城市居民出行行為模型分析
——以哈爾濱為例

吉淑娥，劉財(cái)，張平，李萬(wàn)平

(1.黑龍江工程學(xué)院 汽車與交通工程學(xué)院 哈爾濱 150050；2.中交第三公路工程局有限公司 北京100000)

城市居民出行行為模型分析
——以哈爾濱為例

吉淑娥1，劉財(cái)2，張平1，李萬(wàn)平1

(1.黑龍江工程學(xué)院 汽車與交通工程學(xué)院 哈爾濱 150050；2.中交第三公路工程局有限公司 北京100000)

為了促進(jìn)大城市內(nèi)部交通的協(xié)調(diào)發(fā)展，依據(jù)城市居民出行調(diào)查方法，以往來(lái)哈爾濱市松花江兩岸居民的出行行為為研究對(duì)象，分析影響因素并結(jié)合相關(guān)參數(shù)，建立多元線性回歸模型以及雙層Logit出行方式選擇模型，針對(duì)往來(lái)兩岸出行比例影響較大因素，定量分析參數(shù)之間相互影響關(guān)系，并通過(guò)實(shí)例驗(yàn)證模型的有效性，為城市的整體交通發(fā)展規(guī)劃提供必要的依據(jù)。

居民；出行行為；多元回歸；Logit模型

0 引言

為了滿足城市居民的出行需求，準(zhǔn)確把握居民的出行行為，可對(duì)城市的整體交通發(fā)展規(guī)劃提供必要的依據(jù)[1]。哈爾濱市目前以松花江隔開(kāi)南北兩地，由于經(jīng)濟(jì)發(fā)展與社會(huì)需求的不同導(dǎo)致兩地交通發(fā)展存在一定的不協(xié)調(diào)性，研究哈爾濱市江南江北城市居民出行行為特征，可通過(guò)構(gòu)建出行多方式選擇模型，有效預(yù)測(cè)居民出行行為對(duì)兩地交通、環(huán)境及其他社會(huì)因素的影響，為交通規(guī)劃及管理部門制定實(shí)施交通協(xié)調(diào)發(fā)展策略提供科學(xué)依據(jù)[2-4]。

1 多元線性回歸模型實(shí)證分析

1.1 樣本選擇與分析

文章以哈爾濱為例，根據(jù)松花江兩岸居民的基本出行特性，通過(guò)選取兩地有代表性的出行區(qū)域，遵循專業(yè)交通調(diào)查原則及方法進(jìn)行實(shí)地及網(wǎng)絡(luò)同步調(diào)查，調(diào)查樣本數(shù)據(jù)匯總分析見(jiàn)表1。

1.2 影響因素分析

根據(jù)調(diào)查結(jié)果，隨機(jī)選取1000個(gè)樣本，利用多元線性回歸模型對(duì)江南江北居民出行比例分析，選取影響因素分別為：性別(x1)、職業(yè)(x2)、年齡(x3)、人口數(shù)量(x4)、擁有交通工具情況(x5)、出行是否往來(lái)江南江北(x6)、到達(dá)目的地的時(shí)間(x7)、家庭居住地(x8)、個(gè)人收入情況(x9)，對(duì)因素進(jìn)行初步篩選及剔除[5]、分組、歸類后，見(jiàn)表2。

表1 調(diào)查樣本基本情況統(tǒng)計(jì)表

表2 居民出行影響因素分析表

1.3 模型的參數(shù)計(jì)算與檢驗(yàn)

建立多元線性回歸方程模型分析個(gè)人出行方式比例:

Y=a+b1x1+b2x2+b3x3+…+bmxm。

(1)

模型中因變量y為往來(lái)出行率(包括江南到江北和江北到江南的出行率之和，其中往返出行算一次出行)，自變量x為居民的個(gè)人屬性和出行屬性，a和bj(j=1,2……，p)為回歸系數(shù)。

對(duì)多元線性回歸模型求解，利用最小二乘法求解回歸系數(shù)a和bj，i=1,2……n，j=1,2……，p的值，即誤差平方和達(dá)到最小時(shí)的a和bj的值為最佳估計(jì)值[6-7]。

(2)

式中：SSE是估計(jì)平方和。

回歸方程的顯著性檢驗(yàn)可以用統(tǒng)計(jì)量F作檢驗(yàn)：

(3)

