城市组团间居民出行方式选择决策方法

任其亮，张丽莉，吴玲玲

(重庆交通大学 交通运输学院，重庆 400074)

0 引 言

组团式空间结构已成为国内大城市扩张的重要发展趋势，组团式空间结构互动关联常通过组团间居民出行来实现。受地理条件等客观因素制约，组团间出行常需跨江河、越湖泊、翻山岭，因此组团间出行一般距离较远、出行路径较少，出行方式多以机动化为主。此外，现阶段组团内部无法完全满足居民的生产生活需要，大部分居民职住分离，使得组团间出行量大且潮汐交通现象显著。以上特点导致组团间出行交通问题突出，阻碍了组团城市发展。研究城市组团间居民的出行方式选择决策对调整和优化组团间通道交通结构意义重大。

目前对出行方式选择决策研究主要是基于期望效用理论：C.A.KLÖCKNER等[1]以Logit模型为基础研究了城市交通设施、出行时间、出行花费等因素对不同属性消费者私家车出行的影响；胡晓健等[2]深入研究了差异化交通出行选择行为、基于停车收费的轨道交通停车换乘行为及拥堵收费影响下的交通出行方式选择，并在此基础上提出了相应的交通需求管理对策；姚恩建等[3]分析了公共交通出行费用对通勤走廊出行结构的影响，并基于有车出行者和无车出行者构建了出行方式选择NL模型；陈月霞等[4]将潜变量模型预测后的潜变量代入多项Logit模型，构建了带低碳出行心理变量的混合选择模型；芮海田等[5]基于非集计理论，以个人特征和出行特征为影响因素，建立了出行者中长距离出行方式选择行为测量模型；向红艳等[6]将出行者的城际间短途出行分为市内出行和城际出行两个阶段，针对居民城际出行方式选择行为建立了巢式Logit模型。

以上研究都以出行者是“理性人”为前提，但实际上出行者做出行方式决策时往往表现出有限理性的特征。针对这一问题，很多学者开始将前景理论用于出行决策问题研究：GAO Song等[7]利用前景理论研究了出行者出行路径选择行为，参考点选取了最短、最长及平均出行时间，并认为参考点的选取要基于出行者个体；YANG Jufen等[8]基于累积前景理论构建了数值结果与现实路网基本一致的路径选择模型；田丽君等[9]证明了出行者决策行为受出行场景影响，不同出行场景有不同的出行方式选择。一方面，这些研究大多是针对出行路径选择，对出行方式选择研究甚少；另一方面，这些研究虽考虑到出行者有限理性行为因素，但在现实组团间出行方式选择过程中，组团间交通环境突变和随机性对出行者选择决策影响也很大。

城市组团间出行交通环境波动较大，出行者对各属性期望是动态变化的，这会影响出行方式选择结果。笔者在上述研究支撑下，针对出行者在城市组团间出行中对各属性的动态期望要求这一心理特征进行研究，构建基于前景理论的组团间居民出行方式选择决策方法模型。

1 出行机理分析

1.1 出行阶段划分

传统区域出行研究一般将出发地所属地域作为一个节点，目的地所属地域作为另一个节点，然后两节点之间一概而论进行研究。对于组团城市来说，城市虽被隔离为各个分组团，但一般组团间距离不会太大，在组团内部出行所占比例并不比在组团之间小。且各组团及组团间交通系统构成丰富多样，交通基础建设参差不一，交通功能状态有所差异。首先，组团内部与组团之间交通环境相差甚大，一般组团中心交通量最大，交通构成最复杂，交通干扰也最为严重，随着与组团中心距离增大，交通量和交通干扰会减少，交通构成也会随之趋于简单。组团之间通道在高峰期极易拥堵，相对组团内部交通环境而言及其不稳定。按传统方法将出发地和目的地所属组团作为节点，忽视了组团内部出行影响明显是不可行的。除了组团内部与组团之间交通环境相差较大，各组团功能结构的不同也会导致交通环境存在差异。因此，两个组团之间的出行应分为3个阶段(图1)：第1阶段为出发点组团内部的出行；第2阶段为两组团之间通道上的出行；第3阶段为目的地组团内部的出行。依次类推，多组团之间出行也可进行相似划分。

