基于交通運行需求的“互聯(lián)網(wǎng)+交通”發(fā)展指數(shù)研究

(信陽師范學(xué)院 旅游學(xué)院， 河南 信陽 464000)

一、引言

2015年3月，李克強總理提出制定“互聯(lián)網(wǎng)+”行動計劃，并將其上升到國家戰(zhàn)略層面，各級政府紛紛部署推動互聯(lián)網(wǎng)與傳統(tǒng)產(chǎn)業(yè)的深度融合和創(chuàng)新發(fā)展，打造經(jīng)濟發(fā)展新動力。其中，作為支柱性產(chǎn)業(yè)的交通運輸業(yè)如何抓住機遇與“互聯(lián)網(wǎng)+”進行深度融合、提高交通運輸效率，成為現(xiàn)階段的重點工作之一。近三年來的“互聯(lián)網(wǎng)+交通”數(shù)據(jù)顯示，以智慧城市為代表的“互聯(lián)網(wǎng)+交通”項目在中國快速鋪開，尤其在一、二線城市發(fā)展迅猛，并帶動三、四線城市全面發(fā)展，預(yù)計未來將助力更多城市的交通轉(zhuǎn)型升級，優(yōu)化城市交通運行能力、提高交通服務(wù)效率。但是，相對于技術(shù)的快速發(fā)展，理論研究較為薄弱，有關(guān)“互聯(lián)網(wǎng)+交通”的成果主要集中在融合模式與路徑、傳統(tǒng)交通的改革、“互聯(lián)網(wǎng)+交通”發(fā)展趨勢等層面。研究者更關(guān)注“互聯(lián)網(wǎng)+交通”的發(fā)展水平，并未從投入—產(chǎn)出角度考慮城市對“互聯(lián)網(wǎng)+交通”發(fā)展的真實需求；而過于追求“互聯(lián)網(wǎng)+交通”的建設(shè)，極有可能導(dǎo)致二者間發(fā)展的不協(xié)調(diào)、不匹配。此外，隨著智能出行、智慧交通等理念的深入，對“互聯(lián)網(wǎng)+交通”的投入在不斷加強，考慮到投入—產(chǎn)出、應(yīng)用績效等要求，學(xué)術(shù)界逐漸由定性分析向定量化探討轉(zhuǎn)變。本文結(jié)合中國城市交通發(fā)展現(xiàn)狀和市民出行特征，探討其對“互聯(lián)網(wǎng)+交通”的需求情況并進行定量化研究，既有利于制定合理的“互聯(lián)網(wǎng)+交通”發(fā)展規(guī)劃，又對優(yōu)化城市交通運行等具有一定輔助作用。

雖然，國內(nèi)外學(xué)者提出了一些關(guān)于“互聯(lián)網(wǎng)+交通”的研究成果，但主要集中在“互聯(lián)網(wǎng)+交通”的融合發(fā)展和對交通運行改善等領(lǐng)域，比如，李明偉應(yīng)用跨界融合思維，將“互聯(lián)網(wǎng)+交通”融合發(fā)展模式定位為：研究互聯(lián)網(wǎng)與城市交通的融合，并非落實到具體的交通運輸方式上，而是從宏觀角度入手，以互聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用為標(biāo)志，以智能交通為引領(lǐng)，以個性化、多樣化運輸服務(wù)模式不斷創(chuàng)新和及時應(yīng)用為特點，提出對傳統(tǒng)交通運輸過程產(chǎn)生顛覆性影響的全新服務(wù)組織和管理體系〔1〕。此外，有學(xué)者探索了基于“航空—鐵路—公路”大網(wǎng)絡(luò)下的“互聯(lián)網(wǎng)+交通”，并提出了相應(yīng)發(fā)展模式〔2～3〕。隨后，有學(xué)者以“互聯(lián)網(wǎng)+智能交通”為對象，提出基于移動互聯(lián)網(wǎng)的跨界資源整合和綜合交通信息服務(wù)發(fā)展等面臨的挑戰(zhàn)，以及推動“互聯(lián)網(wǎng)+交通”普適性和規(guī)范性發(fā)展的措施〔4～5〕。在交通運行水平層面，陳國鵬從“互聯(lián)網(wǎng)+交通”視角提出通過私家車共享模式提升交通運行水平〔6〕。有學(xué)者關(guān)注了智能交通系統(tǒng)(ITS)應(yīng)用對交通運行水平的影響，并以GIS、車聯(lián)網(wǎng)、ETC等技術(shù)為依托，辨別和監(jiān)測城市路網(wǎng)中的擁堵點，預(yù)測擁堵路段并進行擁堵管理〔7～9〕。此外，楊浩雄、張鐘允和王家庭等將回歸模型、DID模型等用于測評ITS對交通運行水平提升的貢獻(xiàn)〔10～12〕。以上研究分別從“互聯(lián)網(wǎng)+交通”融合發(fā)展和交通運行水平等領(lǐng)域進行了探索，但未對“互聯(lián)網(wǎng)+交通”與城市交通之間的協(xié)調(diào)匹配程度及其發(fā)展指數(shù)進行研究。由于“互聯(lián)網(wǎng)+”在交通運輸轉(zhuǎn)型升級過程中發(fā)揮了重要作用(北京、廣州、深圳、武漢、上海等城市“互聯(lián)網(wǎng)+交通”指數(shù)達(dá)到60%以上，北京更是達(dá)到90%)，為了使二者之間的融合更協(xié)調(diào)，有必要探討城市交通運行水平下的“互聯(lián)網(wǎng)+交通”需求程度。本文以城市交通運行水平對“互聯(lián)網(wǎng)+交通”的需求指數(shù)為視角，采用多元回歸模型研究交通運行水平需求下的“互聯(lián)網(wǎng)+交通”發(fā)展指數(shù)，研究結(jié)論對優(yōu)化“互聯(lián)網(wǎng)+交通”建設(shè)、改善城市交通問題等具有重要作用，對彌補“互聯(lián)網(wǎng)+交通”發(fā)展過程中理論探討與實踐應(yīng)用之間的空缺起支撐作用。

