分時票價下節假日地鐵乘客出行時間選擇偏好

中圖分類號：U491.1 文獻標志碼：A

本文引用格式：.分時票價下節假日地鐵乘客出行時間選擇偏好[J].華東交通大學學報，2025，42（3）：40-47.

Holiday Subway Passenger Travel Time Choice Preference Under Time-Sharing Fare

Yang Jing， Zhang Yuqing， Guo Rongjie

（CollgeofTransportationEngineering，EastChinaJiaotongUniversity，Nanchang33ool3，China）

Abstract：Inorder to explore whether time-dependent fare strategy can be introduced into the subway operation of typeIbig cities to alleviate the severe passenger flow congestion brought by holidays，the survey data of Nanchang subway respondents is used to analyze the travel time choice behavior of subway passengers in type Ibig cities. SP survey method was used to collct data on respondents’ travel time choice preferences under the influence of three scheme variables： travel time change，fare and congestion level. Conditional Logit model and mixed Logit model were used to estimate the variable coefficients of utility function.The results show that the change length of travel time has asignificantand negative effect on travel time choice behavior，and the fare level has a significant and positive efect on travel time choice behavior. Compared with the change length of travel time and the congestion level，the fare has a greater impact on the travel time choice behavior，and the respondents are more wiling to choose the pre-peak period.The research can provide decision-making reference for relieving passenger flow congestion of subway in type I big cities during holidays.

Keywords：subway;holidays;time-sharingfare;Logitmodel

Citation format：YANG J， ZHANG YQ， GUO R J. Holiday subway passenger travel time choice preference under time-sharing fare[J]. Journal ofEast China Jiaotong University，2025，42（3）： 40-47.

城市軌道交通系統具有大容量、準點率高、碳排放少等優勢，在緩解城市交通擁擠、節能減排中的作用日益顯著1]。根據《國務院關于調整城市規模劃分標準的通知》（國發[2014]51號），城區常住人口500萬以上的屬于特大城市或超大城市，常住人口在300萬至500萬屬于I型大城市。I型大城市由于城區人口規模相較于超大城市如北京、上海存在量級上的差距，地鐵系統在平常日基本不會出現嚴重的站臺擁擠情形。然而，隨著近年I型大城市節假日活動的增加，尤其\"五一\"\"十一\"\"元旦\"等代表性節假日，以南昌、合肥、南寧等為代表的I型大城市日均客運量相較于平常日陡增。

以南昌地鐵為例，2024年“元旦”日均客運量為203.29萬人次，相較于平常日均100.7萬人次足足翻了一倍，部分車站如地鐵大廈站、八一廣場站、八一館站及秋水廣場站等在節假日高峰時段常常處于嚴重擁擠狀態，迫使南昌地鐵采用關閉車站進出口等客流控制手段防止大量客流涌入地鐵造成安全隱患。如圖1所示，2023年地鐵大廈站的工作日進站量呈現早晚兩個高峰，而節假日的客流高峰出現在20：00—22：00，且進站客流量劇增。這種節假日地鐵客運量劇增導致部分車站嚴重擁擠的情況在合肥、南寧等I型大城市也普遍存在。因此有必要研究如何緩解I型大城市節假日地鐵車站嚴重擁擠情況，提高地鐵服務水平與安全水平。

緩解城市交通擁擠可采用交通需求管理（transportationdemandmanagement，TDM）調整乘客時空需求分布，達到能量時空匹配，如車站客流控制2彈性工作制[、票價誘導4等策略。其中分時票價（Time-sharingfare）作為一種票價誘導策略，通過設計工作日出行高峰期與非高峰期的不同票價誘導乘客主動避開高峰期而選擇非高峰期出行，在國內外城市的地鐵運營實踐中應用較為廣泛，并取得一定成效。一些城市如悉尼5、香港、新加坡、紐約等采用“早鳥價”，即在高峰期出現前乘坐地鐵享受票價折扣甚至免費，引導受訪者提前出行。還有城市采用在高峰期提高票價，取消特殊群體優惠，引導乘客錯峰出行，如華盛頓、倫敦等城市。

