基于出行便捷性的地铁站到达方式研究

沈发才，傅忠宁，秦永胜，张丰婷

（兰州交通大学 交通运输学院，甘肃 兰州 730070)

0 引言

我国大部分城市地铁站间距较大，而且随着城市扩张以及卫星城市的兴起，出行者需要使用便捷的交通方式从居住地到达市内地铁站换乘，到达方式选择成为地铁出行的关键一环。因此，分析影响地铁站周边居民出行方式的影响因素，考虑地铁站到达方式的交通特性，对于轨道交通主干作用的发挥，接驳交通绿色化引导，地铁站交通服务设施的完善等具有重要参考价值。

Swait[1]通过对纽约市部分轨道交通站点客流数据的调查，建立了离散选择模型，预测到达地铁站主要交通方式的分担率。Maria等[2]抽样调查瑞典通勤者的出行偏好，发现灵活、舒适和环保是被调查者选择出行方式的首要考虑因素。刘建荣等[3]根据出行者的异质性分析了高速铁路车站到达方式选择行为，认为不同类别出行者在步行时间、车内时间、价格、公交偏好、地铁偏好等方面具有显著差异。严海等[4]在北京市某地铁站周边进行了问卷调查和模拟实验，分析影响地铁站接驳方式(步行和自行车)的主要因素，并利用敏感性分析得出了2种接驳方式的时空阈值，给出了合理的接驳距离和接驳时间。韩晓玉等[5]以苏州市为例，运用多项Logit模型对地铁站接驳方式进行参数标定，认为此模型能较好地预测地铁站接驳方式。叶玉玲等[6]运用马尔可夫决策理论的系统状态转移矩阵，分析了交通枢纽客流集散方式中各种交通方式的客流变化趋势和规律，并根据预测结果提出协调优化对策。

目前国内外学者在出行方式选择问题方面的研究主要是考虑个人属性、社会经济属性以及出行属性，很少有学者考虑出行便捷性因素。因此，根据上海市居民出行的智能手机调查数据，引入多项Logit模型，从出行便捷性的角度分析被调查者到达地铁站的方式选择行为和影响因素。

1 基于出行便捷性的地铁站到达方式选择模型构建

1.1 出行便捷性概述

对于地铁出行而言，出行便捷性是指出行者采用一种或多种交通方式到达地铁站的便利性。大多数学者认为出行便捷性包含方便性、快捷性以及经济性3个方面的内容[7]。其中，方便性是指出行者在完成当前既定的出行过程中，很容易进行出行方案规划，且能根据自己的出行需求随时调整交通方式或者交通出行路线；快捷性是指出行者在保障安全性和舒适性的前提下，能够快速完成本次出行的全过程，尽可能地缩短出行时间；经济性是指出行者在享受安全、舒适出行的基础上，能够尽可能地降低出行成本[8]。基于出行便捷性上述3方面的内容，结合出行便捷性自身特性和已有研究成果，得到地铁站到达便捷性指标体系。地铁站到达便捷性指标体系如表1所示。

表1 地铁站到达便捷性指标体系Tab.1 Index system of convenience and rapidity to arrive at a subway station

1.2 到达方式选择模型构建

1.2.1 到达方式选择行为概述

近年来，由于城市经济水平的提升，再加上出行者的行为偏好和出行特性，以及交通供给水平、城市规模的不同，使得出行者在“出行第一公里”选用的交通方式也不尽相同。地铁站到达方式选择是指出行者选用接驳类型到达就近地铁站换乘的行为。目前地铁站到达方式主要可以分为：①步行；②非机动车；③小汽车(私家车和出租车)；④常规公交；⑤其他方式。

1.2.2 影响因素选取

基于出行便捷性理论和地铁站接驳方式的研究成果，针对影响地铁站到达方式选择的众多因素，对所获取数据进行相关性分析，得到影响地铁站到达方式选择的影响因素[9]。地铁站到达方式的影响因素如表2所示。

表2 地铁站到达方式的影响因素Tab.2 Influencing factors in travel modes to a subway station

其中，是否拥有固定工作可以反映出行者对所在城市交通体系的熟悉程度，同时体现出行的规律性和长期性，即拥有固定工作可以表明出行者相对熟知出行路线和时间，且出行并非偶然发生的一次性行为，反之亦然。出发高峰时刻是指出行时间点是否处于高峰时段，其中高峰时段限定为：早高峰7 : 00—9 : 00；晚高峰17 : 00—19 : 00。

