EN中文

经济地理 >

2021 , Vol. 41 >Issue 7: 128 - 137

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.07.014

产业经济与创新发展

2000年以来中国铁路货物运输格局演化特征与影响因素

  • 宗会明 , 1, 2 ,
  • 黄言 , ※ ,
  • 季欣 1
展开
  • 1.西南大学 地理科学学院，中国 重庆 400715
  • 2.西南大学 区域经济研究所，中国 重庆 400715
※黄言（1996—），男，四川眉山人，硕士研究生，研究方向为交通运输与区域发展。E-mail：

宗会明（1981—），男，山东淄博人，教授，博士生导师，研究方向为城市地理与城乡规划。E-mail：

收稿日期: 2020-08-18

  修回日期: 2020-11-03

  网络出版日期: 2025-03-31

基金资助

国家自然科学基金项目(41671159)

重庆市教委哲学社会科学重大理论研究阐释专项课题重大项目(19SKZDZX08)

重庆市教委人文社会科学研究项目

收起

Evolution Characteristics and Determinants of China's Railway Freight Transport Since 2000

  • ZONG Huiming , 1, 2 ,
  • HUANG Yan , ※ ,
  • JI Xin 1
Expand
  • 1. School of Geographical Sciences，Southwest University，Chongqing 400715，China
  • 2. Research Institute of Regional Economy，Southwest University，Chongqing 400715，China

Received date: 2020-08-18

  Revised date: 2020-11-03

  Online published: 2025-03-31

Fold

摘要

基于省际铁路物流数据，从国家和省域尺度对2000—2018年中国铁路货物运输时空格局演变特征进行分析。在此基础上，以各省铁路货物运输量为因变量，构建固定效应模型，研究铁路货物运输量的影响因素。结果表明：①2000—2018年，中国铁路的货运能力和货运量均得到较大的提升，但铁路在货运市场中的地位经历小幅提升之后不断下降。②省际铁路货运量分布高度不均衡，极化态势显著。煤炭生产格局的调整以及煤炭产能的增加极大地增强了中国北方省份在铁路货运网络中的中心地位，并提升煤运通道铁路的运输密度。此外，内陆省份的铁路货运得到一定程度的发展，但东部沿海发达省份的铁路货运市场逐渐萎缩。③铁路网络的拓展、多式联运的发展、地区经济发展和产业结构调整以及煤炭产能变化等因素对各省的铁路货运量影响显著，且这些因素对货物到达量和货物发送量的影响会有所不同。未来随着高速铁路货运的发展以及“一带一路”倡议的深化，铁路货运仍拥有较大的发展潜力和发展机遇。

关键词： 铁路货运; 货运量; 格局; 煤炭运输; 铁路物流; 多式联运

本文引用格式

宗会明 , 黄言 , 季欣 . 2000年以来中国铁路货物运输格局演化特征与影响因素[J]. 经济地理, 2021 , 41(7) : 128 -137 . DOI: 10.15957/j.cnki.jjdl.2021.07.014

Abstract

Based on the national and inter-provincial railway freight statistic dataset,this paper investigates the evolution characteristics of China's railway freight transport from 2000 to 2018 at both national and provincial levels. Additionally,a fixed effect regression model is constructed to study the determinants of the railway freight transport volume. The results show that: 1) Both of the capacity and volume of railway freight transport in China have been greatly improved from 2000 to 2018,while the influence of railway freight transport in the freight market has been declining after a slight rise. 2) Provincial railway freight volume shows highly uneven and polarized distribution characteristics in China. The increase of coal production and spatial pattern of coal production have greatly strengthened the central position of China's northern provinces in the inter-province railway freight network,and improved the freight flow density of railways in the coal transportation channels. Besides,the railway freight transport has somewhat developed in China's inland provinces,while shrinkage of railway freight market occurred in eastern coastal provinces. 3) The expansion of railway network,development of multi-modal transport,regional economic development and industrial structure adjustment,and change of coal production have significant impacts on the railway freight volume of each province. But these factors have different effects on the arrived freight volume and dispatched freight volume. It is argued that railway freight transport has a promising future in China,with the development of express delivery by high-speed railway and the Belt and Road Initiative.

Key words： railway freight transport; freight volume; pattern; coal transportation; railway logistics; multi-modal transport

