城市出租車(chē)規(guī)模預(yù)測(cè)研究

任其亮，蘇莉曉，吳麗霞，金 磊

(重慶交通大學(xué) 交通運(yùn)輸學(xué)院，重慶 400074)

出租車(chē)作為城市客運(yùn)系統(tǒng)重要組成部分，是城市常規(guī)公交的重要補(bǔ)充。出租車(chē)具有快捷、舒適、安全和服務(wù)范圍廣泛等特點(diǎn)，能為出行者提供較高層次的服務(wù)。其規(guī)?？刂茖?duì)出租汽車(chē)行業(yè)資源優(yōu)化配置、城市客運(yùn)系統(tǒng)協(xié)調(diào)發(fā)展有重要意義。但很多城市出租車(chē)擁有量盲目增加，出現(xiàn)了出租車(chē)運(yùn)力過(guò)剩、空載率過(guò)高等情況，并引發(fā)城市交通擁擠、能源消耗增加、污染加重等問(wèn)題，所以出租車(chē)規(guī)模的合理配置尤為重要。

出租車(chē)規(guī)模預(yù)測(cè)方法有很多，常用方法主要有實(shí)載率控制法、比例法、指數(shù)平滑法、統(tǒng)計(jì)回歸分析法、神經(jīng)網(wǎng)絡(luò)法等[1]。比例法需要萬(wàn)人擁有率取值，而目前很多城市公共交通系統(tǒng)還不穩(wěn)定，很難確定一個(gè)合理的萬(wàn)人擁有率；指數(shù)平滑法通過(guò)對(duì)歷年相關(guān)數(shù)據(jù)進(jìn)行平滑處理后找出發(fā)展規(guī)律，而出租車(chē)規(guī)模受政府政策等因素影響較大，使得這種發(fā)展規(guī)律具有不適用性；統(tǒng)計(jì)回歸分析法和神經(jīng)網(wǎng)絡(luò)法綜合考慮了大量的影響因素，但有些影響因素指標(biāo)無(wú)法量化，收集數(shù)據(jù)比較困難，因而這兩種方法不可行。

筆者選取系統(tǒng)動(dòng)力學(xué)模型和實(shí)載率控制法進(jìn)行預(yù)測(cè)。系統(tǒng)動(dòng)力學(xué)模型從出租車(chē)系統(tǒng)角度出發(fā)，模型仿真結(jié)果誤差具有累積性，預(yù)測(cè)值偏大；而實(shí)載率控制法從出租車(chē)所完成的城市居民出行周轉(zhuǎn)量入手，選取符合實(shí)際情況的實(shí)載率，預(yù)測(cè)城市出租車(chē)規(guī)模，但實(shí)載率選取有一定主觀性，預(yù)測(cè)值比實(shí)際值小。這兩種方法從不同角度研究問(wèn)題，互補(bǔ)性較好，若將它們進(jìn)行組合預(yù)測(cè)，一方面盡可能地滿足消費(fèi)者需求，另一方面能綜合考慮多種因素的影響，可取得較好地組合效果。出租車(chē)包括巡游出租車(chē)和網(wǎng)約出租車(chē)，筆者以巡游出租車(chē)為研究對(duì)象進(jìn)行研究。

1 出租汽車(chē)規(guī)模影響因素

1.1 社會(huì)經(jīng)濟(jì)發(fā)展水平

隨著城市經(jīng)濟(jì)快速發(fā)展，人民生活水平也隨之提高，人口流動(dòng)較為頻繁，購(gòu)物、探親、旅游等多層次需求增加，進(jìn)而增加了出行次數(shù)[2]。以重慶主城區(qū)為例：2010年主城區(qū)GDP值為3 596.71億元，居民日均出行總量1 339萬(wàn)人次，人均出行次數(shù)為1.8次/人·日；2014年主城區(qū)GDP值為6 289.05億元，居民日均出行總量較2010年增加174萬(wàn)人次，人均出行次數(shù)為1.85次/人·日。這說(shuō)明隨著重慶社會(huì)經(jīng)濟(jì)發(fā)展，人均出行次數(shù)也在發(fā)生變化。由于經(jīng)濟(jì)條件變好，人們對(duì)出行方式產(chǎn)生更多選擇和更高要求，而出租車(chē)較強(qiáng)的靈活性，以及便捷、舒適等特點(diǎn)使人們對(duì)其更加青睞，出租車(chē)分擔(dān)比例發(fā)生變化，影響城市出租車(chē)供給量配置。地區(qū)生產(chǎn)總值、人均消費(fèi)性支出等指標(biāo)可用來(lái)衡量社會(huì)經(jīng)濟(jì)發(fā)展水平。

