公路运输能源消耗现状及其节能降耗对策

2000年来,我国国民经济的快速发展促注交通运输业也得到稳步发展,公路客、货运输周转量的年均增长率超过了7%.据统计,2005年我国全社会完成公路客运量169.74亿人,旅客周转量9292.08亿人公里;完成公路货运量134.18亿吨,货物周转量8693.19亿吨公里.公路客运量、旅客周转量在综合运输体系中所占比重分别为91.9%和53.2%;公路货运量、货物周转量在综合运输体系中所占比重分别为72.3%和10.9%.公路运输大力发展的同时,公路运输的能源消耗也在快速增加,估计2005年全国公路运输营运车辆消耗成品油约5400万吨.     

全国交通运输去年亮点多多

公路水路民航邮政业务持续增长 2009年公路货运量、货物周转量、客运量、旅客周转量完成210亿吨、36384亿吨公里、278亿人、13450亿人公里,同比增长9．4％、10．7％、3．6％、7．8％。水路货运量、货物周转量、客运量、旅客周转量完成31．4亿吨、57440亿吨公里、2．22亿人、69亿人公里,同比增长3．0％、14．0％、2．9％、5．8％。规模以上港口完成货物吞吐量69．1亿吨,同比增长8．2％。民航完成运输总周转量427亿吨公里,旅客运输量2．3亿人、周转量3374．9亿人公里,     

道路货运业节能减排：挑战与对策

现状与存在问题
　　从中国改革开放以来,我国的卡车货运业获得了持续而快速的发展,货运量和周转量的增长都是呈现一个较高的态势,货运量年均增长6%~7%,货运周转量年均增长14%~15%。据统计,2013年,全社会卡车货运量355亿吨,货物周转量67115亿吨公里,分别占各种运输方式总量的79%和36%。经有关机构调查研究,中国现在的卡车货运量、货物周转量是全球数量最为庞大的,中国的货运量、货运周转量均为美国的3倍左右。在中国现有的货运体系中,卡车货运占了一个非常大的份额。而在车辆拥有量上近几年也有较快的增长,2013年全社会卡车拥有量为2100万辆,其中营运卡车1419万辆。     

影响区域物流量的优先经济指标的灰关联分析

通过实例,对货运总量、货物周转量与主要经济指标之间进行灰关联分析,寻找出现阶段影响区域物流量的经济指标的主次关系,得出工业总产值和社会消费品零售总额分别成为影响货运总量及货物周转量的优先经济指标.根据现阶段地区优先经济指标发展水平,为构建和完善与区域经济发展水平相协调的区域物流体系提供决策依据和理论指导.     

灰熵法在物流因子对经济影响排序中的应用

针对山东省的经济状况,运用灰熵法量化了经济发展中固定资产投资额、社会消费品零售总额、进出口贸易总额、公路铁路货运量及货运周转量等物流因子的排序问题.     

产业结构在货运量预测中的应用研究

实践证明,利用各产业比例结构与单位GDP产生的公路货运量进行回归分析,得到规划年单位GDP产生公路货运量,以及利用规划人口、人均GDP等规划数据计算规划年公路货运量,所得预测结果比较理想.     

在地公路货物运输量统计方法

提出了在地公路货物运输量的概念, 将非营运货车和外地货车纳入了在地货物运输量的统计范畴, 归纳了基础数据集; 通过分析车辆注册地、使用性质、路网等级和车流流向等因素, 提出了在地货物运输量的统计思路和拆分逻辑, 建立了在地公路货运量和货物周转量统计模型; 基于本市籍营运货车产生的货运量, 提出了在地货运量规模指数用以评估在地货运量的相对偏移程度和外地货车的参与程度。研究结果表明: 控制极限误差在10%以下时, 5种基础数据集, 即货运专项调查数据、高速公路联网收费数据、普通公路抽样调查数据、普通公路交通量调查数据和车辆管理所在册货车数据可完成在地货物运输量的精细化推算; 提出的统计模型使所研究城市创造每万元GDP的货物周转量与全国平均水平的相对偏差率为0.45%, 具有一致性; 所研究城市的在地货运量规模指数为2.47, 说明实体经济发达的城市中外地货车在当地参与运输的程度偏高; 本市籍营运货车货物运输量不足以支撑当地经济规划; 本市籍在册营运货车少并不能代表本市运力不足, 所研究城市的本市籍营运货车主要承担短途运输, 在总市内货运量中占66.28%, 而外地货车主要承担市际与省际间的货物交流, 在总跨市货运量中占79.16%;货车按车型计费后, 每种货车车型的平均载货质量与按车流划分的重车比将是在地货物运输量统计的关键参数; 省际间3轴及以上货车车流量存在着不均衡性。      

综合货运网络规模及货物周转量算法研究

通过30年来全国范围综合货运网络基础数据的分析,采用数理统计的方法,得出了三大产业生产总值和5种运输方式所承担货物周转量的相关关系函数,并以此确定了综合货运网络各种运输方式的里程规模.结合当前常规数据结构,建立不同运输方式所承担货物周转量合理比例的多目标货物周转量比例计算模型（CCTV Model）,并基于运输效率、运输效益、对经济增长的贡献分别确定了合理货物周转量构成比例.结果表明,模型利用国内的常规数据结构能够较好的预测综合货运周转量比例,并应用于未来综合货运结构的预测和分析,不同目标值决定了不同的运输方式货物周转量构成比例.     

