2024年4月22日发(作者：惠普笔记本电脑型号大全图片)
Market
Analysis
市场分析
铁路旅客运输周期性特征研究
梁婧
(
中国铁路经济规划研究院有限公司
副研究员
，
北京
10003'
)
摘要
：
为了全面掌握铁路客运市场结构变化及周期性特征
，
进一步促进运力资源优化配置和空
间布局
，深入挖掘客运
“
公转铁
”
“
空转铁
”
潜力
，
文章对春暑运
、
法定节假日等特征时段铁路客流特
点进行周期性分析
，
对省会及计划单列市客运交流波动情况进行概述
&
针对全路客运量周期性变
化与运力资源周期性变化进行协同性分析
，
以京沪
、
京广通道为例
，
研究运输需求与运力投放匹配
度周期性特点
。
关键词
：
铁路
；
客流特征
；
周期波动
；
运力投放
文献标识码
:
A
文章编号
:
1004-9746
(
2021
)
03-0006-06
Research
on
Periodic
Characteristics
of
Passenger
Transport
in
Railway
LIANG
Jing
(
China
Railway
Economic
and
Planning
Research
Institute
Co.,
Ltd.,
Associate
Researcher,
Beijing
100038,
China
)
Abstract
:
In
order
to
fully
grasp
the
structural
changes
and
cyclical
characteristics
of
railway
passenger
transport
market,
further
promote
the
optimal
allocation
and
spatial
layout
of
transport
capacity
resources,
and
deeply
tap
the
potential
of
"road
to
railway"
and
"air
to
railway"
for
passenger
trans
port,
this
paper
conducts
a
periodic
analysis
on
the
railway
passenger
flow
characteristics
in
spring
and
summer,
legal
holidays
and
other
characteris
tic
periods,
and
summarizes
the
fluctuation
of
passenger
flow
exchange
in
provincial
capitals
and
separately
planned
cities.
The
paper
conducts
col
laboration
analysis
based
on
the
periodic
change
of
passenger
volume
and
capacity
resources.
Taking
Beijing-Shanghai
and
Beijing-Guangzhou
corri
dors
as
examples,
this
paper
studies
the
periodic
characteristics
of
the
matching
degree
between
transport
demand
and
transport
capacity
allocation.
Key
words
：
railway;
characteristics
of
passenger
flow;
periodic
fluctuation;
capacity
allocation
0
引言
波动性特征特别是周期性波动研究在各个领
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
］
。
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
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
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
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
消费的周期波动性特征
，
按照消费曲线波动的固有
文从三个层面展开研究
：
首先从典型时段入手
，
分
6
2021
年第
3
期•总第
161
期
铁路旅客运输周期性特征研究
梁婧
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-
I4]
o
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
。
14
000
000
12
000
000
¥
10
000
000
7
8
000
000
*
6
000
000
4
000
000
2
000
000
0
1
3
5
7
9
11
13
15
17
19
21
23
25
27
29
31
33
35
37
39
------
2015
-------
2016
------
2017
-------
2018
------
2019
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
7
（
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
一
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
。
7
、
*
氷
腆
图
2
2015
—
2018
年暑运每日发送量波动变化
10
000
000
9
000
000
7
8
000
000
、
*
氷
7
000
000
腆
6
000
000
5
000
000
4
000
000
---------------------------------------------------------------------------------
1
2
3
4
5
6
7
8
9
10
11
12
13
14
2015
年暑运周
2015
年平日周
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
氷
瞑
铁路旅客运输周期性特征研究
梁婧
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
。
18
000
000
16
000
000
14
000000
W
12
000
000
