城市客运交通需求的系统动力学预测与分析*

何 南

(大连交通大学交通运输工程学院 大连 116028)

城市客运交通需求的系统动力学预测与分析*

何 南

(大连交通大学交通运输工程学院 大连 116028)

为准确预测城市客运交通需求，从系统角度分析城市客运交通组成并甄选其影响因素，确定因素间因果回路关系.运用系统动力学构建城市客运交通系统模型，研究居民出行需求与道路供给、城市公共交通、私家车数量子系统之间的反馈关系.收集全国31个省市数据对模型参数进行标定，从而预测出行需求、私家车拥有量、道路里程等情况.结果显示，该模型具有很高的预测精度，同时说明公共交通优先政策是缓解城市交通拥挤的有效手段.

交通管理；交通需求；系统动力学；公共交通；交通拥挤

0 引 言

随着我国城市化进程不断推进，机动车拥有量和道路交通需求快速增长，道路交通供需不平衡矛盾日益严重，如何解决城市交通拥挤问题正是城市客运交通系统研究的重要内容.对于城市客运交通系统，学者们主要集中于城市客运交通系统中的结构研究[1-2]，不同交通方式分担率的模型研究[3-4]，城市客运交通系统的设计与评价[5]，而没有深入研究城市客运交通系统的产生机理，探讨不同属性的客运交通结构、组成部分的相互作用[6]，以此进行城市客运交通需求预测.

系统动力学是一种研究复杂系统的定量方法，能够用于交通需求预测.然而，学者运用该方法进行城市客运交通系统相关研究过于片面，没有从系统角度研究系统边界，对于客运交通系统的需求预测仅仅考虑道路供给和运输需求之间的供需问题，没有考虑交通拥挤的影响、交通政策的实施作用等[7].因此，本文将对城市客运交通系统进行研究，以深入探讨系统中变量间关系，分析交通政策、交通行为、客运交通结构，以及交通基础设施水平之间的关系，改善需求预测精度，为城市交通规划，交通政策制定奠定基础.

1 系统组成

1) 外部环境影响因素：地区生产总值、燃油费、机动车驾驶员人数或人口数量 交通需求将会随着地区生产总值、人口数量的增长而增加，这是趋势交通量的一部分.交通需求将会随着燃油费的增加而减少，这是因为费用增加使人们出行费用增加，致使交通流降低[8].除此之外，其他一些与人口数量相关的因素也将引起交通需求变动，如机动车驾驶员人数[9]，但是该因素与人口数量存在共线性关系.

2) 内部环境影响因素：交通政策 交通政策是政府以交通为对象制定的经济政策，主要从系统内部调节子系统间的供需平衡，减缓交通拥挤.国内外有很多交通政策制定成功的案例，使城市客运交通系统持续发展，如英国伦敦[10]和新加坡[11]的拥挤收费政策，巴西库里提巴[12]的公共交通政策等.

3) 客运交通结构：公共客运交通(常规公共交通、城市轨道交通、快速公共交通、出租汽车)和私人客运交通(步行、自行车、摩托车、小汽车) 它们在客运交通中发挥各自功能，并相互竞争，争夺市场.

4) 子系统交通供给：道路里程 道路是重要的基础设施建设，它直接影响人们出行需求.道路修建也是从供给角度解决交通拥挤的方法之一，它可以提高道路通行能力，满足人们的交通需求.

5) 子系统交通需求：车出行公里数 交通需求是在交通供给情况下，人们对于空间位移的需要.因此，交通需求变化表现为人们出行行为短期或者长期的变化，如出行频率、出发地目的地、交通选择方式或出行时间等改变.基于学者相关研究分别以人每日出行次数，车出行公里数和人出行公里数作为交通需求的表现形式，探讨人们在不同交通供给情况下的反映变化.人每日出行次数，仅在人们出行频率增加或发展与土地利用相关出行的情况下增加.相比人出行公里数，车出行公里数能够更全面有效地体现出行行为的改变过程，因此，选取车出行公里数作为子系统中的交通需求.

