采用均匀设计SP调查的出行方式选择建模与敏感性分析

景鹏 隽志才 贾玲玉

摘 要：本文采用均匀设计的方法设计了关于出行方式选择的SP调查方案，考虑到影响因素随出行者和出行方式的变化有所差异，建立以不同出行方式为效用基础项的条件logit模型，验证了模型的有效性并对模型进行了标定，从多个角度对模型标定结果进行了分析。最后计算了各种出行方式对于各种因素的弹性值，分析了方式选择概率对于各种影响因素的敏感性。研究表明，小汽车出行方式对各种影响因素的敏感性较高，证明了从交通需求管理政策入手引导出行者从小汽车转向其他出行方式的可行性。

关键词：均匀设计；SP调查；出行方式选择

中图分类号：U491 文献标识码：A 文章编号：1003-5192(2012)04-0075-06

Modeling and Sensitivity Analysis of Travel Choice Based onUniform Design and SP SurveyJING Peng1,2, JUAN Zhi-cai1, JIA Ling-yu3

(1.Antai College of Economics & Management, Shanghai Jiaotong University, Shanghai 200052, China; 2.School of Automobile and Traffic Engineering, Jiangsu University, Zhenjiang 212013, China; 3.School of Economics and Management, Beijing Jiaotong University, Beijing 100044, China)

Abstract:This paper designed the SP survey constructed with uniform design method. Considering the factors that may be differented with the travelers and travel mode, the Logit model for two types basic utility of travel choice was established. The Logit model was verified and calibrated. Afterward, the calibration results of the model are analyzed from various aspects. Finally, the elasticity values for a variety of factors were analyzed the sensitivity of travel choice probabilities. Research shows that the sensitivity of using car for various factors affected is higher. The result proved that it is feasible to guide travelers to choose other travel modes instead of driving cars by the traffic demand management policies.

Key words:uniform design; SP survey; travel mode choice

1 引言

为了调节交通系统的供需平衡，解决日益严重的交通拥挤和由此引发的环境污染等问题，交通领域的学者提出了交通需求管理的概念，其核心就是要通过诱导人们的出行来缓解交通拥挤［1］。主要内容包括：优化交通结构，大力发展公交；实施交通一体化政策，实现各种交通方式的综合运用；进行时间和空间上的交通调控等。因而，交通方式划分及与之相应的出行方式选择模型的研究成为需求管理策略主要研究方向之一。但由于出行方式选择涉及的因素多，加之出行者的习惯、喜好等难以测定的因素的存在，传统的集计建模方法难以准确描述出行者对出行方式选择的过程［2］。非集计分析以实际产生出行活动的个人为单位，对调查得到的数据不进行任何统计处理而直接用于建立模型［3］。因此，根据出行者社会经济属性、出行属性，建立出行者交通方式选择模型，利用模型对出行者出行方式选择行为进行分析，有助于理解其行为准则，并通过科学地制定交通需求管理政策，引导和调控出行者出行方式选择行为，从而到达缓解城市交通拥堵的目的。考虑到通勤活动的方式选择相对稳定，本文主要针对出行者通勤活动的选择方式进行研究。

2. 调查方法

2.1 SP调查

非集计模型的调查可以分为RP（Revealed Preference）调查和SP（Stated Preferene）调查两种。RP调查指的是已完成的选择性行为调查，SP调查为在假设条件下选择主体的选择意向调查［4］。SP数据与RP数据相比有可操作性高、数据误差可调、选择方案集合明确等优点，但也存在可靠性较低的不足。在保证一定精度的前提下，最大限度地精简调查表中被调查者的判断次数，提高交通SP调查的工作效率和结果准确程度，进而保证模型的精度，成为交通SP调查表设计时最为关心的问题。

