王博彬,邵春福,孫軼軒,李 娟,計 尋

(北京交通大學 城市交通復雜系統(tǒng)理論與技術教育部重點實驗室,北京 100044)

多方式交通信息條件下節(jié)假日出行行為研究

王博彬,邵春福*,孫軼軒,李 娟,計 尋

(北京交通大學 城市交通復雜系統(tǒng)理論與技術教育部重點實驗室,北京 100044)

利用 2012 年節(jié)假日出行行為調查的 RP-SP 融合數(shù)據(jù),基于出行鏈復雜度與出行方式選擇行為(Chain-Mode) 建立信息條件下的 Nested Logit模型,并利用包容系數(shù)和相異性參數(shù)對模型的有效性進行辨識.研究表明,在多方式交通信息的作用下,9%的出行者取消節(jié)假日中的出行,13%的出行者改變其交通方式.同時,出行費用、停車費用、小汽車擁有量、性別、信息需求度、出行時間和出行距離等是影響 Chain-Mode 選擇的主導因素.停車費用越高,出行時間和出行距離越長,出行者更傾向于選擇復雜鏈出行;同時,出行費用低且信息需求度高的出行方式被選擇的概率大.

交通工程;節(jié)假日;出行行為;Nested Logit模型;多方式交通信息;出行鏈; 出行方式

1 引 言

隨著人們可支配收入的提高和閑暇時間的增多,節(jié)假日出行已成為人們生活中必不可少的環(huán)節(jié),同時快速增長的道路交通負荷導致服務水平下降、交通擁堵頻發(fā),節(jié)假日交通問題也日漸凸顯.為了尋求緩解交通擁堵的手段,各國學者從多角度展開研究.其中,利用多方式交通信息合理誘導城市路網(wǎng)交通流、實現(xiàn)綜合交通基礎設施的均衡利用,成為解決城市節(jié)假日道路交通擁堵問題的有效手段之一.

綜合交通信息服務為節(jié)假日居民出行行為研究提供了一個新的視角,目前相關的研究主要集中在節(jié)假日出行行為和信息對出行行為影響兩個方面,將二者相結合的研究較少.節(jié)假日出行方面的研究多以行為特征分析和模型分析為主,如 Shailes等[1]利用二項 Logit模型研究自駕車出行游客在節(jié)假日出行中避開交通擁堵的方式,李霞等[2]以個人為分析單位,探討節(jié)假日居民出行、活動及居民社會經(jīng)濟屬性之間的相互關系,但均缺乏信息條件下出行鏈時空特征和結構特性方面的研究.在信息對出行行為的影響方面,LO 等[3]利用 Nested Logit模型研究了信息對出行目的地、出行方式和路徑選擇行為的綜合影響;Kenyon 等[4]和胡華等[5]從出行鏈的角度分析了多模式公交信息服務對出行方式選擇的影響機理,但研究對象多以單一出行方式為主,較少涉及信息對組合出行方式的影響研究.此外,大部分研究基于 RP(Revealed Preference) 調查數(shù)據(jù),采用 RP 和 SP(Stated Preference) 融合數(shù)據(jù)進行分析的研究較少.因此,本文基于活動分析方法和 RP-SP 調查法的理論,從出行鏈的角度對多方式交通信息服務條件下節(jié)假日出行鏈復雜度和出行方式選擇行為的影響機理進行研究.

2 基本概念

2.1 多方式交通信息

多方式交通信息 (Integrated Multimodal Travel Information,IMTI) 是 指綜合交通系統(tǒng)交通運 營和組織管理信息的總和.從交通方式的角度對信息加以描述,主要指道路交通、軌道交通、公共交通及停車等方面的綜合交通信息.這些信息的外部表現(xiàn)為不同的屬性、不同的信息媒介、不同的發(fā)布位置、不同的組織與處理方式.信息的內容包括道路交通擁堵、行程時間、道路交通事故、交通管制、停車換乘、接駁交通方式、車內空滿、管理者建議信息等.獲取信息的方式有可變情報板、交通廣播、車載導航系統(tǒng)、智能手機、移動電話等.

