基于多類別logit模型的非機動化出行特征研究

摘 要：在機動化的時代洪流中，非機動化出行仍然占據著城市交通出行總量的半壁江山，是居民出行時不可或缺的出行方式。筆者試圖討流溯源，利用詳盡的居民出行調查數據，通過建立非機動化出行方式選擇的的多類別logit模型，鑒別影響步行和自行車出行的主要因素，解釋因素變化引起的效應變化。研究表明：整體模型預測正確率達到84.7%，模型預測性能良好。步行受家庭特性、個人特性的影響較小，主要取決于出行距離和出行時間。非機動車出行選擇影響因素較多；由于需要相應的出行工具，家庭出行工具擁有率表現為強相關影響變量；相對于其他出行方式，非機動車作為實用廉價的出行工具，非機動車出行方式對家庭收入要求不高，隨著出行距離、出行時間的增長，吸引力逐步降低。

關鍵詞：多類別logit模型；步行；非機動車；出行方式選擇；非機動化

DOI：10.16640/j.cnki.37-1222/t.2015.22.219

0 引言

隨著經濟發展水平的提高，機動化出行工具日益普及，南京市私家車保有量每年以20%的比例增長[1]。在為人們的出行帶來便利的同時，機動化交通的快速發展也給城市的發展帶來了一些新的問題，比如城市交通擁堵、空氣污染、能源消耗、市民體質下降等。針對以上問題，人們從城市規劃、設施建設、節能減排技術、生理健康等各個方面進行了研究，著力于降低機動化交通對城市副作用的影響，已經取得了豐碩的成果。

與此同時，筆者注意到近年來人們對步行和非機動車出行的研究開始逐漸增多。中國過去二三十年是高速發展時期，交通基礎設施發展迅速、交通規劃管理水平也快速提高。國內以前注重增長效率，如今在重視效率的同時向質量增長轉變。在交通領域，以前是“以車為本”，側重出行效率，現今則開始提倡“以人為本”，鼓勵綠色出行、健康出行。原來，國內對機動化交通的研究最為熱門，隨著軌道交通的飛速發展[2]，TOD理念的廣泛傳播[3]，非機動化出行（包括步行和非機動車）又開始逐步興起。

在機動化的時代洪流中，非機動化出行仍然占據著城市交通出行總量的半壁江山，是居民出行時不可或缺的出行方式。筆者試圖討流溯源，通過詳盡的居民出行調查數據，對全日出行進行統計，對可能的影響因素進行數學分析，鑒別影響步行和自行車出行的主要因素，解釋因素變化引起的效應變化。

1 數據來源

本文分析數據為2015年南京居民出行調查數據，所采集的信息包括家庭特征信息、個人特征信息和家庭成員的一日出行記錄。通常由于前期數據錄入程序設置不完善，不能及時報錯，產生了一些錄入錯誤，比如，出行記錄重復、重要信息遺漏、家庭信息個人信息不匹配、時間錯誤、活動地點不銜接等。利用access、excel vba等軟件對數據的詳細排查，依次進行梳理、糾正、刪誤。出行調查數據最后得到有效的家庭特征信息1974戶、個人特征信息5665人、出行記錄15483條。對記錄表格樣式（見表1～表3）。

2 建立模型

2.1 二分logit模型

非集計模型（離散選擇模型）是基于效用最大和隨機效用（random utility theory）兩個概念建立起來的[4]。應用最為廣泛就是二項logit模型[5]，屬于廣義線性模型。

3 變量選擇

居民出行數據中涵蓋了眾多信息，需要根據分析對變量進行初步選取。根據歷史研究顯示，出行距離是出行模式的重要影響因素，通過出行時長與出行方式信息結合即可得到出行距離。此外，經過篩選后性別、機動車個人擁有率、非機動車個人擁有率、年齡、家庭收入、出行目的被納入模型中進行擬合。變量設置如表4。

4 模型結果分析

4.1 模型參數估計

為了便于敘述分析，避免產生理解上的錯誤，文中將步行方式設為方式1、非機動車方式設為方式2，、除步行和非機動車以外的其他出行方式設為方式3 （簡稱為方式3或其他方式）。以方式3（J=3）作為參考水平，通過統計軟件對出行方式選擇進行分析，參數估計結果見表5。

從以上模型標定結果可以看出，步行（方式1）與其他方式（方式3）比較，出行距離與出行時長在0.01水平上是顯著因素；非機動車（方式2）與其他方式（方式3）比較，出行目的=3（公務）在0.05水平上是顯著因素，其他變量在0.01水平上是顯著因素。

