多方式交通信息條件下節(jié)假日出行行為研究

王博彬,邵春福,孫軼軒,李 娟,計(jì) 尋

(北京交通大學(xué) 城市交通復(fù)雜系統(tǒng)理論與技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室,北京 100044)

多方式交通信息條件下節(jié)假日出行行為研究

王博彬,邵春福*,孫軼軒,李 娟,計(jì) 尋

(北京交通大學(xué) 城市交通復(fù)雜系統(tǒng)理論與技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室,北京 100044)

利用 2012 年節(jié)假日出行行為調(diào)查的 RP-SP 融合數(shù)據(jù),基于出行鏈復(fù)雜度與出行方式選擇行為(Chain-Mode) 建立信息條件下的 Nested Logit模型,并利用包容系數(shù)和相異性參數(shù)對(duì)模型的有效性進(jìn)行辨識(shí).研究表明,在多方式交通信息的作用下,9%的出行者取消節(jié)假日中的出行,13%的出行者改變其交通方式.同時(shí),出行費(fèi)用、停車費(fèi)用、小汽車擁有量、性別、信息需求度、出行時(shí)間和出行距離等是影響 Chain-Mode 選擇的主導(dǎo)因素.停車費(fèi)用越高,出行時(shí)間和出行距離越長,出行者更傾向于選擇復(fù)雜鏈出行;同時(shí),出行費(fèi)用低且信息需求度高的出行方式被選擇的概率大.

交通工程;節(jié)假日;出行行為;Nested Logit模型;多方式交通信息;出行鏈; 出行方式

1 引 言

隨著人們可支配收入的提高和閑暇時(shí)間的增多,節(jié)假日出行已成為人們生活中必不可少的環(huán)節(jié),同時(shí)快速增長的道路交通負(fù)荷導(dǎo)致服務(wù)水平下降、交通擁堵頻發(fā),節(jié)假日交通問題也日漸凸顯.為了尋求緩解交通擁堵的手段,各國學(xué)者從多角度展開研究.其中,利用多方式交通信息合理誘導(dǎo)城市路網(wǎng)交通流、實(shí)現(xiàn)綜合交通基礎(chǔ)設(shè)施的均衡利用,成為解決城市節(jié)假日道路交通擁堵問題的有效手段之一.

綜合交通信息服務(wù)為節(jié)假日居民出行行為研究提供了一個(gè)新的視角,目前相關(guān)的研究主要集中在節(jié)假日出行行為和信息對(duì)出行行為影響兩個(gè)方面,將二者相結(jié)合的研究較少.節(jié)假日出行方面的研究多以行為特征分析和模型分析為主,如 Shailes等[1]利用二項(xiàng) Logit模型研究自駕車出行游客在節(jié)假日出行中避開交通擁堵的方式,李霞等[2]以個(gè)人為分析單位,探討節(jié)假日居民出行、活動(dòng)及居民社會(huì)經(jīng)濟(jì)屬性之間的相互關(guān)系,但均缺乏信息條件下出行鏈時(shí)空特征和結(jié)構(gòu)特性方面的研究.在信息對(duì)出行行為的影響方面,LO 等[3]利用 Nested Logit模型研究了信息對(duì)出行目的地、出行方式和路徑選擇行為的綜合影響;Kenyon 等[4]和胡華等[5]從出行鏈的角度分析了多模式公交信息服務(wù)對(duì)出行方式選擇的影響機(jī)理,但研究對(duì)象多以單一出行方式為主,較少涉及信息對(duì)組合出行方式的影響研究.此外,大部分研究基于 RP(Revealed Preference) 調(diào)查數(shù)據(jù),采用 RP 和 SP(Stated Preference) 融合數(shù)據(jù)進(jìn)行分析的研究較少.因此,本文基于活動(dòng)分析方法和 RP-SP 調(diào)查法的理論,從出行鏈的角度對(duì)多方式交通信息服務(wù)條件下節(jié)假日出行鏈復(fù)雜度和出行方式選擇行為的影響機(jī)理進(jìn)行研究.

