我国主要城市群铁路客流特征研究

徐 涵，闻克宇，王 龙

XU Han, WEN Keyu, WANG Long

（中国铁路经济规划研究院有限公司 运输研究所，北京 100038)

城市群是在特定的地域范围内具有相当数量的不同性质、类型和等级规模的城市，依托一定的自然环境条件，以1 个或2 个超大或特大城市作为地区经济的核心，借助于现代化的交通工具和综合运输网的通达性，以及高度发达的信息网络，发生与发展着城市个体之间的内在联系，共同构成相对完整的城市“集合体”[1]。铁路特别是高速铁路的发展，能够增强中心城市福射能力，实现资源在更大范围内的优化配置，进而加速城市群的发展进程；城市群发展带来的运输需求增加也将改变铁路运输格局并加速铁路的建设与发展[2-7]。分析城市群铁路客流波动变化，有利于从时空分布角度研究铁路网规划建设方案和铁路运力资源配置。2018 年11 月18 日，中共中央、国务院发布的《中共中央国务院关于建立更加有效的区域协调发展新机制的意见》明确指出，以京津冀城市群、长三角城市群、粤港澳大湾区、成渝城市群、长江中游城市群、中原城市群和关中平原城市群等城市群推动国家重大区域战略融合发展，建立以中心城市引领城市群发展、城市群带动区域发展新模式，推动区域板块之间融合互动发展[8]。因此，主要针对这7 个城市群分析城市群总体铁路客流变化和各城市群铁路客流特征。

1 主要城市群铁路客流变化分析

1.1 城市群内与城市群间铁路客流变化

2015—2018 年7 大城市群铁路客流量如表1所示。其中，“城市群内客流”为各城市群内客流量之和；“城市群间客流”为始发在某城市群、终到在另一城市群的客流之和。

表1 2015—2018 年7 大城市群铁路客流量Tab.1 Railway passenger transport volume of 7 major urban agglomerations from 2015 to 2018

从表1 中可以看出：①城市群内客流增速明显快于城市群间客流。城市群内客流的增长趋势较为明显，2018 年城市群内客流量12.1 亿人，年均增长12.95%，占城市群客流73%，提高了4%。城市群间铁路客流的波动变化相对平稳，2018 年城市群间客流量4.4 亿人次，年均增长6.42%。②主要城市群客流占比提升至约50%。从京津冀、长三角、粤港澳、成渝、长江中游、中原和关中7 个主要城市群铁路客流量看，2018 年完成16.5 亿人次，占全路49.3%，较2015 年提高1.3%，2015 年以来年均增长11.04%。

2018 年分月份城市群与全国铁路客流量波动变化如表2 所示。从分月份城市群铁路内和城市群间客流的波动周期来看，2 月为城市群内客流的低点，却是城市群间客流的高位；每年4，5，10 月，城市群内客流均达到阶段性顶点，而相比之下，同期的城市群间客流则均处于低位；另外，每年暑运的7，8 月为铁路客运旺季，城市群间客流也随之达到峰值区间，而城市群内客流量虽然也达到阶段性高点，但并非其全年的最高点，且与其他月份的差距并不显著。由此表明，春运和暑运长假期间，跨区域中长途的旅游和探亲出行为铁路客运的主要流线；而清明、五一、十一等小长假，人们则以城市群内的短距离出行为主。

从城市群铁路客流量与全国铁路客流量比较分析来看，全国客运量的波动幅度明显强于城市群客流，这也真切反映了7 大城市群客流量的波动变化较全国水平更为平稳，有利于在时间层面实现运力资源的均衡配置。城市群客流量占全国客运量的比重维持在50%上下浮动，一般在每年的4—5，10—11 月(全国铁路客运淡季)达到波峰，例如，2018 年11 月城市群客流量占全国客运量的比重达到波峰，占比为51.0%；在每年的2，8 月(全国铁路客运旺季)跌至波谷，例如，2018 年8 月城市群客流量占全国客运量的比重达到波谷，占比为46.6%，而且相比之下波谷比波峰更为凸显。由此可见，城市群客流量的平稳性对于均衡全国客运量的峰谷变化、实现削峰填谷具有促进的作用。

表2 2018 年分月份城市群与全国铁路客流量波动变化 万人Tab.2 Fluctuations of urban agglomerations and national railway passenger flow by month 2018

