劉曉璨

（上海交通大學(xué) 安泰經(jīng)濟(jì)與管理學(xué)院，上海 200030）

本文以上海市中心城區(qū)地鐵站點(diǎn)為研究對象，根據(jù)居民公交卡刷卡記錄，結(jié)合地鐵站點(diǎn)的自身特征，探討地鐵站點(diǎn)的可達(dá)性與便利性對通勤出行站點(diǎn)選擇的效應(yīng)，建立地鐵通勤出行站點(diǎn)選擇模型，為公共交通部門在軌道交通建設(shè)中合理規(guī)劃軌道站點(diǎn)布局提出參考建議。

1　模型建立

1.1　數(shù)據(jù)描述

本文研究數(shù)據(jù)主要來源于上海市居民的一卡通交通卡刷卡記錄，以及軌道交通官網(wǎng)公開信息和地圖API開放數(shù)據(jù)。收集到2015年4月13日至4月17日（連續(xù)一周工作日）的交通卡刷卡記錄，數(shù)據(jù)格式為ID、刷卡日期、刷卡時間、線路、交通方式、價格、優(yōu)惠。居民通勤出行時間往往集中于上下班早晚高峰，為了篩選出通勤人員的記錄，按照每小時間隔，將一天劃分為24個時間段（0代表0：00-1：00，…），統(tǒng)計(jì)出連續(xù)一周工作日中每個時間段內(nèi)的刷卡記錄數(shù)，分布情況如圖1所示。

圖1　每日出行數(shù)時段分布

由出行記錄數(shù)在各時段的分布可知，公共交通出行分布規(guī)律穩(wěn)定，出行有兩段明顯的高峰期：時段7（7：00-8：00）和8（8：00-9：00），17（17：00-18：00）和18（18：00-19：00）。因此，將此時間段作為本文研究對象的通勤時間。對于通勤出行研究即上班出行時對地鐵站點(diǎn)的選擇情況，則只需要考慮早高峰時期的地鐵進(jìn)站點(diǎn)。觀察連續(xù)五個工作日的交通情況，選出乘坐地鐵的工作通勤出行記錄（符合通勤的條件：連續(xù)5天每天上下午高峰期均有乘地鐵記錄），最終篩選出216825位通勤出行乘客。

出行者可以在地鐵站點(diǎn)中做出選擇的前提是，居住地周圍需要有多于1個地鐵站構(gòu)成備選集，這就要求被研究的地鐵站點(diǎn)在地理位置上分布相對密集。綜合考慮地鐵站線路、數(shù)量、客流量、區(qū)域面積等因素，本文將研究范圍定為上海市中心城市范圍內(nèi)，以分布在中心城區(qū)地帶的50個地鐵站為研究對象，對居民通勤上班時選擇地鐵站點(diǎn)的行為進(jìn)行研究，篩選出符合條件的138320條觀測記錄。

1.2　基本定義和假設(shè)

本文從地鐵站點(diǎn)的可達(dá)性和便利性兩大方面研究通勤出行對地鐵站點(diǎn)的選擇行為，可達(dá)性定義為地鐵站點(diǎn)對于出行者的可接近性，包括地鐵站點(diǎn)與出行者之間的距離、地鐵站點(diǎn)附近的公交線路數(shù)。便利性定義為地鐵站點(diǎn)的特征對于出行者使用體驗(yàn)的影響作用，用地鐵站的擁擠程度、出入口數(shù)、地鐵站所經(jīng)列車的發(fā)車頻次來衡量。為了避免地鐵站點(diǎn)所處線路的不同帶來的影響，將地鐵站所處線路設(shè)為控制變量，重點(diǎn)考察地鐵站點(diǎn)的可達(dá)性及便利性中的擁擠程度和出入口數(shù)對站點(diǎn)選擇行為的作用。根據(jù)研究需求，本文提出以下假設(shè)：

H1：出行者與地鐵站間的距離對通勤出行的選擇行為具有負(fù)效應(yīng)。

出行者在面對大于1個的可選地鐵站時，往往會傾向于選擇距離自己近、步行距離短的站點(diǎn)，距離的增加會減少用戶的選擇意向。

H2：地鐵站點(diǎn)周圍公交線路的增加會減少用戶對地鐵的選擇。

地鐵站周圍的公交車與地鐵站是潛在的競爭關(guān)系，雖然地鐵站具有時速快的優(yōu)點(diǎn)，但公交車也有進(jìn)出方便等優(yōu)勢。因此，作為可互相替代的交通工具，地鐵站周圍的公交具有客流分流作用。公交車數(shù)量越多，越有可能減少出行者對地鐵站的選擇。

