導言：作為寫作愛好者，不可錯過為您精心挑選的10篇綠色交通數據分析，它們將為您的寫作提供全新的視角，我們衷心期待您的閱讀，并希望這些內容能為您提供靈感和參考。

篇1

一、前言

信息管理系統在高速公路交通數據分析中發揮著重要的作用，它不僅減輕了人工數據統計的體力支出和成本支出，同時也能夠較好的適應高速公路運營的出現的新情況和新問題，并能夠利用統計分析的原理加以剖析，為高速公路建設和管理的科學化提供良好的借鑒性意義，以更好保證高速公路運營的正常性，創造更多的企業效益，為經濟社會的發展提供較為穩定的基礎設施。信息管理系統廣泛應用于高速公路交通數據分析過程中，并且在高速公路交通數據分析過程中發揮著越來越重要的作用已成為一項不爭的事實，各國都注重了信息管理系統在高速公路交通數據分析中的作用，采取多種方式加以研究，力求發揮信息管理系統在高速公路交通數據分析中作用的最大化。

二、信息管理系統

作為信息管理系統是一種操縱和管理數據庫的大型軟件，用于建立、使用和維護數據庫。用戶通過訪問數據庫中的數據，數據庫管理員也進行數據庫的維護工作。它可使多個應用程序和用戶用不同的方法在同時或不同時刻去建立，修改和詢問數據庫。數據管理系統的應用增強了系統的靈活性，加快了數據分析的速度，從而更好的實現數據分享，將數據分析結果應用于政策制定和實施，從而有效的增強了政策的科學性。

三、將信息管理系統應用于高速公路交通數據分析中的意義

（一）經濟社會發展的迫切需要

伴隨著我國經濟社會的快速發展，交通運輸業也需要緊跟經濟社會發展的步伐，而高速公路的建設和發展對于交通運輸業的發展具有極其重要的意義。將信息管理系統應用于高速公路交通數據分析過程中，綜合我國經濟發展態勢和各地區的經濟發展現狀能夠更好地規劃和設計交通運輸方式，從而更好地推動經濟社會的可持續發展。

（二）高速公路管理科學化的要求

高速公路交通系統中數據分析是重要的基礎性工作。它體現公路交通系統的業務情況以及車流構成、流量、流向等特征，可以為高速公路事業的規劃、建設和管理提供科學依據。隨著我國公路收費系統步入了計算機聯網收費階段，利用高速公路信息管理系統進行高速公路的交通數據分析成為重要手段。高速公路信息管理系統從最初方案設計開始，就充分考慮整個系統的整體性和擴充性，并對高速公路信息管理系統進行合理劃分，從而更好地實現高速公路聯網收費和統一管理，做到路網內行駛一卡通和按路段合理結算，以提高高速公路管理的科學化水平。

四、廣西高速公路信息化系統建設概況

廣西高速公路收費系統是為了滿足對高速公路收費統計查詢以及分配的需要，結合現有的管理機制而分析和設計的，可分為收費管理與清分二個部分。收費管理的目的是通過利用計算機網絡和相應的軟件，并與通訊、監控系統相配合來大幅度提高收費效率以及提高財務核算的安全性和自動化程度，降低工作人員的工作強度。同時最大限度地防止各種營私舞弊現象，提高工作效率，為管理決策層提供各種相關信息。目前高速公路的管理體制，自上向下分為四層的行政管理結構，即聯網清分總中心―收費中心―收費分中心―收費站。

收費站是收費的基層單位。收費車道的原始數據匯總到收費站，收費站監控員進行當班數據的匯總，統計核對收費數據。收費站站務員對收費數據復核，并進行必要的數據糾錯，提供本收費站正確完整的匯總數據。同時收費站的原始數據實時通過TCP/IP協議上傳總中心，匯總數據在站務員輸入的同時也上傳總中心。所以，收費站一級是總中心收費數據的基礎。分中心和中心本地不保存收費數據，它訪問收費站獲得它要的數據。總中心的數據統計、數據查詢和清分是依據收費站上傳的數據。

五、從具體數據看信息管理系統在高速公路交通數據分析中的應用

（一）車流流量統計與分析應用

車流流量統計與分析應用是信息管理系統在高速公路交通數據分析中的一個方面，通過信息管理系統，我們能夠實現對高速公路車流流量統計與分析。下表為某城市路段高峰車流量分析表，見表1：

通過以上分析，我們能夠明確的看出個收費站在高峰和低峰期車流量，及各個時間段的變化和平均小時流量的變化，并根據相關數據合理安排各收費站的工作人員情況，更好的確保交通的暢通性。

（二）車流流向統計與分析應用

車流流量統計與分析應用是信息管理系統在高速公路交通數據分析中的另一個方面，下表是某城市途經A路段的綠色通道車輛流向統計表，見下表：

路段 其他路段站碼 入口車輛數 出口車輛數 合計

A路段

101 108 10782 10890

105 754 137 891

206 43 59 102

501 202 42 244

705 1158 47 1205

803 3330 11520 14850

821 77 933 1010

909 1490 3596 5086

921 2590 3352 5942

999 359 1770 2129

從表格中我們可以清楚掌握途經A路段的綠色通道車輛在全區部分路網中分布和走向情況，為高速公路管理者更清晰地認識高速公路通行費減免情況，并提供精確數據以合理決策。

（三）路段綜合信息車流量統計分析和應用

路段綜合信息車流量統計分析和應用是信息管理系統在高速公路交通數據分析中的又一個方面。下表為兩段高速A、B年度車流量綜合統計分析表：

分析項目 A 路段 B路段 AB高速合計

路段內收費站數量 5 6 11

里程（公里） 72 116 188

拆分所得通行費 16805萬 20854萬 37659萬

收取路段通行費 4693萬 14420萬 19113萬

每公里路段發生的通行費 233萬 180萬 200萬

路段內收費站出入口車流量 1639616 3576253 5215869

日均斷面車流量 5911 8009 6955

通過以上分析，我們得出了兩路段的綜合信息車流量統計分析，透過數據，我們能夠了解到路段通行費，從而實現更好的費用管理。

六、小結

信息管理系統在高速公路交通數據分析中發揮著重要的作用，高速公路交通數據分析是一個較為復雜的過程，以上只是將車流量進行了簡單的統計，交通數據分析還要對通行費、通行卡進行綜合統計。單方面通過某一種交通數據是無法的得出正確的交通數據分析結果，只有通過上述方式將多重數據綜合進行分析，才能得出所需要的結論，為高速公路的管理者和決策者提供正確的分析依據，促進我國交通運輸事業和經濟社會的快速發展。

參考文獻：

篇2

1概述

交通運輸是國家節能減排和應對氣候變化的重點領域之一。加快發展綠色交通，是建設生態文明的基本要求，是轉變交通運輸發展方式的重要途徑，也是實現交通運輸與資源環境和諧發展的應有之義。車輛能耗監測工作是交通運輸行業節能減排工作的重要關注內容。

2問題根源分析

第一，貨運市場多小散弱：截止2014年底，全行業共757.6萬家企業，其中個體696萬家，占比為92%，企業的平均車輛數為1.8輛/家。貨運行業多、小、散、弱，使得通過統計報表獲取車輛運營信息的難度較大。

第二，統計技術手段落后：現有的統計工作依托人工填寫統計報表獲取統計數據，技術手段落后。

第三，統計指標存在弊端：目前統計指標設計弊端增加了統計工作難度，降低了統計數據的真實性，影響被調查對象的配合意愿。

第四，工作模式亟待改進：傳統統計工作模式延續計劃經濟體制的工作方式，依賴于政府對企業和車輛強有力的約束與管理。

3功能需求分析

3.1管理部門需求

（1）獲取公路貨運行業分運輸類型、經營方式、貨車種類等方面的能源及運量結構指標，進行全國公路貨運能耗及運量統計推算。

（2）依據能耗監測指標對重點用能單位的節能減排工作進行綜合考核。

（3）推進貨運源頭超限超載治理工作，加大對非法超限運輸車輛、駕駛人和企業跟蹤監測力度。

3.2從業企業需求

（1）獲取所屬營運車輛、從業人員的基礎信息，對企業從業人員及車輛進行規范化管理。

（2）獲取車輛月度、季度、年度的百公里單耗及貨運周轉量，根據單耗及貨運周轉量進行員工績效考核。

（3）獲取車輛動態信息（位置信息、油耗及載荷信息等），杜絕偷油漏油、偷貨換貨的情況發生，監測車輛油量異常監測、超速報警、疲勞駕駛等情況，消除安全隱患、維護企業良好形象。