二、城市交通運行水平

(一)城市交通發(fā)展水平影響因素

隨著城市化進程加快，城市交通問題日益嚴(yán)峻，剖析各類問題成因，可歸結(jié)為交通需求與供給的不匹配、不協(xié)調(diào)〔13〕。城市交通需求取決于城市用地及布局、社會經(jīng)濟發(fā)展及機動車保有量等，其中，城市用地及布局包括出行方向、出行距離及以通勤交通為主的城市出行強度，社會經(jīng)濟發(fā)展決定了城市交通出行總需求，機動車保有量決定機動化出行需求。交通供給包括動態(tài)和靜態(tài)兩個方面，動態(tài)交通供給主要服務(wù)于車輛運行，包括道路里程、道路面積、路網(wǎng)結(jié)構(gòu)等道路基礎(chǔ)設(shè)施建設(shè)；靜態(tài)交通供給則主要服務(wù)于車輛停放。雖然交通需求管理在城市交通治理中廣泛應(yīng)用，但未能從根本上解決城市交通問題。因此，本文從上述提及的影響城市交通發(fā)展水平的因素中篩選可量化且數(shù)據(jù)易獲取的因素(詳見表1)，分析其與城市交通發(fā)展之間的關(guān)系，從而確定影響城市交通發(fā)展水平的因素。

表1 影響城市交通運行水平的因素

(二)城市交通發(fā)展水平表征指標(biāo)

表1闡述了各因素與城市交通發(fā)展水平之間的相關(guān)性，但在實際計算時若單純使用這些因素的數(shù)據(jù)進行分析，將難以精確描述其與城市交通運行水平的關(guān)系。因此，本文假設(shè)路網(wǎng)平均行車速度為表征城市交通運行水平的指標(biāo)，但是路網(wǎng)平均行車速度取值受較多因素交叉影響，單獨計算時容易造成結(jié)果不準(zhǔn)確且論證缺乏科學(xué)性。為尋找影響路網(wǎng)平均行車速度的主要因素，本文以表2所示的北京市2000～2010年數(shù)據(jù)進行相關(guān)性分析，驗證路網(wǎng)平均行車速度作為表征城市交通運行水平的指標(biāo)時，哪些因素與路網(wǎng)平均行車速度的相關(guān)度高且作用關(guān)系明顯。

