常四鐵，嚴(yán) 飛，左 康

(武漢市規(guī)劃研究院，湖北 武漢 430014)

0 引 言

隨著我國(guó)社會(huì)經(jīng)濟(jì)持續(xù)快速發(fā)展，城市的機(jī)動(dòng)化水平穩(wěn)步提升。2017年，全國(guó)千人機(jī)動(dòng)車擁有量達(dá)到156輛，近10年年均增長(zhǎng)率約12%。機(jī)動(dòng)化水平提升帶來(lái)包括擁堵、停車、尾氣排放、噪音污染等問(wèn)題日漸突出。為緩解這一系列交通問(wèn)題，有效降低私家車的出行比例，各地方政府紛紛實(shí)施了公共交通優(yōu)先發(fā)展的戰(zhàn)略，并加快公共交通線網(wǎng)和樞紐的建設(shè)。但是，實(shí)施效果始終未能達(dá)到預(yù)期，其本質(zhì)是公共交通服務(wù)水平未能滿足出行者需求。因此，亟需探究出行者出行方式選擇行為，以支撐城市交通資源配置優(yōu)化和公共交通運(yùn)營(yíng)服務(wù)水平提升。

既有研究表明，出行費(fèi)用、行程時(shí)間及其可靠性、車內(nèi)擁擠度是影響出行者方式選擇的主要因素。相比于出行費(fèi)用，行程時(shí)間、可靠性和車內(nèi)擁擠度具有明顯的不確定性。出行者一般基于主觀感受對(duì)這兩個(gè)因素做出判斷，易造成主觀感知的差異。感知差異性是指相同的服務(wù)屬性水平對(duì)出行者選擇效用產(chǎn)生差異化的影響[1]。在出行方式選擇模型中忽略出行者對(duì)服務(wù)屬性的感知差異會(huì)造成模型在需求預(yù)測(cè)中失準(zhǔn)，導(dǎo)致公共交通資源錯(cuò)配。因此，有必要開展出行者對(duì)不同出行方式行程時(shí)間及其可靠性的感知差異性研究。

國(guó)內(nèi)外對(duì)出行方式服務(wù)屬性感知差異的研究已有一定基礎(chǔ)。其中，以行程時(shí)間感知差異的研究成果最多，M.WARDMAN[2]、J.D.SHIRES等[3]、A.L.ABRANTES等[4]先后對(duì)相關(guān)研究進(jìn)行了綜述，均得出私家車出行的時(shí)間價(jià)值(value of time,Vt)顯著高于公共交通出行Vt的結(jié)論。其次，邵敏華等[5]、L.HAYWOOD等[6]、A.TIRACHINI等[7]進(jìn)一步探究了不同擁擠程度下，出行者對(duì)行程時(shí)間的感知差異，發(fā)現(xiàn)Vt隨著擁擠程度增加而升高。丁月明等[8]、H.LI等[1,9]則分析了行程時(shí)間可靠性的感知差異，結(jié)果均表明軌道交通出行的可靠性價(jià)值(value of reliability,Vr)顯著高于其他方式出行的Vr。

聚焦出行者對(duì)私家車、地鐵、常規(guī)公交的行程時(shí)間及其可靠性、車內(nèi)擁擠度的感知差異研究，基于上海市居民出行意愿(stated preference, SP)調(diào)查，建立考慮行程時(shí)間與車內(nèi)擁擠度交叉項(xiàng)的出行方式選擇行為模型；根據(jù)模型通用參數(shù)(generic parameters)估計(jì)結(jié)果，研究不同車內(nèi)擁擠程度下的行程時(shí)間感知差異；并通過(guò)選項(xiàng)特定參數(shù)(mode-specific parameters)的估計(jì)，揭示出行者對(duì)不同出行方式的行程時(shí)間、可靠性的感知差異。

