上海市高速公路交通量影響因素分析.doc

最新【精品】范文 參考文獻(xiàn) 專業(yè)論文上海市高速公路交通量影響因素分析上海市高速公路交通量影響因素分析 摘要：高速公路交通量體現(xiàn)了社會(huì)經(jīng)濟(jì)發(fā)展對(duì)高速公路的交通需求。本文將交通量按照車輛特征和區(qū)域特征分為7類，將影響因素歸納為社會(huì)經(jīng)濟(jì)類、交通設(shè)施類和公共政策類三大類共計(jì)24個(gè)變量。使用聚類分析后對(duì)交通量（即因變量）進(jìn)行歸納，使用相關(guān)性分析對(duì)影響因素（即自變量）進(jìn)行篩選。采用一元線性回歸和彈性回歸模型著重研究了人均GDP對(duì)不同類別交通量的影響程度，并對(duì)比分析了各個(gè)模型的優(yōu)劣。 關(guān)鍵詞：影響因素；聚類分析；相關(guān)性分析；一元線性回歸；彈性回歸 高速公路交通量是社會(huì)經(jīng)濟(jì)發(fā)展對(duì)高速公路交通需求的反映。2003年以來(lái)上海高速公路交通量穩(wěn)步增長(zhǎng)，2003-2011年高速公路交通量呈線性增長(zhǎng)趨勢(shì)，年均增長(zhǎng)超過(guò)5萬(wàn)輛/日（2008、2009年除外）。2011年年平均日交通量達(dá)到62萬(wàn)輛，收費(fèi)高速公路擁擠度為0.5左右，車輛周轉(zhuǎn)量為1525.7萬(wàn)PCU.km/日。為了把握近期上海市高速公路交通量發(fā)展趨勢(shì)，本文對(duì)上海市高速公路交通需求和交通量影響因素進(jìn)行深入研究，得出影響高速公路交通量增長(zhǎng)的主要因素，并利用一元線性回歸和彈性回歸建立模型，為近期高速公路發(fā)展定位和經(jīng)濟(jì)評(píng)價(jià)提供有力的依據(jù)。 1.研究綜述 對(duì)公路交通量進(jìn)行預(yù)測(cè)最早始于上個(gè)世紀(jì)初期，并在20世紀(jì)50年代初步形成四階段法；至20世紀(jì)70年代，隨著高速公路的快速發(fā)展，四階段模型逐漸趨于完善，一直在國(guó)際公路交通量預(yù)測(cè)方法中占據(jù)著重要地位1。此后，為提高預(yù)測(cè)模型的準(zhǔn)確性和科學(xué)性，Iskander等2將社會(huì)經(jīng)濟(jì)因素作為參數(shù)加入模型，采用聚類分析和多元線性回歸分析的方法對(duì)高速公路交通量進(jìn)行預(yù)測(cè)。我國(guó)對(duì)于高速公路交通量預(yù)測(cè)的研究起步稍晚，始于上世紀(jì)80年代，常用的預(yù)測(cè)方法可以歸納為兩大類：定基預(yù)測(cè)法和定標(biāo)預(yù)測(cè)法3。其中，定基預(yù)測(cè)法是基于道路交通量的變化規(guī)律，利用指數(shù)曲線模型或增長(zhǎng)率曲線模型對(duì)交通量進(jìn)行預(yù)測(cè)；定標(biāo)預(yù)測(cè)法是按照道路交通量和社會(huì)、經(jīng)濟(jì)指標(biāo)的變動(dòng)之間的關(guān)系，利用回歸曲線模型進(jìn)行預(yù)測(cè)。李鋒和楊帆4對(duì)運(yùn)輸通道的趨勢(shì)交通量、高速公路的轉(zhuǎn)移和誘增交通量進(jìn)行細(xì)化，提出不同的方法對(duì)各類交通量進(jìn)行預(yù)測(cè)。蓋春英和裴玉龍5以及趙朋賓和張瀟6均從公路建設(shè)項(xiàng)目的自身特點(diǎn)出發(fā)，考慮了區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展對(duì)公路交通量預(yù)測(cè)的影響。Chu和Widjaja7提出在使用神經(jīng)網(wǎng)絡(luò)模型時(shí)，對(duì)訓(xùn)練樣本進(jìn)行預(yù)處理可以提高神經(jīng)網(wǎng)絡(luò)模型的泛化能力，從而提高預(yù)測(cè)精度。