6) 子系统供需影响产物：交通拥挤 国内外学者认为交通供需不平衡是产生交通拥挤问题的原因.而相应的交通拥挤解决方法也是从供需角度着手调控供给、控制需求.

综上所述，城市客运交通系统包括车出行公里数、道路里程、交通拥挤、私人客运交通、公共客运交通、交通政策、地区生产总值、燃油费、人口数量或机动车驾驶员人数等影响因素.

2 系统因果回路图

基于城市客运交通系统影响因素，构建因素间的因果回路图.为了描述城市客运交通系统反馈结构，依据人们真实交通需求形成的动态过程，全面分析道路供给和交通需求之间的相互影响.城市客运交通系统因果回路图具体情况见图1～3.本系统充分考虑了内部环境影响因素、客运交通结构子系统之间的关系，充分研究了交通拥挤产生过程和解决方法.

图1 居民出行需求与道路供给之间的因果回路图

图1为居民出行需求与道路供给之间的因果回路图.由图1可知，新建或扩建道路增加了道路容量，从而改善了交通可达性，促使出行次数增加、短期拼车和利用已有的大众交通工具下降、短期出行距离增加、长期居住模式的密度改变和长期购买新车增长都将使车出行公里数增加，在现有道路供给和人们期望的车出行公里数有差距的情况下，产生了交通拥挤.当选用新建或扩建道路满足人们交通需求时，增加交通量，形成反馈循环，使交通拥挤问题严重.综上所述，道路的新建或扩建在未能达到人们期望的出行需求时，道路供给无法解决交通拥挤问题，而是造成交通拥挤的显著增长.但是在我国经济快速发展期，私家车拥有量偏低的情况下，道路供给是必要的，以构建一定的交通基础设施.当交通基础设施达到一定水平基础上，并不能依靠道路供给满足人们的交通需求，而应该在交通拥挤产生时实施公共交通等政策，打破居民出行需求与道路供给之间的正反馈循环.

图2 居民出行需求与城市公共交通间因果回路图

图2为居民出行需求与城市公共交通之间因果回路图.由图2可知，在公共交通政策(如公交优先)实施的情况下，公交车数量增长提高了公交车可达性和方便性，促使私家车出行次数减少、短期拼车减少、长期居住模式的密度改变和长期购买新车下降都将使私家车出行公里数减少.在私家车出行公里数减少的情况下，城市交通拥挤将会有所缓解，公共交通延误减少，公共交通客运总量增加，公交车拥有量增加.因此，在公共交通服务水平相对下降的情况下，为了打破居民公共交通出行需求与城市公共交通水平之间的减少趋势，需要实施公共交通政策，保证公共交通的重要地位.

图3为居民出行需求与私家车拥有量之间的因果回路.由图3可知，私家车拥有用量增长将使私家车可达性增强，会促使私家车出行次数增加、短期拼车和利用已有的大众交通工具下降、短期出行距离增加、长期居住模式的密度改变和长期购买新车都将使私家车出行公里数增加，从而产生交通拥挤.有车一族与无车一族在出行方式选择上形成鲜明对比，造成道路使用的不公平性，直接导致私家车数量的继续增加.综上所述，居民出行需求与私家车数量之间的正反馈循环将体现道路使用的不公平性，促使私家车数量持续增长，需要实施公共交通等政策，确保无车一族的道路公平性，保证公共交通方便性，以限制私家车数量和使用情况.

图3 居民出行需求与私家车拥有量间因果回路图

3 系统预测模型构建

依据城市客运交通系统中影响因素间的因果关系，构建系统数学模型，表示变量间的数学关系，其具体存量流量图见图4.选取子系统交通供给(道路里程)和子系统交通需求(车出行公里数)、私家车拥有量作为存量.依据客运交通结构划分，将车出行公里数考虑为私家车出行公里数和公共交通客运总量.内部影响因素的交通政策按照交通需求(公交车拥有量增加)和交通供给(新建或扩建道路)分为两个层次，和外部影响因素共同影响人们出行需求.

