智能交通系統(tǒng)對(duì)廣州市交通運(yùn)行綠色性的貢獻(xiàn)研究

李明偉，云 俊，官淑琪

(武漢理工大學(xué)管理學(xué)院)

?

管理及其他

智能交通系統(tǒng)對(duì)廣州市交通運(yùn)行綠色性的貢獻(xiàn)研究

李明偉，云 俊，官淑琪

(武漢理工大學(xué)管理學(xué)院)

智能交通系統(tǒng)作為改善城市交通運(yùn)行與服務(wù)的新生產(chǎn)物，已經(jīng)受到高度關(guān)注并在全國(guó)范圍內(nèi)開始實(shí)施。但它的投入是否得到了相應(yīng)的或更高的產(chǎn)出卻較少被研究。從智能交通系統(tǒng)對(duì)城市交通綠色性的影響因素出發(fā)，在剝離出與智能交通系統(tǒng)相關(guān)的綠色性指標(biāo)的基礎(chǔ)上，提取指標(biāo)影響因素，并以廣州市為例進(jìn)行數(shù)據(jù)采集，運(yùn)用SPSS軟件使用Logistic模型、假設(shè)分析以及模擬分析等方法進(jìn)行研究，得出廣州市智能交通系統(tǒng)對(duì)城市交通運(yùn)行與服務(wù)綠色性的貢獻(xiàn)率為3.76%。研究結(jié)果表明，智能交通對(duì)提高城市交通運(yùn)行的綠色性具有重要作用，主要表現(xiàn)在對(duì)綠色性的貢獻(xiàn)主要表現(xiàn)為促進(jìn)公共交通優(yōu)先發(fā)展，優(yōu)化出行結(jié)構(gòu)，提高綠色出行率，減緩交通擁堵等方面。

智能交通；貢獻(xiàn)率；回歸分析；綠色性；公共交通分擔(dān)率

0 引 言

智能交通系統(tǒng)(ITS)是物聯(lián)網(wǎng)技術(shù)在交通行業(yè)應(yīng)用的新生產(chǎn)物，與傳統(tǒng)交通運(yùn)輸項(xiàng)目相比，它表現(xiàn)出新穎性、廣泛性、復(fù)雜性、動(dòng)態(tài)性等特點(diǎn)。目前，ITS在我國(guó)已經(jīng)投入使用，在改善城市交通運(yùn)行的安全性、綠色性、便捷性等方面已經(jīng)取得了一定的成效。然而，ITS在改善城市交通運(yùn)行服務(wù)中到底起到什么樣的作用仍然是一個(gè)未知數(shù)，基于此，本文選擇城市交通運(yùn)行服務(wù)的綠色性進(jìn)行研究，首先提取與綠色性相關(guān)的指標(biāo)，然后剝離出受ITS影響的指標(biāo)，并提取指標(biāo)的影響因素及收集相應(yīng)的數(shù)據(jù)，最后通過對(duì)數(shù)據(jù)進(jìn)行測(cè)算，分析ITS對(duì)城市交通運(yùn)行綠色性的貢獻(xiàn)情況。

1 指標(biāo)剝離及影響因素提取

1.1 剝離出與ITS相關(guān)的指標(biāo)

關(guān)于城市交通運(yùn)行服務(wù)綠色性的指標(biāo)，目前國(guó)內(nèi)外學(xué)者已經(jīng)做了大量研究，并且已經(jīng)形成了完整的指標(biāo)的體系。其中，白雁的《基于綠色交通的城市交通發(fā)展探討》、李冰的《北京交通的綠色追求》、唐攀的《基于綠色理念的城市交通系統(tǒng)評(píng)價(jià)》、向睿的《交通能耗在城市綠色交通規(guī)劃中的應(yīng)用》等文章中都提出了相似的綠色性指標(biāo)體系。本文在參考這些專家學(xué)者在對(duì)城市交通綠色性進(jìn)行評(píng)價(jià)分析時(shí)提取指標(biāo)的方式和選擇的指標(biāo)體系的基礎(chǔ)上，結(jié)合我國(guó)城市交通運(yùn)行綠色性的現(xiàn)狀以及綠色性的影響因素，此處從人、車、路、交通基礎(chǔ)設(shè)施和交通運(yùn)行環(huán)境五個(gè)方面展開討論并提取可以衡量我國(guó)城市交通綠色性的指標(biāo)。根據(jù)構(gòu)建的指標(biāo)體系，結(jié)合ITS的功能和特點(diǎn)，對(duì)指標(biāo)進(jìn)行篩選，剝離出與ITS相關(guān)的指標(biāo)，最后認(rèn)為可使用公共交通分擔(dān)率和年人均能源消耗這兩項(xiàng)指標(biāo)來(lái)衡量交通綠色性情況。具體的指標(biāo)提取路徑如圖1所示。

