基于投入產(chǎn)出模型的省際間貨運(yùn)量模擬研究

李文杰，袁肖峰，楊勝發(fā)，楊威，龍浩，陳川

基于投入產(chǎn)出模型的省際間貨運(yùn)量模擬研究

李文杰1，袁肖峰2，楊勝發(fā)1，楊威1，龍浩2，陳川2

(1. 重慶交通大學(xué) 國(guó)家內(nèi)河航道整治工程技術(shù)研究中心，重慶 400074；2. 重慶交通大學(xué) 水利水運(yùn)工程教育部重點(diǎn)實(shí)驗(yàn)室，重慶 400074)

現(xiàn)有貨運(yùn)量模擬研究多針對(duì)某一區(qū)域的貨運(yùn)總量，較少涉及貨運(yùn)流向。在2012年中國(guó)31省市投入產(chǎn)出表的基礎(chǔ)上，采用引力模型估算區(qū)域間貿(mào)易系數(shù)矩陣，采用列系數(shù)模型編制中國(guó)31省市42部門(mén)的區(qū)域間投入產(chǎn)出表，將價(jià)值流量轉(zhuǎn)化成貨運(yùn)流量得到省際間貨運(yùn)量。利用2012年資料對(duì)模型參數(shù)進(jìn)行率定，利用2017年資料對(duì)模型進(jìn)行驗(yàn)證。研究結(jié)果表明：模型在考慮GDP增長(zhǎng)和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對(duì)貨運(yùn)量的影響下，可以較好地模擬各區(qū)域貨運(yùn)總量和區(qū)域間的貨運(yùn)流向，可為研究GDP和產(chǎn)業(yè)結(jié)構(gòu)對(duì)貨運(yùn)量的影響提供量化方法，為規(guī)劃未來(lái)交通基礎(chǔ)設(shè)施的建設(shè)規(guī)模提供參考。

區(qū)域間投入產(chǎn)出表；GDP；產(chǎn)業(yè)結(jié)構(gòu)；貨運(yùn)OD模擬

區(qū)域間貨物運(yùn)輸交流量是交通基礎(chǔ)設(shè)施規(guī)劃的前提和依據(jù)，直接影響交通基礎(chǔ)設(shè)施的建設(shè)規(guī)模和工程投資，同時(shí)對(duì)制定未來(lái)交通發(fā)展戰(zhàn)略有著重要的意義。區(qū)域間貨運(yùn)量是區(qū)域間經(jīng)濟(jì)往來(lái)驅(qū)動(dòng)的一種派生需求，區(qū)域經(jīng)濟(jì)發(fā)展水平的高低和產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整影響貨運(yùn)強(qiáng)度[1]?，F(xiàn)有的貨運(yùn)量預(yù)測(cè)方法分為定性分析和定量分析兩大類，定性分析法包括特爾菲法和主觀概率法等，定量分析法包括時(shí)間序列法、灰色預(yù)測(cè)法、回歸分析法、神經(jīng)網(wǎng)絡(luò)法和投入產(chǎn)出法等?，F(xiàn)有貨運(yùn)量預(yù)測(cè)和模擬研究大多集中在區(qū)域貨運(yùn)總量方面，省際間貨運(yùn)量方面研究較少。宋建強(qiáng)等[2]應(yīng)用等維灰度遞補(bǔ)的思想改進(jìn)傳統(tǒng)GM(1,N)模型并用于蘭州市貨運(yùn)量預(yù)測(cè)。安永娥 等[3]采用無(wú)偏GM(1,1)模型直接建模法的思想消除了灰色Verhuls模型自身固有的偏差，并利用改進(jìn)后的模型預(yù)測(cè)蘭州至中川鐵路貨運(yùn)量。梁寧等[4?5]分別采用基于灰色關(guān)聯(lián)分析與混合核函數(shù)支持向量機(jī)方法和小波灰色GM(1,1)模型預(yù)測(cè)中國(guó)鐵路貨運(yùn)量。戎陸慶等[6]應(yīng)用灰色理論的Verhulst模型及新陳代謝模型對(duì)廣西水路貨運(yùn)量進(jìn)行組合預(yù)測(cè)。Moscoso-López等[7]利用基于人工神經(jīng)網(wǎng)絡(luò)的模型和支持向量機(jī)的模型預(yù)測(cè)阿爾赫西拉斯灣港口貨運(yùn)量。Patil等[8]采用回歸和時(shí)間序列模型預(yù)測(cè)孟買(mǎi)港進(jìn)出口貨運(yùn)量。Farhan等[9]利用季節(jié)自回歸綜合移動(dòng)平均模型對(duì)全球20個(gè)主要港口的集裝箱吞吐量進(jìn)行預(yù)測(cè)。顏建新等[10]提出基于投入產(chǎn)出法的道路貨運(yùn)需求預(yù)測(cè)方法，對(duì)深圳市產(chǎn)生型道路貨運(yùn)需求進(jìn)行了預(yù)測(cè)。Alises等[11]利用擴(kuò)展的投入產(chǎn)出模型對(duì)1999~2011年間西班牙和英國(guó)的假設(shè)的2種不同的經(jīng)濟(jì)情景下的公路貨運(yùn)量進(jìn)行了模擬。在省際間貨運(yùn)量研究方面，Rubio-Herrero等[12]使用雙約束引力模型估算區(qū)域間運(yùn)輸總流量矩陣并用實(shí)值遺傳算法進(jìn)行校正對(duì)西班牙半島地區(qū)之間的貨運(yùn)量進(jìn)行了模擬?？傮w來(lái)看，現(xiàn)有貨運(yùn)量預(yù)測(cè)和模擬研究大多局限于某一區(qū)域的貨運(yùn)總量，不能反映區(qū)域間的貨物流向，難以體現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對(duì)貨運(yùn)量的影響。本文旨在基于各省投入產(chǎn)出表編制區(qū)域間投入產(chǎn)出表，建立一個(gè)省際間貨運(yùn)量和貨運(yùn)流向的模型，為研究GDP和產(chǎn)業(yè)結(jié)構(gòu)對(duì)貨運(yùn)量的影響提供方法，以期為確定未來(lái)交通基礎(chǔ)設(shè)施的投資規(guī)模提供參考。

