简介这份文档是一份交通运输专业《运输统计与分析》课程设计报告主题围绕陕西铁路客运需求展开适合交通运输、物流管理类学生作为课程设计或毕业设计的参考范例。报告完整呈现了从课题任务书、研究背景、数据采集与处理到因子分析、时间序列分析、曲线拟合与线性回归建模的全过程并给出SPSS操作步骤和结果解读可直接对照练习统计分析方法。资源为1个doc文件约1.12MB内容以文字分析与统计图表为主包含报告的完整目录结构与附录数据清单便于借鉴整体撰写框架。目前已有69人学习浏览适合需要系统掌握交通运输领域统计建模思路、或正在准备同类课程设计的同学查阅。1. 为什么说客运需求分析不能只盯客流量做陕西铁路客运需求分析很多人第一步就栽了——拉一张分站客发量报表按总量排序前几名写进报告就觉得分析做完了。这种思路放在十年前勉强够用放到今天完全撑不起来。陕西的铁路客运格局这几年变化非常剧烈。西成高铁开通后汉中方向从普速主导变成高铁主导银西高铁通车彬州、乾县这些中间站从边缘位置被拉进西安一小时圈更不用说西安北站、西安站改扩建之后枢纽内部的接驳效率和换乘路径全变了。在这样一个持续变动的路网格局下需求分析真正要回答的问题不是哪个站人多而是三个层次的追问这些客流从哪里来、到哪里去、为什么走铁路——这是结构性需求现有运力供给在哪些时段、哪些区间存在错配——这是供需缺口未来两三年随着新线接入和城市发展需求会往哪里迁移——这是趋势性判断。我拿到陕西铁路客运需求这类题目时第一件事从来不是开软件跑数而是先把分析框架想清楚。没有框架数据越多越乱有了框架杂乱的数据才会自己找到位置。这篇文章就按我实际做这类项目的流程来写数据怎么准备、需求怎么刻画、供需怎么匹配、未来怎么判断最后是报告落地的几个容易翻车的细节。整篇的东西适用于省级或区域范围的铁路客运需求分析方法论可以平移到其他省份但所有举例都拿陕西说事。2. 数据准备不是拉张表就行源、粒度和质量三角2.1 数据源的四个层次做客运需求分析数据源决定了分析结论的上限。很多报告被质疑数据不扎实根子不在分析模型而在源头数据选得不对。按我的实操经验数据源至少要分四个层次来搭**第一层是运输统计核心数据。**12306的售票与候补数据、客票系统的OD起讫点数据、铁路客运统计报表中的分站、分区段客流量。这是最硬的数据也是分析的骨架。OD数据尤其关键它能告诉你每张票从哪里上车、哪里下车而不是只告诉你某个站卖了多少张票。**第二层是路网与运力配置数据。**列车运行图、分区间开行对数、车型定员、停站方案。需求分析不能光看需求方还要看供给方——同样的OD对一天开5趟车和开15趟车出来的客流数据含义完全不同。没有运力数据配合光看客流数据会得出需求低的错误结论其实是被运力限制住了。**第三层是社会经济关联数据。**沿线各区县的GDP、人口、产业结构、旅游收入、高校在校生数、常住人口变化。铁路需求本质上是人和经济活动在空间上的流动需求社会经济数据是用来解释为什么有这部分需求的。**第四层是调查与舆情数据。**车站旅客问卷调查、12306客服投诉分类、社交媒体上关于买不到票的抱怨声量。这些数据质量参差不齐但价值在于能发现统计口径之外的真实痛点——比如某条线路平时上座率不高但一到节假日就一票难求这种潮汐式紧张单看日均数据是看不出来的。2.2 颗粒度选择与清洗细节数据颗粒度是另一个容易被忽略的坑。我见过不少报告用月度分站客发量作为分析起点颗粒度太粗很多关键信号被抹平了。我的习惯是至少做到三个颗粒度时间上到日节假日和日常必须分开看最好再拆出春运、暑运、小长假三个特殊时段空间上到OD对至少到地级市级别重点通道比如西安至宝鸡、西安至延安、西安至汉中要做到县区级产品上分列车类别高速列车、普速列车、市域列车分开统计因为它们的旅客画像和需求逻辑完全不同。数据清洗这块专门提醒一条12306的OD数据是售出票口径不是实际乘车口径。退票、改签、未乘车No-Show都会造成偏差。尤其在节假日改签率可能高达10%以上如果你直接拿原始售票数据做OD分析某些区间的需求会被系统性高估。我通常会按5%-8%的损耗率做修正有历史对标数据的用对标数据否则按这个区间估。