基于預留時間的出行者劃分方法*

謝秉磊 程天琪 李 敢

(哈爾濱工業(yè)大學深圳研究生院 深圳 518055)

基于預留時間的出行者劃分方法*

謝秉磊 程天琪 李 敢

(哈爾濱工業(yè)大學深圳研究生院 深圳 518055)

為了合理劃分出行者類型，全面解析行程時間可靠性的本質特征，考慮到出行者的異質性，將SP調查與聚類分析結合，提出基于預留時間的出行者類型劃分方法，同時應用多項Logit模型構建基于預留時間的離散選擇模型，量化分析預留時間的影響因素，并得出各類出行者的比例.實例分析結果表明，出行者可分為I，II，III類，對應的預留時間分別為“>0.60t”“0.33～0.60t”和“<0.33t”，t為出行者的行程時間.三類出行者的比例分別為17.4%，49.1%和33.5%，即17.4%的出行者對路網(wǎng)行程時間可靠性的評價較低，說明出行者對于早高峰道路交通運行水平的評價普遍較高.

交通工程；出行者類型劃分；預留時間；SP調查；MNL模型；離散選擇

0 引 言

路網(wǎng)行程時間可靠性是衡量路網(wǎng)可靠性的重要指標，是指在給定的起終點之間，出行者能在規(guī)定時間內順利完成出行的概率[1].行程時間可靠性能夠反映路網(wǎng)的隨機性，也可以反映行程時間的穩(wěn)定性，受到出行者和交通管理者的關注.由于出行者的異質性，不同類型的出行者對行程時間可靠性的感知和評價也是不同的，考慮出行者的異質性對行程時間可靠性進行研究，將更加全面地解析行程時間可靠性的本質特征，并更加真實地描述出行者特征對行程時間可靠性的影響.

根據(jù)出行者主觀感知的的差異，現(xiàn)有研究對出行者的劃分可歸納為以下4類：①基于估計行程時間劃分.劉玉印等[2]按照出行者對行程時間的不同估計，識別出行者采用的不同出行策略；劉海旭等[3]將出行者分為對路況比較熟悉和對路況不夠熟悉兩類，以此反映出不同類型出行者的路徑選擇行為.②基于行程時間價值劃分.羅端高等[4]以時間價值為依據(jù)，分析了高時間價值和低時間價值出行者共存情況下的混合交通均衡分配問題；Yang等[5]從不同類型出行者的行程時間價值出發(fā)，探討了通過擁擠收費實現(xiàn)系統(tǒng)最優(yōu)交通分配的可能性.③基于行程時間可靠性劃分.何勝學[6]根據(jù)對出行可靠性高低的不同要求，將出行者分為守時主義者、冒險主義者和平均主義者，但這種分類對實時交通信息考慮較少；陳建林等[7]從出行者對待行程時間可靠性態(tài)度出發(fā)，對其路徑選擇行為進行分類，并基于行程時間可靠性構建了相應的交通分配模型.④基于出行者對交通信息的理解劃分.鐘邵鵬等[8]從出行者對待交通信息的態(tài)度出發(fā)，將出行者分為遵從交通信息類出行者和不遵從交通信息類出行者兩類；劉新民等[9]考慮到城市中出行個體的復雜性和差異性，將出行者分為固定經(jīng)驗出行者、多經(jīng)驗出行者和信息出行者三類.

目前這些出行者劃分方法受到出行者習慣、態(tài)度和偏好的影響，主觀性偏強，而且無法判斷據(jù)此分類的出行者對路網(wǎng)行程時間可靠性的評價具有一致性.預留時間(buffer time)是在道路交通隨機變化的條件下出行者為準時到達目的地而額外準備的時間，可以用于描述交通運行的隨機性對出行的影響.由于出行者預留時間與出行者對行程時間可靠性的評價呈負相關關系，所以基于預留時間劃分出行者不僅可以體現(xiàn)劃分標準的客觀性，而且據(jù)此分類的出行者對路網(wǎng)行程時間可靠性的認知是一致的，因此，本文在對影響出行者預留時間的因素進行系統(tǒng)分析的基礎上，研究基于預留時間的出行者劃分方法.

