基于混合選擇模型的圖狀路徑信息板影響分析

干宏程，孫亦凡

（上海理工大學 管理學院，上海 200093）

可變信息標志（VMS）作為交通管理者向駕駛員傳遞動態路況信息的常見重要手段，有助于駕駛員更合理地選擇路徑和更高效的出行，并且能夠緩解交通壓力和均衡路網負擔。VMS對駕駛員路徑選擇的影響一直是研究熱點，相應的研究成果已經很豐富。以往研究顯示，VMS對路徑選擇的影響因素大體可歸為3類：VMS內容（VMS提供的信息的內容、方式、詳略等）、各替換路徑的狀況（擁擠程度、交叉口數量、事故類型等）、個體屬性（性別、駕駛經驗、VMS的主觀感知等）。Peeta等[1]運用多元Logit模型研究了VMS提供不同信息的情況下駕駛員的路徑選擇。研究結果表明，個體屬性性別、年齡對于駕駛員的路徑選擇有顯著的影響。此外，VMS提供相關信息的內容越多，駕駛員越容易受到VMS的影響。Li等[2]的研究結果表明，駕駛年限、平均出行距離、對VMS的信任和VMS位置的設定是影響駕駛員路徑選擇的重要影響因素。徐天東等[3]的研究結果表明，駕駛員的個體屬性年齡、VMS提供內容的精確性與完整性對于駕駛員的路徑選擇有顯著的影響。干宏程[4]研究了當VMS板同時提供原始路徑和替換路徑的信息時駕駛員的路徑選擇，研究結果表明，行程節省量（原始路徑與替換路徑時間之差）、替換路徑所含交叉口的數量和個體屬性（性別、年齡、駕駛員的身份等）對駕駛員的路徑選擇有顯著的影響。

圖狀路徑信息板（graphical route information panel，GRIP）是順應當前信息與通訊技術快速發展而日益得到普及的一種新型VMS技術，GRIP相關研究（尤其是行為建模方面的探索）近年來在國際上已成為研究熱點。目前，學者們在面板設計、GRIP影響的交通仿真、信息系統設計、行為建模[5-9]等方面對GRIP展開了不同程度的研究。Lai[7]通過實驗檢查GRIP顯示的內容是否易于理解，研究結果表明，相較于長方形路網，駕駛員對三角形路網的響應較慢，不容易受其影響。此外，駕駛員對GRIP中顯示的道路顏色更為敏感。Aitken等[8]通過對以往文獻的總結并結合美國德克薩斯州的統一交通設備控制手冊，設計了適合美國的GRIP，并且評估了設計的GRIP在人群中的運用。Gan[9]基于GRIP系統的研究開發，比較了服務水平信息的3種提供方式，并且提出了一種基于宏觀交通流量模型的旅行時間預測方法。在以往研究中，行為建模的研究報道還很少，GRIP對路徑選擇的影響機理有待進一步解析。

與傳統的離散選擇模型相比，混合選擇模型能夠直接觀察到態度、價值觀、生活方式等不可觀測變量對于選擇行為的影響。國內混合選擇模型在交通領域的應用已經有了一定的成果，研究結果表明，混合選擇模型相較于傳統的離散選擇模型有更好的數據擬合效果和行為解釋能力[10-11]。本文在作者所在課題組以往研究的基礎上[9,12-15]，運用混合選擇模型（integrated choice and latent variable，ICLV）這一先進的計量經濟學模型，探索GRIP對路徑選擇的影響，著重考察“駕駛經驗”和“GRIP信任度”這兩類重要但不易直接觀測的潛在影響因素的作用，以期更精細地刻畫GRIP的影響機理。