实操提示清洗OD数据时优先剔除同城换乘——比如西安北到西安站的站内中转这部分在OD表里会表现为两段行程但实际对应的是一次完整出行。不剔除的话西安枢纽内部的中转客流会被重复计算直接影响后续运力配置分析的准确性。2.3 数据缺失时怎么办陕西地级市全覆盖但有些新开站比如西银高铁上的乾县站、礼泉南站开站时间不长历史数据不完整。遇到这种情况我一般用三种办法补一是类比法。找路网条件相近、城市能级相近的既有车站做参照。比如乾县站可以参考大西高铁上的同类县级站把后者的客流成长曲线作为前者的参考基线。二是比例推算法。用全省或全路网同类车站的平均客流密度万人次/公里结合该站的辐射人口、经济规模做推算。公式很简单预计客流量 辐射人口 × 人均出行频次 × 铁路分担率关键是后面两个参数要找到靠谱的标定来源。三是调查补充。针对重点站点做小样本拦截调查样本量不需要很大400-800份足够但问卷设计要能支撑后续的模型标定至少包括出行目的、出行频次、替代交通方式、时间价值敏感度这几块。3. 客流是表象出行链才是需求的内核3.1 从有多少人到谁在什么场景下出行数据准备完了真正见功夫的是需求刻画。我常用的切入点不是总量而是分场景拆解出行需求。同一个西安到延安的OD背后至少有三批完全不同的人在西安上班、周末回延安探亲的上班族去延安出差、当天往返的商务旅客以及暑假带小孩去革命圣地旅游的家庭客群。三批人的需求特征完全不同——前者需要周五晚和周日晚的班次中者需要一早一晚密度高的班次后者需要的是白天中间时段跟景区接驳方便的班次。这就是为什么我不建议上来就做总量预测总量预测只告诉你未来有多少人不告诉你这些人需要什么样的列车产品。需求分析的价值恰恰在于把一锅粥的客流拆成若干条特征清晰的出行链每条链匹配对应的产品设计建议。3.2 需求强度的五个核心维度实操中我一般用五个维度来刻画一个OD对或一条通道的需求强度这五个维度是总量规模日均客流量、年发送量这是最基础的但不是唯一的。时间集中度计算早晚高峰小时系数、节假日/日常的客流倍率。宝鸡方向日常客流其实很平稳但春运和暑运的倍率能到2.5倍以上而西安到周边区县的城际需求倍率甚至能到5倍。时间集中度直接决定了要不要为高峰单独配运力。方向不均衡性用方向不均匀系数一个OD对双向客流中较大方向占比来衡量。陕西很多通道是明显的向心流——早高峰进西安方向多晚高峰出西安方向多但这不是问题问题在于部分线路单向高峰叠加假日高峰会让返程方向出现严重的运力浪费这也是为什么一些线路日常上座率只有60%多但节假日仍然买不到票。出行距离结构短途100公里以内、中途100-300公里、长途300公里以上的比例。不同距离段对应的竞争交通方式完全不同短途在跟公路和自驾抢中途在跟公路客运和顺风车抢长途才真正在跟航空抢。价格敏感度通过不同票价水平下的客流弹性来刻画。陕西的商务客流和旅游客流对价格不敏感探亲客流和学生客流对价格高度敏感。这直接影响定价策略和产品设计——开一趟标杆车提价到底是提升收入还是流失客流得看这个OD对的价格敏感度结构。3.3 手工拆解需求画像的方法很多刚入行的朋友问我没有客流调查数据怎么拆画像我常用一个替代方案用退票时间和购票提前期做代理变量。商务旅客一般提前1-3天购票退票率低、改签率高探亲客流提前3-7天购票节假日提前期更长旅游客流提前7-30天购票且多人同行订单占比高。12306数据里这些字段都有不需要额外调查就能先把大致的客群结构摸一遍。这个方法不是精确的替代但作为初筛和交叉验证已经够用。我做过一次对比验证用购票行为推断的客群结构与用问卷调查得到的客群结构在商务探亲和旅游两大类的划分上误差在10%以内对方向性判断来说足够。4. 供需匹配比不够坐更隐蔽的失衡4.1 三个层次的供需匹配需求刻画完了不能就收工还差关键一步把需求放到供给端去匹配找出真正的缺口。供需匹配我习惯分三个层次看总量匹配这个通道一天的总运力座位数×开行对数够不够覆盖总需求。这是最粗的一层也是最常被拿来写进报告的一层。时段匹配运力在一天24小时里的分布跟需求的时段分布对不对得上。很多通道总量上供大于求但早高峰7:30-8:30这段依然买不到票这就是时段错配。