铁路旅客运输周期性特征研究

2021-06-28梁婧

铁道经济研究 2021年3期

梁婧

（中国铁路经济规划研究院有限公司副研究员，北京 100038）

0 引言

波动性特征特别是周期性波动研究在各个领域均有成功的应用。既有运用经济增长周期模型，对我国经济增速周期性波动及其动态均衡增长状态进行模拟预测的宏观问题，也有通过分析各个不同发展阶段居民总消费、城镇居民消费、农村居民消费的周期波动性特征，按照消费曲线波动的固有特点，研究我国消费波动曲线的波长、波幅、路径、扩张期和收缩期的民生问题等[1-5]。

作为国民经济的主要部门，交通运输部门（包括铁路运输）在国民生产总值中其贡献较大。为积极响应调整运输结构、增加铁路运量以及客运提质增效的有关要求，全面掌握客运市场结构变化及周期性特征，促进运力资源配置和空间布局优化，本文从三个层面展开研究：首先从典型时段入手，分析春暑运、法定节假日等特征时段客流波动；其次从典型地域着手，分析省会及计划单列市客运交流波动变化；最后，从典型线路出发，分析繁忙通道运输需求与运力投放周期性变化[6-14]。

1 特征时段客流波动分析

特征时段的运量周期性趋势是反映铁路客运承压临界变化的重要指标。本节选取2015—2019年节假日日发送量为数据基础，分别研究春运、暑运、“十一”黄金周和三天假期等特征时段铁路客流周期性波动变化规律。

1.1 特征时段日发送量变化规律分析

春运铁路发送量周期性特征分析：图1中两个波谷所处位置即对应正月初一（2015年除外），与正月十五两天。可以发现春运（一般为春节前15天，春节后25天）发送峰值除2017年外，均不出现在法定假日的7天中，反映近年来春运错峰出行态势明显。2015年及2016年春运客运峰值出现在法定假日后一天；2018年后经济下行压力增大，外出务工人员就业遇冷，导致2018年及2019年春运峰值甚至出现在正月十五后。2015年至2019年春运期间波谷发送量与波峰发送量均显著提高，值得注意的是发送量峰谷差值也逐年提高，运量的震动更为剧烈，给运力资源的动态调整提出了更高的要求。铁路旅客运输量是反映经济及生产活动的重要指标，铁路的运输组织应积极应对相关发展态势。

图1 2015—2019年春运每日发送量波动变化

暑运铁路发送量周期性特征分析：由图2和图3可知，历年暑运期间周期波动大致以星期为周期，暑运期间发送量要明显大于平日，暑运期间在周六、周天、周一的小周期内均呈现出“V”字型态势。因日发送量为18点报统计数据，如果暑运期间大量客流选择周天的18点后乘车，则被记录为周一的运量。由于暑运期间较平日增加的大多为旅游流（及学生流），可以判断这部分客流在暑运期间（旅游黄金季节），更多地选择周天18点后的车次出行，这为暑运列车的开行组织提供了一定依据。暑运期间的客运发送量峰值通常发生在8月初—9月底，2018年7月与8月峰值差约100万人，而高校招生人数约800万人，考虑为在读学生返校及父母陪同新生入学等因素带来的波动。

图2 2015—2018年暑运每日发送量波动变化

图3 2015年暑运周与平日周每日发送量波动变化

“十一”黄金周铁路发送量周期性特征分析：考虑移动选取各年“十一”日度数据并与平日日度数据进行对比，由图4，“十一”期间波形基本呈现“月牙形”，而平日期间则呈现倒“S”形。“十一”期间的波峰为假期第1天，波谷基本出现在假期第4或第5天，“十一”黄金周期间铁路客运发送量约为平日周发送量的1.68倍，2015年至2017年这个数字分别是1.69倍、1.70倍、1.87倍。“十一”作为全路发送量峰值发生的关键时间点，其运量增长仍呈现高速发展态势，且与平日发送量的差值持续扩大，铁路部门应重点组织运力，调整开行方案以应对不断增长的客运峰值需求。

图4 “十一”黄金周每日发送量波动变化

三天假期铁路发送量周期性特征分析：若以三天假期为中心，前后各再取三天，形成假期重合的九天时间段，可以看出所有三天假期变化特征基本一致，波动规律保持稳定。从2015年至2018年来看，三天小长假发送量排序分别是“五一”、清明、端午、元旦，这个规律保持稳定。见图5。

图5 2018年三天假期所在前后共9天每日发送量波动变化

1.2 特征时段与全年对比分析

通过分析表1和图6特征时段和全年发送量增长情况对比，可以得出：

图6 2015—2018年特殊时段发送量增长率

表1 2015—2018年特征时段发送量与增长率

1）“十一”、元旦增量率波动较大。由于2017年中秋与“十一”合休，共放假8天，导致2016—2017年“十一”客流量增长率较高，2017—2018年客流量增长率为负。而2017年元旦与2017年春运开始时间（1月14日）时间间隔较短，影响了2017年元旦出行需求，导致2016—2017年元旦增长率较低，2017—2018年客流量增长率较高。

2）暑运客流量增长势头强劲，近年来暑运发送量增长率持续升高，2016—2017、2017—2018年均超过全国发送量增长速度，表明近年来随着生活方式的改变，人们暑期出行的意愿越来越强，应加强暑期运力资源的保障，满足旅客的出行需求。

3）除“十一”、元旦、暑运外，其他特征时段2015—2016年增长率均高于全国发送量增长率，2017—2018年增长率低于全国发送量增长率，或与全国发送量增长率持平。表明近年来法定节假日发送量增长速度放缓，平日（法定节假日外）发送量增长率有所提高，错峰出行的趋势有所体现，也与节假日运能紧张、节假日的旅客出行行为处于市场培育阶段有一定关系。

