基于灰色-BP神經(jīng)網(wǎng)絡(luò)模型的多情景交通用地需求預(yù)測(cè)
——以長(zhǎng)江中游城市群為例

史云揚(yáng) 李 牧 付 野 王立威 孫敏軒 郝晉珉*

(1.中國(guó)農(nóng)業(yè)大學(xué) 土地科學(xué)與技術(shù)學(xué)院，北京 100193；2.自然資源部 農(nóng)用地質(zhì)量與監(jiān)控重點(diǎn)實(shí)驗(yàn)室， 北京 100193；3.北京市規(guī)劃和自然資源委員會(huì)通州分局， 北京 101100；4.自然資源部 國(guó)土整治中心， 北京 100035)

交通用地，是指居民點(diǎn)以外的包括公路、鐵路、機(jī)場(chǎng)和港口碼頭等用地方式的土地利用類型[1-2]，作為建設(shè)用地的重要組成部分，承載著溝通和傳遞區(qū)域間物質(zhì)、能量和信息的主要功能，對(duì)于推動(dòng)我國(guó)城市化進(jìn)程具有重要的意義。但是交通用地在促進(jìn)區(qū)域社會(huì)經(jīng)濟(jì)高速發(fā)展的同時(shí)，會(huì)占用大量的土地資源，帶來(lái)不同用地類型之間的矛盾和沖突，若不加限制的擴(kuò)大交通用地規(guī)模勢(shì)必會(huì)對(duì)發(fā)展造成不利的影響[3]。根據(jù)自然資源部統(tǒng)計(jì)數(shù)據(jù)顯示，2009—2016年全國(guó)交通用地總計(jì)供應(yīng)了105.41萬(wàn)hm2，占國(guó)有建設(shè)用地供應(yīng)總量的23.06%，年均供給量維持在13萬(wàn)hm2以上，規(guī)模和增速均高于住宅、商服等用地類型。可以預(yù)見(jiàn)到未來(lái)隨著新型城鎮(zhèn)化進(jìn)程的不斷推進(jìn)，交通用地與耕地、林地等農(nóng)用地以及與建設(shè)用地內(nèi)部其他用地間的沖突將會(huì)更加劇烈。因此，通過(guò)科學(xué)方法合理預(yù)測(cè)交通用地需求并確定其用地規(guī)模對(duì)于區(qū)域土地資源節(jié)約集約利用和可持續(xù)發(fā)展具有重要的指導(dǎo)意義[3]。

在相關(guān)國(guó)內(nèi)外研究中，學(xué)者們基于不同的研究視角對(duì)交通用地預(yù)測(cè)所采取的研究思路和研究方法均存在著差異。李京濤等[4]和張寧等[5]從城市土地利用與交通用地的相互關(guān)系出發(fā)，證明了城市用地規(guī)模與交通體系間存在著極強(qiáng)的耦合作用；俞潔等[6]則通過(guò)分析成長(zhǎng)型城市交通發(fā)展需求，提出將TOD理念引入城市交通規(guī)劃之中；李雙成等[7]采用統(tǒng)計(jì)分析方法，得出了我國(guó)道路影響生態(tài)系統(tǒng)面積占全國(guó)國(guó)土面積的18.37%的研究結(jié)論，以底線思維的視角提醒人們交通用地規(guī)模應(yīng)與生態(tài)安全的目標(biāo)相協(xié)調(diào)。在預(yù)測(cè)的方法上，格根哈達(dá)等[2]通過(guò)灰色-馬爾科夫模型，克服了傳統(tǒng)歷史數(shù)據(jù)平穩(wěn)性較差的難題，對(duì)錫林郭勒盟交通用地需求量進(jìn)行了預(yù)測(cè)；卞鳳蘭等[3]則構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，以城鎮(zhèn)占地比和城市化率為輸入元，公路占地比為輸出元，預(yù)測(cè)了2020年安徽省公路用地的規(guī)模；楊戈[8]以河南省作為研究對(duì)象，采用項(xiàng)目法和交通指數(shù)法進(jìn)行綜合分析，得出了其2020和2030年交通用地的遠(yuǎn)景需求；另外，也有學(xué)者采用遺傳算法[9]、生長(zhǎng)曲線法[10]、系統(tǒng)動(dòng)力學(xué)模型[11]、多目標(biāo)規(guī)劃模型[12]、國(guó)土系數(shù)法[13-14]等方法進(jìn)行了相應(yīng)的研究。