1 混合選擇模型

ICLV模型[16-17]由結構方程模型與離散選擇模型兩部分組成。本文采用經典的多元Logit模型作為離散選擇模型。

a.離散選擇模型。

選項的效用函數的解釋變量分為可直接測量的解釋變量和不可直接測量的潛變量，并且假設效用函數是關于參數的線性函數。選項的效用函數如式（1）所示。

式中：Uni是第n個駕駛員的選項i的效用；Vni是系統效用；vni是隨機效用；xni是可直接測量的對選項效用有影響的因素；ηni是不可直接測量的對選項效用有影響的因素；β是待估計的效用函數的系數；βx是可直接觀測影響因素的系數；βη是不可直接觀測影響因素的系數。

多元Logit模型中，每個選項被選擇的概率如式（2）所示。uni表示第n個駕駛員選擇選項i的狀態，如果被調查的人選擇了i，ui=1；否則，為0。Cn為第n個駕駛員互斥的選項集；Pn為第n個駕駛員的選擇概率。

b. 結構方程模型。

在結構方程模型中，指標變量與潛變量之間的關系采取線性函數關系，將可直接觀測的解釋變量作為外源潛變量引入。此外，離散選擇模型中不可測量的影響因素作為結構方程中的潛變量。ηni與指標變量及其他潛變量的關系如式（3）所示。

式中：ζni是隨機項；yni是指標變量；εni是yni的測量誤差；Β，Γ，Λ為公式中待估計函數的系數。

c.似然函數。

ICLV模型的概率函數

式中：Σv，Σε和Σ?代表的是殘差和隨機項的協方差矩陣；Rη表示積分是有多少個潛在變量的多重積分。

假設有n個駕駛員，那么，ICLV模型的似然函數

2 數據及初步分析

本文所用到的GRIP響應行為數據來自作者課題組針對上海高架快速路GRIP開展的上海駕駛員路徑選擇行為調查[13]。問卷中選取上海中心城區高架快速路網中延安路高架上的一段道路為假設出行路線。假設駕駛員在工作日的平峰時段計劃從靜安區政府走延安高架到達東華大學延安校區。原計劃從凱旋路出口離開延安高架，但是，駕駛員從華山路出口的GRIP獲取了此時的凱旋路道路狀況信息，這時候駕駛員根據GRIP顯示的內容決定按照原計劃從凱旋路出口離開，還是提前一個出口從江蘇路離開，或者提前兩個出口從華山路離開。出行情境如圖1所示。

圖1 意向調查中的出行情境Fig.1 Travel scenario in the survey

研究的GRIP主要通過光帶地圖和文字組合的方式向駕駛員傳遞路況信息，綠色、黃色、紅色分別表示暢通、擁擠、阻塞，事故信息則通過標志面板的文字顯示模塊來傳遞。在調查中，根據凱旋路出口是否發生事故（文字說明）和擁擠程度（地圖顯示+文字說明）兩個信息要素，采取兩水平（事故與否）和三水平（輕微擁擠、一般擁擠、嚴重擁擠）的組合形式，構造6個（2×3）出行情境。表1給出了6種出行情景下GRIP提供的信息內容。當GRIP提供發生事故、道路擁擠嚴重的信息時，GRIP顯示如圖2所示。除了收集受訪駕駛員的選擇結果，還收集了駕駛員的相關個體屬性（性別、年齡、開車主要目的、開車頻率、對GRIP有用性的感知等）。調查一共收集了246份有效問卷，因此，一共有 1 476（246×6）個選擇結果。

表1 不同出行情景Tab.1 Different scenarios

圖3給出了不同出行情境下受訪者的路徑選擇百分率。可以看出，駕駛員很容易受GRIP信息影響而改變路徑。除情景4以外，其他情景中選擇從江蘇路出口下高架的人最多，這說明當原始路徑沒發生事故，只有輕微擁堵時，大部分人維持原路徑，不發生改道行為。當GRIP顯示的信息為有事故或原始路徑擁擠較為嚴重時，大部分人傾向提前一個出口下高架。駕駛員改道行為發生比例從大到小依次是情景5，情景3，情景6，情景1，情景2，情景4。這說明駕駛員對于GRIP道路擁擠的信息比事故是否發生的信息敏感。

