上海市高速公路交通量的影响因素分析.docVIP

上海市高速公路交通量的影响因素分析 　　摘要：高速公路交通量体现了社会经济发展对高速公路的交通需求。本文将交通量按照车辆特征和区域特征分为7类，将影响因素归纳为社会经济类、交通设施类和公共政策类三大类共计24个变量。使用聚类分析后对交通量（即因变量）进行归纳，使用相关性分析对影响因素（即自变量）进行筛选。采用一元线性回归和弹性回归模型着重研究了人均GDP对不同类别交通量的影响程度，并对比分析了各个模型的优劣。 　　 　　关键词：影响因素；聚类分析；相关性分析；一元线性回归；弹性回归 　　 　　高速公路交通量是社会经济发展对高速公路交通需求的反映。2003年以来上海高速公路交通量稳步增长，2003-2011年高速公路交通量呈线性增长趋势，年均增长超过5万辆/日（2008、2009年除外）。2011年年平均日交通量达到62万辆，收费高速公路拥挤度为0.5左右，车辆周转量为1525.7万PCU.km/日。为了把握近期上海市高速公路交通量发展趋势，本文对上海市高速公路交通需求和交通量影响因素进行深入研究，得出影响高速公路交通量增长的主要因素，并利用一元线性回归和弹性回归建立模型，为近期高速公路发展定位和经济评价提供有力的依据。 　　1.研究综述 　　对公路交通量进行预测最早始于上个世纪初期，并在20世纪50年代初步形成四阶段法；至20世纪70年代，随着高速公路的快速发展，四阶段模型逐渐趋于完善，一直在国际公路交通量预测方法中占据着重要地位[1]。此后，为提高预测模型的准确性和科学性，Iskander等[2]将社会经济因素作为参数加入模型，采用聚类分析和多元线性回归分析的方法对高速公路交通量进行预测。我国对于高速公路交通量预测的研究起步稍晚，始于上世纪80年代，常用的预测方法可以归纳为两大类：定基预测法和定标预测法[3]。其中，定基预测法是基于道路交通量的变化规律，利用指数曲线模型或增长率曲线模型对交通量进行预测；定标预测法是按照道路交通量和社会、经济指标的变动之间的关系，利用回归曲线模型进行预测。李锋和杨帆[4]对运输通道的趋势交通量、高速公路的转移和诱增交通量进行细化，提出不同的方法对各类交通量进行预测。盖春英和裴玉龙[5]以及赵朋宾和张潇[6]均从公路建设项目的自身特点出发，考虑了区域社会经济发展对公路交通量预测的影响。Chu和Widjaja[7]提出在使用神经网络模型时，对训练样本进行预处理可以提高神经网络模型的泛化能力，从而提高预测精度。魏晋雁和茹锋[8]选取人口、汽车保有量、国民生产总值、工农业生产总值和居民年均收入为主要影响因素，将9年历史数据作为训练样本，2年历史数据作为外推测试样本，采用广义回归神经网络（GRNN）模型对交通量进行预测。殷涛等[9]对比了我国不同地区高速公路运营交通量和预测交通量的差别，分析其差异值及误差率，总结交通量预测结果的特点，并将误差归纳为交通量预测指标、社会经济因素、收费标准与出行者经济承受能力的关系，以及综合运输网络变化等几大类影响因素。此外，某些专家和学者采用模糊数学法和遗传神经网络法对公路交通量进行预测[10][11]。随着计算机技术的发展，许多专家和学者开发并使用了专业软件对高速公路交通量进行预测。刘伟[12]以TransCAD为平台，深入研究了出行分布模型的特点，认为双约束增长系数法适用于公路交通量预测。 　　目前在我国公路项目研究中，常用的交通量预测方法主要包括四阶段法、专家预测法、主观概率法、指数平滑法、回归分析等[13]。不同的预测方法各有特点，但各类方法的适用地区和道路有所不同，不恰当的模型选取可能引起较大误差。例如，转移交通量和诱增交通量的影响在项目全线建成两三年后才会逐渐显现。若是过早将这两类交通量考虑在内，易使预测结果偏大。模型中参数选取及系数确定的方法不够清晰，尚未形成完善的标准体系。此外，社会、经济的发展对交通量需求至关重要，但某些预测方法未能将这一因素考虑在内，给预测结果带来较大偏差。 　　基于上述问题，本文将自变量分为社会经济类、交通设施类以及公共政策类共计24个变量，因变量分为总流量、客、货、市域及进出上海流量共计7个变量，对影响上海市高速公路交通流量的影响因素进行分析。具体步骤为首先采用聚类方法对不同类别流量进行分析，对因变量进行归类；然后对24个自变量进行相关性分析，剔除关联性较大的变量，减少回归模型的多重共线性；在此基础上，选用不同模型对精简后的变量进行拟合，量化分析各个自变量对因变量的影响显著水平；最后对比不同模型的估计精度和预测精度。 　　2.变量选取 　　2.1因变量选取 　　聚类分析可以把观测样本进行合理的分类，使得同一类的观测比较接近，不同类的观测值相差较多。根据观测样本间的接近程度（距离）或相似程度，聚类分析可以