基于非集計模型的公交與非機動車通勤出行選擇研究

顧 宇，林 麗，吳 杰

（南京林業大學汽車與交通工程學院，南京 210037）

隨著我國城鎮化進程的不斷加快，居民出行方式也逐漸向機動化方向轉移，私人汽車大量進入普通家庭，我國的大多數城市出現了不同程度的交通擁堵問題，突出表現在早晚高峰居民通勤時段。因此，減緩私人汽車通勤出行增長速度，是緩解當前交通擁堵的有效手段。以南京為例，在2008至2011年的通勤出行結構見表1，非機動車與公交通勤出行比例最大。非機動車與公交車作為兩種重要的綠色交通方式，出行成本較低、人均占地面積少、環境污染少，在當今節能低碳的號召下，是私家車通勤最佳的替代方式。

表1 南京居民通勤出行方式構成比例 %Tab.1 Commuting trip proportion of Nanjing residents %

近年來國內外研究大多集中在“公交優先”條件下，分析影響小汽車與公交車的交通方式選擇因素。然而，考慮到我國自行車大國的國情，關于非機動車與公交之間的方式選擇研究卻很少。本文以2009年南京市居民出行調查數據為依據，從居民個人屬性、家庭屬性、出行特性，以及出行意向等方面，分析影響非機動車和公交車通勤選擇的因素。下面將對各影響因素進行初步分析。

1 非機動車和公交車出行方式選擇初步分析

根據南京市居民出行調查數據，共獲得有效樣本890個，分析影響居民選擇非機動車和公交車的因素。調查結果顯示，選擇非機動車出行624個，占70.11%，選擇公交車出行的為266個，占29.89%。下面就從個人屬性、家庭屬性、意向特性和出行特性，統計分析非機動車和公交車方式選擇的各影響因素［1］。

1.1 個人屬性對出行選擇影響分析

被調查者中43.8%為男性，56.2%為女性，如圖1所示。從圖1中可以看出，男性選擇非機動車出行的比例更高較女性高，而女性選擇公交出行的比例較男性高。從年齡角度，各年齡層次抽樣為19歲以下占10.47%，20～40歲占26.28%，40歲以上占62.39%。統計結果如圖2所示，年齡越大越選擇公交車出行者越多。

圖1 性別對出行方式選擇的影響Fig.1 The influence of gender on mode choice

圖2 年齡對出行方式選擇的影響Fig.2 The influence of age on mode choice

1.2 家庭屬性對出行選擇影響分析

如圖3所示，反映了家庭收入對出行方式選擇的影響，收入在2～10萬元的家庭，非機動車與公交車選擇區分不明顯。收入低于2萬元的家庭，偏向于選擇公交出行，而收入高于10萬元的家庭則更多選擇非機動車出行。如圖4所示，當家庭非機動車擁有量小于等于2輛時，選擇公交車出行較多，而家庭非機動車擁有量大于2輛時，選擇非機動車出行較多。且非機動車擁有量越多，選擇非機動車出行越多。

圖3 家庭收入對出行方式選擇的影響Fig.3 The influence of family income on mode choice

圖4 非機動車擁有量對出行方式選擇的影響Fig.4 The influence of the amount of non-motor vehicle on mode choice

1.3 意向特性對出行選擇影響分析

居民對私人小汽車的看法統計如圖5所示，反應被調查者的主觀感受對出行方式選擇的影響。可以看出，持“適度發展，限制使用”看法的居民選擇非機動車出行的略多。此外，該意向特性對選擇公交或非機動車出行的影響并不顯著。

圖5 私人小汽車的看法對出行方式選擇的影響Fig.5 The influence of the attitude to private car on mode choice

1.4 出行特性對出行選擇影響分析

如圖6所示，表明出行時耗對居民出行方式的影響。當通勤時耗在30 min以內時，大部分居民愿意選擇非機動出行，而通勤時耗大于30 min時，選擇非機動車出行者減少。且通勤所需時耗越長，選擇公交車出行者越多。

