城市交通效率的多目標評價范文

本站小編為你精心準備了城市交通效率的多目標評價參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

《地理科學進展雜志》2015年第十二期

摘要：

高速城鎮(zhèn)化和機動化階段，面臨與日劇增的環(huán)境壓力，城市交通的多目標發(fā)展成為交通可持續(xù)發(fā)展的關鍵。在提升居民出行滿意度的同時，降低交通碳排放是目前及未來城市交通可持續(xù)發(fā)展關注的核心目標，是城市交通效率的主要內涵。由此，本文從交通出行便捷與交通碳減排雙目標綜合評估的角度，提出基于中觀尺度的城市交通出行滿意度和交通碳排放的定量測算方法；并利用數據包絡分析(DataEnvelopmentAnalysis,DEA)法探討城市交通綜合效率評價方法。對北京市城六區(qū)的實證結果顯示，在三環(huán)以內地區(qū)，城市交通綜合效率較高，五環(huán)以外大部分地區(qū)較差。交通綜合效率較高的地區(qū)集中分布于：①西三環(huán)至西四環(huán)萬壽路街道的公主墳-五棵松地區(qū)。②北三環(huán)和平里街道安貞橋附近地區(qū)。③東北三環(huán)的三里屯地區(qū)。而綜合效率較差的地區(qū)大多位于城市外圍，例如西北六環(huán)周邊，西南五環(huán)至西南六環(huán)部分地區(qū)，以及東五環(huán)外常營地區(qū)等，交通碳排放較高是這些地區(qū)交通效率較差的主要原因。此外，交通效率的空間差異與地理空間環(huán)境的差異性呈現高度的相關。例如，交通效率較差的地區(qū)大多是高檔別墅區(qū)集聚的地區(qū)，以及城市五環(huán)周邊公共交通不完善的部分居住區(qū)。通勤中機動化比例較高和通勤距離較長是碳排放強度較高的主要原因。

關鍵詞：

交通效率；多目標綜合評價；數據包絡分析；交通碳排放；交通滿意度

1引言

城市機動化的高速發(fā)展在一定程度上給居民帶來了更加豐富的出行選擇，提升了部分城市居民的出行便捷性。但與此同時，快速的機動化也帶來了嚴重的城市交通和環(huán)境問題。在中國特大城市，接踵而至的城市環(huán)境污染和交通擁堵等大城市病尤為明顯。為了積極應對這些大城市病，北京等特大城市力圖從行政手段、城市交通建設等多個方面入手解決城市交通問題。例如北京市利用搖號上牌和路面限號來干預路面小汽車的數量，這種行政手段在一定程度上可以緩解城市交通擁堵的交通問題，但卻犧牲了部分社會群體的利益。顯然，以大力發(fā)展小汽車為導向的追求交通便捷性和最大限度抑制小汽車為導向的追求城市交通環(huán)境效益的政策和措施都是片面的，違反了城市交通可持續(xù)發(fā)展的內涵。未來，如何在提升居民出行便捷性的同時，降低交通對于城市環(huán)境的影響是綜合測評城市交通效率需要考慮的關鍵問題。

