GRIP对路径选择影响的离散选择分析

陈 思,干宏程,杨珍珍

(上海理工大学管理学院,上海200093)

GRIP对路径选择影响的离散选择分析

陈 思,干宏程*,杨珍珍

(上海理工大学管理学院,上海200093)

探索了图形式可变情报板(GRIP)对驾驶员路径选择行为的影响.采用意向调查法(SP)获取驾驶员从两条拥堵状况不同的路径中选择路径的行为数据,采用离散选择建模方法建立估计路径选择概率的二元Logit模型,揭示驾驶员对GRIP信息的响应行为规律.GRIP提供的路径交通状况信息分别用拥堵点与分流点的距离、拥堵路径颜色来度量.调查选取上海市延安西路立交前实际存在的一块GRIP,SP问卷为驾驶员构造了起终点之间含有两条替换路径的假想出行情境,借助SPSS软件对采集的行为数据进行建模.分析表明,GRIP信息会影响驾驶员的路径选择行为,不同的信息内容对驾驶员路径选择行为的影响是不同的,驾驶员对GRIP信息中出现红色特别敏感.此外,驾驶员的学历、年行驶公里数等个体属性也是影响驾驶员路径选择行为的因素.

城市交通;图形式可变情报板;路径选择;离散选择分析;意向调查;二元Logit模型

1 引 言

为了缓解交通拥堵,合理分配城市快速路上的交通流,各大城市都广泛设置可变信息标志(VMS)对交通流进行诱导.对于有多条路径交错的路网,文字型可变情报板提供的信息受限于字数而往往“一言难尽”.近年来,我国上海、北京、广州、宁波、杭州、苏州等城市采用了能以地图(由发光元件组成的光带)形式显示道路网交通状态的图形式可变情报板(Graphical Route Information Panel,GRIP)[1].GRIP用图形信息代替文本向出行者提供特定路网的交通状况,具有一图解千字的优势,让驾驶员能一目了然.目前,国内外专家学者在GRIP对驾驶员路径选择影响方面的研究已有不少.Alkim[2]仿真实验发现受试者对GRIP的理解度低于一般文数字信息可变情报板,但是受试者能很快学习熟悉图形可变情报板.Andy[3]针对20种不同的GRIP进行模拟驾驶实验,探讨了驾驶员特性对GRIP的影响,发现驾驶员年龄、行驶里程数和阅读能力对其理解 GRIP信息有很大影响. Gan[1]系统地提出GRIP面板的设计方法及行程时间预测模型.蔡凯仲[4]对GRIP进行实验探讨,发现路网型态与可变信息对受试者反应皆具有显著影响,不同的信息组合对于驾驶员观看标志的反应时间,以及对标志内容的理解程度有最直接的影响.干宏程[5]针对上海城市快速路交通诱导系统,研究了提供交通信息条件下的途中改道行为.以往研究发现了一些影响驾驶员路径选择的因素,如驾驶员的阅读能力、年龄和GRIP的型态等,但是很少有学者运用离散选择分析方法建立GRIP信息响应模型.本文将结合上海实际使用的GRIP,运用离散选择建模方法,确定影响驾驶员路径选择行为的驾驶员特性和GRIP信息因素,为相关部门设计和评价GRIP,优化路网运行状况提供政策启示和技术参考.

以往信息响应行为研究主要借助意向调查法(SP survey)或实际行为调查法(RP survey)获取驾驶员路径选择的行为数据,然后借助数理统计或者先进的离散选择分析(discrete choice analysis)来解析路径选择行为与提供的交通信息之间的关系[6-8].SP调查提供一组由几条可替换路径组成的假想情境给受访者评估,并赋予这些可替换路径一些需要检验的影响出行行为的特征变量,其优势是能控制选择情境和进入模型的自变量,缺点是在现实中出行者的路径选择行为与SP调查中的选择可能不一致.RP调查是理想的方法,但在实际操作中难以控制GRIP信息内容以满足建模需要且调查成本高昂.故本文利用SP调查法获取上海驾驶员在GRIP影响下的路径选择行为数据,采用离散选择分析方法对路径选择行为进行建模,量化路径选择行为与GRIP显示内容的关系.

2 出行者路径选择行为的SP调查

采用问卷调查形式的SP方法,对GRIP影响下的路径选择行为进行调查.调查选取了上海高架快速路网中的一块GRIP,此GRIP位于延安西路立交上游(由西向东).为贴近实际出行情境,SP问卷为驾驶员构造了起终点之间含有两条替换路径的出行情境,如图1所示.GRIP信息板将向驾驶员提供前方道路信息,驾驶员根据GRIP的信息做出路径选择.本次调查共设计了6个GRIP情境,如图2所示.6个GRIP情境中,“延安+南北高架”上没有拥堵,内环高架上有拥堵出现,且由两个路径属性来表征其拥堵程度:(1)拥堵点与分流点(延安西路立交)之间的距离,分为远、中和近三个水平;(2)拥堵路段的颜色,分为“黄”、“黄+红”两个水平.

