城市居民出行行为模型分析——以哈尔滨为例

吉淑娥，刘财，张平，李万平

(1.黑龙江工程学院 汽车与交通工程学院 哈尔滨 150050；2.中交第三公路工程局有限公司 北京100000)

城市居民出行行为模型分析
——以哈尔滨为例

吉淑娥1，刘财2，张平1，李万平1

(1.黑龙江工程学院 汽车与交通工程学院 哈尔滨 150050；2.中交第三公路工程局有限公司 北京100000)

为了促进大城市内部交通的协调发展，依据城市居民出行调查方法，以往来哈尔滨市松花江两岸居民的出行行为为研究对象，分析影响因素并结合相关参数，建立多元线性回归模型以及双层Logit出行方式选择模型，针对往来两岸出行比例影响较大因素，定量分析参数之间相互影响关系，并通过实例验证模型的有效性，为城市的整体交通发展规划提供必要的依据。

居民；出行行为；多元回归；Logit模型

0 引言

为了满足城市居民的出行需求，准确把握居民的出行行为，可对城市的整体交通发展规划提供必要的依据[1]。哈尔滨市目前以松花江隔开南北两地，由于经济发展与社会需求的不同导致两地交通发展存在一定的不协调性，研究哈尔滨市江南江北城市居民出行行为特征，可通过构建出行多方式选择模型，有效预测居民出行行为对两地交通、环境及其他社会因素的影响，为交通规划及管理部门制定实施交通协调发展策略提供科学依据[2-4]。

1 多元线性回归模型实证分析

1.1 样本选择与分析

文章以哈尔滨为例，根据松花江两岸居民的基本出行特性，通过选取两地有代表性的出行区域，遵循专业交通调查原则及方法进行实地及网络同步调查，调查样本数据汇总分析见表1。

1.2 影响因素分析

根据调查结果，随机选取1000个样本，利用多元线性回归模型对江南江北居民出行比例分析，选取影响因素分别为：性别(x1)、职业(x2)、年龄(x3)、人口数量(x4)、拥有交通工具情况(x5)、出行是否往来江南江北(x6)、到达目的地的时间(x7)、家庭居住地(x8)、个人收入情况(x9)，对因素进行初步筛选及剔除[5]、分组、归类后，见表2。

表1 调查样本基本情况统计表

表2 居民出行影响因素分析表

1.3 模型的参数计算与检验

建立多元线性回归方程模型分析个人出行方式比例:

Y=a+b1x1+b2x2+b3x3+…+bmxm。

(1)

模型中因变量y为往来出行率(包括江南到江北和江北到江南的出行率之和，其中往返出行算一次出行)，自变量x为居民的个人属性和出行属性，a和bj(j=1,2……，p)为回归系数。

对多元线性回归模型求解，利用最小二乘法求解回归系数a和bj，i=1,2……n，j=1,2……，p的值，即误差平方和达到最小时的a和bj的值为最佳估计值[6-7]。

(2)

式中：SSE是估计平方和。

回归方程的显著性检验可以用统计量F作检验：

(3)

式中：SSR是残差平方和。

统计量F服从自由度为(p,n-p-1)的分布，因此，在给定的显著性水平下，若F>a，认为回归方程是显著的，当回归方程经检验是显著的时候，应进一步对各bj做检验，以剔除不太重要的变量。运用逐步回归的方法剔除影响不显著的变量，得出估计参数[5]。

1.4 模型实证分析

将以上选取的9个因素作为往来江南江北比例的影响因素，所以得到的多元线性回归模型见公式(4)：

y=a+b1x1+b2x2+b3x3+b4x4+b5x5+b6x6+b7x7+b8x8+b9x9。

(4)

带入模型得到回归结果见表3。

表3 出行比例影响因素回归模型结果

在置信度为92%的条件下，F检验的绝对值均大于1.45，参数的符号正确[6-7]，模型的拟合度R2值为0.82，说明所建立方程有较好拟合度，选取的自变量对因变量有线性影响关系。把参数带入模型中得到往来两岸出行比例的多元线性回归方程：

y=1.023-0.03x1-0.043x-0.02x3+0.007x4-0.012x5+0.010x6-0.006x7+0.004x8-0.045x9。

(5)