1.2 城市人口規(guī)模和構(gòu)成

隨著城市人口數(shù)量增加，城市客運(yùn)量也因此增大，需要更多地客運(yùn)設(shè)施來(lái)承擔(dān)。2011年重慶主城區(qū)總?cè)丝跒? 146.53萬(wàn)人，出租車(chē)規(guī)模為10 705輛；2015年主城區(qū)總?cè)丝谠鲩L(zhǎng)為1 197.52萬(wàn)人時(shí)，出租車(chē)規(guī)模也隨之增加至14 834輛，相關(guān)性十分明顯。可見(jiàn)，城市人口規(guī)模的變化影響著出租車(chē)規(guī)模，人口越多產(chǎn)生的出行越多。城市人口按流動(dòng)性可分為常住人口和流動(dòng)人口。數(shù)據(jù)顯示，2012年整個(gè)重慶流動(dòng)人口為1 155.06萬(wàn)人，重慶常住人口為2 945萬(wàn)人，流動(dòng)人口占比約1/3，全市旅游人數(shù)達(dá)到2.9億人次，這部分人群在無(wú)交通工具、不熟悉城市地理的情況下會(huì)更依賴城市出租車(chē)交通服務(wù)。社會(huì)經(jīng)濟(jì)迅速發(fā)展使得城市之間的交流加強(qiáng)，越來(lái)越多的流動(dòng)人口涌入經(jīng)濟(jì)較發(fā)達(dá)城市，導(dǎo)致經(jīng)濟(jì)發(fā)達(dá)城市流動(dòng)人口增長(zhǎng)幅度較大，同時(shí)流動(dòng)人口滯留時(shí)間普遍加長(zhǎng)，這些因素不同程度會(huì)影響城市出租車(chē)規(guī)模。

1.3 政府政策影響

當(dāng)前交通部門(mén)明確出租車(chē)行業(yè)定位，界定出租車(chē)為城市綜合交通運(yùn)輸體系的組成部分，是城市公共交通的補(bǔ)充，各省市交通管理部門(mén)應(yīng)堅(jiān)持“優(yōu)先發(fā)展公共交通，適度發(fā)展出租汽車(chē)”原則，促進(jìn)出租車(chē)行業(yè)健康有序發(fā)展。

由于城市交通擁堵現(xiàn)象越來(lái)越嚴(yán)重，而緩解交通擁堵的措施之一是大力發(fā)展公共交通，“公交優(yōu)先”政策鼓勵(lì)城市公共交通發(fā)展[3]。在客運(yùn)總量不變的情況下，當(dāng)公共交通的客運(yùn)量以及分擔(dān)比例增加時(shí)，出租車(chē)的分擔(dān)率則會(huì)減小，這在一定程度上影響出租車(chē)供給量配置。公共交通服務(wù)水平可用公共交通日均客運(yùn)量來(lái)量化。

1.4 城市交通發(fā)展?fàn)顩r

城市交通體系的發(fā)展程度，影響人們對(duì)出租車(chē)的需求，主要體現(xiàn)在3個(gè)方面[4]：① 城市交通基礎(chǔ)設(shè)施建設(shè)水平。城市道路網(wǎng)密度、干道數(shù)量、道路面積越大，出租車(chē)運(yùn)行速度加快，服務(wù)范圍擴(kuò)大，則出租車(chē)需求量隨之增加；② 城市公共交通系統(tǒng)建設(shè)情況。公共交通系統(tǒng)網(wǎng)絡(luò)覆蓋程度對(duì)出租車(chē)需求量產(chǎn)生一定影響，由于城市老城區(qū)內(nèi)存在狹窄街巷，公交車(chē)輛無(wú)法通行，這些區(qū)域居民可能選擇出租車(chē)出行；③ 城市客運(yùn)樞紐場(chǎng)站布局不合理，不便于乘客換乘，出租車(chē)分布廣泛的特點(diǎn)使其成為乘客換乘工具之一。

