基于結構方程模型的雨天城市公交路段延誤影響因素分析

吳中 吳季恒 吳瓊 楊海飛

摘 要：降雨會對城市交通運行產(chǎn)生負面影響。路段作為城市路網(wǎng)的基本組成部分，在晴天和雨天會對公交車運行產(chǎn)生不同的影響。運用結構方程模型，對道路基本特征、交通管理與控制措施和環(huán)境條件三個方面的影響因素進行量化分析，建立了雨天公交運行特性與各影響因素的結構方程，揭示了雨天城市公交路段延誤影響因素的內在關系。利用佛山市某線路公交車數(shù)據(jù)對路段模型進行了擬合、修正和優(yōu)化，得到的各影響因素的路徑系數(shù)。結果表明：環(huán)境條件是影響雨天城市公交路段運行的最顯著因素，且環(huán)境條件中運行時段的影響程度大于其它自然因素。影響因素之間以及影響因素與行程車速之間的關系可為城市交通管理提供理論依據(jù)。

關鍵詞：雨天交通;公交;城市路段;結構方程;行程車速

中圖分類號：U491

文獻標識碼： A

降雨作為一種常見的天氣條件，會直接造成路面溜滑、視線受阻、行車不安全因素增加，已經(jīng)成為惡化道路條件、降低交通運行效率、加劇交通擁堵的重要環(huán)境因素。而城市道路具有交通量大且時空分布特性分明、城市道路等級多、瓶頸節(jié)點多、交叉口交通運行模式復雜等特點，道路行車容易受到降雨天氣的不利影響。

從20世紀50年代開始，國外的學者[1]認識到降雨等不良天氣會對道路交通運行產(chǎn)生嚴重影響。最初的研究主要集中在降雨對宏觀道路運行特性的影響，如降雨會導致路段通行能力、交通量、交叉口飽和流率、運行速度等參數(shù)[2-4]下降，降雨還會影響出行量和出行空間分布[5]等。學者利用多層線性回歸、神經(jīng)網(wǎng)絡等數(shù)據(jù)擬合方法建立了一系列雨天交通預測模型，如雨天通行能力計算模型[6-7]、雨天速度預測模型[8]、雨天交通流模型[9]、雨天擁堵預測模型[10]等。這類研究大多從整體出發(fā)，將實測數(shù)據(jù)的變化歸咎于降雨單一因素，忽視了因下雨而誘發(fā)的其它因素影響以及因素之間的相互影響。

隨著研究的深入，更多的因素開始納入研究范圍。研究發(fā)現(xiàn)降雨會增加駕駛員壓力，導致駕駛行為發(fā)生改變，還會降低車速、增大車頭時距[11]等。祝會兵[12]、顏冉[13]等考慮雨天駕駛行為改變對傳統(tǒng)的交通模型進行改進，提出了一系列緩解雨天城市干道擁堵問題的措施。龔大鵬[14]研究了降雨時等級道路、運行時段、擁堵程度、是否處于交通高峰期等因素對交通運行的影響，得到一些相關成果與結論。許方經(jīng)[15]通過分析確定雨天城市道路通行能力的影響因素包括降雨強度、能見度和車道凈寬，建立了雨天通行能力計算模型。李秋萍[16]運用多元線性回歸模型分析了降雨量、道路等級、車流量、晴天同時段對照車速等因素在速度下降和速度上升兩類道路上的作用差異。

本文的研究對象為雨天城市道路，主要研究道路路段基本特征、交通管理與控制措施、環(huán)境條件等各類因素對城市道路公交運行的綜合作用;選取行程車速作為反映公交車路段運行狀態(tài)的指標，考慮多個因素共同作用，建立了雨天路段車速的結構方程模型;通過量化路段模型分析，得到模型各變量間的路徑系數(shù)，判斷不同影響因素對雨天城市道路交通運行的定向效應，分析不同因素的影響程度和內在關系。

1 公交數(shù)據(jù)及其特征

1.1 公交數(shù)據(jù)

