1、 Preliminary investigation and Research on freight industry 项 目 终 期 报 告 西南交通大学交通运输与物流学院 综合交通大数据应用技术国家工程实验室-智慧物流大数据应用技术实验室 201905 Preliminary investigation and Research on freight industry 2 关于西南交通大学交通运输与物流学院 交通运输与物流学院是西南交通大学具有悠久办学历史的学院， 是学校交通特色的重要支撑，目前已具有从本科生、研究生到博士后完整的人才培养体系。学院所依托的交通运输工程一级学科在教育部评估中

2、连续十二年全国排名第一。 学院科研成果丰硕， 近年来先后承担了包括国家 “863” 计划项目、 国家 “十二五”科技攻关项目等在内的国家级和省部级科研课题 200 余项，获得了包括国家科技进步一等奖在内的国家级和省部级科技成果奖 30 余项。在计算机编制列车运行图、调度指挥、智能交通、现代化物流等方面的研究处于国内领先水平。现有“综合交通大数据应用技术国家工程实验室”、“综合交通运输智能化国家地方联合工程实验室”等国家级重点科研基地，为推动综合交通大数据应用的技术进步和产业发展提供技术支撑。 历经半个多世纪的发展， 交通运输与物流学院已发展成为一个多学科协调发展的、在国内外具有重要影响力的学院

3、，是我国轨道交通、道路及城市交通、交通安全和现代物流人才培养及科学研究的重要基地之一。半个多世纪以来，学院已为国家交通运输与物流领域培养了近万名毕业生， 为我国交通运输与现代物流的建设和发展做出了突出贡献。 关于综合交通大数据应用技术国家工程实验室-智慧物流大数据应用技术实验室 综合交通大数据应用技术国家工程实验室于 2017 年 1 月经国家发展改革委批复同意组建，由西南交通大学和北京航空航天大学共同筹建。西南交通大学将主要针对我国交通行业数据孤岛化、出行服务碎片化等问题，围绕高效运用大数据提升综合交通整体效能的迫切需求， 建设综合交通大数据应用技术相关研究平台；重点支撑开展基于大数据的综合

4、交通一体化规划、综合运输系统运营管控、智慧物流服务等技术的研发和工程化。 智慧物流大数据应用技术实验室隶属于综合交通大数据应用技术国家工程实验室。实验室成员以中青年学者为主，团队成员稳定，背景交叉互补，科研经验丰富，已合作开展了多个国家级、省市级项目。研究团队既具备良好的国际视野，又具备大数据挖掘、物流网络优化、交通出行行为学研究、数据科学研究、运筹优化等方面的专业技能和成果积累。 甘蜜副教授作为智慧物流大数据应用技术实验室负责人，近年来一直致力于智慧物流大数据应用项目的研究，具体包括城市低碳物流网络特征分析和优化、 大数据和人工智能技术在货车司机用户刻画分析和出行预测方面的应用、数据驱动的物

5、流系统优化等。 Preliminary investigation and Research on freight industry 3 报告作者 甘蜜 西南交通大学交通运输与物流学院 副教授 智慧物流大数据应用技术研究院 负责人 刘晓波 西南交通大学交通运输与物流学院 教授、院长 李丹丹、李新媛、谢荣惠、张发东、黄青蓝、钱秋君、张文畅、邓余玲 西南交通大学智慧物流大数据应用技术研究院 研究人员 报告顾问 戴定一 原中国物流与采购联合会专家委员会副主任 罗 鹏 原满帮集团联席总裁、货车帮 CEO 何东全 能源创新中国区 主任 姜 洋 宇恒可持续交通研究中心 副主任 宋国华 北京交通大学交通运输

6、学院 教授 张明辉 北京市交通发展研究院 工程师 许 寻 KAPSARC（阿卜杜拉国王石油研究中心） 研究员 龚慧明 能源基金会 交通项目主任 辛 焰 能源基金会 交通项目主管 赵 芮 能源基金会 交通项目经理 致 谢 感谢能源基金会为本报告提供资金支持，感谢西南交通大学交通运输与物流学院综合交通大数据应用技术国家工程实验室、智慧物流大数据应用技术实验室以及满帮集团货车帮 O2O 货运平台提供数据及观点支持，同时也诚挚地感谢为本报告提出宝贵意见与建议的所有业内专家与同事。 Preliminary investigation and Research on freight industry 4