圖1 綠色性指標(biāo)提取路徑圖

1.2 提取指標(biāo)因素

在對(duì)剝離出的指標(biāo)進(jìn)行處理時(shí)發(fā)現(xiàn)并不能直接收集到指標(biāo)數(shù)據(jù)，也不能直接對(duì)指標(biāo)進(jìn)行模型處理，而是要通過一定的程序提取每一個(gè)指標(biāo)的影響因素，通過對(duì)影響因素進(jìn)行數(shù)據(jù)收集、數(shù)據(jù)處理等操作，確定指標(biāo)的最終的影響因素。由于影響綠色性的因素之間有一定的關(guān)聯(lián)性，在對(duì)每一個(gè)指標(biāo)的影響因素進(jìn)行分析時(shí)，會(huì)存在影響因素交叉的現(xiàn)象。因此在提取指標(biāo)的影響因素時(shí)，與提取綠色性指標(biāo)的方式一樣，也要從人、車、路、基礎(chǔ)設(shè)施和交通環(huán)境五個(gè)方面入手，具體指標(biāo)具體分析，有針對(duì)性的給出每一個(gè)指標(biāo)的影響因素。

(1)公共交通分擔(dān)率

該影響因素是促進(jìn)公共交通發(fā)展、城市交通結(jié)構(gòu)合理的重要因素，也是城市綠色交通評(píng)價(jià)的核心指標(biāo)之一。計(jì)算公式(1)

f1=n1/N1

(1)

式中：n1選擇公共交通工具出行的出行量(人次)；N1城市總出行量(人次)。

根據(jù)公共交通分擔(dān)率的定義可知，公共交通分擔(dān)率主要受到人、車、路和交通環(huán)境幾個(gè)方面的影響。

(2)年人均能源消耗

將年人均能源消耗水平定義為：

年人均能源油耗=交通能源消耗總量(萬(wàn)噸煤)/城市出行總量(萬(wàn)人次)

由此公式可知，在城市出行總量不變的情況下，客運(yùn)車輛消耗的燃油總量越多，綠色性越差，反之則越好。因此該指標(biāo)主要受燃油消耗總量和人口周轉(zhuǎn)量控制，而燃油消耗總量則受機(jī)動(dòng)車的數(shù)量、道路情況以及機(jī)動(dòng)車排放量的情況影響，人口周轉(zhuǎn)量即單位時(shí)間內(nèi)周轉(zhuǎn)的總?cè)舜巍?/p>

綜上所述，對(duì)此兩項(xiàng)指標(biāo)的影響因素作如下匯總，具體內(nèi)容如表1所示：

表1 指標(biāo)影響因素匯總表

1.3 指標(biāo)與影響因素的函數(shù)表達(dá)式

在分析交通綠色性指標(biāo)與其影響因素之間的函數(shù)關(guān)系之前，首先對(duì)衡量交通綠色性的指標(biāo)的函數(shù)關(guān)系進(jìn)行分析，關(guān)于綠色性與其指標(biāo)之間的函數(shù)關(guān)系具體式(2)

YG=F{f1(x11,x12)，f2(x21,x22)，f3(x31,x32)，f4(x41,x42)，f5(x51,x52)}

(2)