為解決上述關鍵問題，首要的是如何理解城市交通效率的內涵，以及如何對城市交通效率進行多目標測評。以往學者們對于城市交通效率關注的目標大多都是單目標的。例如關注交通的便捷性(高曉路等,2009)，居住與就業(yè)匹配的交通問題(Kan,2002;鄭思齊等,2011)，交通設施配置的可達性(Martínez,1995;孟斌,2009)，城市交通的低碳性(馬靜等,2011)，公共交通的服務水平等(Jietal,2010)。極少有學者關注城市交通效率的多目標性，可能是由于對交通效率的內涵理解不全面，以及多個目標的綜合方法不清晰等。特別是當多個目標有沖突時，如何考慮各個目標的相互作用和矛盾關系，求得最優(yōu)的決策或評價方案成為難點問題(白鶴松,2008)。例如對于城市居民來講，私家車的普及率越高，交通出行的便捷度會越高；然而交通的負外部性則會導致社會交通成本的上升，以及有損城市交通的環(huán)境效益。如何決策交通的便捷性和城市環(huán)境效益兩個目標就成為難點問題。此外，以往對于交通發(fā)展水平或交通碳排放定量測算的研究中，多個目標之間面臨著尺度不一和量綱不一的問題。例如，有以時間、距離等作為可達性的測評指數(曹小曙等,2013)，也有學者以個人的滿意度作為出行便捷度的評價指數(Jietal,2010)；而交通碳排放測算則多以能源消耗數據，或者依據個人活動出行數據來推算(馬靜等,2011)。這些定量指標的評價尺度和數據來源多元化，要想實現精細化的空間評價，如何在同一尺度上利用這些定量化的指標成為難點問題。本文認為，為居民提供便捷的交通出行是交通效率關注的最主要目標。與此同時，由于城市交通發(fā)展對環(huán)境帶來的負外部性與日劇增，降低城市交通的負外部環(huán)境影響也是城市交通未來關注的目標之一。最優(yōu)的城市交通效率是城市出行便捷度的最大化與城市交通碳排放的最小化。基于此，本文主要研究解決兩個基本的問題：①如何對各個目標進行定量的測度；②如何對于相互矛盾或相互作用的各個目標在同一空間尺度上進行多目標測評，即評價城市交通效率。

2多目標綜合評價的方法探討

在多目標評價的方法中，模糊評價法、層次分析法等成為最常用的評價法(徐建華,2006；張俠等,2009；方國華等,2011)，但這些方法的主觀性較強，客觀數據的作用明顯不足，評價結果對于決策者的決策偏好十分依賴，而對解決多個目標沖突問題貢獻不足。相對而言，數據包絡分析(以下簡稱DEA)評價雖然算法復雜，但其對解決量綱不一的相對效率問題具有突出的作用，且對于決策者的主觀依賴較小。基于此，本文利用DEA多目標評價法對于包含城市交通滿意度以及交通環(huán)境效益的城市交通效率進行測評。

2.1DEA多目標評測方法數據包絡分析(DataEnvelopmentAnalysis,DEA)由美國著名運籌學家Charnes、Cooper和Rhodes于1978年首先提出，是一種主要衡量效率相對有效性的非參數方法。其原理是通過保持決策單元(DecisionMakingUnit，簡稱DMU)的輸入或輸出不變，借助數學規(guī)劃方法確定相對有效的生產前沿面，將各DMU投影到DEA的生產前沿面上，并通過比較各DMU偏離DEA前沿面的程度來評價其相對有效性。DEA分析不需要主觀的權重系數，完全依靠客觀信息評價效率情況，在處理具有多投入、多產出指標的同類型部門間的效率問題時，DEA具有明顯的優(yōu)勢。

2.2交通效率的DEA評價DEA分析的最終目的是要評價同類決策單元效率的有效性的問題，其有效的意義是以最小的投入換取最大的產出。具體到城市交通效率的評價中，需要對城市的出行便捷度和交通碳排放進行綜合評測。交通碳排放和出行便捷度與經濟系統(tǒng)中投入和產出的關系十分類似，即城市交通可持續(xù)發(fā)展的目標是以最小的交通碳排放獲取最大的出行便捷度。交通發(fā)展綜合效率的評估，要考慮以最小的投入獲得最大的經濟產出，與運用DEA進行綜合效率測評的思路十分吻合。在此，本文利用DEA方法對于城市交通綜合效率進行評估。本文以圖示說明交通效率DEA分析的基本思路。圖1中M1-M5表示5個地區(qū)交通碳排放和交通便捷度的組合。M1和M3相比，M3點由于出行便捷度較高，交通效率優(yōu)于M1點；M1和M4相比，同樣的出行便捷度水平下，由于M4的交通碳排放水平較高，則其交通效率低于M1點。

