基于出行链的有车家庭假日出行方式组合研究＊

赵 昕 关宏志 刘诗序

（北京工业大学交通工程北京市重点实验室 北京 100124）

假日出行者为了在有限的时间内，实现更多的活动需求，倾向于将多个活动用出行链进行链接.出行链可以很好地刻画出行者活动、出行的选择和顺序，体现其交通出行的动态性.出行链的研究方法近年来得到了较大的关注，在国内外研究学者的努力下该方法得到了很大的发展，在出行链与出行关系方面：Xin Ye［1］分别使用recursive bivariate probit模型和simultaneous logit模型研究出行模式选择和出行链复杂性之间的关系.对比2种模型结果发现，无论工作链还是非工作链出行复杂程度对于出行模式选择都具有决定性的影响，也就是说活动的复杂性决定了出行模式的选择.并且认为出行链复杂性构成了公交出行的障碍.该结论与David A.Hensher［2］针对悉尼居民出行研究较为吻合，David A.Hensher认为当出行链由简单到复杂，出行者从公交中获得的效用将减小，因此认为复杂出行链接行为构成了公交出行的障碍.在这方面国内学者也有研究，栾琨［3］等使用nested logit模型对通勤者出行方式和出行链选择行为进行了分析，结果表明，出行方式选择和链类型选择之间不是单向的影响关系，而是双方向的影响关系.Frank Primerano［4］研究发现出行方式、活动类型、出行时间、年龄、性别、车辆拥有情况、家庭类型等与出行链复杂程度具有相关性.本文以有车家庭出行者假日出行链作为研究对象，将出行链属性划分为链中包含往返行程数量、链中是否包括通勤目的和链复杂性、出行链时间合计和费用合计等几个方面属性，并根据是否使用私家车出行将链中出行方式组合类型划分为3类，重点分析出行链的以上几方面属性对于出行方式组合的影响.

1 出行链

1.1 出行链类型划分

出行链描述的是居民从家出发再返回家这样一个过程，过程中包含大量的时间、空间、方式和活动类型信息，而且这些信息之间是相互联系和相互作用的，图1为典型的居民一日出行链.

本研究将出行链定义为：以家作为起点和终点，以参与一项或多项活动为目的，并按照活动发生的时间顺序将活动链接起来的闭合链.参与一项活动为简单链，参与活动不少于2项的为复杂链.

图1 出行链示意图

本研究的背景为假日出行，主要研究不同数量的工作活动和非工作活动对出行方式的影响，本文对出行链的分类采用Strathman和Dueker［5］的方法.将活动分为通勤活动（工作、上学）和非通勤活动2个大类，并进一步区分是简单出行还是复杂出行.将出行链类型定义为如下5种类型：1型简单通勤链（hwh）；2型单非通勤链（hoh）；3型复杂通勤链（hw…wh）；4型复杂通勤混合链（howoh）；5型复杂非通勤链（ho…oh）.其中，h表示家，w表示通勤活动，o表示非通勤活动.

1.2 往返行程

一次以家为起点的出行经历若干个活动后再次回到家中的整个过程称为一个往返行程，在出行者一日出行链中包含一个或多个往返行程.本文将出行者一日中的全部出行作为一条出行链，在一条出行链中可以有一个或者多个往返行程.本文假设往返行程数量对于出行方式组合是有影响的.

2 出行方式组合建模分析

2.1 模型的构建

根据随机效用理论，不同的出行方式会对出行者产生某种效用，出行者在特定条件下选择其所认知的出行方式选择中效用最大的方案.并且选择某出行方式的效用因该方式特性和出行者的主体特性等因素而异.假设出行者n的出行方式选择方案集合为An，选择其中第i种出行方式的效用函数为［6］

假设效用函数中的随机项服从二重指数分布（gumbel distribution），可以得到第n个个体选择i种活动模式的概率，即

2.2 选择肢的确定

本文研究对象为有私家车的家庭成员，研究目的是确定哪些属性会对出行链中的出行方式组合产生影响，进一步确定影响有车家庭私家车使用的因素.因此，在确定选择枝时根据是否使用私家车和是否有多种出行方式来进行分类，可分为4类：单一私家车方式、单一非私家车方式、混合非私家车方式、混合私家车与非私家车方式.后2种方式数量较少各占总量的3%左右，且出行特征相似，因此进行合并为混合方式1项.最终将选择枝定为：单一私家车，全部出行均使用私家车出行；单一非私家车，全部出行均使用某一种非私家车的方式出行；混合方式，全部出行中采取2种或2种以上的方式出行，如私家车－公交、步行－出租车，等等.

3 模型的标定及分析

本文利用2009年5月在济南市城区进行的居民出行调查数据，提取了全部有车家庭周末出行共计1 862次出行，生成出行链762条.本次调查共包括了：步行、自行车、电动车、公交车、出租车、私人小汽车和单位班车等在内的7种日常生活中较为常用的交通方式.

