出行區(qū)域?qū)νㄇ谡叱鲂羞x擇行為模型的影響

李綱, 成德衡，彭程

(1. 大連交通大學(xué) 交通運(yùn)輸工程學(xué)院，遼寧 大連 116028;2. 大連海事大學(xué) 交通運(yùn)輸工程學(xué)院，遼寧 大連 116026；3.中國(guó)鐵路沈陽(yáng)局集團(tuán)有限公司沈陽(yáng)北站，遼寧 沈陽(yáng) 110001)*

0 引言

隨著我國(guó)快速的城市化進(jìn)程，社會(huì)、經(jīng)濟(jì)、科技、文化的發(fā)展日新月異，交通擁堵成為城市交通管理所面臨的主要問(wèn)題之一，尤其是工作日的通勤出行交通擁堵更為嚴(yán)重.交通出行方式選擇行為分析是研究并解決交通擁堵的有效方法之一.它是基于效用最大化理論，采用logit形式的離散選擇模型.根據(jù)其誤差項(xiàng)服從不同的分布假設(shè)，形成了多項(xiàng)logit模型(Multinomial Logit，MNL)、巢式logit模型、組對(duì)logit 模型和混合logit模型等形式.

MNL 模型常用來(lái)計(jì)算各交通方式的分擔(dān)率，在軌道交通、街區(qū)出行和城際間出行等方面的研究中得到了廣泛的應(yīng)用[1-3].同時(shí)MNL模型也常被用來(lái)對(duì)出行方式與通勤者的個(gè)體特征、家庭特征和出行特征之間的關(guān)系進(jìn)行研究[4-8].并且MNL也被用來(lái)對(duì)時(shí)間價(jià)值進(jìn)行量化估算[9].

在考慮出行區(qū)域?qū)Τ鲂行袨橛绊懛矫?，?guó)內(nèi)外僅有少數(shù)研究涉及到區(qū)域出行行為對(duì)比分析，其中包括居民城市內(nèi)和城市間的出行行為對(duì)比研究[10-11]、不同城市之間居民出行對(duì)比研究[12]和基于融合RP數(shù)據(jù)和SP數(shù)據(jù)利用巢式logit模型對(duì)城市公交走廊內(nèi)不同區(qū)域的居民出行行為進(jìn)行研究[13].

目前多項(xiàng)logit模型在居民出行方式選擇研究中得到廣泛應(yīng)用，同時(shí)部分研究考慮到出行區(qū)域這個(gè)影響因素，但是圍繞出行區(qū)域這個(gè)特定影響因素進(jìn)行居民出行行為分析的深入研究仍十分有限.考慮到城市內(nèi)部不同區(qū)域內(nèi)的通勤出行行為的潛在差異性以及相關(guān)研究的有限性，本文以大連市居民出行調(diào)查數(shù)據(jù)為例，通過(guò)對(duì)比分析不同區(qū)域內(nèi)通勤出行行為建模和不考慮不同區(qū)域的整體建模，探索捕捉居民通勤出行行為，為交通規(guī)劃與管理相關(guān)工作提供更加堅(jiān)實(shí)的理論基礎(chǔ).

1 非集計(jì)MNL模型

作為行為決策單元的個(gè)人、家庭或某種組合在一個(gè)可以選擇的并且選擇肢是相互獨(dú)立的集合中，會(huì)選擇對(duì)自己效用最大的選擇肢，這一假定被稱(chēng)為效用最大化行為假說(shuō).該假說(shuō)是非集計(jì)模型的理論基礎(chǔ)和必須服從的前提條件.即若令Uin為個(gè)人選擇選擇肢i時(shí)的效用，Cn為與個(gè)人n對(duì)應(yīng)的選擇肢集合，則當(dāng)Uin>Ujn，?j≠i∈Cn時(shí)，個(gè)人n將選擇選擇肢i.以隨機(jī)效用理論為基礎(chǔ)的離散選擇模型Um可以表示為

Uin=Vin+εin

(1)

式中：Uin為個(gè)人關(guān)于選擇肢i的效用；Vin為能夠觀測(cè)到的因素構(gòu)成的效用確定項(xiàng)；εin不能觀測(cè)到的因素構(gòu)成的效用隨機(jī)項(xiàng)，反映每個(gè)個(gè)體的特性和偏好，也包括建模和觀測(cè)的誤差部分.

