基于DPSIR-TOPSIS模型的城市智慧交通动态发展评价

The Evaluation of Dynamic Development of Urban Smart Transportation Based on the DPSIR-TOPSIS Model

摘要

为系统分析人类活动对交通环境的影响，科学评估智慧交通发展水平，并准确识别城市交通运输行业在智慧化转型过程中的影响因素，基于DPSIR（drivers pressures state impact response）模型构建智慧交通发展评价指标体系，评估北京市2013—2022年智慧交通发展水平的动态变化，识别影响城市智慧交通发展的限制性因素。研究结果显示，1）2013—2022年北京市智慧交通综合发展水平持续上升，呈现整体改善趋势；2）北京市智慧交通驱动力和响应子系统的发展程度整体呈下降趋势，压力、状态和影响子系统的发展程度整体呈上升趋势；3）2013—2018年，影响北京市智慧交通发展的主要因素为路口电子警察安装数、高峰时段市民平均出行时耗等，2019—2022年，交通运输网络建设密度、人口密度、汽车社会公共停车泊位数成为主要因素。为此，提出加强智慧交通自身造血能力、提升供给侧水平以及推动城市交通向智能低碳转型等建议，以针对北京市智慧交通治理的短板因素进行改进。

Abstract

To systematically analyze the impact of human activities on the transportation environment， scientifically assess the level of smart transportation development， and accurately identify the influencing factors of the urban transportation industry in the process of smart transformation， we construct a smart transportation development evaluation index system based on the DPSIR（drivers pressures state impact response） model， evaluate the dynamic changes in the level of smart transportation development in Beijing from 2013—2022， and identify the limiting factors affecting the development of urban smart transportation. The results of the study show that， 1） the comprehensive development level of smart transportation in Beijing continues to rise from 2013—2022， showing an overall improvement trend； 2） the development level of the driving force and response subsystems of smart transportation in Beijing shows an overall decreasing trend， and the development level of the pressure， state and influence subsystems shows an overall increasing trend； 3） in 2013—2018， the main factors affecting the development of smart transportation in Beijing are the number of electronic police installations at intersections and the average travel time consumption of citizens during peak hours， in 2019—2022， the density of transportation network construction， population density， and the number of public parking spaces for automobile societies become the main factors. Therefore， suggestions are made to strengthen the smart transportation's own hematopoietic ability， improve the supply side level， and promote the transformation of urban transportation to smart and low-carbon， in order to make improvements for the short-board factors of Beijing's smart transportation governance.

Graphical abstract

关键词

智慧交通 / 高质量发展 / DPSIR-TOPSIS模型 / 障碍度模型 / 影响因素

Key words

Smart transportation / high-quality development / DPSIR-TOPSIS model / obstacle model / influence factor

0 引言

在全球气候变化的背景下，世界各大城市正面临着来自人口增长和交通拥堵的双重压力。这不仅降低了居民的出行效率，阻碍了城市经济的发展，还加剧了环境污染和能源浪费等问题^［1-2］。交通问题已经成为中国城市普遍面临的难题，智慧交 通作为应对这一挑战的关键技术而备受关注。 自2010年美国IBM（International Business Machines Corporation）提出“智慧城市（Smarter Cities）”理念以来，智慧交通引起了社会各界的广泛讨论。在中国，智慧交通的概念于2012年首次出现在《国家智慧城市试点指标体系》中，其强调智慧交通不仅要运用先进技术进行交通管理，更要以“智慧”方式解决交通拥堵问题，实现城市可达性与日常活动空间的匹配^［3］。对智慧交通的评价不仅促进了技术的不断完善，同时也为政策制定提供了理论和实践依据^［4］。

