崔何凌，干宏程 （上海理工大學(xué) 管理學(xué)院，上海 200093）

CUI Heling,GAN Hongcheng (Management School,University of Shanghai for Science and Technology,Shanghai 200093,China)

0 引言

目前，可持續(xù)發(fā)展、共享經(jīng)濟(jì)、低碳交通等理念深入人心，不僅改變了人們的生活觀念和方式，還有一個重要表現(xiàn)就是人們更加喜愛采用自行車為出行工具。再加上這幾年國內(nèi)共享單車快速發(fā)展，越來越多的出行者在短途出行或者換乘交通銜接當(dāng)中選擇了自行車作為出行工具。

近年來出行路線決策行為的研究多以通勤者為研究對象，其中國內(nèi)、國外學(xué)者都對通勤者進(jìn)行了調(diào)查，得到在自行車路線決策行為中，騎行路線所包含的出行距離、時間、設(shè)施、道路環(huán)境是影響路線決策的顯著因素。同時外國學(xué)者在國外城市研究中得出自行車行駛的狀況、自行車道路危險程度是通勤騎行者更加關(guān)注的因素[1-4]。李志斌等[5]對自行車通勤出行市場進(jìn)行劃分，得出不同的出行群體具有明顯的出行特征，在面臨路線決策時所考慮的因素也具有顯著差別。相對于研究對象為通勤者來說，少數(shù)學(xué)者研究非通勤者，其中經(jīng)常騎自行車的人群，當(dāng)面對兩條騎行屬性相似的路線時，有自行車專用道或交叉口信號燈時長較短的路線會更加吸引騎行者[6]。同時，安全性較高的道路也能吸引大量騎行者[7]。這說明對于經(jīng)常騎行的人來說道路的舒適度、連貫性和安全性是主要的影響因素。因而對于不同的國家，不同的群體在制定措施過程中，應(yīng)當(dāng)考慮出行群體的差異。2018年5月6日，新華網(wǎng)聯(lián)合中國自行車協(xié)會和行者大數(shù)據(jù)研究室共同發(fā)布了《2017中國騎行運動大數(shù)據(jù)報告》。《報告》稱，2017年中國騎行運動人口為1 200萬，并且核心人群是高學(xué)歷、高收入和高素質(zhì)的年輕人。因而基于我國國情來說，對年輕群體，尤其是大學(xué)生群體的研究是極為重要的。

騎行的道路環(huán)境是騎行群體選擇采用自行車出行的重要影響因素，我國受道路資源的限制，自行車騎行的現(xiàn)實道路行駛環(huán)境大相徑庭，對騎行者的吸引程度也各不相同。朱彤[8]考慮道路環(huán)境各類因素與出行者滿意度之間的關(guān)系，研究發(fā)現(xiàn)設(shè)置連續(xù)的物理隔離設(shè)施，可以提高使用者的滿意度，Li[9]發(fā)現(xiàn)騎行者在物理隔離自行車道的舒適度更高。研究文獻(xiàn)[10-12]提出自行車道路設(shè)施，綠植環(huán)境是騎行者面臨路線決策時的重要因素。因此自行車道路設(shè)施因素、綠植環(huán)境因素是本文設(shè)置情景時需要借鑒的影響因素。

綜上可知，以往研究的對象多為通勤者，只有極少數(shù)是以具有某些騎行特征的人群為研究對象，但也僅僅是根據(jù)自行車特性為依據(jù)來進(jìn)行分類，而針對大學(xué)生群體探討影響出行路線決策的因素分析的研究還處于探索階段，因此本文以大學(xué)生騎行群體為調(diào)查對象，構(gòu)造不同的道路行駛環(huán)境，來探討影響該群體路線決策時的重要因素，并根據(jù)分析結(jié)果提出了相對應(yīng)的建議，為改善城市自行車出行環(huán)境，提高自行車的出行比例提供相關(guān)依據(jù)。

