论文部分内容阅读
摘 要：运用DPSIR模型和5S要素理论结合时间要素T构建面向城市的DPSIR-5S1T城市交通拥堵评价模型，结合城市交通路口数据利用熵值法确定评价模型指标权重。结果显示：“是否商圈或大型办公区”影响交通拥堵权重最大;“平均通过路口时间”权重次之;“停车场和酒店数量”与“公交站点与地铁口和高架数量”权重接近，对拥堵影响程度基本相同;“小区数量”对拥堵影响程度最小。基于此对评价模型、评价对象、影响指标进行分析，进而提出治理城市道路交通拥堵对策建议。
关键词：交通拥堵;DPSIR-5S1T模型;熵值法
中图分类号：U121 文献标识码：A文章编号：1672-1101（2019）02-0029-09
Abstract： The DPSIR-5S1T urban traffic congestion evaluation model is constructed by using DPSIR model and 5S element theory combined with time element T. The weight of the evaluation model index is determined by entropy method using urban traffic intersection data. The results show that： the index of “whether it is the business circle or large office area” has the greatest impact on traffic congestion; the index of “average pass time” has the second largest impact; the indexes of “parking lot and hotel number” and “bus stop and subway port and elevated number” are close to each other， with almost the same degree of congestion impact， while the index of the “number of cells” has the least impact on congestion. Based on this， the evaluation model， evaluation object， and impact indicators are analyzed， and countermeasures for governance support are proposed.
Key words：Traffic congestion; DPSIR-5S1T model; Entropy method
据《中国主要城市交通分析报告》，2017年我国重点城市交通拥堵状况下降245%，但是全国仍然有26%的城市在通勤高峰处于拥堵状态，拥堵延时指数大于1的城市占全国城市比重维持在半数以上，达到55%[1]。城市公共道路交通拥堵问题已经引起社会范围内的普遍关注，政府也积极出台《城市公共交通规划编制指南》（交运发[2014]236号）、《城市公共交通“十三五”规划纲要》（交运发[2016]126号）等一系列政策，优化城市交通结构布局、提高公共交通供给效率和质量、促进城市公共交通有序发展，进而缓解城市交通拥堵。但是，交通供需矛盾及人、车、路之间冲突导致城市交通拥堵问题难以得到根本解决，部分城市拥堵情况仍然严峻，如2017年济南高峰拥堵延时指数为2067、成都实施尾号限行政策后高峰拥堵程度仅下降09%等。如何评价一个城市交通拥堵状况？城市交通拥堵主要受到哪些因素影响？如何治理城市交通拥堵？这些问题关系提升城市公共交通服务能力和水平，以更高效的服务使居民有更多的获得感和幸福感。
结合DPSIR模型和5S要素模型，考虑时间要素T，构建基于DPSIR-5S1T的城市交通拥堵评价模型，选择合肥市易发生拥堵的四個交通路口收集数据，利用熵值法计算权重，根据权重结果分析各项指标因素对路口交通状况影响程度并提出治堵对策。
一、文献综述
（一）交通拥堵成因及治理
城市公共道路交通拥堵造成的生态、经济和安全方面损失是世界各国共同面临并亟待解决的难题，国内外学者就城市交通拥堵成因及解决交通拥堵策略进行考量：首先，构建模型并结合数学方法分析拥堵问题。Johansson（2006）结合前人拥堵成本模型，论证通勤者给其他通勤车辆带来的燃油损耗和磨损成本增加[2];程琳和王炜（2006）把交通拥堵产生原因归结为路段交通量超过路段容量，若交通流量不断增加，拥堵地点会持续延伸，最终导致路段交通运行瘫痪[3];赵红军和冯苏苇（2015）考虑环境代价构建交通拥堵收费模型，论证拥堵收费缓解交通拥堵有效性[4]。其次，运用博弈论对交通拥堵展开研究。Levionson（2005）将非合作博弈理论应用于交通拥堵问题，认为拥堵收费可以将出行成本最小化[5];曾鹦和李军（2013）使用合作博弈理论分析交通拥堵网络问题，验证交通拥堵收费合理性的同时提高城市道路资源配置效率[6]。最后，建立指标体系结合大数据研究拥堵治理。王妍颖和黄宇（2016）借鉴德州拥堵评价体系中TTI、PTI和延误指标Delay，结合北京环路交通监测数据，建立北京交通拥堵指标体系，描述北京道路交通拥堵特征[7];王卉彤、刘传明、赵浚竹（2018）将高德地图计算的拥堵延时指数作为城市拥堵影响指标，从供给和需求两个角度分析职住分离对城市交通拥堵影响机制[8]。
通勤者出行过程中对路径的选择受到具体道路情景影响：路口周边停车场数量、公交车站数量、是否有大型商圈、政府公共服务中心数量等。已有研究主要从城市道路分布状态、路段交通量、公共交通体系和拥堵网络等宏观层面对交通拥堵产生原因和表现形态进行分析，或者从微观视角如单中心城市规模、出行成本、城市道路资源配置效率和职住平衡等对具体城市具体路段交通状况进行测度。但是，综合考虑城市交通系统内外部影响要素如交通设施空间和结构布局、交通情景、出行者特征，以及交通时间情景，构建交通拥堵评价模型尚不多见。 （二）DPSIR模型和5S要素模型及其应用
