朱順應(yīng)，刁成良，肖文彬，陳秋成，王紅

(武漢理工大學(xué)，交通學(xué)院，武漢430063)

0 引言

在倡導(dǎo)綠色旅游理念的背景下，城市內(nèi)部旅游出行中公共交通占比呈逐年上升趨勢(shì)，但仍有許多游客選擇小汽車(chē)出行，給景點(diǎn)周邊交通和城市交通系統(tǒng)帶來(lái)很大壓力。為進(jìn)一步緩解交通壓力，鼓勵(lì)更多游客選擇公共交通出行是主要途徑。研究表明，提升城市公共交通的便捷性，能有效改善游客出行體驗(yàn)[1]，因此，分析目的地景點(diǎn)的公共交通出行便捷性，研究其影響因素，對(duì)于引導(dǎo)游客選擇公共交通出行具有重要意義。

目前，關(guān)于目的地出行便捷性的研究多使用可達(dá)性這一概念，可達(dá)性意為出行者接近目的地的容易程度[2]，最常用的度量方法是最短時(shí)空距離法[3]，還有以時(shí)空距離為阻抗，考慮目的地服務(wù)能力的重力模型法[4]和兩步移動(dòng)搜索法[5]?？梢钥闯?，可達(dá)性研究多是基于宏觀、客觀角度，忽略了公共交通出行過(guò)程中的微觀因素(“最后一公里”、公交發(fā)車(chē)頻率、換乘次數(shù)與距離)和主觀因素(個(gè)體特征、心理感知)對(duì)便捷性的顯著影響。

區(qū)別于小汽車(chē)出行，公共交通出行過(guò)程由許多環(huán)節(jié)構(gòu)成一條出行鏈。不同出行鏈的微觀因素有差異，不同出行者的適應(yīng)性也有差異，這些對(duì)便捷性的評(píng)價(jià)都會(huì)產(chǎn)生顯著影響。在最近的相關(guān)研究中：有學(xué)者關(guān)注了微觀因素，如吳潘[6]考慮公交發(fā)車(chē)頻率，Chia J.[7]考慮換乘站點(diǎn)位置；有學(xué)者關(guān)注了主觀因素，如AlKahtani[8]指出個(gè)體特征在城市景點(diǎn)的出行便捷性評(píng)價(jià)中的重要影響，謝雙玉[9]考慮靜態(tài)的路網(wǎng)、動(dòng)態(tài)的出行和乘客的感知三個(gè)維度。但鮮有學(xué)者同時(shí)考慮微觀因素和主觀因素，且多數(shù)學(xué)者將主觀因素作為獨(dú)立的評(píng)價(jià)維度，未建立起主客觀因素的關(guān)聯(lián)。

綜上，本文提出便捷性指數(shù)的概念，區(qū)別于可達(dá)性方法的宏觀性和客觀性，便捷性指數(shù)方法是一種宏觀與微觀、主觀與客觀相結(jié)合的公共交通出行便捷性評(píng)價(jià)方法?；谟慰蛯?duì)公共交通便捷性評(píng)價(jià)是在個(gè)體特征和客觀外部環(huán)境基礎(chǔ)上的感知結(jié)果這一思路，通過(guò)建立多項(xiàng)Logistic 模型將個(gè)體特征、公共交通出行鏈和景點(diǎn)吸引力這3個(gè)層面的因素對(duì)感知便捷性的影響程度量化，模型考慮了多模式出行鏈、線路走向、步行距離和共享單車(chē)的使用等微觀因素。在此基礎(chǔ)上，建立便捷性指數(shù)(CI)模型，計(jì)算城市景點(diǎn)的公共交通出行便捷性指數(shù)。本文對(duì)旅游公共交通規(guī)劃有一定指導(dǎo)意義。

1 方法

1.1 概念定義與描述

本文涉及到的相關(guān)概念定義如下：

(1)公共交通出行鏈，游客從起點(diǎn)乘坐公共交通到達(dá)目的地景點(diǎn)的出行過(guò)程。其中，總出行距離等于乘坐公交里程、乘坐地鐵里程、步行距離和單車(chē)騎行距離的總和，非直線系數(shù)等于總出行距離與起訖點(diǎn)間直線距離的比值，地鐵分擔(dān)率等于乘坐地鐵里程與乘坐公交和地鐵里程之和的比值，非機(jī)動(dòng)出行距離等于步行距離與單車(chē)騎行距離之和，騎行分擔(dān)率等于單車(chē)騎行距離與非機(jī)動(dòng)出行距離的比值。