2 出租車(chē)規(guī)模預(yù)測(cè)方法

2.1 系統(tǒng)動(dòng)力學(xué)模型

系統(tǒng)動(dòng)力學(xué)是在系統(tǒng)論、控制論、信息論等學(xué)科基礎(chǔ)上應(yīng)用計(jì)算機(jī)仿真技術(shù)對(duì)復(fù)雜的社會(huì)系統(tǒng)進(jìn)行定量研究的方法[5]。出租車(chē)系統(tǒng)比較復(fù)雜，依據(jù)系統(tǒng)建模目的確定研究系統(tǒng)范圍包括城市人口數(shù)量、GDP、私家車(chē)保有量、公共交通車(chē)輛數(shù)、其他類機(jī)動(dòng)車(chē)數(shù)量、出租車(chē)數(shù)量等。筆者根據(jù)系統(tǒng)動(dòng)力學(xué)處理問(wèn)題基本步驟，以及對(duì)出租車(chē)規(guī)模影響因素分析繪制了出租車(chē)系統(tǒng)因果關(guān)系圖以及系統(tǒng)流程圖，如圖1、2。

出租車(chē)合理規(guī)模預(yù)測(cè)系統(tǒng)動(dòng)力學(xué)模型[6-7]如式(1)～(13)：

狀態(tài)方程：

LZRK·K=LZRK·J+ΔT×DRK

(1)

LGDP·K=LGDP·J+ΔT×DGDP

(2)

LSJC·K=LSJC·J+ΔT×DSJC

(3)

LDMGJ·K=LDMGJ·J+ΔT×DDMGJ

(4)

LGDJT·K=LGDJT·J+ΔT×DGDJT

(5)

LCZC·K=LCZC·J+ΔT×DCZC

(6)

速率方程：

DRK·TJK=LZRK·K×RRK·TJK

(7)

DGDP·TJK=LGDP·K×RGDP·TJK

(8)

DSJC·TJK=LSJC·K×RSJC·TJK

(9)

DDMGJ·TJK=LDMGJ·K×RDMGJ·TJK

(10)

DGDJT·TJK=LGDJT·K×RGDJT·TJK

(11)

DCZC·TJK=LCZC·K×RCZC·TJK

(12)

輔助方程：

RCZC·TJK=LZRK·K×RRK×fRK+LGDP·K×RGDP×fGDP-LSJC·K×RSJC×fSJC-LDMJT·K×RDMJT×fDMJT-LGDJT·K×RGDJT×fGDJT

(13)

狀態(tài)方程中：LZRK·K為K時(shí)刻人口總數(shù)；LZRK·J為J時(shí)刻人口總數(shù)；DRK為人口增長(zhǎng)量；LGDP·K為K時(shí)刻GDP總值；LGDP·J為J時(shí)刻GDP總值；DGDP為GDP增長(zhǎng)量；LSJC·K為K時(shí)刻私家車(chē)總量；LSJC·J為J時(shí)刻私家車(chē)總量；DSJC為私家車(chē)增長(zhǎng)量；LDMGJ·K為K時(shí)刻地面公交日均客運(yùn)量；LDMGJ·J為J時(shí)刻地面公交日均客運(yùn)量；DDMGJ為地面公交日均客運(yùn)量增長(zhǎng)量；LGDJT·K為K時(shí)刻軌道交通日均客運(yùn)量；LGDJT·J為J時(shí)刻軌道交通日均客運(yùn)量；DGDJT為軌道交通日均客運(yùn)量增長(zhǎng)量；LCZC·K為K時(shí)刻出租車(chē)總量；LCZC·J為J時(shí)刻出租車(chē)總量；DCZC為出租車(chē)增長(zhǎng)量；J為過(guò)去時(shí)刻；K為現(xiàn)在時(shí)刻；TJK為段時(shí)間；ΔT為時(shí)刻J和時(shí)刻K之間的時(shí)間間隔，常取單位時(shí)間段，筆者取1年。

速率方程中：DRK·TJK為JK時(shí)間段內(nèi)人口增長(zhǎng)量；RRK·TJK為JK時(shí)間段內(nèi)人口增長(zhǎng)速率；DGDP·TJK為JK時(shí)間段內(nèi)GDP增長(zhǎng)量；RGDP·TJK為JK時(shí)間段內(nèi)GDP增長(zhǎng)速率；DSJC·TJK為JK時(shí)間段內(nèi)私家車(chē)增長(zhǎng)量；RSJC·TJK為JK時(shí)間段內(nèi)私家車(chē)增長(zhǎng)速率；DDMGJ·TJK為JK時(shí)間段內(nèi)地面公交日均客運(yùn)量增長(zhǎng)量；RDMGJ·TJK為JK時(shí)間段內(nèi)地面公交日均客運(yùn)量增長(zhǎng)速率；DGDJT·TJK為JK時(shí)間段內(nèi)軌道交通日均客運(yùn)量增長(zhǎng)量；RGDJT·TJK為JK時(shí)間段內(nèi)軌道交通日均客運(yùn)量增長(zhǎng)速率；DCZC·TJK為JK時(shí)間段內(nèi)出租車(chē)增長(zhǎng)量；RCZC·TJK為JK時(shí)間段內(nèi)出租車(chē)增長(zhǎng)速率。

