城市道路交通影響因素相關(guān)性分析

林 慧 李慧宇 杜國(guó)強(qiáng) 熊陳琴 孫宇宇

(東北林業(yè)大學(xué)土木工程學(xué)院，黑龍江 哈爾濱 150040)

1 概述

作為城市基礎(chǔ)設(shè)施中的重要一環(huán)，道路交通基礎(chǔ)設(shè)施是災(zāi)害應(yīng)急疏散和保持城市暢通的生命線工程，對(duì)道路交通運(yùn)輸系統(tǒng)本身正常運(yùn)行和整個(gè)社會(huì)經(jīng)濟(jì)系統(tǒng)發(fā)揮著巨大作用。影響城市道路交通的因素有很多，包括城市發(fā)展?fàn)顩r、人口數(shù)量及密度、汽車保有量等等。本文調(diào)查搜集了若干大中城市的數(shù)據(jù)，通過(guò)對(duì)各城市道路交通影響因素的相關(guān)性分析，得到影響道路通勤的關(guān)鍵因素。進(jìn)一步利用多元線性回歸的方法，建立擁堵指數(shù)測(cè)度模型，為城市有效識(shí)別影響因素，合理規(guī)劃道路交通網(wǎng)絡(luò)，進(jìn)行科學(xué)決策，提供理論依據(jù)。

國(guó)內(nèi)外專家學(xué)者對(duì)道路交通相關(guān)性的分析已有很多。約翰邁耶、約翰卡恩和馬丁沃爾合著的《城市交通問(wèn)題》首次研究了經(jīng)濟(jì)因素驅(qū)動(dòng)土地利用和交通的動(dòng)態(tài)關(guān)系；Bollinger與Ihlanfeldt研究了城市規(guī)模，經(jīng)濟(jì)實(shí)力對(duì)城市軌道交通建設(shè)規(guī)模影響；K.A.Abbas利用分層回歸的非參數(shù)統(tǒng)計(jì)方法分析農(nóng)村道路的幾何特征、事故發(fā)生率和其預(yù)測(cè)值之間的關(guān)系[1]；陳紹寬等人在傳統(tǒng)的Moran’sⅠ指數(shù)中引入時(shí)間維度[2]，來(lái)研究城市道路交通時(shí)空變化規(guī)律；魏愛國(guó)，王冉冉等引入貝葉斯網(wǎng)絡(luò)理論，建立了車輛交通貝葉斯網(wǎng)絡(luò)模型，用來(lái)預(yù)測(cè)車輛發(fā)生事故的概率和各因素之間的相關(guān)性，對(duì)車輛交通事故研究有一定的幫助[3]；張殿業(yè)，金鍵，郭孜政對(duì)各體系間相互關(guān)系及各體系的具體研究?jī)?nèi)容及框架結(jié)構(gòu)進(jìn)行了分析討論，在體系框架上對(duì)道路交通的層次結(jié)構(gòu)予以搭建界定[4]；趙麗杰、劉軍在對(duì)重慶市道路交通管理及法制建設(shè)全面調(diào)研的基礎(chǔ)上，提出了相應(yīng)的道路交通事故預(yù)防和綜合治理的對(duì)策[5]。

2 道路交通影響因素相關(guān)性分析

影響城市道路交通通勤情況的因素有很多，包括自然因素(如地形地勢(shì)、氣候條件)、經(jīng)濟(jì)因素(如城市發(fā)達(dá)程度、人均收入水平)、人文因素(如居民素質(zhì)、出行方式的喜好)等。同時(shí)，城市交通布局規(guī)劃、路網(wǎng)結(jié)構(gòu)和環(huán)境也是影響道路交通通勤情況的重要因素。本文綜合考慮各方面因素的影響，選取關(guān)鍵性的八個(gè)指標(biāo)(年降雨量、降雨日數(shù)、城市面積、汽車保有量、常住人口、城市GDP、通勤高峰實(shí)際速度與通勤高峰擁堵指數(shù))進(jìn)行定量分析討論。通過(guò)查閱相關(guān)文獻(xiàn)及實(shí)際調(diào)研，搜集了九座大中城市的相關(guān)數(shù)據(jù)，具體如表1所示。

利用SPSS進(jìn)行主成分分析，得到各因素的相關(guān)性矩陣如表2所示。

表1 各城市相關(guān)數(shù)據(jù)

