基于MDID模型測評ITS改善城市交通擁堵的貢獻

(信陽師范學院 旅游學院， 河南 信陽 464000)

一、引言

2011年，國家啟動了“國家物聯(lián)網(wǎng)應用示范工程”，在交通、農(nóng)業(yè)、公安、林業(yè)等八個領域開展典型示范應用。其中，交通運輸部結合行業(yè)發(fā)展現(xiàn)狀，著眼于物聯(lián)網(wǎng)產(chǎn)業(yè)的推動發(fā)展，以廣州為示范區(qū)域，組織開展了“基于物聯(lián)網(wǎng)的城市智能交通應用示范工程”。為此，交通運輸部設立了“基于物聯(lián)網(wǎng)的城市智能交通關鍵技術研究”重大信息化科技專項。智能交通系統(tǒng)(Intelligence Transportation System，以下簡稱ITS)作為物聯(lián)網(wǎng)技術在交通行業(yè)應用的新生產(chǎn)物，與傳統(tǒng)交通運輸項目相比，它表現(xiàn)出動態(tài)性、新穎性、復雜性、廣泛性等特點。目前，ITS已經(jīng)在中國開始建設并應用，在改善城市交通運行與服務的暢通性、安全性、綠色性、便捷性等方面已經(jīng)取得了一定的成效。

城市智能交通是一個復雜的綜合性系統(tǒng)，其發(fā)展建設受城市交通環(huán)境、人口、地理位置、經(jīng)濟水平等眾多因素影響。盡管智能交通產(chǎn)業(yè)建設在多個領域已經(jīng)取得了顯著效果，交通運輸整體狀況也得到一定程度改善，但是，關于ITS應用效果的研究仍然以宏觀層面的管理、建設為主導，對ITS微觀層面應用效果的研究較為匱乏，比如，ITS對城市交通出行環(huán)境，出行服務質量，出行的暢通性、安全性等改善的研究成果很少。從已有成果來看，ITS應用績效評價研究多從其產(chǎn)生的經(jīng)濟效益、社會效益等宏觀輸出層面入手分析，比如，美國2000年發(fā)布的“National ITS Architecture”對ITS的評價內容做了較全面闡述，包括評價設計、成本分析、性能效益研究、風險分析、評價指導性文件。此前，美國運輸部還公布了其他有關APTS(Benefits Assessment of Advanced Public Transportation System)評價的指導性文件，如“1994年ITS評價指導方針TEA-21中的AVIS評價指南”。日本在ITS經(jīng)濟效益評價的基礎上，針對不同ITS子項目設計了相應的評價方法，重點考察ITS的社會效益。歐盟則在“1994-1998 TELEMATICS計劃”中指出，ITS評價的主要方向為：為公眾提供出行信息、路線引導和事故報告服務，為車輛提供自動定位、最佳路線選擇和信息交換服務，為公共交通提供準確的信息和乘車服務，為交通管理提供自適應交通信號、自動收費、環(huán)境監(jiān)測和事故自動檢測服務等。除了國家宏觀發(fā)展層面提出的評價措施，學者們也進行了研究，史其信、梁玉慶、陸化普、高自友、黃海軍等較早評價了ITS的應用效益，并初步將評價指標概括為：降低交通成本、減少出行時間、緩解土地資源及交通基礎設施投資強度、推動相關產(chǎn)業(yè)發(fā)展和技術進步、滿足交通需求和提供高生活質量以及其他社會經(jīng)濟效益〔1～5〕。之后，評價指標開始被分類細化，比如從公共交通設施水平、服務水平、效益水平、社會責任四個層面建立綜合評價指標體系〔6～8〕；以舒適、安全、便捷、時效等為指標，從定性與定量相結合的層面評價快速公交換乘系統(tǒng)的應用效益〔9～12〕，并準確提出了評價ITS綜合效益的指標體系〔13〕。此外，有學者從宏觀應用層面按照社會效益、個人效益、企業(yè)效益等對ITS進行評價〔14～16〕；從ITS建設投資層面，探討了ITS對直接就業(yè)人數(shù)、經(jīng)濟乘數(shù)、生產(chǎn)率、技術擴散和競爭力等潛在宏觀經(jīng)濟的影響〔17～18〕；但是，由于很多地區(qū)的ITS核心基礎設施并未廣泛建成，導致指標度量較為困難。Brand，Levidkangas等對ITS項目自身的效益進行評價，實現(xiàn)對不同ITS子項目的篩選、排序和選擇〔19～20〕。綜上可知，已有研究成果從不同視角構建了不同指標體系，結合了不同方法對ITS的應用績效進行了評價；但是，綜合分析之后發(fā)現(xiàn)，存在以下問題：第一，由于評價對象受到的影響因素較多且具有一定交叉性，使得評價方法選取受限，導致定性或模糊數(shù)學等主觀性較強的方法成為了主導方法，影響了結果的準確性；第二，大部分評價研究停留在宏觀層面，對微觀層面的定量化評價相對匱乏。因此，本文嘗試進行改進和創(chuàng)新，在考慮“投入—產(chǎn)出”的前提下，通過構建立體式、動態(tài)性的評價指標體系，評價ITS對城市交通擁堵改善的貢獻。