表2 北京市交通運行水平的相關(guān)數(shù)據(jù)①

本文采用Pearson相關(guān)系數(shù)方法，利用Eviews 6.0進行相關(guān)性檢驗，得到如表3所示的具體結(jié)果。

表3 北京市交通運行水平各指標(biāo)間的相關(guān)性分析結(jié)果

表3的結(jié)果顯示，GDP、POP等因素與Speed的相關(guān)系數(shù)均在0.7以上，相關(guān)性較高，是影響Speed的主要因素，且Speed與POP、GDP、N-Car呈負(fù)相關(guān)，隨著指標(biāo)值的增長，Speed的值會降低，交通運行水平下降；Speed與S-Road呈正相關(guān)，隨著S-Road的增長，Speed的值會提高，交通運行水平提升，該結(jié)論與上文的相關(guān)性定性分析結(jié)果吻合。最終，本文認(rèn)為Speed可作為表征城市交通運行水平的指標(biāo)。根據(jù)“從一般到簡單”的計量分析原則，指標(biāo)較多時要對指標(biāo)的自相關(guān)性和共線性進行檢驗。基于表2中的數(shù)據(jù)實施Probit穩(wěn)健回歸，結(jié)果顯示，N-Bus的系數(shù)穩(wěn)健檢驗不顯著且與N-Car之間存在較高的共線性，不適于進入模型，因而將其剔除。剔除之后再進行Probit回歸，發(fā)現(xiàn)R2、AIC/SIC的值變化不明顯。此外，L-Road和S-Road之間存在不容忽略的共線性問題，不適于放在同一模型中，因此本文僅保留L-Road指標(biāo)(L-Road與Speed的相關(guān)系數(shù)更大且穩(wěn)定性更好)。最終，將影響城市交通運行水平的指標(biāo)確定為：GDP、POP、N-Car、L-Road。

三、“互聯(lián)網(wǎng)+交通”及其發(fā)展水平

(一)“互聯(lián)網(wǎng)+交通”的內(nèi)涵

本文將“互聯(lián)網(wǎng)+交通”定義為：運用互聯(lián)網(wǎng)技術(shù)將交通基礎(chǔ)設(shè)施、運輸工具、交通出行特征等互聯(lián)網(wǎng)化，從而整合人、車、路、管理等各種信息并提供交通運輸服務(wù)，再將服務(wù)數(shù)據(jù)資源向社會開放，為出行者提供更優(yōu)的出行服務(wù)。然而，“互聯(lián)網(wǎng)+交通”并非簡單地將兩種產(chǎn)業(yè)相加，而是采取一定方式和手段使二者充分融合〔14〕?！盎ヂ?lián)網(wǎng)+”使交通變得更智能、精細(xì)和人性，逐漸形成具有“線上資源合理分配，線下高效優(yōu)質(zhì)運行”的新業(yè)態(tài)和新模式，互聯(lián)網(wǎng)與傳統(tǒng)交通運輸行業(yè)的深度融合將成為建設(shè)智慧交通的重要技術(shù)和思路。本文主要從大數(shù)據(jù)技術(shù)和移動互聯(lián)網(wǎng)技術(shù)在“互聯(lián)網(wǎng)+交通”中的應(yīng)用來詮釋“互聯(lián)網(wǎng)+交通”的內(nèi)涵(見圖1)。

圖1 交通運輸業(yè)與互聯(lián)網(wǎng)結(jié)合的路徑

1.大數(shù)據(jù)、互聯(lián)網(wǎng)技術(shù)支持交通綜合信息平臺建設(shè)

交通綜合信息平臺建設(shè)是指面對增長迅速的海量數(shù)據(jù)，在云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)等技術(shù)的支撐保障下建設(shè)智能交通綜合管理系統(tǒng)，建立信息共享和交換機制，進行快速計算以及科學(xué)分析，實現(xiàn)交通數(shù)據(jù)的匯集、管理、分析和應(yīng)用。通過構(gòu)建大交通數(shù)據(jù)共享平臺，能夠為路政巡查、路政執(zhí)法、路產(chǎn)管理、應(yīng)急救援等工作提供服務(wù)。比如，高德地圖通過大數(shù)據(jù)采集提供交通信息公共服務(wù)，包括城市擁堵點實時報告、擁堵路線規(guī)避、熱點商圈實時路況信息服務(wù)等，為交管輔助決策、為用戶出行等提供服務(wù)。

2.移動互聯(lián)網(wǎng)思維融合多項技術(shù)改善出行方式

互聯(lián)網(wǎng)環(huán)境下交通出行方式發(fā)生巨大改變，引發(fā)更多業(yè)務(wù)模式，加快了交通運輸由傳統(tǒng)產(chǎn)業(yè)向現(xiàn)代服務(wù)業(yè)轉(zhuǎn)型升級，而移動互聯(lián)網(wǎng)等技術(shù)讓運輸業(yè)和乘客通過網(wǎng)絡(luò)平臺實現(xiàn)供需有效對接。比如，打車軟件以O(shè)2O模式立足移動客戶端，讓更廣泛的人群使用移動支付；公交車安裝GPS使得市民可以查到公交站牌信息、實時交通信息、公交和地鐵換乘方案等，科學(xué)規(guī)劃出行時間，讓出行變得更智能。