1.2.3 选择行为建模

效用最大化理论可用于描述出行者对于地铁站到达方式选择的决策过程，效用函数一般包括固定效用和随机误差项[10]。

式中：Uiq为出行者选择地铁站到达方式的效用；i为出行者；q为地铁站到达方式选择集N中的一个选择项；εiq为效用函数的随机项；Viq为效用函数的可观测固定项部分。

通常假设地铁站到达方式中Viq是影响因素Xiqk的线性函数，计算公式如下。

式中：K为特征变量的数目；θk为第k个特征变量对应的参数；Xiqk为出行者i选择地铁站到达方式q的第k个特征变量。

多项logit模型假定Viq与εiq是相互独立的，且εiq服从Gumbel分布，则出行者i选择到达地铁站交通方式q的概率Piq如公式 ⑶ 所示。

式中：Prob为返回区域中的数值落在指定区间内的对应概率。

由Gumbel分布的性质得到如下公式。

则出行者i选择到达地铁站交通方式q的Logit模型的一般形式为

式中：In为地铁站到达方式的总数量。

2 数据采集与处理

2.1 数据采集

利用自编的智能手机GPS定位软件，收集上海市志愿者的出行轨迹调查数据。整个调查过程主要分为3个阶段：①前期准备；②中期实施；③后期数据整理。前期是调查区域选取、调查人群的选择以及培训，本次调查共征集了398名志愿者，在他们的智能手机中安装GPS定位软件，填写个人属性相关资料，并在调查期间开启软件；中期是采集出行者的轨迹数据，并将这些数据及时上传至数据库，共得到200多万条轨迹数据。

采集到的信息包括志愿者的编号(User)、时刻(Instant)、轨迹点经度(longitude)、轨迹点纬度(latitude)、瞬时速度(speed)、水平位置精度(accuracy)、卫星数量(satellite)以及定位方式(type)。通常情况下，手机每秒钟会上传一个GPS轨迹点数据至数据库。采集到的第452号志愿者的部分GPS轨迹数据如表3所示。

表3 GPS轨迹数据Tab.3 Track data based on GPS

2.2 数据处理

基于智能手机采集的出行数据量庞大，为避免出现异常、缺少部分信息或精度达不到要求的数据，因此需要对原始数据进行处理，剔除格式错误、水平定位精度和卫星数量达不到要求的数据。然后利用出行距离、速度以及加速度作为特征变量，对处理后的数据应用BP神经网络算法推断出行方式[11]，最终共得到5 644条出行数据。从这些出行数据中，挑选包含地铁出行的轨迹数据作为研究的基础，最终提炼出610条涵盖地铁的出行链。

2.3 数据分析

处理后的数据包括被调查者个人及家庭的社会经济属性和一周内涵盖地铁的出行链数据。数据分项统计表如表4所示。步行时长、到达时间、到达距离以及到达费用被作为协变量代入地铁站到达方式选择模型，来分析它们各自对地铁站到达方式的影响，没有再细分子项类别做离散化处理。为了体现内容的完整性，只是将这4项影响因素罗列在数据分项统计表中。

3 模型求解

3.1 指标量化

采用Likert五点量表对表4中的指标进行数值量化。指标数值量化如表5所示。其中1 ~ 4表示不同指标差异度；到达总距离、到达总时长以及到达地铁站过程的步行时长为协变量，因而不进行量化操作。

表4 数据分项统计表Tab.4 Statistics of data classification by item

表5 指标数值量化Tab.5 Quantification of indicator values

3.2 模型参数的标定

地铁站到达方式研究中以步行到达为参考类别，对多项Logit模型进行参数标定。参数标定值如表6所示。其中，B为变量系数，Sig.为统计量的显著性水平。模型变量根据显著性水平Sig.确定：Sig.＜ 0.05，当变量系数B大于0时，说明该变量对某一类地铁站到达方式选择有正向促进作用；反之则为负向作用。

表6 参数标定值Tab.6 Calibration values of parameters

3.3 结果参数检验

对选取的变量进行显著性检验，以步行到达为参考，运用多项Logit模型对出行数据进行统计分析，获取模型拟合信息和似然比检验结果[12-13]。模型拟合信息如表7所示。

表7 模型拟合信息Tab.7 Fitting information of the model

由表7可知，模型显著性水平高，拟合效果好。似然比检验结果如表8所示。

由表8可知，固定工作、接驳距离、步行时长、出行目的的显著性水平甚至低于0.01[14]，可以认为这4项对地铁站到达方式选择具有更为显著的影响，是衡量出行便捷性的关键因素。