DPSIR模型是OECD在1993年结合PSR和DSR模型提出的广泛应用于描述和分析环境问题的评价模型[9]，分为驱动力要素（Driving Force）、压力要素（Pressure）、状态要素（State）、影响要素（Impact）和响应要素（Response）五个相互作用的评价指标[10]。驱动力要素是由于各种内外动力改变对交通拥堵产生影响，一般与社会发展、经济增长和人类活动相关。压力要素通过人类活动、社会生产关系和其他消费方式影响交通状态，是促使拥堵发生变化的直接因素，也是驱动力要素表现形式。状态要素是在交通供需矛盾、驱动力要素和影响要素共同作用下交通拥堵的表现方式。影响要素是由交通拥堵给居民乃至整个社会带来的正面或负面影响。响应要素是应对与交通拥堵相关的驱动力、压力和影响要素，社会、政府、保险公司、交通管理者以及通勤者等采取的对策。张兵和邓卫（2011）利用DPSIR模型打造经济圈网络交通评价体系[11];金丹和董晓（2018）结合DPSIR模型构建徐州市绿色交通发展评价指标体系，利用AHP-熵值法分析评价绿色交通发展水平[12];范厚明、徐振林和张锐（2018）利用DPSIR模型构建城市低碳交通评价体系及论述各指标相互关系，以此为低碳交通发展提供依据[13]。
5S模型是Edward教授1999年根据计算机科学原理从全局角度研究事件要素构成和各要素之间关系的模型[14]，包括流体要素（Streams）、结构要素（Structures）、空间要素（Spaces）、情境要素（Scenarios）和社会要素（Societies）。流体要素描述通勤者、机动车辆和交通设施之间相互关系或影响。空间要素通过数量、矢量和度量等方式提供信息，描述交通设施空间布局。结构要素描述交通硬件设施状态和特征。情景要素根据现时场景为通勤者提供查询和浏览等信息服务。社会要素在交通系统中承担着不同服務功能和角色。熊励、薛珊和张芸（2013）将5S模型与大数据背景下智慧交通结合，构建城市交通用户行为模型[15];熊励、杨淑芬和张芸（2018）以大数据为背景，构建基于5S的城市拥堵理论模型，以径向基函数神经网络方法为工具，结合上海市三大拥堵路段交通数据预测交通状况，进而提出改善城市交通建议[16]。
虽然学者分别运用DPSIR和5S模型对交通拥堵进行分析，但是缺少二者结合研究交通拥堵评价。针对上述问题，从通勤者、交通车辆、道路状况等城市交通构成要素出发，运用DPSIR模型和5S要素理论结合时间要素T构建面向城市的DPSIR-5S1T城市公共道路交通拥堵评价模型，结合合肥市典型性的四个拥堵路口交通数据，利用熵值法确定指标权重，并结合定量模型提出对策建议。
二、基于熵值法的DPSIR-5S1T交通拥堵评价模型
（一）城市交通拥堵评价要素
利用DPSIR模型与5S模型中各要素相互作用关系，结合描述交通拥堵情景的时间要素T，包括出行时间是否为早晚高峰和出行时刻等，构建DPSIR-5S1T模型，其中：DPSIR对应要素构成外部要素，5S和T构成内部要素，外部要素变动影响内部要素。城市交通拥堵受到包括但不限于社会发展、人类活动、交通流量、交通设施建设等诸多因素影响，梳理与交通拥堵相关要素，归纳DPSIR-5S1T模型要素特征，如表1所示。
随着城市化程度加深，人类活动在城市空间中份额逐渐提升，加大工作与生活之间场所距离，人们职住分离状况加剧。当城市居民职住分离程度严重时，通勤者会频繁地使用机动车并延长出行时间，导致交通拥堵;居民通勤及城市物流配送距离和次数增加导致机动车数量和流量增长对交通供给造成压力，如物流服务水平要求优化城市交通设施布局。一个地区经济社会水平决定常驻人口和流动人口数量，进而决定居民日常出行所需交通设施和工具数量，经济社会发展水平越高，居民出行方式、出行频率对交通需求越迫切，矛盾叠加可能加剧交通拥堵。同时，政策变化会影响城市一段时期交通布局和建设，进而对交通拥堵产生影响。
道路交通拥堵给居民生活造成一系列负面影响，如降低行车速度、增加通勤者出行时间和油耗、增加交通事故发生频率等，进而加剧拥堵严重程度，甚至威胁到通勤者人身安全。交通参与者和管理者考量缓解城市公共道路交通拥堵对策，突破传统交通拥堵解决方案运行中的状态极限，提高通勤者出行舒适度、便捷度和安全性等。
三、合肥市DPSIR-5S1T交通拥堵案例分析
（一）合肥市交通概况
查阅合肥市地图、安徽省统计年鉴、合肥交通运输局官网、合肥市公交集团有限公司官方网站等，梳理合肥市交通基本情况如下：合肥绕城高速将四区及肥东县囊括在内并贯通京台高速、沪陕高速、芜合高速、蚌合高速;机场高速衔接沪陕高速、合肥绕城高速、市内长江西路和方兴大道。合肥市公共交通拥有200条公交线路：162条常规线路、5条BRT线路、25条特色服务线、8条机场线路;南北向一号线和东西向二号线2条地铁已通车，沿途历经47个站点和1个换乘中心，以及在建3、4、5号线;全市路网结构由放射状的高架系统与一环二环路之间无缝衔接，徽州大道和金寨路高架贯穿南北，长江路与繁华大道连接东西方向。合肥拥有新桥国际机场，合肥站、合肥南站等四个火车站以及合肥汽车站、明光路汽车站等多个汽车站。截止2018年5月，合肥市机动车保有量已经超过200万量[17]，达到全国各大城市中等水平。2017年首次进驻全国拥堵城市top7，交通拥堵里程比例和常发拥堵道路比例2项描述拥堵指标进入全国前30名，平均行程时间排名第四（5316分钟），严重影响人们的获得感和幸福感，缓解乃至消除交通拥堵愈发迫切。
（二）数据来源
