城市出租車規模預測研究

任其亮，蘇莉曉，吳麗霞，金 磊

(重慶交通大學 交通運輸學院，重慶 400074)

出租車作為城市客運系統重要組成部分，是城市常規公交的重要補充。出租車具有快捷、舒適、安全和服務范圍廣泛等特點，能為出行者提供較高層次的服務。其規模控制對出租汽車行業資源優化配置、城市客運系統協調發展有重要意義。但很多城市出租車擁有量盲目增加，出現了出租車運力過剩、空載率過高等情況，并引發城市交通擁擠、能源消耗增加、污染加重等問題，所以出租車規模的合理配置尤為重要。

出租車規模預測方法有很多，常用方法主要有實載率控制法、比例法、指數平滑法、統計回歸分析法、神經網絡法等[1]。比例法需要萬人擁有率取值，而目前很多城市公共交通系統還不穩定，很難確定一個合理的萬人擁有率；指數平滑法通過對歷年相關數據進行平滑處理后找出發展規律，而出租車規模受政府政策等因素影響較大，使得這種發展規律具有不適用性；統計回歸分析法和神經網絡法綜合考慮了大量的影響因素，但有些影響因素指標無法量化，收集數據比較困難，因而這兩種方法不可行。

筆者選取系統動力學模型和實載率控制法進行預測。系統動力學模型從出租車系統角度出發，模型仿真結果誤差具有累積性，預測值偏大；而實載率控制法從出租車所完成的城市居民出行周轉量入手，選取符合實際情況的實載率，預測城市出租車規模，但實載率選取有一定主觀性，預測值比實際值小。這兩種方法從不同角度研究問題，互補性較好，若將它們進行組合預測，一方面盡可能地滿足消費者需求，另一方面能綜合考慮多種因素的影響，可取得較好地組合效果。出租車包括巡游出租車和網約出租車，筆者以巡游出租車為研究對象進行研究。

1 出租汽車規模影響因素

1.1 社會經濟發展水平

隨著城市經濟快速發展，人民生活水平也隨之提高，人口流動較為頻繁，購物、探親、旅游等多層次需求增加，進而增加了出行次數[2]。以重慶主城區為例：2010年主城區GDP值為3 596.71億元，居民日均出行總量1 339萬人次，人均出行次數為1.8次/人·日；2014年主城區GDP值為6 289.05億元，居民日均出行總量較2010年增加174萬人次，人均出行次數為1.85次/人·日。這說明隨著重慶社會經濟發展，人均出行次數也在發生變化。由于經濟條件變好，人們對出行方式產生更多選擇和更高要求，而出租車較強的靈活性，以及便捷、舒適等特點使人們對其更加青睞，出租車分擔比例發生變化，影響城市出租車供給量配置。地區生產總值、人均消費性支出等指標可用來衡量社會經濟發展水平。

1.2 城市人口規模和構成

隨著城市人口數量增加，城市客運量也因此增大，需要更多地客運設施來承擔。2011年重慶主城區總人口為1 146.53萬人，出租車規模為10 705輛；2015年主城區總人口增長為1 197.52萬人時，出租車規模也隨之增加至14 834輛，相關性十分明顯。可見，城市人口規模的變化影響著出租車規模，人口越多產生的出行越多。城市人口按流動性可分為常住人口和流動人口。數據顯示，2012年整個重慶流動人口為1 155.06萬人，重慶常住人口為2 945萬人，流動人口占比約1/3，全市旅游人數達到2.9億人次，這部分人群在無交通工具、不熟悉城市地理的情況下會更依賴城市出租車交通服務。社會經濟迅速發展使得城市之間的交流加強，越來越多的流動人口涌入經濟較發達城市，導致經濟發達城市流動人口增長幅度較大，同時流動人口滯留時間普遍加長，這些因素不同程度會影響城市出租車規模。

1.3 政府政策影響

當前交通部門明確出租車行業定位，界定出租車為城市綜合交通運輸體系的組成部分，是城市公共交通的補充，各省市交通管理部門應堅持“優先發展公共交通，適度發展出租汽車”原則，促進出租車行業健康有序發展。

由于城市交通擁堵現象越來越嚴重，而緩解交通擁堵的措施之一是大力發展公共交通，“公交優先”政策鼓勵城市公共交通發展[3]。在客運總量不變的情況下，當公共交通的客運量以及分擔比例增加時，出租車的分擔率則會減小，這在一定程度上影響出租車供給量配置。公共交通服務水平可用公共交通日均客運量來量化。

