铁路客运枢纽短假期旅客集散交通接驳方式选择影响因素分析

云亮　涂丹　陈兰　唐雷

摘要 掌握铁路客运枢纽旅客集散交通接驳方式影响因素是合理预测交通接驳需求、配置枢纽交通接驳资源的重要依据。以短假期铁路旅客为研究对象，基于成都东站枢纽“五一”假期实地调查，构建离站和到站两个方向的交通接驳方式选择MNL模型，并利用SPSS软件进行了自变量相关性分析、模型验证和因素分析，结果表明收入、出行目的、出行距离和同行人数对到达旅客模型具有显著贡献，收入、出行目的、同行人数和本站使用次数对出发旅客模型具有显著贡献。同时参数估计结果表明，旅客选择常规公交的概率变化以及特殊出行目的旅客交通方式选择的概率变化受上述因素的影响更显著。

关键词 铁路枢纽;集散交通;交通接驳方式选择;影响因素;短假期

中图分类号 U291.75 文献标识码 A 文章编号 2096-8949（2022）10-0031-05

0 引言

铁路客运枢纽作为城市对外交通与内部交通转换的重要节点，有效提高铁路枢纽旅客集散交通的效率是改善枢纽及其所在城市区域交通运行的重要途径。该文将通过铁路到达枢纽、利用各类交通衔接方式前往出行目的地的旅客称为到达旅客，将通过各类交通衔接方式到达枢纽、利用铁路前往出行目的地的旅客称为出发旅客，研究其集散交通接驳方式选择的因素可以为合理构建交通预测模型、配置交通资源提供支持[1]。

该文基于成都东站枢纽“五一”假期实地调查，通过对旅客个人特征和出行特征相关变量进行筛选，构建接驳方式选择MNL模型，对影响短假期铁路旅客集散交通接驳方式选择的因素进行分析。

1 数据调查与描述性统计

1.1 数据调查概况

为研究铁路枢纽短假期旅客集散交通接驳方式选择影响因素，以成都东站为研究区域，在2021年“五一”假期对该区域进行实地调查。成都东站提供的离站接驳交通方式包括中长途的城际铁路、公路长途客运，中短途的城市轨道交通、常规公共、出租车、私家车、网约车等。在枢纽到达大厅进行随机调查，采用电子问卷形式获得531份到达旅客问卷和581份出发旅客问卷，有效问卷分别为507份和554份。根据铁路部门统计，2021年“五一”期间成都东站旅客到达量和发送量分别达124.9万人和124.6万人，日均旅客到达量和发送量分别为24.98万人和24.92万人。根据Z统计量检验方法，选择置信区间为95%，统计误差为5%，标准差取0.5，确定最小样本量为358人，均小于本次调查的两类样本量，因此调查数据满足样本量要求。

1.2 描述性统计

旅客样本个人属性和出行属性统计情况分别如表1和表2所示。个人属性统计结果表明：到达和出发旅客男性均多于女性，旅客年龄在35岁以下的青年占比均超过67%，职业均以工人/普通职员/科技人员、学生、医护人员/教师/服务业人员等为主，学历以大学本科/专科为主，月收入集中在9 000元以下;出行属性统计结果表明，出行目的占比前三位的，到达旅客分别是打工/创业、回家/返校、探亲/访友，出发旅客分别是回家/返校、旅游、打工/創业，出行距离主要集中在10～25 km范围内，出行人数集中在三人以内，携带行李大多不超过一个普通行李箱的规格，有超过两成的游客是首次抵达成都东站。

主要交通衔接方式统计结果表明：选择城市轨道交通作为主要衔接交通方式的旅客约占一半，到达旅客选择的比例略高于出发旅客;选择公共交通方式（城市轨道交通+常规公交）的旅客在65%～70%，到达旅客高于出发旅客;选择小汽车的旅客在21%～25%，出发旅客高于到达旅客。

2 模型构建

该文基于非集计模型的随机效用理论构建多项logit模型（MNL模型），从概率的角度探讨旅客集散交通的接驳方式选择行为，然后通过对模型进行参数估计，定量分析影响旅客接驳交通方式选择的主要因素。

2.1 模型数学表述

非集计模型假定作为行为决策单元的个人在可以选择且选择方式相互独立的集合中会选择对自己效用最大的方式，即随机效用理论。旅客在条件一定的情况下选择接驳方式的效用函数可以用公式（1）表示：

2.2 模型变量设置

该文将影响旅客接驳方式选择决策的因素分为个人特征因素和出行特征因素，模型变量设置及定义如表3所示。

利用SPSS进行上述变量的两变量相关性双向检验，因变量均为分类变量，因此采用Spearman相关分析。到达旅客和出发旅客的分析结果分别如表4和表5所示。

由表4可知，到达旅客的“年龄”和“职业”、“年龄”和“收入”以及“职业”和“收入”的相关性系数为0.4～0.6之间，即为中等程度相关，其余变量之间相关性均为弱相关或极弱相关。因此，将“年龄”和“职业”两个变量去除，保留“收入”变量。

同时由表5可知，出发旅客除上述变量中等程度相关外，“同行人数”和“携带行李”变量也为中等程度相关。因此，将“年龄”“职业”和“携带行李”三个变量去除。

3 模型验证及因素分析

3.1 模型拟合及检验

应用SPSS软件进行数据处理，将“其他”方式作为参考方式，以因变量的最后一个分类水平作为参照，应用MNL模型分别对到达旅客和出发旅客样本数据进行模型拟合与检验，得到模型的拟合信息和似然比检验结果分别如表6和表7所示。