根据合肥交通运输管理处公布的相关道路信息以及实地调研合肥市拥堵道路具体状况，选择合肥市十大拥堵路段中具有代表性的4个路口收集数据。首先是位于最拥堵老城区三孝口的长江中路与金寨路交口，新华书店、城隍庙步行街、安农大、合肥师范学院、杏花公园等人群积聚场所均分布于周边，拥堵状况严峻;其次是进出市区、政务区和滨湖新区的重要交通枢纽繁华大道与金寨南路交口，周边有包括安医大二附院、安徽国际会展中心、徽园等人流量和物流量较大场所;再次是位于合肥南站正北方的祁门路与庐州大道交口，周边有科大南区、建工技师学院等高校，以及给路口带来阶段性人车流量（高铁出发前乘客大量涌入、高铁到达后乘客大量涌出）的合肥南站;最后是位于天鹅湖附近的集贤路与习友路交口，合肥大剧院、政务双子大楼、安徽广电中心等合肥市标志性建筑物分布与此。 构建指标体系必须遵循科学有效性、简明重要性、时效性和独立性原则[18]，考量《中华人民共和国道路交通安全法》和道路拥堵影响因素研究[19-21]，结合实际交通状况，从影响城市交通人流量和车流量较大的要素入手，通过合肥市政府信息公开网收集路口平均通行速度（km/h）、停车场和酒店数量（个）、公交站点与地铁口和高架数量（个）、小区数量（个）、是否商圈或大型办公区（是/否）、平均通过路口时间（秒）数据。为保障数据一致性、可信度、合理性、有效性，选取2018年5月1日—2018年5月30日路口一千米以内（含一千米）数据平均值作为交通拥堵影响因素分析对象。原始数据来源于实地调研且结合微信城市热力图等交通软件对区域进行卫星地图观测：停车场和酒店数量、公交站点与地铁口和高架数量、小区数量、是否商圈或大型办公区是四个短期内数量不变的指标。每天变化的指标是平均通行速度和平均通过路口时间，则借助高德地图《中国主要城市交通分析报告》搜集并计算，通过路口时间=路口长度/平均通行速度。利用上述方法收集30天数据并加以汇总，得到图2和图3、表2。
将DPSIR模型与5S要素和时间要素T结合应用于交通拥堵分析，构建依托熵值法的DPSIR-5S1T交通拥堵评价模型，对合肥市四个交叉路口数据评价并进行以下分析，计算四个路口综合得分，即拥堵程度排名，如图4。
由上图可见，金寨路与长江中路交口在四个路口中综合得分最高（773），拥堵程度最严重，其次是繁华大道与金寨南路交口（348）和祁门路与庐州大道交口（311），集贤路与习友路交口（211）拥堵程度最小。
进一步确定时段如早晚高峰时刻交通拥堵状况，统计拥堵程度最高的金寨路与长江中路交口在5月1日（路段平均通行速度最低，为2013km/h，即30天內拥堵最严重）凌晨5点到夜间23点的拥堵延时指数，即交通拥堵状态下车辆的通过时间与交通顺畅状态下车辆通过时间比值，分析不同时间段交通状态，如图5。
图5 金寨路与长江中路交口5月1日拥堵延时指数变化
根据表3、图4和5，发现：
第一，“是否商圈或大型办公区”所占权重最大，为6879%，对交通拥堵影响程度最大。商业综合体等是人们进行社交或商业活动的场所，也是城市主要繁华场所之一，办公、餐饮、游玩、娱乐、购物、健身、零售和批发等服务业吸引大量除工作外交通出行的人车流量，尤其是晚高峰和节假日，若商业综合体停车场设施不足和不便，增加通勤者停车时间和机动车占道可能性，同时商业综合体进出口瓶颈也会增加交通拥堵。
第二，“停车场和酒店数量”及“公交站点与地铁口和高架数量”权重占比基本相同，分别为371%和304%。一方面，停车场老旧且出入口设计不合理，非智能停车场难以做到车牌识别或蓝牙远距离读卡，进出停车场取卡交费过程浪费时间，导致利用率低且停车困难;酒店和宾馆所处路段往往汇集人车流量，增加停车设施需求，加剧道路交通压力。另一方面，公交站点与地铁口和高架出入口，汇集人流和车流出入，特别是到站时间人流量大。而“小区数量”是6个评价指标权重最小的，仅076%，可见小区居民日常通勤虽然可能造成交通拥堵，但是小区一旦成熟则配套设施和停车场较完善，可以满足日常生活，影响交通不大。
第三，“平均通过路口时间”指标权重为2292%，但是“路段平均通行速度”权重仅为078%，对城市道路交通拥堵影响程度很小。虽然每条道路、每个路口均设置限制行驶最高速度，但是随着拥堵情况日益严重以及配备红绿灯，路口行车速度普遍低于车道限速。通过路口时间与通勤者自身通过路口方式及特征存在关联，时间越长，拥堵越严重，且插队、随意掉头、乱闯红绿灯等行为会增加拥堵时长;而遵守交通规则、按照指示灯和交警指挥前进则会缓解拥堵。
第四，特定路段拥堵状况存在差异。全天来看，从上午7：00到晚上21：00均处于拥堵状态;上午7：00-10：00拥堵延时指数存在一个上升下降过程，早高峰7：30-9：00拥堵状况明显，特别是8：00达到区间拥堵延时指数峰值21，绝大部分单位上班时间集中于9：00之前，通勤密度较集中;中午11：00-15：00上班族利用午休时间外出吃饭或者办事，无论自驾车或者乘出租车网约车均会增加车流量，拥堵延时指数存在一个上升再下降的过程，12：00达到区间峰值18;下午17：00到晚上21：00是车流量高峰，处于拥堵状态，特别是20：00达到全天拥堵延时指数峰值25，下午到晚上严重拥堵持续时间长。
四、结论与对策
构建DPSIR-5S1T模型从驱动力、压力、状态、影响、响应方面结合流体、结构、空间、社会、时间等系统评价交通拥堵，运用熵值法基于合肥市交通拥堵状况确定指标权重：“是否商圈或大型办公区”权重最大、“平均通过路口时间”权重次之、“停车场和酒店数量”及“公交站点与地铁口和高架数量”权重接近分列第三和第四、“路段平均通行速度”权重较小排名第五、“小区数量”权重最小，据此分析城市交通路口拥堵差异性。
第一，加快商圈去中心化，配套建设高质量交通服务设施建设。大型商圈的高度集中，引发城市外围区域进入主城区的较远距离交通出行，大大增加日常通勤交通数量。因此，应加强规划统筹，优化商圈、地铁、高架布局，吸引企业落户非商圈密集区发展，分散车流和人流，同时协调安排公共交通站点，提高公共交通服务质量，增加轨道交通与公交、共享单车衔接，利用新一代信息技术，加强商圈道路和路口交通智能化监控和管理，降低和避免不合理开发行为给城市道路交通造成的弊端。
