联程中转旅客的城市枢纽间换乘行为建模

陈 琳，姚恩建,b，杨 扬,b，卢天伟

(北京交通大学 a.交通运输学院，b.综合交通运输大数据应用技术交通运输行业重点实验室，北京 100044)

旅客联程运输[1]是指通过对旅客使用一种或多种交通方式的多段行程进行统筹规划管理，实现旅客的一体化运输组织，保证旅客出行的连续性与便捷性的运输服务模式.随着信息技术的发展，一些第三方在线网站(如携程网)对票务信息进行了整合，为联程旅客提供了跨运输方式行程规划以及一次性在线购票服务.同时，部分机场企业为了推进旅客联运，通过与地方铁路、道路运输企业合作，实施了不同的价格优惠政策，比如河北机场集团的“从家飞-乐享空铁”产品将铁路车票作为民航机票的附赠.信息服务的改善以及价格优惠政策吸引了不少旅客选择联程出行，截至2018年底，石家庄机场空铁联运累计服务旅客已超过300万人次，占机场旅客吞吐量的10%[2].联运客流的增长使得城市群内经过多个枢纽的对外出行需求逐渐增长，作为旅客联运过程中的重要一环，联程旅客的城市枢纽间换乘也产生了新的城市内出行需求，打破了现有交通系统的供给平衡.为了更有效地预测联程旅客的换乘需求，为旅客提供个性化和全过程的出行服务，研究联程中转旅客的城市枢纽间换乘行为具有重要意义.

迄今为止，国内外学者对于枢纽间旅客换乘行为进行了多方面的研究.旅客换乘选择的影响因素中最常被提及的就是出行方式的时间与成本.Rocio等[3]针对城市交通之间的换乘建立了多项Logit(Multinomial Logit, MNL)模型，分析了各方式出行时间与走行距离的影响.柯林春等[4]在福田的实地调研结果表明出行时间和出行费用与换乘选择结果的相关性极其显著.Oostendorp等[5]通过在柏林开展多式联运旅行行为的调查，指出了旅客选择联运方案的最常见因素是旅行时间以及对主要交通方式的接入.随着社会经济的发展，专家们对于枢纽间旅客换乘行为的研究不再只专注于交通运输方式的特性上，而是更多的以活动的主体——人为研究对象，从出行者本身的特性着手进行研究[6].Oostendorp等[7]采用两步聚类法对柏林的调查人群进行用户画像刻画，结果表明旅行目的与旅客的个人特性(如年龄、职业等)是换乘决策的关键因素.宋青青等[8]对于铁路出行旅客换乘行为的研究验证了这一结论.杭轩[9]对上海虹桥机场的旅客换乘城市交通的行为进行了陈述偏好(Stated Preference, SP)问卷调查，并构建了MNL模型，验证了出行方式的时间与费用以及旅客个人的年龄、收入特征对换乘选择结果的影响.Yang等[10]根据旅客的收入与消费水平进行人群划分，计算出不同人群的广义时间成本，并据此进行换乘方案规划.叶圃菲等[11]从旅客的个人特性入手，验证了旅客的年龄、收入、小汽车保有情况、是否公费出行以及出行目的对换乘城市交通方式选择的影响.在对旅客个人特性进行深入研究之时，有学者发现，旅客的心理因素[12]、出行习惯喜好[13]等潜在态度对于其出行选择行为有较大的影响.马书红等[14]基于北京—天津—广州、北京—石家庄—广州两条运输通道的城际旅客调查数据构建混合选择(Integrated Choice and Latent Variable, ICLV)模型，分析了旅客在进行换乘方式选择时的偏好和对“舒适性、方便性、经济性”的主观需求对其行为的影响.魏华等[15]认为换乘方式选择是道路交通网络基础特性、换乘方式服务水平等客观因素以及旅客出行特性、旅客偏好等主观因素相互作用直至均衡的过程.Van等[16]认为，旅客的出行行为不仅由出行费用、速度和舒适度决定，还与旅客个人的态度、地位以及偏好有关.