（4）根據位置信息及載荷信息，科學規劃運輸路線，合理調度車輛和配置資源，減少重復運輸和迂回運輸，降低貨車返程空載率，提高車輛利用效率。

3.3從業人員需求

（1）獲取車輛基本運行狀況，為車輛的日常檢修維護提供故障診斷基礎。

（2）實時獲取車輛的載重信息，預防裝貨時超限超載，保障行車安全。

4總體架構及總體布局

車輛能耗監測平臺體系結構充分考慮系統運行穩定性、可擴展性、易維護性、操作簡便等方面的要求，采用分層設計思路，總體框架包括“六大層次”和“三大體系”，見圖4 1所示。

根據項目建設目標和建設任務，交通運輸能耗統計監測平臺的總體布局如圖4 2所示。

5系統設計方案

車輛能耗統計監測平臺包括：業務管理子系統、數據管理子系統、大數據分析子系統和系統管理子系統四部分內容。系統主要功能模塊如圖5-1所示。

（1）數據管理子系統：實現數據交換及入庫（靜態數據交換、動態數據交換）、數據預處理（入庫前預處理、分析前預處理）、數據報警及修復（數據報警、數據預警）；

（2）業務管理子系統：實現車輛監控（動態數據查詢、油耗曲線圖、載荷曲線圖）、地圖服務（地圖展示、車輛定位、軌跡回放）、單車分析（單車油耗、單車里程、單車運量）。

（3）大數據分析子系統：統計報表、簡單查詢、高級查詢。

（4）系統管理子系統：用戶權限管理、平臺參數管理、基礎信息管理、業務日志管理、設備分配。

6數據資源規劃

根據車輛能耗監測統計平臺定位，車輛能耗統計監測數據庫劃分為：基礎數據子庫、業務數據子庫、管理數據子庫、綜合分析數據子庫四個數據子庫。

基礎數據子庫主要包括：設備信息數據等。

業務數據子庫主要包括：車輛基本數據、車輛動態數據、經濟核算數據、綜合分析數據、預警信息數據等。

管理數據子庫主要包括：用戶信息數據、日志信息數據等。

綜合分析子庫主要包含：單車日耗油量匯總數據、單車日加油量數據、月度、季度、年度等匯總數據。

篇3

中圖分類號：F762 文獻標志碼：A 文章編號：1674-9324（2016）34-0063-02

近年來，隨著農業現代化不斷發展，讓農民尤其山區農民跟進信息化建設的進程，促進農民增產增收，共同分享現代化成果。隨著生活水平不斷提升和營養觀念不斷更新，越來越多的消費者提倡綠色消費，所謂“綠色消費”，是指消費者意識到環境惡化影響其生活方式，要求企業生產、銷售對環境影響最小的綠色產品，以減少危害環境的消費。像我國這樣一個農業大國，要想發展農業，需要不斷提升信息化水平。現如今，人們對山區綠色農產品的需求量不斷提高，然而由于交通不便，信息相對閉塞的山區，辛辛苦苦豐收的生鮮農產品滯銷現象頻發，農民“豐產”卻難“豐收”現象，農產品供大于求、價格波動、產銷信息不對稱現象層出不窮，要想改變這一現狀我們必須充分發揮互聯網大數據優勢，實現農產品生產、銷售、流通途徑的改善。

一、河北省邯鄲涉縣山區綠色農產品現狀

涉縣位于太行山東麓、河北省西南部、晉冀豫三省交界處，隸屬河北省邯鄲市，是晉冀魯豫邊區政府、八路軍一二九師司令部、華北新華廣播電臺、新華日報社等110多個黨政機關單位長期駐扎的革命老區，也是全國100個紅色經典景區、全國首批國防教育基地之一。涉縣被命名為中國核桃之鄉、中國花椒之鄉。由于特殊的山區環境的影響，核桃、花椒、柿餅、小雜糧、品種多樣的農家干菜、笨雞蛋和經過加工的核桃油、花椒油等綠色農產品越來越受廣大消費者的青睞，并不斷出口韓國、澳大利亞、荷蘭、英國等國家和地區，但是由于缺乏統一的生產、經營、銷售一條龍的管理和精準的決策，產品的質量不能有效提高，消費者所需的品種和產品數量不能均衡，對消費者市場不能準確分析，因此，大部分山區農民的產品滯留家中，并未有效地提高生活水平。這就要求我們改變傳統的樣本推斷總體方法，采用現代信息技術直接面對山區農業客體的全部數據，集成各方面的原始數據，反映事物的全貌，通過數據的采集、數據預處理、數據存儲、數據處理、數據分析和挖掘以及可視化分析，利用Hadoop大數據平臺，給出山區農產品的生產、經營、銷售和預警系統的精準決策。

二、大數據推動山區綠色農產品監測預警全面變革

農業數據主要集中在農業環境與資源、農業生產、農業市場、農產品營銷和農業管理等領域，山區農產品的1畝山田在一年產生的數據平均約為15G（環境和土壤類傳感器檢測每10min采集一次數據、市場監測數據、銷售信息、市場反饋信息、統計監測及農情視頻數據等），大數據智能分析技術將全面揭示信息流的流量、流向，并對農產品全產業鏈的過程進行模擬，針對關鍵節點進行分析，最終實現動態預警和精準調控。其形成的信息流貫穿于農產品生產、流通、消費各個環節。主要體現在以下幾點。

1.監測和分析的內容更加細化。我們不但要抓大，抓住主打綠色產品核桃、花椒、柿子等大宗山區農產品，也不能放小，小雜糧、酸棗、農家干菜、笨雞蛋等小宗產品也不容忽視，防止“過山車”似的價格波動，影響市場穩定。

2.數據獲取技術的快捷性。農業物聯網、無線網絡傳輸等技術的應用，推動了監測數據的海量爆發，在山區農作物的生長過程中，基于溫度、光照、濕度、降雨量、土壤養分含量、pH等的傳感器以及植物生長監測儀，能夠實時監測農產品的生長環境狀況。GPS定位技術、射頻識別技術實時監控農產品的流通全程。移動終端可以實時采集農產品的價格信息、消費信息，引導產銷對接，維護市場穩定。

3.增強數據分析智能化。數據的處理和分析是大數據時代的核心能力，個性化推薦算法，智能模型庫、算法庫將成為大數據分析的重要方向。未來大數據與云計算結合將成為重要的趨勢，從凌亂紛繁的數據背后找到山區綠色農產品生產、流通和消費的軌跡。

三、建立大數據環境下山區農產品的營銷數據庫

篇4

目前世界各國正在大力支持物聯網產業的發展，據Gartner預測，到2020年全球所使用的物聯網設備數量將超過200億臺。數百億的設備每天都在產生數據信息，這些海量數據藏著巨大賺錢商機，越來越多的企業開始從數據中洞見未來，尋找提升未來競爭力的最佳途徑。IBM Watson IoT Platform的出現正好為企業提供了一個發掘新商機的絕佳平臺。

智能建筑

讓每一處能耗清晰可見

我們經歷了三次重大的工業革命，從蒸氣機的出現到電燈、發電機的發明，石油能源的利用（內燃機、汽車的發明），人類把能源的利用發揮到極致。然而，化石能源的過度開發和消耗使環境受到嚴重的破壞。

