出行时耗预算机理解析

(大连理工大学建筑艺术学院，辽宁大连116024)

0 引言

从20世纪60年代开始，一些学者就发现城市居民人均日出行时耗在不同年份表现出一定的稳定性。文献[1]通过世界范围内的城市机动性研究，建立了“UMOT”(the Unified Mechanism of Travel)城市机动性模型，提出日出行时耗预算为一个城市地区一日内出行时耗总和除以该地区人数得到的平均值。同时指出，一个城市日出行时耗预算在很长一段时间里将保持恒定，世界各城市之间出行时耗预算彼此接近。进一步的实证研究使一些学者开始相信，出行时耗预算是一个不随时空变化而普遍存在的常量：有出行者日平均出行时耗为1.1～1.3h(66～78min)，城市居民日平均出行时耗为 0.83～1.10 h(50～66 min)[2]。人们在出行前，会考虑单次以及一日出行的时间与费用预算，日平均出行时耗、单次出行平均时耗分布是人们内在的出行时耗预算机理作用下的结果。

国内外交通调查为研究出行时耗内在规律提供了基础数据。虽然调查区域、出行定义、调查方法、调查质量均会影响统计数据的精确度和准确性，进而在一定程度上影响出行时耗稳定性分析的准确性，但众多数据更多地体现了出行时耗规律的共性，例如日出行时耗的相对恒定、单次出行平均时耗分布曲线的共有特征。本文基于国内外交通调查数据进行分析，期望从出行时耗预算角度阐述这些共有特征的形成机理。

1 日平均出行时耗

1.1 中国城市交通调查数据分析

1.1.1 20世纪90年代之前

图1 20世纪80年代中国部分城市日平均出行时耗Fig.1 Average daily travel time of several Chinese cities in 1980s

1980年针对哈尔滨市、齐齐哈尔市的“城市职工家务劳动研究”中的通勤出行调查表明，职工日平均通勤出行时耗为0.85 h(51 min)[3]；1988年针对黑龙江5市4镇(哈尔滨市、齐齐哈尔市、牡丹江市、佳木斯市、鹤岗市、呐河镇、富锦镇、尚志镇、宁安镇)的“城乡居民生活方式研究”中城镇居民时间预算调查[4]表明，工作日通勤出行平均时耗为0.84 h(50 min)。相隔8年，黑龙江城镇居民日通勤出行平均时耗基本接近。20世纪80年代中国部分城市日平均出行时耗为40～60 min，平均50.5 min，日平均出行时耗与城市人口规模关系较小，见图1。

1.1.2 20世纪90年代以后

20世纪90年代以后，中国大部分城市(除部分特大城市、小城市外)日平均出行时耗基本为50～80 min，平均63.5 min，见图2(其中，上海市为通勤出行时耗)。600万及以下人口的城市日平均出行时耗为49.3 min，与20世纪80年代平均值50.5 min接近。北京、上海相隔5年，厦门相隔8年(1995—2003)，苏州相隔6年，常州相隔3年的日平均出行时耗均表现出较高的稳定性。湖北的小城市当阳、安陆、钟祥、宜都与中国东南部地区的小城市盛泽、南安、福清的日平均出行时耗接近。图2中仅武汉相隔11年、合肥相隔3年、厦门相隔6年(2003—2009)的日平均出行时耗呈现较大浮动。

1.2 世界不同地区及城市比较

北美发达地区、亚洲发达地区、北欧、南欧、西欧城市居民出行时耗预算及标准差见表1，可以看出，除北美外，其他地区的平均出行时耗预算接近。日本大阪市1980、1990和2000年汽车及公共交通通勤者日平均出行时耗基本恒定，见表2。美国1995年不同规模都市区日平均出行时耗、中国不同规模城市(除超大城市)日平均出行时耗均具有较高的恒定性，见表3和表4。

图2 20世纪90年代以后中国部分城市日平均出行时耗Fig.2 Average daily travel time of several Chinese cities after 1990s

2 单次出行平均时耗

2.1 中国

以中国部分小城市为例(见图3)，其单次出行平均时耗分布接近，均呈现出行时耗超过30 min后分布比例迅速下降。以部分人口在300万人以下的城市为例(见图4)，其单次出行平均时耗也呈现超过30 min后分布比例迅速下降。特大城市以上海市为例，出行时耗超过40 min后分布比例迅速下降，见图5。

