基于分层logit模型的旅游交通方式选择研究

孙潇昊 徐亚楠 陈大伟

（东南大学交通学院 南京 210096）

0 引言

旅游交通的便捷程度影响游客对旅游目的地的选择，方便、快捷、大容量的“快旅”［1］交通有助于旅游目的地的可持续发展。对于影响旅客交通工具选择行为的因素的研究，郭寒英等认为在交通系统中，旅客不仅是出行行为和交通工具选择行为的决策者，同时也是促使活动成为现实的决策者。李敏认为影响客运方式选择的因素一是需求特性；二是供给特性。齐银山认为旅客根据各种运输方式的服务特性并结合自身的社会经济条件和出行目的，按效用最大化原则做出选择。在交通工具选择的研究上面，林新敏探讨了捷运木栅线通车前后，个体运输工具选择模式的差异。王郁珍建立了显示性偏好模式、叙述性偏好模式及整合型偏好模式3类交通工具选择模式探讨台南台北城际大众运输交通工具选择的问题。周世鑫则透过最小成本的概念，结合显示性偏好与叙述性偏好数据的整合模式。温杰华等利用多项logit和巢式logit选择模式探讨城际旅游者对交通工具及国道客运公司选择行为。

而目前针对旅游交通的方式选择研究还较少，特别是综合性的方式选择研究。笔者则采用分层式logit模型对交通方式的选择展开研究，最终得到较为符合实际的结果，该研究有利于旅游地的规划。

1 旅游消费中交通工具选择的转变

旅游交通不同于传统意义上的出行交通，它不仅包含了交通的共性，还对出行的时间、安全、便捷有着不同的要求，又体现出旅游行为的特性。因此，出行方式选择影响因素也不尽相同，会产生不同的选择行为。

在过去，我国交通运输线路少、质量差、还没有形成1个完整的道路网，同时运量规模小、运输效率低、耗费时间长。人们旅游出行大多选择近距离旅游，这样相对来说比较方便。

而现在的人们越来越重视节约时间，因此，少花时间已经成为不少人交通工具选择的第一原则。人们对旅游交通工具的选择以火车、高铁与汽车为主。具体的转变趋势见表1。

表1 旅游交通方式的转变Tab.1 The change of the tourism transportation

2 旅游交通工具选择的影响因素

2.1 游客感知距离的影响

游客感知距离［2］是影响旅游消费决策的重要因素。感知距离一般可以分为空间距离、心理距离和经济距离，这几种距离之间是有一定差别的。

空间距离可以在旅行时间上影响游客的旅游消费，而交通工具的改变可以使心理距离缩短，在一定程度上克服这种时间上的限制，因而心理距离取决于空间距离和交通工具的选择。交通费用的高低又决定了出游距离的半径（经济距离）。因此，受空间距离影响的旅游费用同样可以在经济上限制游客的旅游消费。

2.2 交通工具选择的影响因素

从上文可以看出，交通方式选择主要受感知距离的影响，而具体的影响因素多种多样，与空间距离有关的影响因素主要有距离和时间；而心理距离又决定了旅游情况和舒适度对交通工具选择的影响；最后与经济距离相关的影响因素则是年收入。但是，还有1种情况不得不进行考虑，那就是交通方式的成熟度，如果某地交通便利，飞机与高铁设施良好，那么选择该方式的比例就会相应增大，相反，则即使距离较远也无法选择该交通方式。

3 旅游消费交通工具选择的建模

3.1 建模思路

同时考虑多种交通方式的选择模型中，有多项logit（MNL）模型［3］和基于分层logit（NL）模型等选择。虽然MNL模型较传统的集计模型在预测精度上有了显著提高，但在实际应用中选择方案存在相互关系，而MNL 模型适合于各选择方案相互独立的情况。但是NL模型则有效地克服这点，适用于选择方案中某几个选择具有相关性的情况。本文各个交通方式之间具有很强的类似性，因此，拟建立基于NL模型作为交通方式选择模型。

考虑到现在供选择的交通方式有飞机、火车、高铁、汽车4种，其中汽车又可以分为私家车、长途汽车和旅游大巴。一般可以把旅游出行的出行情况分为2种，分别是直达旅游景点和换乘到达旅游目的地。其中私家车和旅游大巴属于直达目的地旅游，而飞机、火车、高铁和长途汽车都属于第2种，也就是乘坐交通工具后需要换乘才能到达旅游地。在这里因为轮船的可达性问题，不考虑轮船。

