高速公路收購價值研究

劉凱崢 王振國

[摘要]文章分析了高速公路價值評估的關(guān)鍵點(diǎn)在于交通量預(yù)測，在介紹非線性主成分分析及RBF神經(jīng)網(wǎng)絡(luò)模型預(yù)測高速公路車流量原理的基礎(chǔ)上，通過湖南某高速公路實(shí)證分析得出該模型具有一定參考價值。

[關(guān)鍵詞]高速公路;交通量RBF主成分;神經(jīng)網(wǎng)絡(luò);價值評估

[DOI]1013939/jcnkizgsc201930159

1引言

正式的高速公路項(xiàng)目收購程序中，一般需要專業(yè)機(jī)構(gòu)出具相應(yīng)的OD交通量調(diào)查報告，該報告的出具需要采集大量的現(xiàn)場數(shù)據(jù)，成本高、周期長，不適用于早期對項(xiàng)目的考察判斷。因此，如何在可獲得的數(shù)據(jù)和信息資料范圍內(nèi)獲得盡可能準(zhǔn)確的交通量預(yù)測值，從而得出相應(yīng)的收購價值是文章論述的關(guān)鍵。

2交通量預(yù)測模型

由于高速公路交通量受多種因素影響，這些影響因素存在一些高度重疊的指標(biāo)，使RBF神經(jīng)網(wǎng)絡(luò)的神經(jīng)元對高度重疊的輸入量不能做出有效響應(yīng)，如果直接運(yùn)用RBF模型進(jìn)行預(yù)測，其預(yù)測結(jié)果較差。為了提高高速公路交通量預(yù)測精度，使用主成分分析法對影響指標(biāo)進(jìn)行降維和去相關(guān)性處理，再利用RBF神經(jīng)網(wǎng)絡(luò)對高速公路交通量進(jìn)行預(yù)測，可有效提高預(yù)測精度。

因此文章基于非線性主成分分析和 RBF神經(jīng)網(wǎng)絡(luò)的高速公路交通量預(yù)測方法，切實(shí)提高高速公路交通量預(yù)測精度，從而滿足高速公路收購價值測算以及客觀的管理需求。

RBF神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用較為廣泛的典型預(yù)測模型，通過構(gòu)建三層前向RBF神經(jīng)網(wǎng)絡(luò)來預(yù)測高速公路交通量。

令x∈Rm為正實(shí)數(shù)輸入向量，為m個影響交通量的指標(biāo)值，令輸入層節(jié)點(diǎn)數(shù)與影響交通量的指標(biāo)數(shù)相同，均為m;y^∈R為正實(shí)數(shù)輸出向量，即高速公路交通量預(yù)測值。選用高斯函數(shù)作為徑向量基函數(shù)，則高速公路交通量RBF神經(jīng)網(wǎng)絡(luò)輸出表達(dá)式為：

y^=∑bk=1wkexp（-‖x-ck‖2σ2k）-θk

式中：wk為第k個隱含層至輸出層的連接權(quán)值，k=1，2，…，b;θk為第k個隱含層至輸出值的閾值;ck為第k個隱含層徑向基函數(shù)的中心;σk為第k個隱含節(jié)點(diǎn)的寬度。一般使用RBF神經(jīng)網(wǎng)絡(luò)預(yù)測交通量時，其輸入層神經(jīng)元數(shù)取m，隱含層神經(jīng)元數(shù)b取經(jīng)驗(yàn)值2m+1。

3湖南某高速實(shí)證分析

31項(xiàng)目概況

項(xiàng)目路全長111129千米，收費(fèi)里程12796千米。2009年11月30日建成通車，特許經(jīng)營期為30年，收費(fèi)期間2009年11月至2039年11月，收費(fèi)基準(zhǔn)費(fèi)率為04元/車·千米。根據(jù)項(xiàng)目路自通車以來的通行費(fèi)和車流量情況分別對入口車流量、出口車流量、斷面年、月平均車流量以及標(biāo)準(zhǔn)車流量與收入的擬合程度進(jìn)行回歸分析，發(fā)現(xiàn)標(biāo)準(zhǔn)車流量擬合程度最優(yōu)，相關(guān)性如下：

y=12129x-108236

也就是說，根據(jù)歸回方程，交通量每增加1萬輛，通行費(fèi)收入即增加12129萬元。

32交通量影響因子及主成分

區(qū)域高速公路交通量受較多因素影響，包括國內(nèi)生產(chǎn)總值、規(guī)模以上工業(yè)企業(yè)利潤、固定資產(chǎn)投資、戶籍人口、從業(yè)人員、社會消費(fèi)品零售額、汽車保有量、客運(yùn)量、貨運(yùn)量等，限于數(shù)據(jù)獲得便利性約束，文章所選影響因子歷史數(shù)據(jù)均選自統(tǒng)計(jì)局官方公布數(shù)據(jù)。

