王玉剛 姚紅云▲ 李英帥 陳曉芬
(1.重慶交通大學(xué)交通運(yùn)輸學(xué)院 重慶 400074;2.東南大學(xué)交通學(xué)院 南京 210096)
隨著我國城市化進(jìn)程的加快,機(jī)動(dòng)車的快速增長與滯后的城市基礎(chǔ)設(shè)施建設(shè)之間的矛盾日益增加,使得道路交通擁擠、阻塞等問題日益嚴(yán)重,為了促進(jìn)城市交通的可持續(xù)發(fā)展,發(fā)展大容量、高效率、低污染的公共交通成為解決城市交通問題的重要途徑[1]。換句話說,公共交通已成為城市居民出行的重要交通工具。公共交通客運(yùn)量是提高公交運(yùn)輸效率和合理安排任務(wù)計(jì)劃的基礎(chǔ),為城市公共交通規(guī)劃提供有力支持[2]。因此,科學(xué)地對公共交通客運(yùn)量相關(guān)影響因素進(jìn)行分析及客運(yùn)量的預(yù)測,并應(yīng)用于公共交通管理,這對提高城市公共交通的運(yùn)行效率和管理水平具有非常重要的現(xiàn)實(shí)意義,從而促進(jìn)城市公共交通事業(yè)的可持續(xù)發(fā)展,緩解城市的交通壓力。
城市常規(guī)公交系統(tǒng)是1個(gè)復(fù)雜的系統(tǒng),研究公交客運(yùn)量涉及到多個(gè)因素的影響,但各個(gè)因素的關(guān)聯(lián)度是不明確的,灰色理論正是用于研究這種信息部分明確、部分不明確的系統(tǒng)[3-4]。灰色理論不僅可以進(jìn)行定性分析,還可以進(jìn)行定量預(yù)測。影響因素分析采用灰色關(guān)聯(lián)模型,公交客運(yùn)量預(yù)測采用GM(1,1)模型[5]。
設(shè)系統(tǒng)特征序列為X0={x0(1),x0(2),…,x0(n)},并且有N個(gè)相關(guān)因素序列,分別為X1={x1(1),x1(2),…,x1(n)},i∈(1,2,…,N)。
1)灰色絕對關(guān)聯(lián)度。
(2)求|s0|,|si|,|si-s0|。
(3)計(jì)算絕對關(guān)聯(lián)度ε0i=
2)灰色相對關(guān)聯(lián)度。計(jì)算灰色相對關(guān)聯(lián)度首先需要求出各序列的初值像,計(jì)算方法如下。
后續(xù)步驟,如序列X′i的始點(diǎn)零化像,計(jì)算|s′0|,|s′i|,|s′i-s′0|,計(jì)算相對關(guān)聯(lián)度γ0i等的方法和計(jì)算絕對關(guān)聯(lián)度的算法一致,在此不再贅述。
3)灰色綜合關(guān)聯(lián)度。
灰色綜合關(guān)聯(lián)度既體現(xiàn)了X0與Xi的相似程度,也可反映出X0與Xi相對于始點(diǎn)的變化率的接近程度,較為全面地表征了序列之間的聯(lián)系是否緊密的一個(gè)數(shù)量指標(biāo)。一般取θ=0.5。
1.2.1 傳統(tǒng)灰色預(yù)測方法
如給定數(shù)據(jù)列:
{x0(ti)}={x0(t1),x0(t2),…}是隨機(jī)過程,作數(shù)據(jù)累加生成處理,令:{x(1)(t1)}=得到新的數(shù)據(jù)列{x0(ti)} ={x(1)(t1),x(1)(t2),…}。建立灰色動(dòng)態(tài)模型GM(n,h),其中n為微分方程階數(shù),h為變量的個(gè)數(shù)。一般采用GM(1,1)模型形式
式中:α,μ為建模過程中待辨別的參數(shù)和內(nèi)部變量;x(1)為原始數(shù)據(jù)經(jīng)過累加生成處理得到的新數(shù)據(jù)列。
參數(shù)辨識過程如下。
1)構(gòu)造數(shù)據(jù)矩陣B和構(gòu)造數(shù)陣向量yn。
