董 慧，陈 松

宿州学院 1.数学与统计学院；2.资源与土木工程学院，安徽宿州,234000

交通运输作为国民经济发展的基础性产业，对国家经济、人口和社会发展起到重要的推动作用[1]。进入新时代，随着我国国民经济的稳步发展及经济结构的调整，人民日益增长的幸福生活的需求对于交通运输的需求也日益增大。

研究表明[2-4]，区域经济发展和交通运输量之间存在一定的联系，不同地区不同时期经济发展对交通的影响程度是不同的。影响城市交通量增长的因素有很多，其中国民经济总量与经济结构影响较为明显，前者是主导因素，后者为具体因素[5]。一般情况下，城市交通量和城市经济总量呈正相关，但不同的经济结构及不同的发展阶段，对城市交通量的影响也是客观存在。城市交通运输类型多样，有高铁、铁路和高速公路等，公共运输也有地铁、轻轨、公共汽车和出租车等类型。随着城市化进程城市人口增长速度快，不同类型的城市其交通基础设施也有较大差异，交通运输类型也不相同。

当前，不少学者针对交通运输量和经济发展规律开展过系列研究，主要是依据统计学、弹性系数等方法建立交通运输量和经济总量模型，并基于经济增长的规律对交通运输量进行预测[2]。但针对同一时期，不同区域经济发展总量和交通运输的研究相对较少，而交通运输明显受到经济发展和时代属性的因素影响。本文以2019年国内代表性城市交通运输量数据和GDP资料为基础，在分析经济结构特征的基础上，基于统计学方法对不同类型交通运输和不同产业结构GDP进行分析，以揭示城市经济产业结构对城市交通运输的影响规律，运用城市GDP结构及经济总量发展来对城市交通运输进行回归分析，建立回归方程，以预测新时期城市交通运输量，为城市交通设计和规划提供依据。

1 资料来源

城市国民经济的体量对交通运输的形式和交通量影响程度明显[3]。比如，城市规划中对于申建地铁的城市，一般公共财政预算收入应在300亿元以上，地区生产总值在3 000亿元以上，市区常住人口在300万人以上。因此，城市的经济总量和发展程度决定了城市的交通运输特征及交通运输类型。

在交通经济学中，交通行业属于第三产业。因此，城市经济结构对城市交通量也有巨大的影响。一般来说，城市总体交通量由客运交通、轨道交通、公共交通和巡游出租车组成。对于经济总量相似的城市，如果经济结构不同，其交通量的构成比例上也有较大的区别。以旅游型城市青岛为例，其经济结构中第三产业整体比例较高，游客人流量大，对公共交通和出租车需求量较大。

因此，城市不同类型的交通特征与经济总量、经济结构都有明显的关系。为系统了解当前中国主要城市经济总量、经济结构和交通运输量之间的关系，特搜集了26个城市的2019年交通运输资料(包括客运总量、公共汽电车、轨道交通、出租车)和国民经济资料(GDP、第一产业、第二产业和第三产业)，具体见表1。表1中城市国民经济GDP、三大产业结构比重来源于各省市统计局，城市交通运输数据来源于中华人民共和国交通运输部。

表1 26个代表性城市2019年度客运交通量和GDP数据一览表

2 数据特征

2.1 经济特征

为更直观地展示26个代表性城市2019年经济结构特征，利用2019年主要城市GDP及三大产业经济总量(表1)，绘制经济结构柱形示意图，具体见图1。在2019年GDP总量中，上海、北京、深圳、广州和重庆位列前五位，其GDP总量均超过了2.3万亿元。海口、兰州、太原和南宁为最后几位，其GDP总量均低于0.5万亿元。

图1 26个代表性城市2019年GDP结构示意图

三产业的划分是较为常用的产业结构分类，但划分标准不尽一致，本文根据《国民经济行业分类》(GB/T 4754-2011)来进行划分。研究表明，在三大产业中，第二产业结构服务化指数对国内生产总值指数具有正向作用[6]。但是第二产业增加值对经济增长起的促进作用已经低于第三产业。进入新时代，中国核心城市第三产业的投入正在呈现指数型增长，尤其东部沿海城市和一线城市。如图1所示，26个代表性城市中第三产业均明显高于其他两个产业。

