城市道路交通影响因素相关性分析

林 慧 李慧宇 杜国强 熊陈琴 孙宇宇

(东北林业大学土木工程学院，黑龙江 哈尔滨 150040)

1 概述

作为城市基础设施中的重要一环，道路交通基础设施是灾害应急疏散和保持城市畅通的生命线工程，对道路交通运输系统本身正常运行和整个社会经济系统发挥着巨大作用。影响城市道路交通的因素有很多，包括城市发展状况、人口数量及密度、汽车保有量等等。本文调查搜集了若干大中城市的数据，通过对各城市道路交通影响因素的相关性分析，得到影响道路通勤的关键因素。进一步利用多元线性回归的方法，建立拥堵指数测度模型，为城市有效识别影响因素，合理规划道路交通网络，进行科学决策，提供理论依据。

国内外专家学者对道路交通相关性的分析已有很多。约翰迈耶、约翰卡恩和马丁沃尔合著的《城市交通问题》首次研究了经济因素驱动土地利用和交通的动态关系；Bollinger与Ihlanfeldt研究了城市规模，经济实力对城市轨道交通建设规模影响；K.A.Abbas利用分层回归的非参数统计方法分析农村道路的几何特征、事故发生率和其预测值之间的关系[1]；陈绍宽等人在传统的Moran’sⅠ指数中引入时间维度[2]，来研究城市道路交通时空变化规律；魏爱国，王冉冉等引入贝叶斯网络理论，建立了车辆交通贝叶斯网络模型，用来预测车辆发生事故的概率和各因素之间的相关性，对车辆交通事故研究有一定的帮助[3]；张殿业，金键，郭孜政对各体系间相互关系及各体系的具体研究内容及框架结构进行了分析讨论，在体系框架上对道路交通的层次结构予以搭建界定[4]；赵丽杰、刘军在对重庆市道路交通管理及法制建设全面调研的基础上，提出了相应的道路交通事故预防和综合治理的对策[5]。

2 道路交通影响因素相关性分析

影响城市道路交通通勤情况的因素有很多，包括自然因素(如地形地势、气候条件)、经济因素(如城市发达程度、人均收入水平)、人文因素(如居民素质、出行方式的喜好)等。同时，城市交通布局规划、路网结构和环境也是影响道路交通通勤情况的重要因素。本文综合考虑各方面因素的影响，选取关键性的八个指标(年降雨量、降雨日数、城市面积、汽车保有量、常住人口、城市GDP、通勤高峰实际速度与通勤高峰拥堵指数)进行定量分析讨论。通过查阅相关文献及实际调研，搜集了九座大中城市的相关数据，具体如表1所示。

利用SPSS进行主成分分析，得到各因素的相关性矩阵如表2所示。

表1 各城市相关数据

表2 各因素的相关性矩阵

由以上结果可以看到，“年降雨量”和“通勤高峰拥堵指数”的相关系数是-0.466，即|r|=0.466；“降雨日数”和“通勤高峰拥堵指数”的相关系数是-0.345，即|r|=0.345；一般认为相关系数|r|在0.8～1.0之间是极强相关；0.6～0.8之间是强相关；0.4～0.6 之间是中等程度相关；0.2～0.4之间是弱相关；0.0～0.2则是极弱相关或无相关。可见，年降雨量、降雨日数与通勤高峰拥堵指数的相关关系分别为中等程度相关、弱相关。这说明降雨情况对高峰时段通勤的拥堵程度是有一定影响的，但并不是决定性的显著影响。针对我国众多内涝灾害频发的地区，做好强降雨时的道路交通规划和人车疏散显得尤为重要。

3 高峰时段道路通勤拥堵指数计算模型

在上述道路交通影响因素相关性分析的基础上，建立高峰时段道路通勤拥堵指数计算模型。由于八项影响因素的量纲不同，无法统一比较数据。本文首先对各城市相关数据进行归一化处理，结果如表3所示。

经过归一化处理后，数据可以进行分析比较。本文利用多元线性回归的方法，令高峰时段通勤拥堵指数为因变量，年降雨量、降雨日数、城市面积等七个因素为自变量，通过逐次回归的方法，建立高峰时段道路通勤拥堵指数计算模型。得到输入的变量有三个，分别为通勤高峰实际速度、城市面积、城市GDP，如表4所示。

表3 归一化处理后数据

表4 输入的变量

结果显示，输入变量的显著性水平分别为0.004，0.004，0.001，说明差异比较显著，具体如表5所示。

表5 显著性水平

最终结果如表6所示。

表6 分析结果

由表6得到高峰时段道路通勤拥堵指数计算模型为：

y=-0.03x1+0.059x2+0.038x3+1.799。

其中，x1为通勤高峰实际速度；x2为城市面积；x3为城市GDP。

4 案例分析

本文以哈尔滨市为实践对象，利用上述高峰时段道路通勤拥堵指数计算模型得到哈尔滨市拥堵指数，并与哈尔滨市高峰时段实际道路通勤拥堵指数进行比较，进一步检验模型可靠性。哈尔滨市相关数据见表7。

表7 哈尔滨市相关数据

经SPSS归一化处理后数据如表8所示。

表8 哈尔滨市归一化处理后数据

经计算，哈尔滨市高峰时段道路通勤拥堵指数为：y=-0.03x1+0.059x2+0.038x3+1.799=1.985。

经查阅资料，哈尔滨市高峰时段实际道路通勤拥堵指数为1.975，证明上述高峰时段道路通勤拥堵指数计算模型在误差允许范围内具备可靠性。

5 结语

1)本文首先选取九座大中城市的道路通勤影响因素数据进行分析，得到相关性矩阵，以此初步判别各因素与道路通勤拥堵状况之间的关系。

2)利用SPSS软件对数据进行归一化处理，以便后续的统一分析与模型构建。

3)对归一化处理后的各因素进行多元线性回归分析，得到高峰时段道路通勤拥堵指数测度模型。并将该模型应用于哈尔滨市，得到哈尔滨市高峰时段道路通勤拥堵指数，通过与哈尔滨市实际高峰时段道路通勤拥堵指数比较，验证模型可靠性。

4)为城市计算高峰时段道路通勤拥堵指数提供测度模型，同时给各地区政府合理规划道路网络，缓解道路拥堵情况提出科学的决策依据。