游錦龍

（廣東省交通運輸規(guī)劃研究中心，廣東 廣州 510199）

建立綜合交通模型是研究綜合交通運輸體系的重要支撐。交通模型在國內外的應用極其廣泛，美國、韓國、瑞士、德國等國家均建立了區(qū)域交通模型，用于交通需求相關研究。上海、深圳、北京等大城市也都建立了各自的交通模型。歷經(jīng)半個多世紀，絕大部分交通模型依然沿用四階段法。

利用四階段法建立綜合交通模型的首要任務是準確把握交通生成，即交通需求。大量學者通過對交通運輸與經(jīng)濟社會發(fā)展相關性的分析研究，厘清了兩者之間的關系。于建峰[1]等運用適應度分析法，對區(qū)域經(jīng)濟與交通運輸體系進行發(fā)展綜合評價和適應度比較分析。樊建強[2]、余沛[3]等運用灰色關聯(lián)度，分別對公路運輸、鐵路運輸與經(jīng)濟發(fā)展進行了定量相關性分析。

一、綜合交通運輸需求預測方法

（一）數(shù)據(jù)基礎及特征

經(jīng)濟社會數(shù)據(jù)和交通統(tǒng)計數(shù)據(jù)，是進行經(jīng)濟社會和交通運輸發(fā)展研究的基礎。本次研究收集了廣東不同年份和區(qū)域的數(shù)據(jù)，數(shù)據(jù)量大、數(shù)據(jù)類型復雜、數(shù)據(jù)指標種類比較多。選取了地區(qū)生產總值、常住人口、人均GDP等6項經(jīng)濟社會指標和高速公路總流量、鐵路客運量等16項交通指標。

（二）預測方法

交通運輸需求預測方法主要分三大類：定性預測法、定量預測法和組合預測法。常用的定量預測法大致可分為三大類：因果關系預測法、時間序列法和趨勢外推法。

因果關系預測法，通過找出自變量與因變量之間的數(shù)量關系，建立適當?shù)臄?shù)學模型，以此來預測因變量的未來變化。優(yōu)點是預測精度高、適用范圍廣；缺點是所需數(shù)據(jù)量大，計算模型復雜，自變量或因變量的選擇帶有不確定性，從而影響預測結果的準確性。

時間序列法，在預測對象變化平穩(wěn)、無較大波動且其他影響因素變化不大的情況下可保證預測結果的準確性。缺點是只考慮了時間變化這單一的預測因素，忽略了其他實際因素對其造成的影響，適用于短期預測。

趨勢外推法，需要滿足兩個假設條件：事物發(fā)展過程是漸進的，不發(fā)生跳躍式的巨變；事物過去的發(fā)展規(guī)律適用于其未來的發(fā)展變化，一般適用于短期和中期預測。

對比各類定量預測方法的優(yōu)缺點及其適應條件，本次研究選定精度高的回歸分析法進行預測，并采用決定系數(shù)R2來評估指標之間的相關性水平。對于回歸分析而言，決定系數(shù)R2的取值越接近1，說明自變量與因變量的擬合效果越好，即其相關性越顯著。

（三）預測方案

預測方案具體步驟如下：

1.對比省域、地市、區(qū)縣、不同經(jīng)濟水平地區(qū)的高速公路指標相關性結果，明確選取何種區(qū)域指標進行建模。

2.用均值與方差評估，根據(jù)不同指標組合間的相關性分析結果，篩選經(jīng)濟社會指標。

3.基于篩選指標，分別對各交通方式運輸量與經(jīng)濟社會指標進行相關性分析，建立定量預測模型。

4.選用增長系數(shù)法對預測結果合理性進行驗證。

二、高速公路與經(jīng)濟社會相關性

本次研究從模型應用的簡便性與可操性出發(fā)，建立反映廣東省綜合交通運輸需求共性的預測模型。

為排除經(jīng)濟社會指標的重復與互相干擾，按經(jīng)濟社會發(fā)展水平劃分為珠三角、粵東、粵西、粵北4個區(qū)域分別進行相關性分析。根據(jù)相關性分析結果，篩選出適合建立定量預測關系式的相對穩(wěn)定的經(jīng)濟社會指標。

（一）不同區(qū)域相關性分析

分別基于廣東全省、各地市及各區(qū)縣高速公路各項指標與經(jīng)濟社會各項指標進行一元回歸分析，得到?jīng)Q定系數(shù)R2取值情況。

由圖1的廣東省相關性分析結果可知，其一元回歸結果R2取值的均值為0.869，取值很高，且從各指標組合的R2取值情況來看，除四類車R2均值為0.55，擬合效果一般外，其余各項指標與經(jīng)濟社會指標高度相關。由此可以看出，在省級層面，經(jīng)濟社會指標與高速公路指標的回歸效果很好，可用于需求預測。