图1 出行阶段划分Fig. 1 Travel stage division

1.2 出行相关问题描述

组团间通常是中长距离出行，客运交通方式以私人小汽车、出租车、班车、公共汽车、轨道交通等机动化出行为主[10]。出租车快速、舒适、灵活，可实现“门到门”服务，缺点是价格昂贵，旅客通过能力小、能源消耗大，不利于城市环保。私人小汽车特点与出租车基本相似，不同的是私家车更加快捷方便，但使用和维护成本比较高，受是否有停车场地限制，使用者往往为高收入者。公共汽车和轨道交通属于公共交通，经济性好，运营线路、时间固定，运输量大、环境污染少，应成为现代大城市的主导交通方式。其中轨道交通运力大、土地资源占用少、能源消耗低、准时准点等优点更为显著，且舒适性也强于公交车，但建设运营成本较高。

城市组团间出行居民对出行方式的选择行为比较复杂，要受到出行主体特性(出行者年龄、性别、职业、 收入、家庭情况等)、出行特性(出行目的、一天之中出行的时间等)及出行方式特性(出行时间、费用、可用性、舒适性、方便性、安全性、可靠性)等多种因素影响。其中，出行方式特性是通过个人主观感受表现出来的，它是出行者选择某种交通方式的重要衡量标准。比如，在城市组团间出行中，收入高的出行者时间观念也强、对舒适性要求也高，因此常会选择小汽车出行；收入越低的出行者越在意经济性，选择公共交通出行的可能性就越大。总体而言，组团间出行中，出行者往往会针对出行目的，从自身条件出发，权衡各种交通方式特点，选择最符合自身心理需求的出行方式，这与其他出行并无太大区别。不同的是城市组团间出行是由几个阶段构成的一个出行过程，出行者会根据不同阶段交通环境改变调整自己对各属性心理期望要求，从而选择出行方式。

2 出行方式决策指标

出行者选择出行方式时，会根据自身条件权衡各交通方式特点，在能完成出行目的前提下，总希望能获得性价比高及相对舒适、快速、便捷的服务。也就是说，出行方式决策是出行目的及出行者特性固定的前提下，出行者对各交通方式服务属性进行综合评价后选择自己最满意的方式[11]。为准确反映影响城市组团间居民出行方式选择因素但又不使问题复杂化，应选居民组团间出行进行交通方式选择时最在意的属性为决策指标，故笔者选取经济性、快速性、舒适性、便捷性、可靠性5个属性作为决策指标，如表1。

表1 各属性界定Table 1 Definition of each attribute

3 居民出行方式选择决策方法

3.1 权重确定

层次分析法主要是出行者从自身情况出发，根据判断标度(表2)依次对各要素进行两两比较，建立判断矩阵M=(beh)，然后计算各要素的优先级向量[12]。优先级向量计算方法如下：

表2 判断标度Table 2 Judgment scale

1)判断矩阵为a×a矩阵，计算矩阵各行元素乘积的a次方根，如式(1)、(2)：

(1)

(2)

2)将以上计算结果正交化得所求优先级向量，如式(3)：

(3)

得到优先级向量后要进行一致性检验，通过检验的判断矩阵才是合理的，其检验方法如下：

1)计算判断矩阵的最大特征根λmax，如式(4)：

(4)

2)计算平均随机性指标CR。若CR<0.1，则一致性较好，其判断矩阵可接受，各优先级向量即为各权重向量，如式(5)、(6)：

(5)

(6)

式中：RI由RI值表查得。

3.2 选取参照点和确定决策矩阵

各属性值表达方式如下：

3.3 建立前景决策矩阵

灰色型随机变量计算如式(7)、(8)：

(7)

(8)

语言型变量如式(9)、(10)：

(9)

(10)

(11)

计算各阶段各出行方式属性值相对于参照点的阶段收益或阶段损失，并建立益损决策矩阵。

灰色型随机变量如式(12)：

(12)

语言型变量如式(13)：

(13)

(14)

针对各属性前景，根据益损决策矩阵计算各阶段的出行方式，并根据累计前景理论建立起前景决策矩阵，如式(15)：

(15)

式中：α、β分别为收益和损失区域价值幂函数的凹凸程度，文中α=β=0；θ为决策者的损失规避程度，文中θ=2.25。

3.4 计算前景值

根据加权原则，计算各方式前景值。

1)计算每个方式各时期的前景值Utl(Ai)，如式(16)：

(16)

2)计算各方式的综合前景值U(Ai)，如式(17)：

(17)

根据综合前景值U(Ai)大小将各出行方式排序，综合前景值越大的方式越符合出行者期望[13]。

4 案例分析

重庆是典型的组团城市，组团间出行已成为当地居民工作生活必不可少的一部分。重庆南岸区与渝中区组团功能明显，其中南岸区七公里至渝中区解放碑交通便利，出行可选择方式众多，且七公里附近小区聚集便于调查。故笔者以重庆南岸区七公里至渝中区解放碑组团间出行为例，对以上算法模型进行说明。

