铁路旅客运输周期性特征研究
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,Beijing100038,China)
鼓励孩子继续努力的话
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 trans­port,this paper conducts a periodic analysis on the railway passenger flow characteristics in spring and summer,legal holidays and other characteris­tic periods,and summarizes the fluctuation of passenger flow exchange in provincial capitals and separately planned cities.The paper conducts col­laboration analysis based on the periodic change of passenger volume and capacity resources.Taking Beijing-Shanghai and Beijing-Guangzhou corri­dors 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、农村居民消费的周期波动性特征，按照消费曲线波动的固有特点，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］。
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，本文从三个层面展开研究：首先从典型时段入手，分
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 00012 000 000
10 000 000
8 000 0006 000 000
4 000 0001
5 17 19 21 23 25 27 29 31 33 35 37 39
------2017 -------2018 ------2019
¥7*
氷瞑2 000 000
1 3 5 7 9 11 13------2015 ------- 2016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
（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，而高校中国最高建筑
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。
图2 2015—2018年暑运每日发送量波动变化
7
、*氷腆
7
、*氷腆
10 000 0009 000 000
8 000 0007 000 0006 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
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。
000
000 000 000 000
-5.00% -10.00%
18000000
16000
14000
W12000
10000
g8000
6000000
12345678—*—2015—12016—12017—12018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"
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增长情况对比，可以得出：
■年发送量■春运•暑运■十一■元旦■清明•五一••端午
图62015—2018年特殊时段发送量增长率
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，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。
表12015—2018年特征时段发送量与增长率
2015年2016年2017年2018年2015—20162016—20172017—2018年发送量251567647728029263863049256152331684814811.07%9.69%9.40%春运28504393332093853235208194137541021112.59%9.70%  6.63%暑运4989884665438244975925994206564485478.99%8.97%10.77%十一731230008084413399706357
9588168410.56%23.33%-3.84%元旦2172508924454762261585443033188612.56%  6.97%15.95%清明2733877831303054349382563668402014.50%11.61%  5.00%五一3091132834970444372606803946287513.13%  6.55%  5.91%端午2668245530210960326659693555006513.22%8.13%8.83%注：2017年中秋与"十一”合休，共放假8天1.3小结
从日发送量变化规律来看，特征时段均呈现出较为明显的客流波动规律，周期性明显。从特征时段历年发送量变化趋势来看，暑运、“十一”保持较高增长，元旦客流波动较大，春运及小长假铁路客流增速
铁路旅客运输周期性特征研究梁婧
逐年放缓。
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、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。
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客发送量分月变化规律具有一致性。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，高铁交流比例较低。
图82015—2018年省会及计划单列市分月高铁交流量占
总交流量比例
中国女装品牌2.3小结
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月份高铁占比最高，2月份或3月份高铁占比最低。
90000000 80000000 70000000 60000000
50000000 40000000 30000000 20000000 10000000
铁
速
高
普
l
o
ln s
z
z
o
ln s
z
S
3
Z
I
9
S去皱眼霜排行榜
Z
O
I
9
S
Z
I
O
L
O
Z
寸0
Z J
0Z
L
U
Z
马景涛 陈德容E
Z I08I0Z
寸08
S
Z
Z
8
S
Z
I
8
S
Z
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
中元节包袱书写格式性波动下的特征，科学有效地投放运力资源，提高
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。
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：
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%、
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。
图72015—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0.60--------------------------------------------------------------------------------------------------------------
12345678910 1112 =京沪高铁京沪线京广高铁京广线
图92018年京沪、京广通道高普线路列车客座率波动变化
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"
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率均在1月和12月达到低点，其中，京沪通道两条线路客座率均为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11所示。
160 140 120 100 80 60 40
20 0
京沪高铁区段日均列数与编组情况（下行）
fiTrhi
■其中长编或重联■短编—长编占比
160
140
120
100
80
60
40
20
京沪高铁区段日均列数与编组情况（上行）
III II II
■其中长编或重联—短编一长编占比图102018年京沪高铁区段日均列车与编组情况
140
京广高铁区段日均列数与编组情况（下行）
长编或重联■短编一长编占比
140
京广高铁区段日均列数与编组情况（上行）
■长编或重联■短编—长编占比
图112018年京广高铁区段日均列车与编组情况

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。