拉合尔智能交通系统有效性研究

智能交通系统的有效性：拉合尔安全城市案例研究

希娜·萨利米、齐亚·乌尔·拉赫曼、阿默德·汗和阿米尔·阿齐兹
University of Engineering and Technology, Lahore, Pakistan

摘要

智能交通系统（ITS）是一种用于提高交通网络中交通效率的管理工具。本研究调查了旅客对智能交通系统的认知及其对拉合尔市道路交通中安全城市项目下所实施系统的有效性的反应。研究设计并发放了一份问卷，样本涵盖600名受访者。研究表明，大量道路使用者了解智能交通系统，并熟悉各种ITS工具，例如监控摄像头、电子罚单、可变信息标志以及作为交通信息更新来源的广播等。对智能交通系统的认知提高了旅客对已实施系统的依赖性。此外，研究推断旅客愿意在该城市的其他区域部署此类交通管理系统，这是已实施系统成功的重要一步。

关键词 ：智能交通系统；交通管理；交通系统：结构方程模型；因子分析

引言

近年来，交通拥堵日益加剧，已成为全球各大城市的普遍现象。通常，高峰时段的拥堵反映了道路使用者的出行行为及其需求，这些需求无疑给现有的道路网络和公共交通系统带来了巨大压力。这一需求催生了智能交通系统（ITS），该系统能够有效缓解交通问题的严重程度。ITS通过将现代信息技术与各类技术工具相结合，实现车辆间的协同通信。这些技术的应用范围广泛，从简单的管理系统，如车辆导航系统、交通信号灯（感应式和定时信号灯）、可变信息标志（VMS）、公路咨询广播（HAR）、自动车牌识别、测速摄像头、监控摄像头，到一些先进的应用，后者通过整合来自多种不同来源的实时数据和反馈，使交通运行更加顺畅。

与其他发展中国家一样，巴基斯坦一直面临着城市化问题，该国主要城市日益面临交通管理方面的挑战。为解决这一问题，发展中国家正在采用与智能交通系统相关的先进且更智能的技术。然而，该领域仍需要显著改进。一些研究建议，21世纪的智慧城市需要更多的技术革新和政策支持，这可能涉及推动新技术的发展，从而对社会产生积极影响（Deakin 2014）。

拉合尔市（巴基斯坦的文化首都）被选为研究区域。拉合尔是该国人口第二多的城市。根据2017年人口普查，该城市人口为1112万，年增长率达4.07%。拉合尔的交通构成复杂，包括汽车、摩托车、自行车、畜力车、公共汽车、卡车、人力车和Qingqis。作为道路交通最拥堵的城市之一，该城市近年来已采用了一些智能交通系统（ITS）应用，包括用于常规交通监控的监控摄像头（闭路电视）、电子罚单系统（驾驶员违反交通规则时需缴纳的罚款）、电子收费系统、可变信息标志、行人优先系统和公共汽车优先系统，这些均由旁遮普省安全城市管理局（PSCA）实施。

PSCA已在拉合尔建立了旁遮普警察综合指挥、控制与通信系统（PPIC3）。PPIC3项目旨在通过部署基于智能交通系统（ITS）的新硬件，将巴基斯坦的一些城市转变为智慧城市，从而提高交通效率。在该项目下，已在150个交叉路口安装了8000个闭路电视摄像头，主要用于监控错误的U型转弯、超速和闯红灯行为。此外，在拉合尔的主要交叉路口，定时信号灯已被感应式信号灯取代。部分交叉路口还安装了行人信号。同时，还安装了可变信息标志（VMS），向用户提供途中信息（如延误、道路封闭、绕行等）。应急响应单元也已在道路上的不同位置设立。通过这些单元，可联系到海豚警察（专门应对街头犯罪的安全单位）、救援1122（紧急服务）、交通警察（处理交通状况和执照办理流程）以及旁遮普警察（维护法律与秩序）。此外，名为RASTA FM 88.6的广播频道也属于安全城市项目的一部分，该频道提供该城市的实时交通更新，同时还有交通热线1915。

本研究旨在通过道路使用者的视角评估拉合尔市当前智能交通系统（ITS）的有效性。有效性是指智能交通系统服务的整体影响，以及这些服务在减少道路交通拥堵和违规行为方面的效率。此外，还分析了用户对已实施的智能交通系统技术的认知水平。本研究采用结构方程模型（SEM）对当前智能交通系统及其技术的有效性进行建模。为此，数据采集自已部署并全面运行智能交通系统服务的区域，包括闭路电视摄像头、测速摄像头、可变信息标志、行人优先信号灯、感应式信号灯、应急响应单元、RASTA FM 88.6以及交通热线等服务覆盖的区域。这些区域包括购物中心路、自由市场、古尔伯格主大道和防御区主大道。本文特别提供了基于用户视角的拉合尔市交通管理系统（即智能交通系统）的成功率。因此，本研究对于政策制定者和交通管理者具有重要意义，有助于改进发展中国家智能交通系统技术及其实施。此外，本研究的结果可能对PSCA在其巴基斯坦所有进行中的项目中，为智能交通系统技术的进一步可持续发展。

