秦?zé)?關(guān)宏志 龍雪琴 殷煥煥 劉 燕

（北京工業(yè)大學(xué)交通工程北京市重點(diǎn)實(shí)驗(yàn)室 北京 100124）

0 引 言

停車換乘（par k ＆ride）作為一種交通出行模式，通常是指在中心城區(qū)（或擁堵區(qū)域）外圍設(shè)立停車設(shè)施，鼓勵(lì)私人小汽車出行者在其停車，換乘公共交通進(jìn)入市中心，以此來(lái)緩解城市的交通壓力，促進(jìn)城市公共交通系統(tǒng)的利用.因此，成為世界許多城市解決城市交通問(wèn)題的一種交通模式.

國(guó)內(nèi)外的相關(guān)研究包括，Spillar根據(jù)在西雅圖、德克薩斯等地區(qū)的停車換乘使用者的車輛牌照調(diào)查，統(tǒng)計(jì)得出設(shè)施的需求吸引范圍為拋物線形或橢圓形，50%的停車換乘設(shè)施吸引需求來(lái)自設(shè)施周邊4 k m為半徑的圓形區(qū)域內(nèi)，并對(duì)停車換乘需求預(yù)測(cè)模型和模型的可移植性進(jìn)行了研究［1］.Bilal Far han建立了基于GIS的停車換乘吸引范圍分析方法，同時(shí)考慮了停車換乘設(shè)施吸引區(qū)域的路網(wǎng)可達(dá)性、需求者的出行方向，并通過(guò)實(shí)例對(duì)比驗(yàn)證了其方法的有效性［2］.龔韻枝提出了城市外圍停車換乘出行方式選擇的非集聚結(jié)構(gòu)方程概念模型，對(duì)模型的修正、擬合和模型應(yīng)用進(jìn)行了闡述［3］.王雪等對(duì)停車換乘吸引范圍內(nèi)的需求強(qiáng)度進(jìn)行了研究，得出了換乘需求強(qiáng)度與距離之間的相互關(guān)系，并對(duì)影響需求強(qiáng)度的因素進(jìn)行了分析［4］.

王佳等利用聚集效應(yīng)理論建立客流吸引范圍模型，得到不同類型軌道交通站點(diǎn)對(duì)常規(guī)公交客流的吸引范圍［5］.楊京帥等基于城市軌道交通車站合理步行區(qū)與交通區(qū)的分析，通過(guò)對(duì)城市區(qū)域劃分及車站分類，進(jìn)行車站加權(quán)平均接運(yùn)距離與吸引范圍折算系數(shù)的計(jì)算，估算了不同區(qū)域車站合理吸引范圍［6］.本文根據(jù)在北京市進(jìn)行的停車換乘需求調(diào)查數(shù)據(jù)，分析停車換乘設(shè)施吸引需求強(qiáng)度分布特性，進(jìn)而對(duì)停車換乘設(shè)施吸引需求強(qiáng)度與影響因素的關(guān)系進(jìn)行研究.

1 停車換乘需求調(diào)查概述

選取天通苑北和通州北苑停車換乘設(shè)施作為調(diào)查地點(diǎn)，兩處均為與軌道交通和公交接駁的停車換乘設(shè)施，停車?yán)寐瘦^高.經(jīng)調(diào)查小汽車停車后主要的換乘交通方式為軌道交通.調(diào)查時(shí)間為2010年6月21日（星期一）和6月23日（星期三）.

調(diào)查的主要內(nèi)容為出行者個(gè)人特性，包括收入、年齡、性別、職業(yè)、出行目的等；出行行為，包括出發(fā)地、目的地、停車后的換乘方式、駕車到達(dá)停車換乘設(shè)施的時(shí)間、乘坐公共交通／地鐵的時(shí)間、乘坐公共交通／地鐵過(guò)程中的換乘次數(shù)、換乘時(shí)間、選擇停車換乘出行的原因等.

調(diào)查共收集問(wèn)卷128份，其中有效調(diào)查問(wèn)卷118份.