自19世纪初第一条铁路在英国开通以来，铁路运输长期是全球最主要的陆路交通运输方式之一，并在塑造国家和区域领土格局和经济格局的过程中发挥着重要的作用[1]。进入21世纪，伴随着产业升级和其他交通运输方式的发展，铁路运输在货运市场的竞争中已经逐渐失去了优势[2]。然而，在减少污染、降低交通拥堵等方面，铁路运输与公路和航空运输相比具有显著的优势[3]。因此，在一些国家和地区，铁路在货运市场中的作用重新得到了重视，铁路货运的复兴问题也被提上了政府日程[4⇓-6]。
作为拥有广阔内陆腹地的国家，中国的铁路网络在货运市场中扮演着至关重要的角色[7]。有关中国铁路货物运输的研究起步较早。在宏观和中观层面，金凤君等早在1990年代初就开始关注中国省际铁路货物运输格局，并关注了铁路的货运结构[8]。王成金进一步从省域和地级层面分析1950年代以来中国铁路物流空间格局的演变特征，并识别了铁路集装箱交流枢纽[9-10]。此外，由于长期以来煤炭在中国铁路运输货物结构以及能源结构中占据较大的比重[11-12]，部分学者重点关注了中国铁路的煤炭输送格局以及铁路煤运通道建设等问题[13⇓-15]。而在微观层面，修春亮等将研究单元从国家、省域和市域转移到铁路“区段”水平，并利用铁路“区段”的客货运密度分析了1990—2005年东北地区铁路客货运输的空间演化规律，发现铁路客货流在一定程度上呈现极化趋势，并逐渐向铁路主轴（哈大线）集中[16]。魏冶等进一步探讨了东北地区铁路客货运输空间极化格局的驱动机制，发现铁路运输的极化主要受到经济和人口增长、城市尤其是中心城市发展等因素的影响[17]。
2000年以来，伴随着中国经济的快速发展，全国货物运输量和铁路货物运输量的年均增速均明显快于上一个时期。2001年中国加入世界贸易组织，全面融入世界经济体系，工业制造业和产品出口得到了快速的发展[18]。这一变化势必会对中国铁路货物运输格局带来影响。然而，尽管有研究对中国铁路货运格局进行了分析，但大多集中于对煤炭、集装箱等单一货物种类的研究[15,19]，且关注对象多为2005年以前的铁路货运格局。针对2005年以后的铁路运输格局的变化及其影响因素的研究鲜见。有鉴于此，本文基于国家铁路货运数据，从国家和省域尺度分析2000年以来中国铁路的货物运输格局及其演变特征，并对影响因素进行研究，以期为未来中国铁路货运发展规划和政策的制定提供参考。

1 数据与研究方法

1.1 数据来源与预处理

本研究所涉及铁路的货运量以及各省的社会经济数据主要来自于各年份的统计年鉴以及中国铁路总公司的年度统计资料。其中，国家铁路各区段的货物运输密度来自于各年份的《全国铁路统计资料汇编》，并参考既有研究对原始数据进行相关处理和可视化[16]。省域之间的国家铁路货物交流量数据来源于《全国铁路统计资料汇编》和《中国统计年鉴》，前者包含分类型的货物交流量数据。全国以及各省区的铁路货运量变化分析包含2000—2018年的全时段数据。而由于数据获取等方面的限制，本文仅对2001、2008以及2016年三个时间节点的铁路货物运输的空间格局进行分析。这3年的数据基本可以反映2000年以来中国铁路货物运输格局的演化特征。本研究选择中间年份作为阶段划分的节点，这可能会避开空间格局发生质变的时间节点。鉴于本研究的关注点在于铁路运输格局在一个较长时期内的整体变化，并不对各阶段之间的变化进行比较，因此这并不会影响到结论。省域间的货流联系形成31×31的有向非对称矩阵，分别计算各省的货物输入量、输出量以及总运输量。
F I i = ∑ j = 1 n L j i
F O i = ∑ j = 1 n L i j
F T i = F I i + F O i
式中： F I i为省域i的铁路货物到达量； F O i为省域i的铁路货物发送量； L i j和 L j i分别代表省域i到省域j的铁路货物发送量以及省域j到省域i的铁路货物发送量； F T i为省域i的铁路货物总运输量。

1.2 省际物流源汇点强度评价

参考物流场论，从源点和汇点的角度出发，利用影响力 R O i和汇聚力 R I i来评价各省在全国铁路物流网络中的地位[20]。其中，影响力 R O i定义为省域i的铁路货物发送量 F O i占全国省际间铁路货运量C的比重，而汇聚力 R I i定义为省域i的铁路货物到达量 F I i占全国省际间铁路货运量C的比重。C即为所有省份铁路货物到达量FI或发送量FO之和。两者计算公式如下：
R O i = F O i × 100 / C
R I i = F I i × 100 / C
影响力 R O i值较高时，表明省域i为铁路货运的重要源点；而汇聚力 R I i值较高时，表明省域i为铁路货运的重要汇点。

1.3 回归模型构建与变量的选取

本文的研究样本为中国大陆31个省级行政单元，通过获取2000—2018年各省铁路货运量以及其他社会经济数据，构建平衡面板数据集。因变量为各省的铁路货物到达量、发送量以及铁路货运总量，其中货运总量为发出量和到达量之和。自变量的选择参考既有研究成果，从交通建设与发展、经济和产业发展以及能源生产和消费三个方面选择指标[21⇓-23]。其中，交通建设与发展方面选择各省铁路营业里程、港口码头货物吞吐量以及公路运输和水运市场份额等指标，反映铁路货物运输能力以及其他交通运输方式的竞争程度等。而经济和产业发展方面选择各省GDP以及三大产业增加值比重，反映宏观经济形势以及经济结构。能源生产和消费方面选择煤炭的生产和消费量，因为煤炭既是消费量最大的一次能源，也是中国铁路运量最大的货物[24]。所有的指标见表1。
表1 变量定义与解释

