港口腹地海鐵聯運車站的輻射范圍分析方法與應用

簡文良，謝昕妤，高良鵬

（福建理工大學 交通運輸學院，福建 福州 350118）

0 引言

在共建“一帶一路”和“雙循環”背景下，構筑“向東開行海鐵聯運班列，向西開行中歐班列”的貨運新格局是鐵路發展的趨勢。我國海鐵聯運發展仍處于初期階段，2020年，集裝箱鐵水聯運量占港口集裝箱吞吐量的比例約為2.5%，與歐美國家20%~30%的水平差距較大。港口腹地的海鐵聯運車站作為銜接內陸腹地與沿海港口的關鍵節點，具有匯聚輻射區域內貨源，并經鐵路班列運輸至港口的服務功能。研究海鐵聯運車站的輻射范圍能夠支撐港口和鐵路企業實施精準營銷，有助于促進海鐵聯運發展。

目前，貨運樞紐輻射范圍的研究，從研究對象看，主要集中在機場、港口物流樞紐和大型物流園區等重要節點[1-2]，針對鐵路貨運場站，尤其是海鐵聯運車站的研究較少[3-5]。從研究方法看，主要包括廣義費用理論[6]、引力模型[7]、集中度指數模型[8]等。其中，廣義費用理論的應用最廣，例如張新放等[3]通過計算樞紐綜合服務水平，綜合運用廣義費用理論測算成都聯運樞紐最優輻射范圍；Kim等[4]基于廣義費用理論，結合集裝箱貨物流量的累積概率密度函數估算得到鐵路場站輻射范圍約為36 km。但是，上述研究對輻射范圍的分析缺少考慮實際路網結構，測算廣義費用時，對于關鍵參數中的運距(包括接駁距離和干線運距)的處理，如采用空間直線距離乘以非直線系數的方式，容易造成輻射范圍的測算偏差。其次，為推動海鐵聯運發展，地方政府紛紛出臺相應的引導政策?；谪斦a貼的經濟性引導被諸多沿海港口城市所采納，包括寧波舟山港、廈門港、深圳港等。國內外實踐經驗表明，財政補貼能夠有效吸引港口腹地的公路貨源轉向鐵路，拓展鐵路車站輻射范圍[9]。但是，也存在鄰近港口間腹地的鐵路貨源惡性競爭問題，即受補貼港口會吸引未補貼或補貼額度相對較小港口的鐵路貨源。既有研究中，針對財政補貼的效果評估，僅定量分析了受補貼港口的海鐵聯運增量[10-11]，對鄰近港口間腹地的鐵路貨源競爭問題缺乏探討，不利于補貼政策的科學制定與調整。

綜上，考慮公、鐵實際路網結構，提出一種融合GIS空間網絡分析和廣義費用理論的海鐵聯運車站輻射范圍研究方法，以福州港和廈門港的腹地集裝箱運輸為例，在確定2 個港口腹地的鐵路車站輻射范圍基礎上，量化評估財政補貼對2 個港口的腹地鐵路車站輻射范圍與海鐵聯運量的影響。

1 輻射范圍分析方法

1.1 基本框架

為彌補既有輻射范圍分析方法中缺少考慮實際空間路網結構的不足，基于空間模擬抽樣，提出一種融合廣義費用理論和GIS網絡分析技術的港口腹地海鐵聯運車站輻射范圍研究方法，港口腹地海鐵聯運車站輻射范圍的分析框架如圖1所示。

圖1 港口腹地海鐵聯運車站輻射范圍的分析框架Fig.1 Analysis framework for radiation range of rail-sea intermodal stations in the hinterland

