北京市交通承载力预测研究

李荣，吴建军

(1.北京交通大学交通运输学院，北京 100044;2.北京交通大学轨道交通控制与安全国家重点实验室，北京 100044)

随着城市化进程的不断加快，许多城市尤其是发展中国家的大城市(如北京)面临着环境污染、交通拥堵和资源短缺等一系列问题。造成这一系列问题的根本原因是机动车保有量增长过快，而道路基础设施供给有限，导致交通负荷过重，甚至超过城市交通承载力，从而导致“血脉”不通畅。机动车保有量预测和城市道路交通承载力问题正日益受到专家和学者的重视［1－13］。

在机动车保有量预测方面，现有的研究方法主要包括灰色预测模型、弹性系数法、神经网络，趋势预测法等。刘志谦等［1］2008年使用GM(1，1)-马尔可夫预测模型对机动车保有量进行预测，并以北京市为例进行了实例分析;曹晓飞等［2］使用弹性系数法对北京市的机动车保有量进行预测。牟振华等［3］2009年分析了影响机动车保有量的若干因素，使用BP神经网络对山东省机动车保有量进行了预测。徐亚丹［4］2012年使用趋势预测方法对杭州市机动车保有量进行预测。

城市交通承载力作为承载力的一个专门研究方向，对于它的定量计算至今已有较多研究。刘志硕等［5］对交通环境承载力作了早期研究，在2002年使用系统工程的原理和方法分析了污染物在环境系统中的输入输出模式，尝试性地建立了交通环境承载力的动态量化模型。2004年他们对城市交通环境承载力做了进一步研究，在研究中他将交通容量划分为微观交通容量和宏观交通容量，然后从系统的观点出发提出了一种新的基于交通环境承载力的城市容量确定方法并进行了应用［6］。之后很多学者进一步深化了对交通环境承载力的定量方法的研究［7－10］。2008年，侯德劭［11］对城市交通承载力做了进一步深入研究，将城市交通承载力分为交通设施承载力和交通环境承载力两个方面，并建立了交通承载力评价体系;詹歆晔等［12］提出以机动车在驶量为标准构建由路网资源、燃油供给和大气环境3个模块组成的交通承载力宏观定量模型，并选择北京市城区作为案例验证模型;吴建军［13］研究了不同拓扑结构下的城市交通网络承载力，并分析了最优城市交通网络的拓扑及特征参量。郑猛等［14］基于土地利用与交通双向互动理论，对评价土地开发强度与交通承载力关系的定量分析方法进行了研究。贾顺平等［15］在2011年对居民出行特性和路网承载力下的城市交通状态进行了研究。许明涛等［16］在2012年建立了在容量限制下的城市道路和交通的互演化模型。

虽然对于城市交通承载力的定量计算已有较成熟的研究，但是对其预测方法的研究还有待于进一步的深入。诺比尔经济学奖得主Arrow［17］对人口承载力研究的评价是“承载力天然就不是固定的、静态的或者简单的关系，仅仅简单地得到承载力的数值是毫无意义的”。事实上，城市交通承载力和人口承载力一样，也是随着外界环境的改变而变化的。王乾等［18］在2008年从系统工程的角度出发，基于灰色预测模型，提出了一种确定交通环境承载力的方法并进行了应用。本文使用多因素分析法分析了影响北京市机动车保有量的关键因素，应用时间序列分析法对道路里程、人口总量等因素进行预测，并使用多元回归分析预测北京市机动车保有量。通过分析影响城市交通承载力的关键因素，建立城市交通承载力与各因素的关系，借此预测北京市未来年份的城市交通承载力。通过对比北京市现有年份和未来年份的机动车保有量和城市交通承载力，得到一些有利于北京市交通规划和管理的理论依据，并提出相关的措施和建议。

1 北京市机动车保有量预测

1.1 数据收集

城市交通系统是由人、车和路三个主要因素组成的，各因素之间相互作用、相互影响。人口总量、道路里程作为城市交通系统的内部因素，对机动车保有量的增长起着重要作用。经济水平(GDP)以及道路投资作为外部因素，促进道路里程的增长，公交在某种程度上与私家车形成一定的互补作用，三者共同影响着机动车保有量。它们的相互作用关系如图1所示。

根据以上分析，我们收集了1988—2010年北京市城市发展统计数据［19］，包括机动车保有量及其关键影响因素:道路总里程、GDP、道路投资、公交保有量和人口总量，如表1所示。

