-
随着经济高速发展,机动车数量快速增长并超过道路交通有限的承受能力,由此带来了严重的交通拥堵问题。交通拥堵所带来的时间延误成本、额外经济成本、环境污染成本及噪声成本等已严重影响了公众生活[1]。英国经济与商业研究中心(Centre for Economics and Business Research Ltd.,CEBR)最新研究表明,道路拥堵每年给英国、美国和德国造成至少约2 000亿美元的损失,占到了这些国家每年经济总量的0.8%[2-3]。可以看出,交通拥堵已成为制约城市经济社会发展的重要因素之一[4]。在这样的背景下,如何有效应对交通拥堵已成为城市发展所面临的关键问题。为解决这一问题,各国采取不同方法进行干预,如:加快路网基础设施建设、采取机动车保有量总量控制政策、机动车限行政策、加收拥堵费等。其中,机动车限行政策,作为一种命令控制类交通政策,规定机动车根据其牌照尾号在特定时间段内不能上路[5],于20世纪末被世界各国普遍实施[6]436-440。之后,限行政策相继在中国的北京、天津、上海、杭州、成都、西安等城市实施推进。然而,部分机动车使用者主观感知认为,交通拥堵程度和限行政策执行之前无太大差异,对政策执行效果提出质疑[7]。事实上,任何社会政策的有效执行都离不开绩效评估,只有精准的评估才能把握好政策执行的绩效,从中及时发现问题并总结经验,进而调整政策以实现预期目标[8]。为此,本文出发点是评估机动车限行政策缓解交通拥堵的成效,落脚点是:第一,希望通过对限行政策缓解交通拥堵执行绩效进行“精准把脉”,及时发现问题和总结经验进而对现有政策进行适时、适度的调整以达到预期效果;第二,希望通过学术探索来回应社会公众对机动车限行政策缓解交通拥堵是否有效的质疑,进而消除公众疑虑、提升政府公信力。
-
交通拥堵是特定环境下,交通供需矛盾下的产物,表现为某一路段或路段之间相互影响滞留的时空状态[9],在诱因视角下可将交通拥堵分为两种类型:常发性交通拥堵与非常发性交通拥堵[10]。作为国家或地区经济发展到一定阶段所产生的特定现象,交通拥堵在中、大城市表现尤为突出,并成为公认的“城市病”表征之一[11]。在学术界,针对交通拥堵的研究日趋丰富,更多地聚焦于城市交通拥堵成因、危害与治理策略方面。在成因分析方面,产生城市交通拥堵的原因具有复杂性,涉及到交通基础设施供给、城市规划、城市机动化水平、公共交通服务能力以及市民出行特征等因素[12-15],这些因素可被归结为内部因素和外部因素,内部因素是道路供不应求之间的矛盾[16-17],外部因素是政府管理及交通参与者之间的矛盾[18]。在交通拥堵危害方面,交通拥堵造成了降低社会效率、经济效率等系列问题[19],如空气污染、出行时间和费用的消耗增加[20]、居民的时间价值损失严重[21]以及经济损失[22]等。在治理策略方面,解决城市交通拥堵问题是一项综合性、复杂性的工作,单一措施通常难以产生预期效果,需要多管齐下,不是单纯地拓宽城市道路及提高道路的配套设施[23]。雷洋和黄承锋[24]将缓解城市交通拥堵的实践和研究对策分为发展性措施、管理性措施、限制性措施,具体举措包括:发展交通基础设施,优化交通结构[25]、拥堵收费[26]、尾号限行[27]等。在实践中,由于成本低、简单易行、公共投入较少,存在能够缓解城市交通压力、提高空气质量[28]等优点,机动车限行成为缓解交通拥堵的重要手段。随之,国内外学者关于机动车限行的研究愈来愈多,且随着数据采集的方便性,逐渐呈现出从实践应用层面过渡到深入理论研究的趋势。
现有研究中,关于机动车限行政策能否缓解交通拥堵效应的讨论始终没有停止,讨论的核心问题是限行政策是否能够有效缓解交通拥堵。虽然北京市交通发展研究中心2009年发布的报告指出,限行政策取得了良好的效果,与限行之前相比,工作日五环路内交通拥堵指数从“中度”下降到“轻度”[29],但更多的学术研究却给出了莫衷一是的结论,具体可分为三种情况:第一,限行政策并不能缓解交通拥堵,甚至产生负面影响。朱昱豪等[30]通过调研了解杭州市交通拥堵情况,认为杭州市政府限行政策减缓交通拥堵的效果不显著并未能从根本上解决。Eskeland[31]基于1987—1992年的数据,采用时间序列法分析了墨西哥城小汽车尾号限行政策的效果,研究发现小汽车限行政策会增长私家车数量,使交通拥堵更加严重。第二,限行政策可以缓解交通拥堵。钱卿[32]从公共利益和个人利益及其互动关系的理论角度分析解读限行政策,认为限行政策符合形式合法的底线,有助于机动车提高速度、缩短交通拥堵的还原时间。朱建安和戴帅[33]在对北京、杭州限行政策效果分析的基础上,认为限行对缓解交通拥堵起到一定作用;Sun等[34]以车牌数字偏好为切入点,探讨机动车限行政策对北京交通流量的影响,测算结果表明限行政策有利于缓解交通压力。杨雨等[35]利用多元线性回归模型分析天津限行政策对机动车车流量的影响,发现限行政策强度与机动车流量受到的影响程度呈正相关。第三,限行政策存在时效性,政策效果逐渐减弱或无法取得预期效果。谢旭轩[6]436-440从经济学福利视角对限行政策进行研究,认为机动车主可能会通过选择某些适应性手段来规避限行政策,从而会减低效用损失,导致限行政策长期来看无法取得预期的效果;Cantillo和Ortuzar[36]从微观经济学理论视角出发,分析认为限行政策具有时效性,短时间内可以缓解交通拥堵和环境污染,但长期无法实现预期效果。也有部分学者认为,限行政策短期可以缓解交通拥堵,长期效果不明显,如Grange和Troncoso[37]分析圣地亚哥的尾号限行政策效应,发现其在短时间内可以减少一定比例的私家车出行,交通拥堵状况从长期看来并没有实质性缓解,甚至在部分地区,机动车限行政策对缓解交通拥堵的红利在两个月后就迅速消失殆尽[38]。从边际个人成本与边际社会成本间的关系视角分析,小汽车尾号限行只能短期缓解城市交通拥堵的结论,不应作为长期政策[39]。
综上所述,限行政策在部分地区确实能够起到立竿见影的效果,但也有部分地区限行政策并没有对缓解拥堵及减少污染起到任何效果,甚至会起到反作用。机动车限行对缓解交通拥堵的影响还有待更丰富的证据支撑和讨论。因此,本研究基于西安市2016年11月1日—2019年12月31日时间序列数据,运用多元线性回归分析方法对机动车限行政策缓解交通拥堵效应进行实证检验。本研究的创新点包括:(1)实证检验机动车限行政策实施的短期、中期和长期三个周期对交通拥堵的缓解效应,并首次探讨不同时段限行政策(如早高峰、晚高峰)的差异化政策效应和时效性;(2)通过获取交通运行指数、车辆行驶速度等一手数据,弥补以往研究中交通拥堵数据(如交通运行指数、车辆行驶速度)不可获取的缺陷,提高了交通拥堵测量的准确性和数据获取的权威性;(3)在实践层面,本研究在有效回应社会公众对机动车限行政策缓解交通拥堵质疑的同时,对政府进一步从不同时段效果、长期效应等角度优化现有机动车限行政策提供证据支持。
-
