城市个体机动交通

5.1　城市个体机动交通

城市个体机动交通方式主要包括私人小汽车交通、公务车交通和摩托车交通。严格意义讲，公务车交通方式是一种特殊的交通方式，为了研究方便，将其纳入个体机动交通领域，以便研究的顺利进行。

5.1.1　公务车

公务车是国家行政机关和社会团体用公款购买、用于公务活动的车辆，目的是为了提高办事效率，确保党政机关高效运行。我国现行的公务车用车制度，是在计划经济体制下形成的，随着社会主义市场经济体制的建立以及各项改革的逐步深入，其弊端日益明显。主要表现在:公务交通的费用高居不下，财政负担沉重;公务车利用效率低，隐性浪费严重;公车管理难度大，产生不少矛盾;违规超标配备公车、变相固定用车、公车私用问题突出，容易滋生腐败。特别是在当前我国面临国际油价上涨、国内能源短缺的前提下，公务车的每一个弊端都会造成公务车单车油耗的增加，与目前党和国家倡导的全面落实科学发展观，建设资源节约型和环境友好型社会的精神不符，更不利于交通节能减排工作的落实。

结合我国公务车能耗的具体国情，从系统工程角度分析，我国公务车节能是一个系统工程。节能过程不仅仅是一个公务车的数量、排量和出行量的问题，而是一个由政策法规子系统、燃油效率子系统、公务车出行量子系统和公务车数量子系统构成的复杂系统，如图5-1所示。

图5-1　公务车节能系统的因素及其关系模型

在整个公务车节能系统中，各个子系统之间都是相互联系、相互制约的关系。政策法规子系统是一个“软因素”，它能渗透到其他子系统当中，影响和决定着其他子系统，某些情况下能起到“催化剂”的作用，使公务车节能发生“质”的变化;公务车数量、公务车出行量和燃油效率子系统是“硬因素”，对这三个子系统进行有效的控制，可以从根本上实现公务车节能。外部环境(国外经验)是“润滑剂”，国外先进的公车节能经验能够为正确处理“软因素”与“硬因素”之间的关系提供很好的借鉴作用，能够使我国的公务车节能进程多走捷径，少走弯路和错路。

公务车节能将从我国公务车数量、出行周转量、燃油效率、政策法规四个方面分析我国公务车能耗对交通能耗的贡献率以及降低我国公务车能耗的战略措施。

5.1.1.1　我国公务车的能耗现状分析

1.公务车数量发展趋势分析

我国公务车数量发展趋势是一个内在规律支持着、外在力量动摇不得的发展过程。“八五”期间，我国集团购买小汽车数量每年增长16.2%，购买金额则年增26.99%。1993年，全国生产轿车22.5万辆，进口18.1万辆，其中98%为公款购买，仅此一项就耗费公款700亿元，相当于1996年的国防开支。到1998年，全国新增公务车82万辆，用于买车支付的金额高达1000亿元。加上司机工资及其他养车费用，总费用高达2000亿元。相比2000年10月16日公布的《2000年中国的国防白皮书》中指出，1998年的中国国防开支只有934.7亿元，这就意味着1998年的公务车维持费用相当于支持或者建设两个国防。据新华社报道，近些年各地政府采购汽车数量每年都以超过20%的速度递增，2004年中国政府采购规模达2200亿元，其中汽车采购额就高达500亿元。同时据有关部门统计，现在每年公务车的支出高达3000亿元以上，远远超过每年财政支出重点教育费与卫生费的总和，足以再建三个三峡工程，而且这种趋势还有上升势头。显而易见，如此大的而且还有上升空间的公务车基数，对能源的消耗量是不言而喻的。因此要从根本上实现我国公务车节能，就必须下大力度减少公务车数量，从源头上解决导致我国公务车高能耗的原因，实现公务车节能^［78-80］。

2.公务车燃油效率分析

图5-2　不同经济体年单车油耗

燃油效率是指在保证汽车动力性能、排放性能等条件下，汽车以最小的燃油消耗完成单位运输工作量的能力，称为汽车的燃油效率。中国能源网提供一组数字显示，美国每辆汽车每年消耗1.8t燃油，欧盟1.5t，日本只有1.1t，而中国竟然高达2.3t，如图5-2所示。

中国家庭汽车保有量相对于美国、欧盟和日本等经济体来说是比较低的，排量甚至比以上经济体还要小，而且受到收入的限制，使用率比许多其他国家要低很多，因此中国的私家车无论如何也不会每年每辆车消耗2.3t燃料。那么是什么原因造成我国每年单车油耗2.3t的事实呢?我们可以通过实例简单计算一下，就会发现其中的原因。我们以中国典型的家庭轿车POLO、桑塔纳和捷达为例，见表5-1。如果要使私家车年油耗达到2.3t的话，365天每天不停行驶，平均每天需要行驶120km左右，一年支付1.2万元的汽油费。这简直就是不可思议的事情，所以说家庭轿车根本就不是造成中国单车油耗高的主要原因，至于货车、大客车包括公交汽车，虽然排量大、能耗高，但是由于产业和行业特征，并参照国外成功经验可知节能空间有限，再加上保有量低，因此绝对能耗值并不能拉动我国单车油耗达到2.3t这样一个高点，显而易见公务车才是每年单车油耗2.3t的最大贡献者。

