城市生态交通系统评价

方 松，余跃武

（1.南京林业大学 汽车与交通工程学院，江苏 南京 210037；2.南京铁道职业技术学院，江苏 南京 210031）

0 引言

随着城市化进程的不断深入，大量的资源和能源消耗以及温室气体的排放导致城市空气质量不断下降。生态交通以城市复杂生态系统理论为基础，强调交通的发展要适应城市生态发展的规律。目前，我国生态城市建设已取得阶段性成果，但仍存在一系列问题，如注重大城市而忽视中小城市，注重“新城发展”，忽视已有建成区的生态转型[1-2]。生态交通是面向未来生态城市的综合交通运输系统。城市生态交通在可持续发展理念的指导下，以满足城市交通需求为前提，将生态学理论运用到城市交通的规划建设与运营管理的全过程，以实现城市交通与自然环境、社会经济及资源消耗的协调可持续发展为目标。

针对城市生态交通系统的复杂性和动态性，国内外学者结合层次分析法和变异系数法，对生态交通系统的相关理论和实现途径进行了不断地探讨和研究[3-4]。Yunhong，等[5]研究了部分城市自驾游产生的碳排放与旅游景区交通之间的关系。Zhang[6]对影响低碳旅游发展的各种因素进行权重计算，并提出对策建议。Zhang，等[7]建立了城市轻型车油耗和碳排放预测的实证模型，并以澳门为例进行预测。Goldman，等[8]研究了可持续交通的定义和内涵，提出了城市可持续交通系统的四个革命性发展方向。Wang，等[9]采用模糊评价法对交通系统的安全性进行评价，选取的参数包括区域经济发展水平、居民生活习惯、社会道德水平和法律制度水平。

城市生态交通是由相互作用的各项指标决定的多层次复杂系统，以往的研究无法处理指数与系统之间复杂的非线性关系[10-11]。BP 神经网络具有合适的自学习和自关联功能，广泛应用于非线性建模、函数逼近和模式分类[12-13]。本文从交通网络、交通体系完善性、交通环境、交通景观、交通文化五个方面构建了城市生态交通评价指标体系，基于BP神经网络建立评价模型，并采集数据进行实例验证，以期为城市生态交通发展政策的制定提供一定的依据。

1 城市生态交通评价指标体系

城市生态交通以可持续发展为设计理念，通过创新发展的科技成果和技术方法对城市交通系统进行统一的规划、建设与管理，达到交通与自然资源的协调、交通与自然环境的协调、交通与社会发展的协调。本文收集了9个城市的生态交通评价指标数据，选取其中5个城市数据作为评价模型的学习样本，另外4个城市数据作为模型一般性验证，见表1-表5。

表1 交通网络数据

表2 交通体系完善性数据

表3 交通环境数据

表4 交通景观数据

表5 交通文化数据

2 BP神经网络评价模型

BP 神经网络是一种前向映射网络，网络由输入层、隐含层和输出层节点组成，前层节点至后层节点通过权联结。根据表1-表5 所得学习样本数据，建立一个三层BP神经网络，作为城市生态交通评价模型。sigmoid 函数光滑可微，在分类时比线性函数更精确，容错性相对较好，本文选取sigmoid函数作为评价模型的传递函数。

BP 神经网络在实际应用中多采用改进算法，常见的有：利用动量法改进算法（traingdm）、自适应调整学习速率（traingda）、动量-自适应学习速率调整算法（traingdx）、L-M 算法（Levenberg-Marquardt）。本文对上述常见的BP 改进算法进行实验后发现：L-M算法收敛速度最快，但输出精度相对较低，且容易陷入局部最小值；traingdm 与traingda 对学习样本的适应能力较好，输出精度相对L-M 算法较高；traingdx结合了两者的优点，收敛速度为213 步，收敛精度为3.4×10-3，符合本文所需的收敛速度与精度，因此，选用traingdx作为训练函数。

BP神经网络隐含层单元数过多会导致学习时间过长，而并不一定能够达到误差最佳的效果，但是隐含层单元数过少则会导致训练网络不够强壮，不能识别未学习过的样本，从而使得网络的容错性较差。本文所建模型输入层神经元数为30，输出层为1，根据经验公式计算得到隐含层单元数可取范围为7～16。通过实验发现网络训练次数随着隐含层单元数的增加而降低，因此选择隐含层单元数为16，实际迭代训练次数为111。

3 实例分析

选取表1-表5 中前5 个城市的数据作为学习样本，考虑到各个评价指标之间的量纲问题，利用Matlab 软件对原始数据进行归一化处理，输入本文所建BP神经网络，输出结果再经postmnmx函数进行反归一化运算，得到基于BP神经网络的城市生态交通系统评分值，见表6。5 个城市的生态交通系统评分依次为通化市、佳木斯市、张家界市、北海市、湛江市，与《GN 中国低碳生态城市指标体系》中生态宜居城市的排名一致，验证了BP神经网络在城市生态交通系统评价中的准确性。

表6 BP神经网络学习结果

为了验证所建模型的一般性，对表1-表5中后4个未加入学习样本的城市数据进行生态交通系统评价。珠海市位于广东省珠江口的西南部，是中国最早设立的四个经济特区之一，入选全国旅游胜地城市、新型花园城市、国家幸福之城、浪漫之城，获颁国际改善居住环境最佳范例奖，2020年2月被确定为第五批中央财政支持开展居家和社区养老服务改革试点地区，常住人口202万。玉溪市位于滇中腹地，亚热带季风气候，年平均气温16.4～24.6℃，是云烟之乡、花灯之乡和高原水乡，并且是中国十佳休闲宜居生态城市，常住人口238万。日照市位于中国大陆沿海中部—黄海之滨，温带季风气候，是我国滨海生态、宜居、旅游、现代化港口城市和临港产业基地，获得联合国人居奖，常住人口308万。海口市为海南省省会，拥有“中国最具幸福感城市”“优秀旅游城市”“环境保护模范城市”“国家园林城市”等荣誉称号，2018年被联合国评定为世界首批“国际湿地城市”，常住人口232万。以上待评价的4个城市规模相当，均以建设生态宜居城市为目标，在城市生态交通发展规划与建设方面具有很强的对照效应。根据所建BP网络模型及表1-表5中城市数据，输出结果见表7，4个城市的生态交通系统评分依次为海口市、日照市、珠海市、玉溪市，与《GN中国低碳生态城市指标体系》中生态宜居城市的排名一致，验证了模型的适用性。

表7 模型输出结果

4 结语

本文从交通网络、交通体系完善性、交通环境、交通景观、交通文化五个方面建立了城市生态交通评价指标体系，基于BP 神经网络建立评价模型，收集了9个城市的生态交通评价指标数据，选取其中5个城市数据作为评价模型的学习样本，另外4个城市数据作为模型一般性验证，所得输出结果与《GN 中国低碳生态城市指标体系》评分结果基本一致，验证了所建模型的准确性与适用性。

本文所建模型适用于城市生态交通系统总体评价，对各个评价指标的差异性分析尚待进一步研究。另外，BP神经网络的精确度与性能受限于样本数据，下一步将采集更多的样本数据，提高模型的精确性。