已有成果為本研究奠定了良好基礎(chǔ)，目前對(duì)于交通用地需求量的預(yù)測(cè)主要形成了2種思路：一種是基于歷史規(guī)模數(shù)據(jù)，通過(guò)不同的算法結(jié)構(gòu)和統(tǒng)計(jì)方法進(jìn)行系統(tǒng)仿真，進(jìn)而推導(dǎo)出未來(lái)的需求值；另一種則是以現(xiàn)行規(guī)劃控制目標(biāo)為基礎(chǔ)，通過(guò)預(yù)測(cè)人口和GDP等相關(guān)影響因素的需求來(lái)得到交通用地的規(guī)模。而在城鎮(zhèn)化進(jìn)程中人們對(duì)于交通用地的需求具有階段性特征，以歷史數(shù)據(jù)和規(guī)劃目標(biāo)為參考會(huì)掩蓋社會(huì)發(fā)展的風(fēng)險(xiǎn)性及不確定性特征，使得交通用地預(yù)測(cè)結(jié)果失真[15]。改革開(kāi)放以來(lái)，中國(guó)城鎮(zhèn)化進(jìn)程加速，出現(xiàn)了具有中國(guó)特色的城市群空間組織模式。城市群是支撐全國(guó)經(jīng)濟(jì)增長(zhǎng)、促進(jìn)區(qū)域協(xié)調(diào)發(fā)展的重要平臺(tái)，同時(shí)也是面向新時(shí)代要求打破行政區(qū)劃限制，劃分我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展空間格局的基本單元[16]?；诖?，本研究以處于城市集聚發(fā)展中期的長(zhǎng)江中游城市群作為研究對(duì)象，探索以城鎮(zhèn)化工業(yè)化為發(fā)展導(dǎo)向的城市群建設(shè)中交通用地規(guī)模的合理性特征，采用灰色-BP神經(jīng)網(wǎng)絡(luò)耦合模型，并設(shè)置不同研究情景對(duì)交通用地需求進(jìn)行預(yù)測(cè)，旨為長(zhǎng)江中游城市群土地合理利用提供科學(xué)依據(jù)，為區(qū)域國(guó)土空間規(guī)劃的編制提供借鑒。

1 研究區(qū)概況及數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

長(zhǎng)江中游城市群是圍繞武漢為中心，以武漢城市圈、環(huán)長(zhǎng)株潭城市群和環(huán)鄱陽(yáng)湖城市群為主體形成的特大型國(guó)家級(jí)城市群，規(guī)劃范圍包括：湖北省武漢、黃石、鄂州、黃岡、孝感、咸寧、仙桃、潛江、天門(mén)、襄陽(yáng)、宜昌、荊州和荊門(mén)市；湖南省長(zhǎng)沙、株洲、湘潭、岳陽(yáng)、益陽(yáng)、常德、衡陽(yáng)和婁底市；江西省南昌、九江、景德鎮(zhèn)、鷹潭、新余、宜春、萍鄉(xiāng)、上饒、撫州市和吉安市新干縣。共31個(gè)地市[17](圖1)。2017年，長(zhǎng)江中游城市群土地面積約32.61萬(wàn)km2，總?cè)丝?.25億，地區(qū)生產(chǎn)總值達(dá)7.90萬(wàn)億元。長(zhǎng)江中游城市群以全國(guó)3.4%的土地面積和9.0%的人口數(shù)量創(chuàng)造了9.6%的經(jīng)濟(jì)總量。長(zhǎng)江中游城市群承東啟西，連通南北，是長(zhǎng)江經(jīng)濟(jì)帶的重要樞紐和節(jié)點(diǎn)，也是繼長(zhǎng)三角城市群、珠三角城市群和京津冀城市群后第四大核心發(fā)展區(qū)域，被定位為未來(lái)中國(guó)經(jīng)濟(jì)“新增長(zhǎng)極”。

2016年，長(zhǎng)江中游城市群交通用地規(guī)模為26.12萬(wàn)hm2，較2009年增加了7.77萬(wàn)hm2，增速為42.31%，略低于城鎮(zhèn)用地增加速率而高于其他建設(shè)用地類型。其中，公路用地由2009年的15.26萬(wàn)增加到2016年21.6萬(wàn)hm2，增加總量占交通用地總增量的81.55%；鐵路用地由2009年的2.68萬(wàn)增至2016年的3.91萬(wàn)hm2，增量占交通用地總增量的15.88%；而機(jī)場(chǎng)用地和港口碼頭用地共計(jì)增加了0.23萬(wàn)hm2，合計(jì)增量不足總增量的1%?？梢?jiàn)未來(lái)長(zhǎng)江中游城市群交通用地規(guī)劃中公路和鐵路的需求需重點(diǎn)考慮。

圖1 長(zhǎng)江中游城市群區(qū)位示意圖
Fig.1 Location sketch map of urban agglomeration in the middle reaches of the Yangtze River

1.2 數(shù)據(jù)來(lái)源

本研究主要采用了長(zhǎng)江中游城市群各市2009—2016年土地利用現(xiàn)狀數(shù)據(jù)、人口、工業(yè)和服務(wù)業(yè)等相關(guān)部門(mén)的經(jīng)濟(jì)社會(huì)核算數(shù)據(jù)和行政區(qū)劃空間數(shù)據(jù)等3方面的基礎(chǔ)數(shù)據(jù)。1)2009—2016年土地利用現(xiàn)狀數(shù)據(jù)來(lái)自自然資源部土地調(diào)查成果共享應(yīng)用服務(wù)平臺(tái)，各地類面積規(guī)模嚴(yán)格按照《全國(guó)第二次土地調(diào)查分類規(guī)范》進(jìn)行統(tǒng)計(jì)。2)人口和國(guó)民經(jīng)濟(jì)各部門(mén)的相關(guān)核算數(shù)據(jù)來(lái)自2009—2016年《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)城市統(tǒng)計(jì)年鑒》、《中國(guó)人口和就業(yè)統(tǒng)計(jì)年鑒》和相關(guān)各市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)等。3)行政區(qū)劃空間數(shù)據(jù)來(lái)自國(guó)家基礎(chǔ)地理信息中心提供的1∶400萬(wàn)矢量數(shù)據(jù)，并根據(jù)實(shí)際情況對(duì)行政區(qū)名稱及界線進(jìn)行了相應(yīng)的修正。值得注意的是，基于數(shù)據(jù)的可獲得性，本研究所針對(duì)的長(zhǎng)江中游城市群地區(qū)僅包括《長(zhǎng)江中游城市群發(fā)展規(guī)劃》中的27個(gè)地級(jí)市(不包含湖北省仙桃、潛江、天門(mén)市以及江西省新干縣)。

