崔洪軍, 張冀強, 朱敏清, 孫婉茹

(1.河北工業(yè)大學土木與交通學院, 天津 300131; 2.河北工業(yè)大學建筑與藝術設計學院, 天津 300131)

根據(jù)美國聯(lián)邦公路局的定義,大型活動(planned special events)是指有固定的舉辦時間、舉辦地點以及舉辦時長的,可能會對交通系統(tǒng)的正常運行帶來嚴峻挑戰(zhàn)的公共活動。一方面,大型活動的舉辦可以為當?shù)芈糜螏砭薮蟮慕?jīng)濟效益;另一方面,大型活動的舉辦會在短時間內匯集大量的交通流,從而對舉辦地的交通運輸系統(tǒng)的正常運轉造成一定的影響:以2021年在英國布倫特福德社區(qū)球場舉辦的一場英超足球比賽為例,在90 min的比賽時間內,容量1.7萬人的球場上座率高達97%,給當?shù)氐慕煌ㄏ到y(tǒng)帶來了嚴峻挑戰(zhàn)。因此,研究大型活動出行者的行為特征,有針對性地制定大型活動的交通管理措施,在大型活動期望效益最大化的同時減小其對于城市交通的影響,是當前亟待解決的課題。

目前,關于大型活動的研究主要是從宏觀上研究大型活動交通組織管理策略及大型活動的交通需求,如通過調查數(shù)據(jù)[1]或仿真模擬[2]評估不同的交通管理措施、不同交通方式的特性對于大型活動觀眾選擇交通方式的影響,根據(jù)歷史交通流數(shù)據(jù)使用機器學習的方法進行大型活動交通需求預測[3-4]。也有學者針對大型活動的交通影響進行了研究,如使用有監(jiān)督的回歸模型來預測大型活動的交通影響范圍[5]或基于網(wǎng)絡變結構基礎模型研究預防大型活動交通擁堵的方法[6]。此外,還有部分學者對大型活動的人流疏散問題進行了研究,例如:任剛等[7]對應急疏散情況下大型活動場館內外人員疏散時間的計算過程和影響因素進行了研究;葉霞等[8]通過基于概率函數(shù)的觀眾選擇算法模擬了大型活動散場時觀眾的疏散狀況。綜上所述,由城市大型活動而引發(fā)的交通問題的研究在宏觀的交通組織和管理措施、交通需求預測,中觀的大型活動散場交通流的疏散規(guī)律、大型活動對路網(wǎng)交通流的影響等方面成果突出,但缺乏對微觀機制的探索,雖有對于人流疏散的研究,但其對人流疏散的研究更多的是將散場人群視為一個同質性整體,未考慮個體之間的異質性。

異質性的概念來源于遺傳學,在交通領域中,個體異質性指由于偏好、風險承受能力、經(jīng)濟條件等形成的個體差異,這種差異導致個體在面對同一選擇情景時體現(xiàn)出不同的偏好。常見的個體異質性模型包括潛在類別模型[9-10]和隨機參數(shù)模型[11]。潛在類別模型根據(jù)一致性赤池信息準則(constant Akaike information criterion,CAIC)指標和貝葉斯信息準則(Bayesian information criterion, BIC)指標確定樣本的最佳分類,然后從不同類中派生出偏好異質性,每一類都有自己的參數(shù);隨機參數(shù)模型則是將未觀察到的偏好異質性作為效用參數(shù)的連續(xù)函數(shù)。Sagebiel等[12]對2種異質性模型進行了對比研究,發(fā)現(xiàn)潛在類別模型相較于隨機參數(shù)模型具有一定的優(yōu)勢。

基于上述研究背景,本文基于潛在類別選擇模型框架構建了大型活動參與意向選擇模型,研究個體屬性、出行便捷性、大型活動屬性、天氣、政策等對于大型活動參與意向選擇的影響機理。研究解決了傳統(tǒng)大型活動參與選擇決策研究中無法反映的異質性問題,結果可以為決策者制定科學合理的大型活動出行引導政策提供依據(jù)。

1 模型構建

在大型活動參與意向選擇中,不同大型活動參與者的個體屬性、參加大型活動時出行便捷性不同,其對大型活動活動屬性的偏好往往存在一定的差異,為了能夠在研究中體現(xiàn)出不同大型活動參與者的異質性,本文基于潛在類別選擇模型(latent class choice model,LCCM)[9]構建了大型活動活動參與意向選擇模型,模型的框架如圖1所示,模型由2部分構成——類成員模型和類選擇模型,其中類成員模型將大型活動參與者屬于特定類別的概率公式化為個人特征的函數(shù),類選擇模型描述每一類大型活動參與者的選擇行為。

