基于SEML & ML模型的旅客出行行為選擇研究

摘 "要：文章關注不同運距下旅客對航空、高鐵、空鐵聯運等出行方式的選擇行為。研究以成都為中心的三個OD對，采用RP和SP調查相結合的方法進行客流調查。在此基礎上，構建了SEM-Logit模型（SEML）和隨機參數Logit模型（ML），考慮個人社會經濟屬性、心理潛變量和出行方式特征。結果表明，SEML模型能更好地描繪旅客出行的心理特征因素，而ML模型更準確地描述旅客的個人特征和出行特征，顯示各自優勢。針對1 000公里左右運距、中轉時間和出行費用對航空市場分擔率影響較小，對高鐵影響較大；對空鐵聯運航空出行方式的市場分擔率影響也較小，需要加強相關產品推廣。文章為了解旅客選擇行為和出行方式市場分擔率提供了有益信息，并為改進交通產品和服務提供了指導。

"關鍵詞：分擔率分析；隨機參數Logit模型；SEM-Logit模型；異質性

中圖分類號：F511.43 " "文獻標志碼：A

DOI：10.13714/j.cnki.1002-3100.2024.09.020

Abstract： This study focuses on the travel mode choice behavior of passengers for air， high-speed rail， and air-rail intermodal transport at different travel distances. Three origin

-destination（OD）pairs centered around Chengdu were formed， and a combination of revealed preference（RP）and stated preference（SP）surveys was conducted to investigate passenger flows. Subsequently， the SEM-Logit model（SEML）and random parameters Logit model（ML）were constructed， taking into account individual socioeconomic attributes， psychological latent variables， and travel mode characteristics. The results indicated that the SEML model better depicted the psychological factors influencing passenger travel behavior， while the ML model provided more accurate descriptions of individual and travel-related characteristics， each showing its respective advantages. For distances around 1 000 kilometers， transfer time and travel cost had a minor impact on the air market share， whereas they had a significant impact on the high-speed rail market share. The market share of air-rail intermodal travel mode was also minimally affected by transfer time and cost， suggesting the need for enhanced promotion of related products. This study provides valuable insights into understanding passenger choice behavior and travel mode market share， offering guidance for improving transportation products and services.

Key words： market share analysis; random parameter Logit model; SEM-Logit model; heterogeneity

0 "引 "言

"近年來，我國航空事業取得了顯著的成就，在行業規模、安全水平、服務能力以及地位影響等方面持續保持強勁態勢。展望未來，航空運輸將得到廣泛普及，旅客的出行行為對城市綜合交通規劃的研究至關重要，為交通規劃、決策和發展戰略提供了基礎和重要依據。通過深入分析出行行為，制定更優的交通建設和管理政策，以及相關措施，將有助于提升整體交通系統的效率與便利性，為市民提供更優質的出行體驗。因此，研究旅客出行選擇行為將為航空公司的未來產品設計、運營發展和創新做出貢獻，從而增強國內航空公司的普及程度和國際競爭力。

"旅客出行行為最顯著的旅游出行的特點在于旅游者個體的復雜性和旅游活動的隨機性。因此，需要深入了解旅游出行的獨特需求和特征，以及旅游人群的出行方式選擇機理，Zhou Heng et al[1]采用潛在類別建模的市場細分方法來識別乘客群體結果顯示，已確定的細分市場在人口統計、經濟和旅行特征方面存在顯著差異。蘇煥銀等[2]針對票價浮動策略下的旅客乘車選擇行為異質性進行研究，構建LatentClass模型和隨機參數Logit模型，分別從群體層面和個體層面更加全面地分析旅客的個人屬性和列車屬性對旅客選擇行為異質性的影響。

