(信陽師范學(xué)院 旅游學(xué)院， 河南 信陽 464000)

一、引言

2011年，國家啟動了“國家物聯(lián)網(wǎng)應(yīng)用示范工程”，在交通、農(nóng)業(yè)、公安、林業(yè)等八個領(lǐng)域開展典型示范應(yīng)用。其中，交通運(yùn)輸部結(jié)合行業(yè)發(fā)展現(xiàn)狀，著眼于物聯(lián)網(wǎng)產(chǎn)業(yè)的推動發(fā)展，以廣州為示范區(qū)域，組織開展了“基于物聯(lián)網(wǎng)的城市智能交通應(yīng)用示范工程”。為此，交通運(yùn)輸部設(shè)立了“基于物聯(lián)網(wǎng)的城市智能交通關(guān)鍵技術(shù)研究”重大信息化科技專項(xiàng)。智能交通系統(tǒng)(Intelligence Transportation System，以下簡稱ITS)作為物聯(lián)網(wǎng)技術(shù)在交通行業(yè)應(yīng)用的新生產(chǎn)物，與傳統(tǒng)交通運(yùn)輸項(xiàng)目相比，它表現(xiàn)出動態(tài)性、新穎性、復(fù)雜性、廣泛性等特點(diǎn)。目前，ITS已經(jīng)在中國開始建設(shè)并應(yīng)用，在改善城市交通運(yùn)行與服務(wù)的暢通性、安全性、綠色性、便捷性等方面已經(jīng)取得了一定的成效。

城市智能交通是一個復(fù)雜的綜合性系統(tǒng)，其發(fā)展建設(shè)受城市交通環(huán)境、人口、地理位置、經(jīng)濟(jì)水平等眾多因素影響。盡管智能交通產(chǎn)業(yè)建設(shè)在多個領(lǐng)域已經(jīng)取得了顯著效果，交通運(yùn)輸整體狀況也得到一定程度改善，但是，關(guān)于ITS應(yīng)用效果的研究仍然以宏觀層面的管理、建設(shè)為主導(dǎo)，對ITS微觀層面應(yīng)用效果的研究較為匱乏，比如，ITS對城市交通出行環(huán)境，出行服務(wù)質(zhì)量，出行的暢通性、安全性等改善的研究成果很少。從已有成果來看，ITS應(yīng)用績效評價研究多從其產(chǎn)生的經(jīng)濟(jì)效益、社會效益等宏觀輸出層面入手分析，比如，美國2000年發(fā)布的“National ITS Architecture”對ITS的評價內(nèi)容做了較全面闡述，包括評價設(shè)計(jì)、成本分析、性能效益研究、風(fēng)險分析、評價指導(dǎo)性文件。此前，美國運(yùn)輸部還公布了其他有關(guān)APTS(Benefits Assessment of Advanced Public Transportation System)評價的指導(dǎo)性文件，如“1994年ITS評價指導(dǎo)方針TEA-21中的AVIS評價指南”。日本在ITS經(jīng)濟(jì)效益評價的基礎(chǔ)上，針對不同ITS子項(xiàng)目設(shè)計(jì)了相應(yīng)的評價方法，重點(diǎn)考察ITS的社會效益。歐盟則在“1994-1998 TELEMATICS計(jì)劃”中指出，ITS評價的主要方向?yàn)椋簽楣娞峁┏鲂行畔?、路線引導(dǎo)和事故報(bào)告服務(wù)，為車輛提供自動定位、最佳路線選擇和信息交換服務(wù)，為公共交通提供準(zhǔn)確的信息和乘車服務(wù)，為交通管理提供自適應(yīng)交通信號、自動收費(fèi)、環(huán)境監(jiān)測和事故自動檢測服務(wù)等。除了國家宏觀發(fā)展層面提出的評價措施，學(xué)者們也進(jìn)行了研究，史其信、梁玉慶、陸化普、高自友、黃海軍等較早評價了ITS的應(yīng)用效益，并初步將評價指標(biāo)概括為：降低交通成本、減少出行時間、緩解土地資源及交通基礎(chǔ)設(shè)施投資強(qiáng)度、推動相關(guān)產(chǎn)業(yè)發(fā)展和技術(shù)進(jìn)步、滿足交通需求和提供高生活質(zhì)量以及其他社會經(jīng)濟(jì)效益〔1～5〕。之后，評價指標(biāo)開始被分類細(xì)化，比如從公共交通設(shè)施水平、服務(wù)水平、效益水平、社會責(zé)任四個層面建立綜合評價指標(biāo)體系〔6～8〕；以舒適、安全、便捷、時效等為指標(biāo)，從定性與定量相結(jié)合的層面評價快速公交換乘系統(tǒng)的應(yīng)用效益〔9～12〕，并準(zhǔn)確提出了評價ITS綜合效益的指標(biāo)體系〔13〕。此外，有學(xué)者從宏觀應(yīng)用層面按照社會效益、個人效益、企業(yè)效益等對ITS進(jìn)行評價〔14～16〕；從ITS建設(shè)投資層面，探討了ITS對直接就業(yè)人數(shù)、經(jīng)濟(jì)乘數(shù)、生產(chǎn)率、技術(shù)擴(kuò)散和競爭力等潛在宏觀經(jīng)濟(jì)的影響〔17～18〕；但是，由于很多地區(qū)的ITS核心基礎(chǔ)設(shè)施并未廣泛建成，導(dǎo)致指標(biāo)度量較為困難。Brand，Levidkangas等對ITS項(xiàng)目自身的效益進(jìn)行評價，實(shí)現(xiàn)對不同ITS子項(xiàng)目的篩選、排序和選擇〔19～20〕。綜上可知，已有研究成果從不同視角構(gòu)建了不同指標(biāo)體系，結(jié)合了不同方法對ITS的應(yīng)用績效進(jìn)行了評價；但是，綜合分析之后發(fā)現(xiàn)，存在以下問題：第一，由于評價對象受到的影響因素較多且具有一定交叉性，使得評價方法選取受限，導(dǎo)致定性或模糊數(shù)學(xué)等主觀性較強(qiáng)的方法成為了主導(dǎo)方法，影響了結(jié)果的準(zhǔn)確性；第二，大部分評價研究停留在宏觀層面，對微觀層面的定量化評價相對匱乏。因此，本文嘗試進(jìn)行改進(jìn)和創(chuàng)新，在考慮“投入—產(chǎn)出”的前提下，通過構(gòu)建立體式、動態(tài)性的評價指標(biāo)體系，評價ITS對城市交通擁堵改善的貢獻(xiàn)。