所選公共交通指標(biāo)均為空間指標(biāo)，具有較高的穩(wěn)定性，排除日期、天氣、路況等隨機(jī)因素對(duì)景點(diǎn)便捷性的干擾，一定程度上保證了評(píng)價(jià)的客觀性。

(2)景點(diǎn)吸引力，從武漢文化和旅游局官網(wǎng)獲取2018年國(guó)慶小長(zhǎng)假期間武漢市各景點(diǎn)的旅游人次，歸一化后作為該景點(diǎn)的權(quán)重，定義為景點(diǎn)吸引力。

1.2 公共交通出行便捷性影響因素分析

采用多項(xiàng)Logistic模型分析影響城市景點(diǎn)公共交通便捷性的因素。多項(xiàng)Logistic模型是非集計(jì)模型，其效用函數(shù)表達(dá)式為

式中：Uin為對(duì)象n的因變量類(lèi)別為i的效用；Vin為可觀測(cè)固定項(xiàng)；εin為隨機(jī)項(xiàng)。

根據(jù)多項(xiàng)Logistic 模型原理，Vin與自變量Фinm呈線性關(guān)系，即

式中：αi為截距；Фinm為第m個(gè)自變量；βim為對(duì)應(yīng)自變量的回歸系數(shù)；M為自變量個(gè)數(shù)；An為因變量的類(lèi)別集合。

多項(xiàng)Logistic 模型假定Vin與εin相互獨(dú)立，且εin服從Gumbel 分布，則對(duì)象n的因變量類(lèi)別為i的概率Pin可表示為

初步選擇11 個(gè)因素作為自變量，應(yīng)用單因素方差分析檢驗(yàn)各自變量對(duì)因變量的顯著性，結(jié)果表明，除性別因素外，其余自變量對(duì)因變量均有顯著影響。納入模型的自變量如表1所示，其中，Xj為分類(lèi)自變量，Yl為連續(xù)自變量。

為分析分類(lèi)自變量不同類(lèi)別對(duì)因變量的影響，將分類(lèi)自變量轉(zhuǎn)換為多個(gè)啞變量。以自變量最后一項(xiàng)為參考項(xiàng)，各啞變量定義如表2和表3所示。

表1 自變量Table 1 Independent variables

表2 年齡和月收入的啞變量Table 2 Dummy variables of age and monthly income

表3 客源地和換乘次數(shù)的啞變量Table 3 Dummy variables of tourist origin and transfer times

因變量即游客的感知便捷程度，采用三級(jí)李克特量表對(duì)感知便捷程度進(jìn)行得分賦值，如表4所示。

表4 因變量Table 4 Dependent variables

以“不便捷”為參照類(lèi)別，建立兩個(gè)廣義Logit模型為

式中：i為因變量類(lèi)別；j為離散型自變量編號(hào)；J為離散型自變量個(gè)數(shù)；k為啞變量編號(hào)；l為連續(xù)型自變量編號(hào)；L為連續(xù)型自變量個(gè)數(shù)；i,j,J,k,l,L∈N+。

1.3 各因素的影響權(quán)重分析

自變量的量綱不同，無(wú)法根據(jù)多項(xiàng)Logistic 模型輸出的回歸系數(shù)，確定哪個(gè)自變量對(duì)因變量的影響權(quán)重更大。為進(jìn)一步分析各自變量的影響權(quán)重，首先用z-score 法對(duì)自變量和因變量進(jìn)行標(biāo)準(zhǔn)化變換，使用標(biāo)準(zhǔn)化后的變量進(jìn)行Logistic回歸，得到標(biāo)準(zhǔn)化回歸系數(shù)βZ。標(biāo)準(zhǔn)化系數(shù)絕對(duì)值越大，自變量對(duì)感知便捷程度的影響權(quán)重越大。z-score法的計(jì)算公式為

式中：ФZ為標(biāo)準(zhǔn)化變量；μ為變量Ф的平均值；σ為變量Ф的標(biāo)準(zhǔn)差。

1.4 城市景點(diǎn)的公共交通出行便捷性指數(shù)計(jì)算

將問(wèn)卷數(shù)據(jù)代入式(4)，分別求得每位受訪游客感知便捷程度為“不便捷、比較便捷、便捷”的概率。計(jì)算公式為

式中：Pi為某受訪游客感知便捷程度為i的概率。

對(duì)于某受訪游客，應(yīng)有P1+P2+P3=1。以Pi為權(quán)重，游客感知便捷程度的期望值表示為

對(duì)于某城市景點(diǎn)，N名受訪游客E(i)的平均值為EN(i)。參考顧客滿意度指數(shù)模型，建立城市景點(diǎn)的公共交通出行便捷性指數(shù)模型為