文献综述

自20世纪80年代以来，应对交通拥堵的复杂控制系统就已经存在（Sims 和 Dobinson 1980）。当今智能技术的发展有助于实施智能交通，以满足用户日常出行需求（Balasubramaniam 等人 2017）。近年来电子、通信、控制、计算机和传感器领域的进步已彻底改变了我们的交通系统。许多研究已在这一方向上展开。因此，现在出现了一个新的研究领域，即智能交通系统（ITS）（Busch 和 Kruse 2001），它属于解决交通问题的智能方案之一（S. Chen 等人 2010；Qin 和 Khan 2012），包含用于管理道路交通的先进系统（B. Y. Chen 等人 2013）。

通信技术在智能交通系统的有效性中起着显著作用（Maimaris 和 Papageorgiou 2016），例如，用于跟踪、红灯检测、电子收费、出行者信息等的监控摄像头是证明智能交通系统在特定区域有效性的关键技术。研究表明，通过智能交通系统摄像头的先进跟踪和监控系统，可以获取交通信息更新和出行者信息（Chang, Tsai, 和 Young 2010；Hickman 和 Hanowski 2011）。为此，卡塔尔首次在主要交叉路口安装了80个摄像头。尽管这些摄像头已在卡塔尔的主要交叉路口安装并被认为取得了成功，但作为一个发达国家，目前仍缺乏关于其作为系统的有效性的相关信息，这是需要进一步研究的重要方向之一，也是本研究针对拉合尔市所考虑的问题（Shaaban 2017）。研究人员相信，在交叉路口安装摄像头在减少违规行为和交通事故方面起着重要作用（Hallmark 等人 2010；Retting 等人 1999；Retting, Ferguson, 和 Farmer 2008；Retting 和 Kyrychenko 2002； Shaaban 和 Pande 2018）。类似地，Lee, Lee, 和 Do（2016）研究了韩国大田广域市城市交叉路口闯红灯摄像头的有效性，并发现这些摄像头具有更大的积极影响。此外，类似的智能交通系统技术也可应用于车辆内部，以监控交通违规行为（Singh 和 Goel 2016）。闯红灯被视为一种严重违法行为和安全危害，可能导致严重事故。根据高速公路安全保险协会的数据，2013年在美国，闯红灯导致了697人死亡和127,000人受伤（Carthy 2015）。

在拉合尔，监控摄像头捕捉到闯红灯行为，从而生成电子罚单。电子收费也是智能交通系统中正在拉合尔市考虑的重要领域之一。Suryawanshi 等人（2017）和 Hari Charan 等人（2019）提出了条形码激光系统，该系统利用安装在车辆车牌上的条形码在需要时收取通行费。

一些研究人员还研究了智能交通系统的有效性，以检验其对交通系统的影响。Vanderschuren（2003）对智能交通系统工具的有效性进行了建模，并得出结论：智能交通系统能够减少出行时间并提高道路通行能力。此外，Stawiarska和 Sobczak（2018）提到，当不同交通方式的出行时间信息可在在线获取时，公共交通服务的乘客数量将会增加。研究人员还考虑了若干用于绩效评估的参数，即交通效率、移动性、安全、能源消耗和经济生产力，以定义智能交通系统作为交通管理工具的有效性（Vadali等，2000）。

要使交通系统有效且成功，重要的是让公众参与此类系统的政策制定。印度作为一个发展中国家和全球增长最快的经济体，正在大踏步地转型为一个数字化赋能的社会。作为其数字化转型政策的一部分，印度于2014年推出了“MyGov.in”，这是一个专门的国家级公民参与平台，允许来自各城市的参与者讨论智慧城市相关问题（Praharaj, Han, 和 Hawken 2017）。D. Li、Zhang 和 Li（2019）也指出，公众是交通管理系统的直接受益者。此外，公众参与这些系统能够更好地满足道路使用者的需求。许多研究已涉及智能交通系统技术的发展及其在发达国家和发展中国家的实施。然而，关于道路使用者对这类系统有效性的看法的研究仍然缺乏。本研究聚焦于用户视角，探讨他们对拉合尔市已安装的智能交通系统的认知以及对所部署系统有效性的看法。

