摘要：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。
关键词：交通运输经济;在地货物运输量;统计方法;营运货车;车辆注册地;联网收费数据
0引言
在地公路货物运输量是指除了穿越某行政区划的货车车流外，所有行驶在该行政区划内的货车产生的公路货物运输量。包括省(市)内、进省(市)和出省(市)3种车流，它是一种描述某行政区划内公路货物运输贡献的新型指标。现阶段，中国通过每若干年进行一次的典型月份抽样调查来推算本省籍营运货车在当月产生的货物运输量，汇总各省(区、市)的数字后获得全国公路货物运输量[1-2]。然而，参与当地货物运输的本地营运货车产生的公路货物运输量只是当地公路货物运输的一部分，还应包括本地非营运货车和外地货车。美国运输统计局发布的《2003年美国运输统计年报》中指出：“货物运输的转折点似乎要特别先于经济的转折点几个月，潜在地提供了一个有用的预报工具”[3]。中国各省(区、市)的GDP产出是按照“在地原则”进行统计的，现阶段尚未存在一种按照“在地原则”进行统计的货物运输量统计方法与之对应，用以关联当地GDP产出，预判当地GDP走势。
美国以每5年一次的商品流动调查，结合交通抽样调查完成其公路货物运输量的统计[4];中国现行的公路货物运输量制度是以本地营运货车为本位进行统计的，暂未计入非营运货车运输量。参与公路货物运输的车辆可按照车辆注册地划分为本地车辆和外地车辆;可按照使用性质划分为营运车辆和非营运车辆;又可按照路网等级划分为高速公路和普通公路[5-6]。不同用途的货物运输量需要不同的统计方法。刘拥华等[7]依托高速公路联网收费系统、交通量观测站与交通调查信息系统等数据提出了公路路网货物运输量月度波动系数推算方法;张志俊[8]提出了基于车籍调查和发货方调查的区域煤炭公路货运车辆运输量统计调查方法;陈荫三[9]提出了高速公路运输量的统计方法，以沪宁高速公路为依托首次统计了高速公路运输量;杨铭等[10]依托车辆年检平台、高速公路联网收费数据和交通量观测数据，提出了区域公路货物周转量的估计方法并按照车辆注册地比例进行了分割;赵怀鑫等[11]提出了运用灰色关联度算法计算经济指标与公路货物运输量指标的关联系数;张文会等[12]建立了灰色马尔可夫预测模型来提高公路货物运输量的预测精度;靳文舟等[13]提出了属地道路货物运输统计概念、指标体系和调查方法;孙东泉[14]分析了日本不同使用性质货车所承担的货物运输量份额和运输效率，结果表明：2010年非营运货车货运量占比为29.3%，营运车辆的运输效率是非营运车辆的20倍;任翠萍[15]分析了中美道路货物数据框架，运用车辆使用性质、货运经济发展指标、货物属性与运价等重构了道路运输统计体系。
相关知识推荐：运输经济学论文发表指导
上述研究多是单独以分层抽样调查推算方法、高速公路联网收费数据统计和灰色关联分析模型的方式完成了公路货物运输量的估计与推演[16]，鲜见提出在地公路货物运输量统计方法的研究，未见尝试运用多源数据融合的方式提出在地公路货物运输量的推算逻辑和初步实证的研究。本文通过融合行业内多源数据[17-20]，运用车辆管理所在册货车信息返溯高速公路联网收费数据拆分在地货物运输量，进而提出统计方法，对补充公路货物运输量统计理论研究有参考价值。
1统计基础与思路
1.1统计范畴
参与省属辖区内货物运输的车辆为本省籍营运货车、本省籍非营运货车和外省籍货车。市属辖区内应将本省籍货车细分为本市籍营运货车、本市籍非营运货车和本省外市籍货车。