10
000000
g
8
000
000
-5.00%
-10.00%
■
年发送量
■
春运
•
暑运
■
十一
■
元旦
■
清明
•
五一
••
端午
6
000
000
1
2
3
4
5
6
7
8
图
6
2015
—
2018
年特殊时段发送量增长率
—
*
—
2015
—
1
2016
—
1
2017
—1
2018
年十一周
2019
年平日周
图
4
“
十一
”
黄金周每日发送量波动变化
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
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
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
，
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
o
见图
5
"
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
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
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
。
增长情况对比
，
可以得出
：
表
1
2015
—
2018
年特征时段发送量与增长率
2015
年
年发送量
1.3
小结
从日
发送量
变化规律来看
，
特征时段均呈现
9.69%
9.70%
8.97%
23.33%
2016
年
2017
年
3
049
256
152
2018
年
3
316
848
148
2015
—
2016
2016
—
2017
2017
—
2018
11.07%
12.59%
2
515
676
477
285
043
933
2
802
926
386
320
938
532
9.40%
6.63%
10.77%
春运
暑运
十一
352
081
941
592
599
420
99
706
357
375
410
211
656
448
547
出较为明显的客
流波动
规律
，
周
498
988
466
543
824
497
80
844
133
8.99%
10.56%
12.56%
14.50%
13.13%
13.22%
期性明显
。
从特
征时段历年发送
73
123
000
21
725
089
27
338
778
95
881
684
-3.84%
15.95%
元旦
清明
24
454
762
26
158
544
34
938
256
37
260
680
30
331
886
36
684
020
39
462
875
35
550
065
6.97%
11.61%
量变化趋势来
31
303
054
34
970
444
30
210
960
5.00%
5.91%
8.83%
看
，
暑运
、
“
十一
”
保持较高增长
，
五一
端午
30
911
328
26
682
455
6.55%
8.13%
元旦客流波动较
32
665
969
大
，
春运及小长
假铁路客流增速
注
：
2017
年中秋与
"
十一
”
合休
，
共放假
8
天
2021
年第
3
期•总第
161
期
8
铁路旅客运输周期性特征研究
梁婧
逐年放缓
。
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
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
、
比例较低
。
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
图
8
2015
—
2018
年省会及计划单列市分月高铁交流量占
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
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
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
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
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
铁占比最高
，
2
月份或
3
月份高铁占比最低
。
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
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
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
性波动下的特征
，
科学有效地投放运力资源
，
提高
客发送量分月变化规律具有一致性
。
90
000
000
80
000
000
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
。
70
000
000
60
000
000
50
000
000
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
：
40
000
000
30
000
000
20
000
000
10
000
000
l
o
ln
s
z
z
o
ln
s
z
S
3
0
Z
I
0
9
S
Z
高铁
普速
limn
O
I
I
9
S
Z
O
L
O
Z
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%
、
寸
0
Z
J
0
Z
0
E
0
Z
寸
0
8
S
Z
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
L
0
U
0
Z
0
I
8
S
Z
Z
0
8
S
Z
I08I0Z
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
。
0.60
--------------------------------------------------------------------------------------------------------------
1
2
3
4
5
6
7
8
9
10 11
12
=
京沪高铁京沪线
京广高铁
京广线
图
9
2018
年京沪
、
京广通道高普线路列车客座率波动变化
9