1.5 模型参数分析

分析各组因素在其他因素不变的前提下对往来出行比例的影响[8-9]。

(1)收入、性别和职业的影响。收入和职业对往来两岸出行比例的影响参数分别为-0.045、-0.043，对于居民往来江南江北影响较大，说明收入越高往来江南江北的比例也就更大，反之往来两岸的比例也就越少。同时也说明有职业者来往江南江北的比例要高于无职业者。

性别对往来两岸出行比例的影响参数为-0.030，说明男性往来两岸的比例要高于女性，女性相对于男性对往来出行比例起了相反的作用。

(2)年龄和家庭人口数量的影响。家庭人口数量的影响参数为0.007，说明家庭方面人口数量越多，往来出行比例越大，但影响效果不大。

年龄方面对往来两岸出行比例的影响相比较性别因素影响较小，说明年龄越大往来两岸的比例也就跟高，但此因素属于正态分布，到达一定年龄时比例也就随之减小。

(3)是否拥有交通工具的影响。是否拥有交通交通工具对往来两岸出行比例的影响参数为0.012，说明家庭有交通工具则会增加往来的比例。

2 Logit模型实证分析

2.1 样本选择与分析

选取之前调查数据样本，建立了双层Nested Logit模型，对往来江南江北出行的出发时间段和出行方式选择行为进行了研究[10]。其中上层出发时间选择以8点为界的两个时段，从样本中去除了所有返回出行，一天只有一个出行高峰，主要聚集在上午5点到8点)；下层参数选取了出行方式选择，据前文介绍，把出行方式分为非机动方式，公共交通，出租车和私家车4种[11-12]。

在选取样本分析当中，两个时段出行所占比例分别为54%和46%。4种交通出行方式所占比例依次为：1.非机动方式：15%；2.公共交通：51%；3.出租车：18%；4.私家车：16%。

2.2 影响因素分析

以兼顾社会经济特性、出行属性及服务属性为前提，本模型所研究的往来两岸的出发时间和出行方式因素，经初步筛选及相关度检验后，共包括了11个影响因素，见表4。其中因素x1～x5、x7～x9解释同上，活动时间为x6、出行时间为x10、出行目的为x11。

表4 影响因素注释

其中，收入分为三类：低收入者指收入2 000元以下(包括无收入)人群；中收入者指收入2 000～5 000元人群；高收入者指收入8 000元以上人群。

2.3 模型的参数估计

根据对出行方式影响因素的考虑，选取下层出行方式选择模型的相关7个影响因素[13]，分别为性别、职业、年龄、个人收入、拥有交通工具情况、活动时间、出行时间 、出行目的，将变量带入模型，以非机动方式为模型的参考对象，通过回归得出其他几种出行方式相对于非机动方式的参数估计结果见表5。

表5选择4种交通方式进行估计，其中拟合度为0.573，估计命中率为72.1%，可见下层模型的精度较高。根据非集计模型所得出预测概率的发生比，可得其他三种交通方式相对于步行的概率比：

(6)

居民n选择公共交通对非机动方式的概率比为：

(7)

同理可得居民n选择出租车对非机动方式的概率比及选择私家车对非机动方式的概率比。然后，根据下层估计得出的参数计算包容系数[2]μ1。使其作为上层模型的一个影响因素，同时列入上层模型的选择因素，将变量带入，以8点以后出发时间为参考对象得出估计结果见表6。

表6 往来居民出发时间选择模型参数估计结果

表6中符号注释同上，由计算结果可知，包容系数μt的参数估计值为0.151，在(0，1)之间，通过检验；拟合度合理，模型中下层方式选择得出的命中率为72.1%，表明对往来居民出行方式选择的预测平均正确率为72.1%，上层出发时间选择得出的命中率为66.1%，表明对往来居民出行的出发时间选择的预测平均正确率为66.1%。综上所述，建立的NL模型精度较高。

出行者n在8点以前出发时间相对于8点以后出发时间的概率比为：

(8)

因此，结合两层选择的概率发生比，求得出行者n在往来江南江北的同时出发时间和出行方式两个选择的概率发生比：

(9)

2.4 模型参数分析

参数分析用于分析每种选择对其他参数影响的变化，一般估计系数大于1时，说明这个因素对预测结果影响比较大。在上层模型中，出行目的对出发时间的选择影响参数为1.173，职业影响参数为0.641，可见职业者上班出行占8点前出行主要的比例。在下层出行方式选择模型中，分析了其他三种出行方式相对于步行的选择概率[14]。

