广东省综合交通运输需求预测模型探究

游锦龙

（广东省交通运输规划研究中心，广东 广州 510199）

建立综合交通模型是研究综合交通运输体系的重要支撑。交通模型在国内外的应用极其广泛，美国、韩国、瑞士、德国等国家均建立了区域交通模型，用于交通需求相关研究。上海、深圳、北京等大城市也都建立了各自的交通模型。历经半个多世纪，绝大部分交通模型依然沿用四阶段法。

利用四阶段法建立综合交通模型的首要任务是准确把握交通生成，即交通需求。大量学者通过对交通运输与经济社会发展相关性的分析研究，厘清了两者之间的关系。于建峰[1]等运用适应度分析法，对区域经济与交通运输体系进行发展综合评价和适应度比较分析。樊建强[2]、余沛[3]等运用灰色关联度，分别对公路运输、铁路运输与经济发展进行了定量相关性分析。

一、综合交通运输需求预测方法

（一）数据基础及特征

经济社会数据和交通统计数据，是进行经济社会和交通运输发展研究的基础。本次研究收集了广东不同年份和区域的数据，数据量大、数据类型复杂、数据指标种类比较多。选取了地区生产总值、常住人口、人均GDP等6项经济社会指标和高速公路总流量、铁路客运量等16项交通指标。

（二）预测方法

交通运输需求预测方法主要分三大类：定性预测法、定量预测法和组合预测法。常用的定量预测法大致可分为三大类：因果关系预测法、时间序列法和趋势外推法。

因果关系预测法，通过找出自变量与因变量之间的数量关系，建立适当的数学模型，以此来预测因变量的未来变化。优点是预测精度高、适用范围广；缺点是所需数据量大，计算模型复杂，自变量或因变量的选择带有不确定性，从而影响预测结果的准确性。

时间序列法，在预测对象变化平稳、无较大波动且其他影响因素变化不大的情况下可保证预测结果的准确性。缺点是只考虑了时间变化这单一的预测因素，忽略了其他实际因素对其造成的影响，适用于短期预测。

趋势外推法，需要满足两个假设条件：事物发展过程是渐进的，不发生跳跃式的巨变；事物过去的发展规律适用于其未来的发展变化，一般适用于短期和中期预测。

对比各类定量预测方法的优缺点及其适应条件，本次研究选定精度高的回归分析法进行预测，并采用决定系数R2来评估指标之间的相关性水平。对于回归分析而言，决定系数R2的取值越接近1，说明自变量与因变量的拟合效果越好，即其相关性越显著。

（三）预测方案

预测方案具体步骤如下：

1.对比省域、地市、区县、不同经济水平地区的高速公路指标相关性结果，明确选取何种区域指标进行建模。

2.用均值与方差评估，根据不同指标组合间的相关性分析结果，筛选经济社会指标。

3.基于筛选指标，分别对各交通方式运输量与经济社会指标进行相关性分析，建立定量预测模型。

4.选用增长系数法对预测结果合理性进行验证。

二、高速公路与经济社会相关性

本次研究从模型应用的简便性与可操性出发，建立反映广东省综合交通运输需求共性的预测模型。

为排除经济社会指标的重复与互相干扰，按经济社会发展水平划分为珠三角、粤东、粤西、粤北4个区域分别进行相关性分析。根据相关性分析结果，筛选出适合建立定量预测关系式的相对稳定的经济社会指标。

（一）不同区域相关性分析

分别基于广东全省、各地市及各区县高速公路各项指标与经济社会各项指标进行一元回归分析，得到决定系数R2取值情况。

由图1的广东省相关性分析结果可知，其一元回归结果R2取值的均值为0.869，取值很高，且从各指标组合的R2取值情况来看，除四类车R2均值为0.55，拟合效果一般外，其余各项指标与经济社会指标高度相关。由此可以看出，在省级层面，经济社会指标与高速公路指标的回归效果很好，可用于需求预测。

图1 广东省相关性分析

由图2地市相关性结果分析，其一元回归结果R2取值的均值为0.611，高速公路客运量与经济社会指标的相关性整体较差，第一产业产值与高速公路各项指标R2取值均小于0.1，表现为不相关。在地市级别，除部分指标以外，高速公路各项指标与经济社会的相关性良好，对产业情况敏感性较高，可用于需求预测。

