基于Logit模型的城市軌道交通接駁方式預測研究

孟祥佩 晏莉穎

（寧波大紅鷹學院基礎學院，寧波 315175）

基于Logit模型的城市軌道交通接駁方式預測研究

孟祥佩 晏莉穎

（寧波大紅鷹學院基礎學院，寧波 315175）

為提高軌道交通與其他交通的換乘效率，本文考慮軌道交通出行者的個人屬性、家庭社會經濟因素、出行屬性等建立基于Logit模型的城市軌道交通接駁選擇預測模型。借助spss軟件對模型參數進行擬合和檢驗，研究結果表明出行者的家庭收入、接駁距離、接駁費用等因素對接駁軌道交通均有影響。模型的精度高達81%，接駁選擇預測模型能夠很好地應用于對軌道交通接駁方式的預測。

軌道交通; 接駁方式; Logit模型

1 前言

近年來，隨著科技的快速發展,城市化進程日益加快,城市交通很難適應日益增長的客運需求。相比傳統的交通運輸方式，城市軌道交通（Rail Transit）（本文主要指城市地鐵）具有運量大、速度快、準時、安全可靠、穩定性高、占地面積少、環保節能、舒適性高等多方面的優勢,它已成為解決日趨嚴重的城市交通問題的最佳選擇，“十三五”期間軌道交通體系的發展與完善仍然是各部門關注的焦點。

接駁是軌道交通的一個基本特征,合理的軌道接駁能減少出行時間,吸引更多乘客。不合理的接駁使出行時間額外增加,對出行的便捷性、出行需求產生不利影響。可見,只有解決好軌道交通的接駁問題,才能發揮整個軌道交通的功能,體現軌道交通在整個交通體系中的主體地位。從實際交通情況來看，軌道交通與其他各種交通方式的接駁缺乏協調，致使居民出行時乘坐軌道交通以及換乘軌道交通的效率不高，軌道交通的主體作用尚不能得到充分發揮。因此，實現軌道交通與其他交通的有效接駁，促進各種交通方式的優勢互補，提高出行效率，減少出行時間至關重要。

近年來，國內學者對城市軌道交通接駁的研究取得一些成果，如：2007年，國內學者徐園[1]研究了城市軌道交通與常規公交站點間的銜接。2008年，王文紅等[2]考慮接駁時間與接駁費用，建立了Nested-Logit模型分析軌道交通銜接方式特點。2010年，柳麗娜[3]以軌道交通銜接方式作為研究對象，選取北京地鐵一號線的20個站點，對軌道交通銜接方式的比例構成、接駁半徑及土地開發對軌道交通接駁客流的影響進行深入分析，建立滿意度評價模型，利用回歸分析方法得出相關結論，并提出相應的建議。2012年，呂楠[4]研究了城市公交與軌道交通接駁的規劃方法。2015年，程爽等[5]以深圳市軌道9號線為例研究了軌道交通接駁規劃。2015年，任芳、林利等[6-7]分別給出了常規公交與軌道交通接駁線路優化的研究。此后，梁瀟等[8]研究了上海松江大學城大學生出行選擇接駁軌道交通的特征。同年，李輝等[9]采用距離衰減模型分析了步行與電動自行車接駁軌道交通的距離范圍。

以上研究大多考慮軌道交通與某一類交通之間的接駁，很少同時考慮軌道交通與其他各種交通方式的接駁研究，目前國內有關這方面的研究也比較欠缺。本文以寧波軌道交通與其他交通方式的接駁為研究對象，研究軌道交通出行者選擇接駁方式的行為，以便探究軌道交通與其他交通的換乘規律，增加軌道交通的客流量，緩解交通堵塞，為建立和諧、美麗、智慧城市注入正能量。

2 軌道交通接駁方式的選擇模型

2.1 模型的建立

MNL（Multinomial Logit Model）模型是非集計模型中的一種，由于該模型具有數學表達式簡潔、物理意義易理解、選擇概率在[0, 1]之間且各選擇肢的概率之和為1等特點，近年來被廣泛應用于交通學術領域模擬預測中[10]。其基本思想是：在建模時，首先設定一個參考類（比如第J類，該參考類為選擇集合的某項選擇肢），然后以其他選擇肢與參考類進行對比，建立J-1個非集計模型。

假設可供出行者選擇的接駁集合為A=（1，2，... J），則出行者選擇第i類接駁方式的非集計模型可描述為

其中ai和βik均是待定參數，ai表示第i類接駁方式的常數項，βik表示第i類接駁方式相應變量xk的系數。式（1）也可變形為

根據接駁方式概率之和滿足 ，從式（2）中可得第i類接駁方式選擇概率為

第J類接駁方式的選擇概率為

2.2 模型變量賦值

本次研究對象為寧波軌道交通1號線，主要調查寧波軌道交通1號線出行者出行換乘情況，調查通過現場發放問卷和寧波地鐵公眾平臺問卷調研相結合完成。得到有效問卷共1688份。為了方便建立模型，現對顯著變量賦值，見表1。

2.3 模型參數標定

由于私家車和出租車具有某些相似性，在模型建立時將私家車和出租車合并一起考慮，合稱為小汽車。根據各種交通方式對軌道交通接駁的影響因素，把小汽車（出租車/私家車）、公共自行車、步行作為接駁方式的選擇肢，將公交車作為參考類，模型參數見表2。