2 基本概念

2.1 多方式交通信息

多方式交通信息 (Integrated Multimodal Travel Information,IMTI) 是 指綜合交通系統(tǒng)交通運(yùn) 營和組織管理信息的總和.從交通方式的角度對(duì)信息加以描述,主要指道路交通、軌道交通、公共交通及停車等方面的綜合交通信息.這些信息的外部表現(xiàn)為不同的屬性、不同的信息媒介、不同的發(fā)布位置、不同的組織與處理方式.信息的內(nèi)容包括道路交通擁堵、行程時(shí)間、道路交通事故、交通管制、停車換乘、接駁交通方式、車內(nèi)空滿、管理者建議信息等.獲取信息的方式有可變情報(bào)板、交通廣播、車載導(dǎo)航系統(tǒng)、智能手機(jī)、移動(dòng)電話等.

2.2 出行鏈與出行方式

出行鏈(Trip Chain) 是指以家或賓館為起點(diǎn)和終點(diǎn),把起終點(diǎn)之間一系列有序的出行按照先后順序依次連接起來的過程,過程中包括了大量的時(shí)間、空間、方式和活動(dòng)類型信息,且這些信息相互聯(lián)系、相互作用[6].如圖1 所示.

圖1 基于家的出行鏈?zhǔn)疽鈭DFig.1 Schematic diagram of home-based trip chain

出行鏈中活動(dòng)地點(diǎn)的數(shù)目反映出行鏈的復(fù)雜程度.只有一個(gè)出行鏈活動(dòng)數(shù)的為簡(jiǎn)單鏈;而活動(dòng)數(shù)大于1的為復(fù)雜鏈.兩者包含的出行次數(shù)和換乘次數(shù)均不相同,因此對(duì)節(jié)假日交通的影響也顯著不同[5].

出行鏈中的每一次出行必有一次方式選擇,本文根據(jù)出行者一日中所有出行使用的交通方式組合結(jié)果,也就是出行鏈的交通方式組合情況,將出行者的出行方式劃分為單一方式和組合方式.單一方式表示只使用自行車、小汽車、公交車、地鐵和出租車中的一種方式出行,而組合出行方式表示兩種或兩種以上單一方式的組合.

2.3 RP-SP 調(diào)查法

將 RP 調(diào)查和 SP 調(diào)查方法結(jié)合起來采集數(shù)據(jù)效果較好.從解決問題的角度來看,RP 調(diào)查方法主要用于實(shí)際出行行為數(shù)據(jù)調(diào)查,反映與診斷現(xiàn)狀交通問題,而 SP 方法主要用于虛擬條件下出行行為數(shù)據(jù)獲取,完成對(duì)未來交通問題的預(yù)測(cè);從數(shù)據(jù)特點(diǎn)來看,RP 數(shù)據(jù)具有可靠性而 SP 數(shù)據(jù)具有更好的可操作性;而對(duì)于模型標(biāo)定來說,RP 數(shù)據(jù)和 SP 數(shù)據(jù)能夠起到相互補(bǔ)充的作用.

為了研究節(jié)假日出行者在信息條件下的出行行為,首先應(yīng)通過對(duì)出行者實(shí)際出行鏈的調(diào)查來掌握節(jié)假日的出行特征.同時(shí),由于目前我國信息化智能交通系統(tǒng)建設(shè)尚處于起步階段,信息種類不夠全面,信息發(fā)布方式較為單一,所以調(diào)查需要在虛擬的情境中進(jìn)行.因此,本問卷采用 RP 與 SP 相結(jié)合(RP-SP 調(diào)查) 的調(diào)查方法,對(duì)多方式交通信息條件下節(jié)假日出行鏈復(fù)雜度和出行方式選擇行為的影響機(jī)理進(jìn)行研究.

3 分析方法

3.1 雙層 Nested Logit模型構(gòu)建

Nested Logit(NL) 模型是廣義極值模型中的一種,其考慮不同選擇肢之間的相關(guān)性,且操作性好、簡(jiǎn)潔[7].根據(jù)相關(guān)研究,本文以出行鏈復(fù)雜度為上層,以出行方式選擇為下層,即 Chain-Mode 選擇,建立多方式交通信息條件下的雙層 NL 模型,并分析各類影響因素對(duì)選擇行為的影響.選擇肢樹狀結(jié)構(gòu)及各層中樣本數(shù)的分布如圖2所示.

