陶文聰，陳凱，蘇煥銀，李鵬，劉吉華

（五邑大學(xué) 軌道交通學(xué)院，廣東 江門 529020）

隨著粵港澳大灣區(qū)經(jīng)濟的發(fā)展，區(qū)內(nèi)各城市間交流將更加密切，各城市之間的客運交通需求日益凸現(xiàn)，對出行效率的要求越來越高.作為粵西地區(qū)的重要軌道線路，協(xié)調(diào)好廣珠城軌與其他交通方式的高效接駁能夠提高旅客的出行效率，增加城市軌道站點對客流的吸引力，進而促進灣區(qū)內(nèi)的交通可達性.本文通過調(diào)查廣珠城軌站旅客市內(nèi)接駁交通方式的選擇行為，研究了當(dāng)前城軌站市內(nèi)的接駁交通現(xiàn)狀和旅客的出行選擇行為偏好，以期為后續(xù)的接駁交通方式改善提供依據(jù).

旅客接駁交通方式的選擇行為研究主要涉及到交通規(guī)劃中的交通方式劃分環(huán)節(jié).在該領(lǐng)域的研究中主要有集計方法和非集計方法兩類，它們分別基于統(tǒng)計學(xué)理論知識和概率論理論知識而建立.影響旅客出行選擇行為的因素較多，如個人偏好、天氣情況、是否擁有私家車，出行屬性等等，非集計方法可以綜合考慮多方面因素來研究旅客的出行選擇行為，因此較多的學(xué)者采用非集計方法研究旅客的接駁交通方式選擇問題[1-2].

非集計建模方法常結(jié)合意愿調(diào)查（Stated Preference，SP）方法獲取旅客出行數(shù)據(jù)，以此估計模型參數(shù)，并對交通方式進行劃分和預(yù)測[3-5].但這種方法調(diào)查獲得的數(shù)據(jù)主觀性強，缺乏可靠性，導(dǎo)致模型預(yù)測精度不高.部分學(xué)者通過行為調(diào)查（Revealed Preference，RP）方法研究交通方式的劃分和預(yù)測，在一定程度上提高了模型的預(yù)測精度[6].但是這種方法假設(shè)旅客在當(dāng)前和未來接駁交通方式的選擇行為保持一致，無法體現(xiàn)旅客的出行意愿.因此，用SP 和RP 組合的方法分析旅客接駁交通方式的選擇情況，能夠更好地反映旅客的出行選擇偏好及其對接駁交通方式選擇的影響[7-9].

本文采用RP 和SP 組合的調(diào)查方法，針對廣珠城軌線上的江門東站進行相關(guān)研究數(shù)據(jù)的調(diào)查收集，獲取旅客的個人屬性（年齡、性別、收入、職業(yè)等）和出行屬性（出行目的、接駁方式、出行費用和出行質(zhì)量要求等）.通過聚類分析和相關(guān)性分析，研究旅客的個人屬性和出行選擇屬性對接駁交通方式選擇的影響，并建立多項Logit 模型對旅客的市內(nèi)接駁交通方式選擇行為進行分析，探究不同種類人群對不同接駁交通方式的選擇偏好.

1 旅客出行選擇行為調(diào)查分析

1.1 調(diào)查數(shù)據(jù)收集

本次調(diào)研以江門東站為調(diào)查對象，采取SP 和RP 組合的調(diào)查方法，在江門東站進行隨機均勻抽樣調(diào)查.問卷調(diào)查在2019 年3 月期間進行，包含了工作日和休息日.總共發(fā)放了1 472份調(diào)查問卷，最終有效問卷為1 350 份，問卷回收率達到91.7%，發(fā)放問卷數(shù)量和回收率符合預(yù)期要求.問卷調(diào)查涉及的主要問題包含旅客的個人屬性和出行屬性，具體見表1.對于接駁交通方式選擇的調(diào)查限定于公交車、出租車（包含網(wǎng)約車）和私家車三種方式，通過對問卷調(diào)查數(shù)據(jù)的初步整理，獲得江門東站旅客對接駁交通方式的選擇情況，如圖1 所示.可知，接駁交通方式以公交車的分擔(dān)率最大，占比為43%；選擇出租車（包含網(wǎng)約車）作為接駁交通方式的受訪者占比也高達40%；其余的旅客選擇私家車.