西安市作为西部地区金融中心、“关中—天水”经济区和“一带一路”的核心城市以及国内外知名度较高的旅游城市,是国家区域协调发展战略的重要支撑。近年来,城市常住人口数量急剧增加,经济不断走强,交通需求、机动车保有量迅速提升,交通拥堵已成为这座城市的顽疾。为缓解交通拥堵,减少机动车尾气污染排放,2016年9月27日,西安市人民政府办公厅发布了《关于印发西安市重污染天气应急预案(修订稿)的通知》(以下简称《通知》),规定西安市重污染天气Ⅳ级应急响应机制,明确提出重污染天气Ⅱ级及Ⅲ级应急响应发出后,公安部门要在全市范围内限行20%的车辆,即双尾号限行,如星期一限行1和6、星期二限行2和7、星期三限行3和8、星期四限行4和9、星期五限行5和0;重污染天气Ⅰ级应急响应发出后,公安部门要在全市范围内限行50%的车辆,即单双号限行,如单日限行车牌尾号为1、3、5、7、9的车辆,双日限行车牌尾号为2、4、6、8、0的车辆;法定节假日及公休日不限行。2016年11月3日,作为《通知》发布后的首个重污染Ⅲ级应急响应工作日,西安市公安局交通管理局对外发布《关于在我市重污染天气应急响应期间实行机动车禁限行管理的公告》,决定从2016年11月4日起正式实行重污染天气机动车限行政策,4日在全市范围内限行尾号为4和9的机动车,自此,西安市正式迎来机动车尾号限行政策。随后,经过冬防期、夏防期机动车尾号限行政策的过渡演变,至2019年3月18日正式变为常态化限行政策。本研究选取了2016年11月1日—2019年12月31日工作日的样本,具体实施情况如表1所示。
表 1各时间窗内数据特征
单位:天 时间 总工作日 限行两个尾号的机动车
的工作日限行五个尾号的机动车
的工作日限行政策未生效
的工作日2016-11-01—2017-11-01 246 26 6 214 2016-11-01—2018-11-01 491 231 7 253 2016-11-01—2019-12-31 776 515 8 253 -
考虑到机动车限行政策是依靠行政性手段强制减少路网内在途车流量,从而达到缓解拥堵的目的,多数学者以交通流量作为交通拥堵状况的评判指标。选择交通流量是有一定道理的,但是,在没有考虑道路承载能力的前提条件下,单纯交通流量的变化在反映交通拥堵状况时有很大局限性,例如:(1)在道路承载能力很大的情况下,一定范围内交通流量的变化还未达到道路承载力的上限,此时交通流量在一定范围内增加,实际上道路仍然是畅通的;(2)若路网内车辆已经达到饱和,车辆通行速度严重受限,其等待通行时间虽然不断增加,拥堵状况不断加剧,但实际上这一路段单位时间内机动车通行辆数并没有变化。在以上两种情况下,以交通流量作为交通拥堵评判指标会产生欺骗性的观测结果,对研究会产生较大的误导性。为了更加科学地反映交通拥堵的实际情况,本研究选择交通运行指数作为交通拥堵的评判指标。
交通运行指数(Traffic Performance Index,TPI),又称交通指数或交通拥堵指数,在2011年4月28日北京市质量技术监督局发布的《城市道路交通运行评价指标体系》中被首次提出,并被北京市交通委确立为北京市城市道路交通运行状况评价指标。其中,交通运行指数计算的基本原理是:在城市路网交通信息流采集功能完备的基础上,以一定范围路网内各路段流量单元浮动车采集的平均车速作为基本参数,参考历史车速数据及不同等级道路设施要素和通行能力,加权集成并标准化后计算得出一条道路的交通运行指数TPI道路(0≤TPI道路≤10),TPI道路值越大,道路拥堵越严重,其各分级阈值及对应的交通状况如表2所示。在北京提出之后,交通运行指数被广州、苏州、西安等多个城市的交通管理部门应用。在具体实践中,各个城市的交通运行指数的基本理念是相同的、具体算法却有所区别。
表 2TPI数值分级阈值及对应交通状况
交通状况 畅通 基本畅通 轻度拥堵 中度拥堵 重度拥堵 TPI数值区间 [0,2) [2,4) [4,6) [6,8) [8,10] 当取得各条道路的交通运行指数TPI道路后,需要对该区域内指定时间段所有道路的交通运行指数进行加权平均来计算指定区域内指定时间段的交通运行指数TPI区域,进而判断出指定区域内交通运行状况
$$ {\mathrm{T}\mathrm{P}\mathrm{I}}_{\text{区域}}=\frac{{\sum }_{i=1}^{n}{\mathrm{T}\mathrm{P}\mathrm{I}}_{\text{道路}ix}\times {R}_{ix}\times {K}_{ix}\times {T}_{ix}\times {L}_{ix}\times {N}_{ix}}{{\sum }_{i=1}^{n}{R}_{ix}\times {K}_{ix}\times {T}_{ix}\times {L}_{ix}\times {N}_{ix}} $$ 其中,TPI区域是指定区域内指定时间段的交通运行指数;
$ {\mathrm{T}\mathrm{P}\mathrm{I}}_{\text{道路}ix} $ 表示指定区域内的$ x $ 等级道路$ i $ 的交通运行指数;$ {R}_{ix} $ 表示$ x $ 等级道路$ i $ 的区域权重;$ {K}_{ix} $ 表示指定区域内的$ x $ 等级道路$ i $ 的道路等级权重;$ {T}_{ix} $ 表示指定区域内的$ x $ 等级道路$ i $ 的时间段权重;$ {L}_{ix} $ 表示该$ x $ 等级道路$ i $ 的长度;$ {N}_{ix} $ 表示该$ x $ 等级道路$ i $ 的车道数。区域平均交通运行指数的计算过程,不仅考虑了路网内机动车运行状态等动态因素,同时结合路网内各路段长度、车道数、路段区域、道路等级、时间段等静态因素进行综合考量。在对拥堵状况评价时,利用区域平均交通运行指数这一连续变量不仅可以直观量化拥堵程度,也能避免单纯使用机动车流量变化评判交通拥堵缓解效果时未考虑路网静态因素的弊端,做到客观、可靠。本文选择特定区域的平均交通运行指数作为交通拥堵的评价指标。
-
在机动车限行政策效果研究方法选择中,主要包括线性回归、断点回归、双重差分等方法。落脚到缓解交通拥堵,若选择断点回归,本文的研究样本,即西安市政策生效日在时间序列上不连续,较难克服时间序列断点回归的时变处理效应;若选择双重差分,由于缺少合适的对照组样本,也不适合。因此,本研究决定最终选择多元线性回归模型来分析以下两个问题。
问题1. 判别机动车限行政策实行对缓解交通拥堵是否有效果,并不需要对具体的限行规则加以区分,构建模型(1)
$$ {\ln \;\mathrm{T}\mathrm{P}\mathrm{I}}_{t}={\beta }_{0}+{\beta }_{11}\times {\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t}+{\beta }_{12}\times {W}_{t}+{\beta }_{13}\times {S}_{t}+{\beta }_{14}\times {A}_{t}+{\varepsilon }_{t} $$ (1) 问题2. 确定限行的前提下,判别不同限行规则对交通拥堵缓解效果的差异性,构建模型(2)