設(shè)國內(nèi)生產(chǎn)總值、規(guī)模以上工業(yè)企業(yè)利潤、固定資產(chǎn)投資、戶籍人口、從業(yè)人員、社會消費(fèi)品零售額、汽車保有量、客運(yùn)量、貨運(yùn)量分別對應(yīng)x1、x2、…、x10，上述數(shù)據(jù)可以用7×10矩陣表示，通過SPSS軟件對10個影響因素矩陣進(jìn)行主成分分析，提取出2個主成分，特征值分別為7478和187，合計(jì)解釋10個影響因素93477%的部分，因此可以作為10個因素矩陣的替代公因子矩陣。分別用F1和F2替代該2個獨(dú)立成分，根據(jù)分析結(jié)果得出：

33RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練

設(shè)計(jì)一個三層RBF神經(jīng)網(wǎng)絡(luò)，輸入層兩個神經(jīng)元（F1、F2），若干個隱層單元，一個輸出單元（交通量）。

在Matlab的神經(jīng)網(wǎng)絡(luò)工具箱中用Neural Network函數(shù)設(shè)計(jì)這個函數(shù)網(wǎng)絡(luò)，用其做函數(shù)逼近時，可以自動增加徑向基網(wǎng)絡(luò)隱層神經(jīng)元，通過對兩個神經(jīng)元進(jìn)行訓(xùn)練，結(jié)果如下：

通過SIM函數(shù)對其進(jìn)行檢驗(yàn)，結(jié)果和原始函數(shù)相同，證明該神經(jīng)網(wǎng)絡(luò)可用，將主成分公因子向量輸入該網(wǎng)絡(luò)得出相應(yīng)預(yù)測交通量（表中交通量為標(biāo)準(zhǔn)車）。

由前述折算交通量和通行費(fèi)收入的相關(guān)性y=12129x-108236可得預(yù)測通行費(fèi)收入，由該通行費(fèi)收入預(yù)測值，以及運(yùn)營、養(yǎng)護(hù)及財務(wù)管理等費(fèi)用的固定增長算出項(xiàng)目未來現(xiàn)金流現(xiàn)值1037億，表明項(xiàng)目路在不高于1037億的水平具有一定收購價值，為項(xiàng)目路收購提供了準(zhǔn)確的價格參考。

4結(jié)論

本文通過研究國內(nèi)外相關(guān)理論，比較了適用于交通量預(yù)測的多種模型，通過非線性主成分分析以及RBF神經(jīng)網(wǎng)絡(luò)模型對高速公路收購價值的核心指標(biāo)——交通量進(jìn)行了估計(jì)，并結(jié)合湖南某高速的案例進(jìn)行了實(shí)證分析。表明在實(shí)際項(xiàng)目過程中NCPA-RBF神經(jīng)網(wǎng)絡(luò)模型的運(yùn)用具有一定參考價值。

參考文獻(xiàn)：

[1] 童小龍，巴可偉，張騰高速公路運(yùn)營交通量預(yù)測方法研究[J].交通科技與經(jīng)濟(jì)，2017，19（5）：52-55

[2]李慶瑞公路交通量預(yù)測理論與方法綜述中外公路[J].2005，23（6）：151

[3]陳海華基于神經(jīng)網(wǎng)絡(luò)模型的高速公路交通量短時預(yù)測方法[J].中國交通信息化，2017，8（9）.

[4]李松江基于數(shù)據(jù)融合的高速公路短時交通量預(yù)測模型[J].計(jì)算機(jī)工程與設(shè)計(jì)，2018，39（10）.

[5]劉潔基于遺傳——神經(jīng)網(wǎng)絡(luò)的交通量預(yù)測[J].長安大學(xué)學(xué)報，2003，23（1）.

[6]羅忠燕高速公路通行費(fèi)收入預(yù)測方法及應(yīng)用研究[D].重慶：重慶交通大學(xué)，2012

[7]郁麒昌 高速公路項(xiàng)目運(yùn)營效益評價研究[D].武漢：武漢理工大學(xué)，2008