根据文献[20]，2002年北京市公务车、私人小汽车通勤出行时耗不堵车时为26.30 min和18.45min，交通拥堵时为53.21和63.27min；2004年小客车通勤出行平均时耗统计结果显示，不堵车时为33.68 min，交通拥堵时为65.07 min。2004年北京市小客车通勤出行平均时耗分布见图6，可以看出通勤出行平均时耗多在1 h以内，呈现超过1 h后分布比例迅速下降的特点。北京市2005年居民出行时耗分布见图7，呈现超过30 min后分布比例大幅度下降的特点。

2.2 国外

加拿大多伦多市建成区面积约1 500 km2，1980年与现状建成区面积接近。1980年多伦多市单次出行平均时耗见图8，出行时耗超过30 min后分布比例迅速下降；其通勤出行平均时耗为27.8 min。1972—2009年英国居民单次出行平均时耗分布变化很小，但出行距离不断增加，见图9。1985—2006年英国居民出行时耗和出行距离变化见图10，可以看出，各交通方式的出行距离分布均有不同程度的变化，然而出行时耗分布特征基本一致，均表现为出行时耗超过30 min后分布比例迅速下降。以上数据表明，国外单次出行平均时耗与时耗分布也具有较多的共性规律。

3 出行时耗预算机理

3.1 日平均出行时耗相对恒定的相关解释

关于日平均出行时耗相对恒定的形成机理通常有3种解释[2]：

1）认为人有扩大活动区域的本能，更大的活动区域意味着更多的资源和机会。但同时，探索更大范围所需要的长距离出行将会使人更多地处于危险之中。因此，人们会将每天的出行时耗控制在一定时间内以规避风险。

表1 世界各地区城市交通出行时耗预算Tab.1 Urban travel time budget of different regions in the world

表2 大阪市1980、1990和2000年汽车及公共交通通勤出行时耗Tab.2 Travel time by car and public transit in Osaka in 1980,1990 and 2000

表3 美国1995年不同规模都市区驾驶人日平均出行时耗Tab.3 Drivers’average daily travel time in different U.S.metropolitan areas in 1995 min

资料来源：文献[19]。

表4 中国不同规模城市单次出行平均时耗及日平均出行时耗Tab.4 Average single-trip travel time and daily travel time in different cities in China min

图3 小城市单次出行平均时耗分布Fig.3 Distribution of average single-trip travel time of small cities in China

图4 大中城市单次出行平均时耗分布Fig.4 Distribution of average single-trip travel time in large and medium cities in China

图5 上海市2009年单次通勤出行平均时耗分布Fig.5 Distribution of average travel time of single commuting trip in Shanghai in 2009

图6 北京市2004年小客车通勤出行平均时耗分布Fig.6 Distribution of average travel time of car commuting in Beijing in 2004

2）将出行时耗预算看成是人们使用时间以及消费习惯所致。出行会受到消费习惯的影响，人们通常不会将很大一部分可支配收入用作出行费用。

3）效用理论。一个备选活动或目的地的效用与其吸引力正相关，而与到达目的地的出行时间(或广义交通成本)负相关。此外，假定存在(不可观测的)理想出行时耗预算，一个人一天完成所有活动的出行时耗偏离其理想出行时耗预算会产生一个惩罚费用。于是，人们权衡各种活动的效益以及这些活动相关的出行时耗(或广义交通成本)、额外出行的边际效益、额外出行时耗的边际成本等因素后，做出使其效用最大化的决策。

3.2 单次出行平均时耗分布机理解析

上述关于日平均出行时耗相对恒定的分析，未涉及与单次出行平均时耗的关系。事实上，日出行总量的80%为通勤、通学出行，而相对于通勤出行，通学出行往往距离较近，平均出行时耗较少。因此，日平均出行时耗的恒定性很大程度上与通勤出行有关。

将通勤出行者划分为“时耗敏感型”和“时耗非敏感型”，本文针对“时耗敏感型”的通勤出行进行分析。工作付出的时间包括工作时间和通勤出行时耗，以家庭住址为核心，一个人为工作付出的成本C付出包括通勤出行时耗T通勤、交通费用C通勤以及上班工作时间T工作。获取工资收入的目的在于满足基本生活需求以及闲暇时间的个人消费、爱好等非基本生活需求(其成本为T闲暇)，T通勤增加意味着T闲暇减少。