表5-1　年单车油耗2.3t情况下的数据分析

我国政府机构和国有企业，不仅车子多、排量大，而且有专职司机，汽车的利用率极高，虽然中国汽车不是世界最多，但是中国公务车可能是世界之最。中国只是一个人均GDP刚刚超过1000美元的发展中国家，但是除了一些产油国和美国警察外，中国公务车品质和排量之高恐怕是世界少见的。

3.公务车出行周转量分析

我国公务车的利用率极高，这种高利用率主要源自以下两方面原因:一方面，随着我国市场经济体制的不断完善和经济的高速发展，客观上要求公务车的出行周转量增加，以满足经济和社会发展的需求;另一方面，同样不能忽视公务车使用不规范造成的“车轮腐败”出行周转量，比较明显的就是公务车私用现象。每逢节假日，我们可以发现有不少公务车在从南到北的风景名胜区里穿行;在平日里，各大豪华宾馆、酒店和商场前，公务车出入更是“司空见惯”。有业内人士分析指出，现有公务车基本上是领导公务占用1/3、领导和家属私人占用1/3、司机占用1/3，如图5-3所示。也就是说，现在的公务车出行周转量有66.7%左右是不合理的，是被私人占用的，这种畸形的出行比例必然会造成公务车能耗的居高不下、“有效公务车能耗”偏低的结果。

图5-3　公务车出行周转量比例构成

4.公务车的政策约束分析

我国公务车制度改革从1986年开始，从中央到地方，也制定了相关的政策和措施，到2007年经过了10多年一轮又一轮的车改之后，我们眼中所见的公务车不但没有减少，反而越改越多，越禁越豪华。如此庞大的公务车数量显而易见会从绝对数量上造成交通能耗持续不断地增长，而且由于车改会直接触及改革者的利益，导致整个车改进程进展缓慢，更是有些地方甚至会出现倒退的现象，因此公务车对交通能耗的这种贡献率不但不会下降，反而还会有上升的空间。

通过以上对我国公务车的数量、燃油效率、出行周转量和政策法规的分析不难发现，公务车的能耗对城市交通能源消耗量的贡献率确实不可小视，通过下面与国外特别是西方发达国家的公务车能耗相比就会发现，我国公务车节能势在必行。

5.1.1.2　国内外公务车能耗控制措施对比分析

1.国外公务车数量控制方法与措施研究

在配备公务车的导向上，许多国家都坚持:一要方便工作，有利于提高工作效率;二要尽量为纳税人节省开支，并据此做出具体规定^［111］。美国虽然是世界上最发达的国家之一，但是美国将政府部门公务车经费纳入预算管理，经费的使用要经过严格的审批程序，购车计划批准后，由后勤供应部门统一负责购置。由于严格的约束和全方位的公开监督，美国联邦政府拥有的各种公务车数量，包括公安、消防、邮政、救护等专用车辆，共计只有14.5万辆，其中政府部门及其分支机构的公务车只有5.6万辆^［112］。德国是一个汽车工业非常发达的国家，在德国，联邦和各州主管部门为了节省开支和降低汽车能耗，都尽量减少公务车数量。例如柏林市仅有公车92辆，其中个人专用车37辆，一般办公用车15辆，送文件车23辆。这些车中还有相当数量是租赁来的。联邦政府接待来访外国元首用的奔驰600也是临时从汽车公司租赁来的，整个柏林市也只有5辆礼宾车。柏林市在公务车方面一年的开支仅为65万马克^［113］。日本是我国的邻国，日本总务省规定总务大臣、副大臣、各局正局长以及正局级审议官可以配备专车，但是除了大臣和副大臣的通勤属于公务，可以有专车接送上下班外，局长一般情况只接送到车站，然后乘坐公共交通工具上下班^［114］。通过以上几个案例可以发现，西方国家通过严格控制公务车数量达到降低公务车能耗的目的。

2.国外公务车排量控制分析

西方国家严格控制购置公务专用车的金额、型号和马力。法国是一个汽车工业比较发达的国家，但是在法国，政府规定，购车预算由政府各部委和国有企事业单位在制定各自的年度预算时提出，由各省代表参加的“国有汽车购置委员会”进行审核;预算批准后，由代表国家的“国家购置集团联合会”统一从市场上购买，然后专卖给使用单位，避免车辆的多头采购可能带来的混乱局面。政府严格规定，个人使用的公务车的发动机排量不得超过1.4L，一切超标要求都应该向政府总理提出。显而易见，这种对汽车排量的限制客观上就能够实现降低单车油耗的目标^［115］。