7、报告声明 本报告由能源基金会资助，西南交通大学交通运输与物流学院综合交通大数据应用技术国家工程实验室、智慧物流大数据应用技术实验室提供数据及观点支持，报告内容不代表资助方及支持方的观点。 Preliminary investigation and Research on freight industry 5 名词解释 轻型车轻型车：最大设计总质量不超过 3500 kg 的 M1 类、M2 类和 N1 类汽车1； 重型车：重型车：最大设计总质量大于 3500kg 的普通货车、半挂牵引车、自卸车； 车长车长：货车的货箱长度； 实载率实载率：车辆实际完成的自载换算周转量（即实际周转量）与全行程周转量

8、（总车周转量、总行程载货质量，单位：吨位公里）之比，用以反映车辆在总行程中载重能力的有效利用程度，可综合反映车辆行程利用和吨位利用程度，又称为载质量利用率； 百公里油耗：百公里油耗：即综合燃料消耗量，指车辆在道路上按一定速度行驶一百公里的平均燃料消耗量； 吨公里油耗：吨公里油耗：即单位周转量燃料消耗量，指车辆完成吨公里运输工作量的平均燃料消耗量； 油耗：油耗：若未具体注明，本报告中的油耗指实际油耗，即实际道路条件下货车驾驶油耗水平。本报告实际油耗一部分来自于 O2O 货运平台车主使用线上平台加油业务所产生的加油数据，另一部分来自于对散户货车司机的调研数据； 货车综合工况油耗货车综合工况油耗：根

9、据 GB/T 19233-2008 轻型汽车燃料消耗量试验方法、GB/T 27840-2011重型商用车燃料消耗量测试方法标准，在试验中获取车辆在 C-WTVC 工况中市区、公路和高速三个区间内的车辆燃油消耗量，结合该类型车在区间的分配比例进行加权计算得到综合燃料消耗量。 1 注：本报告车辆类型划分以中华人民共和国国家质量监督检验检疫总局、中国国家标准化管理委员会共同发布的 GB 209972015轻型商用车辆燃料消耗量限值和 GB 30510-2014重型商用车辆燃料消耗量限值文件中的车型划分标准为依据，将最大设计总质量不超过 3500kg 的货车分类为轻型货车，而将最大设计总质量大于 35

10、00kg 的货车根据其自身特性分类为牵引货车、自卸货车以及普通货车（载货车）。 Preliminary investigation and Research on freight industry 6 目目 录录 目目 录录 . 6 1. 项目背景项目背景 . 1 1.1 项目概要 . 1 1.2 数据简介 . 4 1.2.1 样本数据获取 . 4 1.2.2 数据处理 . 4 2. 货运特征分析货运特征分析 . 5 2.1 货车、货物静态特征 . 5 2.1.1 货车分布特征 . 5 2.1.2 货物分布特征 . 8 2.1.3 货物类型与车长 . 10 2.2 时空分布总体特征 . 11

11、2.2.1 运距分布特征 . 11 2.2.2 各货物类型跨省与省内运输量占比 . 16 2.2.3 各省份运出与到达货物类型分布情况 . 17 2.2.4 主要货物的货运通道及流向 . 19 2.2.5 分货物类型的季节差异 . 20 2.2.6 实载率总体分布特征 . 21 2.3 分区域的货运特征分析 . 25 2.3.1 分地区实载率 . 25 2.3.2 分地区典型 OD 对超载货物 TOP1 . 31 2.3.3 分地区货运通道 . 32 2.4 本章小结 . 33 3. 公路货运油耗情况分析公路货运油耗情况分析 . 36 3.1 油耗相关背景简介 . 36 3.2 公路货运实际油

12、耗总体分布情况 . 38 3.2.1 主流品牌、车型油耗概率分布 . 38 3.2.2 主流车长油耗概率分布 . 43 3.2.3 实际油耗的地区差异 . 44 3.2.4 实际油耗的季节性差异 . 50 3.2.5 同城运输和干线运输的对比 . 51 3.2.6 不同货物类型的实际吨公里油耗对比 . 53 3.3 油耗差异结果与分析 . 54 3.3.1 分质量段（油耗标准区间）车型实际油耗与限值水平对比 54 3.3.2 不同车型、品牌的工况油耗与实际油耗差异 . 56 3.4 本章小结 . 59 Preliminary investigation and Research on frei

