基于ISM-MICMAC的铁路零散白货运量变化影响因素研究

我国对铁路运输改革实施后，从原先的以“大宗货源”为主要货运、中长距离运输业务为主的铁路运输逐渐向批量零散铁路货运倾斜，特别是在供给侧经济改革的推动下，“黑货”运输势头逐渐走低，铁路零散白货、集装箱多式联运以及快运业务必将成为铁路运输新的增长点。但就目前白货物流运输市场发展现状来看，铁路零散白货运量并未真正出现大幅度的增长，反而在开展铁路零散货运方面出现多种限制因素导致市场份额被大量积压。所以，需要找到影响铁路零散白货运量提高的关键因素，深入研究各因素间的相互影响关系，为提高铁路零散白货运量提供重要的理论支撑。

1  文献回顾

随着货改的提出，我国学者对于铁路零散白货的研究逐渐增多，大致有2个主要研究方向：一是优化白货列车的轨道运行方案，二是剖析了零散白货在铁路运输上最常见的问题，给出有目标性的解决方案。崔德伟等[1](2016)对我国中小企业日常采用的三种主要运输方式进行剖析，并根据各种模式特点给出了相应发展零散白货市场的策略，这包括与企业建立长期合作，以增加交通量并加大广告宣传力度，进而提高竞争力以及影响力。彭其渊等[2](2019)细致分析了引起铁路零散白货客户流失的原因，这对于完善铁路零散白货客户的流失管理提出了有利依据。付晓凤[3]（2021）以西安地区为研究对象，通过分析西安地区铁路零散白货的发展机遇、经济现状以及将来可能会发生的发展态势，由此推出西安地区未来铁路零散白货运量和需求空间均大幅提升，认为西安地区铁路假若在将来能紧紧把握住这个机会，将对铁路运量提升有较大裨益。

通过以上研究内容可以得出，目前研究只根据零散白货的共性问题给出了对策方案，并没有进行影响零散白货铁路运输各种因素的整体分析与研究，也无法突出影响铁路零散白货运量的各种因素间的相互关联关系与影响机理。为此，本文以铁路局零散白货为主要研究主体，从导致铁路零散白货运量变化的主要影响因素出发，利用科学分析方法,对所有可能导致铁路零散白货运量变化的主要影响因素加以辨识、甄别与探析，明确关键因素与白货运量变动间的动态关联，并针对计算结果问题给出合理的对策，以此为铁路零散白货物运量的进一步提升提供借鉴。

2  铁路零散白货运量变化影响因素分析

2.1  影响因素提取

本研究通过中国知网、SCIE、SSCI等数据库分别以“铁路零散白货”和“铁路白货运输”为关键词，对国内与铁路零散白货相关的研究成果进行梳理。首先，设定检索时间范围为2017—2023年，剔除与本研究无关的文献，初步得到参考文献276篇；其次，依据主题契合度高、被引度高、时间跨度低、权威度高等标准进行筛选，得到经典样本文献52篇；最后，邀请3位物流专家、5位铁路白货从业人员对影响因素进行初筛和检查，经过两轮意见征询识别出15个影响因素用于下一步的研究，如表1所示。

表1 铁路零散白货运量变化的影响因素

影响因素 描述说明

周边地区规划及实施情况 运输网络线路、货源情况、货运距离

功能布局 货运线货场功能的完善程度、承担货物品类、货运线物流功能

信息网络水平 信息化网络建设、信息传递速率

设施设备配套情况 仓库、基础设施、运输机械设备、装卸设备、货运线相关配套设施、基础设施装卸设备

运输组织管理 中转停留时限、装车挂运时限、运输组织能力、业务办理环节、作业流程

可承接货品品类 白货货品特性（零散性、多样化、批次多）

货品附加服务满足能力 特殊运输需求满足率、个性化服务

运价 运价制定原理及方法、运价形成主体

服务质量与水平 危险物品上车、分拣保管、货装安全、运输效率、事故处理及理赔、客户投诉处理、回访、满意度调查

营销管理 营销手段、宣传力度、客户管理

全国铁路网布局发展情况 铁路网的规划布局和建设进度、铁路货运通道建设程度

货物运输政策 国家相关政策、地方相关政策

市场熟知度和认可度 企业客户选择率、客户对铁路白货运输能力和安全性方面的熟知程度

经济发展水平 经济环境、社会环境

其他货运方式的竞争 公路运输水平及费用、海运运输水平及费用、航空运输水平及费用

2.2  建立解释结构模型（ISM）

解释结构建模法（ISM）是基于有向图构建、矩阵计算、数据处理等操作流程对相关要素之间的关系及结构、作用机理展开深入研究，可以帮助科学研究人员增强对现实问题的认识和理解[4]，在分析和处理社会系统中复杂、相互交织的问题时，解释结构模型可以使多变量、复杂关系和模糊框架的系统问题变得清晰，因而被广泛应用。ISM基本步骤为确定邻接矩阵A→计算可达矩阵M→划分因素层级→建立系统问题的解释结构模型。

