基于标杆城市法的城市交通运输结构预测方法研究——以温州市为例

董洁霜，顾 纬

（上海理工大学管理学院，上海 200093）

由于铁路与公路客运的服务功能相同，铁路的快速发展势必会对公路的客流分担率产生较大影响，使得原本使用公路客运的一部分客流转移至铁路，造成铁路与公路客运间的竞争态势发生较大变化.分担率是客流在2种或多种交通运输方式或路线之间的分布概率，它可以体现各种交通运输方式或路线所占有的市场份额.研究不同运输方式间的竞争关系，并在此基础上预测各运输方式的分担率是科学、准确预测交通流量的基础性工作之一.目前，国外对于城市交通运输方式分担率的研究主要集中在两方面：一是引入新客运方式后对原客运体系中各种方式分担率的影响[1-2]；二是航空、铁路和公路3种交通方式的竞争关系.对于分担率的研究前期主要集中于研究分担率的模型结构（以Logit模型为主）以及效用函数的使用形式问题，后期则注重结论和政策引导性的研究[3-6].有关竞争关系的研究主要侧重于根据运输需求对运输相关数据进行整理和分析，运用模型对统计数据进行现状分析和未来预测，以此揭示各方式间的关系[5-6].而我国对于城市交通运输方式分担率的研究主要侧重于模型的选定、模型参数的标定以及模型的求解等方面.马波涛等[7]在研究高速铁路与航空的客流分担率时，在选用传统Logit模型的基础上，采用可能满意度法求解分担率，最后根据分担率的计算公式分别求解2种运输方式各自的分担率情况.王爽等[8]运用传统的二项Logit模型研究客运专线旅客选择高铁和接受换乘这2种行为，固定了效用函数，并运用SPSS统计软件标定其参数.

现有对于城市交通运输方式分担率的研究多集中在分担率的模型结构选取以及分担率变化后的参数标定两方面.在运用模型方面，多从快捷性（出行时间）、经济性（票价等）、安全性和舒适性等关键变量的角度出发，着重考察旅客自身特性等微观因素，对城市发展目标和产业规划等宏观因素考虑较少.在预测结构验证方面，主要集中在模型预测结果与现状的对比，而对于未来10年乃至20年的预测结果的验证尚未找到有效方法.针对上述问题，本研究考虑城市产业和交通情况的发展概况、经济特征以及城市目标定位等影响因素，提出运用标杆城市法，以经济地位相同和产业布局同类的城市交通运输结构作为参考，对目标城市运输结构进行预测，为准确预测交通流量提供数据支持.

1 城市运输结构预测方法

1.1 传统的预测模型

旅客出行存在多种方式，每种方式所完成的运输量在所有方式中所占的比重就是该方式的分担率.目前应用较广泛的预测分担率的方法是非集计方法，这种方法具有调查样本量小、预测精度高和相对成本较低等特点.

非集计模型的理论基础是出行者在作出选择时追求“效用”最大化这一假设.效用是指出行者从出行交通方式选择中获得的愉快和需求得到的满足.Logit模型的效用函数随机项服从Gumbel分布，其函数形式为：

式（1）中：Pin为旅客n选择第i种交通方式时的概率；Uin为旅客n选择第i种交通方式时的效用函数.

Logit模型的缺点是ⅡA特性，即当效用函数产生变化时，认为某交通方式的分担率不受其他方式效用函数中可观测因素（即固定项）的影响.显然，这与现实情况不符，假设原来的运输系统中存在2种运输方式，当第3种交通运输方式加入后，势必会对原来交通运输系统中的分担率产生不同影响，而此时运用Logit模型进行预测，其结果是第3种运输方式会对原有的2种运输方式产生相同的影响，这显然不符合实际情况，因此利用Logit模型预测综合交通运输结构分担率的准确率有待商榷.

1.2 标杆城市法

尽管我国各个经济发展阶段不同地区城市的经济发展水平不同，各地城市发展目标也不同，但综合交通运输结构域经济发展水平，即人均GDP之间确实存在普遍联系，由此可以推测出目标城市的综合交通运输结构将会达到的水平.标杆城市法选取与目标城市相似度较高的城市作为参照系，采用趋势外推法，预测未来目标城市的综合运输结构.趋势外推法根据历史上各交通运输方式分担率的增长速度以及对未来交通方式分担率增长趋势的判断，预测未来交通方式分担率增长速度及交通运输结构.选取标杆城市的指标主要有GDP、人均GDP、城市级别、人口规模、经济、社会发展状况以及交通运输发展状况等.在进行预测时，参考标杆城市各运输方式年均占比增长率，取定各运输方式占比年均增长率，运用趋势外推法，乘以目标城市现状各运输方式运用所占运输总量比例，得到未来各特征年目标城市综合运输方式的运输结构.

2 实例验证—温州交通运输结构预测

本研究选取近年来国内经济指标、人均GDP、城市发展战略目标、人口规模和产业布局等指标与温州市发展相类似且发展较成功的城市进行分析与研究，对温州市交通运输结构进行综合分析预测，分析流程如图1所示.