式中：ECI為便捷性指數(shù)(CI)的取值；Emin(i)為感知便捷程度的最小值；Emax(i)為感知便捷程度的最大值。實(shí)際計(jì)算中，取Emin(i)=1，Emax(i)=3。

2 數(shù)據(jù)

2.1 數(shù)據(jù)采集

針對(duì)乘坐公共交通的游客開(kāi)展調(diào)查，問(wèn)卷由3部分組成：①個(gè)體特征信息，包括性別、年齡、月收入、是否本地游客；②出行信息，包括出發(fā)地(目的地即為調(diào)查地點(diǎn))、乘坐的公共交通線路組合，以及共享單車(chē)使用次數(shù)；③感知信息，即游客對(duì)公共交通的感知便捷程度，分為“不便捷、比較便捷、便捷”這3個(gè)級(jí)別。

調(diào)查于2019年11月和12月開(kāi)展，采取分層簡(jiǎn)單隨機(jī)抽樣面對(duì)面調(diào)查，調(diào)查地點(diǎn)為武漢市15 個(gè)當(dāng)季最熱門(mén)景點(diǎn)。本次調(diào)查共發(fā)放問(wèn)卷1600 份，回收有效問(wèn)卷1174份，樣本有效率為74.8%，如圖1所示。游客感知便捷程度實(shí)測(cè)標(biāo)準(zhǔn)差為0.65，在置信度95%水平下，相對(duì)誤差是1.9%。有研究表明，Logistic 回歸建模所需最小樣本量為10×自變量數(shù)量/因變量中數(shù)量最小類(lèi)別的樣本量占比[10]，據(jù)此，本次調(diào)查樣本量符合要求。

圖1 城市景點(diǎn)選取與調(diào)查Fig.1 Selection and survey of urban tourist attractions

2.2 數(shù)據(jù)處理

通過(guò)問(wèn)卷調(diào)查，獲知游客起訖點(diǎn)與乘坐線路。將起訖點(diǎn)輸入網(wǎng)絡(luò)地圖的路線查詢模塊，篩選找到游客選擇的方案。得出：游客在此次出行過(guò)程中的總出行距離、非直線系數(shù)、地鐵分擔(dān)率、非機(jī)動(dòng)出行距離和換乘次數(shù)。結(jié)合非機(jī)動(dòng)出行距離和共享單車(chē)使用次數(shù)計(jì)算單車(chē)騎行距離，繼而可求出騎行分擔(dān)率。

3 結(jié)果與分析

3.1 模型求解

因變量“感知便捷程度”屬于有序分類(lèi)變量，適當(dāng)求解方法是有序Logistic 回歸，但由于未通過(guò)平行性檢驗(yàn)，故采用更為靈活的多項(xiàng)Logistic 回歸求解。多重共線檢驗(yàn)結(jié)果表明，自變量間的共線性不明顯。將非機(jī)動(dòng)出行距離和騎行分擔(dān)率的交互項(xiàng)納入模型以研究其交互效應(yīng)，進(jìn)行中心化處理以消除交互項(xiàng)與對(duì)應(yīng)低次項(xiàng)的共線性，即令將Y4?、Y5?和納入模型。利用SPSS22.0 進(jìn)行多項(xiàng)Logistic，同時(shí)用1.3節(jié)介紹的方法求得公共交通出行鏈因素的標(biāo)準(zhǔn)化系數(shù)，結(jié)果如表5所示。

同一自變量下，只要存在任意啞變量通過(guò)檢驗(yàn)，則該自變量下的所有啞變量均納入到回歸方程中。所有自變量均通過(guò)Wald 檢驗(yàn)，即Sig.小于0.05，具有統(tǒng)計(jì)學(xué)意義，將納入最后的方程中，且模型預(yù)測(cè)準(zhǔn)確率達(dá)到73.2%，預(yù)測(cè)效果較好。

表5 多項(xiàng)Logistic輸出結(jié)果Table 5 Output results of multinomial Logistic model

將表6中的回歸系數(shù)代入式(4)得

3.2 影響因素分析

(1)個(gè)體特征

根據(jù)模型結(jié)果可知，60歲以上游客感知便捷程度最高，其他游客的感知便捷程度與年齡負(fù)相關(guān)，感知便捷程度與月收入負(fù)相關(guān)，市內(nèi)游客的感知便捷程度高于市外游客。