$$ \ln \; {\mathrm{T}\mathrm{P}\mathrm{I}}_{t}^*={\beta }_{0}+{\beta }_{21}\times {\mathrm{N}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}}_{t}+{\beta }_{22}\times {W}_{t}+{\beta }_{23}\times {S}_{t}+{\beta }_{24}\times {A}_{t}+{\varepsilon }_{t} $$ (2) 式(2)和式(3)中的因变量
$\mathrm{l}\mathrm{n}\;{\mathrm{T}\mathrm{P}\mathrm{I}}_{t}$ 和$\mathrm{l}\mathrm{n}\;{\mathrm{T}\mathrm{P}\mathrm{I}}_{t}*$ 为$ t $ 时段内西安市三环内平均交通运行指数的自然对数,这一转换是为了使回归系数$ {\beta }_{11} $ 及$ {\beta }_{21} $ 能够更加直观地表达出限行两个尾号及限行五个尾号对交通运行指数影响程度的百分比。虽然式(2)和式(3)中$\mathrm{l}\mathrm{n}\;{\mathrm{T}\mathrm{P}\mathrm{I}}_{t}$ 和$\mathrm{l}\mathrm{n}\;{\mathrm{T}\mathrm{P}\mathrm{I}}_{t}^*$ 表示意义是一样的,但面向的样本是不同的。式(2)主要是面向本研究中的全样本,即样本规模为775天,式(3)中的样本,仅面向实施限行政策的样本,即样本规模为522天。式(2)中的自变量$ {\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t} $ 是一个二分类变量,当$ t $ 时段机动车限行政策生效时取值为1,当$ t $ 时段机动车限行政策未生效时取值为0,式(3)中的自变量$ {\mathrm{N}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}}_{t} $ 是一个二分类变量,当$ t $ 时段限行五个尾号(单双号限行)的机动车时取值为1,当$ t $ 时段限行两个(双尾号限行)尾号时取值为0。其他变量为控制变量,考虑到系列因素如天气、交通事故、上学情况对城市道路的拥堵情况也存在一定的影响,为了尽量保证研究的严谨性,基于数据可获性、可操作性,在模型中将其设置为控制变量。具体而言,控制变量$ {W}_{t} $ 是一个二分类变量,当$ t $ 时段有雨雪天气时取值为1,当$ t $ 时段没有雨雪天气时取值为0;控制变量$ {S}_{t} $ 是一个二分类变量,当$ t $ 时段是西安市中小学开学时段时取值为1,当$ t $ 时段是西安市中小学寒暑假时段时取值为0;控制变量$ {A}_{t} $ 表示t时段内西安市交通事故报警数量的百分之一,单位为百起;$ {\varepsilon }_{t} $ 为模型的随机误差。表3和表4是主要变量的描述性统计分析结果。表 3变量界定、来源与描述(早高峰数据)
变量标识 样本数 均值 标准差 最小值 最大值 模型(1)
相关变量$\mathrm{l}\mathrm{n}\;{\rm TPI}_{t}$ 774 2.38 0.38 0.91 5.95 $ {\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t} $ 774 0.67 0.47 0 1 $ {W}_{t} $ 774 0.14 0.35 0 1 $ {S}_{t} $ 774 0.80 0.40 0 1 $ {A}_{t} $ 774 8.32 1.50 3.26 14.04 模型(2)
相关变量$\mathrm{l}\mathrm{n}\;{\mathrm{T}\mathrm{P}\mathrm{I} }_{ {t} }^*$ 522 2.34 0.40 0.91 5.95 $ {\mathrm{N}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}}_{t} $ 522 0.02 0.12 0 1 $ {W}_{t} $ 522 0.13 0.33 0 1 $ {S}_{t} $ 522 0.80 0.40 0 1 $ {A}_{t} $ 522 8.52 1.65 3.26 14.04 表 4变量界定、来源与描述(晚高峰数据)
变量标识 样本数 均值 标准差 最小值 最大值 模型(1)
相关变量$\mathrm{l}\mathrm{n}\;{\mathrm{T}\mathrm{P}\mathrm{I} }_{t}$ 775 2.94 0.38 1.37 5.11 $ {\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t} $ 775 0.67 0.47 0 1 $ {W}_{t} $ 775 0.14 0.35 0 1 $ {S}_{t} $ 775 0.81 0.40 0 1 $ {A}_{t} $ 775 8.32 1.50 3.26 14.04 模型(2)
相关变量$\mathrm{l}\mathrm{n}\;{\mathrm{T}\mathrm{P}\mathrm{I} }_{ {t} }^*$ 522 2.91 0.39 1.37 5.11 $ {\mathrm{N}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}}_{t} $ 522 0.02 0.12 0 1 $ {W}_{t} $ 522 0.13 0.33 0 1 $ {S}_{t} $ 522 0.80 0.40 0 1 $ {A}_{t} $ 522 8.52 1.65 3.26 14.04 注:在数据获取时,诸多因素导致晚高峰的数据缺失了一个样本、早高峰的数据缺失了两个样本。 -
通过走访西安市公安局交通管理局(交警支队)科技处、秩序处等相关单位获得一手数据。其中,各因变量数据和限行政策等自变量数据均来自西安市公安局交警支队“西安交警互联网+路况大数据平台”。该平台由西安交警互联网服务中心与世纪高通公司联合共建,基于世纪高通成熟的大数据处理技术,为西安交警提供数据地图产品、交通信息发布、动态交通信息、数据应用及网站、微信平台对接等多种创新服务,其后台记录的平均交通运行指数及平均车辆行驶速度数据算法准确可靠,数据可信度及稳定性高。此外,各控制变量的样本数据来源于西安市公安局交通警察支队科技处指挥中心。
-
机动车限行政策实施时可能会产生时效性,即政策实施一段时间内,实施地的交通拥堵状况会有一定程度的改善,但一段时间后,机动车限行政策所产生的拥堵缓解效果减弱或消失,甚至拥堵状况相比政策实施前更甚。在探索机动车限行政策效应时,有必要考虑政策效果实施的周期长短。本文选定2016年11月1日—2017年11月1日作为短期时间窗,2016年11月1日—2018年11月1日作为中期时间窗,2016年11月1日—2019年12月31日作为长期时间窗。同时,考虑到西安市城市交通拥堵时间,城区道路流量的高峰出现在早上的7:00—9:00、傍晚的17:00—20:00,即本研究将其称为:“早高峰”与“晚高峰”。最后,本研究从“早高峰”与“晚高峰”两方面,分别将限行政策实施的短期、中期和长期时间窗样本数据分别带入式(1)和式(2),利用Stata 16进行回归分析。