交通選擇行為相關研究表明，選擇行為與個人屬性（職業、收入、有無私家車等）出行屬性（出行目的、時間限制等）及交通方式的屬性（出行時間、出行費用、擁擠程度等）有關[7-8]。以Logit模型[1]為代表的離散選擇模型被廣泛應用于選擇行為的研究。Li等通過SP調查受訪者在北京地鐵工作日票價折扣、車內擁擠度及出行時間節省的影響下對出行時間的選擇行為，用修正的混合Logit模型擬合參數，得出北京地鐵受訪者對地鐵票價最明顯，其次是出行時間節省與出發時間改變長度。Huan等設計SP調查問卷對北京地鐵受訪者在不同票價、擁堵度及出行時間影響下出行時間與交通方式選擇行為進行調查，并用巢式Logit模型建模，研究得出分時票價政策在早高峰時期的效果比晚高峰好。

針對票價制定問題，姚恩建等基于Pareto最優理論，以公共交通分擔率和公共交通票務收入的雙提升為目標，構建變動需求下的北京通勤地鐵票價折扣模型。Sami[3]利用仿真的方法對加拿大溫哥華地區的交通方式分時票價進行優化。Huan等將時段劃分為高峰期前、高峰期、高峰期后3個時段，根據優化目標的側重點與票價組合原則進行時段票價折扣優化設計。而Guo等[4將一天運營時間劃分為若干個時段，采用微觀經濟學模型以社會效益最大化為目標，優化各時段的票價與列車供給能力。鄒慶茹等[15建立以運力運量匹配度最大化為目標的峰前折扣定價方案編制模型，確定折扣車站、折扣比例及折扣時段。

以上所做調查或研究均以工作日為背景，其通勤乘客所占比例較大，相較于非通勤受訪者對時間的要求更高，試圖利用票價使通勤乘客改變其原有出行時間習慣難度較大，尤其在通勤客流巨大的城市工作日采用分時票價誘導的效果往往不夠理想。以非通勤客流為主的節假日，受訪者出行目的多為休閑娛樂，對出行時間限制要求不高，通過低票價引導乘客向非高峰時期轉移的難度更低。因此以I型大城市節假日地鐵客流嚴重擁擠問題為導向，研究將分時票價誘導策略引入用以誘導乘客非高峰期出行，緩解擁擠并提高安全水平。以南昌地鐵為I型大城市地鐵代表，設計問卷對受訪者在節假日期間南昌地鐵票價影響下的出行時間選擇行為進行數據搜集，揭示受訪者選擇行為偏好，為I型大城市緩解節假日地鐵客流擁擠提供決策參考。

1出行時間選擇偏好調查

以南昌為I型大城市代表，采用意向調查（stat-edpreference，SP）收集節假日受訪者在地鐵票價影響下的出行時間選擇偏好。問卷共分為兩個部分：一部分為個人屬性部分，采集受訪者的性別、年齡、收入、出行時間、平均出行費用及出行目的等個人信息，其中出行自的調查是由于節假日期間存在部分從事與休閑旅游相關的服務或工作人員，是節假日地鐵客流組成的一部分；第二部分為地鐵出行時間選項部分，通過改變不同時段的票價與擁擠程度，獲取受訪者出行時間的選擇結果。此調查只考慮票價是否影響受訪者的出行時間選擇，暫不考慮由于票價和擁擠帶來的出行路徑或交通方式改變。