图1 机动车保有量影响因素分析Fig.1 Impact factor analysis of the number of motor vehicle

表1 1980—2010年北京市城市发展统计数据［19］Table 1 Urban development statistics of Beijing in 1980—2010［19］

1.2 北京市机动车保有量预测

在应用多元回归分析预测机动车保有量之前，先对各因素做时间序列分析。用t表示年份，C表示机动车保有量，R表示道路里程，P表示人口总量，G表示GDP，I表示道路投资，B表示公交保有量。

使用表1中1980—2008年的道路里程数据建立时间序列预测模型，2009和2010年数据留作模型验证。通过分析道路里程实际数据散点图的变化趋势，发现大致呈指数函数形式，如图2所示。

拟合结果见表2，显著性水平为0.000，小于0.05，表明该曲线拟合显著。得道路里程(R)与年份(t)的函数关系为:

通过该函数关系，计算得到2009和2010年道路里程为18982.22 km和19643.45 km，与实际数据20755.2 km和 21113.6 km 相近。

表2 道路里程拟合结果Table 2 Fitting results of road mileage

图2 道路里程实际数据与指数拟合曲线Fig.2 Actual data and exponential fitting curve of road mileage

同理，使用指数函数拟合人口总量(P)，GDP(G)，道路投资(I)，公交保有量(B)的时间变化曲线。拟合图见图3～6。

通过SPSS19.0分析结果，分别得以下拟合函数，并且均通过显著性检验:

通过公式(1)～(5)，可以计算出各影响因素在2011—2020年的预测值，如表3所示。

表3 2011—2020年北京市年各因素预测值Table 3 Predictive value of impact factor in Beijing from 2011 to 2020

通过1.1节的分析，机动车保有量(C)受以上各因素的影响。以机动车保有量为因变量，其余各变量为自变量，使用SPSS19.0对表1中1980—2008年的数据做多元线性回归分析，2009和2010年留作预测验证使用。分析结果如表4～5所示:

表4 多元线性回归分析结果1Table 4 Results 1 of multiple linear regression analysis

由表4可知，显著性水平(Sig.)为0.000，小于0.05，说明该回归分析通过了显著性检验。由表5可得机动车保有量与各因素的函数关系如下:

将表1中2009和2010年各因素数值代人(6)式，计算得2009和2010年机动车保有量为348.8万辆和404.4万辆，与表1中实际值372.1万辆和452.9万辆相差不大，该回归分析有效。

由表3中各因素2011—2020年预测值，以及公式(6)，可计算2011—2020年机动车保有量的预测值，如表6所示。

表5 多元线性回归分析结果2Table 5 Results 2 of multiple linear regression analysis

从表6可以看出，机动车保有量在未来10年内急剧增长，预计到2020年将超过2000万辆。

表6 2011—2020年北京市机动车保有量预测值Table 6 Predictive value of vehicle number of Beijing in 2011—2020

2 北京市交通承载力预测

2.1 交通承载力定义

交通承载力的影响因素有很多，如道路网络资源、需求结构、环境要求等，其中最关键的是道路网络资源，为了便于计算，在本文只考虑该因素。根据詹歆晔［12］在2008年对路网资源承载力的定义，城市道路网络承载力计算如下:

其中，C为路网资源承载力(标准辆)，L为道路里程(km)，V为平均车速(km/h)，μ为道路标准车型的实际通行能力(辆 /h)，可用下式计算，

其中U为标准车型理论通行能力(辆 /h)，η为车道修正系数(无量纲)，γ为道路类型修正系数(无量纲)。

2.2 北京市交通承载力预测

根据表1中北京市1980—2010年道路里程数据(设平均速度为20 km/h)以及王炜等［13］在1999年提出的经验系数，U取1380辆/h，η取为1.87，γ取为1。由(7)和(8)式计算可得1980—2010年北京市交通承载力，见表7。

表7 1980—2010年北京市交通承载力Table 7 Traffic carrying capacity of Beijing in 1980—2010

同理，根据表3中北京市2011—2020年道路里程预测结果，其他参数取值与计算1980—2010年交通承载力相同，可计算得到北京市2011—2020年交通承载力预测值，见表8。