2.2 出行鏈與出行方式

出行鏈(Trip Chain) 是指以家或賓館為起點和終點,把起終點之間一系列有序的出行按照先后順序依次連接起來的過程,過程中包括了大量的時間、空間、方式和活動類型信息,且這些信息相互聯(lián)系、相互作用[6].如圖1 所示.

圖1 基于家的出行鏈示意圖Fig.1 Schematic diagram of home-based trip chain

出行鏈中活動地點的數(shù)目反映出行鏈的復雜程度.只有一個出行鏈活動數(shù)的為簡單鏈;而活動數(shù)大于1的為復雜鏈.兩者包含的出行次數(shù)和換乘次數(shù)均不相同,因此對節(jié)假日交通的影響也顯著不同[5].

出行鏈中的每一次出行必有一次方式選擇,本文根據(jù)出行者一日中所有出行使用的交通方式組合結果,也就是出行鏈的交通方式組合情況,將出行者的出行方式劃分為單一方式和組合方式.單一方式表示只使用自行車、小汽車、公交車、地鐵和出租車中的一種方式出行,而組合出行方式表示兩種或兩種以上單一方式的組合.

2.3 RP-SP 調查法

將 RP 調查和 SP 調查方法結合起來采集數(shù)據(jù)效果較好.從解決問題的角度來看,RP 調查方法主要用于實際出行行為數(shù)據(jù)調查,反映與診斷現(xiàn)狀交通問題,而 SP 方法主要用于虛擬條件下出行行為數(shù)據(jù)獲取,完成對未來交通問題的預測;從數(shù)據(jù)特點來看,RP 數(shù)據(jù)具有可靠性而 SP 數(shù)據(jù)具有更好的可操作性;而對于模型標定來說,RP 數(shù)據(jù)和 SP 數(shù)據(jù)能夠起到相互補充的作用.

為了研究節(jié)假日出行者在信息條件下的出行行為,首先應通過對出行者實際出行鏈的調查來掌握節(jié)假日的出行特征.同時,由于目前我國信息化智能交通系統(tǒng)建設尚處于起步階段,信息種類不夠全面,信息發(fā)布方式較為單一,所以調查需要在虛擬的情境中進行.因此,本問卷采用 RP 與 SP 相結合(RP-SP 調查) 的調查方法,對多方式交通信息條件下節(jié)假日出行鏈復雜度和出行方式選擇行為的影響機理進行研究.

3 分析方法

3.1 雙層 Nested Logit模型構建

Nested Logit(NL) 模型是廣義極值模型中的一種,其考慮不同選擇肢之間的相關性,且操作性好、簡潔[7].根據(jù)相關研究,本文以出行鏈復雜度為上層,以出行方式選擇為下層,即 Chain-Mode 選擇,建立多方式交通信息條件下的雙層 NL 模型,并分析各類影響因素對選擇行為的影響.選擇肢樹狀結構及各層中樣本數(shù)的分布如圖2所示.

圖2 Chain-Mode 選擇肢樹狀結構圖Fig.2 Tree-structure diagram of Chain-Mode choices

定義 T={1,2} 為出行鏈類型指標集,其中“1”代表簡單鏈,“2”代表復雜鏈.定義 R1={1,2, 3,4},R2={5,6,7,8} 為每一類出行鏈中出行方式的指標集合,稱之為巢.令 t為出行者 n 的上層選擇肢,t∈ T;j為下層選擇肢,j∈ Rt.為了使出行者的方式選擇行為更具直觀性與可解釋性,將固定效用項分成兩個部分,即

式中 Wnt——描述上層選擇肢 t的變量;

Ynj——描述下層選擇肢 j的變量.

基于此,可以將 Nested Logit 概率寫成兩個標準 Logit概率的乘積[8].即

式中 Pni|Rt為選擇上層某一選擇肢的基礎上選擇i的條件概率;

PnRt為選擇上層某一選擇肢的邊緣概率.條件概率和邊緣概率采用 Logit形式,即

式中 Int——巢 Rt的包容系數(shù)(Inclusive Values, IV),

λt——模型的相異性參數(shù).

令 Wnt=wntγ ,Ynj=xnjβ ,并將式(3) 、式(4) 代入式(2)中,可以得到

式中 wnt——與上層巢 Rt相關的獨立變量矩陣;

xni——與下層選擇肢 i 相關的獨立變量矩陣;

γ,λ 和 β ——系數(shù)向量.