在出行時間選項部分，每個場景下假定3個出發時間選項，分別為原定出發時間、提前 Mmin 出發、推后 Nmin 出發。每個出發時間選項下，給出對應的票價水平與擁擠水平。根據已有研究[15，節假日居民出行時間靈活性較大，相較于工作日通勤乘客通過低票價誘導節假日乘客提前或推后 60min 出發都是可行的，因此 N_?M 最大可取 60min 。根據國內外地鐵已采用的工作日分時票價政策，高峰與非高峰票價比最高可達1.67，同時結合南昌地鐵為了緩解節假日擁擠采用的晚上10點后地鐵免票政策，可見節假日地鐵非高峰期票價水平可設定為比工作日更低，同時調查采用階梯下降的方式設置票價水平，即時間離高峰期越遠，票價水平越低。此外，便于受訪者對擁擠水平有直觀感知，采用排隊等待上車時間表示擁擠水平，南昌地鐵節假日高峰時期乘客排隊等待上車時間一般為 30min 。表1總結了調查場景中涉及的出發時間變化情況、票價水平與擁擠水平的取值。

按照表1中不同因素水平組合出12種實驗場景，要求受訪者在每個場景下進行3種出行時間行為選擇：選項1（提前出發）選項2（原定出發時間）選項3（推遲出發）。表2展示了其中3種場景示例。調查時間為2024年“元旦\"期間，地點為南昌地鐵節假日客流較大的車站附近，采用無差別形式發放問卷，最后獲得有效方案選擇數據1592條。

圖2展示了個人統計信息，從性別來看，節假日男女出行比例分別為 51.62% 和 48.38% ，與南昌市2022年人口統計數據中比例基本一致。節假日35歲及以下的出行者占比超過 80% 。受訪者工資收入水平中，少于5000元的占 72.95% 。乘坐地鐵在16～30min 的居多，約占一半比例，時間過長如大于50min 的出行時間所占比例很少，呈正態分布，這與南昌地鐵線路長度有關。節假日受訪者出行目的以休閑娛樂為主，約占 70% ，與節假日地鐵高峰客流中休閑旅游類占主體的基本情況相符。出行成本大多數需要花費2＼～4元，占比為 61.45% 。

圖3展示了受訪者出發時間選項的統計結果，超過一半的受訪者選擇提前出發，而選擇原定時間出發與推遲出發的受訪者比例大致相當，略超過20% 。可見，節假日在低票價誘導下，如果要改變出行時間，相對于推遲出發，人們更愿意選擇提前出發。如圖4所示，由于改變出行時間使得受訪者出行時間成本提高，因此選擇原定時間出發的受訪者最多，為371項。對于票價水平的影響，降低 60% 及以上的票價屬于可以接受的范圍，同時對應較少的出行時間改變，因此不論對于提前出發還是推遲出發降低 60% 的票價均吸引了較多的受訪者。

2建模與分析

當只考慮方案變量時，一般選擇條件Logit模型建模。當決策者i面臨 t 場景中的 j 個選擇對象時，其對某種選擇方案的偏好可以用被選擇對象的

效用值 U_ij 表示，隨機效用函數可分為可觀測部分V_ij 和不可觀測的隨機誤差部分 E_ij ，計算公式為

U_ijt=V_ijt+ε_ijt

式中：可觀測的部分 V_ijt 包括選擇方案屬性變量 X_ij 和決策者屬性變量 X_ik 。當可觀測的部分 V_ijt 只包含與方案有關的變量 X_ij 時，為條件Logit模型；若同時包含選擇方案屬性變量 X_ij 和決策者屬性變量X_ik ，則為混合Logit模型。

2.1條件Logit模型

本文模型中涉及的方案變量 X_ij 為出發時間改變長度 C_ij ，票價水平 D_ij 與排隊等待時間 W_ij ，則效用函數可觀測部分表達式為

V_ijt=β_icC_ijt+β_iDD_ijt+β_iwWt_ijt+a_ASCchoicej

式中： β_iC，β_iD，β_iW 均為參數系數； a_?ASC-choicej 為選項 j 的常數項。條件Logit模型概率表達式為

式中： P_ijt 為受訪者 i 在 t 場景中選擇 j 的概率； J 為3種選擇方案集合。條件Logit模型通常用最大似然估計法進行系數估計，以選項2為基礎，估計模型對數似然值為Loglikelihood=-1547.1492，偽 R² 為Pseudo R²=0.1137 ，模型估計結果見表3。