H3：地鐵站擁擠程度的增加會降低出行者的選擇意向。

由于不同地鐵站所處位置不同、所到地區(qū)不同而擁有不同的客流量，熱門地鐵站往往非常擁擠，途徑商業(yè)聚集區(qū)的地鐵站在早晚高峰期客流非常密集。人們在通勤出行時由于趕時間等因素，會對擁擠程度有敏感性。地鐵站越擁擠，人們對此的體驗(yàn)越差，從而傾向于避開擁擠度高的地鐵站。

H4：地鐵站的出入口數(shù)量對出行者選擇有正效用。

地鐵站的出入口數(shù)一定程度上反映了地鐵站的空間大小，出入口數(shù)對客流量疏散也有重要作用。出入口數(shù)越多，越能增強(qiáng)人們的乘車便利性，從而增加選擇意向。

1.3　基于BLP的選擇模型

國內(nèi)外對于交通方面的研究大多建立在問卷調(diào)查基礎(chǔ)上，獲取個人的社會經(jīng)濟(jì)屬性特征，結(jié)合實(shí)際交通數(shù)據(jù)進(jìn)行分析。本文所進(jìn)行的需求分析建立在集計(jì)層面數(shù)據(jù)的基礎(chǔ)上，即不通過問卷調(diào)查獲取個體特征，利用隨機(jī)系數(shù)離散選擇模型的加總方法消除個體層面數(shù)據(jù)的影響，也可稱為BLP（Berry-Lavinsohn-Pakes）模型。BLP通過引入工具變量來解決解釋變量的內(nèi)生性問題，同時考慮競爭產(chǎn)品的特征，允許商品和消費(fèi)者具有無法觀測的特征，比常用的Logit模型或Nested Logit模型有靈活的計(jì)量特征，應(yīng)用BLP方法對差異化的產(chǎn)品需求進(jìn)行研究已被廣泛應(yīng)用于理論及實(shí)踐研究中。本文參考BLP理論模型，將不同的地鐵站點(diǎn)看作空間分布差異化的商品，將通勤出行者看作做出選擇決策的消費(fèi)者，利用地鐵站點(diǎn)刷卡的集計(jì)數(shù)據(jù)，并考慮出行者距離的異質(zhì)特征，建立通勤出行者對于地鐵站點(diǎn)的隨機(jī)系數(shù)離散選擇模型。

假設(shè)有t=1，2，…，T個可觀測的市場，含有i=1，2，…，It個消費(fèi)者，面對j=1，2，…，J種可選商品。每個市場中商品的總需求和商品特征是可知的，假設(shè)市場之間互相獨(dú)立，市場可以代表地區(qū)性、時間序列等。令表示消費(fèi)者i在t階段使用商品j所獲得的效用，則

xjt——商品j在t時可觀測到的特征，K×1列向量。本文模型中相應(yīng)的站點(diǎn)可觀測特征為地鐵站點(diǎn)可達(dá)性中的與出行者之間的距離、周圍公交線路數(shù)，以及便利性中的地鐵站點(diǎn)擁擠度、出入口數(shù)量、高峰期列車發(fā)車頻次特征。

βi——K1維的系數(shù)向量，商品特征的邊際效用，根據(jù)消費(fèi)者個人特征展現(xiàn)個人對商品特征的不同偏好，βi=（βi1，…，βiK）T。

ξjt——在t時未觀測到的商品特征對所有消費(fèi)者的共同效用。本文模型中可能存在未觀測到的站點(diǎn)特征對通勤出行選擇有影響，如存在用戶主觀感受到的、無法被研究獲知衡量的站點(diǎn)可達(dá)性特征或便利性特征。

εijt-均值為0的隨機(jī)誤差項(xiàng)，假設(shè)服從獨(dú)立同分布（i.i.d）。

考慮在給定區(qū)域內(nèi)空間分布的出行者是傾向于效用最大化的，出行者可在居住地周圍的地鐵站點(diǎn)中做出地鐵通勤選擇，或者選擇公交車等其他交通方式。則出行者i在通勤早高峰期（固定t）選擇地鐵站j∈｛1，…，J｝的間接效用為