国内外学者对智慧交通进行了广泛的研究。在概念方面，智慧交通源自智能交通，最早可追溯至1960年，由美国智能交通协会首次提出。智能交通系统（Intelligent Transportation System，ITS）的理念强调通过先进的信息和通信技术，提升地面交通运输系统的安全性和灵活性，同时减少环境污染^［5］。然而，随着城市化加速，汽车保有量急剧增加，导致智能交通系统难以满足不同交通功能的个性化需求^［6］。2009年，IBM首次提出了“智慧交通”的概念，通过整合信息和通信技术，将智能化元素融入交通系统^［7］。2012年，中国首次引入智慧交通概念，即在道路上融合各种信息，构建智能集成运输体系，为用户提供集成交通服务^［8］。因此，智慧交通被视为智能交通发展的高级阶段，具备智能交通系统的基本功能，并能高效集成信息、实现快速交通管理和即时交通决策。在政策方面，国际上已经形成了美国、日本、欧洲三大体系，而中国对ITS研究和发展也在不断加快。各国政府相继提出了智慧交通发展规划，旨在促进交通系统的智能化和可持续发展^［9-10］。2017年，中国交通运输部发布了《智慧交通让出行更便捷行动方案》，标志着我国智慧交通进入了专项政策制定阶段。随后，一系列智慧交通相关政策陆续出台。在评价方面，国外学者的研究主要聚焦于具体智能交通技术层面，例如，Deveci等^［11］结合了Fermateam模糊距离度量（FF-DM）和相对接近系数（FF-RCC）技术对ITS实施方案进行评价。相较之下，国内相关研究更侧重于从宏观层面评估智慧交通的综合水平。例如，陈池^［12］采用主客观综合赋权法，结合层次分析法、熵权法和均方差法，对长三角地区的智慧交通发展水平进行综合评价；金雷等^［13］和郑健状等^［14］运用模糊层次分析法分别对机场陆侧以及高速公路智慧化水平进行综合评价。

综上所述，现有研究主要集中于对智慧交通整体水平的评估，未充分考虑到不同时点智慧交通发展的动态变化，缺乏对智慧交通动态发展水平的准确测度；智慧交通评价指标未充分考虑人类活动对交通环境的影响，缺乏从系统的角度分析人类活动与智慧交通系统相互作用的关系。因此，本研究基于DPSIR（drivers pressures state impact response）模型构建城市智慧交通综合评价体系，并结合逼近理想解排序法（technique for order preferenceby similarity to ideal solution，TOPSIS）模型和障碍度模型，对城市智慧交通发展水平进行测算以及障碍因素识别。从而揭示智慧交通发展变化的规律与趋势，基于此提出智慧交通高质量发展的对策建议，为智慧交通发展提供重要参考^［15］。

1 研究区域与数据来源

北京市位于我国华北地区，毗邻天津和河北，是我国的政治、文化、国际交往和科技创新中心，同时也是全国重要的交通枢纽。自2013年将智慧交通确定为国家交通运输行业的重点建设内容以来，北京市始终积极应对交通智慧化的发展。近年来，北京市对于智慧基础设施、信息一体化以及城市承载能力等方面的建设取得显著成效，但实现城市交通可持续发展仍面临人口增长、车辆增加和环境污染等挑战，需要采取综合政策和措施。

本研究以北京市为研究区，选取2013—2022年为研究期。数据来源包括①《北京统计年鉴》（人均国内生产总值、交通运输行业总产值、人口密度和人均可支配收入等）、②《中国统计年鉴》（互联网宽带接入端口、城镇居民交通通信类人均消费指数、每万人拥有公共汽电车辆数和人均城市道路面积等）、③《北京市发展年报》（城市年客运运输量、高峰时段市民平均出行时耗、高峰时段主干道路交通流量、道路交通噪声年均声级）、④《北京市国民经济和社会发展统计公报》（第三产业产值增速、第三产业占GDP比重）。部分数据通过相关政府网站以及查找以上资料得到基础数据后计算得到，具体计算方法见表1。对于个别年份缺失数据，采用线性插值法进行补全。

2 基于DPSIR模型的评价指标体系构建

2.1 城市智慧交通系统DPSIR模型概念框架

DPSIR（Driving驱动力-Pressure压力-State状态- Impact影响-Responses响应）模型是欧洲环境署（European Environment Agency，EEA）基于DSR（Driving-State-Responses）和PSR（Pressure-State-Responses） 2种模型构建的模型框架^［16］，能够有效表达人类活动与资源环境的因果关系，是分析环境问题的有效工具^［17］。

根据已有相关研究^{［12-13，16-17］}，本研究考虑城市智慧交通发展特征，从驱动力、压力、状态、影响及响应5个层次，辨识影响智慧交通发展的主要障碍因子，并构建DPSIR模型概念框架，如图1所示。其中，驱动力（D）是指在经济、社会发展和需求等方面推动或阻碍城市智慧交通发展的因素；驱动力导致人类活动对交通环境产生负荷，这种负荷则被称为压力（P）；在面对上述压力时，状态（S）代表所处的情况；影响（I）涵盖了交通系统状态对结构、城市生活和环境噪声等方面的影响；响应（R）则指人类在促进智慧交通系统发展进程中所采取的对策^［18］。