在具體形式上，效用確定項(xiàng)函數(shù)通常采用線性函數(shù)作為其表達(dá)形式，即

(2)

式中:Xkin為個(gè)人n的選擇肢i的第k個(gè)變量值，θk為待定系數(shù).

假設(shè)式(1)中εin和Vin相互獨(dú)立，而且εin服從Gumbel分布的前提下，第n個(gè)出行者選擇第i種選擇肢的概率Pin為

(3)

式中：i為出行方式;In為可供選擇方案的個(gè)數(shù).

2 居民通勤出行方式建模

2.1 選擇肢及影響因素的分析

本文利用大連市2011年居民出行調(diào)查數(shù)據(jù)，根據(jù)2011年大連城市的發(fā)展?fàn)顩r，主要考慮各行政區(qū)家庭數(shù)、人口數(shù)、行政區(qū)內(nèi)調(diào)查覆蓋的面積、交通基礎(chǔ)設(shè)施建設(shè)情況、調(diào)查樣本中全方式通勤出行數(shù)量等因素，本文將中山區(qū)、西崗區(qū)、沙河口區(qū)視為本研究中當(dāng)時(shí)大連的核心區(qū)，將甘井子區(qū)、高新園區(qū)和旅順口區(qū)(城區(qū))作為本研究中的外圍區(qū).由表1可知，核心區(qū)和外圍區(qū)人口密度存在顯著差異(10 021和1 701 人/km2)， 可以側(cè)面推斷出兩區(qū)域的公共基礎(chǔ)設(shè)施和用地性質(zhì)與分布存在顯著差異，因此本研究是基于核心區(qū)和外圍區(qū)為基礎(chǔ)的分區(qū)域通勤出行行為研究.

表1 不同區(qū)域的特征統(tǒng)計(jì)情況

2011年大連市居民出行方式的分擔(dān)比例如表2所示.私家車(chē)占14.6%，公交車(chē)占50.0%，兩者合計(jì)占全方式出行的64.6%，占機(jī)動(dòng)化出行的87.2%.考慮到大連市區(qū)內(nèi)山地丘陵多，非機(jī)動(dòng)化出行比例相對(duì)較小等特點(diǎn)，本文將大連市居民日常出行的兩種主要機(jī)動(dòng)化出行方式私家車(chē)和公交車(chē)作為選擇肢，構(gòu)建簡(jiǎn)易的MNL模型，即二元logit(Binary Logit，BL)模型.建模中涉及到的個(gè)人屬性和出行特性等變量的處理方式如表3所示.

表2 2011年大連市全方式出行比例

表3 BL模型的變量定義

本文將大連市2011年居民通勤出行數(shù)據(jù)按照核心區(qū)和外圍區(qū)劃分整理成四部分?jǐn)?shù)據(jù)，包括不分區(qū)域的整體數(shù)據(jù)(整體通勤)、起訖點(diǎn)都在核心區(qū)內(nèi)的數(shù)據(jù)(核心區(qū)通勤)、起訖點(diǎn)都在外圍區(qū)內(nèi)的數(shù)據(jù)(外圍區(qū)通勤)和起訖點(diǎn)分別在外圍區(qū)和核心區(qū)內(nèi)的數(shù)據(jù)(外圍區(qū)-核心區(qū)通勤).基于不同區(qū)域范圍的四部分?jǐn)?shù)據(jù)分別建立四個(gè)BL模型，建模所用數(shù)據(jù)的基本情況如表4所示.