(1)出租车的选择影响因素较大的为个人收入、活动时间，参数分别为2.136、1.486，由于有更多的个人收入所以更多的高收入者会选择出租车作为往来江南江北的出行方式。其次活动时间方面，活动时间越大说明弹性出行的可能性越大，更多属于娱乐购物等，所以在居民花费更多活动时间时会选择出租车。

(2)公共交通的选择影响因素较大的为职业、出行时间，参数分别为3.112、2.286，可见上班族多趋于选择公共交通出行方式，用时较长的出行选择公共交通的出行方式更多。

(3)私家车的选择影响因素较大的有是否拥有交通工具、职业，参数分别为0.918、0.732，随着居民生活水平的不断提高，小汽车拥有量不断增加，特别是上班族更多的会选择自驾出行方式。

3 结束语

本文在数据分析的基础上，利用多元线性回归模型，定量分析了居民的各项属性对于往来松花江南北出行比例的影响，得出收入和职业这两个因素对出行比例影响较大，文章构建的双层Logit模型定量地分析了各参数之间相互影响关系，为两岸交通管理协调发展奠定基础。

[1]秦雪.西安市游客旅游交通行为分析与研究[D].西安：西北大学，2010.

[2]甄茂成.基于轨道交通发展的北京城市居民工作出行行为特征研究[D].北京：首都师范大学，2014.

[3]邱小平，孙若晓.基于CDMA系统手机定位的居民出行OD调查技术[J].公路工程，2015，40(1)：84-89.

[4]何山，朱健梅.基于BP神经网络的个体出行模式识别研究[J].公路工程，2014，39(5)：304-306.

[5]ScheinerJ，Holz-RauC.Genderedtravelmodechoice：afocusoncardeficienthouseholds[J].JournalofTransportGeography，2012，24(4)：250-261.

[6]申悦，马修军，赵莹.北京居民活动与出行行为时空数据采集与管理柴彦威[J].地理研究，2013，32(3)：441-451.

[7]杨硕，邓卫，程龙.基于家庭的城市居民活动出行行为研究综述[J].交通运输工程与信息学报，2016，1(2)：92-100.

[8]姜沂兵.基于出行方式选择和交通政策影响的系统优化研究[D].北京：北京交通大学，2016.

[9]陆伟，周博，安丽，等.居住区老年人日常出行行为基本特征研究[J].建筑学报，2015，1(13)：176-179.

[10]姚丽亚，孙立山，关宏志，基于分层Logit模型的交通方式选择行为研究[J].武汉理工大学学报，2010，34(4)：738-741.

[11]曹小曙，林强.基于结构方程模型的广州城市社区居民出行行为[J].地理学报，2011，63(2)：167-177.

[12]吴逸思，柴彦威，郭文伯.基于巡回的郊区居民一周出行行为日间差异——以北京市上地-清河地区为例[J].人文地理，2015，6(146)：27-33.

[13]Gulyani DSS.Mobility，Poverty，and Gender：Travel ’Choices’ of slum residents in Nairobi，Kenya[J].Transport Reviews，2010，30(5)：641-657.

[14]Anggraini R，Arentze TA，Timmermans HJP.Car allocation decisions in car-deficient households：the case of non-work tours[J].Transportmetrica，2012，8(3)：209-224.

Travel Behavior Model Analysis of City Residents in Harbin

Ji Shue，Liucai，Zhang Ping，Li Wanping

(1.Heilongjiang Institute of Technology，Harbin150050，Heilongjiang province；2.China Transportation Third Highway Engineering co.，LTD，Beijing，100102)

In order to promote the coordinated development of the internal traffic of the city，the residents of South and North of Songhua River in Harbin were taken as the research objects according to the survey method of their travel behavior.Factors that affects travel behavior and the relevant parameters were analyzed.A multiple linear regression model and the double Logit choice model were established.The quantitative analysis of the interaction relationship between parameters was conducted on cross-strait travel ratio influence factors and the validity was verified by the examples.The results of this study provide the necessary basis for overall transportation development planning of the city.

residents；travel behavior；multiple regression；Logit model

2016-06-21

黑龙江省教育厅科学技术研究项目(12541662)；黑龙江省大学生创新项目(201511802034 )

吉淑娥，博士研究生，讲师。研究方向：交通工程。E-mail：83407860@qq.com

吉淑娥，刘财，张平，等.城市居民出行行为模型分析——以哈尔滨为例[J].森林工程，2017，33(1)：82-86.

U 491

A

1001-005X(2017)01-0082-05