图1 温州市交通运输结构预测流程Fig．1 Prediction process of transportation structure of Wenzhou city

2.1 客运需求总量预测

通过统计温州市2002年—2012年的GDP和人口数及客运总量，建立线性回归模型，预测其未来趋势.近年温州客运总量与人口、国内生产总值的发展趋势如图2所示.

图2 温州市社会客运量、人口及国内生产总值趋势图Fig．2 Trend charts of passenger capacity，population and GDP of Wenzhou

根据《温州市统计年鉴》（2003年—2012年）和《温州市交通统计年鉴》（2003年—2012年）的统计数据，运用SPSS软件可以得出回归方程：

式（2）中：Y为社会客运量（万人）；X1为总人口数（万人）；X2为国内生产总值（亿元）.

根据以上回归方程，取温州市计生委对户籍对人口的预测数据及《温州市国民经济和社会发展第十二个五年计划纲要》对GDP的预测数据，得出各特征年客运需求总量的预测值，具体数值如表1所示.

表1 预测规划特征年客运需求总量Tab.1 Total passenger capacity in future every ten years

结合已有规划文本，《温州市公路水路交通交通发展布局规划》中规划2020年客运需求总量为53 000万人次/年、2030年客运需求总量61000万人次/年，将通过回归方程预测的数据与规划预测数据进行对比，选择高数值作为高方案，低数值作为低方案，得到高低2个推荐方案，结果如表2所示.

表2 温州市预测规划特征年客运需求总量预测结果Tab.2 Predictions of total passenger capacity in future every ten years of Wenzhou

2.2 货运需求总量预测

对1990年以来温州市全社会货运量与国内生产总值进行非线性回归，结果如图3所示.

图3 温州市社会货运量与GDP非线性拟合关系Fig.3 Non-linear model of relations of Wenzhou volume of freight traffic and GDP

根据《温州市统计年鉴》（2003年—2012年）和《温州市交通统计年鉴》（2003年—2012年）的统计数据，运用SPSS软件可以得出回归方程：

Y=0.0002X2+0.3495X+175.91 （3）

式（3）中：Y为全社会货运量（万t/年）；X为国内生产总值（亿元）.

根据以上回归方程，取《温州市国民经济和社会发展第十二个五年计划纲要》对GDP的预测数据，得到预测结果如表3所示.

表3 预测规划特征年货运需求总量Tab.3 Total volume of freight in future every ten years

结合已有规划文本，《温州市公路水路交通交通发展布局规划》规划2020年货运需求总量为62000万t/年、2030年客运需求总量为120000万t/年，将通过回归方程预测的数据与规划预测数据作进行对比，得到高低2个推荐方案，结果如表4所示.

表4 温州市预测规划特征年货运需求总量预测结果Tab.4 Predictions of total volume of freight in future every ten years of Wenzhou

2.3 综合交通运输结构预测

为了更加客观地分析温州公路、铁路和港口运输市场潜力，选择与温州具有可比性的城市进行比照研究.青岛和无锡这2个城市都是沿海港口城市，人口规模和经济社会发展与温州相似度较高，并且其城市发展目标和产业布局与温州相似，而其经济发展又领先领先于温州，所以本研究选择青岛和无锡与温州进行标杆对比预测.

表5和表6分别为标杆城市青岛和无锡历年客运量及货运量分担率统计情况.由表5和表6可以看出，由于铁路网较温州完善，青岛和无锡的铁路运输分担率均超过4%，是温州的2～3倍，其完善的铁路运输系统大大提高了铁路运输的分担率，考虑到温福铁路的建成对温州市的铁路运输的影响，按照青岛和无锡的运输发展模式，温州的铁路运输分担率也会发生一定程度的提高.

表5 青岛历年客运量及货运量分担率Tab.5 Partake rate of passenger capacity and volume of freight in Qingdao 单位：%

表6 无锡历年客运量及货运量分担率Tab.6 Partake rate of passenger capacity and volume of freight in Wuxi 单位：%

将标杆城市青岛和无锡的各运输方式年均占比增长率与《温州区域综合交通规划》中各运输方式占比年均增长率取平均，所得平均值乘以2008年温州各运输方式运量所占运输总量比例（表7），得到2011年温州市综合运输方式运输结构，结果如表8所示.表8的预测结果与《温州市交通统计年鉴》中当年实际运输结构偏差小于30%，属于可接受范围内，因此可以用此方法预测未来各特征年温州综合交通运输结构.

表7 温州市2008年的运输结构Tab.7 Traffic structure of Wenzhou in 2008

表8 温州市2011年的运输结构Tab.8 Traffic structure of Wenzhou in 2011

根据《温州市交通统计年鉴》的统计数据，2002年—2011年，温州客运的公路、铁路和航空分担率平均增长速度分别为-0.1%、5.8%和8%，货运的公路、铁路和水路分担率平均增长速度分别为-18%、87%和45%，铁路分担率的增长呈快速上升趋势.