13、ght industry 7 4. 货车空驶行为分析 . 61 4.1 货车空驶率分布 . 61 4.2 货车空驶率影响因素分析 . 63 4.3 货车空驶特征分析 . 65 4.4 本章小结 . 67 5. 货运平台驾驶员偏好分析货运平台驾驶员偏好分析 . 68 5.1 对线上货运平台的偏好特征 . 68 5.2 运输类型偏好 . 69 5.3 订单创建时间与发货时间的间隔分布 . 70 5.4 典型 OD 对平均运行速度概率分布 . 71 5.5 运行效率分析 . 72 5.6 本章小结 . 73 6. 总结及建议 . 74 7.未来展望 . 80 1 1. 项目背景项目背景 1.1 项目

14、概要 近年来， 随着交通运输业迅速发展， 我国已初步建成了由公路、 铁路、 航空、水运、管道组成的货运体系，公路货物运输量占到综合运输货运总量的 78.4%，在各种运输方式中位居榜首2。 截止 2018 年 9 月底， 中国载货汽车保有量达 2522万辆，其中重型卡车保有量超过 500 万辆，轻中型卡车保有量超过 1400 万辆3。中国公路货运整体周转量超过 61000 亿吨公里，市场规模超过 5 万亿元，已成为世界第一大公路运输市场。目前公路货运市场运出货类宏观占比为：工业制造品占 34.77%、生活消费品占 25.88%、农产品占 24.31%、矿产品占 12.73%、其他占2.3%4。从

15、各种运输方式占比来看，显然，公路货运行业是整个陆地运输行业、乃至整个交通行业成品油消费和碳排放的主体。 与国外公路货运市场大型运输公司占据大部分市场份额不同， 我国公路货运市场是以散户群体为主，大型运输公司为辅。货车司机 90%以上都是个体户，这导致了我国公路货运市场呈现出“杂、散、乱”的格局，出现对货车和货车驾驶员管理难的问题。其原因可归结为：一是市场主体分散、运力过剩严重；二是产品体系缺失、同质竞争普遍；三是成本费用高、货运效率落后；四是从业人员短缺，职工素质不力；五是信息化水平低，行业发展乏力。我国本土长久以来的零散、碎片化的生产经营方式，直接影响了与其紧密相关的公路货运行业5。 货运是

16、高耗能产业，而在我国货运结构中，公路承担了大部分的货物运输任务，因此，深入了解公路散户货运行业能源消耗状况，对推动整个交通行业的节能减排和清洁低碳具有重大意义。 我国公路散户货运行业能源消耗统计工作基础比较薄弱，企业多、小、散、弱，数据采集难度大。依托传统的人工填报方式获取的数据质量无法保证、难以评估和审核。近年来，交通运输部提出了通过安装在线监测设备，自动获取营运货车能耗数据的思路。然而，此种方法尽管可以掌 2 基于大数据的中国公路货运行业运行分析报告（2017） 3 公安部：第三季度机动车和驾驶人保持平稳增长 4 数据来源：中国公路物流运价指数网 http:/ 5 基于我国国情的公路货运行

17、业分析及优化策略.，房慧，2018 Preliminary investigation and Research on freight industry 2 握货车的能耗情况，但对驾驶员的驾驶行为等无法捕捉和刻画，也无法把车辆油耗信息与货物运输情况、驾驶状况等联系起来。另外，这些监测的车辆更多是反映了大型货车以及相对集中化程度较高的车队的情况， 众多以个体运输为主要模式的货运行为没有得到体现。 随着近几年货车运营 O2O 平台的兴起，小、散、杂、难以管理和监控的货车及驾驶员相继加入 O2O 在线平台，形成巨大的驾驶员和货车数据池及运力池。本项目由西南交通大学智慧物流大数据应用技术实验室实施，

18、以 O2O 货运平台数据为基础，结合实地调研，运用大数据方法，挖掘针对散户货运市场的货物运行特征、公路货运油耗分析、货车空驶行为分析与驾驶员货运偏好特征分析。 与传统的货运研究方法相比，本项目通过满帮集团货车帮 O2O 货运平台（后简称 O2O 货运平台）积累的货车运行 0D 数据、GPS 设备准确记录的货车运行时刻，地点以及距离等信息形成的大数据进行分析具有一定优势：（1）全面的数据。大数据方法为本项目提供了规模巨大且准确的数据，使统计分析结果更加真实、可靠、全面，且同时节约了数据收集时间与成本； （2）挖掘潜在货运信息。通过大数据技术，可以有效挖掘货车运行特征、油耗、空驶、司机偏好等潜在的

