摘要：铁路作为我国重要的货物运输方式，其能耗状况及强度变化对发展节约型交通战略具有重大意义。本文基于我国多年交通统计的实证数据，运用引力模型对交通能耗进行多重线性回归分析，并对今后以上海为端点的铁路货运能耗进行预测。
关键词：城市 铁路 能耗 多重线性回归 引力模型 铁路作为我国重要基础设施，比较而言具有占地少、效率高、能耗低等优势，而且其强大的仓储与运输能力为保证现代物流提供了必要的条件。 铁路运输主要分为货运和客运。货运商品的价值凝聚着运输的价值，商品的全生命周期能耗包含了运输的能耗，而货物运输的多寡又直接与各个城市的地理位置、人口结构、能源供需、经济发展等因素息息相关。这就建立了一条：“人口数量增多、经济发展——客货运需求量扩大——能耗增多”的关系链。在保证货物供应渠道的同时，努力降低能耗成为了发展铁路交通事业的重中之重，而从城市发展角度对铁路货运量的影响因素进行深入探讨也具有广泛意义。 一、中国铁路能耗运输的现状 铁路机车包括三种：蒸汽机车、内燃机车、电力机车。蒸汽机车主要燃料为原煤、内燃机车主要燃料为柴油、而电力机车主要使用电能。目前我国铁路列车主要有电气机车与内燃机车两种。电力机车虽然效率高,功率大,牵引性能方面优于内燃机车，但在我国的国情下，例如在供电困难且气候恶劣的地区电力是不可能完全替代内燃机车，而且内燃机车还有很大的战略意义。 图1-2 铁路机车保有量及能耗因子趋势图（1985-2007年） 单位:主坐标为台数、次坐标为千克标准煤/万吨公里 二、建构铁路货物运输能耗模型 （一）模型建立的前提 货物运输作为交通运输的重要组成部分，运输量随着经济发展而不断扩大。特别在工业化不断推进过程中，这个关系更加显著。本章将以上海作为铁路的一个端点，其它省级行政区作为另一个端点，根据国家统计数据构建铁路货物运输能源模型。 上海市作为一个外向型城市，对它的研究需要建立在全国各省市相互联系的基础上，假设与其它各个单元省级行政区之间具有不同程度的相互吸引力。用各个省级行政区的货物运输量作为衡量货物吞吐能力的标准，以省会间相互距离作为影响相互吸引力的反作用，再套用引力模型进行多重线性回归分析。 （二）铁路货物运输能耗模型的基本构造 根据国家温室气体排放清单规定，铁路机车能源消耗的计算公式如下： 铁路机车能源消耗=机车数目×每列机车每日平均能源消耗×每列机车每年平均运行天数 铁路机车能源消耗=总机车每日平均能源消耗×每列机车每年平均运行天数 铁路机车能源消耗=总机车全年运送每吨货物行驶每公里的平均能源消耗×两地间运送货物量×两地间距离，即（2-1）所示 ------（2-1） EC：铁路货物运输的能耗因子（千克标准煤/万吨公里） Tij:i地到j地的货物量（t），在这里i指代上海，j指代其它省级行政区 dij：i地到j地的距离（km） 为了预测区域间货物运输量我们导入引力模型。引力模型是根据1687年牛顿提出的理论物理学中万有引力公式引申而来，其内涵包括：原指物体之间的相互引力与两个物体的质量成正比、与两个物体之间的距离平方成反比，不同物体间引力系数不同。 物理学与社会科学的联系是非常紧密的，自20世纪30年代，美国学者赖利（ma;以及常数项lnK对应的值。 Oi=f(ACTi) Dj=g(ACTj)-------（2-3） ACTi：i区域的影响因素；ACTj：j区域的影响因素 f（）、g（）：通过回归分析得到的值 诸影响因素是通过对人口、地区GDP、地区各产业GDP、人口密度等因素进行回归分析，选取影响力最大的因素。 （三）各参数处理 地区间距离、引力模型的参数，运输来回的货物量均采用现实统计的数据。 (1)地区间距离使用各省的省会或首府城市间的距离计算。 (2)引力模型的参数是以各地域的总货物发出量、总收到量、地区间距离为因变量，以货物量为自变量通过多重回归分析计算而来。 (3)铁路发出与收到货物数的估计式。各个影响因素进行回归分析，取决定系数较大的影响因素进行组合，构成预测等式。 （四）铁路货物运输量推算 1.