式中：YG表示交通綠色性指標(biāo)；f1，f2，f3，f4，f5分別表示人、車、路、基礎(chǔ)設(shè)施和交通環(huán)境五個(gè)方面的影響因素；

x11表示人環(huán)保意識(shí)，x12表示人的出行結(jié)構(gòu)；

x21表示機(jī)動(dòng)車擁有量，x22表示機(jī)動(dòng)車排放量，x23表示機(jī)動(dòng)車機(jī)構(gòu)；

x31表示路網(wǎng)結(jié)構(gòu)，x32表示人均道路面積，x33表示綠色交通專用車道；

x41表示紅綠燈設(shè)置合理性，x42表示交通標(biāo)識(shí)設(shè)置合理性，x43表示公共交通站點(diǎn)設(shè)置合理性；

x51表示自然環(huán)境，x52表示相關(guān)政策；

在分析每一個(gè)指標(biāo)與其影響因素之間的函數(shù)關(guān)系時(shí)，具體的方法與上述相似，此時(shí)就需要將每一個(gè)指標(biāo)看作因變量，對(duì)應(yīng)的影響因素作為自變量，具體公式(3)

YG1=F1(y11,y12,y13,y14)

(3)

式中：YG1表示公共交通分擔(dān)率指標(biāo)；y11表示每萬(wàn)人公共交車擁有量；y12表示公共交通平均每日乘客數(shù)量；y13表示人均GDP；y14表示人均道路面積。

YG2=F2(y21,y22,y23,y24)

(4)

式中：YG2表示年人均能源消耗；y21表示機(jī)動(dòng)車總量；y22表示人家機(jī)動(dòng)車擁有量；y23表示客運(yùn)交通能源消耗總量；y24表示城市客運(yùn)總?cè)舜危粂25表示人均GDP。

定量化函數(shù)反映在交通綠色性的影響過程中，分析某一因素對(duì)指標(biāo)的影響時(shí)必須假定其他因素不變，只有這樣才能準(zhǔn)確計(jì)算單一因素對(duì)分析指標(biāo)的影響程度。此處可以采取回歸分析法等尋找并消減各個(gè)影響因素之間的關(guān)聯(lián)性，保持影響因素對(duì)綠色性的作用是盡量直接且相互獨(dú)立的。

2 ITS對(duì)交通綠色性的貢獻(xiàn)率測(cè)算

本文在求綠色性貢獻(xiàn)率時(shí)，以廣州市為例進(jìn)行數(shù)據(jù)的收集與分析。之所以選擇廣州市是因?yàn)椋旱谝唬瑥V州市智能交通系統(tǒng)的使用在全國(guó)處于領(lǐng)先地位，并取得一定成績(jī)；第二，國(guó)家目前正在進(jìn)行的《基于物聯(lián)網(wǎng)的城市智能交通應(yīng)用示范工程》也是把廣州市作為試點(diǎn)。以上原因能夠保證本論文的前沿性和創(chuàng)新性，并且體現(xiàn)出了研究的實(shí)用性。

2.1 模型構(gòu)建

(1)公共交通分擔(dān)率模型構(gòu)建

下表給出了2001-2012年廣州市的公共交通分擔(dān)率影響因素的數(shù)據(jù)。其中，公共交通分擔(dān)率的值可以根據(jù)上文給出的公式求取。

表2 公共交通分擔(dān)率指標(biāo)影響因素?cái)?shù)據(jù)表

續(xù)表2

數(shù)據(jù)來(lái)源：廣州市交通統(tǒng)計(jì)年鑒、廣州市交通運(yùn)輸管理局

選擇每萬(wàn)人共交車擁有量、公共交通平均每日乘客數(shù)量、人均GDP、人均道路面積作為自變量，公共交通分擔(dān)率作為因變量，進(jìn)行回歸分析，得到表3。

表3 輸入/移去的變量a

由上表可知，輸入變量分別是公共交通每日乘客數(shù)量和人均GDP，其他變量都被移除。

表4 模型匯總c

根據(jù)R、R2和修正的R2的值，其中R2=0.998可知建立的回歸方程的擬合度很好。

表5 系數(shù)a

通過對(duì)輸入變量的分析，得到的最終系數(shù)表如上表所示，其中Sig等于0，表示所得到的系數(shù)都滿足回歸要求，則可以得到方程式(5)