具体来看，北京和上海第三产业经济总量位于前两位，都超过了2.5万亿元，其次为广州和深圳，这两个城市第三产业经济总量在1.6万亿元以上。而在2019年GDP总量中，上海、北京、广州和深圳是排名前四的城市。而GDP总量较低的海口、兰州、太原和南宁几个城市，其第三产业经济体也较低，这在一定程度上说明了，第三产业经济总量对于城市GDP总量具有指示意义。

2.2 交通量特征

城市交通运输量主要受城市经济、人口和地理位置等因素的影响。具体看，2019年26个代表性城市的客运总量中，北京和上海位于前两位，74亿人次和65亿人次。其次为广州和重庆，分别为61亿人次和44亿人次。具体来看，北京的交通运输总量中，以公共汽电车、轨道交通为主，分别约为31亿人次和39亿人次，出租车客运量分别为3.3亿人次。而上海的轨道交通和公共汽电车分别为38亿人次和20亿人次，出租车客运量为5.6亿人次。北京和上海表现出相似的运输特征，城市交通以公共汽电车和轨道交通为主，出租车占有的比例均较低。

城市交通量较低的城市分别为海口、太原、宁波和石家庄，交通运输总量均在7亿人次以下，尤其海口市，交通运输总量为2.7亿人次。具体来看，海口和太原没有轨道交通，海口市主要以公共汽电车为主，太原市公共汽电车和出租车运输比例约为60%和40%。宁波市和石家庄市主要以公共汽电车为主，分别占到了62.3%和58.6%，对比来看，石家庄的出租车比例较高，而宁波市轨道交通运输比例更大。需要注意的是，虽然兰州的整体GDP偏低，但由于其西部交通枢纽的特征，其交通运输量略高于其GDP大致相当的城市。因此，城市的交通运输量对于城市GDP有着较好的指示，尤其城市中轨道交通运输明显受到城市GDP的影响。

3 统计分析

3.1 相关分析

相关性分析有助于理解复杂的数据中隐藏的相同或相似的参数变化规律，而针对城市交通运输资料和城市GDP资料，往往可以揭示城市交通运输数据和经济总量之间的关系[7]。本文利用SPSS 19软件对26个代表性城市2019年交通运输数据和经济总量数据进行相关性分析，结果见表2。

由表2可见，客运总量和轨道交通、公共汽电车有着较高的相关性，在0.01水平上，相关系数分别为0.96和0.95，这样说明城市交通运输量以轨道交通和公共汽电车为主，出租车运输所占比例相对较低。其次，客运总量和城市GDP和第三产业相关系数分别为0.92和0.94，城市客运总量明显受到城市GDP和第三产业的影响。相比而言，第三产业对于城市客运总量的影响更大。

对于不同类型的交通运输量来看，公共汽电车和GDP和第三产业也有较好的相关性，其相关系数分别为0.85和0.86。轨道交通运输表现出类似的特征，但其相关性更强，相关系数分别为0.92和0.96。出租车运输量受城市产业结构的影响不大，具体看来，主要受到第二产业的影响，相关性系数为0.54。总之，第一产业和公共汽电车、轨道交通、出租车运输量的相关性较弱，因此城市交通运输和第一产业关系不大，主要受GDP总量和第三产业的影响，城市出租车运输量与第二产业有一定的相关性。

表2 26个代表性城市2019年度客运交通量和GDP相关性分析

3.2 主成分分析

主成分分析是指研究从变量群中提取共性因子的统计技术，其目的是揭示一组变量数据中更基本的、但无法直接测量的隐形变量，也是统计学中常用的一种方法[8]。对表1中数据利用SPSS软件进行主成分分析，按照特征值大于1，共提取2个主成分(表3)，其特征值分别为5.73、1.40，方差贡献率分别为71.66%和17.52%，共解释累计方差89.18%。

表3 26个代表性城市运输量和>经济总量主成分分析

可见，城市客运总量、公共汽电车、轨道交通、城市GDP、第二产业和第三产业在主成分1上有较高的值，主要受控于这一因素。第一产业主要受主成分2影响，具有较高的值(0.94)，结合第一产业比例较高的重庆、大连和石家庄，PC2主要由城市经济结构决定。出租车在两个主成分上荷载值比较均衡，分别为0.67和0.58，这表明出租车运输量受到城市GDP和城市发展类型、经济结构多种因素的影响。这种现象在主成分分析图上，更为明显，具体见图2。

