表13-6客运方式分担主要基础数据及特征年预测结果表 年份 公路分担率 铁路分担率 2009 95.12% 4.70% 2015 91.6% 8.4% 2020 82.1% 17.9% 在未来铁路客运会对公路客运的发展形成冲击，道路客运量所占比重将有所下 (4)道路客运组织量和适站量预测 S市公路客运一直处于全国领先水平，道路客运公司化程度高。2009年S市公 路客运营业性公路客运站占社会客运总量的48%，相比2005年的45.2%提高了2.8 个百分点，可以预计未来S市公路客运组织量会逐步提高，公路客运适站量也会同 步提升。预测结果如表13-7和表1-3-8所示。 表37S市关键年份公路客运组织量预测 年份 2015 2020 占全社会客运量比例 51.4% 61.99% 客运组织量（万人次） 33553.98 47027.19 表13-8S市关键年份公路客运适站量预测 年份 2015 2020 话站系数 11.5% 14.1% 适站量（万人次） 7518.58 10674.43 日发送量（人） 205988 292450 (5)厂包车客运预测 根据厂包车客运量的抽样调查数据，每日客运量在50万人左右，考虑未来城 市常规公交与轨道交通的发展，S市的厂包车会逐步向协议公交或其他方式转移，S 市的厂包车客运量预测结果见下表-3-9所示。 -26
- 26 - 表Ⅰ-3-6 客运方式分担主要基础数据及特征年预测结果表 年份 公路分担率 铁路分担率 2009 95.12% 4.70% 2015 91.6% 8.4% 2020 82.1% 17.9% 在未来铁路客运会对公路客运的发展形成冲击，道路客运量所占比重将有所下 降。 （4）道路客运组织量和适站量预测 S 市公路客运一直处于全国领先水平，道路客运公司化程度高。2009 年 S 市公 路客运营业性公路客运站占社会客运总量的 48%，相比 2005 年的 45.2%提高了 2.8 个百分点，可以预计未来 S 市公路客运组织量会逐步提高，公路客运适站量也会同 步提升。预测结果如表Ⅰ-3-7 和表Ⅰ-3-8 所示。 表Ⅰ-3-7 S 市关键年份公路客运组织量预测 年份 2015 2020 占全社会客运量比例 51.4% 61.9% 客运组织量（万人次） 33553.98 47027.19 表Ⅰ-3-8 S 市关键年份公路客运适站量预测 年份 2015 2020 适站系数 11.5% 14.1% 适站量（万人次） 7518.58 10674.43 日发送量（人） 205988 292450 （5）厂包车客运预测 根据厂包车客运量的抽样调查数据，每日客运量在 50 万人左右，考虑未来城 市常规公交与轨道交通的发展，S 市的厂包车会逐步向协议公交或其他方式转移，S 市的厂包车客运量预测结果见下表Ⅰ-3-9 所示
表-3-9S市关键年份厂包车客运量预测（单位：万人次） 年份 2015 2020 厂包车客运量 18924 14325 (6)运力结构预测 1)运力结构适应性评价 利用历史运力结构数据，借鉴柯布一道格拉斯(Cobb-Douglas)生产函数思 想，建立反映不同客运车型车数与运量关系的运力发展模型。 Ln2=a+a1×Ln(x)+a2×Ln(x2)+a3×Ln(x3) 即：Q=e×ea×ew×ea 其中：Q—公路客运周转量： 、、一大、中、小型客车数量： 结合2005~2009年数据，计算求出回归系数为： 4=11.246,4=0.602,4=-0.086,4=-0.19。 由模型可以看出，S市道路客运车辆运力结构调整成效显著，大型客车对道路 客运的贡献取主导作用，大型客车每增加1%，给道路客运量贡献0.602%。而中小 型车对道路客运的增量贡献为负值，表明运力结构需要继续向大型化转移。 2)运力结构预测 根据运力结构适应性评价结果，运用马尔科夫转移矩阵法，对公路客运运力进 行了预测，预测结果见下表1-3-10。 表-3-10S市关键年份客运车辆数量分车型预测（单位：辆） 年份 2015 2020 小型车 75 40 中型车 552 335 大型车 9331 10780 -27
- 27 - 表Ⅰ-3-9 S 市关键年份厂包车客运量预测（单位：万人次） 年份 2015 2020 厂包车客运量 18924 14325 （6）运力结构预测 1）运力结构适应性评价 利用历史运力结构数据，借鉴柯布一道格拉斯（Cobb—Douglas）生产函数思 想，建立反映不同客运车型车数与运量关系的运力发展模型。 0 1 1 2 2 3 3 LnQ a a Ln x a Ln x a Ln x = + + + ( ) ( ) ( ) 即： 0 3 3 1 1 2 2 Q e e e e a a x a x a x = 其中： Q———公路客运周转量； 1 x 、 2 x 、 3 x ———大、中、小型客车数量； 结合 2005～2009 年数据，计算求出回归系数为： 0 a =11.246， 1 a =0.602， 2 a =-0.086， 3 a =-0.19。 由模型可以看出，S 市道路客运车辆运力结构调整成效显著，大型客车对道路 客运的贡献取主导作用，大型客车每增加 1%，给道路客运量贡献 0.602%。而中小 型车对道路客运的增量贡献为负值，表明运力结构需要继续向大型化转移。 2）运力结构预测 根据运力结构适应性评价结果，运用马尔科夫转移矩阵法，对公路客运运力进 行了预测，预测结果见下表Ⅰ-3-10。 表Ⅰ-3-10 S 市关键年份客运车辆数量分车型预测（单位：辆） 年份 2015 2020 小型车 75 40 中型车 552 335 大型车 9331 10780
