基于MNL的高速公路施工區合流選擇意愿研究*

吳 彪，鄒春悅，李 耘，楊忠振

(1.黑龍江工程學院 汽車與交通工程學院，黑龍江 哈爾濱 150050；2.淮陰工學院 江蘇省交通運輸與安全保障重點建設實驗室，江蘇 淮安 223003；3.寧波大學 海運學院，浙江 寧波 315211)

0 引言

為保證高速公路整體的行車安全和通行效率，需對高速公路出現的各種破損加以預防和養護，對早期修建的高速公路進行改造升級、拓容擴建，進而產生大量的施工區路段。我國《公路養護安全作業規程》(JTG H30—2015)規定[1]，施工區一般劃分為警告區、上游過渡區、緩沖區、工作區、下游過渡區及終止區等6個區域。在施工區合流區域(警告區和上游過渡區)，強制性合流行為與突變的行車環境誘發駕駛人差錯而引起判斷操作失誤，增加了交通沖突風險，甚至釀成交通事故[2-4]。Meng等[5]探究了施工區合流行為與追尾事故風險的關系，認為駕駛人合流選擇時機對施工區合流區域追尾事故的影響顯著；孟祥海等[6]開展了高速公路施工區追尾風險突出影響因素辨識研究，結果表明車輛運行狀態是突出影響因素，每增加1次合流都會使施工區追尾風險增大3.9倍。施工區合流選擇行為模型能夠再現駕駛人合流行為決策過程，是研究合流風險感知機理及控制策略的前提。因此，構建人-車-路及環境多因素作用的施工區合流選擇意愿模型，量化分析駕駛人、車輛、道路及環境因素對施工區合流選擇意愿的影響，對提高施工區的交通安全性和通暢性具有重要意義。

在施工區合流選擇行為模型研究方面，Louisell 等[7]利用模糊推理系統模擬“if-then”產生式規則，確定駕駛人在施工區的期望合流位置；Weng等[8-9]根據施工區合流行為特征，提出駕駛人期望合流位置模型、預測合流概率的二元Logit模型和85%位車輛合流距離模型；Meng等[10]在分析駕駛人合流行為影響因素的基礎上，利用分類與回歸樹法預測駕駛人在短時施工區的合流行為；孫智勇等[11]在分析施工區上游過渡區匯入過程的基礎上，建立施工區上游過渡區車輛匯入的可接受間隙模型，利用實測數據分析了各個因素對車輛匯入的影響程度；孫智勇等[12]在考慮車輛匯入過程中臨界間隙變化情況的基礎上，利用間隙-可接受理論和微分法構建上游過渡區的車輛匯入模型，揭示上游過渡區長度、主車道交通量和匯入速度對車輛匯入概率的影響規律；Li等[13]基于模糊logic的車道變換反應時間模型和車道變換反應距離模型，分析駕駛人性別、年齡、受教育程度和駕駛經驗等因素對施工區強制性車道變換行為的影響；Weng等[14-16]基于施工區合流交通數據，分別利用混合Probit模型、時間依賴logistic模型和時變混合logit模型預測駕駛人在施工區合流區域的合流行為。本文在施工區合流選擇意愿調查數據統計分析的基礎上，考慮駕駛人基本特征屬性和道路交通環境特征屬性，建立基于多屬性的高速公路施工區合流選擇意愿多項logit(Multinominal Logit，MNL)模型，揭示駕駛人、車輛、道路及環境因素對施工區合流選擇意愿的影響，為施工區合流控制策略制定、施工區交通組織和安全管理提供技術支持，實現提高施工區交通安全性和通暢性的目標。

1 施工區合流選擇意愿調查與分析

1.1 施工區合流選擇意愿SP調查

SP調查(Stated preference survey)是為獲得“人們對假定條件下的多個選擇方案所表現出來的主觀偏好”而進行的意愿性調查[17]?；赟P調查法，作者于2015 年5月采用線上線下2種方式對施工區合流選擇意愿進行問卷調查。設計的問卷涉及3部分內容：駕駛人基本信息、施工區合流選擇意愿性信息和施工區合流選擇意愿情景。駕駛人基本信息主要包括駕駛人性別、年齡、駕齡、學歷、平均月收入等；施工區合流選擇意愿分為上游過渡區、警告區Ⅰ和警告區Ⅱ 3種情況(如圖1所示)，其中警告區Ⅰ和警告區Ⅱ以合流誘導標志為界；施工區合流選擇意愿情景主要考慮施工區類型、道路條件、道路線形、交通環境、交通標志設置、速度條件、作業時間和限速策略等道路交通環境特征屬性因素。其中，施工類型包括超車道封閉、行車道封閉、半幅封閉和路肩封閉；施工區道路條件主要考慮了道路線形、封閉車道數和封閉長度因素；道路線形條件包含直線路段、平曲線路段、縱坡路段及彎坡組合路段等；交通環境條件包括交通量及其組成、施工區位置、施工區布局以及交通組織與控制措施等；交通控制標志主要考慮施工、限速與合流誘導等交通控制標志；速度條件主要考慮與前車車速差、與側前方車車速差、與后車車速差以及與側后方車車速差等；施工區作業時間可以分為長期養護作業、短期養護作業、臨時養護作業和移動養護作業；施工區限速策略主要有單一限速、重復限速和多級限速策略。選擇意愿情景除了用文字說明表達外，配有相關示意圖，以圖輔文形式展示給被調查對象。