Li——出行者的起始位置，體現(xiàn)了個體的異質(zhì)性。

d（Li，Lj）——出行者的位置與地鐵站的位置特征決定的出行者i與地鐵站j之間的距離。

h（·）——捕捉出發(fā)地與地鐵站之間距離效應(yīng)的參數(shù)函數(shù)，體現(xiàn)了交通成本特點(diǎn)。

nbusj——地鐵站j周圍的公交車線路數(shù)，利用地圖API開放接口抓取地鐵站點(diǎn)周圍1800米范圍內(nèi)經(jīng)過的公交車線路數(shù)。

crowdj——地鐵站j在早高峰期的擁擠程度，由地鐵站歷史客流數(shù)據(jù)，統(tǒng)計(jì)同時段進(jìn)站的客流量來表示。

entrj——地鐵站j的入口數(shù)量，由地鐵官網(wǎng)信息統(tǒng)計(jì)所得。

freqj——地鐵站j的發(fā)車頻率，由官網(wǎng)公布的列車高峰期發(fā)車間隔數(shù)據(jù)，計(jì)算出高峰期間站點(diǎn)所經(jīng)過的列車次數(shù)來表示。

γnl（j）——地鐵站j所在線路的固定影響，為虛擬變量。

ξj——未觀察到的地鐵站j的特征，假設(shè)可被出行者觀察到且對所有出行者效用一致。地鐵站點(diǎn)隱含研究無法觀測到的特征對出行選擇產(chǎn)生影響，如站點(diǎn)與周圍其他地鐵站距離關(guān)系等影響站點(diǎn)可達(dá)性的因素，站點(diǎn)舒適度、整潔性等影響乘客感知便利性的因素，因此，本文將假設(shè)中可能遺漏的隱含在地鐵站可達(dá)性和便利性特征中的因素放在ξj中，并在后文提出針對未觀測到的遺漏變量對于模型內(nèi)生性影響的工具變量方法。

模型包含外部商品的假設(shè)，即除地鐵外，出行者選擇其他交通方式的效用為

消費(fèi)者個人特征沒有直接出現(xiàn)在效用模型中，而是體現(xiàn)在對商品特征的邊際效用的決定作用上。個體特征由可觀測的人口統(tǒng)計(jì)因素Di（d×1列向量）和不可觀測的其他特征vi（K×1列向量）組成，則隨機(jī)系數(shù)可表示成對所有消費(fèi)者一致的均值部分和體現(xiàn)個人差異的部分：

Π——K×d可觀測系數(shù)矩陣，衡量人口統(tǒng)計(jì)變量對于偏好的重要程度。

Σ——K×K對角矩陣，捕捉未觀測到的消費(fèi)者變量對偏好的影響，Σ=diag（σ1，…，σK）。

Di和vi的分布分別記為P*D（D）和P*v（v），假設(shè)P*v（v）服從多元正態(tài)分布。定義包含線性參數(shù)的向量θ1=β，包含非線性參數(shù)的向量θ2=（Π，Σ），則向量θ=（θ1，θ2）包含了模型中的所有結(jié)構(gòu)參數(shù)。因此，效用函數(shù)可分解為對所有消費(fèi)者都一致的部分δjt（xjt，ξjt；θ1）與體現(xiàn)消費(fèi)者異質(zhì)性特征的部分μijt（xjt，Di，vi；θ2）之和：口統(tǒng)計(jì)特征Di。假設(shè)個人的其他特征對于選擇行為沒有顯著影響，因此，這里可不考慮vi。因此，令

本文模型中體現(xiàn)個體特征的部分為出行者與地鐵站之間的距離，由出行者的位置與地鐵站的位置特征決定。個人的出行位置無法準(zhǔn)確得到，本文采用將個人層面數(shù)據(jù)加總的方法。假設(shè)人口均勻分布，將研究區(qū)域劃分為邊長為D米的方格，以每個方格中心點(diǎn)代表出行用戶的質(zhì)點(diǎn)集合，用地圖上的經(jīng)緯度來計(jì)算出行用戶與站點(diǎn)間的理論距離。為了在地圖上方便劃分方格，以及考慮出行者通常的步行范圍，取D為經(jīng)緯度上的0.01度，約為1km。由此，得到的距離特征可對應(yīng)為BLP理論模型中的人效用函數(shù)中對所有出行者都一致的無差異效用為