Tab.1 The definition and explanation of variables

符号 变量描述 变量类型 影响方向预判
因变量 Y FT 各省铁路货物总运输量，为到达量和发出量之和/万t 连续
FI 各省铁路货物到达总量/万t 连续
FO 各省铁路货物发送总量/万t 连续
自变量 交通建设与发展 MR 各省的铁路营业里程/km 连续 ＋
TC 沿海港口码头货物吞吐量/万t 连续 －
TI 内河港口码头货物吞吐量/万t 连续 －
RH 公路货运市场份额/% 连续 －
RW 水路货运市场份额/% 连续 －
经济和产业发展 GDP 各省的GDP/亿元 连续 ＋
RP 各省第一产业增加值比重/% 连续 ＋
RS 各省第二产业增加值比重/% 连续 ＋
RT 各省第三产业增加值比重/% 连续 －
能源生产和消费 YC 各省原煤生产量/万t 连续 ＋
CC 各省煤炭消费量/万t 连续 ＋
方差膨胀因子VIF计算结果表明，所有指标间不存在多重共线性。为消除异方差，对所有的连续变量进行对数变换。此外，参考既有研究[25]，对部分存在0值的指标加1后再取对数。考虑到RP、RS和RT 3个指标间存在相关性，为避免共线性，本文构建了两个回归模型。其中模型（6）包含RP和RS，模型（7）包含RT，并利用模型（7）进行稳健性检验。由于Hausman检验的结果拒绝了原假设，因此对两组模型均选择固定效应模型。
l n ( Y ) = β 1 M R i t + β 2 T C i t + β 3 T I i t + β 4 R H i t + β 5 R W i t + β 6 G D P i t + β 7 R P i t + β 8 R S i t + β 9 Y C i t + β 10 C C i t + α + ε i t
l n ( Y ) = β 1 M R i t + β 2 T C i t + β 3 T I i t + β 4 R H i t + β 5 R W i t + β 6 G D P i t + β 7 R T i t + β 8 Y C i t + β 9 C C i t + α + ε i t

2 铁路货运格局演化特征分析

2.1 铁路货物运输量与空间分布格局变化

①中国铁路的货运能力不断提升，但铁路在货运市场中的地位不断下滑。2000—2018年中国铁路货运量经历了波动上升的过程（表2）。其中，2000—2012年期间，铁路货运量由1 786百万t增长至3 904百万t，增长幅度超过118%，但铁路营业里程仅仅增长了42%。而2012—2016年，随着铁路营业里程的大幅度增加以及电气化和复线改造的推进，铁路的货运能力得到了较大的提升，但货运量并没有显著地增长，反而出现了一定程度的下滑。在2016年以后，铁路货运量又出现了快速增长的趋势。与此同时，铁路运输在全社会货物运输量中所占的比重也呈现逐年下降的趋势。2000—2006年期间，铁路在货运市场中的分担率呈现小幅度上升的趋势，但2006年以后逐渐下降。到2018年，尽管铁路货运量是2000年的2倍，但铁路在货运市场中的货物运输分担率仅有7.81%，远低于2000年的13.14%。这表明与其他交通运输方式相比，铁路在货物运输中市场中的地位也在不断下滑。此外，铁路货物运输量的变化也与中国产业结构中的第二产业变化基本一致。2000—2018年期间，中国第二产业的比重也经历了从增长到下滑的变化过程，而二产比重下滑最显著的阶段（即2012—2016年期间）也是中国铁路货物运输量下滑的阶段。
表2 2000—2018年中国铁路运输指标与产业结构

Tab.2 Railway transport indexes and industrial structure in China from 2000 to 2018

年份 铁路线路 铁路货物运输 产业结构
铁路营业里程
（万km）		 电气化铁路比重
（%）		 复线铁路比重
（%）		 铁路货运量
（百万t）		 国家铁路货运量
（百万t）		 铁路货运分担率
（%）		 第二产业比重
（%）
2000 6.87 21.63 36.50 1 786 1 655 13.14 45.5
2002 7.19 24.20 38.70 2 050 1 876 13.82 44.5
2004 7.44 25.00 39.10 2 490 2 178 14.59 45.9
2006 7.71 30.40 39.81 2 882 2 455 14.15 47.6
2008 7.97 31.38 41.58 3 304 2 752 12.78 47.0
2010 9.12 35.88 44.81 3 643 3 095 11.24 46.5
2012 9.76 36.35 46.25 3 904 3 236 9.52 45.4
2014 11.18 32.96 48.58 3 813 3 069 9.15 43.3
2016 12.40 64.77 54.90 3 332 2 652 7.60 40.1
2018 13.17 70.01 58.02 4 026 3 191 7.81 40.7
②中国省际铁路货运的源汇点在不断极化，且煤炭的运输对源汇点格局影响显著。图1为各省份在省际铁路货运网络中源汇点强度的变化情况。可以看出，仅有少数省份的源汇点强度呈现逐年大幅增加的趋势，而大部分省份的源汇点强度都保持稳定或逐年降低。这表明省际铁路货流分布呈现极化发展的趋势。从源点强度RO来看，作为中国煤炭主产区的山西和内蒙古影响力增长显著，而陕西也呈现快速增长的趋势。其中，在2000年，影响力最高的省份是山西，其次是黑龙江和辽宁，影响力在7%以上；但到2008年，内蒙古已经超过黑龙江和辽宁，在影响力上排名第二，仅次于山西，且山西和内蒙古的影响力依然在不断提升；辽宁、黑龙江等影响力位于第二阵营的省份源点强度均呈现下降的趋势，货流源点的空间极化在不断加剧。这与中国煤炭生产格局的优化有关。由于国家推进了煤炭资源整合，拥有大型煤炭基地、煤炭资源丰富、生产成本较低的山西、内蒙古和陕西等省份的煤炭生产得到稳步的发展，而其余地区的煤炭生产规模则在不断压缩[26-27]。而从汇点强度来看，河北的汇聚力最强，且一直呈现快速上升的趋势。而辽宁和山东的汇聚力仅次于河北，但汇聚力基本保持稳定或略有降低。这三个省份汇聚力较高的原因很大程度上是因为这些省份处于北方煤炭运输通道沿线，并且是煤炭“铁海联运”的重要节点。与此同时，沿海省份和经济发达的省份如江苏、上海、北京、广东等汇聚力普遍呈现下降趋势，而大部分内陆省份的汇聚力则略有增加或保持稳定。
图1 2000—2018年各省铁路货流源点和汇点强度变化