首先，針對港口腹地鐵路站點，采用蒙特卡洛模擬方法對站點所在區域進行大規模的足量抽樣，確定需求點集合?？紤]到我國出口集裝箱遠大于進口集裝箱的現狀，在此僅考慮腹地至港口集裝箱的單向運輸，即所確定的需求點集合均為托運起點。其次，利用GIS網絡分析法，創建公、鐵要素數據集；導入矢量化的鐵路站點所在區域的城市道路網絡、該區域至港口的鐵路和高速公路網絡，以運距為成本阻抗，分別構建公、鐵網絡數據集；針對上述抽樣需求點，利用GIS中Network Analyst擴展模塊的OD 成本矩陣功能進行最短路徑測算，分別獲取公路直達運輸的“門到港”運距矩陣、鐵路運輸的接駁距離矩陣和“站到港”運距矩陣，基于GIS的網絡分析流程如圖2 所示。根據廣義費用理論，分別測算各抽樣點利用公路和鐵路到港的廣義費用；基于廣義費用最小化原則，通過公、鐵廣義費用的比較，確定各抽樣點至港口集裝箱運輸選擇的運輸方式，明確選擇鐵路到港的需求點分布范圍。最后，以鐵路站點為圓心，選取5 km 為半徑步長分別繪制圈層；借助GIS疊加分析統計公、鐵到港的需求點數量，依據各圈層范圍內選擇公、鐵到港的需求點數測算該圈層的鐵路市場分擔率；以鐵路市場分擔率達到50%為依據，確定鐵路車站的輻射范圍，在該范圍內，鐵路優于公路。

圖2 基于GIS的網絡分析流程Fig.2 Analysis process based on GIS network analysis

1.2 廣義費用理論

在貨運交通領域，廣義費用指托運人托運貨物全過程中的總付出，包括經濟性費用和非經濟性費用，其中經濟費用包括時間價值費用、安全性價值費用等。既有研究表明，經濟性費用和時間價值費用是影響貨運方式選擇的主要因素[12]。因此，選取這2 項費用建立公、鐵集裝箱運輸的廣義費用函數。

在經濟性費用上，結合公、鐵集裝箱運輸流程，公路運費構成主要由費率與運距決定，可表達為

式中：Croad為公路運費，元/箱；croad為公路運費率，元/(箱·km)；Droad為公路運距，km。

既有研究中，多設定croad為固定費率，忽略實際運輸過程中存在的距離經濟，即運費率隨運輸距離增加而遞減的現象[13]。為此，考慮距離經濟原理，將croad設定為隨距離變化的函數，可表達為

鐵路經濟性費用由鐵路干線運費、短駁運費和發/到站裝卸綜合費用構成，可表達為

式中：Crail為鐵路經濟性費用，元/箱；Crailh為鐵路干線運費，元/箱；Cdrayage為短駁運費，元/箱；Chandle為發/到站裝卸綜合費用，元。

鐵路干線運費Crailh由基價1、基價2 和鐵路運輸距離決定，可表示為

式中：crail1為基價1，元/箱；crail2為基價2，元/(箱·km)；Drail為鐵路運距，km。

由于托運人自行組織的首末端短駁在不同地區運費差異較大，難以統一量化。因此，鐵路接駁運費以鐵路企業開展的接取送達服務費用為依據，由起步里程費和超里程費用2部分構成，可表示為

式中：Cdrayage為首端/末端短駁運費，元/箱；cdrayage1為起步里程費，元/箱；cdrayage2為超里程費率，元/(箱·km)；Ddrayage為短駁距離，km。

在時間價值費用上，一般采用單位時間價值與在途時長的乘積表示。對于同一批托運貨物，無論其選擇何種運輸方式，時間價值是一定的。因此，公、鐵的時間價值費用差異在于在途時長，可分別表示為公式⑹、公式⑺。

式中：TCroad為公路時間價值費用，元/箱；VOT為單位時間內運輸單位貨物的時間價值，元/(h·箱)；W為單位集裝箱的載重量，t；Vroad為公路運輸速度，km/h。

