智能交通系统(ITS)实施与城市交通畅通性改善

　　1引言

　　近十几年来，世界各国及城市都在广泛开展对智能交通系统（ITS)理论和技术方法的研究，ITS项目的实施和应用对欧美、日本等典型发达国家城市交通运行与服务所做的贡献得到这些国家的高度肯定和认可。随着城市化进程的加快,城市居民生活要求的不断提高，城市交通作为我国城市发展的重要基础设施，无论是在质还是量上都存在一些直接或间接的消极、负面问题，交通拥堵严重、交通运行效率低已成为我国城市交通发展的“通病”。据统计,2011年,全国667个城市中约有三分之二的城市交通在高峰时段出现拥堵,15座城市交通拥堵造成的经济损失每天近10亿。在这些问题重重的背景下,城市交通信息化已得到相关部门及行业的认可及重视，ITS项目是城市交通信息化发展的重大工程之目前已在我国许多城市大力实施推行,成为地面运输系统投资的主流,投资规模也在迅速增长。据相关统计,从2009-2016年,城市智能化交通管理系统投资额共达1077.58亿元，其中北京、上海、广州等超大型城市智能化交通管理系统建设方案的投资为39亿元。因此，不管是政府、交通行业及企业,还是公众都非常关注其对提高城市运行效率、改善城市交通拥堵问题等方面的绩效。

    2相关文献回顾及综述

　　国外对于ITS的评价已比较熟悉，美国在2000年发布的“National^八咕阮如阳”的最新版卜!^!!4.0冲评价文档(E-valuatbnDocuments)对ITS评价的内容和方法进行了比较全面的阐述,主要分为评价设计、成本分析、性能效益研究、风险分析评价指导性文件五大部分日本为了研究ITS的地区特点，在五个地区进行ITS项目的试验,给出了ITS试验区域的评价方法。在欧盟,费用效益分析法在ITS项目评价中占据了主导地位，国内学者对ITS项目评价也有一些研究，如汪博2]梁玉庆、王世华H肠敏,陶汉卿4]涨扬、吴志周^湖明伟、史其信6]；陈旭梅、郭淑霞n;朱泰英等B_TO];卫振林等01],同济大学杨晓光教授[12]在国家“十五”科技攻关项目“智能交通关键技术开发和示范工程”中总结并形成了《ITS评价指南》。从目前学者们对于ITS项目评价的相关研究可以发现，由于很多ITS评价数据无法以定量的方式显示出来，采用传统的交通项目评价方法来评价ITS是不适合的，如经典的费用效益分析是建立在相对完整的历史数据上的，而ITS项目的费用和效益历史数据却是缺乏的，因此在实践上费用分析法是无法实施的。应用仿真模型对信息效果进行评价时，要求模型必须是能重现瞬时交通流变化的动态模型。因此交通流数据的输入必须按驾驶员类型、发生时间等进行分类,计算量很大，限制了一些方法的实际应用。

　　由此可见，目前的一些ITS评价方法都存在一定的弊端，本文研究的核心思想就是将ITS实施作为一项“政策”的实施，从交通畅通性诸多影响因素中分离出智能交通系统（ITS)的应用对城市交通畅通性所发挥的净作用和净贡献，从而更加科学地评价城市智能交通系统ITS建设的作用和效果。

　　3研究方法和计量模型的构建

　　3.1研究方法的选取

　　Heckman(1985,198613]提出了双重差分模型(DID),这种模型允许不可观测因素的影响（假定它们是不随时间变化的),在实证研究中能够通过控制其他变量的影响分离出贡献的净效应，同时能较好地避开内生性及选择偏差的存在进而影响估计结果一致性的问题，是一种结果比较稳健的方法,在国内外研究中，DID模型目前已被广泛应用于检验政策效果和有效性的多个领域,尤其是行业研究。广州市智能交通系统的建设和应用，一方面造成了广州城市智能交通系统建设前后交通“畅通性”的差异，另一方面造成同一时点上建设了智能交通系统的广州和未建设智能交通系统的其他城市之间交通“畅通性”的差异,类似于“科学实验”。下面将运用双重差分模型计算ITS系统的应用对广州城市交通畅通性的贡献率。以建设了智能交通的地区为“实验组”，未建设智能交通系统的地区为“对照组”，利用双重差分模型可以在有效控制其他可能因素的影响后，既分离出实验组在智能交通系统应用后交通运行状况变化的个体差异，又分离出不同区域在时间上的差异,从而识别出智能交通系统应用的效果。