圖1 廣東省相關性分析

由圖2地市相關性結果分析，其一元回歸結果R2取值的均值為0.611，高速公路客運量與經(jīng)濟社會指標的相關性整體較差，第一產業(yè)產值與高速公路各項指標R2取值均小于0.1，表現(xiàn)為不相關。在地市級別，除部分指標以外，高速公路各項指標與經(jīng)濟社會的相關性良好，對產業(yè)情況敏感性較高，可用于需求預測。

圖2 各地市相關性分析

由圖3區(qū)縣的相關性結果分析，其一元回歸結果R2取值的均值為0.275，各項高速公路指標與經(jīng)濟社會指標的R2取值均小于0.5，表現(xiàn)出來的相關性水平較差。在區(qū)縣級別，高速公路與經(jīng)濟社會之間的相關性受產業(yè)布局影響顯著，其經(jīng)濟社會指標與交通運輸指標一元回歸的擬合效果不顯著，不適合用于高速公路需求預測。

圖3 各區(qū)縣指標相關性分析

考慮到各運輸方式的數(shù)據(jù)情況，應選取省域數(shù)據(jù)進行最終綜合交通需求模型的構建。

（二）指標篩選

從表1不同經(jīng)濟發(fā)展水平地區(qū)的相關性整體情況及交通運輸指標分析情況來看，分車型R2取值整體偏低，宜選用高速公路總當量、總流量、客運量、貨運量指標用于預測。

表1 不同經(jīng)濟社會發(fā)展水平?jīng)Q定系數(shù)均值

經(jīng)濟社會指標方面，從均值可以看出第一產業(yè)、第二產業(yè)與高速公路指標的相關性程度明顯低于其他指標。其他幾項經(jīng)濟社會指標與高速公路指標相關性顯著，以反映離散程度的方差作為評估指標，第三產業(yè)、人均GDP方差取值稍高于地區(qū)生產總值，且地區(qū)生產總值與高速公路總流量、高速公路總當量的R2更高，應取地區(qū)生產總值作為最終綜合交通需求預測的經(jīng)濟社會指標之一。

常住人口與高速公路交通量各項指標R2取值達0.791，且方差取值為0.039，說明常住人口與高速公路交通量各項指標相關性好，可用于相關性分析。

基于以上分析評估，應選定地區(qū)生產總值與常住人口兩項指標用于各類交通方式與經(jīng)濟社會相關性分析。

三、綜合交通與經(jīng)濟相關性

根據(jù)指標篩選結果，對各運輸方式進行回歸分析，以地區(qū)生產總值與常住人口作為自變量，客貨運輸指標作為因變量進行二元回歸分析；以常住人口作為自變量，所有客運量指標作為因變量，以地區(qū)生產總值作為自變量，所有貨運量指標作為因變量，進行一元回歸分析。

R2取值情況及定量關系式各項系數(shù)取值如表2、表3所示。

表2 一元回歸系數(shù)取值

表3 二元回歸系數(shù)取值

二元回歸分析結果取值除港航客運量之外，R2取值均在0.8以上，其中港口貨運量R2取值為0.799，接近0.8，說明各項客貨運量指標與經(jīng)濟社會指標的二元回歸擬合效果很好，相關性顯著。

一元回歸分析結果取值除港航客運量與港口貨運量之外，R2取值均在0.7以上，且其中5項指標的R2取值均大于0.9，2項指標R2取值大于0.88，說明各項客貨運量指標與經(jīng)濟社會指標的一元回歸擬合效果很好，相關性顯著。

根據(jù)一元回歸與二元回歸分析結果，兩者均適用于綜合交通運輸需求預測。

四、綜合交通運輸需求預測

（一）需求預測結果

基于一元回歸、二元回歸系數(shù)取值，分別對各交通方式2025年、2035年、2050年客運量、貨運量進行預測，預測結果如表4、表5所示。

表4 一元回歸交通運輸需求預測結果

表5 二元回歸交通運輸需求預測結果

從二元回歸結果數(shù)值可明顯看出，特征年客貨運需求預測結果出現(xiàn)負值，預測結果顯然不符合實際，因此二元回歸模型預測結果不可靠。

（二）需求預測校核

為進一步評估預測結果合理性，選用增長率法預測結果進行驗證。

各個特征年交通需求預測增長率的取值規(guī)則為：客運增長率取前階段的1/2，貨運增長率取前階段的2/3。各運輸方式的運輸需求預測結果如表6所示。

表6 增長率法運輸需求預測

以增長率法預測結果為基準，測算得到兩種預測結果的偏差程度（%），各年預測結果偏差情況如表7所示。從表7可以看出，各年預測結果偏差均在5%以內，偏差值較小，在可接受的誤差范圍內。

表7 預測結果偏差值

因此，該研究所建立的廣東省各交通方式一元回歸定量預測方程，預測所得的綜合交通需求合理。

五、結語

本文基于一元回歸分析建立的綜合交通運輸需求預測模型，對廣東省未來綜合交通運輸需求進行預測，得到2025、2035、2050年廣東省各方式客運需求及貨運需求，為廣東省綜合立體交通網(wǎng)規(guī)劃編制及“十四五”規(guī)劃編制提供了數(shù)據(jù)支撐。