通过建立系统动力学模型，结合 Logit 分担率模型，从收入层次、出行目的两个角度对旅客不同层次的客运需求进行细化分析，对社会经济因素和个人出行选择影响因素，进行了因果关系反馈分析。基于相关调研数据，仿真分析武广高速铁路对客运通道综合交通结构变化趋势的影响，为分析武广客运通道综合交通结构的变化趋势提供参考依据。

1 武广高速铁路概述

1.1   沿线人口、经济状况

武广高速铁路于 2009 年 12 月 26 日正式运营，全长 1 068 km，跨湖北、湖南、广东 3 省，途经15 个车站，设计时速 350 km，全程运行时间约 4 h。武广客运通道沿线城市常住人口多，人口密度大。沿线省会城市的人口密度较沿线其他城市更加稠密，其中广州为 1 653人 / km²，武汉为 1 086 人 / km²，长沙为 548 人 / km²，人口密度均超过 143.8 人 / km²的全国平均水平。沿线地区省会城市经济发展迅速，人均 GDP 均高于全国平均水平，属于经济较发达地区。2010 年，广州人均 GDP 达 8.7 万元，高出全国平均水平 5.7 万元；武汉、长沙人均 GDP 也分别达到 5.9 万元和 6.6 万元，比全国平均水平高出 2.9 万元和 3.6 万元。

1.2   武广高速铁路开通后通道内的交通结构变化

武广客运通道的交通方式包括铁路、航空和公路长途客运，其中铁路包括武广高速铁路、京广铁路武广段。机场主要有武汉天河国际机场、长沙黄花国际机场、广州白云国际机场，公路有京港澳高速公路和国道 107 线等。由于武广客运通道长达 1 068 km，武汉至广州跨省长距离运营的长途汽车，在通道内所占份额很小，故该研究不考虑通道公路长途客运的分担率。

武广高速铁路的运营缩短了旅客的旅行时间，促进了沿线经济发展，而经济的发展将会诱发更多出行需求，由此带来通道客运量增长。武广高速铁路开通前后不同交通方式承担的客运量如表 1 所示。

表 1 武广高速铁路运营前后不同交通方式承担的客运量            万人次

由表 1 可知，武广高速铁路开通 1 年，通道客流增加 1 762.7 万人次，同比增加了 44.6%。其中，高速铁路新增客流为 2 075 万人次，为转移客流和新增诱发客流。通过相关调研数据分析，高速铁路转移客流 4% 来自航空，26% 来自既有铁路，70%为新增诱发客流。武广高速铁路开通运营后，铁路分担率由 95% 上升到 97.6%，提高了 2.6%；航空分担率由 5% 下降到 2.4%。

2 武广高速铁路对客运交通结构影响的SD模型

旅客出行方式的选择行为是以自身运输需求得到最理想满足为原则所进行的一个从认识、评价、决策到实施的连续活动过程[7]。为细化考虑旅客在出行选择时的不同层次需求，根据收入水平和出行目的进行旅客细化分类，根据不同收入水平计算其各自时间价值，选取安全性、舒适性、票价和方便性 4 项指标构造广义费用函数，基于 Logit 模型，采用系统动力学 (System Dynamic，SD) 模型预测通道不同交通方式的客运量，进而得到客运分担率。

2.1 模型影响因素分析

模型中的主要影响因素包括社会经济、出行选择行为、交通供给、交通需求 4 个方面，其中社会经济发展因素是交通结构变化的前提。4 个主要影响因素的具体细化指标如下。

（1）社会经济。社会经济包括居民人均收入、GDP (地区生产总值)、地区常住人口、低收入、中收入、中高收入、高收入等指标。

（2）出行行为选择。出行行为选择包括票价、舒适性、方便性、“门到门”时间、旅游、公务商务出差、探亲、务工、上学等。

（3）交通供给。交通供给包括既有铁路、高速铁路、航空等。

（4）交通需求。交通需求包括居民人均出行次数、客运分担率、既有铁路客运量、高速铁路客运量、航空客运量、总客运量等指标。

2.2 系统因果关系分析

模型研究的对象是武广通道客运分担率和客运量发展趋势。旅客收入划分的层次为：低收入、中低收入、中高收入、高收入和公务商务出差。不同出行目的旅客对服务反应有所不同，公务商务出差旅客选择交通方式倾向于快速便捷、舒适和方便；以务工、上学为出行目的的旅客选择交通方式则更侧重于出行费用的高低[8]。不同收入层次在出行过程中对旅途中接受的服务反应也不一样，如低收入者看重的是出行费用的高低，而高收入者更侧重旅行过程舒适度及便捷性等[9]。构建武广客运通道交通结构的因果关系图，对系统要素之间的关系进行分析。图 1 是高速铁路对客运通道影响的因果关系图。