式中：TCrail為鐵路時間價值費用，元/箱；Vrail為鐵路運輸速度，km/h；Vdrayage為短駁速度，km/h。

綜上，公、鐵集裝箱運輸的廣義費用函數可分別表示為

即

2 案例研究

2.1 站點選取與參數標定

選取福建省內主要的集裝箱港廈門港和福州港作為研究對象。2022年，廈門港和福州港分別完成集裝箱吞吐量1243萬TEU、346萬TEU，分列國內港口集裝箱吞吐量的第7、第17位。圍繞打造“絲路海運”樞紐的目標，近年來2 個港口大力發展集裝箱海鐵聯運。目前，廈門港已經開通至向塘、吉安等6 條海鐵聯運班列，福州港已經開通至宜春、向塘等8 條海鐵聯運班列。以2 個港口已開通班列的腹地鐵路站點為例，分析這些站點的輻射范圍，腹地海鐵聯運站點選取如表1所示。

表1 腹地海鐵聯運站點選取Tab.1 Selection of rail-sea intermodal stations in the hinterland

依據圖1所示的分析框架，首先探討在無補貼狀態下各個案例站點的輻射范圍。由調研所得，2 個港口的腹地范圍主要覆蓋福建和江西兩省，海鐵聯運集裝箱源主要來自距港口200 km 以上的腹地。據此，以福建和江西兩省全域為基礎，以距離廈門港和福州港200 km 以上為條件，確定研究區域如圖3所示。針對研究區域，采用蒙特卡洛模擬進行該區域內需求點的經緯度隨機抽樣，為實現對研究區域的有效均勻覆蓋，設定模擬抽樣次數為10 000次。在此基礎上，采用廣義費用理論，對比抽樣點至港口的公路、鐵路廣義費用，確定各抽樣點至港口集裝箱運輸選擇的運輸方式，明確選擇鐵路到港的需求點分布范圍，進而分析案例鐵路站點的輻射范圍。

圖3 研究區域Fig.3 Research area

為測算各抽樣點的公、鐵廣義費用，需要獲取公式⑽、公式⑾中各參數。其中，鐵路接駁運距、站到站干線運距和公路“門到港”運距借助GIS網絡分析得到。GIS 網絡分析的公、鐵路網結構數據源于全國地理信息資源目錄服務系統。既有研究中，公路費用的測算多采用固定費率乘以運距的處理方式，忽略實際情況下公路運費存在的距離經濟特性，導致廣義費用測度偏差。針對這一不足，基于開源的貨運數據查詢網站(https：//www.56pingtai.net/route/goRoutePage.do)獲取我國主要城市間公路貨運的費用數據，參照文獻[13]中公路運費與運距的指數函數關系，通過最小二乘擬合得到我國公路運費與運距的函數關系表達式為f(Droad)=31.27×Droad-0.208。公、鐵廣義費用測算的參數確定如表2所示。

表2 公、鐵廣義費用測算的參數確定Tab.2 Determination of parameters for generalized cost calculation of road and railway

2.2 站點輻射范圍分析

基于上述參數設定和模擬抽樣結果，依據圖1所示的分析流程，借助數值計算軟件，得到研究區域內廈門港和福州港腹地的海鐵聯運需求點分布，港口腹地鐵路站點需求點分布如圖4 所示。由圖4可知，受鐵路車站周邊的城市道路網結構影響，海鐵聯運需求點分布呈現不規則的分布形狀，鐵路站點可達性越高的區域，海鐵聯運需求點越密集。其次，各站點的海鐵聯運需求點分布表現出遠離港口方向的密集度高于靠近港口方向的分布密集度特征，這是由于在遠離港口方向上，公路直達方式的運距增長，公路到港的廣義費用相較于鐵路到港不具有競爭優勢。最后，依據海鐵聯運需求點數與研究區域的需求點抽樣總數，估計廈門港與福州港在研究區域內的海鐵聯運分擔率(定義為海鐵聯運需求點數占到該港口總需求點數的比例)得到，廈門港在研究區域內(即距港口200~600 km范圍)的海鐵聯運分擔率約為7.52%，福州港在研究區域內的海鐵聯運分擔率約為24.28%。

圖4 港口腹地鐵路站點需求點分布Fig.4 Distribution of demand points of railway stations in the hinterland of ports