2)作最小二乘法計(jì)算,求參數(shù)α,μ。
3)建立時(shí)間響應(yīng)函數(shù)。
1.2.2 改進(jìn)的灰色預(yù)測方法
灰色預(yù)測模型的可靠性及預(yù)測精度主要取決于x0(k)的光滑性,改善其光滑度是提高GM 模型精度的有效方法[6]。本文針對緊鄰均值生成序列做出改進(jìn)。即:
1)構(gòu)造數(shù)據(jù)矩陣B和構(gòu)造數(shù)陣向量yn。
2)作最小二乘法計(jì)算,求參數(shù)α,μ。
3)建立時(shí)間響應(yīng)函數(shù)。
重慶市是特殊的山地組團(tuán)城市,其居民的交通出行方式的結(jié)構(gòu)與其他大城市相比存在很大差異。從公交的出行比例來看,重慶市在2011年市民公共交通出行總量約為20億人次,其中常規(guī)公交為17.4億人次,軌道交通不到9千萬人次。常規(guī)公交所占比例高達(dá)96%,軌道交通出行僅占公共交通出行的4%。相同時(shí)期的北京公共交通的出行比例達(dá)到40%,其中常規(guī)公交出行所占比例達(dá)到65%,上海、廣州等城市公共交通的出行比例都接近50%,常規(guī)公交出行所占比例為35%~40%。國內(nèi)一些發(fā)達(dá)城市的公共交通出行比例達(dá)到了50%,而重慶市的公共交通出行比例只有30%左右。就目前一些大城市發(fā)展趨勢來看,發(fā)展大運(yùn)量的軌道交通是大勢所趨,目前重慶的軌道交通系統(tǒng)還處于發(fā)展初期,重慶市的公共交通出行仍會以常規(guī)公交為主。在大力發(fā)展軌道交通的背景下,分析研究重慶市的常規(guī)公交客運(yùn)量的影響因素,將為重慶市的公共交通發(fā)展,以及發(fā)展過程中如何處理好常規(guī)公交和軌道交通的關(guān)系指明方向。
高詠玲等[7]在研究城市公共交通客運(yùn)量時(shí),是從城市公交服務(wù)水平和城市發(fā)展情況兩方面來分析,然而公交客運(yùn)量的影響因素是隨機(jī)多變的。為了便于分析研究,筆者選取了城市常住人口、重慶市地區(qū)生產(chǎn)總值(GDP)、建成區(qū)面積、公交出行時(shí)耗、公交營運(yùn)車輛數(shù)。
1)重慶市人口呈組團(tuán)式分布,組團(tuán)區(qū)域人口數(shù)量和結(jié)構(gòu)的變化會引起客運(yùn)需求的變化。一般情況下,出行頻率一定時(shí),人口數(shù)量的增加,公交客運(yùn)量將隨之增加。此外,重慶市是著名的山地城市,農(nóng)村居民經(jīng)濟(jì)來源較少,大量農(nóng)村剩余勞動(dòng)力不得不向重慶主城區(qū)轉(zhuǎn)移,人口積聚必然增加大量的客運(yùn)需求。例如重慶市解放碑、觀音橋等集高端商務(wù)、娛樂休閑于一體的商業(yè)區(qū),每天都吸引成千上萬的消費(fèi)者及外來上班人員,在目前軌道交通系統(tǒng)還不完善,如此龐大的人群集散主要還是依靠公共交通的對外交流。據(jù)調(diào)查,解放碑周邊的公交車每天從08:00~21:00時(shí)基本上都是擁擠狀態(tài)。
2)城市公交的發(fā)展離不開經(jīng)濟(jì)的支撐,主城區(qū)生產(chǎn)總值對客運(yùn)量的影響主要體現(xiàn)在對公交發(fā)展的投資廣度和投資深度上,雖然重慶市目前主要大力發(fā)展軌道交通,對軌道交通的投入遠(yuǎn)大于常規(guī)公交,但是依照目前重慶市公共交通的發(fā)展速度,在未來一段時(shí)間內(nèi),重慶市的公共交通主要以常規(guī)公交為主,對常規(guī)公交的投入是必不可少的。