(二)“互聯(lián)網(wǎng)+交通”發(fā)展的衡量指標(biāo)

作為宏觀性很強的指標(biāo)，“互聯(lián)網(wǎng)+交通”發(fā)展水平測度較為困難，既要考慮測度指標(biāo)的針對性和高相關(guān)性，還要追求全面性和多角度性。因此，須對各類指標(biāo)綜合分析并選擇最合適的指標(biāo)。2016年9月，在中國公安部交管局的領(lǐng)導(dǎo)下、高德地圖的公司執(zhí)行下，提出了《中國“互聯(lián)網(wǎng)+交通”城市指數(shù)研究報告(2016)》。報告從“智能出行”“智慧交通”“政務(wù)影響力”三個領(lǐng)域選取27個指標(biāo)，以全國62個大中型城市為依托進行評估，得到各城市的“互聯(lián)網(wǎng)+交通”發(fā)展指數(shù)。其中，智能出行指數(shù)反映互聯(lián)網(wǎng)出行方式的智能程度，指數(shù)越高表示“互聯(lián)網(wǎng)+”在交通中的智能應(yīng)用越好。智能出行指標(biāo)主要包括：人均網(wǎng)約車日行駛里程、地圖人均啟動次數(shù)、地圖滲透率、駕車導(dǎo)航人均日使用次數(shù)、躲避擁堵用戶占比、公交導(dǎo)航人均使用次數(shù)、步行導(dǎo)航人均使用次數(shù)、實時路況用戶數(shù)、實時路況使用次數(shù)、人均網(wǎng)約車次數(shù)等。智慧交通指數(shù)反映城市政府交通數(shù)據(jù)開放及智慧交通發(fā)展程度，指數(shù)越高表示“互聯(lián)網(wǎng)+”在交通領(lǐng)域的發(fā)展越好。智慧交通指標(biāo)包括：動態(tài)數(shù)據(jù)開放、大型活動疏堵、靜態(tài)數(shù)據(jù)開放、交通誘導(dǎo)系統(tǒng)、城市擁堵治理效果、互聯(lián)網(wǎng)綜合運營、公共交通信息服務(wù)平臺。政務(wù)影響力指數(shù)反映城市政務(wù)工作在新媒體傳播影響力上的成效，指數(shù)越高表示效果越好，主要指標(biāo)有三項：“傳播力”表示政務(wù)微博發(fā)布信息的傳播情況，傳播力指標(biāo)越高說明政務(wù)微博的內(nèi)容被越多的網(wǎng)民看到；“服務(wù)力”表征政務(wù)微博一對一服務(wù)網(wǎng)民、為民辦事的情況，服務(wù)力指標(biāo)越高說明政務(wù)機構(gòu)通過微博平臺服務(wù)了越多網(wǎng)民；“互動力”表征政務(wù)微博發(fā)布信息的影響情況，互動力指標(biāo)越高說明政務(wù)微博的內(nèi)容引發(fā)了越多的網(wǎng)民響應(yīng)(具體結(jié)果見表4)。

由表4可知，“互聯(lián)網(wǎng)+交通”發(fā)展水平排名前十的城市分別是：北京、廣州、深圳、武漢、上海、天津、寧波、成都、重慶、西安；其中，北京以87.91的指數(shù)值占據(jù)首位，廣州以80.32的值緊隨其后，此一南一北兩座城市占據(jù)了中國“互聯(lián)網(wǎng)+交通”發(fā)展的戰(zhàn)略高地。從62個城市的綜合排名來看，一線和沿海城市的發(fā)展水平普遍較高；在國家“一帶一路”政策的引導(dǎo)下，中西部地區(qū)“互聯(lián)網(wǎng)+交通”也有了長足發(fā)展且潛力較大，其中西安、成都、重慶“互聯(lián)網(wǎng)+交通”發(fā)展水平均入圍全國前十，有助于帶動西部地區(qū)其他城市“互聯(lián)網(wǎng)+交通”的快速崛起?？梢?，高德地圖的這一調(diào)查足以體現(xiàn)樣本選擇的普遍性、全面性及科學(xué)合理性。同時，在參考其他研究結(jié)果時發(fā)現(xiàn)，排名前十的城市在智能交通(如廣州、武漢)、智能出行(如北京、深圳)及政務(wù)影響(如北京、上海)方面的發(fā)展都處于全國前列，符合現(xiàn)階段我國城市交通發(fā)展現(xiàn)狀。

