◇网络文化◇

基于交通运行需求的“互联网 +交通”发展指数研究

李明伟

(信阳师范学院 旅游学院， 河南 信阳 464000)

摘要： “互联网+”的广泛应用和城市交通问题的日益突出将“互联网+交通”推到时代前沿，但研究者还未对交通运行水平下的“互联网+交通”发展指数和建设需求程度做深入探讨。以城市交通运行水平和“互联网+交通”的表征指标为基础构建多元回归模型，并据此对我国主要城市进行实证分析，发现：民用车拥有量、道路里程、GDP等在“互联网+交通”发展过程中起主导作用。因此，“互联网+交通”建设必须符合各城市交通的真实需求，才能以最优的成本投入得到最大化效率。

关键词： 互联网+交通；城市交通；智慧交通；物联网；大数据；交通管理；智慧城市

一、 引言

2015年3月，李克强总理提出制定“互联网+”行动计划，并将其上升到国家战略层面，各级政府纷纷部署推动互联网与传统产业的深度融合和创新发展，打造经济发展新动力。其中，作为支柱性产业的交通运输业如何抓住机遇与“互联网+”进行深度融合、提高交通运输效率，成为现阶段的重点工作之一。近三年来的“互联网+交通”数据显示，以智慧城市为代表的“互联网+交通”项目在中国快速铺开，尤其在一、二线城市发展迅猛，并带动三、四线城市全面发展，预计未来将助力更多城市的交通转型升级，优化城市交通运行能力、提高交通服务效率。但是，相对于技术的快速发展，理论研究较为薄弱，有关“互联网+交通”的成果主要集中在融合模式与路径、传统交通的改革、“互联网+交通”发展趋势等层面。研究者更关注“互联网+交通”的发展水平，并未从投入—产出角度考虑城市对“互联网+交通”发展的真实需求；而过于追求“互联网+交通”的建设，极有可能导致二者间发展的不协调、不匹配。此外，随着智能出行、智慧交通等理念的深入，对“互联网+交通”的投入在不断加强，考虑到投入—产出、应用绩效等要求，学术界逐渐由定性分析向定量化探讨转变。本文结合中国城市交通发展现状和市民出行特征，探讨其对“互联网+交通”的需求情况并进行定量化研究，既有利于制定合理的“互联网+交通”发展规划，又对优化城市交通运行等具有一定辅助作用。

虽然，国内外学者提出了一些关于“互联网+交通”的研究成果，但主要集中在“互联网+交通”的融合发展和对交通运行改善等领域，比如，李明伟应用跨界融合思维，将“互联网+交通”融合发展模式定位为：研究互联网与城市交通的融合，并非落实到具体的交通运输方式上，而是从宏观角度入手，以互联网技术的广泛应用为标志，以智能交通为引领，以个性化、多样化运输服务模式不断创新和及时应用为特点，提出对传统交通运输过程产生颠覆性影响的全新服务组织和管理体系^〔1〕。此外，有学者探索了基于“航空—铁路—公路”大网络下的“互联网+交通”，并提出了相应发展模式^〔2～3〕。随后，有学者以“互联网+智能交通”为对象，提出基于移动互联网的跨界资源整合和综合交通信息服务发展等面临的挑战，以及推动“互联网+交通”普适性和规范性发展的措施^〔4～5〕。在交通运行水平层面，陈国鹏从“互联网+交通”视角提出通过私家车共享模式提升交通运行水平^〔6〕。有学者关注了智能交通系统(ITS)应用对交通运行水平的影响，并以GIS、车联网、ETC等技术为依托，辨别和监测城市路网中的拥堵点，预测拥堵路段并进行拥堵管理^〔7～9〕。此外，杨浩雄、张钟允和王家庭等将回归模型、DID模型等用于测评ITS对交通运行水平提升的贡献^{〔10～12〕}。以上研究分别从“互联网+交通”融合发展和交通运行水平等领域进行了探索，但未对“互联网+交通”与城市交通之间的协调匹配程度及其发展指数进行研究。由于“互联网+”在交通运输转型升级过程中发挥了重要作用(北京、广州、深圳、武汉、上海等城市“互联网+交通”指数达到60%以上，北京更是达到90%)，为了使二者之间的融合更协调，有必要探讨城市交通运行水平下的“互联网+交通”需求程度。本文以城市交通运行水平对“互联网+交通”的需求指数为视角，采用多元回归模型研究交通运行水平需求下的“互联网+交通”发展指数，研究结论对优化“互联网+交通”建设、改善城市交通问题等具有重要作用，对弥补“互联网+交通”发展过程中理论探讨与实践应用之间的空缺起支撑作用。