2.2.1  确定邻接矩阵A

通过询问有关专家确定了两两影响因素之间的联系关系并按照“Fi对Fj有直接影响关系-填1，Fi对Fj没有直接影响关系-填0”的方法，建立影响因素关系矩阵n×n ，如表2所示：

表2 邻接矩阵A

F1 F2 F3 F4 F5 F6 F7 F8 F9 F10 F11 F12 F13 F14 F15

F1 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0

F2 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0

F3 1 1 0 1 1 1 1 0 1 1 0 0 1 0 0

F4 0 0 0 0 1 1 1 1 1 1 0 0 1 0 0

F5 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0

F6 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0

F7 0 0 0 0 0 1 0 1 1 1 0 0 0 0 0

F8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

F9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

F10 0 0 0 0 0 0 0 1 1 0 0 0 1 0 0

F11 1 1 0 1 1 0 1 1 0 1 0 0 0 0 0

F12 1 1 1 1 1 0 0 0 0 0 1 0 0 0 1

F13 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

F14 1 0 1 1 1 1 0 0 0 0 1 0 0 0 0

F15 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0

2.2.2  计算可达矩阵M

为更加明确各因素间的层次结构关系，对邻接矩阵n×n，进行布尔计算，得到可达矩阵M。其中，布尔计算过程借用Matlab进行计算，计算后的可达矩阵M如表3所示：

表3 可达矩阵M

F1 F2 F3 F4 F5 F6 F7 F8 F9 F10 F11 F12 F13 F14 F15

F1 1 0 0 0 1 1 1 1 1 1 0 0 1 0 0

F2 0 1 0 0 1 1 1 1 1 1 0 0 1 0 0

F3 1 1 1 1 1 1 1 1 1 1 0 0 1 0 0

F4 0 0 0 1 1 1 1 1 1 1 0 0 1 0 0

F5 0 0 0 0 1 1 0 1 1 1 0 0 1 0 0

F6 0 0 0 0 0 1 0 1 1 0 0 0 1 0 0

F7 0 0 0 0 0 1 1 1 1 1 0 0 1 0 0

F8 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0

F9 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0

F10 0 0 0 0 0 0 0 1 1 1 0 0 1 0 0

F11 1 1 0 1 1 1 1 1 1 1 1 0 1 0 0

F12 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1

F13 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0

F14 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1

F15 1 1 0 1 1 1 1 1 1 1 0 0 1 0 1

2.2.3  划分因素层级

得到可达矩阵后，对可达矩阵进行层级划分能够让我们对体系内各要素之间的层级关联有一个比较清晰的认识。在这里我们使用的是从以先行集合为比较基准的分解思路，按照、规则，得到层级分解结果：、、、、

、，具体如表4所示。

表4 可达矩阵层级分解

层级级别 影响因素集 层级说明

基础层因素

过程层因素

最终层因素

2.2.4  建立解释结构模型ISM

根据上述层次分解结果，再将具有关联关系的影响因素进行连接，用于反映它们之间的影响路径，可绘制出铁路零散白货运量变化影响的解释结构模型图,如图1所示。其解释结构模型分为三层，包含六个层级。

图1 影响因素多级递阶结构

2.3  MICMAC分析

为探究不同的影响因素对于阻碍铁路在零散白货运量变化中哪个因素起主要作用，为此引入交叉影响矩阵相乘法(MICMAC)展开研究分析。驱动力可以找到系统中会对某因素产生影响的因素，即ISM可达矩阵中该因素的到达因素个数总和。依赖性可以找到在系统中的该因素可以影响到整个系统中哪些因素，即ISM可达矩阵中可以到达该因素的个数总和。计算结果如表5所示。

表5 铁路零散白货运量变化影响因素驱动力和依赖性计算结果

因素 驱动力 依赖性 因素 驱动力 依赖性

F1 8 6 F9 1 13

F2 8 6 F10 4 11

F3 11 3 F11 11 3

F4 8 6 F12 14 1

F5 6 9 F13 1 13

F6 4 11 F14 14 1

F7 6 9 F15 11 3

F8 1 13

2.4  ISM-MICMAC联合分析

为明确各影响因素间的相互关系，使用ISM和MICMAC进行联合分析。通过计算结果将坐标系分为四个象限，其中，MICMAC划分象限的垂直虚线根据 15个影响因素中依赖性最大值13与最小值1相差12，驱动力最大值14与最小值1相差13的计算结果，取其中间的位置作为分界线，有助于了解影响因素之间的相互作用，具体如图2所示。