在表2中B表示自變量的回歸系數，S.E表示回歸系數的標準誤差，Wald（ ）用來對回歸系數進行檢驗。sig.是顯著水平，根據統計學理論，當P（sig.）＜0.05時，認為變量在模型中的影響是顯著的。根據表2中的數據可以得到以公交車為參考類，以收入、接駁距離、接駁費用為自變量的交通接駁方式的選擇預測模型：

其中p1, p2, p3, p4分別表示出行者接駁軌道交通時選擇私家車/出租車、公共自行車、步行、公交車的概率，且p1+p2+p3+p4=1。x1, x2, x3分別表示收入、接駁費用、接駁距離。

3 模型檢驗

表2 模型參數擬合結果分析

模型統計檢驗是模型求解后分析的必要過程，在上面的分析中已經得到了各種交通方式接駁軌道交通的預測模型。為了進一步檢驗模型的有效性，借助SPSS軟件給出三種檢驗結果。

（1）模型擬合信息

由表3可以看出，顯著水平為0.000，說明選取的接駁距離、接駁費用、收入等解釋變量相對于公交車接駁分擔率之間的線性關系顯著，模型變量選擇正確。

（2）擬合優度指標（ρ2）

優度比檢驗中的ρ2為McFadden決定系數，與回歸分析中的R2類似，用來檢驗模型的擬合效果，ρ2的取值范圍為0 ＜ ρ2＜ 1，其值越接近1說明模型的精度越高。但在實際應用中，其取值范圍在0.3-0.5之間就相當理想了[11]。本文所建立的模型ρ2=0.540，說明擬合效果相當理想。

（3）似然比檢驗

似然比檢驗是反映真實性的一個指標，屬于同時反映靈敏度和特異度的復合指標。從表4可以看出，顯著性水平小于0.05時，收入、接駁距離、接駁費用卡方檢驗的概率值均低于0.05，則拒絕回歸系數為0的假設，認為收入、接駁距離、接駁費用對模型的線性關系貢獻顯著。而性別、年齡的卡方檢驗的概率均大于0.05，即認為性別、年齡等因素對模型的線性關系貢獻不顯著。由此說明，本文所選取的變量合理。

表3 模型擬合信息

表4 模型的似然比檢驗數據

4 結論

本文借助非集計模型建立了軌道交通接駁方式選擇預測模型，借助SPSS軟件模型參數進行標定，分析結果表明，出行者的收入、接駁距離、接駁費用等因素對接駁方式的選擇均有顯著影響，數據處理結果顯示模型預測正確率高達81%。研究結果為軌道交通接駁其他交通協調發展提供依據，有助于提高軌道交通的分擔率，緩解城市交通堵塞，有利于打造低碳環保的智慧城市。

[ 1 ] 徐園．城市軌道交通與常規公交站點間的銜接研究[D]．長安大學，2007．

[ 2 ] 王文紅,關宏志,王山川．Nested-Logit模型在軌道交通銜接方式選擇中的應用[J]．城市軌道交通研究,2008,11(7):25-30．

[ 3 ] 柳麗娜．軌道交通客流接駁方式研究[D]．北京工業大學碩士學位論文，2010．

[ 4 ] 呂楠．城市公交與軌道交通接駁線網規劃方法[J]．城市建設理論研究（電子版）,2012,(3)．

[ 5 ] 程爽,陳思．軌道交通接駁規劃研究-以深圳市軌道9號線為例[J]．城市建設理論研究（電子版）,2015,(23):748-750．

[ 6 ] 任芳．城市常規公交與軌道交通接駁線路優化研究[D]．長沙理工大學,2010．

[ 7 ] 林利．重慶市常規公交與軌道交通接駁線路優化研究[D]．重慶交通大學,2015．

[ 8 ] 梁瀟,李楓．軌道交通接駁方式選擇行為分析-以上海松江大學城為例[J]．交通運輸研究,2015,1(1):43-47．

[ 9 ] 李輝,王東煒,趙湘育，嚴亞丹．不同類型軌道交通站點步行與電動自行車接駁分析[J]．鐵道科學與工程學報,2015,(6):1493-1499．

[ 10 ] 賈洪飛,龔勃文,宗方． 交通方式選擇的非集計模型及其應用[J]．吉林大學學報． 2007, 37(6):1288-1293．

[ 11 ] 楊敏,陳學武,王煒等．基于人口和土地利用的城市新區交通生成預測模型[J]．東南大學學報（自然科學版）2005, 35（5）:815-819．

Study on the Prediction of Rail Transit Connection Based on Logit Model (Basic college, Ningbo Da hong ying University, Ningbo 315175)

MENG xiang pei YAN li ying

In the paper, in order to improve the transfer eff i ciency of rail transit with other traff i c, we proposed a prediction model of urban rail transit connection considering the personal property, family social economic factors. Using SPSS, the parameters of the model are calibrated and tested. Results show that income, transferring distance, connection fees on the shuttle all affect the rail transit and the prediction model is obtained with the accuracy of 81%. Therefore, the prediction model can effectively predict the behavior of travelers choose shuttle rail transit.

public transit; traff i c demand management; trip mode structure

U491．1+4

A

課題項目：浙江省教育廳一般科研項目（NO．Y201533488），寧波市軟科學（2016A10065）