非营运货车的保有量、活动频次和范围有限。2009年，德国籍非营运货车完成的货运量占德国籍货车总货运量的28.1%，完成的货物周转量占总货物周转量的15.1%。非营运货车的平均运距为62km，低于德国籍营运货车平均运距135km，多集中在50km以内的短途运输中。美国从1992年开始计入非营运货车运输量，农林牧渔业、建筑业、批发零售业中的非营运货车货运量为营运车辆的2～4倍。企业拥有非营运货车车队可以提升运输服务水平、压低专业运输企业成本和便于运输快速响应。通常，城市实体经济发展水平高，则市籍非营运货车数的比例也会偏高。调查发现：广东省实体经济发展程度高的城市非营运货车比例可高达22.07%，其在本市籍货车中承担的货运量比例可达到19.8%，与德国类似，承运货物运距基本短于50km，多承运西药品及中药材、冷鲜肉制品、危险品等货物，车厢呈现专业化特点。
2009年进出德国的货物中，由德国籍货车承运的比例占35.0%[21]。实体经济发达的城市对外地货车的吸引力强，使其以低于当地成本运输，参与当地货物运输程度高，常持平或高于本市籍营运货车货运量比例，且承担长途货物运输的意愿强。不同辖区间的货物运输不均衡性是中国公路运输的特点。统计安徽、江苏、江西、福建、湖南、广东等6个省份内3轴及3轴以上货车的高速公路联网收费数据，结果见表1(数据来源于2018年上述各省高速公路联网收费数据库)。
由表1可见：参与江苏省内运输的安徽籍货车数是在安徽省内运输的江苏籍货车数的3.45倍;参与福建省内运输的江西籍货车数是在江西省内运输的福建籍货车数的5.36倍;参与广东省内运输的湖南籍货车数是在湖南省内运输的广东籍货车数的9.38倍。
按照有数据支撑、可实施统计的原则，将普通公路限定为国省干线普通公路，不纳入农村公路和其他等外路的统计。省(市)级辖区内货车车流流向分为4种：穿越、省(市)内、进省(市)和出省(市)。穿越车流的装货与卸货地点均不在本省(市)辖区内，未参与本地货物的汇集与疏解过程，所以不应计入在地货物运输量。经高速公路进出省(市)的，由联网收费数据判断与分析;经国省干线普通公路进出省(市)的，由交通量观测站数据和抽样调查数据分析。
1.2基础数据集
以市级在地公路货物运输量为例，为完成推算，至少应具备以下数据集。
(1)货运专项调查数据。关键字段为被抽样的本市籍货车车型、轴数、核定载质量、车牌号，以及每趟次运输的起止日期、起止点、货物品类、货运量和运输距离、是否驶入高速公路等。通过分层抽样逐层扩算得到公路货物运输量，因未区分路网等级，统计结果仅能代表本市籍营运货车产生的公路运输量。
(2)高速公路联网收费数据。关键字段为每辆货车进出收费站的起止时间、起止收费站、轴数、车型、车牌号、总重和行驶距离。有全口径统计的特点，因未区分车辆使用性质，其统计结果代表车辆在本市辖区内高速公路上产生的货物运输量。
(3)普通公路抽样调查数据。关键字段为货车轴数、车型、车牌号、每趟次运输的起止日期、起止点、货运量、是否驶入高速公路等。其估计结果代表车辆在本市内国省干线普通公路上产生的货物运输量。
(4)普通公路交通量调查数据。关键字段为交通量观测设备所处位置、交通量、车型等。其统计结果代表本市辖区内国省干线普通公路上的交通量。
(5)车辆管理所在册货车数据。仅提取本市籍在册货车车牌号和使用性质字段，用以区分营运货车和非营运货车。它的功能是辅助拆分车辆的使用性质，而本身无法处理出货物运输量。
在地公路运输量统计所需的必要基础数据集与可实现的统计维度对应关系见表2。
1.3统计思路
为获得行政区划内的在地货物运输量，拆分基础数据集的逻辑见图1，Fa、Fb、Fc、Fd分别为本市籍营运货车、本市籍非营运货车、本省外市籍货车、外省籍货车的货运量。由图1可知：拆分逻辑中去除了穿越车流和未在本市辖区内行驶的无关车流。拆分逻辑的实质是充分利用联网收费数据全口径统计、高精度车牌识别的特点，结合车辆管理所数据精准定位车辆使用性质，在进市、出市和市内3种车流下，将数据集拆分为3种车辆注册地和2种使用性质的过程。