1.4 城市交通發展狀況

城市交通體系的發展程度，影響人們對出租車的需求，主要體現在3個方面[4]：① 城市交通基礎設施建設水平。城市道路網密度、干道數量、道路面積越大，出租車運行速度加快，服務范圍擴大，則出租車需求量隨之增加；② 城市公共交通系統建設情況。公共交通系統網絡覆蓋程度對出租車需求量產生一定影響，由于城市老城區內存在狹窄街巷，公交車輛無法通行，這些區域居民可能選擇出租車出行；③ 城市客運樞紐場站布局不合理，不便于乘客換乘，出租車分布廣泛的特點使其成為乘客換乘工具之一。

2 出租車規模預測方法

2.1 系統動力學模型

系統動力學是在系統論、控制論、信息論等學科基礎上應用計算機仿真技術對復雜的社會系統進行定量研究的方法[5]。出租車系統比較復雜，依據系統建模目的確定研究系統范圍包括城市人口數量、GDP、私家車保有量、公共交通車輛數、其他類機動車數量、出租車數量等。筆者根據系統動力學處理問題基本步驟，以及對出租車規模影響因素分析繪制了出租車系統因果關系圖以及系統流程圖，如圖1、2。

出租車合理規模預測系統動力學模型[6-7]如式(1)～(13)：

狀態方程：

LZRK·K=LZRK·J+ΔT×DRK

(1)

LGDP·K=LGDP·J+ΔT×DGDP

(2)

LSJC·K=LSJC·J+ΔT×DSJC

(3)

LDMGJ·K=LDMGJ·J+ΔT×DDMGJ

(4)

LGDJT·K=LGDJT·J+ΔT×DGDJT

(5)

LCZC·K=LCZC·J+ΔT×DCZC

(6)

速率方程：

DRK·TJK=LZRK·K×RRK·TJK

(7)

DGDP·TJK=LGDP·K×RGDP·TJK

(8)

DSJC·TJK=LSJC·K×RSJC·TJK

(9)

DDMGJ·TJK=LDMGJ·K×RDMGJ·TJK

(10)

DGDJT·TJK=LGDJT·K×RGDJT·TJK

(11)

DCZC·TJK=LCZC·K×RCZC·TJK

(12)

輔助方程：

RCZC·TJK=LZRK·K×RRK×fRK+LGDP·K×RGDP×fGDP-LSJC·K×RSJC×fSJC-LDMJT·K×RDMJT×fDMJT-LGDJT·K×RGDJT×fGDJT

(13)

狀態方程中：LZRK·K為K時刻人口總數；LZRK·J為J時刻人口總數；DRK為人口增長量；LGDP·K為K時刻GDP總值；LGDP·J為J時刻GDP總值；DGDP為GDP增長量；LSJC·K為K時刻私家車總量；LSJC·J為J時刻私家車總量；DSJC為私家車增長量；LDMGJ·K為K時刻地面公交日均客運量；LDMGJ·J為J時刻地面公交日均客運量；DDMGJ為地面公交日均客運量增長量；LGDJT·K為K時刻軌道交通日均客運量；LGDJT·J為J時刻軌道交通日均客運量；DGDJT為軌道交通日均客運量增長量；LCZC·K為K時刻出租車總量；LCZC·J為J時刻出租車總量；DCZC為出租車增長量；J為過去時刻；K為現在時刻；TJK為段時間；ΔT為時刻J和時刻K之間的時間間隔，常取單位時間段，筆者取1年。

速率方程中：DRK·TJK為JK時間段內人口增長量；RRK·TJK為JK時間段內人口增長速率；DGDP·TJK為JK時間段內GDP增長量；RGDP·TJK為JK時間段內GDP增長速率；DSJC·TJK為JK時間段內私家車增長量；RSJC·TJK為JK時間段內私家車增長速率；DDMGJ·TJK為JK時間段內地面公交日均客運量增長量；RDMGJ·TJK為JK時間段內地面公交日均客運量增長速率；DGDJT·TJK為JK時間段內軌道交通日均客運量增長量；RGDJT·TJK為JK時間段內軌道交通日均客運量增長速率；DCZC·TJK為JK時間段內出租車增長量；RCZC·TJK為JK時間段內出租車增長速率。

輔助方程中：RRK為人口增長速率；fRK為人口影響因素；RGDP為GDP增長速率；fGDP為GDP影響因素；RSJC為私家車增長速率；fSJC為私家車影響因素；RDMGJ為地面公交日均客運量增長速率；fDMGJ為地面公交日均客運量影響因素；RGDJT為軌道交通日均客運量增長速率；fGDJT為軌道交通日均客運量影響因素。