以上的研究大多集中于城际出行时旅客的换乘接驳方式选择行为或者城市交通之间换乘旅客的选择行为的研究，从出行方式特性、旅客个人特性等方面研究了旅客的换乘行为影响因素，部分学者考虑到了旅客的心理因素对选择行为的影响，但是对于像联运旅客这类需经过城市群内多个枢纽对外出行的旅客的选择行为研究较少[17].与一般换乘旅客不同的是，联程中转旅客由于需要进行多次换乘，其携带行李大小、同行人员的不同等外在因素对其选择的换乘方式将会产生一定的影响.同时，出行链的复杂程度使得联运中转旅客对于出行过程中的舒适性、方便性等方面的需求更易影响其换乘方式的选择.在城市群交通枢纽功能分工、协同运行环境下(如天津滨海机场配合京津城际列车的方式，来分流部分首都机场的航空客流)，这种跨城市枢纽的对外联程出行需求将越来越多.因此，本文作者在旅客联程出行的背景下，分析城市内枢纽间联运旅客换乘行为的影响因素，通过设计和实施北京市联运旅客换乘选择行为SP调查，构建出行方式选择模型，对旅客的换乘方式选择行为机理进行了深入的剖析.

1 旅客联程出行调查

1.1 SP调查问卷设计

北京市联运旅客换乘选择行为具体是指旅客在经北京市内的多个对外枢纽进行中转换乘的行为，因而本次调查面向非北京居民，分别以“北京西站—首都国际机场”与“北京西站—北京站”这两个不同距离的枢纽出行场景进行调查.调查内容包括了出行场景调查，个人属性调查以及出行态度调查.

出行场景调查考虑了不同出行目的、不同出行日等情况下旅客在两个枢纽出行场景中的选择，具体场景属性及水平值如表1所示.其中，“北京西站—首都国际机场”中的可选换乘方式有地铁、公交、出租车三种，“北京西站—北京站”中的可选换乘方式在此基础上增加了市郊铁路方式.每一种场景的各换乘方式(除市郊铁路)属性中，时间、费用以及步行距离以其实际值为基准，上下浮动20%作为其余两种水平值，如表2所示.运用SPSS软件进行正交设计，各生成了15种组合场景.每位被调查者将分别从两个枢纽出行场景中各随机抽取一个场景进行回答，场景示例如图1所示.此外，因“北京西站—北京站”的换乘方式中市郊铁路可选时间段有限，目前仅早晚高峰时段提供两三趟班次，对于选择市郊铁路作为换乘方式的旅客，将额外为其设置不含市郊铁路的平峰时段场景.

表1 假设出行情景各属性的水平值Tab.1 Level values of attributes for hypothetical travel scenes

表2 各场景换乘方式属性水平值Tab.2 Level values of attributes for transfer modes in each scene

图1 北京市枢纽间换乘选择场景设计示例

个人属性调查主要是对旅客的社会经济属性以及出行特性进行的调查，社会经济属性包括旅客的性别、年龄、职业、月收入水平以及学历，各属性的水平值设置如表3所示.

表3 旅客个人属性水平值Tab.3 Level values of passengers’ personal attributes

出行态度调查包括了旅客对交通工具拥挤度、座椅舒适度、班次数量以及准时性的关注程度的调查，以及对旅客使用“行李直挂”服务(即上车/飞机前托运行李，直到到达目的地枢纽站后再取得自己的行李)的意愿的调查.

1.2 调查结果分析

通过问卷星在网络上进行问卷的发放与回收，调查时间为2020年3月1日至2020年3月15日，回收周期两周，共回收问卷644份，对每一道题设置相应的答题时间范围，按照答题时间以及问卷完成度对问卷进行筛选，剔除无效样本39份，共获得枢纽间换乘方式选择行为样本数据1 524份.

将样本数据进行初步的描述性统计如图2及表4所示.本次调查中，女性受访者略多于男性，男女比例达到1∶1.27，与实际联程出行比例相近，被调查者中18～40岁人群较多，占比82.65%，符合我国当前城市间出行主体为中青年的现状.样本中被调查者的职业分布集中于企事业单位员工/公务员与学生这两类人群，在月收入水平方面，受访者的月收入大部分不高于12 000元，人均月收入约6 389.6元，远远高于我国当前人均月收入，这可能与本次调查人群的职业分布相关.根据样本个人属性的均值与方差，样本人群学历与职业分布较为均匀，年龄与收入分布与实际联运出行主体相符，样本分布合理.旅客的出行态度调查统计结果如图3所示.