1.3 小结

从日发送量变化规律来看，特征时段均呈现出较为明显的客流波动规律，周期性明显。从特征时段历年发送量变化趋势来看，暑运、“十一”保持较高增长，元旦客流波动较大，春运及小长假铁路客流增速逐年放缓。

2 省会及计划单列市客运交流波动变化分析

本节重点分析我国31个省级行政区（包括省、自治区、直辖市）的省会（首府或直辖市）和国家社会与经济发展计划单列市（简称计划单列市，包括大连、青岛、宁波、厦门、深圳五市）市内交流的周期性变化规律。

2.1 省会及计划单列市分月度发送量变化规律分析

近4年来，我国铁路发送量不断增长，省会单列市交流总量和省会交流总量也随之增长，但省会单列市交流总量占全国铁路发送量的比例一直维持在22%左右，其中省会交流总量占全国发送量的比例的17%左右。由此可见，省会单列市间交流在我国铁路运输中占有较大比重，同时也是支撑旅客发送量增长的重要力量。反映了随着城市化进程不断推进，人口、资源向大城市集中，大城市间的人员交流日益密切，大城市间客流培育应作为我国铁路客运营销中较为重要的方向。

分月分析省会及计划单列市交流量，由图7可知，省会及计划单列市每年按月份变化有一定的周期性，每年交流量最高月份均为8月份，其次是7月份和10月份。受春运时间的影响，每年2月份和3月份省会及计划单列市交流总量存在一定的波动性，这反映了我国主要城市间交流量与全国铁路旅客发送量分月变化规律具有一致性。

图7 2015—2018年省会及计划单列市分月交流量

2.2 省会及计划单列市分高普发送量变化规律分析

由图8可知，2015—2018年省会及计划单列市高铁（包括GDC字头）占比逐年增加，年内各月份高铁交流量占比情况具有很强的一致性。高铁占比最高的月份为11月份，11月份省会及计划单列市交流量基本维持在全年较高水平，可见11月份大城市之间商务交流维持较高水平。受每年春运时间变化影响，省会及计划单列市高铁交流占比最低值一般出在2月份或3月份，此时返乡流、学生流比重增加，导致普速交流量比例有所上升，高铁交流比例较低。

图8 2015—2018年省会及计划单列市分月高铁交流量占总交流量比例

2.3 小结

省会单列市间交流在我国铁路运输中占有较大比重，同时也是支撑旅客发送量增长的重要力量。从月度发送量波动变化来看，省会单列市与全国铁路旅客发送量分月变化规律具有一致性。分高普来看，省会及计划单列市高铁占比逐年增加，其中11月份高铁占比最高，2月份或3月份高铁占比最低。

3 繁忙通道运输需求与运力投放周期性变化特点

为研究繁忙通道运输需求与运力投放在周期性波动下的特征，科学有效地投放运力资源，提高繁忙通道运输能力，本节选取京沪通道和京广通道作为具体案例研究其变化特点。

3.1 繁忙通道高普线路客座率变化情况

全年高普线路列车客座率基本特征：

全年来看，同一通道内高铁线路列车的平均客座率略低于普速铁路，其中京广通道的高普客座率差异更为明显。京沪通道的高铁客座率为76.18%、普铁客座率为76.24%；京广通道的高铁客座率为70.42%、普铁客座率为73.87%。见图9。

图9 2018年京沪、京广通道高普线路列车客座率波动变化

分析其原因，主要是由于高铁与普铁客运需求与能力供给匹配关系的差异性所致。相比之下，高速铁路列车开行频次更高，所以在运输需求相差无几的情况下，势必会造成少量的运力虚糜。由此可见，在满足旅客运输需求方面，高速铁路的能力供给相对更加充分，一方面，既有线客货混行而高铁专注客运，既有线可为旅客运输提供的能力空间相对有限；另一方面，高速铁路面向中高端客流，列车开行频次较高表明高速铁路列车的发到时刻覆盖度更高，也可为客运服务打造更为全面系统的产品体系，从而满足旅客多样化的出行需求。

分月高普线路列车客座率比较：

1）四条线路的列车客座率均在8月、即暑期旅游旺季达到最高峰，其中，两条高铁客座率在86%以上、两条既有线为90%左右；四条线路的列车客座率均在1月和12月达到低点，其中，京沪通道两条线路客座率均为65%左右、京广通道两条线路均为60%左右。由此可见，各通道各线路的客座率波动变化具有同步性，波峰与波谷的发生月份基本一致。

2）京沪和京广两通道，高铁线路列车客座率高于既有线均发生在4、5月份和11、12月份，即客运需求波动曲线由波峰向波谷转折、客运量递减的过程中，主要是由于高速铁路的服务对象中商务客流等高端客流所占比例更高，该部分客运需求受季节因素变化较小，而铁路旅客列车供给能力的变化调整相对较为平稳，所以在列车开行班次并未出现显著减量的情况下，高速铁路受客运需求下行的影响相对较小。

3.2 繁忙通道高铁日均列数与编组情况

分析2018年京沪、京广高铁区段列车密度与编组情况：从列车密度来看，京沪高铁最大区段日均列数为148.6列、最低为107.7列，而京广高铁最大日均列数为126.7列、最低为86.5列；从长编占比情况来看，京沪高铁长编占比普遍超过70%，最高达81.5%，京广高铁长编占比最高为74.4%，最低仅为53.6%。具体日均列车与编组情况如图10和图11所示。