基于Logistic模型乘客接駁方式選擇機理研究

摘要 文章著眼于分析影響乘客交通接駁選擇的個人特征，首先利用Logistic模型對揚州市客運站乘客數據進行了研究，發現性別、年齡、職業、收入和消費水平是關鍵的影響因素；然后通過構建的模型預測了乘客的選擇概率，并通過敏感性分析確保了其穩定性。研究結果為改善交通規劃和乘客體驗提供了有力的決策依據。

關鍵詞 Logistic回歸模型；乘客接駁方式；個人特征影響因素；交通運輸發展；模型穩健性

中圖分類號 U239 文獻標識碼 A 文章編號 2096-8949（2025）02-0028-03

0 研究意義及現狀

乘客接駁方式對城市交通系統至關重要，它連接了公共交通和個人交通。研究這些方式有助于理解乘客的出行習慣，對城市交通規劃和管理具有指導作用。客運站作為交通網絡的關鍵節點，對經濟發展和出行效率具有顯著影響。深入研究客運站的運營有助于制定科學政策，促進交通行業的持續發展。

國內外研究者對乘客的接駁方式選擇進行了深入研究。Liu C等[1]通過建立多項式概率模型分析了不同年齡段乘客的出行特點；王天送等[2]利用公交IC卡數據識別地鐵與公交的組合出行模式，并建立了基于時間條件的出行鏈識別框架；孫智源等[3]通過混合方法分析了高鐵站接駁方式的異質性和關聯性，采用潛在類別條件Logistic模型和Aprior算法對乘客進行了分類，并研究了社會經濟屬性對接駁方式選擇的影響；畢亞茹等[4]通過問卷數據研究了公交接駁軌道交通的感知特征，并計算了不同條件下的接駁閾值；馬君澤等[5]分析了共享單車接駁出行的特征，考慮了建成環境因素通過時空地理加權回歸模型（GTWR）進行了分析，結果顯示它們對接駁客流量的空間分布具有顯著的影響。這些研究為理解乘客的接駁方式選擇提供了多維度的視角。

1 客運站乘客接駁方式調查與分析

1.1 Logistic回歸模型的概念及特點

Logistic回歸模型是解決分類問題的關鍵統計方法，它能夠評估各因素對選擇可能性的影響，幫助研究人員理解行為傾向和決策過程。模型的優勢在于其處理多分類問題的適應性、精確衡量變量影響，以及通過擬合優度進行靈活性的調整。

1.2 數據收集與處理

該研究通過問卷調查方法，收集了客運站乘客的接駁方式偏好、出行習慣及個人信息等數據。問卷設計覆蓋了乘客的基本特征和接駁選擇，以確保數據的客觀性和真實性。乘客個人特征描述性分析如圖1所示：

1.3 樣本有效說明

充足的樣本量對提升數據分析和模型訓練至關重要，它有助于得到更準確、可靠的結果，并增強統計結論的可信度。這樣做可以減少誤差、防止模型過擬合，并提高模型對新數據的預測準確性。該研究通過10折交叉驗證，得到模型的平均準確率為93.49%，證實了結果的穩定性和可靠性。

1.4 卡方檢驗

在進行多元Logistic回歸分析前，卡方檢驗有助于在模型建立初期篩選出與接駁方式選擇顯著相關的自變量。通過檢驗，可確定值得進一步分析的因素，結果如表1所示。同時，根據分析結果繪制相應的數據圖，如圖2～3所示。

表中乘客性別1為男性，2為女性，接駁方式1—7分別為地鐵、公交車、私家車、出租車（含專車、網約車）、電動自行車、自行車（含共享單車）以及步行，不同性別樣本對于選擇的交通方式，共有1項呈現出顯著性（plt;0.05），意味著不同性別樣本對于選擇的交通方式呈現出差異性。通過百分比的對比差異可知，男性選擇地鐵的比例為51.75%，明顯高于女性的選擇比例8.47%；男性選擇公交的比例為20.28%，明顯高于女性的選擇比例3.39%；女性選擇私家車的比例為40.68%，明顯高于男性的選擇比例15.38%；女性選擇電動自行車的比例為16.95%，明顯高于男性的選擇比例6.99%。