第二，引导公共服务车辆合理规划作业时间，实行错峰出行。合理安排洒水车、扫地车、垃圾车、城市配送车辆等活动时间，有条件实施物流车辆在晚上21点到次日6点进行作业，降低出行高峰和拥堵延时指数高值交通压力。同时，运用物联网搭建完善共享智慧交通控制平台，通过数据动态收集和分析进而统一交通指挥调度，依托移动大数据打造ITS智慧交通链，降低货车与挂车行驶和停车过程对城市交通造成的压力。 第三，融合现代科技技术与交通规划，平衡通勤者工作生活距离。借助出行软件减少信息不对称，节约路途时间，增加出行效率;利用GPS/BDS、GIS、云计算、车联网和卫星遥感等现代智能交通系统技术完善交通设计、优化道路资源配置，减少车辆排队等待时间;依托云计算+区块链实现数据存储和共享，破除“信息孤岛”现象，适度集中生活、工作与商业区，降低职住分离对交通拥堵造成的压力。
第四，提升政府及其交通运输部门服务能力，落实用心服务职能。结合交通布局引导城市发展，完善交通设施建设，规划公交车专用车道和交通点，加大智能停车场覆盖范围，提倡共享单车和分时租赁等创新交通模式，提高道路运输和通行效率，适度分散需求和补充供给，调节交通供需不均，保障交通绿色畅通。
第五，提高通勤者文明交通意识，实现道路畅通运行。“人”是交通活动主体，通勤过程随意更换车道、无视交通信号灯、道路违规占道等不文明交通行为，极易造成拥堵。因此，广泛开展文明交通教育，避免行人和机动车违法占道，实现机动车文明驾驶;引导调控通勤者理性规划和选择出行时间及方式，避开早晚高峰出行。
第六，发挥交通管理人员主观能动性，积极推进各方面监管工作实施。在借助通勤者自身约束和社会制约解决拥堵的同时，应强化交通管理人员引领监督作用，充分发挥奖罚两个方面的激励作用，尤其是针对可能带来巨大人车流量的公园、博物馆、美术馆、名人馆、政府办公区、政府服务中心等做好交通预案，保证城市交通系统合理有序运行。
参考文献：
[1] 高德地图.中国主要城市交通分析报告[R/OL].（2018-01-18）[2018-08-06]. http：//report.amap.com/share.do？id=8a38bb866326d88601634df004011033.
[2] Johansson-Stenman O. Optimal environmental road pricing[J]. Working Papers in Economics， 2006， 90（2）：225-229.
[3] 程琳，王炜.拥堵交通网络模型和增强拉格朗日乘子算法[J].管理科学学报，2006（5）：18-27.
[4] 赵红军，冯苏苇.如何有效地治理北京的交通拥堵——一个考虑环境代价的拥堵收费经济学分析与评估[J].城市发展研究，2015，22（12）：101-110.
[5] Levinson D. Micro-foundations of congestion and pricing： A game theory perspective[J]. Transportation Research， 2005， 39（7-9）：691-704.
[6] 曾鹦，李军.合作博弈视角下城市道路交通拥堵收费研究[J].运筹与管理，2013，22（1）：9-14.
[7] 王妍穎，黄宇.基于大数据下的北京交通拥堵评价指标分析[J].交通运输系统工程与信息，2016，16（4）：231-240.
[8] 王卉彤，刘传明，赵浚竹.交通拥堵与雾霾污染：基于职住平衡的新视角[J].财贸经济，2018，39（1）：147-160.
[9] OECD.Organization of Economic Cooperation and Development.OECD Core set of Indicators for Environmental Performance Review[M].Paris Environmental Monograph，1993：34-37.
[10] 曹红军.浅评DPSIR模型[J].环境科学与技术，2005（S1）：110-111.
[11] 张兵，邓卫.基于DPSIR模型的经济圈交通网络评价指标体系[J].华东交通大学学报，2011，28（4）：7-13.
[12] 金丹，董晓.基于DPSIR模型的城市绿色交通发展评价研究[J].生态经济，2018，34（5）：79-85.
[13] 范厚明，徐振林，张锐.基于DPSIR的城市低碳交通评价指标分析——以大连市为例[J].生态经济，2018，34（4）：64-69.
[14] Edward A Fox.The 5S framework for digital libraries and two case studies：NDLTD and CSTC[C]// NIT′99. international conference on new information technology No11.Taiwan： Department of Computer Science，1999：12-17.
[15] 熊励，薛珊，张芸.大数据环境下基于5S理论的城市智能交通用户行为模型研究[C]// 管理科学与工程学会. 管理科学与工程学会2013年年会暨第十一届中国管理科学与工程论坛. 北京：经济管理出版社，2013.：256-259.
[16] 熊励，杨淑芬，张芸.大数据背景下基于5S的城市交通拥堵评价模型研究[J].运筹与管理，2018，27（1）：117-124.
[17] 合肥市人民政府网.合肥机动车保有量突破200万量[EB/OL]. （2018-05-01）[2018-08-06].http：//www.hefei.gov.cn/xwzxdt/csbb/201807/t20180701-2596712.html.
[18] 李天健. 城市病评价指标体系构建与应用——以北京市为例[J]. 城市规划， 2014， 38（8）：41-47.
[19] 佟琼，王稼琼，王静.北京市道路交通外部成本衡量及内部化研究[J].管理世界，2014（3）：1-9.