3.2 模型有效性辨識

為了衡量 Nested Logit 模型的有效性,需要從模型各層之間的階層關系和巢內各個選擇肢間的效用依賴程度兩方面進行考慮.包容系數(shù) Int通過將信息從下層傳入上層,稱為連接下上層關系的參數(shù).結構設定之后,一般根據(jù)包容系數(shù)的大小判斷模型結構是否正確.研究表明,當 0 ＜ Int＜ 1 時, NL 模型中各層之間有合理的階層關系[5].

相異性參數(shù) λt用于衡量巢 Rt內各個選擇肢隨機效用項的獨立程度.不同的巢有不同的相異性參數(shù),且 λt越高意味著相關性越小.為了使選擇行為模型滿足效用最大化,要求 λt必須處于某一特定的范圍[8],規(guī)定如下:

當 λt＜ 0 時,模型的所有變量均不滿足效用最大化,意味著增加選擇肢屬性將減小該選擇肢的選擇概率.

當0 ＜ λt＜ 1時,模型的所有變量均滿足效用最大化.

當 λt＞ 1 時,模型的部分變量滿足效用最大化.

因此,0 ＜ λt＜ 1 時,表明巢內各個選擇肢間的效用相關程度合理.

4 多方式交通信息條件下出行鏈復雜度與出行方式選擇模型

4.1 樣本背景

針對城市節(jié)假日商業(yè)中心和景點周邊道路交通擁堵問題,本文選取北京市西單和頤和園兩地為調查地點,于 2012 年清明節(jié)期間對兩地的購物者和觀光者進行問卷調查.問卷分為實際出行鏈調查和信息影響下出行鏈調查兩個部分,后者在前者的基礎上進行.調查者根據(jù)出行者的出行鏈結構和信息偏好在不同的出行階段為其提供不同的多方式交通信息.如在出行前提供交通擁堵、交通管制、行程時間、車內空滿等信息;在出行中提供停車換乘、接駁交通方式、管理者建議等信息.

此次調查采用隨機抽樣法,共獲得有效問卷415 份.利用 RP-SP 融合數(shù)據(jù),對信息影響下的出行方式分擔率進行對比分析.結果如表1所示.

從表3 中可以看出,在信息的影響下,9%的出行者取消了節(jié)假日中的出行,13%的出行者從一種交通方式轉換為另一種交通方式,說明多方式交通信息對節(jié)假日出行鏈復雜度和出行方式的選擇有顯著影響,因此有必要對其影響機理進行深入分析.其次,小汽車、公交車、出租車、組合方式的出行方式比例有所下降,自行車和地鐵的出行方式比例有所增加,說明準時、高效的地鐵是節(jié)假日出行者較為信賴的出行方式,靈活、自由的自行車也為出行者提供了另一種選擇.此外,信息作用前后公交車、地鐵、小汽車和組合方式分別占到總出行方式的 97%和 96.8%,因此可以認為,對以上四種方式的研究可以代表方式分擔的總體情況.

表1 多方式交通信息影響下出行方式分擔率對比表Table1 Comparison of the mode split under the influence of IMTI

4.2 模型變量定義

根據(jù) Chain-Mode 選擇模型選擇肢的特點,提取出行者特征、出行成本和出行鏈特性作為個體選擇的影響因素,分析不同層選擇肢解釋變量的影響作用.剔除不顯著的影響因素,對應用到模型中的變量定義如表2所示.

表2 變量定義表Table2 The definition of the variables

4.3 模型參數(shù)估計和精度檢驗

本文將“簡單鏈”作為參照標準(base),并將其相異性參數(shù)設為 1,以便與復雜鏈進行對比.利用最大似然法對模型參數(shù)進行估計,根據(jù) P值檢驗,得到雙層 NL 模式參數(shù)估計結果如表3 所示.

表3 Chain-Mode 選擇模型參數(shù)估計結果Table3 Parameter estimation result of the Chain-Mode choice model

相異性參數(shù)為 0.977,表明選擇行為模型滿足效用最大化.簡單鏈和復雜鏈的包容系數(shù)分別為0.046 和 0.154,表明巢內隨機項因子之間具有較高相關性,模型各層之間有合理的階層關系.此外,模型的擬合優(yōu)度為 0.855 4,說明模型的擬合精度相當高.因此,模型有效,可以對模型參數(shù)估計結果進行分析.

