城市宏觀交通擁堵預測研究

李浩然，裴玉龍

(東北林業(yè)大學交通學院， 黑龍江 哈爾濱 150040)

城市宏觀交通擁堵預測研究

李浩然，裴玉龍

(東北林業(yè)大學交通學院， 黑龍江 哈爾濱 150040)

通過對全國44個城市的經濟社會、道路交通以及交通擁堵數(shù)據(jù)進行了分析與比較，提出城市宏觀交通擁堵預測模型，系統(tǒng)、科學的量化城市宏觀交通擁堵與城市發(fā)展的演變規(guī)律，初步探究城市發(fā)展階段與宏觀城市交通擁堵的相關關系。

宏觀；交通擁堵；預測；相關關系

1 宏觀城市交通擁堵預測指標篩選

近年來隨著大數(shù)據(jù)技術以及數(shù)據(jù)分析挖掘產業(yè)的發(fā)展，越來越多的行業(yè)開始運用大數(shù)據(jù)技術解決相關問題，交通運輸領域自然也不例外。高德交通在2016年1月發(fā)布了《2015年度中國主要城市交通分析報告》，我們從中提取44個城市的“高峰擁堵延時指數(shù)”作為城市宏觀交通擁堵的直觀表征。

考慮到交通擁堵是城市病的一種，其出現(xiàn)可能與城市社會經濟發(fā)展的狀態(tài)、道路交通發(fā)展狀態(tài)等數(shù)據(jù)存在聯(lián)系，因此我們選取市轄區(qū)GDP、市轄區(qū)人口、城市建設用地面積、市轄區(qū)市政累計投入(2011-2014年)、市轄區(qū)人均GDP、城市人口密度等作為宏觀經濟社會指標；選取實有城市道路面積、公共汽(電)車營運車輛數(shù)、全年公共汽電車客運總量、人均道路面積、萬人公交車數(shù)、人均公交出行量等作為宏觀道路交通指標。通過分析上述指標與高峰擁堵延時指數(shù)的相關關系，對指標進行篩選，選取合適的指標進行宏觀城市交通擁堵預測模型的構建。

1.2 宏觀經濟社會指標篩選

首先對宏觀經濟社會指標進行篩選。如表1，2014年末各城市部分宏觀經濟社會數(shù)據(jù)。

表1 2014年末各城市宏觀經濟社會數(shù)據(jù)

續(xù)表1

數(shù)據(jù)來源：《中國城市統(tǒng)計年鑒2015》

通過對高峰擁堵延時指數(shù)與市轄區(qū)GDP數(shù)據(jù)的相關性分析，可以得到其相關系數(shù)為0.538，sig值為0，中度相關。

通過對高峰擁堵延時指數(shù)與市轄區(qū)人口數(shù)據(jù)的相關性分析，可以得到其相關系數(shù)為0.535，sig值為0，中度相關。

通過對高峰擁堵延時指數(shù)與城市建設用地面積數(shù)據(jù)的相關性分析，可以得到其相關系數(shù)為0.605，sig值為0，中度相關。

通過對高峰擁堵延時指數(shù)與市轄區(qū)市政累計投入(2011-2014年)數(shù)據(jù)的相關性分析，可以得到其相關系數(shù)為0.579，sig值為0，中度相關。

通過對高峰擁堵延時指數(shù)與市轄區(qū)人均GDP數(shù)據(jù)的相關性分析，可以得到其相關系數(shù)為0.087，sig值為0.574，無相關關系。

通過對高峰擁堵延時指數(shù)與城市人口密度數(shù)據(jù)的相關性分析，可以得到其相關系數(shù)為0.084，sig值為0.593，無相關關系。

通過對高峰擁堵延時指數(shù)與市轄區(qū)GDP、市轄區(qū)人口、城市建設用地面積、市轄區(qū)市政累計投入(2011-2014年)、市轄區(qū)人均GDP、城市人口密度的相關性分析，我們可以篩選出市轄區(qū)GDP、市轄區(qū)人口、城市建設用地面積、市轄區(qū)市政累計投入(2011-2014年)4個宏觀經濟社會指標作為構筑宏觀交通擁堵預測模型的指標。

1.3 宏觀道路交通指標篩選

對宏觀道路交通指標進行篩選。如表2，2014年末各城市宏觀道路交通數(shù)據(jù)。

通過對高峰擁堵延時指數(shù)與實有城市道路面積數(shù)據(jù)的相關性分析，可以得到其相關系數(shù)為0.425，sig值為0.004，中度相關。

通過對高峰擁堵延時指數(shù)與公共汽(電)車營運車輛數(shù)數(shù)據(jù)的相關性分析，可以得到其相關系數(shù)為0.615，sig值為0，中度相關。

通過對高峰擁堵延時指數(shù)與全年公共汽電車客運總量數(shù)據(jù)的相關性分析，可以得到其相關系數(shù)為0.723，sig值為0，中度相關。

通過對高峰擁堵延時指數(shù)與人均道路面積數(shù)據(jù)的相關性分析，可以得到其相關系數(shù)為-0.219，sig值為0.153，低度相關。

通過對高峰擁堵延時指數(shù)與萬人公交車數(shù)數(shù)據(jù)的相關性分析，可以得到其相關系數(shù)為0.285，sig值為0.061，低度相關。