-
从限行政策实施与否(
$ {\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t} $ )的角度分析(如表5所示)可知:第一,自变量$ {\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t} $ 的回归系数为负数且均通过了1%的显著水平检测,意味着从整体来看,限行政策实施能够有效缓解交通拥堵。第二,早高峰短期、中期和长期的$ {\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t} $ 的回归系数分别为:−0.305、−0.107、−0.087,即限行政策实施使早高峰交通运行指数在短期、中期、长期三个周期内降低30.5%、10.7%、8.7%;晚高峰短期、中期和长期的${\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t}$ 的回归系数分别为−0.134、−0.061、−0.043,即限行政策实施,使晚高峰交通运行指数在短期、中期、长期三个周期内降低13.4%、6.1%、4.3%。整体来看,随着时间的推移,限行政策的政策效应有逐渐减弱的趋势。表 5限行政策实施与否的政策效应分析
变量 短期 中期 长期 早高峰 晚高峰 早高峰 晚高峰 早高峰 晚高峰 $ {\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t} $ −0.305*** −0.134*** −0.107*** −0.061*** −0.087*** −0.043*** $ {W}_{t} $ 0.080*** 0.016 0.068*** 0.019 0.048*** 0.020* $ {S}_{t} $ 0.109*** 0.065*** 0.119*** 0.107*** 0.111*** 0.108*** $ {A}_{t} $ 0.048*** 0.046*** 0.065*** 0.035*** 0.060*** 0.032*** N 245 246 490 491 774 775 R2 0.579 0.344 0.448 0.298 0.448 0.302 注:***表示1%的显著性水平;**表示5%的显著性水平;N表示样本数量。 -
从限行政策实施强度(
$ {\mathrm{N}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}}_{t} $ )的角度分析(如表6所示)可知:第一,从回归系数的正负与显著性来看,自变量$ {\mathrm{N}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}}_{t} $ 的回归系数为负数且均通过了1%的显著水平检测,意味着单双号限行政策比双尾号限行政策对缓解交通拥堵更有效。第二,从回归系数的大小来看,早高峰短期、中期和长期的$ {\mathrm{N}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}}_{t} $ 的回归系数分别为:−0.382、−0.435、−0.401,意味着和双尾号限行政策相比,单双号限行政策的实施使得早高峰交通运行指数在短期、中期、长期三个周期内降低38.2%、43.5%、40.1%;晚高峰短期、中期和长期$ {\mathrm{N}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}}_{t} $ 的回归系数分别为−0.262、−0.414、−0.367,意味着和双尾号限行政策相比,实施单双号限行政策,使得早高峰交通运行指数在短期、中期、长期三个周期内降低26.2%、41.4%、36.7%。可以看出,相对于双尾号限行政策而言,单双号限行政策缓解交通拥堵效果更加明显。表 6限行政策实施强度的政策效应分析
变量 短期 中期 长期 早高峰 晚高峰 早高峰 晚高峰 早高峰 晚高峰 $ {\mathrm{N}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}}_{t} $ −0.382*** −0.262*** −0.435*** −0.414*** −0.401*** −0.367*** $ {W}_{t} $ 0.177** 0.059 0.084*** 0.036* 0.042*** 0.025* $ {S}_{t} $ 0.469*** 0.213*** 0.179*** 0.174*** 0.136*** 0.138*** $ {A}_{t} $ 0.03 0.101*** 0.053*** 0.012*** 0.053*** 0.023*** N 32 32 238 238 522 522 R2 0.739 0.5835 0.502 0.421 0.537 0.420 注:*、**、***分别表示10%、5%、1%的显著性水平;N表示样本数量。 -
从限行政策实施与否(
$ {\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t} $ )角度分析(如表5所示)可知,早高峰的$ {\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t} $ 的短期、中期还是长期的$ {\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t} $ 的回归系数的绝对值均高于晚高峰,即0.305>0.134、0.107>0.061、0.087>0.043;从限行政策实施强度($ {\mathrm{N}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}}_{t} $ )角度(如表6所示)分析,与晚高峰相比,单双号限行政策早高峰的短期、中期和长期$ {\mathrm{N}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}}_{t} $ 的回归系数的绝对值均高于晚高峰,即0.382>0.262、0.435>0.414、0.401>0.367。结合回归系数,反映出西安市限行政策实施与否、实施强度对交通拥堵的缓解效果,在早高峰时段和晚高峰时段存在显著性的差异,即早高峰的政策效果更佳显著。 -