1 研究方法和數(shù)據(jù)來(lái)源

1.1 研究方法

投入產(chǎn)出表反映了某個(gè)區(qū)域內(nèi)國(guó)民經(jīng)濟(jì)42部門(mén)之間的投入產(chǎn)出經(jīng)濟(jì)聯(lián)系。區(qū)域間投入產(chǎn)出表在多個(gè)區(qū)域投入產(chǎn)出表基礎(chǔ)上，利用區(qū)域間貿(mào)易數(shù)據(jù)建立區(qū)域間的經(jīng)濟(jì)聯(lián)系，可反映區(qū)域間各部門(mén)之間的投入和產(chǎn)出關(guān)系，并從側(cè)面反映區(qū)域間的貨運(yùn)流向[13]。本文中的區(qū)域間投入產(chǎn)出表均特指反映各省各部門(mén)價(jià)值流量的區(qū)域間投入產(chǎn)出表中間投入矩陣。

根據(jù)投入產(chǎn)出表建立貨運(yùn)量模型，首先編制區(qū)域間投入產(chǎn)出表，然后將區(qū)域間價(jià)值量轉(zhuǎn)化為區(qū)域間貨運(yùn)量。根據(jù)已知年份投入產(chǎn)出表編制區(qū)域間投入產(chǎn)出表，需要確定區(qū)域間貿(mào)易系數(shù)、直接消耗系數(shù)和各省各部門(mén)總投入。模擬未來(lái)年份區(qū)域間貨運(yùn)量時(shí)，假定直接消耗系數(shù)等模型參數(shù)不變，輸入各省GDP和三產(chǎn)業(yè)比例，計(jì)算各省各部門(mén)總投入，得到未來(lái)年份區(qū)域間投入產(chǎn)出表，進(jìn)而轉(zhuǎn)化為區(qū)域間貨運(yùn)量。

1.1.1 區(qū)域間投入產(chǎn)出表編制方法

區(qū)域間投入產(chǎn)出模型是在投入產(chǎn)出表的基礎(chǔ)上依據(jù)投入產(chǎn)出平衡關(guān)系上建立，主要類型有行系數(shù)模型、列系數(shù)模型和引力模型。Polensk等[14]對(duì)3種區(qū)域間投入產(chǎn)出模型進(jìn)行的實(shí)證分析表明列系數(shù)模型資料要求低，模擬精度較高。列系數(shù)模型的投入產(chǎn)出平衡關(guān)系由Moses[15]提出，矩陣形式為：