1 擇路行為SP數(shù)據(jù)獲取

1.1 擇路行為SP調(diào)查

筆者采用網(wǎng)絡(luò)問卷形式的意向調(diào)查（Stated Preference Survey，SP調(diào)查），SP調(diào)查是在假設(shè)情景下對出行者偏好及選擇進(jìn)行調(diào)查獲取數(shù)據(jù)。通常是設(shè)置不同的假設(shè)情景，請求被調(diào)查者在假設(shè)情景下做出選擇。但是SP調(diào)查存在一個局限性，被調(diào)查者的理解能力可能會限制于表現(xiàn)路線選擇的變量數(shù)量，無法準(zhǔn)確理解問卷所表達(dá)的本意。因此，本文用可視化SP實驗設(shè)計方法來解決該問題，將變量信息以圖片等信息標(biāo)繪出來。使其更加接近現(xiàn)實決策情景，一定程度上解決了SP法關(guān)于被調(diào)查者決策脫離實際選擇的傳統(tǒng)問題[13]。

為了避免真實路網(wǎng)的信息復(fù)雜性，讓被調(diào)查者更好地理解被試內(nèi)容，給予被調(diào)查者的交通出行情景示意圖是根據(jù)某品牌導(dǎo)航軟件提供的3條總長度相似且騎行時間相差較小的騎行路線構(gòu)造的，如圖1所示。研究調(diào)查期間正值上海5月份中旬，溫度較高，晴天較多，且風(fēng)速較小，因此氣候狀況假設(shè)天氣晴朗，小風(fēng)，最高氣溫25℃，被調(diào)查者使用自行車從起點A（家或?qū)W校）出發(fā)，前往終點B（目的地）。

圖1 出行情景圖

在綜合了已有的研究、上海市道路的實際情況和預(yù)調(diào)查得出的情況的基礎(chǔ)上進(jìn)行SP出行情境中騎行環(huán)境的設(shè)計，對品牌導(dǎo)航軟件給予的出行路線的長度與時間進(jìn)行等比例的減少，避免被調(diào)查者過度關(guān)注這兩個因素。同時為被調(diào)查者提供了6種假設(shè)的騎行環(huán)境，路線中的屬性設(shè)置是根據(jù)以往研究中影響路線的顯著因素和預(yù)調(diào)查中較為顯著因素綜合考慮，因此最終確定了騎行時間、交叉口信號燈數(shù)量、綠蔭程度、機非隔離設(shè)施4種因素放入騎行路線中，如表1所示。被調(diào)查者基于假設(shè)的情景，做出相應(yīng)的選擇，且在每個情景中讓被調(diào)查者按照最愿意騎行路線、其次、最不愿意騎行路線進(jìn)行排序，如圖2所示為情景1的3條可選路線。

圖2 情景假設(shè)條件圖

其中情景1中的路線屬性是選取了筆者希望考慮因素一致的實際出行路線屬性定義的，情景2、3、4、5分別是保持騎行時間、交叉口信號燈數(shù)量、綠蔭程度、機非隔離設(shè)施不變，來與情景1做對比進(jìn)行探討，而情景6改變了情景1中3條路線的機非隔離設(shè)施與綠蔭程度，進(jìn)一步驗證騎行者關(guān)注的因素。情景中具體路線屬性如表1所示。

SP調(diào)查時間為2018年5月，調(diào)查數(shù)據(jù)通過網(wǎng)絡(luò)獲取。通過網(wǎng)絡(luò)將調(diào)查問卷隨機發(fā)放給上海高校的被調(diào)查者，最終共有122名被調(diào)查者完成了在線調(diào)查問卷，得到有效問卷121份，問卷中均有6個情境假設(shè)，于是共有726（121×6）個有效樣本數(shù)據(jù)可以用于分析建模，本文的樣本量符合分析建模要求。

1.2 SP調(diào)查數(shù)據(jù)初步分析

被調(diào)查者在6個情景中按照最愿意路線、其次、最不愿路線進(jìn)行排序。本文主要研究大學(xué)生自行車出行時偏愛的路線屬性，因此對最愿意路線的選擇情況進(jìn)行基本分析。

結(jié)合表1各假設(shè)情景路線屬性和圖3各假設(shè)情景中最愿意路線選擇概率統(tǒng)計得到以下結(jié)論：

表1 情景中各路線屬性

（1）情景1：由圖3可知，情景1中路線1被選擇概率接近七成，而路線2被選擇概率最小。對比表1里路線各屬性可以看出，當(dāng)路線2的騎行時間相對較小時，大學(xué)生騎行者會選擇騎行時間相對較長，但具有機非隔離設(shè)施、交叉口信號燈數(shù)量少、綠蔭茂盛的路線。

