公共交通出行方式?jīng)Q策模型與實證分析*

王珂，彭金栓，方媛

（重慶交通大學交通運輸學院，重慶 400074）

公共交通出行方式?jīng)Q策模型與實證分析*

王珂，彭金栓，方媛

（重慶交通大學交通運輸學院，重慶 400074）

優(yōu)先發(fā)展公共交通是解決城市交通問題的有效方法，而優(yōu)先發(fā)展公共交通的關(guān)鍵之一是對出行人群的出行方式?jīng)Q策行為進行分析研究。文中首先對公共交通出行決策機制進行闡述，然后根據(jù)重慶市南岸區(qū)居民出行問卷調(diào)查統(tǒng)計數(shù)據(jù)，分別建立了學生人群和非學生人群出行方式?jīng)Q策Logistic回歸模型，并在模型推廣層面進行了探索。

公共交通；出行方式；出行決策；Logistic回歸模型

國內(nèi)外不少學者對公共交通出行方式選擇進行了研究，如Yá?ez M.F.、Politis I.等將出行者態(tài)度和知覺在決策過程中的影響加入模型中并進行了需求預測；劉天亮等的研究表明社交網(wǎng)絡(luò)中朋友圈所傳遞的交通信息對出行者個體行為決策存在影響，且不同信息交互率對系統(tǒng)整體存在差異；Bekhor S.等運用五點量表表征出行者冒險、緊張等心理因素，研究了這些非傳統(tǒng)因素對出行者路徑選擇行為的影響；陳堅等提出對潛變量進行研究，為出行行為研究提供了新視角。

該文主要研究人們出行方式選擇結(jié)果（軌道交通和常規(guī)公交）與出行方式選擇影響因素之間的定量關(guān)系，利用相關(guān)判斷統(tǒng)計量進行影響因素的剔除與保留確定，進而得到能刻畫某地區(qū)居民出行特性的Logistic回歸模型。

1 公共交通出行

研究出行者的出行應從出行需求的根源介入，在特定的出行環(huán)境下，呈現(xiàn)出行參與要素的動態(tài)變化過程。其中：出行需求是指出行者在某種目的驅(qū)使下有出行的需求渴望，是內(nèi)部因素；特定的出行環(huán)境是指出行者的出行是在其具有的認知水平指導下，在其所能達到的交通服務范圍內(nèi)完成的，是外部因素；動態(tài)變化過程是指出行的本質(zhì)是出行者的空間位置在時間演變下的轉(zhuǎn)移。不同層次的出行需求會產(chǎn)生不同的出行經(jīng)驗，而不同的出行經(jīng)驗對出行者出行有著重要影響。

如圖1所示，公共交通出行決策機制的邏輯過

程將出行者視為一個信息接收、信息判斷和信息決策的有機體，接收出行目的信息、周圍交通信息，并經(jīng)過出行者認知系統(tǒng)分析判斷，在以往經(jīng)驗指導下，結(jié)合個人主觀感受判斷給出最終出行決策方案。圖1顯示了出行需求與出行經(jīng)驗對出行決策機制的影響，給出了從出行需求產(chǎn)生到出行經(jīng)驗累積的邏輯傳遞過程及該過程如何指導下次出行。

圖1 出行需求到出行經(jīng)驗傳遞機制過程

2 基于Logistic回歸的公共交通出行決策模型

回歸分析是一種研究兩種或多種變量間相互定量關(guān)系的統(tǒng)計分析方法，按照自變量的多少，可分為簡單線性回歸與多元線性回歸；按照自變量與因變量間的定性關(guān)系，可分為線性回歸與非線性回歸。這里采用較常用的二項Logistic回歸模型，其因變量只包含兩個類別，常用Y=1和Y=0區(qū)分，解釋變量則用X表示。

2.1 模型概述

在自變量任意取值下，Y=1的概率PY=1（）的觀測值應為0，1［］，而傳統(tǒng)線性回歸不能滿足該要求，故采用Logit轉(zhuǎn)換，使因變量的取值為。轉(zhuǎn)換過程如下：表示在X條件下Y=1發(fā)生的概率，Y=1的概率與Y≠1的概率之比稱為發(fā)生比，記作odds（Y=1），即：