Fig.1 Intensity of source and destination of inter-provincial railway freight flows from 2000 to 2018

③从货物运输路径来看，中国北方地区的铁路运输密度显著高于南方，而煤炭运输对铁路运输量的影响显著。图2为中国国家铁路各区段运输密度（上下行合并）及其变化情况。在各个时期，中国北方地区的铁路货运密度都要显著大于南方，而华北地区铁路最为繁忙，这种格局很大程度上与中国的煤炭输运有关。由于中国的华北地区是煤炭的主要产区，因此这一地区的铁路货运密度都要显著高于其他地区。此外，为了节约成本，中国煤炭运输大多采用“铁海（水）联运”的运输模式。其中，内蒙古和晋东等地的煤炭通过大秦铁路汇入秦皇岛，然后通过海运分发到市场，而晋南等地的煤炭则通过铁路转运至山东、江苏以及长江沿线港口。这也可以解释为何河北、山东、辽宁等沿海省份具有较高的汇点强度。与此同时，东北地区也是中国铁路货运最繁忙的区域之一，这得益于该地区丰富的资源以及重工业的布局。从各铁路区段货运密度的变化来看，2001—2008年国家铁路的货运密度普遍增长，而京包、大秦、侯月线等联系煤炭产区的铁路线路货运密度增长最为显著。这一时期也是中国煤炭生产量增长最快的时期。而2008年以后，受到能源结构和产业结构调整的影响，半数以上的国家铁路货运密度不同程度下降，仅有少部分铁路的货运密度有所增加。
图2 2001—2016年中国国家铁路货物运输密度及其变化

注：本图基于国家测绘地理信息局标准地图服务网站下载审图号为GS（2019）1823 的标准地图制作，底图无修改。

Fig.2 Distribution and variation of national railway freight flow density in China from 2001 to 2016

2.2 省际铁路货物运输网络空间格局变化

考虑到国家铁路承担了大部分的铁路货运运输任务（2016年国家铁路货运量约占铁路货运总量的80%），因此选择国家铁路行政区间的货物交流量来刻画省际铁路货物运输网络格局（图3）。此外，煤炭、金属矿石、钢铁及有色金属以及石油四类货物运量占全部国家铁路货运量的比重已经超过了70%（2016年），因此本文选择以上四类货物运输量进行可视化（图4），用于分析省际货物交流情况。
图3 2001—2016年跨省铁路货流主要流向空间格局

Fig.3 Spatial distribution of inter-provincial railway freight flows from 2001 to 2016

图4 2001—2016年主要货物省际铁路运输量和弦图

Fig.4 The chord diagram of inter-provincial railway freight volumes of major goods from 2001 to 2016