SP调查时间为2012年4月6日到2012年4月15日期间,地点分别在虹桥机场和中山北二路加油站.随机调查了168名驾驶员,最终得到132份有效问卷,于是共有792(132×6)个路径选择的样本.调查内容包括两部分:(一)驾驶员的个体属性,包括驾驶员的社会经济属性(如性别、年龄、驾龄、收入、性格以及是否为上海常住人口)、驾驶员的出行属性(如车辆类型、开车出行主要目的、开车出行频率、使用高架频率和年行驶公里数)、驾驶员使用交通信息方面的属性(如获取交通信息渠道、对GRIP的关注度、对上海高架路网的熟悉度、GRIP对驾驶员选择路径和改道的影响程度);

(二)驾驶员的路径选择.

图1 SP问卷调查中构造的路径选择情景Fig.1 The stated preference survey of route choice

图2 6种情景中GRIP显示的内容Fig.2 Image contents of GRIP for six GRIP messages

3 SP数据初步分析

被调查的驾驶员中,女性占12.5%,符合一般女驾驶员较少的规律.年龄分布以 25-30(占22.6%)、31-40(占35.1%)和41-50(占23.8%)居多,平均年龄38.83岁.驾龄分布以4-5(占18.5%)、6-10(占24.4%)和11-20(占29.8%)居多,平均驾龄为11.4年.样本的年龄分布与驾龄分布较好地覆盖了驾驶员群体,对于模型估计而言有足够的变异程度.从驾驶员的学历看,高中(占29.8%)和大学(占49.4%)居多.驾驶员中有34.5%的人通过电子信息板获取交通信息.而从对GRIP的关注程度看,总是会看(占35.7%)和经常看(占44.0%)的居多.受访者对上海路网非常熟悉和比较熟悉的分别达42.9%和37.5%.GRIP对选择路径或改道的影响程度方面,觉得GRIP有很大影响和有一定影响的驾驶员达到了38.7%和35.1%.

驾驶员在GRIP影响下的路径选择结果如表1所示.从表1可知,情景1、情景2和情景3中驾驶员选择内环高架的百分比为63.64%、62.88%和 63.64%,非常接近且均超过50%;情景4、情景5和情景6选择延安+南北高架的居多而且其百分比很接近,分别为82.58%、79.55%和78.79%.这说明当拥堵路径颜色为黄色时,选择继续沿内环高架行驶的驾驶员较多,而当拥堵路径颜色中有红色出现时,大部分驾驶员会改道到延安+南北高架.拥堵路径与分流点的位置为近、中和远时,驾驶员选择路径的差别不大.

表1 出行情境中GRIP信息内容和路径选择的统计结果Table 1 Scenario design for stated preference questions

由表1的统计结果,我们已经能够得到拥堵路径颜色、拥堵路径与分流点的距离及路径选择概率之间的大致关系,但是我们尚无法把这一关系与驾驶员个体特征联系起来.可以推断,对不同人口统计学特征、驾龄和驾车类型的驾驶员来说,GRIP显示的路径拥堵信息的影响可能不同.接下去使用离散选择分析方法,量化GRIP显示的拥堵信息、驾驶员个体特征对路径选择概率的影响.

4 SP数据的离散选择分析

4.1 建模方法

离散选择分析方法[9]以随机效用理论为基础,假设作为行为主体的决策者总是从拥有多种选择方案的选择集中选择效用最大的选择项.本研究中,驾驶员的路径选择是二元选择,因此我们采用离散选择模型中的二项Logit模型进行多变量分析,量化路径选择与GRIP信息之间的关系.

假设交通出行者n(n=1,2,…,N)的选择选项i(i=1,2,…,J)的效用为Uni.把Uin分解为两部分,一部分为由可观测变量Xkin(k=1,2,…,K)确定的效用确定项Vin,一部分为由不可观测变量确定的效用随机项εin,则

式中 N是出行者总量;J是选项总量;K是可观测变量总量.

假定εin满足独立同分布的Gumbel分布,得到交通出行者n选择选项i的概率为

如果假定效用确定项Vin是可观测变量组成的向量Xin=(1,X1in,X2in,…,Xkin)T的线性函数,参数向量β=(β0,β1,…,βk),则Vin可以表示为

把式(3)中的Vin代入式(2),得到基于线性效用的交通出行者n选择选项i的概率如下:

式(4)确定的离散选择模型就是线性效用的MNL模型[10].