图2 26个代表性城市运输量和经济总量主成分分析图

3.3 回归分析

随着城市道路交通的迅速发展，需要掌握城市现有交通量和预测远景交通量，为制定交通规划和增添交通设施规模提供依据。如前所述，城市GDP、产业结构和城市交通运输量之间的很好的相关性，为利用城市GDP及产业结构特征，进行城市交通运输量远景预测提供了理论支撑。因此选择和构建一个科学、合理的、具有预测性的城市交通量模型，尤为重要。为此引入回归分析[9]，并利用残差图，检查回归分析中回归模型的拟合优度[10]，如果满足假设，则普通最小二乘回归将产生方差最小的无偏系数估计。 回归模型的残差正态概率图，如图3所示，客运总量、公共汽车量、轨道交通分别和第三产业回归分析的正态概率图中基本呈一条直线，因此，正态性假设是成立的，回归分析可以进行。

图3 回归分析残差图

因此，选用表1中相关性系数较高的GDP及产业结构对城市客运总量、公共汽车量、轨道交通量和出租车进行一元线性回归，具体见图4。由图4可见，客运总量和GDP、第三产业线性拟合回归系数分别为0.85和0.89，选用系数较高的第三产业拟合回归方程为y=25.35x+14 348。回归模型误差的标准方差S为68 041.2，回归模型误差占总误差的百分比，拟合优度为88.5%，说明回归模型较好，调整的拟合优度为88.0%，回归模型可靠。

公共汽车量和GDP、第三产业拟合回归系数分别为0.73和0.74，差别不大，其回归方程为y=8.597 7x+36 439。回归模型误差的标准方差S为 38 185.0，回归模型误差占总误差的百分比，拟合优度为73.8%，说明回归模型较好，调整的拟合优度为72.7%，回归模型可靠。轨道交通量、GDP和第三产业拟合回归系数分别为0.85和0.91，明显受第三产业影响，拟合方程为y=15.456x-42 501。回归模型误差的标准方差S为36 667.7，回归模型误差占总误差的百分比，拟合优度为91.1%，说明回归模型很好，调整的拟合优度为90.7%，回归模型非常可靠。出租车运输量和GDP、第二产业拟合效果均不好，其系数分别为0.26和0.31。

图4 26个代表性城市2019年交通运输量和经济总量线性拟合

4 结 论

利用统计分析对国内26个主要城市2019年交通运输量和经济总量进行分析，结果表明：北京、上海、广州和重庆交通运输量位居前四，城市交通运输以公共汽电车和轨道交通为主，出租车占有的比例均较低。城市交通运输量和城市GDP有着较好的对应关系，尤其城市轨道运输明显受到城市GDP的影响。

城市客运总量和城市GDP、第三产业相关系数分别为0.92和0.94，城市客运总量明显受到城市GDP和第三产业的影响。此外，公共汽电车运输量和GDP、第三产业也有较好的相关性，其相关系数分别为0.85和0.86。轨道交通运输也表现出类似的特征，其相关性更强，相关系数分别为0.92和0.96。出租车运输量受城市产业结构的影响不大，没有明显的规律。

共提取2个主成分，其特征值分别为5.73、1.40，方差贡献率分别为71.66%和17.52%，共解释累计方差89.18%。其中，城市客运总量、公共汽电车、轨道交通、城市GDP、第二产业和第三产业在主成分1上有较高的值，主要受控于这一因素。第一产业主要受主成分2影响，具有较高的荷载值(0.94)。出租车在两个主成分上荷载值比较均衡，分别为0.67和0.58。

利用一元线性回归分析，建立城市交通运输和城市GDP之间的拟合方程， 客运总量和第三产业线性拟合回归系数分别为0.89，公共汽车量和第三产业拟合回归系数为0.74，轨道交通量和第三产业拟合回归系数为0.91。表明城市第三产业的发展提升了人们市内交通运输的需求，尤其是对城市轨道交通的需求最为明显。