城市公共交通出行方式選擇行為研究

殷煥煥 武 平 趙紅征

（交通運輸部公路科學研究院1） 北京 100088） （交通運輸部科學研究院2） 北京 100029） （北京中咨華安交通科技發展有限公司3） 北京 100098）

隨著社會經濟的發展，機動車保有量迅速增加.小汽車出行量的迅猛增長，帶來了交通擁堵、尾氣污染等一系列城市交通問題.優先發展公共交通，成為緩解城市交通擁堵，促進城市交通可持續發展的重要策略.而優先發展公共交通的關鍵則是提高公共交通對私人交通的競爭力，合理引導私人交通，鼓勵居民多乘坐公共交通工具，提高城市公共交通的出行比例.因此，準確地把握居民的公交出行方式選擇行為特征，有利于針對性地提出城市交通需求管理及公交發展對策，以穩定既有的公交出行群體同時更多地吸小汽車出行者選擇公共交通出行，以實現提高公交出行分擔率、優化城市交通系統結構和改善城市交通環境的目的.

1 相關研究回顧

公共交通作為城市交通結構的重要組成部分，對發揮城市功能，緩解城市交通壓力，滿足廣大居民便捷、安全的出行需求具有不可替代的作用.關于公交出行方式選擇行為的研究，國內不少學者進行了廣泛的研究.

黎冬平［1］對居民在不使用私人交通工具的情況下是否選擇公交出行方式進行了研究，建立了居民公交出行決策模型量化出行目的、到目的地的距離、步行至公交車站的時間、公交換乘次數以及是否擁有私人交通工具等影響因素對于公交出行行為的影響程度.陳俊勵［2］從個體出行行為角度分析了城市居民公交出行特征和規律，建立了基于時間的交通方式選擇模型定量研究出行者屬性對公交出行方式選擇行為的影響程度.蘆方強［3］對5個城市的居民公交出行OD 數據進行了深入挖掘，研究不同出行目的的公交出行容忍特征及不同出行目的的公交平均時耗特征，得出公交出行的可容忍時間與建成區面積及公交分擔率密切相關.

本文將在以往研究的基礎上，深入分析公交出行者的出行行為特性，探討出行者個人屬性以及出行時間、出行費用等出行屬性因素對公共交通出行方式選擇行為的影響.并以出行者的效用最大化為目標，采用非集計預測的基本思想建立公交選擇行為模型，研究出行者對于公共交通和私人交通的選擇行為.探討引導私人交通轉向公共交通出行的關鍵因素，為制定提高城市公共交通出行比例的決策提供支持依據.

2 公交出行行為特征

在大力提倡發展公共交通的同時，有必要從個體出行行為角度對居民公交出行的時間分布特征和空間分布特征進行深入分析，分析公交出行行為的影響因素，探討公交出行的基本特征與規律.本文從2009年濟南市居民出行調查數據中提取出公交出行數據，進行居民公交出行時空分布特征分析［4－6］，得出居民公交出行行為特征數據如下.

2.1 公交出行比例

城市居民出行交通方式主要有步行、自行車、電動自行車、小汽車、公共電汽車、出租車以及其他社會客車（如單位班車等），各種交通方式在城市居民的生活中都發揮著不可替代的作用.公交出行比例可以直觀地表現出公共交通在居民日常出行中所占有的比例，反映公交在居民出行所發揮的作用和整個城市交通體系的狀況.

從2009年濟南市居民出行交通方式選擇結果可以看出：濟南市公交出行比例達到24%，較2004年提升了近10個百分點，公交出行比例大幅度上升，濟南市以公共交通為主導的現代化城市交通模式正在逐步確立.

圖1 濟南市居民出行交通方式選擇分布

2.2 公交出行者特征

對公交出行者特征進行分析可以看出（見圖2）：城市公交的服務對象年齡集中在18～50歲，占到了公交出行者總數的71.9%.從收入分布來看，公交出行者收入在600～2000元／月和2000～4000元／月的出行者分別達39.9%和38.8%，即多為中低收入者.從職業分布來看，城市公交的服務對象主要是企事業單位人員、商業服務業人員、學生、工人以及離退休人員.此外，公交IC 卡及小汽車的擁有情況，也會影響居民公交選擇行為.公交出行者中74.3%的群體擁有公交IC 卡，97%的群體無私人小汽車.