第一,机动车保有量的增加是造成限行政策效应递减的重要因素。相关研究表明,限行政策是对机动车流量的强制性削减,在机动车数量不变或者变化不大的情况下缓解交通拥堵效应达到最大化[40]。在政策实施之初,机动车数量不会突然出现大幅度的变动,在政策约束下,部分机动车使用者出行将受到限制,直观结果就是使用机动车数量降低,进而实现缓解交通拥堵的目的。但是,作为社会决策主体的人都是理性的,理性的人通过考虑边际量作为自己决策的依据[41],随着时间的推移以及政策的常态化发展,对公众来讲,面对强制性的福利损失及用车刚需,往往会选择通过购买第二辆车或者选择在非限行时间出行等行为来规避限行政策,这些应对行为对限行政策效应产生了抵消作用。如,西安市机动车保有量从2016年中的250万辆增长到2019年底的343万辆,当然,机动车数量增长的原因是由于经济增长导致的购车需求旺盛还是由于机动车限行政策执行后的反向刺激,在没有进一步研究的基础上是难以进行简单区分的。即使不是机动车限行政策执行后的反向刺激,由于经济增长带来的购车需求旺盛导致机动车数量增加,也会导致限行政策效果逐渐减弱。无论是政策执行后反向刺激还是由于正常需要购置机动车,在道路承载量一定的前提下,机动车保有量不断增加是造成限行政策效应递减的直接因素,一旦超出道路承载量,限行政策将逐步失效。
第二,公众交通出行机动车数量的管制强弱是单双号限行和双尾号限行政策效应差异性的根本原因。在限行政策生效日内,西安市限行强度只分为双尾号限行、单双号限行两种,即限行两个尾号的机动车及限行五个尾号的机动车。从理论上来讲,在道路承载量和机动车数量不变的前提下,机动车限行政策在限行两个尾号的机动车的政策实施当天,减少20%的在途机动车数量;在限行五个尾号的机动车的政策实施当天,减少50%的在途机动车数量。根据实证结果可知,限行五个尾号的政策规则比限行两个尾号要明显有力度,总体的结论符合理论预期。此外,在道路承载力不变的前提下,即使现阶段机动车辆不断增加,增加到两倍、三倍、四倍,甚至是五倍,期间还需要一定的时间周期,这意味着机动车保有量短期内也不会迅速增长到五倍,因此,相对双尾号限行政策,单双号限行政策有效时间会更有长效、持续时间更长。
第三,基本交通需求之外的派生需求是限行政策在早高峰和晚高峰效果差异的重要因素。在早高峰时段,机动车使用者的用车目的多数为上班或上学等基本交通需求,此类需求在确定的时段内是相对稳定的,受交通供给条件的影响相对较小,机动车使用者可以根据长期经验选择其他交通工具出行[42];而在晚高峰时段,机动车使用者的用车目的除了基本交通需求外,还增加了购物、娱乐、聚会等其他需求,此类为派生需求,这类需求即使在确定的时段内也是不稳定的,具有较大的弹性。派生需求的随机性、不确定性导致早高峰期间未使用的非限行车辆在晚高峰期间上路行驶,增加了限行区域内的在途车数量,在理论上,晚高峰时段城市道路交通状况比早高峰更拥堵[43]。因此,相对于晚高峰拥堵缓解程度来讲,早高峰拥堵缓解程度的效果更加明显。
-
车辆行驶速度(V)的高低是机动车使用者对交通拥堵状况最直观的评判标准之一。主要是因为:道路拥堵时,车辆行驶速度下降;道路畅通时,行驶速度相对较高,这反映出,车辆行驶速度和交通拥堵具有强相关关系,因此,为进一步对结果稳健性进行检验,本研究将车辆行驶速度代替交通运行指数来分析限行政策缓解交通拥堵效应具有一定可行性。在明确因变量的前提下,本部分从限行政策实施与否(
$ {\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t} $ )、限行政策实施强度($ {\mathrm{N}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}}_{t} $ )两方面探讨限行政策缓解交通拥堵的效应。结果表明:1. 限行政策可显著提高车辆行驶速度并呈现出时效性,即随着政策实施周期的延长,对提高车辆行驶速度的影响呈现逐步递减的趋势(如表7所示)。
表 7限行实施与否政策效应稳健性检验分析结果
变量 短期 中期 长期 早高峰 晚高峰 早高峰 晚高峰 早高峰 晚高峰 $ {\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t} $ 0.125*** 0.076*** 0.061*** 0.046*** 0.051*** 0.037*** $ {W}_{t} $ −0.044*** −0.023** −0.028*** −0.022** −0.027*** −0.008 $ {S}_{t} $ −0.040*** −0.022** −0.070*** −0.008*** −0.066*** −0.076*** $ {A}_{t} $ −0.020*** −0.023*** −0.017*** −0.004* −0.027*** −0.015*** N 245 246 490 491 774 775 R2 0.531 0.292 0.425 0.214 0.376 0.200 注:*、**、***分别表示10%、5%、1%的显著性水平;N表示样本数量。 2. 早高峰、晚高峰的政策效果对比分析发现,限行政策在早高峰对提高车辆行驶车速的效果更明显(如表7和表8所示)。
表 8限行政策实施强度政策效应稳健性检验分析结果
变量 短期 中期 长期 早高峰 晚高峰 早高峰 晚高峰 早高峰 晚高峰 $ {\mathrm{N}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}}_{t} $ 0.102*** 0.133*** 0.143*** 0.243*** 0.144*** 0.223*** $ {W}_{t} $ −0.045** −0.035 −0.027** −0.010 −0.024*** −0.023** $ {S}_{t} $ −0.114*** −0.072** −0.099*** −0.134*** −0.087*** −0.113*** $ {A}_{t} $ −0.001 −0.041*** −0.020*** 0.005 −0.012*** 0.005** N 32 32 238 238 522 522 R2 0.726 0.781 0.450 0.366 0.380 0.281 注:*、**、***分别表示10%、5%、1%的显著性水平;N表示样本数量。 3. 较之双尾号限行政策,单双号限行政策对提高车辆行驶速度影响更有效(如表8所示)。
总结来看,限行政策对车辆行驶速度提高有积极影响,从侧面也反映该政策对缓解交通拥堵的积极作用,研究发现与前文结论基本一致,进一步验证了研究结论的稳健性。
-
机动车限行政策是否能有效缓解交通拥堵这一说法存在很多争议。为了能够科学评估该方案的治理效果,本研究以西安市为例,基于该市2016年11月1日—2019年12月31日工作日的时间序列数据,利用多元线性回归模型对限行政策缓解交通拥堵的实施效果进行实证分析。研究发现:
1. 限行政策实施可有效缓解交通拥堵且存在时间效应。其中,随着限行政策实施周期的延长,无论是在早高峰还是晚高峰缓解交通拥堵的效果均呈逐渐减弱趋势。
2. 限行政策实施强度不同,对缓解交通拥堵效应也不同。相对于双尾号限行政策而言,无论在早高峰、晚高峰还是短期、中期和长期来看,单双号限行政策缓解交通拥堵效果更明显。
3. 受基本交通需求之外的派生需求影响,与晚高峰相比,限行政策在早高峰缓解交通拥堵的效果更明显。