路段作為城市道路網(wǎng)絡的主要組成部分，交通整體運行效率受到路段的制約和影響。公交車運行具有固定的運行路線、運行距離和運行起訖點，是有較好規(guī)律性的研究對象。以佛山公交126路作為研究對象，數(shù)據(jù)選取時間為2019年8月至9月。佛山公交126路由禪城區(qū)中心醫(yī)院站至鯉魚沙站，全程17.32 km，整條線路存在多種形式的路段。結合各站點間的實際情況，選取麗日豪庭-惠景城（二級雙向6車道）、勞動力市場-華遠東路口（一級雙向6車道）、華遠東路口-山水居（一級雙向6車道）、市一醫(yī)院A-禪城區(qū)政府（二級雙向8車道）、通濟橋-兒童活動中心（一級雙向4車道）、兒童活動中心-普瀾一路（一級雙向4車道）、祖廟路-祖廟A（一級雙向4車道）、人民西-佛山中醫(yī)院A（一級雙向6車道）、河畔明珠-中山橋（一級雙向2車道）等九個路段作為研究對象。

原始數(shù)據(jù)利用車載全球定位系統(tǒng)（global positioning system，GPS）記錄儀記錄，包括車牌號、GPS時間、服務器時間、經(jīng)度、緯度、速度（km/h）和方向。公交到站時GPS反饋的經(jīng)緯度保持不變，從而可以得到各個站點的時刻表，通過時刻表可以得到各站點間的行程時間和行程車速。

此外，佛山公交126路公交線路靠近佛山市南海區(qū)氣象局，公交行車路線上的降雨量數(shù)據(jù)直接參考佛山市南海區(qū)的降雨量數(shù)據(jù)。

1.2 數(shù)據(jù)特征

經(jīng)過篩選得到144趟工作日行車數(shù)據(jù)，包括上行82趟，下行62趟，其中高峰時段樣本占比約29%，夜晚樣本占比約26%，晴天占比77.2%，雨天占比22.8%。獲取的公交數(shù)據(jù)按照晴天-雨天，高峰-平峰進行組合分組，并對四組數(shù)據(jù)采用K-S檢驗，每組數(shù)據(jù)的漸進顯著性水平均為0.2（大于0.05），可以認為每組數(shù)據(jù)均符合正態(tài)分布。畫出每一類數(shù)據(jù)的行程速度頻數(shù)分布直方圖，并采取正態(tài)分布進行擬合可以得到圖1，相關統(tǒng)計參數(shù)如表1所示。

車速，晴天運行車速大于雨天運行車速的趨勢，與正常規(guī)律相符。同處于平峰（高峰）時，晴天、雨天運行速度差距較小;同處于晴天（雨天）時，高峰、平峰運行速度差距較大。數(shù)據(jù)顯示出較強的合理性。

2 結構方程模型

2.1 初始模型

結構方程模型是基于變量的協(xié)方差矩陣來分析變量之間關系的統(tǒng)計方法。模型中既包含可以直接測量的觀察變量，也包含與觀測變量有關但無法直接測量的潛在變量，能夠較好地分析潛變量對總體的作用及潛變量之間的關系。結構方程方法也適合于分析雨天路段交通特性的影響因子。

根據(jù)經(jīng)驗，本文從道路基本特征、交通管理與控制措施、環(huán)境條件三方面確定了各影響因素及其對應的觀測指標，形成了路段結構方程模型變量表，如表2所示，包括3個潛變量和13個觀察變量。選取行程速度作為反映公交車路段運行狀態(tài)的指標。

初始模型相關關系的邏輯圖如圖2所示。在計算結構方程模型的矩結構分析（analysis of moment structures，AMOS）軟件平臺中，觀察變量用長方形或正方形表示，潛變量用橢圓或圓表示，單向箭頭表示單向因果關系，雙箭頭表示兩個變量互為因果關系。模型各變量的測量誤差用ei表示，且測量誤差間不獨立。模型可以采用極大似然估計法估算求解。由于初始模型完全憑經(jīng)驗主觀建立，模型仍需要按一定規(guī)則和相關指標進行修正，以更加客觀地表達各種變量之間的相互影響的邏輯結構關系。

2.2 模型修正依據(jù)