导入煤炭影响因素的验证 根据2-3选择影响铁路货物的运输量的主要因素： (1)有关人口的指标（总人中国口、城市化率、人口密度、第一产业从业人数、第二产业从业人数、第三产业从业人数）(2)经济发展的指标（人均GDP、第一产业GDP、第二产业GDP、第三产业GDP、平均工资、平均消费）。 表2-1 因变量为货物发出量时的影响因素分析 图2-1 因变量为货物发出量时的标准残差图 试着分析其产生的原因：山西省是中国最重要的煤炭产地，其产煤量非常大，且每年向其他区域的发送量多。这个因素影响了多重回归分析的结果并造成较大的残差。因而，煤的生产量对铁路货物运输量带来非常大的影响。 运用同样方法可以发现河北省由于拥有庞大的冶金和化工基地，且电力耗煤较大导致原煤调入量非常大，对铁路货物的收到量产生较大影响。 综合以上分析，要解释铁路货物运输量，只考虑人口与经济发展的指标是不够的，煤的指标也是影响铁路货物运输量的重要指标。煤的供需在中国经济中不可缺少，传统经验认为煤的增产以及运输能力的保证是经济发展的钥匙。 2.铁路运输发出货物的影响因素方程 首先将前述的各因素作为自变量(总人口、城市化率、人口密度、人均GDP、第一产业从业者、第二产业从业者、第三产业从业者、平均工资、平均消费、第一产业GDP、第二产业GDP、第三产业GDP、煤炭生产量、煤炭调入量)，铁路运输发出货物为因变量进行多重回归分析，建立解释铁路货物发出量的模型。 通过对修正决定系数的比较，最终选定总人口、第一产业从业者、煤炭生产量三个变量作为自变量进行分析，结果如2-2表所示 Dma;以及常数项lnK。再代入前一节的预测结果，得到2020年上海作为铁路发出货物端点时和收到货物端点时的货物量。 （四）预测结果 EC使用《我国交通运输行业能源消费和排放与典型国家的比较》的研究成果：铁路货运能耗因子目前推测约为97.3千克标准煤/万吨公里。保守估计2020年货运能耗降低到85千克标准煤/万吨公里的情况下，各个地区与上海往来的铁路货运能耗如图3-3所示 图3-3 2020年各个地区与上海往来铁路货运能耗图 单位：吨标煤 四、总结 （二）通过多重回归分析得到：总人口数与货物运输总量呈正比关系，而随着各地第二产业GDP的不断增加也将同时伴随着货物运输总量的不断攀升。可见一个城市的发展导致了人口的增多和工业的发展，也势必影响到其铁路货物运输量的变化。 （三）煤炭生产量对货物发出量的影响最大；而煤炭调入量对货物收到量的影响最大。由此可见我国煤炭运输在货物运输中的重要性。而在今后相当长的时期内，我国能源生产和消费结构中煤炭比重仍将保持在70%以上，如果以现有的经济模式发展下去，煤炭运输将持续推动货物运输量的步步攀升，随之产生更大的铁路运输能耗。 （四）由于总人口的增加、煤炭调入量的激增，通过模型预测，2020年以上海为端点的铁路货运能耗较2008年增加了130%以上。以上海为收到端，山西、内蒙古等主要产煤省的铁路货物运输能耗最大；以上海为发出端，路途较远的新疆、四川等地运输能耗最大。随着上海与新疆喀什的对口支援进一步深入，两地间的货物往来将进一步增多，在政策制定上须作为成本因素予以考虑。 参考文献： [2]《联合国气候变化框架公约》 (United Nations frameate Change)，1992 [3]铁道部计划司编 《全国铁路统计资料汇编1949-1991》，内部资料，1949-1991 [5]中国国家交通局编《中国交通年鉴2000－2009》中国交通出版社，2001－2010 [7]国家统计局工业交通统计司、国家发展和改革委员会能源局《中国能源统计年鉴2000－2009》中国 [8]王庆一 可持续能源发展财政和经济政策研究参考资料，北京能源基金会《中国能源数据2009》 [9]上海统计局 《上海工业能源交通统计年鉴2009》 中国统计出版社,2010 [11]王雷《A Study on the Relation between the Distributed Population and Industry And Transportation Energy in China》，2006 [13]王维、罗守贵《上海都市圈城市间引力研究及基于人流量的实证分析》软科学，2006