[20] 王振坡，张馨芳，宋顺锋.我国城市交通拥堵成因分析及政策评价——以天津市为例[J].城市发展研究，2017，24（4）：118-124.
[21] 宗刚，朱丽南，魏素豪.北京市公共交通系统局部拥堵的影响因素研究[J].价格理论与实践，2016（6）：88-91.
[责任编辑：范 君，李 丽]
关键词：交通拥堵;DPSIR-5S1T模型;熵值法
中图分类号：U121 文献标识码：A文章编号：1672-1101（2019）02-0029-09
Abstract： The DPSIR-5S1T urban traffic congestion evaluation model is constructed by using DPSIR model and 5S element theory combined with time element T. The weight of the evaluation model index is determined by entropy method using urban traffic intersection data. The results show that： the index of “whether it is the business circle or large office area” has the greatest impact on traffic congestion; the index of “average pass time” has the second largest impact; the indexes of “parking lot and hotel number” and “bus stop and subway port and elevated number” are close to each other， with almost the same degree of congestion impact， while the index of the “number of cells” has the least impact on congestion. Based on this， the evaluation model， evaluation object， and impact indicators are analyzed， and countermeasures for governance support are proposed.
Key words：Traffic congestion; DPSIR-5S1T model; Entropy method
据《中国主要城市交通分析报告》，2017年我国重点城市交通拥堵状况下降245%，但是全国仍然有26%的城市在通勤高峰处于拥堵状态，拥堵延时指数大于1的城市占全国城市比重维持在半数以上，达到55%[1]。城市公共道路交通拥堵问题已经引起社会范围内的普遍关注，政府也积极出台《城市公共交通规划编制指南》（交运发[2014]236号）、《城市公共交通“十三五”规划纲要》（交运发[2016]126号）等一系列政策，优化城市交通结构布局、提高公共交通供给效率和质量、促进城市公共交通有序发展，进而缓解城市交通拥堵。但是，交通供需矛盾及人、车、路之间冲突导致城市交通拥堵问题难以得到根本解决，部分城市拥堵情况仍然严峻，如2017年济南高峰拥堵延时指数为2067、成都实施尾号限行政策后高峰拥堵程度仅下降09%等。如何评价一个城市交通拥堵状况？城市交通拥堵主要受到哪些因素影响？如何治理城市交通拥堵？这些问题关系提升城市公共交通服务能力和水平，以更高效的服务使居民有更多的获得感和幸福感。
结合DPSIR模型和5S要素模型，考虑时间要素T，构建基于DPSIR-5S1T的城市交通拥堵评价模型，选择合肥市易发生拥堵的四個交通路口收集数据，利用熵值法计算权重，根据权重结果分析各项指标因素对路口交通状况影响程度并提出治堵对策。
一、文献综述
（一）交通拥堵成因及治理
城市公共道路交通拥堵造成的生态、经济和安全方面损失是世界各国共同面临并亟待解决的难题，国内外学者就城市交通拥堵成因及解决交通拥堵策略进行考量：首先，构建模型并结合数学方法分析拥堵问题。Johansson（2006）结合前人拥堵成本模型，论证通勤者给其他通勤车辆带来的燃油损耗和磨损成本增加[2];程琳和王炜（2006）把交通拥堵产生原因归结为路段交通量超过路段容量，若交通流量不断增加，拥堵地点会持续延伸，最终导致路段交通运行瘫痪[3];赵红军和冯苏苇（2015）考虑环境代价构建交通拥堵收费模型，论证拥堵收费缓解交通拥堵有效性[4]。其次，运用博弈论对交通拥堵展开研究。Levionson（2005）将非合作博弈理论应用于交通拥堵问题，认为拥堵收费可以将出行成本最小化[5];曾鹦和李军（2013）使用合作博弈理论分析交通拥堵网络问题，验证交通拥堵收费合理性的同时提高城市道路资源配置效率[6]。最后，建立指标体系结合大数据研究拥堵治理。王妍颖和黄宇（2016）借鉴德州拥堵评价体系中TTI、PTI和延误指标Delay，结合北京环路交通监测数据，建立北京交通拥堵指标体系，描述北京道路交通拥堵特征[7];王卉彤、刘传明、赵浚竹（2018）将高德地图计算的拥堵延时指数作为城市拥堵影响指标，从供给和需求两个角度分析职住分离对城市交通拥堵影响机制[8]。
通勤者出行过程中对路径的选择受到具体道路情景影响：路口周边停车场数量、公交车站数量、是否有大型商圈、政府公共服务中心数量等。已有研究主要从城市道路分布状态、路段交通量、公共交通体系和拥堵网络等宏观层面对交通拥堵产生原因和表现形态进行分析，或者从微观视角如单中心城市规模、出行成本、城市道路资源配置效率和职住平衡等对具体城市具体路段交通状况进行测度。但是，综合考虑城市交通系统内外部影响要素如交通设施空间和结构布局、交通情景、出行者特征，以及交通时间情景，构建交通拥堵评价模型尚不多见。 （二）DPSIR模型和5S要素模型及其应用
