风景区居民出行交通方式选择研究

任振方,孙小端,贺玉龙

(北京工业大学 城市交通学院，北京 100124)

国民生活水平的提高带动全国旅游业的发展，而旅游消费的提升也为国民经济的增长提供了一大助力。整个旅游产业中旅游交通是旅游活动不可缺少的要素之一，交通是旅游景区生存的前提，其优化水平、可进入性、道路质量和游线组织的优劣等对吸引客源有着极为深远的影响[1]。游客交通、过境机动车交通、本地居民出行交通均是景区交通中不可忽视的重要组成部分，所以研究景区居民出行行为对发展景区交通十分必要。

国外对于居民出行行为的研究相对较早且理论成熟。Hensher[2]、Buliung[3]针对个体出行和相关出行链建立个体出行交通方式选择模型。YinYE[4]研究城市居民小汽车出行方式选择与不同出行链的关系，结果表明复杂出行链对选择小汽车出行更具有显著的影响。Lee Y、Hickman M[5]等研究了家庭成员的整个出行链中的时间分布与家庭结构特征之间的关系，结果显示儿童人口特征、家庭类型特征、年龄特征对家庭成员的出行链中的时间分布影响显著。Gadenne D[6]研究居民出行节能行为与居民环境态度的关系，依此建立了居民出行环保模型。Lin M[7]基于出行大数据，利用城市居民出行数据包挖掘居民出行移动模式，构建出行移动模型。Dib[8]采用遗传算法和可变领域算法相结合的方法研究居民出行公共交通网络最短路径问题。

国内李志瑶[9]周爱娣[10]杨励雅[11]、代晓明[12]等人基于不同地区居民出行样本数据，分别构建了城市居民出行方式的非集计选择模型。近两年，关于交通政策与居民活动行为的关系[13]、居民绿色出行行为驱动机理[14]、依托于大数据环境下的居民出行模式[15]和居民出行公交线路网优化[16]均有不少研究。

交通出行行为研究经过国内外几十年的研究发展，出行模型的研发、居民出行行为、出行链的选择等方面研究取得了显著的成果。但同时也看到，之前主要的出行模型、出行行为研究大多数只是对城市居民通勤出行行为等出行领域进行研究，而对于旅游景区附近居民的本地出行行为研究甚少。本文通过对北京市石花洞景区居民展开实地问卷调查，针对性分析了景区居民的出行特征，利用非集计模型分析研究景区居民交通方式选择影响因素，景区居民出行交通方式选择特征，为景区交通特性分析提供参考依据。

1 风景区居民的交通特性

1.1 石花洞风景区交通状况

石花洞风景名胜区位于北京市房山区境内，距离北京市区55 km。石花洞风景区的地形起伏变化较大，谷地比较开阔。景区道路系统中可达景区周边的高速有京石高速、京昆高速，二级公路有阎河路良坨路、阎河路，连接景区的道路石花洞路宽9 m；石花洞景点距最近地铁站房山线苏庄站直线距离17.5 km；到达景区的公交车房43路每小时发车一班，景区路网稀疏，公交网络系统脆弱。景区客流分布不均衡，法定节假日客流急剧增加，景区基础设施和交通管理不够完善导致景区交通组织混乱，甚至交通瘫痪；进出景区道路石花洞路两侧大量居民沿线居住，居民活动出行交通与旅游出行交通混合，旅游高峰期的居民活动严重影响景区旅游交通。

1.2 景区的发展对居民交通的影响

旅游业的强力关联带动作用给当地居民的生活带来巨大改变。景区的维护发展和正常运作需要当地居民的参与，景区的发展为当地居民提供就业机会，减轻了当地居民的生活负担，游客的到来必然带来景区当地的餐饮、住宿行业的大力发展，居民因此生活水平得以提高，生活理念和日常活动因此受到影响，出行结构产生巨大改变。

景区为了提升旅游竞争力，吸引游客的到来，在前期的投资和后续的维护过程中，修建改建旅游景点的道路，加大旅游区域的路网密度，提升路网的通达性，给游客带来更好的休闲娱乐体验，景区附近道路交通基础设施因而受到极大改善。在旅游淡季，景区居民出行相较以往更加方便。但是，在旅游旺季时，因游客的短时间大量聚集，常常造成景区道路交通堵塞，给当地交通带来严重的拥堵问题，对居民的出行造成严重困扰。