1 預留時間的影響因素

預留時間和行程時間可靠性呈負相關的關系，路網(wǎng)的隨機性越大，出行者為避免遲到的預留時間會越多，行程時間可靠性會越差，因此可將預留時間作為路網(wǎng)行程時間可靠性的一種反映，既考慮了行程時間的客觀性，又考慮了出行者的主觀認知.對行程時間可靠性的認知和評價受到出行者個體特征、出行特征、道路交通狀態(tài)、交通信息及其他信息的影響.

1) 個體特征 包括性別、年齡、月收入、職業(yè)、受教育程度、駕齡、路網(wǎng)熟悉程度、延誤承受時間等.有研究表明，有無駕照及駕齡的不同，會影響對路網(wǎng)行程時間可靠性的評價：0.5年以下駕齡的駕駛員期望的路網(wǎng)行程時間可靠性通常較低；0.5～3.0年駕齡的駕駛員期望的路網(wǎng)行程時間可靠性通常較高；3.0年以上駕齡的駕駛員實際駕車過程中的期望路網(wǎng)行程時間可靠性位于正常狀態(tài).出行者對路網(wǎng)更熟悉，則對路網(wǎng)行程時間可靠性的評價會更高；出行者對延誤時間的承受能力越強，則對路網(wǎng)行程時間可靠性的評價就越高.

2) 出行特征 包括出行目的、出行時間、出行方式等.上班、上學等時間約束性較強的出行，對路網(wǎng)行程時間可靠性要求較高.出行時間對行程時間可靠性的影響主要體現(xiàn)在出發(fā)時間和行程時間上：不同出發(fā)時間的出行，對行程時間可靠性的要求是不同的，早高峰出行對路網(wǎng)行程時間可靠性的要求較高，晚高峰對路網(wǎng)行程時間可靠性的要求較早高峰出行低，而平峰出行對路網(wǎng)行程時間可靠性的要求最低；出行者對行程時間的合理估算會直接影響出行者對出行方式及出行費用的考慮，進而影響出行者的選擇行為.出行者對行程時間可靠性的認知與出行方式的選擇也是相關的，有研究表明，高行程時間可靠性的出行者傾向于選擇自駕車或出租車出行，低行程時間可靠性的出行者傾向于選擇公交車出行.

3) 道路交通狀態(tài) 有研究表明，道路的擁擠程度與路網(wǎng)行程時間可靠性成正相關關系[10].也有研究表明，道路服務水平要求越低，行程時間可靠性就高；反之，行程時間可靠性迅速下降[11].

4) 交通信息 交通信息誘導和發(fā)布可以為出行者提供出行選擇依據(jù)，幫助出行者合理估計行程時間，有助于提高路網(wǎng)行程時間可靠性.

5) 其他因素 主要指上述因素以外的一些不可預測的客觀因素，比如，天氣狀況，突發(fā)事件等，這些因素會影響道路交通狀況，進而影響路網(wǎng)行程時間可靠性.

2 出行者預留時間的離散選擇模型

2.1 出行者預留時間的SP調查

在出行人群中，通勤者具有出行比例大、時間性強和出行方式集中的特點，因此將通勤者作為研究對象.由于早高峰出行的時間約束性要比晚高峰強，調查時間定為早高峰.調查對象和調查時間具有高度的典型性，使得調查數(shù)據(jù)具有代表性，更符合實際情況.

借助SP調查獲取預留時間影響因素中的各屬性數(shù)據(jù)，通過統(tǒng)計和量化分析，實現(xiàn)對實際路網(wǎng)中出行者的類型劃分和不同類型出行者下的特征屬性分析.

1) 出行者個體特征 包括性別、年齡、職業(yè)、受教育程度、駕照、月收入、工作時間制度、路網(wǎng)熟悉程度及延誤承受時間.