圖6 出行時耗對出行方式選擇的影響Fig.6 The influence of the time and cost on mode choice

2 非集計模型研究分析

2.1 logit模型的基本原理

非集計模型是以個人為單位構造選擇模型的方法。非集計模型的理論基礎是消費者在選擇時追求“效用”最大化這一假說［2］。

若令Uin為個人n選擇分肢i時的效用，An為出行者n的選擇方案集合。則該出行者n從選擇方案集合An中選擇分肢i的條件為Uin＞Ujni≠j，j∈=An。

式中:Vin為出行者n選擇第i種方式效用函數的固定項;∈in為出行者n選擇第i種方式效用函數的隨機項。Vin表達式如下:

通常假設Vin與其中包含的影響變量之間呈線性關系;K為變量的個數;θk為第K分變量對應的參數;Xink為第n個出行者選擇第i種出行方式的第K個影響變量 （如通勤時耗，家庭收入等）。

則出行者n選擇第i種出行方式的概率Pin為

在本文中，可選出行方式為公交車和非機動車，即i=1，2.二項BL模型的形式如下式［3－4］:

2.2 BL模型的變量選擇

按照對居民出行方式選擇有影響的變量構成（見表2）的BL模型進行參數估計，即可得到城市居民公交車與非機動車出行方式選擇模型。

表2 BL模型變量設置表Tab.2 Variable settings in BL model

2.3 BL模型的參數標定結果

借助SPSS統計分析軟件，可以標定出效用函數中未知參數的值，結果見表3所列。采用Wald統計量，解釋模型中各變量是否與選擇非機動車的概率有顯著的線性關系。顯著水平取α=0.05，當顯著性檢驗值小于0.05時，說明該變量的影響程度是顯著的［5］。

2.4 模型結果分析

從以上模型參數標定結果可以看出，性別、家庭非機動車擁有量、對私人小汽車看法、出行時耗對通勤者在非機動車與公交車的選擇中有顯著影響。性別的影響系數為－2.005，說明女性選擇公交出行概率較男性高，且相同條件下，女性選擇公交車出行的概率是男性的7.4倍。對小汽車的看法持“適度發展，限制使用”態度的通勤者偏向于選擇非機動車出行，且同等條件下，持“適度發展”態度的出行者選擇非機動車出行的概率是持“嚴格控制”態度者選擇非機動車出行的2.7倍。出行時耗的影響系數為－0.100，說明出行時耗越長，人們更愿意選擇適合長距離通勤出行的公交，但其影響程度不大。

表3 模型標定結果Tab.3 Parameter estimates

通過以上分析，可以得出公交出行向非機動車出行轉移效用函數方程為:

式中:X1為性別;X2為年齡;X3為家庭收入;X4為家庭非機動車擁有量;X5、X6分別為對私人小汽車的態度，若為“嚴格控制”態度者均取0，若為“鼓勵發展”，X5取1，X6取0否則X5取0，X6取2;X7、X8分別為城市公交滿意度為“1”或“2”;X9為三年內是否購買小汽車;X10為出行時耗。

3 出行方式分擔預測與檢驗

根據建立的的公交車和非機動車選擇模型，即可預測南京市居民公交車和非機動車選擇情況［6－7］。本文用2011年南京市居民出行調查數據對該模型的預測結果進行檢驗，選取867個人出行數據進行預測。結果見表4，實際選擇非機動車出行且預測正確的樣本為595個，實際選擇公交車且預測正確的為107個，模型的總體預測正確率可達80.97%。說明，該模型對南京市居民選擇公交車和非機動車的預測準確率較高。

表4 模型預測結果檢驗Tab.4 Verification of the predicted results

】

［1］Cervero R and Day J.Suburbanization and transit-oriented development in China［J］.Transport Policy，2008，15（5）:315 －323.

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

［3］殷煥煥，關宏志，秦煥美，等.基于非集計模型的居民出行方式選擇行為研究［J］.武漢理工大學學報（交通科學與工程版），2012，34（5）:1000 －1003.

［4］劉炳恩，雋志才，李艷玲，等.居民出行方式選擇非集計模型的建立［J］.公路交通科技，2008，25（5）:116 －120.

［5］白玉方，李林波，吳 兵.出行者公交出行意愿影響因素研究［J］.重慶交通大學學報（自然科學版），2012，31（1）:72 －76.

［6］陳瑤瑤，馬健霄.城市交通環境影響評價指標體系［J］.森林工程，2012，28（1）:59 －62.

［7］焦朋朋，陸化普.基于意向調查數據的非集計研究［J］.公路交通科技，2005，22（6）:114 －117.