由此可见，无论是卫生管理部门还是医院都要从仁爱和技术能力两个不同维度出发对医生进行激励和管理，努力提升患者尤其是门诊患者对医生的信任水平。在仁爱维度上，医生要更加注重在门诊接诊过程中自身接诊态度的改善和医患沟通技巧的提升，充分考虑门诊患者的需求，把患者的利益放在第一位；在技术能力上，医技水平是医生的基础，医生在努力提升自身专业能力的同时，要充分利用自己所学到的医学知识给患者制定合理的治疗方案帮助患者恢复健康。尤其是对待问诊时间有限的门诊患者，准确利用自己的专业知识在短时间内了解更多的病情帮他们找到病因，治好急病，减少痛苦，增强门诊患者对医生的信任水平。

二、 城市交通运行水平

(一)城市交通发展水平影响因素

随着城市化进程加快，城市交通问题日益严峻，剖析各类问题成因，可归结为交通需求与供给的不匹配、不协调^〔13〕。城市交通需求取决于城市用地及布局、社会经济发展及机动车保有量等，其中，城市用地及布局包括出行方向、出行距离及以通勤交通为主的城市出行强度，社会经济发展决定了城市交通出行总需求，机动车保有量决定机动化出行需求。交通供给包括动态和静态两个方面，动态交通供给主要服务于车辆运行，包括道路里程、道路面积、路网结构等道路基础设施建设；静态交通供给则主要服务于车辆停放。虽然交通需求管理在城市交通治理中广泛应用，但未能从根本上解决城市交通问题。因此，本文从上述提及的影响城市交通发展水平的因素中筛选可量化且数据易获取的因素(详见表1)，分析其与城市交通发展之间的关系，从而确定影响城市交通发展水平的因素。

表 1影响城市交通运行水平的因素

(二)城市交通发展水平表征指标

表1阐述了各因素与城市交通发展水平之间的相关性，但在实际计算时若单纯使用这些因素的数据进行分析，将难以精确描述其与城市交通运行水平的关系。因此，本文假设路网平均行车速度为表征城市交通运行水平的指标，但是路网平均行车速度取值受较多因素交叉影响，单独计算时容易造成结果不准确且论证缺乏科学性。为寻找影响路网平均行车速度的主要因素，本文以表2所示的北京市2000～2010年数据进行相关性分析，验证路网平均行车速度作为表征城市交通运行水平的指标时，哪些因素与路网平均行车速度的相关度高且作用关系明显。

在内江地区花萼湿地公园的生态设计时，应该将其设置为“一核多点”的一条具备生态设计要素的绿廊，使其发展成为内江地区著名的休闲娱乐地带，成为内江地区的建筑地标。在这一基础上，进行花萼湿地公园的生态要素设计时，应该遵循以下几点原则：（1）在进行空间布局时，需要与内江新城的CBD计划遥相呼应，同时在功能配置上也需要有效结合内江新城的CBD计划；（2）在生态地形设计时，应与施工现场的蜿蜒地形相互融合，最终形成流动的空间与道路形态，凸显出花萼湿地公园的多层次感。

表 2北京市交通运行水平的相关数据 ^①

本文采用Pearson相关系数方法，利用Eviews 6.0进行相关性检验，得到如表3所示的具体结果。

表 3北京市交通运行水平各指标间的相关性分析结果

表3的结果显示，GDP 、POP 等因素与Speed 的相关系数均在0.7以上，相关性较高，是影响Speed 的主要因素，且Speed 与POP 、GDP 、N -Car 呈负相关，随着指标值的增长，Speed 的值会降低，交通运行水平下降；Speed 与S -Road 呈正相关，随着S -Road 的增长，Speed 的值会提高，交通运行水平提升，该结论与上文的相关性定性分析结果吻合。最终，本文认为Speed 可作为表征城市交通运行水平的指标。根据“从一般到简单”的计量分析原则，指标较多时要对指标的自相关性和共线性进行检验。基于表2中的数据实施Probit稳健回归，结果显示，N -Bus 的系数稳健检验不显著且与N -Car 之间存在较高的共线性，不适于进入模型，因而将其剔除。剔除之后再进行Probit回归，发现R ²、AIC/SIC的值变化不明显。此外，L -Road 和S -Road 之间存在不容忽略的共线性问题，不适于放在同一模型中，因此本文仅保留L -Road 指标(L -Road 与Speed 的相关系数更大且稳定性更好)。最终，将影响城市交通运行水平的指标确定为：GDP 、POP 、N -Car 、L -Road 。