今天，我們正在經歷氣候變暖的影響，由于極地冰川融化導致海平面的上升，地球上無數島嶼面臨消失的危機，降低能耗實現能源利用的智慧管理勢在必行。

建筑是能耗大戶，它和交通、工業并稱為三大高能耗行業，建筑能耗已占到全國總能耗的近40%，發展綠色建筑是必然的選擇。我國正處于城鎮化快速發展期，城鎮和農村住宅有400億多平方米，這些住宅95%都是高耗能的建筑。建筑一旦建成就開始產生能耗，如采暖、空調、照明、廚房設施，洗衣機等都是建筑能耗中的主導部分，通過物聯網平臺對這些設備進行監控，能源消耗一目了然，這對節能減排具有重要意義。

IBM正利用出色的云計算、大數據分析技術為用戶解決能源損耗的問題。Sogeti High Tech使用Bluemix中的IBM Watson IoT Platform 服務構建了一款物聯化智能建筑解決方案，實現了本地傳感器與設備的遠程監控與控制。

通常建筑能耗形式包括電、煤、天然氣以及集中供熱的蒸汽和熱水等，通過傳感器對能耗設備數據進行采集，再經過物聯網網關發送到IBM物聯網平臺，便能生成系統的動態數據供用戶實時監控。

IBM Watson IoT Platform不受時間和地區的限制，用戶可以隨時隨地查看每個大廈和房間的溫度、亮度、噪音以及家電設備的運行情況，用戶還可以通過遠程關斷用電設備，實現智慧遠程管理。IBM Watson IoT提供了一個簡單、安全且可擴展的通信架構，物聯網數據通過MQTT協助進行傳送，保證了數據的安全和快速性。IBM Watson IoT基于開源的Cloud Foundry技術，具有良好的開放性，靈活滿足用戶個性化需求。無論是設備監控還是預測性分析，用戶可以根據自己的需求進行二次設計。

智慧交通大數據

分析預知未來路況

在經濟高度發達的今天，大城市里都遇到交通混亂、擁堵和事故頻繁的難題。通行一公里，塞車半小時！道路擁堵導致運輸效率大幅下降，造成了時間浪費，空氣的污染，使社會發展付出昂貴的代價。交通擁堵問題原因是缺乏一個系統、科學的運營決策；另一方面是城市規劃者沒有充分考慮未來車流量負荷。

解決道路擁堵的有效辦法是實行智慧交通管理，通過數據監測實時交通路況，分析預知未來交通堵塞狀況，合理選擇交通方式、交通路線，避免擁堵，從而減少能源浪費，降低時間成本。IBM Watson是世界最強大的人工智能系統，曾經在智力競賽中打敗過人類，蘋果Siri使用的就是Watson的強大數據處理和分析能力。引入了Watson的IBM物聯網平臺可以通過來自各個路段的監控數據認知分析，然后給出最佳的出行方案。

智能交通的核心內容是通過傳感器和感知終端實時收集動態交通信息，實現道路管理智能化。隨著無人駕駛技術的成熟發展，未來的汽車將越來越智能化，每一臺車都裝滿傳感器，實時感知汽車各個部件的性能好壞，通過車聯網預測周邊車量可能發生的動態路徑，預知路面、天氣等復雜環境的變化，讓駕駛者提前做出應對處理，利用大數據分析能有效減少交通事故和道路擁堵的局面。

IBM已與美國亞利桑那州汽車制造商Local Motors合作推出了自動駕駛巴士，搭載IBM Waston物聯網技術的巴士 Olli能與人類交流，用戶可以用任何語言輸入指令，經過Waston自然語言處理翻譯后，Olli巴士會按照指令將用戶帶到目的地。此外，Olli還能回答乘客提出的“是否到站？”、“到哪里了？”等問題。IBM在物聯網領域投入大力的研發，還不斷推出汽車交通相關的物聯網組件，包括自動駕駛、車聯網密鑰安全技術等。

預測分析

減少工廠設備停機時間

無序的工業生產每天都在產生大量的浪費，設備發生故障停機會給企業造成嚴重損失，如果生產線的突然停機，可能會讓一些企業付出百萬元甚至上億元的代價。如今，世界各地正在推動“機器換人”，未來工廠自動化設備將越來越多，如何防止設備故障，如何提升機器的運轉效率？這是每個工廠都必需考慮的問題。

篇5

0 引言

隨著信息技術網絡化、泛在化、智能化的發展，人機物三元世界開始深度融合。大數據將有力支撐教育、文化、健康、電子商務、制造等產業以及在線服務、社會管理等行業，解決未來信息社會結構下生產力發展的重大瓶頸問題；有助于解決交通出行、醫療衛生、應急搶險、人口教育等各類社會發展問題，大幅提升民生領域的智能化程度和服務水平。如果能有效地篩選和使用大數據，將有效為地方經濟、科學研究、社會治理等方面積極服務。因此加快大數據開發利用，一方面有利于促進產業轉型，提升社會活力、促進經濟增長和提高生產效率，另一方面也有利于攻破體制機制障礙，推進依法行政和促進政府職能轉變，提升國家綜合實力，保障社會安全。

1 構筑湖南省大數據港灣的戰略目標

開展若干面向重點區域與行業的大數據示范應用，建設科學研究、電子政務、智能制造、公共安全、醫療衛生、文化教育、互聯網服務、城市管理、社會公共服務等領域的大數據應用，為湖南省經濟社會發展提供大數據科技支撐保障，加快湖南省大數據分析應用的產業化布局，服務湖南省經濟社會建設，促進經濟結構調整和產業轉型。促進行業融合發展、推動產業轉型升級、助力智慧城市建設。

2 構筑湖南省大數據港灣的戰略措施

通過對大數據發展趨勢的研究，預測大數據對經濟、政府與社會運行所帶來的影響，制定五年或十年的發展規劃，協同政府各部門、各行業主管單位、企事業單位及個人各方面力量出謀劃策、發揮聚合效用，促進可持續共同發展。其戰略重點主要集中在以下幾個方面：

2.1 突破大數據的關鍵技術

建設開放共享的大數據分析平臺，發展大數據條件下的類人視覺和類人思維決策計算模型，突破類人視覺技術，研究基于深度神經網絡的圖像視頻中目標檢測、跟蹤、分類以及行為和事件識別，研制類人視覺傳感器，構建類人智能計算和理解的核心系統，為相關產業提供實時智能服務。突破互聯網、物聯網和廣電網視覺大數據中視覺場景理解、多目標檢測跟蹤、人員身份識別、視頻信息檢索、大范圍安全監控等關鍵技術，面向公共安全等重大需求提供透明時空示范應用。

2.2 加快大數據基礎設施建設

當前，大數據相關的基礎軟硬件設施、分析方法、領域應用及數據生產等方面已經形成了一批企業和技術系統，大數據產業生態系統的雛形已經明確。大數據產業生態系統涵蓋了大數據的獲取、存儲、處理、分析、服務、安全等諸多環節，并逐步與傳統產業結合釋放出巨大的生命力。重點推進信息產業園、軟件園等園區開展大數據基地建設，加快建成湖南數據中心，支持建O金融機構和企業數據中心及嘗試縣級大數據應用服務園區。吸引國內外知名大數據龍頭企業，創新研發平臺，突破大數據關鍵技術，培育新興業態領域。

2.3 重視大數據人才培養

為培養我省大數據技術研發、服務咨詢、市場推廣等應用型人才，應加大鼓勵高校與行業企業、科研院所深度合作，支持大數據企業與高校建立生產性實訓教學基地，建立院士工作站和博士后工作站，協同創新我省與大數據知名專家學者長效科技人才培養機制，為我省大數據產業發展提供人才支撐與智力支持。

2.4 啟動大數據產業試點

面向國計民生重大需求，重點選取教育、健康、公共安全、醫療衛生、金融證券、智能制造、智能交通等具有大數據基礎的領域，集成大數據基礎理論、類腦智能、視覺語音文本大數據分析、多源異構數據融合的研究成果，探索大數據分析應用的創新服務模式，在特定領域發展多源感知網絡（物聯網、互聯網、電信網、廣電網）大數據智能分析的綜合集成系統，建設具有示范引領意義的大數據應用。