2 研究方法

2.1 長(zhǎng)江中游城市群交通用地主要影響因素分析

2.1.1交通用地需求影響因子評(píng)價(jià)指標(biāo)體系的構(gòu)建

交通用地作為溝通和傳輸區(qū)域間各種能流交換的載體和通道，對(duì)于區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展具有重要的支撐和保障功能，區(qū)域交通用地需求在一定時(shí)空內(nèi)表現(xiàn)出同社會(huì)經(jīng)濟(jì)生產(chǎn)力發(fā)展相協(xié)調(diào)的特征。因此，參閱學(xué)者們的已有研究成果[10,16,18-20]，本著指標(biāo)選取范圍合理和指標(biāo)體系符合研究區(qū)實(shí)際的原則，結(jié)合數(shù)據(jù)來(lái)源的可靠性和數(shù)據(jù)的可獲取性，從可以指代經(jīng)濟(jì)社會(huì)發(fā)展特征的勞動(dòng)力資源稟賦、城鎮(zhèn)化水平和產(chǎn)業(yè)結(jié)構(gòu)高度化程度等9個(gè)評(píng)價(jià)維度選取總?cè)丝?、城?zhèn)用地規(guī)模、城市化率和二三產(chǎn)業(yè)從業(yè)人員數(shù)等11項(xiàng)因子指標(biāo)構(gòu)建起長(zhǎng)江中游城市群交通用地需求的影響因子指標(biāo)體系(表1)。

表1 交通用地需求影響因子評(píng)價(jià)指標(biāo)體系Table 1 Evaluation index system of influencing factors of transportation land demand

2.1.2長(zhǎng)江中游城市群交通用地主要影響因素識(shí)別

灰色系統(tǒng)理論是控制理論的一個(gè)新領(lǐng)域。是控制論的觀點(diǎn)和方法應(yīng)用于社會(huì)經(jīng)濟(jì)系統(tǒng)的產(chǎn)物。它以灰色系統(tǒng)為研究對(duì)象，以灰色系統(tǒng)的白化、淡化、量化、模型化和最優(yōu)化為核心，通過(guò)對(duì)有限的已知信息進(jìn)行生成和開(kāi)發(fā)，獲取有價(jià)值的信息，弱化原始數(shù)據(jù)的隨機(jī)性，從無(wú)規(guī)律的原始數(shù)據(jù)中找出規(guī)律，應(yīng)用微分?jǐn)M合法，將時(shí)間序列轉(zhuǎn)化為微分方程，進(jìn)而建立模型，特別適合于少樣本、貧信息的社會(huì)經(jīng)濟(jì)指標(biāo)的分析和預(yù)測(cè)[21]。本研究在此主要采用灰色因素關(guān)聯(lián)分析法對(duì)長(zhǎng)江中游城市群交通用地主要影響因素進(jìn)行識(shí)別，灰色關(guān)聯(lián)分析法是一種多因素的統(tǒng)計(jì)方法，它根據(jù)因素之間發(fā)展趨勢(shì)的相似或相異程度來(lái)衡量因素間的相關(guān)程度，并以“灰色關(guān)聯(lián)度”的高低來(lái)加以表征，其計(jì)算過(guò)程如下：

1)確定參考序列和比較序列。

根據(jù)研究所需，以2009—2016年長(zhǎng)江中游城市群交通用地規(guī)模量作為因變量組(Y)并設(shè)定為參考序列Y={Y(k)|k=1,2,…,n}，城鎮(zhèn)用地規(guī)模、城市化率、總?cè)丝?、?guó)內(nèi)生產(chǎn)總值、地方財(cái)政一般預(yù)算內(nèi)收入、全社會(huì)固定資產(chǎn)投資總額、社會(huì)消費(fèi)品零售總額、工業(yè)總產(chǎn)值、職工平均工資、二三產(chǎn)業(yè)產(chǎn)值占GDP比例和二三產(chǎn)從業(yè)人員數(shù)分別作為自變量組設(shè)定為8組比較序列Xi={Xi(k)|k=1,2,…,n},i=1,2,…,m。