二、模型的構建

雖然筆者在前期研究ITS的應用時，借助DID模型評價了ITS對交通擁堵改善的作用；但是，DID模型在測算貢獻率時，主要針對那些在短期內有較大變化且容易選取對照組的領域，而對于交通等一些較復雜領域的研究涉及較少，對ITS應用效果以及對城市交通擁堵改善貢獻的研究也相對空白。此時，DID模型的使用受到限制，而ITS的復雜性決定了選取對照組時的困難。因此，探尋一個有效選取對照組的方法，能較好的使用DID方法評價ITS的應用效果。本文主要通過引入匹配算法，構建匹配雙重差分模型(MDID)來解決這一問題。

(一)模型應用思路

DID模型應用的核心思想是：以建設了ITS的地區(qū)為“實驗組”，未建設ITS的地區(qū)為“控制組”，利用DID模型有效控制其他可能因素的影響后，既能分離出實驗組在ITS應用后交通運行狀況變化的個體差異，又能分離出不同區(qū)域在時間上的差異，從而識別出ITS的應用效果(圖1)。

圖1 DID模型評價ITS應用效果時的框架

從DID模型的研究和應用現(xiàn)狀來看，控制組的選取主要依靠主觀判斷，缺乏客觀定量的衡量標準；當控制組為單一個體時，計算結果會嚴重依賴于該個體的數(shù)據(jù)，造成模型穩(wěn)健性不高，因此，需要對模型進行改進。同時DID模型在選取控制組時主觀性太強，影響了ITS應用效果評價結論的真實性，可引入匹配算法加以解決。匹配算法并非真正意義上的實驗算法，是通過采用一種近似實驗的算法處理一些難以有效區(qū)分實驗組和控制組的數(shù)據(jù)。匹配算法認為具有相同特征的個體對同一政策變量有相同的反應，即在ITS應用效果評價的過程中，實驗組和控制組的決策行為不受不可觀測變量的影響。將匹配算法引入DID模型之后，擴大了控制組的選擇范圍，避免了控制組選取的主觀隨意性，消除非共同支撐域和非同分布所導致的估計偏差。

(二)MDID模型構建

MDID模型是在DID模型基礎上引入匹配模塊，使用匹配算法尋找最優(yōu)控制組，然后通過構建干預實施前的虛擬處理個體，在匹配選取的控制組基礎上進行雙重差分。MDID模型在測算貢獻率時具有以下優(yōu)點：(1)解決了DID模型選取控制組時的人為因素；(2)匹配算法無法解決不可觀測的時間固定效應，而DID模型可以解決；(3)MDID允許存在不可觀測因素的影響；(4)在實施擬合過程中，國內城市的車速數(shù)據(jù)較難獲得，而MDID模型的匹配過程不需要大量的車速數(shù)據(jù)，使構建較大備選庫成為可能，減少了控制組選取時的人為因素；(5)MDID模型的理論相對完備，便于進行檢驗和推斷。

1．DID模型

一般化的DID估計模型為yi=β+αidi+ui。其中，虛擬變量di=1表示實驗組對象，di=0表示控制組對象。實驗組的平均處置效應(Average treatment effect on the treated,ATT)度量處理組和控制組的平均回報，為考察動態(tài)變化，引入時間變量的估計模型為：

yit=β+αidij+uij。

其中，虛擬變量t=t0表示政策實施前的時間區(qū)段，t=t1表示政策實施后的時間區(qū)段，且政策實施僅對實驗組有影響(外生性假定)，由此可得ATT為，

The magnitudes of the grain size D, dislocation density δ, and the strain ε of the CuInGeSe4 thin film are found to be 48 nm, 3.93 × 10?3, and 1.14 × 1012 line/cm2, respectively.