二、模型的構(gòu)建

雖然筆者在前期研究ITS的應(yīng)用時，借助DID模型評價了ITS對交通擁堵改善的作用；但是，DID模型在測算貢獻(xiàn)率時，主要針對那些在短期內(nèi)有較大變化且容易選取對照組的領(lǐng)域，而對于交通等一些較復(fù)雜領(lǐng)域的研究涉及較少，對ITS應(yīng)用效果以及對城市交通擁堵改善貢獻(xiàn)的研究也相對空白。此時，DID模型的使用受到限制，而ITS的復(fù)雜性決定了選取對照組時的困難。因此，探尋一個有效選取對照組的方法，能較好的使用DID方法評價ITS的應(yīng)用效果。本文主要通過引入匹配算法，構(gòu)建匹配雙重差分模型(MDID)來解決這一問題。

(一)模型應(yīng)用思路

DID模型應(yīng)用的核心思想是：以建設(shè)了ITS的地區(qū)為“實(shí)驗(yàn)組”，未建設(shè)ITS的地區(qū)為“控制組”，利用DID模型有效控制其他可能因素的影響后，既能分離出實(shí)驗(yàn)組在ITS應(yīng)用后交通運(yùn)行狀況變化的個體差異，又能分離出不同區(qū)域在時間上的差異，從而識別出ITS的應(yīng)用效果(圖1)。