根據圖4 所得的各鐵路站點的海鐵聯運需求點分布結果，以鐵路站點為圓心，以5 km 為半徑步長分別繪制圈層，通過GIS網絡分析中空間連接工具進行公、鐵到港需求點數量的疊加分析，測算各圈層的鐵路分擔率，定義為該圈層海鐵聯運需求點占該圈層抽樣需求點總數的比例；以鐵路分擔率不小于50%，即該范圍內鐵路到港相比于公路到港占優為依據，確定鐵路車站的輻射范圍，廈門港腹地鐵路車站輻射范圍如圖5 所示，福州港腹地鐵路車站輻射范圍圖6 所示。由圖5 和圖6 可知，從整體上看，廈門港和福州港各腹地站點輻射范圍均表現出與該站點至港口的鐵路運距成正比的特征，即至港口鐵路運距越長，該站點的輻射范圍越大。而分港口來看，廈門港腹地各鐵路站點的輻射范圍在20~45 km(輻射范圍最小的建陽站為20~25 km，最大的向塘站和上饒站為40~45 km)；福州港腹地各鐵路站點的輻射范圍則在20~80 km(輻射范圍最小的贛州東站和邵武站為20~25 km，最大的宜春西站為75~80 km)。這一結果與我國鐵路集裝箱接駁范圍在20~80 km 區間的現狀基本相符[15]。由分析結果可知，在研究區域內福州港腹地站點的輻射范圍大于廈門港腹地站點，原因在于所選的案例站點中，公路直達福州港的平均運距(約562.15 km)顯著高于公路直達廈門港的平均運距(約439.98 km)，公路直達運距越長的市場區域，公路到港的廣義費用相較于鐵路到港越不具有競爭優勢。

圖5 廈門港腹地鐵路車站輻射范圍Fig.5 Radiation range of railway stations in the hinterland of Xiamen Port

圖6 福州港腹地鐵路車站輻射范圍Fig.6 Radiation range of railway stations in the hinterland of Fuzhou Port

3 財政補貼政策的影響分析

廈門港與福州港相距約370 km，2 個港口在研究區域內存在長期的貨源競爭，尤其是海鐵聯運的貨源競爭。廈門港自2004 年首開海鐵聯運班列起就開始實行財政補貼政策用以培育海鐵聯運市場。截至2021 年，廈門港集裝箱海鐵聯運補貼標準如表3 所示。財政補貼下，貨源地至廈門港的鐵路廣義費用得到顯著降低，使得廈門港在研究區域的海鐵聯運站點輻射范圍擴大，從而實現海鐵聯運量的有效增長。而這些海鐵聯運的增量一部分是由公路貨源轉移而來(定義為“公轉鐵”)，一部分則是由福州港的鐵路貨源轉移而來(定義為“鐵轉鐵”)。從鐵路運距的角度，福州港的鐵路貨源轉移增加了貨源地到港口的鐵路運距，提高了2 個港口集疏運系統的碳排放總額，不利于港口集疏運系統的“達峰”目標實現?；诖?，重點探究廈門港財政補貼對輻射范圍的影響，分析財政補貼下研究區域內需求點的“公轉鐵”“鐵轉鐵”效果。

表3 廈門港集裝箱海鐵聯運補貼標準Tab.3 Subsidy standard for container sea-rail intermodal in Xiamen Port

依據圖1 所示的分析框架和前文的模擬抽樣需求點，基于廈門港集裝箱海鐵聯運財政補貼標準，改變各個需求點通過鐵路運抵廈門港的廣義費用參數，得到補貼政策下的廈門港腹地鐵路車站輻射范圍變化如圖7 所示。由圖7 可知，財政補貼對廈門港腹地各鐵路站點的輻射范圍具有顯著的擴張作用。實施現行財政補貼標準情況下，研究區域廈門港各海鐵聯運站點的輻射范圍增長在5~15 km 區間，增長率在10%~50%區間。其中，輻射范圍增長率最低的向塘站約為11%，增長率最高的贛州東站約為50%。各站點輻射范圍的增長率表現出同該站點與廈門港的鐵路運距成反比的分布特征，即與廈門港的鐵路運距越短，補貼實施后的輻射范圍增長率越高。這是由于研究范圍內各站點的補貼金額相同(基本均屬于省外，1 000 km 以內)，鐵路運距越長的站點，無補貼情況下的輻射范圍基數更大。