輔助方程中：RRK為人口增長(zhǎng)速率；fRK為人口影響因素；RGDP為GDP增長(zhǎng)速率；fGDP為GDP影響因素；RSJC為私家車(chē)增長(zhǎng)速率；fSJC為私家車(chē)影響因素；RDMGJ為地面公交日均客運(yùn)量增長(zhǎng)速率；fDMGJ為地面公交日均客運(yùn)量影響因素；RGDJT為軌道交通日均客運(yùn)量增長(zhǎng)速率；fGDJT為軌道交通日均客運(yùn)量影響因素。

圖1 出租車(chē)系統(tǒng)因果關(guān)系Fig. 1 Taxi system causality diagram

圖2 出租車(chē)系統(tǒng)流程Fig. 2 Taxi system flow chart

圖1中用到的公共交通車(chē)輛數(shù)，由于其擬合精度不高，且描述出行人數(shù)用客運(yùn)量比較恰當(dāng)，因而在系統(tǒng)流程圖中選用地面公交日均客運(yùn)量和軌道交通日均客運(yùn)量代替公共交通保有量[8]。

2.2 實(shí)載率控制法

實(shí)載率控制法是以出租車(chē)所完成城市人口的出行周轉(zhuǎn)量為切入點(diǎn)，選取符合實(shí)際情況的出租車(chē)實(shí)載率，進(jìn)而預(yù)測(cè)城市出租車(chē)擁有量[9-10]。

2.2.1 出租車(chē)承擔(dān)城市居民出行周轉(zhuǎn)量(W1)

W1=R1×A1×P1×D1

(14)

式中：R1為城市居民人口總量，萬(wàn)人；A1為城市居民人均出行次數(shù)；P1為城市居民全方式出租車(chē)分擔(dān)率；D1為城市居民平均出行距離。

2.2.2 出租車(chē)承擔(dān)城市流動(dòng)人口出行周轉(zhuǎn)量(W2)

W2=R2×A2×P2×D2

(15)

式中：R2為城市流動(dòng)人口數(shù)量，萬(wàn)人；A2為城市流動(dòng)人口人均出行次數(shù)；P2為城市流動(dòng)人口全方式出租車(chē)分擔(dān)率；D2為城市流動(dòng)人口平均出行距離。

2.2.3 全市出租車(chē)總有效行駛里程

(16)

式中：L有為全市出租車(chē)總有效行駛里程，萬(wàn)km；S1為城市居民乘坐出租車(chē)時(shí)平均有效車(chē)次載客人數(shù)，人；S2為城市流動(dòng)人口乘坐出租車(chē)時(shí)平均有效車(chē)次載客人數(shù)，人。

2.2.4 實(shí)載率

(17)

式中：K為實(shí)載率；L為出租車(chē)日均行駛里程，km/d；N為城市出租車(chē)總量。

將式(17)轉(zhuǎn)換，得到城市出租車(chē)總量，如式(18)：

(18)

考慮到一定彈性(年檢、修理等)，筆者認(rèn)為一個(gè)城市中一般有10%左右的出租車(chē)未投入運(yùn)營(yíng)。因此，城市出租車(chē)保有量如式(19)：