2)對(duì)指標(biāo)進(jìn)行無(wú)量綱化處理。

由于各原始數(shù)據(jù)的量綱不同導(dǎo)致數(shù)據(jù)間無(wú)法進(jìn)行分析比較，所以在對(duì)數(shù)據(jù)進(jìn)行關(guān)聯(lián)關(guān)系前需要進(jìn)行無(wú)量綱化處理以消除不同數(shù)據(jù)間的量綱差異，灰色關(guān)聯(lián)分析方法中常用的無(wú)量綱化方法包括初值轉(zhuǎn)換法、均值轉(zhuǎn)換法以及標(biāo)準(zhǔn)化轉(zhuǎn)換法。在此采用初值轉(zhuǎn)換法以參考序列為準(zhǔn)對(duì)原始數(shù)據(jù)求取初值像，計(jì)算公式為：

(1)

3)計(jì)算各因素與交通用地需求量的關(guān)系系數(shù)。

(2)

其中，y(k)為參考序列中的對(duì)應(yīng)數(shù)值，xi(k)為經(jīng)初值轉(zhuǎn)化后的比較序列對(duì)應(yīng)值，ρ為分辨系數(shù)一般取0～1。

3)計(jì)算各因素與交通用地需求的關(guān)聯(lián)度。

(3)

將上述過(guò)程基于Matlab 2014a操作平臺(tái)編寫(xiě)計(jì)算程序，分辨系數(shù)ρ設(shè)定為0.5，則灰色關(guān)聯(lián)分析結(jié)果如表2所示。

表2 長(zhǎng)江中游城市群各影響因子與交通用地 需求灰色關(guān)聯(lián)度表Table 2 Gray relation degree Table of influencing factors and transportation land demand

依據(jù)表2的計(jì)算結(jié)果，對(duì)因變量和自變量間的灰色關(guān)聯(lián)度進(jìn)行排序?yàn)椋篨1>X11>X2>X10>X3>X9>X4>X7>X6>X8>X5，即交通用地需求量(Y)與城鎮(zhèn)用地規(guī)模、二三產(chǎn)從業(yè)人員數(shù)、城市化率、二三產(chǎn)業(yè)占GDP比重、總?cè)丝?、職工平均工資、國(guó)內(nèi)生產(chǎn)總值、社會(huì)消費(fèi)品零售總額、全社會(huì)固定資產(chǎn)投資總額、工業(yè)總產(chǎn)值以及地方財(cái)政一般預(yù)算內(nèi)收入之間的關(guān)聯(lián)程度依此下降。一般而言，自變量與因變量二者關(guān)聯(lián)度在0.8以上即可認(rèn)為其關(guān)聯(lián)性很大，0.5～0.8則被認(rèn)為有一定的關(guān)聯(lián)性，但當(dāng)關(guān)聯(lián)度在0.5以下時(shí)即可認(rèn)為兩者無(wú)關(guān)聯(lián)[22]。依據(jù)結(jié)果，選取的11個(gè)自變量與因變量的關(guān)聯(lián)度均>0.5，自變量的選取具有一定的科學(xué)性。同時(shí)，城鎮(zhèn)用地規(guī)模、城市化率、二三產(chǎn)業(yè)從業(yè)人數(shù)、總?cè)丝诤投a(chǎn)業(yè)占GDP比重的灰色關(guān)聯(lián)度均>0.8，因此，可認(rèn)為長(zhǎng)江中游城市群當(dāng)前階段交通用地需求主要影響因素為區(qū)域城鎮(zhèn)化水平、勞動(dòng)力資源稟賦和產(chǎn)業(yè)結(jié)構(gòu)高度化程度。

2.2 灰色-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

BP神經(jīng)網(wǎng)絡(luò)模型(Back Propagation Neural Network)是一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一[23]。其由輸入層、隱含層和輸出層3個(gè)神經(jīng)元層次共同組成，通過(guò)信號(hào)正逆向傳播調(diào)節(jié)誤差信息。BP神經(jīng)網(wǎng)絡(luò)模型由于可以通過(guò)樣本訓(xùn)練進(jìn)行重復(fù)學(xué)習(xí)以及限定誤差大小的輸出機(jī)制，使得其在非線性預(yù)測(cè)方面具有較強(qiáng)的適用性和較高的精度。但是用地需求預(yù)測(cè)作為復(fù)雜的社會(huì)經(jīng)濟(jì)問(wèn)題，缺乏解釋力的非線性預(yù)測(cè)結(jié)果難以滿足人們對(duì)于用地需求影響因素、驅(qū)動(dòng)機(jī)制和作用機(jī)理等探究，而將灰色系統(tǒng)理論中的研究方法與BP神經(jīng)網(wǎng)絡(luò)模型相耦合可以很好的解決這個(gè)問(wèn)題，同時(shí)，灰色系統(tǒng)理論對(duì)于少樣本、貧信息的適用性也使其對(duì)于社會(huì)經(jīng)濟(jì)快速發(fā)展帶來(lái)的需求急劇變化具有一定的可適性。