1.2 普速铁路和动车组客流变化

（1）普速铁路客流。从城市群普速铁路客流情况来看，城市群普速铁路客流量呈现出较为稳定的波动趋势。2018 年城市群间普速铁路客流量在高峰季2 月与3 月达到2 300 万人，在低谷季11 月与12 月为1 300 万人左右；2018 年城市群内普速铁路客流量在高峰季4 月与10 月为2 800 万 ～3 000 万人，在低谷季11 月和12 月为2 200 万人左右。城市群普速铁路客流量在全国普速铁路客运量中的比重维持在40%左右并呈周期性上下浮动态势。2018 年分月份城市群普速铁路客流波动情况如表3 所示。

（2）动车组客流。从城市群动车组客流情况来看，虽然城市群间和城市群内的动车组客流量均呈稳步增长态势，但其占全国动车组客运量的比重均呈下降趋势。主要是由于连结7 大城市群的高速铁路区际通道和衔接城市群内节点间的城际铁路率先建成通车，引领全国高速客运市场发展；而随着近年来其他地区高速铁路逐步成网带动相关地区动车组客流的增长，城市群的高速客流占比逐渐走低。但总体来看，城市群动车组客流的占比始终保持在50%以上。由于城市群内动车组客流量的增幅高于城市群间的动车组客流，因而城市群内动车组客流量波动曲线相对平稳，维持在40% ～ 50%之间，而城市群间的动车组客流量占比则以10%为基准上下浮动，但其波峰2018 年2 月降低至12.8%。2018 年分月份城市群铁路动车组客流波动情况如表4 所示。

表3 2018 年分月份城市群普速铁路客流波动情况 万人Tab.3 Fluctuation of conventional railway passenger flow in urban agglomerations by month 2018

表4 2018 年分月份城市群铁路动车组客流波动情况 万人Tab.4 Fluctuations of EMUs railway in urban agglomerations by month 2018

2 主要城市群铁路客流特征分析

2.1 各城市群客流增速特征

2015—2018 年城市群铁路OD 客流年均增速如表5 所示。从2015—2018 年城市群铁路OD 客流年均增速来看，除关中城市群外，各城市群内客流量增速均高于城市群间客流量，可见，城市群内增量为未来铁路客运增量的重要动力。其中，成渝城市群内增速最高，其次为粤港澳、长三角、中原和长江中游城市群；关中城市群的城市群间客流量增速最高，其次为成渝、长三角和中原城市群。

2.2 各城市群铁路客流特征

以2018 年7 大城市群间的铁路客流为研究对象，对各城市群的旅客发送情况进行分析。城市群旅客发送量的分析有助于客车和动车段的布局规划。

（1）铁路旅客发送量。长三角的旅客发送量近5 亿人次，占全国铁路旅客发送量的14.41%，位居各大城市群之首；长江中游、京津冀和粤港澳3个城市群的客发量位居其次；中原和成渝2 个城市群的客发量位列第3 梯队；关中城市群的客发量仅7 500 万人次，在7 个城市群中垫底。2018 年城市群铁路OD 客流量占全国铁路发送量比重如表6所示。

（2）高速和普速铁路客流结构。从铁路旅客发送量的高速普速结构来看，南方城市群经济发达，动车组发送量在旅客发送量中的占比相对较高。其中，长三角和粤港澳两城市群的动车组发送量占比均达80%以上；成渝、长江中游城市群的比例也分别高达74%和64%；相比之下，北方城市群的普速铁路客流发送量相对较高，其占比均在50%左右。2018 年各城市群高速铁路和普速铁路客流发送情况如表7 所示。据此，可以有助于铁路客运高速普速运力资源的布局和分配，根据客流特征因地制宜的提供运输供给。

（3）城市群间与城市群内铁路客流结构。从城市群间与城市群内铁路客流结构来看，各城市群旅客发送量中，城市群内客流均占有绝对份额。其中，地处路网相对边缘地带的城市群内客流占比均达70%以上，成渝更是高达85%。而地处中部地带的城市群间客流相对便捷，占比相对较高。2018年各城市群间与城市群内客流情况如表8 所示。

表5 2015—2018 年城市群铁路OD 客流年均增速 %Tab.5 Average annual growth rate of railway OD passenger flow in urban agglomerations from 2015 to 2018

表6 2018 年城市群铁路OD 客流量占全国铁路发送量比重 %Tab.6 Proportion of urban agglomeration railway OD passenger flow in national railway traffic volume in 2018