图4 城市客运交通系统存量流量图

依据图4中系统存量流量图，构建城市客运交通系统模型

L:PKT.k=PKT.j+(DT)×

(GPKT.jk-RPKT.jk)

(1)

L:Pcar.k=Pcar.j+(DT)×

(GPcar.jk-RPcar.jk)

(2)

L:PPKT.k=PPKT.j+(DT)×

(GPPKT.jk-RPPKT.jk)

(3)

L:lk.k=lk.j+(DT)×Glk.jk

(4)

R:GPKT.k=lkdc.k×Delay(lk.jk,lkdelay)+

Pcar.k×Pcarrate.k+GDP.k×GDPrate.k(5)

R:RPKT.k=Fueldcc.k×

Delay(fuel.jk,fueldelay)+Pbusdcc.k×

Delay(Pbus.jk,Pbusdelay)

(6)

R:GPcar.k=lkdcc.k×

Delay(lk.jk,lkday)+GDP.k×

GDPrat.k+Dr.k×Drrate.k

(7)

R:RPcar.k=Fueldc.k×

Delay(fuel.jk,fuelday)+Pbusdc.k×

Delay(Pbus.jk,Pbusday)

(8)

R:GPPKT.k=congestion.k×

congestionrate.k+Pbus.k×Pbusrate.k

(9)

R:RPPKT.k=Pcar.k×Pcarr.k

(10)

R:Glk.k=Congestionrate.k×

Delay(Congestion.jk,congestionday)

(11)

A:Congestion.k=Pcar.k×

Pcarc.k+PKT.k×PKTc.k

(12)

A:Pbus.k=Pbus.j+PPKT.k×PPKTc.k

(13)

(pkt)t=αm(pkt)t-1+αmp(ppkt)t+

(14)

(Pcar)t=αv(Pcar)t-1+αvm(pkt)t+

(15)

(ppkt)t=αp(ppkt)t-1+αpm(pkt)t+

(16)

(17)

Withautoregressiveerrors:

(17)

式中：L为状态方程；R为速率方程；A为辅助方程；k为某一时刻的值；j为前一时刻的值；jk为从j到k前一时段的值；DT为计算时间间隔(年)；PKT为私家车出行公里数的对数值；Pcar为私家车拥有量的对数值；PPKT为公共交通客运总量的对数值；lk为道路里程的对数值；GDP为人均国民生产总值的对数值；Dr为机动车驾驶员人数的对数值；Fual为燃料费的对数值；Pbus为公共汽车拥有量的对数值；GPKT，RPKT分别为私家车出行公里数增加值、减少值的对数值；Gpcar、Rpcar分别为私家车拥有量增加值、减少值的对数值；GPPKT，RPPKT分别为公共交通客运总量增加值、减少值的对数值；Glk为城市道路里程增加值的对数值；Congestion为城市交通拥挤水平.

上述所有数据收集都依据文献[13]进行相关整理，由于城市私家车出行公里数和城市交通拥挤的数据收集很少，将依据轻型客车的年均行驶里程为标准[14]，运用私人小型载客汽车拥有量计算获得私家车出行公里数.与此同时城市交通拥挤情况以年末平均每1 km公路里程中所包括的人数作为交通拥挤水平的替代变量[15].

为了获取因素间的参数值，在He等[16]相关研究的基础上，依据车出行公里数、私家车拥有量和交通拥堵水平、公共交通之间关系构建弹性系数模型.基于国家统计数据库1990-2013年全国31个省市的相关数据收集，运用三阶段最小二乘法获得变量间的弹性系数，结果见表1.