(2)公共交通出行鏈和景點(diǎn)吸引力

感知便捷程度與換乘次數(shù)、總出行距離、非直線系數(shù)和非機(jī)動(dòng)出行距離負(fù)相關(guān)，與地鐵分擔(dān)率和騎行分擔(dān)率正相關(guān)，與景點(diǎn)吸引力正相關(guān)。

重點(diǎn)分析非機(jī)動(dòng)出行距離(Y4)與騎行分擔(dān)率(Y5)的交互效應(yīng)，在式(9)中，將其他自變量都看作常數(shù)項(xiàng)(用a和a。代替)，用Y4替代Y4?，用Y5替代，可得

對(duì)式(10)進(jìn)行變形，可得

對(duì)于式(11)，在Y5不同取值水平下，Y4在V2(V3)中的系數(shù)不同，Y5的取值越大，Y4在V2(V3)中系數(shù)的絕對(duì)值越小，且始終為負(fù)值。由此可得：騎行分擔(dān)率越大，非機(jī)動(dòng)出行距離對(duì)感知便捷性的負(fù)向影響越小。

對(duì)于式(12)，在Y4的不同取值水平下，Y5在V2(V3)中的系數(shù)不同。由于P1+P2+P3=1 為定值，因此隨著Y5增大，P1、P2和P3的變化互相制約，有增項(xiàng)必有減項(xiàng)，如表6所示。當(dāng)Y4＞0.601 km 時(shí)，Y4的取值越大，Y5在V2(V3)中的系數(shù)(為正值)越大。

由此可得：

①當(dāng)非機(jī)動(dòng)出行距離小于0.408 km 時(shí)，隨著騎行分擔(dān)率增加，感知為“不便捷”的概率增加，這意味著騎行分擔(dān)率對(duì)感知便捷性的提升不顯著，游客可能會(huì)因單車(chē)舒適性或騎行成本等原因給出負(fù)面評(píng)價(jià)，故較小的非機(jī)動(dòng)出行距離適合步行。

表6 Y4 對(duì)Y5 的效應(yīng)Table 6 Effect of Y4 on Y5

②當(dāng)非機(jī)動(dòng)出行距離大于0.408 km 時(shí)，騎行分擔(dān)率能夠顯著提升感知便捷性，且距離越大，騎行分擔(dān)率的正向影響越顯著。

3.3 影響因素權(quán)重分析

由表5中βZ可知，公共交通出行鏈因素按對(duì)感知便捷性的影響權(quán)重由大到小排列為：

(1)正向影響，地鐵分擔(dān)率、騎行分擔(dān)率。

(2)負(fù)向影響，非機(jī)動(dòng)出行距離、換乘次數(shù)、總出行距離、非直線系數(shù)。

3.4 城市景點(diǎn)公共交通出行便捷性指數(shù)

利用式(8)計(jì)算武漢市15個(gè)景點(diǎn)的公共交通出行便捷性指數(shù)，不同景點(diǎn)的便捷性指數(shù)差異明顯，如圖2所示。結(jié)合公共交通出行鏈因素影響權(quán)重，可行的最佳改善措施為調(diào)整公交站點(diǎn)位置或針對(duì)性投放共享單車(chē)以改善非機(jī)動(dòng)出行距離，次之為優(yōu)化線路減少換乘次數(shù)和非直線系數(shù)。各景點(diǎn)應(yīng)根據(jù)自身實(shí)際狀況進(jìn)行改進(jìn)。

圖2 武漢市景點(diǎn)公共交通出行便捷性指數(shù)Fig.2 Convenience index of public transportation for urban tourist attraction in Wuhan

4 結(jié)論

(1)非機(jī)動(dòng)出行距離與騎行分擔(dān)率有顯著的交互效應(yīng)。當(dāng)非機(jī)動(dòng)出行距離小于0.408 km時(shí)，騎行分擔(dān)率對(duì)感知便捷性的提升不顯著，步行出行即可給游客帶來(lái)較便捷出行體驗(yàn)。

(2)公共交通出行鏈因素按對(duì)感知便捷性的影響權(quán)重由大到小排序：正向影響為地鐵分擔(dān)率、騎行分擔(dān)率；負(fù)向影響為非機(jī)動(dòng)出行距離、換乘次數(shù)、總出行距離、非直線系數(shù)。

(3)武漢市不同景點(diǎn)公共交通出行便捷性指數(shù)差異明顯，指數(shù)最高的景點(diǎn)是楚河漢街，最低的景點(diǎn)是東湖綠道-磨山。