預(yù)警（Early-Warning）即在災(zāi)害、災(zāi)難或危險(xiǎn)發(fā)生之前，根據(jù)以往總結(jié)的規(guī)律或觀測(cè)得到的可能性前兆，向相關(guān)部門(mén)發(fā)出緊急信號(hào)，報(bào)告危險(xiǎn)情況，以避免危害在不知情或準(zhǔn)備不足的情況下發(fā)生，從而最大程度減少危害給人民生命財(cái)產(chǎn)帶來(lái)的損失。特別是在《國(guó)務(wù)院辦公廳關(guān)于加強(qiáng)氣象災(zāi)害監(jiān)測(cè)預(yù)警及信息發(fā)布工作的意見(jiàn)》【國(guó)辦發(fā)〔2011〕33號(hào)】公布后，該意見(jiàn)對(duì)氣象災(zāi)害監(jiān)測(cè)預(yù)警及信息發(fā)布的總體要求和工作目標(biāo)做出規(guī)定，通過(guò)提高監(jiān)測(cè)預(yù)報(bào)能力，加強(qiáng)預(yù)警信息發(fā)布，強(qiáng)化預(yù)警信息傳播等措施來(lái)進(jìn)一步完善防災(zāi)減災(zāi)工作。所以，氣象預(yù)警信息發(fā)布的相關(guān)工作得到了各級(jí)政府和人民群眾的重視。

(19)

2.3 方法評(píng)價(jià)

每種方法自身都有局限性，所以應(yīng)用不同方法預(yù)測(cè)出租車(chē)的規(guī)模，其結(jié)果存在一定差異，針對(duì)以上兩種方法進(jìn)行評(píng)價(jià)，如表1。

表1 預(yù)測(cè)方法評(píng)價(jià)Table 1 Evaluation of prediction method

2.4 組合預(yù)測(cè)

以上兩種方法各自存在優(yōu)缺點(diǎn)，但如果采用組合預(yù)測(cè)方法，即將兩種方法預(yù)測(cè)值通過(guò)加權(quán)平均方法組合成一個(gè)新的預(yù)測(cè)值，作為最后預(yù)測(cè)結(jié)果，這樣使兩種方法進(jìn)行優(yōu)勢(shì)互補(bǔ)，預(yù)測(cè)精度會(huì)更高，具體方法[11]如下：

(20)

0≤α≤1

(21)

α值確定是加權(quán)平均法的關(guān)鍵所在，從統(tǒng)計(jì)學(xué)角度，α可按式(22)確定。

(22)

(23)

x≡αx+(1-α)x

(24)

將式(24)與式(21)相減，得到式(25)：

e=αe1+(1-α)e2

(25)

對(duì)式(25)兩端平方，并假定e1和e2不相關(guān)，有式(26)：

(26)

對(duì)式(26)取極值，有式(27)：

(27)

對(duì)α求導(dǎo)，令其等于0，可得式(28)：

(28)

故按式(28)確定α值時(shí)，E(e2)值最小。

將式(28)代入式(27)，可得式(29)：

(29)

3 重慶主城區(qū)出租車(chē)規(guī)模預(yù)測(cè)

表2為重慶主城區(qū)2011—2015年相關(guān)數(shù)據(jù)。

表2 重慶主城區(qū)2011—2015年基礎(chǔ)數(shù)據(jù)統(tǒng)計(jì)Table 2 Basic data statistics of Chongqing city from 2011 to 2015

注：流動(dòng)人口數(shù)據(jù)來(lái)源為重慶市統(tǒng)計(jì)年鑒；其余數(shù)據(jù)來(lái)源為《重慶市主城區(qū)交通運(yùn)行分析年度報(bào)告》。

以表2為基礎(chǔ)，分別采用系統(tǒng)動(dòng)力學(xué)法和實(shí)載率控制法對(duì)重慶主城區(qū)出租車(chē)規(guī)模進(jìn)行預(yù)測(cè)，然后對(duì)兩種方法得出的預(yù)測(cè)值進(jìn)行誤差分析，并運(yùn)用組合預(yù)測(cè)法預(yù)測(cè)重慶主城區(qū)未來(lái)出租車(chē)擁有量，最后對(duì)組合預(yù)測(cè)模型的精確度進(jìn)行驗(yàn)證。

3.1 系統(tǒng)動(dòng)力學(xué)法

將2011—2015年重慶主城區(qū)總?cè)丝谌?duì)數(shù)，如圖3。

圖3 重慶市主城區(qū)人口變化趨勢(shì)Fig. 3 Trend of population changes in main city of Chongqing

從圖3中可看出：總?cè)丝趯?duì)數(shù)基本符合線性增長(zhǎng)規(guī)律，盡管在2015年出臺(tái)全面放開(kāi)二胎政策，但從長(zhǎng)期而言，在一定程度上增加了低年齡段比重，勞動(dòng)年齡人口比重不會(huì)增加，因此將模型中人口年增長(zhǎng)率可看作常數(shù)。擬合直線如式(30)：

(30)