2.2 城市智慧交通发展评价指标的选取

基于上述构建的城市智慧交通系统DPSIR模型概念框架，结合北京市智慧交通发展特征，参 考《智慧城市指标体系》《智慧交通》（第二版），构 建北京市智慧交通发展评价指标体系，见表2。其中驱动力、压力、状态、影响和响应5个维度为准则层，14个指标为要素层，29个具体基础性指标为指标层。

3 城市智慧交通发展评价模型构建

3.1 熵权-TOPSIS模型简介

在信息论中，信息熵是度量系统无序程度的指标。熵权法是常用的客观赋权法之一，通过评价指标的信息熵和差异离散系数来计算各指标的权重^［19］。本研究采用熵权法确定北京智慧交通发展各评价指标的权重，以消除主观因素的影响，使指标权重更加客观。通过这种方法，可以更有效地评估北京市智慧交通发展水平。TOPSIS通过定义目标空间中的某一测度来计算目标贴近或偏离正、负理想解的程度^［20］。这一方法可用于全面客观地评估北京市智慧交通发展水平，并能够反映该水平的动态变化和趋势。具体计算步骤如下。

1）构建智慧交通发展水平标准化评价矩阵。对各评价指标数据采用极值法进行标准化处理，消除不同指标间的量纲及数量级差异^［15］。正向指标代表数值越大越好，负向指标代表数值越小越好。标准化矩阵具体公式为

正向指标（V_{ij}^{+}） V_{ij}^{+}=\frac{v_{ij}-\mathrm{m}\mathrm{i}\mathrm{n}(v_{ij})}{\mathrm{m}\mathrm{a}\mathrm{x}(v_{ij})-\mathrm{m}\mathrm{i}\mathrm{n}(v_{ij})}。（1）

负向指标（V_{ij}^{-}） V_{ij}^{-}=\frac{\mathrm{m}\mathrm{a}\mathrm{x}(v_{ij})-v_{ij}}{\mathrm{m}\mathrm{a}\mathrm{x}(v_{ij})-\mathrm{m}\mathrm{i}\mathrm{n}(v_{ij})}。（2）

式中：v_ij 为第i个指标在第j年的初始值；i=1， 2，…，n，n为评价指标数；j=1，2，…，m，m为评价年份数。

2）确定智慧交通发展评价指标权重。熵权法通过考虑指标的信息熵，实现对指标不确定性和信息量的充分考虑^［19］，熵权（w_i）计算公式为

w_i=\frac{\mathrm{1}-H_i}{m-{\displaystyle \sum _{i=\mathrm{1}}^n}{H}_i}。（3）

式中： H_i=-\frac{\mathrm{1}}{\mathrm{l}\mathrm{n}n}{\displaystyle \sum _{j=\mathrm{1}}^n}{f}_{ij}ln{f}_{ij}为信息熵（ln=0），f_{ij}=\frac{v_{ij}}{{\displaystyle \sum _{j=\mathrm{1}}^n}{v}_{ij}}为指标的特征比重。

3）基于熵权法构建智慧交通发展TOPSIS评价矩阵。引入加权思想，并采用熵权w_i 构建加权规范化评价矩阵（ Y ）。具体的计算公式为

\mathit{Y}=V_{ij}\times W=\left(\begin{array}{ccc}{y}_{\mathrm{11}}& \dots & y_{\mathrm{1}n}\\ ⋮& \ddots & ⋮\\ y_{m\mathrm{1}}& \cdots & y_{mn}\end{array}\right)。（4）

式中：V_ij 为第i个指标在第j年的标准化值；y_ij为第i个指标在第j年的标准化值与标准化的乘积；W为各指标权重。

4）确定智慧交通发展评价指标正、负理想解。maxY_ij 表示第i个指标在j年的最大值，将其设定为正理想解Y^{+}；minY_ij 表示第i个指标在第j年的最小值，将其设定为负理想解Y^{-}。表达式为

\left\{\begin{array}{l}{Y}^{+}=\left\{\mathrm{m}\mathrm{a}\mathrm{x}{Y}_{ij}|i=\mathrm{1,2},\cdots ,m\right\}=\left\{Y_{\mathrm{1}}^{+},Y_{\mathrm{2}}^{+},\cdots Y_m^{+}\right\}\\ Y^{-}=\left\{\mathrm{m}\mathrm{i}\mathrm{n}{Y}_{ij}|i=\mathrm{1,2},\cdots ,m\right\}=\left\{Y_{\mathrm{1}}^{-},Y_{\mathrm{2}}^{-},\cdots Y_m^{-}\right\}\end{array}\right.。（5）