表4 通勤出行分區(qū)域的數(shù)據(jù)統(tǒng)計(jì)分析

由表4可知，整體數(shù)據(jù)中男性通勤出行比例明顯大于女性通勤出行比例.在年齡方面，30～39歲的通勤出行占據(jù)首要位置占比32.8%，各年齡段內(nèi)部在核心區(qū)、外圍區(qū)和外圍區(qū)-核心區(qū)的通勤比例均有一定的差異.

在模型所利用的職業(yè)方面，管理技術(shù)人員通勤出行的比例最大，達(dá)到通勤總數(shù)21.8%.其次是工人、公務(wù)員和教育研究人員等.在私家車(chē)擁有方面，相比其他區(qū)域出行，在核心區(qū)內(nèi)部通勤出行的無(wú)車(chē)人數(shù)比例要遠(yuǎn)大于有車(chē)人數(shù)比例，可能是由于核心區(qū)人口密集，導(dǎo)致上下班高峰期道路較為擁堵、停車(chē)成本過(guò)高、核心區(qū)公交線網(wǎng)相對(duì)發(fā)達(dá)所導(dǎo)致的.

在公交滿意度方面，公交滿意度評(píng)價(jià)一般的占一半左右，說(shuō)明居民對(duì)大連公交充滿期待，公交服務(wù)水平有待進(jìn)一步提高.

2.2 BL模型參數(shù)的標(biāo)定與分析

基于不同區(qū)域的BL模型由交通軟件TransCAD標(biāo)定，具體結(jié)果如表5所示.通勤者個(gè)人屬性、家庭屬性和出行特性對(duì)通勤出行行為的影響具體分析如表5.

(1)性別對(duì)出行方式的影響

四個(gè)模型中通勤者的性別參數(shù)達(dá)到99%的顯著水平，說(shuō)明部分出行區(qū)域男性比女性更傾向于選擇私家車(chē)進(jìn)行通勤出行.同時(shí)，本次調(diào)查顯示擁有駕照的男性人數(shù)遠(yuǎn)大于女性人數(shù)，從側(cè)面反映出男性比起女性對(duì)于私家車(chē)更加偏愛(ài).從實(shí)際的日常通勤情況看，相對(duì)于公交出行，男性比女性更注重通勤出行的時(shí)間和便捷性等，而私家車(chē)可以提供門(mén)到門(mén)服務(wù)，所以男性更傾向于選擇私家車(chē)通勤出行.

(2)年齡對(duì)出行方式的影響

不同年齡段的出行者在通勤出行過(guò)程中對(duì)交通方式選擇有著明顯的差異.20-29歲的年齡參數(shù)均為95%的顯著性揭示出這個(gè)年齡段的通勤出行者相對(duì)于年齡較高人群總體上更傾向于選擇公交車(chē)出行.其原因可能在于處于此年齡段的通勤者大多數(shù)正處于事業(yè)的初始階段，受限于收入等家庭經(jīng)濟(jì)因素，更傾向于選擇經(jīng)濟(jì)上更劃算的出行方式.

表5 BL模型參數(shù)估計(jì)

年齡30～39歲的通勤出行者在不同出行區(qū)域中對(duì)于私家車(chē)出行的選擇表現(xiàn)出不同的傾向性.在核心區(qū)和外圍區(qū)的年齡參數(shù)的系數(shù)皆為正值表現(xiàn)出這一年齡段的出行者在通勤出行中對(duì)于私家車(chē)的利用有一定的正面傾向性，但是顯著性檢驗(yàn)表明只有在核心區(qū)出行的30～39歲通勤者表現(xiàn)出對(duì)私家車(chē)有明顯的偏愛(ài)，這從側(cè)面揭示出相對(duì)于更高年齡段的通勤群體，處于事業(yè)快速上升期的30～39歲通勤者中，居住和工作地點(diǎn)均在核心區(qū)的這類(lèi)通勤者對(duì)于利用私家車(chē)的通勤出行有著強(qiáng)烈的依賴(lài)性，核心區(qū)內(nèi)發(fā)達(dá)的公交基礎(chǔ)設(shè)施對(duì)其影響十分有限.外圍區(qū)和外圍區(qū)-核心區(qū)內(nèi)的30～39歲年齡參數(shù)符號(hào)相反，但通勤者對(duì)于私家車(chē)的偏愛(ài)皆不顯著，原因之一可能在于出行地域?qū)拸V，出行距離一般較長(zhǎng)，私家車(chē)出行費(fèi)用較高，公交優(yōu)勢(shì)明顯等特點(diǎn).

