城市生態交通系統評價

方 松，余躍武

（1.南京林業大學 汽車與交通工程學院，江蘇 南京 210037；2.南京鐵道職業技術學院，江蘇 南京 210031）

0 引言

隨著城市化進程的不斷深入，大量的資源和能源消耗以及溫室氣體的排放導致城市空氣質量不斷下降。生態交通以城市復雜生態系統理論為基礎，強調交通的發展要適應城市生態發展的規律。目前，我國生態城市建設已取得階段性成果，但仍存在一系列問題，如注重大城市而忽視中小城市，注重“新城發展”，忽視已有建成區的生態轉型[1-2]。生態交通是面向未來生態城市的綜合交通運輸系統。城市生態交通在可持續發展理念的指導下，以滿足城市交通需求為前提，將生態學理論運用到城市交通的規劃建設與運營管理的全過程，以實現城市交通與自然環境、社會經濟及資源消耗的協調可持續發展為目標。

針對城市生態交通系統的復雜性和動態性，國內外學者結合層次分析法和變異系數法，對生態交通系統的相關理論和實現途徑進行了不斷地探討和研究[3-4]。Yunhong，等[5]研究了部分城市自駕游產生的碳排放與旅游景區交通之間的關系。Zhang[6]對影響低碳旅游發展的各種因素進行權重計算，并提出對策建議。Zhang，等[7]建立了城市輕型車油耗和碳排放預測的實證模型，并以澳門為例進行預測。Goldman，等[8]研究了可持續交通的定義和內涵，提出了城市可持續交通系統的四個革命性發展方向。Wang，等[9]采用模糊評價法對交通系統的安全性進行評價，選取的參數包括區域經濟發展水平、居民生活習慣、社會道德水平和法律制度水平。

城市生態交通是由相互作用的各項指標決定的多層次復雜系統，以往的研究無法處理指數與系統之間復雜的非線性關系[10-11]。BP 神經網絡具有合適的自學習和自關聯功能，廣泛應用于非線性建模、函數逼近和模式分類[12-13]。本文從交通網絡、交通體系完善性、交通環境、交通景觀、交通文化五個方面構建了城市生態交通評價指標體系，基于BP神經網絡建立評價模型，并采集數據進行實例驗證，以期為城市生態交通發展政策的制定提供一定的依據。

1 城市生態交通評價指標體系

城市生態交通以可持續發展為設計理念，通過創新發展的科技成果和技術方法對城市交通系統進行統一的規劃、建設與管理，達到交通與自然資源的協調、交通與自然環境的協調、交通與社會發展的協調。本文收集了9個城市的生態交通評價指標數據，選取其中5個城市數據作為評價模型的學習樣本，另外4個城市數據作為模型一般性驗證，見表1-表5。

表1 交通網絡數據

表2 交通體系完善性數據

表3 交通環境數據

表4 交通景觀數據

表5 交通文化數據

2 BP神經網絡評價模型

BP 神經網絡是一種前向映射網絡，網絡由輸入層、隱含層和輸出層節點組成，前層節點至后層節點通過權聯結。根據表1-表5 所得學習樣本數據，建立一個三層BP神經網絡，作為城市生態交通評價模型。sigmoid 函數光滑可微，在分類時比線性函數更精確，容錯性相對較好，本文選取sigmoid函數作為評價模型的傳遞函數。

BP 神經網絡在實際應用中多采用改進算法，常見的有：利用動量法改進算法（traingdm）、自適應調整學習速率（traingda）、動量-自適應學習速率調整算法（traingdx）、L-M 算法（Levenberg-Marquardt）。本文對上述常見的BP 改進算法進行實驗后發現：L-M算法收斂速度最快，但輸出精度相對較低，且容易陷入局部最小值；traingdm 與traingda 對學習樣本的適應能力較好，輸出精度相對L-M 算法較高；traingdx結合了兩者的優點，收斂速度為213 步，收斂精度為3.4×10-3，符合本文所需的收斂速度與精度，因此，選用traingdx作為訓練函數。

BP神經網絡隱含層單元數過多會導致學習時間過長，而并不一定能夠達到誤差最佳的效果，但是隱含層單元數過少則會導致訓練網絡不夠強壯，不能識別未學習過的樣本，從而使得網絡的容錯性較差。本文所建模型輸入層神經元數為30，輸出層為1，根據經驗公式計算得到隱含層單元數可取范圍為7～16。通過實驗發現網絡訓練次數隨著隱含層單元數的增加而降低，因此選擇隱含層單元數為16，實際迭代訓練次數為111。

3 實例分析

選取表1-表5 中前5 個城市的數據作為學習樣本，考慮到各個評價指標之間的量綱問題，利用Matlab 軟件對原始數據進行歸一化處理，輸入本文所建BP神經網絡，輸出結果再經postmnmx函數進行反歸一化運算，得到基于BP神經網絡的城市生態交通系統評分值，見表6。5 個城市的生態交通系統評分依次為通化市、佳木斯市、張家界市、北海市、湛江市，與《GN 中國低碳生態城市指標體系》中生態宜居城市的排名一致，驗證了BP神經網絡在城市生態交通系統評價中的準確性。

表6 BP神經網絡學習結果

為了驗證所建模型的一般性，對表1-表5中后4個未加入學習樣本的城市數據進行生態交通系統評價。珠海市位于廣東省珠江口的西南部，是中國最早設立的四個經濟特區之一，入選全國旅游勝地城市、新型花園城市、國家幸福之城、浪漫之城，獲頒國際改善居住環境最佳范例獎，2020年2月被確定為第五批中央財政支持開展居家和社區養老服務改革試點地區，常住人口202萬。玉溪市位于滇中腹地，亞熱帶季風氣候，年平均氣溫16.4～24.6℃，是云煙之鄉、花燈之鄉和高原水鄉，并且是中國十佳休閑宜居生態城市，常住人口238萬。日照市位于中國大陸沿海中部—黃海之濱，溫帶季風氣候，是我國濱海生態、宜居、旅游、現代化港口城市和臨港產業基地，獲得聯合國人居獎，常住人口308萬。?？谑袨楹Ｄ鲜∈?，擁有“中國最具幸福感城市”“優秀旅游城市”“環境保護模范城市”“國家園林城市”等榮譽稱號，2018年被聯合國評定為世界首批“國際濕地城市”，常住人口232萬。以上待評價的4個城市規模相當，均以建設生態宜居城市為目標，在城市生態交通發展規劃與建設方面具有很強的對照效應。根據所建BP網絡模型及表1-表5中城市數據，輸出結果見表7，4個城市的生態交通系統評分依次為海口市、日照市、珠海市、玉溪市，與《GN中國低碳生態城市指標體系》中生態宜居城市的排名一致，驗證了模型的適用性。

表7 模型輸出結果

4 結語

本文從交通網絡、交通體系完善性、交通環境、交通景觀、交通文化五個方面建立了城市生態交通評價指標體系，基于BP 神經網絡建立評價模型，收集了9個城市的生態交通評價指標數據，選取其中5個城市數據作為評價模型的學習樣本，另外4個城市數據作為模型一般性驗證，所得輸出結果與《GN 中國低碳生態城市指標體系》評分結果基本一致，驗證了所建模型的準確性與適用性。

本文所建模型適用于城市生態交通系統總體評價，對各個評價指標的差異性分析尚待進一步研究。另外，BP神經網絡的精確度與性能受限于樣本數據，下一步將采集更多的樣本數據，提高模型的精確性。