将表1中1980—2010年北京市机动车保有量实际数据、表6中2011—2020年北京市机动车保有量预测结果、表7中1980—2010年北京市交通承载力计算数据以及表8中2011—2020年北京市交通承载力预测结果进行对比，可得图6。

表8 2011—2020年北京市交通承载力预测值Table 8 Predictive value of traffic carrying capacity of Beijing in 2011—2020

由图6可以看出，通过现有数据的计算，北京市机动车保有量在2010年后就会超过其交通承载力，机动车保有量的增长速度远远大于交通承载能力的增长速度。

3 结论

图61980 —2020年北京市机动车保有量和交通承载力对比图Fig.6 Comparison graph of vehicle number and traffic carrying capacity of Beijing in 1980—2020

本文通过多因素分析法深入地分析了北京市的机动车保有量和交通承载力的影响因素，并通过对各因素的时间序列分析，预测了未来10年的机动车保有量以及交通承载力。对现有数据的分析发现，2010年后机动车保有量已超过北京市的交通承载力，而现有的路网资源有限，已很难再扩建，这将导致未来几年市内交通更加拥堵、环境污染愈加严重。当前，一方面要实现“规划先行”，合理规划路网，提升道路网络的交通承载力;另一方面，必须采取措施限制机动车保有量或者机动车在驶量的增长。当前北京市采取摇号购车和限号出行等政策，已在一定程度上控制了机动车保有量和在驶量的增长，还应采取提高购车成本、停车收费和排放收费等措施进一步控制机动车保有量的增长，此外，要大力发展公共交通，通过鼓励人们使用公交出行来减少机动车在驶量，缓解交通压力。

［1］刘志谦，宋瑞.基于 GM(1，1)-马尔可夫链的城市机动车保有量预测研究［J］.交通标准化，2008(8):133－135.

［2］曹晓飞，邵春福.运用弹性系数法预测北京机动车保有量［J］.道路交通与安全，2008，8(4):31－34.

［3］牟振华，李美玲，赵庆双.基于神经网络的山东省机动车保有量预测［J］.山东建筑大学学报，2009，24(3):229－232.

［4］徐亚丹.基于状态趋势预测方法的城市机动车保有量预测［J］.科技通报，2012，28(9):11－14.

［5］刘志硕，申金升，张智文.交通环境承载力动态离散计算方法及应用［J］.管理工程学报，2002，23(4):64－67.

［6］刘志硕，申金升，张智文.基于交通环境承载力的城市交通容量确定方法及应用［J］.中国公路学报，2004，17(1):70－76.

［7］杨忠振，苗国强，冯涛.环境承载力约束条件下城市最大乘用车保有量预测［J］.中国公路学报，2006，19(6):92－97.

［8］牟瑞芳.交通环境承载力计算方法［J］.交通运输系统工程与信息，2006，4(3):30－34.

［9］LI X Y，SHI Z K.Calculation models of the urban traffic environmental carrying capacity［C］//International Conference on Transportation Engineering.Chengdu，2007:4044 －4049.

［10］李晓燕，陈红，胡晗.交通环境承载力及其定量方法初探［J］.公路交通科技，2008，25(1):151－154.

［11］侯德勋.城市交通承载力研究［D］.上海:同济大学.2008.

［12］詹歆晔，郁亚娟，郭怀成，等.特大城市交通承载力定量模型的建立与应用［J］.环境科学学报，2008，28(9):1923－1931.

［13］吴建军.城市交通网络拓扑结构复杂性研究［D］.北京:北京交通大学，2008.

［14］郑猛，张晓东.依据交通承载力确定土地适宜开发强度——以北京中心城控制性详细规划为例［J］.城市交通，2008，6(5):15－18.

［15］贾顺平，彭宏勤，刘爽.基于居民出行特性与路网承载力的城市交通状态研究［J］.交通运输系统工程与信息，2011，11(5):81－85.

［16］许明涛，吴建军.基于容量限制的道路与城市交通的互演化研究［J］.山东科学，2012，25(4):58－63.

［17］ARROW K，BOLIN B，COSTANZA R，et al.Economic growth，carrying capacity，and the environment［J］.Science，1995，268:520－521.

［18］王乾，雷黎.基于灰色预测模型的交通环境承载力研究［J］.科学之友，2008(7):70－72.

［19］北京市统计局，国家统计局北京调查总队.北京市1980—2010年统计年鉴［Z］.