城市宏觀交通擁堵預測研究

李浩然，裴玉龍

(東北林業大學交通學院， 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據進行了分析與比較，提出城市宏觀交通擁堵預測模型，系統、科學的量化城市宏觀交通擁堵與城市發展的演變規律，初步探究城市發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

近年來隨著大數據技術以及數據分析挖掘產業的發展，越來越多的行業開始運用大數據技術解決相關問題，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”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，其出現可能與城市社會經濟發展的狀態、道路交通發展狀態等數據存在聯系，因此我們選取市轄區GDP、市轄區人口、城市建設用地面積、市轄區市政累計投入(2011-2014年)、市轄區人均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、全年公共汽電車客運總量、人均道路面積、萬人公交車數、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據。

表1 2014年末各城市宏觀經濟社會數據

續表1

數據來源：《中國城市統計年鑒2015》

通過對高峰擁堵延時指數與市轄區GDP數據的相關性分析，可以得到其相關系數為0.538，sig值為0，中度相關。

通過對高峰擁堵延時指數與市轄區人口數據的相關性分析，可以得到其相關系數為0.535，sig值為0，中度相關。

通過對高峰擁堵延時指數與城市建設用地面積數據的相關性分析，可以得到其相關系數為0.605，sig值為0，中度相關。

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

通過對高峰擁堵延時指數與市轄區人均GDP數據的相關性分析，可以得到其相關系數為0.087，sig值為0.574，無相關關系。

通過對高峰擁堵延時指數與城市人口密度數據的相關性分析，可以得到其相關系數為0.084，sig值為0.593，無相關關系。

通過對高峰擁堵延時指數與市轄區GDP、市轄區人口、城市建設用地面積、市轄區市政累計投入(2011-2014年)、市轄區人均GDP、城市人口密度的相關性分析，我們可以篩選出市轄區GDP、市轄區人口、城市建設用地面積、市轄區市政累計投入(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據。

通過對高峰擁堵延時指數與實有城市道路面積數據的相關性分析，可以得到其相關系數為0.425，sig值為0.004，中度相關。

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

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

通過對高峰擁堵延時指數與人均道路面積數據的相關性分析，可以得到其相關系數為-0.219，sig值為0.153，低度相關。

通過對高峰擁堵延時指數與萬人公交車數數據的相關性分析，可以得到其相關系數為0.285，sig值為0.061，低度相關。

通過對高峰擁堵延時指數與人均公交出行量數據的相關性分析，可以得到其相關系數為0.544，sig值為0，中度相關。

通過對高峰擁堵延時指數與實有城市道路面積、公共汽(電)車營運車輛數、全年公共汽電車客運總量、人均道路面積、萬人公交車數、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、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據

數據來源：《中國城市統計年鑒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GDP、市轄區人口、城市建設用地面積、市轄區市政累計投入(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、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，得到其相關系數為0.804，sig值為0，高度相關，模型擬合效果良好。為了數據處理時的便捷，我們將高峰擁堵延時指數數值擴大10 000倍進行應用，并用Y代表擴大之后高峰擁堵延時指數，X1、X2、X3、X4、X5、X6、X7、X8分別代表標準化后的市轄區GDP、市轄區人口、城市建設用地面積、市轄區市政累計投入(2011-2014)、實有城市道路面積、公共汽(電)車營運車輛數、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，變量相關系數表。

表3 方差膨脹因子表

表4 變量相關系數表

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GDP越高，標志著城市綜合經濟發展水平越高，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人口、城市建設用地面積、市轄區市政累計投入(2011-2014)、公共汽(電)車營運車輛數以及全年公共汽電車客運總量呈正相關。市轄區人口越多，標志著出行居民數量也越大，交通系統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、市轄區市政累計投入(2011-2014)越多、公共汽(電)車營運車輛數越多、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展、道路交通發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，主要從事交通規劃方面的學習和研究工作。