研究方法

数据收集

本研究选择了自填式问卷调查方法，因为这是交通研究中最常用的数据收集方法。调查通过纸质访谈（PAPI）方式进行，实施时间为2018年12月至2019年2月。共设计了包含34个问题的问卷。该问卷包括以下信息：
(1) 社会经济特征
(2) 对智能交通系统及其技术的认知
(3) 智能交通系统的有效性及其技术
(4) 对交通管理系统的一般反馈
(5) 关于受访者交通信息来源可靠性的信息 信息来源（即 RASTA FM88.6、交通热线 1915、应急响应单元——海豚警察、救援1122、交通警察和旁遮普警察）。

样本量是研究设计中能够影响结果显著性的主要特征之一（Peers 2006）。此类调查所需的最小样本量如下所示（Bartlett, Kotrlik, and Higgins 2001）。

n¼ z α=2 ð Þ2 p 1 p ð Þ ð Þ=D2

其中 n =样本量 p =样本比例 D = 0.05 表示误差范围为5% Z = 1.96，对应95%置信区间 Q. Li 和 Tay（2014）提到，上述方程不能直接用于计算样本量，因为它需要一个已知的样本比例，即 p。如果我们有 p 的近似值，可以将 p 的该值代入方程以得到样本量。如果没有这样的估计值，则可以在方程中用 0.5（最坏情况）代替 p，因为 p(1‐p)的乘积不会超过 0.25（0< p< 1 的最大值）。因此，本研究中的最小样本量n 如下：

n¼ z2 α=2 ð Þ 0:25=D2

N ¼ 0:25 1:96 ð Þ2= 0:05 ð Þ2 ¼ 384

为克服误差，样本量增加至600。调查在该城市已安装智能交通系统（ITS）的主要交叉路口进行，并从这些区域的使用者中随机开展。本研究选择了多个变量进行评估，这些变量分为两类：内生变量（潜在变量）和外生变量（观测变量）。共有四个内生变量：可变信息标志（VMS）的有效性、智能交通（IT）技术的有效性、交通管理系统（TMS）的有效性以及交通管理系统（TMS）的部署。模型中考虑了十个外生变量，即作为引导的VMS（VMS）、显示的VMS信息（VMSI）的有用性、智能交通系统的有效性、监控摄像头（闭路电视）、电子罚单（EC）、RASTA FM 88.6（RFM）的可用性、行人信号灯（PS）的使用、拉合尔交通管理系统（TMSL）的有效性、其他地区的安全城市交通管理系统（TMSS）以及对该系统的支付意愿（WP）。

结构方程模型

在交通领域，结构方程模型（SEM）被广泛用于评估用户感知及其出行行为（Choocharukul, Van, 和 FUJII 2006；Javid 2014）。结构方程模型基于一组观测变量识别潜在变量，这些观测变量表示潜在变量与观测变量之间的方向性关系。许多统计学领域的学者提出了结构方程模型拟合优度参数的可接受取值范围。对于模型的合理拟合，卡方值与自由度之比小于5是可以接受的（Marsh 和 Hocevar 1985）。类似地，拟合优度统计量（GFI）、调整后的拟合优度统计量（AGFI）和比较拟合指数（CFI）大于0.90表明模型拟合良好（Bentler 和 Bonett 1980）；此外，近似误差均方根（RMSEA）小于 0.08表示模型拟合良好（MacCallum, Browne, 和 Sugawara 1996）；残差均方根（RMSR）小于0.08也是可接受的（Hu 和 Bentler 1999）。

本研究使用SPSS Amos 18.0的结构方程模型（SEM）来评估基于安全城市项目下智能交通系统技术的拉合尔市交通管理系统的有效性。分析遵循Gerbing和Anderson（1988）推荐的两步法。第一步包括使用验证性因子分析（CFA）构建合适的模型。第二步是调整测量模型，以计算潜在变量之间的具体关系；该模型称为结构模型（Rourke和Hatcher 2013），是结构方程模型分析的结果。

结果与讨论

描述性统计

表1 总结了调查的描述性统计结果。总共收集了600份回复，这是原始数据。在清理数据后，删除了四份回复，剩下596份回复。对清理后的数据（N = 596）进行了描述性统计。

89%的参与者为男性，其余11%为女性。21至35岁年龄组的参与者比例最高（62%）。大多数受访者为毕业生（42%）。近46%的参与者为全职员工。参与者的月收入（税前）分布显示，29%的人收入介于46千卢比至60千卢比，且近29%的受访者收入为61千卢比至100千卢比。大多数受访者（80%）表示他们在出行时主要交通方式是私家车，其余20%的受访者选择公共交通服务作为出行方式。大多数受访者（65%）为摩托车骑手，而使用私家车和本地公交服务的人群比例几乎相同（均为12%）。76%的受访者为安卓手机用户，其次是15%的iPhone用户和8%的普通手机用户。大多数受访者（81%）表示对获取常规交通更新不感兴趣，而19%的受访者希望定期获取交通信息更新。近84%的受访者知晓智能交通系统服务，这一比例对于任何系统的成功而言都具有显著意义。