2.2 均匀设计

通过调查数据是否能够较为精确地建立出行行为模型取决于SP调查情境的设计。为解决设计过程中存在的矛盾，通常采用全面设计和正交设计两种试验设计方法［5］。均匀设计方法是在正交设计基本思想的基础上发展而来的［6］。它同正交设计方法的主要区别在于不考虑试验点整齐可比的特点，只是让试验点在试验范围内充分“均匀分散”。因此，所需要的试验点数目较少，能很好地弥补正交设计的不足。

交通SP调查本质上是一种心理学实验，均衡考虑实验的复杂性和拟获得数据的可靠性，选择5因素5水平的均匀设计实验方案，通过DPS软件以中心化L2-偏差为优化指标进行优化设计，得到中心化L2-偏差值为0.0611的均匀设计规格化表。本次交通SP调查主要是考察在不同情境下出行者对于小汽车和公共汽车两种交通方式的选择行为。结合5因素5水平的均匀设计规格化表，得到关于小汽车和公交选择影响因素实验的均匀设计方案如表1所示。表1中采用数字编码表示公交车上的拥挤程度，由1至5分别表示在公交车上经常有座、偶尔有座、无座但不拥挤、拥挤、非常拥挤。

如表1中所示，在调查过程中，对每一位被调查者需要询问表1中的5个影响因素组合下对自行车、公交车、小汽车和出租车四种出行方式的选择，从每一位被调查者就会得到5个试验值。本文采用数据来源于北京市2011年街头问卷调查，共发放问卷951份，回收有效问卷312份，得到试验值1560个。

3 出行方式影响因素分析

出行方式选择是指出行过程中出行方式的分配与选择，也即人或物的出行次数在不同出行方式之间的划分。出行者在出行前要考虑出行起迄点之间的各种可用的出行方式，通过判断选出自己最满意的出行方式，出行者具体选择哪一种出行方式，取决于出行者的个人属性，社会经济属性和出行方式属性等因素。上文SP调查的均匀设计实验方案中小汽车和公交出行方式的5个影响因素属于出行方式的属性，为了较为全面考虑对出行者出行方式的影响因素，在SP调查同时还进行了RP调查。出行方式选择影响因素变量如表2所示。

4 模型选择及建立

5 模型标定及解释

5.1 模型标定

在本研究中，主要调查了自行车、公交、出租和小汽车四种出行方式，对调查所得的数据进行建模，利用STATA软件进行回归，为了较为全面地研究各种因素对于出行方式的影响，分别以自行车和小汽车方式作为效用基础项进行回归分析，标定结果表3所示，并列出胜算比（Odds Ratio, OR），其中constant变量为常数项。

从表3可以看出，大部分系数对应的| t |>1.96，说明在95%的检验水平上，这些系数对应的变量所代表的因素对模型的结果都有显著影响。一般认为优度比系数达到0.2以上即可认为模型具有较高的精度［10］，该模型的优度比系数为0.3589，这说明模型的精度是可以接受的。

5.2 以自行车为效用基础项回归模型的解释

（1）个人小汽车拥有量的提高会显著降低选择公交方式出行的效用，拥有车辆越多的出行者越倾向于采用小汽车出行；但是随着燃油费用的上升，对于公交方式影响因素的系数为正，对于小汽车方式的影响因素的系数为负，分别为0.2094和-0.9685，则表明油价能够对公交和小汽车之间出行方式的比例进行调节，并且油价的提高对减少小汽车出行会有更加显著的影响。

（2）公交等车时间和步行到公交站台的时间对于公交方式的出行具有显著负的效用，并且在相同显著水平下，等车时间的系数要小于步行时间，这说明出行者对于等车时间的耐心要小于步行时间。随着等车时间和步行时间的增加，会使出行者更加倾向于采用出租车和小汽车出行。同时，通过数据分析发现公交车上的拥挤程度的提高并不会显著降低公交方式的效用，也不会增加其他出行方式的效用。所以，要倡导公交优先，引导人们选择公交方式出行，提高公交服务水平的关键在于缩短等车时间和步行至站台时间。