表8 似然比检验结果Tab.8 Results of the likelihood ratio test

4 出行便捷性影响分析

参数标定及显著性检验结果表明，出行便捷性对地铁站到达方式选择的影响是非常明显的。由表6可知，决定非机动车、小汽车、常规公交3种到达方式选择概率的显著性因素个数相近，但各自显著性因素组合的构成并不相同，它们的并集几乎涵盖了表2对出行便捷性的所有表征因素，因此，选取的出行便捷性因素具有遍历性，是较为全面的。为进一步探究出行便捷性对地铁站到达方式的影响，分别从方便性、快捷性和经济性3个方面剖析。

4.1 方便性

方便性由是否具有固定工作、私家车拥有情况和接驳距离来体现。由表6可知，从显著性因素的个数来看，方便性对非机动车到达方式的表征效果较好，因为私家车拥有情况、固定工作、0 ~ 800 m接驳距离以及1 500 ~ 3 000 m接驳距离4项指标均显著。

在0 ~ 800 m范围内，接驳距离对非机动车选择概率为正向影响，出行者会随着接驳距离的增加逐渐选择非机动车到达地铁站；在1 500 ~ 3 000 m范围内，接驳距离对非机动车选择概率为负向影响，且影响程度很大，出行者会随着接驳距离的增加明显转向其它地铁站到达方式。因此，常规公交应广泛吸引地铁站周边1 500 m以外的乘客群体，提高出行方便性，减少他们选用小汽车到达地铁站的概率。

是否具有固定工作对非机动车和小汽车到达方式选择的影响程度较大。因为大部分固定工作者必须在指定的时间段内到达特定地点，而常规公交在运行时间和行车间隔方面存在很大的不确定，相比而言，非机动车和小汽车到达地铁站的时间可控性较强，成为固定工作者青睐的到达方式。因此，常规公交应通过公交专用道的设置、智能化调度系统的配置等措施提高准点到达率，方便乘客按预定时间到达地铁站。

4.2 快捷性

快捷性由步行时长、出发高峰时刻、出行目的、到达时间和到达距离来体现。由于到达地铁站的出行是派生性需求，出行者的实际意图是搭乘地铁，所以到达距离和到达时间对地铁站到达方式的影响程度较小。由表8可知，到达距离在0.1显著性水平的似然比检验中通过，到达时间在0.05显著性水平的似然比检验中通过，而步行时长和出行目的在更为严格的0.01显著性水平下通过，说明快捷性对地铁站到达方式的整体表征效果很好。

此外，由表6可知，到达时间和到达距离2项指标只对小汽车到达方式选择的影响显著，因为同非机动车、常规公交相比，小汽车的快捷性表现最为突出，因此这2项指标对以小汽车为到达方式的表征效果最好。常规公交虽然在快捷性方面不占优势，但可以充分发挥价格优势，采取延时补贴、递远递减等多元化票价优惠政策。

4.3 经济性

经济性由到达费用来体现。但加入到达费用因素后，地铁站到达方式选择模型中各因素的似然比检验结果均不理想，因此从出行便捷性指标中移除。由表4数据分项统计结果加总可知，步行、非机动车和常规公交占地铁站到达方式的88.6%，这3种到达方式的出行费用都很低，对地铁站到达方式的影响并不大。

5 结束语

从交通需求管理的角度出发，以出行效用最大化为理论依据，利用上海市居民智能手机GPS定位数据，探讨影响步行、非机动车、小汽车、常规公交4种地铁站到达方式的出行便捷性因素。就到达地铁站交通方式而言，应引导出行距离在1 500 m以上的这部分出行群体选择中长距离下便捷性表现更好的常规公交或非机动车到达地铁站。为了逐步达到引导目的，需要在公共交通服务配套和共享单车发展方面着力，完善公交枢纽和站点、非机动车停靠点等相关设施的设置；以及提高常规公交到达准点率和线网可达性，降低常规公交和共享单车的出行费率。就地铁站周边设施布置而言，不仅要实现通达性的要求，还应兼顾步行、非机动车以及小汽车等到达方式的便捷性设计，尽量减少人行天桥和地下通道的设置数量，科学规划地铁站周边停车场位置和小汽车进出路线，为非机动车出行者和长距离小汽车出行者提供便捷的停车换乘服务。出行便捷性是城市交通规划与管理追求的目标，地铁作为大容量、高速度的轨道交通方式，能否吸引大批乘客，充分发挥主干作用，很大程度上取决于地铁站到达方式的便捷性。研究结论对地铁站周边交通方式组织和出行行为引导具有理论价值，后续可分为新建地铁站规划和既有地铁站改造2种情况进一步探讨出行便捷性问题，同时可扩展到城际铁路和高速铁路车站的到达方式选择方面。