2.5 完善大數據立法

在地方立法的權限范圍內，在信息采集、數據處理、敏感數據保護、數據交換標準和規則、個人隱私等方面設立大數據地方性法規和政府規章，確保大數據相關信息安全。加強建立大數據信息安全集中保障體系，開展基于大數據背景下信息安全認證體系建設，針對數據的收集、清先、存儲和運用等環節明確數據安全與保護的規則；明確劃分大數據生態中各不同主體的責任。同時鼓勵和支持企業在電子認證、安全測評、數據加強應急防范、容災備份等數據安全技術方面提供服務。

3 構筑湖南省新型綠色大數據港灣的應注意的問題

大數據為管理者創造了新的機遇和挑戰，在應用大數據推進我省建設的同時，需要特別注意潛在的問題，加強應對策略的研究。

3.1 重視數據的質量

在利用大數據解決具體事務時，要客觀地認識大數據。數據本身有時也是存在缺陷的。有些數據收集時本身就是不正確的，有些數據之間還存在沖突、不一致等現象，因此，在運用這些數據時，“數據噪聲”則此產生，不同程度影響分析和決斷。公共部門或企業管理層在利用這些大數據進行分析時，需要對其收集的數據進行清洗、檢查、篩選，從而保障其運用的數據的質量。

3.2 防止對數據過分依賴

科學預測與決策的有力武器是數據，通過數據分析，從而為實現管理的智能化、增強管理能力及提高管理水平出謀劃策。但是，也應該看到數據不是完全可靠的，過度依賴數據，一方面，會讓我們做很多沒有價值的數據分析；另一方面，也會限制本來應有的靈感和創意。只有讓讓數據真正嵌入到設計與決策中，讓直覺創造的心智能力，情感理解的社交能力，與大數據相結合，切實解決用戶的實際問題，真正做到“用戶洞察”，讓產品或措施體現用戶需求，服務用戶，超出用戶的預期想象。

3.3 加強信息安全機制建設

新技術新業務帶來大數據日見漸長的網絡安全問題，建議與實體經濟安全相結合，進行統籌處理，同時建立關鍵信息安全管理制度，對互聯網平臺的職責劃分予以明確。制定數據安全風險評估機制，不僅關注數據本身，而且關注到數據資源整體的安全性，對特定類型的主體從事相關數據分析設定一定的條件。通過政府提供適當的政策和務支持，創設輕松環境，加強相關的法律法規建設，保護數據透明開放同時保障信息安全。

4 構筑湖南省大數據港灣的預期價值：

隨著商業企業，政府公共事業應用的大量數據，新產業數據大量涌現，湖南新增經濟增長空間，大數據形成新的產業鏈。圍繞上游與下游，必將推動智能終端的應用，促進云計算等行業快速發展。

大數據能有效減少社會經營成本，提高經濟與社會效率。例如在醫衛行業，可以通過大數據的分析避免重復治療、過度治療及減少錯誤治療，提高工作效率，提升治療質量。公共管理領域，利用大數據提高教育部門、就業部門的服務效率，有效推動稅收工作開展，零售業領域，利用大數據改善和提高整體供應鏈和業務流程的效率，提高其經營利潤60%以上。

大數據改變了傳統的商業模式，帶來了準確的營銷。有效提升企業數據資源利用率，提高從數據到信息的轉換率，使業務決策更加準確，提高整體運營效率。

大數據推動政府政務公開，提高公共決策的預見性和準確性。例如通過對社交網絡和手機短信中的信息進行分析，從而對失業率、疾病暴發等進行趨勢預測分析。利用大數據實現政府行政管理方面的運作效率提高，節省開支。

大數據有助于破解社會轉型中的難題。中國經濟已進入轉型期，社會進入矛盾凸顯期，改革進入攻堅期。宏觀經濟形勢錯綜復雜、各種社會改革盤根錯節、頻發等突出問題，僅僅依靠現有的管理手段與方法已明顯落后。有效地組織和使用大數據，將對社會經濟、科學研究、社會治理等產生巨大的推動作用。

篇6

中圖分類號：U231+.3文獻標識碼： A 文章編號：

引言

隨著經濟發展和人口的爆炸式增長，越來越多的工作崗位由于工作內容簡單枯燥，工作量大，容易出錯，人們就開始思考如何能用一種方法來將人從這種痛苦的工作環境中解放出來，于是大量的人工智能就被設計出來了。AFC系統在地鐵大系統中，以其高集成度的AI，同時完成了售票、檢票、財會、統計、審計等以往人類厭煩的工作，通過現代化和智能化方法對數據進行采集和分析實現了票務管理的高度自動化。隨著電子技術和信息技術的高速發展，一卡通、電子錢包等支付手段愈加得到普及。社會需求與日俱增，AFC系統的工作壓力也隨之增長，同時，人們的生活節奏也比以往更快，人們更加關注生活的質量，因此作為公共交通的一個重要環節，AFC系統亟待完善，從而更好地服務大眾。

問題分析

雖然AFC以高度的人工智能取代了人工，但很多單位只想到盈利，只想著如何提高效率，降低能耗，降低成本，增加客流，卻忽視了很多與市民息息相關的問題，并沒有考察乘客的需求，沒有從根本上去分析問題，因此就無法從本質上解決旅客增多和旅客要求提升的矛盾。同時還有很多其他問題，比如生硬的售票形象讓乘客厭煩、不了解乘客的購票習慣、無法告訴乘客怎樣換乘更方便和海量數據在服務器中不見天日卻消耗資源等，這里就幾個乘客普遍更加關心的一些問題進行剖析，以期提高乘客的滿意程度。

線路無從選擇

以往的人工售票，售票員可以根據自己的知識，通過與乘客對話，了解乘客的乘車目的和乘車要求，從而給出乘車建議，方便乘客換乘，乘客也更容易獲得比現在更加寬松的乘坐環境。現在的AFC系統雖然能夠通過路徑規劃程序給出換乘方案，但這種優化方案受到地圖數據的限制，無法跟蹤乘客的喜好，還有城市的變化，無法做到與時俱進，給出的換乘方案始終差強人意，也沒有找到切實有效的優化方法。

卡片太多不方便

地鐵的乘客集中在生活不太寬裕的人群，該人群大致可分為上班族、學生、老人、流動人口。按乘坐同一城市內地鐵的月頻次，可將他們分為固定乘客和流動乘客，固定乘客就是乘坐路線相對穩定，基本每天都會乘坐的；流動乘客則是乘坐路線不規律，或一個月內的乘坐次數還不到10次的。固定乘客通常都會購買月卡，而流動乘客則會使用單程票。調查顯示，上班族和學生普遍認為自己錢包中已經有了足夠多的卡片，再多一張會很苦惱；老年人則表示很方便；至于單程票，由于單程票并非乘客所有，所以有的乘客不會愛護，而且隨著流通次數的上升，破損程度也逐漸上升，所以屬于耗材，因此有悖綠色低碳的環保理念。

購票時間長

隨著乘客數量的快速上升，購票的排隊時間逐漸變長，特別是在乘車高峰時期，購票窗口會特別擁擠，甚至導致流量過大，超過AFC系統承載能力，使系統下線。隨著購票時間壓縮，乘客可能在購票期間由于緊張導致疏忽大意，遺落財務或者財務被盜。如果遇上突發的客流高峰，會導致乘客時間的延誤，導致乘客的經濟損失。

過于擁擠

不僅買票擁擠，由于列車無法方便地添去車廂，也無法短時間內提高發車頻次，所以車廂內部更是擁擠。雖然車廂內置空調系統，但是由于乘客數量太多，乘客鮮有移動，空氣流通程度也低，所以乘車的高峰期就是偷盜、猥褻等行為和傳染性疾病的高發期。另外，有的乘客由于過于擁擠，沒有把扶的地方，很不安全；很多乘客由于長時間在一個地方站著，不能換姿勢，所以十分疲憊。