3.2.3道路货运需求预测 (1)综合货运量预测 在S市经济快速增长的推动下，S市货运量近年保持着良好的发展态势。采用 灰色预测、综合自回归平滑预测和回归预测模型组合预测未来S市货运发展情况， 预测结果如表311所示。 表1-3-11S市关键年份货运量预测 预测结果（万吨） 预测方法 预测模型 20092015 2020 灰色预测 y=1847.8217×e0w44 1148719431 27014 综合自回归平 ,-453+0-0995B0-BE 11487 17683 24875 滑预测 (1-0.774B)1-B) Y=.23021+0.5305M+0.005A 回归预测 (P表示人口，M表示GDP) 1487 1887 26147 组合预测 Y=ar+ar+ah 1148718559 25712 组合预测增长率(%) 8.32 7.60 (2)货运运输结构预测 多分类L0gt模型概率计算公式与参照运输方式有关。参照运输方式下标记为 0,则其表达式为： exp(a +bx(vs--vo-)+cx(f-fo) 1+ P= 1 1+2epa+4x-,'+xU-》k=0 其中：乃—K种运输方式的市场份额： —K种运输方式的平均速度： 一K种运输方式单位里程时间消耗： -28
- 28 - 3.2.3 道路货运需求预测 （1）综合货运量预测 在 S 市经济快速增长的推动下，S 市货运量近年保持着良好的发展态势。采用 灰色预测、综合自回归平滑预测和回归预测模型组合预测未来 S 市货运发展情况， 预测结果如表Ⅰ-3-11 所示。 表Ⅰ-3-11 S 市关键年份货运量预测 （2）货运运输结构预测 多分类 Logit 模型概率计算公式与参照运输方式有关。参照运输方式下标记为 0，则其表达式为： 其中： Pk ———K 种运输方式的市场份额； Vk ———K 种运输方式的平均速度； 1 Vk − ———K 种运输方式单位里程时间消耗； 预测方法 预测模型 预测结果 （万吨） 2009 2015 2020 灰色预测 11487 19431 27014 综合自回归平 滑预测 11487 17683 24875 回归预测 11487 18874 26147 组合预测 11487 18559 25712 组合预测增长率（%） — 8.32 7.60 0.0088454 1847.8217 t Y e t = 453 (1 0.995 )(1 ) (1 0.774 )(1 ) t t B B Y B B + − − = − − Y=-23021+0.5305 +0.005 ( GDP M P P M 表示人口， 表示 ） Y Y Y Y = + + 1 1 2 2 3 3 1 1 0 0 1 1 0 0 0 1 1 0 0 0 exp( ( ) ( ) 0 1 exp( ( ) ( )) 1 0 1 exp( ( ) ( )) k k k k k k k k k k k k k k k k k k a b v v c f f k a b v v c f f P k a b v v c f f − − − − − − + − + − + + − + − = = + + − + − ，
厂一K种运输方式运输费率： a:、6、9一根据历史市场份额采用加权最小二乘法或极大似然估 计法求出来的拟合参数。4,4,9的取值与参照运输方式有关。此处在计算时以 铁路运输为参照方式。公路、水路系数4：，4,9的计算结果如下： 公路：4=6.696，么=-33692,9=-4.161 水路：4=-1.407,6=35.151,6=4.168 特征年客运运输结构预测值见表1-3-12。 表3-12货运方式分担率预测表 年份 公路 铁略 水路 2009 94.19% 1.03% 4.78% 2015 81.68% 6.92% 11.40% 2020 74.10% 11.579% 14.33% 从预测的结果可以看出，未来S市公路货运所占比重将会有所下降，而水路与 铁路货运将会明显的增长，这与近年来S市加强港口以及铁路建设有着密切的关系。 (3)公路货运运力结构预测 1)运力结构适应性评价 为了评价的方便，将车型按小于4吨、14吨以上以及两者之间分为三类，借鉴 柯布一道格拉斯(Cobb一Douglas)生产函数思想，建立反映不同货运车型车数与 运量关系的运力发展模型。由模型可以看出，S市道路货运车辆运力结构调整取得 成效，大型和小型货车对道路货运的贡献较大，大型货车每增加1%，给道路货运 量贡献0.462%。小型货车的贡献率则为0.315%，而中型车对道路货运的增量贡献 为负值，表明运力结构需要继续大型化和小型化两个方向转移。 2)专业车型预测 采用二分类L0g模型预测专业车辆数比例。表达式为： -29