圖1 DID模型評價ITS應(yīng)用效果時的框架

從DID模型的研究和應(yīng)用現(xiàn)狀來看，控制組的選取主要依靠主觀判斷，缺乏客觀定量的衡量標(biāo)準(zhǔn)；當(dāng)控制組為單一個體時，計(jì)算結(jié)果會嚴(yán)重依賴于該個體的數(shù)據(jù)，造成模型穩(wěn)健性不高，因此，需要對模型進(jìn)行改進(jìn)。同時DID模型在選取控制組時主觀性太強(qiáng)，影響了ITS應(yīng)用效果評價結(jié)論的真實(shí)性，可引入匹配算法加以解決。匹配算法并非真正意義上的實(shí)驗(yàn)算法，是通過采用一種近似實(shí)驗(yàn)的算法處理一些難以有效區(qū)分實(shí)驗(yàn)組和控制組的數(shù)據(jù)。匹配算法認(rèn)為具有相同特征的個體對同一政策變量有相同的反應(yīng)，即在ITS應(yīng)用效果評價的過程中，實(shí)驗(yàn)組和控制組的決策行為不受不可觀測變量的影響。將匹配算法引入DID模型之后，擴(kuò)大了控制組的選擇范圍，避免了控制組選取的主觀隨意性，消除非共同支撐域和非同分布所導(dǎo)致的估計(jì)偏差。

(二)MDID模型構(gòu)建

MDID模型是在DID模型基礎(chǔ)上引入匹配模塊，使用匹配算法尋找最優(yōu)控制組，然后通過構(gòu)建干預(yù)實(shí)施前的虛擬處理個體，在匹配選取的控制組基礎(chǔ)上進(jìn)行雙重差分。MDID模型在測算貢獻(xiàn)率時具有以下優(yōu)點(diǎn)：(1)解決了DID模型選取控制組時的人為因素；(2)匹配算法無法解決不可觀測的時間固定效應(yīng)，而DID模型可以解決；(3)MDID允許存在不可觀測因素的影響；(4)在實(shí)施擬合過程中，國內(nèi)城市的車速數(shù)據(jù)較難獲得，而MDID模型的匹配過程不需要大量的車速數(shù)據(jù)，使構(gòu)建較大備選庫成為可能，減少了控制組選取時的人為因素；(5)MDID模型的理論相對完備，便于進(jìn)行檢驗(yàn)和推斷。

1．DID模型

一般化的DID估計(jì)模型為yi=β+αidi+ui。其中，虛擬變量di=1表示實(shí)驗(yàn)組對象，di=0表示控制組對象。實(shí)驗(yàn)組的平均處置效應(yīng)(Average treatment effect on the treated,ATT)度量處理組和控制組的平均回報(bào)，為考察動態(tài)變化，引入時間變量的估計(jì)模型為：

yit=β+αidij+uij。

其中，虛擬變量t=t0表示政策實(shí)施前的時間區(qū)段，t=t1表示政策實(shí)施后的時間區(qū)段，且政策實(shí)施僅對實(shí)驗(yàn)組有影響(外生性假定)，由此可得ATT為，

The magnitudes of the grain size D, dislocation density δ, and the strain ε of the CuInGeSe4 thin film are found to be 48 nm, 3.93 × 10?3, and 1.14 × 1012 line/cm2, respectively.

αATT=E[α|di=1]

={E[yit|di=1,t=t1]-E[yij|di=1,t=t0]}-{E[yit|di=0,t=t1]-E[yit|di=0,t=t0]}，

2．匹配算法

Pr(D=1|Y(0),Y(1),PS(X))=Pr(D=1|PS(X))=PS(X)，

在處理PS時，選擇Probit模型進(jìn)行回歸分析，通過以下公式得到匹配估計(jì)值：

根據(jù)雙重差分和匹配估計(jì)量，建立匹配雙重差分估計(jì)量：

考慮到包含其他影響因素的控制變量，可以構(gòu)造如下面板模型估計(jì)ATT的取值：

wijyit=β0+β1tit+β2xit+αidit+γtitdit+δi+μit。

yit為隨機(jī)變量，wij為權(quán)重，xit為控制變量，β0、β1、β2為系數(shù)向量，參數(shù)β1表示沒有政策干預(yù)時實(shí)驗(yàn)組與控制組的經(jīng)濟(jì)行為如何隨時間變動，δi，uit為隨機(jī)干擾項(xiàng)，不隨時間變動。αi為實(shí)驗(yàn)組和控制組中任何不隨時間變動的差異，titdit是虛擬變量交叉項(xiàng)，γ表示實(shí)驗(yàn)組接受政策后的變動程度，反映了政策變動的效應(yīng)，是目標(biāo)變量，不僅度量了政策實(shí)施前后的效果，也度量了實(shí)驗(yàn)組與控制組之間的政策差異。

三、ITS對交通擁堵改善的貢獻(xiàn)

