智能交通系统对广州市交通运行绿色性的贡献研究

李明伟，云 俊，官淑琪

(武汉理工大学管理学院)



管理及其他

智能交通系统对广州市交通运行绿色性的贡献研究

李明伟，云 俊，官淑琪

(武汉理工大学管理学院)

智能交通系统作为改善城市交通运行与服务的新生产物，已经受到高度关注并在全国范围内开始实施。但它的投入是否得到了相应的或更高的产出却较少被研究。从智能交通系统对城市交通绿色性的影响因素出发，在剥离出与智能交通系统相关的绿色性指标的基础上，提取指标影响因素，并以广州市为例进行数据采集，运用SPSS软件使用Logistic模型、假设分析以及模拟分析等方法进行研究，得出广州市智能交通系统对城市交通运行与服务绿色性的贡献率为3.76%。研究结果表明，智能交通对提高城市交通运行的绿色性具有重要作用，主要表现在对绿色性的贡献主要表现为促进公共交通优先发展，优化出行结构，提高绿色出行率，减缓交通拥堵等方面。

智能交通；贡献率；回归分析；绿色性；公共交通分担率

0 引 言

智能交通系统(ITS)是物联网技术在交通行业应用的新生产物，与传统交通运输项目相比，它表现出新颖性、广泛性、复杂性、动态性等特点。目前，ITS在我国已经投入使用，在改善城市交通运行的安全性、绿色性、便捷性等方面已经取得了一定的成效。然而，ITS在改善城市交通运行服务中到底起到什么样的作用仍然是一个未知数，基于此，本文选择城市交通运行服务的绿色性进行研究，首先提取与绿色性相关的指标，然后剥离出受ITS影响的指标，并提取指标的影响因素及收集相应的数据，最后通过对数据进行测算，分析ITS对城市交通运行绿色性的贡献情况。

1 指标剥离及影响因素提取

1.1 剥离出与ITS相关的指标

关于城市交通运行服务绿色性的指标，目前国内外学者已经做了大量研究，并且已经形成了完整的指标的体系。其中，白雁的《基于绿色交通的城市交通发展探讨》、李冰的《北京交通的绿色追求》、唐攀的《基于绿色理念的城市交通系统评价》、向睿的《交通能耗在城市绿色交通规划中的应用》等文章中都提出了相似的绿色性指标体系。本文在参考这些专家学者在对城市交通绿色性进行评价分析时提取指标的方式和选择的指标体系的基础上，结合我国城市交通运行绿色性的现状以及绿色性的影响因素，此处从人、车、路、交通基础设施和交通运行环境五个方面展开讨论并提取可以衡量我国城市交通绿色性的指标。根据构建的指标体系，结合ITS的功能和特点，对指标进行筛选，剥离出与ITS相关的指标，最后认为可使用公共交通分担率和年人均能源消耗这两项指标来衡量交通绿色性情况。具体的指标提取路径如图1所示。

图1 绿色性指标提取路径图

1.2 提取指标因素

在对剥离出的指标进行处理时发现并不能直接收集到指标数据，也不能直接对指标进行模型处理，而是要通过一定的程序提取每一个指标的影响因素，通过对影响因素进行数据收集、数据处理等操作，确定指标的最终的影响因素。由于影响绿色性的因素之间有一定的关联性，在对每一个指标的影响因素进行分析时，会存在影响因素交叉的现象。因此在提取指标的影响因素时，与提取绿色性指标的方式一样，也要从人、车、路、基础设施和交通环境五个方面入手，具体指标具体分析，有针对性的给出每一个指标的影响因素。

(1)公共交通分担率

该影响因素是促进公共交通发展、城市交通结构合理的重要因素，也是城市绿色交通评价的核心指标之一。计算公式(1)

f1=n1/N1

(1)

式中：n1选择公共交通工具出行的出行量(人次)；N1城市总出行量(人次)。

根据公共交通分担率的定义可知，公共交通分担率主要受到人、车、路和交通环境几个方面的影响。

(2)年人均能源消耗

将年人均能源消耗水平定义为：

年人均能源油耗=交通能源消耗总量(万吨煤)/城市出行总量(万人次)