式中：SSR是殘差平方和。

統(tǒng)計(jì)量F服從自由度為(p,n-p-1)的分布，因此，在給定的顯著性水平下，若F>a，認(rèn)為回歸方程是顯著的，當(dāng)回歸方程經(jīng)檢驗(yàn)是顯著的時(shí)候，應(yīng)進(jìn)一步對(duì)各bj做檢驗(yàn)，以剔除不太重要的變量。運(yùn)用逐步回歸的方法剔除影響不顯著的變量，得出估計(jì)參數(shù)[5]。

1.4 模型實(shí)證分析

將以上選取的9個(gè)因素作為往來(lái)江南江北比例的影響因素，所以得到的多元線性回歸模型見(jiàn)公式(4)：

y=a+b1x1+b2x2+b3x3+b4x4+b5x5+b6x6+b7x7+b8x8+b9x9。

(4)

帶入模型得到回歸結(jié)果見(jiàn)表3。

表3 出行比例影響因素回歸模型結(jié)果

在置信度為92%的條件下，F(xiàn)檢驗(yàn)的絕對(duì)值均大于1.45，參數(shù)的符號(hào)正確[6-7]，模型的擬合度R2值為0.82，說(shuō)明所建立方程有較好擬合度，選取的自變量對(duì)因變量有線性影響關(guān)系。把參數(shù)帶入模型中得到往來(lái)兩岸出行比例的多元線性回歸方程：

y=1.023-0.03x1-0.043x-0.02x3+0.007x4-0.012x5+0.010x6-0.006x7+0.004x8-0.045x9。

(5)

1.5 模型參數(shù)分析

分析各組因素在其他因素不變的前提下對(duì)往來(lái)出行比例的影響[8-9]。

(1)收入、性別和職業(yè)的影響。收入和職業(yè)對(duì)往來(lái)兩岸出行比例的影響參數(shù)分別為-0.045、-0.043，對(duì)于居民往來(lái)江南江北影響較大，說(shuō)明收入越高往來(lái)江南江北的比例也就更大，反之往來(lái)兩岸的比例也就越少。同時(shí)也說(shuō)明有職業(yè)者來(lái)往江南江北的比例要高于無(wú)職業(yè)者。

性別對(duì)往來(lái)兩岸出行比例的影響參數(shù)為-0.030，說(shuō)明男性往來(lái)兩岸的比例要高于女性，女性相對(duì)于男性對(duì)往來(lái)出行比例起了相反的作用。

(2)年齡和家庭人口數(shù)量的影響。家庭人口數(shù)量的影響參數(shù)為0.007，說(shuō)明家庭方面人口數(shù)量越多，往來(lái)出行比例越大，但影響效果不大。

年齡方面對(duì)往來(lái)兩岸出行比例的影響相比較性別因素影響較小，說(shuō)明年齡越大往來(lái)兩岸的比例也就跟高，但此因素屬于正態(tài)分布，到達(dá)一定年齡時(shí)比例也就隨之減小。

(3)是否擁有交通工具的影響。是否擁有交通交通工具對(duì)往來(lái)兩岸出行比例的影響參數(shù)為0.012，說(shuō)明家庭有交通工具則會(huì)增加往來(lái)的比例。

2 Logit模型實(shí)證分析

2.1 樣本選擇與分析

選取之前調(diào)查數(shù)據(jù)樣本，建立了雙層Nested Logit模型，對(duì)往來(lái)江南江北出行的出發(fā)時(shí)間段和出行方式選擇行為進(jìn)行了研究[10]。其中上層出發(fā)時(shí)間選擇以8點(diǎn)為界的兩個(gè)時(shí)段，從樣本中去除了所有返回出行，一天只有一個(gè)出行高峰，主要聚集在上午5點(diǎn)到8點(diǎn))；下層參數(shù)選取了出行方式選擇，據(jù)前文介紹，把出行方式分為非機(jī)動(dòng)方式，公共交通，出租車和私家車4種[11-12]。

在選取樣本分析當(dāng)中，兩個(gè)時(shí)段出行所占比例分別為54%和46%。4種交通出行方式所占比例依次為：1.非機(jī)動(dòng)方式：15%；2.公共交通：51%；3.出租車：18%；4.私家車：16%。

2.2 影響因素分析

以兼顧社會(huì)經(jīng)濟(jì)特性、出行屬性及服務(wù)屬性為前提，本模型所研究的往來(lái)兩岸的出發(fā)時(shí)間和出行方式因素，經(jīng)初步篩選及相關(guān)度檢驗(yàn)后，共包括了11個(gè)影響因素，見(jiàn)表4。其中因素x1～x5、x7～x9解釋同上，活動(dòng)時(shí)間為x6、出行時(shí)間為x10、出行目的為x11。