圖2 Chain-Mode 選擇肢樹狀結(jié)構(gòu)圖Fig.2 Tree-structure diagram of Chain-Mode choices

定義 T={1,2} 為出行鏈類型指標(biāo)集,其中“1”代表簡(jiǎn)單鏈,“2”代表復(fù)雜鏈.定義 R1={1,2, 3,4},R2={5,6,7,8} 為每一類出行鏈中出行方式的指標(biāo)集合,稱之為巢.令 t為出行者 n 的上層選擇肢,t∈ T;j為下層選擇肢,j∈ Rt.為了使出行者的方式選擇行為更具直觀性與可解釋性,將固定效用項(xiàng)分成兩個(gè)部分,即

式中 Wnt——描述上層選擇肢 t的變量;

Ynj——描述下層選擇肢 j的變量.

基于此,可以將 Nested Logit 概率寫成兩個(gè)標(biāo)準(zhǔn) Logit概率的乘積[8].即

式中 Pni|Rt為選擇上層某一選擇肢的基礎(chǔ)上選擇i的條件概率;

PnRt為選擇上層某一選擇肢的邊緣概率.條件概率和邊緣概率采用 Logit形式,即

式中 Int——巢 Rt的包容系數(shù)(Inclusive Values, IV),

λt——模型的相異性參數(shù).

令 Wnt=wntγ ,Ynj=xnjβ ,并將式(3) 、式(4) 代入式(2)中,可以得到

式中 wnt——與上層巢 Rt相關(guān)的獨(dú)立變量矩陣;

xni——與下層選擇肢 i 相關(guān)的獨(dú)立變量矩陣;

γ,λ 和 β ——系數(shù)向量.

3.2 模型有效性辨識(shí)

為了衡量 Nested Logit 模型的有效性,需要從模型各層之間的階層關(guān)系和巢內(nèi)各個(gè)選擇肢間的效用依賴程度兩方面進(jìn)行考慮.包容系數(shù) Int通過將信息從下層傳入上層,稱為連接下上層關(guān)系的參數(shù).結(jié)構(gòu)設(shè)定之后,一般根據(jù)包容系數(shù)的大小判斷模型結(jié)構(gòu)是否正確.研究表明,當(dāng) 0 ＜ Int＜ 1 時(shí), NL 模型中各層之間有合理的階層關(guān)系[5].

相異性參數(shù) λt用于衡量巢 Rt內(nèi)各個(gè)選擇肢隨機(jī)效用項(xiàng)的獨(dú)立程度.不同的巢有不同的相異性參數(shù),且 λt越高意味著相關(guān)性越小.為了使選擇行為模型滿足效用最大化,要求 λt必須處于某一特定的范圍[8],規(guī)定如下:

當(dāng) λt＜ 0 時(shí),模型的所有變量均不滿足效用最大化,意味著增加選擇肢屬性將減小該選擇肢的選擇概率.

當(dāng)0 ＜ λt＜ 1時(shí),模型的所有變量均滿足效用最大化.

當(dāng) λt＞ 1 時(shí),模型的部分變量滿足效用最大化.

因此,0 ＜ λt＜ 1 時(shí),表明巢內(nèi)各個(gè)選擇肢間的效用相關(guān)程度合理.

4 多方式交通信息條件下出行鏈復(fù)雜度與出行方式選擇模型

4.1 樣本背景

針對(duì)城市節(jié)假日商業(yè)中心和景點(diǎn)周邊道路交通擁堵問題,本文選取北京市西單和頤和園兩地為調(diào)查地點(diǎn),于 2012 年清明節(jié)期間對(duì)兩地的購物者和觀光者進(jìn)行問卷調(diào)查.問卷分為實(shí)際出行鏈調(diào)查和信息影響下出行鏈調(diào)查兩個(gè)部分,后者在前者的基礎(chǔ)上進(jìn)行.調(diào)查者根據(jù)出行者的出行鏈結(jié)構(gòu)和信息偏好在不同的出行階段為其提供不同的多方式交通信息.如在出行前提供交通擁堵、交通管制、行程時(shí)間、車內(nèi)空滿等信息;在出行中提供停車換乘、接駁交通方式、管理者建議等信息.

