邯郸市出行者交通方式选择行为差异性分析

杨万凯， 王振报， 张晓艳， 周冬冬

(1.河北工程大学 土木工程学院， 河北 邯郸 056038； 2.长沙理工大学 交通运输工程学院， 湖南 长沙 410114)



邯郸市出行者交通方式选择行为差异性分析

杨万凯1， 王振报1， 张晓艳2， 周冬冬2

(1.河北工程大学 土木工程学院， 河北 邯郸 056038； 2.长沙理工大学 交通运输工程学院， 湖南 长沙 410114)

针对邯郸市城市轨道交通线路规划工作，根据居民对轨道及其他交通方式选择的意愿调查，利用ML模型对影响公共交通和小汽车使用者出行方式选择的显著性因素进行差异性分析；进行出行方式选择弹性分析，得出不同影响因素设计水平下各交通方式客流分担率之比. 其结论为相关政策的制定提供参考.

交通规划; 出行行为; 交通方式选择; ML模型

随着我国城市化进程的加快，城市规模的不断扩大，交通问题也日益突出. 出行矛盾不断加剧，交通状况急需改善. 面对这些问题，许多学者进行了一系列的研究和分析. 陈秋香[1]就校区之间师生的交通出行方式选择建立了Nested Logit模型的选择树，确定了选择方案集合为校车、公共汽车以及私家车，并确定效用函数的特性变量为出行时间、出行费用以及职业,再对各个参数进行标定，最后集计出了各种出行方式的选择概率. 张飞飞等[2]通过对南京市居民出行方式的调查,建立多项Logit 模型,得出了南京市居民出行方式选择的显著性影响因素有出行距离、职业、有无私家车、性别以及是否有小孩等,并根据最终的估算结果分析了不同政策下交通方式改变带来的节能减排效应. 贾洪飞等[3]通过建立公交车和小汽车出行方式选择的二肢Logit 模型，分析了不同收费价格下两种交通方式所分担的交通出行比率及道路交通饱和度的变化情况，评价了拥挤收费政策对优化城市交通结构，缓解交通拥挤的作用. 殷焕焕等[4]利用2009年济南市居民出行调查数据，确定了影响居民出行方式选择的特性变量，建立了居民出行方式选择的多项Logit模型，分析得出了居民出行方式选择与个人属性、家庭属性和出行属性之间有较稳定的关系的结果，并对模型进行了有效性验证，证明了所建模型可行且具有较高的预测精度和实用性. Logit模型在研究出行者交通方式选择方面运用较为普遍，并具有较好的效果. 邯郸市相关部门正在进行城市轨道交通线路规划工作，对未来出行方式(包括公交、小汽车以及轨道交通等)，本文利用Multinomial Logit Model(ML)模型对居民进行交通方式选择行为进行分析，分别探讨影响公共交通和小汽车使用者出行方式选择的显著性因素，并进行预测分析，研究结论可为规划方案和政策制定提供参考.

1 ML模型基本原理[5-6]

ML模型的基本依据为效用最大化理论，认为效用是一个随机变量，而且是由固定项和随机项构成. 效用函数项的具体形式可由1种或多种函数形式表达. 考虑到结果分析和系数标定时的方便，假设效用固定项Vin与特性向量Xink呈线性关系，随机项εin相互独立，且服从同一的Gumbel分布，则可推导出城市居民出行方式i的选择概率Pin为

(1)

ML模型的具体分析过程包括定义效用函数、确定选择肢、确定特性变量、数据准备、参数估计及t检验和模型应用等步骤.

2 交通出行调查及数据初步整理

2.1 RP和SP调查简介

非集计模型的数据调查可分为在实际环境下的选择性行为的调查以及在假设环境条件下对出行者交通方式选择行为进行的调查. 前者称之为Revealed Preference(RP)调查，后者称为Stated Preference (SP)调查. RP调查是对已完成的选择性行为的调查，与之相对应的SP调查是指为了获得出行者在假定条件下的出行方案所表现出来的主观偏好而进行的意向调查.

2.2 邯郸市居民出行调查及问卷设计

影响居民出行方式选择的主要因素可分为：个

人属性、家庭属性和出行方式属性. 个人属性主要包括：年龄、职业、收入等；家庭属性包括：是否有小汽车等；出行属性主要包括：出行目的、出行费用、出行距离等. 本文的调查对象为目前使用公交和小汽车的通勤上下班群体，采用RP与SP结合的调查方法，询问出行者个人属性和目前交通方式选用情况，并对未来轨道交通线路建成后通勤上下班交通方式选择的意向，从公交、地铁、小汽车3种交通方式中选择最有可能使用的一种交通方式. 主要影响因素包括：出行时间、出行费用、出行距离、出行者性别、年龄、家庭收入状况等.