根据对相关文献的梳理以及个属性与出行方式的相关性分析结果，确定影响出行方式选择的因素主要有个人属性、出行属性和出行链属性三方面.分析这些因素对于出行方式选择的影响，可以用列联表检验的方法，结果如表1所列.由表1可知，性别、年龄、月收入、是否有月票、是否有驾照、出行次数、往返行程数量、出行链类型，时间和费用均对出行方式组合有显著影响.

表1 各因素的卡方值和相伴概率统计表

经过相关性分析，将变量进行合并.分析时发现出行次数2次、5次、6次具有很高的相关性，所以划归为出行次数1类，而出行次数3次和4次具有很高的相关性划归为出行次数2类.出行链模式1型和5型之间高度相关作为出行链模式1，而2，3，4型之间高度相关，作为出行链模式2.具体变量设置如表2所列.

表2 模型特性变量

建立出行方式组合选择模型如表3所列.在结果中剔除了t检验值小于1.96的变量X1，X2，X3，X4，X6，X7，X11.保留t检验值在1.96以上的参数，说明在95%的置信度上各参数对选择结果有影响.参数值为正，代表该参数对选择结果有正影响，也就是出行者越倾向于选择该交通方式；参数值为负，代表该参数对选择结果有负影响，也就是出行者越不倾向于选择该交通方式.

性别的系数为负，说明男性更倾向于采用单一私家车的方式出行，原因可能是由于男性通常是家中的主要经济来源，对私家车的使用需求超过女性成员.驾照系数为负，说明持有驾照的出行者倾向于不采取单一私家车和混合出行方式.

月收入1系数为正，说明此类出行者更加倾向于单一非私家车方式出行，原因可能是这部分出行者的收入较低，难以负担私家车的费用.月票系数为正，说明持有月票的出行者更加倾向于单一非私家车方式出行.

以下分析出行链属性对模式选择的影响：当往返行程数为1时出行者倾向于选择单一私家车模式和单一非私家车出行模式出行，当往返行程数为2时出行者倾向于采取单一非私家车的方式出行.而往返行程数为3时出行者倾向于采取单一非私家车和混合出行方式.

出行链模式1的系数为正，说明简单通勤链、复杂非通勤链的出行者在出行中更加倾向于选用多种出行方式的组合.出行链模式2的系数为负，说明简单非通勤链、复杂通勤链、复杂通勤混合链的出行者加倾向于在全天的出行中选择不使用单一私家车的方式出行.

根据以上分析认为在对出行者全天出行链所采用出行方式进行分析时，出行链中所包含的往返行程数量以及出行链类型对于出行方式组合具有显著的影响.

表3 变量标定结果

为了评价所建模型是否能够很好的拟合数据，通常用拟合优度（goodness of fit）指标来检验，它可以理解为模型预测值与观测值之间的接近程度.本文采用ρ2和来验证.ρ2是优度比是经过自由度调整的优度比，值越接大越好，在实践中当ρ2，达到0.2～0.4，就表明模型的精度较高.模型检验情况如表4所列，ρ2为0.664为0.646，说明该模型能够较好地描述居民对出行方式组合的选择行为，构建模型所选定的影响因素会影响出行者的选择结果.

表4 模型检验结果

4 结束语

本文结合2009年济南市居民出行调查数据，运用非集计方法建立居民出行方式组合ML模型，对出行链属性与出行方式组合的关系进行了研究.出行者的性别、月收入、月票持有情况、驾照持有情况、出行次数、出行链中往返行程数量、出行链模式、出行链时间、出行链费用是影响出行方式组合的显著变量.标定结果表明出行链复杂性的增加并不会直接导致私家车出行的增加，而随着往返行程数的增加会使得单一非私家车出行效用的显著增加.

［1］Xin Ye，Pendyala R M，Gottardi G.An exploration of the relationship between mode choice and complexity of trip chaining patterns［J］.Transportation Research Part B，2007，41：96－113.

［2］Hensher D A，Reyes A J.Trip chaining as a barrier to the propensity to use public transport［J］.Transportation，2000，27：341－361.

［3］栾 琨，隽志才，宗 芳.通勤者出行方式与出行链选择行为研究［J］.公路交通科技.2010（6）：107－111.

［4］Primerano F，Taylor M A P，Pitaksringkarn L，Tisato P.Defining and understanding trip chaining behaviour［J］.Transportation，2008，35：55－72.

［5］Strathman J，Dueker K.Understanding trip chaining.Special reports on trip and vehicle attributes，1990NPTS report series［R］.Washington，DC，Federal Highway Administration，U.S.Department of Transportation，1995.

［6］关宏志.非集计模型——交通行为分析的工具［M］.北京：人民交通出版社，2004.