驗證性因素分析能夠檢驗觀察變量和對應潛變量之間的關系是否正確，是模型分析與修正的基礎。因素負荷量（路徑系數(shù)）分為非標準化因素負荷量和標準化因素負荷量。非標準化因素負荷量表示自變量變化一個單位時，因變量的實際變化值，因而非標準化因素負荷量可以用于檢驗模型估計是否顯著;標準化因素負荷量是非標準化因素負荷量除以標準差得到的統(tǒng)一量綱值，其取值在-1～1之間，能夠直接進行不同系數(shù)對比，絕對值越大說明自變量對因變量的相對重要程度越大。驗證性因素分析需滿足的條件如下：

（1）臨界比（critical ration，RC）是結構方程非標準化因素負荷量顯著性檢驗條件的重要指標，相當于t檢驗中的t值。臨界比大于1.96，表示參數(shù)估計值達到了0.05的顯著水平，即P小于0.05。

（2）標準化因素負荷量λ在理想條件下要大于0.7，在模型修正和進行模型邏輯結構探索分析時至少要大于0.5。

（3）組成信度（composite reliability，CR）是檢驗潛在變量的信度指標，是衡量模型內在質量的標準之一。組成信度的理想范圍為0.6～0.95，計算公式如下（1）式。其中，θ為觀察變量的測量誤差值。

（4）平均方差萃取量（average variance extracted，Ave）

用于衡量潛在構念所解釋的變異量有多少來自測量誤差，其數(shù)值越大，說明來自測量誤差的變異量越小，觀察變量越能有效的反映對應的潛變量的特性。平均方差萃取量是一種模型收斂效度的指標，一般的判別標準要大于0.5。平均方差萃取量的計算公式如下（2）式：

對模型期望協(xié)方差矩陣和樣本協(xié)方差矩陣的差異由適配度指標進行評估，它是理論結構模型對實際數(shù)據(jù)擬合程度的統(tǒng)計指標。由于數(shù)學方法不同，結構方程模型常用的適配度指標有很多。本模型選取適配度指數(shù)（goodness-of-fit index，GFI）、調整后適配度指數(shù)（adjusted goodness-of-fit index AGFI）和比較適配指數(shù)（comparative fit index，CFI）等三個指標作為模型的評價指標。一般認為IGF>0.9、IAGF>0.9、ICF>0.9時模型達到理想標準，0.8

2.3 修正模型

由數(shù)據(jù)進行初始模型驗證性分析，所有觀察變量的非標準化因素負荷量均滿足顯著性檢驗條件（RC>1.96，P<0.05），變量彎曲程度、公交車線路數(shù)、能見度的標準化因素負荷量均小于0.5，將這三個觀察變量刪除后再次進行驗證性因素分析。修正后臨界比值RC均大于1.96，P值均小于0.001，滿足顯著性條件，標準化因素負荷量均大于0.5，符合要求，具體計算值如表3所示。

根據(jù)標準化因素負荷量分別計算各潛變量的組成信度值CR和平均方差萃取量AVE，由表3可知，三個潛變量的組成信度CR均在0.6～0.95之間，平均方差萃取量AVE均大于0.5，滿足驗證性因素分析的要求。擬合后，初始模型中的測量模型對應的適配度指標IGF=0.885，IAGF =0.803，ICF =0.841僅達到一般指標。根據(jù)AMOS提供的修正指數(shù)IMI來釋放部分限制路徑、增添一些新路徑來提高模型擬合度（IMI值表示將原本受限制的參數(shù)改為容許自由估計后，整個模型改良時將會減少的最小卡方值）。

（1）第一次修正過程

刪除道路基本特征下的機非分隔形式這一觀察變量;將道路等級測量誤差項e1和公交專用道設置測量誤差項e8設置為相關關系;將車道數(shù)測量誤差項e2和機動車分隔形式測量誤差項e3設置為相關關系;將車道數(shù)測量誤差項e2和公交專用道設置測量誤差項e8設置為相關關系;將機動車分隔形式測量誤差項e3和信控交叉口個數(shù)測量誤差項e6設置為相關關系;將機動車分隔形式測量誤差項e3和出入口個數(shù)測量誤差項e7設置為相關關系;將機動車分隔形式測量誤差項e3和公交專用道設置測量誤差項e8設置為相關關系。