αATT=E[α|di=1]

={E[yit|di=1,t=t1]-E[yij|di=1,t=t0]}-{E[yit|di=0,t=t1]-E[yit|di=0,t=t0]}，

2．匹配算法

Pr(D=1|Y(0),Y(1),PS(X))=Pr(D=1|PS(X))=PS(X)，

在處理PS時，選擇Probit模型進行回歸分析，通過以下公式得到匹配估計值：

根據(jù)雙重差分和匹配估計量，建立匹配雙重差分估計量：

考慮到包含其他影響因素的控制變量，可以構造如下面板模型估計ATT的取值：

wijyit=β0+β1tit+β2xit+αidit+γtitdit+δi+μit。

yit為隨機變量，wij為權重，xit為控制變量，β0、β1、β2為系數(shù)向量，參數(shù)β1表示沒有政策干預時實驗組與控制組的經(jīng)濟行為如何隨時間變動，δi，uit為隨機干擾項，不隨時間變動。αi為實驗組和控制組中任何不隨時間變動的差異，titdit是虛擬變量交叉項，γ表示實驗組接受政策后的變動程度，反映了政策變動的效應，是目標變量，不僅度量了政策實施前后的效果，也度量了實驗組與控制組之間的政策差異。

三、ITS對交通擁堵改善的貢獻

(一)指標分析

筆者在前期研究成果中指出：交通擁堵可從暢通狀態(tài)和效率兩個方面來解釋，而城市交通運行的暢通性取決于路網(wǎng)中各個路段或交叉口處的交通狀況。一般來講，導致城市交通擁堵的原因有很多，歸根結底是交通需求與交通供給的不匹配、不協(xié)調。交通需求方面，主要受城市經(jīng)濟、交通構成、機動化出行等因素的影響；交通供給方面，包含了城市交通管理與規(guī)劃、道路基礎設施及相關交通服務設施等〔21～22〕?；谝陨戏治?，挑選可量化且數(shù)據(jù)可獲取的因素形成指標集(見表1)，并進行分析。

根據(jù)前文分析，本文選擇路網(wǎng)平均行車速度(A-SPEED)作為交通擁堵的表征指標，考慮指標之間的規(guī)律性和數(shù)據(jù)可獲取性，定量分析并明確指標間的相關性。主要以北京市為例，收集北京市2000～2010年的指標數(shù)據(jù)，并利用Eviews軟件進行相關性檢驗，結果如表2所示。

表1 影響交通擁堵的主要指標

表2 交通擁堵表征指標與路網(wǎng)平均行車速度之間的相關性

結果顯示，GDP、POP等影響因素與A-SPEED之間的相關系數(shù)均在0.7以上，相關性較高，是影響A-SPEED的主要因素。參考國內外學者已研究的交通擁堵評價指標的基礎上，根據(jù)“從一般到簡單”的計量建模原則，對指標進行篩選。MDID模型中的CIA假設為自變量的篩選提供部分依據(jù)：自變量被“干預”所影響，但不能影響“干預”。根據(jù)MDID假設條件，實施格蘭杰檢驗，剔除不滿足CIA條件的變量。檢驗結果表明，P-POP為車速的格蘭杰原因的檢驗結果是顯著的(P<0.05)，說明P-POP不適宜作為A-SPEED的自變量。