浅析影响抽样调查数据质量的因素及解决措施

抽样调查方法是综合运用了现代数学和计算机知识的一种新的统计方法,是一种科学、可行的方法,具有很强的技术性。目前,抽样调查在公路运输行业中的应用主要是用来调查公路客运量、旅客周转量、货运量、货物周转量等指标。在实际应用过程中,经常会出现一些问题,影响抽样调查数据的质量。     

道路货运业节能减排：挑战与对策

在人人争唱四个交通大发展的今天,我们不得不说,中国的道路货运发展,总体水平上和欧美国家相比让然有很大的差距,在整个物流运输体系中,我国的道路货运依然是一个极其薄弱的环节,可以说,我们的道路货运发展任重而道远。现状与存在问题从中国改革开放以来,我国的卡车货运业获得了持续而快速的发展,货运量和周转量的增长都是呈现一个较高的态势,货运量年均增长6%~7%,货运周转量年均增长14%~15%。据统计,2013年,全社会卡车货运量355亿吨,货物周转量67115亿吨公里,     

基于模糊线性回归模型的公路货运量预测方法

确定了公路货运量的影响因素分别为GDP、人口数量、社会消费零售总额和农副产品产值,构建了基于模糊线性回归模型的公路货运量预测方法。以延安市公路货运枢纽规划为实例,1995～2004年的货运统计量作为因变量,确定了模型的模糊系数。以2005～2010年的货运统计量作为验证值,分析了模型的拟合精度,并将模糊线性回归模型的预测结果与指数平滑法、灰色模型、弹性系数法3种常见预测方法的预测结果进行比较。研究结果表明:在模糊线性回归模型中,t检验的平均值为0.673 07,说明预测值与实际值差异不显著,模型预测效果较好;4种方法的平均相对误差分别为0.073 1、0.100 3、0.167 8、0.232 9,可见,本文方法误差最小。     

上海市产业结构调整对货运量的影响分析

分析上海市产业结构调整对货运量的影响。通过定性分析上海市货运量的增长趋势,采用灰色关联分析和回归模型定量得到上海市产业结构与总货运量的关联度以及产业结构变动对单位GDP货运量的影响。文中结论用于货运需求预测以及宏观把握货运业的发展趋势方面研究,为货运业未来的发展规划提供依据。     

区域路网货物运输量统计方法改进

为更加准确获取行政区域内路网货物运输量及运输量结构性数据，支撑交通运输行业主管部门决策，在分析区域路网运输量和车辆运输量关系的基础上，依托高速公路收费的全样本数据和公路交通调查数据，采用货车日均断面交通量和等效里程两个类比指标，提出区域路网货物运输量改进的统计方法.按照公路技术等级对区域路网运输量进行细化，拆分得到运输量结构性数据，建立区域路网运输量和车辆运输量之间的联系.以云南省为例进行分析，结果表明：云南省区域路网货运周转量中，高等级公路比例约为71%，其中，高速公路比例达54%；云南省与外省区域间车辆流动性不大，经济开放程度不高.     

区域公路货物周转量结构分析与推算方法

为解决公路货物周转量结构性数据缺失的问题,将公路货物周转量分为车辆货物周转量和路网货物周转量。依托车辆年检平台,进行抽样调查获得车辆货物周转量,根据车辆行驶里程比例将车辆货物周转量分配到不同路网。以高速公路收费系统和普通公路交通量观测站为平台,获取交通量数据。结合24 h现场抽样调查数据,推算区域路网货物周转量,并按车...     

江西省公路货运量预测研究

分析各种货运量预测方法的优缺点,结合公路交通发展的特点,特别是公路货物需求的基础上,选用回归分析法、灰色预测法,对江西省公路货运量进行预测分析。通过灰色系统模型和线性回归的方法对江西省近9年的相关数据运用MATLAB进行分析,预测出江西省未来5年的公路货运量。     

公路运输业向现代物流业发展的对策

将公路运输业分为公路运输企业、货运站场及货运信息交易市场三类运作主体.指出公路货运站场应结合区位与需求条件,选择向集货中心、分货中心、转运中心、加工中心发展,并结合经济学理论指出了公路货运站场建设的投资策略.     

交通运输业CO_2排放区域差异及影响因素

交通运输业是CO_2排放的重要来源.根据长江经济带九省二市2005—2014年面板数据,以Theil指数为衡量指标,从人均、单位增加值、单位换算周转量碳排放3个方面测算交通运输业CO_2排放的区域差异;结合扩展的Kaya恒等式,通过LMDI分解分析交通运输业CO_2排放的影响因素.结果表明:长江经济带各省市交通运输业CO_2排放呈现较明显的不均衡分布,人均碳排放、单位换算周转量碳排放差异大于单位增加值碳排放差异;能源结构、单位增加值能耗、单位GDP换算周转量抑制CO_2排放(贡献率分别为1.72%、56.6%、41.68%),单位换算周转量增加值、人均GDP、人口促进CO_2排放(贡献率分别为7.99%、88.99%、3.02%).