式中：為各區(qū)域總產(chǎn)出；為各區(qū)域最終需求；和分別為各區(qū)域出口和進(jìn)口；為直接消耗系數(shù)矩陣；為區(qū)域間貿(mào)易系數(shù)矩陣；表示區(qū)域間投入產(chǎn)出表中間投入矩陣；稱為區(qū)域間直接消耗系數(shù)矩陣。式中的平衡關(guān)系中，編制區(qū)域間投入產(chǎn)出表需要確定直接消耗系數(shù)矩陣和區(qū)域間貿(mào)易系數(shù)矩陣，其余變量均已知。

為31區(qū)域的直接消耗系數(shù)矩陣組成的分塊對(duì)角矩陣，每個(gè)區(qū)域均是42×42的方陣，直接消耗系數(shù)a為產(chǎn)品部門(mén)直接消耗的第產(chǎn)品部門(mén)貨物或服務(wù)的價(jià)值量與第產(chǎn)品部門(mén)的總產(chǎn)出的比值。

區(qū)域間貿(mào)易系數(shù)矩陣由對(duì)角矩陣組成，其對(duì)角線上的元素c計(jì)算公式如下：

式中：t為地區(qū)供給地區(qū)的種產(chǎn)品的數(shù)量，即區(qū)域間貿(mào)易流量，可采用引力模型計(jì)算，計(jì)算公式如下[16]：

式中：x是區(qū)域部門(mén)的總產(chǎn)出(總供給)；d為區(qū)域?qū)Σ块T(mén)的產(chǎn)品總需求(中間需求與最終需求的合計(jì))；Q是部門(mén)產(chǎn)品從區(qū)域到區(qū)域的貿(mào)易參數(shù)稱為摩擦因數(shù)，是假定從某一區(qū)域向其他區(qū)域的物資輸送量比例與最重要的產(chǎn)品分配比例存在近似性，計(jì)算公式如下[17]：

式中：H為區(qū)域發(fā)送至區(qū)域的貨運(yùn)量；H為區(qū)域發(fā)往所有省份的總貨運(yùn)量；H是到達(dá)區(qū)域的總貨運(yùn)量；H是全部區(qū)域的總發(fā)送量(等于總到達(dá)量)。

編制未來(lái)年份區(qū)域間投入產(chǎn)出表時(shí)輸入各省GDP和三產(chǎn)業(yè)比例，根據(jù)增加值系數(shù)計(jì)算各省各部門(mén)總投入，進(jìn)而根據(jù)區(qū)域間直接消耗系數(shù)矩陣得到區(qū)域間投入產(chǎn)出表。

1.1.2 區(qū)域間價(jià)值量向貨運(yùn)量的轉(zhuǎn)化方法

區(qū)域間投入產(chǎn)出表42個(gè)部門(mén)中有些部門(mén)有相應(yīng)的產(chǎn)品需要運(yùn)輸，例如煤炭采選部門(mén)對(duì)應(yīng)的煤炭，石油和天然氣開(kāi)采部門(mén)對(duì)應(yīng)的石油等，而有些部門(mén)則沒(méi)有相應(yīng)的產(chǎn)品需要運(yùn)輸，例如教育、金融等部門(mén)，因此，在進(jìn)行價(jià)值轉(zhuǎn)化的時(shí)候需要將區(qū)域間投入產(chǎn)出表中沒(méi)有運(yùn)輸產(chǎn)品的部門(mén)剔除掉，不計(jì)入價(jià)值轉(zhuǎn)化計(jì)算中，最終的區(qū)域間價(jià)值量轉(zhuǎn)化為貨運(yùn)量時(shí)只保留具有貨運(yùn)需求的前23個(gè)部門(mén)。

通過(guò)部門(mén)產(chǎn)品價(jià)格建立省際間各部門(mén)之間貨運(yùn)量與價(jià)值量的關(guān)聯(lián)，將31個(gè)省份23部門(mén)之間的價(jià)值流量，按照價(jià)值量/價(jià)格=貨運(yùn)量的平衡公式轉(zhuǎn)化為貨運(yùn)量，從而將區(qū)域間投入產(chǎn)出表轉(zhuǎn)化成中國(guó)31省市省際間貨運(yùn)OD表。