（3）在个人属性中，年龄和收入对于公交方式选择的影响不是很显著。年龄越小越倾向于选择出租车和小汽车出行，并且随着收入的提高会显著提高出租车和小汽车方式的效用。收入对于出租车和小汽车出行方式影响的系数分别为0.2543和1.0423，由于模型采用自行车方式作为效用基础项，所以相对于自行车方式而言，收入对于小汽车的影响要大于对于出租车的影响。这点也证明了近年来随着我国居民收入的提高导致小汽车保有量激增，使得小汽车出行比例增长迅猛。

5.3 以小汽车为效用基础项回归模型的解释

（1）从表3中各出行方式的常数项可以看出，在保持其他影响因素不变的前提下，公交、出租和自行车比小汽车出行方式更加能吸引出行者，其中自行车相对小汽车的优势最大。如自行车相对小汽车的常数项为12.6607，表明固定其他影响因素条件下，出行者选择自行车方式的可能性要比选择小汽车大12.6607倍。这表明虽然近年来我国小汽车出行比例增加很快，但从总量上来说非机动车出行方式所占比例仍然较大。

（2）在个人属性中，年龄对于公交和自行车相对于小汽车出行方式的影响显著。由表3，其影响因素系数分别为1.0821和1.1554，说明随着年龄的增长相对于小汽车而言出行者更多可能选择公交和自行车方式。其中，年龄对公交相对小汽车影响的胜算比为2.9507，即年龄每增加一个阶段，采用公交出行比小汽车出行的概率增加了2.9507倍。

（3）在个人属性中随着收入的提高，相对于小汽车出行公交、出租和自行车出行的效用都是显著减少，其回归系数分别为-0.7902、-0.7879和-1.0422。自行车对于小汽车的胜算比为0.3527，即收入每增加一倍，出行者选择自行车放弃小汽车的概率减少64.73%。

5.4 两种不同效用基础项模型的比较

（1）燃油价格的上涨使公交出行相对自行车和小汽车的吸引力是不一样的，其回归系数分别为0.2094和0.7591，说明小汽车和公交之间出行分配比例燃油价格的变动更为敏感。每当油价上调一个档次，选择公交方式出行的概率为选择小汽车出行的2.1364倍。

（2）相对于自行车出行，公交等车时间和前往站台的步行时间对于公交方式的影响要小于相对小汽车出行。即在其他影响因素固定情况下，等车和步行时间每增加一分钟，相对于自行车而言，公交出行概率会减少2%和1.4%；相对于小汽车而言，公交出行概率会减少15%和11.2%。这说明如果公交服务水平降低，出行者可能会更多地流失向小汽车出行。

（3）以自行车为效用基础项模型中收入对于出租方式影响系数为0.2543，而在以小汽车为效用基础项模型中收入对于出租方式影响系统为-0.7879，这说明随着收入的提高，人们在选择出行方式时，在一定概率条件下会按照自行车、出租车和小汽车的次序进行变化。

6 敏感性分析

从表4可以看出，燃油费用变化趋势与公交方式选择概率的变化方向相同，并且弹性值小于1意味着公交方式选择概率变化百分比小于燃油费用价格变化百分比；而与此对应，燃油费用变化趋势与出租和小汽车方式选择概率的变化方向相反，特别小汽车方式对燃油费用弹性值绝对值大于1，表明小汽车方式选择概率变化的百分比要大于费用变化百分比。由于本文研究为SP数据，所以这反应了通常使用小汽车的出行者在心理上对油价的变化是非常敏感的。从各种方式对于收入的弹性值可以看出，在这三种出行方式中小汽车方式选择概率受收入影响最大，收入的增加会使出行者更多倾向于采用小汽车出行；从各种方式对于公交等车和步行时间弹性来看，这两种时间的增加会减少公交方式的效用而增加出租车和小汽车的效用，特别小汽车方式选择对于等车时间为富有弹性，和前文分析的结论一致；各种出行方式选择对出行时间的弹性都为负值，并且以公交弹性值绝对值最小，说明公交受出行时间影响因素较小，和相关研究的结论一致［11］。