- 29 - k f ———K 种运输方式运输费率； k a 、 k b 、 k c ———根据历史市场份额采用加权最小二乘法或极大似然估 计法求出来的拟合参数。 k a ， k b ， k c 的取值与参照运输方式有关。此处在计算时以 铁路运输为参照方式。公路、水路系数 k a ， k b ， k c 的计算结果如下： 公路： 1 a = 6.696， 1 b = −336.92， 1 c = −4.161 ； 水路： 3 a = −1.407， 3 b = 35.151， 3 c = −4.168。 特征年客运运输结构预测值见表Ⅰ-3-12。 表Ⅰ-3-12 货运方式分担率预测表 年份 公路 铁路 水路 2009 94.19% 1.03% 4.78% 2015 81.68% 6.92% 11.40% 2020 74.10% 11.57% 14.33% 从预测的结果可以看出，未来 S 市公路货运所占比重将会有所下降，而水路与 铁路货运将会明显的增长，这与近年来 S 市加强港口以及铁路建设有着密切的关系。 （3）公路货运运力结构预测 1）运力结构适应性评价 为了评价的方便，将车型按小于 4 吨、14 吨以上以及两者之间分为三类，借鉴 柯布一道格拉斯（Cobb—Douglas）生产函数思想，建立反映不同货运车型车数与 运量关系的运力发展模型。由模型可以看出，S 市道路货运车辆运力结构调整取得 成效，大型和小型货车对道路货运的贡献较大，大型货车每增加 1%，给道路货运 量贡献 0.462%。小型货车的贡献率则为 0.315%，而中型车对道路货运的增量贡献 为负值，表明运力结构需要继续大型化和小型化两个方向转移。 2）专业车型预测 采用二分类 Logit 模型预测专业车辆数比例。表达式为：
P-1G8 其中：P 一专业车辆数所占比例： 一公路货运量： a、b 一根据历史比例采用加权最小二乘法或极大似然估计法求出 来的拟合参数。 a、b拟合结果如下： a=1.91.b=-1.243×10 预测结果如下表-3-13所示。 表3-13基础数据及预测结果 年份 专业车 非专业车 货运量 专业车比例(%) (编) (辆) (万吨) 实际值 预测值 200927921 44964 10820 38.29 2015 46566 47698 15159 49.4 20206495546269 18093 58.4 3.2.4驾培市场需求预测 随着机动车保有量的快速增长，S市驾培市场快速发展。采用指数平滑、综合 自回归平滑预测和回归预测模型组合预测S市未来驾培市场发展情况，预测结果如 表1-3-14所示。 表3-14S市关键年份驾培市场培训量预测 预测结果（人） 预测方法 预测模型 2009 20152020 S,=0.9×y,+0.1×(S,+b-) HOLT双参数 指数平滑 b,=0.1×(S,-,-1)+0.9×b- 181201 291155 376103 y=S,+b,×T 综合自回归平 ,_2345+(1-0.979B0-B)E 181201 293092 38534 滑预测 1+0.551B1-B) -30-
- 30 - exp( ) 1 exp( ) a b Q P a b Q + = + + 其中： P ———专业车辆数所占比例； Q———公路货运量； a、b ———根据历史比例采用加权最小二乘法或极大似然估计法求出 来的拟合参数。 a、b 拟合结果如下： a =1.91， 4 b 1.243 10− = − 。 预测结果如下表Ⅰ-3-13 所示。 表Ⅰ-3-13 基础数据及预测结果 年份 专业车 （辆） 非专业车 （辆） 货运量 （万吨） 专业车比例（%） 实际值 预测值 2009 27921 44964 10820 38.29 — 2015 46566 47698 15159 — 49.4 2020 64955 46269 18093 — 58.4 3.2.4 驾培市场需求预测 随着机动车保有量的快速增长，S 市驾培市场快速发展。采用指数平滑、综合 自回归平滑预测和回归预测模型组合预测 S 市未来驾培市场发展情况，预测结果如 表Ⅰ-3-14 所示。 表Ⅰ-3-14 S 市关键年份驾培市场培训量预测 预测方法 预测模型 预测结果 （人） 2009 2015 2020 HOLT 双参数 指数平滑 y S b T b S S b S y S b t t t t t t t t t t t = + = − + = + + + − − − − 1 1 1 1 1 ˆ 0.1 ( ) 0.9 0.9 0.1 ( ) 181201 291155 376103 综合自回归平 滑预测 22345 (1 0.979 )(1 ) (1 0.551 )(1 ) t t B B Y B B + − − = + − 181201 293092 385341