由此公式可知，在城市出行总量不变的情况下，客运车辆消耗的燃油总量越多，绿色性越差，反之则越好。因此该指标主要受燃油消耗总量和人口周转量控制，而燃油消耗总量则受机动车的数量、道路情况以及机动车排放量的情况影响，人口周转量即单位时间内周转的总人次。

综上所述，对此两项指标的影响因素作如下汇总，具体内容如表1所示：

表1 指标影响因素汇总表

1.3 指标与影响因素的函数表达式

在分析交通绿色性指标与其影响因素之间的函数关系之前，首先对衡量交通绿色性的指标的函数关系进行分析，关于绿色性与其指标之间的函数关系具体式(2)

YG=F{f1(x11,x12)，f2(x21,x22)，f3(x31,x32)，f4(x41,x42)，f5(x51,x52)}

(2)

式中：YG表示交通绿色性指标；f1，f2，f3，f4，f5分别表示人、车、路、基础设施和交通环境五个方面的影响因素；

x11表示人环保意识，x12表示人的出行结构；

x21表示机动车拥有量，x22表示机动车排放量，x23表示机动车机构；

x31表示路网结构，x32表示人均道路面积，x33表示绿色交通专用车道；

x41表示红绿灯设置合理性，x42表示交通标识设置合理性，x43表示公共交通站点设置合理性；

x51表示自然环境，x52表示相关政策；

在分析每一个指标与其影响因素之间的函数关系时，具体的方法与上述相似，此时就需要将每一个指标看作因变量，对应的影响因素作为自变量，具体公式(3)

YG1=F1(y11,y12,y13,y14)

(3)

式中：YG1表示公共交通分担率指标；y11表示每万人公共交车拥有量；y12表示公共交通平均每日乘客数量；y13表示人均GDP；y14表示人均道路面积。

YG2=F2(y21,y22,y23,y24)

(4)

式中：YG2表示年人均能源消耗；y21表示机动车总量；y22表示人家机动车拥有量；y23表示客运交通能源消耗总量；y24表示城市客运总人次；y25表示人均GDP。

定量化函数反映在交通绿色性的影响过程中，分析某一因素对指标的影响时必须假定其他因素不变，只有这样才能准确计算单一因素对分析指标的影响程度。此处可以采取回归分析法等寻找并消减各个影响因素之间的关联性，保持影响因素对绿色性的作用是尽量直接且相互独立的。

2 ITS对交通绿色性的贡献率测算

本文在求绿色性贡献率时，以广州市为例进行数据的收集与分析。之所以选择广州市是因为：第一，广州市智能交通系统的使用在全国处于领先地位，并取得一定成绩；第二，国家目前正在进行的《基于物联网的城市智能交通应用示范工程》也是把广州市作为试点。以上原因能够保证本论文的前沿性和创新性，并且体现出了研究的实用性。

2.1 模型构建

(1)公共交通分担率模型构建

下表给出了2001-2012年广州市的公共交通分担率影响因素的数据。其中，公共交通分担率的值可以根据上文给出的公式求取。

表2 公共交通分担率指标影响因素数据表

续表2

数据来源：广州市交通统计年鉴、广州市交通运输管理局

选择每万人共交车拥有量、公共交通平均每日乘客数量、人均GDP、人均道路面积作为自变量，公共交通分担率作为因变量，进行回归分析，得到表3。

表3 输入/移去的变量a

由上表可知，输入变量分别是公共交通每日乘客数量和人均GDP，其他变量都被移除。

表4 模型汇总c

根据R、R2和修正的R2的值，其中R2=0.998可知建立的回归方程的拟合度很好。

表5 系数a

通过对输入变量的分析，得到的最终系数表如上表所示，其中Sig等于0，表示所得到的系数都满足回归要求，则可以得到方程式(5)

YG1=0.037+0.061y12-0.007y13

(5)