當(dāng)居住地附近有可以互為替代的不同地鐵站時，出行者會綜合考慮比較地鐵站可達(dá)性與便利性特征，從中選擇能使自己獲得最大效用的地鐵站。選擇某一地鐵站的概率遵循Logit模型。令Si為出行者i可選的地鐵站集合，則出行者i在高峰期選擇地鐵站的概率為ξ.表示未觀測到的特征向量，θ代表所有參數(shù)值（β0，β1，…，βd及固定效用γ），又表示為

商品j在t時的市場份額為所有消費(fèi)者選擇集合：

sjt無法直接用積分計(jì)算出真實(shí)值，但可以用隨機(jī)樣本選擇概率加總近似計(jì)算。本文對應(yīng)的地鐵站市場份額為某地鐵站被選作通勤出行的次數(shù)在所有通勤選擇中的占比，則可近似表示為

BLP方法通過構(gòu)造GMM（廣義矩估計(jì)）估計(jì)量對模型參數(shù)進(jìn)行一致估計(jì)，本質(zhì)是對于給定的未知參數(shù)值，計(jì)算隱含的誤差項(xiàng)并與工具變量交互，從而形成GMM 目標(biāo)函數(shù)E［Zjtξjt（θ*）］=0，在約束條件s（x，δ；θ）=S下搜索所有可能的參數(shù)值來尋找使目標(biāo)函數(shù)最小的值，s（x，δ；θ）為市場份額的預(yù)測值，S為實(shí)際觀察值。

2　模型估計(jì)與分析

2.1　內(nèi)生性與工具變量

參考Kabra（2016）對公共自行車系統(tǒng)的研究，本文模型中的不同地鐵站點(diǎn)是差異化的產(chǎn)品，出行者到地鐵站的距離是差異化的產(chǎn)品特征，不可觀測到的異質(zhì)特征是出行者的起始位置。當(dāng)存在不可觀測的產(chǎn)品特征（遺漏變量），或數(shù)據(jù)子集之間存在不一致時（測量誤差），容易出現(xiàn)內(nèi)生性偏差，即解釋變量與未知的誤差項(xiàng)之間具有相關(guān)性，如前文提到的未觀測到的地鐵站點(diǎn)可達(dá)性或便利性特征對于出行選擇的影響。BLP方法使用自身和競爭產(chǎn)品特征的子集來提供有效工具變量。在地鐵站點(diǎn)的需求模型中，地鐵站的擁擠程度是內(nèi)生性決定屬性，對此設(shè)置相應(yīng)的工具變量來使模型得到有效無偏估計(jì)，工具變量可概括為目標(biāo)地鐵站附近的競爭特征。

假設(shè)出行者在做出站點(diǎn)選擇決策之前，根據(jù)已有經(jīng)驗(yàn)觀察感知到備選集合站點(diǎn)在出行時段的擁擠程度，并將此作為決策考慮的一個因素。如果目標(biāo)地鐵站的擁擠程度比可為替代的鄰站擁擠程度高，則出行者對目標(biāo)車站的需求可能會降低；而目標(biāo)地鐵站被選次數(shù)減少，則其擁擠程度相應(yīng)降低。因此，地鐵站的擁擠程度與需求之間有互相影響關(guān)系。合適的工具變量需要與內(nèi)生解釋變量或需求項(xiàng)相關(guān)，一種影響需求的因素來自會造成需求轉(zhuǎn)移的競爭地鐵站，相應(yīng)選取工具變量為地鐵站j到最近地鐵站的距離、到最近5個地鐵站的平均距離以及周圍2千米內(nèi)其他地鐵站的數(shù)量。這組工具變量體現(xiàn)了地鐵站的被替代可能性，周圍的地鐵站會造成潛在的客流分流，某地鐵站與其最鄰近的地鐵站之間的距離越遠(yuǎn)，或者周圍地鐵站數(shù)量越少，則其他同條件下，它的擁擠程度可能會更高。這組工具變量也隱含著地鐵站點(diǎn)的空間分布的密集程度，間接體現(xiàn)出地鐵站點(diǎn)對用戶的可達(dá)性特征，對應(yīng)了模型中未觀測到的地鐵站點(diǎn)可達(dá)性特征中的因素對選擇行為的影響。