第一次修正后，適配度指標IGF和ICF的擬合結果均大于0.9，IAGF擬合結果小于0.9，模型仍不夠理想。

（2）第二次修正過程

將道路等級測量誤差項e1和出入口個數(shù)測量誤差項e7設置為相關關系;將車道數(shù)測量誤差項e2和出入口個數(shù)測量誤差項e7設置為相關關系。

兩次修正后的模型稱為模型Ⅰ，其適配度指標擬合結果見表4，模型Ⅰ適配度指標IGF、ICF、IAGF的擬合結果均大于0.9，達到理想標準。說明模型Ⅰ與實際數(shù)據(jù)之間契合度有較大提高，模型結果有說服力。模型Ⅰ對應的標準路徑系數(shù)圖如圖3所示（注：“***”表示P<0.001， SE為估計參數(shù)的標準誤）。

3 單一因素模型對比

如果不考慮環(huán)境條件下自然照度和運行時間兩個影響因素，僅研究降雨這一單一變量對行程速度的影響，可以建立對比模型Ⅱ。模型Ⅱ重復檢驗、修正、運算后得到的路段結構方程模型標準路徑系數(shù)如圖4所示。

表5對比表明，模型Ⅰ的適配度指標高于模型Ⅱ，即模型Ⅰ與實際數(shù)據(jù)的擬合度更高。模型Ⅰ中降雨量對行程車速的路徑系數(shù)為-0.17，模型Ⅱ路徑系數(shù)為-0.13，模型Ⅱ僅為模型Ⅰ的76.5%，表明僅考慮降雨量而忽視其他環(huán)境因素的相互作用及對運行車速的共同影響，這會使得由降雨誘發(fā)的影響行程車速的其他邊際效應被低估或被忽略。

4 模型路徑分析

4.1 運行速度路徑系數(shù)

對模型Ⅰ（圖3）中的結果進行整理，觀察變量影響潛變量的路徑系數(shù)稱為一級效應，潛變量影響評價指標（運行車速）的路徑系數(shù)稱為二級效應，綜合效應為一級效應、二級效應乘積，絕對值反映觀測變量影響公交車雨天行駛速度的權重關系，正負表示觀測變量和因變量的變化方向是否相同。模型Ⅰ各影響因素效應如表6所示。

4.2 影響機理

由表6可知，在三類影響因素中，環(huán)境條件對公交行程車速的影響最大，交通管理與控制措施的影響次之，道路基本特征的影響最小，其影響系數(shù)為分別為-0.298、-0.222、0.080。道路基本特征包含三個變量，且影響均為正向的，即道路等級越高、車道數(shù)越多、采取更有力的雙向車流分離形式會使得行程車速提高。交通管理與控制措施的三個觀測變量影響均為負向，即出入口個數(shù)越多、信控交叉口個數(shù)越多、未設置公交專用道會使得行程車速降低。環(huán)境條件中降雨量、自然照度和運行時段三個變量影響均為負向，降雨量越多、自然照度越低的夜晚、運行越接近高峰時段會使得行程車速降低。

9個觀測變量對行程車速的影響可分為三類：（1）綜合效應大于0.2的影響較大變量：運行時段（-0.270）、自然照度（-0.239）。（2）綜合效應在0.1～0.2之間的變量：出入口個數(shù)（-0.175）、降雨量（-0.170）、信控交叉口個數(shù)（-0.164）、公交專用道設置（-0.141）。（3）綜合效應小于0.1的影響較小變量：道路等級（0.066）、車道數(shù)（0.063）、機動車分隔形式（0.053）。

從模型觀測變量的綜合效應看，降雨量并不是影響公交行駛速度的最主要因素，而運行時段、自然照度、出入口個數(shù)對行車速度的影響更大。這表明雨天對城市公交運行的影響是通過雨天誘發(fā)其他條件劣化或是降雨因素與其他因素共同作用完成的。城市道路車輛運行的某些瓶頸條件在降雨作用下會更加制約交通的運行。某些對交通影響不大的因素，雖然有降雨的作用，對城市車輛運行的阻礙作用仍不顯著。

天氣正常時，高峰期城市道路會發(fā)生擁堵表明高峰時段道路通行能力已經(jīng)制約了交通運行，若雨天與高峰期疊加會使得這種阻礙作用更加顯著。由此可以看出雨天會使大部分阻礙因素更加突顯，解決城市雨天交通阻塞應該從那些突顯的主要因素入手，通過硬件設施建設和管理措施的綜合治理起到緩解雨天交通擁堵的作用。