1）考虑疲劳系数的出行时耗成本修正。

T通勤会使人因车内、道路拥堵而产生疲劳，从而导致生产效率下降或休息时间加长。对于某交通方式，设其疲劳系数K疲劳=f(T通勤，M通勤)，K疲劳具有伴随T通勤加长而增大，伴随非舒适、不适于长距离出行方式M通勤的利用而增加的特点。采用函数式K疲劳=k/(1+bexp(-aT通勤))+1进行估算，其中，k,b,a为参数。该式采用“S曲线+1”的模式构成。首先表示疲劳系数大于1；其次，疲劳系数随出行时耗的增加而加大，当大于一定值后，疲劳系数增幅又变小。本文将k,b,a分别取值为0.5，20，0.1，由于疲劳系数与交通方式、车上拥挤情况、出行者的体质等有关，目前的参数设定可以体现疲劳系数伴随时间加长而加大的变化特征。为便于计算，5～10 min出行区段按平均7.5min计算，10～20min出行区段按平均15min计算，以此类推，各时耗区段K疲劳结果见表5。在出行时耗达到80 min后，疲劳度增至1.5倍。疲劳度为1.5意味着80 min的出行实际消耗需增加40 min的时间用于缓解通勤疲劳，如疲劳不能得到缓解，则意味着工作效率下降，其表现为有效工作时间或闲暇时间减少。

2）新增就业选择区域及其带来的收益。

伴随出行距离增加，在新增出行时耗范围内找到适合工作的概率增加，设在原时耗T通勤的基础上增加出行时耗ΔT，则新增区域内就业区的面积增量为设出行速度一定，当出行时耗为5～10 min时，该出行区段的就业区域相对面积为3.14×(10×10-5×5)。 ΔT按10 min递增，新增就业选择区域计算结果见表5。

通常情况下，工作岗位工资与社会平均劳动时间呈正比。但是，就业选择区域面积扩大1倍并不意味着所找到工作的工资扩大1倍。表5采用新增就业区域相对面积与5～10 min就业区域相对面积比值的0.1次方作为就业区域拓展可能带来的收入增加K工资增。

3）出行分布选择概率。

设闲暇时间减少带来的收益损失为U闲暇损失，并设闲暇时间的个人收益与工作时间的收益相同，即每损失1 h闲暇时间，意味着1 h的工作时间投入损失。那么单位工作时间和通勤出行时耗的收益率U收益率=K工资增(T工作-2K疲劳T通勤)/(T工作+2T通勤)=(π(T通勤0+ΔT)2-πT通勤02)0.1/(πT通勤0

2)0.1×(8×60-2K疲劳

式中， (8×60-2K疲劳T通勤)为有效剩余时间，(8×60+2T通勤)为工作花费时间，计算见表5。

出行者选择在某一时耗区段内出行的概率与U收益率正相关。设选择概率P时耗为U收益率的D次方，本文取值为10。对于“时耗敏感型”出行，用每个时耗区段的选择概率P时耗除以各时耗区段的P时耗之和，可得到相应出行时耗区段选择概率。

图7 北京市居民2005年出行时耗分布Fig.7 Distribution of residents’travel time in Beijing in 2005

图8 多伦多市1980年出行时耗分布Fig.8 Distribution of travel time in Toronto in 1980

图9 英国1972—2009年居民单次出行距离与出行时耗分布Fig.9 Distribution of single-trip travel distance and travel time in the U.K.from 1972 to 2009

图10 1985—2006年英国居民出行时耗与出行距离变化Fig.10 Changes in residents’travel time and distance in the U.K.from 1985 to 2006

对于“时耗非敏感型”出行，例如偶然的长距离工作出行、某些特殊职业的长距离出行，其出行分布选择概率为同样采用各时耗区段的选择概率P时耗除以各时耗区段的P时耗之和，得到相应时耗区段选择概率。

按权重累加时耗敏感型出行和时耗非敏感型出行的选择概率，得到不同时耗区段的综合选择概率，进而可得到出行分布选择概率与出行时耗的相互关系(见图11)，其分布特征与居民出行调查得到的分布特征接近。尽管诸多参数还有待进一步研究，但不可否认出行时耗预算机理解释了出行时耗分布近少、中多、远少特征的内在原因。该分析建立在通勤者上下班合计时耗、全日闲暇时间、工作收益等因素的基础上，构建了日出行时耗与单次出行时耗之间的关系。这一分析方法是前文提到的效用理论的深入解释。

3.3 交通拥堵与出行时耗变化

下面以出行次数未发生变化为前提，讨论交通拥堵发生后出行时耗的相应变化。发生交通拥堵时(假设出行速度下降10%)，每个出行时耗区段因拥堵增加的时耗及选择概率见表6。未发生交通拥堵时，在原综合选择概率下，单次出行平均时耗为27.05 min；发生交通拥堵后，若各时段原选择概率不变，则平均出行时耗增至30.21 min，平均时耗增加11.7%。与未发生交通拥堵相比，在相同出行时耗内，就业选择区域面积降低；而拥堵、舒适度下降导致出行成本增加，出现收益相对降低、付出相对增加的情况，出行者会采用增加短时耗出行比例的方式予以调整。各出行时段综合选择概率变化假设见表6，交通拥堵情况下平均出行时耗为28.96 min，比原来增加7.0%。由于出行者的自我调节，减少了40%的出行时耗增加。