式中：Y_ij 为加权决策评价矩阵 Y 中第i个指标在第j年的值；Y^{+}、Y^{-}分别为第i个指标的正理想解和负理想解。

5）计算不同年份智慧交通发展评价指标到正负理想解的距离，分别用为D_j^{+}和D_j^{-}表示

正理想解 D_j^{+}=\sqrt[]{{\displaystyle \sum _{i=\mathrm{1}}^m}(y_i^{+}-y_{ij}{)}^{\mathrm{2}}}。（6）

负理想解 D_j^{-}=\sqrt[]{{\displaystyle \sum _{i=\mathrm{1}}^n}(y_i^{-}-y_{ij}{)}^{\mathrm{2}}}。（7）

式中：D_j^{+}的值越小越接近正理想解；D_j^{-}的值越小越接近负理想解。

6）计算不同年份智慧交通发展水平与理想解的相对贴近度（T_j ），即智慧交通发展综合评价指数，表达式为

T_j=\frac{D_j^{-}}{D_j^{+}+D_j^{-}}。（8）

式中：T_j\in [\mathrm{0,1}]，其数值越大，表示第j年的智慧交通发展水平越接近理想解，交通系统智慧化程度就越高。

3.2 评价标准

依据北京市各年份智慧交通发展综合评价指数T_j （T_j ∈［0，1］）的计算结果，结合北京市智慧交通发展实际情况，同时参考现有研究对城市智慧交通发展程度的等级划分^{［4，12，17］}，本研究将北京市智慧发展水平分划为5个等级，见表3，由此反映北京市智慧交通发展水平的动态特征及差异。

3.3 障碍度模型

本研究引入障碍度模型，识别影响北京市智慧交通发展的主要因素^［17］。假设用O_ij 表示第i个指标对第j年智慧交通发展的障碍度，用W_i 表示影响智慧交通发展的第i个指标的权重，U_i 表示各准则层对智慧交通发展的障碍度。具体计算公式分别为

O_{ij}=\frac{(\mathrm{1}-V_{ij})\times W_i\times \mathrm{100}\mathrm{\%}}{{\displaystyle \sum _{i=\mathrm{1}}^m}(\mathrm{1}-V_{ij})\times W_i}。（9）

U_i=\sum O_{ij}。（10）

4 实证分析及对策建议

4.1 北京市智慧交通发展水平分析

根据北京市人均GDP、汽车保有量和能源消耗量等基础数据，结合表1指标计算方法，计算得到指标层中29个指标各年份初始值，运用式（1）和式（2））对指标进行标准化处理得到标准化矩阵；然后运用熵权法（式（3））确定各指标的权重；最后利用TOPSIS模型（式（4）—式（8））计算出2013—2022年北京市智慧交通系统发展水平与理想解的相对贴近度，即北京市智慧交通发展综合评价指数，如图2所示。

由图2可知，在2013—2022年，北京市智慧交通发展综合评价指数由2013年的0.404 5上升至2022年的0.570 9，呈显著上升态势，这表明北京市在智慧交通领域取得了较大的进步和发展。总体而言，北京市在2013—2022年的智慧交通发展经历了初始阶段、加速阶段、持续发展阶段3个阶段，如图3所示。

2013—2016年为初始阶段。随着我国城镇化的快速推进，交通运输面临着严重的问题，包括拥堵、污染和频发的交通事故，这给城市交通带来了巨大的挑战。然而，由于人们对“智慧”概念的理解尚未深入，相应的基础设施尚未完善，导致在这一时期智慧交通的发展相对滞后。

2016—2019年为加速阶段。2017年，国务院发布了《智慧交通发展行动计划（2017—2020年）》，全面系统地阐述了我国智慧交通建设的理念、目标和任务。在多次专题讨论和政策扶持下，北京市明确了未来的发展方向，并专注于推动交通基础设施的智慧化升级。通过车联网、大数据分析等智能技术的升级，极大地提升了城市的智慧化水平。