魏晉雁和茹鋒8選取人口、汽車保有量、國(guó)民生產(chǎn)總值、工農(nóng)業(yè)生產(chǎn)總值和居民年均收入為主要影響因素，將9年歷史數(shù)據(jù)作為訓(xùn)練樣本，2年歷史數(shù)據(jù)作為外推測(cè)試樣本，采用廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）模型對(duì)交通量進(jìn)行預(yù)測(cè)。殷濤等9對(duì)比了我國(guó)不同地區(qū)高速公路運(yùn)營(yíng)交通量和預(yù)測(cè)交通量的差別，分析其差異值及誤差率，總結(jié)交通量預(yù)測(cè)結(jié)果的特點(diǎn)，并將誤差歸納為交通量預(yù)測(cè)指標(biāo)、社會(huì)經(jīng)濟(jì)因素、收費(fèi)標(biāo)準(zhǔn)與出行者經(jīng)濟(jì)承受能力的關(guān)系，以及綜合運(yùn)輸網(wǎng)絡(luò)變化等幾大類影響因素。此外，某些專家和學(xué)者采用模糊數(shù)學(xué)法和遺傳神經(jīng)網(wǎng)絡(luò)法對(duì)公路交通量進(jìn)行預(yù)測(cè)1011。隨著計(jì)算機(jī)技術(shù)的發(fā)展，許多專家和學(xué)者開(kāi)發(fā)并使用了專業(yè)軟件對(duì)高速公路交通量進(jìn)行預(yù)測(cè)。劉偉12以TransCAD為平臺(tái)，深入研究了出行分布模型的特點(diǎn)，認(rèn)為雙約束增長(zhǎng)系數(shù)法適用于公路交通量預(yù)測(cè)。 目前在我國(guó)公路項(xiàng)目研究中，常用的交通量預(yù)測(cè)方法主要包括四階段法、專家預(yù)測(cè)法、主觀概率法、指數(shù)平滑法、回歸分析等13。不同的預(yù)測(cè)方法各有特點(diǎn)，但各類方法的適用地區(qū)和道路有所不同，不恰當(dāng)?shù)哪Ｐ瓦x取可能引起較大誤差。例如，轉(zhuǎn)移交通量和誘增交通量的影響在項(xiàng)目全線建成兩三年后才會(huì)逐漸顯現(xiàn)。若是過(guò)早將這兩類交通量考慮在內(nèi)，易使預(yù)測(cè)結(jié)果偏大。模型中參數(shù)選取及系數(shù)確定的方法不夠清晰，尚未形成完善的標(biāo)準(zhǔn)體系。此外，社會(huì)、經(jīng)濟(jì)的發(fā)展對(duì)交通量需求至關(guān)重要，但某些預(yù)測(cè)方法未能將這一因素考慮在內(nèi)，給預(yù)測(cè)結(jié)果帶來(lái)較大偏差。 基于上述問(wèn)題，本文將自變量分為社會(huì)經(jīng)濟(jì)類、交通設(shè)施類以及公共政策類共計(jì)24個(gè)變量，因變量分為總流量、客、貨、市域及進(jìn)出上海流量共計(jì)7個(gè)變量，對(duì)影響上海市高速公路交通流量的影響因素進(jìn)行分析。具體步驟為首先采用聚類方法對(duì)不同類別流量進(jìn)行分析，對(duì)因變量進(jìn)行歸類；然后對(duì)24個(gè)自變量進(jìn)行相關(guān)性分析，剔除關(guān)聯(lián)性較大的變量，減少回歸模型的多重共線性；在此基礎(chǔ)上，選用不同模型對(duì)精簡(jiǎn)后的變量進(jìn)行擬合，量化分析各個(gè)自變量對(duì)因變量的影響顯著水平；最后對(duì)比不同模型的估計(jì)精度和預(yù)測(cè)精度。 2.變量選取 2.1因變量選取 聚類分析可以把觀測(cè)樣本進(jìn)行合理的分類，使得同一類的觀測(cè)比較接近，不同類的觀測(cè)值相差較多。根據(jù)觀測(cè)樣本間的接近程度（距離）或相似程度，聚類分析可以根據(jù)不同的距離度量和相似度度量產(chǎn)生不同的聚類結(jié)果，最終將相近或相似的個(gè)體歸為一類，聚類的實(shí)質(zhì)是相似性度量，類別是相似元素的集合。本文采用Ward最小方差法（又稱Ward離差平方和法）14對(duì)因變量進(jìn)行聚類，該方法的原理是使聚類產(chǎn)生的類內(nèi)離差平方和增量最小。