"以往研究探討了出行者選擇出行方式時，交通方式特征（如票價、時間等）和出行者個體特征（如年齡、職業、收入等）對選擇行為的影響。重點在于選擇行為異質性的研究。程謙等[3]基于多項式Logit模型構建混合Logit模型，擬合客流調查數據結果表明：混合Logit模型的擬合優度高于多項式Logit模型；出發時間是影響旅客選擇行為的關鍵因素。Li Xiaowei et al[4]采用分解模型研究綜合交通走廊出行者的選擇行為，著重分析出發時間對選擇行為的影響。其次，收入、票價和出行距離仍然是影響綜合交通走廊旅客選擇行為的主要因素。通過調整票價，可以有效優化不同模式的市場份額。呂澤鑫[5]對廣州南站旅客市內接駁交通市場進行細分，并分析各類旅客市內接駁交通方式的選擇情況。Li Zhi-Chun et al[6]研究了城際旅客在航空運輸、高鐵（HSR）以及空鐵聯運（AH）一體化服務中的模式選擇行為。對位于中國京廣走廊的四個典型城市對進行了陳述偏好調查，所提出的模型用于識別影響乘客模式選擇的關鍵因素，并估計中國一些城際交通市場的乘客出行需求的模式劃分。

"與通勤出行相比，旅游出行考慮的因素不僅僅限于出行時間和成本，更多地向觀光、舒適性以及便捷的接駁等需求轉變。Román Concepción et al[7]估計了一些靈活的選擇模型，考慮到系統和隨機口味異質性的存在。獲得了一系列服務質量屬性的支付意愿值，發現減少轉機時間的日程協調至關重要。郝小妮等[8]應用隨機系數Logit模型分析城際交通出行選擇行為，說明了在城際交通規劃設計、運營管理中應著重考慮便捷性對城際交通方式選擇帶來的影響。Eboli Laura et al[9]選擇采用基于客戶視角的方法，制定結構方程模型來探索全球客戶滿意度與各種因素之間的關系，并驗證這些屬性中的哪一個是服務質量的關鍵因素。仇智勇等[10]基于旅游鐵路出行問卷調查數據，引入舒適性、觀光性和便捷性等潛變量，構建結合結構方程模型和離散選擇（Logit）模型的旅游鐵路出行方式選擇SEM-Logit模型，對于新建旅游鐵路的交通出行方式分擔率預測方法，進行深入分析。

綜上所述，考慮到目前國內外已有文獻相對較少，并且需要綜合旅客出行個體心理特征和出行方式選擇偏好差異的因素，本文旨在探究這一問題。基于對旅客個人出行特征的分析，并加入采用結構方程標定方法來識別居民出行心理潛變量，將其與隨機參數Logit模型進行比較分析，以研究旅客出行選擇行為的規律，從而為國內的交通規劃與管理提供理論基礎。

1 "出行選擇行為調查

"本文采用RP/SP融合的調查方法，借助問卷星平臺收集數據和在成都東站、成都南站、雙流機場和天府國際機場各發放了150份問卷，總計為600份。經回收后，有效問卷達到501份，回收率為83.5%。

"對成都出行旅客進行網上調研，調查時間為2023年5月，調查內容包括旅客個人出行特征（性別、年齡、學歷、稅前月收入、職業、出行目的和購票資金來源）和旅客在虛擬情景下的航班及高鐵選擇。虛擬情景的設計模擬攜程購票頁面[2]，選擇了成都—北京、成都—武漢和成都—昆明3個出行OD對，RP調查用于獲取個人實際出行行為特征。SP調查生成不同的選擇情境。每種情境針對3種不同交通方式的出行費用、接駁時間和行車時間分別設置3個不同水平[11]。考慮到交通工具的舒適性、可靠性和便捷性這些心理變量會對居民出行行為選擇產生影響[8]，也納入調查中并采用不同的指標變量進行表征，各調查變量如表1所示。