①中国铁路货流区域差异显著，北方地区一直是省际铁路货流的核心地带。从2001、2008和2016年省际铁路货流空间分布来看，中国北方地区，尤其是华北和东北地区一直是高强度铁路货流最集中的区域（图3）。其中，山西省依靠煤炭外运成为最大的网络扩散中心，而随着煤炭开采量的增加，内蒙古也成为仅次于山西的扩散中心。而华北地区的河北和天津，华东地区的江苏和安徽、东北地区的辽宁和吉林以及华中地区的河南和湖北等省份成为铁路货流的重要目的地，这在很大程度上受到了中国煤炭外运通道布局的影响[28]。煤炭的开采与运输也加剧了长江以北，尤其是华北地区铁路货物运输压力。此外，中国北方的省份也是金属矿石、石油、钢铁及有色金属等生产量和需求量最大的地区，这在很大程度上增强了北方地区省份之间的铁路货物交流量。
②铁路货流覆盖范围逐渐扩大，西部地区省份对外铁路货流联系得到加强。2001年，高强度的铁路货流集中在中国的东北、华北、华中以及华东地区，西部地区省份间的铁路货物交流量较低（图3）。到2008年，全国各省份之间的铁路货物交流量普遍有所增加，其中部分西部省份（陕西、四川、云南、贵州等）对外铁路货物交流量提升显著。此外，山东、江苏、广东和广西等沿海省份与内陆地区省份间的货物交流量也有所增加。到2016年，中国西南和西北地区对外铁路货物交流量进一步提升，西南地区省份的铁路货物到达量提升更为显著，而西北地区省份的铁路货物发出量增加量更大。与此同时，在2008—2016年期间，半数以上的省域货物交流量有所降低。其中，北京、天津、辽宁、吉林、黑龙江、河南和湖北等对外货物交流量降幅最为显著。
③中国铁路运输很大程度上以能源和资源的运输为导向，省际铁路货物运输联系呈现两极分化的趋势，跨省大运量的运输途径比较单一。各阶段的煤炭运输量基本都占据国家铁路运输量的40%以上，而煤炭的跨省铁路运输基本上都集中在河北、山西、内蒙古、山东等北方省份之间（图4）。这在很大程度上加剧了铁路运输的极化。与此同时，石油和金属矿石的运输也呈现集聚的现象。而与能源和矿产资源相比，钢铁及有色金属的省际运输更为均衡。这也反映出中国铁路运输很大程度上受到能源与资源的开采以及进出口的影响，运输的途径和货物结构非常单一。一旦资源开采量和进出口途径发生变化，铁路运输就会受到很大影响。例如全国煤炭生产规模的调整就极大地加强了华北地区铁路运输的极化。与此同时，当管道运输取代铁路运输成为陆上原油进口的主要运输方式之后，甘肃—新疆以及内蒙古—黑龙江之间的石油运输量显著降低。因此，这种以能源和资源为导向的运输模式在一定程度上加剧了铁路运输的极化，核心地带铁路运力供不应求，而边缘地带的铁路运力由于缺少货源而未能得到很好的利用。
④省际铁路货运格局很大程度上受到产业发展的影响。铁路的运输特性决定了其承载的货物主要为大宗货物，因此采矿业和制造业发达的地区往往成为铁路货运需求较大的区域，例如华北和东北地区长期成为中国铁路货运的核心地带（图4）。而随着产业的发展和产业结构的调整，省际铁路货物交流量也会受到较大的影响。例如2008—2016年期间钢铁及有色金属的铁路运输量显著减少，这在很大程度上受到了国家层面产业结构调整、钢铁行业去产能的影响。部分地区的产业结构调整也对铁路货物运输量产生了较大的影响。例如首钢搬迁之后，北京市的金属矿石和钢铁及有色金属运输量等显著降低。而内蒙古、陕西等省域的采矿业发展也带动了地区铁路货物运输量的增加。

3 铁路货运格局演化影响因素分析

根据公式（6）和公式（7）以及三组不同的因变量，汇总得到三组模型结果（表3）。其中模型1和模型2分别为公式（6）和公式（7）的回归结果。每组结果中模型1与模型2各指标的系数与显著性未呈现显著的差异，表明模型具有较好的稳健性。由各组回归结果可知：
表3 中国省际铁路货运量影响因素的回归模型结果

Tab.3 Regression results of railway freight volume in China

解释变量 铁路货运总量（FT） 铁路货物到达量（FI） 铁路货物发送量（FO）
模型 1 模型2 模型1 模型 2 模型1 模型 2
MR 0.7748***（25.85） 0.8419***（24.91） 0.7462***（29.09） 0.8155***（23.40） 0.5210***（7.00） 0.5675***（9.30）
TC -0.0087（-0.11） -0.0059（-0.06） -0.0852（-0.89） -0.0791（-0.72） 0.1909*（1.73） 0.1918*（1.78）
TI -0.0479**（-2.27） -0.0345*（-1.81） -0.0521**（-2.64） -0.0356*（-1.83） -0.0452*（-1.83） -0.0360*（-1.79）
RH -0.3231*（-1.76） -0.1275（-0.30） 0.1691（0.45） 0.4088（0.86） -0.8805**（-2.09） -0.7600*（-1.82）
RW -0.3608***（-3.28） -0.2702**（-2.33） -0.1285（-1.04） -0.0330（-0.26） -0.5907***（-4.28） -0.5292***（-3.53）
GDP 0.1831**（2.20） 0.0721*（1.83） 0.2410***（2.76） 0.0747（1.63） 0.1621*（1.71） 0.0990*（1.81）
RP 0.4254*（1.96） 0.5911**（2.57） 0.2487（1.01）
RS 1.4515***（4.19） 1.5590***（4.74） 0.9853**（2.23）
RT -1.1238***（-3.51） -1.1332***（-3.50） -0.7668*（-1.92）
YC 0.0844*（1.88） 0.1132**（2.28） 0.0755**（2.13） 0.1131**（2.69） 0.1131*（1.82） 0.1312*（1.76）
CC -0.0001（-0.08） 0.0628（0.97） -0.0022（-0.06） 0.0693（1.01） 0.0037（0.07） 0.0455（0.59）