圖1 高速公路施工區合流選擇意愿

1.2 描述性統計分析

首先對樣本數據進行預處理，將存在大量缺失數據或相似答案過多的樣本視為無效樣本。本次調查共收回問卷350份，其中有效問卷328份，有效率為93.7%。有效樣本量一般建議在自變量數10倍以上[18]，擬建模型潛在的自變量包括駕駛人和道路交通環境2方面13個因素，因此328份有效問卷滿足建模要求。在328名被調查對象中，男性駕駛人占比為67.38%、31～40歲的駕駛人占比為47.26%、5 a及以上駕齡的駕駛人占比55.79%、具有大學學歷的駕駛人占比為43.29%、月平均收入2 000元及以上的駕駛人占比為94.21%。具體統計結果，如圖2所示。

圖2 駕駛人主體特性與合流選擇意愿關系

道路交通環境特性與合流選擇意愿關系，如圖3所示。

由圖3可知：在不同類型施工區、道路條件、道路線形條件、交通環境條件、交通控制標志、速度條件、作業時間、限速策略等因素影響下，有79.27%的駕駛人選擇在警告區Ⅱ選擇合流，表明駕駛人對警告區Ⅱ具有更強的偏好，在施工區復雜行車環境下，駕駛人選擇警告區Ⅱ早期合流的數量增加。

圖3 道路交通環境特性與合流選擇意愿關系

1.3 相關性分析

1.3.1 施工區合流選擇意愿與駕駛人因素的相關性分析

在施工區合流區域，駕駛人合流選擇意愿受到許多因素的影響，現對駕駛人主體特征與施工區合流選擇意愿進行Pearson相關性分析，分析結果見表1所示。

由表1可知，在置信水平α=0.01時，施工區合流選擇意愿與駕駛人駕齡顯著正相關，相關系數為0.240。由于Pearson值為正，表明施工區合流選擇意愿會隨著駕駛人駕齡的增加而增強。

表1 合流選擇意愿與駕駛人基本信息的Pearson相關性

1.3.2 施工區合流選擇意愿與道路交通環境因素的相關性分析

施工區合流選擇意愿與道路交通環境因素的Pearson相關性檢驗結果，見表2所示。

由表2可以看出，在置信水平α=0.01時，施工區合流選擇意愿與施工區類型、限速策略呈顯著正相關，相關系數分別為0.147、0.222；與交通控制標志呈顯著負相關，相關系數為-0.152。在置信水平α=0.05時，施工區合流選擇意愿與道路條件呈顯著正相關，與速度條件呈顯著負相關，相關系數分別為0.114、-0.134。綜合以上分析可知，駕駛人合流選擇意愿會隨著施工區道路交通環境的復雜性提高而增強，施工、限速、合流誘導等交通控制標志的設置對施工區合流選擇意愿的影響亦十分顯著，駕駛人選擇上游過渡區晚期合流的數量會增加。

表2 合流選擇意愿與道路交通環境因素的相關性

2 施工區合流選擇意愿模型構建

引入駕駛人基本特征屬性和道路交通環境特征屬性等多種影響變量，從概率角度分析駕駛人施工區合流選擇意愿，定量分析駕駛人、車輛、道路和環境等因素對不同合流區域選擇概率的影響程度，是MNL模型在駕駛人施工區合流選擇意愿研究中的具體應用。

2.1 施工區合流選擇意愿的效用分析

完全理性的駕駛人在選擇施工區合流意愿時，通常面對多個備選區域，駕駛人依據效用最大原則選擇某1個區域作為最終方案。

假設每位駕駛人都有包含j個方案的合流區域選擇集合，其中j=1,2,…,J。影響駕駛人選擇的屬性因素為xk，其中k=1,2,…,K，駕駛人選擇某1合流區域的效用Uj如式(1)所示：

(1)

式中：Vj為可觀測部分效用，包括駕駛人基本信息和道路交通環境2方面特征屬性，駕駛人可以精確測量和描述，將其看作確定項；αj為常量；βjk為選擇第j個方案時，影響選擇的第k個因素對應的參數；εj為不可觀測部分效用，包括難以觀測部分效用和觀測誤差影響，駕駛人無法預知，將其視為隨機項。

2.2 施工區合流選擇意愿的MNL模型

完全理性的駕駛人選擇第j個方案時，其概率如式(2)所示：

(2)

假設εi和εj服從獨立同極值分布，則εij=εi-εj服從Logistic分布，其密度函數如式(3)所示：

(3)

(4)

構建的MNL模型中，若因變量有J個合流區域，則有J-1個logit，如式(5)～(7)所示：

(5)

(6)

?