以預(yù)測(cè)交通用地需求量為例，灰色-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的運(yùn)行結(jié)構(gòu)如圖2所示，首先通過(guò)灰色關(guān)聯(lián)分析法識(shí)別出影響交通用地需求量變化的主要社會(huì)經(jīng)濟(jì)因素，然后以識(shí)別的主要社會(huì)經(jīng)濟(jì)因素作為輸入層單元，交通用地需求量作為輸出層單元構(gòu)建起B(yǎng)P神經(jīng)網(wǎng)絡(luò)系統(tǒng)，同時(shí)以相關(guān)歷史數(shù)據(jù)對(duì)系統(tǒng)進(jìn)行仿真訓(xùn)練，不斷調(diào)整隱含層神經(jīng)元數(shù)量等參數(shù)使得仿真結(jié)果達(dá)到最優(yōu)。最后，通過(guò)灰色預(yù)測(cè)模型預(yù)測(cè)所需年期主要社會(huì)經(jīng)濟(jì)因素的期望值，并以此作為輸入層單元代入模型中最終得到所需交通用地需求量的結(jié)果。

灰色關(guān)聯(lián)分析的計(jì)算流程在以上分析中已有闡釋，在此不再贅述，BP神經(jīng)網(wǎng)絡(luò)模型及灰色預(yù)測(cè)模型的主要計(jì)算公式如下。

BP神經(jīng)網(wǎng)絡(luò)模型：

1)網(wǎng)絡(luò)初始化：給各連接權(quán)值分別賦予(-1，1)間的隨機(jī)數(shù)，設(shè)定誤差函數(shù)e，給定計(jì)算精度ε和最大學(xué)習(xí)次數(shù)M。

(4)

式中：輸出節(jié)點(diǎn)為n，實(shí)際輸出值為yj，目標(biāo)輸出值為y′j。

2)由給定的輸入樣本和輸出期望計(jì)算隱含層和輸出層各單元輸出，并利用實(shí)際輸出、期望輸出值以及誤差函數(shù)修正各層連接權(quán)值，每個(gè)權(quán)值的修正值為Δω。

(5)

式中：ωij為輸出層i節(jié)點(diǎn)到j(luò)節(jié)點(diǎn)的連接權(quán)值；η為學(xué)習(xí)效率值，Ij是第j個(gè)隱含層的傳輸函數(shù)。輸出層到隱含層為tansig型函數(shù)，隱含層到輸出層為trainlm型函數(shù)。

3)選取下一個(gè)輸入模式返回第二步反復(fù)訓(xùn)練直到模型輸出誤差達(dá)到精度需求后退出訓(xùn)練。

本研究采用的灰色預(yù)測(cè)模型為灰色GM(1，1)模型，其計(jì)算公式為：

1)對(duì)預(yù)測(cè)數(shù)列進(jìn)行累加處理形成新數(shù)列x(0)(1),x(0)(2),…,x(0)(M)。

2)構(gòu)建數(shù)據(jù)矩陣B。

(6)

3)用累加數(shù)列建立微分方程。

(7)

4)得到預(yù)測(cè)方程。

(8)

圖2 灰色-BP神經(jīng)網(wǎng)絡(luò)模型運(yùn)行結(jié)構(gòu)圖
Fig.2 Gray-BP neural network model structure diagram

5)模型的檢驗(yàn)。

灰色預(yù)測(cè)模型主要通過(guò)殘差檢驗(yàn)以及后驗(yàn)差檢驗(yàn)驗(yàn)證其可靠性，具體公式由于研究?jī)?nèi)容限制在此不再贅述，預(yù)測(cè)結(jié)果可通過(guò)方差比C以及小誤差概率P判斷其精度等級(jí)，一般情況下C<0.5，P>0.80則預(yù)測(cè)精度達(dá)到了二級(jí)標(biāo)準(zhǔn)，表明預(yù)測(cè)結(jié)果具有一定的可信度。

2.3 長(zhǎng)江中游城市群交通用地需求預(yù)測(cè)情景設(shè)置

交通用地是社會(huì)生產(chǎn)力發(fā)展到一定程度后人們?yōu)榱藵M足交換勞動(dòng)產(chǎn)品、獲得生產(chǎn)資料等目的而產(chǎn)生的一種土地利用類型，交通用地需求屬于引致需求，交通用地需求發(fā)展遵循如同生物生長(zhǎng)過(guò)程一樣的生命周期[16]，但作為一種“生產(chǎn)要素”不論其發(fā)育的起步期、發(fā)展期或是成熟期都應(yīng)同“最終產(chǎn)品”——城市群發(fā)展階段水平相一致，否則可被視為不合理的需求。2018年11月，中共中央、國(guó)務(wù)院發(fā)布了《中共中央國(guó)務(wù)院關(guān)于建立更加有效的區(qū)域協(xié)調(diào)發(fā)展新機(jī)制的意見(jiàn)》提出以長(zhǎng)三角城市群、哈長(zhǎng)城市群、長(zhǎng)江中游城市群、中原城市群和關(guān)中平原城市群等城市群推動(dòng)國(guó)家重大區(qū)域戰(zhàn)略融合發(fā)展[24]。我國(guó)城市群發(fā)展呈現(xiàn)出異質(zhì)性特征，城市群間發(fā)展階段差異顯著，東部沿海地區(qū)城市群發(fā)展要領(lǐng)先于中西部地區(qū)[25]。因此，可以根據(jù)研究區(qū)城市群所處的發(fā)展階段特征，參考其他城市群發(fā)展階段交通用地的需求水平變化，將交通用地需求生命周期同城市群發(fā)育程度相匹配，以此來(lái)分析未來(lái)研究區(qū)城市群交通用地需求變化。