时段错配的原因往往是列车运行图的天窗设置、枢纽到发线能力、以及跨线列车时刻衔接等限制导致的不是单纯加车能解决的。空间匹配运力在沿线各站是不是均衡分配。陕西的典型问题是枢纽大站西安北、西安票额充足但中间站杨陵南、大荔、彬州东票额少中间站旅客买到票的难度远大于始发站。这是票额预分策略导致的本质是需求在空间维度和运力分配策略之间的错配。4.2 陕西三个重点通道的供需特征例解拿陕西的实际通道来举例说明西安-宝鸡通道这是陕西客流密度最高的通道之一日常时段基本饱和问题主要出在高峰时段。早高峰西行方向、晚高峰东行方向压力大节假日双向都紧张。供需分析的重点应该放在高峰时段如何挤运力上比如优化动车组交路让更多车底在高峰期上线运行。西安-延安通道随着西延高铁建设推进通道整体进入运力扩张期。当前普速动集的组合下日常运力已能覆盖需求真正的缺口在节假日。但这里有特殊性——西延高铁开通后通道客流会发生明显的诱增效应既有需求分析如果只基于当前客流外推会系统性低估开通初期的需求冲击。西安-汉中通道西成高铁开通后经历了暴涨—回落—再增长的三阶段演化。第一年暴涨是通道升级释放的潜能第二年回落是部分尝鲜型客流回归公路和自驾第三年开始稳定增长。如果做需求分析时没意识到这种演化规律直接把第一年的增长率外推会得出非常离谱的预测值。这也是我在预测模型里坚持要加需求释放曲线的原因——高铁开通初期的高增速是存量转移增量诱发的混合结果不是常态增速。4.3 用剩余能力看缺口而不是用客座率一个特别想说透的点衡量供需缺口不要单看上座率要看剩余能力。假设西安到某方向一天开10趟车平均客座率85%看起来还有余量但如果你拆到具体车次去看可能早高峰两趟标杆车客座率超过100%有站票而上午10点到下午2点之间的三趟车客座率只有60%。这时候总量上够用但产品结构上不够。真正的缺口分析应该输出到车次级别告诉决策者哪个方向、哪个时段、哪类车次供给偏紧。我在报告里的通常做法是做一个供需缺口矩阵横轴是时段早高峰、白天平峰、晚高峰、夜间纵轴是区间或OD对矩阵格子里填缺口等级无缺口/轻度紧张/中度紧张/严重紧张。这个矩阵做出来比写三页文字分析都管用决策者一眼就能看出该在哪加车。5. 需求预测别迷信模型要讲逻辑5.1 定量模型的适用边界需求预测这部分我想先泼一盆冷水不要迷信定量模型。陕西铁路客运需求预测常见的做法是回归分析拿GDP、人口、收入做自变量、增长率外推拿过去5年的平均增速推未来、甚至有的直接用灰色预测。这些方法不是不能用但都有各自的坑回归分析的致命问题是自变量和因变量互相因果。铁路改善会带动沿线经济发展经济发展又会增加铁路需求你把GDP当自变量去预测客运量逻辑上就绕了。增长率外推的问题是结构断点。陕西铁路路网这几年变化太快西成、银西、西延陆续开通每次都带来窗口期的需求跳变用历史平滑增长率推不出这种结构性变化。我自己的预测框架是三明治结构底层是区域经济和人口的空间分布中间层是交通可达性变化带来的需求诱发系数顶层才是历史客流的趋势外推。先把底层的经济产生多少出行需求算出来再用中间层的诱发系数修正最后用顶层的历史数据验证和校准。这套框架不追求某一个模型的精确而是让不同数据源互相纠偏。5.2 事件驱动型需求的量化思路陕西有个别省份不常遇到但在这里特别重要的需求类型重大事件驱动型需求。大型赛会、会展、文旅节点比如西安年·最中国系列活动、以及重点工程建设带来的集中通勤需求。这些需求的特征是启动快、峰值高、持续短常规预测模型处理不了。我的处理办法是单独建一个事件池把已知的重大事件按时间和地点标注估算每个事件的增量客流结合同类事件的历史爬取数据和购买转化率来估然后把事件客流叠加在基准客流之上。这部分不追求精确但要求不漏项。漏掉一个大型活动节假日高峰时段的缺口判断就会偏乐观而偏乐观的后果是运力准备不足旅客购票感受差。5.3 预测结果要输出区间而不是点值最后一条预测经验也是我认为最重要的一条预测结论一定输出区间不要输出单点。很多报告写2030年陕西铁路客运量将达到1.2亿人次这种单点预测看着精确实际是虚假精确。需求预测的不确定性来自路网变化、票价政策、经济波动、甚至疫情这类黑天鹅任何单一数值都是脆弱的。