用户对智能交通系统及其技术的熟悉程度

表2 显示了参与者对智能交通系统技术的熟悉程度。从结果中可以明显看出，大多数受访者（84%）熟悉智能交通系统术语。受访者还了解已实施的各种智能交通系统技术。表2 显示，大多数受访者表示他们熟悉应急响应单位、交通监控摄像头和电子罚单（分别为100%、92%和92%）。这些百分比之所以如此之高，可能是因为人们在日常出行中实时接触到了这些技术；应急响应单位安装在该城市大多数道路的显著位置，道路使用者可方便地获取服务。此外，该城市内150个交叉路口均安装了交通监控摄像头，用户在日常路线中即可体验到。基于这些摄像头，用户还会被要求遵守交通规则，以避免收到电子罚单，这使得他们更加熟悉这些技术。

受访者的百分比显示，他们对行人信号和可变信息标志的熟悉度几乎都超过50%。此外，较少参与者熟悉交通求助热线 1915（40%）和电台频道RASTA FM 88.6（34%）。这些百分比较低的原因是这些设施未通过不同渠道进行适当宣传。如果这些技术得到充分推广，人们就能更好地利用这些提供的道路实时交通信息。

智能交通系统的有效性及已实施的技术

受访者被要求根据智能交通系统信息及其技术的有用性来评估其有效性。表3显示，大多数受访者（58%）认为智能交通系统有效，这支持了Singh等人（2014）的研究结果，他们指出，发达国家（韩国、新加坡、日本、美国、澳大利亚、加拿大和英国）在智能交通系统的有效性方面处于世界领先地位。结果显示，超过50%的受访者也认为监控摄像头（55%）在管理道路交通方面是有用的。而少于50%的受访者认为可变信息标志信息（45%）和电子罚单（42%）在管理道路交通方面有用。

拉合尔市安装的交通监控摄像头正被当局用于多种用途。这些摄像头在降低犯罪率和减少交通违规行为方面发挥了显著作用。这是人们认为该应用有用的主要原因之一。其次，该城市不同地点安装的可变信息标志主要向旅客提供有关安全的信息，用户对此类信息感兴趣并愿意遵守。此外，电子罚单系统促使人们遵守交通信号灯，从而在最大程度上减少了交叉路口的拥堵。这些事实使得这些技术对受访者来说非常有用。大多数参与者是摩托车使用者，因此他们对行人信号（53%）和RASTA FM 88.6（70%）持中立态度。

用户使用的信息来源

获取有关因当前或反复出现的原因导致的绕行、道路封闭、延误和交通状况的最新信息，可能在减少旅客 frustration 方面发挥重要作用。调查收集了受访者关于其出行前信息来源的数据，以更好地规划行程。大多数受访者（37%）表示他们不依赖交通信息更新来调整行程，这可能是因为对这些服务的知晓度较低。然而，表4 显示，近29%的受访者依靠社交媒体获取交通信息更新，其次是电视（16%）和谷歌地图（12%）。而仅有5%的受访者将广播（即RASTA FM 88.6）作为获取交通信息更新的来源，这与Kattan, De Barros 和 Saleemi（2013）以及Polydoropoulou, Tsirimpa 和 Antoniou（2005）的研究结果相矛盾。不选择该方式的一个原因是大量自行车骑行者无法收听RASTA FM 88.6。新闻通讯被证实是使用最少的媒体，用于获取交通更新（1%），支持Kattan、De Barros和Saleemi （2013）的研究结果。在获取出行前信息方面，大多数人依赖社交媒体，如今大多数人都拥有智能手机，这使得访问社交媒体变得更为便捷，相比其他信息来源所需 effort 更少。

因子分析

在调查中添加了十一个观测变量，以获取用户对智能交通系统（ITS）不同技术的看法。这些变量被用于SPSS软件中的因子分析（表5）。采用主成分分析法进行变量提取。一个观测变量从总变量数中被剔除。基于方差最大旋转法并考虑观测变量之间的相似性，软件将剩余的十个变量分为四个类别，即潜在变量。各潜在变量及其对应的观测变量在第2.1节和表6中进行了说明。具有较大因子载荷的观测变量（表6）在解释相应因子时具有更大的影响。潜在变量“可变信息标志（VMS）的有效性”包含与VMS引导功能及其所显示信息有用性相关的特征。“信息技术的有效性”这一潜在变量则包括与ITS信息有用性、监控摄像头（闭路电视），以及电子罚单（EC）在减少交通违规方面的有效性。第三个潜在变量，TMS的有效性，与拉合尔用于交通管理（TMSL）的策略、RASTA FM 88.6（RFM）作为交通信息更新来源在交通管理中的可用性，以及道路上行人信号灯（PS）的存在有关。最后一个潜在变量，TMS的部署，涉及民众意愿将安全城市的策略应用于拉合尔其他地区的交通管理（TMSS）；此外，还包括民众意愿（WP）为该系统付费的意愿。