根據(jù)長(zhǎng)江中游城市群的政策環(huán)境和發(fā)展定位，選取已批復(fù)的包括長(zhǎng)江三角洲城市群、中原城市群、北部灣城市群等10個(gè)國(guó)家級(jí)城市群作為參考，其基本情況如表3所示。同時(shí)，采用文獻(xiàn)調(diào)研法，基于中國(guó)知網(wǎng)數(shù)據(jù)庫(kù)(CKNI)，以“城市群發(fā)展質(zhì)量”、 “城市群發(fā)展水平”、 “城市群競(jìng)爭(zhēng)力”和“城市群協(xié)調(diào)度”等為關(guān)鍵詞進(jìn)行檢索，設(shè)定文獻(xiàn)時(shí)間為2000—

表3 10大國(guó)家級(jí)城市群基本情況表Table 3 Basic situation Table of the national urban agglomerations

2019年，共檢索出核心期刊以上文獻(xiàn)44篇。通過(guò)文獻(xiàn)分析結(jié)果并結(jié)合咨詢相關(guān)領(lǐng)域?qū)＜遥蓪⑽覈?guó)城市群發(fā)展分為培育期，發(fā)展期和成熟期3個(gè)階段，培育期的城市群包括北部灣城市群、呼包鄂榆城市群、蘭西城市群、哈長(zhǎng)城市群、關(guān)中平原城市群，發(fā)展期的城市群包括長(zhǎng)江中游城市群、中原城市群和成渝城市群，成熟期的城市群包括珠三角城市群(粵港澳大灣區(qū))以及長(zhǎng)江三角洲城市群。因此，根據(jù)城市群劃分階段成果，在培育期選擇哈長(zhǎng)城市群、呼包鄂榆城市群和關(guān)中平原城市群，發(fā)展期選擇長(zhǎng)江中游城市群和中原城市群，成熟期選擇珠三角城市群和長(zhǎng)三角洲城市群作為典型案例進(jìn)行深入研究，通過(guò)灰色關(guān)聯(lián)分析法對(duì)典型城市群交通用地需求的主要影響因素進(jìn)行識(shí)別，其識(shí)別結(jié)果與長(zhǎng)江中游城市群結(jié)果一致，也可以看出我國(guó)城市群發(fā)展一定相似性，通過(guò)極值標(biāo)準(zhǔn)化對(duì)典型城市群主要影響因素進(jìn)行無(wú)量綱化處理以對(duì)比，其差異情況如圖3所示。

圖3 典型城市群交通用地需求主要影響因素差異情況表
Fig.3 Main influencing factors of traffic land demand in typical Urban Agglomerations

對(duì)典型城市群交通用地占地比以及城市化率、二三產(chǎn)占GDP比重等主要影響因素差異情況進(jìn)行分析，可知交通用地需求具有3級(jí)較為明顯的分布層次即長(zhǎng)三角、珠三角城市群為高級(jí)，長(zhǎng)江中游城市群、中原城市群為中級(jí)和哈長(zhǎng)、關(guān)中和呼包鄂榆城市群為低級(jí)，長(zhǎng)江中游城市群需求處于中級(jí)區(qū)，這樣的分析結(jié)果正好同城市群劃分的階段成果相吻合?；诖?，可以設(shè)置長(zhǎng)江中游城市群交通用地需求的3個(gè)情景即底線情景(城市群培育期)、一般情景(城市群發(fā)展期)和極限情景(城市群成熟期)，情景的變量指標(biāo)取各城市群相關(guān)指標(biāo)均值，長(zhǎng)江中游城市群交通用地合理需求應(yīng)高于底線情景而低于極限情景。

3 研究結(jié)果

3.1 基于灰色-BP神經(jīng)網(wǎng)絡(luò)模型的長(zhǎng)江中游城市群交通用地需求仿真與預(yù)測(cè)

基于對(duì)交通用地需求主要影響因素的分析，同時(shí)為了消除區(qū)域土地資源的制約效應(yīng)，使得研究結(jié)果具有可比性，以城鎮(zhèn)用地占地比(1)城鎮(zhèn)用地占地比為根據(jù)第二次全國(guó)土地利用調(diào)查中城鎮(zhèn)用地二級(jí)地類面積與區(qū)域土地總面積的比值，%。、城市化率、地均二三產(chǎn)業(yè)從業(yè)人數(shù)、人口密度和二三產(chǎn)業(yè)占GDP比重5項(xiàng)指標(biāo)作為輸入層神經(jīng)元，交通用地占地比(2)交通用地占地比為根據(jù)第二次全國(guó)土地利用調(diào)查中交通運(yùn)輸用地一級(jí)地類面積(不包括農(nóng)村道路面積)與區(qū)域土地總面積的比值，%。作為輸出層神經(jīng)元，以長(zhǎng)江中游城市群研究區(qū)數(shù)據(jù)作為訓(xùn)練樣本，基于Matlab 2014年操作平臺(tái)編寫(xiě)計(jì)算程序，最大訓(xùn)練次數(shù)設(shè)為6 000，最小訓(xùn)練速率為0.1，動(dòng)態(tài)參數(shù)為0.6，經(jīng)過(guò)反復(fù)調(diào)試，隱含層數(shù)為2時(shí)模型的擬合殘差最小為0.000 65，樣本的仿真結(jié)果如表4。