（1）通道总客运量与社会经济反馈环。通道总客运量与社会经济反馈环如图 2 所示，是正反馈环。经济发展水平提高，居民人均收入增加，刺激居民出行增多，通道客运量增加。人员流通性加强在一定程度上促进了经济的增长。

图1 高速铁路对客运通道影响的因果关系图

图2 社会经济反馈环

（2）交通供给反馈环。交通供给反馈环如图 3所示。某种交通方式客运量受交通供给的限制，不可能无限增长，体现了交通供给对客运量的制约作用。交通供给在一定时期内相对稳定，某种交通方式客运量达到一定程度，将限制该方式客运量的增加。交通供给通过服务水平体现其反馈作用。以既有铁路为例，选择既有铁路的客运量不断增加，受到既有铁路供给的限制，其服务水平降低，致使选择既有铁路的客运量减少。

图3 交通供给反馈环

2.3 模型系统流图

在因果关系图的基础上，用系统动力学软件Vensim 构造系统动力学模型的系统流图，如图4 所示。

2.4 模型参数估计

应用项目调查资料、统计资料和部分参考文献中获取数据对模型中常数、表函数、状态变量赋值，模型的参数主要采用 2 种方法估计，存在变化率函数中的系数用最小二乘法估计；没有公开数据只有大致信息的参数，用系统行为法来估计。

图4 模型系统流图

2.4.1 影响因素参数设定

客运分担率影响参数主要包括“门到门”时间、票价、舒适性和方便性 4 个部分。模型参数用的是因素值之间的比值。其主要因素标定如下。

（1）“门到门”时间主要由市内交通时间、候车时间、进出站时间和行程时间组成，详细数据如表 2 所示。

表2 “门到门”时间量化表 h

（2）方便性和舒适性因素量化综合参照相关文献，服务水平量化如表 3 所示。

表3 服务水平量化表

（3）票价因素。高速铁路、航空运输的票价主要参考二等座票价；而既有铁路票价综合考虑硬座和硬卧票价；航空票价折扣率计 7 折，票价量化如表 4 所示。

表4 票价量化表

2.4.2 社会经济参数设定

通道客运量预测中主要考虑人口增长率、GDP等因素。运营初期，高速铁路在一定程度上诱发一部分客运量，随着高速铁路运行图的逐步稳定，通道总的客流量也趋于稳定。以此为基础，在预测武汉—广州的总客运量时采用总人口与人均出行的乘积得到预测的总客运量。人口以 0.6% 作为人口的自然增长率，人均出行次数计算的初值为 0.6，2010年居民人均收入初值为 26 610，GDP 增长率初值为12%，人均出行次数＝1.965－26 610/居民人均收入。在参数标定过程中使用的社会经济数据来自统计年鉴，武广高速铁路沿线主要人口数量如表 5所示。

表5 武广高速铁路沿线人口分布表

2.5 模型有效性检验

以 2010 年武广客运通道的经济社会发展、人口、居民收入、铁路票价、运输时间等实际数据作为模型输入，通过模型仿真得出不同交通方式的客运量及分担率，与 2011 年实际数据对比，判断模型的有效性，对比数据如表 6 所示。

表6 模型误差分析

通过上述数据对比可知，预测数据与实际数据误差小于 10%，模拟计算的精度达到要求，模型有效。

3 SD模型仿真结果分析

选取武广客运通道为研究对象，进行客流预测和客运分担率分析。根据调研获取不同交通方式门到门时间、票价、运输需求的变化情况，结合社会经济发展情况(根据发展规划，通道区域 GDP 增长率取 10% 左右)，以系统动力学模型进行仿真，仿真年限为 2010—2020 年。