此次調(diào)查采用隨機(jī)抽樣法,共獲得有效問卷415 份.利用 RP-SP 融合數(shù)據(jù),對(duì)信息影響下的出行方式分擔(dān)率進(jìn)行對(duì)比分析.結(jié)果如表1所示.

從表3 中可以看出,在信息的影響下,9%的出行者取消了節(jié)假日中的出行,13%的出行者從一種交通方式轉(zhuǎn)換為另一種交通方式,說明多方式交通信息對(duì)節(jié)假日出行鏈復(fù)雜度和出行方式的選擇有顯著影響,因此有必要對(duì)其影響機(jī)理進(jìn)行深入分析.其次,小汽車、公交車、出租車、組合方式的出行方式比例有所下降,自行車和地鐵的出行方式比例有所增加,說明準(zhǔn)時(shí)、高效的地鐵是節(jié)假日出行者較為信賴的出行方式,靈活、自由的自行車也為出行者提供了另一種選擇.此外,信息作用前后公交車、地鐵、小汽車和組合方式分別占到總出行方式的 97%和 96.8%,因此可以認(rèn)為,對(duì)以上四種方式的研究可以代表方式分擔(dān)的總體情況.

表1 多方式交通信息影響下出行方式分擔(dān)率對(duì)比表Table1 Comparison of the mode split under the influence of IMTI

4.2 模型變量定義

根據(jù) Chain-Mode 選擇模型選擇肢的特點(diǎn),提取出行者特征、出行成本和出行鏈特性作為個(gè)體選擇的影響因素,分析不同層選擇肢解釋變量的影響作用.剔除不顯著的影響因素,對(duì)應(yīng)用到模型中的變量定義如表2所示.

表2 變量定義表Table2 The definition of the variables

4.3 模型參數(shù)估計(jì)和精度檢驗(yàn)

本文將“簡(jiǎn)單鏈”作為參照標(biāo)準(zhǔn)(base),并將其相異性參數(shù)設(shè)為 1,以便與復(fù)雜鏈進(jìn)行對(duì)比.利用最大似然法對(duì)模型參數(shù)進(jìn)行估計(jì),根據(jù) P值檢驗(yàn),得到雙層 NL 模式參數(shù)估計(jì)結(jié)果如表3 所示.

表3 Chain-Mode 選擇模型參數(shù)估計(jì)結(jié)果Table3 Parameter estimation result of the Chain-Mode choice model

相異性參數(shù)為 0.977,表明選擇行為模型滿足效用最大化.簡(jiǎn)單鏈和復(fù)雜鏈的包容系數(shù)分別為0.046 和 0.154,表明巢內(nèi)隨機(jī)項(xiàng)因子之間具有較高相關(guān)性,模型各層之間有合理的階層關(guān)系.此外,模型的擬合優(yōu)度為 0.855 4,說明模型的擬合精度相當(dāng)高.因此,模型有效,可以對(duì)模型參數(shù)估計(jì)結(jié)果進(jìn)行分析.

4.4 模型結(jié)果分析

根據(jù) Chain-Mode 選擇模型的標(biāo)定結(jié)果,對(duì)出行鏈復(fù)雜度選擇層參數(shù)分析可知:

(1)停車費(fèi)用.Park 在簡(jiǎn)單鏈與復(fù)雜鏈選擇中的參數(shù)值均為正,且復(fù)雜鏈的參數(shù)值大于簡(jiǎn)單鏈,說明隨著停車費(fèi)用的增加,節(jié)假日出行者更傾向于選擇復(fù)雜鏈出行.究其原因,主要是由于一些小汽車出行者由單一方式轉(zhuǎn)向公共交通或 PR 換乘等組合出行模式的比例增加.

(2)性別.由于將“簡(jiǎn)單鏈”作為參照標(biāo)準(zhǔn),且Gender為分類變量,所以簡(jiǎn)單鏈中的參數(shù)值為 0.同時(shí),由于復(fù)雜鏈中的參數(shù)值為正,說明男性出行者更偏向于選擇復(fù)雜鏈出行.