3城市交通效率的定量測評方法

3.1交通碳排放的定量測評方法交通碳排放，是居民在出行過程中由于選擇了特定的交通方式，在出行過程中產生的。基于此，本文對于交通碳排放的測算，主要是從居住的角度出發(fā)，研究居民每日出行中到達各類目的地過程中所產生的碳排放強度，其計算的結果實際是靜態(tài)的歸結到起始地，是平均水平，而并非具體到碳排放產生的動態(tài)過程，。式(1)中：Cjk表示第j個評價尺度內基于第k種出行目的的平均碳排放強度，單位為g/人；γijk為第k種出行目的第i種交通方式在第j個評價單元內的比例；ηi為第i種交通方式的碳排放標準系數；βijk為j個評價單元內第k種出行目的下，使用交通方式i的居民的平均出行距離；Rjk為第j個評價單元內第k種出行目的的比例分布；Tjk為第j個評價單元基于第k種出行目的的出行頻率的比例構成。需要說明的是，在測算中，交通方式構成、交通距離、出行頻率等均為出行的基本特征變量，可通過行為調研方式獲取。而模型中不同交通方式的碳排放標準系數ηi為目前需要估測的參數，柴彥威等(2011)學者根據中國各種交通方式的能耗和碳排放系數進行了推算，本文以此為參考。

3.2出行滿意度的定量測評方法人是交通便捷與否的主要體驗者，如僅以空間覆蓋率、空間鄰近性等客觀數量指標來刻畫城市交通便捷性，雖然容易度量，但難以體現城市居民差異化和多元化的交通出行。而出行滿意度是居民在出行過程中對于客觀出行環(huán)境和出行過程的評價和感受，能夠間接地反映城市交通的便利程度。但難點是由于滿意度為主觀的感受，不能直接觀測。目前學者們常用的獲取居民出行滿意度的方式是通過調研，例如張文忠等(2006)在北京的出行評價研究中，根據不同的出行目的，例如通勤、日常出行等，在受訪者中按照滿意程度對便利性進行打分，以此獲取滿意度評價的空間分布。而將個體抽樣的出行滿意度進行城市尺度上的定量推測，則是依據個人出行的效用函數按照多元序次Logistic模型進行滿意度的推導。