19、价值信息；（3）揭示货运规律。通过大数据分析，联系不同类型大数据之间的关系，可以发现货车运行中隐藏的规律，能够有效的对货物的流向与流量进行预测，以便管理者做出决策。但运用大数据方法也存在一定的局限，如：（1）数据噪声。本项目中的原始数据并非全部为有效数据，且按一定比例抽取，存在数据噪声问题，需要从极其庞大的数据中挖掘出有用的信息内容。尽管项目已经采取了一定手段进行数据清洗，但不能保证所有“噪声”都被剔除。（2）对不确定性问题进行预测可行性低等。针对本项目拟研究的问题，基于货车运行大数据对微观货运行业进行初步探究，具有十分重要的意义。 项目按计划实施研究，成果显著。对长途运输的海量货车运行数据进

20、行了挖掘与梳理。从微观上对公路货运货车车型、载重、运行路线、运行效率、加油偏好、能源消耗、运行周转量情况等内容进行梳理和分析；从宏观上对公路货运货车、货物静态特征及时空分布特征、公路货运行业运行效率、驾驶员货运偏好特Preliminary investigation and Research on freight industry 3 征、公路货运实际油耗总体分布情况、油耗差异结果进行了系统的分析，同时选取典型 OD 对，对其公路货运进行深入挖掘与分析。主要分为以下 4 个部分： （1）货运特征分析 本报告以 O2O 货运平台数据、实地调研数据及宏观数据为数据基础，探究车型、车长、载重、品牌之

21、间的关系，进一步描述货车静态特征；探究近三年各货物类型占比情况，描述货物静态特征；探究货车与货物之间的关系，进一步完善货车、货物静态特征。 研究全国范围内货车年行驶里程分布，不同类型货车单次运输里程分布；各省份货车运距分布；货物与运距、车长与运距之间的潜在关系；对各种货物类型跨省与省内运输量占比、各省份运出与到达货物类型分布情况、主要货物的货运通道及流向、分货物类型的季节差异等时空分布特征进行分析；同时，探究各省份出发与各省份到达实载率、各省份省内运输平均实载率、不同货物类型的实载率等，从多维度对货车实载率进行分析。最后从区域微观视角，对全国重点区域OD 对间的实载率、超载货物类型和货运通道进

22、行探究。 （2）公路货运油耗分析 以 O2O 平台货运数据和实地调研数据为基础， 对公路货运实际油耗总体分布情况进行研究， 具体描述主流品牌、 车型油耗概率分布、 主流车长油耗概率分布、实际油耗的地区性和季节性差异，以及不同车型、品牌油耗差异和不同货物类型的实际吨公里油耗对比。 同时从分质量段 （油耗标准区间） 车型实际油耗与限值水平对比和不同车型、品牌的工况油耗与实际油耗差异两方面对油耗差异结果进行研究与分析。 （3）货车空驶行为分析 以 O2O 货运平台司机 GPS 数据为基础， 随机抽取一个月货车的 GPS 数据研究货车空驶率分布、货车空驶率影响因素分析以及货车空驶特征，对货车空驶行为进

23、行分析。 （4）驾驶员货运偏好特征分析 以 O2O 货运平台数据为基础， 结合调查问卷分析货车司机线上货运平台的偏好特征；分析货车司机的运输类型偏好；利用订单数据研究订单响应效率；利用Preliminary investigation and Research on freight industry 4 货车 GPS 数据研究 OD 对平均速度概率分布；利用加油业务数据分析司机加油偏好。 1.2 数据简介 1.2.1 样本数据获取样本数据获取 本项目数据主要包括 O2O 货运平台样本数据 （按一定比例抽取） 和调研数据。样本涵盖 31 个省市(除港、澳、台)，超过 1000 万条货车数据。包括

24、 OD 数据、GPS 数据、燃油数据及司机信息四部分，OD 数据和 GPS 数据样例如图 1-1、1-2所示。OD 数据涵盖 2015-2017 年全国范围内主要城市之间的货运数据；GPS 数据是抽取 O2O 货运平台部分注册司机的 2018 年行为数据；燃油数据由平台注册司机使用 O2O 货运平台加油业务所产生，包含燃料类型、加油频次、平均单次加油量、单价、折后金额等信息；司机信息包括司机性别、年龄以及经营方式等。调研数据则通过电话访问、在线问卷回收、实地调研等方式获取。通过设计调查问卷，问卷主要涉及到货车参数、运输类型、油耗和货运相关政策等内容，面向全国各地货车司机，采取电话访谈个体货车主