表4 影響因素注釋

其中，收入分為三類：低收入者指收入2 000元以下(包括無(wú)收入)人群；中收入者指收入2 000～5 000元人群；高收入者指收入8 000元以上人群。

2.3 模型的參數(shù)估計(jì)

根據(jù)對(duì)出行方式影響因素的考慮，選取下層出行方式選擇模型的相關(guān)7個(gè)影響因素[13]，分別為性別、職業(yè)、年齡、個(gè)人收入、擁有交通工具情況、活動(dòng)時(shí)間、出行時(shí)間 、出行目的，將變量帶入模型，以非機(jī)動(dòng)方式為模型的參考對(duì)象，通過(guò)回歸得出其他幾種出行方式相對(duì)于非機(jī)動(dòng)方式的參數(shù)估計(jì)結(jié)果見(jiàn)表5。

表5選擇4種交通方式進(jìn)行估計(jì)，其中擬合度為0.573，估計(jì)命中率為72.1%，可見(jiàn)下層模型的精度較高。根據(jù)非集計(jì)模型所得出預(yù)測(cè)概率的發(fā)生比，可得其他三種交通方式相對(duì)于步行的概率比：

(6)

居民n選擇公共交通對(duì)非機(jī)動(dòng)方式的概率比為：

(7)

同理可得居民n選擇出租車對(duì)非機(jī)動(dòng)方式的概率比及選擇私家車對(duì)非機(jī)動(dòng)方式的概率比。然后，根據(jù)下層估計(jì)得出的參數(shù)計(jì)算包容系數(shù)[2]μ1。使其作為上層模型的一個(gè)影響因素，同時(shí)列入上層模型的選擇因素，將變量帶入，以8點(diǎn)以后出發(fā)時(shí)間為參考對(duì)象得出估計(jì)結(jié)果見(jiàn)表6。

表6 往來(lái)居民出發(fā)時(shí)間選擇模型參數(shù)估計(jì)結(jié)果

表6中符號(hào)注釋同上，由計(jì)算結(jié)果可知，包容系數(shù)μt的參數(shù)估計(jì)值為0.151，在(0，1)之間，通過(guò)檢驗(yàn)；擬合度合理，模型中下層方式選擇得出的命中率為72.1%，表明對(duì)往來(lái)居民出行方式選擇的預(yù)測(cè)平均正確率為72.1%，上層出發(fā)時(shí)間選擇得出的命中率為66.1%，表明對(duì)往來(lái)居民出行的出發(fā)時(shí)間選擇的預(yù)測(cè)平均正確率為66.1%。綜上所述，建立的NL模型精度較高。

出行者n在8點(diǎn)以前出發(fā)時(shí)間相對(duì)于8點(diǎn)以后出發(fā)時(shí)間的概率比為：

(8)

因此，結(jié)合兩層選擇的概率發(fā)生比，求得出行者n在往來(lái)江南江北的同時(shí)出發(fā)時(shí)間和出行方式兩個(gè)選擇的概率發(fā)生比：

(9)

2.4 模型參數(shù)分析

參數(shù)分析用于分析每種選擇對(duì)其他參數(shù)影響的變化，一般估計(jì)系數(shù)大于1時(shí)，說(shuō)明這個(gè)因素對(duì)預(yù)測(cè)結(jié)果影響比較大。在上層模型中，出行目的對(duì)出發(fā)時(shí)間的選擇影響參數(shù)為1.173，職業(yè)影響參數(shù)為0.641，可見(jiàn)職業(yè)者上班出行占8點(diǎn)前出行主要的比例。在下層出行方式選擇模型中，分析了其他三種出行方式相對(duì)于步行的選擇概率[14]。

(1)出租車的選擇影響因素較大的為個(gè)人收入、活動(dòng)時(shí)間，參數(shù)分別為2.136、1.486，由于有更多的個(gè)人收入所以更多的高收入者會(huì)選擇出租車作為往來(lái)江南江北的出行方式。其次活動(dòng)時(shí)間方面，活動(dòng)時(shí)間越大說(shuō)明彈性出行的可能性越大，更多屬于娛樂(lè)購(gòu)物等，所以在居民花費(fèi)更多活動(dòng)時(shí)間時(shí)會(huì)選擇出租車。

(2)公共交通的選擇影響因素較大的為職業(yè)、出行時(shí)間，參數(shù)分別為3.112、2.286，可見(jiàn)上班族多趨于選擇公共交通出行方式，用時(shí)較長(zhǎng)的出行選擇公共交通的出行方式更多。

(3)私家車的選擇影響因素較大的有是否擁有交通工具、職業(yè)，參數(shù)分別為0.918、0.732，隨著居民生活水平的不斷提高，小汽車擁有量不斷增加，特別是上班族更多的會(huì)選擇自駕出行方式。