3.公务车使用的约束分析

大多数国家一般都严格限制公务车的使用范围，公务车只用于公务，不得用来办私事。西方国家的公务车一般直接分配到各部门，各部门负责统一调度使用。政府公务用车通常都有明显的标志，开车办事很容易被识别曝光。公务车只在相关人员执行公务的时候才能使用，不能够以任何名义、任何理由在未经授权的情况下公车私用，一经查出将受到严重惩罚，包括临时或永久取消其使用公务车的权力，甚至开除公职。

德国法律规定，即使国务院总理的豪华防弹车在周末使用时都必须付费。于是德国前总理施罗德在周末只好开着自家的大众高尔夫带领全家出游。但是国家规定的几辆漂亮的警卫车却必须把总理团团围住，确保总理安全。在德国公务车和私人汽车区分非常明显。据2003年媒体报道，意大利西西里岛墨西拿市市长布赞卡因私与夫人乘坐公务车到距离墨西拿市约400km的地方旅行，就被意大利消费者协会以利用职权损害纳税人利益告上法庭，被判处6个月监禁。从以上两个实例不难看出西方国家公车使用的规范性以及对公车私用的处罚力度，这些都值得我国借鉴。

5.1.2　私人小汽车

随着我国经济的持续、快速和健康发展，使得我国城市化、机动化进程日益加快，私人小汽车的数量呈现“井喷”式的发展。据统计，自1995—2000年，全国机动车拥有量年平均增长率在15%左右，其中客车的增长率达到了25%。机动车拥有量相对于人均国民生产总值和城市人口密度的弹性系数为1.02和1.21，也就是说，人均国民生产总值或城市人口密度每增长一个百分点，将导致增加1.02%或1.21%的机动车。依据这样的方法预测，到2010年，我国机动车将会达到45～57辆/千人，到2020年将达到124～162辆/千人，而且这些机动车中85%以上都集中在城市，这些机动车以人们日常出行代步和货运为目的，因此将会有大量的机动车涌向城市道路，最终导致城市交通需求急剧增加，造成交通供给难以为继，使得交通能耗增加，对城市环境造成压力，不利于城市经济的可持续发展^［116］。

5.1.2.1　基于神经网络的私人小汽车保有量预测模型构建

在城市客运交通系统的子系统中，由于公共交通特殊的地位和政府行为，虽然有节能空间，但是和其他子系统相比较，节能空间相对较小。私人小汽车、出租车和公务车是成长空间和节能空间最大的交通工具。经济的高速发展使城市居民可支配收入增加、购买力增强，从而使购买私人小汽车成为可能;城市化进程的加快为加快机动化进程提供了资源和空间条件，使得私人汽车保有量迅速增加;同时随着国家新汽车产业政策的颁布，国家汽车生产进入规模化生产阶段，轿车单位成本下降，销售价格大幅度下跌，从而刺激居民购买小汽车的需求。特别是近些年各地政府公务车采购数量每年都以超过20%的速度增长，再加上我国公务车数量基数大、排量大、利用率非常高，使得公务车能耗对交通能耗的贡献率不断递增，因此从战略的角度并结合公务车的出行特征来分析，公务车有很大的节能空间，是交通节能的“黑大陆”。出租车作为特殊的公共交通方式，在绝对数量和成长空间上仍然是一个基数很大的子系统，有很大节能空间。因此，只有正确预测城市客运交通汽车保有量，才能为城市客运交通节能提供基础的数据支持。

汽车保有量预测是交通规划的一项基础性工作，对城市客运交通节能工作及城市环境的改善有直接的参考意义和价值。国外早在20世纪40年代就已经开始了这方面的研究。到目前为止，很多不同的汽车保有量预测模型被开发出来。许多汽车保有量模型主要是从城市经济、人口、路网容量、土地利用状况以及停车设施供给条件等宏观因素出发，预测汽车保有数量。国内关于汽车保有量预测的问题也早有一些研究成果。我国目前主要的汽车保有量预测方法大致可以分为三大类:时间序列预测、回归分析预测以及分析判断预测。这三种预测方法属于比较简单的方法，描述出汽车保有量的简单的线性关系，或者从以往的数据中获取趋势的分析，或者是简单地利用有关的专家意见。这些方法都不能描述出汽车保有量与其他因素之间存在的，可能不是简单的线性或者非线性的复杂关系。本章选择了与汽车保有量有关的影响因素进行分析，然后对影响因素利用主成分分析法，获得主要因素，将这些因素利用BP神经网络建立与汽车保有量的预测关系，提高预测的科学性和准确性。

