城市道路交通影響因素相關性分析

林 慧 李慧宇 杜國強 熊陳琴 孫宇宇

(東北林業(yè)大學土木工程學院，黑龍江 哈爾濱 150040)

1 概述

作為城市基礎設施中的重要一環(huán)，道路交通基礎設施是災害應急疏散和保持城市暢通的生命線工程，對道路交通運輸系統(tǒng)本身正常運行和整個社會經濟系統(tǒng)發(fā)揮著巨大作用。影響城市道路交通的因素有很多，包括城市發(fā)展狀況、人口數(shù)量及密度、汽車保有量等等。本文調查搜集了若干大中城市的數(shù)據(jù)，通過對各城市道路交通影響因素的相關性分析，得到影響道路通勤的關鍵因素。進一步利用多元線性回歸的方法，建立擁堵指數(shù)測度模型，為城市有效識別影響因素，合理規(guī)劃道路交通網絡，進行科學決策，提供理論依據(jù)。

國內外專家學者對道路交通相關性的分析已有很多。約翰邁耶、約翰卡恩和馬丁沃爾合著的《城市交通問題》首次研究了經濟因素驅動土地利用和交通的動態(tài)關系；Bollinger與Ihlanfeldt研究了城市規(guī)模，經濟實力對城市軌道交通建設規(guī)模影響；K.A.Abbas利用分層回歸的非參數(shù)統(tǒng)計方法分析農村道路的幾何特征、事故發(fā)生率和其預測值之間的關系[1]；陳紹寬等人在傳統(tǒng)的Moran’sⅠ指數(shù)中引入時間維度[2]，來研究城市道路交通時空變化規(guī)律；魏愛國，王冉冉等引入貝葉斯網絡理論，建立了車輛交通貝葉斯網絡模型，用來預測車輛發(fā)生事故的概率和各因素之間的相關性，對車輛交通事故研究有一定的幫助[3]；張殿業(yè)，金鍵，郭孜政對各體系間相互關系及各體系的具體研究內容及框架結構進行了分析討論，在體系框架上對道路交通的層次結構予以搭建界定[4]；趙麗杰、劉軍在對重慶市道路交通管理及法制建設全面調研的基礎上，提出了相應的道路交通事故預防和綜合治理的對策[5]。

2 道路交通影響因素相關性分析

影響城市道路交通通勤情況的因素有很多，包括自然因素(如地形地勢、氣候條件)、經濟因素(如城市發(fā)達程度、人均收入水平)、人文因素(如居民素質、出行方式的喜好)等。同時，城市交通布局規(guī)劃、路網結構和環(huán)境也是影響道路交通通勤情況的重要因素。本文綜合考慮各方面因素的影響，選取關鍵性的八個指標(年降雨量、降雨日數(shù)、城市面積、汽車保有量、常住人口、城市GDP、通勤高峰實際速度與通勤高峰擁堵指數(shù))進行定量分析討論。通過查閱相關文獻及實際調研，搜集了九座大中城市的相關數(shù)據(jù)，具體如表1所示。

利用SPSS進行主成分分析，得到各因素的相關性矩陣如表2所示。

表1 各城市相關數(shù)據(jù)

表2 各因素的相關性矩陣

由以上結果可以看到，“年降雨量”和“通勤高峰擁堵指數(shù)”的相關系數(shù)是-0.466，即|r|=0.466；“降雨日數(shù)”和“通勤高峰擁堵指數(shù)”的相關系數(shù)是-0.345，即|r|=0.345；一般認為相關系數(shù)|r|在0.8～1.0之間是極強相關；0.6～0.8之間是強相關；0.4～0.6 之間是中等程度相關；0.2～0.4之間是弱相關；0.0～0.2則是極弱相關或無相關。可見，年降雨量、降雨日數(shù)與通勤高峰擁堵指數(shù)的相關關系分別為中等程度相關、弱相關。這說明降雨情況對高峰時段通勤的擁堵程度是有一定影響的，但并不是決定性的顯著影響。針對我國眾多內澇災害頻發(fā)的地區(qū)，做好強降雨時的道路交通規(guī)劃和人車疏散顯得尤為重要。

3 高峰時段道路通勤擁堵指數(shù)計算模型

在上述道路交通影響因素相關性分析的基礎上，建立高峰時段道路通勤擁堵指數(shù)計算模型。由于八項影響因素的量綱不同，無法統(tǒng)一比較數(shù)據(jù)。本文首先對各城市相關數(shù)據(jù)進行歸一化處理，結果如表3所示。

經過歸一化處理后，數(shù)據(jù)可以進行分析比較。本文利用多元線性回歸的方法，令高峰時段通勤擁堵指數(shù)為因變量，年降雨量、降雨日數(shù)、城市面積等七個因素為自變量，通過逐次回歸的方法，建立高峰時段道路通勤擁堵指數(shù)計算模型。得到輸入的變量有三個，分別為通勤高峰實際速度、城市面積、城市GDP，如表4所示。

表3 歸一化處理后數(shù)據(jù)

表4 輸入的變量

結果顯示，輸入變量的顯著性水平分別為0.004，0.004，0.001，說明差異比較顯著，具體如表5所示。

表5 顯著性水平

最終結果如表6所示。

表6 分析結果

由表6得到高峰時段道路通勤擁堵指數(shù)計算模型為：

y=-0.03x1+0.059x2+0.038x3+1.799。

其中，x1為通勤高峰實際速度；x2為城市面積；x3為城市GDP。

4 案例分析

本文以哈爾濱市為實踐對象，利用上述高峰時段道路通勤擁堵指數(shù)計算模型得到哈爾濱市擁堵指數(shù)，并與哈爾濱市高峰時段實際道路通勤擁堵指數(shù)進行比較，進一步檢驗模型可靠性。哈爾濱市相關數(shù)據(jù)見表7。

表7 哈爾濱市相關數(shù)據(jù)

經SPSS歸一化處理后數(shù)據(jù)如表8所示。

表8 哈爾濱市歸一化處理后數(shù)據(jù)

經計算，哈爾濱市高峰時段道路通勤擁堵指數(shù)為：y=-0.03x1+0.059x2+0.038x3+1.799=1.985。

經查閱資料，哈爾濱市高峰時段實際道路通勤擁堵指數(shù)為1.975，證明上述高峰時段道路通勤擁堵指數(shù)計算模型在誤差允許范圍內具備可靠性。

5 結語

1)本文首先選取九座大中城市的道路通勤影響因素數(shù)據(jù)進行分析，得到相關性矩陣，以此初步判別各因素與道路通勤擁堵狀況之間的關系。

2)利用SPSS軟件對數(shù)據(jù)進行歸一化處理，以便后續(xù)的統(tǒng)一分析與模型構建。

3)對歸一化處理后的各因素進行多元線性回歸分析，得到高峰時段道路通勤擁堵指數(shù)測度模型。并將該模型應用于哈爾濱市，得到哈爾濱市高峰時段道路通勤擁堵指數(shù)，通過與哈爾濱市實際高峰時段道路通勤擁堵指數(shù)比較，驗證模型可靠性。

4)為城市計算高峰時段道路通勤擁堵指數(shù)提供測度模型，同時給各地區(qū)政府合理規(guī)劃道路網絡，緩解道路擁堵情況提出科學的決策依據(jù)。