25、；在 QQ、微信、卡车之家论坛、货运贴吧等社交平台投放问卷；实地走访公路物流园区等形式，共收集了有效问卷2523 份，利用统计分析方法和多维方法拟合货车能耗与货车车况，驾驶员行为等之间的数值关系，实现了项目货运调研目的。 图 1-1 OD 数据示例 图 1-2 GPS 数据示例 1.2.2 数据处理数据处理 对 O2O 货运平台的脱敏数据和项目调研数据进行数据预处理， 得到以下几方面信息：1）货车静态及动态信息；包括货车品牌、车型、车长、载重、货车平Preliminary investigation and Research on freight industry 5 台注册年限、行驶里程、运

26、营情况（实载率、空驶里程）、运行时长、货车轨迹信息等；2）货物信息；包括货物类型、货物重量；3）燃油信息；包括燃料类型、加油频次、平均单次加油量、单价等；4）司机信息；包括司机性别、年龄、经营方式等。根据以上信息，从多角度初步刻画了我国货运行业现状。包括货车分地区、品牌、车型、载重、长度、里程的分布情况；货物地区、品类、运距的分布情况；货车的运营情况（实载率）；货车司机分布情况；货车司机省内运输、跨省运输偏好；分地区、车型、货物品类的货车燃油消耗等。 图 1-3 O2O 货运平台数据分类 2. 货运特征分析货运特征分析 2.1 货车、货物静态特征 2.1.1 货车分布特征货车分布特征 （1）车

27、型、品牌 Preliminary investigation and Research on freight industry 6 图 2-1 2017 年车型分布 图 2-2 2017 年货车品牌、车型分布 从 2017 年平台静态货车数据可了解到（图 2-1），普通车和牵引车是常见车型，在品牌、车型总数量中占比超过 65%。普通车可以满足农林牧渔业产品以及轻工、医药产品对温度、湿度等特殊货物的运输要求，在中短距离的运输中也具有一定优势，因此，该车型运输货物类型较多，相应占比较高；而牵引车具有载重优势，单次货运量大，单位运输成本更低，经济性更高，故其市场需求量更普通车, 32.84%牵引车,

28、 32.45%轻型车, 7.88%自卸车, 26.83%0.00%5.00%10.00%15.00%20.00%25.00%30.00%35.00%普通车牵引车轻型车自卸车Preliminary investigation and Research on freight industry 7 大。从 2017 年货车品牌车型分布看（图 2-2），一汽解放和福田占到了平台货车品牌的前两位，紧随其后的是东风、江淮等品牌。 （2）车长、载重 图 2-3 2017 年车长分布 从 2017 年车长分布来看（图 2-3），平台货车车长分布主要以 4.2 米,6.8米,9.6 米和 13 米车型为主，车长

29、为 6.8 米和 4.2 米的货车占比大致持平，均为23%左右，依次位居前两位；车长为 9.6 米的货车占比为 21%左右。结合不同车长油耗分布图 （3-9） 6.8 米车长的货车载货量较大且油耗较低， 适合中长途货物运输；受交通规则影响，4.2 米车长的货车进出市区便利，能更好地提供城市内点对点的货运服务6。 6 注：本报告中的“车长”指货车的货箱长度。 Preliminary investigation and Research on freight industry 8 图 2-4 2017 年货车车长-载重分布 从 2017 年货车车长-载重分布图（图 2-4）可以看出，最常见的车长载

30、重组合是 6.8 米-10 吨，其次是 13 米-40 吨。在车长为 4.2 米的货车中，最常见载重为 5 吨；在 9.6 米车长的货车中最常见载重为 18 吨。不同车长-载重的组合，能更好的适应货物多样性，为货运市场提供更多选择。如 6.8 米-10 吨货车更适用于中长途运输，13 米-40 吨货车适用于长途运输，运距越长时，载货越多会带来更大的经济效益。但载货越多，相应的货运成本也会更高，受城市环境的限制，载重较小的轻微型货车则更适合城市内货物运输。由此可见，不同货车车长-载重的多样组合能够较好的满足货运市场的多样化需求。 2.1.2 货物分布特征货物分布特征7 图 2-5 2015 年2

31、017 年货物类型构成（按货运量统计） 7 货物类型分类标准：J/T19-2001运输货物分类和代码，第四部分 Preliminary investigation and Research on freight industry 9 20152017 年公路货运各货物类型运量占比情况如图 2-5 所示。2015 年，占比最高的是轻工、医药产品，占比为 31.85%；其次为农林牧渔业产品，占比为24.10%，机械设备、电器占 11.80%；其余货物类型的比例均在 5%以下。占比最小的为有色金属，仅有 0.07%。 2016 年占比最高的为轻工、医药产品，占比为 29.84%。其次是农林牧渔业产品