圖2 公交出行者特性

2.3 公交出行時間特性

出行時間特性作為出行行為研究的重要方面，公交出行時段分布可以反映出公交出行量在不同時段上的分布，從而反應城市居民的生活節奏和交通需求在時間上的分布特性，是分析解決高峰小時交通問題的重要參考依據.出行時耗作為時間特性的另一個重要指標，則可以表現出行居民公交出行的時間消耗特性，是影響居民公交出行方式選擇的重要因素.

從濟南市居民公交出行時段分布來看（見圖3），居民公交出行時段具有明顯的雙高峰現象.其中早高峰出行時間集中在07：00～08：00，晚高峰出行時間集中在17：00～18：00，早晚高峰時段出行量占全天公交出行總量的41.4%.從公交出行時耗分布來看（見圖4），濟南市居民平均公交出行時耗約為33.9min，其中公交出行時耗在20～30min的比例最大，達到34.5%.

圖3 公交出行時段分布

圖4 公交出行時耗分布

2.4 公交出行目的

出行目的是居民產生出行交通需求的根本原因.從居民公交出行目的分布來看，除回程外，公交出行的主要目的集中在上班、上學等通勤出行上，二者比例共計占公交出行目的的69.7%，即公交出行者的出行目的多為通勤出行.相對于通勤出行，公交出行者購物娛樂、探親訪友等彈性出行目的比例則較低，各為14.5%和2.4%（見圖5）.

圖5 公交出行目的分布

2.5 公交出行距離

城市交通系統中不同的交通方式具有不用的優勢出行距離，非機動交通方式在近距離出行中優越性較為明顯，而遠距離出行中機動車方式則會凸顯較大的優勢.從居民公交出行距離分布來看，公交的平均出行距離為6.16km.出行距離在1～5km 的比例為39.7%，距離在5～10km 的比例為33.2%，可見，在中長途出行距離中公交出行方式占據一定的優勢（見圖6）.

圖6 公交出行距離分布

3 基于BL模型的公交選擇行為模型

為了吸引私人交通出行者選擇公共交通方式出行，提高公共交通的出行比例，本研究中假定出行者有公交車和小汽車兩種出行方式選擇方案，且兩種出行方式的可選擇程度是相同的.所以選用非集計模型中的BL模型來預測公交出行選擇行為，探討私人交通使用者轉向公共交通出行的轉移規律.

3.1 BL模型簡介

非集計模型以出行者的“效用最大化”為理論基礎［7－8］，假設出行者是交通行為意志決定的基本單位，在特定的選擇條件下出行者總是選擇其所認知到的選擇方案中效用最大的方案，且選擇某方案的效用因該方案所具有的特性以及出行者特性等因素而異.假設出行者n 選擇第i 種方式的效用Uin為概率變量，通常將它分為隨機變化部分和非隨機變化的部分Vin2部分，表達式如下.

式中：Vin為出行者n 選擇第i 種方式效用函數中的固定項；εin為出行者n 選擇第i 種方式效用函數中的隨機項.

通常Vin與其中包含的影響變量之間呈線性關系，其中k為變量的個數，θk為第k 個變量所對應的參數，Xink為出行者n 選擇第i 種方式的第k個影響變量（如出行費用、出行時間等）.

根據效用最大化理論，出行者n 選擇第i 種出行方式的概率Pin為

假設εn服從參數（0，1）的二重指數分布，即可推導出Logit模型.BL（Binary Logit）選擇模型則是選擇方案只有2項，出行者只需從中選擇其一的Logit模型.BL模型中各項的選擇概率為

式中：P1n為出行者n 選擇方案一的概率；P2n為出行者n 選擇方案二的概率.

3.2 影響因素分析

為了能夠使公交選擇行為模型能夠盡可能準確地描述出行者的公交出行選擇過程，公交出行選擇模型就必須盡量考慮到所有影響公交出行方式選擇的因素.借鑒相關研究成果，本研究在公交出行選擇行為影響因素進行分析時，主要考慮出行者的個體屬性和出行屬性差異.其中個體屬性主要有性別、年齡、職業、收入、是否擁有IC 卡以及是否擁有小汽車等變量；出行屬性是針對出行的彈性程度不同時其可選擇的交通方式亦有所不同，主要包括出行目的、出行距離、出發時刻、出行時耗以及出行費用等變量.