三、 “互联网+交通”及其发展水平

(一)“互联网 +交通”的内涵

I ₂与I ₃的计算方法同I ₁，不再赘述。

图 1交通运输业与互联网结合的路径

1.大数据、互联网技术支持交通综合信息平台建设

交通综合信息平台建设是指面对增长迅速的海量数据，在云计算、大数据、物联网等技术的支撑保障下建设智能交通综合管理系统，建立信息共享和交换机制，进行快速计算以及科学分析，实现交通数据的汇集、管理、分析和应用。通过构建大交通数据共享平台，能够为路政巡查、路政执法、路产管理、应急救援等工作提供服务。比如，高德地图通过大数据采集提供交通信息公共服务，包括城市拥堵点实时报告、拥堵路线规避、热点商圈实时路况信息服务等，为交管辅助决策、为用户出行等提供服务。

2.移动互联网思维融合多项技术改善出行方式

互联网环境下交通出行方式发生巨大改变，引发更多业务模式，加快了交通运输由传统产业向现代服务业转型升级，而移动互联网等技术让运输业和乘客通过网络平台实现供需有效对接。比如，打车软件以O2O模式立足移动客户端，让更广泛的人群使用移动支付；公交车安装GPS使得市民可以查到公交站牌信息、实时交通信息、公交和地铁换乘方案等，科学规划出行时间，让出行变得更智能。

(二)“互联网 +交通”发展的衡量指标

作为宏观性很强的指标，“互联网+交通”发展水平测度较为困难，既要考虑测度指标的针对性和高相关性，还要追求全面性和多角度性。因此，须对各类指标综合分析并选择最合适的指标。2016年9月，在中国公安部交管局的领导下、高德地图的公司执行下，提出了《中国“互联网+交通”城市指数研究报告(2016)》。报告从“智能出行”“智慧交通”“政务影响力”三个领域选取27个指标，以全国62个大中型城市为依托进行评估，得到各城市的“互联网+交通”发展指数。其中，智能出行指数反映互联网出行方式的智能程度，指数越高表示“互联网+”在交通中的智能应用越好。智能出行指标主要包括：人均网约车日行驶里程、地图人均启动次数、地图渗透率、驾车导航人均日使用次数、躲避拥堵用户占比、公交导航人均使用次数、步行导航人均使用次数、实时路况用户数、实时路况使用次数、人均网约车次数等。智慧交通指数反映城市政府交通数据开放及智慧交通发展程度，指数越高表示“互联网+”在交通领域的发展越好。智慧交通指标包括：动态数据开放、大型活动疏堵、静态数据开放、交通诱导系统、城市拥堵治理效果、互联网综合运营、公共交通信息服务平台。政务影响力指数反映城市政务工作在新媒体传播影响力上的成效，指数越高表示效果越好，主要指标有三项：“传播力”表示政务微博发布信息的传播情况，传播力指标越高说明政务微博的内容被越多的网民看到；“服务力”表征政务微博一对一服务网民、为民办事的情况，服务力指标越高说明政务机构通过微博平台服务了越多网民；“互动力”表征政务微博发布信息的影响情况，互动力指标越高说明政务微博的内容引发了越多的网民响应(具体结果见表4)。

本研究采用样地法取样。2017年10月和11月，分别于3类生态系统中顺相同坡向各设置3条样带，每样带内从坡底到坡顶设置3个20 m × 20 m样方。在草地和人工林每样方内的4个拐角和中心取1 m× 1 m的草本样方，在次生林每样方内相同方法分别取5 m× 5 m样方调查灌木和1 m× 1 m样方调查草本。因此，样地共有9个20 m×20 m样方，45个1 m×1 m草本小样方和45个5 m×5 m灌草层小样方。水准仪测量坡度，罗盘测量坡向。