DPSIR模型是OECD在1993年结合PSR和DSR模型提出的广泛应用于描述和分析环境问题的评价模型[9]，分为驱动力要素（Driving Force）、压力要素（Pressure）、状态要素（State）、影响要素（Impact）和响应要素（Response）五个相互作用的评价指标[10]。驱动力要素是由于各种内外动力改变对交通拥堵产生影响，一般与社会发展、经济增长和人类活动相关。压力要素通过人类活动、社会生产关系和其他消费方式影响交通状态，是促使拥堵发生变化的直接因素，也是驱动力要素表现形式。状态要素是在交通供需矛盾、驱动力要素和影响要素共同作用下交通拥堵的表现方式。影响要素是由交通拥堵给居民乃至整个社会带来的正面或负面影响。响应要素是应对与交通拥堵相关的驱动力、压力和影响要素，社会、政府、保险公司、交通管理者以及通勤者等采取的对策。张兵和邓卫（2011）利用DPSIR模型打造经济圈网络交通评价体系[11];金丹和董晓（2018）结合DPSIR模型构建徐州市绿色交通发展评价指标体系，利用AHP-熵值法分析评价绿色交通发展水平[12];范厚明、徐振林和张锐（2018）利用DPSIR模型构建城市低碳交通评价体系及论述各指标相互关系，以此为低碳交通发展提供依据[13]。
5S模型是Edward教授1999年根据计算机科学原理从全局角度研究事件要素构成和各要素之间关系的模型[14]，包括流体要素（Streams）、结构要素（Structures）、空间要素（Spaces）、情境要素（Scenarios）和社会要素（Societies）。流体要素描述通勤者、机动车辆和交通设施之间相互关系或影响。空间要素通过数量、矢量和度量等方式提供信息，描述交通设施空间布局。结构要素描述交通硬件设施状态和特征。情景要素根据现时场景为通勤者提供查询和浏览等信息服务。社会要素在交通系统中承担着不同服務功能和角色。熊励、薛珊和张芸（2013）将5S模型与大数据背景下智慧交通结合，构建城市交通用户行为模型[15];熊励、杨淑芬和张芸（2018）以大数据为背景，构建基于5S的城市拥堵理论模型，以径向基函数神经网络方法为工具，结合上海市三大拥堵路段交通数据预测交通状况，进而提出改善城市交通建议[16]。
虽然学者分别运用DPSIR和5S模型对交通拥堵进行分析，但是缺少二者结合研究交通拥堵评价。针对上述问题，从通勤者、交通车辆、道路状况等城市交通构成要素出发，运用DPSIR模型和5S要素理论结合时间要素T构建面向城市的DPSIR-5S1T城市公共道路交通拥堵评价模型，结合合肥市典型性的四个拥堵路口交通数据，利用熵值法确定指标权重，并结合定量模型提出对策建议。
二、基于熵值法的DPSIR-5S1T交通拥堵评价模型
（一）城市交通拥堵评价要素
利用DPSIR模型与5S模型中各要素相互作用关系，结合描述交通拥堵情景的时间要素T，包括出行时间是否为早晚高峰和出行时刻等，构建DPSIR-5S1T模型，其中：DPSIR对应要素构成外部要素，5S和T构成内部要素，外部要素变动影响内部要素。城市交通拥堵受到包括但不限于社会发展、人类活动、交通流量、交通设施建设等诸多因素影响，梳理与交通拥堵相关要素，归纳DPSIR-5S1T模型要素特征，如表1所示。
随着城市化程度加深，人类活动在城市空间中份额逐渐提升，加大工作与生活之间场所距离，人们职住分离状况加剧。当城市居民职住分离程度严重时，通勤者会频繁地使用机动车并延长出行时间，导致交通拥堵;居民通勤及城市物流配送距离和次数增加导致机动车数量和流量增长对交通供给造成压力，如物流服务水平要求优化城市交通设施布局。一个地区经济社会水平决定常驻人口和流动人口数量，进而决定居民日常出行所需交通设施和工具数量，经济社会发展水平越高，居民出行方式、出行频率对交通需求越迫切，矛盾叠加可能加剧交通拥堵。同时，政策变化会影响城市一段时期交通布局和建设，进而对交通拥堵产生影响。
道路交通拥堵给居民生活造成一系列负面影响，如降低行车速度、增加通勤者出行时间和油耗、增加交通事故发生频率等，进而加剧拥堵严重程度，甚至威胁到通勤者人身安全。交通参与者和管理者考量缓解城市公共道路交通拥堵对策，突破传统交通拥堵解决方案运行中的状态极限，提高通勤者出行舒适度、便捷度和安全性等。
三、合肥市DPSIR-5S1T交通拥堵案例分析
（一）合肥市交通概况
查阅合肥市地图、安徽省统计年鉴、合肥交通运输局官网、合肥市公交集团有限公司官方网站等，梳理合肥市交通基本情况如下：合肥绕城高速将四区及肥东县囊括在内并贯通京台高速、沪陕高速、芜合高速、蚌合高速;机场高速衔接沪陕高速、合肥绕城高速、市内长江西路和方兴大道。合肥市公共交通拥有200条公交线路：162条常规线路、5条BRT线路、25条特色服务线、8条机场线路;南北向一号线和东西向二号线2条地铁已通车，沿途历经47个站点和1个换乘中心，以及在建3、4、5号线;全市路网结构由放射状的高架系统与一环二环路之间无缝衔接，徽州大道和金寨路高架贯穿南北，长江路与繁华大道连接东西方向。合肥拥有新桥国际机场，合肥站、合肥南站等四个火车站以及合肥汽车站、明光路汽车站等多个汽车站。截止2018年5月，合肥市机动车保有量已经超过200万量[17]，达到全国各大城市中等水平。2017年首次进驻全国拥堵城市top7，交通拥堵里程比例和常发拥堵道路比例2项描述拥堵指标进入全国前30名，平均行程时间排名第四（5316分钟），严重影响人们的获得感和幸福感，缓解乃至消除交通拥堵愈发迫切。
（二）数据来源