為消除不同類別流量的絕對(duì)值帶來(lái)的影響，文章選取總流量（Total）、客車流量（Car）、貨車流量（Truck）、市域內(nèi)的客車流量（Car_City）、市域內(nèi)的貨車流量（Truck_City）、進(jìn)出上海的客車流量（Car_Surb）和進(jìn)出上海的貨車流量（Truck_Surb）的年增長(zhǎng)率作為輸入進(jìn)行聚類，聚類后的結(jié)果用譜系聚類圖進(jìn)行表示，見(jiàn)圖1所示。 圖1 使用Ward法的譜系聚類圖 可以發(fā)現(xiàn)，高速公路總流量、客車總流量、市域內(nèi)的客車流量、市域內(nèi)的貨車流量增長(zhǎng)趨勢(shì)可以歸為一大類；進(jìn)出上海的客車流量和進(jìn)出上海的貨車流量增長(zhǎng)趨勢(shì)可以歸為另外一大類。在本文回歸分析模型中，將因變量分為高速公路總流量、市域內(nèi)總流量和進(jìn)出上海的總流量三類數(shù)據(jù)分別進(jìn)行。 2.2自變量選取 社會(huì)經(jīng)濟(jì)類因素又可以分為7類，共計(jì)23個(gè)因素，分別為： GDP：全市人均GDP（元）；全市GDP（億元）；郊區(qū)GDP（億元）；郊區(qū)GDP占全市的比例 工業(yè)總產(chǎn)值：全市工業(yè)總產(chǎn)值（億元）；郊區(qū)工業(yè)總產(chǎn)值（億元）；郊區(qū)工業(yè)總產(chǎn)值比例 固定資產(chǎn)投資：全市固定資產(chǎn)投資（億元）；郊區(qū)固定資產(chǎn)投資（億元）；郊區(qū)固定資產(chǎn)投資比例 社會(huì)消費(fèi)品：全市社會(huì)消費(fèi)品（億元）；郊區(qū)社會(huì)消費(fèi)品（億元）；郊區(qū)社會(huì)消費(fèi)品比例 人口：全市常住人口（萬(wàn)人）；郊區(qū)常住人口（萬(wàn)人）；郊區(qū)人口比例 車輛：全市民用車輛（萬(wàn)輛）；全市民用客車（萬(wàn)輛）；全市民用貨車；千人車輛保有量（輛/千人）；客車比例；貨車比例 港口貨物吞吐量：港口貨物吞吐量（萬(wàn)噸） 交通設(shè)施類因素：道路容量（公里?PCU/小時(shí)）。 公共政策類因素分為以下幾種情況： 政策一：2003、2004年調(diào)整收費(fèi)公路車輛通行費(fèi)的車輛分類標(biāo)準(zhǔn)； 政策二：2006年起對(duì)A30環(huán)郊和A2集卡彈性收費(fèi)； 政策三：2009年起對(duì)A12（滬嘉高速）的客車彈性收費(fèi)； 通過(guò)對(duì)各個(gè)政策實(shí)施前后高速公路網(wǎng)的流量分析發(fā)現(xiàn)，上述幾類政策的影響甚微，因此本次建模分析時(shí)未作為自變量輸入。此外，由于自變量個(gè)數(shù)過(guò)多，經(jīng)分析后，郊區(qū)工業(yè)總產(chǎn)值比例、郊區(qū)固定資產(chǎn)投資比例、郊區(qū)常住人口、郊區(qū)人口比例及全市民用車輛未納入分析。其余自變量/因變量取2002年至2011年共計(jì)10年的歷史數(shù)據(jù)*進(jìn)行擬合。 *注：歷史數(shù)據(jù)來(lái)源為2002年至2011年的上海市統(tǒng)計(jì)年鑒。 3.模型建立 3.1一元線性回歸模型 一元線性回歸模型15可以反應(yīng)一個(gè)因變量與一個(gè)自變量之間的線性關(guān)系，其函數(shù)形式可以表示為： y=0+1x+ 一元線性回歸模型又稱為兩變量或者雙變量線性回歸模型。其中， 1是y和x關(guān)系式中的斜率參數(shù)（Slope parameter）； 0被稱作常數(shù)項(xiàng)的截距參數(shù)（Intercept parameter）。 通常使用最小二乘法對(duì)一元線性回歸模型的參數(shù)進(jìn)行估計(jì)。 回歸結(jié)果表明，人均GDP對(duì)于總流量、市域交通量和進(jìn)出交通量三類流量均是非常重要的解釋變量。對(duì)于高速公路總流量，人均GDP的假設(shè)檢驗(yàn)結(jié)果的P值0.0001，拒絕原假設(shè)，說(shuō)明人均GDP指標(biāo)可以用來(lái)解釋總流量；并且與其它自變量相比，該指標(biāo)的調(diào)整R2最高，為0.9946，斜率參數(shù)為10.75527，說(shuō)明一個(gè)單位人均GDP的增加，可以帶來(lái)10.75527單位的高速公路總流量的增加。