由表4可知，“互联网+交通”发展水平排名前十的城市分别是：北京、广州、深圳、武汉、上海、天津、宁波、成都、重庆、西安；其中，北京以87.91的指数值占据首位，广州以80.32的值紧随其后，此一南一北两座城市占据了中国“互联网+交通”发展的战略高地。从62个城市的综合排名来看，一线和沿海城市的发展水平普遍较高；在国家“一带一路”政策的引导下，中西部地区“互联网+交通”也有了长足发展且潜力较大，其中西安、成都、重庆“互联网+交通”发展水平均入围全国前十，有助于带动西部地区其他城市“互联网+交通”的快速崛起。可见，高德地图的这一调查足以体现样本选择的普遍性、全面性及科学合理性。同时，在参考其他研究结果时发现，排名前十的城市在智能交通(如广州、武汉)、智能出行(如北京、深圳)及政务影响(如北京、上海)方面的发展都处于全国前列，符合现阶段我国城市交通发展现状。

表 4 2016年中国 62个主要城市“互联网 +交通”发展排行 ^② (%)

因此，本文最终将“智能出行”“智慧交通”及“政务影响力”视为衡量城市“互联网+交通”(Internet +Tra ，%)发展指数的指标(见图2)。“智能出行”是社会经济类指标，主要从出行者角度进行测度；“智慧交通”是交通供给类指标，注重从交通运行方式角度测度“互联网+交通”发展水平；“政务影响力”是管理层指标，而交通运输基础设施建设属于公共事业行为，因此在某种程度上可认为该指标隶属于交通需求类指标。

图 2“互联网 +交通”发展水平测度指标体系

1.智能出行

智能出行的目的是利用“互联网+”和物联网技术提高交通运营服务水平，利用“互联网+”对城市交通进行改造和深化应用，实现交通要素全面感知，并通过先进的网络通信技术和智能处理技术进行主动管理，形成友好的出行环境^〔15〕。并最终实现通过互联网、移动终端、车载定位导航终端、道路交通诱导屏、电台广播等方式，提供实时路况信息发布、停车位预订、出租车预订、公交换乘、公交到站、航班信息、列车信息等服务。

2.智慧交通

图 3“互联网 +”与智能交通系统的结合应用

本文将智慧交通定义为：将通讯、信息、电子、车辆等技术融合应用于交通领域并能迅速、灵活、正确地理解和提出解决方案以改善交通状况，使交通发挥最大效能的系统。“互联网+”与交通的融合是建设智慧交通的重要技术和思路，能在先进互联网技术的保障下进行快速计算和科学分析，从海量交通数据中快速、准确提取信息，提升交通管理的预见性、主动性、及时性、协同性(见图3)。图3中最底层为支撑系统，中间层为应用系统，最高层为用户。支撑系统是存在于路网交通中的各类专用智能子系统，是指挥、管理及监控交通运行的直接参与者，也是促使应用系统功能发挥的基本保障。对应用系统来说，借用“互联网+”协调参与交通运输管理的各个部门，使其顺畅交流并形成相应的交通管理综合信息系统。

3.政务影响力

在股市中做投资，无需清楚每只股票的走势表现，只要能看清小部分个股的走势就足够了。选出自己能看清的目标盯着这些品种，从中寻找机会就足够了。

政务影响力指利用“互联网+”推进各类交通系统的数据共享整合，将大数据用于交通管理中以提供更好的服务，管理者通过集成交通行业的数据推进资源共享，整合包括汽车商、系统运营商等各类企业生态链及城市重点建设的交通系统中的数据。

(三)“互联网 +交通”发展的水平测度

基于上述分析，将“互联网+交通”发展水平的测度方法归纳如下：

其中，I ₁为智能出行指标值，w _jI1 表示智能出行中第j 个二级指标权重，计算方法采用专家打分法，M _I1 表示智能出行对应的二级指标个数，d _jI1 0表示当前目标城市智能出行指标下第j 个二级指标的指标值，d _jI1 k _I1 表示第k 个城市智能出行下第j 个二级指标的指标值，n 表示城市数量。

本文将“互联网+交通”定义为：运用互联网技术将交通基础设施、运输工具、交通出行特征等互联网化，从而整合人、车、路、管理等各种信息并提供交通运输服务，再将服务数据资源向社会开放，为出行者提供更优的出行服务。然而，“互联网+交通”并非简单地将两种产业相加，而是采取一定方式和手段使二者充分融合^〔14〕。“互联网+”使交通变得更智能、精细和人性，逐渐形成具有“线上资源合理分配，线下高效优质运行”的新业态和新模式，互联网与传统交通运输行业的深度融合将成为建设智慧交通的重要技术和思路。本文主要从大数据技术和移动互联网技术在“互联网+交通”中的应用来诠释“互联网+交通”的内涵(见图1)。