30～39歲年齡系數(shù)在整體通勤模型中顯示出90%的顯著性結(jié)果，與其他單獨(dú)區(qū)域通勤模型都有一定的差異，并沒(méi)有反映出此年齡段中各個(gè)區(qū)域的通勤特點(diǎn).不考慮不同區(qū)域特點(diǎn)的單一通勤模型就會(huì)導(dǎo)致在一定程度上掩蓋了30～39歲通勤者對(duì)于私家車(chē)通勤的依賴(lài)性(比如核心區(qū)內(nèi)30～39歲年齡段的影響).

(3)職業(yè)對(duì)出行方式的影響

出行者的不同職業(yè)類(lèi)別對(duì)通勤出行方式選擇的影響具有較大差異.工人職業(yè)的出行者不受出行地域的影響具有明顯的選擇公交車(chē)進(jìn)行通勤出行的偏好，各個(gè)BL模型中工人職業(yè)變量的99%的顯著性水平證實(shí)這一特點(diǎn).

各區(qū)域模型顯示公務(wù)員這一類(lèi)人群對(duì)通勤出行中私家車(chē)的利用有著明顯的偏愛(ài)， 99%的顯著性統(tǒng)計(jì)水平證實(shí)了這一點(diǎn).教育研究人員整體上對(duì)于私家車(chē)的通勤出行沒(méi)有明顯的偏愛(ài)，但是核心區(qū)的教育研究人員除外.職業(yè)參數(shù)t值顯示，核心區(qū)內(nèi)即居住和通勤皆在核心區(qū)內(nèi)的教育研究人員，對(duì)于私家車(chē)的利用有顯著性的偏愛(ài).可能的原因是這類(lèi)人群工作時(shí)間更加靈活，其中的部分出行者可以有效避開(kāi)高峰出行，核心區(qū)的居住和工作的地理位置的優(yōu)越性暗示出其相對(duì)較高的家庭收入，并且對(duì)于機(jī)動(dòng)性有較高的要求.在外圍區(qū)和外圍區(qū)-核心區(qū)的教育研究人員則在一定程度上體現(xiàn)出相反的出行方式選擇傾向，但兩者皆不顯著.核心區(qū)和其他兩個(gè)區(qū)域相反的傾向性解釋了整體通勤模型在教育研究人員職業(yè)變量不顯著的原因，不分區(qū)域的建立單一BL模型導(dǎo)致忽略了不同區(qū)域的特定職業(yè)人群通勤出行的各自特點(diǎn).

管理技術(shù)人員整體上呈現(xiàn)出對(duì)利用私家車(chē)進(jìn)行通勤出行的明顯傾向性.與核心區(qū)相關(guān)的各區(qū)域出行，即外圍區(qū)-核心區(qū)出行呈現(xiàn)出與整體出行相似的特征，顯著性與整體相同，均為99%置信水平.核心區(qū)內(nèi)管理技術(shù)人員對(duì)私家車(chē)的利用也呈現(xiàn)出一定的正面傾向性，顯著性水平接近90%.外圍區(qū)內(nèi)的通勤特征則不同，管理技術(shù)人員對(duì)于私家車(chē)和公交車(chē)沒(méi)有顯著的偏好，可能的原因在于外圍區(qū)內(nèi)其人群組成相對(duì)更加復(fù)雜，收入水平存在更大差異，導(dǎo)致沒(méi)有明顯的出行方式選擇偏好.