1.模型分析的基本思路

汽车保有量是造成城市客运交通能耗的直接因素，城市汽车保有量的绝对数量及其增长空间在客观上受到城市人口数量和密度、经济发展水平(人均GDP)、城市交通用地比例、公共交通的服务水平、公务车体制、燃油价格、汽车价格、汽车节能政策法规、汽车产业政策以及城市停车空间等众多因素的影响。由于影响因素较多，而且相互之间关系复杂，在构建预测模型的过程中又不可能同时把所有因素都包含进来，对于BP神经网络而言，影响因素过多将引起收敛慢，而且训练精度不易满足。因此从交通需求出发并考虑城市客运交通节能的最终目标，宏观分析影响城市小汽车保有量的主要因素，利用BP神经网络技术，考虑有关政策、法规以及经济手段等因素会造成汽车保有量突变的结果，构建城市汽车保有量的预测模型。模型的构架如图5-4所示。

图5-4　基于人工神经网络的汽车保有量预测模型

2.人工神经网络

人工神经网络(Artificial Neural Network，简称ANN)作为近些年发展起来的一种人工智能技术，能够解决很多工程方面的问题。对于非线性问题的处理，其预测过程外在表现为黑匣子方式。人工神经网络通过对样本的反复训练找到输入与输出之间的某种规律，并对实际问题进行预测。尤其在智能交通领域，由于经常需要系统提供一些实时的数据进行统计、规划和管理，使得神经网络技术得到了广泛的应用空间。本章内容就是利用人工神经网络技术，在分析影响汽车保有量的主要影响因素基础上，构建城市客运交通汽车保有量的预测模型。

1)人工神经网络技术简介

人工神经网络的结构和工作机理基本上是以人脑的组织结构(即大脑神经元网络)和活动规律为背景的，它采用物理可实现的器件或计算机来模仿生物体中神经网络的某些结构和功能，并反过来用于工程界或其他领域。其着眼点是采纳生物体神经细胞网络中可利用的部分来克服目前计算机或其他系统不能解决的问题，如学习、识别、控制、专家系统等人工神经网络具有高度的非线性映射能力，事先不需要假设输出变量与输入变量之间的关系，而是通过样本的学习，实现输入与输出之间的非线性映射。

神经元是人工神经网络的基本处理单元，是一个多输入/单输出的非线性元件。神经元输出除了受输入信号的影响外，同时也受到神经元内部其他因素的影响，所以在人工神经元建模中，常常还有一个额外输入信号，称为偏差(Bais)，有时也称为阀值或限值。

神经元是人工神经网络的基本处理单元，每个处理单元具有一个与时间有关的活动状态和阀值，神经元之间的连接强度用权值表示。每个神经元有一个输入集合和一个输出。输入分量P通过和它相乘的分量W连接，并进行求和后形成激活函数的输入。激活函数的另一个输入是神经元的偏差B。激活函数(Activation Transfer Function)是一个神经元及网络的核心，所谓线性的神经元和非线性的神经元就是指激活函数的线性和非线性问题。常用的激活函数有分段线性函数和S型(Sigmoid)两类。神经元的输入输出关系通常用对数或者双曲正切等一类S形状的曲线表示，这类函数既满足了模拟神经元的需要，又体现了数学计算上的优越性。S型函数也称为Sigmoid函数，其基本形式为f(x)=1/(1+e^x)。神经元的基本形式表示如图5-5所示。

图5-5　人工神经元的基本结构

人工神经网络通常情况下可以分为三类:前向型网络(Feed forward NNs)、反馈型网络(Feed back NNs)和自组织网络(Self-organizing NNs)。其中多层前向神经网络是目前应用最广泛的网络之一，其映射能力和学习算法研究都是最深入的网络，广泛应用于交通运输领域。

前向型网络是具有明显层次结构的网络模型。网络由输入层、输出层和若干个隐含层组成，网络之间通过神经元(节点)单向连接。每一层神经元只接受前一层神经元的输入，并在节点上进行复合(线性叠加)和畸变(非线性映射)。通过复合反映不同神经元之间的耦合作用和耦合强度(由相对权值来表征)，通过畸变改变输入信息的结构和形态。

2)BP神经网络基本原理

BP(Back-Propagation)神经网络又称为反向传播网络，是将W-H学习规则一般化，对于非线性可微分函数进行权值训练的多层网络。在人工神经网络实际应用中，有80%的人工神经网络是采用的BP网络或者其变化形式。由于BP算法有强大的非线性映射能力，在许多实际应用中发挥了重要的作用。

(1)学习规则

BP网络是一项单向传播的多层前馈网络。网络除输入输出节点外，还有一层或多层的隐藏节点，同层节点中没有任何耦合。BP算法由两部分组成:信息的正向传递和误差的反向传播。在正向传播过程中，输入信息从输入层经隐含层逐层计算传向输出层，每一层神经元的状态只影响下一层神经元的状态。如果在输入层没有得到期望的输出，则计算输入层的误差变化值，然后转向反向传播，通过网络将误差信号沿着原来的连接通路反传回来，修改各层神经元的权值，直至达到期望的目标。