式中：Y為主城區(qū)人口對(duì)數(shù)值；N為年份。

主城區(qū)總?cè)丝谄骄暝鲩L(zhǎng)率為0.035；同理可得：GDP、私家車(chē)擁有量、地面公交日均客運(yùn)量、軌道交通日均客運(yùn)量年平均增長(zhǎng)率分別為0.11、0.23、0.0247、0.401。

應(yīng)用SPSS軟件對(duì)GDP、人口總數(shù)、私家車(chē)保有量、地面公交日均客運(yùn)量、軌道交通日均客運(yùn)量與出租車(chē)增長(zhǎng)率變化分別進(jìn)行曲線擬合以及相關(guān)性分析，得到影響系數(shù)，再結(jié)合專家意見(jiàn)和實(shí)際情況進(jìn)行修正，得到最終值，模型參數(shù)值見(jiàn)表3。

表3 模型參數(shù)Table 3 Model parameter values

運(yùn)用系統(tǒng)動(dòng)力學(xué)模型預(yù)測(cè)重慶主城區(qū)2011—2015年出租車(chē)規(guī)模，并進(jìn)行誤差計(jì)算，見(jiàn)表4。從表4中可看出：預(yù)測(cè)誤差在4.5%以內(nèi)，均值在3%以內(nèi)，預(yù)測(cè)精度較高。因此系統(tǒng)動(dòng)力學(xué)模型用來(lái)預(yù)測(cè)出租車(chē)規(guī)模，預(yù)測(cè)精度比較高，對(duì)出租客運(yùn)部門(mén)規(guī)劃近期出租車(chē)規(guī)模有一定的幫助。

表4 2011—2015年出租車(chē)規(guī)模預(yù)測(cè)值與預(yù)測(cè)誤差Table 4 2011—2015 taxis scale forecast and prediction error

系統(tǒng)動(dòng)力學(xué)模型仿真結(jié)果的誤差具有累積性，故以2015年重慶主城區(qū)的實(shí)際數(shù)據(jù)以及出租車(chē)行業(yè)相關(guān)政策為基準(zhǔn)，對(duì)重慶主城區(qū)2016—2020年出租車(chē)規(guī)模進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果如表5。

表5 2016—2020年出租汽車(chē)規(guī)模預(yù)測(cè)Table 5 2016—2020 taxis scale forecast

3.2 實(shí)載率控制法

3.2.1 出租車(chē)客運(yùn)周轉(zhuǎn)量預(yù)測(cè)

客運(yùn)周轉(zhuǎn)量預(yù)測(cè)所需基礎(chǔ)數(shù)據(jù)均是交通調(diào)查統(tǒng)計(jì)所得，在對(duì)規(guī)劃年出租車(chē)客運(yùn)周轉(zhuǎn)量預(yù)測(cè)時(shí)，考慮到重慶市“十三五”期間，軌道交通第2輪建設(shè)的啟動(dòng)以及城市進(jìn)程的加快，通過(guò)分析過(guò)去5年重慶出租客運(yùn)分擔(dān)率的變化規(guī)律，同時(shí)參考同類城市出租客運(yùn)分擔(dān)率的變化特征，重慶主城區(qū)全方式出租車(chē)分擔(dān)率2016—2018年變化較小，2018—2020年變化較大利用，采用等比例增長(zhǎng)率法對(duì)人口、分擔(dān)率、日均出行次數(shù)、平均乘距進(jìn)行預(yù)測(cè)，根據(jù)式(14)、(15)預(yù)測(cè)出租汽車(chē)客運(yùn)周轉(zhuǎn)量，具體結(jié)果見(jiàn)表6、7。

表6 城市居民出租車(chē)客運(yùn)周轉(zhuǎn)量預(yù)測(cè)Table 6 Taxi passenger turnover forecast of urban population

表7 城市流動(dòng)人口出租車(chē)客運(yùn)周轉(zhuǎn)量預(yù)測(cè)Table 7 Taxi passenger turnover forecast of urban floating population

3.2.2 出租車(chē)總有效行駛里程預(yù)測(cè)

運(yùn)用式(16)，出租車(chē)平均載客人數(shù)按調(diào)查結(jié)果取2.2人，預(yù)測(cè)出租車(chē)總有效行駛里程，結(jié)果見(jiàn)表8。

表8 出租汽車(chē)總有效行駛里程預(yù)測(cè)Table 8 Taxi total effective mileage forecast

3.2.3 出租車(chē)規(guī)模預(yù)測(cè)