YG1=0.037+0.061y12-0.007y13

(5)

(2)年人均能源消耗模型構(gòu)建

表6給出了2001～2012年廣州市的年人均能源消耗量影響因素的數(shù)據(jù)。

表6 年人均能源消耗量的指標(biāo)數(shù)據(jù)

數(shù)據(jù)來(lái)源：廣州市交通統(tǒng)計(jì)年鑒、廣州市交通運(yùn)輸管理局

選擇人均GDP、人均道路里程、人均道路里程、人均機(jī)動(dòng)車擁有量、人均私家車擁有量、全市年末總?cè)丝谧鳛樽宰兞浚耆司瓦\(yùn)能源消耗作為因變量，進(jìn)行回歸分析，具體算法參見公共交通分擔(dān)率的方法，得到最后的系數(shù)如表7。

表7 系數(shù)a

根據(jù)上述分析，可以得到2000-2010年的回歸方程為

YG2=0.034-0.086y22

(6)

2.2 模型的檢驗(yàn)

模型構(gòu)建完成之后，為了保證模型的正確性和科學(xué)性，需從不同學(xué)科領(lǐng)域?qū)δＰ瓦M(jìn)行檢驗(yàn)，本文選擇從經(jīng)濟(jì)學(xué)、統(tǒng)計(jì)學(xué)、計(jì)量經(jīng)濟(jì)學(xué)等多個(gè)角度對(duì)模型做了檢驗(yàn)。

(1)模型經(jīng)濟(jì)意義檢驗(yàn)

研究回歸方程(5)和(6)可知，發(fā)現(xiàn)模型中部分系數(shù)為負(fù)數(shù)，而就理論上來(lái)說(shuō)，在其他條件穩(wěn)定的情況下，隨著這些變量的增加，會(huì)導(dǎo)致因變量結(jié)果發(fā)生較大變化。通過計(jì)算可知，當(dāng)方程(5)和(6)中的自變量都為0時(shí)，有YG1>0，YG2>0，即模型通過現(xiàn)實(shí)經(jīng)濟(jì)意義。

(2)模型的統(tǒng)計(jì)意義檢驗(yàn)

在統(tǒng)計(jì)檢驗(yàn)中主要包括對(duì)模型擬合優(yōu)度、模型變量顯著性以及方差顯著性等的檢驗(yàn)。通過計(jì)算可知模型(5)的R2=0.998，接近1，說(shuō)明路公共交通分擔(dān)率的變化中有99.8%的變化是由人均GDP、公共交通年均乘客數(shù)量引起的，說(shuō)明方程的擬合優(yōu)度通過檢驗(yàn)。模型(6)的R2=0.876，說(shuō)明路年人均能源消耗的變化中有87.6%的變化是由人均機(jī)動(dòng)車擁有量量引起的，方程的擬合優(yōu)度也通過檢驗(yàn)。

(3)模型的計(jì)量經(jīng)濟(jì)學(xué)意義檢驗(yàn)

首先對(duì)回歸模型中隨機(jī)誤差項(xiàng)的分布規(guī)律進(jìn)行論證，確定該項(xiàng)數(shù)值是否符合正太分布，在使用SPSS分析之后，可得到因變量的標(biāo)準(zhǔn)化殘差的P-P圖，圖形圖2、圖3。

圖2 模型-5的P-P圖

圖3 模型-6的P-P圖

由圖2和圖3可知，圖中所有的數(shù)據(jù)點(diǎn)都僅僅圍繞在P-P圖的45°線上，即隨機(jī)誤差項(xiàng)基本上符合對(duì)數(shù)正態(tài)分布。其次，對(duì)變量的共線性問題進(jìn)行檢驗(yàn)，由SPSS分析得到的數(shù)據(jù)可知，模型(5)和模型(6)中所有變量的VIF值均小于5，所有變量的容差值均大于0.1，則可認(rèn)為變量之間的共線性很弱，對(duì)回歸模型的影響很小，即通過檢驗(yàn)。