由于BP网络的激活函数必须是处处可微的，所以经常使用的是S型的对数或正切激活函数。假设BP网络每层有N个处理单元，训练集包括M个样本模式对(x_k，y_k)，对第p个训练样本P=(1，2，…，M)单元j的输入综合(即激活函数)记为a_pj，输出记为O_pj，则

为加快网络收敛速度，η应取足够大又不致产生振荡。通常权值修正公式中，还需加一个势态项，从而有

式中，α为一常数项，称为势态因子，它决定了一次学习的权值对本次权值的影响。

(2)训练过程

为了训练一个BP网络，需要计算网络加权输入矢量以及网络输出和误差矢量，最后求得误差平方和。当所训练矢量的误差平方和小于误差目标时，训练则停止，否则在输出层计算误差变化，且采用反向传播学习规则来调整权值，并重复此过程。当网络完成训练后，对网络输入一个不是训练集合中的矢量，网络将以泛化方式给出输出结果。

在进行网络训练之前，应根据具体问题给出输入矢量和目标矢量，选定所要设计的神经网络结构，包括的主要内容有:网络的层数、每层的神经元数和每层的激活函数。以两层网络为例简述BP网络的训练步骤如图5-6所示。

第一步，用小的随机数对每一层的权值W和偏差B初始化，以保证网络不被大的加权输入饱和。除此之外，还需要重点设定和初始化的参数有:期望误差最小值、最大循环次数以及修正值的学习速率LR。

第二步，计算网络各层输入矢量A₁和A₂以及网络误差E。

第三步，计算各层反传的误差变化D₂和D₁，并计算各层的修正值以及新权值。

第四步，再次计算权值修正后误差平方和SSE。

第五步，检查SSE是否小于期望的最小误差，如果是，则训练结束;否则继续。

图5-6　BP网络的训练步骤

(3)网络的设计

网络的设计问题不仅决定网络的结构，也直接影响训练的效果和实际模拟的结果。在设计BP神经网络时，一般应从网络的层数、每层中的神经元个数和激活函数、初始值以及学习速率等几个方面考虑，不同的因素有不同的选取要求和注意事项。

网络层数的选取要适中，虽然层数增加可以降低误差、提高精度，但是同时也使网络复杂化，增加了网络权值的训练时间，而误差精度的提高实际上可以通过增加隐含层神经元的数目来获得，其训练效果也比增加层数更容易观察和调整，所以一般优先考虑增加隐含层中的神经元个数。

尽管训练精度的提高可以通过增加隐含层神经元的个数来实现，但是在网络训练的过程中，没有关于隐含神经元个数的明确规定。因此在实际的应用当中，一般都是通过实验法进行调整。通过取用不同的神经元个数，并比较训练得到的权值和误差结果，来最终决定最佳的神经网络结构。

(4)BP神经网络技术的优缺点

多层前向BP网络实质上实现了一个从输入到输出的映射功能，而数学理论已经证明它具有实现任何复杂非线性映射的功能，这使得它特别适合求解内部机制复杂的问题。但是BP神经网络仍然存在一些不足之处。具体表现如下。

①学习速度慢。对于一些复杂的问题，BP算法可能需要几小时甚至更长的时间去训练，这主要是由于学习速度太慢而造成的，实际操作当中可以采用变化的学习速度或自适应的学习速度来加以改进。

②网络训练失败的可能性大。主要表现在网络出现的麻痹现象上，在网络的训练过程中，当其权值调整过大，可能使得所有的或大部分神经元的加权总和偏大，这使得激活函数的输入工作在S型转移函数的饱和区，从而导致其导数非常小，使得网络权值的调节过程几乎停顿下来。

③局部极小值问题。由于BP算法采用的是梯度下降法，训练是从某一起始点沿误差函数的斜面逐渐达到误差最小，尤其对于复杂网络，BP算法不能保证所求为误差超平面的全局最小解。

事实上，只有在一些大型的网络设计当中，才对网络的各种性能严格要求。但对于城市客运交通汽车保有量的研究问题，BP网络是能够满足要求的。

3)人工神经网络实现方法

根据神经网络的基本原理可知，神经网络是采用一种黑匣子的方式进行工作的。整个模块的核心部分是通过非线性的数学函数来实现的，经过反复的迭代计算得出最佳的权值。神经网络工作原理自身的特点就决定了它的实现方法会有多种，常用的几种实现方法归为三大类:高级语言编程实现、通过现成的软件操作实现以及通过MATLAB神经网络工具箱实现。下面分别对这三种方法给出简要介绍。