(3)出行時(shí)間.出行時(shí)間反映了出行的時(shí)間跨度,從時(shí)間上反映被調(diào)查者在一天中的出行強(qiáng)度. Time 在簡(jiǎn)單鏈與復(fù)雜鏈選擇中的參數(shù)值均為正,且簡(jiǎn)單鏈的參數(shù)值略大于復(fù)雜鏈,但是 Time 參數(shù)值在所有顯著參數(shù)中最小,說明隨著出行時(shí)間的增加,出行者更愿意選擇簡(jiǎn)單鏈出行,但對(duì)出行鏈選擇的影響有限.

(4)出行距離.出行距離是出行鏈空間維度的特征指標(biāo),從空間上反映被調(diào)查者在一天中的出行強(qiáng)度.Distance 參數(shù)值在所有顯著參數(shù)中最大,說明出行距離是影響 Chain-Mode 選擇的最顯著因素.同時(shí),Distance 在簡(jiǎn)單鏈與復(fù)雜鏈選擇中的參數(shù)值均為負(fù),在復(fù)雜鏈的參數(shù)值絕對(duì)值更大,說明出行距離越長,出行者在節(jié)假日更傾向于選擇換乘較少的簡(jiǎn)單鏈.

(5) 信 息 需 求 度. 由 于 Information 為 分 類 變量,所以簡(jiǎn)單鏈 Information 的參數(shù)值為 0.又由于復(fù)雜鏈中的值為正,說明出行者對(duì)信息的需求度越高,其在節(jié)假日選擇復(fù)雜鏈出行的概率越大.

對(duì)于出行方式選擇層,分析其參數(shù)估計(jì)結(jié)果可知:

(1)出行費(fèi)用.Cost的參數(shù)值為負(fù),說明出行成本對(duì)于出行方式選擇的負(fù)效應(yīng)十分顯著.出行費(fèi)用高的出行方式被選擇的概率低,因此,在多方式交通信息條件下,小汽車出行比例降低.

(2)擁有小汽車數(shù).CarNum 估計(jì)值為正,說明出行者對(duì)交通工具持有數(shù)量的增加會(huì)增加相應(yīng)出行方式的選擇概率.擁有小汽車的出行者在節(jié)假日更傾向于選擇私人交通工具出行.

(3)由上層對(duì)下層的影響關(guān)系可知,出行距離對(duì)出行方式選擇的負(fù)效應(yīng)顯著,出行距離長的出行方式被選擇的概率小.在本次調(diào)查中,組合出行方式的出行距離較長,因此在多方式交通信息條件下,組合出行比例降低.此外,信息需求度卻有著顯著的正效應(yīng),信息需求度高的出行方式被選擇的概率大.在節(jié)假日出行中,地鐵信息需求度較高,所以信息條件下地鐵出行比例將增加.

5 研究結(jié)論

本文以多方式交通信息服務(wù)為研究條件,利用 Nested Logit模型研究節(jié)假日出行者對(duì)出行鏈復(fù)雜度和出行方式的選擇行為,預(yù)評(píng)估了多方式交通信息所能產(chǎn)生的效果.研究得到的主要結(jié)論如下:

(1)多方式交通信息服務(wù)為節(jié)假日居民出行選擇行為研究提供了一個(gè)新的視角.在信息的影響下,節(jié)假日出行方式分擔(dān)率有所變化,自行車和地鐵成為節(jié)假日出行中有效的替換方式.因此,利用多方式綜合交通信息解決大型商場(chǎng)和景點(diǎn)周邊的節(jié)假日交通擁堵問題成為一種新的解決途徑.

(2)Nested Logit模型克服了多項(xiàng) Logit 模型的局限性,有效解決了節(jié)假日出行中 Chain-Mode 選擇問題.從參數(shù)結(jié)果可以看出,出行距離和出行費(fèi)用對(duì) Chain-Mode 選擇有顯著的負(fù)效應(yīng),而性別、信息需求度、停車費(fèi)用和出行時(shí)間對(duì) Chain-Mode 選擇的正效應(yīng)較為顯著.