32、，占比为 23.57%。机械设备、电器的占比为 10.61%，钢铁的占比为 6.65%，其余货物类型的比例均在 5%以下。 2017 年，农林牧渔业产品货物重量占货运总量的 33.27%，轻工、医药产品为 32.80%。煤炭、矿物等货物只占总货运量的 3%-4%，石油天然气、水泥和盐等货物占比低于 2%。从 O2O 货运平台来看，17 类货物占总货物运输总量比例与实际货物运输占比较为吻合。 结合 2015 年、2016 年、2017 年的公路货物类型不难发现，农林牧渔业产品和轻工、医药产品为公路货运中占比最高的两位。与 2015 年、2016 年略微不同的是， 17 年农林牧渔业产品货物运输占

33、比要高于轻工、 医药产品。 同时， 2017 年农林牧渔业产品和轻工、 医药产品的总运输占比远大于2015年、 2016年的54.43%和 51.33%，达到了 66.07%。其余货物类型中占比前三位的为钢铁、机械设备、电器和矿物性建筑材料。总的来说，2015 年、2016 年、2017 年公路货物运输比例变化不大，2017 年农林牧渔业产品和轻工医药产品的运输比例增幅较为明显。 据此分析，我国公路散户货运市场主要集中于第一产业农副产品，且随着我国工业化、 城市化水平提高， 我国第二产业和第三产业的运输需求正在逐步扩大。农林牧渔业产品与轻工、医药产品作为人们生活的必需品，需求量大，同时这两类货

34、物地理分布不均， 较分散， 适合散户货车司机进行运输。 煤炭、 非金属矿石、金属矿石等大宗货物目前主要由铁路运输、水路运输等方式承担运量，因此公路运输的需求较少。石油、天然气及其制品主要由管道运输和专门的运输车队进行运输。钢铁因产能过剩，加之国家政策对大宗货物运输实施“公转铁、公转水”方向的调控，钢铁行业受其影响，故在公路运输中钢铁的运量占比较小。 Preliminary investigation and Research on freight industry 10 2.1.3 货物类型与车长货物类型与车长 图 2-6 为 2017 年不同车长的货车运输不同货物类型总量占比关系图。从货物类

35、型来看，机械设备、电器，农林牧渔业产品与轻工、医药产品为主要运输货物，其他货物运输量占比较小。其中机械设备、电器主要由 4.2 米、6.8 米车型运输；农林牧渔业产品主要由 6.8 米、9.6 米车型运输；轻工、医药产品主要由4.2 米、9.6 米车型运输，其他车长车型运输量占比较小。 图 2-6 2017 年不同货物类型-车长分布情况 从车长车型来看，4.2 米、9.6 米、13 米车型运输货物占比最大的为轻工、医药产品；6.8 米车型运输货物占比最大的为农林牧渔业产品；17.5 米车型运输货物占比最大的为机械设备、电器。整体上 6.8 米车型运输货物量占比大于其他车长车型，运输量较大；17

36、.5 米车型运输货物量占比小于其他车长车型。经分析， 同一货物类型由不同车长、 车型运输的占比不同， 主要原因与货物特性有关，例如货物价值、体积、质量、形状等。而同一车长、车型运输不同货物类型的占比也不同，原因在于车长、车型与货物特性之间的匹配度不同，匹配度越高，运输量占比越大。 从货物类型角度分析，以农林牧渔业产品为例，农林牧渔业属于第一产业，产品大多为农业原始产品，在运往其它地区前，没有精加工等作业环节，而是通过简单的收割与初步包装即可开始运输，科技含量较低，其价值也相对较低；并且， 农林牧渔业产品体积小， 质量较轻， 使用中小型货车进行运输即可满足需求；另外，考虑到车型越大，其自重越大，

37、相同距离燃油消耗量相对较高，成本就越高。因此，从货物特性与经济效益两方面考虑，农林牧渔业产品适合用 6.8 米车Preliminary investigation and Research on freight industry 11 型进行运输。从车长车型角度分析，以 6.8 米车型为例，6.8 米车型属于中小型货车，自重载重相对较小，运输成本不高，适合运输质量体积偏小的货物，这与农林牧渔业产品特性匹配度较高，因此，6.8 米车型货车运输的主要货物类型为农林牧渔业产品。 2.2 时空分布总体特征 2.2.1 运距分布特征运距分布特征 （1）货车运距分布 图 2-7 2018 年货车年行驶里程