(1)高级语言编程实现

编程实现神经网络是实际应用中较为常用的方法之一，由于神经网络的信息处理过程实际上是一个数学运算过程，因此可以通过任何一种编程语言来实现这种机制。通过编程进行人工神经网络的训练和模拟，要求程序员深刻理解神经网络的原理、学习规则以及训练方法等。这种方法的优点是处理和操作上比较灵活，使用者可以根据自身的需要对程序进行“量身定做”;不足之处是程序当中需要大量的循环嵌套，调试起来比较麻烦。另外，运行效率也与程序代码的编写机制和程序员的编程经验密切相关。

(2)通过现成的软件操作实现

目前，市场上关于神经网络的软件比比皆是，这给神经网络的普及应用提供了广阔的空间。由于神经网络的种类繁多，而自己编写的程序往往是针对特定的某种网络模型而实现特定功能，因此通用性较差。国外在神经网络领域也开发了很多的软件，例如PYTHIA软件就给用户提供了一种易于操作的界面，用户首先通过已有的界面，以画图的方式来建立网络，效果非常形象直观;然后设定各种初始参数，经过不断训练，即可得到最终的权值。

(3)通过MATLAB神经网络工具箱实现

神经网络工具箱是MATLAB环境下开发的许多工具箱之一，它以神经网络理论为基础，用MATLAB语言构造出典型神经网络的激活函数，如S型、线性、竞争层、饱和线性等，使设计者对所选定网络输出的计算变成对激活函数的调用。另外，根据各种典型的修正网络权值的规则，加上网络的训练过程，用MATLAB编写出各种网络权值训练的子程序。网络设计者可以根据自己的需要去调用工具箱中有关神经网络的设计与训练程序，使自己能够从烦琐的编程中解脱出来，提高工作效率。

通过MATLAB神经网络工具箱实现各种神经网络模型已经成为当前最常用的一种实现方式。为了进行灵活的设计和调试，本书采用MATLAB进行编程，建立城市汽车保有量的预测模型，并对该模型进行验证。

3.城市汽车保有量预测模型

闫利军博士在其博士论文中构建了“城市汽车保有量预测模型”，本文在已有研究成果的基础上，结合城市客运交通的特征，构建基于城市客运交通的私人小汽车保有量预测模型^［117］。

1)城市客运交通工具保有量影响因素分析

从系统的角度分析，城市客运交通工具保有量的增长与很多因素相关，客观上受到城市人口、GDP、公共交通服务水平、道路网密度以及汽车和燃油价格等众多因素的影响。以往研究表明，人口和经济指标是影响汽车保有量的两个最主要的因素。在汽车发展的初期，当城市公共交通服务水平和居民收入水平相当时，城市的人口总量越多城市的汽车保有量越大。在发达国家，人均汽车保有量往往作为衡量汽车化的一个重要指标。在我国，由于人口数量的绝对值较大，而汽车进入家庭也是刚刚起步，人均汽车保有指标偏低。但是随着我国经济的快速增长，可以预见未来我国汽车保有量的绝对值会迅速增加，人均汽车保有量也会有所提高。人均国民生产总值作为一项重要的经济指标是城市经济发展水平的一个反映，也是决定汽车保有量的最主要因素之一。从以往的研究可以看出，人均GDP越高，城市的汽车数量越多，并且二者之间构成的函数关系可以用Logistic型曲线表示。城市公交网密度反映了一个城市的公共交通服务水平，公交网密度越大，其服务水平就越高，对私人交通的抑制作用就越大。当公共交通服务水平达到一定程度时，城市居民的出行将会更倾向于采用公共交通方式，小汽车出行相应减少，从而使小汽车的数量保持在一个较低的水平。城市道路网密度是衡量城市交通基础设施建设的一项重要指标。通达的道路网能够给各种运输工具提供一个良好的行驶环境，道路网的高密度会使小汽车数量有增加的趋势。汽油价格是汽车使用费用中所占比例最大的指标，其价格越低则城市客运交通工具的使用费用越小，居民购买汽车的可能性越强，最终影响整个城市的小汽车保有量。汽车的平均价格将直接影响居民购买汽车的意向，当然如果价格降低，买车的人就会增多。

除以上影响因素外，客运交通工具保有量还受许多外部因素的影响，这些因素不仅具有一定的不确定性，而且一般难以量化，结果往往使汽车保有量的预测数值发生突变，因此这类影响因素在预测过程中不能被忽视。为了更好地模拟外部因素带来的突变结果，提高客运交通工具保有量的预测精度，本研究把所有可能产生的外部因素看作一个外部政策变量，并把这个变量作为神经网络模型的一个输入向量，以达到尽可能高的预测效果。