表4 2016年中國62個主要城市“互聯(lián)網(wǎng)+交通”發(fā)展排行② (%)

因此，本文最終將“智能出行”“智慧交通”及“政務(wù)影響力”視為衡量城市“互聯(lián)網(wǎng)+交通”(Internet+Tra，%)發(fā)展指數(shù)的指標(biāo)(見圖2)?！爸悄艹鲂小笔巧鐣?jīng)濟類指標(biāo)，主要從出行者角度進行測度；“智慧交通”是交通供給類指標(biāo)，注重從交通運行方式角度測度“互聯(lián)網(wǎng)+交通”發(fā)展水平；“政務(wù)影響力”是管理層指標(biāo)，而交通運輸基礎(chǔ)設(shè)施建設(shè)屬于公共事業(yè)行為，因此在某種程度上可認(rèn)為該指標(biāo)隸屬于交通需求類指標(biāo)。

圖2 “互聯(lián)網(wǎng)+交通”發(fā)展水平測度指標(biāo)體系

1.智能出行

智能出行的目的是利用“互聯(lián)網(wǎng)+”和物聯(lián)網(wǎng)技術(shù)提高交通運營服務(wù)水平，利用“互聯(lián)網(wǎng)+”對城市交通進行改造和深化應(yīng)用，實現(xiàn)交通要素全面感知，并通過先進的網(wǎng)絡(luò)通信技術(shù)和智能處理技術(shù)進行主動管理，形成友好的出行環(huán)境〔15〕。并最終實現(xiàn)通過互聯(lián)網(wǎng)、移動終端、車載定位導(dǎo)航終端、道路交通誘導(dǎo)屏、電臺廣播等方式，提供實時路況信息發(fā)布、停車位預(yù)訂、出租車預(yù)訂、公交換乘、公交到站、航班信息、列車信息等服務(wù)。

2.智慧交通

圖3 “互聯(lián)網(wǎng)+”與智能交通系統(tǒng)的結(jié)合應(yīng)用

本文將智慧交通定義為：將通訊、信息、電子、車輛等技術(shù)融合應(yīng)用于交通領(lǐng)域并能迅速、靈活、正確地理解和提出解決方案以改善交通狀況，使交通發(fā)揮最大效能的系統(tǒng)?！盎ヂ?lián)網(wǎng)+”與交通的融合是建設(shè)智慧交通的重要技術(shù)和思路，能在先進互聯(lián)網(wǎng)技術(shù)的保障下進行快速計算和科學(xué)分析，從海量交通數(shù)據(jù)中快速、準(zhǔn)確提取信息，提升交通管理的預(yù)見性、主動性、及時性、協(xié)同性(見圖3)。圖3中最底層為支撐系統(tǒng)，中間層為應(yīng)用系統(tǒng)，最高層為用戶。支撐系統(tǒng)是存在于路網(wǎng)交通中的各類專用智能子系統(tǒng)，是指揮、管理及監(jiān)控交通運行的直接參與者，也是促使應(yīng)用系統(tǒng)功能發(fā)揮的基本保障。對應(yīng)用系統(tǒng)來說，借用“互聯(lián)網(wǎng)+”協(xié)調(diào)參與交通運輸管理的各個部門，使其順暢交流并形成相應(yīng)的交通管理綜合信息系統(tǒng)。

3.政務(wù)影響力

政務(wù)影響力指利用“互聯(lián)網(wǎng)+”推進各類交通系統(tǒng)的數(shù)據(jù)共享整合，將大數(shù)據(jù)用于交通管理中以提供更好的服務(wù)，管理者通過集成交通行業(yè)的數(shù)據(jù)推進資源共享，整合包括汽車商、系統(tǒng)運營商等各類企業(yè)生態(tài)鏈及城市重點建設(shè)的交通系統(tǒng)中的數(shù)據(jù)。

(三)“互聯(lián)網(wǎng)+交通”發(fā)展的水平測度

基于上述分析，將“互聯(lián)網(wǎng)+交通”發(fā)展水平的測度方法歸納如下：

其中，I1為智能出行指標(biāo)值，wjI1表示智能出行中第j個二級指標(biāo)權(quán)重，計算方法采用專家打分法，MI1表示智能出行對應(yīng)的二級指標(biāo)個數(shù)，djI10表示當(dāng)前目標(biāo)城市智能出行指標(biāo)下第j個二級指標(biāo)的指標(biāo)值，djI1kI1表示第k個城市智能出行下第j個二級指標(biāo)的指標(biāo)值，n表示城市數(shù)量。