图2 旅客基本特性统计Fig.2 Statistics of passengers’ basic characteristics

表4 旅客基本特性统计

图3 旅客出行态度统计Fig.3 Statistics of passengers’ travel attitudes

超过60%的旅客对于交通工具的拥挤度以及班次数量比较关注或非常关注，对交通工具的座椅舒适度以及准时性比较关注及非常关注的旅客占比40%～50%.此外，81.16%的旅客愿意选择联程运输的“行李直挂”服务，这说明大部分旅客对于出行方式的服务水平要求较高.

2 换乘行为选择模型构建

2.1 模型变量选取

联程出行的旅客在城市枢纽间进行换乘方式选择时，受到各换乘方式的运行时间、票价、步行距离及出行当天天气、同行人员、行李大小等场景因素的影响.除此之外，旅客自身的特性也影响着其对于联程出行过程中换乘方式的选择.因此可根据问卷调查所得的数据分析旅客的个人差异对各换乘方式的选择比率造成的影响.其中，各换乘方式的选择比率为

(1)

图4 旅客个人属性及出行态度对换乘方式选择比率的影响

由图4可知，旅客性别对公交这一方式的选择比率几乎没有影响，但男性旅客相比女性旅客选择市郊铁路的意愿较小；各换乘方式的选择比率并非是随着年龄的增长而单一变化，因此可根据图4将年龄分为小于30岁，30～50岁以及50岁以上三类放入模型中进行具体分析；大体上随着学历的提升，地铁的选择比率逐渐上升，公交的选择比率逐渐下降；收入水平越高，选择出租车的比率就越高，而选择公交与市郊铁路的比率则逐渐降低；职业方面，因生产运输设备操作人员、军警与退休人员占总体比例非常小，将这三类职业并入其他职业中进行分析，专业技术人员与自由职业者选择比率分布大致相同，可并为一类人群.

旅客的出行态度对其选择结果的影响从图4中也能反映出来.愿意使用“行李直挂”服务与否在公交和出租车的选择比率上有明显差异；对拥挤度非常不关注的旅客选择公交的比率明显高于其他旅客；随着对座椅舒适性关注度的增加，公交与市郊铁路的选择比率有一定的下降趋势；相反，随着对班次数量关注度的增加，地铁与市郊铁路的选择比率渐趋提升；对准时性较为在意的旅客对地铁和出租车选择比率高于较为不在意准时性的旅客.

2.2 模型结构

枢纽换乘方式包括地铁、公交、出租车以及市郊铁路，根据相关研究[18]，MNL模型时空转移性较强，且能够简化出行者选择决策的过程，便于描述出行者的选择行为，因此本文采用MNL模型作为建模框架进行模型的构建.

MNL模型是根据效用最大化理论建立的常用的离散选择模型，其模型结构为[18]

(2)

(3)

式中：θi表示第i个换乘方式的固定哑元；βk表示第k个待估参数；K是待估参数βk的数量；Vin是出行者n选择第i个换乘方式的效用函数；Vjn是出行者n选择第j个换乘方式的效用函数；Pin表示出行者n选择第i个换乘方式的概率；An表示出行者n的可选换乘方式的集合i，j∈An；Xink表示对于出行者n第i个换乘方式的第k个属性值.

选择各换乘方式自身的特征变量、场景属性变量、旅客的社会经济属性变量以及旅客的出行态度变量作为枢纽间换乘方式选择模型效用函数的变量，结合对问卷数据进行的分析，依次放入不同的选择肢中，形成对应的效用函数，分别构建了M1、M2 、M3、M4模型.其中，M1模型只考虑方式属性的影响，M2模型加上了场景属性变量，M3模型在M2模型的基础上考虑了旅客的社会经济属性，M4模型在M3模型的基础上加入了对旅客出行态度属性的考量.

2.3 模型标定

(4)

所有旅客选择结果的同时概率(即似然函数)L(θ)为

(5)

式中：N为旅客总数；An表示旅客n的可选换乘方式的集合.

3 结果分析

3.1 模型标定结果分析

利用Biogeme软件分别完成了四类枢纽间换乘方式选择模型的标定，模型标定结果如表5所示，括号外为标定的参数值，括号内为对应参数的t值，L(0)为模型的初始似然函数值.大部分变量的|t|值大于1.96，影响较为显著.同时，M1、M2、M3与M4模型的ρ2均大于0.2，说明模型精度较高[19]，具有一定的解释性.加入了个人属性的M3模型的似然函数值、ρ2值以及修正后的ρ2值比不含个人属性的M1、M2模型的各项检验指标都有明显提升，说明加入了个人属性后，模型更加贴合旅客的实际枢纽间换乘方式选择行为.考虑了旅客的出行态度后，M4模型的拟合优度比起M3模型提升了0.006.以拟合效果最好的M4模型为例，对标定结果分析如下：

表5 枢纽间换乘方式选择模型结果Tab.5 Model results for choices of inter-hub transfer modes

1)以出租车为基准方案，对地铁、公交、市郊铁路设置固定哑元，标定结果均为正值，且|t|>5，显著水平较高，说明除了本文所考虑的影响因素之外，旅客结合其他影响因素，对地铁、公交、市郊铁路的选择意愿明显高于出租车.