在確定部門(mén)產(chǎn)品價(jià)格時(shí)考慮2個(gè)因素：1) 同一省份23個(gè)部門(mén)之間產(chǎn)品價(jià)格的差異，2) 各省之間經(jīng)濟(jì)發(fā)展不平衡引起的31省市同一部門(mén)的價(jià)格差異，稱為區(qū)域價(jià)格不均勻系數(shù)。根據(jù)2012年進(jìn)出口主要貨物數(shù)量及金額計(jì)算23部門(mén)產(chǎn)品單價(jià)并視為價(jià)格比例，根據(jù)2012年各省價(jià)值產(chǎn)出總量和貨物發(fā)送總量率定各省的區(qū)域價(jià)格不均勻系數(shù)。

1.2 數(shù)據(jù)來(lái)源

中國(guó)從1987起每5年編制一次區(qū)域投入產(chǎn)出表，目前最新的是2012年區(qū)域投入產(chǎn)出表。本文以2012年為研究基準(zhǔn)年，利用2012年相關(guān)數(shù)據(jù)率定模型參數(shù)，利用2017年相關(guān)數(shù)據(jù)驗(yàn)證模型模擬效果。

1) 貨運(yùn)量數(shù)據(jù)。鐵路行政區(qū)域間貨運(yùn)交流量來(lái)源于《中國(guó)交通年鑒》[18]。公路、水路行政區(qū)域間貨運(yùn)交流量只有2008年的數(shù)據(jù)，來(lái)源于《交通運(yùn)輸部2008年全國(guó)公路水路運(yùn)輸量專項(xiàng)調(diào)查公 報(bào)》[19]。2012年和2017年各省公路、水路貨物運(yùn)輸總量來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》[20]，行政區(qū)域間貨運(yùn)交流量由2008年區(qū)域間貨運(yùn)交流關(guān)系估算所得，據(jù)此得到公鐵水合計(jì)的行政區(qū)域間貨運(yùn)交流量。

2) 經(jīng)濟(jì)數(shù)據(jù)。2012年進(jìn)出口主要貨物數(shù)量及金額、2012年和2017年各省GDP和三產(chǎn)業(yè)增加值、通貨膨脹率等經(jīng)濟(jì)數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》[20]。2012年各省市區(qū)域投入產(chǎn)出表來(lái)源于《中國(guó)地區(qū)投入產(chǎn)出表-2012》[21]。

公鐵水合計(jì)的行政區(qū)域間貨運(yùn)交流量和各省市投入產(chǎn)出表用于確定區(qū)域間投入產(chǎn)出表的直接消耗系數(shù)。進(jìn)出口主要貨物數(shù)量及金額用于率定模型的23部門(mén)產(chǎn)品價(jià)格比例，各省GDP和三產(chǎn)業(yè)結(jié)構(gòu)用于率定模型的GDP輸入結(jié)構(gòu)。

2 省際間貨運(yùn)量模型構(gòu)建

2.1 區(qū)域間投入產(chǎn)出直接消耗系數(shù)

在2012年區(qū)域投入產(chǎn)出表和公鐵水合計(jì)的行政區(qū)域間貨運(yùn)交流量的基礎(chǔ)上，直接根據(jù)相關(guān)定義計(jì)算區(qū)域間貿(mào)易系數(shù)和直接消耗系數(shù)，為編制區(qū)域間投入產(chǎn)出表提供支撐。以北京市為例，各系數(shù)計(jì)算結(jié)果見(jiàn)圖1和圖2。

圖1 北京市區(qū)域間貿(mào)易系數(shù)

圖2 北京市2個(gè)部門(mén)的直接消耗系數(shù)

2.2 模型42部門(mén)與GDP的關(guān)系

模型需要確定區(qū)域間投入產(chǎn)出模型42部門(mén)與GDP的關(guān)系，將各省GDP輸入分配至各部門(mén)，進(jìn)而基于各部門(mén)增加值系數(shù)和直接消耗系數(shù)得到區(qū)域間投入產(chǎn)出表。