(2)年人均能源消耗模型构建

表6给出了2001～2012年广州市的年人均能源消耗量影响因素的数据。

表6 年人均能源消耗量的指标数据

数据来源：广州市交通统计年鉴、广州市交通运输管理局

选择人均GDP、人均道路里程、人均道路里程、人均机动车拥有量、人均私家车拥有量、全市年末总人口作为自变量，年人均客运能源消耗作为因变量，进行回归分析，具体算法参见公共交通分担率的方法，得到最后的系数如表7。

表7 系数a

根据上述分析，可以得到2000-2010年的回归方程为

YG2=0.034-0.086y22

(6)

2.2 模型的检验

模型构建完成之后，为了保证模型的正确性和科学性，需从不同学科领域对模型进行检验，本文选择从经济学、统计学、计量经济学等多个角度对模型做了检验。

(1)模型经济意义检验

研究回归方程(5)和(6)可知，发现模型中部分系数为负数，而就理论上来说，在其他条件稳定的情况下，随着这些变量的增加，会导致因变量结果发生较大变化。通过计算可知，当方程(5)和(6)中的自变量都为0时，有YG1>0，YG2>0，即模型通过现实经济意义。

(2)模型的统计意义检验

在统计检验中主要包括对模型拟合优度、模型变量显著性以及方差显著性等的检验。通过计算可知模型(5)的R2=0.998，接近1，说明路公共交通分担率的变化中有99.8%的变化是由人均GDP、公共交通年均乘客数量引起的，说明方程的拟合优度通过检验。模型(6)的R2=0.876，说明路年人均能源消耗的变化中有87.6%的变化是由人均机动车拥有量量引起的，方程的拟合优度也通过检验。

(3)模型的计量经济学意义检验

首先对回归模型中随机误差项的分布规律进行论证，确定该项数值是否符合正太分布，在使用SPSS分析之后，可得到因变量的标准化残差的P-P图，图形图2、图3。

图2 模型-5的P-P图

图3 模型-6的P-P图

由图2和图3可知，图中所有的数据点都仅仅围绕在P-P图的45°线上，即随机误差项基本上符合对数正态分布。其次，对变量的共线性问题进行检验，由SPSS分析得到的数据可知，模型(5)和模型(6)中所有变量的VIF值均小于5，所有变量的容差值均大于0.1，则可认为变量之间的共线性很弱，对回归模型的影响很小，即通过检验。

2.3 指标的贡献率测算

在计算广州市ITS对城市交通绿色性的贡献率时，首先收集2000-2010年的数据，因为广州市的ITS是从2010年开始全面实施的，所以此处认为2010之前的数据是没有受到ITS影响的数据。因此，以2000-2010年的数据为例做回归分析，得到归回方程，根据回归方程估算出2011年、2012年以及2013年的公共交通分担率；而在实际的统计数据中可以知道2011年的年公共交通分担率情况，将实际值与预测值相减，得到的值可认为是ITS的贡献。但是，此处在计算ITS的贡献时，没有考虑其他政策方面的因素影响，而是把这些政策因素都默认为是ITS的影响。于是，根据数据可知：

YG1(2012预测值)=0.037+0.061y12-0.007y13=0.037+0.061*6.927-0.007*9.957=0.392

YG2(2012实际值)=0.387

则贡献率为：

E1=YG1(2012预测值)-YG1(2012实际值)/YG1(2012实际值)=(0.392-0.387)/0.387=1.3%

同理，根据数据可知：

YG2(2012预测值)=0.034-0.086y22=0.034-0.086*0.285=0.009 49

YG2(2012实际值)=0.009

则贡献率为：

E2=YG2(2012预测值)-YG2(2012实际值)/YG2(2012实际值)=(0.009 49-0.009)/0.009=5.4%

3 绿色性贡献率的计算

通过分析可知，影响交通绿色性且与ITS相关的指标主要有公共交通分担率和年人均能源消耗，以上计算分别得出了两个指标对绿色性的贡献率。而最终的贡献率是通过对这两个指标进行权重分析并计算得到，具体内容及方法如下：