圖3 各假設(shè)情景中最愿意路線選擇概率統(tǒng)計圖

（2） 情景2：由圖3可知，情景2中的路線1被選擇概率高達(dá)七成以上，而路線2被選擇概率則不到一成。對比表1里路線各屬性可以看出，當(dāng)騎行時間、交叉口信號燈數(shù)量、綠蔭程度一致時，大學(xué)生騎行者更加偏愛具有機非隔離設(shè)施的路線。

（3）情景3：由圖3可知，情景3中路線1被選擇的概率超過半數(shù)，路線2被選擇概率最少。對比表1里路線各屬性可以看出，當(dāng)騎行時間相對較長時，大學(xué)生騎行者還是愿意選擇具有機非隔離設(shè)施、交叉口信號燈數(shù)量少、綠蔭茂盛的路線。與情景1得出相同的結(jié)論。

（4）情景4：由圖3可知，情景4中路線3被選擇概率為六成以上，路線1被選擇概率最小。對比表1里路線各屬性可以看出，當(dāng)機非隔離設(shè)施為交通標(biāo)線時，對大學(xué)生騎行者的吸引程度更大，可知大學(xué)生騎行者偏愛連貫性強且不受約束的路線。

（5）情景5：由圖3可知，情景5中路線2被選擇概率達(dá)到半數(shù)，路線3被選擇概率最低。對比表1里路線各屬性可以看出，當(dāng)機非隔離設(shè)施都為交通標(biāo)線時，綠蔭程度大和交叉口信號燈數(shù)量少時對騎行者有很大的吸引度，其中綠蔭茂盛對騎行者吸引性更大。

（6）情景6：由圖3可知，情景6中路線1被選擇概率高達(dá)七成以上，路線2被選擇概率最低，對比表1里路線各屬性可以看出，大學(xué)生騎行者還是更加傾向于具有機非隔離設(shè)施的路線，對安全性還是有很重要的考慮。同時情景6改變了情景1中路線2與路線3的機非綠蔭程度，進(jìn)一步可以驗證出大學(xué)騎行者更傾向具有交通標(biāo)線隔離設(shè)施的路線。

綜上可知，機非隔離設(shè)施、綠蔭程度和交叉口信號燈數(shù)量對路線選擇均具有顯著影響，并且對具有交通標(biāo)線的路線更加偏愛，而時間屬性在此研究中沒有特別顯著的影響，這與研究的預(yù)期結(jié)果相同，因為在時間差相對較小的路線時，時間屬性將不會過度影響出行決策。最終可以看出大學(xué)生騎行者更加偏愛具有連貫性、舒適性、安全性更好的路線。

2 擇路行為離散選擇分析

2.1 建模

從以上統(tǒng)計數(shù)據(jù)，可以粗略地看到路線屬性對騎行者決策行為影響程度。但是這種分析方式的缺點在于不易進(jìn)行多變量分析。為了更充分地利用數(shù)據(jù)特征，下面采用常見的離散選擇模型——多元Logit模型（Multinomial Logit Model,MNL）對大學(xué)生路線決策行為進(jìn)行定量分析。

在多元Logit模型中每個騎行者的效用函數(shù)相同并且騎行者總是理性的選擇效用最大的選項。3條路線的效用函數(shù)表達(dá)式為：

式中：Uni是騎行者n選擇路線的效用函數(shù)；X是各因素的解釋變量組成的變量；V（ xni）對于騎行者n而言選擇項i的效用確定項，通常以各變量的線性組合來描述；εni是對于騎行者n而言選擇項i的效用隨機部分，服從獨立相同的Gumbel分布。綜上可得騎行者n選擇路線i的概率為：

2.2 模型估計結(jié)果

本研究中，選擇集中包含3個離散的選擇項，路線1，路線2，路線3，把路線3作為基本選擇項。通過對影響變量的類型的設(shè)定和數(shù)值的轉(zhuǎn)化，最終進(jìn)入模型的變量有時間、信號燈數(shù)量、機非隔離設(shè)施和綠蔭程度。其中機非隔離設(shè)施包括交通標(biāo)線隔離和欄桿隔離、欄桿隔離、交通標(biāo)線隔離的對照組是無隔離。模型估計結(jié)果如表2所示，最終模型的McFadden LRI值為0.2404在0.2～0.4之間，Estrella的值為0.4535，認(rèn)為模型的擬合效果良好。