1 數(shù)據(jù)采集

以上海市為例，通過(guò)SP調(diào)查獲取出行者在不同情景下的選擇行為數(shù)據(jù)。在SP問(wèn)卷中，受訪者被要求在假設(shè)情景中選擇合適的出行方式，備選方案包括私家車出行、地鐵出行、常規(guī)公交出行3種常用的通勤交通方式。每一種被選方案中考慮出行費(fèi)用、行程時(shí)間、可靠性及車內(nèi)擁擠度4個(gè)影響因素。其中，私家車出行的費(fèi)用主要包括燃油費(fèi)、停車費(fèi)和過(guò)路過(guò)橋費(fèi)；其余兩種出行方式的費(fèi)用為票面價(jià)格。車內(nèi)擁擠程度分為不擁擠有座(S)、擁擠有座(Cs)和擁擠無(wú)座(Cns)。對(duì)不同出行方式的各影響因素分別設(shè)置3個(gè)變化水平，以供受訪者權(quán)衡決策，水平設(shè)置情況匯總?cè)绫?。

表1 SP情景的影響因素及其水平設(shè)置情況

行程時(shí)間及其可靠性分別被定義為行程時(shí)間分布的平均值μ和標(biāo)準(zhǔn)差σ。在實(shí)際調(diào)查過(guò)程中，考慮到受訪者可能缺乏相關(guān)的數(shù)理統(tǒng)計(jì)知識(shí)，故采用向受訪者展示4組行程時(shí)間范圍及其發(fā)生的可能性，使其分辨?zhèn)溥x方案行程時(shí)間可靠性的形式。為方便4組行程時(shí)間范圍的設(shè)置，假設(shè)行程時(shí)間服從正態(tài)分布，設(shè)置4組行程時(shí)間范圍分別為：≤(μ-σ)、(μ-σ)～μ、μ～(μ+σ)、>(μ+σ)。根據(jù)正態(tài)分布的統(tǒng)計(jì)特性，這4組時(shí)間范圍發(fā)生的可能性分別為16%、34%、34%、16%。以地鐵出行，行程時(shí)間30 min，行程時(shí)間可靠性6 min為例，SP情景中的展示如圖1。

圖1 SP場(chǎng)景中行程時(shí)間及其可靠性展示

根據(jù)表1中的影響因素及其水平設(shè)置，采用軟件Ngene，基于D-efficient設(shè)計(jì)實(shí)現(xiàn)每個(gè)場(chǎng)景中各個(gè)選項(xiàng)因素水平的組合。為將每位受訪者的問(wèn)卷填寫時(shí)間控制在5～10 min，每張問(wèn)卷中假設(shè)情景的數(shù)量設(shè)為9個(gè)。課題組于2018年10月11—13日采用隨機(jī)抽樣對(duì)上海市居民開展為期3天的問(wèn)卷調(diào)查。調(diào)查內(nèi)容除SP情景選擇外，還包括年齡、性別、年收入、私家車擁有情況等基本信息。調(diào)查最終回收462份問(wèn)卷，其中有效問(wèn)卷366份，共3 294組假設(shè)情景，其余問(wèn)卷均有不同程度的內(nèi)容缺失。有效樣本數(shù)據(jù)的基本統(tǒng)計(jì)如表2。

表2 樣本數(shù)據(jù)基本統(tǒng)計(jì)情況

2 模型構(gòu)建

2.1 模型理論

以基于隨機(jī)效用最大化(random utility maximiza-tion, RUM)的離散選擇模型為主要分析工具，研究出行者選擇行為特征。RUM理論從微觀經(jīng)濟(jì)學(xué)的理性假設(shè)出發(fā)，認(rèn)為出行者面對(duì)效用具有差異性的備選出行方式時(shí)，會(huì)根據(jù)認(rèn)知選擇能夠最大程度滿足其需求的方案?；诖耍僭O(shè)出行者n的備選出行方式集合為An，出行方式i對(duì)出行者n的效用為Ui,n，則出行者n選擇出行方式i的條件為：

Ui,n>Uj,n(?i≠j∈An)

(1)

Ui,n可以表示為可觀測(cè)的確定項(xiàng)Vi,n和不可觀測(cè)的隨機(jī)項(xiàng)εi,n之和：

Ui,n=Vi,n+εi,n

(2)