表1 問卷調(diào)查內(nèi)容

圖1 各接駁交通方式的選擇情況

1.2 調(diào)查數(shù)據(jù)分析

1.2.1 旅客個人屬性分析

借助SPSS22.0 軟件，對旅客個人屬性和接駁交通方式選擇進行相關(guān)性分析，如表2 所示.由表2 可知，年齡、收入、學(xué)歷、職業(yè)和是否擁有私家車這5 項旅客個人屬性與接駁交通方式的選擇在0.01 級別上呈顯著性相關(guān)，置信度達到了99%.該結(jié)果說明了旅客的這5 項個人屬性對其接駁交通方式的選擇具有顯著影響.

由于旅客的年齡、收入、職業(yè)等個人因素之間并不是完全孤立的，而是相互關(guān)聯(lián)的，獨立分析每項因素對旅客出行選擇行為的影響具有局限性.因此，本文基于上述5 項呈顯著性相關(guān)的旅客個人屬性，對旅客進行聚類分析，將旅客劃分成具有不同特征的人群，分別研究不同人群中旅客的接駁交通方式選擇行為.這樣便可綜合考察這5 項個人屬性對旅客出行選擇行為的影響.聚類分析的關(guān)鍵在于將具有類似特征的人群劃分到同一類別，不同類別之間的特征具有明顯的差異性.通過實驗發(fā)現(xiàn)，將旅客劃分為3 個群體時，可以較好地突出各個群體的特征，且不同群體之間具有較為明顯的差異.聚類分析的結(jié)果見表3.

表2 旅客個人屬性與接駁交通方式的相關(guān)性分析

表3 各類人群特征及接駁交通方式選擇情況

依據(jù)表3 可知，從第一類人群到第三類人群，平均年齡逐漸增大，私家車的擁有率逐漸上升，同時選擇私家車作為接駁交通方式的比例也逐漸增大，而選擇公交車作為接駁交通方式的比例逐漸減小.總體而言，公交車和出租車是旅客的主要接駁交通方式，收入越高的群體選擇出租車作為接駁交通方式的比例越高.

1.2.2 旅客出行屬性分析

鑒于旅客個人屬性之間的關(guān)聯(lián)性較強，因此采用人群類別作為代表，描述旅客個人屬性與接駁交通方式之間的相關(guān)性.同時，借助SPSS22.0 軟件，進一步分析旅客出行屬性和接駁交通方式選擇的相關(guān)性，如表4 所示.結(jié)果表明，人群類別、出行目的、出行地區(qū)、公費出行、出行費用、安全性和舒適性這7 項屬性與接駁交通方式的選擇在0.01 級別上呈顯著性相關(guān)，置信度水平達99%，對旅客的接駁交通方式選擇具有顯著影響.

表4 旅客屬性與接駁交通方式的相關(guān)性分析

2 接駁交通方式選擇模型設(shè)計

2.1 多項Logit 模型設(shè)計

多項Logit 模型的基本形式如下，

其中，Uin為個人n 關(guān)于選擇枝i 的效用； Vin為能被測定的效用確定項； εin為不能被測定的效用隨機項； An為選擇枝的集合.

假設(shè) Vin和 εin之間相互獨立且 εin服從Gumbel 分布，個人n 選擇效用最大的選擇枝，則個人n 采用選擇枝i 的概率為[10]：

在本文中，An表示旅客的接駁交通方式集合，令 An={公交車，出租車，私家車}.根據(jù)前面的分析，選取對旅客的接駁交通方式選擇行為具有顯著性影響的7 個屬性（人群類別、出行目的、出行地區(qū)、公費出行、出行費用、安全性和舒適性）來確定旅客的出行效用 Vin：

式中，αi為常數(shù)項； xnm為影響旅客n 出行選擇的第m 個因素變量； βim為選擇第i 個選擇枝時第m 個因素變量的參數(shù).變量定義及其取值范圍具體見表5.