笔者将SP与RP调查方法结合，通过问卷调查获取数据，共发放问卷400份，回收有效问卷328份，问卷回收率达82%，并根据收入水平和出行目的进行分层。这里仅针对中高收入(有私家车)、出行目的为休闲娱乐的出行者进行建模计算。对于这一层次出行者，从南岸区七公里到渝北区解放碑主要有轻轨、出租车、公交车、私家车这4种可选择的出行方式，如图2。为便于后期计算，将中高收入、出行目的为休闲娱乐出行者调查结果进行统计整理，如表3。

图2 各方式路线Fig. 2 Survey results of travel mode

表3 出行方式调查结果Table 3 Travel mode survey results

先使用层次分析法确定权重向量。让出行者(被调查者)对经济性、快速性、舒适性、便捷性、可靠性进行两两比较、进行打分，为使结果更客观可靠，选取中位数作为最终分值。并利用式(1)～(3)得到各优先级向量，如表4。

表4 各要素之间对比结果Table 4 Comparison results between various elements

进行一致性检验，如式(18)～(20)：

(18)

(19)

(20)

由此可知，判断矩阵具有一致性，权重结果可接受，所以经济性C1、快速性C2、舒适性C3、便捷性C4、可靠性C5的权重向量为ω=(0.043 9, 0.172 4, 0.106 3, 0.222 3, 0.455 1)。同理，计算出各阶段(t1,t2,t3)的权重向量为ωt=(1/3, 1/3, 1/3)。

整理综合被调查者对各阶段(t1,t2,t3)针对(C1,C2,C3,C4,C5)各指标属性的期望，将多数人(80%)期望合并得到一个范围内从而得到期望向量，如式(21)：

(20)

被调查者根据已掌握实际信息给出各方式在各阶段针对各属性的评价值。例如：选择轻轨出行，80%人群在南岸区内部的费用大概为1.5～2.0元，所以t1阶段C1=[1.5, 2.0]；花费时间为19～25 min，故C2=[19, 25]；轻轨运行平稳、温度合适、空气较清新、但不一定有座位，80%人群对C3的评价值在[MP, MG]范围内；从出发点到轻轨站及轻轨站到目的地需走一段路程，并需要买票、过安检、换乘，不是非常方便，80%人群对C4评价值在[VP, M]之内；轻轨发车间隔短且能准时准点，80%人群对C5的评价值在[G, VG]之内。同理，给出所有阶段不同出行方式的评价值如表5～7。

表5 t1阶段评价值Table 5 Evaluation values of t1 stage

表6 t2阶段评价值Table 6 Evaluation values of t2 stage

表7 t3阶段评价值Table 7 Evaluation values of t3 stage

各阶段参照点向量规范化的结果如式(21)～(23)：

O1=([0.39,0.71],[0.7,0.9],{(0.71,0.50),(0.86,0.50)},{(0.71,0.33),(0.86,0.33),(1.00,0.33)},{(0.86,0.50),(1.0,0.5)})

(21)

O2=([0.44，0.89]，[0.71，1]，{(0.57，0.25)，(0.71,0.25),(0.86，0.25)，(1.00，0.25)}，{(0.71，0.33)，(0.86，0.33)，(1.00，0.33)}，{(0.71，0.50)，(0.86，0.50)})

(22)

O3=([0.35,0.78],[0.64,0.91],{(0.71,0.33),(0.86,0.33),(1.00,0.33)},{(0.71,0.33),(0.86,0.33),(1.00,0.33)},{(0.71,0.33),(0.86,0.33),(1.00,0.33)})

(23)

各阶段评价值决策矩阵规范化结果如式(24)～(26)：

(24)

(25)

(26)

由此可得益损决策矩阵如式(27)：

(27)

由此可得前景决策矩阵如式(28)：

(28)

则得到各方式的综合前景值结果如式(29)：

(29)

则各方式排序结果为：A4>A1>A2>A3。即对于中高收入层人员而言，由南岸区七公里到渝中区解放碑的出行目的是为休闲娱乐，私家车是最让他们满意的出行方式，其次是轻轨，然后是出租车，最后才是公交车，这与调查结果相符。

5 结 语

笔者针对城市组团间出行方式多属性决策问题，给出了一种考虑出行者动态期望的出行方式选择决策分析方法。并将这种方法用于实例，得到的结果与现实相符。

该方法充分反映出组团间出行者选择出行方式时的有限理性心理行为特征，可用于研究组团间居民出行方式选择行为，提高研究结果的真实性和有效性。这对于合理分担各交通方式、调整和优化交通结构、提高运输效率，进而改善组团城市交通环境具有重要意义。