圖2 圖狀路徑信息板顯示的信息Fig.2 Information displayed by the graphical route information panel

圖3 不同情景下的路徑選擇Fig.3 Path selection under different scenarios

3 模型建立和結果分析

采用Mplus7.0軟件建立混合選擇模型。經過對多個候選模型的測試、比較和評價，最終得到的模型結構如圖4所示。模型中個體屬性直接對潛變量駕駛經驗、GRIP信任度有影響。駕駛員的選項效用受到是否發生事故、擁擠程度、駕駛經驗和GRIP信任度的直接影響。其中，潛變量駕駛經驗用F1表示，指標為駕齡、使用高架道路的頻率、對上海高架的熟悉程度。潛變量GRIP信任度用F2表示，指標為對GRIP的關注程度、GRIP對其選擇路徑或改道的影響程度。

模型中的變量有性別、每年行駛公里數、開車頻率、駕齡、使用高架道路的頻率、對上海高架的熟悉程度、對GRIP的關注程度、GRIP對其選擇路徑或改道的影響程度、凱旋路出口擁擠程度、是否發生事故和路徑選擇。其各自定義情況如下：性別為二分類變量：男性為1，女性為0；每年行駛公里數從“5千以下”到“3萬以上”分為5檔，編碼為1～5；每周的開車頻率從“很少開車”到“幾乎每天”分為5檔，編碼為1～5；駕齡從“小于1 a”到“大于20 a”分為5檔，編碼為1～5；每周使用高架道路的頻率從“很少用”到“幾乎每天”分為5檔，編碼為1～5；對上海高架的熟悉程度從“完全不熟”到“非常熟悉”分為5檔，編碼為1～5；對GRIP的關注程度從“從來不看”到“總會看”分為5檔，編碼為1～5；GRIP對其選擇路徑或改道的影響程度從“完全沒有影響”到“完全根據信息作決定”5檔，編碼為1～5；凱旋路出口擁擠程度分為3檔，編號為1～3；是否發生事故為二分類變量：發生事故為1，沒發生事故為0；路徑的選擇為無序多分類變量：華山路為1，江蘇路為2，凱旋路為3。

3.1 測量模型的評估

在構建潛變量時，通過遵循開發量表的理論知識，參照交通領域的特點，結合現實情況，用試錯的方法，從量表的實際意義、信度與效度、數據的擬合等角度對構建的測量模型進行評價與比較，最終確定了圖4所包含的測量關系。通過組合信度（CR）和平均方差提取值（AVE）來評價模型的內在結構適配度。從表2中可以看出，各指標變量的因子負荷顯著并且都大于0.4，因此，保留所有的指標變量。大于0.7，量表結構穩定。0.548。的值為0.436，比較接近0.5，也可以接受。同時F1和F2相關系數的平方為0.248，小于2個潛變量的AVE值，因此，認為潛變量的聚斂能力較好。總體而言，模型具有較好的內在結構適配度。

在對測量模型與數據的擬合效果進行評價時，主要采用近似擬合檢驗，因為，假設檢驗中模型的卡方值易受到樣本量的影響，而本文中的樣本量較大，因此，評估模型的數據擬合時不對卡方值/自由度作評價。模型的擬合判斷指標CFI=0.979，TLI=0.947，大于0.9，SRMR=0.021，小于0.1。CFI為比較擬合指數，TLI為Tucker Lewis指數，SRMR為標準化殘差均方根。結果還顯示，近似誤差均方根RMSEA值為0.067，小于0.08，其90%的置信區間的上限為0.090，接近0.08，精確擬合的顯著性p值為0.091。因此，認為模型擬合良好。