(3)節(jié)假日出行因其在時(shí)間、空間上受到的限制較少,出行需求中很大一部分屬于彈性(本源性)需求,所以個(gè)體的出行行為更具有多樣性.

本研究下一步的研究方向是對(duì)多方式綜合交通信息服務(wù)條件下節(jié)假日出行鏈時(shí)間重構(gòu)、空間重構(gòu)、時(shí)空交叉重構(gòu)等重構(gòu)方式的演化機(jī)理進(jìn)行分析,應(yīng)用數(shù)學(xué)物理模型揭示多方式誘導(dǎo)下組合出行模式演變規(guī)律.

[1] Shailes A,Senior M L,Andrew B P.Tourists'travel behavior in response to congestion:the case of car trips to Cornwall,United Kingdom[J].Journal of Transport Geography,2001,9(1):49-60.

[2] 李霞,邵春福,孫壯志,等. 基于結(jié)構(gòu)方程的節(jié)假日居民出行和活動(dòng)關(guān)聯(lián)性建模分析[J]. 交通運(yùn)輸系統(tǒng)工程與信息,2008,8(6):91-95.[LI X,SHAO C F, SUN Z Z,et al.Modeling correlation of holiday trips and activities based on structural equation model[J]. Journal ofTransportation SystemsEngineering and Information Technology,2008,8(6):91-95.]

[3] Lo H K,Yip C W,Wan Q K.Modeling competitive multi-modal transit services:a nested logit approach [J]. Transportation Research PartC: Emerging Technologies,2004,12(3):251-272.

[4] Kenyon S,Lyons G.The value of integrated multimodal traveller information and its potential contribution to modal change[J].Transportation Research Part F: Traffic Psychology and Behavior,2003,6(1):1-21.

[5] 胡華,滕靖,高云峰,等.多模式公交信息服務(wù)條件下的出行方式選擇行為研究[J]. 中國公路學(xué)報(bào), 2009,22(2):87-92.[HU H,TENG J,GAO Y F,et al.Research on travel mode choice behavior under integrated multimodal transit information service[J]. China Journal of Highway and Transport,2009,22 (2):87-92.]

[6] Primerano F,Taylor M A P,Pitaksringkarn L,et al. Defining and understanding trip chaining behavior[J]. Transportation,2008,35(1):55-72.

[7] 陸化普. 交通規(guī)劃理論與方法(第2 版)[M]. 北京:清華大學(xué)出版社,2006.[LU H P.Theory and method in transportation planning(the second edition)[M]. Beijing:Tsinghua University Press,2006.]

[8] Train K.Discrete choice methods with simulation[M]. New York:Cambridge University Press,2009.

Holiday Travel Behavior Analysis under Integrated Multimodal Travel Information Service

WANG Bo-bin,SHAO Chun-fu,SUN Yi-xuan,LI Juan,JI Xun
(MOE Key Laboratory for Urban Transportation Complex Systems Theory and Technology, Beijing Jiaotong University,Beijing 100044,China)

Based on the RP-SP fusion data obtained from the holiday travel behavior survey in 2012,the integrated multimodal travel information(IMTI)is taken as the research condition.It develops the Nested Logit model under IMTI,on the bases of trip chain complexity and trip mode choices(Chain-Mode).The effectiveness of the model is identified by the inclusive value and dissimilarity parameter.The result shows that 9%of the travelers will cancel their travel in holidays,and 13%will change their trip modes under the influence of IMTI.At the meantime,travel cost,parking fee,car ownership,gender,information demand, travel time and trip distance are dominant factors that influence the Chain-Mode choices in holidays.Higher parking fee and longer travel time and trip distance will encourage people to choose a complex chain.Besides, the trip mode with low travel cost and high information demand have the high probability to be chosen.

traffic engineering;holiday;travel behavior;Nested Logit model;integrated multimodal travel information(IMTI);trip chain;trip mode

1009-6744(2014)01-0229-06

U491

A

2013-07-30

2013-11-15錄用日期:2013-11-25

國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃資助課題(2012CB725403);國家自然科學(xué)基金項(xiàng)目資助(51178032);中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助(2014YJS068).

王博彬(1990-),女,北京人,博士生.*通訊作者:cfshao@bjtu.edu.cn