4.2 模型估计结果及讨论

SP调查中每位驾驶员回答6个问题,共有132个驾驶员,则共有792个样本用于模型估计.采用SPSS软件估计模型,当驾驶员行驶到分流点前方时,看到GRIP信息后有两条路径可供选择,i=0表示选“内环高架”,i=1表示选择“延安+南北高架”.将选择内环高架作为基本选择项,效用方程值设置为0.

表2是各变量的似然比检验结果.利用卡方检验估计结果,采用95%的置信度,考虑的解释变量包括性别、年龄、驾龄、学历、月收入、性格、是否为上海常住人口、用车类型、开车出行目的、开车出行频率、使用高架频率、每年行驶的公里数、获取交通信息的途径、对GRIP的关注程度、对上海高架熟悉程度、GRIP对驾驶员选择路径或改道的影响程度、拥堵点距离分流点的距离及拥堵路径颜色.最终留在模型中的变量如表2所示,都获得了显著系数.

表2 二元Logit模型的估计结果Table 2 Model estimation results

根据表2得出选择“延安+南北高架”的效用函数V1:

利用式(5)可以计算不同驾驶员面对不同GRIP信息下的路径选择概率.例如一位有大学学历的驾驶员,从虹桥机场出发,前往同济大学周边某一地点,他每年大概行驶1.5万公里,对上海高架路网比较熟悉并经常通过电子信息板了解交通信息,且GRIP对他选择路线或改道有很大的影响,当他行驶到延安西路立交前看到GRIP显示为内环拥堵,拥堵路径颜色为“红+黄色”时,可得出他选择继续沿内环行驶的概率为14.85%,而改道到“延安+南北高架”的概率为75.15%.

根据模型的系数B进行分析如下:

(1)学历.X1系数为负,这说明随着学历的提高,驾驶员继续沿内环高架的意愿也增加了.

(2)年行驶公里数.X2系数为正,说明随着年行驶公里数的增加,驾驶员改道到南北高架的意愿也随之增加.这是因为随着年行驶公里数的增加,一方面驾驶员的驾驶经验有所增加,他们对上海路网的熟悉度也有所增加,这使得他们更愿意改道到“延安+南北高架”以避开拥堵,另一方面年行驶公里数增加也意味着驾驶员为远距离出行者,驾驶员对路径长度的增加不敏感,这也使得他们更愿意选择畅通但稍远的路径.

(3)电子信息板.X3系数为正,说明使用电子信息板了解交通信息的驾驶员相较不使用的驾驶员更愿意改道到“延安+南北高架”上.这个与现实也很符合,一般使用电子信息板了解交通信息的驾驶员对其发布的信息比较信任,会根据信息板的内容做出路径选择,故当内环出现拥堵时这部分驾驶员倾向于改道到“延安+南北高架”上.

(4)对GRIP的关注度.X4系数为正,说明随着驾驶员对GRIP的关注程度的增加,其改道到“延安+南北高架”的意愿也有所增加.这是因为经常看GRIP的驾驶员对GRIP比较信任,他们更倾向于根据GRIP的信息做出路线选择.

(5)对上海路网的熟悉程度.X5系数为负,说明随着驾驶员对上海路网熟悉度的增加,其改道到“延安+南北高架”的意愿会下降.这是因为随着驾驶员对上海路网熟悉度的增加,他对上海路网中出现拥堵的地点和原因比较了解,故其面对拥堵时会采取比较灵活的策略,例如选择走地面道路或在拥堵点上游下高架,然后在拥堵点下游上高架.

(6)GRIP对驾驶员选择路径或改道的影响. X6系数为正,说明随着GRIP对驾驶员选择路径改道的影响度的增加,其选择改道到“延安+南北高架”的可能性也增加.这与实际是相符的,GRIP对驾驶员选择路径的影响越大,其越有可能受GRIP影响而改道.

(7)拥堵路径颜色.X7系数为正,说明相较于拥堵路径颜色为黄色,拥堵路径颜色为红+黄色时驾驶员更倾向于改道到“延安+南北高架”.拥堵路径为红色时表示拥塞或出现事故,当驾驶员看到红色时一般会避开,因为他们对“红色”的发展态势和延误程度没有把握.

(8)常数.C系数为负,说明在不提供任何信息的情况下,驾驶员更倾向于选择内环高架.这是因为内环高架相较于延安+南北高架较短;而且延安+南北高架是贯通东西+南北的大动脉,交通量很大且经常出现拥堵;由延安高架转南北高架还需要通过一个复杂的延安东路立交,故驾驶员更多选择内环高架.

表2中Cox&Snell's R2和Nagelkerke's R2分别为0.244和0.329,说明本模型拟合比较理想.