2) 出行者出行特征 包括上班時間、出發(fā)時間、出行方式、行程時間、期望行程時間、預留時間.

3) 出行者對待交通信息態(tài)度 包括出行選擇的依據(jù)偏好、交通信息的使用情況及獲取途徑.

2.2 離散選擇模型

為定量分析出行者的個體特征、出行特征及出行者對待交通信息態(tài)度對預留時間的影響，應用多項Logit(MNL)模型構建預留時間的離散選擇模型，對預留時間的影響因素開展量化分析.構建MNL模型時，選取預留時間作為選擇肢，不同類型出行者對應不同的選擇肢，能否合理劃分預留時間將影響最終模型的標定結果.

有研究者在研究預留時間的離散選擇模型時，以預留時間的絕對值進行劃分作為模型的選擇肢[12].這種劃分方式?jīng)]有考慮預留時間與行程時間之間的相關性，只適合于路徑惟一且不考慮流量變化的情形，應用受到局限.例如，對于行程時間為5 min且預留時間為5 min的出行者與行程時間為60 min并預留時間為5 min的出行者，他們對行程時間可靠性的評價顯然不同，兩者不能劃入同一類型.因此考慮到行程時間隨流量變化的多路徑情況，引入一個相對值，即出行者預留時間與行程時間的比值

Ai=HTi/ti

(1)

式中：Ai為第i類出行者的預留時間與行程時間的比值；HTi為第i類出行者的預留時間；ti為第i類出行者的行程時間.

將Ai劃分為N個區(qū)間，即N個選擇肢，根據(jù)Ai可確定出行者的類型.選擇肢n(n=1,2,3,…,N)對個體x的效用函數(shù)為

(2)

(3)

(4)

3 實例分析

3.1 SP調查數(shù)據(jù)

根據(jù)統(tǒng)計學原理，合理的樣本量應為量表條目的5～20倍[13]，選取的自變量為65個，合理的樣本量應為325～1 300.調查組于2015年4月對深圳市南山區(qū)通勤者進行了調查，共發(fā)放問卷500份，收回有效問卷455份，有效問卷回收率為91%.

1) 出行者個體特征的一般統(tǒng)計分析見表1.

表1 出行者個體特征的一般統(tǒng)計

2) 出行者出行特征，如上班時間、出發(fā)時間、出行方式、總行程時間、期望行程時間和出行預留時間的統(tǒng)計分布見圖1～6.

3) 出行者對待交通信息態(tài)度，如交通信息獲取途徑情況、交通信息關注情況、路徑選擇偏好情況和接受誘導情況的統(tǒng)計分布見圖7～10.

3.2 基于聚類分析的出行者類型劃分

采用聚類分析來實現(xiàn)出行者的分類，既可以找出相互獨立且有代表性的自變量，又可避免自變量共線性所造成的模型標定系數(shù)不準確問題.

圖1 上班時間分布圖

圖2 出發(fā)時間分布圖

圖3 出行方式分布圖

圖4 行程時間分布圖

圖5 期望行程時間分布圖

圖6 預留時間分布圖

圖7 交通信息獲取途徑情況分布圖

圖8 交通信息情況分布圖

圖9 出行選擇偏好分布圖

圖10 接受誘導情況分布圖

首先對各屬性數(shù)據(jù)做預處理和統(tǒng)計分析，再借助SPSS軟件進行聚類分析，得到不同的選擇肢類型，即不同的預留時間區(qū)間，分別對應于不同的出行者類型，結果見圖11～12和表2.

圖11 聚類樹圖

圖12 聚類結果圖

出行者類型IIIIII聚類中心值0.7810.4320.215

由圖11可知，出行者可分為三類，這三類的間距較大，說明各類出行者特征比較突出，容易識別和定義.圖12給出了各類出行者Ai值的分界值，分別是0.33，0.60，各類出行者的聚類中心值在表2中給出.基于預留時間可將出行者劃分為如下3類：

1) 類型I 預留時間“>0.60t”.在同一路網(wǎng)中，此類出行者的預留時間相對較多，屬于對路網(wǎng)行程時間可靠性評價相對較低的一類出行者.