2020年以后，随着全国高速公路网和铁路网的建成，交通需求进一步加大，原本相对落后的铁路运输的通达性也得到改善.参考青岛和无锡2个城市的分担率增长率，未来温州各运输方式分担率增长速度按以下方案设定：2011年—2020年，客运公路、铁路和航空增长速度分别为-0.57%、12.98%和6.49%，货运公路、铁路和航空增长速度分别为-0.04%、5.26%和-5.88%；2020年—2030年，客运公路、铁路和航空增长速度分别为-1.34%、8.97%和1.26%，货运公路、铁路和航空增长速度分别为-1.70%、6.41%和1.54%；2030年—2040年客运公路、铁路和航空增长速度分别为-0.23%、-0.64%和1.12%，货运公路、铁路和航空增长速度分别为-0.34%、0.79%和1.66%.根据历史分担率数据以及前文所预测的温州客、货运运输总量的高、低2个方案，预测温州未来特征年运输分担率，结果如表9所示.

表9 温州市规划各特征综合运输方式运输结构预测Tab.9 Predictions of traffic structure in future every ten years of Wenzhou

3 结论

在分析传统交通方式分担率预测模型的局限性与缺点的基础上，讨论了城市综合交通方式预测宏观的影响因素，并提出标杆城市法的概念，通过比较目标城市与标杆城市的主要发展指标，从中分析标杆城市存在的差距以及未来发展的优势基础，运用趋势外推的方法，对目标城市未来长期运输结构进行预测，并通过实例进行论证得到以下结果：

（1）提出标杆城市法的概念，通过比较目标城市与标杆城市的主要发展指标，运用趋势外推的方法，对温州未来交通运输结构进行预测，并通过计算2008年—2011年温州综合交通运输结构，验证了此方法的精度在30%内.

（2）选取与温州相似度较高的青岛和无锡2个城市作为参照系，采用趋势外推法，推测未来温州的综合运输结构.在2030年全国铁路网建成之后，铁路运输将部分取代公路，其运输分担率将提高近一倍.

（3）本预测结果避开了Logit模型的缺点，即当第3种交通运输方式加入后，对原来交通运输系统中的分担率产生了影响而得出的分担率，其结果的准确率大大提高.

[1] HENSHER D A.A practical approach to identifying the market potentialfor high speed rail：acase study in the Sydney-Canberra corridor[J].Transpn Res，1997，31（6）：431-446.

[2]BEN-AKIVA M，MORIKAWA T.Comparing ridership attraction of rail and bus[J].Transport Policy，2002，9（2）：107-116.

[3]TANLGUEHI E，NORITAKE M，YAMADA T，et al.Optimal size and location planning of public logisties[J].Transportation Research Part E：Logistics and Transportation Review，1999，35（3）：207-222.

[4]NUZZOLO A，GANGEMI F.A behavioural choice model for the evaluation of rail supply and pricing policies[J].Transportation Research Part A，2000，34：395-404.

[5] CHENG Y H.High-speed rail in Taiwan：new experience and issues for future development[J].Transport Policy，2010，17（2）：51-63.

[6] TRAIN K E.Discrete Choice Methods with Simulation[M].Cambridge：Cambridge University Press，2002：15-23.

[7] 马波涛，张于心，赵翠霞.运用Logit模型对高速客流分担率的估计[J].北方交通大学学报，2003，27（2）：66-69.

[8] 王爽，赵鹏.基于Logit模型的客运专线旅客选择行为分析[J].铁道学报，2009，31（3）：6-10.

[9] 李洁.公路客运行业评价指标体系研究[D].西安：长安大学，2009：33-51.

[10]孙海林，胡兆杰.秦沈客运专线对京沈客流分担率的影响分析[J].铁道运输与经济研究，2004，26（3）：69-71.

[11]张铱莹，彭其渊.客运专线对运输通道分担率的影响[J].铁道运输经济研究，2006，28（12）：16-19.

[12]曾曦，王慈光.Logit模型的改进及其在客流分担率预测中的应用—成渝城际铁路为例[J].长沙交通学院学报，2007，23（4）：50-53.

[13]王爽，赵鹏.基于Logit模型的客运专线旅客选择行为分析[J].铁道学报，2009，31（3）：6-10.

[14]CHEN S Y，ZHOU Y H，WANG W.Short-term traffic volume time series forecasting based on phase space reconstruction[J].Machine Learning and Cybernetics，2005，6：3585-3588.

[15]BYUNGKYU P P.Hybrid neuro-fuzzy application in short-term freeway traffic volume forecasting[J].Transportation Research Record，2002，1802：190-196.

[16]BOWMAN J L，BEN-AKIVA M E.Activity-based disaggregate travel demandmodelsystemwithactivityschedules[J].Transportation Research Part A：Policy and Practice，2001，35（1）：1-28.