基于式(2)中不可觀測(cè)項(xiàng)εi,n服從二重指數(shù)分布的假設(shè)即推導(dǎo)得到Logit模型。Logit模型包括MNL(multinomial logit)模型和ML(mixed logit)模型等。其中，MNL模型的應(yīng)用最為廣泛，其優(yōu)點(diǎn)在于模型結(jié)構(gòu)簡(jiǎn)單，參數(shù)估計(jì)方法成熟。MNL模型假設(shè)各備選方案的不可觀測(cè)項(xiàng)εi,n服從獨(dú)立同分布，故具有各備選方案獨(dú)立不相關(guān)(independence of irrelevant alternatives, IIA)特性，無(wú)法刻畫備選方案之間的關(guān)聯(lián)性。ML模型假設(shè)變量參數(shù)為服從某一特定分布的隨機(jī)參數(shù)來(lái)捕捉被調(diào)查者之間的異質(zhì)性，且放松了不可觀測(cè)項(xiàng)εi,n獨(dú)立同分布的假設(shè)，因而能夠有效克服MNL模型的IIA特性。

計(jì)算出行者為改善服務(wù)水平的支付意愿是Logit模型的主要應(yīng)用之一。其中，出行者為縮短一單位行程時(shí)間和提高一單位可靠性的支付意愿分別稱為Vt和Vr。Vt和Vr是評(píng)估基礎(chǔ)設(shè)施建設(shè)、交通政策實(shí)施和服務(wù)水平提升等收益的重要參數(shù)，兩個(gè)指標(biāo)的計(jì)算公式分別為：

(3)

(4)

式中：C、T、R分別為費(fèi)用、行程時(shí)間和可靠性。

2.2 效用函數(shù)構(gòu)建

當(dāng)前，離散選擇模型中最常用的效用形式為L(zhǎng)PLA(linear in the parameters, linear in the attributes)形式。LPLA形式假設(shè)各解釋變量對(duì)選擇效用的影響是相互獨(dú)立的。但實(shí)際情況中，一個(gè)變量對(duì)選擇效用的影響可能取決于另一個(gè)變量水平，即這兩個(gè)變量對(duì)選擇效用的影響表現(xiàn)為交互影響。引入交叉項(xiàng)的效用形式能夠彌補(bǔ)LPLA形式無(wú)法解釋變量交互影響的不足[10]。既有研究表明，出行者對(duì)行程時(shí)間的感知受車內(nèi)擁擠程度的影響。因此，有必要引入車內(nèi)擁擠度與行程時(shí)間的交叉項(xiàng)(即式(5)中的Csi,n×Ti,n和Cnsi,n×Tin)，以探究不同擁擠程度下，出行者對(duì)行程時(shí)間感知的差異。最終，效用函數(shù)構(gòu)建如下：

Vi,n=αi+βi,c×Ci,n+(βi,t+βi,cs×Csi,n+βi,cns×Cnsi,n)×Ti,n+βi,r×Ri,n

(5)

式中：Ci,n、Ti,n、Ri,n、αi分別為出行方式i(i=1,2,3分別為私家車出行、地鐵出行和常規(guī)公交出行)的費(fèi)用、時(shí)間、可靠性和常數(shù)項(xiàng)。Cs、Cns均為車內(nèi)擁擠度的虛擬變量：當(dāng)車內(nèi)擁擠程度為擁擠有座時(shí)，Cs=1，否則Cs=0；當(dāng)車內(nèi)擁擠程度為擁擠無(wú)座時(shí)，Cns=1，否則Cns=0；當(dāng)車內(nèi)擁擠程度為不擁擠時(shí)，Cs=Cns=0。βi,c、βi,t、βi,cs、βi,cns、βi,r分別為相應(yīng)的待估計(jì)系數(shù)。