基于上述结论,本研究认为,限行政策并没有真正消除一部分交通需求,而是将其转移为隐性交通需求,在机动车保有量不断增加的背景下,其只能缓解或者延迟交通拥堵,并不能从根本上解决交通拥堵问题。解决城市交通拥堵是一项综合性、复杂性工作,单一的尾号限行措施通常难以产生预期效果,需要从多方面共同推进,具体而言:
第一,充分利用限行政策缓解交通拥堵的短暂“红利”时间,克服西安市“九宫格局,棋盘路网”的道路基本特征的先天弊端。具体如:重新渠化已有道路,利用智能信号灯进行合理调流,提高现有道路使用效率;在有条件的路段建设立体交通及快速路,提高整体路网快速通行水平;加快非机动车道、人行道等慢行交通基础设施建设,提高慢行交通品质,以“慢”为快减少短途驾车需求;尝试共享社区停车泊位,开放社区内道路,解决区域化交通供需矛盾,打通城市路网毛细血管。
第二,合理引导限行政策所抑制的隐性交通需求,化解时段性(特别是晚高峰)、区域性的交通需求集中化问题。具体如:针对西安市次支路公共交通覆盖密度较低的特征,加快推进“最后一公里”公交线路及站点的设置,同时提升公共交通服务水平,引导市民选择绿色出行方式;针对大型商圈周边停车泊位资源稀缺的特征,可进一步提高热点区域停车费用,利用经济杠杆减少购物等随机性交通需求向驾车出行方式的倾斜;针对曲江新区、高新区较为严重的职住不平衡特征,在双向车流量时间化差异较大的路段设置潮汐车道,对交通流量“削峰平谷”。
第三,从政策保障、科技保障、宣传保障等方面入手,为限行政策效用的最大化发挥提供有力支持。具体如:政策保障方面,对限行政策本身可加强公众的参与度,定期收集、研判公众对政策规则等方面提出的意见建议,对合理的建议应当及时采纳,对其他交通需求管理政策,如限购、限牌等机动车保有量控制政策,应当尽快研究并拿出可行方案;科技保障方面,对路网内交通流管理设施可加大信号灯、电子警察等交通管理设施的智能化水平,对交通需求管理平台可引入出行即服务系统,整合各类交通服务,提高交通资源利用效率及公共交通工具使用体验;宣传保障方面,广泛利用各种媒体平台,充分宣传绿色出行理念,改变公众交通选择行为。
本研究存在一些不足与局限,需要进一步说明并在未来研究中持续推进。一方面,囿于数据的局限,本研究仅关注了西安市机动车限行政策对缓解交通拥堵成效,考虑不同城市间道路承载力、机动车保有量是不同的,未来有待进一步扩大城市样本范围,验证并丰富现有研究;另一方面,虽然本研究通过理论和实证研究分析出限行政策实施可有效缓解交通拥堵且存在时间效应,但是并没有深入探索限行政策缓解交通拥堵的作用机理,即限行政策如何缓解交通拥堵,未来应通过更细致的访谈和调研,不断深化拓展限行政策缓解交通拥堵政策效应研究。
Analysis on the Effect of Vehicle Restriction on Traffic Congestion Alleviation
——Empirical Exploration from 2016—2019 in Xi’an
-
摘要:交通拥堵已成为城市居民普遍头痛的难题,是制约城市经济社会发展的重要因素。从国内外实践来看,机动车限行政策成为普遍公认的重要举措,但对于其能否有效缓解交通拥堵一直存在争议。为能够科学评估限行政策的实施效果,以西安市为例,选取2016年11月1日—2019年12月31日工作日的时间序列数据,利用多元线性回归模型实证检验交通限行政策缓解城市交通拥堵的成效。研究发现:(1)限行政策实施可有效缓解交通拥堵,但随着限行政策实施周期的延长,政策效果呈逐渐减弱趋势;(2)与双尾号限行相比,单双号限行政策缓解交通拥堵效果更加明显;(3)与晚高峰相比,受基本交通需求之外的派生需求影响,限行政策在早高峰缓解交通拥堵的效果更为明显。Abstract:Traffic congestion has become a common headache for urban residents and an important factor restricting the economic and social development of the city. From the practice at home and abroad, the motor vehicle restriction policy has become a generally recognized important measure, but whether the motor vehicle restriction policy can effectively alleviate traffic congestion has been controversial. In order to evaluate the implementation effect of traffic restriction policy scientifically, this study takes Xi'an as an example, selects the time series data from November 1, 2016 to December 31, 2019, and uses multiple linear regression model to test the effect of traffic restriction policy on easing urban traffic congestion. The results show that: (1) the implementation of the policy can effectively alleviate traffic congestion, but with the extension of the implementation cycle of the policy, the effect of the policy is gradually weakened. (2) Compared with double tailed traffic restriction, the effect of single and double tailed traffic restriction is more obvious. (3) Compared with the late peak, influenced by the derived demand beyond the basic traffic demand, the effect of traffic restriction policy is more obvious in the early peak. Finally, according to the research conclusion, this paper puts forward some suggestions on how to optimize the traffic restriction policy to alleviate traffic congestion.