我通常给三档基准情景、乐观情景、保守情景每档给出关键假设的差异比如假设高铁开通时间是否按期、经济增长是高还是低同时明确每档的概率权重。决策者真正需要的不是哪个数对而是如果未来往这个方向走我该提前做什么准备。输出区间的意义在于让决策者有应对不确定性的弹性空间。6. 报告落地陕西语境下最容易翻车的三个细节分析做得再好落到陕西铁路客运需求分析这份报告上还得过写出来能不能落地这关。这一节说三个我踩过的坑。6.1 关中平原城市群不是一句漂亮话很多报告把关中平原城市群放在背景里当装饰品但不影响后续任何分析。实际上城市群框架应该是需求分析的核心组织逻辑之一——陕西的铁路客运需求高度集中在西安咸阳主城区渭南部分区县这个核心圈层其次是宝鸡、铜川、杨凌构成的紧密圈层再往外才是汉中、安康、延安这些外围城市。你要是把城市群当真分析结构就会变不再是西安是一个点、其他城市是另一个点的单点对分析而是核心圈层内部的高频通勤需求和核心圈层与外围城市间的中低频联通需求分层分析。高频通勤需求对开行密度、时刻稳定性、票价的敏感度跟中低频联通需求完全不同分析的输出建议也就完全不同。6.2 节假日数据必须单独建模块陕西是旅游大省同时也是劳务输出省份特别是陕南、陕北方向双重身份叠加导致节假日的客流特征跟日常完全是两个世界。我之前做过一个对比西安北站日常客流的高峰时段是上午9-11点出站方向但五一假期的客流高峰变成了开幕前一晚和闭幕当天的双向高峰波动幅度是日常的2.8倍。如果你把节假日数据跟日常数据混在一起做全年平均既看不出平峰时段的运力冗余也看不出高峰时段的紧张程度分析结论两头都不讨好。我的建议是需求分析报告里节假日单独成一个章节至少覆盖春运、暑运和全年所有3天以上小长假元旦、清明、五一、端午、中秋、国庆。每个节假日类型单独分析规模、峰值、时间和方向特征然后跟日常做对比。这样写出来的报告运营部门拿过去就能用——他们日常最头疼的就是节假日怎么排图。6.3 结论要与开行方案挂钩而不是停在建议需求分析报告最常见的烂尾是分析了一堆结论落在建议加密西安至榆林方向列车开行。这句话等于没说——加密多少对加在哪个时段用什么车型是否需要调整既有车次时刻真正能落地的结论必须跟开行方案的调整逻辑挂上钩一是能力缺口量化到对数。高峰期供需缺口测算出一个方向的运力缺口要折算成需要增开多少对列车。折算要考虑线路能力和车底周转不是简单把缺口人数除以单车定员。二是建议分优先级。哪些是近期可以通过优化票额预分、重联运行就解决的哪些需要调整运行图才能实现哪些要等新线开通或者车底到位才能解决。分完优先级报告才能从分析报告变成行动计划。三是给出可监测的指标。比如建议加强某方向早高峰运力后后续跟踪指标就是该方向早高峰时段客座率和购票成功率。没有监测指标的分析结论半年后没人能判断当时的建议是否有效报告也就失去了闭环。7. 最后分享几条个人心得做了不少这类需求分析项目最后说几条很难写进方法论、但实际帮忙很大的体会。第一永远先找异常值。数据拿回来先不要建模先把客流排名前10的站、增长率前5的区间、节假日倍率超过3的通道找出来每条异常都先去查原因——有没有新线开通有没有列车改点有没有大型活动有没有学校搬迁。异常值能解释清楚你的分析就成功了一半解释不清后面再用高级模型也属于在错误的地基上盖楼。第二现场去看一次车站比看十份报告有用。我在分析陕西某站需求时从数据看不出来该站存在严重的进站难问题——因为周边道路拥堵导致旅客到站时间不可控不少旅客因此宁可选比高铁慢的普速或公路。后来到现场蹲了半天才发现这个问题从此凡是有条件我都要安排一次实地访站。数据告诉你发生了什么现场告诉你为什么发生。第三报告篇幅控制在决策者能读完的范围内。分析再深入如果决策者三页纸看完才能找到重点效果就打了折扣。我的做法是核心结论压成一页支撑性分析放附录。正文只回答四个问题需求有多大、缺口在哪、未来怎么变、应该怎么办。其余的图表和分析过程让有需要的人去附录找。陕西铁路客运这盘棋线网在扩展、城市在生长、旅客的选择越来越多元需求分析的价值恰恰在于把这种动态复杂性梳理出规律。方法论永远在更新但需求背后是人人的行为背后是场景这个底层的判断逻辑什么时候都不过时。本文还有配套的精品资源点击获取