2) 類型II 預留時間“(0.33～0.60)t”.在同一路網(wǎng)中，此類出行者的預留時間處于中間水平，屬于對路網(wǎng)行程時間可靠性的評價一般的一類出行者.

3) 類型III 預留時間“<0.33t”.在同一路網(wǎng)中，此類出行者的預留時間相對較少，屬于對路網(wǎng)行程時間可靠性評價相對較高的一類出行者.

3.3 出行者預留時間的影響因素分析

將調查問卷中的各條目作為模型變量，其定義見表3.

表3 模型變量定義

從數(shù)據(jù)庫中提取建模所需的各類變量，考慮各變量間的共線性之后，導入SPSS統(tǒng)計軟件進行回歸分析，以選擇肢1作為參照類，經(jīng)過數(shù)次迭代后最終得出顯著性結果，見表4.

表4 模型的有效性檢驗

表5 選擇肢2的標定結果

表6 選擇肢的標定結果

由表4～6可知，各影響因素對模型具有顯著影響.根據(jù)模型標定結果，可以得到以下結果：

1) 工作時間制度對模型有顯著性影響.選擇肢2和3中的變量1均為正值，說明固定工作時間的出行者傾向于預留更多的時間，而彈性工作制的出行者則預留較少的時間.

2) 出行者出行選擇偏好對模型有顯著性影響.選擇肢2和3中的變量1和變量2均為正值，說明與少經(jīng)驗多信息出行者相比，完全依據(jù)出行經(jīng)驗的出行者和多經(jīng)驗少信息出行者傾向于預留更多的時間.

3) 出行方式對模型有顯著性影響.選擇肢2和3中的變量1,2和3的值均為正，說明選擇常規(guī)公交、地鐵和小汽車的出行者傾向于預留較多的時間，而選擇步行、自行車和電動車的出行者則預留的時間相對較少.

4) 出發(fā)時間對模型有顯著影響.選擇肢2和3中的變量1，2均為負值，變量3，4，6均為正值，說明在07:00前和10:00后出行的出行者傾向于預留較少的時間，07:00-09:00時間段的出行者會預留較多的時間，以避免上班遲到.

5) 交通信息的關注度對模型有顯著影響.選擇肢2和3中的變量1，2為負值，說明與很少或幾乎不關注交通信息的出行者相比，經(jīng)常關注交通信息出行者傾向于預留較少的時間.

6) 駕照對模型有顯著影響.選擇肢2和3中的變量1均為正，說明與無駕照的出行者相比，有駕照的出行者傾向于預留更多的時間.一般說來，有駕照的出行者相對于無駕照的出行者對行程時間可靠性的評價低.

7) 交通信息獲取的途徑情況對模型有顯著影響.選擇肢2和3中的變量1，2均為負值，說明與無交通信息獲取途徑的出行者相比，途徑廣泛的出行者更傾向于預留較少的時間.

另外，將表6和表7中的模型標定系數(shù)代入式(2)、式(3)和式(4)，可得到I，II和III類出行者的比例分別為0.174，0.491和0.335.僅有17.4%的通勤出行者對路網(wǎng)行程時間可靠性的評價較低，說明出行者對早高峰道路交通運行水平的評價較高，

4 結 束 語

將SP調查與聚類分析相結合，提出基于預留時間的出行者劃分方式，最終將出行者劃分為三類，各類間距較大，特征較為突出，說明劃分結果合理，此方法能夠實現(xiàn)對出行者的客觀分類，為分析不同類型出行者的路網(wǎng)行程時間可靠性奠定了理論基礎.構建多項Logit模型量化分析了各因素對預留時間的影響.據(jù)此，交通管理部門可以有針對性的提出相應的誘導措施，如發(fā)布有關出行者出發(fā)時間、出行方式、出行路徑等信息，出行者及時調整出行計劃，改變預留時間，以保證準點到達目的地.同時通過離散模型計算各類出行者的比例，僅17.4%出行者對路網(wǎng)行程時間可靠性的評價較低，說明出行者對早高峰道路交通運行水平的評價較高.