其他組同理，p的取值均小于0.05，即說明以上變量都顯著，所以需進行多元邏輯回歸。

1.5 多元邏輯回歸

先進行多分類Logistic回歸模型的似然比檢驗，所得結果如表2所示：

對p值進行分析，如果該值小于0.05，則說明模型有效；反之則說明模型無效。通過對p值進行分析可知，該模型有效。部分顯著的結果如表3所示：

將性別、年齡、職業、收入和花費共5項作為自變量，而將選擇方式作為因變量進行多分類Logistic回歸分析，并且以選擇方式的第一項即1*（選擇方式為第二項即為2*，下同）作為參照項進行對比分析，Y一共有7項，并且以1*作為參照對比項，因此最終會有6個公式，最終模型公式如下：

式中，X——性別；Y——年齡；Z——職業；O——收入；P——花費。相對于1.0來講，在2.0的前提下，性別的回歸系數值為-0.403，但是并沒有呈現出顯著性，意味著性別并不會對方式產生影響。同理，對其他情況進行分析，所得結果見表4所示：

由表4可知，只有性別在各項對比中不顯著。

2 利用決策樹構建選擇模型并進行敏感度分析

在Logistic回歸分析后，該研究使用決策樹算法進一步構建模型，以深入理解乘客的接駁選擇行為。決策樹通過將特征空間細分為更精確的小區域，預測每個區域的結果標簽。

敏感度分析用于檢驗模型對輸入變量變化的反應，其過程可用圖3表示，以確保模型的穩定性和有效性。分析結果揭示了模型對某些關鍵變量的敏感度，但整體顯示出良好的穩定性和魯棒性，這增強了模型在實際應用中的可靠性。

由敏感度分析，年齡對步行（回歸系數為1.577、p值為0.000、OR值為4.839），職業對出租車（回歸系數為-1.402、p值為0.000、OR值為0.246）的選擇屬于高度敏感；費用對出租車（回歸系數為1.366、p值為0.019、OR值為3.919），職業對步行（回歸系數為-0.859、p值為0.002、OR值為0.424），收入對公交（回歸系數為0.514、p值為0.039、OR值為1.672）的選擇屬于敏感，性別對所有方式、其他變量在其他對比中都不敏感（p值均大于0.05）。

3 結語

該文針對揚州市客運站乘客，運用Logistic回歸模型分析個人特征因素對乘客接駁方式選擇的影響，發現收入和費用為顯著性因素。研究構建的模型能夠準確預測乘客的選擇概率，并通過敏感性分析確保了模型的穩健性。研究結果為城市交通規劃和乘客體驗優化提供了決策支持。

參考文獻

[1]Liu C，Bardaka E，Palakurthy R， et al.Analysis of Travel Characteristics and Access Mode Choice of Elderly Urban Rail Riders in Denver Colorado[J].Travel Behaviour and Society， 2020：19194-206.

[2]王天送，邵昀泓，周靜.基于公交IC卡的地鐵公交組合出行鏈識別與組合出行特征分析[J/OL].綜合運輸， 2024-05-22/2024-05-31.

[3]孫智源，韓璐，王天實，等.基于混合方法的高鐵客運樞紐接駁方式選擇異質性與關聯性分析[J/OL].土木工程學報， 2024-04-23/2024-05-31.

[4]畢亞茹，于曉樺，楊大志，等.考慮個體感知的公交接駁軌道交通范圍確定[J].交通科技與經濟， 2024（3）：45-54.

[5]馬君澤，鄭長江，吳非，等.面向地鐵站點的共享單車接駁出行特征及影響因素分析[J/OL].吉林大學學報（工學版）， 2024-05-09/2024-05-31.