图2 各地市相关性分析

由图3区县的相关性结果分析，其一元回归结果R2取值的均值为0.275，各项高速公路指标与经济社会指标的R2取值均小于0.5，表现出来的相关性水平较差。在区县级别，高速公路与经济社会之间的相关性受产业布局影响显著，其经济社会指标与交通运输指标一元回归的拟合效果不显著，不适合用于高速公路需求预测。

图3 各区县指标相关性分析

考虑到各运输方式的数据情况，应选取省域数据进行最终综合交通需求模型的构建。

（二）指标筛选

从表1不同经济发展水平地区的相关性整体情况及交通运输指标分析情况来看，分车型R2取值整体偏低，宜选用高速公路总当量、总流量、客运量、货运量指标用于预测。

表1 不同经济社会发展水平决定系数均值

经济社会指标方面，从均值可以看出第一产业、第二产业与高速公路指标的相关性程度明显低于其他指标。其他几项经济社会指标与高速公路指标相关性显著，以反映离散程度的方差作为评估指标，第三产业、人均GDP方差取值稍高于地区生产总值，且地区生产总值与高速公路总流量、高速公路总当量的R2更高，应取地区生产总值作为最终综合交通需求预测的经济社会指标之一。

常住人口与高速公路交通量各项指标R2取值达0.791，且方差取值为0.039，说明常住人口与高速公路交通量各项指标相关性好，可用于相关性分析。

基于以上分析评估，应选定地区生产总值与常住人口两项指标用于各类交通方式与经济社会相关性分析。

三、综合交通与经济相关性

根据指标筛选结果，对各运输方式进行回归分析，以地区生产总值与常住人口作为自变量，客货运输指标作为因变量进行二元回归分析；以常住人口作为自变量，所有客运量指标作为因变量，以地区生产总值作为自变量，所有货运量指标作为因变量，进行一元回归分析。

R2取值情况及定量关系式各项系数取值如表2、表3所示。

表2 一元回归系数取值

表3 二元回归系数取值

二元回归分析结果取值除港航客运量之外，R2取值均在0.8以上，其中港口货运量R2取值为0.799，接近0.8，说明各项客货运量指标与经济社会指标的二元回归拟合效果很好，相关性显著。

一元回归分析结果取值除港航客运量与港口货运量之外，R2取值均在0.7以上，且其中5项指标的R2取值均大于0.9，2项指标R2取值大于0.88，说明各项客货运量指标与经济社会指标的一元回归拟合效果很好，相关性显著。

根据一元回归与二元回归分析结果，两者均适用于综合交通运输需求预测。

四、综合交通运输需求预测

（一）需求预测结果

基于一元回归、二元回归系数取值，分别对各交通方式2025年、2035年、2050年客运量、货运量进行预测，预测结果如表4、表5所示。

表4 一元回归交通运输需求预测结果

表5 二元回归交通运输需求预测结果

从二元回归结果数值可明显看出，特征年客货运需求预测结果出现负值，预测结果显然不符合实际，因此二元回归模型预测结果不可靠。

（二）需求预测校核

为进一步评估预测结果合理性，选用增长率法预测结果进行验证。

各个特征年交通需求预测增长率的取值规则为：客运增长率取前阶段的1/2，货运增长率取前阶段的2/3。各运输方式的运输需求预测结果如表6所示。

表6 增长率法运输需求预测

以增长率法预测结果为基准，测算得到两种预测结果的偏差程度（%），各年预测结果偏差情况如表7所示。从表7可以看出，各年预测结果偏差均在5%以内，偏差值较小，在可接受的误差范围内。

表7 预测结果偏差值

因此，该研究所建立的广东省各交通方式一元回归定量预测方程，预测所得的综合交通需求合理。

五、结语

本文基于一元回归分析建立的综合交通运输需求预测模型，对广东省未来综合交通运输需求进行预测，得到2025、2035、2050年广东省各方式客运需求及货运需求，为广东省综合立体交通网规划编制及“十四五”规划编制提供了数据支撑。