2 停車換乘設(shè)施吸引需求分布分析

2.1 核密度估計(jì)方法（ker nel density estimation，KDE）

一般而言，對(duì)于二維數(shù)據(jù)集（x，y），固定帶寬的核密度估計(jì)函數(shù)采用以下公式

式中：f（x，y）為在（x，y）處的核密度值；n為樣本數(shù)量；h為帶寬；di為樣本點(diǎn)i到位置（x，y）處的距離；K為密度函數(shù)（通常是放射狀對(duì)稱單峰概率密度函數(shù)）.K和h均可自由選取，理論上，為了核密度估計(jì)的一致性，h應(yīng)該隨著樣本量的增加而減小，并隨不同位置數(shù)據(jù)的分布狀況不同，這里采用適應(yīng)性（adaptive）核密度估計(jì)方法，主要是通過(guò)估計(jì)密度的局部平滑而提高全局估計(jì)的效果［7］.

適應(yīng)性核密度估計(jì)公式如下，其中：η為標(biāo)準(zhǔn)化因子；~f（x，y）為基于固定帶寬的試驗(yàn)性密度估計(jì).

2.2 停車換乘設(shè)施吸引需求強(qiáng)度分析

利用問(wèn)卷調(diào)查中的換乘者出發(fā)地?cái)?shù)據(jù)，通過(guò)Google eart h得到各需求點(diǎn)經(jīng)緯度坐標(biāo).在居住用地上分布的停車換乘需求點(diǎn)較多，在停車換乘設(shè)施上游，即遠(yuǎn)離中心區(qū)的方向吸引的換乘需求量比較大，也有部分下游返程換乘需求者，即出發(fā)地靠近中心區(qū)的位置，目的地仍為中心區(qū)，與出行方向相反，其換乘需求量較小.將換乘出行者的出發(fā)地和停車換乘設(shè)施連線，其與停車換乘設(shè)施與目的地連線延長(zhǎng)線的夾角作為出行方向角度，如圖1所示.

式中：hn為初始的固定帶寬，基于統(tǒng)計(jì)學(xué)上的“最優(yōu)”原則得到；

圖1 停車換乘出行角度示意圖

從圖2可以看出，不同出行方向上的換乘需求比例不同，79%的停車換乘者的出行方向角度為0～80°范圍內(nèi)，81～100°和141～160°范圍內(nèi)的停車換乘需求量較小，均占8%.

圖2 不同出行角度上的換乘需求比例

從圖3可以看出，停車換乘需求量隨著與停車換乘設(shè)施距離的增加而減少，基于到達(dá)停車換乘設(shè)施的駕車行駛時(shí)間代替距離來(lái)分析需求分布特性，可以體現(xiàn)路網(wǎng)可達(dá)性對(duì)需求吸引的影響，得到91%的停車換乘需求者駕車行使時(shí)間在5～20 min范圍內(nèi)，大于30 min的換乘者僅占3%.

圖3 不同駕車時(shí)間的換乘需求比例

利用Cri mestat核密度分析軟件，采用單核適應(yīng)性核密度估計(jì)方法，樣本函數(shù)采用高斯核函數(shù)，得到各位置處的需求概率密度值，可作為停車換乘設(shè)施吸引需求強(qiáng)度值，其概率密度三維輸出結(jié)果見(jiàn)圖4～5.從圖中可以看出，在沿停車換乘設(shè)施與中心區(qū)的軸線方向上，需求密度圖上呈現(xiàn)山峰式的隆起，需求強(qiáng)度較大，向兩側(cè)方向，即出行角度變大后，需求強(qiáng)度逐漸減少，并且距離停車換乘設(shè)施越遠(yuǎn)，需求強(qiáng)度也逐漸減少，需求強(qiáng)度呈現(xiàn)連續(xù)分布曲面，基于核密度估計(jì)的方法可以反映停車換乘設(shè)施吸引需求分布情況.

圖4 天通苑北停車換乘設(shè)施吸引需求強(qiáng)度分布圖

圖5 通州北苑停車換乘設(shè)施吸引需求強(qiáng)度分布圖

3 停車換乘設(shè)施吸引需求強(qiáng)度影響因素分析

停車換乘設(shè)施吸引的需求強(qiáng)度隨著設(shè)施位置、設(shè)施服務(wù)水平、中心區(qū)交通狀況等的不同而不同，其影響因素較多，有些無(wú)法量化，而結(jié)構(gòu)方程模型彌補(bǔ)了傳統(tǒng)統(tǒng)計(jì)方法的不足，是多元數(shù)據(jù)分析的重要工具［8］，可以分析潛在變量之間的關(guān)系，同時(shí)能夠有效處理變量具有一定測(cè)量誤差的問(wèn)題.因此，這里采用結(jié)構(gòu)方程模型來(lái)分析設(shè)施吸引的需求強(qiáng)度與影響因素之間的關(guān)系.