表4 神經(jīng)網(wǎng)絡(luò)樣本仿真預(yù)測(cè)結(jié)果表Table 4 Neural network sample simulation prediction results Table

根據(jù)訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)模型結(jié)果可知，樣本的誤差較小，各年份仿真值的相對(duì)誤差均<0.02，平均誤差為0.004 7%，標(biāo)準(zhǔn)誤差為0.006 5%，表明基于灰色-BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)方法具有較高的精度，可以進(jìn)行交通用地需求的預(yù)測(cè)。同時(shí)為了與傳統(tǒng)方法相對(duì)照，表5也給出了基于國(guó)土系數(shù)法、多元線性回歸法、灰色預(yù)測(cè)法以及指數(shù)函數(shù)法的仿真結(jié)果，結(jié)果顯示，灰色-BP神經(jīng)網(wǎng)絡(luò)模型在其中具有很強(qiáng)的可信度(表5)。

基于此，可以對(duì)長(zhǎng)江中游城市群交通用地2020

表5 不同方法的仿真預(yù)測(cè)結(jié)果對(duì)比表Table 5 Comparisons of simulation and prediction results of different methods

和2030年的需求量進(jìn)行預(yù)測(cè)。首先通過(guò)灰色GM(1,1)預(yù)測(cè)模型對(duì)相應(yīng)年份的5項(xiàng)主要影響因素進(jìn)行預(yù)測(cè)，其結(jié)果顯示預(yù)測(cè)精度均達(dá)到了一級(jí)和二級(jí)標(biāo)準(zhǔn)，隨后將預(yù)測(cè)結(jié)果輸入BP神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行深度學(xué)習(xí)，由于有效年份的數(shù)據(jù)量較少，因此采用逐步進(jìn)入方法將擬合值作為有效值進(jìn)行遞進(jìn)運(yùn)算，并對(duì)模型進(jìn)行不斷調(diào)試以保證精度，最終得到長(zhǎng)江中游城市群2020年交通用地占地比為0.009 8，2030年為0.015 4，對(duì)應(yīng)的交通用地需求規(guī)模為31.22萬(wàn)和49.07萬(wàn)hm2。

3.2 基于不同情景的長(zhǎng)江中游城市群交通用地需求預(yù)測(cè)

將3類典型城市群的交通用地需求主要影響因素?cái)?shù)據(jù)分別代入灰色-BP神經(jīng)網(wǎng)絡(luò)模型中，通過(guò)歷史數(shù)據(jù)對(duì)模型進(jìn)行樣本學(xué)習(xí)和仿真檢驗(yàn)，不斷調(diào)試模型的相關(guān)參數(shù)以使得模型輸出結(jié)果更接近仿真期望值，最后將通過(guò)灰色GM(1，1)預(yù)測(cè)法得到的期望年份的因素預(yù)測(cè)值分別代入調(diào)試好的模型中，所得的不同情景下的預(yù)測(cè)結(jié)果如表6 所示。

表6 不同情景下交通用地需求及相關(guān)影響因素結(jié)果表Table 6 Result Table of demand for transportation land and influencing factors under different scenarios

從結(jié)果可以看出，不同情景下的相關(guān)的主要因素指標(biāo)以及交通用地需求量預(yù)測(cè)結(jié)果存在著較大差距，2020年長(zhǎng)江中游城市群交通用地需求一般情景下達(dá)到30.28萬(wàn)hm2，低于極限情景30.92萬(wàn)hm2，而較底線情景高出4.11萬(wàn)hm2；2030年各情景下交通用地需求量差距進(jìn)一步擴(kuò)大，一般情景下的需求量為48.14萬(wàn)hm2，低于極限情景35.69萬(wàn)hm2，較底線情景高出18.43萬(wàn)hm2。極限情景的各指標(biāo)值顯著高于其他情景，說(shuō)明該情景設(shè)置可以達(dá)到限制約束長(zhǎng)江中游城市群交通用地需求無(wú)序擴(kuò)張的不合理趨勢(shì)；底線情景的各項(xiàng)指標(biāo)均低于其他情景，該情景下的交通用地規(guī)模也是保障和支撐長(zhǎng)江中游城市群經(jīng)濟(jì)社會(huì)發(fā)展的基礎(chǔ)需求。前文通過(guò)灰色-BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的長(zhǎng)江中游城市群交通用地需求量與一般情景下的需求量相似，也體現(xiàn)出該預(yù)測(cè)方法具有一定的科學(xué)性及合理性。