根据合肥交通运输管理处公布的相关道路信息以及实地调研合肥市拥堵道路具体状况，选择合肥市十大拥堵路段中具有代表性的4个路口收集数据。首先是位于最拥堵老城区三孝口的长江中路与金寨路交口，新华书店、城隍庙步行街、安农大、合肥师范学院、杏花公园等人群积聚场所均分布于周边，拥堵状况严峻;其次是进出市区、政务区和滨湖新区的重要交通枢纽繁华大道与金寨南路交口，周边有包括安医大二附院、安徽国际会展中心、徽园等人流量和物流量较大场所;再次是位于合肥南站正北方的祁门路与庐州大道交口，周边有科大南区、建工技师学院等高校，以及给路口带来阶段性人车流量（高铁出发前乘客大量涌入、高铁到达后乘客大量涌出）的合肥南站;最后是位于天鹅湖附近的集贤路与习友路交口，合肥大剧院、政务双子大楼、安徽广电中心等合肥市标志性建筑物分布与此。 构建指标体系必须遵循科学有效性、简明重要性、时效性和独立性原则[18]，考量《中华人民共和国道路交通安全法》和道路拥堵影响因素研究[19-21]，结合实际交通状况，从影响城市交通人流量和车流量较大的要素入手，通过合肥市政府信息公开网收集路口平均通行速度（km/h）、停车场和酒店数量（个）、公交站点与地铁口和高架数量（个）、小区数量（个）、是否商圈或大型办公区（是/否）、平均通过路口时间（秒）数据。为保障数据一致性、可信度、合理性、有效性，选取2018年5月1日—2018年5月30日路口一千米以内（含一千米）数据平均值作为交通拥堵影响因素分析对象。原始数据来源于实地调研且结合微信城市热力图等交通软件对区域进行卫星地图观测：停车场和酒店数量、公交站点与地铁口和高架数量、小区数量、是否商圈或大型办公区是四个短期内数量不变的指标。每天变化的指标是平均通行速度和平均通过路口时间，则借助高德地图《中国主要城市交通分析报告》搜集并计算，通过路口时间=路口长度/平均通行速度。利用上述方法收集30天数据并加以汇总，得到图2和图3、表2。
将DPSIR模型与5S要素和时间要素T结合应用于交通拥堵分析，构建依托熵值法的DPSIR-5S1T交通拥堵评价模型，对合肥市四个交叉路口数据评价并进行以下分析，计算四个路口综合得分，即拥堵程度排名，如图4。
由上图可见，金寨路与长江中路交口在四个路口中综合得分最高（773），拥堵程度最严重，其次是繁华大道与金寨南路交口（348）和祁门路与庐州大道交口（311），集贤路与习友路交口（211）拥堵程度最小。
进一步确定时段如早晚高峰时刻交通拥堵状况，统计拥堵程度最高的金寨路与长江中路交口在5月1日（路段平均通行速度最低，为2013km/h，即30天內拥堵最严重）凌晨5点到夜间23点的拥堵延时指数，即交通拥堵状态下车辆的通过时间与交通顺畅状态下车辆通过时间比值，分析不同时间段交通状态，如图5。
图5 金寨路与长江中路交口5月1日拥堵延时指数变化
根据表3、图4和5，发现：
第一，“是否商圈或大型办公区”所占权重最大，为6879%，对交通拥堵影响程度最大。商业综合体等是人们进行社交或商业活动的场所，也是城市主要繁华场所之一，办公、餐饮、游玩、娱乐、购物、健身、零售和批发等服务业吸引大量除工作外交通出行的人车流量，尤其是晚高峰和节假日，若商业综合体停车场设施不足和不便，增加通勤者停车时间和机动车占道可能性，同时商业综合体进出口瓶颈也会增加交通拥堵。
第二，“停车场和酒店数量”及“公交站点与地铁口和高架数量”权重占比基本相同，分别为371%和304%。一方面，停车场老旧且出入口设计不合理，非智能停车场难以做到车牌识别或蓝牙远距离读卡，进出停车场取卡交费过程浪费时间，导致利用率低且停车困难;酒店和宾馆所处路段往往汇集人车流量，增加停车设施需求，加剧道路交通压力。另一方面，公交站点与地铁口和高架出入口，汇集人流和车流出入，特别是到站时间人流量大。而“小区数量”是6个评价指标权重最小的，仅076%，可见小区居民日常通勤虽然可能造成交通拥堵，但是小区一旦成熟则配套设施和停车场较完善，可以满足日常生活，影响交通不大。
第三，“平均通过路口时间”指标权重为2292%，但是“路段平均通行速度”权重仅为078%，对城市道路交通拥堵影响程度很小。虽然每条道路、每个路口均设置限制行驶最高速度，但是随着拥堵情况日益严重以及配备红绿灯，路口行车速度普遍低于车道限速。通过路口时间与通勤者自身通过路口方式及特征存在关联，时间越长，拥堵越严重，且插队、随意掉头、乱闯红绿灯等行为会增加拥堵时长;而遵守交通规则、按照指示灯和交警指挥前进则会缓解拥堵。
第四，特定路段拥堵状况存在差异。全天来看，从上午7：00到晚上21：00均处于拥堵状态;上午7：00-10：00拥堵延时指数存在一个上升下降过程，早高峰7：30-9：00拥堵状况明显，特别是8：00达到区间拥堵延时指数峰值21，绝大部分单位上班时间集中于9：00之前，通勤密度较集中;中午11：00-15：00上班族利用午休时间外出吃饭或者办事，无论自驾车或者乘出租车网约车均会增加车流量，拥堵延时指数存在一个上升再下降的过程，12：00达到区间峰值18;下午17：00到晚上21：00是车流量高峰，处于拥堵状态，特别是20：00达到全天拥堵延时指数峰值25，下午到晚上严重拥堵持续时间长。
四、结论与对策
构建DPSIR-5S1T模型从驱动力、压力、状态、影响、响应方面结合流体、结构、空间、社会、时间等系统评价交通拥堵，运用熵值法基于合肥市交通拥堵状况确定指标权重：“是否商圈或大型办公区”权重最大、“平均通过路口时间”权重次之、“停车场和酒店数量”及“公交站点与地铁口和高架数量”权重接近分列第三和第四、“路段平均通行速度”权重较小排名第五、“小区数量”权重最小，据此分析城市交通路口拥堵差异性。
第一，加快商圈去中心化，配套建设高质量交通服务设施建设。大型商圈的高度集中，引发城市外围区域进入主城区的较远距离交通出行，大大增加日常通勤交通数量。因此，应加强规划统筹，优化商圈、地铁、高架布局，吸引企业落户非商圈密集区发展，分散车流和人流，同时协调安排公共交通站点，提高公共交通服务质量，增加轨道交通与公交、共享单车衔接，利用新一代信息技术，加强商圈道路和路口交通智能化监控和管理，降低和避免不合理开发行为给城市道路交通造成的弊端。