注:*表示该参数未达到95%的显著性水平.

2)出行时间、出行费用与步行距离这三个换乘方式自身的特征变量标定结果均为负，表明方式属性对于换乘方式选择呈负效应，在其他条件相同的情况下，旅客更愿意选择出行时间短、出行费用低、需步行距离较短的枢纽换乘方式.

3)出行场景方面，节假日出行的旅客在公交方式上的参数值为负，这说明了由于节假日出行客流较大，旅客更加不愿意选择公交出行.独自出行的旅客对于市郊铁路的选择意愿较低.仅携带了背包的旅客比携带行李箱或大件行李的旅客选择地铁和公交换乘的概率更大.不同出行目的的旅客对换乘方式的偏好也不同，公务出差的旅客比较注重出行的效率，更愿意选择地铁与出租车；旅游娱乐的旅客比较注重出行的成本，选择地铁和公交的概率较大.

4)旅客的社会经济特性方面，性别变量是一个哑元变量，旅客为女性时值为0，否则为1.性别变量的参数标定结果为负值，说明与女性相比，男性在进行枢纽间换乘方式选择决策时对于市郊铁路这一方式的选择意愿更低.年龄变量在本研究中拆分为三个哑元变量，分别为小于30岁，30～50岁以及50岁以上.以50岁以上人群作为基本对比组，年龄小于30岁的旅客参数为正值，说明与50岁以上的人群相比，该年龄段的人比较追求出行的舒适性，选择出租车的意愿更加强烈.31～50岁的旅客参数为正，这部分旅客大部分正在工作，日常通勤多采用地铁出行，且经济来源稳定，更倾向于选择地铁与出租车.月收入水平变量参数取值为正，说明月收入水平对于出租车的选择具有正向影响，旅客的月收入水平越高，其使用出租车的意愿就越强烈，与预期相符.高中学历哑元变量参数值为正，说明高中学历的人群普遍收入较低，更愿意选择地铁与公交这种的常规市内公共交通方式作为枢纽间换乘方式，与实际相符.旅客的职业哑元均为正，说明商业/服务业人员对于地铁、出租车与市郊铁路的选择意愿更高，专业技术人员与自由职业者对于公交的选择意愿更高.这是因为商业/服务业人员对出行方式的服务水平感知更为敏感，一般情况下，公交的服务水平相对较低.

5)旅客的出行态度方面，旅客是否愿意选择“行李直挂”服务对于其是否选择公交换乘的影响十分显著，标定的参数值为负，说明了愿意选择“行李直挂”的旅客对于出行的服务质量要求较高，选择公交换乘的意愿较低.对车厢拥挤度比较关注的旅客选择地铁和公交的意愿较低，这可能是因为这两种市内公共交通客流来源较多，常常较为拥挤.对座椅舒适性关注度较高的旅客不太愿意选择公交和市郊铁路，说明在舒适性方面公交和市郊铁路有待提升.对班次数量比较关注的旅客选择地铁和市郊铁路的意愿较高，这是由于这两种换乘方式的发车频率较高，且发车时间较为稳定.对准时性有所关注的旅客选择地铁和出租车的意愿更加强烈，这可能是由于地铁与出租车的快速性减少了一定的延误时间.

3.2 换乘方式选择分析

为了验证模型的拟合效果，将问卷数据代入标定后的四个MNL模型中，求解得到枢纽间各种换乘方式的分担率，并与问卷中实际选择结果进行对比，如表6所示.结果表明，旅客的个人特征对于模型拟合效果的提升较为明显，尤其是旅客的出行态度的影响，考虑了旅客个人特征的MNL模型预测出的各换乘方式分担率误差值均在1.5%以内，而考虑了旅客出行态度的MNL模型预测误差在0.1%以内.在目前的枢纽间换乘服务水平之下，各换乘方式中地铁分担率最高，均在50%左右，随着旅客个人属性以及出行态度的加入，市郊铁路的分担率会有所提升，更加接近于实际选择结果.