本文將區(qū)域間投入產(chǎn)出表中42部門(mén)歸類到三產(chǎn)業(yè)中，具體歸類結(jié)果是：第1部門(mén)屬于第一產(chǎn)業(yè)，第2~23部門(mén)和第25~28部門(mén)屬于第二產(chǎn)業(yè)，第24部門(mén)和第29~42部門(mén)屬于第三產(chǎn)業(yè)。根據(jù)2012年投入產(chǎn)出表確定的各省GDP和三產(chǎn)業(yè)比例，與國(guó)家統(tǒng)計(jì)公開(kāi)的各省GDP和三產(chǎn)業(yè)比例對(duì)比見(jiàn)圖3和圖4，結(jié)果表明GDP三產(chǎn)業(yè)結(jié)構(gòu)與部門(mén)劃分合理。

圖3 GDP計(jì)算值和實(shí)測(cè)值對(duì)比

圖4 三產(chǎn)業(yè)比例計(jì)算值和實(shí)測(cè)值對(duì)比

2.3 各部門(mén)的產(chǎn)品價(jià)格

基于2012年進(jìn)出口貨物數(shù)量和金額確定23部門(mén)產(chǎn)品價(jià)格比例見(jiàn)圖5，基于各省價(jià)值投入總量和各省貨物發(fā)送總量率定區(qū)域間價(jià)格不均勻系數(shù)見(jiàn)圖6。

圖6 區(qū)域間價(jià)格不均勻系數(shù)

率定結(jié)果表明，投入產(chǎn)出23部門(mén)產(chǎn)品價(jià)格比例中專用設(shè)備、電器機(jī)械和通信設(shè)備等高附加值部門(mén)產(chǎn)品價(jià)格比例較大，煤炭采選產(chǎn)品、非金屬礦物制品和廢品廢料等低附加值部門(mén)產(chǎn)品價(jià)格比例較小。區(qū)域間價(jià)格亦不均衡，北京、天津和山東等發(fā)達(dá)省市的價(jià)格較高，西藏、寧夏和云南等不發(fā)達(dá)地區(qū)的價(jià)格較低。根據(jù)上述的率定參數(shù)，2012年中國(guó)31省市貨物發(fā)送和到達(dá)總量的計(jì)算值和實(shí)測(cè)值對(duì)比見(jiàn)圖7。結(jié)果顯示模型擬合效果較好，模型率定參數(shù)合理。

圖7 各省發(fā)送和到達(dá)總量的計(jì)算值與實(shí)測(cè)值對(duì)比

3 省際間貨運(yùn)量模擬

采用2017年模型模擬的貨運(yùn)總量以及貨運(yùn)流向兩方面驗(yàn)證模型的效果。首先輸入2017年各省GDP和三產(chǎn)業(yè)比例見(jiàn)圖8和圖9，根據(jù)前述的直接消耗系數(shù)、GDP的部門(mén)分配關(guān)系計(jì)算得到區(qū)域間投入產(chǎn)出表。其次，將價(jià)值量轉(zhuǎn)化為貨運(yùn)量時(shí)，在率定的價(jià)格基礎(chǔ)上考慮通貨膨脹的影響，2013年至2017年通貨膨脹率分別為2.60%，2.0%，1.40%，2%和1.6%。

圖8 2017年各省GDP

圖9 2017年各省三產(chǎn)業(yè)比例

2017年中國(guó)31省市貨運(yùn)總量、發(fā)送總量和到達(dá)總量的計(jì)算值與實(shí)測(cè)值對(duì)比見(jiàn)圖10和圖11，發(fā)送和到達(dá)貨物流向計(jì)算值與實(shí)測(cè)值對(duì)比以四川和安徽為例，見(jiàn)圖12和圖13。

圖10 各省貨運(yùn)總量模擬結(jié)果

圖11 各省發(fā)送和到達(dá)總量模擬結(jié)果

圖12 四川發(fā)送和到達(dá)貨物流向模擬結(jié)果

圖13 安徽發(fā)送和到達(dá)貨物流向模擬結(jié)果

模擬結(jié)果顯示各省貨運(yùn)總量和貨運(yùn)流向的模擬效果均較好。模型貨運(yùn)總量確定性系數(shù)為0.92，發(fā)送總量確定性系數(shù)為0.9，到達(dá)總量確定性系數(shù)為0.88，見(jiàn)圖14。對(duì)長(zhǎng)江經(jīng)濟(jì)帶11省市貨運(yùn)流向的模擬結(jié)果進(jìn)行評(píng)估，其中云南發(fā)送量和到達(dá)量確定性系數(shù)為0.85，上海到達(dá)量確定性系數(shù)為0.83，其余省市發(fā)送和到達(dá)貨物流向的確定性系數(shù)均在0.9~1.0之間，見(jiàn)圖15。