圖1 潛在類別模型框架

基于文獻[9]提供的模型框架,首先通過類選擇模型預測潛在類別s類中個體n在t情景下選擇參加大型活動j的概率,概率表達式為

P(yntj=1|qns=1)

(1)

在目前的研究中,類選擇模型一般采用Logit模型的形式[10],本文假設大型活動參與者的選擇行為受到大型活動活動方案屬性的影響,使用條件Logit(conditional Logit,CL)模型框架建立了潛在類別模型中的類選擇模型,假設個體n屬于第s類,則其對不同大型活動方案選擇的條件概率為

(2)

式中:yn為二元選擇變量;xntj為方案屬性向量,包含大型活動屬性變量、天氣變量和政策復雜度變量;βs為第s類人群的偏好參數(shù)向量。

潛在類別模型中的另一部分是類成員模型,其主要作用是預測個體n屬于潛在類s的概率。本文類成員模型的被解釋變量取值在0～1,故使用分數(shù)多項Logit(fractional multinomial Logit, FML)模型進行了類成員模型的構建。根據(jù)FML模型,個體n屬于潛在類s的概率P(qns=1)為

(3)

式中:zn為個體n的個體屬性及出行便捷性屬性的向量;γs為對應的參數(shù)向量。

因此,個體n最終選擇不同大型活動方案的概率為

(4)

對樣本的所有個體進行對數(shù)求和,可得樣本總體的對數(shù)似然函數(shù)

(5)

對式(5)直接求解較為困難,為確保參數(shù)估計結果的穩(wěn)定性,需要借助最大期望算法(expectation-maximization algorithm, EM)算法進行參數(shù)估計[13]。在本文中,每個個體的潛在類別s為數(shù)據(jù)中的缺失信息。假設l為算法的第l次迭代,則其第l+1次迭代結果為

(6)

(7)

式中φns(βl,γl)為在第l次估計中個體n屬于類別s的后驗概率,可表示為

(8)

最終當模型結果達到收斂要求時停止迭代,即可得模型參數(shù)向量β、γ。

2 調查實驗設計

2.1 屬性及水平選擇

為了衡量影響大型活動活動參與意向選擇行為的因素,本文設計了一個敘述性偏好法(stated preference, SP)選擇實驗。實驗中因素的選取參考了相關的文獻以及大型活動實際舉辦過程中可能對潛在的參與者活動參與意向造成影響的因素。天氣是影響出行者出行的重要因素,出行者在不同天氣下的出行意愿不同,例如,根據(jù)文獻[14]的研究,雨天道路上的交通量通常會減少1%～4%。同樣的,對于大型活動而言,天氣因素會通過影響大型活動參與者的出行體驗來影響其大型活動的參與意愿[15]。為使調查對象更加直觀地理解調查內容,提高問卷數(shù)據(jù)質量,本文將常見的幾種天氣的分類(晴天、陰天、霧霾天氣、雨雪天氣)作為天氣因素的4個水平來衡量天氣因素對大型活動活動參與意向選擇行為的影響。除天氣因素的影響外,大型活動的活動參與意愿還受到大型活動本身屬性的影響,如大型活動的類型、票價、舉辦時間、活動時長等。本文將大型活動的類型分為4種常見的大型活動類型:大型演唱會、大型體育賽事、大型電競賽事和大型展會;票價水平的設置參照了文獻[16]當中活動的票價區(qū)間及天津市過往大型活動票價的一般水平,將其設置為300、500、900、1 100元4個水平;根據(jù)文獻[14]的統(tǒng)計結果,大型活動的活動時長大多集中在2～4 h,因此,本文將大型活動的活動時長分為2.0、2.5、3.0、3.5 h共4個等級;大型活動活動時間水平的設置主要考慮工作日與休息日之間可能存在不同的空閑時間對于個體大型活動活動參與意向選擇的影響,因此本文將大型活動的活動時間劃分為工作日、休息日2個水平。此外,在當前新冠疫情持續(xù)期的背景下,政府對于參加大型活動的政策要求也是影響出行者大型活動活動參與意愿的重要因素,但目前的文獻尚無針對疫情持續(xù)期下大型活動管理策略的研究。因此,本文參照當前舉辦的大型活動對于參與者的要求,基于任務復雜度的概念[17],提出了大型活動政策復雜度的概念,根據(jù)需要執(zhí)行要求的數(shù)目和執(zhí)行要求的難易程度將對大型活動的政策限制分為復雜疫情防控要求、簡單疫情防控要求,具體描述內容如圖2所示。