根據(jù)歷史數(shù)據(jù)顯示，實(shí)載率在68%～72%變化。筆者根據(jù)經(jīng)驗(yàn)認(rèn)為：實(shí)載率為70%時(shí)，運(yùn)力與運(yùn)量適當(dāng)平衡，因此實(shí)載率選取為70%，按照平均車(chē)日行程500～510 km，運(yùn)用式(19)，預(yù)測(cè)得到各年份出租汽車(chē)合理規(guī)模數(shù)，如表9。

表9 2016—2020年出租車(chē)規(guī)模預(yù)測(cè)Table 9 2016—2020 taxis scale forecast

3.3 組合預(yù)測(cè)

故，權(quán)重值α按照式(22)計(jì)算，如式(23)：

利用式(23)，筆者計(jì)算了2011—2015年重慶主城區(qū)出租車(chē)規(guī)模并進(jìn)行誤差分析，結(jié)果如表11。

表11 2011—2015年重慶主城區(qū)出租車(chē)規(guī)模預(yù)測(cè)Table 11 Taxi scale forecast in 2011—2015 in Chongqing urban area

通過(guò)對(duì)絕對(duì)誤差的比較分析，可以看出：組合預(yù)測(cè)模型預(yù)測(cè)誤差在3%以內(nèi)，均值在2.48%左右，明顯比系統(tǒng)動(dòng)力學(xué)模型和實(shí)載率控制法預(yù)測(cè)誤差小，預(yù)測(cè)精度高。系統(tǒng)動(dòng)力學(xué)模型中私家車(chē)增長(zhǎng)、地面公交和軌道交通日均客運(yùn)量增長(zhǎng)阻礙了出租車(chē)規(guī)模增長(zhǎng)，出租車(chē)分擔(dān)率降低；而實(shí)載率控制法中出租車(chē)分擔(dān)率的確定主觀因素較強(qiáng)，影響了預(yù)測(cè)精確度；系統(tǒng)動(dòng)力學(xué)模型和實(shí)載率控制法之間存在一定的關(guān)系。

此外，在第2節(jié)中筆者指出：系統(tǒng)動(dòng)力學(xué)模型仿真結(jié)果誤差具有累積性，預(yù)測(cè)未來(lái)年數(shù)據(jù)偏大，實(shí)載率控制法預(yù)測(cè)結(jié)果偏小，若將兩者組合在一起，兩者間互補(bǔ)，預(yù)測(cè)精度顯著提高，因而預(yù)測(cè)未來(lái)年出租車(chē)規(guī)模采用組合預(yù)測(cè)法較好。

利用式(23)預(yù)測(cè)2016—2020年重慶主城區(qū)出租車(chē)規(guī)模，結(jié)果見(jiàn)表12。

表12 2016—2020年重慶主城區(qū)出租車(chē)規(guī)模預(yù)測(cè)Table 12 Taxi scale forecast in 2016—2020 in Chongqing urban area

預(yù)測(cè)結(jié)果表現(xiàn)為：先緩慢增加后下降的趨勢(shì)，很大程度上取決于重慶城市軌道交通近期建設(shè)規(guī)劃(2012—2020年)。根據(jù)規(guī)劃內(nèi)容可知：2017年軌道交通5號(hào)線1期投入運(yùn)營(yíng)，2018年10號(hào)線投入運(yùn)營(yíng)，2019年9號(hào)線1期投入運(yùn)營(yíng)，到2020年重慶將形成9條運(yùn)營(yíng)線路(即1、2、3、4、5、6、9、10號(hào)線和環(huán)線)、總長(zhǎng)為410.24 km的軌道交通基本網(wǎng)絡(luò)，軌道交通占公共交通出行比例將會(huì)增加，出租車(chē)所占公共交通出行比例將會(huì)顯著減小。因此2016—2020年重慶主城區(qū)出租車(chē)規(guī)模將呈現(xiàn)先緩慢增加后下降的趨勢(shì)。

4 結(jié) 語(yǔ)