出發時間改變長度的系數估計值為-0.054且顯著 P 值 lt;0.01 ），即出發時間改變對于受訪者出行時間選擇呈負效應，當要求受訪者改變出發時間長度越長，受訪者越不容易選擇選項1和選項3，也就是提前或推遲出發。票價水平系數估計值為2.777且顯著（ P 值 lt;0.01 ），表明其它時間段票價越低，受訪者選擇改變出發時間的概率越大。這兩個因素對受訪者選擇行為影響與實際情況相符。排隊等待時間系數估計值為-0.098，但不顯著（ （P 值 gt; 0.01），可以認為此次調查無法體現排隊等待時間對受訪者出行時間選擇存在顯著的影響。去掉排隊等待時間這一因素后，重新進行參數估計，得到對數似然值為Loglikelihood=-1548.5693，偽 R² 為Pseudo R²=0.1129 ，模型估計結果見表4。

由表4可知，出發時間改變時長總體均值系數為負且顯著，票價總體均值為正且顯著，與表3參數估計符號一致。從勝率（oddsratio）來看，出發時間改變時長每增加1個單位，受訪者選擇選項1（提前出發）或選項3（推遲出發）的概率將減少為原來的0.970，其它時間段票價水平每降低1個單位，受訪者選擇選項1（提前出發）或選項3（推遲出發）的概率將增加至原來的18.462。選項1的常數項a_ASC-choicel 均值0.021大于選項3的常數項 a_ASCchoice3 均值-0.826，表明受訪者選擇選項1（提前出發）的概率大于選項3（推遲出發），在同樣的出發時間改變長度與票價降低水平下，受訪者更傾向于提前出發。

2.2混合Logit模型

為進一步探究受訪者個人屬性對選擇行為的影響，采用混合Logit模型建模如下

V_ijt=λ_i1S_i+λ_i2A_i+λ_i3I_i+λ_i4T_i+λ_i5R_i+

λ_i6O_i+β_iCC_ijt+β_iDD_ijt+β_iWW_ijt+a_ASCchoicej

式中： λ_i1 ， λ_i2 ， λ_i3 ， λ_i4 ， λ_i5 ， λ_i6 分別為性別 S ，年齡A ，收入 I ，出行時間 T ，出行目的 R ，出行費用 o 的待估參數; a_?ASC-choicej 為選項 j 的常數項。經過幾輪參數估計，去除掉不顯著的變量后，模型估計結果見表5。

對于方案變量中的出發時間改變長度與票價水平，混合Logit模型參數估計結果與條件Logit模型的影響趨勢一致，分別呈現顯著的負效用與正效用，且票價水平 β_?iD 的影響比出發時間改變長度 的影響更大，表明受訪者愿意改變出發時間以換取降低的票價成本的意愿更大。對于個人屬性變量而言，年齡 lt;35 歲的群體相對于其它年齡組出發時間改變越長，越不容易選擇提前出發，更愿意選擇推遲出發。月收入 lt;5000 元的群體相對于月收入較高的群體更愿意改變出行時間，原因在于票價降低水平對于較低收入群體而言更具有吸引力。乘坐時間在 16～30min 的受訪者相對于其他群體更愿意改變出行時間，除了與南昌地鐵長度有關之外，還有相對于乘坐時間較短（ lt;15min 的群體，前者通過節省票價換取一定的出發時間變更對其的影響更小。提前出發（選項1）的常數項均值（-0.130）大于推遲出發（選項3）的均值（-2.470），表明當保持各變量不變時，受訪者最有可能選擇選項1（提前出發）。

3結論

利用SP調查法對以南昌地鐵為代表的I型大城市節假日乘客在出發時間改變時長、票價水平與擁擠度水平影響下的出發時間選擇偏好進行搜集，分別用條件Logit模型和混合Logit模型進行參數估計，主要結論如下。