I2與I3的計算方法同I1，不再贅述。

因此 ，測度“互聯(lián)網(wǎng)+交通”發(fā)展水平總指數(shù)為：

其中，W1、W2、W3分別表示“智能出行”“智慧交通”及“政務(wù)影響力”的權(quán)重(各項權(quán)重由多位該領(lǐng)域的專家學(xué)者依據(jù)指標(biāo)的重要性進行打分，1～10分，分?jǐn)?shù)越大表示重要度越高)。αt、βt、γt分別表示第t個專家對每個一級指標(biāo)下二級指標(biāo)的打分，z表示參與打分的專家數(shù)量。

四、城市對“互聯(lián)網(wǎng)+交通”的需求

(一)指標(biāo)數(shù)據(jù)采集

從高德地圖公司提出的“互聯(lián)網(wǎng)+交通”發(fā)展水平排名前100名的城市中篩選樣本，首先，選擇30個省會城市或直轄市(自治區(qū))(不包含香港、澳門和臺灣三個地區(qū)，且西藏的交通運輸數(shù)據(jù)由于具有離群特征，暫不選擇拉薩的數(shù)據(jù))，在此基礎(chǔ)上再選擇6個相對發(fā)達(dá)的非省會城市大連、青島、深圳、寧波、廈門及蘇州，確定為最終樣本。由于“互聯(lián)網(wǎng)+交通”發(fā)展規(guī)劃的制定需要參考城市交通發(fā)展現(xiàn)狀，而城市交通發(fā)展數(shù)據(jù)統(tǒng)計有一定滯后性。因此在選擇樣本指標(biāo)數(shù)據(jù)時，“互聯(lián)網(wǎng)+交通”發(fā)展指數(shù)以2016年為標(biāo)準(zhǔn)，其他指標(biāo)以2015年的數(shù)據(jù)為標(biāo)準(zhǔn)(詳見表5)。

表5 36個樣本城市的指標(biāo)數(shù)據(jù)③

(二)方法選擇與模型構(gòu)建

1.方法選擇

本文進行指標(biāo)分析的主要目的是探討城市交通對“互聯(lián)網(wǎng)+交通”的需求情況，因此，解釋變量為表征城市交通運行水平的指標(biāo)，被解釋變量為“互聯(lián)網(wǎng)+交通”指數(shù)。在綜合比較多種計量方法之后，本文選擇多元回歸模型進行分析。該模型進行計算時具有如下優(yōu)勢：第一，指標(biāo)較多、數(shù)據(jù)較復(fù)雜且采集困難時，多元回歸模型一定程度上能避免因部分?jǐn)?shù)據(jù)欠缺對結(jié)果造成的干擾，且能夠明確因素間的擬合程度和相關(guān)度，有助于提升預(yù)測效果；第二，能反映出各解釋變量對被解釋變量的影響程度及影響規(guī)律并擬合出回歸方程，便于后期預(yù)測；第三，在探討城市交通對“互聯(lián)網(wǎng)+交通”的需求時，計算結(jié)果是全局最優(yōu)，能避免受局部最優(yōu)的影響且避免預(yù)測結(jié)果的偶然性，實現(xiàn)精確預(yù)測分析，保證結(jié)果的準(zhǔn)確性〔16〕。在構(gòu)建模型之前，先明確指標(biāo)之間的相關(guān)性情況，此處采用表5中的數(shù)據(jù)進行指標(biāo)的偏相關(guān)性分析，分析結(jié)果如下表6所示：

表6 各指標(biāo)與“互聯(lián)網(wǎng)+交通”的相關(guān)性

由表6中的結(jié)果可知，除了N-Bus指標(biāo)，其他指標(biāo)與“Internet+Tra”的相關(guān)性均高于0.7，相關(guān)程度較高，且指標(biāo)間不存在自相關(guān)性，可用于構(gòu)建回歸分析模型。因此，為保證模型的擬合程度較好，剔除“N-Bus”指標(biāo)，以其他四項指標(biāo)為解釋變量，“Internet+Tra”為被解釋變量，建立回歸模型。

2.模型構(gòu)建

根據(jù)指標(biāo)篩選結(jié)果，結(jié)合多元回歸的一般模型，構(gòu)建本文的回歸模型如下：

Y=β0+β1X1+β2X2+β3X3+β4X4+ε。

其中，k為解釋變量的數(shù)量，即k=4；βj(j=1,2,3,4)為回歸系數(shù)；Y為“Internet+Tra”指數(shù)(%)；X1～X4分別為GDP、N-Car、POP、L-Road；ε為隨機誤差，假設(shè)ε服從正態(tài)分布、0均值以及同方差。