通過對高峰擁堵延時指數(shù)與人均公交出行量數(shù)據(jù)的相關性分析，可以得到其相關系數(shù)為0.544，sig值為0，中度相關。

通過對高峰擁堵延時指數(shù)與實有城市道路面積、公共汽(電)車營運車輛數(shù)、全年公共汽電車客運總量、人均道路面積、萬人公交車數(shù)、人均公交出行量的相關性分析，我們可以篩選出實有城市道路面積、公共汽(電)車營運車輛數(shù)、全年公共汽電車客運總量、人均公交出行量4個宏觀道路交通指標作為構筑宏觀交通擁堵預測模型的指標。

表2 2014年末各城市宏觀道路交通數(shù)據(jù)

數(shù)據(jù)來源：《中國城市統(tǒng)計年鑒2015》

2 城市宏觀交通擁堵預測模型構建

通過上述分析，我們最終篩選出市轄區(qū)GDP、市轄區(qū)人口、城市建設用地面積、市轄區(qū)市政累計投入(2011-2014年)4個宏觀經濟社會指標，以及實有城市道路面積、公共汽(電)車營運車輛數(shù)、全年公共汽電車客運總量、人均公交出行量4個宏觀道路交通指標作為構筑宏觀交通擁堵預測模型的指標。

我們通過SPSS軟件對高峰擁堵延時指數(shù)以及篩選出的總共8個指標進行進行多元回歸分析，得到其相關系數(shù)為0.804，sig值為0，高度相關，模型擬合效果良好。為了數(shù)據(jù)處理時的便捷，我們將高峰擁堵延時指數(shù)數(shù)值擴大10 000倍進行應用，并用Y代表擴大之后高峰擁堵延時指數(shù)，X1、X2、X3、X4、X5、X6、X7、X8分別代表標準化后的市轄區(qū)GDP、市轄區(qū)人口、城市建設用地面積、市轄區(qū)市政累計投入(2011-2014)、實有城市道路面積、公共汽(電)車營運車輛數(shù)、全年公共汽電車客運總量、人均公交出行量，可得到擴大后高峰擁堵延時指數(shù)的預測模型為

Y=-0.161X1+0.794X2-0.94X3-0.355X4+0.107X5-0.143X6+0.023X7+4.975X8+15 286.982

(1)

對變量進行標準化并對其進行共線性分析，如表3，方差膨脹因子表。表4，變量相關系數(shù)表。

表3 方差膨脹因子表

表4 變量相關系數(shù)表

可見，1、3、6、7的方差膨脹因子大于10，存在很多高度相關的變量，因此變量之間存在一定的共線性問題。

我們通過主成分回歸來解決共線性問題。首先對變量進行主成分分析，提取5個特征值大于0.1的主成分。

(2)

(3)

(4)

(5)

(6)

對提取主成分與標準化預測變量進行回歸分析，最后決定提取C1、C5兩個主成分。對C1、C5兩個主成分進行回歸分析，可得到其相關系數(shù)為0.730，sig值為0。通過計算可得主成分回歸后的標準化回歸模型

(7)

通過主成分回歸后的標準化回歸模型的分析我們可以知道，城市宏觀交通擁堵水平與市轄區(qū)GDP、實有城市道路面積以及人均公交出行量呈負相關。市轄區(qū)GDP越高，標志著城市綜合經濟發(fā)展水平越高，宏觀交通擁堵水平越低；實有城市道路面積越高，標志著城市中可利用的道路越多，宏觀交通擁堵水平越低；人均公交出行量越高，標志著城市居民公共交通出行意愿更高，城市公共交通服務水平更好，宏觀交通擁堵水平越低。市轄區(qū)GDP與實有城市道路面積對宏觀交通擁堵水平的影響相對較大，人均公交出行量的影響相對較小。

城市宏觀交通擁堵水平與市轄區(qū)人口、城市建設用地面積、市轄區(qū)市政累計投入(2011-2014)、公共汽(電)車營運車輛數(shù)以及全年公共汽電車客運總量呈正相關。市轄區(qū)人口越多，標志著出行居民數(shù)量也越大，交通系統(tǒng)運行負荷也相應增大，宏觀交通擁堵越嚴重；城市建設用地面積越大、市轄區(qū)市政累計投入(2011-2014)越多、公共汽(電)車營運車輛數(shù)越多、全年公共汽電車客運總量越大，宏觀交通擁堵越嚴重，可能與政府對城市交通擁堵的治理方式有關，交通擁堵越嚴重，政府越傾向于擴大城市面積，分散資源聚集度來解決擁堵問題；交通擁堵越嚴重，政府越傾向于擴大市政基礎設施投資，提高市政基礎設施供應來解決交通問題；交通擁堵越嚴重，政府越傾向于鼓勵城市居民乘坐公共交通出行來解決擁堵問題。

3 結 論

(1)本文通過對4個宏觀經濟社會指標、4個宏觀道路交通指標與高峰擁堵延時指數(shù)的多元回歸分析，構筑了城市宏觀交通擁堵預測模型。

(2)通過對指標的主成分回歸分析，對城市的經濟社會發(fā)展、道路交通發(fā)展與宏觀交通擁堵之間的關系有了定性的了解。

[1] 沈小軍,陳峻,王晨. 基于LVQ神經網絡的交通擁堵預測研究[J]. 交通運輸工程與信息學報,2009,7(3):97-101.

[2] 郭澤斌,李振龍. 城市道路擁堵程度評判方法研究[J].交通標準化,2013,(11):62-65.

[3] 袁二明,李瑩,李彪. 基于交通擁堵預測的交通網絡最短路問題的研究[J].中國管理科學,2013,(S1):43-45.

U492

C

1008-3383(2017)10-0195-03

2017-07-18

李浩然(1993-)，男，山西運城人，碩士研究生，主要從事交通規(guī)劃方面的學習和研究工作。