表6 枢纽间换乘方式分担率

3.3 换乘服务优化策略分析

根据M4模型的结果，对换乘方式的基本特性进行边际替代率计算，计算结果如表7所示，对于联运中转旅客，步行距离每减少1 km，就需要增加40 min的出行时间，或者增加38.46元的出行费用.该结果表明联运中转旅客在中转换乘时的时间价值较高，约为60元/h，而步行距离的改变对于联运旅客来说影响较小，这是由于旅客中转换乘的步行距离相较于联程出行的总距离相比可忽略不计，因此，联运旅客更加关注中转换乘的时间效率.因此，可进一步对换乘方式的出行时间进行敏感性分析.

表7 方式特性之间的边际替代率Tab.7 Marginal substitution rates of different mode characteristics

(6)

(7)

为探究对于同一样本人群，在其他条件不变的情况下，公交的出行时间对其换乘选择行为的影响，对M4模型中的公交出行时间与被选择的概率之间的关系以及对应的弹性值进行计算，并采用平均值法进行集计处理，结果如图5所示.

图5 公交出行时间与选择概率的关系及对应弹性值Fig.5 Relationship between bus travel time and choice probability and corresponding elasticity

结果表明，随着公交出行时间的减少，将会有一部分换乘地铁的客流转移到换乘公交方式上，当公交出行时间减少50%时，地铁的选择概率将由56.7%降低为52.72%，公交的选择概率则由9.93%升至15.42%，而出租车与市郊铁路的选择概率没有发生明显的变化.公交出行时间对地铁与市郊铁路的交叉弹性值为正，对公交的直接弹性值为负，说明公交出行时间与地铁、市郊铁路的选择概率呈正相关，与公交的选择概率呈负相关.弹性值的绝对值均小于1，且随着公交出行时间变化率增加逐渐减小，说明公交出行时间变化时，地铁、公交、市郊铁路的选择概率的变化是非弹性的.同时，当公交出行时间减少量不超过20%时，地铁与公交上的弹性值绝对值都在0.5以上，说明对公交出行时间下调0%～20%时，可以一定程度上将换乘地铁的客流转移至公交上.因此，相关部门在提升换乘服务质量时，可以考虑通过调整时刻表、开通枢纽间的直达公交等策略减少旅客的中转换乘时间，以此调整客流结构，改善联运旅客的出行体验.

4 结论

1)模型标定的结果表明，除了出行时间、出行费用与步行距离这样的方式特性之外，节假日出行、出行目的等出行场景特征也会对其换乘方式的选择有显著影响.与城市枢纽间一般出行者所不同的是，联运旅客的选择行为会受其携带行李的大小以及同行人员的影响.此外，旅客的个人差异也影响着选择决策结果，比如，收入较高的青壮年则对于出租车换乘有较大意愿.旅客对于换乘方式服务水平的关注程度同样是其选择行为中重要的因素，联运旅客更加关注换乘交通工具的车厢拥挤度以及班次数量，同时联程运输过程中的“行李直挂”服务也很受旅客的青睐.

2)分担率计算结果表明，有一半以上的旅客会选择地铁作为联程出行过程中枢纽间的换乘衔接方式，这得益于地铁快捷、经济、舒适的出行服务，但由于联运带来的换乘需求的增加，导致地铁客流量的增加，将会影响地铁乘客的出行体验.结合边际替代率与弹性值的计算结果，联运旅客对于时间效率尤为关注，公交出行时间下调0%～20%时，可以一定程度上将换乘地铁的联运客流转移至公交上.因此相关部门在推进联运服务之时可以考虑通过调整时刻表、开通枢纽间的直达公交与直达列车，或增加枢纽间多个时间段的公交、铁路班次，以此提升公交与市郊的服务水平，为地铁分流.

3)联程中转旅客的城市枢纽间换乘行为模型拟合误差均在5%以内，其中考虑了旅客个人异质性的M3、M4模型的拟合误差在1.5%以内，拟合效果较好，可用于城市枢纽间联运客流换乘需求预测，还可作为公共交通时刻表调整依据进行多方式协同调度.同时，根据本文所研究的旅客个人特性所带来的选择决策的不同，可在行程规划时为旅客提供更加个性化的服务.