筆者通過(guò)研究系統(tǒng)動(dòng)力學(xué)模型和實(shí)載率控制法，分析各自優(yōu)缺點(diǎn)，發(fā)現(xiàn)將兩者組合在一起可互補(bǔ)。利用重慶主城區(qū)2011—2015年出租車(chē)發(fā)展相關(guān)數(shù)據(jù)，應(yīng)用3種預(yù)測(cè)方法預(yù)測(cè)了2011—2015年的出租車(chē)擁有量。結(jié)果表明：組合預(yù)測(cè)模型預(yù)測(cè)精度高于系統(tǒng)動(dòng)力學(xué)模型和實(shí)載率控制法的預(yù)測(cè)精度，說(shuō)明組合預(yù)測(cè)模型具有有效性和可行性，對(duì)城市出租車(chē)合理規(guī)模確定有重要的參考價(jià)值。最后運(yùn)用該模型對(duì)重慶主城區(qū)2016—2020年出租車(chē)規(guī)模進(jìn)行了預(yù)測(cè)。

參考文獻(xiàn)(References)：

[1] 張爽.城市出租車(chē)擁有量的確定方法研究[D].成都：西南交通大學(xué)，2009.

ZHANG Shuang.TheResearchontheDeterminationofUrbanTaxiNumber[D].Chengdu: Southwest Jiaotong University, 2009.

[2] 劉榮.出租車(chē)合理規(guī)模研究與應(yīng)用[D].長(zhǎng)沙：長(zhǎng)沙理工大學(xué)，2013.

LIU Rong.ResearchandApplicationofRationalTaxiScale[D].Changsha: Changsha University of Science & Technology, 2013.

[3] 王迎，蘇潔，侯靜.城市出租車(chē)合理?yè)碛辛看_定方法研究[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版)，2014，33(2)：131-134.

WANG Ying, SU Jie, HOU Jing. Determination of reasonable owner ship scale for urban taxicab system[J].JournalofChongqingJiaotongUniversity(NaturalScience), 2014,33(2):131-134.

[4] 楊昌濤.城市出租汽車(chē)保有量研究[D].廣州：華南理工大學(xué)，2011.

YANG Changtao.AResearchonthePossessingCapacityofTaxi[D].Guangzhou: South China University of Technology, 2011.

[5] 王其潘.系統(tǒng)動(dòng)力學(xué)[M].北京：清華大學(xué)出版社，1998.

WANG Qifan.SystemDynamics[M].Beijing: Tsinghua University Press, 1998.

[6] 左忠義，王克.基于系統(tǒng)動(dòng)力學(xué)的大連市出租車(chē)保有量預(yù)測(cè)[J].大連交通大學(xué)學(xué)報(bào)，2015，36(4)：10-13.

ZUO Zhongyi, WANG Ke. Prediction and simulation of city taxi quantity based on system dynamics[J].JournalofDalianJiaotongUniversity, 2015,36(4):10-13.

[7] 王云鵬，楊志發(fā)，李世武，等.基于系統(tǒng)動(dòng)力學(xué)的道路運(yùn)輸量預(yù)測(cè)模型[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版)，2005，35(4)：426-430.

WANG Yunpeng, YANG Zhifa, LI Shiwu, et al. Prediction model of road transportation volume based on system dynamics[J].JournalofJilinUniversity(EngineeringScienceEdition),2005,35(4):426-430.

[8] 樊潔，嚴(yán)廣樂(lè).基于系統(tǒng)動(dòng)力學(xué)的北京市私家車(chē)總量仿真與控制[J].公路交通科技，2009，26(12)：120-125.

FAN Jie, YAN Guangle. Simulation and control of amount of private cars in Beijing based on system dynamics[J].JournalofHighwayandTransportationandTechnology, 2009, 26(12):120-125.

[9] 陸建，王煒.城市出租車(chē)擁有量確定方法[J].交通運(yùn)輸工程學(xué)報(bào)，2004，4(1)：92-95.

LU Jian, WANG Wei. Confirming method of urban taxi quantity[J].JournalofTrafficandTransportationEngineering, 2004, 4(1):92-95.

[10] 莊立堅(jiān)，韋清波，何兆成，等.基于浮動(dòng)車(chē)數(shù)據(jù)的出租車(chē)運(yùn)營(yíng)管理特性建模與分析[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版)，2014，33(4)：122-127.

ZHUANG Lijian, WEI Qingbo,HE Zhaocheng, et al.Taxi operation and management characteristics based on floating car data[J].JournalofChongqingJiaotongUniversity(NaturalScience), 2014, 33(4): 122- 127.

[11] 涂德服.略論組合預(yù)測(cè)統(tǒng)計(jì)方法[J].財(cái)經(jīng)科學(xué)，1986(6)：58-62.

TU Defu. A brief discussion on the statistical methods of combination forecast[J].Finance&Economics, 1986(6):58-62.