擁擠程度的直觀含義為在某時刻地鐵站內(nèi)聚集的候車乘客數(shù)，或地鐵車廂里的乘客數(shù)，但此項(xiàng)精確數(shù)據(jù)難以獲?。ㄉ婕吧舷萝噹某丝蛿?shù)量變化）。與出行者有直接影響關(guān)系的是同時段進(jìn)入地鐵站的客流量，因此，本文采用地鐵站的乘客進(jìn)站量來衡量地鐵站的擁擠程度。經(jīng)描述統(tǒng)計(jì)分析可知，地鐵站每天的客流量情況比較平穩(wěn)，因此，可任意選取前一周內(nèi)任意兩天工作日的地鐵站早高峰期乘車記錄，用平均進(jìn)站客流量來表示地鐵站的擁擠程度crowdj=早高峰期j地鐵站進(jìn)站人數(shù)。

綜上，本文考慮的工具變量分別為目標(biāo)地鐵站與其最近地鐵站的距離、到最近5個地鐵站的平均距離、周圍2千米內(nèi)的地鐵站數(shù)量。內(nèi)生性與工具變量的結(jié)構(gòu)關(guān)系為：

表1　內(nèi)生性變量與工具變量 （來源：地圖API）

2.2　工具變量的檢驗(yàn)2SLS

工具變量用于估計(jì)時，通過二階段最小二乘法2SLS（Two Stage of Least Square）來進(jìn)行參數(shù)估計(jì)，2SLS的第一階段回歸可用來檢驗(yàn)工具變量與內(nèi)生解釋變量的關(guān)系。通過第一階段工具變量回歸（表2），即內(nèi)生解釋變量對工具變量的回歸，可看出內(nèi)生性解釋變量擁擠度可被表示為工具變量的線性組合。回歸結(jié)果在5%和10%的水平上顯著，說明工具變量與對應(yīng)的內(nèi)生性解釋變量高度相關(guān)，有助于評價工具變量的有效性。

表2　2SLS第一階段工具變量回歸

2.3　GMM估計(jì)算法

根據(jù)BLP方法所采用的GMM（廣義矩估計(jì)）算法，構(gòu)造GMM矩條件，使得未觀察的誤差項(xiàng)ξj在參數(shù)真值θ*時與工具變量Zj無關(guān)，形成GMM估計(jì)量目標(biāo)函數(shù)與約束條件：

求解等式s（δ.；θ2）=S，轉(zhuǎn)換出δ后，誤差項(xiàng)為則市場份額實(shí)際值 S進(jìn)入了等式。這也體現(xiàn)出區(qū)分θ1，θ2的原因：θ1以線性型進(jìn)入此項(xiàng)和GMM目標(biāo)函數(shù)，θ2非線性進(jìn)入，從而減輕非線性最優(yōu)問題的計(jì)算復(fù)雜度。

2.4　估計(jì)過程

模型估計(jì)過程對參數(shù)值θ2，δ進(jìn)行搜索，先對θ2，δ進(jìn)行任意賦值，通過內(nèi)外兩層循環(huán)迭代求出最優(yōu)的θ2，δ值。內(nèi)循環(huán)為固定住θ2后迭代出最優(yōu)的δ值，外循環(huán)為搜索θ2使得目標(biāo)函數(shù)最小化。BLP使用壓縮映射方法來進(jìn)行轉(zhuǎn)換求解，估計(jì)過程流程圖如圖2所示。

圖2　模型求解過程流程

2.5　估計(jì)結(jié)果

本文用R分析工具對模型參數(shù)進(jìn)行估計(jì)，借鑒其他的非線性規(guī)劃程序包進(jìn)行改編，并利用優(yōu)化的搜索方式，使得原本嵌套迭代的模型計(jì)算速度大大提高。迭代循環(huán)設(shè)置的停止臨界值為1e-06。在目標(biāo)函數(shù)值為3.285e-07時結(jié)果收斂，各參數(shù)及線路虛擬變量的估計(jì)結(jié)果如表3所示，未觀測到的站點(diǎn)特征影響如表4所示。