注：括号内为t值；***、**、*分别表示在99%、95%、90%置信水平下通过显著性检验。

①铁路网络建设对铁路物流的发展发挥着高度显著的正向作用。在各组的回归结果当中，铁路营业里程（MR）的回归系数为正值，并在0.01水平上显著，说明铁路网络的拓展对各地区铁路货运量的增加带来显著的正向影响。长期以来，铁路设施供给能力不足一直是制约铁路运输潜力提升的重要因素[7]。随着铁路网络的建设与升级改造，中国铁路的运输能力得到提升，内陆省份的铁路物流也得到较快的发展[29]。此外，铁路营业里程在铁路货运总量（FT）和铁路货物到达量（FI）两组结果中的弹性系数远高于在铁路货物发送量（FO）组别中的回归结果。这也说明铁路网络建设对货物到达量的影响强于对货物发送量的影响。
②货物的运输组织方式对铁路货物运输量影响显著。铁路货物运输量会随着公路和水路运输的发展而减少，但海运对铁路货物发送量的增加存在一定的正向作用。表3中，除铁路货物到达量组别外，公路货运市场份额（RH）和水路货运市场份额（RW）的相关系数均为负值。一方面，公路和水路运输会对铁路运输产生一定的直接替代作用。另一方面，受到运输成本等因素的影响，货物运输往往采用“多式联运”的方式，因此公路运输和水运的发展会减少部分运输区段间的铁路货物运输量。以煤炭为例，全国尺度的煤炭运输往往采取东西向铁路+“海进江”和南北向铁路+长江水运的方式，这会对部分省份的铁路运输量带来负面影响。因此，铁路运输量与内河港口码头货物吞吐量呈现显著的负相关，而铁路货物到达量与沿海港口码头货物吞吐量呈非显著的负相关。此外，沿海港口码头货物吞吐量与铁路货物发送量之间显示出较为显著的正向关联。这是因为沿海港口的腹地很大程度上需要依靠铁路进行联结和扩展，因此铁路货运与海运间显示出一定的互补性。从弹性系数来看，其他交通运输方式对铁路货物发送量的影响更为显著。这是由于货物到达内陆港口或货运节点时，往往就近分拨，而铁路很少参与这一过程，因此其他交通运输方式对货物发送的影响就更加显著了。这也可以解释为何铁路营业里程对到达量的影响比对发送量的影响更显著。
③经济增长会显著促进货物运输量的增加，但产业结构的调整，尤其是第二产业比重的下降会对铁路货运量带来显著的影响。经济的增长将会促进货运需求，从而给铁路的货运量的增加带来正向的影响。随着各省产业结构的调整，铁路货运量也会发生相应的变化。其中，第一产业和第二产业增加值比重（RP和RS）与铁路货运量间呈现较为显著的正相关关系，而第三产业比重（RT）的增加则会对降低铁路货运的需求。这是因为铁路运输的货物主要为大宗货物，包括能源商品、基础原材料和农副产品，这些货物的生产和运输往往与地区的工农业发展，尤其是工业发展密切相关。如上文所述，随着各省市产业结构的调整和工业企业的转移，沿海发达省份（直辖市）如北京和上海等的铁路货物运输量逐渐下降，而内陆省份的工业化则带动了铁路货物运输量的增长。与此同时，对国际资源依赖性的加强也会在一定程度上对铁路运输量带来负向影响。随着中国重化工业逐渐向沿海和沿江地区发展，对国外资源和水运的依赖程度逐渐提高。以中国的钢铁工业为例，沿海布局已经成为中国钢铁企业发展的新方向[30]，而原料和产品的运输又高度依赖于海运，这从源头上减少了铁路运输的需求。
④煤炭的开采会对铁路运输量带来一定的正向影响。作为铁路运量最大的货物，原煤的生产量（YC）会对铁路货物发送量带来正向影响。然而，原煤生产量对铁路货物到达量的影响也是正向的，这是因为原煤生产量较大的省份往往煤炭加工业也较为发达，本地对于煤炭的需求量较大。这在一定程度上导致铁路省内的货物运输量占有较大的比重。同时，由于我国煤炭的主产区也是铁路煤运通道的主要经过省份，货物到达量中包含部分过境煤炭。然而煤炭消费量（CC）对铁路货物运输的影响没有通过显著性检验。究其原因，中国很多省份的煤炭并不完全依赖铁路运输，尤其是在中国南方地区[31]，甚至部分沿海省份的煤炭消费多依赖于进口[24]。依靠煤铁水（海）联运的运输方式，一些省份在煤炭运输上对铁路的依赖相对较小。然而，从整个煤炭的运输过程来看，煤炭消费对于整个铁路货运量具有拉动作用。因为在原煤的生产地，依然需要依靠铁路将煤炭输送到沿海或沿江的港口。由于回归模型无法涉及整个煤炭运输的过程，这一点无法通过模型的结果来反映。
⑤从相关变量的弹性系数来看，产业结构的调整是影响中国铁路货运量最核心的要素，其次才是交通基础设施建设和货物运输组织模式变化。在模型1和模型2中，铁路货运总量的第二和第三产业比重弹性分别为1.4515和1.1238，远高于其他要素。事实上，从前文铁路货运格局的分析中不难发现，无论在国家还是省域尺度上，中国铁路货运量的变化都与产业结构的调整存在非常密切的联系。在2006年以前，伴随着第二产业比重的上升，国家铁路的货运量也呈现快速增长的趋势，但随着之后第二产业比重的下滑，铁路货运量的增速也逐渐减缓。而在省域层面，与资源和能源密切相关的产业调整和企业转移则直接影响到铁路货流的流量和流向。因此，在2008—2016年期间，大部分国家铁路的货运密度都呈现出不同程度的下降趋势，而经济发达的省份也从源头上减少了对于铁路货运依赖，并在一定程度上加剧了铁路货流源汇点的极化。在经济结构调整从源头上冲击铁路货运需求的背景之下，公路运输和水运等其他运输模式的发展则进一步挤压了铁路在货运市场中的份额。因此，仅从中国的产业结构调整和综合交通运输体系的建设来看，未来铁路在货运市场中的地位还将经历持续的下滑。