2019年至今，北京市智慧交通进入持续发展阶段。2019年，交通运输部门充分利用大数据、人工智能和5G等新技术机遇，制定行动方案以提升基础能力、运能管理和出行服务。尽管新冠疫情影响了交通基础设施建设投融资，导致2020年底智慧交通评价值下滑，但2021年政府通过强化管理和提升绿色出行意识，继续推进智慧交通基础设施建设，逐渐提升综合水平。截至2022年，北京市智慧交通发展水平达到0.570 9，接近较高水平。

北京市智慧交通系统在过去的十年中并没有持续稳定地提高，其发展程度存在波动。因此，对于北京市智慧交通发展现状不宜盲目乐观，仍需持续进行智慧交通的构建和管理的不断完善。通过等分法和进度分级标准，目前北京市智慧交通仍处于一般水平，迫切需要及时调整制约因素，以制定相应的对策。

4.2 不同层次下北京市智慧交通发展水平分析

我国城市交通发展受经济、社会和资源等因素的长期影响，但也伴随能源消耗、交通事故等问题，为我国交通发展带来了巨大压力。在驱动力和压力的协同作用下，交通系统呈现智慧化状态，并在经济社会中得到体现，促使人类做出改变。考虑到驱动力、压力和状态的不断变化，需要制定政策来改善交通环境，推动交通系统与自然环境、人类社会的良性互动耦合。依据驱动力、压力、状态、影响和响应5个准则层下对应的指标数值及权重，分别计算智慧交通发展各子系统的指标加权值，结合TOPSIS模型的相关计算式（4）—式（8）得出2013—2022年各子系统的相对贴近度，即北京市智慧交通发展各子系统指数，见表4。

1）智慧交通发展的驱动力。2013—2015年，驱动力子系统指数呈下降趋势，主要由于在此期间北京市发展迅速，人口不断增长，汽车保有量持续增加，导致北京市交通运行压力增大。2016—2019年，驱动力指数显著增长，从0.399 7增至0.712 7，得益于人民生活水平、人均GDP和居民人均可支配收入的增长。同时，交通运输行业总产值也从670.6亿元增至1 010.8亿元。然而，2020年起，驱动力指数明显下降，主要原因是受到疫情影响，导致交通运输行业遭受冲击，总产值急剧下跌，城市年客运及货运运输量也显著减少。综上所述，尽管驱动力指数呈现波动态势，但随着经济和社会的发展，其积极的推动效应不断加强，同时也凸显出智慧交通发展对经济环境的高度依赖。

2）智慧交通发展的压力。研究期内，压力子系统指数呈波动上升态势。2015—2017年压力指数明显下降，这是由于随着城市人口密度增加，人均出行时耗上升，对出行效率和质量的需求增高，从而导致出行压力大于供给水平。2018年起，压力指数大幅上升，得益于交管局对道路交通检测系统的升级和公交集团便民服务系统的完善。作为全国能源消耗重点城市，北京市单位GDP能耗逐年下降，这表明发展智慧交通有助于提升能源利用效率，减少了对资源的依赖，同时也减少了对环境的负面影响。

3）智慧交通发展的状态。2013—2020年，状态子系统指数呈现上升趋势，但均低于0.4，总体而言，这一阶段北京市智慧交通发展稳定，但发展水平一般，主要原因可能是在此期间智慧交通的技术和业务融合不充分，缺少新技术场景应用，因此造成指标变化不大。从2021年开始，状态指数明显上涨，2022年已超过0.6，表明北京市智慧交通已提升至较高水平，这归因于北京市交通委员会制定并落实了《北京市智慧交通建设2021—2022年工作方案》，使得城市交通系统智慧基础设施以及信息一体化状态都得到提升，实现了智慧化升级改造，加强了数字技术在交通协同治理中的作用。

4）智慧交通发展的影响。研究期内，影响子系统指数总体呈波动上升态势，得益于城镇居民在交通和通信工具的人均消费支出逐年增加，反映出支付能力的提高，有利于交通运输行业发展。产业结构转型导致第三产业占GDP比重上升，提升了城市竞争力。自2013年以来，北京市交通运输部门实施“排堵保畅”工程，有效降低了高峰时段道路交通拥堵，提升市民出行幸福感。总体来看，影响层指数上升，对北京市智慧交通发展具有一定的推动意义。

