为拟议的Cape Fria至Katima Mulilo铁路线（Trans Caprivi Corridor）开发铁路货运

发布时间：2020-11-06 18:34

【摘要】：该研究旨在检查纳米比亚Trans-Caprivi corridor(TCC)沿 Cape Fria 至 Katima Mulilo铁路线的货运流量以及货运活动与贸易,GDP,旅行时间,旅行成本和负荷能力等相关因素之间的因果关系开发货运需求模型以预测未来的货运量。本文的目的是通过调查TCC货运需求特征的独特变量,帮助实现铁路运力需求的最佳分配,并最大限度地提高初始投资回报,评估TCC货运需求特征的已识别变量,以开发货运需求模型,以帮助国家铁路运营商可靠地预测TCC的未来货运。在第一章中,提供了世界铁路货运部门的背景,最重要的是在非洲,以便为纳米比亚目前的铁路货运情况提供背景。提出了纳米比亚的前奏,以突出关于治理,人口,经济和运输的关键信息,最后是纳米比亚的铁路货运。在第一章的总结中,研究范围在背景中展示,以突出研究的局限性和界限。第三,概述了研究的动机,以涵盖进行这项研究的重要性。最后,研究了研究的具体目标,重要性和内容,为研究论文的其余部分奠定了基础。第二章重点介绍了区域间货运需求的文献综述。首先,它详细描述了主要的区域间货运需求,如人口,经济活动,负荷能力,旅行距离,价格和时间,工业,收入,能源,环境和其他因素和技术。其次,本章介绍了最广泛使用的区域间货运需求预测技术,并将其归类为定性和定量货运需求技术。第三,介绍了拟议的定性和定量货运需求技术的简要比较分析。在第二章的最后,基于四步模型,详细介绍了区域间货运需求建模,详细介绍了货运旅行的产生,货运旅行分配,货运旅行模式选择和货运旅行路线分配。在第3章中,该方法描述了使用货运需求模型预测TCC未来货运需求的程序。提供研究区域的概述,特别关注连接走廊的TCC和远东。之后,简要介绍了研究设计和数据收集方法,重点是各种咨询数据来源以及以前在走廊进行的研究。总之,提出了模型公式,给出了用于识别模型中采用的变量的方法的背景。在第四章中,作者首先从文献综述中提出了初步的四步跨区域货运需求预测模型,包括货运旅行生成,货运旅行分配,货运旅行模式选择和货运旅行分配。第四章的结果显示,2010年至2017年,TCC的对外贸易年增长率为5.37%,年人口增长率为1.21%,年均增长率为11.86%。另一方面,根据全国铁路运营商Transnamib Holdings的运力,负荷能力为686 400.00吨/年/km,而回程时间为37小时,约为2天。旅行费用从每公里8 935 420.00纳米比亚元计算,按三个变量之和计算,建筑费用为8,863,000.00美元/公坐,维修费用为14,760美元/公里,能源费用为57,660美元/公里。在此之后,作者计算了 2020年基准年的运费需求,以便校准模型。导致外贸预测500 031.15吨,人口 1,341,423,人均国内生产总值74,184.31纳米比亚元,2020年总运量1,736,791.10吨。最后,基于以前的结果,作者开发了 TCC货运需求模,FTDM TCC=e1.11(Tij)0.05(1)0.17(Cijm)0.13(tijm)033用于确定2021年至2030年期间的货运量预测。通过比较2010年和2017年实际外贸与实际货运量之间的相关性以及2021年至2030年预测的外贸和货运量,使用Microsoft Excel进行模型验证。获得Pearson的乘积系数r=0.12和r=0.16,分别给出r2=0.015和r2=0.02,这合理地证明了实际货运量和预测货运量是非常有效的,因为r和r2值非常大类似。结论是货运需求模型是有效的。总之,该研究的结果表明沿着TCC的货运量逐渐增加,这可能对TCC铁路的运营盈利能力和长期可持续性有用。该研究将有助于在纳米比亚建立一个更有效和更强大的铁路运输系统,以满足快速增长的货运需求。此外,鉴于环保意识日益提高和对全球变暖的担忧,研究中的货运需求预测将为进一步研究奠定基础,例如确定从公路到铁路的货运量以防止空运质量和环境退化。如果铁路和公路模式的不平衡无法解决,污染和最终的人类健康可能会受到影响,因此该领域的研究可能会吸引更多的兴趣和研究资助机会。图21幅,表34个,参考文献94篇
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F531
【文章目录】：
Acknowledgement
中文摘要
Abstract
PREFACE
1 INTRODUCTION
    1.1 BACKGROUND ON RAILWAY FREIGHT TRANSPORTATION
    1.2 BACKGROUND ON NAMIBIA
        1.2.1 Governance
        1.2.2 Population
        1.2.3 Economy
        1.2.4 General Transportation
        1.2.5 Railway Transportation
    1.3 SCOPE OF THE STUDY
    1.4 MOTIVATION
    1.5 OBJECTIVE OF THE STUDY
    1.6 SIGNIFICANCE OF THE STUDY
    1.7 OUTLINE OF THE STUDY