表5 多元Logit 模型的變量及取值范圍

借助SPSS22.0 軟件中多元Logit 模型進行數(shù)據(jù)仿真，得到模型參數(shù)估計值，如表6 所示.顯著性水平取值為0.05，從表6 可知，人群類別、出行目的、出行地區(qū)、公費出行、出行費用、安全性和舒適性與接駁交通方式的選擇均顯著，符合變量選取的要求.

表6 模型參數(shù)估計結(jié)果

根據(jù)表6 模型參數(shù)估計結(jié)果，以私家車為基準，分別用 Pn(1),Pn(2),Pn(3)表示選擇公交車、出租車、私家車的概率，旅客接駁交通方式選擇模型如下：

2.2 模型檢測

為了檢驗?zāi)Ｐ蛥?shù)標定結(jié)果的可靠性，對模型變量進行檢驗，結(jié)果如表7 所示.由表7 可知，在各個模型變量中，出行目的、公費出行、安全性的顯著性水平P＜0.01，其余變量顯著性水平均小于或接近0.05，也就是置信度達到了99%或95%，由此可知全部經(jīng)過篩選的模型變量對接駁交通方式選擇具有較高的顯著性，模型變量選擇正確.

表7 模型擬合度檢驗

為了進一步檢測模型的性能，從本次調(diào)查中隨機選取600 位受訪旅客的基礎(chǔ)數(shù)據(jù)，其中，第一類人群280 人；第二類人群219 人；第三類人群101 人.利用上述建立的旅客接駁交通方式選擇模型對旅客的出行選擇進行預(yù)測，借助軟件Python3.7 進行計算，結(jié)果表明模型預(yù)測的正確率達85.67%，部分受訪旅客的基礎(chǔ)數(shù)據(jù)以及預(yù)測結(jié)果如表8 和表9 所示.這說明本文設(shè)計的方法具有一定的可行性.

表8 軌道交通出行者的調(diào)查數(shù)據(jù)信息

表9 接駁交通方式選擇的預(yù)測結(jié)果

3 結(jié)論及應(yīng)用分析

本文采用SP 和RP 組合的調(diào)查方法，針對廣珠城軌線上的江門東站進行了旅客市內(nèi)接駁交通方式選擇行為調(diào)查，獲取了旅客的個人屬性和出行屬性數(shù)據(jù).基于旅客的個人屬性特征，采用聚類分析方法，將旅客人群劃分為三類.發(fā)現(xiàn)公交車和出租車是旅客的主要接駁交通方式，收入越高的群體選擇出租車作為接駁交通方式的比例越高.基于旅客的出行屬性特征，采用相關(guān)性分析方法，確定了人群類別、出行目的、出行地區(qū)、公費出行、出行費用、安全性和舒適性這7 項屬性為影響旅客接駁交通方式選擇行為的關(guān)鍵因素，建立了旅客市內(nèi)接駁交通方式選擇行為的多項Logit 模型.通過計算分析，發(fā)現(xiàn)模型預(yù)測的正確率達85.67%，進一步說明本文方法具有一定的可行性.

本文的研究方法可以獲得城軌站各種接駁交通方式的分擔(dān)率，即各種交通方式的旅客需求比例.將該分擔(dān)率乘以城軌站未來一定時期內(nèi)的旅客到發(fā)需求量，便可估計未來一定時期內(nèi)各種接駁交通方式的需求量，進而可以有針對性地對未來的接駁交通市場進行規(guī)劃設(shè)計.本文的研究方法不僅適用于江門東站，對廣珠城際沿線的城軌站均適用.