2)城市客运交通工具保有量预测模型

在神经元网络模型中包含的因素如果过少，会使预测结果失真，相反如果考虑的因素过多，也会使模型不易收敛，而且训练精度不易满足。针对以上分析，把影响汽车保有量的主要因素归结为:市区人口密度、人均国民生产总值、公交网密度、道路网密度、汽油价格、标准车价以及外部变量等七个因素，并把这七个影响因素作为输入向量，汽车保有量作为唯一的输出向量，来建立汽车保有量的神经网络预测模型。这里把汽车保有量的预测模型作为主模型，针对每个因素的预测模型作为子模型。在子模型中，通过以往年份的历史数据训练神经元网络，得出未来年的影响因素值。然后再分别把各子模型计算得出的指标作为主模型的输入条件，可得到目标年的小汽车保有量值。

由于具有偏差和一个S型隐含层，再加上一个线性输出层的网络能够逼近任何有理函数，而增加网络层数的同时也增加了网络的复杂度。因此，采用带有一个隐含层的三层神经网络来构建小汽车保有量的预测模型，网络模型的结构如图5-7所示。

图5-7　汽车保有量预测模型的构架图

从图5-8中我们可以清楚地看到，输入层节点数为7，输出层节点数为i。为使网络具有较高的映射能力，隐含层采用连续可微的S型激活函数，输出层采用线性函数。隐含层神经元个数的确定没有明确的规定和理论依据，一般采用试算法得出。为了预测目标年的汽车保有量，就必须首先知道目标年的各个影响因素数值，即输入层的神经元的数值。由于目标年影响因素也是未知的，因此也需要相应的预测。这里拟采用嵌入式人工神经网络技术进行预测，即在预测目标年的影响因素时也采用人工神经网络来构建预测模型，其中，输入和输出都是同一种影响因素，模型结构为3×3×3的形式，即3个输入向量的输入层，一个具有3个神经元的隐含层和3个输出向量的输出层。

模型的结构如图5-9所示。这样可以在某种程度上解决由于时间序列数据不足带来的预测精度低的问题。

图5-8　城市小汽车保有量预测网络模型

图5-9　影响因素预测网络模型

5.1.2.2　我国私人小汽车的保有量分析^［118］

据公安部交管局统计，截至2007年6月，全国机动车保有量为152807598辆。其中，汽车53558098辆，摩托车83548340辆，挂车800345辆，上道路行驶的拖拉机14880466辆，其他机动车20349辆。全国机动车驾驶人157148558人，其中汽车驾驶人100279701人。

①机动车继续保持较快增长势头，汽车和摩托车为机动车的主要构成部分。截至2007年6月，全国机动车保有量为152807598辆，与2006年底相比，增加7578604辆，增长5.22%，与2006年同期相比增长率上升0.42个百分点。汽车、摩托车保有量分别为53558098辆和83548340辆，共占全国机动车保有量的89.72%。

②载客汽车增长迅速，载货汽车增长缓慢。截至2007年6月，全国载客汽车保有量为29021365辆，与2006年底相比，增加2903950辆，增长11.12%，与2006年同期增长率基本持平。全国载货汽车保有量为10120068辆，与2006年底相比，增加376845辆，增长3.87%，2007年上半年月平均增长率为0.65%，增长缓慢。

③营运机动车保有量持续增长。截至2007年6月，全国营运机动车保有量14021486辆，与2006年底相比，增加825831辆，增长6.26%。其中，公路客运1183811辆，公交客运341437辆，出租客运1257072辆，旅游客运58334辆，货运11122641辆，租赁58191辆。

④私人机动车快速增长。截至2007年6月，全国私人机动车保有量为115259586辆，占机动车总量的75.43%，与2006年底相比，增加5653618辆，增长5.16%。其中，私人汽车32393961辆，增加3710291辆，增长7.44%，占汽车保有量的60.48%;私人轿车13345652辆，增加1857541辆，增长16.17%，占私人汽车保有量的41.20%，占轿车保有量的76.14%。

⑤进口汽车继续增长。截至2007年6月，全国在用进口机动车保有量为3035237辆。其中，进口汽车1896241辆，占进口机动车总量的62.47%，与2006年底相比，增加75730辆，增长4.14%。

⑥驾驶人年龄、驾龄相对集中。截至2007年6月，全国机动车驾驶人数量为157148558人，与2006年底相比，增加7026486人，增长4.68%;拥有汽车驾驶证的人数为100279701人，与2006年底相比，增加5431334人，增长为5.73%。从驾驶人驾龄情况看，3年以下驾龄的驾驶人有57515572人，占全国机动车驾驶人总数的36.60%。从驾驶人年龄情况看，主要集中在26～50岁，共有126152429人，占总数的80.28%。