第二，引导公共服务车辆合理规划作业时间，实行错峰出行。合理安排洒水车、扫地车、垃圾车、城市配送车辆等活动时间，有条件实施物流车辆在晚上21点到次日6点进行作业，降低出行高峰和拥堵延时指数高值交通压力。同时，运用物联网搭建完善共享智慧交通控制平台，通过数据动态收集和分析进而统一交通指挥调度，依托移动大数据打造ITS智慧交通链，降低货车与挂车行驶和停车过程对城市交通造成的压力。 第三，融合现代科技技术与交通规划，平衡通勤者工作生活距离。借助出行软件减少信息不对称，节约路途时间，增加出行效率;利用GPS/BDS、GIS、云计算、车联网和卫星遥感等现代智能交通系统技术完善交通设计、优化道路资源配置，减少车辆排队等待时间;依托云计算+区块链实现数据存储和共享，破除“信息孤岛”现象，适度集中生活、工作与商业区，降低职住分离对交通拥堵造成的压力。
第四，提升政府及其交通运输部门服务能力，落实用心服务职能。结合交通布局引导城市发展，完善交通设施建设，规划公交车专用车道和交通点，加大智能停车场覆盖范围，提倡共享单车和分时租赁等创新交通模式，提高道路运输和通行效率，适度分散需求和补充供给，调节交通供需不均，保障交通绿色畅通。
第五，提高通勤者文明交通意识，实现道路畅通运行。“人”是交通活动主体，通勤过程随意更换车道、无视交通信号灯、道路违规占道等不文明交通行为，极易造成拥堵。因此，广泛开展文明交通教育，避免行人和机动车违法占道，实现机动车文明驾驶;引导调控通勤者理性规划和选择出行时间及方式，避开早晚高峰出行。
第六，发挥交通管理人员主观能动性，积极推进各方面监管工作实施。在借助通勤者自身约束和社会制约解决拥堵的同时，应强化交通管理人员引领监督作用，充分发挥奖罚两个方面的激励作用，尤其是针对可能带来巨大人车流量的公园、博物馆、美术馆、名人馆、政府办公区、政府服务中心等做好交通预案，保证城市交通系统合理有序运行。
参考文献：
[1] 高德地图.中国主要城市交通分析报告[R/OL].（2018-01-18）[2018-08-06]. http：//report.amap.com/share.do？id=8a38bb866326d88601634df004011033.
[2] Johansson-Stenman O. Optimal environmental road pricing[J]. Working Papers in Economics， 2006， 90（2）：225-229.
[3] 程琳，王炜.拥堵交通网络模型和增强拉格朗日乘子算法[J].管理科学学报，2006（5）：18-27.
[4] 赵红军，冯苏苇.如何有效地治理北京的交通拥堵——一个考虑环境代价的拥堵收费经济学分析与评估[J].城市发展研究，2015，22（12）：101-110.
[5] Levinson D. Micro-foundations of congestion and pricing： A game theory perspective[J]. Transportation Research， 2005， 39（7-9）：691-704.
[6] 曾鹦，李军.合作博弈视角下城市道路交通拥堵收费研究[J].运筹与管理，2013，22（1）：9-14.
[7] 王妍穎，黄宇.基于大数据下的北京交通拥堵评价指标分析[J].交通运输系统工程与信息，2016，16（4）：231-240.
[8] 王卉彤，刘传明，赵浚竹.交通拥堵与雾霾污染：基于职住平衡的新视角[J].财贸经济，2018，39（1）：147-160.
[9] OECD.Organization of Economic Cooperation and Development.OECD Core set of Indicators for Environmental Performance Review[M].Paris Environmental Monograph，1993：34-37.
[10] 曹红军.浅评DPSIR模型[J].环境科学与技术，2005（S1）：110-111.
[11] 张兵，邓卫.基于DPSIR模型的经济圈交通网络评价指标体系[J].华东交通大学学报，2011，28（4）：7-13.
[12] 金丹，董晓.基于DPSIR模型的城市绿色交通发展评价研究[J].生态经济，2018，34（5）：79-85.
[13] 范厚明，徐振林，张锐.基于DPSIR的城市低碳交通评价指标分析——以大连市为例[J].生态经济，2018，34（4）：64-69.
[14] Edward A Fox.The 5S framework for digital libraries and two case studies：NDLTD and CSTC[C]// NIT′99. international conference on new information technology No11.Taiwan： Department of Computer Science，1999：12-17.
[15] 熊励，薛珊，张芸.大数据环境下基于5S理论的城市智能交通用户行为模型研究[C]// 管理科学与工程学会. 管理科学与工程学会2013年年会暨第十一届中国管理科学与工程论坛. 北京：经济管理出版社，2013.：256-259.
[16] 熊励，杨淑芬，张芸.大数据背景下基于5S的城市交通拥堵评价模型研究[J].运筹与管理，2018，27（1）：117-124.
[17] 合肥市人民政府网.合肥机动车保有量突破200万量[EB/OL]. （2018-05-01）[2018-08-06].http：//www.hefei.gov.cn/xwzxdt/csbb/201807/t20180701-2596712.html.
[18] 李天健. 城市病评价指标体系构建与应用——以北京市为例[J]. 城市规划， 2014， 38（8）：41-47.
[19] 佟琼，王稼琼，王静.北京市道路交通外部成本衡量及内部化研究[J].管理世界，2014（3）：1-9.
[20] 王振坡，张馨芳，宋顺锋.我国城市交通拥堵成因分析及政策评价——以天津市为例[J].城市发展研究，2017，24（4）：118-124.
[21] 宗刚，朱丽南，魏素豪.北京市公共交通系统局部拥堵的影响因素研究[J].价格理论与实践，2016（6）：88-91.
[责任编辑：范 君，李 丽]