解決方案

為了更好地服務大眾，有效利用現有的硬件和軟件資源，不妨提高對數據分析的認識，聘用高素質人才對數據庫現有的數據進行深度分析，發掘數據中的信息。針對上述問題，可做如下優化

數據人格化

由于固定乘客的乘車車次和時間還有他們乘車前后的活動十分穩定，所以分析價值不大，但是可以作為財務環節的重要分析依據。分離出流動乘客的數據，與城市中其他數據服務公司進行對接，追蹤用戶的換乘習慣和乘車前后的活動，從而通過乘客的實際活動為其他乘客提供換乘方案。

證票綁定

將身份證與車票綁定，這樣就為車票的購買、檢查環節和用戶數據分析環節提供了現實基礎。與此同時減少了各類卡片的使用，讓用戶能夠在不增加錢包內卡片的情況下獲得更多服務。如果手機號碼已經過身份認證，則也可以用手機注冊。

彈性購票，彈性檢票

購票方面，開放多渠道購票，多時間購票，多地點購票。多渠道是指讓乘客用自己喜歡的方式去購票，比如網頁、手機客戶端、自動售票機等。讓車票綁定到身份證上，這樣在檢查環節只要能夠提供身份證號，就能驗證。一段時間后，上一票次自動作廢。多時間則是允許乘客能夠在乘車前后的一段時間購票，比如說出家門之前可以購買綁定車票；若是時間緊急，上車前沒來得及購票，也可以上車后購票。多地點是用戶可以在自家電腦購票，也可以在自動售票機，也可以通過接入遍布車站和車廂內的開放式單功能無線局域網購票。

彈性檢票指的是不采用現在的強制檢票，而是假定乘客是普遍誠信的，因此不必對大多數乘客進行檢票，只需根據站點客流量計算采樣比例，然后隨機抽樣進行檢票，檢票未通過的可以放行一次，然后將其列入黑名單，被列入黑名單多次的可以拒載直至向公安機關報案。被列入黑名單的則要重點檢查。

該檢票機制只可在部分經濟比較發達的城市進行嘗試，不可快速推廣。

開放數據系統

地鐵公司可開發SDK，并允許所有人訪問經過隱私保密的數據庫，這樣市民就可以根據現有的數據開發數據分析軟件，按照自己的意圖去分析數據，獲取海量信息，最基礎的，比如什么時間段車廂內人比較少，什么換乘方案比較舒適，讓一些時間可以變通或者路線可以變通的乘客能夠不去和時間固定或路線固定的乘客去搶奪資源，使車上乘客數量在時間上趨于均衡。

結束語

當下的各個服務行業都在力求讓顧客滿意，作為服務廣大市民的地鐵公司更應該在考慮自身利益之前考慮乘客的需求。現今的數據分析技術已經取得了長足進步，一些看上去枯燥乏味的數據實際上能夠創造巨大的價值。AFC系統作為直接和乘客接觸的環節，就是地鐵公司的窗口，在一定程度上乘客會通過AFC系統的優劣來評價地鐵公司的服務，因此有必要秉承為人民服務的總之，利用數據分析的技術對AFC系統進行人性化改造和優化。

參考文獻

[1]陳楠，李繼銘。南京地鐵AFC系統管理方式的分析和研究[J]。鐵路通信信號工程技術，2011，v。8;No。4806:47-50。

[2]鄧先平，陳鳳敏。我國城市軌道交通AFC系統的現狀及發展[J]。都市快軌交通，2005，03:18-21。

篇7

1 工程項目概況

1.1工程概況

無錫市軌道交通1號線11b標包含一站半區間，“一站”為清明路車站，“半區間”為太～清區間南段明挖區間。清名路站位于無錫市南長區，沿清揚路布設，呈南北走向，車站主體結構為地下二層島式站臺車站，車站總長度528.4m，開挖深度16.11m，標準段寬度18.7m。圍護結構采用800mm連續墻+內支撐的支護形式，內支撐設置四道內支撐+一道換撐，第一道為混凝土支撐，第二、三、四道支撐及換撐為609mm鋼管支撐。

該車站為無錫地鐵1號線最長車站，為保證綠色廣場大酒店正常營業和市民正常出行，在綠色廣場大酒店門前設置72.9m長的鋪蓋，采用蓋挖順作法施工。

1.2周邊情況

本車站綠色廣場大酒店蓋挖段東側為綠色廣場大酒店及焦化廠宿舍，西側為在建茂業三期，交通疏解后道路為由北向南兩車道單行線，寬度7～9m。鋪蓋上方部分作為綠色廣場大酒店停車場，部分為社會車輛通行道路。通揚路蓋挖段鋪蓋位置道路保證施工車輛、非機動車和人員通行，一端與老通揚路相連，一段與清揚路單行路連通。

1.3地質情況

本標段地貌單元屬長江三角洲太湖沖湖積平原區，區內第四紀沉積物覆蓋廣泛，沉積連續，層序清晰，地勢平坦，地表水系發育，第四系覆蓋層厚度較大，各土層水平向分布較穩定。其中綠色廣場酒店鋪蓋位置周圍附近土層主要地質情況為：（1）工程地質層（人工填土）、（1）2層表填土、（3）1層粘土（第一硬土層）、 （3）2層粉質粘土夾粉土、（3）3-1層粉質粘土、（3）3層粉土夾粉質粘土、（5）1層淤泥質粉質粘土（第二軟土層）、（6）1-1層粉質粘土、（6）1層粘土（第二硬殼層）、（6）2-1層粉質粘土夾粉土、（6）2層粉質粘土，具體詳見下圖。

地質縱剖圖（取自：地勘資料2-2剖面）

2 監測內容

綠色大酒店前鋪蓋基坑（樁號K15+613～樁號K15+700）位置對應綠色廣場段，對周邊建筑物保護要求高，并且采用蓋挖法施工。蓋挖法施工過程中，架設支撐存在一定難度，為隨時掌握現場信息，指導現場靈活施工，現場主要設置了建筑物沉降、地連墻墻體變形、坑外深層土體水平位移、支撐軸力、地下水位等監測內容。

3 監測布置

基坑兩側主動土壓力主要靠坑內水平支撐作用來平衡，若支撐軸力過小，將不可避免使得圍護結構及周邊環境產生一連串的連鎖反應，如墻體變形、坑外土移，建筑物沉降等等。為及時準確的掌握鋪蓋位置的基坑變形數據，保證基坑及周邊建筑物的安全穩定，在鋪蓋位置的內支撐上安裝自動化監測儀器，通過GPRS傳輸，后臺顯示的方式，使監測人員能夠更及時準確的掌握基坑的現狀情況，為技術人員對數據分析提供了可靠的后勤保障，綠色廣場鋪蓋段具體監測布置如下圖。

4 信息化監測分析、總結

該鋪蓋位置主要設置建筑物沉降、房屋傾斜、深層土體水平位移、地連墻墻體變形、支撐軸力及地下水位監測等監測項目。

4.1沉降值分析

綠色廣場酒店結構上，共布置了8個沉降觀測點，編號JZ4-1～JZ4-8。基坑鋪蓋位置于2011年3月12日開始開挖，緊隨施工進度，對該建筑進行跟蹤觀測。

沉降主要產生在土方2011年5～6月開挖期間，隨著開挖的深入而增大，在底板施工完成后逐漸穩定。期間，沉降速率最大為1.52mm/d（JZ4-4，2011年5月21日）。

2011年8月30日最終的沉降數據見表4-1。從表中沉降數據發現，綠色廣場酒店最終沉降主要位于西南角JZ4-4，JZ4-5，JZ4-6位置，分別為19.62mm，18.99mm，11.51mm。其中最終最大沉降量為19.62mm，均未超過沉降設計控制值。