對表5中的數(shù)據(jù)進行回歸分析，結(jié)果如表7和表8所示。

表7 回歸模型結(jié)果匯總

由表7可知，模型3的復(fù)相關(guān)系數(shù)R=0.851，R2=0.725，調(diào)整R2=0.699，Sig=0.02，擬合程度較好；Durbin-Watson=1.330，將該值與Durbin-Watson Test檢驗表中的值進行對比，當(dāng)樣本量等于36、解釋變量等于4時，Durbin-Watson的取值為1.18≤DW≤1.80，說明變量之間是相互獨立的，能用于計算。此外，由方差分析結(jié)果可知，F(xiàn)統(tǒng)計量為28.077，p=0.00，即認(rèn)為在0.05的顯著性水平下，GDP、N-Car、POP、L-Road和“Internet+Tra”之間存在線性關(guān)系，可用于構(gòu)建多元回歸模型。

表8 多元回歸系數(shù)表

表8為線性回歸的系數(shù)列表，常數(shù)項為C=13.39，模型符合現(xiàn)實經(jīng)濟意義；偏回歸系數(shù)β1=0.0015，β4=0.003，β2=0.085；β1、β4和β2對應(yīng)的概率分別是0.091、0.012和0.020，均小于0.1，說明回歸方程通過顯著性檢驗；VIF取值均小于5，且容差值均大于0.1，說明模型中的變量不存在共線性問題，通過共線性檢驗。此外，由圖4中標(biāo)準(zhǔn)化殘差的標(biāo)準(zhǔn)P-P圖可知，所有的點基本位于45度的直線上，說明隨機誤差項基本符合對數(shù)正態(tài)分布，即該回歸方程是有意義的，通過計量經(jīng)濟學(xué)意義的檢驗。

圖4 標(biāo)準(zhǔn)化殘差P-P圖

綜合上述分析結(jié)論，最終得到的多元線性回歸方程如下：

Y=13.39+0.0015×X1+0.085×X2+0.003×X4。

(三)實證結(jié)果分析

根據(jù)樣本城市“互聯(lián)網(wǎng)+交通”指數(shù)排名進行實證分析，以“互聯(lián)網(wǎng)+交通”指數(shù)排名前三中的廣州市為例進行討論。首先，采集廣州市2016年城市交通發(fā)展的相關(guān)數(shù)據(jù)，由《廣州統(tǒng)計信息網(wǎng)》中可查詢到廣州市2016年的GDP為19610億元，民用車擁有量為223.78萬輛，道路里程為7462.26公里〔17〕；其次，根據(jù)回歸方程計算2017年廣州市的“互聯(lián)網(wǎng)+交通”指數(shù)，具體如下：

Y2017=13.39+0.0015×19610+0.085×223.78+0.003×7462.26=84.21。

可知，2017年廣州市“互聯(lián)網(wǎng)+交通”發(fā)展指數(shù)需達(dá)到84.21方能滿足其交通發(fā)展的需求，該結(jié)論在一定程度上反映出發(fā)展“互聯(lián)網(wǎng)+交通”在解決城市交通問題時發(fā)揮的重要作用；同時，由多元回歸模型可知，GDP、N-Car、L-Road等指標(biāo)在影響“互聯(lián)網(wǎng)+交通”發(fā)展時起主導(dǎo)作用。首先，結(jié)合“互聯(lián)網(wǎng)+交通”發(fā)展指數(shù)排名可知，城市經(jīng)濟實力越強“互聯(lián)網(wǎng)+交通”的發(fā)展指數(shù)越高，二者存在正相關(guān)關(guān)系。其次，N-Car作為重要交通方式，既影響城市對“互聯(lián)網(wǎng)+交通”的需求，又在一定程度上依賴“互聯(lián)網(wǎng)+交通”的發(fā)展水平，二者之間也存在正相關(guān)關(guān)系，即民用車輛越多，城市“互聯(lián)網(wǎng)+交通”指數(shù)也越高。對表5中的民用車擁有量、“互聯(lián)網(wǎng)+交通”指數(shù)指標(biāo)做簡單排序，可發(fā)現(xiàn)民用車數(shù)量排名前十的城市中有8座城市的“互聯(lián)網(wǎng)+交通”指數(shù)排名在前十范圍內(nèi)。最后，L-Road作為交通供給類指標(biāo)，由表3的結(jié)論可知，它與城市交通發(fā)展的其他表征指標(biāo)之間有較高相關(guān)性，且該指標(biāo)的偏回歸系數(shù)相對于GDP和N-Car的偏回歸系數(shù)較大，對“互聯(lián)網(wǎng)+交通”指數(shù)的影響程度也較高；同理，對指標(biāo)進行排序時發(fā)現(xiàn)，L-Road排名前十的城市中有8座城市“互聯(lián)網(wǎng)+交通”指數(shù)排名在前十以內(nèi)。由此可知，在制定一座城市的“互聯(lián)網(wǎng)+交通”發(fā)展建設(shè)規(guī)劃時，要注重這幾項指標(biāo)產(chǎn)生的影響作用。