(4)私家車(chē)擁有量對(duì)出行方式的影響

四個(gè)BL模型的估計(jì)結(jié)果顯示私家車(chē)的擁有情況不受不同出行區(qū)域的影響，對(duì)通勤出行中選擇私家車(chē)出行具有重要的影響.

(5)公交車(chē)滿意度對(duì)出行方式的影響

整體通勤模型顯示公交滿意度對(duì)于通勤出行中選擇公交車(chē)具有顯著性影響，但是具體到各個(gè)通勤區(qū)域顯示核心區(qū)和外圍區(qū)皆不顯著，只有在外圍區(qū)-核心區(qū)通勤中的滿意度系數(shù)達(dá)到90%的顯著水平.結(jié)果表明只構(gòu)建不分區(qū)域的單一整體模型模擬通勤出行行為，放大了公交滿意度對(duì)公交車(chē)出行選擇的影響.

(6)出行時(shí)間對(duì)出行方式的影響

與以往研究一致，出行時(shí)間是通勤出行中一個(gè)重要的影響因素，本研究四個(gè)BL模型的出行時(shí)間均達(dá)到99%的顯著水平，表明通勤時(shí)間對(duì)于通勤出行的作用不受出行區(qū)域的影響.

通過(guò)四個(gè)BL模型的對(duì)比分析可知，出行影響因素中30～39年齡段和職業(yè)中的教育研究人員和管理技術(shù)人員，以及公交滿意度在不同區(qū)域間存在明顯差異.如圖1所示，不同職業(yè)不同年齡段的人員在同區(qū)域選擇私家車(chē)出行比例具有明顯差異性.

圖1 部分影響因素下的私家車(chē)出行比例

圖2顯示在不同水平的公交滿意度內(nèi)，不同區(qū)域中利用公交車(chē)進(jìn)行通勤出行的比例都存在明顯的差異.

圖2 不同水平滿意度下的公交車(chē)出行比例

3 結(jié)論

居民通勤出行是城市居民出行的重要組成部分，并具有明顯的時(shí)空分布特點(diǎn).本文利用2011年大連市居民出行調(diào)查數(shù)據(jù)基于不同區(qū)域構(gòu)建整體通勤、核心區(qū)通勤、外圍區(qū)通勤和外圍區(qū)-核心區(qū)通勤四個(gè)BL模型.通過(guò)模型對(duì)比分析進(jìn)一步驗(yàn)證了性別、年齡、職業(yè)、私家車(chē)擁有量、公交滿意度和出行時(shí)間對(duì)通勤出行有著顯著的影響.其中30～39歲年齡段、教育研究人員、管理技術(shù)人員和公交滿意度在不同區(qū)域內(nèi)對(duì)通勤出行表現(xiàn)出明顯的差異性.這種區(qū)域差異性體現(xiàn)出出行區(qū)域?qū)τ谕ㄇ诔鲂行袨楫a(chǎn)生了一定的影響，表明建立不分區(qū)域的單一通勤模型產(chǎn)生一定的偏差.比如，本文中整體模型掩蓋了30～39歲年齡段在核心區(qū)內(nèi)通勤者對(duì)于私家車(chē)?yán)玫囊蕾?lài)性，放大了公交滿意度對(duì)于特定區(qū)域內(nèi)的出行方式選擇的影響，忽視了不同區(qū)域的特定職業(yè)人群的不同通勤出行特點(diǎn)等.因此，分析通勤出行行為構(gòu)建通勤出行模型應(yīng)該考慮出行區(qū)域的影響，即便建立不分區(qū)域的單一模型時(shí)也要采取措施防止可能產(chǎn)生的偏差.同時(shí)，未來(lái)可以將本研究劃分出行特征的方式用于其他城市居民出行調(diào)查數(shù)據(jù)進(jìn)行進(jìn)一步的對(duì)比驗(yàn)證.