铁路旅客运输周期性特征研究
梁婧
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
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
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
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
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
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
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
"
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
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
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
率均在
1
月和
12
月达到低点
，
其中
，
京沪通道两条
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
线路客座率均为
65%
左右
、
京广通道两条线路均为
60%
左右
o
由此可见
，
各通道各线路的客座率波动变
11
所示
。
京沪高铁区段日均列数与编组情况
（
下行
）
京沪高铁区段日均列数与编组情况
（
上行
）
160
140
120
100
80
60
40
20
0
fiTrhi
160
140
120
100
80
60
40
20
0
III
II
II
■
其中长编或重联
■短编
—
长编占比
■
其中长编或重联
—
短编
一长编占比
图
10
2018
年京沪高铁区段日均列车与编组情况
京广高铁区段日均列数与编组情况
（
下行
）
京广高铁区段日均列数与编组情况
（
上行
）
140
140
长编或重联
■
短编
一
长编占比
■
长编或重联■
短编
—
长编占比
图
11
2018
年京广高铁区段日均列车与编组情况
2021
年第
3
期•总第
161
期
10
铁路旅客运输周期性特征研究
梁婧
无论日均列数还是长编占比
，
京沪高铁线路均
优于京广高铁
，
但京沪高铁限制区段能力接近饱
和
，
应考虑优化运输组织模式
，
增加
17
辆编组列车
占比
，
全面推进
“
达速工程
”
，
以提高线路通过能力
$
京沪高铁
、
京广高铁在限制区段
，
即京沪高铁
徐州东
一
蚌埠南
，
京广高铁长沙南
一
衡阳东段都存
在日均列数较高
、
长编或重联列车占比较低的问
题
$
区段跨线短编列车较多
，
是两条重要线路限制
区段能力紧张的原因之一
，
应从国铁集团角度统筹
考虑予以解决
，
最大程度利用线路限制区段通过能
力
$
3.3
小结
繁忙通道高普线路客座率变化情况
：
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
;
分月来看
，
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
$
繁忙通道高铁日均列数与编组情况
：
繁忙通道
高铁线路限制区段
，
存在日均列数较高
、
长编或重
联列车占比较低的问题
$
区段跨线短编列车较多
，
是繁忙通道限制区段能力紧张的原因之一
$
4
结论与建议
1
)
应在充分研究客流成分的基础上
，
依据针对
全年的不同时段的客流周期性波动特征和多种客
流需求在不同特征时段的出行规律
，
制定相应开行
方案
，
以缓解高峰时段运力不足的问题
。
2
)
省会及计划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
$
3
)
客运周期性特征在繁忙干线高速线路和普
速线路上表现不同
，
根据高速线路和普速线路的客
流波动规律可为铁路客运产品的定位和列车开行
方案的设计提供参考依据
$
参考文献
[1]
李建伟
，
我国经济增速周期性波动与趋势判断
[J]
•
国务院发展研
究中心社会发展研究部
,
改革
,
2015
(
4
)
：
41
—
57.
[2]
刘春义
•
我国居民消费周期性波动问题研究
[D].
北京
：
首都经济贸
易大学
,2013.
[3]
雎
国余
，
蓝一
•
中国经济周期性波动微观基础的转变
[J]
•
中国社会
11
科学
，
2005(1):60-70.
[4]
姚红烈
•
我国经济周期性波动研究
[D]
•
成都
：
四川大学
,2006.
[5]
张立群
•
我国经济周期性波动与宏观调控特点的回顾
[C]//
中国与
世界观察
，
2008.
[6]
徐涵
,
闻克宇
，
王龙
•
我国主要城市群铁路客流特征研究
[J]
•
铁道运
输与经济
,2020,42(6)
：
42
—
47.
[7]
雷中林
•
铁路枢纽总图规划评价体系深化研究
[J]
•
铁道工程学报
,
2016
(
2
)
:1-5.
[8]
翟一
•
我国交通与经济增长关系研究
[D]
•
武汉
：
武汉大学
,2013.
[9]
牛永涛
，
韩宝明
，
李华
•
我国铁路客运市场特点及客运专线客流组
织原则研究
[C]//
中国铁道学会
，
北京交通大学
.2010
年京津城际铁路
(
客运专线
)
与区域经济社会发展研讨会
•
北京
：
2010.
[10]
张蕾
•
武广高铁客流变化分析与预测
[D]
•
长沙
：
中南大学
,
2012.
[11]
杨海波
，
张成
，
蒋朝阳
•
成都市铁路客流特征与客运站布局研究
[J].
铁道运输与经济
,
2006
,
28(8)
：
58
—
60
,
72.
[12]
张翠
•
不同等级城市高速铁路客运站客流特征分析
[J]
•
铁道运输
与经济
,
2014
,
36(9):63
—
67.
[13]
史芮嘉
，
茹祥辉
，
马洁
，
等
•
北京大型铁路客运枢纽客流特征分析
[C]//2019
年中国城市交通规划年会
•
成都
：
2019.
[14]
彰艳梅
，
马
驷
，
余沛
•
成渝铁路客流特征分析及营销对策研究
[J].
铁道运输与
经济
,
2010
,
32(8):34
—
37.
(
责任编辑
:
魏艳红
)
(
修回日期
：
2021
—
05
—
10
)
发布者：admin，转转请注明出处：http://www.yc00.com/num/1713719048a2304895.html
评论列表（0条）