自行车出行者出行路线选择偏好研究

黄玥 干宏程

摘要：提供良好的出行环境是扩大自行车出行分担率的重要手段之一。文章在确定合适的研究变量后，通过意向调查法（Stated Preference Survey）构造虚拟情景，以此来捕捉非机动车出行者对于不同路线之间的偏好，运用多项Logit模型定量分析各变量对出行路线选择的影响程度。研究结果表明：红绿灯数量、隔离设施和道路绿荫都是非机动出行者在选择出行路线时所主要考虑的因素，年轻出行者群体较为偏爱标线隔离的非机动车道。

关键词：自行车出行;SP调查;多项Logit模型;影响因素

0 引言

自行车具有单位面积小、绿色环保等特点，是缓解城市交通拥堵的重要手段之一，但自行车总体出行比例却在不断减少，即使是短距离出行也被机动车所取代。有研究表明，出行者不选择自行车出行的主要原因之一是没有提供良好的非机动车出行环境。为了鼓励更多的自行车出行，制定合理的自行车发展策略，这就需要对自行车出行者的出行偏好展开研究。

目前，国外有关自行车路径选择行为的研究成果已经相当丰富，除了定性的描述性统计分析外，定量地考察多因素综合影响下的自行车出行路径选择行为大多借助离散选择模型。Majumdar等利用多项Logit模型（Multinomial Logit Model，MNL）和随机参数Logit模型研究了不同出行环境下的非机动车出行路径选择行为[1]。Chen基于MNL模型对以旅游为目的的自行车出行者出行路径选择行为进行研究[2]。使用个人选择模型解释微观行为的优点是可以灵活纳入多种解释因素。

既有研究中探讨了多种解释因素，大体可分为三类：（1）个体属性;（2）道路环境因素（建成环境、交通流特征等）;（3）潜变量因素[3]（安全性、便利性等）。考虑到政策的可实施性，其中对道路环境因素的研究最多。虽然各研究对象不尽相同，但也存在一些共性的结论：（1）时间是影响路径选择的重要因素[4-5];（2）骑行者展现出对独立骑行空间的诉求，这一诉求体现在对自行车专用路[6-7]以及连续隔离设施的偏好上[8-9];（3）骑行者逐渐将审美融入到交通出行中，良好的景观环境可以显著影响出行者的路径决策行为[10-11]，出行不再单纯指两点间的移动，人们越来越重视骑行过程中的体验。但由于缺乏统一的客观因素选取标准和研究框架，这使得目前客观变量对出行路径选择行为的影响关系具有不确定性。

综上，目前大部分的研究仍是在发达国家开展的，国内运用离散选择模型来研究自行车出行路径选择行为的报道还不多。本文以上海市自行车出行者为研究对象，主要关注影响自行车出行者出行路线选择的关键因素，从而为改善中国城市的非机动车出行环境，提高自行车出行分担率，合理高效地进行交通组织提供理论依据。

1 模型理論

基于效用最大化理论的离散选择模型是定量分析个体决策行为的有力工具[12]。王灿[13]对离散选择模型做了系统介绍，并提出了面向RP/SP等数据的适宜模型。在自行车路径选择行为的研究中最常用的就是MNL模型，虽然MNL模型存在固有的理论缺陷，如随机效用相互独立假设和线性效用函数假设，但作为经典的离散选择模型，由于其具有稳健、估计简便、准入门槛低等特点，仍得到广泛应用。离散选择模型的一般原理是随机效用理论，该效用由固定项和随机项两部分相加构成：

根据效用最大化理论，出行者总是选择效用函数值较大的出行路径，则出行者n从出行路径方案选择出行路径i的条件如下式：

2 数据及初步分析

本文所用数据来源于所在课题组针对上海市杨浦区自行车出行者所做的意向调查（Stated Preference survey，SP）。为了进一步确定研究变量，在正式调查前首先进行了一个小范围的预调查，随机选择43名在校师生，让受访者回忆最近几次的骑行经历，总结了共性的骑行特征。综合前人研究、预调查结果以及实验设计难度，本文将主要考虑以下变量：行程时间、车道类型、红绿灯数量以及是否有路旁绿荫四个影响因素。骑行距离与行程时间所代表的含义基本一致，且相对于距离而言，出行者对于时间更为敏感。非机动车道类型一般通过一些工程措施来实现，如使用绿化带或标志标线等划出专门的非机动车道，因此这里考虑用隔离设施变量来区别非机动车道类型。