4 结论和讨论

基于国家铁路货运数据，从国家和省域尺度对中国铁路货物运输时空格局进行分析，并探讨了铁路货运量时空分布演化的影响因素。研究表明：
①中国铁路的货物运输能力在不断增加，铁路货运量呈现波动上升的趋势，但铁路在货运市场中的地位经历了从小幅提升到逐步降低的发展过程。铁路在货运市场中地位的变化与中国产业结构，尤其是与第二产业比重的变化基本一致。
②中国省际铁路货物运输高度不均衡，铁路物流的源汇点和运输通道很大程度上受到煤炭运输的影响。受到资源尤其是煤炭资源分布的影响，北方地区尤其是华北和东北地区的铁路运输量显著高于南方地区。山西、内蒙古和陕西等（煤炭）资源输出的省份成为铁路物流的主要源点，而拥有煤炭转运港的北方的沿海省份成为铁路物流的主要汇点。与此同时，煤炭产能的增长对铁路货运量的增长带来显著的影响，且作为煤炭运输通道的铁路货运密度增长最为显著。
③铁路货流覆盖范围逐渐扩大，但铁路货运的极化仍在加剧。内陆地区的工业化进程推动了中西部省份铁路货运量的增加和货运联系的加强，但东部沿海地区经济发达省份在铁路货运网络中的地位在不断下降。国家层面煤炭资源的整合进一步强化了拥有大型煤炭生产基地的华北地区在铁路货运格局中的中心地位。
④经济结构调整和产业转移对中国铁路货物运输格局影响显著，多式联运的发展降低了部分地区的铁路货运需求。沿海发达省份产业的转型升级导致对铁路运输的依赖也逐渐下降，而内陆省份的工业化进程则增加了对大宗货物的运输需求。以钢铁企业为代表的重化工业趋向于沿江、沿海发展的布局战略增强了对国外资源和水运的依赖程度，从源头上减少了铁路的运输需求。尽管铁路的建设和升级改造增加了运力，一定程度上增加了铁路运输量，但多式联运的发展减少了部分运输环节对铁路运输的依赖，从而减少了部分地区的铁路货运量。
尽管随着多式联运的发展和产业结构的调整，铁路在货运交通系统中的地位正在不断下滑，但凭借着运量大、排放小等特点，铁路货运依然具有较大的发展潜力。当前，铁路货运的发展至少拥有来自两个方面的契机。一方面是高速铁路建设对现有铁路运输格局的影响。中国的高速铁路网络承担了大量的旅客运输任务，极大地释放了货运铁路的运力，提升了铁路货运效率[32-33]。与此同时，在中国电商和快递行业的快速发展的背景之下，高速铁路运输在提供快捷的包裹运输服务上具有较大的发展潜力，但高速铁路客货运输的协调与经济性还有待进一步研究[34-35]。另一方面，“一带一路”倡议背景下陆上贸易与物流通道的建设为铁路货运的发展带来新的机遇。中欧班列的建设极大地提升了中国与欧洲陆上集装箱运输量的规模[36]。但丝绸之路经济带本身就是一个陆海协同的运输系统，很难单纯依赖铁路运输，因此未来需要探索陆海协同的运输方式[37-38]。优化铁水联运、陆海互补的运输模式或许将成为推动未来铁路货运发展的主要方向之一。
受限于研究篇幅和数据可获取性，本文仅从铁路货运量和货运密度的角度分析了中国铁路货物运输格局的演化特征。然而，铁路货运格局很大程度上受到货物产地和消费地分布的影响。未来关于中国铁路货物运输的研究可以从货物生产和消费的角度来开展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Marti-Henneberg J. European integration and national models for railway networks(1840-2010)[J]. Journal of Transport Geography, 2013,26:126-138.

[2]
Islam D M Z, Blinge M. The future of European rail freight transport and logistics[J]. European Transport Research Review, 2017, 9(1):11.

[3]
Armstrong J, Preston J. Alternative railway futures:growth and/or specialisation?[J]. Journal of Transport Geography, 2011, 19(6):1570-1579.

[4]
Otsuka N, Gunther F C, Tosoni I, et al. Developing trans-European railway corridors:Lessons from the Rhine-Alpine Corridor[J]. Case Studies on Transport Policy, 2017, 5(4):527-536.

[5]
Islam D M Z, Jackson R, Zunder T H, et al. Assessing the impact of the 2011 EU Transport White Paper-a rail freight demand forecast up to 2050 for the EU27[J]. European Transport Research Review, 2015, 7(3):22.

[6]
Haywood R. Evaluation of the policies in British Local Transport Plans with regard to the promotion of rail freight[J]. Transport Reviews, 2003, 23(4):387-412.

[7]
金凤君, 陈卓. 1978年改革开放以来中国交通地理格局演变与规律[J]. 地理学报, 2019, 74(10):1941-1961.

DOI

[8]
金凤君, 张文尝. 省级区域铁路货运联系的系统研究[J]. 地理科学, 1991, 11(1):19-29,99.

[9]
王成金. 1950年代以来中国铁路物流的交流格局及演变特征[J]. 地理科学进展, 2008, 27(1):46-55.