為檢驗各屬性變量與公交出行選擇之間的相關性，本文通過交叉列聯表分析計算二者之間的相伴概率，結果見表1.該分析的零假設是各屬性變量對于選擇結果沒有影響，當相伴概率小于0.05時，認為在95%的置信水平上可以拒絕原假設，也就是該屬性變量對公交出行選擇行為有影響.

從表1的變量相關性分析結果可以看出：性別、年齡、職業、收入、是否擁有公交IC卡、是否擁有小汽車等個人屬性變量與交通方式的選擇之間的相關性顯著.出行目的、出行距離、出行費用等出行屬性變量對公交出行選擇行為也有著明顯的影響，但出發時刻對公交出行選擇行為的影響不顯著.

表1 屬性變量相關性分析結果

3.3 公交選擇行為模型

3.3.1 模型的構建 通過分析居民公交出行和小汽車出行數據，建立公交出行選擇行為BL 模型，見表2.

表2 BL模型的變量設置

由表2可以得出：出行者n 選擇公共交通出行的效用為

出行者n選擇私人小汽車出行的效用為

將V1n，V2n代入式（4）計算可以得到居民選擇公共交通出行方式的概率.

3.3.2 模型的標定 由2009年濟南市居民出行調查結果中抽取出公交和小汽車可選程度相同的出行數據，利用TransCAD 軟件進行回歸分析，得到模型的參數標定結果表3所列.

當｜tk｜＜1.96時，有95%的可靠性認為相應的特性變量是對選擇概率有顯著影響的因素.由模型的初步標定結果得出：性別、年齡和出行目的3個變量的t檢驗值不顯著，因此去掉這3個變量重新對模型進行標定，所得模型各變量均能通過t檢驗，因此以此作為公交選擇行為模型的最終標定結果.將參數標定結果帶入效用函數，即得居民公交出行選擇行為BL模型.

表3 參數標定結果

4 結 論

1）性別和年齡這兩個影響因素對公交出行方式選擇的影響不大.居民選擇公交還是小汽車出行方式主要由于職業和收入的差異，收入越高，越傾向于選擇小汽車出行.因此，在制訂提高公交出行比例措施時，應注重對高收入群體的吸引.

2）在出行特性因素中，時間和費用這兩個影響因素的影響較大，說明居民在出行方式選擇決策時最關心的還是費用和時間.從系數來看，時間和費用的系數均為負，說明隨著時間或費用的增加，居民選擇此交通方式出行的概率會逐漸降低.因此，可以通過提高小汽車出行費用來引導該部分群體轉向選擇公共交通出行.

［1］黎冬平，陳 峻.基于Logistic回歸模型的城市居民公交出行決策分析［J］.現代交通技術，2007，6（4）：60－66.

［2］陳俊勵，馬云龍，朱 楠.基于巢式Logit模型的公交出行方式選擇行為研究［J］.交通運輸系統工程與信息，2011（1）：120－125.

［3］蘆方強，陳學武，胡曉健.基于公交OD 數據的居民公交出行特征研究［J］.交通運輸工程與信息學報，2010（2）：31－36.

［4］Yannis Tyrinopoulos，Constantions Antonion.Public transit user satisfaction：variability and policy implications［J］.Transport Policy，2008（4）：197－208.

［5］劉 彤，鞏麗媛，周 欣，等.濟南市居民出行調查分析及對策研究［J］.交通標準化，2010（9）：150－153.

［6］趙淑芝，趙 貝，朱永剛.基于SP調查的出行方式選擇模型與公交優先政策［J］.吉林大學學報：工學版，2009，9（39）：187－190.

［7］姚麗亞，孫立山，關宏志.基于分層Logit模型的交通方式選擇行為研究［J］.武漢理工大學學報：交通科學與工程版，2010，4（34）：738－741.

［8］關宏志.非集計模型：交通行為分析的工具［M］.北京：人民交通出版社，2004.