拥挤收费对居民非通勤出行的影响分析＊

王 鹏，郑长江 ，王 晨

(1.河海大学 土木与交通学院，江苏 南京210098;2.东南大学 城市智能交通江苏省重点实验室，江苏 南京210096)

治理交通拥堵问题，最初是通过城市道路的建设［1］。但是飞速增长的机动车数量以及日益紧张的城市用地面积导致无法依靠增加道路数目来解决交通拥挤的难题。最好是能通过交通管理的手段来缓解交通问题［2］。比如拥挤收费的方式，这样就可以在时间和空间上缓解过于集中的交通量，减少了高峰期以及市中心等繁忙路段的交通负荷。

1 意向调查内容

本文主要是针对拥堵收费对居民内外非通勤出行的影响，于是选择了北京这个经济文化的中心城市，具体的调查办法是通过发放问卷以及网上调查。

综合考虑抽样方法的优缺点，北京市常规公共交通出行比例上升到56%，其中公交大约占40%，地铁大约占30%，本次调查采用基于选择方式的分层抽样方法［3］确定几个重要小区和路口，确定有效总样本量为215［4］。

出行方式选择调查属于行为调查［5］，分为RP调查和SP 调查，考虑到北京尚未实施拥挤收费，以及两种调查的优缺点，本次研究采用RP 调查和SP调查相结合的方式，这样可以提高问卷以及网上调查的精确性。问卷需要设计到三个方面的内容，一是出行者个人以及家庭的基本信息，二是出行的行为信息包括出行目的和起讫点，第三是拥堵收费下出行意向调查及合理的收费标准。本次调查内外非通勤出行有效样本量为68。

2 内外非通勤出行方式选择

在统计分析了意向调查结果之后得到内外-非通勤类各选择枝被选占比表(单位%)，见表1。

表1 内外-非通勤类各选择枝被选占比表

内外非通勤出行的概念就是起讫点中只有一个在收费区域内部。实施拥堵收费之后，继续选择开车付费的比例仅仅为13%，其余87%的人都选择了错时避费或者选择转向其他的交通方式，由于是非通勤，娱乐居多，且距离不近，选择自行车出行的比例近乎为0。

本论文选取的MNL 模型特性变量［6］可以分为出行者社会经济属性以及出行方式属性两类。其中，出行者社会经济属性特性变量包括年龄、性别、职业、家庭收入、对目前交通现状的看法、是否有需接送其上下学的孩子以及是否有交通补贴等。出行方式属性特性变量，按照小汽车、公共交通以及自行车三种方式设定。

该类出行方式选择模型构建共经历了五次试算，从最终的计算结果表来看，效用函数参数1、参数2、参数3、参数4、年龄、性别、家庭收入、职业、有无需接送其上下学的孩子、有无交通补贴、拥堵费用、停车费用、公交方式全程时间、公交方式换乘次数、公交车票费、ln(cardistance)、ln(parkfare)、ln(fuelcost)、cardistance0.5以及fuelcost0.5对模型具有显著影响。

经过计算，该模型的命中率为60.3%，模型的拟合优度比ρ2= 0.392，表明模型的精度较高［7］(ρ2在0.2 ～0.4 之间就很高了)。

由模型的命中率和拟合优度比可以看出，该模型能较好的反映各变量对于内外-非通勤类出行者在拥堵收费条件下的出行方式选择的影响，也可以较好的模拟内外-通勤类出行者在拥堵收费条件下的出行方式选择行为，且模型精度较高，因此，将该模型作为内外-非通勤类出行者在拥堵收费影响下的出行方式选择模型，模型结果见表2。

表2 拥堵收费政策影响下的内外-非通勤模型结果表

3 关键因子

非集计Logit 模型认为出行者在出行方式选择时追求“效用(utility)”的最大化，即效用值越高的出行方式被选择的概率也就越大。因此，在模型各选择枝的效用函数中对效用值影响最大的因素即为关键因子［9］。内外-非通勤类模型变量对各选择枝效用值的影响程度见表3。

表3 内外-非通勤类模型变量对选择枝效用值的影响程度表

首先，在开车付费所对应的9 个变量当中，age和subsidy 对效用值影响的变化范围最大，且其对效用值影响的最大绝对值(age 对应的影响最大绝对值为6.4223，subsidy 对应的影响最大绝对值为15.203)较大。年龄(age)和有无交通补贴(subsidy)为该模型的关键因子，越年轻的出行者选择开车付费的概率越大，有交通补贴的出行者选择开车付费的概率比没有交通补贴者大。