3)隨著重慶市主城區(qū)的建成面積不斷擴(kuò)大,城市路網(wǎng)的數(shù)量和質(zhì)量也在不斷提高,據(jù)統(tǒng)計(jì),建成區(qū)面積由2008年的443.6km2增長到2011年的619.4km2,而新建成區(qū)域會吸引大批的客流。由于發(fā)展滯后的軌道交通,面對越來越大的交通客流需求,這些新建成區(qū)只能采用常規(guī)公交與其他組團(tuán)進(jìn)行銜接。建成區(qū)域的不斷變化,常規(guī)公交客運(yùn)總量也發(fā)生變化。
4)當(dāng)前重慶市的軌道交通處于發(fā)展初期,公共交通主要依靠常規(guī)公交。隨著經(jīng)濟(jì)的發(fā)展,乘客的出行需求也在不斷提高,為了解決這種交通供給與需求之間的矛盾,最直接有效的方式就是增加交通供給。因此,當(dāng)前重慶市的常規(guī)公交車輛數(shù)的投放,將會有效緩解重慶市居民的出行需求,也是當(dāng)前增加公共交通客運(yùn)量最直接有效的方式。
5)隨著重慶市對常規(guī)公交的車輛數(shù)的大幅投入,常規(guī)公交的發(fā)班班次增加,使得公交車發(fā)班間隔縮短、延誤時(shí)間降低,公共交通的服務(wù)水平提高,使得乘客的出行時(shí)間成本降低、滿意度增加。據(jù)統(tǒng)計(jì),重慶市居民公交出行平均時(shí)耗從2008年的49.3min,下降到2011年的35min,說明公交服務(wù)水平大幅提升,從乘客的交通行為特性分析,乘客出行時(shí)更傾向于選擇常規(guī)公交。
雖然常規(guī)公交出行分擔(dān)率、居民出行次數(shù)、居民的人均消費(fèi)性支出等因素也是影響常規(guī)公交客運(yùn)量的因素,但其與所選因素之間存在包含關(guān)系。如常規(guī)公交出行時(shí)耗的降低,必然會導(dǎo)致居民出行結(jié)構(gòu)發(fā)生變化,引起常規(guī)公交出行分擔(dān)率的升高;居民出行次數(shù)長期將維持在一定的水平范圍之內(nèi),不會發(fā)生太大的變化,其對常規(guī)公交客運(yùn)總量的影響也是基于人口的因素;居民的人均消費(fèi)性支出與GDP總量和人口有關(guān),分析因素時(shí)已經(jīng)涉及GDP和人口因素。因此在分析常規(guī)公交客運(yùn)量應(yīng)先因素時(shí),不需重復(fù)研究這些因素。
根據(jù)所選的因素,繪制出表1相關(guān)統(tǒng)計(jì)數(shù)據(jù),由表1可分析出公交出行平均時(shí)耗與公交客運(yùn)總量大致呈負(fù)相關(guān)關(guān)系。因此,在計(jì)算時(shí),需要對其進(jìn)行倒數(shù)化運(yùn)算,使其與特征因素呈正相關(guān)。由此繪制各影響因素與公交客運(yùn)總量變化趨勢圖,見圖1。
表1 重慶市城市公交客運(yùn)量各影響因素相關(guān)數(shù)據(jù)Tab.1 The related data of the influence factors of Chongqing city urban public transit passenger volume
圖1 各影響因素與公交客運(yùn)總量變化趨勢Fig.1 Influence factors and changing trend of bus passenger volume
經(jīng)過計(jì)算,得出各影響因素與公交客運(yùn)量的綜合關(guān)聯(lián)度為
從比較結(jié)果來看,從選取的影響重慶市常規(guī)公交客運(yùn)總量的5 個(gè)影響因素中,X5為最優(yōu)因素,X1次之,X3又次之,X2相對較劣。也就是說,在5個(gè)影響因素中,公交營運(yùn)車輛數(shù)對公交客運(yùn)量的影響最大;主城區(qū)常住人口公交客運(yùn)總量的影響僅次于公交營運(yùn)車輛數(shù);主城區(qū)城市建成區(qū)面積對常規(guī)公交客運(yùn)量的影響不如公交營運(yùn)車輛數(shù)和主城區(qū)常住人口的影響顯著;但比公交出行平均時(shí)耗和主城區(qū)生產(chǎn)總值影響顯著;主城區(qū)生產(chǎn)總值影響相對較小。
