项目背景
我国公路货运市场以散户群体为主，呈现“杂、散、乱”的格局，存在市场主体分散、运力过剩、成本费用高、货运效率落后、信息化水平低等问题。该项目以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。
数据简介
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。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。
货运特征分析
- 货车、货物静态特征：普通车和牵引车是常见车型，主要车长分布为4.2米、6.8米、9.6米和13米，主要货车车长-载重组合是6.8米-10吨、13米-40吨。货物类型以农林牧渔业产品和轻工、医药产品为主，占比超过66%。
- 时空分布总体特征：我国散户货车年平均行驶里程为107332.33km，大部分货车的运距集中分布在1000km以下，说明我国道路货运的主要业务为中、长途运输。主要货运通道包括东西货运通道、南北货运通道、东北货运大通道、京津冀货运通道、鄂冀豫货运通道、西南货运通道、湘赣-两广货运通道。
- 实载率总体分布特征：2017年全国各省份出发货物实载率情况为，华北、西北地区大部分省份实载率高于100%，华中地区省份实载率介于90%与100%之间，华东、华南地区大部分省份实载率介于80%与90%之间。2017年全国各省份到达实载率情况为，西南地区与华北地区大部分省份实载率高于100%，华东地区大部分省份实载率介于80%与90%之间，华南、东北地区大部分省份实载率也介于80%与90%之间。2017年各省省内运输实载率情况为，华北、西北、西南地区大部分省份实载率高于100%；东北、华中、华东地区大部分省份实载率介于80%与90%之间。2017年全国盐、肥料及农药、石油、天然气及其制品、粮食、农林牧渔业产品、煤炭及其制品平均实载率高于100%。水泥、金属矿石、矿物性建筑材料、化工原料及制品、轻工、医药产品、钢铁、有色金属、木材、非金属矿石的实载率介于69%-99%之间；机械设备、电器及其他产品实载率介于50%-60%。
公路货运油耗情况分析
- 公路货运实际油耗总体分布情况：主流品牌、车型货车的实际油耗分布差异较大，但整体相差不大，比较集中且较为均匀。货车油耗整体随车长的增大而逐渐升高。不同车型干线运输的平均油耗均高于同城运输。
- 油耗差异结果与分析：分车型主流货车品牌油耗分布虽有细微差异，但是整体相差不大，比较集中且较为均匀；货车油耗整体随车长的增大而逐渐升高；气候、地形、运输货类等是影响货车时空油耗差异的重要因素；不同车型分质量段的实际油耗与油耗限值的差异会随着货车最大设计总质量增大而逐渐减小，而实际油耗与综合工况油耗的差异会随着货车最大设计总质量的变化而不断波动，并在某一质量区间取得极值；货车的油耗差异水平因车型、品牌的不同而存在差别，同一品牌不同车型之间的油耗差异水平也不同。其中，轻型货车的平均油耗差异最大，而自卸货车的平均油耗差异水平最小。
货车空驶行为分析
- 货车空驶率分布：货车的空驶率分布具有很强的异质性，即只有少量的货车存在较高的空驶率，而绝大部分货车的空驶率都处于平均水平及以下。运输效率较高的货车，即高度依赖在线货运平台的货车，其浪费在寻找货源所空驶的里程比通过停靠在公路港，或者经信息部和熟人等中介介绍货源所行驶的里程更少。
- 货车空驶率影响因素分析：货车的运输效率越高，即有效运货次数越多以及运营里程越长，其空驶率水平就会越低；货车的平均单次运营里程超过某一阙值时，空驶率也会随之下降。
- 货车空驶特征分析：不同车长、车型货车的空驶率关于行驶总里程的分布范围存在差异，但是分布形式和特征却是大同小异，并且可以根据某一具体车长、车型货车的行驶总里程来估算该辆货车的空驶率分布范围。
货运平台驾驶员偏好分析
- 对线上货运平台的偏好特征：目前有70%的散户司机愿意通过使用O2O货运平台寻找货源，还有约30%的散户司机倾向于传统人工寻找货源或者有固定合作的货源。
- 运输类型偏好：有93%的调研对象（货车司机）在平时货物运输中，更偏向于长距离的干线运输，比如成都-深圳；而运输距离短、运输利润低的同城运输占比略少（7%）。
- 订单创建时间与发货时间的间隔分布：O2O货运平台的订单响应时间较短，可以较快的实现车货匹配，满足顾客需求。
- 典型OD对平均运行速度概率分布：地区差异是影响货车运行速度的重要因素。京津冀地区货车运行平均速度57.89km/h，西南地区货车运行平均速度41.94km/h。
- 运行效率分析：散户货车司机货运偏好以中途运输为主，短、长途为辅。
总结及建议
为了改善我国散户货运市场“多、小、散、弱”等结构性突出问题，实现公路货运行业降本增效，构建绿色环保集约的货运市场环境，建议从改善从业环境、规范行业标准、优化市场秩序、促进节能减排等方面入手。
未来展望
未来可结合其他大数据，例如货车GPS数据等构造全范围大周期的货运数据，进一步深度挖掘我国公路货运存在的特征以及问题；或是结合其他行业大数据，深度挖掘公路货运的特征；还可以结合金融大数据，深度挖掘公路货运的经济特征，进一步丰富未来货运盈利模式等等。未来可基于深度学习等方法进行动态分析，增强对数据的“感知”，并通过深度学习产生“认知”，将海量、碎片化信息，基于时间和空间的属性，形成碎片化知识，再把碎片化知识综合连接起来，深度挖掘多维信息之间的时空特性和演化机理，进一步探寻我国公路货运市场特征及其运作机理。未来建议在相关研究中增加我国公路车队货运数据，对车队货运市场进行研究，分析个体司机和车队共同形成的货运市场特征，以获得更全面、完整的公路货运市场报告。建议未来相关研究人员在更全面的货运数据的背景下，利用动态分析方法，观察并研究我国相关政策对于公路货运的影响。特别的，可以结合公路和铁路大数据，对“公转铁”这一方向进行深入研究，对于“公转铁”的转换方式、哪些货物需要进行“公转铁”、“公转铁”趋势下运输结构如何调整等实际问题做进一步研究，并给出相关建议。