陕西铁路客运需求分析：从客流表象到供需匹配的实战框架
简介这份文档是一份交通运输专业《运输统计与分析》课程设计报告主题围绕陕西铁路客运需求展开适合交通运输、物流管理类学生作为课程设计或毕业设计的参考范例。报告完整呈现了从课题任务书、研究背景、数据采集与处理到因子分析、时间序列分析、曲线拟合与线性回归建模的全过程并给出SPSS操作步骤和结果解读可直接对照练习统计分析方法。资源为1个doc文件约1.12MB内容以文字分析与统计图表为主包含报告的完整目录结构与附录数据清单便于借鉴整体撰写框架。目前已有69人学习浏览适合需要系统掌握交通运输领域统计建模思路、或正在准备同类课程设计的同学查阅。1. 为什么说客运需求分析不能只盯客流量做陕西铁路客运需求分析很多人第一步就栽了——拉一张分站客发量报表按总量排序前几名写进报告就觉得分析做完了。这种思路放在十年前勉强够用放到今天完全撑不起来。陕西的铁路客运格局这几年变化非常剧烈。西成高铁开通后汉中方向从普速主导变成高铁主导银西高铁通车彬州、乾县这些中间站从边缘位置被拉进西安一小时圈更不用说西安北站、西安站改扩建之后枢纽内部的接驳效率和换乘路径全变了。在这样一个持续变动的路网格局下需求分析真正要回答的问题不是哪个站人多而是三个层次的追问这些客流从哪里来、到哪里去、为什么走铁路——这是结构性需求现有运力供给在哪些时段、哪些区间存在错配——这是供需缺口未来两三年随着新线接入和城市发展需求会往哪里迁移——这是趋势性判断。我拿到陕西铁路客运需求这类题目时第一件事从来不是开软件跑数而是先把分析框架想清楚。没有框架数据越多越乱有了框架杂乱的数据才会自己找到位置。这篇文章就按我实际做这类项目的流程来写数据怎么准备、需求怎么刻画、供需怎么匹配、未来怎么判断最后是报告落地的几个容易翻车的细节。整篇的东西适用于省级或区域范围的铁路客运需求分析方法论可以平移到其他省份但所有举例都拿陕西说事。2. 数据准备不是拉张表就行源、粒度和质量三角2.1 数据源的四个层次做客运需求分析数据源决定了分析结论的上限。很多报告被质疑数据不扎实根子不在分析模型而在源头数据选得不对。按我的实操经验数据源至少要分四个层次来搭**第一层是运输统计核心数据。**12306的售票与候补数据、客票系统的OD起讫点数据、铁路客运统计报表中的分站、分区段客流量。这是最硬的数据也是分析的骨架。OD数据尤其关键它能告诉你每张票从哪里上车、哪里下车而不是只告诉你某个站卖了多少张票。**第二层是路网与运力配置数据。**列车运行图、分区间开行对数、车型定员、停站方案。需求分析不能光看需求方还要看供给方——同样的OD对一天开5趟车和开15趟车出来的客流数据含义完全不同。没有运力数据配合光看客流数据会得出需求低的错误结论其实是被运力限制住了。**第三层是社会经济关联数据。**沿线各区县的GDP、人口、产业结构、旅游收入、高校在校生数、常住人口变化。铁路需求本质上是人和经济活动在空间上的流动需求社会经济数据是用来解释为什么有这部分需求的。**第四层是调查与舆情数据。**车站旅客问卷调查、12306客服投诉分类、社交媒体上关于买不到票的抱怨声量。这些数据质量参差不齐但价值在于能发现统计口径之外的真实痛点——比如某条线路平时上座率不高但一到节假日就一票难求这种潮汐式紧张单看日均数据是看不出来的。2.2 颗粒度选择与清洗细节数据颗粒度是另一个容易被忽略的坑。我见过不少报告用月度分站客发量作为分析起点颗粒度太粗很多关键信号被抹平了。我的习惯是至少做到三个颗粒度时间上到日节假日和日常必须分开看最好再拆出春运、暑运、小长假三个特殊时段空间上到OD对至少到地级市级别重点通道比如西安至宝鸡、西安至延安、西安至汉中要做到县区级产品上分列车类别高速列车、普速列车、市域列车分开统计因为它们的旅客画像和需求逻辑完全不同。数据清洗这块专门提醒一条12306的OD数据是售出票口径不是实际乘车口径。退票、改签、未乘车No-Show都会造成偏差。尤其在节假日改签率可能高达10%以上如果你直接拿原始售票数据做OD分析某些区间的需求会被系统性高估。我通常会按5%-8%的损耗率做修正有历史对标数据的用对标数据否则按这个区间估。