灰色預(yù)測是一種基于時(shí)間序列變化的預(yù)測方法,且針對短時(shí)預(yù)測具有很高精確度,因此選取時(shí)間序列不宜過長。因此,筆者選取重慶市2008~2011年的常規(guī)公交客運(yùn)量作為研究的基礎(chǔ)數(shù)據(jù)。
表2 重慶市2008~2011年的常規(guī)公交客運(yùn)總量Tab.2 Conventional public transit passenger volume in Chongqing city from 2008~2011
根據(jù)表1中的相關(guān)數(shù)據(jù),可建立如下的公交客運(yùn)量預(yù)測模型。
根據(jù)上式所建立的公交客運(yùn)量預(yù)測模型,預(yù)測結(jié)果見表3。
表3 重慶市常規(guī)公交客運(yùn)總量預(yù)測Tab.3 Regular bus passenger volume forecast of Chongqing City
目前在預(yù)測公交線路的客運(yùn)量時(shí),采用的常規(guī)方法主要有多元線性回歸預(yù)測[8]、平均增長系數(shù)模型、組合預(yù)測模型[9-10]等。
1)多元線性回歸模型是根據(jù)表1、表2中的常規(guī)公交客運(yùn)量的與其相關(guān)影響因素(x1,x2,…,x8)之間,用多元線性回歸模型表述出來。建立模型。
利用最小二乘法,代入數(shù)據(jù),即可求得多元線性回歸模型的各個(gè)參數(shù)b0,b1,…,b8。
2)平均增長系數(shù)模型是根據(jù)表3中的重慶市的公交客運(yùn)總量相關(guān)數(shù)據(jù),求出歷年公交客運(yùn)總量的平均增長率β,然后以預(yù)測年份為基年,取基年的客運(yùn)量Y,對未來數(shù)據(jù)進(jìn)行預(yù)測。模型為
3)組合預(yù)測模型是基于1),2)2種模型的綜合,其中θ∈[0,1]。
將這些常規(guī)預(yù)測模型與灰色預(yù)測模型進(jìn)行對比分析,預(yù)測結(jié)果對比見表4。
表4 各預(yù)測模型預(yù)測結(jié)果對比Tab.4 The comparison of the results predicted prediction model(unit:million) 億人次
各預(yù)測模型的精度比較見表5。
表5 各預(yù)測模型的精度比較Tab.5 Comparison of the accuracy of the prediction models
由表3可見,無論是從平均絕對誤差,還是平均相對誤差方面,傳統(tǒng)灰色預(yù)測模型都要比其他3種常規(guī)預(yù)測模型的預(yù)測精度高。在進(jìn)行重慶市常規(guī)公交客運(yùn)量預(yù)測時(shí),灰色預(yù)測模型組合預(yù)測模型多元線性回歸模型平均增長系數(shù)模型,即傳統(tǒng)灰色預(yù)測模型要優(yōu)于其他3種常規(guī)預(yù)測模型。