我一心一意地喜欢陆浩宇，做我认为他可能会喜欢的事，但有一天，我却在放学路上，偶然看见他和一个学妹有说有笑，那女生是新生代表，迎新晚会上，她的孔雀舞惊艳四座。

曹欲晓（2001）分析了以“代理说”为理论基础的现行增值税处理方法“扣税法”存在诸多弊端，反驳论述了增值税“代理说”的不合理性，并从会计学定义出发分析论证了增值税费用化的理论基础——“费用说”。[1]

其中，W ₁、W ₂、W ₃分别表示“智能出行”“智慧交通”及“政务影响力”的权重(各项权重由多位该领域的专家学者依据指标的重要性进行打分，1～10分，分数越大表示重要度越高)。α _t 、β _t 、γ _t 分别表示第t 个专家对每个一级指标下二级指标的打分，z 表示参与打分的专家数量。

本文进行指标分析的主要目的是探讨城市交通对“互联网+交通”的需求情况，因此，解释变量为表征城市交通运行水平的指标，被解释变量为“互联网+交通”指数。在综合比较多种计量方法之后，本文选择多元回归模型进行分析。该模型进行计算时具有如下优势：第一，指标较多、数据较复杂且采集困难时，多元回归模型一定程度上能避免因部分数据欠缺对结果造成的干扰，且能够明确因素间的拟合程度和相关度，有助于提升预测效果；第二，能反映出各解释变量对被解释变量的影响程度及影响规律并拟合出回归方程，便于后期预测；第三，在探讨城市交通对“互联网+交通”的需求时，计算结果是全局最优，能避免受局部最优的影响且避免预测结果的偶然性，实现精确预测分析，保证结果的准确性^〔16〕。在构建模型之前，先明确指标之间的相关性情况，此处采用表5中的数据进行指标的偏相关性分析，分析结果如下表6所示：

因此 ，测度“互联网+交通”发展水平总指数为：

对各项指标值进行离差标准化处理，得到相应指标指数。以I ₁为例，其指标指数的计算公式为：

四、 城市对“互联网+交通”的需求

(一)指标数据采集

从高德地图公司提出的“互联网+交通”发展水平排名前100名的城市中筛选样本，首先，选择30个省会城市或直辖市(自治区)(不包含香港、澳门和台湾三个地区，且西藏的交通运输数据由于具有离群特征，暂不选择拉萨的数据)，在此基础上再选择6个相对发达的非省会城市大连、青岛、深圳、宁波、厦门及苏州，确定为最终样本。由于“互联网+交通”发展规划的制定需要参考城市交通发展现状，而城市交通发展数据统计有一定滞后性。因此在选择样本指标数据时，“互联网+交通”发展指数以2016年为标准，其他指标以2015年的数据为标准(详见表5)。

某石化公司通过开展报警消除工作，使部分装置报警数量显著降低，但由于缺乏相应的报警管理规范和报警管理系统，很多装置仍存在报警过多，尤其开、停车及生产负荷波动情况下，存在报警系统效率低，报警泛滥等问题。在该背景下，该公司通过实施报警管理与预警系统实现了生产各环节风险的动态、超前、实时、有效的管理。

表 5 36个样本城市的指标数据 ^③

(二)方法选择与模型构建

2.模型构建

中华人民共和国成立之初，我国选择优先发展重工业的战略部署，这不仅是由于受西方国家的经济封锁，以及苏联模式的影响，同时也是国民急于实现强国富民的主观诉求。

4.4 细胞外基质的降解与更新 有文献[34-35]报道，在慢性起搏诱导心动过速的动物模型中，MMP的活性增加和进展性的左室扩张、胶原降解、收缩功能障碍和神经激素的激活相关。在构建容量超负荷模型第5天，即可发现MMP早期表达下降，之后升高，同时伴随MMP/TIMP比值的改变[30]。更进一步的研究发现，抑制MMP的表达能够明显改善猪起搏诱导心动过速的左室扩张[36]，小鼠[37]和兔子[38]的心肌梗死及大鼠的主动脉腔静脉瘘[39]。

