浦学明

摘 要：目前各地公路运输系统发展具有明显的差异，而西藏与云南作为边境地区，重庆市、贵州省和四川省作为连接西藏和云南的内陆地区，具有重要作用，因此，分析西南五个省市区的公路货运量影响因素显得尤为重要。文章将灰色关联度和熵权法结合起来，探究西南地区不同省市区公路货运影响因素的差异性。通过熵权灰色关联分析法对公路货运量产生影响的因素进行整体分析，按照其对公路货运量的影响程度大小进行有效排序，掌握西南地区公路运输发展特征，为政府部门制定相关政策提供有效参考。

关键词：西南地区；公路货运量；灰熵法

中图分类号：U4-9文献标识码：A 文章编号：1005-6432（2023）16-0180-04

DOI：10.13939/j.cnki.zgsc.2023.16.180

1 引言

在我国的七大地理划分中，西南地区包括四川省、重庆市、贵州省、云南省和西藏自治区五个省市区［1］。西南地区具有独特的地理区位特征，随着公路交通枢纽和物流货运设施的加快建设，西南地区的物流业正在全方位地发展，公路货运水平不断提升。根据相关研究，中国公路货运量平均占比76%，在众多运输方式中，公路运输占据着至关重要的地位［2］。公路货运量是反映货物运输需求的一个非常重要的指标，因此为了合理规划西南地区公路运输基础设施建设，使得公路货物运输供给需求保持平衡，需要对影响西南地区的公路货运因素进行分析研究。

目前国内外学者對货运量的研究主要集中在预测模型［3-7］以及影响因素［8-10］的研究。公路货运量受到多种因素影响，其中：刘昱岗、周本钰［3］运用灰色关联分析影响因素与公路货运量和货运周转量的关联度，进而进行预测；崔淑华等［4］利用主成分分析的方法研究了公路货运影响因素，提取了影响货运量的10个因素，为宏观调控提供科学依据；张永杰［6］运用灰色系统模型和残差修正能克服原始数据离散型的优点，更加准确地对山东省道路货运量与货运周转量进行预测；赵怀鑫等［8］运用灰熵法分别分析了经济宏观因素与公路货运量、经济宏观因素和货物周转量之间的影响关系。

基于以上研究，西南地区五个省市区货运量的影响因素以及各因素的影响程度不同，并且关于西南五个省市区的货运量的影响因素关联性分析并不是很多，因此文章将灰色关联法与熵权法结合起来对西南地区公路货运量与各影响因素之间的关联性进行研究，准确把握影响西南地区公路货运量的影响因素的影响程度，为政府制定发展机制提供科学依据。

2 货运量的影响因素研究

关于公路货运量的影响因素指标体系的建立，遵守系统学、动态性、科学性和综合性原则。文章在诸多学者［2，3，6，8-11］研究的基础上，将影响因素分为宏观经济、产业结构、人口环境、市场供需4个一级影响因素指标，14个二级影响因素指标，见表1。

3 研究方法

在进行灰色关联分析的时候，传统的层次分析法和专家调查法等赋权方法具有一定的主观性。熵权法是客观赋权法的一种，根据数据所反映信息的大小赋予权重，克服了多指标评价中权重确定的主观性。因此文章将灰色关联法与熵权法结合起来分析西南地区货运量的影响因素。

3.1 灰色关联度分析

灰色关联理论是邓聚龙教授在1984年提出［14］，灰色关联度用于表述事物多个因素之间的不确定性关系，通过灰色关联度可量化分析出事物之间相似程度的大小。

灰色关联度具体计算步骤：①特征数列、因素数列的确定，特征数列为公路货运量，因素数列为影响各因素数据；②无量纲化处理，因为测量单位不同，因此采用均值化方法进行消除量纲处理；③计算关联系数ξij。