調查結果顯示，在總樣本中，男性約占46.8%，女性約占53.2%。這意味著在兩個地點收集的數據樣本中，女性比例更高，而男性比例較低。在受訪者中，年齡小于30歲的占比約為34%，年齡介于31歲至50歲之間的占比約為42.6%，而年齡大于50歲的占比約為23.4%。這表明在收集的數據樣本中，年齡30～50歲的人群比例最高，這可能與高鐵站和機場作為交通樞紐，主要吸引中青年人和商務人士的特點有關。月收入分布顯示小于3 500元的人群占比約為19.2%，3 501～5 000元的人群占比約為24%，5 001～10 000元的人群占比約為45.2%，大于10 000元的人群占比約為11.6%。從這些數據可以看出，月收入在

5 001～10 000元范圍內的人群占比最高，其次是小于3 500元范圍內的人群。這反映了受訪者來自不同地點、具有不同經濟水平和社會背景的差異[12]。

2 "基于隨機參數Logit的旅客出行選擇模型

2.1 "模型介紹

2.2 "基于SEM的心里潛變量標定

采用Python軟件對調查數據進行結構方程模型建構及擬合分析，假設各潛變量之間相關，各殘差之間獨立不相關。采用極大似然法對SEM進行參數估計[12]，并根據模型初始輸出結果對模型結構進行不斷的調整，最終得到如表2所示的參數標定結果，并進一步將因素荷載值標準化以得到適配系數。

表中的KMO測度值（大于0.5）和Bartlett檢驗的顯著值（小于0.05）均通過檢驗，表明適合進行因子分析。潛變量與指標變量之間的因素荷載值顯著部分大于0.5，各潛變量的Cronbach's α值均大于0.5，表明建模結果可信，各指標變量均較好地表征了相應潛變量。同時，調整適配度接近于1，各評價指標的結果均在標準范圍內，表明本文構建的結構方程潛變量標定模型擬合度較高，建模結果合理。

2.3 "效用函數

"交通方式服務水平、旅客個人特征和出行特征是影響旅客選擇出行方式的因素。為了描述不同出行模式服務水平，從不同變量中選擇了出發時間范圍、行前接駁時間、車票價格等變量來進行描述。由于旅客收入水平與年齡、職業、購票資金來源變量之間呈正相關[6]。為了避免變量相關性對模型參數標定的影響，因此，在模型中選擇了出行目的、購票資金來源等變量，描述旅客出行特征及個體特征。出行選擇模型效用函數的變量定義如表3所示。

據式（1），為了避免共線性問題，在選擇高鐵直達和航空直達出行方式時，將航空方式作為基準類別，并不代入基準類別的常數項和個體特征變量在效用函數中[15]。針對高鐵直達出行，采用式（11）的效用函數；對于航空直達出行，使用式（12）的效用函數；而在高鐵航空中轉出行中，選擇式（13）的效用函數。

3 "模型應用

3.1 "參數標定

針對不同旅客的異質性特點，根據獲得的旅客出行行為選擇調查數據，通過Bio-geme軟件，對構建的考慮心里潛變量的SEML模型和ML模型進行標定。參數標定結果如表4所示，表4括號內數字表示對應參數標準差的估計值。

3.3 "市場分擔率變化

為說明航空、高鐵、空鐵聯運3類出行模式在短中長三種不同市場的競合關系，由于未涉及潛變量，此處用ML模型來說明在不同價格與中轉時間條件下，三種出行方式的市場分擔率。通過控制變量法[18]，將采集數據中的出行費用分別設置為20%與40%價格折扣，將中轉時間分別設置為1、1.5、2、2.5、3h等5個水平，將其組合后有10種策略，如表6所示。應用標定后的ML模型來對市場分擔率進行計算，結果如圖1所示。

由圖1可以發現：

（1）對比價格水平為20%與40%的5種不同策略，在同一中轉時間條件下，各出行模式市場分擔率提升幅度在5%以內。但在此水平下，當中轉時間由最低變為最高，各出行模式分擔率變化幅度均為上升，且成都—北京航空出行提升幅度接近20%。說明減少中轉時間比降低出行費用，對于提升市場分擔率更為有效。