计算了四个提取因子的克朗巴哈系数。该值用于评估变量的可靠性与一致性（Cronbach 1951）。克朗巴哈系数越大，变量之间存在关联的可能性越高。Nunnally 和 Bernstein（1994）建议将 0.70 作为可接受的信度系数。可变信息标志（VMS）的有效性、信息技术的有效性、TMS的有效性以及TMS的部署的测试值分别为 0.8、0.79、0.71 和 0.71。这些数值表明，参与者在评估计算变量的观测变量时表现出显著的一致性。这些变量在估计其对拉合尔市智能交通系统有效性用户感知的影响方面具有一致性。

智能交通系统的有效性：拉合尔安全城市案例研究

结构方程模型分析

最初，基于理论建立了一个概念模型（图1）。该模型包含四个潜在变量、11个观测变量以及八个人口统计因素。随后的列联表以及观测变量之间的关联确定了纳入最终模型的变量。还确定了模型的收敛效度（表7）和区分效度（表8）。

在图1和图2中，椭圆中的值表示潜在变量（内生变量），矩形中的值表示观测变量（外生变量）。在图1中，两个观测变量ITS和PS最初被归入不同的潜在变量下，但后续的因子分析将这些变量归入不同的潜在构念中。此外，另一个观测变量巴基斯坦交通管理系统（TMSP）根据数据结果未被纳入最终模型。在概念模型中，考虑了八个 demographics 变量（即教育、收入、驾驶执照、交通方式、特定交通方式、交通信息更新、交通信息更新来源和移动应用程序的使用），但根据表9的结果，在最终SEM模型中减少为六个。表9 显示了基于卡方检验的观测变量之间的关联。

最终SEM模型，如（图2）所示，解释了一个理论路径模型。在第5节中，已提供了潜在变量及其相关观测变量的详细信息。对于第一个潜在变量——可变信息标志（VMS）的有效性，系数值显示，与在实时情况下的引导信息来源相比，用户认为VMS作为一般信息来源更为有效，即VMSI（0.83）和VMS（0.81）。这可以解释为，在数据收集期间，VMS上显示的信息仅与安全或一般信息相关；VMS并未用于根据实时交通情况向用户提供引导信息。同样，对于第二个潜在变量——信息技术的有效性，结果表明，用户认为智能交通系统（ITS）的整体影响远大于闭路电视（CCTV）和电子罚单（EC），分别为（0.96）、（0.93）和（0.51）。

此外，对于第三个潜在变量即TMS的有效性，结果表明，根据用户的观点，RFM（0.75）是管理拉合尔交通最有效的信息来源，其次是PS（0.70）和TMSL（0.57）。这表明用户依赖这些技术（RFM和PS）的有效性，但他们对这些技术在拉合尔的应用并不十分满意。这可以解释为大多数参与者是摩托车使用者，他们对RASTA FM 88.6表达了普遍看法，但并未将其作为实际使用的一部分。

表2. 对智能交通系统及其技术的熟悉程度。

智能交通系统及其技术	Yes	No
	分布（%）	频率
智能交通系统	84	499
交通监控摄像头	92	548
可变信息标志	77	461
电子罚单	92	549
行人信号	61	363
RASTA FM 88.6	34	203
交通帮助热线1915	40	237
应急响应单位	100	596

表3. 智能交通系统的有效性及其技术。

有效性	智能交通系统	交通监控摄像头	可变信息标志	电子罚单系统	行人信号	RASTA FM
	%	F	%	F	%	F
非常有用	31	185	29	173	26	155
有用	58	346	55	327	45	268
中立	9	53	10	60	22	131
较无用	1	6	4	24	3	18
无用	1	6	2	12	4	24

表4. 交通信息来源。

交通信息来源	分布（%）	频率
社交媒体	29	174
RASTA FM 88.6	5	33
电视	16	93
报纸	1	4
谷歌地图	12	70
不要接收更新	37	222