3.1 客运量变化趋势分析

武广客运通道内各种交通方式的客运量变化趋势如图 5 所示。

由图 5 可见，武广客运通道内既有铁路客运量变化相对稳定，其总客运量在 3 500 万人左右，仍占有一定市场。通道内航空客运量总体呈稳中有升的趋势。高速铁路运营初期对通道内既有铁路、航空运营产生一定的影响，一部分运量转移到高速铁路，而后既有铁路和航空客运量变化基本稳定，高速铁路客运量呈现稳步上升趋势，新增客运量主要来自诱发客运量。高速铁路的运营以其良好的技术经济特性得到旅客的认可。经济水平的不断发展，使旅客消费水平提高，选择高速铁路出行的人数逐渐增多。

3.2 客运分担率变化趋势分析

武广客运通道内各种交通方式的客运分担率变化曲线如图 6 所示。

由图 6 可见，通道内高速铁路的客运量持续增加，导致其分担率呈上升趋势，从仿真结果看与国外高速铁路分担率变化趋势研究基本相似。此外，武广客运通道长约 1 000 km，通道内长距离出行较多，这也是高速铁路客运分担率变化趋势上升的原因之一。该通道内既有铁路的客运分担率呈现下降趋势，由于武广高速铁路运营对既有铁路的客运量影响较小，既有铁路客运量相对稳定，而通道客运量的增加导致了既有铁路客运分担率呈现下降趋势。通道内航空客运分担率的变化趋势相对较稳定，高速铁路开通初期给航空运营带来影响，部分航空客运量转移到高速铁路，客运分担率在一定程度上略有下降，随后其客流逐渐趋于稳定，以收入较高和以出差为目的旅客为主。

4 结论

以武广客运通道综合交通结构为研究对象，结合相关调研数据，建立武广高速铁路对通道综合客运交通结构影响的 SD 模型。通过 SD 模型仿真得到 2020 年武广客运通道的客运分担率和客流量变化趋势，研究的主要结论为：武广高速铁路客运量及客运分担率将稳步上升；既有铁路客运量在高速铁路运营初期转移了部分客运量，而后将保持一定的客运量规模，并呈稳定发展态势，其分担率呈下降趋势，既有铁路要保证既有列车开行对数，为该需求层次的旅客提供服务；航空客运量在高速铁路运营初期转移了部分客运量，而后将呈稳定发展略有上升态势，其分担率趋于稳定。经济发展是综合交通结构演化的动力，人民生活水平提高才能提出更高的需求，是高速铁路新增诱发客运量的主要来源。

图5 各种交通方式的客运量变化趋势

图 6  各种交通方式的客运分担率变化趋势 

[1] 何宇强，毛保华，陈团生，等. 高速客运专线客流分担率模型及其应用研究[J]. 北京，铁道学报，2006，28(3)：18-21.

[2] 李建斌. 武广高铁旅客出行特征和集散特性调查与分析[J]. 北京，铁路标准设计，2011(11)：1-5.

[3] 毛 伟. 基于旅客出行行为分析的通道客运分担率预测研究[D]. 成都：西南交通大学，2008.

[4] 郭春江. 高铁与民航客运量分担博弈模型研究[D]. 北京：北京交通大学，2010.

[5] Dai Nakagawa，Masatoshi Hatoko. Reevaluation of Japanese High-speed Rail Construction：Recent Situation of the North Corridor Shinkansen and Way to Completion[J]. Transport Policy，2007(14)：150-164.

[6] Iljoon Chang，Gang-len Chang. A Network-based Model for Estimating the Market Share of A New High-speed Rail System [J]. Transportation Planning and Technology，2004，2(27)：67-90.

[7] 叶玉玲，季 令，何 静，等. 沪杭快速运输通道旅客出行特征分析[C]//中国铁道学会. 第四届中国轨道交通技术峰会暨第十二届粤、京、港、沪铁道学会学术年会论文集.   北京：中国铁道学会，2008：150-152.

[8] 张 敏，张 超. 京津城际高铁客流结构和出行特征分析[J]. 天津，中国储运，2010，18(6)：88-89.

[9] 杨晓燕. 成绵乐城际铁路旅客出行行为特征分析[D]. 成都：西南交通大学，2011.