分別采用MNL模型和ML模型對(duì)上述效用函數(shù)進(jìn)行參數(shù)估計(jì)，并且將MNL模型的參數(shù)估計(jì)結(jié)果設(shè)置為ML模型的初始默認(rèn)值，從而提高M(jìn)L模型的參數(shù)估計(jì)精度和減少估計(jì)的運(yùn)行時(shí)間[11]。進(jìn)行ML模型參數(shù)估計(jì)時(shí)，先將效用中涉及的參數(shù)均設(shè)為隨機(jī)參數(shù)，隨機(jī)參數(shù)假設(shè)服從正態(tài)分布。根據(jù)模型的估計(jì)結(jié)果，判斷隨機(jī)參數(shù)標(biāo)準(zhǔn)差的T-檢驗(yàn)值是否大于在90%置信水平下的臨界值(1.64)。并將標(biāo)準(zhǔn)差的T-檢驗(yàn)值小于1.64的參數(shù)逐一退化為固定參數(shù)。模型參數(shù)估計(jì)均采用Nlogit 5專業(yè)軟件。下一節(jié)中將針對(duì)模型參數(shù)估計(jì)結(jié)果進(jìn)行分析。

3 結(jié)果分析

通用參數(shù)是指不區(qū)分不同出行方式同一變量的待估計(jì)參數(shù)，其估計(jì)結(jié)果能夠反映出行者對(duì)出行方式服務(wù)屬性的平均支付意愿。選項(xiàng)特定參數(shù)是指區(qū)分不同出行方式的同一變量的待估計(jì)參數(shù)，其顯著性估計(jì)結(jié)果體現(xiàn)出行者對(duì)不同出行方式同一服務(wù)屬性變量的感知差異。

首先對(duì)構(gòu)建的效用函數(shù)進(jìn)行通用參數(shù)估計(jì)，從整體上分析出行者Vt和Vr的平均水平以及不同擁擠條件下的Vt差異。在此基礎(chǔ)上，區(qū)分不同出行方式的行程時(shí)間和可靠性的待估計(jì)參數(shù)，解析出行者對(duì)不同出行方式中這兩個(gè)變量的感知差異。

3.1 通用參數(shù)估計(jì)

基于MNL模型和ML模型的通用參數(shù)估計(jì)結(jié)果如表3。

從表3可知，MNL模型和ML模型的McFadden系數(shù)均大于0.2，表明兩類模型均能較好的解釋出行者出行方式的選擇行為。其次，似然比檢驗(yàn)結(jié)果顯示ML模型顯著優(yōu)于MNL模型，即似然比指標(biāo)值(-2×(LL(β)ML-LL(β)MNL)=4.36)遠(yuǎn)大于自由度為2的卡方分布在95%置信水平下的臨界值(0.103)[10]。因此，筆者將采用ML模型的估計(jì)結(jié)果進(jìn)一步分析出行者的Vr/Vt，并量化不同車內(nèi)擁擠程度下的行程時(shí)間感知差異。

表3 通用參數(shù)估計(jì)結(jié)果

從參數(shù)估計(jì)結(jié)果可知，車內(nèi)擁擠度變量(Cs和Cns)與行程時(shí)間的交叉項(xiàng)顯著，表明出行者在不同車內(nèi)擁擠程度下對(duì)行程時(shí)間的感知存在顯著差異。這一差異可用不同車內(nèi)擁擠程度下的Vt比值進(jìn)行量化。根據(jù)Vt的計(jì)算公式，車內(nèi)擁擠程度為S、Cs、Cns時(shí)的Vt分別為56.1、78.9、87.5元/h，即車內(nèi)擁擠程度為Cs時(shí)的Vt是車內(nèi)擁擠程度為S時(shí)Vt的1.41倍，車內(nèi)擁擠程度為Cns時(shí)的Vt是車內(nèi)擁擠程度為S時(shí)Vt的1.56倍。而出行者Vr為92.5元/h，Vr與不同車內(nèi)擁擠程度下的Vt的比值分別為1.65、1.17、1.06。這一結(jié)果符合文獻(xiàn)[12]得出的Vr與Vt的比值在0.7～2.0范圍的結(jié)論。其次，Vr與Vt的比值均大于1，說(shuō)明相比于行程時(shí)間，出行者在出行方式選擇時(shí)更加重視行程時(shí)間的可靠性。

3.2 選項(xiàng)特定參數(shù)估計(jì)