(一)指標(biāo)分析

筆者在前期研究成果中指出：交通擁堵可從暢通狀態(tài)和效率兩個方面來解釋，而城市交通運(yùn)行的暢通性取決于路網(wǎng)中各個路段或交叉口處的交通狀況。一般來講，導(dǎo)致城市交通擁堵的原因有很多，歸根結(jié)底是交通需求與交通供給的不匹配、不協(xié)調(diào)。交通需求方面，主要受城市經(jīng)濟(jì)、交通構(gòu)成、機(jī)動化出行等因素的影響；交通供給方面，包含了城市交通管理與規(guī)劃、道路基礎(chǔ)設(shè)施及相關(guān)交通服務(wù)設(shè)施等〔21～22〕?；谝陨戏治?，挑選可量化且數(shù)據(jù)可獲取的因素形成指標(biāo)集(見表1)，并進(jìn)行分析。

根據(jù)前文分析，本文選擇路網(wǎng)平均行車速度(A-SPEED)作為交通擁堵的表征指標(biāo)，考慮指標(biāo)之間的規(guī)律性和數(shù)據(jù)可獲取性，定量分析并明確指標(biāo)間的相關(guān)性。主要以北京市為例，收集北京市2000～2010年的指標(biāo)數(shù)據(jù)，并利用Eviews軟件進(jìn)行相關(guān)性檢驗(yàn)，結(jié)果如表2所示。

表1 影響交通擁堵的主要指標(biāo)

表2 交通擁堵表征指標(biāo)與路網(wǎng)平均行車速度之間的相關(guān)性

結(jié)果顯示，GDP、POP等影響因素與A-SPEED之間的相關(guān)系數(shù)均在0.7以上，相關(guān)性較高，是影響A-SPEED的主要因素。參考國內(nèi)外學(xué)者已研究的交通擁堵評價指標(biāo)的基礎(chǔ)上，根據(jù)“從一般到簡單”的計(jì)量建模原則，對指標(biāo)進(jìn)行篩選。MDID模型中的CIA假設(shè)為自變量的篩選提供部分依據(jù)：自變量被“干預(yù)”所影響，但不能影響“干預(yù)”。根據(jù)MDID假設(shè)條件，實(shí)施格蘭杰檢驗(yàn)，剔除不滿足CIA條件的變量。檢驗(yàn)結(jié)果表明，P-POP為車速的格蘭杰原因的檢驗(yàn)結(jié)果是顯著的(P<0.05)，說明P-POP不適宜作為A-SPEED的自變量。

(二)構(gòu)建匹配池

雙重差分方法需要控制組城市，廣州作為ITS示范工程的唯一城市，作為控制組的對比城市是未實(shí)施ITS的城市，但手工選取對比城市存在兩個缺陷：一是作為廣州的對比城市可以容忍多大的差異，是10%還是30%，沒有客觀的標(biāo)準(zhǔn)；二是如果選擇單一城市，計(jì)算結(jié)果會嚴(yán)重依賴于這一城市的數(shù)據(jù)。通過引入匹配過程可解決以上兩個問題，為科學(xué)選取最優(yōu)對比城市提供了理論支持。但執(zhí)行匹配算法之前，需要確定哪些城市可進(jìn)入匹配池。根據(jù)模型原理，選取控制組城市時假設(shè)政策具有外生性，即政策不應(yīng)與誤差項(xiàng)相關(guān)，ITS僅影響廣州而對控制組城市沒有影響或影響以忽略。此假設(shè)引申的要求為：(1)模型允許存在不可觀測因素的影響；(2)除政策外，其余因素的影響作用相同；(3)控制組和實(shí)驗(yàn)組的特征穩(wěn)定。根據(jù)以上要求，結(jié)合中國行政區(qū)劃，選擇30個省會中心城市(拉薩除外)和大連、深圳、廈門、青島、蘇州、寧波6個城市組成匹配池，并采集36個城市2015年的數(shù)據(jù)作為備選庫截面數(shù)據(jù)。對原始數(shù)據(jù)進(jìn)行Probit穩(wěn)健回歸，結(jié)果如表3所示。