单次出行时耗增加时，出行者还可以采用减少出行次数、提高单次出行完成任务量的方式降低总出行时耗。此外，与长距离出行采用的交通方式(私人小汽车、公共交通)相比，近距离出行依靠步行和自行车交通，在交通拥堵中受到的影响程度相对较低，因此出行次数减少幅度较小。这部分出行使交通拥堵带来的居民平均出行时耗增幅受到制约。另外，错峰出行也可以减少出行时耗的增加。

综上，出行者可以权衡交通拥堵对个人出行的付出与收益的影响，从而将出行时耗维持在可接受的预算范围内。交通拥堵情况下的出行时耗分析反映了出行者针对交通拥堵的应对措施，特别需要指出的是，看似变化较小的单次出行平均时耗增加可能隐含着较大程度的交通拥堵，看似相对恒定的日平均出行时耗也是如此。

4 结语

交通系统可以改变人们的出行速度，但难以改变人们内在的出行时耗预算机制。出行速度较高时，人们倾向于在一定时耗内扩大出行距离以获取更多的收益；当出行速度较低时，人们倾向于缩短出行距离、减少出行次数，以减少过多的出行时耗带来的收益损失。舒适、快速的出行方式可以减少出行的疲劳度，有助于出行范围的扩大，人们可以用较小的出行时耗成本获取更大的利益。小汽车是舒适度高、出行速度快的一种交通方式，以小汽车为导向规划的路网体系会刺激小汽车的过度使用，同时形成出行时耗约束下、按小汽车出行适宜距离分布的城市空间布局。然而，小汽车大量使用会造成极大交通压力，并导致单次出行时耗的大幅度增加。此时，应反思路网规划对小汽车交通影响下的交通与用地模式的刺激式促进，以及对由此引发问题的严重性的低估。

表5 单次通勤出行平均时耗分布机理解析Tab.5 Mechanism of average travel time distribution of single commuting

图11 单次通勤出行时耗分布推算Fig.11 Estimation on travel time distribution of single commuting

表6 出行速度下降10%情况下的选择概率分析Tab.6 Selective probability with a 10%decrease of travel speed

基于期望主导交通方式的出行时耗与速度约束所对应的空间距离，而不是小汽车方式的出行时耗与速度约束所对应的空间距离，对就业、就学、购物等用地进行合理规划，是减少交通问题的关键，规划中需要协调处理期望主导交通方式与路网规划以及城市用地布局之间的关系。中国城市人口密度高、用地混合利用程度大，需要更多的公共交通设施、步行和自行车交通设施与之协调，主体上服务于汽车交通、产生于西方低密度城市的现代路网规划思想与路网模式在中国的适用性值得探讨。中国需要适用于自身的路网规划理论与方法的支撑，该理论与方法的基本着眼点是：结合中国城市居民的出行时耗预算，为其适宜的交通方式规划路网和用地布局。

[1]Yacov Zahavi.The Unified Mechanism of Travel(UMOT)Model[R].World Bank Staff Working Paper N0.230,Washington DC:World Bank,1976.

[2]吴子啸，宋维嘉，池利兵，潘俊卿.出行时耗的规律及启示[J].城市交通，2007，5(1)：20-24.Wu Zixiao,Song Weijia,Chi Libing,Pan Junqing.Patterns and Their Implications of Travel Time[J].Urban Transport of China,2007,5(1):20-24.

[3]王雅林，李金荣.城市职工家务劳动研究[J].中国社会科学，1982(1)：177-180.

[4]王雅林.城镇居民时间预算研究[J].中国社会科学，1991(2)：197-211.

[5]我国大型城市轨道交通建设的必要性及其技术经济研究[R].北京：建设部城市建设研究院；武汉：武汉公用事业研究所，1990.

[6]张蕊，雷熙文，滕佳焱，毛保华.大城市客运交通系统出行方式特性分析[J].物流技术，2011，30(6)：107-125.Zhang Rui,Lei Xiwen,Teng Jiayan,Mao Baohua.Analysis of Travel Characteristics of Major City Passenger Traffic Modes[J].Logistics Technology,2011,30(6):107-125.

[7]上海市城市综合交通规划研究所.上海市第三次综合交通调查成果简介[J].交通与运输，2005(6)：7-11.