在GDP總量不變的情況下，利用確定性系數(shù)對(duì)考慮產(chǎn)業(yè)結(jié)構(gòu)的影響(工況1)和不考慮產(chǎn)業(yè)結(jié)構(gòu)的影響(工況2)2種工況下的貨運(yùn)量模擬效果進(jìn)行對(duì)比，見(jiàn)圖14和圖15。結(jié)果顯示，模擬貨運(yùn)量時(shí)考慮產(chǎn)業(yè)結(jié)構(gòu)的影響相比于不考慮產(chǎn)業(yè)結(jié)構(gòu)的影響，模擬精度有明顯的提升，表明進(jìn)行貨運(yùn)量模擬預(yù)測(cè)時(shí)考慮產(chǎn)業(yè)結(jié)構(gòu)是合理且必要的。

圖14 2種工況下貨運(yùn)總量確定性系數(shù)

圖15 長(zhǎng)江經(jīng)濟(jì)帶11省市發(fā)送和到達(dá)貨運(yùn)量模擬的確定性系數(shù)

本文采用修正的Morris篩選法[22]對(duì)模型的通貨膨脹率和區(qū)域價(jià)格不均勻系數(shù)2種參數(shù)進(jìn)行局部靈敏度分析，以5%為固定步長(zhǎng)對(duì)某一參數(shù)值進(jìn)行擾動(dòng)，分別取其值的?20%，?15%，?10%，?5%，5%，10%，15%和20%，其他參數(shù)值固定不變，模擬結(jié)果見(jiàn)圖16。結(jié)果表明通貨膨脹率靈敏度判別因子為?0.018，區(qū)域價(jià)格不均勻系數(shù)靈敏度判別因子為?1.225 8，按照靈敏度的分級(jí)[22]，通貨膨脹率屬于不靈敏參數(shù)，區(qū)域價(jià)格不均勻系數(shù)屬于高靈敏參數(shù)。

圖16 貨運(yùn)總量模擬的敏感性

4 結(jié)論

1) 基于投入產(chǎn)出法建立省際間貨運(yùn)量計(jì)算模型，可以模擬各區(qū)域貨運(yùn)總量并模擬各區(qū)域發(fā)送和到達(dá)貨物的流向，為交通運(yùn)輸基礎(chǔ)設(shè)施規(guī)劃提供支撐。

2) 貨運(yùn)量模擬時(shí)考慮產(chǎn)業(yè)結(jié)構(gòu)是合理且必要的，模型為研究GDP變化和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對(duì)貨運(yùn)量的影響提供量化方法。

3) 投入產(chǎn)出模型的基礎(chǔ)是假設(shè)直接消耗系數(shù)不變，未來(lái)需根據(jù)國(guó)家的最新投入產(chǎn)出表實(shí)時(shí)更新。此外，投入產(chǎn)出模型各部門(mén)價(jià)值量向貨運(yùn)量的轉(zhuǎn)換中，由于每個(gè)部門(mén)所生產(chǎn)的產(chǎn)品種類眾多，產(chǎn)品數(shù)量及金額實(shí)測(cè)數(shù)據(jù)缺乏，目前只基于統(tǒng)計(jì)數(shù)據(jù)確定了部門(mén)的價(jià)格比例，具體價(jià)格主要基于當(dāng)年的貨運(yùn)量來(lái)率定，在模擬未來(lái)年份省際間貨運(yùn)量時(shí)需假定其他參數(shù)不變，考慮通貨膨脹的影響，因此模型預(yù)測(cè)精度會(huì)隨著時(shí)間尺度的增大而降低。后續(xù)研究可從模型輸入?yún)?shù)的不確定性方面著手優(yōu)化 模型。

[1] 李晨, 于世軍. 基于產(chǎn)業(yè)結(jié)構(gòu)測(cè)度的貨運(yùn)量預(yù)測(cè)模型[J]. 交通科技與經(jīng)濟(jì), 2014, 16(1): 102?106. LI Chen, YU Shijun. Freight volume forecasting model based on industrial structure[J].Technology & Economy in Areas of Communications, 2014, 16(1): 102?106.