"（2）OD對成都—昆明的航空出行方式，在不同策略條件下市場分擔率曲線波動較其他兩類出行方式更平緩。說明中轉時間與出行費用對1 000km航空出行方式的市場分擔率影響小，而其高鐵出行在策略8和9變化超過了30%，說明對于1 000km運距范圍高鐵方式的市場分擔率影響顯著。

"（3）在不同策略條件下，三個OD（出發地—目的地）對成都—北京、成都—武漢、成都—昆明的空鐵聯運出行方式市場分擔率曲線差異較小。這表明在不同運距范圍內，空鐵聯運市場對于中轉時間和費用兩個因素的變化不太敏感。可能的原因是目前空鐵聯運市場規模較小，導致人們選擇該出行方式的概率較低。

"（4）在策略9條件下，OD對成都—北京、成都—昆明的航空與高鐵出行方式市場分擔率差異較小，說明中轉時間在2h以上，不同運距市場航空和高鐵2類出行方式具有替代效應。

4 "結束語

"本文以出行方式選擇為背景，利用SEM-Logit模型和隨機參數Logit探究旅客在不同情況下選擇出行方式的因素及其相互關系，并采用實證分析來對影響因素進行進一步分析。通過對相關文獻的綜述和實證研究，本文得出了一系列結論和建議。

"利用SEM-Logit模型和隨機參數Logit模型，本文分析了旅客在不同情況下選擇出行方式的影響因素，并揭示了這些因素之間的相互作用關系。研究結果表明，影響旅客出行方式選擇的重要因素包括旅行時間、出行成本和服務質量等多個方面。在這些因素中，旅行時間和成本對旅客出行方式的選擇具有顯著的影響。

"在此基礎上，本文提出了一些建議，如加強空鐵聯運的品牌宣傳和市場推廣、提高聯運服務質量和效率、實施中轉時間更改等，以促進空鐵聯運的可持續發展。

"綜合考慮SEM-Logit模型和隨機參數Logit模型的優劣性，選擇使用哪種模型取決于研究問題的復雜程度、數據的可用性以及模型的解釋能力需求。如果研究著重于多階段、多層次的出行方式選擇問題，并且希望考慮更多潛在因素和變量之間的相互影響，那么SEM-Logit是一個較為合適的選擇。然而，如果研究注重于個體間的異質性和個性化的出行方式選擇模式，并且希望更準確地描述不同個體之間的差異，那么隨機參數Logit模型更為適用。

"總之，本文采用了創新的SEM-Logit模型和實證分析，聚焦于出行方式選擇，深入研究了影響旅客選擇的因素及其相互關系。雖然在某些方面仍存在一些不足和局限性，但這一方法為旅客出行行為研究提供了新的思路和方法。隨著空鐵聯運的不斷發展和完善，相信本研究的理論和結論將得到更廣泛的驗證和應用。未來的研究可以進一步探索其他優化模型，如機器學習和自然語言等，以尋找更精確、更全面地解釋個體出行方式選擇行為的方法，為交通規劃和決策提供更有價值的參考依據。

參考文獻：

[1] "ZHOU HENG， et al. Analysing travel mode and airline choice using latent class modelling： A case study in Western Australia[J]. Transportation Research Part A： Policy and Practice， 2020，137：187-205.

[2] 蘇煥銀，等. 城際鐵路旅客乘車選擇行為異質性分析[J]. 鐵道科學與工程學報，2022，19（4）：901-908.

[3] 程謙，朱曉寧，盧萬勝. 中長運距城際旅客出行方式選擇行為模型——以高鐵、航空為例[J]. 重慶交通大學學報（自然科學版），2021，40（7）：39-45.

[4] "LI XIAOWEI， TIAN XIAOYAN， LI XIAODONG. Multi-mode choice behavior for passenger in comprehensive transportation corridor[J]. Procedia Engineering， 2016，137：849-857.

[5] 呂澤鑫，蘇煥銀，陳思倩，等. 廣州南站旅客市內接駁交通市場細分研究[J]. 五邑大學學報（自然科學版），2022，36（1）：66-73.