表2 模型的參數(shù)估計

2.3 模型估計結(jié)果討論

如表2所示，對決策行為有顯著影響的因素主要有信號燈數(shù)量、欄桿隔離、交通標(biāo)線隔離、綠蔭程度。根據(jù)模型的系數(shù)，對各影響因素的分析如下：

（1）時間。該模型中設(shè)定時間為共同變量，即3條路線的時間的邊際效用是一樣的，此處參數(shù)估計不顯著。這與描述性分析得出相同的結(jié)論，當(dāng)可選擇路線之間的時間差相對較小時，時間屬性則對路線決策不具有顯著影響，騎行者往往會因為其他更具吸引的因素來選擇時間相對較長的路線，這與國外一些研究發(fā)現(xiàn)的情況一致。

（2）信號燈數(shù)量。S的系數(shù)為負(fù)，且在0.05的水平下顯著。這說明當(dāng)該騎行路線上的信號燈數(shù)量比其余路線上信號燈數(shù)量多時，騎行者則不愿意選擇該路線，而更愿意選擇其他信號燈少，行駛具有連貫性的路線，這與文獻(xiàn)[6]得出的結(jié)論相似。

（3）機非隔離設(shè)施。B1和B2系數(shù)均為正，說明對于騎行者來說相對于無隔離設(shè)施的路線，騎行者更愿意選擇具有機非隔離設(shè)施的路線來保證騎行的安全性。同時交通標(biāo)線的系數(shù)大于欄桿隔離的系數(shù)（0.9297〉0.7745），可以看出大學(xué)生群體在面臨路線決策時更傾向選擇設(shè)有交通標(biāo)線的路線，而目前對于通勤者群體的研究中大多數(shù)被調(diào)查者更傾向選擇設(shè)有欄桿隔離的路線。可以看出大學(xué)生群體更偏愛騎行空間大、約束性小的路線。

（4）綠蔭程度。G的系數(shù)為正，且在0.05的水平上顯著。這說明當(dāng)該騎行路線上的綠蔭程度大時，騎行者更傾向于選擇該路線。這一結(jié)論與國內(nèi)外一些研究的結(jié)論一致，不論何種騎行群體都偏愛自然環(huán)境舒適的路線。

根據(jù)模型估計結(jié)果可以得到大學(xué)生決策行為的效用函數(shù)為：

進(jìn)一步地，利用公式（2）和公式（3）可以計算出面對不同路線屬性時做出不同選擇概率。例如，當(dāng)騎行者面臨信號燈數(shù)量為5個、道路的機非隔離設(shè)施為交通標(biāo)線隔離且有綠蔭遮蔽時，選擇路線1、2、3的概率為52.96%、32.26%、14.78%。采用該離散選擇分析建立的擇路模型，可以對自行車系統(tǒng)規(guī)劃和管理提出具有指導(dǎo)意義的建議。例如，在節(jié)假日或者上學(xué)放學(xué)時，用于學(xué)生群體大批量出入的騎行道路緊急疏散人流，提高疏散效率。

3 結(jié)束語

本文針對上海市大學(xué)生群體，采用可視化的SP調(diào)查，對大學(xué)自行車出行路線決策行為進(jìn)行了定量分析，構(gòu)建了多元Logit模型。研究表明，現(xiàn)實道路行駛路線的不同屬性對大學(xué)生擇路決策有顯著影響。

當(dāng)可選路線的時間差相對較小時，該路線信號燈數(shù)量越少時，騎行者選擇此路線的可能性越大；有機非隔離設(shè)施的路線相對于沒有機非隔離設(shè)施的路線來說吸引力大，其中交通標(biāo)線隔離對大學(xué)生騎行者吸引程度更大；騎行路線的綠蔭程度大時，選擇此路線的可能性更大。此研究成果可以為我國自行車系統(tǒng)建設(shè)的優(yōu)化升級提供有力依據(jù)，從而吸引更多年輕人使用自行車進(jìn)行短途出行，緩解一線城市小汽車出行壓力。

在本文研究的基礎(chǔ)上，下一步應(yīng)嘗試獲取更多擇路行為數(shù)據(jù)，在接下來的研究中擴大樣本量，尋找出時間差在多少之內(nèi)是不會顯著影響路線決策，同時對大學(xué)生群體偏愛交通標(biāo)線隔離這一騎行行為加入心理因素變量，進(jìn)一步深入研究，建立更符合實際的行為模型。