對(duì)于市域高速公路流量，人均GDP的假設(shè)檢驗(yàn)結(jié)果的P值0.0001，拒絕原假設(shè)，說(shuō)明人均GDP可用于解釋市域高速公路流量；調(diào)整R2最高，為0.9873，且斜率參數(shù)為6.95541，說(shuō)明一個(gè)單位人均GDP的增加，可以帶來(lái)6.95541單位的市域高速公路總流量的增加。對(duì)于進(jìn)出的高速公路流量而言，人均GDP的假設(shè)檢驗(yàn)結(jié)果的P值0.0001，拒絕原假設(shè)，說(shuō)明人均GDP可用于解釋進(jìn)出的高速公路流量；調(diào)整R2也為最高，為0.9776，且斜率參數(shù)為3.79987，說(shuō)明一個(gè)單位人均GDP的增加，可以帶來(lái)3.79987單位的高速公路總流量的增加。人均GDP對(duì)于三個(gè)因變量擬合的調(diào)整R2均大于0.97，可以用來(lái)有效解釋高速公路總流量、市域高速公路流量以及進(jìn)出上海的高速公路流量的變化。三類流量的一元線性回歸估計(jì)模型整理如下： 總流量：QTotal=10.75527人均GDP-271313 市域交通量：QCity=6.95541人均GDP-177707 進(jìn)出交通量：QSurb=3.79987人均GDP-93607 但值得注意的是，一元線性回歸模型的局限性在于不管x的初始值為多少，其任何一個(gè)單位的變化對(duì)y的影響都是相同的。這在實(shí)際應(yīng)用中是不現(xiàn)實(shí)的，例如在發(fā)展的不同階段，交通增長(zhǎng)模式可分為經(jīng)濟(jì)驅(qū)動(dòng)型和人口驅(qū)動(dòng)型。同一單位的GDP變化對(duì)交通量帶來(lái)的影響是不同的，這就需要對(duì)回歸形式進(jìn)行適當(dāng)變換。 3.2彈性回歸模型 彈性模型15又被稱為對(duì)數(shù)值對(duì)數(shù)值模型，因?yàn)槟Ｐ鸵詌og(y)為因變量，以log(x)為自變量。其函數(shù)形式為： logy=0+1logx+ 其中，1為y對(duì)x的彈性（Elasticity）,對(duì)1的解釋為： %y=1%x 也即：彈性系數(shù)e=Y指標(biāo)變化的百分率/X指標(biāo)變化的百分率。 根據(jù)對(duì)未來(lái)經(jīng)濟(jì)發(fā)展趨勢(shì)的估計(jì)確定經(jīng)濟(jì)增長(zhǎng)率（即：人均GDP的增長(zhǎng)率），計(jì)算高速公路流量的趨勢(shì)增長(zhǎng)率： iFlow=eiGDP 未來(lái)第n年的交通流量預(yù)測(cè)值為： YY01+eiGDPn 其中，Y0為基年交通量。 結(jié)果表明，對(duì)高速公路總流量而言，在P值0.0001的所有自變量中，全市常住人口的彈性系數(shù)最大，為5.264；若考慮參數(shù)對(duì)模型的擬合程度（即調(diào)整R2），則人均GDP最優(yōu)，為0.9786。對(duì)市域內(nèi)高速公路流量而言，在P值0.0001的所有自變量中，自變量彈性系數(shù)的排序依次為：全市常住人口、郊區(qū)消費(fèi)品比例、郊區(qū)GDP比例、千人車輛保有量和人均GDP；若考慮參數(shù)對(duì)模型的擬合程度，人均GDP最優(yōu)，為0.9839。對(duì)進(jìn)出上海的高速公路流量而言，在P值0.0001的所有自變量中，彈性系數(shù)的排序?yàn)榻紖^(qū)消費(fèi)品比例、郊區(qū)GDP比例和人均GDP。若考慮參數(shù)模型的擬合程度，以郊區(qū)消費(fèi)品比例最高，為0.8711；其次為郊區(qū)GDP比例，為0.8628；再次為人均GDP，為0.8606。綜上分析，可以發(fā)現(xiàn)人均GDP對(duì)三類流量均是非常重要的因素。