[10]
王成金. 城际集装箱交流枢纽的识别及其物流特征——以中国铁路运输为例[J]. 地理学报, 2010, 65(10):1275-1286.

DOI

[11]
王伟, 王成金. 环渤海地区港口煤炭运输格局演变和动力机制[J]. 自然资源学报, 2014, 29(11):1916-1929.

[12]
嵇昊威, 赵媛. 长三角高速铁路网建设对江苏省煤炭铁路运输能力的影响[J]. 自然资源学报, 2014, 29(2):304-312.

DOI

[13]
宋彩萍. 加强我国铁路煤炭运输通道建设的思考[J]. 中国工程科学, 2009, 11(9):78-80,86.

[14]
嵇昊威, 赵媛. 中国煤炭铁路运输网络可达性空间格局研究[J]. 地域研究与开发, 2014, 33(1):6-11.

[15]
姜巍, 高卫东, 张敏. 中国煤炭资源铁路流通网络结构特征及其演变[J]. 经济地理, 2013, 33(1):98-104.

[16]
修春亮, 赵映慧, 宋伟. 1990年以来东北地区铁路运输的空间极化[J]. 地理学报, 2008, 63(10):1097-1107.

[17]
魏冶, 修春亮, 赵映慧. 基于GIS的东北地区铁路运输空间极化动力机制分析[J]. 铁道学报, 2010, 32(3):111-118.

[18]
干春晖, 郑若谷. 改革开放以来产业结构演进与生产率增长研究——对中国1978-2007年“结构红利假说”的检验[J]. 中国工业经济, 2009(2):55-65.

[19]
金杉, 戴特奇. 1990年代中国城际铁路集装箱运输网络空间演变[J]. 经济地理, 2008, 28(4):583-587.

[20]
马丽, 张博. 中国省际电力流动空间格局及其演变特征[J]. 自然资源学报, 2019, 34(2):348-358.

DOI

[21]
李瑞, 代明睿, 李凤姿. 基于灰色关联度的铁路货运量关键影响因子选取方法研究[J]. 铁道货运, 2015, 33(11):11-14,5.

[22]
匡敏, 胡思继, 邢培昱, 等. 基于国民经济大系统下的铁路货物运输量预测方法的研究[J]. 北方交通大学学报:社会科学版, 2003, 2(4):21-24.

[23]
耿立艳, 张天伟, 赵鹏. 基于灰色关联分析的LS-SVM铁路货运量预测[J]. 铁道学报, 2012, 34(3):1-6.

[24]
Wang C J, Ducruet C. Transport corridors and regional balance in China:the case of coal trade and logistics[J]. Journal of Transport Geography, 2014,40:3-16.

[25]
陆铭, 陈钊. 城市化、城市倾向的经济政策与城乡收入差距[J]. 经济研究, 2004(6):50-58.

[26]
柳君波, 高俊莲, 徐向阳. 中国煤炭供应行业格局优化及排放[J]. 自然资源学报, 2019, 34(3):473-486.

DOI

[27]
黄珺嫦, 张二超, 汪松. 1985-2016年中国省域煤炭生产和煤炭消费重心时空演变研究[J]. 中国矿业, 2018, 27(9):53-57.

[28]
高天明, 沈镭, 刘立涛, 等. 中国煤炭资源不均衡性及流动轨迹[J]. 自然资源学报, 2013, 28(1):92-103.

DOI

[29]
李强, 任志远, 张伶. 近30年来中国铁路运输重心空间演变轨迹分析[J]. 干旱区地理, 2009, 32(1):119-124.

[30]
王海壮, 栾维新, 马新华. 我国钢铁工业沿海布局战略研究[J]. 世界地理研究, 2011, 20(2):140-147.

[31]
王成金, 莫辉辉, 王姣娥. 中国煤炭资源的流动格局及流场规律研究[J]. 自然资源学报, 2009, 24(8):1402-1411.

DOI

[32]
Wu J H, Nash C, Wang D. Is high speed rail an appropriate solution to China's rail capacity problems?[J]. Journal of Transport Geography, 2014,40:100-111.

[33]
彭其渊, 李建光, 杨宇翔, 等. 高速铁路建设对我国铁路运输的影响[J]. 西南交通大学学报, 2016, 51(3):525-533.

[34]
Bi M K, He S W, Xu W T. Express delivery with high-speed railway:Definitely feasible or just a publicity stunt[J]. Transportation Research Part A:Policy and Practice, 2019,120:165-187.

[35]
Liang X H, Tan K H. Market potential and approaches of parcels and mail by high speed rail in China[J]. Case Studies on Transport Policy, 2019, 7(3):583-597.

[36]
王姣娥, 焦敬娟, 景悦, 等. “中欧班列”陆路运输腹地范围测算与枢纽识别[J]. 地理科学进展, 2017, 36(11):1332-1339.

DOI

[37]
陆梦秋, 陈娱. “一带一路”倡议下中欧集装箱潜在铁路运输流的空间格局模拟[J]. 地理科学, 2019, 39(9):1416-1424.

DOI

[38]
陆梦秋, 陈娱, 陆玉麒, 等. “一带一路”倡议下欧亚大陆陆海运输的空间均衡分析[J]. 地理学报, 2018, 73(8):1526-1539.

DOI

Options
文章导航

/

〈 〉