圖2 選擇實驗情景示例

圖3 不同活動類型的意向選擇比例

2.2 選擇實驗設計

不同屬性及其水平的詳細列表如表1所示。實驗共有4個4水平因素屬性和2個2水平屬性,如果進行全因子實驗設計,則共需要44×22=1 024個剖面,這在實際的問卷中很難實施。因此,本文使用D-optimal設計法進行SP實驗設計,實驗設計通過SAS軟件編程獲得,每個實驗設計的設計情景數(shù)為12,為了減少每個受訪者需要完成的情景數(shù),將12個選擇情景中的3個情景進行隨機組合形成4種調查問卷,每個選擇情景中包含3個選項。此外,考慮到人們可能對選擇情景中的任意一種選項都不感興趣,在每個選擇情境中額外加入“無”選項。選擇實驗設計的最終表現(xiàn)形式,如圖2所示。

表1 SP調查屬性及屬性水平

2.3 數(shù)據(jù)收集

數(shù)據(jù)收集工作委托問卷星平臺在天津地區(qū)進行調查,共計回收526份有效問卷。為避免各因素之間過高的相關系數(shù)導致后續(xù)模型產(chǎn)生多重共線性的問題,本文首先通過Pearson相關系數(shù)對收集到的原始數(shù)據(jù)中變量進行了相關性分析,選取相關性系數(shù)小于0.3的變量帶入后續(xù)模型中進行分析。表2為本樣本的實際的樣本特征。

表2 個體屬性及出行便捷性調查結果統(tǒng)計表

受訪者對于不同類型的大型活動的參加意向比例如圖2所示,1/3的受訪者沒有選擇任何類型的大型活動,這表明相當大比例的受訪者對于選擇情景中列舉的大型活動不感興趣。

3 結果分析

3.1 潛在類別數(shù)量選取

表3 不同類別的模型擬合結果

3.2 模型估計結果

3.2.1 類選擇模型估計結果

類選擇模型的解釋變量包括大型活動本身的屬性、天氣屬性和政策復雜度屬性,模型的擬合結果如表4所示。

表4 類選擇模型估計結果

由表4可知,各屬性變量在不同類別中的參數(shù)值與其顯著性各異,說明不同類別的出行者在對不同的大型活動方案的意向選擇上體現(xiàn)了較強的異質性,具體分析如下。

1) 類別1——天氣敏感型群體

類別1群體約占總體樣本(不含選擇“均不參加”的人群,下文同)的30%。在本類群體中,天氣、大型活動類型、活動持續(xù)時長、政策復雜度4個因素影響顯著,活動時間與票價參數(shù)不顯著,且天氣因素的參數(shù)絕對值最大,因此將類別1定義為天氣敏感型群體。此類群體在進行是否參加大型活動的決策時,首重天氣因素,對票價因素和活動時間因素不敏感。

2) 類別2——活動時間敏感型群體

類別2群體約占樣本總體的15%。在本類群體中,除了天氣因素,其他因素均對個體的大型活動活動參與意向選擇有顯著影響。這類群體可以接受較為惡劣的天氣,且相較于在工作日舉辦的大型活動,其更偏好于在休息日舉辦的大型活動。此外,值得注意的是,政策復雜度為此類群體是否參加某一大型活動的第二重要影響因素,但與其他2類人群不同的是,本類別中政策復雜度的參數(shù)值符號為正,說明政策復雜度與大型活動的活動參與意向呈正相關,而在類別1與類別3 中,政策復雜度則與活動參與意向呈負相關。造成這種現(xiàn)象的原因是不同群體對于政策復雜度這一因素的感知不同,部分群體的認知與本文設置此影響因素的初衷相同,認為復雜的政策要求會降低其對大型活動的期待,而另一部分群體則認為復雜的政策要求是確保其參加大型活動安全性的重要保障,故此嚴格的政策要求會增加其參加大型活動的意向。

3) 類別3——票價敏感型群體

類別3群體為3個潛在類別中占比最大的群體,約占總體的55%。天氣、大型活動的活動類型、活動時間、票價均對本類中個體的大型活動活動參與意向選擇有顯著影響且票價的參數(shù)絕對值較大。這說明類別3屬于“票價敏感型”。這類群體對于大型活動的票價更加關注,而對活動持續(xù)時長及其政策要求敏感程度不高。票價較低的大型活動對于此群體的吸引力較高。

此外,由表4可知,大型活動的類型對于3個類別的人群而言均是顯著影響因素,說明對于所有的人群而言,在進行是否參加某一大型活動的決策時,都會或多或少考慮大型活動的類型。不同個體對于不同類型的大型活動興趣不同,導致不同的選擇結果。這說明大型活動的意向選擇行為是一種以興趣為導向的意向選擇行為。

