通勤者非工作活動選擇行為研究

鮮于建川，雋志才

(1.上海交通大學(xué) 安泰經(jīng)濟與管理學(xué)院，上海 200052;2.上海電機學(xué)院 商學(xué)院，上海 201306)

1 引言

隨著經(jīng)濟的發(fā)展和城市化進程的加速，城市規(guī)模擴大、用地布局進一步調(diào)整，城市居民出行需求增加、出行目的復(fù)雜多樣化.有研究表明，上下班途中的非工作活動是通勤者參與非工作活動的主要模式.這類發(fā)生在通勤途中的非工作活動增加了高峰時段的出行需求，加劇了早晚高峰時段的交通擁堵狀況[1,2].為從根本上緩解交通擁堵，在對高峰時段的工作出行進行有效管理的同時，還需要對非工作出行需求的時間和空間分布進行引導(dǎo)和控制[3,4].

為此，本文以單個通勤者為研究對象，采用基于活動的方法分析影響通勤者非工作活動參與及活動時段選擇的主要因素，討論研究結(jié)論對出行需求預(yù)測和管理工作的意義.

2 通勤者非工作活動

為了更好地理解通勤者活動和出行選擇對高峰時段出行需求的影響，學(xué)者們以通勤者為對象，在非工作活動選擇及其與工作出行的關(guān)系等方面展開了研究.Oster[5]通過對日活動起迄點數(shù)據(jù)的分析發(fā)現(xiàn)，通勤途中的非工作活動是通勤者滿足日?；顒有枰闹饕Ｊ?，且隨著家庭總?cè)丝谙陆岛碗p職工家庭比例上升，通勤途中的非工作活動需求呈顯著上升趨勢.McGuckin等[6]對比分析了在通勤途中安排和不安排非工作活動的通勤者日活動-出行特征，發(fā)現(xiàn)在家到單位的通勤途中安排非工作活動的比例更高.Goulias等[7]的研究表明通勤出行與接送家庭成員的安排有密切聯(lián)系.這一結(jié)論得到了Strathman等人[8]的支持，他們的研究發(fā)現(xiàn)有學(xué)齡前子女的單親父母在通勤途中安排非工作活動的比例最高，其次是有未成年子女的通勤者.Ye等[9]研究了影響通勤出行鏈結(jié)構(gòu)的主要因素，分析了出行鏈復(fù)雜程度與出行方式選擇之間的影響模式，研究發(fā)現(xiàn)雙職工家庭，特別是居住在市中心且選擇小汽車上下班的通勤者更傾向于在通勤途中安排非工作活動.趙丹等[10]采用效用理論和多階段決策方法，以出行鏈效用最大化為目的，建立了通勤者單日內(nèi)以家為起點和終點的出行鏈選擇行為動態(tài)規(guī)劃模型，對多方式誘導(dǎo)信息影響下的通勤者出行鏈安排進行了研究.高峰等[11]以小汽車使用者為研究對象，引入基于家的出行鏈分析方法，通過雙層nested logit模型將基于家的出行鏈與出行方式選擇納入統(tǒng)一模型體系，分析了兩個選擇維度的主要影響因素及其相互作用關(guān)系.

綜上所述，受工作活動在時間和空間上的限制，通勤者的非工作活動主要安排在上下班途中，對這類非工作活動及其派生的出行需求的研究已成為交通需求預(yù)測和管理工作的熱點問題之一.

3 非工作活動安排Censored Probit模型

通勤者非工作活動安排可以用非工作活動參與和活動時段選擇來描述，涉及兩個問題：①具有什么屬性的通勤者會參加非工作活動；②在有非工作活動安排的通勤者中，哪些更傾向于在上下班途中完成這些活動.兩個問題分別與一個二元離散選擇變量對應(yīng)，用A和T表示，變量A對全體通勤者樣本都有觀測值，而變量T僅對參加非工作活動的通勤者有觀測值.此類僅對某些觀測有信息的樣本稱作截取樣本.CPM（Censored Probit Model）模型[12,13]是Probit模型對截取樣本分析的擴展，可用于上述問題的分析.