交通管理日常。类似地，当收集数据时，大多数交叉路口的行人信号并未投入使用。因此，人们可能给出了笼统的观点，而没有将其视为拉合尔市交通管理的一部分。然而，安全城市将行人信号视为一种交通管理工具，因为道路穿越被认为是道路交通中的一个重大障碍。最后一个也是最重要的变量——在拉合尔其他地区部署交通管理系统（TMS）的结果显示，人们100%愿意在该城市的其他区域推广使用同一系统。但仍有近50%的人愿意为这类设施付费，这表明人们对为此类服务支出持犹豫态度，这一结果支持了Polydoropoulou、Tsirimpa和Antoniou（2005）的研究发现，但与Khattak、Yim和Prokopy（2003）的研究结果相矛盾，后者的研究中受访者愿意为定制化服务付费。

数据中观察到了一些影响智能交通系统有效性的因素，而其他因素在数据中可能缺失。然而，基于现有数据集，可能存在无法获得所有已知影响智能交通系统有效性的因素的数据用于分析的情况。例如，环境因素，即在拉合尔冬季可能出现的极端天气条件（雾、烟雾或雨）下可变信息标志（VMS）和交通信号灯的可见性。此外，人为因素，即用户对途中信息的反应时间，也可能影响其决策，从而间接影响智能交通系统的效果。同样，安全特性指标在此方面也非常重要。所有这些因子构成了文献中所谓的“未观测异质性”（Mannering, Shankar, and Bhat 2016）。这种异质性反映了由于未观测因素导致解释因子在样本中影响的差异（Wali, Khattak, and Karnowski 2020）。

最后，选取三个潜在变量：信息技术的有效性、可变信息标志（VMS）的有效性和交通管理系统（TMS）的有效性，作为自变量，以检验它们对TMS的部署这一因变量的影响。模型中列出的三个数值：路径系数、标准误差和t值，如（图2）所示。

结果表明，根据用户反馈，信息技术的有效性（标准化路径系数= 0.11，t值= 0.013）是在该城市的其他区域部署当前交通管理系统时最需考虑的显著因子。此外，可变信息标志的影响在TMS的部署中被发现不显著（标准化路径系数= 0.05，t值= 0.3），这说明VMS未能向用户提供途中信息以支持更明智的出行决策，而这是道路交通管理中的一个主要问题；因此，用户认为其在交通管理中并不重要。同样，交通管理系统的有效性在TMS的部署方面也被发现不显著（标准化路径系数= 0.03，t值= 0.56）。描述性统计显示，仅有5%的用户有兴趣将 RASTA FM 88.6作为交通信息更新的来源，这可能是人们并未将其视为该城市交通管理中的有用工具。结果显示，约 61%的用户熟悉行人信号，但观察发现人们在道路上并未遵守行人信号。平安城市主管部门未对行人实施任何处罚，这可能是导致行人不遵守信号灯且认为其在道路上不重要的原因。因此，在模型中TMS的有效性整体影响被发现不显著。可变信息标志（VMS）的有效性已针对信息技术以及TMS的有效性进行了检验。结果表明，可变信息标志（VMS）的有效性对信息技术的有效性对交通的影响更大（标准化路径系数 = 0.16，t值 = 0.01），相较于其对交通管理系统的影响（标准化路径系数 = 0.09，t值 = 0.12）。

此外，还检验了一些社会人口统计因素对潜在变量（即 TMS的部署）的影响。结果表明，定期获取交通信息更新（标准化路径系数= 0.10，t值= 0.04）是支持安全城市在拉合尔市部署交通管理系统最重要的因素之一。此外，移动应用程序的使用（标准化路径系数= 0.08，t值= 0.09）也影响了该城市智能交通系统的存在，其次是教育水平（标准化路径系数= −0.09，t值= 0.06）和居民收入（标准化路径系数= −0.08，t值= 0.01）。由于数据有限，可能还有其他重要的社会经济变量未被纳入，而这些变量在评估拉合尔市现有智能交通系统的有效性方面可能发挥重要作用。

表10 显示了结构方程模型的拟合优度信息。结果表明（表 10），估计的模型具有30个自由度，卡方值为= 58.179（P值= 0.002）。此外，模型的拟合优度指数、调整拟合优度指数、比较拟合指数均大于0.9，近似误差均方根和标准化残差均方根均小于 0.05，表明模型拟合良好。

结论

本研究调查了拉合尔市道路使用者对道路交通管理系统（即智能交通系统）有效性的用户感知。智能交通系统首次在该城市部署，引起了使用者的广泛关注和兴趣。智能交通系统的部署是最大化交通管理系统效率的关键。该系统在该城市的实施使道路使用者产生了强烈的责任感，而这种责任感此前一直缺失。通过该系统，道路使用者真正理解了执法的价值，这确实促使他们遵守交通规则。