4 結(jié)論與討論

4.1 結(jié)論

本研究基于灰色-BP神經(jīng)網(wǎng)絡(luò)模型，通過(guò)灰色關(guān)聯(lián)分析法及灰色GM(1,1)預(yù)測(cè)模型篩選影響交通用地需求的主要社會(huì)經(jīng)濟(jì)影響因素并進(jìn)行遠(yuǎn)景預(yù)測(cè)，繼而以此為輸入元構(gòu)建區(qū)域交通用地需求量的BP神經(jīng)網(wǎng)絡(luò)模型，以長(zhǎng)江中游城市群為例，通過(guò)城市群發(fā)展的差異性設(shè)置了不同情景對(duì)區(qū)域交通用地需求量進(jìn)行預(yù)測(cè)，得到的主要研究結(jié)論如下：

1)交通用地作為一種重要的土地利用類型，其未來(lái)需求量與社會(huì)經(jīng)濟(jì)發(fā)展的諸多因素密不可分，通過(guò)選取與之相關(guān)的經(jīng)濟(jì)發(fā)展水平、工業(yè)發(fā)展水平、勞動(dòng)力資源稟賦等9個(gè)維度11項(xiàng)社會(huì)經(jīng)濟(jì)影響因素進(jìn)行灰色關(guān)聯(lián)分析得出，當(dāng)前長(zhǎng)江中游城市群交通用地需求主要與城鎮(zhèn)化水平、產(chǎn)業(yè)結(jié)構(gòu)高度化程度和勞動(dòng)力資源稟賦關(guān)聯(lián)性較強(qiáng)。

2)以長(zhǎng)江中游城市群為例，基于灰色-BP神經(jīng)網(wǎng)絡(luò)模型對(duì)其2009—2016年交通用地需求量進(jìn)行仿真模擬的結(jié)果顯示，灰色-BP神經(jīng)網(wǎng)絡(luò)模型的仿真效果良好，誤差較小，結(jié)果明顯優(yōu)于國(guó)土系數(shù)法、多元線性回歸法和指數(shù)函數(shù)平滑法等常規(guī)方法，該模型具有一定的可信度。因此對(duì)長(zhǎng)江中游城市群2020和2030年交通用地需求量進(jìn)行預(yù)測(cè)，結(jié)果分別為31.22萬(wàn)和49.07萬(wàn)hm2。

3)基于交通用地需求同城市群經(jīng)濟(jì)社會(huì)發(fā)展的協(xié)同理論，可以設(shè)置不同的情景對(duì)交通用地需求進(jìn)行預(yù)測(cè)。本研究選取了我國(guó)東北、東部、中部和西部4個(gè)地區(qū)的7大城市群作為典型樣本，根據(jù)其發(fā)展程度差異設(shè)置了底線情景、一般情景和極限情景3個(gè)情景，并對(duì)不同情景的2020和2030年交通用地需求進(jìn)行了預(yù)測(cè)，其結(jié)果為26.17萬(wàn)、30.28萬(wàn)、61.21萬(wàn)、29.71萬(wàn)、48.14萬(wàn)和83.84萬(wàn)hm2。

4.2 討論

1)交通用地是一種以溝通和連接為主要功能的用地類型，因此其需求量不僅與區(qū)域內(nèi)的社會(huì)經(jīng)濟(jì)因素聯(lián)系緊密，而且還應(yīng)具有一定的域外效應(yīng)，本研究的研究范圍僅限長(zhǎng)江中游城市群內(nèi)部，在交通用地需求主要影響因素的識(shí)別過(guò)程中也僅考慮城市群內(nèi)部要素，未考慮周邊地區(qū)環(huán)境對(duì)其交通用地需求的影響，這將是未來(lái)研究主要改進(jìn)的出發(fā)點(diǎn)。

2)基于歷史數(shù)據(jù)的演化趨勢(shì)對(duì)未來(lái)進(jìn)行展望是預(yù)測(cè)的一種常用方法，但是由于我國(guó)社會(huì)生產(chǎn)力的高速發(fā)展以及世界政治經(jīng)濟(jì)格局的詭譎多變，我國(guó)正處于一個(gè)“不確定性時(shí)代”和“風(fēng)險(xiǎn)社會(huì)”，根據(jù)歷史數(shù)據(jù)進(jìn)行的預(yù)測(cè)具有很大的局限性。本研究基于城市群發(fā)展階段特征設(shè)置了底線、一般、極限3種情景在一定程度上減輕了這種局限性，但在工作實(shí)際中可能面對(duì)變化更為劇烈，需要設(shè)置的情景更特殊更復(fù)雜，因此如何在空間規(guī)劃中科學(xué)地劃定區(qū)域的用地控制規(guī)模是一個(gè)值得深入探索的命題。

3)交通用地作為土地利用分類的一級(jí)類別，還可以具體細(xì)化為公路用地、鐵路用地和機(jī)場(chǎng)用地等不同類型，不同的亞類型對(duì)于人類社會(huì)經(jīng)濟(jì)活動(dòng)的承載能力和承載功能均存在著差異性，其需求的驅(qū)動(dòng)因素、作用機(jī)理、調(diào)控機(jī)制等也不同，本研究?jī)H證明了灰色-BP神經(jīng)網(wǎng)絡(luò)模型對(duì)于預(yù)測(cè)交通用地需求具有一定的適用性，但如何采用適宜的方法對(duì)交通用地內(nèi)部不同類型土地需求進(jìn)行預(yù)測(cè)將是本研究下一步工作的重心。