2 LITERATURE REVIEW
    2.1 INTER-REGIONAL FREIGHT TRAFFIC DEMAND FACTORS
        2.1.1 Population
        2.1.2 Economic Activity
        2.1.3 Load Capacity, Distance, Price and Time
        2.1.4 Industries
        2.1.5 Income
        2.1.6 Energy
        2.1.7 Environment
        2.1.8 Technology
    2.2 INTER-REGIONAL FREIGHT TRAFFIC DEMAND FORECASTING TECHNIQUES
        2.2.1 Qualitative Forecasting Techniques
        2.2.2 Quantitative Forecasting Techniques
        2.2.3 Comparison of Quantitative and Qualitative Forecasting Techniques
    2.3 INTER-REGIONAL FREIGHT DEMAND MODELING
        2.3.1 Four step demand model
        2.3.2 Freight trip generation
        2.3.3 Freight trip distribution
        2.3.4 Freight trip mode choice
        2.3.5 Freight trip route assignment
    2.4 LITERATURE SUMMARY
3 METHODOLOGY
    3.1 MODEL FORMULATION
        3.1.1 Identified variables
        3.1.2 Model framework
        3.1.3 Model equation
    3.2 STUDY DESIGN
    3.3 MODELING SOFTWARE
    3.4 STUDY AREA
        3.4.1 Cape Fria to Katima Mulilo （TCC）
        3.4.2 Katima Mulilo to DRC （beyond the TCC）
    3.5 DATA COLLECTION
        3.5.1 Data from preliminary environmental and social impact study
        3.5.2 Data from freight generation study
        3.5.3 Data from economic evaluation
4 DATA ANALYSIS
    4.1 MODEL EQUATION DESCRIPTION
    4.2 MODEL ROUTE PROPERTIES
    4.3 MODEL PRIMARY VARIABLES ANALYSIS
        4.3.1 Foreign trade
        4.3.2 Population
        4.3.3 Economic activity
    4.4 MODEL SECONDARY VARIABLES ANALYSIS
        4.4.1 Load capacity
        4.4.2 Travel time
        4.4.3 Travel cost
    4.5 MODEL CALIBRATION AND FREIGHT TRAFFIC FORECAST FOR BASE YEAR 2020
        4.5.1 Model calibration
        4.5.2 Freight traffic forecast for base year 2020
    4.6 FREIGHT TRAFFIC DEMAND MODEL（FTDM）FOR THE TCC
        4.6.1 Discussion of the FTDM for the TCC
        4.6.2 Freight traffic projections using the FTDM （2010-2017）
        4.6.3 Freight traffic projections using the FTDM（2021-2030）
        4.6.4 Validation of the FTDM
5 CONCLUSIONS
    5.1 CONCLUSIONS
    5.2 RECOMMENDATIONS
    5.3 FURTHER RESEARCH DIRECTIONS
REFERENCES
AUTHOR PROFILE AND RESEARCH ACHIEVEMENTS OBTAINED DURING THE STUDY FOR AMASTER'S/DOCTORAL DEGREE
DATASET FOR THE MASTER'S THESIS