5）智慧交通发展的响应。研究期内，响应子系统指数呈现先上升后下降的趋势。2013—2019年，响应指数稳步增长，这得益于北京市交通运输部门全面贯彻《北京市“十二五”时期交通发展建设规划》，实施排堵保畅计划和便民措施，从而提升了公共交通出行比例。公共汽电车数量和人均城市道路面积也从2013年的12.8标台/万人、7.61 m²/人分别增加到2019年的17.41标台/万人、7.68 m²/人。在“十三五”时期，交通运输行业固定资产投资增长41.36%，达到4 187.3亿元。然而，2020年起，响应指数有所下降，主要由于受到疫情影响，交通固定资产投资收紧，但公共交通投资始终保持高位，强调对绿色出行的关注。北京市需继续应对交通行业需求，推动绿色低碳转型，为智慧交通系统建设提供动力。

4.3 北京市智慧交通发展的障碍因子识别

根据指标层中29个指标数值，利用式（1）—式（3）计算单项指标标准值及权重，再利用障碍度模型（式（9））计算得到2013—2022年影响北京市智慧交通发展的障碍度，选择排名前5位的指标作为主要障碍因子，见表5。

由表5可知，主要障碍因子可以从2个阶段进行分析。

1）2013—2018年，主要障碍因子为路口电子警察安装数（X₁₆）、高峰时段市民平均出行时耗（X₁₂）、人口密度（X₃）、城市年货运运输量（X₇）和人均城市道路面积（X₂₇）；其次人均国内生产总值（X₁）、恩格尔系数（X₄）、人均可支配收入（X₅）、高峰时段道路交通拥堵指数（X₂₂）。这些数据表明北京市交通基础设施相对滞后，城市居民的交通出行效率亟待提升，城市交通承载能力压力较大。例如，2013年全国人均城市道路面积为14.87 m²，而北京市人均城市道路面积仅为7.61 m²，且在2013—2018年期间，该指标呈下降趋势，中心城区交通拥堵情况十分突出。同时，城市年货运运输量逐年下降，反映出北京市交通运输业服务水平不足，亟须采取措施促进交通运输系统的发展和服务水平提升。

2）2019—2022年，随着智慧交通发展规划的不断完善，陆地交通成为规划重点。人口密度（X₃）、交通运输网络建设密度（X₁₅）成为主要障碍因子，这表明人口增长仍会对交通系统的运行产生影响。因此，城市需要建立完善的路网运行管理和应急处置系统，以提升交通运输能力和公交服务。此外，路段电子警察安装数（X₁₆）、汽车社会公共停车泊位数（X₂₉）等因素仍会对智慧交通建设产生一定影响。北京市作为全国交通枢纽，需要加快基础设施建设，提高交通运输能力，并优化交通出行结构，加速智慧交通建设，以提升整体交通效率和居民出行体验。

在分析单项指标障碍度的基础上，利用式（10）进一步分析得到各准则层障碍度的动态变化，如图4所示。总体而言，压力、状态及影响的障碍度呈下降趋势，而驱动力和响应则呈波动上升趋势，而各子系统的障碍度变化存在明显差异。随着人口密度、人均收入和城市化水平的提高，驱动力的障碍程度不断增加。同时，加强智慧交通基础设施和信息一体化建设，以及提升城市交通承载能力，有助于缓解城市交通的资源压力、安全压力和出行压力，减少城市生活和噪声影响，对第三产业结构也产生积极影响。尽管取得了一些进展，但北京市政府仍需加大对城市交通系统的建设投资和规划政策，加快建设智慧交通建设。因此，为推进城市智慧交通的发展，需重点优化和调整驱动力和响应，同时兼顾压力、状态和影响，以实现城市智慧交通系统的综合发展目标。

4.4 对策建议

综上所述，北京市智慧交通建设工作成效显著，同时也应注意到交通行业正处于转型发展的关键时期存在很多发展薄弱环节：一是智慧交通对经济环境存在依赖性；二是智慧交通缺少新技术场景应用；三是交通供给难以覆盖出行需求；四是交通出行结构需向绿色低碳转型。针对这些问题做出如下建议。

1）提高智慧交通自身造血能力。减少对经济环境的依赖，是保障行业稳健发展的关键。建设城市交通“超级大脑”是提高北京市智慧交通自身造血能力的关键手段，也是道路交通智能化和信息化融合的必然结果。由于信息孤岛现象突出，北京市交通大脑发展目前仍处于初级阶段。因此，需要从政府管理、企业运营和社会服务3个层级提升交通大脑智能程度和共性支撑能力。