　　3.2模型假设及参数的设定

　　3.2.1模型的前提假设。DID模型假设政策是外生的,作为与广州对比的控制组城市选取的重要假设是：可观察选择（Se^lectOnonObservableS,即政策的外生性（非解释变量外生性),指的是被解释变量条件均值独立，即政策不应与误差项有关，即ITS的实施仅影响广州，而对选取的对比城市不应有影响，或者可以忽略影响,此假设引申为以下几个要求：

　　(1)模型允许存在不可观测因素的影响，但假定它们是不随时间变化的，即可以存在固定效应。

　　(2）如果有未被观测到的与被解释变量相关的因素，同时影响到是否进行ITS的实施,则说明控制组和实验组并非随机选取,并非“自然实验”,不满足假设。即除政策外,其他条件影响相同。

　　(30个体异质性（或通过外生性，异方差及相关性等方法和技术处理后)不存在非球形干扰。

　　(40控制组合实验组的特征稳定。

　　3.2.2模型参数的设立。运用DID模型计算ITS系统对广州城市交通畅通性的贡献率,相应模型设定如下（贡献率为因x变动引起的y变动除以总的y变动，比照索洛增长模型,取dh后,虚拟变量系数即贡献率）：

　　JIny.,=爲+p,Pt十P{T,+SP^t+rdinX十〜 (1)

　　其中，Y_t表示i城市在t时期的交通畅通性，（i=1表示广州，=0时表示对照城市；=0表示ITS应用之前，1=1表示ITS应用之后）。采用路网行车速度表征“畅通性”，对于控制组变量,即影响路网行车的因素,本文采用供需两个角度筛选出了人均机动车保有量、人均道路长度、人均道路里程、人均客运量、人均GDP五项指标,分别用XA,X3,X4,X5表示，则模型

　　(1)可转化为模型(2)：

　　dInYlt=pQ+pxPx+p2Tt+SPtTt+yxdInXx+y2dInX2+y3dInX3+y4dInX4+r5d\nXs-felt ' (2)

　　4实证分析-以广州ITS为例

　　4.1实证模型的改进

　　由于本研究中用来衡量影响交通畅通性的五个指标之间存在一定的相关性,为避免信息的重叠，尽可能真实的反映现实问题,下面将采用主成分分析法降维，用较少的指标来代替原来较多的指标。以“广州”的指标数据为例,表1是分析5个控制变量的相关系数矩阵表，从表中可以看出这5个变量具有高相关性C

　　表2中KMO值为0.561,根据统计学家Kaise给出的标准KMO值大于0.5,适合因子分析。Battle球形检验的sig.取值0.000,表示各个变量之间不是独立的。

　　表3表明提取两个主成分，累积总方差达91.155%,满足提取累积贡献率為85%的一般要求。可初步得出提取两个成分将能概括绝大部分信息。进一步运用SPSS软件分别得到五控制变量的碎石图、成份矩阵、成份得分系数矩阵，成分1、和成分3、4、5的特征值相距较大，说明仅用成分1、就可以替代五个变量进行主成分分析。通过成份矩阵表和主成分得分系数矩阵表可知，在提取的两个主成分中，各指标因素影响差距不大,都在0.90左右。可得到主成分V的线性组为：