綜上可知，“互聯(lián)網(wǎng)+交通”建設(shè)要密切參考城市交通運行水平，方能以最優(yōu)的成本投入得到最大化效率。其中，城市GDP、民用車擁有量以及道路里程等指標(biāo)對“互聯(lián)網(wǎng)+交通”建設(shè)的影響強度相對其他指標(biāo)更強烈，且重要性排序分別為民用車擁有量、道路里程、GDP。因此，在建設(shè)“互聯(lián)網(wǎng)+交通”時，可在一定程度上按民用車擁有量、道路里程、GDP的順序先后展開，以保證“互聯(lián)網(wǎng)+交通”的建設(shè)更符合城市交通的真實需求。此外，上述三個因素之間也存在一定關(guān)聯(lián)性，比如，道路里程較大、路網(wǎng)結(jié)構(gòu)較復(fù)雜的城市，其GDP和民用車擁有量也相對較高，充分證明了上文觀點。

五、結(jié)論

交通運輸業(yè)與“互聯(lián)網(wǎng)+”的融合逐漸成為解決城市交通問題、建設(shè)智慧城市的重要方法和途徑，各個城市也紛紛致力于強化“互聯(lián)網(wǎng)+交通”的建設(shè)深度與廣度。本文研究結(jié)論顯示，“互聯(lián)網(wǎng)+交通”的建設(shè)并非越多越好，而是要結(jié)合城市交通的真實需求和投資回報率，并以此提出最優(yōu)建設(shè)方案。因此，有別于傳統(tǒng)“互聯(lián)網(wǎng)+交通”的研究思路，本文從城市交通運行水平入手，研究城市對“互聯(lián)網(wǎng)+交通”建設(shè)的需求情況。論文詳細(xì)探討并提出了影響城市交通發(fā)展的因素，并從中提取出能夠表征城市交通運行水平的指標(biāo)，建立了“互聯(lián)網(wǎng)+交通”發(fā)展水平的測評指標(biāo)和測評模型，構(gòu)建了城市交通運行水平對“互聯(lián)網(wǎng)+交通”建設(shè)需求的多元回歸測度模型，并以廣州市為例預(yù)測其“互聯(lián)網(wǎng)+交通”的指數(shù)值。本文研究結(jié)論對不同類型、不同經(jīng)濟水平、不同路網(wǎng)結(jié)構(gòu)類型的城市在發(fā)展“互聯(lián)網(wǎng)+交通”時具有一定的參考價值和借鑒意義，有助于促使“互聯(lián)網(wǎng)+交通”的建設(shè)更科學(xué)合理。

注釋：

①表中數(shù)據(jù)根據(jù)Wind(https://www.wind.com.cn/)和《北京市交通發(fā)展年度報告》(http://jtw.beijing.gov.cn)相關(guān)數(shù)據(jù)整理所得。為便于在Eviews軟件中進行指標(biāo)計算，將各指標(biāo)所標(biāo)識的因素及單元分別為：路網(wǎng)平均行車速度(公里/小時)(Speed)、GDP(億元)、常住人口數(shù)(萬人)(POP)、民用汽車擁有量(萬輛)(N-Car)、道路里程(公里)(L-Road)、道路面積(萬平方米)(S-Road)、公共電汽車運營車輛數(shù)(輛)(N-Bus)和公共電汽車客運量(億人次)(P-Bus)，后同。

②數(shù)據(jù)來源：《中國“互聯(lián)網(wǎng)+交通”城市指數(shù)研究報告(2016年)》(http://www.cnetnews.com.cn)。

③數(shù)據(jù)來源：《中國統(tǒng)計年鑒(2016)》(http://www.stats.gov.cn/tjsj/ndsj/2016/indexch.htm)，《交通運輸部城市客運統(tǒng)計報表》(http://www.stats.gov.cn/tjsj)，《中國“互聯(lián)網(wǎng)+交通”城市指數(shù)研究報告(2016)》。