(二)構建匹配池

雙重差分方法需要控制組城市，廣州作為ITS示范工程的唯一城市，作為控制組的對比城市是未實施ITS的城市，但手工選取對比城市存在兩個缺陷：一是作為廣州的對比城市可以容忍多大的差異，是10%還是30%，沒有客觀的標準；二是如果選擇單一城市，計算結果會嚴重依賴于這一城市的數(shù)據(jù)。通過引入匹配過程可解決以上兩個問題，為科學選取最優(yōu)對比城市提供了理論支持。但執(zhí)行匹配算法之前，需要確定哪些城市可進入匹配池。根據(jù)模型原理，選取控制組城市時假設政策具有外生性，即政策不應與誤差項相關，ITS僅影響廣州而對控制組城市沒有影響或影響以忽略。此假設引申的要求為：(1)模型允許存在不可觀測因素的影響；(2)除政策外，其余因素的影響作用相同；(3)控制組和實驗組的特征穩(wěn)定。根據(jù)以上要求，結合中國行政區(qū)劃，選擇30個省會中心城市(拉薩除外)和大連、深圳、廈門、青島、蘇州、寧波6個城市組成匹配池，并采集36個城市2015年的數(shù)據(jù)作為備選庫截面數(shù)據(jù)。對原始數(shù)據(jù)進行Probit穩(wěn)健回歸，結果如表3所示。

表3 交通擁堵表征指標的Probit穩(wěn)健回歸結果

由表3可知，P-BUS在Probit回歸中，系數(shù)穩(wěn)健檢驗不顯著，且與C-CAR存在較高的共線性，但它與A-SPEED的相關度低于C-CAR的相關度，因此不適于進入模型。將其剔除后，R2，AIC/SIC變化并不明顯。此外，ROM和ROA存在不容忽略的共線性問題，不適于放在同一模型中，保留ROM之后，4個自由度的Wald統(tǒng)計量為19.89，P值為0.0005，Log pseudo似然度為-2.276，PseudoR2為0.782，擬合程度可以接受。

Probit回歸后，在共同支撐域下計算PS值。采用半徑法匹配算法(半徑取值為0.1%)選取控制組城市并計算權重。結果顯示，控制組組城市為深圳、上海和蘇州，并采用Gaussian核密度函數(shù)進行計算，高斯寬度參數(shù)設為0.1，計算結果見表4。

為保證模型的穩(wěn)健性，對數(shù)據(jù)進行對數(shù)化處理，重新計算得到的PS值為：0.226(廣州)，0.405(深圳)，0.170(上海)，0.137(蘇州)，說明模型具備較好的穩(wěn)定性。因此，可虛擬一個城市A為控制組，即城市A=0.403×深圳+0.139×上海+0.458×蘇州。

(三)貢獻率測算

表4 PS值和權重

其余32個城市，PS值均小于0.001。不再羅列。

根據(jù)上述內容，采集實驗組和控制組城市2008～2015年的指標數(shù)據(jù)，為了與被解釋變量A-SPEED保持一致，分別對變量除以常住人口，得到人均變量。假設，貢獻率為因x變動引起的y變動除以總的y變動，比照索洛增長模型，取對數(shù)差分后，虛擬變量系數(shù)即為貢獻率。設組別虛擬變量為GRP，GRP=0表示變量隸屬于控制組，GRP=1表示變量隸屬于實驗組，ITS為政策虛擬變量，交叉項為GRP×ITS，可建立最終的貢獻率測評模型：

W×A-SPEED=a0+a1×ROM+a2×C-CAR+a3×GDP+b1×GRP+b2×ITS+b3×GRP×ITS+μ。

由于上述數(shù)據(jù)是非對稱分布的，條件期望的最小二乘模型難以精確反映真實情況，因此，本文建立了以下固定效應估計模型，使用分位數(shù)回歸模型進行擬合，對模型的穩(wěn)健性進行檢驗，計算結果為表5。

表5 匹配雙重差分模型估計結果

由表5的測算結果得出以下結論：

(1)實施智能交通項目對廣州路網(wǎng)平均車速提高的凈貢獻為9.25%，即在廣州交通堵改善的提升中，有9.25%是由ITS項目貢獻的。

(2)由方差R2=0.704可知，包含4個變量和2個自由虛擬變量的模型解釋了總變動的70.41%，其余約30%的變動是模型未包含的因素造成的，包括系統(tǒng)性誤差、遺漏變量、變量約簡誤差、其他無法解釋的誤差等。