假設(shè)通勤者i是否參加非工作活動的選擇為Ai，取值1和0分別表示參加和不參加；通勤者i是否將非工作活動安排在上下班途中的選擇為Ti，取值1和0分別表示安排和不安排在上下班途中.用以描述這兩項選擇的CPM模型有如下形式：

非工作活動參加選擇方程為

非工作活動時段選擇方程為

抽樣規(guī)則：對所有樣本，Ai都有觀測值；當(dāng)且僅當(dāng)Ai=1時Ti才有觀測值.且模型(1)和模型(2)存在如下的選擇關(guān)系：

樣本中的通勤者可能出現(xiàn)3種觀測結(jié)果，其發(fā)生的概率如下：

第一類——無非工作活動.

第二類——有非工作活動但未安排在通勤途中.

第三類——有非工作活動且安排在通勤途中.

式中 Φ(·)和 Φ2(·)分別為標(biāo)準正態(tài)分布和二元正態(tài)分布N2(0,0,1,1,ρ)的概率分布函數(shù).

由樣本概率式(4)、式(5)和式(6)可得上述CPM模型的對數(shù)似然函數(shù)：

式中 M1,M2和M3分別為第一類、第二類和第三類的樣本數(shù)，且M2+M3=m.最大化似然函數(shù)式(7)可得到式(1)和式(2)中各參數(shù)的一致估計[11].

4 通勤者非工作活動選擇行為分析

4.1 建模數(shù)據(jù)

研究以北京市2005年居民出行調(diào)查數(shù)據(jù)庫為數(shù)據(jù)來源，以調(diào)查日有工作出行的通勤者為分析對象，共計17611人，其中2254人參加了非工作活動，分布情況如表1所示.在參加非工作活動的通勤者中，約72%僅有一次非工作活動，而這一次非工作活動發(fā)生在上下班途中的比例高達約45%；另有近28%參加了多次非工作活動，其中約92%在上下班途中至少安排了一次非工作活動.數(shù)據(jù)分析表明，上下班途中是通勤者安排非工作活動的重要時段，對通勤途中非工作活動的分析將有助于認識非工作活動對高峰時段交通擁堵的影響.

4.2 結(jié)果分析

將樣本數(shù)據(jù)代入式(1)、式(2)得到通勤者非工作活動安排CPM模型.模型涉及通勤者是否參加非工作活動和非工作活動是否安排在通勤途中這兩個選擇，分別對應(yīng)模型的選擇方程和結(jié)果方程.模型參數(shù)標(biāo)定用Stata 10.0[14]完成，變量定義如表2所示，參數(shù)標(biāo)定結(jié)果如表3所示.

表1 通勤者非工作活動安排Table 1 Non-Work Stop-Making Behavior of the Commuter Sample

表2 通勤者非工作活動安排模型變量定義Table 2 Explanatory Variable Definitionof the Non-Work Stop-Making Model

表3 通勤者非工作活動安排模型參數(shù)標(biāo)定結(jié)果Table 3 Estimate Results of the Non-Work Stop-Making Model

從兩個模型的參數(shù)標(biāo)定結(jié)果可看出，在家活動和出行時間模型的常數(shù)項均為正，且前者更大.這表明對于通勤者而言，這兩類活動的效用均為正，在這兩類活動上投入時間都大于外出非工作活動，且在家活動時間所占比例最大，與實際調(diào)查結(jié)果相符.