实操提示清洗OD数据时优先剔除同城换乘——比如西安北到西安站的站内中转这部分在OD表里会表现为两段行程但实际对应的是一次完整出行。不剔除的话西安枢纽内部的中转客流会被重复计算直接影响后续运力配置分析的准确性。2.3 数据缺失时怎么办陕西地级市全覆盖但有些新开站比如西银高铁上的乾县站、礼泉南站开站时间不长历史数据不完整。遇到这种情况我一般用三种办法补一是类比法。找路网条件相近、城市能级相近的既有车站做参照。比如乾县站可以参考大西高铁上的同类县级站把后者的客流成长曲线作为前者的参考基线。二是比例推算法。用全省或全路网同类车站的平均客流密度万人次/公里结合该站的辐射人口、经济规模做推算。公式很简单预计客流量 辐射人口 × 人均出行频次 × 铁路分担率关键是后面两个参数要找到靠谱的标定来源。三是调查补充。针对重点站点做小样本拦截调查样本量不需要很大400-800份足够但问卷设计要能支撑后续的模型标定至少包括出行目的、出行频次、替代交通方式、时间价值敏感度这几块。3. 客流是表象出行链才是需求的内核3.1 从有多少人到谁在什么场景下出行数据准备完了真正见功夫的是需求刻画。我常用的切入点不是总量而是分场景拆解出行需求。同一个西安到延安的OD背后至少有三批完全不同的人在西安上班、周末回延安探亲的上班族去延安出差、当天往返的商务旅客以及暑假带小孩去革命圣地旅游的家庭客群。三批人的需求特征完全不同——前者需要周五晚和周日晚的班次中者需要一早一晚密度高的班次后者需要的是白天中间时段跟景区接驳方便的班次。这就是为什么我不建议上来就做总量预测总量预测只告诉你未来有多少人不告诉你这些人需要什么样的列车产品。需求分析的价值恰恰在于把一锅粥的客流拆成若干条特征清晰的出行链每条链匹配对应的产品设计建议。3.2 需求强度的五个核心维度实操中我一般用五个维度来刻画一个OD对或一条通道的需求强度这五个维度是总量规模日均客流量、年发送量这是最基础的但不是唯一的。时间集中度计算早晚高峰小时系数、节假日/日常的客流倍率。宝鸡方向日常客流其实很平稳但春运和暑运的倍率能到2.5倍以上而西安到周边区县的城际需求倍率甚至能到5倍。时间集中度直接决定了要不要为高峰单独配运力。方向不均衡性用方向不均匀系数一个OD对双向客流中较大方向占比来衡量。陕西很多通道是明显的向心流——早高峰进西安方向多晚高峰出西安方向多但这不是问题问题在于部分线路单向高峰叠加假日高峰会让返程方向出现严重的运力浪费这也是为什么一些线路日常上座率只有60%多但节假日仍然买不到票。出行距离结构短途100公里以内、中途100-300公里、长途300公里以上的比例。不同距离段对应的竞争交通方式完全不同短途在跟公路和自驾抢中途在跟公路客运和顺风车抢长途才真正在跟航空抢。价格敏感度通过不同票价水平下的客流弹性来刻画。陕西的商务客流和旅游客流对价格不敏感探亲客流和学生客流对价格高度敏感。这直接影响定价策略和产品设计——开一趟标杆车提价到底是提升收入还是流失客流得看这个OD对的价格敏感度结构。3.3 手工拆解需求画像的方法很多刚入行的朋友问我没有客流调查数据怎么拆画像我常用一个替代方案用退票时间和购票提前期做代理变量。商务旅客一般提前1-3天购票退票率低、改签率高探亲客流提前3-7天购票节假日提前期更长旅游客流提前7-30天购票且多人同行订单占比高。12306数据里这些字段都有不需要额外调查就能先把大致的客群结构摸一遍。这个方法不是精确的替代但作为初筛和交叉验证已经够用。我做过一次对比验证用购票行为推断的客群结构与用问卷调查得到的客群结构在商务探亲和旅游两大类的划分上误差在10%以内对方向性判断来说足够。4. 供需匹配比不够坐更隐蔽的失衡4.1 三个层次的供需匹配需求刻画完了不能就收工还差关键一步把需求放到供给端去匹配找出真正的缺口。供需匹配我习惯分三个层次看总量匹配这个通道一天的总运力座位数×开行对数够不够覆盖总需求。这是最粗的一层也是最常被拿来写进报告的一层。时段匹配运力在一天24小时里的分布跟需求的时段分布对不对得上。很多通道总量上供大于求但早高峰7:30-8:30这段依然买不到票这就是时段错配。