38、 从图（2-7）2018 年货车年行驶里程分布图来看，我国散户货车年平均行驶里程为 107332.33km，最大行驶里程为 498458.798km，年行驶里程在 5 万 km15万 km 之间的车占到 59.42%。 图 2-8 2018 年全国货车单次平均运距分布 Preliminary investigation and Research on freight industry 12 2018 年全国范围内， 散户货车单次平均运距为 669.89km， 最大运距 5435.5km,为新疆阿克苏到辽宁沈阳。由图 2-8 可以看出，大部分货车的运距集中分布在1000km 以下，1000km

39、以上的运输占比为 21.66%，说明我国道路货运的主要业务为中、长途运输。 图 2-9 2018 年轻型车单次平均运距分布 由图 2-9 可以得出，轻型车平均运距为 410.27km，最大运距为 4278.3km；运距在 500km 以下的轻型车占到其总量的 74.04%，运距在 5001000km 的轻型车占到总量的 18.63%，运距在 1000km 以上的仅占 7.33%，即轻型车多负责中短途的省内运输或区域运输。 图 2-10 2018 年普通载货车单次平均运距分布 Preliminary investigation and Research on freight industry 1

40、3 2018 年普通载货车占所有车型的 34%，普通车平均运距 525.38km，最大运距 4475.9km。由图 2-10 可以看出，运距在 500km 以下的普通载货车占到其总数的 64.17%， 运距在 5001000km 的普通载货车占到总数的 22.21%， 运距在 1000km以上的仅占 13.62%，即普通载货车多负责中长途运输。 图 2-11 2018 年半挂牵引车运距分布 2018 年半挂牵引车占所有车型的 30%，平均运距 950.29km，远大于其他车型，最大运距 5435.5km。由图 2-11 可以看出，运距在 500km 以下的牵引车占到其总量的 34.16%，该比

41、例远小于其他车型，而运距在 1000km 以上的牵引车占总量的 37.07%，该比例约为普通载货车的三倍，说明半挂牵引车的主要业务为长途跨省运输。 图 2-12 2018 年自卸车运距分布 Preliminary investigation and Research on freight industry 14 2018 年自卸车占所有车型的 27%，平均运距 623.59km，最大运距 4840.4km,由图 2-11 可以看出，运距在 500km 以下的自卸车占到其总数的 53.98%，运距在5001000km 的自卸车占到总数的 26.68%，运距在 1000km 以上的仅占 19.34

42、%，即自卸车多负责中长途运输。 图 2-13 2017 年各省份出发货车平均运距 图 2-13 为 2017 年各省份出发货车的单次货运平均运距，由于地理、经济条件的不同，各省份的货车显示出不同的运距偏好。从货车的平均出发运距来看，新疆、西藏、海南、青海、云南等边境地区或偏远地区出发的货车，多为长途运输，运距范围为 1200km-2000km，其中从新疆出发的货车运输距离最长。主要是因为新疆地区拥有丰富的水果、肉类、棉花等农林牧渔资源，以及石油、天然气等能源资源，内陆市场需求大，需要向全国其他地区输送货物。但由于地理位置偏远，因此平均运输距离较长。 而其他省市出发的货车运距一般维持在 400k

43、m-1000km 之间，此类运输多为相邻省市的中、长途运输。其中甘肃、宁夏、山西、陕西等西北部地区出发的货车运距为 700km-900km，江苏、浙江、广东等沿海地区平均出发运距为 600km-700km，黑龙江、辽宁、吉林等东北地区以及河北、河南等中原地区平均出发运距为 450km-500km。由于地理位置、自然资源及经济发展情况相似，相邻省份货物类型大致相同或为互补货物， 所以相邻省份的平均出发运距位于同一区间范围内。 此外， 某一地区平均出发运距的长短也与该地区货物的产销模式有关。 例如，Preliminary investigation and Research on freight

44、industry 15 四川作为中国的经济大省、资源大省，物产丰饶，而其平均出发运距较短（约为684km），如粮食、蔬菜等货物，多在四川省内自产自销，或倾向于重庆、贵州等相邻省市的中、短途运输，故其平均出发运距较短。 图 2-14 2017 年分车长的货车平均运距 车长是影响货车平均运距的因素之一，由 2017 年不同车长平均运距的分布图（图 2-14）可知，平均运距与车长呈正相关关系；当货车车长为 3 米到 4 米时，其平均运距最短，接近 240km；当货车车长为 17 米到 18 米时，其平均运距最长，大约为 1370km。从经济性角度考虑，车长越长，虽然货车运输固定成本更高，但是通过增加