比數是事件發生數與事件未發生數的比值，步行方式與其他方式比較分析時即為選擇方式1與選擇方式3的比值；非機動車方式與其他方式比較分析時即為選擇方式2與選擇方式3的比值。

4.2 對步行方式與其他方式進行分析

在其他條件相同時，出行距離每增加100米，居民選擇步行出行的比數變為原來的0.571倍，說明選擇步行出行的概率隨著出行距離的增加而降低。

在其他條件相同時，出行時間每增加1分鐘，居民選擇步行出行的比數變為原來的2.565倍，說明選擇步行出行的概率隨著出行時間的增加而增加。

模型結果說明在時間充足條件下的閑庭信步相對其他出行方式而言有很強強的優勢，而在時間緊張時以車代步的可能性就會增大。

4.3 對非機動車方式與其他方式進行分析

在其他條件相同時，出行距離每增加100米，居民選擇非機動車出行的比數變為原來的0.986倍；即出行距離每增加1km，居民選擇非機動車出行的比數變為原來的0.870倍（0.98610=0.870）

在其他條件相同時，女性居民選擇非機動車出行的比數是男性的1.481倍。

在其他條件相同時，家庭中有個人專用小汽車居民選擇非機動車出行的比數是沒有機動車居民的0.091倍。

在其他條件相同時，家庭中有個人專用非機動車居民選擇非機動車出行的比數是沒有機動車居民的4.288倍。

在其他條件相同時，上一年齡段居民選擇非機動車出行的比數是下一年齡段居民的0.964倍。

在其他條件相同時，上一收入檔居民選擇非機動車出行的比數是下一收入檔居民的0.871倍。

在其他條件相同時，出行時長每增加1分鐘，居民選擇非機動車出行的比數變為原來的0.965倍；即出行時長每增加10分鐘，居民選擇非機動車出行的比數變為原來的0.704倍（0.96510=0.704）。

在其他條件相同時，上班、上學、生活購物、接送家人、回程對居民選擇非機動車出行的比數是其他活動的2～3倍，其中上班選擇非機動車出行的比數比最高，為3.084；公務目的選擇非機動車出行的比數是其他活動目的的0.666。

4.4 模型預測效果分析

根據上文建立的非機動化出行方式選擇多項logit模型，即可對南京市居民的非機動化出行選擇進行預測檢驗，見表6。

5 總結

根據上文實際出行方式與模型預測響應類別交叉表，可以得出整體模型預測正確率達到84.7%，模型預測性能良好。具體分析可以看到，步行出行的正確預測率達到98.8%，非機動車出行正確預測率為77.1%。非機動車出行與其他方式出行之間的預測錯誤率約為22%。

步行受家庭特性、個人特性的影響較小，主要取決于出行距離和出行時間。

非機動車出行需要相應的出行工具，家庭出行工具擁有率表現為強相關影響變量；相對于其他出行方式，非機動車作為實用廉價簡單方便的出行工具，非機動車出行方式對家庭收入要求不高，隨著出行距離、出行時間的增長，對身體要求變大，吸引力逐步降低。

非機動車出行與其他出行方式中的公共汽車、私人小汽車和摩托車混淆產生誤判的可能性較大，可以考慮通過分層logit模型進行更為深化的判別預測研究。

參考文獻：

[1]Nanjing Institute of City and Transport Planning （NICTP） （2012）. Annual report of Nanjing transport. Nanjing： Nanjing Institute of City and Transport Planning.

[2]Zhao， J.， Deng， W. （2013）. Relationship of walk access distance to rapid rail transit stations with personal characteristics and station context. Journal of Urban Planning and Development. http：//dx.doi.org/10.1061/（ASCE）UP.1943-5444.0000155.

[3]趙金寶. 城市軌道交通站點輻射區基礎理論及其應用研究[D].東南大學，2015.

[4]BEN-AKIVA， M.， and LERMA， S.R. （1985） Discrete Choice Analysis： Theory and Application to Travel Demand. Cambridge：MIT Press.

[5]付凌峰， 吳子嘯.基于居民出行數據的上學接送行為建模研究[J]. 交通標準化，2011（17）：029.

[6]GOLDBERGER， A.S.（1964） Econometric Analysis. New York： John Wiley.

[7]MADDALA，G.S.（1993） Limited Dependent and Qualitative Variables in Econometrics. Cambridge： Cambridge University Press.

作者簡介：劉凱（1985-），碩士研究生，研究方向：交通運輸管理與規劃。