綠色廣場周邊共布置11個地表沉降觀測點，編號D1～D11。各沉降點隨著各層土方的開挖而逐漸增大，在底板施工完成后逐漸穩定，截止2011年8月30日，各沉降觀測點數據見表4-2。

4.2 房屋傾斜分析

綠色廣場酒店傾斜計算示意圖（圖1）

從表4-3中看出，建筑略微呈現出向西南傾斜的狀況。根據公式：傾斜度 計算，各方向傾斜度見表4-3，其傾斜度均未超過規范控制標準2‰。

4.3墻體變形監測成果分析

地連墻墻體變形主要集中在2011年5月開挖期間。由于現場組織架設支撐及時，同時加快墊層施工速度，變形速率逐漸減緩，有效控制了地連墻墻體變形。。至8月基坑頂板澆筑完成，地連墻墻體變形基本保持在30mm以內，均未超過設計控制值30mm。

4.4深層土體水平位移監測成果分析

土移變化同樣集中在2011年5月開挖期間。由于現場組織架設支撐及時，同時加快墊層施工速度，位移速率逐漸減緩，有效控制了土體變形。至8月28日基坑頂板澆筑完成，深層土體變形基本保持在30mm以內，均未超過設計控制值30mm。

4.5坑外地下水位監測成果分析

施工期間，地連墻前期施工較好，開挖過程中嚴格控制，地連墻墻體變形較小，這最終保證了基坑兩側均未出現滲水現象。地下水位變化比較平穩，未發生明顯突變現象。

4.6支撐軸力監測成果分析

基坑采用鋼支撐支護，預加軸力800kN左右，經過應力消散作用，支撐最終預加力總體保持在60%～70%之間，隨著基坑的挖深，支撐承受兩側地連墻的作用力逐漸增加，基本保持穩定。

4.7總結分析

綜合鋪蓋段各項監測數據，得出以下幾點：1）地表沉降最大值15.87mm，平均值7.89mm，控制值為16mm。2）綠色大酒店結構沉降最大值19.62mm，平均值7.71mm，設計控制值為20～60mm。3）綠色大酒店結構傾斜最大值0.52‰，規范控制值為2‰。4）地連墻墻體變形最大值21.52mm，平均值16.74mm，設計控制值為30mm。5）深層土體水平位移最大值24.89mm，平均值19.76mm，設計控制值為30mm。6）坑外地下水位最大值最大變化值284m/d，平均值207mm/d，設計控制值為300mm/d。7）鋼支撐軸力最大值1040kN，平均值518kN，設計控制值為第二道1468kN，第三道1856kN，第三道1362kN。通過監測數據分析，各項監測指標均未超過設計控制值，在基坑蓋挖法施工過程中，密切關注支撐軸力的變化情況，認真落實信息化施工，在支撐應力過大時及時加設支撐；應力過小時，及時補加應力。最終，在蓋挖法施工的復雜條件下，有效控制了基坑的變形，保證了基坑和周邊建筑物的穩定與安全。

5 結語

無錫地鐵綠色廣場鋪蓋段施工信息化監測從2011年3月開始，緊隨施工進度，對該鋪蓋段及臨近建筑進行跟蹤觀測，通過信息化監測掌握第一手監測資料并及時進行監測分析，以利施工過程及時科學調整施工參數，改進施工工法，有效地指導其地鐵鋪蓋段安全施工，具有廣泛的應用價值，為今后類似工程提供借鑒。

篇8

奧威專注于為中國企業及相關信息化解決方案供應商提供商業智能產品、咨詢與培訓服務，是國內最早自主研發的商業智能廠商之一，具有強大的咨詢與實施開發力量，熟悉企業信息化運作模式，能夠快速在不同品牌的信息系統數據基礎上建立數據倉庫、多維數據分析模型及管理駕駛艙應用。

隨著信息化的不斷深入和業務經營數據的不斷堆積，現有的ERP、CRM等信息系統的事務處理過程已不能滿足用戶需求，企業希望能有效利用現有的數據，深入挖掘信息數據所帶來的價值。BI（Business Intelligence，商務智能）的出現，使決策者更清晰地洞悉全局，快速做出決策；通過不正常的指標分析企業目前所存在的問題，及時做出調整和部署，以幫助企業在競爭日趨激烈的現代社會，更快速、更穩定、更健康地發展。

Power-BI決策分析系統是珠海奧威軟件科技有限公司（簡稱奧威）研究近8年的成果，在此期間奧威首創安裝即可用的BI標準解決方案，可自動識別金蝶（EAS、K3、KIS專業版）、用友（NC、U9、U8、T6、T3）、神州數碼（易拓、易飛）和SAP B1等主流ERP版本，包括管理駕駛艙、銷售、財務、應收賬款、倉庫、應付賬款、采購、人力資源等分析主題。經過多年的努力與技術積淀，奧威推出Power-BI綠色開發平臺。綠色開發平臺，是一個平臺性產品和一個開發工具，將ERP數據庫中涉及到領導決策分析所需要的數據經過抽取、轉換、裝載（ETL）到一個獨立的數據倉庫（Data Warehouse）中，然后根據業務主題建立多維分析模型（OLAP），最后，再根據不同的應用角色、不同的應用場景，設計成不同的前端展示形式將不同分析主題內容展示出來，解決不同業務需求。

Power-BI采取主流的BI技術架構，包括各項BI技術，如ETL（數據轉換）、DW（數據倉庫）、OLAP（在線分析）、DM（數據挖掘）、Dashboard（儀表盤）、Query（查詢）、Report（報表/報告），功能強大卻開發簡易。

篇9

中圖分類號：F570 文獻標識碼：A

Abstract： The continuous development of the economy makes the increase of private car holdings in China. The popularization and convenience of private cars make people more inclined to regard it as the primary mode of travel， which brings great pressure to the urban traffic system. Urban residents are the main bodies of traffic， the way how to travel they choose has a direct impact on the city's traffic conditions. Based on multi-factor integration model put forward by Bamberg and other scholars， this paper analyzes the influencing factors of urban residents' travel intentions by the structural equation modeling. The aim is to optimize the urban traffic travel structure， guide the residents' green travel reasonably， relieve the urban traffic pressure and create environment-friendly and economical urban travel environments.

Key words： structural equation； green travel intentions； multi-factor integration model

0 引 言

20世紀50年代以恚城市化迅猛發展的同時也帶來了交通擁堵、能源危機、環境污染等問題，可持續發展概念的提出，使得以環境保護為目標的“綠色交通”應運而生[1]。綠色出行指綠色交通理念指導下的出行，即出行過程中，盡量減少能源消耗和環境污染，采取對環境影響最小的出行方式，例如自行車、公共汽車、步行、地鐵等。與傳統出行方式相比，綠色出行具有一定的特殊性，主要表現在它強調出行的環保性和資源的節約性，對發展城市綠色交通至關重要。

目前，雖然關于城市居民出行方式選擇的研究很多，學者們也提出了相應的建議與對策來引導合理的城市出行結構，如控制小汽車的使用率等。但這些研究大多集中在出行成本和出行時間等方面，在綠色交通理念下對城市居民出行方式選擇的分析還未有過系統的研究。因此，以城市居民綠色出行方式選擇為出發點，研究相關影響因素，深入了解城市居民綠色出行的行為過程，合理引導綠色出行，實現城市綠色交通具有重要意義。

1 文獻回顧

對出行行為的研究國內外學者最早采用的是集計的方法，然而這種方法對于個體出行者的行為不能有很好的體現。隨著研究的加深，學者們提出了以個體為研究對象的非集計理論，并不斷的被豐富完善。Daniel Mcfadden（1974）重新對Logit模型進行了系統的論述，最終構建了非集計模型的理論體系[2]。隨后引入隨機效用理論，提出每一個出行個體都會選擇效用最高的出行方式，并在此基礎上建立了日后為眾多學者引用的MNL模型[3]。Stephan Krygsman等（2007）認為出行工具的選擇會隨著出行目的的不同而發生變化，通過構建改進的MNL模型分析了收集的數據，發現出行活動的改變對出行方式的選擇有著顯著的影響[4]。