在SP情景设计时，假设情景的影响因素及其水平值如表1所示，且所有的水平值都是基于导航软件以及实际的出行情况所做的变化，目的是使受访者能够提高对于路径决策问题的感知和理解。通过对各变量及其水平的组合设计，最终构造了6个假设的骑行情景，每个情景包含三条出行路线，要求受访者根据自己的偏好选择一条最喜欢的出行路线，假设路线如下页图1所示。

本研究于2018年5月12～19日进行，采用纸质问卷与网络问卷相结合的调查方式，在剔除无效和不完整问卷后，共获得有效问卷121份，每位被调查者需要重复做6次情景选择，共得到726（121×6）个选择结果数据供建模使用。除了获取受访者的路线选择外，问卷同时还收集了被调查者的个体属性信息以及出行特征信息。

个体属性及出行特征信息如图2所示。女性稍多于男性，总体分布均衡，符合我国社会人口特征。20～40岁之间的受访者占多数，说明参与调查的主要以中青年为主，相应的在学历方面，大都接受过良好的教育。如果将骑行人群按周骑行频率分为固定通勤（3 d以上）和非固定通勤（3 d以下）人群来看，主要是以非固定通勤出行为主，因此本文可更有效地针对年轻非固定通勤人群。最后询问了受访者在出行过程中使用导航软件的情况，每次都用的情况和不确定的情况所占比例较高，从侧面反映出使用导航页面这样的SP调查方式对受访者来说是熟悉的，保证了数据的可靠性。

（1）与情景1中的路线2、3相比，情景3中的路线2、3将原有的红绿灯数量从8个减少为4个，因此选择路线2、3出行的比例增加了12.4%。

（2）与情景1中的路线1、3相比，情景4中的路线1、3将原有的绿化效果变成路旁无绿荫时，以前有绿荫的路线1、3由于绿荫的消失，选择两条路线出行的比例下降了6.6%。

（3）与情景1中的路线2相比，情景5中的路线2将无任何隔离设施的非机动车道，增加了机非隔离标线后，路线2的选择比例出现较大增长。

由上述统计分析表明，红绿灯数量、绿荫以及机非隔离设施等变量对非机动车出行者路线选择行为有影响。选择结果符合预期，数据可靠，因此可做进一步建模分析。

3 建模与结果分析

本文采用经典的多元Logit模型进行建模，选择集中包含三个离散的选择项：路线1，路线2，路线3。将路线3作为参照组，从而建立起两个广义Logit模型。通过对影响变量类型的设定和数值的转化，最终进入模型的变量有：行程时间，红绿灯数量，机非隔离设施以及绿荫。其中将隔离设施设为哑变量，Isolate 1（硬隔离）、Isolate 2（软隔离）的对照组是无隔离。

模型拟合优度判断指标McFadden LRI值为0.240 4，在0.2～0.4之间;Estrella值为0.453 5。这说明模型拟合效果较好。此外，根据表2可以得到如下结论：

（1）出行时间

系数符号为负，说明行程时间越长，选择该路线的概率越低。参数估计不显著，这与国内外其他学者的研究有相似之处：时间并非总是出行者最关心的问题[2][7]。本文认为可能有两个原因：①非通勤者对时间的容忍程度较高，他们愿意为了安全性或更好的骑行体验而在时间上做出让步;②由于各假设路线间的时间相差变化不大，导致时间对用户路线选择的影响微弱。本文对于时间水平的设定是基于真实导航信息所做的变化，因此，有关导航公司在进行产品开发时，对行程时间较为接近的可选路线应适当增加如道路景观、隔离护栏等有效信息，减少时间在显示框中所占的篇幅。

（2）红绿灯数量

该变量的系数估计值在0.01水平下显著，且为负值，说明当路线上的红绿灯数量越多，需要停车等待的次数越多时，会降低出行者选择该路线出行的积极性。通过在多信号灯控制交叉口的道路上设置非机动车专用相位以减少停车次数，将有利于吸引非机动车的出行。

（3）隔离设施

隔离设施反映的是道路类型的不同，其系数值最大，表明对于自行车出行者而言，车道类型是一个重要的考虑因素。隔离1的系数为0.774 5说明相对于无隔离路线来说，人们更愿意选择设有护栏或绿化带的路线。隔离2的系数为0.929 7说明相对于无隔离路线来说，人们更愿意选择标志标线隔离的路线。而且0.929 7>0.774 5，表明对于年轻的自行车出行者群体而言，在路线选择时更倾向于采用标志标线隔离形式的道路，年轻人为了得到更多自由骑行的空间，愿意在安全性上做出妥协，但安全仍然是考虑的重要因素之一。

（4）绿荫

绿荫对出行者来说至关重要，该变量对路线选择具有正向作用，尤其在温度较高的季节，人们出于避暑的目的或为了享受更好的自然景观往往会选择该路线出行。通过对某些路段设置良好的自然、人文景观可以实现引导交通量转移的效果。