4.2.1 選擇方程

從選擇方程參數(shù)標(biāo)定結(jié)果可以看出，出行者及其家庭的社會經(jīng)濟屬性、工作活動和出行特征都對通勤者參加非工作活動的選擇有影響.家庭成年成員人數(shù)對參加非工作活動的影響為負，這可能是因為工作日的非工作活動以生活和購物目的為主，成年成員的增加意味著這些外出活動可以在更多的成員之間分擔(dān)，從而降低了通勤成員參加非工作活動的負擔(dān).家中若有無工作的成年成員同樣會降低通勤者的非工作活動概率，因為無工作成員有更多的可用時間來分擔(dān)生活和購物類的外出活動.家中有6歲以下兒童、小學(xué)生或中學(xué)生，都會不同程度的增加通勤者參加非工作活動的概率，其中又以有小學(xué)生成員的影響幅度最大，這主要是因為幼齡兒童會帶來上下學(xué)接送需求，直接增加了通勤者參加非工作活動的需要.

家庭收入對通勤者非工作活動選擇的影響為正.隨著家庭收入的增加，人們有了更多外出生活和娛樂活動的需要，故相比之下來自低收入家庭的通勤者對非工作活動的選擇效用較低；家庭居住位置能夠間接地反映居住地周邊的交通和用地狀況.模型結(jié)果表明，居住在靠近城市中心區(qū)域的通勤者安排非工作活動的概率更大；工作活動時間是另一個影響非工作活動安排的重要因素，工作持續(xù)時間較短的通勤者參加非工作活動的概率更大，因為他們有更多、更機動的時間和精力來完成非工作活動.

4.2.2 結(jié)果方程

結(jié)果方程的影響變量與選擇方程有所不同.中小學(xué)生成員會增加通勤者在上下班途中安排非工作活動的概率，因為年幼成員的接送出行與上下班時間接近，增加了中途接送停駐需求.家庭居住位置對非工作活動安排的影響與對活動參與選擇的影響相反，方向為負，這主要是因為靠近城市中心區(qū)域交通便利、土地綜合利用率高，便于在家附近完成各種活動，通勤者下班后可先回家休息一段再外出，不必在忙碌的上下班途中進行非工作活動，隨著通勤距離的增加，非工作活動被安排在通勤途中的概率增大，因為通勤距離的增加使出行時耗增大，在同樣的工作時間下離開家去工作的時間提前、而下班后到家時間推遲，可用于非工作活動的時間受到限制，使通勤者更傾向于將非工作活動安排在通勤途中.

通勤出行方式是另一個重要影響因素.相對于公共交通，選擇步行、自行車和小汽車方式的通勤者更傾向于將非工作活動安排在通勤途中，因為這些方式不受出行線路和服務(wù)時間限制，能靈活地安排中途停駐、改變出行路徑，有利于非工作活動的安排.

受工作活動限制，上班時間很早或下班時間很晚的通勤者不傾向于在通勤途中安排非工作活動，因為此時很多非工作活動地點還未開放；相反，工作時間的延長使得在通勤途中安排非工作活動的選擇效用隨之增加.此外，與男性相比女性更傾向于在通勤途中安排非工作活動，這可能與家庭角色和家庭分工有關(guān)，女性通常承擔(dān)更多的家務(wù)，將更多的時間用于在家照顧老人和小孩，需要在上下班途中插入一些必須的非工作活動，以減少從家外出完成相關(guān)活動的出行時耗.

5 研究結(jié)論

受工作活動在時間和空間上的限制，通勤者的非工作活動主要安排在上下班途中.發(fā)生在通勤途中的非工作活動增加了高峰時段出行需求，將加劇交通運輸?shù)墓┬杳?本文以單個通勤者為研究對象，將非工作活動發(fā)生時段數(shù)據(jù)看作截取樣本，回答了兩個重要問題，即：具有什么屬性的通勤者會參加非工作活動；在有非工作活動安排的通勤者中，哪些人更傾向于在上下班途中完成.模型由選擇方程和結(jié)果方程組成，通過兩個方程隨機項之間的相關(guān)關(guān)系引入兩個選擇的相互關(guān)聯(lián)，能有效分析樣本選擇對通勤者非工作活動時段選擇的影響.但現(xiàn)有模型方法還存在著一些問題和需要進一步研究的地方：

（1）現(xiàn)有模型僅通過家庭社會經(jīng)濟屬性變量考慮了其他家庭成員的影響，進一步的研究可以將不同家庭成員的非工作活動安排納入同一模型，深入分析成員間活動-出行選擇的相互影響.