4.4 模型結果分析

根據(jù) Chain-Mode 選擇模型的標定結果,對出行鏈復雜度選擇層參數(shù)分析可知:

(1)停車費用.Park 在簡單鏈與復雜鏈選擇中的參數(shù)值均為正,且復雜鏈的參數(shù)值大于簡單鏈,說明隨著停車費用的增加,節(jié)假日出行者更傾向于選擇復雜鏈出行.究其原因,主要是由于一些小汽車出行者由單一方式轉向公共交通或 PR 換乘等組合出行模式的比例增加.

(2)性別.由于將“簡單鏈”作為參照標準,且Gender為分類變量,所以簡單鏈中的參數(shù)值為 0.同時,由于復雜鏈中的參數(shù)值為正,說明男性出行者更偏向于選擇復雜鏈出行.

(3)出行時間.出行時間反映了出行的時間跨度,從時間上反映被調查者在一天中的出行強度. Time 在簡單鏈與復雜鏈選擇中的參數(shù)值均為正,且簡單鏈的參數(shù)值略大于復雜鏈,但是 Time 參數(shù)值在所有顯著參數(shù)中最小,說明隨著出行時間的增加,出行者更愿意選擇簡單鏈出行,但對出行鏈選擇的影響有限.

(4)出行距離.出行距離是出行鏈空間維度的特征指標,從空間上反映被調查者在一天中的出行強度.Distance 參數(shù)值在所有顯著參數(shù)中最大,說明出行距離是影響 Chain-Mode 選擇的最顯著因素.同時,Distance 在簡單鏈與復雜鏈選擇中的參數(shù)值均為負,在復雜鏈的參數(shù)值絕對值更大,說明出行距離越長,出行者在節(jié)假日更傾向于選擇換乘較少的簡單鏈.

(5) 信 息 需 求 度. 由 于 Information 為 分 類 變量,所以簡單鏈 Information 的參數(shù)值為 0.又由于復雜鏈中的值為正,說明出行者對信息的需求度越高,其在節(jié)假日選擇復雜鏈出行的概率越大.

對于出行方式選擇層,分析其參數(shù)估計結果可知:

(1)出行費用.Cost的參數(shù)值為負,說明出行成本對于出行方式選擇的負效應十分顯著.出行費用高的出行方式被選擇的概率低,因此,在多方式交通信息條件下,小汽車出行比例降低.

(2)擁有小汽車數(shù).CarNum 估計值為正,說明出行者對交通工具持有數(shù)量的增加會增加相應出行方式的選擇概率.擁有小汽車的出行者在節(jié)假日更傾向于選擇私人交通工具出行.

(3)由上層對下層的影響關系可知,出行距離對出行方式選擇的負效應顯著,出行距離長的出行方式被選擇的概率小.在本次調查中,組合出行方式的出行距離較長,因此在多方式交通信息條件下,組合出行比例降低.此外,信息需求度卻有著顯著的正效應,信息需求度高的出行方式被選擇的概率大.在節(jié)假日出行中,地鐵信息需求度較高,所以信息條件下地鐵出行比例將增加.

5 研究結論

本文以多方式交通信息服務為研究條件,利用 Nested Logit模型研究節(jié)假日出行者對出行鏈復雜度和出行方式的選擇行為,預評估了多方式交通信息所能產生的效果.研究得到的主要結論如下:

(1)多方式交通信息服務為節(jié)假日居民出行選擇行為研究提供了一個新的視角.在信息的影響下,節(jié)假日出行方式分擔率有所變化,自行車和地鐵成為節(jié)假日出行中有效的替換方式.因此,利用多方式綜合交通信息解決大型商場和景點周邊的節(jié)假日交通擁堵問題成為一種新的解決途徑.

(2)Nested Logit模型克服了多項 Logit 模型的局限性,有效解決了節(jié)假日出行中 Chain-Mode 選擇問題.從參數(shù)結果可以看出,出行距離和出行費用對 Chain-Mode 選擇有顯著的負效應,而性別、信息需求度、停車費用和出行時間對 Chain-Mode 選擇的正效應較為顯著.