表3 交通擁堵表征指標(biāo)的Probit穩(wěn)健回歸結(jié)果

由表3可知，P-BUS在Probit回歸中，系數(shù)穩(wěn)健檢驗(yàn)不顯著，且與C-CAR存在較高的共線性，但它與A-SPEED的相關(guān)度低于C-CAR的相關(guān)度，因此不適于進(jìn)入模型。將其剔除后，R2，AIC/SIC變化并不明顯。此外，ROM和ROA存在不容忽略的共線性問題，不適于放在同一模型中，保留ROM之后，4個自由度的Wald統(tǒng)計(jì)量為19.89，P值為0.0005，Log pseudo似然度為-2.276，PseudoR2為0.782，擬合程度可以接受。

Probit回歸后，在共同支撐域下計(jì)算PS值。采用半徑法匹配算法(半徑取值為0.1%)選取控制組城市并計(jì)算權(quán)重。結(jié)果顯示，控制組組城市為深圳、上海和蘇州，并采用Gaussian核密度函數(shù)進(jìn)行計(jì)算，高斯寬度參數(shù)設(shè)為0.1，計(jì)算結(jié)果見表4。

為保證模型的穩(wěn)健性，對數(shù)據(jù)進(jìn)行對數(shù)化處理，重新計(jì)算得到的PS值為：0.226(廣州)，0.405(深圳)，0.170(上海)，0.137(蘇州)，說明模型具備較好的穩(wěn)定性。因此，可虛擬一個城市A為控制組，即城市A=0.403×深圳+0.139×上海+0.458×蘇州。

(三)貢獻(xiàn)率測算

表4 PS值和權(quán)重

其余32個城市，PS值均小于0.001。不再羅列。

根據(jù)上述內(nèi)容，采集實(shí)驗(yàn)組和控制組城市2008～2015年的指標(biāo)數(shù)據(jù)，為了與被解釋變量A-SPEED保持一致，分別對變量除以常住人口，得到人均變量。假設(shè)，貢獻(xiàn)率為因x變動引起的y變動除以總的y變動，比照索洛增長模型，取對數(shù)差分后，虛擬變量系數(shù)即為貢獻(xiàn)率。設(shè)組別虛擬變量為GRP，GRP=0表示變量隸屬于控制組，GRP=1表示變量隸屬于實(shí)驗(yàn)組，ITS為政策虛擬變量，交叉項(xiàng)為GRP×ITS，可建立最終的貢獻(xiàn)率測評模型：

W×A-SPEED=a0+a1×ROM+a2×C-CAR+a3×GDP+b1×GRP+b2×ITS+b3×GRP×ITS+μ。

由于上述數(shù)據(jù)是非對稱分布的，條件期望的最小二乘模型難以精確反映真實(shí)情況，因此，本文建立了以下固定效應(yīng)估計(jì)模型，使用分位數(shù)回歸模型進(jìn)行擬合，對模型的穩(wěn)健性進(jìn)行檢驗(yàn)，計(jì)算結(jié)果為表5。

表5 匹配雙重差分模型估計(jì)結(jié)果

由表5的測算結(jié)果得出以下結(jié)論：

(1)實(shí)施智能交通項(xiàng)目對廣州路網(wǎng)平均車速提高的凈貢獻(xiàn)為9.25%，即在廣州交通堵改善的提升中，有9.25%是由ITS項(xiàng)目貢獻(xiàn)的。

(2)由方差R2=0.704可知，包含4個變量和2個自由虛擬變量的模型解釋了總變動的70.41%，其余約30%的變動是模型未包含的因素造成的，包括系統(tǒng)性誤差、遺漏變量、變量約簡誤差、其他無法解釋的誤差等。

(3)截距系數(shù)constant=0.054。由于控制組不可能完全沒有建設(shè)ITS，因此，該值表示控制組城市受ITS影響的比例為5.4%，比值較小，可忽略，說明控制組的選取是科學(xué)合理的，也佐證了貢獻(xiàn)率測算結(jié)果的真實(shí)性。

(4)政策虛擬變量系數(shù)值為-0.031，表示受時間因素及其他因素影響，從2008～2015年，控制組城市交通暢通性水平減少了3.14%，該值較小，說明控制組交通暢通性在該時間段內(nèi)較為平穩(wěn)，有益于使用MDID模型進(jìn)行貢獻(xiàn)率測評。

(5)GRP的系數(shù)為-0.036，表明在ITS實(shí)施前，控制組與處理組之間的交通暢通性水平差異較小，僅為3.6%，說明控制組與處理組選擇的較為合理。