不同城市因經(jīng)濟、交通等方面的差異，其出行者也會表現(xiàn)出不同的行為特征，因此不同類型出行者所對應的預留時間范圍值會因城市的不同而存在差異.未來研究可以分析不同城市出行者的分類差異，在此基礎上評價不同城市的路網(wǎng)行程時間可靠性.

[1]ASAKURA Y, KASHIWADANI M. Road network reliability caused by daily fluctuation of traffic flow[C]. Proceedings of the 19thPTRC Summer Annual Meeting, Brighton,1991.

[2]劉玉印，劉偉銘，吳建偉.基于累積前景理論的出行者路徑選擇模型[J].華南理工大學學報(自然科學版)，2010，28(7)：84-89.

[3]劉海旭，蒲云.基于路段走行時間可靠性的路網(wǎng)容量可靠性[J].西南交通大學學報，2004，39(5)：573-576.

[4]羅端高，史峰.多用戶多方式混合交通均衡變分模型及求解算法[J].交通運輸系統(tǒng)工程與信息，2010，10(5)：110-116.

[5]YANG H, HUANG H J. Principle of marginal-cost pricing: how does it work in a general network[J]. Transportation Research Part A: Policy and Practice,1998,32(1):45-54.

[6]何勝學.基于出行時間預算的多用戶交通分配模型及算法[J].公路交通科技，2009，26(5)：107-112.

[7]陳建林，劉海旭，程學慶，等．基于行程時間可靠性的多類用戶交通分配模型[J].西南交通大學學報，2007，42(1)：115-119.

[8]鐘紹鵬，鄧衛(wèi)，包丹文.考慮ATIS市場占有率及遵從率的隨機系統(tǒng)最優(yōu)擁擠收費模型[J].系統(tǒng)工程理論與實踐，2013，33(2)：456-462.

[9]劉新民，李曉潔，孫秋霞.不同信息條件下出行者比例對路網(wǎng)的影響研究[J].系統(tǒng)仿真學報，2014，26(11)：2612-2617.

[10]冷軍強．冰雪條件下城市路網(wǎng)行程時間可靠性研究[D].哈爾濱：哈爾濱工業(yè)大學，2010．

[11]冷軍強，張亞平，趙瑩萍，等.基于路段服務水平約束的路網(wǎng)容量可靠性分析[J].交通運輸系統(tǒng)工程與信息，2009，9(5)：148-152.

[12]崔書田.行程時間可靠性對居民出行決策的影響研究[D].上海：上海交通大學，2010.

[13]孫振球.醫(yī)學統(tǒng)計學[M].北京：人民衛(wèi)生出版社，2014.

A Method to Divide Travelers by Buffer Time

XIE Binglei CHENG Tianqi LI Gan

(Shenzhen Graduate School, Harbin Institute of Technology, Shenzhen 518055, China)

In order to rationally divide travelers, the essential characteristics of travel time reliability are comprehensively analyzed. By considering the heterogeneity of travelers, SP survey method is combined with cluster analysis to propose a method for dividing travelers by buffer time. Meanwhile, a discrete choice model for buffer time based on the multinomial Logit model is constructed, through which the influence factors of buffer time are analyzed quantitatively. The proportions of all kinds of travelers are calculated. The results of case study indicate that, firstly, travelers can be divided into I, II, III, and the corresponding buffer time are “>0.60”, “0.33～0.60”and “<0.33”, respectively. The proportions of I, II and III are 0.174, 0.491 and 0.335, respectively, indicating that the travelers have a high evaluation towards the traffic operation level of the early peak.

traffic engineering; travelers division; buffer time; SP survey; multinomial Logit model; discrete choice model

2017-04-24

*國家自然科學基金項目資助(71473060)

U491

10.3963/j.issn.2095-3844.2017.03.001

謝秉磊(1975—)：男，教授，博導，主要研究領域為交通行為分析、應急交通管理