基于层次分析法对大数据经济下合肥市居民出行情况的分析预测

汪雯清，张天圆

一、引言

在大数据时代背景下，物联网、云计算以及大数据经济已成为当今社会发展的潮流。而近期城市云公交卡在全国各地的普及，大数据经济逐渐深入人们生活的方方面面。而大数据是人类社会数据积累从量变到质变的必然产物，如果对大数据经济中的数据进行大规模的收集，那么对未来经济的发展有很好的预知效应，并且对于国家经济体制的发展将是巨大商机。

由所学经济学知识，我们可知Y=AF（K，L）一直是现代经济增长理论的重要内容，而随着最近十多年随着经济的迅猛发展，新经济时代使得数据（D）本身成为了生产要素， Y=A*F（D，K，L）成为新经济经济增长理论主要内容，为传统经济增长理论赋予了新的内涵。（Y：最终产出；K：资本；L：劳动；A：以技术为核心的全要素生产率）只有把握数据的相关性，才能描述经济发展的变化和趋势，确保经济稳定发展，也为新时代构建数据驱动型创新体系提供了新路径。同时，越来越多的行业要想发展，就必须进行大数据经济运营模式，运用大数据对市场环境做出精准、快速、及时的反应和判断，让“智能出行”不再仅局限于共享单车、滴滴出行等，更加上大数据的智能预测，云计算的资源共享，达到实时路况分析，出行道路最优化设计，真正实现“出行掌GO”。

二、出行方式选择的影响因素

合肥居民出行方式的选择主要考虑以下四大因素：费用、时效性、天气情况和便捷度。而绝大多数选择的出行方式有以下五种：私家车、出租、公交或地铁、步行、单车。

图1 出行方式的层次结构图

我们对准则层的费用、时效性、天气情况、便捷度，分别对应u1，u2，u3，u4四个变量，可构造出w-u比较判断矩阵为

再分别对u1，u2，u3，u4构造方案层P的比较判断矩阵B1、B2、B3、B4：

通过MATLAB编辑程序，我们计算出方案层对目标层的总权重：

通过计算各因素的权重，可以清楚地看到居民在选择出行方式的时候，更倾向于选择单车和公交等公共交通，占比在68%。其次是选择私家车，占总体的15%左右。但对于步行和出租，只有不到10%比例的居民选择这两种出行方式。我们可知，在目前共享经济的不断发展下，人们的出行更倾向于公共交通方式，实现共享出行。

三、运用Logistic回归对居民是否选择共享出行方式＊（本文定义为包括共享单车、滴滴出行以及公交等通过利用社会化方式把源和他人共享的出行方式）的分析与预测

综合所调查的居民出行方式与费用、时效性、天气情况、便捷度的相关性，故以居民是否选择共享出行方式作为因变量，通过构建 Logistic 回归模型，判断四种影响因素对居民选择共享出行是否存在影响，从而预测出居民选择共享出行的普遍程度。

模型中的因变量为“居民是否选择共享出行”，是一个二分名义变量，两个水平变量分别编码为：“是”：1；“否”：0。再对模型中的自变量费用、时效性、天气情况和便捷程度进行编码Q1、Q2、Q3、Q4，所得均为二分变量，故转化为虚拟变量投入模型，这些因素会导致居民选择共享出行为水平数值1，不会导致为水平数值0。因而采用Logistic 回归模型，以研究四个因素对居民选择共享出行的影响程度。

表1 模型参数显著性检验摘要表

由表可知，Q1、Q2、Q3、Q4四个变量可以是解释影响居民是否选择共享出行的重要预测变量，说明被调查者认为费用、时效性、天气情况、便捷度与居民选择共享出行有显著关联。

设认为四个因素导致对居民选择共享出行的概率为P，由此写出 Logistic 回归模型为：

由此判断，费用、时效性、天气情况、便捷度四种因素对居民选择共享出行都有很高影响。

四、结语

随着中国城市公共交通建设的不断完善，城市云大数据库为交通运输业营造了一个庞大的数据信息系统，我们应该运用已知的数据，从而进一步缓解居民出行的种种压力，从而更好满足居民的求学、工作、生活所需。而由以上分析我们可知，居民的出行情况的改变，不仅意味我国的经济发展逐步走向共享经济模式，更使得我们的国家进一步迈向绿色化可持续发展道路。基于此，本文认为，我国居民出行状况在今后很长一段时间，将会依托大数据的数据系统，更加进一步充分合理利用城市出行的道路信息和共享出行资源，更好地做到交通共享，环保出行。