[8]陆锡明，顾啸涛.上海市第五次居民出行调查与交通特征研究[J].城市交通，2011，9(5)：1-6.Lu Ximing,Gu Xiaotao.The Fifth Travel Survey ofResidentsin Shanghaiand Characteristics Analysis[J].Urban Transport of China,2011,9(5):1-6.

[9]陆建，王炜.城市居民出行时耗特征分析研究[J].公路交通科技，2004，21(1)：102-104.Lu Jian,Wang Wei.Study of Resident Trip Time Consumption Characteristc[J].Journal of Highway and Transportation Research and Development,2004,21(1):102-104.

[10]孟永平，张升，丁明.厦门市居民出行特征分析及交通对策研究[J].交通运输工程与信息学报，2010，8(4)：28-34.Meng Yongping,Zhang Sheng,Ding Ming.Analysis on the Resident Trip Characteristics and Study on the Transportation Policies in Xiamen[J].Journal of Transportation Engineering and Information,2010,8(4):28-34.

[11]高健智，赵耀，马鹤龄，邹志云.中部与东南地区小城市居民出行特征对比研究[J].华中科技大学学报(城市科学版)，2007，24(3)：78-86.Gao Jianzhi,ZhaoYao,Ma Heling,Zou Zhiyun.ResidentTripCharacteristics Comparison in Small Cities Between Middle Zone and Southeast Zone[J].Journal of Huazhong University ofScienceand Technology(Urban Science Edition),2007,24(3):78-86.

[12]陈熙.合肥市中心区城市居民出行特征研究：基于不同区位的研究[J].安徽建筑工业学院学报(自然科学版)，2012，19(9)：54-58.Chen Xi.Urban Residents Travel Characteristics Reasearch ofHefeiBased on Different Location[J].Journal of Anhui Institute of Architecture&Industry(NaturalScience Edition),2012,19(9):54-58.

[13]杨艳群.莆田市城市居民出行特征分析及交通需求管理的对策建议[J].公路交通科技，2010(12)：276-279.

[14]宁景.通化市居民出行特征分析及交通发展对策研究[J].交通标准化，2012(1)：41-44 Ning Jing.Resident Trip Characteristics and Transportation DevelopmentStrategiesin Tonghua City[J].Transport Standardization,2012(1)：41-44.

[15]沈俊江，何保红，孙静怡.中小城市居民出行特征分析及交通发展对策研究[J].公路工程，2011，36(1)：123-126.Shen Junjiang,He Baohong,Sun Jingyi.Analysis on Characteristics of the Resident Trip and Study on Policy of the Transportation Development in Small or Medium City[J].Highway Engineering,2011,36(1):123-126.

[16]南京交通规划研究所.常州居民出行调查分析报告[R].南京：南京交通规划研究所，2004.

[17]陆振波，王雁晖.基于宜兴市居民出行特征的客运交通发展对策研究[J].交通运输工程与信息学报，2008，6(1)：51-55.Lu Zhenbo,Wang Yanhui.Passenger Transport Development Countermeasures Considering the Resident Trip Characteristics in Yixing[J].Journal of Transportation Engineering and Information,2008,6(1):51-55.

[18]Yusak O Susilo,Ryuichi Kitamura.Structural Changes in Commuters’Daily Travel:The Case of Auto and Transit Commuters in the Osaka Metropolitan Area of Japan,1980—2000[J].Transportation Research Part A,2008(42):95-115.

[19]毛海虓.中国城市居民出行特征研究[D].北京：北京工业大学，2005.

[20]张德欣，陈金川，刘莹.北京私人机动车交通出行特征及发展对策[C]//赵胜川，王生武，胡祥培.第六届交通运输领域国际学术会议论文集.大连：大连理工大学出版社，2006：431-438.

[21]张政，毛保华，刘明君，等.北京老年人出行行为特征分析[J].交通运输系统工程与信息，2007，7(6)：11-19.Zhang Zheng,Mao Baohua,Liu Mingjun,et al.An Analysis of Travel Patterns of the Elders in Beijing[J].Journal of Transportation Engineering and Information,2007,7(6):11-19.

[22]M D迈耶，E D米勒.城市交通规划：有关决策的方法[M].曹锡隽，译.北京：中国建筑工业出版社，1980：27-28.M D Meyer,E D Miller.Urban Transport Planning:TheMethod aboutDecisionmaking[M].Cao Xijun,translated.Beijing:China Architecture&Building Press,1980:27-28.

[23]Banister D.The Trilogy of Distance,Speed and Time[J].Journal of Transport Geography,2011(19):950-959.

[24]Julian Hine,Md Kamruzzaman.Journeys to Health Services in Great Britain:Analysis of Changing Travel Patterns 1985-2006[J].Health&Place,2012(18):274-285.