3.1 結(jié)構(gòu)方程模型

結(jié)構(gòu)方程模型（str uct ural equation modeling，SEM）是基于變量的協(xié)方差矩陣對(duì)變量之間關(guān)系進(jìn)行統(tǒng)計(jì)分析的方法，也稱為協(xié)方差結(jié)構(gòu)分析.SEM假定一組潛變量之間存在因果關(guān)系，潛變量可以分別用一組觀察變量表示，是某幾個(gè)觀察變量中的線性組合.通過(guò)驗(yàn)證觀察變量之間的協(xié)方差，可以估計(jì)出線性回歸模型的系數(shù)，從而在統(tǒng)計(jì)上檢驗(yàn)所假設(shè)的模型對(duì)所研究的過(guò)程是否適配.結(jié)構(gòu)方程的分析步驟包括理論模型構(gòu)建、變量的具體化和量化、模型識(shí)別、模型評(píng)價(jià)和模型修正［9］.

SEM由測(cè)量模型和結(jié)構(gòu)模型組成，一般結(jié)構(gòu)方程由3個(gè)公式組成.其中，式（3）為結(jié)構(gòu)模型，分析潛變量之間的關(guān)系.式（4）和（5）為測(cè)量模型，表示潛變量與觀察變量之間的關(guān)系.

式中：η為內(nèi)生潛變量組成的向量；B為內(nèi)生潛變量系數(shù)矩陣；Γ為外生潛變量系數(shù)矩陣；ξ為外生潛變量組成的向量；ζ為結(jié)構(gòu)方程殘差向量；y為內(nèi)生變量組成的向量；Λy為內(nèi)生變量y在內(nèi)生潛變量η上的因子負(fù)荷矩陣；ε為內(nèi)生變量測(cè)量誤差向量；x為外生變量組成的向量；Λx為外生變量x在外生潛變量ξ上的因子負(fù)荷矩陣；δ為外生變量測(cè)量誤差向量.

一個(gè)完整的結(jié)構(gòu)方程包含8個(gè)參數(shù)矩陣，對(duì)模型的估計(jì)，常用的是最大似然估計(jì)（ML）、廣義最小平方法（GLS）、加權(quán)最小平方法（WLS）、對(duì)角線加權(quán)平方法（DWLS）等，參數(shù)估計(jì)能夠得到變量之間關(guān)系、模型未能解釋部分、變量測(cè)量上的誤差等參數(shù).

3.2 模型變量的選取

通過(guò)初步篩選，選取7個(gè)主要的停車換乘設(shè)施吸引需求強(qiáng)度影響因素作為結(jié)構(gòu)模型的觀察變量（見(jiàn)表1），包括目的地交通運(yùn)行情況，目的地的停車供給情況，公交／地鐵乘車時(shí)間，乘坐公交／地鐵的換乘次數(shù)，自駕車到達(dá)停車換乘設(shè)施的出行時(shí)間，出行角度.結(jié)構(gòu)方程的潛變量包括目的地交通狀況、駕車出行活動(dòng)、公交出行活動(dòng)和換乘需求強(qiáng)度，其中換乘需求強(qiáng)度由1個(gè)觀察變量表示.

表1 結(jié)構(gòu)方程模型變量表

3.3 模型標(biāo)定及分析

本研究利用Amos來(lái)建立結(jié)構(gòu)方程模型.模型構(gòu)建考慮了各變量之間的相互關(guān)系，停車換乘設(shè)施吸引需求強(qiáng)度是基于換乘出行活動(dòng)產(chǎn)生的，包括駕車出行活動(dòng)和換乘公交出行活動(dòng)，同時(shí)又受到目的地（中心區(qū)）交通狀況的影響，在Amos中繪制停車換乘吸引需求強(qiáng)度結(jié)構(gòu)方程假設(shè)關(guān)系模型見(jiàn)圖6.