3 結(jié)束語(yǔ)

本文在數(shù)據(jù)分析的基礎(chǔ)上，利用多元線性回歸模型，定量分析了居民的各項(xiàng)屬性對(duì)于往來(lái)松花江南北出行比例的影響，得出收入和職業(yè)這兩個(gè)因素對(duì)出行比例影響較大，文章構(gòu)建的雙層Logit模型定量地分析了各參數(shù)之間相互影響關(guān)系，為兩岸交通管理協(xié)調(diào)發(fā)展奠定基礎(chǔ)。

[1]秦雪.西安市游客旅游交通行為分析與研究[D].西安：西北大學(xué)，2010.

[2]甄茂成.基于軌道交通發(fā)展的北京城市居民工作出行行為特征研究[D].北京：首都師范大學(xué)，2014.

[3]邱小平，孫若曉.基于CDMA系統(tǒng)手機(jī)定位的居民出行OD調(diào)查技術(shù)[J].公路工程，2015，40(1)：84-89.

[4]何山，朱健梅.基于BP神經(jīng)網(wǎng)絡(luò)的個(gè)體出行模式識(shí)別研究[J].公路工程，2014，39(5)：304-306.

[5]ScheinerJ，Holz-RauC.Genderedtravelmodechoice：afocusoncardeficienthouseholds[J].JournalofTransportGeography，2012，24(4)：250-261.

[6]申悅，馬修軍，趙瑩.北京居民活動(dòng)與出行行為時(shí)空數(shù)據(jù)采集與管理柴彥威[J].地理研究，2013，32(3)：441-451.

[7]楊碩，鄧衛(wèi)，程龍.基于家庭的城市居民活動(dòng)出行行為研究綜述[J].交通運(yùn)輸工程與信息學(xué)報(bào)，2016，1(2)：92-100.

[8]姜沂兵.基于出行方式選擇和交通政策影響的系統(tǒng)優(yōu)化研究[D].北京：北京交通大學(xué)，2016.

[9]陸偉，周博，安麗，等.居住區(qū)老年人日常出行行為基本特征研究[J].建筑學(xué)報(bào)，2015，1(13)：176-179.

[10]姚麗亞，孫立山，關(guān)宏志，基于分層Logit模型的交通方式選擇行為研究[J].武漢理工大學(xué)學(xué)報(bào)，2010，34(4)：738-741.

[11]曹小曙，林強(qiáng).基于結(jié)構(gòu)方程模型的廣州城市社區(qū)居民出行行為[J].地理學(xué)報(bào)，2011，63(2)：167-177.

[12]吳逸思，柴彥威，郭文伯.基于巡回的郊區(qū)居民一周出行行為日間差異——以北京市上地-清河地區(qū)為例[J].人文地理，2015，6(146)：27-33.

[13]Gulyani DSS.Mobility，Poverty，and Gender：Travel ’Choices’ of slum residents in Nairobi，Kenya[J].Transport Reviews，2010，30(5)：641-657.

[14]Anggraini R，Arentze TA，Timmermans HJP.Car allocation decisions in car-deficient households：the case of non-work tours[J].Transportmetrica，2012，8(3)：209-224.

Travel Behavior Model Analysis of City Residents in Harbin

Ji Shue，Liucai，Zhang Ping，Li Wanping

(1.Heilongjiang Institute of Technology，Harbin150050，Heilongjiang province；2.China Transportation Third Highway Engineering co.，LTD，Beijing，100102)

In order to promote the coordinated development of the internal traffic of the city，the residents of South and North of Songhua River in Harbin were taken as the research objects according to the survey method of their travel behavior.Factors that affects travel behavior and the relevant parameters were analyzed.A multiple linear regression model and the double Logit choice model were established.The quantitative analysis of the interaction relationship between parameters was conducted on cross-strait travel ratio influence factors and the validity was verified by the examples.The results of this study provide the necessary basis for overall transportation development planning of the city.

residents；travel behavior；multiple regression；Logit model

2016-06-21

黑龍江省教育廳科學(xué)技術(shù)研究項(xiàng)目(12541662)；黑龍江省大學(xué)生創(chuàng)新項(xiàng)目(201511802034 )

吉淑娥，博士研究生，講師。研究方向：交通工程。E-mail：83407860@qq.com

吉淑娥，劉財(cái)，張平，等.城市居民出行行為模型分析——以哈爾濱為例[J].森林工程，2017，33(1)：82-86.

U 491

A

1001-005X(2017)01-0082-05