我国长三角地区铁路旅客运输影响因素分析.docVIP

我国长三角地区铁路旅客运输影响因素分析 　　摘 要：该文通过运用灰色关联度与信息熵融合的方法，提出了吻合度关联分析模型，在此基础上，对长三角地区铁路旅客运输的相关影响因素进行调查，采用长三角2004―2013年铁路旅客运输变更数据和相关社会经济资料，运用吻合度模型分析这些相关因素对铁路旅客运输的影响程度，并对其进行排序，从而为铁路客运发展过程中出现的一些问题提出具体的分析。 　　关键词：铁路运输 灰色关联分析 信息熵 吻合度 　　中图分类号：N941 文献标识码：A 文章编号：1674-098X（2016）01（c）-0107-04 　　铁路运输是我国国民经济的基础性产业，是经济活动正常运转的基本保障。近几十年来，我国铁路旅客运输得到了长足发展，特别是高速铁路技术的快速发展，铁路网规模不断的提高，网络结构不断优化，为促进国民经济发展和社会进步做出了重大贡献[1]。铁路旅客运输受到社会经济中的多种因素的影响，综合分析各种因素对铁路旅客运输的影响程度，不但可以对铁路运输需求预测提供一定的帮助，而且通过对铁路旅客运输影响因素的分析，也可以为铁路运输和社会经济的协调发展提供可行性建议。 　　铁路运输系统与相关因素的定量分析一般采用回归分析、主成分分析等方法进行计算和分析其相关性，根据所建立的主要因素和与其相关的回归方程对未来趋势进行预测。但这些方法要求系统须具备大量完整的统计数据，要求样本服从典型的概率分布，且计算量较大。改革开放以来，我国铁路运输发展受到国内政策影响，各种社会、经济数据不甚完整，鉴于这种客观现实及灰色系统理论的特点，熊崇俊等（2006）运用关联法分析了民航客运影响因素[2]，刘琦（1999）运用关联法分析了铁路客流的因素分析和相关度[3]。 　　采用灰色关联度方法，当根据历史数据对影响铁路客运影响因素进行排序分析时，应该对关联度和均衡性两个方面加以综合考虑。已有的研究有的只分析了相关系数的均衡性问题，忽略了相关性，有的实际上是将原来的相关系数的算术平均调整为不同权重值的加权平均，并未考虑相关系数的均衡性[4-5]。耿海青等（2004）利用信息熵理论分析了城市居民家庭能源消费结构演变[6]，提出了基于信息熵的均衡度概念。该文在已有文献的基础上，运用信息熵和灰色关联理论，提出吻合度的概念，对影响铁路旅客运输系统的诸多因素进行关联分析。 　　1 基本方法 　　1.1 灰色关联度 　　灰色系统论是邓聚龙最先创立的，其研究的对象是“部分信息明确，部分信息未知”的“小样本，贫信息”不确定性系统，它通过对已知“部分”信息的生成去开发了解、认识现实世界，着重研究“外延明确，内涵不明确”的对象[7]。在信息不充分的条件下研究复杂系统的定量关系，学界一般采用的是邓聚龙的灰色系统论。灰色关联分析通过对系统数据序列的几何关系进行比较来判断系统中各因素间的关联程度，灰色关联度的具体算法为： 　　对所研究问题定性分析的基础上，确定一个因变量因素和多个自变量因素。设标准化处理变量数据构成参考列： 　　灰色关联熵反映了第比较序列点关联度相对分布的均匀性。若两序列关于参考序列的关联度相同时，其分布较均匀的时间序列与参考序列较吻合。 　　若，则说明比较序列与参考序列的灰色关联度分布最为均匀，即各个时间点的关联系数相对差值较小。 　　1.3 吻合度 　　灰色关联度反映了比较序列与参考序列总体关联程度，灰色关联熵则在总体关联度的基础上考察了比较序列与参考序列逐点关联系数的均衡性。通过分析可知，总体关联程度越高，且分布越均匀，则两序列的关联吻合度就越好。定义比较序列与参考序列的吻合度为： 　　若，称因素优于因素，记为。均衡系数的引入避免了量化排序时序列各点灰色关联系数的较大波动掩盖其均衡性的不足，均衡系数可以增强灰关联熵的影响作用。在不同时序的灰色关联度的基础上增加了一个均衡系数，降低了大关联系数对总关联度在排序时的影响程度。显然，由（9）得到的吻合度越大，则灰色关联度与均衡性越大。 　　2 铁路运输客运因素影响分析 　　2.1 数据统计 　　影响客运的因素源于诸多方面，为了较全面研究这些相关因素，该文根据客运系统的自身特点及归纳相关领域专家的意见，根据易得及可量化原则[8]，并结合铁路交通运输系统的特点，总结出可能影响铁路交通客运系统的因素，分别为： 　　反映运输供给能力的指标因素：运输线路的营业里程；反映宏观经济状况的指标：人均国民生产总值（万元）、国民生产总值（亿元）、第一产业总产值（亿元）、第二产业总产值（亿元）、第三产业总产值（亿元）、社会消费品零售总额（亿元）；反映社会需求的指标因素：全省总人口数（万人）、城镇化率（%）、全社会固定资产投资（亿元）、能源总消费量（万吨标准煤）、对外贸易总额（亿美元）、职工平