1.3 风景区居民出行特征

风景区虽因旅游交通的需求发展，道路交通设施有所提升，但相较于城市交通，因受地形水文等地理环境的限制，风景区道路等级低，配套交通设施不够完善，断头路较多、路网密度小，路网连通性差，道路线形很难满足舒适行车条件，急弯多，纵坡大，道路安全性低。居民居住分布特点多为沿道路两侧小聚局、大分散的形式，其出行载体以景区道路为主。

相较于城市来讲，景区公共交通出行因区域公交发展规模而受限，居民活动范围较小，多以步行交通为主，而在较长距离的出行中，机动车因其快捷方便的特点也成为较远程出行的主要方式，因风景区平面高度起伏较大，路网安全性低，所以非机动车出行比例较小。居民出行整体耗时短，15 min以内步行的出行占比较高，出行以日常生活中锻炼、购买生活必需品为主。

2 风景区居民出行交通方式选择影响因素分析

影响居民出行交通方式选择的因素一般包括景区居民的个人属性和交通特性两大类。个人属性有性别、年龄、收入、家庭结构(如退休家庭、单身家庭、年轻夫妻等)、生活习惯、家庭小汽车拥有情况等。交通特性包括居民交通方式选择、出行时间、出行目的、交通设施满意度等。

基于石花洞景区本地居民居住环境现状，本文对景区居民进行了问卷调查，共收回有效问卷320份，其中8份选择非机动车，非机动车出行比例太低，在后续的统计中去除了非机动车的统计，并从受访居民的性别、年龄、小汽车拥有情况、出行时间、出行目的这几个方面对景区居民交通方式的选择特征进行分析。根据居民实际出行情况，本文将景区居民出行选择的主要交通方式分为步行、公交、私家车3类。

2.1 个人属性对交通方式选择影响

出行者性别对出行方式的选择的影响主要体现在女性出行者更倾向于经济、节俭、不需要技术操作的交通方式，而男性出行者对出行的体验要求更高，更愿意考虑方便、快捷、舒适、自由的交通方式。本次调查的受访者中男性选择自驾出行比例占到40.9%，远高于女性比例的20.9%。而公共交通的选择比例上女性高于男性，如图1中所示。

图1 不同性别选择交通方式比例

不同年龄的群体在选择交通方式上受身体状况、生活习惯、社会条件的影响对出行时交通方式的选择存在较大差异。20岁以下及60岁以上出行者因客观因素(如驾照，身体健康状况等)的影响，选择自驾的比例非常少，受访出行者中20～60岁中青年选择自驾的比例较高，其中40～60岁中年选择私家车出行达到50%以上。20岁以下及60岁以上的出行者选择步行的比例较高，60岁以上出行者步行占比达到82.7%，这中情况可能的原因是这两个群体出行范围较小，如图2所示。

图2 不同年龄选择交通方式比例

在受访居民家庭拥有小汽车状况与交通方式选择的统计中家中无小汽车的景区居民出行步行占比超过60%，公交占比约40%。对于有车的居民，私家车出行占比较高，达51.6%，公交出行比例占31.9%，选择公交出行的少之又少，如图3所示。

图3 家庭拥有小汽车情况与选择交通方式比例

2.2 交通属性对交通方式的选择影响

出行者因出行目的的不同而对交通方式的提供的服务需求不同，上班、上学出行时准时到达目的地最重要，所以上班、上学群体出行时快捷方便的小汽车和稳定的公共交通利用率相对较高。景区附近短距离出行休闲锻炼时对舒适性和可达性需求高，故而购物、休闲、锻炼等短距离的出行中步行比例高。受访景区居民中上班出行选择自驾比例高达53.5%，步行仅占7%。购物出行选择步行占76%，如表1所示。

表1 不同出行目的选择交通方式

一般而言，出行者更愿意在最短的时间内从出发地到达目的地，在这两地之间可供选择的几种交通方式其各自出行耗费时长影响出行者的选择。短时短距离出行时出行者更愿意采取最方便不受约束的步行方式，长时出行时出行者更想选择自由的自驾模式。本文对景区居民出行时间与交通方式的选择统计中，15 min以内的出行中选择步行比例高达82.4%，随着出行时间的增加，步行的比例越来越低，私家车出行比例越来越高。公交出行比例在15～30 min时间段内的比例最高，为46.3%，如图4所示。

图4 不同出行时长的交通方式选择

将5种影响因素与交通方式选择进行卡方检验可知，显著性水平为0.05时，不同性别、年龄、职业、出行目的、出行时长以及有无私家车的景区居民在选择出行交通方式时有显著差异性，该5种因素均对出行交通方式有显著影响，如表2所示。

3 风景区居民出行交通方式选择行为模型

3.1 非集计模型

非集计模型基于效用最大和随机效用理论，以出行中的每个出行个体为单位，直接利用调查得来的原始基础数据建立模型。相对于集计方法，非集计方法调查样本量小、逻辑性强、预测精度高、具有良好的时间转移性和地区转移性等优点。若假设选择集为Cn，则非集计模型的效用函数形式为

Uin=Vin+εin，i∈Cn.