1）當只考慮方案變量時，條件Logit模型能較好的擬合節假日受訪者出行時間選擇行為。其中出發時間改變長度與票價水平對受訪者選擇行為影響均顯著。出發時間改變長度呈負效用，即要求受訪者改變的出行時間越大，受訪者越不容易選擇改變原定出發時間。而票價水平對選擇行為影響呈正效用，即非高峰時間的票價降低比例越大，越容易吸引受訪者向非高峰期轉移。但調查數據無法反映擁擠水平對受訪者選擇行為的顯著影響，可能在于南昌地鐵平時出現嚴重擁擠的情形較少，對于節假日出現的嚴重擁擠人們感知不夠明顯。

2）進一步結合個人屬性進行混合Logit模型擬合，擬合效果較好。出發時間改變長度、票價水平的影響與條件Logit模型中的趨勢保持一致。對于個人屬性而言，年齡 lt;35 歲的群體相對于其它年齡組更愿意選擇推遲出發。月收入 lt;5000 元的群體相對于月收入較高的群體更愿意改變出行時間。乘坐時間在 16～30min 的受訪者相對于其他群體更

愿意改變出行時間。

3）票價水平相較于出發時間改變長度、擁擠水平對I型大城市乘客出行時間的影響更為敏感，因此可通過App及時發送節假日當天的時段票價優惠信息供乘客提前規劃節假日出行時間安排。除此之外，通過App獲取乘客的年齡與出行時間，針對年齡 lt;35 歲的群體與乘坐時間在 16～30min 的乘客，可以單獨給予相較于其他乘客更大票價優惠的策略。

4）整體而言，在相同的出發時間改變長度與票價水平影響下，受訪者更傾向于選擇提前出發。因此可適當多降低高峰前的非高峰期票價水平，如票價水平可降低至少 50% ，誘導更多乘客向高峰前出行轉移。同時可將低票價水平時間延長至 60min 及以上，以滿足節假日乘客出發時間選擇的靈活性。

5）I型大城市除通過降低非高峰期票價以外，也可以采用組合票價（高峰期提高票價、非高峰期降低票價）提高非高峰期與高峰期的票價水平差距誘導人們節假日避峰出行。

6研究存在一定局限性，首先鑒于地鐵決策者在初步實施分時票價策略時的易操作性，研究未區分外地游客與本地游客。兩類游客對票價的敏感性可能存在差異，在下一步制定精細化客流調控政策時需區分兩類游客。其次，問卷發放地點集中在客流量較大的地鐵站附近，未對遠離市中心的地鐵站進行調查，無法反映不同類型車站乘客在節假日分時票價影響下的選擇行為偏好。研究結論是否適用于遠離市中心車站的乘客亦待進一步討論。

參考文獻：

[1]姚恩建，季鈺岷.基于出行行為分析的地鐵通勤票價折 扣研究[J].北京交通大學學報，2023，47（6）：82-88. YAOEJ，JIYMFarediscountstudyforurbanrailtransitcommuting based on travel behavior analysis[J]. Journal of Beijing Jiaotong University，2023， 47（6）： 82-88.

[2]石俊剛，楊靜，楊立興.以安全為導向的地鐵高峰時段多 車站客流協同控制模型[J].交通運輸系統工程與信息， 2019，19（1）：125-131. SHI JG， YANG J， YANG L X. Safety-oriented cooperativepassengerflowcontrol modelin peakhoursforametro line[J]. Journal of Transportation Systems Engineering and Information Technology，2019，19（1）：125-131.

[3]陳肖，谷人旭.企業員工通勤活動的時間彈性和空間彈 性對出發時間選擇的影響：以上海市閔行區為例[J].世 界地理研究，2020，29（3）： 579-587. CHEN X，GU R X. The impact of commuting time-space flexibility of employees on the choice of departure time： evidence from Minhang District of Shanghai[J].World Regional Studies，2020，29（3）： 579-587.