圖6 模型關(guān)系圖

由于Amos軟件不能以結(jié)構(gòu)方程模型公式中的殘差符號(hào)ζ，ε，δ來(lái)表示殘差，在模型圖中均以e來(lái)表示，這里采用最大似然估計(jì)方法進(jìn)行模型的標(biāo)定，得到標(biāo)準(zhǔn)化模型參數(shù)估計(jì)結(jié)果和模型適配度指標(biāo)，如表2所列.可以看出，模型各項(xiàng)適配度指標(biāo)均符合標(biāo)準(zhǔn)臨界值要求，假設(shè)模型與實(shí)際數(shù)據(jù)可以契合.

表2 模型適配度指標(biāo)

從圖7可以看出，對(duì)于潛變量之間的影響關(guān)系，目的地交通狀況與換乘需求強(qiáng)度之間的負(fù)荷系數(shù)為－0.14，說(shuō)明目的地交通狀況越差，吸引的換乘需求強(qiáng)度越大.換乘公交活動(dòng)與換乘需求強(qiáng)度之間的負(fù)荷系數(shù)為－0.46，說(shuō)明換乘公交／地鐵后，公交／地鐵乘車時(shí)間越長(zhǎng)，換乘次數(shù)越多，吸引的換乘需求強(qiáng)度越小，因此，如果提高公共交通服務(wù)水平，減少換乘后的出行時(shí)間和次數(shù)，可以提高停車換乘需求出行比例.駕車出行活動(dòng)與換乘需求強(qiáng)度之間的負(fù)荷系數(shù)為－0.34，同時(shí)駕車出行時(shí)間和出行角度觀察變量對(duì)潛變量駕車出行活動(dòng)的系數(shù)分別為0.99和－0.12，即負(fù)相關(guān)，說(shuō)明駕車出行時(shí)間越長(zhǎng)，出行角度越小，停車換乘設(shè)施吸引需求強(qiáng)度越小.總體來(lái)看，換乘公交活動(dòng)對(duì)吸引的換乘需求強(qiáng)度的影響大于駕車出行活動(dòng)，影響最小的是目的地交通狀況.

圖7 標(biāo)準(zhǔn)化模型參數(shù)估計(jì)結(jié)果

4 結(jié)束語(yǔ)

停車換乘設(shè)施吸引范圍內(nèi)需求強(qiáng)度變化規(guī)律的分析是進(jìn)行停車換乘需求預(yù)測(cè)的重要方面，本文根據(jù)在北京市進(jìn)行的停車換乘需求調(diào)查數(shù)據(jù)，利用核密度估計(jì)理論分析了停車換乘需求分布特性，進(jìn)而利用結(jié)構(gòu)方程模型分析了停車換乘設(shè)施吸引需求強(qiáng)度與影響因素之間的關(guān)系，得出目的地交通狀況越差、公交服務(wù)水平越高、出發(fā)地與換乘設(shè)施之間的距離越近，停車換乘設(shè)施吸引的換乘需求強(qiáng)度越大.

［1］Robert J，Spillar P E.Par k－and－ride planning and design guidelines［C］／／Parsons Brinckerhoff Quade＆Douglas，Inc.1997.

［2］Farhan B，Evaluation M S.Modeling and policy assess ment for par k and ride ser vices as a co mponent of public transportation［D］.Ohio State University，2003.

［3］龔韻枝，城市外圍停車換乘設(shè)施需求預(yù)測(cè)模型研究［J］.交通科技，2008（3）：83－85.

［4］王 雪，關(guān)宏志，王 鑫.停車換乘設(shè)施吸引強(qiáng)度研究［J］.道路交通與安全，2007，7（1）：24－26.

［5］王 佳，胡列格.城市軌道交通站點(diǎn)對(duì)常規(guī)公交客流的吸引范圍［J］.系統(tǒng)工程，2010，28（1）：14－18.

［6］楊京帥，張殿業(yè).城市軌道交通車站合理吸引范圍研究［J］.中國(guó)鐵路，2008（1）：72－75.

［7］Spencer J，Angeles G.Ker nel density estimation as a technique for assessing［J］.Health Serv Outco mes Res Method，2007（7）：145－157.

［8］邱皓政.結(jié)構(gòu)方程模型的原理與應(yīng)用［M］.中國(guó)輕工業(yè)出版社，2009.

［9］吳明隆.結(jié)構(gòu)方程模型－AMOS的操作與應(yīng)用［M］.重慶：重慶大學(xué)出版社，2010.