5.1.2.3　我国私人小汽车对城市环境的污染分析

虽然小汽车的“井喷式”的增长在某种程度上能够促进我国汽车工业的发展以及具有对相关产业的拉动作用，同时能够促进我国道路的建设和交通运输业的发展，但是更不能忽视私人汽车的过快增长给城市环境带来的负面影响和压力。据国内外统计资料显示，经济发达城市大气污染源60%以上来自机动车辆。机动车数量的增加，直接导致城市大气环境遭到破坏。具体污染主要体现在以下几个方面^［116］。

1.城市大气污染

随着国民经济的快速发展，机动车数量日益增加，我国大气污染已经由工业废物、煤烟、烟气型向光化学烟雾型转变。大气中，汽车排放物中一氧化碳分担率占63%、氮氧化物占22%、碳氢化合物占73%。发达国家中，如美国大气污染物排放量中一氧化碳分担率占66%、氮氧化物占43%、碳氢化合物占31%，微粒的20%均来自于汽车的排放，因此汽车对大气的污染成为城市大气污染的主要污染源。2000年中国城市环境状况公报显示，监测的338个城市中，63.5%的城市超过国家二级标准，其中超过三级标准的有112个，占监测城市的33.1%。

2.私家车噪声对城市交通的污染

城市汽车拥有量的增加，使得城市噪声污染日益严重，虽然在有些城市、有些路段，交通管理部门规定了汽车的行驶速度和汽车鸣笛，但是由于机动车的噪声主要来自于汽车发动机和汽车轮胎与地面的摩擦声及振动摩擦声，因此汽车拥有量的增加势必将造成城市交通噪声的严重污染。根据我国国家环境质量公报显示，2000年监测214个城市道路交通噪声等高声效范围在56.2～80.7dB，8.9%的城市污染较严重，22.4%的城市声音环境较差，重点城市道路交通噪声基本处于轻度污染。因此汽车噪声对城市环境的影响是一个现实存在，而且污染程度还有上升空间。

3.城市扬尘污染

城市私家车数量的增加，方便了人们的出行，同时也造成了大量的扬尘污染。据有关资料报道和调查显示，汽车行驶在路上，造成尘土飞扬，颗粒往往会反复扬起，反复沉降，造成重复污染，交通量越大，这种污染就越严重，对出行者的呼吸系统造成严重影响;其次由于道路面积很大，占城市面积的10%以上，所以道路扬尘对TSP(占扬尘的50%以上)的贡献不容忽视，也就是交通造成的扬尘污染不容忽视。

4.城市土壤污染和水污染

汽车排放的污染物通过降水过程，落到地面，通过水流将其带入城市地下水，造成城市土壤和水的污染。

5.对交通拥堵和安全的影响

私家车的迅速增加，使得交通需求明显增加，由于交通供给的速度不能满足交通需求的快速增加，使得很多城市都出现了不同程度的拥堵现象。

5.1.3　摩托车

摩托车是一种机动车，在城市交通中，其出行特性相对其他交通方式具有特殊性。摩托车单车车辆技术水平相对较低，性能较差。按人均(根据调查，单车平均摩托车乘坐1.2人，小汽车乘坐1.8人，公共汽车乘坐40人，自行车乘坐1人)，根据车辆性能指标计算，摩托车具有能源消耗大、环境污染严重、骑乘舒适性低、防护性能差、稳定系数小等缺点。摩托车交通在城市交通中的地位比较特殊，与它本身的性能、出行特征有关，首先行驶速度比自行车、助力车快，比其他机动车辆要慢，但是通行权力不明确(一般没有专用道路);其次，摩托车单车本身车体较其他机动车辆小，但是行驶时占用道路空间较大;再次，摩托车交通的出行距离与城市公共交通所承担的出行距离相近，不具有独立性;最后，摩托车出行的安全性差，事故死亡率高。

作为机动车的一种，摩托车一般行驶在机动车道上，其运行特性对其他机动车辆不可避免地会产生一定的影响。由于摩托车交通的存在，其他机动车辆的性能会有不同程度的下降。在路段上，摩托车的速度比其他机动车要慢。一般情况下，摩托车在最外侧的机动车道行驶，基本上不会对其他机动车产生影响。但是，摩托车车身虽小，它的动态空间相对其几何尺寸而言较大，加上车道变换频繁，致使后续车辆超车困难，影响整条道路的车辆行驶速度。交通流速度的降低会相应地带来一系列的问题，如延误增加、能源消耗增加、排气和噪声污染加剧等。靠近交叉口的时候，由于摩托车车身较小，在其他机动车辆减速的情况下，摩托车驾驶员可以利用车辆间的间隙行进，到达排队车辆的前排。由于摩托车的启动较快，可以在一定程度上利用这种特性尽快通过交叉口，减少交叉口的拥挤状况。但是，在红灯结束绿灯开始的时候，摩托车如果仍然抢道行驶，将会产生很大的安全隐患。摩托车在交叉口左转、右转、直行的情况不明确，影响其他机动车辆的行驶，使交叉口产生混乱。