由于重慶市近年來對軌道交通的投入增多,加之主城區(qū)的機(jī)動(dòng)車數(shù)量日益增加導(dǎo)致的嚴(yán)重堵塞,致使常規(guī)公交的服務(wù)水平和運(yùn)營效率下降,常規(guī)公交客運(yùn)量的增長受到影響。通過分析傳統(tǒng)灰色預(yù)測模型預(yù)測結(jié)果,發(fā)現(xiàn)預(yù)測值和實(shí)際值之間的擬合精度不夠。造成這樣結(jié)果的原因主要是由于重慶市的常規(guī)公交客運(yùn)量的原始數(shù)據(jù)中的x0(k)的光滑度不夠,而傳統(tǒng)灰色預(yù)測模型構(gòu)造的數(shù)據(jù)矩陣B中緊鄰均值生成序列由于采用均值算法存有一定誤差,為了進(jìn)一步提高模型擬合與預(yù)測的精度,需要對模型的緊鄰均值生成序列做出改進(jìn)。通過改進(jìn)后的灰色預(yù)測模型與傳統(tǒng)灰色模型對比結(jié)果見表6。
表6 預(yù)測模型檢驗(yàn)數(shù)據(jù)Tab.6 The test data of prediction model
將預(yù)測模型預(yù)測出的數(shù)據(jù)與實(shí)際公交客運(yùn)總量比較,檢驗(yàn)預(yù)測模型的可靠度。
表7 模型精度等級Tab.7 Model accuracy grade
根據(jù)小誤差原理,當(dāng)p=P{|q(t)-珔q|≤0.674 5s1}=1,(t=0,1,2,3),在采用傳統(tǒng)灰色預(yù)測模型和改進(jìn)的灰色預(yù)測模型的預(yù)測中,由于后驗(yàn)差C<0.35,p=1>0.95,所以計(jì)算出的預(yù)測模型精度較高,預(yù)測精度達(dá)到一級水平(見表7)。另外,比較平均相對誤差,可看出經(jīng)過改進(jìn)后的灰色預(yù)測模型要比傳統(tǒng)的灰色預(yù)測模型的平均相對誤差要小,說明采用改進(jìn)后的灰色預(yù)測模型的預(yù)測精度更高。
采用改進(jìn)后的模型對未來重慶市的常規(guī)公交客運(yùn)量作出預(yù)測,預(yù)測結(jié)果見表8。
表8 重慶市近期常規(guī)公交客運(yùn)量預(yù)測Tab.8 The recent prediction of conventional public transit passenger volume of Chongqing City 億人次
對重慶市的常規(guī)公交客運(yùn)量進(jìn)行分析和預(yù)測,將有助于管理人員掌握重慶市公交客運(yùn)量的影響因素及判斷各影響因素的對客運(yùn)量的影響力大小,了解重慶市當(dāng)前的公交客運(yùn)的發(fā)展水平,把握當(dāng)前及今后重慶市公交客運(yùn)量的發(fā)展規(guī)律和發(fā)展投資方向。
基于灰色關(guān)聯(lián)理論,研究不同影響因素對重慶市公交客運(yùn)量影響的關(guān)聯(lián)度大小,但未涉及到各個(gè)指標(biāo)對公交運(yùn)營效益的影響。例如本文提出公交車輛數(shù)對公交客運(yùn)量的影響較為顯著,一定程度上,公交車輛數(shù)的投入對公交客運(yùn)量的影響較為顯著,但根據(jù)效益最優(yōu)原則,當(dāng)公交車輛數(shù)的投入達(dá)到一定數(shù)量后繼續(xù)投入時(shí),公交客運(yùn)量的增長會越來越不顯著,同時(shí)隨著運(yùn)力的投入,投資成本將大幅增加,公交運(yùn)營的效益會出現(xiàn)先增長后下降的趨勢。因此,怎樣綜合考慮各個(gè)因素對重慶市常規(guī)公交效益的影響,追求常規(guī)公交運(yùn)營效益的最大化將是進(jìn)一步研究的重點(diǎn)。
[1]賴志偉.公交客運(yùn)量預(yù)測技術(shù)研究[D].重慶:重慶大學(xué),2009.Lai Zhiwei.Study on the prediction of bus passenger volume[D].Chongqing:Chongqing University,2009.(in Chinese).