[4]HALVORSEN A， KOUTSOPOULOS HN， LAU S， et al. Reducing subway crowding： analysis of an off-peak discount experiment in Hong Kong[J]. Transport Research Record，2016，2544（1）： 38-46.

[5]HENN L， DOUGLAS N， SLOAN K. Surveying Sydney rail commuters'willingness to change travel time[C]// Adelaide： 34th Australasian Transport Research Forum （ATRF） Proceedings， 2011.

[6]GRAHAM D J， HORCHER D， ANDERSON R J， et al. Quantifying the ex-post causal impact of differential pricing on commuter trip scheduling in Hong Kong[J]. Transportation Research Part A： Policy and Practice，2020，141： 16-34.

[7] 梁安寧，黃娜娜，張兵，等.基于NL模型的昌九客運交 通方式選擇分析[J].華東交通大學學報，2020，37 （1）： 54-60. LIANG A N， HUANG N N， ZHANG B， et al. Analysis on choice of Changjiu passenger transport mode based on NL model[J]. Journal of East China Jiaotong University， 2020，37 （1）： 54-60.

[8] 張兵，余鳳君，劉建榮，等.考慮心理變量的老年人錯峰 出行選擇行為分析[J].華東交通大學學報，2022，39 （5）： 86-96. ZHANG B，YUF J， LIU JR. et al. Analysis on the choice behavior of the elderly off-peak travel considering psychological factors[J]. Journal of East China Jiaotong University，2022，39 （5）： 86-96.

[9] 王恒，李楓，江澤浩，等.地鐵應急疏散時乘客決策行為 偏好的量化方法[J].同濟大學學報（自然科學版），2022， 50 （4）： 571-579. WANG H， LI F，JIANG Z H， et al. A quantitative method for studying passenger decision-making preference in subway emergency evacuation[J]. Journal of Tongji University （Natural Science），2022，50 （4）： 571-579.

[10]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].吉林大學學報（工學 版），2024，54（2）：461-468. ZHUANG Y，DONG C J，MI X Y， et al. Travel mode choice in small and media sized city based on random parametersLogit model[J]. Journal of Jilin University （Engineeringand Technology Edition），2024，54（2）：461-468.

[11]LIHY，LIX，XUXY，etal.Modelingdeparture time choice of metro passengerswith a smart corrected mixed Logitmodel-a case study in Beijing[J].Transport Policy， 2018，69：106-121.

[12]HUANN， HESSS， YAO EJ，et al. Time-dependent pricingstrategies for metro linesconsideringpeak avoidance behaviour of commuters[J]. Transportmetrica A：Transport Science，2022，18（3）：1420-1444.

[13]SAMITN.From fare zonesto fair zones：the impact of differentiatedtransit faresonmetroVancouvertransitriders[D].Vancouver： Simon Fraser University，2014.

[14]GUO QW， SUNY S， SCHONFELD P， et al. Time-dependent transit fare optimization with elastic and spatiallydistributed demand[J]. Transportation Research Part A：Policyand Practice，2021，148：353-378.

[15]鄒慶茹，姚向明，趙鵬.城市軌道交通峰前折扣定價方 案編制模型[J].交通運輸系統工程與信息，2020，20 （2）： 13-19. ZOU QR， YAO X M， ZHAO P.Modelling pre-peak discount price plan for urban rail transit[J]. Journal ofTransportation Systems Engineering and Information Technology，2020，20 （2）： 13-19.

第一作者：楊靜（1987一），女，博士研究生，研究方向為交通運輸系統優化。E-mail：happyyangjing2023@outlook.com。

通信作者：張玉清（1964一），男，教授，博士，博士生導師，研究方向為管理科學與工程、交通運輸工程。E-mail：zhangyuqingboshi@163.com。

（責任編輯：吳海燕）