出行者的年龄(age)、有无交通补贴(subsidy)以及停车费用(parkfare)为该模型的关键因子，越年轻的出行者选择开车付费的概率越大，有交通补贴的出行者选择开车付费的概率比没有交通补贴者大，停车费用越低则内外-非通勤类出行者选择开车付费的可能性越大。

4 敏感性分析

本文调查数据显示，内外-非通勤类出行的起讫点分布与受访者的居住地和工作地分布一致性较弱。因此应考虑对居住地或工作地位于收费区域内的小汽车出行者优惠收费，对居住地和工作地均位于收费区域外的全额收费［9］。

以2 元/天为增长步长，选取5 ～21 元/天9 种全额拥堵费用水平，选取四折优惠比例水平作为一个研究对象，具体设置方案见表4。

表4 用于内外-非通勤类出行敏感性分析的拥堵费用水平表 元/天

内外-非通勤类出行的方式比例变化如图1所示，横坐标表示收费标准，如“5，1”即表示全额费率为5 元/天，优惠费率为1 元/天;开车付费方式趋势线拟合公式中的x 表示全额费率值。

图1 四折不同费率组合下内外-非通勤类模型的出行方式选择比例变化图

可见，对于内外-非通勤类出行，随着拥堵费用的增加，开车付费方式比例呈现明显下降趋势，错时避费出行、绕路避费出行以及公交出行的方式比例均呈现不同程度的上升趋势，另外自行车出行方式比例始终为0。

利用敏感性系数［10］计算，针对小汽车出行方式选择比例，可以得出各拥堵费用水平下的敏感性系数绝对值变化图，如图2 所示。

图2 不同优惠比例下内外-非通勤类模型的敏感性分析图

表5 为内外-非通勤类出行在四折优惠比例条件下，针对小汽车出行方式的敏感性分析相关结果。

表5 内外-非通勤类出行的开车付费方式敏感性分析结果表

由图1 和表5 可知，对于内外-非通勤类出行，拥堵费用变动对开车付费方式比例的敏感性随拥堵费用的增大而先增大后减小;敏感性系数绝对值大于1 的高敏感性范围随优惠比例的上升而缩小，最为敏感拥堵费用范围值随优惠比例的上升而下降;驻点(对应敏感性系数绝对值为最小值0 的点)所对应的全额拥堵费用随优惠比例的增大而增大，此时全额拥堵费用为32 ～43 元，小汽车方式比例均将达到最低值0%。

5 结论

本文建立了拥堵收费影响下的交通出行方式选择模型，初步揭示了各类因素对居民出行方式选择的影响;利用敏感性分析和拥堵收费影响下的交通出行方式选择宏观预测方法，探究了在拥堵费用的取值变动下各类人群的出行方式选择结果变化规律和差异性，并对拥堵收费政策的收费标准进行了探讨。

［1］陈莎. 城市中心区拥堵收费配套政策及措施研究［D］. 北京:中国城市规划设计研究院，2007.

［2］石琼，吴群琪. 拥堵收费为主导缓解城市交通拥挤可行性研究［J］. 长安大学学报:社会科学版，2004，6(3):38 -42.

［3］朱嬿，李章华. 模糊综合评价的离散抽样模型［J］. 清华大学学报:自然科学版，2000，40(8):121 -124.

［4］王方. 基于SP 调查的行为时间价值研究［D］.北京:北京工业大学，2005.

［5］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.

［6］金安. LOGIT 模型参数估计方法研究［J］.交通运输系统工程与信息，2004，4(1):71 -75.

［7］张卫东，雷敏. 加权最小二乘估计中的拟合优度［J］. 中国统计，2006(8):53 -54.

［8］金安. LOGIT 模型参数估计方法研究［J］.交通运输系统工程与信息，2004，4(1):71 -75.

［9］王伟，郑长江. 拥挤收费下城市居民内外通勤出行方式影响分析［J］.大连交通学报，2014，35(4):13 -16.

［10］Walters A A. The theoty and measurement of private and social cost of highway congestion［J］.Econometrica，1961，29:676-699.