表7 2018 年各城市群高速铁路和普速铁路客流发送情况Tab.7 Passenger flow traffic of high-speed railways and conventional railways in various urban agglomerations in 2018

表8 2018 年各城市群间与城市群内客流情况Tab.8 Passenger flow among and within urban agglomerations in 2018

2.3 各城市群公铁客流比较

（1）城市群间。从城市群间的铁路客流情况来看，粤港澳与长江中游、长三角与中原、长三角与长江中游城市群的客流量最多，双向客流均高达6 000 万人次以上；关中与粤港澳城市群间客流量最少，仅为200 万人次。从城市群间的高速公路客流情况来看，高速公路的客流整体低于铁路，这与公路的短距离运输特点有关，长三角与中原、京津冀与中原和长三角与长江中游的公路客流最多，同方向上，铁路的双向客流分别为高速公路的2.4 倍，2.4 倍和3.8 倍。且与铁路相比，排名靠前的城市群间距离要更近，多是临近城市群间。2018年城市群铁路OD 客流表如表9 所示。2018 年城市群高速公路OD 客流表如表10 所示。排名前列的城市群间铁路与高速公路双向客流比较如表11 所示。

（2）城市群内。从城市群内铁路公路客流比较情况来看，高速公路在城市群内客流中占主导地位，各城市群内铁路客运量占比均远低于高速公路客运量占比，粤港澳城市群铁路占比最低，占比为13.43%，长江中游城市群铁路占比最高，也仅为34.86%。应进一步提高城市群内铁路客运市场份额。城市群内铁路及高速公路客流如表12 所示。

表9 2018 年城市群铁路OD 客流表 万人Tab.9 Railway OD passenger flow of urban agglomeration in 2018

表10 2018 年城市群高速公路OD 客流表 万人Tab.10 Highway OD passenger flow of urban agglomeration in 2018

表11 排名前列的城市群间铁路与高速公路双向客流比较Tab.11 Comparison of two-way passenger flow between railways and highways in the topranking urban agglomerations

表12 城市群内铁路及高速公路客流Tab.12 Passenger flow between railway and highway within urban agglomerations

2.4 城市群铁路客流应对措施

京津冀、长三角、粤港澳、成渝、长江中游、中原、关中等7 个主要城市群铁路发送量占全国铁路旅客发送量的约50%，应该予以重点关注并因地制宜的采取应对措施。

（1）针对城市群分月客流波动变化较全国水平更为平稳，峰谷时点与全路相反的特点，应该利用城市群客流量的平稳性均衡全国客运量的峰谷变化，实现削峰填谷的促进作用，考虑分月份分区域动态调整运力资源结构布局。

（2）针对各城市群旅客发送量中城市群内客流均占有绝对份额，除关中城市群外，各城市群内客流量增速均高于城市群间客流量的特点，可以推测城市群内增量为未来铁路客运增量的重要动力。铁路网规划和运力资源配置方面应该重点考虑城市群内客流，推出公交化的城际客运产品，鼓励以政府购买服务的方式利用既有线增开市域(郊)铁路，加强大中城市枢纽车站间的互联互通，优化城市交通接驳基础设施，方便城市群内旅客出行，激发城市群内旅客增量潜力。

（3）针对经济发达的城市群，动车组发送量在旅客发送量中的占比相对较高的特点，一方面应加大城市群动车组列车开行范围和开行频率，巩固动车组列车在城市群客流中的优势地位；另一方面应该加强高速普速铁路列车运输组织的衔接，统筹好城市群普速铁路车站车发展，改善普速铁路列车服务质量，提升乘坐普速铁路列车旅客的获得感和幸福感。

（4）针对城市群间公路的客流量整体低于铁路客流量，城市群内公路客运占主导地位的特点，应该在城市群内加强建设以铁路客运为中心、多种交通方式有机衔接的现代化综合客运枢纽，同时，进一步研究提高城市群内铁路客运市场份额。

3 结束语

随着国家新型城镇化建设的加速推进，运输格局将进一步发生改变，并加速城市群铁路的建设与发展，不断增强中心城市福射能力，实现资源在更大范围内的优化配置，加速城市群的发展进程。从研究价值考虑，城市群内增量为未来铁路客运增量的重要动力，城市群客流对于全国铁路客运量具有削峰填谷作用；从应用角度考虑，城市群铁路客流特征研究有助于城市群铁路网科学规划和运力资源合理配置。总体来看，还应对具体城市群铁路客流特征进行更加深入地研究，因地制宜地发展城市群铁路。