表2 測量模型的完全標準化因子負荷Tab.2 Standardization factor of the measurement model

3.2 離散選擇模型

本文所建立的混合選擇模型的麥克法登R2為13.59%，而不包含潛變量部分的多元Logit模型的麥克法登R2為11.67%，說明包含潛變量的混合選擇模型對于數據有更好的擬合效果。此外，根據表3可以得到以下結論：

a.常數項。常數項都為負，并且?1.799 >?3.704，說明在正常情況下，駕駛員從大到小的偏好為原路行駛，提前一個路口下車，提前兩個路口下車。這符合實際的情況，在不受到其他因素影響的情況下，駕駛員更愿意在快速路上行駛，因為，在快速路上限制行駛速度高，無需等待紅綠燈，駕駛員能夠更快地到達目的地。

b.駕駛經驗。駕駛經驗對于江蘇路出口與凱旋路出口的相對效用沒有產生影響。駕駛經驗對于華山路出口與凱旋路出口的相對效用產生了影響，并且系數為?0.831，說明駕駛員的駕駛經驗越豐富，越不容易受到圖狀路徑信息板的信息影響。這可能的原因是駕駛經驗越豐富的駕駛員在判斷是否改道時，更多的是依賴自己的經驗，而不是GRIP提供的內容。

c.GRIP信任度。華山路出口的系數大于江蘇路出口的系數，并且都為正（1.77>0.871），這說明駕駛員對于GRIP越信任，越容易提前下高架。

d.擁擠程度。系數為正，并且華山路出口的系數大于江蘇路出口的系數（1.933>1.226），這說明駕駛員對于GRIP中的擁擠信息很敏感，當GRIP板上顯示凱旋路越是擁擠，駕駛員越容易下高架。

e.是否發生事故。當GRIP顯示發生事故時，駕駛員很容易提前下高架。當GRIP顯示發生事故時，駕駛員由于無法根據事故判斷前方道路的狀況，不愿意冒險，因此，駕駛員很容易提前下高架。

表3 混合模型中的離散選擇模型Tab.3 Discrete choice in the integrated choice and latent variable model

3.3 結構模型

經過多次驗證發現，個體屬性中性別、年行駛公里數和開車頻率對于潛變量F1產生影響。除了年行駛公里數的p值為0.064外，其他變量的顯著性為0。潛變量F1的R2為0.511，所以，潛變量F1的方差解釋良好。而個體屬性對于潛變量F2的R2很小，并且不顯著，因此，本模型中個體屬性沒有對潛變量GRIP信任度產生影響。個體屬性中性別、年行駛公里數、開車頻率與駕駛經驗的未標準化系數分別為0.335，0.021，0.325，再結合個體屬性的編碼可以得出以下結論：男性比女性的駕駛經驗豐富，這符合現實情況中男性駕駛員的數量高于女性駕駛員的數量。此外，駕駛員年行駛公里數越長，每周開車頻率越高，駕駛經驗越豐富。結合駕駛經驗越豐富，越不容易改道的結論，可以認為相較于男性，女性更容易受到GRIP的影響改道。年行駛公里數越長，每周開車頻率越高，駕駛員越不容易受到GRIP的影響作出改道的行為。

4 結 論

運用先進的ICLV模型，以“駕駛經驗”和“GRIP信任度”為潛變量，對上海高架快速路GRIP影響下的駕駛員路徑選擇行為進行了建模，較為細致地解析了GRIP的影響機理。利用上海駕駛員問卷調查數據所開展的ICLV模型實證研究發現：

a.駕駛經驗不豐富，對圖狀路徑信息板信任的駕駛員的路徑選擇容易受到GRIP的影響；

b.當GRIP顯示原始路徑有事故發生并且道路較為擁擠時，駕駛員改變路徑的可能性變大；

c.性別、年行駛公里數和開車頻率對駕駛經驗產生直接的影響，從而間接地表明女性、年行駛公里數長的、每周開車頻率高的駕駛員容易受到GRIP的影響。

在本文研究基礎上，接下來的研究會結合心理學的有關知識，進一步分析GRIP信息對路徑選擇的影響，發現GRIP影響的深層次原因。