(3)截距系數(shù)constant=0.054。由于控制組不可能完全沒有建設ITS，因此，該值表示控制組城市受ITS影響的比例為5.4%，比值較小，可忽略，說明控制組的選取是科學合理的，也佐證了貢獻率測算結果的真實性。

(4)政策虛擬變量系數(shù)值為-0.031，表示受時間因素及其他因素影響，從2008～2015年，控制組城市交通暢通性水平減少了3.14%，該值較小，說明控制組交通暢通性在該時間段內較為平穩(wěn)，有益于使用MDID模型進行貢獻率測評。

(5)GRP的系數(shù)為-0.036，表明在ITS實施前，控制組與處理組之間的交通暢通性水平差異較小，僅為3.6%，說明控制組與處理組選擇的較為合理。

(6)ROM、C-CAR和GDP的系數(shù)分別為1.085、-1.867和1.865，說明道路長度和GDP與暢通性存在正相關關系，且GDP的相關性高于道路長度；而民用機動車擁有量與暢通性存在負相關關系，且對暢通性的影響較大。

(四)測算結果分析

ITS的應用必然會給城市交通發(fā)展帶來積極影響，但是伴隨城市自身的快速發(fā)展，加之ITS受較多因素的作用，城市交通擁堵并沒有得到明顯改善。因此，基于以上結論，本文從以下幾個角度提出改善城市交通擁堵的策略建議。

(1)提升城市交通管理水平，改善現(xiàn)有路網(wǎng)結構。城市要能夠認準市場經(jīng)濟體制的要求，參考城市交通的自身發(fā)展現(xiàn)狀，推進管理體制的改革，如積極推行政企分開、政事分開，優(yōu)先發(fā)展公共交通，加強信息化技術的使用，發(fā)展多核心城市空間結構等；在進行路網(wǎng)規(guī)劃時，要在對未來很長一段時間交通環(huán)境預測的基礎上進行預見性的規(guī)劃，避免出現(xiàn)后期建設否定前期成果的情形；完善靜態(tài)交通設施，如建立立體化車庫。

(2)保證城市發(fā)展進程下有效改善交通擁堵。城市經(jīng)濟發(fā)展、人口增多勢必會增加機動車的保有量，從而影響交通暢通狀態(tài)，而此時可采取提高車輛稅、停車費、收取道路擁擠費及公共交通出行優(yōu)惠等手段，利用價格機制合理引導交通需求，緩解擁堵。如提高停車費、收取道路擁擠費及實施公共交通出行優(yōu)惠等手段可限制城市外圍車輛進入城市中心區(qū)域，鼓勵換乘公共交通工具。

(3)優(yōu)化城市交通基礎運行狀況。目前，我國機動車保有量以每年15%的速度增長，而城市道路僅以3%的速度增長，這種比例極不合理，由于城市土地資源是有限的，需要我們最大效用利用有限的土地資源。因此，可采用多種方式改善道路使用程度，如建立互通交叉立交橋、采用環(huán)島行交叉路口、交通燈智能化控制路口等改善路網(wǎng)行車速度；合理設置不同等級道路的交叉口間距、加強道路之間的互通互聯(lián)率、縮短出行距離，安裝智能化路況顯示屏、合理分配交通流量、減少出行時間；強化城市快速路和城市支路建設、合理控制道路兩側的預留用地等。

(4)合理配置交通構成方式。加強公交設施和服務的改進，吸引更多人群出行改用公交車，如優(yōu)化公交布局、發(fā)展多種形式的快速公交專車、實行峰谷時段收費不同的優(yōu)惠公交卡等，提高公共交通分擔率。

四、總結

本文研究結論為城市ITS的規(guī)劃及建設投入提供了定量分析方法和決策參考，對城市中的示范性工程應用績效評價有一定參考價值，也為完善DID模型的應用技術處理提供了新思路。從研究結果來看，ITS能夠減緩交通擁堵、減少車輛行駛時間和距離、提高交通運行速度等，但是伴隨著城市自身的快速發(fā)展，加之受較多因素影響，導致路網(wǎng)平均行車速度的改善并不明顯或者某些城市的平均車速反而降低了，主要因為ITS產(chǎn)生的正向作用小于其他因素帶來的負向作用，但不能否定ITS的貢獻價值。