2.3 指標(biāo)的貢獻(xiàn)率測(cè)算

在計(jì)算廣州市ITS對(duì)城市交通綠色性的貢獻(xiàn)率時(shí)，首先收集2000-2010年的數(shù)據(jù)，因?yàn)閺V州市的ITS是從2010年開始全面實(shí)施的，所以此處認(rèn)為2010之前的數(shù)據(jù)是沒有受到ITS影響的數(shù)據(jù)。因此，以2000-2010年的數(shù)據(jù)為例做回歸分析，得到歸回方程，根據(jù)回歸方程估算出2011年、2012年以及2013年的公共交通分擔(dān)率；而在實(shí)際的統(tǒng)計(jì)數(shù)據(jù)中可以知道2011年的年公共交通分擔(dān)率情況，將實(shí)際值與預(yù)測(cè)值相減，得到的值可認(rèn)為是ITS的貢獻(xiàn)。但是，此處在計(jì)算ITS的貢獻(xiàn)時(shí)，沒有考慮其他政策方面的因素影響，而是把這些政策因素都默認(rèn)為是ITS的影響。于是，根據(jù)數(shù)據(jù)可知：

YG1(2012預(yù)測(cè)值)=0.037+0.061y12-0.007y13=0.037+0.061*6.927-0.007*9.957=0.392

YG2(2012實(shí)際值)=0.387

則貢獻(xiàn)率為：

E1=YG1(2012預(yù)測(cè)值)-YG1(2012實(shí)際值)/YG1(2012實(shí)際值)=(0.392-0.387)/0.387=1.3%

同理，根據(jù)數(shù)據(jù)可知：

YG2(2012預(yù)測(cè)值)=0.034-0.086y22=0.034-0.086*0.285=0.009 49

YG2(2012實(shí)際值)=0.009

則貢獻(xiàn)率為：

E2=YG2(2012預(yù)測(cè)值)-YG2(2012實(shí)際值)/YG2(2012實(shí)際值)=(0.009 49-0.009)/0.009=5.4%

3 綠色性貢獻(xiàn)率的計(jì)算

通過分析可知，影響交通綠色性且與ITS相關(guān)的指標(biāo)主要有公共交通分擔(dān)率和年人均能源消耗，以上計(jì)算分別得出了兩個(gè)指標(biāo)對(duì)綠色性的貢獻(xiàn)率。而最終的貢獻(xiàn)率是通過對(duì)這兩個(gè)指標(biāo)進(jìn)行權(quán)重分析并計(jì)算得到，具體內(nèi)容及方法如下：

首先，考慮到評(píng)價(jià)對(duì)象的特點(diǎn)以及評(píng)價(jià)指標(biāo)的內(nèi)涵，采取兩兩比較法來(lái)確定公共交通分擔(dān)率和年人均能源消耗的權(quán)重，比較結(jié)果有三種：

若WG1比WG2重要，WG1=1，WG2=0；

若WG2與WG2同等重要，WG1=WG2=0.5；

若WG1不如WG2重要，WG1=0，WG2=1。

最終得到的權(quán)重分別為：WG1=0.4,WG2=0.6。然后，根據(jù)得到的權(quán)重，計(jì)算ITS對(duì)交通綠色性的貢獻(xiàn)率，具體公式為：

E=0.4YG1+0.6YG2=0.4*13%+0.6*5.4%=3.76%

由該計(jì)算結(jié)果可知，ITS對(duì)廣州市的交通運(yùn)行服務(wù)的綠色性的貢獻(xiàn)率為3.76%，該結(jié)果并非說(shuō)明ITS的效益較小，而是因?yàn)镮TS的效益發(fā)揮存在一定的滯后性。廣州市在2010年建設(shè)ITS示范工程項(xiàng)目后，2011年作為ITS投入使用的第一年，其效果并不是十分明顯，可以預(yù)見隨著ITS投入時(shí)間的延長(zhǎng)，這些效果會(huì)越來(lái)越來(lái)明顯，主要表現(xiàn)為：ITS能夠促進(jìn)公共交通優(yōu)先發(fā)展，優(yōu)化出行結(jié)構(gòu)，提高綠色出行率；ITS能夠減緩交通擁堵，減少車輛行駛時(shí)間和距離；ITS能夠降低交通運(yùn)輸對(duì)環(huán)境的污染及能源損耗等。