首先，考虑到评价对象的特点以及评价指标的内涵，采取两两比较法来确定公共交通分担率和年人均能源消耗的权重，比较结果有三种：

若WG1比WG2重要，WG1=1，WG2=0；

若WG2与WG2同等重要，WG1=WG2=0.5；

若WG1不如WG2重要，WG1=0，WG2=1。

最终得到的权重分别为：WG1=0.4,WG2=0.6。然后，根据得到的权重，计算ITS对交通绿色性的贡献率，具体公式为：

E=0.4YG1+0.6YG2=0.4*13%+0.6*5.4%=3.76%

由该计算结果可知，ITS对广州市的交通运行服务的绿色性的贡献率为3.76%，该结果并非说明ITS的效益较小，而是因为ITS的效益发挥存在一定的滞后性。广州市在2010年建设ITS示范工程项目后，2011年作为ITS投入使用的第一年，其效果并不是十分明显，可以预见随着ITS投入时间的延长，这些效果会越来越来明显，主要表现为：ITS能够促进公共交通优先发展，优化出行结构，提高绿色出行率；ITS能够减缓交通拥堵，减少车辆行驶时间和距离；ITS能够降低交通运输对环境的污染及能源损耗等。

4 结 论

本文从多个角度分析了ITS对改善城市交通运行绿色性的影响因素，并对ITS在城市交通绿色性方面的贡献进行量化分析，得到科学有效的贡献率评价体系和量化结果为ITS项目后期建设提供决策支持。总之，本文的研究即符合我国交通行业当前的发展需要，又能帮助政府实现对ITS项目实施与应用效果的考核和度量，提高政府对ITS项目的关注程度，为ITS的建设者及用户提供决策支持，促进ITS推动城市交通又快又好的发展，有效改善城市居民出行的各种弊病。

[1] 刘世铎, 吴群琪. 高速公路路段畅通状态综合评价[J]. 公路, 2010,(7).

[2] 蒋忠海.城市公交规划中未来公交分担率的确定[J].公共交通, 2008，(12):84-86.

[3] 刘好德. 基于Box-CoxDogit模型的公共交通分担率预测[J].交通信息与安全, 2012，(1):47-50.

[4] 周雪梅,狄迪. 基于公交分担率的城市客运交通枢纽选址优化[J].同济大学学报, 2011，(9):1313-1317.

[5] 余文曜. 如何提高城市公交分担率[J].运输管理, 2012，(1):54-55.

[6] 陈毕伍,郭大进.提高我国公路运输队现代物流贡献率的迫切性及其对策研究[J].公路交通科技,2009，(2):140-148.

[7] 翼翔，张金财．智能运输系统——未来交通运输的发展的方向[J]．黑龙江交通科技,2007，(9):38-40.

[8] 岳建民. 我国智能交通产业的发展及技术创新模式探讨[J].中国软科学，2012(09):188-191.

Contribution Rate of Intelligent Transportation System for Greenness of Guangzhou’s Traffic Service

LI Ming-wei, YUN Jun, GUAN Shu-qi

(Management School, Wuhan University of Technology)

The intelligent transportation system as the new products that can improve the operation and service level of urban traffic, which has received much attention and put into practice on a national scale. However, whether its investment has got the corresponding or higher output has not studied this problem. Here from the impacts of the intelligent transportation system for the greenness urban traffic, on the basis of the extraction index factors that related to intelligent transportation systems in the greenness, and carries on the dates collected in Guangzhou as an example, then use the Logistic model, SPSS, and hypothesis and simulation analysis methods, to calculate the contribution rate of intelligent transportation system for urban traffic operation and service of greenness, through the analyzing get the greenness contribution rate is 3.76%. Result shows that intelligent transportation plays an important role to improve the city’s traffic, mainly at promoting the development of public transportation priority, optimize the structure of travel, increase the rate of greenness travel, slow traffic congestion, etc.

intelligent transportation;contribution rate;regression analysis;the greenness; public transportation ridership

2015-04-01

李明伟(1989-)，男，博士研究生，研究方向：交通运输管理与规划。

基于物联网的城市智能交通示范工程技术应用体系研究(2012-364-221-106)。

U1

C

1008-3383(2015)11-0163-04