4北京市城市交通效率多目標評估的實證分析

4.1數據來源及空間尺度確定北京市中心城區(qū)居民出行的滿意度評價數據來自于2005年北京市居民對于通勤出行滿意度的調查數據(張文忠等,2006)，包括在北京市中心城六區(qū)(原城八區(qū))以及城郊回龍觀居住區(qū)范圍內共獲取的樣本7341份。調研中，通勤出行滿意度以分級的方式分為非常滿意、比較滿意、一般、比較不滿意、非常不滿意五類。此項大樣本空間數據能夠較均衡的反應中心城區(qū)交通滿意度的空間特征，本文將以此為基礎，利用模型對其進行空間和時間的推演。而用于計算居民出行碳排放的數據需要進行居民的出行行為調研。北京大學行為調研小組于2007年對于不同類型居住區(qū)居民出行行為進行了調研(柴彥威等,2011)，包括出行距離、出行方式、出行時間等，在此利用該項共享數據作為碳排放研究的基礎。首先，為了突出北京市中心城區(qū)空間上的差異性，本文以城市路網形成的街區(qū)為空間尺度進行精細化的評價。具體是以城市次干路為基礎，同時考慮到三環(huán)以內居民空間出行的空間范圍有收斂的趨勢，所以三環(huán)以內以城市支路為基準組成的城市街區(qū)為基本評價單元，共計1049個。其次，考慮到在街區(qū)尺度上進行交通碳排放的測算，需要對各街區(qū)內部交通方式構成、交通出行的平均距離等有基本的估算。由于城市交通行為受到空間環(huán)境的客觀約束(Krizek，2003；Kwan，2012)，在具有相似特征的地理環(huán)境下，居民的交通行為也具有一定的相似性。基于此，本文根據交通行為與城市空間環(huán)境的相互關系為基礎(季玨等，2012)，以小區(qū)為單位，搜集各小區(qū)的二手房價、交通服務水平、規(guī)劃特征等變量進行空間聚類，最終劃分出5種不同類型的空間環(huán)境(表2)。依據5種類型所處的空間位置、主導的房屋類型(四合院、單位大院、別墅、政策性住房、其他普通商品房)、規(guī)劃特征等，本文將5種類型標定為：高檔別墅區(qū)、外圍中檔區(qū)、歷史老城區(qū)、高檔高密度區(qū)、成熟完善區(qū)。結合行為調研的數據，分析得出上述5類空間環(huán)境的小區(qū)在交通方式比例、交通出行距離等方面具有明顯的差異性(表3)。例如成熟完善區(qū)居民平均通勤距離僅為5.8km，遠遠低于高檔別墅區(qū)及外圍中檔區(qū)居民。據此，本文將行為調研所得的交通行為規(guī)律和居民構成按照5類小區(qū)與街區(qū)的位置關系，拓展至街區(qū)的評價單元，對于同一街區(qū)內部小區(qū)類型不一致的現象，進一步按照小區(qū)的泰森多邊形將街區(qū)分割，最終得到本文的評價單元。

4.2碳排放強度的空間估算按照式(1)的計算方法，研究得出2007年北京市中心城區(qū)通勤出行碳排放的空間格局(圖2)。由圖2可知，目前北京市城六區(qū)交通通勤產生的碳排放強度呈現由中心向四周遞減的趨勢，即居住在城市外圍的居民每日通勤的碳排放強度明顯高于城市中心。特別需要說明的是，在碳排放強度極高的地區(qū)，例如在機場高速沿線、海淀區(qū)金盞鄉(xiāng)，以及城市內部的一些異質性地區(qū)如西北三環(huán)內角一側，均是由于這些地區(qū)居住類型的差異性，例如別墅區(qū)、高檔小區(qū)等所致，這些小區(qū)私家車擁有率較高，部分小區(qū)出行距離較長導致碳排放強度較高。

4.3出行滿意度的空間評價由于滿意度的收集是以調研個體為基礎的，需要將個體的調研轉換到空間評價單元的面域上。同時，交通效率多目標評價的年份需要一致，因此本文需要將2005年滿意度評價的數據轉換到2007年街區(qū)尺度。為此，通過前期研究的滿意度評價模型(Jietal,2010)，以各研究區(qū)的平均出行滿意度作為因變量，道路優(yōu)勢度、公交800m覆蓋面積、地鐵1km覆蓋面積、企業(yè)密度、通暢性評價、收入、年齡、平均通勤時間、機動化比例作為自變量等，建立回歸模型。其中，為了單位的統(tǒng)一，對于非比例數據，統(tǒng)一采用標準化方法，將變量轉化到[0,1]之間，例如道路優(yōu)勢度、企業(yè)密度、平均通勤時間等。經過逐步回歸的篩選，共有5項指標進入回歸模型，其中4項指標的顯著性水平均在0.005以下，置信水平達到了99.5%。此外，我們對樣本進行了不同數量抽樣的檢驗，結果均證明模型的回歸系數比較穩(wěn)定，模型具有穩(wěn)定性(表4)。圖3顯示，北京市城六區(qū)出行滿意度的空間分布呈現一定的集聚趨勢。滿意度相對較高的地區(qū)大多分布于城市五環(huán)以內，特別是西南三環(huán)至四環(huán)之間，以及東北部地區(qū)。而出行滿意度評價較差的異質性地區(qū)主要分布于城市北五環(huán)的上地、立水橋等地區(qū)，豐臺區(qū)的西南三環(huán)至西南四環(huán)地區(qū)，以及雙井、勁松等地區(qū)，居民的出行滿意度也較差。