基于MNL模型和ML模型的選項(xiàng)特定參數(shù)估計(jì)結(jié)果如表4。

表4 選項(xiàng)特定參數(shù)估計(jì)結(jié)果

從表4可知，ML模型與MNL模型的似然比指標(biāo)值：-2×[LL(β)ML-LL(β)MNL]=1.60，小于自由度為6的卡方分布在95%置信水平下的臨界值(1.635)。因此，未能有效證明ML模型顯著優(yōu)于MNL模型，筆者將采用MNL模型的估計(jì)結(jié)果分析出行者對(duì)不同出行方式行程時(shí)間和可靠性的感知差異。

根據(jù)選項(xiàng)特定參數(shù)估計(jì)，基于式(3)、式(4)，得到基于選項(xiàng)特定參數(shù)估計(jì)的Vt和Vr測(cè)算結(jié)果，如表5。表5中結(jié)果顯示，私家車出行、地鐵出行和常規(guī)公交出行的Vr分別為82.2、94.2、49.8元/h。這一結(jié)果表明，出行者對(duì)不同出行方式行程時(shí)間可靠性存在顯著的感知差異性，具體表現(xiàn)為，同樣的可靠性水平對(duì)出行者選擇地鐵產(chǎn)生的負(fù)效用影響大于私家車出行和常規(guī)公交出行。這可能是由于，當(dāng)前地鐵出行的行程時(shí)間可靠性優(yōu)于其他兩種出行方式，故出行者對(duì)地鐵出行的可靠性水平具有較高要求，而當(dāng)可靠性水平未能達(dá)到其預(yù)期時(shí)，將大大提升出行者選擇地鐵出行的負(fù)效用。

表5 基于選項(xiàng)特定參數(shù)估計(jì)結(jié)果WTP測(cè)算

當(dāng)車內(nèi)擁擠程度為S時(shí)，私家車出行、地鐵出行和常規(guī)公交出行的Vt分別為75.7、46.2、42.5元/h，說(shuō)明私家車出行的Vt遠(yuǎn)高于地鐵出行和常規(guī)公交出行。而當(dāng)車內(nèi)擁擠程度為Cs時(shí)，地鐵出行和常規(guī)公交出行的Vt分別為60.9、69.2元/h；當(dāng)車內(nèi)擁擠程度為Cns時(shí)，地鐵出行和常規(guī)公交出行的Vt分別為69.2、72.0元/h。這些結(jié)果表明：在擁擠情況下，常規(guī)公交出行的Vt大于地鐵出行，即在擁擠時(shí)，相比于常規(guī)公交，出行者更傾向于選擇地鐵出行。因此，結(jié)果顯示了出行者對(duì)不同出行方式行程時(shí)間存在顯著的感知差異性

4 結(jié) 語(yǔ)

基于上海市居民出行意愿調(diào)查，采用離散選擇理論探究出行者對(duì)私家車、地鐵、常規(guī)公交的行程時(shí)間及其可靠性、車內(nèi)擁擠度的感知差異，主要結(jié)論包括：在不同車內(nèi)擁擠程度下，出行者對(duì)同一出行方式行程時(shí)間的感知存在顯著差異，表現(xiàn)為車內(nèi)擁擠有座時(shí)的Vt是車內(nèi)不擁擠有座時(shí)Vr的1.41倍，車內(nèi)擁擠無(wú)座時(shí)的Vt是車內(nèi)不擁擠有座Vt的1.56倍；相比于行程時(shí)間，出行者在出行方式選擇時(shí)更加重視行程時(shí)間的可靠性，說(shuō)明改善公共交通的行程可靠性相對(duì)于減少行程時(shí)間能夠更有效吸引出行者使用公共交通；出行者對(duì)不同出行方式行程時(shí)間可靠性存在顯著的感知差異性，家車出行、地鐵出行和常規(guī)公交出行的Vr分別為82.2、94.2、49.8元/h，說(shuō)明同樣的可靠性水平對(duì)出行者選擇地鐵產(chǎn)生的負(fù)效用影響遠(yuǎn)大于私家車出行和常規(guī)公交出行；同一車內(nèi)擁擠程度水平下，常規(guī)公交出行的Vt大于地鐵出行，即相同的車內(nèi)擁擠程度時(shí)，相比于常規(guī)公交，出行者更傾向于選擇地鐵出行。