隨著出行研究的完善，學者們逐漸引入了用于多元數據分析的結構模型。Golob（2003）著重分析了出行距離這一變量的影響程度。其從家庭出行時間和出行動機角度，運用結構方程模型進行了定量分析，結果顯示家庭成員的數量與出行活動次數有相關關系[5]。李海峰（2006）對影響出行者出行選擇的自身特征變量做了深入研究，為城市居民出行方式選擇的變量選取提供依據。并在此基礎上以居民自身特征變量等數據變量作為輸入變量建立神經網絡模型，通過實證研究得出模型具有較好的實用性[6]。

也有一些學者從出行方式選擇影響因素的角度進行研究。Pross（2008）認為，影響出行者出行方式選擇可分為內部因素和外部因素：內部因素包括出行距離、出行費用、出行時間、年齡、家庭擁有交通工具情況等，外部因素包括國家法規政策和社會經濟發展水平等[7]。黃樹森等（2008）以北京地區為例，通過對相關出行數據分析，指出出行時間、出行者屬性、交通特性、出行地區特性等因素對出行方式的選擇有很大的影響[8]。Joachim Scheiner（2012）認為女性駕車出行比例要小于男性，且小汽車擁有量與家庭人口的關系影響該家庭交通出行方式，小汽車擁有量小于家庭人口的家庭更可能選擇公共交通[9]。

Bamberg等人通過整合計劃行為理論、環境行為理論、規范激活理論，提出了一種多因素整合模型[10]。研究認為個體行為會受到環保意識、道德規范、內疚感、態度、社會規范、內在歸因、感知到的行為控制、環保行為意向這因素的影響。各因素之間的關系較為復雜，各因素不僅會受到其他因素的直接影響，還會受到其他因素的中介作用的影響。

2 指標體系建立與假設設計

綠色出行與傳統出行方式既有共性也有不同，更強調綠色交通理念。本文以Bamberg等人提出的多因素整合模型為基礎，綜合國內外研究，減少其中不必要因素，提出了如下幾個指標并做假設。

（1）綠色出行的態度。行為態度指的是個體對某項行為所持有的正面或負面的感覺，即對進行某一特定行為的喜歡程度。總的來說，個體對目標行為的態度越消極，則越會放棄該行為；反之，若個體對目標行為的態度越積極，則越會實施該行為。結合綠色出行，本文將綠色出行的態度作為一個指標。

H1：出行者的綠色出行態度對綠色出行意愿有正向的影響，居民綠色出行態度越積極，則其意向越強。

（2）綠色出行的主觀規范。主觀規范指在對他人行為進行預測時，那些對個體的行為決策具有影響力的個人或集體對于個體是否執行目標行為所產生的影響力大小。出行者在面臨出行工具選擇時，來自他人的意見可能也會對其產生影響。本文將主觀規范作為一個指標。

H2：出行者的主觀規范對綠色出行態度有正向影響，主觀規范越強，出行者綠色出行態度越積極。

H3：出行者的主觀規范對綠色出行意愿有正向影響，主觀規范越強，出行者綠色出行意愿越強。

（3）綠色出行的知覺行為控制。段文婷等（2008）指出知覺行為控制是個體感知到執行某特定行為容易或困難的程度，反映了個體對促進或妨礙目標行為的因素的知覺[11]。它包括兩個方面：一方面是內部控制因素，指個體對于執行目標行為的信心或其所感知的困y程度，其與個體技能等密切相關；另一方面是外部控制的因素，指個體完成目標行為能力，客觀條件是否具備。結合綠色出行，本文將綠色出行的知覺行為控制作為一個指標。

H4：綠色出行的知覺行為控制對綠色出行意愿有正向影響，知覺行為控制越強，出行者的綠色出行意愿越強。

（4）環保敏感度。Bradley（2009）認為環保敏感度強的家庭擁有更少的車輛，而且車輛的能源利用率也會更高，車輛的使用頻率更低[12]。因此，本文創新性地引入環保敏感度這一變量。

H5：環保敏感度對綠色出行態度有正向影響，環保敏感度越強，出行者的綠色出行態度越積極。

H6：環保敏感度對綠色出行意愿有正向影響，環保敏感度越強，出行者的綠色出行意愿越強。

（5）綠色出行認知。張玉玲等（2014）借助NAM模型研究居民環境后果認知對保護旅游地環境行為的驅動機制，指出環境后果認知對日常環保行為的間接影響[13]。結合綠色出行，本文將綠色出行認知作為一個指標。

H7：綠色出行認知對綠色出行態度有正向影響，綠色出行認知越深刻，出行者的綠色出行態度越積極。

H8：綠色出行認知對綠色出行意愿有正向影響，綠色出行認知越深刻，出行者的綠色出行意愿越強。

（6）政府政策。諶麗（2014）通過設置不同的政策背景，分析居民對不同政策的響應情況，并根據模擬政策的實施結果提出了相應建議[14]。本文將人們對政府政策的認知和反應作為變量引入到模型框架當中。

H9：政府政策對綠色出行態度有正向影響，政府政策越鼓勵，出行者的綠色出行態度越積極。

H10：政府政策對綠色出行意愿有正向影響，政府政策越鼓勵，出行者的綠色出行意愿越強。

3 研究方法

3.1 研究設計

本文研究影響城市居民綠色出行意愿的因素，選擇武漢居民作為研究對象，通過問卷調查的方式收集數據，并利用結構方程進行數據分析。

3.2 量表選擇

本文采用李克特7級量表。用1～7分別表示完全不同意、不同意、比較不同意、一般、比較同意、同意、完全同意。

3.3 數據收集

本文問卷主要采用網絡問卷和紙質問卷的方式，共計發放問卷500份，回收有效問卷386份，回收率為77.2%。

4 結構方程模型的構建

4.1 信度檢驗與效度檢驗

本文以CR（組成信度）和Cronbach's Alpha來檢驗變量的信度，以AVE值檢驗變量的效度。由表1可知，Cronbach's Alpha值和CR值均大于0.8，說明問卷信度良好；每個維度的AVE值均大于0.5，說明聚合效度良好，問卷能夠有效地反應居民出行意愿的整體情況。

4.2 模型的擬合度

問卷數據通過了信度與效度檢驗，說明比較適合進行結構方程分析，依據相關理論建立結構方程模型驗證各影響因素對于居民綠色出行意愿的影響。本研究的模型擬合度如表2所示。

由表2可知，本模型卡方與自由度之比為1.596，說明模型擬合十分理想；近似誤差均方根為0.039，說明模型接似擬合；比較擬合指數、遞增擬合指數、非規范擬合指數均大于0.96，擬合優度指數大于0.9，說明模型擬合十分合理。

4.3 結構方程模型的參數估計

結構方程模型主要由隨機變量、結構參數和非隨機變量組成，根據所描述關系，可分為測量模型和結構模型。

測量模型主要研究顯變量與潛變量之間的關系，其表達式如下：

其中：x――外生指標組成的向量；Λ――外生指標與外生潛變量間的關系，外生指標在外生潛變量上的因子載荷矩陣；ξ――外生潛變量；δ――外生指標的誤差項；y――內生指標組成的向量；Β――內生指標與內生潛變量間的關系，內生指標在內生潛變量上的因子載荷矩陣；η――內生潛變量；ε――內生指標的誤差項。

結構模型主要研究潛變量之間的關系，其表達式如下：

其中：Β――內生潛變量與內生潛變量之間的關系；Γ――內生潛變量與外生潛變量之間的關系；ζ――結構方程殘差項，表示結構方程中無法被解釋的部分。

根據上述研究建立結構方程模型，并將問卷數據帶入AMOS17.0中，得到結構方程概念模型，如圖1所示。

通過計算，得到各指標路徑系數如表3所示。

4.4 結果分析

路徑估計值的顯著性小于0.05，可認為顯著影響。由表3可知：

（1）綠色出行態度到綠色出行意愿的路徑系數為0.384，則綠色行為態度對綠色出行意愿具有顯著性正向影響，接受假設H1。該路徑系數最大，表明在綠色出行意愿影響因素中，出行態度起著主要作用。