[6] "LI ZHI-CHUN， DIAN SHENG. Forecasting passenger travel demand for air and high-speed rail integration service： A case study of Beijing-Guangzhou corridor， China[J]. Transportation Research Part A： Policy and Practice， 2016，94：397-410.

[7] "ROM？魣N CONCEPCI？魷N， JUAN CARLOS MART？魱N. Integration of HSR and air transport： Understanding passengers' preferences[J]. Transportation Research Part E： Logistics and Transportation Review， 2014，71：129-141.

[8] 郝小妮，石文瀚，劉建榮，等. 基于隨機系數Logit模型的城市群城際出行方式選擇行為研究[J]. 交通信息與安全，2022，40（5）：139-146.

[9] "EBOLI LAURA， GABRIELLA MAZZULLA. Relationships between rail passengers' satisfaction and service quality： A framework for identifying key service factors[J]. Public Transport， 2015，7：185-201.

[10] 仇智勇，岳鑫，周建堯，等. 基于SEM-Logit整合模型的旅游鐵路交通出行分擔率預測[J]. 山東交通學院學報，2020，28（4）：30-37.

[11] "JIANG M， MORIKAWA T. Measuring value of travel time savings with resource value and commodity value[J]. Doboku Gakkai Ronbunshuu D， 2007，63（3）：302-310.

[12] "SI Y， GUAN H， CUI Y. Research on the choice behavior of taxis and express services based on the SEM-Logit model[J]. Sustainability， 2019，11（10）：2974.

[13] 莊焱，董春嬌，米雪玉，等. 基于隨機參數Logit的中小城市居民出行方式選擇建模[J/OL]. 吉林大學學報（工學版）：1

-102023（7）.

[14] 張寧，戴潔，張曉軍. 基于多項Logit模型的軌道交通站點步行接駁范圍[J]. 城市軌道交通研究，2012，15（5）：46-49.

[15] 王樹盛，黃衛，葛華. Mixed Logit模型隨機參數分布形式選擇探討[J]. 公路交通科技，2006，23（8）：122-125.

[16] 趙鵬，翟茹雪，宋文波. 考慮個體異質性的高速鐵路旅客選擇行為[J]. 北京交通大學學報，2019，43（2）：117-123.

[17] "DRESNER M. Leisure versus business passengers： Similarities， differences， and implications[J]. Journal of Air Transport Management， 2006，12（1）：28-32.

[18] 劉玲玲，劉魏巍，董潔霜. 基于交叉巢式Logit模型的交通出行方式選擇研究[J]. 物流工程與管理，2017，39（6）：126-128，125.

[19] "HAN Y， LI W， WEI S， et al. Research on Passenger's travel mode choice behavior waiting at bus station based on SEM

-Logit integration model[J]. Sustainability， 2018，10（6）：1996.

[20] "ALLARD R F， MOURA F. The incorporation of passenger connectivity and intermodal considerations in intercity transport planning[J]. Transport Reviews， 2016，36（2）：251-277.

收稿日期：2023-08-03

基金項目：國家自然科學基金重點項目（U2033213）；民航局科教項目（MHJY2023008）；四川省科技廳項目（2022YFG0196）；中國大學生創新創業大賽項目（S202210624019）

作者簡介：景崇毅（1981—），男，四川成都人，中國民用航空飛行學院，副教授，博士，碩士生導師，研究方向：民航運輸管理；杜文峰（1997—），男，四川成都人，中國民用航空飛行學院碩士研究生，研究方向：民航運輸管理；楊亞茹（1996—），女，河南周口人，中國民用航空飛行學院碩士研究生，研究方向：民航運輸管理；高玉香（1998—），女，山東聊城人，中國民用航空飛行學院碩士研究生，研究方向：民航運輸管理。

引文格式：景崇毅，杜文峰，楊亞茹，等. 基于SEML amp; ML模型的旅客出行行為選擇研究[J]. 物流科技，2024，47（9）：76-82.