單車共享下城市居民出行方式選擇行為模型分析
——以湛江市為例

李 曼

(嶺南師范學院機電工程學院，廣東 湛江 524048)

1 出行方式選擇模型的分析

1.1 模型構建

非集計模型的構建來自于出行者出行過程，其包括許多變量，成本低、效率高、可替代性強，在交通運輸等領域得到普遍的研究和運用。本文以廣東省湛江市為例，分析在共享單車的引入下城市居民的基本出行特征。為了較為準確的獲取湛江市居民出行基礎數據，選取5個交通大區為代表性的出行區域。依據行為理論，制定了“湛江市居民出行調查問卷”，并遵循交通調查方法和原則進行實地調查。調查總共發放問卷5 000份，收回4 843份，有效問卷4 759份。其中從有效數據中隨機抽取2 039份，利用非集計理論構建模型。

依據效用最大化理論，即假設出行者n選用第i中出行方式的效用為Uin，選用第j種出行方式的效用為Ujn，An為出行者n出行方式的選擇方案集合，則出行者n選擇出行方式i的條件如式(1)。

Uin>Ujn,i≠j,j∈An

(1)

其中Uin可以表示為式(2)

Uin=Vin+εin

(2)

式中：Vin為出行者n選擇第i種出行方式的效應函數中固定效用部分；εin為出行者n選擇第i種出行方式效應函數中隨機效用部分或者隨機誤差項。

若Vin與特性向量Xink呈線性關系，則其關系如式(3)

(3)

式中：K為特性變量的個數；θk第k個變量對應的參數；Xink為出行者n選擇第i中出行方式的第k個特性變量。

假設上式中Vin與εin相互獨立，并且εin服從二重指數分布，則出行者n選擇第i種出行方式的概率Pin可用式(4)描述：

(i,j∈An)

(4)

1.2 交通方式選取及影響因素劃分

湛江市居民出行方式復雜，居民出行方式包含公交車、出租車、私家車、摩托車、電動車、單車以及步行等多種交通方式，其中為了簡化研究，把出租車和私家車歸為一種交通方式——即小汽車，故湛江市居民出行方式以步行、摩托車/電動車、公交車、小汽車和單車為主。其中單車方式中單車來源包括家庭擁有單車和共享單車。那么，模型的選擇肢可定義為：步行、電動車/摩托車、公交車、小汽車、單車，分別用0、1、2、3、4表示。

經初步篩選、歸類、分組后，選取的影響因素包括兩部分構成，個人屬性、家庭屬性和出行屬性。個人屬性包括性別、年齡、教育程度、個人月均收入等4個參量，家庭屬性包括擁有小汽車情況、擁有摩托車/電動車情況、擁有單車情況、具備共享單車使用條件等4個參量，其中具備單車使用條件參量定義為只要滿足具有共享單車年卡或者手機上安裝有單車APP并注冊會員的其中一個條件，即可取值為1；出行屬性包括出行距離、出行目的、出行時間、出行費用等4個參量，其中出行費用主要是指乘車費用。具體影響因素見表1。

表1 影響因素說明

1.3 模型參數的標定與分析

對模型影響因素進行標定，結果見表2。

表2 參數標定結果

根據統計學檢驗理論，由表2可見，以上12個影響因素變量的參數t檢驗值的絕對值均大于1.96，表明具有95%的把握認為各影響因素變量對選擇概率產生顯著影響，且其符號的正負與實際情況對應。故表中12個特征變量對城市居民出行方式選擇行為有顯著影響。

ρ2cfadden決定系數，用來判定模型的擬合度，其值在0到1之間，愈接近1，說明模型的精度愈高。不過，實踐證明：ρ2的值達到0.2～0.4之間時，即可認為精度相當高了。本文的決定系統ρ2的值為0.279，表明該模型的擬合比較理想，模型正確。

由此可知，模型標定參數正確，各出行方式影響因素變量參數見表3。表中，具備單車使用條件參數為0.263 9，表明具備單車使用條件的人口比例相對較少，但具備了單車使用條件會增加單車出行比例，同樣也會增加步行出行和公交出行比例，這是換乘的影響，符合實際情況。

表3 出行方式參數值

2 模型實證分析

從剩余的有效調查數據中抽取181份，分析模型的正確性。根據標定參數值以及公式(2)和(3)，對應的效用函數用固定項代替，則：

V0=0.412 4X2+1.026 3X6+0.263 9X8-0.085 6X9+0.5627X10

(5)

V1=0.412 4X2+1.026 3X6-0.085 6X9+0.5627X10+0.027 9X11

(6)

V2=0.098 4X1+0.291 6X3+0.358 2X4+0.786 2X5+0.263 9X8+0.562 7X10+0.027 9X11-0.491 212

(7)

V3=0.291 6X3+0.358 2X2+0.786 2X5+0.562 7X10-0.491 2X12

(8)

V4=0.098 4X1+0.412 4X2+0.201 6X3+0.426 3X7+0.263 9X8-0.0856X9+0.562 7X10

(9)

式中，V0、V1、V2、V3、V4分別為出行方式選擇步行、摩托車/電動車、公交車、小汽車、單車的出行效用。

結合效用值及公式(4)，可得5種出行方式的選擇概率P0、P1、P2、P3、P4分別用式(10)、(11)、(12)、(13)、(14)計算：

(10)

(11)

(12)

(13)

(14)

其中某出行者的出行數據為：X1=1;X2=2;X3=2;X4=1;X5=1;X6=2;X7=1;X8=1;X9=1;X10=3;X11=2;X12=0。計算各出行方式的效用值和對應的概率值，見表4。由表4可見，步行出行的選擇概率值最大，即該出行者根據其個人屬性和出行屬性選擇步行出行的概率最大。

表4 出行方式選擇效用值及概率值

將181份出行數據按照上述方法分別代入各出行方式效用函數公式中，進行迭代計算，求城市居民出各出行方式的概率，并對其概率求平均值，所得的結果即為模型計算結果。將模型計算結果與181份居民出行方式調研統計結果進行誤差分析，結果見表5。

表5 誤差結果

由表5可知，對于城市居民出行方式選擇行為分析，利用模型計算的結果值與實際統計結果值差別不大，各項絕對誤差值較小，最大絕對誤差值僅為4.4%，可以滿足實際使用要求。故模型相關因素選取較為科學合理，模型正確，具有一定的適用性。

3 結 語

本文依托湛江市居民出行數據建立了城市居民出行方式選擇模型，經相關檢驗，模型正確、有效。因此可用于單車共享的背景下，城市居民出行方式選擇的預測。

利用模型計算的結果值與實際統計結果值差別不大，各項絕對誤差值較小，最大絕對誤差值僅為4.4%。能準確分析模型的相關因素，具有一定的適用性。

由于城市交通中引入了共享交通工具的模式，實際交通問題較為復雜，同時在模型的研究中未考慮各因素間的相互影響、換乘等問題，故本文中利用非集計模型對單車共享下城市居民出行方式選擇行為的研究有待進一步完善。