表1 参数含义及参数值

4 模型结果及分析

依据上述模型结构和参数标定，选取2011年为基准年，借助文献[13]，运用Vensim系统动力学软件在量纲一致性检验的基础上获得存量私家车出行公里数、公共交通客运总量、私家车拥有量和公路里程的预测情况，见表2.由于私家车出行公里数和城市交通拥挤水平较少进行真实数据收集，所以无法依据真实值作为预测值正确与否的评判标准.

由表2可知：

1) 通过公共交通客运总量、私家车拥有量、道路里程预测值与真实值的相对误差可以看出模型预测结果具有较高准确性，证实城市客运交通系统预测模型构建符合现实情况，有利于进行城市客运交通系统相关预测.

表2 预测结果情况表

2) 在城市大力发展公共交通的情况下，公共交通客运总量将会显著增加，私家车出行公里数将逐年减少.这正符合国家政府对城市交通的主导思想，即提高城市公共交通水平，吸引人们在拥挤区域换乘公共交通出行，更好改善城市交通可达性.

3) 在现有交通状况和人们生活水平的情况下，私家车拥有量也将显著增加.这符合我国私家车拥有量的增长趋势，随着国民经济的快速发展，人们生活水平提高，虽然公共交通拥有量快速提高，公交优先在不同城市开展，也不会减少人们购买私家车的愿望.这些说明私家车拥有量情况更多取决于人们经济生活水平.

4) 为了满足交通需求，解决交通拥挤问题，道路里程将会持续快速增长.这符合我国道路等交通基础设施建设规划内容，即在国家新型城镇化规划(2014-2020年)出台后大量资金将投入到道路等交通设施建设中.

在现有解决城市交通拥挤政策实施后，城市交通拥挤水平逐年降低，这说明城市公共交通优先等方法是解决城市交通拥挤的有效政策.在城市交通拥挤水平降低的情况下，公共交通客运总量和私家车拥有量将显著增加，私家车出行公里数逐年下降，由此说明解决交通拥挤并不意味控制私家车购买量，而是在大力发展公共交通情况下规划人们出行选择行为，保证公共交通出行选择的竞争性.

在正常城市客运交通系统中，如果不采用相关交通政策抑制私家车出行，将会造成私家车出行公里数增加，公共交通客运总量下降，交通拥挤水平增加.为了研究模型构建的有效性，本文运用公共交通政策实施与否的影响作为模型结构优劣的评判标准.基于Vensim系统动力学软件，公共交通政策实施与否私家车出行公里数、公共交通客运总量、私家车拥有量、道路里程、交通拥挤的对比情况见图5.

图5 公共交通优先政策实施前后对比图

由图5可知，在公共交通优先政策实施前后，与模型结构检验设定结果一致.在没有实施城市公共交通政策情况下，公共交通客运总量将会略微下降，部分人们经济水平没有达到购买私家车情况，将会继续选择公共交通出行方式.而私家车出行公里数将会呈指数式上升，给城市交通系统带来很大冲击，城市交通拥挤水平持续增加.私家车拥有量模拟曲线近似一致，说明私家车拥有量并不受公共交通政策的影响，人们对于私家车的购买量更多取决于经济生活水平和道路供给情况等.因此，公共交通政策实施是必要的，可以有效减缓交通拥挤，减少私家车出行公里数，也从侧面反映出模型结构的正确性.

5 结 束 语

城市客运交通系统是国家社会-经济-环境可持续发展的重要内容，其交通需求预测精度将影响城市交通规划，保障城市客运交通系统的有效运行，缓解交通拥挤.为了合理构建城市客运交通系统，本文运用系统动力学构建城市客运交通系统模型，研究居民出行需求与道路供给、城市公共交通、私家车数量子系统之间的反馈关系.并全面考虑交通情况、社会经济情况的影响因素；体现城市客运运输系统的特性、变量间的因果关系；强调交通政策的重要性；改善交通需求预测精度；为建设可持续发展的城市客运运输系统提供理论支持.为了减缓交通拥挤，使人们合理化出行，建议公共交通相关政策的大力推进.本文以全国为研究范围，需要针对城市特点，以城市为研究区域进一步深入探讨.