(6)ROM、C-CAR和GDP的系數(shù)分別為1.085、-1.867和1.865，說明道路長度和GDP與暢通性存在正相關(guān)關(guān)系，且GDP的相關(guān)性高于道路長度；而民用機(jī)動車擁有量與暢通性存在負(fù)相關(guān)關(guān)系，且對暢通性的影響較大。

(四)測算結(jié)果分析

ITS的應(yīng)用必然會給城市交通發(fā)展帶來積極影響，但是伴隨城市自身的快速發(fā)展，加之ITS受較多因素的作用，城市交通擁堵并沒有得到明顯改善。因此，基于以上結(jié)論，本文從以下幾個角度提出改善城市交通擁堵的策略建議。

(1)提升城市交通管理水平，改善現(xiàn)有路網(wǎng)結(jié)構(gòu)。城市要能夠認(rèn)準(zhǔn)市場經(jīng)濟(jì)體制的要求，參考城市交通的自身發(fā)展現(xiàn)狀，推進(jìn)管理體制的改革，如積極推行政企分開、政事分開，優(yōu)先發(fā)展公共交通，加強(qiáng)信息化技術(shù)的使用，發(fā)展多核心城市空間結(jié)構(gòu)等；在進(jìn)行路網(wǎng)規(guī)劃時，要在對未來很長一段時間交通環(huán)境預(yù)測的基礎(chǔ)上進(jìn)行預(yù)見性的規(guī)劃，避免出現(xiàn)后期建設(shè)否定前期成果的情形；完善靜態(tài)交通設(shè)施，如建立立體化車庫。

(2)保證城市發(fā)展進(jìn)程下有效改善交通擁堵。城市經(jīng)濟(jì)發(fā)展、人口增多勢必會增加機(jī)動車的保有量，從而影響交通暢通狀態(tài)，而此時可采取提高車輛稅、停車費(fèi)、收取道路擁擠費(fèi)及公共交通出行優(yōu)惠等手段，利用價格機(jī)制合理引導(dǎo)交通需求，緩解擁堵。如提高停車費(fèi)、收取道路擁擠費(fèi)及實(shí)施公共交通出行優(yōu)惠等手段可限制城市外圍車輛進(jìn)入城市中心區(qū)域，鼓勵換乘公共交通工具。

(3)優(yōu)化城市交通基礎(chǔ)運(yùn)行狀況。目前，我國機(jī)動車保有量以每年15%的速度增長，而城市道路僅以3%的速度增長，這種比例極不合理，由于城市土地資源是有限的，需要我們最大效用利用有限的土地資源。因此，可采用多種方式改善道路使用程度，如建立互通交叉立交橋、采用環(huán)島行交叉路口、交通燈智能化控制路口等改善路網(wǎng)行車速度；合理設(shè)置不同等級道路的交叉口間距、加強(qiáng)道路之間的互通互聯(lián)率、縮短出行距離，安裝智能化路況顯示屏、合理分配交通流量、減少出行時間；強(qiáng)化城市快速路和城市支路建設(shè)、合理控制道路兩側(cè)的預(yù)留用地等。

(4)合理配置交通構(gòu)成方式。加強(qiáng)公交設(shè)施和服務(wù)的改進(jìn)，吸引更多人群出行改用公交車，如優(yōu)化公交布局、發(fā)展多種形式的快速公交專車、實(shí)行峰谷時段收費(fèi)不同的優(yōu)惠公交卡等，提高公共交通分擔(dān)率。

四、總結(jié)

本文研究結(jié)論為城市ITS的規(guī)劃及建設(shè)投入提供了定量分析方法和決策參考，對城市中的示范性工程應(yīng)用績效評價有一定參考價值，也為完善DID模型的應(yīng)用技術(shù)處理提供了新思路。從研究結(jié)果來看，ITS能夠減緩交通擁堵、減少車輛行駛時間和距離、提高交通運(yùn)行速度等，但是伴隨著城市自身的快速發(fā)展，加之受較多因素影響，導(dǎo)致路網(wǎng)平均行車速度的改善并不明顯或者某些城市的平均車速反而降低了，主要因?yàn)镮TS產(chǎn)生的正向作用小于其他因素帶來的負(fù)向作用，但不能否定ITS的貢獻(xiàn)價值。