表 6各指标与“互联网 +交通”的相关性

由表6中的结果可知，除了N -Bus 指标，其他指标与“Internet +Tra ”的相关性均高于0.7，相关程度较高，且指标间不存在自相关性，可用于构建回归分析模型。因此，为保证模型的拟合程度较好，剔除“N -Bus ”指标，以其他四项指标为解释变量，“Internet +Tra ”为被解释变量，建立回归模型。

1.方法选择

根据指标筛选结果，结合多元回归的一般模型，构建本文的回归模型如下：

促销策略：重点宣传形象策略：旅游目的地形象决定着旅游目的地的市场定位、旅游产品的开发和宣传营销。目前以“神农谷·森呼吸”“亚洲第一氧吧”的旅游形象。开发出好的旅游产品，转变以往的形象，从休闲旅游目的地转变为康体养生度假旅游目的地。

Y =β ₀+β ₁X ₁+β ₂X ₂+β ₃X ₃+β ₄X ₄+ε 。

其中，k 为解释变量的数量，即k =4；β _j (j =1,2,3,4)为回归系数；Y 为“Internet +Tra ”指数(%)；X ₁～X ₄分别为GDP 、N -Car 、POP 、L -Road ；ε 为随机误差，假设ε 服从正态分布、0均值以及同方差。

对表5中的数据进行回归分析，结果如表7和表8所示。

表 7回归模型结果汇总

由表7可知，模型3的复相关系数R =0.851，R ²=0.725，调整R ²=0.699，Sig =0.02，拟合程度较好；Durbin-Watson=1.330，将该值与Durbin-Watson Test检验表中的值进行对比，当样本量等于36、解释变量等于4时，Durbin-Watson的取值为1.18≤DW≤1.80，说明变量之间是相互独立的，能用于计算。此外，由方差分析结果可知，F 统计量为28.077，p =0.00，即认为在0.05的显著性水平下，GDP 、N -Car 、POP 、L -Road 和“Internet +Tra ”之间存在线性关系，可用于构建多元回归模型。

表 8多元回归系数表

表8为线性回归的系数列表，常数项为C=13.39，模型符合现实经济意义；偏回归系数β ₁=0.0015，β ₄=0.003，β ₂=0.085；β ₁、β ₄和β ₂对应的概率分别是0.091、0.012和0.020，均小于0.1，说明回归方程通过显著性检验；VIF取值均小于5，且容差值均大于0.1，说明模型中的变量不存在共线性问题，通过共线性检验。此外，由图4中标准化残差的标准P-P图可知，所有的点基本位于45度的直线上，说明随机误差项基本符合对数正态分布，即该回归方程是有意义的，通过计量经济学意义的检验。

图 4标准化残差 P- P图

综合上述分析结论，最终得到的多元线性回归方程如下：

问题4 根据上面的总结，在Rt△ABC中，∠C=90°，当∠A取其它一定度数的锐角时，它的对边与邻边的比值会出现什么情况？对此，你有怎样的猜想？

乡喜精准配肥站以“水肥一体化”为技术依托，以“液体肥料”为产品主体，引进液体肥自动施肥机，降低人工成本，提高施肥效率，创造优质农业，惠及了马卜子村玉稼兴专业合作社广大社员。

Y =13.39+0.0015×X ₁+0.085×X ₂+0.003×X ₄。

(三)实证结果分析

根据样本城市“互联网+交通”指数排名进行实证分析，以“互联网+交通”指数排名前三中的广州市为例进行讨论。首先，采集广州市2016年城市交通发展的相关数据，由《广州统计信息网》中可查询到广州市2016年的GDP为19610亿元，民用车拥有量为223.78万辆，道路里程为7462.26公里^〔17〕；其次，根据回归方程计算2017年广州市的“互联网+交通”指数，具体如下：