45、载货里程可使盈利增加。其中 4.2 米车长货车和 6.8 米车长货车平均运距差异明显， 原因在于 4.2 米车长货车更适用于诸如交通管制复杂的城市运输，省内邻近城市快速运输等满足多样化运输需求的运输方式，因此其平均运距相对较短；而 6.8 米车长货车载重比 4.2 米车长货车更大，单次装运更具经济性，适用于中长途运输，因此平均运距相对较长。 （2）不同货物类型的运距分布 由 2017 年不同货类平均运输距离分布图（图 2-15）可知，各类货物平均运距分布在 300km 到 1100km 之间。其中，农林牧渔业产品平均运距最长，达到1076km。石油、天然气及制品和煤炭及其制品次之，分别为 99

46、9km 和 838km。水泥的平均运距最短为 334km。化工原料及制品、木材、钢铁、矿物性建筑材料、轻工、医药产品运输类型为中长途运输，运输距离在 400km 到 600km 之间。 Preliminary investigation and Research on freight industry 16 由于我国地域广阔、气候多样，导致农林牧渔资源在全国分布不均，为保障各地生产生活需要，农林牧渔类等生活必需品需进行大范围、长距离运输至全国各地，因此平均运距较远。而石油、天然气及制品和煤炭及其制品属于资源型货物，分布具有地域性，却属于生产生活必需能源物资，故也需进行大范围、长距离运输满足全国

47、需求。此外，我国水泥类货物资源分布广，为减少远距离运输成本可就近取材，因此更多为省内运输，故运输距离较短。 图 2-15 2017 年不同货物类型的平均运距 2.2.2 各货物类型跨省与省内运输量占比各货物类型跨省与省内运输量占比 由 2017 年省内外各类型货物运输量对比情况可知（图 2-16），省外运输比例较高的货物类型依次为有色金属、农林牧渔业产品和石油、天然气及其制品；省内运输货物类型占比较高的依次为水泥、盐、肥料及农药。结合不同货类平均运输距离分布图，可知跨省运输比例较大的货物平均运距也较长，但其中煤炭及其制品的运距和省外运输比例的关系较为异常。煤炭省外运输占比相对其他较低，但平均运

48、距较长，这是由于我国目前依然是世界最大的煤炭生产和消费大国，虽然省外运输占比相对较小，但由于生产消费量大，资源分布不均匀，所以需要长途运输满足全国的需求，因此平均运距仍然较长。而其它货物省内运输占比与不同货类平均运输距离分布的相互关系则比较正常。 Preliminary investigation and Research on freight industry 17 图 2-16 2017 年各种货物类型跨省与省内运输量占比 2.2.3 各省份运出与到达货物类型分布情况各省份运出与到达货物类型分布情况 各省份运出与到达货物类型分布情况如图 2-17(a)(b)所示，由图可见，西南地区的货物总

49、流通量居全国首列，且货物到达量高于货物发出量，形成省内外运输贸易逆差。对于西部地区而言，非金属矿石，钢铁等货物的流通量（发货量及到货量）更大；煤炭制品、有色金属及非金属矿石主要由西北地区和内蒙地区发出，除了自产自销以外，还运往西南地区；西南地区物产丰饶，化工原料及制品，机械设备、电器，木材，农林牧渔产品，轻工、医药产品，水泥，盐等货物是其主要的省内、省外贸易对象，其中轻工、医药产品占比最大；肥料及农药、金属矿石， 矿物性建筑材料等货物主要集中于华南地区， 主要运往内陆西南地区；而东北地区因地理环境特殊，主打粮食产物，运往华北、西南、东南等地区。 结合各省市统计数据，根据以上地区发货量与到货量占

50、比情况对比分析，表明不同货物种类省内外运输量与各地区自然地理条件、经济发展需求不同有关，也与各地区产业结构、各地货物宏观产销情况基本一致，侧面验证了平台样本数据的普适性和代表性。 0%10%20%30%40%50%60%70%80%90%100%农林牧渔业产品化工原料及制品有色金属木材机械设备、电器水泥煤炭及其制品盐石油、天然气及制品矿物性建筑材料粮食肥料及农药轻工、医药产品金属矿石钢铁非金属矿石省内跨省Preliminary investigation and Research on freight industry 18 图 2-17（a）各省份运出货物分布情况 图 2-17（b）各省份到