ξij=

mini［minj（Zj－Xij）］+ρmaxi［maxj（Zj－Xij）］Zj－Xij+ρmaxi［maxj（Zj－Xij）］（1）

式中，ρ为分辨系数，ρ∈（0，1），通常ρ= 0.5。

3.2 熵权法

熵权法主要是通过信息熵理论计算各指标的熵值，根据信息熵确定指标差异性的大小，进而得到指标权重的一种客观赋权法。

熵权法具体计算步骤如下：

（1）数据标准化：对数据进行无量纲化处理，将不同量纲的指标同量纲化，正向指标计算公式为：

Yij=Xij－minj（Xij）maxj（Xij）－minj（Xij）（2）

（2）计算因素指标比重Pij：第i个因素指标在第j个时间节点中占的比重可表示为：

Pij=Yij∑ni=1Yij（3）

（3）计算第j个时间节点的信息熵Ej：第j个时间节点的信息熵可表示为：

Ej=－k∑ni=1Pijln（Pij）（4）

其中k=1ln（n）＞0，0≤Ej≤1

（4）计算第j个时间节点的指标差异系数gi：

gi=1－Ej（5）

（5）确定权重：由式（4）、式（5）可计算其权重Wj：

Wj=gjk－∑kj=1Ej（6）

3.3 熵权灰色关联度计算

确定熵权灰色关联度，依次求出不同影响因素与公路货运量之间的关联度β′i。

β′i=∑kjξijWj（7）

4 计算结果分析

4.1 数据来源

以西南五个省市区为研究区域，公路货运量、货物周转量以及各影响因素数据来源于2009—2019年《中国统计年鉴》以及西南地区各省市统计年鉴。

4.2 云南省公路货运量与货物周转量影响因素关联度分析

根据熵权灰色关联度算法，分析云南省公路货运量与其影响因素、公路货物周转量与其影响因素的联系，结果如图1所示。

图1 云南省公路货运量与货物周转量关联度对比

如图1所示，云南省财政收入与公路货运量的关联度最大，为0.9553；排第二的是第三产业产值，为0.9514；排第三的是进出口总额，为0.9485，云南省作为辐射东南亚的边境地区，进出口贸易相比其他地区占比高，这也成为影响云南省货运量的重要因素。与公路货运量关联度排名前五的因素中宏观经济因素占4个，产业结构因素占1个。可见，云南省宏观经济对货运量的影响比较大，云南省作为边境地区，经济在不断发展，会带来货运量的增加，因此交通部门需要制定合理决策。

对云南省公路货物周转量与影响因素之间的排序：关联度排前三的是第二产业产值、地区生产总值和工业产品生产总值，其中第二产业产值与货物周转量关联度最大。与公路货物周转量关联度排名前五的因素中宏观经济因素占4个，产业结构因素占1个。可见，云南省货物周转量的主要影响因素与货运量相同，均为宏观经济因素占主要因素。

根据图1得，公路货运量与各影响因素的关联度和公路货物周转量与各影响因素的关联度具有相似性，这是因为货运量与货物周转量之间存在相关性［8］。

4.3 重庆市公路货运量影响因素关联度分析

重庆市公路货运量影响因素关联度大小的指标排序如图2所示。可以看出，重庆市货车拥有量与公路货运量的关联度最大，为0.7920；其次是公路里程，关联度为0.7729；第一产业产值与货运量的关联度排第三，为0.7543。关联度排名前五的因素中市场供需关系因素占3个，产业结构因素占2个。货车拥有量和公路里程因素对重庆市的公路货运量的影响较大，因此交通部门需要重视货车拥有量和公路里程对公路货运量的影响，适当提高货车数量和公路里程会促进重庆市公路货运发展。

图2 重庆市公路货运量关联度指标排序

4.4 四川省公路货运量影响因素关联度分析

四川省影响因素关联度指标如图3所示。与公路货运量关联度排名前三的为货车拥有量、公路里程和第一产业产值，关联度分别为0.9161、0.7920、0.7759。关联度排名前五的因素分别为：货车拥有量、公路里程、第一产业产值、农业总产值和第二产业产值；在关联度排名前五的因素中，市场供需关系因素占3个，产业结构因素占2个。可见，四川省与公路货运量关联度排名前三的因素与重庆市相同。货车拥有量和公路里程是影響四川省公路货运量的主要因素，因此，适当地提高货车数量和公路里程会促进四川省公路货运发展。

图3 四川省公路货运量关联度指标排序

4.5 贵州省公路货运量影响因素关联度分析

贵州省影响因素指标见图4，由图4可知：贵州省第一产业产值与公路货运量的关联度最大，为0.9695；地区生产总值次之，为0.9536；第二产业产值排第三，为0.9525。关联度排名前五的因素中宏观经济因素占2个，产业结构因素占2个，市场供需关系因素占1个。在贵州省的公路货运量影响因素中，第一产业产值、地区生产总值和第二产业产值与公路货运量关联度较大，因此贵州省相关部门在制定相关政策时，应充分考虑这些主要因素。