(1)

式中：Uin为出行者n选择i方案的效用；Vin为出行者n选择i方案的效用中可以观测的特性向量的确定项效用；εin为出行者n选择i方案的效用中不可观测的喜好导致的概率变动项效用。

表2 各因素与交通方式卡方检验

目前，考虑到结果分析和系数标定的方便性，效用确定项的函数表达式常采用线性函数

(2)

式中：θk为第K个特性向量的待定系数；Xink为出行者n选择i方案的第k个特性向量的值。

根据效用最大化理论，个体n选择第i种方案的概率为

Pin=P(Uin≥Ujn,∀j∈Cn,j≠i)=

(3)

本文运用MNL(Multinomial Logit Model)模型对风景区居民出行方式的选择行为进行标定。MNL模型是非集计模型中最常用的离散选择模型之一，该模型假设其效用变动项εin与确定项Vin相互独立，且εin服从Gumbel分布，具体表达式为

(4)

3.2 MNL模型的建立

本文研究的石花洞景区居民出行方式主要包括步行、公交、私家车3种日常生活中常用的交通方式，因此出行者选择方案合集C为

C={i=1(步行)，i=2(公交)，i=3(私家车)}

5个特性变量性别、年龄、出行目的、出行时间、小汽车拥有情况的取值如表3所示。

表3 影响因素分类表

本文以私家车的选择概率为参照水平，则选择其他交通方式的概率模型的表达式为

(5)

式中：αi为选择i类交通方式的截距；βink为选择i类交通方式第k个影响因素的第t个分类变量的参数；Xinkt为出行者n选择i方案的第k个特性向量的值。

运用SPSS辅助运算得出参数估计结果如表4所示。

故该模型结果为：

Ln(P1n/P3n)=-2.479-0.826X11+

0.348X21-1.891X22-2.603X23+

6.039X31-2.671X41-1.155X42+

3.291X43+1.051X44+4.049X51+

3.388X52+2.962X53

Ln(P2n/P3n)=-1.380-1.671X11+

2.888X21+0.096X22-1.574X23+

6.371X31-3.709X41-1.999X42+

2.857X43-1.336X44+0.806X51+

2.169X52+1.779X53

表4 模型参数估计结果表

3.3 模型检验

对模型的结果和拟合度进行检验，在显著性水平为0.05情况下，引入预测变量的最终模型与仅有截距的模型具有显著性差异，表明模型具有统计学意义，如表5所示。

表5 模型拟合信息

对模型的自变量似然比检验，模型中的5个自变量性别、年龄、有无小汽车、出行目的、出行时长的显著性水平均小于0.05，5种影响因素对模型构建均有显著贡献，如表6所示。

表6 似然比检验

根据模型对景区居民出行方式进行预测并集计，结果表明构建的风景区居民出行模型对个体的出行方式选择预测精度较高，其中公交的预测命中率最低为84.0%，如表 7所示。

表7 预测结果表

4 结束语

本文以北京石花洞景区为例，通过现场问卷意愿调查获取石花洞景区居民的出行特征信息，结合石花洞景区的交通现状，分析景区居民出行交通方式影响因素，利用非集计多项logit模型对石花洞附近居民出行方式选择行为进行研究。模型结果显示以景区居民出行时出行者的性别、年龄、家庭小汽车状况、出行目的、出行时间等影响因素构建的多项logit模型预测出行选择方式准确率较高，景区居民出行受出行时长影响较大，家中有车居民在日常活动中更愿意驾车出行，中青年更喜欢自驾出行。景区交通拥堵是制约景区发展的一大因素，景区外部交通系统的组织优化时应以高峰期旅游交通为主，景区本地居民出行交通为辅，根据景区居民的出行需求以及出行特征，合理优化减少高峰期本地居民和外来游客的交通冲突，优化配置景区淡季交通设施的利用，减少交通资源的浪费。