2.3 数据初步整理

本次调查有效问卷共498份，其中公交车通勤出行者问卷285份，小汽车使用者问卷213份. 轨道交通线路建成后，目前选择公交方式和小汽车方式的出行者，将来出行方式选择意向比例结果分别见表1和表2.

表1 现状公交使用者选择不同出行方式人数及比例

表2 现状小汽车使用者选择不同出行方式人数及比例

3 邯郸市交通方式选择分析

3.1 ML模型的变量

对所有有效样本进行初步数据分析和影响因素t检验(本文略)，保留显著性影响因素，变量设置见表3.

表3 特性变量汇总表

3.2ML模型标定结果

表4 公交车出行者样本模型检验

表5 公交车出行者样本参数估计及t检验结果

对于目前选择小汽车的出行者进行模型参数标定和检验，其结果见表6和表7. 由表中检测结果ρ2=0.593>0.2，可见模型精度较高. 的中率为85.1%，可知模型精度在可接受范围内. 结合t检验结果得出，除出行总费用、性别、年龄、收入的t检验值大于1.96外，其余系数t检验值均小于1.96，说明出行总费用、性别、年龄、收入等属性对出行者出行方式的选择产生的影响比较显著.

表6 小汽车出行者样本模型检验

表7 小汽车出行者样本参数估计及t检验结果

3.2 模型应用

通过调整地铁和公交票价，引导出行者在公交和地铁之间进行交通方式选择. 在不同的地铁和公交票价比条件下，利用ML模型计算得到地铁与公交的客流量之比，结果见图1. 可以看出，随着地铁与公交票价比的增加，地铁与公交客流量之比呈现逐步减小趋势，地铁与公交票价比>2时，下降幅度变缓.

图1 不同地铁票价与公交票价比下的地铁与 公交客流量之比

当考虑需求管理政策对小汽车出行的影响时，通过调整停车费率和公共交通票价比，引导小汽车出行者在小汽车和公共交通(包括地铁和公交)之间进行交通方式选择. 在不同的停车费率和公共交通票价比条件下，利用ML模型计算得到小汽车与公共交通的客流量之比，结果见图2. 可以看出，当停车费率与公交费用之比<4时，小汽车与公交客流量比变化较大；当停车费率与公交费用之比>4时，小汽车与公共交通客流量之比变化缓慢.

4 结束语

在考虑影响居民出行方式选择的主要因素基础上，针对目前公交使用者和小汽车使用者分布建立了出行方式选择的ML模型，并对模型进行了标定与验证. 该模型能有效地找出影响邯郸市公共交通和小汽车使用者未来轨道交通建设方案下的交通方式选择的显著性影响因素，其结果具有一定的差异性. 应用此模型通过调整不同出行方式使用费用成本，进行出行方式选择结果预测，可为邯郸市交通管理部门制定公交票价和停车费率提供参考，达到优化交通方式结构的目的.

图2 不同停车费率与公共交通票价比下小汽车与公共交通客流量之比

[1] 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.

[2] 张飞飞, 刘蓓蓓, 毕军, 等. 城市居民交通方式选择及其影响因素分析[J]. 四川环境, 2012, 31(3): 132-138.

[3] 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, 2007, 36(6): 1288-1293.

[4] 殷焕焕, 关宏志, 秦焕美, 等. 基于非集计模型的居民出行方式选择行为研究[J]. 武汉理工大学学报, 2010, 34(5): 1000-1003.

[5] 姚丽亚. 基于非集计模型的轨道交通客流需求预测方法研究[D]. 北京: 北京工业大学, 2008.

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

An Analysis of Travel Mode Choice Behavior in Handan

YANG Wan-kai1, WANG Zhen-bao1, ZHANG Xiao-yan2, ZHOU Dong-dong2

(1.College of Civil Engineering, Hebei University of Engineering, Hebei Handan 056038, China;2.Changsha University of Science and Technology, Transport Engineering, Hunan Changsha 410114, China)

The City of Handan is planning and designing the rail transit lines. A survey of residents' travel mode choice is carried out. This paper analyzed the difference between the significant factors influencing the travel mode choices of public transport and cars using the Multinomial Logit Model. The elastic analysis of travel mode choice is made, and the mode shares are estimated based on the influence factors with different levels. The conclusions can provide a reference for the transport policy decision-making.

traffic planning; travel behavior; mode split; ML model

10.13986/j.cnki.jote.2015.03.003

2015- 01- 19.

河北省自然科学基金(E2014402003)，河北工程大学青年学术骨干项目.

杨万凯(1990—)， 男， 山东潍坊人， 硕士研究生, 研究方向为道路交通规划设计. E-mail：1533261651@qq.com.

U 491

A

1008-2522(2015)03-10-04