图2 铁路零散白货运量变化影响因素ISM-MICMAC矩阵分析图

2.4.1  基础层及独立簇影响因素集群结果分析

货物运输政策（F12）、经济发展水平（F14）这2个因素位于ISM层级结构图中的基础层，同时，这2个因素在MICMAC图中位于独立簇模块，驱动力强但依赖性弱。表明此类影响因素容易对其他影响因素造成较强的影响力且不易受其他影响、所需要条件亦比较宽裕。

2.4.2  过程层及自治簇影响因素集群结果分析

周边地区规划及实施情况（F1）、功能布局（F2）、信息网络水平（F3）、设施设备配套情况（F4）、运输组织管理（F5）、可承接货品品类（F6）、货品附加服务满足能力（F7）、营销管理（F10）、全国铁路网布局发展情况（F11）、其他运输方式的竞争（F15）10个影响因素位于在MICMAC图中的自治簇模块，整体来看该集群整体的驱动力和依赖性均很弱。

2.4.3  最终层及依赖簇影响因素集群结果分析

运价（F8）、服务质量和水平（F9）、市场熟知度和认可度（F13）处于MICMAC图中的依赖簇位置，依赖性较强驱动力较弱。ISM结构图中它们三个都位于较高级。但由于其较弱的驱动力，受基本因素影响较大，易被其他因素干扰，会对整个系统形成一定影响，使系统不稳定或不平衡，因此此类影响因素依赖于其他影响因素的解决而被解决。

3  对策与建议

根据上述研究结果，提出以下对策：

3.1  适应国家零散白货运输政策，完善铁路零散白货运输的质量标准和规范体系

零散白货和公转铁的相继发展，我国也发展出了很多有关标准法规，但由于铁路零散白货发展时间短，有关标准规范、法律法规的建设仍需完善。此外，铁路局也应从自身做起，用标准规范引导相关运输企业与货运单位就白货运输衔接和货物接收、理赔进行协调统一，有效改善铁路零散白货运输效率和质量问题。

3.2  完善设施设备配套情况，提升铁路局对白货货品的附加服务能力

目前，铁路局普遍存在着托盘等集装化用具在各站不通行、标准不统一等社会问题[5]。因此建议铁路局可以从增加托盘、小型集装箱等相关设备数量质量以及完善场站设施设备条件两个方面提升铁路局对白货货品的附加服务能力。例如，

明确货物快运作业站装卸搬运装置、设备配置规范，大力推广集装箱设施的商业应用以改善交通运输质量以及建设快速运输配送中心，实现高速铁路与公路运输的无缝衔接等措施。

3.3  梳理现有白货货运组织管理方式并不断进行优化

在装卸方面，建议铁路局优化车站作业、完善货物装卸搬运作业的队伍组织，建立集装化器具进出站制度，提高运输和装卸效率[6]。在运输方面，建议铁路局优化作业量较大的作业站运输方式，通过作业站货场集结白货货物，提高部分快运站零散白货发送能力；增加使用非固定编组车辆、优化调整列车编组，实行每日发车，定点运行。在收发货方面，目前收发货分配困难，能力不足，配送工作有效性难以保证，收发货业务量小，相对分散，不存在规模效应。班车服务质量有待进一步提高。因此，要提高收发货水平，对货物全过程进行跟踪控制，履行服务义务和承诺。

3.4  完善服务质量评估体系，提升服务质量和水平

进一步加强对商品营销、接收、装卸、中转、接收、配送等关键环节的控制，完善全过程服务质量评估体系，围绕客户关心和关心的问题，严格评估服务质量，如交货期限、货损结算、提货和交货、限时完成、按时取消编号等。

3.5  提高铁路零散白货快运影响力和社会认可度

铁路局可从通过完善客户档案，利用大数据分析客户供应规律，根据供应规律及合作关系对客户进行分级管理，对同类商品实行全面综合商品收入体系，采取逐步优惠政策；当出现运力紧张的情况时，可实现按照用户优先级为客户提供各个等级的运力服务，以提高用户黏性，塑造精准铁路用户[7]。

4  结  语

本文以铁路零散白货运量变化为研究对象，通过文献扎根、科学论证方法筛选出15个影响因素，包括周边地区规划及实施情况F1、功能布局F2、信息网络水平F3、设施设备配套情况F4、运输组织管理F5、可承接货品品类F6、货品附加服务满足能力F7、运价F8、服务质量与水平F9、营销管理F10、全国铁路网布局发展情况F11、货物运输政策F12、市场熟知度和认可度F13、经济发展水平F14、其他货运方式的竞争F15。接着，构建解释结构模型（ISM-MICMAC），对数据进行处理分析，从而为铁路零散白货运量的提升提供合理化、针对性的建议与对策。

本文来源：《物流科技》https://www.zzqklm.com/w/jg/30901.html