圖1 出租車系統因果關系Fig. 1 Taxi system causality diagram

圖2 出租車系統流程Fig. 2 Taxi system flow chart

圖1中用到的公共交通車輛數，由于其擬合精度不高，且描述出行人數用客運量比較恰當，因而在系統流程圖中選用地面公交日均客運量和軌道交通日均客運量代替公共交通保有量[8]。

2.2 實載率控制法

實載率控制法是以出租車所完成城市人口的出行周轉量為切入點，選取符合實際情況的出租車實載率，進而預測城市出租車擁有量[9-10]。

2.2.1 出租車承擔城市居民出行周轉量(W1)

W1=R1×A1×P1×D1

(14)

式中：R1為城市居民人口總量，萬人；A1為城市居民人均出行次數；P1為城市居民全方式出租車分擔率；D1為城市居民平均出行距離。

2.2.2 出租車承擔城市流動人口出行周轉量(W2)

W2=R2×A2×P2×D2

(15)

式中：R2為城市流動人口數量，萬人；A2為城市流動人口人均出行次數；P2為城市流動人口全方式出租車分擔率；D2為城市流動人口平均出行距離。

2.2.3 全市出租車總有效行駛里程

(16)

式中：L有為全市出租車總有效行駛里程，萬km；S1為城市居民乘坐出租車時平均有效車次載客人數，人；S2為城市流動人口乘坐出租車時平均有效車次載客人數，人。

2.2.4 實載率

(17)

式中：K為實載率；L為出租車日均行駛里程，km/d；N為城市出租車總量。

將式(17)轉換，得到城市出租車總量，如式(18)：

(18)

考慮到一定彈性(年檢、修理等)，筆者認為一個城市中一般有10%左右的出租車未投入運營。因此，城市出租車保有量如式(19)：

預警（Early-Warning）即在災害、災難或危險發生之前，根據以往總結的規律或觀測得到的可能性前兆，向相關部門發出緊急信號，報告危險情況，以避免危害在不知情或準備不足的情況下發生，從而最大程度減少危害給人民生命財產帶來的損失。特別是在《國務院辦公廳關于加強氣象災害監測預警及信息發布工作的意見》【國辦發〔2011〕33號】公布后，該意見對氣象災害監測預警及信息發布的總體要求和工作目標做出規定，通過提高監測預報能力，加強預警信息發布，強化預警信息傳播等措施來進一步完善防災減災工作。所以，氣象預警信息發布的相關工作得到了各級政府和人民群眾的重視。

(19)

2.3 方法評價

每種方法自身都有局限性，所以應用不同方法預測出租車的規模，其結果存在一定差異，針對以上兩種方法進行評價，如表1。

表1 預測方法評價Table 1 Evaluation of prediction method

2.4 組合預測

以上兩種方法各自存在優缺點，但如果采用組合預測方法，即將兩種方法預測值通過加權平均方法組合成一個新的預測值，作為最后預測結果，這樣使兩種方法進行優勢互補，預測精度會更高，具體方法[11]如下：

(20)

0≤α≤1

(21)

α值確定是加權平均法的關鍵所在，從統計學角度，α可按式(22)確定。

(22)

(23)

x≡αx+(1-α)x

(24)

將式(24)與式(21)相減，得到式(25)：

e=αe1+(1-α)e2

(25)

對式(25)兩端平方，并假定e1和e2不相關，有式(26)：

(26)

對式(26)取極值，有式(27)：

(27)

對α求導，令其等于0，可得式(28)：

(28)

故按式(28)確定α值時，E(e2)值最小。

將式(28)代入式(27)，可得式(29)：

(29)

3 重慶主城區出租車規模預測

表2為重慶主城區2011—2015年相關數據。

表2 重慶主城區2011—2015年基礎數據統計Table 2 Basic data statistics of Chongqing city from 2011 to 2015

注：流動人口數據來源為重慶市統計年鑒；其余數據來源為《重慶市主城區交通運行分析年度報告》。

以表2為基礎，分別采用系統動力學法和實載率控制法對重慶主城區出租車規模進行預測，然后對兩種方法得出的預測值進行誤差分析，并運用組合預測法預測重慶主城區未來出租車擁有量，最后對組合預測模型的精確度進行驗證。