表3　模型主要參數(shù)估計(jì)結(jié)果

表4　各站點(diǎn)特征的估計(jì)值

根據(jù)參數(shù)估計(jì)的結(jié)果，可以初步得出以下分析結(jié)論：

（1）出行者與地鐵站之間的步行距離對選擇行為有顯著負(fù)效應(yīng)，與本文的假設(shè)相符合，人們總是傾向于選擇距離自己更近的地鐵站，減少步行距離。地鐵站點(diǎn)距離出行者過近則會造成分布密集的問題，對于工程建設(shè)及資源都會帶來挑戰(zhàn)，且過多?？空军c(diǎn)也會帶來運(yùn)行效率降低的問題。因此，地鐵站點(diǎn)選址要找到與用戶距離合適的分布點(diǎn)，以發(fā)揮站點(diǎn)的最大效用。

（2）地鐵站附近經(jīng)過的公交車線路數(shù)量對通勤出行者的選擇行為有顯著負(fù)效應(yīng)，且在所有因素中有影響效應(yīng)最大。這說明地鐵站與公交車的接駁性對地鐵站的客流具有分流作用，即地鐵站周圍的公交車線路越多，出行者越可能去選擇公交車來代替地鐵。因此，若要增加公交車對地鐵的客流分流，則對于地鐵站點(diǎn)周圍公交線路的接駁數(shù)量可適當(dāng)增加；若要增加地鐵對公交客流的分流，可減少周圍的公交線路，但在兩者互相分流中要取得平衡。

（3）地鐵站的擁擠程度對通勤出行者的選擇有顯著負(fù)效應(yīng)，與本文的假設(shè)相符合，出行者更傾向于選擇客流量少、擁擠程度低的地鐵站，以增加乘車的舒適感受。在現(xiàn)有客流量的基礎(chǔ)上，地鐵站點(diǎn)可適當(dāng)增加對客流的疏導(dǎo)，以減輕乘客對空間擁擠度的直觀感受。

（4）地鐵站的出入口數(shù)對通勤出行者的選擇有顯著正效應(yīng)。地鐵站的出入口數(shù)一定程度上反映了地鐵站的規(guī)模，地鐵站面積或空間越大，所含出入口可能越多，對于客流量的疏散作用也越強(qiáng)。因此，乘客會傾向于選擇出入口較多的地鐵站。但此項(xiàng)影響系數(shù)較小，因此，在建設(shè)工程資源約束下，對地鐵站出入口的建設(shè)可進(jìn)行適當(dāng)增減。

（5）地鐵站在高峰期的發(fā)車頻次對通勤出行者的選擇行為有負(fù)效應(yīng)。這一結(jié)果與通常情況下地鐵發(fā)車頻率越高，越能吸引出行者的選擇這一認(rèn)知有出入。本文認(rèn)為，造成這一結(jié)果的原因是由于數(shù)據(jù)收集出現(xiàn)偏差。本文所考慮的地鐵發(fā)車頻次是根據(jù)軌道交通官網(wǎng)上公布的地鐵在高峰時期的發(fā)車間隔時間計(jì)算所得，有些地鐵線路的發(fā)車間隔公布的是一個范圍，而不是精確到一個數(shù)值，說明地鐵列車在實(shí)際運(yùn)行中的發(fā)車間隔會有不確定性。因此，這也會造成收集的數(shù)據(jù)有偏差。

作為控制變量的地鐵線路虛擬變量除了1號線，其他線路均有顯著效應(yīng)，說明地鐵站所處線路對于出行選擇有影響。1號線對于通勤出行選擇沒有顯著影響的原因可能是，經(jīng)過中心城區(qū)的地鐵1號線上的地鐵站大多處于客流聚集的重要交通地帶，且其可到達(dá)的目的地含有工作聚集地，對出行者來說具有不可替代性，因此，出行者對其站點(diǎn)沒有明顯偏好。6，7，9，11號線對于通勤選擇有負(fù)效應(yīng)，因?yàn)榫€路上大多數(shù)站點(diǎn)客流量大，且含有典型的擁擠站點(diǎn)如徐家匯、靜安寺、江蘇路等，會影響出行者對便利性的感受。

不同地鐵站未觀測到的可達(dá)性或便利性特征對出行選擇的影響程度不同，有些站點(diǎn)可能因?yàn)槠湔緝?nèi)更好的干凈整潔度、提供更多便民服務(wù)等特征，對出行選擇有正效應(yīng)。有些站點(diǎn)可能因?yàn)檎緝?nèi)設(shè)施建設(shè)不夠便民等影響用戶的乘車體驗(yàn)，從而降低了用戶的選擇意愿。