按以上思路，得到交通方式选择树如图1所示。笔者根据非集计模型的效用理论，首先对水平2的模型进行标定，将得到的参数代入水平1，再对水平1的模型进行标定，得到各交通方式的选择概率。

图1 交通方式选择树示意图Fig.1 The tree diagram of traffic mode choice

3.2 NL模型基本原理

非集计模型的理论基础是出行者追求选择结果的效用最大化，出行者在特定的选择条件下，选择效用最大的方案［4］。非集计模型的效用函数由固定项和概率项组成

式中：Ui，n为出行者n选择第i种方案时的效用函数；Vi，n为出行者n选择第i种方案时的效用函数的固定项；εi，n为出行者n选择第i种方案时的效用函数的概率项。

当假设ε服从二重指数分布、且各变量两两相互独立时，可以得到出行者n选择方案i的概率为

式中：Pi，n为出行者n选择方案i（i＝1，2，…，N）的概率；N为可供选择的方案个数。

分层logit模型的分层原则是将被认为选择方案的类似性较大作为1个层次，将不同类型的选择方案作为不同的层次［5］。其基本公式如下

式中：Umn为出行者n选择方式rm的效用；v（r｜m）n为出行者n选择方式rm时，效用由于rm和m的组合而变化部分的固定项；Vmn为出行者n选择方式rm时，效用中与r无关，而仅随m变化部分的固定项；ε（r｜m）n为在选择了m的条件下选择了rm的效用的概率项，设其服从于均值0。方差为的二重指数分布；εmn为出行者n选择了m的效用概率项。

3.3 初步分析

为分析各种因素对于交通方式选择的影响，掌握游客对于各种交通方式的选择的喜好［6－8］。在南京江宁区发放问卷，调查内容包括出行者特性（出行者的性别、年龄、年收入）、出行特性（旅游情况、出行距离）以及交通方式服务水平（交通方式的舒适度、时间和费用）。

调查得到的结果是：性别对结果的影响并不大；旅游情况是否直达对结果影响较大；旅游地距离较远或时间相对较紧时，更倾向于选择快速的交通方式；年收入高的人群或对旅途舒适度要求较高的人群，倾向于选择飞机。对调查得出的数据进行初步分析，得出各因素的相伴概率，见表2，计算结果与上述分析吻合。

表2 各因素的相伴概率Tab.2 Concomitant probability of each factor

因此确定带入水平1的离散变量为距离、时间、收入；代入水平2的离散变量为观光目的、舒适度。带入模型的连续变量为年龄和费用。

3.4 模型标定结果

根据因素分析结果，得到NL 方式选择模型特性变量以及数据结构表，但是此数据结构表格是1个综合性、基础性较强的数据表格，虽然考虑了汽车、火车、高铁、飞机、旅游大巴等诸多交通工具，但是未能充分考虑现代化交通的影响，即现在人们选择高铁和飞机的概率明显上升，因此，需把高铁和飞机的相关权重加大，相应的把汽车和火车的相关权重减小，以使其更符合现在游客的实际选择情况。

基于上文旅游消费中交通工具选择的转变的相关论述，对数据表格进行改进，将与飞机的距离与收入有关的数据结构和高铁的时间数据结构记为1，而火车和长途汽车的距离等数据结构记为0，见表3、表4。

表3 数据结构表（之一）Tab.3 Data structure table（Ⅰ）

表4 数据结构表（之二）Tab.4 Data structure table（Ⅱ）

利用调查数据对模型进行标定，标定结果及模型检验如表5、6所列。

表5 logit模型标定结果Tab.5 The calibration results of logit model

表6 交通方式选择模型检验Tab.6 Traffic mode choice model checking

从表5中t值数据可以看出，各参数的t检验值都在0.05以上，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，反之也就是出行者越不倾向于选择该交通方式。但数据分析时存在1个问题，那就是水平1的θ2和水平2的β3，β4 和的t检验值说明变量对交通工具的选择影响不显著，但并不将这些变量去除，而是对水平1 和水平2 的模型的准确性进行分析，若得出的精度较高，表示这些变量可以接受，否则去除后重新建立模型。

为了评价模型预测的准确性，对优度比和拟合优度比进行分析，其值在0～1之间，其值越大模型的精度越高，一般认为其值达到0.2～0.4时，即认为可以接受。从表6的结果可看出该模型的预测精度还是比较高的。