4 結(jié) 論

本文從多個(gè)角度分析了ITS對(duì)改善城市交通運(yùn)行綠色性的影響因素，并對(duì)ITS在城市交通綠色性方面的貢獻(xiàn)進(jìn)行量化分析，得到科學(xué)有效的貢獻(xiàn)率評(píng)價(jià)體系和量化結(jié)果為ITS項(xiàng)目后期建設(shè)提供決策支持。總之，本文的研究即符合我國(guó)交通行業(yè)當(dāng)前的發(fā)展需要，又能幫助政府實(shí)現(xiàn)對(duì)ITS項(xiàng)目實(shí)施與應(yīng)用效果的考核和度量，提高政府對(duì)ITS項(xiàng)目的關(guān)注程度，為ITS的建設(shè)者及用戶提供決策支持，促進(jìn)ITS推動(dòng)城市交通又快又好的發(fā)展，有效改善城市居民出行的各種弊病。

[1] 劉世鐸, 吳群琪. 高速公路路段暢通狀態(tài)綜合評(píng)價(jià)[J]. 公路, 2010,(7).

[2] 蔣忠海.城市公交規(guī)劃中未來(lái)公交分擔(dān)率的確定[J].公共交通, 2008，(12):84-86.

[3] 劉好德. 基于Box-CoxDogit模型的公共交通分擔(dān)率預(yù)測(cè)[J].交通信息與安全, 2012，(1):47-50.

[4] 周雪梅,狄迪. 基于公交分擔(dān)率的城市客運(yùn)交通樞紐選址優(yōu)化[J].同濟(jì)大學(xué)學(xué)報(bào), 2011，(9):1313-1317.

[5] 余文曜. 如何提高城市公交分擔(dān)率[J].運(yùn)輸管理, 2012，(1):54-55.

[6] 陳畢伍,郭大進(jìn).提高我國(guó)公路運(yùn)輸隊(duì)現(xiàn)代物流貢獻(xiàn)率的迫切性及其對(duì)策研究[J].公路交通科技,2009，(2):140-148.

[7] 翼翔，張金財(cái)．智能運(yùn)輸系統(tǒng)——未來(lái)交通運(yùn)輸?shù)陌l(fā)展的方向[J]．黑龍江交通科技,2007，(9):38-40.

[8] 岳建民. 我國(guó)智能交通產(chǎn)業(yè)的發(fā)展及技術(shù)創(chuàng)新模式探討[J].中國(guó)軟科學(xué)，2012(09):188-191.

Contribution Rate of Intelligent Transportation System for Greenness of Guangzhou’s Traffic Service

LI Ming-wei, YUN Jun, GUAN Shu-qi

(Management School, Wuhan University of Technology)

The intelligent transportation system as the new products that can improve the operation and service level of urban traffic, which has received much attention and put into practice on a national scale. However, whether its investment has got the corresponding or higher output has not studied this problem. Here from the impacts of the intelligent transportation system for the greenness urban traffic, on the basis of the extraction index factors that related to intelligent transportation systems in the greenness, and carries on the dates collected in Guangzhou as an example, then use the Logistic model, SPSS, and hypothesis and simulation analysis methods, to calculate the contribution rate of intelligent transportation system for urban traffic operation and service of greenness, through the analyzing get the greenness contribution rate is 3.76%. Result shows that intelligent transportation plays an important role to improve the city’s traffic, mainly at promoting the development of public transportation priority, optimize the structure of travel, increase the rate of greenness travel, slow traffic congestion, etc.

intelligent transportation;contribution rate;regression analysis;the greenness; public transportation ridership

2015-04-01

李明偉(1989-)，男，博士研究生，研究方向：交通運(yùn)輸管理與規(guī)劃。

基于物聯(lián)網(wǎng)的城市智能交通示范工程技術(shù)應(yīng)用體系研究(2012-364-221-106)。

U1

C

1008-3383(2015)11-0163-04