4 结语

本文通过对中外文献的梳理并结合预调查结果，确定了影响自行车出行路径选择行为的关键因素。以从学校出发前往五角场商圈的真实路线为基础，运用SP调查法构造虚拟的路线选择情景来捕捉自行车出行者的出行偏好，最后运用多项Logit模型获得了非机动车出行者出行路线选择偏好概率模型，模型具有较好的拟合优度和参数估计效果。结果表明：红绿灯数量、隔离设施以及道路绿荫都是自行车出行者所主要考虑的因素。在隔离设施类型中，年轻的出行者群体尤其偏爱标线隔离的非机动车道。

此研究成果的应用价值主要体现在两方面：

（1）应用到城市规划设计方面。根据离散选择模型量化各环境因素对路径选择行为的影响程度，优先考虑对效用提升最大的影响要素进行改造，针对性地提出优化措施，从而更好地指导街道设计、绿色交通出行环境建设等。

（2）应用到交通组织优化方面。在现有的城市空间条件下从交通供给侧进行大规模的空间调整和道路交通设施建设并不现实。通过研究自行车出行者的路径选择偏好，运用适当的交通诱导、行为教育等策略，制定自行车出行路径方案，从而可达到引导交通量从拥堵路段向非拥堵路段转移，提高道路资源利用率等目的。

鉴于此次调查的样本量不够大，具有一定局限性，如样本过多覆盖的是40岁以下的年轻高学历人群，在后续研究中可继续扩大调查范围，并且尝试在模型中添加心理特征等潜变量因素，进而建立更为完善的选择概率模型。

参考文献：

[1]Majumdar B B，Mitra S.Analysis of Bicycle RouteRelated Improvement Strategies for Two Indian Cities Using a Stated Preference Survey[J].Transport Policy，2018（63）：176-188.

[2]Chen C F，Chen P C.Estimating Recreational Cyclists Preferences for Bicycle RoutesEvidence from Taiwan[J].Transport Policy，2013（26）：23-30.

[3]石劍桥，张梦竹，赵鹏军.心理因素对校园步行和自行车出行路径选择的影响研究——以北京大学燕园为例[J].西北师范大学学报（自然科学版），2017，53（6）：97-104.

[4]Aultmanhall L，Hall F，Baetz B.Analysis of bicycle commuter routes using geographic information systems：implications for bicycle planning[J].Transportation Research Record Journal of the Transportation Research Board，1997（1578）：102-110.

[5]Stinson M A，Bhat C R.A ComParison of the Route Preference of Experienced and Inexperienced Bicycle Commuters[C].The 84th Annual Meeting of Transportation Research Board，Washington D.C.，2005.

[6]Tilahun N Y，Levinson D M，Krizek K J.Trails，Lanes，or Traffic：Valuing Bicycle Facilities with an Adaptive Stated Preference Survey[J].Transportation Research Part A：Policy and Practice，2007，41（4）：287-301.

[7]Winters M，Teschke K.Route preferences among adults in the near market for bicycling：findings of the cycling in cities study[J].The science of health promotion，2010，25（1）：40-47.

[8]Li Z，Wang W，Liu P.Physical Environments Influencing Bicyclists Perception of Comfort on Separated and on Street Bicycle Facilities[J].Transportation Research Part D：Transport and Environment，2012，17（3）：256-261.

[9]朱 彤，杨晨煊，郭春琳，等.城市道路环境自行车出行者满意度模型研究[J].重庆交通大学学报（自然科学版），2018，37（2）：102-106.

[10]Vedel S E，Jacobsen J B，Petersen H S.Bicyclists Preferences for Route Characteristics and Crowding in CopenhagenA Choice Experiment Study of Commuters[J].Transportation Research Part A：Policy and Practice，2017（100）：53-64.

[11]潘晖婧，朱 玮，王 德.基于路径选择行为的自行车出行环境评价和改善[J].上海城市规划，2014（2）：12-18.

[12]Mcfadden D.The Measurement of Urban Travel Demand[J].Journal of Public Economics，1974，3（4）：303-328.

[13]王 燦，王 德，朱 玮，等.离散选择模型研究进展[J].地理科学进展，2015（10）：1 275-1 287.

[=X]

作者简介：黄 玥（1995—），硕士研究生，研究方向：交通管理、交通规划;

干宏程（1978—），教授，博士研究生导师，研究方向：交通行为、交通规划、智能交通。

基金项目：国家自然科学基金资助项目“‘小汽车/p+k多模式出行信息对出行决策行为的影响机理研究”（71871143）