3.2.2 類成員模型估計結果

將類別3作為參考類,個體屬性及出行便捷性對于潛在類別的影響如表5所示,其中“出行便捷性”是對問卷中大型活動舉辦地路網(wǎng)的熟悉程度、出行時間、乘坐公共交通的便捷性、停車的便捷性等因素的調查結果進行探索性因子分析(exploratory factor analysis, EFA)得到的因子。由表5可知:性別和年齡在類別2中均顯著,在類別1中僅有性別顯著,且性別參數(shù)為負,年齡參數(shù)為正,即女性屬于天氣敏感型群體(類別1)和活動時間敏感型群體(類別2)的可能性更高,且隨著類別2群體年齡的增加,其越容易成為活動時間敏感型群體。因此,年齡越大的女性屬于活動時間敏感型群體的可能性越高。

表5 類成員模型估計結果

基于上述分析結果,針對不同條件下的大型活動,應對不同大型活動參與群體采取差異化的引導策略和措施,以實現(xiàn)降低大型活動對城市交通的影響與舉辦方創(chuàng)造經(jīng)濟價值意愿均得到保障的目的。對于天氣敏感型群體,若舉辦大型活動時天氣較差,可以通過給予一定的票價補貼或通過專車接送觀眾以提高該類群體的參與意愿。對于活動時間敏感型群體,若大型活動于工作日舉辦,可建議舉辦方適當降低票價或縮短活動持續(xù)時長以吸引此類群體的參與。對于票價敏感型群體,由于其顯著影響因素的參數(shù)絕對值均較小,因此需綜合考慮此類群體的各個顯著影響因素,以增強此類群體對管理措施變化的感知,從而達到引導其活動參與需求的目的,如通過同時調整票價和活動時間來達到引導此類人群的大型活動參與需求的目的。在實際制定大型活動出行引導政策時,可根據(jù)本文的類成員模型及相應區(qū)域的居民個體屬性特征,確定各異質性人群的比例及相應的大型活動出行概率,預估大型活動出行需求,進而制定具體的大型活動出行引導政策。

3.2.3 出行者不選擇參加大型活動的原因

由于在調查中有相當大比例的受訪者在情景選擇中選擇了“都不參加”(33%),以下將基于描述性統(tǒng)計分析其原因。在本次調查中,當受訪者選擇“都不參加”的選項時,會要求填寫一道簡要描述其不參加理由的題項,理由統(tǒng)計結果如表6所示。在選擇“都不參加”選項的受訪者提供的理由中,常見的理由包括距離太遠/出行不便/沒時間(26.6%)、價格原因(25.8%)、對所列的大型活動不感興趣(20.5%)。其中距離太遠/出行不便/沒時間、價格原因這2項理由的提出往往與個體出行的便捷性、收入相關,而本文無法將選擇“都不參加”的受訪者納入模型,這是在類成員模型的估計中,收入屬性與出行便捷性屬性在類別1和類別2中均不顯著的原因之一。

表6 不選擇參加大型活動的原因

4 結 論

1) 大型活動類別、舉辦時間、活動時長、票價、天氣、政策復雜度均對個體的大型活動活動參與意向即其是否選擇參加大型活動有顯著影響,個體對大型活動的不同屬性的敏感程度不同,體現(xiàn)了不同的個體偏好。但對于所有類別的個體而言,大型活動類型均為顯著影響因素。由此可知,大型活動的活動參與意向選擇行為是一種以興趣為基礎,受不同活動屬性、天氣屬性、政策屬性影響的異質性選擇行為。

2) 在大型活動的活動參與意向選擇行為中,出行者可以劃分為天氣敏感型群體、活動時間敏感型群體和票價敏感型群體,分別占比30%、15%、55%,區(qū)分度為0.81。

3) 在個體屬性中,性別、年齡對不同類別群體的大型活動出行意向選擇行為有著不同的影響。決策者在制定大型活動交通組織管理方案時應首先熟悉該大型活動受眾的性別和年齡結構,根據(jù)不同的大型活動、天氣等屬性特點,制定有針對性的交通管理措施來合理地引導大型活動參與者的出行需求。

4) 研究結果揭示了不同因素對不同人群的影響機理,可以更好地解釋大型活動觀眾的活動參與選擇行為;根據(jù)大型活動的特征,可以在大型活動舉辦前更加精確地預測大型活動參與人數(shù)的總體規(guī)模,從而為后續(xù)交通方式選擇、出行路徑選擇的預測提供基礎。