[2] 宋建強(qiáng), 鮑學(xué)英, 王起才. 基于改進(jìn)的GM(1,N)貨運(yùn)量預(yù)測(cè)模型[J]. 鐵道科學(xué)與工程學(xué)報(bào), 2017, 14(1): 186? 189. SONG Jianqiang, BAO Xueying, WANG Qicai. A forecast model for freight volume based on improved GM(1,N) model[J]. Journal of Railway Science and Engineering, 2017, 14(1): 186?189.

[3] 安永娥, 鮑學(xué)英, 王起才. 基于無(wú)偏灰色Verhulst模型的鐵路貨運(yùn)量預(yù)測(cè)研究[J]. 鐵道科學(xué)與工程學(xué)報(bào), 2016, 13(1): 181?186. AN Yonge, BAO Xueying, WANG Qicai. Railway freight volume forecasting based onunbiased grey Verhulst model[J]. Journal of Railway Science and Engineering, 2016, 13(1): 181?186.

[4] 梁寧, 耿立艷, 張占福, 等. 基于GRA與SVM-mixed的貨運(yùn)量預(yù)測(cè)方法[J]. 交通運(yùn)輸系統(tǒng)工程與信息, 2016, 16(6): 94?99. LIANG Ning, GENG Liyan, ZHANG Zhanfu, et al. A prediction method of railway freight volumes using GRA and SVM-mixed[J]. Journal of Transportation Systems Engineering and Information Technology, 2016, 16(6): 94?99.

[5] 崔乃丹, 向萬(wàn)里, 孟學(xué)雷. 基于小波灰色GM(1,1)模型的貨運(yùn)量預(yù)測(cè)研究[J]. 鐵道科學(xué)與工程學(xué)報(bào), 2017, 14(11): 220?226. CUI Naidan, XIANG Wanli, MENG Xuelei, et al. Railway freight volume forecasting based on grey GM(1,1) model and wavelet de-noising[J]. Journal of Railway Science and Engineering, 2017, 14(11): 220? 226.

[6] 戎陸慶, 魏鋒, 郭儀. 基于灰色理論的廣西水路貨運(yùn)量及其影響因素預(yù)測(cè)研究[J]. 武漢理工大學(xué)學(xué)報(bào), 2016, 38(12): 34?40. RONG Luqing, WEI Feng, GUO Yi. Forecast of Guangxi waterway freight volume and its influencing factors based on grey theory[J]. Journal of Wuhan University of Technology, 2016, 38(12): 34?40.

[7] Moscoso-López J A, Turias Turias I J, Come M J, et al. Short-term forecasting of intermodal freight using ANNs and SVR: Case of the port of Algeciras Bay[J]. Transportation Research Procedia, 2016, 18: 108?114.

[8] Patil G R, Sahu P K. Estimation of freight demand at Mumbai Port using regression and time series models[J]. KSCE Journal of Civil Engineering, 2016, 20(5): 2022? 2032.

[9] Farhan J, Ong G P. Forecasting seasonal container throughput at international ports using SARIMA models[J]. Maritime Economics & Logistics, 2016: 1?18.

[10] 顏建新, 馬洪生, 肖崇紫, 等. 基于投入產(chǎn)出法的道路貨運(yùn)需求預(yù)測(cè)研究[J]. 交通運(yùn)輸工程與信息學(xué)報(bào), 2016, 51(1): 29?36. YAN Jianxin, MA Hongsheng, XIAO Chongzi, et al. Research on road freight demand forecast based on input-output method[J]. Journal of Transportation Engineering and Information, 2016, 51(1): 29?36.

[11] Alises A, José Manuel Vassallo. The Impact of the structure of the economy on the evolution of road freight transport: A macro analysis from an input-output approach[J]. Transportation Research Procedia, 2016, 14: 2870?2879.

[12] Rubio-Herrero J, Jesús Mu?uzuri. Indirect estimation of interregional freight flows with a real-valued genetic algorithm[J]. Transportation,2019.http://doi.org/10.1007/s 1116?019?10050?6.

[13] 劉小敏. 區(qū)域間投入產(chǎn)表的研制方法及應(yīng)用綜述[J]. 中國(guó)集體經(jīng)濟(jì), 2012, 36: 39?42. LIU Xiaomin. Summary of development methods and applications of inter-regional input and output[J]. China Collective Economy, 2012, 36: 39?42.