一般认为的中率大于80%即可视为模型可靠，本模型水平1 和水平2 的的中率分别为84.7%和80.6%，可见模型预测精度可以接受。因此，之前的影响不显著参数仍然取用。

4 交通工具选择预测

根据上文所提出的模型，对现在人们旅游消费交通工具的选择进行预测。由于在旅游消费中，距离的影响不容忽视，因此，把距离的远近按3种标准来划分，预测国内旅游交通工具的选择。具体的划分情况是近距离旅游，省内邻近城市之间，距离大概300km 以内，以南京到常州为例；中距离旅游，相邻省城市之间，距离大概800km以内，以南京到上海为例；长距离旅游，距离超过800km，以南京到广州为例。由于考虑到距离的影响，所以预测模型采用水平1来进行。

首先是近距离旅游，根据公式（如下）和表6中参数的值可以计算得出汽车、火车、高铁、飞机的效用值。最后得出近距离旅游中，游客选择长途汽车和高铁的概率较大见表7。

同样的方法用来计算中距离旅游和远距离旅游各种交通方式的效用值，最后得出：中距离旅游选择火车与高铁的游客占绝大多数；远距离旅游选择火车、高铁和飞机的游客占绝大多数。

表7 各种距离交通方式选择概率Tab.7 Choice probability of various distance transportation

将表7得到的概率表8进行对比分析，最后得出相差的概率都在0.05以内，因此，模型与实际情况较为符合。

表8 实际交通方式选择概率Tab.8 The actual traffic mode choice probability

5 结束语

人们旅游时交通工具的选择与过去相比发生了巨大的转变。利用分层logit模型对交通方式选择的各影响因素进行分析，得出其影响参数，且精度达到检验要求。该模型应用于实际情况，得出各种交通方式选择的计算概率与现今的实际概率相符合。因此，该研究对于旅游地的规划是很有意义的。

但由于该研究在某交通方式不可达时参数直接记为0，因此，对于成熟度高的地区更适用。若对于成熟度低的地区则需要重新进行参数设定并求解得到更为精确的交通方式选择概率。

［1］梁雪松.旅游消费需求与交通工具选择的相关性研究：基于高铁与航空运输视角［J］.经济问题探索，2012，11（2）：20－26.Liang Xuesong.Correlation between tourism and transport consumer demand choice－economic issues based on high－speed rail and air transport perspective［J］，2012，11（2）：20－26.（in Chinese）.

［2］李作志，王尔大，苏敬勤.旅游资源需求函数模型及应用［J］.系统工程理论与实践，2012（2）：274－282.Lee Zuozhi，Wang Erdai，Su Jingqin.Tourism resource demand function model and its application［J］Systems Engineering Theory and Practice，2012（2）：274－282.（in Chinese）.

［3］陈秋香.Nested Logit模型在交通出行方式选择中的应用［J］.甘肃科学学报，2013，25（2）：133－136.Chen Qiuxiang.Nested logit model in transportation travel mode selection［J］.Gansu Sciences，2013，25（2）：133－136.（in Chinese）.

［4］Ivanova O.A note on the consistent aggregation of nested logit demand functions［J］.Transportation Research Part B，2005，39（10）：890－895.

［5］Jones S，Hensher D A.Modelling corporate failure：A multinomial nested logit analysis for unordered outcomes［J］.The British Accounting Review，2007，39（1）：89－107.

［6］杨昌涛，靳文舟，范雪婷.基于巢式Logit模型的交通方式选择行为研究［J］.公路与汽运，2011，10（4）：62－65.Yang Changtao，Jin Wenzhou，Fan Xueting.Choice behavior research based on nested logit mode of transportation models Highway［J］.Highways Applications and Automotive，2011，10（4）：62－65.（in Chinese）.

［7］康文峰，孙 宝.基于主成分法优化的轨道交通通勤出行方式选择研究［J］.交通信息与安全，2013，31（3）：74－78.Kang Wenfeng，Sun Bao.Selection based on principal component analysis optimization of rail commuter travel mode［J］.Journal of transport Information and Safety，2013，31（3）：74－78.（in Chinese）.

［8］武勇彦，刘小明，魏中华，等.旅游交通引导标志系统设置方法研究［J］.交通信息与安全，2011，29（2）：23－26，31.Wu Yanyong，Liu Xiaoming，Wei Zhonghua，et al.Tourist traffic guidance signs system settings method［J］.Journal of transport Information and Safety，2011，29（2）：23－26，31.（in Chinese）.