3　結(jié)論與展望

本文提供了地鐵站點(diǎn)的可達(dá)性與便利性對通勤出行選擇效應(yīng)的實(shí)證研究，利用集計(jì)層面的數(shù)據(jù)考察異質(zhì)性個體特征。研究發(fā)現(xiàn)，地鐵站點(diǎn)的可達(dá)性與便利性對通勤選擇行為有顯著影響。其中，可達(dá)性中的地鐵站與出行者之間的距離、地鐵站周圍的公交線路數(shù)對選擇有負(fù)效應(yīng)，因此，在規(guī)劃地鐵站點(diǎn)分布時，除了要在居民集聚地增加站點(diǎn)以減少居民步行距離外，還要考慮公交車與地鐵站的互相分流作用，合理規(guī)劃地鐵周圍的公交接駁，以達(dá)到平衡載流量。地鐵站的便利性特征對出行選擇也有影響，適當(dāng)增加地鐵站的出入口數(shù)可更好地引導(dǎo)客流，為出行提供便利。地鐵站的擁擠度對于通勤出行選擇來說有負(fù)影響，若想增加通勤時的選擇行為，要疏散掉較多的客流，且二者之間有互相影響關(guān)系。因此，在保持客流現(xiàn)狀的基礎(chǔ)上，可增加客流疏導(dǎo)服務(wù)，如增加進(jìn)出口通道等，以減少乘客對擁擠密度的感受。在未來規(guī)劃新地鐵站點(diǎn)時，可適當(dāng)增加站內(nèi)空間及出入口數(shù)。

由于研究數(shù)據(jù)所限，本研究是相關(guān)領(lǐng)域的初探，今后還可從更多方面進(jìn)行挖掘。若能獲取到細(xì)分、準(zhǔn)確的區(qū)域人口統(tǒng)計(jì)信息，則選擇模型中反映地鐵站點(diǎn)間相對關(guān)系的市場份額可用選擇人數(shù)來代替，從而考慮到地區(qū)的人口分布異質(zhì)性特征。若能收集到更全面的數(shù)據(jù)，研究還可從中心城市擴(kuò)展到更多地區(qū)，并考慮站點(diǎn)所屬地區(qū)的居住性、商業(yè)性等特征，從而進(jìn)行更多角度的比較分析，為軌道交通站點(diǎn)建設(shè)規(guī)劃提出更多角度的參考建議。

參考文獻(xiàn)：

［1］ MURRAY A T，WU X l.Accessibility tradeoffs in public transit planning［J］.Journal of Geographical Systems，2003，5（1）：93-107.

［2］ OLSZEWSKI P，WIBOWO S S.Using equivalent walking distance to assess pedestrian accessibility to transit stations in singapore［J］.Transportation Research Record：Journal of the Transportation Research Board，2005，（1927）：38-45.

［3］ MAMUN S A，LOWMES N E.Access and connectivity trade-offs in transit stop location［J］.Transportation Research Record：Journal of the Transportation Research Board，2014，（2466）：1-11.

［4］ 程立勤.軌道交通與常規(guī)公交協(xié)調(diào)發(fā)展研究［J］.物流工程與管理，2012，34（212）：73-74.

［5］ 周昭明，查偉雄.基于常規(guī)公交的軌道交通站點(diǎn)吸引范圍研究［J］.交通科技與經(jīng)濟(jì)，2014，16（6）：83-86.

［6］ CROCKETT J，HOUNSELL N.Role of the travel factor convenience in rail travel and a framework for its assessment［J］.Transport Reviews，2005，25（5）：535-555.

［7］ LITMAN T.Valuing transit service quality improvements［J］.Journal of Public Transportation，2008，11（2）：43-63.

［8］ EBOLI L，MAZZULLA G.Relationships between rail passengers’satisfaction and service quality：a framework for identifying key service factors［J］.Public Transport，2015，（7）：185-201.

［9］ EBOLI L，MAZZULLA G.A Methodology for evaluating transit service quality based on subjective and objective measures from the passenger’s point of view［J］.Transport Policy，2011（18）：172-181.

［10］ BERRY S，LEVINSOHN J，PAKES A.Automobile prices in market equilibrium ［J］.Econometrica，1995，63（4）：841-890.