（2）主觀規范到綠色出行態度的路徑系數為0.065，其顯著性為0.226，則主觀規范對綠色出行態度不具有顯著性影響，拒絕假設H2；主觀規范到綠色出行意愿的路徑系數為0.256，則主觀規范對綠色出行意愿具有顯著性正向影響，接受假設H3。這說明主觀規范對于綠色出行意愿的影響是直接的，出行者在出行時可能受到他人建議影響而傾向于選擇綠色出行方式，但是其對于綠色出行的態度并沒有發生變化。

（3）知覺行為控制到綠色出行意愿的路徑系數為0.246，其顯著性為0.003，則知覺行為控制對綠色出行意愿具有顯著性正向影響，接受假設H4。出行者出行時，不可避免會受到一些不客觀因素的影響，如天氣狀況差，公交線路與自身通勤路徑不一致，換乘次數多等，可能會導致出行者傾向于選擇私家車出行。

（4）環保敏感度到綠色出行態度的路徑系數為0.151，其顯著性為0.003，則環保敏感度對綠色出行態度具有顯著性正向影響，接受假設H5；環保敏感度到綠色出行意愿的路徑系數為0.209，其顯著性為0.001，則環保敏感度對綠色出行意愿具有顯著性正向影響，接受假設H6。環保敏感度直觀地反應了個體對于綠色出行的態度，影響其出行選擇。

（5）綠色出行認知到綠色出行態度的路徑系數為0.149，其顯著性為0.001，則環保敏感度對綠色出行態度具有顯著性正向影響，接受假設H7；綠色出行認知到綠色出行意愿的路徑系數為0.025，其顯著性為0.663，則綠色出行認知對綠色出行意愿不具有顯著性影響，拒絕假設H8。這說明出行者對于綠色出行認知越深刻，其態度也會變得積極，但是在其選擇出行方式時，影響力較小。

（6）政府政策到綠色出行態度的路徑系數為0.211，其顯著性為0.004，則政府政策對綠色出行態度具有@著性正向影響，接受假設H9；政府政策到綠色出行意愿的路徑系數為0.241，其顯著性為0.009，則政府政策對綠色出行意愿具有顯著性正向影響，接受假設H10。這說明政府在綠色出行指導中扮演著重要作用，綠色出行的推廣離不開政府的支持。

5 結 論

本文以Bamberg等人提出的多因素整合模型為基礎，系統的研究了在綠色交通理念下城市居民出行意愿影響因素，對于綠色出行的推廣具有重要意義。根據研究結果，居民綠色出行意愿和綠色出行態度、綠色出行主觀規范、綠色出行知覺行為控制、政府政策、環保敏感度具有較強的相關性。這5個影響因素中綠色出行態度起著最主要作用，因此綠色出行推廣的關鍵在于讓出行者以積極的態度參與進來。加強宣傳以提升出行者綠色出行認知，完善公共交通、道路規劃以實現綠色交通現實基礎，制定相關鼓勵政策以引導綠色出行等，都有助于綠色出行的推廣。同時，由分析結果可知認知的加深并不意味意向的傾斜，因此宣傳不應僅僅停留在空泛的廣而告之方面，如何加深出行者對于綠色出行的認可才是宣傳的重點。他人的建議雖然對于出行者出行態度影響不顯著，但是對于出行意愿具有顯著影響作用，因此在綠色出行推廣方面應重視集體效應的發揮。

參考文獻：

[1] 黃玖菊，李永玲. 我國綠色交通研究綜述[J]. 福建建筑，2012（9）：56-60.

[2] Daniel McFadden. Conditional logit analysis of qualitative choice behavior[M]. New York： Academic Press， 1974：105-142.

[3] Daniel McFadden. A Method of simulated Moments for Estimation of Discrete Response Models Without Numerical Integration[J]. Econometrica， 1987，57（5）：995-1026.

[4] Stephan Krygsman， Theo Arentze， Harry Timmermans. Capturing tour mode and activity choice interdependencies： A co-evolutionary logit modeling approach[J]. Transportation Research Part A， 2007（41）：913-933.

[5] TF Golob. Structural equation modeling for travel behavior research[J]. Transportation Research B， 2003（37）：1-25.

[6] 李海峰. 城市形態、交通模式和居民出行方式研究[D]. 南京：東南大學（博士學位論文），2006.

[7] Pross. Traffic dynamics[J]. Transportation Research-B， 2008，22（6）：421-435.

[8] 黃樹森，宋瑞，陶嬡. 大城市居民出行方式選擇行為及影響因素研究――以北京市為例[J]. 交通標準化，2008（9）：124-128.

[9] Joachim Scheiner， Christian Holz-Rau. Gendered travel mode choice： a focus on car deficient households[J]. Journal of Transport Geography， 2012，24（4）：250-261.

[10] Bamberg S， Moser G. Twenty years after Hines， Hungerford， and Tomera： A new meta-analysis of psycho-social determinants of pro-environmental behavior[J]. Journal of Environmental Psychology， 2007，27（1）：14-25.

[11] 段文婷，江光榮. 計劃行為理論述評[J]. 心理科學進展，2008，16（2）：315-320.

[12] Bradley F. The impacts of environmental knowledge and attitudes on vehicle ownership and use[J]. Transportation Research Part D， 2009，14：272-279.

篇10

對象為隨機抽取仙游縣華僑中學高中三個年級同學，參加問卷共有126人。

調查方法：采用自行設計的高中學生關于低碳生活的調查問卷，內容主要包括高中學生對于低碳生活的認識狀況、態度狀況和行為狀況。

分析方法：編碼問卷全部回收后，進行數據錄入，運用數據分析軟件對數據進行整理、分析。

調查結果及分析

低碳生活相關知識的獲取途徑：有93.65%的學生是從廣播電視報紙雜志上知道低碳生活的，比例遠大于其他途徑，只有6.35%的學生是從教師、同學處知道低碳生活，可見學校對學生進行低碳生活理念和實踐教育開展得不理想，在倡導公眾參與方面還大有可為。

影響低碳生活的實踐方法：

穿戴：XX.41%的同學有較少不怎么穿的衣服，XX.71%的同學有較多不怎么穿的衣服。學生對穿戴產生的碳排放意識薄弱。

出行：26.2%的學生使用公交車，64.29%的學生步行或自行車，9.52%的學生私家車或者打車。55.56%的同學經常選擇綠色交通工具，42.06%的同學有時選擇綠色交通工具。

調查結論

目前高中學生對低碳生活的了解情況認知度參差不齊，大部分學生對低碳生活的了解僅僅限于表面，并沒有深入了解，殘缺性低碳生活認知必然造成部分青少年在踐行低碳生活過程中做得不盡人意，多數學生不會探索科學方法計算家庭或個人踐行低碳生活的外在價值。在日常生活中，學生能做到一些與低碳生活要求相符的行動，但是同時很多高中學生，買東西追求時尚，吃穿、出行等方面浪費現象較嚴重，主要存在不能在衣食住行用等各個方面都踐行低碳生活、不能自覺地、持之以恒地踐行低碳生活、不善于使用科學方法踐行低碳生活等狀況。所以有必要加強平常的宣傳教育力度，指導學生對低碳生活進行系統的了解和學習。

對實踐活動的建議

為了樹立高中學生低碳生活的思想觀念和社會責任意識，培養學生從自身做起，從點滴做起，養成良好的 低碳生活習慣;鼓勵高中學生能身體力行，為自己、為社會、為他人做好踐行低碳生活方式的榜樣作用，實現高中學生自身社會價值;高中化學教學可以做以下幾種實踐：