在式（1）中，odds（Y=1）的取值為0，+∞［）。對Y=1的發(fā)生比odds（Y=1）取自然對數(shù)，可以得到，稱為Y=1的 Logit，記作Logit（Y），即：

基于以下假設(shè)建立Logit模型：1）出行者出行均選擇公共交通；2）出行者公共交通出行選擇集元素由軌道交通和常規(guī)公交組成；3）出行者出行目的均在該文設(shè)計之內(nèi)；4）出行者每周的出行具有相似的規(guī)律。

引入轉(zhuǎn)換后的Logistic回歸模型，即：

式中：α為常量；βi為模型的偏回歸參數(shù)（i=1，2，3，…，k）；Xi為自變量或解釋變量（i=1，2，3，…，k）；k為自變量個數(shù)。

2.2 數(shù)據(jù)來源與變量編碼

分析數(shù)據(jù)來源于重慶市南岸區(qū)都市區(qū)居民出行問卷調(diào)查結(jié)果。調(diào)查涉及全區(qū)域8個街道和7個鎮(zhèn)，樣本總量為512份，共計1 131個樣本點，其中有效問卷350份、有效樣本點900個。問卷調(diào)查對象分為學生組和非學生組，調(diào)查信息分為調(diào)查者個人信息和調(diào)查者交通信息，個人信息作為分析的參考值，交通信息作為分析的主要值。學生組選取200個樣本點作為試驗組、200個樣本點作為待預測組；非學生組選取300個樣本點作為試驗組、200個樣本點作為待預測組。問卷調(diào)查信息中既有連續(xù)型變量又有分類型變量，對變量進行數(shù)量化處理，得出表1所示自變量定義表。

表1 自變量定義表

續(xù)表1

2.3 模型建立

利用統(tǒng)計分析軟件SPSS的回歸功能實施二項Logistic回歸分析。根據(jù)軟件分析結(jié)果，學生組中的200個案例與非學生組中的300個案例中缺失案例均為零，表明兩組數(shù)據(jù)均完整無缺項。通過軟件分析，得到初始模型，即方程中沒有變量，只有一個常數(shù)時的情況。該模型將所有出行行為預測為選擇軌道交通出行，即軌道交通出行預測準確率為100%，而常規(guī)公交出行預測準確率為零，這顯然不是理想結(jié)果。因此，在初始模型的基礎(chǔ)上進行多次迭代運算，當?shù)^程達到收斂條件時，得到所需公共交通出行決策模型。對學生組和非學生組數(shù)據(jù)分別進行處理，得到最終回歸模型，其中學生人群公共交通出行決策回歸模型為：

非學生人群公共交通出行決策回歸模型為：

公共交通出行決策回歸模型顯示性別、出行目的、步行至車站時間及出行費用對重慶市南岸區(qū)學生人群出行選擇公共交通出行方式具有較顯著的影響；步行至車站時間、步行至終點時間、出行費用及出行舒適性對非學生人群（以上班族為主）選擇公共交通出行方式具有較顯著的影響。模型據(jù)測結(jié)果見表2、表3。

表2 學生組模型預測結(jié)果

表3 非學生組模型預測結(jié)果

根據(jù)表2和表3所示結(jié)果，可得出學生組數(shù)據(jù)集和非學生組數(shù)據(jù)集的Nagelkerke R方值分別為0.703、0.950，說明學生組數(shù)據(jù)與非學生組數(shù)據(jù)擬合的回歸模型分別能解釋總體中70.3%、90.5%的變異性情況，兩組數(shù)據(jù)集擬合的Logistic回歸模型在一定的顯著水平下是顯著的。H-L檢驗表的P值均大于0.05，取得了較好的擬合效果，應接受預測值與觀測值之間無差異的假設(shè)。學生組模型預測總準確率為92.0%，非學生組模型預測總準確率為