2）推动智慧交通场景应用创新。利用智慧交通基础设施和智慧交通云脑能力，从“企业运营、社会出行、交通治理”3个方面推进不同领域的智慧交通应用场景建设，实现政府监管、企业运营和市民服务的集成和优化，提高智慧交通建设水平。

3）提升智慧交通供给侧水平。可以从以下3个方面着手：首先，引入预约出行系统，提高供给效率和精准度，减少市民等待时间，实现交通系统供需平衡；其次，采取政企合作模式，强化对北京交通绿色出行一体化服务平台（MaaS平台）的建设，实现对多种出行方式的一体化规划，同时提供实时公交、地铁客流拥挤度等动态信息服务；最后，构建车路协同系统，确保交通安全并提升通行效率。

4）优化交通出行结构。持续提升地面公交的吸引力，着力推动民众出行结构的调整，降低对小汽车的依赖，实现出行结构向更为绿色的方式转变。这一转变将使公共交通发挥重要作用，不仅改善交通运行状况，还推动能源的有效利用、减少排放，实现交通的可持续发展。

5 结论

为综合考虑人类活动和社会发展对交通系统的影响，揭示人类行为及其在交通环境下的影响对社会的反馈，本研究以北京市为研究区域，基于DPSIR模型构建了北京市智慧交通发展评价指标体系，通过熵权-TOPSIS模型计算2013—2022年北京市智慧交通发展综合评价指数，量化了北京市智慧交通发展水平的动态变化。最后，基于障碍度模型识别了影响北京市智慧交通发展的主要障碍因子，为北京市智慧交通规划与发展提供重要参考。本研究主要研究结论如下。

1）综合评价结果显示，2013—2022年，北京市智慧交通发展水平呈现整体改善趋势（智慧交通综合发展指数从0.404 5增至0.570 9）。研究结果表明，城镇化进程、政府支持以及新技术应用对不同时期的智慧交通发展起到了较为积极的作用。尽管如此，智慧程度仍处于一般水平，表明北京市智慧交通发展还存在较大提升空间。

2）从各子系统来看，驱动力和响应子系统的发展程度整体呈下降趋势；而压力、状态和影响子系统的发展程度整体呈上升趋势，在“一般”和“较高”状态附近波动。

3）对于障碍因素，驱动力系统中的人口密度一直是影响北京市智慧交通发展的关键因素；压力系统中市民平均出行时耗对智慧交通发展也产生了重要影响；交通拥堵问题日益突出，导致状态系统中交通运输网络建设密度和路段电子警察安装数对智慧交通影响程度增大；响应系统中人均城市道路面积成为智慧交通发展的限制因素。这表明人类应该对交通系统进行更合理的规划。

参考文献

[1] ZHAO C， WANG K， DONG X，et al.Is smart transportation associated with reduced carbon emissions？The case of China［J］.Energy Economics，2022，105：105715.

[2] WEI X， SHEN L， LI J，et al.An alternative method for assessing urban transportation carrying capacity［J］.Ecological Indicators，2022，142：109299.

[3] 刘艳锐，姚迪，李金培.中国智慧交通的内涵、发展目标与建设思路［J］.现代管理科学，2018（12）：118-120.

[4] LIU Y R， YAO D， LI J P.The connotation，development goals and construction ideas of China's intelligent transportation［J］.Modern Management Science，2018（12）：118-120.

[5] 史盼.西安市智慧交通建设评价研究［D］.西安：长安大学，2020.

[6] SHI P.Research on evaluation of intelligent transportation construction in Xi'an［D］.Xi'an：Chang'an University，2020.

[7] WAQAR A， ALSHEHRI A H， ALANAZI F，et al.Evaluation of challenges to the adoption of intelligent transportation system for urban smart mobility［J］.Research in Transportation Business & Management，2023，51：101060.

[8] 岳萍.智能交通在城市道路中的运用［J］.建筑科学，2022，38（9）：190.

[9] YUE P.The application of intelligent transportation in urban roads［J］.Building Science，2022，38（9）：190.

[10] 陆化普.智能交通系统主要技术的发展［J］.科技导报，2019，37（6）：27-35.

[11] LU H P.Progress of intelligent transportation system key technologies［J］.Science & Technology Review，2019，37（6）：27-35.

[12] 黄金.ASD理论视角下淮安市推行智慧交通建设的动力研究［D］.上海：华东政法大学，2021.