图4 贵州省公路货运量影响因素关联度指标排序

4.6 西藏自治区公路货运量影响因素关联度分析

对西藏自治区公路货运量与影响因素之间的排序，见图5。可以看出：西藏货车拥有量与公路货运量的关联度最大，为0.9532，因此适当地增加货车数量能够促进西藏自治区的公路货运量增长；关联度排第二的是第三产业产值，为0.9106，西藏作为世界旅游目的地，第三产业的比重不断增加，使得第三产业对西藏自治区公路货运量的关联度不断提升；排第三的是农业总产值，为0.8977，西藏由于受到地理位置的影响，其经济来源主要以农业为主，主要侧重于传统的畜牧业。与公路货运量关联度排名前五的因素中宏观经济因素占1个，产业结构因素占2个，市场供需因素占2个。

4.7 西南五省市区关联度差异分析

图6反映了西南地区五个省市区公路货运量一级指标影响因素的平均关联度，不同区域影响因素具有明显的差别。重庆市与公路货运量关联度较大的是市场供需和产业结构因素；四川省的关联度值类型与重庆市相同，但是四川省市场供需因素与公路货运量的关联度值大于重庆市。贵州省和云南省的公路货运量一级影响因素较为相似，人口环境因素均为关联度最低的一级影响因素。云南省较为特殊，宏观经济因素与公路货运量的关联度最高，这是因为云南省辐射周边东南亚地区，与缅甸、泰国、老挝和越南接壤，与周边东南亚国家的贸易促进了云南省的宏观经济发展。

5 结论

（1）西南五省市区公路货运发展影响因素区别比较明显：在不同区域和不同发展阶段，经济、产业、人口和市场供需等因素对货运发展所发挥的作用有所区别。

（2）从关联度结果来看，重庆市和四川省公路货运量影响因素关联度值类型相似，并且与公路货运量关联度排名前三的因素均为货车拥有量、公路里程和第一产业产值。云南省与贵州省的货运量影响因素关联度值类型相似，均是一级影响因素，人口环境对公路货运量的关联度最小。

（3）经济因素反映了一个地区经济发展水平的高低，区域经济发展得越好，货运量也就越高，贵州省、云南省和西藏自治区的经济影响因素与货运发展呈现正向的线性相关；四川省和重庆市经济发展水平相比其他三个地区较好，宏观经济与公路货运量的关联程度相比其他三个省自治区较低，所以随着经济发展水平的提高，宏观经济影响因素关联度随之下降，意味着经济因素对货运发展的拉动力下降。

参考文献：

［1］程艺，刘慧，宋涛，等.中国西南地区对外经济发展的时空格局及驱动因素［J］.世界地理研究，2018，27（4）：77-89.

［2］席少龙.基于PCA-AFSA-SVM的河南省公路货运量预测研究［D］.深圳：深圳大学，2019.

［3］刘昱岗，周本钰.公路货运需求灰色-组合预测方法研究［J］.公路工程，2013，38（1）：111-115.

［4］崔淑华，王娜，胡亚南.基于主成分分析的公路货运量预测影响因素研究［J］.森林工程，2005（5）：67-69.

［5］陈实.货运量预测方法及应用研究［D］.武汉：武汉理工大学，2008.

［6］张永杰.灰色系统理论在道路货运量、货运周转量预测中的应用［J］.交通运输系统工程与信息，2003（1）：75-79.

［7］赵建有，周孙锋，崔晓娟，等.基于模糊线性回归模型的公路货运量预测方法［J］.交通运输工程学报，2012，12（3）：80-85.

［8］赵怀鑫，孙星星，徐倩倩，等.基于灰熵法的公路货运量和货物周转量关联因素分析［J］.交通运输工程学报，2018，18（4）：160-170.

［9］桂海霞，赵邦磊，李慧宗，等.地域差异下货运量与货物周转量影响因素分析［J］.哈尔滨商业大学学报（自然科学版），2020，36（6）：737-744.

［10］张岄.铁路货运量预测及影响因素研究［D］.北京：北京交通大学，2016.

［11］安永娥.基于Rough Set与灰色理论的公路货运量预测研究［D］.兰州：兰州交通大学，2017.