3.1 系統動力學法

將2011—2015年重慶主城區總人口取對數，如圖3。

圖3 重慶市主城區人口變化趨勢Fig. 3 Trend of population changes in main city of Chongqing

從圖3中可看出：總人口對數基本符合線性增長規律，盡管在2015年出臺全面放開二胎政策，但從長期而言，在一定程度上增加了低年齡段比重，勞動年齡人口比重不會增加，因此將模型中人口年增長率可看作常數。擬合直線如式(30)：

(30)

式中：Y為主城區人口對數值；N為年份。

主城區總人口平均年增長率為0.035；同理可得：GDP、私家車擁有量、地面公交日均客運量、軌道交通日均客運量年平均增長率分別為0.11、0.23、0.0247、0.401。

應用SPSS軟件對GDP、人口總數、私家車保有量、地面公交日均客運量、軌道交通日均客運量與出租車增長率變化分別進行曲線擬合以及相關性分析，得到影響系數，再結合專家意見和實際情況進行修正，得到最終值，模型參數值見表3。

表3 模型參數Table 3 Model parameter values

運用系統動力學模型預測重慶主城區2011—2015年出租車規模，并進行誤差計算，見表4。從表4中可看出：預測誤差在4.5%以內，均值在3%以內，預測精度較高。因此系統動力學模型用來預測出租車規模，預測精度比較高，對出租客運部門規劃近期出租車規模有一定的幫助。

表4 2011—2015年出租車規模預測值與預測誤差Table 4 2011—2015 taxis scale forecast and prediction error

系統動力學模型仿真結果的誤差具有累積性，故以2015年重慶主城區的實際數據以及出租車行業相關政策為基準，對重慶主城區2016—2020年出租車規模進行預測，預測結果如表5。

表5 2016—2020年出租汽車規模預測Table 5 2016—2020 taxis scale forecast

3.2 實載率控制法

3.2.1 出租車客運周轉量預測

客運周轉量預測所需基礎數據均是交通調查統計所得，在對規劃年出租車客運周轉量預測時，考慮到重慶市“十三五”期間，軌道交通第2輪建設的啟動以及城市進程的加快，通過分析過去5年重慶出租客運分擔率的變化規律，同時參考同類城市出租客運分擔率的變化特征，重慶主城區全方式出租車分擔率2016—2018年變化較小，2018—2020年變化較大利用，采用等比例增長率法對人口、分擔率、日均出行次數、平均乘距進行預測，根據式(14)、(15)預測出租汽車客運周轉量，具體結果見表6、7。

表6 城市居民出租車客運周轉量預測Table 6 Taxi passenger turnover forecast of urban population

表7 城市流動人口出租車客運周轉量預測Table 7 Taxi passenger turnover forecast of urban floating population

3.2.2 出租車總有效行駛里程預測

運用式(16)，出租車平均載客人數按調查結果取2.2人，預測出租車總有效行駛里程，結果見表8。

表8 出租汽車總有效行駛里程預測Table 8 Taxi total effective mileage forecast

3.2.3 出租車規模預測

根據歷史數據顯示，實載率在68%～72%變化。筆者根據經驗認為：實載率為70%時，運力與運量適當平衡，因此實載率選取為70%，按照平均車日行程500～510 km，運用式(19)，預測得到各年份出租汽車合理規模數，如表9。

表9 2016—2020年出租車規模預測Table 9 2016—2020 taxis scale forecast

3.3 組合預測

故，權重值α按照式(22)計算，如式(23)：

利用式(23)，筆者計算了2011—2015年重慶主城區出租車規模并進行誤差分析，結果如表11。

表11 2011—2015年重慶主城區出租車規模預測Table 11 Taxi scale forecast in 2011—2015 in Chongqing urban area

通過對絕對誤差的比較分析，可以看出：組合預測模型預測誤差在3%以內，均值在2.48%左右，明顯比系統動力學模型和實載率控制法預測誤差小，預測精度高。系統動力學模型中私家車增長、地面公交和軌道交通日均客運量增長阻礙了出租車規模增長，出租車分擔率降低；而實載率控制法中出租車分擔率的確定主觀因素較強，影響了預測精確度；系統動力學模型和實載率控制法之間存在一定的關系。

此外，在第2節中筆者指出：系統動力學模型仿真結果誤差具有累積性，預測未來年數據偏大，實載率控制法預測結果偏小，若將兩者組合在一起，兩者間互補，預測精度顯著提高，因而預測未來年出租車規模采用組合預測法較好。

利用式(23)預測2016—2020年重慶主城區出租車規模，結果見表12。

表12 2016—2020年重慶主城區出租車規模預測Table 12 Taxi scale forecast in 2016—2020 in Chongqing urban area