时段错配的原因往往是列车运行图的天窗设置、枢纽到发线能力、以及跨线列车时刻衔接等限制导致的不是单纯加车能解决的。空间匹配运力在沿线各站是不是均衡分配。陕西的典型问题是枢纽大站西安北、西安票额充足但中间站杨陵南、大荔、彬州东票额少中间站旅客买到票的难度远大于始发站。这是票额预分策略导致的本质是需求在空间维度和运力分配策略之间的错配。4.2 陕西三个重点通道的供需特征例解拿陕西的实际通道来举例说明西安-宝鸡通道这是陕西客流密度最高的通道之一日常时段基本饱和问题主要出在高峰时段。早高峰西行方向、晚高峰东行方向压力大节假日双向都紧张。供需分析的重点应该放在高峰时段如何挤运力上比如优化动车组交路让更多车底在高峰期上线运行。西安-延安通道随着西延高铁建设推进通道整体进入运力扩张期。当前普速动集的组合下日常运力已能覆盖需求真正的缺口在节假日。但这里有特殊性——西延高铁开通后通道客流会发生明显的诱增效应既有需求分析如果只基于当前客流外推会系统性低估开通初期的需求冲击。西安-汉中通道西成高铁开通后经历了暴涨—回落—再增长的三阶段演化。第一年暴涨是通道升级释放的潜能第二年回落是部分尝鲜型客流回归公路和自驾第三年开始稳定增长。如果做需求分析时没意识到这种演化规律直接把第一年的增长率外推会得出非常离谱的预测值。这也是我在预测模型里坚持要加需求释放曲线的原因——高铁开通初期的高增速是存量转移增量诱发的混合结果不是常态增速。4.3 用剩余能力看缺口而不是用客座率一个特别想说透的点衡量供需缺口不要单看上座率要看剩余能力。假设西安到某方向一天开10趟车平均客座率85%看起来还有余量但如果你拆到具体车次去看可能早高峰两趟标杆车客座率超过100%有站票而上午10点到下午2点之间的三趟车客座率只有60%。这时候总量上够用但产品结构上不够。真正的缺口分析应该输出到车次级别告诉决策者哪个方向、哪个时段、哪类车次供给偏紧。我在报告里的通常做法是做一个供需缺口矩阵横轴是时段早高峰、白天平峰、晚高峰、夜间纵轴是区间或OD对矩阵格子里填缺口等级无缺口/轻度紧张/中度紧张/严重紧张。这个矩阵做出来比写三页文字分析都管用决策者一眼就能看出该在哪加车。5. 需求预测别迷信模型要讲逻辑5.1 定量模型的适用边界需求预测这部分我想先泼一盆冷水不要迷信定量模型。陕西铁路客运需求预测常见的做法是回归分析拿GDP、人口、收入做自变量、增长率外推拿过去5年的平均增速推未来、甚至有的直接用灰色预测。这些方法不是不能用但都有各自的坑回归分析的致命问题是自变量和因变量互相因果。铁路改善会带动沿线经济发展经济发展又会增加铁路需求你把GDP当自变量去预测客运量逻辑上就绕了。增长率外推的问题是结构断点。陕西铁路路网这几年变化太快西成、银西、西延陆续开通每次都带来窗口期的需求跳变用历史平滑增长率推不出这种结构性变化。我自己的预测框架是三明治结构底层是区域经济和人口的空间分布中间层是交通可达性变化带来的需求诱发系数顶层才是历史客流的趋势外推。先把底层的经济产生多少出行需求算出来再用中间层的诱发系数修正最后用顶层的历史数据验证和校准。这套框架不追求某一个模型的精确而是让不同数据源互相纠偏。5.2 事件驱动型需求的量化思路陕西有个别省份不常遇到但在这里特别重要的需求类型重大事件驱动型需求。大型赛会、会展、文旅节点比如西安年·最中国系列活动、以及重点工程建设带来的集中通勤需求。这些需求的特征是启动快、峰值高、持续短常规预测模型处理不了。我的处理办法是单独建一个事件池把已知的重大事件按时间和地点标注估算每个事件的增量客流结合同类事件的历史爬取数据和购买转化率来估然后把事件客流叠加在基准客流之上。这部分不追求精确但要求不漏项。漏掉一个大型活动节假日高峰时段的缺口判断就会偏乐观而偏乐观的后果是运力准备不足旅客购票感受差。5.3 预测结果要输出区间而不是点值最后一条预测经验也是我认为最重要的一条预测结论一定输出区间不要输出单点。很多报告写2030年陕西铁路客运量将达到1.2亿人次这种单点预测看着精确实际是虚假精确。需求预测的不确定性来自路网变化、票价政策、经济波动、甚至疫情这类黑天鹅任何单一数值都是脆弱的。