97.7%，相比初始模型均有較大提高，說明所建立的公共交通出行決策回歸模型能描述實際生活中出行人群的公共交通出行特性。

3 模型推廣

以樣本統(tǒng)計中出行人群選擇軌道交通的概率作為重慶市南岸區(qū)出行人群選擇軌道交通概率的一個近似估計，得到學生人群和非學生人群出行軌道交通選擇概率分布直方圖（見圖2、圖3）。

圖2 學生人群出行軌道交通選擇概率分布直方圖

圖3 非學生人群出行軌道交通選擇概率分布直方圖

根據(jù)圖2、圖3，重慶市南岸區(qū)學生群體與非學生群體一周內(nèi)每天使用軌道交通出行的概率均值分別為0.750 00、0.663 33，初步估計軌道交通二塘站服務于周邊近20 000學生人群、近20 000非學生人群，則每天二塘站周邊人群對軌道交通的出行需求為近28 267人次。根據(jù)統(tǒng)計數(shù)據(jù)，二塘站日均客流量近10 000人次，遠小于出行需求人次。說明二塘站未能深度挖掘周邊客流需求，未能盡可能地響應其服務區(qū)域內(nèi)出行人群的出行需求，應采取措施吸引周邊潛在軌道交通出行人群。

4 結(jié)論

（1）影響學生人群公共交通出行方式選擇的主要因素有出行費用（2.760）、出行目的（1.152）及步行至車站所需時間（0.569），學生人群中男性群體與女性群體出行偏好也有一定差異（1.056）；影響非學生人群公共交通出行方式選擇的主要因素有出行舒適性（4.355）、出行費用（2.820）、步行至車站所需時間（2.343）及步行至終點所需時間（1.756）。

（2）基于Logistic回歸分析，建立適用于重慶市南岸區(qū)居民公共交通出行方式選擇與影響因素間的定量回歸模型，其中學生組模型的預測總準確率為92%，非學生組模型的預測總準確率為97.7%。

（3）重慶市軌道交通二塘站未能深度挖掘周邊客流需求，應采取措施吸引周邊潛在軌道交通出行人群。

［1］ Yá?ez M F，Raveau S，Ortúzar J D.Inclusion of latent variables in mixed logit models：modeling and forecasting［J］.Transportation Research Part A：Policy and Practice，2010，44（9）.

［2］ Politis I，Papaioannou P，Basbas S.Integrated choice and latent variable models for evaluating flexible transport mode choice［J］.Research in Transportation Business＆Management，2012，3（8）.

［3］ 劉天亮，張沖，王天歌，等.朋友圈信息交互對個體出行決策行為的影響研究［J］.交通運輸系統(tǒng)工程與信息，2013，13（6）.

［4］ Bekhor S，Albert G.Accounting for sensation seeking in route choice behavior with travel time information［J］. Transportation Research Part F：Traffic Psychology and Behaviour，2014，22（1）.

［5］ 陳堅，甘蜜.城市交通出行行為中的潛變量研究綜述［J］.交通運輸系統(tǒng)工程與信息，2014，14（6）.

［6］ 張磊.基于Logit模型的停車費率變化對居民出行方式的影響分析［J］.交通與運輸：學術(shù)版，2015，31（1）.

［7］ 金水高.Logistic回歸方法的正確應用及結(jié)果的正確解釋［J］.中華預防醫(yī)學雜志，2003，37（3）.

［8］ 楊昌濤，靳文舟，范雪婷.基于巢式Logit模型的交通方式選擇行為研究［J］.公路與汽運，2011（4）.

［9］ 黎冬平，陳峻.基于Logistic回歸模型的城市居民公交出行決策分析［J］.現(xiàn)代交通技術(shù)，2007（6）.

U491

A

1671-2668（2016）06-0033-04

2016-05-09

國家自然科學基金資助項目（61503049）；中國博士后科學基金項目（2015 M582525）；重慶交通運輸工程重點實驗室開放基金項目（2016CQJY004）