表7. 基于潜在变量收敛效度的验证性因子分析（CFA）。

收敛效度	可变信息标志的有效性	智能交通系统的有效性	技术有效性	TMS的有效性	部署TMS的部署
AVE值 > 0.5	0.823	0.743	0.633	0.773	-
CR值 > 0.7	0.903	0.895	0.838	0.873	-
收敛度	已建立	已建立	已建立	已建立	-

表8. 基于区分效度的验证性因子分析（CFA）。

区分效度	相关系数	相关系数平方 (r²)	AVE1	AVE2	AVE > r²状态
ITS – VMS	0.164	0.0269	0.743	0.823	已建立
VMS – 部署	0.069	0.0047	0.823	0.773	已建立
VMS – TM	0.086	0.0074	0.823	0.633	已建立
ITS – 部署	0.115	0.0132	0.743	0.773	已建立
ITS – TMS	0.007	0.00005	0.743	0.633	已建立
部署 – 交通管理	0.033	0.00109	0.773	0.633	已建立

图1. 安全城市项目下拉合尔交通管理系统有效性的概念模型。

图2. 安全城市项目下拉合尔交通管理系统有效性的结构方程模型。

表9. 观测变量之间的关联。

变量	因素	卡方	DF	P值	支付意愿 (WP)
教育	17.39	8	0.03*	显著	-
收入	31.20	8	0.00*	显著	-
驾驶执照	7.92	2	0.02*	显著	-
使用的交通方式	0.95	2	0.62	不显著	-
使用的具体交通方式	2.4	8	0.95	不显著	-
定期获取交通信息	2.5	2	0.30	不显著	-
获取交通信息的来源	20.16	10	0.03*	显著	-
移动应用程序的使用	8.6	2	0.01*	显著	-
安全城市交通管理系统（TMSS）	教育	8.29	8	0.40	不显著
收入	14.72	8	0.07**	显著	-
驾驶执照	7.69	2	0.02*	显著	-
使用的交通方式	4.45	2	0.11	不显著	-
使用的具体交通方式	6.3	8	0.61	不显著	-
定期获取交通信息	7.31	2	0.03*	显著	-
获取交通信息的来源	19.581	10	0.03*	显著	-
移动应用程序的使用	8.33	2	0.02*	显著	-
智能交通系统 (ITS)	教育	29.35	8	0.00*	显著
收入	18.83	8	0.02*	显著	-
驾驶执照	17.96	2	0.00*	显著	-
使用的交通方式	2.41	2	0.30	不显著	-
使用的具体交通方式	13.45	8	0.01*	显著	-
定期获取交通信息	14.22	2	0.00*	显著	-
获取交通信息的来源	71.83	10	0.00*	显著	-
移动应用程序的使用	10.82	2	0.004*	显著	-
监控摄像头（闭路电视）	教育	16.33	16	0.43	不显著
收入	31.91	16	0.01*	显著	-
驾驶执照	3.98	4	0.41	不显著	-
使用的交通方式	3.02	4	0.60	不显著	-
使用的具体交通方式	18.14	16	0.32	不显著	-
定期获取交通信息	20.95	4	0.00*	显著	-
获取交通信息的来源	33.5	20	0.03*	显著	-
移动应用程序的使用	9.38	4	0.05*	显著	-
电子罚单 (EC)	教育	18.97	16	0.40	不显著
收入	24.286	16	0.08**	显著	-
驾驶执照	12.98	4	0.01*	显著	-
使用的交通方式	15.34	4	0.004*	显著	-
使用的具体交通方式	22.306	16	0.13	不显著	-
定期获取交通信息	12.25	4	0.02*	显著	-
获取交通信息的来源	25.85	20	0.20	不显著	-
移动应用程序的使用	16.847	4	0.002*	显著	-
行人信号 (PS)	教育	31.46	16	0.01*	显著
收入	46.99	16	0.00*	显著	-
驾驶执照	8.79	4	0.07**	显著	-
使用的交通方式	11.29	4	0.02*	显著	-
使用的具体交通方式	37.40	16	0.002*	显著	-
定期获取交通信息	17.68	4	0.001*	显著	-
获取交通信息的来源	24.05	20	0.20	不显著	-
移动应用程序的使用	9.84	4	0.04*	显著	-
RASTA FM 88.6 (RFM)	教育	42.77	16	0.00*	显著
收入	23.5	16	0.10**	显著	-
驾驶执照	7.8	4	0.90	不显著	-
使用的交通方式	7.08	4	0.10**	显著	-
使用的具体交通方式	35.9	16	0.003*	显著	-
定期获取交通信息	20.24	4	0.00*	显著	-
获取交通信息的来源	67.64	20	0.00*	显著	-
移动应用程序的使用	7.3	4	0.12	不显著	-
拉合尔交通管理系统（TMSL）	教育	3.78	8	0.80	不显著
收入	14.32	8	0.07**	显著	-
驾驶执照	1.91	2	0.40	不显著	-
使用的交通方式	0.056	2	0.90	不显著	-
使用的具体交通方式	1.69	8	0.90	不显著	-
定期获取交通信息	3.3	2	0.19	不显著	-
获取交通信息的来源	7.15	10	0.71	不显著	-
移动应用程序的使用	0.006	2	0.90	不显著	-
VMS接受 (VMS)	教育	26.771	16	0.04*	显著
收入	23.53	16	0.10**	显著	-
驾驶执照	1.5	4	0.83	不显著	-
使用的交通方式	7.2	4	0.13	不显著	-
使用的具体交通方式	13.4	16	0.64	不显著	-
定期获取交通信息	8.6	4	0.07**	显著	-
获取交通信息的来源	35.5	20	0.02*	显著	-
移动应用程序的使用	5.3	4	0.30	不显著	-
可变信息标志信息 (VMSI)	教育	12.16	16	0.70	不显著
收入	16.96	16	0.38	不显著	-
驾驶执照	5.68	4	0.20	不显著	-
使用的交通方式	3.7	4	0.40	不显著	-
使用的具体交通方式	19.37	16	0.25	不显著	-
定期获取交通信息	6.62	4	0.20	不显著	-
获取交通信息的来源	43.5	20	0.002*	显著	-
移动应用程序的使用	8.64	4	0.07**	显著	-