Y ₂₀₁₇=13.39+0.0015×19610+0.085×223.78+0.003×7462.26=84.21。

可知，2017年广州市“互联网+交通”发展指数需达到84.21方能满足其交通发展的需求，该结论在一定程度上反映出发展“互联网+交通”在解决城市交通问题时发挥的重要作用；同时，由多元回归模型可知，GDP 、N -Car 、L -Road 等指标在影响“互联网+交通”发展时起主导作用。首先，结合“互联网+交通”发展指数排名可知，城市经济实力越强“互联网+交通”的发展指数越高，二者存在正相关关系。其次，N -Car 作为重要交通方式，既影响城市对“互联网+交通”的需求，又在一定程度上依赖“互联网+交通”的发展水平，二者之间也存在正相关关系，即民用车辆越多，城市“互联网+交通”指数也越高。对表5中的民用车拥有量、“互联网+交通”指数指标做简单排序，可发现民用车数量排名前十的城市中有8座城市的“互联网+交通”指数排名在前十范围内。最后，L -Road 作为交通供给类指标，由表3的结论可知，它与城市交通发展的其他表征指标之间有较高相关性，且该指标的偏回归系数相对于GDP 和N -Car 的偏回归系数较大，对“互联网+交通”指数的影响程度也较高；同理，对指标进行排序时发现，L -Road 排名前十的城市中有8座城市“互联网+交通”指数排名在前十以内。由此可知，在制定一座城市的“互联网+交通”发展建设规划时，要注重这几项指标产生的影响作用。

综上可知，“互联网+交通”建设要密切参考城市交通运行水平，方能以最优的成本投入得到最大化效率。其中，城市GDP、民用车拥有量以及道路里程等指标对“互联网+交通”建设的影响强度相对其他指标更强烈，且重要性排序分别为民用车拥有量、道路里程、GDP。因此，在建设“互联网+交通”时，可在一定程度上按民用车拥有量、道路里程、GDP的顺序先后展开，以保证“互联网+交通”的建设更符合城市交通的真实需求。此外，上述三个因素之间也存在一定关联性，比如，道路里程较大、路网结构较复杂的城市，其GDP和民用车拥有量也相对较高，充分证明了上文观点。

五、 结论

交通运输业与“互联网+”的融合逐渐成为解决城市交通问题、建设智慧城市的重要方法和途径，各个城市也纷纷致力于强化“互联网+交通”的建设深度与广度。本文研究结论显示，“互联网+交通”的建设并非越多越好，而是要结合城市交通的真实需求和投资回报率，并以此提出最优建设方案。因此，有别于传统“互联网+交通”的研究思路，本文从城市交通运行水平入手，研究城市对“互联网+交通”建设的需求情况。论文详细探讨并提出了影响城市交通发展的因素，并从中提取出能够表征城市交通运行水平的指标，建立了“互联网+交通”发展水平的测评指标和测评模型，构建了城市交通运行水平对“互联网+交通”建设需求的多元回归测度模型，并以广州市为例预测其“互联网+交通”的指数值。本文研究结论对不同类型、不同经济水平、不同路网结构类型的城市在发展“互联网+交通”时具有一定的参考价值和借鉴意义，有助于促使“互联网+交通”的建设更科学合理。

注释：

①表中数据根据Wind(https://www.wind.com.cn/)和《北京市交通发展年度报告》(http://jtw.beijing.gov.cn)相关数据整理所得。为便于在Eviews软件中进行指标计算，将各指标所标识的因素及单元分别为：路网平均行车速度(公里/小时)(Speed )、GDP (亿元)、常住人口数(万人)(POP )、民用汽车拥有量(万辆)(N -Car )、道路里程(公里)(L -Road )、道路面积(万平方米)(S -Road )、公共电汽车运营车辆数(辆)(N -Bus )和公共电汽车客运量(亿人次)(P -Bus )，后同。

②数据来源：《中国“互联网+交通”城市指数研究报告(2016年)》(http://www.cnetnews.com.cn)。

③数据来源：《中国统计年鉴(2016)》(http://www.stats.gov.cn/tjsj/ndsj/2016/indexch.htm)，《交通运输部城市客运统计报表》(http://www.stats.gov.cn/tjsj)，《中国“互联网+交通”城市指数研究报告(2016)》。

圆形遮挡物包括围绕其中心对称分布的37个像素点。根据以下公式,每个像素最多可以为USAN增加100个单位:

参考文献：

〔1〕李明伟.“互联网+交通”融合发展的模式及建议〔J〕.信阳师范学院学报(哲学社会科学版),2017,37(1):61-65.

〔2〕刘冬梅,王文静,杨子帆,张晓亮,肖 晖.“互联网+”时代众包交通大数据应用机制研究〔J〕.公路交通科技,2018,35(7):120-127.

〔3〕徐铭勋.“互联网+”背景下城市地面公共交通管理法规研究——以北京为例〔J〕.中国政法大学学报,2018，(4):37-46+206-207.