【相似文献】

中国期刊全文数据库 前10条

1 隋大伟;;铁路货运向现代物流转型的探讨[J];现代商业;2019年34期

2 宋华;;铁路货运向现代物流的发展与融合[J];西铁科技;2006年02期

3 徐紫阳;;铁路货运融入现代物流业的思考[J];郑铁科技通讯;2008年02期

4 张秋岩;;浅析装载机电子秤在铁路货运中的应用及管理[J];郑铁科技通讯;2007年02期

5 马铭阳;;刘东明：奏响铁路货运最强音[J];科技创新与品牌;2019年11期

6 ;2018年铁路货运系统优秀论文评选[J];铁道货运;2019年01期

7 刘丽;;基于深化改革背景下的铁路货运发展策略阐述[J];山东工业技术;2019年07期

8 周新军;;中国铁路货运转型发展:基于综合交通运输结构优化的视角[J];华北电力大学学报(社会科学版);2019年02期

9 洒雨;;浅谈我国铁路货运市场发展对策[J];纳税;2019年24期

10 王建勋;;浅析实现铁路货运运营管理多元化发展的策略[J];纳税;2018年05期

中国博士学位论文全文数据库 前10条

1 郭经纬;基于期权理论的铁路货运定价问题研究[D];西南交通大学;2016年

2 江南;铁路货运承认车审批优化决策系统及相关问题研究[D];中南大学;2006年

3 严贺祥;铁路货运通道布局优化的模型和方法研究[D];北京交通大学;2008年

4 路海平;铁路货运嵌入社会物流的模式及运作机制研究[D];北京交通大学;2013年

5 王波;市场化条件下铁路货运竞争战略选择及运输资源优化研究[D];北京交通大学;2013年

6 刘星材;基于能力改善的铁路货运通道产品设计及集疏运组织研究[D];北京交通大学;2015年

7 王宇;铁路货物运输发展演化机理研究[D];西南交通大学;2016年

8 韩伯领;铁路现代物流中心综合发展规划理论与应用研究[D];中南大学;2008年

9 杨意坚;基于铁路货运客户价值创造的企业能力研究[D];北京交通大学;2010年

10 刘杰;运能释放条件下铁路既有繁忙干线货运产品布局规划理论与方法研究[D];北京交通大学;2014年

中国硕士学位论文全文数据库 前10条

1 杨南;铁路货运场站综合评价研究[D];北京交通大学;2019年

2 白云霄;基于超效率SBM模型的铁路货运效率研究[D];长安大学;2019年

3 李云龙;铁路货运数据分析系统的设计与实现[D];北京交通大学;2019年

4 张晓晴;竞争条件下铁路货运差异性定价与列车开行决策研究[D];北京交通大学;2019年

5 Tomas Thomas Simaneka;为拟议的Cape Fria至Katima Mulilo铁路线（Trans Caprivi Corridor）开发铁路货运需求模型[D];北京交通大学;2019年

6 王亚龙;铁路货运与物流企业联合运输虚拟企业研究[D];兰州交通大学;2018年

7 张得胜;现代物流条件下铁路货物运输定价策略研究[D];兰州交通大学;2018年

8 辛岩;济南铁路货运大客户营销策略研究[D];贵州财经大学;2018年

9 汪飞;基于多级模糊综合评价的农产品物流中心选址研究[D];大连交通大学;2016年

10 段志远;铁路车务站段货运改革策略分析研究[D];中国铁道科学研究院;2016年

本文编号：2873509