表10。结构方程模型的拟合统计量。

拟合指数	模型可接受拟合
卡方	58.179较小值
Df	30
P值	0.002
拟合优度指数（GFI）	0.981 > 0.9
调整后的拟合优度指数 (AGFI)	0.965 > 0.9
比较拟合指数 (CFI)	0.986 > 0.9
近似误差均方根 (RMSEA)	0.040 < 0.05
残差均方根 (RMSR)	0.013 < 0.05

该研究还分析了旅客对该城市内作为该系统一部分使用的不同 ITS应用的反应。本研究表明，大多数旅客（80%）为私家车用户，其中大部分（65%）为摩托车骑手。由于巴基斯坦的公共交通系统效率不高，迫使人们使用自己的车辆出行。根据收入情况，拉合尔的大多数人属于中产阶级，他们通常选择摩托车作为主要出行方式。在获取交通信息方面，参与者主要（29%）依赖社交媒体。平安城市周报被认为是最无用（1%）且不可靠的交通信息更新来源。有相当数量的受访者（77%）表示自己是安卓手机用户，这使他们更容易获取各类交通信息应用。根据对安装的系统的了解和可靠性，较少的受访者（19%）表示有兴趣获取交通信息更新，因此需要通过不同平台提高公众对该系统的认知，以增强他们对已实施系统存在、运行方式及其重要性的了解。这将有助于在用户中传播意识，并使该系统在未来取得成功。结果显示，大多数受访者（84%）熟悉智能交通系统技术及其在安全城市项目下的该城市中的实施情况，并能够积极评价系统的有效性。

此外，因子分析的结果将变量分为四个潜在变量及其相关的观测变量。这些变量随后在结构方程模型下进行分析，以从用户的角度检验其有效性。结构方程模型中的系数值显示，用户认为智能交通系统（ITS）的影响最强（0.96），其次是闭路电视（CCTV）（0.93）和电子罚单（EC）（0.51），这表明通过安全城市项目实施的交通管理系统具有较高的有效性和成功性。同样，可变信息标志（VMS）作为一般信息来源比其在实时情境中作为引导信息来源更为有效，即VMSI（0.83）和VMS（0.81）。此外，关于TMS的有效性，结果显示，从用户角度来看，RFM（0.75）是管理拉合尔交通最有效的信息来源。结构方程模型中的系数值还表明，用户愿意实施类似的交通安全城市管理局在该城市的其他区域实施管理策略（1.0）。然而，人们并不愿意为部署此类设施付费。结果显示（0.56），部分用户愿意为使用此类设施付费。仍需进一步探讨人们不愿为这些管理工具付费的原因，并建议通过提供相应回报来激励公众，此点推荐作为未来的研究方向。

尽管本文侧重于一项体验式研究，但本文的成果对PSCA具有重要价值，有助于其从用户角度了解现有系统的运行情况以及为开发先进的道路交通管理系统所需进行的改进。拉合尔市共有171个信号交叉口，其中PSCA仅覆盖了150个。此外，该城市还有多个交叉路口未设置信号灯，且不在PSCA的管理范围内。因此，PSCA需要扩展其系统和基础设施以覆盖整个城市。此外，PSCA还需要将其数据与其他机构（例如税务和执法机构）进行整合，以使系统更高效地运行。