4.4城市交通效率的多目標評價結果利用數據包絡分析DEAP2.1軟件，以各評價單元為決策單元DMU，各DMU的交通碳排放為投入，出行滿意度作為產出，進行城市交通綜合效率的評估(以下簡稱綜合效率)。特別是，以綜合效率為指標，利用1個標準差法對綜合效率進行分級，共分為6個等級：很低、較低、一般、較高、很高，以及最佳，其中最佳為DEA有效地區(qū)，其他均為非DEA有效地區(qū)。從2007年綜合效率的空間分布來看，北京市城六區(qū)外圍地區(qū)的綜合效率較低，而城市中心地區(qū)特別是三環(huán)以內地區(qū)，綜合效率較高。此外，城市北部整體的綜合效率較高，而西部和南部的綜合效率較低，特別是城市南部，三環(huán)以外大部分地區(qū)的綜合效率為較低及以下水平，例如西北六環(huán)周邊的上莊鎮(zhèn)附近，西南五環(huán)至西南六環(huán)部分地區(qū)，以及東五環(huán)外的常營地區(qū)等。圖4中綜合效率最高的地區(qū)，即DEA有效的地區(qū)，位于北三環(huán)和平里街道附近，是居民的出行滿意度最高，平均通勤出行的碳排放最低的地區(qū)。而綜合效率較高的地區(qū)主要集中在：①西三環(huán)至西四環(huán)萬壽路街道的公主墳—五棵松地區(qū)；②北三環(huán)和平里街道安貞橋附近地區(qū)；③東北三環(huán)的三里屯地區(qū)。從空間環(huán)境類型來看，上述3個片區(qū)均屬建成年代較早，周邊的配套設施比較完善，交通也比較便利的地區(qū)，其居民出行的距離較短、通勤出行方式中公共交通的比例較高、私家車使用的比例較小，是綜合效率較高的原因。與單一目標評價結果不同的是，由于交通效率是由出行滿意度和出行碳排放強度二者共同決定的，交通效率綜合評價的結果更體現了目標的綜合性。有部分地區(qū)出行滿意度雖非常高，但由于碳排放的高水平而導致交通綜合效率較差，這些地區(qū)大多位于城市五環(huán)周邊及外圍地區(qū)，從空間環(huán)境類型上多屬于高檔別墅區(qū)和外圍中檔區(qū)。進一步分析發(fā)現，不同的地理環(huán)境類別，城市綜合交通效率的差別很大，表5綜合統(tǒng)計了各類別交通效率的分級比例。受到行為調研樣本偏差的影響，由個體調研推至空間整體可能會導致該比例的絕對數值有所偏差。但從其比例分布的趨勢可以看出，目前高檔別墅區(qū)和外圍中檔區(qū)目前均為交通效率很低和較低的地區(qū)，而成熟完善區(qū)交通綜合效率目前普遍較高。這一結論提示我們，未來針對不同的空間環(huán)境類型提升交通綜合效率是主要的著力方向。對于高檔別墅區(qū)和外圍中檔區(qū)而言，碳排放強度極高是造成其交通效率較差的主要原因。對位于城市外圍、以高檔別墅類型為主的地區(qū)來講，依靠交通的規(guī)劃和政策降低碳排放以達到DEA有效的目標可能較難實現。由于這些地區(qū)大多分布于城市外圍，地理位置的特殊性，決定了其出行距離成本較大(表3所示，16.8km)；而與出行的經濟成本相比，這些居民更重視出行的舒適性和滿意度，導致機動化的使用比例極高。未來，即使公共交通體系的發(fā)展十分迅速，對該類型區(qū)內居民的吸引能力也會受到限制，公共交通很難與與私家車形成有力的競爭，因此政策的引導作用可能不會特別明顯。就外圍中檔區(qū)來講，結合表3可以推測，居民平均通勤距離較長，出行方式構成中私家車的比例較高可能是其交通效率較差的主要原因。與高檔別墅地區(qū)不同的是，出行的經濟成本對這些居民存在一定的敏感性，相對來說，公共服務水平的不完善，尤其是地鐵的服務水平較低(1km內平均地鐵站點數僅為0.6個)等成為影響該處居民機動化比例較高的重要原因。對該類地區(qū)，公共交通水平的提升，特別是軌道交通的發(fā)展，可能會大幅度降低通勤出行的時間(距離)成本，在出行時間和出行費用的相較下，可能會有部分群體的交通方式選擇向公共交通轉變。此外，提高該類型地區(qū)土地利用的混合程度，增加居民就近就業(yè)的概率，通過減少居民的平均出行距離(表2中為11.1km)，來降低小汽車的使用比例，也是減少碳排放強度，提高綜合效率的重要手段。此外，耐人尋味的是，歷史傳統(tǒng)區(qū)碳排放強度(24.2)略低于成熟完善區(qū)(28.9)，公交站點和軌道交通站點的平均水平也相對較高，但其綜合交通效率評價結果卻低于后者，主要是由于出行滿意度的差異形成的。由于滿意度評價是由多個因素決定的，分布于二環(huán)以內的歷史傳統(tǒng)區(qū)，企業(yè)密度較低使其通勤距離較長(歷史地區(qū)約10.1km，成熟完善區(qū)只有5.8km)，同時由于老齡化比例較高可能使其對交通舒適性的需求得不到滿足，使其出行滿意度低于成熟完善區(qū)，造成綜合效率平均水平也較低。