[14] Polensk, Karen R. An empirical test of interregional input-output models: Estimation of 1963 Japanese Production[J]. American Economic Review, 1970, 60(2): 76?82.

[15] Moses L N. The stability of interregional trading patterns and input-output analysis[J]. American Economic Review, 1955, 45(5): 803?832.

[16] Leontief W, Strout A. Multiregional input-output analysis[M]. Barna T. eds. Structural Interdependence and Economic Development, London: St. Martin’s Press, 1963: 119?150.

[17] Ihara T. An economic analysis of interregional commodity flows[J]. Environment & Planning A, 1979, 11(10): 1115?1128.

[18] 中國(guó)交通年鑒社. 中國(guó)交通年鑒[M]. 北京: 中國(guó)交通出版社, 2012, 2017. Year Book of China Transportation & Communications Press. Year book of China transportation & communications[M]. Beijing: China Transportation & Communications Press, 2012, 2017.

[19] 中國(guó)交通運(yùn)輸部. 全國(guó)公路水路運(yùn)輸量專項(xiàng)調(diào)查公報(bào)[R]. 2008. Ministry of Transport of the People’s Republic of China. Bulletin of special investigation on national highway and waterway traffic volume[R]. 2008.

[20] 國(guó)家統(tǒng)計(jì)局. 中國(guó)統(tǒng)計(jì)年鑒[J]. 北京: 中國(guó)統(tǒng)計(jì)出版社, 2012, 2017. National Bureau of Statistics. Year book of China statistics[J]. Beijing: China Statistics Press, 2012, 2017.

[21] 國(guó)家統(tǒng)計(jì)局國(guó)民經(jīng)濟(jì)核算司. 中國(guó)地區(qū)投入產(chǎn)出表-2012[M]. 北京: 中國(guó)統(tǒng)計(jì)出版社, 2016. Department of National Accounts of National Bureau of Statistics. Chinese regional input-output tables-2012[M]. Beijing: China Statistics Press, 2016.

[22] 常青, 李江云, 周毅. InfoWorks水文模型參數(shù)靈敏度分析及其隨區(qū)域尺度的變化[J]. 中國(guó)農(nóng)村水利水電, 2016(7): 75?78. CHANG Qing, LI Jiangyun, ZHOU Yi. Sensitivity analysis of parameters on InfoWorks model of urban stormwater and its variations with model scale[J]. China Rural Water and Hydropower, 2016(7): 75?78.

Simulation of inter-provincial freight volume based on input-output model

LI Wenjie1, YUAN Xiaofeng2, YANG Shengfa1, YANG Wei1, LONG Hao2, CHEN Chuan2

(1. National Inland Waterway Regulation Engineering Research Center, Chongqing Jiaotong University, Chongqing 400074, China; 2. Key Laboratory of Ministry of Education for Hydraulic and Waterway Transport Engineering, Chongqing Jiaotong University, Chongqing 400074, China)

The existing freight volume simulation study is mostly directed to the total volume of freight in a certain area, and less on the flow of freight. Based on the input-output table of China’s 31 provinces and cities in 2012, this paper used the gravity model to estimate the interregional trade coefficient matrix, and used the column coefficient model to compile the interregional input-output table of 42 sectors in 31 provinces and cities in China, and converted value traffic to freight traffic for interprovincial freight. This paper used the 2012 data to rate the model parameters and uses the 2017 data to verify the model. The results show that the model can simulate the total freight volume of each region and the traffic flow between regions under the influence of GDP growth and industrial structure adjustment on freight volume better, which can quantify the impact of GDP and industrial structure on freight volume. The method provides a reference for planning the construction scale of future transportation infrastructure.

interregional input-output table; GDP; industrial structure; freight OD simulation

F572

A

1672 ? 7029(2020)05 ? 1302 ? 08

10.19713/j.cnki.43?1423/u.T20190786

2019?09?06

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFC0402103)

李文杰(1984?)，男，河北秦皇島人，教授，博士，從事航道水沙運(yùn)動(dòng)基礎(chǔ)理論及航運(yùn)規(guī)劃研究；E?mail：li_wj1984@163.com

(編輯 陽(yáng)麗霞)