　　V,??0.322Xj?0.447X2?0.516?0.108X4-0.037X,(3

　　r2=0.659^-0.147J2+0.274^3+0.287^4+0.354J,(4)模型(2)可转化模型(5):

　　d\nYu=；80+职+站+SPX+aid\nl\+a2dlnK3+s„(5)各变量及指标的含义见表4。

　　4.2对照组的选取

　　要定量计算广州ITS对其城市交通畅通性的影响贡献,必须以“广州”为处理组，再选择合适的对照城市,该对照城市的控制变量等指标的人均值发展趋势必须与广州市对应指标的人均发展趋势相同。本研究初选了北京、上海、深圳、武汉、长沙、杭州、天津、重庆8座城市,根据相关统计年鉴、官方已公布的发展年报等资料，搜集了以上城市2008-2014年交通畅通性的相关指标的面板数据，并与广州市对应指标做对比分析，据此选择与广州市人均发展趋势相同的城市作为对照城市。广州、武汉、重庆、深圳、天津、杭州、北京、上海、长沙9座城市2008-2014年的五项指标数据均呈现上升趋势。各个城市在不同指标中的排名均不相同，仅从原始的指标数据很难判断哪座城市的交通发展趋势与广州相似，所以本研究采用聚类分析,根据不同变量的观测值对9个城市分组。以“城市”为标记变量，对2008-2014年北京、上海、广州等9个城市的人均机动车保有量进行聚类分析,得出的分类结果见表5。

　　由表5可知（1)广州、深圳、北京、上海属于第一类,基数大，平稳增长；(杭州属于第二类，基数小，但是能够快速增长（3)武汉、重庆、长沙北京属于第三类,基数大，且呈现负增长。同理，以“城市”为标记变量,根据其他四项指标2008-2014年的观测值对北京、上海、广州等9个城市进行聚类分析，得出的分类结果见表6:从表6中可以看出，与广州处于同一类别频次最高的是北京、上海、深圳，均为2次，说明广州、北京、上海、深训的GDP、常住人口数量、客运量、道路长度和道路里程这5项指标的发展趋势最为相近。下面将以“深训”做为对照组,测算ITS项目对广州市交通畅通性的贡献率。

　　4.3模型的估计及检验分析

　　根据广州和深训2008-2014年的指标数据。运用Stata12.0计量软件,采取分位数回归来估计DID效应。系数和方差的估计和检验结果见表7。

　　为了得到一致的DID估计量,模型要求试验是“随机”的，即对照组合控制组的分配是随机的，此假定并未包含“条件于控制变量随机”，因此,可以通过增删控制变量，并比较估计系数的差异来对模型政策外生性假设和模型的稳定性进行检的物流服务质量得不到保证，物流服务可靠性水平就会受到影响,进而影响到物流企业的竞争力。比如在快递行业,在检货流程中出现粗暴分拣的现象，忽视了物流服务质量，更谈不上可靠性管理。在物流服务企业内部建立规范的物流服务流程,能实现不同物流企业的业务标准化，能实现不同企业提供相对稳定的物流服务，可以进一步保证或提升物流服务供应链系统的运营可靠性水平。

　　4.4物流服务过程的监控

　　由于物流服务的运作过程是一个动态的过程，在这个过程中会受到来自环境的影响，只有加强对物流服务过程的监控，可靠性管理者才能根据突发的、意外的环境影响，及时做出调整,确保物流服务故障能在最短的时间内得到修复，实现对可靠性管理的快速应急处理，减少整个系统不可靠性的传递与蔓延进而减少整个系统的损失。

　　综上所述，物流服务可靠性管理工作是质量管理工作中的最核心部分,只有加强可靠性管理工作，才能保证系统提供经验。由表7可以看出，由QREG回归列系数可知政策与时间的交互变量PT的系数为0.113,即为ITS对广州路网行车速度提升的贡献率。

   5结论

　　本文通过改进的DID模型，再结合聚类分析选择深训作为对照城市,通过采用面板数据对广州市ITS对交通畅通性的贡献率进行了测算,得到实施ITS项目对广州“畅通性”的提升贡献了11.3%。将ITS看做一个“政策”的实施来评价ITS对城市交通运行的影响具有理论创新和实际应用价值，这种方法不同于传统的评价方法，不需要明确建立评价指标体系,避免了对交通微观历史数据的依赖，因此,这种方法具有一定意义上的通用性，可用于测算任何一个已建设ITS项目的城市的ITS对城市交通畅通性的贡献率，同样,也可以这样设想，由于ITS对城市交通运行的作用不仅是通过提增路网行车速度来提高畅通性水平，对城市交通的节能减排及便捷性、安全性都会有一定的贡献，因此,采用DID模型可以同理地测算出其对这些方面进行改善的贡献率。