〔4〕G P Wang.The Exploration of the Development Trend Between the “Internet +”and Urban Intelligent Transportation 〔J〕.Technology & Application,2015,(1):60-63.

〔5〕赵光辉.我国“互联网+”交通服务的演进与政策〔J〕.中国流通经济,2016,30(3):39-48.

〔6〕陈国鹏.“互联网+交通”视角下缓解城市交通拥堵的私家车共享模式研究〔J〕.城市发展研究,2016,23(2):105-109.

〔7〕鲁小丫,宋志豪,徐 柱,李木梓,李 婷,孙维亚.利用实时路况数据聚类方法检测城市交通拥堵点〔J〕.地球信息科学学报,2012,14(6):775-780.

〔8〕胡启洲,刘英舜,郭唐仪.城市交通拥堵态势监控的时空分布形态识别模型〔J〕.交通运输系统工程与信息,2012,12(3):41-45+58.

〔9〕杨浩雄,李金丹,张 浩,刘淑芹.基于系统动力学的城市交通拥堵治理问题研究〔J〕.系统工程理论与实践,2014,34(8):2135-2143.

〔10〕杨浩雄,张 浩,王 晶,何明珂.交通拥堵收费政策效应研究〔J〕.管理世界,2013，(7):174-175.

〔11〕张钟允,李春利.交通拥堵治理及拥堵费制度的机理分析与探究〔J〕.城市发展研究,2014,21(9):103-109.

〔12〕王家庭,赵一帆.我国城市交通拥堵水平测度:基于35个大中城市的实证研究〔J〕.学习与实践,2016，(6):19-27.

〔13〕刘建刚,马德清,陈昌杰,余婷婷.基于扎根理论的“互联网+”商业模式创新路径研究——以滴滴出行为例〔J〕.软科学,2016,30(7):30-34.

〔14〕戴德宝,范体军,刘小涛.互联网技术发展与当前中国经济发展互动效能分析〔J〕.中国软科学,2016，(8):184-192.

〔15〕李明伟.基于MDID模型测评ITS改善城市交通拥堵的贡献〔J〕.西南交通大学学报(社会科学版),2018,19(4):108-115.

〔16〕国九令.逐步回归分析在交通运输企业成本控制中的应用〔J〕.数理统计与管理,1991，(3):7-12.

〔17〕广州市统计局.广州统计信息网〔EB/OL〕. (2017-02-20)〔2018-05-26〕.http://gzstats.gov.cn.

Research on the Development Index of “Internet +Traffic ”in View of Transportation Operation Demand

LI Ming-wei

(Tourism College of Xinyang Normal University ,Xinyang 464000，China )

Abstract : The widespread application of “Internet +” has enlightened the problem-solving of the increasingly heavy traffic in China. Thus, the “Internet + traffic” has been pushed to the leading edge. However, the researchers have not discussed the development index of “Internet + traffic” and the construction demand degree under the level of traffic operation. Therefore, in this paper we discuss the development index and construction demand degree of the “Internet + traffic” on the basis of the urban traffic operation level. Then we build the multiple regression model to make clear the construction level and key development areas of “Internet + traffic” under the requirements of urban traffic in China. It is found that the GDP, civil vehicle ownership and road mileage play a leading role in the development of “Internet + traffic”. Therefore, the construction of “Internet + traffic” should meet the real needs of urban traffic in order to maximize the efficiency with the optimal cost input.

Key words : Internet + traffic; urban traffic; intelligent traffic; Internet of Things; big data; traffic management; wisdom city

收稿日期： 2019-01-16

基金项目： 教育部人文社会科学研究项目(19YJCZH082)；河南省哲学社会科学规划项目(2018CJJ088)；教育部产学合作协同育人项目(201802305003)；河南省教育厅社科应用研究重大项目(2018-YYZD-12)

作者简介： 李明伟(1989-)，男，河南信阳人。讲师，博士，主要从事交通运输管理、信息系统与决策科学等研究。E-mail：limingwei_happy@163.com。

中图分类号： F512.3

文献标志码： A

文章编号： 1009- 4474( 2019) 04- 0119- 12

(责任编辑：叶光雄)

标签：互联网+交通论文;  城市交通论文;  智慧交通论文;  物联网论文;  大数据论文;  交通管理论文;  智慧城市论文;  信阳师范学院旅游学院论文;