[1]郭寒英.基于出行者生理心理的城市客运交通出行行为研究[D].成都：西南交通大学，2007.

[2]胡晓伟.城市客运交通系统参与主体经济决策模型研究[D].哈尔滨:哈尔滨工业大学,2013.

[3]裴玉龙.基于模糊推理的公共交通分担率预测研究[J].土木工程学报,2004(7):23-26.

[4]刘爽.基于系统动力学的大城市交通结构演变机理及实证研究[D].北京：北京交通大学，2009.

[5]毛保华,郭继孚,陈金川，等.北京城市交通发展的历史思考[J].交通运输系统工程与信息,2008,8(3):6-13.

[6]张蕊.城市客运交通系统出行方式分担模型及应用研究[D].北京：北京交通大学,2011.

[7]王云鹏,杨志发,李世武，等.基于系统动力学的道路运输量预测模型[J].吉林大学学报(工学版),2005,35(4):426-430.

[8]OUM T H, WATERS W G, YONG J S. Concepts of price elasticity of transport demand and recent empirical estimates[J]. Journal of Transport Economics and Policy,1992(1):139-154.

[9]NOLAND R B. Relationships between highway capacity and induced vehicle travel[J]. Transportation Research Part A: Policy and Practice,2001,35(1):47-72.

[10]Transport for London. Central London congestion charging: impacts monitoring[EB/OL].[2008-05-03].http://www.tfl.gov.uk/assets/downloads/sixth annual impacts monitoring report 2008 pdf.

[11]SCHWANEN T. Urban form and commuting behavior: a cross-European perspective[J]. Tijdachrift Voor Economische en Sociale Geografie,2002,93(3)：336-343.

[12]RABINOVITCH J. Innovative and land use and public transport policy: the case of Curitiba, Brazil [J]. Land Use Policy,1996,13(1)：51-76.

[13]中华人民共和国国家统计局.中国国家统计数据库[1990—2013].[EB/OL].http://www.stats.gov.cn/.

[14]林秀丽,汤大钢,丁焰,等.中国机动车行驶里程分布规律[J].环境科学研究,2009,22(3):377-380.

[15]SMALL K A, VAN D K. Fuel efficiency and motor vehicle travel: the declining rebound effect[J]. The Energy Journal,2015(1):25-31.

[16]HE N, ZHAO S C. Induced traffic in China: elasticity models with panel data[J]. ASCE’s Journal of Urban Planning and Development.2015,141(4):256-261.

Travel Demand Forecasting and Analysis in Urban Passenger Transportation System

HE Nan

(Traffic&TransportationSchool,DalianJiaotongUniversity,Dalian116028,China)

In order to predict the sustainable urban passenger transportation system, travel demand forecasting in an accurate way is necessary. Based on the interaction among external environment, internal environment, passenger traffic structure, and subsystem from system view, influencing factors are selected to construct the causal relationships. Then the model of urban passenger transportation system is constructed to research on the feedback relationships among travel demand, road supply, urban public transportation, and the number of private cars. Based on data collection from China, parameters are calibrated, which is necessary to predict travel demand, the number of private cars, lane-kilometers and so on. Results show the high accuracy of model formation. Based on results analysis, the public transportation policy is an effective method to reduce traffic congestion in the urban passenger transportation system.

travel management; travel demand; system dynamics; public transportation; traffic congestion

2017-05-13

*国家自然科学基金项目(50978046)、辽宁省博士科研启动基金项目(201601257)资助

U491

10.3963/j.issn.2095-3844.2017.04.007

何南(1985—)：女，博士，讲师，主要研究领域为交通需求预测