三類流量的彈性回歸的估計(jì)模型整理如下： 總流量增長(zhǎng)率：iTotal=2.0345iGDP 總流量彈性回歸模型：YTotal=YTotal01+2.0345iGDPn 市域流量增長(zhǎng)率：iCity=1.99972iGDP 市域流量彈性回歸模型：YCity=YCity01+1.99972iGDPn 進(jìn)出流量增長(zhǎng)率：iSurb=2.20798iGDP 進(jìn)出流量彈性回歸模型：YSurb=YSurb01+2.20798iGDPn 4.誤差分析 為評(píng)價(jià)線性模型回歸及彈性模型回歸的結(jié)果，利用估計(jì)參數(shù)對(duì)歷年流量進(jìn)行計(jì)算，并對(duì)比估計(jì)值與實(shí)際值之間的絕對(duì)誤差和相對(duì)誤差。其中，絕對(duì)誤差（Absolute error）是估計(jì)值與真實(shí)值之差的絕對(duì)值，相對(duì)誤差（Relative error）是絕對(duì)誤差與真實(shí)值的比值。分別對(duì)三類流量進(jìn)行線性回歸和彈性回歸的模型誤差分析結(jié)果如下表1和表2所示。 表1 一元回歸線性模型和彈性回歸模型的絕對(duì)誤差對(duì)比 表2 一元回歸線性模型和彈性回歸模型的相對(duì)誤差絕對(duì)值對(duì)比 對(duì)于絕對(duì)誤差，彈性模型的平均絕對(duì)誤差要大于線性模型。但是對(duì)于2009年高速公路總流量的估計(jì)值，彈性模型的絕對(duì)誤差值為19120，小于線性模型的24189。說(shuō)明使用彈性模型可以更為靈敏的反應(yīng)經(jīng)濟(jì)增長(zhǎng)情況對(duì)高速公路流量的影響程度。 對(duì)比相對(duì)誤差估計(jì)值可以發(fā)現(xiàn)，采用兩種模型對(duì)高速公路總流量的估計(jì)誤差分別為2.5%和6.4%；市域流量和進(jìn)出流量的估計(jì)誤差相對(duì)較大，說(shuō)明直接對(duì)高速公路總流量的估計(jì)精度優(yōu)于對(duì)市域流量和進(jìn)出流量的估計(jì)精度。 5.結(jié)論 本文對(duì)影響上海市高速公路交通流量的影響因素進(jìn)行深入分析，并利用一元線性回歸模型和彈性回歸模型建立篩選出的自變量和因變量之間的關(guān)系，為把握上海市高速公路流量的歷史變化規(guī)律及未來(lái)發(fā)展趨勢(shì)提供了有力支撐。結(jié)果表明，人均GDP可以有效解釋高速公路總流量、市域高速公路流量以及進(jìn)出上海高速公路流量的變化趨勢(shì)；線性回歸模型和彈性模型均可以對(duì)高速公路流量進(jìn)行估計(jì)和預(yù)測(cè)。在經(jīng)濟(jì)形勢(shì)穩(wěn)定的情況下，采用線性回歸模型進(jìn)行未來(lái)年高速公路流量預(yù)測(cè)的精度相對(duì)更高；但在經(jīng)濟(jì)形勢(shì)波動(dòng)時(shí)，彈性模型的估計(jì)和預(yù)測(cè)結(jié)果要優(yōu)于線性模型。 參考文獻(xiàn) 1陸化普,等.交通規(guī)劃理論與方法M.北京:清華大學(xué)出版社,1998. 2Iskander,W.H., Majid,J., and Traci,Q. Forecasting of traffic volumes on US highways C. IIE Annual Conference and Exhibition 2004, Norcross, GA:355-366. 3公路建設(shè)項(xiàng)目工程可行性研究編制辦法M.北京:人民交通出版社,1996. 4李鋒,楊帆.高速公路需求預(yù)測(cè)方法J.油氣田地面工程,2005,12:5-6. 5蓋春英,裴玉龍.公路建設(shè)項(xiàng)目可行性研究中的交通量預(yù)測(cè)方法J.交通運(yùn)輸工程學(xué)報(bào),2002,3:51-54. 6趙朋賓,張瀟.高速公路項(xiàng)目的交通量預(yù)測(cè)方法探討J.交通運(yùn)輸工程,2007,7:64-66. 7Chu,C.H. and Widjaja,D. Neural networks system for forecasting method selectionJ. Decision Support System, 1994, 12:13-24. 8魏