由以上结论定性给出了各种方式选择概率受各因素变化的影响程度，为对影响程度进一步进行定量研究，选取收入和等车时间作为代表分析其对方式选择概率的灵敏度。分别将收入和燃油费用增加和减少10%、20%、30%、40%和50%，观察各种出行方式选择概率变化如图1所示。从图1中的（a）图可以看出，随着收入的增加，公交和出租车出行选择概率微有增加，变化幅度不大，自行车出行概率急剧下降，同时小汽车出行选择概率急剧上升，说明收入对于自行车和小汽车出行选择概率影响程度最大。图（b）中，公交等车时间的增加对公交方式有较大的负面影响，使得出行者倾向于选择小汽车出行，因而公交等车时间对于小汽车和公交出行选择概率影响程度最大，提高公交服务水平，减少等车时间，能减少小汽车出行，提高公交出行比例。

7 结论

本文采用均匀设计的思路设计了关于出行方式选择的SP调查方案，选取了出行者个人属性、社会经济属性和出行方式特有属性作为方式选择的影响因素，考虑到影响因素随出行者和出行方式的变化有所差异，选取CLM模型，分别建立以自行车和小汽车为效用基础项的方式选择概率模型，验证了模型的有效性并对模型进行了标定。效用基础项的差异，使得模型能够从多个角度对各种因素对出行方式选择的影响加以分析，发现油价能够对公交和小汽车之间出行方式的比例进行调节，提高公交服务水平的关键在于缩短等车时间和步行至站台时间，收入对于小汽车的影响要大于对于其他方式等结论。最后采用公交、出租车和小汽车三种出行方式对燃油费用、收入、公交等车时间、步行至站台时间和总出行时间的弹性值，分析了各种方式选择概率对于各种影响因素的敏感性，发现使用小汽车的出行者在心理上对油价的变化非常敏感。然而SP调查的数据仅仅是反应了出行者在各种情境下对某种出行方式的选择意向，在做出实际出行选择时，会因为行为和意向不一致而产生误差，这就需要借助心理学的理论方法，来进一步完善出行方式选择的概率模型，这也是出行行为理论的下一步研究方向。

参 考 文 献：

［1］A宗芳,隽志才.基于活动的出行方式选择模型与交通需求管理策略［J］.吉林大学学报(工学版),2007

,(1):48-53.

［2］A贾洪飞,龚勃文,宗芳.交通方式选择的非集计模型及其应用［J］.吉林大学学报(工学版),2007,(6):1288-1293.

［3］A隽志才,李志瑶,宗芳.基于活动链的出行需求预测方法综述［J］.公路交通科技,2005,(6):108-113.

［4］ATayyaran M R, Khan A M, Anderson D A. Impact of telecommuting and intelligent transportation systems on residential location choice［J］. Transportation Planning and Technology, 2003, 26(2): 171-193.

［5］A王方,陈金川,陈艳艳.交通SP调查的均匀设计方法［J］.城市交通,2005,(3):69-72.

［6］A方开泰.均匀试验设计的理论、方法和应用——历史回顾［J］.数理统计与管理,2004,(3):69-80.

［7］AMarschak J. Binary choice constraints on random utility indications［A］. In Arrow K, ed. Stanford Symposium on Mathematical Methods in the Social Sciences［C］.Stanford University Press, California, 1960.

［8］ATrain K. Discrete choice methods with simulation［M］. Cambridge University Press, New York, 2003.

［9］AGreene H. Econometric analysis ［M］. 6th ed. Prentice-Hall, New Jersey, 2008.

［10］A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

［11］A黄树森.基于非集计的城市公共交通方式选择模型及灵敏度分析研究［D］.北京:北京交通大学,2008.