我通常给三档基准情景、乐观情景、保守情景每档给出关键假设的差异比如假设高铁开通时间是否按期、经济增长是高还是低同时明确每档的概率权重。决策者真正需要的不是哪个数对而是如果未来往这个方向走我该提前做什么准备。输出区间的意义在于让决策者有应对不确定性的弹性空间。6. 报告落地陕西语境下最容易翻车的三个细节分析做得再好落到陕西铁路客运需求分析这份报告上还得过写出来能不能落地这关。这一节说三个我踩过的坑。6.1 关中平原城市群不是一句漂亮话很多报告把关中平原城市群放在背景里当装饰品但不影响后续任何分析。实际上城市群框架应该是需求分析的核心组织逻辑之一——陕西的铁路客运需求高度集中在西安咸阳主城区渭南部分区县这个核心圈层其次是宝鸡、铜川、杨凌构成的紧密圈层再往外才是汉中、安康、延安这些外围城市。你要是把城市群当真分析结构就会变不再是西安是一个点、其他城市是另一个点的单点对分析而是核心圈层内部的高频通勤需求和核心圈层与外围城市间的中低频联通需求分层分析。高频通勤需求对开行密度、时刻稳定性、票价的敏感度跟中低频联通需求完全不同分析的输出建议也就完全不同。6.2 节假日数据必须单独建模块陕西是旅游大省同时也是劳务输出省份特别是陕南、陕北方向双重身份叠加导致节假日的客流特征跟日常完全是两个世界。我之前做过一个对比西安北站日常客流的高峰时段是上午9-11点出站方向但五一假期的客流高峰变成了开幕前一晚和闭幕当天的双向高峰波动幅度是日常的2.8倍。如果你把节假日数据跟日常数据混在一起做全年平均既看不出平峰时段的运力冗余也看不出高峰时段的紧张程度分析结论两头都不讨好。我的建议是需求分析报告里节假日单独成一个章节至少覆盖春运、暑运和全年所有3天以上小长假元旦、清明、五一、端午、中秋、国庆。每个节假日类型单独分析规模、峰值、时间和方向特征然后跟日常做对比。这样写出来的报告运营部门拿过去就能用——他们日常最头疼的就是节假日怎么排图。6.3 结论要与开行方案挂钩而不是停在建议需求分析报告最常见的烂尾是分析了一堆结论落在建议加密西安至榆林方向列车开行。这句话等于没说——加密多少对加在哪个时段用什么车型是否需要调整既有车次时刻真正能落地的结论必须跟开行方案的调整逻辑挂上钩一是能力缺口量化到对数。高峰期供需缺口测算出一个方向的运力缺口要折算成需要增开多少对列车。折算要考虑线路能力和车底周转不是简单把缺口人数除以单车定员。二是建议分优先级。哪些是近期可以通过优化票额预分、重联运行就解决的哪些需要调整运行图才能实现哪些要等新线开通或者车底到位才能解决。分完优先级报告才能从分析报告变成行动计划。三是给出可监测的指标。比如建议加强某方向早高峰运力后后续跟踪指标就是该方向早高峰时段客座率和购票成功率。没有监测指标的分析结论半年后没人能判断当时的建议是否有效报告也就失去了闭环。7. 最后分享几条个人心得做了不少这类需求分析项目最后说几条很难写进方法论、但实际帮忙很大的体会。第一永远先找异常值。数据拿回来先不要建模先把客流排名前10的站、增长率前5的区间、节假日倍率超过3的通道找出来每条异常都先去查原因——有没有新线开通有没有列车改点有没有大型活动有没有学校搬迁。异常值能解释清楚你的分析就成功了一半解释不清后面再用高级模型也属于在错误的地基上盖楼。第二现场去看一次车站比看十份报告有用。我在分析陕西某站需求时从数据看不出来该站存在严重的进站难问题——因为周边道路拥堵导致旅客到站时间不可控不少旅客因此宁可选比高铁慢的普速或公路。后来到现场蹲了半天才发现这个问题从此凡是有条件我都要安排一次实地访站。数据告诉你发生了什么现场告诉你为什么发生。第三报告篇幅控制在决策者能读完的范围内。分析再深入如果决策者三页纸看完才能找到重点效果就打了折扣。我的做法是核心结论压成一页支撑性分析放附录。正文只回答四个问题需求有多大、缺口在哪、未来怎么变、应该怎么办。其余的图表和分析过程让有需要的人去附录找。陕西铁路客运这盘棋线网在扩展、城市在生长、旅客的选择越来越多元需求分析的价值恰恰在于把这种动态复杂性梳理出规律。方法论永远在更新但需求背后是人人的行为背后是场景这个底层的判断逻辑什么时候都不过时。本文还有配套的精品资源点击获取