城市居民短距离出行比例研究

2019-10-21卢笑

信息技术时代·中旬刊 2019年1期

摘要：将博山市居民的出行行为作为研究对象，分析短距离出行比例的影响因素，并结合相关参数，创建多元线性回归模型，利用SPSS定量的分析各种影响因素对短距离出行比例的影响，回归的参数值表明所选的影响因素与短距离出行比例存在线性相关性，所得结论认为年龄和有无职业这两个因素对短距离出行比例具有较大的影响。

关键词：交通工程；短距离出行；出行行为；多元线性回归

1居民短距离出行特征分析

为获取更加真实有效的数据，针对本文设计了《居民短距离出行调查问卷》，调查的内容要包括居民的性别、年龄、有无职业、家庭年收入等相关内容，能够更加全面了解民出行的基本情况。本次问卷以实地问卷为主、网络问卷为辅，对淄博市博山县居民进行随机调查，共发放问卷2000份，其中有效问卷1278份。

1.1个人特征分析

在所调查的人群中，男女比例为1：1，其中，19岁以下的人员占8%，20-39岁的占44%，40岁以上人员的占48%；有职业者占80%，无职业者占20%。被调查者所在的家庭年收入分布情况呈现正态分布，年收入3-5万的占34%，在被调查人员中所占的比例最高，年收入低于一万或高于十万的占5%左右，所占比例最低。在所调查的人群中，家庭人数为3人的所占比重最大，为47%；家庭人数为1人的所占比重最小，为1%。

1.2交通出行特征分析

根據调查结果，对居民短距离出行方式选择时所考虑的出行特征按照其重要程度进行排序，打分区间为0-10分，挑选出3个重要影响因素。根据统计数据，分别对各影响因素得分进行汇总，并求其平均值，得出搭车消耗时长、是否转车以及出行费用对居民短距离出行交通方式选择的影响程度较高。

1.3出行数据分析

在居民短距离出行过程中，由于受到诸多因素的影响，居民对于交通运输方式的选择具有明显的差异性，其中步行出行人数最多，占全部出行的25.3%，其次是开私家车出行人数，占全部出行的19.8%。第三是骑电动车出行人数，占全部出行人数的18.6%。

2多元线性回归模型

以短距离出行比例为因变量，各个影响因素为自变量，建立多元线性回归方程模型，分析个人出行方式比例：

yi=a+b1x1+b2x2+b3x3+…+bjxi+εi，i=1，2，…，n，j=1，2，…，p（1）

其中：y_i为因变量，即短距离出行比例；x1、x2…xi代表各个影响因素；a和b1、b2…bj为回归系数；εi为各种随机因素对yi的影响的综合，称为随机误差项，且服从正态分布，即εi～（0，σ2 ）。

3实例分析

3.1样本选择

本文随机选取1278个居民作为分析样本，利用多元线性回归模型对居民短距离出行次数占全天出行次数的比例进行研究。

3.2影响因素的选择

短距离出行比例的多元线性回归模型，共选取了包括个人属性和家庭属性在内的10个影响因素，分别为性别（x1）、年龄（x2）、职业（x3）、人口数量（x4）、有无小孩（x5）、自行车数量（x6）、机动车数量（x7）、家庭年收入（x8）、摩托车数量（x9）、电动车数量（x10）。为保证个别影响因素得出的参数通过检验，适当对一些因素进行分组、归类，既为保证各分类的数量，也防止个别数值偏差影响参数结果。

3.3模型的参数估计及检验

将选取的10个影响因子作为短距离出行比例的影响因素，所以得到多元线性回归模型的实际公式为：

y=a+b1x1+b2x2+b3x3+b4x4+b5x5+b6x6+b7x7+b8x8+b9x9+b10x10 （5）

故应用SPSS软件，将数据带入模型得出回归结果。在置信度为的条件下，经检验，所选取的10个影响因素全部通过检验，所以对短距离出行比例的影响是显著的。

在变量通过检验的同时，要观察模型的拟合度，根据以往的研究经验，一般R^2值在0.8以上，模型相对拟合。利用SPSS计算得出的R^2值为0.84，说明所建立的多元线性回归模型具有较好的拟合程度，所选自变量对因变量有着线性影响关系。

因此，把所得参数带入模型中可以得出短距离出行比例的多元线性回归模型为：

y=1.023-0.021x1+0.043x2-0.054x3+0.010x4-0.014x5+0.008x6-0.036x7-0.011x8-0.007x9+0.005x10 （6）

3.4模型参数分析

假设其它条件不变的情况下，分析某个因素的变化对短距离出行比例的影响。

（1）性别、年龄和职业的影响

性别对短距离出行比例的影响程度大小为-0.021，说明居民中男性相对女性对短距离出行比例的影响起到相反的作用，因此男性的短距离出行比例低于女性。

年龄对短距离出行比例的影响参数为0.044，对短距离出行比例影响相对较大，说明随着年龄的增长，居民短距离出行比例会逐渐增加。