-
Key words:
- restriction policy/
- traffic congestion/
- policy effect
-
表 1各时间窗内数据特征
单位:天 时间 总工作日 限行两个尾号的机动车
的工作日限行五个尾号的机动车
的工作日限行政策未生效
的工作日2016-11-01—2017-11-01 246 26 6 214 2016-11-01—2018-11-01 491 231 7 253 2016-11-01—2019-12-31 776 515 8 253 表 2TPI数值分级阈值及对应交通状况
交通状况 畅通 基本畅通 轻度拥堵 中度拥堵 重度拥堵 TPI数值区间 [0,2) [2,4) [4,6) [6,8) [8,10] 表 3变量界定、来源与描述(早高峰数据)
变量标识 样本数 均值 标准差 最小值 最大值 模型(1)
相关变量$\mathrm{l}\mathrm{n}\;{\rm TPI}_{t}$ 774 2.38 0.38 0.91 5.95 $ {\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t} $ 774 0.67 0.47 0 1 $ {W}_{t} $ 774 0.14 0.35 0 1 $ {S}_{t} $ 774 0.80 0.40 0 1 $ {A}_{t} $ 774 8.32 1.50 3.26 14.04 模型(2)
相关变量$\mathrm{l}\mathrm{n}\;{\mathrm{T}\mathrm{P}\mathrm{I} }_{ {t} }^*$ 522 2.34 0.40 0.91 5.95 $ {\mathrm{N}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}}_{t} $ 522 0.02 0.12 0 1 $ {W}_{t} $ 522 0.13 0.33 0 1 $ {S}_{t} $ 522 0.80 0.40 0 1 $ {A}_{t} $ 522 8.52 1.65 3.26 14.04 表 4变量界定、来源与描述(晚高峰数据)
变量标识 样本数 均值 标准差 最小值 最大值 模型(1)
相关变量$\mathrm{l}\mathrm{n}\;{\mathrm{T}\mathrm{P}\mathrm{I} }_{t}$ 775 2.94 0.38 1.37 5.11 $ {\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t} $ 775 0.67 0.47 0 1 $ {W}_{t} $ 775 0.14 0.35 0 1 $ {S}_{t} $ 775 0.81 0.40 0 1 $ {A}_{t} $ 775 8.32 1.50 3.26 14.04 模型(2)
相关变量$\mathrm{l}\mathrm{n}\;{\mathrm{T}\mathrm{P}\mathrm{I} }_{ {t} }^*$ 522 2.91 0.39 1.37 5.11 $ {\mathrm{N}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}}_{t} $ 522 0.02 0.12 0 1 $ {W}_{t} $ 522 0.13 0.33 0 1 $ {S}_{t} $ 522 0.80 0.40 0 1 $ {A}_{t} $ 522 8.52 1.65 3.26 14.04 注:在数据获取时,诸多因素导致晚高峰的数据缺失了一个样本、早高峰的数据缺失了两个样本。 表 5限行政策实施与否的政策效应分析
变量 短期 中期 长期 早高峰 晚高峰 早高峰 晚高峰 早高峰 晚高峰 $ {\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t} $ −0.305*** −0.134*** −0.107*** −0.061*** −0.087*** −0.043*** $ {W}_{t} $ 0.080*** 0.016 0.068*** 0.019 0.048*** 0.020* $ {S}_{t} $ 0.109*** 0.065*** 0.119*** 0.107*** 0.111*** 0.108*** $ {A}_{t} $ 0.048*** 0.046*** 0.065*** 0.035*** 0.060*** 0.032*** N 245 246 490 491 774 775 R2 0.579 0.344 0.448 0.298 0.448 0.302 注:***表示1%的显著性水平;**表示5%的显著性水平;N表示样本数量。 表 6限行政策实施强度的政策效应分析
变量 短期 中期 长期 早高峰 晚高峰 早高峰 晚高峰 早高峰 晚高峰 $ {\mathrm{N}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}}_{t} $ −0.382*** −0.262*** −0.435*** −0.414*** −0.401*** −0.367*** $ {W}_{t} $ 0.177** 0.059 0.084*** 0.036* 0.042*** 0.025* $ {S}_{t} $ 0.469*** 0.213*** 0.179*** 0.174*** 0.136*** 0.138*** $ {A}_{t} $ 0.03 0.101*** 0.053*** 0.012*** 0.053*** 0.023*** N 32 32 238 238 522 522 R2 0.739 0.5835 0.502 0.421 0.537 0.420 注:*、**、***分别表示10%、5%、1%的显著性水平;N表示样本数量。 表 7限行实施与否政策效应稳健性检验分析结果
变量 短期 中期 长期 早高峰 晚高峰 早高峰 晚高峰 早高峰 晚高峰 $ {\mathrm{R}\mathrm{e}\mathrm{s}\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}}_{t} $ 0.125*** 0.076*** 0.061*** 0.046*** 0.051*** 0.037*** $ {W}_{t} $ −0.044*** −0.023** −0.028*** −0.022** −0.027*** −0.008 $ {S}_{t} $ −0.040*** −0.022** −0.070*** −0.008*** −0.066*** −0.076*** $ {A}_{t} $ −0.020*** −0.023*** −0.017*** −0.004* −0.027*** −0.015*** N 245 246 490 491 774 775 R2 0.531 0.292 0.425 0.214 0.376 0.200 注:*、**、***分别表示10%、5%、1%的显著性水平;N表示样本数量。 表 8限行政策实施强度政策效应稳健性检验分析结果
变量 短期 中期 长期 早高峰 晚高峰 早高峰 晚高峰 早高峰 晚高峰 $ {\mathrm{N}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}}_{t} $ 0.102*** 0.133*** 0.143*** 0.243*** 0.144*** 0.223*** $ {W}_{t} $ −0.045** −0.035 −0.027** −0.010 −0.024*** −0.023** $ {S}_{t} $ −0.114*** −0.072** −0.099*** −0.134*** −0.087*** −0.113*** $ {A}_{t} $ −0.001 −0.041*** −0.020*** 0.005 −0.012*** 0.005** N 32 32 238 238 522 522 R2 0.726 0.781 0.450 0.366 0.380 0.281 注:*、**、***分别表示10%、5%、1%的显著性水平;N表示样本数量。 -
[1] 汪立鑫, 刘昕, 敖传龙. 交通拥挤成本的测算与拥挤税设计: 以上海为例[J]. 上海经济研究, 2016(11): 102-112. [2] BEZIAT A , KONING M , TOILIER F. [3] 冯国强, 李菁, 武卓尔, 等. 道路交通拥堵与城市雾霾污染的关系研究[J]. 中国人口•资源与环境, 2020, 30(3): 93-99. [4] 杨浩雄, 李金丹, 张浩, 等. 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.doi:10.12011/1000-6788(2014)8-2135 [5] 郄雪婷. 城市交通限行政策文献综述[J]. 合作经济与科技, 2019(15): 82-85. [6] 谢旭轩. 政策效果的误读——机动车限行政策评析[J]. 环境科学与技术, 2010(增刊1): 436-440. [7] 王振振, 王立剑. 精准扶贫可以提升农村贫困户可持续生计吗?——基于陕西省70个县(区)的调查[J]. 农业经济问题, 2019(4): 71-87. [8] 张振龙, 邱煜卿, 蒋灵德, 等. 基于实时路况的交通拥堵时空特征及其影响因素分析——以苏州古城区为例[J]. 现代城市研究, 2020(1): 104-112.doi:10.3969/j.issn.1009-6000.2020.01.015 [9] SUGIYAMA Y, FUKUI M, KIKUCHI M, et al. Traffic jams without bottlenecks—experimental evidence for the physical mechanism of the formation of a jam[J]. New Journal of Physics, 2008, 10 (3): 33001.doi:10.1088/1367-2630/10/3/033001 [10] 陈楠楠,周彤梅. [11] 沈洁, 张可云. 