(3)節(jié)假日出行因其在時間、空間上受到的限制較少,出行需求中很大一部分屬于彈性(本源性)需求,所以個體的出行行為更具有多樣性.

本研究下一步的研究方向是對多方式綜合交通信息服務條件下節(jié)假日出行鏈時間重構、空間重構、時空交叉重構等重構方式的演化機理進行分析,應用數(shù)學物理模型揭示多方式誘導下組合出行模式演變規(guī)律.

[1] Shailes A,Senior M L,Andrew B P.Tourists'travel behavior in response to congestion:the case of car trips to Cornwall,United Kingdom[J].Journal of Transport Geography,2001,9(1):49-60.

[2] 李霞,邵春福,孫壯志,等. 基于結構方程的節(jié)假日居民出行和活動關聯(lián)性建模分析[J]. 交通運輸系統(tǒng)工程與信息,2008,8(6):91-95.[LI X,SHAO C F, SUN Z Z,et al.Modeling correlation of holiday trips and activities based on structural equation model[J]. Journal ofTransportation SystemsEngineering and Information Technology,2008,8(6):91-95.]

[3] Lo H K,Yip C W,Wan Q K.Modeling competitive multi-modal transit services:a nested logit approach [J]. Transportation Research PartC: Emerging Technologies,2004,12(3):251-272.

[4] Kenyon S,Lyons G.The value of integrated multimodal traveller information and its potential contribution to modal change[J].Transportation Research Part F: Traffic Psychology and Behavior,2003,6(1):1-21.

[5] 胡華,滕靖,高云峰,等.多模式公交信息服務條件下的出行方式選擇行為研究[J]. 中國公路學報, 2009,22(2):87-92.[HU H,TENG J,GAO Y F,et al.Research on travel mode choice behavior under integrated multimodal transit information service[J]. China Journal of Highway and Transport,2009,22 (2):87-92.]

[6] Primerano F,Taylor M A P,Pitaksringkarn L,et al. Defining and understanding trip chaining behavior[J]. Transportation,2008,35(1):55-72.

[7] 陸化普. 交通規(guī)劃理論與方法(第2 版)[M]. 北京:清華大學出版社,2006.[LU H P.Theory and method in transportation planning(the second edition)[M]. Beijing:Tsinghua University Press,2006.]

[8] Train K.Discrete choice methods with simulation[M]. New York:Cambridge University Press,2009.

Holiday Travel Behavior Analysis under Integrated Multimodal Travel Information Service

WANG Bo-bin,SHAO Chun-fu,SUN Yi-xuan,LI Juan,JI Xun
(MOE Key Laboratory for Urban Transportation Complex Systems Theory and Technology, Beijing Jiaotong University,Beijing 100044,China)

Based on the RP-SP fusion data obtained from the holiday travel behavior survey in 2012,the integrated multimodal travel information(IMTI)is taken as the research condition.It develops the Nested Logit model under IMTI,on the bases of trip chain complexity and trip mode choices(Chain-Mode).The effectiveness of the model is identified by the inclusive value and dissimilarity parameter.The result shows that 9%of the travelers will cancel their travel in holidays,and 13%will change their trip modes under the influence of IMTI.At the meantime,travel cost,parking fee,car ownership,gender,information demand, travel time and trip distance are dominant factors that influence the Chain-Mode choices in holidays.Higher parking fee and longer travel time and trip distance will encourage people to choose a complex chain.Besides, the trip mode with low travel cost and high information demand have the high probability to be chosen.

traffic engineering;holiday;travel behavior;Nested Logit model;integrated multimodal travel information(IMTI);trip chain;trip mode

1009-6744(2014)01-0229-06

U491

A

2013-07-30

2013-11-15錄用日期:2013-11-25

國家重點基礎研究發(fā)展計劃資助課題(2012CB725403);國家自然科學基金項目資助(51178032);中央高?；究蒲袠I(yè)務費專項資金資助(2014YJS068).

王博彬(1990-),女,北京人,博士生.*通訊作者:cfshao@bjtu.edu.cn