[2]邵昀泓,趙 陽,王 煒.城市公交客運(yùn)量的灰色預(yù)測研究[J].交通運(yùn)輸工程與信息學(xué)報(bào),2005,3(4):35-37.Shao Yunhong,Zhao Yang,Wang Wei.Grey forecast for passenger volume of urban public transit system[J].Journal of Transportation Engineering and Information,2005,3(4):35-37.(in Chinese).
[3]羅 黨,王潔芳.灰色決策理論與方法[M].北京:科學(xué)技術(shù)出版社,2012.Luo Dang,Wang Jiefang.Gray decision theory and method[M].Beijing:Science and Technology Press,2012.(in Chinese).
[4]蔣 宏,方守恩,陳雨人,等.基于時(shí)間序列和灰色模型的交通事故預(yù)測[J].交通信息與安全,2012,30(4):93-98.Jiang Hong,F(xiàn)ang Shouen,Chen Yuren,et al.Traffic accidents prediction based on time series and grey model[J].Journal of Transport Information and Safety,2012,30(4):93-98.(in Chinese).
[5]劉思峰,郭天榜,黨耀國.灰色系統(tǒng)理論及其應(yīng)用[M].2版.北京:科學(xué)出版社,1999.Liu Sifeng,Guo Tianbang,Dang Yaoguo.Grey system theory and application[M].2nd ed.Beijing:Science Press.1999.(in Chinese).
[6]王曉暾,熊 偉.基于改進(jìn)灰色預(yù)測模型的動(dòng)態(tài)顧客需求分析[J].系統(tǒng)工程理論與實(shí)踐,2010,30(8):1380-1388.Wang Xiaotun,Xiong Wei.Dynamic customer requirements analysis based on the improved grey forecasting model[J].Systems Engineering:Theory &Practice,2010,30(8):1380-1388.(in Chinese).
[7]高詠玲,楊 浩.城市公交客流影響因素的改進(jìn)灰色一致關(guān)聯(lián)分析[J].交通運(yùn)輸系統(tǒng)工程與信息,2007,7(6):102-108.Gao Yongling,Yang Hao.Improved grey uniform analysis for relationship between transit ridership and its influence factors[J].Journal of Transportation Systems Engineering and Information Technology 2007,7(6):102-108.(in Chinese).
[8]張愛霞,張?jiān)迄i,等.客運(yùn)交通量預(yù)測模型構(gòu)建與分析[J].河北理工大學(xué)學(xué)報(bào):自然科學(xué)版,2010,32(4):138-142.Zhang Aixia,Zhang Yunpeng,et al.The forecasting model foundation and analysis of passenger transport quantity[J].Journal of Hebei Politechnic University:Natural Science Edition,2010,32(4):138-142.(in Chinese).
[9]甘衛(wèi)華,孔 晶.城市公交客運(yùn)量的組合預(yù)測研究[J].科技廣場,2011(2):106-108.Gan Weihua,Kong Jing.Study of combine-forecast method for passenger volume of urban public transit system[J].Science Mosaic,2011(2):106-108.(in Chinese).
[10]溫惠英,賈幼帥,朱秋萍.基于組合預(yù)測方法與情景分析的廣東省客運(yùn)周轉(zhuǎn)量預(yù)測[J].交通信息與安全,2013,31(5):41-44.Wen Huiying,Jia Youshuai,Zhu Qiuping.Forecast of turnover volume of passengers based on combination forecast methods and scenario analysis in guangdong province[J].Journal of Transport Information and Safety,2013,31(5):41-44.(in Chinese).