由表6可知，最终模型的卡方值分别为275.653和777.904，显著性水平均小于0.05，表明最终模型优于仅有截距的模型，因而更具有统计意义，因此通过检验。

由表7可知，模型似然比检验结果表明，到达旅客模型所选取的变量中“性别”“学历”“携带行李”和“本站使用次数”的显著性水平以及出发旅客模型中的“性别”“学历”和“出行距离”的显著性水平均大于0.05，表明研究这些自变量不具有实际意义;其余变量对模型构成均有显著贡献。因此，最终进入到达旅客模型的效应包括截距、收入、出行目的、出行距离和同行人数，进入出发旅客模型的效应包括截距、收入、出行目的、同行人数和本站使用次数。再次进行检验的结果分别如表8和表9所示。

3.2 参数估计与因素分析

通过SPSS软件检验自变量对到达旅客和出发旅客接驳方式选择的影响，得到到达旅客和出发旅客模型的参数估计结果分别如表10和表11所示。

由表10可知在到达旅客选择离站交通方式时，与“其他”方式相比：

（1）在收入水平不高于25 000元情况下，在任何收入水平上随着收入的提升，选择常规公交方式概率的增长，明显高于选择城市轨道交通和小汽车的概率增长，在12 000～15 000元收入范围这一现象更明显。

（2）除“其他”出行目的外，各类目的的旅客选择常规公交和小汽车的概率均增加，但选择城市轨道交通的概率均下降（只有“看病就医”目的增加，原因尚不明确）;此外，以“看病就医”为目的的旅客比其他目的的旅客概率增长得更明显。

（3）在出行距离不大于25 km情况下，任何出行距离范围上随着距离的增加，旅客选择城市轨道交通、常规公交和小汽车的概率都会增长，而且在5～25 km范围内增长得更明显。

（4）在同行人数5人以下情况下，选择城市轨道交通和小汽车方式的概率增加均高于常规公交，而同行人数3～5人情况下选择各类方式的概率增长是最小的;其中，无同伴时选择常规公交的概率是降低的。

由表11可知在出发旅客选择到站交通时，与“其他”方式相比：

（1）在任何收入水平上选择小汽车方式的概率均下降，收入在3 000～25 000元范围时选择城市轨道交通的概率均增加，收入在6 000～25 000元范围时选择常规公交的概率均增加，其中收入在9 000～25 000元范围时选择城市轨道交通和常规公交概率的增长明显高于其他收入范围。

（2）除“其他”目的的旅客外，其余各类出行目的的旅客选择城市轨道交通、常规公交和小汽车的概率均增加，其中选择常规公交的概率明显高于城市轨道交通和小汽车，而“看病就医”目的的旅客选择各类方式概率的增加明显高于其他出行目的。

（3）在同行人数5人以下情况下，只有选择常规公交的概率在各类同行人数情况下均增加，且明显高于选择其他方式的概率增加，同时只有同行人数3～5人情况下选择各类方式的概率均增加。

（4）在使用本站次数10次以内情况下，选择城市轨道交通的概率在各种使用频率情况下均下降，而选择常规公交的概率在各种使用频率情况下均增加。

4 结论

（1）成都东站短假期旅客以青年为主，男性多于女性，多为普通职工、学生、服务业人员等中低收入者;出行目的主要是打工创业、回家返校、旅游和探亲访友，出行距离主要集中在5～25 km范围，以三人以内的小团队为主，携带行李大多不超过一个普通行李箱的规格，有两成的游客是首次抵达成都东站，主要利用公共交通（尤其是城市轨道交通）集散;

（2）参数估计结果表明，到达旅客随着收入水平的增加选择常规公交的概率增长明显高于其他两类方式，以“看病就医”为目的的旅客选择各类方式的概率增长比其他目的的旅客概率增长更明显，出行距离在5～25 km的旅客选择各类方式的概率明显高于5 km以内的旅客，3人以内团队选择各类方式的概率增长明显高于4～6人团队;出发旅客随着收入水平的增加选择公共交通方式的概率均增长而选择小汽车的概率下降，以“看病就医”为目的的旅客选择各类方式的概率增长比其他目的的旅客概率增长更明显，所有同行人数类型的团队选择常规公交的概率增長明显高于其他方式且3人以内团队选择小汽车方式的概率下降，各种本站使用次数情况下选择常规公交的概率增加明显高于其他方式。

因此对于铁路枢纽接驳交通系统而言，应考虑扩大常规公交接驳的换乘区域可达性和交通引导，发挥其在短距离接驳的作用;应提高对旅客团体出行在接驳需求方面的服务，如增加特殊群体（如看病就医旅客）专用或优先换乘通道等;应注意通过良好的接驳交通组织管理培养出行者的出行习惯，引导绿色交通体系的构建和完善。

参考文献

[1]云亮. 铁路到达旅客离站交通系统配置优化研究[D]. 成都：西南交通大学， 2015.

[2]马书红， 李阳， 岳敏. 考虑出行链的城际旅客换乘选择行为研究[J]. 北京交通大学学报， 2020（6）： 74-81.

[3]董小楠， 闫章存， 赵怀明， 等. 基于时空约束的出行方式选择行为分析[J]. 公路交通科技， 2020（9）： 104-112.

[4]李进芳， 郭海明. 样本量确定的经济学分析[J]. 统计与决策， 2009（19）： 22-23.