5 結語

本文應用結構方程模型和實際調查數(shù)據(jù)得到不同降雨強度下城市干道基本路段影響公交運行的顯著影響因素，分析了城市交通路段延誤產(chǎn)生原因及降雨對公交運行的影響，確定了影響城市道路公交運行因素間的邏輯關系，解釋了雨天城市交通擁堵或延誤的機理，宏觀交通流的影響因素的影響權重表達在模型圖3中。研究結果表明，交通高峰期和夜晚工況下雨天對城市公交運營的影響最大。

從分析結果看，平峰期降雨對公交的影響很小甚至沒有影響，為減少高峰期降雨對城市道路的影響，城市應多設置公交專用道，減少信號燈數(shù)量或設置信號燈公交優(yōu)先，對公交線路上的出入口（包括人行橫道）進行管制。在城市宏觀交通管理上應注重交通流的空間均衡、削減高峰時段交通流峰值、實行瓶頸路段交通分流、改變雨天信號燈控制方案等，降低雨天道路環(huán)境控制因素對行車速度的影響。

本文是針對公交車進行研究的，但研究結論和雨天影響交通的基本特性對其他車輛雨天運行也有參考價值。

參考文獻：

[1]Transportation Research Council（U. S.）. HCM2010： Highway Capacity Manual[M]. Washington， D. C.： Transportation Researh Board， 2010.

[2]KEAY K， SIMMONDS I. The association of rainfall and other weather variables with road traffic volume in Melbourne， Australia[J]. Accident analysis & prevention， 2005， 37（1）： 109-124.

[3]KONDYLI A， GEORGE B S， ELEFTERIADOU L， et al. Defining， measuring， and modeling capacity for the highway capacity manual [J]. Journal of Transportation Engineering， Part A：Systems， 2017， 143（3）： 38-47.

[4]和飛飛， 閆學東， 李曉夢， 等. 基于速度性能指標的雨天環(huán)境對北京快速路網(wǎng)影響研究[J]. 交通信息與安全， 2016， 34（2）： 88-93.

[5]劉寧瑜. 基于出租車軌跡數(shù)據(jù)的降雨對交通出行的影響研究[D]. 北京： 北京交通大學， 2017.

[6]WANG Y， LUO J. Study of rainfall impacts on freeway traffic flow characteristics[J]. Transportation Research Procedia， 2017， 24（25）： 1533-1543.

[7]喬國梁. 不利天氣條件下城市路段交通流特征參數(shù)研究[D]. 北京： 北京工業(yè)大學， 2014.

[8]劉芳麗， 涂輝招， 王曉峰， 等. 降雨對城市快速路車速離散性影響分析[J]. 交通科技， 2019， 45（4）： 90-94.

[9]朱娜. 基于元胞自動機的城市快速路雨天交通流模型[D]. 南京： 東南大學， 2015.

[10]劉暢， 胡東明， 周芯玉， 等. 廣州道路交通擁堵的降雨影響分析及短時預報[J].廣東氣象， 2019， 41（4）： 46-50.

[11]陰春曄， 田國紅， 韓浩， 等. 雨天環(huán)境下駕駛行為研究[J]. 汽車實用技術， 2019， 44（15）： 242-244.

[12]祝會兵. 惡劣天氣環(huán)境下的交通流數(shù)值模擬[J]. 寧波大學學報（理工版）， 2014， 27（2）： 30-34.

[13]顏冉. 不利天氣條件下道路交通流特征機理研究[D]. 合肥： 合肥工業(yè)大學， 2015.

[14]龔大鵬， 宋國華， 黎明， 等. 降雨對城市道路行程速度的影響[J]. 交通運輸系統(tǒng)工程與信息， 2015， 15（1）： 218-225.

[15]許方經(jīng). 降雨條件下城市道路通行能力影響分析[D]. 西安： 長安大學， 2017.

[16]李秋萍， 劉慧敏， 卓莉， 等. 降雨天氣下城市道路速度變化的差異及其影響因素[J]. 熱帶地理， 2020， 40（4）， 744-751.

（責任編輯：于慧梅）