[13] HUANG J.Study on the motivation of Huai'an city to promote smart transportation construction from the perspective of ASD theory［D］.Shanghai： East China University of Political Science and Law，2021.

[14] HAO L， CHENG Y X， LIU D J，et al.Spatial-temporal evolution analysis of the impact of smart transportation policies on urban carbon emissions［J］.Sustainable Cities and Society，2024，101（4）：105177.

[15] DUAN R.A comparative study on ITS（intelligent transport system） standardization policies in the U.S.and Europe［J］.Heliyon，2023，9（1）：e21310.

[16] DEVECI M， MISHRA A R， RANI P，et al.Evaluation of intelligent transportation system implementation alternatives in metaverse using a Fermatean fuzzy distance measure-based OCRA model［J］.Information Sciences，2024，657：120008.

[17] 陈池.区域智慧交通发展水平评价研究——以长三角地区为例［D］.南京：南京大学，2020.

[18] CHEN C.Research on evaluation of development level of regional smart transportation-Take the Yangtze River delta area as an example［D］.Nanjing：Nanjing University，2020.

[19] 金雷，王银银，傅惠，基于模糊层次分析法的机场陆侧智慧交通系统感知水平评价［J］.科学技术与工程，2022，22（8）：365-3372.

[20] JIN L， WANG Y Y， FU H，et al.Perception level evaluation of airport land-side intelligent traffic system based on fuzzy analytic hierarchy process［J］.Science Technology and Engineering，2022，22（8）：3365-3372.

[21] 郑健壮，张嘉旎.基于AHP-模糊综合评价的高速公路智慧化提升改造项目后评价研究［J］.建筑经济，2023，44（S1）：214-219.

[22] ZHENG J Z， ZHANG J N.Research on the post-evaluation of intelligent expressway improvement and renovation project based on AHP-fuzzy comprehensive evaluation［J］.Construction Economy，2023，44（S1）：214-219.

[23] 刘珊珊，吴文婕，王志强.基于DPSIR-TOPSIS模型的乌鲁木齐市绿色发展水平测度及其影响因素［J］.地球科学与环境学报，2023，45（4）：857-868.

[24] LIU S S， WU W J， WANG Z Q.Calculation on green development level of Urumqi in Xinjiang，China based on DPSIR-TOPSIS model and its influencing factors［J］.Journal of Earth Sciences and Environment，2023，45（4）：857-868.

[25] 赵翔，贺桂珍.基于CiteSpace的驱动力-压力-状态-影响-响应分析框架研究进展［J］.生态学报，2021，41（16）：6692-6705.

[26] ZHAO X， HE G Z.Research progress of driving force-pressure-state-impact-response analysis framework based on CiteSpace［J］.Acta Ecologica Sinica，2021，41（16）：6692-6705.

[27] 周雅欣，王建伟，高洁，基于DPSIR的低碳交通发展评价及障碍因子分析——以北京市为例［J］.生态经济，2020，36（4）：13-18.

[28] ZHOU Y X， WANG J W， GAO J，et al.Evaluation and obstacle factor diagnoses of low carbon transport development based on DPSIR：A case study of Beijing［J］.Ecological Economy，2020，36（4）：13-18.

[29] 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.

[30] JIN D， DONG X.Research on evaluation of urban green transportation development based on DPSIR model［J］.Ecological Economy，2018，34（5）：79-85.

[31] 杜书栋，关亚楠，李欣，基于熵权法改进的综合污染指数的水质评价——以白云湖为例［J］.环境科学学报，2022，42（1）：205-212.

[32] DU S D， GUAN Y N， LI X，et al.Water quality evaluation with improved comprehensive pollution index based on entropy weight method：A case study of Baiyun lake［J］.Acta Scientiae Circumstantiae，2022，42（1）：205-212.

[33] 傅聪颖，赖昭豪，郭熙.基于熵权TOPSIS模型的区域资源环境承载力评价及障碍因素诊断［J］.生态经济，2020，36（1）：198-204.

[34] FU C Y， LAI Z H， GUO X.Evaluation of regional resource and environment carrying capacity based on the entropy-weight TOPSIS model and the obstacle factors diagnosis［J］.Ecological Economy，2020，36（1）：198-204.

基金资助

中央高校基本科研业务费专项资金资助(2572023AW76)

黑龙江省自然科学基金项目(YQ2020G001)

黑龙江省博士后科研启动金项目(LBH-Q21054)