預測結果表現為：先緩慢增加后下降的趨勢，很大程度上取決于重慶城市軌道交通近期建設規劃(2012—2020年)。根據規劃內容可知：2017年軌道交通5號線1期投入運營，2018年10號線投入運營，2019年9號線1期投入運營，到2020年重慶將形成9條運營線路(即1、2、3、4、5、6、9、10號線和環線)、總長為410.24 km的軌道交通基本網絡，軌道交通占公共交通出行比例將會增加，出租車所占公共交通出行比例將會顯著減小。因此2016—2020年重慶主城區出租車規模將呈現先緩慢增加后下降的趨勢。

4 結 語

筆者通過研究系統動力學模型和實載率控制法，分析各自優缺點，發現將兩者組合在一起可互補。利用重慶主城區2011—2015年出租車發展相關數據，應用3種預測方法預測了2011—2015年的出租車擁有量。結果表明：組合預測模型預測精度高于系統動力學模型和實載率控制法的預測精度，說明組合預測模型具有有效性和可行性，對城市出租車合理規模確定有重要的參考價值。最后運用該模型對重慶主城區2016—2020年出租車規模進行了預測。

參考文獻(References)：

[1] 張爽.城市出租車擁有量的確定方法研究[D].成都：西南交通大學，2009.

ZHANG Shuang.TheResearchontheDeterminationofUrbanTaxiNumber[D].Chengdu: Southwest Jiaotong University, 2009.

[2] 劉榮.出租車合理規模研究與應用[D].長沙：長沙理工大學，2013.

LIU Rong.ResearchandApplicationofRationalTaxiScale[D].Changsha: Changsha University of Science & Technology, 2013.

[3] 王迎，蘇潔，侯靜.城市出租車合理擁有量確定方法研究[J].重慶交通大學學報(自然科學版)，2014，33(2)：131-134.

WANG Ying, SU Jie, HOU Jing. Determination of reasonable owner ship scale for urban taxicab system[J].JournalofChongqingJiaotongUniversity(NaturalScience), 2014,33(2):131-134.

[4] 楊昌濤.城市出租汽車保有量研究[D].廣州：華南理工大學，2011.

YANG Changtao.AResearchonthePossessingCapacityofTaxi[D].Guangzhou: South China University of Technology, 2011.

[5] 王其潘.系統動力學[M].北京：清華大學出版社，1998.

WANG Qifan.SystemDynamics[M].Beijing: Tsinghua University Press, 1998.

[6] 左忠義，王克.基于系統動力學的大連市出租車保有量預測[J].大連交通大學學報，2015，36(4)：10-13.

ZUO Zhongyi, WANG Ke. Prediction and simulation of city taxi quantity based on system dynamics[J].JournalofDalianJiaotongUniversity, 2015,36(4):10-13.

[7] 王云鵬，楊志發，李世武，等.基于系統動力學的道路運輸量預測模型[J].吉林大學學報(工學版)，2005，35(4)：426-430.

WANG Yunpeng, YANG Zhifa, LI Shiwu, et al. Prediction model of road transportation volume based on system dynamics[J].JournalofJilinUniversity(EngineeringScienceEdition),2005,35(4):426-430.

[8] 樊潔，嚴廣樂.基于系統動力學的北京市私家車總量仿真與控制[J].公路交通科技，2009，26(12)：120-125.

FAN Jie, YAN Guangle. Simulation and control of amount of private cars in Beijing based on system dynamics[J].JournalofHighwayandTransportationandTechnology, 2009, 26(12):120-125.

[9] 陸建，王煒.城市出租車擁有量確定方法[J].交通運輸工程學報，2004，4(1)：92-95.

LU Jian, WANG Wei. Confirming method of urban taxi quantity[J].JournalofTrafficandTransportationEngineering, 2004, 4(1):92-95.

[10] 莊立堅，韋清波，何兆成，等.基于浮動車數據的出租車運營管理特性建模與分析[J].重慶交通大學學報(自然科學版)，2014，33(4)：122-127.

ZHUANG Lijian, WEI Qingbo,HE Zhaocheng, et al.Taxi operation and management characteristics based on floating car data[J].JournalofChongqingJiaotongUniversity(NaturalScience), 2014, 33(4): 122- 127.

[11] 涂德服.略論組合預測統計方法[J].財經科學，1986(6)：58-62.

TU Defu. A brief discussion on the statistical methods of combination forecast[J].Finance&Economics, 1986(6):58-62.