中国大城市病典型症状诱发因素的实证分析[J]. 地理科学进展, 2020, 39(1): 1-12.doi:10.18306/dlkxjz.2020.01.001 [12] DAUBER K R. Traffic congestion mitigation project includes drainage improvement[J]. Public Works, 2002, 133(10): 4. [13] BAUZA R, GOZALVEZ J. Traffic congestion detection in largescale scenarios using vehicle-to-vehicle communications[J]. Journal of Network & Amp;Computer Applications, 2013, 36 (5): 1295-1307. [14] GURUPACKIAM S, TURNER D S, LINDLY J K, et al. Reduction of capacity and projected costs associated with seat belt installation on school buses[J]. Transportation Research Part A Policy&Practice, 2014, 67 (67): 59-68. [15] 汤旻安, 王攀琦. 兰州市交通拥堵研究[J]. 西北大学学报(自然科学版), 2019, 49(1):71-77. [16] 梁颖, 陈艳艳, 任福田. 不同交通供需分布下的路网畅通可靠度变化规律研究[J]. 公路交通科技, 2007, 24(8): 103-107.doi:10.3969/j.issn.1002-0268.2007.08.023 [17] 何树林. 运用供需平衡理论解析城市道路交通拥堵机理[J]. 中国人民公安大学学报(自然科学版), 2012, 18(2): 48-52. [18] 戴东昌, 蔡建华. 国外解决城市交通拥堵问题的对策[J]. 求是, 2004(23): 61-63. [19] RESNICK M. Turtles, termites, and traffic jams:explorations in massively parallel microworlds[J]. Computers & Mathematics with Applications, 1997, 33(9): 147. [20] VERHOEF E T, ROUWENDAL J. A behavioural model of traffic congestion: Endogenizing speed choice, traffic safety and time losses[J]. Journal of Urban Economics, 2004, 56 [21] ARNOTT R, SMALL K. The economics of traffic congestion[J]. Boston College Working Papers in Economics, 1994, 82 (5): 446-455. [22] 吴栋栋, 邵毅, 景谦平等. 北京交通拥堵引起的生态经济价值损失评估[J]. 生态经济, 2013(4): 75-79.doi:10.3969/j.issn.1671-4407.2013.04.015 [23] VASIRANI M, OSSOWSKI S. A computational market for distributed control of urban road traffic systems[J]. IEEE Transactions on Intelligent Transportation Systems, 2011, 12(2): 313-321.doi:10.1109/TITS.2011.2104956 [24] 雷洋, 黄承锋. 城市交通拥堵治理的研究综述和建议[J]. 综合运输, 2018, 40(4): 8-11+42. [25] 王中亮. 治理城市交通拥堵的对策思考——以上海为例[J]. 上海经济研究, 2006(04): 76-81.doi:10.3969/j.issn.1005-1309.2006.04.010 [26] PALMA A D, LINDSEY R. Traffic congestion pricing methodologies and technologies[J]. Transportation Research Part C Emerging Technologies, 2011, 19 (6): 1377-1399.doi:10.1016/j.trc.2011.02.010 [27] 刘宏悦. 单双号限行政策存在的问题及优化对策[J]. 区域治理, 2019(47): 235-237.doi:10.3969/j.issn.2096-4595.2019.47.075 [28] DAVIS L W. The effect of driving restrictions on air quality in Mexico city[J]. Journal of Political Economy, 2008, 116(1): 38-81.doi:10.1086/529398 [29] 北京市交通发展研究中心课题组. 实施《北京市政府关于实施交通管理措施的通告》监测评估报告[R].北京: 北京市交通发展研究中心, 2009. [30] 朱昱豪, 吕青青, 魏纲. 杭州与新加坡城市交通治理对比研究[J]. 现代城市, 2015(1): 46-49. [31] FEYZIOGLU E T. Rationing can backfire: the "day without a car" in Mexico city[J]. World Bank Economic Review, 1997, 11(3): 383-408.doi:10.1093/wber/11.3.383 [32] 钱卿. 交通限行措施的行政法解读——以单双号限行为样本[J]. 行政法学研究, 2011(4): 60-69.doi:10.3969/j.issn.1005-0078.2011.04.008 [33] 朱建安, 戴帅. 城市交通限行需求管理措施实践评述[J]. 交通标准化, 2014(21): 33-39. [34] SUN C, ZHENG S, WANG R. Restricting driving for better traffic and clearer skies: did it work in Beijing?[J]. Transport Policy, 2014, 32 (1): 34-41. [35] 杨雨, 李庚, 王蓉, 等. 限行政策对道路交通流的影响研究——以天津市为例[J]. 交通信息与安全, 2016, 34(1): 116-122.doi:10.3963/j.issn.1674-4861.2016.01.020 [36] CANTILLO V, ORTUZAR J D. Restricting the use of cars by license plate numbers: a misguided urban transport policy[J]. Dyna, 2014, 81(188): 75-82.doi:10.15446/dyna.v81n188.40081 [37] GRANGE LD, TRONCOSO R. Impacts of vehicle restrictions on urban transport flows: the case of Santiago, Chile[J]. Transport Policy, 2011, 18(6): 862-869 [38] GALLEGO F, MONTERO J, SALAS C. The effect of transport policies on car use: evidence from latin American cities[J]. Journal of Public Economics, 2013, 107(2): 47-62. [39] 张小红. 小汽车尾号限行的经济学分析[J]. 交通科技与经济, 2013(2): 132-134. [40] 李志勇. 缓解交通拥堵不能“一限了之”[N]. 海南日报, 2009-04-07(B2). [41] 张攀. 基于成本收益理论的城市机动车限行政策分析[J]. 现代商业, 2010(20): 198-199.doi:10.3969/j.issn.1673-5889.2010.20.132 [42] 李都厚, 赵志宏. 对城市交通需求管理的理论分析与实现对策[J]. 长安大学学报: 社会科学版(4): 10-13. [43] 贺席燕, 赵航, 黄红良. 贵阳市道路拥堵状态时空分布规律研究——基于出租车GPS大数据[J]. 人文地理, 2018, 33(3): 112-120. -
![WeChat](http://www.frunetbio.com/journal/fileBJLGDXXBSKB/journal/article/bjlgdxxbshkxb/2021/1/PIC/wechat_cn_4e071c97-683c-40c1-8068-1a33f96d85a7.jpg)
计量
- 文章访问数:2645
- HTML全文浏览量:534
- PDF下载量:63
- 被引次数:0