多斯特克与阿拉山口间铁路过境货物运输研究(三)

年份 铁路过境货物量

1991 163

1992 727

1993 570

1994 479

1995 1113

1996 2099

1997 2016

1998 2366

1999 3543

2000 4260

2001 4325

2002 5045

2003 5842

2004 7583

2005 9401

2006 11150

2007 13193

2008 12253

2009 12687

2010 14721

2011 13789

2012 14275

2013 15644

2014 17064

2015 18620

数据来源: 哈萨克斯坦国际统计局

多斯特克铁路车站铁路换装库最初设计换装能力为270万吨，主要担负成品钢材、散装化肥、棉花、矿石和棚车运送的高附加值货物的换装。1995年货运量为100万吨。随着中国对俄罗斯和中亚国家的进口和出口的发展，货运量逐年增加，1999年货运量达到354万吨，超过了最初设计的换装能力。

3 多斯特克-阿拉山口口岸铁路货物运输的SWOT分析

SWOT分析由美国学者K.J. Andrews在他的"概念的企业战略"（公司战略概念）一书中首先提出[50]。

SWOT分析可以分为两个部分：第一是SW，用于分析企业的内部；第二部分是OT，用于分析外部环境。通过这种方法，企业可以进行全面、系统、准确的分析，了解当前和未来局势的发展，扬长避短抓住更多的商业机会，避免或减少对企业不利的外部或内部事件[51]。在分析区域过境运输系统发展问题的同时，有必要评估过境口岸现有的优势、劣势（障碍）、机遇、挑战。

表3-1  多斯特克与阿拉山口过境口岸SWOT 分析

优势 多斯特克的几个车站，后备运输能力

口岸进口资源优势和出口增长态势地位突出

减少货物在运输途中的交货时间

劣势（障碍） 海关法的变化和对进、出口商的法规缺乏连贯性，特别是在关税方面 

进、出口商准备和交验相关文件程序繁琐，增加了过境作业的等待时间

过境存在的商业道德，以及海关内部仓库和物流中心

机遇 被称为“单一窗口”系统的实施 

简化国民贸易和运输的政策，包括在海关、交通运输和边境机构等方面

中亚局势的相对稳定状况提供了发展阿拉山口站有利的外部条件 

挑战 缺乏政策或执行缓慢

精伊霍铁路和霍尔果斯特区影响到阿拉山口的发展

多斯特克-阿拉山口过境口岸是哈萨克斯坦与中国间的铁路过境运输的重要口岸。 随着“一带一路”战略的推进，多斯特克-阿拉山口过境口岸的作用将越来越大。

4 多斯特克与阿拉山口间铁路过境货运量预测

伴随着社会经济的发展，预测需求变化的新计算工具和数学分析方法也不断得到发展和完善。主要的经济预测方法有多元回归，时间序列方法，马尔可夫连锁模型，投入产出模型，卡尔曼滤波，分形理论，粗糙集，支持向量机，人工神经网络，灰色系统理论。这些方法都是以历史数据为基础进行预测[52]。 

货物运输是把货物从一个地方运输到另一个地方，也简称货运。货运主要是用于运送用于商业买卖的货物，尽管邮件也被认为属于货运。

4.1 铁路过境货运量预测方法测试

表4-1和图4-1展示了2001年到2015年经多斯特克-阿拉山口的哈萨克斯坦-中国间的铁路过境货物运输量和增长量的统计数据。

表4-1 2001-2015年多斯特克-阿拉山口铁路过境货物运输量和增长率

年份 铁路过境货物运输量（千吨） 增长率（%）

2001 4325 /

2002 5045 16.65

2003 5842 15.79

2004 7583 29.80

2005 9401 23.97

2006 11154 18.65

2007 13193 18.28

2008 12253 -7.12

2009 12687 3.54

2010 14721 16.03

2011 13789 -6.33

2012 14275 3.52

2013 15644 9.59

2014 17064 9.08

2015 18620 9.12

数据来源：哈萨克斯坦共国际统计局

图4-1 2001-2015年多斯特克-阿拉山口铁路过境货物运输量增长趋势图

4.1.1 灰色预测的GM (1, 1) 模型

货物运输量与固定资产投资、国民生产总值、国际柴油价格、汇率变化、运输组织过程、季节变换等因素都有关系，但影响程度难以明确描述。因此，可以利用灰色模型对其进行预测。货物运输系统是抽象的，没有物理模型，它是一个灰色的具有不完整信息的系统[53]。

灰色系统理论是由邓聚龙在1982根据灰色盒子创立和发展起来的， 是一种研究少数据、贫信息不确定性问题的新方法[54,55]。灰色系统理论主要研究的就是“外延明确，内涵不明确”的“小样本，贫信息”问题。

灰色预测模型是灰色系统理论中的一个最重要部分，它广泛应用于很多领域，例如工业[58,59]，农业[60]、环境[61]和军事[62]。

灰色系统预测的基本思想是根据已知的时间数据序列和相关的一些规则去建构一个动态的和非动态的白色区间，进而去解决未知的灰色模型，根据一些指引去逐渐增加白色系统。灰色预测模型的主要特征不是用原始的经济数据时间序列去预测。本文将采用这种模型。

GM (1, 1) 模型的建立

设时间序列  有n个观察值，通过累加生成新序列  则GM （1，1）模型相应的微分方程为：                 

                                              (4-1)

其中，a 称为发展灰数；

      称为内生控制灰数。

设  为持估参数向量，, 可利用最小二乘法求解。解得：

                                           （4-2）

求解微分方程，即可得预测模型：

                             (4-3)                                                   误差值如表4-2所示。

表4-2利用灰色预测的GM (1, 1) 模型预测铁路货运量

年份 真值 (千吨) 预测值(千吨) 残差 相对误差 (%)

2001 4325 4325 0 0.00

2002 5045 4528 -517 10.25

2003 5842 4979 -863 14.77

2004 7583 6799 -784 10.34

2005 9401 8989 -412 4.38

2006 11154 10608 -546 4.89

2007 13193 13421 228 1.73

2008 12253 13782 1529 12.48

2009 12687 14176 1489 11.74

2010 14721 14735 -386 2.62

2011 13789 14834 1145 8.30

2012 14275 14943 668 4.68

2013 15644 15016 -628 4.01

2014 17064 16789 -275 1.61

2015 18620 18689 69 0.37

4.1.2 时间序列回归方法

将自变量与因变量之间的相关关系用回归方程的形式来表示，并根据自变量的数值变化预测因变量数值变化的方法。