(7)

采用極大似然函數估計αj和βj(j=1,2,…,J-1)值。

由于P(y=1)+P(y=2)+…+P(y=J)=1

則對于J個合流區域，可利用式(8)對選擇第j個合流區域的概率進行預測。

(8)

3 模型標定與分析

3.1 變量設置

基于Pearson相關性檢驗結果，對施工區合流選擇意愿變量進行篩選。經過變量篩選后，本文所建立的施工區合流選擇意愿MNL預測模型中因變量及自變量表示符號及賦值，如表3所示。

表3中6個影響因素賦值后均為分類變量，但具體賦值并非代表實際數值，需按照啞變量進行設置。在實際模型計算過程中會對啞變量進行變換賦值，若啞變量有k個分類，則將該啞變量轉換為k-1個變量。如駕齡轉換賦值如表4所示。

表3 施工區合流選擇意愿變量設置

表4 啞變量駕齡轉換賦值

駕齡、施工區類型、道路條件、交通控制標志、速度條件和限速策略，由于屬于多分類變量，需要進行啞變量轉換，處理方法與駕齡相同。

3.2 模型參數標定

施工區合流選擇意愿調查統計結果表明：駕駛人對警告區Ⅱ具有更強的偏好。因此，運用SPSS19.0統計分析軟件僅對警告區Ⅱ建立施工區合流選擇意愿MNL模型，并進行參數標定，見表5所示。

表5 模型標定結果

表5中，系數值β反映其對應的影響變量對施工區合流選擇意愿的影響程度，Sig為統計量的顯著性水平。若Sig<0.05，表明其對應的系數值β對施工區合流選擇意愿有顯著影響，應納入施工區合流選擇意愿模型；反之，可以忽略系數值β對施工區合流選擇意愿的影響。因此，駕齡、施工區類型、道路條件、交通控制標志、速度條件和限速策略等變量對施工區合流選擇意愿都有顯著影響，進而由式(4)得到警告區Ⅱ合流選擇意愿模型，如式(9)所示：

logit(yi=3)=418.117+0.240x1+0.147x2+

0.114x3-0.152x4-0.134x5+0.222x6

(9)

式中：x1為駕駛人駕齡；x2為施工區類型；x3為道路條件；x4為交通控制標志；x5為速度條件；x6為限速策略。

3.3 模型檢驗

根據非集計模型理論[19]，利用似然比、優度比和命中率3個指標對模型的有效性進行檢驗[20-21]。模型似然比檢驗假設H0:β1=β2=…=βk=0的統計量為-2ln(L(0)-L(β))，似然比檢驗結果，見表6。

表6 模型似然比檢驗

命中率反映了模型預測與實際選擇的吻合程度。若命中率能達到80%以上，則認為模型具備較高的可靠性[22]。命中率檢驗結果，見表7所示。

表7 模型命中率檢驗

由表7可以看出，施工區合流區域各自的預測命中率分別為71.4%、54.1%、95.4%，模型的平均命中率為87.2%。總體看來，模型的命中率相對較高，特別是警告區Ⅱ選擇的命中率，已達到90%以上?？梢娝⒌腗NL模型適合施工區合流選擇意愿研究，在MNL模型中駕駛人駕齡、施工區類型、道路條件、交通控制標志、速度條件和限速策略對施工區合流選擇意愿的影響顯著。

4 結論

1)考慮駕駛人基本特征屬性和道路交通環境特征屬性因素影響，自主設計施工區合流選擇意愿SP調查方案，統計分析表明：駕駛人對施工區警告區Ⅱ區域具有更強的偏好，在施工區復雜道路交通環境下，駕駛人選擇警告區Ⅱ區域早期合流的數量會增加。

2)施工區合流選擇意愿與駕駛人基本特征屬性和道路交通環境特征屬性因素的相關性分析表明，施工區合流選擇意愿會隨著駕駛人駕齡的增加而增強，隨著施工區道路交通環境的復雜性提高而增強。

3)基于非集計理論建立多屬性施工區合流選擇意愿MNL模型，模型參數標定和檢驗結果表明，駕駛人駕齡、施工區類型、道路條件、交通控制標志、速度條件和限速策略等變量對施工區合流選擇意愿影響顯著，為施工區合流行為的定量分析提供了科學判據。