表2 各因素的相關(guān)性矩陣

由以上結(jié)果可以看到，“年降雨量”和“通勤高峰擁堵指數(shù)”的相關(guān)系數(shù)是-0.466，即|r|=0.466；“降雨日數(shù)”和“通勤高峰擁堵指數(shù)”的相關(guān)系數(shù)是-0.345，即|r|=0.345；一般認(rèn)為相關(guān)系數(shù)|r|在0.8～1.0之間是極強(qiáng)相關(guān)；0.6～0.8之間是強(qiáng)相關(guān)；0.4～0.6 之間是中等程度相關(guān)；0.2～0.4之間是弱相關(guān)；0.0～0.2則是極弱相關(guān)或無(wú)相關(guān)。可見，年降雨量、降雨日數(shù)與通勤高峰擁堵指數(shù)的相關(guān)關(guān)系分別為中等程度相關(guān)、弱相關(guān)。這說(shuō)明降雨情況對(duì)高峰時(shí)段通勤的擁堵程度是有一定影響的，但并不是決定性的顯著影響。針對(duì)我國(guó)眾多內(nèi)澇災(zāi)害頻發(fā)的地區(qū)，做好強(qiáng)降雨時(shí)的道路交通規(guī)劃和人車疏散顯得尤為重要。

3 高峰時(shí)段道路通勤擁堵指數(shù)計(jì)算模型

在上述道路交通影響因素相關(guān)性分析的基礎(chǔ)上，建立高峰時(shí)段道路通勤擁堵指數(shù)計(jì)算模型。由于八項(xiàng)影響因素的量綱不同，無(wú)法統(tǒng)一比較數(shù)據(jù)。本文首先對(duì)各城市相關(guān)數(shù)據(jù)進(jìn)行歸一化處理，結(jié)果如表3所示。

經(jīng)過(guò)歸一化處理后，數(shù)據(jù)可以進(jìn)行分析比較。本文利用多元線性回歸的方法，令高峰時(shí)段通勤擁堵指數(shù)為因變量，年降雨量、降雨日數(shù)、城市面積等七個(gè)因素為自變量，通過(guò)逐次回歸的方法，建立高峰時(shí)段道路通勤擁堵指數(shù)計(jì)算模型。得到輸入的變量有三個(gè)，分別為通勤高峰實(shí)際速度、城市面積、城市GDP，如表4所示。

表3 歸一化處理后數(shù)據(jù)

表4 輸入的變量

結(jié)果顯示，輸入變量的顯著性水平分別為0.004，0.004，0.001，說(shuō)明差異比較顯著，具體如表5所示。

表5 顯著性水平

最終結(jié)果如表6所示。

表6 分析結(jié)果

由表6得到高峰時(shí)段道路通勤擁堵指數(shù)計(jì)算模型為：

y=-0.03x1+0.059x2+0.038x3+1.799。

其中，x1為通勤高峰實(shí)際速度；x2為城市面積；x3為城市GDP。

4 案例分析

本文以哈爾濱市為實(shí)踐對(duì)象，利用上述高峰時(shí)段道路通勤擁堵指數(shù)計(jì)算模型得到哈爾濱市擁堵指數(shù)，并與哈爾濱市高峰時(shí)段實(shí)際道路通勤擁堵指數(shù)進(jìn)行比較，進(jìn)一步檢驗(yàn)?zāi)Ｐ涂煽啃浴９枮I市相關(guān)數(shù)據(jù)見表7。

表7 哈爾濱市相關(guān)數(shù)據(jù)

經(jīng)SPSS歸一化處理后數(shù)據(jù)如表8所示。

表8 哈爾濱市歸一化處理后數(shù)據(jù)

經(jīng)計(jì)算，哈爾濱市高峰時(shí)段道路通勤擁堵指數(shù)為：y=-0.03x1+0.059x2+0.038x3+1.799=1.985。

經(jīng)查閱資料，哈爾濱市高峰時(shí)段實(shí)際道路通勤擁堵指數(shù)為1.975，證明上述高峰時(shí)段道路通勤擁堵指數(shù)計(jì)算模型在誤差允許范圍內(nèi)具備可靠性。

5 結(jié)語(yǔ)

1)本文首先選取九座大中城市的道路通勤影響因素?cái)?shù)據(jù)進(jìn)行分析，得到相關(guān)性矩陣，以此初步判別各因素與道路通勤擁堵狀況之間的關(guān)系。

2)利用SPSS軟件對(duì)數(shù)據(jù)進(jìn)行歸一化處理，以便后續(xù)的統(tǒng)一分析與模型構(gòu)建。

3)對(duì)歸一化處理后的各因素進(jìn)行多元線性回歸分析，得到高峰時(shí)段道路通勤擁堵指數(shù)測(cè)度模型。并將該模型應(yīng)用于哈爾濱市，得到哈爾濱市高峰時(shí)段道路通勤擁堵指數(shù)，通過(guò)與哈爾濱市實(shí)際高峰時(shí)段道路通勤擁堵指數(shù)比較，驗(yàn)證模型可靠性。

4)為城市計(jì)算高峰時(shí)段道路通勤擁堵指數(shù)提供測(cè)度模型，同時(shí)給各地區(qū)政府合理規(guī)劃道路網(wǎng)絡(luò)，緩解道路擁堵情況提出科學(xué)的決策依據(jù)。