（2）獲取交通運輸系統(tǒng)屬性和用地屬性方面的數(shù)據(jù)，以提高模型解釋力.

（3）非工作活動選擇僅是通勤者活動-出行選擇行為的一個方面，結(jié)合出行次數(shù)、方式、目的和活動地點等方面的分析有助于對通勤者活動-出行選擇行為進行更全面的認識.

[1]鄒志云,蔣忠海,胡程，等.國內(nèi)不同類型城市居民出行特征分析[J].武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版),2008,32(3):554-557.[ZHOU Z Y,JIANG Z H,HU C,et al.Analysis on residential trip characteristics in part of Chinese cities[J].Journal of Wuhan University of Technology(Transportation Science& Engineering),2008,32(3):554-557.]

[2]鮮于建川,雋志才.出行鏈與出行方式相互影響模式研究[J].上海交通大學(xué)學(xué)報,2010,44(6):792-796.[XIANYU J C,JUAN Z C.Research on the interdepen?dencies between trip chaining behavior and travel mode[J].Journal of Shanghai Jiao Tong University,2010,44(6):792-796.]

[3]Bharath S R,Abdul Rawoof P,Bhat C R.Comprehensive model of workers'non-work activity time-use and tim?ing behavior[J].Transportation Research Record,2009,2134:51-62.

[4]Chu Y L.Modeling workers'daily nonwork activity par?ticipation and duration[J].Transportation Research Re?cord,2005,1926:10-18.

[5]Oster C V.Second role of the work trip-visiting nonwork destinations(Abridgement)[J].Transportation Research Record,1979,728:79-82.

[6]McGuckin N,Zmud J P,Nakamoto Y.Trip-chaining trends in the United States:understanding travel behav?ior for policy making[J].Transportation Research Re?cord,2005,1917:199-204.

[7]Goulias K G,Pendyala R M,Kitamura R.Practical meth?od for the estimation of trip generation and trip chaining[J].Transportation Research Record,1990,1285:47-56.

[8]Strathman J G,Dueker K J,Davis J S.Effects of house?hold structure and selected travel characteristics on trip chaining[J].Transportation,1994,21(1):23-45.

[9]Ye X,Pendyala R M,Gottardi G.An exploration of the relationship between mode choice and complexity of trip chaining patterns[J].Transportation Research Part B,2007,41(1):96-113.

[10]趙丹,邵春福,岳昊.多方式誘導(dǎo)信息對通勤者出行鏈的動態(tài)影響模型[J].西南交通大學(xué)學(xué)報,2013,48(2):368-375.[ZHAO D,SHAO C F,YUE H.Modeling the dynamic impacts of multi-modal guidance informa?tion on commuters'trip chain[J].Journal of Southwest Jiaotong University,2013,48(2):368-375.]

[11]高峰,郭彥云,陳金川.基于出行鏈方式的私人小汽車出行屬性分析方法研究[J].交通運輸系統(tǒng)工程與信息,2011,11(增1):132-139.[GAO F,GUO Y Y,CHEN J C.Study on the travel attributes of private cars on the basis of home-based trip chains[J].Journal of Transpor?tation Systems Engineering and Information Technology,2011,(sup1):132-139.]

[12]Lee E J,Eastwood D B,Lee J.A sample selection model of consumer adoption of computer banking[J].Journal of Financial Services Research,2004,26(3):263-275.

[13]Greene W H.Econometric analysis[M].New York:Pren?tice Hall,2007.

[14]Stata user’s guide,release 10[M].Texas:Stata Press,2007.