5結論

在滿足居民日益提升的多樣化交通需求的同時，如何降低城市機動化快速發(fā)展帶來的負面環(huán)境效益也是交通可持續(xù)發(fā)展所面臨的重要問題。本文從多目標評價的角度，拓展了城市交通綜合效率的內涵，并利用DEA多目標評價法，綜合測評了居民的活動效率和城市交通的環(huán)境效益。(1)DEA評價法由于不受各評價目標的量綱影響，而且能解決多目標之間的沖突問題，評價結果可以反映相對效率。該方法對于城市交通效率的綜合測評具有重要意義。(2)本文提出了基于城市中觀尺度的城市交通碳排放的估算方法。交通方式，交通距離等個體的出行行為特征是決定交通碳排放的主要因素。但受限于個體調研的樣本量和覆蓋面問題，如何突破基于個體的碳排放估算方法的局限性成為難點問題。本文基于出行行為受到實體環(huán)境的約束特征，對實體空間環(huán)境進行類型劃分，根據各類型內個體行為調研的特征總結，獲取各類型內交通出行的特征，進而在城市中觀尺度進行城市碳排放的估算。該方法為數據的尺度轉換提供了基礎。(3)北京市城六區(qū)交通效率的DEA評價實例顯示，目前DEA效率在空間上存在較大的差異性，總體上呈現由中心向外圍遞減的趨勢，交通效率較高的地區(qū)集中于三環(huán)周邊幾個片區(qū)。特別是，在不同的地理環(huán)境類型區(qū)內，交通效率呈現明顯的差異性。具體表現為：高檔別墅區(qū)和外圍中檔區(qū)的交通綜合效率普遍較差，而交通碳排放較高是這兩類地區(qū)綜合效率較差的主要原因。未來，對于交通建設和交通政策比較敏感的外圍中檔區(qū)，有望通過公共交通的完善、特別是軌道交通的建設來降低碳排放，進而提升交通綜合效率。

作者：季玨 高曉路 劉星辰 單位：住房和城鄉(xiāng)建設部城鄉(xiāng)規(guī)劃管理中心 中國科學院地理科學與資源研究所