5 研究结论

本文利用SP调查获取上海驾驶员在图形式可变情报板影响下的路径选择行为数据,采用离散选择分析对路径选择行为进行建模,建立了量化路径选择与GRIP显示内容的关系的二元Logit模型.主要发现有:

(1)拥堵路径颜色对驾驶员选择路径的影响很明显,当拥堵路径出现红色时,大部分驾驶员选择避开拥堵路径.

(2)拥堵点与分流点的距离对驾驶员选择路径的影响不大.

(3)驾驶员学历越高、对上海市高架路网越熟悉,改道的可能性越小.

(4)年行驶公里数越多、对图形式可变情报板越关注、受图形式情报板影响越大且使用电子信息板获取信息的驾驶员越倾向于改道.

由于经费、时间等限制,SP调查的样本量不大.下一步研究将扩充样本以得到更可靠的模型估计结果.

本文的研究在一定程度上揭示了GRIP对驾驶员路径选择行为的影响机理,所建的路径选择模型可以嵌入交通模型(软件),以便考察GRIP对交通网络运行效率的影响.

[1]Gan H C.Graphical route information panel for the urban freeway network in Shanghai,China[J].IET Intelligent Transport Systems,2010,4(3):212-220.

[2]Alkim T P,Mede P H J,Janssen W H.Graphical route information on variable message signs[J].Road Transport Information and Control,2000,Conference Publication No.472:32-36.

[3]Andy R,Mike M,Granville F,et al.Investigation of driver comprehension of traffic information on graphical congestion display panels using a driving simulator[J].European Journal of Transport and Infrastructure Research,2005,4(4):417-435.

[4]蔡凯仲.高速公路驾驶者对图志可变标志资讯组合之反应研究[D].台湾勤益科技大学硕士论文, 2007.[CAI K Z.Driver's response to information display of changeable graphical signs on freeway[D]. Taiwan Chin-Yi University of Technology,2007.]

[5]干宏程,孙立军,陈建阳.提供交通信息条件下的途中改道行为研究[J].同济大学学报,2006,34 (11):1484-1488.[GAN H C,SUN L J,CHEN J Y. Study on traveler behavior under influence of advanced traveler information system[J].Journal of Tongji University,2006,34(11):1484-1488.]

[6]Abdel-Aty M,Kitamura R,Jovanis P.Using stated preference data for studying the effect of advanced traffic information on drivers' route choice[J]. Transportation Research part C,1997,5(1):39-50.

[7]Lai K H,Wong W G.SP approach toward driver comprehension of message formats on VMS[J]. Journal of Transportation Engineering,2000,126 (3):221-227.

[8]Richards A,McDonald M.Questionnaire surveys to evaluate user response to variable message signs in an urban network[J].IET Intelligent Transportation System,2007,1(3):177-185.

[9]Ben-Akiva M,de Palrna A,Lerman S.Discrete choice analysis[M].The MIT Press,Cambridge, MA,1985.

[10]诸葛承祥,邵春福,李霞,等.通勤者出行时间与出行方式选择行为研究[J].交通运输系统工程与信息,2012,12(2):126-131.[ZHUGE C X,SHAO C F,LI X,et al.Commuter's choice behavior of travel time and travel mode[J].Journal of Transportation Systems Engineering and Information Technology, 2012,12(2):126-131.]

Discrete Choice Analysis of Graphical Route Information Panel's Effect on Driver Route Choice Decision

CHEN Si,GAN Hong-cheng,YANG Zhen-zhen
(Management College,University of Shanghai for Science and Technology,Shanghai 200093,China)

This paper examines the effect of Graphical Route Information Panel(GRIP)on drivers'route choice behavior.A stated preference survey is conducted to collect data on drivers'choice between two alternative routes with six hypothetical the GRIP messages.A binary discrete choice model is developed to quantify choices between two alternative routes.The GRIP messages are measured by color and the distance between the congested site and the detour point.The GRIP in this survey is a real-world one upstream of west-bound Yan'an Elevated Road in Shanghai,China.The SP survey contains six travel scenarios,and each of which includes two alternative routes between the origin and destination.The collected data in the SP survey are used to estimate the binary Logit model by SPSS.Main findings are obtained as that GRIP information has significant impacts on drivers'behavior;different GRIP messages have different effects on route choice decision,especially when red color exists.The social-economical attributes such as educationbackground,annual travelled distance are also elements that influence route choice.

urban traffic;graphical route information panel;route choice;discrete choice analysis;stated preference survey;binary Logit model

U491

A

U491

A

1009-6744(2013)02-0179-06

2012-10-23

2012-12-28录用日期:2013-01-09

国家自然科学基金(51008195).

陈思(1988-),女,湖北应城人,硕士生.

*通讯作者:hongchenggan@126.com