2、运输量统计模型
2.1本市籍营运货车
货运专项调查数据可确定本市籍营运货车的货物运输量。按照随机抽样原理，一部分被抽样的本市籍营运货车可能在调查期内未在本市辖区内行驶，应去除穿越本辖区或未在本辖区内行驶的货车无关样本。
3实例分析
2013年广东省某市发现：本地货物多由外地货车承运且本市籍营运货车产生的货物周转量与当地GDP的发展水平不一致。为此，采集了该市9月内高速公路联网收费数据、普通公路交通量调查数据、公路货物专项调查数据，并在进市、出市节点及市内交通量较大的治超站开展24h货车补充抽样调查[30]。
统计进出该市高速公路收费站的2013年货车计重数据，参数结果见表4，可见：不同车流的2轴货车重车比均比6轴半挂列车低;4轴货车因在本市辖区内配载灵活性好，重车比最高。高速公路上参与本市货物运输程度最高的为本省外市籍货车，是本市籍营运货车的3.25倍。本市籍营运货车比例低并不能代表本市运力不足，外地货车比例大反而体现了货运经济的高水平发展。
运用5种基础数据集统计得到调查月度的在地公路货运量为4.955×107t，在地公路货物周转量为5.698×109t·km。按车流统计的在地货运量结构比例见表5，可见：本市籍营运货车的市内货运量在总市内货运量中占66.28%，在进市、出市和市内车流中占74.48%，主要承担短途运输;外地货车在跨市(进市、出市)货运量中占79.16%，主要承担与本省外市和外省交流的货物运输，而在市内运输中所占份额较小。
美国运输统计局常采用单位GDP的货物周转量作为衡量货物运输在经济中的重要性尺度。2013年中国创造每万元GDP的公路货物周转量为979.84t·km，现以该指标评价在地货物运输量估算的准确性，该市创造每万元GDP的公路货物周转量为975.46t·km，二者基本持平，相对偏差率为0.45%，表明在地货物运输量统计方法有良好的一致性。
经统计，本市籍营运货车中穿越本辖区和未在本辖区内行驶的无关货车货运量为6.689×105t，进市、出市和市内车流中本市籍营运货车共计完成货运量为1.942×107t，按照式(11)估计该市在地货运量规模指数为2.47，表明偏移程度大且外地货车的参与程度高。按照车辆注册地汇总的全国货物运输量与经济存在关联，但仅用本市籍营运货车货物运输量指导当地经济规划是不够的，应完成在地货物运输量统计。
4结语
(1)针对本市籍营运货车产生的货物运输量不匹配当地货物运输经济发展水平的现象，基于现行统计制度，提出了在地货物运输量统计方法和规模指数，以应统尽统的原则揭示了分车籍的统计内容和拆分逻辑。
(2)基于统计模型，所研究的城市创造每万元GDP的货物周转量与全国水平的相对偏差率为0.45%，表明该模型具备良好的一致性;将本市籍非营运货车和外地货车所产生的货物运输量纳入后，所研究城市的在地货运量规模指数达到2.47，表明本市籍营运货车产生的货物运输量不足以支撑当地经济规划。
(3)不宜以本市籍营运货车货物运输量设定经济增长指标，外地货车参与程度高是当地货运经济高水平发展的标志，不宜平抑外地货车在本地市场的承运份额，制定区别对待政策，应当有序调节本市籍营运货车车型、承运货物由量向质的提升，鼓励其承担高附加值货物的配送业务。
(4)国省干线普通公路已基本不收费，其他地区的基础数据集完备程度和交调站点覆盖程度也不尽相同，本文未详细阐述其基础数据的采集手段和调查方法;在下一步研究中，将着重探寻影响非营运货车与外地货车参与程度的关键因素。——论文作者：闫晟煜1，肖润谋1，杨铭2