圖7 補貼政策下的廈門港腹地鐵路車站輻射范圍變化Fig.7 Changes in the radiation range of railway stations in the hinterland of Xiamen Port under the subsidy policy

其次，分析補貼政策實施前后，廈門港腹地鐵路車站的海鐵聯運需求點分布變化。補貼政策實施前后的廈門港腹地鐵路車站海鐵聯運需求點分布變化如圖8所示。依據前文定義的海鐵聯運分擔率，即海鐵聯運需求點數占該港口總需求點數的比重，估計得到補貼后，廈門港在研究區域內的海鐵聯運分擔率約為13.74%，相比于無補貼情況下的7.52%，提高了6.22個百分點。進一步，分析這些新增的廈門港海鐵聯運需求點(共617 個需求點)在無補貼情況下的港口及到港方式選擇，得到新增的海鐵聯運需求點中，426 個需求點是由原公路需求點轉移，占比約69.04%；191 個需求點是由原福州港海鐵聯運需求點轉移，占比約30.96%。這一結果表明，廈門港財政補貼實施后，海鐵聯運增量中存在較大成分的福州港鐵路貨源轉移，說明特定港口實施海鐵聯運財政補貼，造成鄰近港口間腹地的鐵路貨源惡性競爭問題顯著。為此，提出2 點建議：①加快推進省內港口資源整合，明確省內各港口功能定位，在此基礎上，由省一級層面指導各港口的海鐵聯運補貼細則出臺，實現各港口同步、同標準補貼，避免差異化補貼后鄰近港口間的鐵路貨源惡性競爭；②完善補貼實施方案，改變以鐵路運距為唯一補貼標準判別指標的原則，鼓勵各個港口深入挖掘其優勢腹地范圍，針對本港口具有廣義費用優勢且“公轉鐵”潛力較大的市場范圍實行相應力度的補貼。

圖8 補貼政策實施前后的廈門港腹地鐵路車站海鐵聯運需求點分布變化Fig.8 Changes in the distribution of demand points for railway stations in the hinterland of Xiamen Port before and after the subsidy policy

4 結論

研究港口腹地海鐵聯運車站的輻射范圍能夠為港口和鐵路企業實施精準營銷提供有效支撐。為此，提出一種融合廣義費用理論和GIS網絡分析技術的海鐵聯運車站輻射范圍研究方法，并以福建省內福州港和廈門港為例，應用該方法分析2 個港口腹地的海鐵聯運車站輻射范圍，并從車站輻射范圍變化與海鐵聯運分擔率變化兩方面評估廈門港海鐵聯運補貼政策的實施效果。主要結論如下。

（1）無補貼情況下，在研究區域內，廈門港海鐵聯運分擔率約為7.52%，福州港約為24.28%；廈門港腹地各鐵路站點的輻射范圍在20~45 km，福州港腹地各鐵路站點的輻射范圍則在20~80 km。

（2）財政補貼能夠有效促進廈門港海鐵聯運發展，表現為財政補貼實施后，廈門港各海鐵聯運站點的輻射范圍顯著增長，在研究區域內的海鐵聯運分擔率提高約6.22個百分點。

（3）廈門港財政補貼實施后，海鐵聯運增量中，約69.04%由公路貨源轉移，約30.96%由福州港鐵路貨源轉移，差異化補貼方案造成鄰近港口間腹地的鐵路貨源惡性競爭問題突出。

此次研究在鐵路到港廣義費用的時間價值費用測算部分，未考慮由于班列發車頻率帶來的站點等待時長，會導致港口腹地鐵路站點的輻射范圍測算存在一定偏差。其次，以模擬抽樣需求點進行海鐵聯運需求的近似估計，未考慮各個需求點的集裝箱運輸需求(即箱量)差異，會導致補貼實施效果估計的誤差，后續研究中將進一步完善上述不足，細化研究結論。